[發明專利]基于粒子群優化算法的電能調控充電系統及其操作方法

有效

• 申請號: 202010063451.5
• 申請日: 2020-01-20
• 公開（公告）號: CN111181215B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 朱爽鑫;田恩剛;魏斌;湯振輝;顏文彬
• 申請（專利權）人: 上海理工大學
• 主分類號: H02J7/00
• 分類號: H02J7/00;H02J50/12;G06N3/006
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 王一琦;季申清

1.一種基于粒子群優化算法的電能調控充電系統的操作方法，其特征在于，該系統包括：分布式電源模塊(1)、電能變換器模塊(2)、常規負荷模塊(3)、蓄電池陣列模塊(4)、無線充電模塊(5)、電壓電流檢測模塊(6)、定位模塊(7)、無線通信模塊(8)、數據處理器模塊(9)、控制器模塊(10)；

所述分布式電源模塊(1)與電能變換器模塊(2)相連接；所述電能變換器模塊(2)分別與常規負荷模塊(3)和蓄電池陣列模塊(4)相連接；蓄電池陣列模塊(4)與無線充電模塊(5)相連接；

所述電壓電流檢測模塊(6)分別與分布式電源模塊(1)、常規負荷模塊(3)、蓄電池陣列模塊(4)和無線充電模塊(5)相連接；

所述定位模塊(7)與無線充電模塊(5)相連接；

所述控制器模塊(10)分別與電能變換器模塊(2)和無線充電模塊(5)相連接；

所述無線通信模塊(8)分別與電壓電流檢測模塊(6)、定位模塊(7)、數據處理器模塊(9)和控制器模塊(10)相連接；

所述電能變換器模塊(2)包括單向電能變換器(201)和雙向電能變換器(202)，其中，單向電能變換器(201)與常規負荷模塊(3)相連接，所述雙向電能變換器(202)與所述蓄電池陣列模塊(4)相連接；

所述無線充電模塊(5)包括無線發射裝置(501)和無線接收裝置(502)，所述無線發射裝置(501)和無線接收裝置(502)通過電磁感應原理實現電能的無線傳輸，其中，無線接收裝置(502)位于待充電設備的底部；

所述無線發射裝置(501)包括依次連接的高頻逆變電路(5011)、諧振補償拓撲(5012)和原邊耦合線圈(5013)；其中，所述高頻逆變電路(5011)與蓄電池陣列模塊(4)相連接，所述原邊耦合線圈(5013)與定位模塊(7)相連接；

所述無線接收裝置(502)包括依次連接的副邊耦合線圈(5021)、整流電路(5022)和直流電源(5023)，其中，所述副邊耦合線圈(5021)與定位模塊(7)相連接，所述直流電源(5023)與所述電壓電流檢測模塊(6)相連接；

所述控制器模塊(10)包括相互連接的電能調控控制模塊(1001)和充電配置控制模塊(1002)，其中，電能調控控制模塊(1001)與所述雙向電能變換器(202)和無線通信模塊(8)相連接，所述充電配置控制模塊(1002)與無線接收裝置(502)和無線通信模塊(8)相連接；

操作基于粒子群優化算法的電能調控充電系統的方法，包括以下步驟：

S1、通過電壓電流檢測模塊(6)和定位模塊(7)分別對第一采樣單元和第二采樣單元進行電壓電流數據采樣和位置數據采樣，然后，將所述電壓電流數據和位置數據通過無線通信模塊(8)傳輸到數據處理器模塊(9)；

S2、數據處理器模塊(9)對電壓電流數據和位置數據進行處理，并計算出所述第一采樣單元的瞬時功率和第二采樣單元的中心位置坐標；

S3、通過電能調控控制模塊(1001)對蓄電池陣列模塊(4)的最優瞬時功率進行預測；

S4、通過電能調控控制模塊(1001)控制雙向電能變換器(202)，并使蓄電池陣列模塊(4)的瞬時功率達到最優瞬時功率；

S5、確定蓄電池陣列模塊(4)的瞬時功率與最優瞬時功率是否一致；若否，則返回步驟S4，若是，則確定待充電設備的充電順序；

S6、按照待充電設備的充電順序實現電能的無線傳輸；

所述步驟S3包括：通過無線通信模塊(8)將分布式電源模塊(1)、常規負荷模塊(3)、蓄電池陣列模塊(4)的瞬時功率傳輸到電能調控控制模塊(1001)，同時，根據電能調控控制模塊(1001)上安裝的粒子群優化算法程序，以電力系統功耗最小為約束條件來預測蓄電池陣列模塊(4)的最優瞬時功率；

所述粒子群優化算法包括以下步驟：

S31、設置粒子群優化算法的初始化參數；

S32、初始化粒子群的位置和速度；

S33、設置粒子群優化算法的目標函數；

S34、初始化個體及全局最優粒子的位置和目標函數值；

S35、更新粒子群的位置和速度；

S36、對更新后的粒子群位置與速度進行邊界處理，使超過邊界值的元素取位置與速度的邊界值；

S37、根據更新后的粒子群位置與速度來更新個體、集體最優粒子位置以及個體、集體最優粒子目標函數值，經過多次迭代后得到的集體最優粒子位置gbest(n,d)即為蓄電池陣列模塊(4)的最優瞬時功率P_cz；

所述步驟S31中的初始化參數包括：

通過讀取蓄電池陣列模塊(4)的瞬時功率數組的長度得到粒子維度D；

種群規模N、迭代次數T的初始值設為100；

蓄電池陣列模塊(4)的瞬時功率P，其中，P_min＝-(P_s-P_l)/2D，P_max＝(P_s-P_l)/2D；

迭代變化速度V，V_min＝-(P_s-P_l)/D；V_max＝(P_s-P_l)/D；

個體學習因子c₁，集體學習因子c₂的初始值均為2；

慣性權重ω＝1；

其中，P_s為分布式電源模塊(1)的瞬時功率；P_l為常規負荷模塊(3)的瞬時功率；Pmin為最小瞬時功率，Pmax為最大瞬時功率；Vmin為最小迭代變化速度，Vmax為最大迭代變化速度；

所述步驟S32包括：

S321、根據公式(1)確定粒子群中每一個粒子的初始位置，其中，rand(N,D)為N行D列的隨機矩陣，矩陣元素在-1-1之間變化；

popx(n,d)＝rand(N,D)×(P_max-P_min)+P_min?????????????????(1)

S322、根據公式(2)確定粒子群中每一個粒子的初始速度，其中，rand(N,D)為N行D列的隨機矩陣，矩陣元素在-1-1之間變化；

popv(n,d)＝rand(N,D)×(V_max-V_min)+V_min??????????????????(2)

式中：popx(n，d)為每一個粒子的初始位置，popv(n，d)為每一個粒子的初始速度。