變更

该项目构建光伏智能边缘终端优化配置的数学模型，为实现模型的准确求解，进一步提出一种改进的郊狼优化算法（ICOA）。为解决郊狼优化算法精度不足、收敛速度缓慢等问题，提出全新的[[社会]]互助郊狼成长策略和单维组内最优郊狼扰动[[策略]]，引入模拟退火、自适应精英保留策略，以让该算法更加适合所提出的工程问题，实现对 PVIET 的数量、位置及与光伏电站 <ref>[https://www.sohu.com/a/260377975_196867 光伏电站的发电原理、组成、主要设备、运行和维护] ，搜狐，2018-10-18</ref> 连接方式三个方面的求解。最后，改进的 IEEE 69 案例验证了模型的有效性，通过算法对比，验证了改进郊狼优化算法在精度、稳定性和收敛性等方面的优越性

为实现一台 PVIET 高效率、低成本采集管理区域配电网 <ref>[https://www.sohu.com/a/127658166_549761 配电网知识大全，定义、分类、特点完全解析！]，搜狐，2017-03-07 </ref> 内多个分布式光伏站，本项目提出了一种基于改进 COA 的 PVIET 优化配置方法。首先，阐述了 PVIET 的主要功能与支持的[[通信]]方式。其次，考虑 PVIET 的等年值投资成本、年通信成本及保障数据采集可靠性的成本，提出了一种 PVIET 优化配置模型，并应用改进郊狼优化算法对模型进行求解，获得 PVIET 在配电网中布点数量和位置。其中，改进的郊狼优化算法通过引入随机分组策略加强郊狼种群的信息交流，建立基于社会互助的新型郊狼成长方式，并应用混合模拟退火算法提高算法求解精度，引入自适应的精英保留策略提升算法收敛速度。通过单维组内最优郊狼扰动策略，提高组内最优狼[[质量]]的同时避免郊狼的全维度成长对部分维度的优良信息的掩盖。最后，通过改进的 IEEE 69 节点仿真算例，验证了本文提出 PVIET 优化配置模型的可行性，通过算法对比，说明了改进郊狼优化算法在精度、稳定性和收敛性等方面的优越性。