CN113013905B - 一种风光储微能量收集无线传感系统调度方法及装置 - Google Patents
一种风光储微能量收集无线传感系统调度方法及装置 Download PDFInfo
- Publication number
- CN113013905B CN113013905B CN202110147538.5A CN202110147538A CN113013905B CN 113013905 B CN113013905 B CN 113013905B CN 202110147538 A CN202110147538 A CN 202110147538A CN 113013905 B CN113013905 B CN 113013905B
- Authority
- CN
- China
- Prior art keywords
- information
- power
- energy
- maximum
- battery
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004146 energy storage Methods 0.000 claims abstract description 38
- 230000005540 biological transmission Effects 0.000 claims abstract description 29
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 40
- 238000003860 storage Methods 0.000 claims description 29
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 239000002245 particle Substances 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 230000002925 chemical effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
Classifications
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Photovoltaic Devices (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明涉及一种风光储微能量收集无线传感系统调度方法及装置,包括以下步骤:步骤1、建立以调度时段内最大化发送信息为目标的最大最小化目标函数及其约束条件;步骤2、采用能量‑信息分层交替优化算法对步骤1所建立的以调度时段内最大化发送信息为目标的最大最小化目标函数进行求解,将最终得到的无线传感器功率、储能充放电功率和信息缓存器发出的信息量下发至能量管理系统执行调度。本发明高效解决了风光储微能量收集无线传感系统调度控制问题,提高了系统信息发送的可靠性。
Description
技术领域
本发明属于线传感系统调度技术领域,涉及无线传感系统的调度方法及装置,尤其是一种风光储微能量收集无线传感系统调度方法及装置。
背景技术
近年来物联网发展,各类无线传感器成爆发式增长。但是,无线传感器往往大量散布于基础设施差、长期无人的环境里,供电问题限制了其广泛应用。微能源采集装置利用风力、光伏、热电、压电、生化反应等物理或化学效应,由周围环境中获取微能量,供各类低功耗传感器件使用,受到了越来越多的关注。然而,在有限的微能量下,无法保证传感器实时的用能需求,需要对微能量采集系统进行能量的调度。本发明,针对风光储微能量收集无线传感系统,提出一种风光储微能量收集无线传感系统调度方法,对保障有限资源下的无线传感系统的可靠运行具有重要意义。
发明内容
本发明的目的在于克服现有技术的不足,提出一种风光储微能量收集无线传感系统调度方法及装置,能够保障有限资源下的无线传感系统的可靠运行。
本发明解决其现实问题是采取以下技术方案实现的:
一种风光储微能量收集无线传感系统调度方法,包括以下步骤:
步骤1、建立以调度时段内最大化发送信息为目标的最大最小化目标函数及其约束条件;
步骤2、采用能量-信息分层交替优化算法对步骤1所建立的以调度时段内最大化发送信息为目标的最大最小化目标函数进行求解,将最终得到的无线传感器功率、储能充放电功率和信息缓存器发出的信息量下发至能量管理系统执行调度。
而且,所述步骤1的具体步骤包括:
(1)根据风力和光伏未来时段的预测结果及其不确定范围,建立风力与光伏的能量收集数学模型;
(2)电池储能系统考虑电池能量SOC与充放电功率约束,建立储能充放电模型;
(3)计算系统i时刻功率平衡限制为:
其中:ηw、ηpv、ηst分别表示风电AC/DC、光伏DC/DC、储能电池DC/DC的转换效率;pws(i)为i时刻无线传感器的功率,pws_min、pws_max分别代表无线传感器功率最小值和最大值。
(4)计算无线传感系统信息发送速率与信息发送量,建立无线传感器作为用能设备的能量信息转换模型,用如下公示表示:
其中:dp(i)表示i时刻信息发送比特,hn为信道的特。
(5)根据信息缓存器存在信息存储的上限和可允许的最大延迟,建立考虑有限容量信息存储器的信息存储与发送约束模型如下:
其中:B(i)为第i时刻缓存器收到的信息容量,d(i)为第i时段缓存器发送出的信息量,Bmax为缓存器信息存储的上限值,τ为信息允许存在的最大延迟时间。
(6)以调度时段内最大化发送信息为目标,将无线传感器的功率、储能充放电功率和信息缓存器发出的信息作为待优化变量,建立如下的最大最小化目标函数:
而且,所述步骤1第(1)步的建立风力与光伏的能量收集数学模型如下:
其中:pwp(i)、pvp(i)分别为i时刻风电和光伏的功率预测值,Δpw(i)、Δpv(i)分别为i时刻风电和光伏的功率预测误差,Δpw_low(i)、Δpw_up(i)分别代表i时刻风电实际出力与预测值误差的下限和上限值,Δpv_low(i)、Δpv_up(i)分别代表i时刻光伏实际出力与预测值误差的下限和上限值。
而且,所述步骤2第(2)步的电池储能系统考虑电池能量SOC约束为:
考虑电池运行SOC的最大最小限制,调度控制需要保证i时刻电池电量在最大最小限制内,约束式如(7)所示:
SOCmin≤SOC(i)≤SOCmax (7)
其中:SOCmin、SOCmax分别代表电池的最小最大容量限制,SOC(i)代表第i时刻电池电量。
i时刻电池电量由前一时刻电量值与本时段充放电电量组成,并考虑电池的自放电影响,建立的电池电量运行模型如(4)所示:
其中:SOC(i-1)分别代表第i-1时刻电池电量,pst(i)代表调度时段l内的充放电功率,ηc、ηD分别代表充放电效率,Sst代表电池额定容量。
而且,所述步骤2的具体步骤包括:
(1)将步骤1所建立的以调度时段内最大化发送信息为目标的最大最小化目标函数公式(4),解耦为能量(12)和数据(13)调度两个子问题,而后采用能量-信息分层交替优化算法,分别对能量层和信息层交替求解:
其中:pN(i)=(22d(i)/l-1)/hn。
s.t. (3)
其中:c∈(0,1)为惩罚系数,[·]代表循环次数。
(2)给定d的初值d[0],并计算每个时刻的pN(i),通过量子粒子群算法对(12)式优化求解,得到和/>
(3)将代入(2)式得到/>带入(13)并基于量子粒子群算法求解,得到/>
(4)将代入(12)式,重复(2)-(3)的求解过程,直到/>循环结束。
(5)将最终得到的pws,pst,d下发给能量采集系统,按调度计划进行信息发送。
本发明的优点和有益效果:
本发明提出了一种风光储微能量收集无线传感系统调度方法,建立风光储微能量收集无线传感系统的调度模型及其优化求解算法,包括光伏、风力与储能电池构成能量收集数学模型、无线传感器作为用能设备的能量信息转换模型、以及考虑有限容量信息存储器的信息存储与发送约束模型,建立了以调度时段内最大化发送信息为目标的最大最小化目标函数,并采用能量-信息分层交替优化算法进行求解。本发明充分考虑新能源的随机性、储能装置的有限容量、信息存储器的有限容量与信息发送时间要求,高效解决了风光储微能量收集无线传感系统调度控制问题,提高了系统信息发送的可靠性。
附图说明
图1是本发明的风光储微能量收集无线传感系统模型图;
图2是本发明的能量层和信息层交替求解流程图。
具体实施方式
以下结合附图对本发明实施例作进一步详述:
本发明考虑的风光储微能量收集无线传感系统由光伏、风力发电与储能电池构成能量收集单元,无线传感器作为用能设备使用收集的能量,传感器采集的信息由数据存储器做缓存后发送至接收器,考虑储能及存储器有限容量,其结构及对应的数学模型如图1所示。
一种风光储微能量收集无线传感系统调度方法,如图2所示,包括以下步骤:
步骤1、建立以调度时段内最大化发送信息为目标的最大最小化目标函数及其约束条件;
步骤2、采用能量-信息分层交替优化算法对步骤1所建立的以调度时段内最大化发送信息为目标的最大最小化目标函数进行求解,将最终得到的无线传感器功率、储能充放电功率和信息缓存器发出的信息量下发至能量管理系统执行调度。
所述步骤1的具体步骤包括:
(1)根据气象预测数据,获取风力和光伏未来时段的预测结果,并确定每一个调度时段内,风力发电和光伏发电的不确定量,从而建立风力与光伏的能量收集数学模型;
在本实施例中,所述步骤1第(1)步数学模型为:
风力与光伏出力,考虑风光功率预测的区间不确定性,第i时刻风电出力pw(i)和光伏出力pv(i)分别如下:
其中:pwp(i)、pvp(i)分别为i时刻风电和光伏的功率预测值,Δpw(i)、Δpv(i)分别为i时刻风电和光伏的功率预测误差,Δpw_low(i)、Δpw_up(i)分别代表i时刻风电实际出力与预测值误差的下限和上限值,Δpv_low(i)、Δpv_up(i)分别代表i时刻光伏实际出力与预测值误差的下限和上限值。
(2)电池储能系统考虑电池能量SOC与充放电功率约束,建立储能充放电模型;
在本实施例中,所述步骤2第(2)步的电池储能系统考虑电池能量SOC约束为:
考虑电池运行SOC的最大最小限制,调度控制需要保证i时刻电池电量在最大最小限制内,约束式如(3)所示:
SOCmin≤SOC(i)≤SOCmax (3)
其中:SOCmin、SOCmax分别代表电池的最小最大容量限制,SOC(i)代表第i时刻电池电量。
i时刻电池电量由前一时刻电量值与本时段充放电电量组成,并考虑电池的自放电影响,建立的电池电量运行模型如(4)所示:
其中:SOC(i-1)分别代表第i-1时刻电池电量,pst(i)代表调度时段l内的充放电功率,ηc、ηD分别代表充放电效率,Sst代表电池额定容量。
在本实施例中,所述步骤2第(2)步的电池储能系统考虑充放电功率约束为:
考虑电池l时段内的充放电限制,其模型如下:
-pst_disch_max(i)≤pst(i)≤pst_ch_max(i) (5)
其中:pst_disch_max(i),pst_ch_max(i)分别为i时刻允许充放电的最大值;
电池充放功率允许最大值与SOC的关系,如下:
其中:Prate代表额定充电功率,SOClow、SOChigh分别代表线性充电区电量的最低点和最高点。
(3)计算系统i时刻功率平衡限制为:
其中:ηw、ηpv、ηst分别表示风电AC/DC、光伏DC/DC、储能电池DC/DC的转换效率;pws(i)为i时刻无线传感器的功率,pws_min、pws_max分别代表无线传感器功率最小值和最大值。
(4)计算无线传感系统信息发送速率与信息发送量,建立无线传感器作为用能设备的能量信息转换模型,用如下公示表示:
其中:dp(i)表示i时刻信息发送比特,hn为信道的特。
(5)根据信息缓存器存在信息存储的上限和可允许的最大延迟,建立考虑有限容量信息存储器的信息存储与发送约束模型如下:
其中:B(i)为第i时刻缓存器收到的信息容量,d(i)为第i时段缓存器发送出的信息量,Bmax为缓存器信息存储的上限值,τ为信息允许存在的最大延迟时间。
(6)以调度时段内最大化发送信息为目标,将无线传感器的功率、储能充放电功率和信息缓存器发出的信息作为待优化变量,建立如下的最大最小化目标函数:
在本实施例中,所述步骤2的具体步骤包括:
(1)考虑以上目标函数和约束条件,可以将上述问题,解耦为能量和数据调度两个子问题(12)和(13),而后采用能量-信息分层交替优化算法,分别对能量层和信息层交替求解:
其中:pN(i)=(22d(i)/l-1)/hn。
s.t. (10)
其中:c∈(0,1)为惩罚系数,[·]代表循环次数。
(2)给定d的初值d[0],并计算每个时刻的pN(i),通过量子粒子群算法对(12)式优化求解,得到和/>
(3)将代入(9)式得到/>带入(13)并基于量子粒子群算法求解,得到/>
(4)将代入(12)式,重复1-2的求解过程,直到/>循环结束。
(5)将最终得到的pws,pst,d下发给能量采集系统,按调度计划进行信息发送。
本发明的一种风光储微能量收集无线传感系统调度方法的实施步骤包括:
步骤1、根据气象预测数据,获取风力pwp和光伏pvp未来时段的预测结果,并按照时段l确定每一个调度时段内,风力发电和光伏发电的不确定量Δpw(i)和Δpv(i),将其带入风力与光伏发电的数学模型;
步骤2、根据信息收集要求,以最大化信息发送,确定待优化变量d的初始值d[0],并依据pN(i)=(22d(i)/l-1)/hn,确定每一个时段无线传感器所需的最大功率pN(i);
步骤3、将pN(i)代入(12),以最大化信息发送为目标,采用量子粒子群算法求解(12)式所代表解耦的能量优化子问题,获得和/>
步骤4、将代入(9)式得到/>并带入(13)式并基于量子粒子群算法求解信息优化子问题,得到待优化变量/>
步骤5、重新依据计算新的最大功率pN(i),代入(12)与(13),重复按照步骤3和4求解/>直至满足/>求解结束。
步骤6、将最终得到的pws,pst,d下发给能量采集系统,作为调度计划指令执行信息发送任务。
一种风光储微能量收集无线传感系统调度装置,包括:
目标函数建立模块,用于建立以调度时段内最大化发送信息为目标的最大最小化目标函数及其约束条件;
目标函数求解模块,用于对目标函数建立模块所建立的以调度时段内最大化发送信息为目标的最大最小化目标函数进行求解,将最终得到的无线传感器功率、储能充放电功率和信息缓存器发出的信息量下发至能量管理系统执行调度。
所述目标函数建立模块用于:
(1)根据风力和光伏未来时段的预测结果及其不确定范围,建立风力与光伏的能量收集数学模型;
(2)电池储能系统考虑电池能量SOC与充放电功率约束,建立储能充放电模型;
(3)计算系统i时刻功率平衡限制为:
其中:pw(i)、pv(i)、pst(i)分别代表第i时刻风电功率、光伏功率和储能功率,ηw、ηv、ηst分别表示风电AC/DC、光伏DC/DC、储能电池DC/DC的转换效率;pws(i)为i时刻无线传感器的功率,pws_min、pws_max分别代表无线传感器功率最小值和最大值;
(4)计算无线传感系统信息发送速率与信息发送量,建立无线传感器作为用能设备的能量信息转换模型,用如下公示表示:
其中:dp(i)表示i时刻信息发送比特,l为调度周期内信号的持续时间,hn为信道的衰减特性;
(5)根据信息缓存器存在信息存储的上限和允许的最大延迟,建立考虑有限容量信息存储器的信息存储与发送约束模型如下:
其中:B(i)为第i时刻缓存器收到的信息容量,d(i)为第i时段缓存器发送出的信息量,Bmax为缓存器信息存储的上限值,τ为信息最大延迟上限,n为总的调度周期数;
(6)以调度时段内最大化发送信息为目标,将无线传感器的功率、储能充放电功率和信息缓存器发出的信息作为待优化变量,建立如下的最大最小化目标函数:
所述目标函数求解模块用于:
(1)将目标函数建立模块所建立的以调度时段内最大化发送信息为目标的最大最小化目标函数公式(4),解耦为能量(12)和数据(13)调度两个子问题,而后采用能量-信息分层交替优化算法,分别对能量层和信息层交替求解:
其中:pN(i)=(22d(i)/l-1)/hn;
s.t.(3)
其中:c∈(0,1)为惩罚系数,[·]代表循环次数,pN(i)为第i时段无线传感器信息发送消耗功率的最大值;
(2)给定d的初值d[0],并计算每个时刻的pN(i),通过量子粒子群算法对(12)式优化求解,得到和/>
(3)将代入(2)式得到/>带入(13)并基于量子粒子群算法求解,得到/>
(4)将代入(12)式,重复(2)-(3)的求解过程,直到/>循环结束;
(5)将最终得到的pws,pst,d下发给能量采集系统,按调度计划进行信息发送。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (7)
1.一种风光储微能量收集无线传感系统调度方法,其特征在于:包括以下步骤:
步骤1、建立以调度时段内最大化发送信息为目标的最大最小化目标函数及其约束条件;
步骤2、对步骤1所建立的以调度时段内最大化发送信息为目标的最大最小化目标函数进行求解,将最终得到的无线传感器功率、储能充放电功率和信息缓存器发出的信息量下发至能量管理系统执行调度;
所述步骤1的具体步骤包括:
(1)根据风力和光伏未来时段的预测结果及其不确定范围,建立风力与光伏的能量收集数学模型;
(2)电池储能系统考虑电池能量SOC与充放电功率约束,建立储能充放电模型;
(3)计算系统i时刻功率平衡限制为:
其中:pw(i)、pv(i)、pst(i)分别代表第i时刻风电功率、光伏功率和储能功率,ηw、ηv、ηst分别表示风电AC/DC、光伏DC/DC、储能电池DC/DC的转换效率;pws(i)为i时刻无线传感器的功率,pws_min、pws_max分别代表无线传感器功率最小值和最大值;
(4)计算无线传感系统信息发送速率与信息发送量,建立无线传感器作为用能设备的能量信息转换模型,用如下公示表示:
其中:dp(i)表示i时刻信息发送比特,l为调度周期内信号的持续时间,hn为信道的衰减特性;
(5)根据信息缓存器存在信息存储的上限和允许的最大延迟,建立考虑有限容量信息存储器的信息存储与发送约束模型如下:
d(i)≤B(i)+Bmax (3)
其中:B(i)为第i时刻缓存器收到的信息容量,d(i)为第i时段缓存器发送出的信息量,Bmax为缓存器信息存储的上限值,τ为信息最大延迟上限,n为总的调度周期数;
(6)以调度时段内最大化发送信息为目标,将无线传感器的功率、储能充放电功率和信息缓存器发出的信息作为待优化变量,建立如下的最大最小化目标函数:
2.根据权利要求1所述的一种风光储微能量收集无线传感系统调度方法,其特征在于:所述步骤1第(1)步的建立风力与光伏的能量收集数学模型如下:
风力与光伏出力,考虑风光功率预测的区间不确定性,第i时刻风电出力pw(i)和光伏出力pv(i)分别如下:
其中:pwp(i)、pvp(i)分别为i时刻风电和光伏的功率预测值,Δpw(i)、Δpv(i)分别为i时刻风电和光伏的功率预测误差,Δpw_low(i)、Δpw_up(i)分别代表i时刻风电实际出力与预测值误差的下限和上限值,Δpv_low(i)、Δpv_up(i)分别代表i时刻光伏实际出力与预测值误差的下限和上限值。
3.根据权利要求1所述的一种风光储微能量收集无线传感系统调度方法,其特征在于:所述步骤1第(2)步的电池储能系统考虑电池能量SOC约束为:
考虑电池运行SOC的最大最小限制,调度控制保证i时刻电池电量在最大最小限制内,约束式如(7)所示:
SOCmin≤SOC(i)≤SOCmax (7)
其中:SOCmin、SOCmax分别代表电池的最小最大容量限制,SOC(i)代表第i时刻电池电量;
i时刻电池电量由前一时刻电量值与本时段充放电电量组成,并考虑电池的自放电影响,建立的电池电量运行模型如(4)所示:
其中:SOC(i-1)代表第i-1时刻电池电量,δl代表电池单位调度周期内的自放电率,ηc、ηD分别代表电池的充放电效率,Sst代表电池额定容量。
4.根据权利要求1所述的一种风光储微能量收集无线传感系统调度方法,其特征在于:所述步骤1第(2)步的电池储能系统考虑充放电功率约束为:
考虑电池l时段内的充放电限制,其模型如下:
-pst_disch_max(i)≤pst(i)≤pst_ch_max(i) (9)
其中:pst_disch_max(i),pst_ch_max(i)分别为i时刻电池充电和放电的最大允许值;
电池充放功率最大值与SOC的关系,如下:
其中:Prate代表额定充电功率,SOClow、SOChigh分别代表线性充电区电量的最低点和最高点;SOCmin、SOCmax分别代表电池的最小最大容量限制,SOC(i)代表第i时刻电池电量。
5.根据权利要求1所述的一种风光储微能量收集无线传感系统调度方法,其特征在于:所述步骤2的具体步骤包括:
(1)将步骤1所建立的以调度时段内最大化发送信息为目标的最大最小化目标函数公式(4),解耦为能量(12)和数据(13)调度两个子问题,而后采用能量-信息分层交替优化算法,分别对能量层和信息层交替求解:
pws(i)<pN(i)
其中:pN(i)=(22d(i)/l-1)/hn;
s.t.(3)
其中:c∈(0,1)为惩罚系数,[·]代表循环次数,pN(i)为第i时段无线传感器信息发送消耗功率的最大值;
(2)给定d的初值d[0],并计算每个时刻的pN(i),通过量子粒子群算法对(12)式优化求解,得到和/>
(3)将代入(2)式得到/>带入(13)并基于量子粒子群算法求解,得到/>
(4)将代入(12)式,重复(2)-(3)的求解过程,直到/>循环结束;
(5)将最终得到的pws,pst,d下发给能量采集系统,按调度计划进行信息发送。
6.一种风光储微能量收集无线传感系统调度装置,其特征在于:包括:
目标函数建立模块,用于建立以调度时段内最大化发送信息为目标的最大最小化目标函数及其约束条件;
目标函数求解模块,用于对目标函数建立模块所建立的以调度时段内最大化发送信息为目标的最大最小化目标函数进行求解,将最终得到的无线传感器功率、储能充放电功率和信息缓存器发出的信息量下发至能量管理系统执行调度;
所述目标函数建立模块用于:
(1)根据风力和光伏未来时段的预测结果及其不确定范围,建立风力与光伏的能量收集数学模型;
(2)电池储能系统考虑电池能量SOC与充放电功率约束,建立储能充放电模型;
(3)计算系统i时刻功率平衡限制为:
其中:pw(i)、pv(i)、pst(i)分别代表第i时刻风电功率、光伏功率和储能功率,ηw、ηv、ηst分别表示风电AC/DC、光伏DC/DC、储能电池DC/DC的转换效率;pws(i)为i时刻无线传感器的功率,pws_min、pws_max分别代表无线传感器功率最小值和最大值;
(4)计算无线传感系统信息发送速率与信息发送量,建立无线传感器作为用能设备的能量信息转换模型,用如下公示表示:
其中:dp(i)表示i时刻信息发送比特,l为调度周期内信号的持续时间,hn为信道的衰减特性;
(5)根据信息缓存器存在信息存储的上限和允许的最大延迟,建立考虑有限容量信息存储器的信息存储与发送约束模型如下:
d(i)≤B(i)+Bmax (3)
其中:B(i)为第i时刻缓存器收到的信息容量,d(i)为第i时段缓存器发送出的信息量,Bmax为缓存器信息存储的上限值,τ为信息最大延迟上限,n为总的调度周期数;
(6)以调度时段内最大化发送信息为目标,将无线传感器的功率、储能充放电功率和信息缓存器发出的信息作为待优化变量,建立如下的最大最小化目标函数:
7.根据权利要求6所述的一种风光储微能量收集无线传感系统调度装置,其特征在于:所述目标函数求解模块用于:
(1)将目标函数建立模块所建立的以调度时段内最大化发送信息为目标的最大最小化目标函数公式(4),解耦为能量(12)和数据(13)调度两个子问题,而后采用能量-信息分层交替优化算法,分别对能量层和信息层交替求解:
其中:pN(i)=(22d(i)/l-1)/hn;
s.t.(3)
其中:c∈(0,1)为惩罚系数,[·]代表循环次数,pN(i)为第i时段无线传感器信息发送消耗功率的最大值;
(2)给定d的初值d[0],并计算每个时刻的pN(i),通过量子粒子群算法对(12)式优化求解,得到和/>
(3)将代入(2)式得到/>带入(13)并基于量子粒子群算法求解,得到/>
(4)将代入(12)式,重复(2)-(3)的求解过程,直到/>循环结束;
(5)将最终得到的pws,pst,d下发给能量采集系统,按调度计划进行信息发送。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110147538.5A CN113013905B (zh) | 2021-02-03 | 2021-02-03 | 一种风光储微能量收集无线传感系统调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110147538.5A CN113013905B (zh) | 2021-02-03 | 2021-02-03 | 一种风光储微能量收集无线传感系统调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113013905A CN113013905A (zh) | 2021-06-22 |
CN113013905B true CN113013905B (zh) | 2024-05-28 |
Family
ID=76384992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110147538.5A Active CN113013905B (zh) | 2021-02-03 | 2021-02-03 | 一种风光储微能量收集无线传感系统调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113013905B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117933754A (zh) * | 2024-01-30 | 2024-04-26 | 华北电力大学 | 基于变分量子算法的综合能源微网评价生成系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102694391A (zh) * | 2012-05-31 | 2012-09-26 | 国电南瑞科技股份有限公司 | 风光储联合发电系统日前优化调度方法 |
WO2015054869A1 (zh) * | 2013-10-17 | 2015-04-23 | 国网新源张家口风光储示范电站有限公司 | 一种兆瓦级电池储能电站的监控系统及其方法 |
CN110649639A (zh) * | 2019-10-30 | 2020-01-03 | 国网辽宁省电力有限公司阜新供电公司 | 计及电热系统运行与损失成本的区域电网优化调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109462231B (zh) * | 2018-11-15 | 2020-09-01 | 合肥工业大学 | 居民微电网的负荷优化调度方法、系统和存储介质 |
-
2021
- 2021-02-03 CN CN202110147538.5A patent/CN113013905B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102694391A (zh) * | 2012-05-31 | 2012-09-26 | 国电南瑞科技股份有限公司 | 风光储联合发电系统日前优化调度方法 |
WO2015054869A1 (zh) * | 2013-10-17 | 2015-04-23 | 国网新源张家口风光储示范电站有限公司 | 一种兆瓦级电池储能电站的监控系统及其方法 |
CN110649639A (zh) * | 2019-10-30 | 2020-01-03 | 国网辽宁省电力有限公司阜新供电公司 | 计及电热系统运行与损失成本的区域电网优化调度方法 |
Non-Patent Citations (2)
Title |
---|
主动配电网中风光车储系统优化配置方法研究;刘亚丽;李树鹏;李国栋;刘瑜俊;尹宏源;;电子设计工程(第05期);全文 * |
风光储联合发电系统储能控制策略;牛瑞杰;郭俊文;李晓博;舒进;马骁骅;刘琳;;热力发电(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113013905A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN105226721B (zh) | 独立微电网系统分数阶频率控制器优化设计方法 | |
CN113708365B (zh) | 一种基于端边云架构的虚拟电厂能源管控优化方法及系统 | |
CN112103946A (zh) | 一种基于粒子群算法的微电网储能优化配置方法 | |
CN107910863A (zh) | 综合考虑光伏出力和负荷需求预测区间的配电网调度方法 | |
CN103795079A (zh) | 离网并网混合光伏发电控制系统及其经济性运行优化方法 | |
CN111626527B (zh) | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 | |
CN108879947A (zh) | 一种基于深度学习算法的分布式光伏发电控制管理系统 | |
CN103218673A (zh) | 基于bp神经网络的光伏发电短期出力预测方法 | |
CN102184453A (zh) | 基于模糊神经网络和支持向量机的风电功率组合预测方法 | |
CN113794199B (zh) | 一种考虑电力市场波动的风电储能系统最大收益优化方法 | |
CN111786417A (zh) | 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法 | |
CN203933038U (zh) | 离网并网混合光伏发电控制系统 | |
CN110350512A (zh) | 一种智能园区新能源发电站调度优化方法及系统 | |
CN105914769B (zh) | 离网状态下光储微电网的能量管理方法及系统 | |
CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
CN113013905B (zh) | 一种风光储微能量收集无线传感系统调度方法及装置 | |
CN109474007A (zh) | 一种基于大数据云技术的能源互联网调度方法 | |
CN108233357B (zh) | 基于非参数概率预测及风险期望的风电日前消纳优化方法 | |
CN102593855A (zh) | 平抑电力系统中可再生能源电源输出功率波动的方法 | |
CN112072643A (zh) | 一种基于深度确定性梯度策略的光-蓄系统在线调度方法 | |
Chang et al. | Model predictive control based energy collaborative optimization management for energy storage system of virtual power plant | |
CN112836287B (zh) | 一种基于神经网络的电动汽车资源灵活性预测方法 | |
CN103577893A (zh) | 一种新能源与火电双向为高载能负荷供电的节能优化方法 | |
CN106355297A (zh) | 一种基于电解铝负荷特性的电网降损优化方法 |
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 |