[发明专利]一种基于QPSO优化算法的换电站运行优化模型分析方法

权利要求书

1.一种基于QPSO优化算法的换电站运行优化模型分析方法，其特征在于所述分析方法包括如下步骤：

步骤一：建立换电站服务模型，换电站服务模型满足以下条件：

将一天24小时分成24个时间段，若i时刻换电站内处于满电、充电、等待充电、放电四种状态的电池数量分别为Ns(i)、Nc(i)、Nw(i)、Nd(i)，由公式得到下一时刻四种状态电池数量：

式中，N_s(i-1)为第i-1个时段处于满电状态的动力电池数量；N_c(i-1)为第i-1个时段处于充电状态的动力电池数量；N_d(i-1)为第i-1个时段处于放电状态的动力电池数量；N_w(i-1)为在第i-1个时段从电动汽车上换下的动力电池数量；N_{c_start}(i-1)为第i-1个时段开始充电的动力电池数量；N_{c_finish}(i-1)为第i-1个时段充满电的动力电池数量；N_{d_start}(i-1)为第i-1个时段开始放电的动力电池数量；N_{d_finish}(i-1)为第i-1个时段放尽电的动力电池数量；N_{EV_need}(i-1)为i-1时段电动汽车卸载的耗尽电量电池数量；

为保证换电服务可用性，制定运行计划时需要每个时段换电站可用电池的数量大于换电汽车的数量，公式如下：

N_s(i)≥N_{EV_need}(i)；

步骤二：定义换电服务模型的优化目标函数：风光－负荷偏差率、风光储购置及运行成本、储能电池使用寿命、新能源发电占电动汽车充电电能的比例，其中：

风光－负荷偏差率计算公式如下：

式中，为24小时内所有负荷的平均功率；P_PV(i)、P_WT(i)分别是i时刻光伏、风机发电功率；N是采样数目；P_L(i)是i时刻负荷的功率大小；

风光储购置及运行成本计算公式如下：

C＝TC_d-(C_in+C_op+C_FC)；

式中，C_d是平均单日电动汽车的换电收益总和；C_op为换电站设备维护成本；C_in是换电站设备投资成本；C_FC是柴油发电机组燃料费用；T是换电站盈利的天数；

储能电池使用寿命的计算公式如下：

式中，γ_EV是单日电动汽车行驶耗能衰减率；γ_d是单日换电站内放电衰减率；N_EV、N_b分别是高速公路电动汽车总量和换电站内动力电池总量；

新能源发电占电动汽车充电电能的比例的计算公式如下：

式中，N_WT、N_PV分别是风力发电机、光伏电池板个数；N_c为换电站内正在充电电池数量；P_c是换电站充电功率；

步骤三：根据目标函数基于QPSO优化算法得到换电站服务模型下的换电站动态运行策略，包括以下子步骤：

步骤三一：根据目标函数设置高速公路换电服务模型的QPSO优化算法的粒子维度，具体步骤如下：

依据步骤一所建立的换电服务模型，设在一个27维的搜索空间里，每个种群由100个粒子组成，即X＝{x₁,...x_i,...x₁₀₀}，27维粒子设置为x＝(N_PV,N_WT,N_b,N_{c_start}(1),N_{c_start}(2)，...，N_{c_start}(24))^T，1-3维粒子为光伏电池板、风力发电机、换电站内动力电池数量，4-27维粒子是换电站每小时开始充电的电池数量；

步骤三二：计算吸引子，其中，所述吸引子由下式计算得到：

式中，p_{best_i}是当前迭代中的第i个粒子历史最好位置；g_best是当前全局最优粒子；p_i是吸引子，用于第i个粒子位置的更新；

步骤三三：粒子位置更新，选择合适换电站服务模型的创新参数，其中，所述粒子位置更新公式为：

式中，x_i是第i个粒子的位置；α是创新参数；u是(0，1)之间服从均匀分布的随机数；公式取+或-的概率分别为0.5；

所述α的取值方式如下：

式中，T_max是迭代的最大次数；itrtn是当前迭代次数；

步骤三四：基于QPSO算法得到换电站动态运行策略，具体步骤如下：

(1)在换电服务模型中输入换电需求预测及风光发电功率预测，得到换电站日前换电计划；

(2)获取换电站实际运行状态，初始化粒子群参数、种群位置和速度，执行步骤(3)，进行滚动优化；

(3)更新粒子速度和位置，判断选择粒子是否符合换电服务模型，如果不符合则先设置罚函数对适应度值进行约束，再执行步骤(4)；如果符合，则直接执行步骤(4)；

(4)评估适应度值并更新粒子最优位置与速度，如果p_best≤G_best，则执行步骤(5)；如果p_best＞G_best，则执行步骤(6)，其中：p_best、G_best分别为当前种群最优值和全局最优值；

(5)更新全局最优粒子位置与速度；

如果则得到全局最优的粒子；如果则执行步骤(3)。