一种微电网的能源调度方法、装置、设备及介质与流程

1.本技术涉及微电网技术领域，尤其是一种微电网的能源调度方法、装置、设备及介质。


背景技术：

2.随着工业化的不断推进，能源的需求不断上涨，能源危机日益严峻。同时，环境污染问题也愈演愈烈。近年来，清洁能源技术愈发成熟，这为解决现今的能源困境开拓了一条全新的道路。所以，越来越多的国家和地区开展了关于分布式发电的研究。从技术上来看，微电网系统的地位在分布式发电技术中已非常重要，当具备高效调度的微电网系统接入配电网时，分布式发电的能效得到了提高，这受到了各方的青睐，因此，微电网技术迎来了巨大的发展。对于各种清洁能源来说，微电网的出现为其能源调度和利用提供一个全新的平台。微电网充当整个系统的粘合剂，它将分布式发电设备与配电网进行了有机的结合。在运用微电网技术时需要保证其具备稳定性、安全性与经济性。因而，如何调度微电网中的各个微源，使其充分、高效、安全地接入到系统中，成为了微电网运行优化的关键环节。
3.相关技术中，微电网分布式供电的电源样式众多，运行特点也多种多样，而且部分电源受外界因素影响较大，这给系统带来了许多不确定因素。此外，在运用微电网技术发电时还需考虑其成本效益与环境效益。上述种种原因夹杂，导致微电网的调度运行成为了复杂约束多目标优化问题，难以得到理想的解用于高效实现能源调度。
4.综上，相关技术中存在的问题亟需得到解决。


技术实现要素：

5.本技术的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
6.为此，本技术实施例的一个目的在于提供一种微电网的能源调度方法，能够提高微电网的能源调度效率，兼顾多方面的效益，有利于电网系统的稳定运行。
7.本技术实施例的另一个目的在于提供微电网的能源调度装置。
8.为了达到上述技术目的，本技术实施例所采取的技术方案包括：
9.第一方面，本技术实施例提供了一种微电网的能源调度方法，包括以下步骤：
10.获取目标微电网的业务数据，根据所述业务数据建立所述目标微电网对应的微电网数学模型；
11.为所述微电网数学模型配置多个目标函数和多个约束条件；
12.通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集；所述非支配解集中包括多组初始调度参数，所述初始调度参数用于确定决策变量；
13.将所述非支配解集发送给目标对象，根据所述目标对象选定操作确定目标调度参数，并通过所述目标调度参数对所述目标微电网进行能源调度。
14.另外，根据本技术上述实施例的微电网的能源调度方法，还可以具有以下附加的技术特征：
15.进一步地，在本技术的一个实施例中，所述获取目标微电网的业务数据，包括：
16.获取所述目标微电网的电力设备参数、线路参数以及负荷特性中的至少一者；
17.其中，所述电力设备参数包括发电机的额定容量、发电机的转速、变压器的变比和损耗系数、电池的电量和充电状态；
18.所述线路参数包括线路的阻抗、电阻、电感和电容；
19.所述负荷特性包括负荷的功率大小、功率因数和负载类型。
20.进一步地，在本技术的一个实施例中，所述为所述微电网数学模型配置多个目标函数和多个约束条件，包括：
21.为所述微电网数学模型配置成本最小化目标函数和电能供需峰谷差最小化目标函数；
22.为所述微电网数学模型配置移入移出功率相等约束、ess配备容量约束、电池电量变化约束、负载要求约束和限制电网损耗约束中的多个约束条件。
23.进一步地，在本技术的一个实施例中，所述通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集，包括：
24.初始化第一种群；所述第一种群中包括若干所述微电网数学模型的第一候选解；
25.在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群，混合所述第一种群和所述第一子种群得到第一目标种群；
26.对所述第一目标种群进行环境选择，得到更新后的第一种群；
27.检测当前的迭代次数，若所述迭代次数小于预设阈值，返回所述在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群的步骤继续迭代；或者，若所述迭代次数大于或者等于所述预设阈值，根据当前的第一种群确定非支配解集。
28.进一步地，在本技术的一个实施例中，所述对所述第一目标种群进行环境选择，得到更新后的第一种群，包括：
29.获取参考向量；所述参考向量在第一象限内均匀分布；
30.计算各个所述第一候选解和所述参考向量之间的角度，根据所述角度将所述第一候选解划分到各个所述子集合中；
31.在每个所述子集合内，对所述第一候选解进行挑选，得到精英解；
32.整合挑选得到的所有所述精英解，得到更新后的第一种群。
33.进一步地，在本技术的一个实施例中，所述在每个所述子集合内，对所述第一候选解进行挑选，得到精英解，包括：
34.在每个所述子集合内，计算各个所述第一候选解的角度距离指标；
35.按照所述角度距离指标的大小，对各个所述第一候选解进行排序；
36.根据排序结果，选取所述角度距离指标最大的第一候选解作为精英解。
37.进一步地，在本技术的一个实施例中，所述通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集，包括：
38.初始化第一种群和第二种群；所述第一种群中包括若干所述微电网数学模型的第一候选解，所述第二种群包括若干不带约束条件的微电网数学模型的第二候选解；
39.在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群，以及在所述第二种群的基础上，通过竞争群子代生成策略生成第二子种群；
40.混合所述第一种群、所述第一子种群和所述第二子种群得到第一目标种群，混合所述第二种群、所述第二子种群得到第二目标种群；
41.对所述第一目标种群进行环境选择，得到更新后的第一种群，对所述第二目标种群进行环境选择，得到更新后的第二种群；
42.检测当前的迭代次数，若所述迭代次数小于预设阈值，返回所述在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群的步骤继续迭代；或者，若所述迭代次数大于或者等于所述预设阈值，根据当前的第一种群确定非支配解集。
43.第二方面，本技术实施例提供了一种微电网的能源调度装置，包括：
44.获取单元，用于获取目标微电网的业务数据，根据所述业务数据建立所述目标微电网对应的微电网数学模型；
45.配置单元，用于为所述微电网数学模型配置多个目标函数和多个约束条件；
46.处理单元，用于通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集；所述非支配解集中包括多组初始调度参数，所述初始调度参数用于确定决策变量；
47.执行单元，用于将所述非支配解集发送给目标对象，根据所述目标对象选定操作确定目标调度参数，并通过所述目标调度参数对所述目标微电网进行能源调度。
48.第三方面，本技术实施例提供了一种电子设备，包括：
49.至少一个处理器；
50.至少一个存储器，用于存储至少一个程序；
51.当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现第一方面所述的微电网的能源调度方法。
52.第四方面，本技术实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于实现第一方面所述的微电网的能源调度方法。
53.本技术的优点和有益效果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，或通过本技术的实践了解到：
54.本技术实施例中提供一种微电网的能源调度方法、装置、设备及介质，获取目标微电网的业务数据，根据所述业务数据建立所述目标微电网对应的微电网数学模型；为所述微电网数学模型配置多个目标函数和多个约束条件；通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集；所述非支配解集中包括多组初始调度参数，所述初始调度参数用于确定决策变量；将所述非支配解集发送给目标对象，根据所述目标对象选定操作确定目标调度参数，并通过所述目标调度参数对所述目标微电网进行能源调度。本技术的技术方案，能够在多约束条件、多优化目标的情况下实现微电网能源调度问题的求解，可以提高微电网的能源调度效率；多优化目标支持设定多个维度的指标，能够兼顾多方面的效益，同时又可以基于多约束条件限定运行环境相关的各类参数，减少出现异常工况的概率，有利于电网系统的稳定运行。
附图说明
55.为了更清楚地说明本技术实施例或者现有技术中的技术方案，下面对本技术实施
例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本技术的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
56.图1为本技术实施例中提供的一种微电网的能源调度方法的实施环境示意图；
57.图2为本技术实施例中提供的一种微电网的能源调度方法的流程示意图；
58.图3为本技术实施例中提供的步骤230的一种流程示意图；
59.图4为本技术实施例中提供的步骤330的一种流程示意图；
60.图5为本技术实施例中提供的一种第一候选解和参考向量的空间位置示意图；
61.图6为本技术实施例中提供的步骤430的一种流程示意图；
62.图7为本技术实施例中提供的步骤230的另一种流程示意图；
63.图8为本技术实施例中提供的一种双种群策略示意图；
64.图9为本技术实施例中提供的一种微电网的能源调度装置的结构示意图；
65.图10为本技术实施例中提供的一种电子设备的结构示意图。
具体实施方式
66.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本技术，而不能理解为对本技术的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
67.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
68.微电网，一种小型的、自治的电力系统，由一个或多个能量源、能量存储设备、能量转换器和用电负载组成。微电网可以独立地运行，也可以与主电网连接并进行交互。其目的是通过本地发电和能量储存来提高能源的可靠性和可持续性，并减少能源供给不足和能源浪费等问题。
69.协同进化算法，一种基于群体智能的演化算法，其主要思想是通过对多个子群体的协同进化来解决复杂问题。与传统的进化算法不同，协同进化算法将一个大问题分解成多个子问题，每个子问题由一个独立的子群体来解决。这些子群体之间通过信息交互和协作来实现全局优化。
70.随着工业化的不断推进，能源的需求不断上涨，能源危机日益严峻。同时，环境污染问题也愈演愈烈。近年来，清洁能源技术愈发成熟，这为解决现今的能源困境开拓了一条全新的道路。所以，越来越多的国家和地区开展了关于分布式发电的研究。从技术上来看，微电网系统的地位在分布式发电技术中已非常重要，当具备高效调度的微电网系统接入配电网时，分布式发电的能效得到了提高，这受到了各方的青睐，因此，微电网技术迎来了巨大的发展。对于各种清洁能源来说，微电网的出现为其能源调度和利用提供一个全新的平台。微电网充当整个系统的粘合剂，它将分布式发电设备与配电网进行了有机的结合。在运用微电网技术时需要保证其具备稳定性、安全性与经济性。因而，如何调度微电网中的各个
微源，使其充分、高效、安全地接入到系统中，成为了微电网运行优化的关键环节。
71.相关技术中，微电网分布式供电的电源样式众多，运行特点也多种多样，而且部分电源受外界因素影响较大，这给系统带来了许多不确定因素。此外，在运用微电网技术发电时还需考虑其成本效益与环境效益。上述种种原因夹杂，导致微电网的调度运行成为了复杂约束多目标优化问题，难以得到理想的解用于高效实现能源调度。
72.有鉴于此，本技术实施例中提供一种微电网的能源调度方法、装置、设备及介质，本技术实施例中的方法，能够在多约束条件、多优化目标的情况下实现微电网能源调度问题的求解，可以提高微电网的能源调度效率；多优化目标支持设定多个维度的指标，能够兼顾多方面的效益，同时又可以基于多约束条件限定运行环境相关的各类参数，减少出现异常工况的概率，有利于电网系统的稳定运行。
73.参照图1，图1示出了本技术实施例中提供的一种微电网的能源调度方法的实施环境示意图。在该实施环境中，主要涉及的软硬件主体包括终端设备110、后台服务器120。
74.具体地，终端设备110中，可以安装有相关的应用程序，后台服务器120为该应用程序的后台服务器。终端设备110、后台服务器120之间通信连接。本技术实施例中提供的微电网的能源调度方法，可以单独在终端设备110侧或者单独在后台服务器120侧执行，也可以通过终端设备110和后台服务器120之间的数据交互来执行。
75.其中，以上实施例的终端设备110可以包括智能手机、平板电脑、笔记本电脑、台式计算机、智能手表以及车载终端等，但并不局限于此。
76.后台服务器120可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn(content delivery network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
77.终端设备110和后台服务器120之间可以通过无线网络或有线网络建立通信连接。该无线网络或有线网络使用标准通信技术和/或协议，网络可以设置为因特网，也可以是其它任何网络，例如包括但不限于局域网(local area network，lan)、城域网(metropolitan area network，man)、广域网(wide area network，wan)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。并且，上述的这些软硬件主体之间，既可以采用相同的通信连接方式，也可以采用不同的通信连接方式，本技术对此不作具体限制。
78.当然，可以理解的是，图1中的实施环境只是本技术实施例中提供的微电网的能源调度方法一些可选的应用场景，实际的应用并不固定为图1所示出的软硬件环境。
79.下面，结合前述的实施环境的介绍，对本技术实施例中提供的一种微电网的能源调度方法进行介绍和说明。
80.请参照图2，图2是本技术实施例提供的一种微电网的能源调度方法的示意图，该微电网的能源调度方法包括但不限于：
81.步骤210、获取目标微电网的业务数据，根据所述业务数据建立所述目标微电网对应的微电网数学模型；
82.本步骤中，将需要进行能源调度的微电网记为目标微电网。获取目标微电网的业务数据，指的是从目标微电网的运营中心或者后台中获取相关的电力业务数据，比如能量源、能量存储设备、能量转换器和用电负载的类型、数量、容量、功率等。这些数据可以通过
实地调查和监测获取，也可以从微电网的监控系统中获取，本技术对此不作限制。
83.具体地，在一些实施例中，本技术获取的业务数据可以包括但不限于目标微电网的电力设备参数、线路参数以及负荷特性。其中，电力设备参数可以包括发电机的额定容量、发电机的转速、变压器的变比和损耗系数、电池的电量和充电状态；线路参数可以包括线路的阻抗、电阻、电感和电容；负荷特性可以包括负荷的功率大小、功率因数和负载类型。
84.本步骤中，在得到目标微电网的业务数据后，可以根据业务数据建立目标微电网对应的微电网数学模型，即在获取目标微电网的业务数据之后，将这些数据转化为对应的数学模型。具体地，本技术实施例中，微电网数学模型可以包括能量源、能量存储设备、能量转换器和用电负载等各个组成部分的电路模型、能量平衡方程和控制策略等，本技术对此不作限制。在建立微电网数学模型时，需要考虑各种能量源和能量存储设备的特性和运行状态，并将其纳入到能量平衡方程中。此外，还需要考虑微电网的控制系统和控制策略，以确保微电网的稳定运行和性能优化。基于目标微电网的业务数据建立的微电网数学模型，可以用于仿真分析、优化设计、控制和运维等方面。通过对微电网数学模型的分析和仿真，可以更好地理解微电网的运行机制和性能，为微电网的设计、建设和运营提供有力支持。
85.步骤220、为所述微电网数学模型配置多个目标函数和多个约束条件；
86.本步骤中，对于前述的微电网数学模型，可以根据实际的业务需求，为其配置对应的目标函数和约束条件。其中，目标函数指的是在优化问题中需要最小化或最大化的函数，通常是与目标有关的性能指标，如成本、效率、可靠性等。例如，在本技术实施例的微电网调度的优化设计中，目标函数可以是最小化总成本、最大化能源利用率等。约束条件指的是在优化问题中需要满足的限制条件，通常是与设计、资源或运行有关的约束条件，如电力平衡、能量存储限制、电力质量等。例如，在本技术实施例的微电网调度的优化设计中，约束条件可以是微电网的能量平衡方程、能量储存限制、用电需求等。通过目标函数和约束条件，可以将微电网的复杂性和多样性纳入到数学模型中，从而对微电网进行优化设计和运营策略的制定。
87.需要说明的是，本技术实施例中，由于一般微电网的运行情况比较复杂，且需要综合考虑多方面的限制和效益，故而目标函数和约束条件的数量为多个。此处，需要注意的是，不同的目标函数和约束条件之间可能存在冲突或矛盾，需要进行综合考虑和平衡，以达到优化设计的目的。
88.具体地，在一些实施例中，本技术中的目标函数可以包括成本最小化目标函数和电能供需峰谷差最小化目标函数，其中，成本最小化目标函数用于使得发电经济性最佳，其可以表示为：
89.f1＝c
ex
+c
dg
+c
em
+c
lc
90.式中，c
ex
是与外网交易成本。c
dg
表示发电成本。c
em
为eer存储设备的运行维护成本。c
lc
是柔性负载的补偿成本。
91.电能供需峰谷差最小化目标函数能够使得微电网运行更为稳定，减少能量的波动，其可以表示为：
92.f2＝maxp
ex，t-minp
ex，t
＝δp
ex
93.式中，p
ex，t
为微网与外网随时间变化的功率交换值，max为最大值函数，min为最小值函数。
94.本技术中的约束条件可以包括但不限于移入移出功率相等约束、ess配备容量约束、电池电量变化约束、负载要求约束和限制电网损耗约束。
95.当然，以上示例仅用于对本技术实施例中的目标函数和约束条件进行示例性的说明，并不意味着对其具体实施进行限制，本领域技术人员可以根据实际的需求，对其进行灵活调整。
96.步骤230、通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集；所述非支配解集中包括多组初始调度参数，所述初始调度参数用于确定决策变量；
97.本步骤中，在配置好微电网数学模型对应的目标函数和约束条件后，可以对其进行求解，得到对应的非支配解集，即无法通过改变一个目标函数而改进另一个目标函数的解集。在非支配解集中，可以包括有多组调度参数。调度参数是指在微电网运行过程中，可以用于调整或控制的一组参数，如发电机出力、储能系统的充放电等。这些调度参数可以用于调整、变更微电网运营中的决策变量，通过对这些决策变量的调整，可以实现微电网的运行管理。
98.本步骤中，由于微电网的多目标优化问题往往存在多个局部最优解和无法直接计算的约束条件，利用多目标协同进化算法可以有效地解决这些问题，找到一组全局最优解或较优解，从而为微电网的运营提供决策支持。同时，利用多目标协同进化算法还可以进行灵敏度分析等后续优化工作，进一步提高微电网的性能和效益。具体地，通过多目标协同进化算法对微电网数学模型进行求解，即利用进化算法中的多目标优化算法，如多目标遗传算法(moga)、多目标粒子群优化算法(mopso)等，来求解微电网的多目标优化问题。这些算法可以同时优化多个目标函数，并考虑多个约束条件，通过协同进化的方式，生成一组非支配解集。
99.步骤240、将所述非支配解集发送给目标对象，根据所述目标对象选定操作确定目标调度参数，并通过所述目标调度参数对所述目标微电网进行能源调度。
100.本步骤中，非支配解集中包括有多组初始调度参数，这些初始调度参数均可以用于实现微电网的能源调度。为了提高调度的灵活性和可用性，本技术实施例中，可以将非支配解集发送给目标对象，让目标对象从中选择合适的调度参数作为目标调度参数。此处，目标对象可以是负责微电网运行的管理者或电力调度中心，他们可以根据电力市场需求、用户用电需求等因素，选定合适的目标调度参数，以实现最优化的微电网运行和能源管理。
101.可以理解的是，本技术实施例中提供的微电网的能源调度方法，能够在多约束条件、多优化目标的情况下实现微电网能源调度问题的求解，可以提高微电网的能源调度效率；多优化目标支持设定多个维度的指标，能够兼顾多方面的效益，同时又可以基于多约束条件限定运行环境相关的各类参数，减少出现异常工况的概率，有利于电网系统的稳定运行。
102.具体地，在一些实施例中，参照图3，所述通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集，包括：
103.步骤310、初始化第一种群；所述第一种群中包括若干所述微电网数学模型的第一候选解；
104.步骤320、在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群，
混合所述第一种群和所述第一子种群得到第一目标种群；
105.步骤330、对所述第一目标种群进行环境选择，得到更新后的第一种群；
106.步骤340、检测当前的迭代次数，若所述迭代次数小于预设阈值，返回所述在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群的步骤继续迭代；或者，若所述迭代次数大于或者等于所述预设阈值，根据当前的第一种群确定非支配解集。
107.本技术实施例中，在通过协同进化算法对微电网数学模型进行求解时，首先，初始化第一种群，第一种群中包括微电网数学模型的第一候选解。第一候选解是在算法开始的第一个迭代中，生成的一组随机的解，这些解对应着问题的一些可能解，但通常不是最优解。在第一种群的基础上，可以开始进行进化挑选，通过竞争群子代生成策略生成第一子种群。这个步骤可以通过在第一种群中选择若干个个体进行交叉和变异，得到新的一代种群作为第一子种群。竞争群子代生成策略是指通过一定的算法和规则，选择合适的个体进行交叉和变异，以得到更优的后代个体。然后，混合第一种群和第一子种群，可以得到第一目标种群，将第一种群和第一子种群合并起来，可以得到更多的解，以便更好地探索问题的解空间。此处，需要注意合并后的目标种群的数量是否超过预设的最大种群数量。
108.在得到第一目标种群后，可以对第一目标种群进行环境选择，得到更新后的第一种群。在环境选择中，根据每个个体的适应度值(即解的优劣程度)，选择一部分个体进行保留，而淘汰其他的个体。这样，每次进化都会保留最优解，并不断优化其他解，以逐步接近最优解。
109.可以理解的是，进化算法通常需要进行多次迭代，以不断优化种群中的解。对于判断算法是否完成的需求，可以预先设置一个停止迭代的次数阈值，记为预设阈值。在每次迭代过程中，可以比较当前的迭代次数和预设阈值的关系，如果迭代次数小于预设阈值，则继续迭代，即再次返回基于当前的第一种群生成第一子种群的步骤。如果迭代次数大于或者等于预设阈值，则可以根据当前的第一种群确定非支配解集。
110.具体地，在一些实施例中，参照图4，所述对所述第一目标种群进行环境选择，得到更新后的第一种群，包括：
111.步骤410、获取参考向量；所述参考向量在第一象限内均匀分布；
112.步骤420、计算各个所述第一候选解和所述参考向量之间的角度，根据所述角度将所述第一候选解划分到各个所述子集合中；
113.步骤430、在每个所述子集合内，对所述第一候选解进行挑选，得到精英解；
114.步骤440、整合挑选得到的所有所述精英解，得到更新后的第一种群。
115.本技术实施例中，对于多目标优化问题，可以在目标空间中确定一些参考向量，用于评估每个解在多个目标上的表现。参考向量通常在第一象限内均匀分布，且数量越多，评估精度越高，此处，本技术对其具体的数量不作限制。各个参考向量可以将解空间分成若干个小区域，便于后续的搜索和优化。
116.具体地，本技术实施例中，可以计算各个第一候选解和参考向量之间的角度，根据角度将第一候选解划分到各个子集合中。这个过程中，需要计算每个解和每个参考向量之间的夹角，以确定该解属于哪个子集合。一般而言，夹角越小，则说明该解越接近对应的参考向量，从而可以将该第一候选解划分到和该参考向量对应的子集合中。参照图5，如图5中所示，vi是某个参考向量，{s1，s2，s3，s4，s5}这5个解是与vi角度最小的解，也就是说是vi所引
导的子集合。接下来，在每个子集合内，对第一候选解进行挑选，得到精英解。这个步骤是根据设定的选择策略，从每个子集合中选择最优秀的解作为该子集合的精英解。这些精英解代表了该子集合内的最优解，可以作为后续搜索的起点或者最终的解。最后，整合挑选得到的所有精英解，可以得到更新后的第一种群。这些精英解具有较高的适应和和较好的多目标表现，可以作为下一轮搜索的起点或者最终的解。
117.具体地，在一些实施例中，参照图6，所述在每个所述子集合内，对所述第一候选解进行挑选，得到精英解，包括：
118.步骤610、在每个所述子集合内，计算各个所述第一候选解的角度距离指标；
119.步骤620、按照所述角度距离指标的大小，对各个所述第一候选解进行排序；
120.步骤630、根据排序结果，选取所述角度距离指标最大的第一候选解作为精英解。
121.本技术实施例中，在每个子集合内，可以计算各个第一候选解的角度距离指标，根据角度距离指标来挑选精英解。具体地，角度距离指标可以通过以下公式计算：
[0122][0123]
其中，apd表示角度距离指标，m表示目标数，v表示参考向量集，t表示迭代次数。α是一个自定义的值，f
′i表示候选解转换后的第i维目标向量。θ
i，j
表示f
′i与vj之间的夹角。
[0124]
得到角度距离指标后，可以按照角度距离指标的大小，对各个第一候选解进行排序。即根据角度距离指标的大小，对每个解在该子集合内进行排序，以确定其排名。例如，可以按照从小到大或者从大到小的顺序进行排序。然后，可以根据排序结果，从中选取角度距离指标最大的第一候选解作为精英解，角度距离指标最大的解通常是在多个目标上都表现优异的解，可以作为整个种群的精英解，用于指导后续的搜索和优化。当然，此处，也可以选取多个角度距离指标较大的第一候选解作为精英解，本技术对此不作限制。
[0125]
具体地，在一些实施例中，参照图7，所述通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集，包括：
[0126]
步骤710、初始化第一种群和第二种群；所述第一种群中包括若干所述微电网数学模型的第一候选解，所述第二种群包括若干不带约束条件的微电网数学模型的第二候选解；
[0127]
步骤720、在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群，以及在所述第二种群的基础上，通过竞争群子代生成策略生成第二子种群；
[0128]
步骤730、混合所述第一种群、所述第一子种群和所述第二子种群得到第一目标种群，混合所述第二种群、所述第二子种群得到第二目标种群；
[0129]
步骤740、对所述第一目标种群进行环境选择，得到更新后的第一种群，对所述第二目标种群进行环境选择，得到更新后的第二种群；
[0130]
步骤750、检测当前的迭代次数，若所述迭代次数小于预设阈值，返回所述在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群的步骤继续迭代；或者，若所述迭代次数大于或者等于所述预设阈值，根据当前的第一种群确定非支配解集。
[0131]
本技术实施例中，还可以使用双种群策略来提升算法在处理复杂约束条件时的性能。具体地，参照图8，在算法的初始阶段，可以初始化两个种群，第一种群pop1和第二种群
pop2。特别地，此处的第二种群pop2中包括的第二候选解是在不带约束条件的微电网数学模型中求解的，即不需要考虑设定的约束条件。第一种群pop1和第二种群pop2分别各自通过竞争群子代生成策略，产生各自的子代第一子种群off1和第二子种群off2。之后，可以将第一种群pop1、第一子种群off1和第二子种群off2组合，得到第一目标种群，进行环境选择生成新一代的第一种群pop1。将第二种群pop2和第二子种群off2组合，得到第二目标种群，进行环境选择生成新一代的第二种群pop2。
[0132]
值得注意的是，第一种群pop1和第二种群pop2，处理的问题是相同但又不同的。第一种群pop1处理的问题为原始问题。而第二种群pop2处理的问题为辅助问题，辅助问题是原始问题的简易版本，使用的是将原始问题去除约束条件后的辅助问题。通过使用第二种群pop2，能够帮助第一种群pop1快速跨越不可行区域，提高算法的收敛性能，从而提高迭代的效率，高效找到可行解。
[0133]
为了验证本技术实施例中提供的微电网的能源调度方法的准确性和高效性，以某一教学楼所构建的微电网模型为例，在多种调度方法下进行了模拟实验，具体使用到的调度方法包括有lomcso、ctaea、ccmo和本技术实施例中提供的微电网的能源调度方法，使用微电网调度模型的hv值对调度结果进行评估，hv值是一种综合评价模型优化后解集优劣的指标，hv值越高意味着解集越优秀。lomcso方法对应的hv值为6.8270e+5(1.80e+2)，ctaea方法对应的hv值为6.8260e+5(3.12e+2)，ccmo方法对应的hv值为6.8212e+5(2.75e+2)，本技术实施例中提供的微电网的能源调度方法对应的hv值为6.8296e+5(2.93e+2)。综合比较可见，本技术实施例中的方法，能够在多约束条件、多优化目标的情况下实现微电网能源调度问题的求解，可以提高微电网的能源调度效率和准确性。
[0134]
下面参照附图描述根据本技术实施例提出的微电网的能源调度装置。
[0135]
参照图9，本技术实施例中提出的微电网的能源调度装置，包括：
[0136]
获取单元910，用于获取目标微电网的业务数据，根据所述业务数据建立所述目标微电网对应的微电网数学模型；
[0137]
配置单元920，用于为所述微电网数学模型配置多个目标函数和多个约束条件；
[0138]
处理单元930，用于通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集；所述非支配解集中包括多组初始调度参数，所述初始调度参数用于确定决策变量；
[0139]
执行单元940，用于将所述非支配解集发送给目标对象，根据所述目标对象选定操作确定目标调度参数，并通过所述目标调度参数对所述目标微电网进行能源调度。
[0140]
可以理解的是，上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0141]
参照图10，本技术实施例提供了一种电子设备，包括：
[0142]
至少一个处理器1010；
[0143]
至少一个存储器1020，用于存储至少一个程序；
[0144]
当至少一个程序被至少一个处理器1010执行时，使得至少一个处理器1010实现的微电网的能源调度方法。
[0145]
同理，上述方法实施例中的内容均适用于本电子设备实施例中，本电子设备实施
例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0146]
本技术实施例还提供了一种计算机可读存储介质，其中存储有处理器1010可执行的程序，处理器1010可执行的程序在由处理器1010执行时用于执行上述的微电网的能源调度方法。
[0147]
同理，上述方法实施例中的内容均适用于本计算机可读存储介质实施例中，本计算机可读存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0148]
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或方框有时能以相反顺序被执行。此外，在本技术的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
[0149]
此外，虽然在功能性模块的背景下描述了本技术，但应当理解的是，除非另有相反说明，功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本技术是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本技术。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本技术的范围，本技术的范围由所附权利要求书及其等同方案的全部范围来决定。
[0150]
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0151]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0152]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器
(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
[0153]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0154]
在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
[0155]
尽管已经示出和描述了本技术的实施方式，本领域的普通技术人员可以理解：在不脱离本技术的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本技术的范围由权利要求及其等同物限定。
[0156]
以上是对本技术的较佳实施进行了具体说明，但本技术并不限于实施例，熟悉本领域的技术人员在不违背本技术精神的前提下可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。

技术特征：
1.一种微电网的能源调度方法，其特征在于，包括：获取目标微电网的业务数据，根据所述业务数据建立所述目标微电网对应的微电网数学模型；为所述微电网数学模型配置多个目标函数和多个约束条件；通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集；所述非支配解集中包括多组初始调度参数，所述初始调度参数用于确定决策变量；将所述非支配解集发送给目标对象，根据所述目标对象选定操作确定目标调度参数，并通过所述目标调度参数对所述目标微电网进行能源调度。2.根据权利要求1所述的微电网的能源调度方法，其特征在于，所述获取目标微电网的业务数据，包括：获取所述目标微电网的电力设备参数、线路参数以及负荷特性中的至少一者；其中，所述电力设备参数包括发电机的额定容量、发电机的转速、变压器的变比和损耗系数、电池的电量和充电状态；所述线路参数包括线路的阻抗、电阻、电感和电容；所述负荷特性包括负荷的功率大小、功率因数和负载类型。3.根据权利要求1所述的微电网的能源调度方法，其特征在于，所述为所述微电网数学模型配置多个目标函数和多个约束条件，包括：为所述微电网数学模型配置成本最小化目标函数和电能供需峰谷差最小化目标函数；为所述微电网数学模型配置移入移出功率相等约束、ess配备容量约束、电池电量变化约束、负载要求约束和限制电网损耗约束中的多个约束条件。4.根据权利要求1-3中任一项所述的微电网的能源调度方法，其特征在于，所述通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集，包括：初始化第一种群；所述第一种群中包括若干所述微电网数学模型的第一候选解；在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群，混合所述第一种群和所述第一子种群得到第一目标种群；对所述第一目标种群进行环境选择，得到更新后的第一种群；检测当前的迭代次数，若所述迭代次数小于预设阈值，返回所述在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群的步骤继续迭代；或者，若所述迭代次数大于或者等于所述预设阈值，根据当前的第一种群确定非支配解集。5.根据权利要求4所述的微电网的能源调度方法，其特征在于，所述对所述第一目标种群进行环境选择，得到更新后的第一种群，包括：获取参考向量；所述参考向量在第一象限内均匀分布；计算各个所述第一候选解和所述参考向量之间的角度，根据所述角度将所述第一候选解划分到各个所述子集合中；在每个所述子集合内，对所述第一候选解进行挑选，得到精英解；整合挑选得到的所有所述精英解，得到更新后的第一种群。6.根据权利要求5所述的微电网的能源调度方法，其特征在于，所述在每个所述子集合内，对所述第一候选解进行挑选，得到精英解，包括：在每个所述子集合内，计算各个所述第一候选解的角度距离指标；
按照所述角度距离指标的大小，对各个所述第一候选解进行排序；根据排序结果，选取所述角度距离指标最大的第一候选解作为精英解。7.根据权利要求1-3中任一项所述的微电网的能源调度方法，其特征在于，所述通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集，包括：初始化第一种群和第二种群；所述第一种群中包括若干所述微电网数学模型的第一候选解，所述第二种群包括若干不带约束条件的微电网数学模型的第二候选解；在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群，以及在所述第二种群的基础上，通过竞争群子代生成策略生成第二子种群；混合所述第一种群、所述第一子种群和所述第二子种群得到第一目标种群，混合所述第二种群、所述第二子种群得到第二目标种群；对所述第一目标种群进行环境选择，得到更新后的第一种群，对所述第二目标种群进行环境选择，得到更新后的第二种群；检测当前的迭代次数，若所述迭代次数小于预设阈值，返回所述在所述第一种群的基础上，通过竞争群子代生成策略生成第一子种群的步骤继续迭代；或者，若所述迭代次数大于或者等于所述预设阈值，根据当前的第一种群确定非支配解集。8.一种微电网的能源调度装置，其特征在于，包括：获取单元，用于获取目标微电网的业务数据，根据所述业务数据建立所述目标微电网对应的微电网数学模型；配置单元，用于为所述微电网数学模型配置多个目标函数和多个约束条件；处理单元，用于通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集；所述非支配解集中包括多组初始调度参数，所述初始调度参数用于确定决策变量；执行单元，用于将所述非支配解集发送给目标对象，根据所述目标对象选定操作确定目标调度参数，并通过所述目标调度参数对所述目标微电网进行能源调度。9.一种电子设备，其特征在于，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7中任一项所述的微电网的能源调度方法。10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于：所述处理器可执行的程序在由处理器执行时用于实现如权利要求1-7中任一项所述的微电网的能源调度方法。

技术总结
本申请公开了一种微电网的能源调度方法、装置、设备及介质，获取目标微电网的业务数据，根据所述业务数据建立所述目标微电网对应的微电网数学模型；为所述微电网数学模型配置多个目标函数和多个约束条件；通过多目标协同进化算法对所述微电网数学模型进行求解，得到对应的非支配解集；所述非支配解集中包括多组初始调度参数，所述初始调度参数用于确定决策变量；将所述非支配解集发送给目标对象，根据所述目标对象选定操作确定目标调度参数，并通过所述目标调度参数对所述目标微电网进行能源调度。本申请能够提高微电网的能源调度效率，兼顾多方面的效益，有利于电网系统的稳定运行。本申请可广泛应用于微电网技术领域内。本申请可广泛应用于微电网技术领域内。本申请可广泛应用于微电网技术领域内。


技术研发人员：王佳威
受保护的技术使用者：中国电信股份有限公司
技术研发日：2023.05.15
技术公布日：2023/7/27