基于变异反向学习郊狼优化算法的光伏智能边缘终端优化配置方法

摘要

光伏智能边缘终端(photovoltaic intelligent edge terminal,PVIET)是光伏电站安全稳定运行和智慧运营的重要设备之一,其功能强大但价格十分昂贵,容量较小的分布式光伏电站难以承受其高价格.为解决上述问题,文章提出了一种光伏智能边缘终端优化配置方法,从数量与位置2个方面建立了光伏智能边缘终端的优化布局模型.同时,针对郊狼优化算法(coyote optimization algorithm,COA)优化性能弱、可操作性低的问题提出了一种变异反向学习郊狼优化算法(mutation opposition-based learning COA,MOBL-COA).根据典型案例的测试结果表明,所提的优化布局方法能够有效实现成本的降低,并且所提的MOBL-COA在解决优化布局问题时,在收敛速度、求解精度与算法稳定性上均表现出优异性能,验证了所提方法的有效性与可行性.