基于改进粒子群算法的微电网的优化调度.docx

基于改进粒子群算法的微电网的优化调度打开文本图片集摘要：本文提出了一种由多种分布式电源构成的微电网调度模型，其中包括风机、光伏电池、燃气轮机、柴油机和蓄电池。针对各种分布式电源，在满足对应的系统约束条件下，建立了包括运行成本、环境成本和电力收入的多目标优化调度模型，运用优化过的粒子群算法（PSO），经过仿真模块的评估结果证实所建模型具有一定可行性。关键词：微电网;优化调度;粒子群算法;电网调度Keywords：microgrid;optimaldispatch;particleswarmoptimization;griddispatch0引言微电网也称为微网，是指由分布式能源、储能设备、能量转换器、负荷、监控和保护装置等组成的微型发配电系统。极高的灵活性是该系统最为重要的特点，其既可以并网运行，也可以在电网系统出现故障时进行孤岛运行，以此保证对重要负荷的供电。在对微电网进行调节时，由于考虑到节能减排的背景环境，所以需要对环境因素做出必要的分析。国内外的学者对于微电网日前环境经济调度的问题也在进行不断的研究。文献[1]和文献[2]对微电网调度做了比较全面的研究和分析。文献[3]主要对含有不可调度型分布电源在微电网中的调度作用进行了研究。本文以经济成本的最小化和环境成本的最小化为目标，建立了微电网多目标优化模型，采用改进的粒子群算法进行求解该模型（通过改进粒子群算法中的参数提高算法的收敛速率以及避免局部最优）。通过算例验证模型与优化方法的有效性。1仿真模型1.1风机模型3求解过程3.1算法简介与优化标准粒子群算法（PSO）是一種根据鸟群觅食而开发的群智能优化算法。粒子群算法因为其原理简单、收敛速度快等优点被用于解决各种寻优问题，但同时，人们也发现了标准粒子群算法存在的不足之处，即时常会遇到早熟和收敛的问题。[4]于是，我们针对标准粒子群算法的不足之处提出了如下的改进措施：（1）初始混沌化处理。针对标准粒子群算法初始化阶段粒子分布不均匀的情况，混沌粒子群算法在种群粒子初始化过程中引入Logistic混沌处理，使得粒子的分布情况更均匀，增加初始化阶段粒子的多样性。（2）过程混沌处理。针对粒子群算法在更新过程中粒子趋向最优前沿过于单一、集中的，容易陷入局部的极值的缺陷，混沌粒子群算法在粒子更新过程中引入Logistic混沌处理，以增加粒子的多样性，增加粒子飞行过程中其他路径的可能性，从而避免陷入局部最优的局面。3.2算例分析本文以一个包含光伏发电系统、风力发电系统、柴油机组、蓄电池组、微型燃气轮机的典型微电网系统为例，来验证前述的多目标优化模型。系统中300kW光伏、10kW风机、200kW蓄电池、120kW柴油发电机。典型的风速、光照强度的参考数据参见文献[5]。污染物排放的参数如表1所示，其中MT表示燃气轮机，DE表示柴油机。3.3调度结果分析从图1中我们可以看出，由于考虑了蓄电池的折旧成本和Soc约束，蓄电池的充放电成本较高，所以微电网的缺额功率基本上全部由大电网提供，蓄电池几乎不参与调度。同时，因为柴油发电机的燃料成本和启停成本较高，所以基本不参与能量调度。在白天光照强度较高的中午时段，微电网会向大电网输送电功率。在研究中我们发现，环境成本会随着经济成本的增加而减小，所以如何平衡经济成本与环境成本的大小，以取得总成本最小的调度策略就是本文研究的方向。多目标算法就是一种取得平衡的措施，调度部门可以根据实际情况对微电网的微电源的处理进行调节。4结论本文对并网方式下的微电网的能量优化调度问题进行研究，在满足系统约束的条件下，确保可靠性的同时综合考虑微电网的经济性、环保性，建立了微电网能量优化管理的数学模型并通过改进的粒子群算法进行了求解，所得结果具有一定的实际参考价值。