提问

基于改进遗传退火算法的微电网运行优化研究

学术会议  / 交流  / 倒序浏览   © 著作权归作者本人所有

#楼主# 3 天前

跳转到指定楼层
    伴随着经济的发展与社会的进步,各个国家对于电能的需求也越发的紧张,电网规模不断扩大。超大规模的用电系统也导致了用电成本高、运行难度大、难以满足多样化满足用户等问题。考虑到未来能源问题、电网建设成本问题以及提高电力系统的可靠性,分布式电源配合电网是未来发展的主要趋势。

    随着分布式能源、储能装置和直流负荷的逐步渗透并与现有交流电力系统建立深度结合,可以最大程度地满足能源就地消纳、负荷需求响应等个性化需要,使电网规划设计更具灵活性,因此推动微电网技术的广泛应用均具有十分重要的意义。为了进一步提高微电网系统的经济效益和环境效益,科学扩展储能系统的使用范围,在汉斯出版社《电力与能源进展》期刊中,有论文研究基于电价及环境费用机制下微电网成本最低优化运行问题。

    随着微电网技术的不断推广应用,如何妥善管理微电网内部分布式电源和储能的运行,实现微电网经济、技术、环境效益的最大化成为重要的研究课题。有文献使用遗传算法对微电网进行优化调度,通过给适应度函数设置权重系数将多目标函数转换为单一目标函数,并结合具体算法达到了经济运行的目的;有文献为了使得可再生能源在系统内能充分消纳,构建风能、光伏、燃气轮机以及储能系统在内的微电网模型,通过改变编码方式以及添加随机个体对遗传算法进行改进,算例结果表明了改进算法的有效性;有文献为提高能源利用效率,降低微网运行费用,采用了源荷互动方式对负荷曲线进行优化,且将需求侧分级处理,最后使用基于模拟退火算法的遗传算法对模型进行求解。

    遗传算法的群体搜索策略和遗传算子使得它拥有强大的全局寻优能力、应用的鲁棒性,是一种可规模化的求解方法。但是大量的实践和研究表明,遗传算法的局部寻优能力存在不足,且存在早熟的问题。遗传退火属于将遗传算法和模拟退火结合的混合算法,即加强了遗传算法的局部搜索能力,充分发挥两种算法的优势。一般退火过程中由于退温系数取常数,导致了算法退温时间较长,算法计算速度偏慢。

    该文首先构建了综合运行成本为目标的一般数学模型,并采用GA和SA两种经典算法以及改进后的GSAA对模型进行求解,得到了各个子系统在各个时刻的出力以及微电网的综合运行费用,通过对并网模式和孤岛模式两个微电网算例结果进行分析表明:使用改进后的算法对模型求解得到的运行成本费用低于使用GA和SA的优化结果,收敛速度也比经典算法更快。

回复

使用道具

成为第一个回答人

B Color Link Quote Code Smilies
Powered by Discuz! X3.3  © 2001-2017 Comsenz Inc.
返回顶部