含生物質(zhì)能的冷熱聯(lián)動系統(tǒng)優(yōu)化

徐武， 陶靜， 楊昊東*， 唐文權(quán)， 秦浩然

(1.云南民族大學(xué)電氣信息工程學(xué)院， 昆明 650500； 2.中國石油運輸有限公司， 烏魯木齊 830014)

現(xiàn)有的能源系統(tǒng)往往都是單獨規(guī)劃、單獨運行，導(dǎo)致能源利用率低，污染高[1]。綜合能源系統(tǒng)以其多能互補、能源利用效率高等優(yōu)勢得到了各國的廣泛關(guān)注。其中，冷熱電聯(lián)供系統(tǒng)(combined cooling, heating and power, CCHP)可以進(jìn)行能源互補，收集余熱進(jìn)行供冷和供熱，減少能量損失[2]。

近年來，風(fēng)能、光伏、水能等可再生能源在發(fā)電和供熱行業(yè)發(fā)展迅速，有學(xué)者考慮碳排放和可再生能源的消納問題，提出新的混合潮流計算方法，保證構(gòu)建的熱電聯(lián)供型微電網(wǎng)經(jīng)濟(jì)穩(wěn)定的運行；或建立含風(fēng)電和儲熱的電熱聯(lián)合調(diào)度模型，分析CCHP系統(tǒng)配置儲熱設(shè)備前后系統(tǒng)機(jī)組的運行情況及風(fēng)電消納情況[3]。發(fā)電并網(wǎng)時可能會導(dǎo)致棄風(fēng)、棄光，對電網(wǎng)產(chǎn)生較大的影響甚至危害電力系統(tǒng)安全穩(wěn)定運行，并且風(fēng)力、光伏發(fā)電設(shè)備增加了風(fēng)力、光伏發(fā)電的成本；利用水力發(fā)電則對季節(jié)、地理位置要求較高，沒有辦法在各地進(jìn)行推廣[4]。生物質(zhì)能由于其種類豐富、技術(shù)多樣的特性與穩(wěn)定、環(huán)保、對地理位置要求低的特點，已被廣泛應(yīng)用。

目前國內(nèi)外學(xué)者對利用可再生能源互補的CCHP已有一定研究。文獻(xiàn)[5]將生物質(zhì)能與CCHP系統(tǒng)相融合，并從經(jīng)濟(jì)、能耗和排放三方面對不同運行模式的性能進(jìn)行分析，揭示該方案的可行性。文獻(xiàn)[6]針對冷熱電聯(lián)產(chǎn)系統(tǒng)的投資規(guī)劃優(yōu)化問題，提出以最小投資和運行成本為目標(biāo)，基于遺傳算法的優(yōu)化模型，但其局部尋優(yōu)能力較差，并且沒有兼顧環(huán)境效應(yīng)，考慮環(huán)境成本。文獻(xiàn)[7]根據(jù)邊防地域條件建立系統(tǒng)經(jīng)濟(jì)模型，并采用改進(jìn)的灰狼算法，以機(jī)組容量分配為變量求解最優(yōu)解，但其綜合尋優(yōu)速度較慢。文獻(xiàn)[8]綜合考慮了不同費率結(jié)構(gòu)及系統(tǒng)接入可再生能源后帶來功率波動的問題，以經(jīng)濟(jì)和環(huán)境兩大成本為目標(biāo)構(gòu)建優(yōu)化模型，最后再利用粒子群算法進(jìn)行多目標(biāo)求解優(yōu)化。

現(xiàn)對結(jié)合生物質(zhì)能的CCHP系統(tǒng)優(yōu)化運行進(jìn)行研究分析。搭建含生物質(zhì)能的CCHP系統(tǒng)架構(gòu)，依據(jù)架構(gòu)對系統(tǒng)中機(jī)組設(shè)備建立數(shù)學(xué)模型；根據(jù)系統(tǒng)架構(gòu)改進(jìn)運行模式，提出考慮生物質(zhì)能的運行策略；利用eGA-NP(elite genetic algorithm-nonlinear programming)算法對系統(tǒng)數(shù)學(xué)模型進(jìn)行求解，得到基于多目標(biāo)的系統(tǒng)運行最優(yōu)解；最后利用算例進(jìn)行仿真驗證。

1 CCHP系統(tǒng)設(shè)備數(shù)學(xué)模型

本文中構(gòu)建的CCHP系統(tǒng)利用天然氣內(nèi)燃機(jī)和燃?xì)廨啓C(jī)對天然氣、生物質(zhì)氣燃燒發(fā)電，并回收發(fā)電后的余熱來供暖和制冷，使幾種能源供應(yīng)相互協(xié)同，加強(qiáng)了各供能系統(tǒng)的耦合程度，增加利用率，架構(gòu)圖如圖1所示。

下面對系統(tǒng)主要功能設(shè)備分別進(jìn)行數(shù)學(xué)建模及建立約束條件。

天然氣內(nèi)燃機(jī)的數(shù)學(xué)模型為

(1)

(2)

(3)

燃?xì)廨啓C(jī)的數(shù)學(xué)模型及約束為

(4)

(5)

(6)

燃?xì)忮仩t的數(shù)學(xué)模型及約束為

(7)

(8)

電制冷機(jī)數(shù)學(xué)模型為

(9)

吸收式制冷機(jī)的數(shù)學(xué)模型為

(10)

由圖1可知，當(dāng)系統(tǒng)中所有機(jī)組設(shè)備都處于運行工作狀態(tài)時，該系統(tǒng)電能、天然氣、熱能和冷能的功率平衡約束關(guān)系為

(11)

(12)

Pg,t=PGB,g+PGE,ng+Lg

(13)

(14)

式中：Pe,t為購電功率；Pg,t為t時段購氣功率。

圖1 含生物質(zhì)能的CCHP系統(tǒng)架構(gòu)圖Fig.1 Diagram of CCHP system with biomass energy

2 CCHP系統(tǒng)協(xié)同運行策略及其改進(jìn)

2.1 系統(tǒng)優(yōu)化目標(biāo)函數(shù)

本文中主要考慮綜合能源系統(tǒng)經(jīng)濟(jì)指標(biāo)和環(huán)境指標(biāo)，以經(jīng)濟(jì)成本最小和環(huán)保性最優(yōu)即污染最小為目標(biāo)。系統(tǒng)經(jīng)濟(jì)成本CJ主要分為機(jī)組成本CCCHP、購電成本Ce、購買天然氣成本Cng和生物質(zhì)氣的補貼成本Cbg。目標(biāo)函數(shù)為

CJ=CCCHP+Ce+Cg-Cbg

(15)

CCHP系統(tǒng)的投資成本為

CCCHP,tz=R(Cinf,GTPcap,GT+Cinf,GBPcap,GB+Cinf,GEPcap,GE+Cinf,ECQcap,EC+

Cinf,ACQcap,AC)

(16)

取機(jī)組年限為20年，銀行年利率為4.3%；Pcap,GT、Pcap,GB、Pcap,GE為額定電功率；Qcap,EC、Qcap,AC為額定冷功率[12]。Cinf,GT、Cinf,GB、Cinf,GE、Cinf,EC、Cinf,AC分別為系統(tǒng)機(jī)組設(shè)備的單位投資成本。

CCHP系統(tǒng)的運維成本為

(17)

購電成本Ce、購買天然氣成本Cng以及生物質(zhì)氣的補貼成本Cbg依次為

(18)

(19)

(20)

式中：ce,t為購電單價；cng為t時段購買天然氣單價；cbg為t時段系統(tǒng)使用生物質(zhì)氣供能時國家的補貼單價。

本文中將系統(tǒng)環(huán)保指標(biāo)轉(zhuǎn)為污染氣體排放產(chǎn)生的成本，排放越少，成本越低。環(huán)保成本[14]為

CH=cCO2εCO2(PGT,bg+PGB,g+PGE,ng)+

cSO2εSO2(PGT,bg+PGB,g+PGE,ng)

(21)

式(21)中：CCO2、CSO2為單位功率下排放CO2、SO2收取的懲罰成本；εCO2、εSO2為單位功率下CO2、SO2的排放系數(shù)[15]。

2.2 系統(tǒng)協(xié)同優(yōu)化策略的研究函數(shù)

傳統(tǒng)運行策略采用“以熱定電”(following the thermal load, FTL)或“以電定熱”(following the electric load, FEL)方式[16]。本文中CCHP系統(tǒng)在基本的供能機(jī)組外還增加了生物質(zhì)能的部分，生物質(zhì)能具體用于發(fā)電還是產(chǎn)熱還需要進(jìn)行后續(xù)的確定，傳統(tǒng)的FTL、FEL不適用于本文中CCHP系統(tǒng)架構(gòu)，因此本文中基于生物質(zhì)能在系統(tǒng)中的供能作用，重新設(shè)定了FTL及FEL兩種控制策略。

(1)FTL-1：生物質(zhì)能全部用于發(fā)電。熱負(fù)荷由內(nèi)燃機(jī)發(fā)電的余熱和燃?xì)忮仩t產(chǎn)生的熱量提供，發(fā)電量不足部分向電網(wǎng)獲得。

(2)FTL-2：生物質(zhì)能全部用于供熱。系統(tǒng)的熱負(fù)荷由生物質(zhì)氣在燃?xì)忮仩t中產(chǎn)生的熱量提供和天然氣內(nèi)燃機(jī)發(fā)電產(chǎn)生的余熱提供，發(fā)電量不足部分向電網(wǎng)獲得。

(3)FTL-3：生物質(zhì)能既用于發(fā)電，也用來供熱。生物質(zhì)能優(yōu)先滿足系統(tǒng)熱負(fù)荷需求，系統(tǒng)的熱負(fù)荷由天然氣內(nèi)燃機(jī)發(fā)電產(chǎn)生的余熱、燃?xì)廨啓C(jī)發(fā)電產(chǎn)生的余熱和燃?xì)忮仩t產(chǎn)生的熱量提供，發(fā)電量不足部分向電網(wǎng)獲得。

(4)FEL-1：生物質(zhì)能全部用于發(fā)電。電負(fù)荷由生物質(zhì)氣在燃?xì)廨啓C(jī)中產(chǎn)生的電能和天然氣內(nèi)燃機(jī)產(chǎn)生的電能提供，系統(tǒng)的熱負(fù)荷由天然氣內(nèi)燃機(jī)發(fā)電產(chǎn)生的余熱提供，系統(tǒng)供熱不足的部分由天然氣在燃?xì)忮仩t中產(chǎn)生的熱量提供。

(5)FEL-2：生物質(zhì)能全部用于供熱。系統(tǒng)供熱量不足的部分由天然氣在燃?xì)忮仩t中產(chǎn)生的熱量提供。

(6)FEL-3：生物質(zhì)能既用于發(fā)電，也用來供熱。生物質(zhì)能優(yōu)先滿足系統(tǒng)電負(fù)荷需求，熱負(fù)荷由燃?xì)廨啓C(jī)和天然氣內(nèi)燃機(jī)發(fā)電產(chǎn)生的余熱提供，供熱量不足的部分由天然氣在燃?xì)忮仩t中產(chǎn)生的熱量提供。

3 CCHP系統(tǒng)協(xié)同優(yōu)化方法

3.1 基本遺傳算法的原理

利用遺傳算法(genetic algorithm, GA)求解系統(tǒng)模型。先將待求解的問題參數(shù)進(jìn)行編碼，形成一系列遺傳基因中的基因個體，接著對個體中染色體進(jìn)行一系列遺傳操作，最后對最優(yōu)個體解碼得出問題最優(yōu)解[17]。

選擇、交叉和變異操作是遺傳算法更新種群的重點操作。選擇操作隨機(jī)選擇一些個體組成新種群[18]。交叉操作遵循一定的概率Pc，假設(shè)個體al、am，則新個體為

(22)

式(22)中：b為0～1內(nèi)隨機(jī)值。當(dāng)b

變異操作要符合變異概率Pm，若i個個體，j個基因變異，新個體為

(23)

式(23)中：amax、amin為aij最大最小值。r為0～1內(nèi)隨機(jī)值，當(dāng)r

3.2 GA算法的改進(jìn)

GA局部搜索能力較差，難以查找到全局最優(yōu)點，改進(jìn)過程如下。

3.2.1 精英策略

精英策略是保留最優(yōu)個體，用最優(yōu)代替最差個體。加入精英策略的GA算法保留了每代最優(yōu)基因，有利于增加算法運行的穩(wěn)定性，提高收斂速度。

3.2.2 非線性規(guī)劃

優(yōu)化問題存在等式約束也存在不等式約束[19]，即

(24)

在GA算法的基礎(chǔ)上，結(jié)合非線性規(guī)劃(nonlinear programming，NP)的方法。NP算法依賴初值較大，收斂較快。將經(jīng)過GA算法一系列遺傳操作得到的解集作為NP算法的初始值，NP算法加快進(jìn)化，以此提高算法的收斂速度。本文選用非線性函數(shù)fmincon，用法為

x=fmincon(fun,x0,A,b,Aeq,beq,lb,ub,

nonlcon,options)

(25)

為了避免過度冗余，影響算法的運行速度，并不是每一代經(jīng)過遺傳操作得到的種群都進(jìn)行非線性優(yōu)化。本文中設(shè)定一整數(shù)值N，當(dāng)前種群進(jìn)化代數(shù)為N的倍數(shù)時則進(jìn)行非線性優(yōu)化，否則跳過非線性優(yōu)化直接判斷是否達(dá)到終止條件。本文中結(jié)合精英策略和NP算法改進(jìn)的eGA-NP算法求解流程如圖2所示。

4 算例分析

4.1 算法對比分析

用三個標(biāo)準(zhǔn)測試函數(shù)進(jìn)行測試。具體相關(guān)參數(shù)表1所示[20]。

為了減小隨機(jī)誤差，使用相同的隨機(jī)粒子進(jìn)行比較。測試100次，測試結(jié)果的最優(yōu)值和最優(yōu)值平均值如表2所示。

圖2 eGA-NP算法求解流程Fig.2 Solution process of eGA-NP algorithm

表1 測試函數(shù)相關(guān)參數(shù)[20]Table 1 Test function related parameter[20]

表2 不同算法的測試結(jié)果Table 2 Test results of different algorithms

由表2可以看出，eGA-NP算法求解最優(yōu)解的能力明顯高于基本GA算法，相比測試函數(shù)的理論值，eGA-NP算法能夠準(zhǔn)確找到函數(shù)的最優(yōu)解，但基本GA 算法只能找到接近最優(yōu)解的局部極小值。尤其是函數(shù)F2，GA會將當(dāng)前種群的最優(yōu)解進(jìn)行遺傳操作，破壞最優(yōu)解基因，導(dǎo)致算法結(jié)果誤差較大，eGA-NP算法通過精英策略將每一代最優(yōu)個體篩選出來不經(jīng)過遺傳操作，直接替換這一代的最差個體，減少種群中的劣質(zhì)基因；接著結(jié)合NP算法優(yōu)秀的局部尋優(yōu)能力，解決基本GA算法尋優(yōu)精度差的問題。

下面以F2函數(shù)為例，利用基本GA算法和eGA-NP算法對F2進(jìn)行計算分別得到的函數(shù)值進(jìn)化曲線和函數(shù)適應(yīng)度值進(jìn)化曲線如圖3～圖6所示。

基本GA算法求解F2時，在25～65代找到了一個全局次優(yōu)解，65代后才找到全局最優(yōu)解，而eGA-NP算法利用NP算法較強(qiáng)的局部搜索能力，在10代以內(nèi)就直接找到了全局最優(yōu)解。

F2的最優(yōu)解適應(yīng)度跟蹤圖與函數(shù)值進(jìn)化曲線類似，基本GA算法在20～60代找到了次優(yōu)解，60代后才逐漸找到全局最優(yōu)解，但eGA-NP算法在20代以內(nèi)就找到了全局最優(yōu)解，并且一直遺傳這每代最優(yōu)個體的基因，使適應(yīng)度值一直處于一個穩(wěn)定的狀態(tài)。

圖3 基本GA算法函數(shù)值進(jìn)化圖Fig.3 Function value evolution of basic GA

圖4 eGA-NP算法函數(shù)值進(jìn)化圖Fig.4 Function value evolution of eGA-NP

圖5 GA最優(yōu)解適應(yīng)度值進(jìn)化Fig.5 Evolution of fitness value of GA optimal solution

圖6 eGA-NP算法函數(shù)最優(yōu)解適應(yīng)度值進(jìn)化Fig.6 Optimal solution fitness value evolution of eGA-NP

由此可以推斷，eGA-NP算法能夠使函數(shù)快速收斂至最優(yōu)解，具有較好的收斂速度和穩(wěn)定性。

4.2 CCHP系統(tǒng)優(yōu)化分析

以圖1所示系統(tǒng)為模型，根據(jù)查詢某地實際天然氣價格、生物質(zhì)氣補貼價格和電價，本文設(shè)定系統(tǒng)中天然氣價格為3.12元/(kW·h)，生物質(zhì)氣補貼價格為0.25元/(kW·h)，電價變化如圖7所示。

通過參閱一系列文獻(xiàn)，本文系統(tǒng)中各機(jī)組設(shè)備的投資成本和運維成本規(guī)定如表3所示，系統(tǒng)各機(jī)組額定容量及設(shè)備參數(shù)取值如表4所示。

將某地區(qū)夏、冬季和過渡季典型日的負(fù)荷需求為研究對象，負(fù)荷需求如圖8所示[21]。

圖7 電價圖Fig.7 Electricity price chart

表3 測系統(tǒng)設(shè)備經(jīng)濟(jì)成本Table 3 Economic cost of system equipment

表4 系統(tǒng)設(shè)備參數(shù)Table 4 Parameters of system equipment

圖8 典型日負(fù)荷需求Fig.8 Typical daily load demand

通過上述基于生物質(zhì)能供能作用的6種不同運行策略，分別對夏季、冬季和過渡季三種典型日的負(fù)荷需求進(jìn)行分析。

4.2.1 夏季典型日實驗結(jié)果

由表5可知，在夏季典型日中，F(xiàn)TL整體比FEL運行方式更優(yōu)。采用FTL-3運行策略時系統(tǒng)總成本為106 910元，明顯小于其他運行策略，相比FTL-1要節(jié)約19 690元，優(yōu)化率約為16%。另外，利用基本GA算法對FTL-3運行方式下系統(tǒng)各設(shè)備協(xié)同運行分析，并與eGA-NP算法對比，結(jié)果如表6所示。

表5 夏季典型日不同運行策略結(jié)果對比Table 5 Comparison of different operational strategies for typical summer days

表6 基本GA算法與改進(jìn)算法對比Table 6 Comparison of basic GA and improved algorithm

由表6可以看出，在相同的運行方式下，eGA-NP算法得到的最優(yōu)解比基本GA算法得到的最優(yōu)解要小7 960元，具有更好的經(jīng)濟(jì)性。FTL-3方式下生物質(zhì)氣同時進(jìn)行發(fā)電和供熱，此時系統(tǒng)各設(shè)備工作時功率如圖9所示。

“以熱定電”需要先確定所需熱負(fù)荷，F(xiàn)TL-3時，天然氣內(nèi)燃機(jī)、燃?xì)廨啓C(jī)和燃?xì)忮仩t三臺設(shè)備運行功率相近，為系統(tǒng)提供熱負(fù)荷，達(dá)到系統(tǒng)運行最優(yōu)狀態(tài)。

夏季對冷負(fù)荷需求較大，兩臺制冷機(jī)都處于工作狀態(tài)；由于夏季熱負(fù)荷需求較小，系統(tǒng)提供的熱功率較少，吸收式制冷機(jī)冷功率輸出很少，冷功率由電制冷機(jī)供應(yīng)，電制冷機(jī)幾乎滿載運行。

在夏季典型日中，燃?xì)廨啓C(jī)和天然氣內(nèi)燃機(jī)同時工作，但由于所需冷負(fù)荷較多，消耗電負(fù)荷較高，為滿足用電負(fù)荷需求要從電網(wǎng)購電。

4.2.2 冬季典型日實驗結(jié)果

由表7可知，在冬季典型日中，采用FTL-3的運行策略系統(tǒng)總成本明顯小于其他運行策略，僅為118 840元。比“以熱定電”模式下最差情況FTL-1要節(jié)約16 760元，比“以電定熱”模式下最優(yōu)情況FEL-1要節(jié)約101 810元。FTL-3下生物質(zhì)氣同時進(jìn)行發(fā)電和供熱，此時系統(tǒng)各設(shè)備互相協(xié)同工作時的運行功率如圖10所示。

圖9 夏季典型日各設(shè)備運行功率Fig.9 The operating power of each equipment for typical summer days

表7 冬季典型日不同運行策略結(jié)果對比Table 7 Comparison of different operational strategies for typical winter days

在FTL-3運行方式下，僅生物質(zhì)氣在燃?xì)忮仩t中燃燒產(chǎn)生的熱量就可以滿足南方地區(qū)冬季典型日里系統(tǒng)的大部分熱負(fù)荷需求，因此運行功率很小。

冬季典型日在FTL-3運行方式下，系統(tǒng)中天然氣內(nèi)燃機(jī)和燃?xì)廨啓C(jī)兩個發(fā)電設(shè)備實際運行功率很小，不能滿足冬季對電負(fù)荷的需求，因此電負(fù)荷不夠的部分從電網(wǎng)購得。

圖10 冬季典型日各設(shè)備運行功率Fig.10 The operating power of each equipment for typical winter days

冬季對冷負(fù)荷需求較小，系統(tǒng)冷負(fù)荷需求主要集中在7：00—19：00。當(dāng)系統(tǒng)冷負(fù)荷需求相對較多時，電制冷機(jī)工作提供大部分冷負(fù)荷，當(dāng)系統(tǒng)冷負(fù)荷需求相對較低時，吸收式制冷機(jī)運行功率上升，提供冷負(fù)荷能力增加。

4.2.3 過渡季典型日實驗結(jié)果

由表8可知，在過渡季典型日中，采用FTL-2的運行策略系統(tǒng)總成本最小，比FTL-1少8 740元，比FEL-2少83 660元，此時我們利用基本GA算法對FTL-2運行方式下系統(tǒng)各設(shè)備協(xié)同運行進(jìn)行計算研究，并將結(jié)果與eGA-NP算法的優(yōu)化結(jié)果相互對比，結(jié)果如表9所示。

表8 過渡季典型日不同運行策略結(jié)果對比Table 8 Comparison of different operational strategies for typical transition seasons

表9 基本GA算法與改進(jìn)算法對比Table 9 Comparison of basic GA and improved algorithm

由上表可以看出，在相同的運行方式下，eGA-NP算法得到的最優(yōu)解比基本GA算法得到的最優(yōu)解要小19 020元，具有更好的經(jīng)濟(jì)性。FTL-2方式下生物質(zhì)氣僅進(jìn)行供熱，此時系統(tǒng)各設(shè)備互相協(xié)同工作時的運行功率如圖11所示。

FTL-2運行方式下生物質(zhì)氣既供熱也供電。其中燃?xì)忮仩t提供的熱量就可滿足系統(tǒng)大部分熱負(fù)荷，因此天然氣內(nèi)燃機(jī)幾乎不工作，僅提供小部分熱能。

由于FEL-2為“以熱定電”模式，確立了系統(tǒng)中天然氣內(nèi)燃機(jī)僅以小功率運行，燃?xì)廨啓C(jī)在FEL-2運行方式下不進(jìn)行發(fā)電工作，無法滿足系統(tǒng)對電負(fù)荷的需求，因此這種運行方式下系統(tǒng)需從電網(wǎng)購電以滿足用電負(fù)荷需求。

FEL-2運行方式下，系統(tǒng)最優(yōu)運行時電制冷機(jī)提供大部分冷負(fù)荷，吸收式制冷機(jī)提供少量冷負(fù)荷。

由上述算例分析可以看出，在本文選擇的夏、冬、過渡季典型日中，F(xiàn)TL運行方式整體優(yōu)于FEL運行方式，在夏季和冬季典型日中，F(xiàn)TL-3運行策略下系統(tǒng)達(dá)到經(jīng)濟(jì)性和環(huán)保性最優(yōu)狀態(tài)，在過渡季典型日中，F(xiàn)TL-2運行策略下系統(tǒng)達(dá)到最優(yōu)；另外，通過對比基本GA算法和eGA-NP算法在最優(yōu)運行策略FTL-2、FTL-3下系統(tǒng)運行的總成本，發(fā)現(xiàn)eGA-NP算法要明顯優(yōu)于基本GA算法，可以證明本文基于基本GA算法的改進(jìn)措施是有效的。

圖11 過渡季典型日各設(shè)備運行功率Fig.11 The operating power of each equipment for typical transition seasons

5 結(jié)論

針對本文中構(gòu)建的含生物質(zhì)能的CCHP系統(tǒng)，以經(jīng)濟(jì)性和環(huán)保性最優(yōu)為目標(biāo)，對系統(tǒng)中各供能設(shè)備的運行狀態(tài)進(jìn)行分析并建模，構(gòu)建適合本文系統(tǒng)的運行策略并對求解模型所用的算法進(jìn)行改進(jìn)，提出基于GA算法的eGA-NP算法，進(jìn)行實驗分析，結(jié)果表明eGA-NP能提升尋優(yōu)速度和精度，在算例驗證中eGA-NP算法求解出的系統(tǒng)總成本明顯小于GA算法，同時還找到了基于本文搭建的系統(tǒng)最優(yōu)運行策略，對系統(tǒng)規(guī)劃有實際的理論意義。