發(fā)布時間：2023-02-05 11:37

　　本文針對微網能量協(xié)調的最優(yōu)經濟要求,在傳統(tǒng)之上,使用了模型預測控制框架下的滾動時域優(yōu)化（receding horizon contrcl,RHC）方法,并采用支持向量機（SVM）來預測風機功率和負荷狀態(tài)。結合微電網模型特點,提出一種具有柔性框架結構的改進型復雜過程全局優(yōu)化進化算法（IEACOP）。該算法在通用框架內嵌入具有搜索機制的各類子方法,在充分考慮風力發(fā)電機和蓄電池的外特性數學模型以及約束條件的前提下,采用無限折射映射混沌模型改進多樣性初始種群的生成策略。并應用局部搜索法對"超越策略"產生的超矩形區(qū)域進行深度搜索,提高局部最優(yōu)解的求解效率。仿真結果表明,該方法充分發(fā)揮了IEACOP優(yōu)勢,滿足微電網能量協(xié)調控制的要求,改進的復雜過程全局優(yōu)化進化方法能夠使用較少的調節(jié)參數完成微電網能量協(xié)調優(yōu)化的可行解搜索,實例證實了所提出方法的有效性。 

【文章頁數】：7 頁

【文章目錄】：
0 引言
1 基于IEACOP的滾動優(yōu)化的微電網系統(tǒng)
    1.1 微電網統(tǒng)拓撲結構
    1.2 改進的復雜過程全局優(yōu)化進化算法 (IEACOP)
        1.2.1 多樣性初始種群生成策略
        1.2.2 種群的合并法則
        1.2.3 種群更新策略和超越策略
    1.3 基于滾動優(yōu)化預測控制理論
2 風功率和負荷的SVM模型
3 基于IEACOP的滾動優(yōu)化的微網系統(tǒng)能量協(xié)調優(yōu)化
    3.1 滾動優(yōu)化下的目標函數實現
    3.2 約束條件
4 算例分析
5 結語



本文編號：3734904