文|月亮湾探险家

编辑|月亮湾探险家

基于将生物质系统多目标粒子群优化

基于将生物质系统作为主要来源和FC作为备用单元相结合。这个建议的混合系统已经被提供给埃及赫尔格达市一个旅游小村庄的微电网供电。

多目标粒子群优化(MOPSO)方法可最小化COE和LPSP。HOMER 软件工具，已用于对基于PV/WT/BG/Biogas/FC/电池组件的新型不同配置混合系统进行技术经济分析。

这种混合系统的开发是为了在农村和偏远地区使用。这项工作为减少COE和NPC提供了最佳配置。

测试了四种不同的元启发式算法（PSO、DE、水循环算法 (WCA) 和GWO方法）用于确定农村地区孤立微电网的最佳规模的有效性和适应性。

在南澳大利亚一个偏远社区的四个独立的交流耦合隔离微电网中，这些算法最大限度地提高了PV、WT、DG、燃料箱和电池储能容量。

在系统组件的容量优化方面，PSO和GWO算法产生了可比的结果。而DE方法不可靠。

为了获得由PV、WT和电池单元组成的孤立混合系统的最佳尺寸，应用了模拟（SA）、Jaya算法、蛾-火焰优化（MFO）、GA、CS、和声搜索（HS）、萤火虫优化算法（FOA）、花授粉算法（FPA）等十种优化方法，简化松鼠搜索算法（S-SSA）和目标空间头脑风暴优化（BSO-OS）算法。

开发了一种混合算法，即梯度人工蜂鸟法 (GAHA)，它结合了基于梯度的优化器 (GBO) 和人工蜂鸟算法 (AHA)。

考虑到降低COE和LPSP，这种改进的GAHA方法用于确定埃及卢克索新Tiba市独立区域的 PV、WT、生物质系统和电池单元的最佳规模。

通过在Aquila优化器的领先运算符(AO)的帮助下更新原始AOA而创建的。这种开发的IAOA技术用于确定埃及 El Kharga 地区，由 PV、WT、DG和电池单元组成的独立混合系统的最佳设计方案。

专注于使用新型 PV/BG/FC 结构确定离网混合系统的最佳尺寸。所提出方法的目标函数是降低COE并最大限度地减少CO2排放。

一种新颖的Mayfly优化算法 (MOA) 已被用于获得该混合系统的最佳大小。

为了证明建议的 MOA 方法的有效性，将其结果与黑燕鸥优化算法 (STOA)、正余弦算法 (SCA) 和鲸鱼优化算法 (WOA) 的结果进行对比。

各种混合配置和技术经济分析方法可用于以最佳方式构建不同的可再生系统。因此，研究人员近年来发现，通用且易于使用的元启发式算法可以解决具有挑战性的现实世界问题。

由于元启发式算法非常准确和直接，因此在工程、通信、医学和社会科学领域的各种具有挑战性的优化问题中引起了广泛关注。此外，元启发式算法还用于改进各种问题的解决方案，例如全局优化、能源应用、潮流系统、图像分割、基于深度学习的分类、调度微电网系统、经济排放调度（EED）问题和特征选择。

与确定性方法不同，元启发式算法使用随机生成的搜索代理和专门的运算符在搜索空间中找到最佳解决方案。这些运算符从自然事件中汲取灵感，例如群体行为、社会行为、物理理论和进化原理。

元启发式算法主要分为三种类型：(a)群体方法包含基于群体的策略，模拟动物、鸟类和人类群体的社会行为；(b)进化方法；(c)自然现象算法模仿物理和化学原理。粒子群优化(PSO)，该算法家族中的一个流行算法，被认为是许多其他优化方法的起源。

对于基于进化的技术，研究人员代表了基于进化理论指导的各种算子。

众所周知的基于进化的方法是Holland，引入的遗传算法(GA)和差分进化(DE)。基于物理的算法是由物理和化学原理驱动的，例如万有引力定律和电荷定律。

基于这种灵感，已经提出了几种算法来解决现实世界的问题，例如，引力搜索算法（GSA），多节优化器（MVO），以及基于梯度的优化器（GBO）。

中的工作开发了一种新的混合系统策略，该策略基于将生物质系统作为主要来源和 FC 作为备用单元相结合。

这个建议的混合系统已经被提供给埃及赫尔格达市一个旅游小村庄的微电网供电。多目标粒子群优化 (MOPSO)方法可最小化 COE和LPSP。

HOMER软件工具已用于对基于 PV/WT/BG/Biogas/FC/电池组件的新型不同配置混合系统进行技术经济分析。这种混合系统的开发是为了在农村和偏远地区实用。这项工作为减少COE和NPC 提供了最佳配置。

测试了四种不同的元启发式算法（PSO、DE、水循环算法 (WCA) 和GWO方法）用于确定农村地区孤立微电网的最佳规模的有效性和适应性。

运营能源管理策略

构成建议的混合系统操作策略的三个关键案例如下，图 2显示了其流程图：

1.当发电来自可再生能源（PV 和 BG）时PRS（吨）覆盖负载需求，在这种情况下，所产生的电力被输送以满足必要的负载需求p民主党，并且不需要从 FC 或向 ELE 供电；

2.当产生的可再生能源量超过负载需求时，ELE 将获得多余的能源；然后利用该过程产生的氢气为 HT 装置充电；

3.在这种情况下，当可再生能源产生的电力不足以满足负荷需求时，燃料电池将利用 HT 中包含的氢气来弥补能源生产的不足。一旦 HT 容量处于最低点，就会出现负载丢失。

建议的混合动力系统位于埃及的 Abu-Monqar 地区，如图 3中的地图所示。

在应用提议的 mOPA 来估计包含 PV/BG/HT/FC/ELE 模块的离网混合系统的最佳尺寸之前，我们在 2020 年 IEEE 进化计算大会 (CEC 2020)上评估了它的效率。

将所提出的 mOPA 的结果与使用 WOA 、SCA、被囊动物群算法 (TSA)、粘菌算法 (SMA)、Harris Hawk 优化算法 (HHO)获得的结果进行比较，龙格库塔优化算法（RUN），以及原始的OPA。

我们根据优化问题的大小和复杂度以及算法的收敛速度等不同标准来选择比较算法。除了优化算法的鲁棒性之外，这些比较算法最近在多个工程和复杂应用领域中得到广泛应用，并已应用于同一问题。

这些优化技术在50次迭代中应用了50次，以选择合适的适应度函数率来调节建议技术的随机性，验证其稳定性并证明其稳健性。对于建议的案例研究，所有优化方法都以相同的方式应用。

开发的mOPA始终如一地确定优化问题的最佳解决方案，如开发的 mOPA 的目标函数的最终结果所示，该结果落在一个狭窄的范围内。

将建议的增强mOPA技术的收敛曲线（迭代的最佳函数曲线）与原始OPA算法以及其他传统优化方法（MOA、STOA 和 SCA）产生的收敛曲线进行比较，以显示这些算法的收敛性能和速度技巧。

图 13描绘了所有这些算法的收敛曲线。如图所示，所提出的 mOPA方法比其他算法更快地达到目标函数的最终值。此外，mOPA收敛于比原始 OPA 更低的目标函数值。

通过使用 mOPA 和 OPA 优化算法，所有组件参与建议的混合系统的年度成本如图 14所示。对于这两种技术，很明显，FC 代表的年度成本百分比最高，其次是 PV 装置、ELE 装置、逆变器、BG 系统，最后是 HT 装置。

所提出的混合动力系统在24小时周期内的功率输出性能如图 15所示。根据mOPA技术结果，用于制氢的电解槽由PV和BG 单元的额外能量提供动力PRS, 如果生成PRS超过了所需的负载。这Pd如果 HT 充满，就会用完这些额外的能量。

同时，燃料电池将使用储存在高温装置中的氢气来弥补发电量的不足。P‘RS秒输出无法满足负载的功率要求。

本文在修改原始Orca捕食算法(OPA)的基础上提出了一种新的改进优化算法，该算法是两种方法的混合，即Lévy飞行(LF)和基于对立的学习(OBL)。

这种修改后的算法称为mOPA。mOPA 的性能在 CEC'2020 测试服上进行了评估。它被应用于一个孤立的混合动力系统以获得其最佳规模。

拟议的系统由光伏电池板(PV)、生物质气化炉(BG)、电解槽单元 (ELE)、氢气罐单元(HT)和燃料电池(FC)组成，以满足埃及 Abu-Monqar 地区的负荷需求。

mOPA 方法的主要目标是在建议的混合系统的约束下最小化能源成本 (COE)、电源损失概率 (LPSP) 和过剩能量。

为了证明 mOPA 方法的有效性，将其他算法（包括原始 OPA、Sooty Tern 优化算法 (STOA) 和正余弦算法 (SCA)）的优化结果与 mOPA 技术的结果进行了比较。

比较结果说明了，所提出的改进mOPA技术，相对于其他元启发式方法，在获得所提出的混合系统，最小COE方面的优势（mOPA 取得了最佳结果，最低COE为0.209626$/kWh，NPC为6,140,053$，LPSP 0.059926%）。

此外，推荐的mOPA算法在实现目标函数的最佳最小值以及具有快速收敛特性和更好的系统性能的最低COE值方面优于原始 OPA 算法。

根据证明的结果，未来的研究可能集中在以下几点：

应用所提出的优化算法来解决电气应用中的其他复杂优化问题。

将提出的mOPA算法用于各种实际应用，例如计算太阳能电池参数、对象跟踪、超参数优化和图像分割。

它可以在物联网上用于任务调度和数据预处理。开发各种建模、操作和控制方法、算法、方法论和技术，以用于微电网/智能电网技术的未来发展。

创建 OPA 的二进制版本并将其应用于二进制问题，例如特征选择问题。

确定和研究使用不同类型的存储技术和组件的混合可再生系统的可能配置，以实现有效的能源管理。

参考文献：

[1] 多传感器交叉提示技术及其在目标跟踪中的应用[J]. 庞策;黄树彩;刘锦昌;赵炜.宇航学报,2017(04)

[2] 多传感器交叉提示技术在传感器联盟中的应用[J]. 庞策;黄树彩;刘锦昌;赵炜;韦道知.西安交通大学学报,2017(07)

[3] 高温薄膜快响应传感器的设计及其仿真优化[J]. 于广滨;于明新;戴冰;陈杰;张洪泉.仪表技术与传感器,2021(03)

[4] 新型农业传感器开发平台[J]. 王毅平.农业工程技术,2022(30)

[5] 可连接多种类传感器的中等带宽信号链平台[J]. .传感器世界,2022(12)