[发明专利]一种综合能源系统异质能流联动优化平台

权利要求书

1.一种综合能源系统异质能流联动优化平台，包括：

收集用户的实时负荷数据、用户的历史前期负荷数据以及用户的历史同期负荷数据；

基于建立的负荷预测模型，根据所述用户的实时负荷数据，预测得到循环负荷预测结果；其中，所述负荷预测模型为基于所述历史同期负荷数据和所述历史前期负荷数据建立的深度信念网络模型；

基于所述负荷预测模型，根据所述用户的历史前期负荷数据中的日前负荷数据，预测得到日前负荷预测结果；

基于非局部排序遗传算法NSGA-II对所述循环负荷预测结果和日前负荷预测结果进行处理，确定供能设备的循环调度参数和日前调度参数；

根据所述供能设备的日前调度参数和所述供能设备的循环调度参数得出优化调度方案，根据所述优化调度方案模拟所述供能设备的调度，得到并记录并行运行结果；

将根据未优化过的原调度方案得到的实际运行结果与所述并行运行结果进行多个维度的对比分析。

2.根据权利要求1所述的平台，其中，所述基于负荷预测模型，根据所述用户的实时负荷数据，预测得到循环负荷预测结果包括：

将所述实时负荷数据分为n个相同时间段的实时负荷数据；其中，n为自然数；

利用所述第i时间段的实时负荷数据对所述负荷预测模型进行优化；

基于优化后的负荷预测模型，根据第i时间段的实时负荷数据，预测得到第i+1时间段的循环负荷预测结果；

将i的数值加1后，返回上述利用所述第i时间段的实时负荷数据对所述负荷预测模型进行优化的步骤，直至i等于n-1。

3.根据权利要求1所述的平台，其中，所述实时负荷数据、所述历史前期负荷数据和所述历史同期负荷数据包括：温度、湿度、风速以及负荷信息中的一项或多项；

所述收集用户的实时负荷数据包括：通过在线采样收集所述实时负荷数据；

所述收集用户的历史前期负荷数据和历史同期负荷数据包括：通过数据库传输收集所述历史前期负荷数据和所述历史同期负荷数据。

4.根据权利要求3所述的平台，其中，所述负荷预测模型通过如下过程建立：

建立初始深度信念网络模型；

根据所述历史前期负荷数据中负荷信息与温度、湿度和风速的关系确定所述初始深度信念网络模型的初始权值；

根据所述历史前期负荷数据，基于聚类算法确定所述初始深度信念网络模型对应的初始差异曲线；

对进行标准化处理后的所述历史前期负荷数据中的温度、湿度、风速、负荷信息以及所述历史同期负荷数据作为输入参数；

使用对比散度算法CD对所述输入参数进行无监督学习，输出负荷特征向量；

根据所述负荷特征向量对所述初始权值进行初步修正；

使用单层反向传播网络BP对所述负荷特征向量进行有监督学习，优化所述初始权值，得到最优权值；

将所述初始权值更新为所述最优权值后，得到所述负荷预测模型。

5.根据权利要求4所述的平台，其中，根据所述历史前期负荷数据中负荷信息与温度、湿度和风速的关系确定所述初始深度信念网络模型的初始权值包括：

通过如下算式确定所述初始深度信念网络模型的初始权值：

J＝f(t,e,s)

其中，J为所述历史前期负荷数据中的负荷信息，t、e、s分别为所述历史前期负荷数据中的温度、湿度、风速；f()代表离散傅里叶变换。

6.根据权利要求4所述的平台，其中，根据所述历史前期负荷数据，基于聚类算法确定所述初始深度信念网络模型对应的初始差异曲线包括：

利用灰狼优化算法GWO在所述历史前期负荷数据中的负荷信息中搜寻得到初始聚类中心；

利用模糊C均值算法FCM在所述初始聚类中心的基础上进行迭代计算，完成聚类分析得到用能特征曲线；

将所述用能特征曲线作为所述初始差异曲线。