[25]。公式如下： （3—10） （3—11）式中C1f、C2f為加速因子C1、C2的終值;C1c、C2c為加速因子C1、C2的初值;b指的是粒子當(dāng)前迭代次數(shù)，bmax指的粒子最大迭代次數(shù)。3.4本章小結(jié)本章主要介紹了模型目標(biāo)函數(shù)以及相關(guān)約束條件的確立，以及簡(jiǎn)單介紹了粒子群算法的原理以及我們?nèi)绾芜M(jìn)行粒子群算法的優(yōu)化。優(yōu)化配置方法仿真分析4.1數(shù)據(jù)統(tǒng)計(jì)與分析（1）系統(tǒng)相關(guān)參數(shù)的設(shè)置圖5-1是C區(qū)域全年的負(fù)荷需求量，圖5-2是C區(qū)域光伏發(fā)電的全年發(fā)電量，圖5-3是C區(qū)域小水電發(fā)電的全年發(fā)電量。而逆變器的轉(zhuǎn)換效率取0.95.圖4-1C區(qū)域全年的負(fù)荷需求量圖4-2C區(qū)域光伏發(fā)電的全年發(fā)電量圖4-3C區(qū)域小水電發(fā)電的全年發(fā)電量(2)超級(jí)電容與蓄電池的相關(guān)參數(shù)設(shè)置表4-1超級(jí)電容與蓄電池參數(shù)參數(shù)超級(jí)電容蓄電池額定電壓2.712額定容量——100充電效率0.980.75放電效率0.980.85放電深度——0.4運(yùn)行系數(shù)0.010.1維護(hù)系數(shù)——0.02循環(huán)壽命/次5000001500單價(jià)/元350400處理系數(shù)0.040.08（3）仿真效果圖權(quán)重改進(jìn)的粒子群算法仿真運(yùn)行的效果圖如下所示：圖4-4權(quán)重改進(jìn)粒子群算法優(yōu)化過(guò)程此時(shí)粒子種群數(shù)的規(guī)模是100，最大迭代次數(shù)是400，C1=C2=1.49445，而權(quán)重的最大值與最小值分別取值0.9與0.4。對(duì)稱(chēng)加速因子效果圖：圖4-5對(duì)稱(chēng)加速因子的優(yōu)化過(guò)程對(duì)稱(chēng)因子就是將C1取值的范圍定為[2.5,0.5]，C2取值的范圍定為[0.5,2.5]，慣性權(quán)重ω取0.9，樣本總體取值100，最大迭代次數(shù)取值400。不對(duì)稱(chēng)加速因子效果圖：圖4-6不對(duì)稱(chēng)因子的優(yōu)化過(guò)程不對(duì)稱(chēng)因子就是將C1取值的范圍定為[2.5,0.5]，C2取值的范圍定為[0.5,2.25]，慣性權(quán)重ω取0.9，樣本總體取值100，最大迭代次數(shù)取值400。4.2結(jié)果分析算法三種不同情況的優(yōu)化結(jié)果如下表：表4-2三種優(yōu)化結(jié)果優(yōu)化參數(shù)權(quán)重改進(jìn)對(duì)稱(chēng)加速因子不對(duì)稱(chēng)加速因子蓄電池/個(gè)434914064142594超級(jí)電容器/個(gè)587812357431565619023LPSP0.03210.03330.0338最小費(fèi)用/元163591159304156786從仿真后的表格結(jié)果中我們可以看出，采用線性遞減的慣性權(quán)重粒子群算法時(shí)，它的收斂速度比較慢，大約需要迭代接近300次才能尋找到樣本空間的全局最優(yōu)點(diǎn);而當(dāng)我們采用加速因子改進(jìn)的粒子群算法時(shí)，收斂速度有明顯的加快，迭代次數(shù)在還未到達(dá)150次時(shí)就已經(jīng)收斂到了全局最優(yōu)。從matlab運(yùn)行仿真中可以看出三種方法運(yùn)行后得到的結(jié)果可知，采用加速因子改進(jìn)的粒子群算法的優(yōu)化效果要優(yōu)于線性逐漸遞減的慣性權(quán)重改進(jìn)的粒子群算法。而我們通過(guò)比較對(duì)稱(chēng)加速因子改進(jìn)的粒子群算法和非對(duì)稱(chēng)的加速因子改進(jìn)的算法，我們可以得出下面的結(jié)論，當(dāng)我們采用對(duì)稱(chēng)因子的粒子群算法時(shí)需要蓄電池40641個(gè)，超級(jí)電容器5743156個(gè)，此時(shí)的負(fù)荷缺電率為0.0333，而最小生命周期費(fèi)用為159304元。而采用不對(duì)稱(chēng)的加速因子的粒子群算法時(shí)，需要配置42594個(gè)蓄電池，5619023個(gè)超級(jí)電容器，此時(shí)的負(fù)荷缺電率為0.0338，而最小生命周期費(fèi)用為156786元。因此，采用不對(duì)稱(chēng)的加速因子時(shí)，全生命周期費(fèi)用減少了1.583%，需要配置的超級(jí)電容器的個(gè)數(shù)減少了124133個(gè)，從結(jié)果我們可以看出不對(duì)稱(chēng)加速因子的粒子群算法具有更好的尋優(yōu)能力。4.3論證其可行性與有效性本文通過(guò)以系統(tǒng)全生命周期費(fèi)用最小為目標(biāo)，并以負(fù)荷缺電率等相應(yīng)指標(biāo)作為相關(guān)約束條件，通過(guò)對(duì)超級(jí)電容器以及蓄電池進(jìn)行容量?jī)?yōu)化配置，而粒子群算法的三種不同的運(yùn)行結(jié)果，表明采用加速因子改進(jìn)的粒子群算法比采用權(quán)重粒子群算法收斂速度快，迭代次數(shù)少，具有更好的尋優(yōu)能力，采用不對(duì)稱(chēng)因子的粒子群算法比對(duì)稱(chēng)因子的粒子群算法更優(yōu)，其系統(tǒng)全生命周期費(fèi)用減少了1.583%，需要配置的超級(jí)電容器的個(gè)數(shù)減少了124133個(gè)，從運(yùn)行出來(lái)的結(jié)果中可以看出不對(duì)稱(chēng)加速因子的粒子群算法具有更好的尋優(yōu)能力。而采用不對(duì)稱(chēng)加速因子的粒子群算法的優(yōu)化模型，其對(duì)于水光儲(chǔ)多能互補(bǔ)發(fā)電系統(tǒng)容量?jī)?yōu)化配置和經(jīng)濟(jì)性具有一定可行性與有效性。4.4本章小結(jié)本章通過(guò)采用三種不同改良的粒子群算法，對(duì)區(qū)域C進(jìn)行數(shù)學(xué)模型求解，從三個(gè)不同的仿真運(yùn)行結(jié)果中可以得出不對(duì)稱(chēng)加速因子的粒子群算法在三種不同算法中其收斂速度最快和最小生命周期費(fèi)用的結(jié)論。結(jié)論本篇文章主要是運(yùn)用改進(jìn)后的粒子群算法的三種不同運(yùn)算方式來(lái)解決水光儲(chǔ)多能互補(bǔ)容量?jī)?yōu)化配置的問(wèn)題。文中以全生命周期為容量?jī)?yōu)化配置的目標(biāo)函數(shù)，而后又以供電可靠性和混合儲(chǔ)能系統(tǒng)自身特性為約束條件來(lái)建立優(yōu)化配置模型。而后通過(guò)matlab實(shí)現(xiàn)對(duì)各個(gè)算法的算例仿真，通過(guò)仿真得出結(jié)果。通過(guò)C區(qū)域的三種仿真結(jié)果對(duì)比，我們可以發(fā)現(xiàn)采用不對(duì)稱(chēng)加速因子的粒子群算法所求得的超級(jí)電容總量相對(duì)于其它兩種得出的結(jié)果少了2.161%、4.407%，并且全生命周期費(fèi)用也分別減少了1.580%、4.259%因此我們可以知道采用不對(duì)稱(chēng)因子的粒子群算法對(duì)于水光儲(chǔ)多能互補(bǔ)發(fā)電系統(tǒng)的容量?jī)?yōu)化配置更具有可行性與經(jīng)濟(jì)性。

參考文獻(xiàn)劉振亞中國(guó)電力與能爾北京：中國(guó)電力出版社，2012.何勇琪，張建成獨(dú)立型.獨(dú)立型風(fēng)光互補(bǔ)系統(tǒng)中儲(chǔ)能容量?jī)?yōu)化研究[J].電力科學(xué)與工程，2012,28(4):9-13.何勇琪,張建成,鮑雪娜.并網(wǎng)型風(fēng)光儲(chǔ)混合發(fā)電系統(tǒng)中儲(chǔ)能系統(tǒng)容量?jī)?yōu)化研究[J].華北電力大學(xué)學(xué)報(bào)，2012,39(4):1-5.田軍.分布式發(fā)電系統(tǒng)儲(chǔ)能優(yōu)化配置[D].保定:華北電力大學(xué)(河北),2011.朱蘭,嚴(yán)正,楊秀，等.風(fēng)光儲(chǔ)微網(wǎng)系統(tǒng)蓄電池容量?jī)?yōu)化配置方法研究[J].電網(wǎng)技術(shù)，2012,36(12):26-30.何凌云,吳夢(mèng),尹芳.可再生能源投資總量和結(jié)構(gòu)對(duì)碳排放的影響研究[J].中國(guó)地質(zhì)大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版,2017,17(1).ZhangX,HuangW,WangF,etal.ResearchoncleanenergycomplementarypowergenerationandoptimaloperationinYalongriverbasin[J].IOPConferenceSeries:EarthandEnvironmentalScience,2019,358(3):032045(11pp).倉(cāng)定幫、魏曉平、曹明、譚立云.基于能源替代與環(huán)境污染治理的兩階段經(jīng)濟(jì)增長(zhǎng)路徑研究[J].中國(guó)管理科學(xué),2020,28(9):8.劉永奇,陳龍翔,韓小琪.能源轉(zhuǎn)型下我國(guó)新能源替代的關(guān)鍵問(wèn)題分析[J].中國(guó)電機(jī)工程學(xué)報(bào),2022,42(2):9.王開(kāi)艷,羅先覺(jué),賈嶸等.充分發(fā)揮多能互補(bǔ)作用的風(fēng)蓄水火協(xié)調(diào)短期優(yōu)化調(diào)度方法[J].電網(wǎng)技術(shù),2020,44(10):10.陳麗媛.新能源的互補(bǔ)運(yùn)行與儲(chǔ)能優(yōu)化調(diào)度[D].浙江大學(xué),2014.賈庚.含新能源的電力系統(tǒng)經(jīng)濟(jì)調(diào)度[D].太原理工大學(xué),2014.APOSTOLOPOULOUD,DeGREVEZ,MCCULLOCHM.RobustOptimizationforHydroelectricSystemOperationUnderUncertainty[J].IEEETransactionsonPowerSystems,2018,33(3):3337-3348.DAWNS,TIWARIPK,GOSWAMIAK.Efficientapproachforestablishingtheeconomicandoperatingreliabilityviaoptimalcoordinationofwind–PSH–solar‐storagehybridplantinhighlyuncertaindoubleauctioncompetitivepowermarket[J].IETRenewablePowerGeneration,2018,12(10):1189-1202.HUIYFan,TianxiaoYan,SuGuo.Methodsonschedulingofhydro-photovoltaiccomplementarysystem[J].E3SWebofConferences,2021,257.趙宇明,丁慶,秦毅，等.深圳電網(wǎng)分布式電源與用戶(hù)側(cè)儲(chǔ)能技術(shù)實(shí)踐與思考[J].供用電,2019,36(03)：81-87.常瑞莉.風(fēng)光水儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)容量?jī)?yōu)化配置研究[D].西安理工大學(xué),2021.DOI:10.27398/ki.gxalu.2020.000689.常瑞莉.風(fēng)光水儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)容量?jī)?yōu)化配置研究[D].西安理工大學(xué),2021.DOI:10.27398/ki.gxalu.2020.000689.JamesF,Manwell.Leadacidbatterystoragemodelforhybridenergysystems.SolarEnergy,1993,50(5):99-405.李標(biāo),李春曉,李天然等.基于全生命周期成本的電網(wǎng)設(shè)備大修技改經(jīng)濟(jì)估算方法[C]//中國(guó)高科技產(chǎn)業(yè)化研究會(huì)智能信息處理產(chǎn)業(yè)化分會(huì).第十六屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集.[出版者不詳],2022:515-519.DOI:10.26914/kihy.2022.053444.[20]楊國(guó)華,朱向芬,馬玉娟,韓世軍,王金梅,王鵬珍.基于改進(jìn)粒子群算法的混合儲(chǔ)能系統(tǒng)容量?jī)?yōu)化[J].電測(cè)與儀表,2015,52(23):1-5+10.[21]嚴(yán)飛飛,張揚(yáng),曹正東等.基于粒子群算法的儲(chǔ)能優(yōu)化配置技術(shù)應(yīng)用研究[J].江西電力,2022,46(08):4-7+11.黃勝忠，黃天開(kāi)．一種改進(jìn)粒子群算法在水輪機(jī)控制中的應(yīng)用［J］．計(jì)算機(jī)仿真，2012，29(4):345－348．韋根原，王兵樹(shù)，馬磊，等．基于粒子群算法的1000MW火電機(jī)組模型辨識(shí)［J］．計(jì)算機(jī)仿真，2013，30(7):400－403．SuganthanP