考虑全生命周期效能衰减的光伏声屏障多目标优化方法

摘要: 本发明涉及光伏声屏障优化设计,具体为一种考虑全生命周期效能衰减的光伏声屏障多目标优化方法。背景技术:1、光伏声屏障可同步实现清洁发电与噪声抑制,是交通基础设施低...
考虑全生命周期效能衰减的光伏声屏障多目标优化方法

本发明涉及光伏声屏障优化设计,具体为一种考虑全生命周期效能衰减的光伏声屏障多目标优化方法。

背景技术:

1、光伏声屏障可同步实现清洁发电与噪声抑制,是交通基础设施低碳化与声环境治理的重要技术方向。现有光伏声屏障研究中,设计优化主要聚焦于初始工况下的发电效率与降噪性能,未充分考虑光伏组件输出功率随时间的指数衰减规律以及吸声材料因粉尘堵塞、潮气侵蚀导致的性能退化,使设计方案在全生命周期内的综合效能与初始设计预期存在较大偏差。

2、同时,光伏声屏障的发电系统与降噪系统之间存在显著的强耦合关系。由于声屏障通常采用玻璃棉等多孔吸声材料,光伏组件的铺设会遮挡吸声层表面的穿孔,减少声波入射通道,导致吸声效率下降;光伏组件本身不具备吸声性能,若直接用作声屏障屏体,光滑的玻璃表面会引发强烈的噪声反射,严重削弱降噪效果,而在光伏组件上铺设吸声材料,吸声层的穿孔分布若过于密集,又会影响光伏组件的铺设面积,降低光伏发电量。

3、现有优化方法多将发电与降噪作为独立目标分别优化,未能有效处理二者之间的耦合冲突,难以实现多方效益协同最优。因此,本领域待需一种考虑全生命周期的光伏声屏障发电-降噪协同优化的多目标决策模型,以实现经济、环境、降噪的最优解。

技术实现思路

1、为解决或部分解决相关技术中存在的问题,本发明提供一种考虑全生命周期效能衰减的光伏声屏障多目标优化方法。

2、为实现上述目的,本发明的技术方案为:提供一种考虑全生命周期效能衰减的光伏声屏障多目标优化方法,其特征在于:包括如下步骤:

3、s1、采集基础参数,基础参数包括光伏组件参数、吸隔声结构参数、支撑结构参数及安装地点的环境参数;

4、s2、基于s1获取的基础参数,将待优化的设计参数组合为一个决策变量向量,并构建包括光伏发电效能、降噪性能和全生命周期成本的多目标优化模型,并设定多目标优化模型的约束条件;

5、s3、引入时间维度,构建包括光伏组件输出功率衰减、吸声材料吸声系数衰减和耦合衰减因子全生命周期衰减预测模型,并将全生命周期衰减预测模型嵌入s2构建的多目标优化模型,得到嵌入效能衰减特性的多目标优化模型;

6、s4、通过包含惩罚机制和自适应协同收敛策略的改进型ia-nsga-ⅱ算法对s3嵌入全生命周期衰减预测模型的多目标优化模型进行求解,得到兼顾发电、降噪与长期经济性协同最优的帕累托最优解集;

7、s5、从s4输出的帕累托最优解集中选取最优设计方案,按照该设计方案进行光伏声屏障的结构设计、组件与施工安装;

8、s6、在光伏声屏障投入实际运行后,定期采集现场运行数据,与全生命周期衰减预测模型的输出进行对比,根据偏差对模型参数进行在线修正,并将修正后的参数反馈至衰减预测模型中,用于更新后续预测。

9、进一步的,s1中的各基础参数具体包括:

10、光伏组件参数包括光伏组件转换效率、光伏组件单位面积重量、光伏组件倾角、光伏组件铺设面积、光伏组件清洁周期及倾角调整频率;

11、吸隔声结构参数包括吸声层厚度、隔声层厚度、吸声材料穿孔率、吸声材料的吸声系数、隔声材料密度、吸声材料单位体积重量;其中,吸声层为面向噪声源一侧设置的多孔吸声材料层(如玻璃棉、岩棉),用于吸收声波能量;隔声层为背对噪声源一侧设置的密实阻隔层(如金属板、复合板),用于阻挡声波透射。

12、支撑结构参数包括支撑结构最大承载重量;

13、安装地点的环境参数包括年平均太阳辐照量、空气特性阻抗和空气中的声速。

14、进一步的,s2的具体过程为:

15、s2.1、确定决策变量向量x:

16、将待优化的设计参数组合为一个8维决策变量向量

x,表示为:

17、

18、式中,

α光伏组件倾角;

s为光伏组件实际铺设面积;

ηp为组件转换效率;

d1为吸声层厚度;

d2为隔声层厚度;为吸声材料穿孔率;

t为光伏组件清洁周期;

f为倾角调整频率。

19、s2.2、构建多目标优化函数

20、设定三个相互关联、相互制约的优化目标,分别实现发电效能最大化、降噪性能最大化和全生命周期成本最小化,三个目标构成强耦合关系。

21、s2.2.1、计算光伏发电效能

22、以光伏系统年发电量

eyear为量化指标,计算综合考虑年平均辐照量

havg、系统效率、温度衰减和全生命周期内光伏组件的功率指数衰减,公式为:

23、

24、式中,γ为光伏系统综合效率系数;

δt为温度衰减系数;

y为累计年份;为光伏组件年衰减率;表示第一年的发电量;为衰减等效年数,相当于把逐年衰减折算成几个满发年;整个公式相当于第一年的发电量乘以等效满发年数=全生命周期总发电量。

25、s2.2.2、计算降噪性能

26、降噪性能以年均降噪量

navg为量化指标,计算公式为:

27、

28、其中,

nabs为吸声层降噪量;

nins为隔声层降噪量;δ

n为光伏组件遮挡导致的降噪损失;为吸声层性能指数衰减项,为预设的与吸声结构几何配置相关的等效声学参数或静态修正系数;为遮挡损失增长项;γd为损失年增长率;

t为时间(年);

29、降噪性能公式中的各分项得到计算公式为:

30、

31、

32、

33、式中,

αabs为吸声材料的吸声系数;

ρ为隔声材料密度;

c为空气中的声速;

z0为空气特性阻抗,

k为面积影响系数;

stotal为声屏障表面总可用面积。

34、s2.2.3、计算全生命周期成本

35、全生命周期成本

clcc计算公式为:

36、

37、其中,

cinit为初始投资成本、

cop为运行维护成本、

cen为能耗成本。

38、s2.3、设定约束条件

39、s2.3.1、决策变量边界约束为:

40、

41、

42、

43、s2.3.2、性能约束为:

44、

45、

46、s2.3.3、结构安全约束为:

47、

48、式中,

ρp为光伏组件单位面积重量;

ρabs为吸声材料单位体积重量;

wmax为支撑结构最大承载重量。

49、s2.3.4、耦合协调约束

50、为量化并抑制发电-降噪耦合冲突,引入耦合冲突系数,计算公式为:

51、

52、式中,

p(

α)为实际发电功率;

n(

α)为光伏组件倾角为

α时的实际降噪量;

p0为光伏组件的理想发电功率;

n0为降噪系统的理想降噪量。

p0为光伏组件在理想边界条件下的发电功率,通常指标准测试条件下,组件处于最优倾角且无遮挡、无衰减、无灰尘覆盖时的理论最大输出功率;

p0值一般由组件出厂标称功率结合当地最佳倾角下的太阳辐照修正系数推算,或通过实验室可控环境下的短周期峰值测试获得,作为衡量实际运行功率的归一化基准。

n0为降噪系统在无光伏组件遮挡、无材料老化、无粉尘堵塞的理想状态下,吸隔声结构按设计厚度与穿孔率满铺声屏障表面时的理论最大降噪量;

n0值通常依据吸声系数、隔声材料密度、空气特性阻抗等物性参数,通过降噪性能公式在无遮挡损失条件下计算得出。

53、耦合冲突系数需满足的约束为:。

54、s2.4、构建多目标优化模型

55、光伏声屏障发电-降噪强耦合多目标优化模型为:

56、

57、进一步的,s3构建的全生命周期衰减预测模型为:

58、光伏组件输出功率衰减输出功率随时间呈指数衰减,公式为:

59、

60、其中,

p(

t)第

t年的实际输出功率;参数

βp优取0.5%/年,该值为单晶perc组件典型值。

61、吸声材料吸声系数衰减受粉尘堵塞和潮气侵蚀的影响,公式为:

62、

63、式中,为第

t年的实际吸声系数;为初始吸声系数;

βs为吸声材料吸声系数的年衰减率,

βs优取0.3%/年;

αres为残余吸声系数。

64、两种衰减通过耦合衰减因子

ξ(

t)关联:

65、

66、式中,为耦合衰减系数,初始值取0.2,反映发电效率下降导致清洁频率降低、进而加速降噪性能退化的互馈效应。

67、将全生命周期衰减预测模型嵌入s2构建的多目标优化模型,即将原本基于单一年份或静态工况的瞬时性能目标重构为跨全生命周期的时变累积目标。将、分别代入s2的多目标优化模型的发电效能目标与降噪性能目标中。同时,全生命周期成本目标在原有初始投资、运行维护与能耗成本基础上,进一步内化因性能衰减导致的额外清洁维护支出与发电收益折损。基于此,通过耦合衰减因子将光伏与降噪的独立衰减过程关联为互馈衰减过程,使发电效率下降通过降低清洁频率这一中介变量反向加速吸隔声结构的降噪性能退化,从而将发电、降噪与成本三个目标由静态、解耦的状态转变为动态、强耦合、时变的协同优化体系。

68、进一步的,s4中通过改进型ia-nsga-ⅱ算法对s3嵌入全生命周期衰减预测模型的多目标优化模型进行求解的过程为:

69、s4.1、实数编码:每个个体编码为一个8维实数向量,与决策变量向量

x=[

α,

s,

ηp,

d1,

d2,,

t,

f]t一一对应,每个维度的取值范围与决策变量的边界约束一致;

70、s4.2、种群初始化:在特征空间内随机生成若干个个体,每个个体代表一种光伏声屏障设计方案。具体的:初始化时,算法在8个决策变量构成的多维特征空间内,依据各维度预设的上下界约束,通过随机数生成器为种群中的每个个体逐维随机赋值,从而在解空间内均匀或随机地散布若干初始设计方案,形成初始种群。关于决策变量的边界约束范围在s2.3.1中所示。

71、s4.3、引入耦合惩罚机制:设置耦合惩罚因子ω为:

72、

73、式中,

kp为惩罚系数;

λ为耦合冲突系数。

74、将耦合惩罚因子融入以下三个目标函数进行修正,修正后得到的适应度函数为:

75、(1)发电效能适应度函数为:

76、

77、(2)降噪性能适应度函数为:

78、

79、(3)成本适应度函数为(成本最小化转换为最大化问题):

80、

81、式中,

f1、

f2、

f3为修正后的适应度函数值;

clcc,max为全生命周期成本的最大值。

82、s4.4、设计自适应协同收敛策略

83、为提升算法的收敛速度与寻优精度,设计自适应协同收敛策略,动态调整交叉概率与变异概率,使算法在迭代前期可以快速搜索全局最优解,在迭代后期精准收敛,避免陷入局部最优。

84、(1)自适应交叉概率的动态调整公式如下:

85、

86、式中,

pc为自适应交叉概率;

pc0为初始交叉概率;

kc为交叉概率调整系数;

n为当前迭代步数;

gmax为最大迭代步数。

87、(2)自适应变异概率的动态调整公式如下:

88、

89、式中各符号定义如下:为自适应变异概率;

pm0为初始变异概率;

km为变异概率调整系数。

90、s4.5、种群进化:按照修正后的适应度函数值对种群个体进行非支配排序与拥挤度计算,依次执行二进制锦标赛选择操作,选出父代个体;当对每对父代生成随机数≤自适应交叉概率则执行模拟二进制交叉,否则直接复制;当每个子代的每个维度分别生成随机数≤自适应变异概率则执行多项式变异,生成新一代种群。

91、s4.6、重复迭代直至达到最大迭代步数gmax,输出帕累托最优解集。

92、进一步的,s6中在线修正的模型参数包括光伏组件衰减率

βp、吸声材料衰减率

βs和耦合衰减系数,具体的修正方法为:

93、对于光伏组件衰减率

βp:利用定期采集的实际发电功率数据,基于公式采用最小二乘法或指数回归进行拟合,动态更新

βp的实测估计值;

94、对于吸声材料吸声系数的年衰减率

βs:依据吸声系数或屏障后方降噪量的定期实测数据,基于公式进行指数拟合,在扣除残余吸声系数

αres后重新辨识

βs;

95、对于耦合衰减系数:基于耦合衰减因子,利用定期采集的发电功率与降噪量同步观测数据,以为因变量,为自变量进行线性回归,通过回归系数重新估计值。

96、本发明提供了一种考虑全生命周期效能衰减的光伏声屏障多目标优化方法,具备以下有益效果:

97、(1)本发明通过构建嵌入光伏组件输出功率指数衰减、吸声材料吸声系数指数衰减及耦合衰减因子的全生命周期衰减预测模型,解决了现有技术中仅聚焦初始工况设计、未充分考虑长期性能退化导致全生命周期综合效能与初始设计预期严重偏离的技术问题。由此获得了使设计方案在全生命周期内的发电效能和降噪性能衰减规律可量化、可预测,确保长期综合效能与设计预期高度吻合。

98、(2)本发明通过引入耦合冲突系数量化发电与降噪之间的耦合矛盾程度,并将该系数纳入约束条件和ia-nsga-ii算法的耦合惩罚机制中,解决了现有技术中将发电与降噪作为独立目标分别优化、未能有效处理二者强耦合冲突的技术问题。获得了使发电效能与降噪性能在强耦合约束下实现协同最优、避免一方过度牺牲另一方。

99、(3)本发明通过设计自适应协同收敛策略,使交叉概率随迭代进程递减、变异概率随迭代进程递增,并引入耦合惩罚因子对违反耦合协调约束的个体进行惩罚,解决了常规nsga-ii算法采用固定交叉变异概率导致收敛速度慢、易陷入局部最优的技术问题。由此获得了寻优精度高,较常规nsga-ii收敛步数短的显著有益效果。