申请/专利权人：国网湖北省电力有限公司经济技术研究院;武汉大学

申请日：2022-01-12

公开（公告）日：2024-06-25

公开（公告）号：CN114400712B

主分类号：H02J3/46

分类号：H02J3/46;H02J3/28;H02J3/24;G06F30/25;G06Q10/04;G06Q10/0631;G06Q50/06;G06N3/006;G06N7/08;G06F111/04;G06F111/08;G06F113/04

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.05.13#实质审查的生效;2022.04.26#公开

摘要：一种基于改进二阶粒子群算法的微电网群优化调度方法，该方法先分别构建微电网群内部各类设备的数学模型，并建立以微电网群综合运行成本最小、风光消纳率最大、联络线功率波动最小为目标的微电网群优化调度模型，然后以风电、光电、储能、柴油机组出力作为粒子群的位置，适应度函数作为目标函数，采用改进二阶粒子群算法求解上述优化调度模型，以得到微电网群的优化调度方案。该方法不仅在使微电网群整体的运行成本最低的同时降低了微电网并网对配电网的冲击，而且提高了算法的精度和计算速度。

主权项：1.一种基于改进二阶粒子群算法的微电网群优化调度方法，其特征在于：所述优化调度方法依次包括以下步骤：步骤A、分别构建微电网群内部各类设备的数学模型，其中，所述各类设备包括风力发电机组、光伏发电机组、负荷、储能设备、柴油机组；步骤B、建立以微电网群综合运行成本最小、风光消纳率最大、联络线功率波动最小为目标的微电网群优化调度模型；步骤C、以风电、光电、储能、柴油机组出力作为粒子群的位置，适应度函数作为目标函数，采用改进二阶粒子群算法求解上述优化调度模型，得到微电网群的优化调度方案，包括：步骤C1、获取微电网群内部各类设备参数以及风、光、荷运行数据，并初始化改进二阶粒子群算法的基本参数；步骤C2、利用混沌映射生成混沌序列，选择Logistic映射模型生成初始种群，并将变量反归一化至搜索空间，得到粒子的初始位置，令迭代次数k＝1，每一个粒子对应每一种优化调度方案；步骤C3、计算每个粒子的适应度值，并更新每个粒子的历史最优值和种群的历史最优值；步骤C4、根据迭代次数和适应度值计算当前的惯性系数、学习因子和振荡因子，并更新粒子的速度和位置，同时对粒子的速度和位置进行越限处理，其中，所述惯性系数、学习因子、振荡因子、速度和位置通过以下公式计算更新： 0＜λ1＜1,0＜λ3＜1k＜kmax2λ1＜λ2-1,λ3＜λ4-1,0＜λ2＜1,0＜λ4＜1k≥kmax2上式中，分别为第i个粒子在第k次迭代时的惯性系数、速度和位置，ωmin、ωmax分别为惯性系数的最小、最大值，f为适应度函数，为第k次迭代时种群的平均适应度值，pg、pi分别为粒子群、第i个粒子的历史最优位置，为第k次迭代时的学习因子c1，为第k次迭代时的学习因子c2，r1、r2为[0,1]内均匀分布的随机数，c1b、c1e、c2b、c2e分别为c1、c2迭代最开始的值和结束的值，λ1、λ3分别为当前迭代过程中第i个粒子最优和全局最优位置的振荡因子，λ2、λ4分别为上一次的迭代过程中第i个粒子最优和全局最优位置的振荡因子，d1、d2为c1的控制因子，d3、d4为c2的控制因子，kmax为最大迭代次数；步骤C5、计算任意粒子与当前最佳粒子之间的距离，若计算的距离小于参考值，则最优粒子保持不变，使其他粒子进行混沌运动，在给定的步数内进行混沌搜索，用混沌搜索得到的新粒子替换原粒子；步骤C6、判断是否收敛，若收敛，则退出迭代过程，对粒子进行解码，获得微电网群的优化调度方案；若未收敛，则令k＝k+1并返回步骤C2进行下一次迭代。

全文数据：

权利要求：

百度查询： 国网湖北省电力有限公司经济技术研究院;武汉大学 一种基于改进二阶粒子群算法的微电网群优化调度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD