[發(fā)明專(zhuān)利]基于改進(jìn)JAYA算法的多微電網(wǎng)優(yōu)化方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010317610.X
• 申請(qǐng)日: 2020-04-21
• 公開(kāi)（公告）號(hào): CN111445092A
• 公開(kāi)（公告）日: 2020-07-24
• 發(fā)明（設(shè)計(jì)）人: 王燦;董慶國(guó);張高瑞;陳思睿;田恬
• 申請(qǐng)（專(zhuān)利權(quán)）人: 三峽大學(xué)
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q10/06;G06Q50/06;G06N3/00
• 代理公司: 宜昌市三峽專(zhuān)利事務(wù)所 42103
• 代理人: 吳思高

1.基于改進(jìn)JAYA算法的多微電網(wǎng)優(yōu)化方法，其特征在于包括以下步驟：

步驟1：建立多微電網(wǎng)并網(wǎng)優(yōu)化模型；

步驟2：建立微電網(wǎng)經(jīng)濟(jì)運(yùn)行約束條件；

步驟3：引入非線性變異算子改進(jìn)JAYA算法；

步驟4：利用改進(jìn)JAYA算法對(duì)多微電網(wǎng)并網(wǎng)優(yōu)化模型進(jìn)行求解，從而得到多微電網(wǎng)內(nèi)各電源的輸出功率。

2.根據(jù)權(quán)利要求1所述基于改進(jìn)JAYA算法的多微電網(wǎng)優(yōu)化方法，其特征在于：所述步驟1中，多微電網(wǎng)并網(wǎng)優(yōu)化模型的目標(biāo)函數(shù)表達(dá)式為：

其中，N為多微電網(wǎng)中微電網(wǎng)集合，T為多微電網(wǎng)優(yōu)化周期；

為t時(shí)段微電網(wǎng)n中，第i個(gè)微型燃?xì)廨啓C(jī)的燃料成本；

為t時(shí)段微電網(wǎng)n中，第i個(gè)微型燃?xì)廨啓C(jī)維護(hù)成本；

和為t時(shí)段微電網(wǎng)n中，第i個(gè)微型燃?xì)廨啓C(jī)啟/停機(jī)成本；

為t時(shí)段微電網(wǎng)n中，第i個(gè)儲(chǔ)能電池的運(yùn)行維護(hù)成本；

ρ^t為t時(shí)段配電網(wǎng)的售購(gòu)電電價(jià)；

為微電網(wǎng)n在t時(shí)段的購(gòu)售電功率，其正負(fù)值分別表示從配電網(wǎng)購(gòu)電與售電；

為t時(shí)段微電網(wǎng)n與微電網(wǎng)m之間能量互濟(jì)的功率，其正負(fù)值分別表示微電網(wǎng)n從微電網(wǎng)m購(gòu)電與微電網(wǎng)n向微電網(wǎng)m售電。

3.根據(jù)權(quán)利要求1所述基于改進(jìn)JAYA算法的多微電網(wǎng)優(yōu)化方法，其特征在于：所述步驟2中，微電網(wǎng)經(jīng)濟(jì)運(yùn)行約束條件包括：儲(chǔ)能電池輸出功率約束、儲(chǔ)能電池SOC約束、微型燃?xì)廨啓C(jī)輸出功率約束、微型燃?xì)廨啓C(jī)輸出功率爬坡速率約束、微電網(wǎng)n電功率平衡約束、微電網(wǎng)n聯(lián)絡(luò)線功率平衡約束；這些約束條件的表達(dá)式如下：

其中，為t時(shí)段微電網(wǎng)n中，第i個(gè)儲(chǔ)能電池輸出功率；

與分別為微電網(wǎng)n中，第i個(gè)儲(chǔ)能電池的最小與最大輸出功率；

為t時(shí)段微電網(wǎng)n中，第i個(gè)儲(chǔ)能電池荷電狀態(tài)；

與分別為微電網(wǎng)n中，第i個(gè)儲(chǔ)能電池的最小與最大荷電狀態(tài)；

為t時(shí)段微電網(wǎng)n中，第i個(gè)微型燃?xì)廨啓C(jī)輸出功率；

與分別為微電網(wǎng)n中，第i個(gè)微型燃?xì)廨啓C(jī)最小與最大輸出功率；

與分別為微電網(wǎng)n中，第i個(gè)微型燃?xì)廨啓C(jī)最大與最小爬坡率；

和分別表示t時(shí)段微電網(wǎng)n中，第i個(gè)光伏和風(fēng)機(jī)的輸出功率；

為t時(shí)段微電網(wǎng)n中負(fù)荷功率；

為聯(lián)絡(luò)線功率，和為聯(lián)絡(luò)線最小功率與最大功率。

4.根據(jù)權(quán)利要求1所述基于改進(jìn)JAYA算法的多微電網(wǎng)優(yōu)化方法，其特征在于：所述步驟3中，改進(jìn)JAYA算法方程為：

X_i+1,j,k＝X_i,j,k+β_i,j[r_i,j,1(X_i,j,best-|X_i,j,k|)-r_i,j,2(X_i,j,worst-|X_i,j,k)|]

其中，X_i+1,j,k為更新后的解，X_i,j,k為更新前的解，β_ij為第i次迭代過(guò)程中，第j個(gè)種群的變異算子，r_i,j,1與r_i,j,2是第i次迭代中第j個(gè)變量在區(qū)間[0,1]中的兩個(gè)隨機(jī)數(shù)，X_i,j,best與X_i,j,worst為變量K在第i次迭代中最優(yōu)值與最差值。

5.根據(jù)權(quán)利要求1所述基于改進(jìn)JAYA算法的多微電網(wǎng)優(yōu)化方法，其特征在于：所述步驟4中，改進(jìn)JAYA算法求解多微電網(wǎng)并網(wǎng)優(yōu)化模型時(shí)，在獲取多微電網(wǎng)設(shè)備參數(shù)以及各微電網(wǎng)輸出功率與負(fù)荷功率的基礎(chǔ)上，首先通過(guò)步驟3基于改進(jìn)JAYA算法獲取種群最優(yōu)解X_i,j,best與最差解X_i,j,worst，然后對(duì)變異算子β_i,j進(jìn)行動(dòng)態(tài)調(diào)整，并利用改進(jìn)JAYA算法方程更新解X_i+1,j,k；變異算子方程為：

其中，β_i,j為第i次迭代過(guò)程中，第j個(gè)種群的變異算子，k為總迭代次數(shù)，β_max和β_min分別為變異算子的最大值與最小值并分別取值，Δf_i為第i次迭代過(guò)程中，n個(gè)種群的適應(yīng)度集合，f_i,j為第i次迭代過(guò)程中，第j個(gè)種群的適應(yīng)度，f_i,best為第i次迭代過(guò)程中最有種群的適應(yīng)度；

最后，將更新解X_i+1,j,k與當(dāng)前局部最優(yōu)解X_i,j,k進(jìn)行比較，若X_i+1,j,k＜X_i,j,k，說(shuō)明更新解有更好適應(yīng)性，則取代當(dāng)前局部最優(yōu)解X_i,j,k，否則保持當(dāng)前局部最優(yōu)解X_i,j,k，直至找到并輸出符合標(biāo)準(zhǔn)的全局最優(yōu)解X，從而使多微電網(wǎng)內(nèi)各電源工作在最優(yōu)狀態(tài)；全局最優(yōu)解應(yīng)滿(mǎn)足如下公式：

X＝min(X₁,X₂,...,X_n),i＝1,...,n。