买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜沈阳工业大学申请的专利一种考虑容量配置的风电混合储能供热系统的优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119005396B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411009804.8，技术领域涉及：G06F17/00；该发明授权一种考虑容量配置的风电混合储能供热系统的优化方法是由周勃;李骁霖;王义娜;王雅洁;韩宗伟;董立国;杨佳琪设计研发完成，并于2024-07-26向国家知识产权局提交的专利申请。

本一种考虑容量配置的风电混合储能供热系统的优化方法在说明书摘要公布了：本申请提出一种考虑容量配置的风电混合储能供热系统的优化方法，属于风电混合储能技术领域，包括：针对住宅全年热负荷数据，采用k‑means聚类分析算法按天区分进行聚类和分析；采用两参数威布尔模型以及场景削减技术，得到具有代表性典型场景中的风电功率数据；将典型日的逐时热负荷分布数据以及代表性典型场景中的风电功率数据输入到量配置双层优化模型进行迭代，得到最优的系统容量配置方案；将粒子群优化后的设备容量输入到容量配置双层优化模型的下层模型中进行迭代，将优化后的逐时功率以及成本输入到容量配置双层优化模型的上层模型进行迭代。本申请考虑了风电储能供热项目带来的综合效益，并对容量配置进行供需协同优化。

本发明授权一种考虑容量配置的风电混合储能供热系统的优化方法在权利要求书中公布了：1.一种考虑容量配置的风电混合储能供热系统的优化方法，其特征在于，包括：步骤S1：获取待优化地区的住宅全年热负荷数据以及风速数据；步骤S2：针对待优化地区的住宅全年热负荷数据，采用k-means聚类分析算法按天区分进行聚类和分析，得到典型日的逐时热负荷分布数据；步骤S3：采用两参数威布尔模型对风速数据进行拟合，用蒙特卡洛方法对拟合后的风速数据进行抽样，每一次抽样得到一个风速场景的风电功率，采用基于概率距离的快速前代场景削减技术对抽样得到风速场景的风电功率进行消减，得到具有代表性典型场景以及代表性典型场景中的风电功率数据，包括：步骤S3.1：采用两参数威布尔模型对风速数据进行拟合，拟合后的风速概率密度函数如下所示： 其中，v为风速，q为形状参数，c为尺度参数，fv为风速v对应的风速概率密度；步骤S3.2：采用蒙特卡洛方法对风速数据基于所述风速概率密度函数进行抽样，每抽样一次得到一个风速场景，并计算风速场景的风电功率，计算式如下： 其中，P为风速场景的风电功率，Pr为额定功率，v为风速，vr为额定风速，vci为切入风速，vco为切出风速；步骤S3.3：采用基于概率距离的快速前代场景削减技术对抽样得到风速场景的风电功率进行消减，得到具有代表性典型场景以及代表性典型场景中的风电功率数据，包括：步骤S3.3.1：在风速场景集的所有风电功率集P中，依次计算任一风速场景的风电功率与其余所有风速场景的风电功率之间的欧氏距离；步骤S3.3.2：计算每一风速场景与其他所有风速场景的风电功率间欧式距离之和，从中找到风电功率欧式距离和最小的风速场景，并将其定义为a；步骤S3.3.3：找到与风速场景a的风电功率距离最短的风速场景b的风电功率，以风速场景b的风电功率代替风速场景a的风电功率，将a所在风速下对应的风速概率密度加到b所在风速下对应的风速概率密度，形成新的风速场景集合的风电功率集；步骤S3.3.4：判断当前场景数目是否等于预设定的数量；若不等于，则重复步骤S3.3.1-S3.3.3；若等于，则终止场景削减，以当前场景作为具有代表性典型场景，输出具有代表性典型场景以及代表性典型场景中的风电功率数据；步骤S4：将典型日的逐时热负荷分布数据以及代表性典型场景中的风电功率数据输入到预建立的容量配置双层优化模型进行迭代，得到最优的系统容量配置方案；其中，容量配置双层优化模型的上层模型，采用粒子群优化算法以全生命周期净收益最大化为目标优化设备容量，并将优化的设备容量输入到容量配置双层优化模型的下层模型中进行迭代，容量配置双层优化模型的下层模型是以运行成本最小化为目标优化各设备的逐时功率，并将优化后的逐时功率以及成本输入到容量配置双层优化模型的上层模型进行迭代；所述容量配置双层优化模型的上层模型，以供暖收益、售电收益、节煤收益、环境收益、调峰收益、设备的投资成本、运行成本、维护成本以及退役成本构建目标函数，计算式如下：f＝Kh+Ke+Kc+Kt+Kps-CInv+CO+CM+CD其中，f为目标函数值，Kh为供暖收益，Ke为售电收益，Kc为节煤收益，Kt为环境收益，Kps为调峰收益，CInv为投资成本，CO为运行成本，CM为维护成本，CD为退役成本；其中，所述供暖收益，计算式如下： 其中，Ch为供热单价；Ph-load为热负荷，T为一天的小时数，即24小时；所述售电收益，计算式如下： 其中，为向电网售电价格，Pe,t为t时段与电网的交互功率，大于零表示购电，小于零表示售电；所述节煤收益，计算式如下： 其中，Ps为系统总发电量，Pe,t为t时段与电网的交互功率，μcfu为燃煤锅炉的煤耗率，CCoal为燃煤价格；所述环境收益，计算式如下： 其中，Pe,t为t时段与电网的交互功率；Ct为二氧化碳单位排放价格；所述调峰收益，计算式如下： 其中，为t时段蓄电池的充电功率，为t时段固体蓄热装置的蓄热功率，Cps为储能设备参与调峰单位补贴价格；所述投资成本，计算式如下： 其中，xcap为设备i的容量，CInv,i为设备i的单位容量投资成本，Ni为设备i的使用寿命，r为折现率，I为设备总数量；所述运行成本，计算式如下：CO＝Cs+Ce 其中，Cs,i为设备i的单位运行成本，为设备i在t时段的功率值，为向电网购电电价；Pe,t为t时段与电网的交互功率；所述维护成本，计算式如下： 其中，xcap为设备i的容量，Cm,i为设备i的单位容量维护成本，Ni为设备i的使用寿命，r为折现率；所述退役成本，计算式如下： 其中，a1为退役设备处理费率，a2为设备残值率，xcap为设备i的容量，CInv,i为设备i的单位容量投资成本，Ni为设备i的使用寿命，r为折现率；所述将优化的设备容量输入到容量配置双层优化模型的下层模型中进行迭代，包括：将粒子群优化算法优化后的典型日的逐时热负荷分布数据以及代表性典型场景中的风电功率数据输入到容量配置双层优化模型的下层模型，得到简化后的运行成本，计算式如下：C'o＝C′s+C′e 其中，dk为典型日类别k的天数，k为典型日的类别数，为k典型日类别下设备i单位运行成本，为k典型日类别下设备i在t时段的功率值，为向电网购电电价，Pe,t为t时段与电网的交互功率，C'o为简化后的运行成本，C′s为简化后的储电、储热和制热设备的运行成本，C′e为简化后的购电成本，I为设备总数量，K为典型日类别总数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人沈阳工业大学，其通讯地址为：110870 辽宁省沈阳市经济技术开发区沈辽西路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。