CN106026150A - 一种商业园区源-储-荷优化配置方法 - Google Patents

Abstract

本发明涉及一种商业园区源‑储‑荷优化配置方法，所述方法包括如下步骤：(1)、建立可控空调冷、热负荷优化调控模型；(2)、获取商业园区光伏发电***出力曲线；(3)、确定储能***充放电策略；(4)、建立商业园区源‑储‑荷优化配置模型；(5)、求得满足需要的储能电池各时刻充放电功率值；本发明利用空调负荷的可控性，将其作为虚拟储能，以减小所需配置的储能***容量，同时以用户从大电网购电费用最少为目标函数最大限度实现光伏的及时消纳，从而减少储能投资成本，节省用户电费，具有较好的经济可行性。

Description

一种商业园区源-储-荷优化配置方法

技术领域

本发明涉及一种优化配置方法，具体讲涉及一种商业园区源-储-荷优化配置方法。

背景技术

大规模电池储能***通过在负荷高峰时放电，在负荷低谷时充电，可以实现对负荷的削峰填谷功能。对电网来说，削峰填谷能够推迟设备容量升级，提升设备利用率，节省设备更新的费用；对用户来说，可以利用削峰填谷电价差获得经济效益。

削峰填谷目前优化是在新的一天开始前，根据预测出的日负荷曲线，优化出24小时的最优充放电策略，即每个时刻电池是否充放电，充放电的功率大小为多少。在实时控制时，根据目前优化给出的充放电策略，以及当前时刻的负荷值、电池状态等数据，计算出充放电功率指令并下发给每组电力电子变流器。

近年来，空调负荷的急剧增长成为季节性电力紧张的主要原因，导致负荷峰谷差进一步拉大，加剧了电网高峰负荷供应缺口，影响了电网安全稳定运行。使用储能***是目前解决上述问题的一个有效手段，储能装置可通过动态吸收及释放电能，实现对电力高峰负荷的削减，在负荷低谷时，储能充电以存储电能，在负荷高峰电网供电不足时，释放电能以满足负荷需求。但是目前储能设备成本较高且储能容量有限，单纯使用储能***对负荷进行削峰填谷经济性较差。

为此迫切需要一种方法，将空调设备的优化调控与储能设备相配合，能够有效降低所需配置的储能容量，从而提高整体***的经济性。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供一种商业园区源-储-荷优化配置方法。

本发明提供的技术方案是：一种商业园区源-储-荷优化配置方法，所述方法包括如下步骤：

(1)、建立可控空调负荷优化调控模型；

(2)、获取商业园区光伏发电***各月出力功率；

(3)、确定储能***充放电策略；

(4)、建立商业园区源-储-荷优化配置模型；

(5)、求得满足需要的储能电池各时刻充放电功率值。

优选的，所述步骤(1)可控空调负荷优化调控模型的建立包括：设定空调的温度，并建立单台空调设备动态过程简化模型；

空调处于开启和关断状态时的温度，分别用下式表示：

T_in,t+Δt＝T_out,t+Δt-QR-(T_out,t+Δt-QR-T_in,t)e^-Δt/RC (1)

T_in,t+Δt＝T_out,t+Δt-(T_out,t+Δt-T_in,t)e^-Δt/RC (2)

其中，T_in,t：t时刻室内温度(℃)，T_in,t+Δt：t+Δt时刻室内温度(℃)，T_out,t+Δt：t+Δt时刻室外温度(℃)，R：等值热阻，C：等值热容，Q：等值热效率，Δt：仿真步长。

优选的，所述步骤(1)可控空调负荷优化调控模型用下式表示：

${\mathrm{min\Σ}}_{t=1}^{24}{(T_{in,t}-T_{best})}^2---\left(3\right)$

${\mathrm{min\Σ}}_{t=1}^{24}{e}_{TOU,t}\×P_{load,t}^{\′}---\left(4\right)$

其中，T_in,t：各时刻室内温度值，T_best表示设定用户最适宜室内温度，e_TOU,t表示用户购电峰谷分时电价，P′_load,t表示优化调控后各时刻空调负荷功率值。

优选的，所述空调负荷优化调控模型的约束条件分别用下式表示：

峰时阶段用下式表示：P_down≤P′_load,t≤P_load,t (5)

谷时阶段用下式表示：P_load,t≤P′_load,t≤P_up (6)

其中，P_up、P_down分别为空调负荷功率的上下限，P′_load,t表示优化调控后各时刻空调负荷功率值，P_load,t表示优化调控前各时刻空调负荷功率值。

优选的，采用基于粒子群算法的多目标优化算法求解空调负荷优化调控模型；

所述多目标优化算法包括如下步骤：

1)种群初始化；

2)计算适应度值；

3)粒子最优更新；

4)筛选非劣解集；

5)粒子速度和位置更新；

6)判读是否满足终止条件，若满足进入步骤7)，否则返回步骤2)；

7)得到最优空调负荷功率曲线。

优选的，所述步骤5)粒子速度V和位置更新X分别用下式表示：

$V^{k+1}={\mathrm{\ωV}}^k+c_1{r}_1(P_{id}^k-X^k)+c_2{r}_2\left(\right(P_{gd}^k-X^k)---\left(7\right)$

X^k+1＝X^k+V^k+1 (8)

式中，V：粒子速度，X：粒子位置，ω：惯性权重，r₁、r₂为分布于[0,1]区间的随机数，k：当前迭代次数，个体最优粒子位置，全局最优粒子位置，c₁和c₂为常数。

优选的，所述步骤(3)储能***充放电策略包括：在电价低时，储能从电网多购电，储能充电，电价高时，储能向负荷供电，储能放电，光伏***向负荷供电后若有剩余电量，对储能进行充电，光伏***不足以向负荷供电时，储能向负荷供电；

由整体***功率平衡得到下式：

P_grid,t+P_pv,t+P_ess,t＝P_con-load,t+P′_load,t (9)

式中，P_grid,t：商业园区用户各时刻从电网购电的功率；P_pv,t：商业园区光伏发电***一年中各月出力功率；P_ess,t：储能***各时刻充放电功率；储能放电时，P_ess,t为正，储能充电时，P_ess,t为负；P′_load,t：优化调控后各时刻的空调负荷功率值；P_con-load,t：常规负荷。

优选的，按下式计算所述步骤(4)建立商业园区源-储-荷优化配置模型的储能***成本：

C_ess＝C_ess,ini+C_ess,O&M (10)

$C_{ess,ini}=C_{ba,ini}+C_{inv,ini}$

$=(Q_{ba}\×e_{ba}\×R+P_{inv}\×e_{inv})\×\frac{r_0{(1+r_0)}^m}{{(1+r_0)}^m-1}---\left(11\right)$

C_ess，O&M＝C_ba，O&M+C_inv，O&M

＝k_ba×(Q_ba×e_ba×R)+k_inv×(P_inv×e_inv) (12)

式中，C_ess：商业园区投资储能***的成本：C_ess,ini：商业园区的初始投资成本；C_ba,O&M:储能电池的运行维护成本；C_ess,O&M：表示商业园区运行维护成本；C_inv,O&M：变流器的运行维护成本；C_ba,ini：储能电池的初始投资成本；C_inv,ini：变流器的初始投资成本；Q_ba:储能电池额定容量；e_ba:储能电池单价；R:储能电池在***运行年限内的更换次数；P_inv:储能变流器额定功率；e_inv:储能变流器单价；r₀：贴现率；m：***运行年限；k_ba、k_inv分别为储能***和储能变流器的年运行维护系数；

从大电网购电的费用I_grid用下式计算：

$I_{grid,t}={\mathrm{\Σ}}_{t=1}^{24}{P}_{grid,t}\×e_{TOU,t}---\left(13\right)$

P_grid,t＝P_con-load,t+P′_load,t-P_ess,t-P_pv,t (14)

其中，P_grid,t：各时刻用户从大电网购电的功率，P_ess,t:储能***各时刻充放电功率，P′_load,t：优化调控后各时刻的空调负荷功率值，e_TOU,t表示用户购电峰谷分时电价，P_pv,t表示商业园区光伏发电***一年中各月出力功率，P_con-load,t：常规负荷曲线，P_pv,t：商业园区光伏发电一年中各月出力曲线，P_con-load,t：常规负荷。

优选的，所述步骤(4)中建立商业园区源-储-荷优化配置模型的约束条件包括：储能电池充放电功率约束、储能电池充放电守恒约束和功率平衡约束；

所述储能电池充放电功率约束用下式表示：

储能放电时，0≤P_ess,t≤η_outP_inv (15)

储能充电时，-P_inv≤P_ess,t≤0 (16)

所述储能电池充放电守恒约束用下式表示：

${\mathrm{\Σt}}_{dis}\frac{P_{ess,t}}{{\mathrm{\η}}_{out}}+{\mathrm{\Σt}}_{cha}{P}_{ess,t}{\mathrm{\η}}_{in}=0---\left(18\right)$

所述功率平衡约束用下式表示：

P_grid,t+P_pv,t+P_ess,t＝P_con-load,t+P′_load,t (19)

式中，P_inv：储能变流器额定功率；η_out：储能电池放电系数，t_dis：储能电池放电时段，t_cha：储能电池充电时段，P_ess,t：储能***各时刻充放电功率，η_in：储能电池充电系数，P′_load,t：优化调控后各时刻的空调冷、热负荷功率值，P_grid,t：各时刻用户从大电网购电的功率，P_pv,t：商业园区光伏发电***一年中各月出力功率，P_con-load,t：常规负荷。

优选的，所述步骤(5)采用基于遗传算法的多目标优化算法计算储能电池各时刻充放电功率P_ess,t；

所述基于遗传算法的多目标优化算法包括：调用MATLAB函数gamultiobj进行求解；

所述gamultiobj函数所采用的算法为基于NSGA-Ⅱ改进的一种多目标优化算法。

与现有技术相比，本发明具有以下有益效果：

本发明提供一种商业园区源-储-荷优化配置方法，该方法将可控空调作为虚拟储能，对空调冷、热负荷进行优化调控，得到峰谷分时电价下最优的空调冷、热负荷曲线，并以最小化储能成本和用户从大电网购电费用为目标，进行商业园区源-储-荷优化配置，相比单独考虑储能***的优化配置方法，本方法能够减少储能投资成本，节省用户电费，具有较好的经济可行性。

附图说明

图1为本发明的商业园区源-储-荷优化配置方法流程示意图；

图2为本发明的商业园区源-储-荷结构示意图；

具体实施方式

为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。

如图1所示，一种商业园区源-储-荷优化配置方法包括如下步骤：

101、商业园区负荷分类：

将商业园区负荷按照是否可控分为常规负荷和可控负荷。常规负荷指照明等一年内负荷曲线较为规律及稳定的负荷；可控负荷指空调负荷等一年内呈现季节性规律的负荷，且空调负荷可以通过优化调控参与需求侧响应。空调负荷又分为冷负荷和热负荷，冷负荷指夏季空调制冷负荷，热负荷指冬季空调制热负荷。

102、获取所需负荷数据及峰谷分时电价数据：

获取常规负荷负荷P_con-load,t；获取空调冷、热负荷负荷P_c-load,t、P_h-load,t；获取用户购电峰谷分时电价e_TOU,t，峰谷分时电价将一天24小时划分为峰、谷、平等多个时段；

103、建立单台空调设备动态过程模型：

我们以空调冷负荷为例，设定空调供冷温度的上下限T_up、T_down，设定用户最适宜室内温度T_best。

当空调处于开启状态时:

T_in,t+Δt＝T_out,t+Δt–QR-(T_out,t+Δt-QR-T_in,t)e^-Δt/RC

当空调处于关断状态时：

T_in,t+Δt＝T_out,t+Δt-(T_out,t+Δt-T_in,t)e^-Δt/RC

其中，T_in,t：t时刻室内温度(℃)，T_in,t+Δt：t+Δt时刻室内温度(℃)，T_out,t+Δt：t+Δt时刻室外温度(℃)，R：等值热阻，C：等值热容，Q：等值热效率，Δt：仿真步长。

104、建立可控空调冷、热负荷优化调控模型：

可控空调负荷优化调控模型的调控策略包括：峰时电价阶段，尽量减少空调供冷或供热负荷，即关停一部分空调；谷时电价阶段，尽量增加空调供冷或供热负荷，即开启一部分空调；

用下式表示所述可控空调负荷优化调控模型目标函数：

${\mathrm{min\Σ}}_{t=1}^{24}{(T_{in,t}-T_{best})}^2$

${\mathrm{min\Σ}}_{t=1}^{24}{e}_{TOU,t}\×P_{load,t}^{\′}$

其中，T_in,t：各时刻室内温度值，T_best表示设定用户最适宜室内温度，e_TOU,t表示用户购电峰谷分时电价，P′_load,t表示优化调控后各时刻空调冷负荷功率值；

空调负荷优化调控模型的约束条件：峰时电价阶段，优化调控后的负荷功率要不大于调控前该时段的功率；谷时电价阶段，优化调控后的负荷功率要不小于调控前该时段的功率；用下式表示：

峰时电价阶段：P_down≤P′_load,t≤P_load,t

谷时电价阶段：P_load,t≤P′_load,t≤P_up

式中，P_up、P_down分别为空调冷负荷功率的上下限，P′_load,t表示优化调控后各时刻空调负荷功率值，P_load,t表示优化调控前各时刻空调负荷功率值。

105、采用粒子群多目标优化算法求解模型：

106、多目标优化算法包括如下步骤：

1)种群初始化，随机初始化粒子的位置x和速度v；

2)适应度计算，根据目标函数，每个个体的适应度值为两个；

3)粒子最优更新；

4)非劣解集更新；

5)粒子速度和位置更新，用以下公式进行粒子速度和位置更新：

$V^{k+1}={\mathrm{\ωV}}^k+c_1{r}_1(P_{id}^k-X^k)+c_2{r}_2\left(\right(P_{gd}^k-X^k)$

X^k+1＝X^k+V^k+1

式中，V为粒子速度；X为粒子位置；ω为惯性权重；r₁、r₂为分布于[0,1]区间的随机数；k为当前迭代次数；为个体最优粒子位置；为全局最优粒子位置；c₁和c₂为常数；

6)判读是否满足终止条件，若满足进入步骤7)，否则返回步骤2)；

7)得到优化后的空调冷、热负荷功率曲线。

107、获取光伏发电***各月出力功率；

108、确定储能***充放电策略：

在电价低时，储能从电网多购电，储能充电；电价高时，储能向负荷供电，储能放电；

光伏***向负荷供电后如有剩余电量，对储能进行充电；光伏***不足以向负荷供电时，储能向负荷供电；

由整体***功率平衡得到下式：

P_grid,t+P_pv,t+P_ess,t＝P_con-load,t+P′_load,t (9)

式中，P_grid,t：商业园区用户各时刻从电网购电的功率；P_pv,t：商业园区光伏发电***一年中各月出力功率；P_ess,t：储能***各时刻充放电功率；储能放电时，P_ess,t为正，储能充电时，P_ess,t为负；P′_load,t：优化调控后各时刻的空调负荷功率值，P_con-load,t：常规负荷。

109、建立商业园区源-储-荷优化配置模型；

商业园区源-储-荷优化配置模型的储能***成本：

C_ess＝C_ess,ini+C_ess,O&M

$\begin{array}{c}{C}_{ess,ini}=C_{ba,ini}+C_{inv,ini}\\ =(Q_{ba}\×e_{ba}\×R+P_{inv}\×e_{inv})\×\frac{r_0{(1+r_0)}^m}{{(1+r_0)}^m-1}\end{array}$

C_ess,O&M＝C_ba,O&M+C_inv,O&M

＝k_ba×(Q_ba×e_ba×R)+k_inv×(P_inv×e_inv)

式中，C_ess：商业园区投资储能***的成本：C_ess,ini：商业园区的初始投资成本；C_ba,O&M:储能电池的运行维护成本；C_ess,O&M：表示商业园区运行维护成本；C_inv,O&M：变流器的运行维护成本；C_ba,ini：储能电池的初始投资成本；C_inv,ini：变流器的初始投资成本；Q_ba:储能电池额定容量；e_ba:储能电池单价；R:储能电池在***运行年限内的更换次数；P_inv:储能变流器额定功率；e_inv:储能变流器单价；r₀：贴现率；m：***运行年限；k_ba、k_inv分别为储能***和储能变流器的年运行维护系数；

从大电网购电的费用I_grid用下式计算：

$I_{grid,t}={\mathrm{\Σ}}_{t=1}^{24}{P}_{grid,t}\×e_{TOU,t}$

P_grid,t＝P_con-load,t+P′_load,t-P_ess,t-P_pv,t

其中，P_grid,t：各时刻用户从大电网购电的功率，P_ess,t:储能***各时刻充放电功率，P′_load,t：优化调控后各时刻的空调负荷功率值，e_TOU,t表示用户购电峰谷分时电价，P_pv,t表示商业园区光伏发电***一年中各月出力功率。

110、采用基于遗传算法的多目标优化算法进行模型求解，具体为调用MATLAB函数gamultiobj进行求解，gamultiobj函数所采用的算法为基于NSGA-Ⅱ改进的一种多目标优化算法，求得各时刻最优储能充放电功率，完成储能容量配置。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

1.一种商业园区源-储-荷优化配置方法，其特征在于，所述方法包括如下步骤：

(1)、建立可控空调负荷优化调控模型；

(2)、获取商业园区光伏发电***的各月出力功率；

(3)、确定储能***充放电策略；

(4)、建立商业园区源-储-荷优化配置模型；

(5)、求得满足需要的储能电池各时刻充放电功率值。

2.如权利要求1所述的优化配置方法，其特征在于，所述步骤(1)可控空调负荷优化调控模型的建立包括：设定空调的温度，并建立单台空调设备动态过程简化模型；

空调处于开启和关断状态时的温度，分别用下式表示：

T_in,t+Δt＝T_out,t+Δt-QR-(T_out,t+Δt-QR-T_in,t)e^-Δt/RC (1)

T_in,t+Δt＝T_out,t+Δt-(T_out,t+Δt-T_in,t)e^-Δt/RC (2)

其中，T_in,t：t时刻室内温度(℃)，T_in,t+Δt：t+Δt时刻室内温度(℃)，T_out,t+Δt：t+Δt时刻室外温度(℃)，R：等值热阻，C：等值热容，Q：等值热效率，Δt：仿真步长。

3.如权利要求1所述的优化配置方法，其特征在于，所述步骤(1)可控空调负荷优化调控模型用下式表示：

${\mathrm{min\Σ}}_{t=1}^{24}{(T_{in,t}-T_{best})}^2---\left(3\right)$

${\mathrm{min\Σ}}_{t=1}^{24}{e}_{TOU,t}\×P_{load,t}^{\′}---\left(4\right)$

其中，T_in,t：各时刻室内温度值，T_best表示设定用户最适宜室内温度，e_TOU,t表示用户购电峰谷分时电价，P′_load,t表示优化调控后各时刻空调负荷功率值。

4.如权利要求3所述的优化配置方法，其特征在于，所述空调负荷优化调控模型的约束条件分别用下式表示：

峰时阶段用下式表示：P_down≤P′_load,t≤P_load,t (5)

谷时阶段用下式表示：P_load,t≤P′_load,t≤P_up (6)

其中，P_up、P_down分别为空调负荷功率的上下限，P′_load,t表示优化调控后各时刻空调负荷功率值，P_load,t表示优化调控前各时刻空调负荷功率值。

5.如权利要求3所述的优化配置方法，其特征在于，采用基于粒子群算法的多目标优化算法求解空调负荷优化调控模型；

所述多目标优化算法包括如下步骤：

1)种群初始化；

2)计算适应度值；

3)粒子最优更新；

4)筛选非劣解集；

5)粒子速度和位置更新；

6)判读是否满足终止条件，若满足进入步骤7)，否则返回步骤2)；

7)得到最优空调负荷功率曲线。

6.如权利要求5所述的优化配置方法，其特征在于，所述步骤5)粒子速度V和位置更新X分别用下式表示：

$V^{k+1}={\mathrm{\ωV}}^k+c_1{r}_1(P_{id}^k-X^k)+c_2{r}_2\left(\right(P_{gd}^k-X^k)---\left(7\right)$

X^k+1＝X^k+V^k+1 (8)

式中，V：粒子速度，X：粒子位置，ω：惯性权重，r₁、r₂为分布于[0,1]区间的随机数，k：当前迭代次数，个体最优粒子位置，全局最优粒子位置，c₁和c₂为常数。

7.如权利要求1所述的优化配置方法，其特征在于，所述步骤(3)储能***充放电策略包括：在电价低时，储能从电网多购电，储能充电，电价高时，储能向负荷供电，储能放电，光伏***向负荷供电后若有剩余电量，对储能进行充电，光伏***不足以向负荷供电时，储能向负荷供电；

由整体***功率平衡得到下式：

P_grid,t+P_pv,t+P_ess,t＝P_con-load,t+P′_load,t (9)

式中，P_grid,t：商业园区用户各时刻从电网购电的功率；P_pv,t：商业园区光伏发电***一年中各月出力功率；P_ess,t：储能***各时刻充放电功率；储能放电时，P_ess,t为正，储能充电时，P_ess,t为负；P_con-load,t：常规负荷；P′_load,t：优化调控后各时刻的空调负荷功率值。

8.如权利要求1所述的优化配置方法，其特征在于，按下式计算所述步骤(4)建立商业园区源-储-荷优化配置模型的储能***成本：

C_ess＝C_ess,ini+C_ess,O&M (10)

$\begin{array}{c}{C}_{ess,ini}=C_{ba,ini}+C_{inv,ini}\\ =(Q_{ba}\×e_{ba}\×R+P_{inv}\×e_{inv})\×\frac{r_0{(1+r_0)}^m}{{(1+r_0)}^m-1}\end{array}---\left(11\right)$

式中，C_ess：商业园区投资储能***的成本：C_ess,ini：商业园区的初始投资成本；C_ba,O&M:储能电池的运行维护成本；C_ess,O&M：表示商业园区运行维护成本；C_inv,O&M：变流器的运行维护成本；C_ba,ini：储能电池的初始投资成本；C_inv,ini：变流器的初始投资成本；Q_ba:储能电池额定容量；e_ba:储能电池单价；R:储能电池在***运行年限内的更换次数；P_inv:储能变流器额定功率；e_inv:储能变流器单价；r₀：贴现率；m：***运行年限；k_ba、k_inv分别为储能***和储能变流器的年运行维护系数；

从大电网购电的费用I_grid用下式计算：

$I_{grid,t}={\mathrm{\Σ}}_{t=1}^{24}{P}_{grid,t}\×e_{TOU,t}---\left(13\right)$

P_grid,t＝P_con-load,t+P′_load,t-P_ess,t-P_pv,t (14)

其中，P_grid,t：各时刻用户从大电网购电的功率，P_con-load,t：常规负荷；P_ess,t:储能***各时刻充放电功率，P′_load,t：优化调控后各时刻的空调负荷功率值，e_TOU,t表示用户购电峰谷分时电价，P_pv,t表示商业园区光伏发电***一年中各月出力功率。

9.如权利要求1所述的优化配置方法，其特征在于，所述步骤(4)中建立商业园区源-储-荷优化配置模型的约束条件包括：储能电池充放电功率约束、储能电池充放电守恒约束和功率平衡约束；

所述储能电池充放电功率约束用下式表示：

储能放电时，0≤P_ess,t≤η_outP_inv (15)

储能充电时，-P_inv≤P_ess,t≤0 (16)

所述储能电池充放电守恒约束用下式表示：

${\mathrm{\Σt}}_{dis}\frac{P_{ess,t}}{{\mathrm{\η}}_{out}}+{\mathrm{\Σt}}_{cha}{P}_{ess,t}{\mathrm{\η}}_{in}=0---\left(18\right)$

所述功率平衡约束用下式表示：

P_grid,t+P_pv,t+P_ess,t＝P_con-load,t+P′_load,t (19)

式中，P_inv：储能变流器额定功率；η_out：储能电池放电系数，t_dis：储能电池放电时段，t_cha：储能电池充电时段，P_ess,t：储能***各时刻充放电功率，η_in：储能电池充电系数，P′_load,t：优化调控后各时刻的空调冷、热负荷功率值，P_grid,t：各时刻用户从大电网购电的功率，P_pv,t：商业园区光伏发电***一年中各月出力功率，P_con-load,t：常规负荷。

10.如权利要求1所述的优化配置方法，其特征在于，所述步骤(5)采用基于遗传算法的多目标优化算法计算储能电池各时刻充放电功率P_ess,t；

所述基于遗传算法的多目标优化算法包括：调用MATLAB函数gamultiobj进行求解；

所述gamultiobj函数所采用的算法为基于NSGA-Ⅱ改进的一种多目标优化算法。