[发明专利]基于智能模糊决策的光储联合系统实时调度方法

权利要求书

1.基于智能模糊决策的光储联合系统实时调度方法，其特征在于，包括：

步骤1，采用智能蜂群算法进行参数优化得到最优控制向量；

步骤2，将步骤1中得到的最优控制向量作为控制器恒参量在决策点对家庭光储联合微电网的经济运行进行决策；

步骤3，将步骤2中得到的改进的蓄储能放电策略对调度决策进行更新，形成最终的实时调度指令。

2.如权利要求1所述的基于智能模糊决策的光储联合系统实时调度方法，其特征在于，所述步骤1具体包括：

步骤2.1、初始化算法参数：模糊决策周期TF，控制参数更新周期T，采蜜蜂数目Ne、观察蜂Ns，侦查蜂数目由淘汰的采蜜蜂数目确定，循环次数NC；

步骤2.2、设置参数K₁K₂的领域区间，确定蜜源的搜索范围；

步骤2.3、随机初始化采蜜蜂及蜜源的位置，采蜜蜂前往蜜源所在地，并更新花蜜量；

步骤2.4、观察蜂根据式16选择蜜源，并搜索蜜源邻域，更新蜜源信息；

式中，fit_i为第i个蜜源的花蜜量；

步骤2.5、观察蜂完成搜索后，未获得更优解的采蜜蜂退化成侦查蜂；

步骤2.6、侦查蜂根据式(17)随机搜索二维解空间，寻找潜在最优解，为下一次迭代预备蜜源；

式中，r_id是0-1之间的随机数；

步骤2.7、记录迄今的最好蜜源即参数K₁K₂；

步骤2.8、设置模糊控制器控制参数为蜂群迭代算法获得的最优解K₁K₂。

3.如权利要求1所述的基于智能模糊决策的光储联合系统实时调度方法，其特征在于，所述步骤2具体基于：

模糊控制器输入参数矩阵：

参数矩阵中，n是模糊量数目，k是隶属函数变比；

蓄电池主要特征参数：荷电状态、充放电功率，两者代数关系如下：

式中，SOC是蓄电池荷电状态；p_b是充电功率，蓄电池放电时充电功率为负值；E_initial是初始荷电量，E_max是额定容量；

蓄电池的荷电量与充放电功率的关系如下：

总的新能源发电流向三个方向：电网、负荷、储能；

优化模型的目标函数：

式中，-用户的购电成本，-用户的售电收益；

用户负荷的供电方式：蓄电池放电、DG发电、电网买电；用户购电成本表达式如下：

式中，p_d.h是电价，是从电网流向微电网的电量，p_load是负荷功率，p_b是蓄电池充电功率，p_pv是光伏发电功率；

当微电网光伏发电足够大，多余DG发电按上网电价卖给电网，表达式如下：

式中，p是电网对微电网光伏发电的统一收购价，是微电网的上网电量；

系统由电网和DG供给负荷及储能，供需平衡关系如下：

p_grid+p_pv＝p_load+p_b 式10

荷电状态约束

SOC_min＜SOC＜SOC_max 式11

充放电功率约束

p_min＜p_b＜p_max 式12

储能最大允许充电约束

SOC≤SOC_m.c 式13

储能最小允许放电约束

SOC_m.d≤SOC 式14

具体包括：

步骤3.1、更新实时电价以及蓄电池荷电状态作为控制器输入，控制器输出调度决策方案；

步骤3.2、选择群最优粒子以及个体历史最优的位置，更新粒子群的解空间位置及移动速度，构成新的粒子群

步骤3.3、判断是否满足终止条件，若是则结束二阶段优化进程，按最优解安排调度控制计划；否则重复储能优化步骤3.1，继续下一次迭代；

步骤3.4、根据改进的充放电策略更新调度决策方案，控制光储联合系统运行；

步骤3.5、判断是否为下一个决策点，若是，则转到步骤3.2；若不是，则继续下一步

步骤3.6、判断是否满足模糊决策参数更新条件，该更新条件为设定的控制参数更新周期，若满足，则跳转到步骤2.3；若不满足，则终止决策，进入休眠状态，当时间t大于更新周期T或系统到达下一个决策点，激活模糊控制器，重复步骤2.2。