一种公共建筑优化运行方法

技术特征：
1.一种公共建筑优化运行方法，其特征在于，包括如下步骤：步骤s1：获取计算所需的相关数据；步骤s2：以系统的运行成本、电动汽车充电成本、室内温度成本的成本最小，公共建筑收益最大为目标，建立多目标的公共建筑经济优化运行模型；步骤s3：对步骤s2的公共建筑经济优化运行模型进行优化求解，确定输出最优的结果。2.根据权利要求1所述的公共建筑优化运行方法，其特征在于：在所述步骤s1中，相关数据包括电动汽车供电功率、暖通系统风扇功率、电动汽车充电奖励功率、购电功率、售电功率、风电机组实际出力与期望出力；电动汽车充电收益、公共建筑售电收益、公共建筑购电成本、电动汽车奖励成本、公共建筑购非电成本；交易市场清算价格；暖通系统风扇输出流量；室内温度。3.根据权利要求1所述的公共建筑优化运行方法，其特征在于：在所述步骤s3中，通过遗传算法对步骤s2的公共建筑经济优化运行模型进行优化求解，确定输出最优的结果。4.根据权利要求1所述的公共建筑优化运行方法，其特征在于：在所述步骤s2中，选取电动汽车的充电收益、售电收益、向电网购电成本、购非电能源成本、购电偏差惩罚成本、温度偏差惩罚成本等成本最小，公共建筑收益最大为优化目标，建立多目标的公共建筑经济优化运行模型。5.根据权利要求4所述的公共建筑优化运行方法，其特征在于：在所述步骤s2中，优化过程分为两个阶段，包括日前购电阶段和实时控制阶段，在日前购电阶段以收益最大为目标函数，在实施控制阶段以成本最小为目标函数，目标函数分别如下：日前购电计划阶段目标函数具体如下：式中，π
ω
为不同风电场景发生的概率，是电动汽车的充电收益，是售电收益，是向电网购电成本，是购非电能源成本，是购电偏差惩罚成本，是温度偏差惩罚成本；实时控制阶段目标函数如下：式中，是在t时刻向电网购电成本，是在t时刻购非电能源成本，是在t时刻购电偏差惩罚成本，是在t时刻温度偏差惩罚成本，是在t时刻电动汽车的充电收益，是在t时刻向电网售电收益，π
ω
为不同风电场景发生的概率，为在预测时间段内场景ω下向电网购电成本，为在预测时间段内场景ω下购非电能源成本，为在
预测时间段内场景ω下购电偏差惩罚成本，为在预测时间段内场景ω下温度偏差惩罚成本，为在预测时间段内场景ω下电动汽车的充电收益，为在预测时间段内场景ω下向电网售电收益；约束条件包括：公共建筑暖通空调系统状态约束、电动汽车充电功率约束、电动汽车电池水平约束。6.根据权利要求5所述的公共建筑优化运行方法，其特征在于：所述公共建筑暖通空调系统状态约束包括室内温度上下限约束、暖通空调系统输入量约束。7.根据权利要求1所述的公共建筑优化运行方法，其特征在于，在所述步骤s3中，优化求解包括如下步骤：步骤1、设定初始参数：对集体数集进行编码，设定初始参数，设定的参数包括种群个体数、交叉和变异概率、终止条件、保留精英个体数、新个体入侵数量；在制定日前购电计划阶段，除了计划购电量种群外，还包括10中风电场景对应的暖通空调系统每小时的功率和电动汽车充电交易市场的清算价格2个种群；步骤2、种群初始化：采用的是直接的二进制编码，每个个体由一条11位二进制的基因构成的染色体组成；采用随机halton序列生成初始种群，使产生的种群中的个体具有低差异度，随机性降低，均匀性提高；购电计划阶段生成初始种群：100(种群个体数)*10(风电场景数)*24(控制时域)*染色体组成的暖通空调系统送风流量、100(种群个体数)*24(控制时域)*染色体组成的计划购电量种群和100(种群个体数)*10(风电场景数)*24(控制时域)*染色体组成的电动汽车充电交易市场的清算价格；步骤3、计算个体适度值：在搜寻公共建筑最优购电计划和控制决策时，设置目标函数f
n
的倒数为适应度函数z
n
；步骤4、精英保留：根据个体适度值大小进行排列，最优秀的个体直接保留到下一代种群作为子代，跳过选择算子；步骤5、选择父代：通过选择算子选取优秀的个体进入交叉变异环节，采取轮盘对赌算法对种群进行优胜劣汰，通过对得到的目标函数适度值进行累加，并归一化处理；以随机概率方式选取个体，种群中个体被选为父代的概率与其适度值成正比，意味着适度值越高的个体，作为父代的概率越大；步骤6、交叉更新个体：采取order-based crossover的交叉方法，每条染色体随机与另一条染色体进行交叉重组；父代染色体通过交叉算子进行基因重组产生子代；通过选择算子选择一对染色体作为父代，随机选取父代染色体x中的基因，将选取的基因遗传到子代染色体基因位置不变，父代x剩下的基因则对应位置遗传至子代由父代染色体y将基因对应遗传至子代染色体和基因空缺的位置；步骤7、变异更新个体：变异算子采用随机单点变异改变对应位置的基因值，首先，设置染色体的变异概率p
m
，产生一个随机概率r，当p
m
＜r时，该染色体的第m个基因不发生变异；当p
m
＞r时，第m个基因进行变异遗传，改变原有的基因编码；变异的具体过程可以描述为：二进制编码0变异为1，编码1变异为0；步骤8、加入新个体：经过交叉变异后，模拟自然界外来个体的入侵，加入随机初始化的
个体作为子代进行迭代；步骤9、判断是否满足判定标准，如果满足标准，则终止和导出最优日前购电计划、电动汽车充电交易市场的清算价格和暖通空调系统控制决策；否则返回步骤2；步骤10、最优解解码：迭代结束后，根据日前购电计划的上下限、电动汽车充电功耗和暖通空调系统的功耗，将最优解的二进制基因编码转换为对应的十进制数值。8.根据权利要求7所述的公共建筑优化运行方法，其特征在于，在所述步骤5中，轮盘对赌算法包括：(1)计算种群中染色体和的适度值：(2)计算种群中染色体的适度值之和：(3)计算种群中染色体的选择概率：h
p
＝eval(z
p
)/s p＝1，2，......，p(4)计算种群中染色体的选择概率：(5)在[0,1]区间内随机生成概率数r，若r＜q1，则选取首条染色体和如果r＞q1，则选取第q条染色体，使得q
p-1
＜r＜q
k
成立。9.根据权利要求5所述的公共建筑优化运行方法，其特征在于：在所述步骤s2中，日前购电计划阶段，所述电动汽车的充电收益售电收益向电网购电成本购非电能源成本购电偏差惩罚成本温度偏差惩罚成本的目标函数如下：(1)电动汽车的充电收益式中，θ为电动汽车充电价格；p
v，t，ω
为t时刻在场景ω下电动汽车v的充电功率；为t时刻在场景ω下电动汽车充电交易市场的清算价格；为t时刻在场景ω下电动汽车v的削减功率；(2)售电收益
式中，为t时刻公共建筑向电网售电的价格，为t时刻在场景ω下暖通空调系统送风风扇的功率；为t时刻在场景ω下风电的出力；为t时刻公共建筑的固定能耗；(3)向电网购电成本式中，为t时刻向电网购电的价格；(4)购非电能源成本式中，β
h
为购买制热能源的价格；为t时刻在场景ω下公共建筑的制热功率；β
c
为购买制冷能源的价格；为t时刻在场景ω下公共建筑的制冷功率；(5)购电偏差惩罚成本式中，γ为购电偏差惩罚系数；为t时刻计划购电量；(6)温度偏差惩罚成本式中，α
t
为温度偏差惩罚系数；t
t，ω
为t时刻在场景ω下公共建筑室内的环境温度；t
con
为设定的最适温度。10.根据权利要求5所述的公共建筑优化运行方法，其特征在于：在所述步骤s2中，实时控制阶段，所述电动汽车的t时刻向电网购电成本t时刻购非电能源成本t时刻购电偏差惩罚成本t时刻温度偏差惩罚成本t时刻电动汽车的充电收益t时刻向电网售电收益预测时间段内向电网购电成本预测时间段内购非电能源成本预测时间段内购电偏差惩罚成本预测时间段内温度偏差惩罚成本预测时间段内电动汽车的充电收益预测时间段内向电网售电收益(1)向电网购电成本
式中，和分别为t时刻购电价格和预测时间τ购电价格；为t时刻暖通空调系统的送风风扇功率，为在预测时间τ风电场景ω下送风风扇功率；p
v，t
为t时刻电动汽车v的充电功率，为在预测时间τ风电场景ω下电动汽车v的充电功率；为t时刻风电的真实出力，为在预测时间τ风电场景ω下风电的出力；和分别为t时刻公共建筑固定能耗和预测时间τ公共建筑固定能耗；(2)购非电能源成本(2)购非电能源成本式中，和分别是t时刻暖通空调系统制热和制冷功率；和分别为预测时间τ风电场景ω下暖通空调系统的制热和制冷功率；(3)购电偏差惩罚成本(3)购电偏差惩罚成本式中，和分别为日前购电计划在t时刻和预测时间τ的购电量；(4)温度偏差惩罚成本(4)温度偏差惩罚成本式中，t
t
和分别为t时刻和预测时间τ的室内环境温度；τ
con
为工作时间内设定的最适室内环境温度；(5)电动汽车的充电收益
电动汽车的充电收的目标函数如下：电动汽车的充电收的目标函数如下：式中，为电动汽车在预测时间τ的充电功率；为预测时间τ的电动汽车充电交易市场清算价格；为电动汽车在预测时间τ的削减功率；(6)向电网售电收益(6)向电网售电收益式中，为预测时间τ向电网售电价格。

技术总结
本发明提供了一种公共建筑优化运行方法，包括如下步骤：步骤S1：获取计算所需的相关数据；步骤S2：建立多目标的公共建筑经济优化运行模型；步骤S3：对步骤S2的公共建筑经济优化运行模型进行优化求解，确定输出最优的结果。本发明的有益效果是:利用公共建筑自身所具有的储热特性，在满足公共建筑环境温度舒适性的前提下，对暖通系统风扇输出流量进行控制，提供电力调度灵活性。与此同时，通过对清算市场价格的控制，实现对电动汽车充电功率的间接控制，减小电动汽车充电不确定性对公共建筑运行稳定性的影响。同时通过对输出结果进行滚动优化，提高风电利用率，节省高额的储能设备投资成本。成本。成本。


技术研发人员：吴婷 巩欣 王怀智 张弦 王贵斌
受保护的技术使用者：哈尔滨工业大学（深圳）
技术研发日：2022.04.24
技术公布日：2022/7/29