【技术实现步骤摘要】
本专利技术涉及评价分析方法领域，尤其是涉及一种基于ahp和mopso耦合的综合能源系统优化方法。
技术介绍
1、随着能源类型的多样化，综合能源系统逐渐涌现，多目标优化方法已成为管理综合能源系统的有力工具。目前，我国对煤炭等传统能源的依赖已经开始表现为环境和资源问题。因此，迫切需要开发新能源技术，以解决环境保护等更为复杂的能源问题。目前，新能源技术的研究十分活跃，太阳能、风能等已成为新能源的代表。然而，在新能源的创造和应用过程中，仍存在许多问题和挑战，如稳定性、节能、成本效益等。
2、为了解决以上问题，专利号为cn111428850a的中国专利技术专利提出一种基于改进粒子群算法的综合能源系统运行优化方法及装置，采用改进混合粒子群算法，以经济性指标为寻优适应度函数，进行经济性最小值寻优求解。该基于改进粒子群算法的综合能源系统运行优化方法及装置仅从经济性上进行考虑，实现了在满足冷热电负荷需求下运维经济成本最低和经济性最优原则，未与综合评价相结合，缺乏评价与多目标优化一体的耦合方法。对于不同的能源系统，用户的需求侧重并不相同，除了经济性外，碳排放、可再生能源消纳率等环保性指标以及失负荷率等系统可靠性指标已被越来越多的用户作为重要考量指标。仅使用经济性作为优化目标已无法满足能源系统运行者的需求。申请号cn202110548437.9的专利技术专利提出了一种基于层次分析方法的区域内能源健康度评价方法。通过对园区综合能源系统的深入分析，建立合理的健康度评价体系。采用层次分析方法对园区综合能源各个子系统进行评分，实现各个子系统健康度
3、对此，本方法耦合了综合评价方法以及系统优化运行方法，将综合评价方法得到的优化目标作为前置条件，指导多目标粒子群算法(mopso)寻找系统运行的最优解。针对不同的综合能源系统的运行需求，首先使用综合评价方法对能源系统需要考虑的指标(如碳排放、可再生能源消纳率、失负荷率、运行成本、建设成本等)进行排序并完成重要性的量化，再根据该量化结果构建多目标粒子群算法(mopso)的目标函数，从而实现系统评价与优化运行的耦合，得到更贴合实际需求、符合实际意义的优化运行策略。
技术实现思路
1、本专利技术主要是解决现有技术中大多对于综合能源系统的运行优化方法优化目标单一、系统评价方法未指导系统优化运行，评价与优化较为割裂的问题，提供了一种基于ahp和mopso耦合的综合能源系统优化方法。
2、本专利技术的上述技术问题主要是通过下述技术方案得以解决的：
3、一种基于ahp和mopso耦合的综合能源系统优化方法，其特征在于，包括以下步骤：
4、s1、基于层次分析方法构建综合评价体系，并量化各个评价指标的重要性；
5、s2、根据各个指标的权重，构建目标函数，建立综合能源系统运行的数学模型；
6、s3、建立多目标的粒子群优化模型；
7、s4、通过多目标粒子群算法求解该多目标优化调度问题。
8、作为一种优选方案，在步骤s1中，所述构建综合评价体系包括以下步骤：
9、s1.1、构建综合能源系统评价指标；
10、s1.2、构造综合能源系统综合评价判断矩阵；
11、s1.3、综合能源系统层次单排序及其一致性检验。
12、作为一种优选方案，在步骤s1.2中，假设目标层中的因素与指标层中的因素有联系，则构造的判断矩阵为
13、b＝(bij)n*n
14、式中：为b的最大特征根；ω为对应于的正规化特征向量，其分量即为相应指标单排序权值。
15、作为一种优选方案，为了检验矩阵的不一致性，需要计算它的一致性指标，计算公式为
16、
17、为衡量ic的大小，引入随机一致性指标，获得一致性比率
18、rc＝ic/ir
19、式中：ic为随机一致性指标，其按santy的方法结果取值；rc为一致性比率。
20、作为一种优选方案，当rc<0.1时，认为b的不一致程度在容许范围内，通过一致性检验，可用其归一化特征向量作为权向量，否则要重新构造b，对bij加以调整。
21、作为一种优选方案，在粒子群算法中关键就是要确定粒子的局部最优值和全局最优值，粒子通过自身的经验和群体中最好的经验来更新下一步的运动，其更新过程为vi+1＝ω×vi+c1×rand()×(pbesti-xi)+c2×rand()×(pbesti-xi)
22、xi+1＝xi+vi+1
23、式中：vi是粒子的速度，xi是粒子的位置，pbest是每个粒子到目前为止发现的最好位置，rand()是介于(0、1)的随机数，c1和c2是学习因子，ω是为粒子群的动态权重值。
24、作为一种优选方案，ω的值为
25、
26、式中：ωmin为初始惯性权重；ωmax代至最大代数时惯性权值；intermax为最大迭代次数；inter为当前迭代次数。
27、作为一种优选方案，pbest是个体的历史最优，需要不断地比较此次进化是否比以前优秀，若是则更新pbest，否则不做改动，所有个体每进化一次，都需要从中选取一个最优秀的个体gbest。
28、作为一种优选方案，当无法严格比较孰优孰劣时，可以采取随机选择的方法，随机选择更新或不更新pbest。
29、作为一种优选方案，在步骤s2中，所述目标函数包括综合能源系统运行成本最小和碳排放成本最小。
30、因此，本专利技术的优点是：
31、本专利技术能够处理多个冲突的目标函数，综合评价方法通过给出各个指标对应的权重来实现目标函数的综合构建，并通过多目标粒子群算法将这些目标同时考虑。
32、2、本专利技术具有较强的灵活性和可扩展性。在实际应用中，不同的系统运行者会提出不同的评价指标重要性排序，通过综合分析方法量化得到新的指标权重，构建新的目标函数，并使用多目标粒子群算法得到新的优化方案。
33、3、多目标粒子群算法采用全局搜索策略，能够遍历整个搜索空间，搜索出全局最优解，对于综合能源系统优化问题而言，由于存在多个局部最优解，传统的局部搜索算法可能会陷入局部最优，而多目标粒子群算法能够有效地跳出局部最优，获得更好的综合能源优化方案。在实际应用中，综合能源系统可能会受到不确定因素的影响，而多目标粒子群算法能够通过适应度函数的设计和参数调节，提供对这些不确定因素的鲁棒性，此外本文档来自技高网...
【技术保护点】
1.一种基于AHP和MOPSO耦合的综合能源系统优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于AHP和MOPSO耦合的综合能源系统优化方法，其特征在于，所述构建综合评价体系包括以下步骤：
3.根据权利要求2所述的一种基于AHP和MOPSO耦合的综合能源系统优化方法，其特征在于，在步骤S1.2中，假设目标层中的因素与指标层中的因素有联系，则构造的判断矩阵为B＝(bij)n*n
4.根据权利要求3所述的一种基于AHP和MOPSO耦合的综合能源系统优化方法，其特征在于，为了检验矩阵的不一致性，需要计算它的一致性指标，计算公式为
5.根据权利要求4所述的一种基于AHP和MOPSO耦合的综合能源系统优化方法，其特征在于，当RC<0.1时，认为B的不一致程度在容许范围内，通过一致性检验，可用其归一化特征向量作为权向量，否则要重新构造B，对bij加以调整。
6.根据权利要求1所述的一种基于AHP和MOPSO耦合的综合能源系统优化方法，其特征在于，在粒子群算法中关键就是要确定粒子的局部最优值和全局最优值，粒
7.根据权利要求6所述的一种基于AHP和MOPSO耦合的综合能源系统优化方法，其特征在于，ω的值为
8.根据权利要求7所述的一种基于AHP和MOPSO耦合的综合能源系统优化方法，其特征在于，pBest是个体的历史最优，需要不断地比较此次进化是否比以前优秀，若是则更新pBest，否则不做改动，所有个体每进化一次，都需要从中选取一个最优秀的个体gBest。
9.根据权利要求8所述的一种基于AHP和MOPSO耦合的综合能源系统优化方法，其特征在于，当无法严格比较孰优孰劣时，可以采取随机选择的方法，随机选择更新或不更新pBest。
10.根据权利要求1至9任一项所述的一种基于AHP和MOPSO耦合的综合能源系统优化方法，其特征在于，所述目标函数包括综合能源系统运行成本最小和碳排放成本最小。
...【技术特征摘要】
1.一种基于ahp和mopso耦合的综合能源系统优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于ahp和mopso耦合的综合能源系统优化方法，其特征在于，所述构建综合评价体系包括以下步骤：
3.根据权利要求2所述的一种基于ahp和mopso耦合的综合能源系统优化方法，其特征在于，在步骤s1.2中，假设目标层中的因素与指标层中的因素有联系，则构造的判断矩阵为b＝(bij)n*n
4.根据权利要求3所述的一种基于ahp和mopso耦合的综合能源系统优化方法，其特征在于，为了检验矩阵的不一致性，需要计算它的一致性指标，计算公式为
5.根据权利要求4所述的一种基于ahp和mopso耦合的综合能源系统优化方法，其特征在于，当rc<0.1时，认为b的不一致程度在容许范围内，通过一致性检验，可用其归一化特征向量作为权向量，否则要重新构造b，对bij加以调整。
6.根据权利要求1所述的一种基于ahp和mopso耦合的...
【专利技术属性】
技术研发人员：沈紫嫣，孙士恩，李文俊，党琪，杨旭东，俞李斌，杨扬，周梦奇，
申请(专利权)人：浙江省白马湖实验室有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。