基于改进粒子群算法优化混合能源系统装机容量的研究

• 作 者: 刘泓锴
• 机 构: 三峡大学
• 出 处: 三峡大学
• 发表日期: 2017年期
• 关键词: 混合能源 粒子群算法 惯性权重 学习因子 发电系统

由于能源的紧缺以及微电网技术的日益成熟，使得分布式发电（DG）技术飞速发展。分布式发电一般包括大量的新能源发电，具有较强的波动性和不确定性。大量分布式电源的接入会导致微电网潮流改变、电压波动等问题，分布式电源接入电网时的接入位置和接入容量选择不恰当会造成许多不利的影响。因此，如何对不同类型分布式电源的接入容量和位置进行经济地、安全可靠地优化配置，具有非常重要的研究意义。　　在本研究中，首先建立光伏发电、风力发电和燃料电池发电系统的数学模型，提出容量因子的概念。由于常规使用的粒子群算法（PSO）收敛能力有限，可能导致局部最优的问题。所以为了提高收敛精度，增强全局搜索能力，避免陷入局部最优，本文采用具有动态改变惯性重量和加速度系数的改进的粒子群优化（IPSO）方法来确定混合能量发电系统（HEGS）的装机容量选择。所研究的混合能量发电系统（HEGS）包括风力发电，光伏（PV）发电和燃料电池，用于抑制由超过合同电力容量与电力公司造成的罚单，并在需要时提供备用电力。目标是实现HEGS装机容量的最佳比例，使每个能源在系统中做出最大贡献，以最小的安装成本满足负载需求，缩短投资回收期。为了实现这一目标，通过考虑安装成本和回收成本，选择回收期限作为优化目标函数。在IPSO中，惩罚技术被设计为解决用于更新粒子位置和其全局最佳位置的等式和不等式约束的优化问题。所提出的IPSO算法已经被检查，测试并且与优化问题上的其他方法进行比较，并且被证明在通过真实情况的数值模拟搜索全局解决方案中更有效。