[发明专利]基于电力电子变压器的微电网优化配置方法及装置

摘要

本发明公开了一种基于电力电子变压器的微电网优化配置方法和装置，通过建立微电网优化配置数学模型，获取交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率；根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率、粒子群算法对所述微电网优化配置数学模型进行求解，以获取使微电网的总损耗功率最小时的决策变量x的目标值和决策变量y的目标值。该方法考虑了电力电子变压器的实际效率曲线，可以适应复杂场景下微电网的优化配置问题，以微电网的拓扑结构为研究对象得到基于电力电子变压器的微电网数学模型，采用粒子群算法对直流侧的光伏容量配置比例和直流侧的储能容量配置比例进行优化，实现了更合理地配置微电网。 1

主权项

1.一种基于电力电子变压器的微电网优化配置方法，其特征在于，包括：

建立微电网优化配置数学模型，所述微电网优化配置数学模型包括：目标函数、决策变量、约束条件，其中，决策变量包括x,y，决策变量x为直流侧的光伏容量配置比例，决策变量y为直流侧的储能容量配置比例；

获取交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率；

根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率、粒子群算法对所述微电网优化配置数学模型进行求解，以获取使微电网的总损耗功率最小时的决策变量x的目标值和决策变量y的目标值。

2.如权利要求1所述的方法，其特征在于，所述建立微电网优化配置数学模型包括：

确定基于电力电子变压器的微电网的拓扑结构；

基于所述拓扑结构建立微电网优化配置数学模型。

3.如权利要求1所述的方法，其特征在于，所述根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率、粒子群算法对所述微电网优化配置数学模型进行求解，以获取使微电网的总损耗功率最小时的决策变量x的目标值和决策变量y的目标值，包括：

设置粒子群的大小、迭代次数、控制参数，其中，每个粒子为两个维度的数组，第一维度的粒子位置对应决策变量x,第二维度的粒子位置对应决策变量y；

初始化粒子群；

将目标函数作为适应度函数；

开始迭代过程，包括(1)至(3)：

(1)、根据所述适应度函数计算当前粒子群中各个粒子的适应度，确定各个粒子的当前个体极值和全局最优解；

其中，所述根据所述适应度函数计算当前粒子群中各个粒子的适应度，包括：

根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率求解微电网优化配置数学模型，计算目标函数对应的微电网的总损耗功率，将目标函数对应的微电网的总损耗功率作为当前粒子群中各个粒子的适应度；

(2)、分别根据各个粒子的当前个体极值和全局最优解，更新各个粒子的速度；分别根据各个粒子更新后的速度，更新各个粒子的位置；

(3)、判断本次迭代是否达到迭代终止条件，若达到，输出当前适应度最大的粒子，停止迭代过程；若未达到，返回执行(1)。

根据当前适应度最大的粒子的第一维度对应的粒子速度，确定决策变量x的目标值，以及根据当前适应度最大的粒子的第二维度对应的粒子速度，确定决策变量y的目标值。

4.如权利要求1所述的方法，其特征在于，所述目标函数为：

f＝min(LossAll)；

其中，LossAll为微电网的总损耗功率。

5.如权利要求1所述的方法，其特征在于，所述约束条件包括功率平衡约束、变换器功率流约束、储能约束、光伏发电功率约束。

6.一种基于电力电子变压器的微电网优化配置装置，其特征在于，包括：

模型建立模块，用于建立微电网优化配置数学模型，所述微电网优化配置数学模型包括：目标函数、决策变量、约束条件，其中，决策变量包括x,y，决策变量x为直流侧的光伏容量配置比例，决策变量y为直流侧的储能容量配置比例；

获取模块，用于获取交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率；

求解模块，用于根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率、粒子群算法对所述微电网优化配置数学模型进行求解，以获取使微电网的总损耗功率最小时的决策变量x的目标值和决策变量y的目标值。

7.如权利要求6所述的装置，其特征在于，所述模型建立模块具体用于：

确定基于电力电子变压器的微电网的拓扑结构；

基于所述拓扑结构建立微电网优化配置数学模型。

8.如权利要求6所述的装置，其特征在于，所述求解模块具体用于：

设置粒子群的大小、迭代次数、控制参数，其中，每个粒子为两个维度的数组，第一维度的粒子位置对应决策变量x,第二维度的粒子位置对应决策变量y；

初始化粒子群；

将目标函数作为适应度函数；

开始迭代过程，包括(1)至(3)：

(1)、根据所述适应度函数计算当前粒子群中各个粒子的适应度，确定各个粒子的当前个体极值和全局最优解；

其中，所述根据所述适应度函数计算当前粒子群中各个粒子的适应度，包括：

根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率求解微电网优化配置数学模型，计算目标函数对应的微电网的总损耗功率，将目标函数对应的微电网的总损耗功率作为当前粒子群中各个粒子的适应度；

(2)、分别根据各个粒子的当前个体极值和全局最优解，更新各个粒子的速度；分别根据各个粒子更新后的速度，更新各个粒子的位置；

(3)、判断本次迭代是否达到迭代终止条件，若达到，输出当前适应度最大的粒子，停止迭代过程；若未达到，返回执行(1)。

根据当前适应度最大的粒子的第一维度对应的粒子速度，确定决策变量x的目标值，以及根据当前适应度最大的粒子的第二维度对应的粒子速度，确定决策变量y的目标值。

9.如权利要求6所述的装置，其特征在于，所述目标函数为：

f＝min(LossAll)；

其中，LossAll为微电网的总损耗功率。

10.如权利要求6所述的装置，其特征在于，所述约束条件包括功率平衡约束、变换器功率流约束、储能约束、光伏发电功率约束。