基于综合能源系统的物流模型优化方法和系统与流程

1.本发明涉及电气技术领域，特别涉及一种基于综合能源系统的物流模型优化方法和系统。


背景技术：

2.近年来，我国越来越重视对综合能源资源的开发和利用。海岛综合能源系统丰富的资源能够为海岛居民提供能源供应，提高居民生活水平。
3.当前海岛综合能源系统的主要资源补给方式为通过货轮从大陆向远洋海岛进行货物(燃油、蔬菜、生活用品)补给。在运输过程中，货船的补给周期与数量必须满足使海岛综合能源系统的燃油储备、生活物资储备等处于供给平衡状态，且留有一定的裕度。除此之外，它还受到气候条件、离岸价格等因素的影响。
4.因此，提供一种基于模型预测的综合能源系统物流优化方法和系统，以期提升海岛物流供给的可靠性与经济性，就成为本领域技术人员亟待解决的问题。


技术实现要素：

5.本发明实施例提供了一种基于模型预测的综合能源系统物流优化方法和系统，以至少部分解决现有海岛物流供给可靠性和经济性较差的问题。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，以此作为后面的详细说明的序言。
6.根据本发明实施例的第一方面，提供了一种基于综合能源系统的物流模型优化方法，所述方法包括：
7.获取目标区域的气候特征数据和历史物流数据；
8.基于气候特征数据和历史物流数据建立调度周期内的物流预测模型；
9.将所述调度周期划分为多个子周期，并基于时间窗在各子周期中依次滚动优化所述物流预测模型，以得到中间优化模型；
10.将物流成本作为约束条件对所述中间优化模型进行优化，以得到最终优化模型。
11.进一步地，所述调度周期为一年，所述物流预测模型为年物流调度优化模型，通过所述年物流调度优化模型输出年物流调度结果；
12.所述子周期包括每个季度和每个月，所述基于时间窗在各子周期中依次滚动优化所述年物流调度优化模型，以得到中间优化模型，具体包括：
13.设定第一时间窗，并以所述第一时间窗构建季度物流滚动优化模型，通过所述季度物流滚动优化模型对所述物流预测模型进行一次优化；
14.设定第二时间窗，并以所述第二时间窗构建月度物流滚动优化模型，通过所述月度物流滚动优化模型对所述物流预测模型进行二次优化。
15.进一步地，基于气候特征数据和历史物流数据建立调度周期内的物流预测模型，
具体包括：
16.以全年总物流成本最低作为约束条件，建立如下目标函数：
17.obj＝min(l1 l2 l3)
18.其中，l1为原料购买费用；
19.l2为货船的租赁维护费用；
20.l3为目标区域内的物资存储成本。
21.进一步地，利用以下公式计算所述原料购买费用l1：
[0022][0023]
其中，t为调度周期；
[0024]
λ1(t)为t时刻的燃料价格；
[0025]
pc(t)为t时刻购买的燃油量。
[0026]
进一步地，利用以下公式计算目标区域内的物资存储成本l3：
[0027][0028]
其中，q(t)为海岛上的油库在t时刻的燃料存储量；
[0029]
λ2为油库单位油量的存储价格；
[0030]
c1为燃油固定存储成本。
[0031]
进一步地，所述季度物流滚动优化模型为：
[0032]
q(t γ)＝q
*
(t γ),t＝0,1,2,...,t-γ
[0033]
其中，γ为所述第一时间窗；
[0034]q*
(t),t＝1,2,...,t为物流预测模型中的燃油存储优化结果。
[0035]
进一步地，利用所述季度物流滚动优化模型，进行一次优化具体包括：
[0036]
采用滚动优化的方式进行所述一次优化；
[0037]
第一次滚动优化时，所述第一时间窗的优化范围为t＝1,2,...,γ-1,γ，且满足q(γ)＝q
*
(γ)，并得到t＝1,2,...,γ-1,γ尺度下各决策变量的结果，且将t＝1的决策变量优化结果覆盖年物流调度优化模型中t＝1时的优化结果；
[0038]
所述第一时间窗向后推移预设步数，并开始第二次优化，将第二次优化结果作为覆盖值，对t＝2时的年物流调度结果进行覆盖；
[0039]
以此类推，分别完成对t＝3,...,t-γ时刻的年物流调度结果的修正；
[0040]
最后一次滚动优化时，所述第一时间窗的优化范围为t＝t-γ＝1,t-γ 2,...,t-1,t，且满足q(t)＝q
*
(t)，经过优化后，得到t＝t-γ＝1,t-γ 2,...,t-1,t尺度下各决策变量的结果，此时将结果滚动优化的结果完全覆盖年物流优化调度结果，所述第一时间窗不再后移，结束一次优化。
[0041]
进一步地，所述月度滚动模型为：
[0042][0043]
其中，φ为第二时间窗；
[0044]
为季物流调度中的燃油存储优化结果。
[0045]
进一步地，将物流成本作为约束条件包括货船充放燃油量守恒约束条件，根据以下公式得到货船充放燃油量守恒约束条件：
[0046][0047][0048]
其中，pc(t)为购油量或充油量，pd(t)为燃油卸载量，为预设时段内的最大燃油装载量，为预设时段内的最大燃油卸载量，i
11
(t)表示货船在大陆时的状态，i
nn
(t)表示货船在海岛时的状态。
[0049]
进一步地，将物流成本作为约束条件包括货船航行约束条件，根据以下公式得到货船航行约束条件：
[0050]
pv(t)＝uv(t)
·
(e(t) e0)
[0051]
其中，pv(t)为航行过程中某一时刻t的燃料消耗量；
[0052]
e(t)为货船在t时刻的燃油装载量；
[0053]
e0为货船自身的固定重量；
[0054]
uv(t)为航行标志位。
[0055]
进一步地，将物流成本作为约束条件包括货船储油量平衡约束条件，根据以下公式得到货船储油量平衡约束条件：
[0056]
e(t)＝e(t-1) pc(t)-pd(t)
[0057]
e(0)＝e(t)
[0058][0059]
其中，e
max
为货船的最大载货量；
[0060]
e(t)为货船在t时刻的燃油装载量；
[0061]
e(t-1)为货船在t-1时刻的燃油装载量；
[0062]
pc(t)为购油量或充油量；
[0063]
pd(t)为燃油卸载量。
[0064]
进一步地，将物流成本作为约束条件包括货船的时空序列一致性约束条件，货船的时空序列一致性约束条件包括以下至少一者：
[0065]
任意时刻状态唯一性约束条件；
[0066]
空间状态连续性约束条件，所述空间状态连续性约束条件包括起航约束条件、返航约束条件、初始状态约束条件和末尾状态约束条件。
[0067]
进一步地，将物流成本作为约束条件包括海岛燃油供给平衡约束条件，根据以下公式得到海岛燃油供给平衡约束条件：
[0068]
q(t)＝q(t-1) pd(t)-p
load
(t)
[0069]
q(0)＝q(t1)
[0070][0071]
其中，q(t)为t时刻海岛上的燃油库存量；
[0072]
q(t-1)为t-1时刻海岛上的燃油库存量；
[0073]
pd(t)为货船t时刻在目标海岛处的燃油卸载量；
[0074]
p
load
(t)为t时刻在目标海岛处的燃油消耗量；
[0075]qmin
表示海岛最小燃油库存量；
[0076]qmax
表示海岛最大燃油库存量。。
[0077]
根据本发明实施例的第二方面，提供了一种基于综合能源系统的物流模型优化系统，用于实施如上所述的方法。
[0078]
在一些实施例中，所述系统包括：
[0079]
数据获取单元，用于获取目标区域的气候特征数据和历史物流数据；
[0080]
模型构建单元，用于基于气候特征数据和历史物流数据建立调度周期内的物流预测模型；
[0081]
第一模型优化单元，用于将所述调度周期划分为多个子周期，并基于时间窗在各子周期中依次滚动优化所述物流预测模型，以得到中间优化模型；
[0082]
第二模型优化单元，用于将物流成本作为约束条件对所述中间优化模型进行优化，以得到最终优化模型。
[0083]
根据本发明实施例的第三方面，提供了一种计算机设备。
[0084]
在一些实施例中，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0085]
根据本发明实施例的第四方面，提供了一种计算机可读存储介质。
[0086]
在一些实施例中，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权上所述的方法。
[0087]
本发明实施例提供的技术方案可以包括以下有益效果：
[0088]
本发明所提供的基于综合能源系统的物流模型优化方法，通过将不同跨度子周期作为约束条件，对构建的物流预测模型进行滚动优化，并将将物流成本作为进一步的约束条件对滚动优化后的模型进行再次优化，以得到最终优化模型，使得最终优化模型具有较高的准确性，并保证了模型输出结果具有较高的经济适用性。从而解决了现有海岛物流供给可靠性和经济性较差的问题。
[0089]
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
[0090]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
[0091]
图1为本发明所提供的物流模型优化方法一种具体实施方式的流程图；
[0092]
图2为季度调度mpc运行原理示意图；
[0093]
图3为年-季-月海岛综合能源系统物流调度计划示意图；
[0094]
图4为一个实施例中船舶航行示意图；
[0095]
图5为图4所述实施例中海岛燃油存储量变化规律示意图；
[0096]
图6为图4所述实施例中海岛燃油存储量变化规律示意图；
[0097]
图7为本发明所提供的物流模型优化系统一种具体实施方式的结构框图；
[0098]
图8为本发明所提供的计算机设备的结构图。
具体实施方式
[0099]
以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来，而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素，反之亦然。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的结构、装置或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种结构、装置或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的结构、装置或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0100]
本文中的术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本文和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本文的描述中，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0101]
本文中，除非另有说明，术语“多个”表示两个或两个以上。
[0102]
本文中，字符“/”表示前后对象是一种“或”的关系。例如，a/b表示：a或b。
[0103]
本文中，术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，a和/或b，表示：a或b，或，a和b这三种关系。
[0104]
在海岛资源补给时，为了提高物流供给预测的可靠性和经济性，本发明提供了一种基于综合能源系统的物流模型优化方法，以期通过制定合理的海岛综合能源系统物流规划优化方法及供给策略，提升海岛物流供给的可靠性与经济性。
[0105]
请参考图1，图1为本发明所提供的物流模型优化方法一种具体实施方式的流程图。
[0106]
在一种具体实施方式中，本发明所提供的基于综合能源系统的物流模型优化方法包括以下步骤：
[0107]
s1：获取目标区域的气候特征数据和历史物流数据；基于海岛综合能源系统的气候特征以及历史物流数据，可以对未来一段时间形成的调度周期的物资需求和自然条件进行预测。在实际使用中，调度周期可以为年度、季度或者月度，也可以根据需要设置为更长时间或更短时间。为了便于描述，且便于与实际使用情况契合，本实施例以一年作为一个调度周期为例。
[0108]
在一些使用场景中，设调度周期t为一年。在该场景下，对未来一年内系统的资源
储备与需求预测的数据和大陆物资离岸价预测的数据为基础，以全年总物流成本(购买 运输)最低为目标，结合船舶的运输能力与海岛资源储备要求，进行全局优化。
[0109]
当调度周期设定为一年时，以全年总物流成本最低作为约束条件，建立如下目标函数：
[0110]
obj＝min(l1 l2 l3)
ꢀꢀꢀ
公式(1)
[0111]
其中，l1为原料购买费用；
[0112]
l2为货船的租赁维护费用；
[0113]
l3为目标区域内的物资存储成本。
[0114]
在上述公式(1)中，利用公式(2)计算所述原料购买费用l1：
[0115][0116]
其中，t为调度周期；
[0117]
λ1(t)为t时刻的燃料价格；
[0118]
pc(t)为t时刻购买的燃油量。
[0119]
在公式(1)中，l2为货船的租赁维护费用(常数)，l3为海岛上的物资存储成本。存储成本l3是企业为了保持存货而发生的成本，如仓储费用、搬运费用、保险费、占用资金的利息等。存储成本l3可以分为变动成本和固定成本两部分：
[0120][0121]
其中，q(t)为海岛上的油库在t时刻的燃料存储量；
[0122]
λ2为油库单位油量的存储价格；
[0123]
c1为燃油固定存储成本。
[0124]
s2：基于气候特征数据和历史物流数据建立调度周期内的物流预测模型。结合预测数据，以全年系统物流成本最低为目标可以大致地规划出未来一年内的物流计划。
[0125]
在上述步骤中，可以通过年度的物流预测模型对年度物流进行大致规划，
[0126]
但是，通过年全局优化来制定物流调度策略具有较高的经济性。然而，由于时间尺度较大，燃油需求与价格等因素的预测精度较低，使得物流计划往往无法在实际情况中很好的执行。为了提升海岛综合能源系统物流计划的可行性和准确性，可以将调度周期细分为跨度依次递减的多个子周期。
[0127]
s3：将所述调度周期划分为多个子周期，并基于时间窗在各子周期中依次滚动优化所述物流预测模型，以得到中间优化模型。
[0128]
仍以上述使用场景为例，当调度周期为年度时，即上述物流预测模型为年物流调度优化模型，通过所述年物流调度优化模型输出年物流调度结果，此时，所述子周期包括每个季度和每个月，所述基于时间窗在各子周期中依次滚动优化所述年物流调度优化模型，以得到中间优化模型，具体包括：
[0129]
设定第一时间窗，并以所述第一时间窗构建季度物流滚动优化模型，通过所述季度物流滚动优化模型对所述物流预测模型进行一次优化；
[0130]
设定第二时间窗，并以所述第二时间窗构建月度物流滚动优化模型，通过所述月
度物流滚动优化模型对所述物流预测模型进行二次优化。
[0131]
这样，通过上述步骤，实现了在年全局优化的基础上，利用模型预测控制理论(model predictive control，mpc)，进行物流季、月滚动优化，以便通过滚动优化的方式，实现模型的一次优化。
[0132]
从原理上来讲，基于mpc建模方法，海岛综合能源系统物流调度年-季-月的mpc运行原理如图2所示(以季调度为例进行说明)。图2中t时段所在方格的输入数据是实际的系统数据，用于决定实际的运行策略；其他时段所在方格的输入数据是对于系统的预测值，用于参与优化辅助决策同一行的t时段所在方格数据，其他时段所在方格的输出数据并不作为系统实际控制参数使用；箭头用于记录在每个t时段结束时系统的状态，并作为下一次优化的初始数据。结合对于未来n个时间段的气候条件、燃油价格、海岛燃油需求等因素的预测，以及当前t时段的船舶与海岛资源储备状态，优化出t至t n时间段的物流调度计划。但实际上只执行所优化出的t时间段的策略。在接下来的每一时间段，再次重复上述过程，滚动优化出每个时间段的控制策略。
[0133]
在季、月的mpc控制中，分别引入来自上一层物流调度计划的输出指令，从而保证最终的物流调度计划兼具较高可行性和经济性，具体如图3所示。
[0134]
基于上述mpc控制原理，所述季度物流滚动优化模型为：
[0135]
q(t γ)＝q
*
(t γ),t＝0,1,2,...,t-γ
ꢀꢀꢀ
公式(4)
[0136]
其中，γ为所述第一时间窗；
[0137]q*
(t),t＝1,2,...,t为物流预测模型中的燃油存储优化结果。
[0138]
也就是说，当以时间窗为γ构建季物流调度滚动优化模型时，季调度滚动优化过程以年调度结果中的海岛上的燃油存储为参考。采用q
*
(t),t＝1,2,...,t来表示年物流调度中的燃油存储优化结果，为季调度中的海岛燃油存储提供指导，则满足上述公式(4)。
[0139]
进一步地，利用所述季度物流滚动优化模型，进行一次优化具体包括：
[0140]
采用滚动优化的方式进行所述一次优化；
[0141]
第一次滚动优化时，所述第一时间窗的优化范围为t＝1,2,...,γ-1,γ，且满足q(γ)＝q
*
(γ)，并得到t＝1,2,...,γ-1,γ尺度下各决策变量的结果，且将t＝1的决策变量优化结果覆盖年物流调度优化模型中t＝1时的优化结果；
[0142]
所述第一时间窗向后推移预设步数，并开始第二次优化，将第二次优化结果作为覆盖值，对t＝2时的年物流调度结果进行覆盖；
[0143]
以此类推，分别完成对t＝3,...,t-γ时刻的年物流调度结果的修正；
[0144]
最后一次滚动优化时，所述第一时间窗的优化范围为t＝t-γ＝1,t-γ 2,...,t-1,t，且满足q(t)＝q
*
(t)，经过优化后，得到t＝t-γ＝1,t-γ 2,...,t-1,t尺度下各决策变量的结果，此时将结果滚动优化的结果完全覆盖年物流优化调度结果，所述第一时间窗不再后移，结束一次优化。
[0145]
在月物流调度滚动优化模型中，时间窗设为φ，月物流调度滚动优化模型以季物流调度滚动优化模型的结果作为参考。采用来表示季物流调度中的燃油存储优化结果。
[0146]
由于在年调度计划和季调度计划中都以总成本最低为目标进行优化，在月物流调度计划中，较短时间尺度内的调度计划已经具有很好的经济性，然而物资在短时间尺度内
的平衡却较难实现，因此在月物流调度计划中，以海岛实际物资存储量与预测的物资存储量偏差最小为目标进行滚动优化调度。
[0147]
所述月度滚动模型为：
[0148][0149]
其中，φ为第二时间窗；为季物流调度中的燃油存储优化结果。详细的滚动优化过程与季度滚动优化过程类似，需滚动t-φ 1次，约束条件相同。
[0150]
基于上述年-季-月三层物流调度模型，在一些实施例中，本发明所提供的方法将调度周期内物流成本最为约束条件，以得到更有的物流供给策略。
[0151]
s4：将物流成本作为约束条件对所述中间优化模型进行优化，以得到最终优化模型。
[0152]
具体地，将物流成本作为约束条件包括货船充放燃油量守恒约束条件，根据以下公式得到货船充放燃油量守恒约束条件：
[0153][0154][0155]
其中，pc(t)为购油量或充油量，pd(t)为燃油卸载量，为预设时段内的最大燃油装载量，为预设时段内的最大燃油卸载量，i
11
(t)和i
nn
(t)均为状态变量，其中，i
11
(t)表示货船在大陆1时的状态，i
nn
(t)表示货船在海岛2时的状态。
[0156]
将物流成本作为约束条件包括货船航行约束条件，根据以下公式得到货船航行约束条件：
[0157]
pv(t)＝uv(t)
·
(e(t) e0)
ꢀꢀꢀ
公式(8)
[0158]
其中，pv(t)为航行过程中某一时刻t的燃料消耗量；
[0159]
e(t)为货船在t时刻的燃油装载量；
[0160]
e0为货船自身的固定重量；
[0161]
uv(t)为航行标志位。
[0162]
在船的航速与设计参数一定时，pv(t)与船的载重e(t) e0大致呈公式(8)所示的线性关系。
[0163]
由于考虑货船在恒功率模式下行驶，且货船吨位较小，燃油消耗较少，因此不考虑将货船的燃油消耗计入物流运输的燃油储备中，则：
[0164][0165]
具体地，该公式(9)是变量对uv(t)的定义，uv(t)是航行标志位，代表船在t时刻处于航行的过程中。采用0-1状态变量i
ij i,j∈n来表示货船在某一时刻的状态，当i
11
(t)＝1代表船在大陆1停泊，i
11
(t)＝0则代表此时货船不在此状态；同理，当i
ij
(t)＝1代表船在此时在第ij段航路上行驶，i
ij
(t)＝0则代表此时货船不在此航路行驶。
[0166]
进一步地，将物流成本作为约束条件包括货船储油量平衡约束条件，根据以下公
式得到货船储油量平衡约束条件：
[0167]
e(t)＝e(t-1) pc(t)-pd(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(10)
[0168]
e(0)＝e(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(11)
[0169][0170]
其中，e
max
为货船的最大载货量；
[0171]
e(t)为货船在t时刻的燃油装载量；
[0172]
e(t-1)为货船在t-1时刻的燃油装载量；
[0173]
pc(t)为购油量或充油量；
[0174]
pd(t)为燃油卸载量。
[0175]
公式(11)的含义为货船初始时刻储油量与终止时刻储油量相同。
[0176]
进一步地，将物流成本作为约束条件包括货船的时空序列一致性约束条件，货船的时空序列一致性约束条件包括以下至少一者：
[0177]
任意时刻状态唯一性约束条件，其通过以下公式获得：
[0178][0179]
该公式(13)的意义为任意时刻的唯一性，即货船在某一时刻只能处于某一位置，不会同时出现在多个位置。采用0-1状态变量i
ij i,j∈n来表示货船在某一时刻的状态，当i
11
(t)＝1代表船在大陆1停泊，i
11
(t)＝0则代表此时货船不在此状态；同理，当i
ij
(t)＝1代表船在此时在第ij段航路上行驶，i
ij
(t)＝0则代表此时货船不在此航路行驶。
[0180]
空间状态连续性约束条件，所述空间状态连续性约束条件包括起航约束条件、返航约束条件、初始状态约束条件和末尾状态约束条件。
[0181]
其中，起航约束条件为：
[0182][0183]
返航约束条件为：
[0184][0185]
初始状态约束条件为：
[0186][0187]
末尾状态约束条件为：
[0188][0189]
考虑船舶采用恒功率模式行驶，岛际转移时间主要由航程决定，如图4所示，在上述公式(14)-(17)中，大陆至岛屿之间的航程被等分为n-1段，采用0-1状态变量i
ij i,j∈n来表示货船在某一时刻的状态，当i
11
(t)＝1代表船在大陆1停泊，i
11
(t)＝0则代表此时货船不在此状态；同理，当i
ij
(t)＝1代表船在此时在第ij段航路上行驶，i
ij
(t)＝0则代表此时货船不在此航路行驶。
[0190]
进一步地，将物流成本作为约束条件包括海岛燃油供给平衡约束条件，根据以下公式得到海岛燃油供给平衡约束条件：
[0191]
q(t)＝q(t-1) pd(t)-p
load
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(18)
[0192]
q(0)＝q(t1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(19)
[0193][0194]
其中，q(t)为t时刻海岛上的燃油库存量；
[0195]
q(t-1)为t-1时刻海岛上的燃油库存量；
[0196]
pd(t)为货船t时刻在目标海岛处的燃油卸载量；
[0197]
p
load
(t)为t时刻在目标海岛处的燃油消耗量；
[0198]qmin
表示海岛最小燃油库存量；
[0199]qmax
表示海岛最大燃油库存量。
[0200]
公式(19)的含义为，海岛初始时刻的燃油库存量与终止时刻的燃油库存量相同。
[0201]
下面结合一个具体的实施例，论述该方法的实施过程和效果对比。
[0202]
运行成本结果如表1所示，可以看出，在该海岛物流调度策略下，总物流成本为$1,723,364，其中，货船租赁费用$56,000。由于本仿真并未将货船在航行过程中的燃料消耗考虑在燃油的物流调度中，因此实际的物流运输总成本应当略高于计算得出的物流运输总成本。
[0203]
表1年-季-月物流调度计划经济性指标
[0204]
参数数值参数数值年租赁次数(次)4货船租赁费用($)56,000年燃油购买费用($)1,667,364总物流运输成本($)1,723,364
[0205]
各方案经济性对比如下：
[0206]
通过分析现有的海岛物流补给模式，计算其经济性指标，进一步体现所提调度策略的优越性。
[0207]
1)方案一：定期补给
[0208]
考虑货船定期向海岛运输燃油以满足海岛燃油需求的情况。根据测算，海岛全年燃油消耗量约为4640吨，货船最大载重量为1600吨。考虑到海岛燃油库存的最低备用容量以及燃油负荷分布的不均匀性，货船在一年之中最小出行次数规定为4次，并制定如下货船
的补给计划：大陆(2月25号)
→
远洋海岛(3月1号)
→
大陆(3月6号)，大陆(5月27号)
→
远洋海岛(6月1号)
→
大陆(6月6号)，大陆(8月27号)
→
远洋海岛(9月1号)
→
大陆(9月6号)，大陆(11月27)
→
远洋海岛(12月1号)
→
大陆(12月6号)
[0209]
通过计算得到该策略下的海岛年燃油储备变化规律如图5所示，经济性指标如表2所示：
[0210]
表2定期补给物流调度计划经济性指标
[0211]
参数数值参数数值年租赁次数(次)4货船租赁费用($)56,000年燃油购买费用($)1,961,063总物流运输成本($)2,017,063
[0212]
2)方案二：定量补给
[0213]
除了制定定期海岛物流调度计划外，定量模式的物流调度计划也是较为常见的补给方式之一。考虑海岛上的燃油库存占比低于某一特定水平时(以20％为例)货船以最大装载量进行燃油补给的情况。通过计算，得到相应的海岛燃油库存变化规律如图6所示。
[0214]
该模式下，货船的补给计划为：大陆(3月15号)
→
远洋海岛(3月20号)
→
大陆(3月25号)，大陆(9月5号)
→
远洋海岛(9月10号)
→
大陆(9月15号)，大陆(12月10号)
→
远洋海岛(12月15号)
→
大陆(12月20号)。
[0215]
经济性指标分析如表3：
[0216]
表3定量补给物流调度计划经济性指标
[0217]
参数数值参数数值年租赁次数(次)3货船租赁费用($)42,000年燃油购买费用($)1,904,954总物流运输成本($)1,946,954
[0218]
通过对比可以发现，在方案一、方案二下的物流调度计划中，总的物流运输成本($2,017,063、$1,946,954)均高于所提策略下的物流成本($1,723,364)，进一步证明所提出的海岛综合能源系统物流运输策略具有较高的经济效益，在实际运用中能够发挥一定的指导作用。
[0219]
由此可见，本发明所提供的基于综合能源系统的物流模型优化方法，通过将不同跨度子周期作为约束条件，对构建的物流预测模型进行滚动优化，并将将物流成本作为进一步的约束条件对滚动优化后的模型进行再次优化，以得到最终优化模型，使得最终优化模型具有较高的准确性，并保证了模型输出结果具有较高的经济适用性。从而解决了现有海岛物流供给可靠性和经济性较差的问题。
[0220]
根据本发明实施例的第二方面，提供了一种基于综合能源系统的物流模型优化系统，用于实施如上所述的方法。
[0221]
在一些实施例中，如图7所示，所述系统包括：
[0222]
数据获取单元100，用于获取目标区域的气候特征数据和历史物流数据；
[0223]
模型构建单元200，用于基于气候特征数据和历史物流数据建立调度周期内的物流预测模型；
[0224]
第一模型优化单元300，用于将所述调度周期划分为多个子周期，并基于时间窗在各子周期中依次滚动优化所述物流预测模型，以得到中间优化模型；
[0225]
第二模型优化单元400，用于将物流成本作为约束条件对所述中间优化模型进行
优化，以得到最终优化模型。
[0226]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和模型预测。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的模型预测用于存储静态信息和动态信息数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法实施例中的步骤。
[0227]
本领域技术人员可以理解，图8中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0228]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的步骤。
[0229]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的步骤。
[0230]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、模型预测或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0231]
本发明并不局限于上面已经描述并在附图中示出的结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。