[发明专利]一种基于粒子群算法的能源路由器更换时间优化配置方法

权利要求书

1.一种基于粒子群算法的能源路由器更换时间优化配置方法，其特征在于，包括以下步骤：

(1)获取能源互联网分布式发电区域中多种类型的能源路由器的剩余能量E(t)，表示为：

其中，E_j(t)为设备j在时刻t的剩余能量，m为分布式发电区域待统一管理的总设备数；将m台设备的使用时长，即下次更换时间T_change记为：

其中，为设备j下次更换时间；

预先设置m台设备的最大更换时间间隔T_interval，则m台设备的最早更换时间T_f为：

其中，T_ter为m台设备的最晚更换时间，m台设备均需要在[T_f,T_ter]时间段内进行更换；

(2)获取能源互联网负荷端多个负荷的需求供电量L(t)，表示为：

L(t)＝[L₁(t),L₂(t),...,L_n(t)]

其中，L_i(t)为负荷i在时刻t所需电量，n为负荷端的负荷总数；

(3)每台能源路由器向负荷供电时具有不同的能量传输距离，对应不同的能量线损率，该分布式发电区域的能量线损率H_loss表示为：

其中，D_ji为设备j与负荷i的能量传输距离，δ为单位传输距离的能量损耗率；

(4)当时刻t每台能源路由器单独向负荷供电时，所需发电量E_p(t)为：

每台能源路由器所需发电量与自身剩余能量占比K为：

(5)在选取能源路由器向负荷供电时，综合考虑每台能源路由器发电配比与实际使用时长两方面，其中发电配比需考虑该能源路由器所需发电量与自身剩余能量占比，以及该能源路由器供能的损耗与负荷大小比值两项因素；

在t时刻对于某负荷i，首先考虑发电配比R(t,i)为：

其中α为预先设置的第一项因素权重，则1-α为第二项因素权重；

其次根据设备的实际使用时长对发电配比进行相应的调整，得到每台设备对负荷i的实际供能权重W(t,i)，表示为：

(6)对于每个负荷，以每台能源路由器实际供能权重按反比例对其进行供能，即权重值越大，供能占比越小；能源路由器的实际供能Er(t)为：

其中Er_ji(t)表示设备j在t时刻对负荷i的实际供能；

(7)经过供能分配之后，得到每台设备剩余能量E(t+1)为：

当某台设备j的剩余能量达到需要进行更换的最小剩余能量阈值，则需要对该台设备进行更换，获得该台设备的下次更换时间

(8)将m台设备对n个负荷进行供能的总损耗作为目标函数，表示为：

约束条件为：

对每台设备j，应满足以下条件：

其中，P_j(t)为设备j的输出功率，P_j(t)_max为设备j的最大输出功率，通常为额定功率，P_j(t)_min为设备j的最小输出功率；

(9)采用启发式的粒子群算法求解目标函数，使能源路由器更换时间在预先设置的更换时间段内，能量传输总损耗达到最小；目标函数的求解过程具体如下：

(9.1)对每台设备j选取其计算得出的发电配比作为初始配比值，选取设备更换时间从T_f到T_ter之间的随机数作为初始更换时间值，所有设备的初始配比值和初始更换时间值共同作为种群中的一个个体；初始化种群个体数量、最大迭代次数并设置位置参数限制、速度限制、惯性权重w、自我学习因子c₁、群体学习因子c₂；初始化种群位置x(1)为随机位置、种群速度v(1)为随机速度、每个个体及种群的历史最佳位置、历史最佳适应度；

(9.2)对种群中的每个个体i，根据该个体历史最佳位置以及群体历史最佳位置，对个体i的速度和位置进行更新，进而对i的个体及种群历史最佳位置及历史最佳适应度进行更新，并对边界速度及边界位置进行处理，处理方式为超出边界的部分赋值为边界值；对个体i的速度和位置的更新按以下公式计算：

其中，v_i(k)为种群中第i个个体的当前速度，v_i(k-1)为第i个个体的上次更新的速度，r₁，r₂为0到1之间的随机数，p_i为第i个个体历史最佳位置，x_i(k)为第i个个体当前位置，x_i(k-1)为第i个个体的上次更新的位置，p_g为群体的历史最佳位置；

(9.3)计算i在新的位置x_i(k)下的目标函数值，即能量传输总损耗f_i(k)，如果f_k小于i的个体历史最佳位置p_i对应的目标函数值，则将个体历史最佳位置更新为x_i(k)，如果f_k小于群体的历史最佳位置p_g对应的目标函数值，则将群体历史最佳位置更新为x_i(k)；

(9.4)令k＝k+1，返回步骤(9.2)，直到达到最大迭代次数时，种群停止移动，记录种群历史最佳位置，即得到每台设备的下次更换时间，同时计算能量传输的最小损耗。

2.根据权利要求1所述的一种基于粒子群算法的能源路由器更换时间优化配置方法，其特征在于，所述能源路由器包括电力变压器、微型燃气轮机、光伏发电装置。