CN117521920B - 应用于能源系统的协同优化方法和装置 - Google Patents

应用于能源系统的协同优化方法和装置 Download PDF

Info

Publication number
CN117521920B
CN117521920B CN202311853408.9A CN202311853408A CN117521920B CN 117521920 B CN117521920 B CN 117521920B CN 202311853408 A CN202311853408 A CN 202311853408A CN 117521920 B CN117521920 B CN 117521920B
Authority
CN
China
Prior art keywords
energy
data
output
representing
prediction
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
Application number
CN202311853408.9A
Other languages
English (en)
Other versions
CN117521920A (zh
Inventor
徐雪松
曾子洋
徐凯
何远兴
蒋鸿涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University of Technology
Original Assignee
Hunan University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan University of Technology filed Critical Hunan University of Technology
Priority to CN202311853408.9A priority Critical patent/CN117521920B/zh
Publication of CN117521920A publication Critical patent/CN117521920A/zh
Application granted granted Critical
Publication of CN117521920B publication Critical patent/CN117521920B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
    • 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

  • 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)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请的实施例提供了应用于能源系统的协同优化方法和装置。所述方法包括获取当前的环境数据、能源设备数据；基于所述环境数据、能源设备数据，计算双目标优化队列；基于所述环境数据、能源设备数据，预测当前设备的出力和充放能数据；通过所述双目标优化队列，对预测的出力和充放能数据进行修正；获取通过修正后的出力和充放能数据控制当前设备运行的实时运行数据；基于所述实时运行数据，构建六象限决策的智能合约；将所述实时运行数据和所述六象限决策的智能合约进行匹配，确定最终的协同优化方案。以此方式，实现了对可再生分布式资源的规模化聚合和高效调配。

Description

应用于能源系统的协同优化方法和装置
技术领域
本申请的实施例涉及数据处理领域，尤其涉及应用于能源系统的协同优化方法、装置、设备和计算机可读存储介质。
背景技术
现有技术中相关的业务包括：行业内部建设的行业碳排放监测统计，电网公司在其调度和营销系统中建设的能源规划，新能源与常规能源发电与负荷数据统计分析，省级大数据中心中的生态系统规模、产业结构、经济政策等方面的年统计，各地建设的CCUS(碳捕集)技术示范等等。
海量、异质、分散、泛在的可再生分布式资源不断涌现，如何对上述灵活资源进行规模化聚合和高效调配，是当前亟需解决的问题。
发明内容
根据本申请的实施例，提供了一种应用于能源系统的协同优化方案，实现了对可再生分布式资源的规模化聚合和高效调配。
在本申请的第一方面，提供了一种应用于能源系统的协同优化方法。该方法包括：
获取当前的环境数据、能源设备数据；
基于所述环境数据、能源设备数据，计算双目标优化队列；基于所述环境数据、能源设备数据，预测当前设备的出力和充放能数据；
通过所述双目标优化队列，对预测的出力和充放能数据进行修正；
获取通过修正后的出力和充放能数据控制当前设备运行的实时运行数据；
基于所述实时运行数据，构建六象限决策的智能合约；
将所述实时运行数据和所述六象限决策的智能合约进行匹配，确定最终的协同优化方案。
进一步地，所述环境数据、能源设备数据包括：
其中，环境数据包括温度、湿度、风速、碳成本数据和/或天气类型；
能源设备数据包括设备参数、设备运行数据和用能数据。
进一步地，所述基于所述环境数据、能源设备数据，计算双目标优化队列包括：
基于所述环境数据、能源设备数据，计算集中群可再生能源出力设备目标函数和集中群储能设备目标函数；
基于所述集中群可再生能源出力设备目标函数和集中群储能设备目标函数，生成集中群出力双目标优化队列和集中群储能双目标优化队列；
其中，集中群可再生能源出力设备目标函数包括：
；
其中，表示对应的集中群；
表示集中群中的可再生能源出力设备；
表示设备的耗能碳成本；
表示设备的转化碳成本；
表示设备运行成本以及开关机成本；
表示设备的可调整成本；
表示设备碳成本与运行成本之间的权重参数；
；
其中，表示集中群中的储能设备；
表示设备的转化碳成本；
表示设备的损失碳成本；
表示设备运行成本以及开关机成本；
表示设备的可调整成本；
表示设备碳成本与运行成本之间的权重参数。
进一步地，所述基于所述环境数据、能源设备数据，预测当前设备的出力和充放能数据包括：
其中，通过如下方法进行出力数据的预测：
基于所述环境数据、能源设备数据，计算单组可再生能源出力预测曲线；
将所有的单组可再生能源出力预测曲线进行汇总，得到可再生能源出力预测总曲线和集中群可再生能源出力预测曲线；
基于所述可再生能源出力预测总曲线和集中群可再生能源出力预测曲线，完成对出力数据的预测；
通过如下方法进行充放能数据的预测：
基于所述环境数据、能源设备数据，计算负荷预测总曲线；
基于所述可再生能源出力预测总曲线与负荷预测总曲线，完成对充放能数据的预测。
进一步地，所述通过所述双目标优化队列，对预测的出力和充放能数据进行修正包括：
其中，对预测的出力数据进行修正包括：
；
其中，表示通过双目标优化队列调整后的集中群可再生能源出力预测曲线；
表示集中群可再生能源出力预测曲线；
为该集中群在集中群出力双目标优化队列中的位置；
表示区域综合能源系统中集中群数量；
表示奖惩因子；
对预测的充放能数据进行修正包括：
；
；
其中，表示通过双目标优化队列调整后的集中群预测充能变化；
表示通过双目标优化队列调整后的集中群预测放能变化；
表示集中群负荷预测曲线；
表示集中群储能设备充能变化预测；
表示集中群储能设备放能变化预测。
进一步地，所述基于所述实时运行数据，构建六象限决策的智能合约包括：
基于所述实时运行数据，计算日中阶段可再生能源出力总曲线和负荷总曲线；
基于所述日中阶段可再生能源出力总曲线和负荷总曲线，计算日前阶段预测曲线的预测精度；
基于所述日前阶段预测曲线的预测精度，计算出力精度差值百分比与负荷精度差值百分比，构建六象限决策的智能合约；
其中，所述计算出力精度差值百分比和负荷精度差值百分比，包括：
；
；
其中，表示出力精度差值百分比；
表示负荷精度差值百分比；
表示可控预测曲线精度。
进一步地，所述基于所述日中阶段可再生能源出力总曲线和负荷总曲线，计算日前阶段预测曲线的预测精度包括：
；
；
其中，表示出力精度；
表示负荷精度；
表示日中阶段可再生能源出力总曲线；
表示日中阶段负荷总曲线；
表示区域综合能源系统可再生能源出力预测总曲线；
表示区域综合能源系统负荷预测总曲线。
计算出力精度差值百分比和负荷精度差值百分比包括：
；
；
其中，表示出力精度差值百分比；
表示负荷精度差值百分比；
表示可控预测曲线精度。
在本申请的第二方面，提供了一种应用于能源系统的协同优化装置。该装置包括：
获取模块，用于获取当前的环境数据、能源设备数据；
预测模块，用于基于所述环境数据、能源设备数据，计算双目标优化队列；基于所述环境数据、能源设备数据，预测当前设备的出力和充放能数据；
修正模块，用于通过所述双目标优化队列，对预测的出力和充放能数据进行修正；
运行模块，用于获取通过修正后的出力和充放能数据控制当前设备运行的实时运行数据；
构建模块，用于基于所述实时运行数据，构建六象限决策的智能合约；
匹配模块，用于将所述实时运行数据和所述六象限决策的智能合约进行匹配，确定最终的协同优化方案。
在本申请的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
在本申请的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本申请的第一方面的方法。
本申请实施例提供的应用于能源系统的协同优化方法，通过区块链技术，建立应用于本公开的区域综合能源系统模型，呈现了多模式协调运行、多模块互补支撑、多架构灵活互动等特点，通过对多元灵活资源的整合与协调，在区域内多能源供需平衡的基础上优化可调节能力，通过共享可调节量实现跨区域能量互济，实现了对可再生分布式资源的高效调配。通过区块链技术，实现了去中心化的网络结构及节点自治特征，基于区块链技术的分布式决策机制、自主协同、交易认证公平性以及公开性，能够最大限度地减少因能源转换带来的能量损耗与碳排放量，实现了区域综合能源系统中资源配置最优和节能减耗降碳。
应当理解，发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1为根据本申请的实施例的应用于能源系统的协同优化方法的流程图；
图2为根据本申请的实施例的象限划分示意图；
图3为根据本申请的实施例的应用于能源系统的协同优化装置的方框图；
图4为适于用来实现本申请实施例的终端设备或服务器的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1示出了根据本公开实施例的应用于能源系统的协同优化方法的流程图。包括：
S110，获取当前的环境数据、能源设备数据。
首先，过区块链技术，建立应用于本公开的区域综合能源系统模型：
；
其中，RIESC表示区域综合能源系统集群主链，表示区域综合能源系统主链有限集。
区域综合能源系统集群主链（RIESC）可以描述为：
；
其中，表示区域综合能源系统集群主链跨链处理节点；
表示区域综合能源系统集群主链智能合约处理节点；
表示区域综合能源系统集群主链信息整合节点；
表示区域综合能源系统主链有限集。
区域综合能源系统主链（）可以描述为：
；
其中，表示区域综合能源系统主链跨链处理节点；
表示区域综合能源系统主链智能合约处理节点；
表示区域综合能源系统主链信息整合节点；
SSC表示源端侧链；
SSSC表示储端侧链；
LSSC表示荷端侧链。
源端侧链（SSC）可以描述为：
；
其中，表示源端侧链跨链处理节点；
表示源端侧链智能合约处理节点；
表示源端侧链信息整合节点；
表示源端侧链可再生能源出力设备（共有x组可再生能源出力设备），，表示可再生能源出力的能源类型，electricity表示电力，hydrogen表示氢能，gas表示天然气，heat表示热能，cold表示冷能，表示源端侧链传统电厂，表示源端侧链主网。
储端侧链（SSSC）可以描述为：
；
其中，表示储端侧链跨链处理节点；
表示储端侧链智能合约处理节点；
表示储端侧链信息整合节点；
表示储端侧链储能设备（共有z组储能设备）；
进一步地，储端侧链储能设备（）可以表述为：
；
表示为单储能配置设备；
表示为双储能配置设备；
表示为多元混合储能配置设备。
进一步地，单储能配置设备可以描述为：
；
其中，i表示储能的能源类型；
electricity表示电力；
hydrogen表示氢能；
gas表示天然气；
heat表示热能；
cold表示冷能；
双储能配置设备可以描述为：
；
例如，当时，表示为电储/蓄热双储能设备；多元混合储能配置设备：
；
例如，当时，表示电储/储气/蓄热多元混合储能设备。
荷端侧链LSSC可以描述为：
；
其中，表示荷端侧链跨链处理节点；
表示荷端侧链智能合约处理节点；
表示荷端侧链信息整合节点；
表示非弹性用户有限集；
表示弹性用户有限集；
与可通过是否具有必要诱因进行划分（共有y组负荷用户），其中按照必要诱因划分为非弹性用户，必要诱因分为经济诱因和社会诱因，按照经济诱因划分为公共服务机构用户，按照社会诱因划分为支柱性产业用户，非必要诱因则为弹性用户。
进一步地，初始化上述模型，初始完成后，即上链完成初始化后，各信息整合节点保存的信息包括：
区域综合能源系统集群整合信息集：
；
表示参与区域综合能源系统集群主链的各区域综合能源系统；
表示区域综合能源系统集群主链与各区域综合能源系统主链的交互信息；
进一步地，
；
表示区域综合能源系统编号；
表示区域综合能源系统请求能量；
表示区域综合能源系统分配能量;
表示区域综合能源系统请求/分配能量能源类型。
区域综合能源系统整合信息集：
；
其中，表示集中群信息（区域综合能源系统共有n个集中群）；
表示区域综合能源系统主链与区域综合能源系统集群主链的交互信息；
表示区域综合能源系统主链与源端侧链的交互信息；
表示区域综合能源系统主链与储端侧链的交互信息；
表示区域综合能源系统主链与荷端侧链的交互信息。
进一步地，集中群信息为：
；
表示集中群编号；
表示划入该集中群的可再生能源出力设备；
表示划入该集中群的储能设备。
进一步地，
；
其中，表示区域综合能源系统编号；
表示区域综合能源系统请求能量；
表示区域综合能源系统分配能量;
表示区域综合能源系统请求/分配能量能源类型。
进一步地，
；
其中，表示集中群编号；
表示集中群目标函数值；
表示出力信息；
表示集中群出力双目标优化队列。
进一步地，
；
其中，表示集中群编号；
表示集中群目标函数值；
表示储能信息；
表示集中群储能双目标优化队列。
进一步地，
；
其中，表示负荷信息。
源端整合信息集：
；
其中，表示集中群编号；
表示能源类型；
表示产能类型；
表示最大产量；
表示出力功率；
表示出力损耗；
表示开/关机成本；
表示运行成本；
表示实时出力功率；
表示气象数据；
表示设备当前状态；
表示设备可调整成本；
表示设备运行调整成本；
表示设备耗能碳成本；
表示设备转化碳成本；
表示设备调整碳成本。
其中，气象数据为：
；
其中，表示温度；
表示风速；
表示大气温度；
表示当日最高温度；
表示当日最低温度；
表示当日天气类型。
进一步地，储端整合信息集为：
；
其中，表示集中群编号；
表示能源类型；
表示额定容量；
表示储能损耗；
表示开/关机成本；
表示运行成本；
表示实时功率；
表示实时容量；
表示设备当前状态；
表示设备可调整成本；
表示设备运行调整成本；
表示设备转化碳成本；
表示设备损失碳成本；
表示设备调整碳成本。
进一步地，荷端整合信息集为：
；
其中，表示用能数据；
表示电价；
表示节假日分析；
表示气象数据。
在一些实施例中，所述环境数据包括温度、湿度、风速、大气温度、当日最高温度、当日最低温度和/或天气类型等，可参考气象数据MD中包括的数据。环境数据中的碳成本数据可以参考源端整合信息集和储端整合信息集中所包含的碳相关数据；
能源设备数据包括设备参数、设备运行数据、用能数据，可参考源端整合信息集、储端整合信息集和荷端整合信息集中所包含的设备初始数据以及运行数据。
S120，基于所述环境数据、能源设备数据，计算双目标优化队列；基于所述环境数据、能源设备数据，预测当前设备的出力和充放能数据。
在一些实施例中，基于通过步骤S110获取的环境数据、能源设备数据，进行出力和充放能预测。
具体地，在日前阶段，先由源端侧链信息整合节点提取源端整合信息集，储端侧链信息整合节点提取储端整合信息集，基于上述提取的信息集和日前阶段的碳排放目标函数，计算集中群可再生能源出力设备目标函数与集中群储能设备目标函数；
其中，集中群可再生能源出力设备目标函数：
；
集中群储能设备目标函数：
；
其中，表示对应的集中群；
表示集中群中的可再生能源出力设备；
表示设备的耗能碳成本；
表示设备的转化碳成本；
表示设备运行成本以及开关机成本；
表示设备的可调整成本；
表示集中群中的储能设备；
表示设备的转化碳成本；
表示设备的损失碳成本；
表示设备运行成本以及开关机成本；
表示设备的可调整成本；
表示设备碳成本与运行成本之间的权重参数；
表示设备碳成本与运行成本之间的权重参数。
源端侧链智能合约处理节点与储端侧链智能合约处理节点，根据上述目标函数以及源端整合信息集与储端整合信息集，分别生成自动计算区域综合能源系统内各集中群可再生能源出力设备目标函数值与各集中群储能设备目标函数值的智能合约，且在智能合约中设置归一化函数，将目标函数值映射至，并对归一化后的目标函数值进行升序排列，分别生成集中群出力双目标优化队列与集中群储能双目标优化队列。
通过源端侧链跨链处理节点与储端侧链跨链处理节点，将集中群出力双目标优化队列与集中群储能双目标优化队列信息与区域综合能源系统主链跨链处理节点交互，由区域综合能源系统主链信息整合节点记录该信息。
进一步地，完成日前阶段对各集中群目标函数值计算后，对日中阶段的可再生能源出力情况、负荷情况以及充放能情况进行预测。由源端侧链信息整合节点提取源端整合信息集，结合日前阶段可再生能源出力预测方法，交由源端侧链智能合约处理节点进行可再生能源出力预测智能合约的生成，得到单组可再生能源出力曲线、区域综合能源系统可再生能源出力预测总曲线与集中群可再生能源出力预测曲线。并通过源端侧链跨链数据处理节点与区域综合能源系统主链跨链数据处理节点之间的信息交互将出力预测数据传至区域综合能源系统主链上，交由区域综合能源系统主链信息整合节点整理。
日前阶段可再生能源出力预测方法如下：
单组可再生能源出力预测曲线：
；
其中，表示历史数据中k个最相似时刻的气象数据；
表示k个最相似时刻的出力功率；
表示t个待预测时刻的气象数据；
表示前M个时刻的出力功率。
根据单组可再生能源出力预测曲线汇总，得到区域综合能源系统可再生能源出力预测总曲线与集中群可再生能源出力预测曲线。
由荷端侧链信息整合节点提取荷端整合信息集，结合日前阶段负荷预测方法，交由荷端侧链智能合约处理节点进行负荷预测智能合约的生成，得到单组负荷预测曲线与区域综合能源系统负荷预测总曲线。并通过荷端侧链跨链数据处理节点与区域综合能源系统主链跨链数据处理节点之间的信息交互将负荷预测数据传至区域综合能源系统主链上，交由区域综合能源系统主链信息整合节点整理。
日前阶段负荷预测方法如下：
单组负荷预测曲线：
；
其中，表示历史数据中F个上一年度同一时期的用能数据；
表示历史样本中N个上一时期的用能数据；
表示历史样本中G个上一阶段的用能数据；
表示t个待预测时刻的气象数据；
表示待预测时刻的节假日分析；
表示t个待预测时刻不同时段的电价。
根据单组负荷预测曲线汇总，得到区域综合能源系统负荷预测总曲线：
；
由储端侧链信息整合节点提取储端整合信息集，结合日前阶段储能设备充放能预测方法，交由储端侧链智能合约处理节点进行储能设备充放能预测智能合约的生成，得到区域综合能源系统储能设备充能变化与放能变化预测，集中群储能设备充能变化预测与放能变化预测。并通过储端侧链跨链数据处理节点与区域综合能源系统主链跨链数据处理节点之间的信息交互将充放能预测数据传至区域综合能源系统主链上，交由区域综合能源系统主链信息整合节点整理。
日前阶段储能设备充放能预测方法如下：
根据可再生能源出力预测总曲线与负荷预测总曲线，得到储能设备充放能组合综合预测：
；
当时，表示区域综合能源系统可控的充能变化；当时，表示区域综合能源系统可控的放能变化；表示充能变化曲线，表示放能变化曲线。
表示阶段末端时间，优选为24。
为得到集中群储能设备充放能组合预测，需要计算各集中群负荷预测，用到作为各集中群承担负荷压力的比例：
；
其中，表示储能设备的额定容量。
进而可得日前阶段集中群负荷预测曲线为：
；
结合集中群可再生能源出力预测曲线与集中群负荷预测曲线，可以计算出该集中群储能设备的充能变化与放能变化预测：
；
；
进一步地，区域综合能源系统主链信息整合节点，通过整合信息集中的交互信息与得到集中群可再生能源出力预测曲线、集中群储能设备充能变化预测与放能变化预测，以及集中群出力双目标优化队列与集中群储能双目标优化队列。
S130，通过所述双目标优化队列，对预测的出力和充放能数据进行修正。
在一些实施例中，为实现区域综合能源系统实现环境效益最优与经济成本最低的目标，对日前阶段预测数据进行调整，使得位于集中群出力双目标优化队列前列的集中群承担更重的出力任务和充放能任务。
具体地，集中群可再生能源出力预测曲线调整：
；
表示根据集中群出力双目标优化队列调整后的集中群可再生能源出力预测曲线；
为该集中群在集中群出力双目标优化队列中的位置；
表示区域综合能源系统中集中群数量；
为奖惩因子，该奖惩因子根据该集中群在队列中的位置呈线性变化，变化区间为，当该集中群在队列中的位置为1时，；当该集中群在队列中的位置为时，；
集中群储能设备充能变化与放能变化调整：
；
；
表示根据集中群储能双目标优化队列调整后的集中群充能变化预测；
表示根据集中群储能双目标优化队列调整后的集中群放能变化预测。
区域综合能源系统主链智能合约处理节点，按照上述步骤生成自动处理预测数据调整的智能合约并按照区域综合能源系统主链信息整合节点给出的数据进行计算，得到调整后的集中群可再生能源出力预测曲线与调整后的集中群储能设备充能变化预测与放能变化预测。
S140，获取通过修正后的出力和充放能数据控制当前设备运行的实时运行数据。
在一些实施例中，基于步骤S130修正的预测数据（出力和充放能数据），控制当前系统中的设备运行。即，日中阶段区域综合能源系统按照修正后的数据执行。
通常，日中阶段以三小时为一个滚动调整周期。日中阶段初始先按照日前阶段的预测数据运行，在一个滚动调整周期运行完成前由区域综合能源系统主链跨链处理节点发出跨链信息处理智能合约请求，由区域综合能源系统主链智能合约处理节点生成跨链信息传递的智能合约交由各侧链执行，并将各侧链所收集到的源端整合信息集（即可再生能源出力信息）、储端整合信息集（即储能设备充放能信息）、荷端整合信息集（即负荷信息）交由区域综合能源系统主链信息整合节点进行整合。在下一个滚动调整周期开始前，根据这一周期整合的信息，对日前阶段的预测数据进行调整。将日中阶段分为八个滚动调整周期，用表示，。
在一些实施例中，根据源端侧链信息整合节点整合日中阶段单组可再生能源出力实时曲线，荷端侧链信息整合节点整合日中阶段单组负荷实时曲线，储端侧链信息整合节点整合日中阶段单组储能设备充能实时数据变化与放能实时数据变化。
区域综合能源系统主链跨链处理节点与各侧跨链处理节点进行信息交互，将交互信息交由区域综合能源系统主链信息整合节点进行信息整合。
由区域综合能源系统主链信息整合节点汇总x组可再生能源出力设备与y组负荷用户，得到日中阶段可再生能源出力实时总曲线和日中阶段负荷实时总曲线：
；
；
汇总z组储能设备，得到日中阶段储能设备总充能变化和放能变化实时数据：
；
；
其中，表示区域综合能源系统日中阶段从0至的充能变化；
表示区域综合能源系统日中阶段从0至的放能变化。
进一步地，根据上述实时收集到的可再生能源出力、负荷以及充/放能数据，对日前阶段所做预测进行调整，以便更加贴合区域综合能源系统实际运行情况：
根据区域综合能源系统主链信息整合节点中该滚动调整周期内的气象数据、出力功率、用能数据、节假日分析、电价，结合日前阶段的调整后的集中群可再生能源出力预测曲线与调整后的集中群储能充能变化预测和放能变化预测，利用区域综合能源系统主链智能合约处理节点生成日中阶段预调整曲线计算的智能合约。其中，日中阶段预调整曲线包括日中阶段可再生能源出力预调整总曲线、日中阶段负荷预调整总曲线、日中阶段储能设备总充放能变化预调整。
其中，可通过如下方式计算日中阶段预调整曲线的智能合约：
；
其中，表示从至的可再生能源出力预测函数；
表示实时气象数据；
表示实时出力功率；
日中阶段负荷预调整总曲线：
；
其中，表示从至的负荷预测函数；
表示实时用能数据；
表示实时气象数据；
表示实时节假日分析；
表示实时电价；
日中阶段储能设备充放能预调整总充能变化与放能变化：
；
；
进一步地，为将日中阶段预调整总任务下放至各集中群，需要用到不同集中群参与区域综合能源系统的贡献度比例，其计算过程如下：
；
其中，表示集中群的贡献度；
分别表示可再生能源出力、储能设备充能与放能的权重系数；
根据不同集中群对区域综合能源系统参与的贡献度不同，计算出各集中群的贡献度比例，即。
基于贡献度比例，将预调整总任务分配至各集中群，得到集中群日中阶段可再生能源出力预调整曲线为：
；
集中群日中阶段负荷预调整曲线为：
；
集中群日中阶段储能设备预调整充能变化为：
；
预调整放能变化为：
；
其中，λ为正维稳系数，当该集中群当前充能功率为0，且实际可再生能源出力大于或等于日前阶段调整后的可再生能源预测出力，和该集中群当前放能功率为0且实际可再生能源出力小于或等于日前阶段调整后的可再生能源预测出力时，通过λ适当增加充放能任务。为负维稳系数，当该集中群当前充能功率为0，且实际可再生能源出力小于日前阶段调整后的可再生能源预测出力，和该集中群当前放能功率为0且实际可再生能源出力大于日前阶段调整后的可再生能源预测出力时，通过避免承担超量充放能任务。进一步地，得到各集中群日中阶段可再生能源出力预调整曲线：
；
日中阶段储能设备预调整充能变化：
；
日中阶段储能设备预调整放能变化：
；
进一步地，通过区域综合能源系统主链信息整合节点，对上述信息进行整合。
S150，基于所述实时运行数据，构建六象限决策的智能合约。
在一些实施例中，基于步骤S140中各项调整内容，区域综合能源系统利用六象限决策对其进行更新，进一步实现区域综合能源系统内部稳定，区域综合能源系统集群协同优化。
由区域综合能源系统主链智能合约处理节点借助区域综合能源系统主链信息整合节点中整合的相关信息，生成六象限决策的智能合约。
所述智能合约包括：
根据日中阶段可再生能源出力总曲线与日中阶段负荷总曲线计算日前阶段预测曲线的预测精度：
；
；
其中，表示出力精度；
表示负荷精度；
进一步地，通过与分别得到出力精度差值百分比和负荷精度差值百分比；其中，表示可控预测曲线精度，通常为固定值。
参考图2，将出力精度差值百分比与负荷精度差值百分比联立设置直角坐标系并匹配不同策略：
以图2中的A象限为例，A象限表示出力实际值与负荷实际值均大于出力预测值与负荷预测值，且出力精度差值百分比大于负荷精度差值百分比时，区域综合能源系统根据实际情况更新策略，提高储能设备充能比例，参与区域综合能源系统之间的协同优化。
S160，将所述实时运行数据和所述六象限决策的智能合约进行匹配，确定最终的协同优化方案。
在一些实施例中，结合日前阶段的目标函数，得到集中群可再生能源出力设备目标函数与集中群储能设备目标函数，如下所示：
集中群可再生能源出力设备目标函数：
；
集中群储能设备目标函数：
；
其中，表示对应的集中群；
表示设备的耗能碳成本；
表示设备的转化碳成本；
表示设备的调整碳成本；
表示设备运行成本以及开关机成本；
表示设备的可调整成本；
表示设备的运行调整成本；
表示设备的外网供能成本（包括主网供能成本、其他区域综合能源系统供能成本和传统电厂供能成本）；
表示设备的转化碳成本；
表示设备的损失碳成本；
表示设备的调整碳成本；
表示设备运行成本以及开关机成本；
设备的可调整成本；
表示设备的运行调整成本；
表示设备碳成本与运行成本之间的权重参数；
表示设备碳成本与运行成本之间的权重参数。
基于上述公式，得到日中阶段各集中群可再生能源出力设备与储能设备的目标函数值。进一步再处理每个集中群可再生能源出力、储能设备充/放能的日前阶段预测数据与日中阶段实际数据产生的偏差。将偏差分为正偏差与负偏差，正偏差为可再生能源出力、储能设备充能、储能设备放能的实际值大于预测值，负偏差反之：
；
；
按照正偏差降序排列生成日中阶段集中群积极响应队列，其中分为出力积极响应队列、储能设备充能积极响应队列、储能设备放能积极响应队列；按照负偏差升序排列生成日中阶段集中群消极响应队列，其中分为出力消极响应队列、储能设备充能消极响应队列、储能设备放能消极响应队列。
进一步地，参考图2，在A象限中，储能设备充能积极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例提高率；储能设备充能消极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例减少率。
储能设备放能积极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例提高率；储能设备放能消极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例减少率。
充能比例提高率计算：
；
其中，表示充能比例提高率；
表示充能积极响应队列中集中群目标函数优化比例；
表示充能积极响应队列中集中群充能设备目标函数值；
表示充能积极响应队列中集中群充能设备目标函数值最大值；
表示充能积极响应队列中集中群充能设备目标函数值最小值；
α为常数，如；
是平衡系数，用以维持日前阶段预测与日中阶段预调整的平衡。
充能比例减少率计算：
；
其中，表示充能比例减少率；
表示充能消极响应队列中集中群目标函数优化比例；
表示充能消极响应队列中集中群充能设备目标函数值；
表示充能消极响应队列中集中群充能设备目标函数值最大值；
表示充能消极响应队列中集中群充能设备目标函数值最小值；
β为常数，如；
是平衡系数，用以维持日前阶段预测与日中阶段预调整的平衡。
放能比例提高率计算：
；
表示放能比例提高率；
表示放能积极响应队列中集中群目标函数优化比例；
表示放能积极响应队列中集中群放能设备目标函数值；
表示放能积极响应队列中集中群放能设备目标函数值最大值；
表示放能消极响应队列中集中群放能设备目标函数值最小值；
放能比例减少率计算：
；
其中，表示放能比例减少率；
表示放能积极响应队列中集中群目标函数优化比例；
表示放能积极响应队列中集中群放能设备目标函数值；
表示放能积极响应队列中集中群放能设备目标函数值最大值；
表示放能消极响应队列中集中群放能设备目标函数值最小值；
进一步地，根据得到的充/放能比例增加率与减少率对各集中群的储能设备进行预调整更新。同时，对于区域综合能源系统内部满足负荷需求后的剩余能量，可参与区域综合能源系统集群中的协同优化。区域综合能源系统主链信息整合节点统计该系统参与集群协同的可分配能量,若可分配能量大于0，则由区域综合能源系统主链跨链处理节点与区域综合能源系统集群主链跨链处理节点进行交互，将可分配能量信息传至区域综合能源系统集群主链上等待需求响应。
其中，可分配能量计算：
；
其中，表示区域综合能源系统储能余量，根据储端整合信息集中的，由区域综合能源系统主链信息整合节点汇总得。
在一些实施例中，B象限表示出力实际值与负荷实际值均大于出力预测值与负荷预测值，且负荷精度差值百分比大于出力精度差值百分比，区域综合能源系统根据实际情况更新策略，提高储能设备放能比例，优先满足区域综合能源系统内部的协同优化。
在B象限中，储能设备充能积极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例提高率。储能设备充能消极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例减少率，同时对目标函数劣化的集中群，则赋予放能任务。
储能设备放能积极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例提高率；储能设备放能消极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例减少率。
放能任务根据区域综合能源系统的用能情况计算：
将位于储能设备充能消极响应队列中集中群目标函数值按升序排列，提取末位50%的集中群，将这些集中群的充能状态改为放能，以此作为区域综合能源系统内部能源需求的补充。
放能任务为：
；
其中，表示功率计算函数。
根据各集中群目标函数值的优劣，秉承目标函数值优（即目标函数值小）的集中群承担更重放能任务的原则，将放能任务下放至各集中群。
由区域综合能源系统主链信息整合节点统计整个系统的储能情况，若储能余量：
；
大于下一滚动调整周期总负荷的30%，则该区域综合能源系统可参与区域综合能源系统集群的协同优化。由区域综合能源系统主链信息整合节点统计该系统参与区域协同的可分配能量，区域综合能源系统主链跨链处理节点与区域综合能源系统集群主链跨链处理节点进行交互，将可分配能量信息传至区域综合能源系统集群主链上等待需求响应。
在一些实施例中，C象限表示出力实际值小于预测值，负荷实际值大于预测值。区域综合能源系统根据实际情况更新策略，提高储能设备放能比例，请求其他区域综合能源系统参与协同优化并要求传统电厂辅助供能。
在C象限中，储能设备充能积极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例提高率；储能设备充能消极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例减少率，同时对目标函数劣化的集中群，则赋予放能任务。
储能设备放能积极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例提高率；储能设备放能消极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例减少率。
由区域综合能源系统主链信息整合节点统计整个系统的储能情况，若储能余量：
；
小于下一滚动调整周期总负荷的15%，则该区域综合能源系统需请求区域综合能源系统集群内其他系统参与协同优化，由区域综合能源系统主链信息整合节点统计该系统参与区域协同的可分配能量，区域综合能源系统主链跨链处理节点与区域综合能源系统集群主链跨链处理节点进行交互，将可分配能量信息传至区域综合能源系统集群主链上等待需求响应；
若储能余量：
；
小于下一滚动调整周期总负荷的8%，则请求传统电厂进行供能，以保障区域综合能源系统内供需平衡。
传统电厂供能量计算如下：
；
其中，表示传统电厂最大供能量；
传统电厂发电效益目标函数为：
；
其中，表示传统电厂；
表示传统电厂中的设备；
表示传统能源碳成本；
表示设备运行碳成本；
表示能源损耗碳成本；
表示设备开/关机成本以及运行成本；
表示能量损耗成本；
表示设备碳成本与运行成本之间的权重参数；
当时表示只考虑环境因素（碳成本）对目标函数的影响；
当时表示只考虑经济因素（运行成本）对目标函数的影响。
根据目标函数以及传统电厂最大供能量反向推出经济效益与环境效益最佳的传统电厂供能量。
在一些实施例中，D象限表示出力实际值与负荷实际值均小于出力预测值与负荷预测值，且出力精度差值百分比大于负荷精度差值百分比。区域综合能源系统根据实际情况更新策略，提高储能设备放能比例，请求其他区域综合能源系统参与协同优化并向主网请求购能。
在D象限中，储能设备充能积极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例提高率；储能设备充能消极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例减少率，同时对目标函数劣化的集中群，赋予放能任务。
储能设备放能积极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例提高率；储能设备放能消极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例减少率。
进一步地，由区域综合能源系统主链信息整合节点统计整个系统的储能情况，若储能余量：
；
小于下一滚动调整周期总负荷的15%，则该区域综合能源系统需请求区域综合能源系统集群内其他系统参与协同优化，由区域综合能源系统主链信息整合节点统计该系统参与区域协同的可分配能量，区域综合能源系统主链跨链处理节点与区域综合能源系统集群主链跨链处理节点进行交互，将可分配能量信息传至区域综合能源系统集群主链上等待需求响应；
若储能余量：
；
小于下一滚动调整周期总负荷的10%，则向主网请求购能，以保证区域综合能源系统内部供需平衡。
其中，主网供能计算如下：
；
其中，表示主网供能量；
表示区域综合能源系统储能总量，根据储端整合信息集中的，由区域综合能源系统主链信息整合节点汇总得；
ESS表示区域综合能源系统储能余量；
表示从3f至T时段的区域综合能源系统预调整出力量；
表示从3f至T时段的区域综合能源系统预调整负荷量；
表示碳系数，可根据追溯主网供能源头是否为清洁能源与每单位耗能产生的碳排放进行变动，变动区间为。
在一些实施例中，E象限表示出力实际值与负荷实际值均小于出力预测值与负荷预测值，且负荷精度差值百分比大于出力精度差值百分比。区域综合能源系统根据实际情况更新策略，提高储能设备充能比例，并参与区域综合能源系统内部的协同优化。
在E象限中，储能设备充能积极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例提高率；储能设备充能消极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例减少率。
储能设备放能积极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例提高率；储能设备放能消极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例减少率。
由区域综合能源系统主链信息整合节点统计整个系统的储能情况，若储能余量：
；
大于下一滚动调整周期总负荷的30%，则该区域综合能源系统可参与区域综合能源系统集群的协同优化。由区域综合能源系统主链信息整合节点统计该系统参与区域协同的可分配能量，区域综合能源系统主链跨链处理节点与区域综合能源系统集群主链跨链处理节点进行交互，将可分配能量信息传至区域综合能源系统集群主链上等待需求响应。
在一些实施例中，F象限表示出力实际值大于预测值，负荷实际值小于预测值。区域综合能源系统根据实际情况更新策略，储能设备充能比例提高，参与区域综合能源系统之间的协同优化。
在F象限中，储能设备充能积极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例提高率；储能设备充能消极响应队列中的集中群储能设备充能比例按照队列中的顺序，根据目标函数最优化的原则赋予充能比例减少率。
储能设备放能积极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例提高率；储能设备放能消极响应队列中的集中群储能设备放能比例按照队列中的顺序，根据目标函数最优化的原则赋予放能比例减少率，同时对目标函数劣化的集中群，赋予充能任务。
进一步地，F象限充能任务计算如下：
将位于储能设备放能消极相应队列中的集中群目标函数值按升序排列，提取末位50%的集中群，将该集中群的放能状态改为充能，以此作为区域综合能源系统内部能源需求的补充。
；
根据各集中群目标函数值的优劣，秉承目标函数值优（即目标函数值小）的集中群承担更重充能任务的原则，将充能任务下放至各集中群。
由区域综合能源系统主链信息整合节点统计整个系统的储能情况，若储能余量大于下一滚动调整周期总负荷的20%，则该区域综合能源系统可参与区域综合能源系统集群的协同优化。由区域综合能源系统主链信息整合节点统计该系统参与区域协同的可分配能量，区域综合能源系统主链跨链处理节点与区域综合能源系统集群主链跨链处理节点进行交互，将可分配能量信息传至区域综合能源系统集群主链上等待需求响应。
根据本公开的实施例，实现了以下技术效果：
通过区块链技术，建立区域综合能源系统模型，呈现了多模式协调运行、多模块互补支撑、多架构灵活互动等特点，通过对多元灵活资源的整合与协调，在区域内多能源供需平衡的基础上优化可调节能力，通过共享可调节量实现跨区域能量互济，实现了对可再生分布式资源的高效调配。
通过区块链技术，实现了去中心化的网络结构及节点自治特征，基于区块链技术的布式决策机制、自主协同、交易认证公平性以及公开性，能够最大限度地减少因能源转换带来的能量损耗与碳排放量，实现了区域综合能源系统中资源配置最优和节能减耗降碳。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍，以下通过装置实施例，对本申请所述方案进行进一步说明。
图3示出了根据本申请的实施例的应用于能源系统的协同优化装置的方框图300，如图3所示包括：
获取模块，用于获取当前的环境数据、能源设备数据；
预测模块，用于基于所述环境数据、能源设备数据，计算双目标优化队列；基于所述环境数据、能源设备数据，预测当前设备的出力和充放能数据；
修正模块，用于通过所述双目标优化队列，对预测的出力和充放能数据进行修正；
运行模块，用于获取通过修正后的出力和充放能数据控制当前设备运行的实时运行数据；
构建模块，用于基于所述实时运行数据，构建六象限决策的智能合约；
匹配模块，用于将所述实时运行数据和所述六象限决策的智能合约进行匹配，确定最终的协同优化方案。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图4示出了适于用来实现本申请实施例的终端设备或服务器的结构示意图。
如图4所示，终端设备或服务器包括CPU401，其可以根据存储在ROM402中的程序或者从存储部分408加载到RAM403中的程序而执行各种适当的动作和处理。在RAM403中，还存储有终端设备或服务器操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；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407；包括硬盘等的存储部分408；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409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，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410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408。
特别地，根据本申请的实施例，上文方法流程步骤可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在机器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。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本申请所示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。在本申请中，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。而在本申请中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、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，前述模块、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。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面，本申请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的。上述计算机可读存储介质存储有一个或者多个程序，当上述前述程序被一个或者一个以上的处理器用来执行描述于本申请的方法。
以上描述仅为本申请的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，本申请中所涉及的申请范围，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前述申请构思的情况下，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。例如上述特征与本申请中申请的(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 (9)

1.一种应用于能源系统的协同优化方法，其特征在于，包括：
获取当前的环境数据、能源设备数据；
基于所述环境数据、能源设备数据，计算双目标优化队列；基于所述环境数据、能源设备数据，预测当前设备的出力和充放能数据；
通过所述双目标优化队列，对预测的出力和充放能数据进行修正；
获取通过修正后的出力和充放能数据控制当前设备运行的实时运行数据；
基于所述实时运行数据，计算日中阶段可再生能源出力总曲线和负荷总曲线；基于所述日中阶段可再生能源出力总曲线和负荷总曲线，计算日前阶段预测曲线的预测精度；基于所述日前阶段预测曲线的预测精度，计算出力精度差值百分比与负荷精度差值百分比；
将所述出力精度差值百分比与负荷精度差值百分比联立，设置直角坐标系并匹配不同策略，构建六象限决策的智能合约；将所述实时运行数据和所述六象限决策的智能合约进行匹配，确定所处象限并得到所对应的策略方法，根据所述策略方法确定最终的协同优化方案。
2.根据权利要求1所述的方法，其特征在于，所述环境数据、能源设备数据包括：
其中，环境数据包括温度、湿度、风速、碳成本数据和/或天气类型；
能源设备数据包括设备参数、设备运行数据和用能数据。
3.根据权利要求2所述的方法，其特征在于，所述基于所述环境数据、能源设备数据，计算双目标优化队列包括：
基于所述环境数据、能源设备数据，计算集中群可再生能源出力设备目标函数和集中群储能设备目标函数；
基于所述集中群可再生能源出力设备目标函数和集中群储能设备目标函数，生成集中群出力双目标优化队列和集中群储能双目标优化队列；
其中，集中群可再生能源出力设备目标函数包括：
；
其中，表示对应的集中群；
表示集中群中的可再生能源出力设备；
表示设备的耗能碳成本；
表示设备的转化碳成本；
表示设备运行成本以及开关机成本；
表示设备的可调整成本；
表示设备碳成本与运行成本之间的权重参数；
其中， 集中群储能设备目标函数包括：
；
其中，表示集中群中的储能设备；
表示设备的转化碳成本；
表示设备的损失碳成本；
表示设备运行成本以及开关机成本；
表示设备的可调整成本；
表示设备碳成本与运行成本之间的权重参数。
4.根据权利要求3所述的方法，其特征在于，所述基于所述环境数据、能源设备数据，预测当前设备的出力和充放能数据包括：
其中，通过如下方法进行出力数据的预测：
基于所述环境数据、能源设备数据，计算单组可再生能源出力预测曲线；
将所有的单组可再生能源出力预测曲线进行汇总，得到可再生能源出力预测总曲线和集中群可再生能源出力预测曲线；
基于所述可再生能源出力预测总曲线和集中群可再生能源出力预测曲线，完成对出力数据的预测；
通过如下方法进行充放能数据的预测：
基于所述环境数据、能源设备数据，计算负荷预测总曲线；
基于所述可再生能源出力预测总曲线与负荷预测总曲线，完成对充放能数据的预测。
5.根据权利要求4所述的方法，其特征在于，所述通过所述双目标优化队列，对预测的出力和充放能数据进行修正包括：
其中，对预测的出力数据进行修正包括：
；
其中，表示通过双目标优化队列调整后的集中群可再生能源出力预测曲线；
表示集中群可再生能源出力预测曲线；
为该集中群在集中群出力双目标优化队列中的位置；
表示区域综合能源系统中集中群数量；
表示奖惩因子；
对预测的充放能数据进行修正包括：
；
；
其中，表示通过双目标优化队列调整后的集中群预测充能变化；
表示通过双目标优化队列调整后的集中群预测放能变化；
表示集中群负荷预测曲线；
表示集中群储能设备充能变化预测；
表示集中群储能设备放能变化预测。
6.根据权利要求5所述的方法，其特征在于，所述计算出力精度差值百分比和负荷精度差值百分比，包括：
；
；
其中，表示出力精度差值百分比；
表示负荷精度差值百分比；
表示可控预测曲线精度；
POC表示出力精度；
LC表示负荷精度。
7.一种应用于能源系统的协同优化装置，其特征在于，包括：
获取模块，用于获取当前的环境数据、能源设备数据；
预测模块，用于基于所述环境数据、能源设备数据，计算双目标优化队列；基于所述环境数据、能源设备数据，预测当前设备的出力和充放能数据；
修正模块，用于通过所述双目标优化队列，对预测的出力和充放能数据进行修正；
运行模块，用于获取通过修正后的出力和充放能数据控制当前设备运行的实时运行数据；
构建模块，用于基于所述实时运行数据，计算日中阶段可再生能源出力总曲线和负荷总曲线；基于所述日中阶段可再生能源出力总曲线和负荷总曲线，计算日前阶段预测曲线的预测精度；基于所述日前阶段预测曲线的预测精度，计算出力精度差值百分比与负荷精度差值百分比；
将所述出力精度差值百分比与负荷精度差值百分比联立，设置直角坐标系并匹配不同策略，构建六象限决策的智能合约；
匹配模块，用于将所述实时运行数据和所述六象限决策的智能合约进行匹配，确定所处象限并得到所对应的策略方法，根据所述策略方法确定最终的协同优化方案。
8.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~6中任一项所述的方法。
9.一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如权利要求1~6中任一项所述的方法。
CN202311853408.9A 2023-12-29 2023-12-29 应用于能源系统的协同优化方法和装置 Active CN117521920B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311853408.9A CN117521920B (zh) 2023-12-29 2023-12-29 应用于能源系统的协同优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311853408.9A CN117521920B (zh) 2023-12-29 2023-12-29 应用于能源系统的协同优化方法和装置

Publications (2)

Publication Number Publication Date
CN117521920A CN117521920A (zh) 2024-02-06
CN117521920B true CN117521920B (zh) 2024-04-05

Family

ID=89749725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311853408.9A Active CN117521920B (zh) 2023-12-29 2023-12-29 应用于能源系统的协同优化方法和装置

Country Status (1)

Country Link
CN (1) CN117521920B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118278705B (zh) * 2024-05-30 2024-09-20 湖南工商大学 一种基于深度强化学习的社区家庭微网能量优化调控方法
CN118278713B (zh) * 2024-06-03 2024-08-09 安徽泰然信息技术有限公司 一种能源系统的智能化管控方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021244000A1 (zh) * 2020-06-03 2021-12-09 国网上海市电力公司 一种区域能源综合体虚拟聚合系统及方法
CN113962828A (zh) * 2021-10-26 2022-01-21 长春工程学院 考虑碳消耗的综合能源系统协调调度方法
WO2022160705A1 (zh) * 2021-01-26 2022-08-04 中国电力科学研究院有限公司 综合能源系统调度模型构建方法、装置、介质及电子设备
CN115102159A (zh) * 2022-06-17 2022-09-23 国网浙江省电力有限公司电力科学研究院 计及碳排放流的共享储能优化运行方法
CN115115170A (zh) * 2022-05-09 2022-09-27 国网山东省电力公司烟台供电公司 一种基于区块链的源网荷储综合能源系统能量可信交互方法
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
CN115907575A (zh) * 2023-01-18 2023-04-04 浙江英集动力科技有限公司 基于acp和碳-绿证交易的工业综合能源系统协同运行方法
WO2023167631A1 (en) * 2022-03-02 2023-09-07 Envision Digital International Pte. Ltd. An electrical power system and a multi-timescale coordinated optimization scheduling method therefor
WO2023201916A1 (zh) * 2022-04-18 2023-10-26 国网智能电网研究院有限公司 一种分布式灵活资源聚合控制装置及控制方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021244000A1 (zh) * 2020-06-03 2021-12-09 国网上海市电力公司 一种区域能源综合体虚拟聚合系统及方法
WO2022160705A1 (zh) * 2021-01-26 2022-08-04 中国电力科学研究院有限公司 综合能源系统调度模型构建方法、装置、介质及电子设备
CN113962828A (zh) * 2021-10-26 2022-01-21 长春工程学院 考虑碳消耗的综合能源系统协调调度方法
WO2023167631A1 (en) * 2022-03-02 2023-09-07 Envision Digital International Pte. Ltd. An electrical power system and a multi-timescale coordinated optimization scheduling method therefor
WO2023201916A1 (zh) * 2022-04-18 2023-10-26 国网智能电网研究院有限公司 一种分布式灵活资源聚合控制装置及控制方法
CN115115170A (zh) * 2022-05-09 2022-09-27 国网山东省电力公司烟台供电公司 一种基于区块链的源网荷储综合能源系统能量可信交互方法
CN115102159A (zh) * 2022-06-17 2022-09-23 国网浙江省电力有限公司电力科学研究院 计及碳排放流的共享储能优化运行方法
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
CN115907575A (zh) * 2023-01-18 2023-04-04 浙江英集动力科技有限公司 基于acp和碳-绿证交易的工业综合能源系统协同运行方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Design of integrated energy market cloud service platform based on blockchain smart contract;Lei Wanga，等;《Electrical Power and Energy Systems》;20210827;第第135卷卷;全文 *
Intelligent Small Object Detection for Digital Twin in Smart Manufacturing With Industrial Cyber-Physical Systems;Xiaokang Zhou，等;《IEEE Transactions on Industrial Informatics》;20220228;第18卷(第2期);第1377-1386页 *
基于区块链的综合能源系统低碳优化调度研究;孟明，等;《华北电力大学学报(自然科学版)》;20230531;第第50卷卷(第第3期期);第67-80页 *

Also Published As

Publication number Publication date
CN117521920A (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
CN117521920B (zh) 应用于能源系统的协同优化方法和装置
CN112308334A (zh) 一种基于主从合作博弈的多虚拟电厂联合优化调度方法
CN111525601A (zh) 用户侧储能设备的充放电控制方法、装置及存储介质
CN111008739B (zh) 一种热电联产虚拟电厂优化调控及收益分配方法及系统
CN117239740B (zh) 一种虚拟电厂系统的优化配置与灵活性提升方法及系统
CN108876000A (zh) 一种光伏充电站光、储、变压器容量协调优化配置方法
CN112036934A (zh) 考虑热电协调运行的负荷聚合商参与需求响应的报价方法
CN113708365A (zh) 一种基于端边云架构的虚拟电厂能源管控优化方法及系统
CN110991773A (zh) 一种面向风电消纳的两阶段源荷储优化调度方法
CN106600080A (zh) 一种数据网络与电力网络耦合模型参与系统经济调度方法
CN109713666A (zh) 一种基于K-means聚类的电力市场下分布式储能经济性调控方法
CN111293682A (zh) 一种基于协同模型预测控制的多微网能量管理方法
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN112529271A (zh) 一种可控负荷集群提供电网备用辅助服务的优化调度方法
CN115170343A (zh) 一种区域综合能源系统分布式资源和储能协同规划方法
CN114069700A (zh) 一种基于能源互联网的区域综合能源调度控制系统
CN116054241A (zh) 一种新能源微电网群系统鲁棒能量管理方法
CN114944661A (zh) 一种基于储能系统滚动优化的微电网三阶段优化控制方法
CN114841448A (zh) 一种基于多代理系统的分层分区负荷优化调控方法
CN113935856A (zh) 电能的控制方法及其装置、处理器、计算机可读存储介质
CN110535143B (zh) 面向智能住宅动态需求响应的能源管理方法和装置
CN110739710A (zh) 基于优化算法的多种能源类型协调调度方法及装置
CN116667337A (zh) 一种基于配网优化调度的柔性负荷聚合建模方法
CN116739292A (zh) 数据中心的能量优化调度方法、系统和存储介质
CN116307437A (zh) 基于碳排放权兑换机制的虚拟电厂优化调度方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant