基于粒子群算法的可再生能源供给系统优化设计

董 晶

(吉林建筑科技学院 管理工程学院,吉林 长春 130000)

0 引言

可再生能源与不可再生能源相比,最大的优势在于成本低、发展速度快、具有大规模可开发利用价值。但部分可再生能源由于在时间上和空间上的不确定性,每天的发电量会受到气候变化的影响程度较大,因此常常会导致发电和用电负荷不平衡的问题产生[1]。针对可再生能源的供给系统组成和配置成为当前相关领域研究人员重点关注的问题。当前,粒子群算法主要应用在工程领域当中,针对工程应用实例进行数据挖掘,但在能源领域当中的应用较少[2]。同时粒子群算法与其他搜索算法相比,模型结构更加简单,但具有良好的搜索效率和收敛性,因此能够在最短的时间内搜索出精度最高的结果。本文引入粒子群算法对可再生能源供给系统进行优化设计。

1 系统硬件优化设计

本文在引入粒子群算法对可再生能源供给系统进行优化设计时,采用冷热电联产运行模式,确保可再生能源利用效率提升的同时,削弱能源转换和生产过程中对周围环境造成的威胁。通过电网可以提供电力的互补,实现可靠性和经济性更高的运行效果。针对上述供给系统结构,对系统中的监控传感器和制冷热机进行优化选型设计。

1.1 监控传感器优化选型

选用LU49-640型号监控传感器,该型号传感器具备多维度校正功能,能够针对可再生能源的存储特点,对监控过程中产生的误差从多个维度上进行校准,从而为本文系统后续攻击提供更加可靠的数据依据。同时,LU49-640型号监控传感器能够实现远程监控、设置等功能,系统管理用户可以通过移动终端设备,远程控制LU49-640型号监控传感器,实现对供给系统的远程管理。同时,该型号监控传感器能够支持4~20 mA和RS485单路或多路共通。将LU49-640型号监控传感器采集到的数据通过光缆、光纤等方式,传输到本文供给系统的上位机当中,方便系统对各类数据信息的存储。

1.2 制冷热机选型

针对不同可再生能源的使用需求,选用HANIND154-650型号吸收式制冷机,其规格为HXD-25A 25P25HP2;标准制冷量为75.2 kW;运行过程中的输入功率为22.5 kW。同时,该型号吸收式制冷剂采用风冷式箱型结构设计,其材料为304不锈钢,循环水泵设置在吸收式制冷剂的内部,并且在该装置底部安装活动脚轮,能够提高装置移动的方便程度,可根据本文供给系统的运行需要,将其安装在不同的位置和设备上,该型号吸收式制冷剂不需要安装冷却水塔,因此在实际安装时施工工期更短,便于本文系统的研发生产。

2 系统软件优化设计

2.1 构建多目标可再生能源供给模型

为了保证本文优化设计后的基于粒子群算法的可再生能源供给系统具有更好的应用优势,在系统运行的过程中必须确保可再生能源的发电功率在满足负载功率的条件下实现运行[3]。同时,在可再生能源供给系统的运行过程中,存在一个特殊的无法连续的时段,在这一时段当中,系统仍然需要确保运行电量满足负载要求。当其中一种能源无法实现发电时,另一种发电能源的最小功率必须满足如下条件:

公式(1)中,Pmin表示为可再生能源的最小功率;t′表示为可再生能源发电装置的运行时间。将上述多个目标作为本文供给系统的多目标模型,在系统运行过程中,严格保证各项参数均满足上述模型的需要,从而提高本文基于粒子群算法的可再生能源供给系统的应用性能。

2.2 基于粒子群算法的可再生能源互补逻辑生成

本文引入粒子群算法,利用该算法实现对最优可再生能源转换逻辑的求解。在粒子群算法当中,原算法流程的两个变量分别为速度和位置,在计算过程中,将粒子探索得到的最优解作为Pbest,并将该数据进行存储。同时,针对所有粒子在探索过程中得到的最优解集合作为Gbest,并将其存储,Pbest数据和Gbest数据存储均属于对全体共享信息。将可再生能源互补逻辑生成过程看作是寻找最优Gbest值的过程。在不断探索的过程中,某一粒子可以通过参考数据对其本身所在的位置和速度变量进行更新,这一流程的表达式为:

公式(2)中,v表示为粒子本身速度变量;w表示为对v产生影响的惯性参数;i表示为粒子;c1和c2表示为对Pbest数据和Gbest数据移动倾向产生影响的局部趋势参数;r1和r2表示为在0~1之间的随机数值。按照上述流程,对最优配置进行求解,并以此作为可再生能源供给的互补逻辑生成。在计算的过程中,充分考虑到不同变量参数的变化情况,并在求解出随机数值时,采用粒子群算法,利用该算法本身具备的惩罚函数,针对构建多目标可再生能源供给模型时可能产生的多个制约条件进行更好的解决,从而达到最优化的解,实现对不同可再生能源发电比例的控制。

3 供给系统优化前后对比

为了验证前文从硬件和软件两方面提出的优化设计方案是否能够解决优化前供给系统存在的诸多问题,针对其前后供给系统的应用性能进行探究,分别利用优化前后的可再生能源供给系统对某工业园区现有20 kW的风电互补发电机组进行供给。已知该工业园区的空气相对湿度平均值为59.31%,海拔高度约为42.36 m,连续发电时间不能超过5天。对优化前后 供给系统应用后每个月的发电量进行记录,得到如图1所示的实验结果对比图。

图1 供给系统优化前后每月发电量记录

从图1供给系统优化前后每月发电量记录可以看出,两种供给系统应用中,4月、5月、6月和8月、9月的发电量相对较多,与上述工业园区全年每月平均风速和太阳辐射强度表中平均风速数值和太阳辐射强度数值较大的月份对应。但通过对每个月发电量比较可以得出,优化前供给系统的发电量明显小于优化后供给系统的发电量。因此,通过对比实验能够进一步证明,优化后的可再生能源供给系统运行可靠性更强,可实现对可再生能源的高效率利用。

4 结语

本文通过上述论述,在引入粒子群算法的基础上提出了一种全新的可再生能源供给系统,并通过将其应用到实际运行环境中,证明了优化后的供给系统与优化前的供给系统相比,能够在风速、日太阳辐射强度等多种环境因素的影响下,实现最大发电量,提高了对可再生能源的利用率。