[发明专利]基于麻雀搜索算法的微电网储能优化调度方法

权利要求书

1.一种基于麻雀搜索算法的微电网储能优化调度方法，其特征在于，包括：

步骤1，对微电网中各分布式电源和蓄电池储能设备进行分析，并采集微电网中各分布式电源和蓄电池储能设备的可再生能源发电功率预测曲线、负荷预测曲线和梯度电价；

步骤2，根据可再生能源发电功率预测曲线和负荷预测曲线，以动态梯度电价下成本最低为目标，建立微电网优化运行目标函数，确定微电网优化运行目标函数的运行约束条件，根据微电网优化运行目标函数和运行约束条件搭建微电网优化调度模型；

步骤3，在麻雀搜索算法中引入Tent混沌序列进行初始化种群，得到混沌麻雀搜索算法，采用混沌麻雀搜索算法对微电网优化调度模型进行求解，获得蓄电池荷电状态和微电网运行成本。

2.根据权利要求1所述的基于麻雀搜索算法的微电网储能优化调度方法，其特征在于，所述步骤1具体包括：

蓄电池荷电状态和蓄电池的输出功率的关系，如下所示：

其中，soc_t+1表示t+1时刻蓄电池荷电状态，soc_t表示t时刻蓄电池荷电状态，C表示蓄电池总容量，p_{bat_t}表示t时刻蓄电池的输出功率。

3.根据权利要求2所述的基于麻雀搜索算法的微电网储能优化调度方法，其特征在于，所述步骤2具体包括：

运行约束条件包括功率平衡约束、蓄电池荷电状态约束和微电源与大电网交互功率约束；

功率平衡约束，如下所示：

p_{pv_t}+p_{bat_t}+p_{grid_t}＝p_{load_t} (2)

其中，p_{pv_t}表示t时刻光伏发电输出功率，p_{bat_t}表示t时刻蓄电池的输出功率，p_{grid_t}表示t时刻微电网与大电网的交互功率，p_{load_t}表示t时刻负载功率；

蓄电池荷电状态约束，如下所示：

b_d＜soc_t+1-soc_t＜b_c (3)

soc_min＜soc_t＜soc_max (4)

其中，b_c表示蓄电池最大充电深度，b_d表示蓄电池最大放电深度，soc_min表示蓄电池荷电状态下限，soc_max表示蓄电池荷电状态上限；

微电源与大电网交互功率约束，如下所示：

p_{pv_min}≤p_pv≤p_{pv_max} (5)

p_{grid_min}≤p_grid≤p_{grid_max} (6)

其中，p_{pv_min}表示光伏发电输出功率的下限，p_{pv_max}表示光伏发电输出功率的上限，p_grid表示微电网与大电网的交互功率，p_{grid_min}表示微电网与大电网的交互功率的下限，p_{grid_max}表示微电网与大电网的交互功率的上限。

4.根据权利要求3所述的基于麻雀搜索算法的微电网储能优化调度方法，其特征在于，所述步骤2还包括：

微电网优化运行目标函数，如下所示：

其中，L_t表示t时刻微电网的负荷，PV_t表示t时刻的光伏发电量，R_t表示t时刻的电价。