该文围绕独立型风/光/柴/储微网的容量优化配置展开研究,以微网系统供电可靠性为约束条件,同时考虑微网经济性、环保性和可再生能源利用率3个指标,以加权后的年均综合费用最小为优化目标,构建微网容量优化配置的非线性整数规划模型。针...该文围绕独立型风/光/柴/储微网的容量优化配置展开研究,以微网系统供电可靠性为约束条件,同时考虑微网经济性、环保性和可再生能源利用率3个指标,以加权后的年均综合费用最小为优化目标,构建微网容量优化配置的非线性整数规划模型。针对连续优化算法直接用于求解离散优化模型而导致的局部最优问题,该文提出一种改进的二进制蝙蝠算法(improved binary bat algorithm,IBBA),将差分进化(differential evolution,DE)算法的变异、交叉、选择操作与二进制蝙蝠算法(binary bat algorithm,BBA)相结合,增强BBA的全局寻优能力。算例结果表明,IBBA求解得到的配置结果在精度和稳定性上均优于遗传算法(genetic algorithm,GA)、粒子群算法(particle swarm optimization,PSO)和DE算法。展开更多
文摘该文围绕独立型风/光/柴/储微网的容量优化配置展开研究,以微网系统供电可靠性为约束条件,同时考虑微网经济性、环保性和可再生能源利用率3个指标,以加权后的年均综合费用最小为优化目标,构建微网容量优化配置的非线性整数规划模型。针对连续优化算法直接用于求解离散优化模型而导致的局部最优问题,该文提出一种改进的二进制蝙蝠算法(improved binary bat algorithm,IBBA),将差分进化(differential evolution,DE)算法的变异、交叉、选择操作与二进制蝙蝠算法(binary bat algorithm,BBA)相结合,增强BBA的全局寻优能力。算例结果表明,IBBA求解得到的配置结果在精度和稳定性上均优于遗传算法(genetic algorithm,GA)、粒子群算法(particle swarm optimization,PSO)和DE算法。
