[发明专利]一种基于遗传算法的考虑多因素的产能端功率分配方法

说明书

本发明公开了一种基于遗传算法的考虑多因素的产能端功率分配方法，本发明根据能源互联网中产能端设备的使用寿命，通过建立寿命损耗率模型以决定产能端设备在不同阶段的最大产能功率，并结合能量传输损耗、环境效益等多因素进行功率分配的方法，从而最大化产能效率及产能收益。本文采用启发式的遗传算法，以种群中的所有个体为对象，利用随机化技术指导对一个被编码的参数空间进行高效搜索，通过选择、交叉、变异自适应地调整搜索方向，得出群体最优解，即最佳分配方案。本发明对于能源互联网中多能源形式共存的产能端功率分配问题具有重要的科学意义和应用价值。

技术领域

本发明涉及一种考虑产能端设备使用寿命，以及能量传输损耗、环境效益等多因素的功率分配方法，属于能源互联网领域。

背景技术

近年来，能源问题已成为世界各国所需讨论解决的首要难题，世界各个国家及组织积极开展探究新型替代能源的技术。其中，可再生能源以其可再生、无污染的特点受到了高度重视。随着新能源技术的发展，并伴随着能源技术创新和互联网技术的深度融合的巨大潜力，诞生了“能源互联网”的宏观结构，该体系具有“多能互补，源网荷储”的统一多能互补协调的核心理念，不仅可以实现能源的“就地采集，原地存储，现场利用”功能，还可以作为具有数个完整功能的局域小型供电系统与电网互联。

由于多种新型能源的加入，能源形式不再局限于电能，而是电能、天然气能、石油能等多种能源形式的结合，天然气能由于其高效、清洁等特点，具有良好的发展前景，同时在发电形式中，风力、光伏发电相较于传统的火力发电也有明显的优势。在多种能源形式共存的产能端，使用时间较短的产能设备，维护费用较低，可以在短时间内处于过载运行状态以获取更大的输出能量，使用时间较长的产能设备，维护费用较高，适合处于轻载运行状态减少维护并保证安全。因此可以利用产能设备这一特性，并综合考虑能量传输损耗、环境效益等因素对新兴的天然气产能、风力产能、光伏产能等设备通过过载运行获取更大的能量输出，从而进一步代替产能区域中综合性能较劣的火力发电等设备，提升产能效率及收益。

遗传算法是一种应用广泛的启发式智能优化方法，由借鉴进化生物学原理而来，是人工智能领域的重要分支，对优化问题的限制条件较少，具有极强的通用性，易于通过编程实现。

发明内容

在能源互联网中，能量的形式不再局限于电能，而是电能、天然气能、石油能等多种能源形式的结合，天然气能由于其高效、清洁等特点，具有良好的发展前景，同时在发电形式中，风力、光伏发电相较于传统的火力发电也有明显的优势。在我国，虽然仍然是以火力发电为主，但在微网场景下，已经可以充分利用风能、天然气能等代替火力发电，获得更大的经济收益以及环境收益。在多种能源形式共存的产能端，产能设备的使用寿命不同，当某一产能设备使用时间较短，即该设备刚刚建立时，维护费用较低，可以处于过载运行状态以获取更大的输出能量，但也需要避免长时间过载运行以免损坏设备；当某一产能设备的使用时间较长，即该设备较为陈旧，维护费用较高，因此适合处于轻载运行以减少维护费用并保证安全性。利用产能设备这一特性，通过选取使用时间较短，同时能量传输损耗、环境效益等性能良好的产能设备，通过过载运行获取更大的功率输出，进一步代替产能端较为陈旧，同时环境效益等性能较劣的火力发电等设施，从而提升产能效率及产能收益。考虑多因素的功率分配是一种优化问题，最佳分配方案是综合性能越好的产能设备向负荷输送功率的比例越高，因此采用启发式的遗传算法，遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过自然进化过程搜索最优解的方法。遗传算法以一种群体中的所有个体为对象，利用随机化技术指导对一个被编码的参数空间进行高效搜索，通过选择、交叉、变异自适应地调整搜索方向，得出群体最优解，即本发明中满足设备更换时间间隔要求的能量传输总损耗最低值，此时有最大的能量传输效率。本发明方法的具体实现包括以下步骤：

(1)获取能源互联网产能端多种能源形式(如电能、天然气能)的产能设备，产能设备为风力发电厂、水力发电厂、光伏电池、储气系统等，产能设备的编号M表示为：