CN112966873A - 工业园区综合能源系统优化运行方法、装置、存储介质 - Google Patents

工业园区综合能源系统优化运行方法、装置、存储介质 Download PDF

Info

Publication number
CN112966873A
CN112966873A CN202110290189.2A CN202110290189A CN112966873A CN 112966873 A CN112966873 A CN 112966873A CN 202110290189 A CN202110290189 A CN 202110290189A CN 112966873 A CN112966873 A CN 112966873A
Authority
CN
China
Prior art keywords
user
interaction
carbon
model
optimization decision
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
Application number
CN202110290189.2A
Other languages
English (en)
Other versions
CN112966873B (zh
Inventor
周长城
白浩
袁智勇
雷金勇
郭作刚
叶琳浩
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.)
China Southern Power Grid Co Ltd
Research Institute of Southern Power Grid Co Ltd
Original Assignee
China Southern Power Grid Co Ltd
Research Institute of Southern Power Grid Co Ltd
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 China Southern Power Grid Co Ltd, Research Institute of Southern Power Grid Co Ltd filed Critical China Southern Power Grid Co Ltd
Priority to CN202110290189.2A priority Critical patent/CN112966873B/zh
Publication of CN112966873A publication Critical patent/CN112966873A/zh
Application granted granted Critical
Publication of CN112966873B publication Critical patent/CN112966873B/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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供的一种工业园区综合能源系统优化运行方法、装置、存储介质，基于工业园区综合能源系统中引入的互动机制模型，共同构建优化决策模型；由于原有的互动机制通过博弈论原理和多代理技术描述工业园区多元主体在互动过程中的行为习惯和倾向，在此基础上引入碳交易机制后，能够进一步明确工业园区综合能源系统中的各参与主体的行为，为综合能源系统的优化运行提供量化决策依据；最后，将工业园区中各个用户的典型场景以及互动机制模型中各个用户参与互动的能力输入到优化决策模型中，对优化决策模型进行求解后得到的优化决策建议，能够较好的实现电力供需平衡，有效提升优化运行结果的准确性。

Description

工业园区综合能源系统优化运行方法、装置、存储介质
技术领域
本发明涉及能源优化技术领域，尤其涉及一种工业园区综合能源系统优化运行方法、装置、存储介质、计算机设备。
背景技术
近年来，越来越多的工业园区引入了综合能源系统，该举措不仅有利于盘活园区内部可调节资源，提升园区整体用能效率和灵活性，还能够赋予工业园区新的商业模式和用能方式。例如，通过工业园区互动机制参与园区外部系统(目前主要是电力系统)的辅助服务获利等。
目前，在工业园区互动机制中，工业园区运营商为了互动目标，向园区内部用户提供能量、资金交易以及信息交互的规则，而互动参与方则会按照互动机制设定的规则配合工业园区运营商达到互动目标，如调解园区整体负荷水平、优化能效等。与此同时，为了响应十四五规划中“碳达峰、碳中和”的目标，现有的工业园区综合能源系统在运行过程中也纳入了碳交易机制。
但是，由于综合能源系统具有复杂的能源多样性特征和多变的能源链迁移和转化过程，现有的碳交易机制多聚焦于发电机组的碳排放配额优化问题上，而较少考虑综合能源系统整体的优化决策，从而使得工业园区综合能源系统在优化运行时，因无法准确描述各参与主体的行为而导致量化决策缺少依据，进而降低优化决策结果的准确性。
发明内容
本发明的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中碳交易机制较少考虑综合能源系统整体的优化决策，从而使得工业园区综合能源系统在优化运行时，因无法准确描述各参与主体的行为而导致量化决策缺少依据，进而降低优化决策结果的准确性的技术缺陷。
本发明实施例提供了一种工业园区综合能源系统优化运行方法，包括：
获取工业园区中各个用户在预设时段中使用不同类型能源的负荷时间序列，并根据所述负荷时间序列确定各个用户的典型场景；
获取各个用户的碳交互信息，根据所述碳交互信息构建碳交互模型，并基于预先设置的互动机制模型共同构建优化决策模型；其中，所述互动机制模型包括各个用户参与互动的能力；
将所述典型场景以及各个用户参与互动的能力作为所述优化决策模型的输入，对所述优化决策模型进行求解，得到提供给各个用户的优化决策建议。
可选地，根据所述负荷时间序列确定各个用户的典型场景的步骤，包括：
将所述负荷时间序列输入到聚类算法中，通过所述聚类算法确定各个用户的典型场景。
可选地，所述碳交互信息包括各个用户单次碳交互的碳排放额单价、碳排放额度、碳交互方式；
根据所述碳交互信息构建碳交互模型的计算公式如下：
Fi,C＝ω·∑p·ΔQi,C
其中，Fi,C为用户i的碳交互收益，ω为符号参数，当用户不参与碳交互时取0，出售碳排放额时取1，购买碳排放额时取-1，p为每次碳交互的碳排放额单价；ΔQi,C为用户i每次碳交互的碳排放额度。
可选地，所述互动机制模型包括用户效用模型和运营商收益模型。
可选地，所述基于预先设置的互动机制模型共同构建优化决策模型的步骤，包括：
基于所述互动机制模型以及所述碳交互模型共同确定优化决策模型的目标函数和约束条件；
根据所述目标函数和所述约束条件构建所述优化决策模型。
可选地，所述各个用户参与互动的能力包括各个用户在所述预设时段的可平移负荷量、可削减负荷量与可转化负荷量。
可选地，所述将所述典型场景以及各个用户参与互动的能力作为所述优化决策模型的输入，对所述优化决策模型进行求解，得到提供给各个用户的优化决策建议的步骤，包括：
将各个用户的典型场景以及各个用户在所述预设时段的可平移负荷量、可削减负荷量与可转化负荷量作为所述优化决策模型的输入；
利用分布式优化方法对所述优化决策模型进行优化求解，得到提供给各个用户的优化决策建议。
本发明还提供了一种工业园区综合能源系统优化运行装置，包括：
场景确认模块，用于获取工业园区中各个用户在预设时段中使用不同类型能源的负荷时间序列，并根据所述负荷时间序列确定各个用户的典型场景；
模型构建模块，用于获取各个用户的碳交互信息，根据所述碳交互信息构建碳交互模型，并基于预先设置的互动机制模型共同构建优化决策模型；其中，所述互动机制模型包括各个用户参与互动的能力；
优化决策模块，用于将所述典型场景以及各个用户参与互动的能力作为所述优化决策模型的输入，对所述优化决策模型进行求解，得到提供给各个用户的优化决策建议。
本发明还提供了一种存储介质，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述工业园区综合能源系统优化运行方法的步骤。
本发明还提供了一种计算机设备，所述计算机设备中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述工业园区综合能源系统优化运行方法的步骤。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明提供的一种工业园区综合能源系统优化运行方法、装置、存储介质，包括：获取工业园区中各个用户在预设时段中使用不同类型能源的负荷时间序列，并根据所述负荷时间序列确定各个用户的典型场景；获取各个用户的碳交互信息，根据所述碳交互信息构建碳交互模型，并基于预先设置的互动机制模型共同构建优化决策模型；其中，所述互动机制模型包括各个用户参与互动的能力；将所述典型场景以及各个用户参与互动的能力作为所述优化决策模型的输入，对所述优化决策模型进行求解，得到各个用户的优化决策建议。
本发明基于工业园区综合能源系统中引入的互动机制模型，将碳交易机制量化为工业园区综合能源系统运行优化的约束条件之一，共同构建优化决策模型；由于原有的互动机制通过博弈论原理和多代理技术描述工业园区多元主体在互动过程中的行为习惯和倾向，在此基础上引入碳交易机制后，能够进一步明确工业园区综合能源系统中的各参与主体的行为，为综合能源系统的优化运行提供量化决策依据；最后，将工业园区中各个用户的典型场景以及互动机制模型中各个用户参与互动的能力输入到优化决策模型中，对优化决策模型进行求解后得到的优化决策建议，能够较好的实现电力供需平衡，有效提升优化运行结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种工业园区综合能源系统优化运行方法的流程示意图；
图2为本发明实施例提供的使用分布式优化方法的求解过程示意图；
图3为本发明实施例提供的优化决策建议生成的流程示意图；
图4为本发明实施例提供的一种工业园区综合能源系统优化运行装置的结构示意图；
图5为本发明实施例提供的一种计算机设备的内部结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像本申请实施例中一样被特定定义，否则不会用理想化或过于正式的含义来解释。
近年来，越来越多的工业园区引入了综合能源系统，综合能源系统(IES)是以配用电系统为基础，集成分布式能源，为用户提供冷、热、电、气等多种类型能源供应的能量供应系统。工业园区引入综合能源系统后，不仅有利于盘活园区内部可调节资源，提升园区整体用能效率和灵活性，还能够赋予工业园区新的商业模式和用能方式。例如，通过工业园区互动机制参与园区外部系统(目前主要是电力系统)的辅助服务获利等。
目前，在工业园区互动机制中，工业园区运营商为了互动目标，向园区内部用户提供能量、资金交易以及信息交互的规则，而互动参与方则会按照互动机制设定的规则配合工业园区运营商达到互动目标，如调解园区整体负荷水平、优化能效等。与此同时，我国已将“碳达峰、碳中和”工作列为“十四五”期间的重点工作，力争在2030年前二氧化碳排放达到峰值，在2060年前实现碳中和。为了响应十四五规划中“碳达峰、碳中和”的目标，现有的工业园区综合能源系统在运行过程中也纳入了碳交易机制。
但是，由于综合能源系统具有复杂的能源多样性特征和多变的能源链迁移和转化过程，现有的碳交易机制多聚焦于发电机组的碳排放配额优化问题上，而较少考虑综合能源系统整体的优化决策，从而使得工业园区综合能源系统在优化运行时，因无法准确描述各参与主体的行为而导致量化决策缺少依据，进而降低优化决策结果的准确性。
因此，本发明旨在解决现有技术中碳交易机制较少考虑综合能源系统整体的优化决策，从而使得工业园区综合能源系统在优化运行时，因无法准确描述各参与主体的行为而导致量化决策缺少依据，进而降低优化决策结果的准确性的技术问题，提出如下技术方案：
具体请参阅图1，图1为本发明实施例提供的一种工业园区综合能源系统优化运行方法的流程示意图，本发明提供了一种工业园区综合能源系统优化运行方法，具体包括如下步骤：
S110：获取工业园区中各个用户在预设时段中使用不同类型能源的负荷时间序列，并根据所述负荷时间序列确定各个用户的典型场景。
本步骤中，在对工业园区综合能源系统进行优化配置时，可预先获取工业园区中各个用户在预设时段中使用不同类型能源的负荷时间序列，然后根据获取到的负荷时间序列确定各个用户的典型场景。
具体地，对于工业园区综合能源系统中的每一个用户而言，其使用的能源类型各有不同，因此，可按照能源类型的不同对负荷进行分类。例如，可根据综合能源系统中的冷、热、电、气等多种类型能源划分出电/冷/热三种负荷，然后获取各个能源类型负荷在预设时段内的负荷量，并用一个形如下式的数组x进行描述：
x＝{p1,p2,L,pi,h1,h2,L,hi}
其中，i表示预设时段中的时段数；p、h分别代表电、冷/热负荷。
需要说明的是，在热力学中冷和热是同一类型的能量，因此在上式中均用h表示；此外，不同能源类型负荷的单位不同，如电负荷单位是千瓦时(kWh)，热蒸汽负荷单位是吨(t)，上式中仅保留各能源类型负荷的数值，无需进行量纲的转换。
当获取到工业园区中各个用户在预设时段中使用不同类型能源的负荷时间序列后，可依据该负荷时间序列来确定各个用户的典型场景，其中，典型场景指的是依据该负荷时间序列进行计算后确定的最接近某一分类的用能场景，典型场景的确定可依据聚类算法获得。
S120：获取各个用户的碳交互信息，根据所述碳交互信息构建碳交互模型，并基于预先设置的互动机制模型共同构建优化决策模型；其中，所述互动机制模型包括各个用户参与互动的能力。
本步骤中，当通过步骤S110中依据工业园区中各个用户在预设时段中使用不同类型能源的负荷时间序列来确定各个用户的典型场景后，进一步地，可获取各个用户的碳交互信息，并根据该碳交互信息构建碳交互模型。
可以理解的是，这里的碳交互信息包括但不限于各个用户单次碳交互的碳排放额单价、碳排放额度、碳交互方式等，其中，碳排放额度指的是依据碳排放配额而分配的额度，而碳排放配额指的是经当地发改委核定，企业可获得的一定时期内“合法”排放温室气体的总量。
需要说明的是，当企业实际排放量较多时，超出部分配额需花钱购买；而当企业实际排放较少，结余部分配额则可在碳排放交易(简称“碳交易”，即本文中的碳交互)市场上出售。
另外，这里的碳交互方式包括但不限于用户不参与碳交互、用户出售碳排放额度以及用户购买碳排放额度。
当确定用户的碳交互信息后，可根据该碳交互信息构建碳交互模型，并基于预先设置的互动机制模型共同构建优化决策模型。
具体地，工业园区的互动机制模型指的是工业园区运营商(或管理方)为了互动目标(如调解园区整体负荷水平、优化能效等)向园区内部用户提供能量、资金交易，以及信息交互的规则。一般在这个规则下工业园区运营商(或管理方)将为互动参与方提供一些资金补偿或非资金形式的补偿，而互动参与方(用户)则会按照互动机制设定的规则配合工业园区运营商(或管理方)达到互动目标，从而实现电力供需平衡。
并且，在互动机制模型中，用户参与互动的方式包括有平移负荷、削减负荷和转化负荷，由于每个用户通过每种方式参与互动的能力是有限的，因此，互动机制模型在一定程度上反映了各个用户参与互动的能力。在互动机制模型的基础上引入碳交互模型，使得最终形成的优化决策模型既考虑到原本的互动机制模型中的目标函数和约束条件，又考虑到新引入的碳交互模型中的目标函数和约束条件，从而能够更好地为用户提供优化决策建议。
S130：将所述典型场景以及各个用户参与互动的能力作为所述优化决策模型的输入，对所述优化决策模型进行求解，得到提供给各个用户的优化决策建议。
本步骤中，通过步骤S120构建优化决策模型后，可将步骤S110中得到的各个用户的典型场景与各个用户参与互动的能力共同作为优化决策模型的输入，并使用一定的优化算法对优化决策模型进行求解，以得到各个用户对应的优化决策建议。
举例来说，当工业园区发送负荷越限情况或收到电力调度机构的削峰指令时，工业园区运营商可以向用户发布负荷削减需求，通过对互动响应电力进行经济补偿和降低负荷越限时段的用热价格等方式，利用互动机制和碳交易机制将园区需要削减的电负荷分解到园区内每一个用户，用户可以通过有偿调节用能行为的方式参与互动响应。在互动过程中国，运营商与用户之间有着不同的利益诉求，通过互动机制和碳交易机制确保运营商与用户在互动过程中各自争取最大的利益。
上述实施例中，基于工业园区综合能源系统中引入的互动机制模型，将碳交易机制量化为工业园区综合能源系统运行优化的约束条件之一，共同构建优化决策模型；由于原有的互动机制通过博弈论原理和多代理技术描述工业园区多元主体在互动过程中的行为习惯和倾向，在此基础上引入碳交易机制后，能够进一步明确工业园区综合能源系统中的各参与主体的行为，为综合能源系统的优化运行提供量化决策依据；最后，将工业园区中各个用户的典型场景以及互动机制模型中各个用户参与互动的能力输入到优化决策模型中，对优化决策模型进行求解后得到的优化决策建议，能够较好的实现电力供需平衡，有效提升优化运行结果的准确性。
在一个实施例中，步骤S110中根据所述负荷时间序列确定各个用户的典型场景的步骤，可以包括：
将所述负荷时间序列输入到聚类算法中，通过所述聚类算法确定各个用户的典型场景。
本实施例中，当获取到工业园区中各个用户在预设时段中使用不同类型能源的负荷时间序列后，可将该负荷时间序列输入到聚类算法中，通过所述聚类算法来确定各个用户的典型场景。
具体地，可使用k-means聚类方法，其原理是利用两个聚类目标之间的欧式距离判断二者的相似性，该方法可将多条数据序列分为k个类，每个类都有一个聚类中心，k值(即聚类的个数)可根据经验设定，也可利用DBI指标法等确定。
对于工业园区IES中的每一个用户而言，可用一个形如下式的数组描述其电/冷/热负荷的时间序列，每一个负荷时间序列即为一个数据对象。然后计算各个数据对象(曲线)之间的欧式距离，如下式所示：
dij＝||xi-xj||2
其中，dij为各数据对象(曲线)之间的欧式距离，
Figure BDA0002982132460000091
为二范数运算符号，即欧几里德距离运算；下标i和j为不相等的正整数。
对于每一个数据对象xi，将其与其他数据对象的最大欧氏距离作为其初始密度参数，记为εi。对于具有M个数据对象的样本而言，我们可以得到M个初始密度参数。将所有的初始密度参数升序排列，并取一定比例(记为α)，将这些密度参数对应的数据对象设为高密度数据对象。
接着，将最小值初始密度参数对应的数据对象作为第一个聚类中心，记为z1，同时，从上一步中的高密度数据对象中选择距离z1欧氏距离最大的数据对象作为第二个聚类中心，记为z2。继续从高密度曲线中选择下一个聚类中心，计算两两之间的欧氏距离，并按下式确定对应下一个聚类中心的欧式距离，将其对应的数据对象作为下一个聚类中心，记为zj，并将其剔除出高密度数据对象。
dj＝max(min(d(xi,z1)),min(d(xi,z2)),···,min(d(xi,zj-1)))
重复上述操作，直至获得K个数据中心，K值由DBI指标确定。
上述步骤中中我们确定了聚类中心，下面我们根据误差平方和准则函数作为聚类收敛依据，判断所有样本中各数据对象的所属类别并更新聚类中心。准则函数如下式所示：
Figure BDA0002982132460000092
其中，K为聚类个数，nj为第j类的向量个数，mj为迭代更新之后的聚类中心，其表达式如下式所示：
Figure BDA0002982132460000101
然后按照下式计算前后两次准则函数之差，若两次计算差值小于预设的阈值e后，则停止更新聚类中心，完成场景削减聚类，表达式如下：
DJ＝|Jc(iter+1)-Jc(iter)|
式中：iter为聚类迭代次数，是自然数序列；定义Jc(0)＝0。
最后，基于DBI指标确定最佳聚类个数，DBI是一种非模糊型的集群评估指标，其表达式如下：
Figure BDA0002982132460000102
式中：Si表示第i个类内的数据对象的分散程度，Sj表示第j个类内的数据对象的分散程度，dij表示第i个和第j个类间的距离，K值为聚类的数目。其中，类间距离表达式如下：
dij＝||zi-zj||
类内距离表达式如下：
Figure BDA0002982132460000103
可以理解的是，评价聚类效果的好坏关键在于类内的数据相似度较高，区分度较低，相反，类间的数据区分度较高，相似度较低。即DBI值越小，则表明聚类效果越好。
上述实施例中，在输入一系列数据对象后即可得到我们所需的K类场景，每类场景包括一个聚类中心和若干与聚类中心相似的负荷曲线，本申请将以这K类场景的每一个聚类中心曲线代表该类典型场景进行后续计算和分析。
在一个实施例中，所述碳交互信息可以包括各个用户单次碳交互的碳排放额单价、碳排放额度、碳交互方式；步骤S120中根据所述碳交互信息构建碳交互模型的计算公式如下：
Fi,C＝ω·∑p·ΔQi,C
其中，Fi,C为用户i的碳交互收益，ω为符号参数，当用户不参与碳交互时取0，出售碳排放额时取1，购买碳排放额时取-1，p为每次碳交互的碳排放额单价；ΔQi,C为用户i每次碳交互的碳排放额度。
可以理解的是，这里的碳交互信息包括但不限于各个用户单次碳交互的碳排放额单价、碳排放额度、碳交互方式等，其中，碳排放额度指的是依据碳排放配额而分配的额度，而碳排放配额指的是经当地发改委核定，企业可获得的一定时期内“合法”排放温室气体的总量。
具体地，用户i获得的碳排放配额Qi可由下式计算：
Qi＝μiQtotal
Figure BDA0002982132460000111
上市中：Qtotal为工业园区总的碳排放配额，μi为用户i的碳排放配额比例系数，是一个0-1之间的值；Ei为用户i的历史排放量；Li为综合负荷量，其值由电/气/冷/热负荷统一量纲后的能量之和表示，p为自定义系数，一般去证书，表示指标中分母的重要程度，可取2。
在一个实施例中，所述互动机制模型可以包括用户效用模型和运营商收益模型。
本实施例中，用户效用模型指的是用户的净收益模型，即用户收益与成本之间的差值，在本报告中，综合考虑用户的用电效用、用能成本及削峰经济补偿，建模如下：
Figure BDA0002982132460000112
Figure BDA0002982132460000113
其中，
Figure BDA0002982132460000114
为用电效用函数；ζ为热电单位换算系数；ki为偏好系数；对于某一固定负荷自变量，偏好系数取值越大则收益也越大；由于
Figure BDA0002982132460000115
时，
Figure BDA0002982132460000116
趋于无穷，因此用
Figure BDA0002982132460000117
替代
Figure BDA0002982132460000118
为用户i在h时刻的用能成本，表达式如下所示：
Figure BDA0002982132460000121
其中，
Figure BDA0002982132460000122
为用户i在h时刻向园区运营商缴纳的电力费用；
Figure BDA0002982132460000123
为运营商的售电电价；
Figure BDA0002982132460000124
为用户i在h时刻向园区运营商缴纳的热力费用；γ为单位热力价格，
Figure BDA0002982132460000125
为用户i在h时刻的热负荷。
Figure BDA0002982132460000126
为用户i在h时刻由于参与削峰而获得的经济补偿，表达式如下：
Figure BDA0002982132460000127
其中，
Figure BDA0002982132460000128
表示用户i参与互动的削峰补偿电价(元/kWh)；discount表示热负荷折扣。
本实施例中，运营商收益模型综合考虑售电情况和削峰补偿价格对运营商的收益影响，一方面，用户会根据运营商的补偿电价来调整自身的用能，以追求自身效益的最大化；另一方面，运营商的收益也同时受到用户用能的影响。二者都是独立的利益主体，存在着各自利益的博弈。具体的运营商效用函数模型见下式：
ProM＝EM-CM
其中，EM为运营商收益；CM为运营商成本。
在一个实施例中，步骤S120中基于预先设置的互动机制模型共同构建优化决策模型的步骤，可以包括：
S121：基于所述互动机制模型以及所述碳交互模型共同确定优化决策模型的目标函数和约束条件；
S122：根据所述目标函数和所述约束条件构建所述优化决策模型。
本实施例中，由于本发明是在互动机制模型基础上创新性地引入碳交互模型，以此来共同构建优先决策模型，因而，原本的互动机制模型中的目标函数和约束条件随着碳交互模型的加入而适应性的改变。
举例来说，工业园区首先根据控制碳排放总量向每个大用户分配碳排放配额，如果用户的实际碳排放量大于分配额，则需通过碳排放权交易购买超出的额度，否则将受到一定的惩罚；反之，当用户的实际碳排放量小于分配额，用户可以出售剩余的额度而获得盈利。同时，碳排放权可以与负荷中断权进行交易，为用户提供了灵活的互动空间。
碳排放配额主要以降低能耗、提高能源利用率为基本目标，碳排放配额应按照历史排放量大的工业用户获得的配额较大、每单位负荷的碳排放量大(即能耗较高)的用户获得的配额较小这两个基本原则进行分配。按照这种分配方式，既能保证一定程度的公平性，也能有效的抑制能耗高的用户过度排放，激励用户以削减负荷或碳交易的方式参与互动。
进一步地，将碳交易机制引入互动机制，从模型上来看对互动机制的目标函数和约束条件均产生了影响，具体来说是对用户效用模型以及运营商效益模型产生了影响，新增了碳交易相关的约束条件。
引入碳交互模型后，原本的用户效用模型的公式转变为下式：
Figure BDA0002982132460000131
其中，Fi,C为用户i的碳交易收益，当用户i购买碳排放权时，其值为负数，当出售碳排放权时，其值为正数。
引入碳交互模型后，原本的互动机制模型中需要增加如下相关的约束条件：
1)每个用户碳交易后其总的碳排放额度不超过分配值；
2)整个工业园区碳排放额交易总额之和为0。
另外，用户之间的碳交易行为通过工业园区运营商进行，运营商将收取一定额度的手续费，如下式所示：
Fij,C＝θ∑p·ΔQi,C
式中：θ为收费比例，由于碳交易是用户两两发生，每次交易运营商仅能收取一次手续费，由碳交易权出售方承担。
在一个实施例中，所述各个用户参与互动的能力包括各个用户在所述预设时段的可平移负荷量、可削减负荷量与可转化负荷量。
本实施例中，在互动机制模型中，用户参与互动的方式包括有平移负荷、削减负荷和转化负荷，由于每个用户通过每种方式参与互动的能力是有限的，因此，互动机制模型在一定程度上反映了各个用户参与互动的能力，可分别用每个时段的可平移负荷量、可削减负荷量与可转化负荷量表示。
在一个实施例中，步骤S130中将所述典型场景以及各个用户参与互动的能力作为所述优化决策模型的输入，对所述优化决策模型进行求解，得到提供给各个用户的优化决策建议的步骤，包括：
S131：将各个用户的典型场景以及各个用户在所述预设时段的可平移负荷量、可削减负荷量与可转化负荷量作为所述优化决策模型的输入；
S132：利用分布式优化方法对所述优化决策模型进行优化求解，得到提供给各个用户的优化决策建议。
本实施例中，在对优化决策模型进行求解时，可将各个用户的典型场景以及各个用户在预设时段的可平移负荷量、可削减负荷量与可转化负荷量作为优化决策模型的输入，然后利用分布式优化方法对优化决策模型进行优化求解，从而得到提供给各个用户的优化决策建议。
进一步地，如图2所示，图2为本发明实施例提供的使用分布式优化方法的求解过程示意图；图2中，首先对输入的运营商接收电网电价及用户负荷信息进行参数设置，并初始化种群a，将削峰负荷补偿价格下发给用户，并调用子流程计算运营商收益E1，接着进行变异、交叉操作后生成子代种群b，再调用子流程计算运营商收益E2，将E2与E1之间做比对，若E2>E1，则用子代种群b和运营商收益E2来代替原有的初始化种群a和运营商收益E1，并在满足迭代结束要求时结束流程；若E2<＝E1，则直接在满足迭代结束要求时结束流程。
其中，子流程包括设置互动次数，当首次参与互动时，求解用户效益的规划问题，并将优化结果上报给运营商，接着判断互动次数是否超过上限，若没有，继续求解用户效益的规划问题，并将优化结果上报给运营商，若互动次数达到上限，则结束子流程。
可以理解的是，由于互动机制中用户参与互动的方式是平移负荷、削减负荷和转化负荷，每个用户通过每种方式参与互动的能力是有限的，分别用每个预设时段的可平移负荷量、可削减负荷量与可转化负荷量表示，这也是优化模型的输入参数。为了提供量化的决策建议，需要不断修改这3个量，多次输入不同的参数组，得到多组优化结果，那么就可以得到对应条件下的每个互动时段的补偿价格，形成定制化的用户套餐，即优化决策建议。
以可平移负荷量为例，比如第一次用优化决策模型，用户1的参数设置为1，用户2设置为2，……；第二次可以将用户1设置为1.5，用户2设置为2.6……等等，实际操作时可以针对每一个用户进行等间隔的变化，比如保持其他用户的参数不变，针对用户1的可平移负荷量，依次取1、1.5、2、2.5……10，然后可以得到对应的补偿价格。
下面以一组示例来进行说明，如图3所示，图3为本发明实施例提供的优化决策建议生成的流程示意图；图3中，能量数据包括各个用户的综合能源负荷数据，本申请获取到各个用户的负荷时间序列后，使用多场景生成技术来确定典型场景，即图3中的典型综合能源互动场景；接着，将原有的互动机制模型中表示用户参与互动能力的参数输入到优化决策模型中，即图3中的价格数据；当得到多组输入参数后，可依据互动次数，使用多代理技术和博弈互动算法来进行优化求解，最终得到的优化结果为第i次参与互动的方式、互动量和价格，当i＝1时，优化决策建议为用户1套餐A，当i＝2时，优化决策建议为用户1套餐B，以此类推，最终得到提供给各个用户的优化决策建议。
这里的套餐形式有多种，比如对于用户1，套餐如下：
(1)在某时段调节10kW负荷，补偿单价为1.5元/kWh；
(2)在某时段调节20kW负荷，补偿单价为2元/kWh。
以此类推，形成该用户的套餐。
在一个实施例中，如图4所示，图4为本发明实施例提供的一种工业园区综合能源系统优化运行装置的结构示意图；本发明还提供了一种工业园区综合能源系统优化运行装置，包括场景确认模块110、模型构建模块120、优化决策模块130，具体包括如下步骤：
场景确认模块110，用于获取工业园区中各个用户在预设时段中使用不同类型能源的负荷时间序列，并根据所述负荷时间序列确定各个用户的典型场景；
模型构建模块120，用于获取各个用户的碳交互信息，根据所述碳交互信息构建碳交互模型，并基于预先设置的互动机制模型共同构建优化决策模型；其中，所述互动机制模型包括各个用户参与互动的能力；
优化决策模块130，用于将所述典型场景以及各个用户参与互动的能力作为所述优化决策模型的输入，对所述优化决策模型进行求解，得到提供给各个用户的优化决策建议。
上述实施例中，基于工业园区综合能源系统中引入的互动机制模型，将碳交易机制量化为工业园区综合能源系统运行优化的约束条件之一，共同构建优化决策模型；由于原有的互动机制通过博弈论原理和多代理技术描述工业园区多元主体在互动过程中的行为习惯和倾向，在此基础上引入碳交易机制后，能够进一步明确工业园区综合能源系统中的各参与主体的行为，为综合能源系统的优化运行提供量化决策依据；最后，将工业园区中各个用户的典型场景以及互动机制模型中各个用户参与互动的能力输入到优化决策模型中，对优化决策模型进行求解后得到的优化决策建议，能够较好的实现电力供需平衡，有效提升优化运行结果的准确性。
在一个实施例中，本发明还提供了一种存储介质，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述工业园区综合能源系统优化运行方法的步骤。
在一个实施例中，本发明还提供了一种计算机设备，所述计算机设备中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述工业园区综合能源系统优化运行方法的步骤。
示意性地，如图5所示，图5为本发明实施例提供的一种计算机设备的内部结构示意图，该计算机设备200可以被提供为一服务器。参照图5，计算机设备200包括处理组件202，其进一步包括一个或多个处理器，以及由存储器201所代表的存储器资源，用于存储可由处理组件202的执行的指令，例如应用程序。存储器201中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件202被配置为执行指令，以执行上述任意实施例的工业园区综合能源系统优化运行方法。
计算机设备200还可以包括一个电源组件203被配置为执行计算机设备200的电源管理，一个有线或无线网络接口204被配置为将计算机设备200连接到网络，和一个输入输出(I/O)接口205。计算机设备200可以操作基于存储在存储器201的操作系统，例如WindowsServer TM、Mac OS XTM、Unix TM、Linux TM、Free BSDTM或类似。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种工业园区综合能源系统优化运行方法，其特征在于，包括：
获取工业园区中各个用户在预设时段中使用不同类型能源的负荷时间序列，并根据所述负荷时间序列确定各个用户的典型场景；
获取各个用户的碳交互信息，根据所述碳交互信息构建碳交互模型，并基于预先设置的互动机制模型共同构建优化决策模型；其中，所述互动机制模型包括各个用户参与互动的能力；
将所述典型场景以及各个用户参与互动的能力作为所述优化决策模型的输入，对所述优化决策模型进行求解，得到提供给各个用户的优化决策建议。
2.根据权利要求1所述的工业园区综合能源系统优化运行方法，其特征在于，根据所述负荷时间序列确定各个用户的典型场景的步骤，包括：
将所述负荷时间序列输入到聚类算法中，通过所述聚类算法确定各个用户的典型场景。
3.根据权利要求1所述的工业园区综合能源系统优化运行方法，其特征在于，所述碳交互信息包括各个用户单次碳交互的碳排放额单价、碳排放额度、碳交互方式；
根据所述碳交互信息构建碳交互模型的计算公式如下：
Fi,C＝ω·∑p·ΔQi,C
其中，Fi,C为用户i的碳交互收益，ω为符号参数，当用户不参与碳交互时取0，出售碳排放额时取1，购买碳排放额时取-1，p为每次碳交互的碳排放额单价；ΔQi,C为用户i每次碳交互的碳排放额度。
4.根据权利要求1所述的工业园区综合能源系统优化运行方法，其特征在于，所述互动机制模型包括用户效用模型和运营商收益模型。
5.根据权利要求1所述的工业园区综合能源系统优化运行方法，其特征在于，所述基于预先设置的互动机制模型共同构建优化决策模型的步骤，包括：
基于所述互动机制模型以及所述碳交互模型共同确定优化决策模型的目标函数和约束条件；
根据所述目标函数和所述约束条件构建所述优化决策模型。
6.根据权利要求1所述的工业园区综合能源系统优化运行方法，其特征在于，所述各个用户参与互动的能力包括各个用户在所述预设时段的可平移负荷量、可削减负荷量与可转化负荷量。
7.根据权利要求6所述的工业园区综合能源系统优化运行方法，其特征在于，所述将所述典型场景以及各个用户参与互动的能力作为所述优化决策模型的输入，对所述优化决策模型进行求解，得到提供给各个用户的优化决策建议的步骤，包括：
将各个用户的典型场景以及各个用户在所述预设时段的可平移负荷量、可削减负荷量与可转化负荷量作为所述优化决策模型的输入；
利用分布式优化方法对所述优化决策模型进行优化求解，得到提供给各个用户的优化决策建议。
8.一种工业园区综合能源系统优化运行装置，其特征在于，包括：
场景确认模块，用于获取工业园区中各个用户在预设时段中使用不同类型能源的负荷时间序列，并根据所述负荷时间序列确定各个用户的典型场景；
模型构建模块，用于获取各个用户的碳交互信息，根据所述碳交互信息构建碳交互模型，并基于预先设置的互动机制模型共同构建优化决策模型；其中，所述互动机制模型包括各个用户参与互动的能力；
优化决策模块，用于将所述典型场景以及各个用户参与互动的能力作为所述优化决策模型的输入，对所述优化决策模型进行求解，得到提供给各个用户的优化决策建议。
9.一种存储介质，其特征在于，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项所述工业园区综合能源系统优化运行方法的步骤。
10.一种计算机设备，其特征在于，所述计算机设备中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项所述工业园区综合能源系统优化运行方法的步骤。
CN202110290189.2A 2021-03-18 2021-03-18 工业园区综合能源系统优化运行方法、装置、存储介质 Active CN112966873B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110290189.2A CN112966873B (zh) 2021-03-18 2021-03-18 工业园区综合能源系统优化运行方法、装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110290189.2A CN112966873B (zh) 2021-03-18 2021-03-18 工业园区综合能源系统优化运行方法、装置、存储介质

Publications (2)

Publication Number Publication Date
CN112966873A true CN112966873A (zh) 2021-06-15
CN112966873B CN112966873B (zh) 2023-01-24

Family

ID=76279206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110290189.2A Active CN112966873B (zh) 2021-03-18 2021-03-18 工业园区综合能源系统优化运行方法、装置、存储介质

Country Status (1)

Country Link
CN (1) CN112966873B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393166A (zh) * 2021-07-12 2021-09-14 阳光电源股份有限公司 综合能源调度服务系统、方法、计算机设备及介质
CN116485042A (zh) * 2023-06-16 2023-07-25 国网上海能源互联网研究院有限公司 一种基于负荷聚类的园区能源系统运行的优化方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010086027A (ja) * 2008-09-29 2010-04-15 Daiwa House Industry Co Ltd 二酸化炭素排出権取引システム及び二酸化炭素排出権取引方法
CN106251095A (zh) * 2016-09-06 2016-12-21 清华大学 一种电力系统碳排放实时计量的方法及碳表系统
CN109524957A (zh) * 2018-11-07 2019-03-26 国网浙江省电力有限公司经济技术研究院 考虑碳交易机制和柔性负荷的综合能源系统优化调度方法
CN110046773A (zh) * 2019-05-30 2019-07-23 东北大学 综合能源系统多主体合作优化运行与成本效益分配方法
CN110070216A (zh) * 2019-04-11 2019-07-30 河海大学 一种工业园区综合能源系统经济运行优化方法
CN112116476A (zh) * 2020-09-23 2020-12-22 中国农业大学 计及风电和碳交易机制的综合能源系统模拟方法
CN112308411A (zh) * 2020-10-30 2021-02-02 合肥工业大学 基于动态碳交易模型的综合能源站随机规划方法及系统
CN112417652A (zh) * 2020-10-30 2021-02-26 东北电力大学 一种电-气-热综合能源系统优化调度方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010086027A (ja) * 2008-09-29 2010-04-15 Daiwa House Industry Co Ltd 二酸化炭素排出権取引システム及び二酸化炭素排出権取引方法
CN106251095A (zh) * 2016-09-06 2016-12-21 清华大学 一种电力系统碳排放实时计量的方法及碳表系统
US20180067089A1 (en) * 2016-09-06 2018-03-08 Tsinghua University System for measuring carbon emission in power system
CN109524957A (zh) * 2018-11-07 2019-03-26 国网浙江省电力有限公司经济技术研究院 考虑碳交易机制和柔性负荷的综合能源系统优化调度方法
CN110070216A (zh) * 2019-04-11 2019-07-30 河海大学 一种工业园区综合能源系统经济运行优化方法
CN110046773A (zh) * 2019-05-30 2019-07-23 东北大学 综合能源系统多主体合作优化运行与成本效益分配方法
CN112116476A (zh) * 2020-09-23 2020-12-22 中国农业大学 计及风电和碳交易机制的综合能源系统模拟方法
CN112308411A (zh) * 2020-10-30 2021-02-02 合肥工业大学 基于动态碳交易模型的综合能源站随机规划方法及系统
CN112417652A (zh) * 2020-10-30 2021-02-26 东北电力大学 一种电-气-热综合能源系统优化调度方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈锦涛，杨苹等: "基于综合需求侧响应策略的园区多能源系统优化运行", 《可再生能源》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393166A (zh) * 2021-07-12 2021-09-14 阳光电源股份有限公司 综合能源调度服务系统、方法、计算机设备及介质
CN116485042A (zh) * 2023-06-16 2023-07-25 国网上海能源互联网研究院有限公司 一种基于负荷聚类的园区能源系统运行的优化方法及装置
CN116485042B (zh) * 2023-06-16 2023-09-01 国网上海能源互联网研究院有限公司 一种基于负荷聚类的园区能源系统运行的优化方法及装置

Also Published As

Publication number Publication date
CN112966873B (zh) 2023-01-24

Similar Documents

Publication Publication Date Title
Chen et al. iEMS for large scale charging of electric vehicles: Architecture and optimal online scheduling
CN112966873B (zh) 工业园区综合能源系统优化运行方法、装置、存储介质
Zaman et al. Co-evolutionary approach for strategic bidding in competitive electricity markets
Dong et al. A new method for solving fuzzy multi-objective linear programming problems
CN109919658A (zh) 一种基于博弈论的负荷控制方法及系统
CN109784594B (zh) 一种售电商可调负荷决策方法及系统
CN109559033B (zh) 一种面向云设计制造模式的社交化团队成员优选方法
Karaca et al. Designing coalition-proof reverse auctions over continuous goods
Liu et al. Game theory-based optimization of distributed idle computing resources in cloud environments
Li et al. Day-ahead risk averse market clearing considering demand response with data-driven load uncertainty representation: A Singapore electricity market study
Konda et al. Investigating the impact of load profile attributes on demand response exchange
Tsaousoglou et al. Flexibility aggregation of temporally coupled resources in real-time balancing markets using machine learning
CN104217255A (zh) 一种市场环境下电力系统多目标检修优化方法
Mashhadi et al. Deep learning for optimal resource allocation in IoT-enabled additive manufacturing
Shi et al. State dependent parallel neural hawkes process for limit order book event stream prediction and simulation
CN111476399A (zh) 一种现货交易机制下售电公司购电方法及系统
CN111260161B (zh) 一种众包任务下发的方法及设备
Beykirch et al. Bidding and Scheduling in Energy Markets: Which Probabilistic Forecast Do We Need?
Faia et al. Genetic algorithms for portfolio optimization with weighted sum approach
CN111402015A (zh) 一种基于购售风险的虚拟电厂双层竞标方法及系统
CN116231667A (zh) 一种基于pcam-gmm的农村配电网源-网-荷-储协调优化方法
CN114445223A (zh) 一种基于区块链的电力需求响应交易方法及系统
CN113807961A (zh) 基于联盟链的多微网能源交易方法及系统
Ebrahimi et al. Two-layer game-based framework for local energy flexibility trading
CN110689320A (zh) 一种基于协同进化算法的大规模多目标项目调度方法

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