CN117195598B - 能源供给信息预测方法、装置、设备及介质 - Google Patents
能源供给信息预测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117195598B CN117195598B CN202311466695.8A CN202311466695A CN117195598B CN 117195598 B CN117195598 B CN 117195598B CN 202311466695 A CN202311466695 A CN 202311466695A CN 117195598 B CN117195598 B CN 117195598B
- Authority
- CN
- China
- Prior art keywords
- energy
- energy supply
- attribute
- load
- energy load
- 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 72
- 238000005457 optimization Methods 0.000 claims abstract description 60
- 230000008901 benefit Effects 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000003860 storage Methods 0.000 claims description 17
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 14
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 230000020169 heat generation Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 description 37
- 238000010586 diagram Methods 0.000 description 27
- 238000004590 computer program Methods 0.000 description 18
- 238000010248 power generation Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 10
- 238000005096 rolling process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000005265 energy consumption Methods 0.000 description 8
- 230000033228 biological regulation Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000005286 illumination Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 4
- 239000002737 fuel gas Substances 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009133 cooperative interaction Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了能源供给信息预测方法、装置、设备及介质，应用于能源供给技术领域。该方法包括：获取能源供给方在目标时刻的能源采购成本和能源供给量，以及在目标时间段中与用户的能源负荷区域相关的能源负荷属性，目标时刻与目标时间段相关联，能源负荷属性指示能源负荷区域的温度需求属性与温度平衡属性；基于能源供给信息预测模型处理能源采购成本、能源供给量和能源负荷属性，得到预测的能源供给信息，能源供给信息预测模型包括基于能源收益优化函数和能源供给属性约束条件集构建的第一预测子模型，以及基于能源负荷成本优化函数和能源负荷属性约束条件集构建的第二预测子模型；根据能源供给信息，确定目标能源供给信息。
Description
技术领域
本发明涉及能源供给技术领域，尤其涉及一种能源供给信息预测方法、装置、设备及介质。
背景技术
区域综合能源系统（Integrated Area Energy Systems, IAES）已广泛用于为住宅等建筑物进行集中供热与供电。通过区域综合能源系统向建筑物进行能源供给，可以提升用户侧建筑的温度稳定性以及居住体验舒适性。但是目前针对用户侧建筑进行能源供给的调度方式存在能源浪费的情况，且容易导致能源供给侧的运营成本稳定性较差，以及用户缴纳能源供给费用较高的问题。
发明内容
鉴于上述问题，本发明提供了能源供给信息预测方法、装置、设备及介质。
根据本发明的第一个方面，提供了一种能源供给信息预测方法，包括：获取能源供给方在目标时刻的能源采购成本和能源供给量，以及在目标时间段中与用户的能源负荷区域相关的能源负荷属性，上述目标时刻与上述目标时间段相关联，上述能源负荷属性指示上述能源负荷区域的温度需求属性与温度平衡属性；基于能源供给信息预测模型处理上述能源采购成本、上述能源供给量和上述能源负荷属性，得到预测的能源供给信息，其中，上述能源供给信息预测模型包括基于能源收益优化函数 和能源供给属性约束条件集构建的第一预测子模型，以及基于能源负荷成本优化函数 和能源负荷属性约束条件集构建的第二预测子模型；以及根据上述能源供给信息，确定与上述用户相关的目标能源供给信息。
本发明的第二方面提供了一种能源供给信息预测装置，包括：信息获取模块，用于获取能源供给方在目标时刻的能源采购成本和能源供给量，以及在目标时间段中与用户的能源负荷区域相关的能源负荷属性，上述目标时刻与上述目标时间段相关联，上述能源负荷属性指示上述能源负荷区域的温度需求属性与温度平衡属性；能源供给信息获得模块，用于基于能源供给信息预测模型处理上述能源采购成本、上述能源供给量和上述能源负荷属性，得到预测的能源供给信息，其中，上述能源供给信息预测模型包括基于能源收益优化函数和能源供给属性约束条件集构建的第一预测子模型，以及基于能源负荷成本优化函数和能源负荷属性约束条件集构建的第二预测子模型；以及目标能源供给信息获得模块，用于根据上述能源供给信息，确定与上述用户相关的目标能源供给信息。
本发明的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
本发明的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
本发明的第五方面还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上述方法。
根据本发明提供的能源供给信息预测方法、装置、设备及介质，通过构建得到的与能源供给方的能源收益相关的第一预测子模型，以及构建与用户一侧的能源负荷成本相关的第二预测子模型，可以基于第一预测子模型和第二预测子模型来处理能源采购成本和能源供给量，以及在目标时间段中与用户的能源负荷区域相关的能源负荷属性，从而较为准确地预测与用户相关的能源供给信息，这样可以实现对于用户能源负荷的精准调度，在保障用户的能源需求的同时，至少部分减少了对于用户能源供给量浪费的技术问题，同时还可以降低能源供给方的能源供给负载，以及降低用户的能源开销成本的技术效果。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
图1示出了根据本发明实施例的能源供给信息预测方法、装置的应用场景图；
图2示出了根据本发明实施例的能源供给信息预测方法的流程图；
图3示出了根据本发明实施例的区域综合能源系统的应用场景图；
图4示出了根据本发明实施例的得到能源供给信息的求解方式的流程图；
图5示出了根据本发明另一实施例的区域综合能源系统的应用场景图；
图6A示出了根据本发明实施例的风机发电和光伏发电的出力数据示意图；
图6B示出了根据本发明实施例的热量负荷参数和IAES系统模块的运行参数示意图；
图7A示出了根据本发明实施例的IAES系统模块运营商的收益数据预测示意图；
图7B示出了根据本发明实施例的能源负荷区域的一个用户的能源花费数据预测示意图；
图8A示出了根据本发明实施例的热能供给价格信息的示意图；
图8B示出了根据本发明实施例的热换热器流量信息的示意图；
图8C示出了根据本发明实施例的用户室内温度的示意图；
图9示出了根据本发明实施例的能源供给信息预测装置的结构框图；
图10示出了根据本发明实施例的适于实现能源供给信息预测方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本发明的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本发明实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等）。
在本发明的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
在本发明的技术方案中，对数据的获取、收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密处理措施，且不违背公序良俗。
区域综合能源系统(Integrated Area Energy Systems, IAES)已广泛用于为住宅社区的建筑物集中供热。此外，由于区域综合能源系统可以实现灵活地资源调控及采用优化的系统运行技术，实现建筑物的热惯性，使得住宅、写字楼等建筑成为区域综合能源系统的重要用户。为提升用户侧建筑的能源利用效率，以及提升IAES的运营管理水平，可以针对IAES和建筑之间能源的协同互动进行研究，尤其需要对于与IAES相关的风力能源供给节点和光伏能源供给节点的能源供给信息进行相对准确地调度，避免风力能源供给节点和光伏能源供给节点的供能稳定性较差导致的能源浪费，以及能源供应稳定性较低问题，提升能源的供给效率。
本发明的实施例提供了一种能源供给信息预测方法，包括：获取能源供给方在目标时刻的能源采购成本和能源供给量，以及在目标时间段中与用户的能源负荷区域相关的能源负荷属性，目标时刻与目标时间段相关联，能源负荷属性指示能源负荷区域的温度需求属性与温度平衡属性；基于能源供给信息预测模型处理能源采购成本、能源供给量和能源负荷属性，得到预测的能源供给信息，其中，能源供给信息预测模型包括基于能源收益优化函数和能源供给属性约束条件集构建的第一预测子模型，以及基于能源负荷成本优化函数和能源负荷属性约束条件集构建的第二预测子模型；以及根据能源供给信息，确定与用户相关的目标能源供给信息。
根据本发明的实施例，通过构建得到的与能源供给方的能源收益相关的第一预测子模型，以及构建与用户一侧的能源负荷成本相关的第二预测子模型，可以基于第一预测子模型和第二预测子模型来处理能源采购成本和能源供给量，以及在目标时间段中与用户的能源负荷区域相关的能源负荷属性，从而较为准确地预测与用户相关的能源供给信息，这样可以实现对于用户能源负荷的精准调度，在保障用户的能源需求的同时，至少部分减少了对于用户能源供给量浪费的技术问题，同时还可以降低能源供给方的能源供给负载，以及降低用户的能源开销成本。
图1示出了根据本发明实施例的能源供给信息预测方法、装置的应用场景图。
如图1所示，根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103通过网络104与服务器105交互，以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等（仅为示例）。
第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器（仅为示例）。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果（例如根据用户请求获取或生成的网页、信息、或数据等）反馈给终端设备。
需要说明的是，本发明实施例所提供的能源供给信息预测方法一般可以由服务器105执行。相应地，本发明实施例所提供的能源供给信息预测装置一般可以设置于服务器105中。本发明实施例所提供的能源供给信息预测方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地，本发明实施例所提供的能源供给信息预测装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景，通过图2~图8C对本发明实施例提供的能源供给信息预测方法进行详细描述。
图2示出了根据本发明实施例的能源供给信息预测方法的流程图。
如图2所示，该实施例的能源供给信息预测方法可以包括操作S210~操作S230。
在操作S210，获取能源供给方在目标时刻的能源采购成本和能源供给量，以及在目标时间段中与用户的能源负荷区域相关的能源负荷属性。
根据本发明的实施例，目标时刻与目标时间段相关联，目标时刻可以是历史时间段中的历史时刻，或者还可以是未来时间段中的未来时刻。相应地，目标时间段可以是未来时间段。
根据本发明的实施例，能源供给方可以是想用户提供电能、热能、燃气能源等任意类型的能源的供给方。用户的能源负荷区域可以是接收能源的区域，例如可以是接收电能与热能的厂房、写字楼、住宅楼等任意类型的建筑。
根据本发明的实施例，能源采购成本可以包括能源供给方向上一级供应方采购的能源的成本，能源供给量可以包括能源供给方向用户的能源负荷区域供给的电能、热能等任意类型的能源的供给量。
根据本发明的实施例，能源负荷属性指示能源负荷区域的温度需求属性与温度平衡属性。例如温度需求属性可以包括能源负荷区域的所需要保持的温度，温度平衡属性可以包括能源负荷区域保持温度的能力，例如能源负荷区域接收光照的时长、建筑墙体的热阻等信息。
在操作S220，基于能源供给信息预测模型处理能源采购成本、能源供给量和能源负荷属性，得到预测的能源供给信息，其中，能源供给信息预测模型包括基于能源收益优化函数和能源供给属性约束条件集构建的第一预测子模型，以及基于能源负荷成本优化函数和能源负荷属性约束条件集构建的第二预测子模型。
根据本发明的实施例，能源收益优化函数可以是与能源供给方的收益相关的优化函数，例如可以通过以设定能源供给方的最大化收益作为能源收益优化函数。能源供给属性约束条件集可以包括至少一个能源供给属性约束条件，能源供给属性约束条件可以是表征约束能源供给方的收益的条件。
根据本发明的实施例，能源负荷成本优化函数可以是与用户的能源消费成本（或称能源负荷成本）相关的优化函数，例如可以通过对未来的目标时间段中用户的能源负荷成本最小化作为优化目标，得到能源负荷成本优化函数。能源负荷属性约束条件集可以包括至少一个能源负荷属性约束条件，能源负荷属性约束条件可以是表征用户的能源负荷与建筑区域中的温度状态之间的约束关系的条件。
根据本发明的实施例，能源供给信息可以是目标时间段中任意时刻或子时间段的能源供给量、能源供给价格等与能源供给相关的信息。本领域技术人员可以通过任意类型的算法来求解能源收益优化函数和能源负荷成本优化函数，本发明的实施例对此不做限定，只要能够得到能源供给信息即可。
在操作S230，根据能源供给信息，确定与用户相关的目标能源供给信息。
根据本发明的实施例，可以针对预测得到的能源供给信息进行修正或调整，从而得到目标能源供给信息。或者还可以将预测得到的能源供给信息存储至相关文件中，从而得到目标能源供给信息。本发明的实施例对得到目标能源供给信息的具体方式不做限定，本领域技术人员可以根据实际需求进行选择。
图3示出了根据本发明实施例的区域综合能源系统的应用场景图。
如图3所示，区域综合能源系统（Integrated Area Energy Systems, IAES）中可以包括能源供给端（或称IAES运营方）和能源负荷端（用户一侧的建筑），能源负荷端的能源负荷区域可以是用户的建筑区域。区域综合能源系统中可以包括电能供应链路310、热能供应链路330和燃气接收链路320。
能源供给端可以通过燃气接收链路320从上一级能源供应端接收燃气，热电联供（Combined Heat and Power，CHP）系统模块可以基于接收的燃气产生热能与电能，并通过CHP向能源负荷端供给热能与电能。能源供给端还可以通过变压器来从上一级能源供应端接收采购得到的电能，采购得到的电能可以有一部分通过电能供应链路310向能源负荷端供电，还可以将采购得到的电能的一部分用于为热泵提供动力，以便于热泵通过热能供应链路330向能源负荷端提供热能（例如通过供热介质管道来提供热水）。能源供给端还可以通过换热器从上一级能源供应端接收采购得到的热能（例如热水），并将采购得到热能通过上一级能源供应端。能源供给端还可以配置有新能源供给节点，新能源供给节点例如可以包括光伏能源、风能等绿色能源生产设备，新能源供给节点可以将生产的电能通过电能供应链路310向能源负荷端供电。
根据本发明的实施例，第一预测子模型中的能源收益优化函数可以基于如下公式（1）来构建得到。
（1）；
公式（1）中，和/>分别为能源供应端在目标时刻t向用户的能源负荷区域的售电价格和售热价格；/>和/>分别为能源负荷区域n在目标时刻t的电能负荷和热能负荷；/>、/>和/>分别为能源供应端在目标时刻t向上一级能源供应端采购电能的电能采购价格、采购燃气的燃气采购价格和采购热能的热能采购价格的价格；/>、/>和/>分别为能源供应端在目标时刻t向上一级能源供应端的电能采购量、燃气采购量和热能采购量。
根据本发明的实施例，能源供给属性约束条件集中的能源供给属性约束条件可以包括以下至少一项：指示了电能供给量与电能生产量之间的约束关系的电能供给属性约束条件、指示了热能供给量与热能生产量之间的约束关系的热能供给属性约束条件、能源供给价格信息约束条件。
根据本发明的实施例，电能供给属性约束条件可以基于如下公式（2）来表示。
（2）；
公式（2）中，为能源供给方的CHP在目标时刻t的电功率输出量（即CHP的电能生产量），/>表示能源供给方向上一级能源供应端采购的电量，/>和/>分别为能源供给方的光伏发电设备和风力发电设备在目标时刻t的电功率输出量（即光伏发电设备和风力发电设备的电能生产量）；/>为能源供给方的热泵在目标时刻t的电功率消耗（即热泵的电能消耗量）；/>为能源供给方向用户的能源负荷区域供电的供电网络在目标时刻t的电功率消耗（即供电网络的电能消耗量），/>表示与n个用户各自的能源负荷区域相关的电能供给量（或称电能负荷量），/>可以表示一个或多个目标时间段。
根据本发明的实施例，可以由公式（3）计算得到。
（3）；
公式（3）中为CHP的电能生产效率（产电效率），/>表示在目标时刻t热泵的电量生成功率。
根据本发明的实施例，热能供给属性约束条件可以由如下公式（4）来表示。
（4）；
公式（4）中为CHP在目标时刻t的热功率输出量（即CHP的热能生产量）；/>为热泵在目标时刻t的热功率输出（热泵的热能生产量），/>表示能源供给端在目标时刻的从上一级热能供给方获取的热功率（上一级热能供给方提供的热能量），/>为与n个用户各自的能源负荷区域相关的热能供给量（或称热能负荷量）。
根据本发明的实施例，可以由公式（5）计算得到，/>可以由公式（6）计算得到。
（5）；
（6）；
公式（5）和（6）中，ηh为CHP的产热效率，ηhp为热泵的电能转换为热能的电热转换效率，表示能源供给方的热泵在目标时刻t的电功率消耗（即热泵的电能消耗量）。
根据本发明的实施例，能源供给价格信息约束条件可以包括指示能源供给方向用户的能源负荷区域的售热价格约束条件。为了保证能源供给方的收益水平，能源供给方向用户的售热价格需要约束在一定范围内。售热价格约束条件如式（7）所示。此外，为了保证用户与能源供给方之间的协调互动，售热价格不能太高，因此可以采用式（8）来对能源供给方的售热价格进行约束。
（7）；
（8）；
公式（7）和（8）中，为用户在目标时刻t直接向上一级热能供应方采购热能的热能采购价格（也即市政供热价格）；α1和α2为电能供给价格的下限系数和上限系数，例如α1和α2可以分别取值为0.9和1.1。
根据本发明的实施例，第二预测子模型中的能源负荷成本优化函数可以基于如下公式（9）来构建得到。
（9）；
公式（9）中，表示与用户n的能源负荷区域相关的电能供给量（或称电能负荷量），/>表示与用户n的能源负荷区域相关的热能供给量（或称热能负荷量）。
根据本发明的实施例，能源负荷成本优化函数可以表征的优化目标为，n个用户各自在的每个目标时间段内的能源负荷成本最小值。
根据本发明的实施例，能源负荷属性约束条件集中的能源负荷属性约束条件包括：墙体热量平衡条件，墙体热量平衡条件表征：在目标时间段中，能源负荷区域的墙体吸热量与能源负荷区域的产热量之间的第一热量平衡关系。
根据本发明的实施例，可以通过公式（10）来表示墙体热量平衡条件，墙体热量平衡条件可以表征针对用户的能源负荷区域墙体的热量动态平衡约束。
（10）；
公式（10）中，Tw1,2、Tw1,3、Tw1,4和Tw1,5分别为能源负荷子区域1中的四面墙体的温度；Troom为能源负荷子区域1的室内空气温度；T2~T5分别为与能源负荷子区域1相邻的其他的能源负荷子区域的室内温度；Qrad1,5表示光照强度，Aw1,5表示能源负荷子区域1与能源负荷子区域5的墙体之间去除窗的表面积，α1,5为能源负荷子区域1与能源负荷子区域5的墙体的吸热效率，r1,5表示该墙体是否接收光照，接收光照时取1，未接收光照时取0。Cw1,5、Rw1,5分别为1, 5两子区域间墙体的热容、热阻。
应该理解的是能源负荷区域可以包括多个能源负荷子区域，例如能源负荷区域可以是办公楼，能源负荷子区域可以表示办公楼中的房间。
根据本发明的实施例，能源负荷属性约束条件集中的能源负荷属性约束条件可以包括：空气热量平衡条件，空气热量平衡条件表征：在目标时间段中，能源负荷区域的区域空气吸热量与能源负荷区域的空气产热量之间的第二热量平衡关系。
根据本发明的实施例，空气热量平衡条件可以通过公式（11）来表示。
（11）；
公式（11）中，为满足能源负荷子区域1的室内温度Troom所需供给的热量负荷，Tout表示能源负荷区域的室外温度，Qint表示能源负荷子区域1中散热体的散热量（例如人体的散热量），Qwin表示能源负荷子区域1接受太阳辐射的热量，τwin和Awin分别表示能源负荷子区域1中窗户的透射率和窗户的面积，Rwin表示能源负荷子区域1的墙体的热阻，j可以表示与能源负荷子区域1相邻的能源负荷子区域j，/>表示能源负荷子区域1和能源负荷子区域j之间的墙体的热阻，Cr表示墙体的热容。
根据本发明的实施例，空气热量平衡条件是基于与多个能源负荷子区域各自相关的子区域热能负荷确定的，能源负荷区域包括多个能源负荷子区域；子区域热能负荷通过如下方式计算得到：传热介质的介质比热容和在能源负荷子区域在目标时刻的传热介质流量之间的第一乘积，乘以传热介质的介质流入温度和介质流出温度之间的介质温度差。
根据本发明的实施例，可以是通过安装在能源负荷区域1中的室内换热器换热来提供的，/>可以通过公式（12）来计算得到。
（12）；
公式（12）中，cp为传热介质（例如水）的比热容；为能源负荷子区域1在目标时刻t的散热器流量（传热介质流量）；Ts和Tr分别为散热器的供水温度（介质流入温度）和回水温度（介质流出温度），Ts-Tr表示介质流入温度和介质流出温度之间的介质温度差。将所有能源负荷子区域的热量负荷累加就可以得到整个建筑（能源负荷区域）总体的热量负荷，能源负荷区域的热量负荷可以通过公式（13表示。/>（13）；
公式（13）中，表示能源负荷子区域的热量负荷，能源负荷区域可以包括I个能源负荷子区域，/>表示目标时间段。需要说明的是，目标时间段可以包括一个或多个，在目标时间段包括多个的情况下，可以通过目标时刻t来预测多个目标时间段各自对应的目标能源供给信息。
根据本发明的实施例，目标时刻可以包括目标时间段的起始时刻。例如，可以表示k个目标时间段，k大于1。目标时刻t可以是第1个目标时间段的起始时刻。
根据本发明的实施例，能源负荷属性约束条件还可以包括能源负荷子区域的室内温度约束条件和传热介质流量约束条件。室内温度约束条件和传热介质流量约束条件分别可以通过公式（14）和公式（15）表示。
（14）；
（15）；
公式（14）和公式（15）中，和/>分别表示室内温度约束条件中的下限温度和上限温度，/>和/>分别表示传热介质流量约束条件中的下限流量和上限流量。
图4示出了根据本发明实施例的得到能源供给信息的求解方式的流程图。
根据本发明的实施例，基于能源供给信息预测模型处理能源采购成本、能源供给量和能源负荷属性，得到预测的能源供给信息可以包括：迭代地执行如图4所示的求解方式，直至满足预设求解条件。在满足预设求解条件的情况下，根据第J中间能源供给量和第J中间能源供给价格信息，得到能源供给信息，J≥j＞1，且J和j为整数。
如图4所示，该求解方式可以包括操作S410~操作S420。
在操作S410，在第j次求解操作中，根据能源供给属性约束条件集、能源采购成本和第j-1中间能源供给量，求解能源收益优化函数，得到第j中间能源供给价格信息，其中，第j-1中间能源供给量是在对能源收益优化函数的第j-1次求解操作得到的。
在操作S420，在第j次求解操作中，根据能源负荷属性约束条件集、第j中间能源供给价格信息和能源负荷属性，求解能源负荷成本优化函数，得到第j中间能源供给量。
根据本发明的实施例，求解方式还可以包括如下操作：在第1次求解操作中，根据能源负荷属性约束条件集、预设的初始能源供给价格信息和能源负荷属性求解能源负荷成本优化函数，得到第1中间能源供给量。
根据本发明的实施例，在第1次求解操作中，可以基于上述实施例中的公式（10）至（15）中的任意一项或多项来求解公式（9），从而得到第二预测子模型输出的第1中间能源供给量。
在j=2的情况下，即在第2次求解操作中，可以将第1中间能源供给量代入上述实施例中的公式（2）至（8）中的任意一项或多项来求解公式（1），从而得到第一预测子模型输出的第2中间能源供给价格信息，并根据第2中间能源供给价格信息，以及上述实施例中的公式（10）至（15）中的任意一项或多项来求解公式（9），得到第二预测子模型输出的第2中间能源供给量。
应该理解的是，j可以是大于1的任意整数，在每次求解操作结束后，可以判断是否满足预设求解条件（即迭代计算停止条件），例如可以得到的第j中间能源供给量和第j中间能源供给价格信息的收敛情况来判断是否达到预设求解条件。在满足预设求解条件的情况下（J=j），可以结束计算操作，得到根据第J中间能源供给量和第J中间能源供给价格信息，得到一个或多个目标时间段各自对应的能源供给信息和能源供给价格信息。
根据本发明的实施例提供的能源供给信息预测方法，可以通过多次迭代地计算操作来得到一个或多个目标时间段中，满足预设求解条件的能源供给信息和能源供给价格信息，从而可以为能源供给端和能源负荷端（用户）提供在未来的多个目标时间段中的能源供给价格和能源供给量，满足用户的能源负荷需求以及能源供给端的收益需求，避免能源资源过度供给的情况，提升能源利用效率。同时，还可以通过本发明的实施例提供的能源供给信息预测方法，来对分布式风电能源和光伏能源的出力不确定性进行灵活地调配，减少由于新能源出力不稳定产生的能源供给调配效率低，调配精度差的问题。
根据本发明的实施例，预设求解条件可以包括第j能源供给价格信息收敛。
例如，可以通过公式（16）来确定第j次计算操作中第j能源供给价格是否收敛。
（16）；
公式（16）中，σ为公差，iter表示计算操作的迭代次数，即iter=j。
根据本发明的实施例，预设求解条件还可以包括第j能源供给量收敛。例如可以基于第j能源供给量与第j-1能源供给量之间的差值来确定第j能源供给量是否收敛。
根据本发明的实施例，还可以基于预设的计算操作的迭代次数来确定预设求解条件，例如可以在J=300的情况下停止计算操作，从而得到包含能源供给量和能源供给价格的能源供给信息。
在本发明的一个实施例中，可以基于如下的具体实施例来实现区域综合能源系统（IAES）与能源负荷端之间的能源供给信息的预测。
图5示出了根据本发明另一实施例的区域综合能源系统的应用场景图。
如图5所示，区域综合能源系统可以包括能源供给端510和能源负荷端521和522。能源供给端510可以包括热交换器511、变压器512、热泵513、CHP（热点联供）系统514、风力发电设备515、光伏发电设备516和517，能源供给端510可以通过配电网络和供热网络向能源负荷端521和522供给热量能源和电量能源。配电网络可以包括多个供电节点，可以通过风力发电设备515、光伏发电设备516和517各自对应的节点向配电网络提供电能，从而实现多种类型的电能共同为能源负荷端521和522各自的建筑区域提供能源服务。
根据本发明实施例提供的能源供给信息预测方法构建第一预测子模型和第二预测子模型。在本实施例中，可以将第一预测子模型和第二预测子模型分别设定为能源供给信息预测模型的上层子模型和下层子模型。同时，可以基于本发明实施例提供的能源供给信息预测方法迭代地求解第一预测子模型和第二预测子模型，将能源供给信息预测模型的求解问题转化为双层子模型的优化问题。
例如，可以基于第1次求解操作执行之前，可以设定并设置第一次迭代的第1中间能源供给价格信息的初值，将该初值输入至得到第二预测子模型，输出k个预测时域（目标时间段）各自对应的第1中间能源供给量。
在第j次求解操作中，将第j-1中间能源供给量输入至第一预测子模型，以便于根据能源供给属性约束条件集、能源采购成本和第j-1中间能源供给量，求解能源收益优化函数，得到第j中间能源供给价格信息。然后将第j中间能源供给价格信息输入至第二预测子模型，以便于根据能源负荷属性约束条件集、第j中间能源供给价格信息和能源负荷属性，求解能源负荷成本优化函数，得到第j中间能源供给量，直至满足预设求解条件。
在本实施例中，预设求解条件可以是在每次求解操作执行后，判断第j中间能源供给价格信息和第j中间能源供给量是否收敛，在第j中间能源供给价格信息和第j中间能源供给量中的至少一个收敛的情况下，确定满足预设求解条件。如果在第j中间能源供给价格信息和第j中间能源供给量没有达到收敛条件的情况下，设置迭代次数加1，例如可以设置iter=iter+1，iter表示迭代次数。
通过设置预设求解条件，可以优化资源管理配置方案的灵活性，以及提升能源负荷管理的合理性，解决分布式风力发电和光伏发电等新能源供能由于出力不稳定产生的资源优化调控困难对能源供给价格和能源供给量的预测准确率较低的问题。
在本发明的一个实施例中，为了说明本发明提供的能源供给信息预测方法，以下将结合表1和表2所示的数据，以及结合图6A至图8C来说明本发明实施例提供的能源供给信息预测方法。
图6A示出了根据本发明实施例的风机发电和光伏发电的出力数据示意图。
图6B示出了根据本发明实施例的热量负荷参数和IAES系统模块的运行参数示意图。
图7A示出了根据本发明实施例的IAES系统模块运营商的收益数据预测示意图。
图7B示出了根据本发明实施例的能源负荷区域的一个用户的能源花费数据预测示意图。
图8A示出了根据本发明实施例的热能供给价格信息的示意图。
图8B示出了根据本发明实施例的热换热器流量信息的示意图。
图8C示出了根据本发明实施例的用户室内温度的示意图。
结合图6A至图8C所示，在本实施例中，能源负荷端可以包括4个能源负荷区域（4个建筑群），并可以基于IAES系统模块接入供热网络的4个供热节点，将IAES系统模块接入配电网络的4个供电节点中，风机和光伏的出力数据如图6A所示，图6B中的表1所示的数据可以表示能源负荷端中的用户（能源负荷子区域）的热量负荷参数，表2所示的数据可以表示IAES系统模块的运行参数。
表2中，α1和α2可以分别表示能源供给信息预测模型中两种不同的约束条件。
在本实施例中，可以将目标时间段的时长设置为10小时，在线滚动优化设置调度间隔（即针对能源供给信息的调整时间间隔）可以设置为15分钟。设置每个预测时域（目标时间段）的预测误差遵循高斯分布，例如可以基于如公式（17）所示来计算能源供给信息的预测误差：
（17）；
公式（17）中和Y分别是第k个预测时域/>内能源供给信息的预测值和实际值，能源供给信息的预测值可以包括：分布式风力发电和光伏发电的出力数据；δ为预测误差，其遵循平均值为0，标准差为σ的高斯分布。本实施例设置了两种不确定等级，分别为σ =0 （即准确预测无误差）)、σ = 0.1Yt、σ = 0.2Yt来分析不同预测误差等级下在线滚动优化的能源供给信息的优化调度效果。
为了验证本发明实施例提供的方法的有益效果，将本发明实施例提供的方法和传统的单次非滚动优化方法进行对比。不同于在线滚动优化方法的有限时段的反复滚动优化，传统的单次非滚动优化方法在整个优化调度周期只优化一次，并一次性下发所有的优化调度指令。两种方法在不同预测误差下的调度结果如图7A和图7B所示。
需要说明的是，图7A中的纵轴可以为IAES系统模块的运营商收益信息（单位为元），图7B中的纵轴可以为用户（能源负荷子区域）的能源消费数据（单位为元）。图7A和图7B中黑色的柱状图可以表示基于本发明实施例提供的方法得到的能源供给信息的预测值，线状纹路柱状图可以表示单次非滚动优化方法得到的能源供给信息的预测值。
如图7A和图7B所示，随着预测误差的增加，两种方法对应的IAES运营商的收益信息和用户的能源消费数据在多个目标时间段的发展过程中均呈现下降趋势。然而，在任意的预测误差等级条件下，使用本发明实施例提供的方法得到的收益信息均大于对比例中传统单次非滚动优化方法收益信息。同时，在任意的预测误差等级条件下，使用本发明实施例提供的方法得到的用户的能源消费均小于使用传统单次非滚动优化方法的用户的能源消费数据。因此，相较于传统优化方法，本发明实施例提供的方法均能给IAES系统模块运营商和用户带来更多收益，表明本发明实施例提供的方法优于传统的单次非滚动优化方法。
在本实施例中，可以针对上述公式（7）设置不同的约束条件，以便于IAES向用户的将售热价格（热能供给价格信息）约束在一定范围内图8A至图8C分析了不同售热价格约束边界，即不同的α1和α2取值下的优化结果。从图8A至图8C可知，随着售热价格约束范围的增大（从α1=0.9，α2=1.1增大到α1=0.5，α2=1.5），售热价格的波动也逐渐增大，相应的用户的换热器流量调节也更加频繁，而用户室内温度的变化也更加频繁。因此，售热价格约束范围越大，最优售热价格的波动越强，用户的散热器流量和室内温度的调整也越频繁。
需要说明的是，图8A至图8C中的纵坐标轴分别表示售热价格、换热器流量（单位为千克/秒）和用户室内温度。
由以上优化结果可以看出，在兼顾IAES运营商和用户的差异化利益诉求的基础上，本发明实施例提供的方法进一步考虑了优化过程中面临的分布式风电和光伏出力预测数据的不确定性，提升能源供给信息预测的准确性。
基于上述能源供给信息预测方法，本发明还提供了一种能源供给信息预测装置。以下将结合图9对该装置进行详细描述。
图9示出了根据本发明实施例的能源供给信息预测装置的结构框图。
如图9所示，该实施例的能源供给信息预测装置900包括信息获取模块910、能源供给信息获得模块920和目标能源供给信息获得模块930。
信息获取模块910用于获取能源供给方在目标时刻的能源采购成本和能源供给量，以及在目标时间段中与用户的能源负荷区域相关的能源负荷属性，目标时刻与目标时间段相关联，能源负荷属性指示能源负荷区域的温度需求属性与温度平衡属性。
能源供给信息获得模块920用于基于能源供给信息预测模型处理能源采购成本、能源供给量和能源负荷属性，得到预测的能源供给信息，其中，能源供给信息预测模型包括基于能源收益优化函数和能源供给属性约束条件集构建的第一预测子模型，以及基于能源负荷成本优化函数和能源负荷属性约束条件集构建的第二预测子模型。
目标能源供给信息获得模块930用于根据能源供给信息，确定与用户相关的目标能源供给信息。
根据本发明的实施例，能源供给信息获得模块包括：求解子模块和能源供给信息获得子模块。
求解子模块，用于迭代地执行如下求解方式，直至满足预设求解条件，求解方式包括：在第j次求解操作中，根据能源供给属性约束条件集、能源采购成本和第j-1中间能源供给量，求解能源收益优化函数，得到第j中间能源供给价格信息，其中，第j-1中间能源供给量是在对能源收益优化函数的第j-1次求解操作得到的；以及在第j次求解操作中，根据能源负荷属性约束条件集、第j中间能源供给价格信息和能源负荷属性，求解能源负荷成本优化函数，得到第j中间能源供给量。
能源供给信息获得子模块，用于在满足预设求解条件的情况下，根据第J中间能源供给量和第J中间能源供给价格信息，得到能源供给信息，J≥j＞1，且J和j为整数。
根据本发明的实施例，求解方式还包括：在第1次求解操作中，根据能源负荷属性约束条件集、预设的初始能源供给价格信息和能源负荷属性求解能源负荷成本优化函数，得到第1中间能源供给量。
根据本发明的实施例，预设求解条件包括：第j能源供给价格信息收敛；或者第j能源供给量收敛。
根据本发明的实施例，能源供给属性约束条件集中的能源供给属性约束条件包括以下至少一项：指示了电能供给量与电能生产量之间的约束关系的电能供给属性约束条件、指示了热能供给量与热能生产量之间的约束关系的热能供给属性约束条件、能源供给价格信息约束条件。
根据本发明的实施例，能源负荷属性约束条件集中的能源负荷属性约束条件包括：墙体热量平衡条件，墙体热量平衡条件表征：在目标时间段中，能源负荷区域的墙体吸热量与能源负荷区域的产热量之间的第一热量平衡关系。
根据本发明的实施例，能源负荷属性约束条件集中的能源负荷属性约束条件包括：空气热量平衡条件，空气热量平衡条件表征：在目标时间段中，能源负荷区域的区域空气吸热量与能源负荷区域的空气产热量之间的第二热量平衡关系。
根据本发明的实施例，空气热量平衡条件是基于与多个能源负荷子区域各自相关的子区域热能负荷确定的，能源负荷区域包括多个能源负荷子区域；子区域热能负荷通过如下方式计算得到：传热介质的介质比热容和在能源负荷子区域在目标时刻的传热介质流量之间的第一乘积，乘以传热介质的介质流入温度和介质流出温度之间的介质温度差。
根据本发明的实施例，目标时刻包括目标时间段的起始时刻。
根据本发明的实施例，信息获取模块910、能源供给信息获得模块920和目标能源供给信息获得模块930中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，信息获取模块910、能源供给信息获得模块920和目标能源供给信息获得模块930中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上系统、基板上的系统、封装上的系统、专用集成电路（ASIC），或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，信息获取模块910、能源供给信息获得模块920和目标能源供给信息获得模块930中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图10示出了根据本发明实施例的适于实现能源供给信息预测方法的电子设备的方框图。
如图10所示，根据本发明实施例的电子设备1000包括处理器1001，其可以根据存储在只读存储器（ROM）1002中的程序或者从存储部分1008加载到随机访问存储器（RAM）1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器（例如CPU）、指令集处理器和/或相关芯片组和/或专用微处理器（例如，专用集成电路（ASIC））等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中，存储有电子设备1000操作所需的各种程序和数据。处理器 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM1003中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例，电子设备1000还可以包括输入/输出（I/O）接口1005，输入/输出（I/O）接口1005也连接至总线1004。电子设备1000还可以包括连接至I/O接口1005的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储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执行时，实现根据本发明实施例的方法。
根据本发明的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：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）、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。在本发明中，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。例如，根据本发明的实施例，计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。
本发明的实施例还包括一种计算机程序产品，其包括计算机程序，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。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本发明实施例所提供的方法。
在该计算机程序被处理器1001执行时执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分1009被下载和安装，和/或从可拆卸介质1011被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时，执行本发明实施例的系统中限定的上述功能。根据本发明的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本发明的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“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设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（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，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。
本领域技术人员可以理解，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本发明中。特别地，在不脱离本发明精神和教导的情况下，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本发明的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本发明的范围由所附权利要求及其等同物限定。不脱离本发明的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本发明的范围之内。
Claims (9)
1.一种能源供给信息预测方法，其特征在于，包括：
获取能源供给方在目标时刻的能源采购成本和能源供给量，以及在目标时间段中与用户的能源负荷区域相关的能源负荷属性，所述目标时刻与所述目标时间段相关联，所述能源负荷属性指示所述能源负荷区域的温度需求属性与温度平衡属性，所述温度需求属性表征与所述能源负荷区域相关的保持温度的需求，所述温度平衡属性表征所述能源负荷区域保持温度的能力；
基于能源供给信息预测模型处理所述能源采购成本、所述能源供给量和所述能源负荷属性，得到预测的能源供给信息，其中，所述能源供给信息预测模型包括基于能源收益优化函数和能源供给属性约束条件集构建的第一预测子模型，以及基于能源负荷成本优化函数和能源负荷属性约束条件集构建的第二预测子模型，所述能源收益优化函数的优化目标包括所述能源供给方的收益，所述能源负荷成本优化函数的优化目标包括所述用户的能源负荷成本；以及
根据所述能源供给信息，确定与所述用户相关的目标能源供给信息；
其中，所述能源供给属性约束条件集中的能源供给属性约束条件包括以下至少一项：
指示了电能供给量与电能生产量之间的约束关系的电能供给属性约束条件、指示了热能供给量与热能生产量之间的约束关系的热能供给属性约束条件、能源供给价格信息约束条件；
所述能源负荷属性约束条件集中的能源负荷属性约束条件包括：
墙体热量平衡条件，所述墙体热量平衡条件表征：
在所述目标时间段中，所述能源负荷区域的墙体吸热量与所述能源负荷区域的产热量之间的第一热量平衡关系；
其中，基于能源供给信息预测模型处理所述能源采购成本、所述能源供给量和所述能源负荷属性，得到预测的能源供给信息包括：
迭代地执行如下求解方式，直至满足预设求解条件，所述求解方式包括：
在第j次求解操作中，根据所述能源供给属性约束条件集、所述能源采购成本和第j-1中间能源供给量，求解所述能源收益优化函数，得到第j中间能源供给价格信息，其中，所述第j-1中间能源供给量是在对所述能源收益优化函数的第j-1次求解操作得到的；以及
在所述第j次所述求解操作中，根据所述能源负荷属性约束条件集、所述第j中间能源供给价格信息和所述能源负荷属性，求解所述能源负荷成本优化函数，得到第j中间能源供给量；以及
在满足所述预设求解条件的情况下，根据第J中间能源供给量和第J中间能源供给价格信息，得到所述能源供给信息，J≥j＞1，且J和j为整数。
2.根据权利要求1所述的方法，其特征在于，所述求解方式还包括：
在第1次求解操作中，根据所述能源负荷属性约束条件集、预设的初始能源供给价格信息和所述能源负荷属性求解所述能源负荷成本优化函数，得到所述第1中间能源供给量。
3.根据权利要求1所述的方法，其特征在于，所述预设求解条件包括：
所述第j能源供给价格信息收敛；或者
所述第j能源供给量收敛。
4.根据权利要求1所述的方法，其特征在于，所述能源负荷属性约束条件集中的能源负荷属性约束条件包括：
空气热量平衡条件，所述空气热量平衡条件表征：
在所述目标时间段中，所述能源负荷区域的区域空气吸热量与所述能源负荷区域的空气产热量之间的第二热量平衡关系。
5.根据权利要求4所述的方法，其特征在于，所述空气热量平衡条件是基于与多个能源负荷子区域各自相关的子区域热能负荷确定的，所述能源负荷区域包括多个所述能源负荷子区域；
所述子区域热能负荷通过如下方式计算得到：
传热介质的介质比热容和在所述能源负荷子区域在所述目标时刻的传热介质流量之间的第一乘积，乘以所述传热介质的介质流入温度和介质流出温度之间的介质温度差。
6.根据权利要求1所述的方法，其特征在于，所述目标时刻包括所述目标时间段的起始时刻。
7.一种能源供给信息预测装置，其特征在于，包括：
信息获取模块，用于获取能源供给方在目标时刻的能源采购成本和能源供给量，以及在目标时间段中与用户的能源负荷区域相关的能源负荷属性，所述目标时刻与所述目标时间段相关联，所述能源负荷属性指示所述能源负荷区域的温度需求属性与温度平衡属性，所述温度需求属性表征与所述能源负荷区域相关的保持温度的需求，所述温度平衡属性表征所述能源负荷区域保持温度的能力；
能源供给信息获得模块，用于基于能源供给信息预测模型处理所述能源采购成本、所述能源供给量和所述能源负荷属性，得到预测的能源供给信息，其中，所述能源供给信息预测模型包括基于能源收益优化函数和能源供给属性约束条件集构建的第一预测子模型，以及基于能源负荷成本优化函数和能源负荷属性约束条件集构建的第二预测子模型，所述能源收益优化函数的优化目标包括所述能源供给方的收益，所述能源负荷成本优化函数的优化目标包括所述用户的能源负荷成本；以及
目标能源供给信息获得模块，用于根据所述能源供给信息，确定与所述用户相关的目标能源供给信息；
其中，所述能源供给属性约束条件集中的能源供给属性约束条件包括以下至少一项：
指示了电能供给量与电能生产量之间的约束关系的电能供给属性约束条件、指示了热能供给量与热能生产量之间的约束关系的热能供给属性约束条件、能源供给价格信息约束条件；
所述能源负荷属性约束条件集中的能源负荷属性约束条件包括：
墙体热量平衡条件，所述墙体热量平衡条件表征：
在所述目标时间段中，所述能源负荷区域的墙体吸热量与所述能源负荷区域的产热量之间的第一热量平衡关系；
其中，所述目标能源供给信息获得模块包括：
求解子模块，用于迭代地执行如下求解方式，直至满足预设求解条件，所述求解方式包括：
在第j次求解操作中，根据所述能源供给属性约束条件集、所述能源采购成本和第j-1中间能源供给量，求解所述能源收益优化函数，得到第j中间能源供给价格信息，其中，所述第j-1中间能源供给量是在对所述能源收益优化函数的第j-1次求解操作得到的；以及
在所述第j次所述求解操作中，根据所述能源负荷属性约束条件集、所述第j中间能源供给价格信息和所述能源负荷属性，求解所述能源负荷成本优化函数，得到第j中间能源供给量；以及
能源供给信息获得子模块，用于在满足所述预设求解条件的情况下，根据第J中间能源供给量和第J中间能源供给价格信息，得到所述能源供给信息，J≥j＞1，且J和j为整数。
8.一种电子设备，其特征在于，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，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1至6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311466695.8A CN117195598B (zh) | 2023-11-07 | 2023-11-07 | 能源供给信息预测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311466695.8A CN117195598B (zh) | 2023-11-07 | 2023-11-07 | 能源供给信息预测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117195598A CN117195598A (zh) | 2023-12-08 |
| CN117195598B true CN117195598B (zh) | 2024-02-27 |
Family
ID=88985404
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311466695.8A Active CN117195598B (zh) | 2023-11-07 | 2023-11-07 | 能源供给信息预测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117195598B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111199015A (zh) * | 2019-12-31 | 2020-05-26 | 新奥数能科技有限公司 | 一种综合能源系统优化方法和装置 |
| CN113191558A (zh) * | 2021-05-08 | 2021-07-30 | 国网综合能源服务集团有限公司 | 综合能源系统优化调度方法、装置及终端 |
| CN113240149A (zh) * | 2021-02-18 | 2021-08-10 | 北京国电通网络技术有限公司 | 能源供需的动态配置方法、装置、电子设备及存储介质 |
| CN116205456A (zh) * | 2023-02-28 | 2023-06-02 | 广东电网有限责任公司 | 一种综合能源系统的调度方法、装置、设备及介质 |
| CN116646933A (zh) * | 2023-07-24 | 2023-08-25 | 北京中能亿信软件有限公司 | 一种基于大数据的电力负荷调度方法及系统 |
| CN116703118A (zh) * | 2023-06-29 | 2023-09-05 | 西安交通大学 | 差异化建筑热惯性的综合能源系统日前调度方法及系统 |
-
2023
- 2023-11-07 CN CN202311466695.8A patent/CN117195598B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111199015A (zh) * | 2019-12-31 | 2020-05-26 | 新奥数能科技有限公司 | 一种综合能源系统优化方法和装置 |
| CN113240149A (zh) * | 2021-02-18 | 2021-08-10 | 北京国电通网络技术有限公司 | 能源供需的动态配置方法、装置、电子设备及存储介质 |
| CN113191558A (zh) * | 2021-05-08 | 2021-07-30 | 国网综合能源服务集团有限公司 | 综合能源系统优化调度方法、装置及终端 |
| CN116205456A (zh) * | 2023-02-28 | 2023-06-02 | 广东电网有限责任公司 | 一种综合能源系统的调度方法、装置、设备及介质 |
| CN116703118A (zh) * | 2023-06-29 | 2023-09-05 | 西安交通大学 | 差异化建筑热惯性的综合能源系统日前调度方法及系统 |
| CN116646933A (zh) * | 2023-07-24 | 2023-08-25 | 北京中能亿信软件有限公司 | 一种基于大数据的电力负荷调度方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117195598A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wei et al. | A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy | |
| Chen et al. | Peer-to-peer energy sharing with social attributes: A stochastic leader–follower game approach | |
| Lu et al. | Bi-level optimization framework for buildings to heating grid integration in integrated community energy systems | |
| Harb et al. | MIP approach for designing heating systems in residential buildings and neighbourhoods | |
| Basnet et al. | Residential demand response program: Predictive analytics, virtual storage model and its optimization | |
| Wei et al. | Coordination optimization of multiple thermostatically controlled load groups in distribution network with renewable energy | |
| Yang et al. | Distributed energy trading management for renewable prosumers with HVAC and energy storage | |
| Davoudi et al. | Developing a new framework for transactive peer‐to‐peer thermal energy market | |
| Fangjie et al. | Community decision-makers’ choice of multi-objective scheduling strategy for integrated energy considering multiple uncertainties and demand response | |
| Ma et al. | Two-stage stochastic robust optimization model of microgrid day-ahead dispatching considering controllable air conditioning load | |
| Yang et al. | Exploring blockchain for the coordination of distributed energy resources | |
| Halimov et al. | Multi-objective optimization of complex measures on supplying energy to rural residential buildings in Uzbekistan using renewable energy sources | |
| Casalicchio et al. | Optimal allocation method for a fair distribution of the benefits in an energy community | |
| Wang et al. | Consensus‐based decentralized energy trading for distributed energy resources | |
| Hirvonen et al. | The effect of deep energy retrofit on the hourly power demand of Finnish detached houses | |
| Ran et al. | Robust scatter index method for the appliances scheduling of home energy local network with user behavior uncertainty | |
| Chen et al. | Multi-objective robust optimal bidding strategy for a data center operator based on bi-level optimization | |
| CN117195598B (zh) | 能源供给信息预测方法、装置、设备及介质 | |
| CN116187538B (zh) | 能源调度方法和装置 | |
| Varelmann et al. | A decoupling strategy for protecting sensitive process information in cooperative optimization of power flow | |
| Yang et al. | Two-stage robust optimization strategy for spatially-temporally correlated data centers with data-driven uncertainty sets | |
| Hui et al. | Regulation capacity evaluation of large-scale residential air conditioners for improving flexibility of urban power systems | |
| Bu et al. | Low‐carbon operation method of the building based on dynamic carbon emission factor of power system | |
| Wang et al. | Day-ahead schedule optimization of household appliances for demand flexibility: Case study on PV/T powered buildings | |
| Liu et al. | Energy management for households considering uncertainty in solar irradiance with various probability distribution |
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 |