1 简介为了能够降低微电网发电过程中的发电成本,减少环境污染,对微电网中各部分的负荷进行了优化分配.研究的微电网包含风力发电机,光伏发电机,柴油发电机,通过采用麻雀搜索算法对孤网运行及并网运行两种运行模式下的负荷进行分配.在孤网运行模式的优化过程中,以综合成本为目标函数,综合成本包括运行成本和环境成本两部分.在并网运行模式的优化过程中,综合成本在孤网运行模式成本的基础上增加考虑了与大电网进行交易的成本.约束条件包括功率平衡约束和微电源出力约束两部分.采用MATLAB平台对上述模型进行仿真,仿真结果表明,采用提出的负荷优化分配模型可以有效的降低发电的综合成本,是切实可行的.SSA 是通过对麻雀种群寻找食物和防止其他物种捕食行为的分析于 2020 年提出其中有发现者、加入者和侦察者 3 个角色。发现者负责为加入者寻找觅食的区域当侦察者发现捕食者种群会前往另外的安全区域觅食。发现者和加入者之间可以相互转换同时也存在竞争关系。其原理见文献。2 部分代码%% 基于麻雀算法算法求解微电网模型clear all;clcclose all%%% 柴油发电机模型Pd_min80;%柴油发电机最小输出功率Pd_max800;%柴油发电机最大输出功率Nt24;%24个周期Pdzeros(1,Nt);%柴油发电机输出功率变量delta_Pd_min-500;%柴油发电机最小变换输出功率delta_Pd_max500;%柴油发电机最大变换输出功率c_do0.46;%为柴油发电机的运行燃耗成本系数c_dm0.1;%柴油发电机的运行维护成本系数%% 储能模型Pes_chzeros(1,Nt);%储能的充电功率Pes_diszeros(1,Nt);%储能的放电功率E_ES(1:Nt)1200;%储能装置剩余容量Pes_ch_max500;%储能的充电最大功率Pes_dis_max500;%储能的放电最大功率alpha0.2;%储能自损耗率n_dis0.9;%储能的充、放电效率n_ch0.95;%储能的放电效率c_eso0.32;%储能的运营综合成本系数。c_esm0.32;%储能的维护综合成本系数。P_TL_min50;%用户最小需求P_TL_max200;%用户最大需求c_TLc0.3;%补偿成本系数TL1800;%总功率需求P_TLsuijihe(TL,Nt,P_TL_min,P_TL_max);P_TL_expP_TL10*rand(1,Nt);%实际需求P_L[220,210,200,170,200,250,300,350,400,450,500,520,420,410,405,400,420,480,520,450,560,430,400,250];%微电网负荷需求、P_L_yuceP_L0.15*rand(1).*P_L-0.3.*P_L;%%微电网负荷预测需求P_RES[0,0,0,0,0,0,0,100,200,400,500,600,700,650,550,460,360,270,100,0,0,0,0,0];%为新能源输出功率P_RES_yuceP_RES0.15*rand(1).*P_RES-0.3.*P_RES;%%微电网负荷预测需求P_RES_Ab[0,0,0,0,0,0,0,20,0,0,0,63,0,0,22,0,56,3,0,0,0,0,0,0];%弃风弃光功率c10.15;c20.42;c30.85;p110;p230;p3100;flag1;%1表示引入弃风弃光操作0表示不引入popsize100; %种群规模end% GA_y; %每代的最佳目标函数值[gy,k]min(GA_y); %全局最优解GA_x GA_x(k,:); %全局最优解对应的自变量[ GA_cost_best, GA_Pes_best, GA_Pd_best]calfit(GA_x,Nt,Pd_min,Pd_max,Pd,delta_Pd_min,delta_Pd_max,c_do,c_dm,...Pes_ch,Pes_dis,E_ES,Pes_ch_max,Pes_dis_max,alpha,n_dis,n_ch,c_eso,c_esm,P_TL_min,...P_TL_max,c_TLc,TL,P_TL,P_TL_exp,P_L,P_RES,P_RES_Ab,flag,c1,c2,c3,p1,p2,p3);figure(4)plot( GA_y) %收敛曲线title(遗传算法优化微电网调度收敛性曲线);xlabel(进化代数);ylabel(函数值);figure(5)plot(1:Nt,P_L,b-,LineWidth,2)hold onplot(1:Nt,P_L_yuce,b--,LineWidth,2)plot(1:Nt,P_RES,r-,LineWidth,2)plot(1:Nt,P_RES_yuce,r--,LineWidth,2)legend(负荷实际值,负荷预测值,光伏实际值,光伏预测值)xlabel(时间/h)ylabel(功率/kW)title(遗传算法);figure(6)stairs( GA_Pd_best,b-);hold onstairs(P_RES,r-);stairs( GA_Pes_best,g-);legend(柴油机,光伏,储能)xlabel(时间/h)ylabel(功率/kW)title(遗传算法);hold off3 仿真结果4 参考文献[1]刘芳等. 基于麻雀搜索算法的微电网储能优化调度方法..