【技术实现步骤摘要】
本专利技术涉及能源调度和优化算法领域，具体涉及一种冷热电联供系统优化调度方法、系统及设备。
技术介绍
1、随着社会经济的快速进步，能源和环境问题不断困扰着人类社会的发展，化石能源的过度消耗导致能源危机和环境污染。因此，亟需寻找有效的方法提高能源利用率，其中一个重要手段是建立综合能源系统。冷热电联供系统是一种典型的综合供能系统，它以能源梯级利用为原理，可以同时满足用户侧的冷热电需求，相较于传统的分供系统，冷热电联供系统被认为是解决能源需求、供应安全和环境问题的一种有效方案。
2、然而，冷热电联供系统的多目标优化问题需要进行多次迭代，普通算法效率低并不稳定，传统的优化方法难以满足其高效、快速、稳健的调度需求，无法解决能源供应需求的问题。因此，亟需研究新的冷热电联系统低碳经济优化运行策略。
技术实现思路
1、为了解决热电联供系统的多目标优化问题需要进行多次迭代，普通算法效率低并不稳定，传统的优化方法难以满足其高效、快速、稳健的调度需求，无法解决能源供应需求的问题，本专利技术提出了一种冷热电联供系统优化调度方法，包括：
2、获取冷热电联供系统的能源市场价格和能源需求数据；
3、基于所述能源市场价格、能源需求数据和预先构建的冷热电联供系统的数学模型采用改进自适应惯性权重粒子群算法求解，得到全局最优解；
4、由所述全局最优解对应的冷热电联供系统的运行参数构建调度方案，并基于所述调度参数进行优化调度；
5、其中，所述冷热电联供系统的数据
6、可选的，所述冷热电联供系统的数学模型的构建包括：
7、基于能源市场价格和能源需求数据，以经济性和环保性为优化目标构建目标函数；
8、为所述目标函数设置约束条件；
9、其中，所述约束条件包括：功率平衡约束条件、光伏设备出力约束条件、风电设备发电约束。
10、可选的，所述基于能源市场价格和能源需求数据，以经济性和环保性为优化目标构建目标函数，包括：
11、分别以经济成本最小构建第一目标函数；
12、以环境成本最小构建第二目标函数；
13、由所述第一目标函数和所述第二目标函数之和得到目标函数。
14、可选的，所述基于所述能源市场价格、能源需求数据和预先构建的冷热电联供系统的数学模型采用改进自适应惯性权重粒子群算法求解，得到全局最优解，包括：
15、步骤1：确定种群规模、最大迭代次数；
16、步骤2：以各冷热电设备作为粒子，由所述粒子构建种群，初始化种群，初始化所有粒子的速度和位置，计算所有粒子的目标函数，由非劣解形成pareto解集；
17、步骤3：从pareto解集中随机选取个体最优与种群最优；
18、步骤4：基于所述个体最优和种群最优更新粒子的惯性权重、速度和位置；
19、步骤5：对更新后的粒子的位置进行交叉变异，计算交叉变异后的粒子的适应度，并更新pareto最优解集；
20、步骤6：从pareto解集中选择密集距离较大的前设定百分比的解中随机选取一个作为种群的全局最佳解；
21、步骤7:判断是否达到迭代次数，若达到，则结束算法，所述种群的全局最佳解为全局最优解，否则返回步骤3。
22、可选的，所述基于所述个体最优和种群最优更新粒子的惯性权重、速度和位置，包括：
23、根据粒子与种群最优粒子的差距程度，结合权重更新计算式更新惯性权重；
24、在每一次迭代中，根据每个粒子与全局最佳粒子和个体最佳粒子之间的关系，更新粒子的速度，基于新的速度取值更新粒子的位置。
25、可选的，所述计算交叉变异后的粒子的适应度，并更新pareto最优解集，包括：
26、基于pareto解集和密集距离公式计算密集距离，保留所述密集距离是否大于设定距离最大阈值的解；同时，淘汰距离小于设定距离最小阈值的解；
27、由淘汰后的解作为更新后的pareto最优解集。
28、可选的，所述权重更新计算式按下式计算：
29、
30、式中，为第i个粒子在k时刻的惯性权重；wstart和wend分别指w的初始迭代值和最终迭代值；为计算第i个粒子在k时刻与种群全局最优解的相对位置得到的权重衰减因子。
31、可选的，所述对更新后的粒子的位置进行交叉变异，包括：
32、1)计算粒子位置向量与种群全局最优解的差值；确定所述差值的临界值xmin、交叉率pc和变异率pm；
33、2)判断所述粒子差值是否小于xmin，若小于，则对所述粒子进行交变异，否则转至步骤5)。
34、3)对于所述粒子的每个维度位置矢量，通过随机生成一个数rid在[0,1]内，如果rid<pm，则对当前粒子的第d维位置矢量进行赋值初始化；
35、4)再对所述变异后的粒子位置矢量进行交叉操作，此时也利用该随机数作为判断依据，如果rid<pc，则对所述变异后的粒子位置矢量的第d维度执行交叉操作，并将其与种群的全局最优解进行交叉；
36、5)由所述设定的最小差值阈值和最大差值阈值结合随机数确定所述粒子的位置。
37、可选的，所述粒子的位置按下式计算：
38、xid＝xmin+(xmax-xmin)·r
39、式中，xid为粒子的位置，xmax代表粒子位置变量的最大值，xmin代表粒子位置矢量的最小值；r为在[0,1]内随机生成的系数。
40、可选的，所述密集距离公式如下式所示：
41、
42、式中，i(xi)为xi的密集距离；xj和xk是距离xi最近的2个粒子；f1(xj)、f2(xj)、f3(xj)分别指粒子xj第1、2、3个目标函数的值；f1max、f2max、f3max分别为所有粒子第1、2、3个目标函数的最大值；f1(xk)、f2(xk)、f3(xk)分别为粒子xk第1、2、3个目标函数的值。
43、再一方面，本申请还提供了一种冷热电联供系统优化调度系统，其特征在于，包括：
44、数据获取模块，用于获取冷热电联供系统的能源市场价格和能源需求数据；
45、求解模块，用于基于所述能源市场价格、能源需求数据和预先构建的冷热电联供系统的数学模型采用改进自适应惯性权重粒子群算法求解，得到全局最优解；
46、优化调度模块，用于由所述全局最优解对应的冷热电联供系统的运行参数构建调度方案，并基于所述调度参数进行优化调度；
47、其中，所述冷热电联供系统的数据模型是以经济性和环保性为目标，为目标设置约束条件构建的。
48、可选的，求解模块具体用于：
49、步骤1：确定种群规模、最大迭代次数；
50、步骤2：以各冷热电设备作为粒子，由所述粒子本文档来自技高网...
【技术保护点】
1.一种冷热电联供系统优化调度方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述冷热电联供系统的数学模型的构建包括：
3.如权利要求2所述的方法，其特征在于，所述基于能源市场价格和能源需求数据，以经济性和环保性为优化目标构建目标函数，包括：
4.如权利要求1所述的方法，其特征在于，所述基于所述能源市场价格、能源需求数据和预先构建的冷热电联供系统的数学模型采用改进自适应惯性权重粒子群算法求解，得到全局最优解，包括：
5.如权利要求4所述的方法，其特征在于，所述基于所述个体最优和种群最优更新粒子的惯性权重、速度和位置，包括：
6.如权利要求4所述的方法，其特征在于，所述计算交叉变异后的粒子的适应度，并更新pareto最优解集，包括：
7.如权利要求5所述的方法，其特征在于，所述权重更新计算式按下式计算：
8.如权利要求4所述的方法，其特征在于，所述对更新后的粒子的位置进行交叉变异，包括：
9.如权利要求8所述的方法，其特征在于，所述粒子的位置按下式计算：
1
11.一种冷热电联供系统优化调度系统，其特征在于，包括：
12.一种计算机设备，其特征在于，包括：一个或多个处理器；
13.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至10中任一项所述的一种冷热电联供系统优化调度方法。
...【技术特征摘要】
1.一种冷热电联供系统优化调度方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述冷热电联供系统的数学模型的构建包括：
3.如权利要求2所述的方法，其特征在于，所述基于能源市场价格和能源需求数据，以经济性和环保性为优化目标构建目标函数，包括：
4.如权利要求1所述的方法，其特征在于，所述基于所述能源市场价格、能源需求数据和预先构建的冷热电联供系统的数学模型采用改进自适应惯性权重粒子群算法求解，得到全局最优解，包括：
5.如权利要求4所述的方法，其特征在于，所述基于所述个体最优和种群最优更新粒子的惯性权重、速度和位置，包括：
6.如权利要求4所述的方法，其特征在于，所述计算交叉变异后的粒子的适应度，并更...
【专利技术属性】
技术研发人员：郭毅，陈洪银，刘勇超，王松岑，李德智，钟鸣，张佳云，芋耀贤，霍永锋，金璐，黄伟，刘超，
申请(专利权)人：中国电力科学研究院有限公司，
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。