【风光储微电网系统容量优化仿真分析3900字】

)其中，表示充电最大功率；表示放电最大功率；额定容量;表示自放电率。1.2系统所在地1.2.1风资源情况系统所在地的每月的平均风速如表1.1所示，在整个一年中，四月份风力最大，风力发电部分发出的电就越多，其他月份力风力情况比较好的是三月，五月，还有十一月。表1.1月平均风速Table1.1Averagewindspeedforamonth月份Jan.Feb.Mar.Apr.May.Jun.风速6.02876.54857.71478.94558.22847.5947月份Jul.Aug.Sept.Oct.Nov.Dec.风速6.06111.65092.25022.57736.74476.1471系统所在地的每月平均风速如图1.1所示图1.1月平均风速图Fig.1.1Brokenlinechartofannualmeanmonthlywindspeed1.2.2太阳能资源情况系统所在地上太阳辐射量的平均值如表1.2所示，在整个一年中，七月份太阳光照射最强烈，光伏发电部分发出的电就越多，其他月份力风力情况比较好的是五月，六月，还有九月。表1.2月平均辐射量Table.1.2Averagemonthlysolarradiation月份Jan.Feb.Mar.Apr.May.Jun.辐射量12.6817.5723.6126.2728.9432.4月份Jul.Aug.Sept.Oct.Nov.Dec.辐射量36.1331.7828.5119.7113.6911.05系统所在地上太阳辐射量的平均值如图1.2所示。图1.2月平均辐射量图Fig.1.2Monthlymeanradiationdosemap1.2.3风资源与太阳能资源的互补性将系统所在地的风速曲线与太阳能辐射量曲线放在一起进行比较，结果得出月平均风速与月平均辐射量呈现一定趋势的相关性。而1月至4月，图中所示的折线显示风速和太阳能辐射量都呈现一定幅度的升高，在4月风速上升到了巅峰。而在7月太阳能辐射量也随即上升至最高点，随后开始逐渐下降。图中总体呈现第二季度风速较低，太阳能辐射量较高的趋势，呈现了良好的互补性；在第四季度呈现风速高,太阳能辐射量低的总体趋势。图1.3风能与太阳能以及负荷的输出功率对比图Fig.1.3Comparisonofwindpowerandsolarpower1.2.4负荷情况当地年负荷月平均情况如图1.5所示。在整个一年中，居民六月、七月份、八月用电情况比较多。图1.4年负荷每月的平均值折线图Fig.1.4Loadcurvethroughouttheyear1.3设备参数(1)风机参数表1.310kW风机参数Table1.310KWfanparameters额定功率10kW塔架高度12m启动风速3m/s使用寿命20年额定风速10m/s购买成本30000截止风速25m/s维护费用600(2)光伏电池板参数表1.4光伏电池板参数额定容量200mA使用寿命20年标准光照强度1功率温度系数-0.0047标准电池温度购买成本600额定电池温度44维护成本80Tab.1.4Photovoltacpanelparameters(3)铅酸蓄电池参数表1.5铅蓄电池参数Table1.5Leadbatteryparameters额定容量100Ah额定电压12V额定功率240w购买成本1000RMB使用寿命4yers维修成本800RMB5算例算法仿真分析2.1微电网系统结构图图5-1微电网系统结构拓扑图Fig.5-1Microgridsystemstructuretopology2.2数据读取在本设计中，首先，需要测系统安装的地点的经纬度，然后找到这个地方，把整个一年的风速数据，将其在matlab中生成矩阵，读出一整年的风速情况图；用同样的方法找到一整年的太阳能辐射量用matlab继续读取，读出一整年的辐射量的情况图，所生成的风速曲线如图5-2所示，全年太阳辐射量曲线如图5-3所示。图5-2全年8760小时风速Fig.5-2Theannualwindspeedof8760hours图5-3全年太阳辐射量Fig.5-3Annualsolarradiation2.3粒子群算法的仿真过程分析根据第二章中的粒子群算法对本文所选择的风光储微电网进行容量优化。2.3.1算法参数设置算法过程中，首先需要决策空间的位置，设置种群规模为100，空间中每个粒子的位置尺寸设为3，搜索空间上限为[2030150],下限为[000]。目标函数是全周期成本与负载缺点率；将LPSP与LCC在其约束条件内，用公式(1.7)和公式（1.8）计算出来，粒子位置尺寸为3，每一个位置的粒子代表风力机的数量、电池板的数量和光伏阵列的数量，其搜索空间上限分别为20，30，150，代表其粒子数量的最大值。整个一年的风速数据，通过读取TXT文本，在matlab中生成矩阵，获取风速的数据；辐射量与负荷的数据都用同样的方法获取。2.3.2目标函数的算法过程的算法计算过程,是系统内部发电部分在时间节点i共同发出来的功率。则：①,，则,表示在当前时间节点处，系统内部发电部分发出的电量，都用来为负荷供电；②,若蓄电池在的约束下可以为负荷提供电力时，则，则；若蓄电池在约束下无法为负荷提供负荷所需要的电力，则所以。2.3.3优化策略的算法过程多目标粒子群算法过程中，要对函数中的变量粒子i进行非支配排序，若加入的粒子i可以支配archive中的粒子，将i标记，后期将其删除；如果加入的粒子i与archive中的粒子非支配，则标记archive中的粒子，后期将其删除；若加入的粒子i被archive中的粒子支配，将i标记，后期将其删除；最后将archive进行位置从大到小排序，取前百分之十，形成s矩阵，从s矩阵中最优。2.3.4算法流程图图5-4粒子群算法流程图Fig.5-4Particlegroupalgorithmflowdiagrame2.4仿真结果分析图5-5基于粒子群算法的微电网系统容量优化仿真結果Fig.5-4SimulationresultsofmicrogridsystemcapacityoptimizationbasedonPSO从图（5-5）中可以看出，在保证负载缺点率小于的前提下，尽可能的去选择全寿命周期成本小的值，并读取选