[发明专利]一种基于改进鲸鱼算法的微电网容量优化配置方法

权利要求书

1.一种基于改进鲸鱼算法的微电网容量优化配置方法，该方法的具体步骤是：

步骤1：获取微电网风/光资源数据以及负荷数据，以此获得风力发电机发电率和风速的关系、光伏输出功率；

步骤2：读取风机、光伏、蓄电池、储氢罐以及电解槽的相关参数，对各个设备的数量进行优化；

步骤3：确定鲸鱼算法种群规模，随机生成N条鲸鱼位置，初始化鲸鱼算法参数A、C、l，进入鲸鱼算法的主循环，及时更新鲸鱼位置并找到最优个体位置，初步获得优化后的微电网中各设备的数量配置；

所述鲸鱼算法中非线性收敛因子a的表达式为公式(14)

其中，t为当前迭代次数，t_max为最大迭代次数；

在鲸鱼算法迭代过程中加入惯性权重，惯性权重的表达式为公式(8)：

惯性权重w(t)随着鲸鱼算法迭代在[1,1.5]之间非线性变化；

步骤4：以步骤3获得的结果为基础，再采用差分进化方式进行差分修正，得到最终的微电网相关设备数量配置；

步骤5：判断是否满足最大迭代次数，进而获得最佳的设备数量，若不满足，则重新循环一次；

步骤6：检查最优配置是否符合风机、光伏、蓄电池、储氢罐以及电解槽的约束条件，若符合约束条件即为最优解，输出最优容量配置方案；若不满足，重新进行循环。

2.根据权利要求1所述的基于改进鲸鱼算法的微电网容量优化配置方法，其特征在于，所述微电网系统仅有直流母线，

风机模型为：

式中：P_wrt为额定功率；v_ci为切入风速；v_co为切出风速；v_r为额定风速；P_wt为风力发电机WT的发电率，v为风速；

光伏模型为：

式中：P_STC是额定发电功率；G_STC是日照辐照度；G_c是实际辐射度；T_c(t)为t时的温度；T_STC是标准气温；N_PV是光伏的具体数量，P_PV为光伏输出功率；

电解槽模型为：

U_elec＝U_elec,cell·n_c

式中：U_elec,cell—单个电解槽输出电压；U_rev—电解槽可逆电压；I_elec—电解槽工作电流；r₁,r₂—分别为电阻参数；S—电解槽电极表面积；T_elec—电解槽温度；k_elec,k_T1,k_T2,k_T3—电解槽过压参数；n_c—电解槽串联个数，U_elec—电解槽总输出电压。

3.根据权利要求1所述的基于改进鲸鱼算法的微电网容量优化配置方法，其特征在于，系统目标函数为

式中：C_NPC是总净现成本；C(m)是第m年的成本费用，其中包含建设、替换、运维费用；B(m)为运行第m年收入；r₀为贴现率；

约束条件为

1)微电网系统中功率平衡的约束

式中：P_G是微电网系统与电网的交换功率；P_L为微电网系统的需求功率；P_DGi是微电网系统中的输出功率；N_d是微电网中分布式电源的数目；

2)发电单元功率P_DGi和安装数目Ni

P_DGimin≤P_DGi≤P_DGimax

N_imin≤N_i≤N_imax

式中：P_DGimin、P_DGimax为微电网系统中的最小与最大的输出功率；N_imin、N_imax为电源的最小与最大的安装数目；

3)储能系统中的电池容量和充放电功率约束

E_BESSmin≤E_BESS(t)≤E_BESSmax

式中：E_BESSmin与P_BESSmax为电池的最小、最大的容量；P_cmin、P_cmax是电池充电最小、最大功率；P_dmin、P_dmax为放电最小、最大功率；

4)氢储能系统约束条件

E_HESSmin≤E_HESS≤E_HESSmax

式中：E_HESSmin和E_HESSmax为氢储能系统最小和最大容量，E_HESS氢储能容量。