本發明涉及微能源技術領域，特別是涉及一種獨立微能源網及其優化配置方法。

背景技術：

隨著能源危機和環境污染問題的日益嚴重，能源互聯網的概念受到了廣泛的關注。其中，微能源網作為能源互聯網的重要組成形式，將是未來能源系統發展的重要趨勢。然而，微能源網的基本理念、尤其是獨立微能源網的整體架構設計以及具體技術方案實現等相關工作均處于起步階段，有待進一步深入研究。

但是當前針對微電網的優化設計，從架構設計到優化模型建立等各個方面都只針對電能網絡和電力設備而言，只包含對于單一能量形式的相關處理，無法做到多種能量形式的協調統一，致使適用范圍小，不利于推廣。

技術實現要素：

本發明的目的是提供一種獨立微能源網，可有效協調多種能量形式，擴大適用范圍。

為實現上述目的，本發明提供了如下方案：

一種獨立微能源網，所述獨立微能源網與負載連接，其中，所述獨立微能源網包括：

風力發電裝置，用于通過風能發電；

光伏發電裝置，用于通過太陽能發電；

非補燃式壓縮空氣蓄能裝置，用于在壓縮空氣發電的過程中產生電能、熱能和冷能；所述風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置及負載連接，為所述負載提供電能；

蓄熱槽，用于存儲熱能；所述蓄熱槽、非補燃式壓縮空氣蓄能裝置及負載連接，用于為所述負載提供熱能；

制冷裝置，用于產生冷能；所述制冷裝置、非補燃式壓縮空氣蓄能裝置及負載連接，用于為所述負載提供冷能。

可選的，所述獨立微能源網還包括：

控制裝置，分別與所述非補燃式壓縮空氣蓄能裝置、蓄熱槽及制冷裝置連接，用于控制所述非補燃式壓縮空氣蓄能裝置優先為所述負載提供熱能，并在所述非補燃式壓縮空氣蓄能裝置中熱能不足時，控制所述蓄熱槽為所述負載提供熱能；以及用于控制所述非補燃式壓縮空氣蓄能裝置優先為所述負載提供冷能，并在所述非補燃式壓縮空氣蓄能裝置中冷能不足時，控制所述制冷裝置為所述負載提供冷能。

可選的，所述風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置及負載通過交流配電網絡連接。

根據本發明提供的具體實施例，本發明公開了以下技術效果：

本發明獨立微能源網通過設置風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置、蓄熱槽及制冷裝置分別為負載提供能量，實現風能、光能、壓縮空氣產生的能量等多種能量協調工作，從而可有效擴大適用范圍。

本發明的另一目的在于提供一種獨立微能源網的優化配置方法，協調多種能量形式，并對其進行最優配置，提高優化配置程度。

為實現上述目的，本發明提供了如下方案：

一種獨立微能源網的優化配置方法，所述優化配置方法包括：

步驟一：分別構建風力發電裝置的風電模型、光伏發電裝置的光伏模型、非補燃式壓縮空氣蓄能裝置的蓄能模型及蓄熱槽的蓄熱模型；

步驟二：建立基于風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置、蓄熱槽及制冷裝置的年度等效成本的優化模型；

步驟三：基于所述年度等效成本的優化模型、采用粒子群優化算法，對風電模型、光伏模型、蓄能模型及蓄熱模型進行求解，獲得最優解；

步驟四：基于所述最優解分別對風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置及蓄熱槽進行優化配置。

可選的，在步驟一中：

基于以下公式構建所述風電模型：

其中，P_WT為在當前時刻風力發電裝置的實際輸出功率；P_N為風力發電裝置的額定輸出功率；v為當前時刻的風速；v_ci為切入風速；v_co為切出風速；v_N為額定風速；

基于以下公式構建所述光伏模型：

其中，P_PV為在當前時刻光伏發電裝置的實際輸出功率；G為當前時刻的光照強度；下標STC表示標準測試環境；P_STC為單個光伏發電裝置在標準測試環境中的最大輸出功率；G_STC為標準測試環境下的光照強度；

基于以下公式構建所述蓄能模型：

其中，SOC_CAES(t)和SOC_CAES(t-1)分別表示在t和t-1時刻時非補燃式壓縮空氣蓄能裝置的荷電狀態；Δt表示t時刻與t-1時刻的時間差，P_CAES(t)是非補燃式壓縮空氣蓄能裝置在t時刻的輸出或輸入的電功率，數值為正時表示輸出電功率，為負時表示輸入電功率；和分別表示非補燃式壓縮空氣蓄能裝置的充、放電效率；E_CAESN為非補燃式壓縮空氣蓄能裝置的額定容量；

所述非補燃式壓縮空氣蓄能裝置的荷電狀態的約束條件為：

其中，和分別為非補燃式壓縮空氣蓄能裝置的荷電狀態的上限值和下限值；和分別表示所述非補燃式壓縮空氣蓄能裝置在計算周期始、末的荷電狀態；

基于以下公式構建所述蓄熱模型：

其中，SOC_TST(t)和SOC_TST(t-1)分別表示在t和t-1時刻時蓄熱槽的荷熱狀態；α為蓄熱槽的自放熱率；Q^h_TST(t)是蓄熱槽在t時刻的輸出或輸入的熱功率，數值為正時表示輸出熱功率，為負時表示輸入熱功率；和分別表示蓄熱槽充、放熱的效率；E_TSTN為蓄熱槽的額定容量；

所述蓄熱槽的荷熱狀態的約束條件為：

其中，和分別為蓄熱槽的荷熱狀態的上限值和下限值；和分別表示蓄熱槽在計算周期始、末的荷熱狀態。

可選的，根據以下公式確定所述非補燃式壓縮空氣蓄能裝置的放電效率

其中，μ為補燃比，表示在所述非補燃式壓縮空氣蓄能裝置運行過程中用于補燃加熱的熱量與以最大的電換電儲能效率運行時需要的補燃熱量的比值，取值范圍為[0,1]，a、b分別表示由所述壓縮空氣儲能裝置決定的常數。

可選的，基于以下公式分別確定所述非補燃式壓縮空氣蓄能裝置儲存的熱功率Q^h_CAES及排氣產生的冷功率Q^c_CAES：

其中，μ為補燃比，表示在所述非補燃式壓縮空氣蓄能裝置運行過程中用于補燃加熱的熱量與以最大的電換電儲能效率運行時需要的補燃熱量的比值，取值范圍為[0,1]，c、d、e、f為四個由所使用的非補燃式壓縮空氣蓄能裝置決定的常數。

可選的，所述年度等效成本的優化模型的建立方法包括：

步驟21：根據以下公式分別確定風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置、蓄熱槽及制冷裝置的年度等效成本C_k：

其中，和分別為初始建設成本和每年的運維成本，與配置的容量有關；r_k為貼現率；m_k為使用年限，k為常數，k＝1,2,3,4,5，其中，k＝1表示風力發電裝置，C₁＝C_WT；k＝2表示光伏發電裝置，C₂＝C_PV；k＝3表示非補燃式壓縮空氣蓄能裝置，C₃＝C_CAES；k＝4表示蓄熱槽，C₄＝C_TST；k＝5表示制冷裝置，C₅＝C_AC；其中，C_WT、C_PV、C_CAES、C_TST、C_AC分別為風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置、蓄熱槽及制冷裝置年度等效成本；

步驟22：根據以下公式確定獨立微能源網絡系統的年度等效成本的最優值：

minC＝C_WT+C_PV+C_CAES+C_TST+C_AC————公式(11)；

步驟23：根據以下公式確定所述年度等效成本的最優值對應的約束條件：

其中，P_imax和P_omax分別為非補燃式壓縮空氣蓄能裝置充、放電功率的上限，與配置的容量有關；

其中，Q^h_imax和Q^h_omax分別為蓄熱槽充、放熱功率的上限，與配置的容量有關；

其中，P_PV(t)、P_WT(t)和P_CAES(t)分別表示光伏發電裝置、風力發電裝置和非補燃式壓縮空氣蓄能裝置在t時刻輸出的電功率；P_CAES(t)值為負時表示儲存的電功率；Q^h_TST(t)和Q^h_CAES(t)分別表示蓄熱槽和非補燃式壓縮空氣蓄能裝置在t時刻輸出的熱功率；Q^h_TST(t)值為負時表示儲存的熱功率；Q^c_AC(t)和Q^c_CAES(t)分別表示制冷裝置和非補燃式壓縮空氣蓄能裝置在t時刻輸出的冷功率；COP_AC為制冷裝置的熱力系數；P_E(t)、Q^h_H(t)和Q^c_C(t)分別表示當前時刻的電負荷、熱負荷和冷負荷。

可選的，在執行步驟三之前，所述優化配置方法還包括：

分別選擇電負荷/熱負荷及電負荷/冷負荷比例不同時的典型日，進行不同補燃比μ下的多次優化求解；

分析不同電負荷/熱負荷及電負荷/冷負荷比值的情況下，非補燃式壓縮空氣蓄能裝置的最佳補燃比，以及是否需要借助蓄熱槽來滿足熱負荷需求及借助制冷裝置來滿足冷負荷需求；

確定在不同電負荷/熱負荷及電負荷/冷負荷比值時應采用的補燃比以及蓄熱槽和制冷裝置的相關情況參數。

可選的，所述獲得最優解的方法包括：

從數據庫中調取一年的風力發電裝置的發電量、光伏發電裝置的發電量及負載的運行數據；

從所述一年的風力發電裝置的發電量、光伏發電裝置的發電量及負載的運行數據中隨機選擇設定天數內的數據；

根據所述在不同電負荷/熱負荷及電負荷/冷負荷比值時應采用的補燃比以及蓄熱槽和制冷裝置的相關情況參數確定所述設定天數內的數據對應的補燃比以及蓄熱槽和制冷裝置的相關情況參數；

將所述設定天數內的數據對應的補燃比以及蓄熱槽和制冷裝置的相關情況參數代入到所述年度等效成本的優化模型中，采用采用粒子群優化算法進行迭代運算；

判斷當前迭代次數是否達到設定閾值，如果是，則輸出當前補燃比以及蓄熱槽和制冷裝置的相關情況參數為最優解。

根據本發明提供的具體實施例，本發明公開了以下技術效果：

本發明獨立微能源網的優化配置方法通過設置風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置、蓄熱槽及制冷裝置分別為負載提供能量，實現風能、光能、壓縮空氣產生的能量等多種能量的協調工作，從而可有效擴大適用范圍；進一步地，通過構建風力發電裝置的風電模型、光伏發電裝置的光伏模型、非補燃式壓縮空氣蓄能裝置的蓄能模型、蓄熱槽的蓄熱模型、年度等效成本的優化模型，以年度等效成本最低為目標、采用粒子群優化算法，對風電模型、光伏模型、蓄能模型及蓄熱模型進行優化配置，可提高優化配置程度。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明實施例獨立微能源網的結構示意圖；

圖2為非補燃式壓縮空氣蓄能裝置的結構示意圖；

圖3為本發明獨立微能源網的優化配置方法的流程圖；

圖4為獲得最優解的流程圖。

符號說明：

負載—1，風力發電裝置—2，光伏發電裝置—3，非補燃式壓縮空氣儲能裝置—4，電動機—41，空氣壓縮機—42，第一換熱器—43，儲氣室—44，第二換熱器—44，透平裝置—45，發電裝置—46，蓄熱槽—5，制冷裝置—6。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

本發明的目的是提供一種獨立微能源網，通過設置風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置、蓄熱槽及制冷裝置分別為負載提供能量，實現風能、光能、壓縮空氣產生的能量等多種能量協調工作，從而可有效擴大適用范圍。

為使本發明的上述目的、特征和優點能夠更加明顯易懂，下面結合附圖和具體實施方式對本發明作進一步詳細的說明。

如圖1所示，本發明獨立微能源網與負載1連接。其中，本發明獨立微能源網包括風力發電裝置2、光伏發電裝置3、非補燃式壓縮空氣蓄能裝置(Non-supplementary Fired Compressed Air Energy Storage，簡稱NF-CAES)4、蓄熱槽5及制冷裝置6。其中，所述風力發電裝置2用于通過風能發電，所述光伏發電裝置3用于通過太陽能發電，所述NF-CAES 4用于在壓縮空氣發電的過程中產生電能、熱能和冷能；所述蓄熱槽5用于存儲熱能，所述制冷裝置6用于產生冷能；所述風力發電裝置2、光伏發電裝置3、NF-CAES 4及負載1連接，為所述負載提供電能；所述蓄熱槽5、NF-CAES 4及負載1連接，用于為所述負載提供熱能；所述制冷裝置6、NF-CAES 4及負載1連接，用于為所述負載提供冷能。

其中，所述風力發電裝置2、光伏發電裝置3、NF-CAES 4構成電能網絡系統。考慮到應用地點的發展水平，在最大限度上降低建設和運維成本，所述風力發電裝置2、光伏發電裝置3、NF-CAES 4及負載1通過交流配電網絡連接。所述蓄熱槽5、NF-CAES 4形成熱能網絡系統，所述制冷裝置6、NF-CAES4形成冷能網絡系統。在本實施例中，所述風力發電裝置2為小型風機，所述制冷裝置6為吸收式制冷機，但并不以此為限。

進一步地，本發明獨立微能源網的電能主要由風力發電裝置2、光伏發電裝置3提供，在配有NF-CAES 4，從而可保證電能供應的穩定和可靠，從而能夠很好的實現獨立運行。

優選方案，本發明獨立微能源網還包括控制裝置(圖中未示處)，所述控制裝置分別與所述NF-CAES 4、蓄熱槽5及制冷裝置6連接，用于控制所述NF-CAES 4優先為所述負載1提供熱能，并在所述NF-CAES 4中熱能不足時，控制所述蓄熱槽5為所述負載1提供熱能；以及用于控制所述NF-CAES 4優先為所述負載1提供冷能，并在所述NF-CAES 4中冷能不足時，控制所述制冷裝置6為所述負載1提供冷能。

所述NF-CAES 4采用回熱技術，收集并存儲儲能時空氣壓縮過程中產生的壓縮熱，待系統釋能時用存儲的壓縮熱加熱進入透平裝置中的高壓空氣。如圖2所示，所述NF-CAES 4包括電動機41、空氣壓縮機42、第一換熱器43、儲氣室44、第二換熱器45、透平裝置46及發電機47。

其中，所述電動機41與空氣壓縮機42連接，為空氣壓縮機42壓縮空氣提供動力；所述空氣壓縮機42分別與儲熱裝置(圖中未示處)和儲氣室44連接，用于將在壓縮空氣過程中產生的壓縮熱能儲存在所述儲熱裝置中，并將壓縮后的空氣輸送至所述儲氣室44中；所述透平裝置46分別與所述儲氣室44、發電機47和儲熱裝置連接，用于通過將儲熱裝置中壓縮熱能在所述述透平裝置對高壓氣體加熱，以推動發電機47發電。

優選地，所述NF-CAES 4還包括第一換熱器43，所述第一換熱器設置在所述空氣壓縮機42與所述儲氣室44之間。此外，所述NF-CAES 4還包括第二換熱器45，所述第二換熱器45設在所述儲氣室44與透平裝置46中。

工作時，通過電動機41為空氣壓縮機42提供動力，壓縮后高壓空氣通過第一換熱器45存于儲氣室44中，同時在壓縮空氣的過程接近絕熱，產生大量的壓縮熱能，被存儲在相應的儲熱裝置中。在釋能時，高壓空氣從儲氣室44釋放，通過第二換熱器45，進入到透平裝置46，同時利用存儲的壓縮熱能在透平裝置46中加熱，高壓加熱氣體驅動發電機發電；與此同時，在加熱高壓氣體的過程中，產生冷能供用戶使用。

其中，在本實施例中，所述儲氣室44采用管線鋼陣列儲氣。通過采用管線鋼陣列儲氣的方式儲氣，相對于建造大量儲氣罐而言，安全可靠，且可大幅度地降低工程造價。

優選地，在本實施例中，所述發電機的轉子為內置式永磁轉子結構，可有效解決磁橋承擔離心力和減弱磁阻轉矩等問題。進一步地，所述轉子的表面涂覆有一層吸熱發光材料涂層，將轉子的熱在真空環境下傳遞到定子殼體，從而快速散發渦流產生的熱量。

NF-CAES結構緊湊簡單，不僅消除了對燃料的依賴，實現了有害氣體零排放，同時還可以利用壓縮熱和透平裝置的低溫排氣對外供暖和供冷，具備冷熱電三聯供的能力。

此外，本發明還提供一種獨立微能源網的優化配置方法，通過設置風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置、蓄熱槽及制冷裝置分別為負載提供能量，實現風能、光能、壓縮空氣產生的能量等多種能量的協調工作，從而可有效擴大適用范圍；進一步地，通過構建風力發電裝置的風電模型、光伏發電裝置的光伏模型、非補燃式壓縮空氣蓄能裝置的蓄能模型、蓄熱槽的蓄熱模型、年度等效成本的優化模型，以年度等效成本最低為目標、采用粒子群優化算法，對風電模型、光伏模型、蓄能模型及蓄熱模型進行優化配置，可提高優化配置程度。

如圖3所示，本發明獨立微能源網的優化配置方法包括：

步驟100：分別構建風力發電裝置的風電模型、光伏發電裝置的光伏模型、非補燃式壓縮空氣蓄能裝置的蓄能模型及蓄熱槽的蓄熱模型；

步驟200：建立基于風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置、蓄熱槽及制冷裝置的年度等效成本的優化模型；

步驟300：基于所述年度等效成本的優化模型、采用粒子群優化算法，對風電模型、光伏模型、蓄能模型及蓄熱模型進行求解，獲得最優解；

步驟400：基于所述最優解分別對風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置及蓄熱槽進行優化配置。

步驟100包括：

步驟101：基于以下公式構建所述風電模型：

其中，P_WT為在當前時刻風力發電裝置的實際輸出功率；P_N為風力發電裝置的額定輸出功率；v為當前時刻的風速；v_ci為切入風速；v_co為切出風速；v_N為額定風速。

步驟102：基于以下公式構建所述光伏模型：

其中，P_PV為在當前時刻光伏發電裝置的實際輸出功率；G為當前時刻的光照強度；下標STC表示標準測試環境；P_STC為單個光伏發電裝置在標準測試環境中的最大輸出功率；G_STC為標準測試環境下的光照強度。其中，在本實施例中，所述標準測試環境為光照強度為1KW/m²，溫度為25℃。

步驟103：基于以下公式構建所述蓄能模型：

其中，SOC_CAES(t)和SOC_CAES(t-1)分別表示在t和t-1時刻時非補燃式壓縮空氣蓄能裝置的荷電狀態；Δt表示t時刻與t-1時刻的時間差，P_CAES(t)是非補燃式壓縮空氣蓄能裝置在t時刻的輸出或輸入的電功率，數值為正時表示輸出電功率，為負時表示輸入電功率；和分別表示非補燃式壓縮空氣蓄能裝置的充、放電效率；E_CAESN為非補燃式壓縮空氣蓄能裝置的額定容量；

所述非補燃式壓縮空氣蓄能裝置的荷電狀態的約束條件為：

其中，和分別為非補燃式壓縮空氣蓄能裝置的荷電狀態的上限值和下限值；和分別表示所述非補燃式壓縮空氣蓄能裝置在計算周期始、末的荷電狀態。

步驟104：基于以下公式構建所述蓄熱模型：

其中，SOC_TST(t)和SOC_TST(t-1)分別表示在t和t-1時刻時蓄熱槽的荷熱狀態；α為蓄熱槽的自放熱率；Q^h_TST(t)是蓄熱槽在t時刻的輸出或輸入的熱功率，數值為正時表示輸出熱功率，為負時表示輸入熱功率；和分別表示蓄熱槽充、放熱的效率；E_TSTN為蓄熱槽的額定容量；

所述蓄熱槽的荷熱狀態的約束條件為：

其中，和分別為蓄熱槽的荷熱狀態的上限值和下限值；和分別表示蓄熱槽在計算周期始、末的荷熱狀態。

進一步地，根據以下公式確定所述非補燃式壓縮空氣蓄能裝置的放電效率其中，μ為補燃比，表示在所述非補燃式壓縮空氣蓄能裝置運行過程中用于補燃加熱的熱量與以最大的電換電儲能效率運行時需要的補燃熱量的比值，取值范圍為[0,1]，a、b分別表示由所述非補燃式壓縮空氣蓄能裝置決定的常數。

基于以下公式分別確定所述非補燃式壓縮空氣蓄能裝置儲存的熱功率Q^h_CAES及排氣產生的冷功率Q^c_CAES：

其中，c、d、e、f為四個由所使用的非補燃式壓縮空氣蓄能裝置決定的常數。

本發明以年度等效成本最小值為優化目標，以冷、熱、電負荷決定的輸出功率約束和各設備的運行約束為約束條件，建立獨立微能源網的容量優化配置模型。具體的，在步驟200中，所述年度等效成本的優化模型的建立方法包括：

步驟21：根據以下公式分別確定風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置、蓄熱槽及制冷裝置的年度等效成本C_k：

其中，和分別為初始建設成本和每年的運維成本，與配置的容量有關；r_k為貼現率(一般取值為5％)；m_k為使用年限，k為常數，k＝1,2,3,4,5，其中，k＝1表示風力發電裝置，C₁＝C_WT；k＝2表示光伏發電裝置，C₂＝C_PV；k＝3表示非補燃式壓縮空氣蓄能裝置，C₃＝C_CAES；k＝4表示蓄熱槽，C₄＝C_TST；k＝5表示制冷裝置，C₅＝C_AC；其中，C_WT、C_PV、C_CAES、C_TST、C_AC分別為風力發電裝置、光伏發電裝置、非補燃式壓縮空氣蓄能裝置、蓄熱槽及制冷裝置年度等效成本。

步驟22：根據以下公式確定獨立微能源網絡系統的年度等效成本的最優值：

minC＝C_WT+C_PV+C_CAES+C_TST+C_AC————公式(11)。

步驟23：根據以下公式確定所述年度等效成本的最優值對應的約束條件：

其中，P_imax和P_omax分別為非補燃式壓縮空氣蓄能裝置充、放電功率的上限，與配置的容量有關；

其中，Q^h_imax和Q^h_omax分別為蓄熱槽充、放熱功率的上限，與配置的容量有關；

其中，P_PV(t)、P_WT(t)和P_CAES(t)分別表示光伏發電裝置、風力發電裝置和非補燃式壓縮空氣蓄能裝置在t時刻輸出的電功率；P_CAES(t)值為負時表示儲存的電功率；Q^h_TST(t)和Q^h_CAES(t)分別表示蓄熱槽和非補燃式壓縮空氣蓄能裝置在t時刻輸出的熱功率；Q^h_TST(t)值為負時表示儲存的熱功率；Q^c_AC(t)和Q^c_CAES(t)分別表示制冷裝置和非補燃式壓縮空氣蓄能裝置在t時刻輸出的冷功率；COP_AC為制冷裝置的熱力系數；P_E(t)、Q^h_H(t)和Q^c_C(t)分別表示當前時刻的電負荷、熱負荷和冷負荷。

其中，粒子群優化算法(Particle Swarm Optimization，簡稱PSO)，其求解的流程為：

假設適應值函數(即目標函數)為f(x₁,x₂,…,x_D)，初始化粒子模型即為產生m個粒子組成的粒子群中的每個粒子的位置向量速度向量和當前最優位置向量同時記錄整個粒子群體的最優位置向量

迭代階段計算迭代n+1次時粒子新位置的公式如下：

其中，c₁和c₂是加速因子，用于調節粒子飛行的步長，通常取c₁＝c₂＝2；r₁和r₂是[0,1]之間的隨機數。同時，為了防止粒子由于飛行速度過快而遠離搜索空間，算法中需要適當限制粒子的飛行速度。

在執行步驟300之前，本發明獨立微能源網的優化配置方法還包括：

分別選擇電負荷/熱負荷及電負荷/冷負荷比例不同的典型日，進行不同補燃比μ下的多次優化求解；

分析不同電負荷/熱負荷及電負荷/冷負荷比值的情況下，非補燃式壓縮空氣蓄能裝置的最佳補燃比，以及是否需要借助蓄熱槽來滿足熱負荷需求及借助制冷裝置來滿足冷負荷需求；

確定在不同電負荷/熱負荷及電負荷/冷負荷比值時應采用的補燃比以及蓄熱槽和制冷裝置的相關情況參數。

進一步地，如圖4所示，在步驟300中，所述獲得最優解的方法包括：

從數據庫中調取一年的風力發電裝置的發電量、光伏發電裝置的發電量及負載的運行數據；

從所述一年的風力發電裝置的發電量、光伏發電裝置的發電量及負載的運行數據中隨機選擇設定天數內的數據；

根據所述在不同電負荷/熱負荷及電負荷/冷負荷比值時應采用的補燃比以及蓄熱槽和制冷裝置的相關情況參數確定所述設定天數內的數據對應的補燃比以及蓄熱槽和制冷裝置的相關情況參數；

將所述設定天數內的數據對應的補燃比以及蓄熱槽和制冷裝置的相關情況參數代入到所述年度等效成本的優化模型中，采用采用粒子群優化算法進行迭代運算，更新補燃比以及蓄熱槽和制冷裝置的相關情況參數；

判斷當前迭代次數是否達到設定閾值，如果是，則輸出當前補燃比以及蓄熱槽和制冷裝置的相關情況參數為最優解。

在本實施例中，所述設定天數為10，但并不以此為限，可以根據實際情況進行調整。

本發明通過使用提前確定在不同電負荷/熱負荷及電負荷/冷負荷比值時應采用的補燃比以及蓄熱槽和制冷裝置的相關情況參數，可降低整體的操作步驟，易于進行調試，減少美不迭代的耗時。

本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。

本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發明的方法及其核心思想；同時，對于本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用范圍上均會有改變之處。綜上所述，本說明書內容不應理解為對本發明的限制。