一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法技術(shù)

本發(fā)明專利技術(shù)實(shí)施例提供的一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法，通過粒子群算法對(duì)微電網(wǎng)的電壓、電流和功率進(jìn)行優(yōu)化計(jì)算，可實(shí)現(xiàn)新能源100％并網(wǎng)，充分發(fā)揮了分布式電源的發(fā)電優(yōu)勢(shì)，提高了清潔能源的利用率；可實(shí)現(xiàn)家庭微網(wǎng)對(duì)市電呈現(xiàn)純阻性，消除新能源發(fā)電和電力電子設(shè)備對(duì)市電的諧波污染，提高功率因數(shù)；可實(shí)現(xiàn)家庭微網(wǎng)分時(shí)恒功率，降低上級(jí)電網(wǎng)調(diào)度的難度，提高上級(jí)電網(wǎng)的穩(wěn)定運(yùn)行能力；解決了新能源利用率不足并且微電網(wǎng)將對(duì)上級(jí)電網(wǎng)造成沖擊，嚴(yán)重影響電能供需平衡和電能質(zhì)量的技術(shù)問題。本發(fā)明專利技術(shù)實(shí)施例還提供一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行裝置。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法
本專利技術(shù)涉及家庭微電網(wǎng)領(lǐng)域，尤其涉及一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法。
技術(shù)介紹
當(dāng)今能源與環(huán)境問題日益凸顯，發(fā)展利用可再生能源已成為共識(shí)。而新能源的大力發(fā)展將對(duì)市電造成沖擊，其間歇性和不可預(yù)測(cè)性嚴(yán)重影響電能供需平衡和電能質(zhì)量。傳統(tǒng)電網(wǎng)運(yùn)行方式是發(fā)電端跟隨用戶端調(diào)節(jié)發(fā)電量，難以應(yīng)對(duì)間歇性能源的大規(guī)模接入。電網(wǎng)為保證自身的安全運(yùn)行，對(duì)新能源發(fā)電采取嚴(yán)格限制的方式，導(dǎo)致目前新能源的實(shí)際并網(wǎng)率不足20％。此外，傳統(tǒng)電網(wǎng)運(yùn)行方式無法使微電網(wǎng)對(duì)上級(jí)電網(wǎng)呈現(xiàn)純阻性和分時(shí)恒功率，并且缺乏對(duì)具體用電設(shè)備的調(diào)度能力，不能主動(dòng)發(fā)揮“電能質(zhì)量非敏感型負(fù)載”這類寶貴“資源”對(duì)電能供需平衡的調(diào)節(jié)作用。因此在這種調(diào)度方式下，如果強(qiáng)行接入大量發(fā)電量隨機(jī)變化的新能源，將會(huì)對(duì)電網(wǎng)造成污染，降低電網(wǎng)可靠性。參考圖1，為現(xiàn)有的交直流混合微網(wǎng)結(jié)構(gòu)圖。其包括市電接口、孤島開關(guān)、交流母線、交流子網(wǎng)、直流母線、直流子網(wǎng)、直流新能源子網(wǎng)、雙向阻抗型AC-DC變換器模塊、功率協(xié)同模塊。參考圖2，為傳統(tǒng)微網(wǎng)優(yōu)化運(yùn)行方法流程圖。傳統(tǒng)運(yùn)行方法僅以運(yùn)行成本及污染物治理成本最小為目標(biāo)，無法實(shí)現(xiàn)微電網(wǎng)對(duì)上級(jí)電網(wǎng)呈現(xiàn)純阻性和分時(shí)恒功率以及新能源100％并網(wǎng)。因此在傳統(tǒng)運(yùn)行方式下，新能源利用率不足并且微電網(wǎng)將對(duì)上級(jí)電網(wǎng)造成沖擊，嚴(yán)重影響電能供需平衡和電能質(zhì)量，對(duì)上級(jí)電網(wǎng)造成污染，降低了電網(wǎng)可靠性。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)實(shí)施例提供了一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法，用于解決新能源利用率不足并且微電網(wǎng)將對(duì)上級(jí)電網(wǎng)造成沖擊，嚴(yán)重影響電能供需平衡和電能質(zhì)量的技術(shù)問題。本專利技術(shù)實(shí)施例提供的一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法，包括：S1：采集家庭微電網(wǎng)系統(tǒng)中電壓、電流和功率數(shù)據(jù)；S2：根據(jù)所述電壓、電流和功率數(shù)據(jù)隨機(jī)初始化粒子群；S3：將所述粒子群中粒子的位置作為自身歷史最佳位置并計(jì)算各粒子的適應(yīng)度值，從粒子群中選擇適應(yīng)度值最小的粒子的位置作為全局歷史最佳位置；S4：根據(jù)預(yù)設(shè)的迭代公式更新粒子的速度和位置；S5：計(jì)算更新后的每個(gè)粒子的適應(yīng)度值，將所述更新后的每個(gè)粒子的適應(yīng)度值與更新前的對(duì)應(yīng)每個(gè)粒子的適應(yīng)度值進(jìn)行比較，選擇適應(yīng)度值小的粒子的位置替換所述自身歷史最佳位置，從替換后的所述自身歷史最佳位置中選擇適應(yīng)度值最小的粒子的位置替換所述全局歷史最佳位置；S6：重復(fù)執(zhí)行步驟S4至S5，直到所述迭代公式中的迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，獲得所述全局歷史最佳位置；S7：根據(jù)所述全局歷史最佳位置的向量公式中包含的電壓、電流和功率數(shù)據(jù)控制家庭微電網(wǎng)系統(tǒng)運(yùn)行。優(yōu)選地，所述計(jì)算粒子的適應(yīng)度值具體由以下公式計(jì)算：其中：Ploss＝P1+P2+P3，P1為電能質(zhì)量篩選調(diào)制器的功率損耗，P2為雙向阻抗型AC-DC變換器的功率損耗，P3為儲(chǔ)能模塊的功率損耗；Lloss為儲(chǔ)能模塊的壽命損耗；為保證新能源100％并網(wǎng)的罰函數(shù)；λ2Q2為保證微網(wǎng)對(duì)外呈現(xiàn)純阻性的罰函數(shù)；λ3(P*-P)2為保證實(shí)現(xiàn)分時(shí)恒功率的罰函數(shù)；其中：P1＝f1(UAC,i1,i2,...,iN)+f2(UDC,i1,i2,...,iU)P2＝f3(i1,i2,...,iU,i1,i2,...,iV,P1,P2,...,PW,Pstore)P3＝f4(Pstore)Lloss＝f5(Pstore,soc)Q＝f6(uAC,iAC,iAC/DC,i1,i2,...,iM)UAC為電能質(zhì)量非敏感型負(fù)載交流母線電壓；UDC為電能質(zhì)量非敏感型負(fù)載直流母線電壓；uAC為交流母線電壓，iAC為交流母線電流，iAC/DC為雙向阻抗型交直流變換器電流；soc為存儲(chǔ)系統(tǒng)模塊荷電狀態(tài)，P*來自上級(jí)電網(wǎng)指令，i1,i2,...,iN為交流型電能質(zhì)量非敏感型負(fù)載1～N上的電流；i1,i2,...,iM為交流型電能質(zhì)量敏感型負(fù)載1～M上的電流；i1,i2,...,iU為直流型電能質(zhì)量非敏感型負(fù)載1～U上的電流；i1,i2,...,iV為直流型電能質(zhì)量敏感型負(fù)載1～V上的電流；Pmax1,Pmax2,...,PmaxW為各直流新能源模塊的最大輸出功率，P1,P2,...,PW為各直流新能源模塊的實(shí)際輸出功率。優(yōu)選地，步驟S1具體包括：采集家庭微電網(wǎng)系統(tǒng)中交流型電能質(zhì)量非敏感型負(fù)載1～N上的電流i1,i2,...,iN；交流型電能質(zhì)量敏感型負(fù)載1～M上的電流i1,i2,...,iM；直流型電能質(zhì)量非敏感型負(fù)載1～U上的電流i1,i2,...,iU；直流型電能質(zhì)量敏感型負(fù)載1～V上的電流i1,i2,...,iV；各直流新能源模塊的最大輸出功率Pmax1,Pmax2,...,PmaxW及各直流新能源模塊的實(shí)際輸出功率P1,P2,...,PW賦給K維輸入向量：優(yōu)選地，步驟S2具體包括：隨機(jī)初始化粒子群，設(shè)定每個(gè)粒子的初始位置和速度，所述粒子群由N個(gè)粒子組成，每個(gè)粒子在多維空間中的位置均表示為以下形式的向量：其中，UAC為電能質(zhì)量非敏感型負(fù)載交流母線電壓，UDC為電能質(zhì)量非敏感型負(fù)載直流母線電壓，Pstore為儲(chǔ)能模塊充放電功率，iAC/DC為雙向阻抗型交直流變換器電流。優(yōu)選地，步驟S4具體包括：根據(jù)下式更新各粒子的速度和位置：其中i＝1,2,…N，t是迭代次數(shù)，ω是慣性因子，c1,c2為學(xué)習(xí)因子，r1,r2為0到1之間的隨機(jī)數(shù)。優(yōu)選地，所述步驟S7包括：將所述全局歷史最佳位置的向量公式表示為：其中，UAC為電能質(zhì)量非敏感型負(fù)載交流母線電壓，UDC為電能質(zhì)量非敏感型負(fù)載直流母線電壓，Pstore為存儲(chǔ)系統(tǒng)模塊充放電功率，iAC/DC為雙向阻抗型交直流變換器電流；將UAC,UDC,Pstore,iAC/DC賦給相應(yīng)的控制器，使得所述控制器根據(jù)UAC,UDC,Pstore,iAC/DC控制家庭微網(wǎng)運(yùn)行，使微網(wǎng)在新能源完全并網(wǎng)，對(duì)外呈現(xiàn)純阻性以及分時(shí)恒功率的前提下達(dá)到電能質(zhì)量篩選調(diào)制器的功率損耗、雙向阻抗型AC-DC變換器的功率損耗和存儲(chǔ)系統(tǒng)的功率損耗最小且使用壽命最長。本專利技術(shù)實(shí)施例提供的一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行裝置，基于上述的一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法進(jìn)行控制，包括：數(shù)據(jù)采集模塊，用于采集家庭微電網(wǎng)系統(tǒng)中電壓、電流和功率數(shù)據(jù)；粒子群初始化模塊，用于根據(jù)所述電壓、電流和功率數(shù)據(jù)隨機(jī)初始化粒子群；位置及適應(yīng)度初始計(jì)算模塊，用于將所述粒子群中粒子的位置作為自身歷史最佳位置并計(jì)算各粒子的適應(yīng)度值，從粒子群中選擇適應(yīng)度值最小的粒子的位置作為全局歷史最佳位置；迭代更新模塊，用于根據(jù)預(yù)設(shè)的迭代公式更新粒子的速度和位置；位置及適應(yīng)度更新計(jì)算模塊，用于計(jì)算更新后的每個(gè)粒子的適應(yīng)度值，將所述更新后的每個(gè)粒子的適應(yīng)度值與更新前的對(duì)應(yīng)每個(gè)粒子的適應(yīng)度值進(jìn)行比較，選擇適應(yīng)度值小的粒子的位置替換所述自身歷史最佳位置，從替換后的所述自身歷史最佳位置中選擇適應(yīng)度值最小的粒子的位置替換所述全局歷史最佳位置；迭代輸出模塊，用于重復(fù)執(zhí)行迭代更新模塊及位置及適應(yīng)度更新計(jì)算模塊，直到所述迭代公式中的迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，獲得所述全局歷史最佳位置；控制運(yùn)行模塊，用于根據(jù)所述全局歷史最佳位置的向量公式中包含的電壓、電流和功率數(shù)據(jù)控制家庭微電網(wǎng)系統(tǒng)運(yùn)行。優(yōu)選地，粒子群初始化模塊具體用本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法，其特征在于，包括：S1：采集家庭微電網(wǎng)系統(tǒng)中電壓、電流和功率數(shù)據(jù)；S2：根據(jù)所述電壓、電流和功率數(shù)據(jù)隨機(jī)初始化粒子群；S3：將所述粒子群中粒子的位置作為自身歷史最佳位置并計(jì)算各粒子的適應(yīng)度值，從粒子群中選擇適應(yīng)度值最小的粒子的位置作為全局歷史最佳位置；S4：根據(jù)預(yù)設(shè)的迭代公式更新粒子的速度和位置；S5：計(jì)算更新后的每個(gè)粒子的適應(yīng)度值，將所述更新后的每個(gè)粒子的適應(yīng)度值與更新前的對(duì)應(yīng)每個(gè)粒子的適應(yīng)度值進(jìn)行比較，選擇適應(yīng)度值小的粒子的位置替換所述自身歷史最佳位置，從替換后的所述自身歷史最佳位置中選擇適應(yīng)度值最小的粒子的位置替換所述全局歷史最佳位置；S6：重復(fù)執(zhí)行步驟S4至S5，直到所述迭代公式中的迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，獲得所述全局歷史最佳位置；S7：根據(jù)所述全局歷史最佳位置的向量公式中包含的電壓、電流和功率數(shù)據(jù)控制家庭微電網(wǎng)系統(tǒng)運(yùn)行。

【技術(shù)特征摘要】
1.一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法，其特征在于，包括：S1：采集家庭微電網(wǎng)系統(tǒng)中電壓、電流和功率數(shù)據(jù)；S2：根據(jù)所述電壓、電流和功率數(shù)據(jù)隨機(jī)初始化粒子群；S3：將所述粒子群中粒子的位置作為自身歷史最佳位置并計(jì)算各粒子的適應(yīng)度值，從粒子群中選擇適應(yīng)度值最小的粒子的位置作為全局歷史最佳位置；S4：根據(jù)預(yù)設(shè)的迭代公式更新粒子的速度和位置；S5：計(jì)算更新后的每個(gè)粒子的適應(yīng)度值，將所述更新后的每個(gè)粒子的適應(yīng)度值與更新前的對(duì)應(yīng)每個(gè)粒子的適應(yīng)度值進(jìn)行比較，選擇適應(yīng)度值小的粒子的位置替換所述自身歷史最佳位置，從替換后的所述自身歷史最佳位置中選擇適應(yīng)度值最小的粒子的位置替換所述全局歷史最佳位置；S6：重復(fù)執(zhí)行步驟S4至S5，直到所述迭代公式中的迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，獲得所述全局歷史最佳位置；S7：根據(jù)所述全局歷史最佳位置的向量公式中包含的電壓、電流和功率數(shù)據(jù)控制家庭微電網(wǎng)系統(tǒng)運(yùn)行。2.根據(jù)權(quán)利要求1所述的一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法，其特征在于，所述計(jì)算粒子的適應(yīng)度值具體由以下公式計(jì)算：其中：Ploss＝P1+P2+P3，P1為電能質(zhì)量篩選調(diào)制器的功率損耗，P2為雙向阻抗型AC-DC變換器的功率損耗，P3為儲(chǔ)能模塊的功率損耗；Lloss為儲(chǔ)能模塊的壽命損耗；為保證新能源100％并網(wǎng)的罰函數(shù)；λ2Q2為保證微網(wǎng)對(duì)外呈現(xiàn)純阻性的罰函數(shù)；λ3(P*-P)2為保證實(shí)現(xiàn)分時(shí)恒功率的罰函數(shù)；其中：P1＝f1(UAC,i1,i2,...,iN)+f2(UDC,i1,i2,...,iU)P2＝f3(i1,i2,...,iU,i1,i2,...,iV,P1,P2,...,PW,Pstore)P3＝f4(Pstore)Lloss＝f5(Pstore,soc)Q＝f6(uAC,iAC,iAC/DC,i1,i2,...,iM)UAC為電能質(zhì)量非敏感型負(fù)載交流母線電壓；UDC為電能質(zhì)量非敏感型負(fù)載直流母線電壓；uAC為交流母線電壓，iAC為交流母線電流，iAC/DC為雙向阻抗型交直流變換器電流；soc為存儲(chǔ)系統(tǒng)模塊荷電狀態(tài)，P*來自上級(jí)電網(wǎng)指令，i1,i2,...,iN為交流型電能質(zhì)量非敏感型負(fù)載1～N上的電流；i1,i2,...,iM為交流型電能質(zhì)量敏感型負(fù)載1～M上的電流；i1,i2,...,iU為直流型電能質(zhì)量非敏感型負(fù)載1～U上的電流；i1,i2,...,iV為直流型電能質(zhì)量敏感型負(fù)載1～V上的電流；Pmax1,Pmax2,...,PmaxW為各直流新能源模塊的最大輸出功率，P1,P2,...,PW為各直流新能源模塊的實(shí)際輸出功率。3.根據(jù)權(quán)利要求1所述的一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法，其特征在于，所述步驟S1具體包括：采集家庭微電網(wǎng)系統(tǒng)中交流型電能質(zhì)量非敏感型負(fù)載1～N上的電流i1,i2,...,iN；交流型電能質(zhì)量敏感型負(fù)載1～M上的電流i1,i2,...,iM；直流型電能質(zhì)量非敏感型負(fù)載1～U上的電流i1,i2,...,iU；直流型電能質(zhì)量敏感型負(fù)載1～V上的電流i1,i2,...,iV；各直流新能源模塊的最大輸出功率Pmax1,Pmax2,...,PmaxW及各直流新能源模塊的實(shí)際輸出功率P1,P2,...,PW賦給K維輸入向量：4.根據(jù)權(quán)利要求1所述的一種基于粒子群算法的交直流智能家庭微網(wǎng)運(yùn)行方法，其特征在于，所述步驟S2具體包括：隨機(jī)初始化粒子群，設(shè)定每個(gè)粒子的初始位置和速度，所述粒子群由N個(gè)粒子組成，每個(gè)粒子在多維空間中的位置均表示為以下形式的向量：

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：章云，袁君，陳思哲，張桂東，
申請(qǐng)(專利權(quán))人：廣東工業(yè)大學(xué)，
類型：發(fā)明
國別省市：廣東,44