本發(fā)明涉及退役電池交易定價，尤其涉及一種退役動力電池的價值預測方法、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、在促進經(jīng)濟發(fā)展的同時，工業(yè)園區(qū)也成為了碳排放大戶，園區(qū)減排是達成碳中和目標的關(guān)鍵，由此，工業(yè)園區(qū)利用退役動力電池實現(xiàn)低碳能量管理的市場前景廣闊。然而，相關(guān)技術(shù)中退役動力電池數(shù)量預測和退役動力電池價值預測的準確性有待提升。

技術(shù)實現(xiàn)思路

1、以下是對本文詳細描述的主題的概述。本概述并非是為了限制權(quán)利要求的保護范圍。

2、本發(fā)明的目的在于至少一定程度上解決相關(guān)技術(shù)中存在的技術(shù)問題之一，本發(fā)明實施例提供了一種退役動力電池的價值預測方法、電子設(shè)備及存儲介質(zhì)，能夠得到退役動力電池數(shù)量和退役動力電池價值的均衡解，提高零售商對退役動力電池價值預測和園區(qū)對退役動力電池數(shù)量預測的準確性。

3、本發(fā)明的第一方面的實施例，一種退役動力電池的價值預測方法，包括：

4、隨機生成一組不同的退役動力電池價值；

5、第一次迭代將一組不同的所述退役動力電池價值輸入子問題模型中，所述子問題模型包括上層模型和下層退役動力電池模型；

6、根據(jù)所述上層模型得到退役動力電池數(shù)量和總體充放電計劃，傳遞給所述下層退役動力電池模型；

7、根據(jù)所述下層退役動力電池模型得到每一個退役動力電池個體的充放電計劃；

8、判斷每一個所述退役動力電池個體的充放電計劃是否滿足每一個退役動力電池個體對應(yīng)的約束，若滿足，則將所述退役動力電池數(shù)量確定為此次迭代的最終退役動力電池數(shù)量，得到一組此次迭代的所述最終退役動力電池數(shù)量；否則重新求解所述上層模型，直至確定此次迭代的所述最終退役動力電池數(shù)量；

9、將所述一組此次迭代的所述最終退役動力電池數(shù)量反饋給主問題模型；

10、所述主問題模型根據(jù)所述最終退役動力電池數(shù)量和所述退役動力電池價值求解出零售商收益，根據(jù)所述零售商收益利用調(diào)整算法調(diào)整所述退役動力電池價值，取對應(yīng)收益最高的一組所述退役動力電池價值作為下次迭代的一組不同的所述退役動力電池價值，并返回給所述子問題模型進行第二次迭代；

11、循環(huán)迭代直至得到均衡解，輸出所述最終退役動力電池數(shù)量和所述退役動力電池價值。

12、根據(jù)本發(fā)明的第一方面的某些實施例，所述根據(jù)所述上層模型得到退役動力電池數(shù)量和總體充放電計劃，包括：

13、所述上層模型利用兩階段魯棒優(yōu)化方法中的列和約束生成算法進行求解；

14、第一階段是混合整數(shù)規(guī)劃模型，利用主問題mp進行求解，得到不同場景的能量管理計劃；

15、第二階段是雙層優(yōu)化模型，利用對偶子問題sp判斷當前所述能量管理計劃是否為最惡劣場景的所述能量管理計劃，得到所述最惡劣場景的所述能量管理計劃；

16、根據(jù)所述最惡劣場景的所述能量管理計劃確定所述退役動力電池數(shù)量和所述總體充放電計劃。

17、根據(jù)本發(fā)明的第一方面的某些實施例，所述主問題mp為：

18、minx?ax+ψ

19、

20、式中，a，b，f，f，g，g，u，v，c，d是實際模型的參數(shù)矩陣，x是非可再生能源出力機組、退役動力電池的出力計劃，y是非可再生能源出力機組、退役動力電池的具體出力，μ是不確定性變量；

21、所述對偶子問題sp為：

22、

23、根據(jù)本發(fā)明的第一方面的某些實施例，所述根據(jù)所述下層退役動力電池模型得到每一個退役動力電池個體的充放電計劃，包括：

24、將退役動力電池進行分組，確定每一個退役動力電池組中的退役動力電池數(shù)量；

25、根據(jù)所述上層模型傳遞的所述總體充放電計劃確定每一個退役動力電池組的充放電計劃；

26、根據(jù)每一個所述退役動力電池組的充放電計劃，確定每一個所述退役動力電池個體的充放電計劃。

27、根據(jù)本發(fā)明的第一方面的某些實施例，所述將退役動力電池進行分組，包括：

28、根據(jù)退役動力電池個體的參數(shù)進行分組。

29、根據(jù)本發(fā)明的第一方面的某些實施例，所述主問題模型為：

30、d＝(a-c)s；

31、式中，d為零售商收益，a為退役動力電池價值，s為退役動力電池數(shù)量，c為單位退役動力電池的回收成本，是一個已知參數(shù)。

32、根據(jù)本發(fā)明的第一方面的某些實施例，所述調(diào)整算法是遺傳算法或粒子群算法。

33、本發(fā)明的第二方面的實施例，一種電子設(shè)備，所述電子設(shè)備包括存儲器、處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如上所述的一種退役動力電池的價值預測方法。

34、本發(fā)明的第三方面的實施例，一種存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上所述的一種退役動力電池的價值預測方法。

35、上述方案至少具有以下的有益效果：將一組隨機生成的退役動力電池價值輸入包含上層模型和下層退役動力電池模型的子問題模型中開始第一次迭代；根據(jù)上層模型得到退役動力電池數(shù)量和總體充放電計劃，傳遞給下層退役動力電池模型；下層退役動力電池模型計算得到每一個退役動力電池個體的充放電計劃；判斷每一個退役動力電池個體的充放電計劃是否滿足每一個退役動力電池個體對應(yīng)的約束，若滿足，則將退役動力電池數(shù)量確定為此次迭代的最終退役動力電池數(shù)量，得到一組此次迭代的最終退役動力電池數(shù)量；否則重新求解上層模型，直至確定此次迭代的最終退役動力電池數(shù)量；將一組此次迭代的最終退役動力電池數(shù)量反饋給主問題模型；主問題模型根據(jù)最終退役動力電池數(shù)量和退役動力電池價值求解出零售商收益，根據(jù)零售商收益利用調(diào)整算法調(diào)整退役動力電池價值，取對應(yīng)收益最高的一組退役動力電池價值作為下次迭代的一組不同的退役動力電池價值，并返回給子問題模型進行第二次迭代；循環(huán)迭代直至得到均衡解，輸出最終退役動力電池數(shù)量和退役動力電池價值，從而提高了零售商對退役動力電池價值預測和園區(qū)對退役動力電池數(shù)量預測的準確性。

技術(shù)特征：

1.一種退役動力電池的價值預測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種退役動力電池的價值預測方法，其特征在于，所述根據(jù)所述上層模型得到退役動力電池數(shù)量和總體充放電計劃，包括：

3.根據(jù)權(quán)利要求2所述的一種退役動力電池的價值預測方法，其特征在于，所述主問題mp為：

4.根據(jù)權(quán)利要求1所述的一種退役動力電池的價值預測方法，其特征在于，所述根據(jù)所述下層退役動力電池模型得到每一個退役動力電池個體的充放電計劃，包括：

5.根據(jù)權(quán)利要求4所述的一種退役動力電池的價值預測方法，其特征在于，所述將退役動力電池進行分組，包括：

6.根據(jù)權(quán)利要求1所述的一種退役動力電池的價值預測方法，其特征在于，所述主問題模型為：

7.根據(jù)權(quán)利要求1所述的一種退役動力電池的價值預測方法，其特征在于，所述調(diào)整算法是遺傳算法或粒子群算法。

8.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括存儲器、處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至7任一項所述的一種退役動力電池的價值預測方法。

9.一種存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7中任一項所述的一種退役動力電池的價值預測方法。

技術(shù)總結(jié)
本發(fā)明實施例公開了一種退役動力電池的價值預測方法、電子設(shè)備及存儲介質(zhì)，第一次迭代將隨機生成的一組退役動力電池價值輸入子問題模型中，根據(jù)上層模型得到退役動力電池數(shù)量和總體充放電計劃，傳遞給下層退役動力電池模型，求解得到每一個退役動力電池個體的充放電計劃，判斷該充放電計劃是否滿足退役動力電池個體的約束，將退役動力電池數(shù)量確定為此次迭代的最終退役動力電池數(shù)量反饋給主問題模型，根據(jù)零售商收益利用調(diào)整算法調(diào)整退役動力電池價值，取收益最高的一組退役動力電池價值返回給子問題模型進行第二次迭代，循環(huán)迭代直至得到均衡解，輸出最終退役動力電池數(shù)量和退役動力電池價值，提高了退役動力電池價值預測和數(shù)量預測的準確性。

技術(shù)研發(fā)人員：劉益華,譚碧飛
受保護的技術(shù)使用者：五邑大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6