基于变分量子算法的综合能源微网评价生成系统及方法

本发明涉及可再生能源微网建设，尤其涉及一种基于变分量子算法的综合能源微网评价生成系统及方法。

背景技术：

1、现有的可再生能源微网建设综合评价指标生成过程缺少对碳排放的考虑，而碳排放对经济和环境具有双重影响，导致了其相关指标权重间呈相互影响的耦合态，从而导致现有的综合评价生成系统或方法输出的结果准确度较低，即与实际情况差距较大，使得结果的参考性较差，而且对不同可再生能源微网场景进行综合评价的适应性差。

2、为了提高可再生能源微网建设综合评价生成系统或方法的结果准确性和适应性，本领域技术人员进行了多种方式的改进，如专利cn112862154b从经济效益、运行效益、环境效益三个方面提出包含七个指标的区域能源系统规划优化综合评价体系。经济效益指标主要包括全寿命周期初投资等年值、运行成本和总成本；运行效益指标主要包括平均㶲效率和电/热网购电/热曲线平准化率；环境效益指标主要包括总碳排放量和可再生能源利用率。专利cn116452154b对各项数据指标的权重系数计算方法为：首先对各项数据指标进行标准化处理，消除指标不同单位的影响，在有n项数据指标的情况下，建立判断矩阵x，对原始数据标准化处理得到标准化矩阵y，而后计算数据指标的信息熵，最后根据信息熵计算各项数据指标的权重。专利cn114418160a以多能源系统运行经济性成本最低、二氧化碳排放量最低、风能和光能利用率最高建立多目标函数，采用层次分析法和熵权法结合，为多目标函数制定组合权重，优化调度结果。针对每个多目标函数建立评价指标和评价定量分级，采用层次分析法确定评价指标权重，将上一步优化调度结果输入到综合能源系统评价体系中，并利用模糊综合评价法根据评价指标权重和评价指标评定数据评价多目标函数，满足评价定量分级要求，完成权重分配。专利cn108565899b设计dg启动及运行特性综合评价指标体系，评价指标包括启动特性指标以及运行特性指标，并对启动特性指标以及运行特性指标进行分类，利用变异系数法计算各评价指标的客观权重，利用层次分析法计算各评价指标的主观权重，利用乘法组合赋权法计算各评价指标的综合权重，利用逼近理想解排序法计算各评价指标相对贴进度，并进行综合评价。

3、然而上述改进中，依旧存在结果准确性和不同场景适应性的提高空间。

技术实现思路

1、为解决上述技术问题，本发明提供一种基于变分量子算法的综合能源微网评价生成系统及方法。

2、为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

3、本发明采用如下技术方案：

4、提供一种基于变分量子算法的综合能源微网评价生成系统，该评价生成系统所使用的指标权重基于变分量子算法得到；

5、该评价生成系统包括：

6、体系构建模块，用于获取一级指标以及对应于各项一级指标的二级指标；

7、权重分配模块，用于根据变分量子算法确定所述一级指标与所述二级指标的最优权重；

8、综合评价模块，用于根据各项指标的最优权重，通过topsis算法获取各样本的评价等级排序值；

9、所述体系构建模块，包括：

10、自然资源情况采集单元，用于获取自然资源情况数据；

11、设备与技术条件采集单元，用于获取设备与技术条件数据；

12、经济影响采集单元，用于获取经济影响数据；

13、社会影响采集单元，用于获取社会影响数据；

14、环境影响采集单元，用于获取环境影响数据；

15、碳排放效益采集单元，用于获取碳排放效益数据；

16、所述自然资源情况采集单元包括：能源分布条件采集子单元，用于获取能源分布条件数据；气候条件采集子单元，用于获取气候条件数据；地质情况采集子单元，用于获取地质情况数据；

17、所述设备与技术条件采集单元包括：发电设备采集子单元，用于获取发电设备类型数据；逆变器采集子单元，用于获取逆变器类型数据；发电量采集子单元，用于获取发电量数据；发电阵列组串数采集子单元，用于获取发电阵列组串数数据；发电阵列列间距采集子单元，用于获取发电阵列列间距数据；

18、所述经济影响采集单元包括：项目投资采集子单元，用于获取项目投资数据；项目盈利采集子单元，用于获取项目盈利数据；项目清偿能力采集子单元，用于获取项目清偿能力数据；

19、所述社会影响采集单元包括：新能源占比采集子单元，用于获取新能源占比数据；当地经济影响采集子单元，用于获取当地经济影响数据；当地就业影响采集子单元，用于获取当地就业影响数据；

20、所述环境影响采集单元包括：噪声污染采集子单元，用于获取噪声污染数据；粉尘污染采集子单元，用于获取粉尘污染数据；

21、所述碳排放效益采集单元包括：碳减排采集子单元，用于获取碳减排数据；碳交易采集子单元，用于获取碳交易数据。

22、进一步的，所述权重分配模块，包括：

23、函数定义单元，用于将各项二级指标转化为评价优劣程度的等级数据，并对各项二级指标进行加权，建立线性加权函数；

24、优化变量确定单元，用于将线性加权函数中的各项权重系数确定为最优化问题的优化变量；

25、权重系数优化模型建立单元，用于生成最优化问题的目标函数以及量子电路的目标函数；

26、优化单元，用于通过变分量子算法优化各项二级指标的权重系数，得到所述二级指标的最优权重以及与所述二级指标对应的所述一级指标最优权重。

27、提供一种基于变分量子算法的综合能源微网评价生成方法，包括如下步骤：

28、体系构建模块，获取一级指标以及对应于各项一级指标的二级指标；

29、权重分配模块，根据变分量子算法确定所述一级指标与所述二级指标的最优权重；

30、综合评价模块，根据各项指标的最优权重，通过topsis算法获取各样本的评价等级排序值；

31、所述一级指标包括：自然资源情况、设备与技术条件、经济影响、社会影响、环境影响以及碳排放效益；

32、对应于所述自然资源情况的二级指标包括：能源分布条件、气候条件以及地质情况；对应于所述设备与技术条件的二级指标包括：发电设备类型、逆变器类型、发电量、发电阵列组串数以及发电阵列列间距；对应于所述经济影响的二级指标包括：项目投资、项目盈利以及项目清偿能力；对应于所述社会影响的二级指标包括：新能源占比、当地经济影响以及当地就业影响；对应于所述环境影响的二级指标包括：噪声污染以及粉尘污染；对应于所述碳排放效益的二级指标包括：碳减排以及碳交易。

33、进一步的，所述权重分配模块，根据变分量子算法确定所述一级指标与所述二级指标的最优权重的过程，包括：

34、函数定义单元，将各项二级指标转化为评价优劣程度的等级数据，并对各项二级指标进行加权，建立线性加权函数：

35、；

36、上式中，依次为各项二级指标的评价分数，为所对应的权重系数，为总分值；

37、优化变量确定单元，将线性加权函数中的各项权重系数确定为最优化问题的优化变量：<mstyle displaystyle="true" mathcolor="#000000"><mi>x</mi><msub><mrow /><mi>i</mi></msub><mi>=</mi><mrow><mo>[</mo><mrow><mi>w</mi><msub><mrow /><mi>1</mi></msub><mi>w</mi><msub><mrow /><mi>2</mi></msub><mi>w</mi><msub><mrow /><mi>3</mi></msub><mi>.</mi><mi>.</mi><mi>.</mi><mi>w</mi><msub><mrow /><mrow><mi>1</mi><mi>8</mi></mrow></msub></mrow><mo>]</mo></mrow><msup><mrow /><mi>t</mi></msup></mstyle>，其中为在变分量子算法中，利用其中的经典电路，通过经典求解器的方式进行求解的向量矩阵；

38、权重系数优化模型建立单元，生成最优化问题的目标函数以及量子电路的目标函数：，其中，为目标函数，为成本函数，为根据现有评价方法得到的评价分数，为根据式：得到的总分值，为精度要求；

39、优化单元，通过变分量子算法优化各项二级指标的权重系数，得到所述二级指标的最优权重以及与所述二级指标对应的所述一级指标最优权重。

40、进一步的，所述优化单元，通过变分量子算法优化各项二级指标的权重系数的过程包括：

41、设量子比特数为，迭代计算次数为，最大迭代次数为；

42、s1：制备初始量子比特：令，，，每个量子比特的状态向量代表一组权重系数最优值的潜在解，向量的维数等于权重系数的个数，即，随机初始化18个粒子的初始状态：

43、<mstyle displaystyle="true" mathcolor="#000000"><mi>x</mi><msub><mrow /><mi>i</mi></msub><mi>(</mi><mi>0</mi><mi>)</mi><mi>=</mi><mrow><mo>[</mo><mrow><mi>x</mi><msub><mrow /><mrow><mi>i</mi><mi>1</mi></mrow></msub><mi>x</mi><msub><mrow /><mrow><mi>i</mi><mi>2</mi></mrow></msub><mi>x</mi><msub><mrow /><mrow><mi>i</mi><mi>3</mi></mrow></msub><mi>.</mi><mi>.</mi><mi>.</mi><mi>x</mi><msub><mrow /><mrow><mi>i</mi><mi>1</mi><mi>8</mi></mrow></msub></mrow><mo>]</mo></mrow><mi>,</mi><mi>i</mi><mi>=</mi><mi>1</mi><mi>,</mi><mi>2</mi><mi>,</mi><mi>3</mi><mi>,</mi><mi>.</mi><mi>.</mi><mi>.</mi><mi>,</mi><mi>n</mi><mi>,</mi><mi>n</mi><mi>=</mi><mi>1</mi><mi>8</mi></mstyle>；

44、为第个量子比特的初始状态，为第个量子比特分别在18个维数中的初始状态；

45、s2：令各量子比特的局部最优状态，并且确定量子比特的全局最优状态，即权重系数的最优解，；

46、s3：计算各个量子比特的状态：，其中，为成本函数；

47、s4：随着迭代计算的进行，更新在第次迭代时每个量子比特新的局部最优状态：

48、；

49、其中，，为第个量子比特在第次迭代时的局部最优状态，为第个量子比特在迭代次数为时局部最优状态所对应的目标函数，为目标函数，为第个量子比特在迭代次数为时量子比特状态；

50、s5：根据各量子比特新的局部最优状态，更新在第次迭代时各量子比特的全局最优状态，即最优权重系数为，；

51、s6：各量子比特按照下式改变自身状态：

52、<mstyle displaystyle="true" mathcolor="#000000"><mi>p</mi><msub><mrow /><mi>g</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mi>=</mi><mfrac><mi>1</mi><mi>n</mi></mfrac><mstyle displaystyle="true"><munderover><mo>∑</mo><mrow><mi>i</mi><mi>=</mi><mi>1</mi></mrow><mi>n</mi></munderover><mrow><mi>p</mi><msub><mrow /><mi>i</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mrow></mstyle><mi>=</mi><mfrac><mi>1</mi><mi>n</mi></mfrac><mrow><mo>[</mo><mstyle displaystyle="true"><munderover><mo>∑</mo><mrow><mi>i</mi><mi>=</mi><mi>1</mi></mrow><mi>n</mi></munderover><mrow><mi>p</mi><msub><mrow /><mrow><mi>i</mi><mi>1</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mi>,</mi><mstyle displaystyle="true"><munderover><mo>∑</mo><mrow><mi>i</mi><mi>=</mi><mi>1</mi></mrow><mi>n</mi></munderover><mrow><mi>p</mi><msub><mrow /><mrow><mi>i</mi><mi>2</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mi>,</mi><mi>.</mi><mi>.</mi><mi>.</mi><mi>,</mi><mstyle displaystyle="true"><munderover><mo>∑</mo><mrow><mi>i</mi><mi>=</mi><mi>1</mi></mrow><mi>n</mi></munderover><mrow><mi>p</mi><msub><mrow /><mrow><mi>i</mi><mi>m</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mrow></mstyle></mrow></mstyle></mrow></mstyle><mo>]</mo></mrow></mstyle>；

53、<mstyle displaystyle="true" mathcolor="#000000"><mi>p</mi><msub><mrow /><mrow><mi>i</mi><mi>j</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mi>=</mi><mi>ϕ</mi><msub><mrow /><mrow><mi>i</mi><mi>j</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mi>p</mi><msub><mrow /><mrow><mi>i</mi><mi>j</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mi>+</mi><mrow><mo>[</mo><mrow><mi>1</mi><mi>−</mi><mi>ϕ</mi><msub><mrow /><mrow><mi>i</mi><mi>j</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mrow><mo>]</mo></mrow><mi>p</mi><msub><mrow /><mrow><mi>g</mi><mi>j</mi></mrow></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mi>,</mi><mi>j</mi><mi>=</mi><mi>1</mi><mi>,</mi><mi>2</mi><mi>,</mi><mi>.</mi><mi>.</mi><mi>.</mi><mi>m</mi><mi>,</mi><mi>m</mi><mi>=</mi><mi>1</mi><mi>8</mi></mstyle>；

54、；

55、上式中，为在第次迭代时各量子比特的全局最优状态；为第个量子比特在第次迭代时的局部最优状态；为第个量子比特在第次迭代时第维局部最优状态；为第个量子比特的局部最优状态与全局最优状态之间的随机状态；为第次迭代各量子比特处于全局最优状态时，第维的量子比特所处的状态；为第次迭代第个量子比特的第维状态；为第次迭代的步长参数值；为第次迭代时所有量子比特当前最佳状态的平均状态向量；、为在区间<mstyle displaystyle="true" mathcolor="#000000"><mo>[</mo><mrow><mi>0</mi><mi>,</mi><mi>1</mi></mrow><mo>]</mo></mstyle>上服从均匀分布的随机数；

56、s7：判断是否等于，若等于则结束，得到所述二级指标的最优权重以及与所述二级指标对应的所述一级指标最优权重，否则返回s3。

57、进一步的，所述综合评价模块，根据各项指标的最优权重，通过topsis算法获取各样本的评价等级排序值的过程包括：

58、按照下式得出加权后的指标矩阵：

59、

60、其中，代表不同的综合评价结果；为二级指标的数量，；第个二级指标的指标权重；为第个综合评价结果中第个二级指标的评价分数；

61、将加权后的指标矩阵中的最大值集合作为正理想解，最小值集合作为负理想解：

62、

63、

64、依据下式进行欧式距离计算：

65、

66、

67、为正理想解的欧式距离；为负理想解的欧式距离；

68、计算各评价等级的排序值：

69、。

70、提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的基于变分量子算法的综合能源微网评价生成方法。

71、提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现所述的基于变分量子算法的综合能源微网评价生成方法。

72、本发明所带来的有益效果：在考虑碳排放的基础上，利用变分量子算法中量子比特的叠加、纠缠特性处理计算相互关联、耦合的指标权重，使得生成的结果更加准确且更符合实际，同时还可以适应可再生能源微网不同实际场景的变化。