CN105783112A - 一种多热源集中供热系统智能调度和运行规划方法 - Google Patents
一种多热源集中供热系统智能调度和运行规划方法 Download PDFInfo
- Publication number
- CN105783112A CN105783112A CN201610228205.4A CN201610228205A CN105783112A CN 105783112 A CN105783112 A CN 105783112A CN 201610228205 A CN201610228205 A CN 201610228205A CN 105783112 A CN105783112 A CN 105783112A
- Authority
- CN
- China
- Prior art keywords
- heat
- node
- epsiv
- formula
- source
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000013439 planning Methods 0.000 title claims abstract description 38
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 171
- 238000010792 warming Methods 0.000 claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims description 60
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000005265 energy consumption Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 20
- 230000005855 radiation Effects 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 16
- 239000007789 gas Substances 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000005611 electricity Effects 0.000 claims description 13
- 239000005431 greenhouse gas Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 11
- 239000003795 chemical substances by application Substances 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000002485 combustion reaction Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 230000001172 regenerating effect Effects 0.000 claims description 6
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 5
- 240000002853 Nelumbo nucifera Species 0.000 claims description 5
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 5
- 230000033228 biological regulation Effects 0.000 claims description 5
- 239000000446 fuel Substances 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 5
- 238000000205 computational method Methods 0.000 claims description 4
- 230000008676 import Effects 0.000 claims description 3
- 230000002262 irrigation Effects 0.000 claims description 3
- 238000003973 irrigation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 239000003507 refrigerant Substances 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004134 energy conservation Methods 0.000 abstract 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 17
- 238000005457 optimization Methods 0.000 description 9
- 239000008400 supply water Substances 0.000 description 8
- 241000196324 Embryophyta Species 0.000 description 5
- 239000003345 natural gas Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000002803 fossil fuel Substances 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000013028 emission testing Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 239000003517 fume Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
- F24D19/1009—Arrangement or mounting of control or safety devices for water heating systems for central heating
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D3/00—Hot-water central heating systems
- F24D3/10—Feed-line arrangements, e.g. providing for heat-accumulator tanks, expansion tanks ; Hydraulic components of a central heating system
Abstract
本发明涉及一种多热源集中供热系统智能调度和运行规划方法,步骤如下:1)将多热源集中供热系统简化为管线图和节点图;2)确定节点质量流量和水温;3)确定多热源集中供热系统智能调度和运行规划基于经济性、节能性和环保性的目标函数模型;4)通过NSGA‑II算法求解所述目标函数模型的Pareto最优解集;5)进行多属性决策,从Pareto最优解集中选出最终解。本发明建立的多热源智能调度和运行规划模型能够针对给定的热负荷进行各热源供水温度和流量的最优分配,实现运行成本、一次能源节省率和全球变暖影响指数综合最优的供热。
Description
技术领域
本发明属于多热源集中供热技术领域,特别涉及一种多热源集中供热系统智能调度和运行规划方法。
背景技术
多热源集中供热能够节约能源和降低供热成本,是在综合运用水泵变频技术和控制技术基础上发展起来的一项先进的供热技术。多热源的联网运行能够增加热网运行的灵活性和互补性,提高供热系统的经济性和可靠性。因此,随着集中供热面积的增大,热网供热规模不断扩大,北方许多城市已经建造了多个热源,部分城市开始尝试多热源联网运行作为降低供热成本的有效途径。多热源的联网运行可以优化各热源的生产和运行方式,但对系统自动监测、计算机仿真、系统决策、变流量及压力控制等技术提出了很高的要求。
随着建设绿色生态、低碳环保和节能减排的城市发展理念提出,集中供热系统的热源种类日益增多,如清洁高效的热电联产、燃烧天然气的燃气锅炉房、地源热泵、污水源热泵、烟气余热利用型吸收式热泵等等。这些热源供热成本各不相同、产热效率和污染物排放也各不相同,当一个供热系统中含有两个及以上热源的时候,如何在满足用户用热需求的同时,合理调度各热源的产热量、供水温度及供水流量,对供热系统的综合性能至关重要。
发明内容
针对现有技术不足,本发明提供了一种多热源集中供热系统智能调度和运行规划方法。
一种多热源集中供热系统智能调度和运行规划方法,包括以下步骤:
1)将多热源集中供热系统简化为管线图和节点图;节点根据位置不同,分为源点、用户节点和中间节点;规定节点的数量用N表示,源点的数量用NR表示,用户节点的数量用NC表示,中间节点的数量用NI表示,三条及以上管线交汇节点的数量用NJ表示,管线的数量用NB表示;则节点集为n={n1,n2,…,nN},管线集为
2)确定节点质量流量和水温;
3)确定多热源集中供热系统智能调度和运行规划基于经济性、节能性和环保性的目标函数模型,表达式如下:
式中,
①、CT表示供热运行成本,其是热源产热成本CH与热量输送成本之和,所述热量输送成本包括水泵运行成本CPu和管网热损失成本CW两部分:
CT=CH+CPu+CW(2)
②、SPER表示一次能源节省率,多热源联合供热系统的SPER是在相同供热对象下,单位时间内该系统相对于使用一次能源的传统供热系统的一次能源节约量与传统供热系统一次能源消耗量的比值,表示为:
式中:PECDH——传统供热系统供暖期内一次能源消耗量,kJ/a;
PERDH——新供热系统中使用了可再生能源和节能技术的供热热源供暖期内一次能源消耗量,kJ/a;
PE′CDH——新供热系统中传统热源供暖期内一次能源消耗量,kJ/a;
③、GWI表示全球变暖影响指数,多热源供热系统服务年限内的全球变暖影响指数GWI作为评价其在不同智能调度和运行方案时的环保性指标;供热系统的GWI包含直接影响指数DGWI和间接影响指数IGWI;
GWI=DGWI+IGWI(4)
直接影响指数DGWI是传统热源排放温室气体及制冷剂泄漏对全球变暖的影响指数,其中不考虑水蒸气对全球变暖的影响;间接影响指数IGWI是供热系统中消耗的电量对全球变暖的间接影响指数,所述消耗的电量仅考虑循环水泵电耗和热泵压缩机运行电耗;
4)通过NSGA-II算法求解所述目标函数模型的Pareto最优解集;
5)进行多属性决策,从Pareto最优解集中选出最终解。
优选地,
1.1、迭代法求解节点质量流量和水温,首先根据预测的各用户节点的热负荷估算各用户初始质量流量mi(0),利用mi(0)计算得出节点质量流量向量m(0),再根据m(0)计算得出节点温度向量T(1),进而根据T(1)计算得出节点质量流量向量m(1),从而得出各用户质量流量mi(1),此时判断是否符合|mi(1)-mi(0)|<10-4,若是,则输出节点温度向量T和节点质量流量向量m后结束,若否,则以新的各用户质量流量mi替代用户初始质量流量mi(0)重新计算,直至迭代成功;
其中,
1)流量计算的方法为:
各用户节点的热水质量流量由式(5)计算得到,
式中:mi——第i个用户节点的热水质量流量,kg/s;
qi——第i个用户节点的热负荷,W;由热负荷预测模型预测得到;
Cp——水的定压比热,J/(kg·K);
△Ti——第i个用户处供回水温差,K;
任意时刻,任一节点,应满足质量守恒方程,即流入某节点的热水流量减去流出该节点的热水流量应等于该节点消耗或产出的热水流量,如式(6):
式中:mi,j——流出管段的热水质量流量,kg/s;
mj,i——流入管段的热水质量流量,kg/s;
mV,i——第i个节点消耗或产出的热水质量流量,kg/s,规定,消耗的流量为正,产出的流量为负;
由此,整个供热系统所有节点的质量守恒方程,以矩阵形式表达,如式(7);
Am=mV(7)
式中:A——供热系统的关联矩阵,维数为N×NB;
m——节点质量流量向量,m=(m1,m2,…,mN)T;
mV——节点消耗或产出的热水质量流量向量,mV=(mV,1,mV,2,…,mV,N)T;
其中,关联矩阵A为:
式中,α=1,2,3,…,N;β=1,2,3,…,NB;
若某一热源所承担热负荷能够变动,则对多热源供热系统存在多种负荷分配方案能够满足式(8);
2)水温计算的方法为:
为了得到每个节点的供、回水温度,需要从热源开始依次往后推算每条管线的温降;对于供热系统,直埋供热管道内的水温与时间及管长呈指数关系下降,任一管线内热水的温降为:
式中:ΔTi,j——管线由于散热损失引起的温降,K;
Ti——第i节点处热水的温度,K;
Ts——土壤温度,K;
Ki,j——管段外表面的传热系数,W/(m2·K);
di,j,o——管段的外径,m;
Li,j——管段的管长,m;
根据热量守恒及质量守恒定律,推导得出管线汇入节点处的热水温度,供、回水管段节点水温的计算式分别为式(11)和式(12):
式中:Ti→j——从节点i计算得到的第j节点处热水温度,K;
Tj→i——从节点j计算得到的第i节点处热水温度,K。
1.2、所述热源产热成本CH的计算方法为:
整个供热系统的热源产热成本CH为所有热源的产热成本之和,即:
各热源的产热成本按其单位产热成本乘以产热量计算,为:
式中:CH,i——第i热源的产热成本,元;
Qi——第i个热源所承担的热负荷,kW;
PRi——第i热源的单位产热成本,元/(kWh);
Hi——第i热源在所承担对应热负荷下的运行时间,h;
根据求解得到的各热源温度和质量流量,计算出各热源所承担的热负荷:
式中:mV,i——第i个节点消耗或产出的热水质量流量,kg/s,规定,消耗的流量为正,产出的流量为负;
Cp——水的定压比热,J/(kg·K);
Ti g——第i个节点的流出水温,K;
Ti h——第i个节点的流入水温,K;
所述单位产热成本包括热源设备折旧费用、设备保养及维修费用、燃料消耗费用、运行及管理人员劳务成本,同时考虑资本回收系数。
1.3、所述水泵运行成本CPu的计算方法为:
CPu=CeEPuHPu(18)
式中:Ce——电价,元/(kW·h);
HPu——水泵运行时间,h;
EPu——循环水泵耗电量,kW;
循环水泵所耗电量EPu为:
式中:ηPu——循环水泵效率;
mPu——循环水泵质量流量,kg/s;
ρw——水的密度,kg/m3;
ΔPPu——水泵所需提供的扬程,kPa;
水泵所需提供的扬程ΔPPu为:
ΔPPu=2ΔPg+ΔPH+ΔPC(20)
式中:ΔPg——供水管网最不利环路的压降,kPa,规定供、回水管网的压降相同,由热网水力计算模型求得;
ΔPH——热水在热源内部的压损,kPa;
ΔPC——用户所需要的最小压差,kPa。
1.4、在节点质量流量与水温计算的基础上,根据供热管网中每段管线的供、回水温度,由管道允许最大散热损失,即表1所列的温度范围插值计算单位管长的散热损失后乘以管线长度,即得到各条管线的热损失,然后根据流量分配将相应管线划归为对应热源,合供管线则根据各热源所承担的热负荷比将其散热损失划归至不同热源;得到各热源所承担的散热损失后,再乘以各自的产热成本即得管网热损失成本CW,为:
式中:LTh,i——第i个热源对应的热媒输送过程中的散热损失,kW;
PRi——第i热源的单位产热成本,元/(kWh);
Hi——第i热源在所承担对应热负荷下的运行时间,h;
表1
所述单位产热成本包括热源设备折旧费用、设备保养及维修费用、燃料消耗费用、运行及管理人员劳务成本,同时考虑资本回收系数。
1.5、当供热对象相同和热媒参数相同时,不管是采用传统供热系统,还是采用可再生能源和节能技术的供热系统,输送热媒的水泵电耗视为相等,因此,计算SPER的过程中忽略水泵电耗所需的一次能源消耗,供热系统供暖期内一次能源消耗量仅计算热源产热的一次能源消耗量;
式中:QRE,i——供暖期内第i个利用可再生能源热泵的热源所承担的热负荷,kJ/a;
COPRE,i——供暖期内第i个利用可再生能源热泵的热源的平均性能系数;
ηPTE——一次能源转化为电能的转化效率,即发电效率;
QES,j——供暖期内第j个使用节能技术的热源所承担的热负荷,kJ/a;
ηES,j——供暖期内第j个使用节能技术的热源的产热效率;
式中:QCR,k——供暖期内第k个传统热源所承担的热负荷,kJ/a;
ηCR,k——供暖期内第k个传统热源的产热效率。
1.6、直接影响指数DGWI与一次能源燃烧产物排放及制冷剂泄漏有关,直接影响指数DGWI的计算式为:
式中:rm,i——第i个热泵热源的制冷剂年补灌率;
ni——第i个热泵热源的服务年限,a;
rl——第i个热泵热源报废时的制冷剂损失率;
RCh,i——第i个热泵热源的制冷剂初始充装量,kg;
GWPRf,i——第i个热泵热源所使用的制冷剂GWP值;
Qj——第j个燃用一次能源的热源所承担的热负荷,kJ/a;
ηj——第j个燃用一次能源的热源的燃烧效率与产热效率之积;
Hl——一次能源低热值,kJ/Nm3;
nj——第j个燃用一次能源的热源的服务年限;
——一次能源燃烧后的CO2排放浓度,kg/Nm3,按一次能源完全燃烧计算得到。
1.7、间接影响指数IGWI的计算式为:
式中:——每生产1kW·h电所排放的CO2当量,kg/(kW·h);
ni——第i个热泵热源的服务年限,a;
QRE,i——供暖期内第i个利用可再生能源热泵的热源所承担的热负荷,kJ/a;
COPRE,i——供暖期内第i个利用可再生能源热泵的热源的平均性能系数;
HPu——水泵运行时间,h;
EPu——循环水泵耗电量,kW;
循环水泵所耗电量EPu为:
式中:ηPu——循环水泵效率;
mPu——循环水泵质量流量,kg/s;
ρw——水的密度,kg/m3;
ΔPPu——水泵所需提供的扬程,kPa;
计算单位产电的CO2当量排放量时取燃煤发电技术的排放数据;发电系统影响全球变暖的气体包括CO2、CH4、CO和N2O,按CH4、CO和N2O的GWP值计算CO2当量为:
式中:——每生产1kW·h电所排放的CO2、CH4、CO和N2O量,kg/(kW·h)。
1.8、采用改进的TOPSIS法进行多属性决策,从Pareto最优解集中选出最终解;所述改进的TOPSIS法,具体计算步骤如下:
1)构建原始数据矩阵
假设有m个备选方案和n个属性,则m个备选方案对应n个属性的指标值构成原始数据矩阵Y:
式中:ε=1,2,3,…,m;γ=1,2,3,…,n;
2)原始数据矩阵规范化
对原始数据矩阵Y进行正向化和无量纲化处理:
如果第γ项属性为越大越好的正指标,原始数据矩阵Y中相应数据作如下处理:
如果第γ项属性为越小越好的逆指标,原始数据矩阵Y中相应数据作如下处理:
可得正向化和无量纲化的规范化矩阵R,为:
3)构建决策矩阵
为了便于熵值法的应用,对规范化矩阵R进行归一化处理,构建决策矩阵P:
4)熵值法确定评价指标权重
熵值法是根据决策矩阵所提供信息量的大小来确定各属性权重的方法,是一种客观确定评价指标权重的方法;各属性所蕴含的决策信息量的大小由其熵值表示:
式中:Hγ——第γ项属性的熵值,Hγ∈[0,1];规定:若pεγ=0,则pεγlnpεγ=0;
第γ项属性的差异系数的计算式为:
eγ=1-Hγ(34)
eγ越大,表明第γ项属性包含和传输的信息量越大,该属性在多属性评价中的重要性也越高;
根据差异系数可求得第γ项属性的权重:
5)确定属性的正、负理想值
属性的正理想值向量Z+和负理想值向量Z-,分别定义为:
Z+=(r1 +,r2 +,…,rn +)(36)
Z-=(r1 -,r2 -,…,rn -)(37)
rγ +=max(r1γ,r2γ,…,rmγ),γ=1,2,…,n(38)
rγ -=min(r1γ,r2γ,…,rmγ),γ=1,2,…,n(39)
6)计算备选方案到正、负理想点的距离
由欧几里德距离公式计算备选方案到正理想点的距离Dε +和负理想点的距离Dε -,分别为:
7)计算备选方案的综合评价指数
8)所有备选方案优劣排序
根据各备选方案的综合评价指数按从大到小的顺序对各备选方案优劣排序,确定多热源集中供热系统智能调度和运行规划的最优方案。
1.9、对多条管线同时供水的节点设定相应管线最大供水温差,为了减轻管道的低周疲劳,所述最大供水温差取10℃。
本发明的有益效果为:本发明建立的多热源智能调度和运行规划模型能够针对给定的热负荷进行各热源供水温度和流量的最优分配,实现运行成本、一次能源节省率和全球变暖影响指数综合最优的供热。
附图说明
图1为一次网侧调峰热源与基本热源并联连接供热系统的示意图;
图2为图1所示供热系统的简化图;
图3为节点流量及水温迭代计算程序框图;
图4为NSGA-II算法求解多热源智能调度和运行规划模型框图。
标号说明:1-燃气电厂(第一节点),2-第一水力交汇点(第二节点),3-第一换热站(第三节点),4-第二水力交汇点(第四节点),5-第二换热站(第五节点),6-第三水力交汇点(第六节点),7-第三换热站(第七节点),8-调峰锅炉房(第八节点)。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
一种多热源智能调度和运行规划方法:
1)将多热源集中供热系统简化为管线图和节点图
实际的供热系统包括热源、热用户和一个复杂多变的大规模供热管网,为了使供热系统的设计、改造以及运行管理更加方便,需要对实际的供热系统简化和抽象,最后只剩下管线和节点两种元素,管线代表供水、回水管段,每条管线连接一些节点,主要体现它们之间的水力特性关系和拓扑关系,以便于用数据、图形的表达和分析。对于大型供热系统的一次网,管线数量多,对所有管线进行计算基本是不可能的,在实际过程中也是不必要的,因此需要将管网进行简化。管网简化是指人为的去掉实际供热管网中一些不太重要的附属设备如阀门、补偿器等,从而使计算和分析集中在主要的研究对象。管网简化的目的是将实际管网问题转化为数学问题进行求解和分析,再将分析结果应用到实际管网中。
节点根据位置不同,可分为源点、用户节点和中间节点。规定节点的数量用N表示,源点的数量用NR表示,用户节点的数量用NC表示,中间节点的数量用NI表示,三条及以上管线交汇节点的数量用NJ表示,管线的数量用NB表示,则节点集为n={n1,n2,…,nN},管线集为
2)确定节点质量流量和水温
21、流量计算
多热源供热系统的调度和运行规划是为了更优地满足用户的热负荷,供热管道中的流量瞬时变化,节点流量也随之变化。各用户节点的热水质量流量,由式(5)计算得到。
式中:mi——第i个用户节点的热水质量流量,kg/s;
qi——第i个用户的热负荷,W;可采用多种预测方法进行确定,如采用公开文献(孟萌萌.基于RBF神经网络短期热网负荷预测研究[D].哈尔滨:哈尔滨工业大学,2009)提出的基于径向基函数神经网络热网负荷预测方法;
Cp——水的定压比热,J/(kg·K);
△Ti——第i个用户处供回水温差,K。
任意时刻,任一节点,应满足质量守恒方程,即流入某节点的热水流量减去流出该节点的热水流量应等于该节点消耗或产出的热水流量,如式(6):
式中:mi,j——流出管段的热水质量流量,kg/s;
mj,i——流入管段的热水质量流量,kg/s;
mV,i——第i个节点消耗或产出的热水质量流量,kg/s,规定,消耗的流量为正,产出的流量为负。
由此,整个供热系统所有节点的质量守恒方程,可以以矩阵形式表达,如式(7):
Am=mV(7)
式中:A——供热系统的关联矩阵,维数为N×NB;
m——节点质量流量向量,m=(m1,m2,…,mN)T;
mV——节点消耗或产出的热水质量流量向量,mV=(mV,1,mV,2,…,mV,N)T。
其中,关联矩阵A为:
式中,α=1,2,3,…,N;β=1,2,3,…,NB;
若某一热源所承担热负荷可以变动,则对多热源供热系统存在多种负荷分配方案能够满足式(8)。
22、水温计算
在多热源供热系统的智能调度和规划中,水温的确定至关重要,不仅可以通过计算得到的源点回水温度确定热源的供回水温差和产热量,而且可以监督供给用户的水温是否过高。
对于直埋敷设的供热管道,不论供水管段还是回水管段,热水在流动过程中都存在与周围土壤之间的散热损失。为了得到每个节点的供、回水温度,需要从热源开始依次往后推算每条管线的温降。对于供热系统,直埋供热管道内的水温与时间及管长呈指数关系下降,任一管线内热水的温降为:
式中:ΔTi,j——管线由于散热损失引起的温降,K;
Ti——第i节点处热水的温度,K;
Ts——土壤温度,K;
Ki,j——管段外表面的传热系数,W/(m2·K);
di,j,o——管段的外径,m;
Li,j——管段的管长,m。
随后,可得到节点j处的热水温度Tj为:
而某些节点可能同时是两条及以上管线的终点,如图2中的第二水力交汇点4,将有不同温度的热水流入这些节点,此时,需要分别计算从不同管线流入此类节点的水温,即
式中:Ti→j——从节点i计算得到的第j节点处热水温度,K。
然后,可根据热量守恒及质量守恒定律,推导得出多管线汇入节点处的温度,供、回水管段节点水温的计算式分别为式(11)和式(12)。
显而易见,式(43)是式(11)和式(12)的特例。
23、流量和水温的求解
由式(5)和式(11)可知,用户节点流量取决于供水温度,而供水温度的确定又需要用到节点流量,因此需要迭代求解流量和水温。迭代计算框图如图3所示,首先估算各用户初始流量mi(0),利用mi(0)计算得出节点质量流量向量m(0),再根据m(0)计算得出节点温度向量T(1),进而根据T(1)计算得出节点质量流量向量m(1),从而得出各用户质量流量mi(1),此时判断是否符合|mi(1)-mi(0)|<10-4,若是,则输出节点温度向量T和节点质量流量向量m后结束,若否,则以新的各用户质量流量mi替代用户初始质量流量mi(0)重新计算,直至迭代成功。
3)确定多热源集中供热系统智能调度和运行规划基于经济性、节能性和环保性的目标函数模型
31、供热运行成本包括热源产热成本和热量输送成本,其中,本项目考虑的热量输送成本又包括水泵运行成本和管网热损失成本两部分。
①、热源产热成本
根据步骤2)求解得到的各热源温度和流量,计算出各热源所承担的热负荷。
式中:Qi——第i个热源所承担的热负荷,W;
各热源的产热成本按其单位产热成本乘以产热量计算,为:
式中:CH,i——第i热源的产热成本,元;
PRi——第i热源的单位产热成本,元/(kWh);
Hi——第i热源在所承担对应热负荷下的运行时间,h。
单位产热成本包括热源设备折旧费用、设备保养及维修费用、燃料消耗费用、运行及管理人员劳务成本,同时考虑资本回收系数。
整个供热系统的产热成本为所有热源的产热成本之和,即:
②、热量输送成本包括水泵运行成本CPu和管网热损失成本CW两部分
a、水泵运行成本
循环水泵是整个热网运行的心脏,为热媒在热源、热网、用户之间循环提供动力,并保证热媒具有一定的压力。水泵所需提供的扬程为:
ΔPPu=2ΔPg+ΔPH+ΔPC(20)
式中:ΔPg——供水管网最不利环路的压降,kPa,在此,认为供、回水管网的压降相同,由热网水力计算模型(参照《供热工程》(第四版)贺平等编著,中国建筑工业出版社)求得;
ΔPH——热水在热源内部的压损,kPa;
ΔPC——用户所需要的最小压差,kPa。
循环水泵所耗电量为:
式中:EPu——循环水泵耗电量,kW;
ηPu——循环水泵效率;
mPu——循环水泵质量流量,kg/s;
ρw——水的密度,kg/m3。
则,水泵运行成本为:
CPu=CeEPuHPu(18)
式中:Ce——电价,元/(kW·h);
HPu——水泵运行时间,h。
b、管网热损失成本
供热管网在输送热媒的过程中,不可避免的存在与周围环境的散热损失,增加了热源的产热量,本项目在计算管网热损失成本时忽略循环水量增加导致的水泵电耗。《设备及管道保温技术通则》(GB4272-92)中指出了管道散热损失与其输送热媒的温度及管长有关,而与其输送热量无关,并给出了管道允许最大散热损失计算表,如表1所示。
表1管道季节运行工况允许最大散热损失
在步骤2)节点质量流量与水温计算的基础上,可根据供热管网中每段管线的供、回水温度,由表1所列的温度范围插值计算单位管长的散热损失后乘以管线长度,即得到各条管线的热损失,然后根据流量分配将相应管线划归为对应热源,合供管线则根据各热源所承担的热负荷比将其散热损失划归致不同热源。得到各热源所承担的散热损失后,再乘以各自的产热成本即得管网热损失成本CW,为:
式中:LTh,i——第i个热源对应的热媒输送过程中的散热损失,kW;
PRi——第i热源的单位产热成本,元/(kWh);
Hi——第i热源在所承担对应热负荷下的运行时间,h。
整个供热运行成本是热源产热成本与热量输送成本之和,为:
CT=CH+CPu+CW(2)
32、一次能源节省率
随着可再生能源利用技术的日益发展,地源热泵、污水源热泵和太阳能热泵等高效节能技术将不断应用到城市供热系统中来,作为供热热源,为了今后分析多热源联合供热系统的节能效果,本项目构建一次能源节省率SPER作为节能效益指标。多热源联合供热系统的SPER是在相同供热对象下,单位时间内该系统相对于使用一次能源(矿物燃料,如煤、天然气、油等)的传统供热系统的一次能源节约量与传统供热系统一次能源消耗量的比值,可表示为:
式中:PECDH——传统供热系统供暖期内一次能源消耗量,kJ/a;
PERDH——新供热系统中使用了可再生能源和节能技术的供热热源供暖期内一次能源消耗量,kJ/a;
PE'CDH——新供热系统中常规传统热源供暖期内一次能源消耗量,kJ/a。
当供热对象相同和热媒参数相同时,不管是采用传统供热系统,还是采用可再生能源和节能技术的供热系统,输送热媒的水泵电耗可视为相等,因此,计算SPER的过程中忽略水泵电耗所需的一次能源消耗,供热系统供暖期内一次能源消耗量仅计算热源产热的一次能源消耗量。
式中:QRE,i——供暖期内第i个利用可再生能源热泵的热源所承担的热负荷,kJ/a,可由步骤2)计算求得;
COPRE,i——供暖期内第i个利用可再生能源热泵的热源的平均性能系数;
ηPTE——一次能源转化为电能的转化效率,即发电效率,目前我国燃煤发电技术的发电效率约为38%;
QES,j——供暖期内第j个使用节能技术的热源所承担的热负荷,kJ/a,可由步骤2)计算求得;
ηES,j——供暖期内第j个使用节能技术的热源的产热效率。
式中:QCR,k——供暖期内第k个传统热源所承担的热负荷,kJ/a,可由步骤2)计算求得;
ηCR,k——供暖期内第k个传统热源的产热效率。
33、全球变暖影响指数
联合国政府间气候变化专门委员会(IPCC)在2014年发布的第五次评估报告中指出,自1880年以来,地球平均的表面温度上升0.85℃,自20世纪以来,全球平均气温上升了0.89℃,过去30年是是自公元600年以来最热的30年,报告还指出,温室气体仍在不断增加,全球气候将继续变暖,估计到2100年,全球平均气温将上升2~4.8℃,来自化石燃料的碳排放和土地的使用导致温室气体已达到前所未有的最高水平,至少是80万年来的最高水平,全球变暖及其产生的影响不仅是气候和全球环境领域的突出问题,而且是一个涉及到能源、政治和经济领域的重大问题,已经得到了国际社会的普遍关注。
化石燃料燃烧排放的CO2、CH4和N2O及热泵行业广泛采用的氟烃化合物(CFCs)和氟氯烃化合物(HCFC)对全球变暖起着重要作用。本项目选用多热源供热系统服务年限内的全球变暖影响指数(GlobalWarmingIndex,GWI)作为评价其在不同智能调度和运行方案时的环保性指标。
由于辐射特性不同及在大气中的寿命不同,不同气体对全球气候变暖的影响不同。国际社会普遍采用全球变暖潜能(GWP)来度量温室气体对气候的影响。所谓全球变暖潜能是指某一单位质量的温室气体在一定时期内相对于CO2的累计辐射,是将特定气体和相同质量CO2(CO2的GWP定义为1)比较之下造成全球变暖的相对能力。温室气体的GWP值越高,温室效应就越大。此外,GWP大小与使用的评估期限长短有关,通常评估期限取100年,所以,本项目以各温室气体100年的数据为基准,折算成CO2当量。表2给出了一些温室气体的GWP值。
表2部分温室气体全球变暖潜能值
供热系统的GWI包含两部分,即直接影响指数(DGWI)和间接影响指数(IGWI)。
GWI=DGWI+IGWIkgCO2(4)
针对未来科技城已建和规划热源,DGWI与天然气燃烧排放产物有关。天然气主要成分是甲烷,完全燃烧后产物为CO2和水蒸气。虽然水蒸气也是一种重要的温室气体,但它的时空分布变化较大,人类没有办法降低大气中水蒸气的浓度,且水蒸气有助于云层的形成,进而吸收和反射太阳辐射给地球降温,因此本发明不考虑天然气燃烧产生的水蒸气对全球变暖的影响。
综上所述,DGWI的计算式为:
式中:rm,i——第i个热泵热源的制冷剂年补灌率;
ni——第i个热泵热源的服务年限,a;
rl——第i个热泵热源报废时的制冷剂损失率;
RCh,i——第i个热泵热源的制冷剂初始充装量,kg;
GWPRf,i——第i个热泵热源所使用的制冷剂GWP值;
Qj——第j个燃用一次能源的热源所承担的热负荷,kJ/a;
ηj——第j个燃用一次能源的热源的燃烧效率与产热效率之积;
Hl——一次能源低热值,kJ/Nm3;
nj——第j个燃用一次能源的热源的服务年限;
——一次能源燃烧后的CO2排放浓度,kg/Nm3,按一次能源完全燃烧计算得到。
由于本实施方式中没有热泵热源,所以公式(24)中等式右侧第一项为0,无需计算。
IGWI和供热系统中消耗的电量有关,本项目考虑的电耗仅包括循环水泵电耗和热泵压缩机运行电耗。IGWI的计算式为:
式中:——每生产1kW·h电所排放的CO2当量,kg/(kW·h)。
由于本实施方式中无热泵热源,所以公式(25)中等式右侧括弧中的第二项为0,无需计算。
计算单位产电的CO2当量排放量时取燃煤发电技术的排放数据。发电系统影响全球变暖的气体包括CO2、CH4、CO和N2O,按CH4、CO和N2O的GWP值计算CO2当量为:
式中:——每生产1kW·h电所排放的CO2、CH4、CO和N2O量,kg/(kW·h)。
34、目标函数模型
由31、32和33可得多热源智能调度和运行规划的经济性、节能性和环保性目标函数模型,表达式如下:
集中供热系统多热源智能调度和运行规划即是在满足所有用户用热需求下,以供热系统运行成本最低、一次能源节省率最大和全球变暖影响指数最小为目标,确定每个热源的供水温度和流量。
4)目标函数模型求解
由式(1)可知,本项目建立的多热源智能调度和运行规划优化模型为多目标优化模型。通常,多目标优化问题中的各目标往往是互相冲突的,不可能使所有目标同时达到最优,因此必须权衡或折中处理各个优化目标,尽可能使目标函数达到最优化。与单目标优化存在唯一的最优解不同,多目标优化的计算结果是是一组相对最优的解集,被称为Pareto最优解集。为了保证Pareto最优性,本项目采用优化过程直接面向Pareto最优解的NSGA-II算法求解多热源智能调度和运行规划模型,图4为算法框图。
5)进行多属性决策,从步骤4)所得最优解集中选出最终解
通过NSGA-II算法求解得到Pareto最优解集后,还需要根据决策者偏好,挑选出最终的折中解或最优解,这属于多属性决策问题,为了避免依赖专家意见调查法或层次分析法对评价指标权重确定过程中的主观性影响,本项目采用改进的TOPSIS法进行多属性决策,该方法引入了熵的概念以保证评价指标权重确定的客观性。具体计算步骤如下:
①、构建原始数据矩阵
假设有m个备选方案和n个属性,则m个备选方案对应n个属性的指标值构成原始数据矩阵Y:
式中:ε=1,2,3,…,m;γ=1,2,3,…,n;
②、原始数据矩阵规范化
不同属性具有不同量纲,直接进行比较没有意义,因此,需要对原始数据矩阵Y进行正向化和无量纲化处理。
如果第γ项属性为越大越好的正指标,原始数据矩阵中相应数据作如下处理:
如果第γ项属性为越小越好的逆指标,原始数据矩阵Y中相应数据作如下处理:
可得正向化和无量纲化的规范化矩阵R,为:
③、构建决策矩阵
为了便于熵值法的应用,对式(30)的规范化矩阵进行归一化处理,构建决策矩阵:
④、熵值法确定评价指标权重
熵值法是根据决策矩阵所提供信息量的大小来确定各属性权重的方法,是一种客观确定评价指标权重的方法。各属性所蕴含的决策信息量的大小可由其熵值表示:
式中:Hγ——第γ项属性的熵值,Hγ∈[0,1];规定:若pεγ=0,则pεγlnpεγ=0;
第γ项属性的差异系数的计算式为:
eγ=1-Hγ(34)
eγ越大,表明第γ项属性包含和传输的信息量越大,该属性在多属性评价中的重要性也越高;
根据差异系数可求得第γ项属性的权重:
⑤、确定属性的正、负理想值
属性的正理想值向量Z+和负理想值向量Z-,分别定义为:
Z+=(r1 +,r2 +,…,rn +)(36)
Z-=(r1 -,r2 -,…,rn -)(37)
rγ +=max(r1γ,r2γ,…,rmγ),γ=1,2,…,n(38)
rγ -=min(r1γ,r2γ,…,rmγ),γ=1,2,…,n(39)
⑥、计算备选方案到正、负理想点的距离
由欧几里德距离公式计算备选方案到正理想点的距离Dε +和负理想点的距离Dε -,分别为:
⑦、计算备选方案的综合评价指数
⑧、所有备选方案优劣排序
根据各备选方案的综合评价指数按从大到小的顺序对各备选方案优劣排序,确定多热源集中供热系统智能调度和运行规划的最优方案。
实施例1
对于实际运行中的多热源集中供热系统,本实施例中多热源智能调度和运行规划的步骤简述如下:
1)将多热源集中供热系统简化为节点和管线图;
2)从GIS系统中提取各管线的管长、内径和外径数据,并输入管线导热系数;
3)输入热源单位产热成本、效率、电价、相关温室气体全球变暖潜能值、单位产电温室气体排放量等参数值;
4)输入预测的热负荷值;
5)确定各换热站的一次网最低供水温度(以保障热水供应为前提);
6)对多条管线同时供水的节点设定相应管线最大供水温差,为了减轻管道的低周疲劳,本实施例取最大供水温差10℃;
7)假定各换热站一次网回水温度恒定,本实施例取50℃;
8)模型求解。
以图1所示的多热源集中供热系统为例。图1中给出了三个用户,即第一换热站3、第二换热站5和第三换热站7;两个热源,即燃气电厂1和调峰锅炉房8;两个热源给三个用户提供供暖和生活热水,该系统供水、回水管段并行布置,具有相同的拓扑结构。当燃气电厂1达到满负荷时,调峰锅炉房8投入运行,随着调峰锅炉房8流量和供热量的增大,一次网水力和热力工况发生变化,且存在水力交汇点。燃气电厂1和调峰锅炉房8以水力交汇点为界,分别承担各自供热范围内用户的热负荷,交汇点后的换热站由两者联合供热。
对该供热系统进行简化:图2为该供热系统的简化图。如前所述,供热系统的简化是将热源、用户和热网抽象成一个由管线和节点组成的有序和相互关联的集合体。从图1中可以看出,该供热系统共有8个节点,N=8;燃气电厂1和调峰锅炉房8为源点,NR=2;第一换热站3、第二换热站5和第三换热站7为用户节点,NC=3;第一水力交汇点2、第二水力交汇点4和第三水力交汇点6为中间节点,NI=3;NJ=3;和为管线,NB=7;管线的箭头方向仅示意性表示供水管段内水流方向,运行过程中管段内水流方向根据热源供水流量和用户所需流量确定。供热系统简化图中还应提供管道信息。简化后如图2所示的管网参数见表3。
表3管网参数
计算过程中,还作以下规定:
1)为了保证用户的生活热水用热需求,规定各节点处最低供水温度为70℃;
2)第一换热站3、第一换热站5、第三换热站7(即三个用户节点3、5、7)的回水温度设为定值,为50℃;
3)对于同时由两条及以上管线供水的节点,规定混水温差最高不超过10℃,以避免管道的低周疲劳;
4)我国发电产生的CO2、CH4、CO和N2O的排放量分别取0.994、5×10-6、1.57×10-4和3.18×10-6kg/(kWh);
5)两个热源的单位产热成本相同。因为如果一个热源产热成本过低的话,优化结果必然将更多的热负荷分配给低产热成本热源。
对上述多热源集中供热系统运行多热源智能调度和运行规划模型,计算求得最优解,见表4;表4中同时列举了另外两种实际可行的运行方案以作比较。
表4最优方案及实际可行方案
注:1)为最优方案;2)为了便于某一时刻的分配,GWI仅计算每小时的量,并未计算热源整个寿命年限内的。
从表4可知,由于分析的实例中,两个热源为燃气电厂(单纯抽气供热)和燃气锅炉房,两者并未采用先进技术或新能源,因此方案中一次能源节省率SPER都为0,优化过程中三目标优化变为双目标优化。采用多热源智能调度和运行规划优选后的最优方案1的运行成本与方案2和方案3相比,分别降低了0.92%和5.9%;最优方案1的CO2排放当量与方案2和方案3相比,分别减排了7.0%和11.3%。可见,本项目建立的多热源智能调度和运行规划模型能够针对给定的热负荷进行各热源供水温度和流量的最优分配,实现运行成本、一次能源节省率和全球变暖影响指数综合最优的供热。
Claims (10)
1.一种多热源集中供热系统智能调度和运行规划方法,其特征在于,包括以下步骤:
1)将多热源集中供热系统简化为管线图和节点图;节点根据位置不同,分为源点、用户节点和中间节点;规定节点的数量用N表示,源点的数量用NR表示,用户节点的数量用NC表示,中间节点的数量用NI表示,三条及以上管线交汇节点的数量用NJ表示,管线的数量用NB表示;则节点集为n={n1,n2,…,nN},管线集为
2)确定节点质量流量和水温;
3)确定多热源集中供热系统智能调度和运行规划基于经济性、节能性和环保性的目标函数模型,表达式如下:
式中,
①、CT表示供热运行成本,其是热源产热成本CH与热量输送成本之和,所述热量输送成本包括水泵运行成本CPu和管网热损失成本CW两部分:
CT=CH+CPu+CW(2)
②、SPER表示一次能源节省率,多热源联合供热系统的SPER是在相同供热对象下,单位时间内该系统相对于使用一次能源的传统供热系统的一次能源节约量与传统供热系统一次能源消耗量的比值,表示为:
式中:PECDH——传统供热系统供暖期内一次能源消耗量,kJ/a;
PERDH——新供热系统中使用了可再生能源和节能技术的供热热源供暖期内一次能源消耗量,kJ/a;
PE'CDH——新供热系统中传统热源供暖期内一次能源消耗量,kJ/a;
③、GWI表示全球变暖影响指数,多热源供热系统服务年限内的全球变暖影响指数GWI作为评价其在不同智能调度和运行方案时的环保性指标;供热系统的GWI包含直接影响指数DGWI和间接影响指数IGWI;
GWI=DGWI+IGWI(4)
直接影响指数DGWI是传统热源排放温室气体及制冷剂泄漏对全球变暖的影响指数,其中不考虑水蒸气对全球变暖的影响;间接影响指数IGWI是供热系统中消耗的电量对全球变暖的间接影响指数,所述消耗的电量仅考虑循环水泵电耗和热泵压缩机运行电耗;
4)通过NSGA-II算法求解所述目标函数模型的Pareto最优解集;
5)进行多属性决策,从Pareto最优解集中选出最终解。
2.根据权利要求1所述一种多热源集中供热系统智能调度和运行规划方法,其特征在于,迭代法求解节点质量流量和水温,首先根据预测的各用户节点的热负荷估算各用户初始质量流量mi(0),利用mi(0)计算得出节点质量流量向量m(0),再根据m(0)计算得出节点温度向量T(1),进而根据T(1)计算得出节点质量流量向量m(1),从而得出各用户质量流量mi(1),此时判断是否符合|mi(1)-mi(0)|<10-4,若是,则输出节点温度向量T和节点质量流量向量m后结束,若否,则以新的各用户质量流量mi替代用户初始质量流量mi(0)重新计算,直至迭代成功;
其中,
1)流量计算的方法为:
各用户节点的热水质量流量由式(5)计算得到,
式中:mi——第i个用户节点的热水质量流量,kg/s;
qi——第i个用户节点的热负荷,W;由热负荷预测模型预测得到;
Cp——水的定压比热,J/(kg·K);
△Ti——第i个用户处供回水温差,K;
任意时刻,任一节点,应满足质量守恒方程,即流入某节点的热水流量减去流出该节点的热水流量应等于该节点消耗或产出的热水流量,如式(6):
式中:mi,j——流出管段的热水质量流量,kg/s;
mj,i——流入管段的热水质量流量,kg/s;
mV,i——第i个节点消耗或产出的热水质量流量,kg/s,规定,消耗的流量为正,产出的流量为负;
由此,整个供热系统所有节点的质量守恒方程,以矩阵形式表达,如式(7);
Am=mV(7)
式中:A——供热系统的关联矩阵,维数为N×NB;
m——节点质量流量向量,m=(m1,m2,…,mN)T;
mV——节点消耗或产出的热水质量流量向量,mV=(mV,1,mV,2,…,mV,N)T;
其中,关联矩阵A为:
式中,α=1,2,3,…,N;β=1,2,3,…,NB;
若某一热源所承担热负荷能够变动,则对多热源供热系统存在多种负荷分配方案能够满足式(8);
2)水温计算的方法为:
为了得到每个节点的供、回水温度,需要从热源开始依次往后推算每条管线的温降;对于供热系统,直埋供热管道内的水温与时间及管长呈指数关系下降,任一管线内热水的温降为:
式中:ΔTi,j——管线由于散热损失引起的温降,K;
Ti——第i节点处热水的温度,K;
Ts——土壤温度,K;
Ki,j——管段外表面的传热系数,W/(m2·K);
di,j,o——管段的外径,m;
Li,j——管段的管长,m;
根据热量守恒及质量守恒定律,推导得出管线汇入节点处的热水温度,供、回水管段节点水温的计算式分别为式(11)和式(12):
式中:Ti→j——从节点i计算得到的第j节点处热水温度,K;
Tj→i——从节点j计算得到的第i节点处热水温度,K。
3.根据权利要求1所述一种多热源集中供热系统智能调度和运行规划方法,其特征在于,所述热源产热成本CH的计算方法为:
整个供热系统的热源产热成本CH为所有热源的产热成本之和,即:
各热源的产热成本按其单位产热成本乘以产热量计算,为:
式中:CH,i——第i热源的产热成本,元;
Qi——第i个热源所承担的热负荷,kW;
PRi——第i热源的单位产热成本,元/(kWh);
Hi——第i热源在所承担对应热负荷下的运行时间,h;
根据求解得到的各热源温度和质量流量,计算出各热源所承担的热负荷:
式中:mV,i——第i个节点消耗或产出的热水质量流量,kg/s,规定,消耗的流量为正,产出的流量为负;
Cp——水的定压比热,J/(kg·K);
Ti g——第i个节点的流出水温,K;
Ti h——第i个节点的流入水温,K;
所述单位产热成本包括热源设备折旧费用、设备保养及维修费用、燃料消耗费用、运行及管理人员劳务成本,同时考虑资本回收系数。
4.根据权利要求1所述一种多热源集中供热系统智能调度和运行规划方法,其特征在于,所述水泵运行成本CPu的计算方法为:
CPu=CeEPuHPu(18)
式中:Ce——电价,元/(kW·h);
HPu——水泵运行时间,h;
EPu——循环水泵耗电量,kW;
循环水泵所耗电量EPu为:
式中:ηPu——循环水泵效率;
mPu——循环水泵质量流量,kg/s;
ρw——水的密度,kg/m3;
ΔPPu——水泵所需提供的扬程,kPa;
水泵所需提供的扬程ΔPPu为:
ΔPPu=2ΔPg+ΔPH+ΔPC(20)
式中:ΔPg——供水管网最不利环路的压降,kPa,规定供、回水管网的压降相同,由热网水力计算模型求得;
ΔPH——热水在热源内部的压损,kPa;
ΔPC——用户所需要的最小压差,kPa。
5.根据权利要求1所述一种多热源集中供热系统智能调度和运行规划方法,其特征在于,在节点质量流量与水温计算的基础上,根据供热管网中每段管线的供、回水温度,由管道允许最大散热损失,即表1所列的温度范围插值计算单位管长的散热损失后乘以管线长度,即得到各条管线的热损失,然后根据流量分配将相应管线划归为对应热源,合供管线则根据各热源所承担的热负荷比将其散热损失划归至不同热源;得到各热源所承担的散热损失后,再乘以各自的产热成本即得管网热损失成本CW,为:
式中:LTh,i——第i个热源对应的热媒输送过程中的散热损失,kW;
PRi——第i热源的单位产热成本,元/(kWh);
Hi——第i热源在所承担对应热负荷下的运行时间,h;
表1
所述单位产热成本包括热源设备折旧费用、设备保养及维修费用、燃料消耗费用、运行及管理人员劳务成本,同时考虑资本回收系数。
6.根据权利要求1所述一种多热源集中供热系统智能调度和运行规划方法,其特征在于,当供热对象相同和热媒参数相同时,不管是采用传统供热系统,还是采用可再生能源和节能技术的供热系统,输送热媒的水泵电耗视为相等,因此,计算SPER的过程中忽略水泵电耗所需的一次能源消耗,供热系统供暖期内一次能源消耗量仅计算热源产热的一次能源消耗量:
式中:QRE,i——供暖期内第i个利用可再生能源热泵的热源所承担的热负荷,kJ/a;
COPRE,i——供暖期内第i个利用可再生能源热泵的热源的平均性能系数;
ηPTE——一次能源转化为电能的转化效率,即发电效率;
QES,j——供暖期内第j个使用节能技术的热源所承担的热负荷,kJ/a;
ηES,j——供暖期内第j个使用节能技术的热源的产热效率;
式中:QCR,k——供暖期内第k个传统热源所承担的热负荷,kJ/a;
ηCR,k——供暖期内第k个传统热源的产热效率。
7.根据权利要求1所述一种多热源集中供热系统智能调度和运行规划方法,其特征在于,直接影响指数DGWI与一次能源燃烧产物排放及制冷剂泄漏有关,直接影响指数DGWI的计算式为:
式中:rm,i——第i个热泵热源的制冷剂年补灌率;
ni——第i个热泵热源的服务年限,a;
rl——第i个热泵热源报废时的制冷剂损失率;
RCh,i——第i个热泵热源的制冷剂初始充装量,kg;
GWPRf,i——第i个热泵热源所使用的制冷剂GWP值;
Qj——第j个燃用一次能源的热源所承担的热负荷,kJ/a;
ηj——第j个燃用一次能源的热源的燃烧效率与产热效率之积;
Hl——一次能源低热值,kJ/Nm3;
nj——第j个燃用一次能源的热源的服务年限;
——一次能源燃烧后的CO2排放浓度,kg/Nm3,按一次能源完全燃烧计算得到。
8.根据权利要求1所述一种多热源集中供热系统智能调度和运行规划方法,其特征在于,间接影响指数IGWI的计算式为:
式中:——每生产1kW·h电所排放的CO2当量,kg/(kW·h);
ni——第i个热泵热源的服务年限,a;
QRE,i——供暖期内第i个利用可再生能源热泵的热源所承担的热负荷,kJ/a;
COPRE,i——供暖期内第i个利用可再生能源热泵的热源的平均性能系数;
HPu——水泵运行时间,h;
EPu——循环水泵耗电量,kW;
循环水泵所耗电量EPu为:
式中:ηPu——循环水泵效率;
mPu——循环水泵质量流量,kg/s;
ρw——水的密度,kg/m3;
ΔPPu——水泵所需提供的扬程,kPa;
计算单位产电的CO2当量排放量时取燃煤发电技术的排放数据;发电系统影响全球变暖的气体包括CO2、CH4、CO和N2O,按CH4、CO和N2O的GWP值计算CO2当量为:
式中:——每生产1kW·h电所排放的CO2、CH4、CO和N2O量,kg/(kW·h)。
9.根据权利要求1所述一种多热源集中供热系统智能调度和运行规划方法,其特征在于,采用改进的TOPSIS法进行多属性决策,从Pareto最优解集中选出最终解;所述改进的TOPSIS法,具体计算步骤如下:
1)构建原始数据矩阵
假设有m个备选方案和n个属性,则m个备选方案对应n个属性的指标值构成原始数据矩阵Y:
式中:ε=1,2,3,…,m;γ=1,2,3,…,n;
2)原始数据矩阵规范化
对原始数据矩阵Y进行正向化和无量纲化处理:
如果第γ项属性为越大越好的正指标,原始数据矩阵Y中相应数据作如下处理:
如果第γ项属性为越小越好的逆指标,原始数据矩阵Y中相应数据作如下处理:
可得正向化和无量纲化的规范化矩阵R,为:
3)构建决策矩阵
为了便于熵值法的应用,对规范化矩阵R进行归一化处理,构建决策矩阵P:
4)熵值法确定评价指标权重
熵值法是根据决策矩阵所提供信息量的大小来确定各属性权重的方法,是一种客观确定评价指标权重的方法;各属性所蕴含的决策信息量的大小由其熵值表示:
式中:Hγ——第γ项属性的熵值,Hγ∈[0,1];规定:若pεγ=0,则pεγlnpεγ=0;
第γ项属性的差异系数的计算式为:
eγ=1-Hγ(34)
eγ越大,表明第γ项属性包含和传输的信息量越大,该属性在多属性评价中的重要性也越高;
根据差异系数可求得第γ项属性的权重:
5)确定属性的正、负理想值
属性的正理想值向量Z+和负理想值向量Z-,分别定义为:
Z+=(r1 +,r2 +,…,rn +)(36)
Z-=(r1 -,r2 -,…,rn -)(37)
rγ +=max(r1γ,r2γ,…,rmγ),γ=1,2,…,n(38)
rγ -=min(r1γ,r2γ,…,rmγ),γ=1,2,…,n(39)
6)计算备选方案到正、负理想点的距离
由欧几里德距离公式计算备选方案到正理想点的距离Dε +和负理想点的距离Dε -,分别为:
7)计算备选方案的综合评价指数
8)所有备选方案优劣排序
根据各备选方案的综合评价指数按从大到小的顺序对各备选方案优劣排序,确定多热源集中供热系统智能调度和运行规划的最优方案。
10.根据权利要求1所述一种多热源集中供热系统智能调度和运行规划方法,其特征在于,对多条管线同时供水的节点设定相应管线最大供水温差,为了减轻管道的低周疲劳,所述最大供水温差取10℃。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610228205.4A CN105783112A (zh) | 2016-04-13 | 2016-04-13 | 一种多热源集中供热系统智能调度和运行规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610228205.4A CN105783112A (zh) | 2016-04-13 | 2016-04-13 | 一种多热源集中供热系统智能调度和运行规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105783112A true CN105783112A (zh) | 2016-07-20 |
Family
ID=56396423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610228205.4A Pending CN105783112A (zh) | 2016-04-13 | 2016-04-13 | 一种多热源集中供热系统智能调度和运行规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105783112A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106842921A (zh) * | 2017-01-10 | 2017-06-13 | 国网天津市电力公司 | 基于nsga2算法的分散式以电供热系统多目标优化方法 |
CN107894024A (zh) * | 2017-11-22 | 2018-04-10 | 新奥泛能网络科技股份有限公司 | 多源热力管网的控制方法及系统 |
CN108053069A (zh) * | 2017-12-15 | 2018-05-18 | 南京工程学院 | 一种适用于多目标优化场景的综合能源系统运行调度方法 |
CN108800303A (zh) * | 2018-06-28 | 2018-11-13 | 长安大学 | 一种基于模式识别的精细化节能供热方法 |
CN109373439A (zh) * | 2018-11-01 | 2019-02-22 | 河北建筑工程学院 | 一种使供热系统调节时间最短的调节方法 |
CN109711601A (zh) * | 2018-11-28 | 2019-05-03 | 国网浙江省电力有限公司电力科学研究院 | 电-气-热综合能源系统分布式优化调度方法和装置 |
CN110332606A (zh) * | 2019-07-25 | 2019-10-15 | 新奥(中国)燃气投资有限公司 | 一种供热系统及其供热方法 |
CN110425625A (zh) * | 2019-08-07 | 2019-11-08 | 中新建源(天津)供热有限公司 | 一种供热系统及控制该供热系统的方法 |
CN110473118A (zh) * | 2019-08-14 | 2019-11-19 | 华北电力大学(保定) | 一种多热源枝状供热管网关联矩阵的生成方法 |
CN112484129A (zh) * | 2020-11-27 | 2021-03-12 | 山东电力研究院 | 一种热电机组热电解耦系统及运行方法 |
CN112696786A (zh) * | 2019-10-07 | 2021-04-23 | 霍尼韦尔国际公司 | 暖通空调系统中的分布式设定点配置 |
CN113110057A (zh) * | 2021-04-20 | 2021-07-13 | 北京硕人时代科技股份有限公司 | 一种基于人工智能的热力站节能控制方法及智能决策系统 |
CN114459069B (zh) * | 2021-11-23 | 2024-02-02 | 华电渠东发电有限公司 | 一种基于网源协调的一次管网最佳供水温度的控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19925084C1 (de) * | 1999-06-01 | 2000-07-27 | Baelz Gmbh Helmut | Wärmeversorgungsanlage, insbesondere zur Wärmeversorgung von Gebäuden |
DE102011001223A1 (de) * | 2011-03-11 | 2012-09-13 | SCHÜCO International KG | Heizungsanlage sowie Betriebsverfahren und Steuereinrichtung für eine Heizungsanlage |
CN103196171A (zh) * | 2013-04-03 | 2013-07-10 | 江南大学 | 一种多热源热水系统的联合供热策略 |
CN103761385A (zh) * | 2014-01-17 | 2014-04-30 | 河南理工大学 | 一种多热源环状管网的优化设计方法 |
CN104482590A (zh) * | 2014-09-17 | 2015-04-01 | 新疆天富能源股份有限公司供热分公司 | 一种多热源热网调控系统 |
-
2016
- 2016-04-13 CN CN201610228205.4A patent/CN105783112A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19925084C1 (de) * | 1999-06-01 | 2000-07-27 | Baelz Gmbh Helmut | Wärmeversorgungsanlage, insbesondere zur Wärmeversorgung von Gebäuden |
DE102011001223A1 (de) * | 2011-03-11 | 2012-09-13 | SCHÜCO International KG | Heizungsanlage sowie Betriebsverfahren und Steuereinrichtung für eine Heizungsanlage |
CN103196171A (zh) * | 2013-04-03 | 2013-07-10 | 江南大学 | 一种多热源热水系统的联合供热策略 |
CN103761385A (zh) * | 2014-01-17 | 2014-04-30 | 河南理工大学 | 一种多热源环状管网的优化设计方法 |
CN104482590A (zh) * | 2014-09-17 | 2015-04-01 | 新疆天富能源股份有限公司供热分公司 | 一种多热源热网调控系统 |
Non-Patent Citations (1)
Title |
---|
时国华: "基于太阳能热泵的LPG气化系统研究", 《中国博士学位论文全文库数据库工程科技Ⅱ辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106842921A (zh) * | 2017-01-10 | 2017-06-13 | 国网天津市电力公司 | 基于nsga2算法的分散式以电供热系统多目标优化方法 |
CN106842921B (zh) * | 2017-01-10 | 2020-11-03 | 国网(天津)综合能源服务有限公司 | 基于nsga2算法的分散式以电供热系统多目标优化方法 |
CN107894024B (zh) * | 2017-11-22 | 2023-08-18 | 新奥泛能网络科技股份有限公司 | 多源热力管网的控制方法及系统 |
CN107894024A (zh) * | 2017-11-22 | 2018-04-10 | 新奥泛能网络科技股份有限公司 | 多源热力管网的控制方法及系统 |
CN108053069A (zh) * | 2017-12-15 | 2018-05-18 | 南京工程学院 | 一种适用于多目标优化场景的综合能源系统运行调度方法 |
CN108800303A (zh) * | 2018-06-28 | 2018-11-13 | 长安大学 | 一种基于模式识别的精细化节能供热方法 |
CN108800303B (zh) * | 2018-06-28 | 2020-07-07 | 长安大学 | 一种基于模式识别的精细化节能供热方法 |
CN109373439A (zh) * | 2018-11-01 | 2019-02-22 | 河北建筑工程学院 | 一种使供热系统调节时间最短的调节方法 |
CN109711601A (zh) * | 2018-11-28 | 2019-05-03 | 国网浙江省电力有限公司电力科学研究院 | 电-气-热综合能源系统分布式优化调度方法和装置 |
CN110332606A (zh) * | 2019-07-25 | 2019-10-15 | 新奥(中国)燃气投资有限公司 | 一种供热系统及其供热方法 |
CN110425625A (zh) * | 2019-08-07 | 2019-11-08 | 中新建源(天津)供热有限公司 | 一种供热系统及控制该供热系统的方法 |
CN110473118A (zh) * | 2019-08-14 | 2019-11-19 | 华北电力大学(保定) | 一种多热源枝状供热管网关联矩阵的生成方法 |
CN110473118B (zh) * | 2019-08-14 | 2023-04-14 | 华北电力大学(保定) | 一种多热源枝状供热管网关联矩阵的生成方法 |
CN112696786A (zh) * | 2019-10-07 | 2021-04-23 | 霍尼韦尔国际公司 | 暖通空调系统中的分布式设定点配置 |
US11536481B2 (en) | 2019-10-07 | 2022-12-27 | Honeywell International Inc. | Distributed set point configuration in heating, ventilation, and air-conditioning systems |
CN112484129A (zh) * | 2020-11-27 | 2021-03-12 | 山东电力研究院 | 一种热电机组热电解耦系统及运行方法 |
CN113110057A (zh) * | 2021-04-20 | 2021-07-13 | 北京硕人时代科技股份有限公司 | 一种基于人工智能的热力站节能控制方法及智能决策系统 |
CN114459069B (zh) * | 2021-11-23 | 2024-02-02 | 华电渠东发电有限公司 | 一种基于网源协调的一次管网最佳供水温度的控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105783112A (zh) | 一种多热源集中供热系统智能调度和运行规划方法 | |
Yang et al. | Energy efficiency modeling of integrated energy system in coastal areas | |
Zhao et al. | Matching model of energy supply and demand of the integrated energy system in coastal areas | |
CN108197768B (zh) | 一种能源系统与管网布局联合优化方法 | |
Li et al. | Optimal design and operation strategy for integrated evaluation of CCHP (combined cooling heating and power) system | |
Wei et al. | Multi-objective optimal operation and energy coupling analysis of combined cooling and heating system | |
CN106960282B (zh) | 一种气电综合能源配网系统的协调运行方法 | |
CN108960503B (zh) | 基于内点法的综合能源系统多场景优化分析方法 | |
do Espirito Santo | An energy and exergy analysis of a high-efficiency engine trigeneration system for a hospital: A case study methodology based on annual energy demand profiles | |
CN109978625A (zh) | 一种计及电热气网络的综合能源系统多目标运行优化方法 | |
Yang et al. | Economic-emission dispatch problem in integrated electricity and heat system considering multi-energy demand response and carbon capture Technologies | |
CN106447529A (zh) | 考虑热水管网的分布式能源系统建模和运行优化方法 | |
Bilardo et al. | Modelling a fifth-generation bidirectional low temperature district heating and cooling (5GDHC) network for nearly Zero Energy District (nZED) | |
CN106786509B (zh) | 大规模风电并网下基于多场景模拟的热-电联合调度方法 | |
CN115238597B (zh) | 涉及园区级综合能源系统源网荷碳排放模型的构建方法 | |
Yuan et al. | Performance analysis of thermal energy storage in distributed energy system under different load profiles | |
Wu et al. | Study on a novel co-operated heat and power system for improving energy efficiency and flexibility of cogeneration plants | |
CN105160159A (zh) | 一种多能源技术量化筛选方法 | |
CN105955931A (zh) | 面向高密度分布式光伏消纳的区域能源网络优化调度方法 | |
CN112182887A (zh) | 一种综合能源系统规划优化仿真方法 | |
Nagota et al. | Verification of the energy-saving effect of the district heating and cooling system—Simulation of an electric-driven heat pump system | |
CN109724135A (zh) | 一种利用电压缩式热泵的大温差集中供热系统 | |
Ding et al. | Simulation study on a novel solar aided combined heat and power system for heat-power decoupling | |
CN116151565A (zh) | 一种基于多能流多层级的城市智慧能源系统构建方法和协同规划方法 | |
Wang et al. | Optimization of thermocline heat storage tank capacity for combined heat and power plant based on environmental benefits: Scenarios for China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160720 |
|
RJ01 | Rejection of invention patent application after publication |