[发明专利]一种基于改进进化算法的家庭能量数据优化方法

权利要求书

1.一种基于改进进化算法的家庭能量数据优化方法，其特征在于，包括：

1)建立家庭能量管理系统的优化数学模型，优化数学模型以整个家庭能量管理系统中一天总电费开支最少作为优化目标并建立优化目标函数，同时建立优化目标函数的约束条件，约束条件包括基本电器约束，基本电器约束包括电能供需平衡约束、热能供需平衡约束、燃料电池约束、蓄电池约束、空调设备约束和开关控制设备约束；

2)输入优化数学模型需要的参数，采用改进改进进化算法对所述优化数学模型进行求解，获取最优变量参数，根据最优变量参数对家庭能量管理系统中的燃料电池、蓄电池、空调设备、开关控制设备进行最优控制，并获得最少电费开支；

所述的家庭能量管理系统包括燃料电池、蓄电池、空调设备、开关控制设备，空调设备、开关控制设备均连接到主要由燃料电池、蓄电池、主网和太阳能光伏所组成的电网中，燃料电池还连接到热能设备，天然气分别连接燃料电池和热能设备；

所述优化目标函数的表达式为：

式中，C表示一天的电费开支；T_grid(h)表示h时刻的电价，p_grid(h)表示h时刻与主网之间的电力交换量；T_gas(h)表示h时刻的天然气价格，p_gas(h)表示h时刻的天然气的直接热能供应量；P_eFC(h)表示h时刻燃料电池的电能输出功率，p_hFC(h)表示h时刻燃料电池的热能输出功率，η_FC(h)表示h时刻燃料电池的效率，γ_FC(h)表示h时刻燃料电池电能和热能比；

所述基本电器约束如下：

A、所述电能供需平衡约束为：

p_grid(h)＝p_eFC(h)+p_ms(h)+p_tm(h)+p_defe(h)+p_batt(h)-p_pv(h)

式中，p_grid(h)代表h时刻与主网之间的交互电量，p_eFC(h)代表h时刻燃料电池的电能输出功率，p_ms(h)代表第h时刻家庭能量管理系统中的基本电能需求量，p_tm(h)代表第h时刻空调设备的用电量，p_defe(h)代表第h时刻开关控制设备的用电量，p_batt(h)代表h时刻蓄电池的充放电量，p_pv(h)代表h时刻太阳能光伏的发电量，分别代表与电网交互的最小电量与最大电量；

B、所述热能供需平衡约束为：

p_gas(h)+p_hFC(h)＝p_h(h)

式中，p_gas(h)表示h时刻的天然气的直接热能供应量，p_hFC(h)表示h时刻燃料电池的热能供应量，p_h(h)表示h时刻家庭能量管理系统的热能需求量；

上述天然气的直接热能供应量p_gas(h)还满足以下天然气直供热能约束为：

式中，代表天然气最大直接供应量；

C、所述燃料电池约束为：

p_eFC(h)-p_eFC(h-1)p_eFC,U

p_eFC(h-1)-p_eFC(h)p_eFC,D

式中，p_eFC(h)和p_eFC(h-1)分别表示h和h-1时刻燃料电池的电能供应量，p_eFC,U表示燃料电池电能上限值，p_eFC,D表示燃料电池电能下限值，和分别表示燃料电池的最小供电电能及最大供电电能；

D、所述蓄电池约束为：

SOC^min≤SOC(h)≤SOC^max

式中：代表第h时刻蓄电池的充电量，代表第h时刻蓄电池的放电量，代表蓄电池的最大放电量，代表蓄电池的最大充电量，η_ch代表蓄电池充电的效率，η_dch代表蓄电池放电的效率，p_batt(h)表示电池的容量，E_batt代表蓄电池总容量，SOC(h)代表h时刻蓄电池的电量状态，SOC^min代表电池的最少电量比例，SOC^max代表电池的最大电量比例；

E、所述空调设备约束为：

式中，T_in(h+1),T_in(h)分别表示h、h+1时刻室内空气的温度(℃)，Δ代表时间间隔，RC表示热阻参数，RC＝9.45；p_tm(h)代表第h时刻的热能功率，T_out(h)代表室外温度，代表室内的最低和最高温度，代表最大热能功率；

F、所述开关控制设备约束如下：

式中：δ_a,h表示开关控制设备a在h时刻的工作状态，δ_a,τ表示负荷a在τ时刻的工作状态，α_a,β_a表示开关控制设备a的工作区域，表示开关控制设备a在当前h₀时刻的工作状态，H_a表示开关控制设备a需要完成的工作长度，表示h时刻之前的工作状态；h₀表示当前时刻，h表示h₀之前的时刻，τ表示h₀之后的时刻；

所述步骤2)具体为：

2.1)随机产生N_pop个粒子，粒子包含：

随机产生与主网之间的交互电量p_grid、燃料电池的电能输出功率p_eFC、蓄电池的充放电量p_batt、空调设备的用电量p_tm和天然气的直接热能供应量p_gas在24小时内以一个小时为单位进行变化的值，表示为x_grid1...x_grid24,x_eFC1...x_eFC24,x_batt1...x_batt24,x_tm1...x_tm24,x_gas1...x_gas24，x_grid1...x_grid24表示为一天24小时里和主网的交互电量，x_eFC1...x_eFC24表示为一天24小时里燃料电池的电能供应量，x_batt1...x_batt24表示为一天24小时里蓄电池的充放电量，x_tm1...x_tm24表示为一天24小时里空调设备的电量需求，x_gas1...x_gas24表示为一天24小时里天然气的供应量；

随机产生三个开关控制设备在24小时内以一个小时为单位进行变化的开关状态，表示为表示开关控制设备1一天24小时里的开关状态，表示开关控制设备2一天24小时里的开关状态，表示开关控制设备3一天24小时里的开关状态；

2.2)计算目标值和约束值：将所有粒子带入优化数学模型计算出每个粒子对应的目标值和违约值，计算如下：

目标值计算为：

违约值用vF表示，计算为不满足下面约束条件的值：

其中，j表示违约值违约可能性的序数，m表示违约值违约可能性的总数，m＝6，w_j表示第j个违约值的权重，F_j表示第j个违约值；

其中，F_j，j∈{1,...6}分别为：

F₁＝|P_grid(h)-p_batt(h)+p_pv(h)-p_eFC(h)-p_ms(h)-p_tm(h)-p_defe(h)|

F₂＝|p_gas(h)+p_hFC(h)-p_h(h)|

F₃＝|p_eFC(h)-p_eFC(h-1)-p_eFC,U|

F₄＝|p_eFC(h-1)-p_eFC(h)-p_eFC,D|

其中，F₁、F₂、F₃、F₄、F₅和F₆分别表示不满足p_gas(h)+p_hFC(h)＝p_h(h)、p_eFC(h)-p_eFC(h-1)p_eFC,U、p_eFC(h-1)-p_eFC(h)p_eFC,D、SOC^min≤SOC(h)≤SOC^max和约束时的违约值，称为第一、第二、第三、第四、第五、第六违约值，T_grid表示电价，T_gas表示天然气价格，p_hFC表示燃料电池的热能输出功率，η_FC表示燃料电池的效率，p_ms代表家庭能量管理系统中的基本电能需求量，p_pv代表太阳能光伏的发电量，p_defe代表开关控制设备的用电量，p_h表示家庭能量管理系统的热能需求量，SOC代表蓄电池的电量状态；

2.3)判断vF是否为零，如果是零则进入步骤2.4)，否则进行违约值修复流程后进入步骤2.4)；

所述步骤2.3)中的违约值修复流程具体是：

2.3.1)构建违约表达式vC_j,j∈{1,...6}；

vC₁＝|P_grid(h)-p_batt(h)+p_pv(h)-p_eFC(h)-p_ms(h)-p_tm(h)-p_defe(h)|

vC₂＝|p_gas(h)+p_hFC(h)-p_h(h)|

vC₃＝|p_eFC(h)-p_eFC(h-1)-p_eFC,U|

vC₄＝|p_eFC(h-1)-p_eFC(h)-p_eFC,D|

其中，vC₁、vC₂、vC₃、vC₄、vC₅和vC₆分别表示不满足下列表达式p_gas(h)+p_hFC(h)＝p_h(h)、p_eFC(h)-p_eFC(h-1)p_eFC,U、p_eFC(h-1)-p_eFC(h)p_eFC,D、SOC^min≤SOC(h)≤SOC^max和约束时的违约表达式；

2.3.2)计算修复调整值Δx，表达式如下：

其中，表示对违约表达式vC_j的求导；

2.3.3)修复x值：通过以下公式更新x的值；

x^new＝x+Δx

其中，x为原粒子的解，x^new为修复后粒子的解；

2.4)构建N_c个混合粒子群数并进行进化：

2.4.1)以每个粒子的目标值和违约值相加作为粒子的适应度值，以适应度值从小到大对所有粒子进行排序；

2.4.2)按照排序对各个粒子依次进行处理获得混合粒子群，具体是寻找与当前粒子欧式距离最近的另外两个粒子组成一个混合粒子群，然后将新组成的混合粒子群中的三个粒子从排序剔除，再接着对排序中的下一个粒子进行处理获得混合粒子群；

2.4.3)对混合粒子群进行多样化处理：

针对每个混合粒子群，采用以下公式计算混合粒子群的内部多样度值D_i，

AD(i)代表混合群i中粒子的平均距离

如果内部多样度值D_i满足表示预设多样阈值，则采用以下公式对混合粒子群进行发散处理：

其中，表示多样度预设定值，和分别表示第i个混合粒子群里适应度值最大的两个粒子，x_{i_best}表示第i个混合粒子群里适应度值最小的那个粒子，φ是一个随机数；

对所有混合粒子群经过发散处理后，再进行镜像处理：

其中，表示第i个混合粒子群中镜像处理后的粒子，表示第i个混合粒子群中适应度值最小两个粒子之间的随机值，x_{i_worst}表示第i个混合粒子群中适应度值最大的那个粒子，R_step表示镜像步；

将镜像处理后混合粒子群中的每个新粒子适应度值和原混合粒子群中三个粒子的适应度值的最大值进行比较判断，满足以下公式，则用镜像处理后的该新粒子替换原混合粒子群中适应度值最大对应的粒子：

其中，表示第i个混合粒子群镜像处理后粒子的适应度值，f(x_{i_worst})表示第i个混合粒子群中适应度值最大的粒子的适应度值；

2.4.4)对步骤2.4.3)获得的混合粒子群和独立粒子进行更新；

先针对独立粒子和混合粒子群中的最优粒子x_pioneer进行更新，独立粒子是指所有粒子归属混合粒子群后、剩余下来没有归属于与任何混合粒子群的粒子，最优粒子x_pioneer是指每个混合粒子群中适应度值最小的粒子；

然后计算混合粒子群中最优粒子x_pioneer的变化值，以变化值更新该混合粒子群中的其他两个粒子；

2.5)重复上述步骤2.2-2.4)，实时获得p_best和p_gbest并更新，p_best为当前粒子进化过程中的最小适应度值，p_gbest为所有粒子进化过程中的最小适应度值；

若最小适应度值p_best和p_gbest的连续10次值的改变小于0.005，则停止重复步骤，以最终获得的适应度值最小的解为最优变量参数。

2.根据权利要求1所述的一种基于改进进化算法的家庭能量数据优化方法，其特征在于：所述优化目标函数中，h时刻燃料电池的效率η_FC(h)和h时刻燃料电池电能和热能比γ_FC(h)分别采用以下公式计算：

式中，PLR(h)表示h时刻燃料电池的功率负荷率，即表示输出电功率和最大功率的比。