[發明專利]基于改進粒子群算法的綜合能源系統設備容量優化方法

在審

• 申請號: 202210072948.2
• 申請日: 2022-01-21
• 公開（公告）號: CN114444793A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 戴毅茹;曾依浦
• 申請（專利權）人: 同濟大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/00;G06Q50/06
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 葉敏華

1.一種基于改進粒子群算法的綜合能源系統設備容量優化方法，其特征在于，包括以下步驟：

S1、建立由光伏、風電、CCHP以及電儲能設備組成的綜合能源系統模型；

S2、確定綜合能源系統模型的目標函數以及約束條件；

S3、基于反向學習和精英提升，構建改進的動態多種群無速度項粒子群算法；

S4、利用改進的動態多種群無速度項粒子群算法，結合綜合能源系統模型的目標函數以及約束條件，完成對綜合能源系統設備容量配置的求解，得到最優的容量配置方案。

2.根據權利要求1所述的一種基于改進粒子群算法的綜合能源系統設備容量優化方法，其特征在于，所述綜合能源系統模型的目標函數具體為初始投資成本最小化。

3.根據權利要求1～2任一所述的一種基于改進粒子群算法的綜合能源系統設備容量優化方法，其特征在于，所述綜合能源系統模型的約束條件包括設備運行功率約束和電冷熱功率約束。

4.根據權利要求1所述的一種基于改進粒子群算法的綜合能源系統設備容量優化方法，其特征在于，所述改進的動態多種群無速度項粒子群算法的具體工作過程為：

初始化種群；

對種群進行動態劃分，得到不同子群；

針對不同子群，分別執行相應的進化策略；

更新個體極值，合并子種群、并更新種群極值；

對個體極值執行精英提升進化策略；

對種群極值執行差分進化策略；

判斷是否達到終止條件，若已達到終止條件，則輸出最優解，否則返回繼續迭代。

5.根據權利要求4所述的一種基于改進粒子群算法的綜合能源系統設備容量優化方法，其特征在于，所述初始化種群具體包括：初始化粒子位置，初代個體極值即為當前粒子本身，通過可行性規則確定當前種群中的全局極值。

6.根據權利要求4所述的一種基于改進粒子群算法的綜合能源系統設備容量優化方法，其特征在于，所述不同子群包括首子群以及其他子群。

7.根據權利要求6所述的一種基于改進粒子群算法的綜合能源系統設備容量優化方法，其特征在于，所述首子群對應的進化策略為：

其中，為第t+1代種群的第i個粒子位置，表示第t代種群的第i個粒子的個體歷史最優位置，c₁、c₂為學習因子、具體是非負常數，r₁、r₂為[0，1]之間的隨機數，為粒子X_i通過廣義反向學習得到的新解，γ是[0，1]之間的隨機數，和分別為解空間在第d維的最小、最大邊界值。

8.根據權利要求7所述的一種基于改進粒子群算法的綜合能源系統設備容量優化方法，所述其他子群對應的進化策略為：

其中，為第t+1代種群的第k個子群的第i個粒子位置，c₁，c₂，c₃為學習因子、是非負常數，r₁，r₂，r₃是[0，1]之間的隨機數，為粒子的個體歷史最優位置，為隨機選取的粒子的個體歷史最優位置，Gbest^t為第t代種群的全局最佳粒子，為第t代種群的第k-1個子種群的種群最佳粒子。

9.根據權利要求8所述的一種基于改進粒子群算法的綜合能源系統設備容量優化方法，所述精英提升進化策略具體為：

其中，為粒子X_i通過精英提升策略優化的新個體歷史最優解，Pbest_q、Pbest_w、Pbest_e分別為從種群中隨機選取的個體最優解，α是[0，1]之間的隨機數，d表示第d維。

10.根據權利要求4所述的一種基于改進粒子群算法的綜合能源系統設備容量優化方法，所述終止條件具體為當前迭代次數大于或等于設定的最大迭代次數。