【技术实现步骤摘要】
本专利技术涉及能源优化调度，尤其涉及一种多源微网优化调度方法及系统。
技术介绍
1、长时间以来，大规模集中发电与长距离输电一直是满足人类对于电力需求增长的首要方法，给人们生活带来了巨大的便利，但同时也有着很多缺陷，例如投资巨大、建设周期很长、运行灵活性差、停电事故风险性高等。因此微网这类可以做到对大电网进行补充，并有助于对可再生能源进行有效利用的形式，在全球各个国家里都得到了越来越多的选择应用。
2、现有的多源微网优化调度方法通常通过建立微网中各类能源资源的数学模型（如风能、太阳能、储能系统和发电机），并基于这些模型设定目标函数，目标函数考虑了不同资源的经济性、可再生能源的比例以及系统的稳定性等因素，为了解决优化问题，通常智能优化算法对多源微网优化调度策略进行求解。而多源微网涉及多种能源，其负荷和供应具有高度不确定性，相比于其他智能算法，鲸鱼算法在处理复杂优化问题时，通过模拟和效仿海洋中鲸鱼的捕食方法，模拟了鲸鱼捕食过程中的三种捕食机制，其独特的捕食机制使得鲸鱼算法在搜索过程中能够进行有效的随机探索与局部精细化，因此鲸鱼算法的全局搜索能力十分出色，能够在复杂的多源环境中有效地探索到最优的微网优化调度方案。此外，在多源微网的动态环境中，资源供需关系可能频繁变化，鲸鱼算法的参数较少，能够在不同的负载和环境变化中保持鲁棒性与稳定性，确保调度方案的有效性相对简单，不需要复杂的参数调节，使得它在不同优化任务中更易于应用和调整。因此，在多源微网优化调度的背景下，选择鲸鱼算法有助于更高效地实现优化目标。
3、然而，虽然
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的鲸鱼算法在搜索阶段容易陷入局部最优，导致获得的调度策略并不是最优的全局解，从而无法实现配电网最优的资源配置与性能的缺陷。
2、为解决上述技术问题，本专利技术提供了一种多源微网优化调度方法， 包括以下步骤：
3、步骤s1：获取待优化区域内微网各分布式电源及能量转换装置的数学模型，以微网的燃料成本和运行维护成本、微网的污染物排放处理成本与微网的负荷控制补偿成本加权最小化为目标构建目标函数，设功率平衡约束、储能的荷电状态约束、发电功率约束、各分布式电源出力约束及爬坡率约束为约束条件，构建日前优化模型；
4、步骤s2：获取日前调度周期各参数数据，并将其输入日前优化模型，通过鲸鱼-蝙蝠算法对日前优化模型进行求解，解得日前优化调度策略，包括：
5、步骤s21：设定鲸鱼数量、最大迭代次数、融合系数，蝙蝠发出的声波频率最小值及蝙蝠发出的声波频率最大值；初始化，在搜索空间中随机生成每条鲸鱼的初始位置与速度；计算每条鲸鱼的初始适应度，并记录适应度最低的鲸鱼的位置及其初始适应度；其中，表示当前迭代次数，每条鲸鱼的初始位置代表一个日前优化调度策略；
6、步骤s22：为每条鲸鱼生成一个范围为[0，1]之间的随机数；
7、步骤s23：判断当前鲸鱼生成的随机数是否小于0.5；
8、步骤s24：若当前鲸鱼生成的随机数大于或等于0.5，则通过环绕捕食更新当前鲸鱼的位置；
9、步骤s25：若当前鲸鱼生成的随机数小于0.5，则将当前鲸鱼的适应度与历史迭代中最低适应度差值的绝对值，作为当前鲸鱼的判断系数；
10、判断当前鲸鱼的判断系数是否小于1，若当前鲸鱼的判断系数大于或等于1，则采用螺旋气泡捕食更新当前鲸鱼的位置；若当前鲸鱼的判断系数小于1，则基于融合系数、蝙蝠发出的声波频率最小值、蝙蝠发出的声波频率最大值、当前鲸鱼的位置与速度，对当前鲸鱼的位置与速度进行更新；
11、步骤s26：根据日前优化模型及每条鲸鱼的位置，计算每条鲸鱼的适应度，并记录适应度最低的鲸鱼的位置及其适应度，更新；
12、步骤 s27：判断是否达到最大迭代次数，是则输出历史迭代中适应度最低的鲸鱼的位置作为日前优化调度策略，否则返回步骤 s22。
13、优选地，基于融合系数、蝙蝠发出的声波频率最小值、蝙蝠发出的声波频率最大值、当前鲸鱼的位置与速度，对当前鲸鱼的位置与速度进行更新，公式为：
14、，
15、，
16、，
17、其中，为第次迭代当前鲸鱼的速度，为第次迭代当前鲸鱼的位置，为第次迭代当前鲸鱼的位置，为第次迭代中适应度最低的鲸鱼的位置，为第次迭代当前鲸鱼的速度，为融合系数，为[0，1]范围内的随机数，为蝙蝠波的频率，为蝙蝠发出的声波频率最小值，为蝙蝠发出的声波频率最大值，为在[0，1]范围内取自规则分布的随机向量。
18、优选的，通过环绕捕食更新当前鲸鱼的位置，更新公式为：
19、，
20、，
21、其中，为第次迭代当前鲸鱼的位置，为当前迭代次数，为第次迭代中适应度最低的鲸鱼的位置，为收敛因子，为第次迭代当前鲸鱼与随机个体鲸鱼之间的距离，为摆动因子，为第次迭代当前鲸鱼的位置。
22、优选的，采用螺旋气泡捕食更新当前鲸鱼的位置，更新公式为：
23、，
24、，
25、其中，为第次迭代当前鲸鱼的位置，为当前迭代次数，为对数螺旋系数，为范围在[-1，1]之间的随机数，为第次迭代当前鲸鱼与随机个体鲸鱼之间的距离，为自然常数，为第次迭代中适应度最低的鲸鱼的位置，为第次迭代当前鲸鱼的位置。
26、优选地，微网分布式电源包括：太阳能光伏电池、风力发电机、蓄电池；
27、能量转换装置包括：微型燃气轮机、吸收式制冷机机组、电制冷机机组。
28、优选地，所述获取待优化区域内微网各分布式电源及能量转换装置的数学模型，包括：
29、太阳能光伏电池的出力模型为：
30、，
31、其中，为第个调度周期的光伏输出功率，为太阳能电池板的功率降额系数，为标准测试条件下的最大测试功率，为标准测试条件下的光照强度，为太阳能光伏电池在第个调度周期的实际光照强度，为功率温度系数，为太阳能光伏电池在第个调度周期的工作温度，为太阳能光伏电池的参考温度；
32、风力发电机的出力模型为：
33、，
34、其中，为风力发电机在第个调度周期的输出功率，为风力发电机的额定功率，为风力发电机的切入风速，为风力发电机的额定风速，为风力发电机的切出风速，为风力发电机在第个调度周期的风速；
35、蓄电池本文档来自技高网...
【技术保护点】
1.一种多源微网优化调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多源微网优化调度方法，其特征在于，基于融合系数、蝙蝠发出的声波频率最小值、蝙蝠发出的声波频率最大值、当前鲸鱼的位置与速度，对当前鲸鱼的位置与速度进行更新，公式为：，
3.根据权利要求1所述的一种多源微网优化调度方法，其特征在于，通过环绕捕食更新当前鲸鱼的位置，更新公式为：
4.根据权利要求1所述的一种多源微网优化调度方法，其特征在于，采用螺旋气泡捕食更新当前鲸鱼的位置，更新公式为：
5.根据权利要求1所述的一种多源微网优化调度方法，其特征在于，微网分布式电源包括：太阳能光伏电池、风力发电机、蓄电池；
6.根据权利要求5所述的一种多源微网优化调度方法，其特征在于，所述获取待优化区域内微网各分布式电源及能量转换装置的数学模型，包括：
7.根据权利要求6所述的一种多源微网优化调度方法，其特征在于，日前优化模型为：
8.根据权利要求7所述的一种多源微网优化调度方法，其特征在于，在获得日前优化调度策略后，采用滚动优化获取日
9.根据权利要求8所述的一种多源微网优化调度方法，其特征在于，采用区间可能度法对日前优化模型的目标函数进行更新，更新后的日前优化模型的目标函数为：
10.一种多源微网优化调度系统，其特征在于，包括：
...【技术特征摘要】
1.一种多源微网优化调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多源微网优化调度方法，其特征在于，基于融合系数、蝙蝠发出的声波频率最小值、蝙蝠发出的声波频率最大值、当前鲸鱼的位置与速度，对当前鲸鱼的位置与速度进行更新，公式为：，
3.根据权利要求1所述的一种多源微网优化调度方法，其特征在于，通过环绕捕食更新当前鲸鱼的位置，更新公式为：
4.根据权利要求1所述的一种多源微网优化调度方法，其特征在于，采用螺旋气泡捕食更新当前鲸鱼的位置，更新公式为：
5.根据权利要求1所述的一种多源微网优化调度方法，其特征在于，微网分布式电源包括：太阳能光伏电池、风力发电机...
【专利技术属性】
技术研发人员：王喆，韩四维，朱婵霞，蒋一博，孙志凰，陈倩，周佳伟，殷俊平，邹风华，
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。