[發(fā)明專利]基于自適應(yīng)懲罰函數(shù)粒子群算法的光儲逆變器能量調(diào)度

在審

• 申請?zhí)枺?/td>: 202111501859.7
• 申請日: 2021-12-09
• 公開（公告）號: CN114336597A
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計）人: 王輝;杜蘇;陳希達
• 申請（專利權(quán)）人: 杜蘇;中南大學(xué)
• 主分類號: H02J3/00
• 分類號: H02J3/00;H02J3/32;H02J3/46;G06N3/00;G06Q10/06;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于自適應(yīng)懲罰函數(shù)粒子群算法的光儲逆變器能量調(diào)度，其特征在于，該方法包括以下步驟：

步驟1：搭建戶用式光伏儲能逆變器的拓撲結(jié)構(gòu)；

步驟2：對光儲逆變器系統(tǒng)的能量調(diào)度問題進行數(shù)學(xué)模型的建立。優(yōu)化問題的數(shù)學(xué)模型包含目標(biāo)函數(shù)和約束條件兩個部分。本發(fā)明中目標(biāo)函數(shù)代表用戶的日電力開支，約束條件代表系統(tǒng)必須要滿足的限制條件，優(yōu)化目標(biāo)就是要求解該數(shù)學(xué)模型的最小值即用戶日電力開支的最小值；

步驟3：構(gòu)建在優(yōu)化算法的每一次迭代中懲罰因子自動更新的表達式即自適應(yīng)懲罰函數(shù)表達式；

步驟4：根據(jù)步驟3得到的自適應(yīng)懲罰函數(shù)表達式得出優(yōu)化算法每一次迭代中新的目標(biāo)函數(shù)表達式，再利用粒子群優(yōu)化算法進行尋優(yōu)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的步驟1中的戶用式光伏儲能逆變器的拓撲結(jié)構(gòu)為：

光伏發(fā)電單元和蓄電池儲能單元分別經(jīng)過前級升壓直流變換器模塊和諧振變換器模塊連接至逆變器的輸入，蓄電池既可以從其它部分接收能量進行充電，也可以放電再逆變后向負載供能。逆變器的輸出連接至電網(wǎng)與家庭負載端。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的步驟2中的目標(biāo)函數(shù)計算方式如下：

一天24小時中，用戶可以從電網(wǎng)購電，也可以向電網(wǎng)售電，但是不同時刻購電與售電的價格不盡相同。由于規(guī)劃、安裝和維護成本，如購買光伏電池板、蓄電池等都屬于沉沒成本，此處不予考慮。因此最后目標(biāo)函數(shù)即用戶的日電力開支的表達式為：

其中，J_c為周期T內(nèi)的總成本，此處T為24小時；E_buy為第t小時從電網(wǎng)購買的電量；f_buy為第t小時購買電的價格；E_sell為第t小時向電網(wǎng)出售的電量；f_sell為第t小時售電的價格。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的步驟2中還包括光儲逆變器系統(tǒng)的約束條件：系統(tǒng)功率平衡約束、電網(wǎng)出力功率約束和蓄電池相關(guān)約束。

系統(tǒng)功率平衡約束的表達式為：

P_g+P_b+P_pv＝P_load

電網(wǎng)出力功率約束的表達式為：

-P_{g_max}≤P_g(t)≤P_{g_max}

蓄電池相關(guān)約束的表達式為：

P_{bc_max}≤P_b(t)≤P_{bd_max}

DoD_min≤DoD(t)≤DoD_max

SoC_min≤SoC(t)≤SoC_max

其中，P_pv為光伏發(fā)電單元的功率，P_b為儲能單元提供的功率，若此項為正值則表示蓄電池當(dāng)前狀態(tài)為放電，若此項為負值則表示蓄電池當(dāng)前狀態(tài)為充電，P_g為電網(wǎng)提供的功率，若此項為正值則表示當(dāng)前狀態(tài)為用戶向電網(wǎng)購電，若此項為負值則表示用戶向電網(wǎng)售電。P_load代表家庭負荷功率。P_{g_max}為電網(wǎng)可輸出的最大功率，P_{bc_max}與P_{dc_max}為電池的最大充電功率和最大放電功率，DoD代表電池的放電深度，SoC代表電池的荷電狀態(tài)；σ代表電池自身放電率；P_B為電池額定功率。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的步驟3中自適應(yīng)懲罰函數(shù)表達式為：

p(δ)＝e^1000|δ|-1

其中，δ為優(yōu)化算法每次迭代后所得結(jié)果超出約束條件的范圍大小，p(δ)即代表誤差為δ時的懲罰因子數(shù)值。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的步驟4中新的目標(biāo)函數(shù)表達式為：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的步驟4中還包括粒子群優(yōu)化算法流程：

a：將粒子群初始化，包括每個粒子的速度和位置信息；

b：計算出每一個粒子的適應(yīng)度即目標(biāo)函數(shù)結(jié)果；

c：對于每一個粒子，將它的適應(yīng)度值與它經(jīng)過的個體最優(yōu)位置p_best作比較，如果更優(yōu)，則將其作為當(dāng)前的個體最優(yōu)位置p_best；

d：對于每一個粒子，將它的適應(yīng)度值與它經(jīng)過的全局最優(yōu)位置g_best作比較，如果更優(yōu)，則將其作為當(dāng)前的全局最優(yōu)位置g_best；

e：根據(jù)如下兩式調(diào)整粒子的速度和位置：

V_i＝w×V_i+c₁×rand()×(pbest_i-x_i)+c₂×rand()×(gbest_i-x_i)

x_i＝x_i+V_i

其中，w為慣性權(quán)重因子；c₁和c₂為學(xué)習(xí)因子，可分別調(diào)整粒子向個體最優(yōu)位和全局最優(yōu)位方向飛行的最大步長，決定著個體經(jīng)驗和群體經(jīng)驗對粒子運動情況的影響；rand()是介于0到1之間的隨機數(shù)，p_besti代表當(dāng)前粒子的個體最優(yōu)位置，g_besti代表當(dāng)前全局最優(yōu)位置。

f：當(dāng)達到迭代次數(shù)或精度條件時結(jié)束流程，反之則返回步驟b。