(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211036481.2 (22)申请日 2022.08.27 (71)申请人 广东中科博知数字科技有限公司 地址 528000 广东省佛山市祖庙街道朝东 村委会大塘涌新村(2)-122号楼六楼 自编1号 (72)发明人 刘杰　申校　邓飞　 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 20/00(2019.01) (54)发明名称 一种新能源电站全生命周期的规划 决策方 法及系统 (57)摘要 本发明属于新能源领域， 尤其涉及一种新能 源电站全生命周期规划决策的系统及工具， 以机 器学习和最优化决策模型为基础， 从社会成本、 经济成本、 时间成本三个维度进行综合评估， 选 取新能源电站全生命周期的最优规划方案。 具体 包括： 通过分析原材料获取、 生产制造、 采购运 输、 施工建设、 电站运行、 运营维护， 回收处理共 七个新能源电站全生命周期阶段的经验方案， 利 用机器学习识别和构建可行的方案关系数据库； 生成多组潜在的拟建新能源电站全生命周期规 划方案； 分别构建电站全生命周期的碳排放评估 模型、 经济效益评估模型、 以及项目周期评估模 型； 基于三个评估模型， 构建最优化模型及其约 束条件； 根据最优化模型运行的结果， 将多组潜 在的规划方案进行排序， 得出最优化方案建议。 本发明适用于新能源电站全生命周期的规划决 策和方案选择， 兼顾了电站全生命周期的环境效益和经济效益。 同时本发明也可用于解决其他面 向产品全生命周期的规划决策问题。 权利要求书3页 说明书7页 附图3页 CN 115187141 A 2022.10.14 CN 115187141 A 1.一种新 能源电站全生命周期规划决策方法及系统， 其特点在于基于机器学习和最优 化决策模型， 从社会成本、 经济成本、 时间成本三个维度进行综合评估， 选取新能源电站全 生命周期的最优规划方案， 其特 征在于， 包括如下步骤： S1： 基于大数据和机器学习算法， 搭建所需的基础方案库、 方案信息库以及方案关系 库； S2: 针对给定新能源电站设计方案， 一键生成拟建新能源电站全生命周期方案集； S3： 基于碳排放评估系统， 对S2生成的新能源电站全生命周期方案集进行评估， 并形成 对应碳排放及碳资产数据集； S4： 基于经济效益评估系统， 对S2生成的新能源电站全生命周期方案集进行评估， 并形 成对应经济效益数据集； S5： 基于项目周期评估模型， 对S2生成的新能源电站全生命周期方案集进行评估， 并形 成对应项目周期数据集； S6： 基于最优化模型， 对S3生成的碳排放及碳资产数据集、 S4生成的经济 效益数据集和 S5生成的项目周期数据集进行模拟分析， 根据运行结果， 将新能源电站全生命周期方案集 中的方案进行排序对比， 得 出最优化方案及建议。 2.根据权利要求1所述的方法， 其特征在于， 所述步骤S1包括： 通过分析原材料获取、 生 产制造、 采购运输、 施工 建设、 电站 运行、 运营维护， 回收处理共七个新能源电站全生命周期 阶段的已有案例、 专家经验和网络/平台数据， 利用大数据挖掘技术构建可行的基础方案 库、 方案信息库以及方案 关系库， 其特征在于， 所述步骤S1中构建的基础方案库中包括新能 源电站原材料获取、 生产制造、 采购运输、 施工建设、 电站运行、 运营维护， 回收处理等环节 的具体可执行方案； 所述步骤S1 中构建的方案信息数据库中包括基于碳核算方法估算的碳 排放数据、 相关供应链信息、 对应方案收入支出等数据； 所述步骤S1中构建的方案 关系数据 库是基于基础方案库和方案信息数据库， 采用机器学习模型， 抽取相互关系， 对电站各生命 周期阶段的关系及相 邻上下游方案的可配合程度进行关系构建， 包括所有 可行的电站全生 命周期方案； 方案库、 方案信息数据库、 以及方案 关系数据库均可通过选择性或定时更新模 型参数， 实现自更新。 3.根据权利要求1所述的方法， 其特征在于， 所述步骤S2包括： 基于拟建新能源电站 的 初始规划方案， 根据已规划阶段需要满足的特性和基础需求， 利用机器学习将其与基础方 案库、 方案信息库及方案关系 数据库中的方案识别 关键词进行匹配， 生成新能源电站全生 命周期规划方案集。 4.根据权利要求1所述的方法， 其特征在于， 所述步骤S3包括： 基于步骤1中构建的方案 信息库及步骤S2构建的新能源电站全生命周期规划方案集， 采用人工智能匹配及碳排放评 估系统模拟， 实现对新能源电站全生命周期的碳排放量预估及碳资产价值预估， 并生成对 应新能源电站全生命周期碳 排放及碳资产数据集。 5.根据权利要求1所述的方法， 其特 征在于， 所述 步骤S3中的碳 排放评估系统， 包括： (i) 全生命周期碳 排放量估算模型： Elc ＝ Em + Ep + Et + Ec + Eo + Es + Er   （1） 式中： Elc为新能源电站全生命周期碳排放量； Em为新能源电站原材料获取阶段碳排放 量； Ep为新能源电站 生产制造阶段碳排放量； Et 为新能源电站采购运输阶段碳排放量； Ec为权　利　要　求　书 1/3 页 2 CN 115187141 A 2电站施工建设阶段碳排放量； Eo为电站运行过程的碳减排量； Es为电站运营维护阶段的碳 排放量； Er为电站产品回收处 理阶段碳 排放量； (ii) 全生命周期碳资产价 值估算模型： NPV(Elc)＝NPV(Am  * Em) + NPV(Ap * Ep) + NPV(At * Et) + NPV(Ac * Ec) + NPV (Ao * Eo) + NPV(As * Es) + NPV(Ar * Er)   （2） 式中， NPV(Elc)为新能源电站全生命周期碳资产价值净现值， 其 中， 假设在七个不同周 期阶段， 碳价格指数分别为Am,  Ap, At, Ac, Ao, As, Ar， 为适用于不同时期， 指数也根据 市场波动预测情况， 实现自更新。 6.根据权利要求1所述的方法， 其特征在于， 所述步骤S4包括： 基于步骤1中构建的方案 信息库及步骤S2构建的新能源电站全生命周期规划方案集， 采用人工智能匹配及经济效益 评估系统模拟， 实现对新能源电站全生命周期经济效益及新能源电站项目初始投资的预 估,其中初始投资主 要指生产制造、 采购运输、 施工建 设这三个阶段产生的成本 。 7.根据权利要求1所述的方法， 其特 征在于， 所述 步骤S4中的经济效益评估系统， 包括： (i) 全生命周期净现值估算模型 NPV(Plc) ＝ NPV(Pp) + NPV(Pt) + NPV(Pc) + NPV(Po) + NPV(Ps) + NPV(Pr) （3） 式中： NPV(Plc)为新能源电站全生命周期净现值； NPV(Pp)为新能源电站设备购置成本 的净现值； NPV(Pt)为新能源电站采购运输成本的净现值； NPV(Pc)为电站施工建设成本的 净现值； NPV(Po)为电站运行收入的净现值； NPV( Ps)为电站运营维护成本的净现值； NPV (Pr)为电站回收处 理成本收入的净现值; (ii) 新能源电站项目初始投资净现值估算模型 NPV(I) = NPV(Pp) + NPV(Pt) + NPV(Pc)   (4) 式中： NPV(I)为 新能源电站项目初始投资成本的净现值。 8.根据权利要求1所述的方法， 其特征在于， 所述步骤S5包括： 一种新能源电站全生命 周期的项目周期评估模型， 其特点在于， 评估拟建新能源电站在生产制 造、 采购运输、 施工 建设这三个阶段预计投入的时间周期， 在方案决策 的过程中作为时间成本的约束条件， 以 及评估不同方案时的对比参 考条件。 9.根据权利要求1所述的方法， 其特征在于， 所述步骤S6包括： 一种最优化决策模型， 其 特点在于， 基于构建的新能源电站全生命周期碳排放评估系统、 经济效益评估系统、 以及项 目周期评估模型， 从社会成本、 经济成本和时间成本三个维度， 构建新能源电站全生命周期 规划方案的最优化模型： F(X)i= NPV(Plc)i+  NPV(Elc)i rank{F(x)1, F(x)2,…F(x)i} 约束条件： Elc <= 0 NPV(Plc) >= 0 NPV(I) <= B Tepc <= T0 式中， F(X)为目标函数； X为目标变量， 变量包括影响全生命周期碳资产价值 （NPV (Plc)） 和经济效益 （NPV(Elc)） 的所有变量； 目标函数需满足四个等式和不等式约束条件：权　利　要　求　书 2/3 页 3 CN 115187141 A 3