[發明專利]一種含電動汽車微電網容量配置的多種群遺傳粒子群優化方法

有效

• 申請號: 201710176766.9
• 申請日: 2017-03-23
• 公開（公告）號: CN106887841B
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 張化光;楊東升;劉鑫蕊;種倩倩;王迎春;楊珺;孫秋野;周博文;會國濤
• 申請（專利權）人: 東北大學
• 主分類號: H02J3/00
• 分類號: H02J3/00;H02J3/32
• 代理公司: 沈陽優普達知識產權代理事務所(特殊普通合伙) 21234
• 代理人: 俞魯江

本發明提出一種含電動汽車微電網容量配置的多種群遺傳粒子群優化方法，在滿足電動汽車用電需求的情況下，發揮電動汽車所具有的儲能功能，提出了包含年費用成本、全年負荷缺電概率和負荷曲線峰谷差為目標的多目標模型，運用多種群遺傳粒子群算法對目標函數進行求解，可以精確的獲得微電網系統中各單元的最優容量，在保證系統可靠性及平抑負荷波動的情況下，還可以實現較高的經濟效益。通過對含有電動汽車的微電網系統的優化，在保證系統可靠性和經濟性的基礎上，利用電動汽車該移動儲能裝置，可以實現削峰填谷，降低系統曲線的峰谷差，不但可以提高電力系統的穩定性，還有很高的經濟效益，從而有利于電動汽車此清潔裝置的推廣利用。

技術領域

本發明涉及包含電動汽車和間歇式可再生能源的微電網系統在保證年費用成本、全年負荷缺電概率和負荷曲線峰谷差最小的情況下設備容量最優的計算方法，尤其涉及一種含電動汽車微電網容量配置的多種群遺傳粒子群優化方法。

背景技術

國內外研究成果及運行經驗均表明含電動汽車的微電網容量優化配置還處于初級階段，優化目標過于單一，有的采用年費用或年成本為目標函數，有的雖然考慮了供電可靠性指標，但對系統負荷曲線峰谷差的降低考慮不足，因此無法保證系統的穩定性，且對于目標函數的優化多采用粒子群算法或遺傳算法，兩者均存在一些缺點，使得最后的尋優結果不夠精確，速度不夠快。

由于含電動汽車的微電網容量優化配置是一個多目標非線性規劃問題，目前對其進行系統優化存在優化目標單一，優化方法存在缺陷等缺點，所以本發明將一種多種群遺傳粒子群算法應用于含電動汽車的微電網系統優化過程中，以年費用成本、全年負荷缺電概率和負荷曲線峰谷差最小為優化目標，采用判斷矩陣法將多目標函數轉化成單目標函數，利用多種群遺傳粒子群算法對微電網系統進行優化，求出該系統最優設備容量組合。采用該項技術對微電網容量進行優化配置，可降低微電網的年費用成本，保證系統的穩定性，并且其削峰填谷效果明顯。因此，提供一種能夠精確全面的計算含電動汽車的微電網系統設備配置容量的方法對電動汽車的推廣及電力系統穩定運行有極其重要的指導意義。

發明內容

本發明的目的是提供一種高效率、快速、經濟的設計方法，能有效計算包含電動汽車和間歇式可再生能源的微電網系統的設備容量配置。由于傳統優化目標函數單一，且采用傳統數學模擬建模進行優化處理難度比較大，所以本發明基于多種群遺傳粒子群算法作為一種可用于多目標非線性規劃問題的優化方法，對設備容量配置進行優化，最終得到最佳容量組合，此方法可以提高系統的經濟性，同時還能夠保證系統運行的穩定性，降低系統負荷峰谷差，因此對于工程實踐有著重要意義與參考價值。

本發明實現上述目的的技術原理是應用多種群遺傳粒子群算法對含有電動汽車的微電網系統進行容量優化配置，構建以年費用成本、全年負荷缺電概率和負荷曲線峰谷差最小的目標模型，并通過判斷矩陣法將多目標函數轉化成單目標函數，利用多種群遺傳粒子群算法對該目標函數進行優化，從而可以較為精確的計算此系統所需設備最優容量，以降低系統故障率，保證系統平穩運行，同時還能夠實現較高的經濟效益。

本發明依據上述技術原理而采用的技術方案包括以下步驟：

第一步，構建包含電動汽車和間歇式可再生能源的微電網系統結構：

構建的微電網系統結構主要由以下5部分組成：風力發電模塊、光伏發電系統、電動汽車模塊、儲能電池模塊、電網系統；

第二步，建立太陽能光伏發電系統模型：

基于徑向基函數神經網絡對光伏發電功率進行預測，徑向基函數神經網絡包括三層：輸入層，隱含層，輸出層，其中輸入層主要包括：日期、日平均風速、日平均相對濕度、日平均太陽輻射、日平均氣溫，輸出層為光伏發電系統的每小時輸出功率，用絕對百分誤差Δδ來表示預測模型的性能式中n為預測數據的總數量；A_σ為第σ次的實際數據；F_σ為第σ次的預測數據；

第三步，建立風力發電系統模型：