深度 | 考虑补贴的独立微网容量配置优化方法-第3页-北极星售电网

投稿

我要投稿

2.4 优化算法

遗传算法[18]是模拟生物进化论自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。其通过逐渐剔除劣等的配置组合,保留优秀的配置组合,最后找出最优的配置组合结果。

遗传算法可以表达为

SGA=(C,E,P0,M,ϕ,Γ,Ψ,T)SGA=(C,E,P0,M,ϕ,Γ,Ψ,T) (21)

式中：C是个体的编码方法;E是个体适应度评价函数;P0是初始群体;M是群体大小;ϕϕ是选择算子;ΓΓ是交叉算子;ΨΨ是变异算子;T为遗传运算终止条件。

3 算例分析

现选取某岛屿(地理位置为22°37′N22°37′N,120°16′E120°16′E)作为研究对象。根据该岛一年的风速、光照和基准负荷数据,进行系统容量配置优化计算。该岛基准峰荷为960 kW,平均负荷为499.8 kW。岛上平均风速为6 m/s,平均光照强度为0.174 61 kW/m2。详细数据如图4—6所示。

3.1 不考虑补贴和负荷增长

本文基于上述优化方法自主开发了一款软件MSOP,并以此作为本文研究工作的仿真平台。由于美国能源部可再生能源实验室开发的HOMER[19]软件没有考虑补贴和负荷增长因素,本文暂设置补贴和年负荷预测增长率均为0,与HOMER优化结果进行对比分析。系统寿命周期为25年,最大年负荷缺额率为0.1%,贴现率为6%。详细的各电源元件参数见附录1。

利用自主开发的MSOP软件和HOMER软件分别计算得到的优化结果如表1所示。