1.一种基于CLS-PSO算法的多目标电、气、热供暖协调方法，其特征在于，该方法包括以下步骤：步骤1：针对家庭多目标电、气、热供暖方法建立多能源供热模型；步骤1.1：将电、气、热的输入及排放量用电表示，为P 1 及P 2 ；步骤1.2：收集相关温度变量T，相关单位功率价格变量A，相关排放变量B；步骤1.3：建立多目标电、气、热供暖方法最低价格模型；A 总 ＝A 电 P 电1 t 电 +A 气 P 气1 t 气 +A 热 P 热1 t 热式中：A 总 为24小时供暖所需价格总和；A 电 、A 气 、A 热 分别为电供暖、气供暖、供暖公司供暖实时单位功率的价格；P 电1 、P 气1 、P 热1 分别为电供暖、气供暖、供暖公司供暖不同时段输入；t 电 、t 气 、t 热 为一天内供电、气、热时刻；步骤1.4：建立多目标电、气、热供暖方法最小排放模型：B 总 ＝B 电 P 电2 t 电 +B 气 P 气2 t 气 +B 热 P 热2 t 热式中：B 总 为24小时供暖所需价格总和；B 电 、B 气 、B 热 分别为电供暖、气供暖、供暖公司供暖实时单位功率排放率；P 电2 、P 气2 、P 热2 分别为电供暖、气供暖、供暖公司供暖不同时段排放；t 电 、t 气 、t 热 为一天内供电、气、热时刻；步骤2：优化供热模型，将协调方法归纳为基于价格最低以及排放最小的优化问题，并建立相关约束条件；步骤2.1：建立多目标优化约束条件；热量交换约束：Q 热 ＝cG 水 ΔT 1式中：Q 热 为供暖所需热量；G 水 为水的质流量；ΔT 1 为供热器供水温与回水温度的温度差；散热量约束：式中：Q 散 为室内散热量；K为散热系数；F为散热面积；ΔT 2 为供热器供水温与回水温度之和；T 温 为当前室内温度；热动态特性约束：式中：c 热 为建筑的比热容； 表示热量增加，建筑储热； 表示热量减少，建筑散热；Q 散 为散热器的散热功率；Q 耗 为建筑总耗热量；建筑恒温约束：T min ＜T 室 ＜T max式中：T min 及T max 分别为建筑的最高及最低温度；电出力约束：P d,min ＜P d ＜P d,max式中：P d,min 及P d,max 为电为电力出力的最大值及最小值；步骤2.2：优化多目标电、气、热供暖方法最低价格模型；式中：A 1 、A 2 、A 3 分别为24小时内每个时段的电供暖、气供暖、供暖公司供暖实时单位功率的价格；P 1 (t)、P 2 (t)、P 3 (t)分别为电供暖、气供暖、供暖公司供暖不同时段的出力；式中：B 1 、B 2 、B 3 分别为24小时内每个时段的电供暖、气供暖、供暖公司供暖实时单位功率排放量；步骤2.3：优化多目标电、气、热供暖方法最小排放模型；步骤3：针对归纳的相关模型，基于CLS-PSO算法进行最小解优化，得到最低价格方案以及排放最小方案；步骤3.1：随机初始化种群中各种微粒的位置和速度；步骤3.2：对每个微粒的适应度进行评价，并将其储存在各个微粒的pbest中，寻找pbest中的最佳适应值个体，将其位置和适应值储存在gbest中；步骤3.3：更新粒子的速度和位置，分别求出各个微粒目标函数的解，然后选择其中最好的20％的微粒保留；步骤3.4：使种群中的最优微粒进行混沌局部搜索，更新pbest及gbest；步骤3.5：如果满足预定的条件则算法停止,停止搜索，输出结果，不满足则转到步骤3.6；步骤3.6：按照相关变量集范围收缩搜索区域；x min,j ＝max{x min,j ,x g,j -r * (x max,j -x min,j )}，0＜r＜1x max,j ＝min{x max,j ,x g,j -r * (x max,j -x min,j )}，0＜r＜1式中：x g,j 表示当前pbest的第j维变量的值；步骤3.7：随机产生种群中剩余的80％至收缩后的空间，然后转到步骤3.2；步骤3.8：达到最大迭代次数则停止。
