[发明专利]一种基于多目标优化算法的能源动态平衡与优化调度方法

权利要求书

1.一种基于多目标优化算法的能源动态平衡与优化调度方法，其特征在于，所述方法包括：

步骤1，获取钢铁企业能源系统网络拓扑结构以及煤气、蒸汽和电力子系统中的各单元设备信息；

其中，获取所述钢铁企业能源系统网络拓扑结构的过程包括：输入各类能源介质管网的类型和数量，以及能源介质管网的物理属性；所述能源介质管网的物理属性包括：煤气管网的介质形式、压力上/下限、热值，蒸汽管网的压力上/下限、温度上/下限、焓值，内部电网的主变容量、最大负荷和电压等级；

获取所述煤气、蒸汽和电力子系统中的单元设备信息的过程包括：

步骤101，确定各子系统中单元设备所属类型和数量；

步骤102，根据能源产耗关系，将所述单元设备挂接到对应的能源介质管网上，确定所述单元设备的能源产耗变量集；

步骤103，输入各个单元设备的工艺模型和约束条件，所述约束条件包含运行负荷约束、煤气流量约束和混合煤气热值约束；

步骤2，获取各种能源介质的供需预测数据、生产检修计划和用于接收用户的个性化输入条件的其他设定信息；

步骤3，建立钢铁企业能源动态平衡与优化调度数学模型，确定优化调度模型的优化变量为确定煤气子系统的目标函数J₁、蒸汽子系统的目标函数J₂和电力子系统的目标函数J₃，确定所述优化调度模型的目标函数为Minf(x)＝J₁+J₂+J₃，确定优化调度模型的约束条件；

其中，i为煤气管网的序号，j为煤气子系统中单元设备的序号，t为调度周期序号，分别设备的煤气消耗量和产生量，n为蒸汽和电力子系统中单元设备的序号，s为蒸汽管网的序号，为设备n消耗的煤气量，为设备n入口蒸汽流量，为设备n出口产生/抽汽/凝汽流量，z_n,t为设备n产生的电量；

所述煤气子系统、蒸汽子系统和电力子系统的目标函数具体为：

$\min J_1={\mathrm{pun}}_{emi}^{gas}-{\mathrm{pro}}^{gas};$

其中，为煤气放散惩罚；pro^gas为煤气外售收益；

$\min J_2={\mathrm{fed}}^{wat}+{\mathrm{pun}}_{emi}^{stm}+{\mathrm{buy}}^{stm};$

其中，fed^wat为锅炉给水费用；为蒸汽放散惩罚；buy^stm为外购蒸汽成本；

minJ₃＝buy^ele-pro^ele；

其中，buy^ele为外购电力成本；pro^ele为外售电力收益；

所述优化调度模型的所述约束条件包括单元设备的工艺约束、各能源介质的物理约束和煤气、蒸汽和电力三种能源介质的动态平衡约束；

所述单元设备的工艺约束和各能源介质的物理约束为：

$\left\{\begin{array}{cc}{g}_j(x_{i,j,t}^{sume},x_{i,j,t}^{gen})\≤0,& j\∈EQG\\ h_j(x_{i,j,t}^{sume},x_{i,j,t}^{gen})=0,& j\∈EQG\end{array}\right.$

$\left\{\begin{array}{ccc}{g}_n(x_{i,n,t}^{sume},y_{s,n,t}^{in},y_{s,n,t}^{out},z_{n,t})\≤0,& n\∈EQS& EQE\\ h_n(x_{i,n,t}^{sume},y_{s,n,t}^{in},y_{s,n,t}^{out},z_{n,t})=0,& n\∈EQS& EQE\end{array}\right.$

其中，g_j(·)、h_j(·)分别煤气子系统中单元设备j的不等式约束和等式约束，EQG为煤气子系统单元设备集合；g_n(·)、h_n(·)分别为蒸汽和电力子系统中单元设备n的不等式约束和等式约束，EQS、EQE分别为蒸汽和电力子系统单元设备集合；

所述煤气、蒸汽和电力三种能源介质的动态平衡约束为：

$\∀i,t,\underset{j\∈EQG}{\mathrm{\Σ}}(x_{i,j,t}^{gen}-x_{i,j,t}^{sume})-\underset{\begin{array}{cc}n\∈EQS& EQE\end{array}}{\mathrm{\Σ}}{x}_{i,n,t}^{sume}={\mathrm{sp}}_{i,t}^{gas}$

$\∀s,t,\underset{\begin{array}{cc}n\∈EQS& EQE\end{array}}{\mathrm{\Σ}}(y_{s,n,t}^{out}-y_{s,n,t}^{in})={\mathrm{de}}_{s,t}^{stm}$

$\∀t,\underset{\begin{array}{cc}n\∈EQS& EQE\end{array}}{\mathrm{\Σ}}{z}_{n,t}={\mathrm{de}}_t^{ele}$

其中，表示“对于任意的…”，为煤气i在周期t内的富余量，为蒸汽s在周期t内的需求量，为电力在周期t内的需求量；

步骤4，将f(x)转化为两目标优化问题：

$\left\{\begin{array}{c}Minf\left(x\right)=J_1+J_2+J_3,\\ MinG\left(x\right)=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{G}_k\left(x\right),\end{array}\right.x=(x_{i,j,t}^{sume},x_{i,j,t}^{gen},x_{i,n,t}^{sume},y_{s,n,t}^{in},y_{s,n,t}^{out},z_{n,t})$

并且满足所有约束条件，其中：

具体地，g_k(·)为不等式约束，h_k(·)为等式约束，k为不等式约束或等式约束的序号；δ为设定的一个较小的正数；

步骤5，采用多目标优化算法对所述步骤4中得到的所述两目标优化问题进行求解，并应用Pareto支配关系和Pareto优超数作为个体排序选择的准则，其中，Pareto优超数的定义为：

设x_i为进化种群pop中一个个体，用D(x_i)表示种群中Pareto优于x_i的个体总数，称为x_i的Pareto优超数，D(x_i)＝#{x_j|x_j∈pop∧x_j x_i}，#表示集合中的元素个数。