CN113421169B - 综合能源系统可靠性-效率扩散结构分析方法及系统 - Google Patents

综合能源系统可靠性-效率扩散结构分析方法及系统 Download PDF

Info

Publication number
CN113421169B
CN113421169B CN202110499229.4A CN202110499229A CN113421169B CN 113421169 B CN113421169 B CN 113421169B CN 202110499229 A CN202110499229 A CN 202110499229A CN 113421169 B CN113421169 B CN 113421169B
Authority
CN
China
Prior art keywords
diffusion
node
energy
index
efficiency
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
CN202110499229.4A
Other languages
English (en)
Other versions
CN113421169A (zh
Inventor
章楠
孔凡淇
林小杰
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202110499229.4A priority Critical patent/CN113421169B/zh
Publication of CN113421169A publication Critical patent/CN113421169A/zh
Application granted granted Critical
Publication of CN113421169B publication Critical patent/CN113421169B/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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种综合能源系统可靠性‑效率扩散结构分析方法及系统。该方法包括如下步骤：步骤S1，系统节点可靠性和效率指标建模；步骤S2，核心节点选取与指标位势计算；步骤S3，系统可靠性和能效指标扩散结构建模；步骤S4，扩散结构源阱位置诊断与关联性分析。本发明能够量化综合能源系统可靠性‑能效的扩散特性，阐明系统效率与可靠性的分布特征与关联关系，为综合能源系统的分析与结构改善提供指导。

Description

综合能源系统可靠性-效率扩散结构分析方法及系统
技术领域
本发明属于综合能源系统分析与评估领域，尤其涉及一种综合能源系统可靠性-效率扩散结构分析方法及系统。
背景技术
工业园区综合能源系统内部包含多种能量载体，如蒸汽、热水、电力、压缩空气、冷水。园区内的可控型供能单元(如热电联产)和大型用能子系统(如生产车间)由于其自身供需特性而存在一定的交互关系，导致系统可靠性、能效与
Figure GDA0003751797090000012
效率的流动和扩散。然而，现有报道中尚未见对综合能源系统可靠性-效率扩散结构的分析与讨论，使得综合能源系统中可调配资源难以量化，制约了可靠性与效率在系统评估和调度方面的应用。
发明内容
为解决综合能源系统中可调配资源无法精确量化的问题，本发明提供了一种综合能源系统可靠性-效率扩散结构分析方法及系统，所述方法包括如下步骤：
步骤S1，系统节点可靠性和效率指标建模。首先，根据节点的能流状态分布规律进行节点供能可靠性评估，建立综合能源系统节点可靠性模型。
Figure GDA0003751797090000011
其中Ri为节点i的可靠性指标值，C为节点的状态总数，ys和ps分别为节点的产能状态量及该状态量出现的概率，
Figure GDA0003751797090000021
为节点目标产能量。
进一步地，采用能效ηi和
Figure GDA00037517970900000214
效率φi作为表征系统能源效率的指标，则效率与可靠性在扩散结构上的协同关系满足：
ηi＝Pi/Ci
Figure GDA0003751797090000022
其中Pi和Ci表示节点i的能源生产量与能源消费量，λi和
Figure GDA0003751797090000023
表示节点i的输出能源的能级系数和输入能源的能级系数。
步骤S2，核心节点选取与指标位势计算。工业园区综合能源系统中可靠性、能效与
Figure GDA0003751797090000024
效率的扩散结构的本质是基于能量供需关系的特征转移，需要选取园区内的可控型供能单元和大型用能主体作为“扩散源”，进行相关指标的扩散结构的研究，其中大型用能主体要求用能量占整个综合能源系统用能总量的15％以上。这些扩散源往往拥有广泛的影响范围、稳定的供需关系，其在可靠性、能效、
Figure GDA00037517970900000215
效率等参数的扩散结构和形态中其决定性作用。
工业园区综合能源系统中所有节点共同构成扩散场，处于其中的各个节点之间由于其自身供需特性而存在一定的交互关系，但这种交互的广度和深度会因为节点的特性而产生位势差，这种位势差导致了节点间的可靠性、能效与
Figure GDA00037517970900000216
效率的流动和扩散。比拟物理学上的势能定义，定义节点的相关指标的位势。
Figure GDA0003751797090000025
其中
Figure GDA0003751797090000026
为节点i在指标k上的位势，
Figure GDA0003751797090000027
为节点i在指标k上的存量(即可靠性、能效或
Figure GDA0003751797090000028
效率的指标值)，
Figure GDA0003751797090000029
和
Figure GDA00037517970900000210
分别表示节点i在指标k上在系统中的相对位置和影响半径，f为
Figure GDA00037517970900000211
和
Figure GDA00037517970900000212
的函数，一般可取
Figure GDA00037517970900000213
步骤S3，系统可靠性和能效指标扩散结构建模。节点之间的位势差造成了高位势节点对低位势节点的扩散，但各个节点间是否需要进行效益的扩散应以自身利益最大化为目标，因此需要做出如下假设：
假设核心节点i和成员节点j在某指标k上可以进行扩散，则核心节点i的效用函数
Figure GDA0003751797090000031
可表示为：
Figure GDA0003751797090000032
其中
Figure GDA0003751797090000033
为扩散效益指标，
Figure GDA0003751797090000034
表示核心节点i拥有指标k存量的收益，
Figure GDA0003751797090000035
表示核心节点i在指标k上进行扩散的单位成本，
Figure GDA0003751797090000036
和
Figure GDA0003751797090000037
分别表示节点i和节点j在指标k上因扩散而导致的存量变化。效用函数
Figure GDA0003751797090000038
无固定形式，通常可表示为
Figure GDA0003751797090000039
由于扩散以节点的效益为最终目标，即只有核心节点的扩散效应为其带来效益增长，才能促进可靠性、能效和
Figure GDA00037517970900000310
效率在系统上的扩散。因此，扩散发生的必要条件是：
Figure GDA00037517970900000311
Figure GDA00037517970900000312
结合上述扩散必要条件，可进一步得出工业园区综合能源系统中可靠性、能效、
Figure GDA00037517970900000313
效率扩散结构函数。当节点间不满足扩散条件时，节点的指标存量不变，此时节点效用函数可表示为
Figure GDA00037517970900000314
将其作为边界条件代入到发生扩散时的效用函数中可得：
Figure GDA00037517970900000315
可得节点间扩散模型为：
Figure GDA0003751797090000041
步骤S4，扩散结构源阱位置诊断与关联性分析。根据步骤S3建立的扩散模型，可计算出各个节点的可靠性、能效和
Figure GDA0003751797090000042
效率的扩散量。相较于邻接表和边集数组的空间关系表示方式，邻接矩阵更有利于完整复现节点间的扩散行为，同时可利用矩阵的特性定义不同指标的协同关系和降低计算复杂度，因此采用邻接矩阵的方式表示节点间的扩散关系。利用节点邻接矩阵，工业园区综合能源系统的可靠性、能效和
Figure GDA0003751797090000043
效率的空间扩散行为可表达为如下空间扩散矩阵：
Figure GDA0003751797090000044
其中
Figure GDA0003751797090000045
表示节点i从节点j获得的扩散量。通过分析矩阵中元素的分布与行列和，可以找到对指标k而言的源与阱，即在可靠性分布、能效分析、
Figure GDA0003751797090000046
分布中处在影响力末端或者顶峰的节点，即为扩散结构下的源或者阱，可进而分析其分布特征、与源陷数量。
同时，令|λkEk-Ak|＝0，获得空间扩散矩阵的特征向量来表示系统可靠性、能效和
Figure GDA0003751797090000047
效率的扩散空间特征，并通过最大特征值对应的特征向量(即最大扩散方向)之间的夹角，表示系统可靠性与系统能效、系统
Figure GDA0003751797090000048
效率之间的扩散结构的协同程度：
θij＝|cos<Ei,Ej>|
其中θij表示扩散指标Ei与扩散指标Ej之间的协同程度，其取值范围为[0,1]，θij越接近于1，扩散指标Ei与扩散指标Ej的扩散结构协同效应越强。这一方法不仅适用整体系统扩散结构协同分析，也可以用于其中任一选定区块，即针对空间扩散矩阵中任一子矩阵也可以展开，从而反映该区块的扩散结构。
在以上求解步骤的基础上，可搭建一种综合能源系统可靠性-效率扩散结构分析系统，包括节点供能可靠性评估模块、扩散结构协同关系表征模型模块、核心节点选取与指标位势计算模块、基于节点供需特性的交互关系模块、扩散结构函数模型模块、各节点指标扩散量计算模块、基于矩阵分析程序的系统特征输出模块、综合能源系统安全调度优化决策模块。将上述模块分别进行模块封装，建立数据传输通道以实现上述可靠性-效率扩散结构分析方法，以便综合能源系统安全调度优化决策模块及时获得各指标扩散结构模型，指导园区运行优化决策。
本发明的有益效果是：
本发明基于可靠性量化计算模型基础，提出了系统可靠性与能效、
Figure GDA0003751797090000051
效率的空间扩散协同关系的定量化方法，为工业园区综合能源系统多层级分布式优化中子系统聚类提供了选取依据，有利于综合能源系统的建设以及安全高效调度优化。
附图说明
图1为本发明的可靠性、能效、
Figure GDA0003751797090000052
效率扩散结构研究技术路线图；
图2为本发明系统的流程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
实施例1
在步骤S1中，
步骤S11，根据节点的能流状态分布规律进行节点供能可靠性评估，建立综合能源系统节点可靠性模型。
Figure GDA0003751797090000061
其中Ri为节点i的可靠性指标值，C为节点的状态总数，ys和ps分别为节点的产能状态量及该状态量出现的概率，
Figure GDA0003751797090000062
为节点目标产能量。
步骤S12，引入能效ηi和
Figure GDA0003751797090000066
效率φi等表征系统能源效率的指标研究效率与可靠性在扩散结构上的协同关系。
ηi＝Pi/Ci
Figure GDA0003751797090000063
其中Pi和Ci表示节点i的能源生产量与能源消费量，λi和
Figure GDA0003751797090000064
表示节点i的输出能源的能级系数和输入能源的能级系数。
在步骤S2中，
步骤S21，核心节点选取与指标位势计算，选取园区内的可控型供能单元和大型用能主体作为“扩散源”，进行相关指标的扩散结构的研究，其中大型用能主体要求用能量占整个综合能源系统用能总量的15％以上。要求这些扩散源往往拥有广泛的影响范围、稳定的供需关系，其在可靠性、能效、
Figure GDA0003751797090000065
效率等参数的扩散结构和形态中其决定性作用。
步骤S22，分析各节点由于其自身供需特性而存在的交互关系。工业园区综合能源系统中所有节点共同构成扩散场，处于其中的各个节点之间由于其自身供需特性而存在一定的交互关系，但这种交互的广度和深度会因为节点的特性而产生位势差，这种位势差导致了节点间的可靠性、能效与
Figure GDA0003751797090000071
效率的流动和扩散。
步骤S23，比拟物理学上的势能定义，定义节点的相关指标的位势。
Figure GDA0003751797090000072
其中
Figure GDA0003751797090000073
为节点i在指标k上的位势，
Figure GDA0003751797090000074
为节点i在指标k上的存量(即可靠性、能效或
Figure GDA0003751797090000075
效率的指标值)，
Figure GDA0003751797090000076
和
Figure GDA0003751797090000077
分别表示节点i在指标k上在系统中的相对位置和影响半径，f为
Figure GDA0003751797090000078
和
Figure GDA0003751797090000079
的函数，一般可取
Figure GDA00037517970900000710
在步骤S3中，
步骤S31,对核心节点和成员节点的扩散情况作出假设。节点之间的位势差造成了高位势节点对低位势节点的扩散，但各个节点间是否需要进行效益的扩散应以自身利益最大化为目标，因此需要做出如下假设：
假设核心节点i和成员节点j在某指标k上可以进行扩散，则核心节点i的效用函数
Figure GDA00037517970900000711
可表示为：
Figure GDA00037517970900000712
其中
Figure GDA00037517970900000713
为扩散效益指标，
Figure GDA00037517970900000714
表示核心节点i拥有指标k存量的收益，
Figure GDA00037517970900000715
表示核心节点i在指标k上进行扩散的单位成本，
Figure GDA00037517970900000716
和
Figure GDA00037517970900000717
分别表示节点i和节点j在指标k上因扩散而导致的存量变化。效用函数
Figure GDA00037517970900000718
无固定形式，通常可表示为
Figure GDA00037517970900000719
步骤S32，在分析扩散条件的基础上得到各指标的率扩散结构函数。由于扩散以节点的效益为最终目标，即只有核心节点的扩散效应为其带来效益增长，才能促进可靠性、能效和
Figure GDA0003751797090000081
效率在系统上的扩散。因此，扩散发生的必要条件是：
Figure GDA0003751797090000082
Figure GDA0003751797090000083
结合上述扩散必要条件，可进一步得出工业园区综合能源系统中可靠性、能效、
Figure GDA0003751797090000084
效率扩散结构函数。当节点间不满足扩散条件时，节点的指标存量不变，此时节点效用函数可表示为
Figure GDA0003751797090000085
将其作为边界条件代入到发生扩散时的效用函数中可得：
Figure GDA0003751797090000086
整理可得节点间扩散模型为：
Figure GDA0003751797090000087
步骤S4中，
步骤S41，根据步骤S3建立的扩散模型，计算出各个节点的可靠性、能效和
Figure GDA0003751797090000088
效率的扩散量。相较于邻接表和边集数组的空间关系表示方式，邻接矩阵更有利于完整复现节点间的扩散行为，同时可利用矩阵的特性定义不同指标的协同关系和降低计算复杂度，因此采用邻接矩阵的方式表示节点间的扩散关系。利用节点邻接矩阵，工业园区综合能源系统的可靠性、能效和
Figure GDA0003751797090000089
效率的空间扩散行为可表达为如下空间扩散矩阵：
Figure GDA0003751797090000091
其中
Figure GDA0003751797090000092
表示节点i从节点j获得的扩散量。通过分析矩阵中元素的分布与行列和，可以找到对指标k而言的源与阱，即在可靠性分布、能效分析、
Figure GDA0003751797090000093
分布中处在影响力末端或者顶峰的节点，即为扩散结构下的源或者阱，可进而分析其分布特征、与源陷数量。
步骤S41，通过分析矩阵的特征向量和特征根来判断各指标的特性。令|λkEk-Ak|＝0，获得空间扩散矩阵的特征向量来表示系统可靠性、能效和
Figure GDA0003751797090000094
效率的扩散空间特征，并通过最大特征值对应的特征向量(即最大扩散方向)之间的夹角，表示系统可靠性与系统能效、系统
Figure GDA0003751797090000095
效率之间的扩散结构的协同程度：
θij＝|cos<Ei,Ej>|
其中θij表示扩散指标Ei与扩散指标Ej之间的协同程度，其取值范围为[0,1]，θij越接近于1，扩散指标Ei与扩散指标Ej的扩散结构协同效应越强。
步骤S42在整体系统扩散结构协同分析的基础上，对其中任一选定区块进行扩散结构协同分析。针对空间扩散矩阵中任一子矩阵也可以展开，从而反映该区块的扩散结构。
实施例2
一种综合能源系统可靠性-效率扩散结构分析系统，包括节点供能可靠性评估模块、扩散结构协同关系表征模型模块、核心节点选取与指标位势计算模块、基于节点供需特性的交互关系模块、扩散结构函数模型模块、各节点指标扩散量计算模块、基于矩阵分析程序的系统特征输出模块、综合能源系统安全调度优化决策模块。将上述模块分别进行模块封装，建立数据传输通道用于实现如实施例1所述的可靠性-效率扩散结构分析方法，以便综合能源系统安全调度优化决策模块及时获得各指标扩散结构模型技术局，指导园区运行优化决策。
需要说明的是，以上所述仅为本发明实施方式的一部分，根据本发明所描述的系统所做的等效变化，均包括在本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均属于本发明的保护范围。

Claims (3)

1.一种综合能源系统可靠性-效率扩散结构分析方法，其特征在于，包括如下步骤：
步骤S1，系统节点可靠性和效率指标建模；步骤S2，核心节点选取与指标位势计算；步骤S3，系统可靠性和能效指标扩散结构建模；步骤S4，扩散结构源阱位置诊断与关联性分析；
所述的步骤S1中：
首先，根据节点的能流状态分布规律进行节点供能可靠性评估，建立综合能源系统节点可靠性模型：
Figure FDA0003751797080000011
其中Ri为节点i的可靠性指标值，C为节点的状态总数，ys和ps分别为节点的产能状态量及该状态量出现的概率，
Figure FDA0003751797080000012
为节点目标产能量；
进一步地，采用能效ηi和
Figure FDA0003751797080000015
效率φi作为表征系统能源效率的指标，则效率与可靠性在扩散结构上的协同关系满足：
ηi＝Pi/Ci
Figure FDA0003751797080000013
其中Pi和Ci表示节点i的能源生产量与能源消费量，λi和
Figure FDA0003751797080000014
表示节点i的输出能源的能级系数和输入能源的能级系数；
所述的步骤S2中：
选取工业园区内的可控型供能单元和大型用能主体作为核心节点；其中，大型用能主体要求用能量占整个综合能源系统用能总量的15％以上；
工业园区综合能源系统中所有节点共同构成扩散场，处于其中的各个节点之间由于其自身供需特性而存在一定的交互关系，但这种交互的广度和深度会因为节点的特性而产生位势差，这种位势差导致了节点间的可靠性、能效与
Figure FDA00037517970800000216
效率的流动和扩散，节点的相关指标的位势为：
Figure FDA0003751797080000021
其中
Figure FDA0003751797080000022
为节点i在指标k上的位势，
Figure FDA0003751797080000023
为节点i在指标k上的存量，
Figure FDA0003751797080000024
和
Figure FDA0003751797080000025
分别表示节点i在指标k上在系统中的相对位置和影响半径；取
Figure FDA0003751797080000026
所述的步骤S3中：
假设核心节点i和成员节点j在指标k上可以进行扩散，则核心节点i的效用函数
Figure FDA0003751797080000027
为：
Figure FDA0003751797080000028
扩散发生的必要条件是：
Figure FDA0003751797080000029
Figure FDA00037517970800000210
节点间扩散模型为：
Figure FDA00037517970800000211
其中，其中
Figure FDA00037517970800000212
为扩散效益指标，
Figure FDA00037517970800000213
表示核心节点i在指标k上进行扩散的单位成本，
Figure FDA00037517970800000214
和
Figure FDA00037517970800000215
分别表示节点i和节点j在指标k上因扩散而导致的存量变化；
所述的步骤S4中：
根据步骤S3建立的扩散模型，计算出各个节点的可靠性、能效和
Figure FDA0003751797080000033
效率的扩散量；采用邻接矩阵的方式表示节点间的扩散关系，即如下空间扩散矩阵：
Figure FDA0003751797080000031
其中
Figure FDA0003751797080000032
表示节点i从节点j获得的扩散量；
通过最大特征值对应的特征向量即最大扩散方向之间的夹角，表示系统可靠性与系统能效、系统
Figure FDA0003751797080000034
效率之间的扩散结构的协同程度：
θij＝|cos<Ei,Ej>|
其中θij表示扩散指标Ei与扩散指标Ej之间的协同程度，取值范围为[0,1]，θij越接近于1，扩散指标Ei与扩散指标Ej的扩散结构协同效应越强。
2.根据权利要求1所述的一种综合能源系统可靠性-效率扩散结构分析方法，其特征在于，所述方法不仅适用整体系统扩散结构协同分析，也适用于其中任一选定区块，针对空间扩散矩阵中任一子矩阵进行分析，从而反映该区块的扩散结构。
3.一种综合能源系统可靠性-效率扩散结构分析系统，其特征在于，包括节点供能可靠性评估模块、扩散结构协同关系表征模型模块、核心节点选取与指标位势计算模块、基于节点供需特性的交互关系模块、扩散结构函数模型模块、各节点指标扩散量计算模块、基于矩阵分析程序的系统特征输出模块、综合能源系统安全调度优化决策模块；上述模块建立数据传输通道，用于实现如权利要求1-2任一项所述的可靠性-效率扩散结构分析方法，以便综合能源系统安全调度优化决策模块获得各指标扩散结构模型，指导园区运行优化决策。
CN202110499229.4A 2021-05-08 2021-05-08 综合能源系统可靠性-效率扩散结构分析方法及系统 Active CN113421169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110499229.4A CN113421169B (zh) 2021-05-08 2021-05-08 综合能源系统可靠性-效率扩散结构分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110499229.4A CN113421169B (zh) 2021-05-08 2021-05-08 综合能源系统可靠性-效率扩散结构分析方法及系统

Publications (2)

Publication Number Publication Date
CN113421169A CN113421169A (zh) 2021-09-21
CN113421169B true CN113421169B (zh) 2022-08-30

Family

ID=77712095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110499229.4A Active CN113421169B (zh) 2021-05-08 2021-05-08 综合能源系统可靠性-效率扩散结构分析方法及系统

Country Status (1)

Country Link
CN (1) CN113421169B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107067108A (zh) * 2017-04-14 2017-08-18 清华大学 计及可再生能源接入的园区综合能源系统能效评估方法
CN109919401A (zh) * 2017-12-12 2019-06-21 南京南瑞继保电气有限公司 一种多能互补系统的多维能效分析方法
CN110210730A (zh) * 2019-05-20 2019-09-06 太原理工大学 一种区域综合能源系统能效状态评价方法
CN112668188A (zh) * 2020-12-31 2021-04-16 福州大学 多园区综合能源系统的分布式鲁棒协同优化调度方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10438281B2 (en) * 2002-07-20 2019-10-08 Chicago Climate Exchange, Inc System, method, and media for trading of energy efficiency
US10197338B2 (en) * 2013-08-22 2019-02-05 Kevin Hans Melsheimer Building system for cascading flows of matter and energy

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107067108A (zh) * 2017-04-14 2017-08-18 清华大学 计及可再生能源接入的园区综合能源系统能效评估方法
CN109919401A (zh) * 2017-12-12 2019-06-21 南京南瑞继保电气有限公司 一种多能互补系统的多维能效分析方法
CN110210730A (zh) * 2019-05-20 2019-09-06 太原理工大学 一种区域综合能源系统能效状态评价方法
CN112668188A (zh) * 2020-12-31 2021-04-16 福州大学 多园区综合能源系统的分布式鲁棒协同优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于政府视角的工业企业节能项目多目标综合评价模型;钱国明等;《工业技术经济》;20090125(第01期);全文 *

Also Published As

Publication number Publication date
CN113421169A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
Liu et al. Prediction of short-term PV power output and uncertainty analysis
Mavromatidis et al. Design of distributed energy systems under uncertainty: A two-stage stochastic programming approach
Kämpf et al. A hybrid CMA-ES and HDE optimisation algorithm with application to solar energy potential
Shams et al. Artificial intelligence-based prediction and analysis of the oversupply of wind and solar energy in power systems
Musbah et al. Energy management using multi-criteria decision making and machine learning classification algorithms for intelligent system
Zhu et al. A coordinated optimization framework for long-term complementary operation of a large-scale hydro-photovoltaic hybrid system: Nonlinear modeling, multi-objective optimization and robust decision-making
CN110889603A (zh) 一种基于PCA-Copula理论考虑风电相关性的电力系统经济调度方法
CN105069519A (zh) 一种智能电网园区终端用户能源需求状况动态预测系统及方法
Zhao et al. Resilience index system and comprehensive assessment method for distribution network considering multi-energy coordination
CN113468790B (zh) 一种基于改进粒子群算法的风速特征模拟方法及系统
CN111754037A (zh) 区域终端集成供能系统长期负荷混合预测方法
Colak et al. A data mining approach: Analyzing wind speed and insolation period data in Turkey for installations of wind and solar power plants
Mrówczyńska et al. A new fuzzy model of multi-criteria decision support based on Bayesian networks for the urban areas' decarbonization planning
Liu et al. Two-layer multiple scenario optimization framework for integrated energy system based on optimal energy contribution ratio strategy
CN112865089A (zh) 一种改进的主动配电网大规模场景分析方法
Dong et al. Energy supply network design optimization for distributed energy systems
Morgül Tumbaz et al. Energy demand forecasting: avoiding multi-collinearity
CN114037209A (zh) 分布式光伏接入直流配电系统综合效益分析方法及装置
Şişman A comparison of ARIMA and grey models for electricity consumption demand forecasting: The case of Turkey
CN113421169B (zh) 综合能源系统可靠性-效率扩散结构分析方法及系统
Xu et al. A novel hybrid wind speed interval prediction model based on mode decomposition and gated recursive neural network
CN116070952A (zh) 一种多维度能源利用效率评估方法、系统、设备及介质
Sellak et al. Energy planning under uncertain decision-making environment: An evidential reasoning approach to prioritize renewable energy sources
CN115018277A (zh) 一种基于网络分析法的新能源消纳潜力评估方法及装置
CN113469522A (zh) 综合能源物联网评价方法、装置、电子设备及存储介质

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