买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广西大学申请的专利一种多模态单目标分层分布式综合能源系统经济调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115545443B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211171480.9，技术领域涉及：G06Q10/0631；该发明授权一种多模态单目标分层分布式综合能源系统经济调度方法是由殷林飞;蔡镇键;胡立坤;梁贤哲;秦秀芬;胡之尘;陈俊辰设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本一种多模态单目标分层分布式综合能源系统经济调度方法在说明书摘要公布了：本发明提出一种多模态单目标分层分布式综合能源系统经济调度方法，该方法将多模态单目标方法和分层分布式一致性方法进行结合，用于综合能源系统的经济调度。首先，所述方法中多模态单目标方法用于得到多样性的多模态经济调度单目标方案。其次，所述方法中分层分布式一致性方法利用分层的操作快速得到精确的经济调度决策方案。所述多模态单目标分层分布式综合能源系统经济调度方法能解决大规模综合能源系统经济调度多模态的问题，多样化经济调度的决策方案，优化经济调度的稳定性，提高计算速度和精确度。

本发明授权一种多模态单目标分层分布式综合能源系统经济调度方法在权利要求书中公布了：1.一种多模态单目标分层分布式综合能源系统经济调度方法，其特征在于，将多模态单目标方法和分层分布式一致性方法进行结合，用于综合能源系统的经济调度，增加经济调度的多样性和稳定性，提高计算速度和精度，为决策者提供丰富的能进行替换的决策方案；在使用过程中的步骤为： 步骤1：综合能源系统的经济调度模型的构建包含火能、水能、风能、光能和地热能，并以成本花费为目标，遵循经济调度的等式约束和不等式约束； 总发电成本的目标函数为： 其中，fx为总的发电成本；表示在t时刻第i台发电机组的成本；表示在t时刻第j台火电发电机组的成本；表示在t时刻第k台水电发电机组的成本；表示在t时刻第l台风力发电机组的成本；表示在t时刻第r台光伏发电机组的成本；表示在t时刻第s台地热能发电机组的成本；表示在t时刻第u台清洁能源发电机组的成本；N为总发电机组的数量；NTG为火电发电机机组的数量；NHG为水电发电机机组的数量；NWG为风力发电机机组的数量；NPG为光伏发电机机组的数量；NOG为地热能发电机机组的数量；NCleanG为清洁能源发电机机组的数量；T为目标函数的统计时间；为t时刻第i台发电机组的发电量；为t时刻第j台火电发电机组的发电量；为t时刻第k台水电发电机组的发电量；为t时刻第l台风力发电机组的发电量；为t时刻第r台光伏发电机组的发电量；为t时刻第s台地热能发电机组的发电量；为t时刻第u台清洁能源发电机组的发电量；aj、bj和cj为第j台火电发电机组成本系数；dk为第k台水电发电机组成本系数；el为第l台风力发电机组成本系数；gr为第r台光伏发电机组成本系数；ms为第s台地热能发电机组成本系数；βu为第u台清洁能源发电机组成本系数；用清洁能源机组成本替换水电成本风电成本光能和地热能成本 功率平衡的等式约束为： 其中，为t时刻总的负荷需求值； 功率的上下限约束为： 其中，为第j台火电发电机组的发电量的下限；为第j台火电发电机组的发电量的上限；为第k台水电发电机组的发电量的下限；为第k台水电发电机组的发电量的上限；为第l台风力发电机组的发电量的下限；为第l台风力发电机组的发电量的上限；为第r台光伏发电机组的发电量的下限；为第r台光伏发电机组的发电量的上限；为第s台地热能发电机组的发电量的下限；为第s台地热能发电机组的发电量的上限； 火电机组爬坡速率约束为： 其中，为在t-1时刻第j台火电发电机组的发电量；为第j台火电机组的向下爬坡速率；为第j台火电机组的向上爬坡速率；T60为60分钟； 光电机组的时间约束为： 步骤2：设置初始迭代时刻t＝1； 步骤3：输入预测负荷值，并令初始迭代步数k＝0； 步骤4：将综合能源系统分为四层：第一层分为区域A、区域B和区域C；第二层分为区域Aa、区域Ab、区域Ac、区域Ba、区域Bb、区域Bc、区域Ca和区域Cb；第三层分为区域Aa1、区域Aa2、区域Ab1、区域Ab2、区域Ac1、区域Ac2、区域Ba1、区域Ba2、区域Ba3、区域Bb1、区域Bb2、区域Bc1、区域Bc2、区域Ca1、区域Ca2、区域Cb1、区域Cb2和区域Cb3；第四层为第三层各区域内的发电机组；步骤5：选出各层的领导者和跟随者智能体，第一层的区域A为领导者，区域B和区域C为跟随者；第二层的区域Aa、区域Ba和区域Ca为领导者，其他的二层区域为跟随者；第三层区域Aa1、区域Ab1、区域Ac1、区域Ba1、区域Bb1、区域Bc1、区域Ca1和区域Cb1为领导者，其他第三层的区域为跟随者；步骤6：结合智能体的拓扑结构图以及公式12和公式13对第一层智能体的一致性变量进行更新； 分布式网络拓扑结构的有向图G＝V,E和相应智能体之间权重关系的邻接矩阵A＝aij构成多智能体的网络拓扑结构；有向图G的Laplace矩阵L＝[lij]为： 其中，lii和lij是Laplace矩阵L中的元素；aij是邻接矩阵A中的元素； 智能体的行随机矩阵Hij为： 一致性变量λ表示为： λ＝[λT，λClean]9 其中，λ表示综合能源系统的一致性变量；λT表示火力发电机组的成本增量；λClean表示清洁能源发电机组的一致性变量； 跟随者和领导者的一致性变量更新公式分别为： 其中，NIB表示智能体的个数；k表示第k次迭代；表示t时刻第n个智能体在第k次迭代的一致性变量；表示t时刻第m个智能体在第k+1次迭代的一致性变量；τ表示分布式一致性方法的功率平衡调节因子；ΔPtk表示t时刻第k次迭代的功率偏差；Hmnk表示智能体的行随机矩阵； 步骤7：根据公式14求出第一层各智能体的有功出力； 各机组的有功功率公式为： 其中，表示t时刻第i个智能体在k+1次迭代的有功出力；表示t时刻第j个火电发电机组在k+1次迭代的有功出力；表示t时刻第u个清洁能源发电机组在k+1次迭代的有功出力；表示为第ω层第μ区域的有功上限，为该区域所分的下层子区域或机组有功上限之和；表示t时刻第i个智能体在k+1次迭代的一致性变量；表示t时刻第j个火力发电机组在k+1次迭代的成本增量；表示t时刻第u个清洁能源机组在k+1次迭代的一致性变量；表示第ω层第μ区域的火电机组的数量；表示第ω层第μ区域的清洁能源发电机组的数量；U表示该层的区域总数；W表示层总数； 步骤8：根据公式15对步骤7求出的第一层有功出力进行修正； 有功功率的修正公式为： 其中，表示第i个发电智能体的有功出力下限；表示第i个发电智能体的有功出力上限； 步骤9：根据公式16求出第一层的有功功率偏差值； 有功功率偏差ΔPtk+1为： 步骤10：判断步骤9求出的第一层的多模态有功功率偏差值是否满足精度要求 其中，δ表示功率偏差允许最大值；表示多模态功率偏差允许值； 如果则令迭代步数k＝k+1，并返回步骤6，继续进行第一层的迭代计算； 如果将得到的一组智能体的有功出力存储起来，然后令迭代步数k＝k+1，并返回步骤6，继续进行第一层的迭代计算； 如果则第一层的多模态有功偏差值满足要求，迭代结束，并获得多组智能体的有功出力； 步骤11：对步骤10得到的多组智能体发电机组的有功出力进行多模态判断和决策拥挤距离筛选，获得满足决策者要求的多模态有功出力； 多模态判断为： |fx1-fx2|ε18其中，x1和x2就是多模态的两组解决方案；ε表示多模态的临界阀值； 决策空间拥挤距离筛选为： 其中，表示第i组解的第j个决策变量的拥挤距离；xi+1,j表示第i+1组解的第j个决策变量；xi,j表示第i组解的第j个决策变量；表示最大目标值的第j个决策变量；表示最小目标值的第j个决策变量；xi-1,j表示第i-1组解的第j个决策变量；表示第i组解的拥挤距离；D表示决策变量的个数；ξ表示多模态允许的最小决策拥挤距离； 步骤12：将步骤11得到的第一层的多组多模态发电量作为负荷值输入到第二层，并令初始迭代步数k＝0； 步骤13：结合智能体的拓扑结构图以及公式12和公式13对第二层智能体的一致性变量进行更新； 步骤14：根据公式14求出第二层各智能体机组的有功出力； 步骤15：根据公式15对步骤14求出的有功出力进行修正； 步骤16：根据公式16求出第二层有功功率偏差值； 步骤17：判断步骤16求出的多模态有功功率偏差值是否满足精度要求； 如果则令迭代步数k＝k+1，并返回步骤13，继续进行第二层的迭代计算； 如果将得到的一组智能体的有功出力存储起来，然后令迭代步数k＝k+1，并返回步骤13，继续进行第二层的迭代计算； 如果则第二层的多模态有功偏差值满足要求，迭代结束，并获得多组智能体发电机组的有功出力； 步骤18：对步骤17得到的第二层的多组智能体的有功出力进行多模态判断和决策拥挤距离筛选，获得满足决策者要求的多模态有功出力； 步骤19：将步骤18得到的第二层的多组多模态发电量作为负荷值输入到第三层，并令初始迭代步数k＝0； 步骤20：结合智能体的拓扑结构图以及公式12和公式13对第三层智能体的一致性变量进行更新； 步骤21：根据公式14求出第三层各智能体机组的有功出力； 步骤22：根据公式15对步骤21求出的有功出力进行修正； 步骤23：根据公式16求出第三层有功功率偏差值； 步骤24：判断步骤23求出的多模态有功功率偏差值是否满足精度要求； 如果则令迭代步数k＝k+1，并返回步骤20，继续进行第三层的迭代计算； 如果将得到的一组智能体的有功出力存储起来，然后令迭代步数k＝k+1，并返回步骤20，继续进行第三层的迭代计算； 如果则第三层的多模态有功偏差值满足要求，迭代结束，并获得多组智能体发电机组的有功出力； 步骤25：对步骤24得到的第三层的多组智能体的有功出力进行多模态判断和决策拥挤距离筛选，获得满足决策者要求的多模态有功出力； 步骤26：将步骤25得到的第三层的多组多模态发电量作为负荷值输入到第四层，并令初始迭代步数k＝0； 步骤27：结合智能体的拓扑结构图以及公式12和公式13对第四层各发电机组的一致性变量进行更新；步骤28：根据公式14求出第四层各发电机组的有功出力； 步骤29：根据公式15对步骤28求出的有功出力进行修正； 步骤30：根据公式16求出第四层有功功率偏差值； 步骤31：判断步骤30求出的多模态有功功率偏差值是否满足精度要求； 如果则令迭代步数k＝k+1，并返回步骤27，继续进行第四层的迭代计算； 如果将得到的一组发电机组的有功出力存储起来，然后令迭代步数k＝k+1，并返回步骤27，继续进行第四层的迭代计算； 如果则第四层的多模态有功偏差值满足要求，迭代结束，并获得多组发电机组的有功出力； 步骤32：对步骤31得到的第四层的多组发电机组的有功出力进行多模态判断和决策拥挤距离筛选，获得满足决策者要求的多模态有功出力决策方案； 步骤33：判断t≤T是否满足，若满足，迭代结束；若不满足，则转入步骤3。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广西大学，其通讯地址为：530005 广西壮族自治区南宁市西乡塘区大学东路100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。