[发明专利]一种电力配电网的能量优化方法

说明书

本发明公开了电力线宽带载波技术领域的一种电力配电网的能量优化方法，使用改进的粒子群优化算法搜索最大链路权重并进行二次优化得到全局最优解，以实现最大限度地节能，算法实现起来更加简单，收敛更快。对粒子群初始化；基于适应度函数计算粒子的适应度值；对个体极值和群体极值进行历史最优化替代；计算各粒子最大适应度值和平均适应度值的差值，将个体适应度差值作为输入，自适应调节速度和位置，更新粒子速度、位置得到子代种群；动态调整子代个体产生新一代粒子群；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；获取链路权重最大值，使用改进的粒子群优化算法搜索最大链路权重并进行二次优化得到全局最优解。

技术领域

本发明属于电力线宽带载波技术领域，具体涉及一种电力配电网的能量优化方法。

背景技术

在无线通信领域，通过地理自适应保真能量模型来优化移动Ad Hoc(点对点)无线网络中的能量消耗。已有使用基因算法(GA)和模拟退火(SA)元启发算法在移动Ad Hoc网络中从两个方向上产生能量来比较能量最小化过程。基于地域自适应保真算法(GAF)是移动Ad Hoc无线网络中最著名的拓扑管理方案被用于移动Ad Hoc网络的节能管理。在无线AdHoc网络中节点负责数据的传输是以电池做电源的，因此需要节能以提高电池使用时间。相似的节点进入相同网格并且负责数据传输。因此，某个时刻只有一个可以是有效的收发数据的节点并且其余的节点就成为浪费能量的节点。

发明内容

为解决现有技术中的不足，本发明提供一种电力配电网的能量优化方法，使用改进的粒子群优化算法搜索最大链路权重并进行二次优化得到全局最优解，从而得到最小业务流量，以实现最大限度地节能，算法实现起来更加简单，收敛更快。

为达到上述目的，本发明所采用的技术方案是：一种电力配电网的能量优化方法，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，如果较好，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。

一种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；

步骤2：基于适应度函数，计算各粒子的当前适应度值；