本发明涉及海岛综合能源系统，具体涉及一种基于改进蜣螂算法的海岛电氢传输耦合优化调度方法。
背景技术：
1、在全球范围内，海岛因独特地理和丰富资源成为开发热点。然而，远海岛屿的能源供应面临着极大的挑战，能源的不稳定性与高成本成为制约海岛可持续发展的关键问题。传统柴油发电虽在一定程度上满足了用电需求，但其高污染和高成本与绿色低碳的发展趋势相悖。
2、近年来，海岛供电技术有所进步，如分布式微电网和可再生能源的整合应用，但这些进展主要集中在近海岛屿，得益于其靠近大陆的地理优势，能源补给和运输相对便利。远洋岛屿的能源供应问题则更加严峻，现行的能源管理和调度策略难以满足其特殊需求。针对海岛综合能源系统，目前已提出了多种能源优化配置方案，但在能源存储和运输方面仍未找到根本解决之道。传统的换电船和移动储能系统虽能在某种程度上实现能源调度，但其效率和经济性有待提升。同时，新型储能技术，如氢储能，虽显示出巨大潜力，但在海岛能源供应中的应用研究尚显不足。
3、总体而言，海岛资源开发面临的能源供应挑战，特别是远洋岛屿的问题，亟需技术创新来解决。现有的技术进步能够改善近海岛屿的能源状况，但远洋岛屿的能源管理和传输问题依然突出。传统补给方式的低效率和不环保特性，以及新兴氢储能技术应用的有限性，都指向了迫切需要寻找新的能源解决方案，以推动海岛资源的可持续开发。
技术实现思路
1、本发明提供一种基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，能充分挖掘海上运输网络中的新能源和灵活可调资源，对实现当地能源消耗、减少柴油发电机发电量、从而减少碳排放。
2、本发明采取的技术方案为：
3、基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，包括以下步骤：
4、步骤1：考虑到自给自足和共享氢存储(shs)，构建双向耦合框架，设计氢燃料电池船(hfcs)运输网络和海岛新能源系统的总体方案；
5、步骤2：综合考虑新能源、海洋交通网络、氢能储能系统和短距离运输系统的运行约束，构建电-氢-交通耦合模型和海岛双层优化调度模型；
6、步骤3：采用改进蜣螂算法(idbo)求解步骤2构建的电-氢-交通耦合模型和海岛双层优化调度模型，输出最优解。
7、步骤4：提出了一个改进的ieee标准6节点网架结构，验证了提高能源自洽率和降低海岛碳排放成本的方法的可行性，以及改进蜣螂算法(idbo)的有效性。
8、所述步骤1中，海岛能源系统与海上交通网络的双向耦合架构包括以hfcs为主的电力网络和海上交通网络，如图1所示。海岛能源系统和海上交通网络的双向耦合架构，使能源和交通这两个分离的系统相互融合、共同发展，最终形成清洁、低碳、一体化、高效的能源互联网。
9、所述步骤1中，设计氢燃料电池船(hfcs)运输网络和海岛新能源系统的总体方案，包括：海岛能源系统负责分布式新能源接入、用电负荷供电、柴油发电机接口、电解水制氢设备供电；分布式新能源首先向孤岛负荷供电，剩余电量可转化为氢能，供氢燃料电池船(hfcs)或氢能储能系统使用；加氢主站和海上运输网络的变电站为氢燃料电池船(hfcs)提供能源，短期氢储能(sths)和共享氢存储(shs)可以弥补氢能的不足。此外，氢储能系统还能够在高峰期向电力负载供电。
10、所述步骤2中，构建的电-氢-交通耦合模型包括负荷中心岛模型，负荷中心岛模型配备了有功功率、网电功率和负荷的一体化供电系统；在运行过程中，需要考虑潮流约束、线路输电功率约束、电压越限、柴油发电机出力约束和分布式能源出力约束等约束；
11、a.负荷中心岛模型：
12、负荷中心岛设有有源电力、网络电力和负荷的综合供电系统，在运行过程中，需要考虑潮流约束、线路传输功率约束、电压超限、柴油发电机输出约束和分布式能量输出约束等约束：
13、1)功率流约束：
14、
15、式(1)中，pdg指分布式新能源的有功功率、指柴油发电机的有功功率、指储能的有功功率、指负载的有功功率。qdg指分布式新能源的无功功率、指柴油发电机的无功功率、储能的无功功率、指负载的无功功率；ui是节点i的电压幅度；uj表示节点j的电压幅度、θij是节点i和j之间的功率角；j∈i表示源、存储器和有效载荷正确地连接到节点i；gij指系统的电导参数、bij指系统的电纳参数。
16、2)线路功率限制：
17、-pl,max≤uiuj(gijcosθij+bijsinθij)≤pl,max (2)；
18、式(2)中，pl,max是最大传输功率(两端的节点i和j)；
19、3)电压约束:
20、umin≤ui≤umax (3)；
21、式(3)中，umin、umax分别是节点电压幅度的上限和下限，分别取1.1和0.9。
22、4)柴油发电机的输出约束：
23、
24、式(4)中，指柴油发电机的输出功率；是柴油发电机的最大输出，通常取指示输出；是最小输出，取
25、5)风能-太阳能分布式能源输出约束:
26、
27、式(5)中，pwt(t)指风能的输出功率；ppv(t)指太阳能的输出功率；分别是风能和太阳能分布式能源的最小输出；分别是风能和太阳能分布式能源最大输出。
28、构建的电-氢-交通耦合模型包括氢储能模型和运维成本模型，氢储能模型由储氢罐、制氢装置和氢燃料电池三部分构成，储罐储存氢气，电解制氢装置消耗电能制造氢气，电池通过燃烧氢气提供电能；运维成本包括氢储能功率波动对应的寿命衰减成本、制氢装置和燃料电池的启停成本、装置和氢燃料电池的维护成本和装置与燃料电池的历史运行时间对应的寿命衰减成本。
29、b.氢储能模型：
30、6)风能-太阳能分布式能源剩余电力的制氢模型：
31、
32、式(6)中，pex(t)是指t周期内风能-太阳能分布式能源的剩余功率；pep2g(t)是指电解氢模块在t周期内使用的电力；ppv(t)、pwind(t)分别为t周期内风能和太阳能分布式能源的输出；pe-load(t)为t周期内的用电负荷；ηp2g为能量转换效率；为t周期内的氢气储存容量，为氢气储存设备容量的上限。
33、7)氢储能模型的构建：
34、氢的储能由储氢罐、制氢装置和氢燃料电池组成；储罐储存氢气，电解制氢装置消耗电能制造氢气，电池通过燃烧氢气提供电能；储罐储存能量的计算过程如下所示：
35、
36、式(7)中，变量t表示调度周期的序列号；表示在t调度时段中的能量存储器中的能量；ηp2g和ηfc分别是制氢装置和电池的能量转换效率；△t表示调度周期的时间跨度；pep2g(t)为电解氢模块在t周期内使用的电力；pfc(t)为电解氢模块在t周期内使用的电力。
37、c.运维成本模型：
38、氢储能功率波动对应的寿命衰减成本：
39、
40、式(8)中，kλ_fl表示与装置和燃料电池的单位波动功率相对应的寿命衰减成本；pλ_t表示制氢装置和氢燃料电池的电功率；rλ_t表示设备和燃料电池的启动-停止状态；
41、pλ_t-1表示制氢装置和氢燃料电池的电功率、rλ_t-1表示设备和燃料电池的启动-停止状态；ed表示电解制氢、fc表示氢气燃料电池；表示处于设备和燃料电池的启动-停止状态；t表示运行时间。
42、制氢装置和燃料电池的启停成本如下式所示：
43、
44、式(9)和式(10)中，kλ_su和kλ_sd分别为装置和燃料电池的单位启停成本；
45、rλ_su_t和rλ_sd_t分别示出了装置和燃料电池的启动-停止状态；cλ_su表示制氢装置的启停成本、cλ_sd表示燃料电池的启停成本；
46、装置和氢燃料电池的维护成本:
47、
48、式(11)中，kλ_om表示氢生产装置和燃料电池的每单位时间的维护成本；cλ_om表示装置和氢燃料电池的维护成本；
49、装置和燃料电池的历史运行时间对应的寿命衰减成本如下式所示：
50、
51、式(12)中，kλ_age是指与装置/燃料电池的单位运行时间相对应的寿命衰减成本；tλ_lt表示装置/氢燃料电池的预期寿命；cλ_age指装置和燃料电池的历史运行时间对应的寿命衰减成本；
52、氢储能的总运营成本为：
53、
54、构建的电-氢-交通耦合模型包括海上交通网络模型，包括：每日用户最后返回时间的概率密度函数、hfcs用户行驶里程的概率密度函数、hfcs的加氢时间、单站加氢需求和运输网络加氢总需求和储氢模型。
55、d.海上交通网络模型：
56、氢燃料电池船(hfcs)的氢负荷主要受里程、返回时间和加氢站供求关系的影响。交通网络模型建立如下。
57、每日用户最后返回时间的概率密度函数为：
58、
59、式(14)中，xt是用户的最后返回时间；ψt是期望值，γt是标准偏差；
60、氢燃料电池船(hfcs)用户行驶里程的概率密度函数定义为：
61、
62、式(15)中，xs是用户的最后返回时间；ψs是期望值，γt是标准偏差。
63、氢燃料电池船(hfcs)加氢持续时间为：
64、
65、式(16)中，ts是氢化持续时间；s指每日里程；ps是加氢量；σs是氢化效率；e指单位公里耗氢量。
66、单站加氢需求：
67、nm,hfcs≤nm,h (17)；
68、式(17)中，nm,hfcs是指第m个加氢站中现有hfcs的数量，nm,h是指第m个加氢站可接受的hfcs数量。
69、交通网络加氢总需求：
70、
71、式(18)中，m是运输网络中加氢站的数量；mm,cqz是第m个储氢站的容量；me,hfcs是第e个hfcs的容量；nhfcs是hfcs的数量；m代指储氢站容量中的某个元素；e代指hfcs中的某个元素。
72、短期储氢模型：
73、
74、式(19)中，分别为单位时间氢气储存量、单位时间氢气释放量和短期氢气储存总量；分别是氢的储存效率、氢的释放效率和sths的自释放速率；csths是sths的配置容量；δt是单位时间步长；指sths的自释放速率；指上一次调度时的短期氢气储存总量。
75、共享氢储能模式：
76、
77、式(20)中，分别为每单位时间的储氢能力、每单位时间氢气释放能力和氢气储存中剩余的氢气总量；分别为shs的储氢效率、释氢效率和自释放率；cshs是指shs的配置容量。shs是在sths不能满足氢气负荷时使用的，其使用顺序为：实时补氢>短期氢储能(sths)>共享氢存储(shs)。
78、氢燃料电池船(hfcs)的加氢应满足一定的条件，实际氢气量不应超过电池的总容量，但同时也不应低于用户预期的氢气量。假设船主将hfcs连接到加氢桩时，用户自己的预期信息、加氢离开时氢电荷的预期状态为sh，这意味着当用户决定离开时，hfcs的实际氢量应大于或等于预期值，表示为：
79、
80、式(21)中，sst,i是第i个hfcs开始氢化时的氢负载状态，sen,i是第i个hfcs离开时的氢加载状态。
81、构建的海岛双层优化调度模型包括上层交通网络海岛运营模式和低层流量网络海岛的自洽模型。
82、1)上层交通网络海岛运营模式：
83、目标函数：
84、
85、式(22)中，f1表示海岛的运营成本，其中，chs、cwt、cpv分别表示氢气、风力发电装置和光伏发电装置的储能运行成本；f2表示加氢成本；xij是第i船在j期的加氢状态，它有0或1两个值，0表示没有加氢，1表示加氢；pi是第i个测量容器的功率；pj表示j期间的氢气价格；n表示hfcs船舶的数量；△t指调度时间间隔；n表示hfcs船舶的数量；每天24小时为调度周期，单位调度时间为15分钟，因此每天的调度次数为96次。
86、限制因素：受制于氢储能、功率平衡和hdcs的制约因素。
87、2)低层流量网络海岛的自洽模型：
88、基于海岛新能源与交通网络的双向耦合框架，建立了低碳经济优化调度的目标函数，包括两个部分：一是系统电能和氢能的自洽率最高；二是使该系统的碳排放成本最低。
89、目标函数如下所示：
90、
91、
92、式(23)-(26)中，η是指远洋岛屿与电力、氢气和运输相结合的日自洽率；fe为岛上的用电负荷；fdg为分布式发电的输出功率；fh是交通网络的氢负荷；fq是加氢站的能源供应和输出；f是碳排放成本；α是指碳排放的税额；是指碳排放成本；cc是碳交易价格；c是基本单位碳价格；β是阶梯式涨价幅度；v是碳排放的间隔长度；γ表示碳交易价格中的奖励系数；eg是启动柴油发电机产生的实际碳排放量；a1、b1、c1是柴油发电机的碳排放计算系数；ec是柴油发电机发电的碳排放配额；χ是单位电力的碳排放配额；pte是柴油发电机在单位时间内产生的电力；△t指调度时间间隔。
93、限制因素:配电网运营约束、电解槽设备运营约束、氢燃料电池设备运营约束，hfcs和加氢站运营约束，氢能储存设备运营约束。
94、所述步骤3中，改进蜣螂算法(idbo)，使用基于种群相似性的行动变异策略和反向学习策略来平衡局部优化和全局优化能力。
95、蜣螂优化算法收敛速度快，优化能力强，但也存在初始种群分布不均、全局探索和局部开发能力不平衡、容易陷入局部优化、无法有效搜索整个解空间等缺陷，无法得到最优解。因此，本发明提出了一种改进的蜣螂优化算法(idbo)。
96、dbo算法主要包括四个步骤：
97、step3-1：滚珠滚动行为：
98、蜣螂的粪便行为可分为障碍模式和无障碍模式。当没有障碍物时，光源的强度会影响到蜣螂，滚球行为过程中的位置更新如以下公式27所示；当遇到障碍物而无法向前移动时，使用切线函数模拟舞蹈行为，位置更新如以下公式2所示。
99、
100、式(27)中，xit是第i个体在t次迭代中的位置；λ是[0,1]的随机偏转系数，其为-1或1随机；b是随机系数，xworst是最差的个体位置。
101、step3-2：生殖行为：
102、如以下表达式(28)所示，在确定产卵区域后，幼球的位置如以下公式29所示发生变化。
103、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
104、
105、xit+1＝xlbest+b1×(xit-lb*)+b2×(xit-ub*) (29)；
106、式(28)和(29)中，xlbest是局部最优解；tmax是最大迭代次数，t是当前迭代次数；lb是下界，ab是上界；b1和b2是两个d维独立的随机矢量。
107、step3-3：觅食行为
108、通过使用边界选择策略来模拟觅食区域，如以下公式30所示。在局部范围内觅食，蜣螂的位置更新如公式31所示。
109、
110、式(30)和(31)中，xgbest是全局最优解，c1是具有正态分布的d维随机向量，c2是具有[0,1]的d维随意向量。
111、step3-4：偷窃行为：
112、最好的食物来源是最适合争夺食物的地方。偷牡蛎螳螂的位置更新如下：
113、
114、式(32)中，s是常数，g是服从正态分布的d维随机向量。
115、idbo算法针对的是原始蜣螂算法的四种动作的分布比例不均匀，每个个体只能执行一种动作，这可能导致对解空间的搜索不足或收敛缓慢的问题。本发明采用了基于种群相似性的行动变异策略和反向学习策略来改进dbo。
116、改进点一：基于种群相似性的地牢行动变异策略：
117、为了使每只蜣螂执行四种动作，本发明模拟了时间随迭代次数的变化，并每m次迭代对蜣螂的动作进行变异，将当前的动作变异为下一个行为策略。余弦相似性用于测量种群相似性，种群多样性表示如下：
118、
119、式(33)中，diver衡量收敛程度的指标；xi,j(t)指蜣螂的位置；xglbest,j(t)指全局最优解；n指混沌序列数；d指局部最优解的数；
120、当diver大于0.5时，种群多样性过低，可能陷入局部最优。探索解空间的能力和收敛速度由滚动球的蜣螂和觅食的蜣螂的数量决定。
121、因此，将进行繁殖和觅食行为的个体变异为进行滚球行为的个体，并增强全局搜索能力以增强物种多样性，从而在达到变异个体的迭代阈值tmax后，能够找到新的最佳个体或将变异个体恢复为原始行为个体继续搜索。
122、改进点二：反向学习策略：
123、由于繁殖和偷窃行为的全局搜索能力会随着迭代次数的增加而降低，而反向学习策略的思想是通过生成当前可行解的反向解并将反向解的适合度与原始解进行比较来选择更好的解，因此本发明使用反向学习策略来提高繁殖和偷窃的全局搜索性能：
124、
125、
126、式(34)和式(35)中，是逆解；lb和ub是d维向量，分别表示每个维度的下界和上界；rand()是d维随机向量，xit是当前可行解；f(xit)指位置更新对应的目标函数、指反向解对应的目标函数。
127、综上所述，图3显示了idbo算法的流程。
128、所述步骤4中，提出了一个改进的ieee标准6节点网架结构，额定电压为10kv，岛上配备了额定功率为400kw的柴油发电机，和代表可再生能源发电形式的一台额定功率为180kw的风机和一台功率为200kw的光伏装置。在运输网络中，设计了一个主站和两个子站，并通过加氢站实现耦合。通过仿真验证，得出：与传统的dbo算法相比，改进蜣螂算法(idbo)具有更高的速度和准确性；交通网络加氢模型可以有效降低用户的加氢成本和峰谷差。具体如下：
129、选取了一个岛屿作为研究主体，该岛的电网结构采用了改进型的ieee标准6节点电网模型，其额定电压设定为10千伏，并且根据实际需求进行了适当的比例缩放。为了保障电网的稳定运行和应对突发情况，岛上设置了一台额定功率达到400千瓦的柴油发电机作为备用电源。此外，岛上的能源供应还融合了风能和太阳能这两种可再生能源形式，分别通过一台额定功率为180千瓦的风力发电机和一套功率容量为200千瓦的光伏发电系统实现，其详细的系统设计和布局可以在图2中得到展示。在交通网络的规划上，本发明设计了一个中心主站点和两个辅助站点，并通过建立加氢站将电力系统和交通系统有效耦合起来。
130、本发明一种基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，有益效果如下：
131、1.通过构建自洽的能源体系，本发明能够充分利用海上运输网络中的新能源资源和灵活调节资源，显著提升海岛地区的能源自给自足能力，减少对外部能源供应的依赖。
132、2.本发明揭示了在分布式能源产量有限和氢气储存不足的情况下，过度依赖柴油发电机会导致系统碳排放成本上升现象。通过sths和shs与电力、氢气和交通系统的深度融合，能够大幅度提高能源的自洽率，从而有效降低碳排放成本，减少环境污染。
133、3.加氢站的sths和shs协作机制实现了能量的多时空转移，这种创新性的能源管理策略带来了极高的能量自洽率和极低的碳排放成本，证明了提升能源自洽率对于促进系统间能源协调、减少对高碳排放柴油发电机的依赖以及实现经济效益与环境保护的双重目标具有关键作用。
134、4.本发明针对海洋岛屿的新能源、海上交通网络和氢储能系统，以及短期氢储能和shs服务的运营约束进行了精细化的数学建模，并建立了电力、氢气和交通耦合的两级优化调度模型，采用改进的蜣螂实证验证与广泛应用前景：通过实例仿真分析，本发明的优化调度方法已证明其可行性与有效性，为能源转型背景下海岛及海上交通网络的低碳经济运行提供了有力的技术支撑和实践指导，同时也为类似场景下的能源管理和可持续发展策略提供了宝贵的经验与启示。优化算法进行高效求解，确保了模型的高精度与实用性。
135、5.通过实例仿真分析，本发明的优化调度方法已证明其可行性与有效性，为能源转型背景下海岛及海上交通网络的低碳经济运行提供了有力的技术支撑和实践指导，同时也为类似场景下的能源管理和可持续发展策略提供了宝贵的经验与启示。
1.基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，其特征在于：还包括步骤4：提出了一个改进的ieee标准6节点网架结构，验证提高能源自洽率和降低海岛碳排放成本的方法的可行性，以及改进蜣螂算法(idbo)的有效性。
3.根据权利要求1所述基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，其特征在于：所述步骤1中，双向耦合架构包括以hfcs为主的电力网络和海上交通网络。
4.根据权利要求3所述基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，其特征在于：所述步骤1中，设计氢燃料电池船(hfcs)运输网络和海岛新能源系统的总体方案，包括：海岛能源系统负责分布式新能源接入、用电负荷供电、柴油发电机接口、电解水制氢设备供电；分布式新能源首先向孤岛负荷供电，剩余电量可转化为氢能，供氢燃料电池船(hfcs)或氢能储能系统使用；加氢主站和海上运输网络的变电站为氢燃料电池船(hfcs)提供能源，短期氢储能(sths)和共享氢存储(shs)可以弥补氢能的不足；
5.根据权利要求1所述基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，其特征在于：所述步骤2中，电-氢-交通耦合模型包括负荷中心岛模型，具体如下：
6.根据权利要求5所述基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，其特征在于：所述步骤2中，电-氢-交通耦合模型包括氢储能模型和运维成本模型；具体包括：
7.根据权利要求6所述基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，其特征在于：电-氢-交通耦合模型包括海上交通网络模型，具体如下：
8.根据权利要求7所述基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，其特征在于：海岛双层优化调度模型包括上层交通网络海岛运营模式和低层流量网络海岛的自洽模型；包括：
9.根据权利要求1所述基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，其特征在于：所述步骤3中，改进蜣螂算法(idbo)，使用基于种群相似性的行动变异策略和反向学习策略来平衡局部优化和全局优化能力；
10.根据权利要求2所述基于改进蜣螂算法的海岛电氢传输耦合优化调度方法，其特征在于：所述步骤4中，提出了一个改进的ieee标准6节点网架结构，额定电压为10kv，岛上配备了额定功率为400kw的柴油发电机，和代表可再生能源发电形式的一台额定功率为180kw的风机和一台功率为200kw的光伏装置；在运输网络中，设计了一个主站和两个子站，并通过加氢站实现耦合。
