一種能源系統優化調度方法及裝置與流程
2024-01-29 10:09:15 2
本發明實施例涉及能源系統優化調度技術領域，尤其涉及一種能源系統優化調度方法及裝置。
背景技術：
鋼鐵工業是我國重要的基礎產業，也是製造業中的耗能大戶，佔全國能源消費的15％以上，高能耗問題日益成為制約鋼鐵工業發展的一個重要問題。近年來，我國鋼鐵企業在系統節能技術方面已經取得重要進展，很多企業均完成了企業級能源管理系統的建設，促進了企業節能工作的開展，實現了能源管理的信息化，將能源運行數據的採集、監控、綜合利用等功能實現計算機管理,但還不能實現能源系統的高效優化與調配，能源系統的調度仍然依靠現場生產人員的經驗來完成，很難保證整個系統的經濟運行，導致大量能源浪費。
能源系統的優化調控是鋼鐵企業突破節能降耗進展極限的關鍵技術。目前，國內外學者對鋼鐵能源系統的優化調度問題進行一定的研究並取得了一些研究成果。然而，當前的研究成果主要針對的是參數確定下的能源優化問題，忽略了實際生產過程中的不確定性因素，如生產系統對能源需求的不確定波動、能源價格不確定變動以及系統內部設備故障不確定等等。這些不確定因素的存在，使得確定性模型無法有效地定義鋼鐵企業能源系統優化調度問題，進而可能造成最終優化方案與實際情況不符合，可操作性較差。正確處理鋼鐵企業能源系統實際運行中的不確定性對於實際系統優化方案的可實施性具有決定性的影響。
技術實現要素：
本發明實施例提供一種能源系統優化調度方法及裝置，以實現不確定環境下多能源介質的協同優化調度。
第一方面，本發明實施例提供了一種能源系統優化調度方法，該方法包括：
根據能源系統中的不確定變量及不確定變量的概率分布，構建煤氣發生及汽電需求不確定性的場景集合；
根據所述場景集合建立所述能源系統優化調度的不確定性模型；
求解所述不確定性模型以獲取所述能源系統的優化調度方案。
第二方面，本發明實施例還提供了一種能源系統優化調度裝置，該裝置包括：
場景集合構建模塊，用於根據能源系統中的不確定變量及不確定變量的概率分布，構建煤氣發生及汽電需求不確定性的場景集合；
不確定性模型建立模塊，用於根據所述場景集合建立所述能源系統優化調度的不確定性模型；
優化調度方案求解模塊，用於求解所述不確定性模型以獲取所述能源系統的優化調度方案。
本發明實施例通過根據能源系統中的不確定變量及不確定變量的概率分布，構建煤氣發生及汽電需求不確定性的場景集合；根據場景集合建立能源系統優化調度的不確定性模型；求解不確定性模型以獲取能源系統的優化調度方案，實現了不確定環境下多能源介質的協同優化調度，使得能源系統經濟運行，提高了企業經濟效益。
附圖說明
圖1是本發明實施例一提供的一種能源系統優化調度方法的流程圖；
圖2是本發明實施例二提供的一種能源系統優化調度方法的流程圖；
圖3a是本發明實施例三提供的一種能源系統優化調度方法的流程圖；
圖3b是本發明實施例三提供的基於pareto最優的多目標差分進化算法對兩目標無約束優化問題進行求解的過程示意圖；
圖4是本發明實施例四提供的一種能源系統優化調度裝置的結構示意圖。
具體實施方式
下面結合附圖和實施例對本發明作進一步的詳細說明。可以理解的是，此處所描述的具體實施例僅僅用於解釋本發明，而非對本發明的限定。另外還需要說明的是，為了便於描述，附圖中僅示出了與本發明相關的部分而非全部結構。
在更加詳細地討論示例性實施例之前應當提到的是，一些示例性實施例被描述成作為流程圖描繪的處理或方法。雖然流程圖將各步驟描述成順序的處理，但是其中的許多步驟可以被並行地、並發地或者同時實施。此外，各步驟的順序可以被重新安排。當其操作完成時所述處理可以被終止，但是還可以具有未包括在附圖中的附加步驟。所述處理可以對應於方法、函數、規程、子例程、子程序等等。
實施例一
圖1為本發明實施例提供的能源系統優化調度方法的流程圖，該方法可以由能源系統優化調度裝置執行，其中該裝置可由軟體和/或硬體實現，一般可集成在計算機等智能終端中。如圖1所示，該方法包括：
s110、根據能源系統中的不確定變量及不確定變量的概率分布，構建煤氣發生及汽電需求不確定性的場景集合。
在本實施例中，能源系統中的不確定變量是指能源系統在實際生產過程中的不確定因素，如生產系統對能源需求的不確定波動、能源價格的不確定變動及能源系統內部設備故障不確定等。示例性的，在鋼鐵能源系統中的不確定變量主要包括外購燃料、電力價格的不確定，針對不同季節、產品方案變化引起的能源需求的不確定，生產過程波動引起的不確定的煤氣發生量和能源(蒸汽和電力)需求量的變化。
具體的，分析能源系統運行中的不確定性因素，並確定不確定變量和不確定變量的描述形式。示例性的，針對外購燃料、電力價格的不確定變化按周期做離散化處理，來表達基於時間變化的不確定變量；針對由季節、產品方案變化等引起的能源需求確定性變化做多周期處理，即將整個調度周期劃分為多個周期，每個周期能源需求量不同；將生產過程波動引起的不確定的煤氣發生量和能源(蒸汽和電力)需求量，表達為符合一定概率形式的隨機變量。根據大量歷史數據對煤氣發生量和汽電需求的隨機波動進行概率統計。示例性的，鋼鐵能源系統生產工藝過程引起的煤氣發生量和汽電需求符合正態分布，故將煤氣發生量和汽電需求的不確定性變量表達為符合正態分布的概率函數n(μt,θt)，其中μt為各調度時段煤氣發生量或汽電需求量的標稱值，θt為相應的標準差。
根據能源系統中的不確定變量及不確定變量的概率分布，構建煤氣發生及汽電需求不確定性的場景集合。具體的，將煤氣發生、蒸汽和電力需求在未來t時段的發生情況用隨機向量表示為該隨機向量的一個實現被稱為時段的一個場景，記為g表示煤氣的種類數，r表示蒸汽的種類數，表示第st個場景下種類編號為g的煤氣在t時間段的發生量，表示第st個場景下種類編號為r的蒸汽在t時間段的需求量，表示第st個場景下在t時間段的電力需求量。並為每個場景賦予一定的權值表示其在未來發生的概率，即場景ωst發生的概率為σst。示例性的，根據不確定變量的概率分布，採用monte-carlo方法進行場景採樣獲得初始場景集合。其中，monte-carlo方法隨機抽樣n次，產生n個場景。基於場景縮減及場景樹形成原理，依據縮減前後概率距離最小的原則對生成的初始場景集合進行縮減，並進而轉化為樹形結構,最終得到場景值及每個場景ωst發生的概率。
s120、根據所述場景集合建立所述能源系統優化調度的不確定性模型。
在本實施例中，根據所建立的場景集合，建立能源系統優化調度的不確定性模型。其中，能源系統優化調度的不確定性模型包括一個目標函數和多個約束條件；所述目標函數為使得所述能源系統總運行成本最小的函數，所述約束條件使得所述能源系統正常運行。示例性的，以鋼鐵企業煤氣-蒸汽-電力系統為例，所述目標函數為全周期內整個鋼鐵企業煤氣-蒸汽-電力系統總運行成本最小的函數。其中，目標函數中的變量具體包括外購能源成本(包括外購動力煤、天然氣等燃料費用、鍋爐給水費用)、電能交換費用(電能供給不足時的外購電費以及電能富餘時的外送電收益)；煤氣相關懲罰費用(包括煤氣放散懲罰費用、煤氣櫃位超出正常波動範圍所產生的懲罰費用、煤氣櫃位偏離最佳位置所產生的懲罰費用)，則目標函數可以表達為
其中，
其中，st表示不確定變量的場景集合數目，st表示場景編號，σst表示第st個場景的發生概率，fcst表示第st個場景下的外購能源成本，ecst表示第st個場景下的電能交換成本，gcst表示第st個場景下的煤氣相關懲罰費用，t為一個調度周期內所包含的時段數目，τ表示每個操作時段的長度，i表示能源系統中燃料鍋爐數目，k表示能源系統中熱電聯產設備數目，cng、ccoal、coil和cw分別表示外購天然氣的單位價格，外購動力煤的單位價格，重油的單位價格以及鍋爐給水的單位價格；和分別表示第st個場景下能源設備i在t時段的天然氣消耗量，動力煤消耗量，重油消耗量以及用水量；為煤氣g的放散懲罰係數，表示第st個場景下煤氣g在t時段的放散量；和分別表示g煤氣櫃的櫃位超出正常波動範圍下限和上限的懲罰權重係數，和分別表示第st個場景下g煤氣櫃的櫃位超出正常波動範圍下限和上限的數量；和分別表示g煤氣櫃的櫃位偏離最佳位置下限和上限的懲罰權重係數，和分別表示第st個場景下g煤氣櫃的櫃位偏離最佳位置上限和下限的數量；表示第st個場景下在t時段企業內網與大電網的關口傳輸功率，δt,st表示第st個場景下外網在t時段的供電狀態，表示t時段的外購電價，表示t時段的外送電價。
所述約束條件包括：單元設備性能模型、系統能源平衡約束、設備能力約束、機組負荷變化速率約束、混合煤氣熱值下限約束、生產用戶用能要求等約束條件。下面分別對各個約束條件進行介紹。
1)設備性能模型
多燃料鍋爐模型：
背壓式汽輪機模型：
抽汽式汽輪機模型：
熱電聯產設備模型：
餘熱餘能發電設備模型：
其中，q表示燃料種類編號，q表示燃料種類總數，r表示蒸汽等級編號，r表示蒸汽的種類數，上標in和out分別代表物流進入、流出設備，i，j，k，m分別代表鍋爐、汽輪機、熱電聯產設備、餘熱餘能發電設備的設備編號，f表示燃料消耗量或蒸汽流量，p為發電功率，hv為燃料的低位發熱值，e為回收的蒸汽或餘能中可利用的能量，α，β，γ，μ，λ，ν，φ和為設備模型的回歸係數，st表示場景編號。具體的，表示第st個場景下設備i在t時段的蒸汽消耗量，fi,q,t,st表示第st個場景下鍋爐i在t時段的編號為q的燃料的消耗量，pj,t,st、pk,t,st和pm,t,st分別表示第st個場景下在t時段汽輪機j、熱電聯產設備k和餘熱餘能發電設備m的發電功率，表示第st個場景下在t時段的流入第j臺汽輪機的蒸汽流量，表示第st個場景下在t時段從第j臺汽輪機流出的蒸汽等級編號為r的蒸汽流量，fk,q,t,st表示第st個場景下熱電聯產設備k在t時段的編號為q的燃料的消耗量，fk,r,t,st和fm,r,t,st分別表示第st個場景下熱電聯產設備k和餘熱餘能發電設備m在t時段的蒸汽等級編號為r的蒸汽流量，表示第st個場景下在t時段流入餘熱餘能發電設備m的回收的蒸汽，hq表示編號為q的燃料的低位發熱值，μk,r、λk,r、νk,r和σk,r分別表示蒸汽等級編號為r的熱電聯產設備k模型的回歸係數。αi和βi表示鍋爐i模型的回歸係數，μj和λj表示汽輪機j模型的回歸係數，νj,r表示蒸汽等級編號為r的汽輪機j模型的回歸係數，αk、βk、γk和φk均表示熱電聯產設備k模型的回歸係數，μm和λm均表示餘熱餘能發電設備m模型的回歸係數，νm,r表示蒸汽等級編號為r的餘熱餘能發電設備m模型的回歸係數。需要說明的是，公式中其他類似的字母的含義和此相似，對此不再一一解釋。
2)系統能源平衡約束
電力平衡約束：
蒸汽平衡約束：
煤氣平衡約束：
其中，分別表示第st個場景下在t時段的電力需求量和r等級蒸汽需求量，vg,t,st表示第st個場景下g煤氣櫃在t時段的櫃位，表示第st個場景下在t時段的副產煤氣g發生總量，fu,g,t,st表示第st個場景下生產用戶u在t時段內的副產煤氣g消耗量。
3)設備能力約束
鍋爐能力約束：
汽輪機能力約束：
熱電聯產設備能力約束：
餘熱餘能發電設備能力約束：
其中，上標min和max分別對應變量的下限和上限值。
4)煤氣櫃操作約束
其中，和分別表示g煤氣櫃的櫃位下下限，上上限，下限，上限和中心櫃位。
5)機組負荷變化速率約束
-drj≤pj,t,st-pj,t-1,st≤urj
-drk≤pk,t,st-pk,t-1,st≤urk
-drm≤pm,t,st-pm,t-1,st≤urm
其中，ur和dr為機組在一個時段內能增加的最大負荷和能減小的最大負荷。
6)混合煤氣摻燒熱值約束
式中，表示鍋爐i對混合煤氣的低位發熱值最低下限要求，hvg表示副產煤氣g的熱值。
7)生產用戶能源約束
其中，hvu,t,st表示第st個場景下生產用戶u在t時段所使用的混合煤氣的低位發熱值，表示第st個場景下生產用戶u在t時段的能量需求。
8)關口功率約束
其中，ptie,min和ptie,max分別表示企業內網與外網關口交換功率的下限和上限。
s130、求解所述不確定性模型以獲取所述能源系統的優化調度方案。
在本實施例中，對所述不確定性模型進行求解，得到在滿足多個約束條件下使得目標函數的各個不確定變量的取值，從而獲取能源系統的優化調度方案。
本發明實施例通過根據能源系統中的不確定變量及不確定變量的概率分布，構建煤氣發生及汽電需求不確定性的場景集合；根據場景集合建立能源系統優化調度的不確定性模型；求解不確定性模型以獲取能源系統的優化調度方案，實現了不確定環境下多能源介質的協同優化調度，使得能源系統經濟運行，提高了企業經濟效益。
實施例二
圖2為本發明實施例提供的一種能源系統優化調度方法的流程圖，本實施例在上述實施例的基礎上，增加步驟：建立所述能源系統優化調度的確定性模型，並將根據所述場景集合建立所述能源系統優化調度的不確定性模型優化：根據所述場景集合，基於隨機規劃理論，將所述確定性模型轉化為所述能源系統優化調度的不確定性模型。
如圖2所示，本實施例的方法包括如下步驟：
s210、根據能源系統中的不確定變量及不確定變量的概率分布，構建煤氣發生及汽電需求不確定性的場景集合。
s220、建立所述能源系統優化調度的確定性模型。
在本實施例中，能源系統優化調度的確定性模型是不考慮在能源系統運行過程中的不確定因素，所述確定性模型包括目標函數和約束條件。
所述目標函數為：以全周期內整個鋼鐵企業煤氣-蒸汽-電力系統總運行費用最小為目標函數，具體包括外購能源成本fc(包括外購動力煤、天然氣等燃料費用、鍋爐給水費用)、電能交換費用ec(電能供給不足時的外購電費以及電能富餘時的外送電收益)；煤氣相關懲罰費用gc(包括煤氣放散懲罰費用、煤氣櫃位超出正常波動範圍所產生的懲罰費用、煤氣櫃位偏離最佳位置所產生的懲罰費用)。目標函數表達式如下：mintc＝ec+fc+gc，其中
在上述各式中，t為一個調度周期內所包含的時段數目，τ表示每個操作時段的長度，i表示能源系統中燃料鍋爐數目，k表示能源系統中熱電聯產設備數目，cng、ccoal、coil和cw分別表示外購天然氣的單位價格，外購動力煤的單位價格，重油的單位價格以及鍋爐給水的單位價格；和分別表示設備i在t時段的天然氣消耗量，動力煤消耗量，重油消耗量以及用水量；為煤氣g的放散懲罰係數，煤氣g在t時段的放散量；和為g煤氣櫃的櫃位超出正常波動範圍上限和下限的懲罰權重係數，和分別表示g煤氣櫃的櫃位超出正常波動範圍上限和下限的數量；和分別表示g煤氣櫃的櫃位偏離最佳位置上限和下限的懲罰權重係數，和分別表示g煤氣櫃的櫃位偏離最佳位置上限和下限的數量；表示在t時段企業內網與大電網的關口傳輸功率，δt表示外網在t時段的供電狀態，δt為0,1量表徵有無外供電，為t時段的外購電價，為t時段的外送電價。
所述約束條件包括：單元設備性能模型、系統能源平衡約束、設備能力約束、機組負荷變化速率約束、混合煤氣熱值限制、生產用戶用能要求等約束條件。
1)單元設備性能模型
第i臺多燃料混燒鍋爐：
第j臺汽輪機(背壓式汽輪機或抽汽式汽輪機)：
背壓式汽輪機模型：
抽汽式汽輪機模型：
第k臺熱電聯產設備(摻燒煤氣燃煤鍋爐-蒸汽輪機發電機組或燃氣-蒸汽聯合循環發電機組)：
第m臺餘熱餘能發電設備(如幹熄焦發電、燒結餘熱發電、高爐爐頂餘壓發電)：
式中，q表示燃料種類編號，r表示蒸汽等級編號，上標in和out分別代表物流進入、流出設備，f表示燃料消耗量或蒸汽流量，p為發電功率，hv為燃料的低位發熱值，e為回收的蒸汽或餘能中可利用的能量，α，β，γ，μ，λ，ν，φ和為設備模型的回歸係數。
2)系統能源平衡約束
電力平衡約束：
蒸汽平衡約束：
煤氣平衡約束：
其中，分別表示在t時段的電力需求量和r等級蒸汽需求量，vg,tg煤氣櫃在t時段的櫃位，為在t時段的副產煤氣g發生總量，fu,g,t為生產用戶u在t時段內的副產煤氣g消耗量。
3)設備能力約束
鍋爐能力約束：
汽輪機能力約束：
熱電聯產設備能力約束：
餘熱餘能發電設備能力約束：
4)煤氣櫃操作約束
式中，和分別表示g煤氣櫃的櫃位下下限，上上限，下限和上限。
5)機組負荷變化速率約束
-drj≤pj,t-pj,t-1≤urj
-drk≤pk,t-pk,t-1≤urk
-drm≤pm,t-pm,t-1≤urm
式中，ur和dr為機組在一個時段內能增加的最大負荷和能減小的最大負荷。
6)混合煤氣摻燒熱值約束
式中，表示鍋爐i對混合煤氣的低位發熱值最低下限要求。7)生產用戶用能要求
式中，hvu,t表示生產用戶u在t時段所使用的混合煤氣的低位發熱值，為生產用戶u在t時段的能量需求。
8)關口交換功率約束
其中，ptie,min和ptie,max分別表示企業內網與外網關口交換功率的下限和上限。
需要說明的是，本實施例對s210與s220執行的先後順序不做限定，可以先執行s210，再執行s220，也可以先執行s220，再執行s210。
s230、根據所述場景集合，基於隨機規劃理論，將所述確定性模型轉化為所述能源系統優化調度的不確定性模型。
在本實施例中，根據所建立的場景集合，基於隨機規劃理論，將所建的確定性模型轉化為對應的隨機優化模型，即在煤氣發生和汽電需求不確定性的目標函數和約束條件下，得到能源系統優化調度的不確定性模型。
s240、求解所述不確定性模型以獲取所述能源系統的優化調度方案。
本發明實施例通過根據能源系統中的不確定變量及不確定變量的概率分布，構建煤氣發生及汽電需求不確定性的場景集合；建立能源系統優化調度的確定性模型，並根據場景集合，基於隨機規劃理論，將確定性模型轉化為能源系統優化調度的不確定性模型；求解不確定性模型以獲取能源系統的優化調度方案，實現了不確定環境下多能源介質的協同優化調度，使得能源系統經濟運行，提高了企業經濟效益。
實施例三
圖3a為本發明實施例提供的一種能源系統優化調度方法的流程圖，本實施例在上述實施例的基礎上，增加步驟：獲取能源系統數據，其中所述能源系統數據包括能源系統網絡拓撲結構、煤氣、蒸汽和電力子系統中的各單元設備的特性數據、各種能源介質的供需預測數據、生產檢修計劃及用戶確定的調度參數，並將求解所述不確定性模型以獲取所述能源系統的優化調度方案優化為：將不確定性模型中的單目標多約束優化問題轉化成兩目標無約束優化問題；採用基於pareto最優的多目標差分進化算法對所述兩目標無約束優化問題進行求解；輸出所述能源系統的優化調度方案。
如圖3a所示，本實施例的方法包括如下步驟：
s310、根據能源系統中的不確定變量及不確定變量的概率分布，構建煤氣發生及汽電需求不確定性的場景集合。
s320、獲取能源系統數據。
從dcs(distributedcontrolsystem，分布式控制系統)、ems(energymanagementsystem，能源管理系統)等系統資料庫伺服器中獲取建立鋼鐵企業能源系統中各單元設備性能模型所需的初始數據，包括鍋爐的動力煤耗量、煤氣消耗量和產汽量，汽輪機的進汽量、發電量和抽汽量，熱電聯產設備的燃料消耗量、發電量和抽汽量，餘熱發電設備進汽量(或回收熱能)、發電量和抽汽量的歷史數據；副產煤氣熱值，各等級蒸汽溫度和壓力，以及外購燃料的熱值和價格。對上述初始數據進行預處理(預處理方法包括但不限於局外點檢測算法、線性平滑算法或標準化算法)，結合設備設計工況圖和熱力試驗數據，繪製各設備不同工況運行特性曲線(能耗特性曲線或汽耗特性曲線)。根據所繪製的特性曲線的特點，採用數據多參數非線性擬合處理技術，構建各單元設備的性能模型，其中各單元設備的性能模型與實施例二提供的各單元設備的性能模型相同，在此不再贅述。
s330、根據所述能源系統數據建立所述能源系統優化調度的確定性模型。
s340、根據所述場景集合，基於隨機規劃理論，將所述確定性模型轉化為所述能源系統優化調度的不確定性模型。
s350、將不確定性模型中的單目標多約束優化問題轉化成兩目標無約束優化問題。
具體的，根據公式將轉化為具有兩個優化目標的問題；
其中，
gi(g)表示不等式約束，hi(g)表示等式約束，i表示不等式約束或等式約束的序號，ξ表示等式約束條件的容許誤差，ε表示控制參數，d表示的整個搜索空間，q表示不等式約束的個數，m表示不等式約束和等式約束的總的個數。
s360、採用基於pareto最優的多目標差分進化算法對所述兩目標無約束優化問題進行求解。
在本實施例中，採用基於pareto最優的多目標差分進化算法對兩目標無約束優化問題進行求解。具體的，參見圖3b，基於pareto最優的多目標差分進化算法對兩目標無約束優化問題進行求解包括如下步驟：
s361、設置差分進化算法的控制參數。
具體的，獲取煤氣-蒸汽-電力多能源集成系統中各單元設備的特性參數，其中，包括負荷最大值、負荷最小值、最大升負荷速度、最大降負荷速度、燃料消耗範圍、煤氣摻燒比例上限、進汽範圍、抽汽範圍及裝置初始運行狀態等數據；獲取整個優化調度周期所包含的時段數；獲取用戶輸入能源優化調度有關數據，包括未來一個調度周期內各生產用戶能源需求量預測曲線、煤氣發生量預測曲線、生產和檢修計劃、設備啟停狀態、可用狀態等數據。基於所獲取的數據，設置差分進化算法的控制參數，包括變異參數，交叉參數及最大進化代數。
s362、初始化種群。
在表示的整個搜索空間d中，隨機生成np個個體，組成初始種群設定優化模型參數初值ε(0)＝1，並令進化代數編號t＝0。
s363、計算各個個體的目標函數值。
s364、進行差分變異操作和交叉操作，以生成新個體。
對種群p(t)種的每個個體按照下式依次進行變異操作和交叉操作，分別得到新變異個體和後代個體所有後代個體組成後代集
變異操作：
交叉操作：
其中，r1,r2,r3∈{1,2,k,np}隨機選擇，且r1≠r2≠r3≠i，mu為變異參數；j表示決策向量的維度編號，jrand是區間[1,d]中隨機選擇的整數，randj(0,1)與j有關的0到1之間均勻分布的隨機數，cr為交叉參數。
s365、將進化群體p(t)和後代群體q(t)合併生成混合群體。
具體的，對進化群體p(t)和後代群體q(t)進行合併生成混合群體,即h(t)＝p(t)∪q(t)。
s366、進行選擇操作。
採用pareto支配關係的排序方法選擇進入下一代的個體用pareto支配關係對h(t)進行非支配分層，逐層選擇其中的非支配個體進入下一代種群p(t+1)，直至達到其規模。首先找到h(t)的所有非支配解，將其存入p(t+1)，並從h(t)中刪除；若p(t+1)沒有達到預定規模，則再找出h(t)中的非支配解，將其存入p(t+1)，重複上述過程直至達到p(t+1)的預定規模。若某一次將h(t)的非支配解加入p(t+1)時超過預定規模，則將這些個體按照約束違反值由小到大排序，選擇需要數目的前若干個體進入p(t+1)。
s367、更新控制參數。
具體的，令ε(t+1)＝ρε(t)，其中ρ是比例因子，通過調節ρ控制對約束偏好程度的擴大比例。
s368、判斷是否滿足終止條件，若是，則執行s369，否則返回執行s363。
s369、輸出最優調度方案。
s370、輸出所述能源系統的優化調度方案。
在本實施例中，根據上述方法生成鋼鐵能源系統中各生產用戶和各能源單元設備的聯合優化調度方案及目標函數的最優綜合指標。
本發明實施例提供的技術方案，綜合考慮鋼鐵企業煤氣、蒸汽、電力等主要能源介質生產和使用特點以及不同能源介質之間的的複雜耦合關係，以能源系統運行總費用最小為目標函數，以物料平衡、能量平衡、燃料條件、工藝約束、設備能力限制等為約束條件，引入燃料、電力價格不確定和能源需求不確定性因素，結合多周期離散化處理和隨機規劃兩種不同不確定性處理方法，構建不確定環境下多能源介質集成優化的模型，並採用基於多目標約束處理方法與智能算法相結合的優化求解策略，獲得了煤氣、蒸汽和電力在能源發生、轉換和使用全過程各環節上的優化分配方案，有效解決了鋼鐵企業多能源介質集成優化調度問題，實現了能源系統經濟運行，提高了企業經濟效益。
實施例四
圖4為本發明實施例提供的一種能源系統優化調度裝置的結構框圖，該裝置可由軟體和/或硬體實現，一般集成在智能終端中，可通過執行能源系統優化調度方法來獲取不確定環境下能源系統的優化調度方案。如圖4所示，該裝置包括：場景集合構建模塊410、不確定性模型建立模塊420及優化調度方案求解模塊430。
其中，場景集合構建模塊410，用於根據能源系統中的不確定變量及不確定變量的概率分布，構建煤氣發生及汽電需求不確定性的場景集合；不確定性模型建立模塊420，用於根據所述場景集合建立所述能源系統優化調度的不確定性模型；優化調度方案求解模塊430，用於求解所述不確定性模型以獲取所述能源系統的優化調度方案。
進一步的，還包括：
確定性模型建立模塊，用於在所述根據所述場景集合建立所述能源系統優化調度的不確定性模型之前，建立所述能源系統優化調度的確定性模型；
所述不確定性模型建立模塊420，用於：
根據所述場景集合，基於隨機規劃理論，將所述確定性模型轉化為所述能源系統優化調度的不確定性模型。
進一步的，還包括：
能源系統數據獲取模塊，用於在所述建立所述能源系統優化調度的確定性模型之前，獲取能源系統數據，其中所述能源系統數據包括能源系統網絡拓撲結構、煤氣、蒸汽和電力子系統中的各單元設備的特性數據、各種能源介質的供需預測數據、生產檢修計劃及用戶確定的調度參數；
所述確定性模型建立模塊，用於：
根據所述能源系統數據建立所述能源系統優化調度的確定性模型。
其中，所述能源系統優化調度的不確定性模型包括一個目標函數和多個約束條件；
所述目標函數為使得所述能源系統總運行成本最小的函數，所述約束條件使得所述能源系統正常運行；
所述優化調度方案求解模塊430，包括：
優化問題轉化單元，用於將不確定性模型中的單目標多約束優化問題轉化成兩目標無約束優化問題；
優化問題求解單元，用於採用基於pareto最優的多目標差分進化算法對所述兩目標無約束優化問題進行求解；
優化調度方案輸出單元，用於輸出所述能源系統的優化調度方案。
其中，所述目標函數為
其中，g表示煤氣的種類數，r表示蒸汽的種類數，表示第st個場景下種類編號為g的煤氣在t時間段的發生量，表示第st個場景下種類編號為r的蒸汽在t時間段的需求量，表示第st個場景下在t時間段的電力需求量，st表示不確定變量的場景集合數目，st表示場景編號，σst表示第st個場景的發生概率，fcst表示第st個場景下的燃料成本，ecst表示第st個場景下的電能交換成本，gcst表示第st個場景下的煤氣懲罰費用；
所述優化問題轉化單元用於：
根據公式將轉化為具有兩個優化目標的問題；
其中，
gi(g)表示不等式約束，hi(g)表示等式約束，i表示不等式約束或等式約束的序號，ξ表示等式約束條件的容許誤差，ε表示控制參數，d表示的整個搜索空間，q表示不等式約束的個數，m表示不等式約束和等式約束的總的個數。
本實施例提供的能源系統優化調度裝置，通過根據能源系統中的不確定變量及不確定變量的概率分布，構建煤氣發生及汽電需求不確定性的場景集合；根據場景集合建立能源系統優化調度的不確定性模型；求解不確定性模型以獲取能源系統的優化調度方案，實現了不確定環境下多能源介質的協同優化調度，使得能源系統經濟運行，提高了企業經濟效益。
上述實施例中提供的能源系統優化調度裝置可執行本發明任意實施例所提供的能源系統優化調度方法，具備執行該方法相應的功能模塊和有益效果。未在上述實施例中詳盡描述的技術細節，可參見本發明任意實施例所提供的能源系統優化調度方法。
注意，上述僅為本發明的較佳實施例及所運用技術原理。本領域技術人員會理解，本發明不限於這裡所述的特定實施例，對本領域技術人員來說能夠進行各種明顯的變化、重新調整和替代而不會脫離本發明的保護範圍。因此，雖然通過以上實施例對本發明進行了較為詳細的說明，但是本發明不僅僅限於以上實施例，在不脫離本發明構思的情況下，還可以包括更多其他等效實施例，而本發明的範圍由所附的權利要求範圍決定。