CN115271257A - 多区域大气污染协同调控方法、装置及电子设备 - Google Patents
多区域大气污染协同调控方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115271257A CN115271257A CN202211154695.XA CN202211154695A CN115271257A CN 115271257 A CN115271257 A CN 115271257A CN 202211154695 A CN202211154695 A CN 202211154695A CN 115271257 A CN115271257 A CN 115271257A
- Authority
- CN
- China
- Prior art keywords
- emission reduction
- region
- air quality
- emission
- reduction scheme
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000009467 reduction Effects 0.000 claims abstract description 302
- 230000001105 regulatory effect Effects 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 239000003344 environmental pollutant Substances 0.000 description 5
- 230000035772 mutation Effects 0.000 description 5
- 231100000719 pollutant Toxicity 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 150000003863 ammonium salts Chemical class 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 239000011164 primary particle Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- G06Q10/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Genetics & Genomics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种多区域大气污染协同调控方法、装置及电子设备,属于大气污染治理技术领域。该多区域大气污染协同调控方法,包括:获取协同调控的多个区域中每个区域的减排方案集合和空气质量目标,其中,每个区域的减排方案集合包括多个减排方案,每个减排方案设置有对应的减排比例;以每个区域的减排方案为决策变量,使用差分进化方法求解该多个区域的减排方案组合,其中,减排方案组合使得:减排影响指标最小,且该多个区域中至少一个区域的空气质量指标满足其空气质量目标,减排影响指标基于减排方案组合中各个减排方案的减排比例得到。采用本申请,可以支持自定义不同区域环境目标、不同时段、不同应急减排预案。
Description
技术领域
本申请涉及大气污染治理技术领域,尤其涉及一种多区域大气污染协同调控方法、装置及电子设备。
背景技术
相关技术中,对重污染天气进行预警,并对重污染天气采取应急响应措施。黄色、橙色、红色预警分别对应Ⅲ级、Ⅱ级、Ⅰ级应急响应。大气污染物的减排比例在Ⅲ级、Ⅱ级、Ⅰ级应急响应期间,应分别达到排放量占比的10%、20%和30%。
由于预警等级的减排比例应属于等值线性关系,对于多个区域的大气污染协同调控,基于线性规划方法确定多个区域中每个区域的应急响应措施,以使多个区域的减排损失最小。然而,该方法基于线性规划理论,限定预警等级的减排比例应属于等值线性关系,在实际应用中无法满足自定义减排方案,例如,Ⅲ级、Ⅱ级、Ⅰ级应急响应期间,减排比例不限于等值线性关系。
发明内容
根据本申请实施例的一方面,提供了一种多区域大气污染协同调控方法,包括:
获取协同调控的多个区域中每个区域的减排方案集合和空气质量目标,其中,每个区域的减排方案集合包括多个减排方案,每个减排方案设置有对应的减排比例;
以每个区域的减排方案为决策变量,使用差分进化方法求解所述多个区域的减排方案组合,其中,所述减排方案组合使得:减排影响指标最小,且所述多个区域中至少一个区域的空气质量指标满足其空气质量目标,所述减排影响指标基于所述减排方案组合中各个减排方案的减排比例得到。
可选地,至少一个减排方案集合中各个减排方案的减排比例之间为非线性关系。
可选地,所述减排影响指标为所述多个区域中每个区域的减排影响指标之和,每个区域的减排影响指标为区域内每个排放源的减排影响指标之和,每个排放源的减排影响指标根据其初始排放量、或减排成本信息及其减排比例确定。
可选地,任一区域的空气质量指标基于所述多个区域中各个排放源对该区域的该空气质量指标的贡献和排放源的减排比例得到,每个排放源对该区域的该空气质量指标的贡献基于空气质量源解析得到;
其中,在所述减排方案组合使得所述多个区域的空气质量指标分别满足其空气质量目标的情况下,分别确定得到每个区域的空气质量指标,将每个区域的空气质量指标满足其空气质量目标分别作为约束条件。
可选地,至少部分区域的减排方案集合不同。
可选地,任一区域的减排方案集合中的每个减排方案对应于该区域的一预警等级,其中,该区域包括多个所述预警等级,所述预警等级针对该区域的所有行业;或者
任一区域的减排方案集合为该区域内多个行业中每个行业的减排方案的集合,其中,至少一个所述行业具有多个减排方案,所述减排方案组合包括所述多个区域中每个区域的每个行业的减排方案。
根据本申请实施例的另一方面,提供了一种多区域大气污染协同调控装置,包括:
获取模块,用于获取协同调控的多个区域中每个区域的减排方案集合和空气质量目标,其中,每个区域的减排方案集合包括多个减排方案,每个减排方案设置有对应的减排比例;
确定模块,用于以每个区域的减排方案为决策变量,使用差分进化方法求解所述多个区域的减排方案组合,其中,所述减排方案组合使得:减排影响指标最小,且所述多个区域中至少一个区域的空气质量指标满足其空气质量目标,所述减排影响指标基于所述减排方案组合中各个减排方案的减排比例得到。
可选地,任一区域的减排方案集合中的每个减排方案对应于该区域的一预警等级,其中,该区域包括多个所述预警等级,所述预警等级针对该区域的所有行业;或者
任一区域的减排方案集合为该区域内多个行业中每个行业的减排方案的集合,其中,至少一个所述行业具有多个减排方案,所述减排方案组合包括所述多个区域中每个区域的每个行业的减排方案。
根据本申请实施例的另一方面,提供了一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行本申请实施例的多区域大气污染协同调控方法。
根据本申请实施例的又一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本申请实施例的多区域大气污染协同调控方法。
本申请实施例中提供的一个或多个技术方案,采用差分进化算法,可以支持自定义不同地区环境目标、不同时段、不同应急减排预案,可以快速评估多个优化方案从而得到不同地区的最优减排方案,方便实现业务化应用。
附图说明
在下面结合附图对于示例性实施例的描述中,本申请的更多细节、特征和优点被公开,在附图中:
图1示出了根据本申请示例性实施例的多区域大气污染协同调控方法的流程图;
图2示出了根据本申请示例性实施例的基于源解析的多区域大气污染协同调控方法的示意图;
图3示出了根据本申请示例性实施例的多区域大气污染协同调控装置的示意性框图;
图4示出了能够用于实现本申请的实施例的示例性电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
应当理解,本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本申请实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
以下参照附图描述本申请的方案。本说明书的实施例可以运行在任何具有计算和存储能力的设备上,如手机、平板电脑、PC(Personal Computer,个人电脑)、笔记本、服务器等设备;还可以由运行在两个或两个以上设备的逻辑节点来实现本说明书实施例中的各项功能。该设备可作为客户端或服务器。
图1是示出了根据本申请示例性实施例的多区域大气污染协同调控方法的流程图,如图1所示,该方法包括步骤S101至步骤S102。该方法可由一个或多个客户端或服务器等计算设备执行,本实施例对此不作限定。
步骤S101,获取协同调控的多个区域中每个区域的减排方案集合和空气质量目标,其中,每个区域的减排方案集合包括多个减排方案,每个减排方案设置有对应的减排比例。
作为示例,协同调控的多个区域包括相邻的多个行政区,例如,一个省的多个城市,或者跨省的多个城市,本实施例对此不作限定。
作为一种实施方式,至少一个减排方案集合中各个减排方案的减排比例之间为非线性关系。
相较于相关技术中,多个区域的大气污染物的减排比例在Ⅲ级、Ⅱ级、Ⅰ级应急响应期间,应分别达到排放量占比的10%、20%和30%。作为一种实施方式,至少部分区域的减排方案集合不同,由此每个区域可结合本区域特点设置减排方案集合。
步骤S102,以每个区域的减排方案为决策变量,使用差分进化方法求解该多个区域的减排方案组合。
其中,该减排方案组合使得:减排影响指标最小(目标函数),且所述多个区域中至少一个区域的空气质量指标满足其空气质量目标(约束条件),减排影响指标基于减排方案组合中各个减排方案的减排比例得到。
差分进化算法是一种非常高效的全局优化器,其收敛速度、精度能够比遗传算法、粒子群算法好。克服线性减排方案的局限性和解决了大幅降低曲面响应模型的计算资源需求,可以快速评估多个优化方案从而得到不同地区的最优减排方案,方便实现业务化应用。
在本实施例中,减排影响指标基于减排比例得到,可包括减排量、或减排成本等。
作为一种实施方式,减排影响指标为多个区域中每个区域的减排影响指标之和,每个区域的减排影响指标为区域内每个排放源的减排影响指标之和,每个排放源的减排影响指标根据其初始排放量、或减排成本信息及与其减排比例确定。减排成本信息可包括:单位减排成本、或排放量减排成本。
作为一种示例,减排成本信息为单位减排成本,减排影响指标为单位减排成本与减排比例的乘积。
作为另一种示例,减排成本信息为排放量减排成本,减排影响指标为初始排放量、减排比例及排放量减排成本之间的乘积。
作为一种实施方式,任一区域的空气质量指标基于多个区域中各个排放源对该区域的该空气质量指标的贡献和排放源的减排比例得到,每个排放源对该区域的该空气质量指标的贡献基于空气质量源解析得到。其中,在减排方案组合使得多个区域的空气质量指标分别满足其空气质量目标的情况下,分别确定得到每个区域的空气质量指标,将每个区域的空气质量指标满足其空气质量目标分别作为约束条件,多个区域包括多个约束条件。示例性的,空气质量指标可包括污染物浓度等。
作为一种示例,空气质量指标为PM2.5的浓度,空气质量目标为PM2.5的浓度小于预设浓度。每个区域可设置不同的空气质量目标(PM2.5的预设浓度),对于每个区域而言,约束条件为该区域的PM2.5的浓度(空气质量指标)小于该区域的PM2.5的预设浓度(空气质量目标)。
作为一种实施方式,任一区域的减排方案集合中的每个减排方案对应于该区域的一预警等级,其中,该区域包括多个预警等级,预警等级针对该区域的所有行业。作为一种示例,包括黄色、橙色、红色预警,分别对应Ⅲ级、Ⅱ级、Ⅰ级应急响应。相较于相关技术中,所有区域的Ⅲ级、Ⅱ级、Ⅰ级应急响应对应的减排比例均为10%、20%和30%。本实施例中,各个区域的Ⅲ级、Ⅱ级、Ⅰ级应急响应对应的减排比例可以不同,并且可以是非线性的。示例性的,区域A的Ⅲ级、Ⅱ级、Ⅰ级应急响应对应的减排比例为10%、18%和25%,区域B的Ⅲ级、Ⅱ级、Ⅰ级应急响应对应的减排比例为5%、12%和25%,其中,区域A与区域B的减排比例不同,且区域A各个预警等级对应的减排比例是非线性的,区域B各个预警等级对应的减排比例是非线性的。
作为一种实施方式,任一区域的减排方案集合为该区域内多个行业中每个行业的减排方案的集合,其中,至少一个行业具有多个减排方案,减排方案组合包括多个区域中每个区域的每个行业的减排方案。作为一种示例,多个区域包括行业a、行业b、行业c。对于区域A,减排方案的集合包括:行业a的减排方案(减排5%、13%、21%)、行业b的减排方案(减排10%、18%、24%)、行业c的减排方案(减排7%、15%、25%),其他区域以此类推。减排方案组合中,区域A的减排方案可为:方案一(行业a减排5%、行业b减排10%和行业c减排7%);或方案二(行业a减排13%、行业b减排18%和行业c的减排15%);或方案三(行业a减排21%、行业b减排24%和行业c减排25%)。
在一些实施例中,多区域大气污染协同调控方法用于对未来的空气质量进行调控。
作为一种实施方式,基于源解析模式(例如,NAQPMS-OSAM、CAMx-SA、LPDM等)小时分辨率的业务输出结果、模式排放清单、单位减排成本或排放量减排成本信息,结合各城市的空气质量目标和减排方案等数据,构建“空气质量改善-管控成本”优化模型,基于各城市PM2.5浓度达标和区域总减排量最小(或减排成本最小)约束条件,通过差分进化算法求解得到各城市最优减排方案。
下面结合图2对基于源解析的多区域大气污染协同调控方法进行说明。
首先,获取指定地区(对应于上述协同调控的多个区域)模式空气质量预报数据。
获取源解析模式(例如,NAQPMS-OSAM、CAMx-SA、LPDM等)未来预设时长(例如7~10天)各城市PM2.5小时分辨率的业务输出结果,解析物种包括颗粒物的一次颗粒物、硫酸盐、硝酸盐,铵盐、有机化合物。
然后,获取模式运行关键参数,
1)每个地区空气质量目标;
2)减排方案:自定义,各行业减排比例;
3)排放源清单、单位减排成本;
接着,构建“空气质量改善-管控成本”数学优化模型,详见式 (3-1)至 (3-4)。
其中:公式(3-1)为目标函数,表示在所确定的目标地区浓度值下,减排总量(或减排成本)z最小化;
公式(3-2)是约束条件,表示各目标地区空气质量达标;
公式(3-3)(3-4)表示决策变量的取值范围;
参数含义如下:
集合:
参数:
Z:减排地区总的减排量(或减排成本);
变量:
然后,采用差分进化算法(DE)进行求解,确定最优减排方案。采用差分进化算法(DE)进行求解,差分进化算法主要过程包括变异、交叉和选择三个步骤。
在每代算法迭代过程中,对于当前群体中的每个目标个体,算法首先随机选择2个其他个体并使它们相减构成差分向量,然后将该差分向量乘以一个缩放因子F后加到第3个随机个体上构成变异个体,最后该变异个体再经过与对应目标个体的交叉和选择操作生成一个新个体进入下一代。DE算法具有3个主要的控制参数:1)种群大小N;2)变异缩放因子F;3)交叉概率CR。
下面对差分进化算法的步骤进行描述。
(1)初始化种群
式中:x ij 为第i个个体的第j维取值(i=1,2,…,N,j=1,2,…M)。randint(1,n)表示从方案集合(1,2,…,n-1)中随机抽取一个方案,即A k 表示抽取某个地区的第k个的减排方案。N为种群大小,M为减排方案个数(在分行业时,M为行业数与每个行业的减排方案数的乘积)。例如:随机初始化数目为N个M维参数向量Pop,X i (g)(i=1,2,…,N;g=1)表示g=1代第i个个体,从减排方案的集合中随机产生N个初始解。
(2)变异操作
(3)交叉操作
式中:交叉概率CR在(0,1)之间,j rand是从集合{1,2,…,M}随机抽取的整数。
(4)选择操作
式中:f为优化问题的目标函数。
(5)当最后的解达到收敛或者迭代次数达到最大,则结束,否则重复(2)到(4)。
图3示出了根据本申请示例性实施例的多区域大气污染协同调控装置的示例性框图,如图3所示,包括:
获取模块310,用于获取协同调控的多个区域中每个区域的减排方案集合和空气质量目标,其中,每个区域的减排方案集合包括多个减排方案,每个减排方案设置有对应的减排比例;
确定模块320,用于以每个区域的减排方案为决策变量,使用差分进化方法求解所述多个区域的减排方案组合,其中,所述减排方案组合使得:减排影响指标最小,且所述多个区域中至少一个区域的空气质量指标满足其空气质量目标,所述减排影响指标基于所述减排方案组合中各个减排方案的减排比例得到。
作为一种实施方式,至少一个减排方案集合中各个减排方案的减排比例之间为非线性关系。
在本实施例中,减排影响指标基于减排比例得到,可包括减排量、或减排成本等。
作为一种实施方式,减排影响指标为多个区域中每个区域的减排影响指标之和,每个区域的减排影响指标为区域内每个排放源的减排影响指标之和,每个排放源的减排影响指标根据其初始排放量、或减排成本信息及其减排比例确定。减排成本信息可包括:单位减排成本、或排放量减排成本。
作为一种示例,减排成本信息为单位减排成本,减排影响指标为单位减排成本与减排比例的乘积。
作为另一种示例,减排成本信息为排放量减排成本,减排影响指标为初始排放量、减排比例及排放量减排成本之间的乘积。
作为一种实施方式,任一区域的空气质量指标基于多个区域中各个排放源对该区域的该空气质量指标的贡献和排放源的减排比例得到,每个排放源对该区域的该空气质量指标的贡献基于空气质量源解析得到。其中,在减排方案组合使得多个区域的空气质量指标分别满足其空气质量目标的情况下,分别确定得到每个区域的空气质量指标,将每个区域的空气质量指标满足其空气质量目标分别作为约束条件,多个区域包括多个约束条件。示例性的,空气质量指标可包括污染物浓度等。
作为一种示例,空气质量指标为PM2.5的浓度,空气质量目标为PM2.5的浓度小于预设浓度。每个区域可设置不同的空气质量目标(PM2.5的预设浓度),对于每个区域而言,约束条件为该区域的PM2.5的浓度(空气质量指标)小于该区域的PM2.5的预设浓度(空气质量目标)。
作为一种实施方式,任一区域的减排方案集合中的每个减排方案对应于该区域的一预警等级,其中,该区域包括多个预警等级,预警等级针对该区域的所有行业。作为一种示例,包括黄色、橙色、红色预警,分别对应Ⅲ级、Ⅱ级、Ⅰ级应急响应。相较于相关技术中,所有区域的Ⅲ级、Ⅱ级、Ⅰ级应急响应对应的减排比例均为10%、20%和30%。本实施例中,各个区域的Ⅲ级、Ⅱ级、Ⅰ级应急响应对应的减排比例可以不同,并且可以是非线性的。示例性的,区域A的Ⅲ级、Ⅱ级、Ⅰ级应急响应对应的减排比例为10%、18%和25%,区域B的Ⅲ级、Ⅱ级、Ⅰ级应急响应对应的减排比例为5%、12%和25%,其中,区域A与区域B的减排比例不同,且区域A各个预警等级对应的减排比例是非线性的,区域B各个预警等级对应的减排比例是非线性的。
作为一种实施方式,任一区域的减排方案集合为该区域内多个行业中每个行业的减排方案的集合,其中,至少一个行业具有多个减排方案,减排方案组合包括多个区域中每个区域的每个行业的减排方案。作为一种示例,多个区域包括行业a、行业b、行业c。对于区域A,减排方案的集合包括:行业a的减排方案(减排5%、13%、21%)、行业b的减排方案(减排10%、18%、24%)、行业c的减排方案(减排7%、15%、25%),其他区域以此类推。减排方案组合中,区域A的减排方案可为:方案一(行业a减排5%、行业b减排10%和行业c减排7%);或方案二(行业a减排13%、行业b减排18%和行业c的减排15%);或方案三(行业a减排21%、行业b减排24%和行业c减排25%)。
本申请示例性实施例还提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本申请实施例的方法。
本申请示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本申请实施例的方法。
本申请示例性实施例还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本申请实施例的方法。
参考图4,现将描述可以作为本申请的服务器或客户端的电子设备400的结构框图,其是可以应用于本申请的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,电子设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
电子设备400中的多个部件连接至I/O接口405,包括:输入单元406、输出单元407、存储单元408以及通信单元409。输入单元406可以是能向电子设备400输入信息的任何类型的设备,输入单元406可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元407可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元408可以包括但不限于磁盘、光盘。通信单元409允许电子设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理。例如,在一些实施例中,多区域大气污染协同调控方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到电子设备400上。在一些实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行多区域大气污染协同调控方法。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本申请使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
Claims (10)
1.一种多区域大气污染协同调控方法,其特征在于,包括:
获取协同调控的多个区域中每个区域的减排方案集合和空气质量目标,其中,每个区域的减排方案集合包括多个减排方案,每个减排方案设置有对应的减排比例;
以每个区域的减排方案为决策变量,使用差分进化方法求解所述多个区域的减排方案组合,其中,所述减排方案组合使得:减排影响指标最小,且所述多个区域中至少一个区域的空气质量指标满足其空气质量目标,所述减排影响指标基于所述减排方案组合中各个减排方案的减排比例得到。
2.如权利要求1所述的多区域大气污染协同调控方法,其特征在于,至少一个减排方案集合中各个减排方案的减排比例之间为非线性关系。
3.如权利要求1所述的多区域大气污染协同调控方法,其特征在于,所述减排影响指标为所述多个区域中每个区域的减排影响指标之和,每个区域的减排影响指标为区域内每个排放源的减排影响指标之和,每个排放源的减排影响指标根据其初始排放量、或减排成本信息及其减排比例确定。
4.如权利要求1所述的多区域大气污染协同调控方法,其特征在于,任一区域的空气质量指标基于所述多个区域中各个排放源对该区域的该空气质量指标的贡献和排放源的减排比例得到,每个排放源对该区域的该空气质量指标的贡献基于空气质量源解析得到;
其中,在所述减排方案组合使得所述多个区域的空气质量指标分别满足其空气质量目标的情况下,分别确定得到每个区域的空气质量指标,将每个区域的空气质量指标满足其空气质量目标分别作为约束条件。
5.如权利要求1所述的多区域大气污染协同调控方法,其特征在于,至少部分区域的减排方案集合不同。
6.如权利要求1至5中任一项所述的多区域大气污染协同调控方法,其特征在于,
任一区域的减排方案集合中的每个减排方案对应于该区域的一预警等级,其中,该区域包括多个所述预警等级,所述预警等级针对该区域的所有行业;或者
任一区域的减排方案集合为该区域内多个行业中每个行业的减排方案的集合,其中,至少一个所述行业具有多个减排方案,所述减排方案组合包括所述多个区域中每个区域的每个行业的减排方案。
7.一种多区域大气污染协同调控装置,其特征在于,包括:
获取模块,用于获取协同调控的多个区域中每个区域的减排方案集合和空气质量目标,其中,每个区域的减排方案集合包括多个减排方案,每个减排方案设置有对应的减排比例;
确定模块,用于以每个区域的减排方案为决策变量,使用差分进化方法求解所述多个区域的减排方案组合,其中,所述减排方案组合使得:减排影响指标最小,且所述多个区域中至少一个区域的空气质量指标满足其空气质量目标,所述减排影响指标基于所述减排方案组合中各个减排方案的减排比例得到。
8.如权利要求7所述的多区域大气污染协同调控装置,其特征在于,
任一区域的减排方案集合中的每个减排方案对应于该区域的一预警等级,其中,该区域包括多个所述预警等级,所述预警等级针对该区域的所有行业;或者
任一区域的减排方案集合为该区域内多个行业中每个行业的减排方案的集合,其中,至少一个所述行业具有多个减排方案,所述减排方案组合包括所述多个区域中每个区域的每个行业的减排方案。
9.一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211154695.XA CN115271257B (zh) | 2022-09-22 | 2022-09-22 | 多区域大气污染协同调控方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211154695.XA CN115271257B (zh) | 2022-09-22 | 2022-09-22 | 多区域大气污染协同调控方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115271257A true CN115271257A (zh) | 2022-11-01 |
CN115271257B CN115271257B (zh) | 2023-01-10 |
Family
ID=83756818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211154695.XA Active CN115271257B (zh) | 2022-09-22 | 2022-09-22 | 多区域大气污染协同调控方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115271257B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745106A (zh) * | 2024-02-04 | 2024-03-22 | 西昌学院 | 一种大气污染协调控制区域的识别方法、系统和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100120128A1 (en) * | 2008-06-18 | 2010-05-13 | Zhi-Wei Liang | Eco-engineering for systematic carbon mitigation |
CN112462603A (zh) * | 2020-10-13 | 2021-03-09 | 中科三清科技有限公司 | 区域大气重污染应急的优化调控方法、装置、设备及介质 |
CN113051744A (zh) * | 2021-03-18 | 2021-06-29 | 天津大学 | 一种区域大气污染调控方案的评估系统及其评估方法 |
-
2022
- 2022-09-22 CN CN202211154695.XA patent/CN115271257B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100120128A1 (en) * | 2008-06-18 | 2010-05-13 | Zhi-Wei Liang | Eco-engineering for systematic carbon mitigation |
CN112462603A (zh) * | 2020-10-13 | 2021-03-09 | 中科三清科技有限公司 | 区域大气重污染应急的优化调控方法、装置、设备及介质 |
CN113051744A (zh) * | 2021-03-18 | 2021-06-29 | 天津大学 | 一种区域大气污染调控方案的评估系统及其评估方法 |
Non-Patent Citations (1)
Title |
---|
张徐东: "低碳背景下电力系统规划与运营模式及决策方法研究", 《中国博士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745106A (zh) * | 2024-02-04 | 2024-03-22 | 西昌学院 | 一种大气污染协调控制区域的识别方法、系统和存储介质 |
CN117745106B (zh) * | 2024-02-04 | 2024-05-17 | 西昌学院 | 一种大气污染协调控制区域的识别方法、系统和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115271257B (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ali et al. | An automated task scheduling model using non-dominated sorting genetic algorithm II for fog-cloud systems | |
US9336493B2 (en) | Systems and methods for clustering time series data based on forecast distributions | |
WO2021174944A1 (zh) | 基于目标对象活跃度的消息推送方法及相关设备 | |
TW201636937A (zh) | 以可操作的反饋方法之多樣性分析 | |
WO2022142001A1 (zh) | 基于多评分卡融合的目标对象评价方法及其相关设备 | |
CN115271257B (zh) | 多区域大气污染协同调控方法、装置及电子设备 | |
Liu et al. | A quantum particle swarm optimization algorithm with teamwork evolutionary strategy | |
CN112508118A (zh) | 针对数据偏移的目标对象行为预测方法及其相关设备 | |
CN109345166B (zh) | 用于生成信息的方法和装置 | |
CN112182118A (zh) | 基于多数据源的目标对象预测方法及其相关设备 | |
CN114782169A (zh) | 一种客户流失率预警方法及装置 | |
US20230418871A1 (en) | Systems, methods, computing platforms, and storage media for comparing non-adjacent data subsets | |
Liu et al. | Two novel MILP models with different flexibilities for solving integrated process planning and scheduling problems | |
CN114140033B (zh) | 一种服务人员的分配方法、装置、电子设备及存储介质 | |
CN115270013B (zh) | 评估活动期间减排措施的方法、装置及电子设备 | |
US11966822B2 (en) | Feature processing for machine learning | |
CN115545088A (zh) | 模型构建方法、分类方法、装置和电子设备 | |
Deng et al. | SVR with hybrid chaotic genetic algorithm for short-term traffic flow forecasting | |
CN113657948A (zh) | 一种对学生进行分配的方法、装置、电子设备及存储介质 | |
Singh et al. | Score-based genetic algorithm for scheduling workflow applications in clouds | |
CN114745310B (zh) | 基于遗传算法的流量阈值的确定方法及装置 | |
US11521267B1 (en) | Differential evolution algorithm to allocate resources | |
CN110458450A (zh) | 供应商管理方法、装置、设备及存储介质 | |
US20240179185A1 (en) | Intelligent automated planning system for large-scale operations | |
CN117744808A (zh) | 一种基于因果效应估计模型的决策方法、装置及相关设备 |
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 |