CN116611199B - 一种基于遗传算法的多能互补供热***容量优化配置方法 - Google Patents
一种基于遗传算法的多能互补供热***容量优化配置方法 Download PDFInfo
- Publication number
- CN116611199B CN116611199B CN202310166126.5A CN202310166126A CN116611199B CN 116611199 B CN116611199 B CN 116611199B CN 202310166126 A CN202310166126 A CN 202310166126A CN 116611199 B CN116611199 B CN 116611199B
- Authority
- CN
- China
- Prior art keywords
- heating
- solar
- air source
- heat pump
- pump
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 211
- 230000000295 complement effect Effects 0.000 title claims abstract description 66
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 27
- 230000002068 genetic effect Effects 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 78
- 239000008236 heating water Substances 0.000 claims description 63
- 238000004364 calculation method Methods 0.000 claims description 33
- 238000005265 energy consumption Methods 0.000 claims description 26
- 239000003507 refrigerant Substances 0.000 claims description 19
- 238000013178 mathematical model Methods 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 5
- 239000008399 tap water Substances 0.000 claims description 5
- 235000020679 tap water Nutrition 0.000 claims description 5
- 230000002411 adverse Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 238000010257 thawing Methods 0.000 claims description 4
- 239000013256 coordination polymer Substances 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 230000008303 genetic mechanism Effects 0.000 abstract 1
- 238000011217 control strategy Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000013589 supplement 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
-
- 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
- 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)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Water Supply & Treatment (AREA)
- Marketing (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Heat-Pump Type And Storage Water Heaters (AREA)
Abstract
本发明公开了一种基于遗传算法的多能互补供热***容量优化配置方法,即采用基于遗传算法的多目标优化算法,以多能互补供热***全年综合能效比和多能互补供热***费用年值为目标函数,通过模拟自然选择和遗传学机理来求解多目标优化问题的Pareto最优解集合,得到全局优化的***最优配置,以达到优化改进***配置的目的,既提高了能源利用效率又降低了成本。
Description
技术领域
本发明涉及一种供热***容量优化配置方法,尤其涉及多能互补供热***容量优化配置方法。
背景技术
目前建筑运行能耗已成为我国三大“耗能大户”之一,采用清洁环保的可再生能源提供采暖和生活热水成为解决此问题的关键。现有的多种能源互补使用的供热***即多能互补供热***,如图1所示,一般包括太阳能供热单元、空气源热泵供热单元、燃气采暖热水炉供热单元和双盘管储水箱。储水箱包括上盘管、下盘管,下盘管的出水口接太阳能供热单元的太阳能集热器,太阳能集热器出水接下盘管的进水口,太阳能集热器吸收太阳辐射加热水箱,当室外太阳能辐照度较低时,太阳能供热单元停止运行。上盘管的出水口接燃气采暖热水炉供热单元的燃气采暖热水炉采暖进水口并经燃气采暖热水炉连接采暖供水,采暖回水接上盘管的回水口。燃气采暖热水炉生活热水侧直接接入储水箱,当储水箱中生活热水出口温度无法达到设定温度时,燃气采暖热水炉运行加热生活热水,达到设定温度时,燃气采暖热水炉不运行;燃气采暖热水炉采暖侧接入上盘管,当上盘管采暖出口温度无法达到设定温度时,燃气采暖热水炉运行加热采暖水,达到设定温度时,燃气采暖热水炉不运行。空气源热泵供热单元直接接入储水箱,通过吸收空气中的热量加热储水箱,当空气源热泵供热单元能效较低时,空气源热泵供热单元停止运行。
以上三种供热单元可两两组合使用,为用户提供热量,其中太阳能集热器和空气源热泵热水器提供了以太阳能和空气能为热源的可再生能源,燃气采暖热水炉消耗燃气,提供了***的基本热源,满足用户需求,尽量的采纳和使用可再生能源,减少燃气能源消耗,提供环保、绿色和智能化的供热解决方案。
多能互补供热***由于涉及的供热单元较多,***中各供热单元的容量选择严重制约了该***向市场的推广与应用,如何客观、快速地得出***优化配置方案,成为行业中亟待解决的问题。利用遗传算法求解***优化配置时的多因素、多目标的优化问题的相关研究较多,是当前的热点。许多学者通过改进适应度函数、设计新的变异算子、采用带标志的编码等措施完善遗传算法,使其更好的解决多目标优化问题;赵建东、徐林、高帅等人将基于遗传算法的多目标优化算法应用到风光柴蓄互补发电***的优化设计上,以***初期投资费用、运行费用或风光资源利用率等指标作为***优化的目标函数,对***的配置进行了优化设计,计算结果与传统的经验算法相比,采用遗传算法得出的***容量配置在经济上、资源利用率上具有明显的优势。目前还没有相关专利将基于遗传算法的多目标优化算法应用在多能互补供热***的优化设计上,同时由于多能互补供热***涉及多个供热设备,现有技术中未能建立完整清晰的多能互补供热***数学与仿真模型,不能进行多种供热设备在不同容量配置时***运行情况的模拟计算。
发明内容
本发明的目的在于克服已有技术的缺点,提供一种可以提高***热效率,节省一次能源,减少污染物的排放的基于遗传算法的多能互补供热***容量优化配置方法。
本发明提出的一种基于遗传算法的多能互补供热***容量优化配置方法,包括下列步骤:
步骤一、构建多能互补供热***的数学模型,计算多能互补供热***运行全年的制热量与耗能量,所述的数学模型包括太阳能供热单元制热与能耗模型、空气源热泵供热单元制热与能耗模型、燃气采暖热水炉供热单元制热与能耗模型;
其中,太阳能供热单元制热与能耗模型为:
太阳能供热单元运行全年的制热量Qsolar,计算公式为:
Qsolar=Iθ·A·η·ts
式中Qsolar为太阳能供热单元运行全年的制热量,J;Iθ为单位面积太阳能集热器采光面上的瞬时总太阳能辐照量,W/m2;A为太阳能集热器面积,m2;η为集热效率;ts为太阳能供热单元全年运行时间,s;
太阳能供热单元运行全年的耗电量Wsolar,计算公式为:
Wsolar=N1·ts
式中Wsolar为太阳能供热单元运行全年的耗电量,J;N1为太阳能循环泵功率,W;
空气源热泵供热单元制热与能耗模型为:
空气源热泵供热单元运行全年的制热量Qpump,计算公式为:
Qpump=Mr×(h2-h3)×th
式中Qpump为空气源热泵供热单元运行全年的制热量,J;Mr为空气源热泵的压缩机制冷剂质量流量,kg/s;h2为空气源热泵的压缩机出口制冷剂过热蒸汽的比焓,J/kg;h3为空气源热泵的冷凝器出口制冷剂液体的比焓,J/kg;th为空气源热泵供热单元全年运行时间,s;Vh为空气源热泵的压缩机理论输气量,m3/s;v1为空气源热泵的压缩机进口气态制冷剂的比容,m3/kg;ηv为空气源热泵的压缩机容积效率,%;
空气源热泵供热单元运行全年的耗电量Wpump,计算公式为:
Wpump=Nth·th/(ηi·ηm·ηd·ηe)
Nth=Mr×(h2-h1)
式中Wpump为空气源热泵供热单元运行全年的耗电量,J;Nth为空气源热泵的压缩机轴功率,W;ηi为空气源热泵的指示效率,%;ηm为空气源热泵的摩擦效率,%;ηd为空气源热泵的传动效率,%;ηe为空气源热泵的电动机效率,%;h1为空气源热泵的压缩机进口制冷剂过热蒸汽的比焓,J/kg;
空气源热泵供热单元能效COP,计算公式为:
COP=Qpump/Wpump
所述的燃气采暖热水炉供热单元制热与能耗模型为:
燃气采暖热水炉供热单元运行全年的制热量Qboiler,计算公式为:
Qboiler=Q-Qsolar-Qpump
Q=Qw+Qh
式中Qboiler为燃气采暖热水炉供热单元运行全年的制热量,J;Q为***全年总热负荷,J;Qw为***全年生活热水负荷,J;Qh为***全年采暖负荷,J;
燃气采暖热水炉供热单元运行全年的耗气量Vg,计算公式为:
Vg=Qboiler/(Hi·ηb)
式中Vg为燃气采暖热水炉供热单元运行全年的耗气量,m3;Hi为送入燃气采暖热水炉中的燃气的热值,J/m3;ηb为燃气采暖热水炉热效率,%;
步骤二、将多能互补供热***全年综合能效比和多能互补供热***费用年值确定为多能互补供热***优化的目标函数;
多能互补供热***全年综合能效比EER的计算公式为:
式中:βb为燃气锅炉的发电效率;
多能互补供热***费用年值C的计算公式为:
C0=C1·A+C2·qp+C3·qb+C4·V
Cr=(Wsolar+Wpump)×Pe/(3.6×106)+Vg×Pg
式中C为多能互补供热***费用年值,元;Cr为年运行费用,元;C0为初投资,元;i为折现率;n为设备使用年限;C1为太阳能集热器费用,元/m2;C2为空气源热泵费用,元/W;qp为空气源热泵额定制热量,W;C3为燃气采暖热水炉费用,元/W;qb为燃气采暖热水炉额定制热量,W;C4为储水箱费用,元/L;V为储水箱容量,L;pe为电价,元/kWh;pg为燃气价格,元/m3;
步骤三、基于热负荷需求,确定多能互补供热***容量配置的约束条件,所述的约束条件包括太阳能集热器面积A、空气源热泵额定制热量qp、燃气采暖热水炉额定制热量qb和储水箱容量V;
所述的太阳能集热器面积A范围为:
0≤A≤Amax
式中Amax为太阳能集热器面积设计上限值,m2;
集热器面积设计上限值Amax由采暖负荷计算得到:
式中qh为采暖负荷,W;f为太阳能保证率,%;JT为安装太阳能集热器当地的采暖期在太阳能集热器安装倾斜面上的平均日太阳能辐照量,J/(m2·天);ηL为太阳能供热单元热损失率,%;
所述的空气源热泵额定制热量qp范围为:
0≤qp≤max{qpw,qph}
式中qpw为根据热水负荷选型的空气泵热泵额定制热量,W;qph为根据采暖负荷选型的空气泵热泵额定制热量,W;Qd为生活热水日耗热量,J;tp0为空气源热泵设定加热时间,s;COPp为空气源热泵在最不利环境下能效;K1为使用地区的室外空调计算干球温度的修正系数;K2为机组融霜修正系数;
燃气采暖热水炉额定制热量qb范围为:
式中qw为生活热水负荷,W;
储水箱容量V范围为:
式中Vmin为储水箱容量下限值,取一天的用水量,L;t为***运行时间;ρ为水的密度,kg/m3;CP为水的比热容,Tr为设定热水出水温度,℃;TL为自来水进水温度,℃;
步骤四、采用遗传算法,建立多能互补供热***的多目标优化数学模型,公式为:
步骤五、根据步骤四建立的多目标优化数学模型,利用Matlab软件编写计算程序,在计算程序中调用基于遗传算法的多目标优化函数,随机产生设备容量配置A,qp,qb,V并对A,qp,qb,V不断更新迭代,得到***全年综合能效比最高且***费用年值最低即最优的设备容量配置。
本发明的有益效果:
(1)本发明针对多能互补供热***,构建了***数学模型,可以基于典型年气象数据、热负荷情况模拟***全年运行特性,满足用户的生活热水需求和采暖需求。
(2)本发明提出一种多能互补供热***的优化配置方法,该方法是以多能互补供热***全年综合能效比和多能互补供热***费用年值两个指标最优为目标函数,使得优化目标在设定的范围内尽可能地同时达到最佳,既提高了能源利用效率又降低了成本。
(3)本发明首次将遗传算法用于多能互补供热***的优化配置中,解决多能互补供热***因配置技术欠缺与滞后而限制***推广与应用的问题。
附图说明
图1为现有的多能互补供热***示意图;
图2为本发明方法的流程框图;
图3为Pareto最优解对应的目标函数值的分布。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。此处所描述的具体实施例方式仅用于解释本发明,并不用于限定本发明的保护范围。
如附图所示的本发明提出的一种基于遗传算法的多能互补供热***容量优化配置方法,包括下列步骤:
步骤一、构建多能互补供热***的数学模型,计算多能互补供热***运行全年的制热量与耗能量,所述的数学模型包括太阳能供热单元制热与能耗模型、空气源热泵供热单元制热与能耗模型、燃气采暖热水炉供热单元制热与能耗模型;
其中,太阳能供热单元制热与能耗模型为:
太阳能供热单元运行全年的制热量Qsolar,计算公式为:
Qsolar=Iθ·A·η·ts (1)
式中Qsolar为太阳能供热单元运行全年的制热量,J;Iθ为单位面积太阳能集热器采光面上的瞬时总太阳能辐照量,W/m2;A为太阳能集热器面积,m2;η为集热效率,可以取80%;ts为太阳能供热单元全年运行时间,s。
太阳能供热单元运行全年的耗电量Wsolar,计算公式为:
Wsolar=N1·ts (2)
式中Wsolar为太阳能供热单元运行全年的耗电量,J;N1为太阳能循环泵功率,W;ts为太阳能供热单元全年运行时间,s。
空气源热泵供热单元制热与能耗模型为:
空气源热泵供热单元运行全年的制热量Qpump,计算公式为:
Qpump=Mr×(h2-h3)×th (3)
式中Qpump为空气源热泵供热单元运行全年的制热量,J;Mr为空气源热泵的压缩机制冷剂质量流量,kg/s;h2为空气源热泵的压缩机出口制冷剂过热蒸汽的比焓,J/kg;h3为空气源热泵的冷凝器出口制冷剂液体的比焓,J/kg;th为空气源热泵供热单元全年运行时间,s;Vh为空气源热泵的压缩机理论输气量,m3/s;v1为空气源热泵的压缩机进口气态制冷剂的比容,m3/kg;ηv为空气源热泵的压缩机容积效率,%。
空气源热泵供热单元运行全年的耗电量Wpump,计算公式为:
Wpump=Nth·th/(ηi·ηm·ηd·ηe) (5)
Nth=Mr×(h2-h1) (6)
式中Wpump为空气源热泵供热单元运行全年的耗电量,J;th为空气源热泵供热单元全年运行时间,s;Nth为空气源热泵的压缩机轴功率,W;ηi为空气源热泵的指示效率,%;ηm为空气源热泵的摩擦效率,%;ηd为空气源热泵的传动效率,%;ηe为空气源热泵的电动机效率,%;Mr为空气源热泵的压缩机制冷剂质量流量,kg/s;h1为空气源热泵的压缩机进口制冷剂过热蒸汽的比焓,J/kg;h2为空气源热泵的压缩机出口制冷剂过热蒸汽的比焓,J/kg。
空气源热泵供热单元能效COP,计算公式为:
COP=Qpump/Wpump (7)
式中COP为空气源热泵供热单元能效;Qpump为空气源热泵供热单元运行全年的制热量,J;Wpump为空气源热泵供热单元运行全年的耗电量,J。
所述的燃气采暖热水炉供热单元制热与能耗模型为:
燃气采暖热水炉供热单元运行全年的制热量Qboiler,计算公式为:
Qboiler=Q-Qsolar-Qpump (8)
Q=Qw+Qh (9)
式中Qboiler为燃气采暖热水炉供热单元运行全年的制热量,J;Qsolar为太阳能供热单元运行全年的制热量,J;Qpump为空气源热泵供热单元运行全年的制热量,J;Q为***全年总热负荷,J;Qw为***全年生活热水负荷,J;Qh为***全年采暖负荷,J;
燃气采暖热水炉供热单元运行全年的耗气量Vg,计算公式为:
Vg=Qboiler/(Hi·ηb) (10)
式中Vg为燃气采暖热水炉供热单元运行全年的耗气量,m3;Hi为送入燃气采暖热水炉中的燃气的热值,J/m3;ηb为燃气采暖热水炉热效率,%。
步骤二、选取可以反映***节能性和经济性指标,确定多能互补供热***优化的目标函数,即多能互补供热***全年综合能效比和多能互补供热***费用年值。
多能互补供热***全年综合能效比EER的计算公式为:
式中EER为多能互补供热***全年综合能效比;Qsolar为太阳能供热单元运行全年的制热量,J;Qpump为空气源热泵供热单元运行全年的制热量,J;Qboiler为燃气采暖热水炉供热单元运行全年的制热量,J;Wsolar为太阳能供热单元运行全年的耗电量,J;Wpump为空气源热泵供热单元运行全年的耗电量,J;βb为燃气锅炉的发电效率,可以取38%;Vg为燃气采暖热水炉供热单元运行全年的耗气量,m3;Hi为送入燃气采暖热水炉中的燃气的热值,J/m3。
多能互补供热***费用年值C的计算公式为:
C0=C1·A+C2·qp+C3·qb+C4·V (13)
Cr=(Wsolar+Wpump)×Pe/(3.6×106)+Vg×Pg (14)
式中C为多能互补供热***费用年值,元;Cr为年运行费用,元;C0为初投资,元;i为折现率,可以取4.35%;n为设备使用年限,可以取8年;C1为太阳能集热器费用,元/m2;A为太阳能集热器面积,m2;C2为空气源热泵费用,元/W;qp为空气源热泵额定制热量,W;C3为燃气采暖热水炉费用,元/W;qb为燃气采暖热水炉额定制热量,W;C4为储水箱费用,元/L;V为储水箱容量,L;Wsolar为太阳能供热单元运行全年的耗电量,J;Wpump为空气源热泵供热单元运行全年的耗电量,J;pe为电价,元/kWh;Vg为燃气采暖热水炉供热单元运行全年的耗气量,m3;pg为燃气价格,元/m3。
步骤三、基于热负荷需求,确定多能互补供热***容量配置的约束条件,所述的约束条件包括太阳能集热器面积A、空气源热泵额定制热量qp、燃气采暖热水炉额定制热量qb和储水箱容量V。
所述的太阳能集热器面积A范围为:
0≤A≤Amax (15)
式中A为太阳能集热器面积,m2;Amax为太阳能集热器面积设计上限值,m2。当太阳能集热器面积为0时,此多能互补供热***不采用太阳能集热器。
集热器面积设计上限值Amax由采暖负荷计算得到:
式中Amax为太阳能集热器面积设计上限值,m2;qh为采暖负荷,W;f为太阳能保证率,%;JT为安装太阳能集热器当地的采暖期在太阳能集热器安装倾斜面上的平均日太阳能辐照量,J/(m2·天);ηL为太阳能供热单元热损失率,%;η为集热效率,可以取80%。
所述的空气源热泵额定制热量qp范围为:
0≤qp≤max{qpw,qph} (17)
式中qp为空气源热泵额定制热量,W;qpw为根据热水负荷选型的空气泵热泵额定制热量,W;qph为根据采暖负荷选型的空气泵热泵额定制热量,W;Qd为生活热水日耗热量,J;tp0为空气源热泵设定加热时间,s;COPp为空气源热泵在最不利环境下能效;qh为采暖负荷,W;K1为使用地区的室外空调计算干球温度的修正系数;K2为机组融霜修正系数,K1、K2可根据设备厂商提供的说明书进行选择。
燃气采暖热水炉额定制热量qb范围为:
式中qb为燃气采暖热水炉额定制热量,W;qw为生活热水负荷,W;qh为采暖负荷,W。
储水箱容量V范围为:
式中V为储水箱容量,L;Vmin为储水箱容量下限值,取一天的用水量,L;qw为生活热水负荷,W;t为***运行时间,可取1.2h,即4320s;ρ为水的密度,kg/m3;CP为水的比热容,Tr为设定热水出水温度,℃;TL为自来水进水温度,℃。
步骤四、采用遗传算法,建立多能互补供热***的多目标优化数学模型,公式为:
利用基于遗传算法的多目标优化函数进行优化计算时,默认是求所有目标函数的最小值,所以可用1-EER/100作为函数求解的目标函数,即该值越小,***全年综合能效越高。
步骤五、根据步骤四建立的多目标优化数学模型,利用Matlab软件编写计算程序,在计算程序中调用基于遗传算法的多目标优化函数,随机产生设备容量配置A,qp,qb,V并对A,qp,qb,V不断更新迭代,得到***全年综合能效比最高且***费用年值最低即最优的设备容量配置,完成多能互补供热***的优化设计。
实施例1
以天津地区某住宅建筑为例,对其拟采用的多能互补独立供热***进行优化设计,该住宅总建筑面积为100m2,居住人数为3人,每人热水用量为50L/d,自来水温度取15℃,生活热水温度取60℃,热水额定流量取5L/min,则生活热水负荷为15.7kW,生活热水日耗热量为2.83×104kJ,采暖负荷为4kW,供暖期为4个月,调取天津地区典型年气象数据,以此模拟计算***全年运行情况。
(1)多能互补供热***数学模型
基于多能互补供热***运行原理结合实际运行情况确定***运行控制策略如下:当室外太阳能辐照度不低于300W/m2时,太阳能供热单元启动运行,低于300W/m2时,停止运行;当空气源热泵供热单元能效较高,即COP不低于3时,空气源热泵供热单元启动运行,低于3时,停止运行,当太阳能供热单元和空气源热泵供热单元提供热量不能满足生活热水负荷和采暖负荷时,由燃气采暖热水炉供热单元补足其余热量。
基于太阳能供热单元制热与能耗模型即公式(1)、(2),单位面积太阳能集热器采光面上的瞬时总太阳能辐照量Iθ可通过读取天津地区典型年气象数据获得,集热效率η取80%,太阳能供热单元全年运行时间ts由太阳能供热单元运行控制策略确定,太阳能循环泵功率N1取400W,由此确定太阳能供热单元运行全年的制热量和耗电量,计算公式为:
Qsolar=0.8·Iθ·A·ts (23)
Wsolar=400·ts (24)
基于空气源热泵供热单元制热与能耗模型即公式(3)~(7),空气源热泵的制冷剂不同状态的比焓h1~h3,空气源热泵的压缩机进口气态制冷剂的比容v1,可采用Cleland关联式进行计算,其中蒸发换热温差取8℃,冷凝换热温差取4℃,空气源热泵供热单元全年运行时间th由空气源热泵供热单元运行控制策略确定,根据设备厂商提供的空气源热泵设备手册可知,当空气源热泵的额定制热量为5200W时,空气源热泵的压缩机理论输气量Vh为0.94m3/s,空气源热泵的压缩机容积效率ηv取92.4%,空气源热泵的指示效率ηi、摩擦效率ηm、传动效率ηc、电动机效率ηe的乘积取50%,由此确定空气源热泵供热单元运行全年的制热量、耗电量和能效,计算公式为:
基于燃气采暖热水炉供热单元制热与耗能模型即公式(8)~(10),生活热水日耗热量为2.83×104kJ,则***全年生活热水负荷Qw为1.03×107kJ,采暖负荷为4kW,供暖期为4个月,则***全年采暖负荷Qh为4.15×107kJ,进而得到***全年总热负荷Q为5.18×107kJ,即5.18×1010J,送入燃气采暖热水炉中的燃气的热值Hi取3.5×107J/m3,燃气采暖热水炉热效率ηb取84%,由此确定燃气采暖热水炉供热单元制热量和耗电量,计算公式为:
Qboiler=5.18×1010-Qsolar-Qpump (27)
Vg=Qboiler/(2.94×107) (28)
(2)多能互补供热***优化目标函数
基于公式(11),燃气锅炉的发电效率βb取38%,送入燃气采暖热水炉中的燃气的热值Hi取3.5×107J/m3,由此确定多能互补供热***全年综合能效比,计算公式为:
基于公式(12)~(14),折现率i取4.35%,设备使用年限n取8年,通过市场调研,确定太阳能集热器费用C1为400元/m2,空气源热泵费用C2为1600元/W,燃气采暖热水炉费用C3为300元/W,储水箱费用C4为5元/L,电价pe为0.5元/kWh,燃气价格pg为2.4元/m3。由此确定多能互补供热***费用年值,计算公式为:
(3)多能互补供热***优化约束条件
基于公式(15)~(16),采暖负荷qh为4kW,太阳能保证率f取20%,安装太阳能集热器当地的采暖期在太阳能集热器安装倾斜面上的平均日太阳能辐照量JT为1.26×107J/(m2·天),太阳能供热单元热损失率ηL取10%,集热效率η取80%,由此确定太阳能集热器面积范围为0≤A≤7.5m2。
基于公式(17)~(19),生活热水日耗热量Qd为2.83×107J,空气源热泵设定加热时间tp0为1h,即3600s,空气源热泵在最不利环境下能效COPp取3,采暖负荷qh为4kW,使用地区的室外空调计算干球温度的修正系数K1取0.8,机组融霜修正***K2取0.8,由此确定空气源热泵额定制热量范围为0≤qp≤6300W。
基于公式(20),生活热水负荷qw为15.7kW,采暖负荷qh为4kW,由此确定燃气采暖热水炉额定制热量范围为0≤qb≤18690W。
基于公式(21),生活热水负荷qw为15.7kW,***运行时间t取1.2h,即4320s,水的密度ρ为1000kg/m3,水的比热容CP为4180J/(kg·℃),设定热水出水温度Tr为60℃,自来水进水温度TL为15℃,由此确定储水箱容量范围为150L≤V≤360L。
(4)综上所述***的多目标优化数学模型,计算公式为:
(5)利用Matlab软件编写计算程序,在计算程序中调用基于遗传算法的多目标优化函数,基本遗传算法运行参数的设定如下:选择运算使用比例选择算子;交叉运算使用单点交叉算子;变异运算使用基本位变异算子;群体大小:M=100;终止代数:T=100;交叉概率:pc=0.6;变异概率:pm=0.001,得到优化问题的Pareto最优解集,见图3,共有30组***组合形式,通过经济性与合理性分析,确定30种***组合形式中最佳协调解为:太阳能集热器面积为6m2,空气源热泵额定制热量0kW,燃气采暖热水炉额制热量为18kW,储水箱容量为200L,此时多能互补供热***费用年值为4826元,1-EER/100为0.9898,即多能互补供热***全年综合能效比为1.02。
值得注意的是,尽管上面结合附图对本发明的优选实施例进行了详细描述,但本发明并不仅仅局限于上述的具体实施方式,上述的实施方式仅仅是示意性的,并不是限制性的,本领域的相关技术人员受本发明的启示,在不脱离本发明宗旨和权利要求保护范围的情况下,还可以做出很多形式,这些均属于本发明的保护范围。
Claims (1)
1.一种基于遗传算法的多能互补供热***容量优化配置方法,其特征在于包括下列步骤:
步骤一、构建多能互补供热***的数学模型,计算多能互补供热***运行全年的制热量与耗能量,所述的数学模型包括太阳能供热单元制热与能耗模型、空气源热泵供热单元制热与能耗模型、燃气采暖热水炉供热单元制热与能耗模型;
其中,太阳能供热单元制热与能耗模型为:
太阳能供热单元运行全年的制热量Qsolar,计算公式为:
Qsolar=Iθ·A·η·ts
式中Qsolar为太阳能供热单元运行全年的制热量,J;Iθ为单位面积太阳能集热器采光面上的瞬时总太阳能辐照量,W/m2;A为太阳能集热器面积,m2;η为集热效率;ts为太阳能供热单元全年运行时间,s;
太阳能供热单元运行全年的耗电量Wsolar,计算公式为:
Wsolar=N1·ts
式中Wsolar为太阳能供热单元运行全年的耗电量,J;N1为太阳能循环泵功率,W;
空气源热泵供热单元制热与能耗模型为:
空气源热泵供热单元运行全年的制热量Qpump,计算公式为:
Qpump=Mr×(h2-h3)×th
式中Qpump为空气源热泵供热单元运行全年的制热量,J;Mr为空气源热泵的压缩机制冷剂质量流量,kg/s;h2为空气源热泵的压缩机出口制冷剂过热蒸汽的比焓,J/kg;h3为空气源热泵的冷凝器出口制冷剂液体的比焓,J/kg;th为空气源热泵供热单元全年运行时间,s;Vh为空气源热泵的压缩机理论输气量,m3/s;v1为空气源热泵的压缩机进口气态制冷剂的比容,m3/kg;ηv为空气源热泵的压缩机容积效率,%;
空气源热泵供热单元运行全年的耗电量Wpump,计算公式为:
Wpump=Nth·th/(ηi·ηm·ηd·ηe)
Nth=Mr×(h2-h1)
式中Wpump为空气源热泵供热单元运行全年的耗电量,J;Nth为空气源热泵的压缩机轴功率,W;ηi为空气源热泵的指示效率,%;ηm为空气源热泵的摩擦效率,%;ηd为空气源热泵的传动效率,%;ηe为空气源热泵的电动机效率,%;h1为空气源热泵的压缩机进口制冷剂过热蒸汽的比焓,J/kg;
空气源热泵供热单元能效COP,计算公式为:
COP=Qpump/Wpump
所述的燃气采暖热水炉供热单元制热与能耗模型为:
燃气采暖热水炉供热单元运行全年的制热量Qboiler,计算公式为:
Qboiler=Q-Qsolar-Qpump
Q=Qw+Qh
式中Qboiler为燃气采暖热水炉供热单元运行全年的制热量,J;Q为***全年总热负荷,J;Qw为***全年生活热水负荷,J;Qh为***全年采暖负荷,J;
燃气采暖热水炉供热单元运行全年的耗气量Vg,计算公式为:
Vg=Qboiler/(Hi·ηb)
式中Vg为燃气采暖热水炉供热单元运行全年的耗气量,m3;Hi为送入燃气采暖热水炉中的燃气的热值,J/m3;ηb为燃气采暖热水炉热效率,%;
步骤二、将多能互补供热***全年综合能效比和多能互补供热***费用年值确定为多能互补供热***容量配置优化的目标函数;
多能互补供热***全年综合能效比EER的计算公式为:
式中:βb为燃气锅炉的发电效率;
多能互补供热***费用年值C的计算公式为:
C0=C1·A+C2·qp+C3·qb+C4·V
Cr=(Wsolar+Wpump)×Pe/(3.6×106)+Vg×Pg
式中C为多能互补供热***费用年值,元;Cr为年运行费用,元;C0为初投资,元;i为折现率;n为设备使用年限;C1为太阳能集热器费用,元/m2;C2为空气源热泵费用,元/W;qp为空气源热泵额定制热量,W;C3为燃气采暖热水炉费用,元/W;qb为燃气采暖热水炉额定制热量,W;C4为储水箱费用,元/L;V为储水箱容量,L;pe为电价,元/kWh;pg为燃气价格,元/m3;
步骤三、基于热负荷需求,确定多能互补供热***容量配置的约束条件,所述的约束条件包括太阳能集热器面积A、空气源热泵额定制热量qp、燃气采暖热水炉额定制热量qb和储水箱容量V;
所述的太阳能集热器面积A范围为:
0≤A≤Amax
式中Amax为太阳能集热器面积设计上限值,m2;
集热器面积设计上限值Amax由采暖负荷计算得到:
式中qh为采暖负荷,W;f为太阳能保证率,%;JT为安装太阳能集热器当地的采暖期在太阳能集热器安装倾斜面上的平均日太阳能辐照量,J/(m2·天);ηL为太阳能供热单元热损失率,%;
所述的空气源热泵额定制热量qp范围为:
0≤qp≤max{qpw,qph}
式中qpw为根据热水负荷选型的空气泵热泵额定制热量,W;qph为根据采暖负荷选型的空气泵热泵额定制热量,W;Qd为生活热水日耗热量,J;tp0为空气源热泵设定加热时间,s;COPp为空气源热泵在最不利环境下能效;K1为使用地区的室外空调计算干球温度的修正系数;K2为机组融霜修正系数;
燃气采暖热水炉额定制热量qb范围为:
式中qw为生活热水负荷,W;
储水箱容量V范围为:
式中Vmin为储水箱容量下限值,取一天的用水量,L;t为***运行时间;ρ为水的密度,kg/m3;CP为水的比热容,Tr为设定热水出水温度,℃;TL为自来水进水温度,℃;
步骤四、采用遗传算法,建立多能互补供热***的多目标优化数学模型,公式为:
步骤五、根据步骤四建立的多目标优化数学模型,利用Matlab软件编写计算程序,在计算程序中调用基于遗传算法的多目标优化函数,随机产生设备容量配置A,qp,qb,V并对A,qp,qb,V不断更新迭代,得到***全年综合能效比最高且***费用年值最低即最优的设备容量配置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310166126.5A CN116611199B (zh) | 2023-02-24 | 2023-02-24 | 一种基于遗传算法的多能互补供热***容量优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310166126.5A CN116611199B (zh) | 2023-02-24 | 2023-02-24 | 一种基于遗传算法的多能互补供热***容量优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116611199A CN116611199A (zh) | 2023-08-18 |
CN116611199B true CN116611199B (zh) | 2024-06-25 |
Family
ID=87682461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310166126.5A Active CN116611199B (zh) | 2023-02-24 | 2023-02-24 | 一种基于遗传算法的多能互补供热***容量优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116611199B (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393629B (zh) * | 2011-09-19 | 2013-06-26 | 华北电力大学(保定) | 一种冗余型楼宇级冷热电联供***的节能优化方法 |
CN106439984A (zh) * | 2016-10-24 | 2017-02-22 | 中国市政工程华北设计研究总院有限公司 | 应用于独立供热采暖***的多能互补供热*** |
CN106503466B (zh) * | 2016-11-04 | 2022-03-18 | 中国电力科学研究院 | 电锅炉与太阳能联合供热***的设备容量配置方法及装置 |
CN111365747A (zh) * | 2018-12-25 | 2020-07-03 | 赫普科技发展(北京)有限公司 | 一种多能互补供热***及供热方法 |
CN110322051A (zh) * | 2019-06-06 | 2019-10-11 | 国网浙江省电力有限公司经济技术研究院 | 考虑n-1安全约束的综合能源***优化配置方法 |
CN112668755A (zh) * | 2020-12-09 | 2021-04-16 | 国网西藏电力有限公司 | 一种多能互补分布式能源***优化运行策略 |
CN113240204A (zh) * | 2021-06-17 | 2021-08-10 | 华北电力大学 | 考虑可再生能源消纳区域能源站容量优化配置方法及*** |
CN113469430B (zh) * | 2021-06-29 | 2024-02-09 | 华电电力科学研究院有限公司 | 综合用能园区的多能互补容量配置方法 |
CN113902167A (zh) * | 2021-09-07 | 2022-01-07 | 山东电力工程咨询院有限公司 | 计及站房投资的综合智慧能源***配置优化方法及装置 |
CN114183796B (zh) * | 2021-11-26 | 2023-06-16 | 浙江英集动力科技有限公司 | 基于电制热与集中供热多能互补***优化调度方法及装置 |
CN115248979A (zh) * | 2022-07-28 | 2022-10-28 | 西安思安云创科技有限公司 | 一种分布式能源***协同优化方法 |
-
2023
- 2023-02-24 CN CN202310166126.5A patent/CN116611199B/zh active Active
Non-Patent Citations (2)
Title |
---|
"电为核心"的供暖***优化配置与运行策略研究;朱成凤;《中国优秀硕士学位论文全文数据库》;20230115;正文第11-12页 * |
多能互补分散式供热***优化设计研究;杨林;《中国优秀硕士学位论文全文数据库》;20180615;正文第9-28、37-39、50-51、65-76页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116611199A (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Residential net-zero energy buildings: Review and perspective | |
CN102359739B (zh) | 零能源损耗率热电厂的燃蒸循环热电冷三联供***与方法 | |
CN102331110B (zh) | 基于吸收式换热的区域热电冷联合能源***及其方法 | |
CN103020481B (zh) | 一种基于节能的确定空气源热泵地暖最佳运行工况的方法 | |
Gilani et al. | Performance analysis of integrated solar heat pump VRF system for the low energy building in Mediterranean island | |
CN202209817U (zh) | 基于吸收式换热的区域热电冷联合能源*** | |
CN108007704B (zh) | 一种可再生能源-燃气联供的多能互补供热***性能测试方法及所用测试装置 | |
CN101813335B (zh) | 利用太阳能和热泵替代部分传统热源的集中供热方法及*** | |
LU506359B1 (en) | Multi-energy complementation-based comprehensive energy source operation control method and system | |
CN106842921B (zh) | 基于nsga2算法的分散式以电供热***多目标优化方法 | |
Krarouch et al. | Dynamic simulation and economic analysis of a combined solar thermal and pellet heating system for domestic hot water production in a traditional Hammam | |
CN113610269A (zh) | 基于多目标优化的乡村住宅建筑低碳能源***优化方法 | |
CN102809245A (zh) | 完全太阳能全天候冷热电气联产联供*** | |
CN113033900A (zh) | 一种园区级综合能源***容量优化配置方法和*** | |
Ma et al. | TRNSYS simulation study of the operational energy characteristics of a hot water supply system for the integrated design of solar coupled air source heat pumps | |
CN108564242A (zh) | 微能源网***、微能源网配置方法及装置 | |
Qi et al. | Artificial intelligence control system of heat recovery in thermal power plant | |
CN116611199B (zh) | 一种基于遗传算法的多能互补供热***容量优化配置方法 | |
CN207334870U (zh) | 一种小区被动式太阳能采暖*** | |
Adhikari et al. | Solar photovoltaic and thermal systems for electricity generation, space heating and domestic hot water in a residential building | |
CN2498527Y (zh) | 储能式地温冷暖中央空调 | |
CN112682841B (zh) | 一种电气热综合供暖的室内温度控制方法及控制装置 | |
CN209147217U (zh) | 直膨式热泵加光伏发电耦合利用采暖*** | |
CN202141192U (zh) | 一种与太阳能结合的水源热泵热水装置 | |
Glanville et al. | Demonstration and Simulation of Gas Heat Pump-Driven Residential Combination Space and Water Heating System Performance |
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 |