[发明专利]基于遗传算法的微电网配置方法、装置、设备及其介质

权利要求书

1.一种基于遗传算法的微电网配置方法，其特征在于，包括：

生成包含多个个体的第1代种群，其中，每个所述个体与所述微电网包含的各分布式电源的一组配置量对应；

计算所述第1代种群中每个个体的适应度，并选择所述适应度高于预定阈值的个体组成该第1代种群的第1代精英库，其中，所述适应度越高，以具有该适应度的个体所对应的一组配置量配置所述微电网中的各分布式电源时该微电网的运营成本越低；

对当代种群中未被选入精英库中的个体执行如下操作直到满足预定结束条件：

对所述未被选入精英库中的个体进行交叉和变异处理，

计算经交叉和变异处理后的每个未被选入精英库中的个体的适应度，

逐个将经交叉和变异处理后的每个个体的适应度与精英库中个体的适应度进行比较，并在所述交叉和变异处理后的个体的适应度大于所述精英库中个体的最小适应度时，将该交叉和变异处理后的个体替代精英库中具有所述最小适应度的个体；

获取满足预定结束条件后得到的最终的精英库中适应度最高的个体所对应的一组配置量。

2.根据权利要求1所述的微电网配置方法，其特征在于，对所述未被选入精英库中的个体进行交叉和变异处理包括：

从所述未被选入精英库中的个体中随机选取将进行交叉和变异处理的个体：

按照交叉概率和变异概率分别对随机选取的所述个体进行交叉和变异处理。

3.根据权利要求2所述的微电网配置方法，其特征在于，通过以下公式计算所述交叉概率和变异概率：

其中，P_c表示交叉概率，P_m表示变异概率，k₁和k₂为两个常数，k₁∈(0，∞)，k₂∈(0，1)，Ф为相似系数，通过以下公式计算该相似系数：

其中，M为当代种群中的个体总数，f_i为当代种群中第i个个体的适应度。

4.根据权利要求1所述的微电网配置方法，其特征在于，通过以下方式计算所述个体的适应度：

基于所述微电网全生命周期中的运营成本和约束函数建立目标函数模型；

通过所述目标函数模型计算所述个体的适应度；

其中，所述约束函数基于所述各分布式电源的发电机容量、所述微电网的供电可靠性、所述微电网的新能源利用率和所述蓄电池的荷电能力确定；并且

所述运营成本包括：初始投资费用、设备运行维护费用、设备替换费用、气体排放治理费用。

5.根据权利要求1至4中任一项的微电网配置方法，其特征在于，生成包含多个个体的第1代种群包括：

采用二进制编码对所述第1代种群中的每个个体进行基因编码，其中，所述个体的基因长度基于各分布式电源的最大配置量和最小配置量确定。

6.一种基于遗传算法的微电网配置装置，其特征在于，包括：

生成单元，用于生成包含多个个体的第1代种群，其中，每个所述个体与所述微电网包含的各分布式电源的一组配置量对应；

计算单元，用于计算所述生成单元生成的第1代种群中每个个体的适应度，并选择所述适应度高于预定阈值的个体组成该第1代种群的第1代精英库，其中，所述适应度越高，以具有该适应度的个体所对应的一组配置量配置所述微电网中的各分布式电源时该微电网的运营成本越低；

执行单元，用于对当代种群中未被选入精英库中的个体执行如下操作直到满足预定结束条件：

对所述未被选入精英库中的个体进行交叉和变异处理；

计算经交叉和变异处理后的每个未被选入精英库中的个体的适应度；

逐个将经交叉和变异处理后的每个个体的适应度与精英库中个体的适应度进行比较，并在所述交叉和变异处理后的个体的适应度大于所述精英库中个体的最小适应度时，将该交叉和变异处理后的个体替代精英库中具有所述最小适应度的个体；

获取单元，用于获取满足预定结束条件后得到的最终的精英库中适应度最高的个体所对应的一组配置量。