CN104808489B - 冷热电联供系统的三级协同整体优化方法 - Google Patents

Abstract

本发明公开了冷热电联供系统的三级协同整体优化方法，确定优化变量；确定优化目标：一级优化目标为年一次能源利用率、二级优化目标为年CO₂排放量、三级优化目标为年运行成本；确定待选设备类型数量和冷热电联供系统冷热电负荷；进行一级优化，采用离散粒子群算法求解最优设备选型；进行二级优化，运用通用粒子群算法求解最佳容量；进行三级优化，确定三级协同整体优化约束条件，运用粒子群算法优化最佳运行参数；检查是否满足最大迭代次数，如满足转至步骤八，否则转至步骤四；得到冷热电联供系统三级协同整体优化的结果。本发明解决了具有多输入多输出、设备多且耦合复杂特点的冷热电联供系统的优化问题。

Description

冷热电联供系统的三级协同整体优化方法

技术领域

本发明涉及冷热电联供系统的优化设计领域，尤其涉及一种冷热电联供系统的三级协同整体优化方法。

背景技术

能源紧缺、环境污染和气候变化是制约当今世界经济和社会可持续发展的重要因素，能源和环境问题已成为国内外高度关注的重大战略问题。以燃料多元化、设备小型化、网络智能化及环境友好化为主要特征的分布式冷热电联供系统遵循“分配得当、各取所需、温度对口、梯级利用”原则，集制冷、供热及发电与一体的多联供能源系统，CCHP不仅实现能量的梯级利用进而提高一次能源利用率，而且在减少CO2和PM2.5排放等方面也表现出极大的优势。

冷热电联供系统是一个典型的多输入多输出、冷热电多级能量流和信息流、多种设备耦合的复杂能源系统。同时，冷热电联供系统的每一种关键设备都有多种品牌可供用户选择，每种品牌产品的性能参数和单位容量成本又各不相同。即使同一品牌产品其性能参数也与容量息息相关。同时，冷热电联供系统的系统设计及关键设备选型、容量配置与运行策略三方面相互影响、相互耦合、密不可分。

冷热电联供系统能否高效、经济、环保运行，取决于冷热电联供系统的系统设计与设备选型、容量配置及运行策略的整体优化。目前主要涉及到冷热电联供系统的系统设计、容量配置和运行策略的单方面优化或在相同优化目标条件下实现联合优化或逐层优化，而没有实现设备选型、容量配置及运行策略的整体优化。

发明内容

本发明的目的就是为了解决上述问题，提供一种冷热电联供系统的三级协同整体优化方法，确定了设备选型、容量配置与运行参数为优化变量、建立了以年一次能源利用率PER最高、年CO₂排放量最小、年运行成本NPV最低为三级协同整体优化目标，采用离散粒子群算法和基本粒子群算法求解三级协同整体优化问题。可以解决具有多输入多输出、设备多且耦合复杂特点的冷热电联供系统的优化问题。

为了实现上述目的，本发明采用如下技术方案：

冷热电联供系统的三级协同整体优化方法，包括以下步骤：

步骤一：确定三级协同整体优化变量，包括设备选型、设备容量及运行参数；所述设备包括：内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备；

步骤二：确定三级协同整体优化目标：一级优化目标为年一次能源利用率PER最高、二级优化目标为年CO₂排放量最小、三级优化目标为年运行成本NPV最低；

步骤三：确定待选设备类型数量和冷热电联供系统冷热电负荷；

步骤四：进行一级优化，根据二级优化当前最优各设备容量和三级优化当前最优运行参数，以年一次能源利用率PER最高为目标，采用离散粒子群算法求解当前最优设备选型；

步骤五：进行二级优化，根据一级优化当前最优设备选型变量和三级优化当前最优参数，以年CO2排放量最小为目标，运用粒子群算法优化各设备的最佳容量；

步骤六：进行三级优化，根据一级优化当前最优设备选型变量和二级优化当前最优各设备容量，以年运行成本NPV最低为目标，确定三级协同整体优化约束条件，运用粒子群算法优化最佳运行参数；

步骤七：检查是否满足最大迭代次数，如满足转至步骤八，否则转至步骤四；

步骤八：得到冷热电联供系统三级协同整体优化的结果。

一级优化目标年一次能源利用率PER的具体优化函数为：

式中：PER^CCHP为冷热电联供系统的年一次能源利用率；为冷热电联供系统年所消耗的一次能源输入量，单位:kWh；为冷热电联供系统年生产的总可利用电量，单位:kWh；为冷热电联供系统年生产的总可利用热量，单位:kWh；为冷热电联供系统年生产的总可利用冷量，单位:kWh。

二级优化目标年CO2排放量的具体优化函数为：

式中：CDE^CCHP为CCHP系统年CO2排放量，单位:kg；∑_tF_t ^G、∑_tF_t ^B分别为内燃发电机组和燃气锅炉年所消耗燃气量，单位:kWh；为冷热电联供系统向电力系统所购电量，单位:kWh；GHG_f、GHG_e分别为天然气和购电的CO₂排放量转换系数，单位:kg/kWh。

三级优化目标年运行成本NPV的具体优化函数为：

Min NPV^CCHP＝RC_inv+C_pur+C_om (3)

式中：NPV^CCHP为冷热电联供系统年运行成本，单位:元；R为投资回收系数，

l为年利率，m为设备使用年限；C_inv为冷热电联供系统的设备投资总额,单位：元，

式中，为i类j品牌设备的单位容量价格，单位：元/kW；C_pur为冷热电联供系统年消耗的燃气和电量总费用，单位：元，

式中：P_f为天然气价格，单位：元/kWh；P_be、P_se分别为冷热电联供系统为向电网购电、与售电价格，单位：元/kWh；为冷热电联供系统向电网出售总电量，单位：kWh；C_om为冷热电联供系统总的维修管理费用，包括设备维护与维修费用、管理人员费用，单位：元；

式中：M_i,j为i类j品牌设备单位容量的年维修管理费用，单位：元/kW，N_i为i类设备的品牌总数；

三级协同整体优化约束条件包括：设备选型变量的约束条件、选定设备容量的约束条件、容量约束条件、设备输出容量约束及冷热电能量平衡约束。

设备选型变量的约束条件为：

式中，为冷热电联供系统中各类设备的选型变量，如果i类设备中j种品牌设备被选中则否则

冷热电能量平衡约束：

C_load(t)＝Q_BR(t)+Q_EC(t) (12)

式中：C_load(t)、H_load(t)、E_load(t)分别为冷热电联供系统t时刻的冷、热、电负荷；Q_ICE(t)为选定内燃发电机组在t时刻输出功率；为冷热电联供系统在t时刻向电力系统购电功率；为冷热电联供系统在t时刻向电力系统售电功率；为选定内燃发电机组的热效率；为选定内燃发电机组的电效率；Q_B(t)为选定锅炉在t时刻输出功率；Q_BR(t)为选定溴化锂制冷机组在t时刻输出功率；Q_EC(t)为选定电制冷机组在t时刻输出功率。

选定设备容量的约束条件为：

式中：P_i ^j为在一级优化选择各类设备品牌的基础上优化冷热电联供系统各设备的容量变量，如i类j种品牌设备的额定容量为P_i ^j，P_ICE、P_BR、P_EC、P_B、P_RC分别为二级优化所确定的内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备的额定容量，单位：kW；

容量约束条件：

式中：分别为选定内燃发电机组的热效率和电效率；为选定燃气锅炉的热效率；分别为冷热电联供系统最大的冷、热负荷功率，单位：kW；

设备输出容量约束：

式中：Q_ICE(t)、Q_BR(t)、Q_EC(t)、Q_B(t)、Q_RC(t)分别为选定内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备在t时刻输出功率，单位：kW；

分别为选定的内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备的最小负荷率；

分别为选定的内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备的最大负荷率。

运用粒子群算法求解的具体方法为：

步骤2.1，初始化一级优化中离散粒子群优化算法的相关参数ω、c₁、c₂、r，设定迭代次数T_max，初始化P_i ^j、K；其中，ω为惯性系数，为学习因子，c₁、c₂为加速系数，r为位置更新约束因子，T_max为最大进化代数，为i类j品牌设备的选型变量；P_i ^j为i类j种品牌设备的额定容量；K为冷热电联供系统“以电定热”和“以热定电”运行策略切换的热电负荷比临界值变量；

步骤2.2，一级优化：根据二级优化当前最优各设备容量P_i ^j和三级优化当前最优运行参数K，采用离散粒子群算法，计算每个粒子的适应度；

步骤2.3，根据一级优化中每个粒子适应度，更新所有粒子的全局最优位置g_best和每个粒子的历史最优位置p_best；

步骤2.4，二级优化：根据一级优化当前最优设备选型变量和三级优化当前最优参数K，运用通用粒子群算法以年CO₂排放量最小为目标优化各设备的最佳容量P_i ^j；

步骤2.5，三级优化：根据一级优化当前最优设备选型变量和二级优化当前最优各设备容量P_i ^j，运用通用粒子群算法以年运行成本最低为目标优化最佳运行参数K；

步骤2.6，更新一级优化的离散粒子群的速度和位置；

步骤2.7，检查是否满足最大迭代次数T_max，如满足转至步骤2.8，否则转至步骤2.2；

步骤2.8，得到冷热电联供系统三级协同整体优化设计结果。

所述步骤2.4和2.5中利用公式(26)、(27)更新粒子速度和位置，

ω^k是保持原来速度的惯性系数；c₁、c₂为加速系数，其作用为使粒子具有自我和社会认知能力；ε、η是[0,1]区间内均匀分布的随机数，用于维护群体的多样性；r是位置更新约束因子；为第k+1次迭代时第i个粒子d维的速度；为第k次迭代时第i个粒子d维的速度；为截止到第k次迭代时第i个粒子d维位置的局部最优位置；为在k次迭代时第m个粒子d维的位置；为截止到第k次迭代时第i个粒子d维位置的全局最优位置；为在k+1次迭代时第i个粒子d维位置。

所述步骤2.6中速度和位置的更新方法为：

其中：表示第m个粒子的位置，表示第m个粒子位置的变化率，为学习因子，分别表示第m个粒子的局部最优位置和全局最优位置，的取值只能是0或1，

函数是一个转换限制函数，能够保证的每一个分量都限制在[0,1]之间，而rand()则表示一个[0,1]之间的随机数，值越大，粒子的位置选1的概率越大，反之，值越小，选0的概率则越大。

本发明的有益效果：

本文采用的冷热电联供系统设备选型、容量配置与运行策略的三级协同优化设计方法采用“信息共享、循环交互、协调合作”的方式进行，有效解决了具有多输入多输出、设备多且耦合复杂特点的冷热电联供系统的整体优化难题，通过该三级协同整体优化设计方法可以兼顾冷热电联供系统的节能、环保和经济目标，快速实现冷热电联供系统的协同整体最优。

附图说明

图1为冷热电联供系统三级协同整体优化结构图；

图2为基于粒子群算法的冷热电联供系统整体优化流程图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

冷热电联供系统三级协同整体优化设计方法如图1所示，冷热电联供系统设备选型、容量配置与运行策略的三级协同优化设计方法采用“信息共享、循环交互、协调合作”的方式进行，最终达到冷热电联供系统的节能性、环境友好性、经济性的协同最优。

优化的设备包括：内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备。

本发明提供的一级优化目标为：

式中：PER^CCHP为冷热电联供系统的年一次能源利用率；为冷热电联供系统年所消耗的一次能源输入量，kWh；为冷热电联供系统年生产的总可利用电量，kWh；为冷热电联供系统年生产的总可利用热量，kWh；为冷热电联供系统年生产的总可利用冷量，kWh。

本发明提供的第二级优化目标为：

式中：CDE^CCHP为CCHP系统年CO2排放量，kg；∑_tF_t ^G、∑_tF_t ^B分别为内燃发电机组和燃气锅炉年所消耗燃气量，kWh；为冷热电联供系统向电力系统所购电量，kWh；GHG_f、GHG_e分别为天然气和购电的CO₂排放量转换系数，kg/kWh。

本发明提供的第三级优化目标为：

Min NPV^CCHP＝RC_inv+C_pur+C_om (3)

式中：NPV^CCHP为冷热电联供系统年运行成本，元；

R为投资回收系数，l为年利率，m为设备使用年限；

式中，C_inv为冷热电联供系统的设备投资总额，元；为i类j品牌设备的单位容量价格，元/kW；

式中：C_pur为冷热电联供系统年消耗的燃气和电量总费用，元；P_f为天然气价格，元/kWh；P_be、P_se分别为冷热电联供系统为向电网购电、与售电价格，元/kWh；为冷热电联供系统向电网出售总电量，kWh；

式中：C_om为冷热电联供系统总的维修管理费用，主要包括设备维护与维修费用、管理人员费用等，元；M_i,j为i类j品牌设备单位容量的年维修管理费用，元/kW，N_i为i类设备的品牌总数。

本发明三级协同整体优化的约束条件为

(1)设备选型变量

式中，为冷热电联供系统中各类设备的选型变量，如果i类设备中j种品牌设备被选中则否则

(2)冷热电能量平衡约束：

C_load(t)＝Q_BR(t)+Q_EC(t) (12)

式中：C_load(t)、H_load(t)、E_load(t)分别为冷热电联供系统t时刻的冷、热、电负荷。

(3)选定设备容量

式中：P_i ^j为在一级优化选择各类设备品牌的基础上优化冷热电联供系统各设备的容量变量，如i类j种品牌设备的额定容量为P_i ^j。P_ICE、P_BR、P_EC、P_B、P_RC分别为选定的内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备的额定容量，kW；

(4)容量约束条件

式中：分别为选定内燃发电机组的热效率和电效率；为选定燃气锅炉的热效率；分别为冷热电联供系统最大的冷、热负荷功率，kW；

(5)设备输出容量约束

式中：Q_ICE(t)、Q_BR(t)、Q_EC(t)、Q_B(t)、Q_RC(t)分别为选定内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备在t时刻输出功率，kW；

分别为选定的内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备的最小负荷率；

分别为选定的内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备的最大负荷率。

本发明采用的通用粒子群算法速度更新公式如下，粒子根据式(26)(27)来更新自己的速度和位置，

ω^k是保持原来速度的惯性系数；c₁、c₂为加速系数，其作用为使粒子具有自我和社会认知能力；ε、η是[0,1]区间内均匀分布的随机数，用于维护群体的多样性；r是位置更新约束因子。

本发明采用的离散粒子群算法速度更新公式如(28)(29)：

其中：表示第m个粒子的位置，表示第m个粒子位置的变化率，为学习因子，分别表示第m个粒子的局部最优位置和全局最优位置，的取值只能是0或1，表示第m个粒子的翻转概率，限制在[0,1]之间。

函数是一个转换限制函数，能够保证的每一个分量都限制在[0,1]之间，而rand()则表示一个[0,1]之间的随机数，值越大，粒子的位置选1的概率越大，反之，值越小，选0的概率则越大。

如图2所示，本发明的基于粒子群算法的冷热电联供系统三级协同整体优化求解步骤如下：

本文采用的冷热电联供系统设备选型、容量配置与运行策略的三级协同优化设计方法采用“信息共享、循环交互、协调合作”的方式进行，最终达到冷热电联供系统的节能性、环境友好性、经济性的协同最优。三级协同整体优化步骤如下：

步骤2.1，初始化一级优化中离散粒子群优化算法的相关参数ω、c₁、c₂、r，设定迭代次数T_max，初始化P_i ^j、K；

步骤2.2，一级优化：根据二级优化当前最优各设备容量P_i ^j和三级优化当前最优运行参数K，采用离散粒子群算法，计算每个粒子的适应度；

步骤2.3，根据一级优化中每个粒子适应度，更新所有粒子的全局最优位置g_best和每个粒子的历史最优位置p_best，

步骤2.4，二级优化：根据一级优化当前最优设备选型变量和三级优化当前最优参数K，以年CO₂排放量最小为目标，运用通用粒子群算法和根据公式(26)(27)更新粒子速度和位置，优化各设备的最佳容量P_i ^j；

步骤2.5，三级优化：根据一级优化当前最优设备选型变量和二级优化当前最优各设备容量P_i ^j，以年运行成本最低为目标，运用通用粒子群算法和根据公式(29)(30)更新粒子速度和位置优化最佳运行参数K；

步骤2.6，根据公式(28)(29)更新一级优化的离散粒子群的速度和位置；

步骤2.7，检查是否满足最大迭代次数T_max，如满足转至步骤2.8，否则转至步骤2.2；

步骤2.8，得到冷热电联供系统三级协同整体优化设计结果。

本发明冷热电联供系统三级协同整体优化设计方法相关优化参数如表1所示，

表1本实施例中各参数的设置

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.冷热电联供系统的三级协同整体优化方法，其特征是，包括以下步骤：

步骤一：确定三级协同整体优化变量，包括设备选型、设备容量及运行参数；所述设备包括：内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备；

步骤二：确定三级协同整体优化目标：一级优化目标为年一次能源利用率PER最高、二级优化目标为年CO₂排放量最小、三级优化目标为年运行成本NPV最低；

步骤三：确定待选设备类型数量和冷热电联供系统冷热电负荷；

步骤四：进行一级优化，根据二级优化得到的当前最优各设备容量和三级优化得到的当前最优运行参数，以年一次能源利用率PER最高为目标，采用离散粒子群算法求解当前最优设备选型；

步骤五：进行二级优化，根据一级优化得到的当前最优设备选型变量和三级优化得到的当前最优参数，以年CO2排放量最小为目标，运用粒子群算法优化各设备的最佳容量；

步骤六：进行三级优化，根据一级优化得到的当前最优设备选型变量和二级优化得到的当前最优各设备容量，以年运行成本NPV最低为目标，确定三级协同整体优化约束条件，运用粒子群算法优化最佳运行参数；

步骤七：检查是否满足最大迭代次数，如满足转至步骤八，否则转至步骤四；

步骤八：得到冷热电联供系统三级协同整体优化的结果；

运用粒子群算法求解的具体方法为：

步骤2.1，初始化一级优化中离散粒子群优化算法的相关参数ω、c₁、c₂、r，设定迭代次数T_max，初始化K；其中，ω为惯性系数，为学习因子，c₁、c₂为加速系数，r为位置更新约束因子，T_max为最大进化代数，为i类j品牌设备的选型变量；为i类j种品牌设备的额定容量；K为冷热电联供系统“以电定热”和“以热定电”运行策略切换的热电负荷比临界值变量；

步骤2.2，一级优化：根据二级优化当前最优各设备容量和三级优化当前最优运行参数K，采用离散粒子群算法，计算每个粒子的适应度；

步骤2.3，根据一级优化中每个粒子适应度，更新所有粒子的全局最优位置g_best和每个粒子的历史最优位置p_best；

步骤2.4，二级优化：根据一级优化当前最优设备选型变量和三级优化当前最优参数K，以年CO₂排放量最小为目标，运用通用粒子群算法更新粒子速度和位置，优化各设备的最佳容量

步骤2.5，三级优化：根据一级优化当前最优设备选型变量和二级优化当前最优各设备容量以年运行成本最低为目标，运用通用粒子群算法更新粒子速度和位置，优化最佳运行参数K；

步骤2.6，更新一级优化的离散粒子群的速度和位置；

步骤2.7，检查是否满足最大迭代次数T_max，如满足转至步骤2.8，否则转至步骤2.2；

步骤2.8，得到冷热电联供系统三级协同整体优化设计结果。

2.如权利要求1所述冷热电联供系统的三级协同整体优化方法，其特征是，一级优化目标年一次能源利用率PER的具体优化函数为：

$Max{\mathrm{PER}}^{CCHP}=\frac{{\mathrm{\Σ}}_t{C}_t^{CCHP}+{\mathrm{\Σ}}_t{H}_t^{CCHP}+{\mathrm{\Σ}}_t{E}_t^{CCHP}}{{\mathrm{\Σ}}_t{F}_t^{CCHP}}---\left(1\right)$

式中：PER^CCHP为冷热电联供系统的年一次能源利用率；为冷热电联供系统年所消耗的一次能源输入量，单位：kWh；为冷热电联供系统年生产的总可利用电量，单位：kWh；为冷热电联供系统年生产的总可利用热量，单位：kWh；为冷热电联供系统年生产的总可利用冷量，单位：kWh。

3.如权利要求1所述冷热电联供系统的三级协同整体优化方法，其特征是，二级优化目标年CO2排放量的具体优化函数为：

$Min{\mathrm{CDE}}^{CCHP}={\mathrm{GHG}}_f({\mathrm{\Σ}}_t{F}_t^G+{\mathrm{\Σ}}_t{F}_t^B)+{\mathrm{GHG}}_e{\mathrm{\Σ}}_t{E}_t^{BGrid}---\left(2\right)$

式中：CDE^CCHP为CCHP系统年CO2排放量，单位：kg；分别为内燃发电机组和燃气锅炉年所消耗燃气量，单位：kWh；为冷热电联供系统向电力系统所购电量，单位：kWh；GHG_f、GHG_e分别为天然气和购电的CO₂排放量转换系数，单位：kg/kWh。

4.如权利要求1所述冷热电联供系统的三级协同整体优化方法，其特征是，三级优化目标年运行成本NPV的具体优化函数为：

MinNPV^CCHP＝RC_inv+C_pur+C_om (3)

式中：NPV^CCHP为冷热电联供系统年运行成本，单位:元；R为投资回收系数，

$R=\frac{l{(1+l)}^m}{{(1+l)}^m-1}---\left(4\right)$

l为年利率，m为设备使用年限；C_inv为冷热电联供系统的设备投资总额,单位：元，

$C_{inv}=\underset{i=1}{\overset{5}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_i}{\mathrm{\Σ}}}{C}_i^j{P}_i^j{R}_i^j---\left(5\right)$

式中，为i类j品牌设备的单位容量价格，单位：元/kW；；C_pur为冷热电联供系统年消耗的燃气和电量总费用，单位：元，

$C_{pur}=P_f({\mathrm{\Σ}}_t{F}_t^G+{\mathrm{\Σ}}_t{F}_t^B)+P_{be}{\mathrm{\Σ}}_t{E}_t^{BGrid}-P_{se}{\mathrm{\Σ}}_t{E}_t^{SGrid}---\left(6\right)$

式中：P_f为天然气价格，单位：元/kWh；P_be、P_se分别为冷热电联供系统为向电网购电、与售电价格，单位：元/kWh；为冷热电联供系统向电网出售总电量，单位：kWh；C_om为冷热电联供系统总的维修管理费用，包括设备维护与维修费用、管理人员费用，单位：元；

$C_{om}=\underset{i=1}{\overset{5}{\Σ}}\underset{j=1}{\overset{N_i}{\Σ}}{C}_i^j{P}_i^j{M}_i^j---\left(7\right)$

式中：M_i,j为i类j品牌设备单位容量的年维修管理费用，单位：元/kW，N_i为i类设备的品牌总数。

5.如权利要求1所述冷热电联供系统的三级协同整体优化方法，其特征是，三级协同整体优化约束条件包括：设备选型变量的约束条件、选定设备容量的约束条件、容量约束条件、设备输出容量约束及冷热电能量平衡约束。

6.如权利要求5所述冷热电联供系统的三级协同整体优化方法，其特征是，

设备选型变量的约束条件为：

$C_i^j\∈\{0,1\}---\left(8\right)$

$\underset{j=1}{\overset{N_i}{\Σ}}{C}_i^j=1,i=1,2,...5---\left(9\right)$

式中，为冷热电联供系统中各类设备的选型变量，如果i类设备中j种品牌设备被选中则否则

冷热电能量平衡约束：

$E_{load}\left(t\right)=Q_{ICE}\left(t\right)+E_t^{BGrid}-E_t^{SGrid}---\left(10\right)$

$H_{load}\left(t\right)=Q_{ICE}\left(t\right){\mathrm{\η}}_{ICE}^h/{\mathrm{\η}}_{ICE}^e+Q_B\left(t\right)---\left(11\right)$

C_load(t)＝Q_BR(t)+Q_EC(t) (12)

式中：C_load(t)、H_load(t)、E_load(t)分别为冷热电联供系统t时刻的冷、热、电负荷；Q_ICE(t)为选定内燃发电机组在t时刻输出功率；为冷热电联供系统在t时刻向电力系统购电功率；为冷热电联供系统在t时刻向电力系统售电功率；为选定内燃发电机组的热效率；为选定内燃发电机组的电效率；Q_B(t)为选定锅炉在t时刻输出功率；Q_BR(t)为选定溴化锂制冷机组在t时刻输出功率；Q_EC(t)为选定电制冷机组在t时刻输出功率。

7.如权利要求5所述冷热电联供系统的三级协同整体优化方法，其特征是，

选定设备容量的约束条件为：

$P_{ICE}={\mathrm{\Σ}}_{j=1}^{N_1}{C}_1^j{P}_1^j---\left(13\right)$

$P_{BR}={\mathrm{\Σ}}_{j=1}^{N_2}{C}_2^j{P}_2^j---\left(14\right)$

$P_{EC}={\mathrm{\Σ}}_{j=1}^{N_3}{C}_3^j{P}_3^j---\left(15\right)$

$P_B={\mathrm{\Σ}}_{j=1}^{N_4}{C}_4^j{P}_4^j---\left(16\right)$

$P_{RC}={\mathrm{\Σ}}_{j=1}^{N_5}{C}_5^j{P}_5^j---\left(17\right)$

式中：为在一级优化选择各类设备品牌的基础上优化冷热电联供系统各设备的容量变量，如i类j种品牌设备的额定容量为P_ICE、P_BR、P_EC、P_B、P_RC分别为二级优化确定的内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备的额定容量，单位：kW；

容量约束条件：

$H_{load}^{MAX}\≤P_{ICE}{\mathrm{\η}}_{ICE}^h/{\mathrm{\η}}_{ICE}^e+P_B{\mathrm{\η}}_B^h---\left(18\right)$

$C_{load}^{MAX}\≤P_B+P_{EC}---\left(19\right)$

$P_{ICE}{\mathrm{\η}}_{ICE}^h/{\mathrm{\η}}_{ICE}^e\≤P_{RC}---\left(20\right)$

式中：分别为选定内燃发电机组的热效率和电效率；为选定燃气锅炉的热效率；分别为冷热电联供系统最大的冷、热负荷功率，单位：kW；

设备输出容量约束：

$P_{ICE}{\mathrm{\λ}}_{ICE}^{MIN}\≤Q_{ICE}\left(t\right)\≤P_{ICE}{\mathrm{\λ}}_{ICE}^{MAX}---\left(21\right)$

$P_{BR}{\mathrm{\λ}}_{BR}^{MIN}\≤Q_{BR}\left(t\right)\≤P_{BR}{\mathrm{\λ}}_{BR}^{MAX}---\left(22\right)$

$P_{EC}{\mathrm{\λ}}_{EC}^{MIN}\≤Q_{EC}\left(t\right)\≤P_{EC}{\mathrm{\λ}}_{EC}^{MAX}---\left(23\right)$

$P_B{\mathrm{\λ}}_B^{MIN}\≤Q_B\left(t\right)\≤P_B{\mathrm{\λ}}_B^{MAX}---\left(24\right)$

$P_{RC}{\mathrm{\λ}}_{RC}^{MIN}\≤Q_{RC}\left(t\right)\≤P_{RC}{\mathrm{\λ}}_{RC}^{MAX}---\left(25\right)$

式中：Q_ICE(t)、Q_BR(t)、Q_EC(t)、Q_B(t)、Q_RC(t)分别为选定内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备在t时刻输出功率，单位：kW；

分别为选定的内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备的最小负荷率；

分别为选定的内燃发电机组、溴化锂机组、电制冷机组、燃气锅炉和余热回收设备的最大负荷率。

8.如权利要求1所述冷热电联供系统的三级协同整体优化方法，其特征是，所述步骤2.4和2.5中利用公式(26)、(27)更新粒子速度和位置，

$V_{id}^{k+1}={\mathrm{\ω}}^k{V}_{id}^k+c_1\mathrm{\ϵ}(p_{id}^k-x_{id}^k)+c_2\mathrm{\η}(p_{gd}^k-x_{id}^k)---\left(26\right)$

$x_{id}^{k+1}=x_{id}^k+{\mathrm{rV}}_{id}^{k+1}---\left(27\right)$

ω^k是保持原来速度的惯性系数；c₁、c₂为加速系数，其作用为使粒子具有自我和社会认知能力；ε、η是[0,1]区间内均匀分布的随机数，用于维护群体的多样性；r是位置更新约束因子；为第k+1次迭代时第i个粒子d维的速度；为第k次迭代时第i个粒子d维的速度；为截止到第k次迭代时第i个粒子d维位置的局部最优位置；为在k次迭代时第m个粒子d维的位置；为截止到第k次迭代时第i个粒子d维位置的全局最优位置；为在k+1次迭代时第i个粒子d维位置。

9.如权利要求1所述冷热电联供系统的三级协同整体优化方法，其特征是，所述步骤2.6中速度和位置的更新公式如(28)、(29)所示，

其中：表示第m个粒子的位置，表示第m个粒子位置的变化率，为学习因子，分别表示第m个粒子的局部最优位置和全局最优位置，的取值只能是0或1，

$x_{md}^{k+1}=\left\{\begin{array}{cc}1& rand\left(\right)<sig\left(v_{md}^{k+1}\right)\\ 0& rand\left(\right)\&GreaterEqual;sig\left(v_{md}^{k+1}\right)\end{array}\right.---\left(29\right)$

$sig\left(v_{md}^{k+1}\right)=\frac{1}{1+\exp (-v_{md}^{k+1})}---\left(30\right)$

函数是一个转换限制函数，能够保证的每一个分量都限制在[0,1]之间，而rand()则表示一个[0,1]之间的随机数，值越大，粒子的位置选1的概率越大，反之，值越小，选0的概率则越大。