申请/专利权人：南京林业大学

申请日：2023-09-21

公开（公告）日：2024-07-09

公开（公告）号：CN117455033B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/0631;G06Q50/06;G06N7/01;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.07.09#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明公开了一种基于信息融合的双段式综合能源系统优化方法，包括：建立综合能源系统中不确定因素的模型，采用蒙特卡洛模拟法随机生成若干场景，计算抽样获取的场景的燃料成本和碳排放量；以燃料成本和碳排放量为优化目标，采用NSGA‑Ⅱ算法进行多目标优化求解；将燃料成本、碳排放量以及风电渗透率作为评价指标，确定候选控制方案在不同评价指标下的不同评价等级的置信度；采用信息融合方法计算每个候选控制方案在不同评价等级下的总置信度和总不确定置信度；计算每个候选控制方案的平均效用值，得到最优的候选控制方案。本发明优化方法削弱了不确定因素的影响，保证系统运行的经济性、环保性以及能效性，选出了系统最佳的运行方案。

主权项：1.一种基于信息融合的双段式综合能源系统优化方法，其特征在于，包括：第一阶段：步骤1：确定综合能源系统中电力系统中发电机组和风电机组所在节点位置；步骤2：建立综合能源系统中不确定因素的模型，根据模型并采用蒙特卡洛模拟法随机生成若干个场景，对若干个场景进行抽样，计算抽样获取的每个场景下的燃料成本和碳排放量；具体为：不确定因素包括风速和负荷，分别建立风速和负荷的模型，进而确定风速的概率密度函数和负荷的概率密度函数；根据概率密度函数并采用蒙特卡洛模拟法随机生成风速的随机数序列以及负荷的随机数序列，进而随机生成若干个场景，对若干个场景进行抽样，计算抽样获取的每个场景下系统的燃料成本和碳排放量；步骤3：以燃料成本和碳排放量为优化目标，采用NSGA-Ⅱ算法进行多目标优化求解，得到帕累托前解，进而获得多个候选控制方案，根据多个候选控制方案下的燃料成本和碳排放量，确定每个候选控制方案下发电机的有功功率；第二阶段：步骤4：将燃料成本、碳排放量以及风电渗透率作为评价指标，确定候选控制方案在不同评价指标下的不同评价等级的置信度；步骤5：根据评价指标的权重系数以及步骤4得到的置信度，并采用信息融合方法计算每个候选控制方案在不同评价等级下的总置信度以及每个候选控制方案的总不确定置信度；步骤6：采用效用分析法并根据步骤5得到的总置信度以及总不确定置信度计算每个候选控制方案的最大效用值和最小效用值，进而计算平均效用值，根据每个候选控制方案对应的平均效用值的大小对候选控制方案进行优劣排序，得到最优的候选控制方案下发电机的有功功率。

全文数据：

权利要求：

百度查询： 南京林业大学 基于信息融合的双段式综合能源系统优化方法

免责声明 1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。 2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。