一种基于碳约束的控排企业多能优化方法及装置

1.本发明涉及控排企业能源优化控制领域，更具体涉及一种基于碳约束的控排企业多能优化方法及装置。


背景技术：

2.随着社会经济的快速发展，传统单一化石能源供能系统由于其简单低效、污染物严重等缺点，不能满足当今低碳绿色发展的要求。同时，“双碳”目标的提出为能源行业发展带来了深刻的变革，尤其是促进控排企业的绿色低碳转型方面。因此，通过多能优化，实现能源的高效利用对于可持续发展具有重要意义，因此亟须提高能源利用效率、改变现有能源结构，探索出一条使能源利用精细化、集约化的技术道路。
3.控排企业在促进碳排放减排、实现能源用量综合规划方面具已有一定研究，但其在能源使用精细化、集约化方面还有一定不足。因此，在碳排放为约束的前提下，促进能源精细化利用，实现控排企业效益最大化具有重要意义。
4.石油企业生产所用能源主要包含燃料油、燃料气、瓦斯、电力、蒸汽等。随着温室效应的不断加剧，碳排放量将成为石油企业运营的重要约束，这些能源中电力具有较高的经济环境特性，特别是新能源发电能够带来显著的经济和环境收益，但因新能源发电出力的不确定性也会带来企业运营中电力能源部分总体碳排放的波动。同时，企业生产中各种能源在使用过程中都伴随着碳排放，而在生产中这些能源碳排放量是波动的，进而产出也是波动的，因此考虑调整石油企业的能量输入策略以期望在碳约束下获得最大化产出是石油企业运营所面临的关键决策问题。现有相关石油企业碳排放研究大多从宏观层面入手，比如提高能源利用率、改进生产工艺，例如文献《李鹏.李宝宽.孙毅.许海飞.石油焦煅烧过程碳排放及减排分析[j].轻金属,2022(2):5.》提出优化生产工艺，降低过程耗电水平，共同推进煅烧过程的碳减排，另外从煅烧过程中产生的高温余热等方面研究寻找回收这部分余热的有效方法，达到煅烧过程碳减排的目的。但是现有技术这些研究方法往往受制于工艺水平而不具备现实意义，最终无法实现碳减排的目的。


技术实现要素：

[0005]
本发明所要解决的技术问题在于现有石油企业碳排放研究大多从宏观层面入手，往往受制于工艺水平而不具备现实意义，最终无法实现碳减排的目的。
[0006]
本发明通过以下技术手段实现解决上述技术问题的：一种基于碳约束的控排企业多能优化方法，采用粒子群算法对控排企业多种能源购买量进行优化求解，包括以下步骤：
[0007]
步骤一：将每种能源分别作为粒子的一个维度，能源购买量作为粒子位置，初始化各粒子的初始位置和初始速度；所述能源种类包括燃料油、燃料气、瓦斯、电力、蒸汽；
[0008]
步骤二：控排企业多能收益目标函数作为粒子群算法的适应度函数，计算适应度函数值，找到个体最优以及群体最优；
[0009]
步骤三：判断是否符合碳约束条件，如果符合，则计算惯性权重，根据惯性权重更
新粒子位置和速度；如果不符合碳约束条件，则随机更新粒子位置和速度；
[0010]
步骤四：判断是否达到最大迭代次数，若否，将更新后的粒子位置和速度作为初始位置和初始速度返回步骤二，若是，则输出控排企业多种能源购买量的最优解。
[0011]
本发明立足具体生产过程，利用粒子群优化算法，将每种能源分别作为粒子的一个维度，能源购买量作为粒子位置，控排企业多能收益目标函数作为粒子群算法的适应度函数并结合碳约束条件求解控排企业多种能源购买量的最优解，从而既能满足碳约束条件又能达到收益最大化，研究了能量输入策略对产出及碳排放的影响，节约能量输入、减少碳排放，具有现实可行性。
[0012]
进一步地，所述控排企业多能收益目标函数的建立过程为：
[0013]
通过公式建立控排企业多能收益目标函数，其中，obj表示控排企业收益；t表示一个时间段；r表示企业产出收入；n表示控排企业消耗能源种类数量；ci＝ripi表示控排企业第i种能源成本，ri表示第i种能源单价，pi表示第i种能源购买量；表示设备维护总成本，cb表示设备b的维护成本；c
p
表示人工成本。
[0014]
更进一步地，所述方法包括：
[0015]
通过公式piγi＝pi,i∈[1,n]建立能量需求平衡关系，其中，γi表示控排企业第i种能源的有效利用率，γi为常数，pi表示控排企业第i种能源实际消耗量。
[0016]
更进一步地，所述碳约束条件的建立过程为：
[0017]
根据第i种能源购买量pi以及能量需求平衡关系，获取控排企业第i种能源实际消耗量pi；
[0018]
通过公式建立碳约束条件，其中，ce表示控排企业的碳排放量；λi表示控排企业第i种能源的碳排放因子，λi为常数；mtea表示碳交易机制背景下引入最大允许碳排放量。
[0019]
更进一步地，所述惯性权重的计算公式为：
[0020][0021]
其中，ω
max
表示惯性权重最大值；ω
min
表示惯性权重最小值；k表示当前迭代次数；k
max
表示最大迭代次数；objk表示当前迭代的适应度值；obj
avg
表示适应度值的平均数；obj
max
表示适应度值的最大数。
[0022]
更进一步地，所述根据惯性权重更新粒子位置和速度，包括：
[0023]
通过公式更新粒子位置和速度，其中，和分别表示第k次迭代时，粒子m的位置和速度；和分别表示第k+1次迭代时，粒子m的位置和速度；ωk为第k次迭代时惯性权重；c1为个体学习因子，c1为常数；c2为群体学习因子，c2为常数；rand1和rand2为(0,1)之间的随机数；表示在第k
次迭代时粒子m在d维度上的个体最优；gbestb表示d维度上群体最优。
[0024]
本发明还提供一种基于碳约束的控排企业多能优化装置，采用粒子群算法对控排企业多种能源购买量进行优化求解，包括：
[0025]
初始化模块，用于将每种能源分别作为粒子的一个维度，能源购买量作为粒子位置，初始化各粒子的初始位置和初始速度；所述能源种类包括燃料油、燃料气、瓦斯、电力、蒸汽；
[0026]
适应度计算模块，用于控排企业多能收益目标函数作为粒子群算法的适应度函数，计算适应度函数值，找到个体最优以及群体最优；
[0027]
更新模块，用于判断是否符合碳约束条件，如果符合，则计算惯性权重，根据惯性权重更新粒子位置和速度；如果不符合碳约束条件，则随机更新粒子位置和速度；
[0028]
结果输出模块，用于判断是否达到最大迭代次数，若否，将更新后的粒子位置和速度作为初始位置和初始速度返回执行适应度计算模块，若是，则输出控排企业多种能源购买量的最优解。
[0029]
进一步地，所述控排企业多能收益目标函数的建立过程为：
[0030]
通过公式建立控排企业多能收益目标函数，其中，obj表示控排企业收益；t表示一个时间段；r表示企业产出收入；n表示控排企业消耗能源种类数量；ci＝ripi表示控排企业第i种能源成本，ri表示第i种能源单价，pi表示第i种能源购买量；表示设备维护总成本，cb表示设备b的维护成本；c
p
表示人工成本。
[0031]
更进一步地，所述装置还用于：
[0032]
通过公式piγi＝pi,i∈[1,n]建立能量需求平衡关系，其中，γi表示控排企业第i种能源的有效利用率，γi为常数，pi表示控排企业第i种能源实际消耗量。
[0033]
更进一步地，所述碳约束条件的建立过程为：
[0034]
根据第i种能源购买量pi以及能量需求平衡关系，获取控排企业第i种能源实际消耗量pi；
[0035]
通过公式建立碳约束条件，其中，ce表示控排企业的碳排放量；λi表示控排企业第i种能源的碳排放因子，λi为常数；mtea表示碳交易机制背景下引入最大允许碳排放量。
[0036]
更进一步地，所述惯性权重的计算公式为：
[0037][0038]
其中，ω
max
表示惯性权重最大值；ω
min
表示惯性权重最小值；k表示当前迭代次数；k
max
表示最大迭代次数；objk表示当前迭代的适应度值；obj
avg
表示适应度值的平均数；obj
max
表示适应度值的最大数。
[0039]
更进一步地，所述根据惯性权重更新粒子位置和速度，包括：
[0040]
通过公式更新粒子位置和速度，其中，和分别表示第k次迭代时，粒子m的位置和速度；和分别表示第k+1次迭代时，粒子m的位置和速度；ωk为第k次迭代时惯性权重；c1为个体学习因子，c1为常数；c2为群体学习因子，c2为常数；rand1和rand2为(0,1)之间的随机数；表示在第k次迭代时粒子m在d维度上的个体最优；gbestb表示d维度上群体最优。
[0041]
本发明的优点在于：
[0042]
(1)本发明立足具体生产过程，利用粒子群优化算法，将每种能源分别作为粒子的一个维度，能源购买量作为粒子位置，控排企业多能收益目标函数作为粒子群算法的适应度函数并结合碳约束条件求解控排企业多种能源购买量的最优解，从而既能满足碳约束条件又能达到收益最大化，研究了能量输入策略对产出及碳排放的影响，节约能量输入、减少碳排放，具有现实可行性。
[0043]
(2)本发明计算完个体最优和群体最优以后判断是否符合碳约束条件，如果符合，则计算惯性权重，根据惯性权重更新粒子位置和速度，如果不符合碳约束条件，则随机更新粒子位置和速度，具有完善的更新机制，算法不容易陷入局部最优，并且更新过程中考虑了碳约束条件，使得最终求解结果满足碳约束条件，能源优化控制结果相对准确。
[0044]
(3)本发明对惯性权重进行改进，设置非线性动态调节惯性权重，使得惯性权重不仅与迭代次数有关，也与适应度函数有关，当迭代次数较小，适应度函数距离最优值较远时，惯性权重较大，此时算法的全局搜索能力较强，可以避免前期算法陷入局部最优；当迭代次数较大，适应度函数距离最优值较近时，惯性权重较小，且适应度函数越接近最优值，惯性权重越小，此时算法的局部搜索能力很强，可以加快搜索速度。
附图说明
[0045]
图1为本发明实施例1所提供的一种基于碳约束的控排企业多能优化方法的流程图。
具体实施方式
[0046]
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，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。
[0047]
实施例1
[0048]
如图1所示，本发明实施例1提供一种基于碳约束的控排企业多能优化方法，采用粒子群算法对控排企业多种能源购买量进行优化求解，包括以下步骤：
[0049]
s1、建立控排企业多能收益目标函数
[0050][0051]
其中，obj表示控排企业收益；t表示一个时间段；r表示企业产出收入；n表示控排
企业消耗能源种类数量；ci＝ripi表示控排企业第i种能源成本，ri表示第i种能源单价，pi表示第i种能源购买量；表示设备维护总成本，cb表示设备b的维护成本；c
p
表示人工成本。
[0052]
s2、建立能量需求平衡关系
[0053]
piγi＝pi,i∈[1,n]
ꢀꢀꢀ
(2)
[0054]
其中，γi表示控排企业第i种能源的有效利用率，γi为常数，pi表示控排企业第i种能源实际消耗量。
[0055]
s3、建立碳约束条件
[0056]
根据第i种能源购买量pi以及能量需求平衡关系，获取控排企业第i种能源实际消耗量pi；
[0057]
通过公式
[0058][0059]
建立碳约束条件，其中，ce表示控排企业的碳排放量；λi表示控排企业第i种能源的碳排放因子，λi为常数；mtea表示碳交易机制背景下引入最大允许碳排放量。
[0060]
s4、将每种能源分别作为粒子的一个维度，能源购买量作为粒子位置，控排企业多能收益目标函数作为粒子群算法的适应度函数，以最大化控排企业多能收益目标函数为优化目标，以碳约束关系为约束条件，通过粒子群算法对控排企业多种能源购买量进行优化求解，所述能源种类包括燃料油、燃料气、瓦斯、电力、蒸汽。具体过程如下：
[0061]
s41：粒子群算法的参数设置为
[0062][0063]
式(4)中，d表示粒子群算法维度；x
max
表示粒子位置上限集合；表示粒子第i维度的位置上限，即控排企业消耗的第i种能源的购买量上限；x
min
表示粒子位置下限集合；表示粒子第i维度的位置下限，即控排企业消耗的第i种能源的购买量下限；v
max
表示粒子速度上限集合；表示粒子第i维度的速度上限，即第i种能源购买量变化上限；v
min
表示粒子速度下限集合；表示粒子第i维度的速度下限，即第i种能源购买量变化下限。
[0064]
初始化粒子算法种群数量m，空间维度d，最大迭代次数k
max
，惯性权重最值ω
max
和ω
min
；随机初始粒子的初始速度和初始位置；并且将每个粒子的当前位置设置为个体最优，当前群体中对应适应度函数最大的个体作为当前群体最优；
[0065]
s42：控排企业多能收益目标函数作为粒子群算法的适应度函数，计算适应度函数值，对每一个粒子，将其当前位置的适应度值与其历史最佳位置(pbest)对应的适应度值比较，如果当前位置的适应度值更高，则用当前位置更新历史最佳位置，当前位置的适应度值
更新为个体最优适应度值，对每一个粒子，将其当前位置的适应度值与其全局最佳位置(gbest)对应的适应度值比较，如果当前位置的适应度值更高，则用当前位置更新全局最佳位置，当前位置对应的适应度值为群体最优适应度值；
[0066]
s43：判断是否符合碳约束条件，如果符合碳约束条件，则通过公式(5)计算惯性权重，根据惯性权重利用公式(6)更新粒子位置和速度；如果不符合碳约束条件，则随机更新粒子位置和速度；其中的公式(5)和公式(6)如下：
[0067][0068]
其中，ω
max
表示惯性权重最大值；ω
min
表示惯性权重最小值；k表示当前迭代次数；k
max
表示最大迭代次数；objk表示当前迭代的适应度值；obj
avg
表示适应度值的平均数；obj
max
表示适应度值的最大数。
[0069][0070]
其中，和分别表示第k次迭代时，粒子m的位置和速度；和分别表示第k+1次迭代时，粒子m的位置和速度；ωk为第k次迭代时惯性权重；c1为个体学习因子，c1为常数；c2为群体学习因子，c2为常数；rand1和rand2为(0,1)之间的随机数；表示在第k次迭代时粒子m在d维度上的个体最优；gbestb表示d维度上群体最优。
[0071]
s44：，判断是否达到最大迭代次数，若否，将更新后的粒子位置和速度作为初始位置和初始速度返回s42，若是，则输出控排企业多种能源购买量的最优解。
[0072]
通过以上技术方案，本发明建立控排企业多能收益目标函数和碳约束关系，通过粒子群算法对控排企业不同能源购买量进行优化。在碳排放为约束的前提下，促进能源精细化利用，实现控排企业效益最大化。本发明还对惯性权重进行改进，设置非线性动态调节惯性权重，使得惯性权重不仅与迭代次数有关，也与适应度函数有关，当迭代次数较小，适应度函数距离最优值较远时，惯性权重较大，此时算法的全局搜索能力较强，可以避免前期算法陷入局部最优；当迭代次数较大，适应度函数距离最优值较近时，惯性权重较小，且适应度函数越接近最优值，惯性权重越小，此时算法的局部搜索能力很强，可以加快搜索速度。
[0073]
实施例2
[0074]
基于实施例1，本发明实施例2还提供一种基于碳约束的控排企业多能优化装置，采用粒子群算法对控排企业多种能源购买量进行优化求解，包括：
[0075]
初始化模块，用于将每种能源分别作为粒子的一个维度，能源购买量作为粒子位置，初始化各粒子的初始位置和初始速度；所述能源种类包括燃料油、燃料气、瓦斯、电力、蒸汽；
[0076]
适应度计算模块，用于控排企业多能收益目标函数作为粒子群算法的适应度函数，计算适应度函数值，找到个体最优以及群体最优；
[0077]
更新模块，用于判断是否符合碳约束条件，如果符合，则计算惯性权重，根据惯性
权重更新粒子位置和速度；如果不符合碳约束条件，则随机更新粒子位置和速度；
[0078]
结果输出模块，用于判断是否达到最大迭代次数，若否，将更新后的粒子位置和速度作为初始位置和初始速度返回执行适应度计算模块，若是，则输出控排企业多种能源购买量的最优解。
[0079]
具体的，所述控排企业多能收益目标函数的建立过程为：
[0080]
通过公式建立控排企业多能收益目标函数，其中，obj表示控排企业收益；t表示一个时间段；r表示企业产出收入；n表示控排企业消耗能源种类数量；ci＝ripi表示控排企业第i种能源成本，ri表示第i种能源单价，pi表示第i种能源购买量；表示设备维护总成本，cb表示设备b的维护成本；c
p
表示人工成本。
[0081]
更具体的，所述装置还用于：
[0082]
通过公式piγi＝pi,i∈[1,n]建立能量需求平衡关系，其中，γi表示控排企业第i种能源的有效利用率，γi为常数，pi表示控排企业第i种能源实际消耗量。
[0083]
更具体的，所述碳约束条件的建立过程为：
[0084]
根据第i种能源购买量pi以及能量需求平衡关系，获取控排企业第i种能源实际消耗量pi；
[0085]
通过公式建立碳约束条件，其中，ce表示控排企业的碳排放量；λi表示控排企业第i种能源的碳排放因子，λi为常数；mtea表示碳交易机制背景下引入最大允许碳排放量。
[0086]
更具体的，所述惯性权重的计算公式为：
[0087][0088]
其中，ω
max
表示惯性权重最大值；ω
min
表示惯性权重最小值；k表示当前迭代次数；k
max
表示最大迭代次数；objk表示当前迭代的适应度值；obj
avg
表示适应度值的平均数；obj
max
表示适应度值的最大数。
[0089]
更具体的，所述根据惯性权重更新粒子位置和速度，包括：
[0090]
通过公式更新粒子位置和速度，其中，和分别表示第k次迭代时，粒子m的位置和速度；和分别表示第k+1次迭代时，粒子m的位置和速度；ωk为第k次迭代时惯性权重；c1为个体学习因子，c1为常数；c2为群体学习因子，c2为常数；rand1和rand2为(0,1)之间的随机数；表示在第k次迭代时粒子m在d维度上的个体最优；gbestb表示d维度上群体最优。
[0091]
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。