粒子群优化算法的研究现状（北方工业大学科研团队提出基于改进粒子群算法的储能优化配置方案）

#创作挑战赛#

合理地配置储能可以解决新能源并网带来的一系列问题，对于提高电能质量、降低网络损耗具有重要意义。目前储能的配置成本高、投资回收期较长，且我国颁布的激励政策尚不完善。上述因素一直是限制储能发展的主要原因，储能的合理规划配置对于储能行业的健康发展意义重大。

储能系统概念.可再生能源-光伏Concept of energy storage system.

为了使储能的配置方案最优，目前的主流方法是采用智能算法，基于确定的应用场景建立储能优化配置模型。储能优化配置问题一般以储能配置位置、容量和各时刻储能充放电功率作为决策变量，其中储能配置位置为非线性变量。

由于决策变量的设定，决定了电网侧储能优化配置问题需要同时考虑储能的选址和定容两个方面。因为决策变量中储能充放电功率要受储能容量的约束，所以决策变量中各元素之间相互影响和制约。目前针对储能优化配置问题，考虑决策变量各元素之间影响的研究较少，对其展开研究对于提高储能配置算法的性能具有重要意义。

在算法选择方面也涌现出很多优秀的智能算法。相关研究对算法进行了改进，在一定程度上避免了算法容易陷入局部最优的问题。但是改进部分仅针对算法速度更新公式中的参数，未能合理利用储能配置过程的系统信息，还存在种群数量不足、容易陷入局部最优的问题。

储能将功率在时间维度上进行转移，可以抑制电压波动，减小网络损耗。为了合理地配置储能，北方工业大学北京市变频技术工程研究中心的温春雪、赵天赐、于赓、王鹏、李建林，在2022年第10期《电气技术》上撰文，以改进多目标粒子群算法为基础，建立一种以电压波动率、网络损耗和配置成本为优化目标的储能优化模型。在粒子初始化阶段，通过增加初始粒子个数，挑选出分散的非支配优势粒子作为初始种群，来提高初始种群的随机性；在速度更新阶段，采用节点电压指导粒子的进化方向，提高算法的计算速度。

图1 改进多目标粒子群算法流程

研究人员采用IEEE-33节点算例的仿真结果表明，对粒子群算法的改进提高了算法的稳定性、计算速度和精度；采用改进算法的储能配置方案，降低了系统的节点电压波动，减小了电能损耗。

他们分析指出，在粒子初始化阶段，增加初始粒子数量，相当于增加了一次迭代计算，但是大大提升了初始种群的分散性，同时也提高了Pareto解集的分散性，使算法的稳定性更高。另外，针对储能优化配置问题，储能容量限制了储能各时刻功率的大小。此时，提高较小时刻储能动作功率的准确性，能有效提高算法的计算速度与计算精度。

研究人员最后表示，关于指导粒子进化的系统信息还有很多，比如分时电价、新能源出力及负荷水平的大小、系统频率的高低。本次研究只选用了节点电压指导粒子进化，在其他配置储能的场景中，还可以深入探讨不同系统信息对粒子进化过程的影响。

本文编自2022年第10期《电气技术》，论文标题为“基于改进粒子群算法的储能优化配置”，作者为温春雪、赵天赐 等，本课题得到国家重点研发计划、国家自然科学基金的支持。

#储能#