自适应差分进化-生物地理学优化(SaDE-BBO)算法

为了解决大规模电动汽车入网难以实现个体调度以及集群调度存在“维数灾”的问题，建立基于车辆到电网(vehicle-to-grid，V2G)模式的有源配电网分层分区优化运行模型。其中，上层优化模型对电动汽车集控中心(electric vehicle agent,EVA)进行调度，优化各区域EVA的充放电功率并作为下层优化模型的输入；下层优化模型调整各调压方式。在优化算法方面，提出一种自适应差分进化-生物地理学优化(self-adaptive differential evolution-biogeography-based optimization,SaDE-BBO)算法，并在改进的IEEE 33节点配电系统中进行仿真分析。结果表明：在不同充电控制策略下，V2G模式与各调压方式的协调互动在降低各区域EVA运营成本、平抑负荷波动以及保证有源配电网的安全和经济运行方面优势显著，与其他优化算法相比，SaDE-BBO算法具有更优质的解和更好的收敛性。