一种光伏智能边缘终端优化布局方法与流程

本发明涉及电力技术，尤其涉及一种光伏智能边缘终端优化布局方法。

背景技术：

1、光伏智能边缘终端是一种新型的光伏数据采集设备，不仅可以实现光伏数据采集的自动化，智能化，而且可以对采集到的光伏数据进行预处理，减轻云端处理器的压力，有效保证光伏站安全稳定运营，关于光伏智能边缘终端的优化布局问题，从电站运行可靠性的角度来看，选用一站一台式的配置方式是最佳的配置方式，然而由于光伏智能边缘终端价格十分昂贵，在实际工程中这种配置方式实施难度大。目前区域内的分布式光伏站具有分散无序、接线复杂、数据采集需求类同等特点，如何进行光伏智能边缘终端合理优化布局，实现一台光伏智能边缘终端对多个分布式光伏站的数据采集，意义重大，非常必要。

2、优化模型的求解方法大致可分枚举法和智能算法。枚举法是通过列举所有可行解并对其进行评估，确保最终解的全局最优性，但容易遇到维数灾难，不具有普适性。智能算法虽不一定寻找到全局最优解，但它不需要列举所有可行解，在求解速度方面有很大的优势。针对本发明所针对的分布式光伏站，由于其具有分散无序、接线复杂、数据采集需求类同等特点，如何找到合适的智能算法来求解优化模型，并提高求解精度，仍有待研究。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺点，通过采用粒子群算法利用自身最优与全局最优共同引导粒子飞行，收敛速度快但容易陷入局部最优，本发明还引入郊狼优化算法中幼狼的出生操作，利用郊狼的幼狼出生中的变异来为粒子群增添新的基因，以提高粒子群算法的种群多样性，避免单纯使用自身极值与全局极值引导粒子飞行导致种群过早收敛，而提出的一种光伏智能边缘终端优化布局方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种光伏智能边缘终端优化布局方法，包括以下步骤：建立模型、建立数据、建立算法、记录结果以及对比结果，所述建立模型包括建立光伏智能边缘终端优化布局模型，以经济性指标设定优化的目标函数，并确定光伏智能边缘终端布局的约束条件，包括光伏智能边缘终端的通信连接约束、布局资金约束、数据容量约束、通信距离约束和接口数量约束。

4、优选地，所述建立数据包括设布局的光伏智能边缘终端的数量为n，需要配置终端的分布式光伏站的数量为m，根据模型约束条件，设布局中光伏智能边缘终端的最低数量为nmin，最高为数量nmax＝m，nmax状态即表示所有分布式光伏站均配置一台光伏智能边缘终端；初始状态下n＝nmin，并计算此时的成本c作为当前最低成本为cmin，初始状态下光伏智能边缘终端的最优布局数量nbest＝nmax。

5、优选地，所述建立算法包括在光伏智能边缘终端数量n的基础下，通过粒子群算法求解出在该数量下的最优光伏智能边缘终端的位置以及光伏智能边缘终端与各个分布式光伏站的连接方式。

6、优选地，所述记录结果记录光伏智能边缘终端的数量为n时的最优粒子与最优粒子对应的成本c。

7、优选地，所述对比结果将步骤4的结果与步骤2的最低成本cmin比较，若成本c低于此时的全局最低成本cmin，用成本c更新全局最低成本cmin，用当前数量n更新全局最优数量nbest，如果n＝m-1，退出算法，并输出全局最优数量nbest对应的粒子，即最优方案，否则，n＝n+1，并返回建立算法重新计算。

8、优选地，所述粒子群算法如下：

9、s1，初始化种群每个粒子的位置xl＝(xl1,xl2,...xlq)和速度vl＝(vl1,vl2,...vlq)，q表示搜索空间的维度；

10、s2，计算每个粒子的适应度值f[l]；

11、s3，对每个粒子，用它的适应度值f[l]与个体极值pl比较，如果f[l]＞pl，则用f[l]替换pl；

12、s4,对每个粒子，用它的适应度值f[l]与全局极值pg比较，如果f[l]＞pg，则用f[l]替换pg；

13、s5,如果迭代次数达到最大，退出算法并输出最优结果；其中，对粒子群算法进行改进，针对惯性权重w提出一种凸函数递减法与随机惯量权重法组合的惯性权重自适应方法，具体如下：w＝wmin+(1-k/kmax)2wmax+rpcp式中，wmin为设置的最小惯性权重，wmax为设置的最大惯性权重，k为当前迭代次数，kmax为最大迭代次数，rp为[-1,1]之间均匀分布的随机数，cp代表权重改变的幅值；在粒子群算法迭代中，引入郊狼优化算法中幼狼的出生操作，粒子出生与死亡的步骤如下：

14、s5.1,在粒子速度与位置更新完毕后，将粒子随机分成f组，每组有c个粒子，c＞2，以组为单位对f个小组分别进行新粒子的出生与死亡操作，设最初粒子的年龄均为0，每次所有粒子的出生与死亡操作后，所有粒子的年龄加1；

15、s5.2,在一组粒子中，随机选择两个粒子cr1、cr2作为新粒子的父母，并选择两个随机维度q1和q2；

16、s5.3,新粒子出生后，计算比较组内粒子与新粒子的适应度值，当组内只有一个粒子的适应度比新粒子差时，则此粒子死亡，新粒子存活，并设新粒子的年龄为0；当组内有多个粒子的适应度比新粒子差时，年龄最大的粒子死亡，如果这些粒子的年龄相同,则适应度最差的粒子死亡，新粒子存活，并设新粒子的年龄为0；组内所有粒子的适应度都比新粒子好时，新粒子死亡。

17、本发明的有益效果：

18、1、通过采用粒子群算法利用自身最优与全局最优共同引导粒子飞行，收敛速度快但容易陷入局部最优，本发明还引入郊狼优化算法中幼狼的出生操作，利用郊狼的幼狼出生中的变异来为粒子群增添新的基因，以提高粒子群算法的种群多样性，避免单纯使用自身极值与全局极值引导粒子飞行导致种群过早收敛。

19、2、通过采用一种凸函数递减法与随机惯量权重法组合的惯性权重自适应方法，以弥补两种惯性权重自适应方法的不足，引入郊狼优化算法中幼狼的出生操作，利用郊狼的幼狼出生中的变异来为粒子群增添新的基因，解决了传统粒子群算法求解精度低的问题，具有更高的求解精度。

技术特征：

1.一种光伏智能边缘终端优化布局方法，其特征在于，包括以下步骤：建立模型、建立数据、建立算法、记录结果以及对比结果，所述建立模型包括建立光伏智能边缘终端优化布局模型，以经济性指标设定优化的目标函数，并确定光伏智能边缘终端布局的约束条件，包括光伏智能边缘终端的通信连接约束、布局资金约束、数据容量约束、通信距离约束和接口数量约束。

2.根据权利要求1所述的一种光伏智能边缘终端优化布局方法，其特征在于，所述建立数据包括设布局的光伏智能边缘终端的数量为n，需要配置终端的分布式光伏站的数量为m，根据模型约束条件，设布局中光伏智能边缘终端的最低数量为nmin，最高为数量nmax＝m，nmax状态即表示所有分布式光伏站均配置一台光伏智能边缘终端；初始状态下n＝nmin，并计算此时的成本c作为当前最低成本为cmin，初始状态下光伏智能边缘终端的最优布局数量nbest＝nmax。

3.根据权利要求2所述的一种光伏智能边缘终端优化布局方法，其特征在于，所述建立算法包括在光伏智能边缘终端数量n的基础下，通过粒子群算法求解出在该数量下的最优光伏智能边缘终端的位置以及光伏智能边缘终端与各个分布式光伏站的连接方式。

4.根据权利要求3所述的一种光伏智能边缘终端优化布局方法，其特征在于，所述记录结果记录光伏智能边缘终端的数量为n时的最优粒子与最优粒子对应的成本c。

5.根据权利要求4所述的一种光伏智能边缘终端优化布局方法，其特征在于，所述对比结果将步骤4的结果与步骤2的最低成本cmin比较，若成本c低于此时的全局最低成本cmin，用成本c更新全局最低成本cmin，用当前数量n更新全局最优数量nbest，如果n＝m-1，退出算法，并输出全局最优数量nbest对应的粒子，即最优方案，否则，n＝n+1，并返回建立算法重新计算。

6.根据权利要求5所述的一种光伏智能边缘终端优化布局方法，其特征在于，所述粒子群算法如下：

技术总结
本发明公开了一种光伏智能边缘终端优化布局方法，包括以下步骤：建立模型、建立数据、建立算法、记录结果以及对比结果，所述建立模型包括建立光伏智能边缘终端优化布局模型，以经济性指标设定优化的目标函数，并确定光伏智能边缘终端布局的约束条件。本发明通过采用粒子群算法利用自身最优与全局最优共同引导粒子飞行，收敛速度快但容易陷入局部最优，本发明还引入郊狼优化算法中幼狼的出生操作，利用郊狼的幼狼出生中的变异来为粒子群增添新的基因，以提高粒子群算法的种群多样性，避免单纯使用自身极值与全局极值引导粒子飞行导致种群过早收敛。

技术研发人员：郑忠斌,凌颖,黄海艇,杨俊,彭新,阮大治,孙学伟,张楠笛,冯源,张旻,冯益民
受保护的技术使用者：工业互联网创新中心（上海）有限公司
技术研发日：
技术公布日：2024/1/15