郑 涛， 杨艳芳， 陈 薇， 卢文品

(合肥工业大学 先进控制技术研究所，安徽 合肥 230009)

0 引 言

近年来，在能源枯竭和环境保护的双重压力下，微电网提高分布式能源发电[1]，具有成本低、污染小、运行模式灵活等特点成为世界电气领域关注的热点[2]。目前，对于微电网的优化，有很多理论与方法。根据配电网中的多级微电网结构,分析不同投资主体的利益关系优化[3]。基于光伏预测的微电网能源随机优化调度[4]。通过开发优化模型，用来减少成本的叶社区微电网[5]。基于改进萤火虫算法优化支持向量机(support vector machine,SVM)的变电工程造价[6]，对微电网进行优化重构，将微电网的模糊性和随机性转换为定量形式[7]。改变粒子群的权重系数法对微电进行优化[8]。

对于微电网优化问题，改进的粒子群算法分为两大类：一种是对粒子群的各个系数进行非线性变换，防止陷入局部最优收敛速度变快，但不易达到最优值；另一类是对粒子进行分组，每组按照不同的速度进行优化，具有局部搜索与全局搜索相结合的优点，但收敛速度慢。本文在原有的研究基础上，结合两种算法的优点，即：收敛快，且能达到最优值使用了全面学习粒子群优化(comprehensive learning particle swarm optimization,CLPSO)算法。在微电网的调度中，构建光能、风能、储能、及大电网功率交换的数学模型，协调光伏、风能、储能和大电网的供电量，使分布式能源的利用率、用户的负载失电率、冗余率在保持经济性为最高的前提下，达到最优。在微电网优化的CLPSO算法模型下，对离网模式与并网模式下的经济效益、用户的负载失电率等进行分析。……