改进型修改蜘蛛黄蜂优化算法用于互联微电网中分布式发电的随机选址与定容优化

《Scientific Reports》：Stochastic multi-objective optimal placement and sizing of distributed generation in multi-microgrid systems using enhanced modified spider wasp optimization

　　

摘要

分布式发电（DG）机组在微电网系统（MMG）中的整合显著提高了现代智能电网的运行灵活性、可靠性和经济性。优化问题的非线性、约束性和随机性，加上其多目标特性，使得DG机组的最优选址和定容成为一个具有挑战性的任务。本文提出了改进型修改蜘蛛黄蜂优化算法（EMSWO），用于互联微电网中DG的随机选址和定容。为了提升种群多样性、加快收敛速度、避免早熟收敛并满足网络运行约束，本文针对所提出的EMSWO引入了混沌种群初始化、自适应探索-开发策略、精英保留以及基于修复的约束处理机制。所提出的随机规划框架旨在最小化总现值（TPW）和度电成本（LCOE），同时满足功率平衡、电压偏差、DG渗透率和发电容量约束。利用蒙特卡洛模拟，捕获负荷需求、可再生能源发电和电价的随机性，并采用场景缩减技术，在较低维度空间中以较少的计算量保持统计特性。所提出的EMSWO在不同运行场景下对基准微电网系统进行了测试。仿真结果表明，所获得的TPW从4.3425亿美元降低至4.0452亿美元，LCOE降低至0.174美元/千瓦时，优于传统蜘蛛黄蜂优化算法（SWO）、灰狼优化算法（GWO）、旋风收敛粒子群优化算法（CCPSO）和粒子群优化算法（PSO）。此外，收敛性和统计结果验证了所提出的EMSWO具有更快的收敛速度、更稳定的解、更好的电压特性和更低的运行成本，证明其作为互联微电网网络中随机DG规划的可靠优化框架的有效性。