[发明专利]一种基于遗传算法的电采暖热负荷需求优化方法及系统

权利要求书

1.一种基于遗传算法的电采暖热负荷需求优化方法，其特征在于，包括以下步骤：

构建电采暖建筑的动态传热模型，确定动态传热优化模型；

基于动态传热优化模型，通过遗传算法对电采暖热负荷模型进行模型参数的训练与寻优，确定电采暖热负荷需求调节的最优方案；

所述通过遗传算法对电采暖热负荷模型进行模型参数的训练与寻优，具体包括：

计算电采暖热负荷的适应度并进行适应度大小的排序，创建初始的热负荷数据种群；

对初始热负荷数据种群中的电采暖热负荷进行选择、交叉和变异操作，在电采暖总的热负荷不变的前提下，结合峰谷电价、罚函数进行参数寻优，实现电采暖热负荷需求的优化调节。

2.如权利要求1中所述的一种基于遗传算法的电采暖热负荷需求优化方法，其特征在于，所述电采暖建筑的动态传热模型的结构取决于所述电采暖建筑的蓄热能力。

3.如权利要求2中所述的一种基于遗传算法的电采暖热负荷需求优化方法，其特征在于，所述电采暖建筑的蓄热能力取决于建筑室内空气和墙体材料，建筑房间内的蓄热量等于房间内的热量减去散热量。

4.如权利要求1中所述的一种基于遗传算法的电采暖热负荷需求优化方法，其特征在于，所述动态传热模型的约束因素包括房间内外温度、电采暖建筑的蓄热能力、房间热容和房间热阻。

5.如权利要求1中所述的一种基于遗传算法的电采暖热负荷需求优化方法，其特征在于，所述对初始热负荷数据种群中的电采暖热负荷进行选择，先确定电采暖热负荷交叉点的位置，再将部分基因进行交换，具体为：

(1)根据交叉率将电采暖采集到的所有热负荷数据中的部分数据两两随机配对，若所有热负荷数据的个数为M，则形成M/2组；

(2)在配对后的每个小组中，随机设置某一基因座之后的位置为交叉点，即若染色体长度为n，则会有n-1个交叉点位置；

(3)对每一对配对的组别，根据设定的交叉概率在其交叉点处交换染色体，从而形成一对新的热负荷数据。

6.如权利要求1中所述的一种基于遗传算法的电采暖热负荷需求优化方法，其特征在于，基于罚函数的思想确定房间内室温的波动值，具体为：基于罚函数的思想，在计算非最优解热负荷数据的适应度时，对适应度的值附加一个惩罚因子，使适应度值不满足被遗传到下一代的要求，以降低个体的适应度；考虑房间内实际的室温需求，通过加入罚函数对遗传算法的结果进行限制，确定房间内室温的波动值。

7.一种基于遗传算法的电采暖热负荷需求优化系统，采用了权利要求1-6任一项所述的基于遗传算法的电采暖热负荷需求优化方法，其特征在于，包括：

动态传热优化模型构建模块，被配置为：构建电采暖建筑的动态传热模型，确定动态传热优化模型；

优化调节模块，被配置为：基于动态传热优化模型，通过遗传算法对电采暖热负荷模型进行参数的训练与寻优，确定电采暖热负荷需求调节的最优方案。

8.如权利要求7中所述的一种基于遗传算法的电采暖热负荷需求优化系统，其特征在于，所述通过遗传算法对电采暖热负荷模型进行参数的训练与寻优，具体包括：

计算电采暖热负荷的适应度并进行适应度大小的排序，创建初始的热负荷数据种群；

对初始热负荷数据种群中的电采暖热负荷进行选择、交叉和变异操作，在电采暖总的热负荷不变的前提下，结合峰谷电价、罚函数进行参数寻优，实现电采暖热负荷需求的优化调节。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的基于遗传算法的电采暖热负荷需求优化方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的基于遗传算法的电采暖热负荷需求优化方法中的步骤。