[发明专利]一种基于改进多目标人工蜂鸟算法的微电网经济调度优化方法

权利要求书

1.一种基于改进多目标人工蜂鸟算法的微电网经济调度优化方法，其特征在于：所述方法包括：

步骤1：获取含可再生能源的微电网系统的发电机组运行数据和负荷的基本数据，其中，所述微电网系统中包括风力发电机PV、光伏电池WT、柴油发电机DE和电池储能装置BT；

步骤2：基于所述发电机组运行数据和负荷的基本数据，构建含风电、光伏、柴油发电机和储能的微电网系统经济调度模型；

步骤3：建立微电网系统的多个目标函数模型，确定微电网系统功率约束条件；

步骤4：将多目标人工蜂鸟算法MOAHA改进后与风光出力控制策略和经济调度优化模型相结合，进而获得各分布式电源经济调度的最优方案；将多目标人工蜂鸟改进算法应用于微电网系统优化调度中，获得最优解，实现微电网系统的经济优化调度。

2.根据权利要求1所述的一种基于改进多目标人工蜂鸟算法的微电网经济调度优化方法，其特征在于：所述步骤4包括：

步骤4.1：通过Sine混沌初始化代替MOAHA中的随机生成，将n只蜂鸟置于n个食物来源上，具体映射方式如式(2)所示，通过Sine混沌映射初始化种群使得蜂鸟种群均匀分布在搜索空间上下限内，提高人工蜂鸟算法的搜索性能：

x₁＝Low+r·(Up-Low)     (1)

其中Up和Low分别是d维问题的上边界和下边界，r是[0,1]中的随机向量，x_i表示为给定问题的解决方案的第i个食物来源的位置,a为取值为(0,4)的参数；

步骤4.2：食物源访问表初始化：

式中，对于i＝j,VT_ij＝null表示蜂鸟在其特定的食物来源取食；i≠j,VT_ij＝0表示第j个食物源在当前迭代中刚刚被第i只蜂鸟访问过；

步骤4.3：通过改进的线性觅食行为惯性系数，替代MOAHA中原来的各50％可能性进行引导觅食行为，或领地觅食行为；

其中W为线性觅食行为惯性系数；W_max和W_min分别最大惯性系数和最小惯性系数,取值为[0,1]；it为迭代次数；Maxit为最大迭代次数；v_i(t+1)为第i个蜂鸟在t+1时刻的候选食物源位置；x_i(t)为第i个蜂鸟在t时刻的食物源位置,x_i,tar(t)为第i只蜂鸟打算造访的目标食物源的位置；D为飞行指标系数，取0或1；a为引导因子，服从标准正态分布N(0,1)；b为领地因子，服从标准正态分布N(0,1)；

步骤4.4：蜂鸟通过三种方法寻找它的目标食物源

在随机可能性rand＜W情况下下蜂鸟选择进行以下引导觅食行为：

v_i(t+1)＝x_i，tar(t)+a·D·(x_i(t)-x_i，tar(t))    (7)

第i个食物源位置更新如下：

式中f(·)为函数适应度值,如果候选食物源的适应度低于当前食物源，则蜂鸟会放弃当前食物源，停留在由式(7)产生的候选食物源处取食；更新拜访表；

而在随机可能性rand≥W情况下蜂鸟选择进行以下领地觅食行为：

v_i(t+1)＝x_i，tar(t)+b·D·x_i(t)    (9)

第i个食物源位置更新同式(8)，更新拜访表；

步骤4.5：判断迭代次数，如果迭代次数超过迁移系数2n的预定值，蜂鸟将迁移到整个搜索空间中随机产生的新食物源；蜂鸟位置更新如下：

x_i＝Low+r·(Up-Low)    (10)

更新拜访表；

步骤4.6：计算适应度函数，得到pareto解；

步骤4.7：进行非支配排序得到pareto前沿；

步骤4.8：求得最优结果。