论文部分内容阅读
随着世界经济水平的不断提高与能源结构进一步的优化,风能、光伏能源等分布式可再生能源的使用比例将大幅提高,而用于控制这些微型能源的微电网将大有所为;同时,随着电动汽车的技术革新与成本降低,未来将有大量电动汽车接入电力系统,其中包括接入微电网。含电动汽车微电网调度属于多目标、多变量、多约束条件、强非线性优化问题,一直没有得到很好的解决。因此,含电动汽车的微电网调度将成为电力系统一项重要的研究课题。本文在分析各微源及电动汽车数学模型的基础上,提出一种基于动态模糊混沌粒子群的多目标优化算法,对含电动汽车的微电网调度进行研究。首先,分别探讨风力发电系统、光伏发电系统、微型燃气轮机、燃料电池等微源及储能元件蓄电池的基本原理及数学模型。其次,针对标准粒子群算法遍历性差,早熟等缺点,在粒子群初始化时,引入一种结合Chebyshev映射与Logistic映射的混沌映射;在粒子更新过程中,引入Logistic映射,增加粒子寻优的遍历性,加强算法全局优化能力;针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略,提出一种改善混沌映射粒子群算法(CMPSO)。并分别使用标准粒子群算法(PSO)、混沌粒子群算法(CPSO)、改善混沌映射粒子群算法(CMPSO)对Ackley’s function、Beale’s function、Goldstein-Price function、Bukin function N.6四个测试函数进行优化,结果表明了改善混沌映射粒子群算法(CMPSO)的优越性。再次,结合加权多目标决策方法和模糊隶属度多目标决策方法,提出动态模糊多目标决策方法,该方法利用动态目标函数与模糊理论解决多目标主观权值的缺陷,针对传统多目标粒子群算法求解时容易陷入局部最优等问题,结合改善混沌映射粒子群算法(CMPSO),提出一种基于动态模糊混沌粒子群算法(FCPSO)的微电网多目标优化调度方法。建立以运行维护成本、环境污染物成本为目标的微电网多目标调度模型。仿真结果证明了算法具有更高的收敛效率和更好的收敛效果。最后,基于人类驾驶汽车行为模式对电动汽车充放电规律进行研究,得出无序模式下,纯电动汽车(BEVs)日行驶里程L,进而推算充电时刻、充电数学模型及放电数学模型。建立以运行维护成本、环境污染物成本为目标的含电动汽车微电网多目标调度模型。分别用标准粒子群算法(PSO)、混沌粒子群算法(CPSO)、动态模糊混沌粒子群算法(FCPSO)对其进行求解。仿真结果表明算法的优化及加入电动汽车参与微电网调度均可以节约一定成本。