CN110505078A - 一种无线电能传输网传能机制的优化方法 - Google Patents

Abstract

本发明公开了一种无线电能传输网传能机制的优化方法，首先读取组成电能通道的节点的电能存储量、电能传输效率和电能传输时延，建立电能传输链路模型；然后基于改进的遗传算法求解电能传输链路模型，确定电能传输链路的最优方案，通过构建浓度选择算子，选择浓度低于阈值的种群构建下一代的父代解集；通过构建基于前向交叉的交叉算子，产生新的优良解集；在迭代终止前调整交叉率和变异率进行下一轮优化求解。本发明改善了***的电能传输损耗表现，提升了网络的电能负荷均衡特性，能够避免网络拓扑变化对运行的影响，同时提高了模型的求解速度和全局寻优能力。

Description

一种无线电能传输网传能机制的优化方法

技术领域

本发明涉及无线电能传输技术，特别涉及一种无线电能传输网传能机制的优化方法。

背景技术

无线电能传输又称非接触电能传输，通过发射器将电能转换为其他形式的中继能量(如电磁场能、激光、微波及机械波等)，隔空传输一段距离后，再通过接收器将中继能量转换为电能，在便携式电器(如笔记本电脑、手机等)充电以及矿井、石油开采等特殊场合具有广泛的应用。

有源注入式WPTG(Wireless Power Transfer Grid)是分析无线电能传输网传能机制的一种方法，通过建立最优电能注入树形传输链路结构，实现对全网节点电能供给过程的优化，但是随着WPTG周边运行环境的变化，外部电能可能无法注入，此时WPTG需要进入电能自治式模式，依赖节点自身受限电能存储进行电能传输以满足。现有电能自治式WPTG多采用单一指标构建电网传输模型，求解过程复杂，且只能达到局部最优。

发明内容

本发明的目的在于提供一种无线电能传输网传能机制的优化方法，对电能自治情况下WPTG中的电能传输链路进行优化，提高了***对网络拓扑变化的鲁棒性、求解速度和全局寻优能力。

实现本发明目的的技术解决方案为：一种无线电能传输网传能机制的优化方法，包括以下步骤：

步骤1、读取组成电能通道的节点的电能存储量、电能传输效率和电能传输时延，建立电能传输链路模型；

步骤2、基于改进的遗传算法求解电能传输链路模型，确定电能传输链路的最优方案，具体为：

步骤2.1、初始化种群、交叉率、变异率和最大迭代次数；

步骤2.2、构建浓度选择算子，选择浓度低于阈值的种群构建下一代的父代解集；

步骤2.3、构建基于前向交叉的交叉算子，产生新的优良解集；

步骤2.4、若达到最大迭代次数或迭代周期内的差异超过阈值，则输出交叉操作后的解集，否则调整交叉率和变异率，并转至步骤2.3进行下一轮优化求解。

本发明与现有技术相比，其显著优点在于：1)本发明通过优化的电能传输效率性能指标，改善了***的电能传输损耗表现，提升了网络的电能负荷均衡特性，防止网络拓扑变化影响运行稳定性；2)本发明对遗传算法进行改进，能够保持解集的多样性，并且提高了求解速度和全局寻优能力。

附图说明

图1是本发明无线电能传输网传能机制的优化方法流程图。

图2是电能请求决策流程图。

图3是电能自治式WPTG无向加权图。

图4是差异基因段。

图5是交叉算子原理图。

图6是改进型遗传算法CAGA流程图。

具体实施方式

电能自治式WPTG分成三个运行阶段：

第一阶段中电能需求节点g发出电能请求，并切换为负载节点T_g(下标g代表该节点为负载节点状态)；周围用电设备节点接收请求并转发，如图2所示对自身电能存储状态进行评估并与邻居节点进行电能比较，若邻居节点群中具有更大电能存储的节点比例不超过一半，则该用电设备节点将自身信息回复给负载节点T_g，否则不回复。

第二阶段中，负载节点T_g将比较收到的节点回复信息，选择具有最大电能储存的节点i作为电源节点S_i(下标i代表该节点为电源节点状态)。负载节点T_g同时将节点信息与电源节点S_i共享。

第三阶段中电源节点S_i将按照一定性能指标优化评判标准，从其余节点集中选择相应节点作为中继节点，以组成最优电能传输链路，实现电源节点-中继节点集-负载节点的电能多跳中继式传输过程，从而满足负载节点电能供给。

第三阶段为电能传输链路优化这一非线性多性能指标优化过程，其优化目标可以描述为下式：

其中τ＝{τ₁,τ₂,...,τ_n}(n∈N)为可行解集合，Cons为约束条件，J(τ_i)为解集中第i个可行解的全局损耗，全局最优解为令J(τ_i)最小的解。

本发明在链路优化过程中引入多性能优化指标：(1)电能传输效率PTE：电能自治工作模式下，负载节点的电能需求通过其余节点的有限储存电能进行满足，因此通过优化PTE可以有效降低电能传输损耗，进而减小电源节点供能压力。(2)时延Del：建立电能链接的过程中需要通信驱动相关节点进行角色切换，因此会带来通信时延，基于负载节点电能接入的实时性考虑，需要降低传输过程中的时延。(3)电能负荷均衡S_mst：若电能存储量低的节点加入到电能传输链路中，由于参与电能传输链路带来的额外负荷，可能会驱动其过早进入欠能状态并使其从电能网络中退出，影响网络拓扑稳定性，此时需将该额外负荷分散给具有较高电能存储的节点，从而实现整个网络的电能负荷均衡，故本发明将链路中的节点最小电能存储量S_mst作为电能负荷均衡性能指标。

基于以上多性能指标，在建立电源节点到负载节点的电能传输链路过程中，通过将中继节点和相关子链路的多性能指标比较进行选择，可以找出电能自治式WPTG的最优电能传输链路。

如图3所示，电能自治式WPTG电能传输链路寻优问题可以转化为无向图的路径规划问题。将自治式WPTG用一个无向加权图G＝<V,E>表示，V代表设备节点集(S代表电源节点，R代表中继节点群，T代表负载节点)，E_i表示节点电能存储量，加权边集E对应于设备间的虚拟电能通道，边e_ij代表节点i与j间的电能通道，不同的电能通道具有不同传输特性，因此赋予不同的传输特性权值组(min_ij,pte_ij,del_ij)，其中min_ij代表组成电能通道的节点i与j中的最小电能存储量，pte_ij表示电能传输效率，del_ij表示电能传输时延，对G＝<V,E>进行优化搜索，可以找出电能自治式WPTG的最优电能传输链路。

根据多性能指标的定义，可得：

电能传输链路τ_i所对应的多性能指标中PTE为可乘性度量，其值越大表示电能传输损耗越小；Del为可加度量，其值越大表示时延损耗越大；而S_mst则为整个电能传输链路中节点电能存储量的最小量。

***全局损耗J为这三个性能指标的综合值，即：

J(τ_i)＝f(Del(τ_i),PTE(τ_i),S_mst(τ_i)) (4)

考虑到传输过程中性能指标往往需满足一定阈值要求，电能传输链路优化模型可表示为带约束的最小值优化形式：

其中，PTE_m、D_m和S_m分别代表电能传输过程中传输效率、传输时延和节点电能存储量的阈值，PTE_m用来提升传输效率表现，D_m则用于确保实时电能供给，S_m用来调整额外负荷分配，从而实现电能自治式WPTG中的电能负荷均衡。

从上面分析可以看出，电能传输链路机制可以概括为一类带约束路径寻优的问题。本发明提出一种无线电能传输网传能机制的优化方法，包括如下步骤：

步骤1、读取组成电能通道的节点的电能存储量、电能传输效率和电能传输时延，建立电能传输链路模型，具体过程为：

步骤1.1、根据电能自治式WPTG原理，读取组成电能通道的节点的最小电能存储量、电能传输效率和电能传输时延，并进行归一化处理：

其中，PTE_max、Del_max、E_max分别为网络中节点的电能传输效率、电能传输时延、电能存储最大值，τ_i表示电能传输链路；

步骤1.2、构建以***损耗最小为目标的电能传输链路模型：由于***损耗正比于传输时延，反比于传输效率和电能存储量大小，且本优化目标为全局损耗最小，因此设定全局损耗J如下：

这里ω₁，ω₂，ω₃(ω∈(0,1))代表多性能指标的对应权值，同时它们应满足：

ω₁+ω₂+ω₃＝1 (8)

引入罚函数机制以去除掉约束，简化优化表述：

Ψ(g_i,θ)＝θ×∑[max{0,g_i}]² (9)

这里θ设置为一个极大的正数，同时g_i代表公式(5)中的约束方程，将原来的带约束优化问题转化为无约束优化问题，得到如下适应度函数：

Θ＝J+Ψ(g_i,θ) (10)

得出使得适应度函数Θ值最小的电能传输链路，作为最优解集。

步骤2、基于改进的遗传算法求解电能传输链路模型，确定电能传输链路的最优方案，具体过程为：

步骤2.1、初始化种群、交叉率、变异率和最大迭代次数；

步骤2.2、构建浓度选择算子，选择浓度低于阈值的种群构建下一代的父代解集；

选取解集中两个个体解，利用距离因子F表示两个个体解的差异，如图4所示，两个解的距离因子F为差异基因段的长度，即F(τ_i-τ_j)＝Length(τ_ij)，这样如果有G_s个解组成解集，则解τ_i的浓度(C(τ_i))可以表示为：

如果某个解与其余解过于相似，即组成的节点类似，则表示其浓度较高。然而由于解的趋同趋势不利于全局优化，通过设置选择系数Φ来排斥这一趋势。

选择过程中，每代解集中的最优解即精英解有利于驱动进化过程，因此可保留这些浓度较低的解进入下一代子集，以提升优化速度。同时，剩余的解集中解通过选择系数进行排列以排斥趋同化对进化过程的影响。

步骤2.3、构建基于前向交叉的交叉算子，产生新的优良解集；

如图5所示，首先，从父代解集随机选择两个解A和B，分别从A和B中选择连续的基因片段，分别将其划分为前向、核心和后向三个基因段；

然后，将A和B的三个基因段分别按照后向-前向-核心的顺序排列，并去除与对应解B和A核心基因段重复的部分，形成两个新的基因段A1和B1，即为交叉算子；

最后，将A1和B1分别填入B和A中，产生新的优良子解集，即交叉算子，与其余解一起构成优良解集。保持父代基因段核心的同时，基因段的重新组合会产生新的序列，并将用其中基因分别替换父代基因段前向和后向。链路优化中如果靠近源节点的节点选择为最优时将加大全局收敛精度和加快优化速度，因此这里的前向顺序交叉机制有利于提升优化性能，同时产生新的解有利于保持解集的多样性。

步骤2.4、若达到最大迭代次数或迭代周期内的差异超过阈值，则输出交叉操作后的解集，否则调整交叉率和变异率，并转至步骤2.3进行下一轮优化求解；

优化算法中自适应的优化参数调整有利于帮助算法摆脱局部收敛，并且对于算法优化速度的提升也有帮助。设定初值时，算法交叉率P_c值较高而对应的变异率P_m取值较低，有利于加快算法运行前期优化速度。算法执行的过程中，解集趋向于同化使得算法可能限于局部最优解而不能跳出，这时需要提高变异率从而引入扰动提升算法全局优化能力，进而帮助算法寻优过程跳出局部最优继续向全局最优解前进。本发明利用每代解集中解的平均长度来度量种群多样性，因为长度越大的解可能提供的优良基因段也越多。

调整交叉率和变异率的方法为，首先计算解集差异：

然后，计算交叉概率和变异概率：

其中，公式(13)中G_s表示解集中解的个数，和分别表示第g次运行中的父代和第(g-1)次运行中的子代解集的解平均长度，L_i(g)和L_i(g-1)分别表示第g次运行中的父代和第(g-1)次运行中的子代解集的长度，从而可得出两代解集的差异▽L_avg，公式(14)中的ε表征解集多样性变化趋势，Δ表示近n代解集中解集多样性的累积，P_c(g)和P_c(g-1)分别表示第g代和第g-1代中算法的交叉概率，P_m(g)和P_m(g-1)分别表示第g代和第g-1代中算法的变异概率，T_max为设置的算法最大迭代次数数阈值。

本发明通过算法运行中解集多样性的变化动态地调整***交叉率和变异率，以达到想要的值。当迭代次数达到最大进化代数阈值T_max，输出由得出的电能传输链路的最优解，否则继续判断6次迭代后解的差异不超过10^-6，继续输出电能传输链路的最优解，如果6次迭代后解的差异仍超过10^-6，则考虑调整自适应参数，重新选取交叉算子，重复上述步骤得出最优解。改进型遗传算法执行过程如图6所示。

Claims (5)

1.一种无线电能传输网传能机制的优化方法，其特征在于，包括如下步骤：

步骤1、读取组成电能通道的节点的电能存储量、电能传输效率和电能传输时延，建立电能传输链路模型；

步骤2、基于改进的遗传算法求解电能传输链路模型，确定电能传输链路的最优方案，具体为：

步骤2.1、初始化种群、交叉率、变异率和最大迭代次数；

步骤2.2、构建浓度选择算子，选择浓度低于阈值的种群构建下一代的父代解集；

步骤2.3、构建基于前向交叉的交叉算子，产生新的优良解集；

步骤2.4、若达到最大迭代次数或迭代周期内的差异超过阈值，则输出交叉操作后的解集，否则调整交叉率和变异率，并转至步骤2.3进行下一轮优化求解。

2.根据权利要求1所述的无线电能传输网传能机制的优化方法，其特征在于，步骤1建立电能传输链路模型的具体过程为：

步骤1.1、根据电能自治式WPTG原理，读取组成电能通道的节点的最小电能存储量、电能传输效率和电能传输时延，并进行归一化处理：

其中，PTE、Del、S_mst分别表示读取的网络中节点的电能传输效率、电能传输时延、电能存储，PTE_max、Del_max、E_max分别为网络中节点的电能传输效率、电能传输时延、电能存储最大值，τ_i表示电能传输链路；

步骤1.2、构建以***损耗最小为目标的电能传输链路模型：

τ_op＝argmin(Θ)＝argmin(J+Ψ(g_i,θ))

其中：

Ψ(g_i,θ)＝θ×∑[max{0,g_i}]²

式中，ω₁、ω₂、ω₃代表电能传输效率、电能存储和电能传输时延的对应权值，ω∈(0,1)且ω₁+ω₂+ω₃＝1，θ为一个极大的正数，PTE_m、D_m、S_m分别代表电能传输过程中对传输效率、传输时延和节点电能存储量的阈值约束，e_ij代表节点i与j间的电能通道。

3.根据权利要求1所述的无线电能传输网传能机制的优化方法，其特征在于，步骤2.2构建的浓度选择算子具体为：

其中，Φ表示选择系数，表示解集中电能传输链路τ_i的浓度，F表示差异基因段的长度，即两个解的距离因子。

4.根据权利要求1所述的无线电能传输网传能机制的优化方法，其特征在于，步骤2.3产生新的优良解集的具体方法为：

首先，从父代解集随机选择两个解A和B，分别从A和B中选择连续的基因片段，分别将其划分为前向、核心和后向三个基因段；

然后，将A和B的三个基因段分别按照后向-前向-核心的顺序排列，并去除与对应解B和A核心基因段重复的部分，形成两个新的基因段A1和B1；

最后，将A1和B1分别填入B和A中，产生新的优良子解集，即交叉算子，与其余解一起构成优良解集。

5.根据权利要求1所述的无线电能传输网传能机制的优化方法，其特征在于，步骤2.4调整交叉率和变异率的方法为：

首先计算解集差异：

式中，G_s表示解集中解的个数，和分别表示第g次运行中的父代和第(g-1)次运行中的子代解集的解平均长度，L_i(g)和L_i(g-1)分别表示第g次运行中的父代和第(g-1)次运行中的子代解集的长度；

然后，计算交叉概率和变异概率：

式中，ε表示解集多样性变化趋势，Δ表示近n代解集中解集多样性的累积，P_c(g)和P_c(g-1)分别表示第g代和第g-1代中算法的交叉概率，P_m(g)和P_m(g-1)分别表示第g代和第g-1代中算法的变异概率，T_max为设置的算法最大迭代次数数阈值。