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 PDF

Info

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
Application number
CN201710885495.4A
Other languages
English (en)
Other versions
CN107783941B (zh
Inventor
沙鹏
王硕
刘西陲
沈炯
张俊礼
徐昱
徐君
沈百强
张如通
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Southeast University
Nari Technology Co Ltd
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Southeast University
Nari Technology Co Ltd
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Southeast University, Nari Technology Co Ltd, Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710885495.4A priority Critical patent/CN107783941B/zh
Publication of CN107783941A publication Critical patent/CN107783941A/zh
Application granted granted Critical
Publication of CN107783941B publication Critical patent/CN107783941B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation, e.g. linear programming, "travelling salesman problem" or "cutting stock problem"
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24DDOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D19/00Details
    • F24D19/10Arrangement or mounting of control or safety devices
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02BCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00Integration of renewable energy sources in buildings
    • Y02B10/20Solar thermal
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02BCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00Integration of renewable energy sources in buildings
    • Y02B10/70Hybrid systems, e.g. uninterruptible or back-up power supplies integrating renewable energies

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

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
技术领域
[0001] 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
[0002] 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。
[0003] 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。
[0004] 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
[0005] 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。
[0006] 技术方案:为实现上述发明目的,本发明采用的技术方案为:
[0007] —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:
[0008] 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;
[0009] 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;
[0010] 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;
[0011] 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。
[0012] 所述谷电价格预报步骤包含:
[0013] 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:
[0014] A (z-4 Δ Q ⑹=C (z-4 ξ ⑹ (1)
[0015] 式中:A (z—3 = 1+aiz—i+…anz—n,C (z—3 = 1+ciz—i+cnz—n,A (z—3 和C (z—3 是稳定的多 项式,ai,a2, . . .,an和ci,C2, . . .,cn是多项式系数,△ =l-z 1为差分算子,ξ (k)为均值为零、 方差为σ2的白噪声序列,η为多项式阶次,k为当前时刻的标度;
[0016] 12)采用减消记忆的递推最小二乘方法对式⑴中的参数进行估计,求取多项式系 数的估计值
Figure CN107783941AD00061
Figure CN107783941AD00062
后,由最小方差预报原理,获取预报值:
[0017]
Figure CN107783941AD00063
[0018] 其中,
Figure CN107783941AD00064
为在k时刻对k+i时刻负荷差分的预报值;
Figure CN107783941AD00065
Figure CN107783941AD00066
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;
[0019] 13)获取谷电价格预报值Q⑹为:
[0020]
Figure CN107783941AD00067
[0021] 式中,j代为相对k时刻的未来时刻序号。
[0022] 所述谷电价格预报校正步骤包含:
[0023] 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l〇s,获得热用户热水温度和系统总能耗电价的阶跃响应特征;)
[0024] 22)建立控制系统的预测模型ypM (k) =yp〇 (k)+A Δ UM (k),通过求解性能指标
Figure CN107783941AD00068
求出最优控制量A u (k)进行滚动优化,利用 反馈项e⑹=y⑹-yi (k I k-Ι)进行误差校正,保证控制精度;
[0025] 式中:yP〇 (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;J⑹为k时刻的代价函数;W (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;ypM⑹为k时刻起对象受到M个连续控制增量Δ Um⑹作用 后在未来P个时刻内的输出;M为控制步长;y (k+Ι)为对象的在k+Ι时刻的实际输出;yi (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;
[0026] 23)建立模型误差e⑹差分ω⑹的ARMA模型为:
[0027] ω (k) +ai ω (k~l) +· · -an ω (k-n) = ξ (k) +οιξ (k~l) +· · -+οηξ (k-n) (4)
[0028] 其中,ω (k),· · ·,ω (k_n)为误差差分序列,多项式参数ai,a2, ‘"an和ci,C2, ‘"Cn米 用ARM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
Figure CN107783941AD00069
为:
[0029]
Figure CN107783941AD000610
[0030] 式中:i、j代表相对k时刻的未来时点序号;
[0031] 最后求取在k时刻对k+i时刻的预报误差,式中e ⑹为k时刻的模型误差。
Figure CN107783941AD000611
[0032] 所述对象控制步骤包含:
[0033] 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
Figure CN107783941AD00071
[0034]
Figure CN107783941AD00072
[0035] 其中,
Figure CN107783941AD00073
为扰动模型阶次,
Figure CN107783941AD00074
为模型输出残差的方差,L为数据长度;
[0036] 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:
Figure CN107783941AD00075
[0037] 式中:A (厂1),B (厂1)和C (厂b是稳定的多项式;
[0038] 33)假设噪声模型C (厂^未知,用迭代估计的方法求得:
[0039] g)令Ci (厂^ = l,i = 0作为下标,表示迭代次数为0,ξ〇=100000为最大迭代次数;
[0040] h)计算输出估计值
Figure CN107783941AD00076
、输入估计值
Figure CN107783941AD00077
,再更新迭 代次数i = i+l,式中y (k),U 00分别为k时刻实际输入和实际输出;
[0041] i)最小二乘法估计出
Figure CN107783941AD00078
中的参数,式中:Ai(z<),Bi (z3是迭代i次的稳定的多项式;
[0042] j)用估计模型
Figure CN107783941AD00079
以及各时刻的观测数据,
Figure CN107783941AD000710
分别为 迭代i次、参数为估计值且与A1 (z〃),B1 (r1)同形的多项式,计算出估计残差
Figure CN107783941AD000711
;«:
[0043] k)计算估计残差平方和
Figure CN107783941AD000712
及估计残差平方和增量I = ,如果ξ小于 增量限值,则结束辨识,否则继续下一步;
[0044] 1)对于新得到的噪声模型
Figure CN107783941AD000713
,用最小二乘法估计出参数,得到更 新i次后的噪声模型心(^1),返回第b)步,继续按照步骤b)至f)顺序进行计算;
[0045] 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IOs采集一 次数据,共采集N组数据组成前馈补偿矩阵
Figure CN107783941AD000714
,N为模型长度;
[0046] 35)依据前馈补偿修改动态矩阵控制算法预测模型为:
[0047] ypM (k) = yp〇 (k) +Ad A Um (k) +b Δ Vp (k) (7)
[0048] 式中:Δ VP (k)为k时刻时未来P个时刻内的扰动增量;
[0049] 相应的求解性能指标minj⑹得到控制律为:
[0050] Δ u (k) = dT [wp (k) -yp0 (k) -b Δ νρ (k) ] (8)
[0051] 其中,优化矩阵
Figure CN107783941AD000715
Q,R分别为输出误差权矩 阵和控制权矩阵。
[0052] 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。
[0053] 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。
[0054] 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
[0055] 图1为本发明的系统结构框图;
[0056] 图2为本发明的控制方法制框图。
具体实施方式
[0057] 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。
[0058] 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:
[0059] 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;
[0060] 已知负荷序列Q(k),Q(k_l),---,通过求取差分Δ Q⑹获得平稳随机序列,建立相 应的ARM预报模型。预报模型描述如式1所示:
[0061] A (ζ_1) Δ Q (k) =C (ζ_1) ξ (k) (I)
[0062] 式中:A (z—工)=1+aiz—^"anZ-n,C (z—工)=1+ciz—i+cnz—'A (z—工)和C (z—工)是稳定的多 项式,ai,a2, . . .,an和ci,C2, . . .,cn是多项式系数,△ =l-z 1为差分算子,ξ (k)为均值为零、 方差为σ2的白噪声序列,η为多项式阶次,k为当前时刻的标度;
[0063] 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= [ai,...,an, ci. . .,cn]T,k时刻负荷预报值序列
Figure CN107783941AD00081
,-Q (k),. . .,-Q (k-n+1) ]τ, k时刻至Ν+k-l时刻预报序列集合的转置
Figure CN107783941AD00082
,N为模型长度。
[0064] 估计值
Figure CN107783941AD00083
可通过求解如式⑵的多项式系数向量表达式得到:
[0065] Q=(CDtCD)-1CDtQn ⑵
[0066] 求取估计值后,由最小方差预报原理,获取预报值:
[0067]
Figure CN107783941AD00084
[0068] 其中,
Figure CN107783941AD00091
为在k时刻对k+i时刻负荷差分的预报值;
Figure CN107783941AD00092
Figure CN107783941AD00093
为系 数为估计值的多项式,下标1代表迭代次数为l;i为相对于当前k时刻的未来时点序号。
[0069] 获取谷电价格预报值Q⑹为:
[0070]
Figure CN107783941AD00094
[0071] 其中,j为相对于当前时刻的未来时点序号;Q (k+j I k)为在k时刻对k+j时刻的负荷 预报值;P为预测步长;
[0072] 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;
[0073] 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:
[0074]
Figure CN107783941AD00095
[0075] 其中yi,y2分别为用户侧热水温度和系统总能耗电价,Ui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^
Figure CN107783941AD00096
为供热过程耦合模型传递函数矩阵。:
[0076] 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 和二级网循环水栗变频器频率加入10%的阶跃扰动信号,采样时间为l〇s,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:
[0077]
Figure CN107783941AD00097
[0078] 其中,
[0079] mi= [ail (I),."ail (N) ]T,ai2= [ai2 (I),."ai2 (N) ]T,a2i= [a2i (I),."a2i (N) ]τ
[0080] a22= [a22 (I),···Β22 (N) ]T为不同输入对不同输出的N步阶跃响应序列;
[0081] 建立控制系统的预测模型ypM (k) =yp〇 (k)+A Δ Um (k),通过求解性能指标
Figure CN107783941AD00098
求出最优控制量A u 00进行滚动优化,利用反 馈项e⑹=y⑹-yi (k I k-Ι)进行误差校正,保证控制精度;
[0082] 式中:yP〇 (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;J⑹为k时刻的代价函数;W (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;ypM⑹为k时刻起对象受到M个连续控制增量Δ Um⑹作用 后在未来P个时刻内的输出;M为控制步长;y (k+Ι)为对象的在k+Ι时刻的实际输出;yi (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。
[0083] 建立模型误差e⑹差分ω⑹的ARMA模型为:
[0084] ω (k) +ai ω (k~l) +· · -an ω (k-n) = ξ (k) +οιξ (k~l) +· · -+οηξ (k-n) (8)
[0085] 其中,ω (k),…,ω (k_n)为误差差分序列,多项式参数ai,a2, ‘"an和ci,C2, ‘"Cn米 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
Figure CN107783941AD00099
为::
[0086]
Figure CN107783941AD00101
[0087] 求取预报误差
Figure CN107783941AD00102
用预报误差代替模型误差e(k) 提高模型精度。
[0088] 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。
[0089] 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
Figure CN107783941AD00103
,最终预报误差
Figure CN107783941AD00104
准则为:
[0090]
Figure CN107783941AD00105
[0091] 其中,
Figure CN107783941AD00106
为模型输出残差的方差,L为数据长度;
[0092] 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:
Figure CN107783941AD00107
〇式中:A (厂4,B (厂4和C (厂1)是稳定的多项式;假 设噪声模型C (^1)未知,考虑用迭代估计的方法求得;
[0093] 令Co(z—》= l,i = 0下标表示迭代次数,ξο=100000;
[0094] 计算输出估计值
Figure CN107783941AD00108
、输入估计值
Figure CN107783941AD00109
再更新迭代 次数i = i+l,式中y⑹,u⑹分别为k时刻实际输入和实际输出;
[0095] 最小二乘法估计出
Figure CN107783941AD001010
中的参数,式中:Ai (z—3,Bi (z3是迭代i次的稳定的多项式;
[0096] 用估计模型
Figure CN107783941AD001011
以及各时刻的观测数据,
Figure CN107783941AD001012
分别为迭 代i次、参数为估计值且与A1 (z〃),B1 (I1)同形的多项式,计算出估计残差
Figure CN107783941AD001013
[0097] 计算估计残差平方和
Figure CN107783941AD001014
及估计残差平方和增量ξ = ,如果ξ小于增 量限值,则结束辨识,否则继续下一步;
[0098] 对于新得到的噪声模型
Figure CN107783941AD001015
h用最小二乘法估计出参数,得到更新后 的心K1),返回[0034]步,继续按照[0034] - [0038]顺序进行计算;
[0099] 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IOs采集一 次数据,共采集N组数据组成前馈补偿矩阵
Figure CN107783941AD001016
[0100] 依据前馈补偿修改动态矩阵控制算法预测模型为:
[0101] ypM (k) = yp〇 (k) +A Δ Um (k) +b Δ Vp (k) (11)
[0102] 相应的求解性能指标
Figure CN107783941AD00111
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[Δ U (k),Δ U (k+Ι),Δ U (k+M-1) ]τ。只对当前时刻的控制输入量△ u⑹进行计算,由此△ u⑹计算公式为:
[0103] Δ u (k) = dT [wp (k) -yp0 (k) -b Δ υρ (k) ] (12)
[0104] 设置相关参数,取采用时间为1 = 1〇8,预测步长Ρ = 200,控制步长Μ=5,模型长度 Ν=300,某一个控制量的误差权矩阵为
Figure CN107783941AD00112
,某一输出量的误差权矩阵为
Figure CN107783941AD00113
其中M为控制步长;P为预测步长。最后控制权矩阵
Figure CN107783941AD00114
,输出误 差权矩阵
Figure CN107783941AD00115
^因此优化矩阵dT为:
[0105]
Figure CN107783941AD00116
[0106] 计算k时刻的控制量为u (k) = Δ U (k) +u (k-ι);
[0107] 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⑴至⑶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Q⑹,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:
Figure CN107783941AC00021
式中 — — '
Figure CN107783941AC00022
— —是稳定的多项式, ai,a2, . . .,an和ci,C2, . . .,cn是多项式系数,A =I-Z 1为差分算子,ξ (k)为均值为零、方差为 σ2的白噪声序列,η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 估计僧
Figure CN107783941AC00023
后,由最小方差预报原理,获取预报值:
Figure CN107783941AC00024
其中
Figure CN107783941AC00025
为在k时刻对k+i时刻负荷差分的预报值;
Figure CN107783941AC00026
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Q⑹为:
Figure CN107783941AC00027
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) =yp〇 (k) +A Δ Um (k),通过求解性能指标
Figure CN107783941AC00028
求出最优控制量A u⑹进行滚动优化,利用反 馈项e⑹=y⑹-yi (k I k-Ι)进行误差校正,保证控制精度; 式中:yp〇 (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;W (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;ypM⑹为k时刻起对象受到M个连续控制增量Δ Um GO作用后在 未来P个时刻内的输出;M为控制步长;y (k+Ι)为对象的在k+Ι时刻的实际输出;yi (k+11 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+l)为模型 误差; 23)建立模型误差e⑹差分ω⑹的ARMA模型为:
Figure CN107783941AC00031
其中,ω⑹,...,ω (k-η)为误差差分序列,多项式参数ai,a2,…an和ci,C2,…cn米用 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
Figure CN107783941AC00032
.为:
Figure CN107783941AC00033
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<
Figure CN107783941AC00034
,式中e⑹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l〇s,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Hft
Figure CN107783941AC00035
其中,fla,为扰动模型阶次,赶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:
Figure CN107783941AC00036
式中:A (厂b,B (厂1)和C (厂1)是稳定的多项式; 33) 假设噪声模型C (^1)未知,用迭代估计的方法求得: a) 令Ci (厂1) = I,i = 0作为下标,表示迭代次数为0,ξ〇 = 100000为最大迭代次数; b) 计算输出估计值
Figure CN107783941AC00037
丨、输入估计值
Figure CN107783941AC00038
.,再更新迭代次 数i = i+l,式中y⑹,u⑹分别为k时刻实际输入和实际输出; c) 最小二乘法估计ti
Figure CN107783941AC00039
中的参数,式中idz—1) ,BJz一1) 是迭代i次的稳定的多项式; d) 用估计模型
Figure CN107783941AC000310
I以及各时刻的观测数据
Figure CN107783941AC000311
)分别为迭代i 次、参数为估计值且与A1 (z〃),B1 (z〃)同形的多项式,计算出估计残差
Figure CN107783941AC000312
e) 计算估计残差平方和
Figure CN107783941AC000313
及估计残差平方和增量ξ = ,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3
Figure CN107783941AC00041
,用最小二乘法估计出参数,得到更新i次 后的噪声模型C1 (^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IOs采集一次数 据,共采集N组数据组成前馈补偿矩阵
Figure CN107783941AC00042
,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:
Figure CN107783941AC00043
式中:Δ VP⑹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minj⑹得到控制律为:
Figure CN107783941AC00044
其中,优化矩阵
Figure CN107783941AC00045
R分别为输出误差权矩阵和 控制权矩阵。
CN201710885495.4A 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 Active CN107783941B (zh)

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 Active 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 (1)

* Cited by examiner, † Cited by third party
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

Citations (6)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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 (1)

* Cited by examiner, † Cited by third party
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

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
Ruelens et al. Demand response of a heterogeneous cluster of electric water heaters using batch reinforcement learning
CN103591637B (zh) 一种集中供热二次网运行调节方法
Naresh et al. Short term hydro scheduling using two-phase neural network
CN109974231B (zh) 冰蓄冷空调冰量规划方法、装置、设备及介质
CN104967149B (zh) 一种微电网风光储模型预测控制方法
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
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
CN109861202B (zh) 一种柔性互联配电网动态优化调度方法及系统
CN104573858B (zh) 一种电网负荷的预测和调控方法
CN103399492B (zh) 一种固体氧化物燃料电池电压快速非线性预测控制方法
CN107437813B (zh) 基于布谷鸟-粒子群的配电网无功功率优化方法
CN104181958B (zh) 一种过热汽温快速节能预测控制方法
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
CN107168062A (zh) 一种超临界燃煤机组协调控制系统中的负荷预测方法
Dou et al. Double-deck optimal schedule of micro-grid based on demand-side response
Zhang et al. Ensemble learning for optimal active power control of distributed energy resources and thermostatically controlled loads in an islanded microgrid
CN110365057A (zh) 基于强化学习的分布式能源参与配电网调峰调度优化方法
Guolian et al. Multiple-model predictive control based on fuzzy adaptive weights and its application to main-steam temperature in power plant
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
Kavousi-Fard et al. A predictive KH-based model to enhance the performance of industrial electric arc furnaces
CN108490791A (zh) 温控负荷成本控制策略
CN107894714A (zh) 非线性系统的自适应滑模控制方法
CN108521125A (zh) 一种电-气耦合系统概率连续潮流建模及其求解方法

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