CN116599142B - 一种保障安全供能的智能调控系统 - Google Patents

Abstract

本发明涉及能源调控技术领域，公开了一种保障安全供能的智能调控系统，输入端为风光发电与燃油发电，输出端为电力、热罐、净水器。其具有两种工作模式，当处于移动状态时，燃油机带动设备移动，同时热回收储热，根据储能状态，热罐储热状态和自然情况，进行燃油机运行调节，在燃油机怠速时，进行发电和热回收。当处于静止状态时，燃油机发电、供电。保持燃油机高效率，根据储能状态，热罐储热状态和自然情况，进行燃油机运行调节，尽可能保持燃油机在最佳工况运作，从而达到最高效率。与现有技术相比，本发明能够增加灾区用电用水的便捷性，大大提高灾区的生活水平，充分利用了移动的时间进行能量储备以及加大静止后的综合供能。

Description

一种保障安全供能的智能调控系统

技术领域

本发明涉及能源调控技术领域，具体涉及一种用于灾区的保障安全供能的智能调控系统。

背景技术

现如今人们对于能源的需求越来越大，对环境造成的影响也越加严重，由此，不可避免的一些自然灾害也应运而生，在发生灾害时很容易导致停水停电，致使灾区人民的生活水平急剧下降。

现有的灾区供能，大多为大型储蓄设备，这使得这类储蓄只能处于一处地点而无法实时帮助灾区人民，这使得离该处地点较远的受难人员需要其余人力护送至供能点，且而且现如今的人们对于各类电资源与水资源的需求极大。即使有可移动式的储能设备，但是该储能设备也无法根据该设备的运动状态进行智能调控，在储能设备移动过程中，该储能设备的储能应尽可能的应用于快速移动，在静止过程中，该储能设备的储能应尽可能的用于供能。而现有的移动式储能设备的移动储能模块和实际供能模块是分开的，没有办法根据当前设备运动状态智能调控，这就无法保证供能系统的能源高效率应用。

在次基础上亟需提出一种保障安全供能的智能调控系统，能够根据供能系统的运行状态实时调控储能，可以随着抢救的同时配合移动，且在受难人员被救出的第一时间就能进行相应的供能配合。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种保障安全供能的智能调控系统，能够在灾区提供热能、电能、水资源等，并且能够根据需要进行相应的移动，以满足宅区人民的需要，为灾区人民的生活提供保障，也能为当地的各项设施提供相应的帮助。

技术方案：本发明公开了一种保障安全供能的智能调控系统，包括风力燃油机、光伏发电、风能发电、蓄电池、储热水罐、储能监测传感器、热罐储热传感器、环境温度传感器、净水器、移动装置以及优化单元；

所述风力燃油机、光伏发电的输出端均与所述储热水罐、蓄电池连接，所述风能发电输出端与所述蓄电池连接；所述风力燃油机产生的高温送至储热水罐，所述风力燃油机产生的电能送至蓄电池内储存，所述光伏发电为蓄电池提供电负荷、为储热水罐提供热负荷，所述风能发电为蓄电池提供电负荷；所述储热水罐的输出端为系统和用户提供热负荷和热水，所述蓄电池的输出端为系统或用户提供电负荷；

所述风力燃油机还与移动装置连接，当处于移动状态时，所述风力燃油机带动移动装置移动；

所述储能监测传感器与蓄电池相连接，用于监测蓄电池中的储能情况；所述热罐储热传感器包括温度传感器与水位传感器，其与储热水罐相连接，所述环境温度传感器用于监测外部环境中的温度，所述净水器与蓄电池相连接；

所述储能监测传感器、热罐储热传感器、环境温度传感器输出端均与优化单元连接，所述优化单元获取智能调控系统的移动装置运行功率、风力燃油机产电功率、光伏产电功率、风力燃油机热转化效率、风能产电功率、储热水罐温度、周围环境温度、蓄电池储能情况，建立如下目标函数，并利用优化混沌灰狼算法对目标函数进行优化控制，最终输出最优的系统控制数据进行优化调度，所述目标函数为：

式中：P_use(t)为t时段电负荷的功率，Q_hot(t)为t时段热负荷的功率：

其中，γ＝1时为运行状态下的目标函数，γ＝0时为静止状态下的目标函数，其中P_go(t)为t时刻移动装置运行所消耗的功率，的相关运行公式为：

式中：为风力燃油机的产电功率，P_ce(t)为t时刻消耗的电功率，/>为风力燃油机热转化效率；

式中：为光伏电池的输出有功功率；/>为在标准测试条件下的光伏输出功率；为光伏的降额系数，通常为0.8；/>为实际太阳辐射强度；/>为标准测试条件下的太阳辐射强度；/>为PV电池板的温度系数；/>为当前时间步长的PV电池温度；/>为标准测试下的PV电池温度；

式中：是WT的输出功率；P_r'是WT的额定功率；v'_ci、v'_r和v'_co代表的是WT的切入风速、额定风速以及切出风速；a′、b′、c′、d′是风速参数；

式中：T_hot(t)为t时刻热罐的温度，T_round(t)为t时刻周围环境的温度，为转换参数。

进一步地，利用优化混沌灰狼算法对目标函数F进行优化控制，最终输出最优的系统控制数据进行优化调度，利用优化混沌灰狼算法对智能调控系统的设备的出力情况进行相关的优化，根据各个时刻的最优出力总和，输出电负荷与热负荷最大时的最优控制策略，具体包括如下步骤：

步骤1：数据初始化，利用混沌映射初始化狼群个体，形成随机点，对初始化进行优化，初始化灰狼种群及α、A和C，C表示狼所在的位置对猎物影响的随机权重，α表示第一阶层的狼群；A为取值范围-a到a的均匀随机数，a为常数，初始值为2；将风力燃油机产电功率、风力燃油机热转化效率、风能产电功率、光伏产电功率、储热罐热量、蓄电池储能作为输入形成狼群；

步骤2：进行判断，判断处于静止状态还是运动状态，当处于静止状态时，目标为最大化产能；处于运动状态时，以供给运动为主要目的情况下，最大化产能；

步骤3：计算灰狼个体的适应度，保存适应度最好的前3匹狼α、β和δ；

步骤4：更新灰狼位置，进行狩猎过程其中包围猎物的计算公式如下：

式中：表示个体与猎物间的距离，/>为灰狼的位置更新公式，t是目前的迭代代数，/>和/>是系数向量，/>和/>分别是猎物的位置向量和灰狼的位置向量，/>和/>的计算公式如下：

其中，是收敛因子，随着迭代次数从2线性减小到0，/>和/>的模取[0,1]之间的随机数；狩猎过程的狩猎计算公式如下：

其中，分别表示α、β和δ与其他个体间的距离，/>分别代表α、β和δ的当前位置；/>是随机向量，/>是当前灰狼的位置；

上式分别定义了狼群中ω个体朝向α、β和δ前进的步长和方向，ω的最终位置由以下公式定义：

步骤5：更新α，A和C；

步骤6：根据所处的状态计算全部灰狼的适应度；

步骤7：更新α、β和δ的适应度和位置；

步骤8：判断是否满足最大迭代次数，若满足，则输出最优解，否则，返回步骤3重新迭代计算。

有益效果：

1、与传统的供能设备相比，本发明具有供给热能、电能、干净水资源的功能，并且本发明在供能过程中，还兼具移动的功能，能够配合各地的工作，进行相应的调度，具有高灵活性。

2、本发明根据移动装置的运动状态利用灰狼优化算法，应用于求解运动与静止两种状态下的不同最优目标，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。

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为硬件运行逻辑图；

图4为本发明的能源利用率对比图；

其中，1-风力燃油机、2-光伏发电、3-风能发电、4-蓄电池、5-储热水罐、6-储能监测传感器、7-热罐储热传感器、8-环境温度传感器、9-净水器、10-移动装置、11-优化单元。

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。

本发明公开了一种保障安全供能的智能调控系统，包括风力燃油机1、光伏发电2、风能发电3、蓄电池4、储热水罐5、储能监测传感器6、热罐储热传感器7、环境温度传感器8、净水器9、移动装置10以及优化单元11。

风力燃油机1的输出端与储热水罐5连接，风力燃油机1产生的高温送至储热水罐5。储热水罐5的输出端为系统和用户提供热负荷和热水。风力燃油机1的输出端与蓄电池4相连接，风力燃油机1产生的电能送至蓄电池4内储存。蓄电池4的输出端为系统或用户提供电负荷。

风力燃油机1与移动装置10相连接，当处于移动状态时，风力燃油机1带动移动装置10促使设备移动。本实施例中，移动装置10可以是燃油卡车等运动设备，燃油卡车上设置光伏发电2、风能发电3、蓄电池4、储热水罐5、储能监测传感器6、热罐储热传感器7、环境温度传感器8、净水器9等设备。

光伏发电2与蓄电池4、储热水罐5连接，光伏发电2为蓄电池4提供电负荷。光伏发电2的输出端与储热水罐5连接，光伏发电2为储热水罐5提供热负荷。风能发电3与蓄电池4连接，风能发电3为蓄电池4提供电负荷。净水器9与蓄电池4相连接，净水器9可为用户净化所需水资源，为用户提供纯净用水。

储能监测传感器6与蓄电池4相连接，储能监测传感器6监测蓄电池4中的储能情况，在屏幕中显示其储存含量，将其数据传输至优化单元11。热罐储热传感器7与储热水罐5相连接，热罐储热传感器7包括温度传感器与水位传感器，在屏幕中显示温度与水位情况，将其数据传输至优化单元11。环境温度传感器8通过监测外部环境中的温度，在屏幕中显示温度情况，将其数据传输至优化单元11。

基于上述智能调控设备，储能监测传感器、热罐储热传感器、环境温度传感器输出端均与优化单元连接，优化单元获取智能调控系统的移动装置运行功率、风力燃油机产电功率、光伏产电功率、风力燃油机热转化效率、风能产电功率、储热水罐温度、周围环境温度、蓄电池储能情况，建立如下目标函数，并利用优化混沌灰狼算法对目标函数进行优化控制，最终输出最优的系统控制数据进行优化调度，目标函数为：

式中：P_use(t)为t时段电负荷的功率，Q_hot(t)为t时段热负荷的功率；其中P_use(t)与Q_hot(t)的公式分别为：

其中，γ＝1时为运行状态下的目标函数，γ＝0时为静止状态下的目标函数，其中P_go(t)为t时刻移动装置运行所消耗的功率，的相关运行公式为：

式中：为风力燃油机的产电功率，P_ce(t)为t时刻消耗的电功率，/>为风力燃油机热转化效率。

式中：为光伏电池的输出有功功率；/>为在标准测试条件下的光伏输出功率；为光伏的降额系数，通常为0.8；/>为实际太阳辐射强度；/>为标准测试条件下的太阳辐射强度；/>为PV电池板的温度系数；/>为当前时间步长的PV电池温度；/>为标准测试下的PV电池温度。

式中：是WT的输出功率；P_r'是WT的额定功率；v'_ci、v'_r和v'_co代表的是WT的切入风速、额定风速以及切出风速；a′、b′、c′、d′是风速参数。

式中：T_hot(t)为t时刻热罐的温度，T_round(t)为t时刻周围环境的温度，为转换参数。

利用优化混沌灰狼算法对目标函数F进行优化控制，优化混沌灰狼算法对各设备的出力情况进行相关的优化，根据各个时刻的最优出力总和，输出电负荷与热负荷最大时的最优控制策略。

步骤1：数据初始化，利用混沌映射初始化狼群个体，形成随机点，对初始化进行优化，初始化灰狼种群及α、A和C，C表示狼所在的位置对猎物影响的随机权重，α表示第一阶层的狼群；A为取值范围-a到a的均匀随机数，a为常数，初始值为2；将风力燃油机产电功率、风力燃油机热转化效率、风能产电功率、光伏产电功率、储热罐热量、蓄电池储能作为输入形成狼群；

步骤2：进行判断，判断处于静止状态还是运动状态，当处于静止状态时，目标为最大化产能，处于运动状态时，以供给运动为主要目的的情况下，最大化产能。

步骤3：计算灰狼个体的适应度，保存适应度最好的前3匹狼α、β和δ；

步骤4：更新灰狼位置，进行狩猎过程其中包围猎物的计算公式如下：

式中：表示个体与猎物间的距离，/>为灰狼的位置更新公式，t是目前的迭代代数，/>和/>是系数向量，/>和/>分别是猎物的位置向量和灰狼的位置向量，/>和/>的计算公式如下：

其中，是收敛因子，随着迭代次数从2线性减小到0，/>和/>的模取[0,1]之间的随机数；狩猎过程的狩猎计算公式如下：

其中，分别表示α、β和δ与其他个体间的距离，/>分别代表α、β和δ的当前位置；/>是随机向量，/>是当前灰狼的位置。

上式分别定义了狼群中ω个体朝向α、β和δ前进的步长和方向，ω的最终位置由以下公式定义：

步骤5：更新α，A和C；

步骤6：根据所处的状态计算全部灰狼的适应度；

步骤7：更新α、β和δ的适应度和位置；

步骤8：判断是否满足最大迭代次数，若满足，则输出最优解，否则，返回步骤2重新迭代计算。

经过上述的优化控制，未经优化控制的为风力燃油机出力、风电、光电出力，但没有相应的控制，会导致他们的产出过剩，造成风光浪费以及过多成本。经过优化控制的可以先充分利用风光的能源，再利用风力燃油机进行补充，大大增加了利用率，并且减少了成本的消耗。

通过附图4所示在优化前后的能源利用率的对比中，未经优化的系统对于系统能源的利用率比较低，致使能源大量消耗。经过优化后使得能源的利用率提升，经济成本降低。促使在灾时，系统还能够拥有良好的供能能力。

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 (2)

1.一种保障安全供能的智能调控系统，其特征在于，包括风力燃油机(1)、光伏发电(2)、风能发电(3)、蓄电池(4)、储热水罐(5)、储能监测传感器(6)、热罐储热传感器(7)、环境温度传感器(8)、净水器(9)、移动装置(10)以及优化单元(11)；

所述风力燃油机(1)、光伏发电(2)的输出端均与所述储热水罐(5)、蓄电池(4)连接，所述风能发电(3)输出端与所述蓄电池(4)连接；所述风力燃油机(1)产生的高温送至储热水罐(5)，所述风力燃油机(1)产生的电能送至蓄电池(4)内储存，所述光伏发电(2)为蓄电池(4)提供电负荷、为储热水罐(5)提供热负荷，所述风能发电(3)为蓄电池(4)提供电负荷；所述储热水罐(5)的输出端为系统和用户提供热负荷和热水，所述蓄电池(4)的输出端为系统或用户提供电负荷；

所述风力燃油机(1)还与移动装置(10)连接，当处于移动状态时，所述风力燃油机(1)带动移动装置(10)移动；

所述储能监测传感器(6)与蓄电池(4)相连接，用于监测蓄电池(4)中的储能情况；所述热罐储热传感器(7)包括温度传感器与水位传感器，其与储热水罐(5)相连接，所述环境温度传感器(8)用于监测外部环境中的温度，所述净水器(9)与蓄电池(4)相连接；

所述储能监测传感器(6)、热罐储热传感器(7)、环境温度传感器(8)输出端均与优化单元(11)连接，所述优化单元获取智能调控系统的移动装置(10)运行功率、风力燃油机产电功率、光伏产电功率、风力燃油机热转化效率、风能产电功率、储热水罐温度、周围环境温度、蓄电池储能情况，建立如下目标函数，并利用优化混沌灰狼算法对目标函数进行优化控制，最终输出最优的系统控制数据进行优化调度，所述目标函数为：

式中：P_use(t)为t时段电负荷的功率，Q_hot(t)为t时段热负荷的功率：

其中，γ＝1时为运行状态下的目标函数，γ＝0时为静止状态下的目标函数，其中P_go(t)为t时刻移动装置运行所消耗的功率， 的相关运行公式为：

式中：为风力燃油机的产电功率，P_ce(t)为t时刻消耗的电功率，/>为风力燃油机热转化效率；

式中：为光伏电池的输出有功功率；/>为在标准测试条件下的光伏输出功率；/>为光伏的降额系数，设置为0.8；/>为实际太阳辐射强度；/>为标准测试条件下的太阳辐射强度；/>为PV电池板的温度系数；/>为当前时间步长的PV电池温度；/>为标准测试下的PV电池温度；

式中：是WT的输出功率；P_r'是WT的额定功率；v'_ci、v'_r和v'_co代表的是WT的切入风速、额定风速以及切出风速；a′、b′、c′、d′是风速参数；

式中：T_hot(t)为t时刻热罐的温度，T_round(t)为t时刻周围环境的温度，为转换参数。

2.根据权利要求1所述的一种保障安全供能的智能调控系统，其特征在于，利用优化混沌灰狼算法对目标函数F进行优化控制，最终输出最优的系统控制数据进行优化调度，利用优化混沌灰狼算法对智能调控系统的设备的出力情况进行相关的优化，根据各个时刻的最优出力总和，输出电负荷与热负荷最大时的最优控制策略，具体包括如下步骤：

步骤1：数据初始化，利用混沌映射初始化狼群个体，形成随机点，对初始化进行优化，初始化灰狼种群及α、A和C，C表示狼所在的位置对猎物影响的随机权重，α表示第一阶层的狼群；A为取值范围-a到a的均匀随机数，a为常数，初始值为2；将风力燃油机产电功率、风力燃油机热转化效率、风能产电功率、光伏产电功率、储热罐热量、蓄电池储能作为输入形成狼群；

步骤2：进行判断，判断处于静止状态还是运动状态，当处于静止状态时，目标为最大化产能；处于运动状态时，以供给运动为主要目的情况下，最大化产能；

步骤3：计算灰狼个体的适应度，保存适应度最好的前3匹狼α、β和δ；

步骤4：更新灰狼位置，进行狩猎过程其中包围猎物的计算公式如下：

式中：表示个体与猎物间的距离，/>为灰狼的位置更新公式，t是目前的迭代代数，/>和/>是系数向量，/>和/>分别是猎物的位置向量和灰狼的位置向量，/>和/>的计算公式如下：

其中，是收敛因子，随着迭代次数从2线性减小到0，/>和/>的模取[0,1]之间的随机数；狩猎过程的狩猎计算公式如下：

其中，分别表示α、β和δ与其他个体间的距离，/>分别代表α、β和δ的当前位置；/>是随机向量，/>是当前灰狼的位置；

上式分别定义了狼群中ω个体朝向α、β和δ前进的步长和方向，ω的最终位置由以下公式定义：

步骤5：更新α，A和C；

步骤6：根据所处的状态计算全部灰狼的适应度；

步骤7：更新α、β和δ的适应度和位置；

步骤8：判断是否满足最大迭代次数，若满足，则输出最优解，否则，返回步骤3重新迭代计算。