CN116227757A - 一种基于智慧云网关的综合能源管控方法及系统 - Google Patents
一种基于智慧云网关的综合能源管控方法及系统 Download PDFInfo
- Publication number
- CN116227757A CN116227757A CN202310519078.3A CN202310519078A CN116227757A CN 116227757 A CN116227757 A CN 116227757A CN 202310519078 A CN202310519078 A CN 202310519078A CN 116227757 A CN116227757 A CN 116227757A
- Authority
- CN
- China
- Prior art keywords
- energy
- demand
- solution set
- power supply
- constraint
- 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
- 238000009826 distribution Methods 0.000 claims abstract description 107
- 238000005457 optimization Methods 0.000 claims abstract description 70
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 230000005611 electricity Effects 0.000 claims abstract description 33
- 238000013433 optimization analysis Methods 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims description 90
- 230000006870 function Effects 0.000 claims description 55
- 238000010248 power generation Methods 0.000 claims description 33
- 238000006243 chemical reaction Methods 0.000 claims description 29
- 238000012216 screening Methods 0.000 claims description 22
- 238000000611 regression analysis Methods 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 12
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 7
- 229910052799 carbon Inorganic materials 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 5
- RYAUSSKQMZRMAI-YESZJQIVSA-N (S)-fenpropimorph Chemical compound C([C@@H](C)CC=1C=CC(=CC=1)C(C)(C)C)N1C[C@H](C)O[C@H](C)C1 RYAUSSKQMZRMAI-YESZJQIVSA-N 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 230000005684 electric field Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于智慧云网关的综合能源管控方法及系统,应用于数据处理技术领域,该方法包括:通过接收客户端的能源需求信息,基于能源需求场景进行能源利用率分析,获取供电需求量。调取客户端的分布式能源基础信息,分布式能源基础信息包括能源点电网分布位置和供电任务调度状态。根据供电任务调度状态遍历能源点电网分布位置在能源需求时间进行闲置电量分析,获取闲置能源点列表,基于需求点电网分布位置、能源需求时间和供电需求量基于设定优化规则进行优化分析,获取能源管控推荐方案发送至客户端进行综合能源管控。解决了现有技术中综合能源管控由于影响因素众多,存在自动化决策程度低主观性较强,可靠性较差的技术问题。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种基于智慧云网关的综合能源管控方法及系统。
背景技术
随着云技术的发展越来越多的行业应用云技术进行资源调度和配置,利用云端的强大算力,进一步提高了资源调度和配置的处理效率。然而,在现有技术中对于综合能源管控由于影响因素众多,自动化决策程度低,经验决策的主观性较强,可靠性较差。
因此,在现有技术中综合能源管控由于影响因素众多,存在自动化决策程度低主观性较强,可靠性较差的技术问题。
发明内容
本申请通过提供一种基于智慧云网关的综合能源管控方法及系统,解决了在现有技术中综合能源管控由于影响因素众多,存在自动化决策程度低主观性较强,可靠性较差的技术问题。
本发明实施例提供了一种基于智慧云网关的综合能源管控方法,包括接收客户端的能源需求信息,所述能源需求信息包括需求点电网分布位置、能源需求场景、能源需求时间和能源需求量;基于所述能源需求场景进行能源利用率分析,根据利用率分析结果对所述能源需求量进行回归分析,获取供电需求量;调取所述客户端的分布式能源基础信息,所述分布式能源基础信息包括能源点电网分布位置和供电任务调度状态;根据所述供电任务调度状态遍历所述能源点电网分布位置在所述能源需求时间进行闲置电量分析,获取闲置能源点列表;遍历所述闲置能源点列表,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于设定优化规则进行优化分析,获取能源管控推荐方案发送至所述客户端进行综合能源管控。
进一步地,基于所述能源需求场景进行能源利用率分析,根据利用率分析结果对所述能源需求量进行回归分析,获取供电需求量,包括:
根据所述能源需求场景,获取用电负荷类型和用电负荷规模;
根据所述用电负荷类型匹配电能利用数据进行能源利用率分析,包括,
当所述用电负荷类型属于无能量类型转换设备,根据所述电能利用数据获取多个所述用电负荷类型的输入电能记录数据和输出电能记录数据,计算所述利用率分析结果;
当所述用电负荷类型属于能量类型转换设备,匹配能源转换函数对所述电能利用数据的输入电能记录数据进行转换,获取理想转换结果;
根据所述电能利用数据的输出能量数据和所述理想转换结果,计算所述利用率分析结果;
根据所述利用率分析结果和所述用电负荷规模对所述能源需求量进行回归分析,获取所述供电需求量。
进一步地,根据所述供电任务调度状态遍历所述能源点电网分布位置在所述能源需求时间进行闲置电量分析,获取闲置能源点列表,包括:
从所述供电任务调度状态筛选所述能源点电网分布位置的第n个能源点分布位置的所述能源需求时间的已分配电能;
获取所述第n个能源点分布位置的发电类型和发电规模对所述能源需求时间进行发电统计,获取发电预测量;
根据所述发电预测量对所述已分配电能进行闲置电量分析,获取第n个能源点分布位置闲置电能,添加进所述闲置能源点列表。
进一步地,遍历所述闲置能源点列表,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于设定优化规则进行优化分析,获取能源管控推荐方案发送至所述客户端进行综合能源管控,包括:
获取优化约束条件;
根据德菲尔赋权模块对所述优化约束条件进行权重分布,获取目标赋权结果;
根据所述优化约束条件和所述目标赋权结果,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于所述设定优化规则进行优化分析,获取所述能源管控推荐方案发送至所述客户端进行综合能源管控;
其中,所述设定优化规则包括,
基于所述能源需求时间和所述供电需求量,遍历所述闲置能源点列表生成能源供应初始解集,所述能源供应初始解集包括M个初始解,M大于或等于50,且M为整数;
根据所述优化约束条件和所述目标赋权结果,构建适应度函数;
根据所述适应度函数基于所述需求点电网分布位置对所述M个初始解进行筛选,获取所述能源管控推荐方案。
进一步地,所述获取优化约束条件,包括:
对供电成本进行约束赋值,获取第一约束条件;
对供电损耗进行约束赋值,获取第二约束条件;
对供电路径距离进行约束赋值,获取第三约束条件;
对发电碳排放量进行约束赋值,获取第四约束条件;
将所述第一约束条件、所述第二约束条件、所述第三约束条件和所述第四约束条件添加进所述优化约束条件。
进一步地,根据所述适应度函数基于所述需求点电网分布位置对所述M个初始解进行筛选,获取所述能源管控推荐方案,包括:
根据所述适应度函数基于所述需求点电网分布位置遍历所述M个初始解,获取M个适应度,所述M个适应度包括最大适应度和最小适应度;
设定解集扩充约束区间,其中,所述解集扩充约束区间包括最大扩充解集数量和最小扩充解集数量;
根据所述最大扩充解集数量和所述最小扩充解集数量,以及所述最大适应度和所述最小适应度,构建解集扩充约束函数;
根据所述解集扩充约束函数遍历所述M个适应度进行解集扩充,获取M组解集扩充结果;
当所述M组解集扩充结果和所述M个初始解的总数量超过解集上限阈值,按照适应度对解集自大到小排序,获取解集排序结果;
从所述解集排序结果中筛选满足所述解集上限阈值的N个解,对所述N个解基于所述解集扩充函数进行解集扩充并根据所述解集上限阈值和适应度进行筛选,直到满足预设扩充次数,获取满足所述解集上限阈值的排序自首至尾的i个解添加进所述能源管控推荐方案,1≤i≤5,i为整数,N为正整数。
进一步地,根据所述解集扩充约束函数遍历所述M个适应度进行解集扩充,获取M组解集扩充结果,还包括:
根据所述优化约束条件,构建D维搜索空间,所述D维搜索空间的维度与所述优化约束条件数量相同,所述D维搜索空间的边界值为所述优化约束条件的约束赋值结果;
将所述M个初始解输入所述D维搜索空间进行分布,获取初始解分布结果;
设定初始标准差,所述初始标准差表征扩充解与初始解的最大偏离程度;
根据所述初始标准差,构建解集扩充分布函数结合所述解集扩充约束函数遍历所述初始解分布结果在所述D维搜索空间进行解集扩充,获取所述M组解集扩充结果。
进一步地,根据所述适应度函数基于所述需求点电网分布位置遍历所述M个初始解,获取M个适应度,还包括:
根据所述优化约束条件,遍历所述M个初始解进行单目标清洗,获取L个初始解,L≤M;
判断所述L个初始解是否大于或等于初始解数量下限阈值;
若L小于所述初始解数量下限阈值,基于所述能源需求时间和所述供电需求量,遍历所述闲置能源点列表对所述L个初始解进行补充,获取满足所述初始解数量下限阈值的K个初始解;
根据所述适应度函数基于所述需求点电网分布位置对所述K个初始解进行筛选,获取所述能源管控推荐方案。
本发明的有益效果为:
本发明通过接收客户端的能源需求信息,基于能源需求场景进行能源利用率分析,获取供电需求量。调取客户端的分布式能源基础信息,分布式能源基础信息包括能源点电网分布位置和供电任务调度状态。根据供电任务调度状态遍历能源点电网分布位置在能源需求时间进行闲置电量分析,获取闲置能源点列表,基于需求点电网分布位置、能源需求时间和供电需求量基于设定优化规则进行优化分析,获取能源管控推荐方案发送至客户端进行综合能源管控。解决了现有技术中综合能源管控由于影响因素众多,存在自动化决策程度低主观性较强,可靠性较差的技术问题。实现了综合能源管控的智能化决策,进一步降低了决策的主观性,提高了决策的可靠性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本申请实施例提供的一种基于智慧云网关的综合能源管控方法的流程示意图;
图2为本申请实施例提供的一种基于智慧云网关的综合能源管控方法获取供电需求量的流程示意图;
图3为本申请实施例提供的一种基于智慧云网关的综合能源管控方法获取闲置能源点列表的流程示意图;
图4为本申请实施例提供的一种基于智慧云网关的综合能源管控方法的系统的结构示意图;
图5为本发明实施例提供的一种基于智慧云网关的综合能源管控方法的系统电子设备的结构示意图。
附图标记说明:能源需求信息获取模块11,供电需求量获取模块12,能源基础信息获取模块13,能源需求信息获取模块14,能源管控模块15,处理器31,存储器32,输入装置33,输出装置34。
具体实施方式
为了使得本发明的技术方案的目的、技术方案和优点更加清楚,下文中将结合本发明具体实施例的附图,对本发明实施例的技术方案进行清楚、完整的描述。附图中相同的附图标记代表相同的部件。需要说明的是,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的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。
实施例一:参照图1,本申请实施例提供了一种基于智慧云网关的综合能源管控方法,应用于云网关决策中心,包括:
S10:接收客户端的能源需求信息,所述能源需求信息包括需求点电网分布位置、能源需求场景、能源需求时间和能源需求量;
S20:基于所述能源需求场景进行能源利用率分析,根据利用率分析结果对所述能源需求量进行回归分析,获取供电需求量;
具体的,接收客户端的能源需求信息,所述能源需求信息包括需求点电网分布位置、能源需求场景、能源需求时间和能源需求量。其中,电网分布位置为客户的能源需求的对应供电电网的位置,能源需求场景为能源的实际应用场景如家庭用电场景、工业用电场景等。随后,对能源需求场景进行能源利用率分析,根据利用率分析结果对所述能源需求量进行回归分析,获取供电需求量。
如图2所示,本申请实施例提供的方法S20还包括:
S21:根据所述能源需求场景,获取用电负荷类型和用电负荷规模;
根据所述用电负荷类型匹配电能利用数据进行能源利用率分析,包括,
S22:当所述用电负荷类型属于无能量类型转换设备,根据所述电能利用数据获取多个所述用电负荷类型的输入电能记录数据和输出电能记录数据,计算所述利用率分析结果;
S23:当所述用电负荷类型属于能量类型转换设备,匹配能源转换函数对所述电能利用数据的输入电能记录数据进行转换,获取理想转换结果;
S24:根据所述电能利用数据的输出能量数据和所述理想转换结果,计算所述利用率分析结果;
S25:根据所述利用率分析结果和所述用电负荷规模对所述能源需求量进行回归分析,获取所述供电需求量。
具体的,根据能源需求场景,获取用电负荷类型以及用电负荷规模。根据所述用电负荷类型匹配电能利用数据进行能源利用率分析,包括,当所述用电负荷类型属于无能量类型转换设备,其中无能量类型转换设备为直接利用电能的设备,如电灯。根据所述电能利用数据获取多个所述用电负荷类型的输入电能记录数据和输出电能记录数据,计算所述利用率分析结果。以及,当所述用电负荷类型属于能量类型转换设备,其中能量类型转换设备为需要将电能转换为其他能,例如热能等之类,匹配能源转换函数对所述电能利用数据的输入电能记录数据进行转换,获取理想转换结果,其中理想转换结果为未经损耗的转换结果。进一步,根据电能利用数据的输出能量数据和所述理想转换结果,计算所述利用率分析结果。最后,根据所述利用率分析结果和所述用电负荷规模对所述能源需求量进行回归分析,获取所述供电需求量。从而实现根据客户的实际能源需求场景计算能源利用率,并基于利用率分析结果和所述用电负荷规模对所述能源需求量进行回归分析获取实际的供电需求量。
S30:调取所述客户端的分布式能源基础信息,所述分布式能源基础信息包括能源点电网分布位置和供电任务调度状态;
S40:根据所述供电任务调度状态遍历所述能源点电网分布位置在所述能源需求时间进行闲置电量分析,获取闲置能源点列表;
S50:遍历所述闲置能源点列表,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于设定优化规则进行优化分析,获取能源管控推荐方案发送至所述客户端进行综合能源管控。
具体的,调取客户端的分布式能源基础信息,所述分布式能源基础信息包括能源点电网分布位置和供电任务调度状态,供电任务调度状态为供电量的调度状态,包括调度余量、调度量、调度时间段等。进一步,根据所述供电任务调度状态遍历所述能源点电网分布位置在所述能源需求时间进行闲置电量分析,获取闲置能源点列表。其中闲置能源为需求时间内可进行调度的能源。最后,遍历所述闲置能源点列表,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于设定优化规则进行优化分析,获取其中最符合客户需求的需求点电网分布位置,从而得到最优能源管控推荐方案,将获取的能源管控推荐方案发送至所述客户端进行综合能源管控。实现了综合能源管控的智能化决策,进一步降低了决策的主观性,提高了决策的可靠性。
如图3所示本申请实施例提供的方法S40还包括:
S41:从所述供电任务调度状态筛选所述能源点电网分布位置的第n个能源点分布位置的所述能源需求时间的已分配电能;
S42:获取所述第n个能源点分布位置的发电类型和发电规模对所述能源需求时间进行发电统计,获取发电预测量;
S43:根据所述发电预测量对所述已分配电能进行闲置电量分析,获取第n个能源点分布位置闲置电能,添加进所述闲置能源点列表。
具体的,从所述供电任务调度状态筛选所述能源点电网分布位置的第n个能源点分布位置的所述能源需求时间的已分配电能。即获取电网分布位置的能源点在能源需求时间的已分配电能。随后,获取所述第n个能源点分布位置的发电类型和发电规模对所述能源需求时间进行发电统计,获取发电预测量。在获取发电预测量时,通过大数据获取对应的发电类型和发电规模在能源需求时间的多个发电数据,求取发电数据均值,进而获取发电预测量。最后,根据所述发电预测量对所述已分配电能进行闲置电量分析,获取第n个能源点分布位置闲置电能,添加进所述闲置能源点列表。
本申请实施例提供的方法S50还包括:
S51:获取优化约束条件;
S52:根据德菲尔赋权模块对所述优化约束条件进行权重分布,获取目标赋权结果;
S53:根据所述优化约束条件和所述目标赋权结果,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于所述设定优化规则进行优化分析,获取所述能源管控推荐方案发送至所述客户端进行综合能源管控;
S54:其中,所述设定优化规则包括,基于所述能源需求时间和所述供电需求量,遍历所述闲置能源点列表生成能源供应初始解集,所述能源供应初始解集包括M个初始解,M大于或等于50,且M为整数;
S55:根据所述优化约束条件和所述目标赋权结果,构建适应度函数;
S56:根据所述适应度函数基于所述需求点电网分布位置对所述M个初始解进行筛选,获取所述能源管控推荐方案。
具体的,获取优化约束条件,其中优化约束条件包括设置的供电成本、供电损耗、供电路径距离、发电碳排放量方向的约束条件。根据德菲尔赋权模块对所述优化约束条件进行权重分布,获取目标赋权结果。根据所述优化约束条件和所述目标赋权结果,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于所述设定优化规则进行优化分析,从而获取所述能源管控推荐方案发送至所述客户端进行综合能源管控。基于所述能源需求时间和所述供电需求量,遍历所述闲置能源点列表生成能源供应初始解集,所述能源供应初始解集包括M个初始解,M大于或等于50,且M为整数。进一步,根据所述优化约束条件和所述目标赋权结果,构建适应度函数。其中,适应度函数为:
其中,c表征成本,h表征电能损耗,d表征供电路径距离,v表征发电碳排放量,xj表征第j个初始解,q表征xj的第q个供电点,Q表征第j个初始解的供电点总数,wc、wh、wd和wv分别为c、h、d和v的权重,wc、wh、wd和wv的权重和为1。最后,根据适应度函数,以及需求点电网分布位置对所述M个初始解进行筛选,获取所述能源管控推荐方案。
本申请实施例提供的方法S51还包括:
S511:对供电成本进行约束赋值,获取第一约束条件;
S512:对供电损耗进行约束赋值,获取第二约束条件;
S513:对供电路径距离进行约束赋值,获取第三约束条件;
S514:对发电碳排放量进行约束赋值,获取第四约束条件;
S515:将所述第一约束条件、所述第二约束条件、所述第三约束条件和所述第四约束条件添加进所述优化约束条件。
具体的,获取优化约束条件通过对供电成本进行约束赋值,获取第一约束条件。随后,对供电损耗进行约束赋值,获取第二约束条件。对供电路径距离进行约束赋值,获取第三约束条件。对发电碳排放量进行约束赋值,获取第四约束条件。将所述第一约束条件、所述第二约束条件、所述第三约束条件和所述第四约束条件添加进所述优化约束条件。
本申请实施例提供的方法S56还包括:
S561:根据所述适应度函数基于所述需求点电网分布位置遍历所述M个初始解,获取M个适应度,所述M个适应度包括最大适应度和最小适应度;
S562:设定解集扩充约束区间,其中,所述解集扩充约束区间包括最大扩充解集数量和最小扩充解集数量;
S563:根据所述最大扩充解集数量和所述最小扩充解集数量,以及所述最大适应度和所述最小适应度,构建解集扩充约束函数;
S564:根据所述解集扩充约束函数遍历所述M个适应度进行解集扩充,获取M组解集扩充结果;
S565:当所述M组解集扩充结果和所述M个初始解的总数量超过解集上限阈值,按照适应度对解集自大到小排序,获取解集排序结果;
S566:从所述解集排序结果中筛选满足所述解集上限阈值的N个解,对所述N个解基于所述解集扩充函数进行解集扩充并根据所述解集上限阈值和适应度进行筛选,直到满足预设扩充次数,获取满足所述解集上限阈值的排序自首至尾的i个解添加进所述能源管控推荐方案,1≤i≤5,i为整数,N为正整数。
具体的,根据适应度函数基于所述需求点电网分布位置,获取对应的约束条件参数获得所述M个初始解,遍历M个初始解,获取M个适应度,所述M个适应度包括最大适应度和最小适应度。随后,设定解集扩充约束区间,其中,所述解集扩充约束区间包括最大扩充解集数量和最小扩充解集数量,具体的扩充解集数量根据实际情况设置。进一步,根据所述最大扩充解集数量和所述最小扩充解集数量,以及所述最大适应度和所述最小适应度,构建解集扩充约束函数。其中,解集扩充约束函数为:
其中,ssum表征第j个初始解需产生的扩充解数量,f(xj)表征第j个初始解的适应度,Fmax表征解集最大适应度,Fmin解集最小适应度,smax表征最大扩充解集数量,smin表征最小扩充解集数量。当适应度越靠近最高适应度时,则对应的扩充解越少,从而便于更为快速的定位最高适应度的需求点电网分布位置,减少遍历需求点电网分布位置时的算力需求。
进一步,当所述M组解集扩充结果和所述M个初始解的总数量超过解集上限阈值,按照适应度对解集自大到小排序,获取解集排序结果。随后,从获取的解集排序结果中筛选满足所述解集上限阈值的N个解,对所述N个解基于所述解集扩充函数进行解集扩充并根据所述解集上限阈值和适应度进行筛选,直到满足预设扩充次数,获取满足所述解集上限阈值的排序自首至尾的i个解添加进所述能源管控推荐方案,1≤i≤5,i为整数,N为正整数。
本申请实施例提供的方法S564还包括:
S5641:根据所述优化约束条件,构建D维搜索空间,所述D维搜索空间的维度与所述优化约束条件数量相同,所述D维搜索空间的边界值为所述优化约束条件的约束赋值结果;
S5642:将所述M个初始解输入所述D维搜索空间进行分布,获取初始解分布结果;
S5643:设定初始标准差,所述初始标准差表征扩充解与初始解的最大偏离程度;
S5644:根据所述初始标准差,构建解集扩充分布函数结合所述解集扩充约束函数遍历所述初始解分布结果在所述D维搜索空间进行解集扩充,获取所述M组解集扩充结果。
具体的,由于任意一个初始解进行扩充时,其在各个约束条件的扩充呈现正态分布。在获取M组解集扩充结果时,根据所述优化约束条件,构建D维搜索空间,所述D维搜索空间的维度与所述优化约束条件数量相同,所述D维搜索空间的边界值为所述优化约束条件的约束赋值结果。将所述M个初始解输入所述D维搜索空间进行分布,获取初始解分布结果,表征M个初始解在D维搜索空间的分布位置。
最后,根据所述初始标准差,构建解集扩充分布函数结合所述解集扩充约束函数遍历所述初始解分布结果在所述D维搜索空间进行解集扩充,获取所述M组解集扩充结果。其中,解集扩充分布函数为:
其中,为第g代扩充时的标准差,/>为扩充代数,/>为最终标准差,/>为初始标准差,/>为自定义的最大扩充代数,w为非线性调节因子具体数据根据实际情况进行设置,/>为标准差,/>为对/>初始解第s个扩充对象在D维搜索空间的分布位置,所述初始标准差/>表征扩充解与初始解的最大偏离程度,smax表征/>初始解的扩充解数量最大值,为自定义参数,smin表征/>初始解的扩充解数量最小值,即为解集扩充约束函数的输出值,任意一代的扩充标准差相同。最后,根据所述初始标准差,构建解集扩充分布函数结合所述解集扩充约束函数遍历所述初始解分布结果在所述D维搜索空间进行解集扩充,获取所述M组解集扩充结果。
本申请实施例提供的方法S564还包括:
S5645:根据所述优化约束条件,遍历所述M个初始解进行单目标清洗,获取L个初始解,L≤M;
S5646:判断所述L个初始解是否大于或等于初始解数量下限阈值;
S5647:若L小于所述初始解数量下限阈值,基于所述能源需求时间和所述供电需求量,遍历所述闲置能源点列表对所述L个初始解进行补充,获取满足所述初始解数量下限阈值的K个初始解;
S5648:根据所述适应度函数基于所述需求点电网分布位置对所述K个初始解进行筛选,获取所述能源管控推荐方案。
具体的,根据优化约束条件,遍历所述M个初始解进行单目标清洗,即按照优化约束条件对M个初始解进行数据清洗,将不满足优化约束条件的初始解筛除,获取L个初始解,L≤M。判断所述L个初始解是否大于或等于初始解数量下限阈值。当L小于所述初始解数量下限阈值,此时获取的初始解数量较少,则基于所述能源需求时间和所述供电需求量,遍历所述闲置能源点列表对所述L个初始解进行随机补充,获取满足所述初始解数量下限阈值的K个初始解。最后,根据所述适应度函数基于所述需求点电网分布位置对所述K个初始解进行筛选,获取所述能源管控推荐方案。
实施例二:基于与前述实施例中一种基于智慧云网关的综合能源管控方法同样发明构思,本发明还提供了一种基于智慧云网关的综合能源管控方法的系统,系统可以由硬件和/或软件的方式来实现,一般可集成于电子设备中,用于执行本发明任意实施例所提供的方法。如图4所示,所述系统包括:
能源需求信息获取模块11,用于接收客户端的能源需求信息,所述能源需求信息包括需求点电网分布位置、能源需求场景、能源需求时间和能源需求量;
供电需求量获取模块12,用于基于所述能源需求场景进行能源利用率分析,根据利用率分析结果对所述能源需求量进行回归分析,获取供电需求量;
能源基础信息获取模块13,用于调取所述客户端的分布式能源基础信息,所述分布式能源基础信息包括能源点电网分布位置和供电任务调度状态;
能源需求信息获取模块14,用于根据所述供电任务调度状态遍历所述能源点电网分布位置在所述能源需求时间进行闲置电量分析,获取闲置能源点列表;
能源管控模块15,用于遍历所述闲置能源点列表,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于设定优化规则进行优化分析,获取能源管控推荐方案发送至所述客户端进行综合能源管控。
进一步地,所述供电需求量获取模块12还用于:
根据所述能源需求场景,获取用电负荷类型和用电负荷规模;
根据所述用电负荷类型匹配电能利用数据进行能源利用率分析,包括,
当所述用电负荷类型属于无能量类型转换设备,根据所述电能利用数据获取多个所述用电负荷类型的输入电能记录数据和输出电能记录数据,计算所述利用率分析结果;
当所述用电负荷类型属于能量类型转换设备,匹配能源转换函数对所述电能利用数据的输入电能记录数据进行转换,获取理想转换结果;
根据所述电能利用数据的输出能量数据和所述理想转换结果,计算所述利用率分析结果;
根据所述利用率分析结果和所述用电负荷规模对所述能源需求量进行回归分析,获取所述供电需求量。
进一步地,所述能源需求信息获取模块14还用于:
从所述供电任务调度状态筛选所述能源点电网分布位置的第n个能源点分布位置的所述能源需求时间的已分配电能;
获取所述第n个能源点分布位置的发电类型和发电规模对所述能源需求时间进行发电统计,获取发电预测量;
根据所述发电预测量对所述已分配电能进行闲置电量分析,获取第n个能源点分布位置闲置电能,添加进所述闲置能源点列表。
进一步地,所述能源管控模块15还用于:
获取优化约束条件;
根据德菲尔赋权模块对所述优化约束条件进行权重分布,获取目标赋权结果;
根据所述优化约束条件和所述目标赋权结果,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于所述设定优化规则进行优化分析,获取所述能源管控推荐方案发送至所述客户端进行综合能源管控;
其中,所述设定优化规则包括,基于所述能源需求时间和所述供电需求量,遍历所述闲置能源点列表生成能源供应初始解集,所述能源供应初始解集包括M个初始解,M大于或等于50,且M为整数;
根据所述优化约束条件和所述目标赋权结果,构建适应度函数;
根据所述适应度函数基于所述需求点电网分布位置对所述M个初始解进行筛选,获取所述能源管控推荐方案。
进一步地,所述能源管控模块15还用于:
以所述二次检索指令,对所述检索关键字进行关键字特征分析,获取关键字特征集合;
以所述关键字特征集合,获取同义检索关键字;
对供电成本进行约束赋值,获取第一约束条件;
对供电损耗进行约束赋值,获取第二约束条件;
对供电路径距离进行约束赋值,获取第三约束条件;
对发电碳排放量进行约束赋值,获取第四约束条件;
将所述第一约束条件、所述第二约束条件、所述第三约束条件和所述第四约束条件添加进所述优化约束条件。
进一步地,所述能源管控模块15还用于:
根据所述适应度函数基于所述需求点电网分布位置遍历所述M个初始解,获取M个适应度,所述M个适应度包括最大适应度和最小适应度;
设定解集扩充约束区间,其中,所述解集扩充约束区间包括最大扩充解集数量和最小扩充解集数量;
根据所述最大扩充解集数量和所述最小扩充解集数量,以及所述最大适应度和所述最小适应度,构建解集扩充约束函数;
根据所述解集扩充约束函数遍历所述M个适应度进行解集扩充,获取M组解集扩充结果;
当所述M组解集扩充结果和所述M个初始解的总数量超过解集上限阈值,按照适应度对解集自大到小排序,获取解集排序结果;
从所述解集排序结果中筛选满足所述解集上限阈值的N个解,对所述N个解基于所述解集扩充函数进行解集扩充并根据所述解集上限阈值和适应度进行筛选,直到满足预设扩充次数,获取满足所述解集上限阈值的排序自首至尾的i个解添加进所述能源管控推荐方案,1≤i≤5,i为整数,N为正整数。
进一步地,所述能源管控模块15还用于:
根据所述优化约束条件,构建D维搜索空间,所述D维搜索空间的维度与所述优化约束条件数量相同,所述D维搜索空间的边界值为所述优化约束条件的约束赋值结果;
将所述M个初始解输入所述D维搜索空间进行分布,获取初始解分布结果;
设定初始标准差,所述初始标准差表征扩充解与初始解的最大偏离程度;
根据所述初始标准差,构建解集扩充分布函数结合所述解集扩充约束函数遍历所述初始解分布结果在所述D维搜索空间进行解集扩充,获取所述M组解集扩充结果。
进一步地,所述能源管控模块15还用于:
根据所述优化约束条件,遍历所述M个初始解进行单目标清洗,获取L个初始解,L≤M;
判断所述L个初始解是否大于或等于初始解数量下限阈值;
若L小于所述初始解数量下限阈值,基于所述能源需求时间和所述供电需求量,遍历所述闲置能源点列表对所述L个初始解进行补充,获取满足所述初始解数量下限阈值的K个初始解;
根据所述适应度函数基于所述需求点电网分布位置对所述K个初始解进行筛选,获取所述能源管控推荐方案。
所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例三:图5为本发明实施例三提供的电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图5所示,该电子设备包括处理器31、存储器32、输入装置33及输出装置34;电子设备中处理器31的数量可以是一个或多个,图5中以一个处理器31为例,电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种基于智慧云网关的综合能源管控方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述一种基于智慧云网关的综合能源管控方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于智慧云网关的综合能源管控方法,其特征在于,应用于云网关决策中心,包括:
接收客户端的能源需求信息,所述能源需求信息包括需求点电网分布位置、能源需求场景、能源需求时间和能源需求量;
基于所述能源需求场景进行能源利用率分析,根据利用率分析结果对所述能源需求量进行回归分析,获取供电需求量;
调取所述客户端的分布式能源基础信息,所述分布式能源基础信息包括能源点电网分布位置和供电任务调度状态;
根据所述供电任务调度状态遍历所述能源点电网分布位置在所述能源需求时间进行闲置电量分析,获取闲置能源点列表;
遍历所述闲置能源点列表,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于设定优化规则进行优化分析,获取能源管控推荐方案发送至所述客户端进行综合能源管控。
2.如权利要求1所述的方法,其特征在于,基于所述能源需求场景进行能源利用率分析,根据利用率分析结果对所述能源需求量进行回归分析,获取供电需求量,包括:
根据所述能源需求场景,获取用电负荷类型和用电负荷规模;
根据所述用电负荷类型匹配电能利用数据进行能源利用率分析,包括,
当所述用电负荷类型属于无能量类型转换设备,根据所述电能利用数据获取多个所述用电负荷类型的输入电能记录数据和输出电能记录数据,计算所述利用率分析结果;以及
当所述用电负荷类型属于能量类型转换设备,匹配能源转换函数对所述电能利用数据的输入电能记录数据进行转换,获取理想转换结果;
根据所述电能利用数据的输出能量数据和所述理想转换结果,计算所述利用率分析结果;
根据所述利用率分析结果和所述用电负荷规模对所述能源需求量进行回归分析,获取所述供电需求量。
3.如权利要求1所述的方法,其特征在于,根据所述供电任务调度状态遍历所述能源点电网分布位置在所述能源需求时间进行闲置电量分析,获取闲置能源点列表,包括:
从所述供电任务调度状态筛选所述能源点电网分布位置的第n个能源点分布位置的所述能源需求时间的已分配电能;
获取所述第n个能源点分布位置的发电类型和发电规模对所述能源需求时间进行发电统计,获取发电预测量;
根据所述发电预测量对所述已分配电能进行闲置电量分析,获取第n个能源点分布位置闲置电能,添加进所述闲置能源点列表。
4.如权利要求1所述的方法,其特征在于,遍历所述闲置能源点列表,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于设定优化规则进行优化分析,获取能源管控推荐方案发送至所述客户端进行综合能源管控,包括:
获取优化约束条件;
根据德菲尔赋权模块对所述优化约束条件进行权重分布,获取目标赋权结果;
根据所述优化约束条件和所述目标赋权结果,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于所述设定优化规则进行优化分析,获取所述能源管控推荐方案发送至所述客户端进行综合能源管控;
其中,所述设定优化规则包括,
基于所述能源需求时间和所述供电需求量,遍历所述闲置能源点列表生成能源供应初始解集,所述能源供应初始解集包括M个初始解,M大于或等于50,且M为整数;
根据所述优化约束条件和所述目标赋权结果,构建适应度函数;
根据所述适应度函数基于所述需求点电网分布位置对所述M个初始解进行筛选,获取所述能源管控推荐方案。
5.如权利要求4所述的方法,其特征在于,所述获取优化约束条件,包括:
对供电成本进行约束赋值,获取第一约束条件;
对供电损耗进行约束赋值,获取第二约束条件;
对供电路径距离进行约束赋值,获取第三约束条件;
对发电碳排放量进行约束赋值,获取第四约束条件;
将所述第一约束条件、所述第二约束条件、所述第三约束条件和所述第四约束条件添加进所述优化约束条件。
6.如权利要求5所述的方法,其特征在于,根据所述适应度函数基于所述需求点电网分布位置对所述M个初始解进行筛选,获取所述能源管控推荐方案,包括:
根据所述适应度函数基于所述需求点电网分布位置遍历所述M个初始解,获取M个适应度,所述M个适应度包括最大适应度和最小适应度;
设定解集扩充约束区间,其中,所述解集扩充约束区间包括最大扩充解集数量和最小扩充解集数量;
根据所述最大扩充解集数量和所述最小扩充解集数量,以及所述最大适应度和所述最小适应度,构建解集扩充约束函数;
根据所述解集扩充约束函数遍历所述M个适应度进行解集扩充,获取M组解集扩充结果;
当所述M组解集扩充结果和所述M个初始解的总数量超过解集上限阈值,按照适应度对解集自大到小排序,获取解集排序结果;
从所述解集排序结果中筛选满足所述解集上限阈值的N个解,对所述N个解基于所述解集扩充函数进行解集扩充并根据所述解集上限阈值和适应度进行筛选,直到满足预设扩充次数,获取满足所述解集上限阈值的排序自首至尾的i个解添加进所述能源管控推荐方案,1≤i≤5,i为整数,N为正整数。
7.如权利要求6所述的方法,其特征在于,根据所述解集扩充约束函数遍历所述M个适应度进行解集扩充,获取M组解集扩充结果,还包括:
根据所述优化约束条件,构建D维搜索空间,所述D维搜索空间的维度与所述优化约束条件数量相同,所述D维搜索空间的边界值为所述优化约束条件的约束赋值结果;
将所述M个初始解输入所述D维搜索空间进行分布,获取初始解分布结果;
设定初始标准差,所述初始标准差表征扩充解与初始解的最大偏离程度;
根据所述初始标准差,构建解集扩充分布函数结合所述解集扩充约束函数遍历所述初始解分布结果在所述D维搜索空间进行解集扩充,获取所述M组解集扩充结果。
8.如权利要求6所述的方法,其特征在于,根据所述适应度函数基于所述需求点电网分布位置遍历所述M个初始解,获取M个适应度,还包括:
根据所述优化约束条件,遍历所述M个初始解进行单目标清洗,获取L个初始解,L≤M;
判断所述L个初始解是否大于或等于初始解数量下限阈值;
若L小于所述初始解数量下限阈值,基于所述能源需求时间和所述供电需求量,遍历所述闲置能源点列表对所述L个初始解进行补充,获取满足所述初始解数量下限阈值的K个初始解;
根据所述适应度函数基于所述需求点电网分布位置对所述K个初始解进行筛选,获取所述能源管控推荐方案。
9.一种基于智慧云网关的综合能源管控系统,其特征在于,包括:
能源需求信息获取模块,用于接收客户端的能源需求信息,所述能源需求信息包括需求点电网分布位置、能源需求场景、能源需求时间和能源需求量;
供电需求量获取模块,用于基于所述能源需求场景进行能源利用率分析,根据利用率分析结果对所述能源需求量进行回归分析,获取供电需求量;
能源基础信息获取模块,用于调取所述客户端的分布式能源基础信息,所述分布式能源基础信息包括能源点电网分布位置和供电任务调度状态;
能源需求信息获取模块,用于根据所述供电任务调度状态遍历所述能源点电网分布位置在所述能源需求时间进行闲置电量分析,获取闲置能源点列表;
能源管控模块,用于遍历所述闲置能源点列表,基于所述需求点电网分布位置、所述能源需求时间和所述供电需求量基于设定优化规则进行优化分析,获取能源管控推荐方案发送至所述客户端进行综合能源管控。
10.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至8任一项所述的一种基于智慧云网关的综合能源管控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310519078.3A CN116227757B (zh) | 2023-05-10 | 2023-05-10 | 一种基于智慧云网关的综合能源管控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310519078.3A CN116227757B (zh) | 2023-05-10 | 2023-05-10 | 一种基于智慧云网关的综合能源管控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116227757A true CN116227757A (zh) | 2023-06-06 |
CN116227757B CN116227757B (zh) | 2023-07-18 |
Family
ID=86589607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310519078.3A Active CN116227757B (zh) | 2023-05-10 | 2023-05-10 | 一种基于智慧云网关的综合能源管控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116227757B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116468253A (zh) * | 2023-06-09 | 2023-07-21 | 山西中能运维新能源技术有限公司 | 结合智慧能源管理平台的多能源调度管控方法及系统 |
CN116643526A (zh) * | 2023-06-12 | 2023-08-25 | 上海启斯云计算有限公司 | 电源节能控制方法及系统 |
CN116757546A (zh) * | 2023-07-05 | 2023-09-15 | 安徽如柒信息科技有限公司 | 一种基于工业互联网的生产监测预警系统 |
CN116957423A (zh) * | 2023-09-20 | 2023-10-27 | 张家港禾福新材料科技有限公司 | 一种包装薄膜生产线用生产环境监测调控方法及系统 |
CN116993029A (zh) * | 2023-09-27 | 2023-11-03 | 超网实业(成都)股份有限公司 | 用于智慧厂务的设备能效评估方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010104521A1 (en) * | 2009-03-13 | 2010-09-16 | Hewlett-Packard Development Company, L.P. | Determining status assignments that optimize entity utilization and resource power consumption |
CN108537409A (zh) * | 2018-03-15 | 2018-09-14 | 广东电网有限责任公司电网规划研究中心 | 一种考虑多能源耦合特性的工业园区配电网协同规划方法 |
CN109685332A (zh) * | 2018-12-06 | 2019-04-26 | 广东电网有限责任公司 | 一种综合能源多主体利益均衡优化调度方法及设备 |
CN110310089A (zh) * | 2019-06-25 | 2019-10-08 | 河海大学常州校区 | 一种基于智能调度算法的会议室管理系统和方法 |
CN110490429A (zh) * | 2019-07-29 | 2019-11-22 | 湘潭大学 | 基于ssa算法智能楼宇微电网家用负荷快速调度方法 |
CN112311019A (zh) * | 2020-10-20 | 2021-02-02 | 山东中瑞电气有限公司 | 多智能体系统及其能源路由策略 |
CN112990582A (zh) * | 2021-03-17 | 2021-06-18 | 南方电网科学研究院有限责任公司 | 一种智能电网调度方法及系统 |
CN113128799A (zh) * | 2019-12-30 | 2021-07-16 | 中移(上海)信息通信科技有限公司 | 能源管控方法、装置、电子设备及计算机存储介质 |
CN113435659A (zh) * | 2021-07-09 | 2021-09-24 | 中国电力工程顾问集团中南电力设计院有限公司 | 基于场景分析的综合能源系统两阶段优化运行方法及系统 |
CN113888132A (zh) * | 2021-10-11 | 2022-01-04 | 国网综合能源服务集团有限公司 | 一种大型工业企业的能源管理系统 |
US20220050714A1 (en) * | 2020-08-14 | 2022-02-17 | Lancium Llc | Power aware scheduling |
CN115034510A (zh) * | 2022-06-30 | 2022-09-09 | 湖北工业大学 | 适用于台风场景的电网安全风险全过程闭环管控优化方法及装置 |
CN115600809A (zh) * | 2022-10-14 | 2023-01-13 | 国网山西省电力公司太原供电公司(Cn) | 一种综合能源系统的优化调度装置及方法 |
CN115983430A (zh) * | 2022-12-02 | 2023-04-18 | 成都市迈德物联网技术有限公司 | 一种综合能源系统管理优化的方法及系统 |
-
2023
- 2023-05-10 CN CN202310519078.3A patent/CN116227757B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010104521A1 (en) * | 2009-03-13 | 2010-09-16 | Hewlett-Packard Development Company, L.P. | Determining status assignments that optimize entity utilization and resource power consumption |
CN108537409A (zh) * | 2018-03-15 | 2018-09-14 | 广东电网有限责任公司电网规划研究中心 | 一种考虑多能源耦合特性的工业园区配电网协同规划方法 |
CN109685332A (zh) * | 2018-12-06 | 2019-04-26 | 广东电网有限责任公司 | 一种综合能源多主体利益均衡优化调度方法及设备 |
CN110310089A (zh) * | 2019-06-25 | 2019-10-08 | 河海大学常州校区 | 一种基于智能调度算法的会议室管理系统和方法 |
CN110490429A (zh) * | 2019-07-29 | 2019-11-22 | 湘潭大学 | 基于ssa算法智能楼宇微电网家用负荷快速调度方法 |
CN113128799A (zh) * | 2019-12-30 | 2021-07-16 | 中移(上海)信息通信科技有限公司 | 能源管控方法、装置、电子设备及计算机存储介质 |
US20220050714A1 (en) * | 2020-08-14 | 2022-02-17 | Lancium Llc | Power aware scheduling |
CN112311019A (zh) * | 2020-10-20 | 2021-02-02 | 山东中瑞电气有限公司 | 多智能体系统及其能源路由策略 |
CN112990582A (zh) * | 2021-03-17 | 2021-06-18 | 南方电网科学研究院有限责任公司 | 一种智能电网调度方法及系统 |
CN113435659A (zh) * | 2021-07-09 | 2021-09-24 | 中国电力工程顾问集团中南电力设计院有限公司 | 基于场景分析的综合能源系统两阶段优化运行方法及系统 |
CN113888132A (zh) * | 2021-10-11 | 2022-01-04 | 国网综合能源服务集团有限公司 | 一种大型工业企业的能源管理系统 |
CN115034510A (zh) * | 2022-06-30 | 2022-09-09 | 湖北工业大学 | 适用于台风场景的电网安全风险全过程闭环管控优化方法及装置 |
CN115600809A (zh) * | 2022-10-14 | 2023-01-13 | 国网山西省电力公司太原供电公司(Cn) | 一种综合能源系统的优化调度装置及方法 |
CN115983430A (zh) * | 2022-12-02 | 2023-04-18 | 成都市迈德物联网技术有限公司 | 一种综合能源系统管理优化的方法及系统 |
Non-Patent Citations (1)
Title |
---|
于波 等: "综合能源系统规划设计方法", 电力建设, no. 02, pages 82 - 88 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116468253A (zh) * | 2023-06-09 | 2023-07-21 | 山西中能运维新能源技术有限公司 | 结合智慧能源管理平台的多能源调度管控方法及系统 |
CN116468253B (zh) * | 2023-06-09 | 2023-09-19 | 山西中能运维新能源技术有限公司 | 结合智慧能源管理平台的多能源调度管控方法及系统 |
CN116643526A (zh) * | 2023-06-12 | 2023-08-25 | 上海启斯云计算有限公司 | 电源节能控制方法及系统 |
CN116643526B (zh) * | 2023-06-12 | 2024-04-23 | 上海启斯云计算有限公司 | 电源节能控制方法及系统 |
CN116757546A (zh) * | 2023-07-05 | 2023-09-15 | 安徽如柒信息科技有限公司 | 一种基于工业互联网的生产监测预警系统 |
CN116757546B (zh) * | 2023-07-05 | 2023-12-12 | 安徽如柒信息科技有限公司 | 一种基于工业互联网的生产监测预警系统 |
CN116957423A (zh) * | 2023-09-20 | 2023-10-27 | 张家港禾福新材料科技有限公司 | 一种包装薄膜生产线用生产环境监测调控方法及系统 |
CN116957423B (zh) * | 2023-09-20 | 2024-01-12 | 张家港禾福新材料科技有限公司 | 一种包装薄膜生产线用生产环境监测调控方法及系统 |
CN116993029A (zh) * | 2023-09-27 | 2023-11-03 | 超网实业(成都)股份有限公司 | 用于智慧厂务的设备能效评估方法及系统 |
CN116993029B (zh) * | 2023-09-27 | 2023-12-12 | 超网实业(成都)股份有限公司 | 用于智慧厂务的设备能效评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116227757B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116227757B (zh) | 一种基于智慧云网关的综合能源管控方法及系统 | |
Shi et al. | Stochastic unit commitment with topology control recourse for power systems with large-scale renewable integration | |
Elghitani et al. | Aggregating a large number of residential appliances for demand response applications | |
KR102544181B1 (ko) | 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법 | |
Keerthisinghe et al. | PV and demand models for a Markov decision process formulation of the home energy management problem | |
Liu et al. | Fast stability scanning for future grid scenario analysis | |
CN104408663A (zh) | 智能电网用户需求响应调度系统及方法 | |
CN111064199A (zh) | 一种智能微网的控制方法及装置 | |
Zhou et al. | Robust risk-sensitive task offloading for edge-enabled industrial Internet of Things | |
CN113723793A (zh) | 园区综合能源系统的实现方法、装置、设备和介质 | |
Tiwari et al. | Load balancing in a microgrid with uncertain renewable resources and loads | |
US11893487B2 (en) | Trained models for discovering target device presence | |
CN111404195B (zh) | 一种基于智能网关的含分布式电源微电网的调度方法 | |
CN114683908A (zh) | 换电站的换电能力评估方法、系统、电子设备和介质 | |
Du et al. | OctopusKing: A TCT-aware task scheduling on spark platform | |
Yamzaki et al. | Data processing framework with analytic infrastructure for future smart grid | |
Wang et al. | Electricity and carbon-aware task scheduling in geo-distributed internet data centers | |
Jyothi et al. | A machine learning based power load prediction system for smart grid energy management | |
CN117293916B (zh) | 一种面向用户的电网调度方法及装置、计算设备 | |
Dong et al. | Research on Electrical Energy Scheduling Algorithm based on Cloud Computing | |
CN117498468B (zh) | 一种多区域虚拟电厂协同优化运行方法 | |
AU2021213752B2 (en) | Method and apparatus for relative value generation of resources based on knapsack algorithms | |
Rueb et al. | 6G and the Sustainability Aspect: Exploiting Surplus Renewable Energy for Distributed Learning Clusters in 6G Networks | |
CN118281838A (zh) | 具备微网运行模式的虚拟电厂运行管理系统及方法 | |
Taylor et al. | Index policies for demand response under uncertainty |
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 |