【技术实现步骤摘要】
本专利技术涉及能源管理，特别涉及一种基于电力能源群体的能源管理方法及系统。
技术介绍
1、大型能源群体指是由多个能源设备和资源组成的能源系统，通常包括各种发电设备（如太阳能、风能、燃气发电机、核电站等）、储能系统（如电池、抽水蓄能）、以及电力传输和分配设备，这些设备和系统通过信息化技术和智能调度平台进行协调管理，以实现能源的高效生产、传输、储存和分配。
2、大型能源群体的能源管理是对多种能源资源的协调和优化，确保能源的高效供应、可靠传输和可持续利用，由于大型能源群体通常包括多种不同的能源设备（如发电机组、储能设备、可再生能源设施等），管理复杂度较高。因此，先进的信息化技术、智能调度系统、和优化算法在能源管理中发挥至关重要的作用。
3、但是现有技术中能源管理技术往往无法根据供应范围内的气候变化状况预测电力需求，使得无法根据实时的运行状况实现高效调度能源，不具有适应未来需求变化的能力，从而降低了能源管理的效果。
4、因此，如何提供一种基于电力能源群体的能源管理方法及系统，是目前亟待解决的问题。
技术实现思路
1、本专利技术实施例提供了一种基于电力能源群体的能源管理方法及系统，以解决现有技术中无法根据实时的运行状况高效调度能源的问题。
2、为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详
3、根据本专利技术实施例的第一方面，提供了一种基于电力能源群体的能源管理方法。
4、在一个实施例中，基于电力能源群体的能源管理方法，包括：
5、基于信息化技术将分散的能源设备整合为电力能源群体，并设置传感器与数据采集器实时监控各能源设备的能源状态；
6、基于历史运行信息判断能源供应参数与各能源设备之间的关联度，并根据历史运行信息与气候变化状况预测未来时间段内电力需求量；
7、以实时能源状态为基础，结合电力需求量与关联度结果初次管理电力能源群体内各能源设备的能源供应状况；
8、评估能源供应状况的优劣性，并根据优劣性结果进行能源供应二次管理操作，优化能源管理结果。
9、在一个实施例中，基于历史运行信息判断能源供应参数与各能源设备之间的关联度，并根据历史运行信息与气候变化状况预测未来时间段内电力需求量包括：
10、基于历史运行信息获取能源供应事件的需求参数与负荷参数，并将需求参数与负荷参数作为影响能源供应事件的能源供应参数；
11、获取在历史运行过程中各能源设备的出力参数，并将能源供应参数作为因序列，出力参数作为果序列组成关联矩阵；
12、基于关联矩阵对因序列与果序列进行灰色关联分析获得果序列与能源供应事件之间的关联权重，并根据关联权重判断能源供应参数与各能源设备之间的关联度；
13、获取在能源供应范围内未来时间段内的气象数据，并以气象数据与负荷参数为基础构建需求量预测模型预测未来时间段内电力需求量。
14、在一个实施例中，基于关联矩阵对因序列与果序列进行灰色关联分析获得果序列与能源供应事件之间的关联权重，并根据关联权重判断能源供应参数与各能源设备之间的关联度包括：
15、对关联矩阵实施纲化处理得到归一矩阵，并根据归一矩阵判断果序列与对应项因序列的最小差值和最大差值；
16、根据最小差值和最大差值对应的差值结果衡量果序列与因序列之间相关性，并基于衡量结果分析果序列与因序列之间的关联系数；
17、以关联系数为基础分析果序列与因序列之间的初步关联度，并根据初步关联度与关联矩阵判断果序列与因序列的关联权重；
18、基于关联权重与关联矩阵分析果序列与能源供应事件之间的二次关联度，并根据二次关联度确定各能源供应参数与各能源设备之间的关联度序列。
19、在一个实施例中，以关联系数为基础分析果序列与因序列之间的初步关联度，并根据初步关联度与关联矩阵判断果序列与因序列的关联权重包括：
20、以关联系数为基础结合因果分析技术确定因序列与果序列之间的初步关联度，并根据初步关联度确定最优果序列和最劣果序列；
21、根据最优果序列和最劣果序列确定直接参数和间接参数，并基于果序列与直接参数确定各参数点与直接参数的第一间距；
22、基于果序列与间接因素确定各参数点与间接参数的第二间距，并以第一间距与第二间距定义综合评价因数；
23、根据综合评价因数确定果序列与因序列之间的关联权重，并基于关联权重反映出力参数对能源供应事件的贡献程度。
24、在一个实施例中，关联权重的计算公式为：
25、；
26、；
27、式中，rr表示果序列与因序列之间的关联权重，er表示综合评价因数，r表示能源供应参数点，m表示能源供应参数的总个数，α表示偏置，tr2表示第r个能源供应参数点的第二间距，tr1表示第r个能源供应参数点的第一间距。
28、在一个实施例中，获取在能源供应范围内未来时间段内的气象数据，并以气象数据与负荷参数为基础构建需求量预测模型预测未来时间段内电力需求量包括：
29、采集在能源供应范围内未来时间段内的气象数据，并对气象数据实施预处理操作，同时采用随机森林技术对影响电力需求量的气象因素进行筛选；
30、基于气象因素从预处理后的气象数据选取训练集，并采用麻雀搜寻技术优化最小二乘向量机对应的参数信息确定需求量预测模型的初始结构；
31、利用训练集对初始结构实施训练操作，并根据训练结果引入非线性离散映射调整初始结构内各节点的分布均匀性与超参数信息确定需求量预测模型；
32、将气象因素对应的气象数据作为需求量预测模型的输入、电力需求量为需求量预测模型的输出预测模型预测未来时间段内电力需求量。
33、在一个实施例中，以实时能源状态为基础，结合电力需求量与关联度结果初次管理电力能源群体内各能源设备的能源供应状况包括：
34、从电力能源群体处获取实时能源状态，并从实施能源状态处提取各能源设备的运行状态与产能量，同时获取能源供应范围内的用电价格；
35、基于运行状态、产能量与用电价格构建能源供应分配模型，并结合电力需求量与关联度结果生成能源供应分配模型的目标函数与约束条件；
36、基于寻优方法对能源供应分配模型进行求解，生成最优能源供应分配方案，并将最优能源供应分配方案转化为能源设备的控制指令。
37、在一个实施例中，能源供应分配模型的目标函数的表达式为：
38、；
39、式中，mint（a,b,c）表示目标函数，a、b、c分别表示运行状态、产能量及用电价格，yn表示第n个能源设备的能量消耗，p表示权值，bn表示第n个能源设备的产能量，coqc表示本文档来自技高网...
【技术保护点】
1.一种基于电力能源群体的能源管理方法，其特征在于，该能源管理方法包括：
2.根据权利要求1所述的基于电力能源群体的能源管理方法，其特征在于，所述基于历史运行信息判断能源供应参数与各能源设备之间的关联度，并根据历史运行信息与气候变化状况预测未来时间段内电力需求量包括：
3.根据权利要求2所述的基于电力能源群体的能源管理方法，其特征在于，所述基于关联矩阵对因序列与果序列进行灰色关联分析获得果序列与能源供应事件之间的关联权重，并根据关联权重判断能源供应参数与各能源设备之间的关联度包括：
4.根据权利要求3所述的基于电力能源群体的能源管理方法，其特征在于，所述以关联系数为基础分析果序列与因序列之间的初步关联度，并根据初步关联度与关联矩阵判断果序列与因序列的关联权重包括：
5.根据权利要求4所述的基于电力能源群体的能源管理方法，其特征在于，所述关联权重的计算公式为：
6.根据权利要求5所述的基于电力能源群体的能源管理方法，其特征在于，所述获取在能源供应范围内未来时间段内的气象数据，并以气象数据与负荷参数为基础构建需求量预测模型预
7.根据权利要求6所述的基于电力能源群体的能源管理方法，其特征在于，所述以实时能源状态为基础，结合电力需求量与关联度结果初次管理电力能源群体内各能源设备的能源供应状况包括：
8.根据权利要求7所述的基于电力能源群体的能源管理方法，其特征在于，所述能源供应分配模型的目标函数的表达式为：
9.根据权利要求8所述的基于电力能源群体的能源管理方法，其特征在于，所述能源供应分配模型的目标函数与约束条件包括供需平衡约束、设备容量约束、经济成本约束及调度时间约束。
10.一种基于电力能源群体的能源管理系统，其特征在于，所述能源管理系统包括：
...【技术特征摘要】
1.一种基于电力能源群体的能源管理方法，其特征在于，该能源管理方法包括：
2.根据权利要求1所述的基于电力能源群体的能源管理方法，其特征在于，所述基于历史运行信息判断能源供应参数与各能源设备之间的关联度，并根据历史运行信息与气候变化状况预测未来时间段内电力需求量包括：
3.根据权利要求2所述的基于电力能源群体的能源管理方法，其特征在于，所述基于关联矩阵对因序列与果序列进行灰色关联分析获得果序列与能源供应事件之间的关联权重，并根据关联权重判断能源供应参数与各能源设备之间的关联度包括：
4.根据权利要求3所述的基于电力能源群体的能源管理方法，其特征在于，所述以关联系数为基础分析果序列与因序列之间的初步关联度，并根据初步关联度与关联矩阵判断果序列与因序列的关联权重包括：
5.根据权利要求4所述的基于电力能源群体的能源管理方法，其特征在于，所述关联权重的...
【专利技术属性】
技术研发人员：王庆书，徐品，康磊，胡向前，钱凯，李涛，曹龙，付双，张永才，贾云伟，余闻甫，李文韬，
申请(专利权)人：华电云南新能源发电有限公司，
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。