[发明专利]一种多能耦合配电系优化调度方法

权利要求书

1.一种多能耦合配电系优化调度方法，其特征在于，所述方法采用GA-PSO算法进行可再生能源发电功率与区域负荷预测，包括如下步骤：

步骤1：输入历史数据，所述历史数据包括历史气象数据、历史风力发电数据、历史光伏发电数据、历史配电系统负荷数据及历史电动汽车的充电数据，并对风力发电功率、光伏发电功率、区域内的负荷功率进行预测；

步骤2：确定算法参数，随机产生一个包含M个粒子的种群；初始化粒子：初始化光伏容量与风机容量以及热容量的初始值为PPV0，PWT0，PKw0；赋予每个粒子一个随机速度：设定风电机组容量和光伏阵列容量变化的步长，设置迭代次数为N；设定可再生能源消纳率最大化为目标函数；其中，M、N均为正整数，

步骤3：更新粒子的速度和位置，计算出粒子的数值；

步骤4：粒子交叉和变异计算，选择部分粒子作为需要进行交叉遗传计算的群体，并对其进行交叉和变异计算；

步骤5：计算粒子适应度值和约束条件，根据目标函数计算所有粒子维护费用，根据粒子维护费用的大小确定粒子的适应度值，并根据适应度值对粒子进行排序；判断粒子迭代次数是否已经完成，如果未达到最大迭代次数，则转到步骤3继续执行；如果达到最大迭代次数，则转到步骤6；

步骤6：获得风力发电功率、光伏发电功率、区域内的负荷功率预测曲线，并根据可再生能源波动与电动汽车充放电容量关系，确定电动汽车V2G价格弹性系数，获得电动汽车参与V2G的服务价格；对响应服务车辆进行充放电优化调度，获得车辆调度方案与服务价格组合方案；

步骤7：计算区域内电动汽车可调度容量，确保配电网能量供需平衡。

2.如权利要求1所述的多能耦合配电系优化调度方法，其特征在于，步骤2中，所述目标函数为可再生能源消纳率的最大化：

式中，δ_re为可再生能源消纳率；P_rc为平可再生能源实际消纳总量，P_gr为可再生能源发电总量。

3.如权利要求1所述的多能耦合配电系优化调度方法，其特征在于，步骤3中，更新粒子的速度和位置按照如下式:

上式中，为粒子i(i＝1,2,…,M)第k次迭代速度；为粒子i第k次迭代位置；为粒子i第k次迭代时的最优位置；为第k次迭代时群体最优位置；ω为惯性权重；c_h和c₂为学习因子；r_h和r₂为[0-1]之间的随机数。

4.如权利要求1所述的多能耦合配电系优化调度方法，其特征在于，步骤5中，所述约束条件包括电量不足期望值EENS和能源可靠性指数EIR。

5.如权利要求4所述的多能耦合配电系优化调度方法，其特征在于，所述电量不足期望值EENS在风光储互补发电系统中的计算公式为：

式中，P_i表示第i种容量情况的概率；E_i为负荷不能被满足的电量；N为不同容量的种类数。

6.如权利要求4所述的多能耦合配电系优化调度方法，其特征在于，所述供电可靠性指数EIR的计算公式如下式所示：

式中，E_L,i为第i个月内负荷需求的总电量；W_PV,i为第i个月光伏发电容量；W_WT,i为第i个月风力发电容量。

7.如权利要求1所述的多能耦合配电系优化调度方法，其特征在于，所述步骤6的根据可再生能源波动与电动汽车充放电容量关系，确定电动汽车V2G价格弹性系数包括：

获取光伏发电功率、风力发电功率、常规发电功率及常规负荷功率，计算供需之间的功率缺口，根据功率缺口设定电动汽车调度价格弹性系数，对电动汽车发出V2G服务邀约，获取电动汽车用户响应V2G服务邀请结果，分析参与服务车辆SOC状态与其历史充放电数据；

获取车辆服务区域、期望价格分布、用户参与V2G概率，预计在线时段，及在线时长分布。