CN106503466A - 电锅炉与太阳能联合供热系统的设备容量配置方法及装置 - Google Patents
电锅炉与太阳能联合供热系统的设备容量配置方法及装置 Download PDFInfo
- Publication number
- CN106503466A CN106503466A CN201610964270.3A CN201610964270A CN106503466A CN 106503466 A CN106503466 A CN 106503466A CN 201610964270 A CN201610964270 A CN 201610964270A CN 106503466 A CN106503466 A CN 106503466A
- Authority
- CN
- China
- Prior art keywords
- electric boiler
- heating
- heating system
- solar association
- solar
- 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
Classifications
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Steam Or Hot-Water Central Heating Systems (AREA)
Abstract
本发明涉及一种电锅炉与太阳能联合供热系统的设备容量配置方法及装置,所述方法包括:获取用户年累计采暖需求量;构建所述电锅炉与太阳能联合供热系统的目标函数及其约束条件;确定所述目标函数的最优解,即所述电锅炉与太阳能联合供热系统中各类供热设备的最优配置容量;本发明提供的方法,基于属于优化算法之一的遗传算法作为一种可用于复杂系统优化计算的全局搜索的优化方法,对设备容量配置进行逐代优化,最终得到费用年值最低的容量组合,从而提高能源的利用率,同时还能够实现较高的经济效益、环保效益,且对于工程实践有着重要意义与参考价值。
Description
技术领域
本发明涉及采暖系统领域,具体涉及一种电锅炉与太阳能联合供热系统的设备容量配置方法及装置。
背景技术
随着空气质量逐年下降,将燃煤采暖改造为电能采暖迫在眉梢,目前,电锅炉与太阳能联合供热系统的研究越来越多,其工作原理为在锅炉房屋顶布置太阳能系统,冬季对用户进行供暖,夏季为用户提供热水;电蓄热锅炉供暖系统在低谷电时段,利用太阳能循环系统储存的热量进行供暖,蓄热式电锅炉贮存热量,高峰电和其他时段蓄热式电锅炉停止储存热量,利用低谷电贮存的热量,通过板式换热器换热,向用户供热;生活热水循环系统用水量较不稳定,大量用户的使用时间较集中,在低谷电时段,太阳能预热循环系统通过换热器对自来水上水进行预热,为用户供应热水,节约能源,降低运行费用,高峰电和其他时段停运,利用低谷电时段贮存的热量,通过浮动盘管容积式换热器换热,供应生活热水;例如,如图1所示的电蓄热锅炉与太阳能集热联合供热系统,包括:电蓄热锅炉供暖循环系统、太阳能预热循环系统和生活热水循环系统,其中,电蓄热锅炉供暖系统包括:蓄热式电锅炉、内循环泵、供暖循环泵、板式换热器、自动热水器、补水箱、自动补水装置、自动热水器组成,太阳能预热循环系统包括:太阳能集热器、太阳能循环水泵、浮动容积式换热器,生活热水循环系统包括:生活热水循环泵、浮动容积式换热器、生活热水分水器、生活热水供水箱、生活热水集水器、生活热水回水箱。
但是,由于组合采暖系统是受多种因素影响的复杂系统,目前对其进行系统优化还停留在方案的比较上,目前还没有科学、完整的方案对其容量进行配置。
发明内容
本发明提供一种电锅炉与太阳能联合供热系统的设备容量配置方法,其目的是基于属于优化算法之一的遗传算法作为一种可用于复杂系统优化计算的全局搜索的优化方法,对设备容量配置进行逐代优化,最终得到费用年值最低的容量组合,从而提高能源的利用率,同时还能够实现较高的经济效益、环保效益,且对于工程实践有着重要意义与参考价值。
本发明的目的是采用下述技术方案实现的:
一种电锅炉与太阳能联合供热系统的设备容量配置方法,其改进之处在于,包括:
获取用户年累计采暖需求量;
构建所述电锅炉与太阳能联合供热系统的目标函数及其约束条件;
确定所述目标函数的最优解,即所述电锅炉与太阳能联合供热系统中各类供热设备的最优配置容量。
优选的,所述获取用户年累计采暖需求量,包括:
根据历史气象数据获取年平均采暖度日值,并确定所述年平均采暖度日值的拟合方程;
对所述年平均采暖度日值的拟合方程进行积分,获取用户年累计采暖需求量。
进一步的,采用最小二乘法对所述年平均采暖度日值进行多项式数据拟合,获取所述年平均采暖度日值的拟合方程。
优选的,所述构建所述电锅炉与太阳能联合供热系统的目标函数及其约束条件,包括:
按下式构建所述电锅炉与太阳能联合供热系统的目标函数:
min f=R+C
上式中,f为所述电锅炉与太阳能联合供热系统的费用年值,R为所述电锅炉与太阳能联合供热系统的初投资费用,C为所述电锅炉与太阳能联合供热系统的年运行费用;
其中,按下式确定所述电锅炉与太阳能联合供热系统的初投资费用R:
上式中,l为年利率,N为所述电锅炉与太阳能联合供热系统中供暖设备的种类数,Pi为第i类供暖设备的设备容量,Ri为第i类供暖设备的单位容量价格,m为供暖设备使用年限;
其中,所述电锅炉与太阳能联合供热系统中供暖设备的种类包括:电锅炉、太阳能光伏板和循环水泵。
进一步的,按下式构建所述电锅炉与太阳能联合供热系统的目标函数的约束条件:
上式中,PEB为电锅炉的运行功率,ΔPEB为电锅炉功率波动值,为电锅炉的运行功率下限值,为电锅炉的运行功率上限值,为电锅炉功率波动值上限值,ΔQEB(yv)为电锅炉在yv时刻产生的热量,ΔQSCS(yv)为太阳能在yv时刻产生的热量,ΔQU(yv)为yv时刻用户采暖需求量,其中,T为所述电锅炉与太阳能联合供热系统的年供暖时刻数,Q为用户年累计采暖需求量。
优选的,采用遗传算法确定所述目标函数的最优解。
进一步的,所述采用遗传算法确定所述目标函数的最优解,包括:
a.初始化所述目标函数的解;
b.将所述目标函数的倒数作为适应度函数,确定各组解的适应度值;
c.利用遗传选择算子获取M组适应度值高的解,即M组电锅炉与太阳能联合供热系统的供暖设备的设备容量;
d.按交叉概率δd对所述M组电锅炉与太阳能联合供热系统的供暖设备的设备容量进行交叉操作,生成新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合;
e.按变异概率δe对所述新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合进行变异操作;
f.返回所述步骤b,若种群中最优个体的适应度值连续若干次迭代没有增加或连续若干次迭代后种群中最优个体的适应度值的平均值没有增加,则停止返回所述步骤b,输出最优个体,即所述目标函数的最优解。
一种电锅炉与太阳能联合供热系统的设备容量配置装置,其改进之处在于,所述装置包括:
获取模块,用于获取用户年累计采暖需求量;
构建模块,用于构建所述电锅炉与太阳能联合供热系统的目标函数及其约束条件;
确定模块,用于确定所述目标函数的最优解,即所述电锅炉与太阳能联合供热系统中各类供热设备的最优配置容量。
优选的,所述获取模块,包括:
第一确定单元,用于根据历史气象数据获取年平均采暖度日值,并确定所述年平均采暖度日值的拟合方程;
第一获取单元,用于对所述年平均采暖度日值的拟合方程进行积分,获取用户年累计采暖需求量。
进一步的,采用最小二乘法对所述年平均采暖度日值进行多项式数据拟合,获取所述年平均采暖度日值的拟合方程。
优选的,所述构建模块,包括:
第一构建单元,用于按下式构建所述电锅炉与太阳能联合供热系统的目标函数:
min f=R+C
上式中,f为所述电锅炉与太阳能联合供热系统的费用年值,R为所述电锅炉与太阳能联合供热系统的初投资费用,C为所述电锅炉与太阳能联合供热系统的年运行费用;
其中,按下式确定所述电锅炉与太阳能联合供热系统的初投资费用R:
上式中,l为年利率,N为所述电锅炉与太阳能联合供热系统中供暖设备的种类数,Pi为第i类供暖设备的设备容量,Ri为第i类供暖设备的单位容量价格,m为供暖设备使用年限;
其中,所述电锅炉与太阳能联合供热系统中供暖设备的种类包括:电锅炉、太阳能光伏板和循环水泵。
进一步的,所述构建模块还包括:
第二构建单元,用于按下式构建所述电锅炉与太阳能联合供热系统的目标函数的约束条件:
上式中,PEB为电锅炉的运行功率,ΔPEB为电锅炉功率波动值,为电锅炉的运行功率下限值,为电锅炉的运行功率上限值,为电锅炉功率波动值上限值,ΔQEB(yv)为电锅炉在yv时刻产生的热量,ΔQSCS(yv)为太阳能在yv时刻产生的热量,ΔQU(yv)为yv时刻用户采暖需求量,其中,T为所述电锅炉与太阳能联合供热系统的年供暖时刻数,Q为用户年累计采暖需求量。
优选的,所述确定模块中采用遗传算法确定所述目标函数的最优解。
进一步的,所述采用遗传算法确定所述目标函数的最优解,包括:
a.初始化所述目标函数的解;
b.将所述目标函数的倒数作为适应度函数,确定各组解的适应度值;
c.利用遗传选择算子获取M组适应度值高的解,即M组电锅炉与太阳能联合供热系统的供暖设备的设备容量;
d.按交叉概率δd对所述M组电锅炉与太阳能联合供热系统的供暖设备的设备容量进行交叉操作,生成新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合;
e.按变异概率δe对所述新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合进行变异操作;
f.返回所述步骤b,若种群中最优个体的适应度值连续若干次迭代没有增加或连续若干次迭代后种群中最优个体的适应度值的平均值没有增加,则停止返回所述步骤b,输出最优个体,即所述目标函数的最优解。
本发明的有益效果:
本发明提供的一种电锅炉与太阳能联合供热系统的设备容量配置方法及装置,采用数学建模对集合采暖系统进行优化处理,并通过最小二乘法对采暖度日值进行多项式拟合,以便于利用数学模型对地热采暖系统费用年值建模,利用改进的遗传算法对集合采暖系统配置设备容量进行优化运算,可以较为精确的计算此系统所需设备的最优容量,通过对电锅炉与太阳能集合采暖系统的优化,在保证环保和节能的基础上,可以使太阳能等资源得到最大利用,利用电锅炉实现削峰填谷提高电力系统的稳定性,同时还可以提高集合采暖系统的经济优势,不但具有较高的社会效益,还有很高的经济效益,也有利于太阳能这种清洁、可再生能源的推广利用。
附图说明
图1是本发明实施例中电蓄热锅炉与太阳能集热联合供热系统结构示意图;
图2是本发明提供的一种电锅炉与太阳能联合供热系统的设备容量配置方法流程图;
图3是本发明提供的一种电锅炉与太阳能联合供热系统的设备容量配置装置结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明提供的一种电锅炉与太阳能联合供热系统的设备容量配置方法,采用数学建模对集合采暖系统进行优化处理,并通过最小二乘法对采暖度日值进行多项式拟合,以便于利用数学模型对地热采暖系统费用年值建模,利用改进的遗传算法对集合采暖系统配置设备容量进行优化运算,可以较为精确的计算此系统所需设备的最优容量,如图2所示,包括:
101.获取用户年累计采暖需求量;
102.构建所述电锅炉与太阳能联合供热系统的目标函数及其约束条件;
103.确定所述目标函数的最优解,即所述电锅炉与太阳能联合供热系统中各类供热设备的最优配置容量。
其中,所述供暖设备的设备容量包括:电锅炉容量、太阳能光伏板容量和循环水泵容量;
具体的,所述步骤101,包括:
根据历史气象数据获取年平均采暖度日值,并确定所述年平均采暖度日值的拟合方程;
其中,该采暖度日值是指一年中当某天室外日平均温度低于18℃时,将该日平均温度与18℃的差值度数乘以1天,所得出的乘积的累加值。其单位为℃·d。
进一步的,采用最小二乘法对所述年平均采暖度日值进行多项式数据拟合,获取所述年平均采暖度日值的拟合方程。
最小二乘法是一种数学优化技术,可以通过最小化误差的平方和寻找数据的最佳函数匹配,通常可以用于曲线拟合,例如,统计采暖期室外温度T=(t1,…,tv,…,tt)及处于该温度相对应的时间Y=(y1,…,yv,…,yt),其中,t为年内时间段总数,利用MATLAB程序提供的多项式拟合工具对采暖度日值统计数据进行高阶多项式拟合,并通过不同阶次的多项式计算值与实际统计数据进行比较,进而计算出均方差决定最终采用拟合公式的阶次,即首先,拟合二阶多项式方程为:y=a1t2+b1t+c1,计算其均方差为σ1,其中,a1,b1,c1为利用MATLAB程序提供的多项式拟合工具求得的常数,绘制计算数值曲线和统计数值曲线图s,并比较图s中两曲线的差异,若差异较大,则继续拟合高一阶多项式方程,否则选取该多项式方程作为采暖度日值数学模型;若图s中两曲线差异较大,则拟合三阶多项式方程为y=a2t3+b2t2+c2t+d2,计算其均方差为σ2,其中,a2,b2,c2,d2为利用MATLAB程序提供的多项式拟合工具求得的常数,重复上述步骤,直到绘制的计算数值曲线和统计数值曲线基本吻合,停止拟合,选取该多项式方程作为采暖度日值数学模型。
获取所述年平均采暖度日值的拟合方程后,对所述年平均采暖度日值的拟合方程进行积分,获取用户年累计采暖需求量。
例如,采暖度日值数学模型为:y=a2t3+b2t2+c2t+d2,负荷累计采暖需求量的计算公式为Q为负荷累计采暖需求量(KW),tu为当地采暖度日值的基准温度(℃),tl为当地冬季最低室外日平均温度(℃),即得出电蓄热锅炉与太阳能集热联合供热系统在需要供暖时提供的总供暖量。
获取用户年累计采暖需求量之后,需根据所述用户年累计采暖需求量构建所述电锅炉与太阳能联合供热系统的目标函数及其约束条件,因此所述步骤102,包括:
按下式构建所述电锅炉与太阳能联合供热系统的目标函数:
min f=R+C
上式中,f为所述电锅炉与太阳能联合供热系统的费用年值,R为所述电锅炉与太阳能联合供热系统的初投资费用,C为所述电锅炉与太阳能联合供热系统的年运行费用,其中,所述电锅炉与太阳能联合供热系统的年运行费用需根据实际情况人工制定,例如,年运行费用C包括:自来水费W、电费E、工资及福利M等几项费用的计算,水费是指在地热采暖系统运行过程中用于购买所消耗的水的费用,电费是指电锅炉供暖消耗的电量和循环水泵及补水泵的电费,工资及福利是指在采暖系统的运行过程中需要很多生产和管理人员以保证整个系统安全、正常运行,这些生产和管理人员要支付工资和福利费,据单位采暖量指标估算,并参考当前锅炉房的人员工资福利水平,确定每人每年工资按20000元估算,则C=W+E+M,式中令则式中1%为系统的补水为系统水容量的倍数,为使单位统一,3.6为单位换算倍数,由于1KWh/t=3.6KJ/kg,Q为用户年累计采暖需求量,其单位为KW,故3.6Q的单位为(KJ·t)/(kg·h),c为水的比热容(kJ/kg.℃),tg为热力网供水温度(℃),th为热力网回水温度(℃),α为水价,即采暖系统所消耗的自来水水价(元/m3),L为循环泵泵输送量(m3),Qele-boiler为电锅炉年供暖量,η1为电锅炉效率,γ为水的容重(kN/m3),H为循环泵扬程(m),η2为泵的传动效率。
进一步的,按下式确定所述电锅炉与太阳能联合供热系统的初投资费用R:
上式中,l为年利率,N为所述电锅炉与太阳能联合供热系统中供暖设备的种类数,Pi为第i类供暖设备的设备容量,Ri为第i类供暖设备的单位容量价格,m为供暖设备使用年限;
其中,所述电锅炉与太阳能联合供热系统中供暖设备的种类包括:电锅炉、太阳能光伏板和循环水泵。
按下式构建所述电锅炉与太阳能联合供热系统的目标函数的约束条件:
上式中,PEB为电锅炉的运行功率,ΔPEB为电锅炉功率波动值,为电锅炉的运行功率下限值,为电锅炉的运行功率上限值,为电锅炉功率波动值上限值,ΔQEB(yv)为电锅炉在yv时刻产生的热量,ΔQSCS(yv)为太阳能在yv时刻产生的热量,ΔQU(yv)为yv时刻用户采暖需求量,其中,T为所述电锅炉与太阳能联合供热系统的年供暖时刻数,Q为用户年累计采暖需求量。
构建所述电锅炉与太阳能联合供热系统的目标函数及其约束条件后,确定所述目标函数的最优解,即所述电锅炉与太阳能联合供热系统中各类供热设备的最优配置容量,所述步骤103中,采用遗传算法确定所述目标函数的最优解,遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法,本发明实施例中具体操作包括:
a.初始化所述目标函数的解;
采用随机选择初始种群的方法,确定集热联合供热系统目标函数即费用年值f=R+C解的个数X,采用实数编码,每个染色体为一个实数向量,每代中目标函数解的交叉概率为δd,交叉概率在0和1之间选择,变异概率为δe,变异概率在0和1之间选择,根据目标函数解的个数随机挑选有效个体组成初始化种群P,遗传代数计数器初始化t→0;
b.将所述目标函数的倒数作为适应度函数,确定各组解的适应度值;
将经过初始化的目标函数的解,即采暖系统各设备容量代入所述适应度函数,适应度值越大,个体越优,从而确定各组解的适应度值;
c.利用遗传选择算子获取M组适应度值高的解,即M组电锅炉与太阳能联合供热系统的供暖设备的设备容量;
从旧群体中以一定概率选择优良个体组成新的种群,以繁殖下一代个体,个体被选中的概率跟适应度值有关,个体适应度值越高,被选中的概率越大,本发明实施例中采用轮盘赌法,即基于适应度比例的选择策略,个体被选中的概率为从所述步骤b中各组解的适应度1/fj中随机选取s个适应度值的进行适应度大小的比较,将其中适应度最高的个体即数值最大的遗传到下一代种群中,将上述过程重复M次,就可得到下一代种群中的M个个体,即M组供暖系统的设备容量。
d.按交叉概率δd对所述M组电锅炉与太阳能联合供热系统的供暖设备的设备容量进行交叉操作,生成新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合;
交叉操作是指从种群中随机选择两个个体,通过染色体的交换组合,把父串的优秀特征遗传给子串,从而产生新的优秀个体。由于本发明实施例中个体采用实数编码,所以交叉操作采用实数交叉法,第k个染色体rk和第l个染色体rl在u位的交叉操作方法为r'ku=rku(1-δd)+rluδd,r'lu=rlu(1-δd)+rkuδd,即第k个容量组合Pk和第l个容量组合Pl中的第u个组件容量的交叉操作方法为P'ku=Pku(1-δd)+Pluδd,P'lu=Plu(1-δd)+Pkuδd,从而可以得到新的设备容量组合P'ku和P'lu。将交配池中的M组设备即父辈个体P经过实数交叉后产生新的容量组合即子代个体P';分别计算父辈和子代的适应度函数f(P)和f(P');若f(P')-f(P)>0,说明新的容量组合费用年值小于上一代容量组合的费用年值,则接受x'作为新的当前解;否则以概率esp((f(P)-f(P'))/T)接受P'作为新的当前解。
e.按变异概率δe对所述新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合进行变异操作;
变异操作的主要目的是维持种群多样性,变异操作从种群中随机选取一个个体,选择个体中的一点进行变异以产生更优秀的个体,第j个个体的第u个基因rju进行变异的操作方法为其中rmax为基因rju的上界,rmin为基因rju的下界,f(g)=δe(1-g/Gmax)2,g为当前迭代次数,Gmax为最大进化次数,即将第j个容量组合中的第u个组件容量Pju按公式进行变异操作,其中Pmax为组件容量Prju的上界,Pmin为组件容量Pju的下界。
f.返回所述步骤b,若种群中最优个体的适应度值连续若干次迭代没有增加或连续若干次迭代后种群中最优个体的适应度值的平均值没有增加,则停止返回所述步骤b,输出最优个体,即所述目标函数的最优解。
通过以上迭代过程,在最终所得的所有适应度值不再发生变化时结束迭代,此时,可以得出电锅炉与太阳能联合供热系统在目标函数年费用值最小时的所包含设备的最佳容量,则此类容量组合能在保证太阳能等能源充分利用的基础上,实现经济效益的最大化。
本发明还提供一种电锅炉与太阳能联合供热系统的设备容量配置装置,如图3所示,所述装置包括:
获取模块,用于获取用户年累计采暖需求量;
构建模块,用于构建所述电锅炉与太阳能联合供热系统的目标函数及其约束条件;
确定模块,用于确定所述目标函数的最优解,即所述电锅炉与太阳能联合供热系统中各类供热设备的最优配置容量。
所述获取模块,包括:
第一确定单元,用于根据历史气象数据获取年平均采暖度日值,并确定所述年平均采暖度日值的拟合方程;
第一获取单元,用于对所述年平均采暖度日值的拟合方程进行积分,获取用户年累计采暖需求量。
其中,采用最小二乘法对所述年平均采暖度日值进行多项式数据拟合,获取所述年平均采暖度日值的拟合方程。
所述构建模块,包括:
第一构建单元,用于按下式构建所述电锅炉与太阳能联合供热系统的目标函数:
min f=R+C
上式中,f为所述电锅炉与太阳能联合供热系统的费用年值,R为所述电锅炉与太阳能联合供热系统的初投资费用,C为所述电锅炉与太阳能联合供热系统的年运行费用;
其中,按下式确定所述电锅炉与太阳能联合供热系统的初投资费用R:
上式中,l为年利率,N为所述电锅炉与太阳能联合供热系统中供暖设备的种类数,Pi为第i类供暖设备的设备容量,Ri为第i类供暖设备的单位容量价格,m为供暖设备使用年限;
其中,所述电锅炉与太阳能联合供热系统中供暖设备的种类包括:电锅炉、太阳能光伏板和循环水泵。
所述构建模块还包括:
第二构建单元,用于按下式构建所述电锅炉与太阳能联合供热系统的目标函数的约束条件:
上式中,PEB为电锅炉的运行功率,ΔPEB为电锅炉功率波动值,为电锅炉的运行功率下限值,为电锅炉的运行功率上限值,为电锅炉功率波动值上限值,ΔQEB(yv)为电锅炉在yv时刻产生的热量,ΔQSCS(yv)为太阳能在yv时刻产生的热量,ΔQU(yv)为yv时刻用户采暖需求量,其中,T为所述电锅炉与太阳能联合供热系统的年供暖时刻数,Q为用户年累计采暖需求量。
进一步的,所述确定模块中采用遗传算法确定所述目标函数的最优解。
其中,所述采用遗传算法确定所述目标函数的最优解,包括:
a.初始化所述目标函数的解;
b.将所述目标函数的倒数作为适应度函数,确定各组解的适应度值;
c.利用遗传选择算子获取M组适应度值高的解,即M组电锅炉与太阳能联合供热系统的供暖设备的设备容量;
d.按交叉概率δd对所述M组电锅炉与太阳能联合供热系统的供暖设备的设备容量进行交叉操作,生成新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合;
e.按变异概率δe对所述新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合进行变异操作;
f.返回所述步骤b,若种群中最优个体的适应度值连续若干次迭代没有增加或连续若干次迭代后种群中最优个体的适应度值的平均值没有增加,则停止返回所述步骤b,输出最优个体,即所述目标函数的最优解。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (14)
1.一种电锅炉与太阳能联合供热系统的设备容量配置方法,其特征在于,所述方法包括:
获取用户年累计采暖需求量;
构建所述电锅炉与太阳能联合供热系统的目标函数及其约束条件;
确定所述目标函数的最优解,即所述电锅炉与太阳能联合供热系统中各类供热设备的最优配置容量。
2.如权利要求1所述的方法,其特征在于,所述获取用户年累计采暖需求量,包括:
根据历史气象数据获取年平均采暖度日值,并确定所述年平均采暖度日值的拟合方程;
对所述年平均采暖度日值的拟合方程进行积分,获取用户年累计采暖需求量。
3.如权利要求2所述的方法,其特征在于,采用最小二乘法对所述年平均采暖度日值进行多项式数据拟合,获取所述年平均采暖度日值的拟合方程。
4.如权利要求1所述的方法,其特征在于,所述构建所述电锅炉与太阳能联合供热系统的目标函数及其约束条件,包括:
按下式构建所述电锅炉与太阳能联合供热系统的目标函数:
min f=R+C
上式中,f为所述电锅炉与太阳能联合供热系统的费用年值,R为所述电锅炉与太阳能联合供热系统的初投资费用,C为所述电锅炉与太阳能联合供热系统的年运行费用;
其中,按下式确定所述电锅炉与太阳能联合供热系统的初投资费用R:
上式中,l为年利率,N为所述电锅炉与太阳能联合供热系统中供暖设备的种类数,Pi为第i类供暖设备的设备容量,Ri为第i类供暖设备的单位容量价格,m为供暖设备使用年限;
其中,所述电锅炉与太阳能联合供热系统中供暖设备的种类包括:电锅炉、太阳能光伏板和循环水泵。
5.如权利要求4所述的方法,其特征在于,按下式构建所述电锅炉与太阳能联合供热系统的目标函数的约束条件:
上式中,PEB为电锅炉的运行功率,ΔPEB为电锅炉功率波动值,为电锅炉的运行功率下限值,为电锅炉的运行功率上限值,为电锅炉功率波动值上限值,ΔQEB(yv)为电锅炉在yv时刻产生的热量,ΔQSCS(yv)为太阳能在yv时刻产生的热量,ΔQU(yv)为yv时刻用户采暖需求量,其中,T为所述电锅炉与太阳能联合供热系统的年供暖时刻数,Q为用户年累计采暖需求量。
6.如权利要求1所述的方法,其特征在于,采用遗传算法确定所述目标函数的最优解。
7.如权利要求6所述的方法,其特征在于,所述采用遗传算法确定所述目标函数的最优解,包括:
a.初始化所述目标函数的解;
b.将所述目标函数的倒数作为适应度函数,确定各组解的适应度值;
c.利用遗传选择算子获取M组适应度值高的解,即M组电锅炉与太阳能联合供热系统的供暖设备的设备容量;
d.按交叉概率δd对所述M组电锅炉与太阳能联合供热系统的供暖设备的设备容量进行交叉操作,生成新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合;
e.按变异概率δe对所述新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合进行变异操作;
f.返回所述步骤b,若种群中最优个体的适应度值连续若干次迭代没有增加或连续若干次迭代后种群中最优个体的适应度值的平均值没有增加,则停止返回所述步骤b,输出最优个体,即所述目标函数的最优解。
8.一种电锅炉与太阳能联合供热系统的设备容量配置装置,其特征在于,所述装置包括:
获取模块,用于获取用户年累计采暖需求量;
构建模块,用于构建所述电锅炉与太阳能联合供热系统的目标函数及其约束条件;
确定模块,用于确定所述目标函数的最优解,即所述电锅炉与太阳能联合供热系统中各类供热设备的最优配置容量。
9.如权利要求8所述的装置,其特征在于,所述获取模块,包括:
第一确定单元,用于根据历史气象数据获取年平均采暖度日值,并确定所述年平均采暖度日值的拟合方程;
第一获取单元,用于对所述年平均采暖度日值的拟合方程进行积分,获取用户年累计采暖需求量。
10.如权利要求9所述的装置,其特征在于,采用最小二乘法对所述年平均采暖度日值进行多项式数据拟合,获取所述年平均采暖度日值的拟合方程。
11.如权利要求8所述的装置,其特征在于,所述构建模块,包括:
第一构建单元,用于按下式构建所述电锅炉与太阳能联合供热系统的目标函数:
min f=R+C
上式中,f为所述电锅炉与太阳能联合供热系统的费用年值,R为所述电锅炉与太阳能联合供热系统的初投资费用,C为所述电锅炉与太阳能联合供热系统的年运行费用;
其中,按下式确定所述电锅炉与太阳能联合供热系统的初投资费用R:
上式中,l为年利率,N为所述电锅炉与太阳能联合供热系统中供暖设备的种类数,Pi为第i类供暖设备的设备容量,Ri为第i类供暖设备的单位容量价格,m为供暖设备使用年限;
其中,所述电锅炉与太阳能联合供热系统中供暖设备的种类包括:电锅炉、太阳能光伏板和循环水泵。
12.如权利要求11所述的装置,其特征在于,所述构建模块还包括:
第二构建单元,用于按下式构建所述电锅炉与太阳能联合供热系统的目标函数的约束条件:
上式中,PEB为电锅炉的运行功率,ΔPEB为电锅炉功率波动值,为电锅炉的运行功率下限值,为电锅炉的运行功率上限值,为电锅炉功率波动值上限值,ΔQEB(yv)为电锅炉在yv时刻产生的热量,ΔQSCS(yv)为太阳能在yv时刻产生的热量,ΔQU(yv)为yv时刻用户采暖需求量,其中,T为所述电锅炉与太阳能联合供热系统的年供暖时刻数,Q为用户年累计采暖需求量。
13.如权利要求8所述的装置,其特征在于,所述确定模块中采用遗传算法确定所述目标函数的最优解。
14.如权利要求13所述的装置,其特征在于,所述采用遗传算法确定所述目标函数的最优解,包括:
a.初始化所述目标函数的解;
b.将所述目标函数的倒数作为适应度函数,确定各组解的适应度值;
c.利用遗传选择算子获取M组适应度值高的解,即M组电锅炉与太阳能联合供热系统的供暖设备的设备容量;
d.按交叉概率δd对所述M组电锅炉与太阳能联合供热系统的供暖设备的设备容量进行交叉操作,生成新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合;
e.按变异概率δe对所述新的电锅炉与太阳能联合供热系统的供暖设备的设备容量组合进行变异操作;
f.返回所述步骤b,若种群中最优个体的适应度值连续若干次迭代没有增加或连续若干次迭代后种群中最优个体的适应度值的平均值没有增加,则停止返回所述步骤b,输出最优个体,即所述目标函数的最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610964270.3A CN106503466B (zh) | 2016-11-04 | 2016-11-04 | 电锅炉与太阳能联合供热系统的设备容量配置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610964270.3A CN106503466B (zh) | 2016-11-04 | 2016-11-04 | 电锅炉与太阳能联合供热系统的设备容量配置方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106503466A true CN106503466A (zh) | 2017-03-15 |
CN106503466B CN106503466B (zh) | 2022-03-18 |
Family
ID=58322650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610964270.3A Active CN106503466B (zh) | 2016-11-04 | 2016-11-04 | 电锅炉与太阳能联合供热系统的设备容量配置方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106503466B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107256436A (zh) * | 2017-05-05 | 2017-10-17 | 国家电网公司 | 蓄热电锅炉与清洁能源的预测匹配和消纳控制方法 |
CN108510118A (zh) * | 2018-04-02 | 2018-09-07 | 张龙 | 一种基于物联网的楼宇供暖节能预测分析终端 |
CN109766346A (zh) * | 2019-01-25 | 2019-05-17 | 长春工程学院 | 一种高寒地区固体蓄热式电锅炉短期功率消耗预测方法 |
CN110795683A (zh) * | 2019-10-22 | 2020-02-14 | 北京中环合创环保能源科技有限公司 | 太阳能集热器面积计算方法以及装置 |
CN111242511A (zh) * | 2020-02-27 | 2020-06-05 | 云南电网有限责任公司电力科学研究院 | 氢油生产控制方法 |
CN111723958A (zh) * | 2019-03-19 | 2020-09-29 | 新奥数能科技有限公司 | 一种太阳能地源热泵系统的优化方法和装置 |
CN116611199A (zh) * | 2023-02-24 | 2023-08-18 | 中国市政工程华北设计研究总院有限公司 | 一种基于遗传算法的多能互补供热系统容量优化配置方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510095A (zh) * | 2011-10-23 | 2012-06-20 | 西安交通大学 | 一种联合循环与纯凝汽火电联合调度系统与方法 |
US20140277599A1 (en) * | 2013-03-13 | 2014-09-18 | Oracle International Corporation | Innovative Approach to Distributed Energy Resource Scheduling |
CN104184170A (zh) * | 2014-07-18 | 2014-12-03 | 国网上海市电力公司 | 基于改进的自适应遗传算法的独立微网配置优化方法 |
CN104217255A (zh) * | 2014-09-02 | 2014-12-17 | 浙江大学 | 一种市场环境下电力系统多目标检修优化方法 |
CN106022503A (zh) * | 2016-03-17 | 2016-10-12 | 北京睿新科技有限公司 | 面向具有耦合型电冷热需求的微电网容量规划方法 |
-
2016
- 2016-11-04 CN CN201610964270.3A patent/CN106503466B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510095A (zh) * | 2011-10-23 | 2012-06-20 | 西安交通大学 | 一种联合循环与纯凝汽火电联合调度系统与方法 |
US20140277599A1 (en) * | 2013-03-13 | 2014-09-18 | Oracle International Corporation | Innovative Approach to Distributed Energy Resource Scheduling |
CN104184170A (zh) * | 2014-07-18 | 2014-12-03 | 国网上海市电力公司 | 基于改进的自适应遗传算法的独立微网配置优化方法 |
CN104217255A (zh) * | 2014-09-02 | 2014-12-17 | 浙江大学 | 一种市场环境下电力系统多目标检修优化方法 |
CN106022503A (zh) * | 2016-03-17 | 2016-10-12 | 北京睿新科技有限公司 | 面向具有耦合型电冷热需求的微电网容量规划方法 |
Non-Patent Citations (2)
Title |
---|
曾飞: "燃气轮机冷热电联产系统多目标优化配置与运行策略研究", 《中国优秀硕士学位论文全文数据库-工程科技Ⅱ辑》 * |
郑拓: "分布式冷热电联供系统的运行策略与优化配置研究", 《中国优秀硕士学位论文全文数据库-工程科技Ⅱ辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107256436A (zh) * | 2017-05-05 | 2017-10-17 | 国家电网公司 | 蓄热电锅炉与清洁能源的预测匹配和消纳控制方法 |
CN108510118A (zh) * | 2018-04-02 | 2018-09-07 | 张龙 | 一种基于物联网的楼宇供暖节能预测分析终端 |
CN109766346A (zh) * | 2019-01-25 | 2019-05-17 | 长春工程学院 | 一种高寒地区固体蓄热式电锅炉短期功率消耗预测方法 |
CN111723958A (zh) * | 2019-03-19 | 2020-09-29 | 新奥数能科技有限公司 | 一种太阳能地源热泵系统的优化方法和装置 |
CN110795683A (zh) * | 2019-10-22 | 2020-02-14 | 北京中环合创环保能源科技有限公司 | 太阳能集热器面积计算方法以及装置 |
CN111242511A (zh) * | 2020-02-27 | 2020-06-05 | 云南电网有限责任公司电力科学研究院 | 氢油生产控制方法 |
CN111242511B (zh) * | 2020-02-27 | 2023-06-30 | 云南电网有限责任公司电力科学研究院 | 氢油生产控制方法 |
CN116611199A (zh) * | 2023-02-24 | 2023-08-18 | 中国市政工程华北设计研究总院有限公司 | 一种基于遗传算法的多能互补供热系统容量优化配置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106503466B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106503466A (zh) | 电锅炉与太阳能联合供热系统的设备容量配置方法及装置 | |
Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
Zhang et al. | A review of urban energy systems at building cluster level incorporating renewable-energy-source (RES) envelope solutions | |
Saloux et al. | Model-based predictive control to minimize primary energy use in a solar district heating system with seasonal thermal energy storage | |
CN105337303B (zh) | 一种含热泵的热电联产型微电网容量优化配置方法 | |
CN111355230B (zh) | 一种综合能源系统优化调度方法与系统 | |
CN104065072B (zh) | 一种基于动态电价的微电网运行优化方法 | |
Xie et al. | A hybrid short-term load forecasting model and its application in ground source heat pump with cooling storage system | |
CN106786753B (zh) | 多用户的区域能源互联网的系统及其调节方法 | |
CN108206543A (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 | |
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 | |
CN103426032A (zh) | 一种热电联产机组的经济优化调度方法 | |
CN110322056A (zh) | 一种计及中央空调系统的虚拟电厂随机自适应鲁棒优化调度方法 | |
Zhang et al. | Collaborative optimization for multiple energy stations in distributed energy network based on electricity and heat interchanges | |
CN110009122A (zh) | 户用多能互补综合能源利用系统能量优化调度方法及系统 | |
CN111738498B (zh) | 一种综合能源系统鲁棒规划方法及系统 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
CN109861302A (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
CN113987934A (zh) | 基于模糊分析的多机组多模式供热电厂运行综合评价方法 | |
CN106842921A (zh) | 基于nsga2算法的分散式以电供热系统多目标优化方法 | |
CN103761385A (zh) | 一种多热源环状管网的优化设计方法 | |
Mu et al. | A two-stage scheduling method for integrated community energy system based on a hybrid mechanism and data-driven model | |
Liu et al. | Coordinated energy management for integrated energy system incorporating multiple flexibility measures of supply and demand sides: A deep reinforcement learning approach | |
Behzadi et al. | Grid-tied solar and biomass hybridization for multi-family houses in Sweden: An optimal rule-based control framework through machine learning approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |