基於改進型蟻群算法的微網容量優化布址方法
2023-05-15 10:38:11 4
基於改進型蟻群算法的微網容量優化布址方法
【專利摘要】基於改進型蟻群算法的微網容量優化布址方法，包括以下步驟：搭建含蓄電池站的風光發電孤島微網模型，作為研究基於改進型蟻群算法的微網容量優化布址方法的仿真模型；構建微網容量優化布址的多目標模型，確定微網綜合運行目標函數；設計改進蟻群算法實現對多目標模型的求解。
【專利說明】基於改進型蟻群算法的微網容量優化布址方法
【技術領域】
[0001]本發明項目涉及一種微網容量優化布址方法，特別是一種基於改進型蟻群算法的微網容量優化布址方法。
【背景技術】
[0002]目前，微網的容量優化布址一直是微網建設的重大難題。微網的微源分布不合理，會對線路或者用戶用電造成一定影響，同時外部環境也會影響到微源的發電性能。目前，一些智能優化算法已被應用於解決這一難題，如粒子群算法、遺傳算法及差分進化算法等。然而，粒子群算法在處理微源布址等離散問題時容易陷入局部最優解；遺傳算法容易早熟，可靠性較差；差分進化算法在迭代後期收斂速度較慢。相比而言，蟻群算法具有信息正反饋機制、分布式計算及強啟發等優點，適合微源布址定容這類多變量、條件相互制約的NP難問題的求解。傳統蟻群算法在對微網容量優化布址問題進行求解時收斂精度以及速度仍不能達到理想的要求，因此，本發明對傳統的蟻群算法進行了改進，使其能夠更好地應用於解決微網容量優化布址問題，快速確定微網系統中每個節點應放的微源種類及微源和蓄電池個數，從而實現對系統電能的合理配置，在保證系統供電可靠和低能量剩餘率的前提下，使系統運行的經濟成本最小。而目前，對於基於改進型蟻群算法的微網容量優化布址方法研究尚未出現，本發明針對這一方法進行了研究。
【發明內容】
[0003]本發明在傳統蟻群算法的基礎上進行改進，尤其是在信息素矩陣控制以及算法參數因子調整等方面，提出了一種基於改進型蟻群算法的微網容量優化布址方法。
[0004]基於改進型蟻群算法的微網容量優化布址方法，包括以下步驟:
[0005]I)、搭建含蓄電池站的風光發電孤島微網模型，作為研究基於改進型蟻群算法的微網容量優化布址方法的仿真模型；
[0006]2)、構建微網容量優化布址的多目標模型，確定微網綜合運行目標函數。
[0007]3)、設計改進蟻群算法實現對多目標模型的求解。
[0008]進一步，步驟(I)中微網系統構建的微源模型如下:
[0009]1-1)、利用Weibull分布對風速進行處理，建立風機的數學模型；
[0010]1-2)、利用Beta分布對光照進行處理,建立光伏電池板的數學模型；
[0011]1-3 )、利用荷電狀態(SOC)的參數對蓄電池充放電建立數學模型，結合相關參數對蓄電池充放電的效率進行評估；
[0012]進一步，步驟(2)可有以下幾個步驟組成:
[0013]2-1)、設計構建微網運行經濟成本函數:成本函數中主要包括設備的投資成本、運行維護費用和蓄電池的重置費用，評估時間定義為一年(8760h);
[0014]2-2)、設計微網系統運行的可靠性指標:本發明採用系統負載供電率RLPS對系統的可靠性進行評價，負載供電率表示評估期內系統能滿足負荷需求的概率，微網系統的可靠性越高其對應的負載供電率RLPS就越大。
[0015]2-3)、設計微網系統運行的能量剩餘率，定義為評估時間內系統浪費的能量佔系統總負荷的比例，能量利用率越高的系統對應的系統能量過剩率EER就越低。
[0016]進一步，步驟(3)中改進型蟻群算法的具體步驟如下:
[0017]3-1)、設置改進型蟻群算法的基本參數，並初始化信息素矩陣；
[0018]3-2)、將布址方案作為螞蟻的覓食路徑，目標函數作為螞蟻爬行的路障，讓螞蟻根據環境中信息素的量結合對應的概率計算方法，選擇爬行路線進行覓食，即構建搜索禁忌表矩陣。其中，方案所得目標函數的值越優，則對螞蟻爬行的路障越小，那麼該方案就越優；
[0019]3-3)、將本次迭代中目標值最優的路徑作為本次迭代的最優路徑，將最優路徑保存下來，並作為下一次迭代的一條備選路徑；
[0020]3-4)、對於路障較小的路徑，會有較多的螞蟻爬行，則對應的路徑中信息素的含量會較高，因此可以根據相應的信息素更新規律更新各條路徑的信息素；
[0021 ] 3-5)、重複執打步驟(3-2)到(3-4)。
[0022]進一步，對於步驟(3-1)，改進型蟻群算法的基本參數設置如下:
[0023]Al)、信息素的最大限制量Taumax和最小限制量Taumin:用以防止信息素因過強的正反饋而出現過早的收斂；
[0024]A2)、信息素啟發因子α:反映信息素的重要性，反映螞蟻在運動過程中所累積的信息素在指導蟻群搜索中的相對重要程度；
[0025]A3)、期望啟發因子β:反映了啟發式信息在指導蟻群搜索過程中的相對重要程度，其大小反映了蟻群尋優的過程中的先驗性，確定性因素的作用強度；
[0026]Α4)、α、β隨時間變化的變化率ζ 1； ζ2:用以控制各次迭代中α、β的值，改善算法過早收斂和收斂後精度不高的缺點，實現算法的自適應性；
[0027]進一步，對於步驟(3-2)，其實現過程主要分為以下兩步:
[0028]Al)、信息素矩陣Tau的構建。信息素是螞蟻選擇路徑的重要依據，信息素矩陣為一個(2*η+?rρπι的矩陣，其中每一個元素為對應節點選擇對應類型分布式電源的信息素量。其中，η為需要布址的節點數，信息素矩陣的行數即為風機需要布址的節點數、光伏需要布址的節點數以及蓄電池站之和(系統中設置蓄電池站的數量為1)，即(2*η+1)，信息素矩陣的列數為最大允許的分布式電源的數量
【權利要求】
1.基於改進型蟻群算法的微網容量優化布址方法，包括以下步驟: 1)、搭建含蓄電池站的風光發電孤島微網模型，作為研究基於改進型蟻群算法的微網容量優化布址方法的仿真模型； 2)、構建微網容量優化布址的多目標模型，確定微網綜合運行目標函數。 3)、設計改進蟻群算法實現對多目標模型的求解。
2.如權利要求1所述的方法，其特徵在於:步驟(1)中微網系統構建的微源模型如下: 1-1)、利用Weibull分布對風速進行處理，建立風機的數學模型； 1-2)、利用Be ta分布對光照進行處理，建立光伏電池板的數學模型； 1-3)、利用荷電狀態(SOC)的參數對蓄電池充放電建立數學模型，結合相關參數對蓄電池充放電的效率進行評估。
3.如權利要求1所述的方法，其特徵在於:步驟(2)可有以下幾個步驟組成: 2-1)、設計構建微網運行經濟成本函數:成本函數中主要包括設備的投資成本、運行維護費用和蓄電池的重置費用，評估時間定義為一年(8760h)； 2-2)、設計微網系統運行的可靠性指標:本發明採用系統負載供電率RLPS對系統的可靠性進行評價，負載供電率表示評估期內系統能滿足負荷需求的概率，微網系統的可靠性越高其對應的負載供電率RLPS就越大。 2-3)、設計微網系統運行的能量剩餘率，定義為評估時間內系統浪費的能量佔系統總負荷的比例，能量利用率越高的系統對應的系統能量過剩率EER就越低。
4.如權利要求1所述的方法，其特徵在於:步驟(3)中改進型蟻群算法的具體步驟如下: 3-1)、設置改進型蟻群算法的基本參數，並初始化信息素矩陣； 3-2)、將布址方案作為螞蟻的覓食路徑，目標函數作為螞蟻爬行的路障，讓螞蟻根據環境中信息素的量結合對應的概率計算方法，選擇爬行路線進行覓食，即構建搜索禁忌表矩陣。其中，方案所得目標函數的值越優，則對螞蟻爬行的路障越小，那麼該方案就越優；3-3)、將本次迭代中目標值最優的路徑作為本次迭代的最優路徑，將最優路徑保存下來，並作為下一次迭代的一條備選路徑； 3-4)、對於路障較小的路徑，會有較多的螞蟻爬行，則對應的路徑中信息素的含量會較高，因此可以根據相應的信息素更新規律更新各條路徑的信息素； 3-5)、重複執行步驟(3-2)到(3-4)。
5.如權利要求4所述的方法，其特徵在於:對於步驟(3-1)，改進型蟻群算法的基本參數設置如下: Al)、信息素的最大限制量Taumax和最小限制量Taumin:用以防止信息素因過強的正反饋而出現過早的收斂； A2)、信息素啟發因子α:反映信息素的重要性，反映螞蟻在運動過程中所累積的信息素在指導蟻群搜索中的相對重要程度； A3)、期望啟發因子β:反映了啟發式信息在指導蟻群搜索過程中的相對重要程度，其大小反映了蟻群尋優的過程中的先驗性，確定性因素的作用強度； Α4)、α、β隨時間變化的變化率ζ 1； ζ2:用以控制各次迭代中α、β的值，改善算法過早收斂和收斂後精度不高的缺點，實現算法的自適應性。
6.如權利要求4所述的方法，其特徵在於:對於步驟(3-2)，其實現過程主要分為以下兩步: Al)、信息素矩陣Tau的構建。信息素是螞蟻選擇路徑的重要依據，信息素矩陣為一個(2*n+l)*pm的矩陣，其中每一個元素為對應節點選擇對應類型分布式電源的信息素量。其中，η為需要布址的節點數，信息素矩陣的行數即為風機需要布址的節點數、光伏需要布址的節點數以及蓄電池站之和(系統中設置蓄電池站的數量為1)，即(2*η+1)，信息素矩陣的列數為最大允許的分布式電源的數量
7.如權利要求4所述的方法，其特徵在於:所述的步驟(3-4)中信息素的更新公式為
【文檔編號】H02J3/00GK103914734SQ201410105397
【公開日】2014年7月9日 申請日期:2014年3月20日 優先權日:2014年3月20日
【發明者】王雪鋒, 王肖傑, 張穎, 陳駿宇, 龔餘峰, 王晶, 駱旭偉 申請人:浙江工業大學