System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电网控制,尤其是指一种微电网多目标优化调度方法及装置。
技术介绍
1、微电网是智能电网的关键组成部分,具有双重优势。首先,微电网充当着分布式电源、负载、储能设备以及控制单元之间的有效载体,充分发挥着分布式发电的经济性、环保性和灵活性,为用户提供高品质的电能,确保用户得到安全可靠的供电。其次,微电网的运行方式十分灵活,它既可以与大电网并联运行,也可以在电网系统故障时与大电网断开孤岛运行,以保障重要负荷的供电。
2、微电网优化调度是确保微电网能够在满足各种约束条件下,合理地安排分布式发电和输电功率,以达到低运行成本、低排放、高可靠性和高发电效率等多个目标。微电网优化调度对于需求侧来说,可以有效降低用户的用电成本;对于供电侧来说,则可以提高电网的稳定性,减少电力生产的能量损耗以及环境污染。因此,对微电网进行优化调度具有极其重要的现实意义。
3、现有的微电网优化调度方法通常构建微电网经济调度模型后,对模型求取最优解,但是在对模型求解的过程中,算法容易陷入局部最优解,导致微电网系统的运行效率降低,无法实现最佳的能源分配和利用。
技术实现思路
1、为此,本专利技术所要解决的技术问题在于克服现有技术中由于模型陷入局部最优解导致微电网无法实现最佳能源分配的问题。
2、为解决上述技术问题,本专利技术提供了一种微电网多目标优化调度方法,包括:
3、构建微电网经济调度模型,定义微电网经济调度模型的目标函数及约束条件;
4、利用改进
5、优选地,微电网经济调度模型的目标函数的公式为:
6、;
7、其中,为微电网总成本,为微电网运行成本,为微电网环境保护成本。
8、优选地,微电网经济调度模型的约束条件包括系统功率平衡约束、微型燃气轮机出力约束、柴油发电机出力约束、微电网线路传输功率约束以及蓄电池运行约束。
9、优选地,利用改进的哈里斯鹰算法对微电网经济调度模型的目标函数求解,包括:
10、采用henon混沌映射对哈里斯鹰算法的种群进行初始化;所述种群中包括若干粒子,每个粒子都表示一种发电机组和储能设备的功率输出方案;
11、计算种群中各个粒子的适应度值,选择适应度值最小的前三个粒子,计算当前种群的最优粒子;将当前种群的最优粒子作为猎物,计算猎物的逃跑能量和猎物逃逸概率;
12、当猎物的逃跑能量的绝对值大于等于1时,进入全局探索阶段,采用黄金正弦策略对当前种群中各粒子的位置进行更新;当猎物的逃跑能量的绝对值小于1时,进入局部开发阶段,对当前种群中各粒子的位置进行更新;
13、判断当前迭代次数是否大于等于最大迭代次数,若是,则输出当前种群的最优粒子为微电网经济调度模型的目标函数的最优解,作为当前时间段微电网总成本最低情况下各个发电机组和储能设备的功率输出方案;若否,则返回重新计算当前种群中各个粒子的适应度值,对粒子位置进行更新。
14、优选地,采用henon混沌映射对哈里斯鹰算法的种群进行初始化,包括:
15、设置henon混沌映射中初始坐标点;
16、基于当前坐标点更新计算下一坐标点,直到计算得到henon混沌映射中所有坐标点,公式为:
17、;
18、其中,和均为henon混沌映射的控制参数;表示第n个坐标点,表示第n+1个坐标点;henon混沌映射中坐标点总个数与预设的哈里斯鹰种群大小相同;
19、计算得到henon混沌映射所有坐标点后,基于henon混沌映射中每个坐标点计算其对应的哈里斯鹰种群中粒子的位置,包括:
20、对henon混沌映射中各个坐标点进行归一化,公式为:
21、;
22、其中,为坐标点归一化后的坐标,表示henon混沌映射中所有坐标点的y值集合,用于归一化计算;
23、将归一化后的坐标映射到搜索空间,公式为:
24、;
25、其中,为归一化后的坐标映射到搜索空间后的坐标,表示搜索空间中x轴的最小值,表示搜索空间中x轴的最大值,表示搜索空间中y轴的最小值,表示搜索空间中y轴的最大值;
26、搜索空间所有坐标点和组成混沌序列,获取混沌序列中最大值和最小值,进而计算哈里斯鹰种群中粒子在搜索空间的位置,公式为:
27、;
28、其中,为哈里斯鹰种群中第n个粒子在搜索空间中的位置。
29、优选地,计算种群中各个粒子的适应度值,选择适应度值最小的前三个粒子,计算当前种群的最优粒子,公式为:
30、;
31、其中,表示第次迭代中种群的最优粒子;、和分别表示第次迭代中适应度值最小的前三个粒子的权重系数,、和分别表示第次迭代中适应度值最小的前三个粒子;表示适应度。
32、优选地,采用黄金正弦策略对当前种群中各粒子的位置进行更新,公式为:
33、;
34、;
35、;
36、;
37、其中,为第次迭代更新后第n个粒子的位置,为第次迭代选取的粒子的位置,为[0,2π]之间的随机数,为[0,π]之间的随机数,和为黄金分割系数;表示第次迭代中种群的最优粒子。
38、优选地,当猎物的逃跑能量的绝对值小于1时,进入局部开发阶段,对当前种群中各粒子的位置进行更新,包括:
39、当猎物的逃跑能量的绝对值小于1且大于0.5时,对猎物逃逸概率进行判断;当猎物逃逸概率大于等于0.5时,执行软包围策略;否则执行渐进式快速俯冲软包围策略;
40、当猎物的逃跑能量的绝对值小于等于0.5时,对猎物逃逸概率进行判断;当猎物逃逸概率大于等于0.5时,执行渐进式快速俯冲硬包围策略;否则执行硬包围策略。
41、优选地,输出当前种群的最优粒子为微电网经济调度模型的目标函数的最优解之前,对最优粒子进行规格化权重,公式为:
42、;
43、其中,为最优粒子规格化后的权重,为最优粒子的原始权重,n为种群中的粒子总数,为第n个粒子的原始权重。
44、本专利技术还提供了一种微电网多目标优化调度装置,包括:
45、模型构建模块,用于构建微电网经济调度模型,定义微电网经济调度模型的目标函数及约束条件;
46、调度求解模块,用于利用改进的哈里斯鹰算法对微电网经济调度模型的目标函数求解,得到微电网总成本最低情况下各个分布式电源和储能设备在不同时间段的功率输出;所述改进的哈里斯鹰算法包括:采用henon混沌映射对哈里斯鹰本文档来自技高网...
【技术保护点】
1.一种微电网多目标优化调度方法,其特征在于,包括:
2.根据权利要求1所述的一种微电网多目标优化调度方法,其特征在于,微电网经济调度模型的目标函数的公式为:
3.根据权利要求1所述的一种微电网多目标优化调度方法,其特征在于,微电网经济调度模型的约束条件包括系统功率平衡约束、微型燃气轮机出力约束、柴油发电机出力约束、微电网线路传输功率约束以及蓄电池运行约束。
4.根据权利要求1所述的一种微电网多目标优化调度方法,其特征在于,利用改进的哈里斯鹰算法对微电网经济调度模型的目标函数求解,包括:
5.根据权利要求4所述的一种微电网多目标优化调度方法,其特征在于,采用Henon混沌映射对哈里斯鹰算法的种群进行初始化,包括:
6.根据权利要求4所述的一种微电网多目标优化调度方法,其特征在于,计算种群中各个粒子的适应度值,选择适应度值最小的前三个粒子,计算当前种群的最优粒子,公式为:
7.根据权利要求4所述的一种微电网多目标优化调度方法,其特征在于,采用黄金正弦策略对当前种群中各粒子的位置进行更新,公式为:
8
9.根据权利要求4所述的一种微电网多目标优化调度方法,其特征在于,输出当前种群的最优粒子为微电网经济调度模型的目标函数的最优解之前,对最优粒子进行规格化权重,公式为:
10.一种微电网多目标优化调度装置,其特征在于,包括:
...【技术特征摘要】
1.一种微电网多目标优化调度方法,其特征在于,包括:
2.根据权利要求1所述的一种微电网多目标优化调度方法,其特征在于,微电网经济调度模型的目标函数的公式为:
3.根据权利要求1所述的一种微电网多目标优化调度方法,其特征在于,微电网经济调度模型的约束条件包括系统功率平衡约束、微型燃气轮机出力约束、柴油发电机出力约束、微电网线路传输功率约束以及蓄电池运行约束。
4.根据权利要求1所述的一种微电网多目标优化调度方法,其特征在于,利用改进的哈里斯鹰算法对微电网经济调度模型的目标函数求解,包括:
5.根据权利要求4所述的一种微电网多目标优化调度方法,其特征在于,采用henon混沌映射对哈里斯鹰算法的种群进行初始化,包括:
6.根据权利要求4...
【专利技术属性】
技术研发人员:赵伟,徐海华,丁一帆,王彬彬,赵杨阳,朱迪,闫林芳,范国晨,
申请(专利权)人:国网苏州城市能源研究院有限责任公司,
类型:发明
国别省市:
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。