基于改进微分进化算法的风光互补系统发电容量优化配置

发布时间：2019-10-02 04:14

【摘要】：为有效兼顾风光互补发电系统的可靠性与经济性,以年缺电负荷率最小及微网系统投资建设成本最低为目标函数,以储能电池充放电次数、微网功率平衡以及电池充放电上下限等为约束条件,搭建风光互补系统发电容量优化模型。针对缺电负荷率、系统成本2个目标函数相悖的特点,考虑将帕累托非劣排序操作引入至常规微分进化算法,并对常规算法中的变异策略进行了相应改进,使得改进后的算法在具备多目标寻优能力的同时,寻优速度也得到了较为显著的提升。最后,应用所提改进多目标微分进化算法对风光互补系统发电容量优化模型进行求解,算例结果验证了该文模型的合理性和所提算法的有效性。
【图文】：

风光互补发电系统

（4）其中，bn为串联电池数；10C(Ah)为由厂家给出的额定容量；bat0.9bat101.6710.00511.67CTIC（5）refTTT,refT为参考温度。当储能电池进行放电时，其荷电状态可表示为inbatbatSOCSOC1PttCV（6）其中，储能电池两端电压为batbat1.31.51010batbat1.9650.12SOC10.00740.270.021SOC1bbVnnTICCIC（7）2风光互补发电系统电源规划优化建模风光互补发电系统结构如图1所示，系统由风力发电机组、光伏电池阵列和储能电池组组成。发电系统与储能电池经DC进入系统，随后负荷需要的交流电由直流电经AC输出。图1风光互补发电系统结构Figure1Wind/solarhybridpowergenerationsystem2.1优化目标在风光互补发电系统规划设计中，风力机组出力、光伏电池出力与蓄电池容量的规划对系统的可靠性和经济性有着重大影响。以风力机组出力、光伏电池出力与蓄电池容量为控制变量，以负荷缺电率和成本为目标函数进行建模。1）负荷缺电率。在某些恶劣天气条件下，风电机组、光伏电池和蓄电池输出功率之和都不能满足负荷功率，为了评价全年系统供电可靠性情况，该文引用负荷缺电率的概念。LLS1[1]iyPPEi（8）式中yE为一年中负荷总能量消耗。LSP[i]的计算公式如下:LLS,SOC0.250,S[][][]OC[]0.25EPiiii＜≥（9）式中LΔE[i]为能量损失。显然LP越小，供电可靠性越高。2）成本。风光互补新能源发电系统的成本主要包括固定投资成本和维护费用组成。与传统发电方法相比，风力发电和太阳能光伏发电的原料成本为零。系

算法流程

行排序，种群在排序后，按照特定比例将种群分割成优势群落和劣势群落。对优势种群中的个体进行随机变异加速分化：i,G1r3,Gr1,Gr2,GYXFXX（21）相应地，对劣势群落中的个体进行定向变异加速分化：,1best,1,2,1randiGGrGrGYFFXXX（22）式中i、123{1,2,,}pr、r、rN,r1、r2和r3均随机选取，且123irrr；best,GX为第G代的最优个体向量，由第G代的帕累托最优解集中随机选出；变异尺度因子F为[0,2]间的实常数。3.3改进型微分算法流程改进型微分算法流程如图2所示。令最大迭代次数为maxN，首先对种群进行初始化操作，初始化种群:1,PV1,w1,bat2,PV2,w2,batv,PVv,wv,batuuuuuuuuuU（23）式中i,PVu、i,wu和i,batu分别为种群中光伏电池，风力发电机和储能电池的数量，根据负载需要，选取的值为0～100的正整数；v为种群中个体的总数量。在给出初始种群后，结合气候、负荷数据及该文第1节的特性公式可得到负荷缺电率和总成本的目标函数。根据约束条件进行约束，符合条件的进入下一步的循环迭代过程。若迭次次数N＜maxN时，把上一步中符合约束条件的种群个体按照得出的目标函数值进行帕累托优劣排序。把排序后的结果按照特定比例分割为优劣2个群落，对优势群落进行式（21）的随机变异加速分化，而对于劣势群落进行式（22）的定向变异加速分化，并对变异后的群落进行更新。更新后把2个群落重新组合得到新的种群。令迭代次数N=N+1，计算新种群的目标函数值，，准备下一次迭代。图2算法流程Figure2Algorithmflowchart4算例分析该算例选取额定功率100W的太阳能光伏电池板；额定功率为500W的风力发电机，其启动、
【作者单位】：华南理工大学电力学院;Institut
【基金】：国家自然科学基金(51577073)
【分类号】：TM61

【相似文献】