Capacity Optimization Configuration of Wind-PV-Storage Microgrids Based on Improved Grey Wolf Optimizer

LI Shengqing; QIAO Jingxiao; GAO Zehua; ZENG Jinhui

doi:10.20204/j.sp.2025.08002

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

Capacity Optimization Configuration of Wind-PV-Storage Microgrids Based on Improved Grey Wolf Optimizer

更新时间：2025-10-24

- Capacity Optimization Configuration of Wind-PV-Storage Microgrids Based on Improved Grey Wolf Optimizer
- Vol. 53, Issue 8, Pages: 11-19(2025)
- 作者机构：
  
  1. 湖南工业大学交通与电气工程学院,湖南,株洲,412007
  2. 湖南省光伏智能电网控制工程研究中心,湖南,株洲,412007
- 作者简介：
- 基金信息：
- DOI：10.20204/j.sp.2025.08002
  CLC：
- Published：2025
- 稿件说明：
移动端阅览
李圣清,乔靖潇,高泽华,曾进辉.基于改进灰狼算法的风光储微电网容量优化配置[J].智慧电力,2025,53(8):11-19.

LI Shengqing, QIAO Jingxiao, GAO Zehua, et al. Capacity Optimization Configuration of Wind-PV-Storage Microgrids Based on Improved Grey Wolf Optimizer[J]. 2025, 53(8): 11-19.
李圣清,乔靖潇,高泽华,曾进辉.基于改进灰狼算法的风光储微电网容量优化配置[J].智慧电力,2025,53(8):11-19. DOI： 10.20204/j.sp.2025.08002.

LI Shengqing, QIAO Jingxiao, GAO Zehua, et al. Capacity Optimization Configuration of Wind-PV-Storage Microgrids Based on Improved Grey Wolf Optimizer[J]. 2025, 53(8): 11-19. DOI： 10.20204/j.sp.2025.08002.

摘要

为提升风光储微电网的经济性与运行可靠性，建立了考虑需求响应的风光储微电网模型，并采用一种改进灰狼算法对模型进行求解。针对灰狼算法易于陷入局部最优解的问题，提出以下改进策略：首先，使用佳点集初始化增强初始种群多样性；其次，引入非线性收敛因子以平衡算法的全局搜索与局部开发能力；随后，改进位置更新公式，在初始阶段扩大搜索范围，在后期加速收敛进程；最后，结合透镜反向学习策略与贪心策略实现局部最优跳出。通过测试函数对比和算例分析，验证了该改进算法的有效性。

Abstract

To enhance the economic efficiency and operational reliability of wind-PV-storage microgrids， this paper establishes a demand response-integrated microgrid model and employs an improved grey wolf optimizer （IGWO） for solution. Addressing the tendency of conventional grey wolf optimizer （GWO） to converge to local optima， the following enhancements are proposed: Firstly， good point set initialization is adopted to enhance initial population diversity. Secondly， a nonlinear convergence factor balances global exploration and local exploitation capabilities. Subsequently， the position update formula is modified to expand search scope during initial iterations and accelerate convergence in later stages. Finally， lens opposition-based learning combined with greedy strategy enables local optimum escape. Comparative testing functions and case studies validate the effectiveness of the improved algorithm.

关键词

Keywords

references

王海伦，丁一凡，李杨，等.计及混合式抽水蓄能改造的清洁微网分布鲁棒容量优化配置[J].电工技术学报，2025，40（7）：2112-2126.

李湃，黄越辉，张金平，等.多能互补发电系统电/热/氢储能容量协调优化配置[J].中国电机工程学报，2024，44（13）：5158-5169.

王依妍，陈景文.基于ISSA的光储微网混合储能容量优化配置[J].智慧电力，2023，51（4）：23- 29，53.

栗峰，丁杰，周才期，等.新型电力系统下分布式光伏规模化并网运行关键技术探讨[J].电网技术，2024，48（1）：184-199.

朱娟娟，段奕琳，闫群民，等.基于BAS-IMOPSO算法的风电系统储能优化配置[J].电力工程技术，2023，42（2）：180-187.

袁昊哲，叶欢欢，陈耀廷，等.农村微电网光储容量优化配置研究[J].广东电力，2023，36（5）： 49-57.

FATHY A，ALANAZI T M，RAZK H，et al. Optimal energy management of micro-grid using sparrow search algorithm[J]. Energy Reports，2021，8：758-773.

赵扉，薛龙江，朱晶亮，等.基于改进粒子群算法的电力系统储能容量配置方法[J].浙江电力，2022，41（11）：17-22.

郑建，赖欢欢，郑伟，等.含电动汽车的风光柴储独立型微电网容量优化配置[J].电力需求侧管理，2024，26（4）：30-36.

赵超，王斌，孙志新，等.基于改进灰狼算法的独立微电网容量优化配置[J].太阳能学报，2022，43（1）：256-262.

王欣，谭永怡，秦斌.改进MOGOA及其在风储容量优化配置中的应用[J].电力科学与技术学报，2024，39（2）：159-169.

胡臻达，姜文瑾，张林垚，等.基于改进猫群算法的氢储能容量优化配置[J].中国电力，2023，56 （10）：33-42.

丁伟，苏新凯，廖圣瑄，等.基于哈里斯鹰优化算法的光伏储能容量配置优化[J].电子设计工程，2024，32（1）：96-101.

HAOZHE Y，HUANHUAN Y，YAOTING C，et al. Research on the optimal configuration of photovoltaic and energy storage in rural microgrid[J]. Energy Reports，2022，8（S13）：1285-1293.

黄福荣，许方园，刘国中，等.计及负荷需求响应的风光储氢系统容量优化配置[J].供用电，2023，40（2）：45-51.

蒋棹骏，向月，谈竹奎，等.计及需求响应的高比例清洁能源园区储能容量优化配置[J].中国电力，2023，56（12）：147-155，163.

黄冬梅，吕嘉欣，时帅，等.计及需求响应的海岛微电网群优化运行研究[J].电力系统保护与控制，2024，52（9）：88-98.

左超文，王樊云，陈洁.考虑需求响应的光热电站热电联供型微网分层优化调度[J].分布式能源，2024，9（2）：63-73.

王利猛，刘雪梦，李扬，等.阶梯式碳交易机制下考虑需求响应的综合能源系统低碳优化调度[J].电力建设，2024，45（2）：102-114.

MUAIZ A，MOHAMED A A，LBRAHIM H，et al.Optimal scheduling of isolated microgrids with hybrid renewables and energy storage systems considering demand response[J].IEEE Access，2023，11:80266-80273.

张雯涵，艾欣，徐衍会，等.面向新能源消纳的电氢耦合系统容量优化配置[J].电网与清洁能源，2024，40（12）：93-101，110.

邓振宇，周家辉，徐钢，等.并/离网风光互补制氢合成氨系统容量-调度优化分析[J].热力发电，2024，53（9）：136-146.

刘忠，张乐，寇攀高，等.并网型风电-光伏-抽水蓄能-蓄电池系统容量优化配置[J].动力工程学报，2023，43（9）：1151-1159.

智筠贻，凌浩恕，吴昊，等.风光储多能互补能源系统容量配置优化[J].储能科学与技术，2024，13（11）：3874-3888.

张程，匡宇，刘佳静，等.考虑需求侧管理的风光燃储微网两阶段优化调度[J].电力系统保护与控制，2022，50（24）：13-22.

郭国栋，徐倩雯，龚雁峰.考虑需求响应的互联交直流混合微电网的分布式经济调度模型[J].电测与仪表，2023，60（5）：116-125，153.

赖钧杰，文小玲，张淇，等.基于改进麻雀搜索算法的直流微电网容量优化配置[J].太阳能学报，2023，44（8）：157-163.

赵娜，张莲，李多，等.基于改进蜜獾算法的风光氢储微电网容量优化配置方法[J].电气工程学报，2025，20（1）：338-351.

张家玮，李琳，张奇志.混合多策略改进的樽海鞘群算法及其应用[J].计算机工程与设计，2024，45（3）：822-829.

徐明，王风富，龙文.多策略改进的徒步优化算法及其应用[J].电子测量技术，2025，48（3）：60-73.

郭庆辉，李媛，杨东升.一种改进麻雀搜索算法的收敛性分析及应用[J].控制与决策，2024，39 （8）：2502-2510.

WU X J，ZHAN J M，DING W P，et al. GRNN model with feedback mechanism incorporating k-nearest neighbor and modified gray wolf optimization algorithm in intelligent transportation [J].IEEE Transactions on Intelligent Transportation Systems，2025，26（3）：3855-3872.

MIAO D，HOSSAIN S.Improved gray wolf optimization algorithm for solving placement and sizing of electrical energy storage system in micro-grids[J]. ISA Transactions，2020，102：376- 387.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Optimized Operation of Community Integrated Energy Systems Considering Dynamic Pricing Mechanism and Demand Response

Study on Microgrid Load Control Design Method

Development and Application Research of Smart Home Energy Management System Based on ZigBee

Research on Advanced Metering Infrastructure with Demand Response

Wind Power Penetration Limit Calculation Method Considering Demand Response

Related Author

LI Zhenkun

YOU Shengran

LI Jingyue

ZHANG Zhiquan

WANG Yi

ZHOU Yi-huan

REN Wei

ZHANG Jing-wen

Related Institution

State Grid Lijin County Power Supply Company

Engineering Research Center of Offshore Wind Power Technology， Ministry of Education （Shanghai University of Electric Power）

Shaanxi Electric Power Research Institute

Key Laboratory of Smart Grid of Ministry of Education, Tianjin University

School of Education， Tianjin University

AI问答

⁰