CN117114329B - 多气源智能调度方法与装置 - Google Patents
多气源智能调度方法与装置 Download PDFInfo
- Publication number
- CN117114329B CN117114329B CN202311126301.4A CN202311126301A CN117114329B CN 117114329 B CN117114329 B CN 117114329B CN 202311126301 A CN202311126301 A CN 202311126301A CN 117114329 B CN117114329 B CN 117114329B
- Authority
- CN
- China
- Prior art keywords
- air supply
- station
- supply station
- resource consumption
- comprehensive
- 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 53
- 230000005540 biological transmission Effects 0.000 claims description 55
- 238000012216 screening Methods 0.000 claims description 33
- 238000009826 distribution Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000007789 gas Substances 0.000 description 41
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 239000002737 fuel gas Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Abstract
本申请涉及一种多气源智能调度方法与装置。方法包括:获取每个供气站的单位资源消耗信息和供气信息、以及当前需求供气量,并基于每个供气站的供气信息和单位资源消耗信息,识别每个供气站的当前资源耗费信息;基于每个供气站的供气信息,识别每个供气站的供气压力和供气量;分别调整每个供气站的供气压力,直到所有供气站的综合供气量与当前需求供气量相同时,得到多个供气压力组;基于每个供气压力组对应的综合供气量、以及每个供气站的单位资源消耗信息,计算每组的综合资源耗费信息,并基于最小综合资源耗费信息对应的第一供气压力组,生成每个供气站的供气调度策略。采用本方法能够提升对每个供气站的资源利用率。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种多气源智能调度方法与装置。
背景技术
当前阶段我国的城市燃气行业发展相对落后,信息化和智能化手段欠缺,日常运营调度管理往往单纯依靠运营工和燃气工程师的经验完成,管理粗放,对人的依赖过大,无法实现精准调度。尤其是核心的气源调度,几乎都是根据经验设定各供气场站的供气压力和供气量,导致在进行气量分配时,尤其是供气相对短缺的时段,高价气的分配和使用十分不合理,大大增加了采购成本。因此如何进行智能供气调配,是当前的研究重点。
传统供气调配方式是通过生产调度人员依据生产调度经验,依据管道的存气能力、用户的调峰需求量等管网特性,以满足管网各用户用气需求为目标而建立的供气调度策略。但是,该方式由于大量依靠人员经验,而不同人员的经验不同,使得供气调度策略的资源耗费量也较高,从而导致对供气站的资源利用率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种多气源智能调度方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种多气源智能调度方法。所述方法包括:
获取每个供气站的单位资源消耗信息、每个供气站的供气信息、以及当前需求供气量,并基于每个供气站的供气信息、以及每个供气站的单位资源消耗信息,识别每个供气站的当前资源耗费信息;
基于每个供气站的供气信息,识别每个供气站的供气压力,并基于每个供气站的供气压力、以及供气量识别策略,得到每个供气站的供气量;
分别调整每个供气站的供气压力,直到所有供气站的综合供气量与所述当前需求供气量相同时,得到多个供气压力组;所述供气压力组包含每个供气站的一个供气压力;
基于每个供气压力组对应的所有供气站的综合供气量、以及每个供气站的单位资源消耗信息,计算每个供气压力组的综合资源耗费信息,并筛选最小综合资源耗费信息对应的第一供气压力组;
基于第一供气压力组中的各所述供气站的供气压力,生成每个供气站的供气调度策略。
可选的,所述基于每个供气站的供气信息、以及每个供气站的单位资源消耗信息,识别每个供气站的当前资源耗费信息,包括:
针对每个供气站,基于所述供气站的供气信息,识别所述供气站的管道流速,并基于所述供气站的管道流速、以及所述供气站的单位资源消耗信息,计算所述供气站在单位时间内的资源耗费量,得到所述供气站的当前资源耗费信息。
可选的,所述基于每个供气站的供气信息,识别每个供气站的供气压力,包括:
针对每个供气站,基于所述供气站的供气信息,识别所述供气站的初始供气压力、所述供气站的单位管道阻力、以及所述供气站的管道长度;
基于所述供气站的单位管道阻力、以及所述供气站的管道长度,计算所述供气站的综合管道阻力,并基于所述供气站的初始供气压力、以及所述供气站的综合管道阻力,计算所述供气站的供气压力。
可选的,所述基于每个供气站的供气压力、以及供气量识别策略,得到每个供气站的供气量,包括:
获取每个供气站的结构信息,并基于每个供气站的结构信息,构建每个供气站的供气传输模型;
针对每个供气站,将所述供气站的供气压力输入所述供气站的供气传输模型,模拟所述供气站的供气传输过程,得到所述供气站的供气量。
可选的,所述分别调整每个供气站的供气压力,直到所有供气站的综合供气量与所述当前需求供气量相同时,得到多个供气压力组,包括:
通过控制单一变量策略,分别调整每个供气站的供气压力,得到多个包含每个供气站的新供气压力的初始供气压力组;
基于每个供气站的供气传输模型、以及每个初始供气压力组中的各所述供气站的新供气压力,模拟每个供气站的供气传输过程,得到每个初始供气压力组对应的各所述供气站的新供气量;
基于每个初始供气压力组对应的各所述供气站的新供气量,计算每个初始供气压力组对应的综合供气量;
在各所述初始供气压力组中,筛选与所述当前需求供气量相同的综合供气量对应的初始供气压力组,作为供气压力组。
可选的,所述基于每个供气压力组对应的所有供气站的综合供气量、以及每个供气站的单位资源消耗信息,计算每个供气压力组的综合资源耗费信息,包括:
针对每个供气压力组,基于所述供气压力组对应的所有供气站的综合供气量,识别每个供气站的目标供气量,并基于每个供气站的目标供气量、以及每个供气站的单位资源消耗信息,计算每个供气站的目标资源耗费信息;
基于所有供气站的目标资源耗费信息,计算所述供气压力组的综合资源耗费信息。
可选的,在所述当前需求供气量不稳定的情况下,所述方法还包括:
获取历史时段的多个供气调度策略、每个供气调度策略对应的综合供气量、以及当前供气需求分布信息,并识别当前供气需求分布信息中的多个需求供气量;
在各所述需求供气量中筛选与各所述综合供气量均不相同的需求供气量,作为目标需求供气量,并识别每个目标需求供气量与各所述综合供气量之间的偏差值;
针对每个目标需求供气量,筛选所述目标需求供气量对应的最小偏差值的综合供气量的目标供气调度策略,并分别对所述目标供气调度策略对应的每个供气站的供气压力进行调整处理,直到满足预设调整次数,得到多个供气压力组;
计算每个供气压力组的综合资源耗费信息、以及每个供气压力组的综合供气量,并基于每个供气压力组的综合资源耗费信息、以及每个供气压力组的综合供气量筛选目标供气压力组,生成所述目标需求供气量对应的供气调度策略;
将所有供气调度策略,按照所述当前供气需求分布信息中的每个供气调度策略的综合需求供气量对应的需求供气量的顺序进行排列,得到所述当前供气需求分布信息的综合刚起调度策略。
第二方面,本申请还提供了一种多气源智能调度装置。所述装置包括:
获取模块,用于获取每个供气站的单位资源消耗信息、每个供气站的供气信息、以及当前需求供气量,并基于每个供气站的供气信息、以及每个供气站的单位资源消耗信息,识别每个供气站的当前资源耗费信息;
识别模块,用于基于每个供气站的供气信息,识别每个供气站的供气压力,并基于每个供气站的供气压力、以及供气量识别策略,得到每个供气站的供气量;
调整模块,用于分别调整每个供气站的供气压力,直到所有供气站的综合供气量与所述当前需求供气量相同时,得到多个供气压力组;所述供气压力组包含每个供气站的一个供气压力;
计算模块,用于基于每个供气压力组对应的所有供气站的综合供气量、以及每个供气站的单位资源消耗信息,计算每个供气压力组的综合资源耗费信息,并筛选最小综合资源耗费信息对应的第一供气压力组;
生成模块,用于基于第一供气压力组中的各所述供气站的供气压力,生成每个供气站的供气调度策略。
可选的,所述获取模块,具体用于:
针对每个供气站,基于所述供气站的供气信息,识别所述供气站的管道流速,并基于所述供气站的管道流速、以及所述供气站的单位资源消耗信息,计算所述供气站在单位时间内的资源耗费量,得到所述供气站的当前资源耗费信息。
可选的,所述识别模块,具体用于:
针对每个供气站,基于所述供气站的供气信息,识别所述供气站的初始供气压力、所述供气站的单位管道阻力、以及所述供气站的管道长度;
基于所述供气站的单位管道阻力、以及所述供气站的管道长度,计算所述供气站的综合管道阻力,并基于所述供气站的初始供气压力、以及所述供气站的综合管道阻力,计算所述供气站的供气压力。
可选的,所述识别模块,具体用于:
获取每个供气站的结构信息,并基于每个供气站的结构信息,构建每个供气站的供气传输模型;
针对每个供气站,将所述供气站的供气压力输入所述供气站的供气传输模型,模拟所述供气站的供气传输过程,得到所述供气站的供气量。
可选的,所述调整模块,具体用于:
通过控制单一变量策略,分别调整每个供气站的供气压力,得到多个包含每个供气站的新供气压力的初始供气压力组;
基于每个供气站的供气传输模型、以及每个初始供气压力组中的各所述供气站的新供气压力,模拟每个供气站的供气传输过程,得到每个初始供气压力组对应的各所述供气站的新供气量;
基于每个初始供气压力组对应的各所述供气站的新供气量,计算每个初始供气压力组对应的综合供气量;
在各所述初始供气压力组中,筛选与所述当前需求供气量相同的综合供气量对应的初始供气压力组,作为供气压力组。
可选的,所述计算模块,具体用于:
针对每个供气压力组,基于所述供气压力组对应的所有供气站的综合供气量,识别每个供气站的目标供气量,并基于每个供气站的目标供气量、以及每个供气站的单位资源消耗信息,计算每个供气站的目标资源耗费信息;
基于所有供气站的目标资源耗费信息,计算所述供气压力组的综合资源耗费信息。
可选的,所述装置还包括:
历史获取模块,用于获取历史时段的多个供气调度策略、每个供气调度策略对应的综合供气量、以及当前供气需求分布信息,并识别当前供气需求分布信息中的多个需求供气量;
第一筛选模块,用于在各所述需求供气量中筛选与各所述综合供气量均不相同的需求供气量,作为目标需求供气量,并识别每个目标需求供气量与各所述综合供气量之间的偏差值;
第二筛选模块,用于针对每个目标需求供气量,筛选所述目标需求供气量对应的最小偏差值的综合供气量的目标供气调度策略,并分别对所述目标供气调度策略对应的每个供气站的供气压力进行调整处理,直到满足预设调整次数,得到多个供气压力组;
策略生成模块,用于计算每个供气压力组的综合资源耗费信息、以及每个供气压力组的综合供气量,并基于每个供气压力组的综合资源耗费信息、以及每个供气压力组的综合供气量筛选目标供气压力组,生成所述目标需求供气量对应的供气调度策略;
确定模块,用于将所有供气调度策略,按照所述当前供气需求分布信息中的每个供气调度策略的综合需求供气量对应的需求供气量的顺序进行排列,得到所述当前供气需求分布信息的综合刚起调度策略。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面中任意一项方法所述的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面中任意一项方法所述的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面中任意一项方法所述的步骤。
上述多气源智能调度方法与装置,通过获取每个供气站的单位资源消耗信息、每个供气站的供气信息、以及当前需求供气量,并基于每个供气站的供气信息、以及每个供气站的单位资源消耗信息,识别每个供气站的当前资源耗费信息;基于每个供气站的供气信息,识别每个供气站的供气压力,并基于每个供气站的供气压力、以及供气量识别策略,得到每个供气站的供气量;分别调整每个供气站的供气压力,直到所有供气站的综合供气量与所述当前需求供气量相同时,得到多个供气压力组;所述供气压力组包含每个供气站的一个供气压力;基于每个供气压力组对应的所有供气站的综合供气量、以及每个供气站的单位资源消耗信息,计算每个供气压力组的综合资源耗费信息,并筛选最小综合资源耗费信息对应的第一供气压力组;基于第一供气压力组中的各供气站的供气压力,生成每个供气站的供气调度策略。本方案,通过基于每个供气站的供气信息中的供气压力,模拟每个供气站的供气传输过程,得到每个供气站的供气量,从而提升了识别每个供气站的供气量的精准度,并且避免了试错成本。然后,终端通过分别调整每个供气站的供气压力,研究当所有供气站的综合供气量与所述当前需求供气量相同时,所有供气站的综合资源耗费信息,使得将供气站的综合资源耗费信息与所有供气站的供气压力进行直接关联,从而提升了调整供气站的综合资源耗费信息的精准度,最后,通过筛选最小综合资源耗费信息对应的每个供气站的供气压力,从而确定每个供气站的供气调度策略,避免了人工经验的误差情况,在提升了每个供气站对当前需求供气量的供气调度精准度的同时,提升了对每个供气站的资源利用率。
附图说明
图1为一个实施例中多气源智能调度方法的流程示意图;
图2为一个实施例中多气源智能调度示例的流程示意图;
图3为一个实施例中多气源智能调度装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的多气源智能调度方法,可以应用于供气站的供气调度的应用环境中。本方案可以应用于终端、也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。其中,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等。其中,终端通过基于每个供气站的供气信息中的供气压力,模拟每个供气站的供气传输过程,得到每个供气站的供气量,从而提升了识别每个供气站的供气量的精准度,并且避免了试错成本。然后,终端通过分别调整每个供气站的供气压力,研究当所有供气站的综合供气量与所述当前需求供气量相同时,所有供气站的综合资源耗费信息,使得将供气站的综合资源耗费信息与所有供气站的供气压力进行直接关联,从而提升了调整供气站的综合资源耗费信息的精准度,最后,通过筛选最小综合资源耗费信息对应的每个供气站的供气压力,从而确定每个供气站的供气调度策略,避免了人工经验的误差情况,在提升了每个供气站对当前需求供气量的供气调度精准度的同时,提升了对每个供气站的资源利用率。
在一个实施例中,如图1所示,提供了一种多气源智能调度方法,以该方法应用于终端为例进行说明,包括以下步骤:
步骤S101,获取每个供气站的单位资源消耗信息、每个供气站的供气信息、以及当前需求供气量,并基于每个供气站的供气信息、以及每个供气站的单位资源消耗信息,识别每个供气站的当前资源耗费信息。
本实施例中,终端接收每个供气站客户端发送的各供气站的单位资源消耗信息、各供气站的供气信息、以及所有供气站服务的区域的当前需求供气量。其中单位资源消耗信息为单位时间内的资源消耗信息,该资源消耗信息可以但不限于是管道损耗信息、燃气费用、燃气损耗、电力损耗等资源消耗的信息。该供气信息包括但不限于,供气压力、供气管道的流速、以及供气管道单位长度的压力损失等。具体的单位时间、以及单位长度为预设于终端的时间和长度。终端基于每个供气站的供气信息、以及每个供气站的单位资源小号信息,识别每个供气站的当前资源耗费信息。具体的识别过程后续将详细说明。其中,当前资源耗费信息,为该供气站在传输燃气的过程中的资源消耗信息。
步骤S102,基于每个供气站的供气信息,识别每个供气站的供气压力,并基于每个供气站的供气压力,模拟每个供气站的供气传输过程,得到每个供气站的供气量。
本实施例中,终端基于每个供气站的供气信息,识别每个供气站的供气压力。然后,终端基于每个供气站的供气传输模型、以及每个供气站的供气压力,模拟每个供气站的供气传输过程,得到每个供气站的供气量。其中,供气传输模型为基于供气站的燃气传输结构作为模型架构的仿真传输模型。具体的模拟过程后续将详细说明。
步骤S103,分别调整每个供气站的供气压力,直到所有供气站的综合供气量与当前需求供气量相同时,得到多个供气压力组。
其中,供气压力组包含每个供气站的一个供气压力。
本实施例中,终端通过控制变量法对应的策略,分别调整每个供气站的供气压力,并通过步骤S102的供气传输模型,模拟每个供气站的供气传输过程,得到所有供气站的综合供气量,然后终端在每个供气站的调整的供气压力中,筛选所有供气站的供气压力对应的综合供气量与前需求供气量相同的供气压力对应的组合,作为供气压力组。具体的筛选过程后续将详细说明。
步骤S104,基于每个供气压力组对应的所有供气站的综合供气量、以及每个供气站的单位资源消耗信息,计算每个供气压力组的综合资源耗费信息,并筛选最小综合资源耗费信息对应的供气压力组第一供气压力组。
本实施例中,终端基于每个供气压力组对应的所有供气站的综合供气量、以及每个供气站的单位资源消耗信息,计算每个供气压力组的综合资源耗费信息。其中,例如,供气站的个数为三个的情况下,每个供气压力组的综合资源耗费信息的计算公式为:
U=Y1Q1+Y2Q2+Y3Q3
其中,Q为管网总供气量(固定常数),Qi为第i个供气站的供气量,Pi为第i个供气站的压力,Yi为第i个供气站的单位资源消耗信息,i=1,2,3,U为综合资源耗费信息。
然后,终端筛选最小综合资源耗费信息对应的供气压力组,作为第一供气压力组。
步骤S105,基于第一供气压力组中的各供气站的供气压力,生成每个供气站的供气调度策略。
本实施例中,终端计算第一供气压力组的每个供气站的供气压力,与每个供气站的当前供气压力之间的压力差值,并将每个供气站调整每个供气站对应的压力差值作为每个供气站的供气调度策略。
上述所有方案具体的,例如:
已知:
求:min U=2.1Q1+2Q2+1.9Q3
输入:P1=0.21,P2=0.21,P3=0.21,进入每个供气站的供气传输模型可得Q1=10957.755,Q2=4492.061,Q3=3550.185,则综合资源耗费信息U=38740.76;
迭代:步长选取h=0.01,则生成四个供气压力组(即别调整每个供气站的供气压力);
1.P1=0.209,P2=0.21,P3=0.21
2.P1=0.21,P2=0.209,P3=0.21
3.P1=0.21,P2=0.211,P3=0.21
4.P1=0.21,P2=0.21,P3=0.211
把上述4组压力值带入每个供气站的供气传输模型,得到所有供气站的综合供气量,并分别判断是否与当前需求供气量相同。
分别求出与当前需求供气量相同的综合供气量对应的供气压力组对应的U值,并选取最小U值所对应的各供气站的供气压力,在最小U值大于预设U值阈值的情况下,终端返回上述迭代步骤,直到最小U值不大于预设U值阈值的情况下,终端输出各供气站的供气压力。
预设U值阈值:综合资源耗费信息降低4%,即
输出:P1,P2,P3。
结果:迭代39次后,可跳出循环,得到结果P1=0.187,P2=0.21,P3=0.226,优化后总成本为37168.8,降低综合资源耗费信息4.058%。
基于上述方案,通过基于每个供气站的供气信息中的供气压力,模拟每个供气站的供气传输过程,得到每个供气站的供气量,从而提升了识别每个供气站的供气量的精准度,并且避免了试错成本。然后,终端通过分别调整每个供气站的供气压力,研究当所有供气站的综合供气量与所述当前需求供气量相同时,所有供气站的综合资源耗费信息,使得将供气站的综合资源耗费信息与所有供气站的供气压力进行直接关联,从而提升了调整供气站的综合资源耗费信息的精准度,最后,通过筛选最小综合资源耗费信息对应的每个供气站的供气压力,从而确定每个供气站的供气调度策略,避免了人工经验的误差情况,在提升了每个供气站对当前需求供气量的供气调度精准度的同时,提升了对每个供气站的资源利用率。
可选的,基于每个供气站的供气信息、以及每个供气站的单位资源消耗信息,识别每个供气站的当前资源耗费信息,包括:针对每个供气站,基于供气站的供气信息,识别供气站的管道流速,并基于供气站的管道流速、以及供气站的单位资源消耗信息,计算供气站在单位时间内的资源耗费量,得到供气站的当前资源耗费信息。
本实施例中,终端针对每个供气站,基于供气站的供气信息,识别供气站的管道流速。其中每个供气站的管道流速V符合下述公式:
vmin≤v≤vmax
其中,v为管道流速,该管道流速符合的范围为该管道流速的最佳值对应的上下限的范围。例如若设定管道流速最佳值为15m/s,管道流速上下限为15,则流速范围为0≤V≤30m/s。
然后,终端基于供气站的管道流速、以及供气站的单位资源消耗信息,计算供气站在单位时间内的资源耗费量,得到供气站的当前资源耗费信息。
基于上述方案,通过识别供气站的管道流速,确定供气站的当前资源耗费信息,提升了确定的供气站的当前资源耗费信息的精准度。
可选的,基于每个供气站的供气信息,识别每个供气站的供气压力,包括:针对每个供气站,基于供气站的供气信息,识别供气站的初始供气压力、供气站的单位管道阻力、以及供气站的管道长度;基于供气站的单位管道阻力、以及供气站的管道长度,计算供气站的综合管道阻力,并基于供气站的初始供气压力、以及供气站的综合管道阻力,计算供气站的供气压力。
本实施例中,终端针对每个供气站,基于供气站的供气信息,识别供气站的初始供气压力、供气站的单位管道阻力、以及供气站的管道长度。其中供气站的单位管道阻力ΔP符合下述公式:
ΔPmin≤ΔP≤ΔPmax
其中,ΔP为单位管道阻力,每条管道符合的范围为该管道阻力的最佳值对应的上下限的范围,例如若设定最佳值为0.001MPa/Km,管道阻力上线下为10,则压力降范围为0≤ΔP≤0.01MPa/KM。
然后,终端基于供气站的单位管道阻力、以及供气站的管道长度,计算供气站的综合管道阻力,并基于供气站的初始供气压力、以及供气站的综合管道阻力,计算该供气站的供气压力。
基于上述方案,在计算供气站的供气压力时,综合考虑该供气站的单位管道阻力,提升了计算的供气站的供气压力的精准度。
可选的,基于每个供气站的供气压力,模拟每个供气站的供气传输过程,得到每个供气站的供气量,包括:获取每个供气站的结构信息,并基于每个供气站的结构信息,构建每个供气站的供气传输模型;针对每个供气站,将供气站的供气压力输入供气站的供气传输模型,模拟供气站的供气传输过程,得到供气站的供气量。
本实施例中,终端获取每个供气站的结构信息,并基于每个供气站的结构信息,构建每个供气站的供气传输模型。其中,构建供气传输模型的方式为通过有限元仿真模型进行供气传输模型的构建。然后,终端针对每个供气站,将供气站的供气压力输入供气站的供气传输模型,模拟供气站的供气传输过程,得到该供气站的供气量。同样的,通过上述方案,通过模拟每个供气站的供气传输过程,得到每个供气站的供气量。
基于上述方案,通过模拟每个供气站的供气传输过程,提升了获取的供气站的供气量的精准度,同时避免通过实际供气调整带来的资源损耗情况。
可选的,分别调整每个供气站的供气压力,直到所有供气站的综合供气量与当前需求供气量相同时,得到多个供气压力组,包括:通过控制单一变量策略,分别调整每个供气站的供气压力,得到多个包含每个供气站的新供气压力的初始供气压力组;基于每个供气站的供气传输模型、以及每个初始供气压力组中的各供气站的新供气压力,模拟每个供气站的供气传输过程,得到每个初始供气压力组对应的各供气站的新供气量;基于每个初始供气压力组对应的各供气站的新供气量,计算每个初始供气压力组对应的综合供气量;在各初始供气压力组中,筛选与当前需求供气量相同的综合供气量对应的初始供气压力组,作为供气压力组。
本实施例中,终端通过控制单一变量策略,分别调整每个供气站的供气压力,得到多个包含每个供气站的新供气压力的初始供气压力组。
具体的,例如,有三个供气站,每个P有两个方向(增大或减小),若只改变其中一个P值,且固定其余两个P不变(如P1变大,P2,P3不变),则共有6个调整方向;因为Pi增大,相对应的Qi不会减小,所以可以排除Yi最大的Pi增大方向(因为假设Y1最大,所以P1只能减小),Yi最小的Pi减小方向(因为假设Y3最小,所以P3只能增大);因此只剩下4个调整方向(1.P1减小,P2,P3不变;2.P2减小,P1,P3不变;3.P2变大,P1,P3不变;4.P3变大,P1,P2不变)终端基于上述四个调整方向,每次调整单个供气站的供气压力,得到一个初始供气压力组。然后,终端基于每个供气站的供气传输模型、以及每个初始供气压力组中的各供气站的新供气压力,模拟每个供气站的供气传输过程,得到每个初始供气压力组对应的各供气站的新供气量。再后,终端将每个初始供气压力组对应的各供气站的新供气量进行求和处理,得到每个初始供气压力组对应的综合供气量。最后,终端在各初始供气压力组中,筛选与当前需求供气量相同的综合供气量对应的初始供气压力组,作为供气压力组。
基于上述方案,通过控制变量法,识别满足当前需求供气量的供气压力组,确保个供气站的供气压力能够满足当前需求供气量。
可选的,基于每个供气压力组对应的所有供气站的综合供气量、以及每个供气站的单位资源消耗信息,计算每个供气压力组的综合资源耗费信息,包括:针对每个供气压力组,基于供气压力组对应的所有供气站的综合供气量,识别每个供气站的目标供气量,并基于每个供气站的目标供气量、以及每个供气站的单位资源消耗信息,计算每个供气站的目标资源耗费信息;基于所有供气站的目标资源耗费信息,计算供气压力组的综合资源耗费信息。
本实施例中,终端针对每个供气压力组,基于供气压力组对应的所有供气站的综合供气量,识别每个供气站的目标供气量,并基于每个供气站的目标供气量、以及每个供气站的单位资源消耗信息,计算每个供气站的目标资源耗费信息。然后,终端基于所有供气站的目标资源耗费信息,计算供气压力组的综合资源耗费信息。
基于上述方案,通过每个供气压力组的供气压力,确定每个供气压力组的综合资源耗费信息,在确保计算的供气压力组的综合资源耗费信息的精准度的同时,提升了计算供气压力组的综合资源耗费信息的效率。
可选的,在当前需求供气量不稳定的情况下,方法还包括:获取历史时段的多个供气调度策略、每个供气调度策略对应的综合供气量、以及当前供气需求分布信息,并识别当前供气需求分布信息中的多个需求供气量;在各需求供气量中筛选与各综合供气量均不相同的需求供气量,作为目标需求供气量,并识别每个目标需求供气量与各综合供气量之间的偏差值;针对每个目标需求供气量,筛选目标需求供气量对应的最小偏差值的综合供气量的目标供气调度策略,并分别对目标供气调度策略对应的每个供气站的供气压力进行调整处理,直到所有供气站的综合供气量与目标需求供气量相同时,得到多个供气压力组;计算每个供气压力组的综合资源耗费信息、以及每个供气压力组的综合供气量,并基于每个供气压力组的综合资源耗费信息、以及每个供气压力组的综合供气量筛选目标供气压力组,生成目标需求供气量对应的供气调度策略,按照当前供气需求分布信息中的每个供气调度策略的综合需求供气量对应的需求供气量的顺序进行排列,得到当前供气需求分布信息的综合刚起调度策略。
本实施例中,终端获取历史时段的多个供气调度策略、每个供气调度策略对应的综合供气量、以及当前供气需求分布信息,并识别当前供气需求分布信息中的多个需求供气量。然后,终端在各需求供气量中筛选与各综合供气量均不相同的需求供气量,作为目标需求供气量。其中,当前供气需求分布信息为不同时段的需求供气量按照每个需求供气量对应的时段的时间顺序进行排序得到的需求供气量分布信息。
终端计算每个目标需求供气量与各综合供气量之间的偏差值。其中,偏差值为两个供气量之间的供气量差值。然后,终端针对每个目标需求供气量,筛选该目标需求供气量对应的最小偏差值的综合供气量的目标供气调度策略,并分别对目标供气调度策略对应的每个供气站的供气压力进行调整处理,直到所有供气站的综合供气量与目标需求供气量相同时,得到多个供气压力组。其中,该部分调整过程与步骤S103的调整过程一致,具体的调整过程详见步骤S103.
终端计算每个供气压力组的综合资源耗费信息、以及每个供气压力组的综合供气量,并在每个供气压力组中,筛选综合资源耗费信息低于预设于终端的资源耗费阈值、且综合供气量与目标需求供气量之间的偏差值低于预设于终端的偏差值阈值的供气压力组,作为目标供气压力组。然后,终端基于该目标供气压力组中的各供气站的供气压力,生成目标需求供气量对应的供气调度策略。
最后,终端将所有供气调度策略,按照当前供气需求分布信息中的每个供气调度策略的综合需求供气量对应的需求供气量的顺序进行排列,得到当前供气需求分布信息的综合刚起调度策略。
在另一个实施例中,若为用气高峰时(即当前需求供气量不稳定),调整对目标供气调度策略对应的每个供气站的供气压力进行调整处理的调整方式如下:终端设置每次迭代需要计算3次U(第一次需要4次),可规定迭代次数(向下取整),其中T为算法的时间上限,比如T=1min,m为调用一次仿真模拟算法计算U所用的时间。终端通过上述步骤,调整个供气站的供气压力,得到各供气压力组对应的综合供气量。
基于上述方案,在当前需求供气量不稳定的情况下,通过筛选每个需求供气量差别最小的综合供气量的目标供气调度策略,进行调整,减少了获取供气调度策略的时间,提升了在当前需求供气量不稳定的情况下的供气调度策略的生成效率。
本申请还提供了一种多气源智能调度示例,如图2所示,具体处理过程包括以下步骤:
步骤S201,获取每个供气站的单位资源消耗信息、每个供气站的供气信息、以及当前需求供气量。
步骤S202,针对每个供气站,基于供气站的供气信息,识别供气站的管道流速,并基于供气站的管道流速、以及供气站的单位资源消耗信息,计算供气站在单位时间内的资源耗费量,得到供气站的当前资源耗费信息。
步骤S203,针对每个供气站,基于供气站的供气信息,识别供气站的初始供气压力、供气站的单位管道阻力、以及供气站的管道长度。
步骤S204,基于供气站的单位管道阻力、以及供气站的管道长度,计算供气站的综合管道阻力,并基于供气站的初始供气压力、以及供气站的综合管道阻力,计算供气站的供气压力。
步骤S205,获取每个供气站的结构信息,并基于每个供气站的结构信息,构建每个供气站的供气传输模型。
步骤S206,针对每个供气站,将供气站的供气压力输入供气站的供气传输模型,模拟供气站的供气传输过程,得到供气站的供气量。
步骤S207,通过控制单一变量策略,分别调整每个供气站的供气压力,得到多个包含每个供气站的新供气压力的初始供气压力组。
步骤S208,基于每个供气站的供气传输模型、以及每个初始供气压力组中的各供气站的新供气压力,模拟每个供气站的供气传输过程,得到每个初始供气压力组对应的各供气站的新供气量。
步骤S209,基于每个初始供气压力组对应的各供气站的新供气量,计算每个初始供气压力组对应的综合供气量。
步骤S210,在各初始供气压力组中,筛选与当前需求供气量相同的综合供气量对应的初始供气压力组,作为供气压力组。
步骤S211,针对每个供气压力组,基于供气压力组对应的所有供气站的综合供气量,识别每个供气站的目标供气量,并基于每个供气站的目标供气量、以及每个供气站的单位资源消耗信息,计算每个供气站的目标资源耗费信息。
步骤S212,基于所有供气站的目标资源耗费信息,计算供气压力组的综合资源耗费信息。
步骤S213,筛选最小综合资源耗费信息对应的第一供气压力组。
步骤S214,基于第一供气压力组中的各供气站的供气压力,生成每个供气站的供气调度策略。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的多气源智能调度方法的多气源智能调度装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个多气源智能调度装置实施例中的具体限定可以参见上文中对于多气源智能调度方法的限定,在此不再赘述。
在一个实施例中,如图3所示,提供了一种多气源智能调度装置,包括:获取模块310、识别模块320、调整模块330、计算模块340和生成模块350,其中:
获取模块310,用于获取每个供气站的单位资源消耗信息、每个供气站的供气信息、以及当前需求供气量,并基于每个供气站的供气信息、以及每个供气站的单位资源消耗信息,识别每个供气站的当前资源耗费信息;
识别模块320,用于基于每个供气站的供气信息,识别每个供气站的供气压力,并基于每个供气站的供气压力、以及供气量识别策略,得到每个供气站的供气量;
调整模块330,用于分别调整每个供气站的供气压力,直到所有供气站的综合供气量与所述当前需求供气量相同时,得到多个供气压力组;所述供气压力组包含每个供气站的一个供气压力;
计算模块340,用于基于每个供气压力组对应的所有供气站的综合供气量、以及每个供气站的单位资源消耗信息,计算每个供气压力组的综合资源耗费信息,并筛选最小综合资源耗费信息对应的第一供气压力组;
生成模块350,用于基于第一供气压力组中的各所述供气站的供气压力,生成每个供气站的供气调度策略。
可选的,所述获取模块310,具体用于:
针对每个供气站,基于所述供气站的供气信息,识别所述供气站的管道流速,并基于所述供气站的管道流速、以及所述供气站的单位资源消耗信息,计算所述供气站在单位时间内的资源耗费量,得到所述供气站的当前资源耗费信息。
可选的,所述识别模块320,具体用于:
针对每个供气站,基于所述供气站的供气信息,识别所述供气站的初始供气压力、所述供气站的单位管道阻力、以及所述供气站的管道长度;
基于所述供气站的单位管道阻力、以及所述供气站的管道长度,计算所述供气站的综合管道阻力,并基于所述供气站的初始供气压力、以及所述供气站的综合管道阻力,计算所述供气站的供气压力。
可选的,所述识别模块320,具体用于:
获取每个供气站的结构信息,并基于每个供气站的结构信息,构建每个供气站的供气传输模型;
针对每个供气站,将所述供气站的供气压力输入所述供气站的供气传输模型,模拟所述供气站的供气传输过程,得到所述供气站的供气量。
可选的,所述调整模块330,具体用于:
通过控制单一变量策略,分别调整每个供气站的供气压力,得到多个包含每个供气站的新供气压力的初始供气压力组;
基于每个供气站的供气传输模型、以及每个初始供气压力组中的各所述供气站的新供气压力,模拟每个供气站的供气传输过程,得到每个初始供气压力组对应的各所述供气站的新供气量;
基于每个初始供气压力组对应的各所述供气站的新供气量,计算每个初始供气压力组对应的综合供气量;
在各所述初始供气压力组中,筛选与所述当前需求供气量相同的综合供气量对应的初始供气压力组,作为供气压力组。
可选的,所述计算模块340,具体用于:
针对每个供气压力组,基于所述供气压力组对应的所有供气站的综合供气量,识别每个供气站的目标供气量,并基于每个供气站的目标供气量、以及每个供气站的单位资源消耗信息,计算每个供气站的目标资源耗费信息;
基于所有供气站的目标资源耗费信息,计算所述供气压力组的综合资源耗费信息。
可选的,所述装置还包括:
历史获取模块,用于获取历史时段的多个供气调度策略、每个供气调度策略对应的综合供气量、以及当前供气需求分布信息,并识别当前供气需求分布信息中的多个需求供气量;
第一筛选模块,用于在各所述需求供气量中筛选与各所述综合供气量均不相同的需求供气量,作为目标需求供气量,并识别每个目标需求供气量与各所述综合供气量之间的偏差值;
第二筛选模块,用于针对每个目标需求供气量,筛选所述目标需求供气量对应的最小偏差值的综合供气量的目标供气调度策略,并分别对所述目标供气调度策略对应的每个供气站的供气压力进行调整处理,直到满足预设调整次数,得到多个供气压力组;
策略生成模块,用于计算每个供气压力组的综合资源耗费信息、以及每个供气压力组的综合供气量,并基于每个供气压力组的综合资源耗费信息、以及每个供气压力组的综合供气量筛选目标供气压力组,生成所述目标需求供气量对应的供气调度策略;
确定模块,用于将所有供气调度策略,按照所述当前供气需求分布信息中的每个供气调度策略的综合需求供气量对应的需求供气量的顺序进行排列,得到所述当前供气需求分布信息的综合刚起调度策略。
上述多气源智能调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种多气源智能调度方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现第一方面中任意一项方法所述的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现第一方面中任意一项方法所述的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面中任意一项方法所述的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种多气源智能调度方法,其特征在于,所述方法包括:
获取每个供气站的单位资源消耗信息、每个供气站的供气信息、以及当前需求供气量,并基于每个供气站的供气信息、以及每个供气站的单位资源消耗信息,识别每个供气站的当前资源耗费信息;
基于每个供气站的供气信息,识别每个供气站的供气压力,并基于每个供气站的供气压力、以及供气量识别策略,得到每个供气站的供气量;
通过控制单一变量策略,分别调整每个供气站的供气压力,得到多个包含每个供气站的新供气压力的初始供气压力组;
基于每个供气站的供气传输模型、以及每个初始供气压力组中的各所述供气站的新供气压力,模拟每个供气站的供气传输过程,得到每个初始供气压力组对应的各所述供气站的新供气量;
基于每个初始供气压力组对应的各所述供气站的新供气量,计算每个初始供气压力组对应的综合供气量;
在各所述初始供气压力组中,筛选与所述当前需求供气量相同的综合供气量对应的初始供气压力组,作为供气压力组;
所述供气压力组包含每个供气站的一个供气压力;
针对每个供气压力组,基于所述供气压力组对应的所有供气站的综合供气量,识别每个供气站的目标供气量,并基于每个供气站的目标供气量、以及每个供气站的单位资源消耗信息,计算每个供气站的目标资源耗费信息;
基于所有供气站的目标资源耗费信息,计算所述供气压力组的综合资源耗费信息;
筛选最小综合资源耗费信息对应的第一供气压力组;
基于第一供气压力组中的各所述供气站的供气压力,生成每个供气站的供气调度策略。
2.根据权利要求1所述的方法,其特征在于,所述基于每个供气站的供气信息、以及每个供气站的单位资源消耗信息,识别每个供气站的当前资源耗费信息,包括:
针对每个供气站,基于所述供气站的供气信息,识别所述供气站的管道流速,并基于所述供气站的管道流速、以及所述供气站的单位资源消耗信息,计算所述供气站在单位时间内的资源耗费量,得到所述供气站的当前资源耗费信息。
3.根据权利要求1所述的方法,其特征在于,所述基于每个供气站的供气信息,识别每个供气站的供气压力,包括:
针对每个供气站,基于所述供气站的供气信息,识别所述供气站的初始供气压力、所述供气站的单位管道阻力、以及所述供气站的管道长度;
基于所述供气站的单位管道阻力、以及所述供气站的管道长度,计算所述供气站的综合管道阻力,并基于所述供气站的初始供气压力、以及所述供气站的综合管道阻力,计算所述供气站的供气压力。
4.根据权利要求1所述的方法,其特征在于,所述基于每个供气站的供气压力、以及供气量识别策略,得到每个供气站的供气量,包括:
获取每个供气站的结构信息,并基于每个供气站的结构信息,构建每个供气站的供气传输模型;
针对每个供气站,将所述供气站的供气压力输入所述供气站的供气传输模型,模拟所述供气站的供气传输过程,得到所述供气站的供气量。
5.根据权利要求1所述的方法,其特征在于,在所述当前需求供气量不稳定的情况下,所述方法还包括:
获取历史时段的多个供气调度策略、每个供气调度策略对应的综合供气量、以及当前供气需求分布信息,并识别当前供气需求分布信息中的多个需求供气量;
在各所述需求供气量中筛选与各所述综合供气量均不相同的需求供气量,作为目标需求供气量,并识别每个目标需求供气量与各所述综合供气量之间的偏差值;
针对每个目标需求供气量,筛选所述目标需求供气量对应的最小偏差值的综合供气量的目标供气调度策略,并分别对所述目标供气调度策略对应的每个供气站的供气压力进行调整处理,直到满足预设调整次数,得到多个供气压力组;
计算每个供气压力组的综合资源耗费信息、以及每个供气压力组的综合供气量,并基于每个供气压力组的综合资源耗费信息、以及每个供气压力组的综合供气量筛选目标供气压力组,生成所述目标需求供气量对应的供气调度策略;
将所有供气调度策略,按照所述当前供气需求分布信息中的每个供气调度策略的综合需求供气量对应的需求供气量的顺序进行排列,得到所述当前供气需求分布信息的综合供气调度策略。
6.一种多气源智能调度装置,其特征在于,所述装置包括:
获取模块,用于获取每个供气站的单位资源消耗信息、每个供气站的供气信息、以及当前需求供气量,并基于每个供气站的供气信息、以及每个供气站的单位资源消耗信息,识别每个供气站的当前资源耗费信息;
识别模块,用于基于每个供气站的供气信息,识别每个供气站的供气压力,并基于每个供气站的供气压力、以及供气量识别策略,得到每个供气站的供气量;
调整模块,用于通过控制单一变量策略,分别调整每个供气站的供气压力,得到多个包含每个供气站的新供气压力的初始供气压力组;基于每个供气站的供气传输模型、以及每个初始供气压力组中的各所述供气站的新供气压力,模拟每个供气站的供气传输过程,得到每个初始供气压力组对应的各所述供气站的新供气量;基于每个初始供气压力组对应的各所述供气站的新供气量,计算每个初始供气压力组对应的综合供气量;在各所述初始供气压力组中,筛选与所述当前需求供气量相同的综合供气量对应的初始供气压力组,作为供气压力组;所述供气压力组包含每个供气站的一个供气压力;
计算模块,用于针对每个供气压力组,基于所述供气压力组对应的所有供气站的综合供气量,识别每个供气站的目标供气量,并基于每个供气站的目标供气量、以及每个供气站的单位资源消耗信息,计算每个供气站的目标资源耗费信息;基于所有供气站的目标资源耗费信息,计算所述供气压力组的综合资源耗费信息,并筛选最小综合资源耗费信息对应的第一供气压力组;
生成模块,用于基于第一供气压力组中的各所述供气站的供气压力,生成每个供气站的供气调度策略。
7.根据权利要求6所述的装置,其特征在于,所述获取模块,具体用于:
针对每个供气站,基于所述供气站的供气信息,识别所述供气站的管道流速,并基于所述供气站的管道流速、以及所述供气站的单位资源消耗信息,计算所述供气站在单位时间内的资源耗费量,得到所述供气站的当前资源耗费信息。
8.根据权利要求6所述的装置,其特征在于,所述识别模块,具体用于:
针对每个供气站,基于所述供气站的供气信息,识别所述供气站的初始供气压力、所述供气站的单位管道阻力、以及所述供气站的管道长度;
基于所述供气站的单位管道阻力、以及所述供气站的管道长度,计算所述供气站的综合管道阻力,并基于所述供气站的初始供气压力、以及所述供气站的综合管道阻力,计算所述供气站的供气压力。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311126301.4A CN117114329B (zh) | 2023-09-01 | 2023-09-01 | 多气源智能调度方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311126301.4A CN117114329B (zh) | 2023-09-01 | 2023-09-01 | 多气源智能调度方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117114329A CN117114329A (zh) | 2023-11-24 |
CN117114329B true CN117114329B (zh) | 2024-04-12 |
Family
ID=88805375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311126301.4A Active CN117114329B (zh) | 2023-09-01 | 2023-09-01 | 多气源智能调度方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117114329B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169633A (zh) * | 2017-04-20 | 2017-09-15 | 中石化石油工程技术服务有限公司 | 一种输气管网、储气库调峰方案综合评价方法 |
CN109858787A (zh) * | 2019-01-17 | 2019-06-07 | 新奥数能科技有限公司 | 一种能源调度管理方法、装置、可读介质及电子设备 |
CN110796321A (zh) * | 2018-08-01 | 2020-02-14 | 中国石油天然气集团有限公司 | 站场运行方案的确定方法、装置及存储介质 |
CN113775928A (zh) * | 2021-09-08 | 2021-12-10 | 中海石油气电集团有限责任公司 | 含有配套长输管道的lng接收站外输系统的调度方法 |
CN115481857A (zh) * | 2022-07-29 | 2022-12-16 | 国网山东省电力公司滨州供电公司 | 计及综合需求响应的互联系统分布式优化调度方法及系统 |
CN115600406A (zh) * | 2022-10-17 | 2023-01-13 | 湖南湘能讯杰科技发展有限公司(Cn) | 基于混合储能的多综合能源运行优化方法及装置 |
CN116306024A (zh) * | 2023-04-29 | 2023-06-23 | 西南石油大学 | 一种基于能量计量的多气源管网运行调度优化方法 |
CN116307553A (zh) * | 2023-03-03 | 2023-06-23 | 中国石油大学(北京) | 用于天然气管网系统的气体分配方法、存储介质及处理器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642184B (zh) * | 2021-08-18 | 2022-05-20 | 西南石油大学 | 一种碳中和目标下的天然气管道操作优化方法 |
-
2023
- 2023-09-01 CN CN202311126301.4A patent/CN117114329B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169633A (zh) * | 2017-04-20 | 2017-09-15 | 中石化石油工程技术服务有限公司 | 一种输气管网、储气库调峰方案综合评价方法 |
CN110796321A (zh) * | 2018-08-01 | 2020-02-14 | 中国石油天然气集团有限公司 | 站场运行方案的确定方法、装置及存储介质 |
CN109858787A (zh) * | 2019-01-17 | 2019-06-07 | 新奥数能科技有限公司 | 一种能源调度管理方法、装置、可读介质及电子设备 |
CN113775928A (zh) * | 2021-09-08 | 2021-12-10 | 中海石油气电集团有限责任公司 | 含有配套长输管道的lng接收站外输系统的调度方法 |
CN115481857A (zh) * | 2022-07-29 | 2022-12-16 | 国网山东省电力公司滨州供电公司 | 计及综合需求响应的互联系统分布式优化调度方法及系统 |
CN115600406A (zh) * | 2022-10-17 | 2023-01-13 | 湖南湘能讯杰科技发展有限公司(Cn) | 基于混合储能的多综合能源运行优化方法及装置 |
CN116307553A (zh) * | 2023-03-03 | 2023-06-23 | 中国石油大学(北京) | 用于天然气管网系统的气体分配方法、存储介质及处理器 |
CN116306024A (zh) * | 2023-04-29 | 2023-06-23 | 西南石油大学 | 一种基于能量计量的多气源管网运行调度优化方法 |
Non-Patent Citations (2)
Title |
---|
基于重要用户优先服务策略的天然气管网优化调度方法研究;徐源;刘蔷;刘武;杨兴兰;;辽宁石油化工大学学报(第06期);全文 * |
燃气输配管网智能调度研究;刘靖;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第12期);第C038-152页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117114329A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Geng et al. | Hybridization of seasonal chaotic cloud simulated annealing algorithm in a SVR-based load forecasting model | |
Dhaliwal et al. | Modified binary differential evolution algorithm to solve unit commitment problem | |
Bahmanifirouzi et al. | Multi-objective stochastic dynamic economic emission dispatch enhancement by fuzzy adaptive modified theta particle swarm optimization | |
Mahdad et al. | Security optimal power flow considering loading margin stability using hybrid FFA–PS assisted with brainstorming rules | |
CN115689018A (zh) | 物资需求预测方法、装置、设备、存储介质和程序产品 | |
CN117114329B (zh) | 多气源智能调度方法与装置 | |
CN111126707B (zh) | 能耗方程构建、能耗预测方法与装置 | |
CN117234712A (zh) | 算力资源部署方法、装置、计算机设备以及存储介质 | |
CN116523001A (zh) | 电网薄弱线路识别模型构建方法、装置和计算机设备 | |
CN115269176A (zh) | 任务分配方法、装置、计算机设备、存储介质和产品 | |
CN114501518A (zh) | 流量预测方法、装置、设备、介质和程序产品 | |
CN112561562A (zh) | 订单发布方法、装置、计算机设备和存储介质 | |
CN113298329A (zh) | 训练、策略生成方法、系统、计算机装置及存储介质 | |
CN115271257B (zh) | 多区域大气污染协同调控方法、装置及电子设备 | |
CN114243681B (zh) | 电力系统的用电调控方法、装置、设备和存储介质 | |
CN116454890B (zh) | 基于scuc模型的机组组合控制方法、装置和设备 | |
CN117114170A (zh) | 一种电力物资需求预测方法和相关产品 | |
CN117094031B (zh) | 工业数字孪生数据隐私保护方法及相关介质 | |
CN116911932A (zh) | 基于省间输电费用的区域电网现货市场出清定价方法 | |
CN114498616A (zh) | 功率控制方法、系统、计算机设备、存储介质和计算机程序产品 | |
CN116993006A (zh) | 用电数据处理方法、装置、计算机设备和存储介质 | |
CN115660365A (zh) | 基于深度强化学习的电力资源数值管理方法和装置 | |
CN114862615A (zh) | 分布式电力资源的聚合方法、装置、计算机设备 | |
CN116432626A (zh) | 面向条件控制断面约束的标准化解析方法、装置和设备 | |
CN117195491A (zh) | 电缆结构模型的确定方法、装置、计算机设备和存储介质 |
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 |