[发明专利]一种太阳电池阵—蓄电池组电源系统的多目标优化方法在审

专利信息
申请号: 201811348209.1 申请日: 2018-11-13
公开(公告)号: CN109409004A 公开(公告)日: 2019-03-01
发明(设计)人: 沈建国 申请(专利权)人: 沈建国
主分类号: G06F17/50 分类号: G06F17/50;G06N3/00;G06N3/12
代理公司: 重庆市诺兴专利代理事务所(普通合伙) 50239 代理人: 刘兴顺
地址: 401120 重庆*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 蓄电池组电源 太阳电池阵 储存空间 多目标优化 排序 外部 复制 航天器电源系统 系统运行参数 初始群体 控制变量 目标函数 算法参数 算法迭代 遗传算法 拥挤距离 优化模型 状态变量 初始化 双目标 最小化 最优解 更新 算法 裁剪 种群 违反 优化 改进
【权利要求书】:

1.一种太阳电池阵—蓄电池组电源系统的多目标优化方法,其特征在于,包括以下步骤:

S1、建立满足约束条件的太阳电池阵—蓄电池组电源系统多目标优化模型,即确定最小化航天器电源系统总质量和成本的双目标优化模型,设置太阳电池阵—蓄电池组电源系统运行参数以及距离策略帝国主义算法参数,所述约束条件为蓄电池放电深度不超过允许最大放电深度和蓄电池组在一个轨道周期内可充满电;

S2、初始化种群即国家,计算得到每个国家的目标函数值、约束违反总值以及与控制变量对应的状态变量,并将初始群体复制到外部储存空间;

S3、算法迭代,采用改进的距离策略帝国主义算法进行优化更新国家,所述改进的距离策略帝国主义算法改进在于:殖民地国家的位置更新不止依赖于所在帝国的帝国主义国家位置,还将其他强大殖民地的作用也作为殖民地更新的影响元素;将萤火虫算法的运动力学算法增加到殖民地位置更新中,即殖民地的位置更新不仅受到国家权力值的影响还受到国家间距离的影响;对更新后的国家重新进行仿真计算得到更新后的目标函数值和约束违反总值,将更新后的国家复制到外部储存空间与上一代国家进行非劣排序和拥挤距离计算,然后根据所得的排序情况进行裁剪以保持外部储存空间大小不变;

S4、判断是否满足迭代次数,若不满足,则继续进行算法迭代,若满足,则停止迭代,输出外部储存空间的帕累托最优解集,并根据遗传算法从帕累托最优解集中找到最优折衷解,并按照最优折衷解进行设计。

2.根据权利要求1所述的太阳电池阵—蓄电池组电源系统的多目标优化方法,其特征在于,所述建立航天器电源系统基于质量和成本的目标函数:

J 1=min(m)=min(m SA+m bat+m PCU)

式中J 1表示第一个优化目标,即质量最小;m表示航天器电源系统总质量,m SA表示太阳电池阵质量,m bat表示蓄电池组质量,m PCU表示电源控制设备质量;

J 2=min(c)=min(c SA+c bat+c PCU),式中J 2表示第二个优化目标,即费用最少;c表示航天器电源系统总成本,c SA表示太阳电池阵成本,c bat表示蓄电池组成本,c PCU表示电源控制设备成本,约束条件为:蓄电池放电深度DOD小于最大允许放电深度0.2:DOD≤0.2蓄电池最终能充满电,要求在轨道周期结束时DOD等于0:DOD(end)=0。

3.根据权利要求1所述的太阳电池阵—蓄电池组电源系统的多目标优化方法,其特征在于,所述步骤S2通过计算得到约束违反总值以及与控制变量对应的状态变量,具体包括:

所述的约束违反总值计算式如下:

式中,Vio(u)表示约束违反总值,Ns是状态变量的不等式约束总数,hk(x,u)表示第k个状态变量的不等式约束;

所述的状态变量获取,是在得到确定的控制变量值即国家个体的位置属性后,通过牛顿-拉夫逊迭代法进行计算可得到包括航天器电源系统总质量、太阳电池阵质量、蓄电池组质量、电源控制设备质量、航天器电源系统总成本、太阳电池阵成本、c bat表示蓄电池组成本、c PCU表示电源控制设备成本在内的状态变量大小。

4.根据权利要求1所述的太阳电池阵—蓄电池组电源系统的多目标优化方法,其特征在于,步骤S3将其他强大殖民地的作用也作为殖民地更新的影响元素,改进后的殖民地位置更新公式如下:

P(Colnew)=P(Colold)+β*[P(countrystronger)-P(Colold)]+α*(rand(0,1)-0.5)式中,P(Colnew)表示殖民地更新后的位置,P(Colold)表示殖民地更新前的位置,P(countrystronger)表示殖民地所在帝国中所有比该殖民地更强的国家,也包括该帝国的帝国主义国家,α*(rand(0,1)-0.5)表示扰动项,α表示扰动项系数。

5.根据权利要求1所述的太阳电池阵—蓄电池组电源系统的多目标优化方法,其特征在于,所述根据遗传算法从帕累托最优解集中找到最优折衷解,具体包括:首先产生初始种群,GA优化算法层把设计变量和参数传至仿真层,仿真层进行仿真后,GA优化算法层调用仿真层仿真结果,进行目标函数及约束条件计算,判断是否达到优化目标或满足一定的迭代次数,若不满足则按照遗传算法进行选择、交叉和变异,生成下一代群体继续进行迭代。在所述设计变量和约束条件下,以质量最小和费用最少为目标进行多目标优化设计,最终求得的帕累托最优解。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于沈建国,未经沈建国许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811348209.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top