買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉廣西大學申請的專利一種多模態單目標分層分布式綜合能源系統經濟調度方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115545443B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211171480.9，技術領域涉及：G06Q10/0631；該發明授權一種多模態單目標分層分布式綜合能源系統經濟調度方法是由殷林飛;蔡鎮鍵;胡立坤;梁賢哲;秦秀芬;胡之塵;陳俊辰設計研發完成，并于2022-09-26向國家知識產權局提交的專利申請。

本一種多模態單目標分層分布式綜合能源系統經濟調度方法在說明書摘要公布了：本發明提出一種多模態單目標分層分布式綜合能源系統經濟調度方法，該方法將多模態單目標方法和分層分布式一致性方法進行結合，用于綜合能源系統的經濟調度。首先，所述方法中多模態單目標方法用于得到多樣性的多模態經濟調度單目標方案。其次，所述方法中分層分布式一致性方法利用分層的操作快速得到精確的經濟調度決策方案。所述多模態單目標分層分布式綜合能源系統經濟調度方法能解決大規模綜合能源系統經濟調度多模態的問題，多樣化經濟調度的決策方案，優化經濟調度的穩定性，提高計算速度和精確度。

本發明授權一種多模態單目標分層分布式綜合能源系統經濟調度方法在權利要求書中公布了：1.一種多模態單目標分層分布式綜合能源系統經濟調度方法，其特征在于，將多模態單目標方法和分層分布式一致性方法進行結合，用于綜合能源系統的經濟調度，增加經濟調度的多樣性和穩定性，提高計算速度和精度，為決策者提供豐富的能進行替換的決策方案；在使用過程中的步驟為： 步驟1：綜合能源系統的經濟調度模型的構建包含火能、水能、風能、光能和地熱能，并以成本花費為目標，遵循經濟調度的等式約束和不等式約束； 總發電成本的目標函數為： 其中，fx為總的發電成本；表示在t時刻第i臺發電機組的成本；表示在t時刻第j臺火電發電機組的成本；表示在t時刻第k臺水電發電機組的成本；表示在t時刻第l臺風力發電機組的成本；表示在t時刻第r臺光伏發電機組的成本；表示在t時刻第s臺地熱能發電機組的成本；表示在t時刻第u臺清潔能源發電機組的成本；N為總發電機組的數量；NTG為火電發電機機組的數量；NHG為水電發電機機組的數量；NWG為風力發電機機組的數量；NPG為光伏發電機機組的數量；NOG為地熱能發電機機組的數量；NCleanG為清潔能源發電機機組的數量；T為目標函數的統計時間；為t時刻第i臺發電機組的發電量；為t時刻第j臺火電發電機組的發電量；為t時刻第k臺水電發電機組的發電量；為t時刻第l臺風力發電機組的發電量；為t時刻第r臺光伏發電機組的發電量；為t時刻第s臺地熱能發電機組的發電量；為t時刻第u臺清潔能源發電機組的發電量；aj、bj和cj為第j臺火電發電機組成本系數；dk為第k臺水電發電機組成本系數；el為第l臺風力發電機組成本系數；gr為第r臺光伏發電機組成本系數；ms為第s臺地熱能發電機組成本系數；βu為第u臺清潔能源發電機組成本系數；用清潔能源機組成本替換水電成本風電成本光能和地熱能成本 功率平衡的等式約束為： 其中，為t時刻總的負荷需求值； 功率的上下限約束為： 其中，為第j臺火電發電機組的發電量的下限；為第j臺火電發電機組的發電量的上限；為第k臺水電發電機組的發電量的下限；為第k臺水電發電機組的發電量的上限；為第l臺風力發電機組的發電量的下限；為第l臺風力發電機組的發電量的上限；為第r臺光伏發電機組的發電量的下限；為第r臺光伏發電機組的發電量的上限；為第s臺地熱能發電機組的發電量的下限；為第s臺地熱能發電機組的發電量的上限； 火電機組爬坡速率約束為： 其中，為在t-1時刻第j臺火電發電機組的發電量；為第j臺火電機組的向下爬坡速率；為第j臺火電機組的向上爬坡速率；T60為60分鐘； 光電機組的時間約束為： 步驟2：設置初始迭代時刻t＝1； 步驟3：輸入預測負荷值，并令初始迭代步數k＝0； 步驟4：將綜合能源系統分為四層：第一層分為區域A、區域B和區域C；第二層分為區域Aa、區域Ab、區域Ac、區域Ba、區域Bb、區域Bc、區域Ca和區域Cb；第三層分為區域Aa1、區域Aa2、區域Ab1、區域Ab2、區域Ac1、區域Ac2、區域Ba1、區域Ba2、區域Ba3、區域Bb1、區域Bb2、區域Bc1、區域Bc2、區域Ca1、區域Ca2、區域Cb1、區域Cb2和區域Cb3；第四層為第三層各區域內的發電機組；步驟5：選出各層的領導者和跟隨者智能體，第一層的區域A為領導者，區域B和區域C為跟隨者；第二層的區域Aa、區域Ba和區域Ca為領導者，其他的二層區域為跟隨者；第三層區域Aa1、區域Ab1、區域Ac1、區域Ba1、區域Bb1、區域Bc1、區域Ca1和區域Cb1為領導者，其他第三層的區域為跟隨者；步驟6：結合智能體的拓撲結構圖以及公式12和公式13對第一層智能體的一致性變量進行更新； 分布式網絡拓撲結構的有向圖G＝V,E和相應智能體之間權重關系的鄰接矩陣A＝aij構成多智能體的網絡拓撲結構；有向圖G的Laplace矩陣L＝[lij]為： 其中，lii和lij是Laplace矩陣L中的元素；aij是鄰接矩陣A中的元素； 智能體的行隨機矩陣Hij為： 一致性變量λ表示為： λ＝[λT，λClean]9 其中，λ表示綜合能源系統的一致性變量；λT表示火力發電機組的成本增量；λClean表示清潔能源發電機組的一致性變量； 跟隨者和領導者的一致性變量更新公式分別為： 其中，NIB表示智能體的個數；k表示第k次迭代；表示t時刻第n個智能體在第k次迭代的一致性變量；表示t時刻第m個智能體在第k+1次迭代的一致性變量；τ表示分布式一致性方法的功率平衡調節因子；ΔPtk表示t時刻第k次迭代的功率偏差；Hmnk表示智能體的行隨機矩陣； 步驟7：根據公式14求出第一層各智能體的有功出力； 各機組的有功功率公式為： 其中，表示t時刻第i個智能體在k+1次迭代的有功出力；表示t時刻第j個火電發電機組在k+1次迭代的有功出力；表示t時刻第u個清潔能源發電機組在k+1次迭代的有功出力；表示為第ω層第μ區域的有功上限，為該區域所分的下層子區域或機組有功上限之和；表示t時刻第i個智能體在k+1次迭代的一致性變量；表示t時刻第j個火力發電機組在k+1次迭代的成本增量；表示t時刻第u個清潔能源機組在k+1次迭代的一致性變量；表示第ω層第μ區域的火電機組的數量；表示第ω層第μ區域的清潔能源發電機組的數量；U表示該層的區域總數；W表示層總數； 步驟8：根據公式15對步驟7求出的第一層有功出力進行修正； 有功功率的修正公式為： 其中，表示第i個發電智能體的有功出力下限；表示第i個發電智能體的有功出力上限； 步驟9：根據公式16求出第一層的有功功率偏差值； 有功功率偏差ΔPtk+1為： 步驟10：判斷步驟9求出的第一層的多模態有功功率偏差值是否滿足精度要求 其中，δ表示功率偏差允許最大值；表示多模態功率偏差允許值； 如果則令迭代步數k＝k+1，并返回步驟6，繼續進行第一層的迭代計算； 如果將得到的一組智能體的有功出力存儲起來，然后令迭代步數k＝k+1，并返回步驟6，繼續進行第一層的迭代計算； 如果則第一層的多模態有功偏差值滿足要求，迭代結束，并獲得多組智能體的有功出力； 步驟11：對步驟10得到的多組智能體發電機組的有功出力進行多模態判斷和決策擁擠距離篩選，獲得滿足決策者要求的多模態有功出力； 多模態判斷為： |fx1-fx2|ε18其中，x1和x2就是多模態的兩組解決方案；ε表示多模態的臨界閥值； 決策空間擁擠距離篩選為： 其中，表示第i組解的第j個決策變量的擁擠距離；xi+1,j表示第i+1組解的第j個決策變量；xi,j表示第i組解的第j個決策變量；表示最大目標值的第j個決策變量；表示最小目標值的第j個決策變量；xi-1,j表示第i-1組解的第j個決策變量；表示第i組解的擁擠距離；D表示決策變量的個數；ξ表示多模態允許的最小決策擁擠距離； 步驟12：將步驟11得到的第一層的多組多模態發電量作為負荷值輸入到第二層，并令初始迭代步數k＝0； 步驟13：結合智能體的拓撲結構圖以及公式12和公式13對第二層智能體的一致性變量進行更新； 步驟14：根據公式14求出第二層各智能體機組的有功出力； 步驟15：根據公式15對步驟14求出的有功出力進行修正； 步驟16：根據公式16求出第二層有功功率偏差值； 步驟17：判斷步驟16求出的多模態有功功率偏差值是否滿足精度要求； 如果則令迭代步數k＝k+1，并返回步驟13，繼續進行第二層的迭代計算； 如果將得到的一組智能體的有功出力存儲起來，然后令迭代步數k＝k+1，并返回步驟13，繼續進行第二層的迭代計算； 如果則第二層的多模態有功偏差值滿足要求，迭代結束，并獲得多組智能體發電機組的有功出力； 步驟18：對步驟17得到的第二層的多組智能體的有功出力進行多模態判斷和決策擁擠距離篩選，獲得滿足決策者要求的多模態有功出力； 步驟19：將步驟18得到的第二層的多組多模態發電量作為負荷值輸入到第三層，并令初始迭代步數k＝0； 步驟20：結合智能體的拓撲結構圖以及公式12和公式13對第三層智能體的一致性變量進行更新； 步驟21：根據公式14求出第三層各智能體機組的有功出力； 步驟22：根據公式15對步驟21求出的有功出力進行修正； 步驟23：根據公式16求出第三層有功功率偏差值； 步驟24：判斷步驟23求出的多模態有功功率偏差值是否滿足精度要求； 如果則令迭代步數k＝k+1，并返回步驟20，繼續進行第三層的迭代計算； 如果將得到的一組智能體的有功出力存儲起來，然后令迭代步數k＝k+1，并返回步驟20，繼續進行第三層的迭代計算； 如果則第三層的多模態有功偏差值滿足要求，迭代結束，并獲得多組智能體發電機組的有功出力； 步驟25：對步驟24得到的第三層的多組智能體的有功出力進行多模態判斷和決策擁擠距離篩選，獲得滿足決策者要求的多模態有功出力； 步驟26：將步驟25得到的第三層的多組多模態發電量作為負荷值輸入到第四層，并令初始迭代步數k＝0； 步驟27：結合智能體的拓撲結構圖以及公式12和公式13對第四層各發電機組的一致性變量進行更新；步驟28：根據公式14求出第四層各發電機組的有功出力； 步驟29：根據公式15對步驟28求出的有功出力進行修正； 步驟30：根據公式16求出第四層有功功率偏差值； 步驟31：判斷步驟30求出的多模態有功功率偏差值是否滿足精度要求； 如果則令迭代步數k＝k+1，并返回步驟27，繼續進行第四層的迭代計算； 如果將得到的一組發電機組的有功出力存儲起來，然后令迭代步數k＝k+1，并返回步驟27，繼續進行第四層的迭代計算； 如果則第四層的多模態有功偏差值滿足要求，迭代結束，并獲得多組發電機組的有功出力； 步驟32：對步驟31得到的第四層的多組發電機組的有功出力進行多模態判斷和決策擁擠距離篩選，獲得滿足決策者要求的多模態有功出力決策方案； 步驟33：判斷t≤T是否滿足，若滿足，迭代結束；若不滿足，則轉入步驟3。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣西大學，其通訊地址為：530005 廣西壯族自治區南寧市西鄉塘區大學東路100號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。