具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。虽然本文可提供包含特定值的参数的示范,但应了解,参数无需确切等于相应的值,而是可在可接受的误差容限或设计约束内近似于所述值。
图1为本发明实施例分布式能源系统设计方法的流程图。如图1所示,本实施例设计方法包括:
步骤S102,根据的输入的建筑类型、建筑面积及所在城市对所有建筑进行全年能耗分时预测,将该分布式能源系统供能的所有建筑的能耗进行逐时加和即可得到分布式能源系统的全年能耗分时负荷信息;
步骤S104,在进行负荷分析的同时对该分布式能源系统所在区域进行资源分析,得出可利用能源的类型及资源量;
步骤S106,在负荷分析、资源分析的基础上对分布式能源系统进行设备选型优化计算,得到组成该分布式能源系统的设备类型及其功率;
步骤S108,对该分布式能源系统运行方案进行优化计算,优化结果为该分布式能源系统各个组成设备的全年分时运行情况;
步骤S110,给出该分布式能源系统的技术经济指标;
步骤S112,判断上述技术经济指标是否满足客户需求?如果是,则执行步骤S114;如果得到的技术经济指标不能满足客户需求,则重新执行步骤S106;
步骤S114,该分布式能源系统设计工作完成。
本实施例提出的基于动态负荷预测的分布式能源系统设计方法,通过对建筑能耗负荷进行全年逐时动态计算得到逐时负荷情况,然后根据全年逐时负荷情况及资源可利用情况采用优化算法对分布式能源系统进行智能设备选型(设备类型及其功率),从而在一定程度上解决了能源系统选型规模偏大的问题。
此外,本发明还可以根据全年分时负荷信息及资源可利用情况进行运行方案优化计算从而得到分布式能源系统全年分时运行策略及系统技术经济指标,可以为客户提供设计方案、负荷分析、运行方案、评估结果等资料,从而使设计人员对各个设备的全年使用情况及系统的各项指标有了更为清晰的认识。
需要说明的是,本领域技术人员应当了解,上述实施例仅为本发明的一个优选实施例。对于具体用户需求来讲,如果用户只需要得到设备选型及其功率,则其可以只运行至步骤S106即可;而如果用户需要得到进一步的系统全年优化运行方案,则需要运行至步骤S108;而如果用户想要得到相应的运行指标,则需要运行至步骤S110。同理,各步骤之间的执行顺序也可以灵活调整,例如,步骤S104和步骤S102也可以同时执行,或步骤S104在步骤S102之前执行,同样可以实现与现有步骤相同的技术效果。以下对本发明各步骤分别进行详细说明。
上述步骤S102中进行建筑能耗动态预测时,要对建筑负荷进行365天逐时动态计算得到全年负荷情况,计算时需要输入建筑所属城市、建筑类型(如民用建筑、酒店、商场等)、单层面积、层数等资料。本方法根据建筑所属城市查询气象数据库可以得到建筑的气象资料,根据建筑类型可以得到建筑负荷标准、人员密度、照明密度、设备密度等信息,具体计算时可以采用以下两种方法:1、利用已有的Dest、Energy Plus或DOE2等商业建筑模拟软件,计算时,建立设定单层面积、设定层数的标准建筑,根据其建筑类型及所属城市计算全年动态冷热负荷;2、采用经验公式回归历史数据,将给定建筑的冷热电负荷简化为外界环境温度、湿度、光照以及人员活动规律等的数学函数qh,i=α|ti-twi|±qi,h其中ti为环境温度,twi为室内设定温度,qi,h为单位建筑面积建筑物内部得热(包括炊事、照明、家电和人体散热),α为计算系数,其中,α、qi,h与建筑类型有关,然后根据建筑面积得到单栋建筑的全年动态负荷,最后再对区域所有建筑能耗动态负荷进行逐时累加。
上述步骤S104中对分布式能源系统所在区域进行资源分析时,需要确定分布式能源系统所在区域的可利用资源类型及资源量,资源分析为后续的设备选型提供依据。区域可利用资源一般包括电、天然气、太阳能、地热、湖水源、污水源等。当然,区域可利用资源并不以此为限,还可以包括其他不常用的资源类型。电力资源一般需要确定该区域变压器装机容量及电压等级等信息,天然气资源一般需要确定天然气供气压力、燃料品质等信息,太阳能一般需要确定照度、可铺设太阳能面板面积等信息,地热、湖水源、污水源等则需要根据其面积、温度等参数确定最大换热量。
上述步骤S106在负荷分析、资源分析的基础上对分布式能源系统进行设备选型优化计算时首先需要建立不同能源设备(燃气内燃机、燃气轮机、溴冷机、热泵、冷水机组等)输入输出能量关系模型运行维护费用与设备负荷关系模型、设备功率价格关系模型、设备能源输入与污染物排放关系模型等,然后通过这些设备模型建立设备实例,最后在满足负荷需求、可用资源限制及设备运行限制等约束条件下进行优化计算,得到合理的设备类型及其功率。
图2为本发明实施例在负荷分析、资源分析的基础上对分布式能源系统进行设备选型优化计算的流程图。如图2所示,该优化计算步骤所包括的子步骤如下:
步骤S106a,建立分布式能源系统常用设备输入输出能量关系模型、运行维护费用与设备负荷关系模型、设备功率价格关系模型、设备能源输入与污染物排放关系模型等;
步骤S106b,根据可利用资源类型,确定待用能源设备类型;
步骤S106c,根据待用能源设备类型,调用步骤S106a中建立的设备模型,建立待用设备实例,设备实例包括输入输出能量关系实例,运行维护费用与设备负荷关系实例,设备功率价格关系实例,设备能源输入与污染物排放关系实例等;
步骤S106d,判断是否需要输入设备参数,如果是,执行步骤S10e,否则,执行步骤S106e’;
步骤S106e,接收输入额定设备参数,并将该额定设备参数代入步骤S106c所建立的待用设备实例中,执行步骤S106f;
步骤S106e’,获取默认的设备额定参数,并将该额定设备参数代入步骤S106c所建立的待用设备实例中,执行步骤S106f;
步骤S106f,调用全年能耗分时负荷信息、可利用资源量、待用设备实例,建立内层优化模型(包括优化变量,目标函数及约束条件)并求解;
步骤S106g,调用全年能耗分时负荷信息、待用设备实例,建立外层优化模型(包括优化变量、目标函数及约束条件)并求解;
步骤S106h,输出优化结果。
其中,步骤S106f和步骤S106g中还包括:根据全年能耗分时负荷计算结果确定每年最大负荷和平均负荷;选择待用能源设备最大供能输出;根据可利用能源类型的各种组合确定最大负荷和平均负荷时选用设备的组合方案,以该组合方案作为所述设备选型优化模型的初始设计进行设计优化迭代。
本领域技术人员应当了解,优化模型是可以根据用户需求调整的,可以根据用户的不同需求设置步骤S106f、S106g中的目标函数及约束条件,还可以调整步骤S106e中的设备参数直接代入步骤S106c中的设备实例中后直接进行后面的步骤,而并不影响整个实施例的执行。下面以一个简单的分布式能源系统为例具体阐述分布式能源系统智能优化设计过程:
某分布式能源系统的负荷情况为:夏季主要为电负荷以及制冷用热负荷、冬季主要为电负荷以及采暖用热负荷,春秋季节主要为用电负荷;当地能源的可利用情况为天然气和电力资源。由资源限制确定可用设备为以天然气、电为输入的供能设备,由于该区域全年存在电负荷需求,因此可以选择燃气内燃机、燃气轮机等发电设备,余热利用可选余热补燃型溴冷机、余热锅炉等设备,调峰可以选择电冷水机组、燃气溴冷机、燃气锅炉等设备。
然后由用户选择是否进行可选设备额定参数设定,如果用户设定可选设备额定参数,则需要用户输入可选设备的额定参数,否则采用默认的额定参数。最后进行智能设备选型优化计算。
在进行智能设备选型优化计算时采用两层优化的方式,及外层优化子模型和内层优化子模型,其中,外层优化子模型为:
优化变量为设备的额定功率,在本例中为燃气内燃机额定功率、燃气轮机额定功率、余热补燃型溴冷机额定功率、余热锅炉额定功率电冷水机组额定功率、燃气锅炉额定功率。
目标函数为生产年限内收益最高,即:
Obj=max(n(Ce,c,h-Ce,g-Crun)-Cinv)
上式中,n为该分布式能源系统生产年限,Ce,c,h为该分布式能源系统年度生产冷、热、电的销售收入,Ce,g为该分布式能源系统生产冷、热、电所消耗的电、燃气费用,Crun为该分布式能源系统内设备年度运行维修费用,Cinv为该分布式能源系统设备投资费用。上述变量中Ce,c,h、Ce,g、Crun采用典型年度系统运行优化计算得到(即内层优化),Cinv为各个设备投资之和,设备投资Cdevinv为设备额定功率的函数,即为优化变量的函数,需要调用设备功率价格实例计算得到。
约束条件为所有设备的额定功率之和可以满足负荷冷热需求,该优化模型为一个非线性优化模型,可以采用非线性优化算法对该模型进行求解。
内层优化为满足某一时刻负荷需求的情况下系统盈利最高的设备运行方案,其模型为:
优化变量为各设备能源供应量,其上限为外层优化变量(各设备的额定功率)。
目标函数为满足给定负荷需求情况下系统盈利最高,即:
Obj=max(ce,c,h-ce,g-crun)
上式中,ce,c,h为系统供应的冷、热、电销售收入,ce,g为系统消耗的电、燃气费用,crun为系统设备运行维护费用,上述三个变量的计算公式为:
ce,g=(GGE+GGT+Gwhlibr+Gwhgb+Ggb)*cgas+(PAC)*cpower;
crun=CGE+CGT+Cwhlibr+Cwhgb+Cgb+CAC。
上式中,P
GE为燃气内燃机发电量,G
GE为燃气内燃机耗气量,C
GE为燃气内燃机运行维护费用,P
GT为燃气内燃机发电量,G
GT为燃气内燃机耗气量,C
GT为燃气内燃机运行维护费用,
为燃气余热溴冷机制冷量,
为燃气余热溴冷机制热量,G
whlibr为燃气余热溴冷机耗气量,C
whlibr为燃气余热溴冷机运行维护费用,
为电冷水机组制冷量,P
AC为电冷水机组耗电量,C
AC为电冷水机组运行维护费用,
为燃气余热锅炉制热量,G
whgb为燃气余热锅炉耗气量,C
whgb为燃气余热锅炉运行维护费用;
为燃气锅炉制热量,G
gb为燃气锅炉耗气量,C
gb为燃气锅炉运行维护费用,c
online为上网电价,c
power为电价,c
cold为冷价,c
heat为热价。上述变量中发电量、制冷量、制热量为优化变量,可以直接得到;耗电量、耗气量及设备维护费用则需要调用设备模型进行计算。
设备模型通过设备特性的回归计算得到,设备消耗能源量与能源供应量关系模型的自变量为设备负荷系数(输出能量与额定输出能量之比),应变量为设备效率。举例来讲:
η=ηrf(β),
其中,ηgasboiler为设备效率,ηr为设备在典型工况下的额定效率,β为负荷系数。
设备运行维修费用与能源供应量关系模型的自变量为设备负荷系数(输出能量与额定输出能量之比),应变量为运行维护费用。
Crun=f1(β)
约束条件为分布式能源系统的输出应该满足热平衡、冷平衡、电力以及设备要求:
Pcustom≥PGE+PGT
上式中
为用户冷负荷;
为用户热负荷;P
custom为用户电负荷。该优化模型可以近似为线性优化模型,可以采用线性优化算法对该模型进行求解。
智能设备选型优化结果为该分布式能源系统的设备组成类型及功率。如在本例中,优化结果为:燃气内燃机额定功率为1.6MW,燃气轮机额定功率为0,燃气余热溴冷机额定功率为4.56MW,燃气余热锅炉额定功率为0,电冷水机组额定功率为4.6MW,燃气锅炉额定功率为2MW,则智能选型优化结果为设备系统组成为燃气内燃机、燃气余热溴冷机、电冷水机组、燃气锅炉,它们的功率分别为1.6MW、4.56MW、4.6MW、2MW。
以上对目标函数为生产年限内收益最高的外层优化子模型和目标函数为满足给定负荷需求情况下系统盈利最高的内层优化子模型进行了详细说明。本领域技术人员应当清楚,根据用户需求的不同,可以选择对应目标函数的优化模型进行优化,而不应限于上述优化模型,同样应当包含在本发明的保护范围之内,例如,用于需求为CO2排放最少,则其目标函数为系统设备CO2排放量最少:
上式中,i为该分布式能源系统中的设备序号,为该设备的CO2排放量,需要调用设备能源输入与污染物排放关系实例建立优化变量与目标函数之间的关系。
步骤S108包括通过智能设备选型得到分布式能源系统各个设备功率后对该分布式能源系统运行方案进行优化,优化模型采用的设备模型与设计优化阶段采用的设备模型相同,优化变量为单个时刻各个设备能源消耗量,目标函数为运行费用最低或能效最高等,约束条件为分布式能源系统供冷热量能够满足负荷需求,其设备可以正常运行,可以采用线性优化算法对该优化模型进行求解,该优化得到的是全年某一时刻的设备最优运行方案(各个设备的负荷情况),对全年8760个小时逐时对运行方案进行优化即可得到设备全年最优运行方案。
下面运用智能选型阶段的简单例子对步骤S108进行进一步阐述:S108是对通过智能设备选型得到分布式能源系统各个设备功率后对分布式能源系统运行方案进行优化。
优化变量为各设备能源供应量及其启停状态,即:燃气内燃机发电量P
GE及其启停状态w
GE,燃气余热溴冷机制冷量
制热量
及其启停状态w
whlibr,电冷水机组制冷量
及其启停状态w
AC,设备能源供应量上限为设备的额定功率,下限为设备最小负荷功率;设备启停状态为0、1两个整数状态量,0表示设备关闭,1表示设备开启。
目标函数为满足给定负荷需求情况下系统盈利最高,即:
Obj=max(ce,c,h-ce,g-crun)
上式中,ce,c,h为系统供应的冷、热、电销售收入,ce,g为系统消耗的电、燃气费用,crun为系统设备运行维护费用,上述三个变量的计算公式为:
ce,g=(WGEGGE+WwhlibrGwhlibr+WgbGgb)*cgas+(WACPAC)*cpower
crun=WGECGE+WwhlibrCwhlibr+WgbCgb+WACCAC
约束条件为分布式能源系统的输出应该满足热平衡、冷平衡、电力以及设备要求:
Pcustom≥WGEPGE。
该优化模型为混合整型优化模型,采用混合整型优化算法对该模型进行求解。优化计算结果为某一时刻各个设备的能源供应量及启停状况,对全年8760个小时逐时进行优化即可得到系统设备全年最优运行情况。
步骤S112中包括:根据分布式能源系统所有设备全年运行方案可以对设计的分布式能源系统进行技术经济指标分析,确定在当前设备选型和组态基础上最优的系统运行状态下的经济指标、能耗指标、能效指标、CO2排放指标等各项技术经济指标。通过分析这些技术经济指标用户可以判断该方案是否满足用户需求,如果满足用户需求,则该优化工作完成,如果不能满足用户需求,则需求从智能优化设计开始重新进行智能优化设计、系统运行方案优化计算、设备分时运行情况及系统技术经济指标,直至满足用户需求,此优化过程可由人工进行或计算机自动完成。
综上所述,本发明针对目前分布式能源系统设计选取的能源系统规模偏大的问题提出一种基于动态负荷预测的分布式能源系统设计方法,该方法根据分布式能源系统负荷动态分布情况、能源系统所属区域的可用资源情况及已建立好的能源设备模型对分布式能源系统进行智能设备选型优化计算,并根据负荷动态信息对优化选型得到的分布式能源系统及系统设备进行运行优化,从而得到系统及各设备的分时运行状况及系统的经济技术指标,为分布式能源系统的设计工作提供帮助。
本发明可用于新建住宅园区、工业园区或生态城市的分布式能源系统的设计。与传统能源系统规划设计方法相比,本发明分布式能源系统设计方法具有更高的能源利用效率及更佳的性能价格比,具体来讲:
1、根据全年逐时负荷情况及资源可利用情况采用优化算法对分布式能源系统进行选型(设备类型及其功率),解决了能源系统选型规模偏大的问题,减小了设备选型,从而减小了系统投资;
2、使用标准气象数据库进行建筑动态负荷预测,根据预测结果进行能源系统设计,从而使分布式能源系统节约了能源,具有更高的能源利用效率;
3、对智能设备选型得到的分布式能源系统进行运行方案优化计算,提高了系统利用率,从而节约了能源费用和运行费用;
4、依据建筑系统动态负荷以及优化后的运行方案对能源系统进行技术经济分析,从而使客户能够对分布式系统的技术经济情况有客观的了解;并且,本方法依据技术经济分析结果自动或人工进行优化能源系统优化设计,可以进一步提高效率。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。