基于增强精英保留遗传算法的虚拟微网群动态划分及能量局域自治

互联的多微网系统作为可再生能源利用的有效形式之一,随着“双碳”工作的推进越发受到重视。该文旨在研究基于海量可控设备的优化调节方法,以促进可再生能源充分就地消纳,提高多微网系统运行经济性。然而,对海量可控设备的全局控制将面临“维数灾难”的挑战。现有研究中基于地理分布的分区优化能够实现“降维控制”,但可再生能源出力的波动性与负荷在时间上的变化和空间上的迁移,都会导致固定分区的方法难以适用于多微网系统态势变迁下的能量动态管控。针对上述问题,首先建立微电网动态模型;进而提出通过增强精英保留遗传算法(strengthen elitist genetic algorithm,SEGA)将互联多微网场景划分为多个边界可动态调整的虚拟微网群,并进行能量“局域自治”优化;最后基于改进的IEEE-123节点模型进行仿真,结果显示1 h内动态边界虚拟微网群的总运行成本比固定边界虚拟微网群的总运行成本降低了13.6%,且所采用的SEGA的求解时间比传统遗传算法减少了7.09%。

基于离散分组一致性算法的双母线孤岛直流微电网自适应下垂控制

双母线结构直流微电网的主要控制目标是稳定各级母线电压、维持整体系统的功率平衡,传统的阻性下垂控制不能很好地协调这2个控制目标。提出一种基于离散分组一致性算法的双母线直流微电网自适应下垂控制策略。所提策略基于Java Agent开发框架(JADE)平台多代理系统,通过网内以及网间的互通协议,在弱通信网络条件下根据分组一致性协议使各级母线实现区域功率自治。搭建由JADE、Mac Sim JX、Simulink组成的混合仿真平台,仿真验证了所提控制策略的有效性。

基于群搜索优化算法的微电网控制策略

本文采用虚拟同步发电机(VSG)控制技术,VSG模拟了同步发电机的工作特性,具有相同的系统控制参数性质。建立基于VSG控制的微电网模型,由于控制参数对系统稳定的影响,提出了群搜索优化算法(GSO)对系统的几个重要控制参数进行有目标性的优化。最后在MATLAB/Simulink中完成模型和算法的仿真。