CN117494910B - 一种基于碳减排的多能源协调优化控制系统及方法 - Google Patents
一种基于碳减排的多能源协调优化控制系统及方法 Download PDFInfo
- Publication number
- CN117494910B CN117494910B CN202410000936.8A CN202410000936A CN117494910B CN 117494910 B CN117494910 B CN 117494910B CN 202410000936 A CN202410000936 A CN 202410000936A CN 117494910 B CN117494910 B CN 117494910B
- Authority
- CN
- China
- Prior art keywords
- output
- data
- representing
- coefficient
- energy
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 113
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 113
- 230000009467 reduction Effects 0.000 title claims abstract description 59
- 238000005457 optimization Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000011217 control strategy Methods 0.000 claims abstract description 83
- 230000007613 environmental effect Effects 0.000 claims abstract description 70
- 239000011159 matrix material Substances 0.000 claims abstract description 66
- 230000008878 coupling Effects 0.000 claims abstract description 58
- 238000010168 coupling process Methods 0.000 claims abstract description 58
- 238000005859 coupling reaction Methods 0.000 claims abstract description 58
- 238000010248 power generation Methods 0.000 claims abstract description 47
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims description 71
- 230000035945 sensitivity Effects 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000009472 formulation Methods 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 8
- 230000000630 rising effect Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012546 transfer 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种基于碳减排的多能源协调优化控制系统及方法,属于协同优化技术领域,其系统包括:数据收集模块:收集各类能源发电的实际出力数据,以及采集发电厂的实际环境数据;数据分析模块:构建能源设备的出力矩阵以及发电厂的环境矩阵,进行各类能源发电出力与环境因素之间的耦合性评估分析;模型建立模块:建立目标控制函数进而建立规划模型,获取最优规划结果;策略制定模块:基于耦合性评估分析结果制定第一控制策略,并与规划模型下的最优规划结果进行比较得到优化结果,并转化为第二控制策略;策略迭代优化模块:监测按所述第二控制策略运行的发电厂碳排放量,若不理想则对第二控制策略优化直至达到预设排放标准。
Description
技术领域
本发明涉及协同优化控制技术领域,特别涉及一种基于碳减排的多能源协调优化控制系统及方法。
背景技术
随着对碳排放减少和可持续能源发展关注的增加,多能源系统作为一种集成多种能源类型的发电系统,具有能源利用率高、环境污染低的优点。然而,多能源系统的协调优化控制面临着复杂的能源结构,现有的多能源协调优化控制方法主要关注能源设备的出力优化和调度策略,很少考虑环境因素对能源设备出力的影响,现有方法往往缺乏对碳排放的考虑,无法满足碳减排目标的要求。
因此,本发明提供了一种基于碳减排的多能源协调优化控制系统及方法。
发明内容
本发明提供一种基于碳减排的多能源协调优化控制系统及方法,通过实时监测和分析能源设备的出力数据和环境数据,分析环境因素与能源设备出力之间的耦合性,基于碳减排目标建立优化模型和制定控制策略,最后通过策略迭代优化模块动态调整控制策略,以满足预设的碳排放标准。提高了优化控制的精度和实用性,有效控制和降低碳排放,支持可持续能源发展和环境保护。
本发明提供一种基于碳减排的多能源协调优化控制系统,包括:
数据收集模块:监测并收集发电厂中各个能源设备的电量数据,来统计各类能源发电的实际出力数据,同时,通过预部署传感器采集发电厂的实际环境数据;
数据分析模块:基于统计的实际出力数据以及采集的实际环境数据,构建各类能源在不同发电时刻下的出力矩阵以及发电厂的环境矩阵,进行各类能源发电出力与环境因素之间的耦合性评估分析;
模型建立模块:基于标准出力数据、标准环境数据、各类能源设备的标准设备参数以及碳减排目标,建立目标控制函数进而建立规划模型,来获取最优规划结果;
策略制定模块:基于耦合性评估分析结果制定第一控制策略,并与规划模型下的最优规划结果进行比较得到优化结果,并将所述优化结果转化为第二控制策略;
策略迭代优化模块:监测按照所述第二控制策略运行的发电厂碳排放量是否符合与碳减排目标对应的预设排放标准,若不符合,对所述第二控制策略优化直至达到预设排放标准。
优选的,所述数据分析模块,包括:
数据预处理单元:对收集到的出力数据和环境数据进行清洗,去除异常值和缺失值,将所有出力数据和环境数据分别标准化;
矩阵构建单元:获取预设的空白矩阵的数据放置表,并将每个时刻的标准化后出力数据以及标准化环境数据放入所述空白矩阵的相应位置,得到出力矩阵以及环境矩阵,其中,所述出力矩阵的行为同个时刻下不同类能源的出力数据,列为不同时刻下同类能源的出力数据,所述环境矩阵的行为同个时刻下不同设备的测量数据,列为不同时刻下同传感器的测量数据;
第一计算单元:基于所述出力矩阵中的每列计算得到对应类能源的出力平均系数,同时,基于所述出力矩阵中的每行计算得到同时刻下每类能源的消耗系数,得到对应类能源在不同时刻下的有效出力系数;
;其中,/>表示对应类能源在时刻t下的有效出力系数;/>表示对应类能源的出力平均系数;/>表示对应类能源在时刻t下的实际出力系数;/>表示对应类能源在时刻t下的消耗系数;/>表示对应类能源在时刻t下的理论出力系数;/>表示对应类能源在时刻t下基于发电厂运行情况的消耗标准化系数;/>表示对应时刻t下的所有类能源的消耗系数的方差,且;
第二计算单元:基于所述环境矩阵中的每列计算对应传感器的第一测量系数,同时,基于所述环境矩阵中的每行计算得到同时刻下每个传感器的第二测量系数,得到对应传感器的测量灵敏系数;
基于获取每种环境因素的影响权重,且结合每个传感器的测量灵敏系数以及环境矩阵,计算得到在不同时刻下的环境系数;
相关分析单元:基于同个时刻下的环境系数以及所有类能源的有效出力系数,且结合对应标准出力系数,确定各类能源的发电出力与环境因素之间的相关系数,并进行耦合性评估分析。
优选的,所述第二计算单元,包括:
数组构建子单元:用于构建每个传感器的测量数组;
;其中,/>2表示对应传感器的测量数组;/>表示对应传感器的列向量中第i1个元素的测量值;n1表示列向量中的元素个数;/>表示对应传感器的列向量中第i1个元素基于发电厂运行情况的测量标准化系数;/>表示对应传感器的列向量中第i1个元素的标准值;/>表示对应传感器下的所有/>的方差;/>表示对应传感器在第i1行所对应发电厂运行情况中的测量权重,且行个数与列向量中元素个数一致;/>表示从第i1行向量的拟合线上提取对应传感器的拟合值;/>表示拟合偏离系数;
值提取子单元:用于从同个传感器对应的所有中提取最小值Z01、最大值Z02以及从所有/>中提取最小值Z03、最大值Z04,根据Z01、Z02、Z03以及Z04计算测量灵敏系数。
优选的,所述模型建立模块,包括:
数据准备单元:从历史标准数据中选取满足升高趋势约束条件的时间段所对应不同类能源设备的出力数据以及环境状态数据作为标准出力数据和标准环境数据;
同时,通过设备说明以及设备历史运行数据获取各类能源设备的标准参数集,并确定各类能源设备的总输出功率,且基于行业标准设定碳减排目标;
函数构建单元:基于所述标准出力数据、标准环境数据、标准参数集以及碳减排目标,构建目标控制函数;
模型构建单元:基于所述目标控制函数的约束条件以及目标控制函数构建规划模型,并将当下碳减排要求输入到所述规划模型中,获取得到最优规划结果。
优选的,所述同类能源设备中的出力数据上下限以及碳排放数据上下限作为目标控制函数的约束基础。
优选的,所述策略制定模块,包括:
排序单元:基于耦合性评估分析结果,确定各类能源的发电出力与环境因素的耦合程度,并对耦合程度进行排序;
权重赋予单元:根据对应时刻下的环境因素,对排序后的前N2个耦合程度赋予出力权重;
第一控制策略制定单元:基于前N2个耦合程度以及出力权重,限定出力规划能源设备的输出功率、启停时间以及发电效率;
将所述输出功率、启停时间以及发电效率输入到策略规划模型中,得到第一控制策略;
第二控制策略制定单元:将第一控制策略下的理想出力数据与规划模型下的最优规划结果的出力数据进行比较,并基于比较结果对第一控制策略进行调整,得到第二控制策略。
优选的,所述排序单元,包括:
计算对应类能源的耦合程度:
;其中,/>表示第j类能源的发电出力与环境因素之间的相关系数;/>表示对应类能源下的出力与环境转换系数;/>表示对应类能源的有效出力系数;/>表示对应类能源的标准出力系数;/>表示基于/>的出力转换函数;表示对应时刻下的环境系数;/>表示第j类能源的耦合程度;/>表示第j1类能源对应的相关系数;N2表示能源的类数。
优选的,所述策略迭代优化模块,包括:
预测单元:获取按照第二控制策略运行的发电厂的实际碳排放量,并基于排放预测模型预测未来时刻的碳排放量趋势;
筛选单元:如果未来碳排放量超过预设排放标准,筛选出碳排放量超过预设标准的能源类型,并基于能源类型下的每个发电设备的输出功率、设备碳排放量筛选待调整设备;
限定单元:按照预设排放标准对所述待调整设备进行整体输出功率的第一限定以及整体碳排放量的第二限定;
优化单元:根据第一限定以及第二限定对第二控制策略进行优化,直到达到预设排放标准。
本发明提供一种基于碳减排的多能源协调优化控制方法,其特征在于,包括:
步骤1:监测并收集发电厂中各个能源设备的电量数据,来统计各类能源发电的实际出力数据,同时,通过预部署传感器采集发电厂的实际环境数据;
步骤2:基于统计的实际出力数据以及采集的实际环境数据,构建各类能源在不同发电时刻下的出力矩阵以及发电厂的环境矩阵,进行各类能源发电出力与环境因素之间的耦合性评估分析;
步骤3:基于标准出力数据、标准环境数据、各类能源设备的标准设备参数以及碳减排目标,建立目标控制函数进而建立规划模型,来获取最优规划结果;
步骤4:基于耦合性评估分析结果制定第一控制策略,并与规划模型下的最优规划结果进行比较得到优化结果,并将所述优化结果转化为第二控制策略;
步骤5:监测按照所述第二控制策略运行的发电厂碳排放量是否符合与碳减排目标对应的预设排放标准,若不符合,对所述第二控制策略优化直至达到预设排放标准。
与现有技术相比,本申请的有益效果如下:
通过实时监测和分析能源设备的出力数据和环境数据,分析环境因素与能源设备出力之间的耦合性,基于碳减排目标建立优化模型和制定控制策略,最后通过策略迭代优化模块动态调整控制策略,以满足预设的碳排放标准。提高了优化控制的精度和实用性,有效控制和降低碳排放,支持可持续能源发展和环境保护。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于碳减排的多能源协调优化控制系统;
图2为本发明实施例中一种基于碳减排的多能源协调优化控制方法。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
本发明提供一种基于碳减排的多能源协调优化控制系统,如图1所示,包括:
数据收集模块:监测并收集发电厂中各个能源设备的电量数据,来统计各类能源发电的实际出力数据,同时,通过预部署传感器采集发电厂的实际环境数据;
数据分析模块:基于统计的实际出力数据以及采集的实际环境数据,构建各类能源在不同发电时刻下的出力矩阵以及发电厂的环境矩阵,进行各类能源发电出力与环境因素之间的耦合性评估分析;
模型建立模块:基于标准出力数据、标准环境数据、各类能源设备的标准设备参数以及碳减排目标,建立目标控制函数进而建立规划模型,来获取最优规划结果;
策略制定模块:基于耦合性评估分析结果制定第一控制策略,并与规划模型下的最优规划结果进行比较得到优化结果,并将所述优化结果转化为第二控制策略;
策略迭代优化模块:监测按照所述第二控制策略运行的发电厂碳排放量是否符合与碳减排目标对应的预设排放标准,若不符合,对所述第二控制策略优化直至达到预设排放标准。
该实施例中,实际出力数据,为发电厂中各个能源设备在实际运行过程中所发电的电量数据;
该实施例中,实际环境数据,指通过预部署的传感器采集到的发电厂的实际环境情况数据,如温度、湿度、风速、光照等。
该实施例中,出力矩阵,为基于统计的实际出力数据构建的矩阵,其中行表示不同类能源在同一时刻的出力数据,列表示同一类能源在不同时刻的出力数据;
该实施例中,环境矩阵,为根据采集到的实际环境数据构建的矩阵,其中行表示不同设备在同一时刻的环境数据,列表示同一设备在不同时刻的环境数据。
该实施例中,耦合性评估分析,在某时间段内,某环境下,基于某类能源的出电量进行耦合性分析,依据评估结果规划设备运行时间段。
该实施例中,目标控制函数,基于标准出力数据、标准环境数据、各类能源设备的标准参数以及碳减排目标,构建用于优化控制的目标函数,用于指导规划模型的建立;
该实施例中,规划模型,基于目标控制函数的约束条件和目标函数构建的数学模型,用于进行能源设备的优化调度和协调控制;
该实施例中,最优规划结果,通过求解规划模型得到的能源设备的最优输出功率、启停时间和发电效率等调度结果,以达到最佳的能源利用和碳排放量。
该实施例中,第一控制策略,根据耦合性评估分析结果制定的初步控制策略,用于限定能源设备的输出功率、启停时间和发电效率等,以达到优化控制的目标;
该实施例中,优化结果,通过将第一控制策略下的理想出力数据与规划模型下的最优规划结果进行比较,得到的对第一控制策略的调整和优化结果;
该实施例中,第二控制策略,基于优化结果转化而得到的最终控制策略,用于指导发电厂的实际运行,以达到预设的碳排放标准;
该实施例中,预设排放标准,根据碳减排目标设定的发电厂碳排放的预设限制,用于监测和调整发电厂的运行,确保碳排放量符合要求。
上述技术方案的工作原理及有益效果是:通过实时监测和分析能源设备的出力数据和环境数据,分析环境因素与能源设备出力之间的耦合性,基于碳减排目标建立优化模型和制定控制策略,最后通过策略迭代优化模块动态调整控制策略,以满足预设的碳排放标准。提高了优化控制的精度和实用性,有效控制和降低碳排放,支持可持续能源发展和环境保护。
实施例2
本发明提供一种基于碳减排的多能源协调优化控制系统,数据分析模块,包括:
数据预处理单元:对收集到的出力数据和环境数据进行清洗,去除异常值和缺失值,将所有出力数据和环境数据分别标准化;
矩阵构建单元:获取预设的空白矩阵的数据放置表,并将每个时刻的标准化后出力数据以及标准化环境数据放入所述空白矩阵的相应位置,得到出力矩阵以及环境矩阵,其中,所述出力矩阵的行为同个时刻下不同类能源的出力数据,列为不同时刻下同类能源的出力数据,所述环境矩阵的行为同个时刻下不同设备的测量数据,列为不同时刻下同传感器的测量数据;
第一计算单元:基于所述出力矩阵中的每列计算得到对应类能源的出力平均系数,同时,基于所述出力矩阵中的每行计算得到同时刻下每类能源的消耗系数,得到对应类能源在不同时刻下的有效出力系数;
;其中,/>表示对应类能源在时刻t下的有效出力系数;/>表示对应类能源的出力平均系数;/>表示对应类能源在时刻t下的实际出力系数;/>表示对应类能源在时刻t下的消耗系数;/>表示对应类能源在时刻t下的理论出力系数;/>表示对应类能源在时刻t下基于发电厂运行情况的消耗标准化系数;/>表示对应时刻t下的所有类能源的消耗系数的方差,且;
第二计算单元:基于所述环境矩阵中的每列计算对应传感器的第一测量系数,同时,基于所述环境矩阵中的每行计算得到同时刻下每个传感器的第二测量系数,得到对应传感器的测量灵敏系数;
基于获取每种环境因素的影响权重,且结合每个传感器的测量灵敏系数以及环境矩阵,计算得到在不同时刻下的环境系数;
相关分析单元:基于同个时刻下的环境系数以及所有类能源的有效出力系数,且结合对应标准出力系数,确定各类能源的发电出力与环境因素之间的相关系数,并进行耦合性评估分析。
该实施例中,数据清洗,为对收集到的原始数据进行处理,去除异常值和缺失值,以保证数据的准确性和完整性。
该实施例中,空白矩阵的数据放置表是一个用于存放数据的矩阵,其中的每个位置都对应着特定的数据,将标准化后的出力数据和环境数据按照时刻放入空白矩阵的相应位置,以构建出力矩阵和环境矩阵。
该实施例中,能源的消耗系数,根据出力矩阵中的每行数据计算得到的能源在不同时刻下的消耗系数,反映能源在特定时刻的消耗情况以及能源的利用效率;
该实施例中,有效出力系数,是能源实际产生的出力与理论出力之间的比值,反映能源在特定时刻的有效利用程度。
该实施例中,第一测量系数,表示传感器在不同时刻下的测量准确性和稳定性。
该实施例中,第二测量系数,基于环境矩阵中的每行数据计算得到的同时刻下每个传感器的第二测量系数,表示评估传感器对环境因素的测量灵敏度;
该实施例中,标准出力系数,用于相关分析的参考系数,表示预设的标准出力数据与实际出力数据之间的比值,表示能源发电出力与环境因素之间的关联程度;
该实施例中,相关系数,根据同一时刻下的环境系数和所有类能源的有效出力系数,结合标准出力系数,确定各类能源的发电出力与环境因素之间的相关系数表示发电出力与环境因素之间的关联程度。
上述技术方案的工作原理及有益效果是:通过矩阵构建,将出力数据和环境数据以矩阵形式存储,方便了数据的处理和分析,通过计算有效出力系数和测量灵敏系数,能够准确评估能源的发电能力和传感器的测量能力,为优化控制提供了重要的参考指标,通过相关分析和耦合性评估,提高了优化控制策略的准确度。
实施例3
本发明提供一种基于碳减排的多能源协调优化控制系统,第二计算单元,包括:
数组构建子单元:用于构建每个传感器的测量数组;
;其中,/>2表示对应传感器的测量数组;/>表示对应传感器的列向量中第i1个元素的测量值;n1表示列向量中的元素个数;/>表示对应传感器的列向量中第i1个元素基于发电厂运行情况的测量标准化系数;/>表示对应传感器的列向量中第i1个元素的标准值;/>表示对应传感器下的所有/>的方差;/>表示对应传感器在第i1行所对应发电厂运行情况中的测量权重,且行个数与列向量中元素个数一致;/>表示从第i1行向量的拟合线上提取对应传感器的拟合值;/>表示拟合偏离系数;
值提取子单元:用于从同个传感器对应的所有中提取最小值Z01、最大值Z02以及从所有/>中提取最小值Z03、最大值Z04,根据Z01、Z02、Z03以及Z04计算测量灵敏系数。
该实施例中,测量数组,是指在第二计算单元中用于构建每个传感器的测量数据的数组,每个传感器的测量数组是一个列向量,其中包含了该传感器在不同时刻下的测量值。
该实施例中,测量灵敏系数,用于评估传感器对测量数据的敏感程度的指标。值提取子单元根据传感器的测量数组,提取出最小值Z01、最大值Z02以及从所有测量数组中提取的最小值Z03和最大值Z04,根据这些值计算得到传感器的测量灵敏系数,且具体的计算过程如下:1-((Z02+Z01)/2+(Z03+Z04)/2)/P01,其中,P01标准偏离系数。
该实施例中,测量灵敏系数越大,表示传感器对测量数据的变化更加敏感,测量结果更加准确;
上述技术方案的工作原理及有益效果是:通过将传感器的测量值按照时间顺序组成测量数组,方便后续的数据分析和趋势预测,以及通过提取最小值、最大值和全局最小值、最大值,能够准确评估传感器的测量能力,为后续的数据分析和协调优化控制提供可靠数据基础。
实施例4
本发明提供一种基于碳减排的多能源协调优化控制系统,模型建立模块,包括:
数据准备单元:从历史标准数据中选取满足升高趋势约束条件的时间段所对应不同类能源设备的出力数据以及环境状态数据作为标准出力数据和标准环境数据;
同时,通过设备说明以及设备历史运行数据获取各类能源设备的标准参数集,并确定各类能源设备的总输出功率,且基于行业标准设定碳减排目标;
函数构建单元:基于所述标准出力数据、标准环境数据、标准参数集以及碳减排目标,构建目标控制函数;
模型构建单元:基于所述目标控制函数的约束条件以及目标控制函数构建规划模型,并将当下碳减排要求输入到所述规划模型中,获取得到最优规划结果。
该实施例中,满足升高趋势约束条件,基于行业标准设定碳减排目标,构建目标控制函数
该实施例中,满足升高趋势约束条件,选择历史标准数据中满足升高趋势约束条件的时间段所对应的能源设备出力数据和环境状态数据。
该实施例中,碳减排目标,为基于行业标准设定的在特定时间段内需要减少的碳排放量。
该实施例中,构建目标控制函数,为基于标准出力数据、标准环境数据、标准参数集和碳减排目标,建立的目标控制函数,用于指导系统的能源调度和控制策略。
上述技术方案的工作原理及有益效果是:通过选择满足升高趋势约束条件的数据,能够更准确地反映能源设备的实际运行情况,提高模型的精度和可靠性,同时,构建目标控制函数能够将碳减排目标与能源设备的调度策略相结合,根据标准数据和碳减排目标构建目标控制函数,并基于目标控制函数建立规划模型,通过输入当前碳减排要求,获得最优的调度结果,提高系统的能源利用效率和碳减排效果,实现了对能源系统的协调优化控制,提高能源利用效率和减少碳排放。
实施例5
本发明提供一种基于碳减排的多能源协调优化控制系统,策略制定模块,包括:
排序单元:基于耦合性评估分析结果,确定各类能源的发电出力与环境因素的耦合程度,并对耦合程度进行排序;
权重赋予单元:根据对应时刻下的环境因素,对排序后的前N2个耦合程度赋予出力权重;
第一控制策略制定单元:基于前N2个耦合程度以及出力权重,限定出力规划能源设备的输出功率、启停时间以及发电效率;
将所述输出功率、启停时间以及发电效率输入到策略规划模型中,得到第一控制策略;
第二控制策略制定单元:将第一控制策略下的理想出力数据与规划模型下的最优规划结果的出力数据进行比较,并基于比较结果对第一控制策略进行调整,得到第二控制策略。
该实施例中,耦合程度,通过分析各类能源的发电出力与环境因素之间的关联程度,确定它们之间的耦合程度,可以用大小表示耦合程度。
该实施例中,策略规划模型,包括系统的约束条件和目标函数,通过优化算法求解最优的控制策略的模型,用于制定控制策略。
用于制定控制策略,理想出力数据,根据系统的要求和目标,确定在理想情况下能源设备应该输出的出力数据。
上述技术方案的工作原理及有益效果是:通过确定耦合程度,能有针对性地制定控制策略,对各类能源的发电出力与环境因素的耦合程度进行排序,确定了哪些能源对环境因素更敏感,从而优先考虑这些能源的调度策略,同时根据实时环境因素和能源特性进行动态调整,提高了能源调度的灵活性和智能化程度,通过将获取的第一控制策略进行调整,提高能源调度的灵活性和智能化程度,实现更加精准的碳排放控制和能源利用。
实施例6
本发明提供一种基于碳减排的多能源协调优化控制系统,排序单元,包括:
计算对应类能源的耦合程度:
;其中,/>表示第j类能源的发电出力与环境因素之间的相关系数;/>表示对应类能源下的出力与环境转换系数;/>表示对应类能源的有效出力系数;/>表示对应类能源的标准出力系数;/>表示基于/>的出力转换函数;表示对应时刻下的环境系数;/>表示第j类能源的耦合程度;/>表示第j1类能源对应的相关系数;N2表示能源的类数。
该实施例中,通过计算第j类能源的发电出力与环境因素之间的相关系数,可以衡量能源出力与环境因素之间的线性相关性,相关系数越接近于1,表示能源出力对环境因素的依赖程度越高;
该实施例中,出力与环境转换系数,表示对应类能源的发电出力与环境因素之间的转换关系,用于反映不同环境因素对能源出力的影响程度,例如,对于太阳能发电系统,环境因素可以是太阳辐射强度、天气状况等;
该实施例中,出力转换函数,表示根据标准出力系数进行出力转换的函数,用于将实际出力转换为标准出力,标准出力是指在理想条件下能够达到的最大出力,实际出力可能受到各种因素的影响。
上述技术方案的工作原理及有益效果是:通过计算相关系数和转换系数,可以更准确地评估能源出力与环境因素之间的关系,从而更好地预测能源系统的出力变化,通过计算有效出力系数,能更好地评估能源系统的性能和效果,
通过基于出力转换函数以及计算耦合程度,为能源系统的优化和整合提供了参考。更准确地评估了能源系统的性能和效果,为能源系统的优化和整合提供支持。
实施例7
本发明提供一种基于碳减排的多能源协调优化控制系统,策略迭代优化模块,包括:
预测单元:获取按照第二控制策略运行的发电厂的实际碳排放量,并基于排放预测模型预测未来时刻的碳排放量趋势;
筛选单元:如果未来碳排放量超过预设排放标准,筛选出碳排放量超过预设标准的能源类型,并基于能源类型下的每个发电设备的输出功率、设备碳排放量筛选待调整设备;
限定单元:按照预设排放标准对所述待调整设备进行整体输出功率的第一限定以及整体碳排放量的第二限定;
优化单元:根据第一限定以及第二限定对第二控制策略进行优化,直到达到预设排放标准。
该实施例中,排放预测模型,碳排放量趋势;预设排放标准,第一限定,第二限定
该实施例中,排放预测模型,为用于预测未来时刻的碳排放量的数学模型。基于能源设备的运行状态、环境因素、能源需求等因素,通过对历史数据进行分析和建模,预测未来时刻的碳排放趋势;
该实施例中,碳排放量趋势,根据排放预测模型的结果,得出未来时刻碳排放量的变化趋势;
该实施例中,预设排放标准,为根据环境保护法规、行业标准或者公司内部政策等要求,设定系统的碳排放标准,是对系统碳排放量的限制条件。
该实施例中,第一限定,根据预设排放标准,对待调整设备的整体输出功率进行限定;
该实施例中,第二限定,根据预设排放标准,对待调整设备的整体碳排放量进行限定;
上述技术方案的工作原理及有益效果是:通过预测未来时刻的碳排放量,提供系统调整策略的依据,通过优化第二控制策略,根据第一限定和第二限定对系统进行调整,并根据实时排放数据和预测模型的结果,动态调整系统的能源调度策略,实现了碳减排的目标,提高了策略的智能化和准确度,提高了能源利用率和碳排放效果。
实施例8
本发明提供一种基于碳减排的多能源协调优化控制方法,如图2所示,包括:
步骤1:监测并收集发电厂中各个能源设备的电量数据,来统计各类能源发电的实际出力数据,同时,通过预部署传感器采集发电厂的实际环境数据;
步骤2:基于统计的实际出力数据以及采集的实际环境数据,构建各类能源在不同发电时刻下的出力矩阵以及发电厂的环境矩阵,进行各类能源发电出力与环境因素之间的耦合性评估分析;
步骤3:基于标准出力数据、标准环境数据、各类能源设备的标准设备参数以及碳减排目标,建立目标控制函数进而建立规划模型,来获取最优规划结果;
步骤4:基于耦合性评估分析结果制定第一控制策略,并与规划模型下的最优规划结果进行比较得到优化结果,并将所述优化结果转化为第二控制策略;
步骤5:监测按照所述第二控制策略运行的发电厂碳排放量是否符合与碳减排目标对应的预设排放标准,若不符合,对所述第二控制策略优化直至达到预设排放标准。
上述技术方案的工作原理及有益效果是:通过实时监测和分析能源设备的出力数据和环境数据,分析环境因素与能源设备出力之间的耦合性,基于碳减排目标建立优化模型和制定控制策略,最后通过策略迭代优化模块动态调整控制策略,以满足预设的碳排放标准。提高了优化控制的精度和实用性,有效控制和降低碳排放,支持可持续能源发展和环境保护。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种基于碳减排的多能源协调优化控制系统,其特征在于,包括:
数据收集模块:监测并收集发电厂中各个能源设备的电量数据,来统计各类能源发电的实际出力数据,同时,通过预部署传感器采集发电厂的实际环境数据;
数据分析模块:基于统计的实际出力数据以及采集的实际环境数据,构建各类能源在不同发电时刻下的出力矩阵以及发电厂的环境矩阵,进行各类能源发电出力与环境因素之间的耦合性评估分析;
模型建立模块:基于标准出力数据、标准环境数据、各类能源设备的标准设备参数以及碳减排目标,建立目标控制函数进而建立规划模型,来获取最优规划结果;
策略制定模块:基于耦合性评估分析结果制定第一控制策略,并与规划模型下的最优规划结果进行比较得到优化结果,并将所述优化结果转化为第二控制策略;
策略迭代优化模块:监测按照所述第二控制策略运行的发电厂碳排放量是否符合与碳减排目标对应的预设排放标准,若不符合,对所述第二控制策略优化直至达到预设排放标准;
其中,所述数据分析模块,包括:
数据预处理单元:对收集到的出力数据和环境数据进行清洗,去除异常值和缺失值,将所有出力数据和环境数据分别标准化;
矩阵构建单元:获取预设的空白矩阵的数据放置表,并将每个时刻的标准化后出力数据以及标准化环境数据放入所述空白矩阵的相应位置,得到出力矩阵以及环境矩阵,其中,所述出力矩阵的行为同个时刻下不同类能源的出力数据,列为不同时刻下同类能源的出力数据,所述环境矩阵的行为同个时刻下不同设备的测量数据,列为不同时刻下同传感器的测量数据;
第一计算单元:基于所述出力矩阵中的每列计算得到对应类能源的出力平均系数,同时,基于所述出力矩阵中的每行计算得到同时刻下每类能源的消耗系数,得到对应类能源在不同时刻下的有效出力系数;
;其中,/>表示对应类能源在时刻t下的有效出力系数;/>表示对应类能源的出力平均系数;/>表示对应类能源在时刻t下的实际出力系数;/>表示对应类能源在时刻t下的消耗系数;/>表示对应类能源在时刻t下的理论出力系数;/>表示对应类能源在时刻t下基于发电厂运行情况的消耗标准化系数;/>表示对应时刻t下的所有类能源的消耗系数的方差,且;
第二计算单元:基于所述环境矩阵中的每列计算对应传感器的第一测量系数,同时,基于所述环境矩阵中的每行计算得到同时刻下每个传感器的第二测量系数,得到对应传感器的测量灵敏系数,其中,第一测量系数表示传感器在不同时刻下的测量准确性和稳定性;
基于获取每种环境因素的影响权重,且结合每个传感器的测量灵敏系数以及环境矩阵,计算得到在不同时刻下的环境系数;
相关分析单元:基于同个时刻下的环境系数以及所有类能源的有效出力系数,且结合对应标准出力系数,确定各类能源的发电出力与环境因素之间的相关系数,并进行耦合性评估分析;
其中,所述第二计算单元,包括:
数组构建子单元:用于构建每个传感器的测量数组;
;其中,/>2表示对应传感器的测量数组;/>表示对应传感器的列向量中第i1个元素的测量值;n1表示列向量中的元素个数;/>表示对应传感器的列向量中第i1个元素基于发电厂运行情况的测量标准化系数;/>表示对应传感器的列向量中第i1个元素的标准值;/>表示对应传感器下的所有的方差;/>表示对应传感器在第i1行所对应发电厂运行情况中的测量权重,且行个数与列向量中元素个数一致;/>表示从第i1行向量的拟合线上提取对应传感器的拟合值;/>表示拟合偏离系数;
值提取子单元:用于从同个传感器对应的所有中提取最小值Z01、最大值Z02以及从所有/>中提取最小值Z03、最大值Z04,根据Z01、Z02、Z03以及Z04计算测量灵敏系数;
其中,所述策略制定模块,包括:
排序单元:基于耦合性评估分析结果,确定各类能源的发电出力与环境因素的耦合程度,并对耦合程度进行排序;
权重赋予单元:根据对应时刻下的环境因素,对排序后的前N2个耦合程度赋予出力权重;
第一控制策略制定单元:基于前N2个耦合程度以及出力权重,限定出力规划能源设备的输出功率、启停时间以及发电效率;
将所述输出功率、启停时间以及发电效率输入到策略规划模型中,得到第一控制策略;
第二控制策略制定单元:将第一控制策略下的理想出力数据与规划模型下的最优规划结果的出力数据进行比较,并基于比较结果对第一控制策略进行调整,得到第二控制策略;
其中,所述排序单元,包括:
计算对应类能源的耦合程度:
;其中,/>表示第j类能源的发电出力与环境因素之间的相关系数;/>表示对应类能源下的出力与环境转换系数;/>表示对应类能源的有效出力系数;/>表示对应类能源的标准出力系数;/>表示基于/>的出力转换函数;/>表示对应时刻下的环境系数;/>表示第j类能源的耦合程度;/>表示第j1类能源对应的相关系数;N2表示能源的类数。
2.根据权利要求1所述的一种基于碳减排的多能源协调优化控制系统,其特征在于,所述模型建立模块,包括:
数据准备单元:从历史标准数据中选取满足升高趋势约束条件的时间段所对应不同类能源设备的出力数据以及环境状态数据作为标准出力数据和标准环境数据;
同时,通过设备说明以及设备历史运行数据获取各类能源设备的标准参数集,并确定各类能源设备的总输出功率,且基于行业标准设定碳减排目标;
函数构建单元:基于所述标准出力数据、标准环境数据、标准参数集以及碳减排目标,构建目标控制函数;
模型构建单元:基于所述目标控制函数的约束条件以及目标控制函数构建规划模型,并将当下碳减排要求输入到所述规划模型中,获取得到最优规划结果。
3.根据权利要求2所述的一种基于碳减排的多能源协调优化控制系统,其特征在于,同类能源设备中的出力数据上下限以及碳排放数据上下限作为目标控制函数的约束基础。
4.根据权利要求1所述的一种基于碳减排的多能源协调优化控制系统,其特征在于,所述策略迭代优化模块,包括:
预测单元:获取按照第二控制策略运行的发电厂的实际碳排放量,并基于排放预测模型预测未来时刻的碳排放量趋势;
筛选单元:如果未来碳排放量超过预设排放标准,筛选出碳排放量超过预设标准的能源类型,并基于能源类型下的每个发电设备的输出功率、设备碳排放量筛选待调整设备;
限定单元:按照预设排放标准对所述待调整设备进行整体输出功率的第一限定以及整体碳排放量的第二限定;
优化单元:根据第一限定以及第二限定对第二控制策略进行优化,直到达到预设排放标准。
5.一种基于碳减排的多能源协调优化控制方法,其特征在于,包括:
步骤1:监测并收集发电厂中各个能源设备的电量数据,来统计各类能源发电的实际出力数据,同时,通过预部署传感器采集发电厂的实际环境数据;
步骤2:基于统计的实际出力数据以及采集的实际环境数据,构建各类能源在不同发电时刻下的出力矩阵以及发电厂的环境矩阵,进行各类能源发电出力与环境因素之间的耦合性评估分析;
步骤3:基于标准出力数据、标准环境数据、各类能源设备的标准设备参数以及碳减排目标,建立目标控制函数进而建立规划模型,来获取最优规划结果;
步骤4:基于耦合性评估分析结果制定第一控制策略,并与规划模型下的最优规划结果进行比较得到优化结果,并将所述优化结果转化为第二控制策略;
步骤5:监测按照所述第二控制策略运行的发电厂碳排放量是否符合与碳减排目标对应的预设排放标准,若不符合,对所述第二控制策略优化直至达到预设排放标准;
其中,步骤2,包括:
对收集到的出力数据和环境数据进行清洗,去除异常值和缺失值,将所有出力数据和环境数据分别标准化;
获取预设的空白矩阵的数据放置表,并将每个时刻的标准化后出力数据以及标准化环境数据放入所述空白矩阵的相应位置,得到出力矩阵以及环境矩阵,其中,所述出力矩阵的行为同个时刻下不同类能源的出力数据,列为不同时刻下同类能源的出力数据,所述环境矩阵的行为同个时刻下不同设备的测量数据,列为不同时刻下同传感器的测量数据;
基于所述出力矩阵中的每列计算得到对应类能源的出力平均系数,同时,基于所述出力矩阵中的每行计算得到同时刻下每类能源的消耗系数,得到对应类能源在不同时刻下的有效出力系数;
;其中,/>表示对应类能源在时刻t下的有效出力系数;/>表示对应类能源的出力平均系数;/>表示对应类能源在时刻t下的实际出力系数;/>表示对应类能源在时刻t下的消耗系数;/>表示对应类能源在时刻t下的理论出力系数;/>表示对应类能源在时刻t下基于发电厂运行情况的消耗标准化系数;/>表示对应时刻t下的所有类能源的消耗系数的方差,且;
基于所述环境矩阵中的每列计算对应传感器的第一测量系数,同时,基于所述环境矩阵中的每行计算得到同时刻下每个传感器的第二测量系数,得到对应传感器的测量灵敏系数,其中,第一测量系数表示传感器在不同时刻下的测量准确性和稳定性;
基于获取每种环境因素的影响权重,且结合每个传感器的测量灵敏系数以及环境矩阵,计算得到在不同时刻下的环境系数;
基于同个时刻下的环境系数以及所有类能源的有效出力系数,且结合对应标准出力系数,确定各类能源的发电出力与环境因素之间的相关系数,并进行耦合性评估分析;
其中,得到对应传感器的测量灵敏系数,包括:
构建每个传感器的测量数组;
;其中,/>2表示对应传感器的测量数组;/>表示对应传感器的列向量中第i1个元素的测量值;n1表示列向量中的元素个数;表示对应传感器的列向量中第i1个元素基于发电厂运行情况的测量标准化系数;表示对应传感器的列向量中第i1个元素的标准值;/>表示对应传感器下的所有的方差;/>表示对应传感器在第i1行所对应发电厂运行情况中的测量权重,且行个数与列向量中元素个数一致;/>表示从第i1行向量的拟合线上提取对应传感器的拟合值;/>表示拟合偏离系数;
从同个传感器对应的所有中提取最小值Z01、最大值Z02以及从所有/>中提取最小值Z03、最大值Z04,根据Z01、Z02、Z03以及Z04计算测量灵敏系数;
其中,步骤4,包括:
基于耦合性评估分析结果,确定各类能源的发电出力与环境因素的耦合程度,并对耦合程度进行排序;
根据对应时刻下的环境因素,对排序后的前N2个耦合程度赋予出力权重;
基于前N2个耦合程度以及出力权重,限定出力规划能源设备的输出功率、启停时间以及发电效率;
将所述输出功率、启停时间以及发电效率输入到策略规划模型中,得到第一控制策略;
将第一控制策略下的理想出力数据与规划模型下的最优规划结果的出力数据进行比较,并基于比较结果对第一控制策略进行调整,得到第二控制策略;
其中,对耦合程度进行排序,包括:
计算对应类能源的耦合程度:
;其中,/>表示第j类能源的发电出力与环境因素之间的相关系数;/>表示对应类能源下的出力与环境转换系数;/>表示对应类能源的有效出力系数;/>表示对应类能源的标准出力系数;/>表示基于/>的出力转换函数;/>表示对应时刻下的环境系数;/>表示第j类能源的耦合程度;/>表示第j1类能源对应的相关系数;N2表示能源的类数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410000936.8A CN117494910B (zh) | 2024-01-02 | 2024-01-02 | 一种基于碳减排的多能源协调优化控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410000936.8A CN117494910B (zh) | 2024-01-02 | 2024-01-02 | 一种基于碳减排的多能源协调优化控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117494910A CN117494910A (zh) | 2024-02-02 |
CN117494910B true CN117494910B (zh) | 2024-03-22 |
Family
ID=89674713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410000936.8A Active CN117494910B (zh) | 2024-01-02 | 2024-01-02 | 一种基于碳减排的多能源协调优化控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117494910B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014187147A1 (zh) * | 2013-05-20 | 2014-11-27 | 国家电网公司 | 电力系统中长期优化运行的中长期风电出力模型建模方法 |
WO2019200662A1 (zh) * | 2018-04-20 | 2019-10-24 | 东北大学 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
CN111525569A (zh) * | 2020-06-10 | 2020-08-11 | 南方电网科学研究院有限责任公司 | 一种区域综合能源系统优化调度方法、系统及设备 |
CN111737884A (zh) * | 2020-08-06 | 2020-10-02 | 国网江西省电力有限公司电力科学研究院 | 一种含多种清洁能源微能源网多目标随机规划方法 |
WO2020237700A1 (zh) * | 2019-05-28 | 2020-12-03 | 国电南瑞科技股份有限公司 | 一种多能源系统运行调度方法 |
CN112561728A (zh) * | 2020-10-28 | 2021-03-26 | 西安交通大学 | 基于注意力机制lstm的综合能耗费用优化方法、介质及设备 |
CN114050571A (zh) * | 2021-11-22 | 2022-02-15 | 沈阳工业大学 | 一种考虑碳流的综合能源系统能量枢纽管控方法 |
CN114219195A (zh) * | 2021-09-22 | 2022-03-22 | 上海电机学院 | 一种区域综合能源容量优化控制方法 |
CN114529075A (zh) * | 2022-02-14 | 2022-05-24 | 中建安装集团有限公司 | 考虑风光预测误差的综合能源系统分布鲁棒优化调度方法 |
CN114626570A (zh) * | 2021-12-07 | 2022-06-14 | 国网天津市电力公司 | 一种电力碳排放轨迹分析方法及装置 |
CN114757552A (zh) * | 2022-04-25 | 2022-07-15 | 广西大学 | 一种多主体互补的多能源系统低碳运行策略的构建方法及系统 |
CN115115277A (zh) * | 2022-08-23 | 2022-09-27 | 华北电力大学 | 园区综合能源调度方法、装置、计算机设备及存储介质 |
US11487273B1 (en) * | 2021-04-30 | 2022-11-01 | Dalian University Of Technology | Distributed industrial energy operation optimization platform automatically constructing intelligent models and algorithms |
CN115409396A (zh) * | 2022-09-06 | 2022-11-29 | 浙江英集动力科技有限公司 | 基于双层滚动优化的综合能源系统多时间尺度调度方法 |
CN115600809A (zh) * | 2022-10-14 | 2023-01-13 | 国网山西省电力公司太原供电公司(Cn) | 一种综合能源系统的优化调度装置及方法 |
CN116011697A (zh) * | 2022-12-01 | 2023-04-25 | 国网电力科学研究院有限公司 | 一种考虑p2x多能源耦合运行优化调度方法及系统 |
WO2023082697A1 (zh) * | 2021-11-15 | 2023-05-19 | 中国电力科学研究院有限公司 | 电-热综合能源系统协调优化方法、系统、设备、介质及程序 |
CN116169682A (zh) * | 2023-03-15 | 2023-05-26 | 国网湖北省电力有限公司十堰供电公司 | 一种考虑碳排放流及风光消纳的综合能源系统优化调度策略 |
CN116341847A (zh) * | 2023-03-17 | 2023-06-27 | 国网江苏省电力有限公司电力科学研究院 | 一种变工况下综合能源系统碳排放的调度方法及系统 |
CN117252425A (zh) * | 2023-10-23 | 2023-12-19 | 国网安徽省电力有限公司经济技术研究院 | 一种考虑碳排放和电力平衡风险的电源规划和火电改造决策建模方法 |
-
2024
- 2024-01-02 CN CN202410000936.8A patent/CN117494910B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014187147A1 (zh) * | 2013-05-20 | 2014-11-27 | 国家电网公司 | 电力系统中长期优化运行的中长期风电出力模型建模方法 |
WO2019200662A1 (zh) * | 2018-04-20 | 2019-10-24 | 东北大学 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
WO2020237700A1 (zh) * | 2019-05-28 | 2020-12-03 | 国电南瑞科技股份有限公司 | 一种多能源系统运行调度方法 |
CN111525569A (zh) * | 2020-06-10 | 2020-08-11 | 南方电网科学研究院有限责任公司 | 一种区域综合能源系统优化调度方法、系统及设备 |
CN111737884A (zh) * | 2020-08-06 | 2020-10-02 | 国网江西省电力有限公司电力科学研究院 | 一种含多种清洁能源微能源网多目标随机规划方法 |
CN112561728A (zh) * | 2020-10-28 | 2021-03-26 | 西安交通大学 | 基于注意力机制lstm的综合能耗费用优化方法、介质及设备 |
US11487273B1 (en) * | 2021-04-30 | 2022-11-01 | Dalian University Of Technology | Distributed industrial energy operation optimization platform automatically constructing intelligent models and algorithms |
CN114219195A (zh) * | 2021-09-22 | 2022-03-22 | 上海电机学院 | 一种区域综合能源容量优化控制方法 |
WO2023082697A1 (zh) * | 2021-11-15 | 2023-05-19 | 中国电力科学研究院有限公司 | 电-热综合能源系统协调优化方法、系统、设备、介质及程序 |
CN114050571A (zh) * | 2021-11-22 | 2022-02-15 | 沈阳工业大学 | 一种考虑碳流的综合能源系统能量枢纽管控方法 |
CN114626570A (zh) * | 2021-12-07 | 2022-06-14 | 国网天津市电力公司 | 一种电力碳排放轨迹分析方法及装置 |
CN114529075A (zh) * | 2022-02-14 | 2022-05-24 | 中建安装集团有限公司 | 考虑风光预测误差的综合能源系统分布鲁棒优化调度方法 |
CN114757552A (zh) * | 2022-04-25 | 2022-07-15 | 广西大学 | 一种多主体互补的多能源系统低碳运行策略的构建方法及系统 |
CN115115277A (zh) * | 2022-08-23 | 2022-09-27 | 华北电力大学 | 园区综合能源调度方法、装置、计算机设备及存储介质 |
CN115409396A (zh) * | 2022-09-06 | 2022-11-29 | 浙江英集动力科技有限公司 | 基于双层滚动优化的综合能源系统多时间尺度调度方法 |
CN115600809A (zh) * | 2022-10-14 | 2023-01-13 | 国网山西省电力公司太原供电公司(Cn) | 一种综合能源系统的优化调度装置及方法 |
CN116011697A (zh) * | 2022-12-01 | 2023-04-25 | 国网电力科学研究院有限公司 | 一种考虑p2x多能源耦合运行优化调度方法及系统 |
CN116169682A (zh) * | 2023-03-15 | 2023-05-26 | 国网湖北省电力有限公司十堰供电公司 | 一种考虑碳排放流及风光消纳的综合能源系统优化调度策略 |
CN116341847A (zh) * | 2023-03-17 | 2023-06-27 | 国网江苏省电力有限公司电力科学研究院 | 一种变工况下综合能源系统碳排放的调度方法及系统 |
CN117252425A (zh) * | 2023-10-23 | 2023-12-19 | 国网安徽省电力有限公司经济技术研究院 | 一种考虑碳排放和电力平衡风险的电源规划和火电改造决策建模方法 |
Non-Patent Citations (1)
Title |
---|
刘舫 ; 屈靖洁 ; 王章良 ; .综合能源发电系统优化调度策略.仪表技术.2019,(第06期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117494910A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107425520B (zh) | 一种含节点注入功率不确定性的主动配电网三相区间状态估计方法 | |
CN108111125B (zh) | 一种光伏阵列的iv特性曲线扫描与参数辨识系统及方法 | |
CN111614316B (zh) | 光伏系统发电状态监测方法及其装置 | |
CN106779223A (zh) | 一种光伏系统发电功率实时预测方法及装置 | |
CN114742294A (zh) | 一种碳排放预测的神经网络算法 | |
CN106548256B (zh) | 一种风电场时空动态相关性建模的方法和系统 | |
CN105260800A (zh) | 一种光伏组件温度预测方法及装置 | |
CN110503153B (zh) | 基于差分进化算法和支持向量机的光伏系统故障诊断方法 | |
CN103473621A (zh) | 风电场短期功率预测方法 | |
CN107403015B (zh) | 一种基于时间序列相似性的短期光功率预测方法 | |
CN103489046A (zh) | 风电场短期功率预测方法 | |
CN111275571A (zh) | 考虑微气象与用户模式的居民负荷概率预测深度学习方法 | |
CN110991701A (zh) | 一种基于数据融合的风电场风机风速预测方法及系统 | |
CN117175640A (zh) | 一种光储发电控制方法、系统、计算机设备及介质 | |
CN117013527A (zh) | 一种分布式光伏发电功率预测方法 | |
CN115545333A (zh) | 一种多负荷日类型配电网负荷曲线预测方法 | |
CN115660232A (zh) | 风电功率的超短期预测方法、装置及系统 | |
CN117494910B (zh) | 一种基于碳减排的多能源协调优化控制系统及方法 | |
CN110796292A (zh) | 计及雾霾影响的光伏功率短期预测方法 | |
CN116541666A (zh) | 一种基于影响因素溯源的低碳园区碳追踪方法 | |
CN113361946B (zh) | 一种基于分布式光伏并网系统的电能质量评估方法及装置 | |
CN116050636A (zh) | 光伏电站的出力预测方法、装置、设备及介质 | |
CN116050592A (zh) | 一种多维度光伏功率预测方法及系统 | |
CN110175705B (zh) | 一种负荷预测方法及包含该方法的存储器、系统 | |
CN111080068A (zh) | 一种电能表运行状态评价方法和装置 |
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 |