[发明专利]一种基于改进共生生物搜索的微电网能源调度优化方法

说明书

本发明公开了一种适用于微电网中基于改进共生生物搜索的能源调度优化方法，包括：设计基于多智能体系统的孤岛/并网微电网的结构、建立改进共生生物搜索算法的数学模型、建立孤岛/并网微电网能源调度优化的数学模型、设计基于改进共生生物搜索算法的孤岛/并网微电网能源调度优化流程。采用改进共生生物搜索算法通过引入重组和变异阶段来提高生物体的多样性；建立含公共连接点状态信息0/1的经济性目标函数、优化变量以及功率平衡约束条件；多智能体通过收集数据信息和利用改进共生生物搜索对孤岛/并网微电网能源调度优化的数学模型进行求解。本发明能有效提高MG能源调度优化中的经济效益和优化结果的稳定性。

技术领域

本发明属于智能电网和智能优化算法技术领域，涉及一种基于改进共生生物搜索(Improved symbiotic organisms search,ISOS)的微电网(Microgrid,MG)能源调度优化方法。

背景技术

通过智能优化算法对MG进行能源调度优化是使得MG运行在最经济、环保状态的重要保证。然而，不同的智能优化算法应用在MG能源调度上会得到不同的结果。在MG能源调度优化中运用较多的智能优化算法包括有遗传算法(Genetic algorithm,GA)、粒子群算法(Particle swarm optimization,PSO)、人工蜂群算法(Artificial bee colony,ABC)等。然而，GA、PSO和ABC需要控制的参数较多，并且会因优化问题的复杂度上升导致优化的速度快速下降和陷入局部最优值的概率快速上升。MG的24小时能源调度优化通常包含了上百个优化变量。因此，MG每次使用GA、PSO或ABC执行能源调度优化后得到的结果均不稳定。相比于GA、PSO和ABC，共生生物搜索算法(Symbiotic organisms search,SOS)具有操作简单、控制参数较少、稳定性高、优化能力强以及能得到更好的优化结果的特点。然而，虽然SOS应用于MG能源调度优化中能获得相比于GA、PSO和ABC更好的优化结果，但是SOS也存在陷入局部最优值的情况从而导致优化结果的不稳定。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种基于改进共生生物搜索的微电网能源调度优化方法，能够改善SOS的全局搜索能力和稳定性，提高其应用于MG能源调度优化中的经济效益和优化结果的稳定性。

为了解决上述技术问题，本发明采用以下技术方案。

本发明的一种基于改进共生生物搜索的微电网能源调度优化方法，其特征在于，包括以下步骤：

步骤1、设计基于多智能体系统的孤岛/并网微电网的结构：其结构包括可再生能源、蓄电池柴油机、负荷、公共连接点、配电网；设计微电网、可再生能源、蓄电池、柴油机、负荷、公共连接点、配电网与智能体之间的连接关系；并具体说明智能体之间的工作关系；

步骤2、建立改进共生生物搜索算法的数学模型：包括互利共生、偏利共生、寄生、重组和变异五个阶段；

步骤3、建立孤岛/并网微电网能源调度优化的数学模型：包括孤岛/并网微电网能源调度优化的目标函数、优化变量和功率平衡约束条件；

步骤4、设计基于改进共生生物搜索算法的孤岛/并网微电网能源调度优化流程：包括输入数据、改进共生生物搜索算法的生态系统初始化、初始化种群、迭代次数设置、计算适应度值、确定最优个体、执行互利共生阶段、偏利共生阶段、寄生阶段、重组阶段、变异阶段、迭代次数判断、输出最优个体的优化步骤；

所述的孤岛/并网微电网，是指：微电网能够工作在孤岛模式或并网模式，微电网通过使用公共连接点智能体控制公共连接点的开关状态使微电网实现孤岛模式和并网模式下的动态切换。

进一步地，所述步骤1设计基于多智能体系统的孤岛/并网微电网的结构的具体过程为：