基于粒子群算法的微电网经济优化调度.pdf

微电网是一种可以自由切换并离大电网的局部电网系统，它的出现大大提高了电网系统的经济性和灵活性。微电网的分布式电源主要由风力发电、光伏发电电池、微型燃气轮机、燃料电池等组成。经济优化调度是评价微电网系统的重要指标，目前，微电网的经济优化调度主要依靠粒子群算法（Particle Swarm Optimization, PSO）。 粒子群算法是一种智能优化算法，它最初受到飞鸟集群活动规律的启发，在对动物集群活动行为观察的基础上，利用群体中的个体对信息的共享，使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。粒子群算法具有收敛速度快、算法鲁棒性好、优化效率高的特点，因此，它被广泛应用于微电网经济调度优化。 在进行微电网经济优化调度时，首先要对微电网的主要分布式电源建立数学模型，并加入相关的约束条件，以便于后期进行优化调度。微电网的优化调度模型主要包括风力发电、光伏发电电池组、微型燃气轮机、燃料电池为分布式电源的微电网仿真模型。然后，针对每一种分布式电源的约束条件进行研究，例如对风力发电的每天不同时刻的风速、光伏电池组的光照强度、微型汽轮机的热效率值以及燃料电池组的电池组化学成分等建立数学模型。以功率平衡为约束条件，以最低运行成本（包括维护成本和环境保护成本）为目标函数，利用粒子群算法进行优化调度。 在本文中，以某地区一天的负荷以及各种分布式电源的约束条件（如风速、光照、温度等）为例进行仿真，通过粒子群算法对一天的最小运行成本进行计算优化。结果表明，采用粒子群算法进行优化后的运行成本得到了大幅度降低。 为了通过不同时段的电价不同来约束居民的用电使用量，通过时分电价来进行计算优化后利用粒子群算法，通过最低运行成本的目标函数为前提，对每一时刻的用电负荷进行成本运算，结果如表1所示，可以看到在使用粒子群算法进行优化后的运行成本得到了大幅度降低。 在进行微电网的优化调度过程中，还需要对各种分布式电源的发电及用电方式进行调度协调，以达到微电网运行的灵活性和经济性。这需要对各种电源的输出功率进行准确的预测和控制，以满足用电设备的时刻需求。同时，还需要对微电网的负荷曲线进行详细的分析和研究，以便更好地进行优化调度。 基于粒子群算法的微电网经济优化调度在提高微电网的运行效率、降低运行成本、提高能源利用效率等方面具有重要的意义，是当前微电网领域的一个研究热点。随着微电网技术的不断发展和完善，相信基于粒子群算法的微电网经济优化调度将会得到更广泛的应用。