💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
文献来源:
随着光伏、风电等分布式电源的发展,配电网的供电模式得以改变,解决了传统火力发电带来的能源匮乏及环境污染问题,但其发电的随机性及波动性对配电网的稳定运行造成一定影响[1-5] 。以多个微电网组成的微电网群可有效消纳分布式电源,提高供电灵活性及可靠性,减少弃光、弃风率,降低经济成本[6-8] 。因此,构建微电网优化调度模型已成为微电网综合控制的核心问题之一,对减少微电网系统运行成本及环境污染具有重要意义[9] 。
目前国内外学者对微电网优化调度问题进行了大量研究。文献[10]以综合运行成本最低为目标函数,采用改进麻雀算法进行求解,研究表明相比于灰狼算法及蝙蝠算法,改进麻雀算法具有良好的收敛速度,但只考虑了单个微电网,并未考虑多组微电网组成的微电网群系统。文献[11]以发
电成本及环境成本最低为目标函数,采用改进蝙蝠算法进行求解,虽然改进蝙蝠算法最终解优于传统蝙蝠算法,但缺乏与其他算法的对比实验,未能进一步验证改进后算法的优越性。文献[12]以系统总运行成本最低为目标函数构建优化调度模型,采用改进量子粒子群算法进行求解,相比于粒子群算法及遗传算法,改进量子粒子群算法环境成本较低,但该模型并未考虑并网情况下与配电网进行电能交互的情况。文献[13]提出一种冷热电联供的微电网优化调度模型,以系统运行成本最低为目标函数,通过改进蝴蝶算法进行求解,与传统策略相比虽然降低了发电成本,但并未考虑环境成本。
上述研究对微电网群优化调度问题尚有欠缺,针对此,本文构建以 3 个单微电网组成的微电网群优化调度模型,综合考虑系统总运行成本及环境成本,采用改进秃鹰算法(improved bald eagle search algorithm,IBES)进行求解,通过融合反向学习和柯西变异策略来提高秃鹰算法(bald eagle search algorithm,BES)的寻优精度,最终通过与其他算法对模型进行求解,验证改进后算法的优越性。
📚2 运行结果
部分代码:
% 约束条件的计算
constraint = zeros(1,7);
SOC = zeros(3,24);
SOC(:,1) = SOC0 - P_dis(:,1)/eta_BT + P_ch(:,1)*eta_BT;
for t = 2:24
SOC(:,t) = SOC(:,t-1) - P_dis(:,1)/eta_BT + P_ch(:,1)*eta_BT;
end
% 约束11
constraint(1) = sum(sum(abs(P_WT + P_PV + P_MT + P_BT + P_MG + P_grid - P_L)));
for t = 1:24
for k = 1:3
% 约束12
if t <= 23
if P_MT(k,t+1) - P_MT(k,t) <= RMT_down(k)
constraint(2) = constraint(2) + RMT_down(k) - (P_MT(k,t+1) - P_MT(k,t));
elseif P_MT(k,t+1) - P_MT(k,t) >= RMT_up
constraint(2) = constraint(2) - RMT_up(k) + (P_MT(k,t+1) - P_MT(k,t));
end
end
% 约束13
if SOC(k,t) <= SOC_min
constraint(3) = constraint(3) + SOC_min - SOC(k,t);
elseif SOC(k,t) >= SOC_max
constraint(3) = constraint(3) - SOC_max + SOC(k,t);
end
% 约束15
if P_MG(k,t) <= PMG_min(k)
constraint(5) = constraint(5) + PMG_min(k) - P_MG(k,t);
elseif P_MG(k,t) >= PMG_max(k)
constraint(5) = constraint(5) - PMG_max(k) + P_MG(k,t);
end
% 约束16
if P_grid(k,t) <= Pgrid_min
constraint(6) = constraint(6) + Pgrid_min - P_grid(k,t);
elseif P_grid(k,t) >= Pgrid_max
constraint(6) = constraint(6) - Pgrid_max + P_grid(k,t);
end
end
end
% 新增的约束
constraint(7) = sum(sum(P_MG));
%% 计算罚函数
punishment_value = zeros(1,7);
for k = 1:7
if 0 <= constraint(k) && constraint(k) <= 100
punishment_value(k) = constraint(k);
else
punishment_value(k) = constraint(k)^2;
end
end
punishment_value;
end
🎉3 参考文献
文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。
[1]周辉,张玉,肖烈禧,等.基于改进秃鹰算法的微电网群经济优化调度研究[J].太阳能学报,2024,45(02):328-335.DOI:10.19912/j.0254-0096.tynxb.2022-1531.