基于粒子群算法的微电网优化配置和低碳调度

《基于粒子群算法的微电网优化配置和低碳调度》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、摘要基于化石能源日益枯竭和环境保护的考虑，加上单纯依赖大电网供电存在的安全缺陷，利用清洁能源的分布式发电技术受到了同益广泛的关注与重视。分布式发电具有能耗低、清洁环保、供电灵活等优点，但也具有控制复杂、相对大电网为随机不可控源等不足。为发挥分布式发电的优势，协调分布式电源与大电网问的矛盾，人们提出了微电网的概念。微电网是一种将各种小型分布式电源、储能装置组合起来为当地负荷提供电能的中、低压电网，是未来分布式电源的主要运行模式。分布式电源的多样性及其运行组合的灵活性，使得微电网的配置和运行优化十分复杂，

2、如何实现微电网的优化配置、能量管理和运行调度还存在较多亟须解决的问题，发展和研究微电网的优化配置及运行理论便显得十分必要。本文分析微型燃气轮机、光伏电池、风力发电机和燃料电池的工作原理和运行特性，参考大量文献给出各种微电源的运行成本和排放模型。在分析分布式发电配置方式对微电网影响的基础上，建立了考虑成本和网损的微网优化配置数学模型，并提出一种基于粒子群算法的多目标分层优化方法。第一层根据网损最小时系统的潮流分布确定微电源最优安装位置；第二层采用粒子群算法，以年发电成本最低为目标，搜索微电源最优容量和类

3、型，实现了微电源的选址、定容和选型。最后，以某地区30节点系统为算例，验证了模型和算法的有效性。基于优化设计的微网系统，论文进一步提出微电网优化运行数学模型，以运行成本最低、网损最小和碳排放量最低为目标，首先利用粒子群算法分别求解单目标下微电网的调度运行策略。再基于多目标低碳调度模型，采用改进的理想点的方法，得到微电网低碳调度运行策略。最后，对单目标和多目标优化运行策略进行了详细地对比和分析，并总结多目标低碳优化调度策略的优势。本文所进行的研究工作对微电网的规划设计和能量管理有一定的理论意义和参考价值

4、。关键词：微电网；分布式发电；优化配置；优化运行；低碳调度广东工业大学硕士学位论文ABSTRACTBasedontheconsiderationoftheexhaustingoffossilresourceandtheprotectionoftheenvironment，besides，providepowerdependsonpowergridonlyexistsafetylimitation．Distributedgenerationwiththefeatureoflowenergyconsump

5、tion,cleanenvironmentandflexiblepowersupplyhasbeenusedwidelyinrecentyears．ButforrandomuncontrollableSOurCeS，itiscomplextocontr01．Tointegratetheadvantagesofdistributedgeneration，coordinatedistributedpowerandthepowersystem，microgridwasproposed．Microgridis

6、amediumorlowvoltagepowergridcombinedwithvarietyofsmall，distributedgenerationandenergystoragetoprovideelectricityforthelocalload．Thedistributedgenerations’diversityandflexibilitymakethemicrogridallocationandoperationoptimizationverycomplicated．Howtoachie

7、vetheoptimalallocationofmicrogrid，energymanagementandoperationscheduling，therearestillurgentneedtoresolvetheproblem．So，developmentandstudytheoptimalallocationandoperationtheoryofthemicrogridwillbeverynecessary．Thisthesisanalyzestheprincipleandoperationa

8、lcharacteristicsofmicroturbines，photovoltaiccells，windturbinesandfuelcells，extensiveliteraturereferenceisgivenavarietyofdistributedgenerationoperatingcostsandemissionsmodel．Consideringthecostsandlossofmicro—poweroptimizationconfi