隨著世界經(jīng)濟水平的不斷提高與能源結(jié)構(gòu)進一步的優(yōu)化,風能、光伏能源等分布式可再生能源的使用比例將大幅提高,而用于控制這些微型能源的微電網(wǎng)將大有所為;同時,隨著電動汽車的技術革新與成本降低,未來將有大量電動汽車接入電力系統(tǒng),其中包括接入微電網(wǎng)。含電動汽車微電網(wǎng)調(diào)度屬于多目標、多變量、多約束條件、強非線性優(yōu)化問題,一直沒有得到很好的解決。因此,含電動汽車的微電網(wǎng)調(diào)度將成為電力系統(tǒng)一項重要的研究課題。本文在分析各微源及電動汽車數(shù)學模型的基礎上,提出一種基于動態(tài)模糊混沌粒子群的多目標優(yōu)化算法,對含電動汽車的微電網(wǎng)調(diào)度進行研究。首先,分別探討風力發(fā)電系統(tǒng)、光伏發(fā)電系統(tǒng)、微型燃氣輪機、燃料電池等微源及儲能元件蓄電池的基本原理及數(shù)學模型。其次,針對標準粒子群算法遍歷性差,早熟等缺點,在粒子群初始化時,引入一種結(jié)合Chebyshev映射與Logistic映射的混沌映射;在粒子更新過程中,引入Logistic映射,增加粒子尋優(yōu)的遍歷性,加強算法全局優(yōu)化能力;針對慣性權重在粒子群更新過程中的取值問題,采用迭代次數(shù)梯度改變慣性權重的策略,提出一種改善混沌映射粒子群算法（CMPSO）。并分別使用標準粒子群算法（... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【部分圖文】：

電池本體原理圖

廣東工業(yè)大學碩士學位論文CPSO求解時間/s 0.04463 0.05371 3.62402 14.1464迭代次數(shù)/次 100 100 100 100最優(yōu)迭代次數(shù)/次 61 39 16 26最優(yōu)耗時/s 0.027224 0.020947 0.579843 3.67806CMPSO求解時間/s 0.04229 0.05479 1.37822 13.9669迭代次數(shù)/次 100 100 100 100最優(yōu)迭代次數(shù)/次 80 94 74 71最優(yōu)耗時/s 0.033832 0.051503 1.01988 9.916491、Ackley’s function 測試函數(shù)結(jié)果分析

標準 PSO 算法有收斂趨勢，但是總體而言收斂效果不如 CPSO 算法及 CMPSO 算法；而 CPSO 算法及 CMPSO 算法的適應度均繼續(xù)下降，其中 CMPSO算法下降次數(shù)更多、幅度更大。在迭代后期，標準 PSO 算法的適應度有一次較大幅度的下降，但總體效果仍不如 CPSO 算法及 CMPSO 算法；而 CPSO 算法則無法繼續(xù)收斂。由于使用組合混沌映射方程對過程迭代進行混沌處理，使粒子分布更加均勻，CMPSO 收斂效果最好。從最終結(jié)果可看出 CMPSO 算法結(jié)果最優(yōu)，CPSO 算法次之，標準 PSO 算法效果最差。2、Beale’s function 測試函數(shù)結(jié)果分析表 3-3 可看出，三種算法求解 Beale’s function 函數(shù)的速度都非�？�。另外，由圖 3-8 的圖 1）可看出，Beale’s function 函數(shù)四角函數(shù)值比較大，中間十字區(qū)域有眾多局部最優(yōu)值，給算法尋優(yōu)帶來很大難度。

【參考文獻】：
期刊論文
[1]基于動態(tài)模糊混沌粒子群算法的含電動汽車微電網(wǎng)多目標優(yōu)化調(diào)度研究[J]. 唐俊杰,陳璟華,邱明晉.  廣東工業(yè)大學學報. 2018(03)
[2]風電與電動汽車協(xié)同并網(wǎng)調(diào)度環(huán)境及經(jīng)濟模型[J]. 施泉生,邸超,孫佳佳,張圣富,李士動.  上海電力學院學報. 2017(02)
[3]考慮用戶滿意度的戶用型微電網(wǎng)日前優(yōu)化調(diào)度[J]. 唐巍,高峰.  高電壓技術. 2017(01)
[4]計及電動汽車的微電網(wǎng)經(jīng)濟調(diào)度方法[J]. 王璟,王利利,郭勇,孫義豪,關朝杰.  電力系統(tǒng)保護與控制. 2016(17)
[5]計及需求響應的風電-電動汽車協(xié)同調(diào)度多目標優(yōu)化模型[J]. 侯建朝,胡群豐,譚忠富.  電力自動化設備. 2016(07)
[6]微網(wǎng)多目標動態(tài)經(jīng)濟優(yōu)化調(diào)度[J]. 嚴鳳,楚非非.  電測與儀表. 2016(09)
[7]風光儲電動汽車換電站多目標運行優(yōu)化[J]. 付華,柳夢雅,陳子春.  電力系統(tǒng)及其自動化學報. 2016(04)
[8]微電網(wǎng)技術綜述（英文）[J]. 黃宜平,馬曉軒.  電工技術學報. 2015(S1)
[9]面向大規(guī)模電動汽車并網(wǎng)的需求側(cè)管理方案對比分析[J]. 曾鳴,詹曉暉,史慧,高玉明,郭亮,張健,張華棟.  華北電力大學學報(自然科學版). 2015(03)
[10]蓄電池充放電管理的全過程仿真研究[J]. 吳紅斌,顧緗,趙波,張雪松.  電子測量與儀器學報. 2014(08)

博士論文
[1]微電網(wǎng)若干工程關鍵技術研究[D]. 孫建龍.東南大學 2016
[2]粒子群算法的基本理論及其改進研究[D]. 劉建華.中南大學 2009

碩士論文
[1]光伏微電網(wǎng)發(fā)電預測與經(jīng)濟運行研究[D]. 張程熠.浙江大學 2017
[2]基于改進粒子群算法的微電網(wǎng)優(yōu)化調(diào)度[D]. 姚景昆.遼寧工業(yè)大學 2016
[3]電動汽車和風電并網(wǎng)條件下的熱電聯(lián)合經(jīng)濟調(diào)度[D]. 佟晶晶.華北電力大學(北京) 2016
[4]含電動汽車與大規(guī)模風電并網(wǎng)的電力系統(tǒng)協(xié)調(diào)調(diào)度[D]. 林洋.華北電力大學 2015
[5]微電網(wǎng)優(yōu)化調(diào)度模型與方法研究[D]. 陳深.廣東工業(yè)大學 2014
[6]基于多目標的微電網(wǎng)優(yōu)化調(diào)度研究[D]. 邱海偉.上海電力學院 2013
[7]電動汽車并網(wǎng)充電模型及應用研究[D]. 劉鵬.哈爾濱工業(yè)大學 2012
[8]基于BPSO和變鄰域差分進化算法的配電網(wǎng)重構(gòu)[D]. 梁峰.東北電力大學 2011
[9]電動汽車大規(guī)模接入對電網(wǎng)的影響分析[D]. 寇凌峰.華北電力大學（北京） 2011
[10]基于粒子群算法的微電網(wǎng)多目標經(jīng)濟調(diào)度模型研究[D]. 季美紅.合肥工業(yè)大學 2010



本文編號：3597720