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！

龙图腾网获悉浙江大学申请的专利一种工业园区低碳分析及优化规划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：CN115115193B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202210672589.4，技术领域涉及：G06Q10/0631；该发明授权一种工业园区低碳分析及优化规划方法是由钟崴;赵宏飞;林小杰;王向前设计研发完成，并于2022-06-14向国家知识产权局提交的专利申请。

本一种工业园区低碳分析及优化规划方法在说明书摘要公布了：本发明提供了一种工业园区低碳分析及优化规划方法，该方法通过当量满负荷运行时间法和概率分布对特定场景进行负荷预测。建立各能源单元的规划建设成本及设备运行维护成本模型和报废成本模型，以全生命周期年折算成本最小为上层规划模型的优化目标，以碳手迹成本最低为下层优化模型的优化目标，建立工业园区能源系统双层优化规划模型，同时满足各类平衡性、限制性约束。通过碳足迹及碳手迹求解进行低碳分析，将上下层模型连接，采用改进遗传算法求解双层模型并进行方案寻优，迭代求解直至收敛，优化求解得到工业园区系统的产量计划、设备装机容量及碳手迹抵消方案。本发明可应用于工业园区的规划设计和低碳分析下的规划减排方案优化设计。

本发明授权一种工业园区低碳分析及优化规划方法在权利要求书中公布了：1.一种工业园区低碳分析及优化规划方法，其特征在于，包括以下步骤： 1生成特定场景根据能量路由器、设备单元、热负荷、电负荷、冷负荷的历史运行数据，通过概率统计生成各能量源和负荷的出力概率分布，同时依据统计得到的各时段能量源和负荷的均值及标准差，采用当量满负荷运行时间法预测计算各设备不同时段相应的运行功率概率，生成特定场景； 采用场景削减方法对场景进行聚类； 所述的当量满负荷运行时间法，具体为： 当量满负荷运行时间是指：能源单元全年运行负荷的总和与能源单元最大出力的比值，即： 12式中，为第i类能源单元运行当量满负荷运行时间，h； 为能源单元全年总负荷，kJa；为第i类能源单元最大出力，kJh；负荷率表示第i类能源单元全年总负荷与对应的能源单元在累计运行时间内总的最大出力之和的比例；Ti为第i类能源单元设备累计运行时间； 2建立工业园区能源系统双层优化规划模型所述的工业园区能源系统双层优化规划模型包括上层规划模型和下层优化模型；首先建立各能量路由器和设备单元的规划建设成本及设备运行维护成本模型和报废成本模型，在此基础上，以全生命周期年折算成本最小为上层规划模型的优化目标，所述全生命周期年折算成本为年化规划建设成本及设备运行维护成本和年化报废成本之和；以碳手迹成本最低为下层优化模型的优化目标，建立工业园区低碳分析及优化规划双层模型，同时满足各种平衡性约束、限制性约束； 建立的上层规划模型的优化目标和下层优化模型的优化目标如下： 678 = 9式中，为全生命周期年折算成本；为待优化的各能源单元设备容量集合，即各能量路由器和设备单元的装机规划容量集合；为所有能量单元的规划建设及设备运行维护总成本，为第i类设备的规划建设成本，为第i类设备的运行维护成本，为所有能量单元的报废总成本，为规划方案下碳手迹总成本，由各能源单元工艺优化节能成本、能源传输损失缩减成本、原料替换成本、新建碳汇绿化成本、新建碳汇项目成本、交通方式节能成本、寿命延长成本、其他规定模块成本组成， 为可优化的下层决策变量，D为年运行天数，δ为时间折算系数； 计算所述碳手迹成本之前需先计算得到碳手迹，所述碳手迹的计算公式为： 1011式中：为碳手迹，为工业园区提供产品服务过程中实现的碳手迹，为工业园区在主动行动过程中实现的碳手迹，为工业园区通过提供减少他人碳足迹的产品服务实现的碳手迹，Wi 为工业园区中第i类产品服务的年产量，为第i类产品服务单位产量对应的基准碳足迹产量，为第i类产品服务单位产量对应的碳足迹产量，εi 为第i类产品服务的年生产占有率； 3求解工业园区能源系统双层优化规划模型根据碳基线盘查表格及核算清单，识别碳排放源、确定系统边界示意图和核算方法，采用核算因子法计算全生命周期碳足迹，并反馈给下层模型；采用多目标优化算法与小时级线性优化调度算法相结合的双层交互迭代求解方法，对上层规划模型进行求解以得到工业园区能源系统的容量规划方案，下层模型通过确定性算法求解器求解得到上层模型的解集对应的各设备出力时间序列；双层交互迭代直至收敛，通过上述步骤，优化求得综合能源系统的各设备装机容量，得到工业园区低碳分析优化规划的减排方案； 上层规划模型的求解过程具体为： 1调用下层优化模型运行结果，计算目标函数响应值； 2基于当前目标函数响应值，输出机组装机规划容量； 3采用改进的遗传算法求解上层规划模型得到解集； 所述改进的遗传算法具体为： 遗传算法中交叉概率Pc与变异概率Pm是影响搜索性能及收敛情况的关键参数，通过引入自适应的交叉概率与变异概率，使交叉与概率操作随种群适应度的变化而调整，不再是定值，当群体逐步落入局部最优解时，相应提高交叉概率与变异概率，当群体趋于发散时，相应降低交叉概率与变异概率，从而实现自适应地调整遗传操作，提升遗传算法的搜索能力；自适应的交叉概率与变异概率分别表示如下： 1516式中：fitmax为种群中最大的个体适应度值；fitavg为种群的平均适应度值，fitc为交叉操作中较优个体的适应度值，fitm为变异操作中个体的适应度值；Pc1、Pc2、Pm1、Pm2分别为自适应交叉概率与变异概率的上限和下限； 下层优化模型的求解过程具体包括以下步骤： 1针对上层模型输出的最优解集中的采样点，在可能包含最优解的区域再次采样，计算目标函数的值；与当前最优采样点进行对比计算，如果目标函数值减小，即对应所建立的下层优化模型的优化目标增大，则将最优解集更新，否则不变； 2基于模拟退火修正的适应度函数，调用上层输出最优解集的方案； 利用模拟退火算法改进遗传算法以实现寻优过程对适应度的不断修正，表示如下： 17式中：fitxim为基于模拟退火修正的适应度函数，k为模拟退火功能系数，取小于1.0的数，t为遗传算法的进化代数，T0为模拟退火的初始温度，取与目标函数同一量级的数，fx为种群中个体的目标函数值； 3重复采样过程，不断调用上层模型，迭代计算缩小最优解集，直至寻找到全局最优解。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。