基于改进多目标粒子群算法的微电网并网优化调度

微电网能够协调分布式电源,从而充分发挥分布式发电技术在经济、能源和环境中的优势。针对微电网并网时的优化调度问题,建立了考虑发电成本、污染物排放的微电网系统的环保优化模型,并利用改进的多目标粒子群算法,在这两个目标之间进行协调权衡和折中处理,使所有目标函数尽量达到最优。选取微电网案例的日负荷数据进行了优化调度计算,仿真结果表明了所提模型和算法的有效性。     

并网运行模式下微电网能量优化调度算法研究

微网与外部电网并网运行,互为补充,为用户带来了多方面的效益。由于不可控微电源出力的随机性与波动性,微电网并网运行时的优化运行受到很大影响。提出了计划层与实时层双层协调优化调度的算法,来解决微电网并网实时能量优化调度的问题。计划层根据微电源功率预测数据,采用改进粒子群算法进行微电网并网系统的经济优化运行;在计划层优化基础上,实时层根据不可控微电源以及负荷在实时功率与预测功率之间的误差,提出采用改进粒子群算法来进行实时优化调度,并将优化结果更新至计划层中各可控微电源及并网联络线的调度功率中。对一个典型的微电网并网系统进行调度算法仿真分析,验证了该方法的可行性与正确性。     

并网模式下的微电网电源优化配置研究

通过改进的粒子群算法,对并网模式下的微电网电源优化配置问题进行分析,结合具体的微电网模型与相关数据,从节能环保角度,以分布式电源安装容量最大为目标函数,以公共连接点的相关电压运行要求、考虑故障转孤网时满足最小负荷需求为约束条件,将微电网电源的优化配置问题转化为一个多约束条件的非线性整数规划问题。仿真研究了不同的风-光接入比、资源参数以及置信水平的微网电源优化配置问题,研究结果对并网模式下微电网电源优化配置提供参考。     

并网状态下微电网中微电源出力优化算法

研究并网状态下微电网中的微电源出力优化问题,在满足系统运行约束的条件下根据不同的优化目标优化微电网中各微电源的出力,使系统的运行成本最低、负荷用电成本最低或环境效益最高。建立含有微型燃气轮机、燃料电池、太阳能光伏电池、风力发电和飞轮储能的微电网系统在与上级配电网系统并网状态下各微电源出力优化的数学模型,介绍基于粒子群优化算法的求解方法,通过基准测试系统进行算例分析,验证所提出方法的有效性与可行性。     

含冷热电联供系统微电网优化运行研究

为使冷热电联供(CCHP)型微电网系统能够可靠、安全、经济的运行,首先要考虑对新能源充分的利用,其次要结合储能系统的使用约束以及影响因素。本文建立了冷热电联供型微电网数学模型,综合考虑了各微电源的运行维护费用、燃料费用以及购售电费用等,采用改进粒子群优化算法,针对运行成本最小为目标进行计算仿真。最后以某小区为例,对得出结果进行分析讨论,验证了本文方法的理论性和实用性。     

基于微电网联络线功率的多目标优化研究

电池储能在消纳风、光等可再生能源波动性及提高应用经济性方面有重要应用。在此主要研究使含风力发电的微电网与配电网联络线功率成本最低或收益最高、波动最小的电池调度方法,采用粒子群优化(PSO)算法,针对联络线功率的波动性和经济性进行优化,分别用联络线功率的变异系数和其功率费用进行比较。经过算例证明,合适的电池容量可达到理想效果。     

微电网负荷优化分配

微电网因其发电形式多样、供电方式灵活而成为大电网的有益补充,但微电网的很多基础运行问题都与传统大电网有所不同,需要专门加以研究.研究了微电网的负荷优化分配问题,即在满足系统运行约束条件下优化微电网中微电源的出力,使系统总发电成本最小.分析建立了含有太阳能光伏发电、小型燃气轮机和储能装置的微电网负荷优化分配问题的数学模型,介绍了基于粒子群优化算法的数值求解方法,并通过算例验证了文中所提出方法的有效性.     

基于贝叶斯-粒子群算法的微电网优化运行

针对目前微网调度难于全局最优收敛的问题,从概率网络的角度出发,将贝叶斯网络(Bayesian Network,BN)理论与粒子群算法(Particle Swarm Optimization,PSO)相结合,提出了基于贝叶斯-粒子群算法(BN-PSO)的微电网优化运行新策略。首先建立了微网数学模型和系统约束条件,考虑风能和光伏系统的概率分布情况,引入可再生因子和单位电力生产成本,以实现微网系统满足节能减排条件下的总费用最低的优化目标。最后以一个典型的微网系统进行算例仿真分析。结果表明:BN-PSO算法能有效解决包含随机概率事件的新能源微网优化运行问题,是解决此类问题的一个新思路;与目前的主流算法相比,BN-PSO算法能克服局部最优的缺陷,实现快速收敛。     

基于多目标离散粒子群优化算法的微电网重构

将多维度精英粒子扰动策略与粒子群优化算法相结合,得到一种多 目标离散粒子群优化算法,用于求解微电网重构问题.这一多目标离散粒子群优化算法以粒子的速度信息为概率,由粒子向正方向或负方向移动来更新自身位置信息;通过多维度精英粒子扰动策略,动态调整粒子群跳出陷阱的能力和局部精细搜索能力;引入线路负荷均匀度,作为辅助评价指标....     

基于安全域的并网型微电网能量优化新方法

提出一种基于安全域的并网型微电网能量优化新方法。提出并网型微电网安全域的定义与模型,分别对N-0安全与N-1安全的微电网安全域进行刻画;考虑微电网的安全性与经济性,以微电网经济效益与馈线安全距离为优化目标,建立一种基于安全域的微电网能量优化模型,在规划安全域范围内采用YALMIP工具箱与CPLEX求解器对模型进行求解。算例展示了微电网安全域,验证了能量优化模型的有效性。相较于现有方法,所提方法能够量化系统安全裕度,综合考虑微电网的安全裕度与经济效益。     

基于粒子群优化算法的微电网微电源优化配置

提出一种基于粒子群优化算法的微电网微电源优化配置模型,并以权重系数法对其进行研究,得出在各个权重系数情况下各类微电源的最佳运行容量。以孤岛微电网系统为例,考虑了各类微电源的出力及它们之间的互补特性和微电网系统内各种负荷的不同敏感性。通过运用粒子群优化算法加以求解。仿真结果表明,优化配置方法可以满足负荷多样性需求情况下的微电网经济运行,可为微电网系统优化规划问题提供一定的参考。     

基于改进MOPSO的多能互补型微电网多元优化运行策略

含多种能源的微电网优化运行是提高系统能效的关键技术。以某校园多能互补型微电网示范工程为依托,构建了日经济成本和污染处理成本的双目标优化运行模型,分别制定不同设备单元的运行策略,提出了改进多目标粒子群算法(multi-objective particle swarm optimization, MOPSO)求解方案。通过加入粒子变异策略,提高算法性能,解决微电网双目标优化冲突问题。最后,基于校园多能互补型微电网的实际运行数据,采用两种不同的典型日分别进行案例分析,验证了所提运行策略的有效性。     

基于钒电池储能的光伏微电网并网运行控制技术

建立了包括光伏、钒电池(VRB)储能和能量管理系统的典型微电网结构,给出了基于VRB储能的微电网并网运行控制策略,分析了vRB建模及VRB储能系统在微电网并网运行过程中的控制作用。基于LCL滤波器的储能逆变器,采用三环控制策略,实现微电网瞬时功率调节的能力。最后,基于PSCAD/EMTDC仿真软件验证控制策略和参数选择的正确性,并在搭建的实验平台上进一步论证了上述控制策略的有效性。     

基于鸟群算法的微电网多目标运行优化

为了在微电网的运行中寻找到最理想的调度策略,对于微电网的多目标优化问题,采用传统智能算法求解易陷入局部最优而难于找到全局最优解,因此采用一种生物启发式算法——鸟群算法,对以运行成本及环境污染度为目标的微电网多目标优化模型进行求解。该算法模仿鸟群觅食、警觉、迁移的习性,生成对应的种群更新策略,兼具粒子群算法搜索效率高和微分进化算法稳定性好的优点。通过与两者寻优结果比较,表明该算法具有较强的全局、局部搜索能力且收敛鲁棒性好的特点。     

基于卡尔曼滤波的微电网同步并网研究

提出了一种基于卡尔曼滤波的同步并网控制策略,以解决微电网与大电网同步并网过程的各分布式电源间协调控制及平滑、快速并网的问题。通过计算微电网前一次状态和本次状态的差值,利用卡尔曼滤波算法预测下一状态是否达到并网要求,使微电网实现平滑、快速并网。仿真结果验证了该方案的有效性。     

基于改进粒子群优化算法的微电网经济调度研究

微电网经济调度是一个复杂的多约束、多目标非线性优化问题。为了实现微电网中各微电源设备的经济运行,充分发挥分布式能源的发电优势,基于改进粒子群优化算法对微电网经济调度进行研究。在研究中,提出光伏发电预测与负荷预测背景下的微电网多目标模型,考虑蓄电池使用寿命,以经济成本最低和环境成本最低为目标,利用改进粒子群优化算法进行求解。通过案例分析,确认了研究成果的有效性。     

并网型交直流混合微电网优化配置分析

考虑到目前直流负荷逐步增加的现状,以及交直流混合微电网的发展趋势,文中建立了以降低单位发电成本、换流损耗,提高自平衡率为目标的并网型交直流混合微电网多目标优化配置模型。并针对该模型,提出了相应的交直流混合微电网运行控制策略。采用实际工程数据,通过改进非劣排序遗传算法(NSGA-Ⅱ)进行了求解。得到了不同直流负荷比例下的交直流混合微电网优化配置结果,以及直流负荷比例增加对优化配置的影响,并将结果与传统交流微电网进行了对比,验证了所提出的优化配置模型和方法的合理性和有效性。     

基于NSGA-II-PSO算法的微电网多目标优化运行模式

解决微网中新能源出力的随机性与波动性是微电网优化运行的前提和关键,为此,提出一种快速非支配排序遗传算法NSGA-II （non-dominated sorting genetic algorithm）和基本粒子群优化算法PSO（particle swarm optimization）相结合的NSGA-II-PSO算法,考虑将经济运行成本和环境污染成本作为优化的目标函数,建立常见发电单元以及蓄电池储能的多目标优化运行模型。通过Matlab仿真对比PSO、NSGA-II和NSGA-II-PSO算法的适应度收敛曲线,验证所提算法具有收敛速度快、全局和局部搜索能力强的优点,较单一的PSO算法和NSGA-II算法具有更优的特点;结合经典微网系统进行算例仿真,通过对单目标与多目标的分析,结果表明该算法能有效降低经济成本和使环境效益达到最优;并且进一步验证所提算法的优越性。     

基于改进MNPSO算法的微电网经济运行优化研究

为研究各种改进的粒子群优化算法对微电网的经济运行优化,通过构建微电网经济运行优化模型,用多个正态随机数扰动粒子群算法速度和位置的演进方向,对比了改进粒子群算法的收敛性和不同应用环境下的优化性能,采用实际简单协调风光储的微电网算例进行验证分析,证明了改进算法的优化效果并验证了优化微电网经济运行的科学性。     

基于混合博弈的多微电网双层协调优化调度

考虑多微电网系统(MMGS)和微电网聚合商(MA)所有权不同,以及各微电网(MG)间能量互济与利益分配,提出基于混合博弈的MMGS双层协调优化调度模型及其求解方法.上层MA与下层MMGS之间采用基于Stackelberg的主从博弈,保证MA与MMGS的利益双赢;MA作为领导者,以自身收益最大为目标,在证明Stackel...