CN109284576B - 一种基于实测数据的分散式电采暖负荷调度方法及其建模*** - Google Patents
一种基于实测数据的分散式电采暖负荷调度方法及其建模*** Download PDFInfo
- Publication number
- CN109284576B CN109284576B CN201811266383.1A CN201811266383A CN109284576B CN 109284576 B CN109284576 B CN 109284576B CN 201811266383 A CN201811266383 A CN 201811266383A CN 109284576 B CN109284576 B CN 109284576B
- Authority
- CN
- China
- Prior art keywords
- electric heating
- period
- data
- temperature
- fitting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明是一种基于实测数据的分散式电采暖负荷调度方法及其建模***,其特点是:通过构建电采暖负荷建模***,获取过去一段时间内的电采暖***运行状态时序数据,基于实测时序数据通过云计算***,拟合电采暖负荷简化二阶模型及其模型误差裕度函数,并由此以满足电力***灵活调度需求为目标,优化调度分布式电采暖负荷。确定了利用实测参数的电采暖负荷调度的基本原理,并提出了可由计算机实现的调度步骤及***架构。该发明能够提供一种精确、实际的电采暖负荷调度模型,提高了电采暖负荷调度过程的准确性和实用性。
Description
技术领域
本发明属于电采暖,是一种基于实测数据的分散式电采暖负荷调度方法及其建模***。
背景技术
随着清洁供暖的不断推进,北方地区电网中的电采暖比重逐年提升。以长春市为例2017年电采暖累计装机容量290MW,供暖面积317万平米,占全市供暖总量的3.08%,并呈现快速发展态势。其中,分散式电采暖在电采暖负荷中占有重要比例。电采暖负荷具有热惯性,在不影响用户舒适性的前提下,可集聚其调节资源,对提高高比例可再生能源电力***的安全、经济运行具有重要价值。
电采暖负荷调度,以电采暖负荷模型为基础,以用户舒适范围为约束,满足电力***经济、灵活运行的要求。然而,实际工程应用中,电采暖负荷模型多直接利用空调负荷一阶等效热力学模型,而空调负荷集中使用在南方地区,用于满足夏季制冷需求,其室内外环境、舒适度需求范围及物理运行特性与北方地区电采暖负荷均存在巨大差异,简单的一阶模型难以精确反映电采暖负荷的运行特性,模型误差极大,精度难以满足电采暖负荷调度在实际工程中的需要。同时,也没有考虑模型精度的用户舒适范围约束的影响。
因此,本专利提出了一种更为精确的、基于实测参数辨识的分散式电采暖负荷调度方法。
发明内容
本发明所要解决的技术问题是:克服现有技术的缺点,提供一种精确的基于实测数据的分散式电采暖负荷调度方法及其建模***,能够获得接近实际的模拟仿真结果,提高了电采暖负荷调度的准确性。
本发明解决技术问题的方案之一是:一种基于实测数据的分散式电采暖负荷建模***,它包括云计算服务单元和综合调度控制单元,其特征是,还包括数据采集单元,所述数据采集单元置于采暖房间内,数据采集单元与所述云计算服务单元无线信号连接,用于将采集的电压、电流、温度的数据传输到云计算服务单元,所述综合调度控制单元均分别与数据采集单元和云计算服务单元信号连接,用于接收云计算服务单元输出的计算结果,并根据计算结果输出控制信号,控制数据采集单元的温控器。
所述数据采集单元的结构是:它包括集中控制器、无线电流电压表、温控器、控制信号编码器和控制信号发射器,所述集中控制器均分别与所述无线电流电压表、所述温控器、云计算服务单元的数据计算部分和所述控制信号发射器无线信号连接,所述控制信号编码器均分别与综合调度控制单元和控制信号发射器信号连接。
本发明解决技术问题的方案之二是:一种基于实测数据的分散式电采暖负荷调度方法,其特征是:包括获取电采暖***运行状态时序数据,构建电采暖负荷简化二阶模型,构建模型误差裕度函数,优化调度分散式电采暖负荷,具体如下:
1)获取电采暖***运行状态时序数据;
①以ΔT为采样周期,测量、存储1,2,…,s…,Sc时段的室内温度Tin-m、室外温度Tout-m、功率Pm的时序数据,每个时段的数据总组数或总时间步长分别为l1,l2,…,ls…,lSc,其中,Sc为当前时段;
所述时段表示电采暖开关状态的时间段,其开关的连续开或连续关为一个时段;
②以ΔT为周期,更新室内温度Tin、室外温度Tout、功率P的时序数据的历史数据库;
③计算参数墙体等效热阻R
按照公式(1)计算参数墙体等效热阻R如下:
式中:Tin-ave(s)为第s时段平均室内环境温度;Tout-ave(s)为第s时段平均室外温度;io(s)为第s时段的电采暖开关状态,0表示关闭,1表示开启;P(s,t)为第s时段t时刻的电采暖功率;n为计算取样总时段数;
2)构建电采暖负荷简化二阶时序模型;
①利用实测的第1时段的室内温度Tin、室外温度Tout、功率P时序数据拟合C1(1),C2(1),d(1),g(1),拟合公式如下:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
②利用实测的第Sc时段室内温度Tin、室外温度Tout、功率P的时序数据及历史拟合获得的等效空气热容C1、参数墙体等效热容C2、模型比例系数d和g,拟合模型比例系数k,拟合公式为:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效空气热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
③由步骤2)的①和②获得未来Sc+1时段的初始等效空气热容C1、参数墙体等效热容C2、模型比例系数d、g和k;
④根据不断更新的过去m个时段的历史数据,通过数据拟合,确定修正方程式:
k=α·Tout-ave (8)
其中,α为修正系数,通过历史数据拟合获得,Tout-ave为平均室外温度,
⑤根据修正方程和修正系数α,对参数k进行修正,公式如下:
k=k+α·(Tout-ave-f(Sc+1)-Tout-ave(Sc)) (9)
式中,Tout-ave(Sc)第Sc时段平均室外温度;Tout-ave-f(Sc+1)预测的第Sc+1时段平均室外温度;
⑥根据最终获得的未来Sc+1时段的参数墙体等效热阻R,等效空气热容C1,参数墙体等效热容C2,模型比例系数d、g和k,获得Sc+1时段的电采暖负荷简化二阶时序模型如下:
其中,t时间;Tin(t)为t时刻室内环境温度;Tout(t)为t时刻室外温度;P(t)为t时刻电采暖功率;C1等效空气热容;C2等效墙体热容;R墙体等效热阻;T0起始时刻室内温度;k,d,g模型比例系数;
3)构建模型误差裕度函数;
①根据1,2,…,s…,Sc段拟合预测模型的计算室内温度Tin-f(s,t)与实测室内温度数据Tin-m(s,t)间的误差ΔTin(建立数据库),计算室内温度预测拟合误差的概率分布函数:
F(ΔTin)=P(ΔTin>T) (11)
②根据上述概率分布,确定分散式电采暖负荷可调节裕度,见公式(12):
ΔTm=F-1(ε) (12)
其中,ε为调度者期望(输入)的温度越限概率指标;
4)优化调度分散式电采暖负荷;
为了满足电力***灵活调度需求,根据调度目标Δpobj(t),通过调度***对电采暖负荷进行优化调度:
·目标函数:
Min:(Δpobj(t)-P)(Δpobj(t)-P) (13)
·约束条件:
室内温度约束:Tmin(t)+ΔTm<Tin(t)<Tmax(t)-ΔTm (14)
所述电力***灵活调度需求包括弃风功率消纳,风电误差、负荷误差跟踪,调峰。
本发明的工作过程是:温控器和无线电流电压表通过zig-bee无线传输技术将测得的温度、电压和电流数据传输到采暖房间内的集中控制器,由集中控制器通过以太网与云计算服务单元信号连接传输数据,云计算服务单元对数据进行存储,然后按照本发明的建模方法构建本发明的基于实测参数辨识的分散式电采暖负荷简化二阶时序模型,并应用构建的本发明的基于实测参数辨识的分散式电采暖负荷简化二阶时序模型对接收的实测数据进行计算,之后将计算结果传输到综合调度控制单元,通过综合调度控制***发出控制命令,并由控制信号编码器进行编码,然后由控制信号发射器将控制信号发送给集中控制器,通过集中控制器对温控器作用来控制电暖气的开关。
本发明的有益效果是:其目标对象为北方地区的冬季采暖,能够针对北方大区冬季的室内外环境、舒适度需求范围及物理运行特性构建分散式电采暖负荷模型,满足北方地区电采暖负荷适应电力***经济、灵活运行的需要,克服了直接利用空调负荷一阶等效热力学模型存在的难以精确反映电采暖负荷的运行特性、模型误差极大、精度难以满足电采暖负荷调度的需要和没有考虑模型精度的用户舒适范围约束的影响的缺点,解决了现有模型缺乏对电采暖***历史数据的辨识与分析,模型参数缺乏准确性的问题,具有建模准确、调度准确实用的优点。
附图说明
图1为本发明的基于实测数据的分散式电采暖负荷调度方法的流程图;
图2为本发明的建模***结构示意图。
图中:1云计算服务单元,2集中控制器,3电采暖,4无线电流电压表,5温控器,6控制信号发射器,7控制信号编码器,8综合调度控制单元。
具体实施方式
下面结合实施例对本发明进一步说明。
参见图1-图2,实施例1,本实施例一种基于实测数据的分散式电采暖负荷调度方法,包括获取电采暖***运行状态时序数据,构建电采暖负荷简化二阶模型,构建模型误差裕度函数,优化调度分散式电采暖负荷,具体如下:
1)获取电采暖***运行状态时序数据;
①以ΔT为采样周期,测量、存储1,2,…,s…,Sc时段的室内温度Tin-m、室外温度Tout-m、功率Pm的时序数据,每个时段的数据总组数或总时间步长分别为l1,l2,…,ls…,lSc,其中,Sc为当前时段;
所述时段表示电采暖开关状态的时间段,其开关的连续开或连续关为一个时段;
②以ΔT为周期,更新室内温度Tin、室外温度Tout、功率P的时序数据的历史数据库;
③计算参数墙体等效热阻R
按照公式(1)计算参数墙体等效热阻R如下:
式中:Tin-ave(s)为第s时段平均室内环境温度;Tout-ave(s)为第s时段平均室外温度;io(s)为第s时段的电采暖开关状态,0表示关闭,1表示开启;P(s,t)为第s时段t时刻的电采暖功率;n为计算取样总时段数;
2)构建电采暖负荷简化二阶时序模型;
①利用实测的第1时段的室内温度Tin、室外温度Tout、功率P时序数据拟合C1(1),C2(1),d(1),g(1),拟合公式如下:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
②利用实测的第Sc时段室内温度Tin、室外温度Tout、功率P的时序数据及历史拟合获得的等效空气热容C1、参数墙体等效热容C2、模型比例系数d和g,拟合模型比例系数k,拟合公式为:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效空气热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
③由步骤2)的①和②获得未来Sc+1时段的初始等效空气热容C1、参数墙体等效热容C2、模型比例系数d、g和k;
④根据不断更新的过去m个时段的历史数据,通过数据拟合,确定修正方程式:
k=α·Tout-ave (8)
其中,α为修正系数,通过历史数据拟合获得,Tout-ave为平均室外温度,
⑤根据修正方程和修正系数α,对参数k进行修正,公式如下:
k=k+α·(Tout-ave-f(Sc+1)-Tout-ave(Sc)) (9)
式中,Tout-ave(Sc)第Sc时段平均室外温度;Tout-ave-f(Sc+1)预测的第Sc+1时段平均室外温度;
⑥根据最终获得的未来Sc+1时段的参数墙体等效热阻R,等效空气热容C1,参数墙体等效热容C2,模型比例系数d、g和k,获得Sc+1时段的电采暖负荷简化二阶时序模型如下:
其中,t时间;Tin(t)为t时刻室内环境温度;Tout(t)为t时刻室外温度;P(t)为t时刻电采暖功率;C1等效空气热容;C2等效墙体热容;R墙体等效热阻;T0起始时刻室内温度;k,d,g模型比例系数;
3)构建模型误差裕度函数;
①根据1,2,…,s…,Sc段拟合预测模型的计算室内温度Tin-f(s,t)与实测室内温度数据Tin-m(s,t)间的误差ΔTin(建立数据库),计算室内温度预测拟合误差的概率分布函数:
F(ΔTin)=P(ΔTin>T) (11)
②根据上述概率分布,确定分散式电采暖负荷可调节裕度,见公式(12):
ΔTm=F-1(ε) (12)
其中,ε为调度者期望(输入)的温度越限概率指标;
4)优化调度分散式电采暖负荷;
为了满足电力***灵活调度需求,根据调度目标Δpobj(t),通过调度***对电采暖负荷进行优化调度:
·目标函数:
Min:(Δpobj(t)-P)(Δpobj(t)-P) (13)
·约束条件:
室内温度约束:Tmin(t)+ΔTm<Tin(t)<Tmax(t)-ΔTm (14)
所述电力***灵活调度需求包括弃风功率消纳,风电误差、负荷误差跟踪,调峰。
本实施例采用的建模***包括云计算服务单元1和综合调度控制单元8,还包括数据采集单元,所述数据采集单元与所述云计算服务单元1无线信号连接,用于将采集的电压、电流、温度的数据传输到云计算服务单元1,所述综合调度控制单元8均分别与数据采集单元和云计算服务单元1信号连接,用于接收云计算服务单元1输出的计算结果,并根据计算结果输出控制信号,控制数据采集单元的温控器5。
所述数据采集单元的结构是:它包括集中控制器2、无线电流电压表4、温控器5、控制信号编码器7和控制信号发射器6,所述集中控制器2均分别与所述无线电流电压表4、所述温控器5、云计算服务单元1的数据计算部分和所述控制信号发射器6无线信号连接,所述控制信号编码器7均分别与综合调度控制单元8和控制信号发射器6信号连接。
本实施例的应用软件均为现有技术。
本实施例采用现有技术制造,所述集中控制器2、无线电流电压表4、温控器5、控制信号编码器7和控制信号发射器6均为现有技术的市售产品。
本实施例的工作过程是:温控器5和无线电流电压表4通过zig-bee无线传输技术将测得的温度、电压和电流数据传输到采暖房间内的集中控制器2,由集中控制器2通过以太网与云计算服务单元1信号连接传输数据,云计算服务单元1对数据进行存储,然后按照本发明的建模方法构建本发明的基于参数库构建的分散式电采暖负荷简化二阶时序模型,并应用构建的本发明的基于参数库构建的分散式电采暖负荷简化二阶时序模型对接收的实测数据进行计算,之后将计算结果传输到综合调度控制单元8,通过综合调度控制单元8发出控制命令,并由控制信号编码器7进行编码,然后由控制信号发射器6将控制信号发送给集中控制器2,通过集中控制器2对温控器5作用来控制电暖气的开关。
Claims (1)
1.一种基于实测数据的分散式电采暖负荷建模***,它包括云计算服务单元、综合调度控制单元和数据采集单元,所述数据采集单元置于采暖房间内,数据采集单元与所述云计算服务单元无线信号连接,用于将采集的电压、电流、温度的数据传输到云计算服务单元,所述综合调度控制单元均分别与数据采集单元和云计算服务单元信号连接,用于接收云计算服务单元输出的计算结果,并根据计算结果输出控制信号,控制数据采集单元的温控器;所述数据采集单元的结构是:它包括集中控制器、无线电流电压表、温控器、控制信号编码器和控制信号发射器,所述集中控制器均分别与所述无线电流电压表、所述温控器、云计算服务单元的数据计算部分和所述控制信号发射器无线信号连接,所述控制信号编码器均分别与综合调度控制单元和控制信号发射器信号连接;其特征是:还包括电采暖负荷调度方法,所述电采暖负荷调度方法包括获取电采暖***运行状态时序数据,构建电采暖负荷简化二阶模型,构建模型误差裕度函数,优化调度分散式电采暖负荷,具体如下:
1)获取电采暖***运行状态时序数据;
①以ΔT为采样周期,测量、存储1,2,…,s…,Sc时段的室内温度Tin-m、室外温度Tout-m、功率Pm的时序数据,每个时段的数据总组数或总时间步长分别为l1,l2,…,ls…,lSc,其中,Sc为当前时段;
所述时段表示电采暖开关状态的时间段,其开关的连续开或连续关为一个时段;
②以ΔT为周期,更新室内温度Tin、室外温度Tout、功率P的时序数据的历史数据库;
③计算参数墙体等效热阻R
按照公式(1)计算参数墙体等效热阻R如下:
式中:Tin-ave(s)为第s时段平均室内环境温度;Tout-ave(s)为第s时段平均室外温度;io(s)为第s时段的电采暖开关状态,0表示关闭,1表示开启;P(s,t)为第s时段t时刻的电采暖功率;n为计算取样总时段数;
2)构建电采暖负荷简化二阶时序模型;
①利用实测的第1时段的室内温度Tin、室外温度Tout、功率P时序数据拟合C1(1),C2(1),d(1),g(1),拟合公式如下:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
②利用实测的第Sc时段室内温度Tin、室外温度Tout、功率P的时序数据及历史拟合获得的等效空气热容C1、参数墙体等效热容C2、模型比例系数d和g,拟合模型比例系数k,拟合公式为:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效空气热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
③由步骤2)的①和②获得未来Sc+1时段的初始等效空气热容C1、参数墙体等效热容C2、模型比例系数d、g和k;
④根据不断更新的过去m个时段的历史数据,通过数据拟合,确定修正方程式:
k=α·Tout-ave (8)
其中,α为修正系数,通过历史数据拟合获得,Tout-ave为平均室外温度,
⑤根据修正方程和修正系数α,对参数k进行修正,公式如下:
k=k+α·(Tout-ave-f(Sc+1)-Tout-ave(Sc))(9)
式中,Tout-ave(Sc)第Sc时段平均室外温度;Tout-ave-f(Sc+1)预测的第Sc+1时段平均室外温度;
⑥根据最终获得的未来Sc+1时段的参数墙体等效热阻R,等效空气热容C1,参数墙体等效热容C2,模型比例系数d、g和k,获得Sc+1时段的电采暖负荷简化二阶时序模型如下:
其中,t时间;Tin(t)为t时刻室内环境温度;Tout(t)为t时刻室外温度;P(t)为t时刻电采暖功率;C1等效空气热容;C2等效墙体热容;R墙体等效热阻;T0起始时刻室内温度;k,d,g模型比例系数;
3)构建模型误差裕度函数;
①根据1,2,…,s…,Sc段拟合预测模型的计算室内温度Tin-f(s,t)与实测室内温度数据Tin-m(s,t)间的误差ΔTin,即建立数据库,计算室内温度预测拟合误差的概率分布函数:
F(ΔTin)=P(ΔTin>T)(11)
②根据上述概率分布,确定分散式电采暖负荷可调节裕度,见公式(12):
ΔTm=F-1(ε)(12)
其中,ε为调度者期望或输入的温度越限概率指标;
4)优化调度分散式电采暖负荷;
为了满足电力***灵活调度需求,根据调度目标Δpobj(t),通过调度***对电采暖负荷进行优化调度:
·目标函数:
Min:(Δpobj(t)-P)(Δpobj(t)-P)(13)
·约束条件:
室内温度约束:Tmin(t)+ΔTm<Tin(t)<Tmax(t)-ΔTm(14)
所述电力***灵活调度需求包括弃风功率消纳,风电误差、负荷误差跟踪,调峰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266383.1A CN109284576B (zh) | 2018-10-29 | 2018-10-29 | 一种基于实测数据的分散式电采暖负荷调度方法及其建模*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266383.1A CN109284576B (zh) | 2018-10-29 | 2018-10-29 | 一种基于实测数据的分散式电采暖负荷调度方法及其建模*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109284576A CN109284576A (zh) | 2019-01-29 |
CN109284576B true CN109284576B (zh) | 2023-04-21 |
Family
ID=65178099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811266383.1A Active CN109284576B (zh) | 2018-10-29 | 2018-10-29 | 一种基于实测数据的分散式电采暖负荷调度方法及其建模*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109284576B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111190355B (zh) * | 2020-01-14 | 2021-09-17 | 华北电力大学 | 基于云平台的空调和热水器联合控制方法及*** |
CN116611347A (zh) * | 2020-02-27 | 2023-08-18 | 创新奇智(南京)科技有限公司 | 一种数据中心能效优化连续决策方法 |
CN111987716A (zh) * | 2020-08-17 | 2020-11-24 | 南京工程学院 | 一种多类别蓄热电采暖用户负荷群组合响应调度方法 |
CN113239617B (zh) * | 2021-05-01 | 2022-12-02 | 东北电力大学 | 一种室内用电活动的经济低碳型电采暖优化调控方法 |
CN113177321B (zh) * | 2021-05-10 | 2022-10-04 | 合肥工业大学 | 一种基于热交换动态过程的空调负荷建模方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423915A (zh) * | 2017-08-07 | 2017-12-01 | 东北电力大学 | 基于数值天气预报的户用电采暖负荷可调节能力评估方法 |
CN108256739A (zh) * | 2017-12-22 | 2018-07-06 | 国网北京市电力公司 | 应用于电采暖的负荷确定方法及装置 |
CN108305456A (zh) * | 2018-01-26 | 2018-07-20 | 住建互联清洁能源供热采暖技术研究院(北京)有限公司 | 互联网+电采暖供热***及云平台电负荷监控方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10754918B2 (en) * | 2016-02-23 | 2020-08-25 | Opower, Inc. | System for providing remote building efficiency audits |
-
2018
- 2018-10-29 CN CN201811266383.1A patent/CN109284576B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423915A (zh) * | 2017-08-07 | 2017-12-01 | 东北电力大学 | 基于数值天气预报的户用电采暖负荷可调节能力评估方法 |
CN108256739A (zh) * | 2017-12-22 | 2018-07-06 | 国网北京市电力公司 | 应用于电采暖的负荷确定方法及装置 |
CN108305456A (zh) * | 2018-01-26 | 2018-07-20 | 住建互联清洁能源供热采暖技术研究院(北京)有限公司 | 互联网+电采暖供热***及云平台电负荷监控方法 |
Non-Patent Citations (1)
Title |
---|
基于ZigBee与云计算的温度监控***的架构设计;盛希宁等;《林业机械与木工设备》;20160331;第29-30页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109284576A (zh) | 2019-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284576B (zh) | 一种基于实测数据的分散式电采暖负荷调度方法及其建模*** | |
CN109523134B (zh) | 一种基于实测数据的分散式电采暖负荷时移能力定量评估方法及其建模*** | |
CN107120721B (zh) | 一种集中供热动态气候补偿方法 | |
EP3614055B1 (en) | Heat supply regulation method and apparatus | |
CN103912966B (zh) | 一种地源热泵制冷***优化控制方法 | |
US8103465B2 (en) | System and method for monitoring and managing energy performance | |
CN102705957B (zh) | 办公建筑中央空调逐时冷负荷在线预测方法及*** | |
CN102043907B (zh) | 空调房间实时冷负荷确定方法 | |
CN108709287B (zh) | 一种空调***冷负荷预测方法及冷水机组群控的策略 | |
CN109948824B (zh) | 一种利用模式识别技术对热力站热负荷进行预测的方法 | |
CN109681957A (zh) | 一种换热站热负荷预测方法 | |
CN108388962A (zh) | 一种风电功率预测***及方法 | |
CN105320184A (zh) | 建筑室内环境智能监控*** | |
CN110909904A (zh) | 基于无线互联与数据挖掘技术的终端用户负荷预测*** | |
CN111830350B (zh) | 能耗计量方法、装置及电器 | |
CN115013861A (zh) | 一种基于供热***的室内温度控制方法及装置 | |
CN106845663A (zh) | 一种基于数值天气预报进行热负荷预测的方法 | |
Tan et al. | Room thermal load prediction based on analytic hierarchy process and back-propagation neural networks | |
CN114674026A (zh) | 一种管网供水流量优化控制方法及*** | |
CN110779132A (zh) | 一种基于强化学习的空调***的水泵设备运行控制*** | |
CN109543235B (zh) | 一种基于参数库构建的分散式电采暖负荷建模***及其建模方法 | |
CN112307675A (zh) | 一种基于神经网络的温度敏感型负荷分离辨识方法及*** | |
CN117091242A (zh) | 空调温控负荷集群的评估方法、温度设定方法及*** | |
CN115793558B (zh) | 一种热力站二次管网智能控制*** | |
CN109541962B (zh) | 一种基于实测参数辨识的分布式电采暖负荷建模***及其建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |