基于自适应遗传算法的有源配电网多类型电动汽车并网优化调度
软件:Matlab
介绍:首先采用蒙特卡洛进行风光典型场景出力生成,运用copula函数考虑相关性并运用fuzzy-kmeans进行场景削减,将1000个场景削减成6个进行随机优化调度。
另外多类型电动汽车采用分时电价调度,目标函数考虑上级电网出力、峰谷差惩罚费用、风光调度、电动汽车负荷调度费用和网损费用,在IEEE33节点系统中进行仿真算例分析。
有相关参考文献
基于自适应遗传算法的有源配电网多类型电动汽车并网优化调度
摘要
本文提出了一种基于自适应遗传算法的有源配电网多类型电动汽车并网优化调度方法。该方法首先采用蒙特卡洛进行风光典型场景出力生成,运用copula函数考虑相关性并运用fuzzy-kmeans进行场景削减,将1000个场景削减成6个进行随机优化调度。另外多类型电动汽车采用分时电价调度,目标函数考虑上级电网出力、峰谷差惩罚费用、风光调度、电动汽车负荷调度费用和网损费用,在IEEE33节点系统中进行仿真算例分析。
关键词:自适应遗传算法;有源配电网;多类型电动汽车;并网优化调度;分时电价调度
引言
随着新能源和智能电网的快速发展,电力系统的调度和控制面临越来越多的挑战。其中,有源配电网和多类型电动汽车的发展给电力系统调度和控制带来了新的挑战。因此,将有源配电网和多类型电动汽车纳入电力系统的调度和控制中,实现其优化调度和管理,具有重要的研究意义和实用价值。
本文提出了一种基于自适应遗传算法的有源配电网多类型电动汽车并网优化调度方法。该方法采用蒙特卡洛进行风光典型场景出力生成,运用copula函数考虑相关性并运用fuzzy-kmeans进行场景削减,将1000个场景削减成6个进行随机优化调度。另外多类型电动汽车采用分时电价调度,目标函数考虑上级电网出力、峰谷差惩罚费用、风光调度、电动汽车负荷调度费用和网损费用,在IEEE33节点系统中进行仿真算例分析。
一、有源配电网多类型电动汽车并网优化调度方法
1.1 风光典型场景出力生成
采用蒙特卡洛进行风光典型场景出力生成,得到1000个典型场景。
1.2 相关性分析与场景削减
采用copula函数考虑相关性,并运用fuzzy-kmeans进行场景削减,将1000个场景削减成6个,减少计算量。
1.3 自适应遗传算法随机优化调度
采用自适应遗传算法进行随机优化调度,得到最优调度方案。
1.4 多类型电动汽车分时电价调度
采用分时电价调度,根据电动汽车的类型和总负荷进行调度。
1.5 目标函数
优化调度的目标函数为上级电网出力、峰谷差惩罚费用、风光调度、电动汽车负荷调度费用和网损费用。
二、仿真算例分析
在IEEE33节点系统中进行仿真算例分析,验证了所提出方法的有效性和可行性。
结论
本文提出了一种基于自适应遗传算法的有源配电网多类型电动汽车并网优化调度方法。该方法采用蒙特卡洛进行风光典型场景出力生成,运用copula函数考虑相关性并运用fuzzy-kmeans进行场景削减,将1000个场景削减成6个进行随机优化调度。另外多类型电动汽车采用分时电价调度,目标函数考虑上级电网出力、峰谷差惩罚费用、风光调度、电动汽车负荷调度费用和网损费用,在IEEE33节点系统中进行仿真算例分析。验证了所提出方法的有效性和可行性,具有
相关代码,程序地址:http://lanzouw.top/657212151786.html