能量优化范文

能量优化范文（精选8篇）

能量优化 第1篇

面临新的历史局面, 积极开发, 研究和应用节能环保新技术, 是维持我国铁合金工业可持续发展的重要途径。

铁合金是高耗能行业, 矿热炉是用电大户, 在充分利用现有设备和原有条件下, 使企业能量优化。目前作法有:铁合金企业矿热炉设备隔磁技术改造, 电炉变压器二次短网补偿技术应用, 电机变频技术应用, 工业余热利用, 工业废渣综合利用, 即节约了能源、节约了资源, 从而最大限度地降低运行成本, 降低矿热炉冶炼单耗。为铁合金行业提高效益, 节能减排起到了良好的作用。

近年来甘肃山丹腾达西铁冶金有限责任公司, 通过技术革新, 设备改造, 在四台12500KVA矿热炉上成功进行了能量优化, 取得了良好的经济效益, 提高了企业装备、提高了企业市场竞争力、状大了企业实力。主要内容有:

1 利用隔磁材料改造电炉设备的节电技术

大多数企业都有采用隔磁材料, 要进行设备的隔磁工艺处理, 一般采用把矿热炉设备分为三部分, 用不锈钢隔磁材料 (成分1Cr18Ni9Ti) 从中间隔开, 有些设备甚至用非金属绝缘材料进行分区隔磁。可以起些作用但是节电效果不太理想。在交变磁场中, 矿热炉的铁质材料设备, 就会产生, 大量的涡流损耗、磁滞损耗, 传统设备尽管也作了隔磁处理, 但是没有最大限度的消除涡流危害, 因此电耗高降不下来, 因为在隔磁的区块内, 仍然有大量的铁质材料, 尽管大的环流消除了, 但是小面积的涡流环流还是大量存在, 这就是电耗降不下来的根本原因, 也就是造成设备发热的基本因素之一。要解决电磁在冶炼中的危害, 就必须彻底解决电炉设备制造工艺及电炉设备的材质。从而最大限度的消除电磁损耗, 降低冶炼成本, 提高设备可靠性, 进而提高设备的使用寿命。

采用隔磁材料, 制作替换电炉设备, 进行节能改造后, 电炉设备的冷却水的温度由90℃下降为现在60℃左右, 电炉设备运行条件大为改善, 冶炼单耗生产75#硅铁产品电耗从9340Kwh/t, 下降至8600Kwh/t, 原先每天耗电:205480 Kwh-224160 Kwh, 生产75#硅铁22-24t, 改造后生产75#硅铁, 每天耗电2.06105Kwh-2.15105Kwh, 可以生产75#硅铁24-25t, 技术改造前后指标对比表见表1。

2 采用超低压电容的自动补偿提高电炉功率因数节能

铁合金生产工艺, 使用的电炉变压器一直存在着功率因素低, 主要原因是:电炉变压器在运行时要吸收大量的无功, 这样就要消耗能量, 变压器是感性负载, 因此要提高功率因数, 就需要容性电流进行无功补偿。

采用超低压补偿1台8000KVA经过测试同样的用电量, 冶炼时变压器采用同样的用电档位, 二次电压提高8~10V, 电炉自然功率因数由原来的0.79提高到约0.92, 高压电流降低5~6A, 电炉做功能力明显增强。生产硅铁合金冶炼75#硅。改造前后指标对比表见表2。

80000.790.9524÷8400330=5661.t

设备提升改造后一台8000KVA电炉年产量:

80000.920.9524÷8400330=6592.t

那么就有增产:6592t-5661.t=931t

实验取得了初步的成功, 功率因数得到了提高, 降低单位电耗的目的达到了。

3 电机变频调速节能

除尘分厂高压风机4台315KW, 10KV, 利用变频技术改造后, 节电空间在30%, 循环水泵电机3台55KW, 电压380V节电空间大约在26%, 就有减少用电:高压电机有4台√316A10000V0.760.324h330天=2.0106kwh

低压电机有3台√348A380V0.850.2624h330天=1.66105kwh

合计节电量=2001648.84kwh+165886.65kwh=2.17106kwh

利用冷却循环水的势能节能

就是利用冷却循环水的自身势能为动力, 推动水轮机利用变速器带动风扇, 替代冷却塔上电机的动力冷却达到节能的, 公司两台60t冷却塔, 两台22Kw电机:

全年用电量=2台22kw0.6524330=226512kwh

4 利用冷却循环水工业余热节能降耗

利用冷却循环水工业余热, 取代冬季采暖2t燃煤锅炉, 2t锅炉1个采暖期用煤:1350t, 折合标煤13500.7143=964.305t, 减少CO2排放量964.3052.1267=2050.78t。

减少电机使用:18.5KW2台+5.5KW2台+22KW=70KW

节约用电:70KW75%24h150d=189000KWh

折合标煤:1.89105KWh3.50t标煤/万KWh=66.15t标煤。

年折合标煤:66.15t标煤+964.305t=1030.455t标煤。

年节约用电:1030.455÷3.5=2.94106KWh

年创造经济效益:1.89105KWh0.35元/KWh+1350t550元/吨煤=80.865万元。

5 实现资源再利用

利用硅锰合金工业废渣做化肥生产的填充料生产复合肥, 利用工业废渣1.0104t作为化肥填充料, 大约生产复合肥1.0105t。减少工业排放1.0104t, 提高了企业经济效益, 实现了资源再利用。

还有采用烟气余热发电, 利用工业废渣加工水泥等都是很好的项目, 只有通过, 技术革命, 企业才有生机, 产品才有竞争力, 进一步加快节能减排研发, 加大节能减排技术改造和技术创新的投入, 实现循环经济、清洁生产是铁合金行业走出低谷关键所在。

参考文献

[1]李本宁.供用电管理中的节能措施[M].北京:机械工业出版社, 2007.

[2]王兆安, 等.谐波抑制及无功功率补偿[M].北京:机械工业出版社, 1998.

[3]王庆春.冶金通用机械与冶炼设备[M].北京:冶金工业出版社, 2008.

能量优化 第2篇

关键词：能量/质量交换网络；耦合；多目标；瓶颈；优化

Multi-objective optimization and synthesis of energy/mass coupled cascade utilization network

Abstract：Due to the different grade of energy and mass， the cascade utilization of energy and mass is the core approach to reach high efficiency， energy saving and emission reduction. This subject aims to coordinate the different functionalities and objectives for energy and mass transferring system via thermodynamic analysis. We will explore the relationship between the network topology and different functionalities and objectives and identify the system bottleneck. The theory and approach on the multi-objective optimization of energy/mass coupled cascade utilization network will be built and the way of resource utilization optimization would also be investigated. In addition， the research results would be applied in the typical chemical process for olefin and polyolefin.

Keywords：Energy/mass transferring network； coupling； multiple-objective； bottleneck； optimization

能量优化 第3篇

1 LEACH算法以及不足

LEACH是一种低功耗自适应分层路由算法, 以“轮”的方式完成无线数据传输[4]。每轮分成簇建立阶段和簇稳定阶段。在每轮初始阶段进行簇头选举, 簇头选举条件[5,6]如式 (1) 所示。其中, P为簇头所占比例, r为当前轮数, mod () 为求余运算, G为节点集合。

所有节点产生一个0~1之间的随机数, 如果这个值小于T (n) , 则该节点宣布成为簇头, 并且广播簇头消息, 其他成员节点收到广播消息后加入该簇。簇建立好之后, 簇头为该簇内所有成员节点分配TDMA时间表, 所有成员节点按照TDMA时间表向簇头节点发送数据并进入稳定阶段[7]。在LEACH路由算法中, 能量消耗模型是一阶无线电模型[8], 如图1所示。

在无线传输距离门限d条件下, 无线信道分为自由衰落模型和多径衰落模型。在自由衰落模型下, 节点发

送k bit数据所消耗的能量如式 (2) 所示:

在多径衰落模型下, 节点发送k bit数据所消耗的能量如式 (3) 所示:

节点接收k bit数据所消耗的能量如式 (4) 所示:

其中:Eelec是发送电路和接收电路消耗能量, εamp是放大电路放大数据所消耗能量。信号在无线信道中传输所消耗的能量与距离dr成正比[9]。根据两个模型定义, 直接传输会比多跳传输消耗更多能量[10]。簇头节点在数据融合中需要消耗一定的能量, 如式 (5) 所示:

在每一次选举过程中, 簇头节点随机从普通节点选举出[11]。可能存在某些普通节点与簇头节点保持较远距离的情况。经过一轮传输后, 这些边沿节点能量消耗远远大于靠近簇头节点能量消耗。如果在某一轮簇头选举过程中, 这些边沿节点满足式 (1) 中条件而成为簇头, 这样会出现簇头节点能量小于该簇内某些其他成员节点的情况, 不利于网络通信。将网络节点以基站为中心, 按照离基站距离不同划分到不同区域中, 以多跳的方式转发数据达到降低发送能耗的目的。本设计也是基于这两点对LEACH路由协议进行改进。

2 LEACH协议改进及建模

为了选取剩余能量较多的节点担任簇头, 在本设计中, 簇头节点选举参考节点能量剩余因子。其选举条件如式 (6) 所示:

其中:Esu为网络节点消耗的能量总和, Eeu为网络节点能量总和。节点能量剩余因子表征该网络节点平均剩余量大小, 范围为0~1。节点的能量剩余因子越大, 节点所消耗的能量越小, 剩余能量越多。剩余能量越多的节点成为簇头, 则更有利于无线数据传输。

为了平衡网络中簇头节点能量消耗, 根据基站与簇头节点相对位置, 划分不同弧线区域:S3、S2和S1, 如图2所示。

网络中所有节点随机分布在长度为L的正方形区域内, 基站位置为。通过不同弧线将簇头节点划分到不同的区域中, 每条弧线与基站距离分别为R1、R2和R3。通过多跳的方式避免远距离传输无线数据, 达到降低能量消耗的目的。通过合理分配R1、R2和R3长度, 可以平衡整个网络簇头节点能量消耗。由图2可计算出第一根弧线所划分的区域面积S1为:

第二根弧线与第一根弧线所占面积S2为:

第二根弧线与第三根弧线围城的面积S3为:

得到弧线围成的区域面积之后, 即可得到网络中所有簇头节点数量与面积关系, 如式 (10) 所示:

其中, N为网络中所有节点数量总和, k为比例因子。对于网络中簇头节点n来说, 它发送长度为k时, 所消耗的能量为:

其中, c为簇头节点n所在弧线区域。对于每一个区域内簇头节点发送数据长度为k时, 所消耗能量为:

为了达到网络中簇头节点能量消耗相互平衡, 每一个区域内簇头节点所消耗的能量相近, 即式 (13) 成立:

E (3) ≈E (2) ≈E (1) (13)

3 实验结果与分析

为了分析LEACH改进后的有效性, 使用MATLAB进行仿真。环境为随机分布在100 m100 m范围内的200个节点, 如图3所示。

图4和图5是改进前后算法在相同条件下仿真效果图。图4表示LEACH算法与改进算法在节点生命周期上的仿真。

由图4可看出, LEACH算法与改进算法分别在632轮和806轮出现节点快速死亡。在节点剩余数量为10%时, LEACH算法与改进算法执行轮数分别为974和1 482。充分说明改进算法能有效地延长网络节点生命周期, 并且降低节点死亡速率。

图5表示在该两种算法上, 每轮网络中无线数据通信量。

由于部分簇头节点需借助其他簇头节点转发无线数据, 因此, 改进算法每轮无线通信量约为改进前2倍。由图4可以看出, 在无线网络通信量增加的情况下, 网络生命周期依然得到延长。说明无线网络通信量增加所消耗能量小于簇头节点采取转发方式所节约的能耗。总体而言减少了能量消耗, 延长了网络生命周期。

选举出剩余能量较多的节点担任簇头节点, 可避免簇头节点提前死亡现象发生。簇头节点发送数据由直接改为多跳, 既降低了发送能耗, 又平衡网络中簇头节点能量消耗。在提高整个网络生命周期的前提下, 避免了远离基站的节点提前死亡的现象发生。仿真结果表明, 通过改进簇头选举条件和采用多跳路由方式, 使无线传感器网络生命周期得以延长。

摘要：针对LEACH路由算法中簇头选举随机性和簇头与基站直接通信导致能量消耗过快且不平衡的特点, 提出新的改进算法, 以达到降低能耗目的。在改进算法中, 簇头剩余能量高于网络平均能量。根据簇头节点与基站的相对位置划分不同区域, 簇头节点发送数据采用多跳方式, 避免簇头节点能量消耗过快, 达到平衡网络能量消耗的目的。仿真表明, 通过改进簇头选举条件和采用多跳路由的方式, 即使在数据通信量增加的情况下, 依然能够延长网络通信时间。

关键词：无线传感器网络,LEACH,簇头选择,多跳路由

参考文献

[1]NAYEBI A, SARBAZI-AZAD H.Performance modeling of the LEACH protocol for mobile wireless sensor networks[J].Journal of Parallel and Distributed Computing, 2011, 71 (6) :812-821.

[2]MOHAMMAD B, AHMAD A K, ABDALLAH A E, et al.An energy-efficient threshold-based clustering protocol for wireless sensor networks[J].Wireless Personal Communications, 2013, 70 (1) :99-112.

[3]蒋畅江, 石为人, 唐贤伦, 等.能量均衡的无线传感器网络非均匀分簇路由协议[J].软件学报, 2012 (5) :1222-1232.

[4]Yao Liping, Li Xi, Ji Hong, et al.Systematic energy-balanced cooperative transmission scheme in wireless sensor networks[J].The Journal of China Universities of Posts and Telecommunications, 2012 (06) :14-18.

[5]李悦, 孙力娟, 王汝传, 等.一种改进的无线传感器网络LEACH算法[J].计算机研究与发展, 2011, 48 (z2) :131-134.

[6]游晓黔, 李明隆, 杨佳, 等.无线传感器网络LEACH协议的研究与改进[J].重庆邮电大学学报 (自然科学版) , 2011, 23 (6) :746-751.

[7]吕涛, 朱清新, 张路桥, 等.一种基于LEACH协议的改进算法[J].电子学报, 2011, 39 (6) :1405-1409.

[8]王翊, 范兴刚, 王万良, 等.基于混合量子进化算法的高效节能无线传感器网络路由算法[J].传感技术学报, 2011, 24 (2) :253-258.

[9]尚凤军, 任东海.无线传感器网络中分布式多跳路由算法研究[J].传感技术学报, 2012, 25 (4) :529-535.

[10]尚凤军, 雷阳.无线传感器网络能量有效成簇算法研究[J].小型微型计算机系统, 2009, 30 (5) :839-842.

能量优化 第4篇

随着经济的发展,环境的不断恶化,能源日益短缺,尤其是2014年以来全国各地饱受雾霾的侵扰,因此,新能源汽车的发展迫在眉睫。然而由于电池技术的局限性,混合动力汽车更符合当今使用的需要。插电式混合动力汽车弥补了纯电动汽车的续航里程短以及制造成本高昂的短板,并且在很大程度上降低了燃油消耗。在不影响汽车性能、可靠性与安全性的情况下,其在提高能源效率、减少排放及延长动力源使用寿命方面具有明显的优势[1]。

本文的研究对象是一种串联式插电式混合动力汽车,其发动机与传动系统之间不存在直接机械连接,不能直接驱动车轮行驶,因此发动机总是能在高效区域运行。本文中,首先对SPHEV整车动力系统与控制策略进行分析,然后运用Autonomie软件中的整车仿真模型,以整车油耗作为目标方程,利用遗传算法寻找发动机最优启动功率,在计算过程中充分考虑整车动力性与经济性,提高计算精度。最后,结合行驶循环工况,通过仿真分析验证本优化方法的可行性与有效性。

1整车动力系统与控制策略

本文的研究对象是一款串联插电式混合动力汽车,其动力总成传动系统组成如图1所示,该插电式串联混合动力汽车动力系统由发动机,发电机,电池组以及电动机等组成。发动机和电动机组既可以在整车需求功率低时为电池组充电,也可以在需求功率较高时与电池组共同为电动机提供能量。这些部件的参数在表1中做了简要的概括。

根据图1和表1中的数据,可以计算该车的燃油消耗量[5]:

式中,mfuel是总燃油消耗量,ffuel是燃油消耗率,ttotal为运行时间。

在PHEV中,总是存在一个低的截止阈值来解释电池的最大放电能量。这个阈值通常可以通过电池的荷电状态(SOC)测量,SOC是可用电池容量占标称容量的百分比表示[3]。在SOC达到预先设定值之前,只由电池驱动汽车行驶,这个过程被称为电量消耗(CD)模式。在SOC达到截止阈值后,由发动机和电池一起驱动汽车行驶,该过程称为电量保持(CS)模式。CD/CS模式是实现PHEV能源管理最简单和最直接的方式。然而,该方法没有全局考虑能量优化分配,只能通过合理确定其控制参数局部地优化汽车燃油经济性。借助于现代智能交通系统和智能能源管理策略,可以进一步改进该模式来提高燃油经济性。因为发动机和机械传动之间不存在机械连接,在此控制策略下的发动机始终在最佳工作点区内工作,在一定程度上提高了燃油经济性与排放性能。

2遗传算法

2.1基本原理

遗传算法是根据达尔文的“物竞天择,适者生存”的自然规律抽象而成的迭代搜索方法,以种群中所有个体为对象,对被编码区间进行随机高效搜索,其中主要操作包括:种群初始化、计算适应度、选择、交叉、变异、拥挤度计算。由于遗传算法良好的全局搜索性、通用性以及算法编程易实现,在求解复杂多目标问题中得到广泛应用,因此在解决多目标优化问题时采用遗传算法是一个有效的方法。本文中采用的遗传算法原理及其实现步骤如图2所示。

2.2遗传算法的应用

由于发动机最优启动功率阈值决定运行过程中发动机的启停,这很大程度上影响整车的燃油经济性。因此将发动机启动功率作为优化目标,利用遗传算法寻对其进行优化。根据穷举法,设置遗传算法参数中的种群个体数目为50,最大迭代数为30即可求出最优解,如表2所示。

将发动机启动功率作为输入值,整车燃油消耗作为目标值并采用matlab进行遗传算法编程进行求解。利用遗传算法随机产生一个初始值作为初始发动机启动功率,根据遗传算法机理,基于当前值会产生一个新的值作为下一代的初始值,并且避免陷入局部最优,具有全局最优搜索的能力。当最后一代计算完毕,输出优化的结果,即最优启动功率。为满足整车动力性以及燃油经济性目标,设置约束条件:

Peng on max为发动机最大驱动功率及动力系统最大功率,Pbat min和Pbat max分别代表电池的最小输出功率及最大输出功率。SOC的范围为0.3到0.9。运用遗传算法求得最优解如图3所示。

3优化结果分析

本文采用Autonomie原有整车仿真模型。选取UDDS循环工况进行仿真实验,其速度曲线如图4所示。

首先,设置的初始SOC为90%,终止SOC为30%。在SOC降至30%之前,只由电池驱动汽车行驶,这个过程被称为电量消耗(CD)模式,在SOC达到30%后,由发动机和电池一起驱动汽车行驶,该过程称为电量保持(CS)模式,其SOC曲线如图5所示。

Autonomie软件已经对模型中的基本参数进行优化匹配,因此本文基于CD/CS模式进行优化,设置10次连续UDDS循环工况下,通过遗传算法寻找发动机最优启动功率,模型中的初始发动机启动关闭功率分别为25k W和6k W,优化后的发动机启动功率为37.5k W,其结果如图6所示。

通过上图可以得出,经过该方法优化后明显降低了燃油消耗。在节省燃油消耗的同时,还能增加发动机在最优区域工作的机会,通过图7、图8所示。能够明显看出,优化后的发动机工作点更多的聚集在最有工作曲线附近,在一定程度上提高了发动机的工作效率。

在考虑不同的行驶里程下的燃油消耗,如表3所示,比较不同个UDDS循环工况下的燃油消耗。通过该方法,能够看出节省燃油消耗11%以上。

4结论

本文基于遗传算法对串联插电式混合动力汽车的能量管策略进行优化,提前设定初始和终止SOC,目的是降低燃油消耗。原模型中的控制策略是CD/CS模式,通过对发动机启动功率的优化,选择发动机最优启动功率。通过仿真,验证了该方法能够有效的提高发动机的工作效率,降低了燃油消耗,平均节油效果在11%以上。但是该优化方法也存在一定的不足,在不同的充放电条件下,电池SOC对燃油消耗有一定的影响。未来的工作就是在考虑燃油消耗的前提下对电池SOC进行优化。

摘要：本文以串联插电式混合动力汽车(SPHEV)为研究对象,开展对其能量管理策略优化的研究。首先对整车能量管理策略进行分析,将发动机启动功率作为优化对象,以燃油消耗量作为优化目标,运用遗传算法全局搜索发动机最优启动功率,以UDDS作为循环工况,通过整车模型仿真验证优化结果的正确性与有效性。结果表明,在保证整车动力性与经济性的前提下,本方法在一定程度上提高了发动机平均工作效率,降低了整车燃油消耗,燃油经济性提高了11%以上。

关键词：插电式混合动力汽车,能量管理,遗传算法,启动功率

参考文献

[1][中]Xi Zhang,[美]Chris Mi,张希,米春亭[译].车辆能量管理:建模、控制与优化[M].机械工业出版社,2013.

[2]张博,李君,高莹,等.Plug-in混合动力汽车能量管理策略全局优化研究[J].中国机械工程,2010,21(6):715-720.

[3]秦大同,赵新庆,苏岭,等.插电式混合动力汽车变参数能量管理策略[J].中国公路学报,2015,28(2):112-118.

能量优化 第5篇

1 研究基础和相关工作

路由协议是无线传感器网络的重要技术之一, 它的作用是将数据由源节点传送到目的节点, 因此路由协议的性能和整个网络的性能密切相关。目前, 路由协议可以分为平面路由协议和分层路由协议。

在平面路由协议中, 节点间地位是平等, 是通过局部操作和反馈信息来生成路由的。典型的平面路由协议有:SPIN[1]、Directed Diffusion、Rumor、SAR等。分层路由协议中通常将网路节点划分为若干簇, 由簇头负责管理簇内节点。典型的分簇路由协议有LEACH[2]、TEEN[3]、PEGASIS、CEFL、DAEA等。

1.1 LEACH算法简介

低功耗自适应分簇算法LEACH首次提出分簇的思想, 也是分层路由协议中最重要和最具代表性的算法。在LEACH算法中, 节点自组织成不同的簇, 每个簇只有一个簇头。所有非簇头节点将自己的数据发给所属簇的簇头节点, 簇头节点在数据融合后将数据发送给基站。其基本思想是在运行过程中不断的循环执行簇的重构过程, 每个簇重构过程由“轮”的概念来描述, 每一轮由两个阶段组成:簇的建立阶段和传输数据的稳定阶段。

在簇的建立阶段, 每个传感器节点先生成0-1之间的随机数, 如果生成的随机数小于阀值T (n) , 那么这个节点就被选为簇头, 阈值的大小由下式确定:

T (n) 表示为:式中, P是簇头在所有节点中所占的百分比, r是选举轮数, G是这一轮循环中未当选簇头的节点集合。

如果这个数小于簇头当选阈值T (n) , 那么则该节点就当选为本轮循环的簇头;反之则为簇内普通节点。节点当选为簇头以后, 发布广播消息告知其他节点自己是新簇头;非簇头节点根据收到的广播消息的信号强弱决定要加入的簇, 并向簇头发送加入簇的请求。簇的建立完成后, 开始进入传输数据的稳定阶段。

1.2 LEACH算法分析

尽管LEACH能够提高网络的生存时间, 但是协议所使用的假设条件仍存一些问题:

1) 在LEACH算法中的假设条件是所有节点都可与汇聚节点sink直接通信, 若节点与sink节点距离较远的情况下能量消耗增大, 不适合在大规模的无线传感器网络中应用[4]。

2) 簇头的形成是随机的, 此时在节点之间传送数据时, 可能加大能量的消耗[5]。

3) 簇头选定之后, 要向网络覆盖的所有区域发送广播信息, 增加了节点间的通信量。这个过程要消耗相当多的能量。

4) 每开始新的一轮工作, 都要重新选举聚类首领, 重新划分聚类。这一过程每个节点都要参与, 需要消耗大量的能量。

2 基于LEACH算法的优化

本文针对一些问题, 提出一种基于LEACH算法优化的方法。将能量因素纳入考虑, 改进了其计算方法。

2.1 前提条件和算法

本文是基于LEACH的优化算法, 实验环境是被监测区域已知且传感器节点均匀分布, sink节点固定的情况。具体条件如下:

1) 所有传感器节点是平等的, 初始能量相同。

2) 传感器节点与sink节点的位置是固定不变的。

3) 传感器节点向任意方向发送数据的功率是相同的。

4) 本算法只考虑数据处理和数据传输的能量消耗。

本文所提出的算法与基于LEACH的固定聚类算法相似, 在簇头选举机制中引入剩余能量。公式如下:

其中, Eelse表示节点剩余能量, E0表示节点初始能量, Nr表示节点的通讯范围内节点数, nr表示Nr内剩余能量大于簇内平均剩余能量的节点数。由于综合考虑了节点能量和阈值大小对簇头选取的影响, 式 (2) 的改进有效地弥补了式 (1) 的缺陷。

2.2 仿真实验

本文利用matlab作为分析工具, 设计了以下场景:传感器节点总数为100, 均匀分布在100100的被测区域中, sink节点位于 (50, 175) 。所有节点初始能量相同, 初始值为2 J, 数据包长度为500 B, 发送和接收数据的能量消耗为50 nJ/bit, 放大电路功耗为100pJ/ (bitm-2) 。通过仿真实验对提出的算法进行分析, 以评价该算法的性能。

图1是改进后算法和LEACH算法的仿真结果进行的比较。从图中可以观察到改进后的协议在不同的节点数目情况下都明显的延长了网络的生命周期;且网络越大, 网络的生命周期延长得相对越多, 在100个节点时网络的生命周期延长达到了40%左右。

3 结束语

在LEACH协议的基础上提出了基于剩余能量的无线传感器网络节能的优化分簇算法。在簇首选择机制上, 根据节点剩余能量和簇内平均剩余能量, 让剩余能量大的节点尽可能优先担任簇首, 减少了算法的复杂度, 减少了簇内节点之间不必要的通信能耗, 有利于节点能量的同步消耗, 从而有效地延长了整个网络的生命期。模拟实验表明, 优化后的簇首选择机制可以有效延长网络生存时间。

摘要：针对LEACH算法中存在的节点能耗分布不均衡问题, 提出一种新的成簇路由方案。在参考LEACH路由算法的基础上, 引入剩余能量, 建立新的簇头选举机制。仿真试验结果表明, 该算法在网络生存时间和负载均衡方面较已有算法有较大的提高。

关键词：无线传感器网络,剩余能量,负载均衡

参考文献

[1]Heinzelman Kulk J, Balak Rishnan H.Adaptive protocols for information dissemination for wireless sensor networks[C]//Proc of ACM-Conference on Mobile Computing and Networking, Washington, USA, 1999:174-185.

[2]Heinzelman W, Chandrakasan A, Balakrishnan H.Energy-efficient communication protocol for wireless microsensor networks[C]//The-Hawaii Int’l Conf System Sciences.Hawaii:IEEE Computer Society, 2000.

[3]Wendi B Heinzelman, Anantha P Chandrakasan, Hari Balakrishnan.An applicantion-specific protocol architecture for wireless micro-sensor networks.

[4]Zhou Z, Zhou S, Cui S, et al.Energy-efficient cooperative communication in a clustered wireless sensor network[J].IEEE Transactions onVehicular Technology, 2008, 57 (6) :3618-3628.

能量优化 第6篇

微型燃气轮机 (以下简称微燃机) 在冷热电联供 (combined cooling heating and power, CCHP) 分布式供能系统中得到了广泛应用。CCHP整体燃料利用效率在70%～90%之间, 实现了能源的梯级利用, 同时还具有节能减排、缓解电网压力等优点[1]。

联供系统的最优运行方式不仅与冷、热、电负荷的大小有关, 还与是否允许发电上网、购电价格、燃气价格和微燃机上网发电价格等因素有关。在运行过程中, 为了满足经济性和能源高效利用的双重指标, 需要对联供系统进行能量优化管理。文献[2]针对楼宇CCHP系统, 从节能率、年运行费用节约率和投资回收期等方面对不同的发电功率配置方案进行对比, 并分析了天然气价格和电价对于不同容量CCHP系统回收期的影响。文献[3]以总费用最低为优化目标, 提出了一种求解冷热电联供自备电站优化配置问题的方法。文献[4,5]以运行成本最低为优化目标, 计算联供系统的最优运行策略。本文针对微燃机冷电联供分布式供能系统, 提出了一种能量优化模型。

1 系统方案描述

示范点能源供给结构如图1所示。试验楼、部分调度大楼的电负荷与微燃机组一起接在低压母线LM1处, 调度大楼的其余电负荷由母线LM2供电, 综合楼的电负荷由母线LM3供电[6]。3台C200型Capstone微燃机组成微燃机组, 与1台远大公司的溴化锂双效烟气制冷机构成冷电联供系统。单台微燃机的最大发电功率为200 kW, 3台微燃机满发, 总发电功率为570 kW (扣除微燃气增压泵自耗电30 kW) 。制冷机的最大制冷量为1 277 kW。微燃机在国标标准化组织 (ISO) 规定的标准工况 (60%相对湿度, 101.3 kPa) 下的运行特性如附录A表A1所示, 制冷机在不同燃气排烟温度和废烟流量下的最大制冷功率如附录A表A2所示。

3栋大楼中, 除调度大楼为新大楼外, 其余2栋楼为旧大楼, 各自安装有电空调。试验楼的冷负荷由分体式电空调来满足。综合楼的现有制冷系统为风机盘管设计, 末端设有温度调节装置。由于本项目为示范工程, 且联供系统的最大制冷量为1 015 kW, 并不能满足调度大楼的最大冷负荷需求1 484.57 kW, 所以在调度大楼中仍然安装有电空调, 部分房间安装有恒温恒湿空调, 还有部分房间安装有多联机空调。溴化锂双效制冷机仍采用风机盘管设计, 向调度大楼供冷。本文假定所有的电空调都接在图1所示母线LM1下。

系统对外购买的能源形式有天然气和电网电能2种。该系统的运行方式和特点如下:

1) 在某些月份, 冷电联供系统产生的制冷量既不能满足调度大楼的最大制冷需求, 也不能满足综合楼的最大制冷需求 (1 238.48 kW) 。

2) 虽然综合楼电空调也是风机盘管设计, 但是2个系统的水泵压力不同, 可能出现一方无法将冷水压入管道的情况。此外, 将联供系统的冷却水与综合楼电空调冷却水混合后, 不易按照优化目标分配各自的制冷量。因此, 综合楼的电空调不与吸收式制冷机共同使用。

3) 从经济运行角度考虑, 如果吸收式制冷机的制冷量大于调度大楼和综合楼的冷负荷最大需求的总和, 可以通过冷水阀门将吸收式制冷机产生的冷水按照一定比例旁通入综合楼原有冷水管道, 同时满足2栋楼的冷负荷需求;如果吸收式制冷机可以单独满足调度大楼最大供冷需求, 但不能满足综合楼的最大供冷需求, 则吸收式制冷机的制冷量全部用于满足调度大楼的冷负荷需求, 综合楼的冷负荷需求则由电空调满足;如果吸收式制冷机可以满足综合楼的冷负荷需求, 但是无法满足调度大楼和综合楼的最大供冷需求的总和, 则需要将吸收式制冷机的冷水按照一定比例部分旁通至综合楼, 还需要同时开启调度大楼电空调以补充不足部分;当吸收式制冷机的制冷量既不能单独满足综合楼的冷负荷需求, 也不能单独满足调度大楼的冷负荷需求时, 吸收式制冷机的制冷量应全部供给调度大楼, 不足部分可以通过开启电空调进行补充, 综合楼的冷负荷需求由电空调提供。

4) 3台C200型微燃机组成微燃机组后, 实行功率均分原则, 即若3台微燃机同时开启运行, 则3台微燃机的输出功率按照功率指令平均分配;若2台微燃机同时开启运行, 则2台微燃机的输出功率按照功率指令平均分配。

5) 由于示范点负荷处于最大负荷的时间占全年的比例较小, 冷、电负荷具有较强的季节性和时间性, 在某些情况下, 有可能出现微燃机发电量回馈电网的情况。

2 优化模型

2.1 前提假设

冷电联供系统的能量优化管理方法是一种借鉴大系统经济运行调度的优化控制方法。采用开环控制方式, 在系统运行的前一天根据预测得到的下一日各大楼冷、电负荷需求曲线, 以小时为单位制定微燃机的最优出力计划。

为了建立数学优化模型, 首先对系统进行如下假设:

1) 假定微燃机排烟的出口温度等于吸收式制冷机的烟气进口温度。

2) 假定微燃机运行在标准工况下, 忽略环境温度、燃气压力损失、背压等因素对微燃机和制冷机运行特性的影响。

3) 为了保证能源的高效利用, 假定微燃机排出的废烟全部供给制冷机。

2.2 目标函数

优化调度数学模型的目标函数为:

$\begin{array}{l}F{}_t=\min (C{}_{\text{f}}+C{}_{\text{e}})=\min (p{}_{\text{f}}V{}_{\text{f}\text{u}\text{e}\text{l}}+\\ k{}_{\text{e}}{\rm P}{}_{\text{G}\text{r}\text{i}\text{d}}+p{}_{\text{e}}{\rm P}{}_{\text{a}\text{i}\text{r}2})t(1)\end{array}$

式中:Cf为购买天然气的费用, 单位为元;Ce为从电网购电或者向电网卖电的费用, 单位为元;pf为燃气价格, 单位为元/ m3;Vfuel=3.6Qfuel/VLHV, 为单位时间内天然气的消耗量, 单位为m3/h;Qfuel为天然气的热能, 单位为kW;VLHV为低位燃料热值, 单位为MJ/m3;ke为从电网购电或者向电网卖电的价格, 其中, pe为从电网购电价格, pMT为向电网卖电的价格, 单位都为元/kW;PGrid为外网联络线的交换功率, 单位为kW, PGrid>0表示从电网购电, ke=pe, PGrid<0表示回馈电网电功率, ke=pMT;Pair2为综合楼电空调的耗电功率, 单位为kW。

2.3 约束条件

2.3.1 等式约束

1) LM1母线电功率平衡约束

${\rm P}{}_{\text{G}\text{r}\text{i}\text{d}}+{\rm P}{}_{\text{Μ}\text{Τ}}-{\rm P}{}_{\text{a}\text{i}\text{r}1}={\rm P}{}_{\text{l}\text{o}\text{a}\text{d}1}+{\rm P}{}_{\text{l}\text{o}\text{a}\text{d}3}(2)$

式中:电负荷Pload1和Pload3包含有普通照明负荷和电梯、计算机、开水器等耗电设备, 不包含消防安全用电等电力供应要求较高的负荷, 同时也不反映空调设备的电力消耗情况;PMT为燃气机的有功功率;Pair1为调度大楼电空调的耗电功率。

2) 整个系统的冷负荷平衡约束

$\begin{array}{l}Q{}_1=(1-x)Q{}_{\text{a}\text{c}}+Q{}_{\text{a}\text{i}\text{r}1}(3)\\ Q{}_2=a{}_{1}xQ{}_{\text{a}\text{c}}+a{}_{2}Q{}_{\text{a}\text{i}\text{r}2}(4)\\ Q{}_{\text{a}\text{i}\text{r}1}=V{}_{\text{C}\text{Ο}\text{Ρ}1}{\rm P}{}_{\text{a}\text{i}\text{r}1}(5)\\ Q{}_{\text{a}\text{i}\text{r}2}=V{}_{\text{C}\text{Ο}\text{Ρ}2}{\rm P}{}_{\text{a}\text{i}\text{r}2}(6)\\ a{}_1+a{}_2=1(7)\end{array}$

式中:Q1和Q2分别为调度大楼和综合楼的冷负荷功率需求, 单位为kW;Qair1和Qair2分别为调度大楼电空调和综合楼电空调的制冷功率, 单位为kW;Qac为吸收式制冷机产生的制冷量, 单位为kW;a1和a2为系数, 由于吸收式制冷机与综合楼电空调制冷机不能够同时向综合楼供冷, 因而a1和a2的取值分别为0和1;x为吸收式制冷机向综合楼提供的冷功率占制冷机总冷量的比例;VCOP1和VCOP2分别为调度大楼电空调和综合楼电空调的制冷系数, 此处假定调度大楼电空调具有相同的制冷系数。

2.3.2 不等式约束

$\begin{array}{l}0x1(8)\\ Q{}_{\text{a}\text{i}\text{r}1-\min }Q{}_{\text{a}\text{i}\text{r}1}Q{}_{\text{a}\text{i}\text{r}1-\max }(9)\\ Q{}_{\text{a}\text{i}\text{r}2-\min }Q{}_{\text{a}\text{i}\text{r}2}Q{}_{\text{a}\text{i}\text{r}2-\max }(10)\\ Q{}_{\text{f}\text{u}\text{e}\text{l}-\min }Q{}_{\text{f}\text{u}\text{e}\text{l}}Q{}_{\text{f}\text{u}\text{e}\text{l}-\max }(11)\\ 50％{\rm P}{}_{\text{Μ}\text{Τ}-\max }{\rm P}{}_{\text{Μ}\text{Τ}}{\rm P}{}_{\text{Μ}\text{Τ}-\max }(12)\end{array}$

电动制冷机和吸收式制冷机制冷量的上下限约束以及吸收式制冷机制冷量的计算, 根据不同的设备和元件来确定。由于在低于50%负荷率下, 微燃机的发电效率将低于30%, 且效率下降明显, 因此微燃机的最小出力取为满负荷功率的50%。

2.4 评价指标

为了评价冷电联供系统的能源利用效率, 利用一次能源利用效率指标 (primary energy ratio, PER) VPER对系统的运行状况进行评估。

$V{}_{\text{Ρ}\text{E}\text{R}}=\frac{{\rm P}{}_{\text{Μ}\text{Τ}}+Q{}_{\text{a}\text{c}}}{Q{}_{\text{f}\text{u}\text{e}\text{l}}}\ge 75％(13)$

3 优化模型求解

参考C200型微燃机的运行特性可以发现, 标准工况下, 燃料热能与微燃机有功出力之间、燃料热值与微燃机排烟温度和排烟流量之间可以近似用线性方程拟合。为简化研究, 对微燃机的运行特性进行线性拟合, 得到如下方程:

$\begin{array}{l}{\rm P}{}_{\text{Μ}\text{Τ}0}=0.3778Q{}_{\text{f}\text{u}\text{e}\text{l}0}-24.87(14)\\ {\rm T}{}_0=0.2208Q{}_{\text{f}\text{u}\text{e}\text{l}0}+145.0(15)\\ V{}_{\text{e}\text{x}0}=0.00148Q{}_{\text{f}\text{u}\text{e}\text{l}0}+0.43442(16)\end{array}$

n台微燃机同时运行时, 燃机组的有功出力、消耗的燃料热能和废烟流量分别为:

$\begin{array}{l}Q{}_{\text{f}\text{u}\text{e}\text{l}}=nQ{}_{\text{f}\text{u}\text{e}\text{l}0}(17)\\ {\rm P}{}_{\text{Μ}\text{Τ}}=n{\rm P}{}_{\text{Μ}\text{Τ}0}(18)\\ V{}_{\text{e}\text{x}}=nV{}_{\text{e}\text{x}0}(19)\end{array}$

式中:n=0, 1, 2, 3;Qfuel0为单台微燃机消耗的燃料热能;PMT0为其对应的有功出力;T0为烟气余热温度, 单位为℃;Vex0为烟气流速, 单位为kg/s;Qfuel为微燃机组消耗的总燃料热能;PMT为微燃机组总的有功出力;Vex为微燃机组产生的总的废烟流速。

如附录A表A2所示, 吸收式制冷机的制冷功率与微燃机的排烟温度和排烟流量有关。在同一排烟温度下, 随着流入制冷机的废烟流量增大, 制冷量增大;排烟温度越高, 在相同废热流速下, 微燃机废烟的可利用热能越大, 吸收式制冷机的制冷量越大。

在优化模型中, 吸收式制冷机的制冷量制约着调度大楼和综合楼电空调的制冷量, 而吸收式制冷机的制冷量由燃气的可利用烟气余热产生, 控制微燃机的出力即可间接控制废烟的余热。微燃机出力大小的改变和电空调制冷量的改变又影响了外购天然气量和电量的大小。因此, 该优化问题是一个带有离散变量的非线性规划问题, 本文采用遗传算法进行求解[7]。在求解过程中, 对于吸收式制冷机的制冷量, 根据微燃机的排烟温度和排烟流量在附录A表A2中查找与其相近工况下的制冷功率。

4 优化计算结果

由于南方地区冬季的冷负荷需求较少, 开启联供系统会有大量的废烟被排掉, 系统运行效率低, 相比从电网购电, 经济性也较差。因此, 在冬季月份, 联供系统可停止运行。本文分别取4月、8月、9月中的某一天进行优化计算, 取pe=1.013 6元/kW, pMT=0.77元/kW, pf=3.85元/m3, VLHV=41.9 MJ/m3。

附录B图B1给出了4月某一天的优化计算结果。可以看出, 微燃机出力和制冷机制冷量可以满足当前2栋楼的电负荷和冷负荷需求, 部分电出力回馈电网;在联供系统投入运行的时间段内 (8:0019:00) , 调度大楼的电空调停止运行;在9:0010:00时间段内, 按照优化运行计算结果, 需要开启2台微燃机, 在平均出力策略下单台微燃机的发电效率降低31.8%;与不采用联供系统相比, 全天节省运行费用833.4元;利用式 (13) 计算联供系统在运行时段内的一次能源利用效率为86.8%。

附录B图B2给出了8月某一天的优化计算结果。可以看出, 在工作时间段内 (8:0019:00) , 3台微燃机都处于满发状态, 吸收式制冷机产生的制冷量可以完全满足综合楼的冷负荷需求;剩余的制冷量供给调度大楼, 调度大楼的冷负荷需求不足部分由电空调供给;微燃机产生的多余电量回馈电网;在运行时段, 运行费用节省了1 426.9元;联供系统的一次能源利用效率为89.6%。

图2为9月某一天的优化计算结果。可以看出, 由于联供系统的最大制冷量无法单独满足调度大楼或综合楼的最大冷负荷需求, 设定综合楼的冷负荷需求完全由电空调来满足, 联供系统的制冷量全部供给调度大楼, 调度大楼冷负荷需求不足部分由电空调补充。在工作时间段内 (8:0018:00) , 除13:00外, 3台微燃机都处于满发状态;由于在12:0013:00时间段内, 冷电负荷需求下降, 只需要开启2台微燃机就能够满足电负荷需求, 调度大楼冷负荷需求不足部分由电空调提供;在优化运行时段内, 运行费用节省了1 579.9元;全天运行时段内的一次能源利用效率为88.8 %。

5 结论

本文提出了一种冷电联供分布式供能系统的能量管理优化模型, 以运行费用最小为优化目标, 利用冷、电负荷预测数据, 采用遗传算法计算微燃机的最优发电曲线。通过对典型月份的优化计算, 可以发现:

1) 在冬季 (12月3月) , 由于冷负荷需求较小, 建议关闭冷电联供系统。

2) 在春秋两季, 在联供系统的工作时间段内, 只需要开启1台或者2台微燃机, 微燃机组按照优化运行指令实时调整出力, 此时联供系统运行在“以冷定电”模式下。

3) 在夏季, 由于示范点冷负荷需求较大, 联供系统运行在“以电制冷”模式下, 在运行时间段内具有较好的经济性和较高的一次能源利用效率;在其他非工作时间段内, 由于冷电负荷需求较小, 建议关闭冷电联供系统;由于夏季12:0013:00属于休息时间, 冷电负荷需求会降低, 为了满足系统的经济运行, 微燃机的出力与制冷量也会相应减小。

在实际运行中, 为了保证单台微燃机的发电效率, 需要限制单台微燃机的最小负荷率。

由于燃料价格、购电价格和上网发电价格会对运行方案产生影响, 因此在实际运行中, 需要根据不同的价格制定相应的发电计划。此外, 还需要对优化模型进行完善, 使其能够有效计及环境温度、燃气压力损失等因素对优化计算的影响。

附录见本刊网络版 (http://www.aeps-info.com/aeps/ch/index.aspx) 。

参考文献

[1]李胜, 吴静怡, 王如竹.冷热电联供系统的研究热点概述.制冷与空调, 2008, 8 (6) :1-9.LI Sheng, WU Jingyi, WANG Ruzhu.Summary of researchhotspots on the combined cooling, heating and power system.Refrigeration, 2008, 8 (6) :1-9.

[2]魏会东, 吴静怡, 王如竹.楼宇级冷热电联产系统的应用分析.建筑科学, 2007, 23 (2) :31-36.WEI Huidong, WUJingyi, WANG Ruzhu.Analysis of CCHPsystem applied in a building.Building Science, 2007, 23 (2) :31-36.

[3]张士杰, 李宇红, 叶大军.燃机热电冷联供自备电站优化配置研究.中国电机工程学报, 2004, 24 (10) :183-188.ZHANG Shijie, LI Yuhong, YE Dajun.Opti mal planning of agas turbine CCHP plant.Proceedings of the CSEE, 2004, 24 (10) :183-188.

[4]KONG X Q, WANG R Z, HUANG X H.Energy opti mizationmodel for a CCHP system with available gas turbines.AppliedThermal Engineering, 2005, 25 (2) :377-391.

[5]丁水汀, 段伦, 韩树军, 等.冷热电联供系统运行模式优化.热科学与技术, 2007, 6 (2) :95-100.DI NG Shuiting, DUAN Lun, HANShujun, et al.Opti mizationof operation model of combined cooling, heating and powersystem.Journal of Thermal Science and Technology, 2007, 6 (2) :95-100.

[6]郭力, 王成山, 王守相, 等.微型燃气轮机微网技术方案.电力系统自动化, 2009, 33 (9) :81-85.GUO Li, WANG Chengshan, WANG Shouxiang, et al.Schemes of micro grid technology with micro turbine.Automation of Electric Power Systems, 2009, 33 (9) :81-85.

能量优化 第7篇

1.1 主要生产工艺用能

盘江煤电(集团)有限责任公司主要生产工艺有原煤生产工艺、原煤洗选工艺、煤泥矸石发电工艺、瓦斯发电工艺等。原煤生产主要用能为电和水,电为井下设备的主要用能,如掘进机、综采机械、运输设备、移动空压机、局部通风机、水泵、瓦斯抽放泵等,风镐、风钻用压缩空气提供的空气动力;水用于灭尘、湿式凿岩、防爆水袋等。原煤洗选生产主要的能源消耗为电、水、煤油、柴油,电用于工艺流程中的电力拖动设备,水用于生产循环水的补充,煤油主要用于浮选机,柴油主要用于排矸车间推土机和煤泥运输汽车。煤泥矸石发电主要用能设备是锅炉和发电机及辅助设备,生产主要耗能是煤泥、矸石、洗混煤和柴油,载能工质是水。瓦斯发电主要用能为矿井瓦斯气体。

1.2 企业主要用能情况

该公司2008年能源消费总量折合标准煤为172763.49t。主要能源有电力、原煤、柴油、汽油、煤油、瓦斯气。其中:原煤188129.96t,外购电力9710万kWh,自发电为48109.14万kWh,柴油2918t,汽油353.15t,煤油553.98t,瓦斯气体982.81万m 3。2008年盘江煤电(集团)公司能源消费结构如表1所示。

1.3 能量系统现状

1.3.1 10kV、6kV供电线路

公司用电系统按电压等级可分成三个系统,即110kV供电系统,35kV供电系统及10kV、6kV供电系统。有10kV、6kV变电站共64座(其中10kV7座、6kV 55座),将公司35kV变电站的电压降为10kV或6kV,并输送到公司所辖成员单位使用。投产以来,终端用电设备所需要的电能主要通过10kV、6kV以下的低压配电线路输送,电力成本占生产成本的8%左右,10kV、6kV供电线路的功率因素较低,一直在0.7～0.8之间,无功损耗大,而且低功率因素负载从系统吸收大量无功功率,从而增加线损和变压器损耗降低变压器的供电能力因此提高线路功率因素,降低配电网络的无功损耗,是公司迫在眉睫的事。

1.3.2 工频电动机动力系统

(1)主通风系统。

公司生产矿井现投运主通风系统19套,主通风机38台,总功率8204.3kW。主通风机是矿井主通风系统的主要机电设备,且需不间断运行,能耗较大。目前主通风机采用工频运行,用调节风门的传统调节方法,该方法是通过增减系统风阻的大小来实现风量的调整,以满足不同工况对主通风量的要求,难以进行高效风量调节。在原设计中,主通风机及其配套电机的参数和选型是依据矿井通风最大需风量来确定的,由于靠高选择,余量较大,而在矿井通风大部分时间,满足安全生产的通风量小于最大风量,并且《煤矿安全规程》对矿井巷道风速也有限制。因此,主通风系统工频运行造成了较大电能浪费。

(2)提升系统。

公司生产矿井现投运2m以上提升绞车22台,总功率13303kW,均为工频运行,采用电动机定子线圈串入金属电阻方式进行速度调节。该方法以工作闸的方式调节串入定子线圈电阻的大小来调节电机电流,以调节运行速度,在低速运行时大量电能被电阻消耗,造成较大的电能浪费,用刹车片增加摩擦阻力的方式实现减速,造成刹车片磨损严重、更换频繁,从而增加维护费用且存在潜在安全隐患。同时提升系统功率较大,造成启动、换档时冲击电流过大,浪费电能。

(3)原煤输送系统。

公司生产矿井原煤输送系统主要采用刮板运输和皮带运输两种方式,现投运各种皮带运输机及刮板机共计300台,总功率19830kW。目前原煤输送系统以工频运行,未考虑输煤量的变化和运输设备的启动顺序,生产过程中,在不同煤量及运输阶段下所有输送设备均同时运行,刮板机或皮带输送机不能根据输煤量的变化和运输阶段进行出力调整及相应启停,造成低负荷时较大的电能浪费。

(4)压风系统。

公司生产矿井现投运压风机60台,总功率11206kW。目前压风系统处于工频运行,不能根据负荷进行出力调整,生产中,由值班人员根据井下需要频繁启停空压机造成电能浪费

(5)局部通风系统。

公司生产矿井现投运局部通风机136台,总功率4768kW。掘进初期,巷道短,瓦斯量少,需风量较少,随着巷道的不断延伸,风量逐渐增加,局部通风系统需要根据掘进工作面的不同深度进行出力调整。目前局部通风系统处于工频运行,只要开启,即满负荷运行,开掘初期通风量远大于用风量,随着开掘长度的延伸,用风量增加,到需开双电机时(对旋式风机)同样存在供风量大于需风量现象,造成了较大的电能浪费。

(6)排水系统。

公司所属各矿井在井下均建立了中央泵房,配备不同功率的排水泵66台,总功率14694kW。均为工频运行,利用阀门开度调节排水量,排水量低时不能相应降低水泵出力,造成电能浪费。

(7)瓦斯抽采系统。

公司生产矿井现投运瓦斯抽采泵63台,总功率15619kW。目前矿区投运的瓦斯泵为工频运行,在运行过程中,不能根据瓦斯的浓度进行出力调节,从而造成较大电能浪费。

1.3.3 瓦斯发电余热回收系统

公司建有的瓦斯发电站总装机容量为33200kW。目前,瓦斯发电机组排气温度高达550～650℃,尚未利用,直接排空,瓦斯热能利用率低,热量浪费严重。

2 能量系统优化节能技术改造技术方案

通过上述现状分析并参考类似动力系统节能改造成功经验,拟采用10kV、6kV供电线路无功补偿、工频电动机加装变频装置的方法对以上各系统进行节能技术改造。

2.1 10kV、6kV供电线路无功补偿

无功补偿就是把具有容性功率负荷的装置与感性功率负荷并接在同一电路,当容性负荷释放能量时,感性负荷吸收能量,而感性负荷释放能量时,容性负荷吸收能量,能量在两种负荷之间交换,这样,感性负荷所吸收的无功功率可由容性负荷输出的无功功率中得到补偿。其补偿无功功率,可以增加电网中有功功率的比例常数,减少发、供电设备的设计容量,减少投资。例如当功率因数cosφ由0.8增加到0.95时,装1kVar电容器可节省设备容量反之增加对原有设备而言,相当于增大了发、供电设备容量,降低线损。根据公式ΔP=(1-cos2φ1/cos2φ2)100%(cosφ1为补偿后的功率因数,cosφ2为补偿前的功率因数,则cosφ1>cosφ2),提高功率因数后,线损率也得到相应下降。无功补偿示意图如图1所示。

2.2 工频电动机动力系统加装变频调速装置

(1)主通风系统。

主通风系统加装变频调速装置原理如图2所示。

(2)矿井提升系统。

提升机加装变频器是在原提升机电控系统的基础上,用变频调速系统替代原工频调速系统,同时保留工频调速系统,使两套系统互为备用,增加系统运行的可靠性。系统运行前,将主回路和控制回路各转换开关切换至相应的变频或工频位置。系统加装变频调速装置原理如图3所示。

(3)原煤输送系统。

根据原煤输送的特点,选择矢量控制变频器。该变频器的主要特点是在运输机低速运行和启动时保持足够的转矩,避免电机带动不了皮带的现象发生。结合变频启动工频运行来管理。原煤输送系统改造原理如图4所示。

(4)空压系统。

系统改造后利用压力传感器、PLC可编程控制器和变频器相结合的原理,实现风压大小来控制空压机的运行,避免风压不好控制的现象发生,从而节约电能。

空压系统节能改造系统如图5所示。

(5)局部通风系统。

改造方式与主通风系统加装变频装置相同。

(6)矿井排水系统。

根据矿井水的水量,使水泵变频运行,在矿井排水系统采用先进的变频调速技术,控制水泵的驱动电机,通过控制驱动电机的转速实现水泵转速的控制。改造方式与主通风系统加装变频装置相同。

(7)矿井瓦斯抽采系统。

加装变频装置,利用瓦斯传感器探测瓦斯浓度,根据浓度调节抽采泵的运行状态,使其处于经济运行状态,节约电能。改造方式与主通风系统加装变频装置相同。

2.3 瓦斯发电余热回收系统

在瓦斯发电机组排烟口附近空地安装余热锅炉,将550℃高温烟气通过烟道引入余热锅炉,利用高温烟气的热能加热职工生产生活用水,使锅炉排出烟气温度降低到170℃左右。余热回收系统示意图如图6所示。

3 技改项目的主要技术经济指标

3.1 技改项目的节能分析

盘江煤电(集团)有限责任公司生产耗能能耗值(见表1)将作为本次节能技术改造项目的计算依据。

(1)10kV、6kV供电线路无功补偿。

假设无功补偿前后线路传送的有功功率不变,P=UIcosφ,由于cosφ提高,补偿后的电压U2稍大于补偿前电压U1,为分析问题方便,可认为U2≈U1,从而导出I1cosφ1=I2cosφ2。即I1/I2=cosφ2/cosφ1,这样线损P减少的百分率为:

公司现有64座10kV、6kV配电站,据统计2008年使用电量约为57819.14万kWh,平均功率因素cosφ约为0.70,年电能损失约为5319.16万kWh,占总用电量的9.2%。参考相关改造成果,预计通过对64座10kV、6kV配电站供电线路实施无功补偿,平均功率因素cosφ将提高至0.9左右,考虑无功补偿设备增加的耗电及其他不确定因素,按理论线损减少值的0.9计算。

线损将减少

按全国平均供电标煤耗350g/kWh计算,折合标准煤为6619t。

(2)工频电动机动力系统加装变频调速装置

从变频节能原理可知,变频节能与电机的选型、运行工况、系统阻力情况等因素有关,不同系统、不同负荷率变频节能的效果均不相同。变频改造理论节电率如表2所示。

参考类似工频电动机加装变频调速装置改造前后的运行数据,实际变频改造的节电率一般为改造前用电量的10%～50%。根据该公司的统计负荷资料,综合考虑实际运行情况,各系统工频电动机动力系统加装变频调速装置后预期年节电情况详如表3所示。

(3)瓦斯发电加装余热回收系统

公司现有容量为2～4t/h的辅助生产用热水锅炉25台,因煤炭开采生产特殊,随时需用辅助生产用热水,锅炉年运行时间长,耗煤量大。公司建有的瓦斯发电站总装机容量为33200kW,利用瓦斯发电机的高温余热烟气替代燃煤锅炉加热职工辅助生产用水,减少企业综合耗煤量,余热利用潜力巨大。根据生产实际,每1m 3瓦斯发电3kWh,瓦斯完全燃烧时与空气混合比为1∶13,瓦斯发电机组年平均负荷率75%,瓦斯发电排烟温度550℃,预计加装余热锅炉后降为170℃,按年运行时间7200h计算,瓦斯发电机组烟气总量为(燃烧前后烟气体积不同,为计算简便不作考虑):332000.75÷3(1+13)=116200m 3/h。

按烟气平均质量1.25kg/m 3计算,烟气总重量为:1162001.25=145250kg/h。

温度在100～600℃时,烟道气体排烟的平均定压比热容为1.087kJ/(kg℃),按余热锅炉引入烟道散热量2%,余热回收系统总热效率80%(考虑余热回收系统与生产、生活用水距离及余热锅炉热效率),年回收的热量为:(550-170)1.08714525072000.980.8=3.391011kJ。

按2008年的统计数据,公司现有的25台热水锅炉年共消耗其他洗煤煤量为22000t,按公司提供的折标系数0.65计算,25台锅炉年共耗标煤量为220000.65=14300t。按现有锅炉平均热效率65%计算,25台锅炉能提供的热量为:143000.65292711000=2.721011kJ。

由以上计算可知,瓦斯发电余热回收系统回收的热量大于现有25台锅炉提供的热量(3.391011>2.721011),亦即瓦斯发电余热回收系统能完全替代现有25台锅炉,其节省的标准煤为现有25台锅炉标煤耗量14300t。

(4)技改项目总节能量

由于本项目改造不新增用能设备,因此项目总节能量为以上各子项之和(见表4)。

综上所述,盘江煤电(集团)有限责任公司能量系统优化节能技术改造项目完成并投运后年节约标煤量为52930t。

3.2 技改项目的主要技术经济指标

根据该公司2008年有关运行数据,标煤价按800元/t,外购电价按0.52元/kWh,上网电价按0.27元/kWh计算,在节约经济效益计算中,节约的电能按利益均摊的原则暂按一半上网电价,一半外购电价折算。

结合市场调研及公司生产实际,实施改造后,若按2009年的全国综合供电标煤耗率350g/kWh计算,10kV、6kV供电线路无功补偿投资555.61万元,每年将可节约电能1891.26104kWh,可产生节约经济效益747.05万元,相当于每年节约6619t发电标煤。工频电动机动力系统加装变频调速装置投资10480.92万元,每年将可节约电能9145.91104kWh,可产生节约经济效益3612.63万元,相当于每年节约32011t发电标煤。瓦斯发电加装余热回收系统投资204.15万元,每年将可节约热量3.391011kJ,完全替代现有25台容量为2～4t/h的热水锅炉,折合每年节约14300t标煤,可产生节约经济效益1144万元。

该公司能量系统优化节能技术改造项目的主要技术经济指标如表5所示。

盘江煤电(集团)有限责任公司能量系统优化节能技术改造项目主要污染物减排指标(按火力发电厂平均)如表6所示。

ta-1

可见该技术改造项目完成后,相同产能下,公司生产用电将降低11037.2万kWh,增加利用瓦斯发电余热的热能3.391011kJ,合计折算为发电标煤量约52930t,年创经济效益5503.68万元。在节煤的同时也相应实现烟尘、二氧化硫等污染物的减排,将减少企业能源消耗,按企业生产降低的能耗折算为火力发电节约的标煤计,则每年可减少SO2排放量约37.18t,NOX排放量约374.14t,烟尘排放量约45.12t,灰渣排放量约2.32万t。因此,本项目具有良好的环境效益和社会效益。

4 结语

(1)该项目属国家鼓励的节能减排综合技术改造项目,方案可行。已由国家发改委评审通过,且具有良好的环境效益和社会效益。

(2)实施无功补偿,可改善电能质量,挖掘发、供电设备潜力。

(3)在实施变频调速改造后,有效地延长了电机的使用寿命,电机可实现自动运行和相应的保护及故障报警,大大降低了劳动强度,提高了生产效率,为优化运营提供了可靠保证。

(4)电压源型变频器功率因数可达0.95,采用变频调速系统后,无需无功补偿装置就能满足电网要求。不但提高了变电设备及其它相关电气设备的利用率,而且降低了线路能量损失。

摘要：简要介绍盘江煤电(集团)公司能量系统现状,并结合公司生产实际及可持续发展要求,提出适合该公司能量系统技术改造的可行性方案进行能量系统优化,主要优化措施包括:对10kV、6kV供电线路无功补偿,主通风、主提升、原煤输送、压风、局部通风、排水、瓦斯抽采等系统的工频电动机动力系统加装变频调速装置,瓦斯发电余热回收取代燃煤锅炉等。改造完成后年节约标煤量为52930 t,将带来可观经济效益和社会效益。

能量优化 第8篇

Zig Bee是一种短距离、低功耗和低速率的无线通信技术,Zig Bee网络节点主要依靠电池供电,由于节点体积小,节点的能量十分有限[1],所以降低网络能耗是解决阻碍Zig Bee网络应用发展的关键。Zig Bee无线网络根据拓扑结构的不同主要采用AODVjr路由和Cluster⁃tree路由两种算法[2]。Cluster⁃tree算法是静态路由算法,由簇树之间的父子关系进行路由,但路由效率较低,能量开销和服务时延较大。AODVjr算法则通过大量洪泛来寻找最优路由路径,其路由开销较大。 ZBR(Zig Bee routing)算法结合了两种算法特性,以求满足不同的应用需求,是当前最适用于Zig Bee无线网络的算法[3,4]。此外RFD节点因不具有路由功能,由其父节点完成路由,但是由于AODVjr和Cluster⁃tree两种算法的固有不足,ZBR算法在能量效率和负载控制方面还有较大改进空间。

为了解决ZBR算法存在网络能量消耗大和节点死亡率高的问题,班艳丽等将节点临界能量机制引入到Zig Bee路由算法中[5],且控制RREQ的大致传输方向,减少死亡节点数,降低网络能量消耗,算法完全避免使用低能量节点进行路由转发,但全由RN+节点组成的传输路径却不一定是最优路径。张擎等在对Cluster⁃tree结构进行改进以节省路由开销和均衡负载[6],之后对RREQ和RREP分组处理,以保护能量偏低节点;然而该方案缺乏对RN-节点相应的改进。Taehong K等考虑路由成本提出了利用邻居表建立短路径路由协议算法[7]。

本文首先分析了ZBR算法中RN+,RN-节点采用算法存在的缺点,然后提出了一种改进的ZBR路由算法。改进方案通过利用邻居列表完成两跳范围之内的传输和对RN+节点RREQ冗余分组的减少和丢弃,减少了网络能量的浪费。此外,在RN-节点设置能量标志位,以减少RN-节点的使用概率,延长网络的整体寿命。

1 ZBR算法存在的问题

RREQ分组冗余:AODVjr算法采用广播通信机制,虽然可以找到最短路径,但AODVjr算法在路由发现过程中会产生大量的RREQ分组。随着网络规模的增加,这些RREQ分组数量显著增加。大量的RREQ分组为了降低分组传输时延,提高分组递交率,在Zig Bee网络中形成洪泛。部分RREQ分组的寻址范围超过网络的最大跳数,当传输次数达到时会被节点丢弃,造成网络能力的浪费。此外,现有RREQ分组的路由方法没有考虑簇树的父子关系,形成冗余洪泛。冗余RREQ分组会浪费网络能量,降低网络整体能量消耗可通过降低RREQ分组洪泛开销来实现。

能效不均衡的路由策略:RN-节点虽然采用Cluster⁃tree算法节约了能量,但能量偏低的RN-节点如果继续被频繁用于数据传输,当能量耗尽时会成为死亡节点。在网络运行后期,当节点能量普遍不足时,RN-节点将变为RN+节点参与路由,但死亡节点无法转变,其他节点传输数据时必须绕过死亡节点,造成能量浪费,所以在路由时应尽量降低RN-节点作为传输节点的概率。

缺乏高效的邻居节点路由:RN+,RN-节点为路由节点,都自动存储维护一张邻居表,拥有离自己一跳距离的相邻节点信息,如果目的节点可以通过源节点的邻居节点传输,则可以通过使用邻居表减少能量消耗[8]。网络节点分布如图1 所示。从图1 中可看出,若不考虑邻居节点的使用,节点7 到节点10 的数据传输路径为7⁃4⁃0⁃3⁃10,若使用邻居节点,数据传输路径为7⁃12⁃10,缩短了路由路径,且避免广播RREQ分组,降低网络能量消耗,但原ZBR算法却忽略了邻居表的使用。

本文针对ZBR算法的三个主要问题,提出各自的解决方案,达到降低网络功耗、提高节点生存率的目的。

2 降低节点能量开销的ZBR路由算法

2.1 基于邻居表的两跳传输机制

网络在初始化时每个RN+,RN-节点都更新维护自己的邻居表信息。邻居表存储内容如表1 所示。

在图1 中,节点4 的邻居表存储其邻居节点1,3,7,13 的相关信息。在寻找目的节点时,RN+,RN-节点都应首先充分使用邻居表,避免开启路由发现时洪泛RREQ寻址消耗能量。具体机制为:如果目的节点在邻居表内,就直接转发分组到目的节点,如果将数据从节点4 发给目的节点3,只需一跳传输即可发送数据。如果与目的节点存在共同节点,则将数据发送给共同节点,然后由共同节点将数据转发给目的节点,在两跳范围内完成数据传输,如路径7⁃12⁃10。

2.2 RN+节点中RREQ冗余分组的处理

RN+节点在数据传输时存在冗余RREQ分组,其中一种冗余产生的原因是由于RREQ分组的传输跳数超过了Zig Bee网络的最大传输跳数。最大传输跳数定义为源节点到目的节点的深度之和:

式中:d为源节点深度;d0为目的节点深度;dc为源节点与目的节点的公共父节点的深度。当RREQ分组的寻址范围大于L ,该分组会在传播次数耗尽时丢弃,而对寻找目的节点没有意义,浪费网络能量。此类RREQ分组的大量洪泛还会引起网络拥塞现象,因此,当节点收到此类RREQ分组时应立即丢弃。

另外一种冗余RREQ分组的产生的原因是RN+节点采用广播通信机制时没有考虑网络中存在的父子关系引起的。并不是所有的邻居节点都能寻找出最优路径,因此需要对RREQ分组进行定向,去除冗余RREQ分组[9]。

2.3 能量标志位

为防止RN-节点被过度使用而使节点死亡,改进的ZBR算法在RREQ分组中加入能量标志位E⁃flag。能量标志位表示当前分组的传输路径中存在RN-节点。将E⁃flag置为1,表明路径中存在能量偏低节点,路由选择算法应该避免使用低能量节点。避免使用低能量节点之后,ZBR算法还需要进一步优化,以提高全网能量使用效率。原ZBR算法中,路由成本函数考虑了跳数,剩余能量和链路质量,能够很好表征路径的能量效率。路由P的成本为:

式中:TC{[Di,Di+1]}为节点Di到Di+1链路成本;L为链路最大长度。链路成本的函数表达式如下:

考虑节点剩余能量对路径选择的影响,提高网络整体有效寿命,本文方案设计了能效优化的链路成本函数Pl,定义Pl如下:

式中:α,β(0≤α,β≤1,α+β=1)为固定系数,用来权衡每个影响因素的重要性;是MAC层和PHY层所提供的每一帧的LQI的平均值;REnergy则表示节点剩余能量。由于改进的路由成本函数考虑了节点的剩余能量,使得路径中含有低能量节点的路由成本增加。在路由选取阶段,含有低能量节点的路由能够以较低的概率被使用,避免了低能量节点被过度使用导致网络死亡。

因此,当目的节点收到RREQ分组后,查看其能量标志位。若能量标志位为1,表明路径中含有能量偏低的RN-节点。此时,应当优先选择能量标志位为0 的路径进行传输。其次,在能量标志位为1 的路径集合中选择路由成本最低的路径进行传输。由于路由成本公式考虑了节点剩余能量的影响,含有RN-节点的路径代价增大,降低其被选中概率。

2.4 改进ZBR算法路由策略

改进算法的路由策略主要分三个阶段,分别为查询邻居表阶段、RREQ寻址阶段和目的节点选择路径阶段。节点处理RREQ分组的过程如下:

Step1:当一个分组到达节点时,该节点查找邻居表。若存在目的节点,则直接转发给目的节点;若与目的节点存在共同节点,则定向发送给共同节点。

Step2:通过Step1 无法寻址到目的节点时,节点开启路由发现,转发RREQ分组前待转发节点首先判断与目的节点父子关系,而后RN+和RN-节点根据自己的功能特性转发RREQ分组。若在转发节点的后裔簇树中存在目的节点,则转发节点将RREQ分组递交到该后裔簇树的根节点。否则该分组信息转发到转发节点的父节点处理。另外RREQ分组到达一个不具有路由功能的RFD节点时,该分组直接被递交回该RFD节点的父节点。

Step3:Zig Bee网络中等待路由时间是由中心协调器设置,一般为某个常数,超过设置的时间则停止等待[10]。等待时间结束后,目的节点会收到来自不同路径的RREQ分组。目的节点首先根据能量标志位E⁃flag进行路由分类,在E⁃flag为0 的路由中选择路由成本最小的路径进行数据传输。由于从式(4)中得出,剩余能量越大的路由成本越小。因此该路由选择算法能够达到降低能量节点传输数据的概率,延长节点寿命的目的。

以上改进算法在路由传播阶段,针对节点的能量状况,在RREQ分组中添加E⁃flag标志位,避免能量偏低的过度使用,提高节点生存率,延长网络寿命。在路由发现阶段,对RREQ分组根据最大跳传输限制进行丢弃,然后对剩余RREQ分组根据簇树结构的父子关系进行定向传播,避免过多RREQ分组洪泛的产生。在路由选择阶段,路由成本由式(4)计算,公式简单,且可由各节点独立计算完成。假设邻居节点个数为n,各节点查找邻居表时,算法遍历每个邻居节点,算法的时间复杂度为O(n),算法可在多项式时间内完成。

3 仿真实验结果

为验证改进算法的性能,通过系统仿真对网络的关键性指标进行考察。网络仿真平台使用开源的NS2,平台实现了IEEE 802.15.4 协议的PHY层和MAC层。整个网络范围设置为100 m×100 m,信息源采用CBR作为数据信息源,网络节点数为100,节点一跳传输距离为15 m,节点初始能量10 J。

仿真主要通过文献[5]和文献[6]提出的改进ZBR路由算法和本文提出的改进ZBR算法、原ZBR算法在网络能量消耗和节点生存率上进行对比分析。

3.1 剩余能量

仿真实验中,节点剩余能量与时间的关系如表2 所示。从表2 可以看出,本文提出的改进ZBR算法利用了节点自身维护的邻居表寻址目的节点,通过邻居表能找到目的节点将能大大降低网络能量消耗,而原ZBR算法和文献[5]却忽略了邻居表的使用,所以能量消耗比ZBR和文献[6]大。再者,本文的改进ZBR算法降低了RREQ分组引起的能量浪费,虽然文献[5]和文献[6]也控制了RREQ分组的冗余,但对于能量偏低的RN-节点却没有相应的改进。而改进ZBR算法利用公式(4)降低RN-节点参与路由转发的概率,减少RN-节点死亡引发的网络能量浪费现象。由表2 数据得出,改进的ZBR算法降低了网络能量消耗,比原ZBR算法的平均剩余能量提高了7.74%,且始终高于文献[5]和文献[6]的两种改进算法。

3.2 节点生存率

节点生存率为网络可用节点率。如果一个节点的剩余能量低于初始能量的3%,则被看作是死亡节点。网络运行结束后,计算生存节点个数。节点生存率公式为:

式中:Nable是网络运行结束后生存节点个数;Ntotal是网络总节点个数。四种算法的仿真实验结果如图2 所示。

在网络运行初期,节点能量充足,节点生存率降低幅度不大。在网络运行后期,节点能量普遍不足,节点死亡速度加快,各算法的节点生存率下降幅度都有所增大,原ZBR算法下降幅度最为明显。本文改进ZBR算法首先通过控制RREQ分组的冗余降低了RN+节点的能量消耗,延长了RN+节点退化为RN-节点的时间;其次,算法降低了RN-节点被使用的概率,减少了RN-节点的死亡几率。图2 表明改进ZBR算法在网络运行80 s时节点生存率比原ZBR算法提高了20.29%,且始终高于文献[5]和文献[6]的两种改进算法。

4 结语

Zig Bee是一种易部署和适应性强的短距离无线通信技术,但因其使用电池供电,常常由于不合理的路由算法导致网络过早死亡。为此,本文从利用邻居表两跳传输优先、设置能量标志位和能量感知的路由成本函数和根据节点的父子关系减少RREQ分组冗余三个方面着手,提出了能量均衡的改进ZBR路由算法。在开启路由发现过程前充分使用节点邻居表,减少网络发送寻址RREQ的能量消耗,提高网络能量利用效率。在路由发现阶段,利用父子关系控制RREQ分组的转发取向,减少RREQ分组洪泛带来的能量损耗。在路由选择阶段,利用能量标志位和能效感知的路由成本函数均衡全局节点剩余能量。通过仿真实验,改进的ZBR算法比原ZBR算法的平均剩余能量提高了7.74%,在网络运行80 s时的生存率提高了20.29%,也高于引用文献中的方法。

参考文献

[1]李小龙,彭美平.基于OPNET的改进型Zigbee传感器网络仿真系统[J].江苏大学学报(自然科学版),2012,33(6):671-677.

[2]楼亮亮,周苗,何为,等.基于ZigBee协议OTA技术的改进方法研究[J].现代电子技术,2014,37(23):1-4.

[3]穆嘉松,刘开华,史伟光.ZigBee网络中基于节点移动性的路由选择策略[J].天津大学学报(自然科学与工程技术版),2012,45(4):301-308.

[4]吴许俊,王永利.基于两跳邻居的ZigBee网络借地址分配算法[J].科学技术与工程,2013,13(28):8333-8338.

[5]班艳丽,柴乔林,王芳.改进的ZigBee网络路由算法[J].计算机工程与应用,2009,45(5):95-97.

[6]张擎,刘淑美,柴乔林.能量高效的zigbee网络改进路由策略[J].计算机工程,2010,36(7):108-111.

[7]TAEHONG K,DAEYOUNG K,NOSEONG P,et al.Shortcut tree routing in ZigBee networks[C]//Proceedings of the 2nd International Symposium on Wireless Pervasive Computing.[S.l.]:ISWPC,2007:42-47.

[8]陈建锐,何增颖.基于动态优化因子的Zigbee协议优化仿真算法[J].计算机仿真,2013,30(7):272-275.

[9]钱志鸿,朱爽,王雪.基于分簇机制的ZigBee混合路由能量优化算法[J].计算机学报,2012,36(3):485-493.