CN114677022B - 一种多元融合能源分布式管理的方法及系统 - Google Patents

一种多元融合能源分布式管理的方法及系统 Download PDF

Info

Publication number
CN114677022B
CN114677022B CN202210328652.2A CN202210328652A CN114677022B CN 114677022 B CN114677022 B CN 114677022B CN 202210328652 A CN202210328652 A CN 202210328652A CN 114677022 B CN114677022 B CN 114677022B
Authority
CN
China
Prior art keywords
conveying
partition
result
time
energy
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
CN202210328652.2A
Other languages
English (en)
Other versions
CN114677022A (zh
Inventor
贲树俊
张颖
张可嘉
杨阳
沈岳峰
于雅薇
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.)
Nantong Power Supply Co Of State Grid Jiangsu Electric Power Co
Nantong Electric Power Design Institute Co ltd
Original Assignee
Nantong Power Supply Co Of State Grid Jiangsu Electric Power Co
Nantong Electric Power Design Institute 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 Nantong Power Supply Co Of State Grid Jiangsu Electric Power Co, Nantong Electric Power Design Institute Co ltd filed Critical Nantong Power Supply Co Of State Grid Jiangsu Electric Power Co
Priority to CN202210328652.2A priority Critical patent/CN114677022B/zh
Publication of CN114677022A publication Critical patent/CN114677022A/zh
Application granted granted Critical
Publication of CN114677022B publication Critical patent/CN114677022B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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

Landscapes

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

Abstract

本发明提供了一种多元融合能源分布式管理的方法及系统，包括：根据第一用户需求信息，获得第一输送时区和第一输送需量；根据第一输送时区对第一输送来源进行环境因子提取，获得第一环境因子列表对第一输送时区进行分区，获得第一分区结果；提取第一输送来源和第一环境因子列表进行能源产出量预测，获得第一产量预测结果；获得第一预设输送成本，对所述第一输送来源进行权重分配，获得第一权重分配结果；根据第一产量预测结果和第一权重分配结果进行输送参数优化，获得第一输送量时序变化数据；根据第一输送量时序变化数据对第一用户进行能源输送，解决了现有技术由于固定的能源输送配比难以适应输送环境，存在调度方案适用性较差的技术问题。

Description

一种多元融合能源分布式管理的方法及系统
技术领域
本发明涉及人工智能相关技术领域，具体涉及一种多元融合能源分布式管理的方法及系统。
背景技术
随着化石能源等不可再生资源的逐渐枯竭，而随着经济科技的不断发展，能源的供应需求却在不断上升，因此提出可再生能源和不可再生能源组合供能的方式，传统的供能方法是通过构建大型能源供给点进行能源输送，而在增加了能源供应维度的基础上，传统的功能方式效率较低，且协调性较差，进而提出了分布式能源系统的概念。
分布式能源系统指的是靠近用户端的供能方式，目前的分布式供能方式主要是根据用户的能源需求，对多维度的能源供给进行调度。
但现有技术中由于固定的能源输送配比难以适应复杂的输送环境，导致存在调度方案适用性较差的技术问题。
发明内容
本申请实施例通过提供了一种多元融合能源分布式管理的方法及系统，解决了现有技术中由于固定的能源输送配比难以适应复杂的输送环境，导致存在调度方案适用性较差的技术问题。
鉴于上述问题，本申请实施例提供了一种多元融合能源分布式管理的方法及系统。
第一方面，本申请实施例提供了一种多元融合能源分布式管理的方法，其中，所述方法包括：根据第一用户需求信息，获得第一输送时区和第一输送需量；根据所述第一输送时区对第一输送来源进行环境因子提取，获得第一环境因子列表，其中，所述第一环境因子列表纵向表征时序，横向表征输送来源；遍历所述第一环境因子列表对所述第一输送时区进行分区，获得第一分区结果；遍历所述第一分区结果，提取所述第一输送来源和所述第一环境因子列表进行能源产出量预测，获得第一产量预测结果；获得第一预设输送成本，对所述第一输送来源进行权重分配，获得第一权重分配结果；根据所述第一产量预测结果和所述第一权重分配结果进行输送参数优化，获得第一输送量时序变化数据，其中，所述第一输送量时序变化数据和所述第一输送来源一一对应；根据所述第一输送量时序变化数据对第一用户进行能源输送。
另一方面，本申请实施例提供了一种多元融合能源分布式管理的系统，其中，所述系统包括：第一获得单元，用于根据第一用户需求信息，获得第一输送时区和第一输送需量；第二获得单元，用于根据所述第一输送时区对第一输送来源进行环境因子提取，获得第一环境因子列表，其中，所述第一环境因子列表纵向表征时序，横向表征输送来源；第三获得单元，用于遍历所述第一环境因子列表对所述第一输送时区进行分区，获得第一分区结果；第四获得单元，用于遍历所述第一分区结果，提取所述第一输送来源和所述第一环境因子列表进行能源产出量预测，获得第一产量预测结果；第五获得单元，用于获得第一预设输送成本，对所述第一输送来源进行权重分配，获得第一权重分配结果；第六获得单元，用于根据所述第一产量预测结果和所述第一权重分配结果进行输送参数优化，获得第一输送量时序变化数据，其中，所述第一输送量时序变化数据和所述第一输送来源一一对应；第一执行单元，用于根据所述第一输送量时序变化数据对第一用户进行能源输送。
第三方面，本申请实施例提供了一种电子设备，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，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项所述的方法。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了通过用户需求确定能源输送时区和输送量，再针对输送时区对环境因子的时序变化信息进行采集构建环境因子列表；针对环境因子的不同时间差异性对输送时区进行分区，得到表征多个时区的分区结果，基于分区结果预测多维度输送来源的能源产量；再依据预设输送成本确定不同维度能源来源的输送比例权重，依据产量和权重对输送量时序变化参数进行优化，得到多维度输送来源的输送量时序变化数据进行能源输送的技术方案，通过基于不同环境因子对时区分区，进而预测产量，再结合产量和权重对输送参数优化，得到适应于环境变化的动态能源输送调度方案，提高了分布式能源输送对输送环境变化的适应性的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种多元融合能源分布式管理的方法流程示意图；
图2为本申请实施例提供了一种多元融合能源分布式管理的方法中第一预测模型的构建流程示意图；
图3为本申请实施例提供了一种多元融合能源分布式管理的系统结构示意图；
图4为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第六获得单元16，第一执行单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请实施例通过提供了一种多元融合能源分布式管理的方法及系统，解决了现有技术中由于固定的能源输送配比难以适应复杂的输送环境，导致存在调度方案适用性较差的技术问题。通过基于不同环境因子对时区分区，进而预测产量，再结合产量和权重对输送参数优化，得到适应于环境变化的动态能源输送调度方案，达到了提高分布式能源输送对输送环境变化的适应性的技术效果。
申请概述
分布式能源系统指的是靠近用户端的供能方式，当下应用的较为广泛，诸如微电网技术，分布式能源输送管道等，现有技术中的分布式供能方式主要是根据用户的能源需求，对多维度的能源供给进行调度，但是不同的输送来源，诸如太阳能、风能、潮汐能受环境要素影响较大，进而使得能源产出量会动态变化，导致固定的能源输送配比难以适应复杂的输送环境，使得调度方案存在适用性较差的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种多元融合能源分布式管理的方法及系统。通过用户需求确定能源输送时区和输送量，再针对输送时区对环境因子的时序变化信息进行采集构建环境因子列表；针对环境因子的不同时间差异性对输送时区进行分区，得到表征多个时区的分区结果，基于分区结果预测多维度输送来源的能源产量；再依据预设输送成本确定不同维度能源来源的输送比例权重，依据产量和权重对输送量时序变化参数进行优化，得到多维度输送来源的输送量时序变化数据进行能源输送的技术方案，达到了提高分布式能源输送对输送环境变化的适应性的技术效果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种多元融合能源分布式管理的方法，其中，所述方法包括：
S100：根据第一用户需求信息，获得第一输送时区和第一输送需量；
具体而言，本申请实施例阐述的能源应用形式优选为电能，而输送的能源包括但不限于：石油、天然气等不可再生资源，太阳能、潮汐能、风能等可再生资源，转为待供应的能源类型，优选的为电能，再输送至分布式部署的用户端能源供给位置，示例性地如：微电网；第一用户指的是需要输送能源的用户，包括但不限于：个人、企业、单位、团队等输送对象。
第一用户需求信息指的是表征用户需求输送能源的基本信息，包括但不限于：需求能源量、需求输送期限、输送成本等信息；进一步的，提取需求输送期限数据，记为第一输送时区；提取需求能源量，记为第一输送需量。通过第一用户需求信息明确输送期限及输送需求量，进而为能源调度提供了参考基准。
S200：根据所述第一输送时区对第一输送来源进行环境因子提取，获得第一环境因子列表，其中，所述第一环境因子列表纵向表征时序，横向表征输送来源；
具体而言，第一输送来源指的是表征多维度能源来源的信息，包括但不限于：石油、天然气等不可再生资源对应的来源，太阳能、潮汐能、风能等可再生资源对应的来源；环境因子指的是能源输送环境的要素信息，示例性地如：酸碱性pH、温度、湿度、磁场、高度等环境信息；第一环境因子列表指的是在确定第一输送时区后，遍历第一输送来源中的每个来源得到的多组随时间变化的输送环境的预测信息，横向表征多个输送来源，纵向数据表征每个输送来源随时序变化的输送环境预测信息。
进一步的，输送环境的预测信息优选的确定方式如下：确定环境要素采集指标，包括但不限于：酸碱性pH、温度、湿度、磁场等信息；确定数据采集周期，优选的采集过去24个月的输送环境要素历史数据，确定各个环境要素指标周期性变化波动范围；进一步的，将第一输送时区和指标波动周期匹配，进而确定第一输送时区内的环境要素变化序列数据，依据时序和输送来源一一对应进行存储，记为第一环境因子列表。
通过对环境要素在定第一输送时区内的变化序列进行采集，进而可预测能源输送调度是的环境动态变化信息，为进一步基于环境的动态调整调度比例提供了数据反馈基础。
S300：遍历所述第一环境因子列表对所述第一输送时区进行分区，获得第一分区结果；
具体而言，第一分区结果指的是根据环境因子的变化信息，遍历第一环境因子列表对第一输送时区进行分区，进而得到的表征不同全部输送来源环境因子都相对稳定的多个分区结果，由于多个输送来源进行能源输送时是同步执行，而不同的输送来源的环境因子变化趋势不同，因此通过第一分区结果统一全部的输送来源，进而保证得到的每个分区内，多个输送来源的环境因子都相对稳定，进而为确定准确的能源产出量及输送调度提供了数据反馈基础。
分区过程在后步会详细阐述，此处仅阐述分区原理：先通过多组环境因子变化时序数据对一一对应的输送来源进行时区分割，再进一步的对多组时区分割结果进行拟合，拟合原理示例性的如：任意两个不同组的相同顺序时区比较，以较短时区对较长时区进行再切割，进保证在每个相同时刻分割时区内，多组输送来源的环境因子都相对稳定，便于后步进行准确的产出量预测。
S400：遍历所述第一分区结果，提取所述第一输送来源和所述第一环境因子列表进行能源产出量预测，获得第一产量预测结果；
进一步的，如图2所示，基于所述遍历所述第一分区结果，提取所述第一输送来源和所述第一环境因子列表进行能源产出量预测，获得第一产量预测结果，步骤S400包括：
S410：基于大数据采集第一数据集，其中，所述第一数据集包括多组：能源来源、环境因子和产出量标识信息；
S420：将所述第一数据集划分为10等份，将8等份数据集设为第一训练数据集，将2等份设为第一验证数据集；
S430：根据所述第一训练数据集和所述第一验证数据集，基于循环神经网络构建第一预测模型；
S440：将所述第一输送来源和所述第一环境因子列表输入所述第一预测模型，获得所述第一产量预测结果。
具体而言，第一产量预测结果指的是遍历第一分区结果中的每个分区，提取每个分区对应的第一输送来源和第一环境因子列表中的环境要素，进行能源产出量预测，确定的能源产出量预测结果，优选的预测方式通过基于循环神经网络训练的智能化模型进行处理。
循环神经网络是人工神经网络的一种，对于具有时序的序列数据具有较强的敏感性，即在循环神经网络的神经元节点中，不仅会拟合当前的输入数据进行评估，还会拟合序列中上一个节点的数据，进而可以做出较准确的决策结果，在进行产出量预测的过程中，每一个输入来源的环境因子时序数据是呈现序列特征的，上一个时序节点的环境因子可能会对下一个时序节点的产出量造成影响，因此基于循环神经网络构建对能源产出量可以做出较准确的预测。
进一步的，模型构建过程举不设限制的一例：第一数据集指的是基于大数据采集的不同输送来源在不同输送环境下的能源产出量历史数据，分为一一对应的多组：能源来源、环境因子和产出量标识信息，当采集数据量满足预设数据量时停止，预设数据量为预设的用于训练模型的最少数据量；更进一步的，将第一数据集划分为10等份，筛选其中8等份用于训练模型，记为第一训练数据集，筛选其中2等份用于验证模型的泛化能力，记为第一验证数据集。
将第一训练数据集中的每组能源来源、环境因子作为输入训练数据，将每组产出量标识信息设为输出标识信息，基于循环神经网络结构，进行有监督学习，构建第一预测模型；当第一预测模型达到收敛后，调取第一验证数据集的能源来源、环境因子作为输入数据，得到输出，通过第一验证数据集的产出量标识信息对输出进行准确性验证，进而评估模型的泛化能力，准确性满足预设准确度(自定义的准确度)，则生成第一预测模型，即可对第一输送来源和第一环境因子列表，做出较准确的第一产量预测结果，提高动态调度的准确性。
S500：获得第一预设输送成本，对所述第一输送来源进行权重分配，获得第一权重分配结果；
具体而言，第一预设输送成本指的是预设的输送至第一用户端的最高成本，包括但不限于：加工成本、运输成本、环保要求等信息，通过整体的能源输送量和单个能源输送来源成本的协调计算，在保证整体成本低于第一预设输送成本的前提下，进而可确定每个能源输送来源的整体输送比例数据；第一权重分配结果指的是根据每个能源输送来源的整体输送比例数据确定的每个能源输送来源输送的能源比重数据。通过第一权重分配结果可实现对能源的差异化调度，进而保证符合预设输送成本，进而保证可再生能源和不可再生能源之间的协调调度。
S600：根据所述第一产量预测结果和所述第一权重分配结果进行输送参数优化，获得第一输送量时序变化数据，其中，所述第一输送量时序变化数据和所述第一输送来源一一对应；
S700：根据所述第一输送量时序变化数据对第一用户进行能源输送。
具体而言，第一输送量时序变化数据指的是根据每个时区内的每个输送来源的产出量预测数据，遍历第一分区结果依次进行输送量配比，得到输送量总值满足第一权重分配结果的输送量变化时序数据。
在本申请实施例中，第一分区结果中具有多个时区，每个时区又对应于多个输送来源，遍历多个时区，分别分配每个时区的多个输送来源的输送量比例，由于第一分区结果是基于时序变化的分区，而下一个分区确定输送量配比的前提是上一个分区输送量确定，整体的输送量配比可以抽象为路径选取问题，因此采用基于蚁群优化算法进行改进，根据第一产量预测结果和第一权重分配结果对输送量时序变化数据进行逐步优化，得到第一输送量时序变化数据，为后步动态能源输送调度管理提供了数据基础。通过第一输送量时序变化数据对第一用户进行能源输送，可适应于动态变化的环境要素，进而保证分布式能源的合理性调度。
进一步的，基于所述遍历所述第一环境因子列表对所述第一输送时区进行分区，获得第一分区结果，步骤S300包括：
S310：横向遍历所述第一环境因子列表，获得多组环境因子变化时序信息，其中，所述多组环境因子变化时序信息和所述第一输送来源一一对应；
S320：对所述多组环境因子变化时序信息分别进行时区聚类分析，获得第一聚类结果，其中，所述第一聚类结果包括第一时间分区、第二时间分区直到第N时间分区；
S330：对所述第一时间分区、所述第二时间分区直到所述第N时间分区进行拟合，获得所述第一分区结果。
具体而言，第一分区结果的确定方式详细如下：
多组环境因子变化时序信息指的是横向一列列提取第一环境因子列表中的数据，得到的和第一输送来源一一对应的环境因子变化时序数据；第一聚类结果指的是遍历环境因子变化时序信息，根据环境因子的波动差值，基于时序，进行聚类得到具有时序的多个聚类时区，其中，每个时区内的环境因子波动差值都在预设区间内，不同时区间的环境因子波动范围差值在预设区间外，预设区间为预设进行分区的环境因子波动范围差值区间。一一遍历多组环境因子变化时序信息，得到多组具有时序的多个聚类时区，优选的和第一输送来源一一对应进行存储。
第一时间分区、第二时间分区直到第N时间分区指的是N个输送来源一一对应的具有时序的多组时间分区，每组具有时序的多个聚类时区的时间分区数量可能不同，时间总值相同。对第一时间分区、第二时间分区直到第N时间分区进行分区拟合，即可确定第一分区结果，进而得到每个分区内全部输送来源的环境因子都较稳定的分区结果。
更进一步的，基于所述对所述第一时间分区、所述第二时间分区直到所述第N时间分区进行拟合，获得所述第一分区结果，步骤S330包括：
S331：根据所述第一时间分区、所述第二时间分区直到所述第N时间分区，获得第一拟合列表：
其中，xnm表征第N时间分区的第m时区；
S332：根据第一遍历指令，获得第一纵向遍历规则和第一横向遍历规则；
S333：根据所述第一纵向遍历规则和所述第一横向遍历规则，对所述第一拟合列表进行遍历，获得所述第一分区结果。
进一步的，基于所述根据所述第一纵向遍历规则和所述第一横向遍历规则，对所述第一拟合列表进行遍历，获得所述第一分区结果，步骤S333包括：
S3331：所述第一纵向遍历规则为：
从所述第一拟合列表中提取x(k-1)j、xkj进行时序比较，当x(k-1)j＝xkj，则删除x(k-1)j或xkj；当x(k-1)j≠xkj，则根据时序先后进行排序，获得第一排序结果，其中，k∈n，j∈m；
S3332：所述第一横向遍历规则为：
提取所述第一排序结果中的第一末序信息添加进第二排序结果，获得第三排序结果，其中，所述第二排序结果为第j+1时区纵向遍历排序结果；
S3333：根据第一分区规则，对所述第一排序结果和所述第三排序结果进行分区；
其中，所述第一分区规则为：当x(k-1)j<xkj时，对第k时间分区的第j时区进行分区，其中，分区节点时序和x(k-1)j节点相同；当x(k-1)j>xkj时，对第k-1时间分区的第j时区进行分区，其中，分区节点时序和xkj节点相同。
具体而言，第一拟合列表指的是将第一时间分区、第二时间分区直到第N时间分区进行整理得到的拟合列表，优选拟合方式为：以N个输送来源作为列表的行数量，以输送来源中分区最多的聚类分区数量，作为列表的列数量。其它输送来源的分区在填充时，和分区最多的聚类在列表中对应的空的位置补零，但是补零的位置不具有时序信息，即不具有时间节点，只是为了保证拟合列表的完整性，便于运算，运算时遇零跳过。第一拟合列表横向每行标识一个输送来源的具有时序信息的多个分区结果，每列标识同一分区顺序多个和N个输送来源一一对应的分区，即每列表征同一分区顺序，而不表征时间长度。
第一遍历指令指的是当第一拟合列表构建完成后发出的进行分区拟合的控制信号；第一纵向遍历规则指的是遍历列表中列数据的预设遍历规则：优选为：从第一拟合列表中提取x(k-1)j、xkj进行时序比较，即比较时间节点，当x(k-1)j＝xkj，则删除x(k-1)j或xkj；当x(k-1)j≠xkj，则根据时序先后进行排序，获得第一排序结果，其中，k∈n，j∈m；
第一横向遍历规则指的是遍历列表中行数据的预设遍历规则：优选为：提取第一排序结果中的第一末序信息添加进第二排序结果，获得第三排序结果，其中，第二排序结果为第j+1时区纵向遍历排序结果；
第一分区规则指的是遍历过程中进行分区的预设规则：优选为：其中，第一分区规则为：当x(k-1)j<xkj时，对第k时间分区的第j时区进行分区，其中，分区节点时序和x(k-1)j节点相同；当x(k-1)j>xkj时，对第k-1时间分区的第j时区进行分区，其中，分区节点时序和xkj节点相同，第三排序结果分区规则同理，替换比较元素即可。
当遍历完一列后，生成第一排序结果，再遍历完下一列，生成第二排序结果，再横向遍历得到第三排序结果，最后根据第一分区规则进行分区，重复上述步骤，遍历完全部第一拟合列表时停止，即生成第一分区结果。
通过上述方式，将多组输送来源的分区结果以较短稳定时区为准进行逐步拟合，进而得到的分区结果每个分区内的多组输送来源的环境因子都趋于稳定，进而保证产出量稳定，为后步进行输送量分配提供基准数据。
进一步的，基于所述根据所述第一产量预测结果和所述第一权重分配结果进行输送参数优化，获得第一输送量时序变化数据，步骤S600包括：
S610：根据所述第一产量预测结果，获得第一产量区间，其中，所述第一产量区间和所述第一分区结果一一对应；
S620：获得第一优化函数和第一约束条件；
更进一步的，基于所述获得第一优化函数和第一约束条件，步骤S620包括：
S621：设定所述第一优化函数：
A＝(a1,a2,…aL)
B＝(b1,b2,…bL)
其中，GK为第K个分区的L个输送来源的产量区间，A为L个输送来源在第K-1个分区内的一组能源输送量配比，B为L个输送来源在第K个分区内的还未被遍历的一组能源输送量配比，为L个输送来源在第K个分区内已被遍历的一组能源输送量配比，τ(A,B)为孤岛选用频率，η(A,B)为多元融合选用频率，α和β为预设的表征所述孤岛选用频率和所述多元融合选用频率不同比重的参数；
S622：根据所述第一权重分配结果，获得所述第一约束条件：
其中，al+bl+…+fl为第l输送来源的能源输送量，Wl为第l输送来源的能源输送量的权重分配结果，A+B+…+F为L个输送来源的能源输送量总值，l∈L。
S630：根据所述第一优化函数和所述第一约束条件，基于所述第一产量区间进行输送参数优化，获得所述第一输送量时序变化数据。
具体而言，输送参数优化的详细过程如下：
第一产量区间指的是根据第一分区结果每个分区内多个输送来源的第一产量预测结果确定的能源预测产量区间，每个分区对应多个输送来源对应的产量区间，即为优化时，输送量配比的选取区间；第一优化函数指的是根据第一产量区间遍历第一分区结果的选取函数；第一约束条件指的是预设的约束优化结果的条件公式：
其中，第一优化函数为基于蚁群优化算法优化公式改进而得，
A＝(a1,a2,…aL)
B＝(b1,b2,…bL)
其中，GK为第K个分区的L个输送来源的产量区间，A为L个输送来源在第K-1个分区内的一组能源输送量配比，B为L个输送来源在第K个分区内的还未被遍历的一组能源输送量配比，为L个输送来源在第K个分区内已被遍历的一组能源输送量配比，τ(A,B)为孤岛选用频率，η(A,B)为多元融合选用频率，α和β为预设的表征所述孤岛选用频率和所述多元融合选用频率不同比重的参数；p(A,B)表示当B组输送量配比选用概率，选取遍历预设次数的概率最大值对应的输送量配比作为选择结果，预设次数为工作人员自定义的遍历次数，当后续不满足约束条件则需要返回重新选取，此处的L和上述的N数量相同，仅仅为区分二者的不同的处理过程而书写不同。
其中，构建一个存储空间，存储已经遍历过的输送量；孤岛选用频率指的是当前分布式能源输送系统，输送过程的历史数据中同种输送环境下的输送配比选择频率，多元融合选用频率指的是基于大数据确定的多个分布式能源输送系统统计的同种输送环境下的输送配比选择频率。
第一约束条件指的是根据第一权重分配结果构建的约束条件：
其中，al+bl+…+fl为第l输送来源的能源输送量，Wl为第l输送来源的能源输送量的权重分配结果，A+B+…+F为L个输送来源的能源输送量总值，l∈L。
通过第一优化函数和第一约束条件基于蚁群优化算法对输送量配比进行动态优化，进而保障了分布式能源输送过程的稳定性和适用性。
综上所述，本申请实施例所提供的一种多元融合能源分布式管理的方法及系统具有如下技术效果：
1.通过用户需求确定能源输送时区和输送量，再针对输送时区对环境因子的时序变化信息进行采集构建环境因子列表；针对环境因子的不同时间差异性对输送时区进行分区，得到表征多个时区的分区结果，基于分区结果预测多维度输送来源的能源产量；再依据预设输送成本确定不同维度能源来源的输送比例权重，依据产量和权重对输送量时序变化参数进行优化，得到多维度输送来源的输送量时序变化数据进行能源输送的技术方案，达到了提高分布式能源输送对输送环境变化的适应性的技术效果。
实施例二
基于与前述实施例中一种多元融合能源分布式管理的方法相同的发明构思，如图3所示，本申请实施例提供了一种多元融合能源分布式管理的系统，其中，所述系统包括：
第一获得单元11，用于根据第一用户需求信息，获得第一输送时区和第一输送需量；
第二获得单元12，用于根据所述第一输送时区对第一输送来源进行环境因子提取，获得第一环境因子列表，其中，所述第一环境因子列表纵向表征时序，横向表征输送来源；
第三获得单元13，用于遍历所述第一环境因子列表对所述第一输送时区进行分区，获得第一分区结果；
第四获得单元14，用于遍历所述第一分区结果，提取所述第一输送来源和所述第一环境因子列表进行能源产出量预测，获得第一产量预测结果；
第五获得单元15，用于获得第一预设输送成本，对所述第一输送来源进行权重分配，获得第一权重分配结果；
第六获得单元16，用于根据所述第一产量预测结果和所述第一权重分配结果进行输送参数优化，获得第一输送量时序变化数据，其中，所述第一输送量时序变化数据和所述第一输送来源一一对应；
第一执行单元17，用于根据所述第一输送量时序变化数据对第一用户进行能源输送。
进一步的，所述系统还包括：
第七获得单元，用于横向遍历所述第一环境因子列表，获得多组环境因子变化时序信息，其中，所述多组环境因子变化时序信息和所述第一输送来源一一对应；
第八获得单元，用于对所述多组环境因子变化时序信息分别进行时区聚类分析，获得第一聚类结果，其中，所述第一聚类结果包括第一时间分区、第二时间分区直到第N时间分区；
第九获得单元，用于对所述第一时间分区、所述第二时间分区直到所述第N时间分区进行拟合，获得所述第一分区结果。
进一步的，所述系统还包括：
第十获得单元，用于根据所述第一时间分区、所述第二时间分区直到所述第N时间分区，获得第一拟合列表：
其中，xnm表征第N时间分区的第m时区；
第十一获得单元，用于根据第一遍历指令，获得第一纵向遍历规则和第一横向遍历规则；
第十二获得单元，用于根据所述第一纵向遍历规则和所述第一横向遍历规则，对所述第一拟合列表进行遍历，获得所述第一分区结果。
进一步的，所述系统还包括：
第一设定单元，用于设定所述第一纵向遍历规则为：
从所述第一拟合列表中提取x(k-1)j、xkj进行时序比较，当x(k-1)j＝xkj，则删除x(k-1)j或xkj；当x(k-1)j≠xkj，则根据时序先后进行排序，获得第一排序结果，其中，k∈n，j∈m；
第二设定单元，用于设定所述第一横向遍历规则为：
提取所述第一排序结果中的第一末序信息添加进第二排序结果，获得第三排序结果，其中，所述第二排序结果为第j+1时区纵向遍历排序结果；
第二执行单元，用于根据第一分区规则，对所述第一排序结果和所述第三排序结果进行分区；
其中，所述第一分区规则为：当x(k-1)j<xkj时，对第k时间分区的第j时区进行分区，其中，分区节点时序和x(k-1)j节点相同；当x(k-1)j>xkj时，对第k-1时间分区的第j时区进行分区，其中，分区节点时序和xkj节点相同。
进一步的，所述系统还包括：
第一采集单元，用于基于大数据采集第一数据集，其中，所述第一数据集包括多组：能源来源、环境因子和产出量标识信息；
第三设定单元，用于将所述第一数据集划分为10等份，将8等份数据集设为第一训练数据集，将2等份设为第一验证数据集；
第一构建单元，用于根据所述第一训练数据集和所述第一验证数据集，基于循环神经网络构建第一预测模型；
第十三获得单元，用于将所述第一输送来源和所述第一环境因子列表输入所述第一预测模型，获得所述第一产量预测结果。
进一步的，所述系统还包括：
第十四获得单元，用于根据所述第一产量预测结果，获得第一产量区间，其中，所述第一产量区间和所述第一分区结果一一对应；
第十五获得单元，用于获得第一优化函数和第一约束条件；
第十六获得单元，用于根据所述第一优化函数和所述第一约束条件，基于所述第一产量区间进行输送参数优化，获得所述第一输送量时序变化数据。
进一步的，所述系统还包括：
第四设定单元，用于设定所述第一优化函数：
A＝(a1,a2,…aL)
B＝(b1,b2,…bL)
其中，GK为第K个分区的L个输送来源的产量区间，A为L个输送来源在第K-1个分区内的一组能源输送量配比，B为L个输送来源在第K个分区内的还未被遍历的一组能源输送量配比，为L个输送来源在第K个分区内已被遍历的一组能源输送量配比，τ(A,B)为孤岛选用频率，η(A,B)为多元融合选用频率，α和β为预设的表征所述孤岛选用频率和所述多元融合选用频率不同比重的参数，p(A,B)表示当B组输送量配比选用概率；
第十七获得单元，用于根据所述第一权重分配结果，获得所述第一约束条件：
其中，al+bl+…+fl为第l输送来源的能源输送量，Wl为第l输送来源的能源输送量的权重分配结果，A+B+…+F为L个输送来源的能源输送量总值，l∈L。
实施例三
基于与前述实施例中一种多元融合能源分布式管理的方法相同的发明构思，本申请实施例提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现实施例一任一项所述的方法。
示例性电子设备
下面参考图4来描述本申请实施例的电子设备。
基于与前述实施例中一种多元融合能源分布式管理的方法相同的发明构思，本申请实施例还提供了一种电子设备，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一任一项所述的方法。
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303，使用任何收发器一类的系统，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless localareanetworks，WLAN)，有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种多元融合能源分布式管理的方法。
可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。
本申请实施例提供了一种多元融合能源分布式管理的方法及系统。通过用户需求确定能源输送时区和输送量，再针对输送时区对环境因子的时序变化信息进行采集构建环境因子列表；针对环境因子的不同时间差异性对输送时区进行分区，得到表征多个时区的分区结果，基于分区结果预测多维度输送来源的能源产量；再依据预设输送成本确定不同维度能源来源的输送比例权重，依据产量和权重对输送量时序变化参数进行优化，得到多维度输送来源的输送量时序变化数据进行能源输送的技术方案，达到了提高分布式能源输送对输送环境变化的适应性的技术效果。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指
令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种多元融合能源分布式管理的方法，其特征在于，所述方法包括：
根据第一用户需求信息，获得第一输送时区和第一输送需量，其中，所述第一输送时区为提取需求输送期限数据；
根据所述第一输送时区对第一输送来源进行环境因子提取，获得第一环境因子列表，其中，所述第一输送来源为表征多维度能源来源的信息，所述第一环境因子列表纵向表征时序，横向表征输送来源；
遍历所述第一环境因子列表对所述第一输送时区进行分区，获得第一分区结果；
遍历所述第一分区结果，提取所述第一输送来源和所述第一环境因子列表进行能源产出量预测，获得第一产量预测结果；
获得第一预设输送成本，对所述第一输送来源进行权重分配，获得第一权重分配结果；
根据所述第一产量预测结果和所述第一权重分配结果进行输送参数优化，获得第一输送量时序变化数据，其中，所述第一输送量时序变化数据和所述第一输送来源一一对应；
根据所述第一输送量时序变化数据对第一用户进行能源输送；
其中，所述遍历所述第一环境因子列表对所述第一输送时区进行分区，获得第一分区结果，包括：
横向遍历所述第一环境因子列表，获得多组环境因子变化时序信息，其中，所述多组环境因子变化时序信息和所述第一输送来源一一对应；
对所述多组环境因子变化时序信息分别进行时区聚类分析，获得第一聚类结果，其中，所述第一聚类结果包括第一时间分区、第二时间分区直到第N时间分区；
对所述第一时间分区、所述第二时间分区直到所述第N时间分区进行拟合，获得所述第一分区结果；
其中，所述遍历所述第一分区结果，提取所述第一输送来源和所述第一环境因子列表进行能源产出量预测，获得第一产量预测结果，包括：
基于大数据采集第一数据集，其中，所述第一数据集包括多组：能源来源、环境因子和产出量标识信息；
将所述第一数据集划分为10等份，将8等份数据集设为第一训练数据集，将2等份设为第一验证数据集；
根据所述第一训练数据集和所述第一验证数据集，基于循环神经网络构建第一预测模型；
将所述第一输送来源和所述第一环境因子列表输入所述第一预测模型，获得所述第一产量预测结果。
2.如权利要求1所述的方法，其特征在于，所述对所述第一时间分区、所述第二时间分区直到所述第N时间分区进行拟合，获得所述第一分区结果，包括：
根据所述第一时间分区、所述第二时间分区直到所述第N时间分区，获得第一拟合列表：
其中，xnm表征第N时间分区的第m时区；
根据第一遍历指令，获得第一纵向遍历规则和第一横向遍历规则；
根据所述第一纵向遍历规则和所述第一横向遍历规则，对所述第一拟合列表进行遍历，获得所述第一分区结果。
3.如权利要求2所述的方法，其特征在于，所述根据所述第一纵向遍历规则和所述第一横向遍历规则，对所述第一拟合列表进行遍历，获得所述第一分区结果，包括：
所述第一纵向遍历规则为：
从所述第一拟合列表中提取x(k-1)j、xkj进行时序比较，当x(k-1)j＝xkj，则删除x(k-1)j或xkj；当x(k-1)j≠xkj，则根据时序先后进行排序，获得第一排序结果，其中，k∈n，j∈m；
所述第一横向遍历规则为：
提取所述第一排序结果中的第一末序信息添加进第二排序结果，获得第三排序结果，其中，所述第二排序结果为第j+1时区纵向遍历排序结果；
根据第一分区规则，对所述第一排序结果和所述第三排序结果进行分区；
其中，所述第一分区规则为：当x(k-1)j＜xkj时，对第k时间分区的第j时区进行分区，其中，分区节点时序和x(k-1)j节点相同；当x(k-1)j>xkj时，对第k-1时间分区的第j时区进行分区，其中，分区节点时序和xkj节点相同。
4.如权利要求1所述的方法，其特征在于，所述根据所述第一产量预测结果和所述第一权重分配结果进行输送参数优化，获得第一输送量时序变化数据，包括：
根据所述第一产量预测结果，获得第一产量区间，其中，所述第一产量区间和所述第一分区结果一一对应；
获得第一优化函数和第一约束条件；
根据所述第一优化函数和所述第一约束条件，基于所述第一产量区间进行输送参数优化，获得所述第一输送量时序变化数据。
5.如权利要求4所述的方法，其特征在于，所述获得第一优化函数和第一约束条件，包括：
设定所述第一优化函数：
A＝(a1,a2,…aL)
B＝(b1,b2,…bL)
其中，GK为第K个分区的L个输送来源的产量区间，A为L个输送来源在第K-1个分区内的一组能源输送量配比，B为L个输送来源在第K个分区内的还未被遍历的一组能源输送量配比，为L个输送来源在第K个分区内已被遍历的一组能源输送量配比，τ(A,B)为孤岛选用频率，η(A,B)为多元融合选用频率，α和β为预设的表征所述孤岛选用频率和所述多元融合选用频率不同比重的参数，p(A,B)表征B组输送量配比的选用概率；
根据所述第一权重分配结果，获得所述第一约束条件：
其中，al+bl+…+fl为第l输送来源的能源输送量，Wl为第l输送来源的能源输送量的权重分配结果，A+B+…+F为L个输送来源的能源输送量总值，l∈L。
6.一种多元融合能源分布式管理的系统，其特征在于，所述系统包括：
第一获得单元，用于根据第一用户需求信息，获得第一输送时区和第一输送需量，其中，所述第一输送时区为提取需求输送期限数据；
第二获得单元，用于根据所述第一输送时区对第一输送来源进行环境因子提取，获得第一环境因子列表，其中，所述第一输送来源为表征多维度能源来源的信息，所述第一环境因子列表纵向表征时序，横向表征输送来源；
第三获得单元，用于遍历所述第一环境因子列表对所述第一输送时区进行分区，获得第一分区结果；
第四获得单元，用于遍历所述第一分区结果，提取所述第一输送来源和所述第一环境因子列表进行能源产出量预测，获得第一产量预测结果；
第五获得单元，用于获得第一预设输送成本，对所述第一输送来源进行权重分配，获得第一权重分配结果；
第六获得单元，用于根据所述第一产量预测结果和所述第一权重分配结果进行输送参数优化，获得第一输送量时序变化数据，其中，所述第一输送量时序变化数据和所述第一输送来源一一对应；
第一执行单元，用于根据所述第一输送量时序变化数据对第一用户进行能源输送；
第七获得单元，用于横向遍历所述第一环境因子列表，获得多组环境因子变化时序信息，其中，所述多组环境因子变化时序信息和所述第一输送来源一一对应；
第八获得单元，用于对所述多组环境因子变化时序信息分别进行时区聚类分析，获得第一聚类结果，其中，所述第一聚类结果包括第一时间分区、第二时间分区直到第N时间分区；
第九获得单元，用于对所述第一时间分区、所述第二时间分区直到所述第N时间分区进行拟合，获得所述第一分区结果；
第一采集单元，用于基于大数据采集第一数据集，其中，所述第一数据集包括多组：能源来源、环境因子和产出量标识信息；
第三设定单元，用于将所述第一数据集划分为10等份，将8等份数据集设为第一训练数据集，将2等份设为第一验证数据集；
第一构建单元，用于根据所述第一训练数据集和所述第一验证数据集，基于循环神经网络构建第一预测模型；
第十三获得单元，用于将所述第一输送来源和所述第一环境因子列表输入所述第一预测模型，获得所述第一产量预测结果。
7.一种电子设备，其特征在于，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如权利要求1～5任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1～5中任一项所述的方法。
CN202210328652.2A 2022-03-31 2022-03-31 一种多元融合能源分布式管理的方法及系统 Active CN114677022B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210328652.2A CN114677022B (zh) 2022-03-31 2022-03-31 一种多元融合能源分布式管理的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210328652.2A CN114677022B (zh) 2022-03-31 2022-03-31 一种多元融合能源分布式管理的方法及系统

Publications (2)

Publication Number Publication Date
CN114677022A CN114677022A (zh) 2022-06-28
CN114677022B true CN114677022B (zh) 2023-09-15

Family

ID=82076096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210328652.2A Active CN114677022B (zh) 2022-03-31 2022-03-31 一种多元融合能源分布式管理的方法及系统

Country Status (1)

Country Link
CN (1) CN114677022B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018075995A1 (en) * 2016-10-21 2018-04-26 DataRobot, Inc. Systems for predictive data analytics, and related methods and apparatus
KR20180063436A (ko) * 2016-12-02 2018-06-12 한국건설기술연구원 신재생에너지 하이브리드 발전시스템의 설계 방법
CN113537063A (zh) * 2021-07-16 2021-10-22 海南省林业科学研究院(海南省红树林研究院) 一种基于综合遥感技术的森林环境遥感监测方法及终端
CN113822482A (zh) * 2021-09-24 2021-12-21 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 综合能源系统负荷预测模型建立方法及装置
CN114004397A (zh) * 2021-10-27 2022-02-01 国网安徽省电力有限公司经济技术研究院 一种计及多因素影响的地区能源消费态势预测方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100198420A1 (en) * 2009-02-03 2010-08-05 Optisolar, Inc. Dynamic management of power production in a power system subject to weather-related factors
US8600572B2 (en) * 2010-05-27 2013-12-03 International Business Machines Corporation Smarter-grid: method to forecast electric energy production and utilization subject to uncertain environmental variables
AU2013207551B2 (en) * 2012-07-20 2015-12-17 Tata Consultancy Services Limited Method and system for adaptive forecast of wind resources
US10197984B2 (en) * 2015-10-12 2019-02-05 International Business Machines Corporation Automated energy load forecaster
US20190268283A1 (en) * 2018-02-23 2019-08-29 International Business Machines Corporation Resource Demand Prediction for Distributed Service Network
US20200334609A1 (en) * 2019-04-22 2020-10-22 Xendee Corporation Adaptive multiyear economic planning for energy systems, microgrid and distributed energy resources

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018075995A1 (en) * 2016-10-21 2018-04-26 DataRobot, Inc. Systems for predictive data analytics, and related methods and apparatus
KR20180063436A (ko) * 2016-12-02 2018-06-12 한국건설기술연구원 신재생에너지 하이브리드 발전시스템의 설계 방법
CN113537063A (zh) * 2021-07-16 2021-10-22 海南省林业科学研究院(海南省红树林研究院) 一种基于综合遥感技术的森林环境遥感监测方法及终端
CN113822482A (zh) * 2021-09-24 2021-12-21 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 综合能源系统负荷预测模型建立方法及装置
CN114004397A (zh) * 2021-10-27 2022-02-01 国网安徽省电力有限公司经济技术研究院 一种计及多因素影响的地区能源消费态势预测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
区域综合能源系统需求侧能耗模型建立与探索――以富平区域综合能源示范项目为例;王立华;张宗阳;戴海波;陈伟雄;王进仕;;能源研究与管理(04);全文 *
计及时段粒化的电-气综合能源系统低碳经济调度;卢志刚;刘浩然;何良策;;全球能源互联网(03);全文 *

Also Published As

Publication number Publication date
CN114677022A (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
Dupačová et al. Scenario reduction in stochastic programming
CN105678398A (zh) 基于大数据技术的电力负荷预测方法及基于该方法的研究应用系统
Xenochristou et al. An ensemble stacked model with bias correction for improved water demand forecasting
Yin et al. Structural link analysis and prediction in microblogs
CN103345514B (zh) 大数据环境下的流式数据处理方法
CN111401755B (zh) 基于马尔科夫链的多新能源出力场景生成方法、装置及系统
CN107291847A (zh) 一种基于MapReduce的大规模数据分布式聚类处理方法
CN114548509B (zh) 一种多能源系统多类型负荷联合预测方法及系统
Laurinec et al. Interpretable multiple data streams clustering with clipped streams representation for the improvement of electricity consumption forecasting
CN106980906B (zh) 一种基于spark的Ftrl电压预测方法
CN105809349B (zh) 一种考虑来水相关性梯级水电站群的调度方法
Hafezi et al. Identification of representative patterns of time use activity through fuzzy C-means clustering
CN106598822A (zh) 一种用于容量评估的异常数据检测方法及装置
CN112181659B (zh) 云仿真内存资源预测模型构建方法与内存资源预测方法
Maghrebi et al. Matching experts' decisions in concrete delivery dispatching centers by ensemble learning algorithms: Tactical level
Da Silva et al. A clustering approach for sampling data streams in sensor networks
CN115423008A (zh) 一种电网设备运行数据的清洗方法、系统及介质
CN114626886A (zh) 一种调查问卷数据分析方法及系统
Coene et al. Balancing profits and costs on trees
CN114677022B (zh) 一种多元融合能源分布式管理的方法及系统
CN115481841A (zh) 基于特征提取和改进随机森林的物资需求预测方法
CN114678114A (zh) 应用于智慧医疗的大数据挖掘评估方法及大数据挖掘系统
CN114169763A (zh) 一种计量器具需求预测方法、系统、计算装置及存储介质
De Fausti et al. Multilayer perceptron models for the estimation of the attained level of education in the Italian Permanent Census
CN106910141B (zh) 一种复杂有源配电网分解方案优选方法及装置

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