WO2024109327A1

WO2024109327A1 - 一种基于多能互补的综合能源运行控制方法及系统

Info

Publication number: WO2024109327A1
Application number: PCT/CN2023/121457
Authority: WO
Inventors: 陆永林; 何鹏; 郭伟; 刘军; 孙劲勇; 张磊; 李金海; 杨正升; 张万杰; 商经锐
Original assignee: 云南电网有限责任公司德宏供电局
Priority date: 2022-11-21
Filing date: 2023-09-26
Publication date: 2024-05-30
Also published as: LU506359B1; CN115994615A

Abstract

本申请提供一种基于多能互补的综合能源运行控制方法及系统。所述方法包括：建立系统的微源数学模型；设定系统的变量及约束条件；以系统成本最小和环保性最优为目标优化目标函数；采用粒子群算法，对系统中的目标模型进行求解；根据得到的结果调节系统的运行参数。通过改进粒子群算法，提高求解的收敛精度、收敛速度和稳定性，同时构筑综合能源系统的经济性和环保性，使系统运行更加优化，解决能源系统的能量来源单一、设备容量设计不合理的问题。

Description

一种基于多能互补的综合能源运行控制方法及系统

技术领域

本申请涉及能源系统优化技术领域，尤其涉及一种基于多能互补的综合能源运行控制方法及系统。

背景技术

随着风力发电和太阳能利用技术的快速发展，作为可再生能源的风能和太阳能被广泛地利用于发电和产热领域。与化石燃料相比，利用可再生能源可以实现绿色供能，但可再生能源本身具有间歇性、能流密度低等缺点，分散性强，为了实现对可再生能源的就地消纳和有效利用，大多数可再生能源利用系统的规模较小，单独依靠可再生能源很难保证供能的稳定性和可靠性，不适合应用于大规模集中供能。为了实现供能的可靠性和可持续性，目前的发电和产热领域通常采用多能源互补的形式，综合利用非可再生能源和可再生能源，充分发挥两类能源的互补性。

传统的综合能源系统的运行方式采用以热定电或以电定热的方式。以热定电是指系统首先满足用户的热需求，发出的电提供给用户，如果电量不足或剩余，则从电网补充或上网售电。以电定热是指系统首先保证满足用户的电需求，所发出的热量提供给用户以满足热需求，如果热量不足，则采用锅炉补燃，如果热量过剩则废弃或采用一个蓄热罐储存。而由于系统对能源的需求受用户需要的影响是持续变化的，传统的运行方式对设备容量的设计并不合理。

发明内容

本申请提供了一种基于多能互补的综合能源运行控制方法及系统，以解决能源系统的能量来源单一、设备容量设计不合理的问题。

一方面，本申请提供一种基于多能互补的综合能源运行控制方法，包括：

建立综合能源系统的微源数学模型，所述微源数学模型包括，太阳能集热器数学模型、光伏发电数学模型、燃气锅炉数学模型、电制冷机数学模型和吸收式制冷机数学模型；

设定综合能源系统的变量及约束条件；

以综合能源系统成本最小和环保性最优为目标，优化目标函数；

基于所述变量、约束条件和目标函数，采用粒子群算法，计算得到综合能源系统中的电负荷、冷负荷、热负荷；

根据所述电负荷、冷负荷、热负荷调节所述综合能源系统的运行参数。

可选的，所述综合能源系统模型具体为：

太阳能集热器数学模型：

式中，为太阳能集热器的流体出口温度变化；I_θ为某一时刻辐射量；F_R为集热器传热因子；U_L为集热器总热损失；T_a为任意时刻的室外温度；G为集热器单位面积介质的质量流量；c_p为集热器介质水的定压比热容；

光伏发电数学模型：

式中，P_PV为光伏组件的输出功率；P_STC为标准测试条件下光伏组件的功率；G_STC为标准测试条件下的光照强度；T_τ为参考温度；K_T为功率温度系数；G_AC是光伏组件接收的太阳辐射量；T_C为光伏组件温度；

燃气锅炉数学模型：

式中，F_b为燃气锅炉消耗的天然气；η_b是燃气锅炉的效率；Q_b为燃气锅炉产生的热量；Q_ha为进入吸收式制冷机中的热量；Q_r为余热锅炉产生的热量；

余热锅炉数学模型：
Q_r＝F_pguη_rec(1-η_pgu)

式中，Q_r为余热锅炉产生的热量；F_pgu为燃气轮机消耗的天然气；η_pgu为燃气轮机的发电效率；η_rec为余热锅炉的效率；

电制冷机数学模型：

式中，为电制冷机输出制冷功率；为输入电功率；COP_EC为电制冷机的制冷系数。

吸收式制冷机数学模型：

式中，Q_AC为吸收式制冷机的输出冷功率值；为吸收式制冷机的输入热功率值；COP_AC为吸收式制冷机的制冷系数。

可选的，所述综合能源系统的约束条件包括规划层面的第一约束条件和运行层面的第二约束条件；所述第一约束条件用于从可安装的设备台数和设备的额定容量进行约束；所述第二约束条件用于从运行状态、输出功率和能量平衡进行约束。

可选的，所述第一约束条件为：
0≤N_i≤N_max

式中，N_i为可安装的设备的台数；N_max为可安装的设备的最大台数；P_i为设备额定容量值；和分别为设备额定容量可选择的最小值和最大值。

可选的，所述第二约束条件为：

式中，为设备在第t个小时的运行状态；P_i为设备的输出功率；和分别为设备输出功率的最小边界值和最大边界值；为设备的输入电功率；为设备的输出电功率；为用户的电负荷；为设备的输入热功率；为设备的输出热功率；为用户的热负荷；为设备的输入冷功率；为设备的输出冷功率；为用户的冷负荷。

可选的，以综合能源系统成本最小和环保性最优为目标，优化目标函数步骤中，优化的目标函数为：

系统经济成本：
C_J＝C_e+C_g+C_O&M

环保成本：

式中，C_J为系统经济成本；C_O&M为机组运维成本；C_e为购电成本；C_g为购气成本；c_e,t为分时电价；P_import为输入电功率；c_g,t为分时气价；v_gtotal为总消耗天然气量；C_H为排放二氧化碳产生的环保成本；C_cartopn为二氧化碳排放费用；ξ_g为天然气碳足迹；ξ_e为电力碳足迹；T为总时间。

可选的，采用粒子群优化算法求解综合能源系统的运行模型的方法包括：

初始化设定所述改进粒子群算法的参数；

限定所述改进粒子群的速度极限值；

计算所述经济成本和环保成本的优化目标函数；

比较所述经济成本和环保成本的适应值；

更新每个粒子的位置和速度；

通过迭代得到所述经济成本和环保成本的最优解集；

判断粒子是否达到最大迭代次数；

若是，输出综合能源系统的整体最优方案。

可选的，采用改进的杂交粒子群优化算法求解综合能源系统的运行优化模型方法还包括如下步骤：

若迭代次数未达到最大值，则重新限定所述改进粒子群的速度极限值，直到粒子的迭代次数达到最大值，输出综合能源系统的整体最优方案。

可选的，在改进粒子群算法中，引入随迭代次数同步变化的惯性权重因子和学习因子，所述惯性权重因子ω和学习因子c₁、c₂的改进式为：

式中，t_cur为当前的迭代次数；t_max为总迭代次数；c_1f、c_2f为c₁、c₂的终止值；c_1i、c_2i为c₁、c₂的初始值；ω_min为最小惯性权重；ω_max为最大惯性权重。

另一方面，本申请提供一种基于多能互补的综合能源系统，所述系统包括太阳能集热设备、光伏发电设备、天然气发电设备、制热设备、制冷设备和控制设备，所述太阳能集热设备、光伏发电设备、天然气发电设备、制热设备和制冷设备分别与所述控制设备连接，用于为综合能源系统提供热负荷、冷负荷和电负荷；

所述控制设备用于：

设定综合能源系统的变量及约束条件；

由以上技术方案可知，本申请提供一种基于多能互补的综合能源运行控制方法及系统。所述方法包括：建立系统的微源数学模型；设定系统的变量及约束条件；以系统成本最小和环保性最优为目标优化目标函数；采用粒子群算法，对系统中的目标模型进行求解；根据得到的结果调节系统的运行参数。通过改进粒子群算法，提高求解的收敛精度、收敛速度和稳定性，同时构筑综合能源系统的经济性和环保性，使系统运行更加优化，解决能源系统的能量来源单一、设备容量设计不合理的问题。采用优化后的系统运行方式，可有效降低系统的年能源消耗量、年总费用、年CO₂排放，同时可提高系统的综合性能。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请提供的基于多能互补的综合能源运行控制方法的流程图；

图2为区域综合能源系统的基本构架；

图3为电制冷机的变工况特性；

图4为改进的粒子群算法的求解流程图。

具体实施方式

下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。

为了实现供能的可靠性和可持续性，发电和产热领域通常采用多能源互补的形式，综合利用非可再生能源和可再生能源。综合能源系统的运行方式采用以热定电或以电定热的方式。而由于系统对能源的需求受用户需要的影响是持续变化的，这种运行方式对设备容量的设计并不合理。

为解决上述问题，本申请提供一种基于多能互补的综合能源运行控制方法及系统。

一方面，本申请提供一种基于多能互补的综合能源运行控制方法，图1为基于多能互补的综合能源运行控制方法的流程图，如图1所示，该方法包括：

S10：建立综合能源系统的微源数学模型；

S20：设定综合能源系统的变量及约束条件；

S30：以综合能源系统成本最小和环保性最优为目标，优化目标函数；

S40：基于所述变量、约束条件和目标函数，采用粒子群算法，计算得到综合能源系统中的电负荷、冷负荷、热负荷；

S50：根据所述电负荷、冷负荷、热负荷调节所述综合能源系统的运行参数。

图2为区域综合能源系统的基本构架，如图2所示，所述综合能源系统，可以有不同类型的能量来源，不同能源生产设备，不同的能源转换设备。终端负荷为电负荷、冷负荷、热负荷。能源的输入端可以为天然气、太阳能、风能、地热能等。经过不同的能源转换设备，能源的能量最终被转化为终端用户使用的电、热、冷等形式。上述步骤S10中所建立的微源数学模型包括：太阳能集热器数学模型、光伏发电数学模型、燃气锅炉数学模型、电制冷机数学模型和吸收式制冷机数学模型。所述微源数学模型的公式表述如下：

太阳能集热器数学模型：

太阳能集热系统是将太阳能集中收集转化为热能并集中存储的系统，系统包括太阳能集热器、蓄热水箱、泵等主要部件。本实施例中，太阳能集热系统选用平板集热器来作为太阳能集热器。所述太阳能平板集热器的流体出口温度变化为：

式中，为太阳能集热器的流体出口温度变化；I_θ为某一时刻辐射量；F_R为集热器传热因子；U_L为集热器总热损失；T_a为任意时刻的室外温度；G为集热器单位面积介质的质量流量；c_p为集热器介质水的定压比热容。

由于太阳能集热器受外部天气影响较大，本发明将集热器用瞬时系统模拟程序(Transient System Simulation Program，TRNSYS)搭建模型，TRNSYS可将外部实时且准确的天气温度、辐照度等数据接入进来，做实际能耗模拟，得到准确的数据。

光伏发电数学模型：

光伏组件的工作原理为半导体的光伏效应,半导体直接将太阳辐射转换成电能。当阳光照射在半导体PN结上时，PN结的两端便会出现光电压，如果PN结在外部短路，则会出现光电流。通过这些特性，光伏电池便可以将光能转换为电能。光伏组件的输出功率为：

式中，P_PV为光伏组件的输出功率；P_STC为标准测试条件下光伏组件的功率；G_STC为标准测试条件下的光照强度；T_τ为参考温度；K_T为功率温度系数；G_AC是光伏组件接收的太阳辐射量；T_C为光伏组件温度。

燃气锅炉数学模型：

燃气锅炉是系统的备用热源，它能够将天然气的化学能高效率地转化成热能。若系统的热能低于用户的热负荷需求时，此时可通过燃气锅炉燃烧天然气获得。燃气锅炉燃烧天然气，可将化学能转化成热能，则燃气锅炉消耗的天然气为：

式中，F_b为燃气锅炉消耗的天然气；η_b是燃气锅炉的效率；Q_b为燃气锅炉产生的热量；Q_ha为进入吸收式制冷机中的热量；Q_r为余热锅炉产生的热量。

余热锅炉数学模型：

余热锅炉是指利用各种工业过程中的废气、废料或废液中的余热及其可燃物质燃烧后产生的热量把水加热到一定温度的锅炉。余热锅炉产生的热量为：
Q_r＝F_pguη_rec(1-η_pgu)

式中，Q_r为余热锅炉产生的热量；F_pgu为燃气轮机消耗的天然气；η_pgu为燃气轮机的发电效率；η_rec为余热锅炉的效率。

电制冷机数学模型：

电制冷机是以电能作为其输入能源，通过电机运转带动压缩机的活塞把制冷剂压缩，使压缩机内部的制冷工质受压液化，释放出热量到外界，而液化后的制冷工质又可以蒸发吸收热量，从而实现将热量进行转移。其制冷循环为压缩→冷凝→膨胀→蒸发。电制冷机的输出制冷功率为：

电制冷机的制冷系数跟负荷联系密切，图3为电制冷机的变工况特性，如图3所示，电制冷机的变工况特性可用下面式子表示：

式中，为电制冷机的额定制冷系数；f_EC为制冷机的负荷率；a₅、b₅、c₅为电制冷机制冷系数影响因数。

吸收式制冷机数学模型：

吸收式制冷机通过输入热量来驱动设备生产冷能，其转换效率可以通过输出冷量和输入热量的比值计算得到，也称为制冷系数(COP)。吸收式制冷机主要有氨水吸收式制冷机和溴化锂吸收式制冷机两种，本实施例中采用溴化锂吸收式制冷机。溴化锂吸收式制冷机的输出冷功率值为：

式中，Q_AC为溴化锂吸收式制冷机的输出冷功率值；为溴化锂吸收式制冷机的输入热功率值；COP_AC为溴化锂吸收式制冷机的制冷系数。

步骤S20中，从规划层面和运行层面对综合能源系统进行约束。

在对规划层面的约束条件进行设定时，须根据实际的物理条件对设备的容量进行选择。当地资源的多少，面积的大小，以及设备功率等级的大小等，都是规划层面的变量，因此，从可安装的设备台数和设备的额定容量来对规划层面进行约束，约束条件如下：
0≤N_i≤N_max

在对规划层面的约束条件进行设定时，运行状态、输出功率和能量平衡是运行层面的变量，因此，从运行状态、输出功率和能量平衡对运行层面进行约束，约束条件如下：

运行状态约束

式中，为设备在第t个小时的运行状态。

输出功率约束

式中，P_i为设备的输出功率；和分别为设备输出功率的最小边界值和最大边界值。

能量平衡约束

除了设备自身的物理约束外，还应该考虑冷、热、电功率平衡约束。

式中，为设备的输入电功率；为设备的输出电功率；为用户的电负荷；为设备的输入热功率；为设备的输出热功率；为用户的热负荷；为设备的输入冷功率；为设备的输出冷功率；为用户的冷负荷。

在步骤S30中，以综合能源系统成本最小和环保性最优为目标，来优化目标函数。

系统的经济成本为机组运维成本、购电成本与购气成本之和。所以优化的系统经济成本的目标函数为：
C_J＝C_e+C_g+C_O&M

其中，C_J为系统经济成本；C_O&M为机组运维成本；C_e为购电成本；C_g为购气成本。

上式中：

其中，c_e,t为分时电价；P_import为输入电功率。

其中，c_g,t为分时气价；v_gtotal为总消耗天然气量。

设备的运维参数、效率、成本及负载范围等数据如下表所示。

系统运行过程中，燃烧天然气会产生二氧化碳气体。因此系统运行时排放二氧化碳产生环保成本的目标函数为：

式中，C_H为排放二氧化碳产生的环保成本；C_cartopn为二氧化碳排放费用；ξ_g为天然气碳足迹；ξ_e为电力碳足迹；T为总时间。

采用设备的变量、约束条件和目标函数对综合能源系统进行优化后，一般用粒子群算法(Particle Swarm Optimization，PSO)对系统优化模型进行求解。基本PSO算法中，粒子位置及速度公式为：

式中，t为迭代次数；ω为惯性权重因子；c₁、c₂为学习因子；为粒子个体最优值位置；为全局最优值位置；为粒子t次迭代时的位置。

由于所构建的综合能源系统含有多个目标函数及约束条件，针对单一目标的粒子群算法容易陷入局部最优，寻优能力较差。所以本实施例中，对基本PSO算法进行优化改进，使其更适合于面向多目标求解。

基本PSO算法中，ω、c₁、c₂保持不变，在优化过程中，这三个值随着迭代次数的改变而改变。惯性权重因子和学习因子的改进式子如下所示：

式中，t_cur代表当前的迭代次数；t_max代表总迭代次数；c_1f、c_2f代表c₁、c₂的终止值，取0.5、5；c_1i、c_2i代表c₁、c₂的初始值，取2、0.5；ωmax取0.9，ωmin取0.2。

图4为改进的粒子群算法的求解流程图，如图4所示，改进后的粒子群算法的流程为：

初始化设定改进粒子群算法的参数；

限定改进粒子群的速度极限值；

计算经济成本和环保成本的优化目标函数；

比较经济成本和环保成本的适应值；

更新每个粒子的位置和速度；

通过迭代得到经济成本和环保成本的最优解集；

判断粒子是否达到最大迭代次数；

若迭代次数达到最大值，则输出综合能源系统的整体最优方案。

通过改进的粒子群算法，可计算得到综合能源系统中的电负荷、冷负荷、供热负荷和热水负荷。最终根据得到的电负荷、冷负荷、供热负荷和热水负荷来调节综合能源系统的运行参数。

另一方面，本申请提供一种基于多能互补的综合能源系统，该系统包括太阳能集热设备、光伏发电设备、天然气发电设备、制热设备、制冷设备和控制设备。所述太阳能集热设备、光伏发电设备、天然气发电设备、制热设备和制冷设备分别与所述控制设备连接，用于为综合能源系统提供热负荷、冷负荷和电负荷。

所述控制设备用于：

设定综合能源系统的变量及约束条件；

由以上实施例可知，本申请实施例提供一种基于多能互补的综合能源运行控制方法及系统。所述方法包括：建立系统的微源数学模型；设定系统的变量及约束条件；以系统成本最小和环保性最优为目标优化目标函数；采用粒子群算法，对系统中的目标模型进行求解；根据得到的结果调节系统的运行参数。通过改进粒子群算法，提高求解的收敛精度、收敛速度和稳定性，同时构筑综合能源系统的经济性和环保性，使系统运行更加优化，解决能源系统的能量来源单一、设备容量设计不合理的问题。采用优化后的系统运行方式，可有效降低系统的年能源消耗量、年总费用、年CO₂排放，同时可提高系统的综合性能。

本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。

Claims

一种基于多能互补的综合能源运行控制方法，其特征在于，包括：

建立综合能源系统的微源数学模型，所述微源数学模型包括，太阳能集热器数学模型、光伏发电数学模型、燃气锅炉数学模型、电制冷机数学模型和吸收式制冷机数学模型；

设定综合能源系统的变量及约束条件；

以综合能源系统成本最小和环保性最优为目标，优化目标函数；

基于所述变量、约束条件和目标函数，采用粒子群算法，计算得到综合能源系统中的电负荷、冷负荷、热负荷；

根据所述电负荷、冷负荷、热负荷调节所述综合能源系统的运行参数。
根据权利要求1所述的一种基于多能互补的综合能源运行控制方法，其特征在于，所述综合能源系统模型具体为：

太阳能集热器数学模型：

式中，为太阳能集热器的流体出口温度变化；I_θ为某一时刻辐射量；F_R为集热器传热因子；U_L为集热器总热损失；T_a为任意时刻的室外温度；G为集热器单位面积介质的质量流量；c_p为集热器介质水的定压比热容；

光伏发电数学模型：

式中，P_PV为光伏组件的输出功率；P_STC为标准测试条件下光伏组件的功率；G_STC为标准测试条件下的光照强度；T_τ为参考温度；K_T为功率温度系数；G_AC是光伏组件接收的太阳辐射量；T_C为光伏组件温度；

燃气锅炉数学模型：

式中，F_b为燃气锅炉消耗的天然气；η_b是燃气锅炉的效率；Q_b为燃气锅炉产生的热量；Q_ha为进入吸收式制冷机中的热量；Q_r为余热锅炉产生的热量；

余热锅炉数学模型：
Q_r＝F_pguη_rec(1-η_pgu)

式中，Q_r为余热锅炉产生的热量；F_pgu为燃气轮机消耗的天然气；η_pgu为燃气轮机的发电效率；η_rec为余热锅炉的效率；

电制冷机数学模型：

式中，为电制冷机输出制冷功率；为输入电功率；COP_EC为电制冷机的制冷系数；

吸收式制冷机数学模型：

式中，Q_AC为吸收式制冷机的输出冷功率值；为吸收式制冷机的输入热功率值；COP_AC为吸收式制冷机的制冷系数。
根据权利要求1所述的一种基于多能互补的综合能源运行控制方法，其特征在于，所述综合能源系统的约束条件包括规划层面的第一约束条件和运行层面的第二约束条件；所述第一约束条件用于从可安装的设备台数和设备的额定容量进行约束；所述第二约束条件用于从运行状态、输出功率和能量平衡进行约束。
根据权利要求3所述的一种基于多能互补的综合能源运行控制方法，其特征在于，所述第一约束条件为：
0≤N_i≤N_max

式中，N_i为可安装的设备的台数；N_max为可安装的设备的最大台数；P_i为设备额定容量值；和分别为设备额定容量可选择的最小值和最大值。
根据权利要求3所述的一种基于多能互补的综合能源运行控制方法，其特征在于，所述第二约束条件为：

式中，为设备在第t个小时的运行状态；P_i为设备的输出功率；和分别为设备输出功率的最小边界值和最大边界值；为设备的输入电功率；为设备的输出电功率；为用户的电负荷；为设备的输入热功率；为设备的输出热功率；为用户的热负荷；为设备的输入冷功率；为设备的输出冷功率；为用户的冷负荷。
根据权利要求1所述的一种基于多能互补的综合能源运行控制方法，其特征在于，以综合能源系统成本最小和环保性最优为目标，优化目标函数步骤中，优化的目标函数为：

系统经济成本：
C_J＝C_e+C_g+C_O&M

环保成本：

式中，C_J为系统经济成本；C_O&M为机组运维成本；C_e为购电成本；C_g为购气成本；c_e,t为分时电价；P_import为输入电功率；c_g,t为分时气价；v_gtotal为总消耗天然气量；C_H为排放二氧化碳产生的环保成本；C_cartopn为二氧化碳排放费用；ξ_g为天然气碳足迹；ξ_e为电力碳足迹；T为总时间。
根据权利要求1所述的一种基于多能互补的综合能源运行控制方法，其特征在于，采用粒子群优化算法求解综合能源系统的运行模型的方法包括：

初始化设定所述改进粒子群算法的参数；

限定所述改进粒子群的速度极限值；

计算所述经济成本和环保成本的优化目标函数；

比较所述经济成本和环保成本的适应值；

更新每个粒子的位置和速度；

通过迭代得到所述经济成本和环保成本的最优解集；

判断粒子是否达到最大迭代次数；

若是，输出综合能源系统的整体最优方案。
根据权利要求7所述的一种基于多能互补的综合能源运行控制方法，其特征在于，采用改进的杂交粒子群优化算法求解综合能源系统的运行优化模型方法还包括如下步骤：

若迭代次数未达到最大值，则重新限定所述改进粒子群的速度极限值，直到粒子的迭代次数达到最大值，输出综合能源系统的整体最优方案。
根据权利要求7所述的一种基于多能互补的综合能源运行控制方法，其特征在于，在改进粒子群算法中，引入随迭代次数同步变化的惯性权重因子和学习因子，所述惯性权重因子ω和学习因子c₁、c₂的改进式为：

式中，t_cur为当前的迭代次数；t_max为总迭代次数；c_1f、c_2f为c₁、c₂的终止值；c_1i、c_2i为c₁、c₂的初始值；ω_min为最小惯性权重；ω_max为最大惯性权重。
一种基于多能互补的综合能源系统，所述系统包括太阳能集热设备、光伏发电设备、天然气发电设备、制热设备、制冷设备以及控制设备，所述太阳能集热设备、光伏发电设备、天然气发电设备、制热设备和制冷设备分别与所述控制设备连接，用于为综合能源系统提供热负荷、冷负荷和电负荷；

所述控制设备用于：

建立综合能源系统的微源数学模型，所述微源数学模型包括，太阳能集热器数学模型、光伏发电数学模型、燃气锅炉数学模型、电制冷机数学模型和吸收式制冷机数学模型；

设定综合能源系统的变量及约束条件；

以综合能源系统成本最小和环保性最优为目标，优化目标函数；

基于所述变量、约束条件和目标函数，采用粒子群算法，计算得到综合能源系统中的电负荷、冷负荷、热负荷；

根据所述电负荷、冷负荷、热负荷调节所述综合能源系统的运行参数。