考虑垃圾发电碳循环的综合能源系统的协同规划方法

1.本发明涉及综合能源系统规划技术领域，尤其涉及一种考虑垃圾发电碳循环的综合能源系统的协同规划方法。


背景技术：

2.新形势下，我国能源品类日益丰富，能源系统从单一类型向多能互补类型转变，旨在解决目前的能源困境。但不同类型的能源具备的特性也不同，如何实现多能源间的协同还迫切需要找到切实可行的方案。同时，随着城镇经济的飞速发展以及新型城镇的快速建设，生产生活过程中将产生大量的生活垃圾、污泥和农林废弃物等固体废物，致使“垃圾围城”等污染现象日益凸显。
3.利用分布式能源系统可以就近处理利用这些废弃物，在缓解运输压力和减少处理费用的同时实现了其高效循环利用价值。然而，现阶段的综合能源系统通常较多考虑风光发电等新能源发电系统，而未考虑到垃圾发电系统，因此综合能源系统的规划效果较差。


技术实现要素：

4.有鉴于此，本发明提供了一种考虑垃圾发电碳循环的综合能源系统的协同规划方法，能够解决综合能源系统规划效果差的问题。
5.第一方面，本发明实施例提供了一种考虑垃圾发电碳循环的综合能源系统的协同规划方法，包括：基于包含垃圾发电设备和电转气设备的综合能源系统架构，构建综合能源系统协同规划模型，所述综合能源系统协同规划模型以年经济总成本最低、碳净排放量最低和综合能效水平最高为优化目标；采用蜜獾算法求解所述综合能源系统协同规划模型的最优容量配置方案集；采用topsis算法计算所述最优容量配置方案集中每个最优容量配置方案的贴近度，并选取贴近度最高的最优容量配置方案作为所述综合能源系统的最优容量配置方案。
6.第二方面，本发明实施例提供了一种考虑垃圾发电碳循环的综合能源系统的协同规划装置，包括：模型构建模块，用于基于包含垃圾发电设备和电转气设备的综合能源系统架构，构建综合能源系统协同规划模型，所述综合能源系统协同规划模型以年经济总成本最低、碳净排放量最低和综合能效水平最高为优化目标；模型最优解集计算模块，用于采用蜜獾算法求解所述综合能源系统协同规划模型的最优容量配置方案集；最优容量配置方案计算模块，用于采用topsis算法从所述最优容量配置方案集中选取所述综合能源系统的最优容量配置方案。
7.第三方面，本发明实施例提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如
上第一方面任一种可能的实现方式所述方法的步骤。
8.第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面任一种可能的实现方式所述方法的步骤。
9.本发明实施例与现有技术相比存在的有益效果是：本发明实施例首先基于包含垃圾发电设备和电转气设备的综合能源系统架构，构建综合能源系统协同规划模型，所述综合能源系统协同规划模型以年经济总成本最低、碳净排放量最低和综合能效水平最高为优化目标；然后采用蜜獾算法求解所述综合能源系统协同规划模型的最优容量配置方案集；最后采用topsis算法计算所述最优容量配置方案集中每个最优容量配置方案的贴近度，并选取贴近度最高的最优容量配置方案作为所述综合能源系统的最优容量配置方案。上述方法在构建综合能源系统协同规划模型时同时考虑了垃圾发电设备和电转气（power to gas，p2g）设备，且以年经济总成本最低、碳净排放量最低和综合能效水平最高为优化目标，能够提高模型构建的准确性，在构建模型后，采用蜜獾算法和topsis算法相结合求解该模型，能够进一步提高最优容量配置方案的准确性，从而改善综合能源系统的规划效果。
附图说明
10.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
11.图1是本发明实施例提供的考虑垃圾发电碳循环的综合能源系统的协同规划方法的应用场景图；图2是本发明实施例提供的考虑垃圾发电碳循环的综合能源系统的协同规划方法的整体框架图；图3是本发明实施例提供的考虑垃圾发电碳循环的综合能源系统的协同规划装置的结构示意图；图4是本发明实施例提供的终端的示意图。
具体实施方式
12.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
13.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
14.参见图1，其示出了本发明实施例提供的考虑垃圾发电碳循环的综合能源系统的协同规划方法的实现流程图，详述如下：s101：基于包含垃圾发电设备和电转气设备的综合能源系统架构，构建综合能源
系统协同规划模型，所述综合能源系统协同规划模型以年经济总成本最低、碳净排放量最低和综合能效水平最高为优化目标。
15.在本实施例中，图2示出了考虑垃圾发电碳循环的综合能源系统的协同规划方法的整体框图，参考图2，首先对区域内的数据进行分析。具体的，用户首先对一个区域的基础数据进行统计，基础数据包括该区域内的可再生资源可利用程度、地区土地可利用面积、投资资金上限、地区管网结构、地区气候条件、地区政策、产业结构等有效信息，为下一步负荷预测做准备。第二，基于已统计的基础数据，对负荷侧的负荷进行有效预测，有助于各种类和各品位能源的充分利用，找到供能设备的科学配置方案，以实现能源利用效率最大化。具体的，通过采集并读取区域内的用能数据与系统参数，采用中长期负荷预测及估算方法建模进行多元负荷预测。第三，结合负荷需求和资源条件，确定供能方式及设备参数。具体的，新型城镇用能需求主要集中在产业园、办公/商业写字楼、居民生活等方面。从地区建设目标出发可考虑垃圾能源化利用电/热/协同供能模式；从可再生资源禀赋出发可选择性开发不同型号的光伏发电系统、分散式风电、水源/地源热泵、生物质发电站等，多样化供能；从人员密集度等情况出发，可选择性开发电锅炉、蓄热罐等。
16.参考图2，在确定区域内的供能方式及供能设备后，可以通过模拟仿真来实现对于不同的场景及运行策略的方案拟定。具体的，含垃圾发电与p2g的综合能源系统的耦合关系比较复杂，综合能源系统里有垃圾资源的再利用、二氧化碳的再利用，同时还搭配多种分布式能源设备来实现多能耦合、协同互补的目的，运行仿真过程复杂且难度大，因此需要对整个综合能源系统的运行过程制定运行策略。
17.首先，分析综合能源系统的可再生能源特征，研究垃圾资源可参与电力调峰的策略。如风机、光伏主要根据自然资源出力，燃机根据热负荷出力。考虑到风机和光伏系统只能在达到一定风速时、白天光照充足的时候才能运行，垃圾焚烧以及燃机可适当增加其他时段运行的时间，实现垃圾资源和风光资源的有效互补。其次，根据生物质chp（combined heat and power，热电联产技术）机组采用“以热定电”的方式分别确定热电子系统的运行策略。第三，储能电池和蓄热罐的运行策略可根据负荷和可再生能源出力情况确定，通常在峰时段放电、谷时段充电，在可再生能源出力尖峰时充电，在出力低谷时放电。第四，p2g、碳捕集、储碳罐的运行策略可根据可再生能源出力情况和用户电负荷情况确定，通常在峰时仅储碳罐开启，在其他时段p2g和碳捕集开启。
18.参考图2，在确定区域内的供能方式、供能设备、各设备间的耦合连接方式及运行策略后，基于上述信息构建综合能源系统协同规划模型。综合能源系统协同规划主要是面向不同的地域对象来构建不同类型的设备组合结构及其配置容量。只有在科学合理的协同配置方法的指导下才能保证综合能源系统建设规划与协调稳定运行的全寿命周期的经济性。
19.示例性的，本技术以新型城镇型地区作为规划的建模对象，在规划设计初始阶段，要充分考虑县域经济实力、县域发展需求预测、国家能源战略目标，为未来形成优质的新兴城市打下良好的基础。因此，本技术所构建的综合能源系统协同规划模型是一个多目标配置函数表达式，确定以年化经济总成本最低、碳净排放量最低和综合能效最高为优化目标，明确系统内部的设备约束条件、功率平衡约束条件和外部相关影响因素的约束条件。
20.在一个可能的实施方式中，所述综合能源系统协同规划模型的目标函数包括第一
目标函数、第二目标函数和第三目标函数；具体的，该规划模型旨在在满足负荷需求的前提下，实现用户综合成本最小。本技术采用费用年值法将资金的时间价值考虑在内，分析所构建的综合能源系统经济效率。以系统投资建设成本、运行维护成本、购能成本、垃圾处理成本年值最小化作为反映含垃圾发电与p2g的综合能源系统规划优化模型经济性的目标函数。
21.所述第一目标函数为：其中，f1表示年经济总成本，表示投资建设成本年值，表示购能成本年值，表示垃圾处理成本年值；表示运行维护成本年值；表示第j个设备的单位容量投资成本；表示第j个设备的总配置容量；表示折现率；表示设备寿命期；表示所述综合能源系统的设备元件类型集合；表示第j个设备的单位容量的年固定维护成本；表示第j个设备的运转出力情况；表示第j个设备的耗电比例系数；表示第j台消耗天然气的设备出力情况；表示第j台消耗天然气设备的消耗燃气比例系数；表示系统运行时段；表示整个综合能源系统的寿命周期；表示t时刻的所述综合能源系统向外部购买能源的价格；表示t时刻的所述综合能源系统的购能量；表示第k类垃圾非能源化利用的单位处理成本；表示第k类垃圾非能源化利用处理量；表示第k类垃圾能源化利用处理所获得的补贴价格；表示第k类垃圾能源化利用的处理量。
22.在本实施例中，含垃圾发电设备与p2g设备的综合能源系统通过提高终端用能中可再生能源发电占比、碳捕集、二氧化碳再利用方式，降低传统化石能源消耗并减少温室效应，以带来可观的环境效益。但是综合能源系统内部仍存在一定的直接排放和间接排放，即存在少量的以天然气和生物质垃圾为燃料的联供系统运行的燃烧排放未被捕集而造成的直接排放，以及从外部购买能源造成的间接排放。综合考虑以上两个方面，本技术以系统总
体碳净排放量最小作为反映含垃圾发电设备与p2g设备的综合能源系统环境效益的优化目标。
23.具体的，所述第二目标函数为：其中，f2表示碳净排放量；表示外部电网的碳排放系数；表示t时刻下综合能源系统的购电量；表示t时刻下所述综合能源系统中未被捕集再利用或者封存的二氧化碳排放量；表示碳捕集设备在t时刻总共捕集到的co2质量；表示碳捕集设备的co2捕集率。
24.在一个可能的实施方式中，根据能量平衡方程可知，综合能效通常指综合能源系统的输出的能量总量与其输入的能量总量之比，代表了多能源系统对多种能源的利用效率水平。综合能效越高，综合能源系统的能量损耗越少、运行越高效。
25.具体的，所述第三目标函数为：其中，f3表示综合能效水平；表示第j个设备的能源供给量；表示所述综合能源系统运行所消耗的合成甲烷气体总量；表示合成甲烷气体的低热值；表示所述综合能源系统运行所需的外购总电量。
26.在一个可能的实施方式中，在综合能源规划层面上，首先要考虑系统中应用设备的出力限制和负荷功率平衡；其次，新型城镇依托县域经济基础、政府规划发展目标和县域物资资源等条件设计综合能源，会受资金额度、现有技术水平、生物质资源等因素限制。
27.具体的，所述综合能源系统协同规划模型的约束条件包括：系统功能设备元件的输出约束：其中，、分别表示第j个设备在t时刻和时刻的输出功率；表示第j个设备的供热最小功率，表示第j个设备的供热最大功率；表示第j个设备的减少出力的爬坡率，表示第j个设备的增加出力的爬坡率；存储设备元件的输出约束：
其中，表示第j个储能设备在t时刻的充能功率，表示第j个储能设备在t时刻的放能功率，表示第j个储能设备在t时刻的能量状态值；表示第j个储能设备的最大充电功率，表示第j个储能设备的最大放能功率；表示第j个储能设备的能量状态值；表示第j个储能设备的充能效率，表示第j个储能设备的放能效率；电负荷功率平衡约束：其中，表示t时刻的外部电网购电量；表示t时刻的电负荷需求；表示t时刻的电转气设备的耗电功率；表示t时刻的碳捕集的耗电功率；表示垃圾焚烧发电系统的净发电量；表示风力发电机的发电功率；表示光伏电池发电功率；表示生物质天然气chp在时刻的发电功率；表示电锅炉时段的耗电功率；表示污水源热泵时段制热的耗电功率；表示储能电池在时刻的放电功率；表示电池在时间时刻的放电功率；热负荷功率平衡约束：其中，表示t时刻的地域用户热负荷需求；表示电锅炉时产生的热功率；表示污水源热泵时产生的热功率；表示生物质天然气chp在时刻的供热功率；表示在时刻的蓄热罐的放热量；表示在时刻的蓄热罐的储热量；资金投入约束：
其中，表示所述综合能源系统建设的最大可用资金，表示总投资建设成本；电网最大供能约束：其中，表示地域电网最大的供电能力；表示第j台设备的耗电功率；表示第j台设备的发电功率；表示地域预计的用电负荷；表示安全用电系数；垃圾资源可利用潜力约束：其中，表示规划周期内的垃圾资源最小供应总量；表示规划周期内的垃圾资源最大供应总量；表示最小可燃烧垃圾比例；表示最大可燃烧垃圾比例；表示最小厨余垃圾存量比例；表示最大厨余垃圾存量比例，表示在时刻可燃烧垃圾的焚烧量；表示在时刻厨余垃圾的反应量。
28.从上述实施例可知，本实施例构建的综合能源系统包括垃圾发电设备和p2g设备，在垃圾发电排碳后，通过p2g设备吸收碳并发电，实现碳循环，然后根据综合能源系统的典型结构、多能耦合机理分析、相关要素建模、优化策略分析，分别以年经济总成本最低、碳净排放最低、综合能效最高作为优化目标，构建经济性、环境性与能效性兼备的含垃圾发电与p2g的综合能源系统协同规划模型，从而提高综合能源系统协同规划模型的构建准确性。
29.s102：采用蜜獾算法（honey badger algorithm，hba）求解所述综合能源系统协同规划模型的最优容量配置方案集。
30.具体的，综合能源系统规划场景特征复杂，其涉及不同能源转化形式、不同能源设备、不同负荷需求特征以及不同的优化目标。规划场景下的能源结构不同导致能源的耦合形式也不尽相同。因此，所构建的规划模型与方法具有复杂性、鲁棒性、非线性、多约束性等特征，使得模型求解要求不同。多目标综合能源系统协同规划模型与具有唯一最优解的单目标优化问题不同，它提供了可能无数的一组解决方案。应用帕累托最优理论可以找到该集合。因此，帕累托的识别对于实现不同目标之间的妥协决策至关重要。而启发式算法特别适合解决复杂多模态的多目标问题。考虑到传统启发式算法存在一定的局限性，本技术实施例采用多策略改进的蜜獾算法，在种群的初始化、全局搜索范围、局部最优解等多方面进行了优化。将负荷和资源（即风速、辐射强度）数据放入模型中，算法开始初始化、迭代求解，对所设置的约束条件进行判断，最后判断目标结果是否最优，若不是则继续迭代，最终获得
多目标规划问题的pareto解集。
31.在一个可能的实施方式中，s102的具体实现流程包括：步骤1：基于sin混沌映射初始化种群，蜜獾个体表示所述综合能源系统对应的单个容量配置方案，且所述容量配置方案中包括所述综合能源系统中所有设备对应的容量规划值；步骤2：根据当前迭代次数计算当前密度因子；步骤3：根据所述当前密度因子，通过挖掘模式和采蜜模式更新所述种群，并将所述综合能源系统协同规划模型的目标函数作为适应度函数，更新当前种群的个体最优解集和全局最优解集；步骤4：基于当前种群的个体最优解集对当前种群进行变异和交叉，得到更新后的种群，并根据更新后的种群中每个蜜獾个体的适应度值从更新后的种群中选择蜜獾个体组成新的种群，返回步骤2，并重复步骤2至步骤4，直至当前迭代次数达到最大迭代次数，输出当前种群的全局最优解集作为所述最优容量配置方案集。
32.在一个可能的实施方式中，s102中的步骤1的具体实现流程包括：基于混沌一维映射表达式得到混沌种群，其中，n表示所述种群中的蜜獾个体数量，dim表示所述综合能源系统中的设备数量；表示所述混沌种群中第i个蜜獾个体中的第j个设备的容量规划值；基于反向公式计算所述混沌种群的反向种群，并计算所述混沌种群和所述反向种群的并集；将所述综合能源系统协同规划模型的目标函数作为适应度函数，计算所述并集中每个蜜獾个体的适应度值；针对每个适应度值，将所述种群中的蜜獾个体按照该适应度值由大到小的顺序进行排序，得到该适应度值对应的排序结果；分别从每个适应度值对应的排序结果中选取前d个蜜獾个体组成初始种群；所述混沌一维映射表达式为：所述反向公式为：其中，表示所述混沌种群中第i+1个蜜獾个体中的第j个设备的容量规划值；表示的反向值，表示第i个蜜獾个体对应的搜索空间的最小动态边界，表示第i个蜜獾个体对应的搜索空间的最大动态边界。
33.在本实施例中，采用混沌映射初始化种群时，首先初始化一个0~1间的值作为，并基于混沌一维映射表达式初始化种群x，该种群中包括n个蜜獾个体xi，。
34.在得到混沌种群和反向种群的并集后，首先从并集中剔除不符合综合能源系统协同规划模型的约束条件的蜜獾个体，然后计算并集中剩余蜜獾个体的适应度值，针对每个适应度值，将所述种群中的蜜獾个体按照该适应度值由大到小的顺序进行排序，得到该适应度值对应的排序结果；分别从每个适应度值对应的排序结果中选取前d个蜜獾个体组成初始种群。
35.在一个可能的实施方式中，s102中的步骤2的具体实现流程包括：根据公式计算所述当前密度因子；其中，表示所述当前密度因子；表示惯性权重最大值，表示惯性权重最小值；表示密度因子系数，表示当前迭代次数，表示最大迭代次数，c表示预设系数。
36.在一个可能的实施方式中，s103中的步骤3中更新种群的具体实现流程包括：在挖掘阶段，蜜獾运动范围类似于心形，定义如下：其中，为更新后的蜜獾个体的位置；是当前猎物的位置（全局最优解）；是蜜獾获取食物的能力，取大于等于1的数，一般设为6；是猎物与第i只蜜獾之间的距离，是(0,1)之间的三个不同的随机数，f是改变搜索方向的标志，由式确定，式中，为(0,1)内的随机数。在挖掘阶段中，蜜獾对嗅觉强度ii、与猎物之间的距离、更新密度因子的依赖性很强，同时挖掘期间会受f的干扰，以便找到更好的猎物位置。
37.在采蜜阶段，蜜獾跟随导蜜鸟找到蜂巢的情况定义如下：由上式可知，蜜獾在搜寻猎物时根据距离信息在附近的位置进行搜索。搜索过程中也会受到密度因子和搜索方向f的影响。
38.在一个可能的实施方式中，s102中的步骤4的具体实现流程包括：基于变异策略公式对当前种群的位置进行变异更新；基于交叉策略公式对变异更新后的种群进行交叉更新，得到更新后的种群；所述变异策略公式为：
其中，表示变异更新后的第i个蜜獾个体中的第j个设备的容量规划值，表示第j个设备的最优容量配置方案解集；f2表示变异常数，f2》0；表示当前种群中第j个设备中的任意值，表示当前种群中第j个设备中除外的任意值；rand()表示取随机数函数，且；所述交叉策略公式为：其中，表示f2的最大值，表示f2的最小值；fv表示交叉变异常数；iter表示当前迭代次数，表示所述更新后的种群中第i个蜜獾个体的第j个设备的容量规划值，cr表示交叉概率。
39.在得到变异交叉后的种群后，剔除新种群中不符合综合能源系统规划模型的约束条件的蜜獾个体，并计算剔除处理后的种群中每个蜜獾个体的适应度值；针对每个适应度值，将每个蜜獾个体按照该适应度值进行排序，得到该适应度值对应的排序结果，并分别选取每个适应度值对应的排序结果中的前z个蜜獾个体组成新的种群，返回步骤2，并重复步骤2至步骤4，直至当前迭代次数达到最大迭代次数，输出当前种群的全局最优解集作为所述最优容量配置方案集。
40.上述综合能源系统协同规划模型的求解方法从初始化过程、密度因子、位置更新三个方面优化蜜獾算法，能够解决hba算法存在的陷入局部最优问题、迭代后期收敛性低、全局勘探和局部开发之间的不平衡的问题，从而提高最优容量配置方案的准确性。
41.s103：采用topsis算法计算所述最优容量配置方案集中每个最优容量配置方案的贴近度，并选取贴近度最高的最优容量配置方案作为所述综合能源系统的最优容量配置方案。
42.在本实施例中，由于多目标规划问题得到的解不是单一解，还需要对pareto解集进行排序，基于多目标决策理论和方法得到各方案的优劣次序，优选出既有条件下的最佳规划方案。
43.具体的，利用多策略改进的蜜獾算法（multi-strategy improved honey badger algorithm，mi-hba）求解综合能源系统协同规划模型的最优容量配置方案解集后，再通过topsis方法从中选择最佳折中解。
44.具体公式简化描述如下：
式中表示最优容量配置方案集中第p个最优容量配置方案中的第q个适应度函数值，适应度函数包括三个，分别为年经济总成本、碳净排放量和综合能效水平。其中，且n表示最优容量配置方案集中的最优容量配置方案数量，m表示适应度函数种数；表示标准化的决策矩阵；表示第q个适应度函数所占综合权重，即其相应一级指标（最优容量配置方案）权重与二级指标（适应度函数）权重的乘积，示例性的，可以取wq=1/3；表示第q个适应度函数的正理想解，表示第q个适应度函数的负理想解；表示第p个最优容量配置方案到正理想解的距离，表示第p个最优容量配置方案到负理想解的距离。
45.然后通过公式计算接近度，且。贴近度值越大，该目标越优。取值最大的最优容量配置方案作为综合能源系统协同规划模型的最优解，从而提高模型规划准确性。
46.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
47.以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
48.图3示出了本发明实施例提供的考虑垃圾发电碳循环的综合能源系统的协同规划装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：如图3所示，考虑垃圾发电碳循环的综合能源系统的协同规划装置100包括：模型构建模块110，用于基于包含垃圾发电设备和电转气设备的综合能源系统架构，构建综合能源系统协同规划模型，所述综合能源系统协同规划模型以年经济总成本最低、碳净排放量最低和综合能效水平最高为优化目标；模型最优解集计算模块120，用于采用蜜獾算法求解所述综合能源系统协同规划模型的最优容量配置方案集；最优容量配置方案计算模块130，用于采用topsis算法从所述最优容量配置方案集中选取所述综合能源系统的最优容量配置方案。
49.在一个可能的实施方式中，模型最优解集计算模块120包括：初始化单元，用于基于sin混沌映射初始化种群，蜜獾个体表示所述综合能源系统对应的单个容量配置方案，且所述容量配置方案中包括所述综合能源系统中所有设备对应的容量规划值；密度因子更新单元，用于根据当前迭代次数计算当前密度因子；种群更新单元，用于根据所述当前密度因子，通过挖掘模式和采蜜模式更新所述种群，并将所述综合能源系统协同规划模型的目标函数作为适应度函数，更新当前种群的个体最优解集和全局最优解集；交叉变异单元，用于基于当前种群的个体最优解集对当前种群进行变异和交叉，得到更新后的种群，并根据更新后的种群中每个蜜獾个体的适应度值从更新后的种群中选择蜜獾个体组成新的种群，返回密度因子更新单元继续执行，直至当前迭代次数达到最大迭代次数，输出当前种群的全局最优解集作为所述最优容量配置方案集。
50.在一个可能的实施方式中，初始化单元包括：基于混沌一维映射表达式得到混沌种群，其中，n表示所述种群中的蜜獾个体数量，dim表示所述综合能源系统中的设备数量；表示所述混沌种群中第i个蜜獾个体中的第j个设备的容量规划值；基于反向公式计算所述混沌种群的反向种群，并计算所述混沌种群和所述反向种群的并集；将所述综合能源系统协同规划模型的目标函数作为适应度函数，计算所述并集中每个蜜獾个体的适应度值；针对每个适应度值，将所述种群中的蜜獾个体按照该适应度值由大到小的顺序进行排序，得到该适应度值对应的排序结果；分别从每个适应度值对应的排序结果中选取前d个蜜獾个体组成初始种群；所述混沌一维映射表达式为：所述反向公式为：
其中，表示所述混沌种群中第i+1个蜜獾个体中的第j个设备的容量规划值；表示的反向值，表示第i个蜜獾个体对应的搜索空间的最小动态边界，表示第i个蜜獾个体对应的搜索空间的最大动态边界。
51.在一个可能的实施方式中，密度因子更新单元包括：根据公式计算所述当前密度因子；其中，表示所述当前密度因子；表示惯性权重最大值，表示惯性权重最小值；表示密度因子系数，表示当前迭代次数，表示最大迭代次数，c表示预设系数。
52.在一个可能的实施方式中，交叉变异单元包括：基于变异策略公式对当前种群的位置进行变异更新；基于交叉策略公式对变异更新后的种群进行交叉更新，得到更新后的种群；所述变异策略公式为：其中，表示变异更新后的第i个蜜獾个体中的第j个设备的容量规划值，表示第j个设备的最优容量配置方案解集；f2表示变异常数，f2》0；表示当前种群中第j个设备中的任意值，表示当前种群中第j个设备中除外的任意值；rand()表示取随机数函数，且；所述交叉策略公式为：其中，表示f2的最大值，表示f2的最小值；fv表示交叉变异常数；iter表示当前迭代次数，表示所述更新后的种群中第i个蜜獾个体的第j个设备的容量规划值，cr表示交叉概率。
53.在一个可能的实施方式中，所述综合能源系统协同规划模型的目标函数包括第一目标函数、第二目标函数和第三目标函数；
所述第一目标函数为：其中，f1表示年经济总成本，表示投资建设成本年值，表示购能成本年值，表示垃圾处理成本年值；表示运行维护成本年值；表示第j个设备的单位容量投资成本；表示第j个设备的总配置容量；表示折现率；表示设备寿命期；表示所述综合能源系统的设备元件类型集合；表示第j个设备的单位容量的年固定维护成本；表示第j个设备的运转出力情况；表示第j个设备的耗电比例系数；表示第j台消耗天然气的设备出力情况；表示第j台消耗天然气设备的消耗燃气比例系数；表示系统运行时段；表示整个综合能源系统的寿命周期；表示t时刻的所述综合能源系统向外部购买能源的价格；表示t时刻的所述综合能源系统的购能量；表示第k类垃圾非能源化利用的单位处理成本；表示第k类垃圾非能源化利用处理量；表示第k类垃圾能源化利用处理所获得的补贴价格；表示第k类垃圾能源化利用的处理量；所述第二目标函数为：其中，f2表示碳净排放量；表示外部电网中碳排放系数；表示t时刻下综合能源系统的购电量；表示t时刻下所述综合能源系统中未被捕集再利用或者封存的二氧化碳排放量；表示碳捕集设备在t时刻总共捕集到的co2质量；表示
碳捕集设备的co2捕集率；所述第三目标函数为：其中，f3表示综合能效水平；表示第j个设备的能源供给量；表示所述综合能源系统运行所消耗的合成甲烷气体总量；表示合成甲烷气体的低热值；表示所述综合能源系统运行所需的外购总电量。
54.在一个可能的实施方式中，所述综合能源系统协同规划模型的约束条件包括：系统功能设备元件的输出约束：其中，、分别表示第j个设备在t时刻和时刻的输出功率；表示第j个设备的供热最小功率，表示第j个设备的供热最大功率；表示第j个设备的减少出力的爬坡率，表示第j个设备的增加出力的爬坡率；存储设备元件的输出约束：其中，表示第j个储能设备在t时刻的充能功率，表示第j个储能设备在t时刻的放能功率，表示第j个储能设备在t时刻的能量状态值；表示第j个储能设备的最大充电功率，表示第j个储能设备的最大放能功率；表示第j个储能设备的能量状态值；表示第j个储能设备的充能效率，表示第j个储能设备的放能效率；电负荷功率平衡约束：
其中，表示t时刻的外部电网购电量；表示t时刻的电负荷需求；表示t时刻的电转气设备的耗电功率；表示t时刻的碳捕集的耗电功率；表示垃圾焚烧发电系统的净发电量；表示风力发电机的发电功率；表示光伏电池发电功率；表示生物质天然气chp在时刻的发电功率；表示电锅炉时段的耗电功率；表示污水源热泵时段制热的耗电功率；表示储能电池在时刻的放电功率；表示电池在时间时刻的放电功率；热负荷功率平衡约束：其中，表示t时刻的地域用户热负荷需求；表示电锅炉时产生的热功率；表示污水源热泵时产生的热功率；表示生物质天然气chp在时刻的供热功率；表示在时刻的蓄热罐的放热量；表示在时刻的蓄热罐的储热量；资金投入约束：其中，表示所述综合能源系统建设的最大可用资金，表示总投资建设成本；电网最大供能约束：其中，表示地域电网最大的供电能力；表示第j台设备的耗电功率；表示第j台设备的发电功率；表示地域预计的用电负荷；表示安全用电系数；垃圾资源可利用潜力约束：其中，表示规划周期内的垃圾资源最小供应总量；表示规划周期
内的垃圾资源最大供应总量；表示最小可燃烧垃圾比例；表示最大可燃烧垃圾比例；表示最小厨余垃圾存量比例；表示最大厨余垃圾存量比例，表示在时刻可燃烧垃圾的焚烧量；表示在时刻厨余垃圾的反应量。
55.本实施例提供的考虑垃圾发电碳循环的综合能源系统的协同规划装置，可用于执行上述考虑垃圾发电碳循环的综合能源系统的协同规划方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
56.图4是本发明一实施例提供的终端的示意图。如图4所示，该实施例的终端4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个考虑垃圾发电碳循环的综合能源系统的协同规划方法实施例中的步骤，例如图1所示的步骤101至步骤103。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块110至130的功能。
57.示例性的，所述计算机程序42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述终端4中的执行过程。
58.所述终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端4可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端4的示例，并不构成对终端4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
59.所称处理器40可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器 (digital signal processor，dsp)、专用集成电路 (application specific integrated circuit，asic)、现场可编程门阵列 (field-programmable gate array，fpga) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
60.所述存储器41可以是所述终端4的内部存储单元，例如终端4的硬盘或内存。所述存储器41也可以是所述终端4的外部存储设备，例如所述终端4上配备的插接式硬盘，智能存储卡（smart media card，smc），安全数字（secure digital，sd）卡，闪存卡（flash card）等。进一步地，所述存储器41还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
61.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单
元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
62.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
63.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
64.在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
65.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
66.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
67.所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个考虑垃圾发电碳循环的综合能源系统的协同规划方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、电载波信号、电信信号以及软件分发介质等。
68.以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

技术特征：
1.一种考虑垃圾发电碳循环的综合能源系统的协同规划方法，其特征在于，包括：基于包含垃圾发电设备和电转气设备的综合能源系统架构，构建综合能源系统协同规划模型，所述综合能源系统协同规划模型以年经济总成本最低、碳净排放量最低和综合能效水平最高为优化目标；采用蜜獾算法求解所述综合能源系统协同规划模型的最优容量配置方案集；采用topsis算法计算所述最优容量配置方案集中每个最优容量配置方案的贴近度，并选取贴近度最高的最优容量配置方案作为所述综合能源系统的最优容量配置方案。2.根据权利要求1所述的考虑垃圾发电碳循环的综合能源系统的协同规划方法，其特征在于，所述采用蜜獾算法求解所述综合能源系统协同规划模型的最优容量配置方案集，包括：步骤1：基于sin混沌映射初始化种群，蜜獾个体表示所述综合能源系统对应的单个容量配置方案，且所述容量配置方案中包括所述综合能源系统中所有设备对应的容量规划值；步骤2：根据当前迭代次数计算当前密度因子；步骤3：根据所述当前密度因子，通过挖掘模式和采蜜模式更新所述种群，并将所述综合能源系统协同规划模型的目标函数作为适应度函数，更新当前种群的个体最优解集和全局最优解集；步骤4：基于当前种群的个体最优解集对当前种群进行变异和交叉，得到更新后的种群，并根据更新后的种群中每个蜜獾个体的适应度值从更新后的种群中选择蜜獾个体组成新的种群，返回步骤2，并重复步骤2至步骤4，直至当前迭代次数达到最大迭代次数，输出当前种群的全局最优解集作为所述最优容量配置方案集。3.根据权利要求2所述的考虑垃圾发电碳循环的综合能源系统的协同规划方法，其特征在于，所述基于sin混沌映射初始化种群，包括：基于混沌一维映射表达式得到混沌种群，其中，n表示所述种群中的蜜獾个体数量，dim表示所述综合能源系统中的设备数量；表示所述混沌种群中第i个蜜獾个体中的第j个设备的容量规划值；基于反向公式计算所述混沌种群的反向种群，并计算所述混沌种群和所述反向种群的并集；将所述综合能源系统协同规划模型的目标函数作为适应度函数，计算所述并集中每个蜜獾个体的适应度值；针对每个适应度值，将所述种群中的蜜獾个体按照该适应度值由大到小的顺序进行排序，得到该适应度值对应的排序结果；分别从每个适应度值对应的排序结果中选取前d个蜜獾个体组成初始种群；所述混沌一维映射表达式为：所述反向公式为：
其中，表示所述混沌种群中第i+1个蜜獾个体中的第j个设备的容量规划值；表示的反向值，表示第i个蜜獾个体对应的搜索空间的最小动态边界，表示第i个蜜獾个体对应的搜索空间的最大动态边界。4.根据权利要求2所述的考虑垃圾发电碳循环的综合能源系统的协同规划方法，其特征在于，所述根据当前迭代次数计算当前密度因子，包括：根据公式计算所述当前密度因子；其中，表示所述当前密度因子；表示惯性权重最大值，表示惯性权重最小值；表示密度因子系数，表示当前迭代次数，表示最大迭代次数，c表示预设系数。5.根据权利要求2所述的考虑垃圾发电碳循环的综合能源系统的协同规划方法，其特征在于，所述基于当前种群的个体最优解集对当前种群进行变异和交叉，包括：基于变异策略公式对当前种群的位置进行变异更新；基于交叉策略公式对变异更新后的种群进行交叉更新，得到更新后的种群；所述变异策略公式为：其中，表示变异更新后的第i个蜜獾个体中的第j个设备的容量规划值，表示第j个设备的最优容量配置方案解集；f2表示变异常数，f2>0；表示当前种群中第j个设备中的任意值，表示当前种群中第j个设备中除外的任意值；rand()表示取随机数函数，且；所述交叉策略公式为：其中，表示f2的最大值，表示f2的最小值；fv表示交叉变异常数；iter表示当前迭代次数，表示所述更新后的种群中第i个蜜獾个体的第j个设备的容量规划值，cr表示交叉概率。6.根据权利要求1所述的考虑垃圾发电碳循环的综合能源系统的协同规划方法，其特
征在于，所述综合能源系统协同规划模型的目标函数包括第一目标函数、第二目标函数和第三目标函数；所述第一目标函数为：其中，f1表示年经济总成本，表示投资建设成本年值，表示购能成本年值，表示垃圾处理成本年值；表示运行维护成本年值；表示第j个设备的单位容量投资成本；表示第j个设备的总配置容量；表示折现率；表示设备寿命期；表示所述综合能源系统的设备元件类型集合；表示第j个设备的单位容量的年固定维护成本；表示第j个设备的运转出力情况；表示第j个设备的耗电比例系数；表示第j台消耗天然气的设备出力情况；表示第j台消耗天然气设备的消耗燃气比例系数；表示系统运行时段；表示整个综合能源系统的寿命周期；表示t时刻的所述综合能源系统向外部购买能源的价格；表示t时刻的所述综合能源系统的购能量；表示第k类垃圾非能源化利用的单位处理成本；表示第k类垃圾非能源化利用处理量；表示第k类垃圾能源化利用处理所获得的补贴价格；表示第k类垃圾能源化利用的处理量；所述第二目标函数为：其中，f2表示碳净排放量；表示外部电网中电能的碳排放系数；表示t时刻下综合能源系统的购电量；表示t时刻下所述综合能源系统中未被捕集再利用或者
封存的二氧化碳排放量；表示碳捕集设备在t时刻总共捕集到的co2质量；表示碳捕集设备的co2捕集率；所述第三目标函数为：其中，f3表示综合能效水平；表示第j个设备的能源供给量；表示所述综合能源系统运行所消耗的合成甲烷气体总量；表示合成甲烷气体的低热值；表示所述综合能源系统运行所需的外购总电量。7.根据权利要求1所述的考虑垃圾发电碳循环的综合能源系统的协同规划方法，其特征在于，所述综合能源系统协同规划模型的约束条件包括：系统功能设备元件的输出约束：其中，、分别表示第j个设备在t时刻和时刻的输出功率；表示第j个设备的供热最小功率，表示第j个设备的供热最大功率；表示第j个设备的减少出力的爬坡率，表示第j个设备的增加出力的爬坡率；存储设备元件的输出约束：其中，表示第j个储能设备在t时刻的充能功率，表示第j个储能设备在t时刻的放能功率，表示第j个储能设备在t时刻的能量状态值；表示第j个储能设备的最大充电功率，表示第j个储能设备的最大放能功率；表示第j个储能设备的能量状态值；表示第j个储能设备的充能效率，表示第j个储能设备的放能效率；电负荷功率平衡约束：
其中，表示t时刻的外部电网购电量；表示t时刻的电负荷需求；表示t时刻的电转气设备的耗电功率；表示t时刻的碳捕集的耗电功率；表示垃圾焚烧发电系统的净发电量；表示风力发电机的发电功率；表示光伏电池发电功率；表示生物质天然气chp在时刻的发电功率；表示电锅炉时段的耗电功率；表示污水源热泵时段制热的耗电功率；表示储能电池在时刻的放电功率；表示电池在时间时刻的放电功率；热负荷功率平衡约束：其中，表示t时刻的地域用户热负荷需求；表示电锅炉时产生的热功率；表示污水源热泵t时产生的热功率；表示生物质天然气chp在时刻的供热功率；表示在时刻的蓄热罐的放热量；表示在时刻的蓄热罐的储热量；资金投入约束：其中，表示所述综合能源系统建设的最大可用资金，表示总投资建设成本；电网最大供能约束：其中，表示地域电网最大的供电能力；表示第j台设备的耗电功率；表示第j台设备的发电功率；表示地域预计的用电负荷；表示安全用电系数；垃圾资源可利用潜力约束：
其中，表示规划周期内的垃圾资源最小供应总量；表示规划周期内的垃圾资源最大供应总量；表示最小可燃烧垃圾比例；表示最大可燃烧垃圾比例；表示最小厨余垃圾存量比例；表示最大厨余垃圾存量比例，表示在时刻可燃烧垃圾的焚烧量；表示在时刻厨余垃圾的反应量。8.一种考虑垃圾发电碳循环的综合能源系统的协同规划装置，其特征在于，包括：模型构建模块，用于基于包含垃圾发电设备和电转气设备的综合能源系统架构，构建综合能源系统协同规划模型，所述综合能源系统协同规划模型以年经济总成本最低、碳净排放量最低和综合能效水平最高为优化目标；模型最优解集计算模块，用于采用蜜獾算法求解所述综合能源系统协同规划模型的最优容量配置方案集；最优容量配置方案计算模块，用于采用topsis算法从所述最优容量配置方案集中选取所述综合能源系统的最优容量配置方案。9.一种终端，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。

技术总结
本发明提供了一种考虑垃圾发电碳循环的综合能源系统的协同规划方法，包括：基于包含垃圾发电设备和电转气设备的综合能源系统架构，构建综合能源系统协同规划模型，所述综合能源系统协同规划模型以年经济总成本最低、碳净排放量最低和综合能效水平最高为优化目标；采用蜜獾算法求解综合能源系统协同规划模型的最优容量配置方案集；采用Topsis算法计算最优容量配置方案集中每个最优容量配置方案的贴近度，并选取贴近度最高的最优容量配置方案作为综合能源系统的最优容量配置方案。上述方法不仅能够提高模型构建的准确性，还能够进一步提高最优容量配置方案的准确性，改善综合能源系统的规划效果。源系统的规划效果。源系统的规划效果。


技术研发人员：王永利 蔡成聪 董焕然 郭璐 郭文慧 延子昕 张一诺
受保护的技术使用者：华北电力大学
技术研发日：2023.08.07
技术公布日：2023/9/9