针对传统算法现有的CCHP系统并未以用户需求的满足率和系统运行成本作为优化的目标函数的问题，本发明提供一种含污水源热泵的CCHP系统冷热电联供优化方法，其特征在于，包括以下步骤：S1.输入冷热电联供系统原始数据；S2.构建CCHP微电网模型；S3.构建目标函数；S4.构建约束条件；S5.求解算法，得到优化结果。本发明构建了燃气轮机、余热锅炉的启停函数，更好计算这两种设备的启停成本，考虑了用户需求的满足率，以用户需求的满足率和系统运行成本为优化目标函数，对冷热电三联供型微电网系统的运行调度进行优化。
1.一种含污水源热泵的CCHP系统冷热电联供优化方法，其特征在于，包括以下步骤：S1.输入冷热电联供系统原始数据，包括输入所预测的冷负荷、热负荷、电负荷、风机和光伏电池出力；
S2.构建CCHP微电网模型，包括燃气轮机输出功率以及产热模型、余热锅炉模型、风机和光伏电池出力模型、储能电池模型、燃气锅炉模型、污水源热泵模型、吸收式制冷器模型、电制冷器模型；
S3.1以用户需求的满足率为优化目标函数：其中，F1.1为电负荷需求满足率；F1.2为热负荷满足率；F1.3为冷负荷满足率；F1.4为三类用户总体满足率；μ、σ、 为权重系数；
其中，PMT.t为微型燃气轮机在t时刻所提供的电功率； 为t时刻风电机组实际出力；
为t时刻光伏电池的实际出力； 和 分别为t时刻的充电功率和放电功率；ηcha和ηdis分别为充电效率和放电效率；PEXB.t为t时刻联供系统向配电网购电功率；PEXS.t是联供系统向配电网的售电功率；PEC.t为电制冷机在t时段的用电功率；PSE.t为污水源热泵在t时段的用电功率； 为t时段的电负荷；
其中，HMT.t为t时段微型燃气轮机的产热量；HGF.t为燃气锅炉在t时段的产热量；HSE.t为t时段污水源热泵的热量提取量； 为t时段热负荷；αt是余热锅炉在t时刻的热分配系数；
βt是污水源热泵在t时刻的热分配系数；ηWT为余热锅炉的回收效率；
其中，QAC.t和QEC.t分别电制冷机和吸收式制冷器在t时段的制冷量； 为t时段冷负荷；S3.2以运行成本为优化目标函数：F2＝CGAS+CEX+CPR+COS其中，F2为运行成本；CGAS、CEX、CPR和COS分别为系统燃料费用、系统购电费用和售电收益之差、系统设备运行费用以及设备启停费用；
其中εt为天然气价格；GMT.t为燃气轮机在t时段的耗气量；GGF.t为燃气锅炉在t时段的耗气量；
其中，τB.t和τS.t分别是冷热电联供系统向配电网购电和售电的价格；
其中KMT、KGF、KWT、KPV、KEC、KSE分别为燃气轮机、燃气锅炉、风电机组、光伏电池、电制冷器、污水源热泵、吸收式制冷器的单位功率运行费用；QAC.t为吸收式制冷器在t时段的制冷功率；
其中， 为燃气发电机的切除系数； 为燃气发电机的额定功率；COP.MT为燃气轮机开机费用；CST.MT为燃气轮机停机费用；COP.GF为燃气锅炉开机费用；CST.GF为燃气锅炉关机费用；SSMTO.t、SSMTS.t、SSGFO.t、SSGFS.t为启停系数，SSMTO.t为1时代表微型燃气轮机在t时段开启，SSMTS.t为1时代表微型燃气轮机在t时段停运；SSGFO.t为1时代表燃气锅炉在t时段开启，SSGFS.t为1时代表微型燃气轮机在t时段停运；
S3.3.综合用户需求的满足率目标函数和运行成本目标函数得到总目标函数：其中，和δ分别为权重系数。
2.根据权利要求1所述的一种含污水源热泵的CCHP系统冷热电联供优化方法，其特征在于，所述的S4步骤的具体方法是：S4.1能量平衡约束
电能主要由燃气轮机、配电网、光伏电池、风电机组提供，储能电池在此起到平抑风电机组和光伏电池的出力波动的作用：热平衡约束：
热能主要由污水源热泵和余热锅炉产生的提取的热能以及燃气锅炉的热能提供：冷平衡约束：
冷负荷需求主要由吸收式制冷器以及电制冷器提供：其中，吸收式制冷器的热量由余热锅炉和污水源热泵提供：QEC.t＝(HMT.t(1-αt)ηWT+HSE.t(1-βt))ηEC式中，ηEC为吸收式制冷器的制冷效率；
由于微型燃气发电机损耗天然气进行发电对天然气耗气量存在一定约束，因此对应发电功率存在爬坡约束：|PMT.t-PMT.t-1|≤aPPMT，t其中，aP为微型燃气轮机的发电功率爬坡能力系数；
考虑到储能电池的使用寿命问题，对储能电池的最低的蓄电量进行限制，并且对其每个时段的最大充电量和最大放电量进行约束，且在每个时段充电和放电不能同时进行，储能设备约束为：SBAT.min＜SBAT.t＜SBAT.max其中，SBAR.t是储能电池在t时刻的蓄电量；SBAT.min为储能设备允许的最低的蓄电量；
SBAT.max为储能设备的额定功率；ycha和ydis分别为储能电池的最大放电率和最小充电率；
3.根据权利要求1所述的一种含污水源热泵的CCHP系统冷热电联供优化方法，其特征在于，所述的S5步骤的具体方法是：S5.1：设定群体规模以及迭代次数等参数；设定目标函数，随机生成粒子位置；根据原始数据训练BP神经网络；
S5.2：根据污水源水量和水温选择燃气轮机采用以热定电或以冷定电运行方式；
S5.3：构建CCHP系统模型、目标函数和约束条件；
S5.4：对种群内的粒子两两不重复随机配对进行横向交叉；
S5.5：对比横向交叉后得到的中庸解与父代粒子间的适应度，选择适应度大的粒子作为新种群的成员；
S5.6：对每个粒子内部的变量间两两不重复随机配对进行纵向交叉,交叉后得到子代粒子；
S5.7：对比父代和子代粒子间的适应度，保留适应度大的粒子；
S5.8：迭代循环达到规定次数或者精度达到收敛条件。
4.根据权利要求3所述的一种含污水源热泵的CCHP系统冷热电联供优化方法，其特征在于，对于S5.6步骤，采用以下步骤提升全局搜索能力：a.先根据运行经验，获得最佳运行状态的原始数据；
b.利用所得的原始数据，训练N个BP神经网络；每一个神经网络对应同一粒子的两个不同的变量，当N个BP神经网络中的其中一个神经网络的输入为d1和X(i，d2)时，输出为其中Xavg(i，d1)表示第d1维变量的平均值； n为变量个数；
c.将X(i，d2)改为 其意义为使得纵横交叉向最佳运行状态逼近。
一种含污水源热泵的CCHP系统冷热电联供优化方法
技术领域
[0001] 本发明属于电力系统运行与控制领域，具体涉及一种改进的纵横交叉算法求解含污水源热泵的冷热电联供系统的微电网调度出力的方法。
背景技术
[0002] CCHP系统在在许多国家、地区已经是一种成熟的能源综合利用技术，它以靠近用户、梯级利用、一次能源利用效率高、环境友好、能源供应安全可靠等特点，受到各国政府、企业界的广泛关注、青睐。国内外许多学者对CCHP系统进行了大量的研究。热泵作为一种低投资、高收益的产热设备，适合在CCHP系统中作为热源使用。许多学者也研究了含热泵的CCHP系统的能源互补协调性和经济性等。
[0003] 污水源热泵是水源热泵的一种，利用以较低电能提取城市污水或工业污水中的热量来进行资源的回收利用，不仅节约了一次能源，而且还具备较高的经济性，而且一般污水的温度会比环境温度高，使得污水源热泵的可产热量更大，所以，污水源热泵作为热源设备还具备极佳的产热能力。目前国内外对污水源热泵在CCHP系统中的研究还比较少。对含污水源热泵的CCHP系统冷热电联供优化方法的研究还不够充分。
[0004] CCHP系统的建立最主要的目的就是为了更好满足用户对冷、热、电这三种负荷的需求，但是现有的CCHP系统并未以用户需求的满足率和系统运行成本作为优化的目标函数，影响了CCHP系统的经济性。
发明内容
[0005] 针对传统算法现有的CCHP系统并未以用户需求的满足率和系统运行成本作为优化的目标函数的问题，本发明提供一种含污水源热泵的CCHP系统冷热电联供优化方法，能够有效解决背景技术中指出的问题。
[0006] 所述的一种含污水源热泵的CCHP系统冷热电联供优化方法，其特征在于，包括以下步骤：
[0007] S1.输入冷热电联供系统原始数据，包括输入所预测的冷负荷、热负荷、电负荷、风机和光伏电池出力；
[0008] S2.构建CCHP微电网模型，包括燃气轮机输出功率以及产热模型、余热锅炉模型、风机和光伏电池出力模型、储能电池模型、燃气锅炉模型、污水源热泵模型、吸收式制冷器模型、电制冷器模型；
[0009] S3.构建目标函数；
[0010] S4.构建约束条件；
[0011] S5.求解算法，得到优化结果；
[0012] 其中，S3步骤具体包括：
[0013] S3.1以用户需求的满足率为优化目标函数：
[0014]
[0015] 其中，F1.1为电负荷需求满足率；F1.2为热负荷满足率；F1.3为冷负荷满足率；F1.4为三类用户总体满足率；μ、σ、为权重系数；
[0016]
[0017] 其中，PMT.t为微型燃气轮机在t时刻所提供的电功率； 为t时刻风电机组实际出力； 为t时刻光伏电池的实际出力； 和 分别为t时刻的充电功率和放电功率；ηcha和ηdis分别为充电效率和放电效率；PEXB.t为t时刻联供系统向配电网购电功率；PEXS.t是联供系统向配电网的售电功率；PEC.t为电制冷机在t时段的用电功率；PSE.t为污水源热泵在t时段的用电功率； 为t时段的电负荷；
[0018] 由于购电和售电不同时进行，规定：
[0019] PEXB.tPEXS.t＝0
[0020]
[0021] 其中，HMT.t为t时段微型燃气轮机的产热量；HGF.t为燃气锅炉在t时段的产热量；HSE.t为t时段污水源热泵的热量提取量； 为t时段热负荷；αt是余热锅炉在t时刻的热分配系数；βt是污水源热泵在t时刻的热分配系数；ηWT为余热锅炉的回收效率；
[0022]
[0023] 其中，QAC.t和QEC.t分别电制冷机和吸收式制冷器在t时段的制冷量； 为t时段冷负荷；
[0024] S3.2以运行成本为优化目标函数：
[0025] F2＝CGAS+CEX+CPR+COS
[0026] 其中，F2为运行成本；CGAS、CEX、CPR和COS分别为系统燃料费用、系统购电费用和售电收益之差、系统设备运行费用以及设备启停费用；
[0027] 系统燃料费用：
[0028]
[0029] 其中εt为天然气价格；GMT.t为燃气轮机在t时段的耗气量；GGF.t为燃气锅炉在t时段的耗气量；
[0030] 系统购电费用和售电收益之差：
[0031]
[0032] 其中，τB.t和τS.t分别是冷热电联供系统向配电网购电和售电的价格；
[0033] 电价费率结构：
[0034]
[0035]
[0036] 设备运行费用：
[0037]
[0038] 其中KMT、KGF、KWT、KPV、KEC、KSE分别为燃气轮机、燃气锅炉、风电机组、光伏电池、电制冷器、污水源热泵、吸收式制冷器的单位功率运行费用；QAC.t为吸收式制冷器在t时段的制冷功率；
[0039] 设备启停费用：
[0040]
[0041]
[0042]
[0043]
[0044]
[0045] 其中， 为燃气发电机的切除系数； 为燃气发电机的额定功率；COP.MT为燃气轮机开机费用；CST.MT为燃气轮机停机费用；COP.GF为燃气锅炉开机费用；CST.GF为燃气锅炉关机费用；SSMTO.t、SSMTS.t、SSGFO.t、SSGFS.t为启停系数，SSMTO.t为1时代表微型燃气轮机在t时段开启，SSMTS.t为1时代表微型燃气轮机在t时段停运；SSGFO.t为1时代表燃气锅炉在t时段开启，SSGFS.t为1时代表微型燃气轮机在t时段停运；
[0046] S3.3.综合用户需求的满足率目标函数和运行成本目标函数得到总目标函数：
[0047] 其中，和δ分别为权重系数。
[0048] 所述的S4步骤的具体方法是：
[0049] S4.1能量平衡约束
[0050] 电平衡约束：
[0051] 电能主要由燃气轮机、配电网、光伏电池、风电机组提供，储能电池在此起到平抑风电机组和光伏电池的出力波动的作用：
[0052]
[0053] 热平衡约束：
[0054] 热能主要由污水源热泵和余热锅炉产生的提取的热能以及燃气锅炉的热能提供：
[0055]
[0056] 冷平衡约束：
[0057] 冷负荷需求主要由吸收式制冷器以及电制冷器提供：
[0058]
[0059] 其中，吸收式制冷器的热量由余热锅炉和污水源热泵提供：
[0060] QEC.t＝(HMT.t(1-αt)ηWT+HSE.t(1-βt))ηEC
[0061] 式中，ηEC为吸收式制冷器的制冷效率；
[0062] S4.2各设备运行工况约束：
[0063] 微型燃气轮机发电功率约束：
[0064]
[0065] 由于微型燃气发电机损耗天然气进行发电对天然气耗气量存在一定约束，因此对应发电功率存在爬坡约束：
[0066] |PMT.t-PMT.t-1|≤aPPMT.t
[0067] 其中，aP为微型燃气轮机的发电功率爬坡能力系数；
[0068] 燃气锅炉出力约束：
[0069]
[0070] 其中， 为燃气锅炉的额定功率；
[0071] 风电机组出力约束：
[0072]
[0073] 其中， 为风机最小切除系数； 为风机额定功率；
[0074] 光伏电池出力约束：
[0075]
[0076] 其中， 为光伏电池的额定功率；
[0077] 储能设备约束：
[0078] 考虑到储能电池的使用寿命问题，对储能电池的最低的蓄电量进行限制，并且对其每个时段的最大充电量和最大放电量进行约束，且在每个时段充电和放电不能同时进行，储能设备约束为：
[0079] SBAT.min
[0080]
[0081]
[0082]
[0083] 其中，SBAT.t是储能电池在t时刻的蓄电量；SBAT.min为储能设备允许的最低的蓄电量；SBAT.max为储能设备的额定功率；ycha和ydis分别为储能电池的最大放电率和最小充电率；
[0084] 吸收式制冷器出力约束：
[0085]
[0086] 其中， 是吸收式制冷器的额定功率；
[0087] 电制冷器出力约束：
[0088]
[0089] 其中， 是电制冷器的额定功率。
[0090] 所述的S5步骤的具体方法是：
[0091] S5.1：设定群体规模以及迭代次数等参数；设定目标函数，随机生成粒子位置；根据原始数据训练BP神经网络；
[0092] S5.2：根据污水源水量和水温选择燃气轮机采用以热定电或以冷定电运行方式；
[0093] S5.3：构建CCHP系统模型、目标函数和约束条件；
[0094] S5.4：对种群内的粒子两两不重复随机配对进行横向交叉；
[0095] S5.5：对比横向交叉后得到的中庸解与父代粒子间的适应度，选择适应度大的粒子作为新种群的成员；
[0096] S5.6：对每个粒子内部的变量间两两不重复随机配对进行纵向交叉,交叉后得到子代粒子；
[0097] S5.7：对比父代和子代粒子间的适应度，保留适应度大的粒子；
[0098] S5.8：迭代循环达到规定次数或者精度达到收敛条件。
[0099] 本发明的有益效果是：本发明不仅利用燃气轮机的废气通过余热锅炉来进行余热利用，同时采用污水源热泵提取城市污水和工业污水等的热量，通过消耗少量电量将这些热量转化为更高品质的热能，将这些热能与余热锅炉提取燃气轮机废气中的余热所获得的热量联合起来，同时构建了燃气轮机、余热锅炉的启停函数，更好计算这两种设备的启停成本，考虑了用户需求的满足率，以用户需求的满足率和系统运行成本为优化目标函数，对冷热电三联供型微电网系统的运行调度进行优化。
附图说明
[0100] 图1为本发明所提出的CCHP型微电网中优化调度方法的流程图。
具体实施方式
[0101] 下面结合附图对本发明进行进一步的说明。
[0102] 1.输入冷热电联供系统原始数据。输入所预测的冷负荷、热负荷、电负荷、风机和光伏电池出力、电价费率结构、以及CCHP系统各设备运行的初始值。
[0103] 然后构建CCHP微电网模型。本发明中的CCHP微电网模型包括燃气轮机输出功率以及产热模型、余热锅炉模型、风机和光伏电池出力模型、储能电池模型、燃气锅炉模型、污水源热泵模型、吸收式制冷器模型、电制冷器模型。
[0104] 2.构建目标函数：
[0105] 201.以用户需求的满足率为优化目标函数：
[0106]
[0107]
[0108] 其中，F1.1为电负荷需求满足率；F1.2为热负荷满足率；F1.3为冷负荷满足率；F1.4为三类用户总体满足率；μ、σ、为权重系数。
[0109]
[0110] 其中，PMT.t为微型燃气轮机在t时刻所提供的电功率； 为t时刻风电机组实际出力； 为t时刻光伏电池的实际出力； 和 分别为t时刻的充电功率和放电功率；ηcha和ηdis分别为充电效率和放电效率；PEXB.t为t时刻联供系统向配电网购电功率；PEXS.t是联供系统向配电网的售电功率；PEC.t为电制冷机在t时段的用电功率；PSE.t为污水源热泵在t时段的用电功率； 为t时段的电负荷。
[0111] 由于购电和售电不同时进行，规定：
[0112] PEXB.tPEXS.t＝0
[0113]
[0114] 其中，HMT.t为t时段微型燃气轮机的产热量；HGF.t为燃气锅炉在t时段的产热量；HSE.t为t时段污水源热泵的热量提取量； 为t时段热负荷；αt是余热锅炉在t时刻的热分配系数；βt是污水源热泵在t时刻的热分配系数；ηWT为余热锅炉的回收效率。
[0115]
[0116] 其中，QAC.t和QEC.t分别电制冷机和吸收式制冷器在t时段的制冷量； 为t时段冷负荷。
[0117] 202.以运行成本为优化目标函数：
[0118] F2＝CGAS+CEX+CPR+COS
[0119] 其中，F2为运行成本；CGAS、CEX、CPR和COS分别为系统燃料费用、系统购电费用和售电收益之差、系统设备运行费用以及设备启停费用。
[0120] 系统燃料费用：
[0121]
[0122] 其中εt为天然气价格；GMT.t为燃气轮机在t时段的耗气量；GGF.t为燃气锅炉在t时段的耗气量。
[0123] 系统购电费用和售电收益之差：
[0124]
[0125] 其中，τB.t和τS.t分别是冷热电联供系统向配电网购电和售电的价格；
[0126] 电价费率结构：
[0127]
[0128]
[0129] 设备运行费用：
[0130]
[0131] 其中KMT、KGF、KWT、KPV、KEC、KSE分别为燃气轮机、燃气锅炉、风电机组、光伏电池、电制冷器、污水源热泵、吸收式制冷器的单位功率运行费用；QAC.t为吸收式制冷器在t时段的制冷功率。
[0132] 设备启停费用：
[0133]
[0134]
[0135]
[0136]
[0137]
[0138] 其中， 为燃气发电机的切除系数； 为燃气发电机的额定功率；COP.MT为燃气轮机开机费用；CST.MT为燃气轮机停机费用；COP.GF为燃气锅炉开机费用；CST.GF为燃气锅炉关机费用；SSMTO.t、SSMTS.t、SSGFO.t、SSGFS.t为启停系数，SSMTO.t为1时代表微型燃气轮机在t时段开启，SSMTS.t为1时代表微型燃气轮机在t时段停运；SSGFO.t为1时代表燃气锅炉在t时段开启，SSGFS.t为1时代表微型燃气轮机在t时段停运。
[0139] 203.综合用户需求的满足率目标函数和运行成本目标函数得到总目标函数：
[0140]
[0141] 其中，和δ分别为权重系数。
[0142] 3.构建约束条件：
[0143] 301.能量平衡约束
[0144] 电平衡约束：
[0145] 电能主要由燃气轮机、配电网、光伏电池、风电机组提供，储能电池在此起到平抑风电机组和光伏电池的出力波动的作用：
[0146]
[0147] 热平衡约束：
[0148] 热能主要由污水源热泵和余热锅炉产生的提取的热能以及燃气锅炉的热能提供：
[0149]
[0150] 冷平衡约束：
[0151] 冷负荷需求主要由吸收式制冷器以及电制冷器提供：
[0152]
[0153] 其中，吸收式制冷器的热量由余热锅炉和污水源热泵提供：
[0154] QEC.t＝(HMT.t(1-αt)ηWT+HSE.t(1-βt))ηEC
[0155] 式中，ηEC为吸收式制冷器的制冷效率。
[0156] 302.各设备运行工况约束：
[0157] 微型燃气轮机发电功率约束：
[0158]
[0159] 由于微型燃气发电机损耗天然气进行发电对天然气耗气量存在一定约束，因此对应发电功率存在爬坡约束：
[0160] |PMT.t-PMT.t-1|≤aPPMT.t
[0161] 其中，aP为微型燃气轮机的发电功率爬坡能力系数。
[0162] 燃气锅炉出力约束：
[0163]
[0164] 其中， 为燃气锅炉的额定功率。
[0165] 风电机组出力约束：
[0166]
[0167] 其中， 为风机最小切除系数； 为风机额定功率。
[0168] 光伏电池出力约束：
[0169]
[0170] 其中， 为光伏电池的额定功率。
[0171] 储能设备约束：
[0172] 考虑到储能电池的使用寿命问题，对储能电池的最低的蓄电量进行限制，并且对其每个时段的最大充电量和最大放电量进行约束，且在每个时段充电和放电不能同时进行，储能设备约束为：
[0173] SBAT.min
[0174]
[0175]
[0176]
[0177] 其中，SBAT.t是储能电池在t时刻的蓄电量；SBAT.min为储能设备允许的最低的蓄电量；SBAT.max为储能设备的额定功率；ycha和ydis分别为储能电池的最大放电率和最小充电率。
[0178] 吸收式制冷器出力约束：
[0179]
[0180] 其中， 是吸收式制冷器的额定功率。
[0181] 电制冷器出力约束：
[0182]
[0183] 其中， 是电制冷器的额定功率。
[0184] 4.求解方法：
[0185] 传统群体优化算法具有收敛速度快等优点，因而在当今被广泛应用。但是使用传统群体优化算法都有着“早熟”现象。纵横交叉算法既有传统群体优化算法收敛速度快等优点，又利用其纵向交叉使种群有跳出局部最优的能力，从而避免早熟的现象。因此，使用改进的纵横交叉算法作为含污水源热泵的CCHP系统冷热电联供优化方法，其纵向交叉位置更新公式为：
[0186] MSVC(i,d1)＝rX(i,d1)+(1-r)X(i,d2)
[0187] i∈N(1,M),d1,d2∈N(1,D)
[0188] 式中，r为[0,1]上均匀分布的随机数；MSVC(i，d1)为粒子i第d1维和第d2维交叉产生的后代。
[0189] 同一个粒子内部在一定概率上进行纵向交叉，可以提高群体的全局搜索能力，但是存在效率低的缺点，且每次交叉需要进行归一化和复现，影响种群的更新速度。在此基础上，将纵向交叉的公式中X(i,d2)进行改进，改进后的CSO算法通过BP神经网络寻找出纵向交叉标量之间的潜在线性关系使其纵向交叉过程更具备目的性，并且替代归一化和复现这两个步骤。改进方法如下：
[0190] a.先根据运行经验，获得最佳运行状态的原始数据。
[0191] b.利用所得的原始数据，训练N个BP神经网络。每一个神经网络对应同一粒子的两个不同的变量，当N个BP神经网络中的其中一个神经网络的输入为d1和X(i,d2)时，输出为其中Xavg(i,d1)表示第d1维变量的平均值； n为变量个数。
[0192] c.将X(i,d2)改为 其意义为使得纵横交叉向最佳运行状态逼近，从而使其具有更好的全局搜索能力。
[0193] 步骤如下：
[0194] S5.1：设定群体规模以及迭代次数等参数。设定目标函数，随机生成粒子位置。根据原始数据训练BP神经网络。
[0195] S5.2：根据污水源水量和水温选择燃气轮机采用以热定电还是以冷定电运行方式。
[0196] S5.3：构建CCHP系统模型、目标函数和约束条件。
[0197] S5.4：对种群内的粒子两两不重复随机配对进行横向交叉。
[0198] S5.5：对比横向交叉后得到的中庸解与父代粒子间的适应度，选择适应度大的粒子作为新种群的成员。
[0199] S5.6：对每个粒子内部的变量间两两不重复随机配对进行纵向交叉,交叉后得到子代粒子。
[0200] S5.7：对比父代和子代粒子间的适应度，保留适应度大的粒子。
[0201] S5.8：迭代循环达到规定次数或者精度达到收敛条件。
[0202] 本发明构建了含燃气轮机输出功率以及产热模型、余热锅炉模型、风机和光伏电池出力模型、储能电池模型、燃气锅炉模型、污水源热泵模型、吸收式制冷器模型、电制冷器模型的CCHP系统模型。不仅利用燃气轮机的废气通过余热锅炉来进行余热利用，同时采用污水源热泵提取城市污水和工业污水等的热量，通过消耗少量电量将这些热量转化为更高品质的热能，将这些热能与余热锅炉提取燃气轮机废气中的余热所获得的热量联合起来，当污水的水量大或者温度比较高时，此时热泵供给热能较高，燃气轮机采用“以电定热”的方式，反之污水水量比较低或者温度比较低时，燃气轮机采用“以热定电”的方式，供给CCHP系统。本发明同时构建了燃气轮机、余热锅炉的启停函数，更好计算这两种设备的启停成本，考虑了用户需求的满足率，以用户需求的满足率和系统运行成本为优化目标函数，对冷热电三联供型微电网系统的运行调度进行优化。
[0203] 再者，针对传统算法容易陷入局部最优，全局搜索能力差，收敛速度慢等问题，提出一种利用BP神经网络将纵向交叉中无关变量替代为有潜在关系算子的改进纵横交叉算法，大大提高纵向交叉帮助群体跳出局部最优的能力。
[0204] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易变化或替换，都属于本发明的保护范围之内。因此本发明的保护范围所述以权利要求的保护范围为准。
