CN109818375A - 多区域综合能源协同规划方法及装置 - Google Patents
多区域综合能源协同规划方法及装置 Download PDFInfo
- Publication number
- CN109818375A CN109818375A CN201711158867.XA CN201711158867A CN109818375A CN 109818375 A CN109818375 A CN 109818375A CN 201711158867 A CN201711158867 A CN 201711158867A CN 109818375 A CN109818375 A CN 109818375A
- Authority
- CN
- China
- Prior art keywords
- multizone
- comprehensive energy
- reference point
- point
- collaborative planning
- 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.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种多区域综合能源协同规划方法及装置，其中，方法包括：获取多区域综合能源模型，多区域综合能源模型包括多个目标函数；通过多目标进化算法NSGA‑Ⅲ对多区域综合能源模型进行求解；获取解的优化集合，以根据优化集合对多区域综合能源进行优化配置。该方法可以通过多目标进化算法对多区域综合能源进行优化配置，从而确定设备的优化组合，提高设备利用率，降低运行成本。
Description
技术领域
本发明涉及能源系统协同规划技术领域，特别涉及一种多区域综合能源协同规划方法及装置。
背景技术
构建能源互联网的重要基础要充分考虑电、气、冷、热等不同形式能源在生产、传输、消费各环节的协同耦合，打破各能源分开规划、独立运行的既有模式，发展在规划、运行、建设各阶段有机协调的综合能源系统是实现能源可持续发展的必经之路。
相关技术中，各能源大多为分开规划，独立运行，既有的规划方式不可避免地会导致设备能效低下，经济效益有所欠缺，亟待解决。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种多区域综合能源协同规划方法，该方法提高设备利用率，降低运行成本。
本发明的另一个目的在于提出一种多区域综合能源协同规划装置。
为达到上述目的，本发明一方面实施例提出了一种多区域综合能源协同规划方法，包括以下步骤：获取多区域综合能源模型，所述多区域综合能源模型包括多个目标函数；通过多目标进化算法NSGA-Ⅲ对所述多区域综合能源模型进行求解；获取解的优化集合，以根据所述优化集合对多区域综合能源进行优化配置。
本发明实施例的多区域综合能源协同规划方法，可以通过对非支配分层、对综合能源目标函数进行标量化操作、个体关联参考点选取以及筛选自带与删除参考点进行分情况讨论，以得到目标函数的解的优化组合，提高设备利用率，降低运行成本通过多目标进化算法对多区域综合能源进行优化配置，从而确定设备的优化组合，进而指导规划部门根据实际情况进行优化配置，指导实际生产生活，有效降低运行费用，提高设备利用率，降低运行成本。
另外，根据本发明上述实施例的多区域综合能源协同规划方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述通过多目标进化算法NSGA-Ⅲ对所述多区域综合能源模型进行求解，进一步包括：对多区域综合能源进行非支配分层得到非支配层级；对多区域综合能源协同规划的所述多个目标函数进行标量化操作；选取个体关联参考点，并筛选自带与删除参考点。
进一步地，在本发明的一个实施例中，所述对多区域综合能源协同规划的所述多个目标函数进行标量化操作，进一步包括：获取所述多个目标函数中每一个目标维度i上的最小值，得到第i个目标上对应的最小数值；根据所述最小数值的集合得到第一理想点集合；对所述理想点集合进行标量化；根据标量化的理想点集合通过ASF(AchievementScalarizing Function，标量化功能的实现)函数得到极值点，并且所述ASF函数作用于每个维度的目标函数，获取ASF数值最小的个体生成第二理想集合，以得到每个坐标点在对应坐标轴上的坐标值；对所述每个坐标点在对应坐标轴上的坐标值和第i个目标上对应的最小数值进行归一化运算。
进一步地，在本发明的一个实施例中，在筛选自带与删除参考点时，获取被数量最少的种群个体所关联的参考点及其引用次数，其中，如果所述引用次数为零，且存在个体关联到所述参考点，则寻找距离最小点，并抽出所述距离最小点以加入被选中的下一代种群中；如果不存在个体被引用到所述参考点，则删除所述参考点向量，且在所述引用次数不为零时，获取距离最近的参考点，直至种群规模为满足预设条件时停止。
进一步地，在本发明的一个实施例中，根据所述解的优化集合对所述多区域综合能源进行耦合，以提高每个设备的使用效率。
为达到上述目的，本发明另一方面实施例提出了一种多区域综合能源协同规划装置，包括：获取模块，用于获取多区域综合能源模型，所述多区域综合能源模型包括多个目标函数；计算模块，用于通过多目标进化算法NSGA-Ⅲ对所述多区域综合能源模型进行求解；优化模块，用于获取解的优化集合，以根据所述优化集合对多区域综合能源进行优化配置。
本发明实施例的多区域综合能源协同规划装置，可以通过对非支配分层、对综合能源目标函数进行标量化操作、个体关联参考点选取以及筛选自带与删除参考点进行分情况讨论，以得到目标函数的解的优化组合，提高设备利用率，降低运行成本通过多目标进化算法对多区域综合能源进行优化配置，从而确定设备的优化组合，进而指导规划部门根据实际情况进行优化配置，指导实际生产生活，有效降低运行费用，提高设备利用率，降低运行成本。
另外，根据本发明上述实施例的多区域综合能源协同规划装置还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述计算模块，进一步包括：获取单元，用于对多区域综合能源进行非支配分层得到非支配层级；操作单元，用于对多区域综合能源协同规划的所述多个目标函数进行标量化操作；选取单元，用于选取个体关联参考点，并筛选自带与删除参考点。
进一步地，在本发明的一个实施例中，所述操作单元，进一步包括：获取所述多个目标函数中每一个目标维度i上的最小值，得到第i个目标上对应的最小数值；根据所述最小数值的集合得到第一理想点集合；对所述理想点集合进行标量化；根据标量化的理想点集合通过ASF函数得到极值点，并且所述ASF函数作用于每个维度的目标函数，获取ASF数值最小的个体生成第二理想集合，以得到每个坐标点在对应坐标轴上的坐标值；对所述每个坐标点在对应坐标轴上的坐标值和第i个目标上对应的最小数值进行归一化运算。
进一步地，在本发明的一个实施例中，在筛选自带与删除参考点时，获取被数量最少的种群个体所关联的参考点及其引用次数，其中，如果所述引用次数为零，且存在个体关联到所述参考点，则寻找距离最小点，并抽出所述距离最小点以加入被选中的下一代种群中；如果不存在个体被引用到所述参考点，则删除所述参考点向量，且在所述引用次数不为零时，获取距离最近的参考点，直至种群规模为满足预设条件时停止。
进一步地，在本发明的一个实施例中，根据所述解的优化集合对所述多区域综合能源进行耦合，以提高每个设备的使用效率。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明实施例的多区域综合能源协同规划方法的流程图；
图2是本发明一个实施例的多区域综合能源协同规划计算方法的流程图；
图3是本发明一个实施例的多区域综合能源协同规划方法的流程图；
图4为根据本发明实施例的多区域综合能源协同规划装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的多区域综合能源协同规划方法及装置，首先将参照附图描述根据本发明实施例提出的多区域综合能源协同规划装置。
图1是本发明实施例的多区域综合能源协同规划方法的流程图。
如图1所示，该多区域综合能源协同规划方法包括以下步骤：
在步骤S101中，获取多区域综合能源模型，多区域综合能源模型包括多个目标函数。
可以理解的是，本发明实施例获取多区域综合能源模型包括热网系统和CCHP(Combined Cooling Heating and Power，冷热电联供系统)模型。
首先介绍一下多区域综合能源模型包括的多个目标函数。
(1)热网管道年投资费用可以通过以下公式获得：
其中，R为成本年折算系数；N1为热网管道数，Kpi,fix为管道固定费用，即与管道容量无关、与挖掘铺设相关的费用，Kpi,var为与管道容量相关的可变费用，li为热网中第i段管道的长度，为第i段管道交互热能的最大值。
其中：y为投资回收年限，m为利率。
(2)CCHP机组年投资费用与维修费用如下：
CCHP机组包含燃气轮机(GT)、燃气锅炉(GT)、电制冷机(EC)、吸收式制冷机(AC)等。其中，K为设备单位容量价格，W为容量优化变量，ΩGT和ΩGB分别为GT和GB可选型号集合，C1为维修费用。
(3)水泵运行费用如下所示：
其中，Nc为CCHP联供系统数，Ke,i,t为i站点t时刻购电单价，ηehr,i为耗电输热比，表示传输单位热量时耗费的电量，Δt为时间间隔，取Δt＝1h，Nt为全年时段数，Hex,i,t为i站点t时刻与热网交互的热能。
(4)能源费用—燃料费
主要为天然气的费用。其中，ηgt,i和ηgb,i分别为燃气轮机的发电效率和燃气锅炉的发热效率，Kf为燃气单价，Hng为天然气的热值，表示设备在i站点t时刻r型GT产生的电能，，r型GB产生的热能。
(5)能源费用—电费
其中，Ke,i,t为i站点t时刻购电单价，Pex,i,t为i站点t时刻与电网交互的电能。
本发明实施例还包含一系列约束条件，如节点流量平衡、热能-流量约束、热损平衡约束、冷热电功率平衡约束、设备容量约束、运行上下限约束、状态变量约束等。
综上，本发明实施例考虑热网模型的综合能源容量配置优化目标函数为：
min f(ξ)。
需要说明的是，NSGA-Ⅲ算法沿用了NSGA-Ⅱ的框架，并且NSGA-Ⅲ为多目标进化算法，在求解由上述五个目标函数组成的多区域综合能源规划中，可以实现冷、热和电等各能源在不同环节的协同耦合，提高设备的使用效率，降低运行费用。
在步骤S102中，通过多目标进化算法NSGA-Ⅲ对多区域综合能源模型进行求解。
进一步地，结合图2和图3所示，在本发明的一个实施例中，通过多目标进化算法NSGA-Ⅲ对多区域综合能源模型进行求解，进一步包括：对多区域综合能源进行非支配分层得到非支配层级；对多区域综合能源协同规划的多个目标函数进行标量化操作；选取个体关联参考点，并筛选自带与删除参考点。
其中，在本发明的一个实施例中，对多区域综合能源协同规划的多个目标函数进行标量化操作，进一步包括：获取多个目标函数中每一个目标维度i上的最小值，得到第i个目标上对应的最小数值；根据最小数值的集合得到第一理想点集合；对理想点集合进行标量化；根据标量化的理想点集合通过ASF函数得到极值点，并且ASF函数作用于每个维度的目标函数，获取ASF数值最小的个体生成第二理想集合，以得到每个坐标点在对应坐标轴上的坐标值；对每个坐标点在对应坐标轴上的坐标值和第i个目标上对应的最小数值进行归一化运算。
可以理解的是，本发明实施例首先假设有一个规模为N的种群A，用遗传算子(选择、重组、变异)对种群A进行操作，得到一个规模为N的种群B，再将种群A和种群B混合，得到一个规模为2N的种群C。对种群C进行非支配排序，得到非支配层级为1、2、3……的诸层个体。把非支配层级为1、2、3……的个体依次加入下一代子代的集合D，直到集合D的规模大于N，记下此时非支配层级L。
进一步地，本发明实施例首先需要计算五个目标函数中每一个目标维度i上的最小值，得到第i个目标上对应的最小数值为Zi，此Zi的集合即为NSGA-Ⅲ算法中的理想点集合，从而在得到理想点集合后标量化：
其次，寻找极值点，并且通过的函数作用于每个维度的目标函数：
最后，遍历每个函数，找到ASF数值最小的个体，这些个体为理想点集合，根据这些点的具体函数值，计算出每个坐标点在对应坐标轴上的坐标值，即截距，将其记录为ai，从而得到ai和Zi的具体数值以后，进行归一化运算：
进一步地，在本发明的一个实施例中，在筛选自带与删除参考点时，获取被数量最少的种群个体所关联的参考点及其引用次数，其中，如果引用次数为零，且存在个体关联到参考点，则寻找距离最小点，并抽出距离最小点以加入被选中的下一代种群中；如果不存在个体被引用到参考点，则删除参考点向量，且在引用次数不为零时，获取距离最近的参考点，直至种群规模为满足预设条件时停止。
可以理解的是，经过非支配排序后，假设从第一个非支配层级到第FL层级的种群成员数目总和第一次超过种群规模N，那么定义St+1为包含了FL中全部个体的集合，由于St+1的规模超过了预先设定的种群成员数目，因此需要进行相应的筛选。筛选的第一步是对每个参考点进行遍历，查看它被不包含FL的St+1引用的次数，并且寻找被引用次数最少的参考点，也即被数量最少的种群个体所关联的参考点，将其被引用次数记录为pj，下面进行分情况讨论：
(1)假如这个参考点关联的种群个体数量为零，即pj等于0，但在FL中有个体被关联到这个参考点向量，则从中寻找距离最小的点，并将其从FL中抽出，加入到被选择的下一代种群中，有pj＝pj+1。
(2)如果在FL中没有个体被引用到该参考点，则删除该参考点向量，倘若pj>0，则从中选择距离最近的参考点。
在步骤S103中，获取解的优化集合，以根据优化集合对多区域综合能源进行优化配置。
进一步地，在本发明的一个实施例中，根据解的优化集合对多区域综合能源进行耦合，以提高每个设备的使用效率。
可以理解的是，本发明实施例直到种群规模为N时停止，从而得到解的优化集合，并根据优化集合对多区域综合能源进行优化配置，进而指导生产生活，实现了多区域综合能源间的耦合，提高各设备的使用效率。
根据本发明实施例提出的多区域综合能源协同规划方法，可以通过对非支配分层、对综合能源目标函数进行标量化操作、个体关联参考点选取以及筛选自带与删除参考点进行分情况讨论，以得到目标函数的解的优化组合，提高设备利用率，降低运行成本通过多目标进化算法对多区域综合能源进行优化配置，从而确定设备的优化组合，进而指导规划部门根据实际情况进行优化配置，指导实际生产生活，有效降低运行费用，提高设备利用率，降低运行成本。
其次参照附图描述根据本发明实施例提出的多区域综合能源协同规划装置。
图4是本发明实施例的多区域综合能源协同规划装置的结构示意图。
如图4所示，该多区域综合能源协同规划装置包括：获取模块100、计算模块200和优化模块300。
其中，获取模块100用于获取多区域综合能源模型，多区域综合能源模型包括多个目标函数。计算模块200用于通过多目标进化算法NSGA-Ⅲ对多区域综合能源模型进行求解。优化模块300用于获取解的优化集合，以根据优化集合对多区域综合能源进行优化配置。本发明实施例的装置10可以通过多目标进化算法对多区域综合能源进行优化配置，从而确定设备的优化组合，提高设备利用率，降低运行成本。
进一步地，在本发明的一个实施例中，计算模块300进一步包括：获取单元、操作单元和选取单元。
其中，获取单元用于对多区域综合能源进行非支配分层得到非支配层级。操作单元用于对多区域综合能源协同规划的多个目标函数进行标量化操作。选取单元用于选取个体关联参考点，并筛选自带与删除参考点。
进一步地，在本发明的一个实施例中，操作单元进一步包括：获取多个目标函数中每一个目标维度i上的最小值，得到第i个目标上对应的最小数值。根据最小数值的集合得到第一理想点集合。对理想点集合进行标量化。根据标量化的理想点集合通过ASF函数得到极值点，并且ASF函数作用于每个维度的目标函数，获取ASF数值最小的个体生成第二理想集合，以得到每个坐标点在对应坐标轴上的坐标值。对每个坐标点在对应坐标轴上的坐标值和第i个目标上对应的最小数值进行归一化运算。
进一步地，在本发明的一个实施例中，在筛选自带与删除参考点时，获取被数量最少的种群个体所关联的参考点及其引用次数，其中，如果引用次数为零，且存在个体关联到参考点，则寻找距离最小点，并抽出距离最小点以加入被选中的下一代种群中；如果不存在个体被引用到参考点，则删除参考点向量，且在引用次数不为零时，获取距离最近的参考点，直至种群规模为满足预设条件时停止。
进一步地，在本发明的一个实施例中，根据解的优化集合对多区域综合能源进行耦合，以提高每个设备的使用效率。
需要说明的是，前述对多区域综合能源协同规划方法实施例的解释说明也适用于该实施例的多区域综合能源协同规划装置，此处不再赘述。
根据本发明实施例提出的多区域综合能源协同规划装置，可以通过对非支配分层、对综合能源目标函数进行标量化操作、个体关联参考点选取以及筛选自带与删除参考点进行分情况讨论，以得到目标函数的解的优化组合，提高设备利用率，降低运行成本通过多目标进化算法对多区域综合能源进行优化配置，从而确定设备的优化组合，进而指导规划部门根据实际情况进行优化配置，指导实际生产生活，有效降低运行费用，提高设备利用率，降低运行成本。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种多区域综合能源协同规划方法，其特征在于，包括以下步骤：
获取多区域综合能源模型，所述多区域综合能源模型包括多个目标函数；
通过多目标进化算法NSGA-Ⅲ对所述多区域综合能源模型进行求解；以及获取解的优化集合，以根据所述优化集合对多区域综合能源进行优化配置。
2.根据权利要求1所述的多区域综合能源协同规划方法，其特征在于，所述通过多目标进化算法NSGA-Ⅲ对所述多区域综合能源模型进行求解，进一步包括：
对多区域综合能源进行非支配分层得到非支配层级；
对多区域综合能源协同规划的所述多个目标函数进行标量化操作；
选取个体关联参考点，并筛选自带与删除参考点。
3.根据权利要求2所述的多区域综合能源协同规划方法，其特征在于，所述对多区域综合能源协同规划的所述多个目标函数进行标量化操作，进一步包括：
获取所述多个目标函数中每一个目标维度i上的最小值，得到第i个目标上对应的最小数值；
根据所述最小数值的集合得到第一理想点集合；
对所述理想点集合进行标量化；
根据标量化的理想点集合通过ASF函数得到极值点，并且所述ASF函数作用于每个维度的目标函数，获取ASF数值最小的个体生成第二理想点集合，以得到每个坐标点在对应坐标轴上的坐标值；
对所述每个坐标点在对应坐标轴上的坐标值和第i个目标上对应的最小数值进行归一化运算。
4.根据权利要求2所述的多区域综合能源协同规划方法，其特征在于，在筛选自带与删除参考点时，获取被数量最少的种群个体所关联的参考点及其引用次数，其中，
如果所述引用次数为零，且存在个体关联到所述参考点，则寻找距离最小点，并抽出所述距离最小点以加入被选中的下一代种群中；
如果不存在个体被引用到所述参考点，则删除所述参考点向量，且在所述引用次数不为零时，获取距离最近的参考点，直至种群规模为满足预设条件时停止。
5.根据权利要求1-4任一项所述的多区域综合能源协同规划方法，其特征在于，根据所述解的优化集合对所述多区域综合能源进行耦合，以提高每个设备的使用效率。
6.一种多区域综合能源协同规划装置，其特征在于，包括：
获取模块，用于获取多区域综合能源模型，所述多区域综合能源模型包括多个目标函数；
计算模块，用于通过多目标进化算法NSGA-Ⅲ对所述多区域综合能源模型进行求解；以及
优化模块，用于获取解的优化集合，以根据所述优化集合对多区域综合能源进行优化配置。
7.根据权利要求6所述的多区域综合能源协同规划装置，其特征在于，所述计算模块，进一步包括：
获取单元，用于对多区域综合能源进行非支配分层得到非支配层级；
操作单元，用于对多区域综合能源协同规划的所述多个目标函数进行标量化操作；
选取单元，用于选取个体关联参考点，并筛选自带与删除参考点。
8.根据权利要求7所述的多区域综合能源协同规划装置，其特征在于，所述操作单元，进一步包括：
获取所述多个目标函数中每一个目标维度i上的最小值，得到第i个目标上对应的最小数值；
根据所述最小数值的集合得到第一理想点集合；
对所述理想点集合进行标量化；
根据标量化的理想点集合通过ASF函数得到极值点，并且所述ASF函数作用于每个维度的目标函数，获取ASF数值最小的个体生成第二理想集合，以得到每个坐标点在对应坐标轴上的坐标值；
对所述每个坐标点在对应坐标轴上的坐标值和第i个目标上对应的最小数值进行归一化运算。
9.根据权利要求7所述的多区域综合能源协同规划装置，其特征在于，在筛选自带与删除参考点时，获取被数量最少的种群个体所关联的参考点及其引用次数，其中，
如果所述引用次数为零，且存在个体关联到所述参考点，则寻找距离最小点，并抽出所述距离最小点以加入被选中的下一代种群中；
如果不存在个体被引用到所述参考点，则删除所述参考点向量，且在所述引用次数不为零时，获取距离最近的参考点，直至种群规模为满足预设条件时停止。
10.根据权利要求6-9任一项所述的多区域综合能源协同规划装置，其特征在于，根据所述解的优化集合对所述多区域综合能源进行耦合，以提高每个设备的使用效率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711158867.XA CN109818375A (zh) | 2017-11-20 | 2017-11-20 | 多区域综合能源协同规划方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711158867.XA CN109818375A (zh) | 2017-11-20 | 2017-11-20 | 多区域综合能源协同规划方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109818375A true CN109818375A (zh) | 2019-05-28 |
Family
ID=66598644
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711158867.XA Pending CN109818375A (zh) | 2017-11-20 | 2017-11-20 | 多区域综合能源协同规划方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109818375A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110912177A (zh) * | 2019-12-15 | 2020-03-24 | 兰州交通大学 | 一种多端柔性直流输电系统多目标优化设计方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150355618A1 (en) * | 2011-07-20 | 2015-12-10 | Nec Laboratories America, Inc. | Optimal energy management of a rural microgrid system using multi-objective optimization |
| CN105243432A (zh) * | 2015-09-11 | 2016-01-13 | 国家电网公司 | 基于nsga-ⅲ的upfc选址和容量多目标配置方法 |
| CN106487036A (zh) * | 2016-11-04 | 2017-03-08 | 浙江工业大学 | 一种基于多目标优化算法的独立光伏拖动系统容量配置方法 |
| CN110266010A (zh) * | 2019-05-30 | 2019-09-20 | 武汉大学 | 直流配电网网架结构与分布式光伏多目标协同优化方法 |
-
2017
- 2017-11-20 CN CN201711158867.XA patent/CN109818375A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150355618A1 (en) * | 2011-07-20 | 2015-12-10 | Nec Laboratories America, Inc. | Optimal energy management of a rural microgrid system using multi-objective optimization |
| CN105243432A (zh) * | 2015-09-11 | 2016-01-13 | 国家电网公司 | 基于nsga-ⅲ的upfc选址和容量多目标配置方法 |
| CN106487036A (zh) * | 2016-11-04 | 2017-03-08 | 浙江工业大学 | 一种基于多目标优化算法的独立光伏拖动系统容量配置方法 |
| CN110266010A (zh) * | 2019-05-30 | 2019-09-20 | 武汉大学 | 直流配电网网架结构与分布式光伏多目标协同优化方法 |
Non-Patent Citations (5)
| Title |
|---|
| BURHAN KHAN, MICHAEL JOHNSTONE: "Improved NSGA-III using Neighborhood Information and Scalarization", 《2016 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN, AND CYBERNETICS • SMC》 * |
| HAITHAM SEADA AND KALYANMOY DEB: "Effect of Selection Operator on NSGA-III in Single, Multi, and Many-Objective Optimization", 《2015 IEEE CONGRESS ON EVOLUTIONARY COMPUTATION (CEC)》 * |
| KALYANMOY DEB: "An Evolutionary Many-Objective Optimization Algorithm Using Reference-Point-Based Nondominated Sorting Approach，Part I: Solving Problems With Box Constraints", 《IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION》 * |
| 巨云涛: "基于多源信息的配电网电流匹配状态估计", 《电力系统自动化》 * |
| 王珺: "结合热网模型的多区域综合能源系统协同规划", 《电力系统自动化》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110912177A (zh) * | 2019-12-15 | 2020-03-24 | 兰州交通大学 | 一种多端柔性直流输电系统多目标优化设计方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jing et al. | Multi-objective optimization of a neighborhood-level urban energy network: Considering Game-theory inspired multi-benefit allocation constraints | |
| Luo et al. | Energy scheduling for a three-level integrated energy system based on energy hub models: A hierarchical Stackelberg game approach | |
| Li et al. | Data-driven distributionally robust co-optimization of P2P energy trading and network operation for interconnected microgrids | |
| Mohammadi et al. | Optimal management of energy hubs and smart energy hubs–a review | |
| Zhang et al. | Optimal operation of integrated electricity and heat system: A review of modeling and solution methods | |
| Zhou et al. | Distributionally robust co-optimization of energy and reserve for combined distribution networks of power and district heating | |
| Liu et al. | Research on clean energy power generation-energy storage-energy using virtual enterprise risk assessment based on fuzzy analytic hierarchy process in China | |
| Liu et al. | An energy systems engineering approach to the optimal design of energy systems in commercial buildings | |
| CN109784569A (zh) | 一种区域综合能源系统优化控制方法 | |
| CN106055773B (zh) | 结合热网模型的多区域综合能源系统配置模型的建立方法 | |
| CN110046750A (zh) | 一种能源互联网协同优化运行方法 | |
| CN111416356B (zh) | 基于交替方向乘子法及最优潮流的输配电网联动优化方法 | |
| WO2011134430A1 (zh) | 用于能源利用的系统能效控制器、能效增益装置及智能能源服务系统 | |
| WO2011134432A1 (zh) | 实现能源优化利用的泛能网及提供能源交易和服务的方法 | |
| CN111899120A (zh) | 一种综合能源规划与运行联合优化模型建立方法 | |
| Bianco et al. | Key performance indicators for an energy community based on sustainable technologies | |
| CN102063563A (zh) | 网省地一体化的母线负荷预测方法 | |
| Rogers et al. | The 20% house–An integrated assessment of options for reducing net carbon emissions from existing UK houses | |
| Qu et al. | Distributed optimal control of energy hubs for micro-integrated energy systems | |
| CN111738498A (zh) | 一种综合能源系统鲁棒规划方法及系统 | |
| CN109919450A (zh) | 解决综合智慧能源系统调度的博弈优化方法 | |
| Sanchis et al. | The Corridors of Power: A Pan-European\" Electricity Highway\" System for 2050 | |
| CN110322068A (zh) | 一种综合能源系统能源转换设备配置方法及配置系统 | |
| Yao et al. | A tri-layer decision-making framework for IES considering the interaction of integrated demand response and multi-energy market clearing | |
| CN105759773A (zh) | 基于面向对象分析的石化企业工厂模型扩展方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |