毕业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.docx

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 针对包含町再生能源系统和储能系统的热电联供系统配置和规模犬小设计问题，建立最小化 净成木(NPC),负荷不足率(LLP)和CO?排放的综合优化目标，在确定目标瓯数的基础上，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，此算法釆用了量子理 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，対-?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冇效性，研究了三个目标函数间的柑互制约关系，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⑴，自其 从70年代投入商用以来得到了长足的发展。据统讣，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⑵。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⑶。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，因此需耍 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问 进行取舍，针对具体情况选择最优的方案⑷。总体来讲，多目标优化问题较为复杂，需 要大量的汁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 性和环境友好性等叫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，捉出了四种候选方案，可对设计人员的捉供指导。 1多目标优化问题 -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 Z = {Zi = A(x),z2 = (x) ...zk = fk(x)} s.t.： g(x) S 0, i = {1,???s} hj(%) = 0J = {1,... t} 其中x=（切畑?An）为n维的决策矢量,X为n维的决策空间，Z=（zlfz2＞..zk｝为k 维的目标矢量。目标函数Z定义了 k个由决策空间向li标空间的映射函数，＜ 0定 义了 s个不等式约束，hjM = 0定义了 t个等式约束。 定义2：支配关系 设p和q是可行解中的任意两个个体，我们称p支配q,则必须满足下列二个条件： （1） 对所有的子目标，p不比q差。即/；（P）＜/；（q）（Z = t...k）,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p比q好。即眈｛1,??.k｝』（p） V此时称p为非 支配的，g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x为可行域中的 Pareto最优解，当且仅当：没有其他的0支配X。换句话说，如果x是Pareto最优解，那 么不存在其他的解0相较于兀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PFknow. 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li的