本发明提出了一种建筑及区域综合能源系统的设计优化方法及系统，涉及建筑及能源系统的设计优化领域，该方法包括：分别建立区域建筑负荷预测模型、建筑设计优化模型、容量配置模型、运行优化模型；利用多目标灰狼优化算法对建筑设计优化模型进行求解，将建筑设计参数输入至区域建筑负荷预测模型对负荷进行预测；对容量配置模型进行求解；将得到的区域综合能源系统的年总成本以及每小时的实际碳排放量传递给建筑设计优化模型，并开始循环迭代优化过程；直至循环迭代次数满足最大迭代次数后，输出pareto解集，根据pareto解集确定最终方案，有效地提高了建筑及区域综合能源系统的设计优化结果准确性以及可靠性。
1.一种建筑及区域综合能源系统的设计优化方法，其特征是，包括：将建筑设计参数、时间、负荷类型作为输入，区域建筑典型日的逐时负荷作为输出，建立区域建筑负荷预测模型；
以年总成本、年碳排放均最小为优化目标，以建筑设计参数为决策变量，建立建筑设计优化模型；其中，年总成本包括综合能源系统的年总成本；
以综合能源系统年总成本最小为优化目标，以综合能源系统内各设备的配置容量为决策变量，以设备可配置容量约束作为约束条件，建立区域综合能源系统的容量配置模型；其中，综合能源系统年总成本包括综合能源系统的年运行成本，所述区域建筑典型日的逐时负荷为综合能源系统内各设备的配置容量的参考因素；
以综合能源系统的年运行成本最小为优化目标，以综合能源系统内各设备的出力功率、与外部电网的交互功率为决策变量，建立区域综合能源系统的运行优化模型；
利用多目标灰狼优化算法对建筑设计优化模型进行求解，将建筑设计参数输入至区域建筑负荷预测模型，得到预测的区域建筑典型日的逐时负荷；
采用KKT条件将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的约束条件，根据约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量；
将得到的区域综合能源系统的年总成本以及每小时的实际碳排放量传递给建筑设计优化模型，计算适应度值并开始循环迭代优化过程；其中，适应度值为建筑设计优化模型的优化目标；
直至循环迭代次数满足最大迭代次数后，输出pareto解集，根据pareto解集确定最终方案。
2.根据权利要求1所述的一种建筑及区域综合能源系统的设计优化方法，其特征是，所述将建筑设计参数、时间、负荷类型作为输入，区域建筑典型日的逐时负荷作为输出，建立区域建筑负荷预测模型具体包括：根据区域实际建筑信息在建筑性能模拟软件中建立原型建筑模型；
将原型建筑模型以及未来气候数据导入参数化工具中，并在参数化工具中设置建筑设计参数及范围，利用拉丁超立方抽样方法获得初始建筑设计参数样本，调用建筑性能模拟软件进行批量模拟得到初始样本的负荷结果；所述建筑设计参数包括建筑朝向、外墙保温层类型、外墙保温层厚度、屋面保温层类型、屋面保温层厚度、地板保温层类型、地板保温层厚度、窗户类型、四个朝向的窗墙比、遮阳类型、遮阳位置，所述负荷类型包括冷负荷、热负荷和电负荷；
根据区域内建筑的总面积进行累加，得到该区域建筑的总负荷；
利用K‑mediods方法对该区域建筑总负荷以及未来气象数据进行聚类，选择具有代表性的冬季、夏季和过渡季典型日；其中，冬季典型日包括热负荷以及电负荷，夏季典型日包括冷负荷以及电负荷，过渡季典型日包括电负荷；
将建筑设计参数、时间、负荷类型作为区域建筑负荷预测模型的输入，区域建筑典型日的逐时负荷作为区域建筑负荷预测模型的输出，训练基于灰狼优化算法优化的随机森林算法的区域建筑负荷预测模型。
3.根据权利要求1所述的一种建筑及区域综合能源系统的设计优化方法，其特征是，所述建筑设计优化模型的目标函数具体包括年总成本以及年碳排放量；其中，年总成本具体为：，
其中， 为建筑设计中与决策变量相关的年投资成本； 为综合能源系统的年总成本； 为屋顶保温层厚度； 为屋顶面积; 为屋顶保温层材料的单价； 为地板保温层厚度； 为地板面积； 为地板保温层材料的单价； 为第i种外墙材料i的厚度； 为外墙的面积； 为第i种外墙材料的单价； 为外窗的面积； 为外窗的单价； 为遮阳的面积； 为遮阳的单价； 为区域总建筑面积； 为原型建筑面积；r为年利率；Y为寿命周期；
设计参数形成的建筑，通过外部电网购买的电力和燃料的燃烧导致的实际碳排放量。
4.根据权利要求1所述的一种建筑及区域综合能源系统的设计优化方法，其特征是，所述区域综合能源系统的容量配置模型的目标函数具体为：，
其中， 为综合能源系统的年总成本， 为设备年购买成本； 为设备年替换成本； 为设备的年安装运输成本； 为综合能源系统的年运行成本； 为设备j的单价； 为设备j的配置容量； 为设备j的寿命周期；系统设备类型包括发电设备、能源转换设备以及储能设备，所述发电设备包括光伏发电系统、风力发电机，能源转换设备包括燃气轮机、余热锅炉、吸收式制冷机、燃气锅炉、电锅炉、电制冷机、热泵，储能设备包括储电设备、储热设备、储冷设备；
5.根据权利要求4所述的一种建筑及区域综合能源系统的设计优化方法，其特征是，所述区域综合能源系统的运行优化模型的目标函数具体为：其中， 为 的购售能成
本； 为设备的维护成本； 为 的碳交易成本； 、 分别为从外电网购电的价格和向外电网售电的价格； 、 分别为时刻t从外电网购电的功率和向外电网售电的功率； 为天然气的单价； 为燃气轮机的效率； 为燃气锅炉的效率； 为燃气的热值； 为设备j的维护价格；
为t时刻设备j的出力功率； 为碳交易价格； 为碳排放配额； 为每小时由区域内不同建筑设计参数形成的建筑，通过外部电网购买的电力和燃料的燃烧导致的实际碳排放量；
、 分别为单位电和单位热的碳排放配额； 为将发电量转换为供热量的转换系数； 、分别为燃煤机组和燃气机组的碳排放系数； 为t时刻燃气轮机的发电功率；
为t时刻余热锅炉的制热功率； 为t时刻吸收式制冷机的制冷功率；
6.根据权利要求5所述的一种建筑及区域综合能源系统的设计优化方法，其特征是，所述区域综合能源系统的运行优化模型的约束条件包括功率平衡约束、设备出力功率约束、设备爬坡率约束、储能设备约束，其中，功率平衡约束包括电功率平衡约束、热功率平衡约束、冷功率平衡约束；
其中， 为t时刻风力发电机的输出电功率； 为t时刻光伏发电系统的输出电功率； 为t时刻燃气轮机的输出电功率； 、 分别为时刻t从外电网购电的功率和向外电网售电的功率； 为t时刻储电设备的放电功率；
为t时刻的电负荷； 为t时刻热泵的耗电功率； 为t时刻电锅炉的耗电功率； 为t时刻电制冷机的耗电功率； 为t时刻储电设备的充电功率；
其中， 为t时刻余热锅炉的输出热功率； 为t时刻热泵的输出热功率；
为t时刻燃气锅炉的输出热功率； 为t时刻电锅炉的输出热功率； 为t时刻储热设备的放热功率； 为t时刻的热负荷； 为t时刻储热设备的充热功率；
其中， 为t时刻吸收式制冷机的输出冷功率； 为t时刻热泵的输出冷功率； 为t时刻电制冷机的输出冷功率； 为t时刻储冷设备的放冷功率；
其中， 为t时刻设备j的出力功率， 为设备j的配置容量；
其中， 、 分别为燃气轮机的最小爬坡率和最大爬坡率； 、分别为燃气锅炉的最小爬坡率和最大爬坡率；
其中， 、 表示储能设备在t+1时刻和t时刻的储存的能量； 为储能设备的自损耗系数； 、 分别为储能设备的充能效率和放能效率；
、 分别为储能设备的充能功率和放能功率； 分别表示储能设备在初、末时刻储存的能量； 、 分别为储能设备的最大充电状态和最小充电状态；
、 分别为储能设备的充能倍率和放能倍率； 、 分别为表示储能设备充电状态和放电状态的变量。
7.根据权利要求1所述的一种建筑及区域综合能源系统的设计优化方法，其特征是，所述利用多目标灰狼优化算法对建筑设计优化模型进行求解具体包括：设置多目标灰狼优化算法中种群数量、最大迭代次数、存档规模，适应度函数；
初始化灰狼种群；将每只灰狼个体对应的建筑设计参数传递给区域负荷预测模型，然后将预测得到的区域负荷传递给区域综合能源系统的容量配置模型；
对容量配置模型进行求解，将容量配置模型求解得到的综合能源系统年总成本和每小时的实际年碳排放量传递给建筑设计优化模型，计算每只灰狼对应的适应度值；从解空间中选出非支配解集并更新外部存档；从存档中选出α、β、δ狼，分别对应最优解、次优解、第三优解；
判断是否达到最大迭代次数，如果达到最大迭代次数，则输出pareto解集；如果未达到最大迭代次数，则根据α、β、δ狼的位置更新每只灰狼个体的位置，然后重新计算每只灰狼的适应度值进行循环迭代。
8.根据权利要求1所述的一种建筑及区域综合能源系统的设计优化方法，其特征是，所述采用KKT条件将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的约束条件，根据约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量具体包括：将区域综合能源系统的运行优化模型的等式约束和不等式约束转换为标准形式，为每一个等式约束分配第一拉格朗日乘子λ，为每一个不等式约束分配第二拉格朗日乘子u，构建区域综合能源系统的运行优化模型的拉格朗日方程；其中，转换后标准形式如下：，
其中， 表示第s个等式约束； 表示第l个不等式约束； 、 分别表示设备j的电功率和冷热功率；
根据区域综合能源系统的运行优化模型的拉格朗日方程和KKT互补松弛条件，将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的附加约束；
根据转换后的线性约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，利用Cplex求解器对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量。
9.根据权利要求1所述的一种建筑及区域综合能源系统的设计优化方法，其特征是，所述根据pareto解集确定最终方案具体包括：计算建筑设计参数对应的pareto解集中每个解与理想点之间的距离，得到距离最小的解为最终解；其中，理想点为年总成本和年碳排放的最优值对应的点。
10.一种建筑及区域综合能源系统的设计优化系统，其特征是，包括：第一建立模块，将建筑设计参数、时间、负荷类型作为输入，区域建筑典型日的逐时负荷作为输出，建立区域建筑负荷预测模型；
第二建立模块，以年总成本、年碳排放均最小为优化目标，以建筑设计参数为决策变量，建立建筑设计优化模型；其中，年总成本包括综合能源系统的年总成本；
第三建立模块，以综合能源系统年总成本最小为优化目标，以综合能源系统内各设备的配置容量为决策变量，以设备可配置容量约束作为约束条件，建立区域综合能源系统的容量配置模型；其中，综合能源系统年总成本包括综合能源系统的年运行成本，所述区域建筑典型日的逐时负荷为综合能源系统内各设备的配置容量的参考因素；
第四建立模块，以综合能源系统的年运行成本最小为优化目标，以综合能源系统内各设备的出力功率、与外部电网的交互功率为决策变量，建立区域综合能源系统的运行优化模型；
第一求解模块，利用多目标灰狼优化算法对建筑设计优化模型进行求解，将建筑设计参数输入至区域建筑负荷预测模型，得到预测的区域建筑典型日的逐时负荷；
第二求解模块，采用KKT条件将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的约束条件，根据约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量；
第三求解模块，将得到的区域综合能源系统的年总成本以及每小时的实际碳排放量传递给建筑设计优化模型，计算适应度值并开始循环迭代优化过程；其中，适应度值为建筑设计优化模型的优化目标；
输出模块，直至循环迭代次数满足最大迭代次数后，输出pareto解集，根据pareto解集确定最终方案。
一种建筑及区域综合能源系统的设计优化方法及系统
技术领域
[0001] 本发明涉及建筑以及能源系统的设计优化领域，尤其是涉及一种建筑及区域综合能源系统的设计优化方法及系统。
背景技术
[0002] 随着社会的不断发展，环境问题日益严峻，全球温度持续上升，寻找更加节能环保的措施至关重要。建筑行业占全球最终能源消耗的30%，占所有部门能源总碳排放量的27%，在建筑领域实施节能减排措施具有非常大的潜力。而建筑围护结构设计是影响建筑能源需求的主要原因，因此有必要对围护结构进行优化设计。另一方面，随着能源需求的不断增长，建设先进的能源系统是满足不断增长的能源需求的重要举措。区域综合能源系统作为一种高效、清洁的能源系统，有助于减少环境污染和温室气体的排放，实现能源的梯级利用。
[0003] 现有研究中，对建筑和区域综合能源系统分别进行设计优化，忽略了建筑和区域综合能源系统之间的相互影响；如申请号为CN202210811213 .7公开的区域复合式能源系统设计优化技术，公开了区域复合式能源系统设计优化技术，包括区域复合式能源系统选型优化模型，所述模型系统中包括常规的常能设备，如发电装置，发电量可以供给区域设备及照明用电，同时可以满足能源站内设备用电；制热装置，如燃气锅炉，热泵以及发电装置产生的高温烟气或热水。以区域能源系统优化设计为核心，从优化目标、优化变量、约束条件及其求解方法等方面进行论述并构建了区域能源系统优化设计模型，虽然也可以对能源系统设计进行优化，但是，忽略了建筑和区域综合能源系统之间的相互影响，使得建筑及区域综合能源系统的设计优化结果不够准确，可靠性较低。
[0004] 为解决现有技术中建筑及区域综合能源系统的设计优化结果准确性以及可靠性不高的问题，现提出本方案。
发明内容
[0005] 本发明为了解决现有技术中存在的问题，创新提出了一种建筑及区域综合能源系统的设计优化方法及系统，有效解决由于现有技术造成建筑及区域综合能源系统的设计优化结果准确性以及可靠性不高的问题，有效地提高了建筑及区域综合能源系统的设计优化结果准确性以及可靠性。
[0006] 本发明第一方面提供了一种建筑及区域综合能源系统的设计优化方法，包括：
[0007] 将建筑设计参数、时间、负荷类型作为输入，区域建筑典型日的逐时负荷作为输出，建立区域建筑负荷预测模型；
[0008] 以年总成本、年碳排放均最小为优化目标，以建筑设计参数为决策变量，建立建筑设计优化模型；其中，年总成本包括综合能源系统的年总成本；
[0009] 以综合能源系统年总成本最小为优化目标，以综合能源系统内各设备的配置容量为决策变量，以设备可配置容量约束作为约束条件，建立区域综合能源系统的容量配置模型；其中，综合能源系统年总成本包括综合能源系统的年运行成本，所述区域建筑典型日的逐时负荷为综合能源系统内各设备的配置容量的参考因素；
[0010] 以综合能源系统的年运行成本最小为优化目标，以综合能源系统内各设备的出力功率、与外部电网的交互功率为决策变量，建立区域综合能源系统的运行优化模型；
[0011] 利用多目标灰狼优化算法对建筑设计优化模型进行求解，将建筑设计参数输入至区域建筑负荷预测模型，得到预测的区域建筑典型日的逐时负荷；
[0012] 采用KKT条件将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的约束条件，根据约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量；
[0013] 将得到的区域综合能源系统的年总成本以及每小时的实际碳排放量传递给建筑设计优化模型，计算适应度值并开始循环迭代优化过程；其中，适应度值为建筑设计优化模型的优化目标；
[0014] 直至循环迭代次数满足最大迭代次数后，输出pareto解集，根据pareto解集确定最终方案。
[0015] 可选地，所述将建筑设计参数、时间、负荷类型作为输入，区域建筑典型日的逐时负荷作为输出，建立区域建筑负荷预测模型具体包括：
[0016] 根据区域实际建筑信息在建筑性能模拟软件中建立原型建筑模型；
[0017] 将原型建筑模型以及未来气候数据导入参数化工具中，并在参数化工具中设置建筑设计参数及范围，利用拉丁超立方抽样方法获得初始建筑设计参数样本，调用建筑性能模拟软件进行批量模拟得到初始样本的负荷结果；所述建筑设计参数包括建筑朝向、外墙保温层类型、外墙保温层厚度、屋面保温层类型、屋面保温层厚度、地板保温层类型、地板保温层厚度、窗户类型、四个朝向的窗墙比、遮阳类型、遮阳位置，所述负荷类型包括冷负荷、热负荷和电负荷；
[0018] 根据区域内建筑的总面积进行累加，得到该区域建筑的总负荷；
[0019] 利用K‑mediods方法对该区域建筑总负荷以及未来气象数据进行聚类，选择具有代表性的冬季、夏季和过渡季典型日；其中，冬季典型日包括热负荷以及电负荷，夏季典型日包括冷负荷以及电负荷，过渡季典型日包括电负荷；
[0020] 将建筑设计参数、时间、负荷类型作为区域建筑负荷预测模型的输入，区域建筑典型日的逐时负荷作为区域建筑负荷预测模型的输出，训练基于灰狼优化算法优化的随机森林算法的区域建筑负荷预测模型。
[0021] 可选地，所述建筑设计优化模型的目标函数具体包括年总成本以及年碳排放量；其中，年总成本具体为：
[0022] ，
[0023] ，
[0024] 其中， 为建筑设计中与决策变量相关的年投资成本；为综合能源系统的年总成本； 为屋顶保温层厚度； 为屋顶面积; 为屋顶保
温层材料的单价； 为地板保温层厚度； 为地板面积； 为地板保温层材料的单价；
为第i种外墙材料i的厚度； 为外墙的面积； 为第i种外墙材料的单价； 为外
窗的面积； 为外窗的单价； 为遮阳的面积； 为遮阳的单价； 为区域总建筑
面积； 为原型建筑面积；r为年利率；Y为寿命周期；
[0025] 年碳排放量为：
[0026] ，
[0027] 其中， 为每小时由区域内不同建筑设计参数形成的建筑，通过外部电网购买的电力和燃料的燃烧导致的实际碳排放量。
[0028] 可选地，所述区域综合能源系统的容量配置模型的目标函数具体为：
[0029] ，
[0030] ，
[0031] ，
[0032] 其中， 为综合能源系统的年总成本， 为设备年购买成本； 为设备年替换成本； 为设备的年安装运输成本； 为综合能源系统的年运行成本； 为设
备j的单价； 为设备j的配置容量； 为设备j的寿命周期；系统设备类型包括发电设备、能源转换设备以及储能设备，所述发电设备包括光伏发电系统、风力发电机，能源转换设备包括燃气轮机、余热锅炉、吸收式制冷机、燃气锅炉、电锅炉、电制冷机、热泵，储能设备包括储电设备、储热设备、储冷设备；
[0033] 容量约束为： ，
[0034] 其中， 为设备j的最大可配置容量。
[0035] 进一步地，所述区域综合能源系统的运行优化模型的目标函数具体为：
[0036] 其中， 为 的购售能成本； 为设备的维护成本； 为 的碳交易成本； 、
分别为从外电网购电的价格和向外电网售电的价格； 、 分别为时
刻t从外电网购电的功率和向外电网售电的功率； 为天然气的单价； 为燃气轮
机的效率； 为燃气锅炉的效率； 为燃气的热值； 为设备j的维护价格；
为t时刻设备j的出力功率； 为碳交易价格； 为碳排放配额； 为每小时由区域内
不同建筑设计参数形成的建筑，通过外部电网购买的电力和燃料的燃烧导致的实际碳排放量； 、 分别为单位电和单位热的碳排放配额； 为将发电量转换为供热量的转换系
数； 、 分别为燃煤机组和燃气机组的碳排放系数； 为t时刻燃气轮机的发电功
率； 为t时刻余热锅炉的制热功率； 为t时刻吸收式制冷机的制冷功率；
为t时刻燃气锅炉的制热功率。
[0037] 进一步地，所述区域综合能源系统的运行优化模型的约束条件包括功率平衡约束、设备出力功率约束、设备爬坡率约束、储能设备约束，其中，功率平衡约束包括电功率平衡约束、热功率平衡约束、冷功率平衡约束；
[0038] 电功率平衡约束具体为：
[0039] ，
[0040] 其中， 为t时刻风力发电机的输出电功率； 为t时刻光伏发电系统的输出电功率； 为t时刻燃气轮机的输出电功率； 、 分别为时
刻t从外电网购电的功率和向外电网售电的功率； 为t时刻储电设备的放电功
率； 为t时刻的电负荷； 为t时刻热泵的耗电功率； 为t时刻电锅炉的
耗电功率； 为t时刻电制冷机的耗电功率； 为t时刻储电设备的充电功
率；
[0041] 热功率平衡约束具体为：
[0042] ，
[0043] 其中， 为t时刻余热锅炉的输出热功率； 为t时刻热泵的输出热功率； 为t时刻燃气锅炉的输出热功率； 为t时刻电锅炉的输出热功率； 为t
时刻储热设备的放热功率； 为t时刻的热负荷； 为t时刻储热设备的
充热功率；
[0044] 冷功率平衡约束具体为：
[0045] ，
[0046] 其中， 为t时刻吸收式制冷机的输出冷功率； 为t时刻热泵的输出冷功率； 为t时刻电制冷机的输出冷功率； 为t时刻储冷设备的放冷功
率； 为t时刻的冷负荷； 为t时刻储冷设备的充冷功率；
[0047] 设备出力功率约束具体为：
[0048] ，
[0049] 其中， 为t时刻设备j的出力功率， 为设备j的配置容量；
[0050] 设备爬坡率约束具体为：
[0051] ，
[0052] ，
[0053] 其中， 、 分别为燃气轮机的最小爬坡率和最大爬坡率；、 分别为燃气锅炉的最小爬坡率和最大爬坡率；
[0054] 储能设备约束具体为：
[0055]
[0056] 其中， 、 表示储能设备在t+1时刻和t时刻的储存的能量； 为储能设备的自损耗系数； 分别为储能设备的充能效率和放能效率；
、 分别为储能设备的充能功率和放能功率； 分别表
示储能设备在初、末时刻储存的能量； 、 分别为储能设备的最大充电状态和最小充
电状态； 、 分别为储能设备的充能倍率和放能倍率； 、 分别
为表示储能设备充电状态和放电状态的变量。
[0057] 可选地，所述利用多目标灰狼优化算法对建筑设计优化模型进行求解具体包括：
[0058] 设置多目标灰狼优化算法中种群数量、最大迭代次数、存档规模，适应度函数；
[0059] 初始化灰狼种群；将每只灰狼个体对应的建筑设计参数传递给区域负荷预测模型，然后将预测得到的区域负荷传递给区域综合能源系统的容量配置模型；
[0060] 对容量配置模型进行求解，将容量配置模型求解得到的综合能源系统年总成本和每小时的实际年碳排放量传递给建筑设计优化模型，计算每只灰狼对应的适应度值；从解空间中选出非支配解集并更新外部存档；从存档中选出α、β、δ狼，分别对应最优解、次优解、第三优解；
[0061] 判断是否达到最大迭代次数，如果达到最大迭代次数，则输出pareto解集；如果未达到最大迭代次数，则根据α、β、δ狼的位置更新每只灰狼个体的位置，然后重新计算每只灰狼的适应度值进行循环迭代。
[0062] 可选地，所述采用KKT条件将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的约束条件，根据约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量具体包括：
[0063] 将区域综合能源系统的运行优化模型的等式约束和不等式约束转换为标准形式，为每一个等式约束分配第一拉格朗日乘子λ，为每一个不等式约束分配第二拉格朗日乘子u，构建区域综合能源系统的运行优化模型的拉格朗日方程；其中，转换后标准形式如下：
[0064] ，
[0065]
[0066] 其中， 表示第s个等式约束； 表示第l个不等式约束； 、 分别表示设备j的电功率和冷热功率；
[0067] 根据区域综合能源系统的运行优化模型的拉格朗日方程和KKT互补松弛条件，将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的附加约束；
[0068] 采用大M法将附加约束转化为线性约束；
[0069] 根据转换后的线性约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，利用Cplex求解器对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量。
[0070] 进一步地，所述根据pareto解集确定最终方案具体包括：
[0071] 计算建筑设计参数对应的pareto解集中每个解与理想点之间的距离，得到距离最小的解为最终解；其中，理想点为年总成本和年碳排放的最优值对应的点。
[0072] 本发明第二方面提供了一种建筑及区域综合能源系统的设计优化系统，包括：
[0073] 第一建立模块，将建筑设计参数、时间、负荷类型作为输入，区域建筑典型日的逐时负荷作为输出，建立区域建筑负荷预测模型；
[0074] 第二建立模块，以年总成本、年碳排放均最小为优化目标，以建筑设计参数为决策变量，建立建筑设计优化模型；其中，年总成本包括综合能源系统的年总成本；
[0075] 第三建立模块，以综合能源系统年总成本最小为优化目标，以综合能源系统内各设备的配置容量为决策变量，以设备可配置容量约束作为约束条件，建立区域综合能源系统的容量配置模型；其中，综合能源系统年总成本包括综合能源系统的年运行成本，所述区域建筑典型日的逐时负荷为综合能源系统内各设备的配置容量的参考因素；
[0076] 第四建立模块，以综合能源系统的年运行成本最小为优化目标，以综合能源系统内各设备的出力功率、与外部电网的交互功率为决策变量，建立区域综合能源系统的运行优化模型；
[0077] 第一求解模块，利用多目标灰狼优化算法对建筑设计优化模型进行求解，将建筑设计参数输入至区域建筑负荷预测模型，得到预测的区域建筑典型日的逐时负荷；
[0078] 第二求解模块，采用KKT条件将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的约束条件，根据约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量；
[0079] 第三求解模块，将得到的区域综合能源系统的年总成本以及每小时的实际碳排放量传递给建筑设计优化模型，计算适应度值并开始循环迭代优化过程；其中，适应度值为建筑设计优化模型的优化目标；
[0080] 输出模块，直至循环迭代次数满足最大迭代次数后，输出pareto解集，根据pareto解集确定最终方案。
[0081] 本发明采用的技术方案包括以下技术效果：
[0082] 1、本发明利用多目标灰狼优化算法对建筑设计优化模型进行求解，将建筑设计参数输入至区域建筑负荷预测模型，得到预测的区域建筑典型日的逐时负荷；采用KKT条件将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的约束条件，根据约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量；将得到的区域综合能源系统的年总成本以及每小时的实际碳排放量传递给建筑设计优化模型计算适应度值并开始循环迭代优化过程；直至循环迭代次数满足最大迭代次数后，输出pareto解集，根据pareto解集确定最终方案，有效解决由于现有技术造成建筑及区域综合能源系统的设计优化结果准确性以及可靠性不高的问题，有效地提高了建筑及区域综合能源系统的设计优化结果准确性以及可靠性。
[0083] 2、本发明技术方案中在区域建筑负荷预测模型中考虑了未来气候情景，进一步地提高了设计优化结果的准确性以及可靠性。
[0084] 3、本发明技术方案中区域负荷预测模型基于灰狼优化算法优化的随机森林算法，采用灰狼优化算法对随机森林算法的参数进行优化，减少了时间成本和计算成本。
[0085] 应当理解的是以上的一般描述以及后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
[0086] 为了更清楚说明本发明实施例或现有技术中的技术方案，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介绍，显而易见的，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。
[0087] 图1为本发明方案中实施例一方法的流程示意图；
[0088] 图2为本发明方案中实施例一方法中步骤S1的流程示意图；
[0089] 图3为本发明方案中实施例一方法中步骤S1中区域建筑负荷预测模型的训练流程示意图；
[0090] 图4为本发明方案中实施例一方法中步骤S5‑S8中建筑设计优化模型进行求解的流程示意图；
[0091] 图5为本发明方案中实施例一方法中各个模型的求解流程示意图；
[0092] 图6为本发明方案中实施例一方法中步骤S6的流程示意图；
[0093] 图7为本发明方案中实施例二系统的结构示意图。
具体实施方式
[0094] 为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
[0095] 实施例一
[0096] 如图1所示，本发明提供了一种建筑及区域综合能源系统的设计优化方法，包括：
[0097] S1，将建筑设计参数、时间、负荷类型作为输入，区域建筑典型日的逐时负荷作为输出，建立区域建筑负荷预测模型；
[0098] S2，以年总成本、年碳排放均最小为优化目标，以建筑设计参数为决策变量，建立建筑设计优化模型；其中，年总成本包括综合能源系统的年总成本；
[0099] S3，以综合能源系统年总成本最小为优化目标，以综合能源系统内各设备的配置容量为决策变量，以设备可配置容量约束作为约束条件，建立区域综合能源系统的容量配置模型；其中，综合能源系统年总成本包括综合能源系统的年运行成本，所述区域建筑典型日的逐时负荷为综合能源系统内各设备的配置容量的参考因素；
[0100] S4，以综合能源系统的年运行成本最小为优化目标，以综合能源系统内各设备的出力功率、与外部电网的交互功率为决策变量，建立区域综合能源系统的运行优化模型；
[0101] S5，利用多目标灰狼优化算法对建筑设计优化模型进行求解，将建筑设计参数输入至区域建筑负荷预测模型，得到预测的区域建筑典型日的逐时负荷；
[0102] S6，采用KKT条件将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的约束条件，根据约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量；
[0103] S7，将得到的区域综合能源系统的年总成本以及每小时的实际碳排放量传递给建筑设计优化模型，计算适应度值并开始循环迭代优化过程；其中，适应度值为建筑设计优化模型的优化目标；
[0104] S8，直至循环迭代次数满足最大迭代次数后，输出pareto解集，根据pareto解集确定最终方案。
[0105] 其中，如图2所示，在步骤S1中，将建筑设计参数、时间、负荷类型作为输入，区域建筑典型日的逐时负荷作为输出，建立区域建筑负荷预测模型具体包括：
[0106] S11，根据区域实际建筑信息在建筑性能模拟软件中建立原型建筑模型；
[0107] S12，将原型建筑模型以及未来气候数据导入参数化工具中，并在参数化工具中设置建筑设计参数及范围，利用拉丁超立方抽样方法获得初始建筑设计参数样本，调用建筑性能模拟软件进行批量模拟得到初始样本的负荷结果；所述建筑设计参数包括建筑朝向、外墙保温层类型、外墙保温层厚度、屋面保温层类型、屋面保温层厚度、地板保温层类型、地板保温层厚度、窗户类型、四个朝向的窗墙比、遮阳类型、遮阳位置，所述负荷类型包括冷负荷、热负荷和电负荷；
[0108] S13，根据区域内建筑的总面积进行累加，得到该区域建筑的总负荷；
[0109] S14，利用K‑mediods方法对该区域建筑总负荷以及未来气象数据进行聚类，选择具有代表性的冬季、夏季和过渡季典型日；其中，冬季典型日包括热负荷以及电负荷，夏季典型日包括冷负荷以及电负荷，过渡季典型日包括电负荷；
[0110] S15，将建筑设计参数、时间、负荷类型作为区域建筑负荷预测模型的输入，区域建筑典型日的逐时负荷作为区域建筑负荷预测模型的输出，训练基于灰狼优化算法优化的随机森林算法的区域建筑负荷预测模型。
[0111] 其中，在步骤S11中，根据区域内实际建筑信息以及相关的建筑标准在建筑性能模拟软件EnergyPlus中建立原型建筑模型，原型建筑模型能够代表该区域特定使用类型建筑的典型条件，主要包括建筑空间布局、围护结构、人员、设备、照明、暖通空调系统和占用时间表。
[0112] 在步骤S12中，未来气候数据可以基于历史典型气象年数据和第六次国际耦合模式比较计划（CMIP6）提供的未来预测气象数据利用变形法生成，也可以根据其他方式生成，只要能够生成未来一段（例如一年）内的气候数据即可，未来预测气象数据包括不同的气候情景：可持续情景SSP126、中间情景SSP245、区域竞争情景SSP370、化石燃料发展为主的情景SSP585。将上述在建筑性能模拟软件EnergyPlus中的建模保存为idf文件，将未来气候数据和idf文件导入参数化工具jEPlus中，并在jEPlus中设置建筑设计参数及其范围。然后，利用拉丁超立方抽样方法获得建筑设计参数的初始样本，调用EnergyPlus进行批量模拟得到初始样本的负荷结果。
[0113] 在步骤S15中，RF算法（随机森林算法）是一种基于决策树的集成学习方法。在使用RF算法对区域负荷预测的过程中，RF算法的回归树的数量ntree和随机特征的数量mtry的取值影响区域建筑负荷预测模型训练的准确性，根据经验进行取值往往无法得到参数的最优值，因此研究采用GWO算法（灰狼优化算法）对RF算法的ntree和mtry进行优化。GWO算法是一种模拟自然界中灰狼群体的社会等级制度和捕猎过程来寻找最优值的优化算法。
[0114] 灰狼种群被划分为α、β、δ、ω狼四个等级，分别对应最优解、次优解、第三优解、其它解，搜索过程由α、β、δ狼引导，ω狼则跟随这三只狼更新自己的位，公式如下所示：
[0115]
[0116] 其中，Dα、Dβ、Dδ分别为ω狼与α、β、δ狼的距离； 、 、 分别为α、β、δ狼的位置向量；X为ω狼在第t1代（第t1次迭代）的位置向量； 、 、 分别为ω狼向α、β、δ狼的移动的矢量； 为ω狼在第 代的位置向量。A和C为系数向量，由下式计算：
[0117] ，
[0118] ，
[0119] 其中，参数a在迭代过程中由2线性减小到0； 、 为[0,1]之间的随机向量。
[0120] 算法流程图如图3所示：
[0121] （1）导入数据集，并进行归一化处理。数据集中建筑设计参数、时刻（小时）、负荷类型作为区域建筑负荷预测模型的输入，区域建筑典型日的逐时（小时）负荷作为区域建筑负荷预测模型的输出。然后将数据集划分为训练集和测试集。
[0122] （2）设置GWO算法的最大迭代次数、种群数量、变量维度、ntree和mtry的取值上下限、适应度函数。其中，适应度函数为训练集预测值和实际值的均方根误差。然后灰狼种群初始化；计算每只狼的适应度值；从中选出α、β、δ狼；然后判断是否达到最大迭代次数，达到则输出最优ntree和mtry，未达到则更新每只灰狼个体的位置，继续循环迭代直到满足条件。
[0123] （3）根据GWO算法得到的ntree和mtry，并利用训练集训练RF模型（区域建筑负荷预测模型），然后用测试集测试模型（区域建筑负荷预测模型）的准确性。模型（区域建筑负荷预测模型）准确性满足要求，则保存模型（区域建筑负荷预测模型）。
[0124] 其中，在步骤S2中，建筑设计优化模型（外层模型）的目标函数具体包括年总成本以及年碳排放量；其中，年总成本具体为：
[0125] ，
[0126] ，
[0127] 其中， 为建筑设计中与决策变量相关的年投资成本，元； 为中层模型的综合能源系统的年投资成本，元； 为屋顶保温层厚度，m； 为
2 3
屋顶面积，m； 为屋顶保温层材料的单价，元/m； 为地板保温层厚度，m； 为地板面
2 3
积，m； 为地板保温层材料的单价，元/m； 为第i种外墙材料i的厚度， m； 为外
2 3 2
墙的面积，m； 为第i种外墙材料的单价，元/m； 为外窗的面积，m； 为外窗的单
2 2 2 2
价，元/m ； 为遮阳的面积，m ； 为遮阳的单价，元/m ； 为区域总建筑面积，m ；
2
为原形建筑面积，m；r为年利率；Y为寿命周期，年；
[0128] 年碳排放量为：
[0129] ，
[0130] 其中， 为每小时由区域内不同建筑设计参数形成的建筑，通过外部电网购买的电力和燃料的燃烧导致的实际碳排放量，kg。
[0131] 其中，在步骤S3中，区域综合能源系统的容量配置模型（中层模型）的目标函数具体为：
[0132] ，
[0133] ，
[0134] ，
[0135] ，
[0136] 其中， 为综合能源系统的年总成本，元； 为设备年购买成本，元； 为设备年替换成本，元； 为设备的年安装运输成本，元； 为内层模型中系统的年运行
成本，元； 为设备j的单价，元/kW； 为设备j的配置容量，kW； 为设备j的寿命周期，年；系统设备类型包括发电设备、能源转换设备以及储能设备，发电设备包括光伏发电系统（PV）、风力发电机（WT），能源转换设备包括燃气轮机（GT）、余热锅炉（WHB）、吸收式制冷机（AC）、燃气锅炉（GB）、电锅炉（EB）、电制冷机（EC）、热泵（HP），储能设备包括储电设备（EES）、储热设备（HES）、储冷设备（CES）。
[0137] 容量约束为： ，
[0138] 其中， 为设备j的最大可配置容量，kW，即根据工程的实际情况和要求确定设备的最大可配置容量，设备的可配置容量不能超过其最大值。
[0139] 其中，区域建筑典型日的逐时负荷为综合能源系统内各设备的配置容量的参考因素，即综合能源系统内各设备容量的确定过程中，区域建筑典型日的逐时负荷是其中一个参考因素，可以根据区域建筑典型日的逐时负荷以及其他影响因素共同确定综合能源系统内各设备容量，需要说明的是，根据区域建筑典型日的逐时负荷以及其他影响因素共同确定综合能源系统内各设备容量过程中，其他因素的具体内容以及实现手段均可以采用现有技术实现，只要能够实现根据区域建筑典型日的逐时负荷以及其他影响因素共同确定综合能源系统内各设备容量这一目的即可，本发明在此不做限制。
[0140] 在步骤S4中，区域综合能源系统的运行优化模型（内层模型）的目标函数具体为：
[0141] 其中， 为系统的购售能成本，元； 为设备的维护成本，元； 为系统的碳交易成本，元； 、 分别为从外
电网购电的价格和向外电网售电的价格，元/kWh； 、 分别为时刻t从外
3
电网购电的功率和向外电网售电的功率，kW; 为天然气的单价，元/m； 为燃气轮
3
机的效率； 为燃气锅炉的效率； 为燃气的热值，kWh/m； 为设备j的维护价
格，元/kWh； 为t时刻设备j的出力功率，kW；为碳交易价格，元/kg； 为碳排放量配额，kg； 为每小时由区域内不同建筑设计参数形成的建筑，通过外部电网购买的电力和燃料的燃烧导致的实际碳排放量（即每小时内根据设备运行调度结果计算的碳排放量），kg；
、 分别为单位电和单位热的碳排放配额，kg/kWh； 为将发电量转换为供热量的转换
系数，MJ/kW； 、 分别为燃煤机组和燃气机组的碳排放系数，kg/kWh； 为t时刻燃
气轮机的发电功率，kW； 为t时刻余热锅炉的制热功率，kW； 为t时刻吸收式
制冷机的制冷功率，kW； 为t时刻燃气锅炉的制热功率，kW。
[0142] 其中，区域综合能源系统的运行优化模型的约束条件包括功率平衡约束、设备出力功率约束、设备爬坡率约束、储能设备约束，其中，功率平衡约束包括电功率平衡约束、热功率平衡约束、冷功率平衡约束；
[0143] 电功率平衡约束具体为：
[0144] ，
[0145] 其中， 为t时刻风力发电机的输出电功率，kW； 为t时刻光伏发电系统的输出电功率，kW； 为t时刻燃气轮机的输出电功率，kW； 、
分别为时刻t从外电网购电的功率和向外电网售电的功率，kW； 为t时刻储电设
备的放电功率，kW； 为t时刻的电负荷，kW； 为t时刻热泵的耗电功率，kW；
为t时刻电锅炉的耗电功率，kW； 为t时刻电制冷机的耗电功率，kW；
为t时刻储电设备的充电功率，kW；
[0146] 热功率平衡约束具体为：
[0147] ，
[0148] 其中， 为t时刻余热锅炉的输出热功率，kW； 为t时刻热泵的输出热功率，kW； 为t时刻燃气锅炉的输出热功率，kW； 为t时刻电锅炉的输出热功率，kW；
为t时刻储热设备的放热功率，kW； 为t时刻的热负荷，kW；
为t时刻储热设备的充热功率，kW；
[0149] 冷功率平衡约束具体为：
[0150] ，
[0151] 其中， 为t时刻吸收式制冷机的输出冷功率，kW； 为t时刻热泵的输出冷功率，kW； 为t时刻电制冷机的输出冷功率，kW； 为t时刻储冷设备的
放冷功率，kW； 为t时刻的冷负荷，kW； 为t时刻储冷设备的充冷功
率，kW；
[0152] 设备出力功率约束具体为：
[0153] ，
[0154] 其中， 为t时刻设备j的出力功率，kW； 为设备j的配置容量；即设备的出力功率不能大于设备的配置容量；
[0155] 设备爬坡率约束具体为：
[0156] ，
[0157]
[0158] 其中， 、 分别为燃气轮机的最小爬坡率和最大爬坡率；、 分别为燃气锅炉的最小爬坡率和最大爬坡率；即燃气轮机和燃气锅炉必须满足
爬坡率约束；
[0159] 储能设备约束（储能设备中储电设备（EES）、储热设备（HES）、储冷设备（CES）必须满足的约束，储电设备（EES）、储热设备（HES）、储冷设备（CES）等储能设备统称为ES）具体为：
[0160]
[0161] 其中， 、 表示储能设备在t+1时刻和t时刻的储存的能量，kW；为储能设备的自损耗系数； 、 分别为储能设备的充能效率和放能效率；
、 分别为储能设备的充能功率和放能功率，kW； 分别
表示储能设备在初、末时刻储存的能量； 、 分别为储能设备的最大充电状态和最小
充电状态； 、 分别为储能设备的充能倍率和放能倍率； 、 分
别为表示储能设备充电状态和放电状态的变量。
[0162] 如图4‑图5所示，在步骤S5‑S8中建筑设计优化模型进行求解具体包括：
[0163] 设置多目标灰狼优化算法中种群数量、最大迭代次数、存档规模，适应度函数，初始化灰狼种群；
[0164] 将每只灰狼个体对应的建筑设计参数传递给区域负荷预测模型，然后将预测得到的区域负荷传递给区域综合能源系统的容量配置模型；
[0165] 对容量配置模型进行求解，将容量配置模型求解得到的综合能源系统年总成本和每小时的实际年碳排放量传递给建筑设计优化模型，计算每只灰狼对应的适应度值；从解空间中选出非支配解集并更新外部存档；从存档中选出α、β、δ狼，分别对应最优解、次优解、第三优解；
[0166] 判断循环迭代次数是否达到最大迭代次数，如果判断结果为是，则输出pareto解集；如果判断结果为否，则根据α、β、δ狼的位置更新每只灰狼个体的位置，然后重新计算每只灰狼的适应度值进行循环迭代执行初始化灰狼种群后的步骤。
[0167] 即将每只灰狼个体对应的建筑设计参数传递给区域负荷预测模型，然后区域负荷预测模型将预测得到的负荷传递给中层模型（区域综合能源系统的容量配置模型）；中层模型根据约束条件（内层模型转化为中层模型的约束条件以及中层模型自身的约束条件）以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，利用Cplex求解器求解；将得到的综合能源系统成本和根据运行调度结果计算的每小时的实际碳排放量传递给外层模型；外层模型计算每只灰狼的适应度值，即年总成本和年碳排放；从解空间中选出非支配解集并更新外部存档（根据预设存档规模以及当前迭代次数中非支配解与已存档的非支配解的对比情况，更新外部存档）；然后从存档中选出α、β、δ狼，分别对应最优解、次优解、第三优解；判断循环迭代次数是否达到最大迭代次数，若是则输出pareto解集，若否则更新每只灰狼个体的位置，重新迭代直到满足要求。
[0168] 需要说明的是，步骤S5中对建筑设计优化模型（外层模型）求解重点是获取初始化灰狼种群中每只灰狼个体对应的建筑设计参数，并将每只灰狼个体对应的建筑设计参数传递给区域负荷预测模型，然后执行步骤S6‑S7，然后在步骤S7中对建筑设计优化模型（外层模型）求解重点是：将得到的区域综合能源系统的年总成本以及每小时的实际碳排放量传递给建筑设计优化模型，计算适应度值并开始循环迭代优化过程，判断循环迭代次数是否达到最大迭代次数，若是则输出pareto解集，若否则更新每只灰狼个体的位置，重新迭代直到满足要求。
[0169] 如图6所示，在步骤S6中具体包括：
[0170] S61，将区域综合能源系统的运行优化模型的等式约束和不等式约束转换为标准形式，为每一个等式约束分配第一拉格朗日乘子λ，为每一个不等式约束分配第二拉格朗日乘子u，构建区域综合能源系统的运行优化模型的拉格朗日方程；
[0171] S62，根据区域综合能源系统的运行优化模型的拉格朗日方程和KKT互补松弛条件，将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的附加约束；
[0172] S63，采用大M法将附加约束转化为线性约束；
[0173] S64，根据转换后的线性约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，利用Cplex求解器对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量。
[0174] 其中，在步骤S61中，转换后标准形式如下：
[0175] ，
[0176] ，
[0177] 其中， 表示第s个等式约束； 表示第l个不等式约束； 、 分别表示设备j的电功率和冷热功率。
[0178] 构建的拉格朗日方程如下：
[0179] ，
[0180] 其中，L为拉格朗日函数； 为系统的年运行成本； 为给第s个等式约束分配的第一拉格朗日乘子； 为给第l个不等式约束分配的第二拉格朗日乘子；
[0181] 以吸收式制冷机AC的输出冷功率 为例：
[0182] 等式约束为：
[0183] ，
[0184] 将其转换为标准形式为：
[0185] ，为其分配的第一拉格朗日乘子为 ；
[0186] 不等式约束为：
[0187] ，
[0188] 将其转换为标准形式为：
[0189] 和 ，
[0190] 分别为其分配第二拉格朗日乘子 和 。
[0191] 以EES的充电功率 为例：等式约束：
[0192] ，
[0193] 转换为标准形式为：
[0194] ，
[0195] 分配第一拉格朗日乘子 ；
[0196] 等式约束和储能设备约束：
[0197] ，
[0198] 转换为标准形式为：
[0199] ，
[0200] 分配第一拉格朗日乘子 ；
[0201] 不等式约束：
[0202] ，
[0203] 转换为标准形式为：
[0204] 和 ，
[0205] 分配第二拉格朗日乘子 和 。
[0206] 以吸收式制冷机AC的输出冷功率 \储电设备EES的充电功率 为例，其他等式约束以及不等式约束的转换以及构建拉格朗日方程的原理以及形式一致，本发明在此不做赘述。
[0207] 在步骤S62中，根据区域综合能源系统的运行优化模型的拉格朗日方程和KKT互补松弛条件，将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的附加约束；
[0208] 以吸收式制冷机AC的输出冷功率 为例，附加约束如下：
[0209] ，
[0210] ，
[0211] ，
[0212] 以储电设备EES的充电功率 为例，附加约束如下：
[0213] ，
[0214] ，
[0215] ，
[0216] 其中， 代表a≥0，b≥0 并且a×b=0，a、b均为向量。
[0217] 以吸收式制冷机AC的输出冷功率 \储电设备EES的充电功率 为例，其他等式约束以及不等式约束的转换以及转化为附加约束的原理以及形式一致，本发明在此不做赘述。
[0218] 在步骤S63中，采用大M法将非线性约束（附加约束）转化为线性约束；
[0219] 以吸收式制冷机AC的输出冷功率 ，附加约束
[0220] ，
[0221] 转化后为：
[0222] ，
[0223] ，
[0224] 其中，M代表一个足够大的常数； 是二进制变量。
[0225] 以吸收式制冷机AC的输出冷功率 的附加约束为例，其他等式约束以及不等式约束的附加约束转化为线性约束的原理以及形式一致，本发明在此不做赘述。
[0226] 在步骤S64中，转化为线性约束后的中层模型（区域综合能源系统的容量配置模型）是一个混合整数线性规划问题，根据转换后的线性约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，可以利用Cplex求解器对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量。
[0227] 其中，在步骤S8中，根据pareto解集确定最终方案具体包括：
[0228] 计算建筑设计参数对应的pareto解集中每个解与理想点之间的距离，得到距离最小的解为最终解；其中，理想点为年总成本和年碳排放的最优值对应的点。
[0229] 每个解与理想点之间的距离的计算公式如下：
[0230] ，
[0231] 其中， 为pareto解集中每个解与理想点之间的距离； 为pareto解集（解集是外层多目标优化的结果，即包含两个目标：总成本和年碳排放）的坐标， 为pareto解集中的年总成本， 为pareto解集中的年碳排放； 为理想点的坐标，
为年总成本的最优值， 为年碳排放的最优值。
[0232] 本发明利用多目标灰狼优化算法对建筑设计优化模型进行求解，将建筑设计参数输入至区域建筑负荷预测模型，得到预测的区域建筑典型日的逐时负荷；采用KKT条件将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的约束条件，根据约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量；将得到的区域综合能源系统的年总成本以及每小时的实际碳排放量传递给建筑设计优化模型计算适应度值并开始循环迭代优化过程；直至循环迭代次数满足最大迭代次数后，输出pareto解集，根据pareto解集确定最终方案，有效解决由于现有技术造成建筑及区域综合能源系统的设计优化结果准确性以及可靠性不高的问题，有效地提高了建筑及区域综合能源系统的设计优化结果准确性以及可靠性。
[0233] 本发明技术方案中在区域建筑负荷预测模型中考虑了未来气候情景，进一步地提高了设计优化结果的准确性以及可靠性。
[0234] 本发明技术方案中区域负荷预测模型基于灰狼优化算法优化的随机森林算法，采用灰狼优化算法对随机森林算法的参数进行优化，减少了时间成本和计算成本。
[0235] 实施例二
[0236] 如图7所示，本发明技术方案还提供了一种建筑及区域综合能源系统的设计优化系统，包括：
[0237] 第一建立模块101，将建筑设计参数、时间、负荷类型作为输入，区域建筑典型日的逐时负荷作为输出，建立区域建筑负荷预测模型；
[0238] 第二建立模块102，以年总成本、年碳排放均最小为优化目标，以建筑设计参数为决策变量，建立建筑设计优化模型；其中，年总成本包括综合能源系统的年总成本；
[0239] 第三建立模块103，以综合能源系统年总成本最小为优化目标，以综合能源系统内各设备的配置容量为决策变量，以设备可配置容量约束作为约束条件，建立区域综合能源系统的容量配置模型；其中，综合能源系统年总成本包括综合能源系统的年运行成本，所述区域建筑典型日的逐时负荷为综合能源系统内各设备的配置容量的参考因素；
[0240] 第四建立模块104，以综合能源系统的年运行成本最小为优化目标，以综合能源系统内各设备的出力功率、与外部电网的交互功率为决策变量，建立区域综合能源系统的运行优化模型；
[0241] 第一求解模块105，利用多目标灰狼优化算法对建筑设计优化模型进行求解，将建筑设计参数输入至区域建筑负荷预测模型，得到预测的区域建筑典型日的逐时负荷；
[0242] 第二求解模块106，采用KKT条件将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的约束条件，根据约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量；
[0243] 第三求解模块107，将得到的区域综合能源系统的年总成本以及每小时的实际碳排放量传递给建筑设计优化模型，计算适应度值并开始循环迭代优化过程；其中，适应度值为建筑设计优化模型的优化目标；
[0244] 输出模块108，直至循环迭代次数满足最大迭代次数后，输出pareto解集，根据pareto解集确定最终方案。
[0245] 本发明利用多目标灰狼优化算法对建筑设计优化模型进行求解，将建筑设计参数输入至区域建筑负荷预测模型，得到预测的区域建筑典型日的逐时负荷；采用KKT条件将区域综合能源系统的运行优化模型转化为区域综合能源系统的容量配置模型的约束条件，根据约束条件以及区域建筑负荷预测模型预测获得的区域建筑典型日的逐时负荷，对区域综合能源系统的容量配置模型进行求解，获取区域综合能源系统的年总成本以及每小时的实际碳排放量；将得到的区域综合能源系统的年总成本以及每小时的实际碳排放量传递给建筑设计优化模型计算适应度值并开始循环迭代优化过程；直至循环迭代次数满足最大迭代次数后，输出pareto解集，根据pareto解集确定最终方案，有效解决由于现有技术造成建筑及区域综合能源系统的设计优化结果准确性以及可靠性不高的问题，有效地提高了建筑及区域综合能源系统的设计优化结果准确性以及可靠性。
[0246] 本发明技术方案中在区域建筑负荷预测模型中考虑了未来气候情景，进一步地提高了设计优化结果的准确性以及可靠性。
[0247] 本发明技术方案中区域负荷预测模型基于灰狼优化算法优化的随机森林算法，采用灰狼优化算法对随机森林算法的参数进行优化，减少了时间成本和计算成本。
[0248] 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。
