System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于麻雀搜索算法的换电站电池充电方法及系统技术方案_技高网

一种基于麻雀搜索算法的换电站电池充电方法及系统技术方案

技术编号:41283368 阅读:4 留言:0更新日期:2024-05-11 09:33
本发明专利技术公开了一种基于麻雀搜索算法的换电站电池充电方法及系统,包括:收集换电站历史换电交易数据;统计全天各时段换电交易次数,构建基于时间序列换电需求预测函数模型,运用时间序列预测用户换电需求;构建削峰填谷响应目标函数和换电站电池充电计划目标函数;基于麻雀搜索算法求解换电站电池充电计划,得到换电站充电优化调度方法。本发明专利技术的有益效果:本发明专利技术根据换电站历史换电交易数据,运用时间序列算法对全天各时段换电站用户换电需求的预测,以确定各时段满电电池需求数量。运用麻雀搜索算法制定换电站电池充电计划。以此发挥换电站服务用户的基本价值,不影响用户换电需求,支撑换电站积极参与电网负荷调控,提高充电效率。

【技术实现步骤摘要】

本专利技术涉及电动汽车换电站,具体为一种基于麻雀搜索算法的换电站电池充电方法及系统


技术介绍

1、近年来,为响应全球节能减排号召,电动汽车逐渐进入人们的日常生活。在国家政策的大力扶持下,电动汽车因环保、高效等优点逐渐获得用户的青睐。随着电动汽车的普及,电池充电需求日益增长,充电需求和电网负荷的调控成为亟待解决的问题。而换电站作为电池充电的重要场所,其相比充电站能为用户提供更高效的服务,同时由于其电池储存集聚的特性,能更便捷性地参与电网调控。但当前对换电站参与电网调控尚处于初级阶段,更多为被动响应,未能充分考虑通过自身储存电池的充电计划调节来提升电网调控的响应程度。

2、同时,由于电动汽车的充电计划制定问题常夹杂着多变量、非线性、维数高以及约束条件复杂等因素,常规的线性规划算法难以有效解决这些问题,而标准粒子群算法容易陷入局部最优的局限,因此采用模拟麻雀搜索算法对其进行寻优。麻雀搜索算法中的麻雀个体具有高度的灵敏度、全面的能力和强大的协作性,这些优势使得该算法具有较强的搜索能力和优化效果,也是引入麻雀搜索算法的主要原因。

3、因此,如何在积极响应削峰填谷调控需求及满足用户换电需求的双目标下,利用麻雀搜索算法模型制定电池充电计划,是当前亟待解决的问题,并以此充分发挥换电站的储能价值,支撑电网稳定运行,提高电网运行效率,助力汽车换电行业节能降耗。


技术实现思路

1、鉴于上述存在的问题,提出了本专利技术。

2、因此,本专利技术解决的技术问题是:如何充分发挥换电站的储能价值,支撑电网稳定运行,提高电网运行效率。

3、为解决上述技术问题,本专利技术提供如下技术方案:一种基于麻雀搜索算法的换电站电池充电方法,包括:

4、收集换电站历史换电交易数据;

5、统计全天各时段换电交易次数,构建基于时间序列换电需求预测函数模型,运用时间序列预测用户换电需求;

6、构建削峰填谷响应目标函数和换电站电池充电计划目标函数;

7、基于麻雀搜索算法求解换电站电池充电计划,得到换电站充电优化调度方法。

8、作为本专利技术所述的基于麻雀搜索算法的换电站电池充电方法的一种优选方案,其中:所述时间序列换电需求预测函数模型包括,基于换电站的历史交易数据,获取历史时间内换电站各天的换电订单数量,采用时间序列分析方法中的arimax模型,构建电池需求预测函数模型,预测全天的换电需求量,并以此作为电池内满电电池的需求数量;

9、以换电站电池库存时间序列作为预测序列,电池储存量、电池消耗量时间序列作为预测因子序列建立arimax模型;arimax模型建模过程主要步骤包括,换电站满电电池库存时间序列的平稳性检测,模型预测残差随机性检验和模型显著性检验,迭代多天预测。

10、作为本专利技术所述的基于麻雀搜索算法的换电站电池充电方法的一种优选方案,其中:所述平稳性检测包括,采用差分运算的方式实现输入序列平稳化,一般采用d阶差分的方式消除输入序列趋势性,k步差分的方式消除序列的周期效应。

11、

12、

13、利用单位根法计算arimax模型特征方程单位根的分布来得出结论,若特征方程存在单位圆外的特征根,则该序列是不平稳序列;假如所有根都在单位圆内则认为序列是平稳序列;采用假设检验的方式来检验平稳性假设,作假设检验:

14、h0:(序列非常平稳)h1:(序列平稳)

15、其中,φ(γ)表示arimax模型特征方程的特征根。

16、在此假设基础上构造adf检验统计量如式:

17、

18、其中,表示的标准差;将统计量τ与假设检验临界值进行比较,一般小于1%显著水平下拒绝原假设的临界值就认为时间序列是平稳的,作为arimax模型的输入。

19、作为本专利技术所述的基于麻雀搜索算法的换电站电池充电方法的一种优选方案,其中:所述模型预测残差随机性检验和模型显著性检验包括,运用arimax模型对换电站全天各时段换电订单数量历史数据进行拟合;并对模型的合理性进行检验;

20、若时间序列的历史真实值和模型预测值的残差是随机白噪声,则说明模型已经充分提取换电站满电电池库存的有效信息;若残差不是随机独立,存在线性相关关系,则说明残差仍具有研究分析价值,需要进一步提取相关信息;采用ljung-box检验来检验残差序列是否包含自相关的关系;arimax模型拟合后的电池库存的残差序列为{εt},间隔k时刻残差序列值之间的自相关系数表示为:

21、

22、残差满足纯随机性检验的原假设和备选假设如下所示:

23、h0:残差序列值之间是相互独立的,序列值之间的自相关系数都为零,即:其中,m的值通过人为选定;

24、h1:残差序列值之间存在自相关性,即至少存在其中k≤m;

25、在此假设基础上,构造统计量lb检验模型残差的随机性;

26、

27、其中,t表示历史数据的样本容量,在原假设成立的基础上,lb满足自由度为m的卡方分布,即在给定显著性水平α的前提下,若则认为残差序列已经是随机白噪声,模型已经充分提取序列的信息;

28、模型显著性检验是考察模型中引入的每个估计参数对模型性能的提升,若参数不显著为0,则认为估计参数是有效,构造假设检验表示为:

29、h0:βj=0,h1:βj≠0,

30、假设βj是的最小二乘估计,那么估计参数βj的方差表示为:

31、

32、则假设检验量t为:

33、

34、当模型残差满足随机白噪声检验且模型每个参数都满足显著性检验,则认为模型是充分有效的;在确定了arimax模型准确之后采用迭代测算法进行未来换电站换电需求预测从而得出相应的换电电池需求。

35、作为本专利技术所述的基于麻雀搜索算法的换电站电池充电方法的一种优选方案,其中:所述构建削峰填谷响应目标函数和换电站电池充电计划目标函数包括,将响应电网削峰填谷调控的目标转化为换电站在对电池充电时所产生的负荷波动最小;均方差和峰均比反映出负荷波动以及电网运行状况,构建以下目标函数:

36、均方差和最小的目标函数

37、

38、峰均比最小目标函数

39、k22=pav/max(pwi+pki)

40、

41、其中,k21表示负荷波动目标函数;k22表示峰均比目标函数;pav表示优化后的日平均负荷;bss所在配电网在i时刻的基础负荷;pwi表示i时刻换电站充电功率;pki表示i时刻换电站充电功率;

42、由于以上两个目标函数量纲差距过大,因此进行规范化并加权处理,得到的多目标函数表达式表示为;

43、

44、其中,f1表示基于配电网负荷波动和峰均比规范化加权处理后目标函数;k21,k22表示优化后区域负荷均方差和值和峰均比的值本文档来自技高网...

【技术保护点】

1.一种基于麻雀搜索算法的换电站电池充电方法,其特征在于,包括:

2.如权利要求1所述的基于麻雀搜索算法的换电站电池充电方法,其特征在于:所述时间序列换电需求预测函数模型包括,基于换电站的历史交易数据,获取历史时间内换电站各天的换电订单数量,采用时间序列分析方法中的ARIMAX模型,构建电池需求预测函数模型,预测全天的换电需求量,并以此作为电池内满电电池的需求数量;

3.如权利要求2所述的基于麻雀搜索算法的换电站电池充电方法,其特征在于:所述平稳性检测包括,采用差分运算的方式实现输入序列平稳化,一般采用d阶差分的方式消除输入序列趋势性,k步差分的方式消除序列的周期效应。

4.如权利要求3所述的基于麻雀搜索算法的换电站电池充电方法,其特征在于:所述模型预测残差随机性检验和模型显著性检验包括,运用ARIMAX模型对换电站全天各时段换电订单数量历史数据进行拟合;并对模型的合理性进行检验;

5.如权利要求4所述的基于麻雀搜索算法的换电站电池充电方法,其特征在于:所述构建削峰填谷响应目标函数和换电站电池充电计划目标函数包括,将响应电网削峰填谷调控的目标转化为换电站在对电池充电时所产生的负荷波动最小;均方差和峰均比反映出负荷波动以及电网运行状况,构建以下目标函数:

6.如权利要求5所述的基于麻雀搜索算法的换电站电池充电方法,其特征在于:所示麻雀搜索算法包括,麻雀搜索算法基于麻雀群体分工协作完成觅食与反捕食任务,将群体分为引领者、伴随者和侦察者三种类型;具体实施流程其起始位置由以下矩阵表示:

7.如权利要求6所述的基于麻雀搜索算法的换电站电池充电方法,其特征在于:所述求解换电站电池充电计划包括,算法参数设置,电动汽车充电需求数量、电池组数量、迭代次数、种群大小;

8.一种采用如权利要求1-7任一所述方法的基于麻雀搜索算法的换电站电池充电系统,其特征在于:

9.一种计算机设备,包括:存储器和处理器;所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现基于麻雀搜索算法的换电站电池充电方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现基于麻雀搜索算法的换电站电池充电方法的步骤。

...

【技术特征摘要】

1.一种基于麻雀搜索算法的换电站电池充电方法,其特征在于,包括:

2.如权利要求1所述的基于麻雀搜索算法的换电站电池充电方法,其特征在于:所述时间序列换电需求预测函数模型包括,基于换电站的历史交易数据,获取历史时间内换电站各天的换电订单数量,采用时间序列分析方法中的arimax模型,构建电池需求预测函数模型,预测全天的换电需求量,并以此作为电池内满电电池的需求数量;

3.如权利要求2所述的基于麻雀搜索算法的换电站电池充电方法,其特征在于:所述平稳性检测包括,采用差分运算的方式实现输入序列平稳化,一般采用d阶差分的方式消除输入序列趋势性,k步差分的方式消除序列的周期效应。

4.如权利要求3所述的基于麻雀搜索算法的换电站电池充电方法,其特征在于:所述模型预测残差随机性检验和模型显著性检验包括,运用arimax模型对换电站全天各时段换电订单数量历史数据进行拟合;并对模型的合理性进行检验;

5.如权利要求4所述的基于麻雀搜索算法的换电站电池充电方法,其特征在于:所述构建削峰填谷响应目标函数和换电站电池充电计划目标函数包括,将响应电网削峰...

【专利技术属性】
技术研发人员:吴宁林锐韩帅阮诗雅肖静陈卫东郭敏吴晓锐张龙飞莫宇鸿郭小璇孙乐平
申请(专利权)人:广西电网有限责任公司电力科学研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1