CN116542421A - 园区综合能源系统低碳调度方法及系统 - Google Patents

园区综合能源系统低碳调度方法及系统 Download PDF

Info

Publication number
CN116542421A
CN116542421A CN202310416058.3A CN202310416058A CN116542421A CN 116542421 A CN116542421 A CN 116542421A CN 202310416058 A CN202310416058 A CN 202310416058A CN 116542421 A CN116542421 A CN 116542421A
Authority
CN
China
Prior art keywords
date
scheduling
carbon
low
model
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.)
Pending
Application number
CN202310416058.3A
Other languages
English (en)
Inventor
任鹏
曹晓波
李梦宇
单亚静
杨鑫
王宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co
State Grid Corp of China SGCC
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Original Assignee
Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co
State Grid Corp of China SGCC
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co, State Grid Corp of China SGCC, Marketing Service Center of State Grid Hebei Electric Power Co Ltd filed Critical Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co
Priority to CN202310416058.3A priority Critical patent/CN116542421A/zh
Publication of CN116542421A publication Critical patent/CN116542421A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种园区综合能源系统低碳调度方法及系统，该方法包括：根据园区综合能源系统在历史年度中各个日期的能源供应需求对历史日期进行分类，得到多个日期类；确定调度日所属的日期类，获取调度日所属的日期类中各个历史日期的最优解；各个历史日期的最优解指各个历史日期时，对目标低碳调度模型求解得到的最优解；基于各个历史日期的最优解确定在调度日时目标低碳调度模型的初始解，对在调度日时目标低碳调度模型的初始解进行更新，得到在调度日时目标低碳调度模型的最优解，基于目标低碳调度模型的最优解在调度日对园区综合能源系统进行低碳调度。本发明可以为调度日制定更合理的调度策略，有效提升园区综合能源系统的碳减排能力。

Description

园区综合能源系统低碳调度方法及系统
技术领域
本发明属于低碳调度技术领域，更具体地说，是涉及一种园区综合能源系统低碳调度方法及系统。
背景技术
目前我国仍以化石能源为主导能源，风电光伏等新能源占比较小，能源行业碳排放占我国总体碳排放量比重较大。
在此基础上，对于园区综合能源系统，如何进一步提升其碳减排能力成为本行业亟需解决的问题。
发明内容
本发明的目的在于提供一种园区综合能源系统低碳调度方法及系统，以提高园区综合能源系统的碳减排能力。
本发明实施例的第一方面，提供了一种园区综合能源系统低碳调度方法，包括：
根据园区综合能源系统在历史年度中各个日期的能源供应需求对历史日期进行分类，得到多个日期类；
确定调度日所属的日期类，获取所述调度日所属的日期类中各个历史日期的最优解；其中，各个历史日期的最优解指的是各个历史日期时，对预设的目标低碳调度模型求解得到的最优解；
基于各个历史日期的最优解确定在所述调度日时所述目标低碳调度模型的初始解，对在所述调度日时所述目标低碳调度模型的初始解进行更新，得到在所述调度日时所述目标低碳调度模型的最优解，基于所述目标低碳调度模型的最优解在调度日对所述园区综合能源系统进行低碳调度。
在一种可能的实现方式中，所述园区综合能源系统低碳调度方法还包括：
获取园区综合能源系统的各类能源供应比例；
基于所述各类能源供应比例从预设的多个低碳调度模型中选择一低碳调度模型作为目标低碳调度模型。
在一种可能的实现方式中，所述基于所述各类能源供应比例从预设的多个低碳调度模型中选择一低碳调度模型作为目标低碳调度模型，包括：
通过计算每个低碳调度模型对应的欧氏距离；其中，xi为园区综合能源系统中第i类能源的能源供应比例，yi为每个低碳调度模型构建时所参考的第i类能源的能源供应比例，1≤i≤n；
将欧氏距离最小的低碳调度模型确定为目标低碳调度模型。
在一种可能的实现方式中，所述确定调度日所属的日期类，包括：
获取调度日的日期属性以及调度日的气象数据；其中，所述日期属性用于描述所述调度日是否为节假日或者管控日；
根据所述日期属性以及所述气象数据确定所述调度日所属的日期类。
在一种可能的实现方式中，所述根据所述日期属性以及所述气象数据确定调度日所属的日期类，包括：
若所述日期属性显示所述调度日为节假日或者管控日，则将所述气象数据输入至预设的第一神经网络模型中，预测得到所述调度日的能源供应需求；
若所述日期属性显示所述调度日不为节假日、也不为管控日，则将所述气象数据输入至预设的第二神经网络模型中，预测得到所述调度日的能源供应需求；
根据所述调度日的能源供应需求确定所述调度日所属的日期类。
在一种可能的实现方式中，每个日期类都对应一能源供应需求范围；所述根据所述调度日的能源供应需求确定所述调度日所属的日期类，包括：
确定所述调度日的能源供应需求所属的能源供应需求范围；
根据所述调度日所属的能源供应需求范围确定所述调度日所属的日期类。
在一种可能的实现方式中，所述基于各个历史日期的最优解确定在所述调度日时所述目标低碳调度模型的初始解，包括：
计算所述各个历史日期的最优解的平均值，将所述最优解的平均值确定为在所述调度日时所述目标低碳调度模型的初始解，并将所述调度日添加至所述调度日所属的日期类；
或者，确定所述调度日所属的日期类的聚类中心，将所述聚类中心对应的历史日期的最优解确定为在所述调度日时所述目标低碳调度模型的初始解，并将所述调度日添加至所述调度日所属的日期类。
本发明实施例的第二方面，提供了一种园区综合能源系统低碳调度系统，所述园区综合能源系统低碳调度系统包括：
聚类模块，用于根据园区综合能源系统在历史年度中各个日期的能源供应需求对历史日期进行分类，得到多个日期类；
溯源模块，用于确定调度日所属的日期类，获取所述调度日所属的日期类中各个历史日期的最优解；其中，各个历史日期的最优解指的是各个历史日期时，对预设的目标低碳调度模型求解得到的最优解；
调度模块，用于基于各个历史日期的最优解确定在所述调度日时所述目标低碳调度模型的初始解，对在所述调度日时所述目标低碳调度模型的初始解进行更新，得到在所述调度日时所述目标低碳调度模型的最优解，基于所述目标低碳调度模型的最优解在调度日对所述园区综合能源系统进行低碳调度。
本发明实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的园区综合能源系统低碳调度方法的步骤。
本发明实施例的第四方面，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存储有计算机程序，所述计算机程序被处理器执行时实现上述的园区综合能源系统低碳调度方法的步骤。
本发明实施例提供的园区综合能源系统低碳调度方法及系统的有益效果在于：
现有技术中通过建立低碳调度模型、对低碳调度模型进行求解来实现园区综合能源系统的低碳调度进而提高园区综合能源系统的碳减排能力，但本申请的发明人发现，现有技术在根据低碳调度模型确定调度策略后，会一直根据确定的调度策略进行园区综合能源系统的低碳调度，但园区综合能源系统对应的能源需求情况是会变化的，一直采用一种调度策略进行低碳调度会导致碳减排能力受到限制。因此，本发明实施例考虑了前述能源需求情况的变化，将各个日期进行了划分，得到了多个日期类。在此基础上，根据调度日所属日期类的调度策略(也即根据调度日所属日期类中各个历史日期的最优解)确定调度日当天的调度策略。基于本发明实施例的方案，可以更合理地确定调度日的调度策略，且由于调度日的调度策略(也即调度日的最优解)是在其所属日期类中各个历史日期的调度策略的基础上更新得到的，因此有效降低了多次对低碳调度模型求解时的运算量，方便快速地确定了调度日的调度策略(也即调度日的最优解)。综合上述，本发明实施例可以为调度日制定更合理的调度策略，进而有效提升园区综合能源系统的碳减排能力。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的园区综合能源系统低碳调度方法的流程示意图；
图2为本发明一实施例提供的园区综合能源系统低碳调度系统的结构框图；
图3为本发明一实施例提供的终端设备的示意框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
请参考图1，图1为本发明一实施例提供的园区综合能源系统低碳调度方法的流程示意图，该园区综合能源系统低碳调度方法包括：
S101：根据园区综合能源系统在历史年度中各个日期的能源供应需求对历史日期进行分类，得到多个日期类。
在本实施例中，可以获取园区综合能源系统在历史年度中各个日期的能源供应需求，并根据前述能源供应需求对历史年度中的各个历史日期进行分类，得到多个日期类。比如，可以将历史年度中的各个历史日期分为三类，第一类历史日期为能源供应需求大于第一预设值的日期，第二类历史日期为能源供应需求不大于第一预设值且大于第二预设值的日期，第三类历史日期为能源供应需求不大于第二预设值的日期。其中，第一预设值大于第二预设值。也就是说，可将历史年度中的各个历史日期划分为能源供应需求较大的历史日期、能源供应需求适中的历史日期以及能源供应需求较小的历史日期。在此基础上，在确定调度日的调度策略时，可参考其所属日期类中各个历史日期的调度策略。
在本实施例中，调度日指的是低碳调度日，其为将来的某一天。比如，调度日可以为第二天，也可以为第三天，或者为下一周的某一天。本发明实施例旨在预先确定调度日的调度策略，以便于在调度日执行确定的调度策略。
S102：确定调度日所属的日期类，获取调度日所属的日期类中各个历史日期的最优解。其中，各个历史日期的最优解指的是各个历史日期时，对预设的目标低碳调度模型求解得到的最优解。
在本实施例中，各个历史日期的最优解本质为各个历史日期的调度策略，其通过对预先构建的目标低碳调度模型求解得到。其中，目标低碳调度模型可以根据本领域的现有手段构建，比如，目标低碳调度模型可包含目标函数及其对应的约束条件，其中，目标函数可以园区综合能源系统运行总成本最小以及园区综合能源系统碳排放量最少为优化目标，约束条件可以包含功率平衡约束、联络线约束等，对于目标低碳调度模型的具体构建，因其并非本发明实施例的重点，本实施例对此不做赘述。
S103：基于各个历史日期的最优解确定在调度日时目标低碳调度模型的初始解，对在调度日时目标低碳调度模型的初始解进行更新，得到在调度日时目标低碳调度模型的最优解，基于目标低碳调度模型的最优解在调度日对园区综合能源系统进行低碳调度。
现有技术在对低碳调度模型进行求解时，通常会对低碳调度模型进行随机初始化，也即，将随机生成的值作为低碳调度模型的初始解，然后开始利用群智能算法对初始解进行寻优，进而得到最优解。在此基础上，由于本发明实施例会对每个调度日均进行一次求解，因此，为了避免运算量过大，且也为了保证调度日调度策略的适应性，本发明实施例会根据调度日所属的日期类中各个历史日期的最优解确定调度日的初始解，在此基础上，基于群智能算法对调度日的初始解进行更新，从而加快调度日在模型求解过程中的收敛速度，快速、准确地确定调度日时目标低碳模型的最优解，调度日时目标低碳模型的最优解也即调度日的调度策略。其中，本实施例中所描述的群智能算法可以为粒子群算法、蚁群算法、蛙跳算法或者前述算法与遗传算法的组合等。
现有技术中通过建立低碳调度模型、对低碳调度模型进行求解来实现园区综合能源系统的低碳调度进而提高园区综合能源系统的碳减排能力，但本申请的发明人发现，现有技术在根据低碳调度模型确定调度策略后，会一直根据确定的调度策略进行园区综合能源系统的低碳调度，但园区综合能源系统对应的能源需求情况是会变化的，一直采用一种调度策略进行低碳调度会导致碳减排能力受到限制。因此，本发明实施例考虑了前述能源需求情况的变化，将各个日期进行了划分，得到了多个日期类。在此基础上，根据调度日所属日期类的调度策略(也即根据调度日所属日期类中各个历史日期的最优解)确定调度日当天的调度策略。基于本发明实施例的方案，可以更合理地确定调度日的调度策略，且由于调度日的调度策略(也即调度日的最优解)是在其所属日期类中各个历史日期的调度策略的基础上更新得到的，因此有效降低了多次对低碳调度模型求解时的运算量，方便快速地确定了调度日的调度策略(也即调度日的最优解)。综合上述，本发明实施例可以为调度日制定更合理的调度策略，进而有效提升园区综合能源系统的碳减排能力。
在一种可能的实现方式中，园区综合能源系统低碳调度方法还包括：
获取园区综合能源系统的各类能源供应比例。
基于各类能源供应比例从预设的多个低碳调度模型中选择一低碳调度模型作为目标低碳调度模型。
在本实施例中，各类能源供应比例指的是不同种类的能源在进行能量供应时的出力比例。比如，园区综合能源系统中可大致划分为两类能源：化石能源与新能源。在此基础上，在进行能量供应时(也即供热或者供电时)，化石能源出力70％，新能源出力30％，则两者的能源供应比例即为7：3。当然，也可继续对化石能源和/或新能源进行细化，得到更多种类的能源，比如，新能源可以拆分为风力和光伏，在此基础上，其中新能源中风力出力20％、光伏出力80％，则各类能源供应比例(顺序为化石、风力、光伏)为7：0.6：2.4。
在本实施例中，预设的低碳调度模型为预先建立的低碳调度模型。每个低碳调度模型都基于一定的能源供应比例所构建，不同的低碳调度模型所对应的能源供应比例是不同的。在此基础上，可基于当前的园区综合能源系统的各类能源供应比例从多个低碳调度模型中选择一适当的低碳调度模型作为目标低碳调度模型。其中，与前述目标低碳调度模型类似，本实施例所描述的各个低碳调度模型可以根据本领域的现有手段构建，比如，低碳调度模型可包含目标函数及其对应的约束条件，其中，目标函数可以园区综合能源系统运行总成本最小以及园区综合能源系统碳排放量最少为优化目标，约束条件可以包含功率平衡约束、联络线约束等，对于低碳调度模型的具体构建，因其并非本发明实施例的重点，本实施例对此不做赘述。
在一种可能的实现方式中，基于各类能源供应比例从预设的多个低碳调度模型中选择一低碳调度模型作为目标低碳调度模型，包括：
通过计算每个低碳调度模型对应的欧氏距离。其中，xi为园区综合能源系统中第i类能源的能源供应比例，yi为每个低碳调度模型构建时所参考的第i类能源的能源供应比例，1≤i≤n。
将欧氏距离最小的低碳调度模型确定为目标低碳调度模型。
在本实施例中，
在本实施例中，某低碳调度模型对应的欧氏距离越小，说明该低碳调度模型构建时所参考的能源供应比例与当前园区综合能源系统的能源供应比例越相近，则该低碳调度模型也就越适用于当前的园区综合能源系统，因此，可将欧氏距离最小的低碳调度模型作为目标低碳调度模型。
在一种可能的实现方式中，确定调度日所属的日期类，包括：
获取调度日的日期属性以及调度日的气象数据。其中，日期属性用于描述调度日是否为节假日或者管控日。
根据日期属性以及气象数据确定调度日所属的日期类。
在本实施例中，可根据调度日的日期属性以及气象数据预测调度日的能源供应需求，在此基础上，可根据调度日的能源供应需求确定调度日所属的日期类。
在一种可能的实现方式中，根据日期属性以及气象数据确定调度日所属的日期类，包括：
若日期属性显示调度日为节假日或者管控日，则将气象数据输入至预设的第一神经网络模型中，预测得到调度日的能源供应需求。
若日期属性显示调度日不为节假日、也不为管控日，则将气象数据输入至预设的第二神经网络模型中，预测得到调度日的能源供应需求。
根据调度日的能源供应需求确定调度日所属的日期类。
在本实施例中，第一神经网络模型和第二神经网络模型为不同的神经网络模型。第一神经网络模型根据节假日和管控日的历史气象数据和历史能源供应需求训练得到，第二神经网络模型根据非节假日和非管控日的历史气象数据和历史能源供应需求训练得到。
在本实施例中，管控日指的是交通管控的日期或者因特殊原因导致封控的日期。
在本实施例中，若日期属性显示调度日为节假日或者管控日，则能源供应需求大概率会增加，此时可将气象数据输入至预先训练的第一神经网络模型中，预测得到调度日的能源供应需求。若日期属性显示调度日不为节假日、也不为管控日，则可将气象数据输入至与第一神经网络模型不同的第二神经网络模型中，预测得到调度日的能源供应需求。
在本实施例中，通过预先建立两类神经网络模型，实现了节假日/管控日与非节假日/非管控日的区分，从而可以准确预测出调度日的能源供应需求，进而准确地判断调度日所属的日期类。
在一种可能的实现方式中，每个日期类都对应一能源供应需求范围。根据调度日的能源供应需求确定调度日所属的日期类，包括：
确定调度日的能源供应需求所属的能源供应需求范围。
根据调度日所属的能源供应需求范围确定调度日所属的日期类。
在本实施例中，若调度日属于X日期类对应的能源供应需求范围，则调度日所属的日期类即为X。
在一种可能的实现方式中，基于各个历史日期的最优解确定在调度日时目标低碳调度模型的初始解，包括：
计算各个历史日期的最优解的平均值，将最优解的平均值确定为在调度日时目标低碳调度模型的初始解，并将调度日添加至调度日所属的日期类。
或者，确定调度日所属的日期类的聚类中心，将聚类中心对应的历史日期的最优解确定为在调度日时目标低碳调度模型的初始解，并将调度日添加至调度日所属的日期类。
在本实施例中，需要指出的是，由于是利用群智能算法对目标低碳调度模型进行求解，因此，目标低碳调度模型的初始解包含多个(多个初始解即组成群智能算法中的种群)。在此基础上，可计算各个历史日期的最优解的平均值，将最优解的平均值确定为在调度日时目标低碳调度模型的某一初始解。也可以确定调度日所属的日期类的聚类中心，将聚类中心对应的历史日期的最优解确定为在调度日时目标低碳调度模型的某一初始解。也可以直接将各个历史日期的最优解均作为在调度日时目标低碳调度模型的初始解。
在本实施例中，确定调度日所属的日期类的聚类中心，可以详述为：
计算每个目标日期类中每个历史日期的最优解与其他日期的最优解的欧式距离，将每个历史日期的最优解与其他日期的最优解的欧式距离的和作为每个历史日期的距离和。其中，目标日期类指的是调度日所属的日期类。
将距离和最小的历史日期作为目标日期类的聚类中心。
在本实施例中，在确定初始解后，还会将调度日添加至其所属的日期类，以增加日期类中的可参考的日期的数量。需要指出的是，由于本发明实施例会不断将调度日添加至其所属的数据类，所以聚类中心可能会发生更新，这也有益于确定更合适的初始解，加快目标低碳调度模型的求解速度。
对应于上文实施例的园区综合能源系统低碳调度方法，图2为本发明一实施例提供的园区综合能源系统低碳调度系统的结构框图。为了便于说明，仅示出了与本发明实施例相关的部分。参考图2，该园区综合能源系统低碳调度系统20包括：聚类模块21、溯源模块22和调度模块23。
其中，聚类模块21，用于根据园区综合能源系统在历史年度中各个日期的能源供应需求对历史日期进行分类，得到多个日期类。
溯源模块22，用于确定调度日所属的日期类，获取调度日所属的日期类中各个历史日期的最优解。其中，各个历史日期的最优解指的是各个历史日期时，对预设的目标低碳调度模型求解得到的最优解。
调度模块23，用于基于各个历史日期的最优解确定在调度日时目标低碳调度模型的初始解，对在调度日时目标低碳调度模型的初始解进行更新，得到在调度日时目标低碳调度模型的最优解，基于目标低碳调度模型的最优解在调度日对园区综合能源系统进行低碳调度。
在一种可能的实现方式中，溯源模块22还用于：
获取园区综合能源系统的各类能源供应比例。
基于各类能源供应比例从预设的多个低碳调度模型中选择一低碳调度模型作为目标低碳调度模型。
在一种可能的实现方式中，溯源模块22具体用于：
通过计算每个低碳调度模型对应的欧氏距离。其中，xi为园区综合能源系统中第i类能源的能源供应比例，yi为每个低碳调度模型构建时所参考的第i类能源的能源供应比例，1≤u≤n。
将欧氏距离最小的低碳调度模型确定为目标低碳调度模型。
在一种可能的实现方式中，溯源模块22具体用于：
获取调度日的日期属性以及调度日的气象数据。其中，日期属性用于描述调度日是否为节假日或者管控日。
根据日期属性以及气象数据确定调度日所属的日期类。
在一种可能的实现方式中，溯源模块22具体用于：
若日期属性显示调度日为节假日或者管控日，则将气象数据输入至预设的第一神经网络模型中，预测得到调度日的能源供应需求。
若日期属性显示调度日不为节假日、也不为管控日，则将气象数据输入至预设的第二神经网络模型中，预测得到调度日的能源供应需求。
根据调度日的能源供应需求确定调度日所属的日期类。
在一种可能的实现方式中，每个日期类都对应一能源供应需求范围。溯源模块22具体用于：
确定调度日的能源供应需求所属的能源供应需求范围。
根据调度日所属的能源供应需求范围确定调度日所属的日期类。
在一种可能的实现方式中，调度模块23具体用于：
计算各个历史日期的最优解的平均值，将最优解的平均值确定为在调度日时目标低碳调度模型的初始解，并将调度日添加至调度日所属的日期类。
或者，确定调度日所属的日期类的聚类中心，将聚类中心对应的历史日期的最优解确定为在调度日时目标低碳调度模型的初始解，并将调度日添加至调度日所属的日期类。
参见图3，图3为本发明一实施例提供的终端设备的示意框图。如图3所示的本实施例中的终端300可以包括：一个或多个处理器301、一个或多个输入设备302、一个或多个输出设备303及一个或多个存储器304。上述处理器301、输入设备302、输出设备303及存储器304通过通信总线305完成相互间的通信。存储器304用于存储计算机程序，计算机程序包括程序指令。处理器301用于执行存储器304存储的程序指令。其中，处理器301被配置用于调用程序指令执行以下操作上述各装置实施例中各模块/单元的功能，例如图2所示模块21至23的功能。
应当理解，在本发明实施例中，所称处理器301可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备302可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备303可以包括显示器(LCD等)、扬声器等。
该存储器304可以包括只读存储器和随机存取存储器，并向处理器301提供指令和数据。存储器304的一部分还可以包括非易失性随机存取存储器。例如，存储器304还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器301、输入设备302、输出设备303可执行本发明实施例提供的园区综合能源系统低碳调度方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端的实现方式，在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令被处理器执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种园区综合能源系统低碳调度方法，其特征在于，包括：
根据园区综合能源系统在历史年度中各个日期的能源供应需求对历史日期进行分类，得到多个日期类；
确定调度日所属的日期类，获取所述调度日所属的日期类中各个历史日期的最优解；其中，各个历史日期的最优解指的是各个历史日期时，对预设的目标低碳调度模型求解得到的最优解；
基于各个历史日期的最优解确定在所述调度日时所述目标低碳调度模型的初始解，对在所述调度日时所述目标低碳调度模型的初始解进行更新，得到在所述调度日时所述目标低碳调度模型的最优解，基于所述目标低碳调度模型的最优解在调度日对所述园区综合能源系统进行低碳调度。
2.如权利要求1所述的园区综合能源系统低碳调度方法，其特征在于，所述园区综合能源系统低碳调度方法还包括：
获取园区综合能源系统的各类能源供应比例；
基于所述各类能源供应比例从预设的多个低碳调度模型中选择一低碳调度模型作为目标低碳调度模型。
3.如权利要求2所述的园区综合能源系统低碳调度方法，其特征在于，所述基于所述各类能源供应比例从预设的多个低碳调度模型中选择一低碳调度模型作为目标低碳调度模型，包括：
通过计算每个低碳调度模型对应的欧氏距离；其中，xi为园区综合能源系统中第i类能源的能源供应比例，yi为每个低碳调度模型构建时所参考的第i类能源的能源供应比例，1≤i≤n；
将欧氏距离最小的低碳调度模型确定为目标低碳调度模型。
4.如权利要求1所述的园区综合能源系统低碳调度方法，其特征在于，所述确定调度日所属的日期类，包括：
获取调度日的日期属性以及调度日的气象数据；其中，所述日期属性用于描述所述调度日是否为节假日或者管控日；
根据所述日期属性以及所述气象数据确定所述调度日所属的日期类。
5.如权利要求4所述的园区综合能源系统低碳调度方法，其特征在于，所述根据所述日期属性以及所述气象数据确定调度日所属的日期类，包括：
若所述日期属性显示所述调度日为节假日或者管控日，则将所述气象数据输入至预设的第一神经网络模型中，预测得到所述调度日的能源供应需求；
若所述日期属性显示所述调度日不为节假日、也不为管控日，则将所述气象数据输入至预设的第二神经网络模型中，预测得到所述调度日的能源供应需求；
根据所述调度日的能源供应需求确定所述调度日所属的日期类。
6.如权利要求5所述的园区综合能源系统低碳调度方法，其特征在于，每个日期类都对应一能源供应需求范围；所述根据所述调度日的能源供应需求确定所述调度日所属的日期类，包括：
确定所述调度日的能源供应需求所属的能源供应需求范围；
根据所述调度日所属的能源供应需求范围确定所述调度日所属的日期类。
7.如权利要求1至6任一项所述的园区综合能源系统低碳调度方法，其特征在于，所述基于各个历史日期的最优解确定在所述调度日时所述目标低碳调度模型的初始解，包括：
计算所述各个历史日期的最优解的平均值，将所述最优解的平均值确定为在所述调度日时所述目标低碳调度模型的初始解，并将所述调度日添加至所述调度日所属的日期类；
或者，确定所述调度日所属的日期类的聚类中心，将所述聚类中心对应的历史日期的最优解确定为在所述调度日时所述目标低碳调度模型的初始解，并将所述调度日添加至所述调度日所属的日期类。
8.一种园区综合能源系统低碳调度系统，其特征在于，包括：
聚类模块，用于根据园区综合能源系统在历史年度中各个日期的能源供应需求对历史日期进行分类，得到多个日期类；
溯源模块，用于确定调度日所属的日期类，获取所述调度日所属的日期类中各个历史日期的最优解；其中，各个历史日期的最优解指的是各个历史日期时，对预设的目标低碳调度模型求解得到的最优解；
调度模块，用于基于各个历史日期的最优解确定在所述调度日时所述目标低碳调度模型的初始解，对在所述调度日时所述目标低碳调度模型的初始解进行更新，得到在所述调度日时所述目标低碳调度模型的最优解，基于所述目标低碳调度模型的最优解在调度日对所述园区综合能源系统进行低碳调度。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202310416058.3A 2023-04-18 2023-04-18 园区综合能源系统低碳调度方法及系统 Pending CN116542421A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310416058.3A CN116542421A (zh) 2023-04-18 2023-04-18 园区综合能源系统低碳调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310416058.3A CN116542421A (zh) 2023-04-18 2023-04-18 园区综合能源系统低碳调度方法及系统

Publications (1)

Publication Number Publication Date
CN116542421A true CN116542421A (zh) 2023-08-04

Family

ID=87442634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310416058.3A Pending CN116542421A (zh) 2023-04-18 2023-04-18 园区综合能源系统低碳调度方法及系统

Country Status (1)

Country Link
CN (1) CN116542421A (zh)

Similar Documents

Publication Publication Date Title
CN107577533A (zh) 资源配置方法及相关产品
CN107613107A (zh) 资源配置方法及相关产品
CN111932179B (zh) 电池模组仓储管理方法、上位机及系统
CN109740965A (zh) 一种工程验证分析方法及装置
CN113592138A (zh) 电力负荷预测方法及装置
CN113743673A (zh) 一种台风期间的电力负荷预测方法
CN112700017A (zh) 物业维修资源分配方法、装置、计算机设备及存储介质
CN110413927B (zh) 在发布订阅系统中基于匹配实时性的优化方法及系统
CN115471007A (zh) 考虑综合成本的充电站选址定容方法、装置、设备及介质
CN112527749B (zh) 缓存策略确定方法、装置、计算机设备及可读存储介质
CN109861295A (zh) 多目标新能源规划方法及装置
CN116542421A (zh) 园区综合能源系统低碳调度方法及系统
Shen et al. Research on phase combination and signal timing based on improved K-medoids algorithm for intersection signal control
CN113222245A (zh) 居民用户月度电量电费异常核查方法及系统、存储介质
CN116402191A (zh) 基于碳排放的产业结构优化方法、设备及存储介质
CN117035207A (zh) 运钞车路径规划方法、路径预测模型的训练方法及装置
CN111639525A (zh) 一种感知算法的训练方法、装置及计算机存储介质
CN116245246A (zh) 基于物联网的智慧城市供电管理方法、系统及存储介质
CN109474516A (zh) 基于卷积神经网络的即时通信连接策略推荐方法及系统
CN114973704A (zh) 信号控制策略的生成方法及装置、设备、存储介质
CN113011512A (zh) 基于rbf神经网络模型的交通生成预测方法及系统
CN115511253B (zh) 一种地块开发容量评估方法、装置、设备及介质
CN106570012A (zh) 一种关键词排名调整方法及装置
CN117221049B (zh) 一种网关数据智能采集方法及系统
CN117896671B (zh) 一种蓝牙aoa基站智能管理方法及系统

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