CN115514007A - 一种基于cpa算法的民居综合光储设备运行调节器 - Google Patents

Abstract

本发明公开了一种基于CPA算法的民居综合光储设备运行调节器，包括光伏、设计单元、控制单元、储能单元、负载、变压器、防逆流装置、电网；民居综合光储设备运行调节器包含两种模式，分别为孤岛模式以及并网模式，设计单元通过CPA算法基于光伏发电数据以及负载负荷需求数据进行供电策略设计；控制单元通过设计单元提供的控制逻辑控制储能单元充放电；储能单元由多个电池模组构成。以负载的负荷需求与光伏的发电量为数据输入，通过设计单元计算出储能单元具体使用电池模组数。本发明能够合理利用储能单元，合理规划充放电功率，合理使用电池模组，并且可以采取孤岛以及并网两种方式，解决光伏消纳问题以及储能单元利用问题。

Description

一种基于CPA算法的民居综合光储设备运行调节器

技术领域

本发明涉及光储技术领域，具体涉及一种基于CPA算法的民居综合光储设备运行调节器。

背景技术

关于光伏产业兴起的背景能从三个方面来分析，第一是面临全球化石能源(石油、煤炭)越来越接近枯竭和污染日趋严重、气候日益变暖的生态环境压力。第二是太阳能光伏发电技术持续进步，成熟的产业化技术，第三是在世界相关国家法规政策的有力促使下，西班牙、意大利、日本、美国、德国等国家纷纷出台扶持政策。支持和鼓励太阳能发电，实施“阳光屋顶方案”。

在这三方面因素的共同影响下，从20世纪90年代后半部分算起，世界光伏产业发展到了快速时期，基本上新能源产业最为“低碳经济″的最直接表达是开展太阳能光伏产业。太阳能光伏发电生产投入的1度电在其整个生命周期内可回收30-50度电(在不同的地区有一定的差异)，这种生产方式是回报率较高的一种方式。在各国政府政策强有力推动下，光伏产业进入快速发展时期。

近年来耦合光伏以及储能的能源系统调节方式有以下几种：

耦合光伏等清洁能源的供能系统，在供能过程中多并电上网，在合理的时间向电网购售电，削峰填谷。

现如今的供能系统多结合储能单元，储能单元在该系统中起到解决能源消纳问题的作用，同时通过负荷充放进行负载对象负荷调节，削峰填谷。

上述的两种方案各有优势，但是都存在一些问题，其中方案一的问题是只考虑并电上网或是孤岛模式，并没有将两种结合灵活切换，当只使用孤岛模式时，若在供电不足的情况下则设备无法进行正常工作；当只使用并网模式时，若所连接的供能设备出现供电不足问题时，则设备也无法进行正常的工作；方案二的问题在于没有充分利用储能单元，造成储能单元的浪费。而本专利所采用的方案即通过设计单元对电池模组数进行精密的计算，同时采用孤岛与并网模式相结合的方式，从而提高了系统的稳定运行。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种基于CPA算法的民居综合光储设备运行调节器，能够调节储能设备电池模组数，利用CPA算法优化储能单元调度，解决能源消纳问题以及储能单元充分利用问题。

技术方案：本发明公开一种基于CPA算法的民居综合光储设备运行调节器，包括光伏、设计单元、控制单元、储能单元、负载、变压器、防逆流装置、电网；所述民居综合光储设备运行调节器包含两种模式，分别为孤岛模式以及并网模式：

所述孤岛模式：光伏的输出端与所述储能单元与负载连接，其中储能单元的容量设置大于负载所需的电负荷，若负载负荷需求满足时，即光伏的多余发电量输入储能单元内储存起来；孤岛模式下设计单元与控制单元连接，以负载的负荷需求与光伏的发电量为数据输入，通过设计单元计算出储能单元具体使用电池模组数，通过控制单元下达调节指令，并作用于储能单元；

所述并网模式：光伏的输出端与所述储能单元与负载连接，其中储能单元的容量设置大于负载所需的电负荷，若负载负荷需求满足时，即光伏的多余发电量输入储能单元内储存起来；并网模式下设计单元与控制单元连接，以负载的负荷需求与光伏的发电量为数据输入，通过设计单元计算出储能单元具体使用电池模组数，通过控制单元下达调节指令，并作用于储能单元；所述储能单元与变压器连接，变压器与防逆流装置连接，防逆流装置与电网连接；当储能单元与负载所需电量满足时，光伏产生的多余电能直接售卖到电网，当储能单元与光伏产生的电能不足时，通过电网利用变压器传输电能至负载，保障负载正常运行；所述设计单元中设置有CPA算法，所述CPA算法实现以负载的负荷需求与光伏的发电量为数据输入，通过设计单元计算出储能单元具体使用电池模组数。

进一步地，所述CPA算法实现以负载的负荷需求与光伏的发电量为数据输入，通过设计单元计算出储能单元具体使用电池模组数主要包括如下步骤：

步骤1：数据初始化，随机初始化由食肉植物和猎物组成的个体种群，评估个体适应度；

步骤2：根据其适应度值按升序进行排序，将初始种群中所有个体分类为食肉植物和猎物两部分，所述食肉植物的排序名次均优于所述猎物的排序名次；

步骤3：将适当等级的猎物分配给适当等级的食肉植物，直到NCplanth级猎物被分配到NCplanth级食肉植物，以此类推；

步骤4：生成随机数，进行捕食判定；

步骤5：只有排名第一的食肉植物允许繁殖；

步骤6：新产生的食肉植物和猎物与以前的种群相结合，形成一个新的种群。根据新一组个体的适应度值按升序排序；然后从这一组中选择排名前n名的个体作为新的候选解；

步骤7：以光伏发电量、储能单元容量以及负载的负荷需求为输入，储能单元所用电池模组数为输出最优解，设备分配电能是否合理为目标，判断是否符合条件，若满足条件则进行电能分配，若不满足则重复步骤4至7。

进一步地，所述步骤4中进行捕食判定的具体操作为：

如果吸引率高于随机生成的数字，则食肉植物会捕获并消化猎物以进行生长，新食肉植物的生长模型为：

NewCP_i，j＝growth×CP_i，j+(1-growth)×Prey_v，j

growth＝growth_rate×rand_i，j

其中，CP_i，j是第i级食肉植物，Prey_v，j是随机选择的猎物，growth_rate是预定义值，rand_i，j是从范围[0，1]中选择的随机值，growth为生长率，NewCP_i，j为新的食肉植物；在CPA中，每组只有一种食肉植物，而猎物的数量必须超过两种；

如果吸引率低于生成的随机值，则猎物成功逃离陷阱并继续生长，其猎物成功逃离陷阱并继续生长表达式为：

NewPrey_i，j＝growth×Prey_u，j+(1-growth)×Prey_v，j，u≠v

其中，Prey_u，j是第三秩群中的另一个随机选择的猎物，Prey_u，j与Prey_v，j为同一种群两个不同的随机猎物；食肉植物和猎物的生长过程都是重复的，直到达到一个预定义的迭代，即group_iter。

进一步地，所述步骤5中繁殖表达式为：

NewCP_i，j＝CP_1，j+Reproduction_rate×rand_i，j×mate_i，j

其中，CP_1，j为最佳解决方案，mate_i，j为协调不同情况下的计算参数，Reproduction_rate为用于攻击的预定义值，CP_i和CP_v分别表示第i级与第v级食肉植物；该过程重复nCPlant次；在再现过程中，v对于每个第j维随机地重新选择食肉植物；在生长过程中，猎物被随机重新选择，而不考虑第j个维度。

有益效果：

本发明采用孤岛、并网两种模式，通过设计单元对电池模组数的精密计算，合理分配电池模组数，对电池的电能进行合理的分配与利用，大大的提高了使用效率，还利用CPA算法生成控制策略，使得该系统能够应用于不同场景，应对不同的现场需求，并且根据算法生成最优控制策略，可以大大提高系统能源利用率，而且可以降低综合成本，极大的提高系统的稳定性。

附图说明

图1为本发明硬件结构示意图；

图2为本发明所采用的CPA算法流程图；

图3为本发明的运行逻辑图；

图4为本发明的储能单元使用寿命对比图；

图5为本发明的储能单元利用率对比图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明提出一种基于CPA算法的民居综合光储设备运行调节器，如图1所示，包括光伏、设计单元、控制单元、储能单元、负载、光伏、设计单元、控制单元、储能单元、负载、变压器、防逆流装置、电网。该民居综合光储设备运行调节器运行包含两种模式，分别为孤岛模式以及并网模式。

对于孤岛模式，光伏的输出端与储能单元与负载连接，其中储能单元的容量设置大于负载所需的电负荷，若负载负荷需求满足时，即光伏的多余发电量输入储能单元内储存起来；孤岛模式设计单元与控制单元连接，以负载的负荷需求与光伏的发电量为数据输入，通过设计单元计算出储能单元具体使用电池模组数，通过控制单元下达调节指令，并作用于储能单元。

对于并网模式，光伏的输出端与储能单元与负载连接，其中储能单元的容量设置大于负载所需的电负荷，若负载负荷需求满足时，即光伏的多余发电量输入储能单元内储存起来；并网模式设计单元与控制单元连接，以负载的负荷需求与光伏的发电量为数据输入，通过设计单元计算出储能单元具体使用电池模组数，通过控制单元下达调节指令，并作用于储能单元；储能单元与变压器连接，变压器与防逆流装置连接，防逆流装置与电网连接；当储能单元与负载所需电量满足时，光伏产生的多余电能可直接售卖到电网，当储能单元与光伏产生的电能不足时，可以通过电网利用变压器传输电能至负载，保障负载正常运行。

供能系统默认处于孤岛模式，储能单元的容量设置大于负载的负荷需求，负载的负荷需求参照历史负荷使用情况，负载的电量来源于光伏发电以及储能单元预存储电量，在满足负载负荷需求的前提，多余电量存储入储能单元，光伏发电不足以满足负载电负荷需求时，储能单元进行供电；当光伏以及储能单元都不足以满足负载负荷需求时，切换成并电上网模式，向电网购电以满足负载负荷需求，在并电上网模式情况下，可以进行削峰填谷，利用峰谷电差获取利益。

对于储能单元的利用，本专利考虑到储能单元由多个电池模组构成，因此利用CPA算法以光伏发电量、储能单元容量以及负载的负荷需求为输入，储能单元所用电池模组数为输出最优解，设备分配电能是否合理为目标进行光储设备运行调节，使得储能单元所有电池模组都能充分发挥其存储特性，最大化利用各电池模组，延长整个储能单元的使用寿命以及效率。

本发明在设计单元中通过利用CPA算法进行最优解的求解，通过寻求最优解配以适合的控制策略，再通过控制单元执行该最优控制策略对储能单元进行调控以此得到经济效益。如图2所示，CPA算法具体如下：

1)数据初始化，随机初始化由食肉植物和猎物组成的个体种群，评估个体适应度。

2)根据其适应度值按升序进行排序，将所述初始种群中所有个体分类为食肉植物和猎物两部分，所述食肉植物的排序名次均优于所述猎物的排序名次。

3)将适当等级的猎物分配给适当等级的食肉植物，直到NCplanth级猎物被分配到NCplanth级食肉植物，以此类推。

4)生成随机数，进行捕食判定，如果吸引率高于随机生成的数字，则食肉植物会捕获并消化猎物以进行生长。新食肉植物的生长模型为：

NewCP_i，j＝growth×CP_i，j+(1-growth)×Prey_v，j

growth＝growth_rate×rand_i，j

其中，CP_i，j是第i级食肉植物，Prey_v，j是随机选择的猎物，growth_rate是预定义值，rand_i，j是从范围[0，1]中选择的随机值，growth为生长率，NewCP_i，j为新的食肉植物；在CPA中，每组只有一种食肉植物，而猎物的数量必须超过两种；

另一方面，如果吸引率低于生成的随机值，则猎物成功逃离陷阱并继续生长。其猎物成功逃离陷阱并继续生长表达式为：

NewPrey_i，j＝growth×Prey_u，j+(1-growth)×Prey_v，j，u≠v

其中，Prey_u，j是第三秩群中的另一个随机选择的猎物，Prey_u，j与Prey_v，j为同一种群两个不同的随机猎物；食肉植物和猎物的生长过程都是重复的，直到达到一个预定义的迭代，即group_iter。

5)只有排名第一的食肉植物允许繁殖，其繁殖表达式为：

NewCP_i，j＝CP_1，j+Reproduction_rate×rand_i，j×mate_i，j

其中，CP_1，j为最佳解决方案，mate_i，j为协调不同情况下的计算参数，Reproduction_rate为用于攻击的预定义值，CP_i和CP_v分别表示第i级与第v级食肉植物；该过程重复nCPlant次；在再现过程中，v对于每个第j维随机地重新选择食肉植物；在生长过程中，猎物被随机重新选择，而不考虑第j个维度。

6)新产生的食肉植物和猎物与以前的种群相结合，形成一个新的种群，根据新一组个体的适应度值按升序排序，然后从这一组中选择排名前n名的个体作为新的候选解。

7)以光伏发电量、储能单元容量以及负载的负荷需求为输入，储能单元所用电池模组数为输出最优解，设备分配电能是否合理为目标，判断是否符合条件，若满足条件则进行电能分配，若不满足则重复步骤4)至7)。

如图4所示，在储能单元使用寿命对比中，本专利所采用的储能单元具备更长的使用寿命，在储能模组达到无法正常工作状态前，本专利所采用的储能单元健康度更高，且衰减缓慢，由于所采用的光储设备运行调节器，使得储能单元内各电池模组不会存在较大的健康程度差别，从而使储能单元有更长的使用寿命，从而提高整体供能系统的经济效益。

如图5所示，在储能单元利用率对比中，本专利所采用的储能单元利用率更高，相比于其他储能单元，本专利对于在供能环节所采用的电池模组数进行求解，在电池模组容量满足需求的前提下不采用剩余的电池模组进行供能，充分发挥各电池模组性能，从而保障储能单元有更高的利用率，从而提高整体供能系统的经济效益。

上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于CPA算法的民居综合光储设备运行调节器，其特征在于，包括光伏、设计单元、控制单元、储能单元、负载、变压器、防逆流装置、电网；所述民居综合光储设备运行调节器包含两种模式，分别为孤岛模式以及并网模式：

所述孤岛模式：光伏的输出端与所述储能单元与负载连接，其中储能单元的容量设置大于负载所需的电负荷，若负载负荷需求满足时，即光伏的多余发电量输入储能单元内储存起来；孤岛模式下设计单元与控制单元连接，以负载的负荷需求与光伏的发电量为数据输入，通过设计单元计算出储能单元具体使用电池模组数，通过控制单元下达调节指令，并作用于储能单元；

所述并网模式：光伏的输出端与所述储能单元与负载连接，其中储能单元的容量设置大于负载所需的电负荷，若负载负荷需求满足时，即光伏的多余发电量输入储能单元内储存起来；并网模式下设计单元与控制单元连接，以负载的负荷需求与光伏的发电量为数据输入，通过设计单元计算出储能单元具体使用电池模组数，通过控制单元下达调节指令，并作用于储能单元；所述储能单元与变压器连接，变压器与防逆流装置连接，防逆流装置与电网连接；当储能单元与负载所需电量满足时，光伏产生的多余电能直接售卖到电网，当储能单元与光伏产生的电能不足时，通过电网利用变压器传输电能至负载，保障负载正常运行；所述设计单元中设置有CPA算法，所述CPA算法实现以负载的负荷需求与光伏的发电量为数据输入，通过设计单元计算出储能单元具体使用电池模组数。

2.根据权利要求1所述的基于CPA算法的民居综合光储设备运行调节器，其特征在于，所述CPA算法实现以负载的负荷需求与光伏的发电量为数据输入，通过设计单元计算出储能单元具体使用电池模组数主要包括如下步骤：

步骤1：数据初始化，随机初始化由食肉植物和猎物组成的个体种群，评估个体适应度；

步骤2：根据其适应度值按升序进行排序，将初始种群中所有个体分类为食肉植物和猎物两部分，所述食肉植物的排序名次均优于所述猎物的排序名次；

步骤3：将适当等级的猎物分配给适当等级的食肉植物，直到NCplanth级猎物被分配到NCplanth级食肉植物，以此类推；

步骤4：生成随机数，进行捕食判定；

步骤5：只有排名第一的食肉植物允许繁殖；

步骤6：新产生的食肉植物和猎物与以前的种群相结合，形成一个新的种群。根据新一组个体的适应度值按升序排序；然后从这一组中选择排名前n名的个体作为新的候选解；

步骤7：以光伏发电量、储能单元容量以及负载的负荷需求为输入，储能单元所用电池模组数为输出最优解，设备分配电能是否合理为目标，判断是否符合条件，若满足条件则进行电能分配，若不满足则重复步骤4至7。

3.根据权利要求2所述的基于CPA算法的民居综合光储设备运行调节器，其特征在于，所述步骤4中进行捕食判定的具体操作为：

如果吸引率高于随机生成的数字，则食肉植物会捕获并消化猎物以进行生长，新食肉植物的生长模型为：

NewCP_i，j＝growth×CP_i，j+(1-growth)×Prey_v，j

growth＝growth_rate×rand_i，j

其中，CP_i，j是第i级食肉植物，Pr ey_v，j是随机选择的猎物，growth_rate是预定义值，randi_，j是从范围[0，1]中选择的随机值，growth为生长率，NewCP_i，j为新的食肉植物；在CPA中，每组只有一种食肉植物，而猎物的数量必须超过两种；

如果吸引率低于生成的随机值，则猎物成功逃离陷阱并继续生长，其猎物成功逃离陷阱并继续生长表达式为：

NewPrey_i，j＝growth×Prey_u，j+(1-growth)×Prey_v，j，u≠v

其中，Prey_u，j是第三秩群中的另一个随机选择的猎物，Prey_u，j与Prey_v，j为同一种群两个不同的随机猎物；食肉植物和猎物的生长过程都是重复的，直到达到一个预定义的迭代，即group_iter。

4.根据权利要求2所述的基于CPA算法的民居综合光储设备运行调节器，其特征在于，所述步骤5中繁殖表达式为：

NewCP_i，j＝CP_1，j+Reproduction_rate×rand_i，j×mate_i，j

其中，CP_1，j为最佳解决方案，mate_i，j为协调不同情况下的计算参数，Reproduction_rate为用于攻击的预定义值，CP_i和CP_v分别表示第i级与第v级食肉植物；该过程重复nCPlant次；在再现过程中，v对于每个第j维随机地重新选择食肉植物；在生长过程中，猎物被随机重新选择，而不考虑第j个维度。

Images