[發(fā)明專利]基于改進(jìn)的自適應(yīng)遺傳算法的獨(dú)立微網(wǎng)配置優(yōu)化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410342043.8
• 申請(qǐng)日: 2014-07-18
• 公開(kāi)（公告）號(hào): CN104184170B
• 公開(kāi)（公告）日: 2017-01-04
• 發(fā)明（設(shè)計(jì)）人: 楊秀;李成;張美霞;王海波;郭鵬超;鄧虹;劉方;徐文麗;時(shí)珊珊;劉舒
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)上海市電力公司;上海電力學(xué)院
• 主分類號(hào): H02J3/46
• 分類號(hào): H02J3/46;G06Q10/04;G06Q50/06
• 代理公司: 上海申匯專利代理有限公司31001
• 代理人: 吳寶根

技術(shù)領(lǐng)域

本發(fā)明涉及一種微網(wǎng)配置優(yōu)化方法，特別涉及一種基于改進(jìn)的自適應(yīng)遺傳算法的獨(dú)立微網(wǎng)配置優(yōu)化方法。

背景技術(shù)

隨著世界能源的短缺和人們對(duì)環(huán)保問(wèn)題的重視，以風(fēng)能、太陽(yáng)能為代表的清潔可再生分布式發(fā)電單元受到了研究人員的關(guān)注。微網(wǎng)能夠?qū)⒎植际桨l(fā)電單元、儲(chǔ)能裝置、負(fù)荷及控制裝置集成于一體，充分利用分布式發(fā)電單元和儲(chǔ)能裝置的優(yōu)勢(shì)，靈活的運(yùn)行于并網(wǎng)和孤島模式下，在解決供電可靠性、環(huán)保、能源短缺方面具有很大的潛力。

獨(dú)立微網(wǎng)系統(tǒng)的電源包含有風(fēng)力發(fā)電機(jī)、光伏電池、柴油發(fā)電機(jī)和儲(chǔ)能蓄電池，負(fù)荷的功率需求由微網(wǎng)中的分布式發(fā)電單元和儲(chǔ)能來(lái)提供。獨(dú)立微網(wǎng)系統(tǒng)的容量配置問(wèn)題，不僅影響微網(wǎng)系統(tǒng)的供電可靠性，也對(duì)微網(wǎng)系統(tǒng)投資效益產(chǎn)生影響。系統(tǒng)容量配置太大，滿足了負(fù)荷的功率需求，但增加了微網(wǎng)系統(tǒng)的投資成本，經(jīng)濟(jì)性差；系統(tǒng)容量配置太小，降低了微網(wǎng)系統(tǒng)的投資成本，經(jīng)濟(jì)性好，但由于無(wú)法滿足負(fù)荷的功率需求，降低了系統(tǒng)的供電可靠性。

獨(dú)立微網(wǎng)配置優(yōu)化問(wèn)題是一個(gè)多變量、非線性的多目標(biāo)規(guī)劃問(wèn)題，遺傳算法是一種基于進(jìn)化論和遺傳學(xué)原理的隨機(jī)并行搜索優(yōu)化方法，廣泛應(yīng)用于對(duì)微網(wǎng)配置優(yōu)化問(wèn)題的求解。遺傳算法中的交叉算子和變異算子對(duì)算法收斂性、穩(wěn)定性和全局性的影響至關(guān)重要。傳統(tǒng)遺傳算法（SGA）的交叉率和變異率是恒定值常數(shù)，使得SGA存在收斂速度慢、局部搜索能力差等缺點(diǎn)，并且針對(duì)于不同的優(yōu)化問(wèn)題，SGA最佳的交叉率值和變異率值需要通過(guò)反復(fù)實(shí)驗(yàn)來(lái)確定，很難找打適合每個(gè)問(wèn)題的最佳值。自適應(yīng)遺傳算法（AGA）的交叉率值和變異率值可以隨適應(yīng)度自動(dòng)變化，但是當(dāng)AGA中的個(gè)體適應(yīng)度值接近或等于當(dāng)代群體的最大適應(yīng)度值時(shí)，該個(gè)體的交叉率值和變異率值接近或等于零，這不利于早期進(jìn)化，將會(huì)導(dǎo)致早期進(jìn)化的優(yōu)良個(gè)體陷入停滯不前的狀態(tài)，進(jìn)而使算法偏離全局最優(yōu)解，進(jìn)入局部最優(yōu)解的概率增加。以上兩種遺傳算法在求解微網(wǎng)配置容量問(wèn)題時(shí)存在著算法收斂速度慢、穩(wěn)定性差和所求解非全局最優(yōu)解的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明是針對(duì)SGA和AGA兩種遺傳算法處理獨(dú)立微網(wǎng)配置優(yōu)化存在的問(wèn)題，提出了一種基于改進(jìn)的自適應(yīng)遺傳算法的獨(dú)立微網(wǎng)配置優(yōu)化方法，用改進(jìn)的自適應(yīng)遺傳算法（IAGA）來(lái)解決配置優(yōu)化問(wèn)題，IAGA利用神經(jīng)元函數(shù)sigmoid設(shè)計(jì)出自適應(yīng)的交叉率和變異率，將群體中適應(yīng)度值最大個(gè)體的交叉率值和變異率值分別提高到某一正數(shù)，避免優(yōu)良個(gè)體處于一種停滯狀態(tài)，過(guò)早收斂，使得IAGA跳出局部最優(yōu)解，尋求全局最優(yōu)解。

本發(fā)明的技術(shù)方案為：一種基于改進(jìn)的自適應(yīng)遺傳算法的獨(dú)立微網(wǎng)配置優(yōu)化方法，具體包括如下步驟：

1）設(shè)定微電網(wǎng)系統(tǒng)結(jié)構(gòu)：微網(wǎng)系統(tǒng)由風(fēng)力發(fā)電機(jī)組、光伏組件、柴油發(fā)電機(jī)、蓄電池、電負(fù)荷和變換器組成，分別建立風(fēng)機(jī)、光伏陣列、柴油發(fā)電機(jī)和儲(chǔ)能裝置模型；

2）建立微電網(wǎng)的優(yōu)化配置模型：

A：設(shè)定目標(biāo)函數(shù)：目標(biāo)在滿足微電網(wǎng)系統(tǒng)供電可靠性的前提下，使微網(wǎng)綜合投資費(fèi)用最低，目標(biāo)函數(shù)如下：

式中：T為運(yùn)行時(shí)間；N為電源的類型數(shù)目；x=[x₁,x₂,…,x_N]為決策變量，x_i為第i種電源的數(shù)目；C_CPi（t）、C_OMi（t）、C_Fi（t）、C_Ei（t）、C_Di（t）、C_Si（t）分別為t時(shí)刻第i種電源的初始投資成本、運(yùn)行和維護(hù)成本、燃料費(fèi)用、懲罰費(fèi)用、環(huán)保折算費(fèi)用、發(fā)電補(bǔ)貼；

B：設(shè)定約束條件，分別設(shè)定微源功率約束、滿足負(fù)載供電電源個(gè)數(shù)約束、蓄電池電量約束和供電可靠性約束；

3）用改進(jìn)的自適應(yīng)遺傳算法進(jìn)行配置優(yōu)化：