日益严峻的环境问题对先进能源利用系统的基础研究、系统综合、设计、运行控制优化提出了越来越多的要求,采用更深入细致的仿真优化方法来认识、分析系统的综合性能以及污染防治措施是满足这些要求的一种有效手段。对于下一代先进能源利用系统而言,由于缺乏可用的性能数据,无法建立精确的数学模型,另外,由于许多技术和经济性参数存在不确定性,造成基于模型的预估结果与真实结果的不一致。与此同时,设计问题的描述和决策过程也存在模糊性,所有这些构成了工程设计和开发的不确定性。这些不确定性会随着变量在过程系统模型中传播,最后导致不确定性累积,影响最终设计结果的可靠性。因此,不确定性因素必须在设计阶段就予以重视和考虑。另外,对先进能源系统安全性、经济性、可靠性、控制特性等方面的要求,决定了具有环境意识的计算能源科学和过程系统工程的本质是解决一种不确定条件下的多目标优化问题。　　本文基于多目标优化和不确定性的理论和方法,提出一种不确定性多目标优化框架,以期解决传统优化设计方法无法处理不确定性影响这一不足之处,同时为决策者提供较为丰富的设计信息,从而缩短优化设计周期。以固体氧化物燃料电池和质子交换膜燃料电池(SOFC-PEMFC)联合发电系统作为研究对象,验证了不确定性多目标优化方法的可行性和有效性。本文的研究内容分为理论研究和应用研究两个方面。　　一、理论研究方面:　　①对不确定性多目标优化理论进行了深入研究。研究了不确定性因素的分类、建模方法、不确定性分析方法以及多目标优化理论,为不确定性多目标优化方法的提出奠定了理论基础。　　②研究了经典的不确定分析方法——随机抽样模拟,提出采用产生低偏差序列的抽样方法--Hammersley序列抽样法(Hammersley Sequence Sampling,HSS),代替传统随机抽样模拟方法中的蒙特卡洛抽样(Monte Carlo Sampling,MCS),修正传统方法中计算量大和收敛速度慢的缺陷。将固体氧化物燃料电池(Solid Oxide Fuel Cell,SOFC)作为测试算例,其测试结果表明:与传统随机抽样模拟方法相比,基于HSS的随机抽样模拟方法能够通过较少的抽样次数获得电池输出功率均值和方差的精确值,减少了计算量,提高了计算效率。　　③研究了将多目标优化问题转化为单目标优化问题的ε-约束法,基于改变目标约束向量ε可找到多目标优化问题的Pareto最优解/前沿的思想,借鉴HSS方法能保持各组抽样点良好的均匀散布性,考虑利用HSS方法产生目标空间内均匀分布的目标约束向量,获得均匀分布且范围更广的Pareto解集/前沿。与传统ε-约束法进行对比测试的结果表明基于HSS的多目标优化方法只求解较少的单目标问题就能接近Pareto前沿“真实”的均值和方差,大大减少了多目标优化问题的计算复杂度。　　④将基于HSS的ε-约束法与基于HSS的随机抽样模拟方法相结合,构建了不确定性多目标优化方法,不仅解决了多目标优化方法不能处理不确定性因素影响的缺点,还继承了两者的优点,具有高效率、高精度的计算能力和获得全局Pareto解集/前沿的优势。　　二、应用研究方面:　　①将基于HSS的不确定分析方法应用于质子交换膜燃料电池(Proton exchange membrane fuel cell,PEMFC)中,研究了PEMFC的物性参数、模型参数、结构尺寸和操作变量的不确定性对PEMFC功率密度的影响。以不确定性因素的影响规律作为理论基础,对设计方案进行了稳健性分析。　　②引入SOFC-PEMFC联合发电系统,并对其工作流程进行阐述,确定了各部件的组成及机理模型;同时参考燃料电池系统的成本模型,建立了适用于SOFC-PEMFC联合系统的成本模型,模拟仿真结果显示该联合系统的发电效率可达50％以上,热电联产的效率可达70%以上。　　③根据概念设计阶段对SOFC-PEMFC联合系统缺乏认识、需要通过优化获取系统设计模型Pareto最优集/前沿的需求,采用基于HSS的约束法对系统多目标设计优化问题进行集成和优化求解,获得了确定条件下的Pareto前沿。　　④考虑SOFC-PEMFC联合发电系统的结构尺寸变量和操作变量作为不确定性因素,采用基于HSS的不确定性多目标优化方法获得了不确定性条件下的Pareto最优前沿,并与确定条件下的Pareto前沿进行对比,阐明了不确定性对优化结果的影响。　　综上所述,本文提出的不确定性多目标优化方法切实可行,能有效地处理不确定性因素的影响,实现不确定条件下的先进能源系统多目标优化,为决策者提供更真实、更有价值的决策信息。