CN113112095A - 一种多模式多供热机组负荷实时优化调度方法及管理*** - Google Patents
一种多模式多供热机组负荷实时优化调度方法及管理*** Download PDFInfo
- Publication number
- CN113112095A CN113112095A CN202110509069.7A CN202110509069A CN113112095A CN 113112095 A CN113112095 A CN 113112095A CN 202110509069 A CN202110509069 A CN 202110509069A CN 113112095 A CN113112095 A CN 113112095A
- Authority
- CN
- China
- Prior art keywords
- model
- heat supply
- price
- supply unit
- load
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000007246 mechanism Effects 0.000 claims abstract description 41
- 238000009826 distribution Methods 0.000 claims abstract description 30
- 238000010438 heat treatment Methods 0.000 claims abstract description 19
- 230000006978 adaptation Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 14
- 230000005611 electricity Effects 0.000 claims description 9
- 239000003245 coal Substances 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000011112 process operation Methods 0.000 claims description 4
- 238000013486 operation strategy Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000005338 heat storage Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000010977 unit operation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008121 plant development Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010946 mechanistic model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
Abstract
本发明公开了一种多模式多供热机组负荷实时优化调度方法及管理***,包括S1建立数据库。S2建立包括若干供热机组机理模型的模型库。S3对模型库内的机理模型进行适配;过程如下:S31调取数据库数据,对所有供热机组的运行负荷进行预测;S32根据现行供热机组运行参数对模型库内的机理模型进行适配;S33使用S31中的预测结果对S32适配之后的机理模型进行二次适配。S4使用优化器对适配之后的机理模型进行优化寻优;S5以省调指令以及寻优结果执行电厂多炉、多供热机组的负荷分配。本发明中根据电厂多炉多机机组机理建立若干机理模型,在考虑到价格因素和气象因素的多目标优化;考虑到调峰竞价政策的报价优化;通过模型适配能够更好的满足多工况下的优化需求。
Description
技术领域
本发明涉及智慧能源技术领域,具体涉及一种多模式多供热机组负荷实时优化调度方法及管理***。
背景技术
如今智慧电厂建设作为智慧能源发展的重要内容,其中智慧管理,实时监控,实时调控与优化,节能降耗,提升能效性是智慧电厂发展的核心。
然而在电厂优化的细分领域中,由于供热与供电的不同需求,热电的强耦合关系以及调峰竞价的政策鼓励,导致机理工艺模型具有多变性,在不同供热负荷与供电负荷情况下,模型需要进行相应的调整;传统的自动发电控制(AGC,Automatic GenerationControl)为省调指令直接控制各发电机组及电蓄热设备的负荷,电厂侧无法自主根据机组调节性能以及外界条件来进行优化调整,基本无优化空间或可优化空间狭小。
在名称为“一种厂级火电厂负荷分配方法”(CN109145449A)中仅仅通过构建每台机组的标准煤耗量与机组运行负荷之间的二次指数关系来进行寻优,没有严格搭建发电机组的机理仿真模型,因此该方法只是对于遗传算法的改进,且适用范围较窄,无法适用于多供热模式下热电强耦合的负荷分配的电厂优化任务。
在名称为“火电厂负荷分配的计算方法、***及存储介质”(CN108122079A)中同上述方法构建了每台机组的标准煤耗量与机组运行负荷之间的二次指数关系,利用遗传算法来进行寻优,无法适用于多供热模式下热电强耦合的电厂负荷分配优化任务。
在名称为“一种基于混合智能算法的火电厂负荷优化分配方法”(CN112183843A)中,使用了目标函数的倒数作为适应度函数,但目标函数没有显性公式,且同为对遗传算法的改进,并没有应用机理的流程建模,因此无法适用于多供热模式下热电强耦合的电厂负荷分配优化任务。
发明内容
本发明的目的是提供一种多模式多供热机组负荷实时优化调度方法,可以解决上述技术问题中的一个或是多个。
为了达到上述目的,本发明提出的技术方案如下:
一种多模式多供热机组负荷实时优化调度方法,包括
S1建立数据库;
S2建立包括若干供热机组机理模型的模型库;
S3对模型库内的机理模型进行适配;
S4使用优化器对适配之后的机理模型进行优化寻优;
S5以省调指令以及寻优结果执行电厂多炉、多供热机组的负荷分配。
优选的:数据库内数据至少包括气象信息、供电价格、供热价格、供电负荷需求、供热负荷需求、煤价、调峰竞价;供热机组当前运行参数。
优选的:气象信息包括温度、压力、风速、湿度。
优选的:步骤S3中所述的适配过程如下:
S31调取数据库数据,对所有供热机组的运行负荷进行预测;
S32根据现行供热机组运行参数对模型库内的机理模型进行适配;
S33使用S31中的预测结果对S32适配之后的机理模型进行二次适配。
优选的:优化器为:
Profit=Ppower·(Pricepower-Pricep,cost)+Pheat(Priceheat-Priceh,cost)+Ppa·Pricepa;
式中:Pricepower为电价,Pricep,cost为发电成本,Priceheat为供热价;Priceh,cost为供热成本,Pricepa调峰电价,Ppower为供电量,Pheat为供热量,Ppa为调峰供电量。
一种多模式多供热机组负荷实时优化管理***,包括模型平台、数据模块、文件管理模块、模型适配模块、优化模块、显示模块;
所述模型平台用于存储若干供热机组的调峰负荷分配模型;
所述数据模块用于存储与供热机组运行相关的参数;
所述文件管理模块用于管理其他各模块产生的记录;
所述优化模块用于集负荷分配、调度、过程操作参数、调峰竞价报价优化为一体;
所述模型适配模块用于在模型平台内选择合适的调峰负荷分配模型,所述调峰负荷分配模型的选择是以数据模块的数据、负荷预测数据为目标;所述调峰负荷分配模型用于供热机组的运行策略,所述调峰负荷分配模型将供优化模块调用;
所述显示模块用于显示图形、统计报表以及其他各模块的运行过程。
优选的:文件管理模块包括不同工况下的模型文件、数据文件、配置文件和日志文件;
其中模型文件为流程模拟软件生成的模型记录文件;
数据文件包括电厂多炉多机机组生产运行数据,输入给机理模型的运行数据,同时也包括供电、供热、煤价、调峰竞价等价格信息以及气象信息;
配置文件为***配置记录信息;
日志文件为机理模型运行结果信息记录文件。
本发明的技术效果是:
本发明中根据电厂多炉多机机组机理将多个机理建模统一在一个平台上,在考虑到价格因素和气象因素的多目标优化;考虑到调峰竞价政策的报价优化;通过模型适配能够更好的满足多工况下的优化需求。
在MEGC(Multiple Energy Generation Control,多能源协同控制)模式下,通过本方法只需要最终实现省调下发总调节量,电厂侧可根据机组情况,充分考虑机组调节性能、机端抽汽量、供热管网温度、电蓄热换热量、电蓄热蓄热温度、电蓄热可用时长、环境温度等参数,自行分配机组与电蓄热的出力,保证总调节量与省调下发值保持一致,总调节精度、总响应时间、总平均速度均满足省调相关要求,既保证厂网安全,提升经济效益,又保证供暖民生。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
在附图中:
图1是按照本发明的方法建立的***结构示意图。
图2是本发明的***控制流程图。
具体实施方式
下面将以具体实施例来详细说明本发明,其中的示意性实施例以及说明仅用来解释本发明,但并不作为对本发明的不当限定。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
一种多模式多供热机组负荷实时优化调度方法,包括如下步骤:
S1建立数据库;
数据库包括气象信息数据,气象信息数据通过第三方接口输入,为负荷分配,调峰竞价报价提供天气/气温预测。数据库包括供热机组的当前运行信息,还包括供热机组的历史运行信息。
S2建立包括若干供热机组机理模型的模型库;
在本步骤中基于热力***循环能量平衡与质量平衡需求、变工况运行仿真、运行参数和运行模式优化的需求建立若干供热机组运行机理模型;每一机理模型在其各自的可行阈内指导机组的运行。
S3对模型库内的机理模型进行适配;所述的适配过程如下:
S31调取数据库数据,对所有供热机组的运行负荷进行预测;
在这里通过人工神经网络对全厂供热机组的负荷进行预测,通过负荷的预测结果筛选出合适的机理模型(调峰负荷分配模型)。负荷的预测结果最理想的情况是与省调指令相同或是相接近。
全厂供热机组的负荷预测过程如下:
LSTM人工神经网络输入数据=[Tp,Pp,Hup,WSp,Hh,Ph,ζh];Tp-气象预测环境温度,Pp-气象预测环境压力,Hup-气象预测环境湿度,WSp-气象预测风速,Hh-历史供热负荷,Ph-历史发电负荷,ζh-历史调峰报价;中间层包括数据训练程序,调度程序和分配程序;其中训练程序对输入训练数据进行训练;调度程序省调指令和报价数据进行分析;分配程序对权重进行分配(不同模型的运行情况)。
S32根据现行供热机组运行参数对模型库内的机理模型进行适配;
S33使用S31中的预测结果对S32适配之后的机理模型进行二次适配。
经过适配的机理模型至少是一个,也可以同时具有多个机理模型同时符合预测结果和现行运行参数。
S4使用优化器对适配之后的机理模型进行优化寻优;
其中优化器为:
Profit=Ppower·(Pricepower-Pricep,cost)+Pheat(Priceheat-Priceh,cost)+Ppa·Pricepa;
式中:Pricepower为电价,Pricep,cost为发电成本,Priceheat为供热价;Priceh,cost为供热成本,Pricepa调峰电价,Ppower为供电量,Pheat为供热量,Ppa为调峰供电量。
S5获取省调指令,以省调指令以及寻优结果执行电厂多炉、多供热机组的负荷分配。
在这里,优化器在制定优化目标函数时,以利润最大化为目标,同时兼顾设备特性以及满足MEGC全厂省调指令;即符合下列条件:
obj max Profit
在本发明中优化器应该包括数据预处理、数据校正、参数估计和优化计算四个功能模块;其中数据预处理对数据进行离群值判断和替换,对缺值进行补充,对重复异常值进行替换等;数据校正对单一模块以及整体***的输入输出进行计算,根据物料衡算和能量衡算来修正仪表测量异常值;参数估计通过机理计算修正设备固有参数;优化计算模块使用改进的全局优化算法结合遗传算法来进行全局寻优。
最终筛选出最佳的模型,用于来执行全厂供热机组的运行情况。
本发明基于MEGC调度模式提供了一种基于机理建模并与负荷预测相结合的多模式供热机组调峰负荷分配优化方法。本发明包括搭建基于长短期记忆人工神经网络LSTM(Long Short Term Memory)的供电及供热负荷预测算法,基于原料、供电、供热、调峰竞价等在线价格统计体系,搭建基于机理电厂的多炉多机机组的流程模拟平台以及集负荷分配调度、过程操作参数优化为一体的全局优化求解器,使用多组机理模型来适配不同操作工况,并计算得到的优化外部目标通过下放给控制***来达到实时优化生产的效果。
如图1、图2所示,在图1和图2中的控制***是对供热机组运行过程中的控制,例如开启或是关闭,开启功率、开启时间等方面的控制。控制***的功能在于与优化器闭环联通来达到实时优化的效果;同时也可以开环接受优化器的优化指令;经过人工审核之后,人工进行调整来达到落实控制的效果。
根据上述优化方法,本发明还提供了一种多模式多供热机组负荷实时优化管理***,包括模型平台、数据模块、文件管理模块、模型适配模块、优化模块、显示模块。
所述模型平台用于存储若干供热机组调峰负荷分配模型,以便调用。
所述数据模块用于存储与供热机组运行相关的参数。例如供热机组运行所需要的气象信息(温度、压力、风速、湿度),供电价格、供热价格、供电负荷需求、供热负荷需求、煤价、调峰竞价等等。
所述文件管理模块用于管理其他各模块产生的记录;文件管理模块包括不同工况下的模型文件、数据文件、配置文件和日志文件。其中模型文件为流程模拟软件生成的模型记录文件。数据文件包括电厂多炉多机机组生产运行数据,输入给机理模型的运行数据,同时也包括供电、供热、煤价、调峰竞价等价格信息以及气象信息。配置文件为***配置记录信息。日志文件为机理模型运行结果信息记录文件。通过文件信息可以
所述优化模块用于集负荷分配、调度、过程操作参数、调峰竞价报价优化为一体。
所述模型适配模块用于在模型平台内选择合适的调峰负荷分配模型,所述调峰负荷分配模型的选择是以数据模块的数据、负荷预测数据为目标;所述调峰负荷分配模型用于供热机组的运行策略,所述调峰负荷分配模型将供优化模块调用。
所述显示模块用于显示图形、统计报表以及其他各模块的运行过程。
通过该***,可以直观的看到整个调控、优化调度过程,优化过程中的修改等都记录在案,便于模型的优化。
本***具有如下优点:
(1)根据原料价格、供电、供热价格及调峰竞价波动情况、气象信息,建立在线价格体系、负荷预测体系、气象信息预测体系;
(2)搭建基于机理的电厂多炉多机机组的流程模拟平台,实时在线模拟装置的运行状况,并能够根据运行数据来校核模型与装置之间的偏差,并通过计算来修正偏差;
(3)建立数据校正与参数估计模型,降低模型与装置间的偏差并实时计算设备的不可测参数;
(4)在满足供热、供电负荷等约束条件的前提下,减少产热产电过剩,降低装置发电负荷率,通过调峰竞价政策来创造更多收益;
(5)指导客户制定生产计划、排产调度,通过控制器与优化器联动来达到实时优化控制的目的。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种多模式多供热机组负荷实时优化调度方法,其特征在于:包括
S1建立数据库;
S2建立包括若干供热机组机理模型的模型库;
S3对模型库内的机理模型进行适配;
S4使用优化器对适配之后的机理模型进行优化寻优;
S5以省调指令以及寻优结果执行电厂多炉、多供热机组的负荷分配。
2.根据权利要求1所述的多模式多供热机组负荷实时优化调度方法,其特征在于:数据库内数据至少包括气象信息、供电价格、供热价格、供电负荷需求、供热负荷需求、煤价、调峰竞价,供热机组当前运行参数。
3.根据权利要求2所述的多模式多供热机组负荷实时优化调度方法,其特征在于:气象信息包括温度、压力、风速、湿度。
4.根据权利要求1所述的多模式多供热机组负荷实时优化调度方法,其特征在于:步骤S3中所述的适配过程如下:
S31调取数据库数据,对所有供热机组的运行负荷进行预测;
S32根据现行供热机组运行参数对模型库内的机理模型进行适配;
S33使用S31中的预测结果对S32适配之后的机理模型进行二次适配。
6.一种多模式多供热机组负荷实时优化管理***,其特征在于:包括模型平台、数据模块、文件管理模块、模型适配模块、优化模块、显示模块;
所述模型平台用于存储若干供热机组的调峰负荷分配模型;
所述数据模块用于存储与供热机组运行相关的参数;
所述文件管理模块用于管理其他各模块产生的记录;
所述优化模块用于集负荷分配、调度、过程操作参数、调峰竞价报价优化为一体;
所述模型适配模块用于在模型平台内选择合适的调峰负荷分配模型,所述调峰负荷分配模型的选择是以数据模块的数据、负荷预测数据为目标;所述调峰负荷分配模型用于供热机组的运行策略,所述调峰负荷分配模型将供优化模块调用;
所述显示模块用于显示图形、统计报表以及其他各模块的运行过程。
7.根据权利要求6所述的多模式多供热机组负荷实时优化管理***,其特征在于:文件管理模块包括不同工况下的模型文件、数据文件、配置文件和日志文件;
其中模型文件为流程模拟软件生成的模型记录文件;
数据文件包括电厂多炉多机机组生产运行数据,输入给机理模型的运行数据,同时也包括供电、供热、煤价、调峰竞价等价格信息以及气象信息;
配置文件为***配置记录信息;
日志文件为机理模型运行结果信息记录文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509069.7A CN113112095A (zh) | 2021-05-11 | 2021-05-11 | 一种多模式多供热机组负荷实时优化调度方法及管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509069.7A CN113112095A (zh) | 2021-05-11 | 2021-05-11 | 一种多模式多供热机组负荷实时优化调度方法及管理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113112095A true CN113112095A (zh) | 2021-07-13 |
Family
ID=76721515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110509069.7A Pending CN113112095A (zh) | 2021-05-11 | 2021-05-11 | 一种多模式多供热机组负荷实时优化调度方法及管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112095A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822496A (zh) * | 2021-10-27 | 2021-12-21 | 杭州英集动力科技有限公司 | 一种多机组热电厂供热模式及参数在线寻优方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化***有限公司 | 基于热电***负荷在线预测的调度方法与*** |
US20140277797A1 (en) * | 2013-03-15 | 2014-09-18 | Open Access Technology International, Inc. | Systems and Methods of Determining Optimal Scheduling and Dispatch of Power Resources |
CN104571068A (zh) * | 2015-01-30 | 2015-04-29 | 中国华电集团科学技术研究总院有限公司 | 一种分布式能源***的运行优化控制方法及*** |
KR20160042554A (ko) * | 2014-10-10 | 2016-04-20 | (주)제이에이치에너지 | 열병합사업자간 열거래를 위한 최적 운전계획 수립 및 열거래단가 산정 알고리즘 |
CN107871181A (zh) * | 2017-10-17 | 2018-04-03 | 广东电网有限责任公司电力调度控制中心 | 一种热电联产机组发电计划制定方法、装置及*** |
CN110007595A (zh) * | 2019-03-29 | 2019-07-12 | 常州英集动力科技有限公司 | 供热***负荷实时优化调度方法、机组模型、机组及*** |
CN110175727A (zh) * | 2019-06-26 | 2019-08-27 | 华北电力大学 | 一种电网调峰辅助服务市场主辅协调优化方法 |
US20200175435A1 (en) * | 2018-11-30 | 2020-06-04 | Doosan Heavy Industries & Construction Co., Ltd. | System and method for optimizing combustion of boiler |
CN111313415A (zh) * | 2020-03-26 | 2020-06-19 | 华润电力技术研究院有限公司 | 一种热电厂及供热机组负荷分配方法、***和装置 |
KR20200076159A (ko) * | 2018-12-19 | 2020-06-29 | 포항공과대학교 산학협력단 | 상업용 hvac 시스템의 배전 요금 산정 방법 및 이를 활용한 hvac 시스템의 부하 스케줄링 장치 및 방법 |
WO2020155515A1 (zh) * | 2019-01-30 | 2020-08-06 | 广东电网有限责任公司电力调度控制中心 | 一种基于区块链的双源能源互联网交易方法及设备 |
CN112146156A (zh) * | 2020-09-07 | 2020-12-29 | 华北电力大学 | 一种含电锅炉的电厂多模式灵活性运行方法及*** |
CN112232980A (zh) * | 2020-09-14 | 2021-01-15 | 浙江大学 | 一种区域能源供热***热泵机组调控方法 |
-
2021
- 2021-05-11 CN CN202110509069.7A patent/CN113112095A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化***有限公司 | 基于热电***负荷在线预测的调度方法与*** |
US20140277797A1 (en) * | 2013-03-15 | 2014-09-18 | Open Access Technology International, Inc. | Systems and Methods of Determining Optimal Scheduling and Dispatch of Power Resources |
KR20160042554A (ko) * | 2014-10-10 | 2016-04-20 | (주)제이에이치에너지 | 열병합사업자간 열거래를 위한 최적 운전계획 수립 및 열거래단가 산정 알고리즘 |
CN104571068A (zh) * | 2015-01-30 | 2015-04-29 | 中国华电集团科学技术研究总院有限公司 | 一种分布式能源***的运行优化控制方法及*** |
CN107871181A (zh) * | 2017-10-17 | 2018-04-03 | 广东电网有限责任公司电力调度控制中心 | 一种热电联产机组发电计划制定方法、装置及*** |
US20200175435A1 (en) * | 2018-11-30 | 2020-06-04 | Doosan Heavy Industries & Construction Co., Ltd. | System and method for optimizing combustion of boiler |
KR20200076159A (ko) * | 2018-12-19 | 2020-06-29 | 포항공과대학교 산학협력단 | 상업용 hvac 시스템의 배전 요금 산정 방법 및 이를 활용한 hvac 시스템의 부하 스케줄링 장치 및 방법 |
WO2020155515A1 (zh) * | 2019-01-30 | 2020-08-06 | 广东电网有限责任公司电力调度控制中心 | 一种基于区块链的双源能源互联网交易方法及设备 |
CN110007595A (zh) * | 2019-03-29 | 2019-07-12 | 常州英集动力科技有限公司 | 供热***负荷实时优化调度方法、机组模型、机组及*** |
CN110175727A (zh) * | 2019-06-26 | 2019-08-27 | 华北电力大学 | 一种电网调峰辅助服务市场主辅协调优化方法 |
CN111313415A (zh) * | 2020-03-26 | 2020-06-19 | 华润电力技术研究院有限公司 | 一种热电厂及供热机组负荷分配方法、***和装置 |
CN112146156A (zh) * | 2020-09-07 | 2020-12-29 | 华北电力大学 | 一种含电锅炉的电厂多模式灵活性运行方法及*** |
CN112232980A (zh) * | 2020-09-14 | 2021-01-15 | 浙江大学 | 一种区域能源供热***热泵机组调控方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822496A (zh) * | 2021-10-27 | 2021-12-21 | 杭州英集动力科技有限公司 | 一种多机组热电厂供热模式及参数在线寻优方法 |
CN113822496B (zh) * | 2021-10-27 | 2024-05-31 | 浙江英集动力科技有限公司 | 一种多机组热电厂供热模式及参数在线寻优方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104571068B (zh) | 一种分布式能源***的运行优化控制方法及*** | |
CN107800157B (zh) | 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法 | |
US8676394B2 (en) | Integrated demand response for energy utilization | |
CN112036934A (zh) | 考虑热电协调运行的负荷聚合商参与需求响应的报价方法 | |
CN108320042A (zh) | 循环水***的优化方法与装置 | |
CN117239740B (zh) | 一种虚拟电厂***的优化配置与灵活性提升方法及*** | |
CN104699051A (zh) | 一种温控设备需求响应控制方法 | |
CN116663820A (zh) | 一种需求响应下的综合能源***能量管理方法 | |
CN115640902A (zh) | 计及碳价不确定性的园区综合能源***低碳优化调度方法 | |
CN116436033A (zh) | 一种基于用户满意度和强化学习的温控负荷频率响应控制方法 | |
CN115795992A (zh) | 一种基于运行态势虚拟推演的园区能源互联网在线调度方法 | |
CN117578534B (zh) | 光伏储能***的调度方法、装置、设备及存储介质 | |
CN113112095A (zh) | 一种多模式多供热机组负荷实时优化调度方法及管理*** | |
CN117254464B (zh) | 一种储能***的控制方法及*** | |
CN111884240B (zh) | 一种带有大容量水储能装置的分布式能源站优化运行方法 | |
CN117439101A (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
CN117091242A (zh) | 空调温控负荷集群的评估方法、温度设定方法及*** | |
CN111342456A (zh) | 一种台区能源***建模方法及*** | |
CN116488223A (zh) | 家庭光-蓄-柔双层多时间尺度控制方法、装置及介质 | |
CN110046751A (zh) | 基于径向基能耗预测及实时能效的多能源***调度方法 | |
CN113904331B (zh) | 变频空调集群参与电力***辅助调控方法、装置和*** | |
CN115619431A (zh) | 微电网的调度方法、装置、终端及存储介质 | |
Hou et al. | Two-Layer Control Framework and Aggregation Response Potential Evaluation of Air Conditioning Load Considering Multiple Factors | |
CN117249537B (zh) | 一种基于中央空调的虚拟电厂调度与控制***及方法 | |
CN114781274B (zh) | 仿真与决策交替学习的综合能源***控制优化方法与*** |
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 | ||
CB02 | Change of applicant information |
Address after: 310000 rooms 208, 209-1, 209-2, building 2, 88 Longyuan Road, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: Zhejiang Yingji Power Technology Co.,Ltd. Address before: 310000 rooms 208, 209-1, 209-2, building 2, 88 Longyuan Road, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province Applicant before: Hangzhou Yingji Power Technology Co.,Ltd. |
|
CB02 | Change of applicant information |