基于改进AGA的微电网优化管理研究韩宇马立新唐继旭徐文彬摘要：针对电动汽车无序充放电影响传统微电网稳定性及经济性问题，建立一种根据电动汽车随机负荷种类分时段调度模型，使用蒙特卡洛方法模拟电动汽车的充放电功率。同时，对传统微电网优化收敛速度慢、精度低等问题，提出一种改进自适应遗传优化算法（SAGA）。最优保存策略结合自适应调整交叉变异概率，解决遗传算法多样性问题，从而改善收敛速度与精度。通过建模及仿真计算，证明该方法在含电动汽车的风光柴储微电网优化中，能较快收敛到最优解，提高了微电网稳定性和经济性，具有良好的工程实用性。关键词：微电网优化;分布式能源;电动汽车;分类调度;蒙特卡洛模拟;自适应遗传算法DOI：10.11907/rjdk.191235：TP319：A：1672-7800（2019）012-0151-040引言微电网是一个自治系统，可以实现自我控制、管理和保护等诸多功能。微电网是一个开放系统，既可孤网运行，也可并网运行。连入电网后由相关负载、多样的分布式电源构成一个大网络结构。多种分布式能源并人，以及电动汽车等随机性较高且使用量逐年提高的负荷特点，亟需深层研究微电网优化管理问题。文献[7]综合考虑了微电网停电损失和投资运营费用问题，分析了微电网可靠性与经济性相协调的优化方案;文献[8-9]对包含风光柴燃储的微电网系统优化，对装机、运行、维护及污染成本进行多目标优化;文献[10-11]提出了根据不同时段电价的电动汽车多目标优化方案。随着电动汽车的发展，对这类随机性较强的负荷调度需作出判断及分类优化，上述研究未很好解决优化收敛慢、易陷入局部最优等问题。本文根据电动汽车种类建立分时段调度模型，综合考虑微电网运行成本，并结合改进的自适应遗传算法，对微电网进行优化，给出微电网分配管理最优方案。1建立模型1.1目标函数目标函数为微网总成本最低，主要考慮初始装机投资成本、运行成本、设备维护成本、环境成本、发电补贴、电动汽车充放电成本6个方面。将电动汽车分为可调度和不可调度两种。可调度电动汽车为出租车、公交车等，对其采用分时段充电法，设定在20-6时充电，8-18时放电，且放电后SOC值大于40%。不可调度电动汽车包括部分私家车等，作为随机负荷接入微电网，采用蒙特卡洛法模拟充放电功率。3微电网优化3.1自适应遗传算法（AGA）在遗传算法中，收敛能力与寻优能力是两个极其重要的特征。交叉概率Pc和变异概率Pm是影响这两个特征的最重要参数，同时也是检验一个遗传算法是否优秀的标准。自适应遗传算法目的是要平衡收敛能力和寻优能力，使交叉概率和变异概率根据适应度值变化而变化。当基因群多样性较差，适应度值趋向于局部最优时，增加Pc和Pm;当基因群适应度值较高且较分散时，减小Pc和Pm。所以提出自适应变化公式，使交叉概率和变异概率动态调整。3.2最优保存策略自适应遗传算法（SAGA）本文针对微电网优化问题，对储能、柴油发电功率和电动汽车充放电功率进行求解。在设计遗传算法时，采用浮点数编码方式对其按时间序列进行编码，同时根据实际问题设计合适的选择、交叉和变异算子。自适应遗传算法中，Pc和Pm可以随适应度的变化而变化，不足的是AGA算法在适应度值接近其最大值时Pc和Pm开始趋近于0，在遗传初期会导致基因群多样性降低，易陷入局部最优。或某一时刻Pc、Pm会变得很大，从而破坏种群最优结果，破坏算法的寻优能力。因此可以采用最优保存策略对自适应遗传算法（sA-GA）进行改进：如果下一代最优个体适应值小于当前最优个体适应值，则用轮盘赌法将较差个体替代，保存最优个体。这样，最优保存策略既不破坏每一代中的最优个体，又充分发挥了自适应遗传算法优点。SAGA对含电动汽车的微网优化流程如图1所示。4算例分析4.1设备数据及参数以某园区数据为例，风光柴储以及电动汽车各项参数如下：（1）单组风电机的额定功率为10kW，单组光伏板的额定功率为0.3kW，风光发电功率曲线如图2。（2）投入1000辆电动汽车、共享汽车，可调度与不可调度汽车投人比例为6：4，利用蒙特卡洛模拟法拟合出的电动汽车充放电功率如图3所示。（3）微电网并网时，电网电价采用表1中的数据。4.2算例优化分析将电动汽车无序充放电作为随机负荷...