CN111767682B - 基于动态耦合模型的热泵储能***设计控制共同优化方法 - Google Patents
基于动态耦合模型的热泵储能***设计控制共同优化方法 Download PDFInfo
- Publication number
- CN111767682B CN111767682B CN202010518062.7A CN202010518062A CN111767682B CN 111767682 B CN111767682 B CN 111767682B CN 202010518062 A CN202010518062 A CN 202010518062A CN 111767682 B CN111767682 B CN 111767682B
- Authority
- CN
- China
- Prior art keywords
- optimization
- energy storage
- cold
- heat pump
- parameters
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 145
- 238000004146 energy storage Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000008878 coupling Effects 0.000 title claims abstract description 46
- 238000010168 coupling process Methods 0.000 title claims abstract description 46
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 67
- 238000005338 heat storage Methods 0.000 claims abstract description 24
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000002068 genetic effect Effects 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 6
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000011112 process operation Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Heat-Pump Type And Storage Water Heaters (AREA)
Abstract
本发明提供一种基于动态耦合模型的热泵储能***设计控制共同优化方法,包括:基于CFD数值模型优化储冷储热水箱内部结构,得到优化的储能水箱内部结构;根据优化的储能水箱内部结构,建立储冷储热水箱动态模型,而后与热泵***动态模型耦合关联,得热泵储能***动态耦合模型;确定两阶循环优化方法、优化指标和优化目标函数,得优化结果,其中,两阶循环优化方法包括:随机选取***结构参数,进行运行优化,得优化的运行参数;固定优化的运行参数,进行***结构优化,得优化的结构参数;重复上述两步,直至连续两次优化的结构参数之间的差异小于容许误差,得最优***结构参数;输入该最优结构参数进行整个储能过程运行多目标优化,得全部优化结果。
Description
技术领域
本发明属于热泵储能技术领域,具体涉及一种基于动态耦合模型的热泵储能***设计控制共同优化方法。
背景技术
综合能源***是未来能源***发展的趋势,热泵储能可以提高可再生能源在综合能源***中的渗透率和稳定性。喷射式跨临界CO2热泵储能***拥有较高的能源转换效率,但***效率受喷射器内部几何尺寸、压缩机性能和储能水箱流体流速与温度等多种因素共同作用影响,瞬时变化,规律复杂。中国专利CN201811482644.3提出了一种跨临界二氧化碳热泵***电子膨胀阀控制方法,但仅对***运行过程中的电子膨胀阀进行了优化,未使***达到整体最优。中国专利CN107704705A提出了一种基于kriging模型的空气源热泵热水器冷凝管的优化方法,运用AutoCAD建立空气源热泵物理模型,但仅优化了冷凝器结构参数,同样未使***达到整体最优。因此,需要设计一种能够使热泵储能***在整个储能过程中达到整体最优的方法。
发明内容
本发明是为了解决上述问题而进行的,目的在于提供一种基于动态耦合模型的热泵储能***设计控制共同优化方法。
本发明提供了一种基于动态耦合模型的热泵储能***设计控制共同优化方法,具有这样的特征,包括如下步骤:步骤1,基于CFD数值模型优化储冷储热水箱的内部结构,得到优化后的储能水箱内部结构;步骤2,根据优化后的储能水箱内部结构,建立储冷储热水箱动态模型,而后与热泵***动态模型耦合关联,得到热泵储能***动态耦合模型;步骤3,确定两阶循环优化方法、优化指标和优化目标函数,得到优化结果,其中,两阶循环优化方法具体包括如下子步骤:步骤3-1,设置热泵储能***结构参数和水箱初始温度,基于***动态模型设置控制优化目标函数和约束条件,采用遗传算法GA进行运行优化,得到优化后控制参数;步骤3-2,固定优化后运行参数,基于***动态模型设置***结构优化目标函数和约束条件,基于遗传算法GA进行***结构优化,得到优化的结构参数;步骤3-3,重复步骤3-1和步骤3-2,直至连续两次优化的***结构参数差异小于允许误差,得到最优结构参数;步骤3-4,将最优结构参数输入至储能过程***动态优化模型,基于遗传算法GA进行整个储能过程的实时控制优化,得到随储能时间变化的最优控制变量值,当热水箱和/或冷水箱平均温度到达设定温度时,结束优化流程。
在本发明提供的基于动态耦合模型的热泵储能***设计控制共同优化方法中,还可以具有这样的特征:其中,步骤1中,优化的储冷储热水箱的内部结构包括内部挡板尺寸和位置。
在本发明提供的基于动态耦合模型的热泵储能***设计控制共同优化方法中,还可以具有这样的特征:其中,步骤2中,采用节点分层或流动分层建立储冷储热水箱动态模型。
在本发明提供的基于动态耦合模型的热泵储能***设计控制共同优化方法中,还可以具有这样的特征:其中,步骤3中,优化指标为***动态性能效率。
在本发明提供的基于动态耦合模型的热泵储能***设计控制共同优化方法中,还可以具有这样的特征:其中,在进行两阶循环优化之前,需进行多次模拟,以预测储热温度达到设定温度或储冷温度低于设定温度的运行时间。
在本发明提供的基于动态耦合模型的热泵储能***设计控制共同优化方法中,还可以具有这样的特征:其中,步骤3-1中,运行优化的参数包括压缩机频率、冷热水泵流量、喷射器喉部面积,且均为在约束条件范围内的随机值,步骤3-1中,优化目标函数为最大化***瞬时COP值即适应度函数值,公式如下:
式(1)中,和/>分别为冷、热水泵流量,f为压缩机频率,Ath为喷射器喉部面积。
在本发明提供的基于动态耦合模型的热泵储能***设计控制共同优化方法中,还可以具有这样的特征:其中,步骤3-2中,结构优化的参数包括换热器、储水箱在内的几何参数,
步骤3-2中仅对***结构参数进行优化,目标函数仍是最大化***瞬时COP即适应度函数值,公式如下:
MAXCOP=fsystem(Lplate,Dplate,phiplate,N2,Din,evap,Dout,evap,Levap,Dhot,Dcold,Hhot,Hcold) (2)
式(2)中,Lplate为板式换热器即气体冷却器长度,Dplate为板式换热器即气体冷却器宽度,phiplate为板式换热器即气体冷却器波纹倾斜角度,N2为气体冷却器板数,Din,evap为套管式换热器即蒸发器内径,Dout,evap为套管式换热器即蒸发器外径,Levap为套管式换热器即蒸发器长度,Dhot和Dcold分别为储热、储冷水箱直径,Hhot和Hcold分别为储热、储冷水箱高度。
在本发明提供的基于动态耦合模型的热泵储能***设计控制共同优化方法中,还可以具有这样的特征:其中,步骤3-3中,优化次数大于等于2时,再进行连续两次优化的结构参数之间的比较,步骤3-3中,允许误差为5%。
在本发明提供的基于动态耦合模型的热泵储能***设计控制共同优化方法中,还可以具有这样的特征:其中,步骤3-4中,运行优化的参数包括压缩机频率、冷热水泵流量、喷射器喉部面积,且均为在约束条件范围内的随机值,步骤3-4中,优化多目标函数为最大化***瞬时储热量瞬时储冷量/>和瞬时COP值即适应度函数值,公式如下:
式(3)中,和/>分别为冷、热水泵流量,f为压缩机频率,Ath为喷射器喉部面积。
发明的作用与效果
根据本发明所涉及的基于动态耦合模型的热泵储能***设计控制共同优化方法,提出两阶循环优化方法,可以实现***结构参数和运行参数耦合优化,通过加入整体循环使结构参数和控制运行参数达到共同最优,提高热泵储能***实际运行性能效率,且本实施例建立的双模式的热泵储能***动态耦合模型,考虑了***实际运行的动态特性,有助于实现有效的实时控制,并以***实时性能效率为优化指标,可以提高热泵储能***动态性能效率。
因此,本发明的基于动态耦合模型的热泵储能***设计控制共同优化方法,用以实现热泵储能***结构和控制共同优化,提高双模式热泵储能***实际运行中的性能效率,还能够结合实际情况解决如何提升整个储能过程***总体性能效率、降低运行成本等问题。
附图说明
图1是本发明中基于动态耦合模型的热泵储能***设计控制共同优化方法的流程图;
图2是本发明中喷射式跨临界CO2热泵储能***的结构示意图。
具体实施方式
为了使本发明实现的技术手段与功效易于明白了解,以下结合实施例及附图对本发明作具体阐述。
图1是本发明的基于动态耦合模型的热泵储能***设计控制共同优化方法的流程图。
如图1所示,一种基于动态耦合模型的热泵储能***设计控制共同优化方法,其中,动态耦合模型为非线性动态耦合模型,具体包括如下步骤:
步骤1,基于CFD模型优化储冷储热水箱的内部结构,得到优化后的储能水箱内部结构。
本发明中,优化的储冷储热水箱的内部结构包括内部挡板尺寸和位置。
步骤2,根据优化后的储能水箱内部结构,建立储冷储热水箱动态模型,而后与热泵***动态模型耦合关联,得到热泵储能***动态耦合模型。
本实施例中,采用节点分层或流动分层建立储冷储热水箱动态模型。
图2是本发明的实施例中喷射式跨临界CO2热泵储能***的结构示意图。
本发明中,储冷储热水箱为喷射式跨临界CO2热泵储能***,如图2所示,包括:储热水箱201、气体冷却器202、压缩机203、回热器204、喷射器205、气液分离器206、蒸发器207以及储冷水箱208,热泵储能***动态耦合模型由各部件子模型耦合组成。
进一步地,储热水箱201与气体冷却器202连接,气体冷却器202与压缩机203以及回热器204连接,且压缩机203也与回热器204连接,回热器204与还与喷射器205以及气液分离器206连接,此外,喷射器205以及气液分离器206均与蒸发器207连接,该蒸发器207还与储冷水箱208连接。
步骤3,确定两阶循环优化方法和优化指标,或基于用户不同的需求,建立优化目标函数,从而得到优化结果,其中,两阶循环优化方法具体包括如下子步骤:
步骤3-1,设置热泵储能***结构参数和水箱初始温度,基于***动态模型设置控制优化目标函数和约束条件,采用遗传算法GA进行运行优化,得到优化的控制参数。
本发明中,运行优化的参数包括压缩机频率、冷热水泵流量、喷射器喉部面积,且均为随机值,但是取值需处于二阶段约束范围内,否则易导致因结构、运行参数不匹配而造成的运行错误,同时,该阶段的优化目标函数为最大化***瞬时COP值或瞬时储热/冷量即适应度函数值,公式如下:
式(1)中,和/>分别为冷、热水泵流量,f为压缩机频率,Ath为喷射器喉部面积。
步骤3-2,固定优化后运行参数,基于所述***动态模型设置***结构优化目标函数和约束条件,基于所述遗传算法GA进行***结构优化,得到优化的结构参数。
本发明中,该阶段的优化同上一阶段的优化相似,且仅对***结构参数进行优化,上述参数包括换热器、储水箱在内的几何参数,
步骤3-2中仅对***结构参数进行优化,目标函数仍是最大化***瞬时COP即适应度函数值,公式如下:
MAXCOP=fsystem(Lplate,Dplate,phiplate,N2,Din,evap,Dout,evap,Levap,Dhot,Dcold,Hhot,Hcold) (2)
式(2)中,Lplate为板式换热器即气体冷却器长度,Dplate为板式换热器即气体冷却器宽度,phiplate为板式换热器即气体冷却器波纹倾斜角度,N2为气体冷却器板数,Din,evap为套管式换热器即蒸发器内径,Dout,evap为套管式换热器即蒸发器外径,Levap为套管式换热器即蒸发器长度,Dhot和Dcold分别为储热、储冷水箱直径,Hhot和Hcold分别为储热、储冷水箱高度。
本发明中,根据实际设备参数以及运行允许的最大限度,对优化变量分别作出约束,对于无限制范围的变量,为满足遗传算法运行要求,根据排布空间和经济性做适当约束。
步骤3-3,重复步骤3-1和步骤3-2,直至连续两次优化的***结构参数差异小于允许误差,如5%,得到最优结构参数。
本发明中,当第一、二阶段优化分别进行两轮后需比较两轮优化的结果,两轮优化变量平均差值小于允许误差则输出结果,但只有在优化轮数大于等于2时才进行该比较操作,第一轮优化结束后应直接返回一阶优化部分开始第二轮优化。
本发明中,步骤3-1和步骤3-2的循环操作,保证了***设备结构、运行参数达到共同最优。
步骤3-4,将最优结构参数输入至储能过程动态***优化模型,基于遗传算法GA进行整个储能过程的实时控制优化,得到随储能时间变化的最优控制变量值,当热水箱和/或冷水箱平均温度到达设定温度时,结束优化流程。
本发明中,运行优化的参数包括压缩机频率、冷热水泵流量、喷射器喉部面积,且均为在约束条件范围内的随机值。
本发明中,储能过程优化目标函数为依次最大化***瞬时储热量瞬时储冷量/>和瞬时COP值,公式如下:
式(3)中,和/>分别为冷、热水泵流量,f为压缩机频率,Ath为喷射器喉部面积。
本发明中,优化指标为瞬时性能效率,而非能耗或成本。
本发明中,由于优化时间较长,所以在进行两阶循环优化之前,需进行多次模拟,以预测储热温度达到60℃或储冷温度低于5℃的运行时间,以防止优化时选取过长的模拟时间而浪费计算资源。
实施例:
首先,根据热泵制热制冷量,设计储热储冷水箱容积和内部结构,并进行数值模拟,基于CFD模型优化储热储冷水箱内部几何结构,包括挡板尺寸和位置。
然后,根据优化的储能水箱内部结构,建立储冷储热水箱动态模型,而后与热泵***动态模型耦合关联,得到热泵储能***动态耦合模型。
其次,基于***动态模型,设置目标函数为性能效率瞬时值,设置第一阶段***控制优化约束条件如表1所示,设置第二阶段***结构优化约束条件如表2所示;其中min和max值为优化上下限,没有明确范围限制的变量则依据经济性和空间、物理特性确定优化范围,start值为第一代优化取值,该值可随机选取,但应处于min值和max值之间;
最后,调用optimization模型库,输入结构和运行参数start值,作为第一轮优化参数。固定结构参数值进行运行控制参数优化,直到优化迭代次数达到设定值,如1000,提取最优COP对应的运行控制参数,随后固定该运行参数值开始***结构参数优化,直到优化迭代次数达到设定值,如1000,此时第一轮优化完成,从第二代开始决策变量取值经采用遗传算法GA得到;提取第一轮优化所得***结构参数,作为第二轮优化中运行控制参数优化固定值,直到优化代数达到设定值,提取最优COP对应的第二轮运行控制参数,随后固定该运行参数值开始结构参数优化,直到优化代数达到设定值,此时第二轮优化完成。对比两轮优化所得结构与运行控制参数,重复上述步骤,直到两轮优化所得全部结构参数的变化量低于误差允许5%时,退出优化,存储最优COP对应的结构与运行控制参数;将所得结构和控制参数输入仿真模型,进行储能过程实时控制优化,冷热水箱达到设定温度后储能结束,得到储能过程***总体COP优化值。
表1***运行控制约束
表2***结构优化约束
通过基于遗传算法的热泵结构参数和两阶运行参数的动态循环优化策略,对基于Modelica语言的喷射式跨临界二氧化碳热泵储能***物理模型进行仿真寻优,使整个储能过程***总体COP提升至8.7以上,表明本发明提出的建模与优化方法可有效提高热泵储能***运行效率,具有节约能源、增加运行经济性的优势。
实施例的作用与效果
根据本发明所涉及的基于动态耦合模型的热泵储能***设计控制共同优化方法,提出两阶循环优化方法,可以实现***结构参数和运行参数耦合优化,通过加入整体循环使结构参数和控制运行参数达到共同最优,提高热泵储能***实际运行性能效率,且本实施例建立的双模式的热泵储能***动态耦合模型,考虑了***实际运行的动态特性,有助于实现有效的实时控制,并以***实时性能效率为优化指标,可以提高热泵储能***动态性能效率。
因此,本发明的基于动态耦合模型的热泵储能***设计控制共同优化方法,用以实现热泵储能***结构和控制共同优化,提高双模式热泵储能***实际运行中的性能效率,还能够结合实际情况解决如何提升整个储能过程***总体性能效率、降低运行成本等问题。
上述实施方式为本发明的优选案例,并不用来限制本发明的保护范围。
Claims (7)
1.一种基于动态耦合模型的热泵储能***设计控制共同优化方法,其特征在于,包括如下步骤:
步骤1,基于CFD数值模型优化储冷储热水箱的内部结构,得到优化后的储能水箱内部结构;
步骤2,根据优化后的所述储能水箱内部结构,建立储冷储热水箱动态模型,而后与热泵***动态模型耦合关联,得到热泵储能***动态耦合模型;
步骤3,确定两阶循环优化方法、优化指标和优化目标函数,得到优化结果,
其中,所述两阶循环优化方法具体包括如下子步骤:
步骤3-1,设置热泵储能***结构参数和水箱初始温度,基于***动态模型设置控制优化目标函数和约束条件,采用遗传算法GA进行运行优化,得到优化的控制参数;
步骤3-2,固定所述优化后运行参数,基于所述***动态模型设置***结构优化目标函数和约束条件,基于所述遗传算法GA进行***结构优化,得到优化的结构参数;
步骤3-3,重复步骤3-1和步骤3-2,直至连续两次优化的***结构参数差异小于允许误差,得到最优结构参数;
步骤3-4,将所述最优结构参数输入至储能过程***动态优化模型,基于所述遗传算法GA进行整个储能过程的实时控制优化,得到随储能时间变化的最优控制变量值,当热水箱和/或冷水箱平均温度到达设定温度时,结束优化流程,
其中,所述步骤3-1中,所述运行优化的参数包括压缩机频率、冷热水泵流量、喷射器喉部面积,且均为在约束条件范围内的随机值,
所述步骤3-1中,所述优化目标函数为最大化***瞬时COP值即适应度函数值,公式如下:
式(1)中,和/>分别为冷、热水泵流量,f为压缩机频率,Ath为喷射器喉部面积,
所述步骤3-2中,结构优化的参数包括换热器、储水箱在内的几何参数,
所述步骤3-2中仅对***结构参数进行优化,所述目标函数仍是最大化***瞬时COP即适应度函数值,公式如下:
MAX COP=fsystem(Lplate,Dplate,phiplate,N2,Din,evap,Dout,evap,Levap,Dhot,Dcold,Hhot,Hcold)(2)
式(2)中,Lplate为板式换热器即气体冷却器长度,Dplate为板式换热器即气体冷却器宽度,phiplate为板式换热器即气体冷却器波纹倾斜角度,N2为气体冷却器板数,Din,evap为套管式换热器即蒸发器内径,Dout,evap为套管式换热器即蒸发器外径,Levap为套管式换热器即蒸发器长度,Dhot和Dcold分别为储热、储冷水箱直径,Hhot和Hcold分别为储热、储冷水箱高度。
2.根据权利要求1所述的基于动态耦合模型的热泵储能***设计控制共同优化方法,其特征在于:
其中,所述步骤1中,优化的储冷储热水箱的内部结构包括内部挡板尺寸和位置。
3.根据权利要求1所述的基于动态耦合模型的热泵储能***设计控制共同优化方法,其特征在于:
其中,所述步骤2中,采用节点分层或流动分层建立所述储冷储热水箱动态模型。
4.根据权利要求1所述的基于动态耦合模型的热泵储能***设计控制共同优化方法,其特征在于:
其中,所述步骤3中,所述优化指标为***动态性能效率。
5.根据权利要求1所述的基于动态耦合模型的热泵储能***设计控制共同优化方法,其特征在于:
其中,在进行两阶循环优化之前,需进行多次模拟,以预测储热温度达到设定温度或储冷温度低于所述设定温度的运行时间。
6.根据权利要求1所述的基于动态耦合模型的热泵储能***设计控制共同优化方法,其特征在于:
其中,所述步骤3-3中,优化次数大于等于2时,再进行所述连续两次优化的结构参数之间的比较,
所述步骤3-3中,允许误差为5%。
7.根据权利要求1所述的基于动态耦合模型的热泵储能***设计控制共同优化方法,其特征在于:
其中,所述步骤3-4中,所述运行优化的参数包括压缩机频率、冷热水泵流量、喷射器喉部面积,且均为在约束条件范围内的随机值,
所述步骤3-4中,所述储能过程优化目标函数为依次最大化***瞬时储热量瞬时储冷量/>和瞬时COP值,公式如下:
式(3)中,和/>分别为冷、热水泵流量,f为压缩机频率,Ath为喷射器喉部面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010518062.7A CN111767682B (zh) | 2020-06-09 | 2020-06-09 | 基于动态耦合模型的热泵储能***设计控制共同优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010518062.7A CN111767682B (zh) | 2020-06-09 | 2020-06-09 | 基于动态耦合模型的热泵储能***设计控制共同优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111767682A CN111767682A (zh) | 2020-10-13 |
CN111767682B true CN111767682B (zh) | 2024-02-27 |
Family
ID=72720322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010518062.7A Active CN111767682B (zh) | 2020-06-09 | 2020-06-09 | 基于动态耦合模型的热泵储能***设计控制共同优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111767682B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113553675B (zh) * | 2021-07-29 | 2022-12-13 | 上海电力大学 | 一种喷射器优化方法及装置 |
CN113688466B (zh) * | 2021-08-26 | 2023-11-24 | 苏州同元软控信息技术有限公司 | 车辆能耗仿真方法、装置和设备 |
CN115143818B (zh) * | 2022-08-31 | 2023-01-06 | 新乡市特美特热控技术股份有限公司 | 一种钛、铝合金换热器的设计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103912966A (zh) * | 2014-03-31 | 2014-07-09 | 武汉科技大学 | 一种地源热泵制冷***优化控制方法 |
CN104184170A (zh) * | 2014-07-18 | 2014-12-03 | 国网上海市电力公司 | 基于改进的自适应遗传算法的独立微网配置优化方法 |
CN108564216A (zh) * | 2018-04-13 | 2018-09-21 | 山东大学 | 基于动态规划的储能型cchp***及其运行优化方法 |
CN110298138A (zh) * | 2019-07-09 | 2019-10-01 | 南方电网科学研究院有限责任公司 | 一种综合能源***优化方法、装置、设备及可读存储介质 |
EP3564601A1 (de) * | 2018-04-24 | 2019-11-06 | Vaillant GmbH | Prädiktives regelung einer wärmepumpe |
-
2020
- 2020-06-09 CN CN202010518062.7A patent/CN111767682B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103912966A (zh) * | 2014-03-31 | 2014-07-09 | 武汉科技大学 | 一种地源热泵制冷***优化控制方法 |
CN104184170A (zh) * | 2014-07-18 | 2014-12-03 | 国网上海市电力公司 | 基于改进的自适应遗传算法的独立微网配置优化方法 |
CN108564216A (zh) * | 2018-04-13 | 2018-09-21 | 山东大学 | 基于动态规划的储能型cchp***及其运行优化方法 |
EP3564601A1 (de) * | 2018-04-24 | 2019-11-06 | Vaillant GmbH | Prädiktives regelung einer wärmepumpe |
CN110298138A (zh) * | 2019-07-09 | 2019-10-01 | 南方电网科学研究院有限责任公司 | 一种综合能源***优化方法、装置、设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
基于Dymola仿真平台的CO_2热泵储能***优化研究;梁俊翠;刘方;;上海电力学院学报(第02期);153-158 * |
Also Published As
Publication number | Publication date |
---|---|
CN111767682A (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111767682B (zh) | 基于动态耦合模型的热泵储能***设计控制共同优化方法 | |
CN112883509B (zh) | 一种绝热式压缩空气储能***的设计方法及设计*** | |
Han et al. | Thermodynamic analyses and multi-objective optimization of operation mode of advanced adiabatic compressed air energy storage system | |
Yang et al. | Parametric assessment, multi-objective optimization and advanced exergy analysis of a combined thermal-compressed air energy storage with an ejector-assisted Kalina cycle | |
CN111981314B (zh) | 一种基于多因素目标优化算法的快速加氢控制方法 | |
Han et al. | Research on energy storage operation modes in a cooling, heating and power system based on advanced adiabatic compressed air energy storage | |
CN113541598B (zh) | 一种多级利用的冷热电供能***及其***容量配置优化方法 | |
CN109944698B (zh) | 一种提高燃气轮机电热冷联供灵活性的方法及*** | |
CN113958379B (zh) | 一种超临界二氧化碳布雷顿循环发电***及方法 | |
CN101614454A (zh) | 附加相邻高温供热端的方法与多端供热第一类吸收式热泵 | |
CN111595172A (zh) | 一种煤化工工艺蒸汽冷凝液能量梯级利用*** | |
CN111256204A (zh) | 火电厂耦合吸收式热泵的供热优化方法 | |
CN110909459A (zh) | 有机朗肯循环的智能构建与工质协同优化方法 | |
Zhang et al. | Achieving reasonable waste heat utilization in all truck operating conditions via a dual-pressure organic rankine cycle and its operating strategy | |
CN109670273A (zh) | 一种客车空调性能匹配方法 | |
CN110486989B (zh) | 一种生物质气化炉冷电联产*** | |
CN111191384A (zh) | 一种基于遗传算法的确定建筑物墙体最优环境保温厚度的方法 | |
CN218379976U (zh) | 一种乏汽自增压产蒸汽的升温型吸收式热泵 | |
CN115789986A (zh) | 一种再增压汽化的吸收式制冷***及其冷热态启动方法和工艺 | |
CN210107867U (zh) | 一种丙烯满液式制冷*** | |
CN113137288A (zh) | 一种凝汽式机组多级蓄热调峰的热力*** | |
CN113417709B (zh) | 耦合高温热泵循环的液态空气储能方法及*** | |
CN116293418A (zh) | 一种基于能耗控制的加氢站设备压力优化配置方法 | |
CN213824088U (zh) | 一种有机废气吸附脱附和冷凝回收的复合装置 | |
CN217209916U (zh) | 一种第二类吸收式热泵 |
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 |