毕业论文（设计）基于量子粒子群的分布式热电联供系统多目标优化设计研究.docxVIP

基于量子粒子群的分布式热电联供系统多目标优化设计研究摘 要 针对包含可再生能源系统和储能系统的热电联供系统配置和规模大小设计问题，建立最小化净成本（NPC），负荷不足率(LLP)和排放的综合优化目标，在确定目标函数的基础上，提出用量子粒子群优化算法结合自适应网格优化的方法直接去求Pareto 边界来解决此问题，此算法采用了量子理论中的概率表达特性，潜在的提高了种群的多样性和全局搜索寻优能力，自适应密度计算和修剪剔除拓展了Pareto 边界。运用此算法和构建的优化模型，对一个包含新能源和储能的混合动力系统进行了优化设计。最终的结果证明了该方法的有效性，研究了三个目标函数间的相互制约关系，最后给出了四个系统设计候选方案。关键词 联供系统；多目标优化；量子粒子群；微型燃气轮机0 前言新能源因其资源丰富、无尽和环境友好被认为是取代传统化石能源的关键[1]，自其从70年代投入商用以来得到了长足的发展。据统计，在2015年全球新能源增速首次超过了传统能源，显示了新能源广阔的应用前景和强势崛起[2]。然而，新能源固有的缺点如波动性大、能量密度低等仍然制约着其发展，一般需要搭配备用能源和储能装置运行。热电联供系统因能量的梯级利用，可以实现能量最大程度的利用，在过去的几十年内受到了广泛的重视，在我国节能减排领域做出了重要的贡献[3]。本文研究的混合能源系统将太阳能、风能和基于微型燃气轮机的热电联供系统结合，使微型燃气轮机既作为可再生能源的备用能源，又实现了能量的高效利用。在很多工程领域中，混合能源系统在尺寸设计上存在着相互对立的目标，因此需要进行多目标优化设计，以提供给决策者所有可能的设计方案，帮助其在不同的目标之间进行取舍，针对具体情况选择最优的方案[4]。总体来讲，多目标优化问题较为复杂，需要大量的计算才能获得可靠的结果，因此可靠、高效的优化算法仍然是求解此类问题的关键。技术成熟的联供系统结构都比较类似，困难在于进行尺寸的最优决策，因新能源的波动性，不同地区在选择尺寸需要兼顾变化的能量来源、变化的负荷、经济性、可靠性和环境友好性等[5]。为了同时兼顾这些复杂的需求，多目标优化有着无可替代的作用。在本文中设计了新的基于量子粒子群算法的多目标求解算法，不同于将多目标问题转化成单目标进行求解的传统算法，本文算法对联供系统直接求解Pareto 边界，用于最小化净成本、负荷不足率和排放。该系统应用于以微型燃气轮机作为备用能源的联供系统中，最终通过获得的Pareto 边界，提出了四种候选方案，可对设计人员的提供指导。1 多目标优化问题一个多目标优化问题是为了兼顾多个目标函数，这些函数可能是互相矛盾的。下面是多目标优化的几个定义：定义1：数学表达：Min (1)s.t.： (2) (3)其中 x=)为n维的决策矢量，X为n维的决策空间，Z=}为k维的目标矢量。目标函数Z定义了k个由决策空间向目标空间的映射函数，定义了s个不等式约束，定义了t个等式约束。定义2：支配关系设和是可行解中的任意两个个体，我们称支配，则必须满足下列二个条件：（1）对所有的子目标，不比差。即，其中k为子目标的数量（求极小值）。（2）至少存在一个子目标，使比好。 即, 此时称为非支配的，为被支配的。定义3：Pareto最优解求解多目标优化问题的过程就是寻找Pareto最优解的过程。假设为可行域中的Pareto最优解，当且仅当：没有其他的支配。换句话说，如果是Pareto最优解，那么不存在其他的解相较于在不牺牲其他目标变大的情况下使另一些目标上变小。定义4：Pareto 边界Pareto 最优解集在解空间中往往会形成一条边界线（面）即为Pareto 边界。在本文中，真实的Pareto 边界是未知的，通过最优化算法的目标是获得最接近此边界的解集合。2 系统及问题描述本文研究的系统是一个孤网的混合能源联供系统，该系统包含：太阳能电池板、风力发电机、微型燃气轮机和两个储能装置：铅酸电池和储热水塔。该装置的结构如图1 所示。其中太阳能电池板和风机是主要的供能单元，微型燃气轮机作为备用能源，当电量不足时启动燃机发电。当所需电量小于太阳能和风能的需求时，多余的电量将用于给电池充电，更多的电量将转化成热量存储在储热水塔中。当电量不足时，电池放电。当热量不足时，启动补燃锅炉产生热水。该系统设计的目的是提高其经济性的同时考虑排放因素，通过调整以下决策变量来最优化目标函数（最小化净成本、排放和负荷不足率）： (4)其中是太阳能电池板额定发电量，是风机额定功率，是微型燃气轮机额定发电量，是电池容量，是水塔最大储热量，补燃锅炉的功率按照全年最大热量缺口来设计，这