【微电网优化】基于粒子群求解CHP机组、气网、电网、储热罐和电锅炉微电网优化模型附matlab代码

1 简介

近年来随着全球性的环境污染问题与能源危机日益突出,人们的环保意识与节能意识不断提高,使得微电网成为了电力系统领域的研究热点之一。相对于传统的大电网,微电网具有自身的特点和优势,发电过程产生的污染物少、发电效率高、化石能源使用率低、可忽略电能传输损耗。在对微电网进行工程运用时,优化微电网的调度模型具有十分重要的现实意义,微电网运行成本归根结底在于机械设备的使用维护消耗,各机械设备运行状态好使用周期长则成本相应会减少,优化调度模型可以在优化微网的分布式电源设备使用状态的同时优化用户侧机械设备的运行状态。机械设备运行状态是经济成本的内在本质,本论文研究的是考虑需求侧响应的微电网,综合考虑需求侧响应、经济成本、环境成本,得到最优的微电网日前调度模型,使得供给侧与需求侧机械设备运行状态达到最优状态。在智能电网中电力用户不仅仅只是作为一个用电终端,还可以参与到电网的优化调度中来,本文建立了需求侧响应模型,充分利用电力用户的能动性改变用户侧机械设备的使用情况。微电网中的分布式电源是整个系统的能量支撑设备,具有举足轻重的地位,本文在当前国内外学者研究的基础上建立了各分布式电源设备的出力模型、成本模型,并综合考虑各设备在实际生产过程中各种情况建立约束条件,分析各设备的发电原理,机械特性。微网在实际运行过程中存在并网运行和孤岛运行两种模型,这两种模式的发电特点、优先级选择均不相同,因此本文分别考虑了微网在并网运行与孤岛运行模式下的调度策略。粒子群算法是一种启发式智能算法,控制参数少且收敛速度快,寻优能力极强,但容易陷入局部最优,本文对粒子群算法进行优化改进,使其跳出局部最优陷阱达到全局最优。最后选取我国某地区的负荷情况为例进行优化调度,仿真结果表明本文所建立的优化调度及策略的合理性与科学性。我国风力发电近年发展迅速,装机容量已成为全球首位.随着风力发电在电力系统中的渗透率不断提高,我国多个地区(尤其是"三北"地区)已经面临着十分严峻的风电消纳问题,产生不容忽视的弃风问题.针对目前我国风电消纳存在的困难,本文提出粒子群优化CHP机组、气网、电网、储热罐和电锅炉微电网控制策略.

2 部分代码

clc; clear; close all;

%% 算法参数 parameter;

nVar=5*24; VarMin=[ones(1,24)*Pchp_min, ... ones(1,24)*Peb_min, ones(1,24)*Pg_min,ones(1,24)*Hhs_min, ... ones(1,24)*Wgb_min]; VarMax=[ones(1,24)*Pchp_max, ... ones(1,24)*Peb_max, ones(1,24)*Pg_max,ones(1,24)*Hhs_max, ... ones(1,24)*Wgb_max]; MaxIt=1000; nPop=200;

%% 计算

[ bestPosition, fitValue ] = ... PSOFUN( @fun_objective,nVar,VarMin,VarMax,MaxIt,nPop );

x=bestPosition; Pchp=x(1:24);%CHP机组 Peb = x(25:48); % 电锅炉 Pg = x(49:72); % 电网 Hhs=x(73:96); %储热罐 Wgb=x(97:120); %气网

Heb=neb*Peb; %电热锅炉产热功率 Hchp=nwh*rchp*Pchp*(1-nmt-nl)/nmt;%chp产热功率 Wchp=Pchp/nmt/Lhv; %chp耗气功率

t=1:24; figure(11) hold on positive=[Ppv',Pg',Pchp']; negative=(-Peb)'; po=bar(positive,'stack'); ne=bar(negative,'stack'); set(po(1),'Facecolor',[0 1 0]); set(po(2),'Facecolor',[0 0 1]); set(po(3),'Facecolor',[0.5 1 1]); set(ne(1),'Facecolor',[1 0.8 0]); po1=plot(t, Pel, 'or-','MarkerFaceColor','r'); xlabel('时段/h');ylabel('功率/kW'); legend('光伏','电网','CHP机组','电锅炉','电负荷') grid on

figure(12) hold on Hhs_po=max(Hhs,0); Hhs_ne=min(Hhs,0); positive=[Heb',Hchp',Hhs_po']; negative=Hhs_ne'; po=bar(positive,'stack'); ne=bar(negative,'stack'); set(po(1),'Facecolor',[0.6 0.3 0.2]); set(po(2),'Facecolor',[0.5 1 1]); set(po(3),'Facecolor',[0 1 0]); set(ne(1),'Facecolor',[1 0.8 0]); po1=plot(t, Hh, 'or-','MarkerFaceColor','r'); xlabel('时段/h');ylabel('功率/kW'); legend('电锅炉','CHP机组','放热','蓄热','热负荷') grid on

figure(13) hold on positive=Wgb'; negative=(-Wchp)'; po=bar(positive,'stack'); ne=bar(negative,'stack'); set(po(1),'Facecolor',[0 0 1]); set(ne(1),'Facecolor',[0.5 1 1]); po1=plot(t, Wq, 'or-','MarkerFaceColor','r'); xlabel('时段/h');ylabel('功率/m3'); legend('气网','CHP机组','气负荷') grid on

3 仿真结果

4 参考文献

[1]柳川, 李京原, 孙博,等. 基于改进粒子群算法的独立热电联供微电网优化运行[J]. 机电信息, 2014(15):2.

[2]何承瑜. 蓄热电锅炉消纳风电的控制策略研究[D]. 华北电力大学(北京).

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机、雷达通信、无线传感器等多种领域的Matlab仿真，相关matlab代码问题可私信交流。部分理论引用网络文献，若有侵权联系博主删除。