一种基于遗传算法的电机系统能耗计算方法技术方案

本发明专利技术提供一种基于遗传算法的电机系统能耗计算方法，包括：利用遗传算法对预设的能耗计算模型进行校正，获得校正后的能耗计算模型；根据实测运行数据利用所述校正后的能耗计算模型计算电机系统的能耗。本发明专利技术提供的基于遗传算法的电机系统能耗计算方法，利用遗传算法对预设的能耗计算模型进行校正，然后根据实测运行数据利用校正后的能耗计算模型计算电机系统的能耗，利用遗传算法对能耗参数进行辨识能够避免辨识结果陷入局部最优解，并且能够提高辨识的精度，使电机系统能耗的计算与预测结果更加精确。

【技术实现步骤摘要】
一种基于遗传算法的电机系统能耗计算方法
本专利技术涉及电气工程
，尤其涉及一种基于遗传算法的电机系统能耗计算方法。
技术介绍
电机系统的能耗情况对生产设备性能检测、企业整体用能水平有着重要的影响，准确计算电机系统的能耗，实现用电系统的能耗预测对用电系统运行的安全性、企业实现节能减排有着深远意义。现有技术中，电机系统的能耗计算方法主要分为三大类，第一类采用实时监测技术，实时测量电机设备输入与输出数据，从而计算出实时能耗数据，但由于不能得知未来的运行数据所以无法进行预测；第二类采用模型构建的方法，基于铭牌参数与实测数据，构建出用电系统的能耗模型，计算系统能耗并实现预测，但是随着设备使用时长的增加，电机的能耗参数往往与铭牌中标注的参数会产生一定的偏差，从而导致电机系统能耗计算与预测不准确；第三类通过建立能耗模型，并采集实验数据利用最小二乘参数识别算法对能耗模型中的能耗参数进行校正，利用校正后的能耗模型计算并预测电机系统的能耗，但是这种方法在进行能耗参数校正的过程中就存在不准确的因素，进而导致电机系统能耗计算与预测仍然不够精确。
技术实现思路
(一)要解决的技术问题本专利技术的目的是提供一种基于遗传算法的电机系统能耗计算方法，解决了现有技术对电机系统能耗计算与预测的结果不够精确的技术问题。(二)技术方案为了解决上述技术问题，一方面，本专利技术提供一种基于遗传算法的电机系统能耗计算方法，其特征在于，包括：以每组能耗参数作为遗传算法中的一个个体，分别计算每个个体的适应度值，所述能耗参数为预设的能耗计算模型中的待校正参数；判断当前进化代数、所述每个个体的变化情况和所述每个个体的适应度值是否满足预设的校正条件，若判断获知不满足所述预设的校正条件，则依次进行父代的选择、交叉运算和变异运算，获得子代个体；重复计算每个所述子代个体的适应度值，并判断当前进化代数、所述每个所述子代个体的变化情况和所述每个子代个体的适应度值是否满足所述预设的校正条件，直到满足所述预设的校正条件并得到最优个体；将所述最优个体对应的一组能耗参数带入所述预设的能耗计算模型获得校正后的能耗计算模型；根据实测运行数据利用所述校正后的能耗计算模型计算电机系统的能耗。进一步地，所述利用遗传算法对预设的能耗计算模型进行校正，获得校正后的能耗计算模型具体为：利用遗传算法对预设的能耗计算模型中的能耗参数进行校正，将经过校正后得到的所述能耗参数带入所述预设的能耗计算模型获得校正后的能耗计算模型。进一步地，所述预设的能耗计算模型具体为：其中，为电机系统总可变能耗，ΔPb总为电机系统总不变能耗，PT为电机系统能耗，n为电机系统中单个电机的数量，βj为电机系统中第j台电机的负载率，ΔPjaN为电机系统中第j台电机的额定可变能耗；并且，ΔPjaN和ΔPb总是需要利用遗传算法进行校正的n+1个所述能耗参数。进一步地，所述预设的校正条件为至少满足以下三种情况中的一种：(1)当前进化代数达到预设的最大进化代数；(2)至少有一个个体的适应度值达到预设阈值；(3)至少有一个个体在连续的多次进化中保持不变。进一步地，所述方法还包括：通过给每个个体中的每个能耗参数设置一个随机的二进制编码初始值对每个个体进行初始化。进一步地，计算每个个体的适应度值的具体计算方法为：其中，fitnessi为第i个个体适应度值，q为预先通过实际测量获得的包含每台电机负载率β和该台电机系统的能耗值ΔPT的数据组数，n为电机系统中单个电机的数量，βkj为第k组数据中第j台电机负载率，ΔPjaN为电机系统中第j台电机的额定可变能耗，ΔPb总为电机系统总不变能耗，ΔPkT第k组数据中电机系统能耗。另一方面，本专利技术提供一种基于遗传算法的电机系统能耗计算装置，包括：校正模块，用于以每组能耗参数作为遗传算法中的一个个体，分别计算每个个体的适应度值，所述能耗参数为预设的能耗计算模型中的待校正参数；判断当前进化代数、所述每个个体的变化情况和所述每个个体的适应度值是否满足预设的校正条件，若判断获知不满足所述预设的校正条件，则依次进行父代的选择、交叉运算和变异运算，获得子代个体；重复计算每个所述子代个体的适应度值，并判断当前进化代数、所述每个所述子代个体的变化情况和所述每个子代个体的适应度值是否满足所述预设的校正条件，直到满足所述预设的校正条件并得到最优个体；将所述最优个体对应的一组能耗参数带入所述预设的能耗计算模型获得校正后的能耗计算模型；计算模块，用于根据实测运行数据利用所述校正后的能耗计算模型计算电机系统的能耗。再一方面，本专利技术提供一种用于计算电机系统能耗的电子设备，包括：存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述的方法。又一方面，本专利技术提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述的方法。又一方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。(三)有益效果本专利技术提供的基于遗传算法的电机系统能耗计算方法，利用遗传算法对预设的能耗计算模型进行校正，然后根据实测运行数据利用校正后的能耗计算模型计算电机系统的能耗，利用遗传算法对能耗参数进行辨识能够避免辨识结果陷入局部最优解，并且能够提高辨识的精度，使电机系统能耗的计算与预测结果更加精确。附图说明图1为依照本专利技术实施例的基于遗传算法的电机系统能耗计算方法示意图；图2为依照本专利技术实施例的利用遗传算法对预设的能耗计算模型进行校正方法示意图；图3为依照本专利技术实施例的基于遗传算法的电机系统能耗计算装置示意图；图4为本专利技术实施例提供的用于计算电机系统能耗的电子设备的结构示意图。具体实施方式为了使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1：图1为依照本专利技术实施例的基于遗传算法的电机系统能耗计算方法示意图，如图1所示，本专利技术实施例提供一种基于遗传算法的电机系统能耗计算方法，包括：步骤S10、以每组能耗参数作为遗传算法中的一个个体，分别计算每个个体的适应度值，所述能耗参数为预设的能耗计算模型中的待校正参数；步骤S20、判断当前进化代数、所述每个个体的变化情况和所述每个个体的适应度值是否满足预设的校正条件，若判断获知不满足所述预设的校正条件，则依次进行父代的选择、交叉运算和变异运算，获得子代个体；步骤S30、重复计算每个所述子代个体的适应度值，并判断当前进化代数、所述每个所述子代个体的变化情况和所述每个子代个体的适应度值是否满足所述预设的校正条件，直到满足所述预设的校正条件并得到最优个体；步骤S40、将所述最优个体对应的一组能耗参数带入所述预设的能耗计算模型获得校正后的能耗计算模型；步骤S50、根据实测运行数据利用所述校正后的能耗计算模型计算电机系统的能耗本文档来自技高网...

【技术保护点】
一种基于遗传算法的电机系统能耗计算方法，其特征在于，包括：以每组能耗参数作为遗传算法中的一个个体，分别计算每个个体的适应度值，所述能耗参数为预设的能耗计算模型中的待校正参数；判断当前进化代数、所述每个个体的变化情况和所述每个个体的适应度值是否满足预设的校正条件，若判断获知不满足所述预设的校正条件，则依次进行父代的选择、交叉运算和变异运算，获得子代个体；重复计算每个所述子代个体的适应度值，并判断当前进化代数、所述每个所述子代个体的变化情况和所述每个子代个体的适应度值是否满足所述预设的校正条件，直到满足所述预设的校正条件并得到最优个体；将所述最优个体对应的一组能耗参数带入所述预设的能耗计算模型获得校正后的能耗计算模型；根据实测运行数据利用所述校正后的能耗计算模型计算电机系统的能耗。

【技术特征摘要】
1.一种基于遗传算法的电机系统能耗计算方法，其特征在于，包括：以每组能耗参数作为遗传算法中的一个个体，分别计算每个个体的适应度值，所述能耗参数为预设的能耗计算模型中的待校正参数；判断当前进化代数、所述每个个体的变化情况和所述每个个体的适应度值是否满足预设的校正条件，若判断获知不满足所述预设的校正条件，则依次进行父代的选择、交叉运算和变异运算，获得子代个体；重复计算每个所述子代个体的适应度值，并判断当前进化代数、所述每个所述子代个体的变化情况和所述每个子代个体的适应度值是否满足所述预设的校正条件，直到满足所述预设的校正条件并得到最优个体；将所述最优个体对应的一组能耗参数带入所述预设的能耗计算模型获得校正后的能耗计算模型；根据实测运行数据利用所述校正后的能耗计算模型计算电机系统的能耗。2.根据权利要求1所述的方法，其特征在于，所述预设的能耗计算模型具体为：其中，为电机系统总可变能耗，ΔPb总为电机系统总不变能耗，PT为电机系统能耗，n为电机系统中单个电机的数量，βj为电机系统中第j台电机的负载率，ΔPjaN为电机系统中第j台电机的额定可变能耗；并且，ΔPjaN和ΔPb总是需要利用遗传算法进行校正的n+1个所述能耗参数。3.根据权利要求1所述的方法，其特征在于，所述预设的校正条件为至少满足以下三种情况中的一种：(1)当前进化代数达到预设的最大进化代数；(2)至少有一个个体的适应度值达到预设阈值；(3)至少有一个个体在连续的多次进化中保持不变。4.根据权利要求1所述的方法，其特征在于，还包括：通过给每个个体中的每个能耗参数设置一个随机的二进制编码初始值对每个个体进行初始化。5.根据权利要求2所述的方法，其特征在于，计算每个个体的适应度值的具体计算方法为：其中，fitnessi为第i个个体适应度值，q为预先通过实...

【专利技术属性】
技术研发人员：苏娟，李嘉，孙笑非，窦伟，李思源，杜松怀，翟庆志，朱薪志，付卫东，杨硕，
申请(专利权)人：中国农业大学，国网河北省电力公司，
类型：发明
国别省市：北京,11