本发明涉及一种区域综合能源系统能效状态评价方法，通过对区域综合能源系统的历史运行数据采用高斯混合模型进行多指标同步聚类，选取可再生能源渗透率最高的一类样本作为能效状态评价的基准样本；采用条件变分自编码器方法，构建区域综合能源系统能效状态评价模型；计算区域综合能源系统的能效状态指数并根据能效状态指数确定能效状态评语。在本发明区域综合能源系统运行过程中，能够对系统整体能效状态进行评估，在保证系统的安全、可靠运行的同时，进一步推进系统可再生能源消纳比例与系统利用效率的提升。
1.一种区域综合能源系统能效状态评价方法，其特征在于，所述方法包括下列步骤：步骤1、能效状态指标的采集、分析及存储：对区域综合能源系统各能源转换设备的历史运行数据进行同步采集，包括蒸汽温度、压力、流量、污染物排放量、负荷、环境温度、环境风速、太阳辐射强度、风机出力和太阳能发电量信号，计算相应设备的能耗率，建立历史数据库；
步骤2、区域综合能源系统能效基准状态确定：采用高斯混合模型对采集到的历史运行数据进行多指标同步聚类，选取可再生能源渗透率最高的一类样本作为区域综合能源系统能效状态评价的基准样本；
步骤201、根据环境温度、环境风速、太阳辐射强度以及负荷需求，对历史运行数据进行工况划分；
步骤202、计算区域综合能源系统可再生能源渗透率，可再生能源渗透率是可再生能源发电量与系统总发电量的比值；
步骤203、基于高斯混合模型，对能效状态指标的历史数据进行多指标同步聚类；
步骤204、以系统可再生能源渗透率最大为目标，选取各工况下能效基准状态样本，作为系统能效状态评价的基准样本；
步骤3、将基准样本中的历史运行数据作为能效状态指标，采用条件变分自编码器算法，构建区域综合能源系统能效状态评价模型；
步骤301、构建任选运行工况c下的能效状态观测向量X(i)＝[X1(i) X2(i)...Xn(i)]T，其中，X(i)表示第i时刻的系统的能效状态指标的观测向量，Xk(i)表示第i时刻第k个能效状态指标值，其中k＝1,2,…，n，n表示能效状态指标的个数；
步骤302、以能效状态观测向量X(i)和运行工况c为输入，基于条件变分自编码器算法，构建能效状态评价模型；
其中，所述步骤302中的能效状态评价模型的构建包括：步骤A、输入能效状态观测向量X(i)和运行工况c，通过编码器计算得到变分后验分布中均值 和方差步骤B、根据重参数变换，由公式 计算隐变量z；
步骤C、隐变量z通过解码器计算得到重构变量 分布的均值μθ(z,c)和方差σθ(z,c)；
步骤5、评语等级的确定，采用高斯混合模型估计能效状态指数的概率密度分布，并通过设置不同的置信度，确定不同的能效状态评语等级阈值；
步骤6、能效状态实时评价，采用滑动窗口检测技术，计算窗口内能效状态指数去掉最高值和最低值后的平均值，确定系统的能效状态评语。
2.根据权利要求1所述的区域综合能源系统能效状态评价方法，其特征在于，基于条件变分自编码器算法计算的得到的后验概率和先验概率分布，计算KL分散度DKL和重构概率RL， L是采样个数，log(p(x|z))是由变分自编码器后验分布采样得到的隐变量z条件下输入样本的对数似然，则区域综合能源系统的能效状态指数为SI＝RL-DKL。
3.根据权利要求1所述的区域综合能源系统能效状态评价方法，其特征在于，所述步骤
步骤501、采用高斯混合模型，估计能效状态指数的概率密度分布；
步骤502、定义区域综合能源系统的能效状态的评语集：A＝{A1，A2，A3}＝{优秀，良好，差}；
步骤503、设置当置信度α＝70％时，对应的能效状态指数作为评优阈值；当置信度α＝
95％时，对应的能效状态指数作为评价良好状态的阈值。
4.根据权利要求1所述区域综合能源系统能效状态评价方法，其特征在于，所述步骤6包括：步骤601、从起始时刻i向前选取长度为n的能效状态指数时间序列：SIi←i-n+1＝[SIi-n+1,…,SIi-1,SIi],n≥0；
步骤602、统计并去掉窗口数据中的最大值和最小值，由公式 计算窗口中的能效状态指数的平均值；
步骤603、当递增步长为k时，得到新的时间序列：SIi+k←i+k-n+1＝[SIi+k-n+1,…SIi+k-1,SIi+k],n≥0,k≥0，重复步骤602的操作，得到 如此递推。
5.根据权利要求1所述的区域综合能源系统能效状态评价方法，其特征在于，所述步骤
1中的各能源转换设备的蒸汽温度、压力、流量、污染物排放量、负荷、环境温度、环境风速、太阳辐射强度、风机出力和太阳能发电量信号的数值每分钟采集并存储一次。
6.根据权利要求1所述的区域综合能源系统能效状态评价方法，其特征在于，步骤203中基于高斯混合模型，对能效状态指标的历史数据进行多指标同步聚类的步骤包括：步骤A1、选取高斯混合模型子模型个数K，K也是聚类数；设定多元高斯混合模型的概率分布形式为： 其中，X是n维能效状态指标的历史运行数据向量，X＝[x1,x2,…,xn]T；ωk是子模型的权重，且ωk≥0， φ(X|θk)是第k个子模型的多维单一高斯概率密度函数， 其中，μk和∑k分别表示第k个子模型的均值和协方差矩阵；
步骤C1、将不同时刻的历史运行数据X(i)分别带入到K个高斯分布函数中，求其属于每个类别的概率，选取概率值最高的那一类作为这组运行数据的最终类别；其中，X(i)表示第i时刻的能效状态指标对应的运行数据。
一种区域综合能源系统能效状态评价方法
技术领域
[0001] 本发明专利属于能源系统能效状态监测与评价技术领域，尤其是涉及一种区域综合能源系统能效状态评价方法。
背景技术
[0002] 综合能源系统以能源高效清洁利用为目标，以大规模可再生能源消纳为背景，通过对电、热、气、冷等不同供能环节的科学协调与调度，实现不同品位能源的梯级利用；通过多能互补，促进了可再生能源的规模化接入和高效利用，提高了供能系统的灵活性、安全性和经济性。综合能源系统作为下一代智慧能源系统，是21世纪能源工业重要的技术发展方向之一。
[0003] 区域综合能源系统不再强调单一能源的主导作用，更加关注由于多能耦合带来的互补互济和协同作用。因此，要保证系统的高效运行，既需要协同考虑可再生能源的有效接入，运行能损最低等系统问题，也需要考虑能源转换单元的使用效率特性、终端设备污染物排放等设备问题。
[0004] 区域综合能源系统能效状态评价问题是一个多属性决策问题，现有研究多采用评价指标选取和指标赋权值相结合的方法确定评价方案。而评价的基准则多选用设计值或模型计算值。但在区域综合能源系统在实际运行时，受内、外部运行边界(环境、气候、工况、用户需求多样性等)影响，是一个高维、时变、非线性系统，将设计值或模型计算值作为评价基准，不可避免地会出现与实际运行状态有较大的偏差，因此，在工程应用中受到一定的限制。
发明内容
[0005] 本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种区域综合能源系统能效状态评价方法。
[0006] 本发明解决其技术问题所采用的技术方案是：构造一种区域综合能源系统能效状态评价方法，包括：
[0007] 步骤1、能效状态指标的采集、分析及存储：对区域综合能源系统各能源转换设备的历史运行数据进行同步采集，包括蒸汽温度、压力、流量、污染物排放量、负荷、环境温度、环境风速、太阳辐射强度、风机出力和太阳能发电量信号，计算相应设备的能耗率，建立历史数据库；
[0008] 步骤2、区域综合能源系统能效基准状态确定：采用高斯混合模型对采集到的历史运行数据进行多指标同步聚类，选取可再生能源渗透率最高的一类样本作为区域综合能源系统能效状态评价的基准样本；
[0009] 步骤3、将基准样本中的历史运行数据作为能效状态指标，采用条件变分自编码器方法，构建区域综合能源系统能效状态评价模型；
[0010] 步骤4、计算区域综合能源系统的能效状态指数；
[0011] 步骤5、评语等级的确定，采用高斯混合模型估计能效状态指数的概率密度分布，并通过设置不同的置信度，确定不同的能效状态评语等级阈值；
[0012] 步骤6、能效状态实时评价，采用滑动窗口检测技术，计算窗口内能效状态指数去掉最高值和最低值后的平均值，确定系统的能效状态评语。
[0013] 其中，步骤2包括：
[0014] 步骤201、根据环境温度、环境风速、太阳辐射强度以及负荷需求，对历史运行数据进行工况划分；
[0015] 步骤202、计算区域综合能源系统可再生能源渗透率，可再生能源渗透率是可再生能源发电量与系统总发电量的比值；
[0016] 步骤203、基于高斯混合模型，对能效状态指标的历史数据进行多指标同步聚类；
[0017] 步骤204、以系统可再生能源渗透率最大为目标，选取各工况下能效基准状态样本，作为系统能效状态评价的基准样本。
[0018] 其中，步骤3包括：
[0019] 步骤301、构建任选运行工况c下的能效状态观测向量X(i)＝[X1(i)X2(i)...Xn(i)]T，其中，X(i)表示第i时刻的系统的能效指标观测向量，Xk(i)(k＝1,2,…，n)表示第i时刻第k个能效状态指标值，n表示能效状态指标的个数；
[0020] 步骤302、以能效状态观测向量X(i)和运行工况c为输入，基于条件变分自编码器算法，构建能效状态评价模型。
[0021] 其中，基于条件变分自编码器模型计算的得到的后验概率和先验概率分布，计算KL分散度DKL和重构概率RL， L是采样个数，log(p(x|z))是由变分自编码器后验分布采样得到的隐变量z条件下输入样本的对数似然，则区域综合能源系统的能效状态指数为SI＝RL-DKL。
[0022] 其中，步骤5包括：
[0023] 步骤501、采用高斯混合模型，估计能效状态指数的概率密度分布；
[0024] 步骤502、定义区域综合能源系统的能效状态的评语集：A＝{A1，A2，A3}＝{优秀，良好，差}；
[0025] 步骤503、设置当置信度α＝70％时，对应的能效状态指数作为评优阈值；当置信度α＝95％时，对应的能效状态指数作为评价良好状态的阈值。
[0026] 其中，步骤6包括：
[0027] 步骤601、从起始时刻i向前选取长度为n的能效状态指数时间序列：SIi←i-n+1＝[SIi-n+1,…,SIi-1,SIi],n≥0；
[0028] 步骤602、统计并去掉窗口数据中的最大值和最小值，由公式 计算窗口中的能效状态指数的平均值；
[0029] 步骤603、当递增步长为k时，得到新的时间序列：SIi+k←i+k-n+1＝[SIi+k-n+1,…SIi+k-1,SIi+k],n≥0,k≥0，重复步骤602的操作，得到 如此递推。
[0030] 其中，步骤1中的各主要设备的蒸汽温度、压力、流量、污染物排放量、负荷、环境温度、环境风速、太阳辐射强度、风机出力和太阳能发电量等信号的数值每分钟采集并存储一个值。
[0031] 其中，步骤302中的能效状态评价模型的构建包括：
[0032] 步骤A、输入能效状态观测向量X(i)和运行工况c，通过编码器计算得到变分后验分布中均值 和方差
[0033] 步骤B、根据重参数变换，由公式 计算隐变量z；
[0034] 步骤C、隐变量z通过解码器计算得到重构变量 分布的均值μθ(z,c)和方差σθ(z,c)；
[0035] 步骤D、计算输入的能效状态观测向量的对数似然。
[0036] 其中，步骤203中基于高斯混合模型，对能效状态指标的历史数据进行多指标同步聚类的步骤包括：
[0037] 步骤A1、选取高斯混合模型子模型个数K，K也是聚类数；设定多元高斯混合模型的概率分布形式为： 其中，X是n维能效状态指标的历史运行数据向量，X＝[x1,x2,…,xn]T；ωk是子模型的权重，且ωk≥0， φ(X|θk)是第k个子模型的多维单一高斯概率密度函数， 其中，
μk和∑k分别表示第k个子模型的均值和协方差矩阵；
[0038] 步骤B1、基于最大似然估计算法，求解公式的最小值，估计高斯混合模型
的μk、∑k和ωk；
[0039] 步骤C1、将不同时刻的历史运行数据X(i)分别带入到K个高斯分布函数中，求其属于每个类别的概率，选取概率值最高的那一类作为这组运行数据的最终类别；其中，X(i)表示第i时刻的能效状态指标对应的运行数据。
[0040] 区别于现有技术，本发明的区域综合能源系统能效状态评价方法通过对区域综合能源系统的历史运行数据采用高斯混合模型进行多指标同步聚类，选取可再生能源渗透率最高的一类样本作为基准样本，将基准样本作为能效状态指标，采用条件变分自编码器方法，构建区域综合能源系统能效状态评价模型；计算区域综合能源系统的能效状态指数并根据能效状态指数确定能效状态评语。在本发明区域综合能源系统运行过程中，能够对系统整体能效状态进行评估，在保证系统的安全、可靠运行的同时，进一步推进系统可再生能源消纳比例与系统利用效率的提升。
附图说明
[0041] 下面将结合附图及实施例对本发明作进一步说明，附图中：
[0042] 图1为本发明提供的一种区域综合能源系统能效状态评价方法的流程示意图。
[0043] 图2为本发明提供的一种区域综合能源系统能效状态评价方法的基准状态确定方法流程图。
[0044] 图3为本发明提供的一种区域综合能源系统能效状态评价方法的状态评价模型构建流程图。
[0045] 图4为本发明提供的一种区域综合能源系统能效状态评价方法的状态评语等级确定流程图。
[0046] 图5为本发明提供的一种区域综合能源系统能效状态评价方法的平均能效状态指数统计示意图。
具体实施方式
[0047] 为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
[0048] 图1是区域综合能源系统能效状态评价方法总流程图。区域综合能源系统能效状态评价方法包括下列步骤：
[0049] 步骤1、能效状态指标的采集、分析及存储：对区域综合能源系统各主要能源转换设备的历史运行数据进行同步采集，包括蒸汽温度、压力、流量、污染物排放量、负荷、环境温度、环境风速、太阳能辐射强度、风机出力和太阳能发电量等信号，计算相应设备的能耗率，建立历史数据库；
[0050] 本发明涉及的能源转换设备有：燃气轮机、余热锅炉、风力发电机、太阳能光伏发电设备。采集主要能源转换设备的蒸汽温度、压力、流量、污染物排放量、负荷、环境温度、环境风速、太阳能辐射强度、风机出力和太阳能发电量等信号，是通过OPC通讯方式从分散控制系统(DCS)、能量管理系统(EMS)引入到数据采集和分析系统中。在能够满足分析需要并尽可能节省存储空间的原则下，蒸汽温度、压力、流量、负荷、环境温度、环境风速、太阳能辐射强度、风机出力和太阳能发电量等信号的数值每分钟采集并存储一个值。
[0051] 步骤2、区域综合能源系统能效基准状态确定：采用高斯混合模型对采集到的历史运行数据进行多指标同步聚类，选取可再生能源渗透率最高的一类样本作为区域综合能源系统能效状态评价的基准样本；
[0052] 本发明中，采用高斯混合模型聚类确定系统运行基准状态，利用了历史数据的相似性，定位历史可比工况下的系统能效状态信息，揭示多边界下系统能效状态多样性与重复性的规律。
[0053] 图2是区域综合能源系统能效基准状态确定方法流程图，所述步骤2包括：
[0054] 步骤201、根据环境温度、环境风速、太阳辐射强度以及负荷需求，对历史运行数据进行工况划分；
[0055] 步骤202、计算区域综合能源系统可再生能源渗透率，可再生能源渗透率是可再生能源发电量与系统总发电量的比值；
[0056] 步骤203、基于高斯混合模型，对能效状态指标的历史数据进行多指标同步聚类；
[0057] 基于高斯混合模型，对能效状态指标的历史数据进行多指标同步聚类的步骤包括：
[0058] 步骤A1、选取高斯混合模型子模型个数K，K也是聚类数；设定多元高斯混合模型的概率分布形式为： 其中，X是n维能效状态指标的历史运行数据向量，X＝[x1,x2,…,xn]T；ωk是子模型的权重，且ωk≥0, φ(X|θk)是第k个子模型的多维单一高斯概率密度函数， 其中，
μk和∑k分别表示第k个子模型的均值和协方差矩阵；
[0059] 步骤B1、基于最大似然估计算法，求解公式的最小值，估计高斯混合模型
的μk、∑k和ωk；
[0060] 步骤C1、将不同时刻的历史运行数据X(i)分别带入到K个高斯分布函数中，求其属于每个类别的概率，选取概率值最高的那一类作为这组运行数据的最终类别；其中，X(i)表示第i时刻的能效状态指标对应的运行数据。
[0061] 步骤204、以系统可再生能源渗透率最大为目标，选取各工况下能效基准状态样本，作为系统能效状态评价的基准样本。
[0062] 将步骤203中聚类得到的数据通过步骤204的方式进行选择，最终确定基准样本。
[0063] 步骤3、将基准样本中的历史运行数据作为能效状态指标，采用条件变分自编码器方法，构建区域综合能源系统能效状态评价模型。
[0064] 本发明中，采用通过历史数据学习得到的基准状态模型，来估计系统的真实状态，兼顾了系统运行边界的多变性和能效状态信息的动态复杂性。
[0065] 图3是区域综合能源系统能效状态评价模型构建流程图，所述步骤3包括：
[0066] 步骤301、步骤301、构建任选运行工况c下的能效状态观测向量X(i)＝[X1(i)X2(i)...Xn(i)]T，其中，X(i)表示第i时刻的系统的能效指标观测向量，Xk(i)(k＝1,2,…，n)表示第i时刻第k个能效状态指标值，n表示能效状态指标的个数；
[0067] 步骤302、以能效状态观测向量X(i)和运行工况c为输入，基于条件变分自编码器算法，构建能效状态评价模型。
[0068] 本发明中，所述步骤302中的能效状态评价模型的构建包括：
[0069] 步骤A、输入能效状态观测向量X(i)和运行工况c，通过编码器计算得到变分后验分布中均值 和方差
[0070] 步骤B、根据重参数变换，由公式 计算隐变量z；
[0071] 步骤C、隐变量z通过解码器计算得到重构变量 分布的均值μθ(z,c)和方差σθ(z,c)；
[0072] 步骤D、计算输入的能效状态观测向量的对数似然。
[0073] 步骤4、由公式SI＝RL-DKL计算区域综合能源系统的能效状态指数SI。
[0074] 基于条件变分自编码器模型计算的得到的后验概率和先验概率分布，计算KL分散度DKL和重构概率RL， L是采样个数，log(p(x|z))是由变分自编码器后验分布采样得到的隐变量z条件下输入样本的对数似然。
[0075] 步骤5、评语等级的确定，采用高斯混合模型估计能效状态指数的概率密度分布，并通过设置不同的置信度，确定不同的能效状态评语等级阈值。
[0076] 图4是区域综合能源系统能效状态评语等级确定流程图，所述步骤5包括：
[0077] 步骤501、采用高斯混合模型，估计能效状态指数的概率密度分布；
[0078] 步骤502、定义区域综合能源系统的能效状态的评语集：A＝{A1，A2，A3}＝{优秀，良好，差}；
[0079] 步骤503、设置当置信度α＝70％时，对应的能效状态指数作为评优阈值；当置信度α＝95％时，对应的能效状态指数作为评价良好状态的阈值。
[0080] 步骤6、能效状态实时评价，采用滑动窗口检测技术，计算窗口内能效状态指数去掉最高值和最低值后的平均值，确定系统的能效状态评语。
[0081] 本发明中，采用滑动窗口检测技术，通过统计窗口时间内除去最大值和最小值后，能效状态指数的平均值来确定能效状态的评价结果，消除了由于不确定因素和随机干扰(如传感器的测量误差)对能效状态指数的影响，提高能效状态评价的准确性与可靠性。
[0082] 图5是区域综合能源系统平均能效状态指数统计示意图，所述步骤6包括：
[0083] 步骤601、从起始时刻i向前选取长度为n的能效状态指数时间序列：SIi←i-n+1＝[SIi-n+1,…,SIi-1,SIi],n≥0；
[0084] 步骤602、统计并去掉窗口数据中的最大值和最小值，由公式 计算窗口中的能效状态指数的平均值；
[0085] 步骤603、当递增步长为k时，得到新的时间序列：SIi+k←i+k-n+1＝[SIi+k-n+1,…SIi+k-1,SIi+k],n≥0,k≥0，重复步骤602的操作，得到 如此递推。
[0086] 上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
