[发明专利]一种基于改进二阶粒子群算法的微电网群优化调度方法

权利要求书

1.一种基于改进二阶粒子群算法的微电网群优化调度方法，其特征在于：

所述优化调度方法依次包括以下步骤：

步骤A、分别构建微电网群内部各类设备的数学模型，其中，所述各类设备包括风力发电机组、光伏发电机组、负荷、储能设备、柴油机组；

步骤B、建立以微电网群综合运行成本最小、风光消纳率最大、联络线功率波动最小为目标的微电网群优化调度模型；

步骤C、以风电、光电、储能、柴油机组出力作为粒子群的位置，适应度函数作为目标函数，采用改进二阶粒子群算法求解上述优化调度模型，得到微电网群的优化调度方案。

2.根据权利要求1所述的一种基于改进二阶粒子群算法的微电网群优化调度方法，其特征在于：

所述步骤C依次包括以下步骤：

步骤C1、获取微电网群内部各类设备参数以及风、光、荷运行数据，并初始化改进二阶粒子群算法的基本参数；

步骤C2、利用混沌映射生成混沌序列，选择Logistic映射模型生成初始种群，并将变量反归一化至搜索空间，得到粒子的初始位置，令迭代次数k＝1，每一个粒子对应每一种优化调度方案；

步骤C3、计算每个粒子的适应度值，并更新每个粒子的历史最优值和种群的历史最优值；

步骤C4、根据迭代次数和适应度值计算当前的惯性系数、学习因子和振荡因子，并更新粒子的速度和位置，同时对粒子的速度和位置进行越限处理；

步骤C5、计算任意粒子与当前最佳粒子之间的距离，若计算的距离小于参考值，则最优粒子保持不变，使其他粒子进行混沌运动，在给定的步数内进行混沌搜索，用混沌搜索得到的新粒子替换原粒子；

步骤C6、判断是否收敛，若收敛，则退出迭代过程，对粒子进行解码，获得微电网群的优化调度方案；若未收敛，则令k＝k+1并返回步骤C2进行下一次迭代。

3.根据权利要求2所述的一种基于改进二阶粒子群算法的微电网群优化调度方法，其特征在于：

步骤C4中，所述惯性系数、学习因子、振荡因子、速度和位置通过以下公式计算更新：

λ₁＜λ₂-1,λ₃＜λ₄-1,0＜λ₂＜1,0＜λ₄＜1 k≥k_max/2

上式中，分别为第i个粒子在第k次迭代时的惯性系数、速度和位置，ω_min、ω_max分别为惯性系数的最小、最大值，f()为适应度函数，为第k次迭代时种群的平均适应度值，p_g、p_i分别为粒子群、第i个粒子的历史最优位置，为第k次迭代时的学习因子c₁，为第k次迭代时的学习因子c₂，r₁、r₂为[0,1]内均匀分布的随机数，c_1b、c_1e、c_2b、c_2e分别为c₁、c₂迭代最开始的值和结束的值，λ₁、λ₃分别为当前迭代过程中第i个粒子最优和全局最优位置的振荡因子，λ₂、λ₄分别为上一次的迭代过程中第i个粒子最优和全局最优位置的振荡因子，d₁、d₂为c₁的控制因子，d₃、d₄为c₂的控制因子，k_max为最大迭代次数。

4.根据权利要求2所述的一种基于改进二阶粒子群算法的微电网群优化调度方法，其特征在于：

步骤C2中，所述Logistic映射模型为：

上式中，为混沌变量在第k次迭代时的d维分量。