基于NSGA-Ⅱ算法的并网型微网多目标调度.docx

基于NSGA-Ⅱ算法的并网型微网多目标调度
基于NSGA-II算法的并网型微网多目标调度
摘要
随着可再生能源的快速发展，微网作为一种新型的能源系统模式广泛应用于电力系统中。并网型微网能够实现可再生能源与传统能源的有机结合和互补，实现电力的高效调度和供应。本文提出了一种基于NSGA-II算法的并网型微网多目标调度方法，旨在优化微网系统的经济性、可靠性和环境影响。
关键词：微网、并网型微网、可再生能源、NSGA-II算法、多目标调度
1、引言
随着能源消耗的不断增长和环境污染的日益严重，可再生能源逐渐成为解决能源问题和保护环境的重要手段。然而，可再生能源的波动性和间歇性给电力系统的供应和稳定性带来了挑战。微网作为一种新型的能源系统模式被提出并广泛研究，其可以将可再生能源与传统能源进行有机结合，实现能源的高效调度和供应。并网型微网是微网中的一种重要形式，通过与主电网的连接，实现微网与主电网之间的能量互换与共享。
2、相关工作
目前，关于微网调度的研究主要集中在两种方法上：模型预测控制和优化算法。模型预测控制方法通过对电力系统的建模和预测，实现对微网的调度控制。然而，由于微网的非线性和复杂性，模型预测控制方法的计算量较大，且容易出现误差累积的问题。优化算法是另一种常见的微网调度方法，其中遗传算法是目前应用较广泛的一种。但是，传统的遗传算法在处理多目标问题时容易陷入局部最优，且无法提供全局最优解。为此，本文引入了NSGA-II算法来解决并网型微网多目标调度问题。
3、问题定义
在并网型微网中，我们需要考虑三个主要的目标函数：经济性、可靠性和环境影响。经济性主要包括微网系统的总成本和电能的购买成本；可靠性主要体现在微网系统的稳定性和故障容错能力；环境影响主要考虑微网运行时的碳排放问题。因此，多目标调度问题可以定义为在满足电力需求的前提下，最小化总成本、最大化系统稳定性、最小化碳排放的问题。
4、NSGA-II算法简介
NSGA-II（Non-dominatedSortingGeneticAlgorithmII）是一种常用的多目标优化算法，采用了快速非支配排序和拥挤度距离的方法来维护种群的多样性和收敛性。NSGA-II算法的主要步骤包括初始化种群、计算适应度值、非支配排序和拥挤度距离计算、选择操作以及交叉和变异操作。
5、基于NSGA-II算法的并网型微网多目标调度方法
本文提出的基于NSGA-II算法的并网型微网多目标调度方法主要包括以下几个步骤：
5.1、系统建模
根据微网系统的特点和需求，对微网系统进行建模，包括建立数学模型和目标函数定义。数学模型主要包括微网的节点、线路、能源存储装置和电力负荷等的建模，目标函数定义与经济性、可靠性和环境影响相关。
5.2、NSGA-II算法参数设置
根据问题的复杂度和计算资源的限制，设置NSGA-II算法的参数，包括种群大小、交叉率、变异率等。
5.3、NSGA-II算法求解
利用NSGA-II算法对所建立的微网系统模型进行求解，得到一组Pareto最优解，表示在前述目标函数下的最优调度策略组合。
5.4、结果分析与评价
对求解结果进行分析与评价，包括计算非支配排序、拥挤度距离和收敛度等指标，以评估调度策略的多样性和优劣性。
6、实例分析
通过对某个实际微网系统的调度问题进行求解，验证所提出方法的有效性和可行性。实例分析主要包括模型建立、参数设置、NSGA-II算法求解和结果分析等。
7、结论与展望
本文基于NSGA-II算法提出了一种并网型微网多目标调度方法，该方法能够优化微网系统的经济性、可靠性和环境影响。实例分析结果表明，所提方法能够得到一组Pareto最优解，为微网的设计和调度提供了重要参考。
未来的研究方向可以包括进一步改进NSGA-II算法，提高算法的求解效率和精度，以及应用其他优化算法解决微网调度问题。
参考文献
[1]Deb,K.,Pratap,A.,Agarwal,S.,etal.Afastandelitistmulti-objectivegeneticalgorithm:NSGA-II[J].IEEEtransactionsonevolutionarycomputation,2002,6(2):182-197.