一种基于用能耦合协调性的综合能源调度方法及系统

技术领域

本发明涉及综合能源调度技术领域，特别是涉及一种基于用能耦合协调性的综合能源调度方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

综合能源系统以电力系统为核心，综合电、气、冷、热等多种能源供应形式，在多元能源供应环节中通过协调优化以提升能源供应效率。在综合能源系统中，不同的能源形式具有高度耦合的特性，若对能源之间的耦合机理进行详细分析，并以此为根据进行相应的调度，可显著提高综合能源的利用效率，提升用户服务。

而发明人发现，随着综合能源系统建设的不断推进，用户耗能形式呈现多样化发展，电能与其他能源形式的耦合变的更加密切，传统综合能源系统不仅缺乏对各能源形式间耦合特性的定量分析方法；而且传统的综合能源分析一般停留在定性分析或较为短期的定性定量分析等阶段，对于中长期的用户用能特性机理研究还存在着不足。

发明内容

为了解决上述问题，本发明提出了一种基于用能耦合协调性的综合能源调度方法及系统，针对综合能源用户中长期用能耦合协调性的综合能源动态调度方法，首先建立综合能源用户中长期用能特征量化指标体系，利用该指标体系从多方面对用能耦合特性进行定性、定量分析，为综合能源系统的构建、规划与调度提供有利条件。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种基于用能耦合协调性的综合能源调度方法，包括：

获取多元用能负荷数据；

根据多元用能负荷数据获取二级用能行为特征，根据二级用能行为特征的对比强度和冲突性得到权重，对二级用能行为特征赋权后得到一级用能行为特征；

根据一级用能行为特征的耦合协调度得到用能耦合协调性变化趋势，根据用能耦合协调性变化趋势对综合能源的供应进行调度。

第二方面，本发明提供一种基于用能耦合协调性的综合能源调度系统，包括：

数据获取模块，被配置为获取多元用能负荷数据；

相关性分析模块，被配置为根据多元用能负荷数据获取二级用能行为特征，根据二级用能行为特征的对比强度和冲突性得到权重，对二级用能行为特征赋权后得到一级用能行为特征；

耦合协调模块，被配置为根据一级用能行为特征的耦合协调度得到用能耦合协调性变化趋势，根据用能耦合协调性变化趋势对综合能源的供应进行调度。

第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。

第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。

与现有技术相比，本发明的有益效果为：

本发明提出一种综合能源用户中长期用能耦合协调特性动态分析的综合能源调度方法。首先针对综合能源用户的冷、热、电等用能负荷数据曲线，建立中长期用能行为特征量化指标体系，该体系由用电行为特征、用电行为特征与用电行为特征三方面一级指标组成，每个一级指标又由若干个二级指标组成，各二级指标通过CRITIC方法进行权重计算并带权重相加，得到相应的一级指标；然后根据用能行为特征指标体系，对综合能源用户各一级指标与二级指标进行相关性分析，计算三类能源行为特征一级指标间的耦合协调度，并以耦合协调度为依据，从多方面对能源用户的用能耦合协调性进行定性、定量分析与预测；为综合能源系统的构建、规划与调度、用户服务等提供有利条件。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为本发明实施例1提供的基于用能耦合协调性的综合能源调度方法流程图；

图2为本发明实施例1提供的各二级用能行为特征指标之间的相关性分析结果；

图3为本发明实施例1提供的各月耦合协调度折线图；

图4为本发明实施例1提供的ARIMA模型对各月耦合协调度曲线的拟合及预测效果图。

具体实施方式：

下面结合附图与实施例对本发明做进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例1

如图1所示，本实施例提供一种基于用能耦合协调性的综合能源调度方法，包括：

S1：获取多元用能负荷数据；

S2：根据多元用能负荷数据获取二级用能行为特征，根据二级用能行为特征的对比强度和冲突性得到权重，对二级用能行为特征赋权后得到一级用能行为特征；

S3：根据一级用能行为特征的耦合协调度得到用能耦合协调性变化趋势，根据用能耦合协调性变化趋势对综合能源的供应进行调度。

在所述步骤S1中，本实施例获取一定时间段内，待分析综合能源用户的冷、热、电的多元用能负荷数据，并对多元用能负荷数据进行数据清洗；

优选地，所述数据清洗包括异常数据修复与缺失数据修补，其中：若检测到数据缺失，则用上一天同一时间段的数据对当前时刻的缺失值进行修补，若检测到异常数据，同样用上一天同一时间段的数据对当前时刻的缺失值进行修补。

优选地，以月为单位获取多元用能负荷数据，本实施例获取一年内的多元用能负荷数据。

在所述步骤S2中，所述一级用能行为特征包括中长期用电行为特征、中长期用热行为特征与中长期用冷行为特征，且每个一级行为特征指标下包含多种二级用能行为特征，由一级用能行为特征和二级用能行为特征构建综合能源用户中长期用能行为特征指标体系。

优选地，所述一级用能行为特征和二级用能行为特征均是以月为单位进行计算；

具体地，S2-1-1：月用电行为特征包含月平均负荷、月负荷率、平均峰时耗电率、平均谷电系数、平均峰谷差、最大峰谷差、月负荷标准差、平均细节波动性、平均负荷波动率、平均调峰能力、最大调峰能力、平均需求响应潜力熵和最大需求响应潜力熵，月度用能指标的计算依赖每日用能指标，其中各指标的计算公式如下：

日平均负荷为用户每天负荷曲线的平均值，综合反映用户的能耗等级，计算公式如下：

式中：L1表示日平均负荷，n为一天的采样次数，L(t)为t时刻的负荷值。

日负荷率指用户每天的平均负荷与当天的最大负荷的比值，表示用户用能行为的波动性，计算公式下：

L2＝L

式中：L2表示日负荷率，L

峰时耗电率指用户在用电高峰时段所消耗的电量占一天所用总电量的比值，计算公式如下：

L3＝L

式中：L3表示峰时耗电率，L

谷电系数指用户在用电低谷时段所消耗的电量占与天所用总电量的比值，计算公式如下：

L4＝L

式中：L4表示谷电系数，L

日峰谷差指用户每天中最大负荷与最小负荷之差，计算公式如下：

S1＝L

式中：S1表示日峰谷差，L

细节波动性指用户在相邻时刻用能的波动性大小，衡量用户用能的突变程度，计算公式如下：

式中：S2表示细节波动性，n表示用户每天的负荷采样点数，L(t)和L(t-1)分别为t时刻和前一时刻的负荷值。

日负荷波动率指一天中负荷的总波动性，日负荷波动率越大，则一天中的负荷波动越强烈，计算公式如下：

式中：S3表示日负荷波动率，s表示某日负荷的标准差，x表示当天的负荷均值。

调峰能力指用户可能削减负荷的大小，本实施例认为每日峰时负荷与低谷负荷的差值越大，用户用能的可改变量就越大，即调峰能力越大，其计算公式如下：

式中：D1表示用户的调峰能力，T

需求响应潜力熵利用信息熵描述用户需求响应的潜力，其计算公式如下：

式中：D2表示需求响应潜力熵，n表示每天的负荷点数，x

月平均负荷为用户每个月中每天的总负荷的平均值，计算公式如下：

式中：ML1为平均负荷，n为每个月的天数，L

月负荷率为当月日平均负荷与当月日最大负荷的比值，计算公式如下：

式中：ML2为月负荷率，L

平均峰时耗电率为当月日峰时耗电率的平均值，计算公式如下：

式中：ML3为平均峰时耗电率，n为当月的天数，L3

平均谷电系数为一个月中日谷电系数的平均值，计算公式如下：

式中：ML4为平均谷电系数，n为当月的天数，L4

平均峰谷差为当月日峰谷差的平均值，计算公式如下：

式中：MS2为平均峰谷差，n为当月的天数，S1

最大峰谷差为当月日峰谷差的最大值，计算公式如下：

MS3＝max(S1

式中：MS3为最大峰谷差，S1

月负荷标准差计算公式如下：

式中：MS4为月负荷标准差，n为当月的天数，L

平均细节波动性为当月日细节波动性的平均值，计算公式如下：

式中：MS5为平均细节波动性，n为当月的天数，S2

平均负荷波动率为当月日负荷波动率的平均值，计算公式如下：

式中：MS6为平均负荷波动率，n为当月的天数，S3

平均调峰能力为当月日调峰能力的平均值，计算公式如下：

式中：MD1为平均调峰能力，n为当月的天数，D1

最大调峰能力为当月日调峰能力的最大值，计算公式如下：

MD2＝max(D1

式中：MD2为最大调峰能力，S1

平均需求响应潜力熵为当月日需求响应潜力熵的平均值，计算公式如下：

式中：MD3为平均需求响应潜力熵，D2

最大需求响应潜力熵为当月日需求响应潜力熵的最大值，计算公式如下：

MD4＝max(D2

式中：MD4为最大需求响应潜力熵，D2

S2-1-2：月用热行为特征与月用冷行为特征都包含月平均负荷、月负荷率、平均峰谷差、最大峰谷差、月负荷标准差，其计算公式与用电行为特征中的公式(10)、(11)、(14)、(15)、(16)相同。

根据已获取的综合能源用户多元用能数据，采用步骤S2-1-1和S2-1-2所述的方法计算二级用能行为特征指标；采用CRITIC权重计算方法，计算每个二级用能行为特征的权重值，并以权重进行相加后，得到包括中长期用电行为特征、中长期用热行为特征与中长期用冷行为特征三方面的一级用能行为特征指标。

具体地，S2-2：所述CRITIC方法是权重计算方法，依据各二级用能行为特征指标间的对比强度与冲突强度计算每个特征指标的权重，计算步骤如下：

1)归一化：

假设有m个月份，n个指标，对正向指标和逆向指标采取不同的归一化方法，其中：

正向指标归一化方法：

逆向指标归一化方法：

式中：i＝1,2,…,m，j＝1,2,…,n，a

2)相关系数矩阵计算：

相关系数是研究指标之间线性相关程度的度量值，在CRITIC法中，依据各指标间的相关系数来描述指标之间的相关性，具体公式如下所示：

式中：i＝1,2,…,n，j＝1,2,…,n，r

3)计算权重

利用计算得到的相关系数矩阵，计算各二级用能行为特征指标的对比强度及冲突性，如下式所示：

式中：j＝1,2,…,n，σ

基于二级用能行为特征指标的对比强度和冲突性，利用下式求出二级用能行为特征指标所包含的信息量：

式中：j＝1,2,…,n，G

最终第j项二级用能行为特征指标的客观权重W

根据权重对二级用能行为特征赋权后得到一级用能行为特征指标。

在所述步骤S3中，计算一级用能行为特征的耦合协调度之前，首对所有用能行为特征指标进行相关性分析，分析二级用能行为特征指标、一级用能行为特征指标间的相关性及相关程度。

优选地，采用Person相关系数，对用户一年中每个月的一级用能行为特征指标之间、二级用能行为特征指标之间进行相关性与相关程度的分析，其计算公式如下：

其中，x与y分别代表计算相关系数的两个指标，i代表第i个样本，N代表样本个数。

其次，计算一级用能行为特征指标的耦合协调度，并对每月的耦合协调度的静态特性与动态特性进行分析。

优选地，由于耦合度表示不同用能行为特征指标之间的相互影响程度，但无法反映各指标本身的水平，因此本实施例引入耦合协调度指标，耦合协调度反映各用能行为指标耦合之后的良性耦合程度的大小，既反映指标之间的耦合程度，又能反映指标本身的值。

本实施例以电、冷、热三种能源为例，耦合度的计算公式为：

其中，U

以电、冷、热三种能源为例的协调度计算公式为：

T＝β

其中，β

耦合协调度计算公式为：

在所述步骤S3中，基于arima模型，对月度用能行为耦合协调度进行拟合，得到耦合协调度变化趋势；arima模型指差分整合移动平均自回归模型，该模型包括自回归阶数p，差分阶数d和移动平均阶数q，该模型表示为：

其中，L是滞后算子；

本实施例采用spssau数据分析工具进行月度耦合协调度的拟合及趋势分析，仅需设置参数即可完成预测，且由于arima是常见的时间序列预测分析方法，因此本实施例不对原理进行详细展开。

优选地，静态特性分析为从全年各月耦合协调特性的最小值、最大值、平均值、标准差、中位数中分析全年各月耦合协调度的波动性与平稳性；动态特性分析指以月为单位，分析各月耦合协调度的波动性与平稳性。

本实施例采用美国亚利桑那州立大学Campus Metabolism项目平台的综合能源数据，用了该项目平台提供的Tempe校区Phys Sci A_B_C(Phy)这所建筑2018年的冷、热、电负荷数据，采样频率为每个小时1个点；得到的用能行为指标体系的具体框架如表1所示；

表1综合能源用户每日用能行为特征指标体系

如表2所示为该建筑2018年12个月的各一级指标下的二级指标；

表2 phy建筑月用能特性评价指标

基于计算得到的每月二级用能行为特征指标得分，然后通过CRITIC法计算各个二级评价指标的权重系数，带权重计算得到综合能源用户月用能行为特征一级指标，计算所得各二级指标的权重分配及1月至12月的一级指标得分平均值如表3所示。

表2短期用能特性综合评价指标权重分配

由表3可见，在用电指标方面，月平均调峰能力MD1具有较高权重，其余指标权重系数相差不大，在用热指标方与用冷行为特征指标方面，都是平均负荷具有较高权重值，其余指标权重值均类似。

使用Pearson相关系数对所有的用电、用冷与用热二级指标同时进行相关性分析，其结果如图2所示，可见对于大部分用能行为二级指标之间均存在明显的相关性，无论是正相关还是负相关，均能说明该综合用户的各能源利用行为存在显著的耦合关系，该分析结果证明了进行更深层次的耦合分析的必要性，同时也给出了各二级指标之间的定性与定量分析。

计算一级用能行为特征指标的耦合协调度，并对每月的耦合协调度静态与动态特性进行分析；各月的动态耦合协调度计算结果如表4所示，可见各月的综合能源耦合度均非常接近1，说明各能源耦合度很高。

各月耦合协调度折线图如图3所示，可见耦合协调度也较高且具有平稳性，这个结果说明该用户不仅全年能源间具有高度的耦合关系，而且各能源耦合之后的得分一直处于较高的水平，即保持高耦合度的同时全年的用户用电行为特征具有一定的平稳性。与相关性分析相比，该结果更加精准的定量分析了不同时间下各一级指标的耦合程度与各能源耦合时的用户用能行为特征变化趋势。

表4各月动态耦合协调度计算结果

表5展示一年中耦合协调度的静态统计结果，可见虽然最小值与最大值具有较大差距，但标准差较小，中位数与平均值也较为接近，可说明该用户的耦合协调性具有一定的平稳性，即在各能源耦合时，综合用能行为特征具有一定的平稳性。

表5各月动态耦合协调度静态统计结果

基于arima模型，对月度用能行为耦合协调度指标进行拟合，并预测未来几期的耦合协调度变化趋势；本实施例所用的模型为ARIMA(0，1，0)，模型参数如下表6所示，模型拟合及预测效果如图4所示，可见本实施例所用arima模型能够良好拟合全年的耦合协调度曲线，并能合理的预测出随后两期的耦合协调度变化趋势，由于曲线具有一定随机性，因此随后期数的曲线预测趋近于一个值，该结果表明本实施例所用模型能够在近几个月内对耦合协调度进行合理的预测，为综合能源的规划、调度与服务提供参考价值。

表6 ARIMA(0，1，0)模型参数表

实施例2

本实施例提供一种基于用能耦合协调性的综合能源调度系统，包括：

数据获取模块，被配置为获取多元用能负荷数据；

相关性分析模块，被配置为根据多元用能负荷数据获取二级用能行为特征，根据二级用能行为特征的对比强度和冲突性得到权重，对二级用能行为特征赋权后得到一级用能行为特征；

耦合协调模块，被配置为根据一级用能行为特征的耦合协调度得到用能耦合协调性变化趋势，根据用能耦合协调性变化趋势对综合能源的供应进行调度。

此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

在更多实施例中，还提供：

一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。

应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。

实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。