本發(fā)明涉及一種海島智能微電網(wǎng)多源協(xié)調(diào)控制方法。
背景技術(shù)：
社會(huì)經(jīng)濟(jì)發(fā)展對(duì)于能源的需求越來(lái)越大，越來(lái)越嚴(yán)重的環(huán)境污染使得傳統(tǒng)能源在應(yīng)用過(guò)程中面臨瓶頸，如何解決能源匱乏和環(huán)境污染是當(dāng)今社會(huì)面臨的重要問(wèn)題。十八大報(bào)告提出“提高海洋資源開(kāi)發(fā)能力，發(fā)展海洋經(jīng)濟(jì)，保護(hù)海洋生態(tài)，堅(jiān)決維護(hù)國(guó)家海洋權(quán)益，建設(shè)海洋強(qiáng)國(guó)”。海島作為海洋的重要組成部分，建設(shè)開(kāi)發(fā)海島是中國(guó)實(shí)施海洋戰(zhàn)略的重要組成部分，是壯大海洋經(jīng)濟(jì)、拓展發(fā)展空間的重要依托。我國(guó)海島眾多，能源保障是海島開(kāi)發(fā)的基本要求，以此，開(kāi)發(fā)海島及其周圍豐富的可再生能源，構(gòu)建基于可再生能源分布式發(fā)電系統(tǒng)的海島智能微電網(wǎng)，可以解決海島開(kāi)發(fā)過(guò)程中的能源問(wèn)題。海洋能源的開(kāi)發(fā)對(duì)于海洋環(huán)境的保護(hù)，促進(jìn)節(jié)能減排也具有重要意義。
智能微電網(wǎng)是為了解決分布式發(fā)電系統(tǒng)并網(wǎng)接入而提出了一種新的電網(wǎng)組織形式。微電網(wǎng)集分布式發(fā)電系統(tǒng)、儲(chǔ)能系統(tǒng)和負(fù)荷于一體，通過(guò)自身的控制實(shí)現(xiàn)孤島運(yùn)行和并網(wǎng)運(yùn)行，并可在兩種運(yùn)行方式間平滑切換。微電網(wǎng)是提高分布式發(fā)電系統(tǒng)利用效率的有效途徑，避免了大量分布式發(fā)電系統(tǒng)接入對(duì)電力系統(tǒng)的沖擊，并能夠提高電網(wǎng)的供電能力。海洋蘊(yùn)含大量的可開(kāi)發(fā)的可再生能源，其中風(fēng)能、太陽(yáng)能、波浪能、潮流能、潮汐能等能源相對(duì)開(kāi)發(fā)難度較低。目前基于上述能源的分布式發(fā)電系統(tǒng)不斷涌現(xiàn)為海島智能微電網(wǎng)的應(yīng)用提供了條件。
隨著海島智能微電網(wǎng)的建設(shè)，基于分布式發(fā)電系統(tǒng)運(yùn)行特性的微電網(wǎng)優(yōu)化運(yùn)行提上日程。當(dāng)多種能源接入微電網(wǎng)時(shí)，需要對(duì)各種可再生能源根據(jù)其運(yùn)行特性進(jìn)行綜合調(diào)度。國(guó)內(nèi)外學(xué)者在這方面進(jìn)行了大量的研究，從經(jīng)濟(jì)性、可靠性、環(huán)保性等不同角度對(duì)微電網(wǎng)多種能源進(jìn)行協(xié)調(diào)控制，提高微電網(wǎng)運(yùn)行的可靠性和經(jīng)濟(jì)性，從而提高可再生能源分布式發(fā)電系統(tǒng)的利用效率。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明為了解決上述問(wèn)題，提出了一種海島智能微電網(wǎng)多源協(xié)調(diào)控制方法，本發(fā)明綜合考慮各種可再生能源分布式發(fā)電系統(tǒng)的運(yùn)行特性，以光伏、潮流能、柴油發(fā)電機(jī)和儲(chǔ)能進(jìn)行協(xié)調(diào)控制，提供一種海島智能微電網(wǎng)多源協(xié)調(diào)控制方法。該方法能夠?yàn)槲㈦娋W(wǎng)的綜合運(yùn)行提供指導(dǎo)，提高微電網(wǎng)運(yùn)行的經(jīng)濟(jì)性和可靠性。
為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
一種海島智能微電網(wǎng)多源協(xié)調(diào)控制方法，考慮海島可再生能源分布式發(fā)電系統(tǒng)的運(yùn)行特性，確定微電網(wǎng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，進(jìn)行輸出功率的預(yù)測(cè)，構(gòu)建經(jīng)濟(jì)性、可靠性為目標(biāo)函數(shù)的優(yōu)化運(yùn)行模型，基于粒子群算法，在約束條件下求解優(yōu)化運(yùn)行模型的全局最優(yōu)解和個(gè)體最優(yōu)解，確定最優(yōu)值以對(duì)微電網(wǎng)多源優(yōu)化調(diào)度。
優(yōu)選的，所述可再生能源分布式發(fā)電系統(tǒng)具體包括光伏發(fā)電系統(tǒng)和潮流能發(fā)電系統(tǒng)。
優(yōu)選的，當(dāng)可再生能源分布式發(fā)電系統(tǒng)的能源不足時(shí)，通過(guò)柴油發(fā)電系統(tǒng)以及儲(chǔ)能系統(tǒng)進(jìn)行調(diào)節(jié)優(yōu)化控制。
優(yōu)選的，進(jìn)行輸出功率的預(yù)測(cè)時(shí)，利用人工神經(jīng)網(wǎng)絡(luò)方法光伏、潮流能和負(fù)荷預(yù)測(cè)模型預(yù)測(cè)光伏系統(tǒng)、潮流能發(fā)電系統(tǒng)未來(lái)一段時(shí)間的輸出功率和負(fù)荷功率。
優(yōu)選的，微電網(wǎng)優(yōu)化運(yùn)行模型的目標(biāo)函數(shù)為微電網(wǎng)運(yùn)行成本、微電網(wǎng)運(yùn)行環(huán)境折算成本和供電可靠性成本之和最小。
進(jìn)一步的，微電網(wǎng)運(yùn)行成本包括運(yùn)行維護(hù)成本、能源消耗成本和各機(jī)組的啟動(dòng)成本。
進(jìn)一步的，微電網(wǎng)運(yùn)行環(huán)境折算成本為所有污染物的排放量與其對(duì)應(yīng)的環(huán)境折算成本乘積之和。
進(jìn)一步的，供電可靠性成本包含微電網(wǎng)優(yōu)化運(yùn)行過(guò)程中用戶失去負(fù)荷的損失，由電價(jià)、用戶費(fèi)用補(bǔ)償系數(shù)和相應(yīng)時(shí)刻的負(fù)荷中斷功率確定。
優(yōu)選的，所述約束條件包括：微電網(wǎng)各分布式電源發(fā)出的功率之和與用戶所需求的功率相互匹配，每個(gè)微電源的實(shí)際輸出功率任意時(shí)刻都要在其容量的上下限之內(nèi)，每個(gè)電源的開(kāi)機(jī)、關(guān)機(jī)時(shí)間均大于等于各自的最小開(kāi)機(jī)和關(guān)機(jī)時(shí)間，調(diào)度時(shí)段內(nèi)的啟停次數(shù)要小于等于最大啟停次數(shù)，或/和儲(chǔ)能蓄電池在單位時(shí)間充放電過(guò)程中充電、放電功率不超過(guò)最大容量與設(shè)定閾值的乘積。
優(yōu)選的，所述基于粒子群算法的方法為，將微電網(wǎng)中需要優(yōu)化的分布式發(fā)電系統(tǒng)輸出功率為粒子群每個(gè)粒子的每一維，確定最大迭代次數(shù)、優(yōu)化參數(shù)搜索范圍和變鄰域搜索區(qū)間，進(jìn)行目標(biāo)函數(shù)的適應(yīng)度計(jì)算，獲得粒子群算法個(gè)體最優(yōu)解和全局最優(yōu)解，并進(jìn)行粒子速度和位置的更新，對(duì)全局最優(yōu)解和個(gè)體最優(yōu)解進(jìn)行局部的混沌變鄰域搜索，根據(jù)鄰域搜索確定新的個(gè)體最優(yōu)解和全局最優(yōu)解位置，直到滿足迭代次數(shù)。
進(jìn)一步的，混沌變鄰域搜索時(shí)，利用logistic函數(shù)構(gòu)造混沌變量，將產(chǎn)生的混沌變量映射為變量變化值，確定鄰域半徑和個(gè)體最優(yōu)解或者全局最優(yōu)解位置偏移值。
進(jìn)一步的，混沌變鄰域搜索時(shí)，鄰域半徑根據(jù)粒子位置的最大和最小值變化而變化，鄰域半徑隨著迭代次數(shù)的增加而非線性的減小。
進(jìn)一步的，確定新的個(gè)體最優(yōu)解位置和全局最優(yōu)解位置時(shí)，分別對(duì)比鄰域搜索前后個(gè)體最優(yōu)解和全局最優(yōu)解的適應(yīng)度，將適應(yīng)度高的粒子確定為最新的個(gè)體最優(yōu)解和全局最優(yōu)解。
本發(fā)明的有益效果為：
(1)本發(fā)明提供了一種優(yōu)化協(xié)調(diào)控制方法，綜合利用海島各種可再生能源，同時(shí)又不破壞海島生態(tài)，為解決海島供電和提高海島可再生能源的綜合開(kāi)發(fā)提供保障；
(2)本發(fā)明能夠充分考慮海島可再生能源分布式發(fā)電系統(tǒng)的運(yùn)行特性，結(jié)合柴油發(fā)電系統(tǒng)和儲(chǔ)能系統(tǒng)，實(shí)現(xiàn)微電網(wǎng)內(nèi)部分布式發(fā)電系統(tǒng)的協(xié)調(diào)控制，達(dá)到微電網(wǎng)優(yōu)化運(yùn)行的目的，從而提高系統(tǒng)運(yùn)行的可靠性和經(jīng)濟(jì)性；
(3)本發(fā)明計(jì)算過(guò)程簡(jiǎn)單，且綜合了經(jīng)濟(jì)型、可靠性和環(huán)保性的角度對(duì)為電網(wǎng)多種能源進(jìn)行調(diào)控，提高微電網(wǎng)運(yùn)行的可靠性和經(jīng)濟(jì)性，從而提高可再生能源分布式發(fā)電系統(tǒng)的利用效率。
附圖說(shuō)明
圖1為本發(fā)明的流程示意圖。
具體實(shí)施方式：
下面結(jié)合附圖與實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
一種海島智能微電網(wǎng)多源協(xié)調(diào)控制方法，包括以下步驟：
(1)構(gòu)建微電網(wǎng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，對(duì)微電網(wǎng)中的分布式發(fā)電系統(tǒng)進(jìn)行功率預(yù)測(cè)，確定光伏系統(tǒng)、潮流能系統(tǒng)以及負(fù)荷的預(yù)測(cè)情況；
(2)構(gòu)建光伏系統(tǒng)、潮流能系統(tǒng)的模型，建立以微電網(wǎng)運(yùn)行的經(jīng)濟(jì)性、可靠性為目標(biāo)函數(shù)的微電網(wǎng)優(yōu)化運(yùn)行模型；
(3)構(gòu)建功率平衡、輸出功率、最小關(guān)機(jī)和最小運(yùn)行時(shí)間、啟停次數(shù)和儲(chǔ)能蓄電池狀態(tài)的約束條件；
(4)基于粒子群算法，在約束條件下求解微電網(wǎng)優(yōu)化運(yùn)行模型的全局最優(yōu)解和個(gè)體最優(yōu)解，進(jìn)行粒子更新，輸出最優(yōu)值；
(5)將最優(yōu)值作為微電網(wǎng)運(yùn)行各分布式發(fā)電系統(tǒng)的最優(yōu)出力進(jìn)行微電網(wǎng)運(yùn)行優(yōu)化調(diào)度，實(shí)現(xiàn)微電網(wǎng)的多源協(xié)調(diào)優(yōu)化控制。
所述步驟(1)中，微電網(wǎng)網(wǎng)絡(luò)的分布式發(fā)電系統(tǒng)，具體包括光伏發(fā)電系統(tǒng)、潮流能發(fā)電系統(tǒng)和柴油機(jī)發(fā)電系統(tǒng)，在優(yōu)化調(diào)度時(shí)考慮光伏發(fā)電系統(tǒng)、潮流能發(fā)電系統(tǒng)，當(dāng)電源不足時(shí)再通過(guò)柴油發(fā)電系統(tǒng)以及儲(chǔ)能系統(tǒng)進(jìn)行調(diào)節(jié)優(yōu)化控制。
所述步驟(1)中，利用人工神經(jīng)網(wǎng)絡(luò)方法光伏、潮流能和負(fù)荷預(yù)測(cè)模型預(yù)測(cè)光伏系統(tǒng)、潮流能發(fā)電系統(tǒng)未來(lái)一段時(shí)間的輸出功率和負(fù)荷功率。
所述步驟(2)中，微電網(wǎng)優(yōu)化運(yùn)行模型的目標(biāo)函數(shù)為微電網(wǎng)運(yùn)行成本、微電網(wǎng)運(yùn)行環(huán)境折算成本和供電可靠性成本之和最小。
所述步驟(2)中，微電網(wǎng)運(yùn)行成本包括運(yùn)行維護(hù)成本、能源消耗成本和各機(jī)組的啟動(dòng)成本。
所述步驟(2)中，微電網(wǎng)運(yùn)行環(huán)境折算成本為所有污染物的排放量與其對(duì)應(yīng)的環(huán)境折算成本乘積之和。
所述步驟(2)中，可靠性成本包含微電網(wǎng)優(yōu)化運(yùn)行過(guò)程中用戶失去負(fù)荷的損失，由電價(jià)、用戶費(fèi)用補(bǔ)償系數(shù)和相應(yīng)時(shí)刻的負(fù)荷中斷功率確定。
所述步驟(3)中，約束條件具體包括：
(I)微電網(wǎng)各分布式電源發(fā)出的功率之和與用戶所需求的功率相互匹配；
(II)每個(gè)微電源的實(shí)際輸出功率任意時(shí)刻都要在其容量的上下限之內(nèi)；
(III)每個(gè)電源的開(kāi)機(jī)、關(guān)機(jī)時(shí)間均大于等于各自的最小開(kāi)機(jī)和關(guān)機(jī)時(shí)間；
(IV)調(diào)度時(shí)段內(nèi)的啟停次數(shù)要小于等于最大啟停次數(shù)；
(V)儲(chǔ)能蓄電池在單位時(shí)間充放電過(guò)程中充電、放電功率不超過(guò)最大容量與設(shè)定閾值的乘積。
所述步驟(4)中，具體步驟包括：
(4-1)微電網(wǎng)中需要優(yōu)化的分布式發(fā)電系統(tǒng)輸出功率為粒子群每個(gè)粒子的每一維，確定最大迭代次數(shù)、優(yōu)化參數(shù)搜索范圍、變鄰域搜索區(qū)間；
(4-2)根據(jù)初始粒子位置和飛行速度進(jìn)行目標(biāo)函數(shù)的適應(yīng)度計(jì)算，獲得粒子群算法個(gè)體最優(yōu)解和全局最優(yōu)解，并進(jìn)行粒子速度和位置的更新；
(4-3)對(duì)全局最優(yōu)解和個(gè)體最優(yōu)解進(jìn)行局部的混沌變鄰域搜索，根據(jù)鄰域搜索確定新的個(gè)體最優(yōu)解和全局最優(yōu)解位置；
(4-4)根據(jù)確定的個(gè)體最優(yōu)解和全局最優(yōu)解進(jìn)行粒子更新，根據(jù)最大迭代次數(shù)判斷算法是否終止，如果未達(dá)到最大迭代次數(shù)，返回步驟(4-2)，如果達(dá)到迭代次數(shù)，計(jì)算終止輸出結(jié)果。
所述步驟(4-3)中，利用logistic函數(shù)構(gòu)造混沌變量，將產(chǎn)生的混沌變量映射為變量變化值，確定鄰域半徑和個(gè)體最優(yōu)解或者全局最優(yōu)解位置偏移值。
所述步驟(4-3)中，鄰域半徑根據(jù)粒子位置的最大和最小值變化而變化，鄰域半徑隨著迭代次數(shù)的增加而非線性的減小。
所述步驟(4-4)中，確定新的個(gè)體最優(yōu)解位置和全局最優(yōu)解位置，分別對(duì)比鄰域搜索前后個(gè)體最優(yōu)解和全局最優(yōu)解的適應(yīng)度，將適應(yīng)度高的粒子確定為最新的個(gè)體最優(yōu)解和全局最優(yōu)解。
如圖1所示，本發(fā)明提供了一種智能海島微電網(wǎng)多源協(xié)調(diào)控制方法，所述方法包含以下步驟：
步驟1：構(gòu)建基于分布式發(fā)電系統(tǒng)運(yùn)行特性的微電網(wǎng)多源協(xié)調(diào)優(yōu)化控制模型。包含的分布式發(fā)電系統(tǒng)有光伏發(fā)電系統(tǒng)、潮流能發(fā)電系統(tǒng)、柴油機(jī)發(fā)電系統(tǒng)三種分布式發(fā)電系統(tǒng)。其中，光伏發(fā)電系統(tǒng)、潮流能發(fā)電系統(tǒng)為可再生能源分布式發(fā)電系統(tǒng)，在優(yōu)化調(diào)度時(shí)優(yōu)先考慮，當(dāng)電源不足時(shí)通過(guò)柴油發(fā)電系統(tǒng)以及儲(chǔ)能系統(tǒng)進(jìn)行調(diào)節(jié)優(yōu)化控制，另外在緊急情況下可切除一般負(fù)荷來(lái)滿足電網(wǎng)運(yùn)行的需求。
步驟2：采用基于混沌變量改進(jìn)粒子群優(yōu)化算法對(duì)分布式發(fā)電系統(tǒng)進(jìn)行優(yōu)化協(xié)調(diào)控制，達(dá)到系統(tǒng)最優(yōu)運(yùn)行
在步驟1中，首先確定微電網(wǎng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，光伏系統(tǒng)、潮流能系統(tǒng)以及負(fù)荷的預(yù)測(cè)情況。在實(shí)際運(yùn)行過(guò)程中需要對(duì)微電網(wǎng)中的分布式發(fā)電系統(tǒng)進(jìn)行功率預(yù)測(cè)，利用人工神經(jīng)網(wǎng)絡(luò)光伏、潮流能和負(fù)荷預(yù)測(cè)模型預(yù)測(cè)光伏系統(tǒng)、潮流能發(fā)電系統(tǒng)未來(lái)一天的輸出功率，未來(lái)一天的負(fù)荷功率。
建立微電網(wǎng)優(yōu)化運(yùn)行模型，構(gòu)建以微電網(wǎng)運(yùn)行的經(jīng)濟(jì)性、可靠性為目標(biāo)函數(shù)的微電網(wǎng)優(yōu)化運(yùn)行模型。
光伏發(fā)電系統(tǒng)的模型為：
潮流能發(fā)電系統(tǒng)模型為：
其中，PPV光伏發(fā)電系統(tǒng)功率，PCT為潮流能發(fā)電系統(tǒng)輸出功率，G(t)為光照強(qiáng)度，T(t)為溫度，GSTC、PSTC、TSTC分別為標(biāo)準(zhǔn)測(cè)試環(huán)境下(1000W/m2,25℃)下的光照強(qiáng)度、最大輸出功率和溫度。Cp為水輪機(jī)獲能系數(shù)，ρ為海水的密度，S為水輪機(jī)葉輪的掃截面積，v為潮流上游流速。
微電網(wǎng)優(yōu)化協(xié)調(diào)優(yōu)化模型目標(biāo)函數(shù)為：min F(x)＝[FCost(x),FEnvi(x),FReli(x)]T，其中FCost(x)為微電網(wǎng)運(yùn)行成本，F(xiàn)Envi(x)為微電網(wǎng)運(yùn)行環(huán)境折算成本，F(xiàn)Reli(x)為供電可靠性成本。
微電網(wǎng)運(yùn)行成本由COM為運(yùn)行維護(hù)成本，CF為能源消耗成本，CSC為各機(jī)組的啟動(dòng)成本組成，可表示為：其中，運(yùn)行維護(hù)成本COM正比于機(jī)組的裝機(jī)容量柴油發(fā)電機(jī)燃料費(fèi)用成本表示不間斷電源機(jī)組的啟停費(fèi)用成本取決于上一次機(jī)組停運(yùn)的時(shí)間，機(jī)組的啟動(dòng)成本CSC表示為：
其中，NG為各發(fā)電單元的數(shù)量，為第i種電源的裝機(jī)容量，Komi為第i種電源的運(yùn)行維護(hù)系數(shù)；為t時(shí)段內(nèi)的第i個(gè)柴油機(jī)所需燃料，為發(fā)電機(jī)啟停狀態(tài)，Ci為燃料價(jià)格；NSTOP為電源的啟動(dòng)次數(shù)，σi為電源i的熱啟動(dòng)費(fèi)用，δi為電源i的冷啟動(dòng)費(fèi)用，τi為電源i的冷卻時(shí)間常數(shù)，Toff,i為i電源已停運(yùn)時(shí)間；
考慮到微網(wǎng)的環(huán)境效益，將環(huán)境損失作為微網(wǎng)優(yōu)化運(yùn)行的目標(biāo)，表示為
可靠性成本包含微電網(wǎng)優(yōu)化運(yùn)行過(guò)程中用戶失去負(fù)荷的損失，
其中，CE為環(huán)保折算費(fèi)用，Yj為第j種污染物的排放量，Dj為第j種污染物的環(huán)境折算成本；M為中斷負(fù)荷數(shù)量，C0為電價(jià)，βi為用戶費(fèi)用補(bǔ)償系數(shù)，為t時(shí)刻負(fù)荷中斷功率。負(fù)荷中斷功率由負(fù)荷容量SIL,i和負(fù)荷關(guān)斷標(biāo)記ITIL,i決定，并滿足
3)功率平衡約束。微電網(wǎng)各分布式電源發(fā)出的功率之和與用戶所需求的功率相互匹配，其中，為t時(shí)刻用戶需求功率；分別是潮流、光伏、儲(chǔ)能、柴油機(jī)在t時(shí)刻所發(fā)出的功率。
輸出功率約束。每個(gè)微電源的實(shí)際輸出功率任意時(shí)刻都要滿足其容量的上下限約束：Pi,min≤Pi≤Pi,max,Pi,min為電源i的最小輸出功率，Pi,max為電源i的最大輸出功率。
最小關(guān)機(jī)和最小運(yùn)行時(shí)間約束。Ti,off≥Ti,off,min，Ti,on≥Ti,on,min。Ti,off，Ti,on分別為電源i的關(guān)機(jī)、開(kāi)機(jī)時(shí)間，Ti,off,min，Ti,on,min分別為電源i的最小關(guān)機(jī)和開(kāi)機(jī)時(shí)間。
啟停次數(shù)約束。Ni,max為調(diào)度時(shí)段內(nèi)最大啟停次數(shù)。
儲(chǔ)能蓄電池狀態(tài)約束?？紤]到其使用壽命的影響，其單位時(shí)間充放電過(guò)程中，不能超過(guò)其最大容量20％，要滿足其充放電約束及能量狀態(tài)約束：
P+為單位小時(shí)內(nèi)的充電功率，P-為單位小時(shí)內(nèi)的放電功率，EBT為蓄電池的最大容量，Δt為單位時(shí)間，為時(shí)段內(nèi)的剩余容量，ηch為蓄電池充電效率，tch為蓄電池充電時(shí)間，ηdis為蓄電池放電效率，tdis為蓄電池放電時(shí)間。
建立系統(tǒng)優(yōu)化模型后，利用步驟2進(jìn)行求解：
步驟2-1：首先，構(gòu)造粒子群結(jié)構(gòu)，每個(gè)粒子的每一維為微電網(wǎng)中需要優(yōu)化的分布式發(fā)電系統(tǒng)輸出功率X＝[x1,x2,...xn]。初始化粒子群優(yōu)化算法參數(shù)包括最大迭代次數(shù)、優(yōu)化參數(shù)搜索范圍、變鄰域搜索區(qū)間；
步驟2-2：根據(jù)初始粒子位置和飛行速度進(jìn)行目標(biāo)函數(shù)的適應(yīng)度計(jì)算，獲得粒子群算法個(gè)體最優(yōu)解xi,pbest和全局最優(yōu)解xgbest，并進(jìn)行粒子速度和位置的更新，更新的方程為：
其中，是第i個(gè)粒子在t時(shí)刻的速度，是第i個(gè)粒子在t時(shí)刻的位置，xi,pbest第i個(gè)粒子在t時(shí)刻的個(gè)體最優(yōu)極值，gbest為所有粒子的全局最優(yōu)極值，r1，r2是介于(0，1)的隨機(jī)數(shù)，c1，c2是學(xué)習(xí)因子，w是粒子群的動(dòng)態(tài)權(quán)重值。
步驟2-3：利用logistic函數(shù)ui,j+1＝4ui,j(1-ui,j)產(chǎn)生一個(gè)混沌變量，其中ui,j初始混沌變量取值在(0,1)之間，并不等于0.25、0.5、0.75，ui,j+1位下一代混沌變量。
步驟2-4：將產(chǎn)生的混沌變量映射為變量變化值Δxi＝-β+2β·ui,j+1，其中β為鄰域半徑，Δxi為個(gè)體最優(yōu)解或者全局最優(yōu)解位置偏移值。其中，鄰域半徑的變化為b＝(xi,max-xi,min)e-t，xi,min、xi,max為粒子位置的最大和最小值，鄰域半徑隨著迭代次數(shù)的增加而非線性的減小。
步驟2-5：根據(jù)鄰域搜索確定新的個(gè)體最優(yōu)解和全局最優(yōu)解位置。利用式確定新的個(gè)體最優(yōu)解位置和全局最優(yōu)解位置，分別對(duì)比鄰域搜索前后個(gè)體最優(yōu)解和全局最優(yōu)解的適應(yīng)度，將適應(yīng)度高的粒子確定為最新的個(gè)體最優(yōu)解和全局最優(yōu)解。
步驟2-6：根據(jù)確定的個(gè)體最優(yōu)解和全局最優(yōu)解進(jìn)行粒子更新，根據(jù)最大迭代次數(shù)判斷算法是否終止，如果未達(dá)到最大迭代次數(shù)，返回步驟2，如果達(dá)到迭代次數(shù)，計(jì)算終止輸出結(jié)果。
步驟3：根據(jù)計(jì)算得到的未來(lái)一天微電網(wǎng)運(yùn)行各分布式發(fā)電系統(tǒng)的最優(yōu)出力進(jìn)行微電網(wǎng)運(yùn)行優(yōu)化調(diào)度，實(shí)現(xiàn)微電網(wǎng)的多源協(xié)調(diào)優(yōu)化控制。
上述雖然結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行了描述，但并非對(duì)本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動(dòng)即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。