CN116841268A - 一种基于多站数据融合的城市大型能源站集中控制方法与*** - Google Patents
一种基于多站数据融合的城市大型能源站集中控制方法与*** Download PDFInfo
- Publication number
- CN116841268A CN116841268A CN202310906401.2A CN202310906401A CN116841268A CN 116841268 A CN116841268 A CN 116841268A CN 202310906401 A CN202310906401 A CN 202310906401A CN 116841268 A CN116841268 A CN 116841268A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- energy station
- data storage
- 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.)
- Pending
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000013500 data storage Methods 0.000 claims abstract description 125
- 238000005457 optimization Methods 0.000 claims abstract description 37
- 238000012423 maintenance Methods 0.000 claims abstract description 11
- 238000005265 energy consumption Methods 0.000 claims abstract description 8
- 230000003993 interaction Effects 0.000 claims abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 43
- 238000012544 monitoring process Methods 0.000 claims description 38
- 238000004891 communication Methods 0.000 claims description 37
- 238000001816 cooling Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000010438 heat treatment Methods 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明属于地源热调控领域，涉及一种城市大型能源站集中控制方法。本发明的方法包括：能源站的传感器模块收集大规模地源热泵***的运行参数，通过数字控制器呈递到数据存储模块i；再将数据呈递至中央控制平台的数据融合模块；数据融合模块将数据呈递给中央控制平台的数据存储模块Z；数据存储模块Z接收数据融合模块呈递的数据以及气象获取模块收集的气象数据，与中央控制平台的负荷预测模块和优化控制模块进行数据交互，并将获得的指令发送给能源站的数据存储模块i同时传输到信息展示模块展示数据。本发明能够将城市中多个地源热泵的数据融合，进行负荷与能耗预测、优化控制，降低能源站的运维成本，提高能源站***的预测、控制的准确度。
Description
技术领域
本发明属于地源热调控领域，涉及一种城市大型能源站集中控制方法。具体而言，本发明涉及一种基于多站数据融合的城市大型能源站集中控制方法，以及相应的基于多站数据融合的城市大型能源站集中控制***及其应用。
背景技术
地源热泵技术属于可再生能源领域的一种暖通空调技术。地源热泵***由于其***性能系数高，相较于其他形式的冷热源***，例如空气源热泵***，有较大的节能减碳潜力，大规模应用于城市中将大幅降低城市范围内的建筑供冷供热的能耗与碳排放。
而对于城市规模的建筑群采用大规模地源热泵***进行供冷供暖，由于建筑群的分布不均匀且相互之间距离可能跨度较大导致输配***距离过长，很难在城市中仅使用一个超大型能源站来为整个城市供冷与供热，需要采用分散的区域型大型能源站为不同的城市区域进行供冷与供热。
对于这类都采用大规模地源热泵技术的分散的区域型大型能源站，能源站采用的供冷供热方案基本是相同的。常规的能源站运行维护方案中，每个能源站都需要独立的运维团队进行本地控制与监控，其运行数据仅保存在本地，***的控制方法采用的温差控制与PID调节。这样的方式有一些弊端：1)运维人员需要较多的费用；2)由于大规模暖通***的大时滞、多参数、非线性的特性，常规的控制方法不利于节能减碳运行；3)由于运行数据仅保存于能源站本地，当采用基于机器学习的优化控制与故障诊断算法时，可用于模型训练与优化的数据量较小，模型准确率较低。
发明内容
本发明的目的是提出一种城市大型能源站集中控制方法，将城市中原本独立的、采用大规模地源热泵***的能源站控制***进行集成与数据融合，进行负荷与能耗预测、优化控制，降低能源站的运维成本，提高能源站***的预测、控制的准确度。
本发明的再一个目的是提供相应的控制***。
本发明包括以下几个方面：
(1)适用于多个大规模地源热泵***能源站的数据融合集中控制方法与***；
(2)能源站的***与模块组成与中央控制平台的***与模块组成；
(3)多个能源站的数据融合方法；
(4)中央控制平台采用的基于负荷预测的优化控制方法，包括能源站负荷预测方法与优化控制方法。
本发明提供了一种基于多站数据融合的城市大型能源站集中控制方法，包括：能源站的传感器模块收集大规模地源热泵***的运行参数，通过数字控制器呈递到数据存储模块i；数据存储模块i将数据呈递至中央控制平台的数据融合模块；数据融合模块将数据呈递给中央控制平台的数据存储模块Z；数据存储模块Z接收数据融合模块呈递的数据以及气象获取模块收集的气象数据，与中央控制平台的负荷预测模块和优化控制模块进行数据交互，并将获得的指令发送给能源站的数据存储模块i同时传输到信息展示模块展示数据。
优选地，传感器模块中各项传感器监测到的***运行参数通过数据传输线缆传输到数字控制器。
优选地，所述的运行参数包括但不限于循环水泵的频率、地源热泵机组的蒸发器与冷凝器的设定温度、地源热泵机组运行台数。
优选地，传感器模块包含：温度传感器、流量传感器、压力传感器。温度传感器用于监测地源热泵***中地源热泵机组的蒸发器出口水温，入口水温、冷凝器的出口水温，入口水温、地埋管群不同分区的土壤温度；流量传感器用于监测地源热泵***中地源热泵机组的负荷侧循环流量、地源侧循环流量；压力传感器用于监测地源热泵***中地源热泵机组的负荷侧循环管路压力、地源侧循环管路压力。
优选地，地源热泵机组内部有功率监测模块用于机组的功率负载、循环水泵内部有频率监测模块用于监测变频水泵的频率。
优选地，数字控制器接收来自各传感器的运行参数并将运行参数传输给数据存储模块，接收来自数据存储模块的控制参数，并将转化为控制命令传输给各执行模块。
优选地，执行模块执行来自数字控制器的控制命令，控制***内各设备的运行参数。
优选地，在本地能源站与中央控制平台网络通讯中断，无法接收到来自中央控制平台的控制指令时，计算模块利用数据存储模块中的基于负荷预测的优化控制模型与本地的运行数据，进行负荷预测、优化控制计算，并将计算结果传输至数据存储模块。
优选地，数据存储模块接收来自数值控制器的***运行参数，同时进行存储与发送至中央控制平台；接收来自中央控制平台的基于负荷预测的优化控制模型的参数并进行存储，在与中央控制平台的网络通讯中断时传输至本地计算模块；接收来自中央控制平台的***调控参数，存储该调控参数并传输给本地数字控制器。
优选地，数据融合模块构建包含所有能源站数据的数据结构，并将融合后的完整数据传输至数据存储模块：首先，将接收的各能源站的数据按照时间标签构建不同的数据行，按照运行参数的名称与类目构建不同的数据列；其次，将收到的各能源站的数据增加包含能源站本身的***特性的数据列；完成构建融合数据结构后，将数据传输至数据存储模块。
优选地，气象获取模块从本地气象站获取城市当天的气象数据，并将数据传输至数据存储模块。
优选地，负荷预测模块预测各能源站承担的供冷供暖负荷强度：首先，该模块从数据存储模块获取数据融合后的历史运行数据，对预先部署的BP神经网络负荷预测模型进行修正与更新，增加模型预测的准确度；其次，基于当前时刻τ的各能源站的运行数据与当天的逐时气象数据，预测各能源站在时间步长Δτ内的供冷供暖负荷强度；此后，将修正后的模型参数与计算的负荷结果传输至数据存储模块。
优选地，优化控制模块优化调控能源站各设备运行参数达到满足负荷需求且经济性最优的目标；通过建立的TRNSYS平台与MATLAB平台耦合的模拟寻优模型，通过粒子群寻优算法，以冷热负荷、设备运行参数为输入参数，***供冷或供热量满足***冷热负荷为约束条件，对时间步长Δτ内***中的设备参数进行寻优，寻优的目标函数为***运行费用最小，获取时间步长Δτ内设备运行参数的值与调节的时刻；此后，将各能源站的***参数调控信息发送至数据存储模块。
优选地，数据存储模块存储数据融合模块构建的完整数据，存储气象获取模块获取的气象数据，存储负荷预测模块中的模型参数与计算的负荷结果并通过网络传输模块发送至各能源站，存储优化控制模块中的各能源站的***参数调控信息并通过网络传输模块发送至各能源站。
优选地，将接收的各能源站的数据按照时间标签构建不同的数据行，按照运行参数的名称与类目构建不同的数据列是指：
能源站1在时刻τ的各项运行数据存放于第1行的1-n列，
能源站2在时刻τ的各项运行数据存放于第1行的(n+1)-(2n)列，
能源站1在时刻τ+Δτ的各项运行数据存放于第2行的1-n列，
能源站2在时刻τ+Δτ的各项运行数据存放于第2行的(n+1)-(2n)列；
以此类推。
能源站本身的***特性的数据包括但不限于：地源热泵机组数量、地源热泵机组额定功率、地埋管的数量、地埋管的深度、地埋管群的分区数量。
优选地，所述寻优的时间步长Δτ内***中的设备参数包括但不限于循环泵频率、地源热泵机组蒸发器与冷凝器设定温度、地源热泵机组运行台数、地埋管运行分区。
优选地，所述的基于多站数据融合的城市大型能源站集中控制方法，包括以下步骤：
1)各能源站中的各类传感器采集大规模地源热泵***的运行参数，将数据通过数据传输线缆传输到本地能源站的数字控制器；
2)各能源站中的数字控制器将数据通过网络通讯模块传输至本地的数据存储模块；
3)数据存储模块存储2)中的数据，并将数据通过网络通讯模块传输至中央控制平台；
4)中央控制平台的数据融合模块对来自不同能源站的数据进行数据融合，构建包含所有能源站数据的数据结构，再将融合数据结构传输到数据存储模块；
4)中央控制平台的气象获取模块从当地气象站获取城市当天的气象数据，并将数据传输至数据存储模块；
5)中央控制平台的负荷预测模块从数据存储模块获取数据融合后的历史运行数据，对预先部署的BP神经网络负荷预测模型进行修正与更新，基于当前时刻τ的各能源站的运行数据与当天的逐时气象数据，预测各能源站在时间步长Δτ内的供冷供暖负荷强度，并将更新的预测模型参数与负荷强度数据传输至数据存储模块；
6)中央控制平台的优化控制模块通过模拟寻优模型，利用粒子群寻优算法，以冷热负荷、设备运行参数为输入参数，***供冷或供热量满足***冷热负荷为约束条件，对时间步长Δτ内***中的设备参数进行寻优，寻优的目标函数为***运行费用最小，获取时间步长Δτ内设备运行参数的值与调节的时刻，并将各能源站的***参数调控信息传输至数据存储模块；
7)中央控制平台的数据存储模块将更新的负荷预测模型参数、负荷强度数据、***参数调控信息通过网络通讯模块传输至各能源站；
8)各能源站接收来自中央控制平台的数据并存储与数据存储模块；
9)各能源站的数据存储模块将***参数调控信息传输至数字控制器；
10)各能源站的数字控制器将***参数调控信息转换为调控命令传输至***的各执行模块，进行设备参数调控。
优选地，步骤6)中的模拟寻优模型是通过TRNSYS平台与MATLAB平台耦合形成的。
本发明还提供了一种基于多站数据融合的城市大型能源站集中控制***，包括包括中央控制平台和一个或者多个能源站；
每个能源站包括传感器模块、数字控制器、数据存储模块i、设备层、执行模块、计算模块；传感器模块收集传感器测得的能源站运行参数并呈递给数字控制器，数字控制器接收传感器模块呈递的运行参数并于数据存储模块i的信息进行交互，然后通过执行模块输出到设备层，设备层运行后，传感器模块收集传感器测得的更新的能源站运行参数并呈递给数字控制器，如此往复；
中央控制平台包括气象获取模块、负荷预测模块、优化控制模块、信息展示模块、数据存储模块Z、数据融合模块；气象获取模块将气象信息呈递给数据存储模块Z；数据存储模块Z接收数据存储模块Z呈递的气象信息、与负荷预测模块和优化控制模块交互的数据、数据融合模块呈递的能源站数据，然后输出到信息展示模块展示数据。
优选地，大规模地源热泵***的设备层包括：地源热泵机组、地埋管群、分水器与集水器、变频循环水泵；
能源站的监测控制层还包含用于监测、控制运行参数的模块：传感器模块网络通讯模块、数字控制器、执行模块、计算模块、数据存储模块；
传感器模块中各项传感器监测到的***运行参数通过数据传输线缆传输到数字控制器，其中传感器模块包含：温度传感器、流量传感器、压力传感器，温度传感器用于监测地源热泵***中地源热泵机组的蒸发器出口水温，入口水温、冷凝器的出口水温，入口水温、地埋管群不同分区的土壤温度；流量传感器用于监测地源热泵***中地源热泵机组的负荷侧循环流量、地源侧循环流量；压力传感器用于监测地源热泵***中地源热泵机组的负荷侧循环管路压力、地源侧循环管路压力；
地源热泵机组内部有功率监测模块用于机组的功率负载、循环水泵内部有频率监测模块用于监测变频水泵的频率。
优选地，网络通讯模块是本地能源站与中央控制平台通讯与数据传输的载体与通道。
优选地，数字控制器用于接收来自各传感器的运行参数并将运行参数传输给数据存储模块，接收来自数据存储模块的控制参数，并将转化为控制命令传输给各执行模块。
优选地，执行模块用于执行来自数字控制器的控制命令，控制***内各设备的运行参数，如循环水泵的频率、地源热泵机组的蒸发器与冷凝器的设定温度、地源热泵机组运行台数等。
优选地，计算模块用于在本地能源站与中央控制平台网络通讯中断，无法接收到来自中央控制平台的控制指令时，利用数据存储模块中的基于负荷预测的优化控制模型与本地的运行数据，进行负荷预测、优化控制计算，并将计算结果传输至数据存储模块。
优选地，数据存储模块用于接收来自数值控制器的***运行参数，同时进行存储与发送至中央控制平台；接收来自中央控制平台的基于负荷预测的优化控制模型的参数并进行存储，在与中央控制平台的网络通讯中断时传输至本地计算模块；接收来自中央控制平台的***调控参数，存储该调控参数并传输给本地数字控制器。
优选地，所述的用于多个能源站集中控制的中央控制平台，其特征包含：网络通讯模块、数据融合模块、数据存储模块、气象获取模块、负荷预测模块、优化控制模块、信息展示模块。
网络通讯模块是中央控制平台与各独立的能源站通讯与数据传输的载体与通道。
数据融合模块用于构建包含所有能源站数据的数据结构，并将融合后的完整数据传输至数据存储模块：首先，将接收的各能源站的数据按照时间标签构建不同的数据行，按照运行参数的名称与类目构建不同的数据列；其次，将收到的各能源站的数据增加包含能源站本身的***特性的数据列；完成构建融合数据结构后，将数据传输至数据存储模块。
气象获取模块用于从本地气象站获取城市当天的气象数据，并将数据传输至数据存储模块。
负荷预测模块用于预测各能源站承担的供冷供暖负荷强度：首先，该模块从数据存储模块获取数据融合后的历史运行数据，对预先部署的BP神经网络负荷预测模型进行修正与更新，增加模型预测的准确度；其次，基于当前时刻τ的各能源站的运行数据与当天的逐时气象数据，预测各能源站在时间步长Δτ内的供冷供暖负荷强度；此后，将修正后的模型参数与计算的负荷结果传输至数据存储模块。
优选地，BP神经网络模型的隐含层神经元为37个，输入层与隐含层之间的传递函数为Sigmoid，隐含层与输出层之间的传递函数为Purelin。
优化控制模块用于优化调控能源站各设备运行参数达到满足负荷需求且经济性最优的目标，通过建立的TRNSYS平台与MATLAB平台耦合的模拟寻优模型，通过粒子群寻优算法，以冷热负荷、设备运行参数为输入参数，***供冷或供热量满足***冷热负荷为约束条件，对时间步长Δτ内***中的设备参数进行寻优，寻优的目标函数为***运行费用最小，获取时间步长Δτ内设备运行参数的值与调节的时刻；此后，将各能源站的***参数调控信息发送至数据存储模块。
以***中各设备的运行参数为变量，例如循环泵的频率值f、各阀门开度α与调节时刻τ、机组设定出口温度值Tset；以当前时刻一小时内***运行费用Wh最小为目标函数，
其中，W1为地源热泵***中热泵机组的运行费用，
W2为地源热泵***中负荷侧循环泵的运行费用，
W3为地源热泵***中地源侧循环泵的运行费用；
其约束条件为：
Q≥Qh，
其中，Qh为建筑所需的冷量或热量，
Q为地源热泵的供冷量或供热量。
数据存储模块用于存储数据融合模块构建的完整数据，存储气象获取模块获取的气象数据，存储负荷预测模块中的模型参数与计算的负荷结果并通过网络传输模块发送至各能源站，存储优化控制模块中的各能源站的***参数调控信息并通过网络传输模块发送至各能源站。
信息展示模块从数据存储模块获取各能源站的基本信息与运行数据并进行界面展示，包括能源站所在地址、能源站地源热泵机组数量、能源站地埋管数量、能源站大规模地源热泵***的各温度传感器信息、流量传感器信息、压力传感器信息、循环泵频率、地源热泵机组蒸发器与冷凝器设定温度、地源热泵机组的功率负载、地埋管分区运行情况，上述的信息包括但不限于历史数据、实时数据、数据曲线。
在常规的城市多个能源站中，由于能源站之间相互独立，其运行维护都是独立的，每个能源站都需要配备控制***与平台及运行维护人员，***运行数据保存在本地的数据服务器中，其能耗预测、优化控制算法只能利用当前能源站自身的运行数据作为基础进行模型训练与构建。
本发明的城市大型能源站集中控制方法和控制***，将城市中原本独立的、采用大规模地源热泵***的能源站控制***进行集成与数据融合，大幅扩充可利用的数据量，并利用融合后的数据进行负荷与能耗预测、优化控制，降低能源站的运维成本，提高能源站***的预测、控制的准确度。
本发明的有益效果包括：
(1)在城市中采用多个大规模地源热泵***能源站进行供冷供暖，***能效高；
(2)提出了一种多个能源站的数据融合方法；
(3)提出了一种基于多个能源站数据融合的城市大型能源站集中控制方法与***；
(4)提出的城市大型能源站集中控制方法中，在中央控制平台基于融合后的数据进行基于负荷预测的优化控制计算。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的每一幅附图针对本申请的部分实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1中央控制平台与各能源站连接关系示意图。
图2是中央控制平台与各能源站数据传输示意图。
具体实施方式
本发明提供了一种基于多个能源站数据融合的城市大型能源站集中控制方法以及相应的***，构建一种城市中央控制平台，将城市中原本独立的、采用大规模地源热泵***的能源站控制***进行集成与数据融合，大幅扩充可利用的数据量，并利用融合后的数据进行负荷与能耗预测、优化控制，降低能源站的运维成本，提高能源站***的预测、控制的准确度。
下面将通过本申请的实施例对技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分优选实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动所获得的所有其他实施例，都属于本申请的保护范围。
本发明提出一种基于多个能源站数据融合的城市大型能源站集中控制方法与***，构建一种城市中央控制平台，将城市中原本独立的、采用大规模地源热泵***的能源站控制***进行集成与数据融合，并利用融合后的数据进行负荷与能耗预测、优化控制，降低能源站的运维成本，提高能源站***的预测、控制准确度。
本发明所述的城市大型能源站，能源站采用大规模地源热泵***作为冷热源为该区域内建筑群供冷供热。大规模地源热泵***包含设备层与监测控制层，其中设备层包括：地源热泵机组、地埋管群、分水器与集水器、变频循环水泵与补水设备、管道、电磁阀等。根据建筑群的规模与负荷大小，大规模地源热泵***采用多台地源热泵机组并联，这样也更有利于在不同负荷率下维持每台机组的高效运行；地埋管根据在地管群中的位置，进行分区与并联，便于根据负荷大小与土壤温度进行分区换热，保证地源热泵***高效运行；电磁阀通过调节阀门的开度用于调节循环管路的流量、压力等；。
能源站的监测控制层还包含用于监测、控制运行参数的模块：传感器模块网络通讯模块、数字控制器、执行模块、计算模块、数据存储模块等。
传感器模块中各项传感器监测到的***运行参数通过数据传输线缆传输到数字控制器，其中传感器模块包含：温度传感器、流量传感器、压力传感器，温度传感器用于监测地源热泵***中地源热泵机组的蒸发器出口水温，入口水温、冷凝器的出口水温，入口水温、地埋管群不同分区的土壤温度；流量传感器用于监测地源热泵***中地源热泵机组的负荷侧循环流量、地源侧循环流量；压力传感器用于监测地源热泵***中地源热泵机组的负荷侧循环管路压力、地源侧循环管路压力；同时，地源热泵机组内部有功率监测模块用于机组的功率负载、循环水泵内部有频率监测模块用于监测变频水泵的频率；
网络通讯模块是本地能源站与中央控制平台通讯与数据传输的载体与通道；
数字控制器用于接收来自各传感器的运行参数并将运行参数传输给数据存储模块，接收来自数据存储模块的控制参数，并将转化为控制命令传输给各执行模块；
执行模块用于执行来自数字控制器的控制命令，控制***内各设备的运行参数，如循环水泵的频率、地源热泵机组的蒸发器与冷凝器的设定温度、地源热泵机组运行台数等；
计算模块用于在本地能源站与中央控制平台网络通讯中断，无法接收到来自中央控制平台的控制指令时，利用数据存储模块中的基于负荷预测的优化控制模型与本地的运行数据，进行负荷预测、优化控制计算，并将计算结果传输至数据存储模块；
数据存储模块用于接收来自数值控制器的***运行参数，同时进行存储与发送至中央控制平台；接收来自中央控制平台的基于负荷预测的优化控制模型的参数并进行存储，在与中央控制平台的网络通讯中断时传输至本地计算模块；接收来自中央控制平台的***调控参数，存储该调控参数并传输给本地数字控制器；
本发明的用于多个能源站集中控制的中央控制平台，包含：网络通讯模块、数据融合模块、数据存储模块、气象获取模块、负荷预测模块、优化控制模块、信息展示模块。
网络通讯模块是中央控制平台与各独立的能源站通讯与数据传输的载体与通道；
数据融合模块用于构建包含所有能源站数据的数据结构，并将融合后的完整数据传输至数据存储模块。首先，将接收的各能源站的数据按照时间标签构建不同的数据行，按照运行参数的名称与类目构建不同的数据列，例如，能源站1在时刻τ的各项运行数据存放于第1行的1-i列，能源站2在在时刻τ的各项运行数据存放于第2行的1-i列，能源站1在时刻τ+Δτ的各项运行数据存放于第3行的1-i列；其次，将收到的各能源站的数据增加包含能源站本身的***特性的数据列，例如，地源热泵机组数量、地源热泵机组额定功率、地埋管的数量、地埋管的深度、地埋管群的分区数量等；完成构建融合数据结构后，将数据传输至数据存储模块；
气象获取模块用于从本地气象站获取城市当天的气象数据，并将数据传输至数据存储模块；
负荷预测模块用于预测各能源站承担的供冷供暖负荷强度。首先，该模块从数据存储模块获取数据融合后的历史运行数据，对预先部署的BP神经网络负荷预测模型进行修正与更新，增加模型预测的准确度。其次，基于当前时刻τ的各能源站的运行数据与当天的逐时气象数据，预测各能源站在时间步长Δτ内的供冷供暖负荷强度；此后，将修正后的模型参数与计算的负荷结果传输至数据存储模块；
优化控制模块用于优化调控能源站各设备运行参数达到满足负荷需求且经济性最优的目标。通过建立的TRNSYS平台与MATLAB平台耦合的模拟寻优模型，通过粒子群寻优算法，以冷热负荷、设备运行参数为输入参数，***供冷或供热量满足***冷热负荷为约束条件，对时间步长Δτ内***中的设备参数进行寻优，如循环泵频率、地源热泵机组蒸发器与冷凝器设定温度、地源热泵机组运行台数、地埋管运行分区等，寻优的目标函数为***运行费用最小，获取时间步长Δτ内设备运行参数的值与调节的时刻；此后，将各能源站的***参数调控信息发送至数据存储模块。
以***中各设备的运行参数为变量，例如循环泵的频率值f、各阀门开度α与调节时刻τ、机组设定出口温度值Tset；以当前时刻一小时内***运行费用Wh最小为目标函数，
其中，W1为地源热泵***中热泵机组的运行费用，
W2为地源热泵***中负荷侧循环泵的运行费用，
W3为地源热泵***中地源侧循环泵的运行费用；
其约束条件为：
Q≥Qh，
其中，Qh为建筑所需的冷量或热量，
Q为地源热泵的供冷量或供热量。
数据存储模块用于存储数据融合模块构建的完整数据，存储气象获取模块获取的气象数据，存储负荷预测模块中的模型参数与计算的负荷结果并通过网络传输模块发送至各能源站，存储优化控制模块中的各能源站的***参数调控信息并通过网络传输模块发送至各能源站。
信息展示模块从数据存储模块获取各能源站的基本信息与运行数据并进行界面展示，包括能源站所在地址、能源站地源热泵机组数量、能源站地埋管数量、能源站大规模地源热泵***的各温度传感器信息、流量传感器信息、压力传感器信息、循环泵频率、地源热泵机组蒸发器与冷凝器设定温度、地源热泵机组的功率负载、地埋管分区运行情况，上述的信息包括历史数据、实时数据、数据曲线等。
本发明的***的工作流程如下：
1)各能源站中的各类传感器采集大规模地源热泵***的运行参数，将数据通过数据传输线缆传输到本地能源站的数字控制器；
2)各能源站中的数字控制器将数据通过网络通讯模块传输至本地的数据存储模块；
3)数据存储模块存储2)中的数据，并将数据通过网络通讯模块传输至中央控制平台；
4)中央控制平台的数据融合模块对来自不同能源站的数据进行数据融合，构建包含所有能源站数据的数据结构，再将融合数据结构传输到数据存储模块；
4)中央控制平台的气象获取模块从当地气象站获取城市当天的气象数据，并将数据传输至数据存储模块；
5)中央控制平台的负荷预测模块从数据存储模块获取数据融合后的历史运行数据，对预先部署的BP神经网络负荷预测模型进行修正与更新，基于当前时刻τ的各能源站的运行数据与当天的逐时气象数据，预测各能源站在时间步长Δτ内的供冷供暖负荷强度，并将更新的预测模型参数与负荷强度数据传输至数据存储模块；
6)中央控制平台的优化控制模块通过建立的TRNSYS平台与MATLAB平台耦合的模拟寻优模型，利用粒子群寻优算法，以冷热负荷、设备运行参数为输入参数，***供冷或供热量满足***冷热负荷为约束条件，对时间步长Δτ内***中的设备参数进行寻优，如循环泵频率、地源热泵机组蒸发器与冷凝器设定温度、地埋管运行分区等，寻优的目标函数为***运行费用最小，获取时间步长Δτ内设备运行参数的值与调节的时刻，并将各能源站的***参数调控信息传输至数据存储模块。
7)中央控制平台的数据存储模块将更新的负荷预测模型参数、负荷强度数据、***参数调控信息通过网络通讯模块传输至各能源站；
8)各能源站接收来自中央控制平台的数据并存储与数据存储模块；
9)各能源站的数据存储模块将***参数调控信息传输至数字控制器；
10)各能源站的数字控制器将***参数调控信息转换为调控命令传输至***的各执行模块，进行设备参数调控。
能源站1在时刻τ的各项运行数据存放于第1行的1-n列，
能源站2在时刻τ的各项运行数据存放于第1行的(n+1)-(2n)列，
能源站1在时刻τ+Δτ的各项运行数据存放于第2行的1-n列，
能源站2在时刻τ+Δτ的各项运行数据存放于第2行的(n+1)-(2n)列；
完成数据融合后的数据结构示意如表1所示。
表1能源站数据融合示意
以上所述的实施例仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本领域技术的技术人员在本申请公开的技术范围内，可以不通过创造性劳动即能够联想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以本申请中权利要求的保护范围为准。
Claims (10)
1.一种基于多站数据融合的城市大型能源站集中控制方法，其特征在于，能源站的传感器模块收集大规模地源热泵***的运行参数，通过数字控制器呈递到数据存储模块i；数据存储模块i将数据呈递至中央控制平台的数据融合模块；数据融合模块将数据呈递给中央控制平台的数据存储模块Z；数据存储模块Z接收数据融合模块呈递的数据以及气象获取模块收集的气象数据，与中央控制平台的负荷预测模块和优化控制模块进行数据交互，并将获得的指令发送给能源站的数据存储模块i同时传输到信息展示模块展示数据。
2.根据权利要求1所述的基于多站数据融合的城市大型能源站集中控制方法，其特征在于，传感器模块中各项传感器监测到的***运行参数通过数据传输线缆传输到数字控制器；
所述的运行参数包括但不限于循环水泵的频率、地源热泵机组的蒸发器与冷凝器的设定温度、地源热泵机组运行台数；
传感器模块包含：温度传感器、流量传感器、压力传感器；
温度传感器用于监测地源热泵***中地源热泵机组的蒸发器出口水温，入口水温、冷凝器的出口水温，入口水温、地埋管群不同分区的土壤温度；
流量传感器用于监测地源热泵***中地源热泵机组的负荷侧循环流量、地源侧循环流量；
压力传感器用于监测地源热泵***中地源热泵机组的负荷侧循环管路压力、地源侧循环管路压力；
地源热泵机组内部有功率监测模块用于机组的功率负载、循环水泵内部有频率监测模块用于监测变频水泵的频率。
3.根据权利要求1所述的基于多站数据融合的城市大型能源站集中控制方法，其特征在于，数字控制器接收来自各传感器的运行参数并将运行参数传输给数据存储模块，接收来自数据存储模块的控制参数，并将转化为控制命令传输给各执行模块；
执行模块执行来自数字控制器的控制命令，控制***内各设备的运行参数；
在本地能源站与中央控制平台网络通讯中断，无法接收到来自中央控制平台的控制指令时，计算模块利用数据存储模块中的基于负荷预测的优化控制模型与本地的运行数据，进行负荷预测、优化控制计算，并将计算结果传输至数据存储模块；
数据存储模块接收来自数值控制器的***运行参数，同时进行存储与发送至中央控制平台；接收来自中央控制平台的基于负荷预测的优化控制模型的参数并进行存储，在与中央控制平台的网络通讯中断时传输至本地计算模块；接收来自中央控制平台的***调控参数，存储该调控参数并传输给本地数字控制器；
数据融合模块构建包含所有能源站数据的数据结构，并将融合后的完整数据传输至数据存储模块：首先，将接收的各能源站的数据按照时间标签构建不同的数据行，按照运行参数的名称与类目构建不同的数据列；其次，将收到的各能源站的数据增加包含能源站本身的***特性的数据列；完成构建融合数据结构后，将数据传输至数据存储模块；
气象获取模块从本地气象站获取城市当天的气象数据，并将数据传输至数据存储模块；
负荷预测模块预测各能源站承担的供冷供暖负荷强度：首先，该模块从数据存储模块获取数据融合后的历史运行数据，对预先部署的BP神经网络负荷预测模型进行修正与更新，增加模型预测的准确度；其次，基于当前时刻τ的各能源站的运行数据与当天的逐时气象数据，预测各能源站在时间步长Δτ内的供冷供暖负荷强度；此后，将修正后的模型参数与计算的负荷结果传输至数据存储模块；
优化控制模块优化调控能源站各设备运行参数达到满足负荷需求且经济性最优的目标；通过建立的TRNSYS平台与MATLAB平台耦合的模拟寻优模型，通过粒子群寻优算法，以冷热负荷、设备运行参数为输入参数，***供冷或供热量满足***冷热负荷为约束条件，对时间步长Δτ内***中的设备参数进行寻优，寻优的目标函数为***运行费用最小，获取时间步长Δτ内设备运行参数的值与调节的时刻；此后，将各能源站的***参数调控信息发送至数据存储模块；
数据存储模块存储数据融合模块构建的完整数据，存储气象获取模块获取的气象数据，存储负荷预测模块中的模型参数与计算的负荷结果并通过网络传输模块发送至各能源站，存储优化控制模块中的各能源站的***参数调控信息并通过网络传输模块发送至各能源站。
4.根据权利要求3所述的基于多站数据融合的城市大型能源站集中控制方法，其特征在于，将接收的各能源站的数据按照时间标签构建不同的数据行，按照运行参数的名称与类目构建不同的数据列是指：
能源站1在时刻τ的各项运行数据存放于第1行的1-n列，
能源站2在时刻τ的各项运行数据存放于第1行的(n+1)-(2n)列，
能源站1在时刻τ+Δτ的各项运行数据存放于第2行的1-n列，
能源站2在时刻τ+Δτ的各项运行数据存放于第2行的(n+1)-(2n)列；
示意图如表1所示
能源站本身的***特性的数据包括但不限于：地源热泵机组数量、地源热泵机组额定功率、地埋管的数量、地埋管的深度、地埋管群的分区数量；
所述寻优的时间步长Δτ内***中的设备参数包括但不限于循环泵频率、地源热泵机组蒸发器与冷凝器设定温度、地源热泵机组运行台数、地埋管运行分区。
5.根据权利要求1所述的基于多站数据融合的城市大型能源站集中控制方法，其特征在于，包括以下步骤：
1)各能源站中的各类传感器采集大规模地源热泵***的运行参数，将数据通过数据传输线缆传输到本地能源站的数字控制器；
2)各能源站中的数字控制器将数据通过网络通讯模块传输至本地的数据存储模块；
3)数据存储模块存储2)中的数据，并将数据通过网络通讯模块传输至中央控制平台；
4)中央控制平台的数据融合模块对来自不同能源站的数据进行数据融合，构建包含所有能源站数据的数据结构，再将融合数据结构传输到数据存储模块；
4)中央控制平台的气象获取模块从当地气象站获取城市当天的气象数据，并将数据传输至数据存储模块；
5)中央控制平台的负荷预测模块从数据存储模块获取数据融合后的历史运行数据，对预先部署的BP神经网络负荷预测模型进行修正与更新，基于当前时刻τ的各能源站的运行数据与当天的逐时气象数据，预测各能源站在时间步长Δτ内的供冷供暖负荷强度，并将更新的预测模型参数与负荷强度数据传输至数据存储模块；
6)中央控制平台的优化控制模块通过模拟寻优模型，利用粒子群寻优算法，以冷热负荷、设备运行参数为输入参数，***供冷或供热量满足***冷热负荷为约束条件，对时间步长Δτ内***中的设备参数进行寻优，寻优的目标函数为***运行费用最小，获取时间步长Δτ内设备运行参数的值与调节的时刻，并将各能源站的***参数调控信息传输至数据存储模块；
7)中央控制平台的数据存储模块将更新的负荷预测模型参数、负荷强度数据、***参数调控信息通过网络通讯模块传输至各能源站；
8)各能源站接收来自中央控制平台的数据并存储与数据存储模块；
9)各能源站的数据存储模块将***参数调控信息传输至数字控制器；
10)各能源站的数字控制器将***参数调控信息转换为调控命令传输至***的各执行模块，进行设备参数调控。
6.根据权利要求5所述的基于多站数据融合的城市大型能源站集中控制方法，其特征在于，步骤6)中的模拟寻优模型是通过TRNSYS平台与MATLAB平台耦合形成的。
7.一种基于多站数据融合的城市大型能源站集中控制***，其特征在于，包括包括中央控制平台和一个或者多个能源站；
每个能源站包括传感器模块、数字控制器、数据存储模块i、设备层、执行模块、计算模块；传感器模块收集传感器测得的能源站运行参数并呈递给数字控制器，数字控制器接收传感器模块呈递的运行参数并于数据存储模块i的信息进行交互，然后通过执行模块输出到设备层，设备层运行后，传感器模块收集传感器测得的更新的能源站运行参数并呈递给数字控制器，如此往复；
中央控制平台包括气象获取模块、负荷预测模块、优化控制模块、信息展示模块、数据存储模块Z、数据融合模块；气象获取模块将气象信息呈递给数据存储模块Z；数据存储模块Z接收数据存储模块Z呈递的气象信息、与负荷预测模块和优化控制模块交互的数据、数据融合模块呈递的能源站数据，然后输出到信息展示模块展示数据。
8.根据权利要求7所述的基于多站数据融合的城市大型能源站集中控制***，其特征在于，
大规模地源热泵***的设备层包括：地源热泵机组、地埋管群、分水器与集水器、变频循环水泵；
能源站的监测控制层还包含用于监测、控制运行参数的模块：传感器模块网络通讯模块、数字控制器、执行模块、计算模块、数据存储模块；
传感器模块中各项传感器监测到的***运行参数通过数据传输线缆传输到数字控制器，其中传感器模块包含：温度传感器、流量传感器、压力传感器，温度传感器用于监测地源热泵***中地源热泵机组的蒸发器出口水温，入口水温、冷凝器的出口水温，入口水温、地埋管群不同分区的土壤温度；流量传感器用于监测地源热泵***中地源热泵机组的负荷侧循环流量、地源侧循环流量；压力传感器用于监测地源热泵***中地源热泵机组的负荷侧循环管路压力、地源侧循环管路压力；
地源热泵机组内部有功率监测模块用于机组的功率负载、循环水泵内部有频率监测模块用于监测变频水泵的频率；
网络通讯模块是本地能源站与中央控制平台通讯与数据传输的载体与通道；
数字控制器用于接收来自各传感器的运行参数并将运行参数传输给数据存储模块，接收来自数据存储模块的控制参数，并将转化为控制命令传输给各执行模块；
执行模块用于执行来自数字控制器的控制命令，控制***内各设备的运行参数，如循环水泵的频率、地源热泵机组的蒸发器与冷凝器的设定温度、地源热泵机组运行台数等；
计算模块用于在本地能源站与中央控制平台网络通讯中断，无法接收到来自中央控制平台的控制指令时，利用数据存储模块中的基于负荷预测的优化控制模型与本地的运行数据，进行负荷预测、优化控制计算，并将计算结果传输至数据存储模块；
数据存储模块用于接收来自数值控制器的***运行参数，同时进行存储与发送至中央控制平台；接收来自中央控制平台的基于负荷预测的优化控制模型的参数并进行存储，在与中央控制平台的网络通讯中断时传输至本地计算模块；接收来自中央控制平台的***调控参数，存储该调控参数并传输给本地数字控制器；
所述的用于多个能源站集中控制的中央控制平台，其特征包含：网络通讯模块、数据融合模块、数据存储模块、气象获取模块、负荷预测模块、优化控制模块、信息展示模块；
网络通讯模块是中央控制平台与各独立的能源站通讯与数据传输的载体与通道；
数据融合模块用于构建包含所有能源站数据的数据结构，并将融合后的完整数据传输至数据存储模块：首先，将接收的各能源站的数据按照时间标签构建不同的数据行，按照运行参数的名称与类目构建不同的数据列；其次，将收到的各能源站的数据增加包含能源站本身的***特性的数据列；完成构建融合数据结构后，将数据传输至数据存储模块；
气象获取模块用于从本地气象站获取城市当天的气象数据，并将数据传输至数据存储模块；
负荷预测模块用于预测各能源站承担的供冷供暖负荷强度：首先，该模块从数据存储模块获取数据融合后的历史运行数据，对预先部署的BP神经网络负荷预测模型进行修正与更新，增加模型预测的准确度；其次，基于当前时刻τ的各能源站的运行数据与当天的逐时气象数据，预测各能源站在时间步长Δτ内的供冷供暖负荷强度；此后，将修正后的模型参数与计算的负荷结果传输至数据存储模块；
优化控制模块用于优化调控能源站各设备运行参数达到满足负荷需求且经济性最优的目标，通过建立的TRNSYS平台与MATLAB平台耦合的模拟寻优模型，通过粒子群寻优算法，以冷热负荷、设备运行参数为输入参数，***供冷或供热量满足***冷热负荷为约束条件，对时间步长Δτ内***中的设备参数进行寻优，寻优的目标函数为***运行费用最小，获取时间步长Δτ内设备运行参数的值与调节的时刻；此后，将各能源站的***参数调控信息发送至数据存储模块；
数据存储模块用于存储数据融合模块构建的完整数据，存储气象获取模块获取的气象数据，存储负荷预测模块中的模型参数与计算的负荷结果并通过网络传输模块发送至各能源站，存储优化控制模块中的各能源站的***参数调控信息并通过网络传输模块发送至各能源站；
信息展示模块从数据存储模块获取各能源站的基本信息与运行数据并进行界面展示，包括能源站所在地址、能源站地源热泵机组数量、能源站地埋管数量、能源站大规模地源热泵***的各温度传感器信息、流量传感器信息、压力传感器信息、循环泵频率、地源热泵机组蒸发器与冷凝器设定温度、地源热泵机组的功率负载、地埋管分区运行情况，上述的信息包括但不限于历史数据、实时数据、数据曲线。
9.根据权利要求8所述的基于多站数据融合的城市大型能源站集中控制***，其特征在于，
以***中各设备的运行参数为变量，例如循环泵的频率值f、各阀门开度α与调节时刻τ、机组设定出口温度值Tset；以当前时刻一小时内***运行费用Wh最小为目标函数，
其中，W1为地源热泵***中热泵机组的运行费用，
W2为地源热泵***中负荷侧循环泵的运行费用，
W3为地源热泵***中地源侧循环泵的运行费用；
其约束条件为：
Q≥Qh，
其中，Qh为建筑所需的冷量或热量，
Q为地源热泵的供冷量或供热量。
10.权利要求7-9任意一项所述的基于多站数据融合的城市大型能源站集中控制***的应用，其特征在于，将城市中原本独立的、采用大规模地源热泵***的能源站控制***进行集成与数据融合，大幅扩充可利用的数据量，并利用融合后的数据进行负荷与能耗预测、优化控制，降低能源站的运维成本，提高能源站***的预测、控制的准确度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310906401.2A CN116841268A (zh) | 2023-07-24 | 2023-07-24 | 一种基于多站数据融合的城市大型能源站集中控制方法与*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310906401.2A CN116841268A (zh) | 2023-07-24 | 2023-07-24 | 一种基于多站数据融合的城市大型能源站集中控制方法与*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116841268A true CN116841268A (zh) | 2023-10-03 |
Family
ID=88174287
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310906401.2A Pending CN116841268A (zh) | 2023-07-24 | 2023-07-24 | 一种基于多站数据融合的城市大型能源站集中控制方法与*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116841268A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102305451A (zh) * | 2011-07-04 | 2012-01-04 | 徐坚 | 基于健康评估技术的混合式地源热泵监控***及方法 |
| US20120010758A1 (en) * | 2010-07-09 | 2012-01-12 | Emerson Process Management Power & Water Solutions, Inc. | Optimization system using an iteratively coupled expert engine |
| CN102968111A (zh) * | 2012-12-14 | 2013-03-13 | 新奥科技发展有限公司 | 控制分布式能源***的方法和*** |
| 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*** |
| CN106448193A (zh) * | 2016-10-28 | 2017-02-22 | 杭州利艾智能科技有限公司 | 一种城市交通控制***及控制方法 |
| CN108416472A (zh) * | 2018-02-27 | 2018-08-17 | 天津大学 | 一种区域多源供冷供热***优化调度方法 |
| CN108800378A (zh) * | 2018-05-30 | 2018-11-13 | 安徽华冶新能源科技有限公司 | 一种基于物联网技术的地源热泵空调*** |
| CN111650871A (zh) * | 2019-12-13 | 2020-09-11 | 河北省科学院能源研究所 | 分散式地源热泵机房运行远程通讯监测*** |
| CN112968522A (zh) * | 2021-02-20 | 2021-06-15 | 国网重庆市电力公司电力科学研究院 | 一种多元负荷直接调控***及其方法 |
| CN116151535A (zh) * | 2022-10-25 | 2023-05-23 | 英集动力科技(山东)有限公司 | 基于强化学习的多能耦合地源热泵楼宇供能***调度方法 |
-
2023
- 2023-07-24 CN CN202310906401.2A patent/CN116841268A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120010758A1 (en) * | 2010-07-09 | 2012-01-12 | Emerson Process Management Power & Water Solutions, Inc. | Optimization system using an iteratively coupled expert engine |
| CN102305451A (zh) * | 2011-07-04 | 2012-01-04 | 徐坚 | 基于健康评估技术的混合式地源热泵监控***及方法 |
| CN102968111A (zh) * | 2012-12-14 | 2013-03-13 | 新奥科技发展有限公司 | 控制分布式能源***的方法和*** |
| 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*** |
| CN106448193A (zh) * | 2016-10-28 | 2017-02-22 | 杭州利艾智能科技有限公司 | 一种城市交通控制***及控制方法 |
| CN108416472A (zh) * | 2018-02-27 | 2018-08-17 | 天津大学 | 一种区域多源供冷供热***优化调度方法 |
| CN108800378A (zh) * | 2018-05-30 | 2018-11-13 | 安徽华冶新能源科技有限公司 | 一种基于物联网技术的地源热泵空调*** |
| CN111650871A (zh) * | 2019-12-13 | 2020-09-11 | 河北省科学院能源研究所 | 分散式地源热泵机房运行远程通讯监测*** |
| CN112968522A (zh) * | 2021-02-20 | 2021-06-15 | 国网重庆市电力公司电力科学研究院 | 一种多元负荷直接调控***及其方法 |
| CN116151535A (zh) * | 2022-10-25 | 2023-05-23 | 英集动力科技(山东)有限公司 | 基于强化学习的多能耦合地源热泵楼宇供能***调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110288164B (zh) | 一种建筑空调制冷站***预测控制方法 | |
| CN109063925B (zh) | 一种计及负荷聚合商的区域综合能源***优化运行方法 | |
| CN104571068B (zh) | 一种分布式能源***的运行优化控制方法及*** | |
| CN110410942B (zh) | 一种冷热源机房节能优化控制方法及*** | |
| CN107844869B (zh) | 燃气分布式能源***的在线智能学习决策优化方法及*** | |
| CN113266869B (zh) | 基于数字孪生技术的热电联合供暖***实时优化调控方法 | |
| CN116857863B (zh) | 基于大规模地源热泵的多能互补***优化控制方法和装置 | |
| CN103062861A (zh) | 用于中央空调的节能监控方法及*** | |
| CN107274303A (zh) | 城市供热能耗智慧化管理与控制技术平台 | |
| CN115220351B (zh) | 一种基于云边端的建筑空调***智能节能优化控制方法 | |
| CN110220288A (zh) | 基于大数据云平台的集中空调***智能优化控制方法及装置 | |
| CN109373441A (zh) | 热网能源管理***及其处理方法 | |
| CN112268312A (zh) | 一种基于深度学习的智慧供热管理*** | |
| CN108131722A (zh) | 一种面向电网调峰的终端用户制冷行为自适应调控 | |
| Wei et al. | Data-driven application on the optimization of a heat pump system for district heating load supply: A validation based on onsite test | |
| CN116151565A (zh) | 一种基于多能流多层级的城市智慧能源***构建方法和协同规划方法 | |
| CN116841268A (zh) | 一种基于多站数据融合的城市大型能源站集中控制方法与*** | |
| CN116499023A (zh) | 一种地热耦合太阳能供热站智能控制方法及*** | |
| CN114893886B (zh) | 一种集中式暖通空调综合节能控制***及其控制方法 | |
| CN202119044U (zh) | 基于健康评估技术的混合式地源热泵监控*** | |
| CN210373842U (zh) | 一种整装式集成高效串联中央空调 | |
| CN114358604A (zh) | 一种考虑建筑蓄热特性的城市集中供热***分时分区调控方法 | |
| CN114136021A (zh) | 结合资源预测的太阳能-地源热泵***控制方法及*** | |
| KR20220067605A (ko) | Ai서버를 이용한 고효율 건물에너지관리시스템을 위한 제어알고리즘 | |
| CN220555967U (zh) | 一种多源数据融合的地铁车站空调智慧运维*** |
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 |