基于粒子群算法的微电网优化调度应用研究（一、摘要及绪论）

摘 要

在能源与环境的双重压力下，微电网技术受到了越来越多的关注，由于可再生能源的不确定性，微电网的优化调度是现阶段需要解决的首要问题，微电网的优化调度关系到微电网体系内的能源利用率、承担负荷的可靠性以及同大电网供电的质量，传统的发电机，能够在燃料量充足的前提下，按照专家预期的工况运行，但微电网体系中的风力、光伏发电系统发电依赖于自然资源的程度很强，因此负荷预测是微电网中的重要环节，准确评估可再生能源发电输出功率是一个很大的挑战。

对于传统的预测模型来说，解决负荷以及可再生分布式电源预测模型的同时，存在着容易困在局部极值的问题，本文构造了长短期记忆网络模型（LSTM）和卷积神经网络（CNN）对电网数据训练并进行了预测。

本文以构建了一个风光柴储微电网模型，考虑微电网建设和运行过程中，经济性、和风光消纳，建立了微电网符合优化分配目标函数和约束条件、使用基于粒子群优化算法针对调度问题进行求解。本文先后以经济性、风光消纳为目标使用单目标粒子群算法进行调度优化。在此基础上考虑将经济性与风光消纳同时设定为调度目标，使用多目标粒子群算法进行优化调度，其中针对约束条件又添加了惩罚函数。经仿真表明，该多目标调度算法模型既能够保证系统运行稳定，又能针对不同的调度目标，降低系统发电成本的同时，提高风光消纳率。

绪论

1.1 背景和意义

目前，全球环境问题中有一部分问题是使用化石燃料进行电力生产，这也是许多国家以及社会各层次关注的问题。为了避免比经济危机更严重的生态危机，减少环境污染，温室气体排放和化石燃料的消费，支持可再生能源是一个有效的手段。全球能源转型，意味着当前使用不可再生资源的能源系统向主要基于可再生资源的能源组合转变。国际社会越来越意识到人类活动造成的主要环境问题。世界能源理事会强调，为了发展可持续的能源政策，必须考虑以下三个方面

(1)能源安全&