基于鳥群算法的微電網(wǎng)多目標(biāo)運(yùn)行優(yōu)化

摘要：為了在微電網(wǎng)的運(yùn)行中尋找到最理想的調(diào)度策略，對(duì)于微電網(wǎng)的多目標(biāo)優(yōu)化問(wèn)題，采用傳統(tǒng)智能算法求解易陷入局部最優(yōu)而難于找到全局最優(yōu)解，因此采用一種生物啟發(fā)式算法——鳥群算法，對(duì)以運(yùn)行成本及環(huán)境污染度為目標(biāo)的微電網(wǎng)多目標(biāo)優(yōu)化模型進(jìn)行求解。

研究背景

為了在微電網(wǎng)的運(yùn)行中尋找到最理想的調(diào)度策略，對(duì)于微電網(wǎng)的多目標(biāo)優(yōu)化問(wèn)題，采用傳統(tǒng)智能算法求解易陷入局部最優(yōu)而難于找到全局最優(yōu)解，因此采用一種生物啟發(fā)式算法——鳥群算法，對(duì)以運(yùn)行成本及環(huán)境污染度為目標(biāo)的微電網(wǎng)多目標(biāo)優(yōu)化模型進(jìn)行求解。該算法模仿鳥群覓食、警覺(jué)、遷移的習(xí)性，生成對(duì)應(yīng)的種群更新策略，兼具粒子群算法搜索效率高和微分進(jìn)化算法穩(wěn)定性好的優(yōu)點(diǎn)。通過(guò)與兩者尋優(yōu)結(jié)果比較，表明該算法具有較強(qiáng)的全局、局部搜索能力且收斂魯棒性好的特點(diǎn)。

研究概述

隨著國(guó)民經(jīng)濟(jì)的迅猛發(fā)展，用電負(fù)荷逐年增加，傳統(tǒng)一次能源(煤、石油、天然氣)日益枯竭，新型可再生能源(風(fēng)能、太陽(yáng)能、潮汐能、生物質(zhì)能等)得到越來(lái)越廣泛的使用。各種分布式電源的接入給電力系統(tǒng)注入了新鮮的血液，但是由于天氣原因，風(fēng)機(jī)和光伏出力具有明顯的間歇性和不確定性，對(duì)原電力網(wǎng)絡(luò)的電能質(zhì)量和供電可靠性帶來(lái)一定的影響,為解決這一問(wèn)題，微電網(wǎng)應(yīng)運(yùn)而生。

目前，針對(duì)微電網(wǎng)的優(yōu)化問(wèn)題研究主要集中在微電網(wǎng)的經(jīng)濟(jì)性，環(huán)保性和可靠性方面，采用遺傳算法、粒子群算法、微分進(jìn)化算法等群智能優(yōu)化算法對(duì)模型進(jìn)行求解。對(duì)于具有高度復(fù)雜性和不確定性而需要深度尋優(yōu)的微網(wǎng)多目標(biāo)優(yōu)化運(yùn)行來(lái)說(shuō)，采用傳統(tǒng)智能算法往往會(huì)導(dǎo)致尋優(yōu)不徹底而陷入早熟，從而尋找不到全局最優(yōu)解，因此，構(gòu)造高效又精確的算法顯得至關(guān)重要。

鳥群算法(BirdSwarmAlgorithm,BSA)是一種生物啟發(fā)式智能算法，它的進(jìn)化過(guò)程模擬鳥類覓食、警覺(jué)和遷移的行為。本文采用PSO、DE和BSA對(duì)微電網(wǎng)的多目標(biāo)優(yōu)化問(wèn)題進(jìn)行求解，并對(duì)所得結(jié)果的Pareto前沿進(jìn)行對(duì)比分析，體現(xiàn)出BSA良好的全局和局部搜索能力，可為其他優(yōu)化問(wèn)題提供參考。

微電網(wǎng)多目標(biāo)優(yōu)化模型

本文首先建立了微型燃?xì)廨啓C(jī)和柴油發(fā)電機(jī)燃燒成本模型，在最大限度地利用風(fēng)能和光能等清潔能源的前提下，通過(guò)對(duì)MT和DE的出力、低壓配電網(wǎng)傳輸功率及儲(chǔ)能電池充放電策略進(jìn)行優(yōu)化，使微電網(wǎng)的運(yùn)行最經(jīng)濟(jì)環(huán)保。

運(yùn)行成本是衡量微電網(wǎng)經(jīng)濟(jì)運(yùn)行的重要指標(biāo)，主要包含機(jī)組的燃料成本、維護(hù)成本及低壓配電網(wǎng)購(gòu)電成本。同時(shí)，隨著可持續(xù)發(fā)展戰(zhàn)略的貫徹實(shí)施，環(huán)境效益也日益受到重視。本文定義污染度用以衡量MT、DE及從低壓配電網(wǎng)吸收功率等效排放的CO2、SO2、NOx等污染氣體對(duì)環(huán)境的危害程度。由于PV和WT新能源機(jī)組運(yùn)行中不產(chǎn)生污染氣體，因此不考慮其污染度。

此外，微電網(wǎng)的運(yùn)行必須滿足一系列的約束條件，包括功率平衡約束、微電源出力約束、聯(lián)絡(luò)線傳輸功率約束、爬坡速率約束和儲(chǔ)能電池充放電約束等。

鳥群算法

基本原理

鳥群算法是由Xian-BingMeng等人根據(jù)自然界鳥群覓食、警覺(jué)和遷移等生物行為于2015年提出的一種新型生物啟發(fā)式算法。該算法具有分散搜索，保持種群多樣性，避免陷入局部最優(yōu)的特點(diǎn)，其模仿的生物行為可簡(jiǎn)化為如下規(guī)則：

(1)每一只鳥自由選擇覓食或保持警覺(jué)行為。