[发明专利]一种基于量子粒子群算法的泛能站优化方法及装置

说明书

本发明涉及一种基于量子粒子群算法的泛能站优化方法及装置。包括以下步骤：建立能效模型，设置算法参数，初始QPSO粒子位置；构建目标函数，在初始条件下，根据目标函数计算每个粒子的适应度Fitness，根据粒子群优化算法确定并记录粒子的个体最优位置Pbest、群体的全局最优位置gpbest和最优中值位置S(t)；更新粒子速度，基于量子粒子群算法重新计算粒子的适应度，更新个体最优位置Pbest、群体的全局最优位置gpbest和最优中值位置S(t)；判断算法是否满足终止条件，如果满足，输出优化后的能效模型。该方法有效降低了工程应用成本。

技术领域

本发明涉及能源领域，具体涉及一种基于量子粒子群算法的泛能站优化方法装置。

背景技术

在能源危机与环境污染的双重压力下，对综合能源系统的运行和整体性能的优化意义重大，是我国进一步发展区域综合能源系统亟待解决的重要问题。新奥集团根据客户需求进行量身定制，利用电、气、冷、热等不同形式能源在时空上的耦合机制,实现多能互补，这样的高效分布式能源系统，新奥集团称之为泛能站。泛能站凭借其能效高、环境效益好等优势已成为综合能源系统的重要研究方向之一。

泛能站能源最优调度模型以泛能站总利润最大为优化目标，总利润为售能收益减去总成本，系统总成本包括供电、供热以及供气的运行成本、启动成本和停机成本；满足各能源的电、热、天然气功率平衡、供能单元特性等约束条件，是一个混合整数分段非线性规划问题。

粒子群算法(Particle Swarm Optimization，PSO)是J.Kennedy和R.Eberhardt于1995年提出的一种根据群体中粒子之间的相互竞争和相互作用来智能优化搜索的进化算法。PSO算法易于实现、通用性强、可调参数少和具有较强的收敛能力，无需依赖问题的特征信息，适用于复杂模型的优化求解。

现有的能源类工程优化多为混合整数非线性规划(Mixed Integer PieceweiseNonlinear Programming,MIPNLP)问题，其求解方法多为调用CPLEX和Gurobi等成熟的求解器建模优化，但求解器价格昂贵，提高了工程应用成本；且其商业化封装也限制了基于具体问题的算法个性化处理能力和工程产品的推广应用。故研究一种实现简单，适应性强且便于理解的泛能站优化算法尤为必要。

传统粒子群优化(Particle Swarm Optimization，PSO)算法对‘早熟’收敛问题考虑不足，对于含整数变量的问题难以直接处理，缺乏对工程项目实用化方面的改进研究。

针对能源站调度这类混合整数分段非线性规划问题，求解方法通常为调用CPLEX和Gurobi等成熟的求解器建模优化，但求解器价格昂贵，提高了工程应用成本；且其商业化封装也限制了基于具体问题的算法个性化处理能力和工程产品的推广应用。故研究一种实现简单，适应性强且便于理解的泛能站优化算法尤为必要。