CN114565239A - 用于产业园区的综合低碳能源调度方法及系统 - Google Patents
用于产业园区的综合低碳能源调度方法及系统 Download PDFInfo
- Publication number
- CN114565239A CN114565239A CN202210137886.9A CN202210137886A CN114565239A CN 114565239 A CN114565239 A CN 114565239A CN 202210137886 A CN202210137886 A CN 202210137886A CN 114565239 A CN114565239 A CN 114565239A
- Authority
- CN
- China
- Prior art keywords
- cockroach
- scheduling
- carbon
- carbon energy
- comprehensive low
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 60
- 241001674044 Blattodea Species 0.000 claims abstract description 178
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 46
- 238000009826 distribution Methods 0.000 claims abstract description 45
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 230000006870 function Effects 0.000 claims description 35
- 230000006399 behavior Effects 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 239000006185 dispersion Substances 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 10
- 230000002776 aggregation Effects 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 7
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 7
- 229910052739 hydrogen Inorganic materials 0.000 claims description 7
- 239000001257 hydrogen Substances 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 241000282693 Cercopithecidae Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000269350 Anura Species 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000013016 learning Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009326 social learning Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/0631—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
- 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
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种用于产业园区的综合低碳能源调度方法及系统，该方法包括：基于每种类别电力能源的输送成本和管控成本，构建综合低碳能源调度目标函数；通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案；根据所述电力能源最优分配比例方案，对所述综合低碳能源调度目标区域内电力能源的分配比例进行调度。本发明通过小生境蟑螂群优化算法，以及由每种类别电力能源的输送成本和管控成本构建的综合低碳能源调度目标函数，结合产业园区的实际规模和已选取的电力能源类型，为目标产业园区域提供更为精准的综合低碳能源调度决策。
Description
技术领域
本发明涉及综合能源技术领域，尤其涉及一种用于产业园区的综合低碳能源调度方法及系统。
背景技术
随着可再生能源的不断开发，将逐渐减少化石能源的使用，这对于能源短缺与环境污染等一系列问题的解决具有重要意义。在能源和环境问题日益凸显的今天，传统且能源形式单一的电力网络将难堪重负，而风电，光伏电，核电和氢能源电以其清洁高效的特点，综合能源系统将成为能源体系绿色转型、提高能源综合利用率的重要途径，在未来能源战略中将扮演重要角色。
目前，综合低碳能源系统在供给侧包含了多种多样的能源形式，其中，基本聚集了风电，光伏电，核电和氢能源电等不同特性的电力能源。在综合低碳能源系统的研究中，主要是研究多种能源的能源特性，利用各类能源特性优势进行多能优化协调调度，实现多种不同能量的梯级利用，尽量使能源的利用率达到最大化。
综合低碳能源系统的调度目标是通过多种低碳能源和调配设备进行协调配置，最大化降低综合低碳能源调度经济成本。随着综合低碳能源的快速发展，目前许多传统人工调度方案已经无法适用于现有庞大的综合低碳能源体系的精准调度。因此，现在亟需一种用于产业园区的综合低碳能源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产业园区的综合低碳能源调度方法及系统。
本发明提供一种用于产业园区的综合低碳能源调度方法，包括：
基于每种类别电力能源的输送成本和管控成本，构建综合低碳能源调度目标函数；
通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案；
根据所述电力能源最优分配比例方案，对所述综合低碳能源调度目标区域内电力能源的分配比例进行调度。
根据本发明提供的一种用于产业园区的综合低碳能源调度方法，所述通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案，包括：
步骤S1，初始化小生境蟑螂群优化算法的控制参数，并随机生成初始蟑螂种群，其中，所述初始蟑螂种群中每个蟑螂个体表示所述综合低碳能源调度目标区域内所有产业园区中每种电力能源的分配比例；
步骤S2，通过蟑螂聚集行为方式、蟑螂分散行为方式和蟑螂残忍行为方式，对所述初始蟑螂种群进行更新，得到更新后的蟑螂种群；
步骤S3，通过所述综合低碳能源调度目标函数，计算所述更新后的蟑螂种群中每个蟑螂个体的适应度值；
步骤S4，基于蟑螂群小生境优化机制，通过每个蟑螂个体的适应度值，对所述更新后的蟑螂种群进行变异，得到变异后的蟑螂种群；
步骤S5，通过蟑螂聚集行为方式、蟑螂分散行为方式和蟑螂残忍行为方式，对所述变异后的蟑螂种群进行更新，重复执行步骤S3至步骤S5，直至满足预设种群进化次数，得到最优蟑螂个体对应的电力能源最优分配比例方案。
根据本发明提供的一种用于产业园区的综合低碳能源调度方法，所述综合低碳能源调度目标函数的公式为：
fiti＝sum(Yi*SC*MC)；
其中，fiti为第i个蟑螂个体对应的低碳调度方案成本指数值；Yi为蟑螂个体的编码，表示第i个蟑螂对应的电力能源分配比例编码；SC表示各种类别电力能源的输送成本矩阵，MC表示每种电力能源管控成本矩阵。
根据本发明提供的一种用于产业园区的综合低碳能源调度方法，所述基于蟑螂群小生境优化机制，通过每个蟑螂个体的适应度值，对所述更新后的蟑螂种群进行变异，得到变异后的蟑螂种群，包括：
通过每个蟑螂个体的适应度值，对所述更新后的蟑螂种群中的蟑螂个体进行排序，并根据排序结果，将所述更新后的蟑螂种群拆分为三个子种群，且每个子种群设置有对应的变异率；
对三个子种群进行变异，并将变异后的子种群进行合并，得到变异后的蟑螂种群。
根据本发明提供的一种用于产业园区的综合低碳能源调度方法，按照排序结果，每个子种群对应的变异率分别为0.05、0.11和0.35。
根据本发明提供的一种用于产业园区的综合低碳能源调度方法，所述电力能源至少包括风电能源、光伏电能源、核电能源和氢能源。
本发明还提供一种用于产业园区的综合低碳能源调度系统，包括：
综合低碳能源调度模型构建模块，用于基于每种类别电力能源的输送成本和管控成本，构建综合低碳能源调度目标函数；
综合低碳能源调度方案生成模块，用于通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案；
综合低碳能源调度模块，用于根据所述电力能源最优分配比例方案，对所述综合低碳能源调度目标区域内电力能源的分配比例进行调度。
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产业园区的综合低碳能源调度方法的步骤。
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产业园区的综合低碳能源调度方法的步骤。
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产业园区的综合低碳能源调度方法的步骤。
本发明提供的用于产业园区的综合低碳能源调度方法及系统，通过小生境蟑螂群优化算法，以及由每种类别电力能源的输送成本和管控成本构建的综合低碳能源调度目标函数，结合产业园区的实际规模和已选取的电力能源类型，为目标产业园区域提供更为精准的综合低碳能源调度决策。
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产业园区的综合低碳能源调度方法的流程示意图；
图2为本发明提供的综合低碳能源调度方法与现有调度方法的调度值对比示意图；
图3为本发明提供的用于产业园区的综合低碳能源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。
在综合低碳能源系统优化调度过程中，需要考虑不同能源的运输成本(电力能源输送成本)以及管控成本(能源调度所需的管理成本与设备维护成本等)等因素，以实现最低经济成本为目标的综合求解。因此，合理的调度方案可以使得整个综合低碳能源系统具有灵活的调配特性和精准度，能够在产业园区需求侧充分消费综合低碳能源的同时，保证综合低碳能源系统的稳健运转，使得能源调度成本降到最低。
现有综合低碳能源系统的调度方式，主要是通过人工制定调度方案，目标是通过多种低碳能源和调配设备进行协调配置，最大化降低综合低碳能源调度经济成本。由于能源调度优化是一个非常复杂的组合优化问题，目前传统人工调度方案已经无法适用于现有庞大的综合低碳能源体系的精准调度。
为了最大化的降低综合低碳能源调度所产生的经济成本，应对复杂能源调度环境和调度方式不断变化的情况，本发明提供了一种用于产业园区的综合低碳能源调度方法，主要应用于综合低碳能源调度中心的各类别低碳能源调度过程，其目标是降低综合低碳能源管控部门的能源调度经济成本，为综合低碳能源管控部门提供最优化的高效精准调度策略，其方法流程明晰，具有结构简单、参数较少，优化能力强，收敛速度快和鲁棒性强等优点，从而可以满足综合低碳能源管控部门调度各类别能源的低成本和实时性的要求，有效解决现有综合低碳能源调度算法存在的算法复杂度高，求解精度低，稳定性差的问题，提升了综合低碳能源的管控调度精准度。
图1为本发明提供的用于产业园区的综合低碳能源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产业园区的综合低碳能源调度方法，包括：
步骤101，基于每种类别电力能源的输送成本和管控成本，构建综合低碳能源调度目标函数；
在本发明中，在能源管控部门所管辖的综合低碳能源调度目标区域内分析电力能源的调度态势，其中，综合低碳能源调度目标区域内包含有多个产业园区，每个产业园区根据自身需求，选取至少一种类别的电力能源用于提供电力服务。在本发明中，所述电力能源至少包括风电能源、光伏电能源、核电能源和氢能源。
进一步地，通过能源管控部门，分析各产业园区的综合低碳能源的调度态势，评估量化产业园区的各种类别电力能源的输送成本(Shipping Cost，简称SC)和每种类别电力能源的管控成本(Management Cost，简称MC)，构建用于实现电力能源精准管控调度的综合低碳能源调度目标函数。
步骤102，通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案；
步骤103，根据所述电力能源最优分配比例方案，对所述综合低碳能源调度目标区域内电力能源的分配比例进行调度。
小生境蟑螂群优化算法是一种启发式群智能算法，可以被应用于处理综合低碳能源精准调度问题。具体地，小生境蟑螂群优化算法包括控制参数初始化以及种群初始化，蟑螂聚集行为，蟑螂分散行为，蟑螂残忍行为以及小生境优化机制等步骤，可以对本发明中的电力能源调度问题的搜索空间进行较好的全局搜索。
在本发明中，根据综合低碳能源的管控部门所管辖的电力能源种类和所服务的产业园区数量，即综合低碳能源调度目标区域内的电力能源类别和产业园区数量，结合小生境蟑螂群优化算法，构建一种综合低碳能源调度模型，在完成初始化小生境蟑螂群优化算法的控制参数和蟑螂种群后，通过综合低碳能源调度目标函数计算每个蟑螂个体的适应度值。通过小生境蟑螂群优化算法不断迭代运行，当优化算法满足预设条件时，选择调度成本指数(即适应度值)最低的调度方案，作为电力能源最优分配比例方案，对综合低碳能源调度目标区域内电力能源的分配比例进行调度。
本发明提供的用于产业园区的综合低碳能源调度方法，通过小生境蟑螂群优化算法，以及由每种类别电力能源的输送成本和管控成本构建的综合低碳能源调度目标函数，结合产业园区的实际规模和已选取的电力能源类型，为目标产业园区域提供更为精准的综合低碳能源调度决策。
在上述实施例的基础上，所述通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案，包括：
步骤S1，初始化小生境蟑螂群优化算法的控制参数，并随机生成初始蟑螂种群，其中，所述初始蟑螂种群中每个蟑螂个体表示所述综合低碳能源调度目标区域内所有产业园区中每种电力能源的分配比例。
在本发明中，首先对小生境蟑螂群优化算法进行初始化，得到初始化控制参数和初始化蟑螂种群(随机生成)。其中，蟑螂种群个体数量N，每个蟑螂个体的位置向量维度，即产业园区的数量V，位置向量的每个分量变化上下限为[Lmin,Lmax]，最大种群进化次数T。在小生境优化机制中，小生境子种群的个体数量为N/3，电力能源类别数量为E，蟑螂种群为三维矩阵N×E×V，随机生成种群，公式如下:
其中，z为[0,1]之间的随机数，
为下取整。具体地，在本发明中，蟑螂种群个体数量N＝30，位置向量的每个分量变化上下限为[1，4]，即电力能源类别数量为E＝4，产业园区的数量V＝11，小生境蟑螂群优化算法的最大种群进化次数T＝90，小生境子种群的个体数量为N/3＝10，蟑螂种群为三维矩阵N×E×V＝30×4×11。需要说明的是，在本发明中，蟑螂种群的三维矩阵编码方式为正整数编码，且矩阵中的每个元素的变化上下限为[1，4]。
步骤S2，通过蟑螂聚集行为方式、蟑螂分散行为方式和蟑螂残忍行为方式，对所述初始蟑螂种群进行更新，得到更新后的蟑螂种群。
在本发明中，小生境蟑螂群优化算法的控制参数设置和种群初始化完成之后，对蟑螂种群执行蟑螂聚集行为方式，用于对初始蟑螂种群中的个体位置进行更新，位置更新方式如下：
其中，y为蟑螂的位置；ζ表示固定步长，在本发明中，ζ＝1.2；μ为控制随机系数，表示在[0，1]之间的随机任意值；pr和pg分别是个体最优蟑螂的位置点和全局最优蟑螂的位置点。
进一步地，个体最优蟑螂的位置点pr和全局最优蟑螂的位置点pg，可以通过下公式进行计算得到：
pr＝optk{yk,|yr-yk|≤view}；
pg＝optr{yr}；
其中，view表示蟑螂的视野范围大小，为常数；r,k＝1,2,…,N。
进一步地，对蟑螂种群执行蟑螂分散行为方式。在本发明中，在预设时间间隔内，部分个体蟑螂被随机分散，以保持当前个体的多样性，蟑螂分散行为方式所对应的模型公式如下：
yr＝yr+rand(1,V),r＝1,2,3,…,N/θ；
其中，rand(1,V)表示可以在一定预设范围内设置的V维(问题空间维度)随机向量，θ为常数，用于控制种群更新的范围。在本发明中，蟑螂群分散行为中，控制种群更新的范围常数θ＝3。
进一步地，对蟑螂种群执行蟑螂残忍行为方式，在一定的时间间隔内，当前的最佳个体(即全局最优蟑螂)，取代数量为ω的一小部分随机选择的蟑螂个体，即蟑螂进化弱肉强食操作，位置更新表示的公式具体如下：
yi＝pg；
其中，i为[1，N]之间的任意整数。在本发明中，蟑螂残忍行为中，最佳个体取代随机选择取代的蟑螂个体数量ω＝2。
步骤S3，通过所述综合低碳能源调度目标函数，计算所述更新后的蟑螂种群中每个蟑螂个体的适应度值；
步骤S4，基于蟑螂群小生境优化机制，通过每个蟑螂个体的适应度值，对所述更新后的蟑螂种群进行变异，得到变异后的蟑螂种群；
步骤S5，通过蟑螂聚集行为方式、蟑螂分散行为方式和蟑螂残忍行为方式，对所述变异后的蟑螂种群进行更新，重复执行步骤S3至步骤S5，直至满足预设种群进化次数，得到最优蟑螂个体对应的电力能源最优分配比例方案。
在本发明中，所述综合低碳能源调度目标函数的公式为：
fiti＝sum(Yi*SC*MC)；
其中，fiti为第i个蟑螂个体对应的低碳调度方案成本指数值；Yi为蟑螂个体的编码，表示第i个蟑螂对应的电力能源分配比例编码；SC表示各种类别电力能源的输送成本矩阵，MC表示每种电力能源管控成本矩阵。
在每一轮种群进化中得到蟑螂种群，通过综合低碳能源调度目标函数，计算该轮次蟑螂种群中每个蟑螂个体的适应度值，例如，蟑螂个体i的编码为Yi，即在第i个蟑螂对应的电力能源分配比例编码中，每一列的数值分别表示了一个产业园区的4种电力能源的分配比例，在一实施例中，可表示为：
假设通过评估每个产业园区的各种类别电力能源的输送成本和每种电力能源的管控成本，可以得到输送成本矩阵SC(包括4种电力能源类别，11个产业园区)和能源管控成本矩阵MC(4行11列)。为了便于计算，本实施例将两个矩阵规范化映射到0-1之间的实数，即输送成本矩阵SC：
能源管控成本矩阵MC：
因此，蟑螂个体i所代表的电力能源分配比例调度方案产生的经济效益值，通过综合低碳能源调度目标函数，经过矩阵运算得出能源配置成本指数值，即蟑螂个体的适应度值fiti＝2.278。需要说明的是，在本发明中，各种类别电力能源的输送成本矩阵SC和每种电力能源的管控成本矩阵MC的编码为正小数编码。
进一步地，所述基于蟑螂群小生境优化机制，通过每个蟑螂个体的适应度值，对所述更新后的蟑螂种群进行变异，得到变异后的蟑螂种群，包括：
通过每个蟑螂个体的适应度值，对所述更新后的蟑螂种群中的蟑螂个体进行排序，并根据排序结果，将所述更新后的蟑螂种群拆分为三个子种群，且每个子种群设置有对应的变异率；
对三个子种群进行变异，并将变异后的子种群进行合并，得到变异后的蟑螂种群。
在本发明中，将当前更新轮次得到的蟑螂种群中的蟑螂个体，按照适应度值从好到差排序(即按照适应度值的大小，按照从小到大进行排序)；然后，按照顺序将蟑螂种群三等分，分别为优子种群，中子种群以及差子种群。在本发明中，三个子种群分别设置不同变异率α,β,γ；在完成变异后，合并三个子种群成为新的蟑螂种群，其中，变异率关系满足如下：
0＜α＜β＜γ＜1；
优选地，在本发明中，按照排序结果，每个子种群对应的变异率分别为0.05、0.11和0.35，即在小生境机制中，将蟑螂种群划分为3个子种群，优子种群，中子种群以及差子种群各自对应的变异率分别为α＝0.05，β＝0.11，γ＝0.35。
进一步地，判断小生境蟑螂群优化算法是否达到最大种群进化次数T，若是，则输出当前最优蟑螂个体位置Yglobal_best，以及对应的低碳调度成本指数值fitbest；否则，通过蟑螂聚集行为方式、蟑螂分散行为方式和蟑螂残忍行为方式，对变异后的蟑螂种群进行更新，并对得到的新的蟑螂种群再次执行步骤S3至步骤S5，直至满足预设种群进化次数，得到最优蟑螂个体对应的电力能源最优分配比例方案。
最后，将得到电力能源最优分配比例方案，用于综合低碳能源的精准配置决策。通过本发明提供的方法进行综合低碳能源调度，可获得最低的成本指数以及最高的经济效益。
在一实施例中，将本发明提供的用于产业园区的综合低碳能源调度方法，与现有的几种算法进行比较。具体地，在该实施例中，共设有4种低碳能源类别，分别为风电，光伏电，核电和氢能源电，11个待配置的消耗电力能源的目标产业园区。在小生境蟑螂群优化算法中，蟑螂个体的数量为N＝30，每个子种群中蟑螂数量为10；每个子种群的变异率分别为α＝0.05，β＝0.11，γ＝0.35(按照适应度值的排序结果，为子种群设置对应的变异率)；设最大迭代次数上限T＝90，蟑螂个体的位置矩阵的元素变化范围[0，1]。
作为对比算法的混洗蛙跳算法，将混洗蛙跳算法中的种群大小设置为N＝30，青蛙的子群数量设为6，迭代次数上限T＝90。
作为对比算法的猴群算法，将猴群算法中的种群大小设置为N＝30，迭代次数上限T＝90。
作为对比的粒子群算法，将粒子数量设为N＝30，社会学习因子和个体学习因子均设为2，迭代次数上限T＝90。
作为对比的遗传算法，将染色体数量设为30，交叉概率设为0.73，变异概率设为0.06，迭代次数上限T＝90。
图2为本发明提供的综合低碳能源调度方法与现有调度方法的调度值对比示意图，可参考图2所示，本发明提供的算法，可以提前收敛到较低的能源调度成本指数，在算法运行90次后，本发明得到的能源调度成本指数值，相比其他四种算法都要低出不少，性能较好，具有很大的提升。这些对比结果证明了采用本发明提供的综合低碳能源调度方法，得到的调度方案能够明显降低综合低碳能源的能源调度成本。
在风电，光伏电，核电和氢能源电等综合低碳能源调度方面，小生境蟑螂群优化算法有着简单的算法结构，较低的计算复杂度，特别是该算法中的小生境优化机制可以在种群进化时，根据不同的子种群进行各自的变异，使得整体种群的全局搜索能力增大。并且，基于本发明算法对电力能源调度问题进行求解，使得求解过程更为简洁，由于算法结构简单，参数较少以及收敛速度较快，有效降低了综合低碳能源的调度成本指数。与现有的混洗蛙跳算法，猴群算法，粒子群算法和遗传算法相比，本发明提供的综合低碳能源调度方法，可以获得更好的低碳综合能源调度方案。
综上所述，本发明提供的用于产业园区的综合低碳能源调度方法，可以提高综合低碳能源智能调度的经济效益，通过运行在综合低碳能源智能调度系统上，从而降低综合低碳能源智能调度的成本指数，为综合低碳能源管控部门提供最佳的能源调度方案，该方法具有结构简单、步骤明晰、算法复杂度低以及稳健性较强等优点。
下面对本发明提供的用于产业园区的综合低碳能源调度系统进行描述，下文描述的用于产业园区的综合低碳能源调度系统与上文描述的用于产业园区的综合低碳能源调度方法可相互对应参照。
图3为本发明提供的用于产业园区的综合低碳能源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产业园区的综合低碳能源调度系统，包括综合低碳能源调度模型构建模块301、综合低碳能源调度方案生成模块302和综合低碳能源调度模块303，其中，综合低碳能源调度模型构建模块301用于基于每种类别电力能源的输送成本和管控成本，构建综合低碳能源调度目标函数；综合低碳能源调度方案生成模块302用于通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案；综合低碳能源调度模块303用于根据所述电力能源最优分配比例方案，对所述综合低碳能源调度目标区域内电力能源的分配比例进行调度。
本发明提供的用于产业园区的综合低碳能源调度系统，通过小生境蟑螂群优化算法，以及由每种类别电力能源的输送成本和管控成本构建的综合低碳能源调度目标函数，结合产业园区的实际规模和已选取的电力能源类型，为目标产业园区域提供更为精准的综合低碳能源调度决策。
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，以执行用于产业园区的综合低碳能源调度方法，该方法包括：基于每种类别电力能源的输送成本和管控成本，构建综合低碳能源调度目标函数；通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案；根据所述电力能源最优分配比例方案，对所述综合低碳能源调度目标区域内电力能源的分配比例进行调度。
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产业园区的综合低碳能源调度方法，该方法包括：基于每种类别电力能源的输送成本和管控成本，构建综合低碳能源调度目标函数；通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案；根据所述电力能源最优分配比例方案，对所述综合低碳能源调度目标区域内电力能源的分配比例进行调度。
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产业园区的综合低碳能源调度方法，该方法包括：基于每种类别电力能源的输送成本和管控成本，构建综合低碳能源调度目标函数；通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案；根据所述电力能源最优分配比例方案，对所述综合低碳能源调度目标区域内电力能源的分配比例进行调度。
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)
1.一种用于产业园区的综合低碳能源调度方法，其特征在于，包括：
基于每种类别电力能源的输送成本和管控成本，构建综合低碳能源调度目标函数；
通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案；
根据所述电力能源最优分配比例方案，对所述综合低碳能源调度目标区域内电力能源的分配比例进行调度。
2.根据权利要求1所述的用于产业园区的综合低碳能源调度方法，其特征在于，所述通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案，包括：
步骤S1，初始化小生境蟑螂群优化算法的控制参数，并随机生成初始蟑螂种群，其中，所述初始蟑螂种群中每个蟑螂个体表示所述综合低碳能源调度目标区域内所有产业园区中每种电力能源的分配比例；
步骤S2，通过蟑螂聚集行为方式、蟑螂分散行为方式和蟑螂残忍行为方式，对所述初始蟑螂种群进行更新，得到更新后的蟑螂种群；
步骤S3，通过所述综合低碳能源调度目标函数，计算所述更新后的蟑螂种群中每个蟑螂个体的适应度值；
步骤S4，基于蟑螂群小生境优化机制，通过每个蟑螂个体的适应度值，对所述更新后的蟑螂种群进行变异，得到变异后的蟑螂种群；
步骤S5，通过蟑螂聚集行为方式、蟑螂分散行为方式和蟑螂残忍行为方式，对所述变异后的蟑螂种群进行更新，重复执行步骤S3至步骤S5，直至满足预设种群进化次数，得到最优蟑螂个体对应的电力能源最优分配比例方案。
3.根据权利要求2所述的用于产业园区的综合低碳能源调度方法，其特征在于，所述综合低碳能源调度目标函数的公式为：
fiti＝sum(Yi*SC*MC)；
其中，fiti为第i个蟑螂个体对应的低碳调度方案成本指数值；Yi为蟑螂个体的编码，表示第i个蟑螂对应的电力能源分配比例编码；SC表示各种类别电力能源的输送成本矩阵，MC表示每种电力能源管控成本矩阵。
4.根据权利要求2所述的用于产业园区的综合低碳能源调度方法，其特征在于，所述基于蟑螂群小生境优化机制，通过每个蟑螂个体的适应度值，对所述更新后的蟑螂种群进行变异，得到变异后的蟑螂种群，包括：
通过每个蟑螂个体的适应度值，对所述更新后的蟑螂种群中的蟑螂个体进行排序，并根据排序结果，将所述更新后的蟑螂种群拆分为三个子种群，且每个子种群设置有对应的变异率；
对三个子种群进行变异，并将变异后的子种群进行合并，得到变异后的蟑螂种群。
5.根据权利要求4所述的用于产业园区的综合低碳能源调度方法，其特征在于，按照排序结果，每个子种群对应的变异率分别为0.05、0.11和0.35。
6.根据权利要求1所述的用于产业园区的综合低碳能源调度方法，其特征在于，所述电力能源至少包括风电能源、光伏电能源、核电能源和氢能源。
7.一种用于产业园区的综合低碳能源调度系统，其特征在于，包括：
综合低碳能源调度模型构建模块，用于基于每种类别电力能源的输送成本和管控成本，构建综合低碳能源调度目标函数；
综合低碳能源调度方案生成模块，用于通过小生境蟑螂群优化算法，根据综合低碳能源调度目标区域内的电力能源类别和产业园区数量，对所述综合低碳能源调度目标函数进行求解，得到电力能源最优分配比例方案；
综合低碳能源调度模块，用于根据所述电力能源最优分配比例方案，对所述综合低碳能源调度目标区域内电力能源的分配比例进行调度。
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任一项所述用于产业园区的综合低碳能源调度方法的步骤。
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任一项所述用于产业园区的综合低碳能源调度方法的步骤。
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任一项所述用于产业园区的综合低碳能源调度方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210137886.9A CN114565239B (zh) | 2022-02-15 | 2022-02-15 | 用于产业园区的综合低碳能源调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210137886.9A CN114565239B (zh) | 2022-02-15 | 2022-02-15 | 用于产业园区的综合低碳能源调度方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114565239A true CN114565239A (zh) | 2022-05-31 |
| CN114565239B CN114565239B (zh) | 2023-06-09 |
Family
ID=81714711
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210137886.9A Active CN114565239B (zh) | 2022-02-15 | 2022-02-15 | 用于产业园区的综合低碳能源调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114565239B (zh) |
Cited By (4)
| 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 |
| CN115169754A (zh) * | 2022-09-07 | 2022-10-11 | 北京邮电大学 | 能源调度方法、装置、电子设备及存储介质 |
| CN115186940A (zh) * | 2022-09-13 | 2022-10-14 | 北京邮电大学 | 综合能源调度方法、装置及设备 |
| 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 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194459A (zh) * | 2017-05-18 | 2017-09-22 | 淮安信息职业技术学院 | 基于二元群结构蟑螂仿生算法的实值优化方法 |
| CN110598913A (zh) * | 2019-08-21 | 2019-12-20 | 全球能源互联网研究院有限公司 | 一种园区综合能源系统设备容量配置的优化方法及系统 |
| CN110705863A (zh) * | 2019-09-27 | 2020-01-17 | 中冶赛迪电气技术有限公司 | 能源优化调度装置、设备及介质 |
| WO2020063690A1 (zh) * | 2018-09-25 | 2020-04-02 | 新智数字科技有限公司 | 一种电力系统预测的方法和装置 |
| US20200161867A1 (en) * | 2018-11-15 | 2020-05-21 | Hefei University Of Technology | Method, system and storage medium for load dispatch optimization for residential microgrid |
| CN112001526A (zh) * | 2020-07-23 | 2020-11-27 | 河北工业大学 | 一种基于优化小生境遗传算法的资源调度优化方法 |
| CN113239607A (zh) * | 2021-06-16 | 2021-08-10 | 国网浙江省电力有限公司杭州供电公司 | 综合能源系统经济调度优化方法、系统、设备及存储介质 |
| 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 |
| CN113947291A (zh) * | 2021-09-28 | 2022-01-18 | 广西大学 | 一种多模态分布式多目标分层智能综合能源系统调度方法 |
-
2022
- 2022-02-15 CN CN202210137886.9A patent/CN114565239B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194459A (zh) * | 2017-05-18 | 2017-09-22 | 淮安信息职业技术学院 | 基于二元群结构蟑螂仿生算法的实值优化方法 |
| WO2020063690A1 (zh) * | 2018-09-25 | 2020-04-02 | 新智数字科技有限公司 | 一种电力系统预测的方法和装置 |
| US20200161867A1 (en) * | 2018-11-15 | 2020-05-21 | Hefei University Of Technology | Method, system and storage medium for load dispatch optimization for residential microgrid |
| CN110598913A (zh) * | 2019-08-21 | 2019-12-20 | 全球能源互联网研究院有限公司 | 一种园区综合能源系统设备容量配置的优化方法及系统 |
| CN110705863A (zh) * | 2019-09-27 | 2020-01-17 | 中冶赛迪电气技术有限公司 | 能源优化调度装置、设备及介质 |
| CN112001526A (zh) * | 2020-07-23 | 2020-11-27 | 河北工业大学 | 一种基于优化小生境遗传算法的资源调度优化方法 |
| 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 |
| CN113239607A (zh) * | 2021-06-16 | 2021-08-10 | 国网浙江省电力有限公司杭州供电公司 | 综合能源系统经济调度优化方法、系统、设备及存储介质 |
| CN113947291A (zh) * | 2021-09-28 | 2022-01-18 | 广西大学 | 一种多模态分布式多目标分层智能综合能源系统调度方法 |
Non-Patent Citations (4)
| Title |
|---|
| JIN SHAOZHEN 等: "An improved decomposition based multi-objective evolutionary algorithm for the operation management of a renewable micro-grid", JOURNAL OF RENEWABLE AND SUSTAINABLE ENERGY, vol. 11, no. 1, pages 1 - 13 * |
| 周杰等: "基本遗传算法与电网智能调度", 《科技与创新》, no. 07, pages 24 - 25 * |
| 袁卿等: "人工鱼群算法与差分进化变异及其在网格任务调度中的应用", 《计算机应用与软件》, vol. 29, no. 5, pages 175 - 177 * |
| 邹玙琦 等: "基于改进小生境PSO算法的综合能源系统调度", 电力系统及其自动化学报, vol. 32, no. 07, pages 47 - 52 * |
Cited By (6)
| 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 |
| 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 |
| CN115169754A (zh) * | 2022-09-07 | 2022-10-11 | 北京邮电大学 | 能源调度方法、装置、电子设备及存储介质 |
| CN115186940A (zh) * | 2022-09-13 | 2022-10-14 | 北京邮电大学 | 综合能源调度方法、装置及设备 |
| CN115186940B (zh) * | 2022-09-13 | 2022-12-09 | 北京邮电大学 | 综合能源调度方法、装置及设备 |
| 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 |
|---|---|
| CN114565239B (zh) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114565239A (zh) | 用于产业园区的综合低碳能源调度方法及系统 | |
| Niknam et al. | $\theta $-multiobjective teaching–learning-based optimization for dynamic economic emission dispatch | |
| CN107579518B (zh) | 基于mhba的电力系统环境经济调度方法和装置 | |
| Noman et al. | Differential evolution for economic load dispatch problems | |
| CN111325356A (zh) | 一种基于演化计算的神经网络搜索分布式训练系统及训练方法 | |
| CN101118611A (zh) | 基于遗传算法的业务过程模型资源配置优化方法 | |
| Hardiansyah et al. | Solving economic load dispatch problem using particle swarm optimization technique | |
| CN109165808A (zh) | 一种电力通信网现场运维工单派发方法 | |
| Song et al. | Advanced engineered-conditioning genetic approach to power economic dispatch | |
| CN109255513A (zh) | 一种电力通信网现场运维工单调度方法 | |
| CN108596438B (zh) | 一种多目标野花算法的动态环境经济调度方法 | |
| CN113885555A (zh) | 面向输电线路密集通道巡检的多机任务分配方法和系统 | |
| CN106991442A (zh) | 混合蛙跳算法的自适应核k‑means方法与系统 | |
| CN109670655B (zh) | 一种电力系统多目标粒子群优化调度方法 | |
| CN110033076A (zh) | 混合云环境下面向代价优化的工作流数据布局方法 | |
| Shang et al. | Production scheduling optimization method based on hybrid particle swarm optimization algorithm | |
| CN110766210B (zh) | 一种梯级水库群短期优化调度方法与系统 | |
| Abedinia et al. | A new stochastic search algorithm bundled honeybee mating for solving optimization problems | |
| CN108734349A (zh) | 基于改进遗传算法的分布式电源选址定容优化方法及系统 | |
| CN111260252A (zh) | 一种电力通信网现场运维作业工单调度方法 | |
| Sooktip et al. | System reliability optimization with k-out-of-n subsystems and changing k | |
| CN114493090A (zh) | 工业园区综合能源智能管控方法及装置 | |
| Mansour et al. | Dynamic economic load dispatch of thermal power system using genetic algorithm | |
| CN114723217A (zh) | 碳中和目标下的综合能源供给侧配置方法和系统 | |
| 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 |
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 |