[发明专利]能源互联网多目标优化方法

权利要求书

1.一种能源互联网多目标优化方法，所述能源互联网包括电网单元、气网单元和分布式冷热电系统嵌入式能量互联网单元，其特征在于，所述方法包括：在设定的控制策略下，以能源利用、环境影响及经济性能作为多目标函数，约束条件包括功率平衡约束、发电输出功率限制约束和消耗平衡运行约束，对电网、气网以及分布式冷热电系统嵌入的能源互联网进行建模，并为其最优协调调度建立了众多目标优化模型，采用目标削减方法，该方法使用MGSO-ACL算法来获得帕累托最优前沿并在此基础上逐步获得具有最小数目目标的目标集。

2.根据权利要求1所述的能源互联网多目标优化方法，其特征在于，所述MGSO-ACL算法具体包括：

(1)使用通过逐步学习各代群成员中蕴含的信息得到的自适应协方差矩阵来获取对跟随者行为的进化路径和步长的可靠估计，使用里维飞行作为游荡者的搜索机制；

(2)帕累托支配准则

MGAO-ACL算法采用帕累托支配准则状得包含一组最优非支配解的帕累托最优解集，若满足下式则向量X₁支配向量X₂

且在每一代进化结束时使用该准则在种群中选择帕累托最优解，将这些解储存在外部精英档案中并更新；帕累托最优解对应目标方程的目标值集合则被称为帕累托最优前沿；

(3)斯皮尔曼秩相关系数

斯皮尔曼秩相关系数用希腊字母ρ表示，是一种计算两变量间统计相关性的非参数方法，它可以评估两变量能够使用单调函数描述的程度；如果没有重复的数据值，当一个变量是另一个变量的完全单调函数时它们的斯皮尔曼相关系数是+1或-1；

斯皮尔曼相关定义为排序变量间的皮尔森相关系数；若定义X_ij为解i中目标j的值，则目标a与目标b之间的斯皮尔曼秩相关系数ρ_ab的数学表达式为：

d_i＝K_ia-K_ib (97)

式中，n为解的数目，K_ij为X_ij在解集中以目标j为标准的优劣排序值；相同数值的排序值为升序排列中它们位置的平均值；基于斯皮尔曼秩相关系数矩阵R^N＝{ρ_ab}(1≤a≤N,1≤b≤N)，可以分析N个目标间的关系；di表示解i相对于目标a的优劣排序值与目标b的优劣排序值的差值；

斯皮尔曼相关系数ρ_ab的符号表示目标a与b是否冲突，它的幅值则描述了相关程度；若ρ_ab是一个接近1的正值，则这两个目标高度正相关，即目标a与b之间的关系是和谐的；若ρ_ab接近-1，则目标a与b强冲突；若ρ_ab接近0则表明两目标相互独立；

(4)目标削减方法流程

第一步为优化原始目标集并通过自动相加将和谐目标聚集为一个新的组合目标，得到的目标集仅由相对冲突的目标组成，因此降低了原始问题的维度；该步骤在不破坏原有帕累托最优前沿形状的前提下有助于优化过程，因此将它作为目标削减法的首要步骤来减少目标间的冗余；

在优化过程中，有些目标的目标值在很小范围内变动，使用变异系数来衡量各目标的变化程度，变异系数是一种衡量数据离散程度的标准化措施，它定义为标准差σ与|μ|均值绝对值的比值，即

具有小变异系数，将小于0.1％的目标转为约束；

优化上一步骤中得到的新形式问题并计算新的斯皮尔曼相关系数；在第三步骤中移除与其他目标最为冲突的目标；这一做法为了提升其他目标的进化而牺牲了最冲突目标，因此决策者可以比较移除该目标前后得到的帕累托最优前沿然后决定是否应去掉该目标；此外该步骤可以重复进行直到没有目标可以被移除；

在最后的步骤中计算剩余目标的斯皮尔曼相关系数，并据此将剩余目标分为两组相互冲突的目标群组，接着优化该最终的两目标模型并从二维帕累托最优前沿中决策出合适的调度解。