基于混合粒子群算法的微電網(wǎng)經(jīng)濟(jì)運(yùn)行研究
發(fā)布時(shí)間:2021-05-08 15:28
粒子群算法(Particle Swarm Optimization,PSO)具備收斂快、算法簡(jiǎn)單、適用性強(qiáng)等優(yōu)點(diǎn),但是容易陷入局部最優(yōu),針對(duì)這一問(wèn)題,提出了一種混合粒子群算法。該算法基于隨機(jī)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(guò)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(duì)微電網(wǎng)經(jīng)濟(jì)運(yùn)行優(yōu)化容易陷入局部最優(yōu),難以得到最低運(yùn)行成本的問(wèn)題,以孤立微電網(wǎng)系統(tǒng)運(yùn)行經(jīng)濟(jì)成本最低為目標(biāo),結(jié)合微電網(wǎng)系統(tǒng)的運(yùn)行約束條件,建立高原偏遠(yuǎn)單位孤立微電網(wǎng)經(jīng)濟(jì)運(yùn)行數(shù)學(xué)模型。最后,將這種混合粒子群算法應(yīng)用于模型求解,并與一種基于差分進(jìn)化與粒子群算法改進(jìn)的混合優(yōu)化算法進(jìn)行仿真對(duì)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(lái)源】:自動(dòng)化與儀器儀表. 2019,(12)
【文章頁(yè)數(shù)】:5 頁(yè)
【文章目錄】:
0 引言
1 孤立微電網(wǎng)經(jīng)濟(jì)運(yùn)行調(diào)控模型
1.1 風(fēng)力運(yùn)行成本分析
1.2 光伏運(yùn)行成本分析
1.3 柴油機(jī)運(yùn)行成本分析
1.4 蓄電池運(yùn)行成本分析
1.5 目標(biāo)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(jī)運(yùn)行有功率限制,從而存在功率約束:
(3)柴油機(jī)運(yùn)行受到爬坡能力的限制,爬坡約束為:
(4)儲(chǔ)能電池的運(yùn)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(jìn)的混合粒子群算法
2.1 隨機(jī)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(jìn)方法
3 求解流程
4 算例分析
4.1 發(fā)電功率及用電負(fù)荷設(shè)定
4.2 成本設(shè)定
4.3 運(yùn)行求解
5 結(jié)論
【參考文獻(xiàn)】:
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(shù)明,梁濤. 自動(dòng)化與儀器儀表. 2019(03)
[2]考慮經(jīng)濟(jì)環(huán)保效益的微網(wǎng)群多目標(biāo)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(jì)優(yōu)化運(yùn)行的應(yīng)用[J]. 吳定會(huì),高聰,紀(jì)志成. 控制理論與應(yīng)用. 2018(04)
[4]計(jì)及可中斷負(fù)荷的微電網(wǎng)多目標(biāo)優(yōu)化運(yùn)行[J]. 朱蘭,周雪瑩,唐隴軍,勞長(zhǎng)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(yùn)行技術(shù)[J]. 殷麗娟,趙熙臨,梅真. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2016(05)
[6]采用改進(jìn)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(jì)算機(jī)工程. 2014(08)
[8]不同場(chǎng)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(jìn)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(guó)飆. 計(jì)算機(jī)工程與設(shè)計(jì). 2009(12)
[10]分布式發(fā)電的環(huán)境效益分析[J]. 錢(qián)科軍,袁越,石曉丹,ZHOU Chengke,鞠平. 中國(guó)電機(jī)工程學(xué)報(bào). 2008(29)
本文編號(hào):3175579
【文章來(lái)源】:自動(dòng)化與儀器儀表. 2019,(12)
【文章頁(yè)數(shù)】:5 頁(yè)
【文章目錄】:
0 引言
1 孤立微電網(wǎng)經(jīng)濟(jì)運(yùn)行調(diào)控模型
1.1 風(fēng)力運(yùn)行成本分析
1.2 光伏運(yùn)行成本分析
1.3 柴油機(jī)運(yùn)行成本分析
1.4 蓄電池運(yùn)行成本分析
1.5 目標(biāo)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(jī)運(yùn)行有功率限制,從而存在功率約束:
(3)柴油機(jī)運(yùn)行受到爬坡能力的限制,爬坡約束為:
(4)儲(chǔ)能電池的運(yùn)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(jìn)的混合粒子群算法
2.1 隨機(jī)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(jìn)方法
3 求解流程
4 算例分析
4.1 發(fā)電功率及用電負(fù)荷設(shè)定
4.2 成本設(shè)定
4.3 運(yùn)行求解
5 結(jié)論
【參考文獻(xiàn)】:
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(shù)明,梁濤. 自動(dòng)化與儀器儀表. 2019(03)
[2]考慮經(jīng)濟(jì)環(huán)保效益的微網(wǎng)群多目標(biāo)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(jì)優(yōu)化運(yùn)行的應(yīng)用[J]. 吳定會(huì),高聰,紀(jì)志成. 控制理論與應(yīng)用. 2018(04)
[4]計(jì)及可中斷負(fù)荷的微電網(wǎng)多目標(biāo)優(yōu)化運(yùn)行[J]. 朱蘭,周雪瑩,唐隴軍,勞長(zhǎng)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(yùn)行技術(shù)[J]. 殷麗娟,趙熙臨,梅真. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2016(05)
[6]采用改進(jìn)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(jì)算機(jī)工程. 2014(08)
[8]不同場(chǎng)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(jìn)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(guó)飆. 計(jì)算機(jī)工程與設(shè)計(jì). 2009(12)
[10]分布式發(fā)電的環(huán)境效益分析[J]. 錢(qián)科軍,袁越,石曉丹,ZHOU Chengke,鞠平. 中國(guó)電機(jī)工程學(xué)報(bào). 2008(29)
本文編號(hào):3175579
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3175579.html
最近更新
教材專(zhuān)著