[发明专利]基于改进粒子群的海岛风柴蓄发电功率优化设计方法

权利要求书

1.一种基于改进粒子群的海岛风柴蓄发电功率优化设计方法，其特征在于包括如下步骤：

1)采集孤岛风资源数据，以小时的平均风速为单位；

2)同时采集对应风速的负荷数据，以小时的平均负荷为单位；

3)确定海岛风-柴-蓄负荷发电系统：发电部分由若干台风力发电机和若干台柴油发电机组成，风力发电机通过交-直-交的方式与柴油发电机发出的交流电向负荷或者蓄电池供电；

4)对风力机的风速-功率曲线线性化：

vv0=(hh0)α---(1)]]>

其中：v指要计算h高度的速度，v₀指测试高度h₀处的速度，α为风切变指数系数；

有多种风力发电机的功率离散化方法，如分段二次或多次拟合方法、分段线性拟合方法等，采用线性化方法，线性分段模型如式(2)所示：

Pw(v)=0v<vcutinPw(vi-1)+(Pw(vi)-Pw(vi-1))(v-vi-1)vi>v>vi-1,vi=i,i=[vcutin+1,vrated-1],i∈intPratedvcutoff>v>vrated0v>vcutoff---(2)]]>

6)改进粒子群优化PSO算法

随机产生一个初始种群，赋予每个粒子一个随机速度后按照式(3)和式(4)来更新粒子的速度和位置。

v_i(k+1)＝v_i(k)+c₁r₁(P_ibest(k)-x_i(k))+c₂r₂(P_gbest(k)-x_i(k))(3)

x_i(k+1)＝x_i(k)+v_i(k+1)                                    (4)

其中：i为粒子的标记，i＝1，2，…，m；k为迭代的代数；v_i(k)为粒子i在第k次叠代时的飞行速度；x_i(k)为第k次叠代时粒子的位置；P_ibest(k)为粒子i个体最好位置；P_gbest(k)为群体最好位置；c₁，c₂表示认知系数；r₁，r₁是均匀分布于[0 1]之间的随机数：

设置惯性权重c₃(k)来控制历史速度对当前速度的影响程度，修正式(3)为：

v_i(k+1)＝c₃(k)v_i(k)+c₁r₁(P_ibest(k)-x_i(k))+c₂r₂(P_gbest(k)-x_i(k))(5)

其中：c_3max为c₃(k)可取的最大值，L为最大叠代次数；

7)采用单位度电度电成本计算模型：

C＝(I_WTGCRF_WTG+I_DGCRF_DG+I_BSCRF_BS+O_SUM+M_WTG+M_DG+M_BS)/N    (6)

其中：C为度电成本；I_WTG、I_DG和I_BS分别为风力发电机组、柴油发电机组和蓄电池的初投资；I_WTG＝c_WTGm，c_WTG为单台风力发电机组的价格，m为风力发电机组的台数；I_DG＝c_DGn，c_DG为单台柴油发电机组的价格，n为柴油发电机组的台数；I_BS＝c_BSs，c_BS为单位千瓦时蓄电池的价格，s为配备的蓄电池千瓦时数；CRF_WTG、CRF_DG和CRF_BS分别为风力发电机组、柴油发电机组和蓄电池的折现率；LT_WTG为风力发电机组的寿命；LT_DG为柴油发电机组的寿命；LT_BS为蓄电池的寿命；i为银行利率；O_SUM为全年的运行费用，O_SUM＝c_oilM_oil，c_oil为柴油的单价，M_oil为柴油消耗量；M_WTG，M_DG和M_BS分别为风力发电机组、柴油发电机组和蓄电池的年维修费用；N为总发电量。

8)能量调度方法

采用失电率LLP为系统停电时间与评估期时间的比率：

LLP(t)＝(P_ooad(t)Δt-(P_WTG(t)Δt+P_DGmaxΔtη_inv)-(C_BS(t-1)-C_BSmin)η_inv)/P_loadΔt    (7)

LLP=Σt=08760LLP(t)/8760---(8)]]>

其中：LLP(t)为第t小时的失电率，0≤LLP(t)≤1；Δt为时间步长；P_load(t)为第t小时的负荷；P_WTG(t)为第t小时风力发电机的功率；P_DGmax为柴油机的每小时最大发电功率；η_inv为变流器的效率；C_BS(t-1)为t-1小时蓄电池的蓄电量；C_BS min为蓄电池的最小蓄电量；

9)结果输出，得到度电成本最低时风力发电机、柴油机的台数和蓄电池的容量，以及单位度电成本预测。