CN111325388B - 一种不确定条件下降低能耗的水资源优化配置方法 - Google Patents

一种不确定条件下降低能耗的水资源优化配置方法 Download PDF

Info

Publication number
CN111325388B
CN111325388B CN202010095728.2A CN202010095728A CN111325388B CN 111325388 B CN111325388 B CN 111325388B CN 202010095728 A CN202010095728 A CN 202010095728A CN 111325388 B CN111325388 B CN 111325388B
Authority
CN
China
Prior art keywords
water
energy consumption
water resource
demand
configuration
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.)
Active
Application number
CN202010095728.2A
Other languages
English (en)
Other versions
CN111325388A (zh
Inventor
李永平
马媛
刘元锐
杨鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Normal University
Original Assignee
Beijing Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Normal University filed Critical Beijing Normal University
Priority to CN202010095728.2A priority Critical patent/CN111325388B/zh
Publication of CN111325388A publication Critical patent/CN111325388A/zh
Application granted granted Critical
Publication of CN111325388B publication Critical patent/CN111325388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于水资源配置技术领域，尤其涉及一种不确定条件下降低能耗的水资源优化配置方法，包括：步骤A、预测配置区的水资源需求量、水资源可获得量，将其作为水资源配置模块的前端基础数据；步骤B、基于配置区水资源自然状况设置能源消耗情况，将其作为配水耗能模块的前端输入，构建模型目标函数；步骤C、采用两阶段双层规划分析对模型进行优化求解，并耦合模糊满意度算法与区间交互式算法，设置各用户配水量与上层目标的隶属函数。本发明可在优化水资源配置的基础上，有效减少配水能耗量，获得节能增收的水资源配置方案。

Description

一种不确定条件下降低能耗的水资源优化配置方法
技术领域
本发明属于水资源配置技术领域，尤其涉及一种不确定条件下降低能耗的水资源优化配置方法。
背景技术
水资源是人类生存的基础，随着人口增长与社会发展，水资源短缺问题日益严重。据统计，全世界有18亿人口面临着水资源短缺问题，其中，6.63亿甚至无法获得安全的饮用水。同时，能源短缺也是急需解决的世界性难题。而水资源与能源具有紧密的耦合关系。水资源抽取、运输、净化、处理中需要大量的能源，而能源生产过程中也要消耗大量的水资源。因此，如何在增大系统收益的同时，减少水资源配置过程耗所能量，实现水资源系统综合管理，在追求经济效益的同时，实现能源节约的绿色发展模式，做到资源可持续是目前所要解决的问题。
发明内容
为了解决上述技术问题，本发明提供了一种不确定条件下降低能耗的水资源优化配置方法，包括：
步骤A、预测配置区的水资源需求量、水资源可获得量，将其作为水资源配置模块的前端基础数据；
步骤B、基于配置区水资源自然状况设置能源消耗情况，将其作为配水耗能模块的前端输入，构建模型目标函数；
步骤C、采用两阶段双层规划分析对模型进行优化求解，并耦合模糊满意度算法与区间交互式算法，设置各用户配水量与上层目标的隶属函数。
所述步骤A包括：
步骤A0：输入配置区地理边界范围，基于支持向量机模型，预测配置区域不同用户在规划时期内的水资源需求量，并依据各用户历史用水量的波动情况，将需求量表示为区间参数形式；
步骤A1：依据配置区自然地理状况，采用逐步聚类分析法预测区域地表水、地下水水资源储量，将获得的水资源可获得量作为优化配置模型的输入边界；
步骤A2：加载各用户水资源需求区间以及水资源可获得量，将其作为水资源配置模块的前端基础数据，并设置误差允许范围，作为参数的波动区间。
所述步骤B包括：
步骤B0：调取配置区地下水深度、土层结构、地表水至各用户距离的水资源自然状况，依据经验公式设置单位水资源抽水能耗、净化能耗、输水能耗、处理能耗，将其作为配水耗能模块的前端输入；
步骤B1：加载区域配水耗能模块，考虑水资源优化配置中的不确定性，构建模型目标函数；对配置系统中的缺水误差进行反馈识别；
步骤B2：分别建立以社会总需电量、污染物排放总量、总水资源量、用户最小需水量为约束条件。
所述步骤C包括：依据所设置的模型隶属函数，加载系统满意度参数，范围为0到1，用于衡量决策者对模型求解结果的满意程度，满意度参数越接近于1，表明决策者对水资源配置结果越满意。
所述步骤B1包括：
考虑自然条件下水资源储量的不确定性与配置系统中缺水误差的随机性，构建上层模型目标：
Figure BDA0002385287630000021
加载配水耗能模块，考虑配水全过程中的抽水能耗、净化能耗、输水能耗、处理能耗，构建下层模型目标：
Figure BDA0002385287630000022
其中±为区间符号，表征水资源配置系统的不确定性，Pit为概率函数，表征自然资源可获得量的随机不确定性，
Figure BDA0002385287630000031
为用户i的配水收益，
Figure BDA0002385287630000032
为不同水源的计划配水量，
Figure BDA0002385287630000033
为缺水惩罚系数，
Figure BDA0002385287630000034
为反馈识别的缺水误差，
Figure BDA0002385287630000035
为抽水能耗，
Figure BDA0002385287630000036
为输水能耗，
Figure BDA0002385287630000037
为制水过程能耗，
Figure BDA0002385287630000038
为运水过程能耗，
Figure BDA0002385287630000039
为污水净化能耗，
Figure BDA00023852876300000310
为实际配水量，αt为净水需求率，δit为污水产生率。
本发明的有益效果：
本发明将区间两阶段规划与双层规划相结合，生成了区间随机双层规划方法，并将该方法应用到不确定条件下降低能耗的水资源优化配置系统中，可有效的处理：(1)以区间形式表征的系统不确定性；(2)以概率函数表征的自然资源储量的随机不确定性。并考虑了水资源配置过程中的能耗情况，可在优化水资源配置的基础上，有效减少配水能耗量，获得节能增收的水资源配置方案。
和现有的水资源优化配置方法相比，本发明具有以下优点：
(1)传统配置方法大多只考虑单一决策者，忽略了不同决策层的利益冲突问题。本发明引入双层规划技术，能够同时考虑不同层面的决策需求，平衡不同决策者之间的矛盾问题，能够生成经济收益最大化，但耗能最小化的配水方案。
(2)传统的配置方法仅考虑模型的单一不确定性，无法处理系统的多重不确定性问题。本发明结合区间规划技术与两阶段随机规划技术，能够处理由自然状况引起的水资源可获得量的随机不确定性，此外，还能处理模型中难以用概率函数表示的其他多重不确定性。
附图说明
图1本发明开发的一种不确定条件下降低能耗的水资源优化配置方法框架图；
图2本专利方法与传统方法耗能结果对比；
图3系统输出的水资源配置结果。
具体实施方式
下面结合附图，对实施例作详细说明。
本发明中，应用区间随机双层规划方法，开发了不确定条件下降低能耗的水资源优化配置系统，解决了水资源配置系统中的复杂性、不确定性以及多层次性问题，并有效降低水资源配置过程中的耗能量，达到节能增收的目的。
图1是所开发的系统框架图，首先依据配置区自然资源状况以及需水量设置基础数据输入模块，之后加载配水耗能模块，构建优化模型，并引入区间交互式算法与模糊满意度算法对模型进行求解，从而处理自然条件下水资源储量的随机不确定性以及系统复杂性，最后输出不确定条件下节能增收的水资源配置方案，具体输出数据如图3所示。
在具体实践上，实施流程包括：
步骤1:：输入配置区地理边界范围，基于支持向量机模型，预测配置区域不同用户在规划时期内的水资源需求量，并依据各用户历史用水量的波动情况，将需求量表示为区间参数形式。
步骤2：依据配置区自然地理状况，预测区域地表水、地下水水资源储量，将获得的水资源可获得量作为优化配置模型的输入边界。其中，该步骤中水资源储量预测采用逐步聚类分析法。
步骤3：加载各用户水资源需求区间以及水资源可获得量，将其作为水资源配置模块的前端基础数据，并设置误差允许范围，作为参数的波动区间，增加方法的灵活性。
步骤4：调取配置区地下水深度、土层结构、地表水至各用户距离等水资源自然状况，依据经验公式设置单位水资源抽水能耗、净化能耗、输水能耗、处理能耗等能源消耗情况，将其作为配水耗能模块的前端输入。
步骤5：加载区域配水耗能模块，考虑水资源优化配置中的不确定性，构建模型目标函数。同时，由于实际配水与需水量存在偏差，需对配置系统中的缺水误差进行反馈识别。
其中，考虑自然条件下水资源储量的不确定性与配置系统中缺水误差的随机性，构建上层模型目标：
Figure BDA0002385287630000051
加载配水耗能模块，考虑配水全过程中的抽水能耗、净化能耗、输水能耗、处理能耗，构建下层模型目标：
Figure BDA0002385287630000052
其中±为区间符号，表征水资源配置系统的不确定性，Pit为概率函数，表征自然资源可获得量的随机不确定性，
Figure BDA0002385287630000053
为用户i的配水收益，
Figure BDA0002385287630000054
为不同水源的计划配水量，
Figure BDA0002385287630000055
为缺水惩罚系数，
Figure BDA0002385287630000056
为反馈识别的缺水误差，
Figure BDA0002385287630000057
为抽水能耗，
Figure BDA0002385287630000058
为输水能耗，
Figure BDA0002385287630000059
为制水过程能耗，
Figure BDA00023852876300000510
为运水过程能耗，
Figure BDA00023852876300000511
为污水净化能耗，
Figure BDA00023852876300000512
为实际配水量，αt为净水需求率，δit为污水产生率。
步骤6：以社会总需电量为约束，考虑到用以发电的水资源要满足社会总需电量的发电需求：
Figure BDA00023852876300000513
其中，WDt为单位耗水发电率，
Figure BDA00023852876300000514
为外购电量，
Figure BDA00023852876300000515
为社会总需电量。
步骤7：以水质要求为约束，考虑到各个配水用户污水排放时的污染物总量控制：
Figure BDA00023852876300000516
其中，ρitk为污水中的主要污染物浓度，κt为污染物去除率，
Figure BDA00023852876300000517
为主要污染物最大排放限度。
步骤8：考虑自然资源储量，设置水资源可获得量为约束：
Figure BDA0002385287630000061
其中，
Figure BDA0002385287630000062
为总水资源量。
步骤9：以不同用户最小需水量为约束：
Figure BDA0002385287630000063
其中，
Figure BDA0002385287630000064
为各用户最小需水量。
步骤10：针对区域水资源自然状况与用户需水情况，开发两阶段双层规划方法，并耦合传统的模糊满意度算法与区间交互式算法，设置各用户配水量与上层目标的隶属函数。相较于传统方法，该算法能够处理模型中以区间参数表示的不确定性，简化计算过程，减少模型运算时间。
步骤11：依据所设置的模型隶属函数，加载系统满意度参数(范围为0到1)，用于衡量决策者对模型求解结果的满意程度，满意度参数越接近于1，表明决策者对水资源配置结果越满意。
最终得到区域水资源优化配置方案，达到节能增收的目的。同时，本发明以济南市为案例，验证了所提方法的有效性，经过案例仿真模拟发现，采用本专利所提出的水资源优化配置方法后，济南市水资源系统收益将提高7.5％，同时，耗能将减少2.9％(图2)。具体输出方案如图3所示。
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.一种不确定条件下降低能耗的水资源优化配置方法，其特征在于，包括：
步骤A、预测配置区的水资源需求量、水资源可获得量，将其作为水资源配置模块的前端基础数据；
步骤B、基于配置区水资源自然状况设置能源消耗情况，将其作为配水耗能模块的前端输入，构建模型目标函数；
步骤C、采用两阶段双层规划分析对模型进行优化求解，并耦合模糊满意度算法与区间交互式算法，设置各用户配水量与上层目标的隶属函数；
所述步骤B中具体包括下列步骤4～步骤10；
步骤4：调取配置区地下水深度、土层结构、地表水至各用户距离水资源自然状况，依据经验公式设置单位水资源抽水能耗、净化能耗、输水能耗、处理能耗能源消耗情况，将其作为配水耗能模块的前端输入；
步骤5：加载区域配水耗能模块，考虑水资源优化配置中的不确定性，构建模型目标函数；由于实际配水与需水量存在偏差，需对配置系统中的缺水误差进行反馈识别；
其中，考虑自然条件下水资源储量的不确定性与配置系统中缺水误差的随机性，构建上层模型目标：
Figure FDA0003637788430000011
加载配水耗能模块，考虑配水全过程中的抽水能耗、净化能耗、输水能耗、处理能耗，构建下层模型目标：
Figure FDA0003637788430000012
其中±为区间符号，表征水资源配置系统的不确定性，Ptk为概率函数，表征自然资源可获得量的随机不确定性，
Figure FDA0003637788430000013
为用户i的配水收益，
Figure FDA0003637788430000014
为不同水源的计划配水量，
Figure FDA0003637788430000021
为缺水惩罚系数，
Figure FDA0003637788430000022
为反馈识别的缺水误差，
Figure FDA0003637788430000023
为抽水能耗，
Figure FDA0003637788430000024
为输水能耗，
Figure FDA0003637788430000025
为制水过程能耗，
Figure FDA0003637788430000026
为运水过程能耗，
Figure FDA0003637788430000027
为污水净化能耗，
Figure FDA0003637788430000028
为实际配水量，αt为净水需求率，δit为污水产生率；
步骤6：以社会总需电量为约束，考虑到用以发电的水资源要满足社会总需电量的发电需求：
Figure FDA0003637788430000029
其中，WDt为单位耗水发电率，
Figure FDA00036377884300000210
为外购电量，
Figure FDA00036377884300000211
为社会总需电量；
步骤7：以水质要求为约束，考虑到各个配水用户污水排放时的污染物总量控制：
Figure FDA00036377884300000212
其中，ρitk为污水中的主要污染物浓度，κt为污染物去除率，
Figure FDA00036377884300000213
为主要污染物最大排放限度；
步骤8：考虑自然资源储量，设置水资源可获得量为约束：
Figure FDA00036377884300000214
其中，
Figure FDA00036377884300000215
为总水资源量；
步骤9：以不同用户最小需水量为约束：
Figure FDA00036377884300000216
其中，
Figure FDA00036377884300000217
为各用户最小需水量；
步骤10：针对区域水资源自然状况与用户需水情况，开发两阶段双层规划方法，并耦合传统的模糊满意度算法与区间交互式算法，设置各用户配水量与上层目标的隶属函数。
2.根据权利要求1所述不确定条件下降低能耗的水资源优化配置方法，其特征在于，所述步骤A包括：
步骤A0：输入配置区地理边界范围，基于支持向量机模型，预测配置区域不同用户在规划时期内的水资源需求量，并依据各用户历史用水量的波动情况，将需求量表示为区间参数形式；
步骤A1：依据配置区自然地理状况，采用逐步聚类分析法预测区域地表水、地下水水资源储量，将获得的水资源可获得量作为优化配置模型的输入边界；
步骤A2：加载各用户水资源需求区间以及水资源可获得量，将其作为水资源配置模块的前端基础数据，并设置误差允许范围，作为参数的波动区间。
3.根据权利要求1所述不确定条件下降低能耗的水资源优化配置方法，其特征在于，所述步骤C包括：依据所设置的模型隶属函数，加载系统满意度参数，范围为0到1，用于衡量决策者对模型求解结果的满意程度，满意度参数越接近于1，表明决策者对水资源配置结果越满意。
CN202010095728.2A 2020-02-17 2020-02-17 一种不确定条件下降低能耗的水资源优化配置方法 Active CN111325388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010095728.2A CN111325388B (zh) 2020-02-17 2020-02-17 一种不确定条件下降低能耗的水资源优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010095728.2A CN111325388B (zh) 2020-02-17 2020-02-17 一种不确定条件下降低能耗的水资源优化配置方法

Publications (2)

Publication Number Publication Date
CN111325388A CN111325388A (zh) 2020-06-23
CN111325388B true CN111325388B (zh) 2022-07-12

Family

ID=71172797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010095728.2A Active CN111325388B (zh) 2020-02-17 2020-02-17 一种不确定条件下降低能耗的水资源优化配置方法

Country Status (1)

Country Link
CN (1) CN111325388B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113836720B (zh) * 2021-09-24 2024-04-05 华北电力大学 考虑多重不确定性及气候变化的双目标能源系统规划方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598995A (zh) * 2015-01-27 2015-05-06 四川大学 基于水权的区域水资源分配二层决策优化方法
CN110276700A (zh) * 2019-06-24 2019-09-24 北京师范大学 水资源优化配置方法、装置、设备及存储介质
CN110288209A (zh) * 2019-06-11 2019-09-27 北京师范大学 水资源配置方法、装置、电子设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598995A (zh) * 2015-01-27 2015-05-06 四川大学 基于水权的区域水资源分配二层决策优化方法
CN110288209A (zh) * 2019-06-11 2019-09-27 北京师范大学 水资源配置方法、装置、电子设备及存储介质
CN110276700A (zh) * 2019-06-24 2019-09-24 北京师范大学 水资源优化配置方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于双层规划的电力生产与水资源管理耦合模型研究;靳舒葳 等;《水电能源科学》;20170831;第35卷(第08期);全文 *

Also Published As

Publication number Publication date
CN111325388A (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
Wang et al. Optimal bidding strategy for microgrids in joint energy and ancillary service markets considering flexible ramping products
CN109741110A (zh) 一种基于机会约束规划的风氢系统联合优化建模方法
CN112862194B (zh) 配电网供电规划方法、装置、设备、以及可读存储介质
CN111325388B (zh) 一种不确定条件下降低能耗的水资源优化配置方法
CN110247428A (zh) 一种基于源网荷协同优化的配电网光储联合配置方法
CN106354931A (zh) 一种基于水泵特性曲线更新的泵站优化调度方法
CN114663254B (zh) 一种水资源-粮食-能源-生态协同调控方法
CN108667077A (zh) 一种风蓄联合系统优化调度方法
CN112699615B (zh) 一种跨时空能源综合配置优化方法、装置及存储介质
CN107992967A (zh) 基于改进多目标遗传算法的船闸调度方法
CN113052719B (zh) 一种考虑需求响应的数据中心数据服务定价方法及装置
CN116579115B (zh) 电、氢协同互动的系统规划方法及装置
CN109657898A (zh) 一种基于凸松弛的可再生能源随机动态经济调度方法
Zeng et al. New optimization method based on energy management in microgrids based on energy storage systems and combined heat and power
CN115907402B (zh) 一种梯级水电站联合保证出力的推求方法及系统
Firouzmakan et al. Optimal power management of electrical energy storage system, CHP, conventional and heat‐only units considering both electrical and thermal loads for assessment of all‐electric ship's system
CN116342176A (zh) 一种电力市场现货电能量交易规则的火电企业分段报价方法
Zheng et al. Limited adaptive genetic algorithm for inner-plant economical operation of hydropower station
CN116205345A (zh) 一种考虑风光预测及检修计划的优化调度方法及系统
CN115189409A (zh) 电力系统生产模拟方法、装置、计算机设备及存储介质
CN114971071A (zh) 计及风光接入和电热混合储能的园区综合能源系统时序规划方法
Li et al. Research on economic dispatch of large power grid based on granular computing
CN113852109A (zh) 一种异构式微电网群的公平载荷裕度分布式调控方法
Wei et al. Multi‐objective optimal configuration of stand‐alone microgrids based on Benders decomposition considering power supply reliability
Liu et al. Mine water cooperative optimal scheduling based on improved genetic algorithm

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