买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网(苏州)城市能源研究院有限责任公司申请的专利一种微电网容量配置优化方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119231652B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411719563.6，技术领域涉及：H02J3/46；该发明授权一种微电网容量配置优化方法及系统是由韩四维;王喆;朱婵霞;孙志凰;蒋一博;陈倩;周佳伟;殷俊平;邹风华设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本一种微电网容量配置优化方法及系统在说明书摘要公布了：本发明涉及微电网容量配置技术领域，尤其涉及一种微电网容量配置优化方法及系统。本发明以风光储微电网中所有主体的总成本最小化为目标构建总成本目标函数，以弃风弃光的惩罚费用最小化为目标构建弃风弃光目标函数，以ACG风光调频收益最大化为目标构建ACG风光调频目标函数，设置功率平衡约束、弃风弃光约束为约束条件，建立微电网容量非合作博弈模型；基于微电网容量非合作博弈模型及其约束条件，采用改进的粒子群算法对微电网容量非合作博弈模型进行求解，解得容量目标配置结果。本发明通过考虑弃风弃光因素，优化各主体的功率输出，达成系统的纳什均衡，最大化系统收益，有效提升了微电网系统的整体性能和经济性。

本发明授权一种微电网容量配置优化方法及系统在权利要求书中公布了：1.一种微电网容量配置优化方法，其特征在于，包括以下步骤：获取待优化区域的风光储微电网中各个主体的功率模型、风能发电单元与光伏发电单元的AGC调频收益模型，以风光储微电网中所有主体的总成本最小化为目标构建总成本目标函数，以弃风弃光的惩罚费用最小化为目标构建弃风弃光目标函数，以ACG风光调频收益最大化为目标构建ACG风光调频目标函数，设置功率平衡约束、弃风弃光约束为约束条件，建立微电网容量非合作博弈模型；其中，风光储微电网的主体包括风能发电单元、光伏发电单元和储能系统；获取待优化时段各参数数据，并将其输入微电网容量非合作博弈模型，采用改进的粒子群算法对微电网容量非合作博弈模型进行求解，解得容量目标配置结果，包括：步骤S21：设定粒子群规模、粒子维度、最大迭代次数、初始权重、结束权重、个体学习因子、群体学习因子、外部存档规模；初始化，采用Sobol序列生成每个粒子的初始位置，将每个粒子的初始位置通过均值偏移聚类算法进行更新，得到每个粒子更新后的初始位置；随机生成每个粒子的初始速度，其中，表示当前迭代次数，每个粒子的更新后的初始位置代表一个容量目标配置结果；步骤S22：将各个粒子每次迭代后的位置进行外部存档，若外部存档中存储的粒子位置超过外部存档规模，则基于各个粒子位置对应的目标函数值，对外部存档中粒子位置进行删减；步骤S23：利用快速分层策略在外部存档中选择一个粒子位置作为当前迭代的全局最佳位置；步骤S24：基于每个粒子的各个历史迭代位置对应的目标函数值，获取每个粒子的各个历史迭代位置中的帕累托最优解，作为每个粒子当前迭代的个体学习位置；步骤S25：基于初始权重、结束权重、当前迭代次数及最大迭代次数，计算当前迭代的速度惯性权重；基于个体学习因子、群体学习因子、当前迭代次数、当前迭代的速度惯性权重、当前迭代的全局最佳位置与每个粒子当前迭代的个体学习位置，对每个粒子的速度进行更新；步骤S26：基于每个粒子当前迭代位置对应的目标函数值、当前迭代的全局最佳位置，计算每个粒子当前迭代的位置惯性权重；基于个体学习因子、群体学习因子、每个粒子当前迭代的位置惯性权重、当前迭代次数、当前迭代的全局最佳位置与每个粒子当前迭代的个体学习位置，对每个粒子的位置进行更新，更新；步骤S27：判断当前迭代次数是否达到最大迭代次数，若是，则输出当前迭代的全局最佳位置，作为容量目标配置结果，否则重复步骤S22-S27；所述基于初始权重、结束权重、当前迭代次数及最大迭代次数，计算当前迭代的速度惯性权重，计算公式为： ，其中，为第次迭代的速度惯性权重，为结束权重，为初始权重，为最大迭代次数；所述基于个体学习因子、群体学习因子、当前迭代次数、当前迭代的速度惯性权重、当前迭代的全局最佳位置与每个粒子当前迭代的个体学习位置，对每个粒子的速度进行更新，公式为： ，其中，为第次迭代的第个粒子的速度，为第次迭代的第个粒子的速度，为第次迭代的第个粒子的位置，为第次迭代的速度惯性权重，为个体学习因子，为群体学习因子，为当前迭代次数，为最大迭代次数，为第次迭代的第个粒子的个体学习位置，为第次迭代的全局最佳位置，为区间[0，1]上的随机数；所述基于每个粒子当前迭代位置对应的目标函数值、当前迭代的全局最佳位置，计算每个粒子当前迭代的位置惯性权重，计算公式为： ，其中，为第次迭代的第个粒子的位置惯性权重，为范围到[0，1]以内的权重分配因子，为第次迭代中第个粒子的目标适应度，，为第个粒子第次迭代位置对应的总成本目标函数值，为第个粒子第次迭代位置对应的弃风弃光目标函数值，为第个粒子第次迭代位置对应的ACG风光调频目标函数值，为设定正数，为所有粒子在第次迭代中的最高目标适应度，为第次迭代的全局最佳位置对应的目标适应度；所述基于个体学习因子、群体学习因子、每个粒子当前迭代的位置惯性权重、当前迭代次数、当前迭代的全局最佳位置与每个粒子当前迭代的个体学习位置，对每个粒子的位置进行更新，公式为： ， 其中，为第次迭代的第个粒子的位置，为第次迭代的第个粒子的位置，为第次迭代的第个粒子的速度，为第次迭代的第个粒子的位置惯性权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网(苏州)城市能源研究院有限责任公司，其通讯地址为：215000 江苏省苏州市高新区科技城学森路9号1号楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。