买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜江南大学申请的专利一种多目标进化的能源介质配置方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114119280B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111397019.0，技术领域涉及：G06Q50/06；该发明授权一种多目标进化的能源介质配置方法是由吴定会;欧阳洪才;纪志成;王艳;范俊岩;陆申鑫;倪渊之设计研发完成，并于2021-11-23向国家知识产权局提交的专利申请。

本一种多目标进化的能源介质配置方法在说明书摘要公布了：本发明涉及一种多目标进化的能源介质配置方法，以最小化成本和能耗为目标，包括：1：获取钢铁生产中能源相关数据，确定关键节点，构建基于能量流的网络拓扑结构，并建立关键节点约束；2：获取钢铁产量的生产任务，并确定计算周期；3：考虑分时电价特性和煤气柜的缓冲作用，以最小化成本和能耗为目标函数建立能源介质配置模型；4：对基于分解的多目标进化算法MOEAD分别在解码操作和邻域更新步骤进行改进，采用改进后的基于分解的多目标进化算法对模型进行优化求解，得到最优的能源介质配置方案。本发明将系统中涉及到的煤气、蒸汽和电等能源介质在发生端、消耗端和存储端进行统一调控，实现各能源介质之间的高效转换，有效减少生产成本和能耗。

本发明授权一种多目标进化的能源介质配置方法在权利要求书中公布了：1.一种多目标进化的能源介质配置方法，其特征是，包括以下步骤：步骤一：获取钢铁生产中能源相关数据，确定关键节点，构建基于能量流的网络拓扑结构，并建立关键节点约束；步骤二：获取钢铁产量的生产任务，并确定计算周期；步骤三：考虑分时电价特性和煤气柜的缓冲作用，以最小化成本和能耗为目标函数建立能源介质配置模型，能源介质包括煤气、蒸汽、电；步骤四：针对所述能源介质配置模型的特性，对基于分解的多目标进化算法MOEAD分别在解码操作和邻域更新步骤进行改进，采用改进后的基于分解的多目标进化算法对模型进行优化求解，得到最优的能源介质配置方案；步骤四在基于分解的多目标进化算法MOEAD的解码操作和邻域更新步骤，分别引入基于能源产耗规则的解码机制和基于种群进化程度的邻域自适应更新对算法进行改进，提高算法的收敛能力，改进后的基于分解的多目标进化算法包括以下步骤：步骤4.1、算法初始化：确定决策变量、算法参数，权重向量集合；设置多组随机数序列生成对应能源介质配置模型的初始种群中一个解；根据基于能源产耗规则的解码机制计算能源介质配置模型的目标成本和目标能耗；以成本最小值和能耗最小值为初始理想点；记录能源介质配置模型的初始种群中非支配最优解集为外部档案；所述基于能源产耗规则的解码机制，将多介质储存子系统中和多介质转换子系统中的关键设备作为一个能源系统，剔除各设备能源介质分配变量；所述能源产耗规则包括：1设置煤气使用优先级：高炉煤气焦炉煤气转炉煤气；2设置介质生成优先级：蒸汽生产电生产；3设备发电规则：从发电设备的自发电成本与当前时刻的购电成本、售电收益进行对比，根据发电成本从高到低，分为Ⅰ类、Ⅱ类、Ⅲ类设备，即表示Ⅰ类发电设备的发电成本，表示时刻t的购电成本，表示Ⅱ类发电设备的发电成本，表示时刻t的售电收益，表示Ⅲ类发电设备的发电成本；Ⅰ类发电设备按最小出力来发电；Ⅱ类发电设备根据电力需求满足情况进行改变：如果电力供应量小于需求量，则取电力供需差值和Ⅱ类发电设备最大出力中的最小值进行发电，如果电力供应量大于或等于需求量，则Ⅱ类发电设备按最小出力来发电；Ⅲ类发电设备按最大出力来发电；基于上述能源产耗规则的解码机制包括：根据各时刻各工序饱和度和能源产耗历史数据计算当前时刻下各工序富裕煤气量的供应量以及蒸汽和电力的需求量；采用能源产耗规则对能源系统计算其最大消纳煤气量、最大产汽量和最大产电量；确定各时刻的外购能源量和外送能源量，得到能源介质配置模型的目标成本和目标能耗；步骤4.2、进化操作：从邻域中随机挑选出两个序号，分别采用DE交叉算子和多项式变异算子进行交叉操作与变异操作，产生新的子代能源介质配置方案解；步骤4.3、约束处理：对于越界值，基于不可行解的过界参数值与边界值之间的差值进行缩放，使越界值回归到边界临近值；步骤4.4、解码操作：根据步骤4.1的基于能源产耗规则的解码机制计算能源介质配置模型的目标成本和目标能耗；步骤4.5、分解操作：根据归一化的切比雪夫聚合函数和权重向量将能源介质配置模型的多目标中成本和能耗分解成可量化的单目标值；步骤4.6、理想点更新：根据最新的成本最小值和能耗最小值更新理想点；步骤4.7、邻域更新：引入种群进化程度信息，自适应更新各子问题的邻域；表述种群进化程度的系数包括子问题的相对下降率和种群基础邻域规模，通过引入这两个系数对子问题的邻域规模进行自适应更新，提升对种群个体收敛过程的指导作用；通过引入子问题的相对下降率系数和种群基础邻域规模系数，对子问题的邻域规模进行自适应更新，具体计算如下：定义子问题n聚合值的相对下降率为Δn，如下式所示： 其中，表示迭代次数为g的种群中第n个解，λ为权重向量，z*为理想点，表示第g代子问题的聚合函数值；计算种群基础邻域规模大小Tg，如下式所示： 其中，Tmax和Tmin分别为种群邻域规模最大值和最小值，g表示迭代次数，Maxgen表示设置的最大迭代次数；根据子问题的相对下降率和种群基础邻域规模自适应地调整子问题对应的邻域规模如果上代个体的进化步伐较大，则适当减小当代个体的邻域规模，使个体在新收敛点进行广度搜索，使种群朝向全方位展开搜索，如下式所示： 其中，mod·函数表示取整函数，ε为进化程度阈值；步骤4.8、更新外部档案：根据子代能源介质配置方案解中的非支配解，对外部档案进行更新；步骤4.9、如果迭代次数达到设定的最大值，停止计算并输出外部档案；否则，跳转步骤4.2；步骤4.10、输出最优的能源介质配置方案：根据外部档案和决策者偏好，从外部档案中选择最优的能源介质配置方案输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。