CN115983430A - 一种综合能源系统管理优化的方法及系统 - Google Patents
一种综合能源系统管理优化的方法及系统 Download PDFInfo
- Publication number
- CN115983430A CN115983430A CN202211540044.4A CN202211540044A CN115983430A CN 115983430 A CN115983430 A CN 115983430A CN 202211540044 A CN202211540044 A CN 202211540044A CN 115983430 A CN115983430 A CN 115983430A
- Authority
- CN
- China
- Prior art keywords
- energy
- load
- matrix
- energy supply
- supply threshold
- 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 36
- 239000011159 matrix material Substances 0.000 claims abstract description 240
- 230000005611 electricity Effects 0.000 claims abstract description 64
- 238000005457 optimization Methods 0.000 claims abstract description 63
- 238000001816 cooling Methods 0.000 claims description 43
- 238000010438 heat treatment Methods 0.000 claims description 42
- 238000010248 power generation Methods 0.000 claims description 25
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000003066 decision tree Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 8
- 230000020169 heat generation Effects 0.000 claims description 7
- 239000007789 gas Substances 0.000 description 65
- 238000007726 management method Methods 0.000 description 33
- 238000005265 energy consumption Methods 0.000 description 18
- 230000006399 behavior Effects 0.000 description 16
- 238000012549 training Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 238000005057 refrigeration Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007636 ensemble learning method Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
Images
Landscapes
- Air Conditioning Control Device (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及综合能源管理技术领域，提供了一种综合能源系统管理优化的方法及系统，包括：对预设区域的用户侧预设时间区间的能源负荷进行智能预测，生成用电负荷、用气负荷、用冷负荷和用热负荷，构建能源需求矩阵；根据供气机组，确定第一能源供应阈值矩阵；根据发电机组，确定第二能源供应阈值矩阵；根据供热机组，确定第三能源供应阈值矩阵；根据第一能源供应阈值矩阵、第二能源供应阈值矩阵和第三能源供应阈值矩阵，基于能源需求矩阵进行能源调度优化，生成能源调度优化方案；将能源调度优化方案发送至管理终端。解决了现有技术中由于综合能源管理的自动化程度较低，导致存在决策效率较低的技术问题。
Description
技术领域
本发明涉及综合能源管理相关技术领域，具体涉及一种综合能源系统管理优化的方法及系统。
背景技术
综合能源系统即多类型多需求能源供应体系的综合管理平台，通过综合能源系统可以实时观测供给侧的能源产出状态，用户侧的能源消耗状态，并对供给侧和用户侧进行调度协同，实现能源管理的宏观调整。
目前综合能源系统进行能源综合管理时，主要方式是通过工作人员针对相应区域进行各项负荷的预测，然后调整对应的供给侧进行能源供给，虽然满足了能源供给的需求，但是决策效率，以及管理精细化程度较低，无法满足绿色可持续发展的需求。
综上所述，现有技术中由于综合能源管理的自动化程度较低，导致存在决策效率较低的技术问题。
发明内容
本申请通过提供了一种综合能源系统管理优化的方法及系统，旨在解决现有技术中由于综合能源管理的自动化程度较低，导致存在决策效率较低的技术问题。
鉴于上述问题，本申请实施例提供了一种综合能源系统管理优化的方法及系统。
本申请公开的第一个方面，提供了一种综合能源系统管理优化的方法，其中，包括：对预设区域的用户侧预设时间区间的能源负荷进行智能预测，生成用电负荷、用气负荷、用冷负荷和用热负荷；根据所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷，构建能源需求矩阵；根据供气机组，确定第一能源供应阈值矩阵；根据发电机组，确定第二能源供应阈值矩阵；根据供热机组，确定第三能源供应阈值矩阵；根据所述第一能源供应阈值矩阵、所述第二能源供应阈值矩阵和所述第三能源供应阈值矩阵，基于所述能源需求矩阵进行能源调度优化，生成能源调度优化方案；将所述能源调度优化方案发送至管理终端。
本申请公开的另一个方面，提供了一种综合能源系统管理优化的系统，其中，包括：负荷预测模块，用于对预设区域的用户侧预设时间区间的能源负荷进行智能预测，生成用电负荷、用气负荷、用冷负荷和用热负荷；需求矩阵构建模块，用于根据所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷，构建能源需求矩阵；第一能源供应阈值确定模块，用于根据供气机组，确定第一能源供应阈值矩阵；第二能源供应阈值确定模块，用于根据发电机组，确定第二能源供应阈值矩阵；第三能源供应阈值确定模块，用于根据供热机组，确定第三能源供应阈值矩阵；能源调度优化模块，用于根据所述第一能源供应阈值矩阵、所述第二能源供应阈值矩阵和所述第三能源供应阈值矩阵，基于所述能源需求矩阵进行能源调度优化，生成能源调度优化方案；任务执行模块，用于将所述能源调度优化方案发送至管理终端。
本申请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：
由于采用了对预设区域的用户侧预设时间的能源负荷进行智能化预测，得到用电负荷、用气负荷、用冷负荷和用热负荷；根据用电负荷、用气负荷、用冷负荷和用热负荷，构建能源需求矩阵；根据供气机组，确定供气机组对应的能源供应阈值矩阵；根据发电机组，确定发电机组对应的第二能源供应阈值矩阵；根据供热机组，确定供热机组对应的第三能源供应阈值矩阵；根据第一能源供应阈值矩阵、第二能源供应阈值矩阵和第三能源供应阈值矩阵，以能源需求矩阵作为目标进行优化，得到能源调度优化方案，管理终端根据自动化生成的能源调度优化方案进行能源调度管理，基于自动化程度较高的决策过程的技术方案，达到了提升综合能源管理决策效率的技术效果。
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综合能源系统管理优化的方法可能的流程示意图；
图2为本申请实施例提供了一种综合能源系统管理优化的方法中负荷预测可能的流程示意图；
图3为本申请实施例提供了一种综合能源系统管理优化的系统可能的结构示意图。
附图标记说明：负荷预测模块100，需求矩阵构建模块200，第一能源供应阈值确定模块300，第二能源供应阈值确定模块400，第三能源供应阈值确定模块500，能源调度优化模块600，任务执行模块700。
具体实施方式
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综合能源系统管理优化的方法及系统。由于采用了对预设区域的用户侧预设时间的能源负荷进行智能化预测，得到用电负荷、用气负荷、用冷负荷和用热负荷；根据用电负荷、用气负荷、用冷负荷和用热负荷，构建能源需求矩阵；根据供气机组，确定供气机组对应的能源供应阈值矩阵；根据发电机组，确定发电机组对应的第二能源供应阈值矩阵；根据供热机组，确定供热机组对应的第三能源供应阈值矩阵；根据第一能源供应阈值矩阵、第二能源供应阈值矩阵和第三能源供应阈值矩阵，以能源需求矩阵作为目标进行优化，得到能源调度优化方案，管理终端根据自动化生成的能源调度优化方案进行能源调度管理，基于自动化程度较高的决策过程的技术方案，达到了提升综合能源管理决策效率的技术效果。
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综合能源系统管理优化的方法，其中，包括步骤：
S10：对预设区域的用户侧预设时间区间的能源负荷进行智能预测，生成用电负荷、用气负荷、用冷负荷和用热负荷；
具体而言，用电负荷、用气负荷、用冷负荷和用热负荷指的是通过智能化模型，对预设区域的用户侧预设时间区间内的用电、用气、用冷、用热分别预测得到的结果。优选的：负荷预测模型基于回归决策树，采集用电日志数据、用气日志数据、用冷日志数据和用热日志数据训练得到。
负荷预测模型的构建过程如下：
第一步：划分区域：
进一步的，如图2所示，基于所述对预设区域的用户侧预设时间区间的能源负荷进行智能预测，生成用电负荷、用气负荷、用冷负荷和用热负荷，步骤S10包括步骤：
S11：对所述预设区域按照建筑类型进行区域划分，生成一级区域划分结果；
S12：遍历所述一级区域划分结果按照用户类型进行区域划分，生成二级区域划分结果；
S13：遍历所述二级区域划分结果，基于所述预设时间区间采集用电日志数据、用气日志数据、用冷日志数据和用热日志数据；
S14：遍历所述用电日志数据、所述用气日志数据、所述用冷日志数据和所述用热日志数据，基于回归决策树，构建负荷预测模型；
S15：根据所述负荷预测模型对所述用户侧预设时间区间的能源负荷进行智能预测，生成所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷。
具体而言，由于基于不同的建筑类型，示例性地如：写字楼建筑、居民建筑、学校建筑、体育馆建筑、工业园区建筑等；以及不同的用户类型，示例性地如：同一片工业园区内的不同行业所在区域等。以上两项都会导致能源消耗速度差异较大，因此基于不同的建筑类型和不同的用户类型对预设区域进行区域划分。
优选的，设定第一能源消耗速度阈值，比较不同的建筑类型之间的能源消耗速度，若是大于或等于第一能源消耗速度阈值，则划分为同类区域，若是小于第一能源消耗速度阈值，则划分为不同类区域，将最终的划分结果记为一级区域划分结果；设定第二能源消耗速度阈值，第二能源消耗速度阈值小于第一能源消耗速度阈值，根据第二能源消耗速度阈值，比较相同建筑类型中的不同的用户类型，即比较一级区域划分结果中的多个用户类型之间的能源消耗速度，若是偏差大于或等于第二能源消耗速度阈值，则划分为一类区域，若是小于第二能源消耗速度阈值，则划分为不同类区域，将最终的划分结果记为二级区域划分结果。
区域划分后，再基于区域划分结果所采集的历史能源消耗数据代表性更强，对于任意一个区域都需要构建一个和该区域对应的负荷预测模型，用于专门评估该区域的用电负荷、用气负荷、用热负荷、用冷负荷；最后再将多个划分区域的用电负荷、用气负荷、用热负荷、用冷负荷加和，就得到最终的预设区域的用电负荷、用气负荷、用热负荷、用冷负荷。
用电日志数据、用气日志数据、用冷日志数据和用热日志数据指的是采集同类型的区域的预设年数的预设时间区间的多个时间段的多组能源消耗数据所得的历史数据。示例性地：某小区，户数有500户，入住户数400户，预设时间区间为9月到12月，采集用电信息：则优选的采集1000个同类型的小区，户数有500户，入住户数400户的小区，将9月到12月以15天为单位，划分为多个时间段，采集五年内对应的1000个同类型的小区的9月到12月的多个时间段的用电信息，每一组用电信息都包括用户行为信息、用电时区信息和用电量记录数据，其中，用户行为信息指的是统计对应的历史用户用电信息时，小区是否有大型活动，是否发生异常变故等事件，若是未发生，优选的记为一般用户行为，若是发生了影响能源损耗速度的事件，则依据事件的不同记为第一事件用户行为，第二事件用户行为直到第M事件用户行为，表征不同事件。
再进一步，遍历所述用电日志数据、所述用气日志数据、所述用冷日志数据和所述用热日志数据，基于回归决策树，构建负荷预测模型；再根据多个区域的多个负荷预测模型对用户侧预设时间区间的能源负荷进行智能预测，生成多个用电负荷、多个用气负荷、多个用冷负荷和多个用热负荷，再对多个用电负荷、多个用气负荷、多个用冷负荷和多个用热负荷分别加和，得到用电负荷、用气负荷、用冷负荷和用热负荷。通过对用电负荷、用气负荷、用冷负荷和用热负荷的分区预测，再依据不同的事件对用电负荷、用气负荷、用冷负荷和用热负荷进行差异化表征，进而提高了用电负荷、用气负荷、用冷负荷和用热负荷预测准确性。为后步精细化的能源调度提供了基础。
第二步：负荷预测模型的详细构建过程如下：
进一步的，所述遍历所述用电日志数据、所述用气日志数据、所述用冷日志数据和所述用热日志数据，基于回归决策树，构建负荷预测模型，步骤S14包括步骤：
S141：根据所述二级区域划分结果获取第i区域用电日志数据、第i区域用气日志数据、第i区域用冷日志数据和第i区域用热日志数据；
S142：根据所述第i区域用电日志数据，构建第i区域负荷预测第一子模型；
S143：根据所述第i区域用气日志数据，构建第i区域负荷预测第二子模型；
S144：根据所述第i区域用冷日志数据，构建第i区域负荷预测第三子模型；
S145：根据所述第i区域用热日志数据，构建第i区域负荷预测第四子模型；
S146：将所述第i区域负荷预测第一子模型、所述第i区域负荷预测第二子模型、所述第i区域负荷预测第三子模型和所述第i区域负荷预测第四子模型作为并行节点模型合并，生成第i区域负荷预测模型；
S147：将所述第i区域负荷预测模型添加进所述负荷预测模型。
具体而言，第i区域用电日志数据、第i区域用气日志数据、第i区域用冷日志数据和第i区域用热日志数据指的是二级区域划分结果中，任意一个区域的用电日志数据，用气日志数据，用冷日志数据和用热日志数据。任意一个负荷预测模型都包括：用电负荷的预测子模型，用气负荷的预测子模型，用冷负荷的预测子模型和用热负荷的预测子模型，优选的第i区域的负荷预测模型，记为第i区域负荷预测模型。
第i区域负荷预测第一子模型指的是第i区域用电负荷的预测子模型；第i区域负荷预测第二子模型指的是第i区域用气负荷的预测子模型；第i区域负荷预测第三子模型指的是第i区域用冷负荷的预测子模型；第i区域负荷预测第四子模型指的是第i区域用热负荷的预测子模型。将第i区域负荷预测第一子模型、第i区域负荷预测第二子模型、第i区域负荷预测第三子模型和第i区域负荷预测第四子模型作为并行节点模型合并，记为第i区域负荷预测模型。
优选的，任意一个区域对应的负荷预测模型的训练方式完全相同，第i区域负荷预测第一子模型、第i区域负荷预测第二子模型、第i区域负荷预测第三子模型和第i区域负荷预测第四子模型的训练方式完全相同，差异仅在于训练数据的差别，本申请以第i区域负荷预测第一子模型为例说明单个子模型的具体的训练过程，在知悉了本申请提供的第i区域负荷预测第一子模型的基础上，将用电日志数据替换为用气日志数据、用热日志数据和用冷日志数据，即可得到其它的子模型。
第i区域负荷预测第一子模型的构建过程如下：
进一步的，所述根据所述第i区域用电日志数据，构建第i区域负荷预测第一子模型，步骤S142包括步骤：
S1421：根据所述第i区域用电日志数据，获取第i区域用户行为信息、第i区域日志时区信息和第i区域用电量记录数据；
S1422：以所述第i区域用电量记录数据验证输出准确率，以所述第i区域用户行为信息和所述第i区域日志时区信息作为输入数据，基于回归决策树，构建第一决策子树；
S1423：从所述第i区域用户行为信息、所述第i区域日志时区信息和所述第i区域用电量记录数据提取所述第一决策子树输出不满足预设准确率的数据，记为第一损失数据集；
S1424：判断所述第一损失数据集的数据量是否大于预设数据量；
S1425：若大于，根据所述第一损失数据集，基于回归决策树，构建第二决策子树；
S1426：当第k损失数据集的数据量小于或等于所述预设数据量，将所述第一决策子树、所述第二决策子树直到所述第k决策子树合并，生成所述第i区域负荷预测第一子模型。
具体而言，由上述采集用电信息的举例可知，任意一组用电信息包括用户行为信息、采集时区和用电量记录数据，因此第i区域用电日志数据包括第i区域用户行为信息、第i区域日志时区信息和第i区域用电量记录数据。
优选的，将第i区域用户行为信息、第i区域日志时区信息和第i区域用电量记录数据划分为8：2比例，百分之八十的数据用作训练数据，百分之20的数据用作验证数据。
训练时，将任意一组第i区域用户行为信息和第i区域日志时区信息输入，基于回归决策树构建的初始模型中，得到对应的输出信息，将输出信息与该组的第i区域用电量记录数据比较，记录偏差绝对值，记录偏差绝对值和第i区域用电量记录数据之比，记为输出误差率，使用1输出误差率减去输出误差率，记为输出准确率；若是输出准确率小于预设准确率，则视为输出准确率不满足预设准确率，则对相应组的数据进行不合格标记后，调取其它组的数据继续训练。若是输出准确率大于或等于预设准确率，则视为输出准确率满足预设准确率，则对相应组的数据进行合格标记后，且计数器+1，当中间出现输出准确率不满足预设准确率的数据组，计数器置为0，因此当计数器数值满足第一预设数量时，视为模型暂时稳定，使用验证数据集以训练方式验证输出准确率，若是计数器数值满足第二预设数量时，则视为模型收敛，得到第i区域负荷预测第一子模型的第一决策子树，否则就需要返回重新使用训练数据训练模型再次达到稳定后再验证，且第二预设数量小于第一预设数量。
当第一决策子树收敛后，将标识了不合格标记的数据组提取，记为第一损失数据集。
若是第一损失数据集的数据量小于或等于预设数据量，则表明第一决策子树输出准确率满足需求，不需要再扩展训练其它子模型，就直接将第一决策子树设为第i区域负荷预测第一子模型。
若是第一损失数据集的数据量大于预设数据量，则表明第一决策子树输出准确率不满足需求，则通过第一损失数据集使用同第一决策子树完全相同的训练方式再训练第二决策子树，重复迭代，得到第一决策子树、第二决策子树直到第k决策子树，其中，第k决策子树的第k损失数据集的数据量小于或等于预设数据量。将第一决策子树、第二决策子树直到第k决策子树的输出层合并，得到第i区域负荷预测第一子模型，此时第i区域负荷预测第一子模型的输出为第一决策子树、第二决策子树直到第k决策子树的输出均值。基于集成学习，以及梯度上升的方法训练负荷预测模型，保证了负荷预测结果的准确性。
S20：根据所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷，构建能源需求矩阵；
具体而言，能源需求矩阵指的是将用电负荷、用气负荷、用冷负荷和用热负荷量化存储，表征能源供给需要满足的负荷需求。为后步的能源调度优化提供了目标数据。
S30：根据供气机组，确定第一能源供应阈值矩阵；
进一步的，基于所述根据供气机组，确定第一能源供应阈值矩阵，步骤S30包括步骤：
S31：根据所述供气机组，获取所述预设区域预设时间区间的第一供气量供应阈值；
S32：根据所述用气负荷和所述第一供气量供应阈值求偏差，生成闲置供气量；
S33：根据所述闲置供气量和冷热电三联机组进行能源供应分析，生成第一发电量供应阈值、第一发热量供应阈值和第一制冷量供应阈值；
S34：根据所述第一供气量供应阈值、所述第一发电量供应阈值、所述第一发热量供应阈值和所述第一制冷量供应阈值，构建所述第一能源供应阈值矩阵。
具体而言，第一能源供应阈值矩阵指的是在预设时间区间内供气机组所能提供至预设区域的能源供应最大值，矩阵的元素中分别为：供气量阈值、发电量供应阈值、热量供应阈值和制冷量供应阈值。构建过程优选的如下：
根据供气机组，确定预设区域预设时间区间的第一供气量供应阈值，表征预设区域预设时间区间的供气机组供气量最大值；再根据用气负荷和第一供气量供应阈值求偏差，生成闲置供气量；依据闲置供气量，基于冷热电三联机组进行能源供应分析，得到表征供气机组供电量最大值的第一发电量供应阈值、供气机组供热量最大值的第一发热量供应阈值和供气机组供冷量最大值的第一制冷量供应阈值。
冷热电三联机组指的是可以将天然气转化为电、热、冷三项能源的装置，冷热电三联机组的转化效率依据实际状态确定，再根据闲置供气量以及冷热电三联机组的转化效率确定第一发电量供应阈值、第一发热量供应阈值和第一制冷量供应阈值。
更进一步，根据第一供气量供应阈值、第一发电量供应阈值、第一发热量供应阈值和第一制冷量供应阈值，构建第一能源供应阈值矩阵，置为待响应状态，等待后步调用。第一能源供应阈值矩阵作为供气机组供应能源的上限，可作为能源调度的参考数据，保障能源调度方案的可实施性。
S40：根据发电机组，确定第二能源供应阈值矩阵；
进一步的，所述根据发电机组，确定第二能源供应阈值矩阵，步骤S40包括步骤：
S41：根据所述发电机组，获取所述预设区域预设时间区间的第二发电量供应阈值；
S42：根据所述第二发电量供应阈值和所述用电负荷求偏差，生成闲置发电量；
S43：根据所述闲置发电量和冷热气转换装置进行能源供应分析，生成第二供气量供应阈值、第二发热量供应阈值和第二制冷量供应阈值；
S44：根据所述第二发电量供应阈值、所述第二供气量供应阈值、所述第二发热量供应阈值和所述第二制冷量供应阈值，构建所述第二能源供应阈值矩阵。
具体而言，第二能源供应阈值矩阵指的是在预设时间区间内发电机组所能提供至预设区域的能源供应最大值，矩阵的元素中分别为：发电量供应阈值、供气量供应阈值、发热量供应阈值和制冷量供应阈值。构建过程优选的如下：
根据供气机组，确定预设区域预设时间区间的第二发电量供应阈值，表征预设区域预设时间区间的发电机组发电量最大值；再根据用电负荷和第二发电量供应阈值求偏差，生成闲置发电量；依据闲置发电量，基于冷热气转换装置进行能源供应分析，得到表征发电机组供气量最大值的第二供气量供应阈值、发电机组供热量最大值的第二发热量供应阈值和发电机组供冷量最大值的第二制冷量供应阈值。
冷热气转换装置指的是可以将天然气转化为电、热、冷三项能源的装置，示例性地如：电解制氢工艺生成气；电暖供暖；空调制冷等。冷热气转换装置的转化效率依据实际状态确定，再根据闲置发电量以及冷热气转换装置的转化效率确定第二供气量供应阈值、第二发热量供应阈值和第二制冷量供应阈值。
更进一步，根据第二发电量供应阈值、第二供气量供应阈值、第二发热量供应阈值和第二制冷量供应阈值，构建第二能源供应阈值矩阵，置为待响应状态，等待后步调用。第二能源供应阈值矩阵作为发电机组供应能源的上限，可作为能源调度的参考数据，保障能源调度方案的可实施性。
S50：根据供热机组，确定第三能源供应阈值矩阵；
进一步的，所述根据供热机组，确定第三能源供应阈值矩阵，步骤S50包括步骤：
S51：根据所述供热机组，获取所述预设区域预设时间区间的第三发热量供应阈值；
S52：根据所述第三发热量供应阈值和冷热转换装置进行能源供应分析，生成第三制冷量供应阈值；
S53：根据所述第三发热量供应阈值和所述第三制冷量供应阈值，构建所述第三能源供应阈值矩阵。
具体而言，第三能源供应阈值矩阵表征供热机组供应能源上限的参数矩阵，第三发热量供应阈值表征供热机组预设区域预设时间区间的能源供应上限，供热机组只进行供暖和制冷两项能源供应。冷热转换装置指的是进行冷热转换的装置，例如：吸收式制冷机等；由于制冷可以和供暖同步进行，且采用余热即可，因此只需要在确定冷热转换装置的制冷效率后，即可依据第三发热量供应阈值确定表征供热机组制冷量最大值的第三制冷量供应阈值。
进一步的，根据第三发热量供应阈值和第三制冷量供应阈值，构建第三能源供应阈值矩阵，置为待响应状态，等待后步调用。
S60：根据所述第一能源供应阈值矩阵、所述第二能源供应阈值矩阵和所述第三能源供应阈值矩阵，基于所述能源需求矩阵进行能源调度优化，生成能源调度优化方案；
进一步的，所述根据所述第一能源供应阈值矩阵、所述第二能源供应阈值矩阵和所述第三能源供应阈值矩阵，基于所述能源需求矩阵进行能源调度优化，生成能源调度优化方案，步骤S60包括步骤：
S61：将所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷输入所述第一能源供应阈值矩阵，获取第一能源供应状态矩阵；
S62：判断所述第一能源供应状态矩阵是否满足所述能源需求矩阵；
进一步的，步骤S62还包括步骤：
S621：当所述第一能源供应状态矩阵满足所述能源需求矩阵，根据所述满足所述能源需求矩阵，确定所述能源调度优化方案；
S63：若不满足，根据所述第一能源供应状态矩阵和所述第二能源供应阈值矩阵，获取第二能源供应状态矩阵；
S64：判断所述第二能源供应状态矩阵是否满足所述能源需求矩阵；
进一步的，步骤S64还包括步骤：
S641：当所述第二能源供应状态矩阵满足所述能源需求矩阵，根据所述第二能源供应状态矩阵和所述第一能源供应状态矩阵，确定所述能源调度优化方案；
S65：若不满足，根据所述第二能源供应状态矩阵和所述第三能源供应阈值矩阵，获取第三能源供应状态矩阵；
S66：判断所述第三能源供应状态矩阵是否满足所述能源需求矩阵；
进一步的，步骤S66还包括步骤：
S661：当所述第三能源供应状态矩阵满足所述能源需求矩阵，根据所述第三能源供应状态矩阵、所述第二能源供应状态矩阵和所述第一能源供应状态矩阵，确定所述能源调度优化方案。
S67：若不满足，生成需求负荷类型和需求负荷量，发送至所述管理终端。
S70：将所述能源调度优化方案发送至管理终端。
具体而言，能源调度优化方案指的是根据第一能源供应阈值矩阵、第二能源供应阈值矩阵和第三能源供应阈值矩阵进能源调度优化后的符合能源需求矩阵的调度方案，优选的确定方式如下：
首先将用电负荷、用气负荷、用冷负荷和用热负荷输入第一能源供应阈值矩阵，获取第一能源供应状态矩阵；即使用第一能源供应阈值矩阵中的用电阈值、用气阈值、用冷阈值以及用热阈值减去用电负荷、用气负荷、用冷负荷和用热负荷，若是第一能源供应状态矩阵中的每项都为正值，则说明第一能源供应阈值矩阵已经满足能源调度需求，即第一能源供应状态矩阵满足能源需求矩阵，则可以直接生成能源调度优化方案，通过供气机组进行能源预设区域预设时间区间内的能源供应。
其次，若是第一能源供应状态矩阵不满足能源需求矩阵，则使用第一能源供应状态矩阵中的负值项的绝对值对相应的负荷进行更新，得到更新的用电负荷、用气负荷、用冷负荷和用热负荷；再使用第二能源供应阈值矩阵中的用电阈值、用气阈值、用冷阈值以及用热阈值减去更新后的用电负荷、用气负荷、用冷负荷和用热负荷，得到第二能源供应状态矩阵。若是第二能源供应状态矩阵中的每项都为正值，则说明第一能源供应状态矩阵和第二能源供应阈值矩阵已经满足能源调度需求，即第一能源供应状态矩阵和第二能源供应阈值矩阵满足能源需求矩阵，优先以第一能源供应状态矩阵参考进行能源供应，再以第二能源供应状态矩阵参考进行能源供应，从而得到能源调度优化方案，此时，通过供气机组和发电机组进行能源预设区域预设时间区间内的能源供应。
再其次，若是第一能源供应状态矩阵和第二能源供应阈值矩阵不满足能源需求矩阵，则使用第二能源供应状态矩阵中的负值项的绝对值对相应的负荷进行第三次更新，得到更新的用电负荷、用气负荷、用冷负荷和用热负荷；再使用第三能源供应阈值矩阵中的用电阈值、用气阈值、用冷阈值以及用热阈值减去第三次更新后的用电负荷、用气负荷、用冷负荷和用热负荷，得到第三能源供应状态矩阵；若是第三能源供应状态矩阵中的每项都为正值，则说明第一能源供应状态矩阵、第二能源供应阈值矩阵和第三若是第二能源供应状态矩阵中的每项都为正值，则说明第一能源供应状态矩阵和第二能源供应阈值矩阵已经满足能源调度需求已经满足能源调度需求，则优先以第一能源供应状态矩阵参考进行能源供应，再以第二能源供应状态矩阵参考进行能源供应，最后不够的再依据第三能源供应状态矩阵参考进行能源供应。
再其次，若是三个能源供应状态矩阵都不满足，则生成第三能源供应状态矩阵中的为负值的负荷，记为需求负荷类型，将负值绝对值记为需求负荷量，发送至所述管理终端，便于管理人员即使安排辅助能源供应。
通过将天然气此类清洁能源作为能源供应机组优选考虑，然后考虑供电，然后考虑供热，提高了能源调度优化过程的可持续发展理念，提高了能源调度的精细化程度。自动化生成能源调度优化方案发送至管理终端进行能源调度参考，提高了能源调度方案确定的自动化程度。
综上所述，本申请实施例所提供的一种综合能源系统管理优化的方法及系统具有如下技术效果：
1.由于采用了对预设区域的用户侧预设时间的能源负荷进行智能化预测，得到用电负荷、用气负荷、用冷负荷和用热负荷；根据用电负荷、用气负荷、用冷负荷和用热负荷，构建能源需求矩阵；根据供气机组，确定供气机组对应的能源供应阈值矩阵；根据发电机组，确定发电机组对应的第二能源供应阈值矩阵；根据供热机组，确定供热机组对应的第三能源供应阈值矩阵；根据第一能源供应阈值矩阵、第二能源供应阈值矩阵和第三能源供应阈值矩阵，以能源需求矩阵作为目标进行优化，得到能源调度优化方案，管理终端根据自动化生成的能源调度优化方案进行能源调度管理，基于自动化程度较高的决策过程的技术方案，达到了提升综合能源管理决策效率的技术效果。
实施例二
基于与前述实施例中一种综合能源系统管理优化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综合能源系统管理优化的系统，其中，包括：
负荷预测模块100，用于对预设区域的用户侧预设时间区间的能源负荷进行智能预测，生成用电负荷、用气负荷、用冷负荷和用热负荷；
需求矩阵构建模块200，用于根据所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷，构建能源需求矩阵；
第一能源供应阈值确定模块300，用于根据供气机组，确定第一能源供应阈值矩阵；
第二能源供应阈值确定模块400，用于根据发电机组，确定第二能源供应阈值矩阵；
第三能源供应阈值确定模块500，用于根据供热机组，确定第三能源供应阈值矩阵；
能源调度优化模块600，用于根据所述第一能源供应阈值矩阵、所述第二能源供应阈值矩阵和所述第三能源供应阈值矩阵，基于所述能源需求矩阵进行能源调度优化，生成能源调度优化方案；
任务执行模块700，用于将所述能源调度优化方案发送至管理终端。
进一步的，所述第一能源供应阈值确定模块300执行步骤包括：
根据所述供气机组，获取所述预设区域预设时间区间的第一供气量供应阈值；
根据所述用气负荷和所述第一供气量供应阈值求偏差，生成闲置供气量；
根据所述闲置供气量和冷热电三联机组进行能源供应分析，生成第一发电量供应阈值、第一发热量供应阈值和第一制冷量供应阈值；
根据所述第一供气量供应阈值、所述第一发电量供应阈值、所述第一发热量供应阈值和所述第一制冷量供应阈值，构建所述第一能源供应阈值矩阵。
进一步的，所述第二能源供应阈值确定模块400执行步骤包括：
根据所述发电机组，获取所述预设区域预设时间区间的第二发电量供应阈值；
根据所述第二发电量供应阈值和所述用电负荷求偏差，生成闲置发电量；
根据所述闲置发电量和冷热气转换装置进行能源供应分析，生成第二供气量供应阈值、第二发热量供应阈值和第二制冷量供应阈值；
根据所述第二发电量供应阈值、所述第二供气量供应阈值、所述第二发热量供应阈值和所述第二制冷量供应阈值，构建所述第二能源供应阈值矩阵。
进一步的，所述第三能源供应阈值确定模块500执行步骤包括：
根据所述供热机组，获取所述预设区域预设时间区间的第三发热量供应阈值；
根据所述第三发热量供应阈值和冷热转换装置进行能源供应分析，生成第三制冷量供应阈值；
根据所述第三发热量供应阈值和所述第三制冷量供应阈值，构建所述第三能源供应阈值矩阵。
进一步的，所述能源调度优化模块600执行步骤包括：
将所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷输入所述第一能源供应阈值矩阵，获取第一能源供应状态矩阵；
判断所述第一能源供应状态矩阵是否满足所述能源需求矩阵；
若不满足，根据所述第一能源供应状态矩阵和所述第二能源供应阈值矩阵，获取第二能源供应状态矩阵；
判断所述第二能源供应状态矩阵是否满足所述能源需求矩阵；
若不满足，根据所述第二能源供应状态矩阵和所述第三能源供应阈值矩阵，获取第三能源供应状态矩阵；
判断所述第三能源供应状态矩阵是否满足所述能源需求矩阵；
若不满足，生成需求负荷类型和需求负荷量，发送至所述管理终端。
进一步的，所述能源调度优化模块600执行步骤还包括：
当所述第一能源供应状态矩阵满足所述能源需求矩阵，根据所述满足所述能源需求矩阵，确定所述能源调度优化方案；
当所述第二能源供应状态矩阵满足所述能源需求矩阵，根据所述第二能源供应状态矩阵和所述第一能源供应状态矩阵，确定所述能源调度优化方案；
当所述第三能源供应状态矩阵满足所述能源需求矩阵，根据所述第三能源供应状态矩阵、所述第二能源供应状态矩阵和所述第一能源供应状态矩阵，确定所述能源调度优化方案。
进一步的，所述负荷预测模块100执行步骤包括：
对所述预设区域按照建筑类型进行区域划分，生成一级区域划分结果；
遍历所述一级区域划分结果按照用户类型进行区域划分，生成二级区域划分结果；
遍历所述二级区域划分结果，基于所述预设时间区间采集用电日志数据、用气日志数据、用冷日志数据和用热日志数据；
遍历所述用电日志数据、所述用气日志数据、所述用冷日志数据和所述用热日志数据，基于回归决策树，构建负荷预测模型；
根据所述负荷预测模型对所述用户侧预设时间区间的能源负荷进行智能预测，生成所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷。
进一步的，所述负荷预测模块100执行步骤还包括：
根据所述二级区域划分结果获取第i区域用电日志数据、第i区域用气日志数据、第i区域用冷日志数据和第i区域用热日志数据；
根据所述第i区域用电日志数据，构建第i区域负荷预测第一子模型；
根据所述第i区域用气日志数据，构建第i区域负荷预测第二子模型；
根据所述第i区域用冷日志数据，构建第i区域负荷预测第三子模型；
根据所述第i区域用热日志数据，构建第i区域负荷预测第四子模型；
将所述第i区域负荷预测第一子模型、所述第i区域负荷预测第二子模型、所述第i区域负荷预测第三子模型和所述第i区域负荷预测第四子模型作为并行节点模型合并，生成第i区域负荷预测模型；
将所述第i区域负荷预测模型添加进所述负荷预测模型。
进一步的，所述负荷预测模块100执行步骤还包括：
根据所述第i区域用电日志数据，获取第i区域用户行为信息、第i区域日志时区信息和第i区域用电量记录数据；
以所述第i区域用电量记录数据验证输出准确率，以所述第i区域用户行为信息和所述第i区域日志时区信息作为输入数据，基于回归决策树，构建第一决策子树；
从所述第i区域用户行为信息、所述第i区域日志时区信息和所述第i区域用电量记录数据提取所述第一决策子树输出不满足预设准确率的数据，记为第一损失数据集；
判断所述第一损失数据集的数据量是否大于预设数据量；
若大于，根据所述第一损失数据集，基于回归决策树，构建第二决策子树；
当第k损失数据集的数据量小于或等于所述预设数据量，将所述第一决策子树、所述第二决策子树直到所述第k决策子树合并，生成所述第i区域负荷预测第一子模型。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。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 (10)
1.一种综合能源系统管理优化的方法，其特征在于，包括：
对预设区域的用户侧预设时间区间的能源负荷进行智能预测，生成用电负荷、用气负荷、用冷负荷和用热负荷；
根据所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷，构建能源需求矩阵；
根据供气机组，确定第一能源供应阈值矩阵；
根据发电机组，确定第二能源供应阈值矩阵；
根据供热机组，确定第三能源供应阈值矩阵；
根据所述第一能源供应阈值矩阵、所述第二能源供应阈值矩阵和所述第三能源供应阈值矩阵，基于所述能源需求矩阵进行能源调度优化，生成能源调度优化方案；
将所述能源调度优化方案发送至管理终端。
2.如权利要求1所述的方法，其特征在于，所述根据供气机组，确定第一能源供应阈值矩阵，包括：
根据所述供气机组，获取所述预设区域预设时间区间的第一供气量供应阈值；
根据所述用气负荷和所述第一供气量供应阈值求偏差，生成闲置供气量；
根据所述闲置供气量和冷热电三联机组进行能源供应分析，生成第一发电量供应阈值、第一发热量供应阈值和第一制冷量供应阈值；
根据所述第一供气量供应阈值、所述第一发电量供应阈值、所述第一发热量供应阈值和所述第一制冷量供应阈值，构建所述第一能源供应阈值矩阵。
3.如权利要求2所述的方法，其特征在于，所述根据发电机组，确定第二能源供应阈值矩阵，包括：
根据所述发电机组，获取所述预设区域预设时间区间的第二发电量供应阈值；
根据所述第二发电量供应阈值和所述用电负荷求偏差，生成闲置发电量；
根据所述闲置发电量和冷热气转换装置进行能源供应分析，生成第二供气量供应阈值、第二发热量供应阈值和第二制冷量供应阈值；
根据所述第二发电量供应阈值、所述第二供气量供应阈值、所述第二发热量供应阈值和所述第二制冷量供应阈值，构建所述第二能源供应阈值矩阵。
4.如权利要求3所述的方法，其特征在于，所述根据供热机组，确定第三能源供应阈值矩阵，包括：
根据所述供热机组，获取所述预设区域预设时间区间的第三发热量供应阈值；
根据所述第三发热量供应阈值和冷热转换装置进行能源供应分析，生成第三制冷量供应阈值；
根据所述第三发热量供应阈值和所述第三制冷量供应阈值，构建所述第三能源供应阈值矩阵。
5.如权利要求4所述的方法，其特征在于，所述根据所述第一能源供应阈值矩阵、所述第二能源供应阈值矩阵和所述第三能源供应阈值矩阵，基于所述能源需求矩阵进行能源调度优化，生成能源调度优化方案，包括：
将所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷输入所述第一能源供应阈值矩阵，获取第一能源供应状态矩阵；
判断所述第一能源供应状态矩阵是否满足所述能源需求矩阵；
若不满足，根据所述第一能源供应状态矩阵和所述第二能源供应阈值矩阵，获取第二能源供应状态矩阵；
判断所述第二能源供应状态矩阵是否满足所述能源需求矩阵；
若不满足，根据所述第二能源供应状态矩阵和所述第三能源供应阈值矩阵，获取第三能源供应状态矩阵；
判断所述第三能源供应状态矩阵是否满足所述能源需求矩阵；
若不满足，生成需求负荷类型和需求负荷量，发送至所述管理终端。
6.如权利要求5所述的方法，其特征在于，还包括：
当所述第一能源供应状态矩阵满足所述能源需求矩阵，根据所述满足所述能源需求矩阵，确定所述能源调度优化方案；
当所述第二能源供应状态矩阵满足所述能源需求矩阵，根据所述第二能源供应状态矩阵和所述第一能源供应状态矩阵，确定所述能源调度优化方案；
当所述第三能源供应状态矩阵满足所述能源需求矩阵，根据所述第三能源供应状态矩阵、所述第二能源供应状态矩阵和所述第一能源供应状态矩阵，确定所述能源调度优化方案。
7.如权利要求1所述的方法，其特征在于，所述对预设区域的用户侧预设时间区间的能源负荷进行智能预测，生成用电负荷、用气负荷、用冷负荷和用热负荷，包括：
对所述预设区域按照建筑类型进行区域划分，生成一级区域划分结果；
遍历所述一级区域划分结果按照用户类型进行区域划分，生成二级区域划分结果；
遍历所述二级区域划分结果，基于所述预设时间区间采集用电日志数据、用气日志数据、用冷日志数据和用热日志数据；
遍历所述用电日志数据、所述用气日志数据、所述用冷日志数据和所述用热日志数据，基于回归决策树，构建负荷预测模型；
根据所述负荷预测模型对所述用户侧预设时间区间的能源负荷进行智能预测，生成所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷。
8.如权利要求7所述的方法，其特征在于，所述遍历所述用电日志数据、所述用气日志数据、所述用冷日志数据和所述用热日志数据，基于回归决策树，构建负荷预测模型，包括：
根据所述二级区域划分结果获取第i区域用电日志数据、第i区域用气日志数据、第i区域用冷日志数据和第i区域用热日志数据；
根据所述第i区域用电日志数据，构建第i区域负荷预测第一子模型；
根据所述第i区域用气日志数据，构建第i区域负荷预测第二子模型；
根据所述第i区域用冷日志数据，构建第i区域负荷预测第三子模型；
根据所述第i区域用热日志数据，构建第i区域负荷预测第四子模型；
将所述第i区域负荷预测第一子模型、所述第i区域负荷预测第二子模型、所述第i区域负荷预测第三子模型和所述第i区域负荷预测第四子模型作为并行节点模型合并，生成第i区域负荷预测模型；
将所述第i区域负荷预测模型添加进所述负荷预测模型。
9.如权利要求8所述的方法，其特征在于，所述根据所述第i区域用电日志数据，构建第i区域负荷预测第一子模型，包括：
根据所述第i区域用电日志数据，获取第i区域用户行为信息、第i区域日志时区信息和第i区域用电量记录数据；
以所述第i区域用电量记录数据验证输出准确率，以所述第i区域用户行为信息和所述第i区域日志时区信息作为输入数据，基于回归决策树，构建第一决策子树；
从所述第i区域用户行为信息、所述第i区域日志时区信息和所述第i区域用电量记录数据提取所述第一决策子树输出不满足预设准确率的数据，记为第一损失数据集；
判断所述第一损失数据集的数据量是否大于预设数据量；
若大于，根据所述第一损失数据集，基于回归决策树，构建第二决策子树；
当第k损失数据集的数据量小于或等于所述预设数据量，将所述第一决策子树、所述第二决策子树直到所述第k决策子树合并，生成所述第i区域负荷预测第一子模型。
10.一种综合能源系统管理优化的系统，其特征在于，包括：
负荷预测模块，用于对预设区域的用户侧预设时间区间的能源负荷进行智能预测，生成用电负荷、用气负荷、用冷负荷和用热负荷；
需求矩阵构建模块，用于根据所述用电负荷、所述用气负荷、所述用冷负荷和所述用热负荷，构建能源需求矩阵；
第一能源供应阈值确定模块，用于根据供气机组，确定第一能源供应阈值矩阵；
第二能源供应阈值确定模块，用于根据发电机组，确定第二能源供应阈值矩阵；
第三能源供应阈值确定模块，用于根据供热机组，确定第三能源供应阈值矩阵；
能源调度优化模块，用于根据所述第一能源供应阈值矩阵、所述第二能源供应阈值矩阵和所述第三能源供应阈值矩阵，基于所述能源需求矩阵进行能源调度优化，生成能源调度优化方案；
任务执行模块，用于将所述能源调度优化方案发送至管理终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211540044.4A CN115983430B (zh) | 2022-12-02 | 2022-12-02 | 一种综合能源系统管理优化的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211540044.4A CN115983430B (zh) | 2022-12-02 | 2022-12-02 | 一种综合能源系统管理优化的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115983430A true CN115983430A (zh) | 2023-04-18 |
| CN115983430B CN115983430B (zh) | 2023-12-29 |
Family
ID=85971314
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211540044.4A Active CN115983430B (zh) | 2022-12-02 | 2022-12-02 | 一种综合能源系统管理优化的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115983430B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116227757A (zh) * | 2023-05-10 | 2023-06-06 | 南京瑞麟能源技术有限公司 | 一种基于智慧云网关的综合能源管控方法及系统 |
| CN116544934A (zh) * | 2023-07-06 | 2023-08-04 | 山西中控绿源科技有限公司 | 根据电力负荷预测的电力调度方法及系统 |
| CN117674302A (zh) * | 2024-02-01 | 2024-03-08 | 浙江省白马湖实验室有限公司 | 一种基于两阶段集成学习的热电联供负荷调度方法 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102193544A (zh) * | 2011-03-25 | 2011-09-21 | 汉鼎信息科技股份有限公司 | 一种智能建筑能源管理系统 |
| CN107290968A (zh) * | 2017-08-22 | 2017-10-24 | 南京南瑞继保电气有限公司 | 一种多能互补综合能源系统的协调优化控制方法 |
| CN107807523A (zh) * | 2017-10-18 | 2018-03-16 | 国网天津市电力公司电力科学研究院 | 考虑分时电价的区域能源互联网多源协调优化运行策略 |
| CN108921727A (zh) * | 2018-06-30 | 2018-11-30 | 天津大学 | 考虑热负荷动态特性的区域综合能源系统可靠性评估方法 |
| CN109193815A (zh) * | 2018-10-17 | 2019-01-11 | 燕山大学 | 一种提高风电消纳的热电联合调度方法 |
| CN109670694A (zh) * | 2018-12-10 | 2019-04-23 | 国网河南省电力公司经济技术研究院 | 一种多能源供给系统负荷预测方法 |
| CN110705866A (zh) * | 2019-09-27 | 2020-01-17 | 新奥数能科技有限公司 | 评估综合能源系统能源生产设备配置与负荷匹配度的方法 |
| CN111126498A (zh) * | 2019-12-25 | 2020-05-08 | 国网河北省电力有限公司 | 一种基于分类分析的客户用电行为特征分析方法 |
| CN111952980A (zh) * | 2020-08-11 | 2020-11-17 | 合肥工业大学 | 考虑需求侧响应不确定性的综合能源系统优化方法及系统 |
| CN112583021A (zh) * | 2020-11-23 | 2021-03-30 | 国家电网有限公司 | 考虑综合需求响应的综合能源系统优化调度方法及装置 |
| CN113139675A (zh) * | 2021-03-08 | 2021-07-20 | 深圳职业技术学院 | 一种园区综合能源系统综合电负荷区间预测方法 |
| CN113507138A (zh) * | 2021-07-16 | 2021-10-15 | 国网江苏省电力有限公司仪征市供电分公司 | 一种基于移动式综合能源系统及调度方法 |
| CN113869571A (zh) * | 2021-09-22 | 2021-12-31 | 国网天津市电力公司电力科学研究院 | 一种基于异构数据的智慧能源建筑综合信息物理融合方法 |
| CN113869742A (zh) * | 2021-09-29 | 2021-12-31 | 国网江苏省电力有限公司 | 基于行动家和评论家网络的综合供需侧的电力调度系统 |
| CN114139816A (zh) * | 2021-12-06 | 2022-03-04 | 河北农业大学 | 一种基于综合需求响应的区域能源优化方法及系统 |
| CN114169665A (zh) * | 2021-09-27 | 2022-03-11 | 清华大学 | 综合能源系统模型及其构建方法 |
| CN115115277A (zh) * | 2022-08-23 | 2022-09-27 | 华北电力大学 | 园区综合能源调度方法、装置、计算机设备及存储介质 |
-
2022
- 2022-12-02 CN CN202211540044.4A patent/CN115983430B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102193544A (zh) * | 2011-03-25 | 2011-09-21 | 汉鼎信息科技股份有限公司 | 一种智能建筑能源管理系统 |
| CN107290968A (zh) * | 2017-08-22 | 2017-10-24 | 南京南瑞继保电气有限公司 | 一种多能互补综合能源系统的协调优化控制方法 |
| CN107807523A (zh) * | 2017-10-18 | 2018-03-16 | 国网天津市电力公司电力科学研究院 | 考虑分时电价的区域能源互联网多源协调优化运行策略 |
| CN108921727A (zh) * | 2018-06-30 | 2018-11-30 | 天津大学 | 考虑热负荷动态特性的区域综合能源系统可靠性评估方法 |
| CN109193815A (zh) * | 2018-10-17 | 2019-01-11 | 燕山大学 | 一种提高风电消纳的热电联合调度方法 |
| CN109670694A (zh) * | 2018-12-10 | 2019-04-23 | 国网河南省电力公司经济技术研究院 | 一种多能源供给系统负荷预测方法 |
| CN110705866A (zh) * | 2019-09-27 | 2020-01-17 | 新奥数能科技有限公司 | 评估综合能源系统能源生产设备配置与负荷匹配度的方法 |
| CN111126498A (zh) * | 2019-12-25 | 2020-05-08 | 国网河北省电力有限公司 | 一种基于分类分析的客户用电行为特征分析方法 |
| CN111952980A (zh) * | 2020-08-11 | 2020-11-17 | 合肥工业大学 | 考虑需求侧响应不确定性的综合能源系统优化方法及系统 |
| CN112583021A (zh) * | 2020-11-23 | 2021-03-30 | 国家电网有限公司 | 考虑综合需求响应的综合能源系统优化调度方法及装置 |
| CN113139675A (zh) * | 2021-03-08 | 2021-07-20 | 深圳职业技术学院 | 一种园区综合能源系统综合电负荷区间预测方法 |
| CN113507138A (zh) * | 2021-07-16 | 2021-10-15 | 国网江苏省电力有限公司仪征市供电分公司 | 一种基于移动式综合能源系统及调度方法 |
| CN113869571A (zh) * | 2021-09-22 | 2021-12-31 | 国网天津市电力公司电力科学研究院 | 一种基于异构数据的智慧能源建筑综合信息物理融合方法 |
| CN114169665A (zh) * | 2021-09-27 | 2022-03-11 | 清华大学 | 综合能源系统模型及其构建方法 |
| CN113869742A (zh) * | 2021-09-29 | 2021-12-31 | 国网江苏省电力有限公司 | 基于行动家和评论家网络的综合供需侧的电力调度系统 |
| CN114139816A (zh) * | 2021-12-06 | 2022-03-04 | 河北农业大学 | 一种基于综合需求响应的区域能源优化方法及系统 |
| CN115115277A (zh) * | 2022-08-23 | 2022-09-27 | 华北电力大学 | 园区综合能源调度方法、装置、计算机设备及存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116227757A (zh) * | 2023-05-10 | 2023-06-06 | 南京瑞麟能源技术有限公司 | 一种基于智慧云网关的综合能源管控方法及系统 |
| CN116544934A (zh) * | 2023-07-06 | 2023-08-04 | 山西中控绿源科技有限公司 | 根据电力负荷预测的电力调度方法及系统 |
| CN116544934B (zh) * | 2023-07-06 | 2023-09-08 | 山西中控绿源科技有限公司 | 根据电力负荷预测的电力调度方法及系统 |
| CN117674302A (zh) * | 2024-02-01 | 2024-03-08 | 浙江省白马湖实验室有限公司 | 一种基于两阶段集成学习的热电联供负荷调度方法 |
| CN117674302B (zh) * | 2024-02-01 | 2024-05-03 | 浙江省白马湖实验室有限公司 | 一种基于两阶段集成学习的热电联供负荷调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115983430B (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116646933B (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
| CN115983430B (zh) | 一种综合能源系统管理优化的方法及系统 | |
| CN107292766B (zh) | 面向风电消纳的电力系统调峰手段经济性评估方法与系统 | |
| CN107578288B (zh) | 一种考虑用户用电模式差异的非侵入式负荷分解方法 | |
| Jia et al. | A retroactive approach to microgrid real-time scheduling in quest of perfect dispatch solution | |
| CN117036104B (zh) | 一种基于电力物联网的智慧用电方法和系统 | |
| CN108830451B (zh) | 一种用户侧分布式储能的汇聚潜力评估方法及系统 | |
| CN115115193A (zh) | 一种工业园区低碳分析及优化规划方法 | |
| Chuang et al. | Research on user electricity consumption behavior and energy consumption modeling in big data environment | |
| CN113723793A (zh) | 园区综合能源系统的实现方法、装置、设备和介质 | |
| CN111968008A (zh) | 基于多能协作的综合能源监控系统及方法 | |
| CN113222216A (zh) | 冷热电负荷预测方法、装置及系统 | |
| CN114285090A (zh) | 基于单站-分区-全网的新能源极限消纳能力评估方法 | |
| Liu et al. | Flexibility Evaluation of Flexible Resource Based on TOPSIS of CRITIC | |
| CN117557009B (zh) | 一种电源效率监测方法及系统 | |
| CN117353359B (zh) | 电池联合储能供电方法及系统 | |
| Wang et al. | Intraday net load reserve demand assessment based on catboost and kernel density estimation | |
| CN115619159B (zh) | 一种智慧园区能源消耗分析调度方法和系统 | |
| Zarate-Perez et al. | Global trends in building energy management systems (BEMS): A science mapping approach | |
| Tietieriev | Smart Grid Integration for Sustainable City Energy Management: A Paradigm Shift in Power Distribution Networks | |
| Jiang et al. | A new method for reference network considering nodal injection uncertainties | |
| Shen et al. | Design of Power Load Management System and Performance Assessment Model Based on Markov Model | |
| CN117634838A (zh) | 一种供电所资源智能调度管理方法及系统 | |
| Tuo | Distributed Clean Energy Planning Based on Energy Internet | |
| Wang et al. | Research on the Application of Machine Learning in the Construction of Power Demand Response Model for Edge Computing |
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 |