基于佳點集量子粒子群算法的微網優化方法

基于佳點集量子粒子群算法的微網優化方法
【專利摘要】一種基于佳點集量子粒子群算法的微網優化方法，包括：建立微網多目標優化模型，包括微網多目標優化的目標函數公式和約束條件公式；使用佳點集改進量子粒子群算法；使用佳點集量子粒子群算法對微網多目標優化模型求解。本發明根據最大負荷確定微型燃氣輪機的容量，再優化間歇式分布式電源以及儲能系統的容量。求解過程中采用佳點集量子粒子群算法，保證了優化結果同時具有良好的選擇性和指導性。內置的基于濾波的調度策略能充分發揮微型燃氣輪機和儲能系統的特性，不但擁有頻譜分析法的優勢，還具有更好的實時性，能夠計算得到微網中分布式電源、儲能和微型燃氣輪機的位置與容量，實現孤立微網中經濟性和污染物排放的整體優化。
【專利說明】
基于佳點集量子粒子群算法的微網優化方法
技術領域
[0001] 本發明涉及一種微網規劃方法。特別是涉及一種用于含分布式電源、儲能和微型 燃氣輪機孤立微網的基于佳點集量子粒子群算法的微網優化方法。
【背景技術】
[0002] 微網是指由分布式電源、負荷、儲能裝置、控制系統等組成的一個小型配電系統， 可分為并網型和孤立型。孤立型微網只能依靠本地的可再生能源或其他分布式發電單元， 輔以相應的儲能單元來對本地負荷進行供電。由于孤立型微網不能從外界獲取電能，對于 孤立微網的規劃設計主要是選擇合適的優化目標，設計合理的能量調度策略，來實現不可 控分布式電源(包括光伏、風機等），可控分布式電源(包括微型燃氣輪機、柴油發電機等)和 儲能設備的功率、容量的最優配置 [2]。優化目標的選擇和能量調度策略決定了微網的容量 需求，是微網規劃設計中的兩個核心問題。
[0003] 在優化目標選擇上，可分為單目標優化和多目標優化。單目標優化中最常見的優 化指標為經濟角度的微網年供能成本最低或年現金流最小，以美國國家可再生能源實驗室 (National Renewable Energy Laboratory，NERL)開發的混合發電系統優化設計軟件 HOMER和美國電力可靠性技術協會（Consortium for Electric Reliability Technology S〇luti〇ns，CERTS)資助開發的DER-CAM軟件為代表。由于單一優化目標難以全面優化微網 的各方面特性，許多學者提出了多目標優化規劃方法，以經濟性為核心，兼顧環保性、供電 可靠性、可再生能源利用率等方面進行優化。多目標優化方法有粒子群算法、差分算法、遺 傳算法等，但以上算法都存在收斂速度較慢、容易陷入局部最優等問題。量子粒子群算法 (QPS0)是受量子力學的啟發，將量子進化算法(QEA)融合到粒子群優化(PS0)算法中，該算 法的模型認為粒子具有量子行為，并以DELTA勢阱為基礎。QPS0雖然對PS0進行了改進，但其 依賴于對初始參數的選擇，容易陷入局部最優，導致早熟收斂。

【發明內容】

[0004] 本發明所要解決的技術問題是，提供一種基于佳點集量子粒子群算法的微網優化 方法，能夠計算得到微網中分布式電源、儲能和微型燃氣輪機的位置與容量，實現孤立微網 中經濟性和污染物排放的整體優化。
[0005] 本發明所采用的技術方案是：一種基于佳點集量子粒子群算法的微網優化方法， 包括如下步驟：
[0006] 1)建立微網多目標優化模型，包括微網多目標優化的目標函數公式和約束條件公 式，其中，所述的微網多目標優化的目標函數公式包括：
[0007] (1)經濟性目標公式：
[0008] min Cs=ECi (1)
[_9] dX,. (2) j=l
[001 0] Ci, j = Ci, j,Cap+Ci, j,Rep+Ci, j,OM+Ci, j, Sal (3)
[0011] 式中，CA微網系統全壽命周期n年的凈現值，(^為微網第i個元件的凈現值，C1;J為 第i個元件在第j年的現金流，所述的元件包括風力發電機、光伏、儲能和微型燃氣輪機； Ci,j,c ap為初建成本，Ci,j,R(5P為更新成本，Ci,j,QM為運行維護成本，Ci,j,Sal為殘值；
[0012] (2)污染物排放目標公式：
[0013] min V\.〇i = V〇iKa (9)
[0014] 式中，Vc〇2為年C〇2排放體積，Vcas為年天然氣耗量，〇為天然氣排放系數，即單位體 積的天然氣燃燒產生的二氧化碳量；
[0015] 所述的微網多目標優化的約束條件公式，包括：
[0016] (3)孤立微網運行的等式約束有:電功率平衡約束公式，
[0017] PLoad = E PPV, i+ ^ PWT, i+ E PMT, i+PES (10)
[0018] 和儲能充放電量平衡約束公式
[001 9] Echarge - Edischarge ( 11 )
[0020]儲能充放電量平衡約束公式是指在一個評估時間段內，儲能充放電量要保證相等 以便儲能的循環利用；
[0021 ] 式中PLoad、EPpV,i、EPwT,i、EPMT,i、PES分別對應為微網中總負荷功率、總光伏功率、 總風機功率、總微型燃氣輪機功率以及儲能功率；
[0022] (4)不等式約束公式，包括有:分布式電源約束公式、儲能設備的配置數目約束公 式、儲能的壽命約束公式和儲能的荷電狀態約束公式，其中，
[0023] 所述分布式電源約束公式：
[0024] 〇<NDG<NDG,max (12)
[0025] 所述儲能設備的配置數目約束公式：
[0026] 〇<NES<NES,max (13)
[0027] 所述的儲能壽命約束公式：
[0028] LBat>LLimit (14)
[0029] 所述的儲能的荷電狀態約束公式：
[0030] Smin<S<Smax (15)
[0031] 式中，NDG,max和NES,max為對給定容量的分布式電源和儲能所預設的最大配置數目， Ndc和Nes分別為對給定容量的分布式電源和儲能所預設的實際數目，Uimit和LBat分別為預期 的儲能運行壽命實際值和最小值，S為儲能的荷電狀態，S min和Smax分別為儲能的荷電狀態的 最小和最大值。
[0032] 2)使用佳點集改進量子粒子群算法，包括：
[0033] (1)更新量子位幅角增量
[0034] 更新后的量子位幅角增量公式如下：
[0035] 9ij(t+l) = 9ij(t)+A 9ij(t+l) (18)
[0036] A 0ij(t+l)=w A 0ij(t)+ciri( A 0i)+c2r2( A 0g) (19)
[0037] 其中：cdPc2分別為個體和全局的學習因子，為區間[0，1]內的隨機數，w為 混沌時間序列數映射到[0. 1，0.9]區間上的數值，0^為量子比特的相位，A 為當前個體與 個體之間的角度差，A 0g為當前個體與全局最優之間的角度差，A 0:與A 0g的公式如下 2k + 0Uj -Git {9Uj <-tt)
[0038] A0i=< 〇Uj-&y (2〇) :4/ i^nj ~^i}>7r) 2^ + 9^ ~ 9y (9gj ~ 9V < ~n)
[0039] heg=<〇gj-〇ij (-^<0^-0..<^) (21) 0gj ~ 0y (^gj ~&tj > 7Z)
[0040] 式中，0叫為當前代數最優量子比特的相位，0^為全局最優量子比特的相位。
[0041 ] (2)佳點集交叉操作
[0042] 選取兩個粒子9i和9j作為父代，設9i = 9ii，9i2,…，9is，9j = 9ji，9j2,…，9js，9i和9」共 同確定了一個有界閉區間D=|>/力]SR
[0043] j a ,A: = l,2,---,.v (22)
[0044] ak、bk分別為父代兩個粒子最小和最大值組合，s為父代粒子個數D是R上的超長方 體，即
[0045] UdaJ^^YiOh-^) (23)
[0046] 式中，U([a，b])為子代個體的距離空間，父代個體通過佳點集交叉產生子代個體， 子代個體通過切割父代個體確定的超長方體獲得新的基因片段，然后重組產生；
[0047] (3)變異操作
[0048]使用量子非門實現變異操作，過程如下： 0 f「_eos6,.l「sin&
[0049] , ^ ^ (24) 1 〇J|^sm6(/ [cos^; 、'
[0050] 令變異概率為pm，每個粒子在0~1之間設定一個隨機數Nmdi，若Nmdi〈p m，則用量子非 門兌換兩個概率幅，該粒子的自身最優位置和轉向角仍保持不變，Nmdl$p m，則不進行變異 操作；
[0051 ] 3)使用佳點集量子粒子群算法對微網多目標優化模型求解，包括：
[0052] (1)初始化佳點集量子粒子群算法的有關參數，包括種群規模、變量個數、迭代次 數、解空間范圍；
[0053] (2)對量子位幅角進行初始化，生成光伏容量、風力發電機容量、儲能容量和微型 燃氣輪機容量的值；
[0054] (3)將每個粒子帶入微網多目標優化模型的目標函數，計算得到微網全壽命周期 成本和污染物排放量狀態變量值；
[0055] (4)對每個粒子的初始位置進行評價，計算出每個粒子位置的適應值，若粒子目前 的位置優于自身記憶的最優位置，則用目前位置替換;若目前全局最優位置優于到目前為 止所搜索到的最優位置，則用全局最優位置替換；
[0056] (5)根據步驟2)第(2)步中更新后的量子位幅角增量公式更新粒子位置；
[0057] (6)對粒子進行交叉變異操作；
[0058] (7)判斷是否達到最大代數，如果達到，則計算結束，否則將第(6)步進行交叉變異 操作得到的粒子重新進行第(3)~第(7)步的操作。
[0059] 本發明的基于佳點集量子粒子群算法的微網優化方法，建立了經濟性最優和污染 物排放最少為優化目標的多目標優化模型。該模型根據最大負荷確定微型燃氣輪機的容 量，再優化間歇式分布式電源以及儲能系統的容量。求解過程中采用佳點集量子粒子群算 法，保證了優化結果同時具有良好的選擇性和指導性。內置的基于濾波的調度策略能充分 發揮微型燃氣輪機和儲能系統的特性，不但擁有頻譜分析法的優勢，還具有更好的實時性。 本發明能夠計算得到微網中分布式電源、儲能和微型燃氣輪機的位置與容量，實現孤立微 網中經濟性和污染物排放的整體優化。
【具體實施方式】
[0060] 下面結合實施例對本發明的基于佳點集量子粒子群算法的微網優化方法做出詳 細說明。
[0061 ]本發明的基于佳點集量子粒子群算法的微網優化方法，其特征在于，如下步驟：
[0062] 1)建立微網多目標優化模型，包括微網多目標優化的目標函數公式和約束條件公 式，其中，所述的微網多目標優化的目標函數公式包括：
[0063] (1)經濟性目標公式：
[0064] min Cs= ECi (1) n
[0065] (:=Z (2)
[0066] Ci, j = Ci, j, Cap+Ci, j, Rep+Ci, j, OM+Ci, j, Sal (3)
[0067] 式中，(^為微網系統全壽命周期n年的凈現值，(^為微網第i個元件的凈現值，為 第i個元件在第j年的現金流，所述的元件包括風力發電機、光伏、儲能和微型燃氣輪機； Ci,j,eap為初建成本，Ci, j,R(5P為更新成本，Ci,j,0M為運行維護成本，Ci,j,Sal為殘值;所述的初建 成本Ci,j,c ap、更新成本Ci,j,R(5P、運行維護成本Ci,j,c)M和殘值Ci,j,Sai構成元件的現金流，其中，
[0068] 初建成本 Ci,j,Cap: rnnA01 r i = 〇 ⑷
[0069] ^=|〇 / = u，…，" （4)
[0070] 式中，CESS為儲能初建成本單價，單位為元/kWh; 為儲能系統容量；
[0071] 更新成本 Ci,j,Rep:
[0072] j = (l,2,-,k)*LESS
[0073] 式中，Ress為儲能更新成本單價，單位為元/kWh，k為規劃期n年內，壽命為Less年的 儲能設備共經歷更新的次，表示為：
[0074] k = n/LESs (6)
[0075] 運行維護成本Ci，j，〇M:
[0076] C,,；iDM= 〇￡SS ^. = 〇 ' (7)
[0077] 式中，OMess為運行維護成本單價，單位為元/kWh; (8:)
[0078]殘值 Ci,j,Sai:
[0080] 所述的微型燃氣輪機的運行維護成本是指燃料費用，由微型燃氣輪機的出力、單 位kWh出力的天然氣耗量和天然氣價格計算得到。
[0081] 由于微網的使用年份較長，以年供能成本(將初次建設成本和更新成本均分到設 備壽命期的每年內）為經濟性優化目標無法反映資金的時間價值。因此以微網全壽命周期 成本現值最小為優化目標更全面。
[0082] (2)污染物排放目標公式：
[0083]對于采用微型燃氣輪機的微網系統，污染物主要為C02、S02,氮氧化物等，由于各種 污染物的排放量均與天然氣耗量成正比，因此可僅選擇c〇2排放量最小為優化目標 [0084] min yco： = VChisa (9)
[0085]式中，Ve〇2為年C〇2排放體積，V(；as為年天然氣耗量，〇為天然氣排放系數，即單位體 積的天然氣燃燒產生的二氧化碳量；
[0086]需要指出，污染物排放量與天然氣耗量成正比，進而與微型燃氣輪機出力成正比。 而在微網電負荷一定的情況下，微型燃氣輪機出力越少，則可再生能源發電量越高，可再生 能源利用率(可再生能源年發電總量與年負荷總量之比)越高。污染物排放和可再生能源利 用率二者直接相關。因此以污染物排放為優化目標，相當于同時優化了可再生能源利用率。
[0087] 所述的微網多目標優化的約束條件公式，包括：
[0088] (3)孤立微網運行的等式約束有:電功率平衡約束公式，
[0089] PLoad = E Ppv, i+ s PwT, i+ E PmT, i+PES (10)
[0090] 和儲能充放電量平衡約束公式
[0091 ] Echarge - Edischarge ( 11 )
[0092]儲能充放電量平衡約束公式是指在一個評估時間段內，儲能充放電量要保證相等 以便儲能的循環利用；
[0093] 式中PLoad、EPpV,i、EPwT,i、EPMT,i、PES分別對應為微網中總負荷功率、總光伏功率、 總風機功率、總微型燃氣輪機功率以及儲能功率。
[0094] (4)不等式約束公式，包括有:分布式電源約束公式、儲能設備的配置數目約束公 式、儲能的壽命約束公式和儲能的荷電狀態約束公式，其中，
[0095] 所述分布式電源約束公式：
[0096] 〇<NDG<NDG,max (12)
[0097] 所述儲能設備的配置數目約束公式：
[0098] 〇<NES<NES,max (13)
[0099] 所述的儲能壽命約束公式：
[0100] LBat>LLimit (14)
[0101] 所述的儲能的荷電狀態約束公式：
[0102] Smin<S<Smax (15)
[0103]式中，NDG,max和NES,max為對給定容量的分布式電源和儲能所預設的最大配置數目， Uimit為預期的儲能運行壽命最小值，S為儲能的荷電狀態式中，NDC,max和NES, max為對給定容量 的分布式電源和儲能所預設的最大配置數目，Ndg和Nes分別為對給定容量的分布式電源和 儲能所預設的實際數目，Uwt和L Bat分別為預期的儲能運行壽命實際值和最小值，S為儲能 的荷電狀態，Smi4PSmax分別為儲能的荷電狀態的最小和最大值。
[0104] 當風機、光伏配置數目量使得總有功功率超過負荷功率時，由于微型燃氣輪機只 能放電，儲能長期處于充電狀態，造成電功率平衡約束公式和儲能充放電量平衡約束公式 不能同時滿足，而第(4)步儲能壽命約束公式中的儲能壽命是仿真計算的結果，難以預先控 制，對于這兩種情況，將在求解過程中進行懲罰，定義指示變量P(X)，當式電功率平衡約束 公式、儲能充放電量平衡約束公式和儲能壽命約束公式同時成立時，P(X) = 1;否則P(X) = 〇,需要接受懲罰，考慮懲罰后的目標函數為： (VC l-\X) = \
[0105] min Cb = ] (16) (ID10 P(.Y) = D： U； or /J(.V) = 1
[0106] min Fco： = |i〇1(j 尸(x) = 〇 (:17)"
[0107]儲能設備的配置數目約束公式(7)和儲能設備的配置數目約束公式(8)是優化變 量設置的邊界條件，儲能的荷電狀態約束公式(10)是仿真計算的邊界條件，一定能夠滿足。
[0108] 2)使用佳點集改進量子粒子群算法，IQPS0運用佳點集構造初始化量子位置的初 始角度，提高量子初始位置的遍歷性;在算法中引入佳點集交叉操作和變異算子增加了種 群的多樣性，避免早熟收斂。具體包括：
[0109] (1)更新量子位幅角增量
[0110] 更新后的量子位幅角增量公式如下：
[0111] 9ij(t+l) = 9ij(t)+A 9ij(t+l) (18)
[0112] A 0ij(t+l)=w A 0ij(t)+ciri( A 0i)+c2r2( A 0g) (19)
[0113] 其中：(^和^分別為個體和全局的學習因子(或稱加速因子），rdPr2為區間[0，1] 內的隨機數，w為混沌時間序列數映射到[0.1，0.9]區間上的數值，9ij為量子比特的相位，A h為當前個體與個體之間的角度差，A 0g為當前個體與全局最優之間的角度差，A 0:與A 0g 的公式如下 2ir + 6Uj-9tj {6j[J - d{j <-ir)
[0114] A^=<^7y-^ (-^<0aj -0；j<7i) (2〇) ,°U} ~：2jz (W 兀、 Itc + 0^-0^ (W-兀、
[0115] Mg^=<,(lr〇y i-7r<0,.-0：,<^) (21) 0gj ~ ~ 2/T {9^ ~ 〇9 > 7t)
[0116] 式中，0叫為當前代數最優量子比特的相位，0^為全局最優量子比特的相位。
[0117] (2)佳點集交叉操作
[0118] 粒子群中如果一個粒子當前的位置，該粒子的當前最優值和粒子群的當前最優值 三者一致，該粒子會因為它以前的速度和慣性因子不為零而遠離最佳位置導致算法不能收 斂;如果以前的速度非常接近零，粒子一旦趕上了粒子群的當前最佳粒子，種群多樣性就慢 慢喪失，所有的粒子將會集聚到相同位置并停止移動，粒子群優化出現停滯狀態，卻仍沒有 搜索到滿意解。本發明引入佳點集交叉操作以避免搜索陷入局部最優。
[0119] 選取兩個粒子9i和作為父代，設9i = 9ii，9i2,…，9is，9j = 9ji，9j2,…，9js，9i和9」共 同確定了一個有界閉區間D=[〃，/)] \a, = min(^,, ,6^.,) _] |~=眶(仏）太=認.^ (22)
[0121] ak、bk分別為父代兩個粒子最小和最大值組合，s為父代粒子個數D是R上的超長方 體;D是R上的超長方體，即
[0122] U(\a ,h}) = m -?,) (23)
[0123] 式中，U([a，b])為子代個體的距離空間。父代個體通過佳點集交叉產生子代個體， 子代個體通過切割父代個體確定的超長方體獲得新的基因片段，然后重組產生；
[0124] (3)變異操作
[0125] 使用量子非門實現變異操作，過程如下： 〇： 11 f.cos (1.1 F sin ft.
[0126] 1 〇 sm^; = cos^; (24) l j l y J L y」
[0127] 令變異概率為pm，每個粒子在0~1之間設定一個隨機數Nmdi，若Nmdi〈p m，則用量子非 門兌換兩個概率幅，該粒子的自身最優位置和轉向角仍保持不變，Nmdl$p m，則不進行變異 操作；
[0128] 3)使用佳點集量子粒子群算法對微網多目標優化模型求解，包括：
[0129] (1)初始化佳點集量子粒子群算法的有關參數，包括種群規模、變量個數、迭代次 數、解空間范圍；
[0130] (2)應用佳點集理論對量子位幅角進行初始化，生成光伏容量、風力發電機容量、 儲能容量和微型燃氣輪機容量的值；
[0131] (3)將每個粒子帶入微網多目標優化模型的目標函數，計算得到微網全壽命周期 成本和污染物排放量狀態變量值；
[0132] (4)對每個粒子的初始位置進行評價，計算出每個粒子位置的適應值，若粒子目前 的位置優于自身記憶的最優位置，則用目前位置替換;若目前全局最優位置優于到目前為 止所搜索到的最優位置，則用全局最優位置替換；
[0133] (5)根據步驟2)第(2)步中更新后的量子位幅角增量公式更新粒子位置；
[0134] (6)對粒子進行交叉變異操作；
[0135] (7)判斷是否達到最大代數，如果達到，則計算結束，否則將第(6)步進行交叉變異 操作得到的粒子重新進行第(3)~第(7)步的操作。
[0136] 下面給出最佳實施方式
[0137] 根據中新天津生態城某微網的風、光資源狀況和負荷數據來進行微網的規劃設 計。
[0138] 微網系統最大負荷為150kW，為保證孤立微網的供電可靠性，配置150kW微型燃氣 輪機。單臺風機的額定功率為3kW，單個光伏電池組的額定功率為2.5kW。采用佳點集量子粒 子群算法求解微網中最優的光伏、風機個數組合以及儲能容量。
[0139] 設置種群大小為100,繁衍代數為100,凈現值計算時間尺度為20年，貼現率為6%， 儲能最小壽命為5年。其余參數見表1~表3。
[0140] 表1儲能壽命計算參數
[0142] 表2經濟評價參數
[0145]表3微型燃氣輪機及氣體排放參數
[0147] 表2中，儲能的壽命受實際使用時的充放電深度和頻繁程度影響，微型燃氣輪機的 運維成本為燃料費用，受使用時的出力情況影響，所以這兩個參數值不能預先得到，有待具 體的仿真計算確定。
[0148] 隨著微網成本現值提高，二氧化碳排放將減少。這是因為可再生能源發電有助于 減少微型燃氣輪機出力，從而減少二氧化碳排放，但其發電成本過高，直接影響了微網系統 的經濟性。
[0149] 采用方差最大化法，計算得到微網成本現值的目標權重為53.3%，二氧化碳排放 的目標權重為46.7%。在無任何主觀傾向性的情況下，這一權重組合是綜合該微網的所有 PARETO最優解，所得推薦權重組合。采用該權重組合，計算得到的綜合屬性值，是評價微網 不同方案優劣的最終指標。
[0150]表4佳點集量子粒子群算法優化典型解
[0152] 其中，解1為經濟性最優的解，解2為二氧化碳排放最少的解。解3為綜合屬性值最 大的解。
[0153] 對比三個解，解1的二氧化碳排放比最小排放高27%。解2的成本比最小成本高本 31%。解3的二氧化碳排放比最小排放高22%，比最小成本高5%，能權衡各方面因素，綜合 屬性值最高。因此，解3為本發明的推薦方案。
[0154] 解3的微網成本現值構成見表5:
[0155] 表5解3微網成本現值構成
[0158]由于解3中，儲能壽命為接近7年，因此在凈現值計算周期20年內需要更新2次，分 別在第7、14年。風機壽命為15年，需在第15年更新1次。光伏和微型燃氣輪機的壽命均為20 年，不需要更新。
【主權項】
1. 一種基于佳點集量子粒子群算法的微網優化方法，其特征在于，如下步驟： 1)建立微網多目標優化模型，包括微網多目標優化的目標函數公式和約束條件公式， 其中，所述的微網多目標優化的目標函數公式包括： (1) 經濟性目標公式：Ci, j = Ci, j, Cap+Ci, j, Rep+Ci, j, OM+Ci, j, Sal ( 3 ) 式中，(^為微網系統全壽命周期n年的凈現值，(^為微網第i個元件的凈現值，為第i 個元件在第j年的現金流，所述的元件包括風力發電機、光伏、儲能和微型燃氣輪機;C^Cap 為初建成本，Ci.j.ltep為更新成本，Ci,j,C)M為運行維護成本，Ci,j,Sal為殘值； (2) 污染物排放目標公式：C9) 式中，V〇)2為年C〇2排放體積，Vcas為年天然氣耗量，σ為天然氣排放系數，g卩單位體積的天 然氣燃燒產生的二氧化碳量； 所述的微網多目標優化的約束條件公式，包括： (3) 孤立微網運行的等式約束有：電功率平衡約束公式， PLoad = Σ Ppv, i+ Σ Pwt, i+ Σ Pmt, i+Pes (10) 和儲能充放電量平衡約束公式 Echarge - Edischarge (11) 儲能充放電量平衡約束公式是指在一個評估時間段內，儲能充放電量要保證相等以便 儲能的循環利用； 式中PL。ad、ΣPpV,i、ΣPwT,i、ΣPMT,i、PES分別對應為微網中總負荷功率、總光伏功率、總風 機功率、總微型燃氣輪機功率以及儲能功率； (4) 不等式約束公式，包括有:分布式電源約束公式、儲能設備的配置數目約束公式、儲 能的壽命約束公式和儲能的荷電狀態約束公式，其中， 所述分布式電源約束公式： 0<NDG<NDG,max (12) 所述儲能設備的配置數目約束公式： 0<NES<NES,max (13) 所述的儲能壽命約束公式： LBat〉LLimit (14) 所述的儲能的荷電狀態約束公式： Smin<S<Smax (15) 式中，NDG,max和NES,max為對給定容量的分布式電源和儲能所預設的最大配置數目，Ndg和 Nes分別為對給定容量的分布式電源和儲能所預設的實際數目，Uimit和LBat*別為預期的儲 能運行壽命實際值和最小值，S為儲能的荷電狀態，S min和Smax分別為儲能的荷電狀態的最小 和最大值。 2) 使用佳點集改進量子粒子群算法，包括： (1) 更新量子位幅角增量 更新后的量子位幅角增量公式如下： 0ij(t+l) = 0ij(t)+A0ij(t+l) (18) A9ij(t+1) =wA0ij(t)+ciri(A0i)+c2r2(A9g) (19) 其中：cdPc2分別為個體和全局的學習因子，r#Pr2為區間[0，1]內的隨機數，w為混沌時 間序列數映射到[0.1，〇.9]區間上的數值，為量子比特的相位，ΔΘ:為當前個體與個體之 間的角度差，A 0g為當前個體與全局最優之間的角度差，△ 0:與△ 0g的公式如下式中，9出為當前代數最優量子比特的相位，Θη為全局最優量子比特的相位。 (2) 佳點集交叉操作 選取兩個粒子和作為父代，設θρθη,θ^，…，Θ^Θ^Θβ,Θμ，···，0js，0i和θ」共同確 定了一個有界閉區間EH#] SRak、bk分別為父代兩個粒子最小和最大值組合，s為父代粒子個數D是R上的超長方體，即式中，U([a，b])為子代個體的距離空間，父代個體通過佳點集交叉產生子代個體，子 代個體通過切割父代個體確定的超長方體獲得新的基因片段，然后重組產生； (3) 變異操作 使用量子非門實現變異操作，過程如下：令變異概率為Pm，每個粒子在0~1之間設定一個隨機數Nmdi，若Nmdi〈Pm，則用量子非門兌 換兩個概率幅，該粒子的自身最優位置和轉向角仍保持不變，Nmdl$Pm，則不進行變異操作； 3) 使用佳點集量子粒子群算法對微網多目標優化模型求解，包括： (1) 初始化佳點集量子粒子群算法的有關參數，包括種群規模、變量個數、迭代次數、解 空間范圍； (2) 對量子位幅角進行初始化，生成光伏容量、風力發電機容量、儲能容量和微型燃氣 輪機容量的值； (3) 將每個粒子帶入微網多目標優化模型的目標函數，計算得到微網全壽命周期成本 和污染物排放量狀態變量值； (4) 對每個粒子的初始位置進行評價，計算出每個粒子位置的適應值，若粒子目前的位 置優于自身記憶的最優位置，則用目前位置替換;若目前全局最優位置優于到目前為止所 搜索到的最優位置，則用全局最優位置替換； (5) 根據步驟2)第(2)步中更新后的量子位幅角增量公式更新粒子位置； (6) 對粒子進行交叉變異操作； (7) 判斷是否達到最大代數，如果達到，則計算結束，否則將第(6)步進行交叉變異操作 得到的粒子重新進行第(3)~第(7)步的操作。2. 根據權利要求1所述的基于佳點集量子粒子群算法的微網優化方法，其特征在于，步 驟1)第（1)步中所述的初建成本Ci, j, Cap、更新成本Ci, j, Rep、運行維護成本Ci, j, cm和殘值Ci, j, Sai 構成元件的現金流，其中， 初建成本Ci,j,Cap:(4) 式中，CESS為儲能初建成本單價，單位為元/kWh; 為儲能系統容量； 更新成本Ci,j,Rep:式中，Ress為儲能更新成本單價，單位為元/kWh，k為規劃期η年內，壽命為Less年的儲能 設備共經歷更新的次，表示為： k = π/Less (6) 運行維護成本Ci,j,OM:(7) 式中，OMess為運行維護成本單價，單位為元/kWh; 殘值 Ci,j,Sal:(8)。3. 根據權利要求1所述的基于佳點集量子粒子群算法的微網優化方法，其特征在于，步 驟1)第（1)步中所述的微型燃氣輪機的運行維護成本是指燃料費用，由微型燃氣輪機的出 力、單位kWh出力的天然氣耗量和天然氣價格計算得到。4. 根據權利要求1所述的基于佳點集量子粒子群算法的微網優化方法，其特征在于，步 驟1)第(3)步中當風機、光伏配置數目量使得總有功功率超過負荷功率時，由于微型燃氣輪 機只能放電，儲能長期處于充電狀態，造成電功率平衡約束公式和儲能充放電量平衡約束 公式不能同時滿足，而第(4)步儲能壽命約束公式中的儲能壽命是仿真計算的結果，難以預 先控制，對于這兩種情況，將在求解過程中進行懲罰，定義指示變量P(X)，當式電功率平衡 約束公式、儲能充放電量平衡約束公式和儲能壽命約束公式同時成立時，P(X) = 1;否則P (x)=0,需要接受懲罰，考慮懲罰后的目標函數為：
【文檔編號】H02J3/00GK105958482SQ201610382257
【公開日】2016年9月21日
【申請日】2016年5月31日
【發明人】申剛, 張巖, 尚德華, 楊毅, 張源超, 莊劍, 于建成, 項添春, 王旭東, 丁, 丁一, 戚艷
【申請人】天津天大求實電力新技術股份有限公司, 國網天津市電力公司, 國家電網公司