基于动态模糊混沌粒子群算法的微电网优化调度研究
发布时间：2022-01-19 22:56
随着世界经济水平的不断提高与能源结构进一步的优化,风能、光伏能源等分布式可再生能源的使用比例将大幅提高,而用于控制这些微型能源的微电网将大有所为;同时,随着电动汽车的技术革新与成本降低,未来将有大量电动汽车接入电力系统,其中包括接入微电网。含电动汽车微电网调度属于多目标、多变量、多约束条件、强非线性优化问题,一直没有得到很好的解决。因此,含电动汽车的微电网调度将成为电力系统一项重要的研究课题。本文在分析各微源及电动汽车数学模型的基础上,提出一种基于动态模糊混沌粒子群的多目标优化算法,对含电动汽车的微电网调度进行研究。首先,分别探讨风力发电系统、光伏发电系统、微型燃气轮机、燃料电池等微源及储能元件蓄电池的基本原理及数学模型。其次,针对标准粒子群算法遍历性差,早熟等缺点,在粒子群初始化时,引入一种结合Chebyshev映射与Logistic映射的混沌映射;在粒子更新过程中,引入Logistic映射,增加粒子寻优的遍历性,加强算法全局优化能力;针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略,提出一种改善混沌映射粒子群算法（CMPSO）。并分别使用标准粒子群算法（...
【文章来源】：广东工业大学广东省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
电池本体原理图
广东工业大学硕士学位论文CPSO求解时间/s 0.04463 0.05371 3.62402 14.1464迭代次数/次 100 100 100 100最优迭代次数/次 61 39 16 26最优耗时/s 0.027224 0.020947 0.579843 3.67806CMPSO求解时间/s 0.04229 0.05479 1.37822 13.9669迭代次数/次 100 100 100 100最优迭代次数/次 80 94 74 71最优耗时/s 0.033832 0.051503 1.01988 9.916491、Ackley’s function 测试函数结果分析
标准 PSO 算法有收敛趋势，但是总体而言收敛效果不如 CPSO 算法及 CMPSO 算法；而 CPSO 算法及 CMPSO 算法的适应度均继续下降，其中 CMPSO算法下降次数更多、幅度更大。在迭代后期，标准 PSO 算法的适应度有一次较大幅度的下降，但总体效果仍不如 CPSO 算法及 CMPSO 算法；而 CPSO 算法则无法继续收敛。由于使用组合混沌映射方程对过程迭代进行混沌处理，使粒子分布更加均匀，CMPSO 收敛效果最好。从最终结果可看出 CMPSO 算法结果最优，CPSO 算法次之，标准 PSO 算法效果最差。2、Beale’s function 测试函数结果分析表 3-3 可看出，三种算法求解 Beale’s function 函数的速度都非常快。另外，由图 3-8 的图 1）可看出，Beale’s function 函数四角函数值比较大，中间十字区域有众多局部最优值，给算法寻优带来很大难度。
【参考文献】：
期刊论文
[1]基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究[J]. 唐俊杰,陈璟华,邱明晋. 广东工业大学学报. 2018(03)
[2]风电与电动汽车协同并网调度环境及经济模型[J]. 施泉生,邸超,孙佳佳,张圣富,李士动. 上海电力学院学报. 2017(02)
[3]考虑用户满意度的户用型微电网日前优化调度[J]. 唐巍,高峰. 高电压技术. 2017(01)
[4]计及电动汽车的微电网经济调度方法[J]. 王璟,王利利,郭勇,孙义豪,关朝杰. 电力系统保护与控制. 2016(17)
[5]计及需求响应的风电-电动汽车协同调度多目标优化模型[J]. 侯建朝,胡群丰,谭忠富. 电力自动化设备. 2016(07)
[6]微网多目标动态经济优化调度[J]. 严凤,楚非非. 电测与仪表. 2016(09)
[7]风光储电动汽车换电站多目标运行优化[J]. 付华,柳梦雅,陈子春. 电力系统及其自动化学报. 2016(04)
[8]微电网技术综述（英文）[J]. 黄宜平,马晓轩. 电工技术学报. 2015(S1)
[9]面向大规模电动汽车并网的需求侧管理方案对比分析[J]. 曾鸣,詹晓晖,史慧,高玉明,郭亮,张健,张华栋. 华北电力大学学报(自然科学版). 2015(03)
[10]蓄电池充放电管理的全过程仿真研究[J]. 吴红斌,顾缃,赵波,张雪松. 电子测量与仪器学报. 2014(08)
博士论文
[1]微电网若干工程关键技术研究[D]. 孙建龙.东南大学 2016
[2]粒子群算法的基本理论及其改进研究[D]. 刘建华.中南大学 2009
硕士论文
[1]光伏微电网发电预测与经济运行研究[D]. 张程熠.浙江大学 2017
[2]基于改进粒子群算法的微电网优化调度[D]. 姚景昆.辽宁工业大学 2016
[3]电动汽车和风电并网条件下的热电联合经济调度[D]. 佟晶晶.华北电力大学(北京) 2016
[4]含电动汽车与大规模风电并网的电力系统协调调度[D]. 林洋.华北电力大学 2015
[5]微电网优化调度模型与方法研究[D]. 陈深.广东工业大学 2014
[6]基于多目标的微电网优化调度研究[D]. 邱海伟.上海电力学院 2013
[7]电动汽车并网充电模型及应用研究[D]. 刘鹏.哈尔滨工业大学 2012
[8]基于BPSO和变邻域差分进化算法的配电网重构[D]. 梁峰.东北电力大学 2011
[9]电动汽车大规模接入对电网的影响分析[D]. 寇凌峰.华北电力大学（北京） 2011
[10]基于粒子群算法的微电网多目标经济调度模型研究[D]. 季美红.合肥工业大学 2010
本文编号：3597720
【文章来源】：广东工业大学广东省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
电池本体原理图
广东工业大学硕士学位论文CPSO求解时间/s 0.04463 0.05371 3.62402 14.1464迭代次数/次 100 100 100 100最优迭代次数/次 61 39 16 26最优耗时/s 0.027224 0.020947 0.579843 3.67806CMPSO求解时间/s 0.04229 0.05479 1.37822 13.9669迭代次数/次 100 100 100 100最优迭代次数/次 80 94 74 71最优耗时/s 0.033832 0.051503 1.01988 9.916491、Ackley’s function 测试函数结果分析
标准 PSO 算法有收敛趋势，但是总体而言收敛效果不如 CPSO 算法及 CMPSO 算法；而 CPSO 算法及 CMPSO 算法的适应度均继续下降，其中 CMPSO算法下降次数更多、幅度更大。在迭代后期，标准 PSO 算法的适应度有一次较大幅度的下降，但总体效果仍不如 CPSO 算法及 CMPSO 算法；而 CPSO 算法则无法继续收敛。由于使用组合混沌映射方程对过程迭代进行混沌处理，使粒子分布更加均匀，CMPSO 收敛效果最好。从最终结果可看出 CMPSO 算法结果最优，CPSO 算法次之，标准 PSO 算法效果最差。2、Beale’s function 测试函数结果分析表 3-3 可看出，三种算法求解 Beale’s function 函数的速度都非常快。另外，由图 3-8 的图 1）可看出，Beale’s function 函数四角函数值比较大，中间十字区域有众多局部最优值，给算法寻优带来很大难度。
【参考文献】：
期刊论文
[1]基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究[J]. 唐俊杰,陈璟华,邱明晋. 广东工业大学学报. 2018(03)
[2]风电与电动汽车协同并网调度环境及经济模型[J]. 施泉生,邸超,孙佳佳,张圣富,李士动. 上海电力学院学报. 2017(02)
[3]考虑用户满意度的户用型微电网日前优化调度[J]. 唐巍,高峰. 高电压技术. 2017(01)
[4]计及电动汽车的微电网经济调度方法[J]. 王璟,王利利,郭勇,孙义豪,关朝杰. 电力系统保护与控制. 2016(17)
[5]计及需求响应的风电-电动汽车协同调度多目标优化模型[J]. 侯建朝,胡群丰,谭忠富. 电力自动化设备. 2016(07)
[6]微网多目标动态经济优化调度[J]. 严凤,楚非非. 电测与仪表. 2016(09)
[7]风光储电动汽车换电站多目标运行优化[J]. 付华,柳梦雅,陈子春. 电力系统及其自动化学报. 2016(04)
[8]微电网技术综述（英文）[J]. 黄宜平,马晓轩. 电工技术学报. 2015(S1)
[9]面向大规模电动汽车并网的需求侧管理方案对比分析[J]. 曾鸣,詹晓晖,史慧,高玉明,郭亮,张健,张华栋. 华北电力大学学报(自然科学版). 2015(03)
[10]蓄电池充放电管理的全过程仿真研究[J]. 吴红斌,顾缃,赵波,张雪松. 电子测量与仪器学报. 2014(08)
博士论文
[1]微电网若干工程关键技术研究[D]. 孙建龙.东南大学 2016
[2]粒子群算法的基本理论及其改进研究[D]. 刘建华.中南大学 2009
硕士论文
[1]光伏微电网发电预测与经济运行研究[D]. 张程熠.浙江大学 2017
[2]基于改进粒子群算法的微电网优化调度[D]. 姚景昆.辽宁工业大学 2016
[3]电动汽车和风电并网条件下的热电联合经济调度[D]. 佟晶晶.华北电力大学(北京) 2016
[4]含电动汽车与大规模风电并网的电力系统协调调度[D]. 林洋.华北电力大学 2015
[5]微电网优化调度模型与方法研究[D]. 陈深.广东工业大学 2014
[6]基于多目标的微电网优化调度研究[D]. 邱海伟.上海电力学院 2013
[7]电动汽车并网充电模型及应用研究[D]. 刘鹏.哈尔滨工业大学 2012
[8]基于BPSO和变邻域差分进化算法的配电网重构[D]. 梁峰.东北电力大学 2011
[9]电动汽车大规模接入对电网的影响分析[D]. 寇凌峰.华北电力大学（北京） 2011
[10]基于粒子群算法的微电网多目标经济调度模型研究[D]. 季美红.合肥工业大学 2010
本文编号：3597720
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3597720.html
