CN117332991A - 一种基于综合能源需求的***能效优化方法及装置 - Google Patents
一种基于综合能源需求的***能效优化方法及装置 Download PDFInfo
- Publication number
- CN117332991A CN117332991A CN202311575306.5A CN202311575306A CN117332991A CN 117332991 A CN117332991 A CN 117332991A CN 202311575306 A CN202311575306 A CN 202311575306A CN 117332991 A CN117332991 A CN 117332991A
- Authority
- CN
- China
- Prior art keywords
- parameter
- energy
- target system
- target
- population
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 53
- 238000005265 energy consumption Methods 0.000 claims abstract description 40
- 230000007613 environmental effect Effects 0.000 claims abstract description 39
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 58
- 230000004044 response Effects 0.000 claims description 44
- 238000010276 construction Methods 0.000 claims description 40
- 239000003344 environmental pollutant Substances 0.000 claims description 34
- 231100000719 pollutant Toxicity 0.000 claims description 34
- 230000002068 genetic effect Effects 0.000 claims description 29
- 230000035772 mutation Effects 0.000 claims description 19
- 238000000137 annealing Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 82
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 18
- 238000004590 computer program Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 16
- 238000007726 management method Methods 0.000 description 13
- 238000002922 simulated annealing Methods 0.000 description 13
- 230000015654 memory Effects 0.000 description 11
- 239000003345 natural gas Substances 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000001816 cooling Methods 0.000 description 6
- 238000003912 environmental pollution Methods 0.000 description 6
- 239000007789 gas Substances 0.000 description 5
- 210000000349 chromosome Anatomy 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000010353 genetic engineering Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 108700028369 Alleles Proteins 0.000 description 1
- 101100228023 Leishmania mexicana GAPG gene Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010612 desalination reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000036438 mutation frequency Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/06—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Genetics & Genomics (AREA)
- Evolutionary Computation (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于综合能源需求的***能效优化方法及装置,可以应用于能源利用技术领域。该方法包括:响应于接收到的目标综合能源需求,根据综合能源需求参数、目标***的运行参数和目标***的环境损耗参数,构建目标***的能效优化函数;基于能源供给与能源消耗的平衡关系和用于传输能源的设备运行需求,构建用于优化目标***的能效的约束条件;基于能效优化函数和约束条件,利用目标算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理,得到满足目标综合能源需求的目标***的设备参数。
Description
技术领域
本发明涉及能源利用技术领域,更具体地涉及一种基于综合能源需求的***能效优化方法及装置。
背景技术
随着能源技术的发展,传统电力需求响应技术的局限性逐渐展现出来。一方面,负荷的时移不仅会在一定程度上降低用户的舒适度,还会影响用户的产值、用户满意度,且受用户意愿影响较大;另一方面,随着综合能源技术和工程建设的加速推进,能源多样化趋势凸显,综合能源***“多能互补” 特性可以实现电力和其它能源之间的转换,***整体对外的可调特性更加明显。
综合能源需求响应应运而生,作为传统电力需求响应的延伸,综合能源需求响应不仅具有电力需求响应的特点,同时还使得用户在***可靠性受威胁时或电价高峰期改革供能方式,大幅扩展电力可调负荷资源库范围,是传统电力需求侧管理和需求响应技术的有益补充。因此研究综合能源需求响应终端与多能源应用***响应优化具有重要的理论和实践价值。
发明内容
鉴于上述问题,本发明提供了基于综合能源需求的***能效优化方法及装置。
根据本发明的第一个方面,提供了一种基于综合能源需求的***能效优化方法,包括:响应于接收到的目标综合能源需求,根据综合能源需求参数、目标***的运行参数和目标***的环境损耗参数,构建目标***的能效优化函数;基于能源供给与能源消耗的平衡关系和用于传输能源的设备运行需求,构建用于优化目标***的能效的约束条件;基于能效优化函数和约束条件,利用目标算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理,得到满足目标综合能源需求的目标***的设备参数。
根据本发明的实施例,综合能源需求参数包括终端实际负荷参数、终端负荷的调整参数和终端预估负荷参数。根据综合能源需求参数、目标***的运行参数和目标***的环境损耗参数,构建目标***的能效优化函数,包括:根据终端预估负荷参数和终端实际负荷参数,构建用于表征能源使用状况的第一函数;根据终端负荷的调整参数、目标***的运行参数和目标***的环境损耗参数,构建用于表征能源转化状况的第二函数。
根据本发明的实施例,目标***的运行参数包括运行时长参数、运行能耗系数、设备数量参数、设备运行效率参数、设备运行状态参数、设备运行能耗参数和设备运行功率参数。根据终端负荷的调整参数、目标***的运行参数和目标***的环境损耗参数,构建用于表征能源转化状况的第二函数,包括:根据运行时长参数、运行能耗系数、设备数量参数、设备运行效率参数和设备运行能耗参数,构建用于表征能源损耗的第一子函数;根据设备运行效率参数,构建用于表征设备运行损耗的第二子函数;根据终端负荷的调整参数,构建用于表征需求响应补贴的第三子函数;根据设备数量参数、设备运行状态参数和设备运行功率参数,构建用于表征设备折旧损耗的第四子函数;根据目标***的环境损耗参数,构建用于表征目标***的污染物排放处理过程中的环境资源损耗的第五子函数。
根据本发明的实施例,终端负荷的调整参数包括可转移负荷参数、可调整负荷参数和可削减负荷参数。根据终端负荷的调整参数,构建用于表征需求响应补贴的第三子函数,包括:根据可转移负荷参数、可调整负荷参数和可削减负荷参数,构建第三子函数。
根据本发明的实施例,环境损耗参数包括污染物种类参数、污染物排放系数和与污染物种类参数对应的治理资源损耗参数。根据目标***的环境损耗参数,构建用于表征目标***的污染物排放处理过程中的环境资源损耗的第五子函数,包括:根据污染物种类参数、污染物排放系数和与污染物种类参数对应的治理资源损耗参数,构建第五子函数。
根据本发明的实施例,基于能源供给与能源消耗的平衡关系和用于传输能源的设备运行需求,构建用于优化目标***的能效的约束条件,包括:基于能源攻击与能源消耗的平衡关系,根据终端预估负荷参数、终端实际负荷参数和目标***的设备运行能耗参数,构建第一约束条件;基于传输能源的设备运行需求,根据设备运行状态参数和设备运行功率参数,构建第二约束条件。
根据本发明的实施例,基于能效优化函数和约束条件,利用目标算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理,得到满足目标综合能源需求的目标***的设备参数,包括:基于能效优化函数和约束条件,利用目标算法,以目标***中的多个设备的运行参数为种群个体,构建初始种群;根据预定适应度函数,对初始种群中的种群个体进行处理,得到与多个种群个体对应的多个适应度;基于多个适应度,从初始种群中确定目标种群个体;基于预定遗传概率,对目标种群个体执行遗传操作,生成子代种群;在确定子代种群的适应度与初始种群的适应度满足预定条件的情况下,对子代种群执行退火操作,得到目标***的设备参数。
根据本发明的实施例,基于预定遗传概率,对目标种群个体执行遗传操作,生成子代种群,包括:基于预定交叉概率,对目标种群个体执行交叉操作,得到交叉子代种群;基于预定变异概率,对交叉子代种群进行变异操作,得到子代种群。
根据本发明的实施例,与子代种群对应的邻域包括I个,I为大于1的整数;对子代种群执行退火操作,得到目标***的设备参数,包括:利用邻域算子对子代种群对应的第i邻域中的种群个体进行处理,得到与第i邻域中的种群个体对应的用于表征能源使用状况的第一函数值和用于表征能源转化状况的第二函数值;在确定当前迭代轮次未满足迭代终止条件的情况下,返回执行针对第i邻域的处理操作,并递增i; 在确定当前迭代轮次满足迭代终止条件的情况下,将最大的第一函数值与最小第二函数值对应的邻域中的种群个体中的属性参数确定为目标***的设备参数。
本发明的第二方面提供了一种基于综合能源需求的***能效优化装置,包括:第一构建模块、第二构建模块和处理模块。第一构建模块,用于响应于接收到的目标综合能源需求,根据综合能源需求参数、目标***的运行参数和目标***的环境损耗参数,构建目标***的能效优化函数。第二构建模块,用于基于能源供给与能源消耗的平衡关系和用于传输能源的设备运行需求,构建用于优化目标***的能效的约束条件。处理模块,用于基于能效优化函数和约束条件,利用目标算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理,得到满足目标综合能源需求的目标***的设备参数。
根据本发明的实施例,第一构建模块包括第一构建子模块和第二构建子模块。第一构建子模块,用于根据终端预估负荷参数和终端实际负荷参数,构建用于表征能源使用状况的第一函数。第二构建子模块,用于根据终端负荷的调整参数、目标***的运行参数和目标***的环境损耗参数,构建用于表征能源转化状况的第二函数。
根据本发明的实施例,第二构建子模块包括第一构建单元、第二构建单元、第三构建单元、第四构建单元和第五构建单元。第一构建单元,用于根据运行时长参数、运行能耗系数、设备数量参数、设备运行效率参数和设备运行能耗参数,构建用于表征能源损耗的第一子函数。第二构建单元,用于根据设备运行效率参数,构建用于表征设备运行损耗的第二子函数。第三构建单元,用于根据终端负荷的调整参数,构建用于表征需求响应补贴的第三子函数。第四构建单元,用于根据设备数量参数、设备运行状态参数和设备运行功率参数,构建用于表征设备折旧损耗的第四子函数。第五构建单元,用于根据目标***的环境损耗参数,构建用于表征目标***的污染物排放处理过程中的环境资源损耗的第五子函数。
根据本发明的实施例,第三构建单元包括第一构建子单元,用于根据可转移负荷参数、可调整负荷参数和可削减负荷参数,构建第三子函数。
根据本发明的实施例,第五构建单元包括第二构建子单元,用于根据污染物种类参数、污染物排放系数和与污染物种类参数对应的治理资源损耗参数,构建第五子函数。
根据本发明的实施例,第二构建模块包括第三构建子模块和第四构建子模块。第三构建子模块,用于基于能源攻击与能源消耗的平衡关系,根据终端预估负荷参数、终端实际负荷参数和目标***的设备运行能耗参数,构建第一约束条件。第四构建子模块,用于基于传输能源的设备运行需求,根据设备运行状态参数和设备运行功率参数,构建第二约束条件。
根据本发明的实施例,处理模块包括第五构建子模块、处理子模块、确定子模块、生成子模块、获得子模块。第五构建子模块,用于基于能效优化函数和约束条件,利用目标算法,以目标***中的多个设备的运行参数为种群个体,构建初始种群。处理子模块,用于根据预定适应度函数,对初始种群中的种群个体进行处理,得到与多个种群个体对应的多个适应度。确定子模块,用于基于多个适应度,从初始种群中确定目标种群个体。生成子模块,用于基于预定遗传概率,对目标种群个体执行遗传操作,生成子代种群。获得子模块,用于在确定子代种群的适应度与初始种群的适应度满足预定条件的情况下,对子代种群执行退火操作,得到目标***的设备参数。
根据本发明的实施例,生成子模块包括交叉单元和变异单元。交叉单元,用于基于预定交叉概率,对目标种群个体执行交叉操作,得到交叉子代种群。变异单元,用于基于预定变异概率,对交叉子代种群进行变异操作,得到子代种群。
根据本发明的实施例,获得子模块包括:第一处理单元、第二处理单元和确定单元。第一处理单元,用于利用邻域算子对子代种群对应的第i邻域中的种群个体进行处理,得到与第i邻域中的种群个体对应的用于表征能源使用状况的第一函数值和用于表征能源转化状况的第二函数值。第二处理单元,用于在确定当前迭代轮次未满足迭代终止条件的情况下,返回执行针对第i邻域的处理操作,并递增i。确定单元,用于在确定当前迭代轮次满足迭代终止条件的情况下,将最大的第一函数值与最小第二函数值对应的邻域中的种群个体中的属性参数确定为目标***的设备参数。
本发明的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述基于综合能源需求的***能效优化方法。
本发明的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述基于综合能源需求的***能效优化方法。
根据本发明的实施例,由于目标***的能效优化函数是基于综合能源需求参数、目标***的运行参数和目标***的环境损耗参数构建的,因此,实现了基于需求侧的能源实际需求对能源***的能效优化,在满足目标综合能源需求的情况下,达到了提高***能效、降低***资源损耗的技术效果。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示出了根据本发明实施例的基于综合能源需求的***能效优化方法及装置的应用场景图;
图2示出了根据本发明实施例的基于综合能源需求的***能效优化方法的流程图;
图3示出了根据本发明实施例的利用目标算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理的流程图;
图4A示出了根据本发明实施例的利用遗传算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理的结果示意图;
图4B示出了根据本发明实施例的利用模拟退火算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理的结果示意图;
图4C示出了根据本发明实施例的利用遗传模拟退火算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理的结果示意图;
图5示出了根据本发明实施例的基于综合能源需求的***能效优化装置的结构框图;以及
图6示出了根据本发明实施例的适于实现基于综合能源需求的***能效优化方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本发明的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本发明实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。
综合能源***是近年来的研究热点,电气冷热等多能资源的优化运行研究成果***。随着新型电力***构建的加速推进,能源保供、需求响应技术研究的紧迫性日益凸显,但鲜有关于综合能源需求响应的***性研究。
随着智慧城市建设,通过信息通信和物联网技术提高电网用电效率成为能源综合利用管理的重要支撑手段。与综合能源需求响应相关的技术的研究进展如下:
1、通过建立控制中心,研制多能源综合利用***的设备模型和负荷预测模型,对多能源综合利用***的可调度性、可靠性、特别是***的完善性进行模拟研究,从电压的稳定性、负荷流、电能质量、频率变化、故障电流的变化、***的安全、稳定性等方面研究分布式能源***和储能设备对电网的影响。2、模块化的多能源集成住宅热水***,具有灵活满足不同需求的快装式模块,配备的标准接口可以方便地与空气源热泵、太阳能集热器连接。3、将可在生能源,例如:太阳能与其他供能形式结合实现综合能源的利用。例如:分体式空气源热泵,不仅具备常规空气源热泵的功能,还具备与其他热源装置(如太阳能集热器和燃气锅炉等)联动的物理接口和逻辑接口。 4、用小型燃气轮机来补偿新能源发电的出力波动减少昂贵的储能的投资,达到了多能源综合利用目的。
目标,在分布式冷热电联供***集成与设计、燃气轮机和余热利用装置等关键技术及设备研发、***运行与控制等方面展开了深入研究。例如:以微型燃气轮机为核心,结合直燃型吸收式溴化锂制冷机、余热锅炉,正在建设示范型“能源岛”,用于分布式能源***的研究。以微型燃气轮机为核心,正在建立了以酒店为应用对象的分布式能源***。
针对多能源优化配置的问题,以***投资最低(设备费用、运行维护费用、设备重置费用)为目标,以光伏电池数量、风机安装台数、风机塔架高度等为优化变量,以供电可靠性、风机塔架高度的上限和下限、能量过剩倍率为约束条件,针对风—光—储独立供电***的电源进行了优化配置。
针对能量综合管理***的研究,以短期功率预测和超短期功率预测为基础,综合考虑各微源的出力特性及负荷运行特性,建立了适用于独立电网的能量优化模型。模型以运行成本最低为目标函数,从日前和日内2个时间尺度研究了复合***的能量优化协调控制策略。
针对包括风力发电—柴油机发电—储能—海水淡化的独立微网***,开展了基于超短期的功率预测的能量管理方法研究,提出了基于超短期风速预测的能量管理策略。
但是,发明人在实现本发明构思的过程中发现:终端用户与应用***的信息数据交互精确度较低,且通信可靠性不高。目前已有的多能源综合利用技术功能较为单一,如何实现区域多能源信息融合管理,针对不同能源调控需求进行能源综合利用的决策,提高能源利用效率尚需深入研究,实现能源综合优化利用的关键装备研制尚未成熟。
有鉴于此,本发明实施例提供一种基于综合能源需求的***能效优化方法,建立需求侧综合能源***运行优化模型,将综合能效及资源损耗作为优化目标,通过对模型构成进行分析,明确优化模型的特点及求解特征。对于优化目标的选取,可以从***资源友好角度、***环境友好角度、***整体能效角度出发,以实现综合能源***的能效最大化和资源损耗最小化。
在本发明的技术方案中,所涉及的用户信息(包括但不限于用户个人信息、用户图像信息、用户设备信息,例如位置信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理,均遵守相关国家和地区的相关法律法规和标准,采取了必要保密措施,不违背公序良俗,并提供有相应的操作入口,供用户选择授权或者拒绝。
图1示出了根据本发明实施例的基于综合能源需求的***能效优化方法及装置的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括电网侧负荷管理***主站101、综合能源需求响应终端设备102和综合能源***103。
本发明提供的基于综合能源需求的***能效优化方法可以由综合能源需求响应终端设备102执行。综合能源需求响应终端设备102从电网侧负荷管理***主站101获取目标综合能源需求,基于目标综合能源需求,执行本发明实施例提供的基于综合能源需求的***能效优化方法,得到满足目标综合能源需求的综合能源***的设备参数,并以综合能源***的设备参数生成响应指令,发送至综合能源***103,以便综合能源***103中的设备控制模块1031控制相应的设备将设备参数调节至响应指令中的设备参数。同时,综合能源***103也可以将调节设备参数之后的***运行状态以反馈信息的形式发送至综合能源需求响应终端设备102,以实现综合能源***与电网侧综合能源需求的互动。
根据本发明的实施例,综合能源需求响应终端设备102可以包括存储模块1021、处理模块1022和响应模块1023。
根据本发明的实施例,存储模块1021用于存储执行本发明提供的基于综合能源需求的***能效优化方法所需的应用程序,保证程序稳定存储于综合能源需求响应终端设备102,以便及时根据综合能源需求调用相关的应用程序。
根据本发明的实施例,处理模块1022用于执行存储模块1021中的应用程序,以执行本发明提供的基于综合能源需求的***能效优化方法。
根据本发明的实施例,响应模块1023可以包括响应控制子模块1023_1和反馈模块1023_2。响应控制子模块1023_1用于将处理模块1022得到的满足目标综合能源需求的综合能源***的设备参数,响应指令的形式发送至综合能源***103。反馈模块1023_2用于接收综合能源***103在调节设备参数之后的***运行状态信息。
应该理解,图1中的电网侧负荷管理***主站、综合能源需求响应终端设备、综合能源管理***的数目仅仅是示意性的。根据实现需要,可以具有任意数目的电网侧负荷管理***主站、综合能源需求响应终端设备、综合能源管理***。
以下将基于图1描述的场景,通过图2~图3对本发明实施例的基于综合能源需求的***能效优化方法进行详细描述。
图2示出了根据本发明实施例的基于综合能源需求的***能效优化方法的流程图。
如图2所示,该实施例200的基于综合能源需求的***能效优化方法包括操作S210~操作S230。
在操作S210,响应于接收到的目标综合能源需求,根据综合能源需求参数、目标***的运行参数和目标***的环境损耗参数,构建目标***的能效优化函数。
在操作S220,基于能源供给与能源消耗的平衡关系和用于传输能源的设备运行需求,构建用于优化目标***的能效的约束条件。
在操作S230,基于能效优化函数和约束条件,利用目标算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理,得到满足目标综合能源需求的目标***的设备参数。
根据本发明的实施例,目标***可以是综合能源***。目标综合能源需求可以包括从外部能源网络获取的用户已购置的能源总量和负荷总量。能源总量可以包括电能总量和天然气总量。负荷总量可以包括电负荷量和热负荷量。
根据本发明的实施例,综合能源需求参数可以包括终端实际负荷参数、终端负荷的调整参数和终端预估负荷参数。
根据本发明的实施例,目标***的运行参数可以包括:运行时长参数、运行能耗系数、设备数量参数、设备运行效率参数、设备运行状态参数、设备运行能耗参数和设备运行功率参数。
根据本发明的实施例,目标***的环境损耗参数可以包括污染物种类参数、污染物排放系数和与污染物种类参数对应的治理资源损耗参数。
根据本发明的实施例,目标***的能效优化函数可以包括目标***的能效最大化函数和目标***的资源损耗最小化函数。目标***的能效可以表征目标***的能源转化效率,该能源转化效率可以是基于用户侧的能源负荷、购置能源总量以及相关能源的能质系数确定的。
根据本发明的实施例,资源损耗可以包括输入能源损耗、设备运行损耗、需求响应补贴损耗、设备折旧损耗和环境污染损耗。
根据本发明的实施例,能源供给与能源消耗的平衡关系可以包括综合能源***的电能的供给与消耗的平衡关系和热能的供给与消耗的平衡关系。
根据本发明的实施例,用于传输能源的设备运行需求可以表征能源传输过程中,综合能源***中的所有设备必须满足的运行稳定性的设备运行参数的限定范围。
根据本发明的实施例,可以基于能效优化函数和约束条件得到包括综合能效最大化、资源损耗最小化的多目标待优化函数,将该多目标待优化函数和约束条件作为满足目标综合能源需求的待优化问题。利用目标算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理,得到满足目标综合能源需求的目标***的设备参数。
根据本发明的实施例,目标算法可以包括:遗传算法、模拟退火算法或遗传模拟退火算法。
根据本发明的实施例,由于目标***的能效优化函数是基于综合能源需求参数、目标***的运行参数和目标***的环境损耗参数构建的,因此,实现了基于需求侧的综合能源实际需求对综合能源***的能效优化,在满足目标综合能源需求的情况下,达到了提高***能效、降低***资源损耗的技术效果。
根据本发明的实施例,根据综合能源需求参数、目标***的运行参数和目标***的环境损耗参数,构建目标***的能效优化函数,可以包括如下操作:根据终端预估负荷参数和终端实际负荷参数,构建用于表征能源使用状况的第一函数;根据终端负荷的调整参数、目标***的运行参数和目标***的环境损耗参数,构建用于表征能源转化状况的第二函数。
根据本发明的实施例,终端预估负荷参数可以表征用户侧已预先购置的能源总量,例如:可以包括电能总量We和天然气总量Wg。
根据本发明的实施例,终端实际负荷参数可以表征用户侧的能源负荷总量,例如:可以包括电负荷总量Le和热负荷总量Lh。
根据本发明的实施例,第一函数可以如式(1)所示:
(1)
其中,We表示用户侧已预先购置的电能总量;Wg表示用户侧已预先购置的天然气总量;Le表示用户侧的电负荷总量;Lh表示用户侧的热负荷总量;λh表示热负荷与天然气的能质系数;λg表示电负荷与电能的能质系数。
根据本发明的实施例,电负荷与电能的能质系数可以根据综合能源***运行时天然气完全燃烧时的燃烧温度和***运行时的环境温度确定。例如:可以按照公式(2)计算电负荷与电能的能质系数:
(2)
其中,T0表示***运行时的环境温度;T表示综合能源***运行时天然气完全燃烧时的燃烧温度;
根据本发明的实施例,热负荷与天然气的能质系数可以根据***运行时的环境温度和用户侧的供热温度确定。例如:可以按照公式(3)计算热负荷与天然气的能质系数:
(3)
其中,T0表示***运行时的环境温度;T h 表示用户侧的供热温度。
根据本发明的实施例,第二函数可以表征综合能源***的资源损耗。由于资源损耗可以包括输入能源损耗、设备运行损耗、需求响应补贴损耗、设备折旧损耗和环境污染损耗,因此,可以利用终端负荷的调整参数构建需求响应补贴损耗函数;利用目标***的运行参数构建输入能源损耗函数、设备运行损耗函数和设备折旧损耗函数;利用目标***的环境损耗参数构建环境污染损耗。
根据本发明的实施例,第二函数可以如式(4)所示:
(4)
其中,C表示第二函数;C1表示输入能源损耗函数;C2表示设备运行损耗函数;C3表示需求响应补贴函数;C4表示设备折旧损耗函数;C5表示环境污染损耗函数。
根据本发明的实施例,从综合管理***的能效最大化和资源消耗最小化的角度构建能效优化函数,可以及时根据目标综合能源需求调整设备参数,以达到在满足用户侧综合能源需求的同时,提高综合能源***的能效,降低综合能源***的资源损耗。
根据本发明的实施例,根据运行时长参数、运行能耗系数、设备数量参数、设备运行效率参数和设备运行能耗参数,构建用于表征能源损耗的第一子函数。第一子函数可以表征输入能源损耗函数。
例如:可以按照式(4-1)构建第一子函数:
(4-1)
其中,cg(t)表示时段内的电能的能耗值,ce(t)表示t时段内天然气的能耗值;T表示综合能源***运行的总时长,N表示综合能源***中设备的总数量,ηi表示第个设备的运行效率,gn表示单位时间内第i个设备在运行阶段的天然气使用量,We(t)表示t时段内的电能使用量。
根据本发明的实施例,根据设备运行效率参数,构建用于表征设备运行损耗的第二子函数。第二子函数可以表征设备运行损耗函数。
例如:可以按照式(4-2)构建第二子函数:
(4-2)
其中,cr,i为第个设备的单位运行损耗,P i (t)为第i个设备在t时段内的出力功率。
根据本发明的实施例,根据终端负荷的调整参数,构建用于表征需求响应补贴的第三子函数。第三子函数可以表征需求响应补贴函数。
根据本发明的实施例,终端负荷的调整参数包括可转移负荷参数、可调整负荷参数和可削减负荷参数。
例如:可以按照式(4-3)构建第三子函数:
(4-3)
其中,c TL 表示可转移负荷的单位补偿参数;c RL 表示可削减负荷的单位补偿单数;c AL 表示可调节热负荷的单位补偿参数;E TL (t)表示t时段内可转移负荷的实际转移总量、E RL (t)表示t时段内可削减负荷的实际削减总量、H AL (t)表示t时段内可调节热负荷的实际改变总量。
根据本发明的实施例,根据设备数量参数、设备运行状态参数和设备运行功率参数,构建用于表征设备折旧损耗的第四子函数。第四子函数可以表征设备折旧损耗函数。
例如:可以按照式(4-4)构建第四子函数:
(4-4)
其中,cinv,i表示第i个设备的满额使用损耗,λr表示设备回收系数,Pm,i表示第i个设备的额定功率,tm,i表示第i个设备的最大可使用时长,Pi(t)表示第i个设备在t时段内的出力功率。
根据本发明的实施例,根据目标***的环境损耗参数,构建用于表征目标***的污染物排放处理过程中的环境资源损耗的第五子函数。第五子函数可以表征环境污染损耗函数。
根据本发明的实施例,环境损耗参数包括污染物种类参数、污染物排放系数和与污染物种类参数对应的治理资源损耗参数;根据目标***的环境损耗参数。
例如:可以按照式(4-5)构建第五子函数:
(4-5)
其中,cp表示第p种污染物的治理损耗,P表示污染物的种类总数,ηr表示污染物的排放系数,Pi(t)表示第i个设备在t时段内的出力功率。
根据本发明的实施例,将需求响应补贴损耗和环境污染损耗加入综合能源***的资源损耗函数中,可以适应于当前用户侧的能源梯度需求的响应场景,以便于在能源使用高峰阶段及时响应于综合能源需求变换、综合能源需求补贴变化等变动因素,调整综合能源***的设备参数,满足用户侧的综合能源需求。
根据本发明的实施例,在综合能源***能效优化过程中,能源供给与能源消耗的平衡以及能源传输过程中的设备稳定性是确保综合能源***正常运行的关键。因此,可以基于能源供给与能源消耗的平衡以及能源传输过程中的设备稳定性的运行需求构建约束条件。
例如:基于能源攻击与能源消耗的平衡关系,根据终端预估负荷参数、终端实际负荷参数和目标***的设备运行能耗参数,构建第一约束条件。第一约束条件可以如式(5)所示:
(5)
其中,Wel(t)表示t时段内用户侧的电负荷需求,Wed(t)表示t时段内综合能源***电驱动设备的耗电量,Whl(t)表示t时段内用户侧的热负荷需求,Whd(t)表示t时段内综合能源***热驱动设备的耗热量。
根据本发明的实施例,基于传输能源的设备运行需求,根据设备运行状态参数和设备运行功率参数,构建第二约束条件。第二约束条件可以如式(6)所示:
(6)
其中,Pmin表示综合能源***设备出力功率的下限;Pmax表示综合能源***设备出力功率的上限,△Pmin表示综合能源***设备爬坡速率的下限;与△Pmax表示综合能源***设备爬坡速率的上限,θ(t)为设备的启动或停止状态,θ(t)=1表示设备开启,θ(t)=0表示设备停止。
图3示出了根据本发明实施例的利用目标算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理的流程图。
如图3所示,在对多个设备的运行参数进行处理的流程300中可以包括操作S3301~S3313。
在操作S3301,种群初始化。
根据本发明的实施例,可以基于能效优化函数和约束条件,利用目标算法,以目标***中的多个设备的运行参数为种群个体,构建初始种群。
在操作S3302,计算适应度值。
根据本发明的实施例,可以根据预定适应度函数,对初始种群中的种群个体进行处理,得到与多个种群个体对应的多个适应度。
根据本发明的实施例,基于多个适应度,从初始种群中确定目标种群个体。例如:将适应度大于适应度阈值的种群个体作为目标种群个体。
根据本发明的实施例,适应度值可以采用式(7)进行自适应调整:
(7)
其中,T’为当前进化代数的倒数,gen为设定总迭代次数。
在操作S3303,选择、交叉、变异。
根据本发明的实施例,基于预定遗传概率,对目标种群个体执行遗传操作,生成子代种群。其中,预定遗传概率可以包括预定交叉概率Pcr和预定变异概率Pmu。
根据本发明的实施例,可以根据预定交叉概率Pcr选中两条亲代染色体进行交叉操作产生子代染色体。利用修复算子对交叉过程的缺失点进行修复,旨在解决缺失和重复问题。修复算子的实质其实就是一个比较和筛选过程。利用交叉算子作用于成对个体,以一定概率进行染色体基因交换,来产生具有新性能的个体。需要注意,较大的交叉概率可以使搜索空间的范围变大,但是同样也会增大被破坏的概率;较小的交叉概率会让搜索状态陷入迟钝状态,一般的预定交叉概率取值范围为0.25~1.00。
根据本发明的实施例,根据预定变异概率Pmu选中交叉处理过的子代染色体进行变异操作,产生变异子代染色体。借助变异算子,把选中的个体的一部分基因以一定概率改编成其他等位基因。需要注意,变异概率在算法中属于辅助性搜索操作,引入该参数是为了保持群体多样性。变异概率可以有效防止重要基因的丢失,但是过高的变异频率也会使算法紊乱,一般预定变异概率的取值范围为0.001~0.1。
在操作S3304,确定适应度是否处于连续下降的状态。若是,则执行操作S3305;若不是,则返回执行操作S3303,以更新种群。
根据本发明的实施例,判断种群最优解的适应度值是否处于连续下降状态,若出现上述状态,则输出当前最优解S并执行操作S3305,进行退火操作。否则操作S3303继续进行交叉、变异操作。只有对已经处于连续下降状态的适应度进行退火操作,才有具体意义,说明第一阶段遗传算法的操作起到了作用,找到了解下降最快的方向,因此需要继续沿着这个方向来进行退火操作从而得到最优解,退火思想的引入可以允许少量适应度高的亲代与子代共同竞争,加快进化与求解速度,同时还可以保证种群进化效率和算法求解速度及精度。
在操作S3305,进行退火操作。
在操作S3306,对当前解进行小幅扰动,生成待操作解。
根据本发明的实施例,当前温度设为Tp=T1,并将此温度下的迭代次数Lp设为0,将操作S3304中得到的最优解S设置为当前解Sn。由于全局优化问题需要采用局部与全局相结合的搜索方式,前者保证搜索精度,后者保证避免陷入局部最优,足够大的初值T1可以使算法收敛,遍历搜索空间中的所有可行解,过大或者过小都无法实现全局最优。
在操作S3307,确定新解是否为当前最优解。若是,则执行操作S3308;若不是,则执行操作S3309。
在操作S3308,接受新解。
在操作S3309,根据退火规则接受新解。
根据本发明的实施例,若Tp>Tend则继续进行退火操作;否则结束算法并输出当前解为最优解。终止温度Tend通常是0,但会消耗许多模拟时间。温度趋近于0,其周围状态几乎一样。所以寻找一个低到可接受的温度即可。
在操作S3310,确定是否达到迭代次数。若是,则执行操作S3311;若不是,则返回执行操作S3306。
根据本发明的实施例,若Lp>L,则Lp=Lp+1,并转到步骤S3305,否则令Lp=0,Lp=TpxRT,并转到操作S3311。即,若达到最大迭代次数(步长),则结束算法并输出最优解及最终步长;否则继续进行退火操作。步长L掌控算法寻优的充分程度和精度,要根据实际情况和具体问题进行调整;冷却速率RT一般取值为0.5~0.99,该参数决定了降温过程的速度,该参数越大,降温过程越慢,这也就间接影响了迭代次数的增加,可以增加全局寻优的概率。相邻两代的参数关系为Ti+1=RTTi,RT为冷却速率;若在搜索过程中Ti已经达到了热平衡,则Ti+1仅需少量的状态变换就可以达到界稳平衡状态,减少内层循环。
在操作S3311,确定是否符合输出条件,若是,则执行操作S3312;若不是,则执行操作S3313。
在操作S3312,输出结果。
在操作S3313,缓慢降低温度并重置迭代次数,并返回执行退火操作。
根据本发明的实施例,利用邻域算子生成邻域解,并判断邻域解是否优于当前解Sn,满足的话则有当前解代替邻域解,否则用较优值替代次优值,并不断重复操作。需要事先定义,E()为模拟退火操作的目标函数值,依照Metropolis准则,若△E<0,则接受新解并把它作为当前解,否则按照接受概率函数/>判断是否接受新解。
根据本发明的实施例,可以通过判断当前迭代次数或最优解是否满足输出条件,确定最终的输出结果。得到的输出结果就是满足目标综合能源需求,且综合能源***的能效最大、资源损耗最小的多个设备的参数。
根据本发明的实施例,在执行本发明提供的***能效优化方法时,可以将前文描述的公式(1)、(2)、(3)、(4)、(4-1)、(4-2)、(4-3)、(4-4)和(4-5)组成多目标优化数学模型,基于公式(5)和(6)的约束条件,执行遗传退火算法进行计算。
根据本发明的实施例,用于执行本发明提供的***能效优化方法的硬件环境如下:Windows10操作***,CPU为Intel Core i7-9750H(2.6GHz/L3 12M),内存为8GB,运用MATLAB2021b环境进行编程。
根据本发明的实施例,在执行本发明实施例的方法时,可以预先设定以下参数:最大迭代次数L为500次,种群规模Np为200、代沟GAPG为0.7、变异概率Pmu为0.05、交叉概率Pcr为0.8、冷却速率RT为0.98、初始温度T0为100、终止温度Tend为0。
根据本发明的实施例,多目标优化数学模型的模型参数如下:
T0为25℃,T1为1500℃,Th为30℃。λh、λg分别为0.17与0.93,电负荷与电能的能质系数均为1。cg(t)、ce(t)均为随机数,取值范围分别为[2.5J,3.7J]与[2.3J,6.8J];T为20h,N为10;ηi为随机数,取值范围为[0.7,0.8];gn为随机数,取值范围为[1.2,1.4];We(t)设置为120 kWh(均量)。cr,i为随机数,取值范围为[5,7];Pi(t)为随机数,取值范围为[1kW,3.5kW]。cTL、cRL、cAL分别为3、2与4,ETL(t)、ERL(t)、HAL(t)分别为13kWh、12kWh、14kWh(均量)。cinv,i为随机数,取值范围为[6J,8J];λr为0.8,为随机数,取值范围为[2kW,5kW],tm,i为43800h(5年)。cp取值为{5,4,8,6 },P为4,ηr为0.7。Pmin与Pmax分别为1kW与3.5kW,△Pmin与△Pmax分别为75W与300W。
为了进一步展示本发明实施例的算法执行效果,以下结合图4A~图4C进行详细说明。
图4A示出了根据本发明实施例的利用遗传算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理的结果示意图。
如图4A所示,基于遗传算法处理的过程中,算法运行时长为476.2s,最终得到的资源损耗为4256.83X104J,迭代到最优解所需要的迭代次数为259代。
图4B示出了根据本发明实施例的利用模拟退火算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理的结果示意图。
如图4B所示,基于模拟算法处理的过程中,算法运行时长为460.8s,最终得到的资源损耗为4287.54X104J,迭代到最优解所需要的迭代次数为278代。
图4C示出了根据本发明实施例的利用遗传模拟退火算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理的结果示意图。
如图4C所示,基于遗传模拟算法处理的过程中,算法运行时长为425.6s,最终得到的资源损耗为4243.54X044J,迭代到最优解所需要的迭代次数为235代。
根据本发明的实施例,基于相同的模型参数,分别将遗传算法、模拟退火算法和遗传模拟退火算法执行多次,得到的对比结果如表1和表2所示:
根据本发明的实施例,从表1可以看出,基于遗传模拟退火算法得到的平均资源损耗相对于其他算法得到的平均资源损耗更低,说明利用遗传模拟退火算法对本发明构建的能效优化函数进行求解,得到的设备运行参数能够有效降低综合能源***的资源损耗。
根据本发明的实施例,从表2可以看出,基于遗传模拟退火算法得到的平均资源损耗相对于其他算法得到的平均资源损耗更高,说明利用遗传模拟退火算法对本发明构建的能效优化函数进行求解,得到的设备运行参数能够有效提高综合能源***的能效。
基于上述基于综合能源的***能效优化方法,本发明还提供了一种基于综合能源需求的***能效优化装置。以下将结合图5对该装置进行详细描述。
图5示出了根据本发明实施例的基于综合能源需求的***能效优化装置的结构框图。
如图5所示,该实施例的基于综合能源需求的***能效优化装置500包括第一构建模块510、第二构建模块520和处理模块530。
第一构建模块510用于响应于接收到的目标综合能源需求,根据综合能源需求参数、目标***的运行参数和目标***的环境损耗参数,构建目标***的能效优化函数。在一实施例中,第一构建模块510可以用于执行前文描述的操作S210,在此不再赘述。
第二构建模块520用于基于能源供给与能源消耗的平衡关系和用于传输能源的设备运行需求,构建用于优化目标***的能效的约束条件。在一实施例中,第二构建模块520可以用于执行前文描述的操作S220,在此不再赘述。
处理模块530用于基于能效优化函数和约束条件,利用目标算法,以目标***中的多个设备的运行参数为种群个体,对多个设备的运行参数进行处理,得到满足目标综合能源需求的目标***的设备参数。在一实施例中,处理模块530可以用于执行前文描述的操作S230,在此不再赘述。
根据本发明的实施例,第一构建模块包括第一构建子模块和第二构建子模块。第一构建子模块,用于根据终端预估负荷参数和终端实际负荷参数,构建用于表征能源使用状况的第一函数。第二构建子模块,用于根据终端负荷的调整参数、目标***的运行参数和目标***的环境损耗参数,构建用于表征能源转化状况的第二函数。
根据本发明的实施例,第二构建子模块包括第一构建单元、第二构建单元、第三构建单元、第四构建单元和第五构建单元。第一构建单元,用于根据运行时长参数、运行能耗系数、设备数量参数、设备运行效率参数和设备运行能耗参数,构建用于表征能源损耗的第一子函数。第二构建单元,用于根据设备运行效率参数,构建用于表征设备运行损耗的第二子函数。第三构建单元,用于根据终端负荷的调整参数,构建用于表征需求响应补贴的第三子函数。第四构建单元,用于根据设备数量参数、设备运行状态参数和设备运行功率参数,构建用于表征设备折旧损耗的第四子函数。第五构建单元,用于根据目标***的环境损耗参数,构建用于表征目标***的污染物排放处理过程中的环境资源损耗的第五子函数。
根据本发明的实施例,第三构建单元包括第一构建子单元,用于根据可转移负荷参数、可调整负荷参数和可削减负荷参数,构建第三子函数。
根据本发明的实施例,第五构建单元包括第二构建子单元,用于根据污染物种类参数、污染物排放系数和与污染物种类参数对应的治理资源损耗参数,构建第五子函数。
根据本发明的实施例,第二构建模块包括第三构建子模块和第四构建子模块。第三构建子模块,用于基于能源攻击与能源消耗的平衡关系,根据终端预估负荷参数、终端实际负荷参数和目标***的设备运行能耗参数,构建第一约束条件。第四构建子模块,用于基于传输能源的设备运行需求,根据设备运行状态参数和设备运行功率参数,构建第二约束条件。
根据本发明的实施例,处理模块包括第五构建子模块、处理子模块、确定子模块、生成子模块、获得子模块。第五构建子模块,用于基于能效优化函数和约束条件,利用目标算法,以目标***中的多个设备的运行参数为种群个体,构建初始种群。处理子模块,用于根据预定适应度函数,对初始种群中的种群个体进行处理,得到与多个种群个体对应的多个适应度。确定子模块,用于基于多个适应度,从初始种群中确定目标种群个体。生成子模块,用于基于预定遗传概率,对目标种群个体执行遗传操作,生成子代种群。获得子模块,用于在确定子代种群的适应度与初始种群的适应度满足预定条件的情况下,对子代种群执行退火操作,得到目标***的设备参数。
根据本发明的实施例,生成子模块包括交叉单元和变异单元。交叉单元,用于基于预定交叉概率,对目标种群个体执行交叉操作,得到交叉子代种群。变异单元,用于基于预定变异概率,对交叉子代种群进行变异操作,得到子代种群。
根据本发明的实施例,获得子模块包括:第一处理单元、第二处理单元和确定单元。第一处理单元,用于利用邻域算子对子代种群对应的第i邻域中的种群个体进行处理,得到与第i邻域中的种群个体对应的用于表征能源使用状况的第一函数值和用于表征能源转化状况的第二函数值。第二处理单元,用于在确定当前迭代轮次未满足迭代终止条件的情况下,返回执行针对第i邻域的处理操作,并递增i。确定单元,用于在确定当前迭代轮次满足迭代终止条件的情况下,将最大的第一函数值与最小第二函数值对应的邻域中的种群个体中的属性参数确定为目标***的设备参数。
根据本发明的实施例,第一构建模块510、第二构建模块520和处理模块530中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施例,第一构建模块510、第二构建模块520和处理模块530中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一构建模块510、第二构建模块520和处理模块530中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图6示出了根据本发明实施例的适于实现基于综合能源需求的***能效优化方法的电子设备的方框图。
如图6所示,根据本发明实施例的电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有电子设备600操作所需的各种程序和数据。处理器 601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例,电子设备600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。电子设备600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/***中所包含的;也可以是单独存在,而未装配入该设备/装置/***中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本发明实施例的方法。
根据本发明的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。例如,根据本发明的实施例,计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
本发明的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机***中运行时,该程序代码用于使计算机***实现本发明实施例所提供的物品推荐方法。
在该计算机程序被处理器601执行时执行本发明实施例的***/装置中限定的上述功能。根据本发明的实施例,上文描述的***、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分609被下载和安装,和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本发明实施例的***中限定的上述功能。根据本发明的实施例,上文描述的***、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本发明的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本发明中。特别地,在不脱离本发明精神和教导的情况下,本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本发明的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本发明的范围由所附权利要求及其等同物限定。不脱离本发明的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本发明的范围之内。
Claims (12)
1.一种基于综合能源需求的***能效优化方法,其特征在于,包括:
响应于接收到的目标综合能源需求,根据所述综合能源需求参数、目标***的运行参数和所述目标***的环境损耗参数,构建所述目标***的能效优化函数;
基于能源供给与能源消耗的平衡关系和用于传输能源的设备运行需求,构建用于优化所述目标***的能效的约束条件;
基于所述能效优化函数和所述约束条件,利用目标算法,以所述目标***中的多个设备的运行参数为种群个体,对所述多个设备的运行参数进行处理,得到满足所述目标综合能源需求的所述目标***的设备参数。
2.根据权利要求1所述的方法,其特征在于,所述综合能源需求参数包括终端实际负荷参数、终端负荷的调整参数和终端预估负荷参数;所述根据所述综合能源需求参数、目标***的运行参数和所述目标***的环境损耗参数,构建所述目标***的能效优化函数,包括:
根据所述终端预估负荷参数和所述终端实际负荷参数,构建用于表征能源使用状况的第一函数;
根据所述终端负荷的调整参数、所述目标***的运行参数和所述目标***的环境损耗参数,构建用于表征能源转化状况的第二函数。
3.根据权利要求2所述的方法,其特征在于,所述目标***的运行参数包括运行时长参数、运行能耗系数、设备数量参数、设备运行效率参数、设备运行状态参数、设备运行能耗参数和设备运行功率参数;
所述根据所述终端负荷的调整参数、所述目标***的运行参数和所述目标***的环境损耗参数,构建用于表征能源转化状况的第二函数,包括:
根据所述运行时长参数、所述运行能耗系数、所述设备数量参数、所述设备运行效率参数和所述设备运行能耗参数,构建用于表征能源损耗的第一子函数;
根据所述设备运行效率参数,构建用于表征设备运行损耗的第二子函数;
根据所述终端负荷的调整参数,构建用于表征需求响应补贴的第三子函数;
根据所述设备数量参数、设备运行状态参数和所述设备运行功率参数,构建用于表征设备折旧损耗的第四子函数;
根据所述目标***的环境损耗参数,构建用于表征所述目标***的污染物排放处理过程中的环境资源损耗的第五子函数。
4.根据权利要求3所述的方法,其特征在于,所述终端负荷的调整参数包括可转移负荷参数、可调整负荷参数和可削减负荷参数;
所述根据所述终端负荷的调整参数,构建用于表征需求响应补贴的第三子函数,包括:
根据所述可转移负荷参数、所述可调整负荷参数和所述可削减负荷参数,构建所述第三子函数。
5.根据权利要求3所述的方法,其特征在于,所述环境损耗参数包括污染物种类参数、污染物排放系数和与所述污染物种类参数对应的治理资源损耗参数;
所述根据所述目标***的环境损耗参数,构建用于表征所述目标***的污染物排放处理过程中的环境资源损耗的第五子函数,包括:
根据所述污染物种类参数、所述污染物排放系数和与所述污染物种类参数对应的治理资源损耗参数,构建所述第五子函数。
6.根据权利要求1所述的方法,其特征在于,所述基于能源供给与能源消耗的平衡关系和用于传输能源的设备运行需求,构建用于优化所述目标***的能效的约束条件,包括:
基于所述能源攻击与能源消耗的平衡关系,根据终端预估负荷参数、终端实际负荷参数和所述目标***的设备运行能耗参数,构建第一约束条件;
基于所述传输能源的设备运行需求,根据设备运行状态参数和设备运行功率参数,构建第二约束条件。
7.根据权利要求1所述的方法,其特征在于,所述基于所述能效优化函数和所述约束条件,利用目标算法,以所述目标***中的多个设备的运行参数为种群个体,对所述多个设备的运行参数进行处理,得到满足所述目标综合能源需求的所述目标***的设备参数,包括:
基于所述能效优化函数和所述约束条件,利用目标算法,以所述目标***中的多个设备的运行参数为种群个体,构建初始种群;
根据预定适应度函数,对所述初始种群中的种群个体进行处理,得到与多个种群个体对应的多个适应度;
基于所述多个适应度,从所述初始种群中确定目标种群个体;
基于预定遗传概率,对所述目标种群个体执行遗传操作,生成子代种群;
在确定所述子代种群的适应度与所述初始种群的适应度满足预定条件的情况下,对所述子代种群执行退火操作,得到所述目标***的设备参数。
8.根据权利要求7所述的方法,其特征在于,所述基于预定遗传概率,对所述目标种群个体执行遗传操作,生成子代种群,包括:
基于预定交叉概率,对所述目标种群个体执行交叉操作,得到交叉子代种群;以及
基于预定变异概率,对所述交叉子代种群进行变异操作,得到所述子代种群。
9.根据权利要求7所述的方法,其特征在于,与所述子代种群对应的邻域包括I个,I为大于1的整数;所述对所述子代种群执行退火操作,得到所述目标***的设备参数,包括:
利用邻域算子对所述子代种群对应的第i邻域中的种群个体进行处理,得到与第i邻域中的种群个体对应的用于表征能源使用状况的第一函数值和用于表征能源转化状况的第二函数值;
在确定当前迭代轮次未满足迭代终止条件的情况下,返回执行针对第i邻域的处理操作,并递增i;
在确定当前迭代轮次满足迭代终止条件的情况下,将最大的第一函数值与最小第二函数值对应的邻域中的种群个体中的属性参数确定为所述目标***的设备参数。
10.一种基于综合能源需求的***能效优化装置,其特征在于,包括:
响应于接收到的目标综合能源需求,根据所述综合能源需求参数、目标***的运行参数和所述目标***的环境损耗参数,构建所述目标***的能效优化函数;
基于能源供给与能源消耗的平衡关系和用于传输能源的设备运行需求,构建用于优化所述目标***的能效的约束条件;
基于所述能效优化函数和所述约束条件,利用目标算法,以所述目标***中的多个设备的运行参数为种群个体,对所述多个设备的运行参数进行处理,得到满足所述目标综合能源需求的所述目标***的设备参数。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~9中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有可执行指令,其特征在于,该指令被处理器执行时使处理器执行根据权利要求1~9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311575306.5A CN117332991B (zh) | 2023-11-24 | 2023-11-24 | 一种基于综合能源需求的***能效优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311575306.5A CN117332991B (zh) | 2023-11-24 | 2023-11-24 | 一种基于综合能源需求的***能效优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117332991A true CN117332991A (zh) | 2024-01-02 |
CN117332991B CN117332991B (zh) | 2024-03-19 |
Family
ID=89279535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311575306.5A Active CN117332991B (zh) | 2023-11-24 | 2023-11-24 | 一种基于综合能源需求的***能效优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117332991B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019134532A1 (zh) * | 2018-01-02 | 2019-07-11 | 佛山科学技术学院 | 一种含风光可再生能源的热电联供***运行方法 |
CN110705863A (zh) * | 2019-09-27 | 2020-01-17 | 中冶赛迪电气技术有限公司 | 能源优化调度装置、设备及介质 |
CN110705776A (zh) * | 2019-09-27 | 2020-01-17 | 中冶赛迪电气技术有限公司 | 能源优化调度方法 |
US20210335639A1 (en) * | 2020-04-27 | 2021-10-28 | Shanghai Huali Integrated Circuit Corporation | Scheduling method and device for batch processing machine |
KR20220151435A (ko) * | 2021-05-06 | 2022-11-15 | 한국전기연구원 | 공조 설비 및 분산자원을 이용한 건물 에너지 수요관리 방법 및 그 장치 |
CN115375019A (zh) * | 2022-08-11 | 2022-11-22 | 北京中电飞华通信有限公司 | 园区综合能源***优化配置方法以及相关设备 |
WO2023274425A1 (zh) * | 2021-06-28 | 2023-01-05 | 国网甘肃省电力公司电力科学研究院 | 一种风光水火储***的多能容量优化配置方法 |
CN116306194A (zh) * | 2021-12-23 | 2023-06-23 | 国网天津市电力公司营销服务中心 | 基于多目标优化理论的综合能源***能效优化配置方法 |
CN116739370A (zh) * | 2023-06-03 | 2023-09-12 | 杭州鸿晟电力设计咨询有限公司 | 一种综合能源***成本计算方法、装置及综合能源*** |
CN116960959A (zh) * | 2023-07-24 | 2023-10-27 | 国网山东省电力公司营销服务中心(计量中心) | 多目标约束下客户侧综合能源***运行优化方法及*** |
-
2023
- 2023-11-24 CN CN202311575306.5A patent/CN117332991B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019134532A1 (zh) * | 2018-01-02 | 2019-07-11 | 佛山科学技术学院 | 一种含风光可再生能源的热电联供***运行方法 |
CN110705863A (zh) * | 2019-09-27 | 2020-01-17 | 中冶赛迪电气技术有限公司 | 能源优化调度装置、设备及介质 |
CN110705776A (zh) * | 2019-09-27 | 2020-01-17 | 中冶赛迪电气技术有限公司 | 能源优化调度方法 |
US20210335639A1 (en) * | 2020-04-27 | 2021-10-28 | Shanghai Huali Integrated Circuit Corporation | Scheduling method and device for batch processing machine |
KR20220151435A (ko) * | 2021-05-06 | 2022-11-15 | 한국전기연구원 | 공조 설비 및 분산자원을 이용한 건물 에너지 수요관리 방법 및 그 장치 |
WO2023274425A1 (zh) * | 2021-06-28 | 2023-01-05 | 国网甘肃省电力公司电力科学研究院 | 一种风光水火储***的多能容量优化配置方法 |
CN116306194A (zh) * | 2021-12-23 | 2023-06-23 | 国网天津市电力公司营销服务中心 | 基于多目标优化理论的综合能源***能效优化配置方法 |
CN115375019A (zh) * | 2022-08-11 | 2022-11-22 | 北京中电飞华通信有限公司 | 园区综合能源***优化配置方法以及相关设备 |
CN116739370A (zh) * | 2023-06-03 | 2023-09-12 | 杭州鸿晟电力设计咨询有限公司 | 一种综合能源***成本计算方法、装置及综合能源*** |
CN116960959A (zh) * | 2023-07-24 | 2023-10-27 | 国网山东省电力公司营销服务中心(计量中心) | 多目标约束下客户侧综合能源***运行优化方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117332991B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Optimized sizing of a standalone PV-wind-hydropower station with pumped-storage installation hybrid energy system | |
Khaloie et al. | Day-ahead and intraday dispatch of an integrated biomass-concentrated solar system: A multi-objective risk-controlling approach | |
CN102509175B (zh) | 分布式供电***可靠性优化方法 | |
CN114004476A (zh) | 一种综合能源***多时间尺度优化调度方法 | |
Jin et al. | Scheduling distributed energy resources and smart buildings of a microgrid via multi‐time scale and model predictive control method | |
CN112491043B (zh) | 一种新能源富集电网电源规划方法及*** | |
Zhu et al. | A review of distributed energy system optimization for building decarbonization | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
CN109670694B (zh) | 一种多能源供给***负荷预测方法 | |
CN111737884A (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN114595868A (zh) | 一种综合能源***源网荷储协同规划方法及*** | |
CN114154744A (zh) | 综合能源***的扩容规划方法、装置及电子设备 | |
CN111740408B (zh) | 一种基于鲁棒随机模型的光热电站最优报价决策方法 | |
Xiao et al. | A multi‐energy complementary coordinated dispatch method for integrated system of wind‐photovoltaic‐hydro‐thermal‐energy storage | |
Ju et al. | A risk aversion optimal model for microenergy grid low carbon‐oriented operation considering power‐to‐gas and gas storage tank | |
CN116402210A (zh) | 一种综合能源***多目标优化方法、***、设备和介质 | |
CN116050637A (zh) | 基于分时电价的综合能源虚拟电厂优化调度方法及*** | |
Weishang et al. | Internal benefit optimization model of gas‐thermal power virtual power plant under china's carbon neutral target | |
Ren et al. | Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers | |
CN113723793A (zh) | 园区综合能源***的实现方法、装置、设备和介质 | |
Li et al. | Impact on traditional hydropower under a multi-energy complementary operation scheme: An illustrative case of a ‘wind–photovoltaic–cascaded hydropower plants’ system | |
CN109245150A (zh) | 一种用于风电集群的功率分配方法及*** | |
CN112883630A (zh) | 用于风电消纳的多微网***日前优化经济调度方法 | |
CN117332991B (zh) | 一种基于综合能源需求的***能效优化方法及装置 | |
CN106026191B (zh) | 用于最小化弃光电量光伏电站发电权置换电量评估的方法 |
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 |