CN116700126B - 能源设备控制方法、装置、电子设备和计算机可读介质 - Google Patents
能源设备控制方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116700126B CN116700126B CN202310995963.9A CN202310995963A CN116700126B CN 116700126 B CN116700126 B CN 116700126B CN 202310995963 A CN202310995963 A CN 202310995963A CN 116700126 B CN116700126 B CN 116700126B
- Authority
- CN
- China
- Prior art keywords
- information
- energy
- parameter
- load
- historical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004519 manufacturing process Methods 0.000 claims abstract description 167
- 238000005457 optimization Methods 0.000 claims abstract description 79
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 76
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 38
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 38
- 238000013506 data mapping Methods 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 32
- 230000009194 climbing Effects 0.000 claims description 51
- 238000003860 storage Methods 0.000 claims description 44
- 238000006243 chemical reaction Methods 0.000 claims description 43
- 238000004146 energy storage Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 19
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000006467 substitution reaction Methods 0.000 claims description 14
- 238000007599 discharging Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 239000007789 gas Substances 0.000 description 61
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 42
- 239000003345 natural gas Substances 0.000 description 21
- 230000005856 abnormality Effects 0.000 description 18
- 230000006835 compression Effects 0.000 description 15
- 238000007906 compression Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 15
- 230000001276 controlling effect Effects 0.000 description 13
- 238000005338 heat storage Methods 0.000 description 11
- 238000011217 control strategy Methods 0.000 description 9
- 238000001816 cooling Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000005265 energy consumption Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了能源设备控制方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：根据各个能源设备对应的参数信息集合，生成能源数据映射关系信息；将各个能源负荷设备的参数信息和各个能源生产设备的参数信息分别输入至预先训练的能源负荷信息预测模型和能源生产信息预测模型，得到能源负荷预测信息和能源生产预测信息；根据参数信息集合、能源负荷预测信息和能源生产预测信息，生成优化控制信息；响应于确定优化控制信息对应的模拟负荷信息满足预设负载条件，根据优化控制信息，控制各个能源设备运行。该实施方式提升了能源网络的稳定性和能源利用率，降低了综合价值消耗和二氧化碳排放量。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及能源设备控制方法、装置、电子设备和计算机可读介质。
背景技术
能源设备控制，是指通过控制工业园区的各个能源设备的功率来控制综合价值消耗、二氧化碳排放量和能源利用率。目前，工业园区的能源设备监控和自动控制水平相对较低，电气、供热和制冷能源系统相对独立，系统之间存在严重的“孤岛”效应。传统能源监控往往采用以电定热和以热定电的方式控制能源设备来确定能源供给和负荷量。目前的综合能源系统将电气、供热和制冷系统进行了整合，实现了不同能源数据的统一监测和融合，以及根据监测数据对能源设备进行控制。
然而，发明人发现，当采用上述方式进行能源设备控制时，经常会存在如下技术问题：
第一，大部分综合能源系统缺少大数据技术集成应用，预测园区内不同分区的能源负荷、能源供给的准确性较低，导致能源供给无法满足匹配负荷需求，造成能源网络波动，导致能源网络的稳定性较低。而且，受负荷量和能源供给量波动性影响，常规的能源监控系统调控园区各分区能源供给量、能源转换量、能源储存量之间平衡的有效性较低，导致能源网络负荷较易超过安全阈值，从而导致能源网络稳定性较低。另外，由于大多数园区综合能源系统生成能源控制策略时缺少优化算法和自动控制模块，使得能源控制策略响应的延时较长，以及能源控制策略对于综合能源消耗、二氧化碳排放量和能源利用率的优化程度较低，导致能源利用率较低，综合价值消耗和二氧化碳排放量较高。
第二，未考虑综合利用园区内各个能源设备的参数信息、预测的能源负荷信息、预测的能源生产信息和各个能源设备参数的约束信息生成能源网络的优化控制信息，导致园区综合价值消耗和二氧化碳排放量较高、能源利用率较低。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了能源设备控制方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种能源设备控制方法，该方法包括：获取各个能源设备的参数信息，得到参数信息集合，其中，上述参数信息集合中的参数信息包括空间参数信息、基础参数信息、运行参数信息和环境参数信息，上述各个能源设备包括各个能源生产设备、各个能源存储设备、各个能源负荷设备和各个能源转化设备；根据上述参数信息集合，生成对应上述各个能源设备的能源数据映射关系信息；将上述参数信息集合中对应上述各个能源负荷设备的参数信息输入至预先训练的能源负荷信息预测模型，得到对应上述各个能源负荷设备的能源负荷预测信息；将上述参数信息集合中对应上述各个能源生产设备的参数信息输入至预先训练的能源生产信息预测模型，得到对应上述各个能源生产设备的能源生产预测信息；根据上述参数信息集合、上述能源负荷预测信息和上述能源生产预测信息，生成对应上述各个能源设备的优化控制信息；根据上述优化控制信息和上述能源数据映射关系信息，确定上述优化控制信息对应的模拟负荷信息是否满足预设负荷条件；响应于确定上述模拟负荷信息满足预设负载条件，根据上述优化控制信息，控制上述各个能源设备运行。
第二方面，本公开的一些实施例提供了一种能源设备控制装置，装置包括：获取单元，被配置成获取各个能源设备的参数信息，得到参数信息集合，其中，上述参数信息集合中的参数信息包括空间参数信息、基础参数信息、运行参数信息和环境参数信息，上述各个能源设备包括各个能源生产设备、各个能源存储设备、各个能源负荷设备和各个能源转化设备；第一生成单元，被配置成根据上述参数信息集合，生成对应上述各个能源设备的能源数据映射关系信息；第一输入单元，被配置成将上述参数信息集合中对应上述各个能源负荷设备的参数信息输入至预先训练的能源负荷信息预测模型，得到对应上述各个能源负荷设备的能源负荷预测信息；第二输入单元，被配置成将上述参数信息集合中对应上述各个能源生产设备的参数信息输入至预先训练的能源生产信息预测模型，得到对应上述各个能源生产设备的能源生产预测信息；第二生成单元，被配置成根据上述参数信息集合、上述能源负荷预测信息和上述能源生产预测信息，生成对应上述各个能源设备的优化控制信息；确定单元，被配置成根据上述优化控制信息和上述能源数据映射关系信息，确定上述优化控制信息对应的模拟负荷信息是否满足预设负荷条件；控制单元，被配置成响应于确定上述模拟负荷信息满足预设负载条件，根据上述优化控制信息，控制上述各个能源设备运行。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的能源设备控制方法，提升了能源网络的稳定性和能源利用率，降低了综合价值消耗和二氧化碳排放量。具体来说，造成能源网络的稳定性较低的原因在于：大部分综合能源系统缺少大数据技术集成应用，预测园区内不同分区的能源负荷、能源供给的准确性较低，导致能源供给无法满足匹配负荷需求，造成能源网络波动，导致能源网络的稳定性较低。而且，受负荷量和能源供给量波动性影响，常规的能源监控系统调控园区各分区能源供给量、能源转换量、能源储存量之间平衡的有效性较低，导致能源网络负荷较易超过安全阈值，从而导致能源网络稳定性较低。另外，由于大多数园区综合能源系统生成能源控制策略时缺少优化算法和自动控制模块，使得能源控制策略响应的延时较长，以及能源控制策略对于综合能源消耗、二氧化碳排放量和能源利用率的优化程度较低，导致能源利用率较低，综合价值消耗和二氧化碳排放量较高。基于此，本公开的一些实施例的能源设备控制方法，首先，获取各个能源设备的参数信息，得到参数信息集合，其中，上述参数信息集合中的参数信息包括空间参数信息、基础参数信息、运行参数信息和环境参数信息，上述各个能源设备包括各个能源生产设备、各个能源存储设备、各个能源负荷设备和各个能源转化设备。由此，可以得到各个能源设备的各个参数信息。然后，根据上述参数信息集合，生成对应上述各个能源设备的能源数据映射关系信息。由此，可以将能源网络映射到数字空间，得到能源数据映射关系信息。接着，将上述参数信息集合中对应上述各个能源负荷设备的参数信息输入至预先训练的能源负荷信息预测模型，得到对应上述各个能源负荷设备的各个能源负荷预测信息。由此，可以得到各个能源设备在未来时间段的各个能源负荷预测信息。之后，将上述参数信息集合中对应上述各个能源生产设备的参数信息输入至预先训练的能源生产信息预测模型，得到对应上述各个能源生产设备的各个能源生产预测信息。由此，可以得到各个能源设备在未来时间段的各个能源生产预测信息。接着，根据上述参数信息集合、上述各个能源负荷预测信息和上述各个能源生产预测信息，生成对应上述各个能源设备的优化控制信息。由此，可以得到对于各个能源设备的优化控制信息。之后，根据上述优化控制信息和上述能源数据映射关系信息，确定上述优化控制信息对应的模拟负荷信息是否满足预设负荷条件。由此，可以得到对优化控制信息进行模拟后的模拟负荷信息。最后，响应于确定上述模拟负荷信息满足预设负载条件，根据上述优化控制信息，控制上述各个能源设备运行。由此，按照优化控制信息，控制各个能源设备的运行状态，使得各个能源设备的运行达到较优的运行状态。也因为实现的能源设备控制方法，能够根据各个能源设备的参数信息生成能源数据映射关系信息、预测能源负荷信息和能源生产信息。并根据参数信息、能源负荷信息和能源生产信息，生成能源优化控制信息。之后根据能源数据映射关系信息对能源优化控制信息进行模拟运行。在确定模拟运行的结果满足预设优化条件后，控制各个能源设备实施能源优化控制方案。从而提升了能源网络的稳定性和能源利用率，降低了综合价值消耗和二氧化碳排放量。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的能源设备控制方法的一些实施例的流程图；
图2是根据本公开的能源设备控制装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的能源设备控制生成方法的一些实施例的流程100。该能源设备控制方法，包括以下步骤：
步骤101，获取各个能源设备的参数信息，得到参数信息集合。
在一些实施例中，能源设备控制方法的执行主体（例如计算设备）可以获取各个能源设备的参数信息，得到参数信息集合。其中，上述各个能源设备可以是园区内进行能源生产、传输、转换和负载的各个设备。上述参数信息集合中的参数信息可以包括空间参数信息、基础参数信息、运行参数信息和环境参数信息。上述各个能源设备可以包括各个能源生产设备、各个能源存储设备、各个能源负荷设备和各个能源转化设备。上述能源生产设备可以包括风力电机、光伏组件。上述能源存储设备可以包括蓄电池、储热水箱、蓄冷水箱。上述能源负荷设备可以包括各种需要消耗能源的设备。上述能源转化设备可以包括燃气轮机、燃气锅炉、电制冷机、吸收式制冷机。上述空间参数信息可以是能源设备的空间位置参数。上述空间参数信息可以包括空间位置信息、管线布局信息和区域分布信息。上述管线布局信息可以表征上述各个能源设备相连接的各个管道和各个线路的连接状态。上述区域分布信息可以表征各个能源设备在园区内各个区域的分布数量。上述基础参数信息可以包括设备名称、类别、型号、额定功率、额定容量、机组数量以及占地面积。对于电网，上述运行参数信息可以包括电网电压、电网电流。对于常规机组，上述运行参数信息可以包括常规机组的电压、常规机组的电流、常规机组的温度。对于光伏组件，上述运行参数信息可以包括光伏组件的电压、光伏组件的电流、光伏组件的温度。对于风力电机，上述运行参数可以包括风力电机的电压、风力电机的电流、风力电机的温度。对于天然气管道，上述运行参数信息可以包括天然气管道流量。对于燃气轮机，上述运行参数信息可以包括燃气轮机的功率、燃气轮机的温度、燃气轮机的流量、燃气轮机的转速。对于燃气锅炉，上述运行参数信息可以包括燃气锅炉的压力、燃气锅炉的温度、燃气锅炉的流量。对于电制冷机，上述运行参数信息可以包括电制冷机的温度、电制冷机的功率、电制冷机的温度。对于吸收式制冷机，上述运行参数信息可以包括吸收式制冷机的压力、吸收式制冷机的温度、吸收式制冷机的流量。对于蓄电池，上述运行参数信息可以包括蓄电池的容量、蓄电池的功率。对于储热水箱，上述运行参数信息可以包括储热水箱的温度、储热水箱的流量。对于蓄冷水箱，上述运行参数信息可以包括蓄冷水箱的温度和蓄冷水箱的流量。上述环境参数信息可以包括温度、光照和风力。实践中，上述执行主体可以通过BIM和GIS技术对各个能源设备的空间位置、区域分布和管线布局进行数字化处理，得到空间参数信息。可以对各个能源设备的基础参数进行数字化处理，得到各个能源设备的基础参数信息。可以通过多功能仪表、冷热量表、多回路电表等传感设备实时获取各个能源设备的负荷、功率、温度、压力等运行参数，得到运行参数信息。可以通过气象设备实时监测风力、光照和湿度等环境参数，得到环境参数信息。上述气象设备可以包括风速仪、气象雷达、气温计。上述执行主体可以将上述各个能源设备中的每个能源设备的空间参数信息、基础参数信息、运行参数信息和环境参数信息确定为参数信息，得到各个参数信息作为参数信息集合。
可选地，在步骤101之后，首先，上述执行主体可以响应于确定上述各个能源设备中存在运行异常的设备，根据预设异常原因信息表，确定异常原因。其中，上述预设异常原因信息表可以表征设备异常和异常原因之间的关系。实践中，上述执行主体可以通过查询上述预设异常原因信息表中设备异常对应的异常原因，得到运行异常的设备的异常原因。
然后，可以根据上述异常原因和预设原因策略信息表，确定运行异常设备的处理信息。其中，上述预设原因策略信息表可以表征异常原因和异常处理信息之间的关系。上述处理信息可以是对运行异常的设备进行维护的策略。实践中，上述执行主体可以通过查询上述预设原因策略信息表中异常原因对应的异常处理信息，得到运行异常设备的处理信息。
最后，可以将上述运行异常设备、上述异常原因和上述处理信息发送至相关联的终端设备。其中，上述相关联的终端设备可以是设备检修人员的手机、电脑。实践中，上述执行主体可以通过有线连接或者无线连接的方式，将上述运行异常设备、上述异常原因和上述处理信息发送至相关联的终端设备。
步骤102，根据参数信息集合，生成对应各个能源设备的能源数据映射关系信息。
在一些实施例中，上述执行主体可以根据上述参数信息集合，生成对应上述各个能源设备的能源数据映射关系信息。其中，上述能源数据映射关系信息可以表征园区中对应各个能源设备间连接关系的数字模型。实践中，上述执行主体可以将上述参数信息集合输入至数字孪生可视化工具，得到对应上述各个能源设备的能源数据映射关系信息。
步骤103，将参数信息集合中对应各个能源负荷设备的参数信息输入至预先训练的能源负荷信息预测模型，得到对应各个能源负荷设备的能源负荷预测信息。
在一些实施例中，上述执行主体可以将上述参数信息集合中对应上述各个能源负荷设备的参数信息输入至预先训练的能源负荷信息预测模型，得到对应上述各个能源负荷设备的能源负荷预测信息。其中，上述预先训练的能源负荷信息预测模型可以是预先训练的时序预测模型。上述时序预测模型可以是自回归时序预测模型或多变量时序预测模型。上述能源负荷预测信息可以表征经过上述时序预测模型预测的预设时间段内对应上述各个能源设备的电负荷总量、冷负荷量总量、热负荷量总量和天然气负荷量总量。上述预设时间段可以是从当前时刻开始，至一个月之后结束的时间段。实践中，上述执行主体可以通过各种方式，将上述参数信息集合中对应上述各个能源负荷设备的参数信息输入至预先训练的能源负荷信息预测模型，得到对应上述各个能源负荷设备的能源负荷预测信息。
在一些实施例的一些可选的实现方式中，上述能源负荷信息预测模型可以是上述执行主体通过以下步骤生成的：
第一步，获取上述各个能源负荷设备的历史能源负荷信息、历史环境参数信息、历史故障信息和历史更新信息，得到上述各个能源负荷设备的历史能源负荷信息集合、历史环境参数信息集合、历史故障信息集合和历史更新信息集合。其中，上述历史能源负荷信息可以是上述各个能源负荷设备在预设历史时间段内的能源负荷信息。上述预设历史时间段可以是当前时间往前一年的时间段。上述历史环境参数信息可以是上述预设历史时间段内的环境参数信息。上述历史故障信息可以表征上述预设历史时间段内各个能源负荷设备发生故障的时间和故障原因。上述历史更新信息可以表征上述预设历史时间段内对各个能源负荷设备进行升级或维护的时间和升级或维护的部位。实践中，上述执行主体可以从相关联的存储设备获取上述各个能源负荷设备的历史能源负荷信息、历史环境参数信息、历史故障信息和历史更新信息，得到上述各个能源负荷设备的历史能源负荷信息集合、历史环境参数信息集合、历史故障信息集合和历史更新信息集合。上述存储设备可以是硬盘或U盘。
第二步，基于上述历史能源负荷信息集合，确定能源负荷自回归时序预测模型。实践中，上述执行主体可以通过以下步骤，基于上述历史能源负荷信息集合，确定能源负荷自回归时序预测模型：
第一子步骤，根据上述历史能源负荷信息集合，确定自回归时序预测模型的阶数。实践中，上述执行主体可以通过最终误报误差准则或最大似然估计方法，根据上述历史能源负荷信息集合，确定自回归时序预测模型的阶数。
第二子步骤，对确定阶数的自回归时序模型进行显著性检测，得到各个不显著参数。实践中，上述执行主体可以通过T检验方法，对确定阶数的自回归时序模型进行显著性检测，得到各个不显著参数。
第三子步骤，将上述各个不显著参数从确定阶数的自回归时序模型中删除，得到去除不显著参数的模型作为能源负荷自回归时序预测模型。
第三步，基于上述历史能源负荷信息集合、上述历史环境参数信息集合、上述历史故障信息集合和上述历史更新信息集合，确定能源负荷多变量时序预测模型。实践中，上述执行主体可以基于上述历史能源负荷信息集合、上述历史环境参数信息集合、上述历史故障信息集合和上述历史更新信息集合，通过训练初始长短期记忆神经网络模型，得到训练完成的初始长短期记忆神经网络模型作为能源负荷多变量时序预测模型。
第四步，将上述能源负荷自回归时序预测模型和上述能源负荷多变量时序预测模型组合为能源负荷信息预测模型。由此，可以得到用于预测能源负荷的能源负荷信息预测模型。
步骤104，将参数信息集合中对应各个能源生产设备的参数信息输入至预先训练的能源生产信息预测模型，得到对应各个能源生产设备的能源生产预测信息。
在一些实施例中，上述执行主体可以将上述参数信息集合中对应上述各个能源生产设备的参数信息输入至预先训练的能源生产信息预测模型，得到对应上述各个能源生产设备的能源生产预测信息。其中，上述预先训练的能源生产信息预测模型可以是预先训练的时序预测模型。上述时序预测模型可以是自回归时序预测模型或多变量时序预测模型。上述能源生产预测信息可以是通过上述能源生产信息预测模型预测的上述预设时间段内各个能源生产设备输出的总功率。上述能源生产预测信息可以包括风电设备输出总功率、内光伏设备输出总功率、燃气轮机电能输出总功率、燃气轮机电热输出总功率、燃气锅炉热能输出总功率、空气热泵热能输出总功率和空气热泵冷能输出总功率。实践中，上述执行主体可以通过各种方式，将上述参数信息集合中对应上述各个能源生产设备的参数信息输入至预先训练的能源生产信息预测模型，得到对应上述各个能源生产设备的能源生产预测信息。
在一些实施例的一些可选的实现方式中，上述能源生产信息预测模型可以是上述执行主体通过以下步骤生成的：
第一步，获取上述各个能源生产设备的历史能源生产信息、历史环境参数信息、历史故障信息和历史更新信息，得到上述各个能源生产设备的历史能源生产信息集合、历史环境参数信息集合、历史故障信息集合和历史更新信息集合。其中，上述历史能源生产信息可以是上述各个能源生产设备在预设历史时间段内的能源生产信息。上述历史环境参数信息可以是上述预设历史时间段内的环境参数信息。实践中，上述执行主体可以从相关联的存储设备获取上述各个能源生产设备的历史能源生产信息、历史环境参数信息、历史故障信息和历史更新信息，得到上述各个能源生产设备的历史能源生产信息集合、历史环境参数信息集合、历史故障信息集合和历史更新信息集合。
第二步，基于上述历史能源生产信息集合，确定能源生产自回归时序预测模型。实践中，上述执行主体可以通过以下步骤，基于上述历史能源生产信息集合，确定能源生产自回归时序预测模型：
第一子步骤，根据上述历史能源生产信息集合，确定自回归时序预测模型的阶数。实践中，上述执行主体可以通过最终误报误差准则或最大似然估计，根据上述历史能源生产信息集合，确定自回归时序预测模型的阶数。
第二子步骤，对确定阶数的自回归时序模型进行显著性检测，得到各个不显著参数。实践中，上述执行主体可以通过T检验方法，对确定阶数的自回归时序模型进行显著性检测，得到各个不显著参数。
第三子步骤，将上述各个不显著参数从确定阶数的自回归时序模型中删除，得到去除不显著参数的模型作为能源生产自回归时序预测模型。
第三步，基于上述历史能源生产信息集合、上述历史环境参数信息集合、上述历史故障信息集合和上述历史更新信息集合，确定能源生产多变量时序预测模型。实践中，上述执行主体可以基于上述历史能源生产信息集合、上述历史环境参数信息集合、上述历史故障信息集合和上述历史更新信息集合，通过训练初始长短期记忆神经网络模型，得到训练完成的初始长短期记忆神经网络模型作为能源生产多变量时序预测模型。
第四步，将上述能源生产自回归时序预测模型和上述能源生产多变量时序预测模型组合为能源生产信息预测模型。由此，可以得到用于预测能源生产总量的能源生产信息预测模型。
步骤105，根据参数信息集合、各个能源负荷预测信息和各个能源生产预测信息，生成对应各个能源设备的优化控制信息。
在一些实施例中，上述执行主体可以根据上述参数信息集合、上述各个能源负荷预测信息和上述各个能源生产预测信息，生成对应上述各个能源设备的优化控制信息。其中，上述优化控制信息可以是园区各个能源设备在上述预设时间段内综合价值消耗、二氧化碳排放量和能源利用率达到最优的运行方案。上述优化控制信息可以包括控制各个能源设备的功率的参数信息。上述参数信息可以包括各个风电设备输入和输出功率、各个光伏设备输入和输出功率、各个燃气轮机输入功率、各个燃气轮机电能输出功率和热能输出功率、各个燃气锅炉输入和热能输出功率、各个空气热泵电能输入功率、各个空气热泵热能输出功率、各个空气热泵冷能输出功率、各个压缩式制冷机冷能输出功率、各个电制冷机输入、冷能输出功率和能源存储设备的存储容量。实践中，上述执行主体可以通过各种方式，根据上述参数信息集合、上述各个能源负荷预测信息和上述各个能源生产预测信息，生成对应上述各个能源设备的优化控制信息。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤，根据上述参数信息集合、上述各个能源负荷预测信息和上述各个能源生产预测信息，生成对应上述各个能源设备的优化控制信息：
第一步，确定对应上述各个能源设备的综合价值消耗信息、综合二氧化碳排放量信息和综合能源利用率信息。其中，上述综合价值消耗信息可以是确定上述各个能源设备在上述预设时间段内的总价值消耗的函数。上述综合二氧化碳排放量信息可以是确定上述各个能源设备在上述预设时间段内的总二氧化碳排放量的函数。上述综合能源利用率信息可以是确定上述各个能源设备在上述预设时间段内的总能源利用率的函数。实践中，上述执行主体可以将上述预设时间段内电资源消耗的价值、天然气资源消耗的价值、上述各个能源设备的设备维护消耗的价值、上述各个能源设备的设备折旧消耗的价值、上述各个能源设备的启停消耗的价值与上述各个能源设备的碳排放消耗的价值的和确定为综合价值消耗信息。可以将上述预设时间段内从外部电网获取电资源对应的功率和第一预设系数的乘积、燃气轮机电功率和热功率的和与第二预设系数的乘积与燃气锅炉功率和第三预设系数的乘积的和确定为综合二氧化碳排放量信息。可以将上述预设时间段内各个能源设备输入的总能量值与输出的总能量值的比值确定为综合能源利用率信息。上述电资源消耗的价值可以是上述预设时间段内从外部电网获取的电资源总量所消耗的价值。上述天然气资源消耗的价值可以是上述预设时间段内从外部天然气供应者获取的天然气资源总量所消耗的价值。上述设备维护消耗的价值可以是在上述预设时间段内维护上述各个能源设备所消耗的总价值。上述设备折旧消耗的价值可以是在上述预设时间段内上述各个能源设备对应的各个单位年折旧所消耗的价值的总和。上述启停消耗的价值可以是在上述预设时间段内上述各个能源设备开启或关闭消耗的价值总和。上述第一预设系数可以是外部电网的电资源单位功率对应的二氧化碳排放量。上述第二预设系数可以是燃气轮机单位功率对应的二氧化碳排放量。上述第三预设系数可以是燃气锅炉的单位功率对应的二氧化碳排放量。上述输入的总能量值可以是上述预设时间段内电负荷、热负荷、燃气负荷、冷负荷对应的能量值总和。上述输出的总能量值可以是上述预设时间段内输出的电力能量值、天然气能量值、光电能量值和风电能量值的总和。
第二步，根据预设权重信息、上述综合价值消耗信息、上述综合二氧化碳排放量信息和上述综合能源利用率信息，生成目标优化信息。其中，上述预设权重信息可以包括对应上述综合能源消耗信息的能源消耗信息权重、对应上述综合二氧化碳排放量信息的二氧化碳排放量信息权重和对应上述综合能源利用率信息的能源利用率信息权重。上述目标优化信息可以是使综合价值消耗、综合二氧化碳排放量和综合能源利用率达到最优的目标函数。实践中，上述执行主体可以将上述综合能源消耗信息与上述能源消耗信息权重的乘积、上述综合二氧化碳排放量信息与上述二氧化碳排放量信息权重的乘积和上述综合能源利用率信息与上述能源利用率信息权重的乘积的和确定为目标优化信息。
第三步，根据所述能源负荷预测信息和所述能源生产预测信息，确定能源负载与生产平衡约束信息、能源供应和转化出力约束信息、能源供应和转化爬坡约束信息和能源储存设备充放功率约束信息。其中，上述能源负载与生产平衡约束信息可以是使上述各个能源设备的能源负载和能源生产达到平衡的约束函数。上述能源供应和转化出力约束信息可以是对能源供应量和各类能源设备的输出量进行约束的约束函数。上述能源供应和转化爬坡约束信息可以是对各类能源设备输出功率爬坡率进行约束的约束函数。上述能源储存设备充放功率约束信息可以是对各个能源存储设备的存储容量进行约束的约束函数。实践中，首先，上述执行主体可以将电负荷与生产平衡约束信息、热负荷与生产平衡约束信息、冷负荷与生产平衡约束信息和天然气负荷与生产约束信息确定为能源负载与生产平衡约束信息。上述电负荷与生产平衡约束信息可以是电网输入总功率、风电输入总功率、光伏输出总功率与燃气轮机电能输出总功率的和等于电能总负荷、空气热泵输入总功率、压缩式制冷机输入总功率与电制冷机输入总功率的和。上述热负荷与生产平衡约束信息可以是燃气轮机热能输出总功率、燃气锅炉热能输出总功率与空气热泵热能输出总功率的和等于热能总负荷。上述冷负荷与生产平衡约束信息可以是电制冷机冷能输出总功率、压缩式制冷机冷能输出总功率与空气热泵冷能输出总功率的和等于冷能总负荷。上述天然气负荷与生产约束信息可以是天然气负荷、燃气轮机天然气总输入量与燃气锅炉天然气输入总量的和等于天然气输出总量。
其次，可以将电网输入总功率约束信息、天然气输入总量约束信息、光伏输出总功率约束信息、风电输入总功率约束信息、燃气轮机电能输出总功率约束信息、燃气轮机热能输出总功率约束信息、燃气锅炉热能输出总功率约束信息、空气热泵热能输出总功率约束信息、空气热泵冷能输出总功率约束信息、电制冷机冷能输出总功率约束信息和压缩式制冷机冷能输出总功率约束信息确定为能源供应和转化出力约束信息。上述电网输入总功率约束信息可以是电网输入总功率大于等于外部电网输入的最小电功率，并且小于等于外部电网输入的最大电功率。上述天然气输入总量约束信息可以是预设时间段内天然气输入总量大于等于0，并且小于等于天然气最大输入总量。上述光伏输出总功率约束信息可以是光伏输出总功率大于等于各个光伏设备最小输出功率总和，并且小于等于各个光伏设备最大输出功率总和。上述风电输入总功率约束信息可以是风电输入总功率大于等于各个风电设备最小输出功率总和，并且小于等于各个风电设备最大输出功率总和。上述燃气轮机电能输出总功率约束信息可以是燃气轮机电能输出总功率大于等于各个燃气轮机最小电能输出功率总和，并且小于等于各个燃气轮机最大电能输出功率总和。上述燃气轮机热能输出总功率约束信息可以是燃气轮机热能输出总功率大于等于各个燃气轮机最小热能输出功率总和，并且小于等于各个燃气轮机最大热能输出功率总和。上述燃气锅炉热能输出总功率约束信息可以是燃气锅炉热能输出总功率大于等于各个燃气锅炉最小热能输出功率总和，并且小于等于各个燃气锅炉最大热能输出功率总和。上述空气热泵热能输出总功率约束信息可以是空气热泵热能输出总功率大于等于各个空气热泵最小热能输出功率总和，并且小于等于各个空气热泵最大热能输出功率总和。上述空气热泵冷能输出总功率约束信息可以是空气热泵冷能输出总功率大于等于各个空气热泵最小冷能输出功率总和，并且小于等于各个空气热泵最大冷能输出功率总和。上述电制冷机冷能输出总功率约束信息可以是电制冷机冷能输出总功率大于等于各个电制冷机最小冷能输出功率总和，并且小于等于各个电制冷机最大冷能输出功率总和。上述压缩式制冷机冷能输出总功率约束信息可以是压缩式制冷机冷能输出总功率大于等于各个压缩制冷机最小冷能输出功率的总和，并且小于等于各个压缩制冷机最大冷能输出功率的总和。
接着，可以将光伏设备输出功率爬坡速率约束信息、风电设备输出功率爬坡速率约束信息、燃气轮机电能输出功率坡速率约束信息、燃气轮机热能输出功率爬坡速率约束信息、燃气锅炉热能输出功率爬坡速率约束信息、空气热泵热能输出功率爬坡速率约束信息、空气热泵冷能输出功率爬坡速率约束信息、压缩式制冷机冷能输出功率爬坡速率约束信息和电制冷机冷能输出功率爬坡速率约束信息确定为能源供应和转化爬坡约束信息。上述光伏设备输出功率爬坡速率约束信息可以是光伏设备输出总功率爬坡速率大于等于各个光伏设备输出功率下爬坡率总和，并且小于等于各个光伏设备输出功率上爬坡率总和。上述风电设备输出功率爬坡速率约束信息可以是风电设备输出总功率爬坡速率大于等于各个风电设备输出功率下爬坡率总和，并且小于等于各个风电设备输出功率上爬坡率总和。上述燃气轮机电能输出功率坡速率约束信息可以是燃气轮机电能输出总功率坡速率大于等于各个燃气轮机输出功率的下爬坡率总和，并且小于等于各个燃气轮机输出功率的上爬坡率总和。上述燃气轮机热能输出功率爬坡速率约束信息可以是燃气轮机热能输出总功率爬坡速率大于等于各个燃气轮机热能输出功率的下爬坡率总和，并且小于等于各个燃气轮机热能输出功率的上爬坡率总和。上述燃气锅炉热能输出功率爬坡速率约束信息可以是燃气锅炉热能输出总功率爬坡速率大于等于各个燃气锅炉热能输出功率的下爬坡率总和，并且小于等于各个燃气锅炉热能输出功率的上爬坡率总和。上述空气热泵热能输出功率爬坡速率约束信息可以是空气热泵热能输出总功率爬坡速率大于等于各个空气热泵冷能输出功率的下爬坡率总和，并且小于等于各个空气热泵冷能输出功率的上爬坡率总和。上述空气热泵冷能输出功率爬坡速率约束信息可以是空气热泵冷能输出总功率爬坡速率约大于等于各个空气热泵冷能输出功率的下爬坡率总和，并且小于等于各个空气热泵冷能输出功率的上爬坡率总和。上述压缩式制冷机冷能输出功率爬坡速率约束信息可以是压缩式制冷机冷能输出总功率爬坡速率大于等于各个压缩式制冷机冷能输出功率的下爬坡率总和，并且小于等于各个压缩式制冷机冷能输出功率的上爬坡率总和。上述电制冷机冷能输出功率爬坡速率约束信息可以是电制冷机冷能输出总功率爬坡速率大于等于各个电制冷机冷能输出功率的下爬坡率总和，并且小于等于各个电制冷机冷能输出功率的上爬坡率总和。
接着，可以将蓄电池放电功率约束信息、蓄电池充电功率约束信息、蓄电池存储容量约束信息、储热设备功率约束信息、储热设备容量约束信息、蓄冷池输入功率约束信息、蓄冷池制冷功率约束信息和蓄冷池容量约束信息确定为能源储存设备充放功率约束信息。上述蓄电池放电功率约束信息可以是蓄电池放电功率大于等于蓄电池放电功率下限，并且小于等于蓄电池放电功率上限。上述蓄电池充电功率约束信息可以是蓄电池充电功率大于等于蓄电池充电功率下限，并且小于等于蓄电池充电功率上限。上述蓄电池存储容量约束信息可以是蓄电池存储容量大于等于蓄电池存储容量下限，并且小于等于蓄电池存储容量上限。上述储热设备功率约束信息可以是储热设备功率大于等于储热设备功率下限，并且小于等于储热设备功率上限。上述储热设备容量约束信息可以是储热设备容量大于等于储热设备容量下限，并且小于等于储热设备容量上限。上述蓄冷池输入功率约束信息可以是蓄冷池输入功率大于等于蓄冷池输入功率下限，并且小于等于蓄冷池输入功率上限。上述蓄冷池制冷功率约束信息可以是蓄冷池制冷功率大于等于蓄冷池制冷功率下限，并且小于等于蓄冷池制冷功率上限。上述蓄冷池容量约束信息可以是蓄冷池容量大于等于蓄冷池容量下限，并且小于等于蓄冷池容量上限。
第四步，将上述参数信息集合中对应上述目标优化信息的各个参数信息确定为目标参数信息集合。其中，上述目标优化信息对应的各个参数信息可以包括风电设备输出功率、光伏设备输出功率、燃气轮机输出功率、燃气轮机热能输出功率、燃气锅炉热能输出功率、空气热泵热能输出功率、空气热泵冷能输出功率、压缩式制冷机输入功率、电制冷机输入功率、风电设备量、光伏设备量、燃气轮机设备量、燃气锅炉设备量、制热的空气热泵设备量、制冷的空气热泵设备量、压缩式制冷机设备量和电制冷机设备量。上述目标参数信息集合可以表征上述目标优化信息对应的各个参数信息组成的集合。
第五步，根据上述目标参数信息集合、上述目标优化信息、上述能源负载与生产平衡约束信息、上述能源供应和转化出力约束信息、上述能源供应和转化爬坡约束信息和上述能源储存设备充放功率约束信息，确定对应上述各个能源设备的优化控制信息。实践中，上述执行主体可以通过各种方式，根据上述目标参数信息集合、上述目标优化信息、上述能源负载与生产平衡约束信息、上述能源供应和转化出力约束信息、上述能源供应和转化爬坡约束信息和上述能源储存设备充放功率约束信息，确定对应上述各个能源设备的优化控制信息。由此，可以得到目标优化信息、能源负载与生产平衡约束信息、能源供应和转化出力约束信息、能源供应和转化爬坡约束信息和能源储存设备充放功率约束信息，可以用于生成对应上述各个能源设备的优化控制信息。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤，根据上述目标参数信息集合、上述目标优化信息、上述能源负载与生产平衡约束信息、上述能源供应和转化出力约束信息、上述能源供应和转化爬坡约束信息和上述能源储存设备充放功率约束信息，确定对应上述各个能源设备的优化控制信息：
第一步，对于上述目标参数信息集合中的每个目标参数信息，执行以下步骤：
第一子步骤，从正数集中选择满足预设约束条件的预设数值个数值。其中，上述预设约束条件可以是数值满足上述能源负载与生产平衡约束信息、上述能源供应和转化出力约束信息、上述能源供应和转化爬坡约束信息和上述能源储存设备充放功率约束信息。此处，对于上述预设数值的设定，不做限定。
第二子步骤，将所选择的预设数值个数值确定为参数值集合。其中，上述参数值集合可以表征上述目标参数信息对应的各个参数值。
第二步，对所确定的各个参数值集合进行组合，得到各个参数值组。实践中，上述执行主体可以执行以下步骤，对所确定的各个参数值集合进行组合，得到各个参数值组：
第一子步骤，从上述各个参数值集合中随机选择一个参数值集合作为第一目标参数值集合。其中，上述第一目标参数值集合可以是上述各个参数值集合中任意一个参数值集合。
第二子步骤，将上述第一目标参数值集合确定为第一目标参数值组集合。其中，上述第一目标参数值组集合可以是各个参数值组组成的集合。
第三子步骤，将上述各个参数值集合中与上述第一目标参数值集合相异的各个参数值集合确定为各个第二目标参数值集合。其中，上述各个第二目标参数值集合可以是上述各个参数值集合中与上述第一目标参数值集合相异的各个参数值集合。
第四子步骤，对于上述各个第二目标参数值集合中的每个第二目标参数值集合，执行以下选取步骤：
第一选取步骤，对于上述第二目标参数值集合中的每个第二目标参数值，将上述第二目标参数值分别与第一目标参数值组集合中的每个第一目标参数值组进行组合，得到各个组合目标参数值组。其中，上述组合目标参数值组可以是第二目标参数值与第一目标参数值组中的各个第一目标参数值组成的参数值组。
第二选取步骤，根据所得到的各个组合目标参数值组，更新第一目标参数值组集合。实践中，首先，上述执行主体可以将第一目标参数值组集合清空。然后，可以将所得到的各个组合目标参数值组添加至第一目标参数值组集合。
第五子步骤，将上述选取步骤得到的第一目标参数值组集合中的各个第一目标参数值组确定为各个参数值组。
第三步，对上述各个参数值组进行二进制编码处理，得到上述各个参数值组对应的各个编码信息。其中，上述编码信息可以是参数值组对应的二进制编码。
第四步，从上述各个参数值组中随机选择预设数值个参数值组作为参数值组集合。
第五步，基于参数值组集合，执行以下生成步骤：
第一生成步骤，确定上述参数值组集合中的每个参数值组对应的适应度值。实践中，上述执行主体可以将上述参数值组集合中的每个参数值组中的各个参数值输入至上述目标优化信息中，得到各个参数值组对应的各个适应度值。其中，上述适应度值可以表征将参数值组中的各个参数值输入至目标优化信息中得到的优化结果。
第二生成步骤，响应于确定上述参数值组集合中存在满足预设优化条件的参数值组，将满足上述预设优化条件的参数值组和满足上述预设优化条件的参数值组中的各个参数值对应的各个目标参数信息确定为优化控制信息。其中，上述预设优化条件可以是参数值组对应的适应度值大于等于预设优化阈值。这里，对于上述预设优化阈值的设定，不做限定。
第三生成步骤，响应于确定上述参数值组集合中不存在满足上述预设优化条件的参数值组，执行以下步骤：
第一子步骤，根据所确定的各个适应度值，从上述参数值组集合中选择满足适应度值条件的各个参数值组作为目标参数值组集合。其中，上述适应度值条件可以是适应度值为随机生成的比值所处的适应度比值区间对应的适应度值。上述适应度比值区间可以是上述适应度值对应的对应度比值对应的比值区间。上述适应度比值可以是上述适应度值与总适应度值的比值。上述总适应度值可以是上述各个适应度值之和。实践中，上述执行主体可以采用轮盘赌选择法，根据所确定的各个适应度值，从上述参数值组集合中选择满足适应度值条件的各个参数值组作为目标参数值组集合。作为示例，当上述各个适应度值为1、4、7、8，则上述各个适应度值对应的适应度比值为0.05、0.2、0.35、0.4。则适应度比值0.05对应的比值区间为（0,0.05]，适应度比值0.2对应的比值区间为（0.05,0.25]，适应度比值0.35对应的比值区间为（0.25,0.6]，适应度比值0.4对应的比值区间为（0.6,1]。
第二子步骤，将上述目标参数值组集合中的各个目标参数值组对应的各个编码信息进行交叉替换处理，得到各个交叉替换编码信息。其中，上述交叉替换编码信息可以是编码信息经过交叉替换后生成的编码信息。实践中，首先，上述执行主体可以将上述各个目标参数值组对应的编码信息进行分组处理，得到各个编码信息组。上述分组处理可以是对上述各个目标参数值组对应的编码信息中的任意两个编码信息组合成编码信息组，得到各个编码信息组。然后，将上述各个编码信息组中的每个编码信息组中的两个编码信息的随机位数后的编码进行交换，得到各个交换编码信息组。上述交换编码信息组可以表征编码信息组中的两个编码信息进行编码交换后的两个编码信息。作为示例，当编码信息组中的两个编码信息为001011和101010，随机位数为3，则001011第三位之后的编码为011，101010第三位后的编码为010，进行交换之后到的两个交换编码信息为001010和101011。之后，将上述各个交换编码信息组包括的各个交换编码信息确定为各个交叉替换编码信息。
第三子步骤，对上述各个交叉替换编码信息中的每个交叉替换编码信息进行更新处理，得到各个更新编码信息。其中，上述更新处理可以是将交叉替换编码信息中随机一位编码进行替换的处理。上述更新编码信息可以是随机替换一位编码后的编码信息。实践中，首先，对于上述各个交叉替换编码信息中的每个交叉替换编码信息，上述执行主体可以从上述交叉替换编码信息中随机选择一位编码。然后，响应于确定随机选择的编码为1，将编码替换为0。响应于确定随机选择的编码为0，将编码替换为1。
第四子步骤，将上述各个更新编码信息对应的各个目标参数值组作为参数值组集合，以及再次执行上述生成步骤。由此，可以得到使综合价值消耗、综合二氧化碳排放量和综合能源利用率达到最优的对应各个能源设备的优化控制信息。
上述技术方案其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“园区综合价值消耗和二氧化碳排放量较高、能源利用率较低”。导致园区综合价值消耗和二氧化碳排放量较高、能源利用率较低的因素往往如下：未考虑综合利用园区内各个能源设备的参数信息、预测的能源负荷信息、预测的能源生产信息和各个能源设备参数的约束信息生成能源网络的优化控制信息。为了达到这一效果，本公开引入了根据各个能源设备的参数信息、预测的能源负荷信息和预测的能源生产信息，动态的生成针对综合价值消耗、二氧化碳排放和能源利用率的最优设备控制方案。从而提升了能源利用率，减少了综合价值消耗和二氧化碳排放量。
步骤106，根据优化控制信息和能源数据映射关系信息，确定优化控制信息对应的模拟负荷信息是否满足预设负荷条件。
在一些实施例中，上述执行主体可以根据上述优化控制信息和上述能源数据映射关系信息，确定上述优化控制信息对应的模拟负荷信息是否满足预设负荷条件。其中，上述模拟负荷信息可以是将上述控制优化信息在能源网络数字镜像中进行模拟得到的预设时间段内的能源总负荷量。上述模拟负荷信息可以包括模拟电负荷量、模拟热负荷量和模拟冷负荷量。上述预设负荷条件可以是上述模拟电负荷量小于等于电负荷安全边界阈值、上述模拟热负荷量小于等于热负荷安全边界阈值以及上述模拟冷负荷量小于等于冷负荷安全边界阈值。上述电负荷安全边界阈值可以是年度最大电负荷乘以电负荷安全边界系数与年度最大电负荷的和。上述热负荷安全边界阈值可以是年度最大热负荷乘以热负荷安全边界系数与年度最大热负荷的和。上述冷负荷安全边界阈值可以是年度最大冷负荷乘以冷负荷安全边界系数与年度最大冷负荷的和。实践中，上述执行主体可以将上述优化控制信息和上述能源数据映射关系信息输入至预设仿真模型中，得到上述优化控制信息对应的模拟电负荷量、模拟热负荷量和模拟冷负荷量。上述预设仿真模型可以是对上述优化控制信息进行模拟运行的仿真模型。
可选地，在步骤106后，响应于确定上述模拟负荷信息不满足上述预设负载条件，上述执行主体可以调整优化控制信息中的参数信息，以及根据上述能源数据映射关系信息，确定调整参数后的优化控制信息对应的模拟负荷信息是否满足预设负荷条件。根据上述能源数据映射关系信息，确定调整参数后的优化控制信息对应的模拟负荷信息是否满足预设负荷条件的步骤可以参考步骤106，在此不再赘述。实践中，响应于确定上述模拟负荷信息不满足上述预设负载条件，上述执行主体可以调整上述参数信息包括的各个能源设备输入输出功率，使得调整参数后的优化控制信息对应的模拟负荷信息满足上述预设负荷条件。由此，可以在确定模拟负荷信息不满足预设负载条件后，调整参数信息，以使调整参数信息后重新生成的优化控制信息对应的模拟负荷信息满足预设负荷条件。
步骤107，响应于确定模拟负荷信息满足预设负载条件，根据优化控制信息，控制各个能源设备运行。
在一些实施例中，响应于确定上述模拟负荷信息满足预设负载条件，上述执行主体可以根据上述优化控制信息，控制上述各个能源设备运行。实践中，响应于确定上述模拟负荷信息满足预设负载条件，上述执行主体可以通过LoRa无线通信技术，根据上述优化控制信息中的参数信息控制各个能源设备的输入输出功率和各个设备的开启状态。例如，可以通过调节热泵转换功率控制电能向热能转化的效率、通过调节电制冷机的功率控制电能向冷能转化的效率、通过调节吸收式制冷机的功率控制热能向冷能转化的功率、通过调节燃气轮机的功率控制天然气向电能转化的功率、通过调节燃气锅炉的功率控制清洁能源向热能转化的功率。
可选地，在步骤107后，首先，上述执行主体可以确定预设时间段内上述优化控制信息对应上述各个能源设备的综合能源负荷信息。其中，上述综合能源负荷信息可以是上述各个能源设备在预设时间段内的实际总能源负荷量。实践中，上述执行主体可以通过以下步骤，确定预设时间段内上述优化控制信息对应上述各个能源设备的综合能源负荷信息：
第一步，从相关联的存储设备中获取上述预设时间段内对应各个能源设备的电负荷、热负荷、冷负荷和天然气负荷。
第二步，将上述电负荷、上述热负荷、上述冷负荷与上述天然气负荷的和确定为综合能源负荷信息。
然后，根据上述综合能源负荷信息和上述模拟负荷信息，确定上述综合能源负荷信息是否满足预设优化负荷条件。其中，上述预设优化负荷条件可以是上述综合能源负荷信息与上述模拟负荷信息相差的比例值小于预设比例值。例如，上述预设比例值可以是5%。实践中，上述执行主体可以通过以下步骤，根据上述综合能源负荷信息和上述模拟负荷信息，确定上述综合能源负荷信息是否满足预设优化负荷条件：
第一步，将上述综合能源负荷信息与上述模拟负荷信息相差的比例值确定为相差比例值。
第二步，响应于确定上述相差比例值小于上述预设比例值，确定上述综合能源负荷信息满足上述预设优化负荷条件。
第三步，响应于确定上述相差比例值大于等于上述预设比例值，确定上述综合能源负荷信息不满足上述预设优化负荷条件。
之后，响应于确定上述综合能源负荷信息不满足上述预设优化负荷条件，根据上述参数信息集合、上述各个能源负荷预测信息和上述各个能源生产预测信息，生成对应上述各个能源设备的优化控制信息。其中，生成对应上述各个能源设备的优化控制信息的步骤可以参考步骤105，在此不再赘述。由此，可以在确定上述综合能源负荷信息不满足上述预设优化负荷条件后，重新生成优化控制信息，以使重新生成的优化控制信息满足上述预设优化负荷条件。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的能源设备控制方法，提升了能源网络的稳定性和能源利用率，降低了综合价值消耗和二氧化碳排放量。具体来说，造成能源网络的稳定性较低的原因在于：大部分综合能源系统缺少大数据技术集成应用，预测园区内不同分区的能源负荷、能源供给的准确性较低，导致能源供给无法满足匹配负荷需求，造成能源网络波动，导致能源网络的稳定性较低。而且，受负荷量和能源供给量波动性影响，常规的能源监控系统调控园区各分区能源供给量、能源转换量、能源储存量之间平衡的有效性较低，导致能源网络负荷较易超过安全阈值，从而导致能源网络稳定性较低。另外，由于大多数园区综合能源系统生成能源控制策略时缺少优化算法和自动控制模块，使得能源控制策略响应的延时较长，以及能源控制策略对于综合能源消耗、二氧化碳排放量和能源利用率的优化程度较低，导致能源利用率较低，综合价值消耗和二氧化碳排放量较高。基于此，本公开的一些实施例的能源设备控制方法，首先，获取各个能源设备的参数信息，得到参数信息集合，其中，上述参数信息集合中的参数信息包括空间参数信息、基础参数信息、运行参数信息和环境参数信息，上述各个能源设备包括各个能源生产设备、各个能源存储设备、各个能源负荷设备和各个能源转化设备。由此，可以得到各个能源设备的各个参数信息。然后，根据上述参数信息集合，生成对应上述各个能源设备的能源数据映射关系信息。由此，可以将能源网络映射到数字空间，得到能源数据映射关系信息。接着，将上述参数信息集合中对应上述各个能源负荷设备的参数信息输入至预先训练的能源负荷信息预测模型，得到对应上述各个能源负荷设备的各个能源负荷预测信息。由此，可以得到各个能源设备在未来时间段的各个能源负荷预测信息。之后，将上述参数信息集合中对应上述各个能源生产设备的参数信息输入至预先训练的能源生产信息预测模型，得到对应上述各个能源生产设备的各个能源生产预测信息。由此，可以得到各个能源设备在未来时间段的各个能源生产预测信息。接着，根据上述参数信息集合、上述各个能源负荷预测信息和上述各个能源生产预测信息，生成对应上述各个能源设备的优化控制信息。由此，可以得到对于各个能源设备的优化控制信息。之后，根据上述优化控制信息和上述能源数据映射关系信息，确定上述优化控制信息对应的模拟负荷信息是否满足预设负荷条件。由此，可以得到对优化控制信息进行模拟后的模拟负荷信息。最后，响应于确定上述模拟负荷信息满足预设负载条件，根据上述优化控制信息，控制上述各个能源设备运行。由此，按照优化控制信息，控制各个能源设备的运行状态，使得各个能源设备的运行达到较优的运行状态。也因为实现的能源设备控制方法，能够根据各个能源设备的参数信息生成能源数据映射关系信息、预测能源负荷信息和能源生产信息。并根据参数信息、能源负荷信息和能源生产信息，生成能源优化控制信息。之后根据能源数据映射关系信息对能源优化控制信息进行模拟运行。在确定模拟运行的结果满足预设优化条件后，控制各个能源设备实施能源优化控制方案。从而提升了能源网络的稳定性和能源利用率，降低了综合价值消耗和二氧化碳排放量。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种能源设备控制装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图2所示，一些实施例的能源设备控制装置200包括：获取单元201、第一生成单元202、第一输入单元203、第二输入单元204、第二生成单元205、确定单元206和控制单元207。其中，获取单元201被配置成获取各个能源设备的参数信息，得到参数信息集合，其中，上述参数信息集合中的参数信息包括空间参数信息、基础参数信息、运行参数信息和环境参数信息，上述各个能源设备包括各个能源生产设备、各个能源存储设备、各个能源负荷设备和各个能源转化设备；第一生成单元202被配置成根据上述参数信息集合，生成对应上述各个能源设备的能源数据映射关系信息；第一输入单元203被配置成将上述参数信息集合中对应上述各个能源负荷设备的参数信息输入至预先训练的能源负荷信息预测模型，得到对应上述各个能源负荷设备的能源负荷预测信息；第二输入单元204被配置成将上述参数信息集合中对应上述各个能源生产设备的参数信息输入至预先训练的能源生产信息预测模型，得到对应上述各个能源生产设备的能源生产预测信息；第二生成单元205被配置成根据上述参数信息集合、上述能源负荷预测信息和上述能源生产预测信息，生成对应上述各个能源设备的优化控制信息；确定单元206被配置成根据上述优化控制信息和上述能源数据映射关系信息，确定上述优化控制信息对应的模拟负荷信息是否满足预设负荷条件；控制单元207被配置成响应于确定上述模拟负荷信息满足预设负载条件，根据上述优化控制信息，控制上述各个能源设备运行。
可以理解的是，能源设备控制装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如计算设备）300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取各个能源设备的参数信息，得到参数信息集合，其中，上述参数信息集合中的参数信息包括空间参数信息、基础参数信息、运行参数信息和环境参数信息，上述各个能源设备包括各个能源生产设备、各个能源存储设备、各个能源负荷设备和各个能源转化设备；根据上述参数信息集合，生成对应上述各个能源设备的能源数据映射关系信息；将上述参数信息集合中对应上述各个能源负荷设备的参数信息输入至预先训练的能源负荷信息预测模型，得到对应上述各个能源负荷设备的能源负荷预测信息；将上述参数信息集合中对应上述各个能源生产设备的参数信息输入至预先训练的能源生产信息预测模型，得到对应上述各个能源生产设备的能源生产预测信息；根据上述参数信息集合、上述能源负荷预测信息和上述能源生产预测信息，生成对应上述各个能源设备的优化控制信息；根据上述优化控制信息和上述能源数据映射关系信息，确定上述优化控制信息对应的模拟负荷信息是否满足预设负荷条件；响应于确定上述模拟负荷信息满足预设负载条件，根据上述优化控制信息，控制上述各个能源设备运行。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一生成单元、第一输入单元、第二输入单元、第二生成单元、确定单元和控制单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取各个能源设备的参数信息，得到参数信息集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种能源设备控制方法，包括：
获取各个能源设备的参数信息，得到参数信息集合，其中，所述参数信息集合中的参数信息包括空间参数信息、基础参数信息、运行参数信息和环境参数信息，所述各个能源设备包括各个能源生产设备、各个能源存储设备、各个能源负荷设备和各个能源转化设备；
根据所述参数信息集合，生成对应所述各个能源设备的能源数据映射关系信息；
将所述参数信息集合中对应所述各个能源负荷设备的参数信息输入至预先训练的能源负荷信息预测模型，得到对应所述各个能源负荷设备的能源负荷预测信息，其中，所述运行参数信息包括能源负荷信息，所述能源负荷信息预测模型是通过以下步骤生成的：
获取所述各个能源负荷设备的历史能源负荷信息、历史环境参数信息、历史故障信息和历史更新信息，得到所述各个能源负荷设备的历史能源负荷信息集合、历史环境参数信息集合、历史故障信息集合和历史更新信息集合；
基于所述历史能源负荷信息集合，确定能源负荷自回归时序预测模型；
基于所述历史能源负荷信息集合、所述历史环境参数信息集合、所述历史故障信息集合和所述历史更新信息集合，确定能源负荷多变量时序预测模型；
将所述能源负荷自回归时序预测模型和所述能源负荷多变量时序预测模型组合为能源负荷信息预测模型；
将所述参数信息集合中对应所述各个能源生产设备的参数信息输入至预先训练的能源生产信息预测模型，得到对应所述各个能源生产设备的能源生产预测信息，其中，所述能源生产信息预测模型是通过以下步骤生成的：
获取所述各个能源生产设备的历史能源生产信息、历史环境参数信息、历史故障信息和历史更新信息，得到所述各个能源生产设备的历史能源生产信息集合、历史环境参数信息集合、历史故障信息集合和历史更新信息集合；
基于所述历史能源生产信息集合，确定能源生产自回归时序预测模型；
基于所述历史能源生产信息集合、所述历史环境参数信息集合、所述历史故障信息集合和所述历史更新信息集合，确定能源生产多变量时序预测模型；
将所述能源生产自回归时序预测模型和所述能源生产多变量时序预测模型组合为能源生产信息预测模型；
根据所述参数信息集合、所述能源负荷预测信息和所述能源生产预测信息，生成对应所述各个能源设备的优化控制信息，其中，所述优化控制信息是园区各个能源设备在预设时间段内综合价值消耗、二氧化碳排放量和能源利用率达到最优的运行方案，所述优化控制信息包括控制各个能源设备的功率的参数信息，所述根据所述参数信息集合、所述能源负荷预测信息和所述能源生产预测信息，生成对应所述各个能源设备的优化控制信息，包括：
确定对应所述各个能源设备的综合价值消耗信息、综合二氧化碳排放量信息和综合能源利用率信息；
根据预设权重信息、所述综合价值消耗信息、所述综合二氧化碳排放量信息和所述综合能源利用率信息，生成目标优化信息；
根据所述能源负荷预测信息和所述能源生产预测信息，确定能源负载与生产平衡约束信息、能源供应和转化出力约束信息、能源供应和转化爬坡约束信息和能源储存设备充放功率约束信息；
将所述参数信息集合中对应所述目标优化信息的各个参数信息确定为目标参数信息集合；
根据所述目标参数信息集合、所述目标优化信息、所述能源负载与生产平衡约束信息、所述能源供应和转化出力约束信息、所述能源供应和转化爬坡约束信息和所述能源储存设备充放功率约束信息，确定对应所述各个能源设备的优化控制信息，其中，所述根据所述目标参数信息集合、所述目标优化信息、所述能源负载与生产平衡约束信息、所述能源供应和转化出力约束信息、所述能源供应和转化爬坡约束信息和所述能源储存设备充放功率约束信息，确定对应所述各个能源设备的优化控制信息，包括：
对于所述目标参数信息集合中的每个目标参数信息，执行以下步骤：
从正数集中选择满足预设约束条件的预设数值个数值；
将所选择的预设数值个数值确定为参数值集合；
对所确定的各个参数值集合进行组合，得到各个参数值组；
对所述各个参数值组进行二进制编码处理，得到所述各个参数值组对应的各个编码信息；
从所述各个参数值组中随机选择预设数值个参数值组作为参数值组集合；
基于参数值组集合，执行以下生成步骤：
确定所述参数值组集合中的每个参数值组对应的适应度值；
响应于确定所述参数值组集合中存在满足预设优化条件的参数值组，将满足所述预设优化条件的参数值组和满足所述预设优化条件的参数值组中的各个参数值对应的各个目标参数信息确定为优化控制信息；
响应于确定所述参数值组集合中不存在满足所述预设优化条件的参数值组，执行以下步骤：
根据所确定的各个适应度值，从所述参数值组集合中选择满足适应度值条件的各个参数值组作为目标参数值组集合；
将所述目标参数值组集合中的各个目标参数值组对应的各个编码信息进行交叉替换处理，得到各个交叉替换编码信息；
对所述各个交叉替换编码信息中的每个交叉替换编码信息进行更新处理，得到各个更新编码信息；
将所述各个更新编码信息对应的各个目标参数值组作为参数值组集合，以及再次执行所述生成步骤；
根据所述优化控制信息和所述能源数据映射关系信息，确定所述优化控制信息对应的模拟负荷信息是否满足预设负荷条件；
响应于确定所述模拟负荷信息满足预设负载条件，根据所述优化控制信息，控制所述各个能源设备运行。
2.根据权利要求1所述的方法，其中，在所述获取各个能源设备的参数信息，得到参数信息集合之后，所述方法还包括：
响应于确定所述各个能源设备中存在运行异常的设备，根据预设异常原因信息表，确定异常原因；
根据所述异常原因和预设原因策略信息表，确定运行异常设备的处理信息；
将所述运行异常设备、所述异常原因和所述处理信息发送至相关联的终端设备。
3.根据权利要求1所述的方法，其中，在所述响应于确定所述模拟负荷信息满足预设负载条件，根据所述优化控制信息，控制所述各个能源设备运行之后，所述方法还包括：
确定预设时间段内所述优化控制信息对应所述各个能源设备的综合能源负荷信息；
根据所述综合能源负荷信息和所述模拟负荷信息，确定所述综合能源负荷信息是否满足预设优化负荷条件；
响应于确定所述综合能源负荷信息不满足所述预设优化负荷条件，根据所述参数信息集合、所述各个能源负荷预测信息和所述各个能源生产预测信息，生成对应所述各个能源设备的优化控制信息。
4.根据权利要求1所述的方法，其中，在所述根据所述优化控制信息和所述能源数据映射关系信息，确定所述优化控制信息对应的模拟负荷信息是否满足预设负荷条件之后，所述方法还包括：
响应于确定所述模拟负荷信息不满足所述预设负载条件，调整优化控制信息中的参数信息，以及根据所述能源数据映射关系信息，确定调整参数后的优化控制信息对应的模拟负荷信息是否满足预设负荷条件。
5.一种能源设备控制装置，包括：
获取单元，被配置成获取各个能源设备的参数信息，得到参数信息集合，其中，所述参数信息集合中的参数信息包括空间参数信息、基础参数信息、运行参数信息和环境参数信息，所述各个能源设备包括各个能源生产设备、各个能源存储设备、各个能源负荷设备和各个能源转化设备；
第一生成单元，被配置成根据所述参数信息集合，生成对应所述各个能源设备的能源数据映射关系信息；
第一输入单元，被配置成将所述参数信息集合中对应所述各个能源负荷设备的参数信息输入至预先训练的能源负荷信息预测模型，得到对应所述各个能源负荷设备的能源负荷预测信息，其中，所述运行参数信息包括能源负荷信息，所述能源负荷信息预测模型是通过以下步骤生成的：
获取所述各个能源负荷设备的历史能源负荷信息、历史环境参数信息、历史故障信息和历史更新信息，得到所述各个能源负荷设备的历史能源负荷信息集合、历史环境参数信息集合、历史故障信息集合和历史更新信息集合；
基于所述历史能源负荷信息集合，确定能源负荷自回归时序预测模型；
基于所述历史能源负荷信息集合、所述历史环境参数信息集合、所述历史故障信息集合和所述历史更新信息集合，确定能源负荷多变量时序预测模型；
将所述能源负荷自回归时序预测模型和所述能源负荷多变量时序预测模型组合为能源负荷信息预测模型；
第二输入单元，被配置成将所述参数信息集合中对应所述各个能源生产设备的参数信息输入至预先训练的能源生产信息预测模型，得到对应所述各个能源生产设备的能源生产预测信息，其中，所述能源生产信息预测模型是通过以下步骤生成的：
获取所述各个能源生产设备的历史能源生产信息、历史环境参数信息、历史故障信息和历史更新信息，得到所述各个能源生产设备的历史能源生产信息集合、历史环境参数信息集合、历史故障信息集合和历史更新信息集合；
基于所述历史能源生产信息集合，确定能源生产自回归时序预测模型；
基于所述历史能源生产信息集合、所述历史环境参数信息集合、所述历史故障信息集合和所述历史更新信息集合，确定能源生产多变量时序预测模型；
将所述能源生产自回归时序预测模型和所述能源生产多变量时序预测模型组合为能源生产信息预测模型；
第二生成单元，被配置成根据所述参数信息集合、所述能源负荷预测信息和所述能源生产预测信息，生成对应所述各个能源设备的优化控制信息，其中，所述优化控制信息是园区各个能源设备在预设时间段内综合价值消耗、二氧化碳排放量和能源利用率达到最优的运行方案，所述优化控制信息包括控制各个能源设备的功率的参数信息，所述根据所述参数信息集合、所述能源负荷预测信息和所述能源生产预测信息，生成对应所述各个能源设备的优化控制信息，包括：
确定对应所述各个能源设备的综合价值消耗信息、综合二氧化碳排放量信息和综合能源利用率信息；
根据预设权重信息、所述综合价值消耗信息、所述综合二氧化碳排放量信息和所述综合能源利用率信息，生成目标优化信息；
根据所述能源负荷预测信息和所述能源生产预测信息，确定能源负载与生产平衡约束信息、能源供应和转化出力约束信息、能源供应和转化爬坡约束信息和能源储存设备充放功率约束信息；
将所述参数信息集合中对应所述目标优化信息的各个参数信息确定为目标参数信息集合；
根据所述目标参数信息集合、所述目标优化信息、所述能源负载与生产平衡约束信息、所述能源供应和转化出力约束信息、所述能源供应和转化爬坡约束信息和所述能源储存设备充放功率约束信息，确定对应所述各个能源设备的优化控制信息，其中，所述根据所述目标参数信息集合、所述目标优化信息、所述能源负载与生产平衡约束信息、所述能源供应和转化出力约束信息、所述能源供应和转化爬坡约束信息和所述能源储存设备充放功率约束信息，确定对应所述各个能源设备的优化控制信息，包括：
对于所述目标参数信息集合中的每个目标参数信息，执行以下步骤：
从正数集中选择满足预设约束条件的预设数值个数值；
将所选择的预设数值个数值确定为参数值集合；
对所确定的各个参数值集合进行组合，得到各个参数值组；
对所述各个参数值组进行二进制编码处理，得到所述各个参数值组对应的各个编码信息；
从所述各个参数值组中随机选择预设数值个参数值组作为参数值组集合；
基于参数值组集合，执行以下生成步骤：
确定所述参数值组集合中的每个参数值组对应的适应度值；
响应于确定所述参数值组集合中存在满足预设优化条件的参数值组，将满足所述预设优化条件的参数值组和满足所述预设优化条件的参数值组中的各个参数值对应的各个目标参数信息确定为优化控制信息；
响应于确定所述参数值组集合中不存在满足所述预设优化条件的参数值组，执行以下步骤：
根据所确定的各个适应度值，从所述参数值组集合中选择满足适应度值条件的各个参数值组作为目标参数值组集合；
将所述目标参数值组集合中的各个目标参数值组对应的各个编码信息进行交叉替换处理，得到各个交叉替换编码信息；
对所述各个交叉替换编码信息中的每个交叉替换编码信息进行更新处理，得到各个更新编码信息；
将所述各个更新编码信息对应的各个目标参数值组作为参数值组集合，以及再次执行所述生成步骤；
确定单元，被配置成根据所述优化控制信息和所述能源数据映射关系信息，确定所述优化控制信息对应的模拟负荷信息是否满足预设负荷条件；
控制单元，被配置成响应于确定所述模拟负荷信息满足预设负载条件，根据所述优化控制信息，控制所述各个能源设备运行。
6.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310995963.9A CN116700126B (zh) | 2023-08-09 | 2023-08-09 | 能源设备控制方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310995963.9A CN116700126B (zh) | 2023-08-09 | 2023-08-09 | 能源设备控制方法、装置、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116700126A CN116700126A (zh) | 2023-09-05 |
| CN116700126B true CN116700126B (zh) | 2024-02-02 |
Family
ID=87829822
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310995963.9A Active CN116700126B (zh) | 2023-08-09 | 2023-08-09 | 能源设备控制方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116700126B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109858759A (zh) * | 2018-12-29 | 2019-06-07 | 陕西鼓风机（集团）有限公司 | 一种工业园区综合能源平衡调度方法 |
| CN112598195A (zh) * | 2020-12-31 | 2021-04-02 | 国网河北省电力有限公司经济技术研究院 | 楼宇型综合能源系统运行优化方法、装置及终端设备 |
| CN113723793A (zh) * | 2021-08-25 | 2021-11-30 | 国网江苏省电力工程咨询有限公司 | 园区综合能源系统的实现方法、装置、设备和介质 |
| CN114202176A (zh) * | 2021-11-26 | 2022-03-18 | 中国电力科学研究院有限公司 | 一种综合能源系统优化调度方法、系统、设备及存储介质 |
| CN114662751A (zh) * | 2022-03-19 | 2022-06-24 | 特斯联科技集团有限公司 | 基于lstm的园区多能短期负荷预测及优化方法 |
-
2023
- 2023-08-09 CN CN202310995963.9A patent/CN116700126B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109858759A (zh) * | 2018-12-29 | 2019-06-07 | 陕西鼓风机（集团）有限公司 | 一种工业园区综合能源平衡调度方法 |
| CN112598195A (zh) * | 2020-12-31 | 2021-04-02 | 国网河北省电力有限公司经济技术研究院 | 楼宇型综合能源系统运行优化方法、装置及终端设备 |
| CN113723793A (zh) * | 2021-08-25 | 2021-11-30 | 国网江苏省电力工程咨询有限公司 | 园区综合能源系统的实现方法、装置、设备和介质 |
| CN114202176A (zh) * | 2021-11-26 | 2022-03-18 | 中国电力科学研究院有限公司 | 一种综合能源系统优化调度方法、系统、设备及存储介质 |
| CN114662751A (zh) * | 2022-03-19 | 2022-06-24 | 特斯联科技集团有限公司 | 基于lstm的园区多能短期负荷预测及优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116700126A (zh) | 2023-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2601957C2 (ru) | Способ и устройство управления энергетическими услугами на основе рыночных данных | |
| JP4064334B2 (ja) | エネルギーシステムの制御装置および制御方法 | |
| US9915965B2 (en) | Flexible, secure energy management system | |
| CN103377400A (zh) | 发电站操作增强 | |
| CN111245024B (zh) | 基于模型预测控制的综合能源系统鲁棒优化运行方法 | |
| CN104318323A (zh) | 一种考虑可靠性约束机组组合问题的快速调度方法 | |
| CN109272353A (zh) | 计及综合需求响应不确定性的系统动态概率能流分析方法 | |
| JP2010287031A (ja) | 設備計画作成装置及び設備計画作成方法 | |
| CN107359611B (zh) | 考虑多种随机因素的配电网等值方法 | |
| CN116937569A (zh) | 光伏发电智能储能方法、装置及电子设备 | |
| CN115187018A (zh) | 一种园区综合能源系统双层优化调度方法及装置 | |
| Zhang et al. | Stochastic unit commitment with air conditioning loads participating in reserve service | |
| CN116700126B (zh) | 能源设备控制方法、装置、电子设备和计算机可读介质 | |
| CN113723793A (zh) | 园区综合能源系统的实现方法、装置、设备和介质 | |
| JP5847650B2 (ja) | エネルギー管理システム、サーバ装置、エネルギー管理方法およびプログラム | |
| US20230170697A1 (en) | Techniques for predictive control of energy use in a structure | |
| CN115579935A (zh) | 发电系统控制方法、装置、系统、电子设备及存储介质 | |
| CN116961061B (zh) | 一种储能设备的控制方法、装置及电子设备 | |
| Zhang et al. | Intra-day Multi-time-scale Hierarchical Rolling Scheduling of Integrated Energy System Considering Uncertainty | |
| CN117575175B (zh) | 碳排放评估方法、装置、电子设备和存储介质 | |
| CN117236638B (zh) | 基于多模态网络的运河微电网分布式能量管理系统 | |
| CN116187910B (zh) | 一种控温仓库容量配置方法、装置、电子设备及存储介质 | |
| Li et al. | Bi-level Coordinated Flexible Planning Considering the Uncertainty of Wind Power Construction | |
| CN118070965A (zh) | 基于扩展卡尔曼滤波的能源数据预测方法、系统及设备 | |
| Valerio et al. | Intelligent systems for energy prosumer buildings at district level |
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 |