【技术实现步骤摘要】
基于FPGA的微电网能量控制方法、FPGA处理器及系统
本申请涉及电网控制
，尤其是一种基于FPGA的微电网能量控制方法、FPGA处理器及系统。
技术介绍
微电网是由分布式电源、储能装置、能量转换装置、负荷、负荷监控及用电保护装置等组成的小型发配电系统。具体地，所述微电网内可包含一种或多种分布式电源，例如光伏发电装置、风力发电装置、水力发电装置、燃料电池及燃气轮机等，用于产生负荷所需的电能。分布式电源的类型不同，各自的运行方式也存在差异。例如，光伏、风力等新能源的发电功率易受自然环境影响，但排放的污染物较少，相反，燃料电池、燃气轮机等化石能源的发电功率较为稳定，但会对环境造成较大的污染。因此，根据实际需求，需要对微电网中分布式电源的运行方式进行不同的控制。目前的控制方法，主要应用遗传算法求解控制函数中控制变量的最优值，并依据该最优值对微电网进行控制。但是，所述遗传算法对空间的搜索具有局限性，在最优值的求解过程中容易过早收敛，从而导致陷入局部最优值，因此，利用该算法获得的最优值误差较大，进而降低控制方法的准确性。
技术实现思路
有鉴于此，本申请提供了一种基于FPGA的微电网能量控制方法、FPGA处理器及系统，用以解决现有技术中的微电网控制方法准确性较差的技术问题。本申请提供的技术方案如下:—种基于FPGA的微电网能量控制方法,包括:设置微电网的能量控制目标函数；其中，所述能量控制目标函数中包含控制变量，所述控制变量包括所述微电网中各种所述分布式电源的发电功率；初始化预设遗传膜算法的执行参数；其中，所述预设遗传膜算法中包含多层基本膜及一层表层...
【技术保护点】
一种基于FPGA的微电网能量控制方法，其特征在于，包括：设置微电网的能量控制目标函数；其中，所述能量控制目标函数中包含控制变量，所述控制变量包括所述微电网中各种所述分布式电源的发电功率；初始化预设遗传膜算法的执行参数；其中，所述预设遗传膜算法中包含多层基本膜及一层表层膜，且所述执行参数包括基本膜的层数、每层所述基本膜对应遗传算法的粒子个数、所述遗传算法的迭代次数、所述遗传算法的交叉概率及所述遗传算法的变异概率；确定所述遗传算法的适应度函数，并生成所述遗传算法中每个粒子的初始值；将各个所述具有初始值的粒子随机分配至各层所述基本膜中，并依据所述适应度函数、所述迭代次数、所述交叉概率及所述变异概率，对每层所述基本膜上的粒子执行所述遗传算法，以获得每层所述基本膜上的备选最优粒子；其中，每层所述基本膜中包含至少一个所述粒子，且每个所述备选最优粒子均具有最优值；将所述各个备选最优粒子传送至所述表层膜中，在所述表层膜中确定目标最优粒子；其中，所述目标最优粒子具有最优值；判断是否满足所述预设遗传膜算法的终止执行条件；若是，将所述目标最优粒子的最优值确定为所述能量控制目标函数控制变量的最优值，从而获得各...
【技术特征摘要】
1.一种基于FPGA的微电网能量控制方法,其特征在于,包括: 设置微电网的能量控制目标函数；其中，所述能量控制目标函数中包含控制变量，所述控制变量包括所述微电网中各种所述分布式电源的发电功率； 初始化预设遗传膜算法的执行参数；其中，所述预设遗传膜算法中包含多层基本膜及一层表层膜，且所述执行参数包括基本膜的层数、每层所述基本膜对应遗传算法的粒子个数、所述遗传算法的迭代次数、所述遗传算法的交叉概率及所述遗传算法的变异概率；确定所述遗传算法的适应度函数，并生成所述遗传算法中每个粒子的初始值； 将各个所述具有初始值的粒子随机分配至各层所述基本膜中，并依据所述适应度函数、所述迭代次数、所述交叉概率及所述变异概率，对每层所述基本膜上的粒子执行所述遗传算法，以获得每层所述基本膜上的备选最优粒子；其中，每层所述基本膜中包含至少一个所述粒子，且每个所述备选最优粒子均具有最优值； 将所述各个备选最优粒子传送至所述表层膜中，在所述表层膜中确定目标最优粒子；其中，所述目标最优粒子具有最优值； 判断是否满足所述预设遗传膜算法的终止执行条件； 若是，将所述目标最优粒子的最优值确定为所述能量控制目标函数控制变量的最优值，从而获得各种所述分布式电源的发电功率； 否则，用所述目标最优粒子更新每层所述基本膜中的备选最优粒子，并返回对每层所述基本膜中的粒子执行 所述遗传算法。2.根据权利要求1所述的方法，其特征在于，所述设置微电网的能量控制目标函数包括: 设置微电网运行成本函数3.根据权利要求2所述的方法，其特征在于，当所述预设的所述微电网的能量控制目标函数包括所述微电网运行成本函数时，所述各种分布式电源包括光伏发电装置、风力发电装置、柴油发电机、燃料电池及燃气轮机，相应的: 所述光伏发电装置及所述风力发电装置各自对应的燃料消耗成本CF由CF = O获得；所述柴油发电机的燃 料消耗成本CF由CFG3) = af+biP+Ci获得；其中，a”匕、Ci为预设成本函数系数； 所述燃料电池及燃气轮机各自对应的燃料消耗成本CF由 4.根据权利要求1所述的方法，其特征在于，所述确定所述遗传算法的适应度函数，并生成所述遗传算法中每个粒子的初始值包括: 将所述能量控制目标函数的倒数确定为所述遗传算法的适应度函数； 依据所述控制变量的预设约束条件，生成所述遗传算法中每个粒子的初始值。5.根据权利要求1所述的方法，其特征在于，所述设置微电网的能量控制目标函数包括: 获取各个预设控制定量及控制变量； 依据所述各个预设控制定量及所述控制变量，设置微电网的能量控制目标函数。6.根据权利要求1所述的方法，其特征在于，在所述将所述目标最...
【专利技术属性】
技术研发人员：王军，彭宏，罗娟，孙章，
申请(专利权)人：西华大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。