CN103455850A - 分布式冷热电联供系统并网运行在线优化方法 - Google Patents

Abstract

本发明公开了一种分布式冷热电联供系统并网运行在线优化方法，包括以下步骤：建立运行策略库；根据运行策略建立系统运行约束模型和滚动优化目标模型；对得到的模型进行线性矩阵化的优化处理；建立包括传统优化算法、智能算法和混合算法的优化算法库对优化处理后的模型进行最优求解；本发明在基本运行策略库和优化算法库的支撑下，考虑了不同运行策略下系统运行约束模型的共性和差异，并将不同的运行策略采用同一线性矩阵形式来描述和优化，不仅提高了系统约束模型的重用性和扩展性，而且有利于分布式冷热电联供系统在各指定策略下的在线优化和控制实现，并为多种运行策略之间的在线优选和切换提供了可能。

Description

分布式冷热电联供系统并网运行在线优化方法

技术领域

本发明涉及分布式能源系统经济运行和节能减排技术领域，具体涉及一种分布式冷热电联供系统并网运行的优化方法。

背景技术

分布式冷热电联供系统的运行优化问题是分布式能源系统经济运行和节能减排技术领域的热点问题。分布式冷热电联供系统设备类型众多，影响该系统运行的因素也很多，除了系统自身运行特性和外界参数（如环境、负荷需求、购售电价等）外，还包括各类人为设定的操作约束（如运行负荷限制）和逻辑法则（如以热定电、以电定热等），再加上分布式冷热电联供繁多的运行策略，给系统的运行特性建模和在线优化造成了较大的困难。尤其是在线优化时，往往还要求模型具有易于求解和便于控制设计的特性，这对系统的建模和优化过程提出了更高的要求。

现有的分布式冷热电联供系统在线优化技术主要存在如下两个问题，一是没有考虑不同运行策略对应的模型之间的共性和差异，造成重复建模，模型形式不统一等现象，不利于各运行策略的在线设计以及优选功能的实现；二是建模过程中对模型需具有的易于求解和便于控制设计的特性不够重视，而且优化求解时往往忽略优化算法和模型特性之间的匹配性，造成在线优化速度和最优解质量不尽如人意，实际应用效果有限。

发明内容

发明目的：本发明的目的在于为了克服现有技术的不足，提供一种分布式冷热电联供系统并网运行在线优化方法，使得系统在各指定策略下的在线优化和控制更易于实现，并为多种运行策略之间的在线优选和切换提供可能。

技术方案：本发明所述的一种分布式冷热电联供系统并网运行在线优化方法，包括以下步骤：

（1）建立由负荷主次策略和指标最优策略组合得到的运行策略库，基本的运行策略包括但不限于负荷主次策略和指标最优策略相互组合得到的所有策略：

负荷主次策略包括以热（冷）定电、以电定热（冷）和热（冷）电平三种运行策略；

指标最优策略包括经济指标最优、能效指标最优、环保指标最优以及此三种指标组合得到的多目标最优策略。

（2）根据运行策略建立系统运行约束模型；

（3）根据运行策略建立滚动优化目标模型；

（4）对模型进行线性矩阵化的优化处理将模型从混合整数非线性模型转化为混合整数线性矩阵模型，步骤（2）（3）建立的模型多为混合整数非线性方程组形式，为了便于在线实现和进行优化求解，将优化模型进行线性化处理并写成矩阵形式。

（5）建立包括传统优化算法、智能算法和混合算法的优化算法库对优化处理后的模型进行最优求解，针对含约束的混合整数优化问题建立优化算法库，根据优化求解精度和速度的要求选择适合的算法对优化模型进行求解。

进一步，所述系统运行约束模型为基于命题逻辑演算得到的混合整数等式和不等式约束方程组，用以描述包含系统自身运行规律、操作约束及逻辑规则在内的连续和离散混合特性：

操作约束包括但不限于各设备的最大/最小运行负荷限制、负荷变化速率限制、购售电限制和冷热电联供单元的热（冷）电比限制；

逻辑法则包含但不限于各设备之间的启停关系逻辑、供应热（冷）电负荷的主次逻辑、主辅单元之间的顺序逻辑；

各运行策略运行约束模型的差异主要体现在部分操作约束及逻辑规则上，与系统自身运行规律无关，因此，描述系统自身运行规律的方程组具有通用性，描述操作约束和逻辑规则的方程组根据各运行策略需求分别建立，并与描述系统自身运行规律的方程组联立后形成各运行策略下的系统运行约束模型。

进一步，滚动优化目标模型根据各运行策略的最优指标需求和预测时间长度来确定，其基本形式为

式中t表示时间，k表示第k个时段，M表示预测时段长度，J^k为第k时段的指标。

进一步，前述步骤（2）（3）建立的模型多为混合整数非线性方程组形式，为了便于在线实现和进行优化求解，将优化模型进行线性化处理并写成矩阵形式，包括以下步骤：

a、将约束模型中的各等式约束方程代入不等式约束方程和指标方程中，消去相关变量，使得模型仅含不等式约束方程和指标方程；

b、最小值和绝对值项采用 $\left\{\begin{array}{c}{\mathrm{\η}}_1=\min (x_1,x_2)\\ {\mathrm{\η}}_2=|x_1-x_2|\end{array}\right.$ 代入，消去各非线性项，同时补充相应的约束方程 $\left\{\begin{array}{c}{\mathrm{\η}}_1\≤x_1\\ {\mathrm{\η}}_1\≤x_2\\ -{\mathrm{\η}}_2-x_1\≤-x_1\\ -{\mathrm{\η}}_2+x_2\≤x_2\end{array}\right.$ 以保证最优化解不变，此处x为相应的变量；

c、将各常系数和变量写成矩阵形式。

进一步，针对含约束的混合整数优化问题建立优化算法库，步骤（5）中所述传统优化算法包括分支定界法、二次序列规划法等，智能算法包括遗传算法、粒子群算法，混合算法包括GASA算法（遗传算法和模拟退火的结合）等，根据优化求解精度和速度的要求选择适合的算法对优化模型进行求解。

有益效果：本发明在基本运行策略库和优化算法库的支撑下，考虑了不同运行策略下系统运行约束模型的共性和差异，并将不同的运行策略采用同一线性矩阵形式来描述和优化，不仅提高了系统约束模型的重用性和扩展性，而且有利于分布式冷热电联供系统在各指定策略下的在线优化和控制实现，并为多种运行策略之间的在线优选和切换提供了可能。

附图说明

图1为分布式冷热电联供系统并网运行结构示意图；

图2为热（冷）电联产单元的输入输出结构示意图。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

实施例：本实施例中涉及的命题逻辑运算符号含义如下：“∧（与）”、“∨（或）”、“～（非）”、“→（如果，则）”、“（当且仅当）”。

如图1所示为并网运行模式下的分布式冷热电联供系统（DCHP）结构示意图，燃料能F_gen通过原动机（如微型燃气轮机、内燃机、燃料电池等）转换成电能E_gen和余热能Q_exh，E_gen直接供给电用户，不足电能E_buy从电网购买，多余电能E_sel则电网销售，以满足电用户的电负荷需求E_d；Q_exh与补充的燃料能F_aux一起通过下游的余热利用设备产生热（冷）能H_gen供应给热（冷）用户，当热（冷）用户需求H_d大于H_gen时，通过热（冷）辅助设备将燃料能F_sup（或电能E_sup）转换得到的热（冷）能H_sup来供应。

步骤1：建立基本的运行策略库

基本的运行策略包括但不限于负荷主次策略和指标最优策略相互组合得到的所有策略。

拟定负荷主次策略如下：

以热（冷）定电策略：联供机组根据热（冷）负荷需求来运行，热（冷）负荷需求高于联供系统能力时启用热（冷）辅助设备，电负荷采取购售策略来实现供需平衡；

以电定热（冷）策略：联供机组根据电负荷需求运行，当电负荷需求超出联供机组能力时，采用购电策略；当联供机组的热（冷）负荷供应不足时，通过热（冷）辅助设备提供的负荷来保证热（冷）负荷供需平衡；当联供系统的热（冷）负荷供应过量时，通过旁排系统排放过量余热来保证热（冷）负荷供需平衡；

热（冷）电平等策略：对系统是否采取联供方式不作限制，原动机和余热利用设备可根据各自负荷需求选择独立或联合运行。

拟定指标最优策略如下：

经济指标最优：以运行经济性指标最优为目标，运行经济性指标可选为最小运行成本、最大运行收益等指标；

能效指标最优（Eng-Led）：以运行能效指标最优为目标，运行能效指标可选为一次能源消耗量最少、一次能源利用率最高等指标；

环境指标最优（Env-Led）：以运行污染物排放指标最优为目标，运行污染物排放指标可选为CO2排放量最少、温室气体排放最少等指标；

综合指标最优（Mul-Led）：由经济指标、能效指标和环境指标中任意两个或三个组合后的指标最优为目标，综合指标最优通过权重系数方式转化为单一目标或事后决策方式来实现。

负荷主次策略主要影响系统运行约束模型，指标最优策略主要影响优化目标模型，两大类策略之间的组合后得到的基本运行策略均对应唯一的优化模型，其最优化结果可以体现两类策略的综合影响。

步骤2：建立各运行策略下的系统运行约束模型

系统运行约束模型包括两大部分，一是各策略通用的描述系统自身运行规律的特性模型以及部分描述操作约束和逻辑关系法则的模型，这一部分模型又可具体分为热（冷）电联产单元特性模型、热（冷）辅助单元特性模型、购售电单元特性模型、供需平衡单元特性模型和基本运行约束及逻辑模型等；二是与各策略密切相关的操作约束和逻辑关系法则的模型，分别构建如下：

热（冷）电联产单元特性建模：如图2所示为热（冷）电联产单元的输入输出结构图，其中，y₁₁和y₂₁分别表示原动机和余热利用设备的输出功率（kW），y₁₂和y₂₂分别表示原动机和余热利用设备的燃料消耗量（kW），u₁和u₂分别表示原动机负荷率（%）和余热利用设备负荷率（%），u_s1和u_s2分别表示原动机和余热利用设备的启停逻辑量。用f(x)表示线性或分段线性函数，建立热（冷）电联产单元的特性模型如下：

$\left\{\begin{array}{c}{y}_{11}\left(t\right)=f_{11}(u_1\left(t\right),u_{s1}\left(t\right))\\ y_{12}\left(t\right)=f_{12}(u_1\left(t\right),u_{s1}\left(t\right))\\ y_{21}\left(t\right)=f_{21}(u_1\left(t\right),u_2\left(t\right),u_{s2}\left(t\right))\\ y_{22}\left(t\right)=f_{22}(u_1\left(t\right),u_2\left(t\right),u_{s2}\left(t\right))\end{array}\right.$

式中，t表示时间（s）。当存在多个热（冷）电联产单元时，按照上述方法依次建立各热（冷）电联产单元的特性模型；

热（冷）辅助单元特性建模：对于热（冷）辅助单元，用

u_sup、y_sup和y_Fsup分别表示其额定负荷（kW）、当前负荷率（100%）、当前负荷（kW）和当前燃料消耗量（kW），用η_sup表示当前热效率（对于制冷而言相当于1/COP），建立热（冷）辅助设备的运行特性模型为：

$\left\{\begin{array}{c}{y}_{\sup }\left(t\right)=u_{\sup }\left(t\right){\stackrel{\‾}{P}}_{\sup }\\ y_{\mathrm{Fsup}}\left(t\right)=u_{\sup }\left(t\right){\stackrel{\‾}{P}}_{\sup }/{\mathrm{\η}}_{\sup }\end{array}\right.$

购售电单元特性建模：设系统购售电逻辑量分别为u_sbuy和u_ssel，当u_sbuy等于1（或0）时，表示当前系统处于购电（或非购电）状态，当u_ssel等于1（或0）时，表示当前系统处于售电（或非售电）状态。一般情况下，购电成本要高于卖电收入，因此系统不会在同一时间既买电又卖电，因此购售电用同一个变量y_bsE来表示，y_bsE＞0表示购电，y_bsE＜0表示售电。则有：

$\left\{\begin{array}{c}[u_{\mathrm{sbuy}}=1]\&RightArrow;[y_{\mathrm{bsE}}>0]\\ [u_{\mathrm{ssel}}=1]\&RightArrow;[y_{\mathrm{bsE}}<0]\end{array}\right.$

供需平衡单元特性建模：分布式热（冷）电联供系统并网运行模式下，需要与热（冷）辅助设备及购售电一起满足各负荷的供需平衡，设电负荷和热（冷）需求分别为y_dE和y_dH则有

$\left\{\begin{array}{c}{y}_{\mathrm{dE}}=y_{11}+y_{\mathrm{bsE}}\\ y_{\mathrm{dH}}=y_{21}+y_{\sup }\end{array}\right.$

基本运行约束及逻辑建模：基本运行约束及逻辑模型主要是各运行策略均需遵循的，如基于安全运行考虑的各设备的最大/最小运行负荷限制、负荷变化速率限制等，以原动机的最大/最小运行负荷限制为例：

式中，和

分别为原动机的上下限，

为原动机的额定负荷。

策略相关的运行约束及逻辑建模：策略相关的运行约束及逻辑模型包括各设备之间的启停关系逻辑、供应热（冷）电负荷的主次逻辑、主辅单元之间的顺序逻辑等，这些逻辑通常与各运行策略需求密切相关，下面以以热（冷）定电和以电定热（冷）两种策略为例进行说明：

（i）以热（冷）定电策略

当采用以热（冷）定电策略时，联供机组根据热（冷）负荷需求来运行，热（冷）负荷需求高于联供机组能力时再启用热（冷）辅助设备，这意味着原动机运行的前提是存在热（冷）负荷需求并且余热利用设备处于可运行状态，即原动机和余热利用设备存在如下逻辑关系：u_s1→u_s2；热（冷）辅助设备运行的前提是联供机组处于停运状态或者余热利用设备处于满负荷运行状态时，引入辅助逻辑变量δ_hrsg，当δ_hrsg＝1时，表示余热利用设备在满负荷运行状态，δ_hrsg＝0时为非满负荷运行状态，则热（冷）辅助设备（设其启停逻辑变量为u_ssup）与联供设备和余热利用设备（设其负荷率上限为

）存在如下逻辑关系：

和

（ii）以电定热（冷）策略

当采用以电定热（冷）策略时，联供机组根据电负荷需求运行，这意味着余热利用设备运行的前提是原动机处于可运行状态，即原动机和余热利用设备存在如下逻辑关系：u_s2→u_s1。热（冷）辅助设备的运行与余热设备是否处于满负荷状态无必然联系，但是，当原动机处于运行状态时，热（冷）辅助设备的启动意味着余热利用设备已处于运行状态（虽然不能判定是否处于满负荷），因此，在此策略下，热（冷）辅助设备与联供机组存在如下逻辑关系：

步骤3：建立各运行策略下的滚动优化目标模型

优化目标模型主要受指标最优策略的影响，包括经济指标最优、能效指标最优、环境指标最优以及三种指标组合得到的综合指标最优策略，其中每一类指标又可细分成多种，如经济指标可选为最小运行成本、最大运行收益等指标，能效指标可选为一次能源消耗量最少、一次能源利用率最高等，环境指标可选为CO₂排放量最少、温室气体排放最少等指标。下面分别以最大运行受益指标、最小一次能耗指标和最小CO₂排放指标来代表经济指标最优、能效指标最优和环境指标最优策略的优化目标需求，示范如何建立相应的滚动优化目标模型：

（i）最大运行收益指标

最大运行收益为目标时，系统的运行收入主要来自于售电收入和本地供应负荷所产生的效益，在供需平衡的强制约束下，各策略下除售电量可能不同外，本地供应负荷是严格相同的，因此，在各策略比较时此部分收入可忽略不计。影响系统运行成本的因素很多，这里主要考虑燃料费用、固定费用（修理维护、材料等）、设备启停费用以及购电费用。设采样时间间隔为Δt，k表示第k个采样点所在的时间段，第k个采样时间段的运行收益指标可表示如下（为便于优化常改写成最小负收益形式）：

$\begin{array}{c}{J}_{\mathrm{eco}}^k=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}(p_{f,i}^k{y}_{i2}^k+p_{m,i}^k{u}_{\mathrm{si}}^k+p_{s,i}^k|u_{\mathrm{si}}^k-u_{\mathrm{si}}^{k-1}\left|\right)+p_{f,\sup }^k{y}_{\mathrm{Fsup}}^k+p_{m,\sup }^k{u}_{\mathrm{ssup}}^k+p_{s,\sup }^k|u_{\mathrm{ssup}}^k-u_{\mathrm{ssup}}^{k-1}|\\ -p_{\mathrm{buy}}^k\min (-y_{\mathrm{bsE}}^k,0)-p_{\mathrm{sel}}^k\min (y_{\mathrm{bsE}}^k,0)\end{array}$

式中，p_f、p_m、p_s、p_buy和p_sel分别为燃料费用、固定费用、设备启停费用、购电费用和售电收入的系数，均为正值；下标i表示热（冷）电联产单元的第i台设备，k表示采样时刻，如当i＝1时，表示第一台设备（即本例中的原动机）在k个采样时刻的燃料消耗量，

表示第一台设备的燃料费用系数等，N为组成冷热电联供机组的设备台数； 下标sup表示热（冷）辅助设备，如

表示热（冷）辅助设备在k个采样时刻的启停费用。

（ii）最小一次能耗指标

以最小一次能耗作为优化目标时，系统的能耗主要来自于联供机组及热（冷）辅助设备的运行能耗、启停能耗和购电能耗，在存在售电的情况下，需要将售电对应的能耗剔除，则k采样时刻的一次能耗指标为：

$\begin{array}{c}{J}_{\mathrm{eng}}^k=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{q}_{f,i}^k{y}_{i2}^k+q_{s,i}^k|u_{\mathrm{si}}^k-u_{\mathrm{si}}^{k-1}|+q_{f,\sup }^k{y}_{\mathrm{Fsup}}^k+q_{s,\sup }^k|u_{\mathrm{ssup}}^k-u_{\mathrm{ssup}}^{k-1}|\\ -q_{\mathrm{buy}}^k\min (-y_{\mathrm{bsE}}^k,0)-q_{\mathrm{sel}}^k\min (y_{\mathrm{bsE}}^k,0)\end{array}$

式中，q_f、q_s、q_sel和q_buy分别为系统运行能耗、启停能耗、购电和售电所对应的标煤耗系数，均为正值。

（iii）最少CO₂排放量指标

以最少CO₂排放量为目标时，系统的CO₂排放主要来自于DCHP系统及热（冷）辅助设备的燃料燃烧导致的CO₂排放和购售电的CO₂排放，分别用

表示热电联产单元所耗燃料、热冷辅助单元所耗燃料、购电和售电的CO₂排放转换系数，则k采样时刻的CO₂排放指标为：

（iv）综合指标

在上述目标模型的基础上，通过权重系数w_eco、w_eng、w_env构建k采样时刻的综合指标

如下：

$J_{\mathrm{Tot}}^k=w_{\mathrm{eco}}{J}_{\mathrm{eco}}^k+w_{\mathrm{eng}}{J}_{\mathrm{eng}}^k+w_{\mathrm{env}}{J}_{\mathrm{env}}^k$

式中， $\left\{\begin{array}{c}{w}_{\mathrm{eco}}+w_{\mathrm{eng}}+w_{\mathrm{env}}=1\\ w_{\mathrm{eco}},w_{\mathrm{eng}},w_{\mathrm{env}}\&Element;\left[\mathrm{0,1}\right]\end{array}\right.$

同样的，可以写出其它任一采样时刻的优化指标，则从采样时间k开始的未来M个采样时间段内的优化目标函数可表示为

步骤四：优化模型的线性矩阵化处理

步骤二和步骤三得到的模型中，系统运行约束模型与负荷主次策略相关，优化目标模型则与指标最优策略相关，通过这两模型的组合并与系统自身运行规律的特性模型和基本操作约束和逻辑关系法则模型联立，可得到由负荷主次策略和指标最优策略组合产生的各运行策略所需的优化模型。此优化模型通常是含等式和不等式约束的混合整数非线性模型，无论是优化求解，还是在线实现都较为困难，通过线性矩阵化处理，可以解决这一问题。主要的线性矩阵化处理方法如下：

将约束模型中的各等式约束方程代入不等式约束模型和目标模型中，消去相关变量，使得模型仅含不等式约束方程和指标方程；最小值和绝对值项采用 $\left\{\begin{array}{c}{\mathrm{\&eta;}}_1=\min (x_1,x_2)\\ {\mathrm{\&eta;}}_2=|x_1-x_2|\end{array}\right.$ 代入，消去各非线性项，同时补充相应的约束方程 $\left\{\begin{array}{c}{\mathrm{\&eta;}}_1\&le;x_1\\ {\mathrm{\&eta;}}_1\&le;x_2\\ -{\mathrm{\&eta;}}_2-x_1\&le;-x_1\\ -{\mathrm{\&eta;}}_2+x_2\&le;x_2\end{array}\right.$ 以保证最优化解不变，此处x为相应的变量；将各常系数和变量写成矩阵形式。

步骤五：建立优化算法库，对优化模型进行最优求解

含不等式约束的混合整数线性优化模型的求解较为困难，尤其是在线优化时，对优化的速度有一定的要求，为此，建立优化算法库，根据模型的混合特性和复杂程度选择合适的算法进行求解。优化算法库包含传统算法如分支定界法、二次序列规划法等，智能算法包括遗传算法、粒子群算法等，混合算法如GASA算法（遗传算法和模拟退火的结合）等。

以分支定界法为例，简述求解过程，设混合整数线性优化模型如下：

$\min z=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{c}_j{x}_j$

首先将上述模型转化为如下两个中的整数约束去掉，转化为下述优化模型：

$\min \stackrel{\&OverBar;}{z}=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{c}_j{x}_j$

$s.t.\underset{j=1}{\overset{r}{\mathrm{\&Sigma;}}}{c}_j{x}_j+\underset{j=r}{\overset{n}{\mathrm{\&Sigma;}}}{c}_j{x}_j\&le;b_k(k=\mathrm{1,2},...,m)$

设z模型的最优值上界为+∞，采用单纯形法求解出模型的最优解为x^*，最优值为g^*，则z模型最优值范围为[g^*,+∞]。任选一个不满足整数性要求的变量x_j，设其优化取值为v_j，用[v_j]表示小于v_j的最大整数，将约束x_j≤[v_j]和x_j≥[v_j]+1分别置于

模型中，将其分解为两个子问题

和

，并依次用单纯形法求解其最优值，若某一子问题没有可行解或者有可行解但大于已探明的上界，则将该子问题其删除，由此逐步更新z模型的上界，使之越来越小，直到所有的子问题（即所有整数约束均已加入）均已探明，最终得出模型的最优解。

通常情况下，传统方法优化速度快，但容易陷入局部最优，智能算法具有较好的全局优化性能，但优化所需时间较长。因此对于设备集成相对简单的分布式冷热电联供系统，默认采用传统算法进行优化求解，而对于设备集成复杂的系统，默认采用智能算法或混合算法进行优化求解。实际应用中，可根据具体需求通过多算法的比较优选出最合适的算法。

如上，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。

Claims (5)

1.一种分布式冷热电联供系统并网运行在线优化方法，其特征在于：包括以下步骤：

（1）建立由负荷主次策略和指标最优策略组合得到的运行策略库；

（2）根据运行策略建立系统运行约束模型；

（3）根据运行策略建立滚动优化目标模型；

（4）对步骤（2）（3）得到的模型进行线性矩阵化的优化处理将模型从混合整数非线性模型转化为混合整数线性矩阵模型；

（5）建立包括传统优化算法、智能算法和混合算法的优化算法库对优化处理后的模型进行最优求解。

2.根据权利要求1所述的分布式冷热电联供系统并网运行在线优化方法，其特征在于：所述系统运行约束模型为基于命题逻辑演算得到的混合整数等式和不等式约束方程组。

3.根据权利要求1所述的分布式冷热电联供系统并网运行在线优化方法，其特征在于：所述滚动优化目标模型的基本形式为

式中t表示时间，k表示第k个时段，M表示预测时段长度，J^k为第k时段的指标。

4.根据权利要求1所述的分布式冷热电联供系统并网运行在线优化方法，其特征在于：步骤（4）所述的线性矩阵化的优化处理，包括以下步骤：

a、将约束模型中的各等式约束方程代入不等式约束方程和指标方程中，消去相关变量，使得模型仅含不等式约束和指标方程；

b、最小值和绝对值项采用 $\left\{\begin{array}{c}{\mathrm{\&eta;}}_1=\min (x_1,x_2)\\ {\mathrm{\&eta;}}_2=|x_1-x_2|\end{array}\right.$ 代入，消去各非线性项，同时补充相应的约束方程 $\left\{\begin{array}{c}{\mathrm{\&eta;}}_1\&le;x_1\\ {\mathrm{\&eta;}}_1\&le;x_2\\ -{\mathrm{\&eta;}}_2-x_1\&le;-x_1\\ -{\mathrm{\&eta;}}_2+x_2\&le;x_2\end{array}\right.$ 以保证最优化解不变，此处x为相应的变量；

c、将各常系数和变量写成矩阵形式。

5.根据权利要求1所述的分布式冷热电联供系统并网运行在线优化方法，其特征在于：步骤（5）中所述传统优化算法包括分支定界法、二次序列规划法，智能算法包括遗传算法、粒子群算法，混合算法包括GASA算法。

Images