基于粒子群算法的可再生能源供給系統(tǒng)優(yōu)化設(shè)計

董 晶

(吉林建筑科技學(xué)院 管理工程學(xué)院,吉林 長春 130000)

0 引言

可再生能源與不可再生能源相比,最大的優(yōu)勢在于成本低、發(fā)展速度快、具有大規(guī)模可開發(fā)利用價值。但部分可再生能源由于在時間上和空間上的不確定性,每天的發(fā)電量會受到氣候變化的影響程度較大,因此常常會導(dǎo)致發(fā)電和用電負(fù)荷不平衡的問題產(chǎn)生[1]。針對可再生能源的供給系統(tǒng)組成和配置成為當(dāng)前相關(guān)領(lǐng)域研究人員重點關(guān)注的問題。當(dāng)前,粒子群算法主要應(yīng)用在工程領(lǐng)域當(dāng)中,針對工程應(yīng)用實例進行數(shù)據(jù)挖掘,但在能源領(lǐng)域當(dāng)中的應(yīng)用較少[2]。同時粒子群算法與其他搜索算法相比,模型結(jié)構(gòu)更加簡單,但具有良好的搜索效率和收斂性,因此能夠在最短的時間內(nèi)搜索出精度最高的結(jié)果。本文引入粒子群算法對可再生能源供給系統(tǒng)進行優(yōu)化設(shè)計。

1 系統(tǒng)硬件優(yōu)化設(shè)計

本文在引入粒子群算法對可再生能源供給系統(tǒng)進行優(yōu)化設(shè)計時,采用冷熱電聯(lián)產(chǎn)運行模式,確?？稍偕茉蠢眯侍嵘耐瑫r,削弱能源轉(zhuǎn)換和生產(chǎn)過程中對周圍環(huán)境造成的威脅。通過電網(wǎng)可以提供電力的互補,實現(xiàn)可靠性和經(jīng)濟性更高的運行效果。針對上述供給系統(tǒng)結(jié)構(gòu),對系統(tǒng)中的監(jiān)控傳感器和制冷熱機進行優(yōu)化選型設(shè)計。

1.1 監(jiān)控傳感器優(yōu)化選型

選用LU49-640型號監(jiān)控傳感器,該型號傳感器具備多維度校正功能,能夠針對可再生能源的存儲特點,對監(jiān)控過程中產(chǎn)生的誤差從多個維度上進行校準(zhǔn),從而為本文系統(tǒng)后續(xù)攻擊提供更加可靠的數(shù)據(jù)依據(jù)。同時,LU49-640型號監(jiān)控傳感器能夠?qū)崿F(xiàn)遠程監(jiān)控、設(shè)置等功能,系統(tǒng)管理用戶可以通過移動終端設(shè)備,遠程控制LU49-640型號監(jiān)控傳感器,實現(xiàn)對供給系統(tǒng)的遠程管理。同時,該型號監(jiān)控傳感器能夠支持4~20 mA和RS485單路或多路共通。將LU49-640型號監(jiān)控傳感器采集到的數(shù)據(jù)通過光纜、光纖等方式,傳輸?shù)奖疚墓┙o系統(tǒng)的上位機當(dāng)中,方便系統(tǒng)對各類數(shù)據(jù)信息的存儲。

1.2 制冷熱機選型

針對不同可再生能源的使用需求,選用HANIND154-650型號吸收式制冷機,其規(guī)格為HXD-25A 25P25HP2;標(biāo)準(zhǔn)制冷量為75.2 kW;運行過程中的輸入功率為22.5 kW。同時,該型號吸收式制冷劑采用風(fēng)冷式箱型結(jié)構(gòu)設(shè)計,其材料為304不銹鋼,循環(huán)水泵設(shè)置在吸收式制冷劑的內(nèi)部,并且在該裝置底部安裝活動腳輪,能夠提高裝置移動的方便程度,可根據(jù)本文供給系統(tǒng)的運行需要,將其安裝在不同的位置和設(shè)備上,該型號吸收式制冷劑不需要安裝冷卻水塔,因此在實際安裝時施工工期更短,便于本文系統(tǒng)的研發(fā)生產(chǎn)。

2 系統(tǒng)軟件優(yōu)化設(shè)計

2.1 構(gòu)建多目標(biāo)可再生能源供給模型

為了保證本文優(yōu)化設(shè)計后的基于粒子群算法的可再生能源供給系統(tǒng)具有更好的應(yīng)用優(yōu)勢,在系統(tǒng)運行的過程中必須確?？稍偕茉吹陌l(fā)電功率在滿足負(fù)載功率的條件下實現(xiàn)運行[3]。同時,在可再生能源供給系統(tǒng)的運行過程中,存在一個特殊的無法連續(xù)的時段,在這一時段當(dāng)中,系統(tǒng)仍然需要確保運行電量滿足負(fù)載要求。當(dāng)其中一種能源無法實現(xiàn)發(fā)電時,另一種發(fā)電能源的最小功率必須滿足如下條件:

公式(1)中,Pmin表示為可再生能源的最小功率;t′表示為可再生能源發(fā)電裝置的運行時間。將上述多個目標(biāo)作為本文供給系統(tǒng)的多目標(biāo)模型,在系統(tǒng)運行過程中,嚴(yán)格保證各項參數(shù)均滿足上述模型的需要,從而提高本文基于粒子群算法的可再生能源供給系統(tǒng)的應(yīng)用性能。

2.2 基于粒子群算法的可再生能源互補邏輯生成

本文引入粒子群算法,利用該算法實現(xiàn)對最優(yōu)可再生能源轉(zhuǎn)換邏輯的求解。在粒子群算法當(dāng)中,原算法流程的兩個變量分別為速度和位置,在計算過程中,將粒子探索得到的最優(yōu)解作為Pbest,并將該數(shù)據(jù)進行存儲。同時,針對所有粒子在探索過程中得到的最優(yōu)解集合作為Gbest,并將其存儲,Pbest數(shù)據(jù)和Gbest數(shù)據(jù)存儲均屬于對全體共享信息。將可再生能源互補邏輯生成過程看作是尋找最優(yōu)Gbest值的過程。在不斷探索的過程中,某一粒子可以通過參考數(shù)據(jù)對其本身所在的位置和速度變量進行更新,這一流程的表達式為:

公式(2)中,v表示為粒子本身速度變量;w表示為對v產(chǎn)生影響的慣性參數(shù);i表示為粒子;c1和c2表示為對Pbest數(shù)據(jù)和Gbest數(shù)據(jù)移動傾向產(chǎn)生影響的局部趨勢參數(shù);r1和r2表示為在0~1之間的隨機數(shù)值。按照上述流程,對最優(yōu)配置進行求解,并以此作為可再生能源供給的互補邏輯生成。在計算的過程中,充分考慮到不同變量參數(shù)的變化情況,并在求解出隨機數(shù)值時,采用粒子群算法,利用該算法本身具備的懲罰函數(shù),針對構(gòu)建多目標(biāo)可再生能源供給模型時可能產(chǎn)生的多個制約條件進行更好的解決,從而達到最優(yōu)化的解,實現(xiàn)對不同可再生能源發(fā)電比例的控制。

3 供給系統(tǒng)優(yōu)化前后對比

為了驗證前文從硬件和軟件兩方面提出的優(yōu)化設(shè)計方案是否能夠解決優(yōu)化前供給系統(tǒng)存在的諸多問題,針對其前后供給系統(tǒng)的應(yīng)用性能進行探究,分別利用優(yōu)化前后的可再生能源供給系統(tǒng)對某工業(yè)園區(qū)現(xiàn)有20 kW的風(fēng)電互補發(fā)電機組進行供給。已知該工業(yè)園區(qū)的空氣相對濕度平均值為59.31%,海拔高度約為42.36 m,連續(xù)發(fā)電時間不能超過5天。對優(yōu)化前后 供給系統(tǒng)應(yīng)用后每個月的發(fā)電量進行記錄,得到如圖1所示的實驗結(jié)果對比圖。

圖1 供給系統(tǒng)優(yōu)化前后每月發(fā)電量記錄

從圖1供給系統(tǒng)優(yōu)化前后每月發(fā)電量記錄可以看出,兩種供給系統(tǒng)應(yīng)用中,4月、5月、6月和8月、9月的發(fā)電量相對較多,與上述工業(yè)園區(qū)全年每月平均風(fēng)速和太陽輻射強度表中平均風(fēng)速數(shù)值和太陽輻射強度數(shù)值較大的月份對應(yīng)。但通過對每個月發(fā)電量比較可以得出,優(yōu)化前供給系統(tǒng)的發(fā)電量明顯小于優(yōu)化后供給系統(tǒng)的發(fā)電量。因此,通過對比實驗?zāi)軌蜻M一步證明,優(yōu)化后的可再生能源供給系統(tǒng)運行可靠性更強,可實現(xiàn)對可再生能源的高效率利用。

4 結(jié)語

本文通過上述論述,在引入粒子群算法的基礎(chǔ)上提出了一種全新的可再生能源供給系統(tǒng),并通過將其應(yīng)用到實際運行環(huán)境中,證明了優(yōu)化后的供給系統(tǒng)與優(yōu)化前的供給系統(tǒng)相比,能夠在風(fēng)速、日太陽輻射強度等多種環(huán)境因素的影響下,實現(xiàn)最大發(fā)電量,提高了對可再生能源的利用率。