协同调度策略的计算流程

系统的控制变量包括每个调度周期内的蓄电池开关状态XB(t)、 XG(t)市电开关状态和各个可控负荷的开关状态Xi(t)，取1时表示设备接入系统，取0时表示断开。模型求解时，首先根据每组解的控制变量取值和负荷功率确定各个调度周期中PB(t)和PG(t)的大小，模型的供电状态判断流程如图6-8所示。

由图68可知，在默认蓄电池接入系统进行充放电的条件下，模型先判断该时段光伏功率是否大于负荷总功率，大于则进行求解充电功率，反之求解放电功率。然后将默认的蓄电池功率乘以蓄电池实际开关状态求解电网功率，再更新蓄电池实际功率。

协同调度模型是一个包含多种约束条件的0-1规划问题，采用二

图6-8协同调度策略流程

进制粒子群(BPSO)算法对模型进行求解。首先初始化一群随机粒子，并追随当前的最优粒子在解空间中搜索，迭代找到最优解。d维搜索空间中第i个粒子的位置为Xi，=(Xi，1，Xi，2，…，Xi,d)、速度为Vi=(Vi,1，Vi,2…，Vi,d)。每次迭代中，粒子跟踪局部最优解和全局最优解，并根据式(6-13)和式(6-14)更新自己的速度

式中：w为惯性权因子;c1和c2为正学习因子;r1,r2,r3均为0～1之间均匀分布的随机数。

由于模型中全局约束条件较多，用罚函数法不易获得可行解，所以对粒子初始化和速度更新策略时进行了改进。图6-8所示的供电状态判断流程图已经处理了上式的约束。当不满足蓄电池的荷电状态约束和温控负荷约束时，则强制改变对应变量的位置，通过式(6-15)进行位置更新

计算出粒子更新速度后，针对对应的主动性负荷控制变量，只将速度最大的变量及其后续的N个变量置1，N为设备工作持续的周期数，其他调度周期的控制变量全部置0，求解模型的流程如图6-9所示。

图6-9求解流程