CN107783941A - 一种基于谷电价格变化的太阳能补偿型电锅炉供热控制方法 - Google Patents
一种基于谷电价格变化的太阳能补偿型电锅炉供热控制方法 Download PDFInfo
- Publication number
- CN107783941A CN107783941A CN201710885495.4A CN201710885495A CN107783941A CN 107783941 A CN107783941 A CN 107783941A CN 201710885495 A CN201710885495 A CN 201710885495A CN 107783941 A CN107783941 A CN 107783941A
- Authority
- CN
- China
- Prior art keywords
- mrow
- electricity price
- mover
- moment
- paddy electricity
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/20—Solar thermal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/70—Hybrid systems, e.g. uninterruptible or back-up power supplies integrating renewable energies
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Thermal Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于谷电价格变化的太阳能补偿型电锅炉供热控制方法，包括：谷电价格预报步骤：采用基于时间序列的谷电价格预报方法对谷电价格变化进行预报；谷电价格预报校正步骤：对谷电价格预报步骤得到的预报电价进行误差校正；补偿步骤：消除预报步骤后得到的谷电价格的波动影响；对象控制步骤：将补偿步骤的输出和谷电价格预报校正步骤的输出作为输入，采用预测控制，对大惯性供热负荷系统进行控制调节。与现有技术相比，本方法采用DMC预测控制对基于经济性指标的太阳能补偿型电锅炉系统进行负荷控制，并设计前馈补偿回路消除谷电价格波动对供热系统经济性的影响。具有较好的控制效果，一定的抗扰动能力，有效的提高了经济效益。
Description
技术领域
本发明涉及一种基于谷电价格变化的太阳能补偿型电锅炉供热控制方法，属于热工控制领域。
背景技术
供热行业密切联系人们的日常生活，考虑到空气污染日益严重，清洁供热技术显得很有必要。太阳能清洁无污染，但受季节，气候等因素影响，具有不稳定性。电锅炉对环境无排放无污染，但是电耗较大，因此将太阳能与电锅炉结合起来进行联合供热的研究很有必要。
为使供热用户侧的温度达到稳定，必须对太阳能补偿的电锅炉联合供热系统进行控制。目前大多数的供热系统温度控制系统仍采用常规PID(比例-积分-微分)串级控制方案，难以有效应对被控对象的大延迟，非线性特征。本发明采用预测控制的方法，滚动优化求解每一采样时刻的最优控制量，同时设计前馈补偿回路减小太阳能参数波动对供热温度的影响，保证控制品质。
目前电价仅分为峰谷电两种价格，随着电力改革，竞价上网，未来可能会出现谷电价格实时波动。太阳能补偿的电锅炉联合供热系统在满足用户热需求的前提下，提高系统经济性的研究也显得很有必要。
发明内容
发明目的：针对上述存在的问题和不足，本发明提供一种太阳能补偿的电锅炉联合供热系统以及在谷电价格波动的情况下系统的控制方法，能够解决上述问题，提高系统经济性，保证供热系统供热品质。
技术方案：为实现上述发明目的，本发明采用的技术方案为：
一种基于谷电价格变化的太阳能补偿型电锅炉供热控制方法，其特征在于，控制方法包括：
谷电价格预报步骤：采用基于时间序列的谷电价格预报方法对谷电价格变化进行预报；
谷电价格预报校正步骤：对谷电价格预报步骤得到的预报电价进行误差校正；
补偿步骤：将谷电价格波动作为扰动，设计前馈补偿回路，消除预报步骤后得到的谷电价格的波动影响；
对象控制步骤：将补偿步骤的输出和谷电价格预报校正步骤的输出作为输入，采用预测控制，对大惯性供热负荷系统进行控制调节。
所述谷电价格预报步骤包含：
11)针对谷电价格序列Q(k)，通过求取差分获得平稳随机序列，建立相应的ARMA预报模型，预报模型描述为：
A(z-1)ΔQ(k)＝C(z-1)ξ(k) (1)
式中：A(z-1)＝1+a1z-1+…anz-n，C(z-1)＝1+c1z-1+cnz-n，A(z-1)和C(z-1)是稳定的多项式，a1，a2，...，an和c1，c2，...，cn是多项式系数，Δ＝1-z-1为差分算子，ξ(k)为均值为零、方差为σ2的白噪声序列，n为多项式阶次，k为当前时刻的标度；
12)采用减消记忆的递推最小二乘方法对式(1)中的参数进行估计，求取多项式系数的估计值和后，由最小方差预报原理，获取预报值：
其中，为在k时刻对k+i时刻负荷差分的预报值；和为系数为估计值的多项式，下标1代表迭代次数为1；i为相对于当前k时刻的未来时点序号；
13)获取谷电价格预报值Q(k)为：
式中，j代为相对k时刻的未来时刻序号。
所述谷电价格预报校正步骤包含：
21)获取太阳能补偿型电锅炉供热系统对象的控制模型，稳态时对对象进行阶跃响应试验；(即对蓄热水箱阀门开度和电锅炉变频器频率加入10％的阶跃扰动信号，采样时间为10s，获得热用户热水温度和系统总能耗电价的阶跃响应特征；)
22)建立控制系统的预测模型yPM(k)＝yP0(k)+AΔuM(k)，通过求解性能指标求出最优控制量Δu(k)进行滚动优化，利用反馈项e(k)＝y(k)-y1(k|k-1)进行误差校正，保证控制精度；
式中：yP0(k)为k时刻起控制作用保持不变时，未来P个时刻内对象的输出；AD为动态矩阵；J(k)为k时刻的代价函数；wP(k)为k时刻时未来P个时刻内的设定值序列；Q，R分别为输出误差权矩阵和控制权矩阵；yPM(k)为k时刻起对象受到M个连续控制增量ΔuM(k)作用后在未来P个时刻内的输出；M为控制步长；y(k+1)为对象的在k+1时刻的实际输出；y1(k+1|k)为对象在k时刻受到1个控制增量，经过一步采样时间后在k+1时刻的预测输出；e(k+1)为模型误差；
23)建立模型误差e(k)差分ω(k)的ARMA模型为：
ω(k)+a1ω(k-1)+…anω(k-n)＝ξ(k)+c1ξ(k-1)+…+cnξ(k-n) (4)
其中，ω(k)，...，ω(k-n)为误差差分序列，多项式参数a1，a2，…an和c1，c2，…cn采用ARMA的参数估计法进行估计；再利用最小方差预报原理，求取k时刻对未来的误差差分预报值为：
式中：i、j代表相对k时刻的未来时点序号；
最后求取在k时刻对k+i时刻的预报误差式中e(k)为k时刻的模型误差。
所述对象控制步骤包含：
31)利用最终预报误差准则估计太阳能参数对供热温度扰动模型的阶次，求解下式获取模型阶次
其中，为扰动模型阶次，为模型输出残差的方差，L为数据长度；
32)利用广义最小二乘方法辨识出环境参数扰动模型，考虑差分方程：
式中：A(z-1)，B(z-1)和C(z-1)是稳定的多项式；
33)假设噪声模型C(z-1)未知，用迭代估计的方法求得：
g)令Ci(z-1)＝1，i＝0作为下标，表示迭代次数为0，ξ0＝100000为最大迭代次数；
h)计算输出估计值输入估计值再更新迭代次数i＝i+1，式中y(k)，u(k)分别为k时刻实际输入和实际输出；
i)最小二乘法估计出中的参数，式中：Ai(z-1)，Bi(z-1)是迭代i次的稳定的多项式；
j)用估计模型以及各时刻的观测数据，分别为迭代i次、参数为估计值且与Ai(z-1)，Bi(z-1)同形的多项式，计算出估计残差
k)计算估计残差平方和及估计残差平方和增量ξ＝ξi-ξi-1，如果ξ小于增量限值，则结束辨识，否则继续下一步；
l)对于新得到的噪声模型用最小二乘法估计出参数，得到更新i次后的噪声模型Ci(z-1)，返回第b)步，继续按照步骤b)至f)顺序进行计算；
34)已知供热系统太阳能扰动模型，对该模型进行阶跃响应试验，每隔10s采集一次数据，共采集N组数据组成前馈补偿矩阵N为模型长度；
35)依据前馈补偿修改动态矩阵控制算法预测模型为：
yPM(k)＝yP0(k)+ADΔuM(k)+bΔvP(k) (7)
式中：ΔvP(k)为k时刻时未来P个时刻内的扰动增量；
相应的求解性能指标minJ(k)得到控制律为：
Δu(k)＝dT[wP(k)-yP0(k)-bΔvP(k)] (8)
其中，优化矩阵Q，R分别为输出误差权矩阵和控制权矩阵。
本发明基于谷电价格变化的太阳能补偿型电锅炉供热控制方法，主要采取措施有：1)将谷电价格波动作为扰动，采用带前馈的DMC预测控制方法进行控制，设计前馈补偿回路，消除谷电价格波动对系统经济性的影响；2)谷电价格不可控，故通过辨识获得其变化对系统经济性的影响关系；3)总体采用DMC预测控制，保证供热系统稳定性。
与现有技术相比，本方法采用DMC预测控制对基于经济性指标的太阳能补偿型电锅炉系统进行负荷控制，并设计前馈补偿回路消除谷电价格波动对供热系统经济性的影响。具有较好的控制效果，一定的抗扰动能力，有效的提高了经济效益。
有益效果：当太阳能参数发生变化时，保持供热温度不变，减小太阳能参数扰动对供热品质的影响。此时，增加或减少供热出水流量，用户端水流量不变，响应减小或增加混水流量。预测谷电价格会根据负荷时间序列在线进行估计，也包含太阳能参数变化的影响，本质上也能提高抵抗环境参数扰动作用。
附图说明
图1为本发明的系统结构框图；
图2为本发明的控制方法制框图。
具体实施方式
下面结合附图和具体实施方案，进一步阐明本发明，应该理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定范围。
本发明的基于谷电价格变化的太阳能补偿型电锅炉供热控制方法，通过预测控制的方法，设置前馈补偿回路实现对用户温度和系统电耗价格的控制。同时有效处理对象大迟延特性，提高供热系统对太阳能参数的抗扰动能力。所述实时供热负荷控制方法具体步骤如下：
1)采用了基于时间序列的谷电价格预报方法。电力改革采取竞价上网后，夜间的谷电价格也可能从固定价格变成波动价格。以时间序列的谷电价格预报方法，根据历史价格预报下一时段的电价，将预测电价作为供热负荷控制系统的参考值；
已知负荷序列Q(k)，Q(k-1)，---，通过求取差分ΔQ(k)获得平稳随机序列，建立相应的ARMA预报模型。预报模型描述如式1所示：
A(z-1)ΔQ(k)＝C(z-1)ξ(k) (1)
式中：A(z-1)＝1+a1z-1+…anz-n，C(z-1)＝1+c1z-1+cnz-n。A(z-1)和C(z-1)是稳定的多项式，a1，a2，...，an和c1，c2，...，cn是多项式系数，Δ＝1-z-1为差分算子，ξ(k)为均值为零、方差为σ2的白噪声序列，n为多项式阶次，k为当前时刻的标度；
式(1)中的参数采用最小二乘方法进行估计，记多项式系数向量θ＝[a1，...，an，c1...，cn]T，k时刻负荷预报值序列-Q(k)，...，-Q(k-n+1)]T，k时刻至N+k-1时刻预报序列集合的转置N为模型长度。
估计值和可通过求解如式(2)的多项式系数向量表达式得到：
θ＝(ΦTΦ)-1ΦTQN (2)
求取估计值后，由最小方差预报原理，获取预报值：
其中，为在k时刻对k+i时刻负荷差分的预报值；和为系数为估计值的多项式，下标1代表迭代次数为1；i为相对于当前k时刻的未来时点序号。
获取谷电价格预报值Q(k)为：
其中，j为相对于当前时刻的未来时点序号；Q(k+j|k)为在k时刻对k+j时刻的负荷预报值；P为预测步长；
2)针对供热负荷系统大惯性的特点，采用预测控制进行控制调节。根据预测的谷电价格变化，提前进行操作，保证系统的经济性最优。同时保证热用户的用热品质；
获取供热系统对象的控制模型，设供热负荷的传递函数可以由下式表示：
其中y1，y2分别为用户侧热水温度和系统总能耗电价，u1和u2分别为调节蓄热水箱阀门开度和调节电锅炉变频器频率。为供热过程耦合模型传递函数矩阵。：
获取热网对象的控制模型，稳态时对对象进行阶跃响应试验。即对一级网流量阀和二级网循环水泵变频器频率加入10％的阶跃扰动信号，采样时间为10s，获得二级网供回水流量和温差的阶跃响应特征。因为假设二级网供回水流量不变，即模型矩阵A为：
其中，
a11＝[a11(1)，…a11(N)]T，a12＝[a12(1)，…a12(N)]T，a21＝[a21(1)，…a21(N)]T
a22＝[a22(1)，…a22(N)]T为不同输入对不同输出的N步阶跃响应序列；
建立控制系统的预测模型yPM(k)＝yP0(k)+AΔuM(k)，通过求解性能指标求出最优控制量Δu(k)进行滚动优化，利用反馈项e(k)＝y(k)-y1(k|k-1)进行误差校正，保证控制精度；
式中：yP0(k)为k时刻起控制作用保持不变时，未来P个时刻内对象的输出；AD为动态矩阵；J(k)为k时刻的代价函数；wP(k)为k时刻时未来P个时刻内的设定值序列；Q，R分别为输出误差权矩阵和控制权矩阵；yPM(k)为k时刻起对象受到M个连续控制增量ΔuM(k)作用后在未来P个时刻内的输出；M为控制步长；y(k+1)为对象的在k+1时刻的实际输出；y1(k+1|k)为对象在k时刻受到1个控制增量，经过一步采样时间后在k+1时刻的预测输出；e(k+1)为模型误差。
建立模型误差e(k)差分ω(k)的ARMA模型为：
ω(k)+a1ω(k-1)+…anω(k-n)＝ξ(k)+c1ξ(k-1)+…+cnξ(k-n)‘ (8)
其中，ω(k)，...，ω(k-n)为误差差分序列，多项式参数a1，a2，…an和c1，c2，…cn采用ARMA的参数估计法进行估计。再利用最小方差预报原理，求取误差差分的预报值为：：
求取预报误差用预报误差代替模型误差e(k)提高模型精度。
3)将太阳能参数看作为扰动，设置前馈补偿回路。对可测太阳能参数的动态特性进行建模，提取对过程动态影响的因果性信息，利用广义最小二乘方法估计出可测太阳能参数与系统输出之间的辨识模型，求取辨识模型的阶跃响应特征，得到前馈补偿矩阵，减小太阳能参数波动对供热品质的影响。
通过求解环境参数扰动模型最终预报误差准则的最小值求解出模型扰动的阶次最终预报误差准则为：
其中，为模型输出残差的方差，L为数据长度；
利用广义最小二乘方法辨识出环境参数扰动模型，考虑差分方程：式中：A(z-1)，B(z-1)和C(z-1)是稳定的多项式；假设噪声模型C(z-1)未知，考虑用迭代估计的方法求得；
令C0(z-1)＝1，i＝0下标表示迭代次数，ξ0＝100000；
计算输出估计值输入估计值再更新迭代次数i＝i+1，式中y(k)，u(k)分别为k时刻实际输入和实际输出；
最小二乘法估计出中的参数，式中：Ai(z-1)，Bi(z-1)是迭代i次的稳定的多项式；
用估计模型以及各时刻的观测数据，分别为迭代i次、参数为估计值且与Ai(z-1)，Bi(z-1)同形的多项式，计算出估计残差
计算估计残差平方和及估计残差平方和增量ξ＝ξi-ξi-1，如果ξ小于增量限值，则结束辨识，否则继续下一步；
对于新得到的噪声模型用最小二乘法估计出参数，得到更新后的Ci(z-1)，返回[0034]步，继续按照[0034]-[0038]顺序进行计算；
已知供热系统太阳能参数扰动模型，对该模型进行阶跃响应试验，每隔10s采集一次数据，共采集N组数据组成前馈补偿矩阵
依据前馈补偿修改动态矩阵控制算法预测模型为：
yPM(k)＝yP0(k)+AΔuM(k)+bΔvP(k) (11)
相应的求解性能指标得到控制律，每一采样时刻进行一次优化计算，获得M时域内的最优控制增量序列[Δu(k)，Δu(k+1)，Δu(k+M-1)]T。只对当前时刻的控制输入量Δu(k)进行计算，由此Δu(k)计算公式为：
Δu(k)＝dT[wP(k)-yP0(k)-bΔυP(k)] (12)
设置相关参数，取采用时间为Ts＝10s，预测步长P＝200，控制步长M＝5，模型长度N＝300，某一个控制量的误差权矩阵为某一输出量的误差权矩阵为其中M为控制步长；P为预测步长。最后控制权矩阵输出误差权矩阵因此优化矩阵dT为：
计算k时刻的控制量为u(k)＝Δu(k)+u(k-1)；
输出供热负荷控制量u(k)，计算供热负荷控制系统输出：供热水温和供热流量，再重复(1)至(3)步，直到系统趋于稳定或者到达计算上限。
Claims (5)
1.一种基于谷电价格变化的太阳能补偿型电锅炉供热控制方法，其特征在于，包括：
谷电价格预报步骤：采用基于时间序列的谷电价格预报方法对谷电价格变化进行预报；
谷电价格预报校正步骤：对谷电价格预报步骤得到的预报电价进行误差校正；
补偿步骤：将谷电价格波动作为扰动，设计前馈补偿回路，消除预报步骤后得到的谷电价格的波动影响；
对象控制步骤：将补偿步骤的输出和谷电价格预报校正步骤的输出作为输入，采用预测控制，对大惯性供热负荷系统进行控制调节。
2.根据权利要求1所述的基于谷电价格变化的太阳能补偿型电锅炉供热控制方法，其特征在于：所述谷电价格预报步骤包含：
11)针对谷电价格序列Q(k)，通过求取差分获得平稳随机序列，建立相应的ARMA预报模型，预报模型描述为：
A(z-1)ΔQ(k)＝C(z-1)ξ(k) (1)
式中：A(z-1)＝1+a1z-1+…anz-n，C(z-1)＝1+c1z-1+cnz-n，A(z-1)和C(z-1)是稳定的多项式，a1，a2，...，an和c1，c2，...，cn是多项式系数，Δ＝1-z-1为差分算子，ξ(k)为均值为零、方差为σ2的白噪声序列，n为多项式阶次，k为当前时刻的标度；
12)采用减消记忆的递推最小二乘方法对式(1)中的参数进行估计，求取多项式系数的估计值和后，由最小方差预报原理，获取预报值：
<mrow>
<mi>&Delta;</mi>
<mover>
<mi>Q</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<msub>
<mover>
<mi>A</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>z</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mi>&Delta;</mi>
<mover>
<mi>Q</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mi>k</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mover>
<mi>C</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>z</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mi>&xi;</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，为在k时刻对k+i时刻负荷差分的预报值；和为系数为估计值的多项式，下标1代表迭代次数为1；i为相对于当前k时刻的未来时点序号；
13)获取谷电价格预报值Q(k)为：
<mrow>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mi>j</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>j</mi>
</munderover>
<mi>&Delta;</mi>
<mover>
<mi>Q</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>P</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式中，j代为相对k时刻的未来时刻序号。
3.根据权利要求2所述的基于谷电价格变化的太阳能补偿型电锅炉供热控制方法，其特征在于：所述谷电价格预报校正步骤包含：
21)获取太阳能补偿型电锅炉供热系统对象的控制模型，稳态时对对象进行阶跃响应试验；
22)建立控制系统的预测模型yPM(k)＝yP0(k)+AΔuM(k)，通过求解性能指标求出最优控制量Δu(k)进行滚动优化，利用反馈项e(k)＝y(k)-y1(k|k-1)进行误差校正，保证控制精度；
式中：yP0(k)为k时刻起控制作用保持不变时，未来P个时刻内对象的输出；AD为动态矩阵；J(k)为k时刻的代价函数；wP(k)为k时刻时未来P个时刻内的设定值序列；Q，R分别为输出误差权矩阵和控制权矩阵；yPM(k)为k时刻起对象受到M个连续控制增量ΔuM(k)作用后在未来P个时刻内的输出；M为控制步长；y(k+1)为对象的在k+1时刻的实际输出；y1(k+1|k)为对象在k时刻受到1个控制增量，经过一步采样时间后在k+1时刻的预测输出；e(k+1)为模型误差；
23)建立模型误差e(k)差分ω(k)的ARMA模型为：
ω(k)+a1ω(k-1)+…anω(k-n)＝ξ(k)+c1ξ(k-1)+…+cnξ(k-n) (4)
其中，ω(k)，...，ω(k-n)为误差差分序列，多项式参数a1，a2，…an和c1，c2，…cn采用ARMA的参数估计法进行估计；再利用最小方差预报原理，求取k时刻对未来的误差差分预报值为：
<mrow>
<mover>
<mi>&omega;</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mi>i</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>a</mi>
<mi>j</mi>
</msub>
<mover>
<mi>&omega;</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mi>i</mi>
<mo>-</mo>
<mi>j</mi>
<mo>|</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>i</mi>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
<mi>&xi;</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mi>i</mi>
<mo>-</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
式中：i、j代表相对k时刻的未来时点序号；
最后求取在k时刻对k+i时刻的预报误差式中e(k)为k时刻的模型误差。
4.根据权利要求3所述的基于谷电价格变化的太阳能补偿型电锅炉供热控制方法，其特征在于：步骤21)中，对蓄热水箱阀门开度和电锅炉变频器频率加入10％的阶跃扰动信号，采样时间为10s，获得热用户热水温度和系统总能耗电价的阶跃响应特征。
5.根据权利要求3或4所述的基于谷电价格变化的太阳能补偿型电锅炉供热控制方法，其特征在于：所述对象控制步骤包含：
31)利用最终预报误差准则估计太阳能参数对供热温度扰动模型的阶次，求解下式获取模型阶次
<mrow>
<mi>F</mi>
<mi>P</mi>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>n</mi>
<mo>^</mo>
</mover>
<mi>a</mi>
</msub>
<mo>,</mo>
<msub>
<mover>
<mi>n</mi>
<mo>^</mo>
</mover>
<mi>b</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>L</mi>
<mo>+</mo>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>n</mi>
<mo>^</mo>
</mover>
<mi>a</mi>
</msub>
<mo>+</mo>
<msub>
<mover>
<mi>n</mi>
<mo>^</mo>
</mover>
<mi>b</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>n</mi>
<mo>^</mo>
</mover>
<mi>a</mi>
</msub>
<mo>+</mo>
<msub>
<mover>
<mi>n</mi>
<mo>^</mo>
</mover>
<mi>b</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<msubsup>
<mover>
<mi>&sigma;</mi>
<mo>^</mo>
</mover>
<mi>s</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，为扰动模型阶次，为模型输出残差的方差，L为数据长度；
32)利用广义最小二乘方法辨识出环境参数扰动模型，考虑差分方程：
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>z</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>B</mi>
<mo>(</mo>
<msup>
<mi>z</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>z</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mi>&xi;</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
式中：A(z-1)，B(z-1)和C(z-1)是稳定的多项式；
33)假设噪声模型C(z-1)未知，用迭代估计的方法求得：
a)令Ci(z-1)＝1，i＝0作为下标，表示迭代次数为0，ξ0＝100000为最大迭代次数；
b)计算输出估计值输入估计值再更新迭代次数i＝i+1，式中y(k)，u(k)分别为k时刻实际输入和实际输出；
c)最小二乘法估计出中的参数，式中：Ai(z-1)，Bi(z-1)是迭代i次的稳定的多项式；
d)用估计模型以及各时刻的观测数据，分别为迭代i次、参数为估计值且与Ai(z-1)，Bi(z-1)同形的多项式，计算出估计残差
e)计算估计残差平方和及估计残差平方和增量ξ＝ξi-ξi-1，如果ξ小于增量限值，则结束辨识，否则继续下一步；
f)对于新得到的噪声模型用最小二乘法估计出参数，得到更新i次后的噪声模型Ci(z-1)，返回第b)步，继续按照步骤b)至f)顺序进行计算；
34)已知供热系统太阳能扰动模型，对该模型进行阶跃响应试验，每隔10s采集一次数据，共采集N组数据组成前馈补偿矩阵N为模型长度；
35)依据前馈补偿修改动态矩阵控制算法预测模型为：
yPM(k)＝yP0(k)+ADΔuM(k)+bΔvP(k) (7)
式中：ΔvP(k)为k时刻时未来P个时刻内的扰动增量；
相应的求解性能指标minJ(k)得到控制律为：
Δu(k)＝dT[wP(k)-yP0(k)-bΔvP(k)] (8)
其中，优化矩阵Q，R分别为输出误差权矩阵和控制权矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710885495.4A CN107783941B (zh) | 2017-09-26 | 2017-09-26 | 一种基于谷电价格变化的太阳能补偿型电锅炉供热控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710885495.4A CN107783941B (zh) | 2017-09-26 | 2017-09-26 | 一种基于谷电价格变化的太阳能补偿型电锅炉供热控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107783941A true CN107783941A (zh) | 2018-03-09 |
| CN107783941B CN107783941B (zh) | 2020-09-29 |
Family
ID=61433790
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710885495.4A Expired - Fee Related CN107783941B (zh) | 2017-09-26 | 2017-09-26 | 一种基于谷电价格变化的太阳能补偿型电锅炉供热控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107783941B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108954491A (zh) * | 2018-07-30 | 2018-12-07 | 东南大学 | 一种光热中温补偿型电锅炉供热系统的控制方法 |
| CN115307317A (zh) * | 2022-08-05 | 2022-11-08 | 合肥美的暖通设备有限公司 | 加热处理方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2830938Y (zh) * | 2005-03-16 | 2006-10-25 | 哈密市华海建筑工程有限责任公司 | 太阳能集热低谷电辅助低温地板辐射采暖系统装置 |
| CN103528114A (zh) * | 2013-09-24 | 2014-01-22 | 芜湖市科华新型材料应用有限责任公司 | 分布式、非蓄电、非逆变太阳光伏变功率蓄能电热系统及控制方法 |
| CN104656448A (zh) * | 2015-01-16 | 2015-05-27 | 东南大学 | 一种基于解耦和扰动观测的超临界机组预测控制方法 |
| CN104716644A (zh) * | 2015-03-09 | 2015-06-17 | 山东大学 | 一种可再生能源冷热电微网系统及控制方法 |
| US20150198962A1 (en) * | 2013-05-31 | 2015-07-16 | Patrick Andrew Shiel | Building energy usage reduction by automation of optimized plant operation times and sub-hourly building energy forecasting to determine plant faults |
| US20160356515A1 (en) * | 2013-11-14 | 2016-12-08 | Passivsystems Limited | Improvements in and relating to temperature controlled systems |
-
2017
- 2017-09-26 CN CN201710885495.4A patent/CN107783941B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2830938Y (zh) * | 2005-03-16 | 2006-10-25 | 哈密市华海建筑工程有限责任公司 | 太阳能集热低谷电辅助低温地板辐射采暖系统装置 |
| US20150198962A1 (en) * | 2013-05-31 | 2015-07-16 | Patrick Andrew Shiel | Building energy usage reduction by automation of optimized plant operation times and sub-hourly building energy forecasting to determine plant faults |
| CN103528114A (zh) * | 2013-09-24 | 2014-01-22 | 芜湖市科华新型材料应用有限责任公司 | 分布式、非蓄电、非逆变太阳光伏变功率蓄能电热系统及控制方法 |
| US20160356515A1 (en) * | 2013-11-14 | 2016-12-08 | Passivsystems Limited | Improvements in and relating to temperature controlled systems |
| CN104656448A (zh) * | 2015-01-16 | 2015-05-27 | 东南大学 | 一种基于解耦和扰动观测的超临界机组预测控制方法 |
| CN104716644A (zh) * | 2015-03-09 | 2015-06-17 | 山东大学 | 一种可再生能源冷热电微网系统及控制方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108954491A (zh) * | 2018-07-30 | 2018-12-07 | 东南大学 | 一种光热中温补偿型电锅炉供热系统的控制方法 |
| CN115307317A (zh) * | 2022-08-05 | 2022-11-08 | 合肥美的暖通设备有限公司 | 加热处理方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107783941B (zh) | 2020-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107842908A (zh) | 一种基于环境参数补偿的实时供热负荷控制方法 | |
| Sepulveda et al. | A novel demand side management program using water heaters and particle swarm optimization | |
| CN107437813B (zh) | 基于布谷鸟-粒子群的配电网无功功率优化方法 | |
| CN103591637B (zh) | 一种集中供热二次网运行调节方法 | |
| Shakibjoo et al. | Load frequency control for multi-area power systems: A new type-2 fuzzy approach based on Levenberg–Marquardt algorithm | |
| CN107069784B (zh) | 一种利用分布式储能提高配电网负荷和光伏承载能力的优化运行方法 | |
| CN113095791A (zh) | 一种综合能源系统运行方法及系统 | |
| CN113300380B (zh) | 一种基于负荷曲线分段的配电网无功优化补偿方法 | |
| CN107783941A (zh) | 一种基于谷电价格变化的太阳能补偿型电锅炉供热控制方法 | |
| CN114336673B (zh) | 一种基于模型预测控制的风储联合电站一次调频控制策略 | |
| CN107231001B (zh) | 一种基于改进灰色预测的楼宇微网在线能量管理方法 | |
| Mc Namara et al. | Weight optimisation for iterative distributed model predictive control applied to power networks | |
| WO2024016504A1 (zh) | 一种基于安全经济的电热综合能源控制方法 | |
| CN110991092A (zh) | 一种余能一体化利用计算方法及系统 | |
| CN117039981A (zh) | 一种面向含新能源的大规模电网优化调度方法、装置、存储介质 | |
| CN116436033A (zh) | 一种基于用户满意度和强化学习的温控负荷频率响应控制方法 | |
| CN115313520A (zh) | 分布式能源系统博弈优化调度方法、系统、设备及介质 | |
| CN112862282B (zh) | 一种基于ddqn算法的综合能源系统源-荷协同调度优化方法 | |
| CN104573858B (zh) | 一种电网负荷的预测和调控方法 | |
| CN109586287A (zh) | 一种基于改进自适应模型预测控制的电压协调控制方法及其装置 | |
| CN111242412B (zh) | 一种基于需求响应的热控负荷集群协同管控方法 | |
| Guolian et al. | Multiple-model predictive control based on fuzzy adaptive weights and its application to main-steam temperature in power plant | |
| CN114519249A (zh) | 考虑用户体验的虚拟电厂运行优化方法及其应用 | |
| CN110932336B (zh) | 一种基于模型预测控制的低压配电台区电压控制方法及系统 | |
| CN107894714A (zh) | 非线性系统的自适应滑模控制方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200929 Termination date: 20210926 |