基于遗传算法的综合能源系统调度方法及装置制造方法及图纸

本申请涉及基于遗传算法的综合能源系统调度方法及装置，其中基于遗传算法的综合能源系统调度方法包括：获取初始化种群中每个个体在多个成本目标下的目标值，所述成本目标包括经济效益成本目标、环境效益成本目标；根据所述目标值、所述种群中各个体间的约束支配关系，获取所述种群的非支配排序结果和拥挤度信息；根据所述种群的非支配排序结果和拥挤度信息，判定所述种群是否满足预设收敛条件；当所述种群不满足预设收敛条件时，对所述种群进行交叉操作和变异操作，以生成下一代种群。从而在保证环境效益目标成本的情况下，兼顾综合能源系统的经济效益，且提高综合能源系统的调度策略的灵活性、效率，进而满足能源需求侧的能源需求。源需求。源需求。

【技术实现步骤摘要】
基于遗传算法的综合能源系统调度方法及装置


[0001]本专利技术涉及综合能源系统调度领域，特别是涉及一种基于遗传算法的综合能源系统调度方法及装置。

技术介绍

[0002]随着社会经济的飞速发展，需求侧负荷对于各类能源的需求近年来一直呈增长趋势，主要表现为以电能、热能、天然气为代表的能源供给量与需求量均呈现逐年上升的趋势，同时供给侧由于新能源装机比例逐年升高。现有综合能源系统的部分调度策略存在导致系统运行经济成本持续增高的风险。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种基于遗传算法的综合能源系统调度方法及装置。
[0004]一种基于遗传算法的综合能源系统调度方法，包括：
[0005]获取初始化种群中每个个体在多个成本目标下的目标值，所述成本目标包括经济效益成本目标、环境效益成本目标；
[0006]根据所述目标值、所述种群中各个体间的约束支配关系，获取所述种群的非支配排序结果和拥挤度信息；
[0007]根据所述种群的非支配排序结果和拥挤度信息，判定所述种群是否满足预设收敛条件；
[0008]当所述种群不满足预设收敛条件时，对所述种群进行交叉操作和变异操作，以生成下一代种群。
[0009]在其中一个实施例中，所述对所述种群进行交叉操作和变异操作，以生成下一代种群的步骤，包括：
[0010]对所述种群进行划分处理，以获取多个分支种群；
[0011]对多个所述分支种群分别进行交叉操作，以生成所述下一代种群。
[0012]在其中一个实施例中，所述对多个所述分支种群分别进行交叉操作，以生成所述下一代种群的步骤，包括：
[0013]对多个所述分支种群分别进行交叉操作，以获取多个交叉新个体；
[0014]根据多个所述交叉新个体，对所述种群进行替换操作，以生成所述下一代种群。
[0015]在其中一个实施例中，所述对所述种群进行交叉操作和变异操作，以生成下一代种群的步骤，还包括：
[0016]基于预设变异算法，对所述种群中每个个体进行变异操作，以获取多个变异新个体；
[0017]根据多个所述变异新个体及所述种群，生成所述下一代种群。
[0018]在其中一个实施例中，所述根据多个所述变异新个体及所述种群，生成所述下一
代种群的步骤，包括：
[0019]获取多个所述变异新个体各自对应的状态接受度；
[0020]选取所述状态接受度满足预设接受范围的变异新个体，以生成目标变异新个体；
[0021]根据所述目标变异新个体及所述种群，生成所述下一代种群。
[0022]在其中一个实施例中，还包括：
[0023]在种群迭代过程中，基于预设控温算法，获取所述种群的状态信息；
[0024]根据所述状态信息，获取所述种群的预设收敛范围；
[0025]其中，当所述种群的所述种群的非支配排序结果和拥挤度信息处于所述预设收敛范围时，则所述种群满足所述预设收敛条件。
[0026]在其中一个实施例中，还包括：
[0027]根据预设选取规则，获取所有出力个体各自对应的多个参考值，所述出力个体为所述综合能源系统中参与发电过程的发电设备；
[0028]对多个所述参考值进行排序处理，以获取参考值序列；
[0029]根据所述参考值序列，生成所述初始化种群。
[0030]一种基于遗传算法的综合能源系统调度装置，包括：
[0031]目标值获取模块，用于获取初始化种群中每个个体在多个成本目标下的目标值，所述成本目标包括经济效益成本目标、环境效益成本目标；
[0032]排序获取模块，与所述目标值获取模块连接，用于根据所述目标值、所述种群中各个体间的约束支配关系，获取所述种群的非支配排序结果和拥挤度信息；
[0033]收敛判定模块，与所述排序获取模块连接，用于根据所述种群的非支配排序结果和拥挤度信息，判定所述种群是否满足预设收敛条件；
[0034]交叉变异模块，与所述收敛判定模块连接，用于当所述种群不满足预设收敛条件时，对所述种群进行交叉操作和变异操作，以生成下一代种群。
[0035]一种计算机设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述的方法的步骤。
[0036]一种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的方法的步骤。
[0037]上述基于遗传算法的综合能源系统调度方法及装置，其中基于遗传算法的综合能源系统调度方法包括：获取初始化种群中每个个体在多个成本目标下的目标值，所述成本目标包括经济效益成本目标、环境效益成本目标；根据所述目标值、所述种群中各个体间的约束支配关系，获取所述种群的非支配排序结果和拥挤度信息；根据所述种群的非支配排序结果和拥挤度信息，判定所述种群是否满足预设收敛条件；当所述种群不满足预设收敛条件时，对所述种群进行交叉操作和变异操作，以生成下一代种群。从而在保证环境效益目标成本的情况下，兼顾综合能源系统的经济效益，且提高综合能源系统的调度策略的灵活性、效率，进而满足能源需求侧的能源需求。
附图说明
[0038]为了更清楚地说明本申请实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本
申请的一些实施例，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。
[0039]图1为一个实施例中基于遗传算法的综合能源系统调度方法的流程示意图；
[0040]图2为一个实施例中计算函数图线的示意图；
[0041]图3为一个实施例中步骤108的具体流程示意图；
[0042]图4为一个实施例中步骤108的具体流程示意图；
[0043]图5为一个实施例中基于遗传算法的综合能源系统调度方法的流程示意图；
[0044]图6为一个实施例中基于遗传算法的综合能源系统调度方法的流程示意图；
[0045]图7为一个实施例中基于遗传算法的综合能源系统调度装置的结构示意框图。
具体实施方式
[0046]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0047]可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一客户端称为第二客户端，且类似地，可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端，但其不是同一客户端。
[0048]参阅图1，为一个实施例中基于遗传算法的综合能源系统调度方法的流程示意图。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的综合能源系统调度方法，其特征在于，包括：获取初始化种群中每个个体在多个成本目标下的目标值，所述成本目标包括经济效益成本目标、环境效益成本目标；根据所述目标值、所述种群中各个体间的约束支配关系，获取所述种群的非支配排序结果和拥挤度信息；根据所述种群的非支配排序结果和拥挤度信息，判定所述种群是否满足预设收敛条件；当所述种群不满足预设收敛条件时，对所述种群进行交叉操作和变异操作，以生成下一代种群。2.根据权利要求1所述的综合能源系统调度方法，其特征在于，所述对所述种群进行交叉操作和变异操作，以生成下一代种群的步骤，包括：对所述种群进行划分处理，以获取多个分支种群；对多个所述分支种群分别进行交叉操作，以生成所述下一代种群。3.根据权利要求2所述的综合能源系统调度方法，其特征在于，所述对多个所述分支种群分别进行交叉操作，以生成所述下一代种群的步骤，包括：对多个所述分支种群分别进行交叉操作，以获取多个交叉新个体；根据多个所述交叉新个体，对所述种群进行替换操作，以生成所述下一代种群。4.根据权利要求1所述的综合能源系统调度方法，其特征在于，所述对所述种群进行交叉操作和变异操作，以生成下一代种群的步骤，还包括：基于预设变异算法，对所述种群中每个个体进行变异操作，以获取多个变异新个体；根据多个所述变异新个体及所述种群，生成所述下一代种群。5.根据权利要求4所述的综合能源系统调度方法，其特征在于，所述根据多个所述变异新个体及所述种群，生成所述下一代种群的步骤，包括：获取多个所述变异新个体各自对应的状态接受度；选取所述状态接受度满足预设接受范围的变异新个体，以生成目标变异新个体；根据所述目标变异新个体及所述种群，生成所述下一代种群。6.根据权利要求1
‑<...

【专利技术属性】
技术研发人员：李清，王程斯，黄安子，史纪，李智诚，闫梦秋，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：