基於改進郊狼優化算法的光伏智能邊緣終端優化配置方法檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

基於改進郊狼優化算法的光伏智能邊緣終端優化配置方法光伏智能邊緣終端（PVIET）是實現分布式光伏規模化接入配電網高效率智慧運維的重要設備之一。

一、案例簡介

該項目構建光伏智能邊緣終端優化配置的數學模型，為實現模型的準確求解，進一步提出一種改進的郊狼優化算法（ICOA）。為解決郊狼優化算法精度不足、收斂速度緩慢等問題，提出全新的社會互助郊狼成長策略和單維組內最優郊狼擾動策略，引入模擬退火、自適應精英保留策略，以讓該算法更加適合所提出的工程問題，實現對 PVIET 的數量、位置及與光伏電站連接方式三個方面的求解。最後，改進的 IEEE 69 案例驗證了模型的有效性，通過算法對比，驗證了改進郊狼優化算法在精度、穩定性和收斂性等方面的優越性

二、技術要點

為實現一台 PVIET 高效率、低成本採集管理區域配電網內多個分布式光伏站，本項目提出了一種基於改進 COA 的 PVIET 優化配置方法。首先，闡述了 PVIET 的主要功能與支持的通信方式。其次，考慮 PVIET 的等年值投資成本、年通信成本及保障數據採集可靠性的成本，提出了一種 PVIET 優化配置模型，並應用改進郊狼優化算法對模型進行求解，獲得 PVIET 在配電網中布點數量和位置。其中，改進的郊狼優化算法通過引入隨機分組策略加強郊狼種群的信息交流，建立基於社會互助的新型郊狼成長方式，並應用混合模擬退火算法提高算法求解精度，引入自適應的精英保留策略提升算法收斂速度。通過單維組內最優郊狼擾動策略，提高組內最優狼質量的同時避免郊狼的全維度成長對部分維度的優良信息的掩蓋。最後，通過改進的 IEEE 69 節點仿真算例，驗證了本文提出 PVIET 優化配置模型的可行性，通過算法對比，說明了改進郊狼優化算法在精度、穩定性和收斂性等方面的優越性。

三、應用場景

分布式光伏

四、應用成效

1）本項目為實現一台價格昂貴的 PVIET 採集管理區域配電網中多個分布式光伏站的優化設計，提出了基於改進郊狼優化算法的 PVIET 優化配置模型。仿真結果表明，在充分考慮保障數據採集可靠性成本的前提下，達成了 PVIET 的合理優化配置，大幅度降低成本，可為 PVIET 優化規劃設計提供依據。 2）為解決郊狼優化算法處理複雜問題精度不足以及收斂速度緩慢的問題，本文提出一種全新的社會互助郊狼成長策略，以及利用隨機分組策略、模擬退火與自適應精英保留策略的改進郊狼優化算法。仿真結果表明，改進算法在 PVIET 數量為 4~9 時進行 50 次獨立實驗時，改進郊狼優化算法的精度較原來分別提升了 18.37%、27.72%、35.67%、38.91%、 42.95%、45.65%、46.14%；相對於粒子群算法精度分別提升了 18.20%、23.52%、29.79%、33.95%、36.49%、39.33%、39.82%；相對於正餘弦算法精度分別提升了 20.39%、26.43%、31.95%、35.42%、38.19%、40.48%、41.05%，且最優解與最劣解之間峰谷差小。同時，在收斂性比較中，改進郊狼優化算法相比於 COA、PSO、SCA 的收斂速度更快。本項目在算法上的改進可為郊狼優化算法在電力系統中的推廣應用提供參考。