CN104584038A - 用于运行供应网络的方法和供应网络 - Google Patents

Abstract

描述一种用于运行具有提供或消耗资源的网络单元的供应网络的方法。在此网络单元的成本函数被映射到无方向图形模型的局部电势上。为了控制网络单元，边缘化方法或优化方法、如用于随机干扰的置信传播将总成本函数最小化。此外还描述一种具有网络单元的、相应地运行的供应网络。所提出的方法使得能够例如简单地确定作为能量供应网络中的网络单元的发电站的使用计划。也使得能够进行网络的状态估计。

Description

用于运行供应网络的方法和供应网络

技术领域

本发明涉及一种用于运行供应网络、诸如具有发电机和耗电器的能量供应网络的方法。

背景技术

尤其在具有分散的能量产生器和耗能器的能量供应网络中期望当前的发电站的花费低的使用计划。在相应的供应网络中必须对多个单独的能量产生器进行控制，即加速和减速并且估计它们到网络中的输入。此外必须合理地估计耗电器对能量的需求。总体上应尽可能有效地利用尤其是资源能量以及在网络中进行的资源的分发。通常为供应网络中的网络节点或网络单元创建相应的成本函数并将这些成本函数结合为目标函数。然后使该目标函数经受优化。

为了确定能量供应网络中的所参与的发电站的使用计划，对于所述目标函数通常产生高维的、非线性的优化问题。在过去为此使用了非线性的优化方法，如拉格朗日松弛，具有Hamilton-Jacobi-Bellmann迭代的动态规划，遗传算法，或混合整数线性规划(MILP＝Mixed-Integer Linear Programming)。

已知的用于运行相应的能量供应网络以及确定使用计划的方法要求高的计算能力并且在大多情况下利用网络节点、即所参与的发电站或耗电器的数量超线性地进行缩放。在大多情况下借助传统的优化方法也不能保证目标函数的全局最小化。

发明内容

因此本发明的任务在于，提供一种改进的供应网络和/或一种改进的用于运行供应网络的方法。

相应地，提出一种用于运行具有多个网络单元的资源的供应网络的方法，所述网络单元产生或消耗该资源。为了交换该资源，所述网络单元被相互耦合。所述方法包括：

检测每个网络单元的资源输入或资源消耗以及每个网络单元的资源流动参数：

将成本函数分配给每个网络单元，其中该成本函数与所述网络单元的资源输入或资源消耗相关并且资源输入或资源消耗与所述网络单元的和与所述网络单元直接耦合的其它网络单元的资源流动参数相关；

将供应网络的总成本函数确定为供应网络的网络单元的全部成本函数的总和；并且

通过资源流动参数使总成本函数边缘化，其中所述成本函数被映射到无方向图形模型的局部电势上。

边缘化尤其包括通过资源流动参数将总成本函数最小化，其中成本函数被视为无方向图形模型的局部电势的对数。此外边缘化也可以意味着形成被解释为概率分布的成本函数的边值分布。

此外还提出一种资源的供应网络，所述资源的供应网络包括多个网络单元。所述网络单元产生或消耗资源并且为了资源的交换被相互耦合。所述供应网络被设立用于执行相应的方法以便控制和提供网络装置的使用计划。

所述方法或所述供应网络使得在非线性优化的范围内尤其能够有效地利用可控的网络单元运行供应网络。在此可以例如将所产生的供应网络的目标函数或总成本函数表达为局部项的总和，所述局部项描述各个网络单元的特性。成本函数尤其通过最近邻居耦合相互耦合，所述最近邻居耦合是通过相应的资源流动参数来描述的。这使得能够例如在供应网络中的发电站的使用计划的情况下应用用于无方向图形模型的方法以用于使用。因此提出，将通常在非线性优化方法的范围内所考虑的成本和目标函数映射到在图形模型的范围内的统计推论方法上并因此加以解决。计算花费由此被显著最小化，使得能够实现供应网络的花费有利的运行。

替代地或附加地，通过边缘化能够花费有利地创建供应网络的状态估计。例如可以将局部测量的资源流用于在无方向图形模型的边缘化方法的范围内确定供应网络的状态。在所述边缘化的情况下通过对概率模型的分别剩下的自由参量求平均值或“求积分”分别确定每个未知的资源流动参数的边值分布，其中所述概率模型通过总成本函数来定义。

资源可以例如是能量，如电能，但是也可以是其它被称作商品的资源。例如可以涉及能量载体，如气体或油。也可以设想，资源是计算机网络中的计算时间或计算能力。也可以将生产网络中的中间产品理解为资源。

在此，供电网络、气体供应网络、但是还有建筑管理系统或自动化技术的网络尤其可以被理解为供应网络。在实施方式中也可以考虑相应的分发网络中的气体、如惰性气体或压缩空气。值得期望的是分别找出总成本函数的全局最小值。

网络单元在此是例如电流产生器或耗电器，诸如不同的发电站，其根据其能量产生方法或电流产生方法具有不同的成本函数。在此可以通过资源流动参数描述资源、诸如电流的流动。例如可以在一个电网中在流动方程的通常的直流近似中使用相应的网络单元的电流相位作为资源流动参数。基于连续性考虑从资源流动参数的认识中得出例如在相应的网络单元处的电流或在节点处的电流或资源的相应的输入或消耗。在下文中也使用术语网络装置、网节点、网络节点或单元作为网络单元。

在所述方法或所述供应网络的实施方式中总成本函数的最小化此外还包括：

执行无方向图形模型的优化方法，其中概率函数作为局部电势的乘积被最大化。在此，该优化方法尤其选自优化方法组之一，所述优化方法组包括：置信传播、环状(Loopy)置信传播和联合树算法。

基于成本函数的局部性，即尤其通过借助资源流动参数的描述，可以使用本身已知的用于图形模型的算法，以便在供应网络的情况下将总成本函数最小化。在此优选地描述网络拓扑，使得不存在多个网络单元的环路，而是网络具有树结构。为此，用于交换资源的本身实际存在的耦合或连接可以被近似或估计。可以通过以树结构近似任意的实际的也包含环路的网络拓扑。但是原则上也可以将来自图形模型领域的边缘化方法或优化方法直接应用于不具有树结构的网络。

优选地，供应网络被构建或建模，使得相应的网络单元优选地与少于预先给定的最大数量的相邻的网络单元耦合。在实施方式中每个网络单元最多具有三个相邻的与其耦合的网络单元。

在所述方法的实施方式中，为了创建在预先给定的时间间隔上网络单元使用计划针对该时间间隔中的多个时间点执行分配和最小化步骤。例如规定或估计用于在预先给定的时间间隔上供应网络中的网络单元的至少一个选择的资源消耗。可以创建对资源、诸如电流的消耗的预测并且与时间相关地产生相应的成本函数。总体上可以在待预测的或待控制的时间间隔内逐步地、即在多个时间点上执行优化方法。然后作为所述方法的结果提供供应网络中的发电站的电流产生或资源产生的值。

优选地，相应网络单元的成本函数(c_i)在考虑到直接耦合到该网络单元上的其它网络单元的情况下通过资源流动参数逐渐地被最小化。例如在所述方法中网络单元的成本函数以及局部可计算的成本耦合项分别单独地通过被指派给相应的网络单元和相邻的网络单元的资源流动参数被最小化。尤其通过局部性，即网络单元彼此的最近邻居相互作用，可以局部地计算成本耦合项并且随后局部地将成本函数最小化。

成本函数尤其包括资源流动参数中的非线性部分。例如仅分段地产生连续的、具有非线性部分的成本函数，这是因为例如发电站只能在功率最小值与功率最大值之间有意义地运行。此外作为网络单元的相应的发电站的效率与负荷大大相关。

在所述方法的实施方式中根据资源流动参数对网络单元进行控制。通过确定实现尽可能最小的总成本函数的资源流动参数组，可以例如在供电网络的情况下确定各网络装置的能量产生或消耗。

在所述方法的实施方式中成本函数是局部成本函数，所述局部成本函数只与网络单元的资源输入或资源消耗和/或网络单元的以及与所述网络单元直接耦合的其它网络单元的资源流动参数相关。

尤其是通过仅借助局部成本函数的描述，可以有效地应用一种优化方法作为用于确定图形模型的最大概率的统计模型。

在实施方式中资源尤其是电能并且资源输入或资源消耗是网络单元的电功率。

资源的交换例如通过电流进行，其中资源流动参数是从供应网络到相应的网络单元中或从相应的网络单元到供应网络中的电流的相角。

此外提出一种计算机程序产品，所述计算机程序产品促使在程控装置上执行相应的方法。

计算机程序产品、如计算机程序介质可以例如作为存储介质、如存储卡、USB棒、CD-ROM、DVD或者也以可下载的文件的形式由网络中的服务器供应或提供。这例如在无线通信网络的情况下可以通过利用计算机程序产品或计算机程序介质传输相应的文件。尤其可以考虑将控制装置、诸如用于供应网络中的网络单元的使用计划的主导计算机作为程控装置。

此外提出一种具有所存储的、带有指令的计算机程序的数据载体，所述指令促使在程控装置上执行相应的方法。

本发明的其它可能的实施方案也包括所述方法或所述供应网络的之前或在下文中关于实施例所描述的方法步骤、特征或实施方式的未明确列举的组合。在此本领域技术人员也将添加或修改单个方面作为对本发明的相应的基本形式的改进或补充。

附图说明

结合实施例的以下描述，本发明的上面所描述的特性、特征和优点及其实现的方式和方法变得更清楚和更明确易懂，其中所述实施例结合附图更详细地被解释。其中：

图1示出具有网络单元的供应网络的一个实施例的示意图；

图2示出作为网络单元的发电机的可能的成本函数的图示；

图3示出作为网络单元的耗电器的可能的成本函数的图示；

图4示出具有网络单元的供应网络的另一个实施例的示意图。

具体实施方式

图1示出具有网络单元的供应网络的一个实施例的示意图。供应网络100在此具有网络单元1-11，这些网络单元相当于例如能量源和能量宿(Energiesenken)。即，在一个供电网络中尤其存在耗电器，但是也存在电流产生器，诸如发电站。供应网络100的被称作网络单元或也被称作节点1-11的参与者例如通过在图1中以边表示的线路相互耦合。例如网络单元1可以是一个耗电器，诸如一家工厂，这家工厂通过网络节点3耦合到网路100中存在的其余的网络节点2-11上。在此，所述边表示，待分发的资源、诸如电流可以流动。

尤其在现代的能量供应网络中存在多个分布式的联网的发电站，例如风力发电站，水力发电站，燃气发电站，燃煤发电站，原子能发电站或太阳能发电站。为了在供应网络100中尽可能成本有效地提供产生的能量和由耗电器请求的能量，需要当前发电站的使用计划。这通常通过将成本函数指派给供应网络100中存在的网络单元1-11来进行。

在以下解释中示例性地以供应网络是电流的能量供应网为出发点。就此而言，资源是电能，该电能通过电流在网络中通过线路被分发，参与者、即电流产生器与耗电器利用所述线路相互耦合。

在图2中例如示出了产生能量的装置的成本函数c_i的一种可能的形式。在X轴上以任意的单位绘出了电流产生y_i，并且在Y轴上以任意的单位绘出了相应的成本函数c_i(y_i)。在发电站的情况下成本函数例如在具有最小电流产生的最小值P_min与最大电流产生P_max之间不是恒定的。更确切地说，基于相应的电流产生发电站的效率和工作点产生成本函数c_i(y_i)的非线性的形式。为了确定使用计划，向网络100中的每个电流产生器指派相应的成本函数。

图3示出供应网络中的一个耗电器的成本函数。在此，相应的电流消耗y_i与在Y轴上绘出的成本函数c_i(y_i)相联系。例如耗电器在一个预先给定的时间点需要电功率-D。因此在y_i＝-D的情况下相应耗电器的成本函数具有最小值。D也被称作需求。

尤其在供电网络的情况下可以基于连续性方程在每个网络节点、即网络中的每个产生器或耗电器处在使用已知的负荷流动方程的直流近似的情况下确定来自在该节点处所存在的电流相位的能量输入或能量消耗。在预先给定的时间点从全部网络节点或耗电器或电流产生器的成本函数的总和产生网络的目标函数或总成本函数。现在期望，将所述目标函数最小化，以便例如在相角范围内确定最有利的运行参数、即耗电器和电流产生器。由此产生网络基础设施的特别有利的充分利用和全部网络参与者的最低花费。

在下文中借助如在图4中所示的简化的示意性的网络对相应供应网络的运行的使用计划或优化进行解释。在此，图4示出一个供应网络101，所述供应网络例如分发电能。在此设置有六个节点1-6，所述节点分别通过边、即电线相互耦合。节点1与节点2耦合。节点2与节点1、节点5和节点3耦合。节点3与节点2和节点4耦合，节点4仅与节点3耦合。节点5与节点2和节点6耦合，以及节点6仅与节点5耦合。在此，所述节点按照其成本函数可以是馈电的网络单元或耗电的网络单元。

每个节点被指派一个成本函数c_i，其中索引i＝1，...6表示相应的节点或网络单元i。现在所期望的优化在于，找到以下表达式的全局最小值：

其中 $y_i=\underset{j}{\mathrm{\Σ}}{B}_{\mathrm{ij}}{\mathrm{\δ}}_j.$ (方程1)

在此c_i代表第i个节点的相应的成本函数，y_i代表第i个节点的能量消耗或能量输入，δ_i代表在第i个节点处的电流相角，以及矩阵B_ij描述邻居节点相互之间的耦合。相角δ_i相当于资源流动参数，该资源流动参数在供电网络的情况下确定电流在供电网络中的流入和/或流出。节点之间的边或耦合可以被理解为电线。

原则上产生关于相角δ_i的非线性的和高维的优化问题。但是基于连续性方程仅产生最近邻居相互作用，即局部相邻的节点之间的耦合，并且通过相应的作为相邻的节点的资源流动参数的相角对耦合进行描述。在此，例如节点i＝2的成本函数仅与相角δ₁，δ₂，δ₃，δ₅相关。就此而言，对于在图4中示出的网络可表达以下最小化问题：

$\begin{array}{c}\underset{{\mathrm{\δ}}_1...{\mathrm{\δ}}_6}{\min }[c_1({\mathrm{\δ}}_1,{\mathrm{\δ}}_2)+c_2({\mathrm{\δ}}_1,{\mathrm{\δ}}_2,{\mathrm{\δ}}_3,{\mathrm{\δ}}_5)+c_3({\mathrm{\δ}}_2,{\mathrm{\δ}}_3,{\mathrm{\δ}}_4)+\\ +c_4({\mathrm{\δ}}_3,{\mathrm{\δ}}_4)+c_5({\mathrm{\δ}}_2,{\mathrm{\δ}}_5,{\mathrm{\δ}}_6)+c_6({\mathrm{\δ}}_5,{\mathrm{\δ}}_6)]\end{array}.$

                                      (方程2)

基于节点彼此的相互作用的局部性可以将方程2简化。在利用

$\underset{a,b}{\min }f(a,b)=\underset{a}{\min }\left[\underset{b}{\min }f(a,b)\right]$

的情况下可以如下书写方程2：

$\begin{array}{c}\underset{{\mathrm{\δ}}_1,{\mathrm{\δ}}_2}{\min }{c}_1({\mathrm{\δ}}_1,{\mathrm{\δ}}_2)+\underset{{\mathrm{\δ}}_3,{\mathrm{\δ}}_5}{\min }{c}_1({\mathrm{\δ}}_1,{\mathrm{\δ}}_2,{\mathrm{\δ}}_3,{\mathrm{\δ}}_5)+\underset{{\mathrm{\δ}}_4}{\min }[c_3({\mathrm{\δ}}_2,{\mathrm{\δ}}_3,{\mathrm{\δ}}_4)+c_4({\mathrm{\δ}}_3,{\mathrm{\δ}}_4)]+\\ +\underset{{\mathrm{\δ}}_6}{\min }[c_5({\mathrm{\δ}}_2,{\mathrm{\δ}}_5,{\mathrm{\δ}}_6)+c_6({\mathrm{\δ}}_5,{\mathrm{\δ}}_6)]\\ =\underset{{\mathrm{\δ}}_1,{\mathrm{\δ}}_2}{\min }{c}_1({\mathrm{\δ}}_1,{\mathrm{\δ}}_2)+\underset{{\mathrm{\δ}}_3,{\mathrm{\δ}}_5}{\min }{c}_2({\mathrm{\δ}}_1,{\mathrm{\δ}}_2,{\mathrm{\δ}}_3,{\mathrm{\δ}}_5)+\underset{{\mathrm{\δ}}_4}{\min }[c_3({\mathrm{\δ}}_2,{\mathrm{\δ}}_3,{\mathrm{\δ}}_4)+m_{34}({\mathrm{\δ}}_3,{\mathrm{\δ}}_4)]\\ +\underset{{\mathrm{\δ}}_6}{\min }[c_5({\mathrm{\δ}}_2,{\mathrm{\δ}}_5,{\mathrm{\δ}}_6)+m_{65}({\mathrm{\δ}}_6,{\mathrm{\δ}}_5)]\\ =\underset{{\mathrm{\δ}}_1,{\mathrm{\δ}}_2}{\min }{c}_1({\mathrm{\δ}}_1,{\mathrm{\δ}}_2)+\underset{{\mathrm{\δ}}_3,{\mathrm{\δ}}_4}{\min }{c}_2({\mathrm{\δ}}_1,{\mathrm{\δ}}_2,{\mathrm{\δ}}_3,{\mathrm{\δ}}_5)+m_{32}({\mathrm{\δ}}_3,{\mathrm{\δ}}_2)+m_{52}({\mathrm{\δ}}_5,{\mathrm{\δ}}_2)]\\ =\underset{{\mathrm{\δ}}_1,{\mathrm{\δ}}_2}{\min }{c}_1({\mathrm{\δ}}_1,{\mathrm{\δ}}_2)+m_{21}({\mathrm{\δ}}_2,{\mathrm{\δ}}_1)\end{array}$

                                             (方程3)

在此局部成本耦合项m_ij如下被确定：

$m_{\mathrm{ij}}({\mathrm{\δ}}_i,{\mathrm{\δ}}_j)=\underset{{\mathrm{\δ}}_z,z\∈N_i,z\≠j}{\min }{c}_i({\mathrm{\δ}}_i,{\mathrm{\δ}}_j,{\mathrm{\δ}}_z)+\underset{z\∈N_i,z\≠j}{\mathrm{\Σ}}{m}_{\mathrm{zi}}({\mathrm{\δ}}_i,{\mathrm{\δ}}_z).$

                                           (方程4)

然后一般通过以下方程产生最佳的资源流动参数：

${\mathrm{\δ}}_i^{*}=\arg {\min }_{{\mathrm{\δ}}_i}\underset{{\mathrm{\δ}}_z,z\∈N_i}{\min }{c}_i({\mathrm{\δ}}_i,{\mathrm{\δ}}_j,{\mathrm{\δ}}_z)+\underset{z\∈N_i}{\mathrm{\Σ}}{m}_{\mathrm{zi}}({\mathrm{\δ}}_i,{\mathrm{\δ}}_z).$

                                         (方程5)

在此情况下只产生低维的最小化问题。例如可以在相应的节点处对可能的组合进行计数，以便确定最有利的δ₁，...δ₆。相应的基于局部成本函数构建的供应网络的优化和必要的计算能力只是线性地随着在网络中存在的节点的数量而提高。网络中的每个边被考虑最多两次，例如只为了计算m₃₄和m₄₃才对节点3和节点4之间的边或耦合给予考虑。优选地，网络拓扑以树的方式构建，即不存在封闭的环路。然后原则上可以找到用于相应的供应网络的精确的优化解决方案。

申请人现在已经发现，如在方程2中所说明的，相应的供应网络的目标函数或总成本函数可以被映射到一个图形模型上。对于无方向图形模型，用于确定作为优化任务的最大概率的随机方法是已知的。所示出的算法相当于已知的统计方法“Belief Propagation(置信传播)”。

为了解释用于确定各个节点的最有利的相角的方法，首先对无方向图形模型的概率函数进行说明，所述概率函数可以被因式分解成局部电势：

p(x₁，x₂，x₃，x₄，x₅，x₆)＝Ψ₁(x₁，x₂，x₃)Ψ₂(x₁，x₂，x₃，x₅)Ψ₃(x₂，x₃，x₄)×Ψ₄(x₃，x₄)Ψ₅(x₂，x₅，x₆)Ψ₆(x₅，x₆)

                                              (方程6)

在此p是概率函数，ψ_i是局部电势，和x_i是随机变量。也提及马尔科夫随机场(MRF＝Markoff Random Field)的概率分布。基于电势的局部性可以相应地将概率p表示为乘积。在随机性的任务和使用图形模型的情况下寻找相应的最高的概率。就此而言，如下产生优化任务：

$\underset{x_1,...x_N}{\max }p(x_1,...x_N)$

                                            (方程7)

p的最大值的找出是与以下表达式的优化等效的：

$\underset{x_1,...x_N}{\min }-\log p(x_1,...x_N)=\underset{x_1,...x_N}{\min }\underset{j}{\mathrm{\Σ}}-\log {\mathrm{\Ψ}}_j(x_1,...x_N)$

                                            (方程8)

可以将用于优化的图解算法应用于这个问题。置信传播算法是尤其已知的。通过将来自方程8的表达式与针对供应网络101在方程2中所说明的目标函数相比较，所述总成本函数可以被映射到图形模型的相应的局部电势的对数上。就此而言，可以书写：

-log Ψ_j(x₁，...)＝c_j(δ₁，...)

                                        (方程9)

尤其将局部电势函数ψ_j映射到第c-j个幂上：

${\mathrm{\Ψ}}_j\→e^{c_j},$

以及将随机变量x_i映射到相位δ_i上：

x_i→δ_i。

就此而言，通过解决无方向图形模型的优化任务可以确定用于将供应网络的目标函数、即总成本函数最小化的简单的解决方案。如果已知针对供应网络的运行时间间隔的时间点序列的、例如耗电器的δ_i的选择，可以相应地激活或去激活发电站或节点，使得供应网络总体上最佳地运行。

对于无方向图形模型的优化任务，有效的算法和方法是已知的。例如可以将模拟程序MATLAB的OWM MATLAB工具箱的树算法应用于图4的供应网络的优化任务。在此使用置信传播方法。尤其到供应网络的树结构的转变使得能够使用已知的用于优化的算法，如置信传播。OWM MATLAB工具箱的以下算法仅仅示例性地被列举，这些算法可以以http：//www.di.ens.fr/～mschmidt/Software/UGM.html被调用，可以被使用：Junction(精确地解码具有树结构的图形)，LBP(在最大乘积环状置信传播的基础上近似解码)，TRBP(近似地解码最大乘积树重加权置信传播)，Linprog(在使用线性规划的松弛的情况下近似地解码)。也可以使用其它有效的算法来处理无方向图形模型。

例如在图4中示出的网络101的网络单元1-6的可能的成本函数c_i内容如下：

在使用的情况下对于产生器节点i＝2，...5假设以下成本结构：

对于y_i＝0或y_i∈[2，4]，其中c_i0＝常数

和

c_i(y_i)＝∝其它，

B_ij＝1，和c₂₀＝4，c₃₀＝4，c₄₀＝3，c₅₀＝2。对于耗电器节点i＝1，6，如果y_i＝-2和c_i(y_i)＝∝其它，则c_i(y_i)＝0。

在使用上述成本函数c_i的情况下将置信传播算法应用于供应网络101例如在消耗y_i或能量产生的标度为-4至+4和预先给定的耗电器y_i＝2和y₆＝-2、即分别为节点1和6的能量消耗的情况下提供下述结果，即电流产生x₂，x₃和x₄等于零并且x₅＝4。就此而言获得下述结果，即在相应的消耗状况下作为网络单元5的具有功率x₅＝4的电流产生器是最有利的。此外优化提供x₂＝x₃＝x₄＝0。

总体上通过将具有最近邻居耦合的供应网络的目标函数或总成本函数映射到无方向图形模型上产生简化的优化任务。尤其可以确定成本函数的全局最小值。在所提出的优化方法中复杂性仅仅线性地随着在网络中所使用的节点的数量而提高。在此传统的优化方法在大多情况下成指数地变得复杂。如果在网络中没有设置环路，而是存在树结构，则产生全局的最佳的解决方案。

替代地或附加地，代替成本函数通过优化的最小化可以花费有利地实行状态估计。例如可以使用局部测量的资源流，以便在无方向图形模型的边缘化方法的范围内确定供应网络的状态。在边缘化的情况下，通过对概率模型的分别剩下的自由参量求平均值/“求积分”分别确定每个未知的资源流动参数的边值分布，其中所述概率模型通过成本函数定义。

在此，示例性地描述的用于优化或最小化的方面和方法步骤是边缘化的特殊情况。在利用局部性特性的情况下这里按照

                                      (方程11)

和

$p\left({\mathrm{\δ}}_i\right)\∝\underset{{\mathrm{\δ}}_z,z\∈N_i}{\mathrm{\Σ}}\exp \left(c_i({\mathrm{\δ}}_i,{\mathrm{\δ}}_j,{\mathrm{\δ}}_z)\right)\underset{z\∈N_i}{\mathrm{\Π}}{m}_{\mathrm{zi}}({\mathrm{\δ}}_i,{\mathrm{\δ}}_z)$

产生类似的算法。

状态估计的应用例如是在供电网络中存在不提供其馈电的实时数据的发电站的情况下。例如太阳能发电站根据辐射强度提供不同的功率，这在网络中导致变化的电压。状态估计可以例如根据在已知的网络节点处测量的电流提供供应网络中临界电压状态的概率。

尽管通过优选的实施例详细地对本发明进一步进行了阐明和描述，但是本发明并不受所公开的实例限制并且在不离开本发明的保护范围的情况下，本领域技术人员可以从中推导出其它变型方案。

Claims (14)

1.用于运行具有多个网络单元(1-11)的资源的供应网络(100，101)的方法，所述网络单元产生或消耗资源，其中为了交换所述资源，所述网络单元(1-11)被相互耦合，所述方法包括：

检测每个网络单元(1-11)的资源输入或资源消耗以及每个网络单元(1-11)的资源流动参数(δ_i)；

将成本函数(c_i)分配给每个网络单元(1-11)，其中所述成本函数(c_i)与该网络单元(1-11)的资源输入或资源消耗相关，并且所述资源输入或资源消耗与该网络单元(1-11)的和与该网络单元(1-11)直接耦合的其它网络单元(1-11)的资源流动参数(δ_i)相关；

将所述供应网络(100，101)的总成本函数(c)确定为所述供应网络(100，101)的网络单元(1-11)的全部成本函数的总和；

通过所述资源流动参数(δ_i)将所述总成本函数(c)最小化，其中所述成本函数(c_i)被映射到无方向图形模型的局部电势(ψ_i)上，以及

根据所述资源流动参数(δ_i)控制所述网络单元(1-11)。

2.根据权利要求1所述的方法，其中最小化包括步骤：执行无方向图形模型的优化方法，其中概率函数p(ψ₁...)作为局部电势(ψ_i)的乘积被最大化，其中所述优化方法选自包括置信传播、环状置信传播和联合树算法的优化方法组。

3.根据前述权利要求之一所述的方法，其中为了创建在预先给定的时间间隔上网络单元使用计划针对该时间间隔中的多个时间点执行分配和最小化步骤。

4.根据权利要求3所述的方法，其中规定用于在预先给定的时间间隔上所述网络单元(1-11)的至少一个选择的能源消耗。

5.根据权利要求1-4之一所述的方法，其中相应的网络单元(1-11)的成本函数(c_i)在考虑到直接耦合到该网络单元(1-11)上的其它网络单元(1-11)的情况下通过所述资源流动参数(δ_i)被最小化。

6.根据权利要求1-5之一所述的方法，其中所述成本函数(c_i)在所述资源流动参数(δ_i)中是非线性的。

7.根据权利要求1-6之一所述的方法，其中所述成本函数(c_i)是局部成本函数，所述局部成本函数只与该网络单元(1-11)的资源输入或资源消耗和/或该网络单元(1-11)的以及与该网络单元(1-11)直接耦合的其它网络单元(1-11)的资源流动参数(δ_i)相关。

8.根据权利要求1-7之一所述的方法，其中所述供应网络(101)被设立，使得不存在相互耦合的网络单元(1-6)的封闭的环路。

9.根据权利要求1-8之一所述的方法，其中所述资源是电能并且所述资源输入或资源消耗是电功率。

10.根据权利要求1-9之一所述的方法，其中所述网络单元(1-11)之间的资源的交换通过电流进行，以及其中所述资源流动参数是从所述供应网络(100，101)到相应的网络单元(1-11)中或从相应的网络单元(1-11)到所述供应网络(100，101)中的负荷流动的直流近似的相角。

11.根据权利要求1-10之一所述的方法，其中所述网络单元(1-11)的至少一个选择是可控的、用于电流产生的发电站。

12.资源的供应网络(100，101)，该供应网络具有多个网络单元(1-11)，所述网络单元产生或消耗所述资源，其中为了交换所述资源，所述网络单元(1-11)被相互耦合，并且所述供应网络(100，101)被设立用于为了网络装置(1-11)的控制和使用计划而执行根据权利要求1-11之一所述的方法。

13.计算机程序产品，所述计算机程序产品促使在程控装置上执行根据权利要求1-11之一所述的方法。

14.具有所存储的、带有指令的计算机程序的数据载体，所述指令促使在程控装置上执行根据权利要求1-11之一所述的方法。