综合能源调度方法、装置、电子设备及存储介质与流程

1.本发明涉及综合能源技术领域，尤其涉及一种综合能源调度方法、装置、电子设备及存储介质。


背景技术：

2.随着分布式发电供能技术，能源系统监视、控制和管理技术，以及新的能源交易方式的快速发展和广泛应用，综合能源管理系统(集成的供电/供气/供暖/供冷/供水等能源系统)近年来在欧美各国迅速发展，引发了能源管理及服务系统的深度变革，成为各国新的战略竞争和合作的焦点。综合能源系统在供给侧包含了多种多样的能源形式。其中基本聚集了水、电、热、气等不同特性的物质和能源。同样地，在需求侧也不是单一的能源需求。由于供给侧和需求侧的多样性变化，给整个综合能源系统的生产、存储、调度、消费等每个环节都提出了更高的要求。
3.目前，在能源调度中，通常使用模拟退火算法、遗传算法及狼群算法等。其中，模拟退火算法、遗传算法性能过低，狼群算法作为一种新兴的元启发式算法，可以应用于优化综合能源调度问题。狼群算法目前在图像处理、网络入侵检测和路径规划等方面都有所应用。但是，对于综合能源调度问题的规模增大而导致的狼群算法容易陷入局部最优，不能很好的提升综合能源系统效益。


技术实现要素：

4.本发明提供一种综合能源调度方法、装置、电子设备及存储介质，用以解决现有技术中不能准确实现能源调度的缺陷，实现综合能源的合理分配。
5.本发明提供一种综合能源调度方法，包括：
6.基于综合能源调度态势，建立能源调度评价函数；
7.根据综合能源系统所拥有的能源基地数目和能源用户数目，建立综合能源智能调度模型；
8.基于所述能源调度评价函数，获取样本效益值的能源调度比例；
9.将所述样本效益值的能源调度比例输入至所述综合能源智能调度模型，获取最高效益值的能源调度比例；
10.基于所述最高效益值的能源调度比例，进行综合能源分配。
11.根据本发明提供的一种综合能源调度方法，所述基于综合能源调度态势，建立能源调度评价函数，包括：
12.基于所述综合能源调度态势，确定每个能源用户的分配效益和能源需求紧缺程度；
13.基于所述分配效益和所述能源需求紧缺程度，建立所述能源调度评价函数。
14.根据本发明提供的一种综合能源调度方法，将所述样本效益值的能源调度比例输入至所述综合智能调度模型，获取最高效益值的能源调度比例，包括：
15.初始化自适应精英免疫狼群算法的参数，选择所述样本效益值能源调度比例作为头狼，选择除所述头狼外效益值最好的人工狼作为探狼；
16.筛选出所述头狼及多匹探狼，基于所述头狼的效益值与所述探狼的效益值，控制探狼进行游走；
17.所述头狼发起召唤行为，预设范围内的猛狼向所述头狼的位置靠近，并基于所述头狼的效益值与所述猛狼的效益值，控制所述猛狼的行为，其中，所述猛狼为除所述头狼外所有的人工狼；
18.所述猛狼对猎物进行围攻行为；
19.将所述围攻行为中产生最高效益值的人工狼更新为新头狼，并根据狼群更新机制，获取更新后的狼群；
20.获取狼群更新次数，若所述狼群更新次数大于预设次数，则根据所述新头狼，获取所述最高效益值的能源调度比例。
21.根据本发明提供的一种综合能源调度方法，在所述根据狼群更新机制，获取更新后的狼群之后，还包括：
22.将所述围攻行为产生的效益值从大到小进行排列，选取预设比例的人工狼作为精英狼；
23.随机选取所述精英狼进行克隆，生成新狼群；
24.对所述新狼群进行大规模变异行为，生成变异新狼群；
25.基于所述变异新狼群，得到调度效益值。
26.根据本发明提供的一种综合能源调度方法，所述头狼发起召唤行为，预设范围内的猛狼向所述头狼的位置靠近，并基于所述头狼的效益值与所述猛狼的效益值，控制所述猛狼的行为，包括：
27.所述头狼发起召唤行为，预设范围内的猛狼采用自适应奔袭步长向所述头狼的位置靠近；
28.若所述猛狼的效益值小于头狼的效益值，则控制所述猛狼向所述头狼靠近；
29.当检测到所述猛狼和所述头狼间的距离在预设距离内时，控制所述猛狼进行所述围攻行为。
30.根据本发明提供的一种综合能源调度方法，所述将所述围攻行为中产生最高效益值的人工狼更新为新的头狼，并根据狼群更新机制，获取更新后的狼群，包括：
31.将所述围攻行为中产生最高效益值的狼更新为新的头狼，并删除效益值最低的人工狼，同时随机生成相应数量的人工狼补充狼群。
32.本发明还提供一种综合能源调度装置，包括：
33.函数建立模块，用于综合能源调度态势，建立能源调度评价函数；
34.模型建立模块，用于根据综合能源系统所拥有的能源基地数目和能源用户的数目，建立综合能源智能调度模型；
35.样本生成模块，用于基于所述能源调度评价函数，获取样本效益值的能源调度比例；
36.模型训练模块，用于将所述样本效益值的能源调度比例输入至所述综合能源智能调度模型，获取最高效益值的能源调度比例；
37.能源分配模块，用于基于所述最高效益值的能源调度比例，进行综合能源分配。
38.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述综合能源调度方法的步骤。
39.本发明还提供一种非暂态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如上述任一种所述综合能源调度方法的步骤。
40.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述综合能源调度方法的步骤。
41.本发明提供的综合能源调度方法、装置、电子设备及存储介质，通过获取综合能源调度态势，建立能源调度评价函数，通过能源调度评价函数得到样本效益值能源调度比例，并通过将样本效益值能源调度比例输入至综合能源智能调度模型中，得到最优解，即最高效益值能源调度比例，根据获取到的最高效益值能源调度比例进行综合能源分配，能更好的提升综合能源系统效益，进行合理的综合能源分配。
附图说明
42.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1是本发明提供的综合能源调度方法的流程示意图；
44.图2是本发明提供的综合能源调度方法的综合能源调度示意图；
45.图3是本发明提供的综合能源调度方法的获取最佳效益值的流程示意图；
46.图4是本发明提供的综合能源调度装置的结构示意图；
47.图5是本发明提供的电子设备的结构示意图。
具体实施方式
48.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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所有其他实施例，都属于本发明保护的范围。
49.图1是本发明提供的综合能源调度方法的流程示意图，如图1所示，本发明提供了一种综合能源调度方法，其中执行主体可以为终端，如：计算机、车载终端等，该方法包括如下步骤：
50.步骤101，基于综合能源调度态势，建立能源调度评价函数。
51.可以理解为，在综合能源调度领域中，需要先用过调研目标区域的实际能源调度情况，对该情况做出初步的分析之后，通过调查目前综合能源调度态势，获悉待调度区域能源用户的实际分配需求、实际分配效果等因素后，建议适配当前区域的能源调度评价函数，通过该能源调度评价函数，对待调度区域进行分析。
52.步骤102，根据综合能源系统所拥有的能源基地数目和能源用户数目，建立综合能
源智能调度模型。
53.可以理解为，在对待调度区域进行分析后，会通过综合能源系统自身的资源，即根据综合能源系统所拥有的能源基地数目，还包括能源用户数目，建立一个基础的包含综合能源供给双方的模型。
54.其中，综合能源系统在供给侧包含了多种多样的能源形式。其中基本聚集了水、电、热、气等不同特性的物质和能源。综合能源系统的核心目标是满足能源用户对综合能源系统的安全可靠行要求，促进多种能源和调配设备进行优化，最大化提高能源利用率。
55.步骤103，基于所述能源调度评价函数，获取样本效益值的能源调度比例。
56.可以理解为，通过获取到能源调度评价函数，将待调度区域中每个用户看作是一个因子，通过对每个因子进行水、电能、热能、燃气等资源相应比例的分配，得到所有因子共同产生的效益值，并将该效益值作为样本效益值，并得到样本效益值的能源调度比例。
57.其中，能源调度比例在本发明中可以是水、电能、热能、燃气等资源的分配比例。
58.步骤104，将所述样本效益值的能源调度比例输入至所述综合能源智能调度模型，获取最高效益值的能源调度比例。
59.可以理解为，在获取样本效益值的能源调度比例的基础上，将该样本效益值输入至以综合能源系统所拥有的能源基地数目和能源用户数目为基础的综合能源智能调度模型上，经过不断地对样本效益值进行处理，得到准确的效益值，即获取最高效益值的能源调度比例。
60.步骤105，基于所述最高效益值的能源调度比例，进行综合能源分配。
61.具体的，图2是本发明提供的综合能源调度方法的综合能源调度示意图，如图2所示，水、电能、热能、燃气等资源接入综合能源智能调度系统总线，由综合能源系统平台统一调配。确定最优调度方案，根据此方案进行综合能源的调度，便于管理人员决策。
62.本发明提供的综合能源调度方法，通过获取综合能源调度态势，建立能源调度评价函数，通过能源调度评价函数得到样本效益值能源调度比例，并通过将样本效益值能源调度比例输入至综合能源智能调度模型中，得到最优解，即最高效益值能源调度比例，根据获取到的最高效益值能源调度比例进行综合能源分配，能很好的提升综合能源系统效益，进行合理的综合能源分配。
63.进一步地，所述基于综合能源调度态势，建立能源调度评价函数，包括：
64.基于所述综合能源调度态势，确定每个能源用户的分配效益和能源需求紧缺程度；
65.基于所述分配效益和所述能源需求紧缺程度，建立所述能源调度评价函数。
66.可以理解为，在获取综合能源调度态势的基础上，确定综合能源待调度区域下每个能源用户的分配效益和能源需求紧缺程度，将每个能源用户的分配效益和能源需求紧缺程度进行相关联，得到能源调度评价函数。
67.本发明通过用户的分配效益和所述能源需求紧缺程度，进一步提高能源调度评价函数的准确性，有利于更好的提升综合能源系统效益，进行合理的综合能源分配。
68.进一步地，将所述样本效益值的能源调度比例输入至所述综合智能调度模型，获取最高效益值的能源调度比例，包括：
69.初始化自适应精英免疫狼群算法的参数，选择所述样本效益值能源调度比例作为
头狼，选择除所述头狼外效益值最好的人工狼作为探狼；
70.筛选出所述头狼及多匹探狼，基于所述头狼的效益值与所述探狼的效益值，控制探狼进行游走；
71.所述头狼发起召唤行为，预设范围内的猛狼向所述头狼的位置靠近，并基于所述头狼的效益值与所述猛狼的效益值，控制所述猛狼的行为，其中，所述猛狼为除所述头狼外所有的人工狼；
72.所述猛狼对猎物进行围攻行为；
73.将所述围攻行为中产生最高效益值的人工狼更新为新头狼，并根据狼群更新机制，获取更新后的狼群；
74.获取狼群更新次数，若所述狼群更新次数大于预设次数，则根据所述新头狼，获取所述最高效益值的能源调度比例。
75.可以理解为，在本发明中，选择所述样本效益值的能源调度比例作为头狼，选择除所述头狼外效益值最好的人工狼作为探狼，并进行如下步骤：
76.步骤201，初始化自适应精英免疫狼群算法地参数和狼群；具体包括如下：
77.狼群个体数量m，个体维度n，人工狼的位置变量上下限[lb,ub]，最大迭代次数g，最大游走次数t
max
。距离判定因子ω，探狼比例因子a，狼群更新比例因子b,精英克隆比例c，狼群变异概率e。随机初始化狼群的空间坐标，其编码方式为正整数。
[0078]
设定狼群个体数量m＝30，最大迭代次数g＝100。如果有8个可供选择的能源基地，15个需求能源的用户，则设定人工狼的位置变量上下限[1,8]，人工狼个体维度n＝15；
[0079]
例如，采用以上参数，通过采用整数编码后的其中一匹人工狼i的位置随机初始编码可以表示为xi＝(7,5,2,5,4,8,7,8,7,8,3,8,4,1)。
[0080]
计算人工狼i的效益值di，假设通过评估每个用户的分配效益和能源需求紧缺程度可以得出效益矩阵b(8行15列)和能源需求紧缺程度矩阵j(1行15列)。
[0081][0082]
j＝[0.58,0.55,0.15,0.86,0.63,0.36,0.52,0.41,0.58,0.24,0.13,0.19,0.24,0.42,0.55]
[0083]
通过能源调度评价函数计算出人工狼i的效益值，并将最大效益值的人工狼作为头狼，能源调度评价函数如下：
[0084]di
＝(xi(m,n),n)*j
t
m＝1,n∈[1,15]
[0085]
式中，di为效益值，xi为位置编码，m、n为矩阵中的位置，j
t
为矩阵j的转置矩阵。
[0086]
步骤202，探狼游走。具体包括如下：
[0087]
选出头狼以及s
num
匹探狼，并执行游走行为。其中探狼数量s
num
的取值范围为：
[0088]snum
＝[m/(a 1),m/a]
[0089]
计算探狼i的效益值di，头狼的效益值d
lead
。如果di》d
lead
，则更新头狼。如果di＝d
lead
，则探狼替头狼发起召唤。如果di《d
lead
，则探狼先自主决策,即探狼向h个方向分别前进一步并记录每前进一步后所感知的猎物气味浓度后退回原位置,则向第p∈{1,2,
…
,h}个方向前进后探狼i在第d维空间中所处的位置如探狼位置公式和游走步长公式所示。所述探狼位置公式如下：
[0090][0091]
stepa＝|ub-lb|
[0092]
式中，为探狼所在的位置，xi为头狼的效益值，stepa为游走步长，ub-lb人工狼的位置变量上限减去下限的值。
[0093]
对应的效益值为重复游走行为，直到其中一匹探狼的效益值di》d
lead
或者探狼游走此时达到最大值t
max
。
[0094]
设定探狼的最大游走次数t
max
＝15，探狼比例因子a＝6。
[0095]
步骤203，头狼召唤；具体包括如下：
[0096]
头狼召集m
num
匹猛狼向头狼的位置迅速靠拢，其中m
num
＝m-s
num-1。猛狼用相对较大的奔袭步长快速逼近头狼。则猛狼i的第g 1次迭代时所处的位置可通过猛狼位置公式获得。所述猛狼位置公式如下：
[0097]
xi(g 1)＝xi(g) stepb*(a
g-xi(g))/|a
g-xi(g)|
[0098]
其中，stepb为奔袭步长，ag为第g代时头狼的位置，xi(g 1)为第g 1次迭代时所处的位置，xi(g)第g次迭代时所处的位置。
[0099]
在猛狼的奔袭图途中，若猛狼i的效益值di》d
lead
，则令d
lead
＝di，该猛狼替换头狼发起召唤。若di《d
lead
，则猛狼i继续执行奔袭，直到其位置与头狼之间的距离d
is
《d
near
时，转入围攻行为。
[0100]
设狼群寻优的变量范围为[lb,ub],则判定距离d
near
可以由距离判定公式计算。所述距离判定公式如下：
[0101][0102]
式中，ω为距离判定因子，ω设定50。
[0103]
步骤204，围攻行为。具体包括如下：
[0104]
猛狼经过奔袭已经距离猎物很近，此时猛狼需要联合探狼对猎物进行围攻捕获。将头狼近似的视为猎物的位置。对于第g代狼群，设猎物的位置为a
g*
，狼群围攻行为的计算可以由围攻行为公式表示。所述围攻行为公式如下：
[0105][0106]
stepc＝|ub-lb|/2
[0107]
其中，stepc为狼群执行围攻行为时的攻击步长。rand为[-1，1]区间的均匀分布的
随机数。
[0108]
步骤205，狼群更新机制，具体包括如下：
[0109]
按照最高效益值为头狼的产生规则去更新头狼的位置。然后根据狼群更新机制去更新狼群。
[0110]
步骤206，算法主流程运行完毕，当前代数g是否满足循环中止条件g＝100，如果满足，则输出x
best
作为综合能源最佳调度方案；如果不满足，继续返回步骤202。
[0111]
本发明通过将自适应狼群算法应用至综合能源智能调度中，通过多次迭代得到效益值最高的能源调度比例，能更好的提升综合能源系统效益，进行合理的综合能源分配。
[0112]
进一步地，在所述根据狼群更新机制，获取更新后的狼群之后，还包括：
[0113]
将所述围攻行为产生的效益值从大到小进行排列，选取预设比例的人工狼作为精英狼；
[0114]
随机选取所述精英狼进行克隆，生成新狼群；
[0115]
对所述新狼群进行大规模变异行为，生成变异新狼群；
[0116]
基于所述变异新狼群，得到调度效益值。
[0117]
可以理解为，经过狼群更新机制获取更新后的狼群之后，增加一个步骤，精英免疫机制，具体包括如下：
[0118]
根据效益值的从大到小排序，选取比例为c＝10％的精英人工狼，其数量为随机选取精英人工狼进行克隆，进而重组新狼群。对新狼群依据人工免疫机制进行大规模变异行为，变异概率e＝0.45。产生基于精英免疫行为之后的新狼群。计算新狼群的调度效益值。
[0119]
本发明通过对获取最佳效益值的调度比例的过程进行优化，进一步提升综合能源系统效益，进行合理的综合能源分配。
[0120]
进一步地，所述头狼发起召唤行为，预设范围内的猛狼向所述头狼的位置靠近，并基于所述头狼的效益值与所述猛狼的效益值，控制所述猛狼的行为，包括：
[0121]
所述头狼发起召唤行为，预设范围内的猛狼采用自适应奔袭步长向所述头狼的位置靠近；
[0122]
若所述猛狼的效益值小于头狼的效益值，则控制所述猛狼向所述头狼靠近；
[0123]
当检测到所述猛狼和所述头狼间的距离在预设距离内时，控制所述猛狼进行所述围攻行为。
[0124]
可以理解为，头狼召集m
num
匹猛狼向头狼的位置迅速靠拢，其中m
num
＝m-s
num-1。猛狼用自适应奔袭步长快速逼近头狼。
[0125]
在猛狼的奔袭图途中，若猛狼i的效益值di》d
lead
，则令d
lead
＝di，该猛狼替换头狼发起召唤。若di《d
lead
，则猛狼i继续执行奔袭，直到其位置与头狼之间的距离d
is
《d
near
时，转入围攻行为。
[0126]
其中，自适应奔袭步长可以通过如下公式表示：
[0127][0128]
式中，stepb为奔袭步长，d
is
为猛狼位置与头狼之间的距离，d
near
为判定距离。
[0129]
进一步地，所述将所述围攻行为中产生最高效益值的人工狼更新为新的头狼，并
根据狼群更新机制，获取更新后的狼群，包括：
[0130]
将所述围攻行为中产生最高效益值的狼更新为新的头狼，并删除效益值最低的人工狼，同时随机生成相应数量的人工狼补充狼群。、
[0131]
可以理解为，在进行围攻行为，并根据效益值的大小产生新头狼之后，会依据狼群更新机制对狼群做出更新处理，产生新的狼群。
[0132]
其中狼群更新机制为删除效益值最低的m
min
匹人工狼，同时随机生成新的m
min
匹人工狼补充狼群。m
min
可通过如下公式获得：
[0133][0134]
式中，b为更新比例因子，其值设定为5；为狼群数量与更新比例因子加1向下取整的数值，为狼群数量与更新比例因子向上取整的数值。
[0135]
为更清楚的说明本发明的技术方案，以下对上述各实施例进行举例说明。图3是本发明提供的综合能源调度方法的获取最佳效益值的流程示意图。如图3所示，首先，在基于综合能源调度态势的基础上，以及评估用户分析效益和能源需求紧缺程度，建立能源调度评价函数和综合能源智能调度模型。
[0136]
再选择所述样本效益值的能源调度比例作为头狼，选择除所述头狼外效益值最好的人工狼作为探狼，并进行如下步骤：
[0137]
步骤301，初始化自适应精英免疫狼群算法地参数和狼群；具体包括如下：
[0138]
狼群个体数量m，个体维度n，人工狼的位置变量上下限[lb,ub]，最大迭代次数g，最大游走次数t
max
。距离判定因子ω，探狼比例因子a，狼群更新比例因子b,精英克隆比例c，狼群变异概率e。随机初始化狼群的空间坐标，其编码方式为正整数。
[0139]
设定狼群个体数量m＝30，最大迭代次数g＝100。如果有8个可供选择的能源基地，15个需求能源的用户，则设定人工狼的位置变量上下限[1,8]，人工狼个体维度n＝15；
[0140]
步骤302，探狼游走。具体包括如下：
[0141]
选出头狼以及s
num
匹探狼，并执行游走行为。其中探狼数量s
num
的取值范围为：
[0142]snum
＝[m/(a 1),m/a]
[0143]
计算探狼i的效益值di，头狼的效益值d
lead
。如果di》d
lead
，则更新头狼。如果di＝d
lead
，则探狼替头狼发起召唤。如果di《d
lead
，则探狼先自主决策,即探狼向h个方向分别前进一步并记录每前进一步后所感知的猎物气味浓度后退回原位置,则向第p∈{1,2,
…
,h}个方向前进后探狼i在第d维空间中所处的位置如探狼位置公式和游走步长公式所示。所述探狼位置公式如下：
[0144][0145]
stepa＝|ub-lb|
[0146]
式中，为探狼所在的位置，xi为头狼的效益值，stepa为游走步长，ub-lb人工狼的位置变量上限减去下限的值。
[0147]
对应的效益值为重复游走行为，直到其中一匹探狼的效益值di》d
lead
或者探狼游走此时达到最大值t
max
。
[0148]
设定探狼的最大游走次数t
max
＝15，探狼比例因子a＝6。
[0149]
步骤303，头狼召唤；具体包括如下：
[0150]
头狼召集m
num
匹猛狼向头狼的位置迅速靠拢，其中m
num
＝m-s
num-1。猛狼用相对较大的奔袭步长快速逼近头狼。则猛狼i的第g 1次迭代时所处的位置可通过猛狼位置公式获得。所述猛狼位置公式如下：
[0151]
xi(g 1)＝xi(g) stepb*(a
g-xi(g))/|a
g-xi(g)|
[0152]
其中，stepb为奔袭步长，ag为第g代时头狼的位置，xi(g 1)为第g 1次迭代时所处的位置，xi(g)第g次迭代时所处的位置。
[0153]
在猛狼的奔袭图途中，若猛狼i的效益值di》d
lead
，则令d
lead
＝di，该猛狼替换头狼发起召唤。若di《d
lead
，则猛狼i继续执行奔袭，直到其位置与头狼之间的距离d
is
《d
near
时，转入围攻行为。
[0154]
设狼群寻优的变量范围为[lb,ub],则判定距离d
near
可以由由距离判定公式计算。所述距离判定公式如下：
[0155][0156]
式中，ω为距离判定因子，ω设定50。
[0157]
步骤304，围攻行为。具体包括如下：
[0158]
猛狼经过奔袭已经距离猎物很近，此时猛狼需要联合探狼对猎物进行围攻捕获。将头狼近似的视为猎物的位置。对于第g代狼群，设猎物的位置为a
g*
，狼群围攻行为的计算可以由围攻行为公式表示。所述围攻行为公式如下：
[0159][0160]
stepc＝|ub-lb|/2
[0161]
其中，stepc为狼群执行围攻行为时的攻击步长。rand为[-1，1]区间的均匀分布的随机数。
[0162]
步骤305，狼群更新机制，具体包括如下：
[0163]
按照最高效益值为头狼的产生规则去更新头狼的位置。然后根据狼群更新机制去更新狼群。
[0164]
步骤306，精英免疫机制，具体包括如下：
[0165]
根据效益值的从大到小排序，选取比例为c＝10％的精英人工狼，其数量为随机选取精英人工狼进行克隆，进而重组新狼群。对新狼群依据人工免疫机制进行大规模变异行为，变异概率e＝0.45。产生基于精英免疫行为之后的新狼群。计算新狼群的调度效益值。
[0166]
步骤307，算法主流程运行完毕，当前代数g是否满足循环中止条件g＝100，如果满足，则输出x
best
作为综合能源最佳调度方案；如果不满足，继续返回步骤302。
[0167]
本发明提供的综合能源调度方法，通过获取综合能源调度态势，建立能源调度评价函数，通过能源调度评价函数得到样本效益值能源调度比例，并通过将样本效益值能源
调度比例输入至综合能源智能调度模型中，得到最优解，即最高效益值能源调度比例，根据获取到的最高效益值能源调度比例进行综合能源分配，能很好的提升综合能源系统效益，进行合理的综合能源分配。
[0168]
下面对本发明提供的综合能源调度装置进行描述，下文描述的综合能源调度装置与上文描述的综合能源调度方法可相互对应参照。
[0169]
图4是本发明提供的综合能源调度装置的结构示意图，如图4所示，主要包括函数建立模块401、模型建立模块402、样本生成模块403、模型训练模块404、能源分配模块405；其中，所述函数建立模块，用于综合能源调度态势，建立能源调度评价函数；所述模型建立模块，用于根据综合能源系统所拥有的能源基地数目和能源用户的数目，建立综合能源智能调度模型；所述样本生成模块，用于基于所述能源调度评价函数，获取样本效益值的能源调度比例；所述模型训练模块，用于将所述样本效益值的能源调度比例输入至所述综合能源智能调度模型，获取最高效益值的能源调度比例；所述能源分配模块，用于基于所述最高效益值的能源调度比例，进行综合能源分配。
[0170]
本发明提供的综合能源调度装置，通过获取综合能源调度态势，建立能源调度评价函数，通过能源调度评价函数得到样本效益值能源调度比例，并通过将样本效益值能源调度比例输入至综合能源智能调度模型中，得到最优解，即最高效益值能源调度比例，根据获取到的最高效益值能源调度比例进行综合能源分配，能很好的提升综合能源系统效益，进行合理的综合能源分配。
[0171]
可选地，所述函数建立模块，还用于：
[0172]
基于所述综合能源调度态势，确定每个能源用户的分配效益和能源需求紧缺程度；
[0173]
基于所述分配效益和所述能源需求紧缺程度，建立所述能源调度评价函数。
[0174]
可选地，所述模型训练模块，还用于：
[0175]
初始化自适应精英免疫狼群算法的参数，选择所述样本效益值能源调度比例作为头狼，选择除所述头狼外效益值最好的人工狼作为探狼；
[0176]
筛选出所述头狼及多匹探狼，基于所述头狼的效益值与所述探狼的效益值，控制探狼进行游走；
[0177]
所述头狼发起召唤行为，预设范围内的猛狼向所述头狼的位置靠近，并基于所述头狼的效益值与所述猛狼的效益值，控制所述猛狼的行为，其中，所述猛狼为除所述头狼外所有的人工狼；
[0178]
所述猛狼对猎物进行围攻行为；
[0179]
将所述围攻行为中产生最高效益值的人工狼更新为新头狼，并根据狼群更新机制，获取更新后的狼群；
[0180]
获取狼群更新次数，若所述狼群更新次数大于预设次数，则根据所述新头狼，获取所述最高效益值的能源调度比例。
[0181]
可选地，所述模型训练模块，还用于：
[0182]
在所述根据狼群更新机制，获取更新后的狼群之后，将所述围攻行为产生的效益值从大到小进行排列，选取预设比例的人工狼作为精英狼；
[0183]
随机选取所述精英狼进行克隆，生成新狼群；
[0184]
对所述新狼群进行大规模变异行为，生成变异新狼群；
[0185]
基于所述变异新狼群，得到调度效益值。
[0186]
可选地，所述模型训练模块，还用于：
[0187]
所述头狼发起召唤行为，预设范围内的猛狼采用自适应奔袭步长向所述头狼的位置靠近；
[0188]
若所述猛狼的效益值小于头狼的效益值，则控制所述猛狼向所述头狼靠近；
[0189]
当检测到所述猛狼和所述头狼间的距离在预设距离内时，控制所述猛狼进行所述围攻行为。
[0190]
可选地，所述模型训练模块，还用于：
[0191]
将所述围攻行为中产生最高效益值的狼更新为新的头狼，并删除效益值最低的人工狼，同时随机生成相应数量的人工狼补充狼群。
[0192]
图5是本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)501、通信接口(communications interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令，以执行综合能源调度方法，该方法包括：基于综合能源调度态势，建立能源调度评价函数；根据综合能源系统所拥有的能源基地数目和能源用户数目，建立综合能源智能调度模型；基于所述能源调度评价函数，获取样本效益值的能源调度比例；将所述样本效益值的能源调度比例输入至所述综合能源智能调度模型，获取最高效益值的能源调度比例；基于所述最高效益值的能源调度比例，进行综合能源分配。
[0193]
此外，上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0194]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的综合能源调度方法，该方法包括：基于综合能源调度态势，建立能源调度评价函数；根据综合能源系统所拥有的能源基地数目和能源用户数目，建立综合能源智能调度模型；基于所述能源调度评价函数，获取样本效益值的能源调度比例；将所述样本效益值的能源调度比例输入至所述综合能源智能调度模型，获取最高效益值的能源调度比例；基于所述最高效益值的能源调度比例，进行综合能源分配。
[0195]
又一方面，本发明还提供一种非暂态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以执行上述各方法提供的综合能源调度方法，该方法包括：基于综合能源调度态势，建立能源调度评价函数；根据综合能源系统所拥有的能源基地数目和能源用户数目，建立综合能源智能调度模型；基于所述能源调度评价函数，获取
样本效益值的能源调度比例；将所述样本效益值的能源调度比例输入至所述综合能源智能调度模型，获取最高效益值的能源调度比例；基于所述最高效益值的能源调度比例，进行综合能源分配。
[0196]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0197]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0198]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。