CN115239028B - 综合能源调度方法、装置、设备及存储介质 - Google Patents

综合能源调度方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115239028B
CN115239028B CN202211154964.2A CN202211154964A CN115239028B CN 115239028 B CN115239028 B CN 115239028B CN 202211154964 A CN202211154964 A CN 202211154964A CN 115239028 B CN115239028 B CN 115239028B
Authority
CN
China
Prior art keywords
electric energy
supply station
target
demand
universe
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
CN202211154964.2A
Other languages
English (en)
Other versions
CN115239028A (zh
Inventor
卢毅
周杰
金博
俎云霄
黄超
黎劲松
张瑶
马洪亮
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.)
Xinjiang Tianfu Energy Co ltd
Xidian University
Beijing University of Posts and Telecommunications
Shihezi University
Original Assignee
Xinjiang Tianfu Energy Co ltd
Xidian University
Beijing University of Posts and Telecommunications
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 Xinjiang Tianfu Energy Co ltd, Xidian University, Beijing University of Posts and Telecommunications, Shihezi University filed Critical Xinjiang Tianfu Energy Co ltd
Priority to CN202211154964.2A priority Critical patent/CN115239028B/zh
Publication of CN115239028A publication Critical patent/CN115239028A/zh
Application granted granted Critical
Publication of CN115239028B publication Critical patent/CN115239028B/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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种综合能源调度方法、装置、设备及存储介质，属于综合能源调度技术领域，该方法包括：获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格；基于N、M、预设宇宙数量K和预设参数范围，随机初始化K个初始宇宙；基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案；基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能。本发明提供的综合能源调度方法、装置、设备及存储介质能够提高为供应站调度电能的准确性。

Description

综合能源调度方法、装置、设备及存储介质
技术领域
本发明涉及综合能源调度技术领域，尤其涉及一种综合能源调度方法、装置、设备及存储介质。
背景技术
在提出“加强能源互联，促进多种能源优化互补”的发展倡议之后，产生了综合能源系统(Integrated Energy System，IES)。综合能源系统在供给侧包含了多种多样的电能，同样地，在需求侧也不是单一的电能需求。由于供给侧和需求侧的多样性变化，给整个综合能源系统的生产、存储、调度、消费等每个环节都提出了更高的要求。
目前，在针对供给侧的电能调度方法中，通常使用遗传算法等，得到电能调度方案。由于，遗传算法的初始化参数较多，容易陷入局部最优解，使得电能调度方案的准确度较低，进而导致基于电能调度方案为需求侧调度电能的准确性较低。
发明内容
本发明提供一种综合能源调度方法、装置、设备及存储介质，用以解决现有技术中为需求侧调度电能的准确性较低的缺陷，实现提高为需求侧调度电能的准确性。
本发明提供一种综合能源调度方法，包括：
获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，N和M分别为大于或等于2的整数；
基于N、M、预设宇宙数量K和预设参数范围，随机初始化K个初始宇宙，K为大于或等于1的整数；
基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案；目标电能调度方案中包括每个供应站对每种电能的需求权重；
基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能。
根据本发明提供的综合能源调度方法，基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案，包括：
获取最大迭代次数L；L为大于或等于1的整数；
基于每个供应站对M种电能的总需求量，确定需求矩阵；
基于每个供应站的每种电能的价格，确定价格矩阵；
基于需求矩阵和价格矩阵，对K个初始宇宙进行L次多元宇宙优化处理，得到K个目标宇宙；每个目标宇宙指示一种电能调度方案；
针对每个目标宇宙，基于目标宇宙、需求矩阵和价格矩阵，确定目标宇宙的膨胀率；
将K个目标宇宙中膨胀率最大的目标宇宙，确定为N个供应站的目标电能调度方案。
根据本发明提供的综合能源调度方法，基于目标宇宙、需求矩阵和价格矩阵，确定目标宇宙的膨胀率，包括：
通过目标函数，对目标宇宙、需求矩阵和价格矩阵进行处理，得到目标宇宙的膨胀率；
目标函数为：
Figure 613005DEST_PATH_IMAGE001
其中，
Figure 991028DEST_PATH_IMAGE002
表示目标宇宙的膨胀率，j表示第j个供应站，i表示第i种电能，
Figure 764949DEST_PATH_IMAGE003
表示需 求矩阵中第j个供应站对M种电能的总需求量，
Figure 426875DEST_PATH_IMAGE004
表示目标宇宙中第j个供应站对第i种电 能的需求权重，
Figure 80579DEST_PATH_IMAGE005
表示价格矩阵中第j个供应站的第i种电能的价格。
根据本发明提供的综合能源调度方法，基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能，包括：
针对每个供应站，从目标电能调度方案中获取供应站对应的需求列向量，需求列向量中包括供应站对每种电能的需求权重；将需求列向量与供应站对M种电能的总需求量的乘积，确定为供应站对每种电能的需求量；按照供应站对每种电能的需求量，为供应站调度M种电能。
根据本发明提供的综合能源调度方法，获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，包括：
接收N个设备各自发送的综合能源调度请求，综合能源调度请求中包括设备对应的供应站对M种电能的总需求量和供应站的每种电能的价格；
从N个设备各自发送的综合能源调度请求中，获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格。
根据本发明提供的综合能源调度方法，初始宇宙为M行N列的矩阵，初始宇宙中的元素的大小在预设参数范围内。
根据本发明提供的综合能源调度方法，M种电能包括以下至少两种：
火电、水电、核电、风电、太阳能电。
本发明还提供一种综合能源调度装置，包括：
获取模块，用于获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，N和M分别为大于或等于2的整数；
初始化模块，用于基于N、M、预设宇宙数量K和预设参数范围，随机初始化K个初始宇宙，K为大于或等于1的整数；
确定模块，用于基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案；目标电能调度方案中包括每个供应站对每种电能的需求权重；
调度模块，用于基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能。
根据本发明提供的综合能源调度装置，确定模块具体用于：
获取最大迭代次数L；L为大于或等于1的整数；
基于每个供应站对M种电能的总需求量，确定需求矩阵；
基于每个供应站的每种电能的价格，确定价格矩阵；
基于需求矩阵和价格矩阵，对K个初始宇宙进行L次多元宇宙优化处理，得到K个目标宇宙；每个目标宇宙指示一种电能调度方案；
针对每个目标宇宙，基于目标宇宙、需求矩阵和价格矩阵，确定目标宇宙的膨胀率；
将K个目标宇宙中膨胀率最大的目标宇宙，确定为N个供应站的目标电能调度方案。
根据本发明提供的综合能源调度装置，确定模块具体用于：通过目标函数，对目标宇宙、需求矩阵和价格矩阵进行处理，得到目标宇宙的膨胀率；
目标函数为：
Figure 195165DEST_PATH_IMAGE006
其中，
Figure 976039DEST_PATH_IMAGE007
表示目标宇宙的膨胀率，j表示第j个供应站，i表示第i种电能，
Figure 39941DEST_PATH_IMAGE008
表示需 求矩阵中第j个供应站对M种电能的总需求量，
Figure 880859DEST_PATH_IMAGE009
表示目标宇宙中第j个供应站对第i种电 能的需求权重，
Figure 482741DEST_PATH_IMAGE010
表示价格矩阵中第j个供应站的第i种电能的价格。
根据本发明提供的综合能源调度装置，调度模块具体用于：
针对每个供应站，从目标电能调度方案中获取供应站对应的需求列向量，需求列向量中包括供应站对每种电能的需求权重；将需求列向量与供应站对M种电能的总需求量的乘积，确定为供应站对每种电能的需求量；按照供应站对每种电能的需求量，为供应站调度M种电能。
根据本发明提供的综合能源调度装置，获取模块具体用于：
接收N个设备各自发送的综合能源调度请求，综合能源调度请求中包括设备对应的供应站对M种电能的总需求量和供应站的每种电能的价格；
从N个设备各自发送的综合能源调度请求中，获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格。
根据本发明提供的综合能源调度装置，初始宇宙为M行N列的矩阵，初始宇宙中的元素的大小在预设参数范围内。
根据本发明提供的综合能源调度装置，M种电能包括以下至少两种：
火电、水电、核电、风电、太阳能电。
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，处理器执行程序时实现如上述任一种综合能源调度方法。
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综合能源调度方法。
本发明还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述任一种综合能源调度方法。
本发明提供一种综合能源调度方法、装置、设备及存储介质，该方法通过获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案，基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能，可以避免陷入局部最优解的问题，使得目标电能调度方案的准确度较高，进而提高基于目标电能调度方案为需求侧（供给站）调度电能的准确性。
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作一简单地介绍，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是本发明提供的综合能源调度方法的流程示意图；
图2为本发明提供的得到目标电能调度方案的流程示意图；
图3为本发明提供的得到K个目标宇宙的流程示意图；
图4是本发明提供的收益值的对比示意图；
图5是本发明提供的综合能源调度装置的结构示意图；
图6是本发明提供的电子设备的实体结构示意图。
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。
在本发明中，为了提高为需求侧调度电能的准确性，发明人想到获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，为每个供应站调度M种电能，从而提高为需求侧调度电能的准确性。下面结合具体实施例对本发明提供的综合能源调度方法进行说明。
图1是本发明提供的综合能源调度方法的流程示意图。如图1所示，该方法包括：
S101、获取N个供应站中每个供应站对M种电能的总需求量、以及每个供应站的每种电能的价格。
可选地，本发明提供的综合能源调度方法的执行主体可以为储能系统中能源调度室内的电子设备（例如为主机），也可以为设置在电子设备中的综合能源调度装置。综合能源调度装置可以通过软件和/或硬件的结合来实现。
N和M分别为大于或等于2的整数。
供应站对M种电能的总需求量等于供应站对M种电能中每种电能的需求量的和。
可选地，M种电能包括以下至少两种：火电、水电、核电、风电、太阳能电。例如，在M种电能包括火电和水电的情况下，供应站对2种电能的总需求量等于供应站对火电的需求量与供应站对水电的需求量的和。
电能的价格可以为电能的单价。
在一些实施例中，S101具体包括：
接收N个设备各自发送的综合能源调度请求，所述综合能源调度请求中包括设备对应的供应站对M种电能的总需求量和供应站的每种电能的价格；从所述N个设备各自发送的综合能源调度请求中，获取N个供应站中每个供应站对M种电能的总需求量和所述每个供应站的每种电能的价格。
需要说明的是，N个设备中的每个设备对应于一个供应站。
S102、基于N、M、预设宇宙数量K和预设参数范围，随机初始化K个初始宇宙。
K为大于或等于1的整数。在一些实施例中，K等于50。可选地，K还可以为其他数值，此处不再进行限定。
可选地，初始宇宙为M行N列的矩阵或者N行M列的矩阵。
例如，在初始宇宙为M行N列的矩阵的情况下，K个初始宇宙中的第k个初始宇宙
Figure 67306DEST_PATH_IMAGE011
可以表示为：
Figure 687512DEST_PATH_IMAGE012
。其中，k为1至K之间任意一个数值。
需要说明的是，初始宇宙中的元素表示供应站对电能的需求权重。例如初始宇宙
Figure 699331DEST_PATH_IMAGE013
中的元素
Figure 257351DEST_PATH_IMAGE014
表示第N个供应站对第M种电能的需求权重。
在本发明中，初始宇宙中的每个列向量中包括的所有元素之和等于1。例如在初始 宇宙
Figure 645607DEST_PATH_IMAGE015
中，
Figure 621784DEST_PATH_IMAGE016
。
需要说明的是，初始宇宙中所有元素的大小在预设参数范围内。
S103、基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案；目标电能调度方案中包括每个供应站对每种电能的需求权重。
在本发明中，采用多元宇宙优化处理算法，基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案。
示例性的，目标电能调度方案（即最后一次迭代得到的多个宇宙中的目标宇宙）可 以表示为:
Figure 804504DEST_PATH_IMAGE017
。例如，
Figure 177717DEST_PATH_IMAGE018
。
S104、基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能。
在一些实施例中，针对每个供应站，采用如下方法生成供应站对应的电能：从目标电能调度方案中获取供应站对应的需求列向量，需求列向量中包括供应站对每种电能的需求权重；将需求列向量与供应站对M种电能的总需求量的乘积，确定为供应站对每种电能的需求量；按照供应站对每种电能的需求量，为供应站调度M种电能。
在一些实施例中，每个供应站具有对应的索引，从目标电能调度方案中获取供应站对应的需求列向量，包括：基于供应站的索引，从目标电能调度方案中获取供应站对应的需求列向量，其中，供应站对应的需求列向量的列索引等于供应站的索引。例如供应站的索引为n，则供应站对应的需求列向量的列索引为n(即第n列)。
进一步地，可以通过如下公式1确定供应站对每种电能的需求量：
Figure 353352DEST_PATH_IMAGE019
公式1；
其中，
Figure 433303DEST_PATH_IMAGE020
中包括第n个供应站对每种电能的需求量，
Figure 52503DEST_PATH_IMAGE021
表示第n个供应站对M种电 能的总需求量，
Figure 585116DEST_PATH_IMAGE022
表示目标电能调度方案中第n个供应站对应的需求列向量，
Figure 800328DEST_PATH_IMAGE023
表示 第n个供应站对应的需求列向量中第n个供应站对第M种电能的需求权重。
在一些实施例中，按照供应站对每种电能的需求量，为供应站调度M种电能，包括：针对每种电能的需求量，根据供应站对该种电能的需求量，生产该种电能。
示例性的，在
Figure 365DEST_PATH_IMAGE024
的情况下，表示第n个供应站对第一种电能 的需求量为0.102，对第二种电能的需求量为0.289，对第三种电能的需求量为0.0935，对第 四种电能的需求量为0.1785，对第五种电能的需求量为0.187。进一步地，为第n个供应站调 度第一种电能的电量为0.102、调度第二种电能的电量为0.289、调度第三种电能的电量为 0.0935、调度第四种电能的电量为0.1785，调度第五种电能的电量为0.187。
需要说明的是，在本发明中，需求量的单位可以为百分比，是无量纲常数，电量的单位可以为百分比，是无量纲常数。
在图1实施例提供的综合能源调度方法中，获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案，基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能，可以避免陷入局部最优解的问题，使得目标电能调度方案的准确性较高，进而提高为需求侧（供给站）调度电能的准确性。
二十一世纪以来，能源需求量快速提高，带来了环境污染、气候变化等诸多问题，违背了可持续发展理念。面对环境保护和经济发展的双重矛盾，以核电、风电和光伏为代表的新能源行业迅速崛起，同时带动储能行业的蓬勃发展。
风电和光伏的入网形式一般有集中式和分布式。其中，在分布式入网中，发电选址灵活，扩建难度低，可将风电和光伏的发电模块等设置在用户附近，形成规模化应用的电网级—微电网，以便于控制运行以及能量管理，是未来智能电网的重要组成部分。
虽然微电网的优势明显，但在一些新能源发电过程中，伴随间歇性和不确定性，可控性较差，弱化了微电网与大电网之间的联系。近年来，储能技术的蓬勃发展，实现了可再生能源机组与负荷需求之间的互补利用，使新能源微电网在并网和孤岛模式下都能获得较高的运行效率，降低了间歇性强的影响。储能系统的配置对于新能源微电网有着至关重要的作用，储能系统产生的电能过小，则无法满足供应站的需求，储能系统产生的电能过多，则需要储能系统的储电容量较大，增加维护成本。
在本发明中，基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能的过程中，可以先基于目标电能调度方案和每个供应站对M种电能的总需求量，确定每个供应站对M种电能的生产量，并存储生产的电能，可以使得存储的电能与供应站的需求相匹配，从而使得在满足供应站的需求的情况下，避免增大储能系统的储电容量，降低维护成本。
在上述实施例的基础上，下面结合图2对上述S103的具体过程进行说明。
图2为本发明提供的得到目标电能调度方案的流程示意图。如图2所示，该方法包括：
S201、获取最大迭代次数L。
L为大于或等于1的整数。
在一些实施例中，L等于150。可选地，L还可以为其他数值。
S202、基于每个供应站对M种电能的总需求量，确定需求矩阵。
可选地，在每个供应站具有对应索引的情况下，按照供应站的索引由小到大的顺序，在第一预设空矩阵中添加每个供应站对M种电能的总需求量，得到需求矩阵。
例如，需求矩阵为：
Figure 587204DEST_PATH_IMAGE025
其中，w表示需求矩阵。例如在需求矩阵w中，0.85表示第1个供应站对M种电能的总需求量为0.85。
S203、基于每个供应站的每种电能的价格，确定价格矩阵。
可选地，在不同的时段，确定的价格矩阵可以不同。
例如，峰时段（9-12时、17-22时），价格矩阵为如下P1。
Figure 856380DEST_PATH_IMAGE026
例如，平时段（8-9时、12-17时、22-23时），价格矩阵为如下P2。
Figure 390130DEST_PATH_IMAGE027
例如，谷时段（23-8时），价格矩阵为如下P3。
Figure 710253DEST_PATH_IMAGE028
在一些实施例中，S203可以包括：
在每个供应站具有索引的基础上，为每种电能配置索引；
基于供应站的索引和电能的索引，在第二预设空矩阵中确定目标位置，在目标位置上添加该供应站的该种电能的价格。其中，目标位置所在的列为供应站的索引指示的列，目标位置所在的行为电能的索引指示的行。
S204、基于需求矩阵和价格矩阵，对K个初始宇宙进行L次多元宇宙优化处理，得到K个目标宇宙；每个目标宇宙指示一种电能调度方案。
需要说明的是，对S204的详细说明，请参见图3实施例。
S205、针对每个目标宇宙，基于目标宇宙、需求矩阵和价格矩阵，确定目标宇宙的膨胀率。
膨胀率表示按照目标宇宙指示的目标电能调度方案，获得的电能效益值。
在一些实施例中，通过目标函数，对目标宇宙、需求矩阵和价格矩阵进行处理，得到目标宇宙的膨胀率。
目标函数为：
Figure 156409DEST_PATH_IMAGE029
公式2；
其中，
Figure 929193DEST_PATH_IMAGE030
表示目标宇宙的膨胀率，j表示第j个供应站，i表示第i种电能，
Figure 1054DEST_PATH_IMAGE003
表示需 求矩阵中第j个供应站对M种电能的总需求量，
Figure 979547DEST_PATH_IMAGE031
表示目标宇宙中第j个供应站对第i种电 能的需求权重，
Figure 111451DEST_PATH_IMAGE032
表示价格矩阵中第j个供应站的第i种电能的价格。
S206、将K个目标宇宙中膨胀率最大的目标宇宙，确定为N个供应站的目标电能调度方案。
在图2实施例中，基于需求矩阵和价格矩阵，对K个初始宇宙进行L次多元宇宙优化处理，得到K个目标宇宙；针对每个目标宇宙，基于目标宇宙、需求矩阵和价格矩阵，确定目标宇宙的膨胀率；将K个目标宇宙中膨胀率最大的目标宇宙，确定为N个供应站的目标电能调度方案，可以避免陷入局部最优解的问题，从而提高目标电能调度方案的准确度，进而最大化N个供应站的电能效益值。
在上述实施例的基础上，下面结合图3对得到K个目标宇宙进行说明。
图3为本发明提供的得到K个目标宇宙的流程示意图。如图3所示，该方法包括：
S301、获取在第l-1次迭代之后得到的K个宇宙。
初始时，l=1。
在l=1的情况下，在第0次迭代之后的K个宇宙为随机初始化的K个初始宇宙。
S302、针对K个宇宙中的每个宇宙，基于宇宙、需求矩阵和价格矩阵，确定宇宙的膨胀率。
具体的，基于上述公式2得到宇宙的膨胀率。针对每个宇宙，基于公式2得到宇宙的膨胀率的过程，与得到目标宇宙的膨胀率的过程相似，此处不再赘述。
S303、将K个宇宙中膨胀率最大的宇宙，确定为第l-1次迭代之后的最优宇宙。
S304、针对第l次迭代，基于l和最大迭代次数L，确定当前代系数，当前代系数包括虫洞存在概率（wormhole existence probability，WER）和行驶距离率（travellingdistance rate，TDR）。
具体的，基于公式3确定WER：
Figure 105952DEST_PATH_IMAGE033
公式3；
其中，min表示预设最小值，max表示预设最大值。可选地，min取值可以为0.2，max取值可以为1。
具体的，基于公式4确定TDR：
Figure 981504DEST_PATH_IMAGE034
公式4；
其中，p表示当前迭代的搜索精度。可选地，p取值为6。
S305，针对K个宇宙中每个宇宙，基于公式5对该宇宙中的每个元素进行初次更新，得到每个元素对应的初始元素；基于公式6、WER和TDR对每个元素对应的初始元素进行二次更新，得到每个元素对应的目标元素。
其中，公式5为：
Figure 761372DEST_PATH_IMAGE035
公式5；
其中，
Figure 798598DEST_PATH_IMAGE036
表示第k个宇宙的第j个元素对应的初始元素，
Figure 280395DEST_PATH_IMAGE037
表示由轮盘赌机制从 第k个宇宙中选出的第j个元素，
Figure 694059DEST_PATH_IMAGE038
表示第k个宇宙的第j个元素，
Figure 826969DEST_PATH_IMAGE039
表示第k个宇宙，
Figure 831834DEST_PATH_IMAGE040
表示第k个宇宙的正则化膨胀率，
Figure 800927DEST_PATH_IMAGE041
为
Figure 769014DEST_PATH_IMAGE042
之间的随机数。
其中，公式6为：
Figure 507163DEST_PATH_IMAGE043
公式6；
其中，
Figure 151771DEST_PATH_IMAGE044
表示第k个宇宙中的第j个元素对应的目标元素，
Figure 342581DEST_PATH_IMAGE045
表示最优宇宙中的 第j个元素，
Figure 347315DEST_PATH_IMAGE046
表示第j个元素的下界，
Figure 205549DEST_PATH_IMAGE047
表示第j个元素的上界，
Figure 21059DEST_PATH_IMAGE048
均为[0,1]之间 的随机数。
S306，判断l是否大于L。
若是，则执行S307，否则执行S308。
S307，将第l次迭代之后的宇宙，确定为K个目标宇宙。
S308，将l+1，并重复执行S301至S307。
图4是本发明提供的收益值的对比示意图。如图4所示，包括：通过本发明提供的方法得到的目标电能调度方案，能够获得的电能效益值曲线；通过遗传算法得到的目标电能调度方案，能够获得的电能效益值曲线；通过粒子群算法得到的目标电能调度方案，能够获得的电能效益值曲线。
其中，通过本发明提供的方法得到的目标电能调度方案，能够获得的电能效益值曲线对应的仿真参数包括：K等于50，L等于150。
通过遗传算法得到的目标电能调度方案，能够获得的电能效益值曲线对应的仿真参数包括：遗传算法种群中个体数量等于50，最大迭代次数等于150，交叉概率等于0.65，变异概率等于0.08。
其中，通过粒子群算法得到的目标电能调度方案，能够获得的电能效益值曲线对应的仿真参数包括：粒子群算法种群中个体数量等于50，最大迭代次数等于150，加速度常数c1等于2，加速度常数c2等于2，惯性因子w等于0.6。
从图4中可以看出在150次迭代过程中，通过本发明提供的方法得到的目标电能调度方案，能够获得的电能效益值，比遗传算法和粒子群算法得到的目标电能调度方案，能够获得的电能效益值更高，说明采用本发明提供的方法得到的目标电能调度方案能够显著的改善供应站对于电能调度及存储的效益。
从图4中可以看出，本发明提供的方法要比遗传算法和粒子群算法的收敛速度快。本发明提供的方法在50次迭代后就逐渐收敛，而遗传算法和粒子群算法在整个100次迭代过程中未达到水平收敛，不利于实际应用场景。
需要说的是，在图4中，通过本发明提供的方法、比遗传算法和粒子群算法获得仿真曲线所采用的实际参数相同。其中，实际参数包括每个供应站对M种电能的总需求量和每个供应站的每种电能的价格。
下面对本发明提供的综合能源调度装置进行描述，下文描述的综合能源调度装置与上文描述的综合能源调度方法可相互对应参照。
图5是本发明提供的综合能源调度装置的结构示意图。如图5所示，该装置包括：
获取模块510，用于获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，N和M分别为大于或等于2的整数；
初始化模块520，用于基于N、M、预设宇宙数量K和预设参数范围，随机初始化K个初始宇宙，K为大于或等于1的整数；
确定模块530，用于基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案；目标电能调度方案中包括每个供应站对每种电能的需求权重；
调度模块540，用于基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能。
根据本发明提供的综合能源调度装置，确定模块530具体用于：
获取最大迭代次数L；L为大于或等于1的整数；
基于每个供应站对M种电能的总需求量，确定需求矩阵；
基于每个供应站的每种电能的价格，确定价格矩阵；
基于需求矩阵和价格矩阵，对K个初始宇宙进行L次多元宇宙优化处理，得到K个目标宇宙；每个目标宇宙指示一种电能调度方案；
针对每个目标宇宙，基于目标宇宙、需求矩阵和价格矩阵，确定目标宇宙的膨胀率；
将K个目标宇宙中膨胀率最大的目标宇宙，确定为N个供应站的目标电能调度方案。
根据本发明提供的综合能源调度装置，确定模块530具体用于：
通过目标函数，对目标宇宙、需求矩阵和价格矩阵进行处理，得到目标宇宙的膨胀率；
目标函数为：
Figure 246635DEST_PATH_IMAGE049
其中，
Figure 805792DEST_PATH_IMAGE050
表示第k个目标宇宙的膨胀率，j表示第j个供应站，i表示第i种电能，
Figure 518533DEST_PATH_IMAGE051
表示需求矩阵中第j个供应站对M种电能的总需求量，
Figure 239365DEST_PATH_IMAGE052
表示第k个目标宇宙中第j个供应 站对第i种电能的需求权重，
Figure 919613DEST_PATH_IMAGE053
表示价格矩阵中第j个供应站的第i种电能的价格。
根据本发明提供的综合能源调度装置，调度模块540具体用于：
针对每个供应站，从目标电能调度方案中获取供应站对应的需求列向量，需求列向量中包括供应站对每种电能的需求权重；将需求列向量与供应站对M种电能的总需求量的乘积，确定为供应站对每种电能的需求量；按照供应站对每种电能的需求量，为供应站调度M种电能。
根据本发明提供的综合能源调度装置，获取模块510具体用于：
接收N个设备各自发送的综合能源调度请求，综合能源调度请求中包括设备对应的供应站对M种电能的总需求量和供应站的每种电能的价格；
从N个设备各自发送的综合能源调度请求中，获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格。
根据本发明提供的综合能源调度装置，初始宇宙为M行N列的矩阵，初始宇宙中的元素的大小在预设参数范围内。
根据本发明提供的综合能源调度装置，M种电能包括以下至少两种：
火电、水电、核电、风电、太阳能电。
图6是本发明提供的电子设备的实体结构示意图。如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行综合能源调度方法，该方法包括：获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，N和M分别为大于或等于2的整数；基于N、M、预设宇宙数量K和预设参数范围，随机初始化K个初始宇宙，K为大于或等于1的整数；基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案；目标电能调度方案中包括每个供应站对每种电能的需求权重；基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能。
此外，上述的存储器630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，计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，计算机程序被处理器执行时，计算机能够执行上述各方法所提供的综合能源调度方法，该方法包括：获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，N和M分别为大于或等于2的整数；基于N、M、预设宇宙数量K和预设参数范围，随机初始化K个初始宇宙，K为大于或等于1的整数；基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案；目标电能调度方案中包括每个供应站对每种电能的需求权重；基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能。
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方法提供的综合能源调度方法，该方法包括：获取N个供应站中每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，N和M分别为大于或等于2的整数；基于N、M、预设宇宙数量K和预设参数范围，随机初始化K个初始宇宙，K为大于或等于1的整数；基于每个供应站对M种电能的总需求量和每个供应站的每种电能的价格，对K个初始宇宙进行多元宇宙优化处理，得到N个供应站的目标电能调度方案；目标电能调度方案中包括每个供应站对每种电能的需求权重；基于目标电能调度方案和每个供应站对M种电能的总需求量，为每个供应站调度M种电能。
以上所描述的装置实施例仅仅是示意性的，其中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 (8)

1.一种综合能源调度方法，其特征在于，包括：
获取N个供应站中每个供应站对M种电能的总需求量和所述每个供应站的每种电能的价格，N和M分别为大于或等于2的整数；
基于N、M、预设宇宙数量K和预设参数范围，随机初始化K个初始宇宙，K为大于或等于1的整数；
基于所述每个供应站对M种电能的总需求量和所述每个供应站的每种电能的价格，对所述K个初始宇宙进行多元宇宙优化处理，得到所述N个供应站的目标电能调度方案；所述目标电能调度方案中包括每个供应站对每种电能的需求权重；
基于所述目标电能调度方案和所述每个供应站对M种电能的总需求量，为所述每个供应站调度所述M种电能；
所述基于所述每个供应站对M种电能的总需求量和所述每个供应站的每种电能的价格，对所述K个初始宇宙进行多元宇宙优化处理，得到所述N个供应站的目标电能调度方案，包括：
获取最大迭代次数L；L为大于或等于1的整数；
基于所述每个供应站对M种电能的总需求量，确定需求矩阵；
基于所述每个供应站的每种电能的价格，确定价格矩阵；
基于所述需求矩阵和所述价格矩阵，对所述K个初始宇宙进行L次多元宇宙优化处理，得到K个目标宇宙；每个目标宇宙指示一种电能调度方案；
针对每个目标宇宙，基于所述目标宇宙、所述需求矩阵和所述价格矩阵，确定所述目标宇宙的膨胀率；
将所述K个目标宇宙中膨胀率最大的目标宇宙，确定为所述N个供应站的目标电能调度方案；
所述基于所述目标宇宙、所述需求矩阵和所述价格矩阵，确定所述目标宇宙的膨胀率，包括：
通过目标函数，对所述目标宇宙、所述需求矩阵和所述价格矩阵进行处理，得到所述目标宇宙的膨胀率；
所述目标函数为：
Figure 518170DEST_PATH_IMAGE001
；
其中，
Figure 390311DEST_PATH_IMAGE002
表示所述目标宇宙的膨胀率，j表示第j个供应站，i表示第i种电能，
Figure 852516DEST_PATH_IMAGE003
表示所述需求矩阵中第j个供应站对所述M种电能的总需求量，
Figure 324955DEST_PATH_IMAGE004
表示所述目标宇宙中第j个供应站对第i种电能的需求权重，
Figure 530808DEST_PATH_IMAGE005
表示所述价格矩阵中第j个供应站的第i种电能的价格。
2.根据权利要求1所述的综合能源调度方法，其特征在于，所述基于所述目标电能调度方案和所述每个供应站对M种电能的总需求量，为所述每个供应站调度所述M种电能，包括：
针对每个供应站，从所述目标电能调度方案中获取所述供应站对应的需求列向量，所述需求列向量中包括所述供应站对每种电能的需求权重；将所述需求列向量与所述供应站对M种电能的总需求量的乘积，确定为所述供应站对每种电能的需求量；按照所述供应站对每种电能的需求量，为所述供应站调度所述M种电能。
3.根据权利要求1所述的综合能源调度方法，其特征在于，所述获取N个供应站中每个供应站对M种电能的总需求量和所述每个供应站的每种电能的价格，包括：
接收N个设备各自发送的综合能源调度请求，所述综合能源调度请求中包括设备对应的供应站对M种电能的总需求量和供应站的每种电能的价格；
从所述N个设备各自发送的综合能源调度请求中，获取N个供应站中每个供应站对M种电能的总需求量和所述每个供应站的每种电能的价格。
4.根据权利要求1所述的综合能源调度方法，其特征在于，所述初始宇宙为M行N列的矩阵，所述初始宇宙中的元素的大小在所述预设参数范围内。
5.根据权利要求1所述的综合能源调度方法，其特征在于，所述M种电能包括以下至少两种：
火电、水电、核电、风电、太阳能电。
6.一种综合能源调度装置，其特征在于，包括：
获取模块，用于获取N个供应站中每个供应站对M种电能的总需求量和所述每个供应站的每种电能的价格，N和M分别为大于或等于2的整数；
初始化模块，用于基于N、M、预设宇宙数量K和预设参数范围，随机初始化K个初始宇宙，K为大于或等于1的整数；
确定模块，用于基于所述每个供应站对M种电能的总需求量和所述每个供应站的每种电能的价格，对所述K个初始宇宙进行多元宇宙优化处理，得到所述N个供应站的目标电能调度方案；所述目标电能调度方案中包括每个供应站对每种电能的需求权重；
调度模块，用于基于所述目标电能调度方案和所述每个供应站对M种电能的总需求量，为所述每个供应站调度所述M种电能；
所述确定模块具体用于：
获取最大迭代次数L；L为大于或等于1的整数；
基于每个供应站对M种电能的总需求量，确定需求矩阵；
基于每个供应站的每种电能的价格，确定价格矩阵；
基于需求矩阵和价格矩阵，对K个初始宇宙进行L次多元宇宙优化处理，得到K个目标宇宙；每个目标宇宙指示一种电能调度方案；
针对每个目标宇宙，基于目标宇宙、需求矩阵和价格矩阵，确定目标宇宙的膨胀率；
将K个目标宇宙中膨胀率最大的目标宇宙，确定为N个供应站的目标电能调度方案；
所述确定模块具体用于：通过目标函数，对目标宇宙、需求矩阵和价格矩阵进行处理，得到目标宇宙的膨胀率；
目标函数为：
Figure 257456DEST_PATH_IMAGE001
；
其中，
Figure 156142DEST_PATH_IMAGE002
表示目标宇宙的膨胀率，j表示第j个供应站，i表示第i种电能，
Figure 115876DEST_PATH_IMAGE003
表示需求矩阵中第j个供应站对M种电能的总需求量，
Figure 594262DEST_PATH_IMAGE004
表示目标宇宙中第j个供应站对第i种电能的需求权重，
Figure 706575DEST_PATH_IMAGE005
表示价格矩阵中第j个供应站的第i种电能的价格。
7.一种电子设备，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程序时实现如权利要求1至5任一项所述综合能源调度方法。
8.一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5任一项所述综合能源调度方法。
CN202211154964.2A 2022-09-22 2022-09-22 综合能源调度方法、装置、设备及存储介质 Active CN115239028B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211154964.2A CN115239028B (zh) 2022-09-22 2022-09-22 综合能源调度方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211154964.2A CN115239028B (zh) 2022-09-22 2022-09-22 综合能源调度方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115239028A CN115239028A (zh) 2022-10-25
CN115239028B true CN115239028B (zh) 2022-12-09

Family

ID=83667518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211154964.2A Active CN115239028B (zh) 2022-09-22 2022-09-22 综合能源调度方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115239028B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117439190B (zh) * 2023-10-26 2024-06-11 华中科技大学 一种水火风系统调度方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110161398A (zh) * 2018-09-04 2019-08-23 河北工业大学 一种利用壳温评估igbt功率模块老化状态的方法
CN110942205A (zh) * 2019-12-05 2020-03-31 国网安徽省电力有限公司 一种基于himvo-svm的短期光伏发电功率预测方法
CN112949942A (zh) * 2021-04-08 2021-06-11 湘潭大学 基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法
CN114037354A (zh) * 2021-12-06 2022-02-11 河北师范大学 一种冷热电联供系统容量优化配置的方法
CN114066196A (zh) * 2021-11-08 2022-02-18 国网湖北省电力有限公司经济技术研究院 一种电网投资策略优化系统
WO2022160705A1 (zh) * 2021-01-26 2022-08-04 中国电力科学研究院有限公司 综合能源系统调度模型构建方法、装置、介质及电子设备
CN114897220A (zh) * 2022-04-18 2022-08-12 国网山东省电力公司青岛供电公司 一种基于gru神经网络的微电网短期负荷预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110161398A (zh) * 2018-09-04 2019-08-23 河北工业大学 一种利用壳温评估igbt功率模块老化状态的方法
CN110942205A (zh) * 2019-12-05 2020-03-31 国网安徽省电力有限公司 一种基于himvo-svm的短期光伏发电功率预测方法
WO2022160705A1 (zh) * 2021-01-26 2022-08-04 中国电力科学研究院有限公司 综合能源系统调度模型构建方法、装置、介质及电子设备
CN112949942A (zh) * 2021-04-08 2021-06-11 湘潭大学 基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法
CN114066196A (zh) * 2021-11-08 2022-02-18 国网湖北省电力有限公司经济技术研究院 一种电网投资策略优化系统
CN114037354A (zh) * 2021-12-06 2022-02-11 河北师范大学 一种冷热电联供系统容量优化配置的方法
CN114897220A (zh) * 2022-04-18 2022-08-12 国网山东省电力公司青岛供电公司 一种基于gru神经网络的微电网短期负荷预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
多元宇宙算法及其在电力系统环境经济调度的应用;刘世宇等;《东北电力大学学报》;20180730(第04期);全文 *

Also Published As

Publication number Publication date
CN115239028A (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
Li et al. Incorporating energy storage and user experience in isolated microgrid dispatch using a multi‐objective model
Rakipour et al. Probabilistic optimization in operation of energy hub with participation of renewable energy resources and demand response
Askarzadeh A memory-based genetic algorithm for optimization of power generation in a microgrid
Ding et al. Duality-free decomposition based data-driven stochastic security-constrained unit commitment
Latif et al. Comparative performance evaluation of WCA‐optimised non‐integer controller employed with WPG–DSPG–PHEV based isolated two‐area interconnected microgrid system
Rahmani-Andebili et al. Cooperative distributed energy scheduling for smart homes applying stochastic model predictive control
Mohammadi et al. Scenario-based stochastic operation management of microgrid including wind, photovoltaic, micro-turbine, fuel cell and energy storage devices
CN110429649B (zh) 考虑灵活性的高渗透率可再生能源集群划分方法
Navaeefard et al. Optimal sizing of distributed energy resources in microgrid considering wind energy uncertainty with respect to reliability
Chen et al. Economic dispatch of wind integrated power systems with energy storage considering composite operating costs
Jordehi Two-stage stochastic programming for risk-aware scheduling of energy hubs participating in day-ahead and real-time electricity markets
Ding et al. Adjustable robust optimal power flow with the price of robustness for large‐scale power systems
CN115239028B (zh) 综合能源调度方法、装置、设备及存储介质
Sayadi et al. Two‐layer volt/var/total harmonic distortion control in distribution network based on PVs output and load forecast errors
CN112103941A (zh) 考虑电网灵活性的储能配置双层优化方法
CN116418001A (zh) 应对新能源不确定性的水库群多能互补调度方法与系统
Postolov et al. Adaptive genetic algorithm for hydro-thermal unit commitment considering the security constraints
CN114204549A (zh) 一种考虑储能共享的风光储集群联合优化运行的方法
Yu et al. Accommodation of curtailed wind power by electric water heaters based on a new hybrid prediction approach
Huang et al. Capacity optimisation for an SAMS considering LCOE and reliability objectives
CN111047071B (zh) 基于深度迁移学习和Stackelberg博弈的电力系统实时供需互动方法
Sarfi et al. A new multi-objective economic-emission dispatch in microgrids
CN109472716A (zh) 一种基于遗传算法的考虑多因素的产能端功率分配方法
Palakonda et al. Differential evolution with stochastic selection for uncertain environments: A smart grid application
Chang et al. Bi‐level scheduling of large‐scale electric vehicles based on the generation side and the distribution side

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