风光-垃圾发电能源综合利用系统的调度优化方法及装置与流程

本发明实施例涉及新能源综合消纳领域，更具体地，涉及一种风光-垃圾发电能源综合利用系统的调度优化方法及装置。

背景技术：

随着化石能源的日渐枯竭和全球环境的不断恶化，以光伏和风电为代表的可再生能源技术得到极大的发展。近年来，国内外学者不仅关注电能的清洁利用，更加关注电能和热能的综合利用，实现能源的梯级利用，最终提高能源的综合利用效率。

目前在电热能源综合利用方面已有一些相关研究成果。现有技术中已存在以燃气轮机作为热能和电能耦合的装置，但由于我国天然气消耗量巨大，尤其在冬季，可能会出现天然气短缺造成的电热能源综合利用系统无法稳定输出电能和热能，给用户带来巨大的损失。因此，出现了以垃圾发电作为热电耦合的装置，不需要消耗天然气的同时可以使城市垃圾被有效处理。但是，不管采用何种电热耦合装置，新能源出力及负荷需求的不确定性是普遍存在的，需对电热能源综合利用系统进行合理有效地调度。

而电热能源综合利用系统调度问题是一种多约束、高维数、多极值的复杂非线性优化问题。目前已有一些智能算法用来解决电热能源综合利用的调度优化问题，比如粒子群算法和遗传算法等，但都普遍存在早熟和容易陷入局部最优的问题，无法求得最优的系统调度值。

技术实现要素：

本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的风光-垃圾发电能源综合利用系统的调度优化方法及装置。

第一方面，本发明实施例提供一种风光-垃圾发电能源综合利用系统的调度优化方法，包括：

建立以系统日运行成本最低为目标的风光-垃圾发电能源综合利用系统的调度优化模型；

采用改进的正弦余弦算法对所述风光-垃圾发电能源综合利用系统的调度优化模型进行求解，获得由所述风光-垃圾发电能源综合利用系统中各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值构成的一组最优解；

其中，所述改进的正弦余弦算法基于非线性因子和分段权重进行个体位置更新。

第二方面，本发明实施例提供一种风光-垃圾发电能源综合利用系统的调度优化装置，包括：

模型建立模块，用于建立以系统日运行成本最低为目标的风光-垃圾发电能源综合利用系统的调度优化模型；

求解模块，用于采用改进的正弦余弦算法对所述风光-垃圾发电能源综合利用系统的调度优化模型进行求解，获得由所述风光-垃圾发电能源综合利用系统中各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值构成的一组最优解；

其中，所述改进的正弦余弦算法基于非线性因子和分段权重进行个体位置更新。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的风光-垃圾发电能源综合利用系统的调度优化方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的风光-垃圾发电能源综合利用系统的调度优化方法的步骤。

本发明实施例提供的风光-垃圾发电能源综合利用系统的调度优化方法及装置，通过建立风光-垃圾发电能源综合利用系统的调度优化模型，采用基于非线性因子和分段权重的改进正弦余弦算法对调度优化模型进行求解，算法具有较快的运算速度、较高的全局搜索能力和收敛精度，能够实现风光-垃圾发电能源综合利用系统的能量供需平衡，提高能源综合利用系统的稳定性和可靠性，实现风光-垃圾发电能源综合利用系统的经济运行。

附图说明

为了更清楚地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一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种风光-垃圾发电能源综合利用系统的调度优化方法的流程示意图；

图2为本发明实施例提供的风光-垃圾发电能源综合利用系统的架构图；

图3为本发明实施例提供的建立以系统日运行成本最低为目标的风光-垃圾发电能源综合利用系统调度优化模型的流程示意图；

图4为本发明实施例提供的采用改进的正弦余弦算法对所述风光-垃圾发电能源综合利用系统调度优化模型进行求解的流程示意图；

图5为本发明实施例提供的采用改进的正弦余弦算法对风光-垃圾发电能源综合利用系统的调度优化模型进行求解的流程示意图；

图6为本发明实施例提供的分时电网供电电价和向电网购电电价的示意图；

图7为本发明实施例提供的冬季典型日光伏、风电和电热负荷预测数据的示意图；

图8为本发明实施例提供的冬季典型日热能调度曲线示意图；

图9为本发明实施例提供的冬季典型日电能调度曲线示意图；

图10为本发明实施例提供的冬季典型日采用4种算法求得的风光-垃圾发电能源综合利用系统日运行成本比较曲线示意图；

图11为本发明实施例提供的风光-垃圾发电能源综合利用系统的调度优化装置的结构示意图；

图12为本发明实施例提供的电子设备的实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，为本发明实施例提供的一种风光-垃圾发电能源综合利用系统的调度优化方法的流程示意图，包括：

步骤100、建立以系统日运行成本最低为目标的风光-垃圾发电能源综合利用系统的调度优化模型；

首先，本发明实施例中的风光-垃圾发电能源综合利用系统是一个综合利用光伏发电、风力发电和垃圾发电的电热能源综合利用系统。风光-垃圾发电能源综合利用系统的架构如图2所示，包括光伏发电机组、风力发电机组、垃圾发电热电联供装置、空气源热泵、锂离子储电装置和相变蓄热装置以及用于控制与外部配电网进行功率交换的公共连接点开关。

可以理解的是，供能装置包括光伏发电机组、风力发电机组、垃圾发电热电联供装置和空气源热泵；锂离子储电装置和相变蓄热装置为储能装置；公共连接点开关用于控制所述风光-垃圾发电能源综合利用系统与外部配电网之间的电功率交换。

风光-垃圾发电能源综合利用系统的电负荷主要光伏、风电和垃圾发电热电联供装置供电部分提供。如果上述供电装置产生的电能无法满足电负荷需求，则闭合公共连接点开关从外部配电网进行购电，反之向外部配电网进行售电。在所述风光-垃圾发电能源综合利用系统自身产生的电能大于电负荷需求时，锂离子电池进行充电，反之进行放电，主要起削峰填谷的作用。风光-垃圾发电能源综合利用系统的热负荷主要由垃圾发电热电联供装置的供热部分和空气源热泵提供。如果系统产生的热能可以满足热负荷的需求，则对相变蓄热装置进行蓄热，反之相变蓄热装置进行放热。

风光-垃圾发电能源综合利用系统调度优化的目标是在一定的控制策略下，使风光-垃圾发电能源综合利用系统的能量实现供需平衡，且各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值能够满足能源综合利用系统的负荷需求，保证能源综合利用系统的安全稳定，实现能源综合利用系统的经济优化运行。因此，以所述风光-垃圾发电能源综合利用系统日运行成本最低为目标，构建调度优化模型是合适的。所述调度优化模型包括：目标函数和约束条件。目标函数即是以所述风光-垃圾发电能源综合利用系统的一日运行成本最低为目标建立的目标函数，约束条件是使能量供需平衡且使各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值能够满足能源综合利用系统稳定运行的条件。

步骤101、采用改进的正弦余弦算法对所述风光-垃圾发电能源综合利用系统的调度优化模型进行求解，获得由所述风光-垃圾发电能源综合利用系统中各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值构成的一组最优解；

与传统的电网优化调度相比，风光-垃圾发电能源综合利用系统的调度优化问题显得更加复杂。首先，风光-垃圾发电能源综合利用系统能够为地区提供热、电负荷，因此，在考虑电功率平衡的同时，也要保证热负荷供需平衡。其次，风光-垃圾发电能源综合利用系统中各供能装置、储能装置的运行特性各不相同，光伏发电和风力发电等新能源易受天气因素影响，出力具有不确定性。因此，风光-垃圾发电能源综合利用系统的调度必须从能源综合利用整体出发，考虑热/电负荷需求、光伏发电和风力发电的运行特性、系统运行的经济性等信息，确定所述风光-垃圾发电能源综合利用系统中各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值。综上所述，风光-垃圾发电能源综合利用系统的调度问题是一种多约束、高维数、多极值的复杂非线性优化问题。传统的智能算法存在早熟和容易陷入局部最优的问题，无法求得最优的系统调度值。本发明实施例在标准正弦余弦算法的基础上进行改进，提出采用基于非线性因子和分段权重进行个体位置更新的改进的正弦余弦算法求解步骤100中所建立的调度优化模型，算法的基本思想是：将所述风光-垃圾发电能源综合利用系统中各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值构成的一组解作为个体的位置，在种群空间采用基于非线性因子和分段权重的个体位置更新公式对个体位置进行更新，通过不断迭代找到最优个体位置。本发明实施例提出的改进的正弦余弦算法，控制参数是非线性变化的，且增加了分段的权重因子，通过上述改进，在迭代前期可以增强算法的收敛速度，使得算法更容易跳出局部极小值陷阱，从而提高全局搜索能力，在迭代后期可以提高算法的收敛精度，较标准的正弦余弦算法具有较快的运算速度、较高的全局搜索能力和收敛精度。

本发明实施例提出的风光-垃圾发电能源综合利用系统的调度优化方法，通过建立风光-垃圾发电能源综合利用系统的调度优化模型，采用基于非线性因子和分段权重的改进正弦余弦算法对调度优化模型进行求解，算法具有较快的运算速度、较高的全局搜索能力和收敛精度，能够实现风光-垃圾发电能源综合利用系统的能量供需平衡、提高能源综合利用系统的稳定性和可靠性，实现风光-垃圾发电能源综合利用系统的经济运行。

基于上述实施例的内容，如图3所示，所述建立以系统日运行成本最低为目标的风光-垃圾发电能源综合利用系统调度优化模型的步骤，具体为：

步骤300、建立所述风光-垃圾发电能源综合利用系统中各供能装置和储能装置的出力模型；

具体地，风光-垃圾发电能源综合利用系统的架构如图2所示，建立所述架构中各供能装置和储能装置的出力模型包括：建立风力发电数学模型、光伏发电数学模型、垃圾发电数学模型、空气源热泵数学模型以及锂离子储电和相变蓄热装置数学模型。

1)风力发电数学模型

风力发电机组功率输出与环境风速的关系如下所示：

式中，pv＝pr(vr-vci)/(vr-vci)；pr为风机额定功率；vci为风机切入风速；vr为风机额定风速；vco为风机切出风速。

2)光伏发电数学模型

光伏电池板的输出功率与室外环境的温度、光照的强度等有关，其功率模型如下所示：

式中，为光伏电池板输出功率；pstc为标准环境下光伏组件的额定输出功率；gstc为标准环境下光照强度；g^t为太阳光实际强度；g为功率温度系数；tstc为参考温度；tair^t为环境温度。

3)垃圾发电数学模型

式中，为垃圾发电热电联供装置发热功率；为垃圾发电热电联供装置发电功率；ηe为垃圾发电热电联供装置供电效率；ηh为垃圾发电热电联供装置供热效率；ηre为烟气余热回收率。

4)空气源热泵数学模型

式中，为空气源热泵换热功率；ηashp为空气源热泵的换热效率；为空气源热泵耗电功率。

5)锂离子储电和相变蓄热装置数学模型

锂离子储电和相变蓄热装置的储放能原理类似，其统一数学模型如下：

式中，为锂离子储电或相变蓄热装置的荷能状态；δ为锂离子储电或相变蓄热装置的自放能效率；为锂离子储电或相变蓄热装置的充能功率；为锂离子储电或相变蓄热装置的放能功率；ηch为锂离子储电或相变蓄热装置的充能效率；ηdis为锂离子储电或相变蓄热装置的放能效率；δt为单位时段；etstor为锂离子储电和相变蓄热装置的总容量。

值得说明的是，在一个具体的实施例中，在建立所述风光-垃圾发电能源综合利用系统中各供能装置和储能装置的出力模型之后，还包括：

针对所述风光-垃圾发电能源综合利用系统，获取调度日各时刻风电出力预测值、光伏出力预测值以及电热负荷预测值。

由于风电出力、光伏出力均与具体的环境参数有关，电负荷、热负荷需求是实时变化的，因此，需要获取调度日各时刻风电出力预测值、光伏出力预测值以及电热负荷预测值。

步骤301、基于所述出力模型，以系统日运行成本最低为目标，构造目标函数；

本发明实施例中风光-垃圾发电能源综合利用系统优化调度的目标函数为系统日运行费用最小。垃圾发电厂的原料是生活垃圾，由风光-垃圾发电能源综合利用系统服务片区内的用户免费提供，供应充足，因此发明实施例中风光-垃圾发电能源综合利用系统的日运行费用主要包括与配电网的电功率交换费用、系统各供能装置和储能装置的运行维护费用。

基于步骤300中各供能装置和储能装置的出力模型，以系统日运行成本最低为目标，构造的目标函数具体为：

其中，t为时刻；为所述风光-垃圾发电能源综合利用系统的购电电价；为所述风光-垃圾发电能源综合利用系统的售电电价；为所述风光-垃圾发电能源综合利用系统与配电网之间的电功率交换值；为风力发电功率；为光伏发电功率；为垃圾发电热电联供装置供电功率；为垃圾发电热电联供装置供热功率；为空气源热泵耗电功率；为锂离子电池功率；为相变蓄热功率；cwt为风力发电维护费用；cpv为光伏发电维护费用；cwaste为垃圾发电热电联供装置维护费用；cashp为空气源热泵维护费用；cestor为锂离子电池维护费用；chstor为相变蓄热装置维护费用。

值得说明的是，与配电网之间的功率交换值为正值时表示风光-垃圾发电能源综合利用系统向配电网购电功率，为负值时表示风光-垃圾发电能源综合利用系统向配电网售电功率；锂离子电池功率为正值时表示锂离子电池放电功率，为负值时表示锂离子电池充电功率；相变蓄热功率为正值时表示相变蓄热装置放热功率，为负值时表示相变蓄热装置蓄热功率。

步骤302、确定所述风光-垃圾发电能源综合利用系统的运行约束条件。

具体地，所述风光-垃圾发电能源综合利用系统的运行约束条件包括：电功率平衡约束条件、热功率平衡约束条件、垃圾发电热电联供装置发电功率约束条件、储电和储热约束条件、空气源热泵约束条件、备用功率约束条件，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值的约束条件。

具体为：

1)电功率平衡约束条件

式中，为电负荷。

2)热功率平衡约束条件

式中，为热负荷。

3)垃圾发电热电联供装置约束

式中，为垃圾发电热电联供装置发电功率的最小值和最大值。

4)储热和储电装置模型约束

由于锂离子储电装置和相变蓄热装置在系统中的作用和原理类似，故可以用通用模型约束处理。

式中，为锂离子储电和相变蓄热装置的荷能状态最大值、最小值；pcmax、pdmax为锂离子储电和相变蓄热装置的充电最大功率和放电最大功率；为锂离子储电和相变蓄热装置的充放电功率。

5)空气源热泵约束

式中，为空气源热泵的最大换热功率。

6)备用功率约束

式中，为风力发电最大功率，为光伏发电最大功率，为与外部配电网电功率交换最大值，yres为系统备用率。

7)与外部配电网电功率交换约束

式中，为与外部配电网电功率交换最小值。

值得说明的是，从上述各约束条件式中可以获知，在确定具体的约束条件时需要获取调度日时刻电负荷、热负荷预测值，各供能装置和储能装置的相关参数，例如，垃圾发电热电联供装置发电功率的最小值和最大值、空气源热泵的最大换热功率等，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间的电功率交换最大值，则将这些相关参数作为上述各约束条件式中的已知量。

基于上述实施例的内容，如图4所示，所述采用改进的正弦余弦算法对所述风光-垃圾发电能源综合利用系统调度优化模型进行求解的步骤，具体为:

步骤400、设置种群规模n，确定搜索空间维度，将由所述风光-垃圾发电能源综合利用系统中各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值构成的一组解作为个体的位置，在所述个体的位置的取值范围内，随机初始化n个个体的位置；

具体地，进行正弦余弦算法的初始化设置，包括设置种群规模n和搜索空间维度d。其中，搜索空间维度d为风光-垃圾发电能源综合利用系统中各供能装置数目、储能装置数目，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换这一参数的和。将由所述风光-垃圾发电能源综合利用系统中各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值构成的一组解作为个体的位置，在所述各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值的取值范围内，即满足前述步骤中确定的运行约束条件，随机初始化n个个体的位置。

接下来开始进行迭代计算每个个体的适应度值，其中适应度值的计算则利用前述步骤中建立的风光-垃圾发电能源综合利用系统调度优化模型的目标函数，并比较个体的适应度值，找到最优个体。

步骤401、对于任一次迭代的n个个体位置，利用所述风光-垃圾发电能源综合利用系统调度优化模型的目标函数，计算当前迭代每个个体对应的目标函数值，确定当前迭代最优个体，并保存当前迭代最优个体的位置及其目标函数值；

对于任一次迭代，利用所述风光-垃圾发电能源综合利用系统调度优化模型的目标函数，计算当前迭代每个个体对应的目标函数值，将目标函数值最小的个体作为当期迭代最优个体进行保存，保存其位置及目标函数值。

步骤402、若当前迭代最优个体的目标函数值比上一次迭代最优个体的目标函数值更小，则将当前迭代最优个体的位置作为全局最优解；

将当前迭代最优个体的目标函数值与上一次迭代最优个体的目标函数值进行比较，若当前迭代最优个体的目标函数值比上一次迭代最优个体的目标函数值更小，则说明当前迭代的最优个体比上一次迭代的最优个体更优，则对全局最优解进行更新，将当前迭代的最优个体的位置作为全局最优解。

若上一次迭代最优个体的目标函数值比当前迭代最优个体的目标函数值更小，则不更新全局最优解。

步骤403、若当前迭代次数小于最大迭代次数，则采用基于非线性因子和分段权重的个体位置更新公式计算获得下一次迭代的n个个体位置，否则，终止迭代，输出全局最优解。

判断是否达到最大迭代次数，若达到，则终止迭代，输出全局最优解。否则，采用基于非线性因子和分段权重的个体位置更新公式计算获得下一次迭代的n个个体位置，然后开始执行步骤401。

基于上述实施例的内容，所述基于非线性因子和分段权重的个体位置更新公式，具体为：

其中，k为迭代次数，是第k次迭代中第i个个体在第j维空间中的位置，为权重因子，r1为控制参数，为第k次迭代后种群在第j维空间的全局最优解，r2、r3和r4是随机数，其范围分别为r2∈[0,2π]、r3∈[-2,2]和r4∈[-1,1]，k为最大迭代次数。

正弦余弦算法是由澳大利亚学者在2015年提出的。在正弦余弦算法中，个体状态的更新主要通过数学函数sine和cosine的变化来实现。该算法使种群在前期保持多样性，保持了较强的搜索能力，在后期加强个体局部开发能力，提高算法收敛精度，最终得到全局最优解。文献“mirjalilis.sca：asinecosinealgorithmforsolvingoptimizationproblems[j].knowledge-basedsystems，2016，96：120-133.”已经证明标准的正弦余弦算法优化求解能力强于粒子群算法和遗传算法等算法。

假设种群规模为n，搜索空间维度为d，则第i个个体在d维空间中的位置可表示为(xi1,xi2,...xij,...xid)。

算法包含的主要公式如下：

式中，公式(18)是算法中个体的更新公式，k为迭代次数；是第k次迭代中第i个个体在第j维空间中的位置；r1为控制参数，r1决定了个体下一次迭代的移动方向，表达式如式(19)；为第k次迭代后种群在j维空间的全局最优解；r2、r3和r4是随机数，其范围分别为r2∈[0,2π]、r3∈[-2,2]和r4∈[-1,1]；a＝2；k为最大迭代次数。

上述标准的正弦余弦算法容易陷入局部最优且收敛精度差，因此，本发明实施例提出改进，以使改进后的算法更容易跳出局部极小值陷阱，提高全局搜索能力和收敛精度。

本发明实施例具体的改进如下：

1)将控制参数r1由线性函数改变为非线性函数，更加符合算法的实际搜索过程，在迭代前期在解集范围内对更多的解进行优劣比较，在迭代后期逐步缩小最优解取值范围，取得全局最优解。

改进的公式如下所示：

2)对个体位置更新公式(18)进行改进，增加权重因子，并对权重因子进行分段表示，通过上述改进，在迭代前期可以增强算法的收敛速度，使得算法更容易跳出局部极小值陷阱，提高全局搜索能力，在迭代后期可以提高算法的收敛精度。改进的公式如下所示：

得到个体位置更新公式如下：

式中，r1采用公式(20)确定，采用公式(21)确定。

如图5所示，为本发明实施例提供的采用改进的正弦余弦算法对风光-垃圾发电能源综合利用系统的调度优化模型进行求解的流程示意图，包括：

步骤500、在各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值的取值范围内，随机初始化一组解集，即随机初始化n个个体的位置；

步骤501、对于任一次迭代的n个个体位置，根据所述风光-垃圾发电能源综合利用系统调度优化模型的目标函数公式(6)，计算当前迭代每个个体对应的目标函数值，确定当前迭代最优个体，并保存当前迭代最优个体的位置及其目标函数值，当前迭代最优个体即为各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值的一组解；

步骤502、利用公式(20)～(22)对风光-垃圾发电能源综合利用系统中各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值构成的一组解进行更新，然后对目标函数公式(6)重新进行计算，判断当前目标函数值是否优于之前的目标函数值。若是，将求得当前目标函数值的各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值的一组解作为当前的全局最优解。

步骤503、判断是否达到最大迭代次数，若达到，则终止迭代，输出全局最优解，否则回到步骤502继续迭代。

本发明实施例提供的改进的正弦余弦算法对控制参数进行非线性化，增加了分段的权重因子，通过上述改进，在迭代前期可以增强算法的收敛速度，使得算法更容易跳出局部极小值陷阱，从而提高全局搜索能力，在迭代后期可以提高算法的收敛精度，较标准的正弦余弦算法具有较快的运算速度、较高的全局搜索能力和收敛精度。

下面以中国西部某地区为例为例，对本发明实施例提供的风光-垃圾发电能源综合利用系统的调度优化方法进行举例说明。电网供电电价和向电网购电电价如图6所示，冬季典型日光伏、风电和电热负荷预测数据如图7所示，风光-垃圾发电能源综合利用系统中各供能装置、储能装置，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换的相关参数如表1-2所示。改进正弦余弦算法参数设置为：个体数20，迭代次数200。

表1供能装置、储能装置，以及与外部配电网之间电功率交换的相关参数

表2锂离子储电和相变蓄热参数

图8为冬季典型日热能调度曲线。在时段23:00-24:00和00:00-07:00，电价处于全天最低点，空气源热泵和垃圾发电热电联供装置满足热负荷的供应，并同时给相变蓄热装置蓄热。在时段00:00-23:00，电网电价较高，垃圾发电热电联供装置成为主要的供热机组，不足的部分由相变蓄热装置满足。相变蓄热装置在电低谷期蓄热，电高峰期放热，满足了系统的需求。

图9为冬季典型日电能调度曲线。在时段23:00-24:00和00:00-07:00，由于电价处于全天最低点，所以依靠从配电网购置电能、垃圾发电热电联供装置供电和风力发电满足电负荷需求，并将蓄电池充满。在时段07:00-23:00，电网电价较高，向外部配电网购电成本较高，所以垃圾发电热电联供装置、光伏、风电和蓄电池成为主要的供电设备，蓄电池在低电价和低负荷时段充电，在高电价和高负荷时段放电，有效的发挥储能削峰填谷的作用，提高了系统的经济性。

图10为冬季典型日采用4种算法求得的风光-垃圾发电能源综合利用系统日运行成本比较曲线。标准正弦余弦算法来自于文献“mirjalilis.sca：asinecosinealgorithmforsolvingoptimizationproblems[j].knowledge-basedsystems，2016，96：120-133.”，采用标准正弦余弦算法求得的日运行成本为1875元。抛物线正弦余弦算法和指数正弦余弦算法来自于文献“刘勇,马良.转换参数的非线性递减的正弦余弦算法[j].计算机工程与应用,2017,53(2)：1-5.”，采用抛物线正弦余弦算法求得的日运行成本为1855元，采用指数正弦余弦算法求得的日运行成本为1822元。采用本发明实施例所提改进正弦余弦算法求得的日运行成本为1770元，相比较标准正弦余弦算法、抛物线正弦余弦算法和指数正弦余弦算法，采用本发明实施例所提改进正弦余弦算法求得的日运行费用分别比上述算法降低5.6％、4.5％和2.8％，上述结果表明采用改进正弦余弦算法可以找到更好的全局最优解，求得更佳的日运行费用和设备调度方案，证明了本发明实施例所提改进正弦余弦算法的有效性和可行性。

如图11所示，为本发明实施例提供的风光-垃圾发电能源综合利用系统的调度优化装置的结构示意图，包括：模型建立模块1101和求解模块1102，其中，

模型建立模块1101，用于建立以系统日运行成本最低为目标的风光-垃圾发电能源综合利用系统的调度优化模型；

具体地，本发明实施例中的风光-垃圾发电能源综合利用系统是一个综合利用光伏发电、风力发电和垃圾发电的电热能源综合利用系统。风光-垃圾发电能源综合利用系统的架构如图2所示，包括光伏发电机组、风力发电机组、垃圾发电热电联供装置、空气源热泵、锂离子储电装置和相变蓄热装置以及用于控制与配电网进行功率交换的公共连接点开关。

风光-垃圾发电能源综合利用系统的电负荷主要光伏、风电和垃圾发电热电联供装置供电部分提供。如果上述供电装置产生的电能仍然无法满足电负荷需求，则闭合公共连接点开关从外部配电网进行购电，反之向外部配电网进行售电。在风光-垃圾发电能源综合利用系统自身产生的电能大于电负荷需求时，锂离子电池进行充电，反之进行放电，主要起削峰填谷的作用。风光-垃圾发电能源综合利用系统的热负荷主要由垃圾发电热电联供装置的供热部分和空气源热泵提供。如果系统产生的热能可以满足热负荷的需求，则对相变蓄热装置进行蓄热，反之相变蓄热装置进行放热。

风光-垃圾发电能源综合利用系统优化调度的目标是在一定的控制策略下，使风光-垃圾发电能源综合利用系统的能量实现供需平衡，且各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值能够满足能源综合利用系统的负荷需求，保证能源综合利用系统的安全稳定，实现能源综合利用系统的经济优化运行。因此，模型建立模块1101以所述风光-垃圾发电能源综合利用系统日运行成本最低为目标，构建调度优化模型是合适的。所述调度优化模型包括：目标函数和约束条件。目标函数即是以所述风光-垃圾发电能源综合利用系统的一日运行成本最低为目标建立的目标函数，约束条件是使能量供需平衡且使各各供能装置输出功率、储能装置输出功率，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值能够满足能源综合利用系统的稳定运行的条件。

求解模块1102，用于采用改进的正弦余弦算法对所述风光-垃圾发电能源综合利用系统的调度优化模型进行求解，获得由所述风光-垃圾发电能源综合利用系统中各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值构成的一组最优解；

其中，所述改进的正弦余弦算法基于非线性因子和分段权重进行个体位置更新。

具体地，风光-垃圾发电能源综合利用系统的调度问题是一种多约束、高维数、多极值的复杂非线性优化问题。传统的智能算法存在早熟和容易陷入局部最优的问题，无法求得最优的系统调度值。本发明实施例求解模块1102在标准正弦余弦算法的基础上进行改进，采用基于非线性因子和分段权重进行个体位置更新的改进的正弦余弦算法求解调度优化模型，算法的基本思想是：将所述各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值构成的一组解作为个体的位置，在种群空间采用基于非线性因子和分段权重的个体位置更新公式对个体位置进行更新，通过不断迭代找到最优个体位置。本发明实施例求解模块采用的改进的正弦余弦算法，控制参数是非线性变化的，且增加了分段的权重因子，通过上述改进，在迭代前期可以增强算法的收敛速度，使得算法更容易跳出局部极小值陷阱，从而提高全局搜索能力，在迭代后期可以提高算法的收敛精度，较标准的正弦余弦算法具有较快的运算速度、较高的全局搜索能力和收敛精度。

本发明实施例提出的风光-垃圾发电能源综合利用系统的调度优化装置，通过建立风光-垃圾发电能源综合利用系统的调度优化模型，采用基于非线性因子和分段权重的改进正弦余弦算法对调度优化模型进行求解，算法具有较快的运算速度、较高的全局搜索能力和收敛精度，能够实现风光-垃圾发电能源综合利用系统的能量供需平衡、提高能源综合利用系统的稳定性和可靠性，实现风光-垃圾发电能源综合利用系统的经济运行。

图12为本发明实施例提供的电子设备的实体结构示意图，如图12所示，该电子设备可以包括：处理器(processor)1210、通信接口(communicationsinterface)1220、存储器(memory)1230和通信总线1240，其中，处理器1210，通信接口1220，存储器1230通过通信总线1240完成相互间的通信。处理器1210可以调用存储在存储器1230上并可在处理器1210上运行的计算机程序，以执行上述各方法实施例所提供的风光-垃圾发电能源综合利用系统的调度优化方法，例如包括：建立以系统日运行成本最低为目标的风光-垃圾发电能源综合利用系统的调度优化模型；采用改进的正弦余弦算法对所述风光-垃圾发电能源综合利用系统的调度优化模型进行求解，获得由所述风光-垃圾发电能源综合利用系统中各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值构成的一组最优解；其中，所述改进的正弦余弦算法基于非线性因子和分段权重进行个体位置更新。

此外，上述的存储器1230中的逻辑指令可以通过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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例提供的风光-垃圾发电能源综合利用系统的调度优化方法，例如包括：建立以系统日运行成本最低为目标的风光-垃圾发电能源综合利用系统的调度优化模型；采用改进的正弦余弦算法对所述风光-垃圾发电能源综合利用系统的调度优化模型进行求解，获得由所述风光-垃圾发电能源综合利用系统中各供能装置出力、储能装置出力，以及所述风光-垃圾发电能源综合利用系统与外部配电网之间电功率交换值构成的一组最优解；其中，所述改进的正弦余弦算法基于非线性因子和分段权重进行个体位置更新。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上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。