论文部分内容阅读
日益严峻的能源匮乏和环境污染问题指引电力的发展走向智能电网之路,微电网作为连接传统电力系统和智能电网的桥梁,具有重要的研究意义。由于微电网中存在多种分布式电源,如何采用合理的调度策略,使得微电网在正常运行的前提下,减少其运行成本及污染气体的排放,以保证其经济环保运行,微电网的优化调度问题俨然已成为微电网的研究热点。实际上微电网的优化调度是一个复杂的多目标优化问题,具有明显的多约束和非线性特点。若仅考虑运行成本或环境效益一个目标,则优化结果具有片面性,不能发挥出微电网的实际作用,而当前运用较为频繁的智能优化算法在解决此类问题时存在过早收敛于局部最优解的现象。因此,本文将探索使用新的方法,针对微电网的多目标优化问题进行求解。本文首先建立了各种分布式电源的出力及能耗模型,并结合微电网运行的约束条件,建立以经济成本和环境污染度为目标函数的多目标优化模型。同时提出储能电池的两种运行策略:削峰填谷和基于剩余容量的动态规划运行策略。然后,针对常规智能算法不能有效处理此类多目标优化模型的现象,引进一种新的生物启发式算法:鸟群算法(Bird Swarm Algorithm,BSA)。该算法模仿鸟群觅食、警觉、迁移的习性,生成对应的更新策略,克服了种群多样性不足导致易早熟的缺陷,通过分别对几个典型的单目标和多目标函数的寻优结果分析,验证了该算法的有效性。同时,介绍了一种从Pareto解集中筛选最优折中解的方法:最短归一化距离法。最后,以一个微电网算例对本文所提模型进行仿真测试,用BSA进行求解,并与当前常用的智能优化算法——粒子群算法(PSO)和微分进化算法(DE)进行对比。算例结果表明,在不影响运算时间的基础上,BSA较于两者具有更高的收敛精度和解集质量。此外,对储能电池的两种运行策略对比分析表明,动态规划策略比削峰填谷策略具有更好的经济和环保价值。