目录
主要内容
为了调高风光互补发电储能系统的经济性，减少其运行费用，研究风光互补发电储能系统的容量优化配置模型，探讨粒子群算法的改进及混合储能容量优化方法。首先通过对全生命周期费用静态模型的介绍，利用蓄电池和超级电容器作为风光互补系统混合储能装置，以其全生命周期费用最小为目标，以系统的缺电率等运行指标为约束条件，建立了一种混合储能系统容量优化配置模型，其次，通过优化不对称加速因子进而改进了粒子群算法，最后利用算例在 Matlab 中进行了仿真与求解，结果表明，该方法不仅优化了蓄电池的工作状态，降低了储能系统的全生命周期费用，而且加快了收敛速度。
模型的建立风光互补发电系统中，将蓄电池-超级电容器混合作为储能装置，系统构成如图 1 所示，它由风力发电机组、光伏阵列、蓄电池、超级电容器、变流器、负载等组成。
部分程序
%% 参数初始化
%粒子群算法中的两个参数
c1 = 1.49445;
c2 = 1.49445;
maxgen=400; %进化次数
sizepop=100; %种群规模
Vmax=10; %速度最大值
Vmin=-10; %速度最小值
popmax=[49060 9847457]; %粒子最大值
popmin=[1400 295198]; %粒子最小值
%% 产生初始粒子和速度
for i=1:sizepop
%随机产生一个种群
pop(i,1)=(49060-1400)*rand+1400; %初始种群
pop(i,2)=(9847457-295198)*rand+295198;
V(i,:)=0.5*rands(1,2); %初始化速度
%计算适应度
fitness(i)=funm(pop(i,:)); %染色体的适应度
end
%% 个体极值和群体极值
[bestfitness bestindex]=min(fitness); %找最小适应度
zbest=pop(bestindex,:); %全局最佳
gbest=pop; %个体最佳
fitnessgbest=fitness; %个体最佳适应度值
fitnesszbest=bestfitness; %全局最佳适应度值
%% 迭代寻优
for i=1:maxgen
for j=1:sizepop
%计算权重
weight=1;
weight=0.9+(0.9-0.4)*exp(-20*(i^6)/(maxgen^6));
%计算学习因子
%速度更新
V(j,:) = weight*V(j,:) + c1*rand*(gbest(j,:) - pop(j,:)) + c2*rand*(zbest - pop(j,:));
V(j,find(V(j,:)>Vmax))=Vmax;
V(j,find(V(j,:):)=pop(j,:)+V(j,:);
for k=1:2
if pop(j,k)>popmax(k)
pop(j,k)=popmax(k);
end
end
for k=1:2
if pop(j,k)end
end
%适应度值
fitness(j)=funm(pop(j,:));
end
for j=1:sizepop
%个体最优更新
if fitness(j) < fitnessgbest(j)
gbest(j,:) = pop(j,:);
fitnessgbest(j) = fitness(j);
end
%群体最优更新
if fitness(j) < fitnesszbest
zbest = pop(j,:);
fitnesszbest = fitness(j);
end
end
yy(i)=fitnesszbest; %保存下每一代的最优值
end
%% 结果分析
plot(yy,'k')
title('最优个体适应度','fontsize',12);
xlabel('进化代数','fontsize',12);ylabel('适应度','fontsize',12);
zbest
fitnesszbest