粒子群算法（Particle Swarm Optimization,PSO）具備收斂快、算法簡單、適用性強等優(yōu)點,但是容易陷入局部最優(yōu),針對這一問題,提出了一種混合粒子群算法。該算法基于隨機權(quán)重粒子群算法,引入了遺傳算法中的小生境優(yōu)化種群策略,在迭代過程中,較好地保留了種群粒子多樣性,使算法能夠跳出局部最優(yōu),得到全局最優(yōu)解。針對微電網(wǎng)經(jīng)濟運行優(yōu)化容易陷入局部最優(yōu),難以得到最低運行成本的問題,以孤立微電網(wǎng)系統(tǒng)運行經(jīng)濟成本最低為目標,結(jié)合微電網(wǎng)系統(tǒng)的運行約束條件,建立高原偏遠單位孤立微電網(wǎng)經(jīng)濟運行數(shù)學模型。最后,將這種混合粒子群算法應用于模型求解,并與一種基于差分進化與粒子群算法改進的混合優(yōu)化算法進行仿真對比,結(jié)果表明該混合粒子群算法具有更好的全局最優(yōu)搜索能力和尋優(yōu)速度。 

【文章來源】：自動化與儀器儀表. 2019,(12)

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 孤立微電網(wǎng)經(jīng)濟運行調(diào)控模型
    1.1 風力運行成本分析
    1.2 光伏運行成本分析
    1.3 柴油機運行成本分析
    1.4 蓄電池運行成本分析
    1.5 目標函數(shù)
    1.6 約束條件
        (1)微電網(wǎng)功率供需必須平衡,從而有功率平衡約束:
        (2)柴油機運行有功率限制,從而存在功率約束:
        (3)柴油機運行受到爬坡能力的限制,爬坡約束為:
        (4)儲能電池的運行受到充放電功率、容量等多因素的限制,從而存在約束條件[10]:
2 改進的混合粒子群算法
    2.1 隨機權(quán)重粒子群算法
    2.2 小生境種群策略
    2.3 混合粒子群算法的改進方法
3 求解流程
4 算例分析
    4.1 發(fā)電功率及用電負荷設(shè)定
    4.2 成本設(shè)定
    4.3 運行求解
5 結(jié)論


【參考文獻】：
期刊論文
[1]直流微電網(wǎng)群分層控制的仿真模型分析[J]. 唐浩,邱樹明,梁濤.  自動化與儀器儀表. 2019(03)
[2]考慮經(jīng)濟環(huán)保效益的微網(wǎng)群多目標協(xié)調(diào)優(yōu)化[J]. 趙紫嫣,崔雙喜,樊小朝,李浩然.  可再生能源. 2019(03)
[3]混合粒子群算法在微電網(wǎng)經(jīng)濟優(yōu)化運行的應用[J]. 吳定會,高聰,紀志成.  控制理論與應用. 2018(04)
[4]計及可中斷負荷的微電網(wǎng)多目標優(yōu)化運行[J]. 朱蘭,周雪瑩,唐隴軍,勞長石.  電網(wǎng)技術(shù). 2017(06)
[5]基于混沌粒子群優(yōu)化算法的微電網(wǎng)優(yōu)化運行技術(shù)[J]. 殷麗娟,趙熙臨,梅真.  電力系統(tǒng)及其自動化學報. 2016(05)
[6]采用改進粒子群算法的微電網(wǎng)短期調(diào)控模型[J]. 張碧玲,胡凌霄,劉勇,毛京麗,周安石.  電網(wǎng)技術(shù). 2016(06)
[7]一種基于調(diào)節(jié)因子的小生境粒子群優(yōu)化算法[J]. 王甫,鄭亞平,劉天琪.  計算機工程. 2014(08)
[8]不同場景下的光蓄微電網(wǎng)調(diào)度策略[J]. 王成山,洪博文,郭力.  電網(wǎng)技術(shù). 2013(07)
[9]基于差分進化和粒子群優(yōu)化算法的混合優(yōu)化算法[J]. 池元成,方杰,蔡國飆.  計算機工程與設(shè)計. 2009(12)
[10]分布式發(fā)電的環(huán)境效益分析[J]. 錢科軍,袁越,石曉丹,ZHOU Chengke,鞠平.  中國電機工程學報. 2008(29)



本文編號：3175579