[发明专利]一种基于混合引力智能搜索的分布式电源并网优化方法

摘要

本发明的一种基于混合引力智能搜索的分布式电源并网优化方法，其特点是，通过分布式电源多目标优化数学模型的建立，以及对基于混合引力智能搜索的分布式电源并网优化，改善了万有引力搜索算法在分布式电源并网问题中的优化能力，在计算过程中引入了全局记忆性策略、精英保留策略以及拥挤度优选策略；全局记忆性策略能够避免算法陷入局部最优，提高解的多样性，同时，为防止丢失最优解，精英保留策略在引力空间中保留父代的优良个体直接进入子代进行迭代计算；可行解数量的增大使适应度相似的解的密集程度提高，引入拥挤度优选策略在保证求解多样性的前提下提高了计算效率。具有方法科学合理，计算快速、准确，适应性强等优点。

主权项

1.一种基于混合引力智能搜索的分布式电源并网优化方法，其特征是，它包括以下步骤：1)分布式电源多目标优化数学模型的建立分布式电源接入配电网后能够对网络损耗产生影响，考虑网损效应建立指标函数：f1＝PL＝PL_DG+PL_i  (1)式中，PL为系统总网损；PL_DG为分布式电源并网所造成的网损，其大小与分布式电源并网位置及容量有关；PL_i为分布式电源未并网的初始网损，若分布式电源并网后会导致节点电压改变，相应初始网损也会变化，该指标函数期望为min(P)，即希望分布式电源并网所造成的损耗最小；随着分布式电源在电网中的比例增大，其经济成本亦逐渐提高，针对该问题建立指标函数：式中，Btotal为分布式电源总经济成本；X为投资类型，包括分布式电源安装成本、运行与维护成本和燃料费用，该指标函数期望为min(B)；风、光分布式电源属于清洁能源，其发电过程中不会排放污染物，但是燃料电池和微型燃气轮机电源会在发电过程中排放一氧化碳、二氧化碳、二氧化硫、氮氧化物和PM10物质，从而污染环境，考虑环境效应建立指标函数：式中，为配电网节点个数，NDG为排放式分布式电源类型数量，M为污染物类型数量；SDG(ij)为第j类分布式电源在节点i所发出的功率，βj为该类电源排放污染物的折算系数，Ejk为第k类污染物的排放率，λk为该类污染物权重系数。燃料电池、微型燃气轮机发电效率较低且易破坏环境，通过合理配置其容量以降低污染排放指标；系统电压是影响分布式电源并网技术水平的重要因素之一，电压偏差会对系统造成较大影响，针对该问题建立指标函数：式中，Ui为节点i电压标幺值，不考虑电压越限的情况下，平均电压取值越高，系统越稳定；2)基于混合引力智能搜索的分布式电源并网优化为改善万有引力搜索算法在分布式电源并网问题中的优化能力，在计算过程中引入了全局记忆性策略、精英保留策略以及拥挤度优选策略；在引力搜索算法中，每次迭代粒子都会更新速度和位置，但粒子只考虑到当前位置影响，导致优化结果不理想，因此，引入粒子群算法的全局记忆功能对引力搜索算法速度更新方法进行改进，以防寻优出现振荡；式中，ω为惯性权重序列；t为当前迭代次数；d为搜索空间维度；为粒子i在第t次迭代d维的速度，为粒子i在第t次迭代d维的位置；为全局最优值，对应所考察的指标最优结果，随着t的改变对历代全局最优值进行比较，基于精英保留策略得到适应度最优的值，进而赋予下一代粒子群；rand_i及rand_j为随机数，取值范围为[0,1]，基于拥挤度优选策略随机减小粒子属性相似性，以提高分布式电源并网方案的多样性；式中，为粒子i在第t次迭代d维的加速度，为粒子i在第t次迭代d维所受的引力，M_i(t)为粒子i在第t次迭代的惯性质量；为粒子ij之间的引力，R_ij(t)为粒子ij之间的欧式距离；G₀为万有引力常数，初值设置为1；ε为常量，防止粒子过于拥挤或重合所导致的欧式距离为0，从而避免陷入局部寻优；粒子的惯性质量M与适应度相关，惯性质量越大表示粒子越靠近最优值，对于分布式电源并网优化问题，其适应度函数为：fitnessi(X)＝[f1(X),f2(X),f3(X)Kfi(X)]  (7)式中，fitnessi(t)为粒子i在第t次迭代的适应度值；X为控制变量矩阵；best(t)表示为适应度函数的最小值，worst(t)表示为适应度函数的最大值；mi(t)为引力粒子个体质量，用于计算第t代各粒子适应度函数的归一化结果；该粒子的惯性质量Mi(t)表示其适应度值在粒子群总适应度中的比重，通过对Mi(t)排序，得到当代适应度最优的粒子；num为粒子总数目；根据公式(8)计算惯性质量及相应适应度，可对基于混合引力智能搜索的分布式电源并网优化方案进行分析验证。