基于混合粒子群算法的微电网经济运行研究

发布时间：2021-05-08 15:28

　　粒子群算法（Particle Swarm Optimization,PSO）具备收敛快、算法简单、适用性强等优点,但是容易陷入局部最优,针对这一问题,提出了一种混合粒子群算法。该算法基于随机权重粒子群算法,引入了遗传算法中的小生境优化种群策略,在迭代过程中,较好地保留了种群粒子多样性,使算法能够跳出局部最优,得到全局最优解。针对微电网经济运行优化容易陷入局部最优,难以得到最低运行成本的问题,以孤立微电网系统运行经济成本最低为目标,结合微电网系统的运行约束条件,建立高原偏远单位孤立微电网经济运行数学模型。最后,将这种混合粒子群算法应用于模型求解,并与一种基于差分进化与粒子群算法改进的混合优化算法进行仿真对比,结果表明该混合粒子群算法具有更好的全局最优搜索能力和寻优速度。 

【文章来源】：自动化与仪器仪表. 2019,(12)

【文章页数】：5 页

【文章目录】：
0 引言
1 孤立微电网经济运行调控模型
    1.1 风力运行成本分析
    1.2 光伏运行成本分析
    1.3 柴油机运行成本分析
    1.4 蓄电池运行成本分析
    1.5 目标函数
    1.6 约束条件
        (1)微电网功率供需必须平衡,从而有功率平衡约束:
        (2)柴油机运行有功率限制,从而存在功率约束:
        (3)柴油机运行受到爬坡能力的限制,爬坡约束为:
        (4)储能电池的运行受到充放电功率、容量等多因素的限制,从而存在约束条件[10]:
2 改进的混合粒子群算法
    2.1 随机权重粒子群算法
    2.2 小生境种群策略
    2.3 混合粒子群算法的改进方法
3 求解流程
4 算例分析
    4.1 发电功率及用电负荷设定
    4.2 成本设定
    4.3 运行求解
5 结论


【参考文献】：
期刊论文
[1]直流微电网群分层控制的仿真模型分析[J]. 唐浩,邱树明,梁涛.  自动化与仪器仪表. 2019(03)
[2]考虑经济环保效益的微网群多目标协调优化[J]. 赵紫嫣,崔双喜,樊小朝,李浩然.  可再生能源. 2019(03)
[3]混合粒子群算法在微电网经济优化运行的应用[J]. 吴定会,高聪,纪志成.  控制理论与应用. 2018(04)
[4]计及可中断负荷的微电网多目标优化运行[J]. 朱兰,周雪莹,唐陇军,劳长石.  电网技术. 2017(06)
[5]基于混沌粒子群优化算法的微电网优化运行技术[J]. 殷丽娟,赵熙临,梅真.  电力系统及其自动化学报. 2016(05)
[6]采用改进粒子群算法的微电网短期调控模型[J]. 张碧玲,胡凌霄,刘勇,毛京丽,周安石.  电网技术. 2016(06)
[7]一种基于调节因子的小生境粒子群优化算法[J]. 王甫,郑亚平,刘天琪.  计算机工程. 2014(08)
[8]不同场景下的光蓄微电网调度策略[J]. 王成山,洪博文,郭力.  电网技术. 2013(07)
[9]基于差分进化和粒子群优化算法的混合优化算法[J]. 池元成,方杰,蔡国飙.  计算机工程与设计. 2009(12)
[10]分布式发电的环境效益分析[J]. 钱科军,袁越,石晓丹,ZHOU Chengke,鞠平.  中国电机工程学报. 2008(29)



本文编号：3175579