CN117974365A - 一种电热综合能源耦合***多目标运行优化方法及*** - Google Patents
一种电热综合能源耦合***多目标运行优化方法及*** Download PDFInfo
- Publication number
- CN117974365A CN117974365A CN202410369793.8A CN202410369793A CN117974365A CN 117974365 A CN117974365 A CN 117974365A CN 202410369793 A CN202410369793 A CN 202410369793A CN 117974365 A CN117974365 A CN 117974365A
- Authority
- CN
- China
- Prior art keywords
- objective
- comprehensive
- operation optimization
- energy coupling
- coupling system
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 69
- 230000008878 coupling Effects 0.000 title claims abstract description 50
- 238000010168 coupling process Methods 0.000 title claims abstract description 50
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005485 electric heating Methods 0.000 title claims abstract description 27
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 33
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 32
- 238000005265 energy consumption Methods 0.000 claims abstract description 24
- 230000006870 function Effects 0.000 claims abstract description 14
- 230000002068 genetic effect Effects 0.000 claims abstract description 12
- 238000012937 correction Methods 0.000 claims abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 40
- 230000005611 electricity Effects 0.000 claims description 28
- 238000010248 power generation Methods 0.000 claims description 19
- 230000005855 radiation Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 abstract description 8
- 230000009467 reduction Effects 0.000 abstract description 8
- 238000010438 heat treatment Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000001105 regulatory effect Effects 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 101100441251 Arabidopsis thaliana CSP2 gene Proteins 0.000 description 1
- 101100033098 Arabidopsis thaliana RBG2 gene Proteins 0.000 description 1
- 102100034032 Cytohesin-3 Human genes 0.000 description 1
- 101710160297 Cytohesin-3 Proteins 0.000 description 1
- 101100511870 Fagus sylvatica LSM4 gene Proteins 0.000 description 1
- 101150095494 GRP2 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种电热综合能源耦合***多目标运行优化方法及***,涉及综合能源技术领域,方法为:获取当前周期的预测气象数据,拟合生成***环境综合参数;将该***环境综合参数及多个连续周期的***历史热负荷值,输入至基于CNN和LSTM的热负荷动态预测模型中,输出热负荷预测值,并对其进行实时动态修正;基于修正的热负荷预测值,构建以电热综合能源耦合***运行成本、碳排放量及能源消耗量最低为目标函数的多目标***运行优化模型;利用非支配排序遗传算法进行模型求解,获取最优运行优化方案,合理分配当前周期***中各供热模块的热负荷比例。本发明合理匹配并充分利用光能、地热资源,达到节能减排的目的,有效降低运行成本。
Description
技术领域
本发明涉及综合能源技术领域,尤其涉及一种电热综合能源耦合***多目标运行优化方法及***。
背景技术
为满足低碳发展的要求,供热行业作为能源消费大户,目前也在向节能、低碳、绿色方向发展。根据节能降碳的要求,优化供热***能源结构,提高能源利用率,构建安全、多元、高效、环保的城市供热***迫在眉睫。当前在以锅炉供热为主要热源形式的情况下,引入光伏***、中深层地源热泵、空气源热泵、光热能等多样的能源形式,成为供热的发展趋势之一。考虑到深层地热资源丰富,热稳定性能较好,地热供热比其他可再生能源更经济、环保,虽然初投资较高,但运行费用和维护费用相对较低;光伏即是利用半导体的光生伏特效应直接将光能转化为电能,目前光伏板的电能转换效率能达到20%以上,太阳能光伏发电的设备生产及运行技术已经成熟并使用广泛,且光伏发电***电能可直接用于综合能源耦合***设备用电。因此,应用电热综合能源耦合***的供暖***形式,是城市集中供热及清洁取暖供热***形式的首选,能够保障供热***稳定运行,同时提高绿电利用比例。
然而,电热综合能源耦合***实际运行时,***中各供热模块的热负荷往往始终恒定,这导致当天气状况发生变化时,无法根据实际情况调整各供热模块的运行参数,进而无法合理调配各供热模块的输出热负荷,导致多种能源如光能资源、地热资源等无法充分利用,造成资源浪费,且不同供热模块的能耗、成本均不同,这也导致整个***存在运行成本、能耗较高的情况。
发明内容
为解决上述现有技术的不足,本发明提供了一种电热综合能源耦合***多目标运行优化方法及***,在充分掌握***运行状态的基础上,对***运行状态进行分析并预测***所需提供的热负荷,以此构建以电热综合能源耦合***运行成本、碳排放量及能源消耗量最低为目标函数的多目标***运行优化模型,通过求解最优运行优化策略来调整***中各供热模块的运行状态,使***中光能资源、地热资源等新能源得到合理充分利用,达到节能减排的目的,降低运行成本。
第一方面,本发明提供了一种电热综合能源耦合***多目标运行优化方法。
一种电热综合能源耦合***多目标运行优化方法,包括:
获取当前周期的预测气象数据,拟合生成***环境综合参数;
将当前周期的***环境综合参数以及多个连续周期的历史***热负荷值,输入至基于CNN和LSTM的热负荷动态预测模型中,输出当前周期的热负荷预测值,并对热负荷预测值进行实时动态修正;
基于修正的热负荷预测值,构建以电热综合能源耦合***运行成本、碳排放量及能源消耗量最低为目标函数的多目标***运行优化模型;
利用非支配排序遗传算法进行模型求解,获取最优运行优化方案,合理分配当前周期***中各供热模块的热负荷比例。
第二方面,本发明提供了一种电热综合能源耦合***多目标运行优化***。
一种电热综合能源耦合***多目标运行优化***,包括:
气象数据获取及预处理模块,用于获取当前周期的预测气象数据,拟合生成***环境综合参数;
热负荷预测模块,用于将当前周期的***环境综合参数以及多个连续周期的历史***热负荷值,输入至基于CNN和LSTM的热负荷动态预测模型中,输出当前周期的热负荷预测值,并对热负荷预测值进行实时动态修正;
***运行优化模型构建模块,用于基于修正的热负荷预测值,构建以电热综合能源耦合***运行成本、碳排放量及能源消耗量最低为目标函数的多目标***运行优化模型;
***运行优化模块,用于利用非支配排序遗传算法进行模型求解,获取最优运行优化方案,合理分配当前周期***中各供热模块的热负荷比例。
以上一个或多个技术方案存在以下有益效果:
1、本发明提供了一种电热综合能源耦合***多目标运行优化方法及***,在充分掌握***运行状态的基础上,对***运行数据进行分析并预测***所需提供的热负荷,以此构建以电热综合能源耦合***运行成本、碳排放量及能源消耗量最低为目标函数的多目标***运行优化模型,通过求解最优运行优化策略来调整***中各供热模块的运行状态,使***中光能资源、地热资源等新能源得到合理充分利用,达到节能减排的目的,降低运行成本。
2、本发明所提出的优化方法中,考虑了天气状况对用户需求热负荷的影响以及对光伏发电的影响,其中光伏发电量优先在用电企业自行消纳、多余用电负荷的多余电量上网,该“自发自用、余电上网”的综合电价和实际消纳率相关,并随着消纳率的变化而变化;通过考虑该动态变化的综合电价,构建多目标***运行优化模型的目标函数,使所构建的模型能够更贴合电热综合能源耦合***运行的实际情况,以此实时优化运行成本,实现成本最小化目标,与此同时,还能够平衡运行成本、碳排放量及能源消耗量最小化,实现最优运行优化。
附图说明
构成本发明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。
图1为本发明实施例所述电热综合能源耦合***多目标运行优化方法的流程图;
图2为本发明实施例中电热综合能源耦合***的结构示意图。
具体实施方式
应该指出,以下详细说明都是示例性的,仅是为了描述具体实施方式,旨在对本发明提供进一步的说明,并非意图限制根据本发明的示例性实施方式。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。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。
实施例一
本实施例提供了一种电热综合能源耦合***多目标运行优化方法,能够在保证***稳定运行的同时,达到节能降碳的效果,并有效降低整个***的运行成本。本实施例所提出的这一方法应用于电热综合能源耦合***,该***为基于光伏发电和市电供能的燃气锅炉机组、水源热泵机组耦合的供热***,如图2所示,该***包括光伏发电装置、水源热泵机组、燃气锅炉机组和综合能源智能群控柜(简称智能群控柜)。
上述***中,在白天,利用光伏发电装置进行发电,利用光伏发电的电能驱动水源热泵机组和燃气锅炉机组运行。进一步的,水源热泵机组、燃气锅炉机组等主要用电设备还电连接市政电源,当光伏发电不满足主要用电设备的用电需求时,由市政供电,以此保证***的供电稳定性。即,***通过光伏发电装置进行发电,并结合市电,为整个***供电,综合能源智能群控柜则根据水源热泵机组和燃气锅炉机组的热负荷分配电能,调控燃气锅炉机组和水源热泵机组的运行,达到稳定供热的目的。另外,当利用光伏发电装置发电并供电时,当发电量超出***用电量时,则超出电量接入电网主网架。
此外,在该***的基础上,提出具体的优化调控方法,即:利用综合能源智能群控柜与现场主要设备进行数据采集和控制命令下发,调节各个供热模块(即水源热泵机组和燃气锅炉机组等)的出水温度或瞬时流量,以此达到负荷预测和分配的目的,首先,通过智能预测算法建立***热负荷动态预测模型,预测下一周期的热负荷值,然后,根据预测的热负荷值,构建基于综合能源耦合***经济性、碳排放量以及能源消耗量的多目标运行优化模型,以此进行多目标优化,通过求解模型确定最终的最佳热负荷分配方案,进而,利用综合能源智能群控柜进行合理的热负荷比例分配,再根据热负荷调整机组的运行功率及出水温度等控制参数,实现对综合能源耦合***进行优化调控的目的,保障供热***持续稳定性,达到节能降耗的效果。
本实施例所提出的电热综合能源耦合***多目标运行优化方法,如图1所示,包括以下步骤:
获取当前周期的预测气象数据,拟合生成***环境综合参数;
将当前周期的***环境综合参数以及多个连续周期的历史***热负荷值,输入至基于CNN和LSTM的热负荷动态预测模型中,输出当前周期的热负荷预测值,并对热负荷预测值进行实时动态修正;
基于修正的热负荷预测值,构建以电热综合能源耦合***运行成本、碳排放量及能源消耗量最低为目标函数的多目标***运行优化模型;
利用非支配排序遗传算法进行模型求解,获取最优运行优化方案,合理分配当前周期***中各供热模块的热负荷比例。
通过下述内容对本实施例所提出的电热综合能源耦合***多目标运行优化方法进行更详细的介绍。
步骤S1、获取当前周期的预测气象数据,拟合生成***环境综合参数。
本实施例中,通过对接当地气象部门数据,获得当前周期的预测气象数据,包括室外温度、室外风速及太阳辐射照度(可取当前周期的平均值),并计算得到***环境综合参数。该***环境综合参数是在室外温度的基础上考虑了室外风速和太阳辐射照度后的等效温度值,三者存在以下关系式:
;
上式中,为τ周期的***环境综合参数,℃;/>为τ周期的平均室外温度,℃;/>为τ周期的平均太阳辐射照度,/>;/>为τ周期的平均室外风速,m/s;a和b为相应的拟合系数,可通过历史气象数据回归拟合得到。
步骤S2、将当前周期的***环境综合参数以及多个连续周期的历史***热负荷值,输入至基于CNN和LSTM的热负荷动态预测模型中,输出当前周期的热负荷预测值,并对热负荷预测值进行实时动态修正。
本实施例中,构建并训练了基于卷积神经网络(CNN)和长短期记忆网络模型(LSTM)的***热负荷动态预测模型,利用该热负荷动态预测模型对当前周期的***热负荷进行预测,即:将当前周期的***环境综合参数及当前周期前24个连续周期的历史热负荷值,输入至该热负荷动态预测模型中,输入的当前周期的***环境综合参数通过CNN网络输出第一预测值,输入的当前周期前24个连续周期的历史热负荷值通过LSTM网络输出第二预测值,基于第一、第二预测值的加权和,输出最终的当前周期的热负荷预测值。通过对两种预测方式获取的预测值进行加权,得到更综合的预测值,提高最终预测的准确性。
上述***热负荷动态预测模型的训练过程包括:
获取多个连续周期的历史***环境综合参数及其对应的历史热负荷值,构建训练数据集;
以相对应的历史***环境综合参数和历史热负荷值为训练样本,输入至CNN网络中进行训练,学习***环境综合参数与热负荷值之间的关联关系;以多个连续周期的历史热负荷值为训练样本,输入至LSTM网络中进行训练,学习连续热负荷值这一连续时间序列数据中蕴含的依赖关系;基于上述两种网络输出热负荷预测值的加权和与实际热负荷值,结合损失函数进行迭代训练,直至损失值小于设定值或达到最大迭代次数,完成模型的训练。
进一步的,根据上述热负荷预测结果,采用上一周期的热负荷预测值与实际热负荷值的差值,对当前周期的热负荷预测值进行实时动态修正,以保障后续***热负荷分配的准确性。
本实施例中,上述周期时长设定为1~2h。考虑到供热***具有热惰性,即对***进行调整后,需要经过一两个小时不等的时间才能反馈到热用户测,因此,本实施例通过***、提前调整的方式,即***一两个小时后用户侧的热负荷需求,并提前调整***中各供热模块或机组的运行参数,一两个小时后即可将所需求的热负荷传至热用户侧,及时满足用户需求,并实现节能减排、降低成本的效果。
步骤S3、基于修正的热负荷预测值,构建以电热综合能源耦合***运行成本、碳排放量及能源消耗量最低为目标函数的多目标***运行优化模型。
基于上述步骤S1和步骤S2确定***所需热负荷及修正热负荷后,基于综合能源耦合***经济性、碳排放量及一次能源消耗量这三个维度进行多目标优化确定最佳负荷分配方案。该多目标模型的优化目标函数为:
(1)运行成本
结合光伏发电量、用电量及峰谷值电价,计算每一机组在当前运行周期的综合电价,根据该综合电价计算***运行成本,为:
;
上式中,为运行费用;p为控制周期;k为热泵机组的运行数;N为热泵机组的运行总数;C b为每生产1GJ热量,燃气锅炉的运行成本;C g,k为每生产1GJ热量,考虑综合电价的水源热泵运行成本;W b为控制周期内燃气锅炉承担热负荷,GJ;W g,k为控制周期内地热泵机组承担热负荷,GJ。
其中,根据实际情况计算光伏发电的发电量以及***的用电量,计算得到光伏消纳率;基于光伏消纳率与峰谷电价,计算获取综合电价。该光伏消纳率R的计算公式为:
R=Pu/Pg;
上式中,Pu为用电量,kWh;Pg为发电量,kWh。
进一步的,控制周期内发电量及用电量可根据下述公式计算:
用电量Pu为:
;
上式中,j为***中第j个耗电设备(共M个耗电设备);为设备额定功率,kW;/>为考虑设备实际运行出力的修正系数;/>为控制周期时长,h。
发电量Pg为:
;
上式中,为控制周期内平均光照强度,/>,该光照强度可通过光照强度测量仪测量获取;/>为光伏组件效率;/>为光伏组件面积,/>。作为另一种实施方式,在实际应用中,若无实际测量条件,则可参考典型气象年或相近时间的光照强度进行计算,也可通过天气阴晴等气象因素进行估算。
则,计算控制周期内综合电价为:控制周期内综合电价=该周期内分时段电价该周期内分时段光伏消纳率+上网电价/>(1-该周期内光伏消纳率)。
通过上述方式计算综合电价,考虑了不同情况下光伏发电供能不同的问题,使基于该综合电价计算的***运行成本更准确,进而保障后续优化调整策略求解的准确合理性。
(2)碳排放量
;
上式中,为碳排放量,kg;q b为每生产1GJ热量,燃气锅炉碳排放量,kg;q g,k为每生产1GJ热量,水源热泵碳排放量,kg。
其中,碳排放量考虑所有***材料设备排放源,根据碳排放源遍历碳排放因子库,得到碳排放源所对应的碳排放因子;将碳排放源相关数据及所对应的碳排放因子输入到***中,得到生产单位热量的碳排放量。
由于该***能源消耗类型主要为电力消耗,因此,碳排放量计算公式为:
;
上式中,j为***中第j个耗电设备,q为生产单位热量的碳排放量,kg;为电力碳排放因子,kgCO2/KWh;Q c,j为***中第j个设备生产单位热量的耗电量,kWh。
(3)能源消耗量
;
上式中,为能源消耗量,tce;S b为每生产1GJ热量,燃气锅炉燃气消耗量折算的标煤量,tce;S g,k为每生产1GJ热量,水源热泵耗电量折算的标煤量,tce。本实施例中,将能源消耗量作为节能的一个指标参数,能耗越低越节能。
通过设置上述多目标函数,同时考虑运行成本、碳排放量和能源消耗最小化,使得求解获取的模型最优解为这三种因素的最优解,实现三种因素均达到最优效果,避免单一因素下获取的负荷分配无法满足其他因素的最小化优化目标。
上述多目标模型的优化约束条件为:
(1)供热需求约束
;
上式中,为控制周期内供热***总热负荷,MW;/>为控制周期内供热***修正后的热负荷,MW。
(2)供热能力约束
针对水源热泵机组而言,在初、末寒期,室外温度较高时,所需负荷较小,由地热水第一级直接换热利用级即可满足要求;随着室外温度进一步降低,热负荷需求增加,此时由一、二级换热热泵机组以及燃气锅炉机组共同承担。在供热需求较小时,考虑到水源热泵机组相对而言能够实现更低成本、能耗和碳排,因此此时仅采用地热供热即可,不单独使用燃气锅炉;当供热需求增大时,则需要采用水源热泵机组和燃气锅炉机组,并根据具体情况调控各供热模块的热负荷。
因此,地热供热能力应满足如下约束:
Q GRP1,k≤W g,k≤Q GRP, all, k;
Q GRP1,k+0.3QGRP2,k≤W g,k≤Q GRP,all,k;
上式中,Q GRP1为一级换热量,MW;Q GRP2为二级换热量,MW;Q GRP,all为一、二级利用级总供热能力,MW。
针对燃气锅炉机组而言,考虑到需保证锅炉高效率运行,且制热量不能超过设备本身的最大制热量,则锅炉的出力需满足如下约束:
0.1 Q BRL≤W b≤Q BRL;
上式中,Q BRL为锅炉的额定功率,MW。
(3)循环水泵运行约束
循环水泵的最小运行水流量不能低于额定的0.5倍,最大运行水流量不能高于额定的1.2倍,则循环水泵运行须满足如下约束:
0.5 L R≤L≤1.2/> L R;
上式中,L为循环水泵的运行水流量,m3/h;L R为循环水泵的额定流量,m3/h。
另外需指出的是,上式中,参数W b、W g,k为所需求解的控制周期内燃气锅炉机组和地热泵机组所承担的热负荷,其他参数数据可以根据***的实际运行情况获取。
步骤S4、利用非支配排序遗传算法进行模型求解,获取最优运行优化方案,合理分配当前周期***中各供热模块的热负荷比例。
本实施例中,采用非支配排序遗传算法(NSGA-II)进行模型求解。NSGA-Ⅱ算法是指带有精英保留策略的快速非支配多目标优化算法,是一种基于Pareto最优解的较为基础的多目标优化算法。
具体的,将模型的解作为种群中的个体,初始化种群个体,采用非支配排序遗传算法求解获得模型帕累托(Pareto)最优解集;之后,采用优劣解距离法(TOPSIS)确定最佳优化调控方案,即先对原始解集矩阵正向化,并将正向化矩阵标准化,最后赋予权重并计算综合评分,分数在0到1之间,得分最高的方案即为最优方案。进一步的,该算法中对于三个优化目标的权重,在***中可根据实际情况输入不同比例。
在优化求解后,确定最优方案的水源热泵机组、燃气锅炉机组的热负荷,根据该热负荷,可计算得到地热井开采流量、水源热泵的出水温度及燃气锅炉启停情况等,获取对***中各机组的最佳优化调控方案,按照最佳调控模式对控制设备的设定值进行调控,如调节水源热泵机组的出水温度、通过调控循环水泵的运行频率来调整水源热泵机组和燃气锅炉机组的主管道瞬时流量等,以此实现电热综合能源耦合***的优化运行。
实施例二
本实施例提供了一种电热综合能源耦合***多目标运行优化***,包括:
气象数据获取及预处理模块,用于获取当前周期的预测气象数据,拟合生成***环境综合参数;
热负荷预测模块,用于将当前周期的***环境综合参数以及多个连续周期的历史***热负荷值,输入至基于CNN和LSTM的热负荷动态预测模型中,输出当前周期的热负荷预测值,并对热负荷预测值进行实时动态修正;
***运行优化模型构建模块,用于基于修正的热负荷预测值,构建以电热综合能源耦合***运行成本、碳排放量及能源消耗量最低为目标函数的多目标***运行优化模型;
***运行优化模块,用于利用非支配排序遗传算法进行模型求解,获取最优运行优化方案,合理分配当前周期***中各供热模块的热负荷比例。
以上实施例二中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本发明的优选实施例,虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种电热综合能源耦合***多目标运行优化方法,其特征是,包括:
获取当前周期的预测气象数据,拟合生成***环境综合参数;
将当前周期的***环境综合参数以及多个连续周期的历史***热负荷值,输入至基于CNN和LSTM的热负荷动态预测模型中,输出当前周期的热负荷预测值,并对热负荷预测值进行实时动态修正;
基于修正的热负荷预测值,构建以电热综合能源耦合***运行成本、碳排放量及能源消耗量最低为目标函数的多目标***运行优化模型;
利用非支配排序遗传算法进行模型求解,获取最优运行优化方案,合理分配当前周期***中各供热模块的热负荷比例。
2.如权利要求1所述的电热综合能源耦合***多目标运行优化方法,其特征是,所述气象数据包括室外温度、室外风速及太阳辐射照度;根据获取的气象数据拟合生成***环境综合参数,公式为:
;
上式中,为τ周期的***环境综合参数,℃;/>为τ周期的平均室外温度,℃;为τ周期的平均太阳辐射照度,/>;/>为τ周期的平均室外风速,m/s;a和b为拟合系数。
3.如权利要求1所述的电热综合能源耦合***多目标运行优化方法,其特征是,对热负荷预测值进行实时动态修正,包括:
利用上一周期的热负荷预测值与实际热负荷值的差值,对当前周期的热负荷预测值进行实时动态修正。
4.如权利要求1所述的电热综合能源耦合***多目标运行优化方法,其特征是,电热综合能源耦合***的运行成本包括燃气锅炉机组的运行成本和考虑综合电价的水源热泵机组的运行成本;其中,基于光伏发电量、用电量及峰谷值电价,计算每一机组在当前周期运行的综合电价。
5.如权利要求1所述的电热综合能源耦合***多目标运行优化方法,其特征是,所述多目标***运行优化模型的约束条件包括:供热需求约束、供热能力约束、循环水泵运行约束。
6.如权利要求1所述的电热综合能源耦合***多目标运行优化方法,其特征是,利用非支配排序遗传算法进行模型求解,获取最优运行优化方案,包括:
将多目标***运行优化模型的解作为种群中的个体,初始化种群个体,采用非支配排序遗传算法求解获得模型帕累托最优解集;
采用优劣解距离法确定最优运行优化方案,即先对获取的原始解集矩阵正向化,并将正向化矩阵标准化,再赋予权重并计算综合评分,得分最高的方案即为最优运行优化方案。
7.如权利要求1所述的电热综合能源耦合***多目标运行优化方法,其特征是,所述电热综合能源耦合***为基于光伏发电和市电供能的燃气锅炉机组、水源热泵机组耦合的供热***,包括光伏发电装置、水源热泵机组、燃气锅炉机组和综合能源智能群控柜;光伏发电装置和市政供电共同接入综合能源智能群控柜,该综合能源智能群控柜根据求解获取的水源热泵机组和燃气锅炉机组的热负荷,调控燃气锅炉机组和水源热泵机组的运行。
8.一种电热综合能源耦合***多目标运行优化***,其特征是,包括:
气象数据获取及预处理模块,用于获取当前周期的预测气象数据,拟合生成***环境综合参数;
热负荷预测模块,用于将当前周期的***环境综合参数以及多个连续周期的历史***热负荷值,输入至基于CNN和LSTM的热负荷动态预测模型中,输出当前周期的热负荷预测值,并对热负荷预测值进行实时动态修正;
***运行优化模型构建模块,用于基于修正的热负荷预测值,构建以电热综合能源耦合***运行成本、碳排放量及能源消耗量最低为目标函数的多目标***运行优化模型;
***运行优化模块,用于利用非支配排序遗传算法进行模型求解,获取最优运行优化方案,合理分配当前周期***中各供热模块的热负荷比例。
9.如权利要求8所述的电热综合能源耦合***多目标运行优化***,其特征是,所述气象数据包括室外温度、室外风速及太阳辐射照度。
10.如权利要求8所述的电热综合能源耦合***多目标运行优化***,其特征是,电热综合能源耦合***的运行成本包括燃气锅炉机组的运行成本和考虑综合电价的水源热泵机组的运行成本;其中,基于光伏发电量、用电量及峰谷值电价,计算每一机组在当前周期运行的综合电价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410369793.8A CN117974365B (zh) | 2024-03-29 | 2024-03-29 | 一种电热综合能源耦合***多目标运行优化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410369793.8A CN117974365B (zh) | 2024-03-29 | 2024-03-29 | 一种电热综合能源耦合***多目标运行优化方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117974365A true CN117974365A (zh) | 2024-05-03 |
CN117974365B CN117974365B (zh) | 2024-06-14 |
Family
ID=90861579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410369793.8A Active CN117974365B (zh) | 2024-03-29 | 2024-03-29 | 一种电热综合能源耦合***多目标运行优化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117974365B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105337415A (zh) * | 2015-11-18 | 2016-02-17 | 深圳合纵能源技术有限公司 | 一种基于预测控制的地区电网调度***及其方法 |
CN113469412A (zh) * | 2021-06-02 | 2021-10-01 | 国核电力规划设计研究院有限公司 | 一种综合能源***实时运行策略优化方法及*** |
CN116151551A (zh) * | 2022-12-26 | 2023-05-23 | 国网河北省电力有限公司电力科学研究院 | 一种电热综合能源***的调控方法、装置及调控设备 |
CN116187173A (zh) * | 2023-01-31 | 2023-05-30 | 山东建筑大学 | 一种区域综合能源***双层优化方法及*** |
WO2023154408A1 (en) * | 2022-02-10 | 2023-08-17 | Johnson Controls Tyco IP Holdings LLP | Control system with multi-factor and adaptive carbon emissions optimization |
CN117314039A (zh) * | 2023-08-16 | 2023-12-29 | 贵州电网有限责任公司 | 面向园区降碳需求的综合能源***智能化用能方法及*** |
-
2024
- 2024-03-29 CN CN202410369793.8A patent/CN117974365B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105337415A (zh) * | 2015-11-18 | 2016-02-17 | 深圳合纵能源技术有限公司 | 一种基于预测控制的地区电网调度***及其方法 |
CN113469412A (zh) * | 2021-06-02 | 2021-10-01 | 国核电力规划设计研究院有限公司 | 一种综合能源***实时运行策略优化方法及*** |
WO2023154408A1 (en) * | 2022-02-10 | 2023-08-17 | Johnson Controls Tyco IP Holdings LLP | Control system with multi-factor and adaptive carbon emissions optimization |
CN116151551A (zh) * | 2022-12-26 | 2023-05-23 | 国网河北省电力有限公司电力科学研究院 | 一种电热综合能源***的调控方法、装置及调控设备 |
CN116187173A (zh) * | 2023-01-31 | 2023-05-30 | 山东建筑大学 | 一种区域综合能源***双层优化方法及*** |
CN117314039A (zh) * | 2023-08-16 | 2023-12-29 | 贵州电网有限责任公司 | 面向园区降碳需求的综合能源***智能化用能方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117974365B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445090B (zh) | 一种离网型综合能源***双层规划方法 | |
CN108206543B (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
CN110826815B (zh) | 一种考虑综合需求响应的区域综合能源***运行优化方法 | |
CN111340274A (zh) | 一种基于虚拟电厂参与的综合能源***优化方法和*** | |
CN110807588B (zh) | 一种多能源耦合综合能源***的优化调度方法 | |
CN109858759A (zh) | 一种工业园区综合能源平衡调度方法 | |
CN108665188B (zh) | 一种基于优化模型的园区多能源主体综合配比方法 | |
CN109634119B (zh) | 一种基于日内滚动优化的能源互联网优化控制方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN113255224A (zh) | 一种基于发光萤火虫算法的能源***配置优化方法 | |
CN112329260A (zh) | 一种多能互补微网多元多目标优化配置与优化运行方法 | |
CN116050637A (zh) | 基于分时电价的综合能源虚拟电厂优化调度方法及*** | |
CN115170343A (zh) | 一种区域综合能源***分布式资源和储能协同规划方法 | |
CN114218808A (zh) | 一种综合能源***能耗优化方法 | |
CN112883630A (zh) | 用于风电消纳的多微网***日前优化经济调度方法 | |
CN117013522A (zh) | 考虑分布式电源和气电协同的综合能源***调度优化方法 | |
CN116972521A (zh) | 基于商业楼宇太阳能光伏中央空调***控制方法 | |
CN111555362A (zh) | 一种用于全可再生能源热电气储耦合***的优化调控方法及装置 | |
CN117974365B (zh) | 一种电热综合能源耦合***多目标运行优化方法及*** | |
CN111339474A (zh) | 一种基于趋势预测分析法的综合能源***预测运行方法 | |
CN116047898A (zh) | 一种含分布式能源的商业楼宇负荷日前节能优化策略 | |
CN114421536A (zh) | 一种基于储能的多能源互动调控方法 | |
CN111262240B (zh) | 一种综合能源***优化运行方法及*** | |
CN114218803A (zh) | 一种考虑源荷响应特性的分布式电源并网方法 | |
CN114362169A (zh) | 一种计及光储型虚拟电厂边际成本的分层协调调控方法 |
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 |