[发明专利]客户侧多能源系统多目标优化方法和系统

说明书

本发明公开客户侧多能源系统多目标优化方法和系统，获取客户侧多能系统中能源设备的属性信息，获取客户电负荷、冷热负荷及多能系统中可再生能源出力的预测信息；根据获取的属性信息和预测信息构建优化问题的决策变量和约束条件；基于决策变量和约束条件分别构建考虑经济性、节能性和环保性的各单个目标函数；对各单目标函数设定决策者偏好权重后构建决策多目标优化函数，求解获得最终最优解。本发明改进了线性加权和法使其能够真实反映各分量的重要程度；同时该方法考虑经济性、碳排放和节能性三大目标，包含决策者偏好输入模块、源‑网‑荷‑储多能优化模型、线性优化问题处理模块，可以满足不同决策者对优化目标的选择需求。

技术领域

本发明属于客户侧多能源系统技术领域，尤其涉及一种考虑决策者偏好的客户侧多能源系统多目标优化方法。

背景技术

相比于传统单一能源系统，综合能源系统中包含源、网、荷、储等多个环节，覆盖电-气-冷-热等多种能源，其能源耦合性强、运行机制复杂，因此需要开展多能协同优化研究。多能协同优化的重要目的是充分合理地利用各种能源和设备运行能力，降低多能系统的综合运行成本，实现能源的高效利用和清洁利用。因此这是一个多目标优化的研究过程。

目前关于综合能源系统的多目标优化主要侧重以下两个方面。一方面多数研究侧重于采用启发式算法对多目标优化问题进行研究，例如基于多目标的粒子群算法、基于差分进化算法的多目标优化方法、人工蜂群算法在多目标优化中的应用，以及基于组合算法的多目标优化应用。启发式算法对于非线性问题具有较好的求解能力。另一方面也有从Pareto最优解集的角度开展多目标优化的研究，例如利用遗传算法求解近似Pareto最优解集，并根据NSGA-II算法进行快速非被占优解的排序。

总结现有研究现状，启发式算法虽然有求解非线性问题的能力，但是由于随机搜索的自然缺陷，无法摆脱陷入局部最优的困境。因此启发式算法很难投入到实际的在线调度中。而求解多目标Pareto最优解集，缺乏对决策者偏好的考虑，无法直接应用到实际中。因为决策者需要的是一个确定的解而不是解的集合。线性规划算法和线性加权和法可有效解决上述问题。现代线性规划算法本质上起源于上世纪提出的单纯形法，具有求解速度快，结果稳定的特点，其缺点是求解问题必须是线性的。而线性加权和法能够使各分量按照重要程度逼近其最优值，从而给决策者一个特定的解，其缺点是如果多个目标的最优值差别过大，该方法会存在不能准确反映目标影响程度的问题。

发明内容

本发明旨在解决现有技术中存在的上述不足，提供一种考虑决策者偏好的多能源系统多目标优化方法，改进了线性加权和法使其能够真实反映各分量的重要程度，可以满足不同决策者对优化目标的选择需求。

为实现上述技术目的，本发明采用了以下技术方案。

一方面，本发明提供了客户侧多能源系统多目标优化方法，包括：

获取客户侧多能系统中能源设备的属性信息，获取客户电负荷、冷热负荷及多能系统中可再生能源出力的预测信息；

根据获取的属性信息和预测信息构建优化问题的决策变量和约束条件；基于决策变量和约束条件分别构建考虑经济性、节能性和环保性的各单个目标函数，并求解每个单目标函数的最优值；

对各单目标函数的最优值设定决策者偏好权重后构建决策多目标优化函数，求解所述决策多目标优化函数获得最终最优解。

进一步地，构建的约束条件包括设备运行约束和系统平衡约束，所述设备运行约束包括燃气发电机和溴化锂机组运行约束、电网约束、储能电池约束、地源热泵约束、空气源热泵约束和水蓄能罐约束，所述系统平衡约束包括：电平衡约束、冷热平衡约和气平衡约束。

第二方面，本发明提供了客户侧多能源系统多目标优化系统,包括信息获取模块、单目标函数构建和求解模块以及决策多目标优化函数构建和求解模块；