[发明专利]基于改进离散型PSO算法的用电智能控制方法及计算机可读存储介质

权利要求书

1.基于改进离散型PSO算法的用电智能控制方法，其特征在于，包括如下步骤：

P1.参数获取步骤，获取空调群的空调数量、空调调节参数和分时电价；

P2.聚合模型构建步骤，获取空调群的运行状态n为空调数量，s_i为每台空调的开关状态；所述空调调节参数包括空调群各台空调的制冷功率P_i＝[P₁,P₂,P₃,...,P_n]，据此计算空调群的实时功率

P3.目标确认步骤，分别以作为电网调度性目标G₁和经济性目标G₂的权重系数，构建优化目标函数，

其中，P_LA.max为空调群在t时刻响应后的实时功率上限，prc(t)_max为响应时的分时电价的最大值，P_base(t)为空调群在t时刻响应前的功率；

P4.参数初始化步骤，初始化各个空调的空调功率P_i和对应的开关状态s_i；

P5.粒子群初始化步骤，对所述优化目标函数G通过空间粒子群初始化，把目标函数中各个连续变量r分别随机选择ceil(r)进行向上取整或者随机选择floor(r)进行向下取整，得到对应的整数变量M，

其中，rand()表示一个[0，1]之间的随机数；

P6.粒子群更新步骤，计算所述粒子群响应后的个体速度v_id和位置x_id；

v_id＝ω×v_id+c₁×r₁(pbest_id-x_id)+c₂×r₂(gbest_id-x_id)，

其中，ω是惯性系数，c1和c2是取值大于等于0的学习因子，r1和r2是[0，1]之间的随机数，pbest_id表示粒子个体最优位置，gbest_id表示每一次迭代后粒子群的最优位置；

其中，1+exp(-v_id))为使得x_id的每一个分量都限制在[0，1]之间的转换限制函数；

P7.求解步骤，以所述优化目标函数G作为适应度函数对所述聚合模型进行适应度评价，从而更新局部与全局最优解；

P8.迭代判断步骤，判断是否达到最大迭代次数，如果达到，则结束计算并输出最优空调聚合群实时功率，否则，返回执行所述粒子群更新步骤。

2.如权利要求1所述的基于改进离散型PSO算法的用电智能控制方法，其特征在于，在所述参数获取步骤中，获取室温调节参数，其包括：室外温度T_o，室内温度T_i，房间等效热阻R_i，房间等效热容C_i和室内温度上限T_max、室内温度下限T_min；所述空调调节参数还包括空调群的能效比η_i＝[η₁,η₂,η₃,...,η_n]，则空调群的总制冷能量Q_i＝η_iP_i。

3.如权利要求2所述的基于改进离散型PSO算法的用电智能控制方法，其特征在于，包括在所述参数获取步骤后执行的空调状态调节步骤，其根据室内温度来确认空调开关状态，

计算t+1时刻的室内温度T^t+1，

约束条件为T_min≤T≤T_max，

其中，T_i^t表示第i个房间内t时刻的室内温度；表示t+1时刻的室外温度；s为空调开关状态，1表示空调开启，0表示空调关闭；Δt为时间间隔确认空调开关状态；

计算t+1时刻空调的运行状态s(t+1)，