买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利一种基于差分进化算法的光伏传感器优化布置方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114297945B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210024088.5，技术领域涉及：G06F30/27；该发明授权一种基于差分进化算法的光伏传感器优化布置方法是由张开碧;李想;丁宝苍;曾宇龙;靳璐;杜凯;卢彦;姚旭;苏本吉;王首刚设计研发完成，并于2022-01-11向国家知识产权局提交的专利申请。

本一种基于差分进化算法的光伏传感器优化布置方法在说明书摘要公布了：本发明请求保护一种基于差分进化算法的光伏传感器优化布置方法，包括确定光照灯的平均照度水平和照度均匀度Uo的模型；以照明的能耗作为目标函数，以照度水平和均匀性作为约束条件进行优化设计；采用差分进化优化算法DE对该光传感器布局问题进行求解；基于差分进化算法求解出的平均调光水平和最佳照度值区域确定传感器的最佳数量和传感器的最佳位置。以最小化成本即传感器和电能、提高视觉舒适性和控制器性能即降低复杂性。该方法在计算量小和最优解即光传感器的数目和位置方面具有优越的性能。此外，该方法对于小型和大型建筑、新建建筑和改造工程中的有线和无线光传感器的实现具有较强的实用性。

本发明授权一种基于差分进化算法的光伏传感器优化布置方法在权利要求书中公布了：1.一种基于差分进化算法的光伏传感器优化布置方法，其特征在于，包括以下步骤： 确定光照灯的平均照度水平和照度均匀度的模型；以照明的能耗作为目标函数，以照度水平和均匀性作为约束条件进行优化设计；采用差分进化优化算法对该光伏传感器布局问题进行求解，差分进化优化算法应用到求解光伏传感器布局问题改进在于能够在基于光伏传感器布局的非线性函数优化问题，基于差分进化算法求解出的平均调光水平和最佳照度值区域确定传感器的最佳数量； 所述光照灯的平均照度水平和照度均匀度Uo的模型为： 其中Nl为灯具的数量，nl为每个灯具的灯数，Φn为灯的输出，UF为利用率，MF为维持系数，BF为镇流器系数，A为房屋的表面积； 其中Emin是房间的最小照度值； 以照明的能耗作为目标函数，以照度水平和均匀性作为约束条件进行优化设计，具体包括： 所述的目标函数和约束条件为： 目标函数表示为最小化光照灯的平均调光水平，使用下式计算 其中N为传感器的总数，di为第i个区域灯具的调光水平，为维持平均照度水平设置点，Eop为最佳照度值，为照度Em处的调光值，式5可用作与LED灯具调光水平的解析解； 为了最小化LED灯具的平均调光水平，需要满足几个约束条件，它们分为两类约束：基于灯具的，即灯具的调光能力和基于照度的，即平均照度水平第i个控制区的照度均匀度U0和照度值限制； 灯具的调光容量限制是灯具可以调暗的最小值Dmin和最大值Dmax，灯具调光容量限值的典型值在0-1即完全调光的范围内，约束条件为： Dmin≤di≤Dmax6 平均照度是衡量人体视觉舒适性的指标之一，推荐维持平均照度级别为500lux，约束条件为： 除了照度均匀性Uo也可以作为视觉舒适性的衡量标准，最小照度均匀性Uo,min为0.6，约束条件为： Uo≥Uo,min8 第i个控制区照度Ei的限值最小为Ei,min，最大为Ei,max，基于所在区域不同，它们的值不同，则约束条件为： Ei,min≤Ei≤Ei,max9； 所述采用差分进化优化算法对该光伏传感器布局问题进行求解，具体包括： 1种群初始化：选择个数为NP的个体向量作为初始种群，并且该NP个个体向量为D维连续实值空间中的值，采用如下符号描述第G代中的第i个个体向量或目标向量： Xi,G＝X1i,G,X2i,G…,XDi,G10 式中，G＝0,1…,Gmax,G表示该种群所属的代数，G＝0表示初始化种群向量，Gmax为最大代数，i表示第i个个体向量，i＝1,2,…,NP，D表示D维空间，差分进化算法即在该D维连续的实数值参数空间求解全局最优解； 为保证初始化的目标向量范围能覆盖整个解空间，将初始化后的目标向量表示为下式： Xj,i＝Xj,min+randj,i0,1×Xj,max-Xj,min11 式中，rand0，1为在0，1区间中随机生成的随机数，Xmin＝{X1，min，X2，min，…，XD，min}表示在D维连续实值空间中目标向量的下边界，Xmax同理为D维连续实值空间中目标向量的上边界，其需要满足式8； 2变异操作：在第1步完成以后，DE算法通过对初始化后的目标向量Xi，G采用变异策略生成变异向量，变异向量为Vi，G＝Vi，G，V2i，G…，VDi，G： Vi，G＝Xr1，G+FXr2，G-Xr3，G12 式中，r为[1，NP]中随机选取的正整数，F的取值范围为[0，1]，当希望进行局部搜索实现快速收敛时，F取较小值； 3交叉操作：把变异向量Vi，G和目标向量Xi，G所包含的参数交叉生成新的试验向量Ui，G： 式中，cr∈[0，1]为交叉概率； 4选择操作：经过变异和交叉操作后生成的试验向量Ui，G,进行适应度值的计算，并将计算值与目标向量Xi，G进行适应度计算的值进行比较，选择两者中结果更优的个体作为下一代个体向量，DE算法得到的下一代个体向量表示为：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。