CN114565237A - 用于多能组合发电站的综合能源低碳调度方法及系统 - Google Patents

用于多能组合发电站的综合能源低碳调度方法及系统 Download PDF

Info

Publication number
CN114565237A
CN114565237A CN202210137868.0A CN202210137868A CN114565237A CN 114565237 A CN114565237 A CN 114565237A CN 202210137868 A CN202210137868 A CN 202210137868A CN 114565237 A CN114565237 A CN 114565237A
Authority
CN
China
Prior art keywords
energy
scheduling
population
fish
combined power
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
CN202210137868.0A
Other languages
English (en)
Other versions
CN114565237B (zh
Inventor
周杰
李超群
黄超
李志刚
朱锐
苏革
黎劲松
常泳
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.)
Shihezi University
Original Assignee
Shihezi 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 Shihezi University filed Critical Shihezi University
Priority to CN202210137868.0A priority Critical patent/CN114565237B/zh
Publication of CN114565237A publication Critical patent/CN114565237A/zh
Application granted granted Critical
Publication of CN114565237B publication Critical patent/CN114565237B/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
    • G06Q10/06—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明提供一种用于多能组合发电站的综合能源低碳调度方法及系统，该方法包括：获取能源调度目标区域内的多能组合发电站数量和每个多能组合发电站的能源种类；基于每种能源种类的能源转化效率和碳捕集率，根据所述能源调度目标区域内的多能组合发电站数量和能源种类，构建效益评价函数；通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合调度方案。本发明通过将旗鱼优化算法应用于综合能源低碳调度问题，从而为多能组合发电站的每种能源进行更为合理且准确的能源低碳分配调度，提高综合能源智能低碳调度的经济效益，降低多能组合发电站对环境造成的影响。

Description

用于多能组合发电站的综合能源低碳调度方法及系统
技术领域
本发明涉及综合能源技术领域，尤其涉及一种用于多能组合发电站的综合能源低碳调度方法及系统。
背景技术
随着能源发展与环境污染、气候变化之间的关系变得愈发紧密，传统能源系统建设路径和发展模式急需改变，构建综合能源系统成为新形势下能源企业的发展趋势。
火力发电作为主要的发电方式，其环保节能成为电力工业结构调整的重要方向。火力发电分为燃煤汽轮机发电、燃油汽轮机发电、燃气-蒸汽联合循环发电和内燃机发电，基于不同种类能源的发电方式，组成包含有多种能源发电方式的发电站，即多能组合发电站。通过综合能源调度中心，管控多能组合发电站的综合能源高效益低碳分配，从而促进多种能源和调配设备进行优化，最大化提高综合能源经济效益。
由于综合能源低碳调度优化是一个NP难问题(NP-hard problem)，通常需要使用启发式算法来解决。现有算法在对火电基地的每种能源进行低碳分配调度时，鉴于能源系统及其影响因素的复杂性，获取到的低碳调度方案的合理性和准确性还有待进一步提高，无法较好的降低发电站对环境造成的影响和提高发电站的经济效益。因此，现在亟需一种用于多能组合发电站的综合能源低碳调度方法及系统来解决上述问题。
发明内容
针对现有技术存在的问题，本发明提供一种用于多能组合发电站的综合能源低碳调度方法及系统。
本发明提供一种用于多能组合发电站的综合能源低碳调度方法，包括：
获取能源调度目标区域内的多能组合发电站数量和每个多能组合发电站的能源种类；
基于每种能源种类的能源转化效率和碳捕集率，根据所述能源调度目标区域内的多能组合发电站数量和能源种类，构建效益评价函数；
通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合调度方案。
根据本发明提供的一种用于多能组合发电站的综合能源低碳调度方法，所述通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合策略，包括：
初始化旗鱼优化算法，生成人工鱼初始种群，所述人工鱼初始种群包括初始旗鱼种群和初始沙丁鱼种群，其中，每个人工鱼表示所述能源调度目标区域内所有多能组合发电站中每种能源种类对应的能源分配比例；
通过所述效益评价函数，获取所述人工鱼初始种群中每个人工鱼的适应度值，并根据所述适应度值，确定所述人工鱼初始种群中的最优人工鱼个体位置，所述最优人工鱼个体位置包括最优旗鱼个体位置和最优沙丁鱼个体位置；
根据所述最优旗鱼个体位置和所述最优沙丁鱼个体位置，分别对所述初始旗鱼种群和所述初始沙丁鱼种群进行位置更新，得到位置更新后的旗鱼种群和沙丁鱼种群；
根据所述位置更新后的旗鱼种群和沙丁鱼种群中每个人工鱼的适应度值，在所述位置更新后的旗鱼种群和沙丁鱼种群之间进行位置替换，得到位置替换后的旗鱼种群和沙丁鱼种群；
基于所述旗鱼优化算法，根据所述位置替换后的旗鱼种群和沙丁鱼种群中每个人工鱼的适应度值，对所述位置替换后的旗鱼种群和沙丁鱼种群进行位置迭代更新和位置迭代替换，直至满足预设迭代次数，得到最优人工鱼个体位置对应的能源分配比例最优组合策略。
根据本发明提供的一种用于多能组合发电站的综合能源低碳调度方法，所述初始化旗鱼优化算法，生成人工鱼初始种群，包括：
初始化旗鱼优化算法的控制参数，并通过混沌映射策略，生成初始旗鱼种群和初始沙丁鱼种群。
根据本发明提供的一种用于多能组合发电站的综合能源低碳调度方法，所述效益评价函数的公式为：
EPi＝sum(Xi*TR*CR)；
其中，EPi为适应度值，表示任意一个旗鱼i或者沙丁鱼i对应的调度方案经济效益值；Xi表示旗鱼i或者沙丁鱼i对应的能源分配比例编码，TR表示每种能源种类对应的能源转化率矩阵，CR表示每种能源种类对应的碳捕集率矩阵。
根据本发明提供的一种用于多能组合发电站的综合能源低碳调度方法，所述混沌映射策略为Logistic映射。
根据本发明提供的一种用于多能组合发电站的综合能源低碳调度方法，所述多能组合发电站的能源种类至少包括天然气能源、煤炭能源和石油能源。
本发明还提供一种用于多能组合发电站的综合能源低碳调度系统，包括：
能源调度目标区域信息获取模块，用于获取能源调度目标区域内的多能组合发电站数量和每个多能组合发电站的能源种类；
综合能源低碳调度模型生成模块，用于基于每种能源种类的能源转化效率和碳捕集率，根据所述能源调度目标区域内的多能组合发电站数量和能源种类，构建效益评价函数；
综合能源低碳调度模块，用于通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合调度方案。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述用于多能组合发电站的综合能源低碳调度方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述用于多能组合发电站的综合能源低碳调度方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述用于多能组合发电站的综合能源低碳调度方法的步骤。
本发明提供的用于多能组合发电站的综合能源低碳调度方法及系统，通过将旗鱼优化算法应用于综合能源低碳调度问题，从而为多能组合发电站的每种能源进行更为合理且准确的能源低碳分配调度，提高综合能源智能低碳调度的经济效益，降低多能组合发电站对环境造成的影响。
附图说明
为了更清楚地说明本发明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进行简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的用于多能组合发电站的综合能源低碳调度方法的流程示意图；
图2为本发明提供的综合能源低碳调度方法与现有低碳调度方法的调度经济效益值对比示意图；
图3为本发明提供的用于多能组合发电站的综合能源低碳调度系统的结构示意图；
图4为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。
图1为本发明提供的用于多能组合发电站的综合能源低碳调度方法的流程示意图，如图1所示，本发明提供了一种用于多能组合发电站的综合能源低碳调度方法，包括：
步骤101，获取能源调度目标区域内的多能组合发电站数量和每个多能组合发电站的能源种类。
在本发明中，首先，确定能源调度目标区域内的每个多能组合发电站的数量以及所采用的能源种类，其中，所述多能组合发电站的能源种类至少包括天然气能源、煤炭能源和石油能源。在本发明中，每个多能组合发电站均由天然气能源、煤炭能源和石油能源这三种能源组合发电。
步骤102，基于每种能源种类的能源转化效率和碳捕集率，根据所述能源调度目标区域内的多能组合发电站数量和能源种类，构建效益评价函数。
在本发明中，根据能源调度中心现有的综合能源评估数据，结合能源调度目标区域内的多能组合发电站数量和能源种类，获取每个多能组合发电站所采用的各个种类能源的转化效率(Transformation Rate，简称TR)和碳捕集率(Carbon Capture Rate，简称CR)，从而构建用于实现多能组合发电站的综合能源低碳调度的效益评价函数。需要说明的是，在本发明中，还需要对每个多能组合发电站中的每种能源设置分配比例约束，即同一个多能组合发电站中，几种能源的分配比例求和为1。
步骤103，通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合调度方案。
旗鱼优化算法作为一种新兴的启发式算法，可以应用于优化综合能源低碳调度问题。优选地，本发明提供了一种混沌旗鱼优化算法，包括基于混沌映射策略的初始化过程、旗鱼位置更新、沙丁鱼位置更新以及沙丁鱼位置替换旗鱼位置等步骤。这些操作可以对搜索空间进行大规模的全局搜索和详细的局部搜索，增大了算法的全局搜索能力。
在本发明中，在完成初始化混沌旗鱼优化算法的控制参数和人工鱼种群(包括旗鱼种群和沙丁鱼种群)后，通过效益评价函数计算每个人工鱼个体的适应度值。通过混沌旗鱼优化算法不断迭代运行，当优化算法满足预设条件时，选择调度方案经济效益值(即适应度值)最高的调度方案，作为能源分配比例最优组合调度方案，对能源调度目标区域内的能源分配比例进行配置，以实现低碳调度。
在本发明中，待进行能源低碳调度的能源种类，包含天然气，煤炭和石油等资源，通过将目标区域内的多能组合发电站接入综合能源智能调度系统，由综合能源调度中心统一按比例调配。综合能源调度中心通过智能调度系统，基于混沌旗鱼优化算法来产生最优低碳调度方案，根据此方案进行综合能源的低碳调度，便于综合能源调度中心工作人员决策与管理。
本发明提供的用于多能组合发电站的综合能源低碳调度方法，通过将旗鱼优化算法应用于综合能源低碳调度问题，从而为多能组合发电站的每种能源进行更为合理且准确的能源低碳分配调度，提高综合能源智能低碳调度的经济效益，降低多能组合发电站对环境造成的影响。
在上述实施例的基础上，所述通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合策略，包括：
步骤201，初始化旗鱼优化算法，生成人工鱼初始种群，所述人工鱼初始种群包括初始旗鱼种群和初始沙丁鱼种群，其中，每个人工鱼表示所述能源调度目标区域内所有多能组合发电站中每种能源种类对应的能源分配比例。
在本发明中，对旗鱼优化算法进行初始化，包括旗鱼种群大小MSF，沙丁鱼种群大小MDF，每条人工鱼(即旗鱼个体和沙丁鱼个体)的位置向量维度D，位置向量的每个分量变化上下限为[LL，RL]，最大迭代次数Tmax。
在上述实施例的基础上，所述初始化旗鱼优化算法，生成人工鱼初始种群，具体包括：
初始化旗鱼优化算法的控制参数，并通过混沌映射策略，生成初始旗鱼种群和初始沙丁鱼种群。优选地，所述混沌映射策略为Logistic映射。
在本发明中，采用混沌映射策略，生成人工鱼初始种群，即初始旗鱼种群和沙丁鱼种群，每条人工鱼的个体编码是一个二维矩阵E*D，在该二维矩阵中，行数为能源种类数量E，列数为多能组合发电站数量D。因此，旗鱼种群和沙丁鱼种群均为三维矩阵，分别为MSF*E*D和MDF*E*D，其编码方式为正实数编码。混沌映射策略的具体过程包括：
首先，随机生成一个E*D的二维矩阵
Figure BDA0003505690390000071
和一个E*D二维矩阵
Figure BDA0003505690390000083
向量的每个分量在0-1之间。然后，利用Logistic映射，分别生成MSF-1个矩阵和MDF-1个矩阵。Logistic映射如下：
Zi+1＝μ*Zi*(1-Zi)；
其中，μ为阈值控制因子，μ＝4.0。进一步地，将Z矩阵的每个分量载波到变量的取值区间上，混沌生成旗鱼种群XSF和沙丁鱼种群XDF，生成方式具体如下：
Figure BDA0003505690390000081
其中，LL为取值下限，UL为取值上限，
Figure BDA0003505690390000082
为下取整。
在本发明中，设置旗鱼种群大小MSF＝25，沙丁鱼种群大小MDF＝25；能源类别E＝3，即包括天然气能源、煤炭能源和石油能源这三种能源组合发电；能源调度目标区域内的多能组合发电站数量D＝10，每条人工鱼的位置矩阵E*D＝3*10，矩阵元素的变化上下限为[0，1]，最大迭代次数Tmax＝80。
在本发明中，在旗鱼优化算法中设计混沌映射策略，可以在种群初始化时增大初始鱼群的全局性，为后续种群进化提供较好的基础。
步骤202，通过所述效益评价函数，获取所述人工鱼初始种群中每个人工鱼的适应度值，并根据所述适应度值，确定所述人工鱼初始种群中的最优人工鱼个体位置，所述最优人工鱼个体位置包括最优旗鱼个体位置和最优沙丁鱼个体位置。
在本发明中，通过经济效益评价函数，计算每个人工鱼的适应度值，将适应度值从大到小进行排序，选择当前旗鱼种群中(若当前轮次为初始化，则从初始化旗鱼种群中确定)适应度值最大的旗鱼作为最优旗鱼个体位置XSF_elite，以及当前沙丁鱼种群中(若当前轮次为初始化，则从初始化沙丁鱼种群中确定)适应度值最大的沙丁鱼作为最优沙丁鱼个体位置XDF_elite。
在上述实施例的基础上，所述效益评价函数的公式为：
EPi＝sum(Xi*TR*CR)；
其中，EPi为适应度值，表示任意一个旗鱼i或者沙丁鱼i对应的调度方案经济效益值；Xi表示旗鱼i或者沙丁鱼i对应的能源分配比例编码，TR表示每种能源种类对应的能源转化率矩阵，CR表示每种能源种类对应的碳捕集率矩阵。
在一实施例中，人工鱼i的个体编码可以表示为：
Figure BDA0003505690390000091
其中，在个体编码Xi中，每一行表示不同的多能组合发电站，每一列表示同一个多能组合发电站中每种能源的分配比例。
转化效率矩阵TR和碳捕集率矩阵CR分别表示为：
Figure BDA0003505690390000092
Figure BDA0003505690390000093
基于效益评价函数，经过矩阵运算，得出上述实施例中人工鱼i的调度方案经济效益值EPi＝3.1398。
步骤203，根据所述最优旗鱼个体位置和所述最优沙丁鱼个体位置，分别对所述初始旗鱼种群和所述初始沙丁鱼种群进行位置更新，得到位置更新后的旗鱼种群和沙丁鱼种群。
在本发明中，通过上述过程确定当前人工鱼种群(若为算法初始化阶段时，则对人工鱼初始种群进行位置更新)中的最优旗鱼个体位置和最优沙丁鱼个体位置，分别进行旗鱼位置和沙丁鱼位置的位置。具体地，旗鱼位置的更新方式如下：
Figure BDA0003505690390000101
其中，
Figure BDA0003505690390000102
表示第t次迭代次数时，旗鱼的新位置；
Figure BDA0003505690390000103
表示在第t次迭代次数时，旗鱼的最优位置；
Figure BDA0003505690390000104
表示在第t次迭代次数时，沙丁鱼的最优位置；
Figure BDA0003505690390000105
表示表示第t次迭代次数时，旗鱼的旧位置；随机系数θ的取值范围[0.1，0.95]；ωt系数的定义如下：
ωt＝2*φ*PD-PD；
其中，φ为[0.05，98]之间的随机数；PD表示猎物群的密度，用如下表达式表示：
Figure BDA0003505690390000106
其中，MSF表示旗鱼数量，MDF表示沙丁鱼数量。
进一步地，沙丁鱼位置的更新方式如下：
Figure BDA0003505690390000107
其中，
Figure BDA0003505690390000108
表示第t次迭代次数时，沙丁鱼的新位置；η为随机数，η∈[0,1]；
Figure BDA0003505690390000109
表示在第t次迭代次数时，旗鱼的最优位置；
Figure BDA00035056903900001010
表示第t次迭代次数时，沙丁鱼的旧位置；AP代表旗鱼的攻击力度，计算方式如下：
AP＝A*(1-2*η*δ)；
其中，A，δ用于控制攻击力度的变换，使A线性变换到0，A＝5，δ＝0.002。需要说明的是，在本发明中，当AP>0.58时，更新沙丁鱼全部位置；AP<0.58时，则更新沙丁鱼种群的一部分位置。部分位置更新的范围被定义如下公式：
α＝MDF*AP；
β＝Dt*AP；
其中，β表示需要更新的人工鱼个体维度数量，α表示需要更新的沙丁鱼数量；Dt为固定值，即人工鱼个体维度。
步骤204，根据所述位置更新后的旗鱼种群和沙丁鱼种群中每个人工鱼的适应度值，在所述位置更新后的旗鱼种群和沙丁鱼种群之间进行位置替换，得到位置替换后的旗鱼种群和沙丁鱼种群。
在本发明中，将旗鱼和沙丁鱼之间的适应度值进行对比，使得旗鱼和沙丁鱼之间的位置替换更新。具体地，若沙丁鱼的位置优于旗鱼的位置(即沙丁鱼的适应度值高于旗鱼的适应度值)，则将沙丁鱼的位置替换给旗鱼，并且将该沙丁鱼被移除，公式表示如下：
Figure BDA0003505690390000111
步骤205，基于所述旗鱼优化算法，根据所述位置替换后的旗鱼种群和沙丁鱼种群中每个人工鱼的适应度值，对所述位置替换后的旗鱼种群和沙丁鱼种群进行位置迭代更新和位置迭代替换，直至满足预设迭代次数，得到最优人工鱼个体位置对应的能源分配比例最优组合策略。
在本发明中，通过上述步骤对人工鱼初始种群进行更新替换之后，得到下一轮迭代过程的人工鱼种群，即在上一轮迭代过程中，对上一轮迭代过程中的人工鱼种群进行位置更新和位置替换后，得到新的人工鱼种群，并根据适应度值，将这个新的人工鱼种群再次进行位置更新和位置更新，得到下一轮迭代过程的人工鱼种群；进一步地，判断混沌旗鱼优化算法是否达到最大迭代次数Tmax，若达到，则输出当前最优人工鱼位置
Figure BDA0003505690390000122
以及该位置对应的调度经济效益值EPbest，否则再次执行步骤202至步骤205，直至迭代次数满足最大迭代次数Tmax。
最后，将最优人工鱼位置
Figure BDA0003505690390000121
所对应的能源分配比例，用于对能源调度目标区域内的综合能源进行低碳调度决策，从而获得最优经济效益。
在一实施例中，通过软件仿真实验的参数设置与仿真结果，将本发明提供的方法与现有算法的性能进行对比。在本实施例中，共设有3种用于火力发电的能源种类，分别为天然气，煤炭和石油，10个消耗能源的多能组合发电站。其中，本发明提供的混沌旗鱼优化算法，沙丁鱼和旗鱼的数量均为25，设迭代次数上限Tmax＝80，每条人工鱼所表示的能源调度二维矩阵的元素，其值变化范围[0，1],且每一列中的3个元素的之和必须等于1。
作为对比算法的灰狼优化算法，种群大小为50，迭代次数上限G＝80。
作为对比算法的人工鱼群算法，人工鱼数量设为50，迭代次数上限G＝80。
作为对比算法的粒子群算法，粒子数量设为50，迭代次数上限G＝80，粒子的社会学习因子和个体学习因子均设为2。
图2为本发明提供的综合能源低碳调度方法与现有低碳调度方法的调度经济效益值对比示意图，可参考图2所示，在每个算法运行80次后，本实施例提供的方法得到的效益数值，相比现有的灰狼优化算法，人工鱼群算法和粒子群算法，分别高出0.228，0.274和0.350，相对于其他三种算法性能有很大的提升，证明了采用本发明提供的综合能源低碳调度方法得出的调度方案，可针对现有综合能源低碳调度算法存在的求解精度低，收敛速度慢和稳定性低的问题，能够明显提升综合能源低碳调度经济效益，具有结构简单、参数较少，寻优能力强，收敛快以及稳定性性好等优点，从而可以满足综合能源调度中心低碳调度各类别能源的高经济效益和实时性的要求。
下面对本发明提供的用于多能组合发电站的综合能源低碳调度系统进行描述，下文描述的用于多能组合发电站的综合能源低碳调度系统与上文描述的用于多能组合发电站的综合能源低碳调度方法可相互对应参照。
图3为本发明提供的用于多能组合发电站的综合能源低碳调度系统的结构示意图，如图3所示，本发明提供了一种用于多能组合发电站的综合能源低碳调度系统，包括能源调度目标区域信息获取模块301、综合能源低碳调度模型生成模块302和综合能源低碳调度模块303，其中，能源调度目标区域信息获取模块301用于获取能源调度目标区域内的多能组合发电站数量和每个多能组合发电站的能源种类；综合能源低碳调度模型生成模块302用于基于每种能源种类的能源转化效率和碳捕集率，根据所述能源调度目标区域内的多能组合发电站数量和能源种类，构建效益评价函数；综合能源低碳调度模块303用于通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合调度方案。
本发明提供的用于多能组合发电站的综合能源低碳调度系统，通过将旗鱼优化算法应用于综合能源低碳调度问题，从而为多能组合发电站的每种能源进行更为合理且准确的能源低碳分配调度，提高综合能源智能低碳调度的经济效益，降低多能组合发电站对环境造成的影响。
本发明提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
图4为本发明提供的电子设备的结构示意图，如图4所示，该电子设备可以包括：处理器(Processor)401、通信接口(Communications Interface)402、存储器(Memory)403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储器403中的逻辑指令，以执行用于多能组合发电站的综合能源低碳调度方法，该方法包括：获取能源调度目标区域内的多能组合发电站数量和每个多能组合发电站的能源种类；基于每种能源种类的能源转化效率和碳捕集率，根据所述能源调度目标区域内的多能组合发电站数量和能源种类，构建效益评价函数；通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合调度方案。
此外，上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的用于多能组合发电站的综合能源低碳调度方法，该方法包括：获取能源调度目标区域内的多能组合发电站数量和每个多能组合发电站的能源种类；基于每种能源种类的能源转化效率和碳捕集率，根据所述能源调度目标区域内的多能组合发电站数量和能源种类，构建效益评价函数；通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合调度方案。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的用于多能组合发电站的综合能源低碳调度方法，该方法包括：获取能源调度目标区域内的多能组合发电站数量和每个多能组合发电站的能源种类；基于每种能源种类的能源转化效率和碳捕集率，根据所述能源调度目标区域内的多能组合发电站数量和能源种类，构建效益评价函数；通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合调度方案。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上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)

1.一种用于多能组合发电站的综合能源低碳调度方法，其特征在于，包括：
获取能源调度目标区域内的多能组合发电站数量和每个多能组合发电站的能源种类；
基于每种能源种类的能源转化效率和碳捕集率，根据所述能源调度目标区域内的多能组合发电站数量和能源种类，构建效益评价函数；
通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合调度方案。
2.根据权利要求1所述的用于多能组合发电站的综合能源低碳调度方法，其特征在于，所述通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合策略，包括：
初始化旗鱼优化算法，生成人工鱼初始种群，所述人工鱼初始种群包括初始旗鱼种群和初始沙丁鱼种群，其中，每个人工鱼表示所述能源调度目标区域内所有多能组合发电站中每种能源种类对应的能源分配比例；
通过所述效益评价函数，获取所述人工鱼初始种群中每个人工鱼的适应度值，并根据所述适应度值，确定所述人工鱼初始种群中的最优人工鱼个体位置，所述最优人工鱼个体位置包括最优旗鱼个体位置和最优沙丁鱼个体位置；
根据所述最优旗鱼个体位置和所述最优沙丁鱼个体位置，分别对所述初始旗鱼种群和所述初始沙丁鱼种群进行位置更新，得到位置更新后的旗鱼种群和沙丁鱼种群；
根据所述位置更新后的旗鱼种群和沙丁鱼种群中每个人工鱼的适应度值，在所述位置更新后的旗鱼种群和沙丁鱼种群之间进行位置替换，得到位置替换后的旗鱼种群和沙丁鱼种群；
基于所述旗鱼优化算法，根据所述位置替换后的旗鱼种群和沙丁鱼种群中每个人工鱼的适应度值，对所述位置替换后的旗鱼种群和沙丁鱼种群进行位置迭代更新和位置迭代替换，直至满足预设迭代次数，得到最优人工鱼个体位置对应的能源分配比例最优组合策略。
3.根据权利要求2所述的用于多能组合发电站的综合能源低碳调度方法，其特征在于，所述初始化旗鱼优化算法，生成人工鱼初始种群，包括：
初始化旗鱼优化算法的控制参数，并通过混沌映射策略，生成初始旗鱼种群和初始沙丁鱼种群。
4.根据权利要求2所述的用于多能组合发电站的综合能源低碳调度方法，其特征在于，所述效益评价函数的公式为：
EPi＝sum(Xi*TR*CR)；
其中，EPi为适应度值，表示任意一个旗鱼i或者沙丁鱼i对应的调度方案经济效益值；Xi表示旗鱼i或者沙丁鱼i对应的能源分配比例编码，TR表示每种能源种类对应的能源转化率矩阵，CR表示每种能源种类对应的碳捕集率矩阵。
5.根据权利要求3所述的用于多能组合发电站的综合能源低碳调度方法，其特征在于，所述混沌映射策略为Logistic映射。
6.根据权利要求1至5任一项所述的用于多能组合发电站的综合能源低碳调度方法，其特征在于，所述多能组合发电站的能源种类至少包括天然气能源、煤炭能源和石油能源。
7.一种用于多能组合发电站的综合能源低碳调度系统，其特征在于，包括：
能源调度目标区域信息获取模块，用于获取能源调度目标区域内的多能组合发电站数量和每个多能组合发电站的能源种类；
综合能源低碳调度模型生成模块，用于基于每种能源种类的能源转化效率和碳捕集率，根据所述能源调度目标区域内的多能组合发电站数量和能源种类，构建效益评价函数；
综合能源低碳调度模块，用于通过旗鱼优化算法，对所述效益评价函数进行求解，得到所述能源调度目标区域的能源分配比例最优组合调度方案。
8.一种电子设备，包括存储器、处理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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述用于多能组合发电站的综合能源低碳调度方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述用于多能组合发电站的综合能源低碳调度方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述用于多能组合发电站的综合能源低碳调度方法的步骤。
CN202210137868.0A 2022-02-15 2022-02-15 用于多能组合发电站的综合能源低碳调度方法及系统 Active CN114565237B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210137868.0A CN114565237B (zh) 2022-02-15 2022-02-15 用于多能组合发电站的综合能源低碳调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210137868.0A CN114565237B (zh) 2022-02-15 2022-02-15 用于多能组合发电站的综合能源低碳调度方法及系统

Publications (2)

Publication Number Publication Date
CN114565237A true CN114565237A (zh) 2022-05-31
CN114565237B CN114565237B (zh) 2023-09-12

Family

ID=81714297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210137868.0A Active CN114565237B (zh) 2022-02-15 2022-02-15 用于多能组合发电站的综合能源低碳调度方法及系统

Country Status (1)

Country Link
CN (1) CN114565237B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115102238A (zh) * 2022-08-29 2022-09-23 北京邮电大学 电力供应方法、装置、电子设备及存储介质
CN115173490A (zh) * 2022-09-05 2022-10-11 北京邮电大学 综合能源站供能方法和装置、电子设备
CN115239213A (zh) * 2022-09-22 2022-10-25 北京邮电大学 综合能源分配方法、装置、设备及存储介质
WO2024031938A1 (zh) * 2022-08-11 2024-02-15 贵州电网有限责任公司 一种基于isfo-vmd-kelm的sf6分解组分co2浓度反演的方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136585A (zh) * 2013-02-06 2013-06-05 天津大学 基于混沌遗传策略的加权Voronoi图变电站规划方法
CN108256688A (zh) * 2018-02-05 2018-07-06 东北石油大学 改进萤火虫算法优化grnn的蒸汽驱开发效果预测方法
CN109165788A (zh) * 2018-09-04 2019-01-08 河北工业大学 一种冷热电联供系统的优化方法
CN109670636A (zh) * 2018-12-06 2019-04-23 新奥数能科技有限公司 一种用于泛能站的能源调度模型的优化方法及装置
CN109931903A (zh) * 2019-02-26 2019-06-25 上海大学 一种基于改进鲸鱼优化算法的圆柱度评定方法
CN111146820A (zh) * 2019-12-31 2020-05-12 国网浙江省电力有限公司嘉兴供电公司 一种计及风电不确定性的混合储能系统优化配置方法
CN111472918A (zh) * 2020-04-07 2020-07-31 李士明 多管多能组合发电站
CN113281620A (zh) * 2021-07-22 2021-08-20 广东电网有限责任公司惠州供电局 基于自适应鲸鱼算法的故障区段定位方法、系统及介质
CN113408778A (zh) * 2021-04-29 2021-09-17 上海电力大学 一种基于sfo-tsvr的短期电力负荷预测方法
CN113435625A (zh) * 2021-05-25 2021-09-24 国网河北省电力有限公司衡水供电分公司 电力系统动态经济调度优化方法及设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136585A (zh) * 2013-02-06 2013-06-05 天津大学 基于混沌遗传策略的加权Voronoi图变电站规划方法
CN108256688A (zh) * 2018-02-05 2018-07-06 东北石油大学 改进萤火虫算法优化grnn的蒸汽驱开发效果预测方法
CN109165788A (zh) * 2018-09-04 2019-01-08 河北工业大学 一种冷热电联供系统的优化方法
CN109670636A (zh) * 2018-12-06 2019-04-23 新奥数能科技有限公司 一种用于泛能站的能源调度模型的优化方法及装置
CN109931903A (zh) * 2019-02-26 2019-06-25 上海大学 一种基于改进鲸鱼优化算法的圆柱度评定方法
CN111146820A (zh) * 2019-12-31 2020-05-12 国网浙江省电力有限公司嘉兴供电公司 一种计及风电不确定性的混合储能系统优化配置方法
CN111472918A (zh) * 2020-04-07 2020-07-31 李士明 多管多能组合发电站
CN113408778A (zh) * 2021-04-29 2021-09-17 上海电力大学 一种基于sfo-tsvr的短期电力负荷预测方法
CN113435625A (zh) * 2021-05-25 2021-09-24 国网河北省电力有限公司衡水供电分公司 电力系统动态经济调度优化方法及设备
CN113281620A (zh) * 2021-07-22 2021-08-20 广东电网有限责任公司惠州供电局 基于自适应鲸鱼算法的故障区段定位方法、系统及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
奉中华 等: "混沌粒子群算法的关键链项目进度管理探究", 天工, no. 5, pages 18 *
涂永康 等: "一种混合算法的风电多目标优化调度策略", 自动化与仪器仪表, no. 6, pages 4 - 9 *
黄幸等: "含风电场的电力系统低碳调度模型及仿真研究", 《陕西电力》, no. 01, pages 25 - 29 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024031938A1 (zh) * 2022-08-11 2024-02-15 贵州电网有限责任公司 一种基于isfo-vmd-kelm的sf6分解组分co2浓度反演的方法
CN115102238A (zh) * 2022-08-29 2022-09-23 北京邮电大学 电力供应方法、装置、电子设备及存储介质
CN115102238B (zh) * 2022-08-29 2022-11-15 北京邮电大学 电力供应方法、装置、电子设备及存储介质
CN115173490A (zh) * 2022-09-05 2022-10-11 北京邮电大学 综合能源站供能方法和装置、电子设备
CN115173490B (zh) * 2022-09-05 2022-11-25 北京邮电大学 综合能源站供能方法和装置、电子设备
CN115239213A (zh) * 2022-09-22 2022-10-25 北京邮电大学 综合能源分配方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN114565237B (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
CN114565237A (zh) 用于多能组合发电站的综合能源低碳调度方法及系统
CN108053119B (zh) 一种求解零等待流水车间调度问题的改进粒子群优化方法
Zhu et al. An efficient evolutionary grey wolf optimizer for multi-objective flexible job shop scheduling problem with hierarchical job precedence constraints
CN111553063B (zh) 一种入侵杂草算法求解资源受限项目调度方法
CN110599068A (zh) 一种基于粒子群优化算法的云资源调度方法
CN114565239B (zh) 用于产业园区的综合低碳能源调度方法及系统
CN113435625B (zh) 电力系统动态经济调度优化方法及设备
CN110264012A (zh) 基于经验模态分解的可再生能源功率组合预测方法及系统
CN114970351A (zh) 基于注意力机制和深度强化学习的电网潮流调整方法
CN110766210B (zh) 一种梯级水库群短期优化调度方法与系统
CN111897240A (zh) 一种基于核动力系统运行的仿真方法及系统
CN113255138B (zh) 一种电力系统负荷分配优化方法
CN115755801A (zh) 基于sqp-cs的船舶建造车间工序优化方法及系统
CN111915160B (zh) 一种大规模水库群发电调度柔性优化方法与系统
CN114707795A (zh) 综合能源优化调度方法和系统、电子设备及存储介质
CN114565236B (zh) 一种双碳目标下的电力综合能源系统调度方法及装置
CN114565241B (zh) 一种计及碳成本的电-气综合能源系统调度方法及装置
CN109950933B (zh) 一种基于改进粒子群算法的风光储联合调峰优化方法
CN112183843A (zh) 一种基于混合智能算法的火电厂负荷优化分配方法
CN111932021A (zh) 一种再制造系统调度方法
CN115173490B (zh) 综合能源站供能方法和装置、电子设备
CN117057255B (zh) 一种用于数字孪生模型在线同步的预训练模型获取方法
CN115169754B (zh) 能源调度方法、装置、电子设备及存储介质
CN110112726A (zh) 基于差分-梯度进化的多能源短期经济调度方法和系统
CN111260500B (zh) 一种基于Hadoop的小水电分布式差分进化调度方法

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