本發(fā)明涉及新能源微網(wǎng)調(diào)度領(lǐng)域，更具體地，涉及一種智慧農(nóng)業(yè)大棚微型能源網(wǎng)優(yōu)化調(diào)度方法及裝置。
背景技術(shù)：
：我國甘肅地區(qū)光照強度大，太陽能資源豐富，截止2016年光伏裝機容量達(dá)到567.3萬千瓦，但是該地區(qū)經(jīng)濟欠發(fā)達(dá)，用電需求增長緩慢，外送通道與電源建設(shè)嚴(yán)重不匹配，造成新能源大量浪費，2016年上半年甘肅棄光率為32.1％，形式十分嚴(yán)峻。為了解決上述問題，將光伏發(fā)電與智慧農(nóng)業(yè)大棚相結(jié)合，建立光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)并進行優(yōu)化調(diào)度，不僅能夠落實國家光伏扶貧的政策，提高農(nóng)民收入水平，同時消納了大量光伏電能，有效降低棄光率，因此，建立光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)并對其進行優(yōu)化調(diào)度具有重要的現(xiàn)實意義。微型能源網(wǎng)是能源互聯(lián)網(wǎng)的組成單元，目前有利用預(yù)估校正內(nèi)點法對微電網(wǎng)進行優(yōu)化調(diào)度，也有利用混合整數(shù)規(guī)劃法對熱電聯(lián)供微網(wǎng)進行調(diào)度分析。由于光伏農(nóng)業(yè)大棚微型能源網(wǎng)的調(diào)度優(yōu)化問題涉及復(fù)雜性，非線性，約束性，多極值性，采用傳統(tǒng)算法無法很好地解決。并且，智慧農(nóng)業(yè)大棚設(shè)備與普通微電網(wǎng)設(shè)備區(qū)別較大，約束復(fù)雜，尋求適合的調(diào)度算法，是微網(wǎng)建設(shè)者目前急需要解決的問題，技術(shù)實現(xiàn)要素：為了解決現(xiàn)有技術(shù)關(guān)于光伏發(fā)電和智慧設(shè)施農(nóng)業(yè)大棚結(jié)合的微型能源網(wǎng)絡(luò)優(yōu)化調(diào)度研究的不足，本發(fā)明提供一種智慧農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度方法及裝置。根據(jù)本發(fā)明的一個方面，提供一種智慧農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度方法，包括：s1，基于光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)中各微源的能量流動模型，以所述微型能源網(wǎng)一天的綜合運行成本最低為目標(biāo)，建立所述微型能源網(wǎng)的調(diào)度優(yōu)化模型；s2，采用變學(xué)習(xí)因子二階振蕩文化粒子群算法求解所述調(diào)度優(yōu)化模型，得到所述微型能源網(wǎng)的運行調(diào)度策略。其中，所述步驟s1前還包括：s0，建立光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)中各微源的能量流動模型；其中，所述微源的類型為供電設(shè)備、供熱設(shè)備或儲能裝置。其中，所述步驟s1進一步包括：以所述微型能源網(wǎng)一天的綜合運行成本最低為目標(biāo)，建立調(diào)度優(yōu)化目標(biāo)函數(shù)；基于所述微型能源網(wǎng)的能量供需平衡和各微源的輸出功率應(yīng)滿足所述微型能源網(wǎng)的負(fù)荷需求，列舉約束條件，所述約束條件包括：熱電功率平衡約束公式和各微源運行的不等式約束公式。其中，所述步驟s2進一步包括：s21，初始化粒子群空間和知識空間；s22，若當(dāng)前迭代次數(shù)不能被預(yù)設(shè)的接收操作次數(shù)整除，則將所述粒子群空間中各粒子帶入所述調(diào)度優(yōu)化模型，計算所述粒子群空間中各粒子的適應(yīng)度，并尋找當(dāng)前個體極值和整個所述粒子群空間的當(dāng)前全局最優(yōu)解；s23，利用變學(xué)習(xí)因子二階振蕩文化粒子群算法的速度更新公式和位置更新公式，更新各粒子的速度和位置；s24，迭代執(zhí)行所述步驟s22和s23，直至迭代次數(shù)達(dá)到預(yù)設(shè)閾值，輸出全局最優(yōu)解。其中，所述步驟s22還包括：若當(dāng)前迭代次數(shù)能被預(yù)設(shè)的接收操作次數(shù)整除，則用當(dāng)前全局最優(yōu)解替換知識空間中知識解群體的最差個體；知識解群體進行自身進化，根據(jù)影響操作更新所述粒子群空間；計算更新后的所述粒子群空間各粒子的適應(yīng)度，并尋找當(dāng)前個體極值和整個所述粒子群空間的當(dāng)前全局最優(yōu)解。其中，步驟s23中所述速度更新公式具體為：式中，c1和c2為學(xué)習(xí)因子，r1和r2為區(qū)間[0,1]上的隨機數(shù)，pi,j表示粒子i在第j維的個體極值點的位置，pg,j為到當(dāng)前迭代次數(shù)為止所有粒子在迭代中找到的最優(yōu)極值點的位置，xi,j表示粒子i在第j維的位置，vi,j表示粒子i在第j維的速度，ξ1和ξ2為隨機數(shù)，當(dāng)時，以提高全局搜索能力，當(dāng)時，以提高算法收斂性。其中，所述學(xué)習(xí)因子的調(diào)整公式為：式中，c1,ini、c2,ini為學(xué)習(xí)因子的初始值，c1,fin、c2,fin為學(xué)習(xí)因子的終值。根據(jù)本發(fā)明的另一個方面，提供一種智慧農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度裝置，包括：調(diào)度模型建立模塊，用于基于光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)中各微源的能量流動模型，以所述微型能源網(wǎng)一天的綜合運行成本最低為目標(biāo)，建立所述微型能源網(wǎng)的調(diào)度優(yōu)化模型；調(diào)度模型求解模塊，用于采用變學(xué)習(xí)因子二階振蕩文化粒子群算法求解所述調(diào)度優(yōu)化模型，得到所述微型能源網(wǎng)的運行調(diào)度策略。其中，還包括：微網(wǎng)模型建立模塊，用于建立光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)各微源的能量流動模型；其中，所述微源的類型為供電設(shè)備、供熱設(shè)備或儲能裝置。根據(jù)本發(fā)明的又一個方面，提供一種非暫態(tài)計算機可讀存儲介質(zhì)，所述非暫態(tài)計算機可讀存儲介質(zhì)存儲計算機指令，所述計算機指令使所述計算機執(zhí)行如前所述的方法。本發(fā)明提出的一種智慧農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度方法及裝置，通過建立電氣熱多能流光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度模型，采用變學(xué)習(xí)因子二階振蕩文化粒子群算法求解優(yōu)化調(diào)度模型，具有較快的運算速度、較高的全局搜索能力和更好的收斂性，使可再生能源實現(xiàn)就地消納，減少多余電量上網(wǎng)對農(nóng)村薄弱配電網(wǎng)穩(wěn)定性和可靠性的影響，同時降低微型能源網(wǎng)綜合成本運行費用，實現(xiàn)光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)的經(jīng)濟運行。附圖說明圖1為本發(fā)明一實施例提供的一種智慧農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度方法的流程示意圖；圖2為本發(fā)明實施例提供的光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)的結(jié)構(gòu)示意圖；圖3為本發(fā)明實施例提供的基于圖1中步驟s2的流程示意圖；圖4為本發(fā)明實施例提供的變學(xué)習(xí)因子二階振蕩文化粒子群算法的流程示意圖；圖5為冬季某典型日各電熱負(fù)荷及光伏發(fā)電預(yù)測曲線圖；圖6為根據(jù)本發(fā)明實施例所述算法求解微型能源網(wǎng)優(yōu)化調(diào)度模型所得的電負(fù)荷調(diào)度出力曲線圖；圖7為根據(jù)本發(fā)明實施例所述算法求解微型能源網(wǎng)優(yōu)化調(diào)度模型所得的熱負(fù)荷調(diào)度出力曲線圖；圖8為冬季某典型日二階振蕩文化粒子群算法與基本粒子群算法綜合運行成本比較圖；圖9為本發(fā)明另一實施例提供的一種智慧農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度裝置的結(jié)構(gòu)圖。具體實施方式下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式作進一步詳細(xì)描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。如圖1所示，為本發(fā)明一實施例提供的一種用于智慧農(nóng)業(yè)大棚的微型能源網(wǎng)優(yōu)化調(diào)度方法的流程示意圖，包括以下步驟：s1，基于光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)中各微源的能量流動模型，以所述微型能源網(wǎng)一天的綜合運行成本最低為目標(biāo)，建立所述微型能源網(wǎng)的調(diào)度優(yōu)化模型；s2，采用變學(xué)習(xí)因子二階振蕩文化粒子群算法求解所述調(diào)度優(yōu)化模型，得到所述微型能源網(wǎng)的運行調(diào)度策略。具體地，步驟s1中所述光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)是一個電能、氣能和熱能相互耦合的微型能源網(wǎng)絡(luò)，根據(jù)光伏智慧設(shè)施農(nóng)業(yè)大棚的建設(shè)規(guī)劃，配套有大型沼氣發(fā)酵池，通過沼氣燃燒，產(chǎn)生電能和熱能，實現(xiàn)生物質(zhì)能綜合運用，所構(gòu)建的光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)的結(jié)構(gòu)如圖2所示，主要由光伏供電裝置、小型沼氣發(fā)電裝置、吸收式熱泵、沼氣鍋爐、空氣源熱泵換熱裝置、鋰電池和相變儲熱器組成。農(nóng)業(yè)大棚的電能由小型沼氣發(fā)電機和光伏發(fā)電提供，沼氣鍋爐、吸收式熱泵和空氣源熱泵換熱裝置制取熱能滿足農(nóng)業(yè)大棚的熱需求。當(dāng)能源網(wǎng)自身產(chǎn)生的電能大于負(fù)荷需求時，多余電能優(yōu)先存儲到鋰電池中，當(dāng)鋰電池儲存量達(dá)到最大值時，多余電能與外部配電網(wǎng)進行電能交易。反之，當(dāng)能源網(wǎng)自身產(chǎn)生的電能小于負(fù)荷需求時，鋰電池進行放電，如果仍無法滿足負(fù)荷需求，則從外部配電網(wǎng)購電。為了保證沼氣充足均勻供應(yīng)，利用電加熱裝置使沼氣池處于適宜的出力溫度，同時，電能作用于空氣源熱泵換熱裝置制取農(nóng)業(yè)負(fù)荷所需熱能，由此便構(gòu)成一個電能氣能熱能互相耦合，低碳高效的綠色微型能源網(wǎng)絡(luò)。能量流動模型即指微型能源網(wǎng)中各微源的能量轉(zhuǎn)換的數(shù)學(xué)模型。微型能源網(wǎng)優(yōu)化調(diào)度的目標(biāo)是在一定的控制策略下，使微型能源網(wǎng)的能量實現(xiàn)供需平衡，且各微源的輸出功率能夠滿足微型能源網(wǎng)的負(fù)荷需求，保證微型能源網(wǎng)的安全穩(wěn)定，實現(xiàn)微電網(wǎng)的經(jīng)濟優(yōu)化運行。因此，為了實現(xiàn)微型能源網(wǎng)的經(jīng)濟優(yōu)化運行，以微型能源網(wǎng)一天的綜合運行成本最低為目標(biāo)，構(gòu)建調(diào)度優(yōu)化模型是合適的。所述調(diào)度優(yōu)化模型包括：目標(biāo)函數(shù)和約束條件。目標(biāo)函數(shù)即是以所述微型能源網(wǎng)一天的綜合運行成本最低為目標(biāo)而建立的被優(yōu)化函數(shù)，約束條件是使能量供需平衡且使各微源的輸出功率能夠滿足微型能源網(wǎng)的負(fù)荷需求的條件。與傳統(tǒng)的電網(wǎng)優(yōu)化調(diào)度相比，光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度問題顯得更加復(fù)雜。首先，光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)能夠為地區(qū)提高熱/電負(fù)荷，因此，在考慮電功率平衡的同時，也要保證熱負(fù)荷供需平衡。其次，光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)中各微源的運行特性各不相同，光伏發(fā)電等可再生能源易受天氣因素影響，單一的負(fù)荷變化都可能對微電網(wǎng)的功率平衡產(chǎn)生顯著影響。因此，光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度必須從微型能源網(wǎng)整體出發(fā)，考慮微型能源網(wǎng)運行的經(jīng)濟性、熱/電負(fù)荷需求以及分布式能源的運行特性等信息，確定各個微源的輸出功率、微型能源網(wǎng)與大電網(wǎng)間的交互功率以及負(fù)荷控制，即所述微型能源網(wǎng)的運行調(diào)度策略，從而實現(xiàn)微型能源網(wǎng)中的各微源與負(fù)荷間的最佳配置，減少多余電量上網(wǎng)對農(nóng)村薄弱配電網(wǎng)穩(wěn)定性和可靠性的影響，同時實現(xiàn)光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)的經(jīng)濟運行。綜上所述，光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度問題具有非線性、多約束條件以及多極值性等特點，傳統(tǒng)的算法無法很好的解決，而智能算法在求解這類優(yōu)化問題時具有更好的靈活性，步驟s2在標(biāo)準(zhǔn)粒子群算法的基礎(chǔ)上進行改進，并結(jié)合文化算法，提出采用變學(xué)習(xí)因子二階振蕩文化粒子群算法求解步驟s1中的調(diào)度優(yōu)化模型，算法的基本思想是：在種群空間采用變學(xué)習(xí)因子二階振蕩粒子群優(yōu)化算法實現(xiàn)粒子進化；通過構(gòu)建上層知識空間來挖掘進化過程中優(yōu)勢粒子的信息，并以知識的形式加以保存；通過影響函數(shù)使知識作用于種群空間實現(xiàn)對粒子進化的引導(dǎo)。本發(fā)明實施例提出變學(xué)習(xí)因子二階振蕩文化粒子群算法，學(xué)習(xí)因子是動態(tài)調(diào)整的，粒子的速度與位置的變化有關(guān)，且引入振蕩環(huán)節(jié)，較標(biāo)準(zhǔn)的粒子群算法和文化算法具有較快的運算速度、較高的全局搜索能力和更好的收斂性。本發(fā)明提出的一種用于智慧農(nóng)業(yè)大棚的微型能源網(wǎng)優(yōu)化調(diào)度方法，通過建立電氣熱多能流光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)調(diào)度模型，提出采用變學(xué)習(xí)因子二階振蕩文化粒子群算法求解調(diào)度模型，算法具有較快的運算速度、較高的全局搜索能力和更好的收斂性，能夠?qū)崿F(xiàn)微型能源網(wǎng)的能量供需平衡，減少多余電量上網(wǎng)對農(nóng)村薄弱配電網(wǎng)穩(wěn)定性和可靠性的影響，同時降低微型能源網(wǎng)的綜合運行成本，實現(xiàn)光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)的經(jīng)濟運行。基于上述實施例，所述方法還包括：s0，建立光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)各微源的能量流動模型；其中，所述微源的類型為供電設(shè)備、供熱設(shè)備或儲能裝置。由圖2可知，光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)包括以下微源：光伏供電裝置、小型沼氣發(fā)電裝置、吸收式熱泵、沼氣鍋爐、空氣源熱泵換熱裝置、鋰電池和相變儲熱器，其中，光伏供電裝置和小型沼氣發(fā)電裝置是供電設(shè)備，吸收式熱泵、沼氣鍋爐和空氣源熱泵換熱裝置是供熱設(shè)備，鋰電池和相變儲熱器是儲能設(shè)備。具體地，所述能量流動模型包括：光伏發(fā)電模型、熱電聯(lián)產(chǎn)模型、空氣源熱泵換熱裝置模型和熱電儲能模型。建立光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)各微源的能量流動模型包括：s01，建立光伏發(fā)電模型光伏電池板的輸出功率與室外環(huán)境的溫度、光照的強度和光伏板面積大小等有關(guān)，其功率模型為：ppv＝itηapv(1)式中，ppv為光伏電池板單位小時輸出功率；it為太陽輻射強度；η為系統(tǒng)的運行效率；apv為光伏板面積。s02，建立熱電聯(lián)產(chǎn)模型熱電聯(lián)產(chǎn)系統(tǒng)主要包含小型沼氣發(fā)電裝置、沼氣鍋爐和吸收式熱泵，其數(shù)學(xué)模型為：qap(t)＝qe(t)ηap(3)式中，qe(t)為小型沼氣發(fā)電裝置煙氣回收余熱量；pmbt(t)為小型沼氣發(fā)電裝置輸出電功率；ηe為小型沼氣發(fā)電機的發(fā)電效率；η1為小型沼氣發(fā)電機散熱部分損失系數(shù)；qap(t)為吸收式熱泵的功率；ηap為吸收式熱泵熱回收效率。值得說明的是本實施例設(shè)定沼氣供應(yīng)充足，由于需要調(diào)度的對象是沼氣鍋爐的熱功率，沼氣鍋爐的燃燒模型公式和其他公式無任何聯(lián)系，故在本實施例中沒有建立沼氣鍋爐的數(shù)學(xué)模型。s03，建立空氣源熱泵換熱裝置模型空氣源熱泵換熱裝置以空氣的能量作為動力，通過電能驅(qū)動壓縮機運行，將電能轉(zhuǎn)換為熱能，無需復(fù)雜昂貴的設(shè)備配置，減少了污染物的排放，其經(jīng)濟性和環(huán)保性突出，數(shù)學(xué)模型可以表示為：qhp(t)＝chppehp(t)(4)式中，qhp(t)為空氣源熱泵換熱裝置輸出熱功率；chp為空氣源熱泵換熱裝置制熱系數(shù)；pehp(t)為空氣源熱泵換熱裝置用電功率。s04，建立熱電儲能模型以鋰電池作為儲電裝置，相變材料作為儲熱裝置，由于兩種裝置充放能特點類似，所起作用類似，所以采用統(tǒng)一的數(shù)學(xué)模型為e(t)＝e(t-1)(1-δ)+δtpch(t)ηch-δtpdis(t)/ηdis(5)式中,e(t)為熱電儲能裝置在t小時總的能量；δ為熱電儲能裝置自放能系數(shù)；pch(t)為熱電儲能裝置在t小時充能功率；pdis(t)為熱電儲能裝置在t小時放能功率；ηch為熱電儲能裝置在t小時充能效率系數(shù)；ηdis為熱電儲能裝置在t小時放能效率系數(shù)；δt為單位時段。值得說明的是，步驟s01、s02、s03和s04沒有限定的執(zhí)行順序?；谏鲜鰧嵤├襟Es1進一步包括：以所述微型能源網(wǎng)一天的綜合運行成本最低為目標(biāo)，建立調(diào)度優(yōu)化目標(biāo)函數(shù)；基于微型能源網(wǎng)的能量供需平衡和各微源的輸出功率應(yīng)滿足所述微型能源網(wǎng)的負(fù)荷需求，列舉約束條件，所述約束條件包括：熱電功率平衡約束公式和各微源運行的不等式約束公式。具體的，所述綜合運行成本包括所述微型能源網(wǎng)與外部電網(wǎng)聯(lián)絡(luò)線能量交互的最小成本、各微源的運行維護成本、各微源初始投資折舊成本和環(huán)境污染成本，所述調(diào)度優(yōu)化目標(biāo)函數(shù)具體為：其中，f1(t)＝cgrid(t)pgrid(t)(7)式中，f1(t)為與外部電網(wǎng)聯(lián)絡(luò)線能量交互成本，f2(t)為各微源運行維護成本，f3(t)為各微源初始投資折舊成本，f4(t)為環(huán)境污染成本，cgrid(t)為微型能源網(wǎng)分時電價，pgrid(t)為與外部電網(wǎng)聯(lián)絡(luò)線能量交換功率，n為微源總數(shù)，ci(t)為第i個微源運行維護成本，pi(t)為第i個微源的功率，di為第i個微源初始投資成本，l為利息率，ni為第i個微源的使用周期，oij為第i個微源產(chǎn)生第j種污染氣體的值，cj為第j種污染物對環(huán)境污染的成本，m為污染物種類，t為時間周期，設(shè)為24小時。基于微型能源網(wǎng)的能量供需平衡列出熱電功率平衡約束公式，具體為：pli(t)+pmbt(t)+pgrid(t)＝pe(t)+pehp(t)-ppv(t)(11)qhp(t)+qap(t)+qbgb(t)+qpt(t)＝qh(t)(12)式中，pli(t)鋰電池的電功率；pmbt(t)為小型沼氣發(fā)電裝置的電功率；pgrid(t)為與外部電網(wǎng)聯(lián)絡(luò)線能量交換功率；pe(t)為微型能源網(wǎng)的電負(fù)荷；pehp(t)為空氣源熱泵換熱裝置用電功率；ppv(t)為光伏發(fā)電功率；qbgb(t)為沼氣鍋爐的熱功率；qhp(t)為空氣源熱泵換熱裝置輸出熱功率；qap(t)為吸收式熱泵的功率；qpt(t)為相變儲熱器的熱功率；qh(t)為微型能源網(wǎng)的熱負(fù)荷。公式(11)為電功率平衡公式，公式(12)為熱功率平衡公式。基于各微源的輸出功率應(yīng)滿足所述微型能源網(wǎng)的負(fù)荷需求，建立各微源運行的不等式約束公式，具體為：對于小型沼氣發(fā)電裝置的輸出功率應(yīng)滿足下式：對于吸收式熱泵的輸出功率應(yīng)滿足下式：對于沼氣鍋爐的輸出功率應(yīng)滿足下式：對于儲能裝置應(yīng)滿足：socmin≤soc(t)≤socmax(16)0≤pdis(t)≤pdmax(17)0≤pch(t)≤pcmax(18)對于空氣源熱泵換熱裝置的輸出功率應(yīng)滿足下式：微型能源網(wǎng)與外部電網(wǎng)的交互功率應(yīng)滿足下式：上述各式中，和小型沼氣發(fā)電裝置發(fā)電功率最小值和最大值；和為吸收式熱泵熱功率最小值和最大值；和為沼氣鍋爐熱功率最小值和最大值；socmin和socmax為熱電儲能裝置荷電狀態(tài)的最小值和最大值；pch(t)和pdis(t)為熱電儲能裝置充電功率和放電功率；pcmax和pdmax為熱電儲能裝置充電功率最大值和放電功率最大值；和為空氣源熱泵換熱裝置熱功率最小值和最大值；和為與外部電網(wǎng)聯(lián)絡(luò)線能量交換功率最小值和最大值。本實施例中光伏發(fā)電裝置的輸出功率根據(jù)預(yù)測值獲得，因此沒有列出光伏發(fā)電裝置的運行約束?；谏鲜鰧嵤├?，如圖3所示，所述步驟s2進一步包括：s21，初始化粒子群空間和知識空間；s22，若當(dāng)前迭代次數(shù)不能被預(yù)設(shè)的接收操作次數(shù)整除，則將所述粒子群空間中各粒子帶入所述調(diào)度優(yōu)化模型，計算所述粒子群空間中各粒子的適應(yīng)度，并尋找當(dāng)前個體極值和整個所述粒子群空間的當(dāng)前全局最優(yōu)解；s23，利用變學(xué)習(xí)因子二階振蕩文化粒子群算法的速度更新公式和位置更新公式，更新各粒子的速度和位置；s24，迭代執(zhí)行所述步驟s22和s23，直至迭代次數(shù)達(dá)到預(yù)設(shè)閾值，輸出全局最優(yōu)解。具體地，步驟s21初始化粒子群空間包括：粒子初始隨機賦值、設(shè)置最大迭代次數(shù)和種群規(guī)模等。初始化知識空間包括：設(shè)置知識解群體規(guī)模；將知識解個體的編碼形式設(shè)置為粒子群中個體的編碼形式，用于保存粒子群空間的全局最優(yōu)解；設(shè)置接收操作次數(shù)等。步驟s22，若當(dāng)前迭代次數(shù)不能被預(yù)設(shè)的接收操作次數(shù)整除，即不需要更新粒子群空間，將各粒子帶入所建立的目標(biāo)函數(shù)，同時滿足約束條件，計算出粒子群空間中各粒子的適應(yīng)度，若粒子目前的位置優(yōu)于自身記憶的最優(yōu)位置，則用目前位置替換；若目前全局最優(yōu)位置優(yōu)于目前為止所搜索到的歷史最優(yōu)位置，則用當(dāng)前全局最優(yōu)位置替換。步驟s23，本發(fā)明實施例提供的二階振蕩粒子群算法中粒子的速度與粒子位置的變化有關(guān)，同時引入振蕩環(huán)節(jié)，學(xué)習(xí)因子是動態(tài)變化的，位置更新公式與標(biāo)準(zhǔn)粒子群算法的公式相同，具體為：xi,j(t+1)＝xi,j(t)+vi,j(t+1),j＝1,2,...d(21)式中，xi,j表示粒子i在第j維的位置，vi,j表示粒子i在第j維的速度。步驟s24中，預(yù)設(shè)閾值是指預(yù)設(shè)的最大的迭代次數(shù)，當(dāng)前迭代次數(shù)達(dá)到預(yù)設(shè)閾值，是算法的終止條件，如果未達(dá)到，則繼續(xù)進行迭代，即執(zhí)行步驟s22和s23，若當(dāng)前迭代次數(shù)達(dá)到最大迭代次數(shù)，則結(jié)束計算，輸出全局最優(yōu)解?；谏鲜鰧嵤├?，所述步驟s22還包括：若當(dāng)前迭代次數(shù)能被預(yù)設(shè)的接收操作次數(shù)整除，則用當(dāng)前全局最優(yōu)解替換知識空間中知識解群體的最差個體；知識解群體進行自身進化，根據(jù)影響操作更新所述粒子群空間；計算更新后的所述粒子群空間各粒子的適應(yīng)度，并尋找當(dāng)前個體極值和整個所述粒子群空間的當(dāng)前全局最優(yōu)解。如圖4所示，為本發(fā)明實施例提供的變學(xué)習(xí)因子二階振蕩文化粒子群算法的流程示意圖，將改進的變學(xué)習(xí)因子二階振蕩粒子群算法融入進文化算法，在主群體空間采用變學(xué)習(xí)因子二階振蕩粒子群優(yōu)化算法實現(xiàn)粒子進化；通過構(gòu)建上層知識空間來挖掘進化過程中優(yōu)勢粒子的信息，并以知識的形式加以保存；通過影響函數(shù)使知識作用于主群體空間實現(xiàn)對粒子進化的引導(dǎo)，使得改進的粒子群算法具有更好的全局搜索能力。具體地，若當(dāng)前迭代次數(shù)能被預(yù)設(shè)的接收操作次數(shù)整除，則用當(dāng)前全局最優(yōu)解替換知識空間中知識解群體的最差個體。在主群體空間的粒子群演化過程中，每運行接收操作次數(shù)的代數(shù)時，用當(dāng)前全局最優(yōu)解替換知識空間中的群體的最差個體，即將當(dāng)前全局最優(yōu)解不斷保存進知識空間。知識解群體進行自身進化具體是指采用選擇、交叉和變異操作，用兩點交叉來使知識解群體共享知識信息；當(dāng)粒子群陷入局部最優(yōu)時，以一定的概率進行變異操作，以擴大搜索空間使算法具有更好的全局搜索能力，用賭輪選擇保存較優(yōu)個體。根據(jù)影響操作更新所述粒子群空間是指：每運行影響操作次數(shù)的代數(shù)時，將知識空間的群體中適應(yīng)值較好的一部分個體替換粒子群中適應(yīng)值較劣的同樣數(shù)目個體。其中接受操作公式和影響操作公式如下：式中，bnum、dnum為常數(shù)，accpetance為接受操作次數(shù)，influence為影響操作次數(shù)，itermax為最大迭代次數(shù)，iter為當(dāng)前迭代次數(shù)。文化算法的進化機制決定其更適合找到全局最優(yōu)解，但其尋優(yōu)速度較慢，粒子群算法雖尋優(yōu)速度較快，但其容易得到局部最優(yōu)解，因此通過在粒子群算法中加入二階振蕩環(huán)節(jié)并與文化算法相結(jié)合得到基于變學(xué)習(xí)因子的二階振蕩粒子群文化算法，可以提高算法的運算速度、全局搜索能力和收斂性。其中，步驟s23中所述速度更新公式具體為：式中，c1和c2為學(xué)習(xí)因子，r1和r2為區(qū)間[0,1]上的隨機數(shù)，pi,j表示粒子i在第j維的個體極值點的位置，pg,j為到當(dāng)前迭代次數(shù)為止所有粒子在迭代中找到的最優(yōu)極值點的位置，xi,j表示粒子i在第j維的位置，vi,j表示粒子i在第j維的速度，ξ1和ξ2為隨機數(shù)，當(dāng)時，以提高全局搜索能力，當(dāng)時，以提高算法收斂性。在標(biāo)準(zhǔn)粒子群算法中，粒子的速度是與粒子當(dāng)前位置有關(guān)，而本發(fā)明實施例提供的二階振蕩粒子群算法中粒子的速度與粒子位置的變化有關(guān)，并引入了一個振蕩環(huán)節(jié)，來改善算法的全局收斂性。其中，所述學(xué)習(xí)因子的調(diào)整公式為：式中，c1,ini、c2,ini為學(xué)習(xí)因子的初始值，c1,fin、c2,fin為學(xué)習(xí)因子的終值針對基本粒子群算法搜索能力差、全局收斂性低的問題，本發(fā)明實施例提出非線性變化學(xué)習(xí)因子模型，設(shè)定c1初始值較大、終值較小，c2初始值較小、終值較大，在算法迭代初期增強粒子的自我認(rèn)識能力，削弱其社會經(jīng)驗，在算法迭代后期，c1呈現(xiàn)非線性遞減趨勢，c2呈現(xiàn)非線性遞增趨勢，增強算法全局尋優(yōu)能力。本發(fā)明實施例提供的變學(xué)習(xí)因子的二階振蕩粒子群文化算法，具有較快的運算速度、較高的全局搜索能力和更好的收斂性。下面以甘肅省蘭州市周邊某村光伏智慧設(shè)施農(nóng)業(yè)大棚為例，對本發(fā)明實施例提供的一種用于智慧農(nóng)業(yè)大棚的微型能源網(wǎng)優(yōu)化調(diào)度方法進行說明。電網(wǎng)分時電價如表1，微型能源網(wǎng)各設(shè)備參數(shù)如表2所示，環(huán)境污染成本如表3所示。該村莊地勢開闊，光照充足，圖5為冬季某典型日各電熱負(fù)荷、光伏發(fā)電預(yù)測曲線，通過本發(fā)明實施例所述算法求解微型能源網(wǎng)優(yōu)化調(diào)度模型所得的優(yōu)化調(diào)度結(jié)果如圖6和7。表1分時電價時段時間電價/(元/kw·h)谷時段23:00-24:00，00:00-07:000.39平時段07:00-11:00，14:00-18:000.63峰時段11:00-13:00，18:00-23:000.80表2供能設(shè)備參數(shù)表3污染物的排放值和環(huán)境污染成本(單位：g/(kw·h))參數(shù)noxcoco2so2排放值0.6190.171840.001環(huán)境污染成本1.250.1450.0040.87冬季某典型日微型能源網(wǎng)電負(fù)荷調(diào)度出力曲線如圖6。由圖6可知，由于配套有沼氣池，假設(shè)沼氣供應(yīng)穩(wěn)定充足，所以小型沼氣發(fā)電裝置在一天中都處于滿發(fā)狀態(tài)，在谷時段23:00-07:00電價價格較低，大量從外部配電網(wǎng)買電滿足負(fù)荷電能需求，在平時段和峰時段，光伏按照預(yù)測曲線出力滿發(fā)，與小型沼氣發(fā)電裝置一起滿足負(fù)荷電能需求，在14:00-16:00負(fù)荷相對低谷期，生產(chǎn)的多余電能優(yōu)先存儲到鋰電池中，鋰電池在電價低谷階段充電，高峰階段放電，起到削峰填谷的作用。冬季某典型日微型能源網(wǎng)熱負(fù)荷調(diào)度出力曲線如圖7。由圖7可知，由于小型沼氣發(fā)電裝置處于滿發(fā)狀態(tài)，所以配套吸收式熱泵一天的供熱量也十分充足，在電價較低的谷時段00:00-07:00，熱負(fù)荷由空氣源熱泵換熱裝置、吸收式熱泵和沼氣鍋爐提供，在電價較高的平時段和峰時段07:00-23:00，熱負(fù)荷主要由吸收式熱泵、相變儲熱、沼氣鍋爐提供，不足的部分由空氣源熱泵換熱裝置補充。相變儲熱在電價谷時段大量蓄熱，在電價平時段和峰時段放熱，滿足系統(tǒng)負(fù)荷需要。冬季某典型日二階振蕩文化粒子群算法與基本粒子群算法綜合運行成本比較如圖8，由圖8可知，二階振蕩粒子群算法明顯優(yōu)于基本粒子群算法，提高了全局搜索能力和收斂速度，使得解更加精確。如圖9所示，為本發(fā)明另一實施例提供的一種智慧農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度裝置的結(jié)構(gòu)圖，包括：調(diào)度模型建立模塊91和調(diào)度模型求解模塊92，其中，調(diào)度模型建立模塊91，用于基于光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)中各微源的能量流動模型，以所述微型能源網(wǎng)一天的綜合運行成本最低為目標(biāo)，建立所述微型能源網(wǎng)的調(diào)度優(yōu)化模型；調(diào)度模型求解模塊92，用于采用變學(xué)習(xí)因子二階振蕩文化粒子群算法求解所述調(diào)度優(yōu)化模型，得到所述微型能源網(wǎng)的運行調(diào)度策略。具體地，所述光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)是一個電能、氣能和熱能相互耦合的微型能源網(wǎng)絡(luò)，主要由光伏供電裝置、小型沼氣發(fā)電裝置、吸收式熱泵、沼氣鍋爐、空氣源熱泵換熱裝置、鋰電池和相變儲熱器組成。調(diào)度模型建立模塊91基于能量流動模型，構(gòu)建微型能源網(wǎng)的調(diào)度優(yōu)化模型，其中，能量流動模型即指微型能源網(wǎng)中各微源的能量轉(zhuǎn)換的數(shù)學(xué)模型。所述調(diào)度優(yōu)化模型包括：目標(biāo)函數(shù)和約束條件。目標(biāo)函數(shù)即是以所述微型能源網(wǎng)一天的綜合運行成本最低為目標(biāo)而建立的函數(shù)，約束條件是使能量供需平衡且使各微源的輸出功率能夠滿足微型能源網(wǎng)的負(fù)荷需求的條件。光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度問題具有非線性、多約束條件以及多極值性等特點，傳統(tǒng)的算法無法很好的解決，而智能算法在求解這類優(yōu)化問題時具有更好的靈活性，調(diào)度模型求解模塊92在標(biāo)準(zhǔn)粒子群算法的基礎(chǔ)上進行改進，并結(jié)合文化算法，采用變學(xué)習(xí)因子二階振蕩文化粒子群算法求解調(diào)度模型建立模塊91所建立的調(diào)度優(yōu)化模型，算法的基本思想是：在種群空間采用變學(xué)習(xí)因子二階振蕩粒子群優(yōu)化算法實現(xiàn)粒子進化；通過構(gòu)建上層知識空間來挖掘進化過程中優(yōu)勢粒子的信息，并以知識的形式加以保存；通過影響函數(shù)使知識作用于種群空間實現(xiàn)對粒子進化的引導(dǎo)。其中，學(xué)習(xí)因子是動態(tài)調(diào)整的，粒子的速度與位置的變化有關(guān)，且引入振蕩環(huán)節(jié)，較標(biāo)準(zhǔn)的粒子群算法和文化算法具有較快的運算速度、較高的全局搜索能力和更好的收斂性?；谏鲜鰧嵤├?，優(yōu)化調(diào)度裝置還包括：微網(wǎng)模型建立模塊，用于建立光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)各微源的能量流動模型；其中，所述微源的類型為供電設(shè)備、供熱設(shè)備或儲能裝置。具體地，優(yōu)化調(diào)度裝置還包括：微網(wǎng)模型建立模塊，以獲得各微源的能量流動模型。光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)包括以下微源：光伏供電裝置、小型沼氣發(fā)電裝置、吸收式熱泵、沼氣鍋爐、空氣源熱泵換熱裝置、鋰電池和相變儲熱器，其中，光伏供電裝置、小型沼氣發(fā)電裝置是供電設(shè)備，吸收式熱泵、沼氣鍋爐、空氣源熱泵換熱裝置是供熱設(shè)備，鋰電池和相變儲熱器是儲能設(shè)備。因此，所述能量流動模型包括：光伏發(fā)電模型、熱電聯(lián)產(chǎn)模型、空氣源熱泵換熱裝置模型和熱電儲能模型。在上述實施例中已經(jīng)闡述了所述各能量流動模型的建立方法，在此不再贅述。本發(fā)明提出的一種智慧農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度裝置，能夠?qū)崿F(xiàn)微型能源網(wǎng)的能量供需平衡，減少多余電量上網(wǎng)對農(nóng)村薄弱配電網(wǎng)穩(wěn)定性和可靠性的影響，同時降低微型能源網(wǎng)綜合運行成本，實現(xiàn)光伏智慧設(shè)施農(nóng)業(yè)大棚微型能源網(wǎng)的經(jīng)濟運行。本發(fā)明又一實施例，提供一種非暫態(tài)計算機可讀存儲介質(zhì)，所述非暫態(tài)計算機可讀存儲介質(zhì)存儲計算機指令，所述計算機指令使所述計算機執(zhí)行如前所述的智慧農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度方法。本領(lǐng)域普通技術(shù)人員可以理解：實現(xiàn)上述方法實施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成，前述的程序可以存儲于一計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，執(zhí)行包括上述方法實施例的步驟；而前述的存儲介質(zhì)包括：rom、ram、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。以上所描述智慧農(nóng)業(yè)大棚微型能源網(wǎng)的優(yōu)化調(diào)度裝置的實施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性的勞動的情況下，即可以理解并實施。通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實施方式可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當(dāng)然也可以通過硬件。基于這樣的理解，上述技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品可以存儲在計算機可讀存儲介質(zhì)中，如rom/ram、磁碟、光盤等，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行各個實施例或者實施例的某些部分所述的方法。最后，本發(fā)明的方法僅為較佳的實施方案，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。當(dāng)前第1頁12