基于变异粒子群算法的微电网多目标优化调度研究.pdfVIP

总第235期现代工业经济和信息化Total235

2024年第1期ModernIndustrialEconomyandInformationizationNo.1,2024

技术创新D0I:10.16525/ki.14-1362/n.2024.01.038

基于变异粒子群算法的微电网多目标优化调度研究

史麦瑞，宋嘉霖，王晨宇，隋雨伯，张天阳

（辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125000）

摘要：微电网调度通常是一个多约束、非线性的优化问题，粒子群算法(PSO)用于微电网多目标优化调度容易陷

入局部最优解。对传统粒子群算法引入变异操作进行改进，建立了包含光伏发电（PV）、风力发电机（WT）燃气轮机

(MT)、储能装置（ES)以及柴油发电机(DE)的并网优化调度模型，用改进后的算法建立微电网模型，并进行仿真求

解，分时段验证了优化后的PSO算法应用于微网优化调度模型的可行性与优越性。

关键词：改进的粒子群算法；优化调度；微电网

中图分类号：TM73文献标识码：A

0引言Soc(t)=Soc(t-1)-Pes(t):nc.(5)

微电网多目标优化调度是指满足各种约束条件式中：Soc为蓄电池剩余电量;Pes为蓄电池功率，放电

下，以运行成本最小和环境保护成本最小为目标函时为正值，充电时为负值;ncvmp分别为示蓄电池充、

数，合理安排不同的电源出力，从而降低运行成本与放电的效率。

污染物排放，使微电网拥有更高的可靠性与发电效1.5柴油发电机模型

率，实现不同目标函数的优化。Com=a+bPpe+cP.(6)

DE

1微电网中各电源数学模型式中：Cpe为柴油发电机发电成本;Ppe为柴油发电机

微电网结构一般包括光伏阵列(PV）、风力发电的输出功率；a、b和c分别为发电机的发电成本系数。

机（WT)、燃气轮机（MT）、储能装置(ES)和柴油发电2徐

微电网优化调度模型

机(DE)等[2]。2.1目标函数

1.1风力发电机模型2.1.1微电网的运行成本

[0,vV或v≥VcT

Pwr=P(av3-b),Va≤vV..(1)fi=Z(Crv+Cm+Cpe+Cw+Cs+Ce).(7)

t=1

IPr,VVco式中：f为总成本，即各电源运维成本之和。

式中：Pwr为风力发电机功率;Vc、V和V.分别为切2.1.2

微电网的环境保护成本

人、切出风速以及额定风速；P，为额定输出共功率；系

1

数abt=1

V-vf2(8)

n

1.2光伏阵列模型