含氢多能源系统运行碳排放优化决策方法、系统及介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115983492A(43)申请公布日2023.04.18(21)申请号202310077623.8G06Q10/0639(2023.01)(22)申请日2023.01.19G06F30/27(2020.01)G06F111/04(2020.01)(71)申请人西安交通大学地址710049陕西省西安市碑林区咸宁西路28号(72)发明人徐占伯田颖吴江杨纪元刘晋辉刘坤管晓宏(74)专利代理机构广州三环专利商标代理有限公司44202专利代理师陈旭红(51)Int.Cl.G06Q10/04(2023.01)G06Q50/06(2012.01)G06N3/006(2023.01)G06Q10/0631(2023.01)权利要求书5页说明书18页附图1页(54)发明名称含氢多能源系统运行碳排放优化决策方法、系统及介质(57)摘要本发明公开了一种含氢多能源系统运行碳排放优化决策方法、系统及介质，包括：获取含氢多能源系统的历史用能消耗数据；利用历史用能消耗数据，采用隐马尔可夫算法，对用能需求数据进行预测；基于预测得到的用能需求数据，建立含氢多能源系统的碳排放决策优化模型；利用通过人工蜂鸟算法和基于VAEA的矢量角选择策略改进过的非支配排序遗传算法求解碳排放决策优化模型，得到含氢多能源系统的最终运行碳排放优化决策。采用本发明实施例能够通过对用能需求数据进行实时动态滚动的预测，将动态数据与静态数据相结合，实现含氢多能源系统的优化运行调度，从而有效实现含氢多能源系统的低碳及可靠运行。CN115983492ACN115983492A权利要求书1/5页1.一种含氢多能源系统运行碳排放优化决策方法，其特征在于，包括：获取含氢多能源系统的历史用能消耗数据；利用所述历史用能消耗数据，采用隐马尔可夫算法，对用能需求数据进行预测；基于预测得到的所述用能需求数据，建立所述含氢多能源系统的碳排放决策优化模型，其中，所述碳排放决策优化模型的子模型包括：室温调节模型和水温调节模型；利用通过人工蜂鸟算法和基于VAEA的矢量角选择策略改进过的非支配排序遗传算法求解所述碳排放决策优化模型，得到所述含氢多能源系统的最终运行碳排放优化决策。2.如权利要求1所述的含氢多能源系统运行碳排放优化决策方法，其特征在于，所述利用所述历史用能消耗数据，采用隐马尔可夫算法，对用能需求数据进行预测，包括：采用皮尔逊系数进行相关性分析，得到影响所述历史用能消耗数据的环境特征向量；假设预测后的用能需求数据为V(t)，对所述历史用能消耗数据进行离散化处理，并使离散化处理过的所述历史用能消耗数据满足P{V(k)＝|V(kn)＝vn,...,(k1)＝1}＝{V(k)≤v|V(kn)＝n}，其中，P代表历史用能消耗数据，v代表k时刻的环境特征向量，k∈(1,n)；根据离散化处理过的所述历史用能消耗数据，计算所述含氢多能源系统的状态转移概率；根据所述状态转移概率计算第k步的转移概率矩阵；基于所述转移概率矩阵，采用隐马尔可夫算法，对k+1时刻的用能需求数据进行预测。3.如权利要求1所述的含氢多能源系统运行碳排放优化决策方法，其特征在于，所述碳排放决策优化模型的目标函数为：minF＝min(F1,F2,F3)其中，F1为含氢多能源系统运行阶段的总碳排放量，F2为含氢多能源系统的运维费用，F3为含氢多能源系统的可靠性。4.如权利要求2所述的含氢多能源系统运行碳排放优化决策方法，其特征在于，所述含氢多能源系统运行阶段的总碳排放量为：其中，表示k时刻含氢多能源系统的电力排放，表示k时刻含氢多能源系统的燃煤碳排放，表示k时刻含氢多能源系统的燃油碳排放，表示k时刻含氢多能源系统的燃气碳排放；所述含氢多能源系统的运维费用为：其中，λlep表示当地电力价格；表示含氢多能源系统在k时刻的年耗电量；λbio表示当地生物质燃料价格；表示含氢多能源系统在k时刻的生物质燃料消耗量，λcoil表示煤2CN115983492A权利要求书2/5页价，表示含氢多能源系统在k时刻的用煤量，λgas表示气价，代表含氢多能源系统在k时刻的用气量，λoil代表燃油价格，表示含氢多能源系统在k时刻的用油量，λhy为氢价，表示含氢多能源系统在k时刻的买氢量，Cinvest表示初始投资费用，σ表示设备危险费占设备购置费的比率；所述含氢多能源系统的可靠性为：其中，Ns表示场景总数；K表示时刻总数；Δk表示时段间隔；表示场景s下含氢多能源系统在k时段的失负荷功率，表示k时刻含氢多能源系统电力供应，表示k时刻建筑及设备等总用电需求。5.如权利要求1所述的含氢多能源系统运行碳排放优化决策方法，其特征在于，所述碳排放决策优化模型的约束条件包括：电平衡约束条件、热平衡约束条件、冷平衡约束条件、标准约束条件