|
电话：15313702523
基于coyote算法的Discover蓄电池在微电网中最小化电费的battery energy storage system最优运行
在微电网体系中完成 battery energy storage system (BESS) 的 optimal operation 是充分运用高度不确认性效率的有用处理方案。可再生动力本文提出了一种运用metaheuristic算法完成微电网体系中BESS优化运转的模型，旨在下降从电网购买的电费本钱。该微电网模型包含电网电源、负荷、photovoltaic system (PVS)、wind turbine (WT)以及依据model predictive control构建的Simulink模型中的BESS。负荷、辐射等数据...风速，且电价每15分钟更新一次。在全天的每个时刻距离内，经过调整coyote算法（COA）来确认BESS的最佳功率。所考虑的事例包含：无BESS的微电网；依据发电电源与负荷需求之间功率差值的启发式办法运转的含BESS微电网；以及运用COA和粒子群优化（PSO）算法以最小化动力本钱为方针的含BESS微电网。成果表明，该模型可以运用随每个采样时刻更新的负荷、PVS、WT和BESS数据，评价微电网中最佳BESS运转问题。在下降动力本钱方面，依据COA的BESS运转办法比较无BESS的状况可下降63.76%的电费。COA完成的电费降幅别离比PSO和启发式算法高出13.22%和47.38%。在环境参数改变的状况下，该办法比较无BESS状况仍能下降35.98%的电费，且比PSO和启发式办法别离高出7.60%和27.59%。两种元启发式办法——COA和PSO的比照成果显现，在确认全天每个时刻距离的BESS功率值时，COA往往比PSO获得更好的成果。因而，依据Simulink模型及各时刻距离确认最佳BESS功率的办法得到的微电网最佳BESS运转模型
导言
近年来，为满意不断增长的负荷需求，提高发电能力是一项必要要求。发电能力的增长首要针对运用化石燃料的动力，这导致了温室效应问题、环境问题以及对人类生活的负面影响[1]。针对这一现状，开发可再生动力已成为全球许多国家的优先方针。到2050年，可再生动力有望奉献国际总电能的65%[2]。可再生动力品种繁多，如太阳能、风能、地热能、生物质能等，其间太阳能和风能是全球最受欢迎且运用最广泛的两种动力。但是，这两种动力高度依靠天气条件且不可调度。由于其不确认性，运用这些可再生动力可能会引发电压和频率动摇、电力体系功率失衡以及电力糟蹋等一系列问题。此外，体系中可再生动力的动摇需要得到平衡以保持体系稳定性。例如，一个具有10%风电容量的体系需要从其他电源保存约2%至4%的容量来保持体系平衡[3]。这增加了电力体系中其他类型电源的运转本钱。为了克服可再生动力的缺点，装置和运转储能体系是处理方案之一。
以往的研讨首要集中在优化BESS运转以完成各种技能和经济方针。从技能视点来看，装置和运转BESS有助于改进电力体系的许多技能目标，例如削减功率损耗、改进电压以及下降电力体系中线路过载的可能性。在[10]中，经过优化装置和运转BESS来最小化功率损耗。在[11]中，功率损耗指数也被视为BESS运转期间需要优化的方针。在[12]中，引荐了BESS的选址和日间运转方案，以削减配电体系的功率损耗和电压漂移。在[13]中，同样经过优化装置BESS来削减配电体系中的功率损耗、电压误差和线路负载能力。在[14]中，经过优化运转BESS来缓解电力体系的拥塞问题。在[15]中，优化装置和运转BESS以支撑电力体系的频率稳定。在[16]中，BESS与DSTATCOM及DG相结合，以最小化车辆充电站对配电体系的影响。从经济视点看，由于其可以得到优化运转，BESS也是带来赢利的有用处理方案之一。特别是在包含大量具有固有高度不确认性的可再生动力（如光伏体系(PVS)和风力涡轮机(WT)）参与的电力体系布景下。在[17]中，BESS与集成的PVS的装备和运转方案...
在处理BESS运转优化问题的办法方面，许多依据metaheuristic算法的办法已成功运用于这些问题，例如genetic algorithm (GA) [15,30,31]、slime mould algorithm [16]、PSO [32]、gravity search algorithm [33]、hybrid of GA and PSO [34]、artificial bee colony [13]以及whale optimization algorithm [11]。与用于这些问题的mathematical办法（如linear programming [35]、mixed-integer nonlinear programming [[36], [37], [38], [39]]和second-order cone programming [40]）比较，依据metaheuristic的办法具有共同特征，即关于不同方针仅需较少的额定推导、计算资源和多样性[41]。但是，现在尚无任何办法能对一切问题始终保持高效率[42]。因而，仍需鼓励寻觅处理optimal BESS operation问题的新办法。
在布置仿真模型以评价BESS的经济与技能有用性以及处理相关问题的技能层面，以往大多数研讨经过编写代码并在Matlab环境中运转程序来完成。这使得该模型从电力体系视角来看缺少直观性。此外，关于集成风能、太阳能及BESS等分布式电源的电力体系模型，需要在查询期间的每个时刻距离搜集并处理BESS、辐照度、风速和负荷需求的数据。依据上述要素，在研讨相关问题时，应当鼓励开发依据模型猜测操控的仿真模型，以便在仿真环境中评价电力体系的运转状况。
本文提出了一种依据元启发式算法模型设计的微电网体系BESS优化运转模型，旨在下降从电力体系购买的电费本钱。整个模型构建在Simulink环境中，其间负荷需求、辐照度、风速和电价数据每15分钟更新一次。跟着上述数据的更新，运用优化算法确认BESS体系自更新时刻起未来24小时内的最佳运转功率。为了确认一天中不同时段BESS的运转功率，采用COA算法计算全天96个时刻点的BESS最佳运转功率。COA是一种受北美犬社会行为启发的元启发式算法[43]。COA依据多方向信息调整收敛方向，其解更新机制依据种群各组的领导者和总体趋势。这有助于COA避免陷入部分极值。在文献[43]中，COA在40个基准函数上的表现优于PSO、ABC、bat algorithm、grey wolf optimizer等算法。在电力体系领域，COA已成功运用于分布式体系最优径向拓扑[44]、负荷猜测[45]、分布式体系中interline-photovoltaic体系的集成[46]以及最优潮流[47,48]等多个问题。因而，将COA运用于BESS运转容量
为了评价所提模型以及COA算法在微电网体系中评价BESS运转效率的有用性，考虑的事例包含无BESS运转和有BESS运转的微电网体系。特别地，针对最小化从电力体系购买电费的BESS运转问题，将COA算法的有用性与PSO算法和启发式算法进行了比较。PSO是一种与COA同属一类的群智能算法，它是一种著名的算法，已成功运用于电力体系的许多问题中；而用于BESS运转的启发式算法则是依据微电网体系中负荷需求与发电电源之间的功率平衡。在每个评价事例中，搜集了如微电网体系各部分功率、荷电状态（SoC）以及一天中不同时刻的累计电费等目标，以评价这些办法的有用性。