[发明专利]一种基于差分进化算法的光伏传感器优化布置方法

说明书

本发明请求保护一种基于差分进化算法的光伏传感器优化布置方法，包括确定光照灯的平均照度水平和照度均匀度(U_o)的模型；以照明的能耗作为目标函数，以照度水平和均匀性作为约束条件进行优化设计；采用差分进化优化算法(DE)对该光传感器布局问题进行求解；基于差分进化算法求解出的平均调光水平和最佳照度值区域确定传感器的最佳数量和传感器的最佳位置。以最小化成本(即传感器和电能)、提高视觉舒适性和控制器性能(即降低复杂性)。该方法在计算量小和最优解(即光传感器的数目和位置)方面具有优越的性能。此外，该方法对于小型和大型建筑、新建建筑和改造工程中的有线和无线光传感器的实现具有较强的实用性。

技术领域

本发明属于建筑物能源技术领域，尤其涉及一种基于差分进化算法的光伏传感器优化布置方法。

背景技术

全球建筑物中使用的能源占总能源的很大一部分，约占总能源的40％，约占二氧化碳排放量的30％，从而导致温室气体效应，如气候变化和全球变暖。照明是建筑能源系统的主要子系统之一，约占总能耗的20％-45％。

照明系统通过实施几种策略，例如采用节能灯技术、适当的照度级别设计和调光控制，在建筑物中实现更高的节能潜力。对于调光控制，基于光感的控制策略是增加建筑物照明节能的主要策略。因此，光传感器在数量和位置上的布置对传感器的成本和控制系统的性能至关重要。光传感器放置不当导致系统的能源性能不佳，无法实现节能建筑。光传感器的布置方法可以分为三种：固定式(即传感器并置在灯具上)、数学函数和基于优化的方法。

大多数研究都是基于数学函数来考虑光传感器的布局问题。这些方法导致传感器的数量更多，并且传感器的位置不是最优的。因此，它增加了光传感器的初始成本，并且照明系统在不太理想的条件下运行。另一方面，一旦传感器的数量超过灯具的数量，中央控制器就会发生冲突，传感器作为输入向控制器提供照度信息。实际上，在照明系统设计中，传感器的数量(N_s)指的是等于或小于灯具数量(N_l)的逻辑区域的数量，并且可以数学地表示为N_s≤N_l。此外，对于光传感器的布局，将照度均匀性作为设计参数，至今还没有观察到最优的方法。

差分进化算法(DE)是一种著名的基于种群的随机优化技术，它具有参数设置少、计算时间短和自由导数算法等优点。DE已广泛应用于供暖、通风和空调(HVAC)系统。例如，优化房间内区域和冷水的温度设置点。实际上，在照明系统中，DE已被用于优化人工照明和灯具布局设计的调光级别。因此，本研究选择差分进化算法作为光传感器布局问题中LED灯具调光水平的优化技术。以前的工作大多集中在传统优化方法的使用上，如凸优化、线性规划和迭代法。然而，传统的优化方法在处理复杂问题和大型系统时存在较大的缺点，如计算量较大。

因此，设计一种新的光传感器优化布置方法，利用差分进化优化算法，通过最小化灯具的调光水平来实现照明系统控制策略的优化，从而最大限度地降低照明能耗，保持建筑物的视觉舒适性，同时降低传感器的初始成本。

经过检索，申请公开号CN104156584A，一种多目标优化差分进化算法的传感器目标分配方法，该方法包括：根据目标信息进行目标重要程度计算，建立传感器目标分配约束多目标优化函数，分配方案编码和初始种群染色体生成，利用差分进化算法产生子代方案种群，种群合并与筛选，获取分配方案Pareto前端解集等。本发明结合差分进化算法在群体差异启发式随机搜索方面简单易用，鲁棒性好，且具有强有力的全局搜索能力等特点，提供了一种Pareto集多目标优化分配策略；在传感器目标监测效能函数的基础上增加了传感器使用率函数，将分配问题转化为多目标优化问题，可在满足监测精度要求下尽量节约传感器资源，实现传感器资源合理有效的分配。该技术只从求解优化函数的角度出发，虽然优化了传感器的分配，但是增加了目标函数的个数，增加了求解问题的难度和时间。

本发明在建立优化函数之前，在控制策略上，采用脉宽调制PWM来控制调光电平，将能耗提前降至最低，降低了在求解优化问题时的难度。