CN116316533B - 一种基于变色龙算法的自适应多状态储能设备 - Google Patents

一种基于变色龙算法的自适应多状态储能设备 Download PDF

Info

Publication number
CN116316533B
CN116316533B CN202310346497.1A CN202310346497A CN116316533B CN 116316533 B CN116316533 B CN 116316533B CN 202310346497 A CN202310346497 A CN 202310346497A CN 116316533 B CN116316533 B CN 116316533B
Authority
CN
China
Prior art keywords
chameleon
hydrogen
battery pack
prey
power
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
Application number
CN202310346497.1A
Other languages
English (en)
Other versions
CN116316533A (zh
Inventor
谢金博
谢滢琦
殷庆媛
温文潮
胡代明
马梦宇
陈帅
纪捷
黄慧
黄小龙
张楚
杜董生
赵环宇
史煜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaiyin Institute of Technology
Original Assignee
Huaiyin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaiyin Institute of Technology filed Critical Huaiyin Institute of Technology
Priority to CN202310346497.1A priority Critical patent/CN116316533B/zh
Publication of CN116316533A publication Critical patent/CN116316533A/zh
Application granted granted Critical
Publication of CN116316533B publication Critical patent/CN116316533B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J1/00Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10Parallel operation of dc sources
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/004Artificial life, i.e. computing arrangements simulating life
    • G06N3/006Artificial 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]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J1/00Circuit arrangements for dc mains or dc distribution networks
    • H02J1/14Balancing the load in a network
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/00047Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with provisions for charging different types of batteries
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005Detection of state of health [SOH]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/345Parallel operation in networks using both storage and other dc sources, e.g. providing buffering using capacitors as storage or buffering devices
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2207/00Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J2207/50Charging of capacitors, supercapacitors, ultra-capacitors or double layer capacitors

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Fuel Cell (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种基于变色龙算法的自适应多状态储能设备,包括健康锂电池组、废旧锂电池组、氢燃料电池模块、超级电容器模块、Atmel‑VCR主控芯片、N个三联单控开关、超级电容器、储氢罐、负载端、电解槽、变色龙算法调控器、氢气用户端。通过超级电容器将不同健康状态的锂离子电池与氢燃料电池耦合起来;通过DC/DC变换器电压转换比维持混合储能系统的终端电压;通过三联单控开关的状态,实现并联、串联和旁路连接,同时利用变色龙算法调控器灵活组合锂离子电池的数量,提高锂电池的寿命。与现有技术相比,本发明适用于工业、商业负载下的多状态的储能调配,并能够充分利用从电动汽车退役下来的废旧电池,解决废旧电池处理难的难题。

Description

一种基于变色龙算法的自适应多状态储能设备
技术领域
本发明涉及多能源利用技术领域,具体涉及一种基于变色龙算法的自适应多状态储能设备
背景技术
能源枯竭环境污染已经成为当今社会不得不面对并急需解决的问题。随着电动汽车的发展,以磷酸铁锂作为正极材料的动力电池得到了广泛的应用,废旧锂离子电池的数量也将逐年增加。废旧锂离子电池的回收利用,不仅能够减轻对环境的影响,同时还能带来一定的经济效益。目前对废旧磷酸铁锂电池的回收研究比较少。废旧锂离子电池的回收利用研究主要集中于电池中正极活性物质的回收利用。
现有的混合储系统主要包含以下几种:
蓄电池和超级电容构成的混合储能系统,该系统被广泛引入直流微电网中,用于抑制分布式电源和负载带来的功率波动。
锂离子电池与超级电容组合的混合储能系统(Hybridenergystoragesystem,HESS)通过超级电容补充输出峰值功率,有效解决了锂离子电池电动汽车在城市工况频繁启动和制动的大功率需求造成锂离子电池不可逆的容量衰减问题。
上述两种混合储能系统分别存在各式各样的问题,还有就是不能很好的利用废旧锂电池降低研发成本。第一种混合储能系统存在一下问题:(1)超级电容具有功率密度大和能量密度低的特点,当系统功率频繁波动时,如果不及时恢复其荷电状态(SOC)、会出现过充或过放现象,从而不仅无法解决系统的功率波动问题、而且会减少其使用寿命;(2)通常采用下垂控制方法来解决直流微电网中混合储能系统的功率分配问题,但因传统下垂控制的固有特性而存在母线电压偏差的缺陷;(3)混合储能瞬时功率分配和超级电容SOC恢复之间存在矛盾。第二种锂离子电池与超级电容组合的混合储能系统,相比于单独使用动力电池,超级电容的加入增加了成本和重量并且降低了整个储能系统的输出效率。
因此需要一种混合储能调节器,既能够提高能源利用率,又能解决充分利用废旧锂电池价值充分利用的问题,同时还能延长健康锂电池的使用寿命,还能结合氢燃料电池降低对环境的污染以及实现氢能的循环利用,从而总体上混合储能调节器经济效益和环境效益。
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变色龙算法的自适应多状态储能设备,不仅能够并能够充分利用从电动汽车退役下来的废旧电池,解决废旧电池处理难的难题,同时与健康锂电池、氢燃料电池以及超级电容组合能够很好的提高储能系统的输出效率且产物无污染,并且利用变色龙算法调控器可以灵活组合健康锂离子电池、废旧锂电池以及氢燃料电池的数量。
技术方案:本发明提供了一种基于变色龙算法的自适应多状态储能设备,包括健康锂电池组、废旧锂电池组、氢燃料电池组、N个三联单控开关、超级电容器、DC/DC变换器、储氢罐、负载端、电解槽、变色龙算法调控器、Atmel-VCR主控芯片、氢气用户端;
所述健康锂电池组、废旧锂电池组、氢燃料电池组与超级电容模块依次与DC/DC变换器串联后并联,并联的输出端与所述Atmel-VCR主控芯片输入端连接;所述健康锂电池组、废旧锂电池组、氢燃料电池组内部均包括N个电池,三种电池组中的一个健康锂电池、一个废旧锂电池、一个氢燃料电池以并联的方式连接,且由一个三联单控开关连接控制,N个所述三联单控开关分别与Atmel-VCR主控芯片的信号输出端连接,用于控制电池的接入与断开;所述Atmel-VCR主控芯片的电能输出端与所述负载端、电解槽连接,所述电解槽输出端与氢气用户端、储氢罐连接;所述储氢罐输出端与所述氢燃料电池组连接;
根据负载端的所需电量以及氢气用户端所需要的氢气使用情况,通过变色龙算法调控器经过计算得到电池组的最优解,然后变色龙算法调控器将得到的最优解指令发送给Atmel-VCR主控芯片,Atmel-VCR主控芯片对N个三联单控开关进行控制,利用三联单控开关进而调控健康、废旧、氢燃料电池组电池数量,进而将输出电压分配给氢气用户端和负载端。
进一步地,所述变色龙算法调控器中设置有如下调控方法:
步骤1:初始化,初始化每个变色龙种群对应的功率;每个变色龙种群都有一组目标函数对应值;
步骤2:计算每个种群的适应度,即目标函数,目标函数为设备的最优功率值,计算公式如下:
设备总功率=n1*单个健康电池功率+n2*单个废旧电池功率+n3*单个氢燃料电池功率+超级电容总功率+损失功率;
步骤3:根据变色龙当前、下一步位置以及迄今为止做好的功率位置,和控制勘探能力得出变色龙的搜索猎物的表达式如下:
式中,为变色龙i在维度j中当前、下一步的位置;G为当前最优个体位置;P为变色龙i迄今为止的最好位置;p1、p2是控制勘探能力的两个参数;r1、r2、r3均为[0,1]内的随机数,ri是[0,1]内的随机数;Pp=0.1表示变色龙感知猎物的概率;uj、lj分别表示第j维的上、下限;猎物指的就是不断更新的最优目标函数值,即最优功率值,变色龙种群不断的寻优朝着猎物靠近,当捕捉到猎物时就是最优的目标功率值;
步骤4:变色龙有能力识别猎物的位置利用眼睛的旋转特征,这提供它们有能力在360度外发现猎物,在变色龙抓捕猎物的过程中,眼睛旋转追踪猎物的表达式为:
式中,为变色龙在位置旋转前的各维度平均位置,yt+1为旋转后的坐标,yr为旋转中心坐标;
步骤5:变色龙的舌头是它身体长度的两倍,这个机制帮助变色龙通过有效地捕获猎物来利用搜索空间,当变色龙锁定猎物并发射舌头捕捉猎物时,舌头落向猎物时的速度表达式为:
式中,c1=c2=1.75控制着G、P对弹舌速度的影响,舌头表示的是变色龙移动的路径方式;
步骤6:当变色龙舌头的位置投射到猎物时,暗含地代表了变色龙,则可根据以下表达式来计算变色龙的运动:
式中,a为弹舌的加速度:
步骤7:判断是否到底最大迭代次数,如果是到步骤8,如果不是,返回步骤3;
步骤8:输出适合设备的最优功率策略。
有益效果:
1、与传统的储能设备相比,本发明采用废旧锂电池、健康锂电池以及氢燃料电池相结合的方法,通过三联单控开关灵活调节废旧锂电池与健康锂电池以及氢燃料电池的数量,相比较与单独使用健康锂电池的情况,不仅能够提高输出功率,降低对环境的污染,同时还能够自适应的控制氢气以及电能的输入量,满足负载端的需求的同时,可以将多余的电量通过电解槽向储氢罐储备多余资源,由储氢罐再向氢燃料电池提供氢气起到资源循环利用的作用有效避免了资源的浪费。同时能够通过变色龙算法计算各个器件的使用维护费用最大程度降低成本且能够很好的废物利用,符合国家节能减排、保护环境的政策。
2、与传统的储能设备相比,本发明采用健康、废旧锂电池以及氢燃料电池与超级电容器相并联通过三联控制开关与DC/DC变换器连接,提供一个可调节输出电压,灵活的满足负载端的功率需求。电池作为该设备的输入端,将电池组与超级电容器并联起来,起到一个稳定电压的作用,特别是当电池内阻相对较大时,超级电容器可以稳定大负载时的电压跌落保证满足一定的安全条件。
3、本发明还利用改进后的变色龙算法(CSA)对电压以及氢气的输入有着精确的计算控制反馈,使得该自适应多状态储能设备能够应用于不同场景,应对不同的现场需求,并且根据优化算法优化后的功率分配,可以大大提高系统能源利用率,而且可以降低综合成本,同时能够最大程度的利用废旧资源。
附图说明
图1为本发明的结构示意图;
图2为本发明的算法流程图;
图3为本发明的算法改进前后能源利用率对比图;
图4为本发明的算法优化前后综合成本对比图;
图5为本发明的算法优化前后电池SOH对比图。
其中,1-健康锂电池、2-废旧锂电池、3-氢燃料电池、4-三联单控开关、5-超级电容器、6-DC/DC变换器、7-储氢罐、8-负载端、9-电解槽、10-变色龙算法调控器、11-Atmel-VCR主控芯片、12-氢气用户端。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施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。
本发明公开了一种适用于工业、商业负载下的新型自适应多状态储能设备,包括健康锂电池1、废旧锂电池2、氢燃料电池3、三联单控开关4、超级电容器5、DC/DC变换器6、储氢罐7、负载端8、电解槽9、变色龙算法调控器10、Atmel-VCR主控芯片11、氢气用户端12。
健康锂电池组1、废旧锂电池组2、氢燃料电池组3与超级电容模块5依次与DC/DC变换器6串联后并联起来,参见图1,并联后的输出端与Atmel-VCR主控芯片11输入端连接,健康锂电池组1、废旧锂电池组2、氢燃料电池组3内部均包括N个电池,三种电池组中的一个健康锂电池、一个废旧锂电池、一个氢燃料电池以并联的方式连接,且由一个三联单控开关4连接控制,N个三联单控开关4分别与Atmel-VCR主控芯片11的信号输出端连接,用于控制电池的接入与断开;Atmel-VCR主控芯片11的电能输出端与负载端8、电解槽9连接,电解槽9输出端与氢气用户端12、储氢罐7连接;储氢罐7输出端与氢燃料电池组3连接。
根据负载端8的所需电量以及氢气用户端12所需要的氢气使用情况,将二者所需要的数据通过变色龙算法调控器10经过计算得到电池组的最优解,然后变色龙算法调控器10将得到的最优解指令发送给Atmel-VCR主控芯片11,Atmel-VCR主控芯片11接收到变色龙算法调控器10指令对三联控制开关4进行控制,利用三联控制开关4进而调控健康、废旧、氢燃料电池组电池数量,电池输出的电压通过DC/DC变换器6进行转换有效输出固定电压,输出电压通过变色龙算法调控器10所得到的氢气用户端12以及、负载端8需求反馈给Atmel-VCR主控芯片11进而将输出电压分配给氢气用户端12和负载端8,这样能根据所需输出电压,灵活的调控锂电池的数量,可以提高锂电池的寿命、使电池更早失效的可能性降低。
变色龙算法调控器10传输给Atmel-VCR主控芯片11的指令进而控制三联单控开关4可以轻松调控健康锂离子电池模块和废旧锂电池模块以及氢燃料电池模块之间的数量,从而大大延长了系统的寿命。
健康锂离子电池模块和废旧锂电池模块以及氢燃料电池模块和超级电容模块并联在一起。每个三联单控开关的三个单控开关连接这不同的电池类型通过联动装置控制,DC/DC变换器连接到各个电池部分,转变输入电压后有效输出固定电压,超级电容器与电池组并联起来,因为是以电池组作为输入端,当电池内阻过大时,电容可以稳定大负载时的电压脱落,起到稳压的作用,保证整体安全性。同时超级电容器连接DC/DC变换器,在超级电容电池组充放电过程中,端电压范围变化大,通常必须采用DC变换器作为接口电路来调节超级电容电池的储能和释能。
健康锂离子电池组1、废旧锂离子电池组2、氢燃料电池组3和超级电容器5都是由称为模块的单元组成,模块进一步由甚至是更小的单元(即每块电池)。每三种电池以并联的方式连接由三联单控开关4的联动装置联合动作,以提供所需的电压输出。电压的输出由Atmel-VCR主控芯片接受算法指令控制三联单控开关4输出电压的大小,一方面为负载端8提供所需要的电压,另一方面输出端连接着电解槽9,当电解槽9有电的输入时,可以将电分解为所需要的氢气然后输入到氢气用户端12,满足用户氢气的需求,当用户端有剩余氢气时,避免氢气的不稳定性带来的危险,将剩余的氢气输入到储氢罐7中,储氢罐7既可以存储由电解槽9输送来的氢气,也可以为氢燃料电池组3提供所需要的氢气进行类似于电解水的逆过程,将生成的电根据需求通过开关的分配给负载端8或者电解槽9,既可以满足负载端8的需求也可以将多余的电进行分解作为一个循环利用。
电池作为该设备的输入端,将电池组与超级电容器5并联起来,起到一个稳定电压的作用,特别是当电池内阻相对较大时,超级电容器5可以稳定大负载时的电压跌落保证满足一定的安全条件。
本发明利用改进后变色龙算法(CSA)优化调整输出功率,主要包括如下步骤:
步骤1:初始化,初始化每个变色龙种群对应的功率;每个变色龙种群都有一组目标函数对应值;
步骤2:计算每个种群的适应度,即目标函数,目标函数为设备的最优功率值,计算公式如下:
设备总功率=n1*单个健康电池功率+n2*单个废旧电池功率+n3*单个氢燃料电池功率+超级电容总功率+损失功率;
步骤3:根据变色龙当前、下一步位置以及迄今为止做好的功率位置,和控制勘探能力得出变色龙的搜索猎物的表达式如下:
式中,为变色龙i在维度j中当前、下一步的位置;G为当前最优个体位置;P为变色龙i迄今为止的最好位置;p1、p2是控制勘探能力的两个参数;r1、r2、r3均为[0,1]内的随机数,ri是[0,1]内的随机数;Pp=0.1表示变色龙感知猎物的概率;uj、lj分别表示第j维的上、下限;猎物指的就是不断更新的最优目标函数值,即最优功率值,变色龙种群不断的寻优朝着猎物靠近,当捕捉到猎物时就是最优的目标功率值。
步骤4:变色龙有能力识别猎物的位置利用眼睛的旋转特征,这提供它们有能力在360度外发现猎物,在变色龙抓捕猎物的过程中,眼睛旋转追踪猎物的表达式为:
式中,为变色龙在位置旋转前的各维度平均位置,yt+1为旋转后的坐标,yr为旋转中心坐标。
步骤5:变色龙的舌头是它身体长度的两倍,这个机制帮助变色龙通过有效地捕获猎物来利用搜索空间,当变色龙锁定猎物并发射舌头捕捉猎物时,舌头落向猎物时的速度表达式为:
式中,c1=c2=1.75控制着G、P对弹舌速度的影响,舌头表示的是变色龙移动的路径方式;
步骤6:当变色龙舌头的位置投射到猎物时,暗含地代表了变色龙,则可根据以下表达式来计算变色龙的运动:
式中,a为弹舌的加速度:
步骤7:判断是否到底最大迭代次数,如果是到步骤8,如果不是,返回步骤3;
步骤8:输出适合设备的最优功率策略。
对于上述改进后变色龙算法(CSA)优化储能系统的方法,其仿真结果参见附图3至附图5,通过附图3所示,与混合储能系统相比,本发明利用废旧的锂电池与健康锂电池通过三联单控开关对锂电池以及氢燃料的使用数量进行调节后,提高锂电池的寿命、使电池更早失效的可能性降低,并且能够更更高效的输出功率,降低使用成本。通过附图4,与传统的混合储能功率调节器相比较,本发明新型混合储能设备的功率调节器的功率效率得到大大的提高,并且能够实现废旧锂电池的价值避免污染环境。通过附图5,本发明利用改进CSA算法后,本发明电池组的SOH相比于普通电池的SOH降低更慢,有效延长了电池的寿命。
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 (1)

1.一种基于变色龙算法的自适应多状态储能设备,其特征在于,包括健康锂电池组(1)、废旧锂电池组(2)、氢燃料电池组(3)、N个三联单控开关(4)、超级电容器(5)、DC/DC变换器(6)、储氢罐(7)、负载端(8)、电解槽(9)、变色龙算法调控器(10)、Atmel-VCR主控芯片(11)、氢气用户端(12);
所述健康锂电池组(1)、废旧锂电池组(2)、氢燃料电池组(3)与超级电容模块(6)依次与DC/DC变换器(6)串联后并联,并联的输出端与所述Atmel-VCR主控芯片(11)输入端连接;所述健康锂电池组(1)、废旧锂电池组(2)、氢燃料电池组(3)内部均包括N个电池,三种电池组中的一个健康锂电池、一个废旧锂电池、一个氢燃料电池以并联的方式连接,且由一个三联单控开关(4)连接控制,N个所述三联单控开关分别与Atmel-VCR主控芯片(11)的信号输出端连接,用于控制电池的接入与断开;所述Atmel-VCR主控芯片(11)的电能输出端与所述负载端(8)、电解槽(9)连接,所述电解槽(9)输出端与氢气用户端(12)、储氢罐(7)连接;所述储氢罐(7)输出端与所述氢燃料电池组(3)连接;
根据负载端(8)的所需电量以及氢气用户端(12)所需要的氢气使用情况,通过变色龙算法调控器(10)经过计算得到电池组的最优解,然后变色龙算法调控器(10)将得到的最优解指令发送给Atmel-VCR主控芯片(11),Atmel-VCR主控芯片(11)对N个三联单控开关(4)进行控制,利用三联单控开关(4)进而调控健康、废旧、氢燃料电池组电池数量,进而将输出电压分配给氢气用户端(12)和负载端(8);
所述变色龙算法调控器(10)中设置有如下调控方法:
步骤1:初始化,初始化每个变色龙种群对应的功率;每个变色龙种群都有一组目标函数对应值;
步骤2:计算每个种群的适应度,即目标函数,目标函数为设备的最优功率值,计算公式如下:
设备总功率=n1*单个健康电池功率+n2*单个废旧电池功率+n3*单个氢燃料电池功率+超级电容总功率+损失功率;
步骤3:根据变色龙当前、下一步位置以及迄今为止做好的功率位置,和控制勘探能力得出变色龙的搜索猎物的表达式如下:
式中,为变色龙i在维度j中当前、下一步的位置;G为当前最优个体位置;P为变色龙i迄今为止的最好位置;p1、p2是控制勘探能力的两个参数;r1、r2、r3均为[0,1]内的随机数,ri是[0,1]内的随机数;Pp=0.1表示变色龙感知猎物的概率;uj、lj分别表示第j维的上、下限;猎物指的就是不断更新的最优目标函数值,即最优功率值,变色龙种群不断的寻优朝着猎物靠近,当捕捉到猎物时就是最优的目标功率值;
步骤4:变色龙有能力识别猎物的位置利用眼睛的旋转特征,这提供它们有能力在360度外发现猎物,在变色龙抓捕猎物的过程中,眼睛旋转追踪猎物的表达式为:
式中,为变色龙在位置旋转前的各维度平均位置,yt+1为旋转后的坐标,yr为旋转中心坐标;
步骤5:变色龙的舌头是它身体长度的两倍,这个机制帮助变色龙通过有效地捕获猎物来利用搜索空间,当变色龙锁定猎物并发射舌头捕捉猎物时,舌头落向猎物时的速度表达式为:
式中,c1=c2=1.75控制着G、P对弹舌速度的影响,舌头表示的是变色龙移动的路径方式;
步骤6:当变色龙舌头的位置投射到猎物时,暗含地代表了变色龙,则可根据以下表达式来计算变色龙的运动:
式中,a为弹舌的加速度:
步骤7:判断是否到底最大迭代次数,如果是到步骤8,如果不是,返回步骤3;
步骤8:输出适合设备的最优功率策略。
CN202310346497.1A 2023-04-03 2023-04-03 一种基于变色龙算法的自适应多状态储能设备 Active CN116316533B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310346497.1A CN116316533B (zh) 2023-04-03 2023-04-03 一种基于变色龙算法的自适应多状态储能设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310346497.1A CN116316533B (zh) 2023-04-03 2023-04-03 一种基于变色龙算法的自适应多状态储能设备

Publications (2)

Publication Number Publication Date
CN116316533A CN116316533A (zh) 2023-06-23
CN116316533B true CN116316533B (zh) 2023-12-01

Family

ID=86828766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310346497.1A Active CN116316533B (zh) 2023-04-03 2023-04-03 一种基于变色龙算法的自适应多状态储能设备

Country Status (1)

Country Link
CN (1) CN116316533B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114243782A (zh) * 2021-12-23 2022-03-25 温州大学 一种基于波浪能发电的混合储能能源路由管理系统
CN114552659A (zh) * 2022-03-31 2022-05-27 东北大学 含电氢储能的多能量综合管理型能量路由器及控制方法
CN114944692A (zh) * 2022-06-06 2022-08-26 中南大学 一种梯次动力电池耦合超级电容器的储供能系统及方法
CN115473306A (zh) * 2022-09-14 2022-12-13 淮阴工学院 一种基于智能算法的混合储能系统再利用调控方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114243782A (zh) * 2021-12-23 2022-03-25 温州大学 一种基于波浪能发电的混合储能能源路由管理系统
CN114552659A (zh) * 2022-03-31 2022-05-27 东北大学 含电氢储能的多能量综合管理型能量路由器及控制方法
CN114944692A (zh) * 2022-06-06 2022-08-26 中南大学 一种梯次动力电池耦合超级电容器的储供能系统及方法
CN115473306A (zh) * 2022-09-14 2022-12-13 淮阴工学院 一种基于智能算法的混合储能系统再利用调控方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Optimal sizing design and integrated cost-benefit assessment of stand-alone microgrid system with different energy storage employing chameleon swarm algorithm: A rural case in Northeast China;Jianguo Zhou;《Renewable Energy》;第9-10页 *

Also Published As

Publication number Publication date
CN116316533A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN110861538B (zh) 燃料电池汽车混合动力控制方法及系统
CN109830974B (zh) 一种电池动态成组系统及其运行控制方法
CN111181207A (zh) 一种分布式锂电池组储能系统
CN112510798B (zh) 一种梯次电池混合储能系统的功率分配方法
CN111276960A (zh) 一种光-储直流微电网系统中储能模块预测控制方法
CN113328449A (zh) 用于光伏电站的一次调频/虚拟惯量响应控制方法及装置
CN101917043A (zh) 锂离子蓄电池充放电控制电路
CN113103921A (zh) 一种基于开关网络的切换式能量管理方法
CN115313453A (zh) 一种基于soc改进下垂控制算法的多储能系统协调控制方法
CN202888862U (zh) 一种适用于分布式新能源电力的蓄能逆变器
CN112606710B (zh) 燃料电池辅助能量系统双向dcdc实现输出控制的系统及方法
CN103633390A (zh) 锂离子动力电池快速充电方法
CN116316533B (zh) 一种基于变色龙算法的自适应多状态储能设备
CN106786803A (zh) 独立运行光伏发电系统供大于需时的一种无损功率平衡法
CN112436533B (zh) 基于比例功率分配的多储能单元分布式控制方法
KR101430134B1 (ko) 배터리 관리 방법 및 시스템
CN112165130A (zh) 一种充放自主可控的伺服动力电源及其实现方法
CN110994707B (zh) 一种含有超级电容器的多电源系统及控制方法
Sun et al. Adaptive Energy Management Strategy of Fuel Cell Electric Vehicle
CN219191980U (zh) 一种铅酸与锂电混合使用的电池系统
CN117818383B (zh) 一种车用复合电池系统及其能量控制方法
CN110729781B (zh) 以电荷量差值为均衡判据的锂电池组均衡控制方法
CN110165691B (zh) 采用能量均衡的混合储能功率分配系统及其工作方法
CN110601229B (zh) 一种微电网分层分区的储能控制系统及控制方法
TWI690129B (zh) 使用電流內迴路調整之再生能源發電及儲能系統

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