[发明专利]一种面向能源互联网的智能感知设备规划方法和装置

说明书

本发明公开了一种面向能源互联网的智能感知设备规划方法和装置，包括：基于能源互联网的零碳园区/低碳城市智能感知设备的生命周期成本，构建智能感知设备优化规划数学模型；根据智能感知设备优化规划数学模型利用哈里斯鹰优化算法优化决策变量；当决策变量达到最大迭代次数时算法终止，确定算法终止时决策变量的最优解为最优智能感知设备规划方案，进行智能感知设备的实际规划。本发明提供的智能感知设备优化规划方法，能同时获取城市和园区智能感知设备的数量，位置和被监测设备的连接方式；引入捕食者‑兔子干扰法，优化哈里斯鹰优化算法，提高了强耦合决策变量的能力，满足零碳园区/低碳城市规划经济性要求，效率高，成本低。

技术领域

本发明涉及智能感知设备规划技术领域，特别是一种面向能源互联网的智能感知设备规划方法和装置。

背景技术

在应对全球气候变化挑战的背景下，以低能耗、低污染、低排放为基础的“低碳经济”已成为全球热点，也对电力能源安全运行提出了更高要求。面向能源互联网的零碳园区/低碳城市以新能源为主体，汇集了高比例风/光/生物质等可再生能源、氢发电、煤电、核电等，是未来电力能源的主要承载形式。态势感知技术是在大规模系统环境中，对能够引起系统态势发生变化的要素进行获取、理解、显示，并预测未来发展趋势等活动的一种技术，流程可划分为态势觉察、态势理解、态势预测等3个阶段。其中，态势觉察阶段主要是为了完成零碳园区/低碳城市数据或信息收集的任务，即获取并检测环境中的重要特征元素。因此，如何合理规划零碳园区/低碳城市中用于数据收集与分析智能感知设备，是保证零碳园区/低碳城市能源系统可靠、安全、优质、低碳和经济运行成为焦点之一。

零碳园区/低碳城市中的智能感知设备是用于零碳园区/低碳城市数据采集和管理的新设备。然而，由于零碳园区/低碳城市需要收集信息的设备具有大规模、分散性和无序性的特点，且智能感知设备的昂贵价格，在每个零碳园区/低碳城市每一个需要监测信息的监测点都按照智能感知设备收集信息对于大规模应用来说成本过高且数据采集效率低。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述和/或现有的一种面向能源互联网的智能感知设备规划方法中存在的问题，提出了本发明。

因此，本发明所要解决的技术问题在于：现有的智能感知设备规划成本高，数据采集效率低的问题。

为解决上述技术问题，本发明提供如下技术方案：一种面向能源互联网的智能感知设备规划方法，其包括：

基于能源互联网的零碳园区/低碳城市智能感知设备的生命周期成本，构建智能感知设备优化规划数学模型；

利用哈里斯鹰优化算法优化所述智能感知设备优化规划数学模型的决策变量；

当所述决策变量达到最大迭代次数时算法终止，确定算法终止时决策变量的最优解为最优智能感知设备规划方案，进行智能感知设备的实际规划。

作为本发明所述的面向能源互联网的智能感知设备规划方法的一种优选方案，其中：所述生命周期成本包括：投资成本、故障损失成本、通信成本、运维成本。

作为本发明所述的面向能源互联网的智能感知设备规划方法的一种优选方案，其中：智能感知设备优化规划数学模型，包括：目标函数和约束条件；

目标函数，表示为：

minC＝C^I+C^F+C^G+C^C

其中，C^I是投资成本，C^F是总的故障损失成本，C^G是一个智能感知设备的年度通信费用，C^C是运维成本；