基于改进混沌粒子群算法的多源独立微网多目标优化方法

针对目前独立微网优化运行中微源类型与场景设计较为简单、未充分考虑可控负荷作用等问题，以可控负荷作为网内功率平衡的辅助手段，研究多源独立微网的调度优化问题。建立了使发电成本、切负荷补偿成本及微网环境效益最优的多目标优化模型。根据工作日、周末和晴、阴雨天组合设计了四种典型场景，在满足功率平衡等约束的前提下实现独立微网的经济调度。针对优化变量多、场景复杂的微网优化模型，提出了改进的混沌粒子群算法（Chaos Particle Swarm Optimization, CPSO）用于优化问题求解，验证了模型和算法对不同场景微网优化问题的有效性。...

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 45; no. 23; pp. 34 - 41
Main Author 苏适;周立栋;陆海;陈奇芳;严玉廷;N.A. Engerer;王飞
Format Journal Article
LanguageChinese
Published 云南电网有限责任公司电力科学研究院,云南 昆明,650217%新能源电力系统国家重点实验室(华北电力大学),河北 保定,071003%澳大利亚国立大学环境与社会学院,澳大利亚堪培拉 2601%新能源电力系统国家重点实验室(华北电力大学), 河北 保定 071003 01.12.2017
美国伊利诺伊大学厄巴纳-香槟分校,美国伊利诺伊州厄巴纳 61802
Subjects
多场景
多目标优化
混沌粒子群
独立微网
经济调度
混沌粒子群
经济调度
独立微网
多场景
stand-alone microgrid
多目标优化
multi-objective optimization
multi-scenario
chaos particle swarm optimization
economic dispatch
Online AccessGet full text

Cover

More Information
Summary:针对目前独立微网优化运行中微源类型与场景设计较为简单、未充分考虑可控负荷作用等问题，以可控负荷作为网内功率平衡的辅助手段，研究多源独立微网的调度优化问题。建立了使发电成本、切负荷补偿成本及微网环境效益最优的多目标优化模型。根据工作日、周末和晴、阴雨天组合设计了四种典型场景，在满足功率平衡等约束的前提下实现独立微网的经济调度。针对优化变量多、场景复杂的微网优化模型，提出了改进的混沌粒子群算法（Chaos Particle Swarm Optimization, CPSO）用于优化问题求解，验证了模型和算法对不同场景微网优化问题的有效性。
Bibliography:SUShi1, ZHOU Lidong2, LU Hail, CHEN Qifanf, YAN Yuting1, N. A. Engerer3, WANG Fei2, 4 （1. Electric Power Research Institute of Yunnan Power Grid Co., Ltd., Kunming 650217, China; 2. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Source （North China Electric Power University）, Baoding 071003, China; 3. Fenner School of Environment and Society, The Australian National University, Canberra 2601, Australia; 4. University of Illinois at Urbana-Champaign, Urbana, IL 61802, USA）
Studies for stand-alone micmgrid optimization exist the problems of simple micro-source type, few design scenarios and neglect to controllable load. This paper presents a multi-objective optimization model including power generation cost, load cut compensatory and environmental benefit under the condition where controllable load is treated as power balancing means. Four typical scenarios are designed according to the working day, weekend and sunny, cloudy and rainy days. With the difficulty of multi-variables
ISSN:1674-3415
DOI:10.7667/PSPC161935