基于佳点集量子粒子群算法的微网优化方法.pdf

上传人:狗** 文档编号:6202442 上传时间:2019-05-20 格式:PDF 页数:14 大小:790.85KB
返回 下载 相关 举报
摘要
申请专利号:

CN201610382257.7

申请日:

2016.05.31

公开号:

CN105958482A

公开日:

2016.09.21

当前法律状态:

撤回

有效性:

无权

法律详情:

发明专利申请公布后的视为撤回IPC(主分类):H02J 3/00申请公布日:20160921|||实质审查的生效IPC(主分类):H02J 3/00申请日:20160531|||公开

IPC分类号:

H02J3/00; H02J3/38; G06F17/50; G06Q10/06(2012.01)I; G06Q50/06(2012.01)I; G06N3/00

主分类号:

H02J3/00

申请人:

天津天大求实电力新技术股份有限公司; 国网天津市电力公司; 国家电网公司

发明人:

申刚; 张岩; 尚德华; 杨毅; 张源超; 庄剑; 于建成; 项添春; 王旭东; 丁一; 戚艳

地址:

300384 天津市南开区华苑产业园区海泰发展六道6号海泰绿色产业基地J-408

优先权:

专利代理机构:

天津市北洋有限责任专利代理事务所 12201

代理人:

杜文茹

PDF下载: PDF下载
内容摘要

一种基于佳点集量子粒子群算法的微网优化方法,包括:建立微网多目标优化模型,包括微网多目标优化的目标函数公式和约束条件公式;使用佳点集改进量子粒子群算法;使用佳点集量子粒子群算法对微网多目标优化模型求解。本发明根据最大负荷确定微型燃气轮机的容量,再优化间歇式分布式电源以及储能系统的容量。求解过程中采用佳点集量子粒子群算法,保证了优化结果同时具有良好的选择性和指导性。内置的基于滤波的调度策略能充分发挥微型燃气轮机和储能系统的特性,不但拥有频谱分析法的优势,还具有更好的实时性,能够计算得到微网中分布式电源、储能和微型燃气轮机的位置与容量,实现孤立微网中经济性和污染物排放的整体优化。

权利要求书

1.一种基于佳点集量子粒子群算法的微网优化方法,其特征在于,如下步骤:
1)建立微网多目标优化模型,包括微网多目标优化的目标函数公式和约束条件公式,
其中,所述的微网多目标优化的目标函数公式包括:
(1)经济性目标公式:
min Cs=∑Ci (1)

Ci,j=Ci,j,Cap+Ci,j,Rep+Ci,j,OM+Ci,j,Sal (3)
式中,Cs为微网系统全寿命周期n年的净现值,Ci为微网第i个元件的净现值,Ci,j为第i
个元件在第j年的现金流,所述的元件包括风力发电机、光伏、储能和微型燃气轮机;Ci,j,Cap
为初建成本,Ci,j,Rep为更新成本,Ci,j,OM为运行维护成本,Ci,j,Sal为残值;
(2)污染物排放目标公式:

式中,VCO2为年CO2排放体积,VGas为年天然气耗量,σ为天然气排放系数,即单位体积的天
然气燃烧产生的二氧化碳量;
所述的微网多目标优化的约束条件公式,包括:
(3)孤立微网运行的等式约束有:电功率平衡约束公式,
PLoad=∑PPV,i+∑PWT,i+∑PMT,i+PES (10)
和储能充放电量平衡约束公式
Echarge=Edischarge (11)
储能充放电量平衡约束公式是指在一个评估时间段内,储能充放电量要保证相等以便
储能的循环利用;
式中PLoad、∑PPV,i、∑PWT,i、∑PMT,i、PES分别对应为微网中总负荷功率、总光伏功率、总风
机功率、总微型燃气轮机功率以及储能功率;
(4)不等式约束公式,包括有:分布式电源约束公式、储能设备的配置数目约束公式、储
能的寿命约束公式和储能的荷电状态约束公式,其中,
所述分布式电源约束公式:
0<NDG<NDG,max (12)
所述储能设备的配置数目约束公式:
0<NES<NES,max (13)
所述的储能寿命约束公式:
LBat>LLimit (14)
所述的储能的荷电状态约束公式:
Smin<S<Smax (15)
式中,NDG,max和NES,max为对给定容量的分布式电源和储能所预设的最大配置数目,NDG和
NES分别为对给定容量的分布式电源和储能所预设的实际数目,LLimit和LBat分别为预期的储
能运行寿命实际值和最小值,S为储能的荷电状态,Smin和Smax分别为储能的荷电状态的最小
和最大值。
2)使用佳点集改进量子粒子群算法,包括:
(1)更新量子位幅角增量
更新后的量子位幅角增量公式如下:
θij(t+1)=θij(t)+△θij(t+1) (18)
△θij(t+1)=w△θij(t)+c1r1(△θ1)+c2r2(△θg) (19)
其中:c1和c2分别为个体和全局的学习因子,r1和r2为区间[0,1]内的随机数,w为混沌时
间序列数映射到[0.1,0.9]区间上的数值,θij为量子比特的相位,Δθ1为当前个体与个体之
间的角度差,Δθg为当前个体与全局最优之间的角度差,Δθ1与Δθg的公式如下


式中,θilj为当前代数最优量子比特的相位,θgj为全局最优量子比特的相位。
(2)佳点集交叉操作
选取两个粒子θi和θj作为父代,设θi=θi1,θi2,…,θis,θj=θj1,θj2,…,θjs,θi和θj共同确
定了一个有界闭区间

ak、bk分别为父代两个粒子最小和最大值组合,s为父代粒子个数D是R上的超长方体,即

式中,U([a,b])为子代个体的距离空间,父代个体通过佳点集交叉产生子代个体,子
代个体通过切割父代个体确定的超长方体获得新的基因片段,然后重组产生;
(3)变异操作
使用量子非门实现变异操作,过程如下:

令变异概率为pm,每个粒子在0~1之间设定一个随机数Nmdi,若Nmdi<pm,则用量子非门兑
换两个概率幅,该粒子的自身最优位置和转向角仍保持不变,Nmdi≥pm,则不进行变异操作;
3)使用佳点集量子粒子群算法对微网多目标优化模型求解,包括:
(1)初始化佳点集量子粒子群算法的有关参数,包括种群规模、变量个数、迭代次数、解
空间范围;
(2)对量子位幅角进行初始化,生成光伏容量、风力发电机容量、储能容量和微型燃气
轮机容量的值;
(3)将每个粒子带入微网多目标优化模型的目标函数,计算得到微网全寿命周期成本
和污染物排放量状态变量值;
(4)对每个粒子的初始位置进行评价,计算出每个粒子位置的适应值,若粒子目前的位
置优于自身记忆的最优位置,则用目前位置替换;若目前全局最优位置优于到目前为止所
搜索到的最优位置,则用全局最优位置替换;
(5)根据步骤2)第(2)步中更新后的量子位幅角增量公式更新粒子位置;
(6)对粒子进行交叉变异操作;
(7)判断是否达到最大代数,如果达到,则计算结束,否则将第(6)步进行交叉变异操作
得到的粒子重新进行第(3)~第(7)步的操作。
2.根据权利要求1所述的基于佳点集量子粒子群算法的微网优化方法,其特征在于,步
骤1)第(1)步中所述的初建成本Ci,j,Cap、更新成本Ci,j,Rep、运行维护成本Ci,j,OM和残值Ci,j,Sal
构成元件的现金流,其中,
初建成本Ci,j,Cap:

式中,CESS为储能初建成本单价,单位为元/kWh;为储能系统容量;
更新成本Ci,j,Rep:

式中,RESS为储能更新成本单价,单位为元/kWh,k为规划期n年内,寿命为LESS年的储能
设备共经历更新的次,表示为:
k=n/LESS (6)
运行维护成本Ci,j,OM:

式中,OMESS为运行维护成本单价,单位为元/kWh;
残值Ci,j,Sal:

3.根据权利要求1所述的基于佳点集量子粒子群算法的微网优化方法,其特征在于,步
骤1)第(1)步中所述的微型燃气轮机的运行维护成本是指燃料费用,由微型燃气轮机的出
力、单位kWh出力的天然气耗量和天然气价格计算得到。
4.根据权利要求1所述的基于佳点集量子粒子群算法的微网优化方法,其特征在于,步
骤1)第(3)步中当风机、光伏配置数目量使得总有功功率超过负荷功率时,由于微型燃气轮
机只能放电,储能长期处于充电状态,造成电功率平衡约束公式和储能充放电量平衡约束
公式不能同时满足,而第(4)步储能寿命约束公式中的储能寿命是仿真计算的结果,难以预
先控制,对于这两种情况,将在求解过程中进行惩罚,定义指示变量P(X),当式电功率平衡
约束公式、储能充放电量平衡约束公式和储能寿命约束公式同时成立时,P(X)=1;否则P
(X)=0,需要接受惩罚,考虑惩罚后的目标函数为:


说明书

基于佳点集量子粒子群算法的微网优化方法

技术领域

本发明涉及一种微网规划方法。特别是涉及一种用于含分布式电源、储能和微型
燃气轮机孤立微网的基于佳点集量子粒子群算法的微网优化方法。

背景技术

微网是指由分布式电源、负荷、储能装置、控制系统等组成的一个小型配电系统,
可分为并网型和孤立型。孤立型微网只能依靠本地的可再生能源或其他分布式发电单元,
辅以相应的储能单元来对本地负荷进行供电。由于孤立型微网不能从外界获取电能,对于
孤立微网的规划设计主要是选择合适的优化目标,设计合理的能量调度策略,来实现不可
控分布式电源(包括光伏、风机等),可控分布式电源(包括微型燃气轮机、柴油发电机等)和
储能设备的功率、容量的最优配置[2]。优化目标的选择和能量调度策略决定了微网的容量
需求,是微网规划设计中的两个核心问题。

在优化目标选择上,可分为单目标优化和多目标优化。单目标优化中最常见的优
化指标为经济角度的微网年供能成本最低或年现金流最小,以美国国家可再生能源实验室
(National Renewable Energy Laboratory,NERL)开发的混合发电系统优化设计软件
HOMER和美国电力可靠性技术协会(Consortium for Electric Reliability Technology
Solutions,CERTS)资助开发的DER-CAM软件为代表。由于单一优化目标难以全面优化微网
的各方面特性,许多学者提出了多目标优化规划方法,以经济性为核心,兼顾环保性、供电
可靠性、可再生能源利用率等方面进行优化。多目标优化方法有粒子群算法、差分算法、遗
传算法等,但以上算法都存在收敛速度较慢、容易陷入局部最优等问题。量子粒子群算法
(QPSO)是受量子力学的启发,将量子进化算法(QEA)融合到粒子群优化(PSO)算法中,该算
法的模型认为粒子具有量子行为,并以DELTA势阱为基础。QPSO虽然对PSO进行了改进,但其
依赖于对初始参数的选择,容易陷入局部最优,导致早熟收敛。

发明内容

本发明所要解决的技术问题是,提供一种基于佳点集量子粒子群算法的微网优化
方法,能够计算得到微网中分布式电源、储能和微型燃气轮机的位置与容量,实现孤立微网
中经济性和污染物排放的整体优化。

本发明所采用的技术方案是:一种基于佳点集量子粒子群算法的微网优化方法,
包括如下步骤:

1)建立微网多目标优化模型,包括微网多目标优化的目标函数公式和约束条件公
式,其中,所述的微网多目标优化的目标函数公式包括:

(1)经济性目标公式:

min Cs=∑Ci (1)

<mrow> <msub> <mi>C</mi> <mi>i</mi> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>C</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

Ci,j=Ci,j,Cap+Ci,j,Rep+Ci,j,OM+Ci,j,Sal (3)

式中,Cs为微网系统全寿命周期n年的净现值,Ci为微网第i个元件的净现值,Ci,j为
第i个元件在第j年的现金流,所述的元件包括风力发电机、光伏、储能和微型燃气轮机;
Ci,j,Cap为初建成本,Ci,j,Rep为更新成本,Ci,j,OM为运行维护成本,Ci,j,Sal为残值;

(2)污染物排放目标公式:

<mrow> <mi>min</mi> <mi> </mi> <msub> <mi>V</mi> <mrow> <msub> <mi>CO</mi> <mn>2</mn> </msub> </mrow> </msub> <mo>=</mo> <msub> <mi>V</mi> <mrow> <mi>G</mi> <mi>a</mi> <mi>s</mi> </mrow> </msub> <mi>&sigma;</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>

式中,VCO2为年CO2排放体积,VGas为年天然气耗量,σ为天然气排放系数,即单位体
积的天然气燃烧产生的二氧化碳量;

所述的微网多目标优化的约束条件公式,包括:

(3)孤立微网运行的等式约束有:电功率平衡约束公式,

PLoad=∑PPV,i+∑PWT,i+∑PMT,i+PES (10)

和储能充放电量平衡约束公式

Echarge=Edischarge (11)

储能充放电量平衡约束公式是指在一个评估时间段内,储能充放电量要保证相等
以便储能的循环利用;

式中PLoad、∑PPV,i、∑PWT,i、∑PMT,i、PES分别对应为微网中总负荷功率、总光伏功率、
总风机功率、总微型燃气轮机功率以及储能功率;

(4)不等式约束公式,包括有:分布式电源约束公式、储能设备的配置数目约束公
式、储能的寿命约束公式和储能的荷电状态约束公式,其中,

所述分布式电源约束公式:

0<NDG<NDG,max (12)

所述储能设备的配置数目约束公式:

0<NES<NES,max (13)

所述的储能寿命约束公式:

LBat>LLimit (14)

所述的储能的荷电状态约束公式:

Smin<S<Smax (15)

式中,NDG,max和NES,max为对给定容量的分布式电源和储能所预设的最大配置数目,
NDG和NES分别为对给定容量的分布式电源和储能所预设的实际数目,LLimit和LBat分别为预期
的储能运行寿命实际值和最小值,S为储能的荷电状态,Smin和Smax分别为储能的荷电状态的
最小和最大值。

2)使用佳点集改进量子粒子群算法,包括:

(1)更新量子位幅角增量

更新后的量子位幅角增量公式如下:

θij(t+1)=θij(t)+Δθij(t+1) (18)

Δθij(t+1)=wΔθij(t)+c1r1(Δθ1)+c2r2(Δθg) (19)

其中:c1和c2分别为个体和全局的学习因子,r1和r2为区间[0,1]内的随机数,w为
混沌时间序列数映射到[0.1,0.9]区间上的数值,θij为量子比特的相位,Δθ1为当前个体与
个体之间的角度差,Δθg为当前个体与全局最优之间的角度差,Δθ1与Δθg的公式如下

<mrow> <msub> <mi>&Delta;&theta;</mi> <mn>1</mn> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>2</mn> <mi>&pi;</mi> <mo>+</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&lt;</mo> <mo>-</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <mo>-</mo> <mi>&pi;</mi> <mo>&le;</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&le;</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <mn>2</mn> <mi>&pi;</mi> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&gt;</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>20</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>&Delta;&theta;</mi> <mi>g</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>2</mn> <mi>&pi;</mi> <mo>+</mo> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&lt;</mo> <mo>-</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <mo>-</mo> <mi>&pi;</mi> <mo>&le;</mo> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&le;</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <mn>2</mn> <mi>&pi;</mi> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&gt;</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>21</mn> <mo>)</mo> </mrow> </mrow>

式中,θilj为当前代数最优量子比特的相位,θgj为全局最优量子比特的相位。

(2)佳点集交叉操作

选取两个粒子θi和θj作为父代,设θi=θi1,θi2,…,θis,θj=θj1,θj2,…,θjs,θi和θj共
同确定了一个有界闭区间

<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>a</mi> <mi>k</mi> </msub> <mo>=</mo> <mi>min</mi> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>k</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>&theta;</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>b</mi> <mi>k</mi> </msub> <mo>=</mo> <mi>max</mi> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>k</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>&theta;</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>s</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>22</mn> <mo>)</mo> </mrow> </mrow>

ak、bk分别为父代两个粒子最小和最大值组合,s为父代粒子个数D是R上的超长方
体,即

<mrow> <mi>U</mi> <mrow> <mo>(</mo> <mo>&lsqb;</mo> <mi>a</mi> <mo>,</mo> <mi>b</mi> <mo>&rsqb;</mo> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Pi;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>s</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>b</mi> <mi>k</mi> </msub> <mo>-</mo> <msub> <mi>a</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>23</mn> <mo>)</mo> </mrow> </mrow>

式中,U([a,b])为子代个体的距离空间,父代个体通过佳点集交叉产生子代个体,
子代个体通过切割父代个体确定的超长方体获得新的基因片段,然后重组产生;

(3)变异操作

使用量子非门实现变异操作,过程如下:

<mrow> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> </mtable> </mfenced> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mi>c</mi> <mi>o</mi> <mi>s</mi> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>sin&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mi>s</mi> <mi>i</mi> <mi>n</mi> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>cos&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>24</mn> <mo>)</mo> </mrow> </mrow>

令变异概率为pm,每个粒子在0~1之间设定一个随机数Nmdi,若Nmdi<pm,则用量子非
门兑换两个概率幅,该粒子的自身最优位置和转向角仍保持不变,Nmdi≥pm,则不进行变异
操作;

3)使用佳点集量子粒子群算法对微网多目标优化模型求解,包括:

(1)初始化佳点集量子粒子群算法的有关参数,包括种群规模、变量个数、迭代次
数、解空间范围;

(2)对量子位幅角进行初始化,生成光伏容量、风力发电机容量、储能容量和微型
燃气轮机容量的值;

(3)将每个粒子带入微网多目标优化模型的目标函数,计算得到微网全寿命周期
成本和污染物排放量状态变量值;

(4)对每个粒子的初始位置进行评价,计算出每个粒子位置的适应值,若粒子目前
的位置优于自身记忆的最优位置,则用目前位置替换;若目前全局最优位置优于到目前为
止所搜索到的最优位置,则用全局最优位置替换;

(5)根据步骤2)第(2)步中更新后的量子位幅角增量公式更新粒子位置;

(6)对粒子进行交叉变异操作;

(7)判断是否达到最大代数,如果达到,则计算结束,否则将第(6)步进行交叉变异
操作得到的粒子重新进行第(3)~第(7)步的操作。

本发明的基于佳点集量子粒子群算法的微网优化方法,建立了经济性最优和污染
物排放最少为优化目标的多目标优化模型。该模型根据最大负荷确定微型燃气轮机的容
量,再优化间歇式分布式电源以及储能系统的容量。求解过程中采用佳点集量子粒子群算
法,保证了优化结果同时具有良好的选择性和指导性。内置的基于滤波的调度策略能充分
发挥微型燃气轮机和储能系统的特性,不但拥有频谱分析法的优势,还具有更好的实时性。
本发明能够计算得到微网中分布式电源、储能和微型燃气轮机的位置与容量,实现孤立微
网中经济性和污染物排放的整体优化。

具体实施方式

下面结合实施例对本发明的基于佳点集量子粒子群算法的微网优化方法做出详
细说明。

本发明的基于佳点集量子粒子群算法的微网优化方法,其特征在于,如下步骤:

1)建立微网多目标优化模型,包括微网多目标优化的目标函数公式和约束条件公
式,其中,所述的微网多目标优化的目标函数公式包括:

(1)经济性目标公式:

min Cs=∑Ci (1)

<mrow> <msub> <mi>C</mi> <mi>i</mi> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>C</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

Ci,j=Ci,j,Cap+Ci,j,Rep+Ci,j,OM+Ci,j,Sal (3)

式中,Cs为微网系统全寿命周期n年的净现值,Ci为微网第i个元件的净现值,Ci,j为
第i个元件在第j年的现金流,所述的元件包括风力发电机、光伏、储能和微型燃气轮机;
Ci,j,Cap为初建成本,Ci,j,Rep为更新成本,Ci,j,OM为运行维护成本,Ci,j,Sal为残值;所述的初建
成本Ci,j,Cap、更新成本Ci,j,Rep、运行维护成本Ci,j,OM和残值Ci,j,Sal构成元件的现金流,其中,

初建成本Ci,j,Cap:

<mrow> <msub> <mi>C</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>C</mi> <mi>a</mi> <mi>p</mi> </mrow> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mo>*</mo> <msubsup> <mi>E</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> <mi>R</mi> </msubsup> </mrow> </mtd> <mtd> <mrow> <mi>j</mi> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>n</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>

式中,CESS为储能初建成本单价,单位为元/kWh;为储能系统容量;

更新成本Ci,j,Rep:

<mrow> <msub> <mi>C</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>Re</mi> <mi>p</mi> </mrow> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>R</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mo>*</mo> <msubsup> <mi>E</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> <mi>R</mi> </msubsup> </mrow> </mtd> <mtd> <mrow> <mi>j</mi> <mo>=</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>L</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>j</mi> <mo>&NotEqual;</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>L</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>

式中,RESS为储能更新成本单价,单位为元/kWh,k为规划期n年内,寿命为LESS年的
储能设备共经历更新的次,表示为:

k=n/LESS (6)

运行维护成本Ci,j,OM:

<mrow> <msub> <mi>C</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>O</mi> <mi>M</mi> </mrow> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>OM</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mo>*</mo> <msubsup> <mi>E</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> <mi>R</mi> </msubsup> </mrow> </mtd> <mtd> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>n</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>j</mi> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>

式中,OMESS为运行维护成本单价,单位为元/kWh;

残值Ci,j,Sal:

<mrow> <msub> <mi>C</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>S</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mo>-</mo> <msub> <mi>R</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mo>*</mo> <msubsup> <mi>E</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> <mi>R</mi> </msubsup> <mo>*</mo> <mfrac> <mrow> <msub> <mi>kL</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mo>-</mo> <mi>n</mi> </mrow> <msub> <mi>L</mi> <mrow> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> </mfrac> </mrow> </mtd> <mtd> <mrow> <mi>j</mi> <mo>=</mo> <mi>n</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>j</mi> <mo>&NotEqual;</mo> <mi>n</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>

所述的微型燃气轮机的运行维护成本是指燃料费用,由微型燃气轮机的出力、单
位kWh出力的天然气耗量和天然气价格计算得到。

由于微网的使用年份较长,以年供能成本(将初次建设成本和更新成本均分到设
备寿命期的每年内)为经济性优化目标无法反映资金的时间价值。因此以微网全寿命周期
成本现值最小为优化目标更全面。

(2)污染物排放目标公式:

对于采用微型燃气轮机的微网系统,污染物主要为CO2、SO2,氮氧化物等,由于各种
污染物的排放量均与天然气耗量成正比,因此可仅选择CO2排放量最小为优化目标

<mrow> <mi>min</mi> <mi> </mi> <msub> <mi>V</mi> <mrow> <msub> <mi>CO</mi> <mn>2</mn> </msub> </mrow> </msub> <mo>=</mo> <msub> <mi>V</mi> <mrow> <mi>G</mi> <mi>a</mi> <mi>s</mi> </mrow> </msub> <mi>&sigma;</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>

式中,VCO2为年CO2排放体积,VGas为年天然气耗量,σ为天然气排放系数,即单位体
积的天然气燃烧产生的二氧化碳量;

需要指出,污染物排放量与天然气耗量成正比,进而与微型燃气轮机出力成正比。
而在微网电负荷一定的情况下,微型燃气轮机出力越少,则可再生能源发电量越高,可再生
能源利用率(可再生能源年发电总量与年负荷总量之比)越高。污染物排放和可再生能源利
用率二者直接相关。因此以污染物排放为优化目标,相当于同时优化了可再生能源利用率。

所述的微网多目标优化的约束条件公式,包括:

(3)孤立微网运行的等式约束有:电功率平衡约束公式,

PLoad=∑PPV,i+∑PWT,i+∑PMT,i+PES (10)

和储能充放电量平衡约束公式

Echarge=Edischarge (11)

储能充放电量平衡约束公式是指在一个评估时间段内,储能充放电量要保证相等
以便储能的循环利用;

式中PLoad、∑PPV,i、∑PWT,i、∑PMT,i、PES分别对应为微网中总负荷功率、总光伏功率、
总风机功率、总微型燃气轮机功率以及储能功率。

(4)不等式约束公式,包括有:分布式电源约束公式、储能设备的配置数目约束公
式、储能的寿命约束公式和储能的荷电状态约束公式,其中,

所述分布式电源约束公式:

0<NDG<NDG,max (12)

所述储能设备的配置数目约束公式:

0<NES<NES,max (13)

所述的储能寿命约束公式:

LBat>LLimit (14)

所述的储能的荷电状态约束公式:

Smin<S<Smax (15)

式中,NDG,max和NES,max为对给定容量的分布式电源和储能所预设的最大配置数目,
LLimit为预期的储能运行寿命最小值,S为储能的荷电状态式中,NDG,max和NES,max为对给定容量
的分布式电源和储能所预设的最大配置数目,NDG和NES分别为对给定容量的分布式电源和
储能所预设的实际数目,LLimit和LBat分别为预期的储能运行寿命实际值和最小值,S为储能
的荷电状态,Smin和Smax分别为储能的荷电状态的最小和最大值。

当风机、光伏配置数目量使得总有功功率超过负荷功率时,由于微型燃气轮机只
能放电,储能长期处于充电状态,造成电功率平衡约束公式和储能充放电量平衡约束公式
不能同时满足,而第(4)步储能寿命约束公式中的储能寿命是仿真计算的结果,难以预先控
制,对于这两种情况,将在求解过程中进行惩罚,定义指示变量P(X),当式电功率平衡约束
公式、储能充放电量平衡约束公式和储能寿命约束公式同时成立时,P(X)=1;否则P(X)=
0,需要接受惩罚,考虑惩罚后的目标函数为:

<mrow> <mtable> <mtr> <mtd> <mi>min</mi> </mtd> <mtd> <mrow> <msub> <mi>C</mi> <mi>s</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mo>&Sigma;</mo> <msub> <mi>C</mi> <mi>i</mi> </msub> </mrow> </mtd> <mtd> <mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <msup> <mn>10</mn> <mn>10</mn> </msup> </mtd> <mtd> <mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>16</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <mtable> <mtr> <mtd> <mi>min</mi> </mtd> <mtd> <mrow> <msub> <mi>V</mi> <mrow> <msub> <mi>CO</mi> <mn>2</mn> </msub> </mrow> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>V</mi> <mrow> <mi>G</mi> <mi>a</mi> <mi>s</mi> </mrow> </msub> <mi>&sigma;</mi> </mrow> </mtd> <mtd> <mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <msup> <mn>10</mn> <mn>10</mn> </msup> </mtd> <mtd> <mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>17</mn> <mo>)</mo> </mrow> <mo>.</mo> </mrow>

储能设备的配置数目约束公式(7)和储能设备的配置数目约束公式(8)是优化变
量设置的边界条件,储能的荷电状态约束公式(10)是仿真计算的边界条件,一定能够满足。

2)使用佳点集改进量子粒子群算法,IQPSO运用佳点集构造初始化量子位置的初
始角度,提高量子初始位置的遍历性;在算法中引入佳点集交叉操作和变异算子增加了种
群的多样性,避免早熟收敛。具体包括:

(1)更新量子位幅角增量

更新后的量子位幅角增量公式如下:

θij(t+1)=θij(t)+Δθij(t+1) (18)

Δθij(t+1)=wΔθij(t)+c1r1(Δθ1)+c2r2(Δθg) (19)

其中:c1和c2分别为个体和全局的学习因子(或称加速因子),r1和r2为区间[0,1]
内的随机数,w为混沌时间序列数映射到[0.1,0.9]区间上的数值,θij为量子比特的相位,Δ
θ1为当前个体与个体之间的角度差,Δθg为当前个体与全局最优之间的角度差,Δθ1与Δθg
的公式如下

<mrow> <msub> <mi>&Delta;&theta;</mi> <mn>1</mn> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>2</mn> <mi>&pi;</mi> <mo>+</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&lt;</mo> <mo>-</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <mo>-</mo> <mi>&pi;</mi> <mo>&le;</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&le;</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <mn>2</mn> <mi>&pi;</mi> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>l</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&gt;</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>20</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>&Delta;&theta;</mi> <mi>g</mi> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>2</mn> <mi>&pi;</mi> <mo>+</mo> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&lt;</mo> <mo>-</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <mo>-</mo> <mi>&pi;</mi> <mo>&le;</mo> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&le;</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <mn>2</mn> <mi>&pi;</mi> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&gt;</mo> <mi>&pi;</mi> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>21</mn> <mo>)</mo> </mrow> </mrow>

式中,θilj为当前代数最优量子比特的相位,θgj为全局最优量子比特的相位。

(2)佳点集交叉操作

粒子群中如果一个粒子当前的位置,该粒子的当前最优值和粒子群的当前最优值
三者一致,该粒子会因为它以前的速度和惯性因子不为零而远离最佳位置导致算法不能收
敛;如果以前的速度非常接近零,粒子一旦赶上了粒子群的当前最佳粒子,种群多样性就慢
慢丧失,所有的粒子将会集聚到相同位置并停止移动,粒子群优化出现停滞状态,却仍没有
搜索到满意解。本发明引入佳点集交叉操作以避免搜索陷入局部最优。

选取两个粒子θi和θj作为父代,设θi=θi1,θi2,…,θis,θj=θj1,θj2,…,θjs,θi和θj共
同确定了一个有界闭区间

<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>a</mi> <mi>k</mi> </msub> <mo>=</mo> <mi>min</mi> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>k</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>&theta;</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>b</mi> <mi>k</mi> </msub> <mo>=</mo> <mi>max</mi> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>k</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>&theta;</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>s</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>22</mn> <mo>)</mo> </mrow> </mrow>

ak、bk分别为父代两个粒子最小和最大值组合,s为父代粒子个数D是R上的超长方
体;D是R上的超长方体,即

<mrow> <mi>U</mi> <mrow> <mo>(</mo> <mo>&lsqb;</mo> <mi>a</mi> <mo>,</mo> <mi>b</mi> <mo>&rsqb;</mo> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Pi;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>s</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>b</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>a</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>23</mn> <mo>)</mo> </mrow> </mrow>

式中,U([a,b])为子代个体的距离空间。父代个体通过佳点集交叉产生子代个体,
子代个体通过切割父代个体确定的超长方体获得新的基因片段,然后重组产生;

(3)变异操作

使用量子非门实现变异操作,过程如下:

<mrow> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> </mtable> </mfenced> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mi>c</mi> <mi>o</mi> <mi>s</mi> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>sin&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mi>s</mi> <mi>i</mi> <mi>n</mi> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>cos&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>24</mn> <mo>)</mo> </mrow> </mrow>

令变异概率为pm,每个粒子在0~1之间设定一个随机数Nmdi,若Nmdi<pm,则用量子非
门兑换两个概率幅,该粒子的自身最优位置和转向角仍保持不变,Nmdi≥pm,则不进行变异
操作;

3)使用佳点集量子粒子群算法对微网多目标优化模型求解,包括:

(1)初始化佳点集量子粒子群算法的有关参数,包括种群规模、变量个数、迭代次
数、解空间范围;

(2)应用佳点集理论对量子位幅角进行初始化,生成光伏容量、风力发电机容量、
储能容量和微型燃气轮机容量的值;

(3)将每个粒子带入微网多目标优化模型的目标函数,计算得到微网全寿命周期
成本和污染物排放量状态变量值;

(4)对每个粒子的初始位置进行评价,计算出每个粒子位置的适应值,若粒子目前
的位置优于自身记忆的最优位置,则用目前位置替换;若目前全局最优位置优于到目前为
止所搜索到的最优位置,则用全局最优位置替换;

(5)根据步骤2)第(2)步中更新后的量子位幅角增量公式更新粒子位置;

(6)对粒子进行交叉变异操作;

(7)判断是否达到最大代数,如果达到,则计算结束,否则将第(6)步进行交叉变异
操作得到的粒子重新进行第(3)~第(7)步的操作。

下面给出最佳实施方式

根据中新天津生态城某微网的风、光资源状况和负荷数据来进行微网的规划设
计。

微网系统最大负荷为150kW,为保证孤立微网的供电可靠性,配置150kW微型燃气
轮机。单台风机的额定功率为3kW,单个光伏电池组的额定功率为2.5kW。采用佳点集量子粒
子群算法求解微网中最优的光伏、风机个数组合以及储能容量。

设置种群大小为100,繁衍代数为100,净现值计算时间尺度为20年,贴现率为6%,
储能最小寿命为5年。其余参数见表1~表3。

表1储能寿命计算参数


表2经济评价参数





表3微型燃气轮机及气体排放参数


表2中,储能的寿命受实际使用时的充放电深度和频繁程度影响,微型燃气轮机的
运维成本为燃料费用,受使用时的出力情况影响,所以这两个参数值不能预先得到,有待具
体的仿真计算确定。

随着微网成本现值提高,二氧化碳排放将减少。这是因为可再生能源发电有助于
减少微型燃气轮机出力,从而减少二氧化碳排放,但其发电成本过高,直接影响了微网系统
的经济性。

采用方差最大化法,计算得到微网成本现值的目标权重为53.3%,二氧化碳排放
的目标权重为46.7%。在无任何主观倾向性的情况下,这一权重组合是综合该微网的所有
PARETO最优解,所得推荐权重组合。采用该权重组合,计算得到的综合属性值,是评价微网
不同方案优劣的最终指标。

表4佳点集量子粒子群算法优化典型解



其中,解1为经济性最优的解,解2为二氧化碳排放最少的解。解3为综合属性值最
大的解。

对比三个解,解1的二氧化碳排放比最小排放高27%。解2的成本比最小成本高本
31%。解3的二氧化碳排放比最小排放高22%,比最小成本高5%,能权衡各方面因素,综合
属性值最高。因此,解3为本发明的推荐方案。

解3的微网成本现值构成见表5:

表5解3微网成本现值构成





由于解3中,储能寿命为接近7年,因此在净现值计算周期20年内需要更新2次,分
别在第7、14年。风机寿命为15年,需在第15年更新1次。光伏和微型燃气轮机的寿命均为20
年,不需要更新。

基于佳点集量子粒子群算法的微网优化方法.pdf_第1页
第1页 / 共14页
基于佳点集量子粒子群算法的微网优化方法.pdf_第2页
第2页 / 共14页
基于佳点集量子粒子群算法的微网优化方法.pdf_第3页
第3页 / 共14页
点击查看更多>>
资源描述

《基于佳点集量子粒子群算法的微网优化方法.pdf》由会员分享,可在线阅读,更多相关《基于佳点集量子粒子群算法的微网优化方法.pdf(14页珍藏版)》请在专利查询网上搜索。

一种基于佳点集量子粒子群算法的微网优化方法,包括:建立微网多目标优化模型,包括微网多目标优化的目标函数公式和约束条件公式;使用佳点集改进量子粒子群算法;使用佳点集量子粒子群算法对微网多目标优化模型求解。本发明根据最大负荷确定微型燃气轮机的容量,再优化间歇式分布式电源以及储能系统的容量。求解过程中采用佳点集量子粒子群算法,保证了优化结果同时具有良好的选择性和指导性。内置的基于滤波的调度策略能充分发挥。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 电学 > 发电、变电或配电


copyright@ 2017-2020 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备2021068784号-1