CCHP系统三联供多目标优化方法

摘要

本发明公开了一种CCHP系统三联供多目标优化方法，包括年能源消耗模型、年运营费用模型、污染排放模型的数学模型建立，由上述三个数学模型组成多目标优化函数并将其作为算法的适应值，利用随机鱼群算法进行求解得出设备容量数据，根据各个设备容量数据设计CCHP系统的设备购置方案。本发明体现了帕累托最优原则，将CCHP系统三联供的各个目标达到最优的资源配置，给决策者提供多样化的设备购置方案。

权利要求

1.一种CCHP系统三联供多目标优化方法，其特征在于包括以下步骤：(1)在CCHP系统中建立年能源消耗模型、年运营费用模型、污染排放模型；

(2)根据步骤(1)得到的CCHP系统中的年能源消耗模型、年运营费用模型、年污染排放模型，输入每个模型的权值，组成多目标优化函数；

(3)以步骤(2)得到的多目标优化函数作为算法的适应值，利用随机鱼群算法进行求解，得出设备容量数据；

(4)根据步骤(3)求出的各个设备容量数据设计CCHP系统的设备购置方案；

所述利用随机鱼群算法进行求解的步骤如下：

a.初始化：设置鱼群算法的迭代计数器T，当迭代次数为t(t≦T)时群体为P(t)，当t＝0时，随机生成M个个体并组成第一代群体P(0)，以第一代群体P(0)作为初始公告板，其中，每个个体的状态包括个体所处位置、个体视野范围、个体最大移动步长、个体最大尝试次数和个体初始速度；

b.个体评价：以个体所处位置为变量，通过步骤(2)得到的多目标优化函数计算个体适应值，并对群体P(t)进行分阶；

c.觅食行为：个体在设置的尝试次数范围内不断地随机调整移动步长，若寻找到比自身更优化的位置则结束，否则随机移动；

d.聚群行为：个体在设置的视野范围内寻找最优个体并向其中心位置移动；

e.追尾行为：由于多目标的最优个体为一个集合，所以个体在其视野范围内寻找最优的个体时，按照最优个体中的小生境距离排序，使用轮盘选择算法随机选择集合中的最优个体，并向其移动；

f.群体P(t)经过步骤c、d、e得到下一代群体P(t+1)，将得出的下一代群体P(t+1)与公告板进行对比，如果下一代群体P(t+1)存在个体优于公告板中对应的个体则更新公告板；

g.终止条件判断:若t＝T,则以计算过程中所得到的存在于公告板中阶最高的个体作为最优解输出，终止计算，这里计算得出了确定阶最高的个体所处位置的两个设备容量，由这两设备容量推算出其余的设备容量；

小生境距离：对于个体x1和x2的距离求解过程为：

a)计算所有处于同一阶的个体中各个适应值的最大值和最小值并设为：FuelCost_MAX,FuelCost_MIN,FinanceCost_MAX、FinanceCost_MIN,EnvironmentCost_MAX、EnvironmentCost_MIN；

b)计算个体x1和x2的EnvironmentCost适应值之间的距离：EnvironmentCost_Distance(x1,x2)＝|x1.EnvironmentCost-x2.EnvironmentCost|/(EnvironmentCost_MAX-EnvironmentCost_MIN)；

同理求解下面的两个适应值的距离：

FuelCost_Distance(x1,x2)和FinanceCost_Distance(x1,x2)，三者之和就是x1和x2之间的小生境距离。

2.根据权利要求1所述的CCHP系统三联供多目标优化方法，其特征在于：年能源消耗模型的建立步骤如下：AS1：将CCHP系统的设备关系、外来能源输入、负荷输出进行数学建模；

AS2：输入能源价格历史数据，对能源历史价格做回归分析，建立以前一年的价格作为输入、以当月价格作为输出的能源价格预测模型；

AS3：输入社区用户的每月的冷热电负荷，根据AS1建立的数学模型计算出整个系统维持运营的年能源消耗；

AS4：通过AS3计算出的年能源消耗，对系统年运营所需求的各种能源做单位化操作，即将各种能源转换成等价值的煤炭能源便于计算比对；

AS5：通过上述步骤AS1、AS2、AS3、AS4得出年能源消耗模型。

3.根据权利要求2所述的CCHP系统三联供多目标优化方法，其特征在于：年运营费用模型的建立步骤如下：BS1：输入组成CCHP系统的各个设备的容量和价格数据，将设备的价格作为目标做回归分析，利用支持向量机对这些数据进行训练得出设备容量与价格的关系模型；

BS2：输入组成CCHP系统的各个设备的容量和年保养费用，做回归分析，得出设备容量与保养费用的关系模型；

BS3：通过上述步骤AS3得到的年能源消耗以及步骤BS1得出的设备容量与价格的关系模型求出用于能源购买的年运营费用；

BS4：通过步骤BS1和步骤BS2分别得出用于设备购买及设备保养的年运营费用；

BS5：通过将步骤BS3得到的用于能源购买的年运营费用和步骤BS4得到的用于设备购买及设备保养的年运营费用组成年运营费用模型。

4.根据权利要求2所述的CCHP系统三联供多目标优化方法，其特征在于：污染排放模型的建立步骤如下：CS1：输入组成CCHP系统的各个设备的容量、污染物的排放类型和排放量，并以给定的污染物为单位对各个污染物进行换算，实现单元化，再将每个设备产生的、单元化后的污染物整合相加；

CS2：对步骤CS1得到的数据做回归分析，得出以设备容量为输入、以污染排放为输出的模型；

CS3：通过步骤AS1和步骤CS2建立年污染排放模型。

5.根据权利要求2所述的CCHP系统三联供多目标优化方法，其特征在于：上述步骤AS1中所述的外来能源输入包括天然气和外接电网产生的电力。

6.根据权利要求2所述的CCHP系统三联供多目标优化方法，其特征在于：上述步骤AS1中所述的负荷输出为冷负荷、热负荷及电负荷输出。

说明书

CCHP系统三联供多目标优化方法

技术领域

[0001] 本发明涉及多目标优化技术领域，尤其是一种基于帕累托最优理论解决CCHP系统中多目标优化问题的CCHP系统三联供多目标优化方法。

背景技术

[0002] 传统的产能方式中能源利用率低，只能达到40%左右的能源利用率，原始能源消耗多，污染排放严重。

[0003] CCHP（Combined Cooling Heating and Power）系统又称热电冷联产系统，分布式冷热电联产系统是能源综合梯级利用的解决方案，总的能源利用率可以达到75%～90%。它以小水电、生物能、风能、太阳能、地热能、天然气、垃圾能或工业余热等一切可以产生电或热的资源作为一次能源，将发电系统和供热、供冷系统相结合的小规模、点状分布在用户附近的一种综合供能方式。从而满足用户对热、电、冷等能源的需求。CCHP系统既可使用户自成一个能源供应系统，又可与大电网并网运行，系统具有相对的独立性、灵活性和安全性。CCHP系统可以一台独立运行，又可以多台并联运行，可以满足不同功率负荷的用户需求。

[0004] CCHP前身为热电联产技术，通常的火电厂锅炉产生的蒸汽驱动汽轮发电机组发电以后，排出的蒸汽仍含有大部分热量被冷却水带走，因而火电厂的热效率只有30－40%。如果蒸汽驱动汽轮机的过程或之后的抽汽或排汽的热量能加以利用，可以既发电又供热。这种生产方式称为热电联产。

[0005] 现实中能量需求多样化，对于一般的小型社区，能源负荷需求的可以分为电负荷、热负荷和冷负荷。

[0006] 受益于热电联产技术的启示，能否将废热直接转换成冷量，成为研究热点，后来溴化锂吸收式制冷机的出现实现了这种想法。溴化锂吸收式制冷机将浓溴化锂溶液通循环吸收进入的带有废热的热量，达到最终达到制取低温冷水的目的。

[0007] 通过CCHP系统的废热回收应用于供热和制冷，实现了能源的梯级利用。

[0008] 帕累托最优是指资源分配的一种理想状态，即假定固有的一群人和可分配的资源，从一种分配状态到另一种状态的变化中，在没有使任何人境况变坏的前提下，也不可能再使某些人的处境变好。

[0009] 将帕累托最优应用于CCHP中各项性能指标的调节是很具有研究意义的。一般的CCHP的评价系统只专注于体现能源站的经济指标，这种评价系统不利于节能减排的新需求。

[0010] CCHP系统中包含的设备多种多样，能源站追求在经济利益的情况下，还要保证污染指标和能源消耗问题。一般的多目标优化的解决思路为通过设置不同目标的权值，然后将各个目标函数相加整合为单目标优化问题，这样的解决方案虽然简单易行但是不能很好体现各项指标之间的均衡关系。

发明内容

[0011] 本发明的目的在于：针对上述存在的问题，提供一种基于帕累托最优原则将CCHP系统三联供的各个目标达到最优资源配置，给决策者提供多样化设备购置方案的CCHP系统三联供多目标优化方法。

[0012] 本发明采用的技术方案如下：

[0013] 本发明提供一种CCHP系统三联供多目标优化方法，包括以下步骤：

[0014] （1）在CCHP系统中建立年能源消耗模型、年运营费用模型、污染排放模型；

[0015] （2）根据步骤（1）得到的CCHP系统中的年能源消耗模型、年运营费用模型、年污染排放模型，输入每个模型的权值，组成多目标优化函数；

[0016] （3）以步骤（2）得到的多目标优化函数作为算法的适应值，利用随机鱼群算法进行求解，得出设备容量数据；

[0017] （4）根据步骤（3）求出的各个设备容量数据设计CCHP系统的设备购置方案。

[0018] 对上述方案作进一步优选，年能源消耗模型的建立步骤如下：

[0019] AS1：将CCHP系统的设备关系、外来能源输入、负荷输出进行数学建模；

[0020] AS2：输入能源价格历史数据，对能源历史价格做回归分析，建立以前一年的价格作为输入、以当月价格作为输出的能源价格预测模型；

[0021] AS3：输入社区用户的每月的冷热电负荷，根据AS1建立的数学模型计算出整个系统维持运营的年能源消耗；

[0022] AS4：通过AS3计算出的年能源消耗，对系统年运营所需求的各种能源做单位化操作，即将各种能源转换成等价值的煤炭能源便于计算比对；

[0023] AS5：通过上述步骤AS1、AS2、AS3、AS4得出年能源消耗模型。

[0024] 对上述方案作进一步优选，年运营费用模型的建立步骤如下：

[0025] BS1：输入组成CCHP系统的各个设备的容量和价格数据，将设备的价格作为目标做回归分析，利用支持向量机对这些数据进行训练得出设备容量与价格的关系模型；

[0026] BS2：输入组成CCHP系统的各个设备的容量和年保养费用，做回归分析，得出设备容量与保养费用的关系模型；

[0027] BS3：通过上述步骤AS3得到的年能源消耗以及步骤BS1得出的设备容量与价格的关系模型求出用于能源购买的年运营费用；

[0028] BS4：通过步骤BS1和步骤BS2分别得出用于设备购买及设备保养的年运营费用；

[0029] BS5：通过将步骤BS3得到的用于能源购买的年运营费用和步骤BS4得到的用于设备购买及设备保养的年运营费用组成年运营费用模型。

[0030] 对上述方案作进一步优选，污染排放模型的建立步骤如下：

[0031] CS1：输入组成CCHP系统的各个设备的容量、污染物的排放类型和排放量，并以给定的污染物为单位对各个污染物进行换算，实现单元化，再将每个设备产生的、单元化后的污染物整合相加；

[0032] CS2：对步骤CS1得到的数据做回归分析，得出以设备容量为输入、以污染排放为输出的模型；

[0033] CS3：通过步骤AS1和步骤CS2建立年污染排放模型。

[0034] 上述步骤AS1中所述的外来能源输入包括天然气和外接电网产生的电力。

[0035] 上述步骤AS1中所述的负荷输出为冷负荷、热负荷及电负荷输出。

[0036] 对上述方案作进一步优选，所述利用随机鱼群算法进行求解的步骤如下：

[0037] a.初始化：设置鱼群算法的迭代计数器T，当迭代次数为t（t≦T）时群体为P（t），当t=0时，随机生成M个个体并组成第一代群体P（0），以第一代群体P（0）作为初始公告板，其中，每个个体的状态包括个体所处位置、个体视野范围、个体最大移动步长、个体最大尝试次数和个体初始速度；

[0038] b.个体评价：以个体所处位置为变量，通过步骤（2）得到的多目标优化函数计算个体适应值，并对群体P（t）进行分阶；

[0039] c.觅食行为：个体在设置的尝试次数范围内不断地随机调整移动步长，若寻找到比自身更优化的位置则结束，否则随机移动；

[0040] d.聚群行为：个体在设置的视野范围内寻找最优个体并向其中心位置移动；

[0041] e.追尾行为：由于多目标的最优个体为一个集合，所以个体在其视野范围内寻找最优的个体时，按照最优个体中的小生境距离排序，使用轮盘选择算法随机选择集合中的最优个体，并向其移动；

[0042] f.群体P（t）经过步骤c、d、e得到下一代群体P(t+1)，将得出的下一代群体P(t+1)与公告板进行对比，如果下一代群体P(t+1)存在个体优于公告板中对应的个体则更新公告板；

[0043] g.终止条件判断:若t=T,则以计算过程中所得到的存在于公告板中阶最高的个体作为最优解输出，终止计算，这里计算得出了确定阶最高的个体所处位置的两个设备容量，由这两设备容量推算出其余的设备容量。

[0044] 综上所述，由于采用了上述技术方案，本发明的有益效果是：

[0045] 1.利用历史数据推测设备容量与设备价格、设备污染排放的关系，并以设备容量作为决策变量，简化了CCHP系统的模型构建问题，投资者根据设备容量能够设计出简单明了的使资源达到最优配置的设备购置方案。

[0046] 2.一般的能源站建设运营优化方案是将多目标问题通过设置权值转换成单目标优化问题并求解，本发明采用了帕累托最优原则的优化方案，这种优化方案不是将多目标问题简单地转换成单目标，而是将每个目标都作为目标函数并进行博弈，不会使其中任何一个目标值过高或过低，这样得出的结果更加科学化。

[0047] 3.采用了随机鱼群算法作为多目标优化问题的求解方法，随机鱼群算法具有简单易行的优点，在运行时间上比一般的多目标算法都要短，对于本系统的多目标优化问题具有很好的实用性。

[0048] 4.通过研究多目标优化追求年运营费用、年能源消耗、年污染指标多项指标的帕累托前沿,能够达到在兼顾分布式能源站自身经济利益的同时不会过于消耗能源和产生大量的污染。

附图说明

[0049] 本发明将通过例子并参照附图的方式说明，其中：

[0050] 图1是本发明CCHP系统三联供多目标优化方法的流程图；

[0051] 图2是本发明实施例中一种常见的CCHP系统结构框图；

[0052] 图3是本发明实施例中求最大冷负荷流程图；

[0053] 图4是本发明实施例中求最大热负荷流程图；

[0054] 图5是本发明实施例中求每月各设备实际负荷流程图；

[0055] 图6是本发明实施例中随机鱼群算法的流程图；

[0056] 图7是本发明实施例中计算种群中个体的阶的流程图。

具体实施方式

[0057] 下面结合附图及实施例对本发明作详细说明。

[0058] 如图1所示，一种CCHP系统三联供多目标优化方法，包括以下步骤：

[0059] （1）在CCHP系统中建立年能源消耗模型、年运营费用模型、污染排放模型；

[0060] （2）根据步骤（1）得到的CCHP系统中的年能源消耗模型、年运营费用模型、年污染排放模型，输入每个模型的权值，组成多目标优化函数；

[0061] （3）以步骤（2）得到的多目标优化函数作为算法的适应值，利用随机鱼群算法进行求解，得出设备容量数据；

[0062] （4）根据步骤（3）求出的各个设备容量数据设计CCHP系统的设备购置方案。

[0063] 其中，年能源消耗模型的建立步骤如下：

[0064] AS1：将CCHP系统的设备关系、外来能源输入、负荷输出进行数学建模；

[0065] AS2：输入能源价格历史数据，对能源历史价格做回归分析，建立以前一年的价格作为输入、以当月价格作为输出的能源价格预测模型；

[0066] AS3：输入社区用户的每月的冷热电负荷，根据AS1建立的数学模型计算出整个系统维持运营的年能源消耗；

[0067] AS4：通过AS3计算出的年能源消耗，对系统年运营所需求的各种能源做单位化操作，即将各种能源转换成等价值的煤炭能源便于计算比对；

[0068] AS5：通过上述步骤AS1、AS2、AS3、AS4得出年能源消耗模型。

[0069] 年运营费用模型的建立步骤如下：

[0070] BS1：输入组成CCHP系统的各个设备的容量和价格数据，将设备的价格作为目标做回归分析，利用支持向量机对这些数据进行训练得出设备容量与价格的关系模型；

[0071] BS2：输入组成CCHP系统的各个设备的容量和年保养费用，做回归分析，得出设备容量与保养费用的关系模型；

[0072] BS3：通过上述步骤AS3得到的年能源消耗以及步骤BS1得出的设备容量与价格的关系模型求出用于能源购买的年运营费用；

[0073] BS4：通过步骤BS1和步骤BS2分别得出用于设备购买及设备保养的年运营费用；

[0074] BS5：通过将步骤BS3得到的用于能源购买的年运营费用和步骤BS4得到的用于设备购买及设备保养的年运营费用组成年运营费用模型。

[0075] 污染排放模型的建立步骤如下：

[0076] CS1：输入组成CCHP系统的各个设备的容量、污染物的排放类型和排放量，并以给定的污染物为单位对各个污染物进行换算，实现单元化，再将每个设备产生的、单元化后的污染物整合相加；

[0077] CS2：对步骤CS1得到的数据做回归分析，得出以设备容量为输入、以污染排放为输出的模型；

[0078] CS3：通过步骤AS1和步骤CS2建立年污染排放模型。

[0079] 上述步骤AS1中所述的外来能源输入包括天然气和外接电网产生的电力。

[0080] 上述步骤AS1中所述的负荷输出为冷负荷、热负荷及电负荷输出。

[0081] 对上述方案作进一步优选，所述利用随机鱼群算法进行求解的步骤如下：

[0082] a.初始化：设置鱼群算法的迭代计数器T，当迭代次数为t（t≦T）时群体为P（t），当t=0时，随机生成M个个体并组成第一代群体P（0），以第一代群体P（0）作为初始公告板，其中，每个个体的状态包括个体所处位置、个体视野范围、个体最大移动步长、个体最大尝试次数和个体初始速度；

[0083] b.个体评价：以个体所处位置为变量，通过步骤（2）得到的多目标优化函数计算个体适应值，并对群体P（t）进行分阶；

[0084] c.觅食行为：个体在设置的尝试次数范围内不断地随机调整移动步长，若寻找到比自身更优化的位置则结束，否则随机移动；

[0085] d.聚群行为：个体在设置的视野范围内寻找最优个体并向其中心位置移动；

[0086] e.追尾行为：由于多目标的最优个体为一个集合，所以个体在其视野范围内寻找最优的个体时，按照最优个体中的小生境距离排序，使用轮盘选择算法随机选择集合中的最优个体，并向其移动；

[0087] f.群体P（t）经过步骤c、d、e得到下一代群体P(t+1)，将得出的下一代群体P(t+1)与公告板进行对比，如果下一代群体P(t+1)存在个体优于公告板中对应的个体则更新公告板；

[0088] g.终止条件判断:若t=T,则以计算过程中所得到的存在于公告板中阶最高的个体作为最优解输出，终止计算，这里计算得出了确定阶最高的个体所处位置的两个设备容量，由这两设备容量推算出其余的设备容量。实施例

[0089] 如图2所示为一种常见的CCHP系统结构框图。图中组成系统的设备包括微型燃气轮机 、余热锅炉、辅助锅炉、溴化锂吸收式制冷机、电制冷机和外界电网GRID。

[0090] 其中微型燃气轮机的作用是生产电力，在生产电力过程中会产生废热，废热经由余热锅炉回收做二次利用，在系统中设置微型燃气轮机的容量为Capacity_MP，设置余热产生率为P_mp。则微型燃气轮机自身能够提供的电负荷为Capacity_MP*(1-P_mp)，余热锅炉回收的余热为Capacity_MP*P_mp。

[0091] 余热锅炉回收微型燃气轮机在生产电力过程中所产生的余热并为用户提供热量，其中一部分作为社区的热负荷需求直接输出，一部分作为溴化锂吸收式制冷机工作所需要的热量，设置余热锅炉的容量为Capacity_HRSG。

[0092] 辅助锅炉是在用户冷热负荷过大，而余热锅炉不能单独提供足够的热量时提供热量，保证了冷热负荷可以一直满足用户的需求,设置辅助锅炉容量为Capacity_AB。

[0093] 溴化锂吸收式制冷机通过吸收热能来制冷提供给社区用户需要的冷负荷，溴化锂吸收式制冷机热量的来源包括余热锅炉和辅助锅炉提供的热量，设置溴化锂吸收式制冷机的容量为Capacity_AC。

[0094] 电制冷机在冷负荷过高而溴化锂吸收式制冷机不能提供足够的冷负荷时运行提供足够的冷负荷，设置电制冷机的容量为Capacity_EC。

[0095] 如图3、图4所示，其中CD_MAX和Heat_MAX分别为一年12个月中最大的冷负荷和热负荷，其中热负荷不但包括需要供热的社区的热负荷需求，还包括系统制冷时需要的热负荷需求。

[0096] 图3中，首先将CD_MAX置0，然后比较12个月的冷负荷值，最后求得最大值冷负荷值。

[0097] 图4中，首先将Heat_MAX置0，然后计算每个月系统自需的热负荷，若当月的冷负荷大于或等于AC（即Capacity_AC，下文同），则当月的溴化锂吸收式制冷机需要全负荷工作，系统自需热负荷为AC；若当月的冷负荷小于AC则当月的溴化锂吸收式制冷机不需要全负荷工作，系统自需热负荷为当月的社区用户的冷负荷需求。

[0098] 由图2、图3和图4所述的过程整理出各个设备之间的关系。

[0099] 图2中微型燃气轮机产生的废热被余热锅炉回收,余热锅炉和辅助锅炉共同提供社区用户和系统自身的热负荷需求，电制冷机和溴化锂吸收式制冷机共同提供社区的冷负荷需求，综上得到各个设备之间的容量关系：

[0100] （1）Capacity_HRSG=Capacity_MP*P_mp。

[0101] （2）如果Capacity_AC>=CD_MAX，

[0102] 则Capacity_EC=0，

[0103] 否则Capacity_EC=CD_MAX-Capacity_AC。

[0104] （3）如果Capacity_HRSG>=Heat_MAX，

[0105] 则Capacity_AB=0

[0106] 否则Capacity_AB=Heat_MAX-Capacity_HRSG。

[0107] 由上述关系知，只需要得知Capacity_AC和Capacity_HRSG就可以求解出其他的设备容量。

[0108] 如图5所示，计算每个月各个设备的实际负荷，首先比较当月冷负荷值Cool_Demand与溴化锂吸收式制冷机容量AC之间的大小，若冷负荷Cool_Demand小于AC，则当月不需要电制冷机工作，溴化锂吸收式制冷机当月的实际工作负荷ABS_Fuel就为当月的冷负荷值Cool_Demand，而电制冷机当月的实际负荷EC_Fuel为0；若冷负荷Cool_Demand大于AC，则完成冷负荷目标还需要电制冷机的工作，这样，溴化锂吸收式制冷机的实际工作负荷ABS_Fuel为满负荷工作时的负荷，同时电制冷机实际工作负荷EC_Fuel为冷负荷值Cool_Demand减去溴化锂吸收式制冷机容量AC；之后比较余热锅炉容量HRSG（即Capacity_HRSG，下文同）与当月的实际热负荷Heat_act之间（包括社区热负荷需求和系统自身热负荷需求）的大小，若余热锅炉容量HRSG大于等于实际热负荷Heat_act，则不需要辅助锅炉工作，余热锅炉实际工作负荷HRSG_Fuel就为实际热负荷Heat_act，辅佐锅炉不需要运行；否则，需要辅佐锅炉运行，此时余热锅炉实际工作负荷HRSG_Fuel就是自身容量，辅佐锅炉实际工作负荷AB_Fuel为当月的实际热负荷Heat_act减去余热锅炉容量HRSG；由上述得到的余热锅炉实际工作负荷HRSG_Fuel推算出微型燃气轮机的实际工作负荷MP_Fuel，得到了微型燃气轮机的实际工作负荷MP_Fuel便知道了当月系统自身的产电量，将微型燃气轮机的实际工作负荷MP_Fuel与当月电负荷Ele_demand和电制冷机实际工作负荷EC_Fuel之和比较便可以求得从外界电网购买的电力ELE_Fuel。

[0109] 燃料的输入主要有三种：输入微型燃气轮机的实际工作负荷MP_Fuel、输入辅助锅炉的实际工作负荷AB_Fuel、从外界电网购买的电力ELE_Fuel。通过计算12个月的MP_Fuel、AB_Fuel、ELE_Fuel并相加得到一年的工作负荷，从而可以计算出年实际的能源消耗，由于三种输入能源的负荷不同，则需要进行单位化，得出年燃料消耗为：

[0110] YEA_Fuel=MP_Fuel_Sum*pMPfuel+ELE_Fuel_Sum*pELECfuel+AB_Fuel_Sum*pABfuel,

[0111] 其中，MP_Fuel_Sum、AB_Fuel_Sum、ELE_Fuel_Sum分别为一年中每个月的MP_Fuel、AB_Fuel、ELE_Fuel的总和,pMPfuel、pELECfuel、pABfuel代表了单位化后每个燃料所占的能量单元数。

[0112] 通过图2的系统结构，只需要确定Capacity_AC和Capacity_HRSG的值就可以知道其他的设备容量，则系统运行的年能源消耗目标函数为：

[0113] FuelCost(Capacity_AC,Capacity_HRSG)

[0114] 通过上述过程求得一年的燃料实际消耗，之后通过计算系统购买设备和维修设备的费用就可以计算出年运营费用。

[0115] 而通过对设备容量与设备价格和设备维护费用的历史数据进行数据训练得出训练模型，进而得出设备价格、维修费用之和与容量之间的函数式分别为：

[0116] （1） MP_price(Capacity_MP)；

[0117] （2） HRSG_price(Capacity_HRSG)；

[0118] （3） AB_price(Capacity_AB)；

[0119] （4） AC_price(Capacity_AC)；

[0120] （5） EC_price(Capacity_EC)。

[0121] 同理于求解年燃料消耗的过程，只需要确定Capacity_HRSG和Capacity_AC就可以得出整个年运营消耗的所有费用（燃料费用、机器的购买和维修费用），年运营费用的目标函数为：

[0122] FinanceCost(Capacity_AC,Capacity_HRSG)

[0123] 同理于求解各个设备价格和容量的关系，通过历史数据训练出设备类型及容量和产生污染的关系，由于各个设备产生的污染物不同，需要确定制定各种污染物的污染指数表格，所有的污染物统一化，这样可以得出各个设备的污染指数，同理于上述的求解过程，年污染排放的目标函数为：

[0124] EnvironmentCost(Capacity_AC,Capacity_HRSG)

[0125] 如图6所示为在上述的三种目标函数已经确定的情况下利用随机鱼群算法进行求解的过程如下：

[0126] 1）设置种群内个体数量和迭代次数。

[0127] 2）初始化种群个体：由上述可知，只要确定Capacity_AC和Capacity_HRSG就可以求解三个目标函数，所以随机生成个体的过程就是随机生成Capacity_AC和Capacity_HRSG两个变量的过程，初始化种群个体的位置就是初始化种群个体的变量Capacity_AC和Capacity_HRSG；视野范围为个体所能选择的最大空间，在这个空间内个体可以进行聚群和追尾行为；步长为个体每次尝试所能移动的步长；公告板为所有个体所共享，里面记录目前寻找到所有的最优个体，由于多目标的最优个体为一个集合，所以初始化公告板为初始群体（即第一代群体P（0））。

[0128] 3）计算个体适应度：由于是多目标优化问题，计算适应度时需要设置三个适应值：

[0129] （1）FuelCost(Capacity_AC,Capacity_HRSG)；

[0130] （2）FinanceCost(Capacity_AC,Capacity_HRSG)；

[0131] （3）EnvironmentCost(Capacity_AC,Capacity_HRSG)。

[0132] 4）计算所有个体的阶（即rank，下文同）:一个个体x1的阶高于另一个个体x2的阶的意思是x1的所有适应值都大于x2对应的适应值。计算整个种群的个体的阶的过程如图7所示。图中开始时,rank为0，选择其中一个个体x1，比较x1与种群中其他的个体的适应值，假如x1在一个个体x2中找不到比其对应的适应值小的适应值，则可以确定这个个体x1的阶是当前种群中最低的阶，则个体x1的阶为当前的rank值；继续上述过程直到遍历所有种群，假如出现上述情况，则选中的个体的阶就为当前的rank值，遍历完所有个体之后，意味着找到了所有在当前种群中阶最低的一组个体，把这些个体剔除出群体，并将rank加1继续上述过程，一直到整个种群的个体都得到rank值。

[0133] 5）计算个体的小生境：小生境是指处于某一阶个体与同阶的其他个体之间的距离，求解小生境是对处于同一阶rank的个体进行处理，不同阶rank的个体之间不进行计算，对于个体x1和x2的距离求解过程为：

[0134] a）计算所有处于同一阶的个体中各个适应值的最大值和最小值并设为：

[0135] FuelCost_MAX,FuelCost_MIN,FinanceCost_MAX、

[0136] FinanceCost_MIN,EnvironmentCost_MAX、

[0137] EnvironmentCost_MIN。

[0138] b）计算个体x1和x2的EnvironmentCost适应值之间的距离：

[0139] EnvironmentCost_Distance(x1,x2)=|x1.EnvironmentCost-x2.EnvironmentCost|/(EnvironmentCost_MAX-EnvironmentCost_MIN)。

[0140] 同理求解下面的两个适应值的距离：

[0141] FuelCost_Distance(x1,x2)和FinanceCost_Distance(x1,x2)。

[0142] 三者之和就是x1和x2之间的小生境距离。

[0143] c）计算x1与所有其他个体之间的距离并相加，得出的和就是个体x1的小生境。

[0144] 6）觅食行为：个体在设置的尝试范围内不断地调整步长，并按照步长移动，移动到新的位置后，先比较在此位置上的个体的各个适应值，如果新个体的阶比旧个体要高，则更新个体，如果阶一样则比较个体的小生境距离，并以其为更新原则，如果在设置的尝试范围内都找不到更优位置，则种群随机移动。

[0145] 7）聚群行为：模仿鱼群在寻找食物时的特征，个体在其视野范围内搜索其他个体，如果某一区域个体的评价标准更高，则认为这个区域有更好的食物，找出个体在其视野范围内比自己更优的个体，计算这些个体的中心位置，并向该位置移动，如果视野范围内不存在这样的个体，则执行觅食行为。

[0146] 8）追尾行为：种群寻找视野范围内比自己优秀的个体，将寻找到的个体按照步骤3）中设置的三个适应值进行分阶后，对最高阶的个体按照其小生境距离排序，并做轮盘选择操作，选择其中一个个体，并向其移动，如果视野范围内不存在这样的个体，则执行觅食行为。

[0147] 9）按照步骤6）、7）、8）生成新的种群，并将新的种群与公告板比对，更新公告板。

[0148] 10）循环步骤3）至步骤9），直到迭代结束，计算得到存在于公告板中阶最高的个体，这些个体作为最优解输出并显示，由于个体的位置由Capacity_AC和Capacity_HRSG两个变量确定，所以得出了阶最高的个体便得出了变量Capacity_AC和Capacity_HRSG的最优解。

[0149] 根据上述求得的Capacity_AC和Capacity_HRSG变量，利用上述的各个设备之间的容量关系：

[0150] （1）Capacity_HRSG=Capacity_MP*P_mp。

[0151] （2）如果Capacity_AC>=CD_MAX，

[0152] 则Capacity_EC=0，

[0153] 否则Capacity_EC=CD_MAX-Capacity_AC。

[0154] （3）如果Capacity_HRSG>=Heat_MAX，

[0155] 则Capacity_AB=0

[0156] 否则Capacity_AB=Heat_MAX-Capacity_HRSG。

[0157] 求得变量Capacity_MP*P_mp、Capacity_EC、Capacity_AB。

[0158] 根据上述求出的5个变量：Capacity_AC、Capacity_HRSG、Capacity_MP*P_mp、Capacity_EC、Capacity_AB，投资者可以设计适合自身情况的最优设备购置方案。

[0159] 本发明并不局限于前述的具体实施方式。本发明可扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。