买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏海洋大学;蓝湾海洋资源开发技术创新中心

摘要：本发明提供一种求解海岛综合能源系统容量规划问题的方法，旨在有效解决海岛综合能源系统配置优化这类高维度、多目标、多约束的复杂优化问题。通过细致的能源系统配置优化建模，使用记忆库类别划分和针对不同记忆库设计的克隆变异策略，有效平衡全局搜索与局部搜索能力，提升求解精度和效率。在算法初期通过扩大搜索范围以增强全局搜索能力，在算法后期通过精细调整以提高局部搜索效率，避免了陷入局部最优解的问题。该方法在综合成本降低、能源利用率提升以及系统可靠性增强方面展现出显著优势，为海岛综合能源系统的规划与优化提供了一种高效、可行的新途径，对于促进清洁能源利用和环境保护具有积极影响。

主权项：1.一种求解海岛综合能源系统容量规划问题的方法，其特征在于，具体步骤如下：S1：能源系统配置优化建模；S1-1：优化变量：包括风机、波浪能发电装置、光伏、集热器、电解槽、海水淡化机组、吸收式制冷机的安装数量以及电储能、热储能、冷储、水储能的额定容量；S1-2：优化目标：海岛综合成本、系统切负荷量、系统资源浪费量三个目标分别体现了海岛经济性、独立性和资源利用率；S1-3：利用步骤S1-2中的三个优化目标进行线性加权处理，得到目标函数的数学模型： 其中，ALC表示综合成本；AWR表示系统资源浪费量；ACL表示系统切负荷量；S2：构建分种群混合变异算法；具体包括：S2-1：记忆库类别划分；具体操作为：假设初始记忆库总容量为NP，计算记忆库中抗体的抗体抗原亲和度并根据亲和度进行排序，前40％的抗体划分到优秀记忆库中，亲和度排名中间30％的抗体划分到中等记忆库中，亲和度排名最后的30％的抗体划分到差等记忆库中；S2-2：优秀记忆库克隆变异策略；具体操作为：在算法迭代初期，选择概率Sp的值较小，有较大的概率选择到受体编辑策略，扩大算法搜索范围，增加算法的全局搜索能力；算法后期，选择概率Sp的值较大，有较大概率选择到高频变异策略，在优秀解附近进一步搜索，增加算法的局部搜索能力，具体计算公式为： 其中，C′it1为该抗体克隆变异后产生的抗体，Pit1为被克隆变异的抗体，为优秀记忆库中随机一个不与Pit1相同的抗体，i，r3∈[1，NP1]，且i≠r3，ω为高频变异的扰动因子，其随着迭代次数的增加逐渐增大，很好的避免了后期优秀记忆库中抗体较为相似导致扰动不足的现象，Xmax，Xmin分别为搜索空间的上下界，受体编辑策略就是在搜索空间中随机产生一些抗体，扩大算法搜索范围，Sp是选择概率，根据当前的迭代次数计算出，用于算法根据迭代情况自适应的选择变异策略，r1，r2，r4，r5为[0，1之间的随机数，t1为当前迭代次数，tmax为最大迭代次数；S2-3：中等记忆库克隆变异策略；具体操作为：自适应差分算子的扰动因子F在初期取值较大，使得抗体产生较大的扰动保持种群多样性；后期取值变小，更好保持优秀抗体的优良基因并在优秀解附近进一步搜索；与差分进化算法不同，自适应差分变异因子随着抗体的克隆规模进行变动，具体计算公式为： F＝f0·2λ16 其中，C′jt1表示表示自适应差分变异操作后的抗体；Pjt1表示当前被克隆变异的抗体，Cs表示该抗体的克隆规模，j，r6，r7∈[NP1+1，NP1+NP2]，且j≠r6≠r7，k＝1，2，...，Cs，f0为初始扰动因子；S2-4：差等记忆库的进化策略；具体操作为：进化初期，各个记忆库中抗体的亲和度值相差不大，此时以较大概率选择自适应扰动策略，以较大的扰动因子增加抗体多样性；算法进化后期，以较大的概率选择最优解引导策略，提高该记忆库的收敛度，具体计算公式为： 其中，GBestt1为当前迭代次数的全局最优解，为当前要进化的抗体，i1，r10，r11∈[NP1+NP2+1，NP]，且i1≠r10≠r11，r8,r9,r12，r13为[0，1之间的随机数；最优解引导策略中以为中心，充分学习全局最优解的优秀基因；以产生随机扰动，在最优解附近进一步搜索，增加算法的局部搜索的能力；自适应扰动策略中以中心，以产生扰动，自适应扰动因子随着算法的迭代逐渐变小；S2-5：抗体抑制策略；具体操作为：改进算法引入了抗体抑制策略，每个抗体克隆变异或进化产生的抗体只有亲和度比上一代的更好才能替换原有抗体，否则记忆库中的该抗体不更新；S3：使用分种群混合变异算法对步骤S1-3中得到的目标函数的数学模型进行求解，以解决能源系统配置优化问题；具体操作步骤为：S3-1：初始化记忆库并记为P，抗体个数为NP，初始化算法参数，包括当前迭代次数t，最大迭代次数tmax，预克隆规模Nc；S3-2：计算记忆库P的抗体与抗原亲和度并排序，记为当前的全局最优解GBest，亲和度排名前40％的抗体种群记为Pe，抗体个数为NP1；亲和度排名中间的30％的抗体种群记为Pm，抗体个数为NP2；亲和度排名最后30％的抗体种群记为Ps，抗体个数为NP3；S3-3：计算出Pe、Pm中每个抗体的克隆规模；根据公式14计算出变异策略的选择概率；S3-4：对于Pe中的每个抗体进行公式12的混合变异策略，由该抗体的克隆规模确定克隆多少个抗体，执行多少次变异，产生多少个新抗体，在新产生的抗体中选择亲和度最高的抗体，如果其亲和度值优于旧抗体则更新记忆库中的旧抗体，并更新全局最优解GBest，反之不更新；对于Pm中的每个抗体进行公式17的自适应差分变异策略，其余操作和Pe中的操作相同；对于Ps中的抗体不进行克隆直接进行公式18的进化操作，如果新产生的抗体亲和度优于旧抗体则更新旧抗体和全局最优解GBest，否则不更新，将三者更新完的记忆库合并记为P，完成整体记忆库的更新；S3-5：终止条件的判断，算法的终止条件为预先设置的最大迭代次数，如果达到终止条件则输出最优解退出循环，否则继续执行步骤S3-2。

全文数据：

权利要求：

百度查询： 江苏海洋大学 蓝湾海洋资源开发技术创新中心 一种求解海岛综合能源系统容量规划问题的方法