独立微电网容量优化配置方法及设备

本技术涉及微电网，尤其涉及一种独立微电网容量优化配置方法及设备。

背景技术：

1、越来越多的风力和光伏等新型绿色能源被部署到电力生产环境中。在海岛和偏远内陆地区，充分利用风能和光能等可再生清洁能源进行发电可以带来良好的经济价值，同时相较于火力发电和柴油发电，其对环境的破坏也更小。因此，在上述地区通常会建立以风力和光伏等可再生清洁能源为核心的独立微电网，相较于传统大电网其建设成本更低且对分布式电源的利用更灵活。

2、在建设独立微电网时，对独立微电网进行电源容量配置是设计微电网工作中的一项重要内容，但由于微电网分布式电源种类较多且不同电源之间的出力性质差异较大，因此容量配置工作十分复杂，使用传统方法求解该类问题很难获得一个较优的配置结果。近年来，一些研究者在求解独立微电网容量优化配置时会选择使用灰狼算法等元启发式算法，但原始的灰狼算法具有局部收敛、早熟等问题。且通常这些算法不会考虑需求响应这一策略，不具备“削峰填谷”。

技术实现思路

1、本技术的主要目的在于提供一种独立微电网容量优化配置方法及设备，通过改进后的灰狼算法，有效降低微电网容量配置的成本。

2、为实现上述目的，本技术提供一种独立微电网容量优化配置方法，包括：

3、获取容量配置基本参数；

4、构建关于综合经济成本最小化的目标函数以及基于预设约束条件下的容量配置模型；

5、基于所述目标函数和所述容量配置模型，并利用混沌映射、非线性收敛因子、黄金正弦算子改进灰狼算法，得到改进后的灰狼优化算法；

6、利用改进后的灰狼优化算法并基于所述容量配置基本参数，得到所述目标函数的最优解，基于所述最优解得到目标容量配置。

7、可选地，所述构建关于综合经济成本最小化的目标函数以及基于预设约束条件下的容量配置模型，包括：基于年均初始投资费用、年均维护费用、年均设备采购更新费用、燃料费用、环境保护折算费用以及残值系数构建所述目标函数；基于预设功率约束条件、预设蓄电池约束条件、预先构建的多个出力模型以及所述目标函数构建所述容量配置模型。

8、可选地，所述目标函数为：

9、c总＝cavg,year+cem,year+cch,year+mfuel+mpollute-scavg,year

10、其中，c总为总成本，cavg,year为年均初始投资费用，cem,year表示年均维护费，cch,year表示年均设备采购更新费用，mfuel表示所需燃料费用，mpollute表示环境保护折算费，s为残值系数。

11、可选地，所述预设功率约束条件为：

12、pwt(t)+ppv(t)+pbess(t)+pde(t)≥pld(t)

13、所述预设蓄电池约束条件为：

14、socmin≤soc(t)≤socmax

15、其中，pwt(t)为风力发电设备的实际输出功率，ppv(t)为光伏发电设备的实际输出功率，pbess(t)为蓄电池设备的实际输出功率，pde(t)为柴油发电机设备的实际输出功率，pld(t)为负荷侧的实际需求功率，socmin为所述蓄电池设备荷电状态下充放电阈值的最小值，socmax为所述蓄电池设备荷电状态下充放电阈值的最大值，soc(t)为所述蓄电池设备当前的充放电量。

16、可选地，所述出力模型包括风力发电出力模型、光伏发电出力模型、蓄电池出力模型以及柴油发电机出力模型；

17、所述风力发电出力模型为：

18、

19、所述光伏发电出力模型为：

20、

21、所述蓄电池出力模型为：

22、

23、所述柴油发电机出力模型为：

24、f＝apde(t)+bpdeo

25、其中，pwt(t)为风力发电设备的实际输出功率，pwt,n为标准条件下风力发电设备的额定功率；νin为风力发电设备发电的最小风速；ν为当前实际风速；νr为风力发电设备额定功率下运行的风速；νout为风力发电设备停止发电的最大风速；

26、ppv(t)为光伏发电设备的实际输出功率，ppv,n为标准条件下光伏发电设备的光伏功率，gw为当前实际光照强度，gn为准备条件下的光照强度，δ为功率光照系数，tw为光伏发电设备电池板的实时温度，tn为光伏发电设备中电池的标准测试温度；

27、α为蓄电池设备中电池无外接自消耗能量率，pch(t)、pess(t)、ηc、ηd分为蓄电池设备在t时刻的充电功率、放电功率以及能量损失的充电效率、放电效率，essn为在额定标准状态下蓄电池设备的最大容量，δt为t时间段的长度；

28、f为柴油发电机设备每小时热量转化所需燃料的消耗值，单位：l/h；a和b分别为表征空载燃料消耗值、斜率表征随负荷增加的燃料消耗值的截距系数；pdeo为柴油发电机设备在标准状态下的稳定输出功率；pde(t)为t时刻的柴油发电机设备的实际运行功率。

29、可选地，所述利用改进后的灰狼优化算法并基于所述容量配置基本参数，得到所述目标函数的最优解，包括：将所述容量配置基本参数输入至所述改进后的灰狼优化算法，并设置所述改进后的灰狼优化算法中灰狼种群相关参数；利用混沌映射对所述灰狼种群进行初始化，并确定各灰狼个体当前的适应度值，所述适应度值为所述目标函数的值；确定非线性收敛因子，并利用黄金正弦算子根据所述非线性收敛因子、各所述灰狼个体当前的适应度值，迭代更新各所述灰狼个体的位置，直至迭代至最大次数，得到所述目标函数的最优解。

30、可选地，所述利用黄金正弦算子根据所述非线性收敛因子、各所述灰狼个体当前的适应度值，迭代更新各所述灰狼个体的位置，包括：根据所述非线性收敛因子和各所述灰狼个体当前的适应度值，更新各所述灰狼个体的位置，得到各所述灰狼个体的第一位置；利用黄金正弦算子确定各所述灰狼个体的第二位置；针对任一灰狼个体，根据所述第一位置、所述第二位置以及所述灰狼个体的当前位置，确定所述灰狼个体更新后的位置。

31、可选地，所述容量配置基本参数至少包括风速数据、光照强度、负荷数据、光伏板表面温度、设备参数、成本回收系数以及运行年限；其中，所述负荷数据是利用价格型需求响应或激励型需求响应对实际负荷数据处理后得到的。

32、可选地，所述混沌映射为：

33、

34、所述非线性收敛因子通过如下公式确定：

35、

36、所述黄金正弦算子为：

37、xig(t+1)＝xi(t)|sinr4|+r5sinr4|x1xi,best(t)-x2xi(t)|

38、式中，r表示混沌系数，取值范围为[0,1]；ainit为非线性收敛因子的起始值；t为当前迭代次数；tmax为最大迭代次数；r4和r5分别为[0,2π]和[0,π]内的随机数；xi,best(t)为在第t次迭代中第i只灰狼适应度值最优的位置；x1和x2为黄金分割系数。

39、本技术还提供一种独立微电网容量优化配置设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的独立微电网容量优化配置方法。

40、本技术的独立微电网容量优化配置设备，通过构建关于综合经济成本最小化的目标函数以及基于预设约束条件下的容量配置模型；再基于目标函数和容量配置模型，利用混沌映射、非线性收敛因子、黄金正弦算子改进灰狼算法，得到改进后的灰狼优化算法；最后，利用改进后的灰狼优化算法并基于容量配置基本参数，得到目标函数的最优解，基于最优解得到目标容量配置；通过混沌映射能够均匀灰狼位置的初始取值，采用非线性收敛因子能够扩大前期寻找最优解的范围和加快后期寻找最优解的速度，利用黄金正弦算子能够有效提高寻找最优解的准确度，并且，以经济成本最小化确定目标函数，使最终得到的目标容量配置成本最小，实现了有效降低微电网容量配置的成本。