CN108446792A - 一种在演化路径与规划目标之间迭代的优化方法 - Google Patents
一种在演化路径与规划目标之间迭代的优化方法 Download PDFInfo
- Publication number
- CN108446792A CN108446792A CN201810153768.0A CN201810153768A CN108446792A CN 108446792 A CN108446792 A CN 108446792A CN 201810153768 A CN201810153768 A CN 201810153768A CN 108446792 A CN108446792 A CN 108446792A
- Authority
- CN
- China
- Prior art keywords
- transition
- energy
- target
- optimization
- feasible
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种在演化路径与规划目标之间迭代的优化方法,属于能源规划技术领域。本发明将能源转型优化这一复杂的非线性规划问题解耦为“规划目标优化”与“演化路径优化”两个子层次,通过两个子层次内部的优化搜索与子层次之间的迭代,不断改善目标函数值,直至得到最优目标与最优路径。本发明能够求解能源转型优化中的非线性问题,优化转型能源转型的目标与路径,对于在国家/地区的能源***转型优化、传统能源企业的清洁转型优化问题均可适用。
Description
技术领域
本发明属于能源规划技术领域,尤其涉及一种在演化路径与规划目标之间迭代的优化方法。
背景技术
面对资源枯竭、环境污染、气候变化等压力,全球范围内的能源清洁转型已经成为不可逆转的趋势,能源转型优化便成为了亟待解决的重要问题。
能源转型优化的任务是找出最优的能源转型方案,该方案包括转型的最终目标及实现该目标的路径。现有的能源转型优化方法一般将原问题构建为一个描述了能源***技术-经济特性的线性规划问题或混合整数线性规划问题,优化的决策变量为各类能源技术在规划期内的新建、退役、改造等措施,能源需求量、各类能源技术的物理-经济特性的进步率、碳排放价格、可再生能源补贴等转型决策所依赖的关键变量则在优化开始前便作为外生变量给定,不受决策变量的影响。通过开源或商业化的线性规划解算器计算出成本最小的能源转型目标与路径。该方法不明确区分能源转型目标与路径,将转型目标视作转型路径的最后一个阶段,通过最小化目标函数可同时计算出转型目标与路径。
然而,以上将场景变量作为外生变量的建模方式,只能计及场景变量对决策变量的单向影响,忽略了决策变量对关键场景变量的反向影响。例如,根据国际光伏技术路线图(ITRPV)发布的报告,1976-2016年间全球的光伏安装总量每增加1倍,光伏组件价格下降22.5%,即光伏组件价格可近似表示为光伏安装容量的一次函数。因此,可再生能源发电的造价(场景变量)的变化与全***实际的发电装机情况有关(决策变量),而不应该是整个转型期内均预先给定的外生变量。由于目标函数含有此类场景变量与决策变量的乘积,目标函数将包含非线性项,优化模型成为非线性规划问题。显然,现有的能源转型优化算法无法适用于非线性规划问题,亟需提出新的优化方法。
发明内容
本发明的目的是:为了克服现有技术的不足,提出一种在演化路径与规划目标之间迭代的优化方法。本方法将能源转型优化解耦为“目标优化”与“路径优化”两个子层次,下层是“给定目标下的路径优化”,上层是“目标优化”,通过两个子层次之间的迭代,得到最优目标与最优路径,适用于国家(地区)能源***或能源企业的清洁转型优化。
具体地说,本发明是采用以下技术方案实现的,用于解决能源转型优化问题,包括如下步骤:
步骤1:初始化能源转型优化所需的各项场景参数;
步骤2:给定能源转型优化终点年转型目标的初值;
步骤3:给定能源转型优化各阶段性转型目标的初值,所述阶段性转型目标指在转型期中间年份需完成的转型任务;
步骤4:判断在给定的终点年和阶段性转型目标下是否存在可行的能源技术的发展方案;若存在,则以此为转型路径初值,并进入步骤5;否则,进入步骤13;
步骤5:计算给定各阶段性转型目标下各能源技术的发展方案的目标函数值;
步骤6:向任意方向继续摄动各能源技术的发展方案,如均无法再改善目标函数值,表明已找到给定各阶段性转型目标下各能源技术的最优发展方案,进入步骤8,否则,进入步骤7;
步骤7:取最有利于改善目标函数值的方向作为下一步的摄动方向,摄动各能源技术的发展方案,进入步骤5重新计算各阶段性转型目标下各能源技术的发展方案的目标函数值;
步骤8:向任意方向继续摄动各阶段性转型目标,如均无法再改善目标函数值,表明已找到给定转型目标下的各能源技术的最优转型路径,进入步骤10,否则,进入步骤9;
步骤9:最有利于改善目标函数值的方向作为下一步的摄动方向,摄动各阶段性转型目标,进入步骤4重新判断是否存在可行的能源技术的发展方案;
步骤10:继续提高或降低终点年转型目标,如均无法再改善目标函数值,表明已找到最优转型目标,进入步骤12,否则,进入步骤11;
步骤11:利用摄动终点年转型目标对目标函数改善程度的敏感性,指导下一步的摄动方向,摄动终点年转型目标,进入步骤3重新设定能源转型优化各阶段性转型目标的初值;
步骤12:得到最优转型目标及路径,本方法结束;
步骤13:向任意方向继续摄动各阶段性转型目标,如均无法找到可行的各能源技术发展方案,进入步骤15,否则,进入步骤14;
步骤14:根据违约信息摄动各阶段性转型目标,进入步骤4重新判断是否存在可行的能源技术的发展方案;
步骤15:确定该终点年转型目标下无可行转型路径,进入步骤16;
步骤16:向任意方向继续摄动终点年转型目标,如均无法找到可行的各能源技术发展方案,进入步骤18,否则,进入步骤17;
步骤17:根据违约信息摄动终点年转型目标,进入步骤3重新设定能源转型优化各阶段性转型目标的初值;
步骤18:无可行终点年转型目标,本方法结束。
上述技术方案的进一步特征在于:所述终点年转型目标由非化石能源占比来表示。
上述技术方案的进一步特征在于:所述步骤4中,按以下方法判断在给定的终点年和阶段性转型目标下是否存在可行的能源技术的发展方案:
(a)计算各时段非化石能源及化石能源的占比;
(b)计算各时段非化石能源及化石能源总量;
(c)计算各时段非化石能源及化石能源的增速,所述增速取正值、零值或负值;
(d)将非化石能源的增速分别赋值给优化所考虑的各类非化石能源和化石能源;
(e)计算各时段各类能源的变化量绝对量,所述变化量绝对量取正值、零值或负值;
(f)判断各时段各类能源的变化量绝对量是否满足变化量上限约束,若不满足,则进入步骤(g),若满足,则得到了可行的能源技术的发展方案;
(g)判断是否有空间将越限量分摊至未越限能源技术,记越限技术的种类数为n,越限量为Ai,所有未越限技术的种类数为m,离各自总量约束上限的距离为Bj,若则表明有空间,则将越限量分摊至未越限能源技术,得到可行的能源技术的发展方案,否则表明没有空间,无可行的能源技术的发展方案。
上述技术方案的进一步特征在于:对于国家能源转型,各能源技术发展方案的目标函数为转型总代价最低,所述转型总代价包括能源的建设、运行与排放成本及政府补贴。
上述技术方案的进一步特征在于:对于能源企业能源转型,各能源技术发展方案的目标函数为规划终点年的净资产或总资产规模最大。
与已有技术相比,本发明的有益效果体现在:本发明将优化过程解耦为上层的“转型规划目标优化”(下称“目标优化”)与下层的“给定规划目标下的演化路径优化”(下称“路径优化”),通过两个子层次之间的迭代,得到最优规划目标与最优演化路径;其中,“目标优化”指优化终点年份(未来的某一年份)能源***应达到的目标状态;“路径优化”指优化给定终点年目标下转型期内不同阶段能源***应达到的阶段性目标;首先,针对给定的“转型目标”进行“路径优化”,基于灵敏度搜索给定目标下的最优路径;其次,得到给定转型目标下的最优路径后,摄动转型目标并求取其最优路径,基于灵敏度搜索最优目标及路径。因此,本发明能够求解能源转型优化中的非线性问题,优化转型能源转型的目标与路径,不仅可用于国家/地区能源转型的优化,还可用于传统能源企业的清洁转型优化。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例1:
本发明的一个实施例,公开了一种在演化路径与规划目标之间迭代的优化方法,用于解决能源转型优化问题,如国家/地区的能源转型优化或传统能源企业的转型战略优化,可以优化其转型目标与路径。其主要步骤如图1所示。
步骤1:初始化能源转型优化所需的各项场景参数。
步骤2:给定能源转型终点年转型目标的初值。转型目标一般可用非化石能源占比来表示,例如,我国在《能源生产和消费革命战略(2016-2030)》中所给出的战略期终点年(2030年)能源消费总量控制在60亿吨标准煤以内,非化石能源占比达到20%左右。
步骤3:给定能源转型各阶段性转型目标初值。阶段性转型目标指在转型期中间年份给定需完成的转型任务。例如,我国在《能源生产和消费革命战略(2016-2030)》中所给出的战略期中间年(2020年)能源消费总量控制在50亿吨标准煤以内,非化石能源占比达到15%。
步骤4:判断在给定的终点年和阶段性转型目标下是否存在可行的能源技术的发展方案。若存在,则以此为转型路径初值,并进入步骤5;否则,进入步骤13。
导致各能源技术的发展方案不存在的一般性原因是违反了优化所给定的各项约束条件,例如非化石能源目标过低而化石能源日益枯竭导致全***能源平衡无法得到保证。具体而言,可采用以下方法:
(a)计算各时段非化石能源及化石能源的占比;
(b)计算各时段非化石能源及化石能源总量;
(c)计算各时段非化石能源及化石能源的增速(增速可取正值、零值或负值);
(d)将非化石能源的增速分别赋值给本次优化所考虑的各类非化石能源(如风电、光伏、水电、核电)和化石能源(如石油、天然气、煤炭);(e)计算各时段各类能源的变化量绝对量(可取正值、零值或负值);
(f)判断各时段各类能源的变化量绝对量是否满足变化量上限约束,若不满足,则进入步骤(g),若满足,则得到了可行的能源技术的发展方案,可作为可行的转型路径,并作为寻优初值;
(g)判断是否有空间将越限量分摊至未越限能源技术,记越限技术的种类数为n,越限量为Ai,所有未越限技术的种类数为m,离各自总量约束上限的距离为Bj,若有空间(即)则依次将越限量分摊至未越限能源技术(可将Bj(j=1,...,m)作为分摊的比例系数,每次分摊后均需更新n,m,Ai,Bj的数值),得到可行的能源技术的发展方案;若没有空间(即),则表明无可行的能源技术的发展方案,无可行路径。
步骤5:计算给定各阶段性转型目标下各能源技术发展方案的目标函数值;其中,目标函数可视具体的研究问题而确定,对于国家能源转型,目标函数可设为转型总代价最低,不仅包括能源的建设、运行与排放成本,还可包括政府补贴等;对于能源企业能源转型,目标函数可设为规划终点年的净资产或总资产规模最大。
步骤6:判断是否已找到给定各阶段性转型目标下各能源技术的最优发展方案,若是,则进入步骤8,否则,进入步骤7。判断方法为向任意方向继续摄动各能源技术的发展方案,均无法再改善目标函数值,即表明已找到最优发展方案。
步骤7:根据灵敏度摄动各能源技术的发展方案,并进入步骤5,取最有利于改善目标函数值的方向作为下一步的摄动方向,加快搜索的效率。
步骤8:判断是否已找到给定转型目标下的最优路径,若是,则进入步骤10,否则,进入步骤9;判断方法为向任意方向继续摄动各阶段性转型目标,均无法再改善目标函数值,即表明已找到给定目标下的最优转型路径。
步骤9:根据灵敏度摄动各阶段性转型目标,并进入步骤4,取最有利于改善目标函数值的方向作为下一步的摄动方向,加快搜索的效率。
步骤10:判断是否已找到最优转型目标;若是,则进入步骤12,否则,进入步骤11;判断方法为继续提高或降低终点年转型目标,均无法再改善目标函数值,即表明已找到最优转型目标。
步骤11:根据灵敏度摄动终点年转型目标,并进入步骤3,利用摄动终点年转型目标对目标函数改善程度的敏感性,指导下一步的摄动方向,加快搜索的效率。
步骤12:得到最优转型目标及路径,寻优结束;
步骤13:判断是否停止各阶段性转型目标摄动;若是,则进入步骤15,否则,进入步骤14;判断方法为向任意方向继续摄动各阶段性转型目标,均无法找到可行的各能源技术发展方案。
步骤14:根据违约信息摄动各阶段性转型目标,进入步骤4。举例来说,若原路径中某相邻两个中间年份(记为t,t+1)的计划非化石能源增量分别记为ΔEt,ΔEt+1,增量上限则分别记为其中 则可将ΔEt修改为一个不大于的值 ΔEt+1则相应修改为
步骤15:确定该终点年转型目标下无可行转型路径,进入步骤16。
步骤16:判断是否停止终点年转型目标摄动。若是,则进入步骤18,否则,进入步骤17。判断方法为向任意方向继续摄动终点年转型目标,均无法找到可行的各能源技术发展方案。
步骤17:根据违约信息摄动终点年转型目标,进入步骤3。举例来说,若终点年转型目标过高导致违反非化石能源年最大新增量,则相应调低转型目标。
步骤18:确定无可行终点年转型目标,寻优结束。
虽然本发明已以较佳实施例公开如上,但实施例并不是用来限定本发明的。在不脱离本发明之精神和范围内,所做的任何等效变化或润饰,同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。
Claims (5)
1.一种在演化路径与规划目标之间迭代的优化方法,用于解决能源转型优化问题,其特征在于,包括以下步骤:
步骤1:初始化能源转型优化所需的各项场景参数;
步骤2:给定能源转型优化终点年转型目标的初值;
步骤3:给定能源转型优化各阶段性转型目标的初值,所述阶段性转型目标指在转型期中间年份需完成的转型任务;
步骤4:判断在给定的终点年和阶段性转型目标下是否存在可行的能源技术的发展方案;若存在,则以此为转型路径初值,并进入步骤5;否则,进入步骤13;
步骤5:计算给定各阶段性转型目标下各能源技术的发展方案的目标函数值;
步骤6:向任意方向继续摄动各能源技术的发展方案,如均无法再改善目标函数值,表明已找到给定各阶段性转型目标下各能源技术的最优发展方案,进入步骤8,否则,进入步骤7;
步骤7:取最有利于改善目标函数值的方向作为下一步的摄动方向,摄动各能源技术的发展方案,进入步骤5重新计算各阶段性转型目标下各能源技术的发展方案的目标函数值;
步骤8:向任意方向继续摄动各阶段性转型目标,如均无法再改善目标函数值,表明已找到给定转型目标下的各能源技术的最优转型路径,进入步骤10,否则,进入步骤9;
步骤9:最有利于改善目标函数值的方向作为下一步的摄动方向,摄动各阶段性转型目标,进入步骤4重新判断是否存在可行的能源技术的发展方案;
步骤10:继续提高或降低终点年转型目标,如均无法再改善目标函数值,表明已找到最优转型目标,进入步骤12,否则,进入步骤11;
步骤11:利用摄动终点年转型目标对目标函数改善程度的敏感性,指导下一步的摄动方向,摄动终点年转型目标,进入步骤3重新设定能源转型优化各阶段性转型目标的初值;
步骤12:得到最优转型目标及路径,本方法结束;
步骤13:向任意方向继续摄动各阶段性转型目标,如均无法找到可行的各能源技术发展方案,进入步骤15,否则,进入步骤14;
步骤14:根据违约信息摄动各阶段性转型目标,进入步骤4重新判断是否存在可行的能源技术的发展方案;
步骤15:确定该终点年转型目标下无可行转型路径,进入步骤16;
步骤16:向任意方向继续摄动终点年转型目标,如均无法找到可行的各能源技术发展方案,进入步骤18,否则,进入步骤17;
步骤17:根据违约信息摄动终点年转型目标,进入步骤3重新设定能源转型优化各阶段性转型目标的初值;
步骤18:无可行终点年转型目标,本方法结束。
2.根据权利要求1所述的在演化路径与规划目标之间迭代的优化方法,其特征在于:所述终点年转型目标由非化石能源占比来表示。
3.根据权利要求1所述的在演化路径与规划目标之间迭代的优化方法,其特征在于:所述步骤4中,按以下方法判断在给定的终点年和阶段性转型目标下是否存在可行的能源技术的发展方案:
(a)计算各时段非化石能源及化石能源的占比;
(b)计算各时段非化石能源及化石能源总量;
(c)计算各时段非化石能源及化石能源的增速,所述增速取正值、零值或负值;
(d)将非化石能源的增速分别赋值给优化所考虑的各类非化石能源和化石能源;
(e)计算各时段各类能源的变化量绝对量,所述变化量绝对量取正值、零值或负值;
(f)判断各时段各类能源的变化量绝对量是否满足变化量上限约束,若不满足,则进入步骤(g),若满足,则得到了可行的能源技术的发展方案;
(g)判断是否有空间将越限量分摊至未越限能源技术,记越限技术的种类数为n,越限量为Ai,所有未越限技术的种类数为m,离各自总量约束上限的距离为Bj,若则表明有空间,则将越限量分摊至未越限能源技术,得到可行的能源技术的发展方案,否则表明没有空间,无可行的能源技术的发展方案。
4.根据权利要求1所述的在演化路径与规划目标之间迭代的优化方法,其特征在于:对于国家能源转型,各能源技术发展方案的目标函数为转型总代价最低,所述转型总代价包括能源的建设、运行与排放成本及政府补贴。
5.根据权利要求1所述的在演化路径与规划目标之间迭代的优化方法,其特征在于:对于能源企业能源转型,各能源技术发展方案的目标函数为规划终点年的净资产或总资产规模最大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810153768.0A CN108446792B (zh) | 2018-02-22 | 2018-02-22 | 一种在演化路径与规划目标之间迭代的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810153768.0A CN108446792B (zh) | 2018-02-22 | 2018-02-22 | 一种在演化路径与规划目标之间迭代的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108446792A true CN108446792A (zh) | 2018-08-24 |
CN108446792B CN108446792B (zh) | 2021-11-05 |
Family
ID=63192717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810153768.0A Active CN108446792B (zh) | 2018-02-22 | 2018-02-22 | 一种在演化路径与规划目标之间迭代的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446792B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111008769A (zh) * | 2019-11-26 | 2020-04-14 | 国电南瑞科技股份有限公司 | 一种计及电力阻塞的能源转型优化方法及*** |
CN113436047A (zh) * | 2021-06-24 | 2021-09-24 | 国网山西省电力公司阳泉供电公司 | 一种大数据看能源转型监测平台 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103248048A (zh) * | 2013-05-22 | 2013-08-14 | 国家电网公司 | 一种弃风电量预估方法 |
CN104020772A (zh) * | 2014-06-17 | 2014-09-03 | 哈尔滨工程大学 | 一种带有运动学的复杂形状目标遗传路径规划方法 |
CN105354620A (zh) * | 2014-08-19 | 2016-02-24 | 中国科学院上海高等研究院 | 一种风机发电功率的预测方法 |
CN106300323A (zh) * | 2016-10-11 | 2017-01-04 | 耿天侃 | 分布式电源电网 |
CN106650995A (zh) * | 2016-10-13 | 2017-05-10 | 中国能源建设集团广东省电力设计研究院有限公司 | 节能减排目标下的能源规划及战略支持*** |
CN107622327A (zh) * | 2017-09-15 | 2018-01-23 | 哈尔滨工程大学 | 基于文化蚁群搜索机制的多无人机航迹规划方法 |
CN107658912A (zh) * | 2017-10-30 | 2018-02-02 | 龙源(北京)风电工程技术有限公司 | 一种提高风电场运行经济性的有功功率控制方法 |
-
2018
- 2018-02-22 CN CN201810153768.0A patent/CN108446792B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103248048A (zh) * | 2013-05-22 | 2013-08-14 | 国家电网公司 | 一种弃风电量预估方法 |
CN104020772A (zh) * | 2014-06-17 | 2014-09-03 | 哈尔滨工程大学 | 一种带有运动学的复杂形状目标遗传路径规划方法 |
CN105354620A (zh) * | 2014-08-19 | 2016-02-24 | 中国科学院上海高等研究院 | 一种风机发电功率的预测方法 |
CN106300323A (zh) * | 2016-10-11 | 2017-01-04 | 耿天侃 | 分布式电源电网 |
CN106650995A (zh) * | 2016-10-13 | 2017-05-10 | 中国能源建设集团广东省电力设计研究院有限公司 | 节能减排目标下的能源规划及战略支持*** |
CN107622327A (zh) * | 2017-09-15 | 2018-01-23 | 哈尔滨工程大学 | 基于文化蚁群搜索机制的多无人机航迹规划方法 |
CN107658912A (zh) * | 2017-10-30 | 2018-02-02 | 龙源(北京)风电工程技术有限公司 | 一种提高风电场运行经济性的有功功率控制方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111008769A (zh) * | 2019-11-26 | 2020-04-14 | 国电南瑞科技股份有限公司 | 一种计及电力阻塞的能源转型优化方法及*** |
CN111008769B (zh) * | 2019-11-26 | 2022-09-06 | 国电南瑞科技股份有限公司 | 一种计及电力阻塞的能源转型优化方法及*** |
CN113436047A (zh) * | 2021-06-24 | 2021-09-24 | 国网山西省电力公司阳泉供电公司 | 一种大数据看能源转型监测平台 |
Also Published As
Publication number | Publication date |
---|---|
CN108446792B (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Emissions and low-carbon development in Guangdong-Hong Kong-Macao Greater Bay Area cities and their surroundings | |
Wu et al. | Site selection decision framework using fuzzy ANP-VIKOR for large commercial rooftop PV system based on sustainability perspective | |
Lin et al. | Green development determinants in China: A non-radial quantile outlook | |
CN108416691B (zh) | 一种能源替代环保潜力计算方法 | |
CN115205082A (zh) | 一种基于全生命周期理论的建筑碳排放计算*** | |
CN102684223B (zh) | 以降低网损为目标的多约束条件下风电送出功率优化评估方法 | |
CN110390467A (zh) | 一种基于关键场景辨别的虚拟电厂随机自适应鲁棒优化调度方法 | |
CN109872012A (zh) | 基于工况划分的火电厂运行多目标优化的确定方法 | |
CN105656026B (zh) | 可再生能源的设备建设资源配置方法和*** | |
Smoucha et al. | Life cycle analysis of the embodied carbon emissions from 14 wind turbines with rated powers between 50Kw and 3.4 Mw | |
CN109598433A (zh) | 考虑弃能成本和调峰需求的送端电网电源结构规划方法 | |
CN104484749A (zh) | 用于燃煤电厂碳排放量预测方法和*** | |
CN108446792A (zh) | 一种在演化路径与规划目标之间迭代的优化方法 | |
CN113191542A (zh) | 一种智慧环保碳排放管理服务平台 | |
Sun et al. | Can Chinese cities reach their carbon peaks on time? Scenario analysis based on machine learning and LMDI decomposition | |
Bhuvanesh et al. | Application of differential evolution algorithm and its variants for solving energy storage technologies integrated generation expansion planning | |
CN115115193A (zh) | 一种工业园区低碳分析及优化规划方法 | |
CN114358994A (zh) | 一种依托绿码的碳排放智慧物联网监测方法 | |
CN113033136B (zh) | 简化的光伏电池物理参数提取优化方法及*** | |
CN103714400A (zh) | 一种任意输入参数的风能预测***和方法 | |
CN113837912A (zh) | 一种建筑业碳排放影响因素分析方法 | |
CN108694475A (zh) | 基于混合模型的短时间尺度光伏电池发电量预测方法 | |
CN115660234B (zh) | 一种基于混合测算方法的双碳预测优化模型 | |
Cao et al. | Coupling coordination of the water‒energy‒carbon system in three provinces of Northeastern China | |
CN109670734B (zh) | 基于协同归一化的电力***经济排放调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |