基于粒子群优化算法的电能调控充电系统及其操作方法技术方案

本发明专利技术公开了一种基于粒子群优化算法的电能调控充电系统及其操作方法，该系统包括：分布式电源模块、电能变换器模块、常规负荷模块、蓄电池阵列模块、无线充电模块、电压电流检测模块、定位模块、无线通信模块、数据处理器模块、控制器模块。本发明专利技术所提出的操作方法不仅能够根据电力系统的电能变化情况实现电力系统能源侧与负荷侧之间的电能互补，还能保证分拣机器人在不影响电力系统功率平衡的情况下实现自主充电，从而减少电力系统的功率损耗。

Power regulation and charging system and its operation method based on particle swarm optimization algorithm

【技术实现步骤摘要】
基于粒子群优化算法的电能调控充电系统及其操作方法
本专利技术涉及充电
，尤其涉及一种基于粒子群优化算法的电能调控充电系统及其操作方法。
技术介绍
随着人们对生活需求的逐步提高和科学技术的不断更迭，电子商务因其便利的消费方式和个性化的消费体验而备受消费者的青睐，并促进快递行业的快速发展。随着快递业务量的急剧增长，需采用分拣机器人代替人工并对大量快递件进行高效、准确地分拣和运输来满足人们对快递行业的服务质量需求，无人分拣中心便由此应运而生。为提高快递的分拣效率，需保证无人分拣中心的分拣机器人长期处于工作状态，因此需通过无线充电系统来随时补充机器人的动力能源。考虑到无线充电系统在电能传输过程中极易受参数摄动和外部扰动等不确定性因素的影响，因此分拣机器人的充电负荷很难确定。由于分拣机器人充电负荷的不确定性极易引发电网的功率失衡，因此，无人分拣中心急需一种基于粒子群优化算法的电能调控充电系统来降低充电负荷对电网功率平衡的影响。
技术实现思路
本专利技术主要是解决现有充电领域中所存在的技术问题，从而提供一种基于粒子群优化算法的电能调控充电系统及其操作方法。本专利技术的上述技术问题主要是通过下述技术方案得以解决的：本专利技术提供的基于粒子群优化算法的电能调控充电系统，其包括：分布式电源模块、电能变换器模块、常规负荷模块、蓄电池阵列模块、无线充电模块、电压电流检测模块、定位模块、无线通信模块、数据处理器模块、控制器模块；所述分布式电源模块与电能变换器模块相连接；所述电能变换器模块分别与常规负荷模块和蓄电池阵列模块相连接；蓄电池阵列模块与无线充电模块相连接；所述电压电流检测模块分别与分布式电源模块、常规负荷模块、蓄电池阵列模块和无线充电模块相连接；所述定位模块与无线充电模块相连接；所述控制器模块分别与电能变换器模块和无线充电模块相连接；所述无线通信模块分别与电压电流检测模块、定位模块、数据处理器模块和控制器模块相连接。进一步地，所述电能变换器模块包括单向电能变换器和双向电能变换器，其中，单向电能变换器与常规负荷模块相连接，所述双向电能变换器与所述蓄电池阵列模块相连接。进一步地，所述无线充电模块包括无线发射装置和无线接收装置，所述无线发射装置和无线接收装置通过电磁感应原理实现电能的无线传输，其中，无线接收装置位于待充电设备的底部。进一步地，所述无线发射装置包括依次连接的高频逆变电路、谐振补偿拓扑和原边耦合线圈；其中，所述高频逆变电路与蓄电池阵列模块相连接，所述原边耦合线圈与定位模块相连接。进一步地，所述无线接收装置包括依次连接的副边耦合线圈、整流电路和直流电源，其中，所述副边耦合线圈与定位模块相连接，所述直流电源与所述电压电流检测模块相连接。进一步地，所述控制器模块包括相互连接的电能调控控制模块和充电配置控制模块，其中，电能调控控制模块与所述双向电能变换器和无线通信模块相连接，所述充电配置控制模块与无线接收装置和无线通信模块相连接。本专利技术提供的操作上述基于粒子群优化算法的电能调控充电系统的方法，其包括以下步骤：S1、通过电压电流检测模块和定位模块分别对第一采样单元和第二采样单元进行电压电流数据采样和位置数据采样，然后，将所述电压电流数据和位置数据通过无线通信模块传输到数据处理器模块；S2、数据处理器模块对电压电流数据和位置数据进行处理，并计算出所述第一采样单元的瞬时功率和第二采样单元的中心位置坐标；S3、通过电能调控控制模块对蓄电池阵列模块的最优瞬时功率进行预测；S4、通过电能调控控制模块控制双向电能变换器，并使蓄电池阵列模块的瞬时功率达到最优瞬时功率；S5、确定蓄电池阵列模块的瞬时功率与最优瞬时功率是否一致；若否，则返回步骤S4，若是，则确定待充电设备的充电顺序；S6、按照待充电设备的充电顺序实现电能的无线传输。进一步地，所述步骤S1中，所述第一采样单元为分布式电源模块、常规负荷模块、蓄电池阵列模块以及无线接收装置中直流电源；所述第二采样单元为无线充电模块中的原边耦合线圈和副边耦合线圈。进一步地，所述步骤S2包括：S21、计算出分布式电源模块、常规负荷模块、蓄电池阵列模块以及直流电源的瞬时功率，并分别记为Ps、Pl、Pc和Po，同时，将原边耦合线圈和副边耦合线圈的中心位置坐标记为(xp,yp)和(xs,ys)，S22、将第一采样单元的瞬时功率和第二采样单元的中心位置坐标以数组的形式进行存储。进一步地，所述步骤S3包括：通过无线通信模块将分布式电源模块、常规负荷模块、蓄电池阵列模块的瞬时功率传输到电能调控控制模块，同时，根据电能调控控制模块上安装的粒子群优化算法程序，以电力系统功耗最小为约束条件来预测蓄电池阵列模块的最优瞬时功率。进一步地，所述粒子群优化算法包括以下步骤：S31、设置粒子群优化算法的初始化参数；S32、初始化粒子群的位置和速度；S33、设置粒子群优化算法的目标函数；S34、初始化个体及全局最优粒子的位置和目标函数值；S35、更新粒子群的位置和速度；S36、对更新后的粒子群位置与速度进行边界处理，使超过边界值的元素取位置与速度的边界值；S37、根据更新后的粒子群位置与速度来更新个体、集体最优粒子位置以及个体、集体最优粒子目标函数值，经过多次迭代后得到的集体最优粒子位置gbest(n,d)即为蓄电池阵列模块的最优瞬时功率Pcz。进一步地，所述步骤S31中的初始化参数包括：通过读取蓄电池阵列模块的瞬时功率数组的长度得到粒子维度D；种群规模N、迭代次数T的初始值设为100；蓄电池阵列模块的瞬时功率P，其中，Pmin＝-(Ps-Pl)/2D，Pmax＝(Ps-Pl)/2D；迭代变化速度V，Vmin＝-(Ps-Pl)/D；Vmax＝(Ps-Pl)/D；个体学习因子c1，集体学习因子c2的初始值均为2；惯性权重ω＝1；其中，Ps为分布式电源模块的瞬时功率；Pl为常规负荷模块的瞬时功率。进一步地，所述步骤S32包括：S321、根据公式(1)确定粒子群中每一个粒子的初始位置，其中，rand(N,D)为N行D列的随机矩阵，矩阵元素在-1-1之间变化；popx(n,d)＝rand(N,D)×(Pmax-Pmin)+Pmin(1)S322、根据公式(2)确定粒子群中每一个粒子的初始速度，其中，rand(N,D)为N行D列的随机矩阵，矩阵元素在-1-1之间变化；popv(n,d)＝rand(N,D)×(Vmax-Vmin)+Vmin(2)进一步地，所述步骤S33中：粒子群优化算法的目标函数的表达式见公式(3)：式中，Ps为分布式电源模块的瞬时功率；Pl为常规负荷模块的瞬时功率；popx(n,d)为粒子群中每一个粒子的初始位置。进一步地，所述步骤S34中：个体最优粒子位本文档来自技高网...

【技术保护点】
1.一种基于粒子群优化算法的电能调控充电系统，其特征在于，包括：分布式电源模块(1)、电能变换器模块(2)、常规负荷模块(3)、蓄电池阵列模块(4)、无线充电模块(5)、电压电流检测模块(6)、定位模块(7)、无线通信模块(8)、数据处理器模块(9)、控制器模块(10)；/n所述分布式电源模块(1)与电能变换器模块(2)相连接；所述电能变换器模块(2)分别与常规负荷模块(3)和蓄电池阵列模块(4)相连接；蓄电池阵列模块(4)与无线充电模块(5)相连接；/n所述电压电流检测模块(6)分别与分布式电源模块(1)、常规负荷模块(3)、蓄电池阵列模块(4)和无线充电模块(5)相连接；/n所述定位模块(7)与无线充电模块(5)相连接；/n所述控制器模块(10)分别与电能变换器模块(2)和无线充电模块(5)相连接；/n所述无线通信模块(8)分别与电压电流检测模块(6)、定位模块(7)、数据处理器模块(9)和控制器模块(10)相连接。/n

【技术特征摘要】
1.一种基于粒子群优化算法的电能调控充电系统，其特征在于，包括：分布式电源模块(1)、电能变换器模块(2)、常规负荷模块(3)、蓄电池阵列模块(4)、无线充电模块(5)、电压电流检测模块(6)、定位模块(7)、无线通信模块(8)、数据处理器模块(9)、控制器模块(10)；
所述分布式电源模块(1)与电能变换器模块(2)相连接；所述电能变换器模块(2)分别与常规负荷模块(3)和蓄电池阵列模块(4)相连接；蓄电池阵列模块(4)与无线充电模块(5)相连接；
所述电压电流检测模块(6)分别与分布式电源模块(1)、常规负荷模块(3)、蓄电池阵列模块(4)和无线充电模块(5)相连接；
所述定位模块(7)与无线充电模块(5)相连接；
所述控制器模块(10)分别与电能变换器模块(2)和无线充电模块(5)相连接；
所述无线通信模块(8)分别与电压电流检测模块(6)、定位模块(7)、数据处理器模块(9)和控制器模块(10)相连接。


2.如权利要求1所述的基于粒子群优化算法的电能调控充电系统，其特征在于，所述电能变换器模块(2)包括单向电能变换器(201)和双向电能变换器(202)，其中，单向电能变换器(201)与常规负荷模块(3)相连接，所述双向电能变换器(202)与所述蓄电池阵列模块(4)相连接。


3.如权利要求1所述的基于粒子群优化算法的电能调控充电系统，其特征在于，所述无线充电模块(5)包括无线发射装置(501)和无线接收装置(502)，所述无线发射装置(501)和无线接收装置(502)通过电磁感应原理实现电能的无线传输，其中，无线接收装置(502)位于待充电设备的底部。


4.如权利要求3所述的基于粒子群优化算法的电能调控充电系统，其特征在于，所述无线发射装置(501)包括依次连接的高频逆变电路(5011)、谐振补偿拓扑(5012)和原边耦合线圈(5013)；其中，所述高频逆变电路(5011)与蓄电池阵列模块(4)相连接，所述原边耦合线圈(5013)与定位模块(7)相连接。


5.如权利要求4所述的基于粒子群优化算法的电能调控充电系统，其特征在于，所述无线接收装置(502)包括依次连接的副边耦合线圈(5021)、整流电路(5022)和直流电源(5023)，其中，所述副边耦合线圈(5021)与定位模块(7)相连接，所述直流电源(5023)与所述电压电流检测模块(6)相连接。


6.如权利要求5所述的基于粒子群优化算法的电能调控充电系统，其特征在于，所述控制器模块(10)包括相互连接的电能调控控制模块(1001)和充电配置控制模块(1002)，其中，电能调控控制模块(1001)与所述双向电能变换器(202)和无线通信模块(8)相连接，所述充电配置控制模块(1002)与无线接收装置(502)和无线通信模块(8)相连接。


7.一种操作如权利要求1-6任一项所述的基于粒子群优化算法的电能调控充电系统的方法，其特征在于，包括以下步骤：
S1、通过电压电流检测模块(6)和定位模块(7)分别对第一采样单元和第二采样单元进行电压电流数据采样和位置数据采样，然后，将所述电压电流数据和位置数据通过无线通信模块(8)传输到数据处理器模块(9)；
S2、数据处理器模块(9)对电压电流数据和位置数据进行处理，并计算出所述第一采样单元的瞬时功率和第二采样单元的中心位置坐标；
S3、通过电能调控控制模块(1001)对蓄电池阵列模块(4)的最优瞬时功率进行预测；
S4、通过电能调控控制模块(1001)控制双向电能变换器(202)，并使蓄电池阵列模块(4)的瞬时功率达到最优瞬时功率；
S5、确定蓄电池阵列模块(4)的瞬时功率与最优瞬时功率是否一致；若否，则返回步骤S4，若是，则确定待充电设备的充电顺序；
S6、按照待充电设备的充电顺序实现电能的无线传输。


8.如权利要求7所述的基于粒子群优化算法的电能调控充电系统，其特征在于，所述步骤S1中，所述第一采样单元为分布式电源模块(1)、常规负荷模块(3)、蓄电池阵列模块(4)以及无线接收装置(502)中直流电源(5023)；所述第二采样单元为无线充电模块(5)中的原边耦合线圈(5013)和副边耦合线圈(5021)。


9.如权利要求7所述的基于粒子群优化算法的电能调控充电系统的操作方法，其特征在于，所述步骤S2包括：
S21、计算出分布式电源模块(1)、常规负荷模块(3)、蓄电池阵列模块(4)以及直流电源(5023)的瞬时功率，并分别记为Ps、Pl、Pc和Po，同时，将原边耦合线圈(5013)和副边耦合线圈(5021)的中心位置坐标记为(xp,yp)和(xs,ys)，
S22、将第一采样单元的瞬时功率和第二采样单元的中心位置坐标以数组的形式进行存储。


10.如权利要求7所述的基于粒子群优化算法的电能调控充电系统的操作方法，其特征在于，所述步骤S3包括：通过无线通信模块(8)将分布式电源模块(1)、常规负荷模块(3)、蓄电池阵列模块(4)的瞬时功率传输到电能调控控制模块(1001)，同时，根据电能调控控制模块(1001)上安装的粒子群优化算法程序，以电力系统功耗最小为约束条件来预测蓄电池阵列模块(4)的最优瞬时功率。


11.如权利要求10所述的基于粒子群优化算法的电能调控充电系统的操作方法，其特征在于，所述粒子群优化算法包括以下步骤：
S31、设置粒子群优化算法的初始化参数；
S32、初始化粒子群的位置和速度；
S33、设置粒子群优化算法的目标函数；
S34、初始化个体及全局最优粒子的位置和目标函数值；
S35、更新粒子群的位置和速度；
S36、对更新后的粒子群位置与速度进行边界处理，使超过边界值的元素取位置与速度的边界值；
S37、根据更新后的粒子群位置与速度来更新个体、集体最优粒子位置以及个体、集体最优粒子目标函数值，经过多次迭代后得到的集体最优粒子位置gbest(n,d)即为蓄电池阵列模...

【专利技术属性】
技术研发人员：朱爽鑫，田恩刚，魏斌，汤振辉，颜文彬，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海;31