【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及發(fā)電領(lǐng)域，尤其是涉及一種雙動力發(fā)電裝置及效率最優(yōu)化調(diào)控方法。
技術(shù)介紹
1、當(dāng)前，太陽能發(fā)電技術(shù)結(jié)合了有機(jī)朗肯循環(huán)(orc)余熱回收技術(shù)，實(shí)現(xiàn)了可再生能源和工業(yè)廢熱的雙重利用，但在實(shí)際應(yīng)用中，仍面臨太陽能資源利用不充分的問題。特別是在太陽能充足的情況下，如果不能被完全吸收并轉(zhuǎn)化為電能，將會導(dǎo)致大量的能源浪費(fèi)，進(jìn)而降低發(fā)電的經(jīng)濟(jì)效益。
技術(shù)實(shí)現(xiàn)思路
1、專利技術(shù)目的：為了克服
技術(shù)介紹
的不足，本專利技術(shù)第一目的是請求公開一種雙動力發(fā)電裝置，結(jié)合了太陽能和有機(jī)朗肯循環(huán)(orc)余熱回收技術(shù)，旨在提高能源利用效率；
2、第二目的是公開基于上述雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法。
3、技術(shù)方案：本專利技術(shù)所公開的雙動力發(fā)電裝置，包括：
4、水容器，所述水容器通過管道依次連接第一換熱器、第一膨脹機(jī)、第一冷凝器、水缸、水泵、水閥回到水容器；
5、有機(jī)工質(zhì)容器，所述有機(jī)工質(zhì)容器通過管道依次連接第二換熱器、第二膨脹機(jī)、第二冷凝器、儲液罐、工質(zhì)泵、工質(zhì)閥回到有機(jī)工質(zhì)容器；
6、所述第一膨脹機(jī)和第二膨脹機(jī)均連接發(fā)電機(jī)，由發(fā)電機(jī)進(jìn)行供電，所述發(fā)電機(jī)連接依次連接中控端和流速檢測模塊，所述流速檢測模塊分別連接水閥和工質(zhì)閥；
7、所述水容器和有機(jī)工質(zhì)容器熱交換設(shè)置，且同時(shí)連接太陽能集熱裝置。
8、一種基于上述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，所述中控端包括沙貓智能優(yōu)化算法和cpu，cpu基于沙貓智能優(yōu)化算法對工
9、s1、設(shè)置發(fā)電量和流速的目標(biāo)函數(shù)；
10、s2、初始水閥和工質(zhì)閥的水流速度和工質(zhì)流速的初始流速；
11、s3、設(shè)置最大迭代次數(shù)和目標(biāo)函數(shù)閾值，并隨機(jī)產(chǎn)生一組隨機(jī)變量；
12、s4、計(jì)算搜索機(jī)制的靈敏度范圍；
13、s5、計(jì)算勘察與開發(fā)階段的位置；
14、s6、在s5中引入非線性優(yōu)化因子；
15、s7、在搜索區(qū)域中獲取新的局部最優(yōu)位置；
16、s8、全程搜索階段和局部開發(fā)，輸出最大發(fā)電效率。
17、其中，s1中目標(biāo)函數(shù)為：
18、maxqsum＝q1+q2
19、
20、vw≤speed＝a·e-mt
21、vg-speed＝b·e-nt
22、其中，qsum為總發(fā)電量，q1，q2為水和有機(jī)工質(zhì)分別進(jìn)行余熱回收發(fā)的電量，cwater，cgz為水和有機(jī)工質(zhì)的比熱容，ρwater，ρgz為水和有機(jī)工質(zhì)的密度，a是過流面積，即流體流過的橫截面積；vw-speed為水流速度，vg-speed為有機(jī)工質(zhì)流速，t為水和有機(jī)工質(zhì)進(jìn)行換熱的工作時(shí)間，t0.為工作起始時(shí)刻，α和β為水和有機(jī)工質(zhì)參與余熱回收時(shí)所對應(yīng)的熱-電轉(zhuǎn)化系數(shù)，a為初始時(shí)刻水閥的流速值，m為衰減系數(shù)，近似表述隨水位下降時(shí)壓力與流速的關(guān)系；b為初始時(shí)刻有機(jī)工質(zhì)閥的流速值，n為衰減系數(shù)，近似表述隨有機(jī)工質(zhì)減少時(shí)容器內(nèi)壓力與流速的關(guān)系；
23、目標(biāo)函數(shù)的約束條件為：
24、
25、其中，t1為工作的任意時(shí)刻，不超過有機(jī)工質(zhì)總?cè)萘康淖畲髸r(shí)刻tmax；a為過流面積，不超過管道所允許的最大橫截面積amax；α和β是介于0和1之間的小數(shù)。
26、進(jìn)一步的，s2具體為：
27、s0＝smin+rand(smax-smin)
28、其中，s0為初始沙貓種群的位置，沙貓的初始坐標(biāo)位置對應(yīng)著系統(tǒng)的初始流速狀態(tài)值；rand為介于0和1之間的常數(shù)，范圍為[0,1]；smax、smin分別是求解問題的上下邊界。
29、進(jìn)一步的，s3中，在初始化階段，生成一組隨機(jī)分布的獵物位置矩陣表示為：
30、
31、其中，prey為獵物矩陣，smn為第m個(gè)獵物的第n維位置，m為獵物的全部數(shù)量，n為求解問題的維度。
32、進(jìn)一步的，s4中：沙貓的獵物搜索機(jī)制依賴于低頻噪聲發(fā)射，這取決沙貓的靈敏度范圍，即沙貓最終的位置的坐標(biāo)代表著水速和工流速的值，而沙貓進(jìn)行搜索機(jī)制進(jìn)行獵物搜尋對應(yīng)水速和工質(zhì)泵流速要依靠最大發(fā)電效率進(jìn)行調(diào)整，靈敏度范圍計(jì)算公式如下，
33、
34、其中，t為當(dāng)前迭代次數(shù)，t為最大迭代次數(shù)，sm值使收到沙貓聽覺特征的啟發(fā)值，rg是沙貓的靈敏度范圍。
35、進(jìn)一步的，s5計(jì)算方法為：
36、r是控制勘察與開發(fā)階段過渡的參數(shù)，
37、r＝2×rg×rand()-rg
38、其中，rand()表示0-1之間的隨機(jī)數(shù)，rg是靈敏度范圍；
39、在搜索步驟中，每個(gè)沙貓位置更新給予一個(gè)隨機(jī)位置，通過這種位置，搜索代理能夠在搜索空間中探索新的空間，為了避免局部最優(yōu)，每只沙丘貓的靈敏度范圍不同，其隨機(jī)更新位置由隨機(jī)數(shù)rand()決定，rand()表示0-1之間的隨機(jī)數(shù)，
40、xbest＝rand()×rg
41、其中，rg是沙貓的靈敏度范圍，rand()表示0-1之間的隨機(jī)數(shù)，xbest被用于勘探或開發(fā)階段的位置更新。
42、進(jìn)一步的，s6中，在s5中引入非線性優(yōu)化因子g，使得xbest不受沙貓個(gè)體自身狀態(tài)的影響對應(yīng)著整個(gè)系統(tǒng)工作流程不受系統(tǒng)設(shè)備自身的精度影響，優(yōu)化公式為；
43、
44、進(jìn)一步的，s7具體為：沙貓根據(jù)當(dāng)前種群最優(yōu)位置，自身位置以及靈敏度范圍來更新自己的位置，進(jìn)而去捕捉獵物，沙貓?jiān)谒阉鲄^(qū)域中找到新的局部最優(yōu)位置，獲得新位置位于當(dāng)前位置和獵物之間，對應(yīng)著與兩種工質(zhì)流速從當(dāng)前值到理論最佳值之間，沙貓的移動對應(yīng)著流速的調(diào)節(jié)，這一階段位置更新公式如下：
45、
46、其中，θ為沙丘貓移動的方向，為0到360之間隨機(jī)角度，即cos(θ)的值將在1到-1之間，每個(gè)沙貓個(gè)體隨機(jī)向任何方向進(jìn)行位置更新，沙貓智能優(yōu)化算法算法為每只沙丘貓選擇隨機(jī)角度，xt+1為局部信息最優(yōu)值。
47、進(jìn)一步的，s8具體為：
48、r是控制勘察與開發(fā)階段過渡的參數(shù)，是區(qū)間[-2rg,2rg]中的隨機(jī)值,rg在迭代過程中從2線性下降到0，當(dāng)r的隨機(jī)值在[-1,1]時(shí)，沙貓的下一個(gè)位置可以在其當(dāng)前位置和狩獵位置之間的任何位置，如果r值處于≤1時(shí)進(jìn)行開發(fā)；否則，將被迫進(jìn)行勘探，即：
49、
50、其中，為第i個(gè)沙貓最終進(jìn)行位置開發(fā)或探勘的最終位置的最優(yōu)值，其對應(yīng)此時(shí)發(fā)電效率最大，其位置坐標(biāo)橫縱坐標(biāo)分別對應(yīng)于發(fā)電量最大時(shí)下的工質(zhì)泵和水泵的流速最佳值，cos(θ)的值將在1到-1之間，p為隨機(jī)位置，r2為用于探索或利用階段的操作系數(shù)，沙貓?jiān)谒阉鳙C物階段，即勘探時(shí)，每只沙貓不同的搜索半徑避免了陷入局部最優(yōu)，上式表示了每只沙貓?jiān)诳碧胶烷_發(fā)階段的位置更新，當(dāng)|r|≤1時(shí)，沙貓被引導(dǎo)攻擊它們的獵物，即確定最大發(fā)電量進(jìn)而調(diào)節(jié)工質(zhì)本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種雙動力發(fā)電裝置，其特征在于，包括：
2.基于權(quán)利要求1所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于，所述中控端包括沙貓智能優(yōu)化算法和CPU，CPU基于沙貓智能優(yōu)化算法對工質(zhì)閥和水閥進(jìn)行調(diào)控使系統(tǒng)達(dá)到發(fā)電效率最優(yōu)化，包括以下步驟：
3.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于：S1中目標(biāo)函數(shù)為：
4.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于：S2具體為：
5.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于：S3中，在初始化階段，生成一組隨機(jī)分布的獵物位置矩陣表示為：
6.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于：S4中：沙貓的獵物搜索機(jī)制依賴于低頻噪聲發(fā)射，這取決沙貓的靈敏度范圍，即沙貓最終的位置的坐標(biāo)代表著水速和工流速的值，而沙貓進(jìn)行搜索機(jī)制進(jìn)行獵物搜尋對應(yīng)水速和工質(zhì)泵流速要依靠最大發(fā)電效率進(jìn)行調(diào)整，靈敏度范圍計(jì)算公式如下，
7.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于：
8.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于：S6中，在S5中引入非線性優(yōu)化因子g，使得xbest不受沙貓個(gè)體自身狀態(tài)的影響對應(yīng)著整個(gè)系統(tǒng)工作流程不受系統(tǒng)設(shè)備自身的精度影響，優(yōu)化公式為；
9.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于，S7具體為：沙貓根據(jù)當(dāng)前種群最優(yōu)位置，自身位置以及靈敏度范圍來更新自己的位置，進(jìn)而去捕捉獵物，沙貓?jiān)谒阉鲄^(qū)域中找到新的局部最優(yōu)位置，獲得新位置位于當(dāng)前位置和獵物之間，對應(yīng)著與兩種工質(zhì)流速從當(dāng)前值到理論最佳值之間，沙貓的移動對應(yīng)著流速的調(diào)節(jié)，這一階段位置更新公式如下：
10.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于，S8具體為：
...【技術(shù)特征摘要】
1.一種雙動力發(fā)電裝置，其特征在于，包括：
2.基于權(quán)利要求1所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于，所述中控端包括沙貓智能優(yōu)化算法和cpu，cpu基于沙貓智能優(yōu)化算法對工質(zhì)閥和水閥進(jìn)行調(diào)控使系統(tǒng)達(dá)到發(fā)電效率最優(yōu)化，包括以下步驟：
3.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于：s1中目標(biāo)函數(shù)為：
4.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于：s2具體為：
5.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于：s3中，在初始化階段，生成一組隨機(jī)分布的獵物位置矩陣表示為：
6.根據(jù)權(quán)利要求2所述的雙動力發(fā)電裝置的效率最優(yōu)化調(diào)控方法，其特征在于：s4中：沙貓的獵物搜索機(jī)制依賴于低頻噪聲發(fā)射，這取決沙貓的靈敏度范圍，即沙貓最終的位置的坐標(biāo)代表著水速和工流速的值，而沙貓進(jìn)行搜索機(jī)制進(jìn)行獵物搜尋對應(yīng)水速...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：呂茂超，吳帥超，汪翰鼎，夏曉雪，錢宇涵，黃昕祎，張騰，黃慧，紀(jì)捷，丁祖軍，張楚，
申請(專利權(quán))人：淮陰工學(xué)院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。