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！

龙图腾网恭喜河海大学申请的专利一种基于数据驱动的园区综合能源系统随机—分布鲁棒低碳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：CN115293502B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202210767314.9，技术领域涉及：G06Q10/0631；该发明授权一种基于数据驱动的园区综合能源系统随机—分布鲁棒低碳调度方法是由陈胜;张晓;梁泽宇;吕文涛设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本一种基于数据驱动的园区综合能源系统随机—分布鲁棒低碳调度方法在说明书摘要公布了：本发明公开了一种基于数据驱动的园区综合能源系统随机—分布鲁棒低碳调度方法。计及园区内光伏出力的随机性和碳排放效益，最小化园区综合能源系统调度成本。本发明首先根据日前光伏预测数据对光伏历史场景进行相似日筛选，通过模糊C均值聚类将相似场景进行分类，在此基础上构建了随机‑分布鲁棒双层调度模型，下层采用分布鲁棒优化方法，识别各类中场景的运行成本最高的概率分布，生成各类的代表场景；上层采用随机规划最小化各类中代表场景的期望成本，获取园区综合能源系统最优调度策略。模型降低了传统鲁棒优化方法的保守性，提高了系统运行的经济性，为计及光伏出力随机性和碳排放效益的园区综合能源系统调度提出了一种新方法。

本发明授权一种基于数据驱动的园区综合能源系统随机—分布鲁棒低碳调度方法在权利要求书中公布了：1.一种基于数据驱动的园区综合能源系统随机—分布鲁棒低碳调度方法，其特征在于，该方法包括以下步骤：步骤1、获取综合能源系统参数、历史光伏出力数据和负荷需求数据；步骤2、根据光伏预测数据进行相似日筛选，通过模糊C均值聚类将相似场景分类；步骤3、基于相似光伏出力场景，构建园区综合能源系统日前-日内两阶段调度模型，模型为双层规划模型；步骤4、上层模型采用随机规划最小化各类代表场景的期望成本，求解获取日前调度策略和调度成本C1；步骤5、下层模型采用分布鲁棒优化，带入日前调度策略，识别各类场景中运行成本最高的概率分布，生成各类的代表场景，求解获取日内调度策略和调度成本C2；步骤6、判断模型是否收敛，即|C2-C1|是否小于预设值，若否，返回步骤4，将下层优化生成的代表场景返回上层随机规划中，继续进行迭代优化；若收敛，输出园区综合能源系统最优调度策略；步骤4中，构建了计及碳排放成本和光伏出力随机性的园区综合能源系统优化日前调度模型，最小化式1.1所示的综合运行成本；模型约束包括式1.2所示的能源集线器设备运行约束和式1.3所示的可控负荷调度约束； 式1.1中，TC为总调度成本，f1为日前调度成本，f2为日内调度成本，λt和βt为上级电网单位分时电价和上级气网单位分时气价，ce为电能单位碳排放价格，cg为天然气单位碳排放价格；Pt,sub和Qt,g分别表示向上级电网、气网实时的购电量和购气量；分别为可控氢负荷、电负荷、气负荷上调成本系数；分别为可控氢负荷、电负荷、气负荷下调成本系数；分别为氢负荷、电负荷、热负荷上调功率；分别表示氢负荷，电负荷，热负荷下调功率；式1.2中Pt,PV表示园区内光伏的发电量，Pt,LG，Pt,LE和Pt,LH分别为氢负荷、电负荷和热负荷需求；ηP2G，ηEB，ηTF，ηGB和分别描述电转气机组、电热锅炉、变压器和燃气锅炉能量转化效率；ηch和ηce分别是热电联产机组CHP的热转化效率和气转化效率，Pt.e1，Pt,e2和Pt,e3分别为注入P2G、EB和变压器的电量；Qt,g1和Qt,g2分别为注入CHP机组和GB机组的气量；和分别为向上级电网和气网的购电、购气量上限，式1.3中，分别为可控氢负荷、电负荷、热负荷上调最大值；分别为可控氢负荷、电负荷、热负荷下调最大值；Pt,LG0，Pt,LE0和Pt,LH0别为基础氢负荷、电负荷、热负荷需求；ut,LG,ut,LE,ut,LH分别代表能量过剩时对应可控负荷上调状态变量；vt,LG,vt,LE,vt,LH分别表示能量短缺时对应可控负荷下调状态变量；式1.2中，第1-3式表示各设备转换效率约束，第4、5式分别表示电量和气量平衡约束，第6式为向上级电网购电购气量上下限约束，式1.3中第1-3式为气、电、热负荷响应平衡约束；第4式为响应状态约束；第5-7式为负荷响应上下限约束；步骤4、5中，计及园区内光伏出力的随机性构建随机+分布鲁棒双层调度模型，上层采用随机规划最小化各类中代表场景的期望成本，各类的代表场景来自于下层的分布鲁棒优化，上层随机规划表达如式1.4所示；下层鲁棒优化则根据上层随机规划获得的日前调度策略，识别各类中场景运行成本最高的概率分布，获取日内调度策略，并生成代表场景，下层分布鲁棒优化形式如式1.5所示：上层随机规划模型： 下层分布鲁棒优化模型： 上式中，ρk为第k类的概率，K为场景类别编号最大值；f2,k为第k类典型场景的日内调度成本；A，B，c代表各类系数；x代表购电量和购气量，即日前调度策略；代表园区综合能源系统的中间日前调度变量，包括Pt.e1，Pt,e2，Pt,e3，其中，上标i为第i次迭代，l为迭代的次数；为第i次迭代中第k类运行成本最高的概率分布下期望光伏出力；为第i次迭代中第k类运行成本最高的概率分布下期望光伏出力场景对应的日内调度成本；Ωk为第k类运行成本最高的概率分布集合；为第k类第s个场景样本的概率；为第k类第s个场景的光伏出力；为第k类中第s个光伏出力场景对应的日内调度成本；qk,s为第k类第s个场景样本的概率，其是一个规划的变量；Fk为每类中构建的不确定概率分布综合范数约束，yk,s为第k类第s个场景的中间日内调度变量；上层随机规划模型1.4中状态变量为下层规划模型1.5的最优解，将其拆分为以下主子问题迭代求解：主问题： 子问题： 式中：x*为主问题得到的最优日前调度策略，其中加*上标代表变量转化为常数；求得的结果即为步骤4中C1；子问题旨在求解主问题日前调度策略所对应的运行成本最高的概率分布；由于子问题1.7内外层优化之间无耦合，进一步将子问题进行拆解，子问题1如式1.8所示，目标为求解各相似场景的最优日内调度成本，子问题2如式1.9所示，旨在求解各类对应运行成本最高的概率分布；子问题1： 子问题2： 上式中：Nk是每一类内部的场景个数；是θ1为1-范数约束；θ∞为∞范数约束；为子问题2第k类第s个场景的初始概率；为子问题1给子问题2返回的日内调度成本；模型求解步骤如下：步骤1初始化：设置迭代次数l＝1，C1＝－∞，C2＝+∞，步骤2求解主问题1.6，获得当前最优日前调度决策x*，更新模型目标值步骤3求解子问题1.8和1.9，获取运行成本最高的概率分布并添加到主问题中，更新模型目标值步骤4若|C2-C1|≥10-3，返回步骤2，否则，迭代结束，输出园区综合能源系统最优调度策略。

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河海大学，其通讯地址为：211100 江苏省南京市江宁开发区佛城西路8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”。