一种综合低碳能源基地选址智能优化方法及装置

1.本发明涉及综合能源技术领域，特别是一种涉及综合低碳能源基地选址智能优化方法、装置、电子设备及介质。


背景技术：

2.综合低碳能源系统在电力供给侧包含了多种能源形式，基本聚集了天然气、风能、氢能、核能、太阳能等不同特性的初始能源形式。同样地，清洁能源的使用可以大大降低碳排放，给整个综合低碳能源系统的生产、调度、消费等每个环节都提出了更高的要求。其中电力生产是综合低碳能源发展的首要问题，合理的建设方案可以使得整个综合能源系统具有更高的经济效益，能够保证较低的碳排放，提高清洁能源利用率，保证生态环境的稳健性。
3.随着综合低碳能源的大规模发展，许多能源基地建设方案已经无法满足现有综合能源体系的要求、综合低碳能源基地建设是一个非确定性多项式时间可解的判定问题。为了最大化的提高综合低碳能源基地建设选址的经济效益以及降低建设成本，需要在复杂的综合低碳能源基地建设规模不断增大的情况下，解决综合低碳能源基地的最优选址问题。


技术实现要素：

4.本发明的目的在于，提供一种涉及综合低碳能源基地选址智能优化方法、装置、电子设备及介质，通过将改进的蛾群优化算法应用于综合低碳能源基地选址，可以提供一种具有求解精度高以及鲁棒性强等优点的综合低碳能源基地选址智能优化方法，从而可以满足综合低碳能源基地建设选址的高效益、低成本的要求。
5.具体地，本发明是通过以下技术方案来实现的：
6.第一方面，本发明提供了一种综合低碳能源基地选址智能优化方法，所述方法包括：
7.根据低碳能源基地建设成本和电力输送成本，构建综合低碳能源基地建设效益评价函数；
8.基于综合低碳能源基地建设效益评价函数，采用精英蛾群优化算法选择经济效益最高的综合低碳能源基地选址方案，其中所述精英蛾群优化算法是通过在下一代进化时将适应度最差的人工蛾替换为上一代适应度最好的人工蛾改进的蛾群优化算法；
9.采用所述经济效益最高的综合低碳能源基地选址方案进行综合低碳能源基地选址。
10.进一步地，所述目标函数表示为：
11.fi＝ec(x(i,:),i)*tc
t
12.式中，fi表示第i只人工蛾的效益值，x(i,:)表示第i只人工蛾的个体编码，ec表示低碳能源基地建设成本矩阵，tc表示电力输送成本矩阵。
13.进一步地，所述精英蛾群优化算法包括以下步骤：
14.初始化基本控制参数与蛾群种群；
15.根据目标评价函数计算适应度值开始算法迭代过程；
16.判断是否达到最大迭代次数，若达到得到最优解；如果不满足，继续返回根据目标评价函数计算适应度值开始算法迭代过程的步骤。
17.进一步地，所述根据目标评价函数计算适应度值开始算法迭代过程，包括：在下一代进化时将适应度最差的人工蛾替换为上一代适应度最好的人工蛾。
18.进一步地，精英蛾群优化算法的输入量包括蛾群规模、迭代次数、空间维度、人工蛾的单个维度变量上下界，输出量包括最优的综合低碳能源基地选址方案。
19.进一步地，所述低碳能源基地建设成本矩阵的行数表示能源基地类型的个数，列数表示待选择的目标城区的个数，所述电力输送成本矩阵的列数表示待选择的目标城区的个数。
20.进一步地，生成蛾群初始解的方式为：
21.x
i,j
＝λ*(ub-lb) lb
22.式中，x
i,j
为蛾群初始解，λ为0到1之间的随机数，ub为人工蛾的单个维度变量上界，lb为人工蛾的单个维度变量下界。
23.第二方面，本发明提供了一种综合低碳能源基地选址智能优化装置，所述装置包括：
24.目标函数构建单元，根据每个城区的低碳能源基地建设成本和电力输送成本，构建综合低碳能源基地建设效益评价函数；
25.最优方案计算单元，根据综合低碳能源基地建设效益评价函数，采用精英蛾群优化算法选择经济效益最高的综合低碳能源基地选址方案，其中所述精英蛾群优化算法是通过在下一代进化时将适应度最差的人工蛾替换为上一代适应度最好的人工蛾改进的蛾群优化算法；
26.智能优化单元，根据所述经济效益最高的综合低碳能源基地选址方案进行综合低碳能源基地选址。
27.第三方面，本发明提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的综合低碳能源基地选址智能优化方法的步骤。
28.第四方面，本发明提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的综合低碳能源基地选址智能优化方法的步骤。
29.本发明提供的一种综合低碳能源基地选址智能优化方法、装置电子设备及介质，通过根据低碳能源基地建设成本和电力输送成本，构建综合低碳能源基地建设效益评价函数，基于综合低碳能源基地建设效益评价函数采用精英蛾群优化算法选择经济效益最高的综合低碳能源基地选址方案，采用所述经济效益最高的综合低碳能源基地选址方案进行综合低碳能源基地选址，可以提供一种具有求解精度高以及鲁棒性强等优点的综合低碳能源基地选址智能优化方法，从而可以满足综合低碳能源基地建设选址的高效益、低成本的要求。
附图说明
30.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
31.图1是根据本发明实施例的综合低碳能源基地选址智能优化方法的流程图；
32.图2是根据本发明实施例的精英蛾群优化算法的步骤的流程图；
33.图3是本发明实施例的方法相对现有方法中采用布谷鸟搜索算法和模拟退火算法的综合低碳能源基地建设选址成本指数值的对比图；
34.图4是根据本发明实施例的综合低碳能源基地选址智能优化装置的示意图；
35.图5是根据本发明实施例的电子设备的结构示意图。
具体实施方式
36.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
37.本发明使用的各种术语或短语具有本领域普通技术人员公知的一般含义，即便如此，本发明仍然希望在此对这些术语或短语作更详尽的说明和解释。如果本文涉及的术语和短语有与公知含义不一致的，则以本发明所表述的含义为准；并且如果在本技术中没有定义，则其具有本领域普通技术人员通常理解的含义。
38.图1是根据本发明实施例的综合低碳能源基地选址智能优化方法的流程图。参照图1，综合低碳能源基地选址智能优化方法可以包括如下步骤：
39.步骤101：根据低碳能源基地建设成本和电力输送成本，构建综合低碳能源基地建设效益评价函数；
40.步骤102：基于综合低碳能源基地建设效益评价函数，采用精英蛾群优化算法选择经济效益最高的综合低碳能源基地选址方案，其中所述精英蛾群优化算法是通过在下一代进化时将适应度最差的人工蛾替换为上一代适应度最好的人工蛾改进的蛾群优化算法；
41.步骤103：采用所述经济效益最高的综合低碳能源基地选址方案进行综合低碳能源基地选址。
42.具体地，在步骤101中，首先通过评估勘察或者参考相关的可行性报告可以获得每个城区的低碳能源基地建设成本ec和电力输送成本tc，然后根据低碳能源基地建设成本ec和电力输送成本tc构建综合低碳能源基地建设效益评价函数，例如效益评价函数(即目标函数)可以表示为：
43.fi＝ec(x(i,:),i)*tc
t
44.式中，fi表示第i只人工蛾的效益值，x(i,:)表示第i只人工蛾的个体编码，ec表示低碳能源基地建设成本矩阵，tc表示电力输送成本矩阵。
45.在步骤102中，可以基于综合低碳能源基地建设效益评价函数，采用精英蛾群优化算法选择经济效益最高的综合低碳能源基地选址方案。其中如图2所示，精英蛾群优化算法
的具体步骤可以包括：
46.步骤201，初始化基本控制参数与蛾群种群；
47.在蛾群初始化阶段，具体包括蛾群规模为m＝45，搜索空间维度为d＝13，有5种可供选择的能源基地类型，13个待选择的目标城区。人工蛾的单个维度变量上下界为[1,5]，最大迭代次数g
max
＝100。随机初始化蛾群的初始解，其编码方式为正整数。生成蛾群初始解的方式为：
[0048]
x
i,j
＝λ*(ub-lb) lb
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0049]
具体的第k个人工蛾的编码可以表示为：
[0050]
xk＝[1 5 3 4 4 2 1 1 3 5 2 2 4]
[0051]
步骤202，根据目标评价函数计算适应度值，开始算法迭代过程；其中，评价函数为：
[0052]fi
＝ec(x(i,:),i)*tc
t
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0053]
式中，x(i,:)表示第i只人工蛾的个体编码。ec表示每个城区的低碳能源基地建设成本矩阵，tc表示电力输送成本矩阵。
[0054]
其中，需要说明的是低碳能源基地建设成本矩阵ec的行数表示能源基地类型的个数，列数表示待选定的目标城区的个数，所述电力输送成本矩阵tc的列数表示待选定的目标城区的个数。
[0055]
具体地，例如计算第i只人工蛾的成本指数为fi。设第i只人工蛾的位置编码为xi＝[3 4 5 2 1 2 2 1 1 5 4 3 1]。
[0056]
假设通过评估每个城区的低碳能源基地建设成本和电力输送成本，可以得出低碳能源基地建设成本矩阵ec(5行13列)和电力输送成本矩阵tc(1行13列)。为了便于算法计算，设计标准化方法，把相应的成本处理为[0,1]之间的实数，用于代表成本指数，越接近于1，表示成本越高，越接近于0，则表示成本越低。
[0057][0058]
tc＝[0.960,0.548,0.139,0.150,0.258,0.841,0.255,0.815,0.244,0.930,0.350,0.197,0.252]
[0059]
因此第i只人工蛾的效益值可以计算为：
[0060][0061]
其中tc
t
为矩阵tc的转置矩阵，经过矩阵运算得出成本指数值fi＝3.5956。
[0062]
步骤203，探路蛾阶段。具体包括如下：
[0063]
根据探路蛾阶段位置更新公式(3)到公式(11)进行探路蛾的位置更新，目标函数计算探路蛾个体的适应度值，与初始种群适应度值作比较，选择较优的个体作为光源，引导蛾群主体的移动；
[0064]
在探路蛾阶段，蛾群以轮盘赌的方式选择若干只蛾作为下一阶段的指导蛾，位置更新公式如下：
[0065]
提出的多样性交叉点，交叉操作的策略可以扩大种群的多样性。首先，对第g代的个体在j维中服从以下分布：
[0066][0067]
式中，领头蛾的数目为m
p
，表示领头蛾的个体编码。然后为度量领头蛾是否进行变异机制，服从以下的分布：
[0068][0069]
当组成探路蛾群的蛾分散的时候将纳入c
p
种群进行变异操作，服从以下的公式:
[0070][0071]
蛾群的交叉率随着迭代的进行在动态的变化。在mc∈m
p
的交叉机制中，精英蛾群优化算法提出的是用于扰乱所选择的主矢量生成的，其公式如下：
[0072][0073]
其中另外δu表示如下：
[0074][0075]
为了获得较好的飞行路径，每只探路蛾通过和变异过后的子矢量进行交互操作来更新自身的位置。完整的飞行路径可以定义如下：
[0076][0077]
采用轮盘赌选择机制，在以上迭代之后，每一代的适应度值将会重新计算并与探路蛾的适应度值进行比较。适应度值较好的蛾将继续保留到下一次迭代的过程中，用于求解极小值的过程表示如下:
[0078][0079]
p
p
用于评价选址方案的成本f
p
，二者关系表达如下：
[0080]
[0081]
目标函数的适应度值f
p
则表示光的强度，公式如下：
[0082][0083]
步骤204，勘探蛾阶段。具体包括如下：
[0084]
在勘探蛾阶段随着迭代次数增加，勘探蛾数目减少。勘探蛾绕探路蛾阶段找到的选址成本做按公式(13)对数螺旋线飞行，计算目标函数适应度值，如果适应度值优于当前最优的适应度值，勘探蛾将转化为探路蛾。
[0085]
勘探蛾的适应度评价次于探路蛾，ms为探路蛾的数量，其随着迭代次数g的增加而减少。其公式表示为：
[0086]ms
＝round((m-m
p
))
ꢀꢀꢀꢀ
(12)
[0087]
在探路蛾搜索完成之后，将适应度的信息传递给勘探蛾，勘探蛾紧随着更新自身的位置。每只勘探蛾将围绕当前领头蛾x
p
做螺旋盘旋。勘探蛾更新位置的公式如下:
[0088][0089]
式中，θ为螺旋形状常数定义飞蛾盘旋的形状，其取值范围为[r,0.7]之间的随机数，r＝-0.5-g/g。每只蛾的分类是随着迭代次数的变化而变化的。因此，每只蛾找到选址成本比较低的位置时，将有可能变换为探路蛾。也就是说，在这个阶段会产生新的领头蛾x
p
。
[0090]
步骤205，观察蛾阶段。具体包括如下：
[0091]
随着勘探蛾数目的减少，观察蛾的数目增多，其数量表示为mo＝m-m
s-m
p
。观察蛾阶段观察蛾以高斯游走计算公式(14)和学习机制计算公式(15)来更新位置，将更新的位置根据目标函数计算适应度函数值，与勘探蛾阶段计算的适应度值作比较，较优的观察蛾转化为勘探蛾，较差的作为探路蛾。公式(14)(15)如下：
[0092][0093]
其中，
[0094]
式中，ξ1为高斯分布中随机生成的种群数量，bestg为本阶段中最好的蛾群的位置(包括探路蛾和勘探蛾)，ξ2，ξ3为[0,1]之间的随机数。
[0095][0096]
式中，i∈{1,2,
…
,mh}，2.5h/h为社会因子，1.5-h/h为认知因子。r1，r2为[0,1]之间的随机数，是基于轮盘赌概率随机选出来的适应度较好的领头蛾位置。
[0097]
步骤206，精英存档策略，具体包括如下：
[0098]
根据效益值的从大到小排序，选取适应度最好的人工蛾，其为在下一代进化时，将其替换掉最差的人工蛾，保持其当前优秀的编码不被破坏。
[0099]
步骤207，算法主流程运行完毕，当前代数g是否满足循环中止条件g
max
，如果满足，
则输出x
best
作为综合低碳能源基地选址最佳方案；如果不满足，继续返回步骤s32。
[0100]
最后将得到最佳方案x
best
用于综合低碳能源基地选址的方案决策。
[0101]
在步骤102中，可以采用上述的最佳方案x
best
(即经济效益最高的综合低碳能源基地选址方案)进行综合低碳能源基地选址，按照该方案进行选址建设，可获得最优效益。
[0102]
下面内容详细给出实施例的软件仿真实验的参数设置与仿真结果：
[0103]
在本发明的实施例中，共设有5种类型的能源基地，13个待选择的目标城区。精英蛾群优化算法中人工蛾的数量为m＝45，迭代次数上限g
max
＝250，人工蛾的位置变化最小值为1，最大值为5。作为对比算法的布谷鸟搜索算法，其中设置被宿主发现的概率为0.25，种群大小m＝45，迭代次数上限g
max
＝250；作为对比的模拟退火算法，迭代次数上限g
max
＝250，初始温度设为100，每个温度下的搜索次数上限为25。
[0104]
图3是本发明实施例的方法对比现有方法中布谷鸟搜索算法的和模拟退火算法的调度效益值的对比图。由图3可以看出，最下面的红色线条是本发明所提出的综合低碳能源选址智能优化方法求解问题得到的成本指数曲线，中间的粉色线是布谷鸟搜索算法得到的成本指数曲线，最上面的棕色线条是模拟退火算法得到的成本指数曲线。从图3的实验结果中可以得出，在算法运行250次后，本发明实施例所述的方法得到的成本指数值比布谷鸟搜索算法低出0.252，比模拟退火算法低出0.388。本实施例方法性能相对于其他两种算法性能有很大的提升。这些对比结果证明了采用本发明方法得出的调度方案能够明显降低综合低碳能源选址成本。特别地，从图3中还可以看出，本发明方法的求解问题的性能比布谷鸟搜索算法的和模拟退火算法都要稳定。在250次迭代过程中，其他两种算法整体的搜索解空间能力较弱，最终的成本指数值相对本发明方法较高，因此不利于实际能源基地选址采用。
[0105]
综上所述，本实施例可以通过根据低碳能源基地建设成本和电力输送成本，构建综合低碳能源基地建设效益评价函数，基于综合低碳能源基地建设效益评价函数采用精英蛾群优化算法选择经济效益最高的综合低碳能源基地选址方案，采用所述经济效益最高的综合低碳能源基地选址方案进行综合低碳能源基地选址，可以提供一种具有求解精度高以及鲁棒性强等优点的综合低碳能源基地选址智能优化方法，从而可以满足综合低碳能源基地建设选址的高效益、低成本的要求。
[0106]
图4是根据本发明实施例的综合低碳能源基地选址智能优化装置的示意图。参照图4，该装置包括：目标函数构建单元401，根据每个城区的低碳能源基地建设成本和电力输送成本，构建综合低碳能源基地建设效益评价函数；最优方案计算单元402，根据综合低碳能源基地建设效益评价函数，采用精英蛾群优化算法选择经济效益最高的综合低碳能源基地选址方案；智能优化单元403，根据所述经济效益最高的综合低碳能源基地选址方案进行综合低碳能源基地选址。
[0107]
由于本发明的实施例所提供的综合低碳能源基地选址智能优化装置，可以用于执行上述实施例所述的综合低碳能源基地选址智能优化方法，其工作原理类似，故此处不再详述，具体内容可参见上述实施例的介绍。
[0108]
基于相同的发明构思，本发明又一实施例提供了一种电子设备，参见图5，所述电子设备具体包括如下内容：处理器501、存储器502、通信接口503和通信总线504；其中，所述处理器501、存储器502、通信接口503通过所述通信总线504完成相互间的通信。
[0109]
所述处理器501用于调用所述存储器502中的计算机程序，所述处理器执行所述计
算机程序时实现上述的综合低碳能源基地选址智能优化方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述过程：根据低碳能源基地建设成本和电力输送成本，构建综合低碳能源基地建设效益评价函数；基于综合低碳能源基地建设效益评价函数，采用精英蛾群优化算法选择经济效益最高的综合低碳能源基地选址方案，其中所述精英蛾群优化算法是通过在下一代进化时将适应度最差的人工蛾替换为上一代适应度最好的人工蛾改进的蛾群优化算法；采用所述经济效益最高的综合低碳能源基地选址方案进行综合低碳能源基地选址。
[0110]
可以理解的是，所述计算机程序可以执行的细化功能和扩展功能可参照上面实施例的描述。
[0111]
基于相同的发明构思，本发明又一实施例提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述的综合低碳能源基地选址智能优化方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述过程：根据低碳能源基地建设成本和电力输送成本，构建综合低碳能源基地建设效益评价函数；基于综合低碳能源基地建设效益评价函数，采用精英蛾群优化算法选择经济效益最高的综合低碳能源基地选址方案，其中所述精英蛾群优化算法是通过在下一代进化时将适应度最差的人工蛾替换为上一代适应度最好的人工蛾改进的蛾群优化算法；采用所述经济效益最高的综合低碳能源基地选址方案进行综合低碳能源基地选址。
[0112]
可以理解的是，所述计算机程序可以执行的细化功能和扩展功能可参照上面实施例的描述。
[0113]
基于相同的发明构思，本发明又一实施例提供了一种计算机程序产品，所计算机程序产品包括有计算机程序，该计算机程序被处理器执行时实现上述的综合低碳能源基地选址智能优化方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述过程：根据低碳能源基地建设成本和电力输送成本，构建综合低碳能源基地建设效益评价函数；基于综合低碳能源基地建设效益评价函数，采用精英蛾群优化算法选择经济效益最高的综合低碳能源基地选址方案，其中所述精英蛾群优化算法是通过在下一代进化时将适应度最差的人工蛾替换为上一代适应度最好的人工蛾改进的蛾群优化算法；采用所述经济效益最高的综合低碳能源基地选址方案进行综合低碳能源基地选址。
[0114]
可以理解的是，所述计算机程序可以执行的细化功能和扩展功能可参照上面实施例的描述。
[0115]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的综合低碳能源基地选址智能优化方法。
[0116]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；
而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。