基于人工魚(yú)群算法的能效檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力能源領(lǐng)域，具體涉及一種基于人工魚(yú)群算法的能效檢測(cè)方法。
【背景技術(shù)】
[0002] 隨著經(jīng)濟(jì)的發(fā)展，能源消耗越來(lái)越多，過(guò)多的能源消耗會(huì)導(dǎo)致環(huán)境污染越來(lái)越嚴(yán) 重，眾所周知，現(xiàn)今全國(guó)各地霧霾頻現(xiàn)，引起霧霾的原因之一就是能源的巨大消耗，因此如 何讓降低能源消耗是現(xiàn)今研宄的一個(gè)重要的課題。
[0003] 高電耗系統(tǒng)不僅產(chǎn)能落后、能耗超標(biāo)，而且會(huì)產(chǎn)生很多電能質(zhì)量問(wèn)題，一些企業(yè)由 于設(shè)備老化、管理落后等問(wèn)題，造成了很多能源的浪費(fèi)。堅(jiān)持節(jié)能減排是新電改的基本原則 之一，因此我們需要了解用電設(shè)備的能效狀況，有針對(duì)性的對(duì)能效差的用電設(shè)備進(jìn)行節(jié)能 改造，提高能源利用率。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明是為了解決上述課題而進(jìn)行的，目的在于提供一種用于對(duì)多個(gè)用電設(shè)備的 能效進(jìn)行檢測(cè)的基于人工魚(yú)群算法的能效檢測(cè)方法。
[0005] 本發(fā)明提供的基于人工魚(yú)群算法的能效檢測(cè)方法，其特征在于，包括以下步驟：步 驟1，設(shè)定與用電設(shè)備運(yùn)行相對(duì)應(yīng)的多個(gè)能效指標(biāo)；步驟2,設(shè)定多個(gè)能效指標(biāo)的能效分級(jí) 范圍；步驟3,設(shè)置與多個(gè)用電設(shè)備一一對(duì)應(yīng)的多個(gè)檢測(cè)點(diǎn)，檢測(cè)點(diǎn)采集相對(duì)應(yīng)的用電設(shè)備 的多個(gè)能效指標(biāo)的采集數(shù)據(jù)，將采集數(shù)據(jù)生成一個(gè)作為投影指標(biāo)的一維數(shù)組；步驟4,將一 維數(shù)組根據(jù)投影尋蹤理論建立投影目標(biāo)函數(shù)；步驟5,基于人工魚(yú)群算法進(jìn)行優(yōu)化得到投 影目標(biāo)函數(shù)的最大值，從而得到最優(yōu)投影方向；步驟6,根據(jù)最優(yōu)投影方向基于預(yù)定規(guī)則得 到各個(gè)用電設(shè)備的能效等級(jí)。
[0006] 本發(fā)明的基于人工魚(yú)群算法的能效檢測(cè)方法還可以具有這樣的特征：其中，多個(gè) 能效指標(biāo)包含：電力系統(tǒng)頻率允許偏差、電流諧波奇次畸變率、電流諧波總畸變率、供電電 壓允許偏差，三相電壓允許不平衡度、用電可靠性、功率因數(shù)、萬(wàn)元經(jīng)濟(jì)增加值以及顆粒排 放物。
[0007] 本發(fā)明的基于人工魚(yú)群算法的能效檢測(cè)方法還可以具有這樣的特征：其中，投影 目標(biāo)函數(shù)Q(a)為：

[0013] z(i)為各個(gè)采集數(shù)據(jù)的投影值；Sz為投影值的標(biāo)準(zhǔn)差；Dz為投影值的局部密度；EZ 為投影值的平均值；yi為各個(gè)檢測(cè)點(diǎn)的能效等級(jí)；Ey為能效等級(jí)的平均值；x(i，j)為第i個(gè) 檢測(cè)點(diǎn)中第j個(gè)能效指標(biāo)的數(shù)據(jù)；Rzy為投影值和能效等級(jí)的相關(guān)系數(shù)；R為估計(jì)局部散點(diǎn) 密度的窗寬參數(shù)；u(R-r(i，j))為一階單位階躍函數(shù)；r(i，j)為投影特征值之間的距離。
[0014] 本發(fā)明的基于人工魚(yú)群算法的能效檢測(cè)方法還可以具有這樣的特征：其中，多個(gè) 能效指標(biāo)被分為7個(gè)級(jí)別。
[0015] 發(fā)明的作用與效果
[0016] 根據(jù)本發(fā)明所涉及的基于人工魚(yú)群算法的能效檢測(cè)方法，因?yàn)樵O(shè)定一組合理的能 效指標(biāo)，然后設(shè)定各能效指標(biāo)的能效分級(jí)范圍，對(duì)需要進(jìn)行檢測(cè)的用電設(shè)備設(shè)置檢測(cè)點(diǎn)，將 各個(gè)檢測(cè)點(diǎn)測(cè)量的數(shù)據(jù)生成一維數(shù)組，建立投影目標(biāo)函數(shù)，運(yùn)用人工魚(yú)群算法優(yōu)化最大投 影目標(biāo)函數(shù)得到最優(yōu)投影方向，進(jìn)一步，根據(jù)最優(yōu)投影方向得到最佳投影值和評(píng)測(cè)模型，最 后根據(jù)最佳投影值與評(píng)測(cè)模型的關(guān)系得到能效等級(jí)值，根據(jù)能效分級(jí)標(biāo)準(zhǔn)即可知道檢測(cè)點(diǎn) 的能效狀況，所以，基于人工魚(yú)群算法的能效檢測(cè)方法能夠?qū)τ秒娫O(shè)備有針對(duì)的進(jìn)行改造， 提高用電設(shè)備的用電能效。
【附圖說(shuō)明】
[0017] 圖1是本發(fā)明的實(shí)施例中基于人工魚(yú)群算法的能效檢測(cè)方法的流程示意圖；以及
[0018] 圖2是本發(fā)明的實(shí)施例中人工魚(yú)群算法的優(yōu)化流程圖。
【具體實(shí)施方式】
[0019] 為了使本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，以下實(shí) 施例結(jié)合附圖對(duì)本發(fā)明的基于人工魚(yú)群算法的能效檢測(cè)方法作具體闡述。
[0020] 圖1是本發(fā)明的實(shí)施例中基于人工魚(yú)群算法的能效檢測(cè)方法的流程示意圖。
[0021] 如圖1所示，基于人工魚(yú)群算法的能效檢測(cè)方法100用于對(duì)用電力用戶(hù)的能效狀 況進(jìn)行分析并且能夠根據(jù)能效狀況制定相對(duì)應(yīng)的節(jié)能方案?；谌斯~(yú)群算法的能效檢測(cè) 方法100包含以下步驟：
[0022] 步驟S1，指標(biāo)體系是智能評(píng)級(jí)的基礎(chǔ)，因此，首先設(shè)定能效指標(biāo)體系。由于國(guó)家目 前尚沒(méi)有統(tǒng)一的能效指標(biāo)體系。本發(fā)明從電能質(zhì)量、經(jīng)濟(jì)和環(huán)保三個(gè)方面選取了 9個(gè)能效 指標(biāo)，分別為電力系統(tǒng)頻率允許偏差、電流諧波奇次畸變率、電流諧波總畸變率、供電電壓 允許偏差，三相電壓允許不平衡度、用電可靠性、功率因數(shù)、萬(wàn)元經(jīng)濟(jì)增加值以及顆粒排放 物9個(gè)能效指標(biāo)。然后進(jìn)入步驟S2。
[0023] 步驟S2,設(shè)定9個(gè)能效指標(biāo)的能效分級(jí)范圍，將9個(gè)能效指標(biāo)進(jìn)行分級(jí)，具體分為 7個(gè)等級(jí)，劃分為7級(jí)能夠更好的反應(yīng)用電設(shè)備所對(duì)應(yīng)的行業(yè)對(duì)象等級(jí)。各項(xiàng)能效指的分級(jí) 范圍如表1所示。
[0024] 表1.各項(xiàng)能效指的分級(jí)范圍
[0025]
[0026] 然后進(jìn)入步驟S3。
[0027] 步驟S3,對(duì)電力用戶(hù)的n個(gè)用電設(shè)備進(jìn)行檢測(cè)，每個(gè)用電設(shè)備設(shè)置一個(gè)檢測(cè)點(diǎn)，每 個(gè)檢測(cè)點(diǎn)的測(cè)量數(shù)據(jù)包含電力系統(tǒng)頻率允許偏差、電流諧波奇次畸變率、電流諧波總畸變 率、供電電壓允許偏差，三相電壓允許不平衡度、用電可靠性、功率因數(shù)、萬(wàn)元經(jīng)濟(jì)增加值以 及顆粒排放物9個(gè)能效指標(biāo)的數(shù)據(jù)，將每個(gè)檢測(cè)點(diǎn)測(cè)量的9個(gè)能效指標(biāo)的數(shù)據(jù)生成一個(gè)一 維數(shù)組，該一維數(shù)組做為投影指標(biāo)。然后進(jìn)入步驟S4。
[0028] 步驟S4,建立投影目標(biāo)函數(shù)。將n個(gè)一維數(shù)組組成一個(gè)n行9列的數(shù)組{x(i，j)|i =1，2…，n;j= 1，2-9}，x(i，j)表示第i組數(shù)據(jù)中第j個(gè)能效指標(biāo)的數(shù)據(jù)，根據(jù)投影尋 蹤理論，以a= {a(l)，a(2)，…，a(j)，…，a(9)}為投影方向，將n個(gè)投影指標(biāo)分別投影 后得到一維投影值z(mì)(i)，一維投影值z(mì)(i)計(jì)算公式為：
[0029]
[0030] 為了得到最佳投影方向，本發(fā)明構(gòu)造投影目標(biāo)函數(shù)Qa，投影目標(biāo)函數(shù)％的表達(dá)式 為：
[0031] Q(a)=Sz ?Dz ? |Rzy (2)
[0032] 其中，S#投影值z(mì)⑴的標(biāo)準(zhǔn)差，Sz的表達(dá)式為：
[0033]
[0034] DZS投影值z(mì)(i)的局部密度，Dz的表達(dá)式為：
[0035]
[0036]y⑴為各個(gè)檢測(cè)點(diǎn)的能效等級(jí)，Rzy為投影值z(mì)(i)與能效等級(jí)y(i)的相關(guān)系數(shù)， Rzy的表達(dá)式為：
[0037]
[0038] r(i,j)為投影特征值間的距離，r(i,j) = |zi-zk|(i= 1，2，…，9;k= 1，2，…， 9)，zJPzk為投影特征值。u(R-r(i,j))為一階單位階躍函數(shù)，R-r(i,j)彡0時(shí)，其值為 1 ;R-r(i，j) < 0時(shí)，其值為0,R為估計(jì)局部散點(diǎn)密度的窗寬參數(shù)，按寬度內(nèi)至少包括一個(gè) 散點(diǎn)的原則選定，其取值與樣本數(shù)據(jù)結(jié)構(gòu)有關(guān)，R的合理取值范圍為rmax<R< 2m，rmax = maxCrij) (i,j= 1，2,…，n)。其中，類(lèi)內(nèi)密度d(a)愈大，分類(lèi)愈顯著。
[0039] EZS投影值z(mì)(i)的平均值，Ey為能效等級(jí)y(i)的平均值。然后進(jìn)入步驟S5。
[0040] 步驟S5,將投影目標(biāo)函數(shù)1最大化即可求得最優(yōu)投影方向，本發(fā)明采用人工魚(yú)群 算法來(lái)優(yōu)化投影目標(biāo)函數(shù)Qa。
[0041] MaxQ(a) =Sz ?Dz ? |