微電網負荷優(yōu)化分配

微電網負荷優(yōu)化分配第1頁，課件共17頁，創(chuàng)作于2023年2月目錄頁一、摘要二、引言三、微電網負荷優(yōu)化分配的數(shù)學模型四、優(yōu)化方法五、算例分析六、結語第2頁，課件共17頁，創(chuàng)作于2023年2月一、摘要微電網因其發(fā)電形式多樣、供電方式靈活而成為大電網的有益補充，但微電網的很多基礎運行問題都與傳統(tǒng)大電網有所不同，需要專門加以研究。本論文研究了微電網的負荷優(yōu)化分配問題，即在滿足系統(tǒng)運行約束條件下優(yōu)化微電網中微電源的出力，使系統(tǒng)總發(fā)電成本最小。分析建立了含有太陽能光伏發(fā)電、小型燃氣輪機和儲能裝置的微電網負荷優(yōu)化分配問題的數(shù)學模型，介紹了基于粒子群優(yōu)化算法的數(shù)值求解方法，并通過算例驗證了文中所提出方法的有效性。第3頁，課件共17頁，創(chuàng)作于2023年2月二、引言微電網是由分布式發(fā)電、負荷、儲能裝置及控制裝置構成的一個單一可控的獨立可控的獨立發(fā)電系統(tǒng)，它既可以與大電網聯(lián)網運行，也可以在大電網出現(xiàn)故障時與之斷開單獨運行。微電網因其環(huán)境友好、建設成本低等因素已經成為大電網的有益補充，得到越來越多的重視和研究。微電網的經濟性是其吸引用戶并能在電力系統(tǒng)中得以推廣的關鍵所在。微電網的經濟效益是多方面的，最重要的效益是能源的高效利用和環(huán)保以及個性化電能的安全、可靠、優(yōu)質供應。相比于火力發(fā)電占主導的傳統(tǒng)大電網，微電網中大量應用了可再生資源，其環(huán)保效益非常突出。同時，根據用戶對電能第4頁，課件共17頁，創(chuàng)作于2023年2月二、引言供給的不同需求，對負荷進行分類和細化，能夠更有效地利用微電網中多樣化的電能供給，使微電網系統(tǒng)運行經濟最優(yōu)。

微電網中的負荷優(yōu)化分配問題和大電網經濟負荷分配問題不同之處在于：1、與高壓輸電網相比，微電網的電壓等級較低，系統(tǒng)中輸電線的線路電阻起主導作用，線路損耗相對較大，不可忽略；2、與大電網中火電等傳統(tǒng)發(fā)電形式占主導地位不同，微電網中新能源發(fā)電所占比例很大，風力發(fā)電和光伏發(fā)電等可再生能源電源通常工作于最大功率點跟蹤模式，其輸出功率受自然條件影響，不遵循人工調度；第5頁，課件共17頁，創(chuàng)作于2023年2月二、引言3、各種微電源的功耗特性與傳統(tǒng)火電發(fā)電機組有很大區(qū)別，不能簡單應用等效微增率原則；在聯(lián)網模式和孤島模式轉換過程中，整個微電網的功率分布可能會發(fā)生非常大的變化。如果只考慮各個微電源自身的輸出特性對其進行控制，在整個系統(tǒng)的運行狀態(tài)發(fā)生變化時就難以最大限度地利用微電源的發(fā)電能力，還可能引起較大的額外線路損耗。因此，為了實現(xiàn)微電網的可靠、經濟運行，有必要根據系統(tǒng)運行情況動態(tài)地對微電網負荷在各個微電源間進行分配。第6頁，課件共17頁，創(chuàng)作于2023年2月三、負荷優(yōu)化分配數(shù)學模型1、目標函數(shù)

微電網負荷優(yōu)化分配問題的目標是在滿足系統(tǒng)運行約束條件下優(yōu)化微電網中微電源的出力使系統(tǒng)總運行成本達到最小，其數(shù)學模型為：通常取值有24小時、1個月、1個季度、1年等。調度周期內總時段的選擇原則是：要保證在一個時段內，微電網內的功率分布基本維持不變，即滿足微電網輸出功率和負荷需求功率變化不大的前提條件。這樣分析計算時可以認為微電網處于穩(wěn)定狀態(tài)，不考慮其暫態(tài)過程。》微電網負荷優(yōu)化分配問題在數(shù)學上可以歸納為，使微電網中N個可調度的微電源和儲能裝置在T個時間段里的總發(fā)電費用為最小第7頁，課件共17頁，創(chuàng)作于2023年2月三、負荷優(yōu)化分配數(shù)學模型耗量特性也就是指發(fā)電設備單位時間內能量輸入與輸出的關系柴油發(fā)電機的耗量特性在電力系統(tǒng)中負荷經濟分配中說過其中，微型燃氣輪機的工作效率隨著輸出功率的增大而上升第8頁，課件共17頁，創(chuàng)作于2023年2月三、負荷優(yōu)化分配數(shù)學模型2、約束條件可以基于MATPOWER工具包實現(xiàn)潮流計算第9頁，課件共17頁，創(chuàng)作于2023年2月四、優(yōu)化方法通常我們需要采用一些優(yōu)化算法，并借助計算機軟件編寫優(yōu)化計算程序對所建立的數(shù)學模型進行求解。對于連續(xù)和線性等較簡單的問題，可以選擇一些經典算法，例如單純形法、梯度下降法等；而對于更復雜（非線性和離散）的問題，則可考慮用一些智能優(yōu)化算法，例如蟻群算法（ACO），模擬退火法（SA）、神經網絡算法、粒子群算法（PSO）、遺傳算法（GA）等。第10頁，課件共17頁，創(chuàng)作于2023年2月四、優(yōu)化方法遺傳算法（GA）屬于進化算法(EvolutionaryAlgorithms)的一種,它通過模仿自然界的選擇與遺傳的機理來尋找最優(yōu)解.遺傳算法有三個基本算子:選擇、交叉和變異.但是遺傳算法的編程實現(xiàn)比較復雜,首先需要對問題進行編碼,找到最優(yōu)解之后還需要對問題進行解碼,另外三個算子的實現(xiàn)也有許多參數(shù),如交叉率和變異率,并且這些參數(shù)的選擇嚴重影響解的品質,而目前這些參數(shù)的選擇大部分是依靠經驗。第11頁，課件共17頁，創(chuàng)作于2023年2月四、優(yōu)化方法粒子群算法（PSO）粒子群算法(PSO)是一種進化計算技術(evolutionarycomputation),

PSO同遺傳算法類似，是一種基于迭代的優(yōu)化算法。系統(tǒng)初始化為一組隨機解，通過迭代搜尋最優(yōu)值。但是它沒有遺傳算法用的交叉(crossover)以及變異(mutation)，而是粒子在解空間追隨最優(yōu)的粒子進行搜索。同遺傳算法比較，PSO的優(yōu)勢在于簡單容易實現(xiàn)并且沒有許多參數(shù)需要調整。目前已廣泛應用于函數(shù)優(yōu)化，神經網絡訓練，模糊系統(tǒng)控制以及其他遺傳算法的應用領域。第12頁，課件共17頁，創(chuàng)作于2023年2月四、優(yōu)化方法基于PSO具有并行處理、魯棒性好、簡單易實現(xiàn)、收斂速度快、依賴的經驗參數(shù)較少等優(yōu)點，故本文采用PSO對建立的微電網負荷優(yōu)化數(shù)學模型進行優(yōu)化計算。引入罰函數(shù)的目的是將約束優(yōu)化問題轉化成無約束優(yōu)化問題。采用MATLABM函數(shù)編寫優(yōu)化計算程序進行求解第13頁，課件共17頁，創(chuàng)作于2023年2月五、算例分析第14頁，課件共17頁，創(chuàng)作于2023年2月五、算例分析第15頁，課件共17頁，創(chuàng)作于2023年2月六、結語本文研究了微電網的負荷優(yōu)化分配問題，優(yōu)化目標是在滿足系統(tǒng)運行約束條件下優(yōu)化微電網中各微電源的出力，使系統(tǒng)總運行