基于变异反向学习郊狼优化算法的光伏智能边缘终端优化配置方法

摘要：

光伏智能边缘终端(photovoltaic intelligent edge terminal,PVIET)是光伏电站安全稳定运行和智慧运营的重要设备之一,其功能强大但价格十分昂贵,容量较小的分布式光伏电站难以承受其高价格.为解决上述问题,文章提出了一种光伏智能边缘终端优化配置方法,从数量与位置2个方面建立了光伏智能边缘终端的优化布局模型.同时,针对郊狼优化算法(coyote optimization algorithm,COA)优化性能弱、可操作性低的问题提出了一种变异反向学习郊狼优化算法(mutation opposition-based learning COA,MOBL-COA).根据典型案例的测试结果表明,所提的优化布局方法能够有效实现成本的降低,并且所提的MOBL-COA在解决优化布局问题时,在收敛速度、求解精度与算法稳定性上均表现出优异性能,验证了所提方法的有效性与可行性.

关键词：分布式光伏、光伏智能边缘终端(PVIET)、优化布局、反向学习策略、郊狼优化算法(COA)

所属期刊栏目：42

分类号：TM711(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划项目;国网江苏省电力有限公司科技项目

在线出版日期：2021-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：45-53