综合能源站供能方法和装置、电子设备

1.本发明涉及能源利用技术领域，尤其涉及一种综合能源站供能方法和装置、电子设备。


背景技术：

2.21世纪，国家强调绿色和可持续发展，要求能源企业向清洁绿色可持续方向转型。地域差异导致各类能源分布不一，而单一类型的能源不足以支持生产生活。为了协调能源利用与环境保护之间的平衡关系，以能源协同规划为理念，整合水、电、汽、热等能源类型，构建能源系统以实现不同能源形式的互补特性和协同效应受到了普遍关注。综合能源系统呈现用能密度大、负荷利用小时数高、可再生能源比例增加、产用能形式多样化等特点，是促进可再生能源大规模就地消纳、提高能源综合利用效率、实现节能减排目标的有效实施途径。
3.现有技术中，调度方式的单一是导致能源利用效率低下的主要原因。综合能源站利用多种能源（气体、水、蒸汽、热能、光能）和多种供能、节能设备（发电机组、余热锅炉、制冷机组、太阳能板等）相结合，并通过互联网集中管理调控生产和能源输送，打造独立的能源岛，实现区域能源的资源整合和综合利用。一般的，城市包括多个综合能源站，当一个城市需要供电时，通常是工作人员根据经验选择多种能源并行发电的方式或者采用多种能源轮流发电的方式实现供电，这种发电供能方式导致城市的综合能源站的能效较低。


技术实现要素：

4.本发明提供一种综合能源站供能方法和装置、电子设备，用以解决现有技术中工作人员根据经验选择发电的方式，使得综合能源站的能效较低的技术问题。
5.一方面，本发明提供一种综合能源站供能方法，包括：获取管控区域内每个综合能源站所包括的子发电站的发电能源类型；获取每种发电能源类型发电时对应的发电转化度和发电成本；采用粒子群算法根据所述发电转化度和发电成本，确定至少一个子发电站以用于发电。
6.根据本发明提供的一种的综合能源站供能方法，所述采用粒子群算法根据所述发电转化度和发电成本，确定至少一个子发电站以用于发电包括：根据每个子发电站的发电转化度和发电成本分别确定转化度输入矩阵和成本输入矩阵；将所述转化度输入矩阵和成本输入矩阵输入到预先训练好的粒子群算法模型中，得到所述转化度输入矩阵中对应的至少一个最优的发电转化度；将所述最优的发电转化度对应的子发电站确定为目标子发电站以用于发电。
7.根据本发明提供的一种的综合能源站供能方法，所述将所述转化度输入矩阵和成本输入矩阵输入到预先训练好的粒子群算法模型中，得到所述转化度输入矩阵中对应的至
少一个最优的发电转化度包括：预先训练好的粒子群算法模型根据转化度输入矩阵和成本输入矩阵，采用以下公式（1）确定每个子发电站的有益程度值，并通过多次迭代优化，确定至少一个最优的有益程度值，将所述最优的有益程度值对应的发电转换度确定为所述最优的发电转化度；上述公式（1）中，表示转化度输入矩阵的行，表示转化度输入矩阵的列，表示转化度输入矩阵中第行第列的发电转化度对应的有益程度值，表示第行第列的发电转化度；表示管控区域内能源类型个数，表示管控区域内综合能源站的个数，表示第行第列的发电转化度对应的能源赋值。
8.根据本发明提供的一种的综合能源站供能方法，所述训练好的粒子群算法模型的惯性权重w=0.9，初始学习因子d=2。
9.根据本发明提供的一种的综合能源站供能方法，所述训练好的粒子群算法模型的优化迭代次数为200~300次。
10.根据本发明提供的一种的综合能源站供能方法，还包括:预先获取多个区域内每个综合能源站所包括的子发电站的发电转化度和发电成本，以组成多组训练数据；采用所述多组训练数据对初始粒子群算法模型进行训练，得到所述训练好的粒子群算法模型。
11.根据本发明提供的一种的综合能源站供能方法，还包括：预先获取至少一个区域内每个综合能源站所包括的子发电站的发电转化度和发电成本，以组成至少一组验证数据；采用所述验证数据对训练好的粒子群算法模型进行验证，以确定所述训练好的粒子群算法模型是否满足预设要求。
12.另一方面，本发明还提供一种综合能源站供能装置，包括：获取模块，用于获取管控区域内每个综合能源站所包括的子发电站的发电能源类型；第一处理模块，用于获取每种发电能源类型发电时对应的发电转化度和发电成本；第二处理模块，用于采用粒子群算法根据所述发电转化度和发电成本，确定至少一个子发电站以用于发电。
13.本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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站供能方法。
14.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，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站供能方法。
15.本发明提供的综合能源站供能方法，考虑到当前管控区域内的所有子发电站的发电转化度和发电成本，然后采用粒子群算法根据发电转化度和发电成本，确定至少一个子
发电站以用于发电。采用粒子群算法通过不断的迭代优化，可以找到最优的子发电站进行发电，以提高综合能源站的供能效率。
附图说明
16.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。
17.图1是本发明提供的综合能源站供能方法的流程示意图；图2是本发明提供的粒子群优化算法和人工优化方法的能源转化利用率对比示意图；图3是本发明提供的粒子群优化算法和人工优化方法的成本消耗对比示意图；图4是本发明提供的综合能源站供能装置结构示意图；图5是本发明提供的电子设备的实体结构示意图。
具体实施方式
18.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。
19.目前城市中综合能源站较多，且每个综合能源站包括多种能源类型，在供电时，能源站工作人员根据经验或者当前情况，选择一个综合能源站或者多个综合能源站来实现供电，其中每个综合能源站中选用那些能源类型实现发电也是技术人员根据当前工作情况和经验选择的，这样导致了城市的整个功能系统的功能效率低下，即能源转化率低。本发明将整个城市的供能系统当做一个整体看待，将每个综合能源站中的子发电站当一个粒子，以每个子能源站发电时的发电转化度和发电成本作为限制条件，通过粒子群算法多次迭代，找到最优的一个或者多个子发电站用来发电，以提高整个城市的能源供应系统的能源转化效率。
20.下面结合图1-图5对本发明的技术方案进行进一步的说明。
21.实施例一：本实施例提供一种综合能源站供能方法，如图1，该供能方法包括：步骤101：获取管控区域内每个综合能源站所包括的子发电站的发电能源类型。
22.现有的用于发电的能源类型一般包括风能、水能、火能、天然气、光伏这五种，一般的综合能源站同时具有的能源类型不超过三种。以一个城市a为例，例如城市a中包括综合能源站10所，获取每个综合能源站内包括的子发电站的能源类型。
23.步骤102：获取每种发电能源类型发电时对应的发电转化度和发电成本。本实施例中，技术人员获取每种能源在自己所属的综合能源站的发电转化率作为转化度，理论上，转化度受到能源站所处环境影响所以各有不同，即使是同一种类型的能源在不同的综合能源站内，其对应的转化度也可能不同。
24.步骤103：采用粒子群算法根据发电转化度和发电成本，确定至少一个子发电站以用于发电。本实施例以每个子能源站发电时的转化度和发电成本作为限制条件，通过粒子群算法多次迭代，找到最优的一个或者多个子发电站用来发电，以提高整个城市的能源供应系统的能源转化效率。
25.具体的，在步骤103中，本实施例首先根据每个子发电站的发电转化度和发电成本分别确定转化度输入矩阵和成本输入矩阵；将转化度输入矩阵和成本输入矩阵输入到预先训练好的粒子群算法模型中，得到转化度输入矩阵中对应的至少一个最优的发电转化度；最后将最优的发电转化度对应的子发电站确定为目标子发电站以用于发电。
26.例如，本实施例中将城市看做是一个粒子群，城市中10个综合能源站所包括的子发电站用以下矩阵p表示。
27.上述矩阵中，每一列表示一个综合能源站，每一列中的1表示该位置具有能源，0表示该位置没有能源。每一列中从上向下分别表示风能、水能、火能、天然气和光伏。
28.本实施例中，风能、水能、火能、天然气和光伏这五种能源的发电成本组成的成本输入矩阵为，这五种类型的能源在10个综合能源站中对应的发电转化度组成的转化度输入矩阵为：例如上述矩阵中第一列从上到下依次表示风能在第一个综合能源站中的发电转化度为0.718，水能在第一个综合能源站中的发电转化度为0.683，火能在第一个综合能源站中的发电转化度为0.957，天然气在第一个综合能源站中的发电转化度为0.823，光伏在第一个综合能源站中的发电转化度为0.768。
29.本实施例中将上述的成本输入矩阵和转化度输入矩阵输入到预先训练好的粒子群算法模型中，同时设置粒子群算法模型的迭代次数以及约束条件，例如本实施例中设置微粒种群个体数目为20，设置训练好的粒子群算法模型的惯性权重w=0.9，初始学习因子d=2；设置训练好的粒子群算法模型的优化迭代次数为200次，设置需要寻找到最优点（即最优的发电转化度）个数为1。同时，混沌初始化粒子群算法模型的位置及其速度。然后开始迭代，直到找到最优的1个发电转化度或者迭代次数达到设定，这样确定的最优的发电转化度所对应的子发电站满足综合能源站高效低耗的需求。本实施例还可以根据需要找到两个或者更多个最优的子发电站同时发电，通过粒子群算法进行供能优化形成的多能互补式综合能源站，能源利用率以及经济效益都有所提升。
30.本实施例中预先训练好的粒子群算法模型根据转化度输入矩阵和成本输入矩阵，采用以下公式（1）确定每个子发电站的有益程度值v，并通过多次迭代优化，确定至少一个最优的有益程度值v，将最优的有益程度值v对应的发电转换度确定为最优的发电转化度；
上述公式（1）中，表示转化度输入矩阵的行，表示转化度输入矩阵的列，表示转化度输入矩阵中第行第列的发电转化度对应的有益程度值，表示第行第列的发电转化度；表示管控区域内能源类型个数，表示管控区域内综合能源站的个数，表示第行第列的发电转化度对应的能源赋值，例如上述矩阵p中，第一行第一列中由于存在能源，则该点处的，第二行第一列中由于不存在能源，则该点处的。
31.其中，采用粒子群算法迭代过程中，每次迭代过程都会对微粒的位置、速度、学习因子和惯性权重进行更新。在本实施例中，即每次迭代过程中都会对每个发电转换因子对应的有益程度值。
32.在每次优化过程中，微粒追踪两个最优点，一个是微粒本身找到的最优点（即个体极值），即本实施例矩阵p中的发电转化度；另一个就是整个微粒种群目前所找到的最优点（即全局最优解），即本实施例中矩阵p中的最优点。找到最优点后，微粒按照下式更新自身下一步的速度：以上公式（2）中，表示更新后的下一时刻的位置，和为微粒在时刻的速度向量和位置，为微粒的个体极值位置，为微粒的全局最优解位置，为惯性权重，和为学习因子，具体的，本实施例中为个体学习因子，越大则微粒局部搜索能力强；为社会学习因子，越大则微粒容易陷入局部最优。本实施例中经过验证，和取值都为2时，可以快速的实现微粒自身速度的更新。和均为为大于0小于1的随机数。微粒的位置改变公式为。
33.本实施例中，预先获取多个区域内每个综合能源站所包括的子发电站的发电转化度和发电成本，以组成多组训练数据；采用多组训练数据对初始粒子群算法模型进行训练，得到训练好的粒子群算法模型。
34.为了验证训练好的粒子群算法模型的精度，本实施例还预先获取至少一个区域内每个综合能源站所包括的子发电站的发电转化度和发电成本，以组成至少一组验证数据；采用验证数据对训练好的粒子群算法模型进行验证，以确定训练好的粒子群算法模型是否满足预设要求，若不满足要求则继续训练粒子群算法模型，直到满足要求。
35.本实施例中针对城市a中一段时间的功能方案的相关数据进行采集，将采用人工设置供能方式的方法和采用本实施例的粒子群算法确定的供能方式的方法相比，如图2，可以看出，通过粒子群优化算法和人工设置优化方法都能在不断的迭代过程中得到适宜的供能方案。但是粒子群优化算法的能源转化比例相较更高，且收敛速度更优，更能满足综合能源站高效低耗的需求。通过粒子群算法进行供能优化形成的多能互补式综合能源站，能源利用率以及经济效益都有所提升。
36.如图3，可以看出，采用粒子群优化算法和人工设置优化方法都能在不断的迭代过程中得到适宜的供能方案。但是粒子群优化算法的能源转化消耗成本相较更低，且收敛速度更优，更能满足综合能源站高效低耗的需求。
37.实施例二：本实施例提供一种综合能源站供能装置，如图4，本实施例的供能装置包括：获取模块201、第一处理模块202、第二处理模块203。
38.其中，获取模块201用于获取管控区域内每个综合能源站所包括的子发电站的发电能源类型；第一处理模块202用于获取每种发电能源类型发电时对应的发电转化度和发电成本；第二处理模块203用于采用粒子群算法根据发电转化度和发电成本，确定至少一个子发电站以用于发电。
39.其中，本实施例中上述各个模块的功能的实现方法和上述实施例一中相同，此处不再赘述。
40.实施例三：图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)301、通信接口(communications interface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令，以执行上述实施例一提供的综合能源站供能方法，该方法包括：获取管控区域内每个综合能源站所包括的子发电站的发电能源类型；获取每种发电能源类型发电时对应的发电转化度和发电成本；采用粒子群算法根据发电转化度和发电成本，确定至少一个子发电站以用于发电。
41.此外，上述的存储器303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。
42.另一方面，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站供能方法，该方法包括：获取管控区域内每个综合能源站所包括的子发电站的发电能源类型；获取每种发电能源类型发电时对应的发电转化度和发电成本；采用粒子群算法根据发电转化度和发电成本，确定至少一个子发电站以用于发电。
43.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。
44.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。
45.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。