[发明专利]一种考虑冷热电联供的微电网优化调度方法

权利要求书

1.一种考虑冷热电联供的微电网优化调度方法，用于优化冷热电联供的微电网的运行，所述微电网包括风机、光伏发电机和微型燃气轮机，其特征在于，所述方法采用改进蝴蝶算法求解预建立的微电网优化模型，获取最优解，所述微电网优化模型以系统运行成本最低为优化目标，所述微电网中设有蓄电池，用以在风机和光伏发电不足时，为微电网供电，所述改进蝴蝶算法通过反向学习策略对精英蝴蝶种群进行优化，通过混沌函数对随机数进行优化；

所述改进蝴蝶算法包括以下步骤：

S1：初始化输入参数，载入微电网优化模型，所述输入参数包括风光发电功率、负荷量、微型燃气轮机、蓄电池的出电量以及微电网运行成本函数；

S2：根据反向学习策略，计算出反向解蝴蝶；

S3：计算精英蝴蝶种群中每只蝴蝶产生的香味浓度，根据原始蝴蝶和反向解蝴蝶，并舍弃香味浓度低于预设的第一阈值的蝴蝶，构建精英蝴蝶种群；

S4：计算步骤S3更新后的蝴蝶种群的切换概率，并获取一随机数，若切换函数大于所述随机数，则依次进行步骤S5和S6，否则进行步骤S7，所述随机数的取值范围在0至1之间，所述随机数根据混沌函数获取；

S5：进行全局位置搜索，获取全局最优解；

S6：对全局最优解进行柯西变异，然后进行步骤S8；

S7：进行局部位置搜索，获取局部最优解，然后进行步骤S8；

S8：更新局部最优解和全局最优解；

S9：通过公式(7)对步骤S3更新后的精英蝴蝶种群中所有的蝴蝶个体，进行正余弦操作，优化蝴蝶个体进行位置更新；

公式(7)：

上式中含有四个参数，R1、R2、R3、R4，R1决定在下一次迭代第i个个体的位置更新方向，R2是[0，2π]之间的随机数，它决定下一次迭代中个体的移动距离；R3是随机权重的取值范围是[0，2]，R31时，对下一代迭代中个体的位置更新具有明显的影响，否则没有影响效果；R4是[0，1]之间产生的一个随机数，R4决定蝴蝶个体的位置更新方式是正弦还是余弦操作；

S10：判断是否达到最大迭代次数，若达到，则结束迭代，输出最优值和最优解，否则执行步骤S3至S10；

所述步骤S3中，所述构建精英蝴蝶种群还包括对不在精英蝴蝶种群区间内的蝴蝶赋值，更新精英蝴蝶种群；

所述对不在初始精英蝴蝶种群区间内的蝴蝶赋值的表达式为：

x′_ij＝a_ij；x′_ij＞a_ij

x′_ij＝b_ij；x′_ij＜b_ij

式中，x_ij为普通蝴蝶x_i在j维上的值，x′_ij为普通蝴蝶的反向解，a_ij和b_ij为在j维的最大最小值，j为算法空间的纬度；

所述微电网优化模型的目标函数的表达式为：

f(X)＝J_O(X)+J_F(X)+J_B(X)

式中，J_O(X)为设备的运行维护成本，J_F(X)为燃气轮机的燃料成本，J_B(X)为蓄电池的折旧成本。

2.根据权利要求1所述的一种考虑冷热电联供的微电网优化调度方法，其特征在于，所述微电网优化模型包括电储能模型，该电储能模型的表达式为：

式中，E_ES(t)为t时刻蓄电池的储能容量，τ为蓄电池的自放电率，P_{ES_ch}(t)为蓄电池在t时刻的充电功率，P_{ES_dis}(t)为蓄电池在t时刻的放电功率，η_sch为蓄电池在t时刻的充电效率，η_sdis为蓄电池在t时刻的放电效率。