CN114336696B - 一种兆瓦级氢储能电站容量配置方法及系统 - Google Patents

Abstract

本发明涉及一种兆瓦级氢储能电站容量配置方法及系统。所述方法包括：生成待搜索空间；设置粒子结构；将粒子当前位置代入氢能综合利用系统运行规划，计算各粒子当前适应度；根据当前适应度更新粒子历史最优位置；根据历史最优位置计算粒子当前速度；据粒子当前位置和当前速度计算下一次迭代的当前位置；判断当前位置是否超出待搜索空间，若是，进行位置限制；若否，判断是否达到最大迭代次数或满足迭代退出条件，若是，返回进行下一次迭代计算；若否，将粒子群的历史全局最优位置输出，得到最优设备选型结果，并据此配置兆瓦级氢储能电站容量。采用本发明提供的方法，能够快速、高效地求解最优设备选型结果，提高兆瓦级氢储能电站容量配置效率。

Description

一种兆瓦级氢储能电站容量配置方法及系统

技术领域

本发明涉及氢储能电站建设技术领域，特别是涉及一种兆瓦级氢储能电站容量配置方法及系统。

背景技术

目前国内兆瓦级的氢储能电站建设经验较少，示范工程尚属建设阶段。兆瓦级氢储能电站建设需要结合当地电网实际情况，有效配置电解槽的种类、容量，储氢罐容量，燃料电池容量，以及辅助系统、空气压缩机等设备的选型。而不同的地区电力分布不同，风电光电等新能源发电站的接入对电网波动性影响较大，当新能源发电站接入的种类和容量不同时，所需的氢储能电站容量也不相同。因而需要根据不同地区电网新能源接入情况的不同，建立氢储能电站容量配比的数学模型，根据不同地区的情况，进行设备的选型定容，得到配置兆瓦级电站设备的最佳方案。因此，设备的选型定容问题是氢能综合利用系统规划设计的工程实际中常见且亟待解决的问题。

在系统规划问题中，传统的系统选型定容求解方法是构建一个新的优化问题，将待选设备的类型及数量作为一套新的待优化变量，带入系统约束方程进行求解。在氢能综合利用系统中，使用优化方法求解该类设备选型定容问题的基本思路如图1所示。参见图1分析设备选型定容优化求解的优化问题，其中，待优化变量为表示系统各设备选型方案的矩阵与表示系统各设备采用数量的矩阵。可以看到，因为设备选型与设备数量都是非连续的，所以待优化变量矩阵X与Y都是整型变量而非连续变量。系统选型方案的索引矩阵X到实际设备容量等参数的映射，这一约束关系是一非线性函数。优化约束中的设备待选类型可选范围与数量限制的范围关系是线性的上下界约束。而在系统的目标函数中，系统经济性评价指标是将设备选型结果及数量带入后求解系统运行模拟非线性规划而得到的，具有很强的非线性。综上所述，基于优化的设备选型定容求解方法的本质是求解一个混合整数非线性规划(MINLP)问题。

直接求解MINLP虽然可以求解，但是在设备待选型较为丰富或系统结构较为复杂时，通用化且高效求解MINLP问题是一个很大的难点。因此，如何提供一种高效的选型定容求解方法，从而获得配置兆瓦级电站设备的最佳方案，是本领域亟待解决的技术问题。

发明内容

本发明的目的是提供一种兆瓦级氢储能电站容量配置方法及系统，以快速、高效地求解最优设备选型结果，从而配置兆瓦级氢储能电站容量。

为实现上述目的，本发明提供了如下方案：

一种兆瓦级氢储能电站容量配置方法，包括：

根据待选设备的设备选型范围和数量选择范围生成待搜索空间；

设置粒子的结构；所述粒子的结构包含当前位置、历史最优位置以及历史最优适应度；

将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度；

根据所述当前适应度更新所述粒子的历史最优适应度与历史最优位置；

根据所述粒子的历史最优位置计算所述粒子的当前速度；所述当前速度代表下一次的搜索方向；

根据所述粒子的当前位置和当前速度计算下一次迭代的当前位置；

判断所述当前位置是否超出所述待搜索空间，获得第一判断结果；

若所述第一判断结果为所述当前位置超出所述待搜索空间，则进行位置限制；

若所述第一判断结果为所述当前位置未超出所述待搜索空间，则判断是否达到最大迭代次数或满足迭代退出条件，获得第二判断结果；

若所述第二判断结果为未达到最大迭代次数或不满足迭代退出条件，则返回所述将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度的步骤；

若所述第二判断结果为达到最大迭代次数或满足迭代退出条件，则将粒子群的历史全局最优位置输出，得到最优设备选型结果；

根据所述最优设备选型结果配置兆瓦级氢储能电站容量。

可选地，所述将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度，具体包括：

将所述粒子的当前位置对应的选型方案作为氢能综合利用系统运行模拟的第三类边界条件，进行系统运行模拟，求出所述当前位置对应的所述当前适应度；所述当前适应度为所述氢能综合利用系统当前的投资回报收益率。

可选地，所述根据所述粒子的历史最优位置计算所述粒子的当前速度，具体包括：

根据所述粒子的历史最优位置P_si以及粒子群的历史全局最优位置P_gi，采用公式V_i+1＝ωV_i+C₁random(0，1)(P_i-P_si)+C₂random(0，1)(P_i-P_gi)计算所述粒子的当前速度V_i+1；其中ω为惯性因子，V_i为上一次迭代的当前速度，C₁和C₂为加速常数，random(0,1)表示0到1之间的随机数，P_i为所述粒子的当前位置。

可选地，所述根据所述粒子的当前位置和当前速度计算下一次迭代的当前位置，具体包括：

根据所述粒子的当前位置P_i和当前速度V_i+1，采用公式P_i+1＝P_i+V_i+1计算下一次迭代的当前位置P_i+1。

一种兆瓦级氢储能电站容量配置系统，包括：

待搜索空间生成模块，用于根据待选设备的设备选型范围和数量选择范围生成待搜索空间；

粒子结构设置模块，用于设置粒子的结构；所述粒子的结构包含当前位置、历史最优位置以及历史最优适应度；

当前适应度计算模块，用于将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度；

全局最优解更新模块，用于根据所述当前适应度更新所述粒子的历史最优适应度与历史最优位置；

粒子速度计算模块，用于根据所述粒子的历史最优位置计算所述粒子的当前速度；所述当前速度代表下一次的搜索方向；

粒子位置计算模块，用于根据所述粒子的当前位置和当前速度计算下一次迭代的当前位置；

待搜索空间判断模块，用于判断所述当前位置是否超出所述待搜索空间，获得第一判断结果；

位置限制模块，用于若所述第一判断结果为所述当前位置超出所述待搜索空间，则进行位置限制；

迭代结束判断模块，用于若所述第一判断结果为所述当前位置未超出所述待搜索空间，则判断是否达到最大迭代次数或满足迭代退出条件，获得第二判断结果；

迭代计算模块，用于若所述第二判断结果为未达到最大迭代次数或不满足迭代退出条件，则返回所述将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度的步骤；

全局最优解输出模块，用于若所述第二判断结果为达到最大迭代次数或满足迭代退出条件，则将粒子群的历史全局最优位置输出，得到最优设备选型结果；

氢储能电站容量配置模块，用于根据所述最优设备选型结果配置兆瓦级氢储能电站容量。

可选地，所述当前适应度计算模块具体包括：

当前适应度计算单元，用于将所述粒子的当前位置对应的选型方案作为氢能综合利用系统运行模拟的第三类边界条件，进行系统运行模拟，求出所述当前位置对应的所述当前适应度；所述当前适应度为所述氢能综合利用系统当前的投资回报收益率。

可选地，所述粒子速度计算模块具体包括：

粒子速度计算单元，用于根据所述粒子的历史最优位置P_si以及粒子群的历史全局最优位置P_gi，采用公式V_i+1＝ωV_i+C₁random(0，1)(P_i-P_si)+C₂random(0.1)(P_i-P_gi)计算所述粒子的当前速度V_i+1；其中ω为惯性因子，V_i为上一次迭代的当前速度，C₁和C₂为加速常数，random(0,1)表示0到1之间的随机数，P_i为所述粒子的当前位置。

可选地，所述粒子位置计算模块具体包括：

粒子位置计算单元，用于根据所述粒子的当前位置P_i和当前速度V_i+1，采用公式P_i+1＝P_i+V_i+1计算下一次迭代的当前位置P_i+1。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种兆瓦级氢储能电站容量配置方法及系统，所述方法包括：根据待选设备的设备选型范围和数量选择范围生成待搜索空间；设置粒子的结构；所述粒子的结构包含当前位置、历史最优位置以及历史最优适应度；将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度；根据所述当前适应度更新所述粒子的历史最优适应度与历史最优位置；根据所述粒子的历史最优位置计算所述粒子的当前速度；所述当前速度代表下一次的搜索方向；根据所述粒子的当前位置和当前速度计算下一次迭代的当前位置；判断所述当前位置是否超出所述待搜索空间，若是，则进行位置限制；若否，则判断是否达到最大迭代次数或满足迭代退出条件，若是，则返回所述将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度的步骤；若否，则将粒子群的历史全局最优位置输出，得到最优设备选型结果；根据所述最优设备选型结果配置兆瓦级氢储能电站容量。采用本发明提供的方法，能够快速、高效地求解最优设备选型结果，从而提高兆瓦级氢储能电站容量配置效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的传统设备选型定容优化求解思路示意图；

图2为本发明一种兆瓦级氢储能电站容量配置方法的流程图；

图3为本发明一种兆瓦级氢储能电站容量配置方法的发明构思示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种兆瓦级氢储能电站容量配置方法及系统，以快速、高效地求解最优设备选型结果，从而配置兆瓦级氢储能电站容量。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图2为本发明一种兆瓦级氢储能电站容量配置方法的流程图，图3为本发明一种兆瓦级氢储能电站容量配置方法的发明构思示意图。如前文所述，直接求解MINLP虽然可以求解，但是在设备待选型较为丰富或系统结构较为复杂时，通用化且高效求解MINLP问题是一个很大的难点。所以本发明考虑使用启发式算法来避开直接求解MINLP问题。启发式算法能够在可接受的计算时间及计算资源花费情况下求解组合优化问题，并且给出一个可行解。常用的启发式算法主要有遗传算法、粒子群算法与模拟退火算法等。本发明使用粒子群(PSO)算法，提出了基于PSO算法的设备选型定容方法，并基于设备选型定容最优结果配置兆瓦级氢储能电站容量。

粒子群(PSO)算法是一种常用的启发式算法。粒子群算法是从群鸟觅食的过程众受到启发，其本质是通过粒子来模拟鸟的行为来求解优化问题。粒子群算法的场景可以概括为，群鸟在一定范围内随机寻找食物，该区域内只有一块食物，没有鸟知道食物的具体位置，但是它们可以感知自己当前的位置与食物的距离。鸟儿之间可以互相传递各自的位置信息和与食物之间的距离。群鸟通过不停地根据彼此的信息进行迭代从而逐步逼近食物的位置。

在粒子群算法中，每个粒子代表N维待搜索空间中的一只“鸟”，所有的粒子都有一个通过优化目标函数计算出的的“适应值”来表征与最优解之间的距离。除此之外，粒子还具有“速度”与“位置”两种属性。粒子的当前位置对应于该优化问题的一个可能解，而粒子的速度代表粒子的下一步搜索方向。粒子的速度由粒子历史最优位置和种群历史最优位置进行动态调整。在每一轮的迭代中，参考历史与当前粒子群中最优的个体最优解，不断更新当前全局最优解。通过一定次数的迭代，最终得到满足停止条件的最优解。

参见图2和图3，本发明一种兆瓦级氢储能电站容量配置方法具体包括：

步骤101：根据待选设备的设备选型范围和数量选择范围生成待搜索空间。

PSO算法的结构简单、收敛速度快，非常适合于寻找大规模的非线性规划问题的工程最优解。美中不足的是，PSO算法容易陷入局部极值，在PSO算法的结构设计中要进行考虑，尽量按照一定规律构造单峰值的待搜索空间。因此本发明根据各设备待选类型的种类与设备数量可选范围，构建离散的待搜索空间。

根据设备选型范围和数量选择范围生成待搜索空间。为减小出现局部极值的可能，应将各设备按照购置成本顺序排列，以及按照各设备可选数量顺序排列。

步骤102：设置粒子的结构。

每个粒子的结构包含当前位置、历史最优位置、历史最优适应度三个参数。其中，粒子的当前位置P＝[x₁,x₂,…x_N,y₁,y₂,…y_N]表示某一种可行的设备选型方案x₁,x₂,…x_N与某一种可行的各设备数量y₁,y₂,…y_N的组合。其中历史最优位置与历史最优适应度表征了该粒子在历史搜索过的位置中最优的位置及其对应的适应度。

在PSO算法执行时，还需要先设置PSO参数，包括设置PSO算法中的粒子种群数目、最大迭代次数、惯性权重与加速常数等参数，并确定粒子速度各维度的范围。

步骤103：将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度。

根据粒子当前的位置，把该位置对应的选型方案作为氢能综合利用系统运行模拟的第三类边界条件，进行系统运行模拟，求出当前位置对应的适应度F，即系统当前的投资回报收益率。

第一次迭代时，需要初始化粒子位置，即在待搜索空间中随机生成第一代粒子的位置。初始化第一代粒子为生成一组随机数，将该随机数作为索引，能够在待搜索空间中对应一组方案。将第一代粒子的位置代入氢能综合利用系统运行规划，求得各粒子的适应度数值。

因此，所述将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度，具体包括：

将所述粒子的当前位置对应的选型方案作为氢能综合利用系统运行模拟的第三类边界条件，进行系统运行模拟，求出所述当前位置对应的所述当前适应度；所述当前适应度为所述氢能综合利用系统当前的投资回报收益率。

步骤104：根据所述当前适应度更新所述粒子的历史最优适应度与历史最优位置。

根据系统的当前适应度，更新该粒子的历史最优适应度与历史最优位置。具体地，根据各粒子求得的适应度值，将各粒子的适应度由高到低进行排序，选取适应度最高的粒子作为最优的适应度的粒子，并记录其位置，以此作为全局最优位置与全局最优适应度。

步骤105：根据所述粒子的历史最优位置计算所述粒子的当前速度。

最后，根据该粒子历史最优位置与所有粒子的历史全局最优位置，根据下式(1)计算出粒子的当前速度，即下一次搜索的方向：

V_i+1＝ωV_i+C₁random(0，1)(P_i-P_si)+C₂random(0，1)(P_i-P_gi) (1)

式(1)中，ω是惯性因子，是用于平衡局部搜索能力与全局搜索能力的权重系数。C₁和C₂是加速常数，其中C₁代表每个粒子的个体学习因子，C₂代表每个粒子的全局学习因子。random(0,1)表示0到1之间的随机数。V_i+1为粒子本次迭代的当前速度，V_i为粒子上一次迭代的当前速度。P_i为粒子的当前位置，P_si为粒子的历史最优位置，P_gi为所有粒子(即粒子群)的历史全局最优位置。

根据式(1)更新粒子的速度，并根据速度各维度范围修正计算得到的速度数值，即，将各维度中超出速度边界的值修正为速度边界。

因此，所述根据所述粒子的历史最优位置计算所述粒子的当前速度，具体包括：

根据所述粒子的历史最优位置P_si以及粒子群的历史全局最优位置P_gi，采用公式V_i+1＝ωV_i+C₁random(0，1)(P_i-P_si)+C₂random(0，1)(P_i-P_gi)计算所述粒子的当前速度V_i+1；其中ω为惯性因子，V_i为上一次迭代的当前速度，C₁和C₂为加速常数，random(0，1)表示0到1之间的随机数，P_i为所述粒子的当前位置。

步骤106：根据所述粒子的当前位置和当前速度计算下一次迭代的当前位置。

将当前位置与速度相加，得到下一次迭代的当前位置，完成一次迭代搜索的过程，计算公式如下：

P_i+1＝P_i+V_i+1 (2)

其中P_i和P_i+1分别为粒子本次迭代和下一次迭代的当前位置，V_i+1为当前速度。

根据式(2)更新粒子的位置，并判断是否超出待搜索空间，超出待搜索空间需要进行位置限制。

因此，所述根据所述粒子的当前位置和当前速度计算下一次迭代的当前位置，具体包括：

根据所述粒子的当前位置P_i和当前速度V_i+1，采用公式P_i+1＝P_i+V_i+1计算下一次迭代的当前位置P_i+1。

步骤107：判断所述当前位置是否超出所述待搜索空间，获得第一判断结果。

待搜索空间的可行范围已在步骤101中进行定义，需要比较利用式(2)计算的新位置是否在可行域中(即大于可行域下界，小于可行域上界)。

步骤108：若所述第一判断结果为所述当前位置超出所述待搜索空间，则进行位置限制。

步骤109：若所述第一判断结果为所述当前位置未超出所述待搜索空间，则判断是否达到最大迭代次数或满足迭代退出条件，获得第二判断结果。

判断是否达到最大迭代次数或是否达到了设置的迭代退出条件。若是则跳转输出结果，若否则返回步骤103进行下一次迭代计算。

步骤110：若所述第二判断结果为未达到最大迭代次数或不满足迭代退出条件，则返回所述将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度的步骤。

步骤111：若所述第二判断结果为达到最大迭代次数或满足迭代退出条件，则将粒子群的历史全局最优位置输出，得到最优设备选型结果。

将粒子群的全局最优解与全局最优位置输出，得到系统最优设备选型结果。最优设备选型结果包括最优设备选型方案以及各设备最优数量。

步骤112：根据所述最优设备选型结果配置兆瓦级氢储能电站容量。

新能源发电站接入的种类和容量不同时，所需的氢储能电站容量也不相同。根据所述最优设备选型结果来配置兆瓦级氢储能电站容量，能够得到兆瓦级电站设备配置的最佳方案。

基于本发明提供的一种兆瓦级氢储能电站容量配置方法，本发明还提供一种兆瓦级氢储能电站容量配置系统，所述系统包括：

待搜索空间生成模块，用于根据待选设备的设备选型范围和数量选择范围生成待搜索空间；

粒子结构设置模块，用于设置粒子的结构；所述粒子的结构包含当前位置、历史最优位置以及历史最优适应度；

当前适应度计算模块，用于将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度；

全局最优解更新模块，用于根据所述当前适应度更新所述粒子的历史最优适应度与历史最优位置；

粒子速度计算模块，用于根据所述粒子的历史最优位置计算所述粒子的当前速度；所述当前速度代表下一次的搜索方向；

粒子位置计算模块，用于根据所述粒子的当前位置和当前速度计算下一次迭代的当前位置；

待搜索空间判断模块，用于判断所述当前位置是否超出所述待搜索空间，获得第一判断结果；

位置限制模块，用于若所述第一判断结果为所述当前位置超出所述待搜索空间，则进行位置限制；

迭代结束判断模块，用于若所述第一判断结果为所述当前位置未超出所述待搜索空间，则判断是否达到最大迭代次数或满足迭代退出条件，获得第二判断结果；

迭代计算模块，用于若所述第二判断结果为未达到最大迭代次数或不满足迭代退出条件，则返回所述将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度的步骤；

全局最优解输出模块，用于若所述第二判断结果为达到最大迭代次数或满足迭代退出条件，则将粒子群的历史全局最优位置输出，得到最优设备选型结果；

氢储能电站容量配置模块，用于根据所述最优设备选型结果配置兆瓦级氢储能电站容量。

其中，所述当前适应度计算模块具体包括：

当前适应度计算单元，用于将所述粒子的当前位置对应的选型方案作为氢能综合利用系统运行模拟的第三类边界条件，进行系统运行模拟，求出所述当前位置对应的所述当前适应度；所述当前适应度为所述氢能综合利用系统当前的投资回报收益率。

所述粒子速度计算模块具体包括：

粒子速度计算单元，用于根据所述粒子的历史最优位置P_si以及粒子群的历史全局最优位置P_gi，采用公式V_i+1＝ωV_i+C₁random(0，1)(P_i-P_ri)+C₂random(0，1)(P_i-P_gi)计算所述粒子的当前速度V_i+1；其中ω为惯性因子，V_i为上一次迭代的当前速度，C₁和C₂为加速常数，random(0，1)表示0到1之间的随机数，P_i为所述粒子的当前位置。

所述粒子位置计算模块具体包括：

粒子位置计算单元，用于根据所述粒子的当前位置P_i和当前速度V_i+1，采用公式P_i+1＝P_i+V_i+1计算下一次迭代的当前位置P_i+1。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (2)

1.一种兆瓦级氢储能电站容量配置方法，其特征在于，包括：

根据待选设备的设备选型范围和数量选择范围生成待搜索空间；

设置粒子的结构；所述粒子的结构包含当前位置、历史最优位置以及历史最优适应度；粒子的当前位置P＝[x₁，x₂，…x_N，y₁，y₂，…y_N]表示某一种可行的设备选型方案x₁，x₂，…x_N与某一种可行的各设备数量y₁，y₂，…y_N的组合；设置粒子群算法中的粒子种群数目、最大迭代次数、惯性权重与加速常数，并确定粒子速度各维度的范围；

将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度；

所述将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度，具体包括：

将所述粒子的当前位置对应的选型方案作为氢能综合利用系统运行模拟的第三类边界条件，进行系统运行模拟，求出所述当前位置对应的所述当前适应度；所述当前适应度为所述氢能综合利用系统当前的投资回报收益率；

根据所述当前适应度更新所述粒子的历史最优适应度与历史最优位置；

根据所述粒子的历史最优位置计算所述粒子的当前速度；所述当前速度代表下一次的搜索方向；

所述根据所述粒子的历史最优位置计算所述粒子的当前速度，具体包括：

根据所述粒子的历史最优位置P_si以及粒子群的历史全局最优位置P_gi，采用公式V_i+1＝ωV_i+C₁random(0，1)(P_i-P_si)+C₂random(0，1)(P_i-P_gi)计算所述粒子的当前速度V_i+1；其中ω为惯性因子，V_i为上一次迭代的当前速度，C₁和C₂为加速常数，random(0，1)表示0到1之间的随机数，P_i为所述粒子的当前位置；

根据速度各维度范围修正计算得到的速度数值，将各维度中超出速度边界的值修正为速度边界；

根据所述粒子的当前位置和当前速度计算下一次迭代的当前位置；

所述根据所述粒子的当前位置和当前速度计算下一次迭代的当前位置，具体包括：

根据所述粒子的当前位置P_i和当前速度V_i+1，采用公式P_i+1＝P_i+V_i+l计算下一次迭代的当前位置P_i+1；

判断所述当前位置是否超出所述待搜索空间，获得第一判断结果；

若所述第一判断结果为所述当前位置超出所述待搜索空间，则进行位置限制；

若所述第一判断结果为所述当前位置未超出所述待搜索空间，则判断是否达到最大迭代次数或满足迭代退出条件，获得第二判断结果；

若所述第二判断结果为未达到最大迭代次数或不满足迭代退出条件，则返回所述将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度的步骤；

若所述第二判断结果为达到最大迭代次数或满足迭代退出条件，则将粒子群的历史全局最优位置输出，得到最优设备选型结果；

根据所述最优设备选型结果配置兆瓦级氢储能电站容量。

2.一种兆瓦级氢储能电站容量配置系统，其特征在于，包括：

待搜索空间生成模块，用于根据待选设备的设备选型范围和数量选择范围生成待搜索空间；

粒子结构设置模块，用于设置粒子的结构；所述粒子的结构包含当前位置、历史最优位置以及历史最优适应度；粒子的当前位置P＝[x₁，x₂，…x_N，y₁，y₂，…y_N]表示某一种可行的设备选型方案x₁，x₂，…x_N与某一种可行的各设备数量y₁，y₂，…y_N的组合；设置粒子群算法中的粒子种群数目、最大迭代次数、惯性权重与加速常数，并确定粒子速度各维度的范围；

当前适应度计算模块，用于将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度；

所述当前适应度计算模块具体包括：

当前适应度计算单元，用于将所述粒子的当前位置对应的选型方案作为氢能综合利用系统运行模拟的第三类边界条件，进行系统运行模拟，求出所述当前位置对应的所述当前适应度；所述当前适应度为所述氢能综合利用系统当前的投资回报收益率；

全局最优解更新模块，用于根据所述当前适应度更新所述粒子的历史最优适应度与历史最优位置；

粒子速度计算模块，用于根据所述粒子的历史最优位置计算所述粒子的当前速度；所述当前速度代表下一次的搜索方向；

所述粒子速度计算模块具体包括：

粒子速度计算单元，用于根据所述粒子的历史最优位置P_si以及粒子群的历史全局最优位置P_gi，采用公式V_i+1＝ωV_i+C₁random(0，1)(P_i-P_si)+C₂random(0，1)(P_i-P_gi)计算所述粒子的当前速度V_i+1；其中ω为惯性因子，V_i为上一次迭代的当前速度，C₁和C₂为加速常数，random(0，1)表示0到1之间的随机数，P_i为所述粒子的当前位置；

根据速度各维度范围修正计算得到的速度数值，将各维度中超出速度边界的值修正为速度边界；

粒子位置计算模块，用于根据所述粒子的当前位置和当前速度计算下一次迭代的当前位置；

所述粒子位置计算模块具体包括：

粒子位置计算单元，用于根据所述粒子的当前位置P_i和当前速度V_i+1，采用公式P_i+1＝P_i+V_i+1计算下一次迭代的当前位置P_i+1；

待搜索空间判断模块，用于判断所述当前位置是否超出所述待搜索空间，获得第一判断结果；

位置限制模块，用于若所述第一判断结果为所述当前位置超出所述待搜索空间，则进行位置限制；

迭代结束判断模块，用于若所述第一判断结果为所述当前位置未超出所述待搜索空间，则判断是否达到最大迭代次数或满足迭代退出条件，获得第二判断结果；

迭代计算模块，用于若所述第二判断结果为未达到最大迭代次数或不满足迭代退出条件，则返回所述将所述粒子的当前位置代入氢能综合利用系统运行规划，计算各粒子的当前适应度的步骤；

全局最优解输出模块，用于若所述第二判断结果为达到最大迭代次数或满足迭代退出条件，则将粒子群的历史全局最优位置输出，得到最优设备选型结果；

氢储能电站容量配置模块，用于根据所述最优设备选型结果配置兆瓦级氢储能电站容量。

Images