多目标约束下客户侧综合能源系统运行优化方法及系统-j9九游会真人

1.本发明属于综合能源系统运行优化技术领域，尤其是涉及一种多目标约束下客户侧综合能源系统运行优化方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.发明人发现，在综合能源系统能效运行优化方面仍存在以下问题：
4.目前的优化模型目标的建立主要从经济和环境两方面进行考虑，而对于综合能源系统的高效性考虑较少；缺乏从经济、环保及高效的多目标约束角度的综合能效优化方案；其次，现有的优化模型中，在环保性方面缺乏对综合系统污染物排放及环境成本的考虑，在经济性方面，缺乏综合能源设备运行维护、设备折旧以及设备启停的考量，在高效性方面，现有方法大都通过用煤量的折合来进行考量，其无法对综合能源系统的高效性进行准确表达；同时，现有的多目标优化方式通常是将多目标优化转化为单目标优化方法，通过对转化后的单目标函数进行优化来获得最优解，而此种方式，由于各个目标函数的变化状态未知，存在只有一个目标函数在变优，其他所有目标函数都在变差的情况，导致求解结果无法满足实际需求。


技术实现要素：

5.为了解决上述问题，本发明提供了一种多目标约束下客户侧综合能源系统运行优化方法及系统，所述方案基于经济性、环保性及高效性的多目标函数设计，充分考虑了影响综合能源系统运行过程的各类因素，考虑更加全面合理，有效提高了客户侧综合能源系统运行优化的准确性。
6.根据本发明实施例的第一方面，提供了一种多目标约束下客户侧综合能源系统运行优化方法，包括：
7.获取客户侧综合能源系统中各能源设备的属性信息，以及客户对于各能源的负荷需求及各能源出力的相关信息；
8.基于所述属性信息及相关信息分别构建考虑经济性、环保性以及高效性的优化目标函数及相关约束；其中，所述经济性优化目标函数考虑了设备运行维护成本、设备折旧成本以及设备启停成本指标；所述环保性优化目标函数考虑了污染物排放和环境成本；所述高效性优化目标函数采用负荷需求与能源输入的比值进行衡量；
9.基于构建的优化目标函数，结合相关约束条件，对所述优化目标函数进行优化求解，获得最优的综合能源系统运行策略；其中，所述优化目标函数的求解通过求取多个优化目标函数的帕累托最优解集，从所述帕累托最优解集选择一组解作为最优解。
10.进一步的，所述相关约束基于满足能源消耗与负荷需求之间的能量平衡关系以及每台能源设备的运行条件确定，所述相关约束包括能量平衡约束及设备出力约束；其中，能
量平衡约束包括电负荷平衡约束、热负荷平衡约束、冷负荷平衡约束及天然气负荷平衡约束；设备出力约束包括能源生产及转换设备的输出约束、储能电池约束、蓄热罐约束、蓄冰槽约束、以及设备出力和爬升速率约束。
11.进一步的，所述高效性优化目标函数，具体表示如下：
[0012][0013]
其中，pe和pg分别为外部管网输入的电能和燃气，kw；le和lh分别为电和热负荷，kw；se和sh为考虑电池和其他储能形式的能量损耗后的实际储能，kw；de和dh为考虑电池和其他储能形式的能量释放损失后的实际的能量释放，kw；λe,λg和λh分别为电能、气体和热能的能量系数；λe，λh分别为电和热负荷的能量系数。
[0014]
进一步的，所述经济性优化目标函数具体为电网购电成本、够热成本、天然气成本、设备运行维护成本、设备折旧成本以及设备启停成本之和的最小化优化；所述环保性优化目标函数具体为碳排放、污染物排放以及环境成本的最小化优化。
[0015]
进一步的，对所述优化目标函数进行优化求解，具体采用粒子群算法求解多目标函数的帕累托最优解集。
[0016]
进一步的，所述综合能源系统的客户侧负荷需求包括电负荷、热负荷、天然气负荷及冷负荷。
[0017]
根据本发明实施例的第二方面，提供了一种多目标约束下客户侧综合能源系统运行优化系统，包括：
[0018]
数据获取单元，其用于获取客户侧综合能源系统中各能源设备的属性信息，以及客户对于各能源的负荷需求及各能源出力的相关信息；
[0019]
目标函数构建单元，其用于基于所述属性信息及相关信息分别构建考虑经济性、环保性以及高效性的优化目标函数及相关约束；其中，所述经济性优化目标函数考虑了设备运行维护成本、设备折旧成本以及设备启停成本指标；所述环保性优化目标函数考虑了污染物排放和环境成本；所述高效性优化目标函数采用负荷需求与能源输入的比值进行衡量；
[0020]
优化求解单元，其用于基于构建的优化目标函数，结合相关约束条件，对所述优化目标函数进行优化求解，获得最优的综合能源系统运行策略；其中，所述优化目标函数的求解通过求取多个优化目标函数的帕累托最优解集，从所述帕累托最优解集选择一组解作为最优解。
[0021]
根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种多目标约束下客户侧综合能源系统运行优化方法。
[0022]
根据本公开实施例的第四个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种多目标约束下客户侧综合能源系统运行优化方法。
[0023]
以上一个或多个技术方案存在以下有益效果：
[0024]
(1)本发明提供了一种多目标约束下客户侧综合能源系统运行优化方法及系统，所述方案基于经济性、环保性及高效性的多目标函数设计，充分考虑了影响综合能源系统
运行过程的各类因素，考虑更加全面合理，有效提高了客户侧综合能源系统运行优化的准确性。
[0025]
(2)本发明在经济性优化目标函数的设计中，针对现有方案仅仅对综合能源系统用电成本和用气成本进行优化的问题，新增对综合能源设备运行维护、设备折旧以及设备启停成本的考量，新模型对综合能源系统经济性成本考虑更加完善。
[0026]
(3)本发明在环保性优化目标函数的设计中，针对现有方案考虑因素过于单一，无法细致的描述现实情况，例如，部分现有方案仅考虑电力和天然气折合二氧化碳排放总量，缺乏对其它污染物排放和对二氧化碳排放造成的环境成本的考虑，本发明所述方案在新模型中新增污染物排放成本和环境成本变量，使得现有综合能源系统环保性目标函数进一步完善。
[0027]
(4)本发明在高效性优化目标函数的设计中，考虑到现有方案大都通过用煤量的折合来进行考量，其无法对综合能源系统的高效性进行准确表达，本发明所述方案通过计算能源实际能量输入量(其中，综合能源系统本身合理利用的可再生能源，例如风能，光能和空气热能，不作为能源输入，但是，可再生能源可以满足的负荷被包括在能量输出中)与能源输入量之间的比值来衡量能源的高效性，更加能够体现能源在输送过程的损耗与能源的高效利用情况。
[0028]
(5)本发明在对多目标函数进行求解时，采用求取多个优化目标函数的帕累托最优解集的方式获得最优解，有效保证了最优解能够尽可能的适应综合能源系统需要满足的多个目标函数的需求。
[0029]
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0030]
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
[0031]
图1为本发明实施例中所述的粒子群算法求解基本流程示意图；
[0032]
图2为本发明实施例中所述的传统工业电需求(含空调)典型日负荷示意图；
[0033]
图3为本发明实施例中所述的统工业冷需求典型日负荷示意图；
[0034]
图4为本发明实施例中所述的典型日电负荷示意图；
[0035]
图5为本发明实施例中所述的典型日热负荷示意图；
[0036]
图6为本发明实施例中所述的典型日冷负荷示意图；
[0037]
图7为本发明实施例中所述的风速资源示意图；
[0038]
图8为本发明实施例中所述的光资源示意图；
[0039]
图9为本发明实施例中所述的种群大小为1000时粒子群算法的迭代曲线示意图；
[0040]
图10为本发明实施例中所述的一种多目标约束下客户侧综合能源系统运行优化方法流程图。
具体实施方式
[0041]
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另
有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
[0042]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。
[0043]
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0044]
实施例一：
[0045]
本实施例的目的是提供一种多目标约束下客户侧综合能源系统运行优化方法。
[0046]
如图10所示，一种多目标约束下客户侧综合能源系统运行优化方法，包括：
[0047]
获取客户侧综合能源系统中各能源设备的属性信息，以及客户对于各能源的负荷需求及各能源出力的相关信息；
[0048]
基于所述属性信息及相关信息分别构建考虑经济性、环保性以及高效性的优化目标函数及相关约束；其中，所述经济性优化目标函数考虑了设备运行维护成本、设备折旧成本以及设备启停成本指标；所述环保性优化目标函数考虑了污染物排放和环境成本；所述高效性优化目标函数采用负荷需求与能源输入的比值进行衡量；
[0049]
基于构建的优化目标函数，结合相关约束条件，对所述优化目标函数进行优化求解，获得最优的综合能源系统运行策略；其中，所述优化目标函数的求解通过求取多个优化目标函数的帕累托最优解集，从所述帕累托最优解集选择一组解作为最优解。
[0050]
在具体实施中，所述相关约束基于满足能源消耗与负荷需求之间的能量平衡关系以及每台能源设备的运行条件确定，所述相关约束包括能量平衡约束及设备出力约束；其中，能量平衡约束包括电负荷平衡约束、热负荷平衡约束、冷负荷平衡约束及天然气负荷平衡约束；设备出力约束包括能源生产及转换设备的输出约束、储能电池约束、蓄热罐约束、蓄冰槽约束、以及设备出力和爬升速率约束。
[0051]
在具体实施中，所述高效性优化目标函数，具体表示如下：
[0052][0053]
其中，pe和pg分别为外部管网输入的电能和燃气，kw；le和lh分别为电和热负荷，kw；se和sh为考虑电池和其他储能形式的能量损耗后的实际储能，kw；de和dh为考虑电池和其他储能形式的能量释放损失后的实际的能量释放，kw；λe,λg和λh分别为电能、气体和热能的能量系数；λe，λh分别为电和热负荷的能量系数。
[0054]
在具体实施中，所述经济性优化目标函数具体为电网购电成本、够热成本、天然气成本、设备运行维护成本、设备折旧成本以及设备启停成本之和的最小化优化；所述环保性优化目标函数具体为碳排放、污染物排放以及环境成本的最小化优化。
[0055]
在具体实施中，对所述优化目标函数进行优化求解，具体采用粒子群算法求解多目标函数的帕累托最优解集。
[0056]
具体的，为了便于理解，以下结合附图对本实施例所述方案进行详细说明：
[0057]
为了解决现有技术存在的问题，本实施例构建了经济、环保、高效三个目标函数的客户侧综合能源系统能效优化运行模型，为相关用户多角度探索客户侧综合能源系统运行优化提供参考。
[0058]
在具体实施中，本实施例客户侧综合能源系统运行优化目标可以分为能源经济
性、环保性和高效性三个方面，据此构建经济、环保、高效三个目标函数，其中：
[0059]
经济性目标指的是在区域客户侧综合能源系统运行过程中使运行成本最小化，经济运行成本主要由购电成本、购热成本、天然气成本、设备运行维护成本、设备的折旧成本以及设备启停成本组成，天然气成本分为用户直接用天然气产生的成本以及天然气作为冷热电联产系统(combined cooling heating and power)、燃气锅炉等供能设备的燃料所产生的成本两部分，设备的折旧成本在客户侧综合能源系统中目前只考虑储能系统的折旧成本，其他供能设备的折旧成本先不予考虑。
[0060]
环保性目标对应碳排放水平和空气污染物排放水平，主要包括能源生产污染物造成的环境损失和由此造成的非环境损失以及相关部门收取的排污费，也可以通过提高可再生能源的利用水平，降低弃风弃光率来实现减少污染物排放的目标。
[0061]
高效性目标是指区域客户侧综合能源系统中反映能源消耗水平和有效利用程度的综合指标，它是系统中有效利用的能量与实际消耗能量的比率，可以表示为：
[0062]
η＝(有效利用能源/供给能源)
×
100％＝(1-损失能源/供给能源)
×
100％。
[0063]
以下对各个目标函数进行详细说明：
[0064]
(一)经济性优化目标函数
[0065]
客户侧综合能源系统(user-side integrated energy system)运行优化的目的是通过合理地安排每个可控单元的输出计划，以便在满足分布式电力运行限制和电网限制的同时最小化系统运行成本，即客户侧综合能源系统经济调度的目标是使能源成本最小化。经济运行成本主要由购电成本、购热成本、天然气成本、设备运行维护成本、设备的折旧成本以及设备启停成本组成。目标函数如下所示：
[0066]
f1＝min c
op
＝c
op-g
c
op-h
c
op-ng
c
op-m
c
op-d
c
op-ss
ꢀꢀꢀ
(1)
[0067]
其中，c
op
表示系统运行成本，元；c
op-g
表示购电成本，元；c
op-h
表示购热成本，元；c
op-ng
表示购买天然气成本，元；c
op-m
表示设备运行维护成本，元；c
op-d
表示设备折旧成本，元；c
op-ss
表示设备启停成本，元。
[0068]
(1)电网购电成本
[0069][0070]
其中，表示时段t的购电价格，元；表示时段t的购电功率，kw；表示时段t的售电价格，元；表示时段t的售电功率，kw；t表示调度周期。
[0071]
(2)购热成本
[0072][0073]
其中，表示购热价格，元；表示t时段的购热功率，kw；t表示调度周期。
[0074]
(3)天然气成本
[0075][0076]
其中，δ
cchp
表示热能供应模块的运营成本，元；p
cchp
(t)表示需求响应天然气价格，元/m3；表示天然气价格，元/m3；lhv
ng
表示天然气的低热值，kwh/m3；p
ng_st
(t)表示天然
气存储系统的功率，kw；a
ng_st
表示天然气存储系统的功率成本，元/kw；
[0077]
(4)设备运行维护成本
[0078][0079]
其中，ci表示分布式发电的运行维护成本，元/kw；pi表示分布式发电的输出功率，kw；
[0080]
(5)设备折旧成本
[0081]
在本实施例中设备的折旧成本主要指储能的折旧成本。充放电次数、放电深度以及放电速率都是影响储能寿命周期长短的重要因素，本实施例中将电池的累积损坏模型即每次放电事件转换为有效安培小时数。如果累积的有效安培小时数达到了总有效吞吐量，则认为电池不能再用了，必须更换适当尺寸的电池。其中，有效的总吞吐量可以描述见下式：
[0082]
γr＝l
rdrcr
ꢀꢀꢀ
(6)
[0083]
在考虑放电深度条件下，单位时间充放电时间可以折算为等效安培小时数：
[0084][0085]
因此在考虑储能充电深度的前提下利用等效安培小时数进行计算，则储能单位时间充放电折旧成本可具体表达为：
[0086][0087]
其中，lr表示储能在额定放电深度和额定放电电流下的循环次数；dr表示额定放电深度；cr表示额定放电电流下的额定容量，ah；da表示实际放电深度；d
act,t
表示单位时间等效放电电流下的安培小时数；d
eff,t
表示单位时间实际放电电流下的安培小时数；u0,u1表示拟合参数；ca表示实际容量；c
bat
表示储能初始投资成本，元；alt表示从储能投入使用开始经历的总充放电时长，小时。
[0088]
(6)设备启停成本
[0089][0090]
其中，c
ss,i
表示设备i单位时刻的开停机成本，元；表示设备i在时段t的启停状态；表示设备i在时段t-1的启停状态。的值为0时表示停机状态，为1时表示开机状态。
[0091]
(二)环保性优化目标函数
[0092]
(1)碳排放
[0093]
以天然气为燃料的冷热电联产系统和燃气锅炉是研究系统的重要动力和供热机组，也是污染物排放的重要来源。有效的降低碳排放量将不仅对环境保护发挥重大作用，而且也有利于园区的长远运行。计算公式如下：
[0094][0095]
二氧化碳是导致全球气候变暖的主要因素，控制二氧化碳排放量对于减小温室效应具有重要意义。因此，将二氧化碳排放量最小设为目标函数2。上式中，为系统碳排放总量，kg；q
act
表示已发生时段内的碳排放总量，kg；q
fut
表示调度时刻到周期末的优化方案的碳排放总量，kg；q
grid
,q
gas
分别表示向客户侧综合能源系统配电网购买的电量和向外部气网购买的气量，m3；；分别表示单位电量的二氧化碳转化系数和单位气量的二氧化碳转化系数。
[0096]
(2)污染物排放
[0097]
在区域客户侧综合能源系统运行调度阶段，系统污染物排放及环境成本也是重点考虑的因素之一。系统的污染物排放主要来自于天然气燃烧和电网发电产生的污染物，主要包括co，so2，nxo，环境成本指因污染物排放产生的成本。具体公式如下：
[0098][0099]
min h
chuan
＝q
pollution
ψ
ꢀꢀꢀ
(13)
[0100]
其中，q
pollution
是污染物排放量，kg；αk是发电过程中污染物k的排放系数；p
grid
(t)是电网输入功率，kw；p
in,ng
(t)表示天然气输入功率，kw；βk是天然气燃烧中污染物k的排放系数；min h
chuan
是环境成本，ψ是单位污染物排放成本。
[0101]
(三)高效性优化目标函数
[0102]
ies(integrated energy systems：综合能源系统)中的输入能量是来自电网的电能和系统外部能源网络的能源。输出能量是用户的负荷需求。此外，系统本身合理利用的可再生能源，例如风能，光能和空气热能，不属于能源输入。但是，可再生能源可以满足的负荷包括在能量输出中。
[0103][0104]
其中，pe和pg分别代表外部管网输入的电能和燃气，kw；le和lh分别代表电和热负荷，kw；se和sh考虑到电池和其他储能形式的能量损耗后，分别代表实际储能，kw；de和dh考虑到电池和其他储能形式的能量释放损失后，分别代表实际的能量释放，kw；λe,λg和λh代表电能、气体和热能的能量系数；λe，λh是电和热负荷的能量系数。
[0105]
其中，电的能量系数为1，热负荷和气体能量系数的数学表达式如下：
[0106][0107][0108]
其中，t0代表环境温度，℃；t代表气体的完全燃烧温度，℃；th代表热负荷温度，℃。
[0109]
在具体实施中，客户侧综合能源系统运行优化约束条件具体如下：
[0110]
在客户侧综合能源系统中，需要满足能源消耗与生产之间的能量平衡，运行调度
必须满足每台设备的运行条件。综上，本实施例构建的模型主要从能量平衡约束、设备出力约束两个方面建立约束条件，具体包括：
[0111]
(一)能量平衡约束
[0112]
(1)电负荷平衡约束
[0113][0114]
其中，p
grid-buy
(t)为客户侧综合能源系统向电网购买电量的功率，kw；p
grid-sell
(t)为客户侧综合能源系统向电网售电时的功率，kw；p
wt
(t)为风力发电输出功率，kw；p
pv
(t)为分布式光伏发电输出功率，kw；p
cchp
(t)为cchp电输出功率，kw；p
ees-dis
(t)为电池的放电功率，kw；p
ees-ch
(t)为电池的充电功率，kw；
[0115]
(2)热负荷平衡约束
[0116][0117]
其中，h
h_grid
(t)为供热公司和客户侧综合能源系统之间的热交换功率，kw)；h
hp
(t)为热泵输出功率，kw；h
ac
(t)为空调输出功率，kw；h
cchp
(t)为cchp热输出功率，kw；h
h_re
(t)为蓄热系统释放热量的功率，kw；h
load
(t)为系统内的热负荷，kw；h
h_st
(t)为蓄热系统储存热量的功率，kw；
[0118]
(3)冷负荷平衡约束
[0119][0120]
其中，l
cchp
(t)为热泵输出冷负荷的功率，kw；l
ac
(t)为空调输出冷负荷的功率，kw；l
h_re
(t)为蓄冷系统释放冷负荷的功率，kw；l
load
(t)为系统内的冷负荷，kw；l
h_st
(t)为蓄冷系统储存冷负荷的功率，kw；
[0121]
(4)天然气负荷平衡约束
[0122][0123]
其中，p
ng_grid
(t)为天然气网向系统供应天然气的功率，kw；p
ng_st
(t)为系统中储气系统释放的功率，kw；为燃气发电的发电效，％；p
ng_life
(t)为区域客户侧综合能源系统中的居民用气负荷，kw；
[0124]
(二)设备出力约束
[0125]
(1)能源生产、转换设备输出约束
[0126]
客户侧综合能源系统中的能源生产和能源转换设备主要包括：风机、光伏、燃气锅炉、电锅炉、空调等。其输出约束如下：
[0127]
0≤p
pv
≤p
pv_max
ꢀꢀꢀ
(21)
[0128]
0≤p
wt
≤prꢀꢀꢀ
(22)
[0129]
p
heat_min
≤p
heat
≤p
heat_max
ꢀꢀꢀ
(23)
[0130]qeb_min
≤q
eb
≤q
eb_max
ꢀꢀꢀ
(24)
[0131]qer_min
≤q
er
≤q
er_max
ꢀꢀꢀ
(25)
[0132]
其中，p
pv_max
是光伏的输出上限，kw；pr是风机的输出上限，kw；p
heat_min
和p
heat_max
是燃气锅炉的输出上限和下限，kw；q
eb_max
和q
eb_min
是电锅炉的输出上限和下限，kw；q
er_max
和q
er_min
是空调的上下限输出，kw。
[0133]
(2)储能电池约束
[0134]
储能电池的约束主要包括充放电功率约束、荷电状态约束以及设备始末状态的平衡约束，具体约束如下：
[0135][0136]
其中，soc(t),soc(t0)分别表示储能电池在t和t0时刻的剩余电量；δ表示储能电池的自放电率，％/h；soc
min
,soc
max
为剩余容量的最小约束和最大约束；p
ch_e,max
,p
dis_e,max
为最大充放电功率，kw。
[0137]
(3)蓄热罐约束
[0138][0139]
其中，q
ts
(t)表示t时刻蓄热罐的剩余热量，kj；μ
hloss
表示蓄热罐的散热损失率，％；q
ts
(t0)表示初始t0时刻蓄热罐的储热量，kj；表示t至t0时刻之间蓄热罐的充热量，kj；表示t至t0时刻的放热量，kj；分别是最大允许蓄热量、最小允许蓄热量与蓄热容量的比值；c
ts
为蓄热容量，kw。
[0140]
(4)蓄冰槽约束
[0141]
ces
min
≤ces(t)≤ces
max
ꢀꢀꢀ
(28)
[0142][0143]
其中，ces
max
、ces
min
是蓄冰槽容量的最大和最小约束，kw，q
cesin,min
、q
cesin,max
是蓄冰功率的最小值和最大值，kw，q
cesout,min
、q
cesout,max
是融冰功率的最小值和最大值，kw。
[0144]
(5)设备出力及爬升速率约束
[0145][0146]
其中，p
i,t,max
和p
i,t,min
为不可调度设备(如风机与光伏)出力的最大值和最小值，kwh；p
f,t,max
和p
f,t,min
为可调度机组的有效调度区间，kwh。
[0147]
当客户侧综合能源系统向分布式能源设备下达调度计划时，存在以下约束：
[0148]
[0149]
其中，p
i,t
和p
i,t-1
为当前时刻和上一时刻设备功率，kw；和为单位时间内设备允许上升或下降的最大功率，kw。
[0150]
在具体实施中，本实施例所述方案采用的多目标求解方法与传统线性加权处理方法不同，而是通过求取目标函数的帕累托最优解集进而求得目标解。
[0151]
其中，帕累托最优解集的求解方法在求解时是朝着各个目标最优方向进行求解的，求解过程中评价一个解与另一个解的优劣关系是对各个目标函数进行比较。该方法可以使各个目标优化的较为彻底，通常可以求得各个目标函数独立时的最优值。相较于传统的将多目标优化转为单目标优化的方法只是在对转化后的目标函数进行优化，优化过程中各个目标函数的变化状态我们是未知的，可能只有一个目标函数在变优，其他所有目标函数都在变差，而且我们得到优化后的结果也无法判断各个目标函数的优化状态，即我们得到转化后单目标的优化结果，再计算出各个目标函数值，但是我们并不知道各个目标函数值距离它们各自最优解的距离。而在帕累托解集中，我们可以求得各个目标函数对应的最大值，此外，帕累托解集法求解多目标优化问题得到的结果是一组解，我们虽然无法区分这组解之间谁优谁劣，但这组解肯定是优于优化过程淘汰掉的解，这组解作为帕累托最优解集，通过在帕累托最优解集中可根据偏好选取任意一组解作为多目标函数的最优解。
[0152]
在具体实施中，本实施例所述方案采用粒子群算法进行多目标函数的帕累托最优解集的求解；其中，粒子群算法是1995年由肯尼迪和艾伯哈特等提出的一种新型的并行元启发式算法，是模拟自然界鸟群等生物种群觅食的行为寻求最优解。首先，随机产生一组解，通过迭代计算寻找最优解，根据适应度值选择粒子，并通过适应度值评价粒子质量，通过跟随当前最优值来寻找全局最优解。粒子群算法的主要优点为结构简单，操作容易实现，且求解精度较高、收敛速度较快。应用粒子群算法求解的基本流程如下所示。
[0153]
步骤1：初始化。初始化粒子群体(群体规模为n)，包括随机位置和速度；
[0154]
步骤2:评价。根据适应度函数，评价每个粒子的适应度；
[0155]
步骤3：寻找历史最佳位置。对每个粒子，将其当前适应值与其个体历史最佳位置对应的适应值做比较，如果当前的适应值更高，则将用当前位置更新历史最佳位置；
[0156]
步骤4：寻找全局最佳位置。对每个粒子，将其当前适应值与全局最佳位置对应的适应值做比较，如果当前的适应值更高，则将用当前粒子的位置更新全局最佳位置；
[0157]
步骤5：根据如下公式更新每个粒子的速度与位置；
[0158][0159][0160]
其中：为第k次迭代粒子i飞行速度矢量的第d维分量；为第k次迭代粒子i位置矢量的第d维分量；c1,c2为加速度常数，调节学习最大步长；r1,r2为两个随机函数，取值范围[0,1]，以增加搜索随机性；w为惯性权重，非负数，调节对解空间的搜索范围。
[0161]
步骤6：如未满足结束条件，则返回步骤2。通常算法达到最大迭代次数g
max
或者最佳适应度值的增量小于某个给定的阈值时算法停止。
[0162]
为了证明本实施例所述方案的有效性，本实施例进行了如下证明实验：
[0163]
选取了包含电-热-气-冷负荷的典型场景，在典型工业工况下进行实例分析。传统
工业负荷的电需求(含空调，分冬季与夏季)与冷需求的典型日负荷曲线分别如图2和图3所示。
[0164]
在该场景下其具体能源结构如下表所示：
[0165]
表1场景设备配置情况
[0166]
气网电网cchp储能电池//2000kw*104000kw*2
[0167]
该场景下典型日具体电热冷气负荷如图4至图8所示。
[0168]
选用的设备和参数如下：
[0169]
表2设备及基本参数表
[0170][0171]
在本实验中采用本实施例所述的客户侧综合能源系统运行优化模型为求解对象，以matlab2018b为仿真工具进行仿真编码，运用粒子群算法进行求解。设置遗传代数为100代，种群大小为1000，典型工业工况场景下总成本最优约为5600万元，运行优化曲线如图9所示。
[0172]
总运行成本、高效性、污染物排放及碳排放全年运行优化结果如表3所示：
[0173]
表3全年运行结果分析
[0174][0175]
通过将总运行成本、高效性、污染物排放及碳排放与优化前进行对比分析，可以发现，典型工业工况场景下的经济性、高效性、环保性等方面均实现了有效提升。其中，总运行成本降低10.3％，由优化前的62413.55万元降低至5600.22万元；高效性提升了31.53％，由优化前的3.52提升至4.63；污染物排放降低15.97％，由优化前的4219123.4kg降低至3545439.3kg；碳排放降低了12.4％。由优化前的3565722kg降低至2123563.2kg。综上所述，客户侧综合能源系统运行优化模型可以提升客户侧综合能源系统的经济性、高效性及环保性，同时也验证了模型的有效性。
[0176]
本实施例所述方案构建了经济、环保、高效三个目标函数的客户侧综合能源系统能效优化运行模型，通过选取包含电-热-气-冷负荷的典型工业工况场景进行实例分析，通过粒子群算法进行目标求解，计算得出典型工业工况场景下总成本最优约为5600万元。通过模型优化典型工业工况场景的经济性、高效性、环保性均实现了有效提升，为相关人士多角度探索客户侧综合能源系统运行优化提升提供参考，同时也丰富了客户侧综合能源系统运行优化领域的研究。
[0177]
实施例二
[0178]
本实施例的目的是提供一种多目标约束下客户侧综合能源系统运行优化系统。
[0179]
一种多目标约束下客户侧综合能源系统运行优化系统，包括：
[0180]
数据获取单元，其用于获取客户侧综合能源系统中各能源设备的属性信息，以及客户对于各能源的负荷需求及各能源出力的相关信息；
[0181]
目标函数构建单元，其用于基于所述属性信息及相关信息分别构建考虑经济性、环保性以及高效性的优化目标函数及相关约束；其中，所述经济性优化目标函数考虑了设备运行维护成本、设备折旧成本以及设备启停成本指标；所述环保性优化目标函数考虑了污染物排放和环境成本；所述高效性优化目标函数采用负荷需求与能源输入的比值进行衡量；
[0182]
优化求解单元，其用于基于构建的优化目标函数，结合相关约束条件，对所述优化目标函数进行优化求解，获得最优的综合能源系统运行策略；其中，所述优化目标函数的求解通过求取多个优化目标函数的帕累托最优解集，从所述帕累托最优解集选择一组解作为最优解。
[0183]
进一步的，本实施例所述系统与实施例一中所述方法相对应，其技术细节在实施例一中已经进行了详细描述，故此处不再赘述。
[0184]
实施例三
[0185]
本实施例的目的是提供一种电子设备。
[0186]
一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种多目标约束下客户侧综合能源系统运行优化方法。
[0187]
实施例四
[0188]
本实施例的目的是提供一种非暂态计算机可读存储介质。
[0189]
一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种多目标约束下客户侧综合能源系统运行优化方法。
[0190]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。