基于改进遗传退火算法的微电网运行优化研究
Microgrid Optimization Scheduling Based on Improved Genetic Annealing Algorithm
DOI: 10.12677/AEPE.2020.81001, PDF,  被引量   
作者: 张 君*, 张志飞, 刘 静：佛山科学技术学院，自动化学院，广东 佛山；刘珍英：广东立胜综合能源服务有限公司，广东 佛山
关键词: 微电网；优化调度；遗传退火算法；模拟退火算法；遗传算法；Microgrid； Optimal Scheduling； Genetic Annealing Algorithm； Genetic Simulated Annealing Algorithm； Genetic Algorithm
摘要: 本文研究微电网的运行优化问题。为获取微电网系统的最优运行策略以及降低微电网在运行过程中的综合费用，文中首先建立了微电网运行的一般数学模型，并对遗传退火算法中的退温函数进行了改进，加快遗传退火算法的收敛速度，使得遗传退火算法更为高效。然后分别采用遗传算法(Genetic algorithm, GA)、模拟退火算法(Simulated annealing algorithm, SA)以及改进后的遗传退火算法(GSAA)对并网模式下微电网运行模型和孤岛模式下的微电网运行模型进行优化求解。最后，分别对并网模式和孤岛模式的两种微电网优化结果和运行策略进行分析。仿真结果表明改进后的遗传退火算法具有收敛速度更快和运行费用更低的特点。
Abstract: This paper studies the optimization of microgrid operation. In order to obtain the optimal operation strategy of the microgrid system and reduce the cost of the microgrid during operation, the general mathematical model of the microgrid operation is established, and the annealing function in the genetic annealing algorithm is improved, which makes the convergence speed of the genetic annealing algorithm faster. The improvement leads to the genetic annealing algorithm being more efficient. Then, the article uses Genetic Algorithm (GA), Simulated Annealing Algorithm (SA) and Improved Genetic Annealing Algorithm (GSAA) to optimize the microgrid operation model in grid-connected mode and the microgrid operation model in island mode. Finally, the two micro-grid optimization results and operation strategies of grid-connected mode and island mode are analyzed. The simulation results show that the improved algorithm has the characteristics of fast convergence and lower operating cost.
文章引用：张君, 张志飞, 刘珍英, 刘静. 基于改进遗传退火算法的微电网运行优化研究[J]. 电力与能源进展, 2020, 8(1): 1-11. https://doi.org/10.12677/AEPE.2020.81001

参考文献

[1] 杨帆, 段梦诺, 张章, 刘英英, 徐晶. 分布式电源接入对电网的影响综述[J]. 电力与能源进展, 2017, 5(1): 13-18.
[2] 程军照, 李澍森, 冯宇, 等. 发达国家微网政策及其对中国的借鉴意义[J]. 电力系统自动化, 2010, 34(1): 64-68.
[3] 别朝红, 林雁翎. “微网规划与设计”国际标准研究刘畅等: 利用储能系统实现可再生能源微电网安全运行的研究综述[J]. 标准科学, 2017, 12: 172-177.
[4] 郭雅娟, 陈锦铭, 何红玉, 等. 交直流混合微电网接入分布式新能源的关键技术研究综述[J]. 电力建设, 2017, 38(3): 9-18.
[5] Aguilar-Jiménez, J.A., Velázquez, N., Acuña, A., et al. (2018) Techno-Economic Analysis of a Hybrid PV-CSP System with Thermal Energy Storage Applied to Isolated Microgrids. Solar Energy, 174, 55-65. [Google Scholar] [CrossRef] 
[6] Ghasemi, A. and Enayatzare, M. (2018) Optimal Energy Management of a Renewable-Based Isolated Microgrid with Pumped-Storage Unit and Demand Response. Renewable Energy, 123, 460-474. [Google Scholar] [CrossRef] 
[7] 孟晓丽, 牛焕娜, 贾东梨, 等. 基于储能Soc日前计划的微电网实时能量优化调度方法[J]. 农业工程学报, 2016, 32(8): 155-161.
[8] Ashoke Kumar Basu, S.P., Chowdhury, S. and Chowdhury, S.P. (2011) Microgrids: Energy Management by Strategic Deployment of DERs—A Comprehensive Survey. Renewable and Sustainable Energy Reviews, 15, 4348-4356. [Google Scholar] [CrossRef] 
[9] 陈天翼, 刘宏勋. 基于遗传算法的微电网经济运行优化[J]. 电器与能效管理技术, 2017(21): 54-58.
[10] 孙佳星, 王培宇, 胡兴媛, 等. 并网型微电网优化调度及经济性分析[J]. 东北电力技术, 2018, 39(9): 32-35, 43.
[11] 李翔宇, 朱永强, 夏瑞华. 一种适用于微电网的新型风电调度策略[J]. 可再生能源, 2017, 35(10): 1500-1505.
[12] 张东, 陈景文, 张蓉, 等. 计及光伏预测的直流微电网能量调度研究[J]. 智慧电力, 2018, 46(2): 28-33.
[13] 房鑫, 薛文, 刘方正. 混沌多目标遗传算法的微电网系统容量优化[J]. 通信电源技术, 2017, 34(4): 158-160.
[14] 王璟, 王利利, 郭勇, 等. 计及电动汽车的微电网经济调度方法[J]. 电力系统保护与控制, 2016, 44(17): 111-117.
[15] 赵磊, 曾芬钰. 孤岛运行下的微电网经济性优化研究[J]. 陕西电力, 2015, 43(7): 22-26.
[16] 杨东升. 基于帕莱托最优的多目标并网型微电网经济运行方法研究[J]. 电器与能效管理术, 2017(12): 21-25, 30.
[17] 米阳, 李战强, 吴彦伟, 等. 基于两级需求响应的并网微电网双层优化调度[J]. 电网技术, 2018, 42(6): 1899-1906.
[18] 程启明, 程尹曼, 黄山, 张强. 微电网经济优化运行综述[J]. 广东电力, 2018, 31(2): 1-9.
[19] 聂瀚, 杨文荣, 马晓燕, 王慧娟. 基于改进鸟群算法的离网微电网优化调度[J]. 燕山大学学报, 2019, 43(3): 228-237.
[20] 刘畅, 卓建坤, 赵东明, 等. 利用储能系统实现可再生能源微电网灵活安全运行的研究综述[J]. 中国电机工程学报, 2020, 40(1): 1-18.
[21] 吴根忠, 孙亮. 基于自抗扰控制器的风力发电系统最大功率追踪控制[J]. 浙江工业大学学报, 2011, 39(5): 560-565.