CN109472493A - 一种基于遗传算法的能量转换装置寿命统一管理方法 - Google Patents

Abstract

本发明公开了一种基于遗传算法的能量转换装置寿命统一管理方法，本发明综合考虑不同能量转换装置的寿命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，选取每台能量转换装置向负荷供能的占比，以及能量转换装置实际使用时长为决策变量，采用启发式的遗传算法，以一种群体中的所有个体为对象，利用随机化技术指导对一个被编码的参数空间进行高效搜索，通过选择、交叉、变异自适应地调整搜索方向，得出群体最优解，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。本发明对于能量转换装置的传输效率以及寿命统一管理的研究推广具有重要科学意义和应用价值。

Description

一种基于遗传算法的能量转换装置寿命统一管理方法

技术领域

本发明涉及一种对能量转换装置寿命统一管理，同时最小化能量传输损耗的发电配置方法，属于能源互联网领域。

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量转换装置，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，而且不同类型的能量转换装置具有不同的总发电量限额，因此需要对不同的能量转换装置进行使用寿命的统一管理。同时，不同位置的能量转换装置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。综合考虑能量转换装置寿命的统一管理，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。

遗传算法是一种应用广泛的启发式智能优化方法，由借鉴进化生物学原理而来，是人工智能领域的重要分支，对优化问题的限制条件较少，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量转换装置。能量转换装置配置区域通常环境恶劣，范围广，而且均有总发电量的限制，且不同类型的能量转换装置通常对应不同的总发电量限额。如果单一装置长时间连续使用或过载运行，则该装置损耗速度快，使用寿命缩短，如果对单一装置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寿命延长。如果对分布式发电区域的设备不进行使用寿命的统一管理，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，不同位置的能量转换装置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。因此本文综合考虑不同能量转换装置的寿命管理，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，选取每台能量转换装置向负荷供能的占比，以及能量转换装置实际使用时长为决策变量，采用启发式的遗传算法，遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过自然进化过程搜索最优解的方法。遗传算法以一种群体中的所有个体为对象，利用随机化技术指导对一个被编码的参数空间进行高效搜索，通过选择、交叉、变异自适应地调整搜索方向，得出群体最优解，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量转换装置，如电力变压器、微型燃气轮机、光伏发电装置等，将不同类型的能量转换装置进行统一管理，获取所管理设备的剩余能量E(t)，表示为：

其中，E_j(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T_change记为：

其中，为设备j下次更换时间；

预先设置m台设备的最大更换时间间隔T_interval，则m台设备的最早更换时间T_f为：

其中，T_ter为m台设备的最晚更换时间，m台设备均需要在[T_f,T_ter]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),...,L_n(t)]

其中，L_i(t)为负荷i在时刻t所需电量，n为负荷端的负荷总数；

(3)每台能量转换装置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H_loss表示为：

其中，D_ji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每台能量转换装置单独向负荷供电时，所需发电量E_p(t)为：

每台能量转换装置所需发电量与自身剩余能量占比K为：

(5)对于每个负荷，通常需要多个能量转换装置同时向其供电，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量转换装置向该负荷供能占比最大时，发电效率最高，同时便于设备寿命的统一管理；

在选取能量转换装置向负荷供电时，综合考虑每台能量转换设备发电配比与实际使用寿命两方面，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寿命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，以每台能量转换装置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；能量转换装置的实际供能Er(t)为：

其中Er_ji(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：

当某台设备j的剩余能量达到需要进行更换的最小剩余能量阈值，则需要对该台设备进行更换，获得该台设备的下次更换时间

(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，P_j(t)为设备j的输出功率，P_j(t)_max为设备j的最大输出功率，通常为额定功率，P_j(t)_min为设备j的最小输出功率；

(9)采用启发式的遗传算法求解目标函数，使能量转换装置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)对每台设备j选取其计算得出的发电配比作为初始配比值，选取设备更换时间从T_f到T_ter之间的随机数作为初始更换时间值，将所有设备的初始配比值和初始更换时间值均转换为二进制，共同作为种群中的一个个体，并设置种群的规模，进行个体适应度评估，即求解目标函数值，目标函数值越小，适应度越大；

(9.2)对二进制表示的初代种群进行选择、交叉、变异操作，设置最大遗传代数K，交叉概率γ_c、变异概率γ_m；选择过程采用轮盘赌机制，交叉过程采用二进制单点交叉方式，变异操作选择二进制单点变异方式，得到新一代种群，将二进制表示的种群转换为十进制数值计算新一代种群每个个体对应的适应度；

(9.3)重复执行步骤(9.2)，直到达到最大遗传代数K时，种群所在位置即为最优值，将二进制表示的种群位置转换为十进制数，即得到每台设备的下次更换时间，同时计算得到最佳适应度值，即能量传输最小损耗。

本发明的优点在于：创新性地综合考虑了能量转换装置更换时间以及每台能量转换装置向负荷供能的发电配比两因素，从而能够对分布式发电区域中的能量转换装置更换时间进行统一管理，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。由于能量转换装置的多样性，以及对能量转换装置更换时间管理的灵活性，本发明提出采用启发式的遗传算法，能很好的处理约束限制，能很好的跳出局部最优，最终得到全局最优解，全局搜索能力强，使本发明在可以自由调控能量转换装置最大更换时间间隔基础上，最小化能量传输的总损耗，提高了发电效率。

附图说明

图1是本发明基于遗传算法的能量转换装置寿命统一管理方法的流程图；

图2是遗传算法的流程图；

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遗传算法的能量转换装置寿命统一管理方法，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台能量转换装置对某一负荷进行供能，能量转换装置信息如下表所示，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；

(2)如图4所示，预先设置10台设备的最大更换时间间隔T_interval，则10台设备的最早更换时间T_f为：

其中，T_ter为10台设备的最晚更换时间，10台设备均需要在[T_f,T_ter]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，选取第一项因素权重α＝0.8，则第二项因素的权重为0.2。选取该发电配比作为初始配比，选取每台设备更换时间从T_f到T_ter之间的随机数作为初始更换时间，每个初始值维度为10，将所有设备的初始配比值和初始更换时间值均转换为二进制，共同作为种群中的一个个体，二进制编码长度统一设置为5，不同变量有不同的取值范围，即对于发电配比变量，二进制‘00000’表示0，二进制‘11111’表示1，对于更换时间变量，二进制‘00000’表示T_f，二进制‘11111’表示T_ter，最大遗传代数设定为K＝100；

(4)确定约束条件如下：

对每台设备j，应满足以下条件：

其中，P_j(t)为设备j的输出功率，P_j(t)_max为设备j的最大输出功率，通常为额定功率，P_j(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，同时计算个体适应度，即目标函数值，目标函数的计算公式为：

(6)对初代种群进行选择、交叉、变异操作：选择过程采用轮盘赌的机制，交叉过程采用二进制单点交叉方式，交叉概率选择为γ_c＝0.6，变异操作选择二进制单点变异方式，变异的概率为γ_m＝0.01，得到新一代种群；

(7)重复步骤(6)，直到达到最大遗传代数K之后，对种群停止操作，此时种群所在位置即为最优值，并得到每台设备的下次更换时间。

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：

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)

1.一种基于遗传算法的能量转换装置寿命统一管理方法，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量转换装置的剩余能量E(t)，表示为：

其中，E_j(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T_change记为：

其中，为设备j下次更换时间；

预先设置m台设备的最大更换时间间隔T_interval，则m台设备的最早更换时间T_f为：

其中，T_ter为m台设备的最晚更换时间，m台设备均需要在[T_f,T_ter]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),...,L_n(t)]

其中，L_i(t)为负荷i在时刻t所需电量，n为负荷端的负荷总数；

(3)每台能量转换装置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H_loss表示为：

其中，D_ji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每台能量转换装置单独向负荷供电时，所需发电量E_p(t)为：

每台能量转换装置所需发电量与自身剩余能量占比K为：

(5)在选取能量转换装置向负荷供电时，综合考虑每台能量转换设备发电配比与实际使用寿命两方面，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寿命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，以每台能量转换装置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；能量转换装置的实际供能Er(t)为：

其中Er_ji(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：

当某台设备j的剩余能量达到需要进行更换的最小剩余能量阈值，则需要对该台设备进行更换，获得该台设备的下次更换时间

(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，P_j(t)为设备j的输出功率，P_j(t)_max为设备j的最大输出功率，通常为额定功率，P_j(t)_min为设备j的最小输出功率；

(9)采用启发式的遗传算法求解目标函数，使能量转换装置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)对每台设备j选取其计算得出的发电配比作为初始配比值，选取设备更换时间从T_f到T_ter之间的随机数作为初始更换时间值，将所有设备的初始配比值和初始更换时间值均转换为二进制，共同作为种群中的一个个体，并设置种群的规模，进行个体适应度评估，即求解目标函数值，目标函数值越小，适应度越大；

(9.2)对二进制表示的初代种群进行选择、交叉、变异操作，设置最大遗传代数K，交叉概率γ_c、变异概率γ_m；选择过程采用轮盘赌机制，交叉过程采用二进制单点交叉方式，变异操作选择二进制单点变异方式，得到新一代种群，将二进制表示的种群转换为十进制数值计算新一代种群每个个体对应的适应度；

(9.3)重复执行步骤(9.2)，直到达到最大遗传代数K时，种群所在位置即为最优值，将二进制表示的种群位置转换为十进制数，即得到每台设备的下次更换时间，同时计算得到最佳适应度值，即能量传输最小损耗。

2.根据权利要求1所述的一种基于遗传算法的能量转换装置寿命统一管理方法，其特征在于，所述能量转换装置包括电力变压器、微型燃气轮机、光伏发电装置。