基于改進(jìn)粒子群算法的微電網(wǎng)多目標(biāo)優(yōu)化運(yùn)行研究.pdf

1、隨著全球能源危機(jī)加劇、環(huán)境的惡化以及大規(guī)模電力系統(tǒng)弊端的日益凸顯,分布式發(fā)電受到越來越多的關(guān)注,微電網(wǎng)作為多種分布式發(fā)電的有效集成,充分發(fā)揮了分布式發(fā)電的優(yōu)勢,能夠靈活地運(yùn)行在并網(wǎng)狀態(tài)或孤島狀態(tài),是解決分布式發(fā)電接入大電網(wǎng)的有效技術(shù)手段,提高了供電的可靠性和安全性。然而,分布式發(fā)電的多樣性以及組合的靈活性導(dǎo)致微電網(wǎng)在優(yōu)化運(yùn)行、能量管理和運(yùn)行控制與保護(hù)等方面存在較多亟須解決的問題,其中,微電網(wǎng)的優(yōu)化運(yùn)行能有效提高能源利用率,減少發(fā)電成本和

2、污染物的排放,對微電網(wǎng)系統(tǒng)的經(jīng)濟(jì)、環(huán)保、可靠運(yùn)行有重要的意義,因此,研究微電網(wǎng)的優(yōu)化運(yùn)行具有重要的實(shí)用價(jià)值和理論意義。
　　微電網(wǎng)的優(yōu)化運(yùn)行問題是一個(gè)復(fù)雜的多目標(biāo),多約束,多變量的非線性優(yōu)化問題,智能優(yōu)化算法以其優(yōu)越的性能在微電網(wǎng)的優(yōu)化運(yùn)行領(lǐng)域獲得了廣泛應(yīng)用,如遺傳算法、免疫算法和粒子群算法等。其中,粒子群算法具有簡單、魯棒性強(qiáng)、精度高、收斂快等優(yōu)點(diǎn)。本文針對多目標(biāo)粒子群算法存在的問題進(jìn)行改進(jìn),提出基于全局最優(yōu)位置自適應(yīng)選取和變尺

3、度混沌局部搜索的改進(jìn)多目標(biāo)粒子群算法(Improved Multiobjective Particle Swarm Optimization Algorithm Based on Global Best Adaptive Selection and Mutative Scale Chaotic Local Search,IMOPSO-GL),并采用 ZDT系列標(biāo)準(zhǔn)測試函數(shù)和IEEE30節(jié)點(diǎn)電力系統(tǒng)無功優(yōu)化問題測試IMOPSO-GL算法的

4、性能。結(jié)果表明,IMOPSO-GL具有良好的收斂性、且搜索到的Pareto最優(yōu)前端分布寬廣且均勻。IMOPSO-GL算法主要改進(jìn)的策略有:
　　①全局最優(yōu)位置對多目標(biāo)粒子群算法的收斂性和多樣性有很大的影響,本文提出了全局最優(yōu)位置自適應(yīng)選取策略,在借鑒 Sigma法原理的基礎(chǔ)上,采用動(dòng)態(tài)零點(diǎn)技術(shù)修正Sigma值的計(jì)算,同時(shí)引入擁擠距離機(jī)制,限制檔案粒子被選為全局最優(yōu)位置的最大次數(shù),最終使種群均勻且快速地向當(dāng)前Pareto最優(yōu)前沿飛行

5、;
　　②外部檔案用來保留算法在搜索過程中找到的非劣解,對算法的性能有很大影響,本文通過對外部檔案設(shè)置最小規(guī)模,防止外部檔案規(guī)模過小時(shí),粒子過于聚集在某些區(qū)域;當(dāng)檔案規(guī)模超過最大規(guī)模時(shí),采用循環(huán)擁擠排序策略刪除外部檔案多余成員,確保外部檔案在整個(gè)進(jìn)化過程中的多樣性;
　?、塾捎诙嗄繕?biāo)粒子群算法容易早熟收斂,本文提出變尺度混沌局部搜索策略,在種群尋優(yōu)能力減弱時(shí),從外部檔案中選擇部分特殊粒子進(jìn)行局部搜索,以提高算法的收斂性。

6、r>　　本文以包含光伏電池、風(fēng)機(jī)、燃料電池、微型燃?xì)廨啓C(jī)、柴油發(fā)電機(jī)以及儲(chǔ)能系統(tǒng)的微電網(wǎng)為例,其中儲(chǔ)能系統(tǒng)采用由蓄電池和超級(jí)電容組成的蓄電池超級(jí)電容混合儲(chǔ)能系統(tǒng)。針對并網(wǎng)運(yùn)行的微電網(wǎng)系統(tǒng),建立了考慮經(jīng)濟(jì)收益與環(huán)境成本的微電網(wǎng)多目標(biāo)優(yōu)化運(yùn)行數(shù)學(xué)模型,針對孤島運(yùn)行的微電網(wǎng)系統(tǒng),建立了考慮發(fā)電成本與環(huán)保費(fèi)用的微電網(wǎng)多目標(biāo)優(yōu)化運(yùn)行數(shù)學(xué)模型,并考慮了正負(fù)旋轉(zhuǎn)備用約束。在滿足功率平衡、分布式電源出力約束、蓄電池和超級(jí)電容荷電狀態(tài)和輸出功率約束以及與