CN109255503B - 一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法 - Google Patents
一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法 Download PDFInfo
- Publication number
- CN109255503B CN109255503B CN201811330804.2A CN201811330804A CN109255503B CN 109255503 B CN109255503 B CN 109255503B CN 201811330804 A CN201811330804 A CN 201811330804A CN 109255503 B CN109255503 B CN 109255503B
- Authority
- CN
- China
- Prior art keywords
- energy
- firefly
- replacement time
- load
- router
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 241000254158 Lampyridae Species 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000005457 optimization Methods 0.000 title claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 25
- 238000010248 power generation Methods 0.000 claims description 37
- GNBHRKFJIUUOQI-UHFFFAOYSA-N fluorescein Chemical compound O1C(=O)C2=CC=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 GNBHRKFJIUUOQI-UHFFFAOYSA-N 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000008034 disappearance Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 230000011273 social behavior Effects 0.000 abstract 1
- 230000008859 change Effects 0.000 description 7
- IGXWBGJHJZYPQS-SSDOTTSWSA-N D-Luciferin Chemical compound OC(=O)[C@H]1CSC(C=2SC3=CC=C(O)C=C3N=2)=N1 IGXWBGJHJZYPQS-SSDOTTSWSA-N 0.000 description 4
- CYCGRDQQIOGCKX-UHFFFAOYSA-N Dehydro-luciferin Natural products OC(=O)C1=CSC(C=2SC3=CC(O)=CC=C3N=2)=N1 CYCGRDQQIOGCKX-UHFFFAOYSA-N 0.000 description 4
- BJGNCJDXODQBOB-UHFFFAOYSA-N Fivefly Luciferin Natural products OC(=O)C1CSC(C=2SC3=CC(O)=CC=C3N=2)=N1 BJGNCJDXODQBOB-UHFFFAOYSA-N 0.000 description 4
- DDWFXDSYGUXRAY-UHFFFAOYSA-N Luciferin Natural products CCc1c(C)c(CC2NC(=O)C(=C2C=C)C)[nH]c1Cc3[nH]c4C(=C5/NC(CC(=O)O)C(C)C5CC(=O)O)CC(=O)c4c3C DDWFXDSYGUXRAY-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法,本发明在可以自由预先设置设备最大更换时间间隔情况下,选取每台能源路由器向负荷供能的占比,以及能源路由器实际使用时长为决策变量,采用启发式的人工萤火虫群优化算法,该算法模仿自然界群体生活的生物的社会行为构造的随机搜索方法,将决策变量比喻为在解空间中移动的萤火虫,其亮度与自身所在位置的目标值有关,每个萤火虫向决策域中亮度更高的萤火虫移动,即向更优的位置移动,可在较小区域内得到该区域最优解,即满足设备更换时间间隔要求的能量传输总损耗最低值。本发明对于能源路由器的传输效率以及更换时间统一管理的研究推广具有重要科学意义和应用价值。
Description
技术领域
本发明属于能源互联网领域,尤其涉及一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法。
背景技术
近年来,能源问题已成为世界各国所需讨论解决的首要难题,世界各个国家及组织积极开展探究新型替代能源的技术。其中,可再生能源以其可再生、无污染的特点受到了高度重视。随着新能源技术的发展,并伴随着能源技术创新和互联网技术的深度融合的巨大潜力,诞生了“能源互联网”的宏观结构,该体系具有“多能互补,源网荷储”的统一多能互补协调的核心理念,不仅可以实现能源的“就地采集,原地存储,现场利用”功能,还可以作为具有数个完整功能的局域小型供电系统与电网互联。
由于多种新型能源的加入,以及负荷对于能量需求形式的多样化,因此在网络中需要多种能源路由器,如电力变压器、微型燃气轮机、光伏发电装置等。由于发电区域通常环境恶劣,范围广,因此需要减少由于能量耗尽进行设备更换的频率,而且不同类型的能源路由器具有不同的总发电量限额,因此需要对不同的能源路由器进行使用时长的统一管理。同时,不同位置的能源路由器向负荷供能时对应不同的能量传输损耗,为了提高能量传输的效率,因此需要尽可能减少向负荷供电的总损耗。综合考虑能源路由器的更换时间统一管理,以及供能的总损耗,对能源互联网的配置具有较大的社会与经济意义。
人工萤火虫群优化算法是一种应用广泛的启发式智能优化方法,来源于自然界中萤火虫的发光行为,是人工智能领域的重要分支,具有概念简单,需要调整的参数少,易于应用和实现等优点,具有极强的通用性,易于通过编程实现。
发明内容
在分布式发电中,能源类型的多样性以及负荷需求类型的多样性,使网络中存在多种能源路由器。能源路由器配置区域通常环境恶劣,范围广,而且均有总发电量的限制,且不同类型的能源路由器通常对应不同的总发电量限额。如果单一能源路由器长时间连续使用或过载运行,则该设备损耗速度快,使用时长缩短,如果对单一能源路由器减少运行频率或轻载运行,通过代价较小的维护可以使其实际使用时长延长。如果对分布式发电区域的能源路由器设备不进行更换时间的统一管理,工作人员便需要频繁地前往该区域进行设备的更换。同时,由于发电区域范围较广,不同位置的能源路由器向同一负荷供电时对应有不同的能量线损,减少能量的线损可以提升发电的效率。本发明综合考虑不同能源路由器的更换时间管理,以及能量传输的线损问题,在可以自由预先设置设备最大更换时间间隔情况下,选取每台能源路由器向负荷供能的占比,以及能源路由器实际使用时长为决策变量,采用启发式的人工萤火虫群优化算法,该算法模仿自然界群体生活的生物的社会行为构造的随机搜索方法,将决策变量比喻为在解空间中移动的萤火虫,其亮度与自身所在位置的目标值有关,亮度越高表示位置越好,即目标函数值越优。每个萤火虫向决策域中亮度更高的萤火虫移动,即向更优的位置移动。该算法具有较强的局部搜索能力,并可以在较小区域内得到该区域的最优解,即本发明中满足设备更换时间间隔要求的能量传输总损耗最低值,此时有最大的能量传输效率。本发明方法的具体实现包括以下步骤:
(1)能源互联网中,由于发电形式的多样性以及负荷类型的多样性,分布式发电区域中存在多种类型的能源路由器,如电力变压器、微型燃气轮机、光伏发电装置等,将不同类型的能源路由器进行统一管理,获取所管理设备的剩余能量E(t),表示为:
其中,Ej(t)为设备j在时刻t的剩余能量,m为分布式发电区域待统一管理的总设备数;将m台设备的使用时长,即下次更换时间Tchange记为:
预先设置m台设备的最大更换时间间隔Tinterval,则m台设备的最早更换时间Tf为:
其中,Tter为m台设备的最晚更换时间,m台设备均需要在[Tf,Tter]时间段内进行更换;
(2)获取能源互联网负荷端多个负荷的需求供电量L(t),表示为:
L(t)=[L1(t),L2(t),...,Ln(t)]
其中,Li(t)为负荷i在时刻t所需电量,n为负荷端的负荷总数;
(3)每台能源路由器向负荷供电时具有不同的能量传输距离,对应不同的能量线损率,该分布式发电区域的能量线损率Hloss表示为:
其中,Dji为设备j与负荷i的能量传输距离,δ为单位传输距离的能量损耗率;
(4)当时刻t每台能源路由器单独向负荷供电时,所需发电量Ep(t)为:
每台能源路由器所需发电量与自身剩余能量占比K为:
(5)对于每个负荷,通常需要多个能源路由器同时向其供电,选取所需发电量与剩余能量占比最小,同时能量传输过程损耗最小的能源路由器向该负荷供能占比最大时,发电效率最高,同时便于设备更换时间的统一管理;
在选取能源路由器向负荷供电时,综合考虑每台能量转换设备发电配比与实际使用时长两方面,其中发电配比需考虑该能量转换设备所需发电量与自身剩余能量占比,以及该能量转换设备供能的损耗与负荷大小比值两项因素;
在t时刻对于某负荷i,首先考虑发电配比R(t,i)为:
其中α为预先设置的第一项因素权重,则1-α为第二项因素权重;
其次根据设备的实际使用时长对发电配比进行相应的调整,得到每台设备对负荷i的实际供能权重W(t,i),表示为:
(6)对于每个负荷,以每台能源路由器实际供能权重按反比例对其进行供能,即权重值越大,供能占比越小;能源路由器的实际供能Er(t)为:
其中Erji(t)表示设备j在t时刻对负荷i的实际供能;
(7)经过供能分配之后,得到每台设备剩余能量E(t+1)为:
(8)将m台设备对n个负荷进行供能的总损耗作为目标函数,表示为:
约束条件为:
对每台设备j,应满足以下条件:
其中,Pj(t)为设备j的输出功率,Pj(t)max为设备j的最大输出功率,通常为额定功率,Pj(t)min为设备j的最小输出功率;
(9)采用启发式的人工萤火虫群优化算法求解目标函数,使能源路由器更换时间在预先设置的更换时间段内,能量传输总损耗达到最小;目标函数的求解过程具体如下:
(9.1)以计算得出的发电配比作为初始配比,并选取能源路由器更换时间从Tf到Tter之间的随机数作为初始更换时间,两项初始值共同构成萤火虫i的初始位置xi(1),根据初始位置xi(1)得到每个萤火虫荧光素初值l0;
(9.2)设定萤火虫的规模n,每个萤火虫最大移动次数Q,初始化步长s、荧光素消失率ρ、荧光素更新率γ、决策域rd;
(9.3)每个萤火虫i的当前位置为xi(k),并计算荧光素值li(k),表示为:
li(k)=(1-ρ)li(k-1)+γf(xi(k))
其中,li(k-1)为萤火虫i上个位置时的荧光素值,f(xi(k))为萤火虫i对应的目标函数值;
(9.4)每个萤火虫i在决策域半径内选择荧光素小于自身的个体,表示为:
Ni(k)={j:||xj(k)-xi(k)||<rd;lj(k)<li(k)}
其中,Ni(k)为萤火虫i的决策域半径内荧光素小于i的荧光素的个体集合,之后计算萤火虫i向Ni(k)集合中个体j移动的概率pij(t),表示为:
其中,N为Ni(k)集合中的个体数,萤火虫i向概率最大对应的个体j方向移动,更新位置为xi(k+1),表示为:
其中,xj(k)为个体j的当前位置;
(9.5)令k=k+1,返回步骤(9.3),直到达到设定的最大移动次数Q时,停止移动,得到萤火虫的最佳位置,即得到每台能源路由器的更换时间,同时计算出能量传输的最小损耗。
本发明的优点在于:创新性地综合考虑了能源路由器更换时间,以及每台能源路由器向负荷供能的发电配比两因素,从而能够统一管理分布式发电区域中的能源路由器更换时间,同时使向负荷进行能量传输的总损耗达到最低,获得最大的传输效率。由于能源路由器类型的多样性,以及对能源路由器更换时间管理的灵活性,本发明采用人工萤火虫群优化算法,简单易懂,参数较少且易于实现,将萤火虫的亮度与目标函数值相关联,萤火虫不断向亮度更高的位置移动保证了决策变量能够逐步靠近最优解,从而使本发明在可以自由调控设备最大更换时间间隔基础上得到能量传输的总损耗最小值,提高了发电效率。
附图说明
图1是本发明基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法的流程图;
图2是人工萤火虫群优化算法的流程;
图3是某一地区负荷曲线图;
图4为设备的最大更换时间间隔、最晚更换时间和最早更换时间关系示意图;
图5是设备的剩余能量情况。
具体实施方式
下面结合附图和具体实施例对本发明作进一步描述。以下实例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明提供的一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法,如图1、2所示,包括以下步骤:
(1)本实例中以某微电网为例,选取分布式发电区域中10台能源路由器对某一负荷进行供能,能源路由器信息如下表所示,该负荷曲线如图3所示,每千米传输距离的能量损耗率δ=0.005;
设备编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
功率(kW) | 30 | 50 | 100 | 10 | 10 | 20 | 100 | 100 | 150 | 200 |
剩余使用时长(年) | 2 | 2 | 5 | 1 | 1.5 | 1.5 | 5 | 4 | 5 | 6 |
距离(km) | 10 | 15 | 10 | 5 | 5 | 10 | 20 | 25 | 30 | 40 |
(2)如图4所示,预先设置10台设备的最大更换时间间隔Tinterval,则10台设备的最早更换时间Tf为:
其中,Tter为10台设备的最晚更换时间,10台设备均需要在[Tf,Tter]时间段内进行更换;
本实施例中,设置该10台设备统一在当前时刻之后第五年至第六年之间进行更换,即最大更换时间间隔为1年,最早更换时间为5年,最晚更换时间为6年;
(3)计算发电配比,考虑能源路由器所需发电量与自身剩余能量占比,以及该能源路由器供能的损耗与负荷大小比值两项因素,选取第一项因素权重α=0.8,则第二项因素权重为0.2;选取该发电配比作为初始配比值,选取设备更换时间从Tf到Tter之间的随机数作为初始更换时间值,每个初始值维度为10,两项初始值作为一个萤火虫i的初始位置,表示为xi(1),萤火虫规模n=50,同时初始化决策域rd=0.2、步长s=0.01、荧光素消失率ρ=0.4、荧光素更新率γ=0.6,最大移动次数Q=1000;
(4)确定约束条件如下:
对每台设备j,应满足以下条件:
其中,Pj(t)为设备j的输出功率,Pj(t)max为设备j的最大输出功率,通常为额定功率,Pj(t)min为设备j的最小输出功率;
(5)进行连续时间的计算,在某台设备的剩余能量达到最小剩余能量阈值时,对此设备进行更换,该阈值设置为500kWh。在10台设备全部达到最小剩余能量阈值时,全部设备均达到更换时间,统计每台设备的使用时长,同时计算目标函数值,即能量传输的总损耗:
(6)计算萤火虫i的荧光素值li(k),表示为:
li(k)=(1-ρ)li(k-1)+γf(xi(k))
其中,li(k-1)为萤火虫i上个位置时的荧光素值,xi(k)为萤火虫i的当前位置,f(xi(t))为萤火虫i当前位置对应的目标函数值;
(7)每个萤火虫i在决策域半径内选择荧光素小于自身的个体,表示为:
Ni(k)={j:||xj(k)-xi(k)||<rd;lj(k)<li(k)}
其中,Ni(k)为萤火虫i的决策域半径内荧光素小于i的荧光素的个体集合,之后计算萤火虫i向Ni(k)集合中个体j移动的概率,表示为:
其中,N为Ni(k)集合中的个体数,萤火虫i向概率最大对应的个体j方向移动,更新位置为xi(k+1),表示为:
其中,xj(k)为个体j的当前位置;
(8)令k=k+1,返回步骤(6),在达到最大移动次数后,萤火虫停止移动,得到萤火虫的最佳位置,即得到每台能源路由器的更换时间,同时计算出能量传输的最小损耗。
图5为该10台设备的前五年的剩余能量,在第五年之后开始出现能量耗尽需要更换设备的情况,10台设备的更换时间如下表所示;
设备编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
使用时长(月) | 66 | 68 | 68 | 60 | 61 | 65 | 68 | 69 | 70 | 70 |
即10台设备均能够在第五年至第六年的时间区间内进行更换。前五年的能量传输总损耗为110190kWh。
以上所述仅为本发明的较佳实施举例,并不用于限制本发明,凡在本发明精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法,其特征在于,包括以下步骤:
(1)获取能源互联网分布式发电区域中多种类型的能源路由器的剩余能量E(t),表示为:
其中,Ej(t)为设备j在时刻t的剩余能量,m为分布式发电区域待统一管理的总设备数;将m台设备的使用时长,即下次更换时间Tchange记为:
预先设置m台设备的最大更换时间间隔Tinterval,则m台设备的最早更换时间Tf为:
其中,Tter为m台设备的最晚更换时间,m台设备均需要在[Tf,Tter]时间段内进行更换;
(2)获取能源互联网负荷端多个负荷的需求供电量L(t),表示为:
L(t)=[L1(t),L2(t),...,Ln(t)]
其中,Li(t)为负荷i在时刻t所需电量,n为负荷端的负荷总数;
(3)每台能源路由器向负荷供电时具有不同的能量传输距离,对应不同的能量线损率,该分布式发电区域的能量线损率Hloss表示为:
其中,Dji为设备j与负荷i的能量传输距离,δ为单位传输距离的能量损耗率;
(4)当时刻t每台能源路由器单独向负荷供电时,所需发电量Ep(t)为:
每台能源路由器所需发电量与自身剩余能量占比K为:
(5)在选取能源路由器向负荷供电时,综合考虑每台能量转换设备发电配比与实际使用时长两方面,其中发电配比需考虑该能量转换设备所需发电量与自身剩余能量占比,以及该能量转换设备供能的损耗与负荷大小比值两项因素;
在t时刻对于某负荷i,首先考虑发电配比R(t,i)为:
其中α为预先设置的第一项因素权重,则1-α为第二项因素权重;
其次根据设备的实际使用时长对发电配比进行相应的调整,得到每台设备对负荷i的实际供能权重W(t,i),表示为:
(6)对于每个负荷,以每台能源路由器实际供能权重按反比例对其进行供能,即权重值越大,供能占比越小;能源路由器的实际供能Er(t)为:
其中Erji(t)表示设备j在t时刻对负荷i的实际供能;
(7)经过供能分配之后,得到每台设备剩余能量E(t+1)为:
(8)将m台设备对n个负荷进行供能的总损耗作为目标函数,表示为:
约束条件为:
对每台设备j,应满足以下条件:
其中,Pj(t)为设备j的输出功率,Pj(t)max为设备j的最大输出功率,通常为额定功率,Pj(t)min为设备j的最小输出功率;
(9)采用启发式的人工萤火虫群优化算法求解目标函数,使能源路由器更换时间在预先设置的更换时间段内,能量传输总损耗达到最小;目标函数的求解过程具体如下:
(9.1)以计算得出的发电配比作为初始配比,并选取能源路由器更换时间从Tf到Tter之间的随机数作为初始更换时间,两项初始值共同构成萤火虫a的初始位置xa(1),求解此时的目标函数值作为该萤火虫的荧光素初值l0;
(9.2)设定萤火虫的规模b,每个萤火虫最大移动次数Q,初始化步长s、荧光素消失率ρ、荧光素更新率γ、决策域rd;
(9.3)每个萤火虫a的当前位置为xa(k),并计算荧光素值la(k),表示为:
la(k)=(1-ρ)la(k-1)+γf(xa(k))
其中,la(k-1)为萤火虫a上个位置时的荧光素值,f(xa(k))为萤火虫a对应的目标函数值;
(9.4)每个萤火虫a在决策域半径内选择荧光素小于自身的个体,表示为:
Na(k)={c:||xc(k)-xa(k)||<rd;lc(k)<la(k)}
其中,Na(k)为萤火虫a的决策域半径内荧光素小于a的荧光素的个体集合,之后计算萤火虫a向Na(k)集合中个体c移动的概率pac(t),表示为:
其中,N为Na(k)集合中的个体数,萤火虫a向概率最大对应的个体c方向移动,更新位置为xa(k+1),表示为:
其中,xc(k)为个体c的当前位置;
(9.5)令k=k+1,返回步骤(9.3),直到达到设定的最大移动次数Q时,停止移动,得到萤火虫的最佳位置,即得到每台能源路由器的更换时间,同时计算出能量传输的最小损耗。
2.根据权利要求1所述的一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法,其特征在于,所述能源路由器包括电力变压器、微型燃气轮机和光伏发电装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811330804.2A CN109255503B (zh) | 2018-11-09 | 2018-11-09 | 一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811330804.2A CN109255503B (zh) | 2018-11-09 | 2018-11-09 | 一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109255503A CN109255503A (zh) | 2019-01-22 |
CN109255503B true CN109255503B (zh) | 2022-03-25 |
Family
ID=65043471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811330804.2A Active CN109255503B (zh) | 2018-11-09 | 2018-11-09 | 一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255503B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104578051A (zh) * | 2014-12-28 | 2015-04-29 | 张海梁 | 一种基于萤火虫算法的配电网状态估计方法 |
CN105207207A (zh) * | 2015-09-18 | 2015-12-30 | 北京北变微电网技术有限公司 | 基于能量管理的孤网状态下的微电网系统调度方法 |
CN108471130A (zh) * | 2018-04-25 | 2018-08-31 | 合肥工业大学 | 计及优化损耗的电池储能系统功率分配方案 |
KR20180101147A (ko) * | 2017-03-02 | 2018-09-12 | 한국전자통신연구원 | 우선 순위 기반 에너지 분배 방법 및 그 시스템 |
-
2018
- 2018-11-09 CN CN201811330804.2A patent/CN109255503B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104578051A (zh) * | 2014-12-28 | 2015-04-29 | 张海梁 | 一种基于萤火虫算法的配电网状态估计方法 |
CN105207207A (zh) * | 2015-09-18 | 2015-12-30 | 北京北变微电网技术有限公司 | 基于能量管理的孤网状态下的微电网系统调度方法 |
KR20180101147A (ko) * | 2017-03-02 | 2018-09-12 | 한국전자통신연구원 | 우선 순위 기반 에너지 분배 방법 및 그 시스템 |
CN108471130A (zh) * | 2018-04-25 | 2018-08-31 | 合肥工业大学 | 计及优化损耗的电池储能系统功率分配方案 |
Non-Patent Citations (5)
Title |
---|
"Energy Storage Sizing Taking into Account Forecast Uncertainties in Distributed Energy Management System";Yue Li等;《2017 9th International Conference on Modelling, Identification and Control (ICMIC)》;20180322;全文 * |
"Genetic algorithm for weight assignment in optimum planning of multiple distributed generations to minimize energy losses";Faruk Ugranli等;《2012 International Symposium on Innovations in Intelligent Systems and Applications》;20120723;全文 * |
"Optimal Operation of Mobile Energy Storage Devices to Minimize Energy Loss in a Distribution System";Soon-Young Kwon等;《2018 IEEE International Conference on Environment and Electrical Engineering and 2018 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe)》;20181018;全文 * |
"基于能量路由器的智能型分布式能源网络技术";郭慧等;《中国电机工程学报》;20160620;第36卷(第12期);全文 * |
"能源互联网背景下储能应用的研究现状与展望";胡泽春等;《电力建设》;20160831;第37卷(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109255503A (zh) | 2019-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Beşkirli et al. | A new optimization algorithm for solving wind turbine placement problem: Binary artificial algae algorithm | |
Kaur et al. | Discrete multiobjective grey wolf algorithm based optimal sizing and sensitivity analysis of PV-wind-battery system for rural telecom towers | |
CN112651634B (zh) | 基于序列运算的有源配电系统源网荷储日前有功调度方法 | |
CN102694391A (zh) | 风光储联合发电系统日前优化调度方法 | |
CN107069784B (zh) | 一种利用分布式储能提高配电网负荷和光伏承载能力的优化运行方法 | |
CN113962828A (zh) | 考虑碳消耗的综合能源系统协调调度方法 | |
CN103580020A (zh) | 一种基于NSGA-II和Look-ahead的含风电场电力系统多目标动态优化调度方法 | |
CN106169109A (zh) | 一种基于混沌差分粒子群算法的水电站优化调度方法 | |
CN109886446A (zh) | 基于改进混沌粒子群算法的电力系统动态经济调度方法 | |
CN103617455A (zh) | 基于虚拟机组子群的网厂两级负荷优化调度方法 | |
CN110148971A (zh) | 一种分布式电源优化配置方法 | |
CN110445127A (zh) | 一种面向多重随机不确定性的配电网无功优化方法及系统 | |
CN104636824A (zh) | 一种确定最小渗透率的分布式光伏选址定容方法 | |
CN109472716B (zh) | 一种基于遗传算法的考虑多因素的产能端功率分配方法 | |
CN109255503B (zh) | 一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法 | |
CN109474015A (zh) | 基于两层优化的主动配电网储能系统优化配置方法及系统 | |
CN109191026B (zh) | 一种基于模拟退火算法的能量转换装置寿命统一管理方法 | |
CN106339773B (zh) | 基于灵敏度的主动配电网分布式电源定容规划方法 | |
CN109190860B (zh) | 一种基于人工萤火虫群优化算法的计及产能节点使用寿命的产能分配方法 | |
CN109217381B (zh) | 一种基于粒子群算法的能源路由器更换时间优化配置方法 | |
CN111768036A (zh) | 一种综合能源配电系统与上级电网交互运行的功率优化方法 | |
CN103870935B (zh) | 一种自适应电源管理方法 | |
CN109472493B (zh) | 一种基于遗传算法的能量转换装置寿命统一管理方法 | |
CN109447369B (zh) | 一种基于模拟退火算法的考虑多因素的产能端功率分配方法 | |
CN112583003A (zh) | 一种基于演化博弈理论的多能源电力系统电源规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |