Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于布谷鸟算法的卡诺电池性能优化方法 

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:东北大学

摘要:本发明针对提升卡诺电池的性能指标,首先开发了一种基于布谷鸟算法的卡诺电池单目标优化方法,在保持较强的全局搜索能力的同时,也不容易陷入局部最优解,且可以兼顾到所有约束的限制,可以有效求解卡诺电池的往返效率、效率或者平准化度电成本等性能指标。然后开发了一种基于第二代非支配排序布谷鸟算法的卡诺电池多目标优化方法,可以求解互相竞争的多个目标之间的最佳权衡,例如求解在平准化度电成本最低的情况下往返效率的最大值。为卡诺电池储能领域缩减成本、提高热效率提供了一定的指导。为储能领域做了一定的贡献,对增加能源供给侧可再生能源的比重和减少化石燃料的使用起到了一定的促进作用。

主权项:1.一种基于布谷鸟算法的卡诺电池性能优化方法,其特征在于,包括以下步骤:步骤1、假定基本工况参数;步骤2、建立往返效率、效率和平准化度电成本等目标函数的数学模型;步骤3、对卡诺电池进行单目标优化;步骤4、对卡诺电池进行多目标优化;步骤5、输出最优决策工况和最优目标值。进一步地,使用多约束布谷鸟算法对卡诺电池进行单目标优化,包括以下步骤:步骤3.1、确定初始决策工况;步骤3.2、判断初始决策工况是否满足约束条件,如果不满足就返回步骤3.1重新确定初始决策工况,如果满足就执行下一步;步骤3.3、计算初始决策工况的往返效率、效率或平准化度电成本的值并记录;步骤3.4、通过莱维飞行产生一组新的决策工况;步骤3.5、判断新的决策工况是否满足步骤3.2中的约束条件,如果不满足就返回步骤3.4重新进行莱维飞行,如果满足就执行下一步;步骤3.6、计算莱维飞行之后新决策工况下的目标函数如往返效率、效率或平准化度电成本的值并记录;步骤3.7、比较初始决策工况和通过莱维飞行产生的新决策工况的优劣,保留更优的决策工况。步骤3.8、通过局部搜索产生一组新的决策工况;步骤3.9、判断局部搜索后的新决策工况是否满足步骤3.2中的约束条件,如果不满足就返回步骤3.8重新进行局部搜索,如果满足就执行下一步;步骤3.10、计算局部搜索之后新决策工况下的目标值如往返效率、效率或平准化度电成本的值并记录;步骤3.11、比较旧决策工况和新决策工况的优劣,保留更优的解;步骤3.12、判断是否达到最优标准,如果是,则输出最优决策工况和最优目标值如往返效率、效率或平准化度电成本;如果否,则返回步骤3.4继续迭代。进一步地,使用多约束第二代非支配排序布谷鸟算法对卡诺电池进行多目标优化,包括以下步骤:步骤4.1、确定初始决策工况;步骤4.2、判断初始决策工况是否满足约束条件,如果不满足就返回步骤4.1重新确定初始决策工况,如果满足就执行下一步;步骤4.3、计算初始决策工况对应的往返效率和平准化度电成本的值并进行第二代非支配排序;所述非支配排序首先要判断不同决策工况之间的支配关系,在本发明的实施例中,如果决策工况1对应的往返效率高于决策工况2对应的往返效率,且决策工况1对应的平准化度电成本不高于决策工况2对应的平准话度电成本,即决策工况1支配决策工况2,如此可以找出最优的一组非支配决策工况,然后非支配决策工况之间可通过拥挤距离进行排序。所述拥挤距离即解与相邻两个决策工况之间的距离,拥挤距离越大越能保证种群的多样性。因此即完成了多目标的非支配排序。所述第二代非支配排序与第一代非支配排序相比降低了复杂度,提高了计算效率更高,极大节约了时间成本。步骤4.4、通过莱维飞行产生一组新的决策工况;步骤4.5、判断通过莱维飞行产生的新决策工况是否满足步骤4.2所述约束条件,如果不满足就返回步骤4.4重新进行莱维飞行,如果满足就执行下一步;步骤4.6、计算莱维飞行后新决策工况对应的往返效率和平准化度电成本的值并进行第二代非支配排序;所述非支配排序步骤与步骤4.3所述相同。步骤4.7、合并经过非支配排序之后的初始决策工况和莱维飞行后新决策工况,淘汰掉较差的决策工况,保留较优的决策工况作为新决策工况,种群数量保持不变,再次进行非支配排序;步骤4.8、通过局部搜索产生一组新决策工况;步骤4.9、判断经过局部搜索后的新决策工况是否满足步骤4.2所述约束条件,如果不满足返回步骤4.8重新进行局部搜索,如果满足就执行下一步;步骤4.10、计算局部搜索后新决策工况对应的往返效率和平准化度电成本的值并进行第二代非支配排序;所述非支配排序与步骤4.3所述相同。步骤4.11、合并经过非支配排序之后的旧决策工况和新决策工况,淘汰掉较差的决策工况,保留较优的决策工况作为新决策工况,种群数量保持不变,再次进行非支配排序;步骤4.12:判断是否达到最优标准,如果是,则输出帕累托最优工况和对应的最优目标值,如果否,则返回步骤4.4继续迭代。

全文数据:

权利要求:

百度查询: 东北大学 基于布谷鸟算法的卡诺电池性能优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。