本文針對(duì)微網(wǎng)能量協(xié)調(diào)的最優(yōu)經(jīng)濟(jì)要求,在傳統(tǒng)之上,使用了模型預(yù)測(cè)控制框架下的滾動(dòng)時(shí)域優(yōu)化（receding horizon contrcl,RHC）方法,并采用支持向量機(jī)（SVM）來預(yù)測(cè)風(fēng)機(jī)功率和負(fù)荷狀態(tài)。結(jié)合微電網(wǎng)模型特點(diǎn),提出一種具有柔性框架結(jié)構(gòu)的改進(jìn)型復(fù)雜過程全局優(yōu)化進(jìn)化算法（IEACOP）。該算法在通用框架內(nèi)嵌入具有搜索機(jī)制的各類子方法,在充分考慮風(fēng)力發(fā)電機(jī)和蓄電池的外特性數(shù)學(xué)模型以及約束條件的前提下,采用無(wú)限折射映射混沌模型改進(jìn)多樣性初始種群的生成策略。并應(yīng)用局部搜索法對(duì)"超越策略"產(chǎn)生的超矩形區(qū)域進(jìn)行深度搜索,提高局部最優(yōu)解的求解效率。仿真結(jié)果表明,該方法充分發(fā)揮了IEACOP優(yōu)勢(shì),滿足微電網(wǎng)能量協(xié)調(diào)控制的要求,改進(jìn)的復(fù)雜過程全局優(yōu)化進(jìn)化方法能夠使用較少的調(diào)節(jié)參數(shù)完成微電網(wǎng)能量協(xié)調(diào)優(yōu)化的可行解搜索,實(shí)例證實(shí)了所提出方法的有效性。 

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
0 引言
1 基于IEACOP的滾動(dòng)優(yōu)化的微電網(wǎng)系統(tǒng)
    1.1 微電網(wǎng)統(tǒng)拓?fù)浣Y(jié)構(gòu)
    1.2 改進(jìn)的復(fù)雜過程全局優(yōu)化進(jìn)化算法 (IEACOP)
        1.2.1 多樣性初始種群生成策略
        1.2.2 種群的合并法則
        1.2.3 種群更新策略和超越策略
    1.3 基于滾動(dòng)優(yōu)化預(yù)測(cè)控制理論
2 風(fēng)功率和負(fù)荷的SVM模型
3 基于IEACOP的滾動(dòng)優(yōu)化的微網(wǎng)系統(tǒng)能量協(xié)調(diào)優(yōu)化
    3.1 滾動(dòng)優(yōu)化下的目標(biāo)函數(shù)實(shí)現(xiàn)
    3.2 約束條件
4 算例分析
5 結(jié)語(yǔ)



本文編號(hào)：3734904