[发明专利]一种电力配电网的能量优化方法

权利要求书

1.一种电力配电网的能量优化方法，其特征是，包括：

将改进的粒子群优化算法嵌入物联网电力宽带载波能量消耗模型来获得整个电力配电网的最小能量消耗，实现电力配电网的能量优化；

其中，物联网电力宽带载波能量消耗模型为：

其中，E_i表示第i个网格的能量消耗，a表示由电子元件决定的常数一，b表示由电子元件决定的常数二，B表示网络面积，λ表示电力配电网的变量强度，μ表示数据发送和接收的速率值，L表示网络总长度，X_i表示第i个网格的长度，c表示由电子元件决定的常数三，X_i-1表示第i-1个网格的长度，σ表示通信路径损失的能量指数；

改进的粒子群优化算法，包括：

步骤1：对粒子群进行初始化，同时随机初始化各粒子；输入粒子群优化算法的参数和链路权重向量作为参数；把链路权重向量作为优化目标函数；

步骤2：基于适应度函数，进行各粒子适应度值计算；将粒子个体作为系统变量输入，基于约束条件产生可行解；

步骤3：针对粒子进行当前适应度值与历史最优适应度值比较，同时进行历史最优值替代；

步骤4：针对粒子进行当前适应度与种群历史最优适应度值比较，并进行历史最优值替换；

步骤5：计算各粒子最大适应度值和平均适应度值的差，获得个体适应度差值，将个体适应度差值作为输入，自适应调节各粒子的速度和位置，更新粒子速度、位置得到子代种群；

步骤6：动态调整子代种群的个体产生新一代粒子群；

步骤7：新一代粒子群中的各粒子通过个体极值和群体极值更新自身的速度和位置；对每个粒子，将其适应度值与最优值进行比较，如果优于最优值，则将其作为当前的最好位置，比较当前所有的个体极值和群体极值的值，更新群体极值；

步骤8：如果获得链路权重最大值，则结束，否则跳转至步骤5；

步骤9：根据最大链路权重计算变量强度，并计算最小流量；

步骤10：重新初始化粒子群，每一个粒子个体都对应着一个网格长度；根据物联网电力宽带载波能耗模型输入模型参数和改进的粒子群优化算法参数；把物联网电力宽带载波能耗模型作为优化目标函数；重复步骤2至步骤7；

步骤11：如果获得整个系统最小总能耗，则结束，否则跳转至步骤5；

所述整个系统最小总能耗是中央协调器、代理协调器或站点在发送、接收、监听和休眠的时候产生能耗的总和：

(12)

其中，m表示网络中的站点总数；

2.根据权利要求1所述的电力配电网的能量优化方法，其特征是，所述步骤6：对粒子群的各粒子进行动态调整，产生新一代粒子群；包括，

引入移民算子，在每一代进化过程中以设定的淘汰率将最差个体淘汰，然后用产生的新个体代替；

过滤相似个体，对子代个体按适应度值排序，依次计算各粒子最大适应度值和平均适应度值的差值和所述差值小于门限delta的相似个体间的广义海明距离；若满足所述差值小于所述门限delta且所述广义海明距离小于所述门限delta，则滤除该粒子；

动态补充子代新个体，将父代中适应度值高的多个个体随机进行多次变异，产生出新个体，加入子代，产生新一代粒子群。

3.根据权利要求1所述的电力配电网的能量优化方法，其特征是，在所述步骤7中，采用公式(1)更新新一代粒子群中各粒子的速度，采用公式(2)更新新一代粒子群中各粒子的位置：

其中，表示第k+1次迭代后粒子的速度，w表示惯性权值，表示第k次迭代后粒子的速度，c₁表示第一学习因子常数，c₂表示第二学习因子常数，表示第k次迭代后第一随机数，表示第k次迭代后粒子个体极值，表示第k次迭代后粒子的位置，表示第k次迭代后第二随机数，表示第k次迭代后粒子群体极值，k表示迭代次数；

其中，表示第k+1次迭代后粒子的位置。