CN115713211B - 基于电力能源的资源转移方法、装置、计算机设备 - Google Patents
基于电力能源的资源转移方法、装置、计算机设备 Download PDFInfo
- Publication number
- CN115713211B CN115713211B CN202211453109.1A CN202211453109A CN115713211B CN 115713211 B CN115713211 B CN 115713211B CN 202211453109 A CN202211453109 A CN 202211453109A CN 115713211 B CN115713211 B CN 115713211B
- Authority
- CN
- China
- Prior art keywords
- energy
- resource
- model
- resource transfer
- transfer
- 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
Links
- 238000012546 transfer Methods 0.000 title claims abstract description 390
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004146 energy storage Methods 0.000 claims abstract description 84
- 238000004458 analytical method Methods 0.000 claims abstract description 71
- 238000005265 energy consumption Methods 0.000 claims abstract description 51
- 230000005611 electricity Effects 0.000 claims description 46
- 238000004590 computer program Methods 0.000 claims description 28
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 18
- 230000008901 benefit Effects 0.000 description 16
- 238000005457 optimization Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种基于电力能源的资源转移方法、装置、计算机设备。所述方法包括：获取电力能源共享区域对应的对象信息；根据多个资源产消对象对应的第一能源信息和多个资源消费对象对应的第二能源信息，构建能源关联模型集合；基于对象能耗模型、电能供应模型、储能系统模型，构建针对电力能源共享区域的转移情况分析模型；根据资源转移对象集合和电力能源转移量，构建用于预测电力能源共享区域对应的资源转移结果的资源转移预测模型；资源转移结果包括各资源产消对象对应的第一资源转移结果和各资源消费对象对应的第二资源转移结果。采用本方法实现了对电力能源共享区域的资源转移方法优化，能够得到最优资源转移结果。
Description
技术领域
本申请涉及电力能源技术领域，特别是涉及一种基于电力能源的资源转移方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
社区内的能源共享和资源转移有利于提高分布式能源的消纳水平，对实现“双碳”能源战略目标具有重要意义。社区能源市场参与者多，资源转移量小，每个资源转移主体在资源转移时均具有较强的个体理性差异。如何在满足资源转移主体用电偏好的情况下优化资源转移结果是目前亟待解决的问题。
相关技术中，基于传统处理方法，当市场参与主体大量增加时计算规模大，计算时间大大增加，复杂程度也随之增加，或无法平衡资源转移主体之间的主动和被动关系，不利于获得基于社区能源共享的较好资源转移结果。
发明内容
基于此，有必要针对上述技术问题，提供一种能够解决上述问题的基于电力能源的资源转移方法、装置、计算机设备、存储介质和计算机程序产品。
第一方面，本申请提供了一种基于电力能源的资源转移方法，所述方法包括：
获取电力能源共享区域对应的对象信息；所述对象信息包括多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息；
根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，构建能源关联模型集合；所述能源关联模型集合包括对象能耗模型、电能供应模型、储能系统模型；
基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型；所述转移情况分析模型用于确定资源转移对象集合和电力能源转移量；
根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型；所述资源转移结果包括各所述资源产消对象对应的第一资源转移结果和各所述资源消费对象对应的第二资源转移结果。
在其中一个实施例中，所述根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，构建能源关联模型集合，包括：
根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定用电需求分析信息和用电效用信息，并基于所述用电需求分析信息和所述用电效用信息，得到所述对象能耗模型；
根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定风电出力约束信息和资源转移属性信息，并基于所述风电出力约束信息和所述资源转移属性信息，得到所述电能供应模型；
根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定储能衰退属性信息，并基于所述储能衰退属性信息得到所述储能系统模型。
在其中一个实施例中，所述基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型，包括：
基于所述对象能耗模型中的用电需求分析信息和用电效用信息、所述电能供应模型中的资源转移属性信息，以及所述储能系统模型中的储能衰退属性信息，建立针对所述电力能源共享区域的转移情况分析模型。
在其中一个实施例中，在所述基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型的步骤之后，所述方法还包括：
获取基于所述电力能源共享区域得到的第一输入数据，以及针对所述转移情况分析模型的第一辅助变量和第一求解参数；
将所述第一输入数据输入至所述转移情况分析模型，基于所述第一辅助变量和所述第一求解参数，得到所述电力能源共享区域对应的资源转移对象集合和电力能源转移量。
在其中一个实施例中，所述根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型，包括：
获取资源转移特征信息；所述资源转移特征信息包括用电负荷特征信息和效用特征信息；
根据所述电力能源转移量确定资源转移效用信息；
结合所述资源转移对象集合、所述资源转移特征信息，以及所述资源转移效用信息，建立所述资源转移预测模型。
在其中一个实施例中，在所述根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型的步骤之后，所述方法还包括：
获取针对所述资源转移预测模型的第二辅助变量和第二求解参数；
将所述资源转移对象集合和所述电力能源转移量作为第二输入数据，并将所述第二输入数据输入至所述资源转移预测模型，基于所述第二辅助变量和所述第二求解参数，得到所述电力能源共享区域对应的资源转移结果。
第二方面，本申请还提供了一种基于电力能源的资源转移装置，所述装置包括：
对象信息获取模块，用于获取电力能源共享区域对应的对象信息；所述对象信息包括多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息；
能源关联模型集合得到模块，用于根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，构建能源关联模型集合；所述能源关联模型集合包括对象能耗模型、电能供应模型、储能系统模型；
转移情况分析模型构建模块，用于基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型；所述转移情况分析模型用于确定资源转移对象集合和电力能源转移量；
资源转移预测模型得到模块，用于根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型；所述资源转移结果包括各所述资源产消对象对应的第一资源转移结果和各所述资源消费对象对应的第二资源转移结果。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的基于电力能源的资源转移方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其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如上所述的基于电力能源的资源转移方法的步骤。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，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所述的基于电力能源的资源转移方法的步骤。
上述一种基于电力能源的资源转移方法、装置、计算机设备、存储介质和计算机程序产品，通过获取电力能源共享区域对应的对象信息，该对象信息包括多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息，然后根据多个资源产消对象对应的第一能源信息和多个资源消费对象对应的第二能源信息，构建能源关联模型集合，该能源关联模型集合包括对象能耗模型、电能供应模型、储能系统模型，基于对象能耗模型、电能供应模型、储能系统模型，构建针对电力能源共享区域的转移情况分析模型，该转移情况分析模型用于确定资源转移对象集合和电力能源转移量，进而根据资源转移对象集合和电力能源转移量，构建用于预测电力能源共享区域对应的资源转移结果的资源转移预测模型，该资源转移结果包括各资源产消对象对应的第一资源转移结果和各资源消费对象对应的第二资源转移结果，实现了对电力能源共享区域的资源转移方法优化，能够使得资源产消对象和资源消费对象，以及电力能源共享区域均具有基于电力能源的最优资源转移结果。
附图说明
图1为一个实施例中一种基于电力能源的资源转移方法的流程示意图；
图2为一个实施例中一种电力能源共享区域系统框架的示意图；
图3为一个实施例中一种模型优化阶段的示意图；
图4为一个实施例中一种数据处理流程的示意图；
图5为一个实施例中另一种基于电力能源的资源转移方法的流程示意图；
图6为一个实施例中一种基于电力能源的资源转移装置的结构框图；
图7为一个实施例中一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据；对应的，本申请还提供有相应的用户授权入口，供用户选择授权或者选择拒绝。
在一个实施例中，如图1所示，提供了一种基于电力能源的资源转移方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
步骤101，获取电力能源共享区域对应的对象信息；所述对象信息包括多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息；
其中，如图2所示的针对电力能源共享区域的系统框架图，在能量共享社区(即电力能源共享区域)中，存在N个拥有小型风力发电设备的用户(如图2中用户1和用户2)，即资源产消对象，以及N个纯用电用户(如图2中用户n)，即资源消费对象。
作为一示例，当资源产消对象的发电输出功率大于其用电负荷时，存在剩余电量，可以用充电系统储能，也可以转移给电力公司或社区内的用户；社区内的资源消费对象可以向电力公司购电，也可以向社区内的资源产消对象购电。
在实际应用中，可以针对电力能源共享区域，获取多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息，以进一步基于多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息分析，在社区内的资源产消对象与资源消费对象如何购电或售电、转移电量多少的情况下，可以提高社会化福利的同时优化资源产消对象与资源消费对象的效益。
在一示例中，第一能源信息可以包括资源产消对象对应的弹性负荷、非弹性负荷、风电设备的实际输出功率、电能储能状态信息等电力能源相关信息，在本实施例中不作具体限制；第二能源信息可以包括资源消费对象对应的弹性负荷、非弹性负荷、风电实际输出功率、电能储能状态信息等电力能源相关信息，在本实施例中不作具体限制。
步骤102，根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，构建能源关联模型集合；
其中，能源关联模型集合可以包括对象能耗模型、电能供应模型、储能系统模型。
在具体实现中，可以根据多个资源产消对象对应的第一能源信息和多个资源消费对象对应的第二能源信息，分别建立对象能耗模型、电能供应模型、储能系统模型，得到能源关联模型集合。
例如，可以根据多个资源产消对象对应的第一能源信息和多个资源消费对象对应的第二能源信息，确定用电需求分析信息和用电效用信息，进而可以基于用电需求分析信息和用电效用信息，得到对象能耗模型。
又如，可以根据多个资源产消对象对应的第一能源信息和多个资源消费对象对应的第二能源信息，确定风电出力约束信息和资源转移属性信息，进而可以基于风电出力约束信息和资源转移属性信息，得到电能供应模型。
又如，可以根据多个资源产消对象对应的第一能源信息和多个资源消费对象对应的第二能源信息，确定储能衰退属性信息，进而基于储能衰退属性信息得到储能系统模型。
步骤103，基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型；
其中，转移情况分析模型可以用于确定资源转移对象集合和电力能源转移量。
在一示例中，如图3所示，可以基于对象能耗模型、电能供应模型、储能系统模型进行一阶段模型优化，建立针对电力能源共享区域的转移情况分析模型，该转移情况分析模型可以根据输入的电力负荷、设备参数、约束条件等数据，确定资源转移对象集合和电力能源转移量。
在一个可选实施例中，转移情况分析模型可以包括社会福利函数，在一阶段优化时，以社会福利函数最大化为目标，可以求解得到资源消费对象或资源产消对象是直接与电力公司进行资源转移，或参与能量共享的资源转移以及相应的资源转移量。
步骤104，根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型；所述资源转移结果包括各所述资源产消对象对应的第一资源转移结果和各所述资源消费对象对应的第二资源转移结果。
作为一示例，资源转移预测模型可以为基于Nash议价理论建立的模型，Nash议价理论是合作博弈的一个分支，其核心在于合作联盟产生的合作剩余的公平公正分配，基于该机制有利于调动用户参与资源转移的积极性，可以使得资源转移模式下用户之间是互惠互利的关系。
在一示例中，如图3所示，可以基于Nash议价模型进行二阶段模型优化，以建立针对电力能源共享区域的资源转移预测模型，该资源转移预测模型可以根据输入的资源转移对象集合和电力能源转移量等数据，得到最优的各资源产消对象对应的第一资源转移结果，如最优电费报酬，以及各资源消费对象对应的第二资源转移结果，如最优支付电费。
相较于传统方法，本实施例的技术方案，针对社区能源的资源转移市场中用户间能源共享和资源转移的决策和资源分配情况，通过基于Nash议价理论的两阶段优化方法来优化用户能量共享和资源转移的策略，可以使得用户的效益达到最优，在优化的第一阶段，以社会福利函数最大化为目标，可以求解用户是否参与能量共享的资源转移以及相应的资源转移量，在优化的第二阶段，基于Nash议价模型，可以确定用户间的最优资源转移情况。
上述基于电力能源的资源转移方法中，通过获取电力能源共享区域对应的对象信息，然后根据多个资源产消对象对应的第一能源信息和多个资源消费对象对应的第二能源信息，构建能源关联模型集合，基于对象能耗模型、电能供应模型、储能系统模型，构建针对电力能源共享区域的转移情况分析模型，进而根据资源转移对象集合和电力能源转移量，构建用于预测电力能源共享区域对应的资源转移结果的资源转移预测模型，实现了对电力能源共享区域的资源转移方法优化，能够使得资源产消对象和资源消费对象，以及电力能源共享区域均具有基于电力能源的最优资源转移结果。
在一个实施例中，所述根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，构建能源关联模型集合，可以包括如下步骤：
根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定用电需求分析信息和用电效用信息，并基于所述用电需求分析信息和所述用电效用信息，得到所述对象能耗模型；根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定风电出力约束信息和资源转移属性信息，并基于所述风电出力约束信息和所述资源转移属性信息，得到所述电能供应模型；根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定储能衰退属性信息，并基于所述储能衰退属性信息得到所述储能系统模型。
在实际应用中，如图4所示，可以建立系统框架和基本模型，即建立用户能耗模型(即对象能耗模型)，其可以包括用电不满意成本函数(即用电需求分析信息)和用电效用函数(即用电效用信息)；建立电能供应模型，其可以包括风电出力约束(即风电出力约束信息)和用户购电成本函数模型(即资源转移属性信息)；建立储能系统模型，其可以储能衰退成本函数模型(即储能衰退属性信息)。
具体地，针对对象能耗模型，社区内的资源产消对象和资源消费对象均可以具有弹性负荷和非弹性负荷。其中，非弹性负荷用表示，/>表示用户i在t时段的非弹性负荷，T表示一天划分的时段数，数值为24；对于弹性负荷，用户可以根据偏好，变化电能服务时间或用电量，用/>表示，/>表示用户i在t时段的弹性负荷，则用户i在t时段的负荷为/>用电负荷为/> 约束关系可以采用如下方式表示：
其中，和/>是时段t中用户i功耗的最小值与最大值，/>代表用户i在整个时段内的最小总需求，/>表示用户i在时间t时的理想需求水平。
用户不满意成本函数可以采用如下方式表示：
其中，为每个用户i∈N的优先级因子，数值越大，则表示用户偏离理想的电力需求水平的意愿越低。为保证舒适要求，需满足：
用户用电效用函数可以采用如下方式表示：
其中，为权重因子，反映了用户用电效用与用户的能源消费偏好的权重。
在一示例中，针对电能供应模型，用户i的电能供应由小型风力发电机和电力公司提供的电能组成，Wi＝{Wi 1,…,Wi t,…,Wi T}表示各时段用户风电设备的实际输出功率，约束关系可以采用如下方式表示：
其中，指t时段风机的最大允许输出功率，由下式可得：
其中，和Vi t分别表示t时段用户的空气密度和风速，Kp为水轮机的功率系数，A为水轮机的扫掠面积，A＝3.14·R2,R＝2.63米。
对于资源消费对象，没有配备小型风力发电设备，只拥有储能系统的用户，则风电实际输出功率为Wi＝0。
当风电出力不能满足用户需求时，可以向电力公司或其它资源产消对象购买电力，如果用户有多余的电力，也可以向电力公司或者其它需要购买电力的用户出售电能为。和/>为用户向电力公司购买电力的集合，/>和/>分别表示用户i在t时段可能购买或出售给电力公司的电量，t时段电力公司的售电和购电价格为：
用户从电力公司购买的电力成本为：
在一示例中，针对储能系统模型，表示每个时段结束时用户i的储能状态集，用户i的储能系统在t时段的电能水平可以采用如下方式表示：
其中，ηloss_i表示自放电率，即一个时段内的储能损耗，ηc_i和ηd_i是t时段的充放电效率，和/>表示一个时段内的充放电电量，Δt＝1。
储能系统充放电深度的约束关系可以采用如下方式表示：
其中，和/>表示每个电池的最小和最大容量，充放电电量需满足以下约束：
其中，和/>是每个时段内储能系统可充电或放电的最大电量。
储能系统的衰退成本可通过引入一个价格系数来解释充电或放电一个单位能量时的存储退化，表示为：
本实施例中，通过根据多个资源产消对象对应的第一能源信息和多个资源消费对象对应的第二能源信息，分别建立对象能耗模型、电能供应模型、储能系统模型，可以为后续模型构建提供数据支持。
在一个实施例中，所述基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型，可以包括如下步骤：
基于所述对象能耗模型中的用电需求分析信息和用电效用信息、所述电能供应模型中的资源转移属性信息，以及所述储能系统模型中的储能衰退属性信息，建立针对所述电力能源共享区域的转移情况分析模型。
在实际应用中，如图4所示，可以通过建立一阶段优化模型，求解社会福利函数，进而可以确定参与能量共享的资源转移的用户集(即资源转移对象集合)和相应的资源转移量M和资源转移电量(即电力能源转移量)，可以基于上述公式(5)的用电效用(即用电效用信息)、公式(3)中的用电不满意度成本(即用电需求分析信息)、公式(10)的购售电成本(即资源转移属性信息)，以及公式(14)的储能系统衰退成本(即储能衰退属性信息)建立社会福利函数模型(即转移情况分析模型)，如下述公式(17)。
具体地，可以采用如下方式建立社会福利函数模型：用户是否有资格参与利益分配，取决于它是否有助于改善社会效益，可以通过求解社会福利函数确定参与能量共享的资源转移的用户集和资源转移量，社会福利可以定义为社区中所有用户的效用和。每个用户的效用可以由以下4部分组成：
(1)上述公式(5)确定的用电效用；
(2)上述公式(3)中确定的用电不满意度成本；
(3)上述公式(10)的购售电成本；
(4)上述公式(14)的储能系统衰退成本。
在一示例中，社会福利函数usw可以采用如下方式表示：
其中，ucon_i为用户i在参与社区能量共享的资源转移下的总效用(如用户i的效用价值之和)，表示在t时段用户j从用户i购买的电量，类似地，/>是指用户j在t时段向用户i出售的电力。/>和/>可以满足以下约束条件：
功率平衡约束为：
其中，表示用户i和社区内除i之外的用户在t时段的净交易电量，若表示用户i从其他用户处购买电能，而若/>则表示用户i向社区中的其他用户出售电能。
本实施例中，通过基于对象能耗模型中的用电需求分析信息和用电效用信息、电能供应模型中的资源转移属性信息，以及储能系统模型中的储能衰退属性信息，建立针对电力能源共享区域的转移情况分析模型，实现了建立一阶段优化模型。
在一个实施例中，在所述基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型的步骤之后，还可以包括如下步骤：
获取基于所述电力能源共享区域得到的第一输入数据，以及针对所述转移情况分析模型的第一辅助变量和第一求解参数；将所述第一输入数据输入至所述转移情况分析模型，基于所述第一辅助变量和所述第一求解参数，得到所述电力能源共享区域对应的资源转移对象集合和电力能源转移量。
在一示例中，在求解社会福利函数的过程中，可以利用拉格朗日乘子法求解上述问题(17)，进而可以确定参与能量共享的资源转移的用户集合和的资源转移电量。可以引入辅助变量(即第一辅助变量)，其可以采用如下方式表示：
其中，是用户i在t时段中从用户j购买的实际电量，每个辅助变量/>代表建议用户购买的电量。
可以引入拉格朗日乘子和惩罚参数ρ1ρ1＞0(即第一求解参数)，则社会福利函数的拉格朗日函数为：
关于固定对偶变量和辅助变量的优化问题可以采用如下方式表示：
通过求解问题(20)可以确定参与能量共享的资源转移的用户集合M(即资源转移对象集合)和资源转移电量(即电力能源转移量)。
本实施例中，通过获取基于电力能源共享区域得到的第一输入数据，以及针对转移情况分析模型的第一辅助变量和第一求解参数，进而将第一输入数据输入至转移情况分析模型，基于第一辅助变量和第一求解参数，得到电力能源共享区域对应的资源转移对象集合和电力能源转移量，为二阶段模型优化提供了数据支持。
在一个实施例中，所述根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型，可以包括如下步骤：
获取资源转移特征信息；所述资源转移特征信息包括用电负荷特征信息和效用特征信息；根据所述电力能源转移量确定资源转移效用信息；结合所述资源转移对象集合、所述资源转移特征信息，以及所述资源转移效用信息，建立所述资源转移预测模型。
在具体实现中，如图4所示，可以通过建立二阶段优化模型，求解基于Nash议价理论的支付议价问题，以确定最优支付电费，可以针对下述求解问题(21)，获得谈判破裂点和unon_i(即资源转移特征信息包括用电负荷特征信息和效用特征信息)，然后可以基于上述问题(20)求解得到的资源转移电量/>和公式(17)求解得到参与能量共享的资源转移时的效用ucon_i，进而可以建立支付议价问题模型(即资源转移预测模型)，如下述公式(26)。
例如，针对求解谈判破裂点，谈判破裂点可以为未达成合作时的解，可以针对不参与社区能量共享的资源转移的资源产消对象，直接将其剩余电能售卖给电力公司优化时所对应的最优用电负荷和最大效用unon_i，作为Nash议价模型中的谈判破裂点。谈判破裂点/>和unon_i可以采用如下方式计算得到：
上式优化得到的最大值即为最大效用unon_i，对应的用电负荷的值为/>
需满足的功率平衡约束为：
t时段出售给电力公司的电能需要满足以下不等式：
其中，t时段风电机组的最大允许输出功率减去风电实际出力(即)为t时段用户的剩余电能，/>为t时段电池电量。
在一示例中，建立基于Nash议价理论的支付议价问题时，如图4所示，可以上述问题(20)的求解，得到参与了能量共享的资源转移的用户集合M和资源转移电量其中，i∈M。
基于问题(20)求解得到的资源转移电量和上述公式(17)求解得到ucon_i；根据上述式(21)可以求解得到unon_i；基于ucon_i和unon_i，参与能量共享的资源转移的用户的支付议价问题可以采用如下方式表示：
uf_i+ucon_i-unon_i为指用户i通过利用Nash议价的方法参与用户能量共享的资源转移所提高的效用。其中，uf_i表示集合M中的每个用户i与其他用户进行资源转移的总资源转移量，通过Nash议价计算，并由资源转移电量/>的值决定，/>表示资源转移电量相对应的电费，如果值为正，则用户j支付给用户i相应的电费；否则，用户i向用户j支付相应的电费。集合M中的所有用户之间的支付电费必须满足以下约束：
当参与能源共享的资源转移的用户的总效用(即效用价值ucon_i和费用uf_i之和)大于单独优化(不参与能量共享的资源转移)的效用时，用户i才会参与能量共享的资源转移，即需满足以下约束：
unon_i≤uf_i+ucon_i (25)
本实施例中，通过获取资源转移特征信息，然后根据电力能源转移量确定资源转移效用信息，进而结合资源转移对象集合、资源转移特征信息，以及资源转移效用信息，建立资源转移预测模型，实现了建立二阶段优化模型。
在一个实施例中，在所述根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型的步骤之后，还可以包括如下步骤：
获取针对所述资源转移预测模型的第二辅助变量和第二求解参数；将所述资源转移对象集合和所述电力能源转移量作为第二输入数据，并将所述第二输入数据输入至所述资源转移预测模型，基于所述第二辅助变量和所述第二求解参数，得到所述电力能源共享区域对应的资源转移结果。
在一示例中，在支付议价问题的求解的过程中，(4)可以利用拉格朗日乘子法求解上述问题(26)，可以引入辅助变量(即第二辅助变量)，其可以采用如下方式表示：
其中，表示用户i和用户j在某个时段t内的电力资源转移支付电费，/>表示建议用户的支付电费，可以引入拉格朗日乘子/>和惩罚参数ρ2(ρ2＞0)(即第二求解参数)，则支付议价问题的拉格朗日函数可表示为：
则原支付议价问题(26)可转化为求解以下问题：
通过求解问题(29)，可以确定最优支付电费(即电力能源共享区域对应的资源转移结果)。
本实施例中，通过获取针对资源转移预测模型的第二辅助变量和第二求解参数，进而将资源转移对象集合和电力能源转移量作为第二输入数据，并将第二输入数据输入至资源转移预测模型，基于第二辅助变量和第二求解参数，得到电力能源共享区域对应的资源转移结果，能够得到最优资源转移结果。
在一个实施例中，如图5所示，提供了另一种基于电力能源的资源转移方法的流程示意图。本实施例中，该方法包括以下步骤：
在步骤501中，根据多个资源产消对象对应的第一能源信息和多个资源消费对象对应的第二能源信息，构建能源关联模型集合，能源关联模型集合包括对象能耗模型、电能供应模型、储能系统模型。在步骤502中，基于对象能耗模型中的用电需求分析信息和用电效用信息、电能供应模型中的资源转移属性信息，以及储能系统模型中的储能衰退属性信息，建立针对电力能源共享区域的转移情况分析模型。在步骤503中，获取基于电力能源共享区域得到的第一输入数据，以及针对转移情况分析模型的第一辅助变量和第一求解参数。在步骤504中，将第一输入数据输入至转移情况分析模型，基于第一辅助变量和第一求解参数，得到电力能源共享区域对应的资源转移对象集合和电力能源转移量。在步骤505中，获取资源转移特征信息，根据电力能源转移量确定资源转移效用信息；资源转移特征信息包括用电负荷特征信息和效用特征信息。在步骤506中，结合资源转移对象集合、资源转移特征信息，以及资源转移效用信息，建立资源转移预测模型。在步骤507中，获取针对资源转移预测模型的第二辅助变量和第二求解参数。在步骤508中，将资源转移对象集合和电力能源转移量作为第二输入数据，并将第二输入数据输入至资源转移预测模型，基于第二辅助变量和第二求解参数，得到电力能源共享区域对应的资源转移结果。需要说明的是，上述步骤的具体限定可以参见上文对一种基于电力能源的资源转移方法的具体限定，在此不再赘述。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于电力能源的资源转移方法的基于电力能源的资源转移装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于电力能源的资源转移装置实施例中的具体限定可以参见上文中对于基于电力能源的资源转移方法的限定，在此不再赘述。
在一个实施例中，如图6所示，提供了一种基于电力能源的资源转移装置，包括：
对象信息获取模块601，用于获取电力能源共享区域对应的对象信息；所述对象信息包括多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息；
能源关联模型集合得到模块602，用于根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，构建能源关联模型集合；所述能源关联模型集合包括对象能耗模型、电能供应模型、储能系统模型；
转移情况分析模型构建模块603，用于基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型；所述转移情况分析模型用于确定资源转移对象集合和电力能源转移量；
资源转移预测模型得到模块604，用于根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型；所述资源转移结果包括各所述资源产消对象对应的第一资源转移结果和各所述资源消费对象对应的第二资源转移结果。
在一个实施例中，所述能源关联模型集合得到模块602包括：
对象能耗模型得到子模块，用于根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定用电需求分析信息和用电效用信息，并基于所述用电需求分析信息和所述用电效用信息，得到所述对象能耗模型；
电能供应模型得到子模块，用于根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定风电出力约束信息和资源转移属性信息，并基于所述风电出力约束信息和所述资源转移属性信息，得到所述电能供应模型；
储能系统模型得到子模块，用于根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定储能衰退属性信息，并基于所述储能衰退属性信息得到所述储能系统模型。
在一个实施例中，所述转移情况分析模型构建模块603包括：
转移情况分析模型构建子模块，用于基于所述对象能耗模型中的用电需求分析信息和用电效用信息、所述电能供应模型中的资源转移属性信息，以及所述储能系统模型中的储能衰退属性信息，建立针对所述电力能源共享区域的转移情况分析模型。
在一个实施例中，所述装置还包括：
第一求解信息获取模块，用于获取基于所述电力能源共享区域得到的第一输入数据，以及针对所述转移情况分析模型的第一辅助变量和第一求解参数；
第一求解模块，用于将所述第一输入数据输入至所述转移情况分析模型，基于所述第一辅助变量和所述第一求解参数，得到所述电力能源共享区域对应的资源转移对象集合和电力能源转移量。
在一个实施例中，所述资源转移预测模型得到模块604包括：
资源转移特征信息获取子模块，用于获取资源转移特征信息；所述资源转移特征信息包括用电负荷特征信息和效用特征信息；
资源转移效用信息确定子模块，用于根据所述电力能源转移量确定资源转移效用信息；
资源转移预测模型构建子模块，用于结合所述资源转移对象集合、所述资源转移特征信息，以及所述资源转移效用信息，建立所述资源转移预测模型。
在一个实施例中，所述装置还包括：
第二求解信息获取模块，用于获取针对所述资源转移预测模型的第二辅助变量和第二求解参数；
第二求解模块，用于将所述资源转移对象集合和所述电力能源转移量作为第二输入数据，并将所述第二输入数据输入至所述资源转移预测模型，基于所述第二辅助变量和所述第二求解参数，得到所述电力能源共享区域对应的资源转移结果。
上述基于电力能源的资源转移装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于电力能源的资源转移方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取电力能源共享区域对应的对象信息；所述对象信息包括多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息；
根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，构建能源关联模型集合；所述能源关联模型集合包括对象能耗模型、电能供应模型、储能系统模型；
基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型；所述转移情况分析模型用于确定资源转移对象集合和电力能源转移量；
根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型；所述资源转移结果包括各所述资源产消对象对应的第一资源转移结果和各所述资源消费对象对应的第二资源转移结果。
在一个实施例中，处理器执行计算机程序时还实现上述其他实施例中的基于电力能源的资源转移方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取电力能源共享区域对应的对象信息；所述对象信息包括多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息；
根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，构建能源关联模型集合；所述能源关联模型集合包括对象能耗模型、电能供应模型、储能系统模型；
基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型；所述转移情况分析模型用于确定资源转移对象集合和电力能源转移量；
根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型；所述资源转移结果包括各所述资源产消对象对应的第一资源转移结果和各所述资源消费对象对应的第二资源转移结果。
在一个实施例中，计算机程序被处理器执行时还实现上述其他实施例中的基于电力能源的资源转移方法的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取电力能源共享区域对应的对象信息；所述对象信息包括多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息；
根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，构建能源关联模型集合；所述能源关联模型集合包括对象能耗模型、电能供应模型、储能系统模型；
基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型；所述转移情况分析模型用于确定资源转移对象集合和电力能源转移量；
根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型；所述资源转移结果包括各所述资源产消对象对应的第一资源转移结果和各所述资源消费对象对应的第二资源转移结果。
在一个实施例中，计算机程序被处理器执行时还实现上述其他实施例中的基于电力能源的资源转移方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于电力能源的资源转移方法，其特征在于，所述方法包括：
获取电力能源共享区域对应的对象信息；所述对象信息包括多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息；所述第一能源信息包括所述资源产消对象对应的弹性负荷、非弹性负荷、风电设备的实际输出功率、电能储能状态信息，第二能源信息包括所述资源消费对象对应的弹性负荷、非弹性负荷、风电实际输出功率、电能储能状态信息；
根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，构建能源关联模型集合；所述能源关联模型集合包括对象能耗模型、电能供应模型、储能系统模型；包括：根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定用电需求分析信息和用电效用信息，并基于所述用电需求分析信息和所述用电效用信息，得到所述对象能耗模型；根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定风电出力约束信息和资源转移属性信息，并基于所述风电出力约束信息和所述资源转移属性信息，得到所述电能供应模型；根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定储能衰退属性信息，并基于所述储能衰退属性信息得到所述储能系统模型；
基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型；所述转移情况分析模型用于确定资源转移对象集合和电力能源转移量；
根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型；所述资源转移结果包括各所述资源产消对象对应的第一资源转移结果和各所述资源消费对象对应的第二资源转移结果；包括：获取资源转移特征信息；所述资源转移特征信息包括用电负荷特征信息和效用特征信息；根据所述电力能源转移量确定资源转移效用信息；结合所述资源转移对象集合、所述资源转移特征信息，以及所述资源转移效用信息，建立所述资源转移预测模型。
2.根据权利要求1所述的方法，其特征在于，所述基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型，包括：
基于所述对象能耗模型中的用电需求分析信息和用电效用信息、所述电能供应模型中的资源转移属性信息，以及所述储能系统模型中的储能衰退属性信息，建立针对所述电力能源共享区域的转移情况分析模型。
3.根据权利要求1所述的方法，其特征在于，在所述基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型的步骤之后，所述方法还包括：
获取基于所述电力能源共享区域得到的第一输入数据，以及针对所述转移情况分析模型的第一辅助变量和第一求解参数；
将所述第一输入数据输入至所述转移情况分析模型，基于所述第一辅助变量和所述第一求解参数，得到所述电力能源共享区域对应的资源转移对象集合和电力能源转移量。
4.根据权利要求1至3任一项所述的方法，其特征在于，在所述根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型的步骤之后，所述方法还包括：
获取针对所述资源转移预测模型的第二辅助变量和第二求解参数；
将所述资源转移对象集合和所述电力能源转移量作为第二输入数据，并将所述第二输入数据输入至所述资源转移预测模型，基于所述第二辅助变量和所述第二求解参数，得到所述电力能源共享区域对应的资源转移结果。
5.一种基于电力能源的资源转移装置，其特征在于，所述装置包括：
对象信息获取模块，用于获取电力能源共享区域对应的对象信息；所述对象信息包括多个资源产消对象对应的第一能源信息、多个资源消费对象对应的第二能源信息；所述第一能源信息包括所述资源产消对象对应的弹性负荷、非弹性负荷、风电设备的实际输出功率、电能储能状态信息，第二能源信息包括所述资源消费对象对应的弹性负荷、非弹性负荷、风电实际输出功率、电能储能状态信息；
能源关联模型集合得到模块，用于根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，构建能源关联模型集合；所述能源关联模型集合包括对象能耗模型、电能供应模型、储能系统模型；
转移情况分析模型构建模块，用于基于所述对象能耗模型、所述电能供应模型、所述储能系统模型，构建针对所述电力能源共享区域的转移情况分析模型；所述转移情况分析模型用于确定资源转移对象集合和电力能源转移量；
资源转移预测模型得到模块，用于根据所述资源转移对象集合和所述电力能源转移量，构建用于预测所述电力能源共享区域对应的资源转移结果的资源转移预测模型；所述资源转移结果包括各所述资源产消对象对应的第一资源转移结果和各所述资源消费对象对应的第二资源转移结果；
其中，所述能源关联模型集合得到模块包括：
对象能耗模型得到子模块，用于根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定用电需求分析信息和用电效用信息，并基于所述用电需求分析信息和所述用电效用信息，得到所述对象能耗模型；
电能供应模型得到子模块，用于根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定风电出力约束信息和资源转移属性信息，并基于所述风电出力约束信息和所述资源转移属性信息，得到所述电能供应模型；
储能系统模型得到子模块，用于根据所述多个资源产消对象对应的第一能源信息和所述多个资源消费对象对应的第二能源信息，确定储能衰退属性信息，并基于所述储能衰退属性信息得到所述储能系统模型；
所述资源转移预测模型得到模块包括：
资源转移特征信息获取子模块，用于获取资源转移特征信息；所述资源转移特征信息包括用电负荷特征信息和效用特征信息；
资源转移效用信息确定子模块，用于根据所述电力能源转移量确定资源转移效用信息；
资源转移预测模型构建子模块，用于结合所述资源转移对象集合、所述资源转移特征信息，以及所述资源转移效用信息，建立所述资源转移预测模型。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
7.一种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权利要求1至4中任一项所述的方法的步骤。
8.一种计算机程序产品，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权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211453109.1A CN115713211B (zh) | 2022-11-21 | 2022-11-21 | 基于电力能源的资源转移方法、装置、计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211453109.1A CN115713211B (zh) | 2022-11-21 | 2022-11-21 | 基于电力能源的资源转移方法、装置、计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115713211A CN115713211A (zh) | 2023-02-24 |
| CN115713211B true CN115713211B (zh) | 2024-03-19 |
Family
ID=85233895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211453109.1A Active CN115713211B (zh) | 2022-11-21 | 2022-11-21 | 基于电力能源的资源转移方法、装置、计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115713211B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015027281A1 (en) * | 2013-08-29 | 2015-03-05 | Applied Hybrid Energy Pty Ltd | Energy control and generation method and system |
| CN109492905A (zh) * | 2018-11-08 | 2019-03-19 | 四川大学 | 一种基于购电量转移的可控资源控制方法 |
| JP2019082848A (ja) * | 2017-10-30 | 2019-05-30 | ネモ パートナーズ エヌイーシー | 新再生エネルギービジネスモデルの経済性を分析し通知するための装置 |
| WO2020143851A2 (en) * | 2020-04-13 | 2020-07-16 | Alipay (Hangzhou) Information Technology Co., Ltd. | Method and system for optimizing resource redistribution |
| KR20210012630A (ko) * | 2019-07-26 | 2021-02-03 | 한국전기연구원 | P2p 전력거래 메커니즘 설계 방법 및 그 시스템 |
| CN113361875A (zh) * | 2021-05-24 | 2021-09-07 | 三峡大学 | 计及需求侧响应和共享储能的多微电网综合能源系统优化调度方法 |
| CN113609653A (zh) * | 2021-07-15 | 2021-11-05 | 东北电力大学 | 一种基于点对点电能共享的智能楼宇群分布式优化调度方法 |
| CN113869927A (zh) * | 2021-03-29 | 2021-12-31 | 四川大学 | 一种促进社区微网内部多产消者能源共享的分时定价方法 |
| KR20220054112A (ko) * | 2020-10-23 | 2022-05-02 | 주식회사 에코전력 | 선불결제방식의 전력관리시스템과 이를 이용한 블록단위의 전력관리시스템 |
| CN115239105A (zh) * | 2022-07-13 | 2022-10-25 | 国华能源投资有限公司 | 一种在役风电场的风资源的评估方法以及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040054564A1 (en) * | 2002-09-17 | 2004-03-18 | Fonseca Adolfo M. | Systems and methods for the optimization of resources in energy markets |
| US11334036B2 (en) * | 2019-07-02 | 2022-05-17 | Microsoft Technology Licensing, Llc | Power grid aware machine learning device |
-
2022
- 2022-11-21 CN CN202211453109.1A patent/CN115713211B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015027281A1 (en) * | 2013-08-29 | 2015-03-05 | Applied Hybrid Energy Pty Ltd | Energy control and generation method and system |
| JP2019082848A (ja) * | 2017-10-30 | 2019-05-30 | ネモ パートナーズ エヌイーシー | 新再生エネルギービジネスモデルの経済性を分析し通知するための装置 |
| CN109492905A (zh) * | 2018-11-08 | 2019-03-19 | 四川大学 | 一种基于购电量转移的可控资源控制方法 |
| KR20210012630A (ko) * | 2019-07-26 | 2021-02-03 | 한국전기연구원 | P2p 전력거래 메커니즘 설계 방법 및 그 시스템 |
| WO2020143851A2 (en) * | 2020-04-13 | 2020-07-16 | Alipay (Hangzhou) Information Technology Co., Ltd. | Method and system for optimizing resource redistribution |
| KR20220054112A (ko) * | 2020-10-23 | 2022-05-02 | 주식회사 에코전력 | 선불결제방식의 전력관리시스템과 이를 이용한 블록단위의 전력관리시스템 |
| CN113869927A (zh) * | 2021-03-29 | 2021-12-31 | 四川大学 | 一种促进社区微网内部多产消者能源共享的分时定价方法 |
| CN113361875A (zh) * | 2021-05-24 | 2021-09-07 | 三峡大学 | 计及需求侧响应和共享储能的多微电网综合能源系统优化调度方法 |
| CN113609653A (zh) * | 2021-07-15 | 2021-11-05 | 东北电力大学 | 一种基于点对点电能共享的智能楼宇群分布式优化调度方法 |
| CN115239105A (zh) * | 2022-07-13 | 2022-10-25 | 国华能源投资有限公司 | 一种在役风电场的风资源的评估方法以及装置 |
Non-Patent Citations (4)
| Title |
|---|
| 含可响应资源的综合能源多目标低碳优化调度;付岚， 单智习， 牟光臣;可再生能源;第第40卷卷(第7期);972-979 * |
| 泛在电力物联网下基于区块链的分布式资源参与电力市场交易;郁浩;陆青;;山东电力技术(03);45-51 * |
| 考虑共享储能的社区综合能源系统协同优化研究;王仕俊;平常;薛国斌;;中国电力;20180814(第08期);82-89 * |
| 面向智能园区多产消者能量管理的对等模型(P2P)建模与优化运行;吴界辰;艾欣;胡俊杰;吴洲洋;;电网技术(01);60-69 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115713211A (zh) | 2023-02-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | Electricity trading pricing among prosumers with game theory-based model in energy blockchain environment | |
| Kang et al. | Enabling localized peer-to-peer electricity trading among plug-in hybrid electric vehicles using consortium blockchains | |
| Ye et al. | Towards cost minimization with renewable energy sharing in cooperative residential communities | |
| Luo et al. | Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources | |
| Zhou et al. | An online procurement auction for power demand response in storage-assisted smart grids | |
| Li et al. | Incentivizing distributed energy trading among prosumers: A general Nash bargaining approach | |
| Xuanyue et al. | Peer-to-peer multi-energy distributed trading for interconnected microgrids: A general Nash bargaining approach | |
| CN107341574A (zh) | 计及需求响应的虚拟电厂多阶段竞价优化方法及计算设备 | |
| Jember et al. | Game and contract theory-based energy transaction management for internet of electric vehicle | |
| CN110738375A (zh) | 基于联盟链框架的主动配电网电力交易主体优化决策方法 | |
| CN115587668A (zh) | 多园区综合能源系统分布式协同优化调度方法 | |
| Lu et al. | Non-cooperative game pricing strategy for maximizing social welfare in electrified transportation networks | |
| Xia et al. | The flexible roles of distributed energy storages in peer-to-peer transactive energy market: A state-of-the-art review | |
| Li et al. | Towards double auction for assisting electric vehicles demand response in smart grid | |
| Kim et al. | Pricing mechanisms for peer-to-peer energy trading: Towards an integrated understanding of energy and network service pricing mechanisms | |
| Guo et al. | Energy management of Internet data centers in multiple local energy markets | |
| Chen et al. | Asymmetric Nash bargaining-based cooperative energy trading of multi-park integrated energy system under carbon trading mechanism | |
| Tucker et al. | An online scheduling algorithm for a community energy storage system | |
| Wang et al. | Inventory management of battery swapping and charging stations considering uncertainty | |
| CN117394438A (zh) | 考虑通信基站可调节潜力的分布式光伏准入容量评估方法 | |
| Xing et al. | [Retracted] Optimal Coordinated Energy Management in Active Distribution System with Battery Energy Storage and Price‐Responsive Demand | |
| CN117634708A (zh) | 一种基于双向主从-合作博弈的园区综合能源系统协调优化运行方法 | |
| CN117239810A (zh) | 虚拟电厂电能调度方案获取方法、装置和设备 | |
| CN115713211B (zh) | 基于电力能源的资源转移方法、装置、计算机设备 | |
| CN115660351A (zh) | 一种基于shapley值的收益分配方法和装置 |
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 |