[发明专利]基于改进粒子群的海岛风柴蓄发电功率优化设计方法

摘要

本发明公布了一种基于改进粒子群的海岛风柴蓄发电功率优化设计方法，所述方法包括：采集孤岛风资源数据，以小时的平均风速为单位；同时采集对应风速的负荷数据，以小时的平均负荷为单位；确定海岛风-柴-蓄负荷发电系统；对风力机的风速-功率曲线线性化；改进粒子群优化PSO算法；采用单位度电度电成本计算模型；采用失电率LLP为系统停电时间与评估期时间的比率；结果输出，得到度电成本最低时风力发电机、柴油机的台数和蓄电池的容量，以及单位度电成本预测。本发明把改进粒子群算法应用到对孤岛采用风柴蓄联合供电，按照能量的优化调度方法，在满足用电要求情况下，用电成本最低，优点是优化方法简单、效率高，获得的优化结果准确。

主权项

1.一种基于改进粒子群的海岛风柴蓄发电功率优化设计方法，其特征在于包括如下步骤：1)采集孤岛风资源数据，以小时的平均风速为单位；2)同时采集对应风速的负荷数据，以小时的平均负荷为单位；3)确定海岛风-柴-蓄负荷发电系统：发电部分由若干台风力发电机和若干台柴油发电机组成，风力发电机通过交-直-交的方式与柴油发电机发出的交流电向负荷或者蓄电池供电；4)对风力机的风速-功率曲线线性化：vv0=(hh0)α---(1)]]>其中：v指要计算h高度的速度，v₀指测试高度h₀处的速度，α为风切变指数系数；有多种风力发电机的功率离散化方法，如分段二次或多次拟合方法、分段线性拟合方法等，采用线性化方法，线性分段模型如式(2)所示：Pw(v)=0v<vcutinPw(vi-1)+(Pw(vi)-Pw(vi-1))(v-vi-1)vi>v>vi-1,vi=i,i=[vcutin+1,vrated-1],i∈intPratedvcutoff>v>vrated0v>vcutoff---(2)]]>6)改进粒子群优化PSO算法随机产生一个初始种群，赋予每个粒子一个随机速度后按照式(3)和式(4)来更新粒子的速度和位置。v_i(k+1)＝v_i(k)+c₁r₁(P_ibest(k)-x_i(k))+c₂r₂(P_gbest(k)-x_i(k))(3)x_i(k+1)＝x_i(k)+v_i(k+1)                                    (4)其中：i为粒子的标记，i＝1，2，…，m；k为迭代的代数；v_i(k)为粒子i在第k次叠代时的飞行速度；x_i(k)为第k次叠代时粒子的位置；P_ibest(k)为粒子i个体最好位置；P_gbest(k)为群体最好位置；c₁，c₂表示认知系数；r₁，r₁是均匀分布于[0 1]之间的随机数：设置惯性权重c₃(k)来控制历史速度对当前速度的影响程度，修正式(3)为：v_i(k+1)＝c₃(k)v_i(k)+c₁r₁(P_ibest(k)-x_i(k))+c₂r₂(P_gbest(k)-x_i(k))(5)其中：c_3max为c₃(k)可取的最大值，L为最大叠代次数；7)采用单位度电度电成本计算模型：C＝(I_WTGCRF_WTG+I_DGCRF_DG+I_BSCRF_BS+O_SUM+M_WTG+M_DG+M_BS)/N    (6)其中：C为度电成本；I_WTG、I_DG和I_BS分别为风力发电机组、柴油发电机组和蓄电池的初投资；I_WTG＝c_WTGm，c_WTG为单台风力发电机组的价格，m为风力发电机组的台数；I_DG＝c_DGn，c_DG为单台柴油发电机组的价格，n为柴油发电机组的台数；I_BS＝c_BSs，c_BS为单位千瓦时蓄电池的价格，s为配备的蓄电池千瓦时数；CRF_WTG、CRF_DG和CRF_BS分别为风力发电机组、柴油发电机组和蓄电池的折现率；LT_WTG为风力发电机组的寿命；LT_DG为柴油发电机组的寿命；LT_BS为蓄电池的寿命；i为银行利率；O_SUM为全年的运行费用，O_SUM＝c_oilM_oil，c_oil为柴油的单价，M_oil为柴油消耗量；M_WTG，M_DG和M_BS分别为风力发电机组、柴油发电机组和蓄电池的年维修费用；N为总发电量。8)能量调度方法采用失电率LLP为系统停电时间与评估期时间的比率：LLP(t)＝(P_ooad(t)Δt-(P_WTG(t)Δt+P_DGmaxΔtη_inv)-(C_BS(t-1)-C_BSmin)η_inv)/P_loadΔt    (7)LLP=Σt=08760LLP(t)/8760---(8)]]>其中：LLP(t)为第t小时的失电率，0≤LLP(t)≤1；Δt为时间步长；P_load(t)为第t小时的负荷；P_WTG(t)为第t小时风力发电机的功率；P_DGmax为柴油机的每小时最大发电功率；η_inv为变流器的效率；C_BS(t-1)为t-1小时蓄电池的蓄电量；C_BS min为蓄电池的最小蓄电量；9)结果输出，得到度电成本最低时风力发电机、柴油机的台数和蓄电池的容量，以及单位度电成本预测。