热-电-压缩空气多能联供系统调度优化方法

1.本发明涉及多能联供系统的实时优化调度领域，具体涉及一种基于改进花粉算法的热-电-压缩空气多能联供系统调度优化方法。


背景技术：

2.能源短缺和环境问题是影响社会可持续发展的关键因素。煤炭是我国能源结构中最庞大的一环，但煤炭燃烧是大气污染和碳排放的最大来源，同时我国煤炭资源也面临枯竭的现状。在满足多能联供系统运行约束的条件下进行环境/经济调度(environmental/economic dispatch，eed)，实现多能联供系统节能减排成为当前亟待解决的问题。
3.实际运行过程中，多能联供系统的能源需求具有频繁变化且变化幅度大的特点，对实时调度优化的响应速度和调度精度提出了更高的要求。传统的调度方法对于负荷需求频繁大幅变化的多能联供系统的调度响应相对滞后，且寻优精度不足，进而影响多能系统的经济性和环保性。
4.花粉算法是yang提出的一种基于自然界花粉传播过程的新型元启发式群智能优化算法，具有鲁棒性较好且全局寻优能力强等特点，在车间调度、电力投资市场、梯级水电站优化调度等多个领域应用都取得较好的效果。在多能联供系统的调度优化中，该方法具备潜在的巨大优势，但该算法存在后期收敛速度慢的缺点。


技术实现要素：

5.本发明的目的在于，针对热-电-压缩空气多能联供系统，提供一种基于改进的花粉算法求解环境/经济调度这一多目标优化问题，从而实现热-电-压缩空气多能系统的调度优化。
6.本发明所采用的技术方案是：
7.一种基于改进花粉算法的热-电-压缩空气多能联供系统调度优化方法，按照以下步骤实施：
8.步骤s100，构建热-电-压缩空气多能联供系统的机组调度模型；
9.步骤s200，基于改进的花粉算法求解所述机组调度模型，对多能联供系统进行实时优化调度。
10.上述技术方案中，进一步地，所述步骤s100中，所述机组调度模型需满足如下负荷平衡约束和参数变化限值：
11.根据多能联供系统的多样化负荷需求，确定负荷平衡约束：
12.锅炉侧：
[0013][0014]
式中：n为锅炉的台数；d
bn，j
为第n台锅炉在j时刻的产汽流量，t/h；p为汽轮机台
数；d
k，j
为第k台汽轮机在j时刻的进汽流量，t/h；h为产生高压压缩空气的空压机台数，每台空压机由一个对应的工业拖动汽轮机拖动工作；为第h台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的进汽流量，t/h；l为产生低压压缩空气的空压机台数，每台空压机由一个对应的工业拖动汽轮机拖动工作；为第l台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的进汽流量，t/h。
[0015]
压缩空气侧：
[0016][0017]
式中：为第h台产生高压压缩空气的空压机在j时刻的产气量，t/h；a
high，j
为j时刻的高压压缩空气需求，t/h。
[0018][0019]
式中：为第l台产生低压压缩空气的空压机在j时刻的产气量，t/h；a
low，j
为j时刻的低压压缩空气需求，t/h。
[0020]
汽轮机侧：
[0021][0022]
式中：为第h台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的排汽流量，t/h；为第l台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的排汽流量，t/h；d
pk，j
为第k台汽轮机在j时刻的排汽流量，t/h；d
total，j
为j时刻低压供热蒸汽流量需求，t/h。
[0023][0024]
式中：d
ek，j
为第k台汽轮机在j时刻的中压抽汽流量，t/h；为j时刻中压供热蒸汽流量需求，t/h。
[0025]
多能联供系统以供热和供压缩空气为主、发电为辅，故不设置发电负荷平衡约束。
[0026]
确定多能联供系统机组调度模型的参数变化限值：
[0027]
1.锅炉侧：
[0028][0029]
式中：为第n台锅炉最小产汽流量，t/h；为第n台锅炉最大产汽流量，t/h；
[0030]
[0031]
式中：d
bn，j-1
为第i台锅炉在j-1时刻的产汽流量，t/h；δdb为锅炉产汽流量变化限值，t/h；
[0032]
压缩空气侧：
[0033][0034]
式中：为第h台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最小进汽流量，t/h；为第h台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最大进汽流量，t/h。
[0035][0036]
式中：为第l台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最小进汽流量，t/h；为第l台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最大进汽流量，t/h。
[0037]
汽轮机侧：
[0038][0039]
式中：为第k台汽轮机最小进汽流量，t/h；d
k，j-1
为第k台汽轮机在j-1时刻的进汽流量，t/h；为第k台汽轮机最大进汽流量，t/h；δd为汽轮机进汽流量变化限值，t/h；
[0040][0041]
式中：为第k台汽轮机功率下限，mw；p
k，j
为第k台汽轮机在j时刻的功率，mw；p
k，j-1
为第k台汽轮机在j-1时刻的功率，mw；为第k台汽轮机功率上限，mw；δp为汽轮机功率变化限值，mw。
[0042]
进一步地，所述步骤s100中，所述机组调度模型的目标函数，具体构建过程包括如下步骤：
[0043]
步骤1)，列出各经济性指标、环保性指标函数表达式。
[0044]
步骤2)，设置各指标限值；
[0045]
步骤3)，采用层次分析法计算各指标权重，进行多目标融合；
[0046]
步骤3)具体如下：
[0047]
首先，采用层次分析法建立目标函数的递阶层次结构：目标层内设置有目标函数；准则层则主要考虑经济性和环保性两个方面；方案层设置有各个经济性指标和环保性指标函数表达式；
[0048]
然后，构造判断矩阵，进行矩阵一致性检验后得出权重组合；对指标函数表达式进行归一化处理，统一度量标准；
[0049]
最后，对多个指标函数表达式进行融合，得到目标函数f：
[0050][0051]
式中：ωm为各指标权重，fm(x)分别为经过归一化处理后的经济指标、环境指标函数表达式，m为指标个数。
[0052]
进一步地，所述步骤s200，基于改进的花粉算法求解所述机组调度模型，对多能联供系统进行实时优化调度，具体步骤如下：
[0053]
1)设定迭代次数，并在各机组负荷限制范围内采用改进花粉算法进行初始化，基于tent混沌映射生成花粉个体初始值；
[0054]
2)比较各初始值对应的适应度，确定初始的最优调度方案；
[0055]
3)根据改进花粉算法的切换概率进行授粉方式切换，按照改进的花粉算法的自花授粉策略或异花授粉策略进而对花粉个体进行更新；
[0056]
4)比较各优化调度方案对应的适应度，确定该次迭代的最优调度方案；
[0057]
5)直到满足迭代条件为止，输出调度优化方案。
[0058]
更进一步地，所述改进的花粉算法与常规花粉算法相比，初始化方式、切换概率及自花授粉策略均有较大改进，具体改进如下：
[0059]
1)初始化方式改为基于tent混沌映射的种群初始化
[0060]
采用tent映射来产生混沌序列，初始化花粉个体，公式如下：
[0061][0062]
式中：zi为随机产生一个在[0，1]区间内的随机序列；z
′i为混沌序列；a为大于0小于1的常数；
[0063]
结合混沌序列z
′i，生成搜索区域内的花粉个体初始位置序列
[0064][0065]
式中：分别为序列的最大值与最小值；为第t代的花粉个体组成的序列。
[0066]
2)将所述改进花粉算法的切换概率p设定为与迭代次数相关的变量，其计算公式如下：
[0067][0068]
式中：t和t分别表示当前迭代次数和最大迭代次数；
[0069]
3)所述改进的花粉算法的自花授粉策略为：
[0070]
在自花授粉阶段，增加多种变异策略，同步进行变异，增加变异范围；增加的变异策略为：
[0071]
定向变异(tm)策略：
[0072]
[0073]
差分进化de/current-to-best/1变异策略：
[0074][0075]
式中：ε
′
、ε
″
为缩放因子。
[0076]
计算原始自花授粉策略、定向变异策略和差分进化de/current-to-best/1变异策略这三种策略的适应度并进行比较，选取最优适应度值对应的策略。
[0077]
与现有技术相比，本发明的优点在于：
[0078]
本发明方法能够在满足外界高压、低压两级压缩空气需求和中压、低压两级蒸汽供热需求的情况下，科学合理进行多能联供系统实时调度优化，从而实现节能减排。本发明中提出一种改进的花粉算法，并基于该改进的花粉算法进行热-电-压缩空气多能联供系统的实时调度优化，能够保证多能系统的经济性和环保性。改进的花粉算法采用混沌映射进行种群初始化，使种群均匀分布在搜索空间中，扩展算法的全局探测能力；设置动态切换概率，能够根据迭代次数调整自花授粉和异花授粉的切换，使算法在前期倾向于异花授粉，进行全局搜索、后期倾向自花授粉，寻找最优解；在自花授粉阶段引入多种变异策略，并进行对比寻优，提升寻优精度。本发明改进后的花粉算法收敛速度更快，且更易于搜索到更优解。
附图说明
[0079]
图1是本发明所涉及的基于改进的花粉算法的多能联供系统实时调度优化方法的流程图；
[0080]
图2是本发明所涉及的调度优化目标函数的递阶层次结构图；
[0081]
图3是本发明所涉及的改进的花粉算法的流程图；
[0082]
图4为本发明实施例中，一天内各负荷实时需求图；
[0083]
图5为本发明实施例中，花粉算法和改进花粉算法的收敛速度对比图；
[0084]
图6为本发明实施例中，采用改进花粉算法调度与基于人工经验调度下，一天内煤耗量、碳排放及污染物排放总量；
[0085]
图7为本发明实施例中，一天内采用改进花粉算法调度与基于人工经验调度下碳排放量实时变化图。
[0086]
图8为本发明实施例中，一天内采用改进花粉算法调度与基于人工经验调度下污染物排放量实时变化图。
具体实施方式
[0087]
下面结合具体附图和实施例对本发明进行详细说明，参阅图1。
[0088]
如图1所示，本实施例提供了一种基于改进花粉算法的热-电-压缩空气多能联供系统调度优化方法，包括：步骤s100，构建热-电-压缩空气多能联供系统的机组调度模型；步骤s200，基于改进的花粉算法求解所述机组调度模型，对多能联供系统进行实时调度优化。
[0089]
在本实施例中，所述的步骤s100中，所述机组调度模型需满足如下负荷平衡约束和参数变化限值：
[0090]
实施例中热-电-压缩空气多能联供系统由4台锅炉、2台汽轮机、2台工业拖动汽轮
机和2台空压机构成，以供热和供压缩空气为主、发电为辅，分中压低压两级进行蒸汽供热、分高压低压两级提供压缩空气。
[0091]
确定多能联供系统的负荷平衡约束：
[0092]
1.锅炉侧：
[0093][0094]
式中：d
bn，j
为第n台锅炉在j时刻的产汽流量，t/h；d
k，j
为第k台汽轮机在j时刻的进汽流量，t/h；为第1台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的进汽流量，t/h；为第1台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的进汽流量，t/h。
[0095]
2.压缩空气侧：
[0096][0097]
式中：为第1台产生高压压缩空气的空压机在j时刻的产气量，t/h；a
high，j
为j时刻的高压压缩空气需求，t/h。
[0098][0099]
式中：为第1台产生低压压缩空气的空压机在j时刻的产气量，t/h；a
low，j
为j时刻的低压压缩空气需求，t/h。
[0100]
3.汽轮机侧：
[0101][0102]
式中：为第1台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的排汽流量，t/h；为第l台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的排汽流量，t/h；d
pk，j
为第k台汽轮机在j时刻的排汽流量，t/h；d
total，j
为j时刻低压供热蒸汽流量需求，t/h。
[0103]
本实施例中，中压供热蒸汽的需求量一般不大，因此中压供热由其中一台汽轮机承担；
[0104]
确定多能联供系统机组调度模型的参数变化限值：
[0105]
1.锅炉侧：
[0106][0107]
式中：为第n台锅炉最小产汽流量，t/h；为第n台锅炉最大产汽流量，t/h；
[0108]
[0109]
式中：d
bn，j-1
为第i台锅炉在j-1时刻的产汽流量，t/h；δdb为锅炉产汽流量变化限值，t/h；
[0110]
2.压缩空气侧：
[0111][0112]
式中：为第1台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最小进汽流量，t/h；为第1台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最大进汽流量，t/h。
[0113][0114]
式中：为第1台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最小进汽流量，t/h；为第1台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最大进汽流量，t/h。
[0115]
3.汽轮机侧：
[0116][0117]
式中：为第k台汽轮机最小进汽流量，t/h；d
k，j-1
为第k台汽轮机在j-1时刻的进汽流量，t/h；为第k台汽轮机最大进汽流量，t/h；δd为汽轮机进汽流量变化限值，t/h；
[0118][0119]
式中：为第k台汽轮机功率下限，mw；p
k，j
为第k台汽轮机在j时刻的功率，mw；p
k，j-1
为第k台汽轮机在j-1时刻的功率，mw；为第k台汽轮机功率上限，mw；δp为汽轮机功率变化限值，mw。
[0120]
所述步骤s100中，所述机组调度模型的目标函数，具体构建过程包括以下步骤：
[0121]
步骤1)，列出实施例中各经济性指标、环保性指标函数表达式。所述目标函数的指标包括：
[0122]
经济性指标为煤耗成本：
[0123][0124]
式中：n为锅炉总台数；m为燃煤锅炉的燃料消耗量，t/h；mn为第n台锅炉煤耗量，t/h。
[0125]
环保性指标包括：
[0126]
①
碳排放：
[0127][0128]
式中：为燃煤锅炉co2的排放量，t/h；γ为折标煤系数。
[0129]
②
污染物排放：
[0130]e排
＝m
×
p
产
(1-ηr×kt
)
[0131]
式中：e
排
为某污染物的排放量，t/h；p
产
为污染物对应的产污系数；η
t
为治理技术去除效率；k
t
为治理设施实际运行率。本发明计算的污染物包括烟尘、二氧化硫和氮氧化物。
[0132]
步骤2)，设置目标函数各指标的限值；
[0133]
燃煤发电机组在排放so2、no
x
和烟尘时，分别要遵守不超过200、100、30mg/m3的限值。
[0134]
步骤3)，采用层次分析法计算各指标权重，进行多目标融合；
[0135]
对各目标函数进行归一化处理，统一度量标准。
[0136]
采用层次分析法建立目标函数的递阶层次结构：
[0137]
目标层内设置有目标函数；
[0138]
准则层则主要考虑经济性和环保性两个方面；
[0139]
方案层包括煤耗成本、碳排放、污染物排放。
[0140]
构造判断矩阵，进行矩阵一致性检验后得出权重组合；
[0141]
将每个指标函数乘以权重因子后融合。
[0142]
得到的融合煤耗成本、碳排放、污染物排放三个指标后的优化调度目标函数：
[0143]
f＝ω1×
f1(x)+ω2×
f2(x)+ω3×
f3(x)
[0144]
式中：ω1为煤耗成本权重；ω2为碳排放权重；ω3为污染物排放权重；f1(x)、f2(x)、f3(x)分别为经过归一化处理后的煤耗成本、碳排放、污染物排放表达式。
[0145]
所述步骤s200，基于改进的花粉算法求解所述机组调度模型，对多能联供系统进行实时优化调度。
[0146]
常规的花粉算法如下：
[0147]
花粉算法随机生成一个规模为r的种群，引入切换概率p(p∈[0，1])，当随机数rand＜p时进行自花授粉：
[0148][0149]
式中：分别为第t+1代、第t代的花粉个体；是种群中异于花粉的两个随机个体；ε为[0，1]上服从均匀分布的随机数。
[0150]
当随机数rand＞p时，进行异花授粉：
[0151][0152]
式中：g
*
是种群中的最优花粉；控制参数l是一个d维授粉强度向量(d是求解问题的维数)，其每一维均是服从levy分布的随机数，其计算公式如下：
[0153][0154]
上式中γ(λ)是标准gamma函数，λ＝1.5，s为随机步长。
[0155]
本发明对花粉算法进行以下改进：
[0156]
①
基于tent混沌映射的种群初始化
[0157]
本发明采用tent映射来产生混沌序列，初始化花粉个体。使种群均匀分布在搜索空间中，公式如下：
[0158][0159]
式中：zi为随机产生一个在[0，1]区间内的随机序列；z
′i为混沌序列。本发明中a取0.5。
[0160]
结合混沌序列z
′i，进一步生成搜索区域内的花粉个体初始位置序列
[0161][0162]
式中：分别为序列的最大值与最小值。是第t代的花粉个体组成的序列。
[0163]
②
动态切换概率
[0164]
基本花粉算法中切换概率p为定值，本发明将概率设定为与迭代次数相关的函数，使算法搜索前期侧重异花授粉，后期侧重自花授粉，提高后期收敛速度。改进后的切换概率p的计算公式如下：
[0165][0166]
式中：t和t分别表示当前迭代次数和最大迭代次数。
[0167]
③
自花授粉多策略变异机制
[0168]
在自花授粉阶段，本发明在基本算法变异策略的基础上增加多种变异策略，同步进行变异，增加变异范围。
[0169]
通过计算原始自花授粉策略、定向变异策略和差分进化de/current-to-best/1变异策略这三种策略的适应度进行比较，并选取最优适应度值对应的策略，改善算法后期收敛速度慢的缺陷。其中：
[0170]
定向变异(tm)策略：
[0171][0172]
差分进化de/current-to-best/1变异策略：
[0173][0174]
式中：ε
′
、ε
″
为缩放因子。
[0175]
改进的花粉算法实现流程如图3所示，步骤如下：
[0176]
①
初始化算法的参数：种群数n，最大迭代次数n_iter等参数。基于tent混沌映射初始化种群的位置，并设置动态切换概率p。
[0177]
②
若rand＞p为异花授粉，否则为自花授粉。
[0178]
③
若为自花授粉，分别采用基本算法变异策略、定向变异策略和差分进化de/current-to-best/1变异策略(差分变异策略中的一种，具体方法可参见《基于距离和适应度综合排序的差异进化算法[j].现代电子技术》)进行变异，计算对应的适应度值，选取三种变异策略中的最优值作为自花授粉结果。
[0179]
④
评价新一代花粉，更新最优花粉。
[0180]
⑤
若达到终止条件，输出最优解。
[0181]
基于改进的花粉算法，对热-电-压缩空气多能联供系统进行调度优化。方法包括：
[0182]
在考虑设备启停并限制锅炉、汽轮机负荷区间的前提下，从机组的实时监控信息系统(sis)提取历史数据进行数据预处理，各测点数据的时间间隔为5min。
[0183]
图4为本发明实施例中，一天内各负荷实时需求变化情况。
[0184]
用改进的花粉算法进行计算，并与花粉算法和基于人工经验调度进行对比。
[0185]
图5为本发明实施例计算时，花粉算法和改进花粉算法的收敛情况对比图，由此可见改进的花粉算法在第100次迭代前寻找到最优值，收敛速度明显快于花粉算法，寻优时间缩短。
[0186]
如图6所示，在本实施例中，与基于人工经验进行调度相比，采用改进的花粉算法寻优调度时，一天内煤耗量、碳排放及污染物排放总量均有明显降低，优化收益较大。
[0187]
图7所示为本实施例中，采用改进的花粉算法进行调度和基于人工经验调度时的实时碳排放。图8所示为本实施例中，采用改进的花粉算法进行调度和基于人工经验调度时的实时污染物排放量。可见采用改进的花粉算法可使多能联供系统的污染物排放量降低，有利于系统清洁运行。

技术特征：
1.一种热-电-压缩空气多能联供系统调度优化方法，其特征在于，步骤如下：步骤s100，构建热-电-压缩空气多能联供系统的机组调度模型；步骤s200，基于改进的花粉算法求解所述机组调度模型，对多能联供系统进行实时优化调度。2.根据权利要求1所述的一种热-电-压缩空气多能联供系统调度优化方法，其特征在于，所述的步骤s100中，所述机组调度模型需满足如下负荷平衡约束和参数变化限值：根据多能联供系统的多样化负荷需求，确定负荷平衡约束：锅炉侧：式中：n为锅炉的台数；d
bn，j
为第n台锅炉在j时刻的产汽流量，t/h；p为汽轮机台数；d
k，j
为第k台汽轮机在j时刻的进汽流量，t/h；h为产生高压压缩空气的空压机台数，每台空压机由一个对应的工业拖动汽轮机拖动工作；为第h台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的进汽流量，t/h；l为产生低压压缩空气的空压机台数，每台空压机由一个对应的工业拖动汽轮机拖动工作；为第l台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的进汽流量，t/h；压缩空气侧：式中：为第h台产生高压压缩空气的空压机在j时刻的产气量，t/h；a
high，j
为j时刻的高压压缩空气需求，t/h；式中：为第l台产生低压压缩空气的空压机在j时刻的产气量，t/h；a
low，j
为j时刻的低压压缩空气需求，t/h；汽轮机侧：式中：为第h台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的排汽流量，t/h；为第l台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的排汽流量，t/h；d
pk，j
为第k台汽轮机在j时刻的排汽流量，t/h；d
total，j
为j时刻低压供热蒸汽流量需求，t/h；式中：d
ek，j
为第k台汽轮机在j时刻的中压抽汽流量，t/h；为j时刻中压供热蒸汽
流量需求，t/h；多能联供系统以供热和供压缩空气为主、发电为辅，故不设置发电负荷平衡约束；确定多能联供系统机组调度模型的参数变化限值：锅炉侧：式中：为第n台锅炉最小产汽流量，t/h；为第n台锅炉最大产汽流量，t/h；式中：d
bn，j-1
为第i台锅炉在j-1时刻的产汽流量，t/h；δd
b
为锅炉产汽流量变化限值，t/h；压缩空气侧：式中：为第h台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最小进汽流量，t/h；为第h台产生高压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最大进汽流量，t/h；式中：为第l台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最小进汽流量，t/h；为第l台产生低压压缩空气的空压机对应的工业拖动汽轮机在j时刻的最大进汽流量，t/h；汽轮机侧：式中：为第k台汽轮机最小进汽流量，t/h；d
k，j-1
为第k台汽轮机在j-1时刻的进汽流量，t/h；为第k台汽轮机最大进汽流量，t/h；δd为汽轮机进汽流量变化限值，t/h；式中：为第k台汽轮机功率下限，mw；p
k，j
为第k台汽轮机在j时刻的功率，mw；p
k，j-1
为第k台汽轮机在j-1时刻的功率，mw；为第k台汽轮机功率上限，mw；δp为汽轮机功率变化限值，mw。3.根据权利要求1所述的一种热-电-压缩空气多能联供系统调度优化方法，其特征在于，所述的步骤s100中，所述机组调度模型的目标函数，具体构建过程包括以下步骤：步骤1)，列出各经济性指标、环保性指标函数表达式；步骤2)，设置各指标限值；步骤3)，采用层次分析法计算各指标权重，进行多目标融合。4.根据权利要求3所述的一种热-电-压缩空气多能联供系统调度优化方法，其特征在于，所述步骤3)具体为：首先，采用层次分析法建立目标函数的递阶层次结构；然后，构造判断矩阵，进行矩阵一致性检验后得出权重组合；对指标公式进行归一化处理，统一度量标准；
最后，进行多目标融合，得到目标函数f：式中：ω
m
为各指标权重，f
m
(x)分别为经过归一化处理后的经济指标、环境指标函数表达式，m为指标个数。5.根据权利要求1所述的一种热-电-压缩空气多能联供系统调度优化方法，其特征在于，所述步骤200具体包括以下步骤：1)设定迭代次数，并在各机组负荷限制范围内采用改进花粉算法进行初始化，基于tent混沌映射生成花粉个体初始值；2)比较各初始值对应的适应度，确定初始的最优调度方案；3)根据改进花粉算法的切换概率进行授粉方式切换，按照改进的花粉算法的自花授粉策略或异花授粉策略进而对花粉个体进行更新；4)比较各优化调度方案对应的适应度，确定该次迭代的最优调度方案；5)直到满足迭代条件为止，输出调度优化方案。6.根据权利要求5所述的一种热-电-压缩空气多能联供系统调度优化方法，其特征在于，所述的改进花粉算法中：初始化方式为，基于tent混沌映射的种群初始化采用tent映射来产生混沌序列，初始化花粉个体，公式如下：式中：z
i
为随机产生一个在[0,1]区间内的随机序列；z
′
i
为混沌序列；a为大于0小于1的常数；结合混沌序列z
′
i
，生成搜索区域内的花粉个体初始位置序列，生成搜索区域内的花粉个体初始位置序列式中：分别为序列的最大值与最小值；为第t代的花粉个体组成的序列；将所述改进花粉算法的切换概率p设定为与迭代次数相关的变量，其计算公式如下：式中：t和t分别表示当前迭代次数和最大迭代次数；所述改进的花粉算法的自花授粉策略为：在自花授粉阶段，增加多种变异策略，同步进行变异，增加变异范围；具体方法为：计算原始自花授粉策略、定向变异策略和差分进化de/current-to-best/1变异策略这三种策略的适应度并进行比较，选取最优适应度值对应的策略。

技术总结
本发明公开了一种热-电-压缩空气多能联供系统调度优化方法，该方法步骤如下：构建热-电-压缩空气多能联供系统的机组调度模型；基于改进的花粉算法求解所述机组调度模型，对多能联供系统进行实时优化调度。本发明方法提供一种基于改进的花粉算法求解环境/经济调度这一多目标优化问题，能够在满足外界高压、低压两级压缩空气需求和中压、低压两级蒸汽供热需求的情况下，科学合理进行多能联供系统实时调度优化，从而实现节能减排。从而实现节能减排。从而实现节能减排。


技术研发人员：李蔚 肖颖 吴国林 陈坚红
受保护的技术使用者：浙江大学
技术研发日：2023.06.21
技术公布日：2023/10/15