CN113837511A - 能源规划方法及装置 - Google Patents
能源规划方法及装置 Download PDFInfo
- Publication number
- CN113837511A CN113837511A CN202010580260.6A CN202010580260A CN113837511A CN 113837511 A CN113837511 A CN 113837511A CN 202010580260 A CN202010580260 A CN 202010580260A CN 113837511 A CN113837511 A CN 113837511A
- Authority
- CN
- China
- Prior art keywords
- groups
- determining
- state information
- sets
- target
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005457 optimization Methods 0.000 claims abstract description 74
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000012937 correction Methods 0.000 claims description 65
- 238000004590 computer program Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 description 8
- 239000002245 particle Substances 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
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
- G06Q10/06—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
- G06Q10/04—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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种能源规划方法及装置,包括如下步骤:获得N组包括多个设备的设备型号,以及各设备型号对应的容量配置的信息,据此信息获得N组第一状态信息集,所述第一状态信息集包括所述多个设备中各设备的第一出力;再根据多个设备中的第一设备的第一出力,对所述第二设备的出力进行预测,获得N组第二状态信息集,基于N组所述第一状态信息集和N组所述第二状态信息集的比较,确定能源规划结果。本发明实施例中,根据多个设备中的第一设备的第一出力,对所述第二设备的出力进行预测,获得N组第二状态信息集,并将所述N组第二状态信息集与第一状态信息集进行比较,确定能源规划结果,避免了只单纯通过混合整数规划的优化方法计算得到能源规划结果,计算结果精确性低的问题。
Description
技术领域
本发明涉及能源综合应用领域,特别涉及一种能源规划方法及装置。
背景技术
综合能源系统将太阳能、风能、电能、燃气、风光、地热等能源形态转化为消费者所需的电热冷等能量形式。综合能源系统的规划设计是指在气象条件、化石资源等条件确定的情况下,考虑经济性、环保性因素,从若干候选设备中选择设备类型和配置容量,并确定各设备在系统生命周期内的运行方式。
现有技术中,单纯通过混合整数规划的优化方法计算,计算结果精确性低。
发明内容
本发明实施例的目的在于提供一种能源规划方法及装置,解决目前能源系统规划的优化方法计算中,计算结果精确性低的问题。
本发明实施例第一方面提供一种能源规划方法,包括如下步骤:
获得N组第一信息,所述第一信息包括多个设备的设备型号,以及各设备型号对应的容量配置,所述N为正整数;
根据N组所述第一信息,获得N组第一状态信息集,其中,所述第一状态信息集包括所述多个设备中各设备的第一出力;
对于每组所述第一信息,根据多个设备中的第一设备的第一出力,对所述第二设备的出力进行预测,获得N组第二状态信息集,所述第二状态信息集包括所述第一设备的第一出力和所述第二设备的第二出力,其中,所述第一设备为所述多个设备中除第二设备之外的设备,所述第二设备为所述多个设备中的一个设备;
基于N组所述第一状态信息集和N组所述第二状态信息集,确定能源规划结果。
可选的,所述基于N组所述第一状态信息集和N组所述第二状态信息集,确定能源规划结果,包括:
对于N组中每个第二设备,获得所述第二设备的第一出力与第二出力之间的偏差值,以获得N个偏差值;
从所述N个偏差值中确定目标偏差值;
根据所述目标偏差值,确定N组校正结果;
基于N组所述校正结果,确定能源规划结果。
可选的,所述根据所述目标偏差值,确定N组校正结果,包括:
若所述目标偏差值不大于预设值,则将N组所述第二状态信息集确定为N组所述校正结果;
若所述目标偏差值大于所述预设值,且预设倾向性为第一倾向,则将N组所述第二状态信息集确定为N组所述校正结果。
可选的,所述根据所述目标偏差值,确定N组校正结果,包括:
若所述目标偏差值大于所述预设值,且所述预设倾向性为第二倾向,则对于每组所述第一信息,对所述多个设备的出力进行预测,获得N组第三状态信息集,并基于N组第三状态信息集,确定能源规划结果。
可选的,所述基于N组所述校正结果,确定能源规划结果,包括:
对于每组所述校正结果,基于所述校正结果和所述第一信息进行优化目标计算,获得N组优化目标值;
根据N组所述优化目标值,确定目标优化目标值。
根据第一信息和所述目标优化目标值对应的校正结果,确定能源规划结果。
本发明实施例第二方面提供一种能源规划装置,包括:
第一获取模块,用于获得N组第一信息,所述第一信息包括多个设备的设备型号,以及各设备型号对应的容量配置,所述N为正整数;
第二获取模块,用于根据N组所述第一信息,获得N组第一状态信息集,其中,所述第一状态信息集包括所述多个设备中各设备的第一出力;
预测模块,用于对于每组所述第一信息,根据多个设备中的第一设备的第一出力,对所述第二设备的出力进行预测,获得N组第二状态信息集,所述第二状态信息集包括所述第一设备的第一出力和所述第二设备的第二出力,其中,所述第一设备为所述多个设备中除第二设备之外的设备,所述第二设备为所述多个设备中的一个设备;
确定模块,用于基于N组所述第一状态信息集和N组所述第二状态信息集,确定能源规划结果。
可选的,所述确定模块,包括:
第一获取子模块,用于对于N组中每个第二设备,获得所述第二设备的第一出力与第二出力之间的偏差值,以获得N个偏差值;
第一确定子模块,用于从所述N个偏差值中确定目标偏差值;
第二确定子模块,用于根据所述目标偏差值,确定N组校正结果;
第三确定子模块,用于基于N组所述校正结果,确定能源规划结果。
可选的,所述第二确定子模块,包括:
用于若所述目标偏差值不大于预设值,则将N组所述第二状态信息集确定为N组所述校正结果;
若所述目标偏差值大于所述预设值,且预设倾向性为第一倾向,则将N组所述第二状态信息集确定为N组所述校正结果。
可选的,所述第二确定子模块,用于:
若所述目标偏差值大于所述预设值,且所述预设倾向性为第二倾向,则对于每组所述第一信息,对所述多个设备的出力进行预测,获得N组第三状态信息集,并基于N组第三状态信息集,确定能源规划结果。
可选的,所述第三确定子模块,用于:
对于每组所述校正结果,基于所述校正结果和所述第一信息进行优化目标计算,获得N组优化目标值;
根据N组所述优化目标值,确定目标优化目标值;
根据第一信息和所述目标优化目标值对应的校正结果,确定能源规划结果。
本发明实施例第三方面提供一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如第一方面所述的能源规划方法中的步骤。
本发明实施例第四方面提供一种可读存储介质,所述可读存储介质上存储有程序,所述程序被处理器执行时实现如第一方面所述的能源规划方法中的步骤。
本发明实施例中,根据多个设备中的第一设备的第一出力,对所述第二设备的出力进行预测,获得N组第二状态信息集,并将所述N组第二状态信息集与第一状态信息集进行比较,确定能源规划结果,避免了只单纯通过混合整数规划的优化方法计算得到能源规划结果,计算结果精确性低的问题。
附图说明
为了更清楚的说明本发明实施例中的技术方案,现对说明书附图作如下说明,显而易见地,下述附图仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据所列附图获得其他附图。
图1是本发明实施例提供的能源规划方法的流程图之一;
图2是本发明实施例提供的能源规划装置的结构图;
图3是本发明实施例提供的电子设备的结构图;
图4是本发明实施例提供的能源规划方法的流程图之二。
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作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。
参照图1,图1是本发明实施例提供的能源规划方法流程图之一,该方法可应用于电子设备,包括:
步骤101、获得N组第一信息,所述第一信息包括多个设备的设备型号,以及各设备型号对应的容量配置,所述N为正整数。
步骤102、根据N组所述第一信息,获得N组第一状态信息集,其中,所述第一状态信息集包括所述多个设备中各设备的第一出力。
步骤103、对于每组所述第一信息,根据多个设备中的第一设备的第一出力,对所述第二设备的出力进行预测,获得N组第二状态信息集,所述第二状态信息集包括所述第一设备的第一出力和所述第二设备的第二出力,其中,所述第一设备为所述多个设备中除第二设备之外的设备,所述第二设备为所述多个设备中的一个设备。
步骤104、基于N组所述第一状态信息集和N组所述第二状态信息集,确定能源规划结果。
在所述步骤101中,应理解,所述设备中每一个设备都有多种可选型号,每种设备型号都有与之对应的容量配置即配置的台数。
本发明实施例中采用粒子群算法这一优化模型在初始条件下,获得N组第一信息。初始条件包括设备可选型号、容量范围、风光负荷数据、系统拓扑等信息。在应用粒子群算法时,用粒子的位置表示每组第一信息的取值。粒子的位置通常是连续变化的,但设备的设备型号,以及各设备型号对应的容量配置一般是离散的。假设待选设备共有M种,其中在不同位置的同类设备按照不同种处理。粒子位置x设为一个2M维的列向量,前M维表示M种设备对应的选定的设备型号,后M维表示与所述M种设备选定的设备型号对应的配置台数。
记x的第i个分量为xi,x所有的分量都在0到1之间取值。对于1≤i≤M,xi表示第i种设备的型号。如果第i种设备有mi种待选型号,则0≤xi≤1/mi、1/mi<xi≤2/mi、……、(mi-1)/mi<xi≤1分别表示第i种设备型号选定的结果分别为第1、2、……、mi种型号,因此,型号编号等于其中表示向上取整。
对于M+1≤i≤2M,xi表示第i-M种设备的配置台数。台数范围与所选定的设备型号有关,用台数下限和台数上限表示。所选台数应该为整数。与型号的表示方法类似,用0到1之间的分段来表示台数下限到台数上限之间的所有整数,即台数通过下式确定:
经过以上步骤,获取N组第一信息变成了一群粒子在2N维空间的单位长方体中搜索适应度最高的位置的问题。
此外,用粒子群算法这一优化模型获取N组第一信息的上层约束条件包括各设备容量配置的上下限,其模型表示为:
式中,Plow,conf,Phigh,conf分别表示所述设备容量配置的上下限,Pr代表选定的设备型号单台额定发电/热/冷功率。应理解,对可同时供热供冷的设备如热泵、吸收式制冷机,其获取N组第一信息的约束条件同时具有热量和冷量的配置上下限。
在所述步骤102中,应理解,根据N组所述第一信息,获得N组第一状态信息集,其中,所述第一状态信息集包括所述多个设备中各设备的第一出力,所述第一状态信息集还包括多个设备中各设备的第一调度方式、第一运行参数(如流量、压力、温度、电压等参数分布情况)等信息。
本发明实施例中采用混合整数规划模型,根据N组所述第一信息,即N组确定的多个设备的设备型号,以及各设备型号对应的容量配置方案,下层约束条件和下层优化目标,获得N组与多个设备的设备型号,以及各设备型号对应的容量配置方案相对应的所述多个设备中各设备的第一状态信息集。
所述下层约束条件包括网络连接约束和设备模型约束。其中,对于所述网络连接约束,电网部分对每个节点i,网络连接带来的约束条件即指节点功率平衡方程,可以表示为:
PP代表有功功率,Ωr代表节点所对应的支路集合。
对热网部分中每个节点i,网络连接带来的约束条件主要包括能量平衡方程(线性化模型中质量流量作为常数处理,因此没有质量平衡方程),可以表示为:
Ωr,in代表节点所对应的流入之路的集合,Ωr,out代表节点所对应的流出之路的集合,cp代表流体比热容,m代表流量,T代表温度。应理解,节点所有流出之路的温度都是相等的。
其中,所述下层优化目标包括系统运行成本,所述系统运行成本包括设备运维成本、燃料购买成本、购电成本,表示为:
Co=Cm+Cf+Cp
Cm代表设备运维成本,Cf代表燃料购买成本,Cp代表购电成本,Nd代表典型日的编号,αk代表设备的单位功率下的可变运行成本,βk代表设备的固定运行成本,δk表示燃料的单位能量价格,Qf表示设备的燃料能耗,ξ表示分时购电价格,Pb代表系统购电量,i代表第i个典型日,j代表该典型日下第j小时。对于阶梯分时价格模型,可按照如下方式处理:
假设t时段电网电价分为h个阶梯,从功率为0开始,阶梯分别包含c1、…、ch的功率范围,电价分别是λ1、…、λh,假定电价单调递增。用p1、…、ph表示各个阶梯中功率,则从电网买电的总功率采用如下表达式:
p=p1+…+ph
每个阶梯中的功率在阶梯的范围如下所示:
0≤pi≤ci,i=1,…,h
买电成本为
F=λ1p1+…+λhph
因为λ1、…、λh单调递增,运行优化中最小化总成本,所以在低阶梯功率达到上限时高阶梯的功率才可能不为0。
进一步的,所述下层优化目标还包括系统的环保性指标,所述系统的环保性指标包括各类污染物排放量之和,表示为:
Cenv是指各种类型污染物的排放量之和,Ωp是污染物类型的集合,θ是指单位能量下对应的污染物排放量。
在步骤103中,对于每组所述第一信息,根据多个设备中的第一设备的第一出力,对所述第二设备的出力进行预测,获得N组第二状态信息集,所述第二状态信息集包括所述第一设备的第一出力和所述第二设备的第二出力,其中,所述第一设备为所述多个设备中除第二设备之外的设备,所述第二设备为所述多个设备中的一个设备。
应理解,所述第二状态信息集还包括多个设备中各设备的第二调度方式、第二运行参数(如流量、压力、温度、电压等参数分布情况)等信息。
应理解,所述第二设备为预先选定的一个参考设备,本发明实施例中将混合整数规划模型计算得到的所述第一设备的第一状态信息集中的第一出力和N组所述第一信息输入仿真模型,获得N组与多个设备的设备型号,各设备型号对应的容量配置方案相对应的第二设备的第二出力,同时也获得第一设备和第二设备的第二调度方式、第二运行参数(如流量、压力、温度、电压等参数分布情况)等信息。
进一步的,还可以结合PSO算法,将混合整数规划模型计算得到的所述第一设备的第一状态信息集中的第一出力的值取其±5%范围输入仿真模型,并结合PSO算法获得N组与多个设备的设备型号,各设备型号对应的容量配置方案相对应的第二状态信息集。应理解,根据不同的精确性要求,以混合整数规划模型计算得到的第一设备的第一状态信息集中各设备的第一出力为基准,上下浮动得到的数值范围不止限于±5%,如:第一设备的第一状态信息集中各设备的第一出力的值还可以取±3%、±10%、﹢1%~﹣8%的范围输入仿真模型。
在步骤104中,基于N组所述第一状态信息集和N组所述第二状态信息集,确定能源规划结果,包括:通过比较第二设备的第一出力和第二设备的第二出力,确定能源规划结果。
可选的,对于N组中每个第二设备,获得所述第二设备的第一出力与第二出力之间的偏差值,以获得N个偏差值;
从所述N个偏差值中确定目标偏差值;
根据所述目标偏差值,确定N组校正结果;
基于N组所述校正结果,确定能源规划结果。
其中,获得N个偏差值的方式包括:
将所述第二设备的第一出力减去所述第二设备的第二出力;
将所述第二设备的第一出力减去所述第二设备的第二出力除以所述第二设备的第一出力;
将所述第二设备的第二出力减去所述第二设备的第一出力除以所述第二设备的第一出力;
将所述第二设备的第二出力减去所述第二设备的第一出力除以所述第二设备的第二出力。
具体的,确定目标偏差值的方式包括:
将N组偏差值中最大的偏差值确定为所述目标偏差值;
或者,将N组偏差值加权平均值确定为所述目标偏差值。
可选的,根据所述目标偏差值,确定N组校正结果,包括:
若所述目标偏差值不大于预设值,则将N组所述第二状态信息集确定为N组所述校正结果;
若所述目标偏差值大于所述预设值,且预设倾向性为第一倾向,则将N组所述第二状态信息集确定为N组所述校正结果;
若所述目标偏差值大于所述预设值,且所述预设倾向性为第二倾向,则对于每组所述第一信息,对所述多个设备的出力进行预测,获得N组第三状态信息集,并基于N组第三状态信息集,确定能源规划结果。
其中,第三状态信息集包括第一设备和第二设备的第三出力,以及第一设备和第二设备的第三调度方式、第三运行参数(如流量、压力、温度、电压等参数分布情况)等信息。
应理解,预设值根据精确性要求设置,包括但不限于为20%。第一倾向可以为计算效率,第二倾向可以为精确性。
其中,若所述目标偏差值大于所述预设值,且所述预设倾向性为第二倾向,则对于每组所述第一信息,对所述多个设备的出力进行预测,获得N组第三状态信息集,并基于N组第三状态信息集,确定能源规划结果。本发明实施例中,将每组所述第一信息输入仿真模型,在下层约束条件和下层优化目标下进行仿真得到所述N组第三状态信息集。
可选的,基于N组所述校正结果,确定能源规划结果,包括:
对于每组所述校正结果,基于所述校正结果和所述第一信息进行优化目标计算,获得N组优化目标值;
根据N组所述优化目标值,确定目标优化目标值;
根据第一信息和所述目标优化目标值对应的校正结果,确定能源规划结果。
其中,所述优化目标包括上层优化目标和下层优化目标,所述下层优化目标已在上文提及,现对上层优化目标进行说明:
用粒子群算法这一优化模型获取N组第一信息的上层优化目标可以为最优经济性,最优环保性,或最优的经济性和环保性。
其中,所述上层优化目标为最优经济性时,优化目标函数为Ce=Cc+Co,其中:
Ce为表征系统经济性的指标,Cc代表系统年建设投资费用,Co代表上层优化目标函数值,Ωd代表所有设备的集合,Nconf代表设备配置台数,CRF代表资本回收系数,r代表资本年利率,n代表项目周期。
所述上层优化目标为最优环保性时,优化目标函数可以用所述下层优化目标的系统环保性指标代替。
所述上层的优化目标为最优的经济性或环保性时,上层优化目标函数为:C=aCe+bCenv,a,b为大于0小于1的实数。
对于每组所述校正结果,基于所述校正结果和所述第一信息进行优化目标计算,获得N组优化目标值,根据N组所述优化目标值,确定目标优化目标值,包括:根据所述校正结果和所述第一信息,以及上层优化目标计算上层优化目标值,比较上层优化目标值,将所述上层优化目标值中的最小值确定为目标优化目标值。根据确定的目标优化目标值调整所述第一信息,并重复上述所有步骤,重新计算与调整后的第一信息所对应的状态信息集,并确定校正结果,直到满足迭代次数后,将与目标优化目标值对应的所述第一信息和所述校正结果作为最终确定的能源规划结果输出。
显而易见地,本发明实施例中将第一状态信息集中的第一设备第一出力作为输入,得到第二设备第二出力,并将第二设备的第一出力和第二出力进行比较,确定能源规划结果。在其他实施例中,还可以将第一状态信息集中的第一设备的第一调度方式、第一运行参数(如流量、压力、温度、电压等参数分布情况)信息中的一种或多种信息作为输入,得到第二设备与输入信息对应的第二信息,并将输入信息和得到的第二设备与输入信息对应的第二信息进行比较,确定能源规划结果。所述第二信息为第二设备在仿真模型中计算得到的与输入信息对应的信息。如:将第一状态信息集中的第一设备的第一调度方式和第一压力信息作为输入,在仿真模型中,可以计算得到第二设备的第二调度方式和第二压力信息,并将第二设备的第一调度方式和第一压力信息与第二设备的第二调度方式和第二压力信息进行比较,确定能源规划结果。
参见图2,图2是本发明实施例提供的能源规划装置的结构图,如图2所示,能源规划装置200包括:
第一获取模块201,用于获得N组第一信息,所述第一信息包括多个设备的设备型号,以及各设备型号对应的容量配置,所述N为正整数;
第二获取模块202,用于根据N组所述第一信息,获得N组第一状态信息集,其中,所述第一状态信息集包括所述多个设备中各设备的第一出力;
预测模块203,用于对于每组所述第一信息,根据多个设备中的第一设备的第一出力,对所述第二设备的出力进行预测,获得N组第二状态信息集,所述第二状态信息集包括所述第一设备的第一出力和所述第二设备的第二出力,其中,所述第一设备为所述多个设备中除第二设备之外的设备,所述第二设备为所述多个设备中的一个设备;
确定模块204,用于基于N组所述第一状态信息集和N组所述第二状态信息集,确定能源规划结果。
进一步的,所述确定模块204,包括:
第一获取子模块,用于对于N组中每个第二设备,获得所述第二设备的第一出力与第二出力之间的偏差值,以获得N个偏差值;
第一确定子模块,用于从所述N个偏差值中确定目标偏差值;
第二确定子模块,用于根据所述目标偏差值,确定N组校正结果;
第三确定子模块,用于基于N组所述校正结果,确定能源规划结果。
进一步的,所述第二确定子模块,包括:
用于若所述目标偏差值不大于预设值,则将N组所述第二状态信息集确定为N组所述校正结果;
若所述目标偏差值大于所述预设值,且预设倾向性为第一倾向,则将N组所述第二状态信息集确定为N组所述校正结果。
进一步的,所述第二确定子模块,用于:
若所述目标偏差值大于所述预设值,且所述预设倾向性为第二倾向,则对于每组所述第一信息,对所述多个设备的出力进行预测,获得N组第三状态信息集,并基于N组第三状态信息集,确定能源规划结果。
进一步的,所述第三确定子模块,用于:
对于每组所述校正结果,基于所述校正结果和所述第一信息进行优化目标计算,获得N组优化目标值;
根据N组所述优化目标值,确定目标优化目标值;
根据第一信息和所述目标优化目标值对应的校正结果,确定能源规划结果。
能源规划装置200能够实现图1的方法实施例中电子设备实现的各个过程,为避免重复,这里不再赘述。
参见图3,图3是本发明实施例提供的另一种电子设备的结构示意图。如图3所示,电子设备300包括:处理器301、存储器302及存储在所述存储器302上并可在所述处理器上运行的计算机程序,电子设备300中的各个组件通过总线系统303耦合在一起。可理解,总线系统303用于实现这些组件之间的连接通信。
其中,处理器301,用于获得N组第一信息,所述第一信息包括多个设备的设备型号,以及各设备型号对应的容量配置,所述N为正整数;
根据N组所述第一信息,获得N组第一状态信息集,其中,所述第一状态信息集包括所述多个设备中各设备的第一出力;
对于每组所述第一信息,根据多个设备中的第一设备的第一出力,对所述第二设备的出力进行预测,获得N组第二状态信息集,所述第二状态信息集包括所述第一设备的第一出力和所述第二设备的第二出力,其中,所述第一设备为所述多个设备中除第二设备之外的设备,所述第二设备为所述多个设备中的一个设备;
基于N组所述第一状态信息集和N组所述第二状态信息集,确定能源规划结果。
进一步的,处理器301,用于对于每个第二设备,获得所述第二设备的第一出力与第二出力之间的偏差值,以获得N个偏差值;
从所述N个偏差值中确定目标偏差值;
根据所述目标偏差值,确定N组校正结果;
基于N组所述校正结果,确定能源规划结果。
进一步的,处理器301,用于若所述目标偏差值不大于预设值,则将N组所述第二状态信息集确定为N组所述校正结果;
若所述目标偏差值大于所述预设值,且预设倾向性为第一倾向,则将N组所述第二状态信息集确定为N组所述校正结果。
进一步的,处理器301,用于若所述目标偏差值大于所述预设值,且所述预设倾向性为第二倾向,则对于每组所述第一信息,对所述多个设备的出力进行预测,获得N组第三状态信息集,并基于N组第三状态信息集,确定能源规划结果。
进一步的,处理器301,用于对于每组所述校正结果,基于所述校正结果和所述第一信息进行优化目标计算,获得N组优化目标值;
根据N组所述优化目标值,确定目标优化目标值;
根据第一信息和所述目标优化目标值对应的校正结果,确定能源规划结果。
电子设备300能够实现前述实施例中电子设备实现的各个过程,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述能源规划方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述,仅为本发明的具体实施方式,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以权利要求的保护范围为准。
Claims (12)
1.一种能源规划方法,其特征在于,包括如下步骤:
获得N组第一信息,所述第一信息包括多个设备的设备型号,以及各设备型号对应的容量配置,所述N为正整数;
根据N组所述第一信息,获得N组第一状态信息集,其中,所述第一状态信息集包括所述多个设备中各设备的第一出力;
对于每组所述第一信息,根据多个设备中的第一设备的第一出力,对所述第二设备的出力进行预测,获得N组第二状态信息集,所述第二状态信息集包括所述第一设备的第一出力和所述第二设备的第二出力,其中,所述第一设备为所述多个设备中除第二设备之外的设备,所述第二设备为所述多个设备中的一个设备;
基于N组所述第一状态信息集和N组所述第二状态信息集,确定能源规划结果。
2.根据权利要求1所述的方法,其特征在于,所述基于N组所述第一状态信息集和N组所述第二状态信息集,确定能源规划结果,包括:
对于N组中每个第二设备,获得所述第二设备的第一出力与第二出力之间的偏差值,以获得N个偏差值;
从所述N个偏差值中确定目标偏差值;
根据所述目标偏差值,确定N组校正结果;
基于N组所述校正结果,确定能源规划结果。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标偏差值,确定N组校正结果,包括:
若所述目标偏差值不大于预设值,则将N组所述第二状态信息集确定为N组所述校正结果;
若所述目标偏差值大于所述预设值,且预设倾向性为第一倾向,则将N组所述第二状态信息集确定为N组所述校正结果。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标偏差值,确定N组校正结果,包括:
若所述目标偏差值大于所述预设值,且所述预设倾向性为第二倾向,则对于每组所述第一信息,对所述多个设备的出力进行预测,获得N组第三状态信息集,并基于N组第三状态信息集,确定能源规划结果。
5.根据权利要求2所述的方法,其特征在于,所述基于N组所述校正结果,确定能源规划结果,包括:
对于每组所述校正结果,基于所述校正结果和所述第一信息进行优化目标计算,获得N组优化目标值;
根据N组所述优化目标值,确定目标优化目标值;
根据第一信息和所述目标优化目标值对应的校正结果,确定能源规划结果。
6.一种能源规划装置,其特征在于,包括:
第一获取模块,用于获得N组第一信息,所述第一信息包括多个设备的设备型号,以及各设备型号对应的容量配置,所述N为正整数;
第二获取模块,用于根据N组所述第一信息,获得N组第一状态信息集,其中,所述第一状态信息集包括所述多个设备中各设备的第一出力;
预测模块,用于对于每组所述第一信息,根据多个设备中的第一设备的第一出力,对所述第二设备的出力进行预测,获得N组第二状态信息集,所述第二状态信息集包括所述第一设备的第一出力和所述第二设备的第二出力,其中,所述第一设备为所述多个设备中除第二设备之外的设备,所述第二设备为所述多个设备中的一个设备;
确定模块,用于基于N组所述第一状态信息集和N组所述第二状态信息集,确定能源规划结果。
7.根据权利要求6所述的装置,其特征在于,所述确定模块,包括:
第一获取子模块,用于对于N组中每个第二设备,获得所述第二设备的第一出力与第二出力之间的偏差值,以获得N个偏差值;
第一确定子模块,用于从所述N个偏差值中确定目标偏差值;
第二确定子模块,用于根据所述目标偏差值,确定N组校正结果;
第三确定子模块,用于基于N组所述校正结果,确定能源规划结果。
8.根据权利要求7所述的装置,其特征在于,所述第二确定子模块,包括:
用于若所述目标偏差值不大于预设值,则将N组所述第二状态信息集确定为N组所述校正结果;
若所述目标偏差值大于所述预设值,且预设倾向性为第一倾向,则将N组所述第二状态信息集确定为N组所述校正结果。
9.根据权利要求8所述的装置,其特征在于,所述第二确定子模块,用于:
若所述目标偏差值大于所述预设值,且所述预设倾向性为第二倾向,则对于每组所述第一信息,对所述多个设备的出力进行预测,获得N组第三状态信息集,并基于N组第三状态信息集,确定能源规划结果。
10.根据权利要求7所述的装置,其特征在于,所述第三确定子模块,用于:
对于每组所述校正结果,基于所述校正结果和所述第一信息进行优化目标计算,获得N组优化目标值;
根据N组所述优化目标值,确定目标优化目标值;
根据第一信息和所述目标优化目标值对应的校正结果,确定能源规划结果。
11.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的能源规划方法中的步骤。
12.一种可读存储介质,其特征在于,所述可读存储介质上存储有程序,所述程序被处理器执行时实现如权利要求1至5中任一项所述的能源规划方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010580260.6A CN113837511B (zh) | 2020-06-23 | 2020-06-23 | 能源规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010580260.6A CN113837511B (zh) | 2020-06-23 | 2020-06-23 | 能源规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113837511A true CN113837511A (zh) | 2021-12-24 |
CN113837511B CN113837511B (zh) | 2023-05-16 |
Family
ID=78964079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010580260.6A Active CN113837511B (zh) | 2020-06-23 | 2020-06-23 | 能源规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837511B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492024A (zh) * | 2018-03-20 | 2018-09-04 | 上海微小卫星工程中心 | 一种针对卫星规划任务的能源约束系统及方法 |
US20190108463A1 (en) * | 2017-04-24 | 2019-04-11 | State Grid Corporation Of China | Method for constructing a future-state power grid model, device and equipment and storage medium |
CN109634119A (zh) * | 2018-12-24 | 2019-04-16 | 浙江工业大学 | 一种基于日内滚动优化的能源互联网优化控制方法 |
CN111062514A (zh) * | 2019-11-14 | 2020-04-24 | 国网能源研究院有限公司 | 一种电力系统规划方法及系统 |
CN111146785A (zh) * | 2019-12-17 | 2020-05-12 | 华北电力大学 | 面向多源优化调度计算的基于改进有效集快速求解方法 |
-
2020
- 2020-06-23 CN CN202010580260.6A patent/CN113837511B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190108463A1 (en) * | 2017-04-24 | 2019-04-11 | State Grid Corporation Of China | Method for constructing a future-state power grid model, device and equipment and storage medium |
CN108492024A (zh) * | 2018-03-20 | 2018-09-04 | 上海微小卫星工程中心 | 一种针对卫星规划任务的能源约束系统及方法 |
CN109634119A (zh) * | 2018-12-24 | 2019-04-16 | 浙江工业大学 | 一种基于日内滚动优化的能源互联网优化控制方法 |
CN111062514A (zh) * | 2019-11-14 | 2020-04-24 | 国网能源研究院有限公司 | 一种电力系统规划方法及系统 |
CN111146785A (zh) * | 2019-12-17 | 2020-05-12 | 华北电力大学 | 面向多源优化调度计算的基于改进有效集快速求解方法 |
Non-Patent Citations (1)
Title |
---|
于波;孙恒楠;项添春;张鹏;: "综合能源系统规划设计方法", 电力建设 * |
Also Published As
Publication number | Publication date |
---|---|
CN113837511B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Two-stage robust planning-operation co-optimization of energy hub considering precise energy storage economic model | |
Dufo-Lopez et al. | Multi-objective design of PV–wind–diesel–hydrogen–battery systems | |
Jabr et al. | Ordinal optimisation approach for locating and sizing of distributed generation | |
Azmy et al. | Online optimal management of PEMFuel cells using neural networks | |
Ospina et al. | Sampling-based model predictive control of PV-integrated energy storage system considering power generation forecast and real-time price | |
Karami et al. | Optimal scheduling of residential energy system including combined heat and power system and storage device | |
Hejazi et al. | Differential evolution algorithm for security-constrained energy and reserve optimization considering credible contingencies | |
Hardiansyah et al. | Solving economic load dispatch problem using particle swarm optimization technique | |
Lu et al. | Data-driven stochastic programming for energy storage system planning in high PV-penetrated distribution network | |
CN112952807B (zh) | 考虑风电不确定性与需求响应的多目标优化调度方法 | |
CN110417062A (zh) | 一种电气综合能源系统优化调度方法 | |
CN111695742A (zh) | 一种综合能源系统日前调度区间优化方法、系统及设备 | |
CN109978408B (zh) | 综合能源系统规划运行联合优化方法、装置、设备及介质 | |
Mahari et al. | A solution to the generation scheduling problem in power systems with large-scale wind farms using MICA | |
CN109272353A (zh) | 计及综合需求响应不确定性的系统动态概率能流分析方法 | |
CN114154744A (zh) | 综合能源系统的扩容规划方法、装置及电子设备 | |
CN112966883A (zh) | 综合能源系统运行优化方法及终端设备 | |
CN111563637A (zh) | 基于需求响应的多目标概率最优潮流计算方法及装置 | |
Di Silvestre et al. | Modelling energy storage systems using Fourier analysis: An application for smart grids optimal management | |
Zhang et al. | Stochastic unit commitment with air conditioning loads participating in reserve service | |
Skolthanarat et al. | Short-term load forecasting algorithm and optimization in smart grid operations and planning | |
CN113837511B (zh) | 能源规划方法及装置 | |
Ruiz et al. | Multicriteria optimization of the investment in the auxiliary services of thermal power plants: A case study | |
Shayanfar et al. | Optimal sizing and placement of distribution generation using imperialist competitive algorithm | |
CN115187018A (zh) | 一种园区综合能源系统双层优化调度方法及装置 |
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 |