[发明专利]一种基于CLS-PSO算法的多目标电、气、热供暖协调方法

权利要求书

1.一种基于CLS-PSO算法的多目标电、气、热供暖协调方法，其特征在于，该方法包括以下步骤：

步骤1：针对家庭多目标电、气、热供暖方法建立多能源供热模型；

步骤1.1：将电、气、热的输入及排放量用电表示，为P₁及P₂；

步骤1.2：收集相关温度变量T，相关单位功率价格变量A，相关排放变量B；

步骤1.3：建立多目标电、气、热供暖方法最低价格模型；

A_总＝A_电P_电1t_电+A_气P_气1t_气+A_热P_热1t_热

式中：A_总为24小时供暖所需价格总和；A_电、A_气、A_热分别为电供暖、气供暖、供暖公司供暖等实时单位功率的价格；P_电1、P_气1、P_热1分别为电供暖、气供暖、供暖公司供暖等不同时段输入；t_电、t_气、t_热为一天内供电、气、热时刻；

步骤1.4：建立多目标电、气、热供暖方法最小排放模型：

B_总＝B_电P_电2t_电+B_气P_气2t_气+B_热P_热2t_热

式中：B_总为24小时供暖所需价格总和；B_电、B_气、B_热分别为电供暖、气供暖、供暖公司供暖等实时单位功率排放率；P_电2、P_气2、P_热2分别为电供暖、气供暖、供暖公司供暖等不同时段排放；t_电、t_气、t_热为一天内供电、气、热时刻；

步骤2：优化供热模型，将协调方法归纳为基于价格最低以及排放最小的优化问题，并建立相关约束条件；

步骤2.1：建立多目标优化约束条件；

热量交换约束：

Q_热＝cG_水ΔT₁

式中：Q_热为供暖所需热量；G_水为水的质流量；ΔT₁为供热器供水温与回水温度的温度差；

散热量约束：

式中：Q_散为室内散热量；K为散热系数；F为散热面积；ΔT₂为供热器供水温与回水温度之和；T_温为当前室内温度；

热动态特性约束：

式中：c_热为建筑的比热容；表示热量增加，建筑储热；表示热量减少，建筑散热；Q_散为散热器的散热功率；Q_耗为建筑总耗热量；

建筑恒温约束：

T_min＜T_室＜T_max

式中：T_min及T_max分别为建筑的最高及最低温度；

电出力约束：

P_d,min＜P_d＜P_d,max

式中：P_d,min及P_d,max为电力出力的最大值及最小值；

步骤2.2：优化多目标电、气、热供暖方法最低价格模型；

式中：A₁、A₂、A₃分别为24小时内每个时段的电供暖、气供暖、供暖公司供暖等实时单位功率的价格；P₁(t)、P₂(t)、P₃(t)分别为电供暖、气供暖、供暖公司供暖不同时段的出力；

式中：B₁、B₂、B₃分别为24小时内每个时段的电供暖、气供暖、供暖公司供暖等实时单位功率排放量；

步骤2.3：优化多目标电、气、热供暖方法最小排放模型；

步骤3：针对归纳的相关模型，基于CLS-PSO算法进行最小解优化，得到最低价格方案以及排放最小方案；

步骤3.1：随机初始化种群中各种微粒的位置和速度；

步骤3.2：对每个微粒的适应度进行评价，并将其储存在各个微粒的pbest中，寻找pbest中的最佳适应值个体，将其位置和适应值储存在gbest中；

步骤3.3：更新粒子的速度和位置，分别求出各个微粒目标函数的解，然后选择其中最好的20％的微粒保留；

步骤3.4：使种群中的最优微粒进行混沌局部搜索，更新pbest及gbest；

步骤3.5：如果满足预定的条件则算法停止,停止搜索，输出结果，不满足则转到步骤3.6；

步骤3.6：按照相关变量集范围收缩搜索区域；

x_min,j＝max{x_min,j,x_g,j-r^*(x_max,j-x_min,j)}，0＜r＜1

x_max,j＝min{x_max,j,x_g,j-r^*(x_max,j-x_min,j)}，0＜r＜1

式中：x_g,j表示当前pbest的第j维变量的值；

步骤3.7：随机产生种群中剩余的80％至收缩后的空间，然后转到步骤3.2；

步骤3.8：达到最大迭代次数则停止。