【技术实现步骤摘要】
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。
技术介绍
1、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。
2、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。
技术实现思路
1、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。
2、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：
3、获取当前的环境数据、能源设备数据；
4、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；
5、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；
6、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；
7、基于所述实时运行数据，构建六象限决策的智能合约；
8、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。
9、进一步地，所述环境数据、能源设备数据包括：
11、能源设备数据包括设备参数、设备运行数据和用能数据。
12、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：
13、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；
14、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；
15、其中，集中群可再生能源出力设备目标函数包括：
16、；
17、其中，表示对应的集中群；
18、表示集中群中的可再生能源出力设备；
19、表示设备的耗能碳成本；
20、表示设备的转化碳成本；
21、表示设备运行成本以及开关机成本；
22、表示设备的可调整成本；
23、表示设备碳成本与运行成本之间的权重参数；
24、；
25、其中，表示集中群中的储能设备；
26、表示设备的转化碳成本；
27、表示设备的损失碳成本；
28、表示设备运行成本以及开关机成本；
29、表示设备的可调整成本；
30、表示设备碳成本与运行成本之间的权重参数。
31、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：
32、其中，通过如下方法进行出力数据的预测：
33、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；
34、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；
35、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；
36、通过如下方法进行充放能数据的预测：
37、基于所述环境数据、能源设备数据，计算负荷预测总曲线；
38、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。
39、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：
40、其中，对预测的出力数据进行修正包括：
41、；
42、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；
43、表示集中群可再生能源出力预测曲线；
44、为该集中群在集中群出力双目标优化队列中的位置；
45、表示区域综合能源系统中集中群数量；
46、表示奖惩因子；
47、对预测的充放能数据进行修正包括：
48、；
49、；
50、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；
51、表示通过双目标优化队列调整后的集中群预测放能变化；
52、表示集中群负荷预测曲线；
53、表示集中群储能设备充能变化预测；
54、表示集中群储能设备放能变化预测。
55、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：
56、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；
57、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；
58、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；
59、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：
60、；
61、；
62、其中，表示出力精度差值百分比；
63、表示负荷精度差值百分比；
64、表示可控预测曲线精度。
65、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：
66、；
67、；
68、其中，表示出力精度；
69、表示负荷精度；
70、表示日中阶段可再生能源出力总曲线；
71、表示日中阶段负荷总曲线；
72、表示区域综合能源系统可再生能源出力预测总曲线；
73、表示区域综合能源系统负荷预测总曲线。
74、计算出力精度差值百分比和负荷精度差值百分比包括：
75、；
76、；
77、其中，表示出力精度差值百分比；
78、表示负荷精度差值百分比；
79、表示可控预测曲线精度。
80、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：
81、获取模块，用于获取当前的环境数据、能源设备数据；
82、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；
83、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；
84、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本文档来自技高网...
【技术保护点】
1.一种应用于能源系统的协同优化方法，其特征在于，包括：
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：
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：
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：
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：
6.根据权利要求5所述的方法，其特征在于，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：
7.根据权利要求6所述的方法，其特征在于，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：
8.一种应用于能源系统的协同优化装置，其特征在于，包括：
9.一种电子设备，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1~7中任一项所述
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1~7中任一项所述的方法。
...【技术特征摘要】
1.一种应用于能源系统的协同优化方法，其特征在于，包括：
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：
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：
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：
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：
6.根据权利要求5所述的方法，其特征在于，所述基于...
【专利技术属性】
技术研发人员：徐雪松，曾子洋，徐凯，何远兴，蒋鸿涛，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。