基于鲸鱼优化算法的微网能量管理与电池容量优化
发布时间：2021-04-17 15:54
近年来,含风能、太阳能等新能源发电的微电网在当前配电网络中的应用已显著增加,以满足不断增长的电力需求并实现减少温室气体排放的目标。然而,这些可再生能源的发电功率取决于天气条件并且有时间限制,导致其发电量是动态可变的。由于可再生能源发电功率的间歇性和波动性,为了保证系统运行的稳定性,电池储能系统已经成为微电网不可分割的一部分。另一方面,确定电池的最佳容量可以有效降低微电网系统的运营成本。因此,良好的能源管理策略和系统中储能电池最佳容量的设置是微电网运营中必不可少的要求,以确保对可再生资源的高效利用并降低系统的运营成本。由此,首先本文分析了微电网内部常见的分布式电源数学模型,并探讨了储能系统的运行方式,在此基础上建立了微电网并模式下的微电网经济优化运行目标。针对微电网优化运行约束条件和目标函数,分析了基于鲸鱼优化算法的微电网优化调度策略。考虑微电网优化模型的特点,本文提出了基于电池容量寻优以及电池充放电控制策略的鲸鱼优化算法（Whale Optimization Algorithm,WOA）,并基于该算法对微网并网模型下的综合经济效益模型进行了求解。本文将所提出的算法运用于不同的场景,并将...
【文章来源】：燕山大学河北省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
典型的微电网系统
第3章微电网优化调度模型及优化策略-21-存在一种特殊的狩猎行为，这种觅食方式被称为“泡泡网觅食法”，并且这种独特的捕食方式只能在座头鲸身上观察到。据观察，这种觅食是通过沿圆形成独特的气泡来完成或“9”形路径，如图3-1所示。在2011年之前，这一行为仅仅是基于海面观测的。然而，有研究者利用标签传感器研究了这种行为。他们捕获了9头座头鲸身上300个由标签得到的气泡网进食事件[68]。他们发现了两种与气泡有关的策略，并将它们命名为上升螺旋和双螺旋。在前一种策略中，座头鲸会潜到水下12米左右，然后开始在猎物周围制造一个螺旋形的泡泡，并游向水面；后一种策略包括三个不同的阶段：珊瑚循环，用尾叶拍打水面以及捕获循环。这里不展开详细描述。鲸鱼优化算法就是基于螺旋气泡网进给机制这一生物学原理进行了数学建模，以达到不断优化的目的。图3-1座头鲸的泡泡网进食行为（1）包围猎物座头鲸可以识别猎物的位置并将其包围。由于在搜索空间中最佳位置在先验空间中是未知的，鲸鱼优化算法假定当前最佳候选解是目标猎物或接近最佳。定义最佳搜索代理后，当前搜索代理将据此更新他们的位置以接近最佳搜索代理，每个搜索代理都代表一个鲸鱼的位置。此行为可由以下等式表示：DCX*tXt（）（）(3-26)Xt1X*tAD(3-27)其中表示当前迭代代数，A和C是系数向量，X*是目前得到的最佳解的位置向量，是最佳解的位置向量，||是绝对值，·是逐元素相乘。需要说明的是，在迭代完t
燕山大学工程硕士学位论文-22-成之前应该在每次迭代中都更新X*。A和C的计算方式如下：1A2ara(3-28)2C2r(3-29)在整个迭代过程中a由2线性降到0；1r和2r是[0，1]中的随机向量。图3-2(a)表明了在二维搜索空间中等式(3-27)的原理，搜索代理的位置(X,Y)可以根据当前记录的最佳位置(X*,Y*)进行更新，围绕在最佳位置的不同位置可以通过调整向量A和C的值进行实现，图3-3(b)描绘了在三维搜索空间中搜索代理更新后可能的下一个位置。通过改变随机向量1r和2r的值可以到达图所示搜索空间中关键点以及关键点之间的任意位置。由此，公式(3-27)允许任何搜索代理子在当前最佳位置附近更新位置并模拟包围猎物，相似的该原理可以扩展到n维搜索空间，搜索代理将以超立方体的形式在当前最佳位置附近移动。(a)2维搜索空间(b)3维搜索空间图3-22维和3维搜索空间下位置向量及其可能的下一个位置（2）气泡网攻击方式为了更好地对座头鲸的气泡网行为进行数学建模，共设计了两种方法：收缩包围机制和螺旋更新位置。a)收缩包围机制：通过降低公式(3-28)中a的值实现，需要说明的是A的波动范围也通过a降低，即A是一个在区间[-a,a]的随机值，a的值在整个迭代过程中从2降为0。将A的值随机地设置为[-1,1]之间，搜索代理的新位置可以定义为代理原始位
【参考文献】：
期刊论文
[1]基于贝叶斯-粒子群算法的微电网优化运行[J]. 康健,靳斌,段秀娟,尚小华,栗玮. 电力系统保护与控制. 2018(12)
[2]一种基于势博弈的微电网分布式运行优化算法[J]. 曾君,王侨侨,刘俊峰,林炜,郭华芳. 中国电机工程学报. 2017(24)
[3]基于分时电价机制的并网型微网多目标动态优化调度[J]. 王先齐,吕智林,汤泽琦. 电力系统保护与控制. 2017(04)
[4]约束优化进化算法综述[J]. 李智勇,黄滔,陈少淼,李仁发. 软件学报. 2017(06)
[5]多时间尺度微电网能量管理优化调度方案[J]. 张海涛,秦文萍,韩肖清,王鹏,郭晓龙. 电网技术. 2017(05)
[6]智能微电网研究综述[J]. 刘文洲,李宁,西灯考,刘巡,邸学春. 长春工程学院学报(自然科学版). 2016(04)
[7]含电热联合系统的微电网运行优化[J]. 李正茂,张峰,梁军,贠志皓,张俊. 中国电机工程学报. 2015(14)
[8]基于削峰填谷的微电网并网运行的优化调度[J]. 舒大松,黄挚雄,李军叶,李志勇. 中南大学学报(自然科学版). 2015(06)
[9]微电网技术综述[J]. 杨新法,苏剑,吕志鹏,刘海涛,李蕊. 中国电机工程学报. 2014(01)
[10]包含蓄电池储能的微网实时能量优化调度[J]. 石庆均,江全元. 电力自动化设备. 2013(05)
硕士论文
[1]含风/光/燃/储的微电网优化调度研究[D]. 凌强.南昌大学 2019
[2]基于多目标进化优化的多微网系统经济调度[D]. 赵琳.中国矿业大学 2019
[3]基于智能算法的微电网能量协调管理研究[D]. 刘帅.东华大学 2019
[4]基于粒子群算法的微电网调度模型及优化运行策略研究[D]. 孙阳.吉林大学 2018
本文编号：3143727
【文章来源】：燕山大学河北省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
典型的微电网系统
第3章微电网优化调度模型及优化策略-21-存在一种特殊的狩猎行为，这种觅食方式被称为“泡泡网觅食法”，并且这种独特的捕食方式只能在座头鲸身上观察到。据观察，这种觅食是通过沿圆形成独特的气泡来完成或“9”形路径，如图3-1所示。在2011年之前，这一行为仅仅是基于海面观测的。然而，有研究者利用标签传感器研究了这种行为。他们捕获了9头座头鲸身上300个由标签得到的气泡网进食事件[68]。他们发现了两种与气泡有关的策略，并将它们命名为上升螺旋和双螺旋。在前一种策略中，座头鲸会潜到水下12米左右，然后开始在猎物周围制造一个螺旋形的泡泡，并游向水面；后一种策略包括三个不同的阶段：珊瑚循环，用尾叶拍打水面以及捕获循环。这里不展开详细描述。鲸鱼优化算法就是基于螺旋气泡网进给机制这一生物学原理进行了数学建模，以达到不断优化的目的。图3-1座头鲸的泡泡网进食行为（1）包围猎物座头鲸可以识别猎物的位置并将其包围。由于在搜索空间中最佳位置在先验空间中是未知的，鲸鱼优化算法假定当前最佳候选解是目标猎物或接近最佳。定义最佳搜索代理后，当前搜索代理将据此更新他们的位置以接近最佳搜索代理，每个搜索代理都代表一个鲸鱼的位置。此行为可由以下等式表示：DCX*tXt（）（）(3-26)Xt1X*tAD(3-27)其中表示当前迭代代数，A和C是系数向量，X*是目前得到的最佳解的位置向量，是最佳解的位置向量，||是绝对值，·是逐元素相乘。需要说明的是，在迭代完t
燕山大学工程硕士学位论文-22-成之前应该在每次迭代中都更新X*。A和C的计算方式如下：1A2ara(3-28)2C2r(3-29)在整个迭代过程中a由2线性降到0；1r和2r是[0，1]中的随机向量。图3-2(a)表明了在二维搜索空间中等式(3-27)的原理，搜索代理的位置(X,Y)可以根据当前记录的最佳位置(X*,Y*)进行更新，围绕在最佳位置的不同位置可以通过调整向量A和C的值进行实现，图3-3(b)描绘了在三维搜索空间中搜索代理更新后可能的下一个位置。通过改变随机向量1r和2r的值可以到达图所示搜索空间中关键点以及关键点之间的任意位置。由此，公式(3-27)允许任何搜索代理子在当前最佳位置附近更新位置并模拟包围猎物，相似的该原理可以扩展到n维搜索空间，搜索代理将以超立方体的形式在当前最佳位置附近移动。(a)2维搜索空间(b)3维搜索空间图3-22维和3维搜索空间下位置向量及其可能的下一个位置（2）气泡网攻击方式为了更好地对座头鲸的气泡网行为进行数学建模，共设计了两种方法：收缩包围机制和螺旋更新位置。a)收缩包围机制：通过降低公式(3-28)中a的值实现，需要说明的是A的波动范围也通过a降低，即A是一个在区间[-a,a]的随机值，a的值在整个迭代过程中从2降为0。将A的值随机地设置为[-1,1]之间，搜索代理的新位置可以定义为代理原始位
【参考文献】：
期刊论文
[1]基于贝叶斯-粒子群算法的微电网优化运行[J]. 康健,靳斌,段秀娟,尚小华,栗玮. 电力系统保护与控制. 2018(12)
[2]一种基于势博弈的微电网分布式运行优化算法[J]. 曾君,王侨侨,刘俊峰,林炜,郭华芳. 中国电机工程学报. 2017(24)
[3]基于分时电价机制的并网型微网多目标动态优化调度[J]. 王先齐,吕智林,汤泽琦. 电力系统保护与控制. 2017(04)
[4]约束优化进化算法综述[J]. 李智勇,黄滔,陈少淼,李仁发. 软件学报. 2017(06)
[5]多时间尺度微电网能量管理优化调度方案[J]. 张海涛,秦文萍,韩肖清,王鹏,郭晓龙. 电网技术. 2017(05)
[6]智能微电网研究综述[J]. 刘文洲,李宁,西灯考,刘巡,邸学春. 长春工程学院学报(自然科学版). 2016(04)
[7]含电热联合系统的微电网运行优化[J]. 李正茂,张峰,梁军,贠志皓,张俊. 中国电机工程学报. 2015(14)
[8]基于削峰填谷的微电网并网运行的优化调度[J]. 舒大松,黄挚雄,李军叶,李志勇. 中南大学学报(自然科学版). 2015(06)
[9]微电网技术综述[J]. 杨新法,苏剑,吕志鹏,刘海涛,李蕊. 中国电机工程学报. 2014(01)
[10]包含蓄电池储能的微网实时能量优化调度[J]. 石庆均,江全元. 电力自动化设备. 2013(05)
硕士论文
[1]含风/光/燃/储的微电网优化调度研究[D]. 凌强.南昌大学 2019
[2]基于多目标进化优化的多微网系统经济调度[D]. 赵琳.中国矿业大学 2019
[3]基于智能算法的微电网能量协调管理研究[D]. 刘帅.东华大学 2019
[4]基于粒子群算法的微电网调度模型及优化运行策略研究[D]. 孙阳.吉林大学 2018
本文编号：3143727
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3143727.html
