一种园区级综合能源系统辅助设计方法及系统与流程

本发明涉及基于大数据的机器学习技术领域，尤其涉及一种园区级综合能源系统辅助设计方法及系统。

背景技术：

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

综合能源系统集风力发电系统、光伏发电系统、燃气冷热电联供系统等多种类型能量枢纽于一体，能够同时满足用户电、气、冷、热多元化用能需求，很大程度地促进电力、燃气、热力等多种能流的协同，极大提高其应对负荷变化的能力，对提高能源利用效率与减少环境污染有重要意义。

园区级综合能源系统是典型的综合能源系统，注重微网层面的多能协同运行，是当前阶段研究及发展的重心，也是未来综合能源系统的重要实现形式，园区级综合能源系统的结构设计作为系统实现的重要一环，使该问题具有极其重大的现实意义。园区级综合能源系统规模庞大，是一种电、气、冷、热多能流深度耦合的复杂能源系统，供应用能类型复杂多样，能量转换设备繁多，源荷特征复杂多样，加之气、电、热等多能流的实时交互，使得多能流网络之间具有很强的耦合性，传统针对单一能量枢纽及单一能流网络的独立设计方法已无能为力，亟需从多能流耦合的角度出发，寻求新的思路和方法予以突破，以期从根本上提高供需匹配度、新能源消纳率和能源综合利用率，为能源网络的高效、经济、环保运行奠定坚实基础。传统的综合能源系统优化设计大多是针对给定结构的设备容量与运行参数方面的优化，运用遗传算法、神经网络等算法将优化设计问题转化为多目标优化问题，以获得经济、节能、环境方面的最优配置，然而结构方面的设计具有极强的主观性，根据经验设计的系统结构往往缺乏科学性，导致最终系统的优化设计结果不尽如人意。现有的相关专利中，针对园区级综合能源系统设计，依然停留在人为设置系统结构的层面，无法解决上述问题。

技术实现要素：

为克服上述现有技术的不足，本发明提供了一种园区级综合能源系统辅助设计方法及系统，基于聚类方法对源侧和荷侧数据进行了分区，以便挖掘源侧供能和荷侧用能性能，为系统结构设计提供了有效的数据支撑。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种园区级综合能源系统辅助设计方法，包括以下步骤：

获取园区源侧历史数据和荷侧历史数据；

对于源侧历史数据中的各类能源，分别针对日变化数据进行聚类分区，并将数据量最大的类簇进行可视化显示，得到各类能源的可用性和供能特性；

对于荷侧历史数据，针对日变化数据进行聚类分区，得到反映各类用户类型的类簇，并对这些类簇进行可视化显示，得到各类用户类型的用能特性；

基于各类能源的可用性和供电特性，以及各类用户类型的用电特性，为荷侧的各类用户匹配源侧的能源种类和供能方式。

进一步地，获取园区源侧历史数据和荷侧历史数据后，还进行数据预处理：

对于源侧历史数据中的各类能源和荷侧历史数据中的各类负荷，均提取整点数据，以一天为一行，建立源侧历史矩阵和荷侧历史矩阵。

进一步地，对于源侧历史数据中的每一类能源，均执行以下步骤：

获取该类能源全年的日变化曲线；

将这些日变化曲线进行聚类，得到多个类簇；

获取数据量最大的类簇，基于该类簇中的日变化曲线，得到用于反映该类能源日变化的中心曲线；

对于该中心曲线，提取数值超过设定阈值的连续时间段，该时间段即为该能源的可用时间段；

将该中心曲线、类簇所对应的数据量大小以及可用时间段均进行可视化。

进一步地，对于负荷侧历史数据，均执行以下步骤：

获取该类负荷全年的日变化曲线；

将这些日变化曲线进行聚类，得到多个类簇，这些类簇分别反映了不同类型建筑的用电规律；

对于每个类簇，均获取其中心曲线；

将这些中心曲线均进行可视化。

进一步地，用户类型的用电特性包括：冷、热、电用能是否呈比例以及是否与其他用户类型用能行为互补。

进一步地，为荷侧的各类用户匹配源侧的能源种类和供电方式包括：

根据供能平稳性原则，为用能行为互补的用户类型匹配一套能源系统供能，并增加储能装置实现用电平稳；

根据能量特性匹配原则，为冷、热、电用能呈比例的用户类型，根据热电比匹配供能设备；

根据能源利用率最大化原则，为用能特性符合某些能源供能特性的用户类型，匹配该能源供能。

一个或多个实施例提供了一种园区级综合能源系统辅助设计系统，包括：

数据获取模块，获取园区源侧历史数据和荷侧历史数据；

源侧聚类分区模块，对于源侧历史数据中的各类能源，分别针对日变化数据进行聚类分区，并将数据量最大的类簇进行可视化显示，得到各类能源的可用性和供能特性；

荷侧聚类分区模块，对于荷侧历史数据，针对日变化数据进行聚类分区，得到反映各类用户类型的类簇，并对这些类簇进行可视化显示，得到各类用户类型的用能特性；

源荷分区匹配模块，基于各类能源的可用性和供电特性，以及各类用户类型的用电特性，为荷侧的各类用户匹配源侧的能源种类和供能方式。

进一步地，获取园区源侧历史数据和荷侧历史数据后，还进行数据预处理：

对于源侧历史数据中的各类能源和荷侧历史数据中的各类负荷，均提取整点数据，以一天为一行，建立源侧历史矩阵和荷侧历史矩阵。

进一步地，对于源侧历史数据中的每一类能源，均执行以下步骤：

获取该类能源全年的日变化曲线；

将这些日变化曲线进行聚类，得到多个类簇；

获取数据量最大的类簇，基于该类簇中的日变化曲线，得到用于反映该类能源日变化的中心曲线；

对于该中心曲线，提取数值超过设定阈值的连续时间段，该时间段即为该能源的可用时间段；

将该中心曲线、类簇所对应的数据量大小以及可用时间段均进行可视化。

进一步地，对于负荷侧历史数据，均执行以下步骤：

获取该类负荷全年的日变化曲线；

将这些日变化曲线进行聚类，得到多个类簇，这些类簇分别反映了不同类型建筑的用电规律；

对于每个类簇，均获取其中心曲线；

将这些中心曲线均进行可视化。

进一步地，用户类型的用电特性包括：冷、热、电用能是否呈比例以及是否与其他用户类型用能行为互补。

进一步地，为荷侧的各类用户匹配源侧的能源种类和供电方式包括：

根据供能平稳性原则，为用能行为互补的用户类型匹配一套能源系统供能，并增加储能装置实现用电平稳；

根据能量特性匹配原则，为冷、热、电用能呈比例的用户类型，根据热电比匹配供能设备；

根据能源利用率最大化原则，为用能特性符合某些能源供能特性的用户类型，匹配该能源供能。

以上一个或多个技术方案存在以下有益效果：

本发明将聚类方法分别应用于源侧供能特性和荷侧用能数据，并将聚类结果进行可视化，基于源侧聚类结果以分析能源的可用性和供能特性，基于荷侧聚类结果以分析不同用户的用能特性，为能源配置的合理化给出定量化的参考依据，能够用于园区级能源结构的辅助设计。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为本发明一个或多个实施例中园区级综合能源系统辅助设计方法流程图；

图2为本发明一个或多个实施例中园区级综合能源系统辅助设计系统框架图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例一

基于能源供给特性和负荷需求特性的源荷分区匹配，是解决综合能源系统结构设计问题的理想途径。然而，园区级综合能源系统既包含写字楼、住宅区、医院和购物中心等负荷，又包括风、光、地热和天然气等能源，其特征复杂多样，能源供给特性和负荷需求特性数据存在多源、异构、高时空维度的特点，高匹配度源荷分区极为困难。为了解决上述问题，本实施例公开了一种基于源荷聚类分区的园区级综合能源系统结构辅助设计方法，如图1所示，包括：

步骤1：源侧数据预处理。

源侧数据既包括该园区所在区域的风、光、地热和其他能源数据，又包含该地能源价格、气象信息、系统工况等相关特征信息，类型复杂多样，数据量庞大且实际数据往往存在数据缺失和突发情况干扰等问题。其中，根据各类能源利用方式的不同，每种能源形式可取其主要特征数据作为其有效数据，例如风能数据可提取其风速和风向两类数据作为有效数据，光伏可取其光照强度为有效数据，冷热电联供(cchp)系统等供能设备可取其运行工况为其有效数据，地热可取其开发成本为有效数据，同时获取当地的电价、天然气价格和全年气温共同作为源侧的原始数据。

具体包括：

步骤1.1：能源数据多为时序数据，数据间相关性较强，对于缺失值的插补，采用回归插补模型进行处理。回归方程如下所示：

式(1)中，x,w分别表示完整数据集和缺失数据集，ε1,ε2表征方程误差项，q和z分别表示x,w的自变量。

步骤1.2：对步骤1.1中处理好的全年光伏、风速、风向、气温的数据取其每天的整点数值，共计8760个数值点，之后将每天的24个数值作为一条行数据，全年共形成365条行数据，用于步骤3的聚类分析。

步骤2：负荷侧数据预处理。

负荷侧多源异质时序数据受用户类型多样、季节变化、节假日等约束影响，时空属性复杂，时序波动性强。其中，用户消费数据主要包含该园区内不同类型的建筑所对应的全年电、气、热、冷负荷数据，其中建筑类型包含典型的医院、宾馆、酒店、学校、住宅、写字楼、仓库等，各类负荷之间存在一定的耦合关系，这些耦合关系与用户侧行为密切相关，这就导致在处理数据时，必须考虑各类负荷之间的联系，不能简单的对单种负荷进行聚类分析。

具体包括：

步骤2.1：缺失值的处理方式与步骤1.1相同；

步骤2.2：类似于步骤1.2，将电、热、冷、气的负荷数据分别提取其每天24个整点的数据，考虑电、热、冷、气之间的耦合关系，因此将每天的四类用能数据共同形成一条行数据，一条行数据包含96个数据点，以此为基础进行聚类，可以得到包含其相关性的聚类结果，以便后续分析。

步骤3：源荷双侧分别聚类分区。

基于上述分析，数据的类型基本确定，聚类对象是每条数据行中包含的n个数据所组成的n维向量，因此在聚类方法上选择k-means作为主要方法，k-means算法是一种迭代求解的聚类分析算法，其步骤如下：

(1)随机选取k个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心，聚类中心以及分配给它们的对象就代表一个聚类；

(2)每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。

(3)不断重复步骤二直到满足没有(或最小数目)对象被重新分配给不同的聚类，没有(或最小数目)聚类中心再发生变化，误差平方和局部最小。

在本方法中，向量间的距离计算采用欧式距离，计算公式如下：

式(2)中，x代表聚类中心点，y代表每个对象点。

在完成向量的聚类之后，再以曲线的形式将向量绘出，得到二维的可观测聚类结果，在此基础上分析源、荷的隐藏特性。

根据能源类数据的特点，源侧数据需要对其全年的日变化曲线进行聚类，根据不同簇的特征，获得该种能源的隐藏特征，由此可确定某种能源的利用价值和实用性，即当某种能源可利用特征分区中样本数量过小，则证明该种能源不适用于该地区。具体地，对于每一类能源的源侧历史数据，均执行以下步骤：

获取该类能源全年的日变化曲线；

将这些日变化曲线进行聚类，得到多个类簇；

获取数据量最大的类簇，基于该类簇中的日变化曲线，得到用于反映该类能源特性的中心曲线，即为第一典型日光照曲线；

对于该中心曲线，提取数值超过设定阈值的连续时间段，该时间段即为该能源充足的时间段；

将该中心曲线、类簇所对应的数据量大小以及数值超过设定阈值的连续时间段均进行显示输出。

为了能够直观地向用户表达该能源的用能特性和可用性，将中心曲线反馈至用户终端并进行显示，同时将可用时间段在中心曲线上进行区别显示。

例如：对于光伏数据，对某地一年的光照强度数据进行聚类，聚类结果中包含数据量最多的簇，所形成的中心曲线，即为第一典型日光照曲线，可根据其晴天天数(该簇中的数据量)、光照时常、光照强度等特征，判定该地的光伏利用价值；对于风能数据，对某地一年的风速、风向数据进行聚类，分析结果中各个簇所形成的中心曲线的特征，结合风机设备的价格和选址等因素，确定该地风能的利用价值。

由此，可用得到各类能源的可用性(哪个时间段充足)和供能特性(日变化等规律)。

进一步地，本实施例还对天气温度的日变化曲线进行聚类分析，获取数据量最大的类簇，并基于该类簇中的日变化曲线，得到用于反映温度整体变化特性的中心曲线并进行显示，该中心曲线代表了当地的典型气候。由于气候与负荷侧的冷、热负荷紧密相关，气温信息的分析能够为后续供能系统设备容量的设计提供参考。

根据负荷类数据的特点，需要对该园区内各类建筑的年电、热、冷、气负荷曲线进行聚类，为了保证各类型数据之间的耦合关系不丢失，该步在步骤2.2的基础上进行聚类，相似用能特性的用户将形成一个数据簇，根据不同簇的特征，获得用户用能的隐藏特征，由此可建立典型用能分区，如用能互补分区、电热成比例分区等。具体地，对于负荷侧历史数据，均执行以下步骤：

获取该类负荷全年的日变化曲线；

将这些日变化曲线进行聚类，得到多个类簇，这些类簇分别反映了不同类型建筑的用电规律；

对于每个类簇，均获取其中心曲线；

将这些中心曲线均进行显示输出。

由此，通过观察这些中心曲线，可以得到各类建筑的用能特性，包括哪些建筑属于用能互补，哪些建筑的冷、热、电呈比例等。

步骤4：源荷双侧分区匹配。

基于上述聚类分区，在负荷侧的聚类结果中可以直观的看到同一个数据簇中包含的各类用户类型，根据不同匹配原则进行优化设计。

例如：根据供能平稳性原则，用能行为互补的建筑类型可由一套能源系统供能，对于用电存在突变的用能分区，增加储能装置实现用电的平稳；

根据能量特性匹配原则，多个用能分区组合后，与供能设备运行特性分区匹配，根据其热电比等特性，配置cchp、热泵、制冷机等设备；

根据能源利用率最大化原则，该地的气候分区和用能分区可与光伏、风能等能源的分区结果匹配，确定该园区内对可再生能源的利用方式。

以此完成对园区级综合能源系统结构的优化设计。

实施例二

本实施例的目的是提供一种园区级综合能源系统辅助设计系统。

为了实现上述目的，本实施例提供了一种园区级综合能源系统辅助设计系统，包括：

数据获取模块，获取园区源侧历史数据和荷侧历史数据；

源侧聚类分区模块，对于源侧历史数据中的各类能源，分别针对日变化数据进行聚类分区，并将数据量最大的类簇进行可视化显示，得到各类能源的可用性和供能特性；

荷侧聚类分区模块，对于荷侧历史数据，针对日变化数据进行聚类分区，得到反映各类用户类型的类簇，并对这些类簇进行可视化显示，得到各类用户类型的用能特性；

源荷分区匹配模块，基于各类能源的可用性和供电特性，以及各类用户类型的用电特性，为荷侧的各类用户匹配源侧的能源种类和供能方式。

以上实施例二中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。

以上一个或多个实施例具有以下技术效果：

本发明将聚类方法分别应用于源侧供能特性和荷侧用能数据，并将聚类结果进行可视化，基于源侧聚类结果以分析能源的可用性和供能特性，基于荷侧聚类结果以分析不同用户的用能特性，为能源配置的合理化给出定量化的参考依据，能够用于园区级能源结构的辅助设计。

本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。