CN108805363B - 冷热电联供系统定容方法及装置 - Google Patents

冷热电联供系统定容方法及装置 Download PDF

Info

Publication number
CN108805363B
CN108805363B CN201810660674.2A CN201810660674A CN108805363B CN 108805363 B CN108805363 B CN 108805363B CN 201810660674 A CN201810660674 A CN 201810660674A CN 108805363 B CN108805363 B CN 108805363B
Authority
CN
China
Prior art keywords
load data
energy supply
capacity
object group
cold
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.)
Active
Application number
CN201810660674.2A
Other languages
English (en)
Other versions
CN108805363A (zh
Inventor
印佳敏
郑赟
王路
郭子暄
钟依庐
梁沛权
黄剑眉
陈志刚
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.)
China Energy Engineering Group Guangdong Electric Power Design Institute Co Ltd
Original Assignee
China Energy Engineering Group Guangdong Electric Power Design Institute 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 China Energy Engineering Group Guangdong Electric Power Design Institute Co Ltd filed Critical China Energy Engineering Group Guangdong Electric Power Design Institute Co Ltd
Priority to CN201810660674.2A priority Critical patent/CN108805363B/zh
Publication of CN108805363A publication Critical patent/CN108805363A/zh
Application granted granted Critical
Publication of CN108805363B publication Critical patent/CN108805363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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"
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本申请涉及一种冷热电联供系统定容方法及装置。其中，上述的冷热电联供系统定容方法，包括：获取供能对象群中各用户全年的冷负荷数据、热负荷数据和电负荷数据，根据冷负荷数据、热负荷数据和电负荷数据，获得供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据，根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容。以整个供能对象群为研究单位，通过对供能对象群中各用户的冷负荷数据、热负荷数据和电负荷数据的获取，以及综合考虑供能对象群的类型，对冷热电联供系统进行精确定容，定容精度更高，根据定容结果建立的冷热电联供系统的机组利用率高。

Description

冷热电联供系统定容方法及装置
技术领域
本发明涉及分布式能源系统领域，特别是涉及一种冷热电联供系统定容方法及装置。
背景技术
分布式能源是分布在用户端的能源综合利用系统，在负荷中心就近实现能源供应，追求能源梯级利用以达到较高的能源利用效率，具有能效高、清洁环保、安全性好、削峰填谷、经济效益好等优点。一般来说，分布式能源常以冷热电联供的方式同时满足用户冷、热、电负荷需求。由于分布式能源站在建立时，要根据所在区域的冷热电使用情况来确定机组容量，选定合适的配套设备。所以对分布式冷热电联供系统进行定容显得十分必要。
目前，分布式供能系统根据是否与大电网连接，主要分为两种类型：联网型和离网型。一般的，分布式冷热电联供系统定容时，常采用以下方式：
对于离网型供能对象，由于没有大电网进行补充，为了满足冷、热、电负荷需求，常以电负荷的最大值进行初步定容，根据“以电定冷(热)”的方式得到系统供冷(热)能力。当供冷(热)能力无法满足冷(热)负荷峰值时，加以辅助设备(如电空调、锅炉等)满足冷(热)峰值负荷需求。最终根据初步定容的结果，加上辅助设备增加的电负荷，即确定为供能系统最终电力容量。
对于联网型供能对象，常参考热电联产项目，采用“以冷(热)定电”的方式，以冷(热)负荷的大小确定机组容量。
发明人在实施过程中，发现传统技术至少存在以下缺点：对于离网型供能对象的定容方法仅考虑了冷、热、电负荷的大小，没有综合考虑冷、热、电负荷的波动情况，以及电负荷和冷(热)负荷之间的同时叠加情况，对于电负荷和冷(热)负荷峰值不出现于同一时刻的用户，尤其对于电负荷和冷(热)负荷峰谷值出现互补情况的用户，往往造成供能系统容量偏大，减少了机组利用率，增加了投资，降低了经济效益。对于联网型供能对象的定容方法往往造成分布式能源站的容量较大，机组全年利用小时数偏低，尤其对于冷(热)负荷峰值较高且全天波动较大的用户，如商场、会议中心等，部分机组长时间闲置或者低负荷运行，不仅造成不必要的投资，降低机组效率。
总的来说，目前所采用的离网型或联网型供能对象的定容方法建立的分布式冷热电联供系统的容量偏大，机组利用率低。
发明内容
基于此，有必要针对现有的分布式冷热电联供系统的机组利用率低的问题，提供一种冷热电联供系统定容方法及装置。
一方面，本发明实施例提供了一种冷热电联供系统定容方法，包括：
获取供能对象群中各用户全年的冷负荷数据、热负荷数据和电负荷数据；
根据冷负荷数据、热负荷数据和电负荷数据，获得供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据；
根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容。
在其中一个实施例中，冷热电联供系统定容方法还包括步骤：
根据各个时刻的冷负荷数据、热负荷数据和电负荷数据，获得供能对象群全年的冷负荷波动曲线、热负荷波动曲线和电负荷波动曲线；
根据供能对象群全年的冷负荷波动曲线、热负荷波动曲线和电负荷波动曲线，获得供能对象群全年的冷负荷延时曲线、热负荷延时曲线和电负荷延时曲线。
在其中一个实施例中，根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容的步骤包括：
若供能对象群为离网型，则根据供能对象群全年的各个时刻的冷负荷数据和电负荷数据，获得供能对象群对应的冷负荷峰值、电负荷峰值和第一供冷能力值；
若第一供冷能力值大于等于冷负荷峰值，则供能对象群对应的第一电力容量等于电负荷峰值；
根据各个时刻的热负荷数据和各个时刻的电负荷数据，利用以电定热的方法获得供能对象群对应的各个时刻的供热调峰容量；
根据供能对象群对应的各个时刻的供热调峰容量，获得供能对象群对应的第一供热调峰容量。
在其中一个实施例中，在根据各个时刻的热负荷数据和各个时刻的电负荷数据，利用以电定热的方法获得供能对象群对应的各个时刻的供热调峰容量的步骤之前还包括：
若第一供冷能力值小于冷负荷峰值，则根据各个时刻的冷负荷数据，获得与各个时刻的冷负荷数据等效的电制冷设备耗电量；
根据电制冷设备耗电量和各个时刻的电负荷数据，获得供能对象群各个时刻的总电负荷数据；
根据供能对象群各个时刻的总电负荷数据，获得供能对象群全年的总电负荷峰值；
根据T时刻的电负荷数据和T时刻的冷负荷数据，获得第二电力容量，其中，T时刻为总电负荷峰值所对应的时刻；
根据各个时刻的冷负荷数据和各个时刻的电负荷数据，利用以电定冷的方法获得供能对象群对应的各个时刻的供冷调峰容量；
根据供能对象群对应的各个时刻的供冷调峰容量，获得供能对象群对应的第一供冷调峰容量。
在其中一个实施例中，根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容的步骤包括：
若供能对象群为以冷负荷为主的联网型，则根据供能对象群各个时刻的冷负荷数据获得初步冷量定容值；
根据初步冷量定容值，获得供能对象群对应的第二供冷调峰容量；
根据以冷定电的方法，获得初步冷量定容值对应的第一供电能力值，供能对象群对应的第三电力容量等于第一供电能力值；
根据以电定热的方法，获得第一供电能力值对应的供热能力值；
根据供热能力值，获得供能对象群对应的第二热调峰容量。
在其中一个实施例中，初步冷量定容值为最优冷量定容值，根据冷负荷数据获得初步冷量定容值的步骤包括：
根据供能对象群的各个时刻的冷负荷数据，获得多个冷量定容参数；
根据各冷量定容参数和预设的目标函数，获得各冷量定容参数对应的目标函数值；
将最优目标函数值对应的冷量定容参数作为最优冷量定容值。
在其中一个实施例中，根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容的步骤包括：
若供能对象群为以热负荷为主的联网型，则根据供能对象群各个时刻的热负荷数据获得初步热量定容值；
根据初步热量定容值，获得供能对象群对应的第三热调峰容量；
根据以热定电的方法，获得初步热量定容值对应的第二供电能力值，供能对象群对应的第四电力容量等于第二供电能力值；
根据以电定冷的方法，获得第二供电能力值对应的第二供冷能力值；
根据第二供冷能力值，获得供能对象群对应的第三供冷调峰容量。
在其中一个实施例中，初步热量定容值为最优热量定容值，根据供能对象群各个时刻的热负荷数据获得最优热量定容值的步骤包括：
根据供能对象群的各个时刻的热负荷数据，获得多个热量定容参数；
根据各热量定容参数和预设的目标函数，获得各热量定容参数对应的目标函数值；
将最优目标函数值对应的热量定容参数作为最优热量定容值。
在其中一个实施例中，冷热电联供系统定容方法还包括步骤：
根据供能对象群全年的冷负荷延时曲线，获取冷负荷利用小时数；
根据供能对象群全年的电负荷延时曲线，获取电负荷利用小时数；
根据供能对象群全年的热负荷延时曲线，获取热负荷利用小时数；
若冷负荷利用小时数和热负荷利用小时数的和大于电负荷利用小时数，则将冷热电联供系统的剩余电力并入供电网。
在其中一个实施例中，冷热电联供系统定容方法还包括步骤：
若冷负荷利用小时数和热负荷利用小时数的和小于等于电负荷利用小时数，则采用供电网补充冷热电联供系统的缺口电力。
另一方面，本发明实施例还提供了一种冷热电联供系统定容装置，包括：
数据获取模块，用于获取供能对象群中各用户全年的冷负荷数据、热负荷数据和电负荷数据；
数据处理模块，用于根据冷负荷数据、热负荷数据和电负荷数据，获得供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据；
系统定容模块，用于根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行程序时实现上述方法步骤。
本发明提供的一个或多个实施例至少具有以下有益效果：本发明实施例提供的冷热电联供系统定容方法，通过获取供能对象群中的各用户的冷负荷数据、热负荷数据和电负荷数据，获得供能对象群各个时刻的冷负荷数据、热负荷数据和电负荷数据，综合考虑供能对象群的类型、各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容。此种定容方法以整个供能对象群为研究单位，通过对供能对象群中各用户的冷负荷数据、热负荷数据和电负荷数据的获取，以及综合考虑供能对象群的类型，对冷热电联供系统进行精确定容，定容精度更高，根据定容结果建立的冷热电联供系统的机组利用率高。
附图说明
图1为一个实施例中冷热电联供系统定容方法的流程示意图；
图2为另一个实施例中冷热电联供系统定容方法的流程示意图；
图3为又一个实施例中冷热电联供系统定容方法的流程示意图；
图4为一个实施例中根据供能对象群的类型、冷负荷延时曲线、热负荷延时曲线和电负荷延时曲线对冷热电联供系统定容步骤的流程示意图；
图5为一个实施例中根据冷负荷数据获得初步冷量定容值步骤的流程示意图；
图6为再一个实施例中根据供能对象群的类型、冷负荷延时曲线、热负荷延时曲线和电负荷延时曲线对冷热电联供系统定容步骤的流程示意图；
图7为一个实施例中根据热负荷数据获得初步热量定容值步骤的流程示意图；
图8为其中一个实施例中冷热电联供系统定容方法的部分流程示意图；
图9-a为一个具体实施例中全年的电负荷波动曲线；
图9-b为一个具体实施例中冷负荷波动曲线；
图9-c为一个实施例中热负荷波动曲线；
图9-a1为一个实施例中全年的电负荷延时曲线；
图9-b1为一个实施例中全年的冷负荷延时曲线；
图9-c1为一个实施例中全年的热负荷延时曲线；
图10为一个实施例中冷热电联供系统定容装置的结构示意图；
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件并与之结合为一体，或者可能同时存在居中元件。本文所使用的术语“安装”、“一端”、“另一端”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明实施例提供了一种冷热电联供系统定容方法，如图1所示，包括：
S20：获取供能对象群中各用户全年的冷负荷数据、热负荷数据和电负荷数据。
S40：根据冷负荷数据、热负荷数据和电负荷数据，获得供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据。
S60：根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容。
其中，供能对象群是指冷热电联供系统服务范围内的所有用户的集合。供能对象群的类型主要是指：根据供能对象群所对应的冷热电联供系统是否接入供电网而划分的离网型和联网型两大类型。电负荷数据是指扣除了制冷用电之外的纯用电负荷数据。
具体的，以全年为采样周期，获取供能对象群中各用户全年的冷负荷数据、热负荷数据和电负荷数据，然后对全年的数据进行处理，得到供能对象群全年的各个时刻的冷负荷数据、热负荷数据和电负荷数据，通过冷负荷数据、热负荷数据和电负荷数据可以分别了解供能对象群的年供冷量、供热量、供电量峰值情况等。结合供能对象群的类型，进一步根据全年的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统进行定容。
本发明实施例提供的冷热电联供系统，通过采集供能对象群各个用户的负荷数据，并对其进行处理后，得到供能对象群的各个时刻的各项负荷数据，综合考虑各个时刻的冷负荷数据、热负荷数据和电负荷数据以及供能对象群的类型，针对性的对冷热电联供系统进行定容分析。避免由于定容时考虑的参数单一等原因造成的定容误差大，从而降低冷热电联供系统的机组利用率的问题。实现对冷热电联供系统的精确定容，有利于实现对冷热电联供系统的机组的合理配置，以提高冷热电联供系统的机组利用率。
在其中一个实施例中，如图2所示，冷热电联供系统定容方法还包括步骤：
S70：根据各个时刻的冷负荷数据、热负荷数据和电负荷数据，获得供能对象群全年的冷负荷波动曲线、热负荷波动曲线和电负荷波动曲线；
S80：根据供能对象群全年的冷负荷波动曲线、热负荷波动曲线和电负荷波动曲线，获得供能对象群全年的冷负荷延时曲线、热负荷延时曲线和电负荷延时曲线。
其中，冷负荷波动曲线是指冷负荷与时刻相对应的曲线，可以表征冷负荷全年的波动规律。热负荷波动曲线和电负荷波动曲线也是类似的释义。冷负荷延时曲线是指可以表征冷负荷和延续时间关系的曲线，热负荷延时曲线是指可以表征热负荷和延续时间关系的曲线，电负荷延时曲线是指可以表征电负荷和延续时间关系的曲线。各个时刻是指数据采样的各个时刻，例如可以是每小时的数据为一个时刻，也可以以一天为一个时刻等。
具体的，根据获取的各用户全年的冷负荷数据、热负荷数据和电负荷数据，处理得到供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据，从而能够清楚知道每个时刻整个供能对象群的一个负荷数据情况。然后，进一步的根据各个时刻供能对象群的负荷数据，获得供能对象群全年的冷负荷波动曲线、热负荷波动曲线和电负荷波动曲线，进一步求得供能对象群全年的冷负荷延时曲线、热负荷延时曲线和电负荷延时曲线，延时曲线可以表征全年的负荷及负荷延续时间的关系。为冷热电联供系统定容提供全面的数据依据。
例如，假设供能对象群中有n个用户，可以将用户i在j时刻的冷负荷数据、热负荷数据、电负荷数据分别记作Cij、Hij和Pij，j时刻供能对象群的冷负荷数据、热负荷数据和电负荷数据分为记作Cj、Hj和Pj：
Figure GDA0003068330160000081
Figure GDA0003068330160000082
Figure GDA0003068330160000083
按每小时为时间节点，对应全年8760小时，分别计算供能对象群各小时的冷负荷数据、热负荷数据和电负荷数据，获取供能对象群全年冷负荷波动曲线、热负荷波动曲线和电负荷波动曲线FC(t)、FH(t)和FP(t)。
Cj＝FC(t)
Hj＝FH(t)
Pj＝FP(t)
根据供能对象群全年冷负荷波动曲线、热负荷波动曲线和电负荷波动曲线FC(t)、FH(t)和FP(t)，绘制供能对象群全年冷、热、电负荷延时曲线YC(t)、YH(t)和YP(t)。
本发明实施例提供的冷热电联供系统定容方法，综合考虑供能对象群的冷负荷数据、热负荷数据、电负荷数据以及各负荷的波动特性和电负荷、冷负荷、热负荷之间的同时叠加情况，确定分布式冷热电联供系统的容量(包括调峰设备容量)，提高了定容精度，有利于更加合理地对冷热电联供系统的机组进行配置。
可选的，根据供能对象群各小时的冷负荷数据、热负荷数据和电负荷数据，可以求得供能对象群全年的冷负荷峰值C、热负荷峰值H、电负荷峰值P。
C＝max{C1,…Cj,…C8760}
H＝max{H1,…Hj,…H8760}
P＝max{P1,…Pj,…P8760}
在其中一个实施例中，如图3所示，根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容的步骤包括：
S61：若供能对象群为离网型，则根据供能对象群全年的各个时刻的冷负荷数据和电负荷数据，获得供能对象群对应的冷负荷峰值、电负荷峰值和第一供冷能力值；
S62：若第一供冷能力值大于等于冷负荷峰值，则供能对象群对应的第一电力容量等于电负荷峰值；
S63：根据各个时刻的热负荷数据和各个时刻的电负荷数据，利用以电定热的方法获得供能对象群对应的各个时刻的供热调峰容量；
S64：根据供能对象群对应的各个时刻的供热调峰容量，获得供能对象群对应的第一供热调峰容量。
根据冷热电联供系统是否与供电网连接，主要将冷热电联供系统对应的供能对象群分为联网型供能对象和离网型供能对象。若供能对象为离网型，由于没有外部供电网补充，应主要考虑满足电负荷需求，在满足电负荷需求的基础上，核实冷热电联供系统供冷、供热能力，进一步确定供冷调峰容量、供热调峰容量，并对考虑了供冷调峰电空调后的电负荷进行修正，从而确定冷热电联供系统的容量(包括调峰设备容量)，实现对冷热电联供系统的定容分析。
其中，离网型是指供能对象群对应的冷热电联供系统未接入供电网的类型。具体的，若供能对象群为离网型，则主要保证能够满足电负荷需求，先根据供能对象群全年的冷负荷波动曲线和电负荷波动曲线，获得供能对象群对应的冷负荷峰值、电负荷峰值和第一供冷能力值。当第一供冷能力值大于等于冷负荷峰值时，则可以确定供能对象群对应的第一电力容量等于电负荷峰值，实现对冷热电联供系统的电力定容。为实现对冷热电联供系统的热负荷定容，首先，根据各个时刻的热负荷数据和各个时刻的电负荷数据，利用以电定热的方法可以确定与电负荷数据等效的热负荷数据，再与实际情况下各个时刻的热负荷数据进行对比，可以获得供能对象群对应的各个时刻的供热调峰容量。可以选取各个时刻的供热调峰容量中的最大值作为供能对象群对应的第一供热调峰容量，实现对冷热电联供系统的热负荷定容。
例如，可以选取电负荷峰值P作为初步电力定容值P1，此处的电负荷峰值P以及下面的冷负荷峰值C均与上述实施例中所指的电负荷峰值和冷负荷峰值相同，在此不做赘述。
然后根据以电定冷的方法，计算冷热电联供系统初步电力定容值P1对应的第一供冷能力值C1。
C1＝α·P1
其中，α是指电力容量和供冷能力之间的比例关系，此参数是由冷热电联供系统的设备性能所决定的。
进一步的，将系统第一供冷能力值C1与冷负荷峰值C进行比较，若第一供冷能力值C1≥冷负荷峰值C，则可确定电力容量PR＝电负荷峰值P，由于冷热电联供系统的第一供冷能力值已经可以满足冷负荷需求，所以，可以直接对冷热电联供系统的热负荷进行定容。
具体的，可以是根据以电定热的方法，对应全年8760小时，分别计算各时刻供能对象群的供热调峰容量HTj，确定冷热电联供系统的第一供热调峰容量HT。
Figure GDA0003068330160000111
HT＝max{HT1,…HTj,…HT8760}
在其中一个实施例中，如图3所示，在根据各个时刻的热负荷数据和各个时刻的电负荷数据，利用以电定热的方法获得供能对象群对应的各个时刻的供热调峰容量的步骤之前还包括：
S65：若第一供冷能力值小于冷负荷峰值，则根据各个时刻的冷负荷数据，获得与各个时刻的冷负荷数据等效的电制冷设备耗电量。
S66：根据电制冷设备耗电量和各个时刻的电负荷数据，获得供能对象群各个时刻的总电负荷数据。
S67：根据供能对象群各个时刻的总电负荷数据，获得供能对象群全年的总电负荷峰值。
S68：根据T时刻的电负荷数据和T时刻的冷负荷数据，获得第二电力容量，其中，T时刻为总电负荷峰值所对应的时刻。
S69：根据各个时刻的冷负荷数据和各个时刻的电负荷数据，利用以电定冷的方法获得供能对象群对应的各个时刻的供冷调峰容量。
S691：根据供能对象群对应的各个时刻的供冷调峰容量，获得供能对象群对应的第一供冷调峰容量。
其中，电制冷设备是指空调、空调扇等具有制冷效果的设备。具体的，若第一供冷能力值小于冷负荷峰值，说明当前系统的供冷能力已经不能满足冷负荷需求了，需要其他电制冷设备进行制冷补给，根据各个时刻的冷负荷数据，获得与各个时刻的冷负荷数据等效的电制冷设备耗电量，然后进一步求出考虑了制冷设备耗电量情况下的供能对象群各个时刻的总电负荷数据，根据各个时刻的总电负荷数据，可以获得供能对象群全年的总电负荷峰值，将总电负荷峰值对应的时刻记为T时刻，则根据T时刻的电负荷数据和T时刻的冷负荷，可以获得第二电力容量。进一步的要计算系统的供冷调峰容量，根据各个时刻的冷负荷数据和各个时刻的电负荷数据，利用以电定冷的方法可以获得供能对象群对应的各个时刻的供冷调峰容量，进一步利用各个时刻的供冷调峰容量得到供能对象群对应的第一供冷调峰容量。
例如，若第一供冷能力值C1<冷负荷峰值C，则说明冷热电联供系统的第一供冷能力值不能满足冷负荷需求，需要额外的电空调等制冷设备额外进行供冷补给。将供能对象群j时刻的冷负荷Cj折算成电空调耗电Kj(电空调效率以COP表示)，计算考虑了电空调耗电后的总电负荷PKj：
Kj＝Cj/COP
PKj＝Pj+Kj
对应全年8760小时，分别计算各个时刻供能对象群的总电负荷，绘制供能对象群全年的总电负荷波动曲线FPK(t)：
PKj＝FPK(t)
进一步求得供能对象群全年总电负荷峰值PK，定义总电负荷峰值对应的时刻为T，则T时刻的电负荷数据为PT，T时刻的冷负荷数据为CT。
PK＝max{PK1,…PKj,…PK8760}＝PKT
根据T时刻的电负荷数据PT和冷负荷数据CT，确定冷热电联供系统的第二电力容量PR。
PR＝(PT·COP+CT)/(α+COP)
对应全年8760小时，分别计算各时刻供能对象群的供冷调峰容量CTj，确定冷热电联供系统的第一供冷调峰容量CT。
Figure GDA0003068330160000121
CT＝max{CT1,…CTj,…CT8760}
在其中一个实施例中，如图4所示，根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容的步骤包括：
S692：若供能对象群为以冷负荷为主的联网型，则根据供能对象群各个时刻的冷负荷数据获得初步冷量定容值。
S693：根据初步冷量定容值，获得供能对象群的第二供冷调峰容量。
S694：根据以冷定电的方法，获得初步冷量定容值对应的第一供电能力值，供能对象群的第三电力容量等于第一供电能力值。
S695：根据以电定热的方法，获得第一供电能力值对应的供热能力值。
S696：根据供热能力值，获得供能对象群的第二热调峰容量。
其中，以冷负荷为主的联网型是指以冷负荷需求为主的供能对象群类型。
对于联网型供能对象，由于外部供电网可以进行少量的电力补充，或者可以将冷热电联供系统的少部分余电并入外部供电网，运行灵活。因此，首先选取合理的冷(热)负荷数据作为初步冷(热)量定容值，再获取全年冷(热)负荷延时曲线，结合以冷(热)定电的方法，确定冷热电联供系统的机组对应的供电能力，进一步通过以电定热(冷)的方式，确定冷热电联供系统的机组对应的供热(冷)能力。在满足冷、热负荷需求的基础上，根据系统供冷、供热能力，确定供冷、供热调峰容量。
具体的，若供能对象群为以冷负荷为主的联网型，根据冷负荷数据获得初步冷量定容值，进一步得到供能对象群的第二供冷调峰容量。然后，根据以冷定电的方法，获得初步冷量定容值对应的第一供电能力值，即冷热电联供系统的供电能力，供能对象群的第三电力容量等于第一供电能力值，实现对冷热电联供系统的定容。进一步的，可以根据以电定热的方法，获得第一供电能力值对应的供热能力值，根据供热能力值，获得供能对象群的第二热调峰容量。
例如，选取合理的冷负荷数据作为初步冷量定容值C1，计算第二供冷调峰容量为CT1。
CT1＝C-C1
其中，C为冷负荷峰值，与上述实施例中释义相同。
然后，根据以冷定电的方法，计算冷热电联供系统对应的第一供电能力值P1，且供能对象群对应的第三电力容量等于第一供电能力值P1。
P1＝C1/α
其中，α是指电力容量和供冷能力之间的比例关系，此参数是由冷热电联供系统的设备性能所决定的。
进一步，根据以电定热的方法，计算系统对应的供热能力值H1，并进一步计算第二供热调峰容量为HT1。
H1＝β·P1
HT1＝H-H1
其中，β是指电力容量和供热能力之间的比例关系，此参数是由冷热电联供系统的设备性能所决定的。
在其中一个实施例中，如图5所示，初步冷量定容值为最优冷量定容值，根据冷负荷数据获得最优冷量定容值的步骤包括：
S6921：根据供能对象群的各个时刻的冷负荷数据，获得多个冷量定容参数；
S6922：根据各冷量定容参数和预设的目标函数，获得各冷量定容参数对应的目标函数值；
S6923：将最优目标函数值对应的冷量定容参数作为最优冷量定容值。
其中，预设的目标函数是指根据目标对象的不同，将目标对象设为能耗目标、经济目标、环保目标等单一的目标函数以及由单一目标任意组合得到的多目标函数等。最优目标函数值是指目标函数值最符合目标对象要求的值。例如，对于经济目标为主的目标对象来说，经济效益最高的目标函数值即为最优目标函数值。具体的，根据供能对象群的各个时刻的冷负荷数据，获得多个冷量定容参数，将各个冷量定容参数代入到预设的目标函数中，获得各冷量定容参数对应的目标函数值，将最优目标函数值对应的冷量定容参数作为最优冷量定容值。即最优冷量定容值是冷量定容参数中的其中一个参数。
在其中一个实施例中，如图6所示，根据供能对象群的类型、冷负荷延时曲线、热负荷延时曲线和电负荷延时曲线对冷热电联供系统定容的步骤包括：
S697：若供能对象群为以热负荷为主的联网型，则根据供能对象群各个时刻的热负荷数据获得初步热量定容值；
S698：根据初步热量定容值，获得供能对象群对应的第三热调峰容量；
S699：根据以热定电的方法，获得初步热量定容值对应的第二供电能力值，供能对象群对应的第四电力容量等于第二供电能力值；
S6991：根据以电定冷的方法，获得第二供电能力值对应的第二供冷能力值；
S6992：根据第二供冷能力值，获得供能对象群的第三供冷调峰容量。
其中，以热负荷为主的联网型是指主要满足热负荷需求的、与外部供电网连接的类型。具体的，若供能对象群为以热负荷为主的联网型，则根据供能对象群各时刻的热负荷数据获得初步热量定容值，然后，根据初步热量定容值，获得供能对象群的第三热调峰容量。进一步的，根据以热定电的方法，获得初步热量定容值对应的第二供电能力值，且系统的第四电力容量等于第二供电能力值。在满足热负荷需求之后，根据以电定冷的方法，获得第二供电能力值对应的第二供冷能力值，根据第二供冷能力值，获得供能对象群对应的第三供冷调峰容量。
在其中一个实施例中，如图7所示，初步热量定容值为最优热量定容值，根据供能对象群各个时刻的热负荷数据获得最优热量定容值的步骤包括：
S171：根据供能对象群的各个时刻的热负荷数据，获得多个热量定容参数；
S172：根据各热量定容参数和预设的目标函数，获得各热量定容参数对应的目标函数值；
S173：将最优目标函数值对应的热量定容参数作为最优热量定容值。
其中，预设的目标函数、最优目标函数值等与上述实施例中的释义相同。例如，对于经济目标为主的目标对象来说，经济效益最高的目标函数值即为最优目标函数值。具体的，根据供能对象群的各个时刻的热负荷数据，获得多个热量定容参数，将各个热量定容参数代入到预设的目标函数中，获得各热量定容参数对应的目标函数值，将最优目标函数值对应的热量定容参数作为最优热量定容值。即最优热量定容值是热量定容参数中的其中一个参数。
在其中一个实施例中，如图8所示，冷热电联供系统定容方法还包括步骤：
S6993：根据供能对象群全年的冷负荷延时曲线，获取冷负荷利用小时数；
S6994：根据供能对象群全年的电负荷延时曲线，获取电负荷利用小时数；
S6995：根据供能对象群全年的热负荷延时曲线，获取热负荷利用小时数；
S6996：若冷负荷利用小时数和热负荷利用小时数的和大于电负荷利用小时数，则将冷热电联供系统的剩余电力并入供电网。
对于联网型的供能对象群，由于可以采用外部供电网进行电力补给，还可以将余电并入供电网，所以在对冷热电联供系统定容后，可以根据冷负荷延时曲线、电负荷延时曲线和热负荷延时曲线，分别查找到冷负荷利用小时数、电负荷利用小时数和热负荷利用小时数。若冷负荷利用小时数和热负荷利用小时数的和大于电负荷利用小时数，则认为此时冷热电联供系统在满足冷热负荷需求的基础上，电力还有剩余，此时可以将剩余电力并入外部供电网。
在其中一个实施例中，如图8所示，冷热电联供系统定容方法还包括步骤：
S6997：若冷负荷利用小时数和热负荷利用小时数的和小于等于电负荷利用小时数，则采用供电网补充冷热电联供系统的缺口电力。
具体的，根据冷负荷延时曲线、电负荷延时曲线和热负荷延时曲线，分别查找到冷负荷利用小时数、电负荷利用小时数和热负荷利用小时数。若冷负荷利用小时数和热负荷利用小时数的和小于等于电负荷利用小时数，则认为此时冷热电联供系统为满足冷、热负荷需求，需要外部供电网补充一部分电力，此时可以采用外部供电网补充冷热电联供系统的缺口电力。
为了更好的对本发明实施例中的技术方案进行说明，此处举一具体实施例，但需要说明的是，该具体实施例不对本发明实施例的保护范围造成限定。
例如，对于某酒店群建筑，当地有大电网，属于联网型供能对象。经负荷调研统计，如图9所示，得到全年电负荷波动曲线(图9-a)、冷负荷波动曲线(图9-b)、热负荷波动曲线(图9-c)，再经数据处理，得到电负荷延时曲线(图9-a1)、冷负荷延时曲线(图9-b1)、热负荷延时曲线(图9-c1)。根据全年电负荷波动曲线(图9-a)、冷负荷波动曲线(图9-b)、热负荷波动曲线(图9-c)还可以分别得到电负荷峰值P＝36080kW、冷负荷峰值C＝46400kW、热负荷峰值H＝22740kW。从曲线数据看出，由于有外部电网存在，该供能对象主要是以冷负荷为主。
根据工程经验，常见的联网型的冷热电三联供机组供冷量占冷负荷峰值的30％左右，可以选取初步冷量定容值C1＝0.3×C＝13920kW，则供冷调峰容量CT1＝0.7×C＝32480kW。根据冷负荷延时曲线，得到初步冷量定容值对应的冷负荷利用小时数TC1＝4015。
根据以冷定电，选取某内燃机厂家的样本和性能模型，该容量等级的冷热电联供系统机组的供电能力值P1＝C1/0.8＝17400kW。根据电负荷延时曲线，得到供电能力值对应的电负荷利用小时数TP1＝5250。
根据以电定热，再根据内燃机厂家的样本和性能模型，该容量等级的冷热电联供系统机组的供热能力值H1＝0.75×P1＝13050kW。根据热负荷延时曲线，得到供热能力值对应的热负荷利用小时数TH1＝1100。供热调峰容量HT1＝H-H1＝9690kW。
计算TC1+TH1＝5115，易知TC1+TH1＜TP1，则表明冷热电联供系统尚有部分缺口电力需要外部供电网补充。
则冷热电联供系统的初步定容结果为：电力容量P1＝17400kW，初步冷量定容C1＝13920kW，供热能力值H1＝13050kW，供冷调峰容量CT1＝32480kW，供热调峰容量HT1＝9690kW。
将目标对象设为冷热电联供系统机组全年运行经济收益类型(经济目标)，则：
全年运行经济收益I＝P1×TP1×上网电价+C1×TC1×供冷价+H1×TH1×供热价-P1×TP1/η×燃料价格＝F(C1)，其中η为发电效率。
在13920～46400范围内，以步长为1选取多个C1，计算各C1对应的收益I，取收益I最大时，对应的电力容量P1、供冷容量C1、供热容量H1、供冷调峰容量CT1、供热调峰容量HT1作为最终定容结果。
另一方面，如图10所示，本发明实施例还提供了一种冷热电联供系统定容装置，包括：
数据获取模块，用于获取供能对象群中各用户全年的冷负荷数据、热负荷数据和电负荷数据；
数据处理模块，用于根据冷负荷数据、热负荷数据和电负荷数据，获得供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据；
系统定容模块，用于根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容。
具体的，数据获取模块获取供能对象群中各用户全年的冷负荷数据、热负荷数据和电负荷数据并发送给数据处理模块，数据处理模块根据冷负荷数据、热负荷数据和电负荷数据，获得供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据，系统定容模块再根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容。
其中，关于冷热电联供系统定容装置的具体限定可以参见上文中对于冷热电联供系统定容方法的限定，在此不再赘述。上述冷热电联供系统定容装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力值。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种冷热电联供系统定容方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行程序时实现以下步骤：
S20：获取供能对象群中各用户全年的冷负荷数据、热负荷数据和电负荷数据；
S40：根据冷负荷数据、热负荷数据和电负荷数据，获得供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据；
S60：根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容。
其中，供能对象群等释义均与上述冷热电联供系统定容方法实施例中的释义相同，在此不做赘述。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：
S20：获取供能对象群中各用户全年的冷负荷数据、热负荷数据和电负荷数据；
S40：根据冷负荷数据、热负荷数据和电负荷数据，获得供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据；
S60：根据供能对象群的类型、供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容。
其中，供能对象群等释义均与上述冷热电联供系统定容方法实施例中的释义相同，在此不做赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、值库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双值率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种冷热电联供系统定容方法，其特征在于，包括：
获取供能对象群中各用户全年的冷负荷数据、热负荷数据和电负荷数据；
根据所述冷负荷数据、所述热负荷数据和所述电负荷数据，获得所述供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据；
根据供能对象群各小时的冷负荷数据、热负荷数据和电负荷数据，求得供能对象群全年的冷负荷峰值C、热负荷峰值H、电负荷峰值P：
C＝max{C1,...Cj,...C8760}，
H＝max{H1,...Hj,...H8760}，
P＝max{P1,...Pj,...P8760}；
其中，j＝1，2，……，8760；根据所述各个时刻的冷负荷数据、热负荷数据和电负荷数据，获得所述供能对象群全年的冷负荷波动曲线、热负荷波动曲线和电负荷波动曲线；
根据所述供能对象群全年的冷负荷波动曲线、热负荷波动曲线和电负荷波动曲线，获得所述供能对象群全年的冷负荷延时曲线、热负荷延时曲线和电负荷延时曲线；
根据所述供能对象群的类型、所述供能对象群的各个时刻的冷负荷数据、热负荷数据、电负荷数据、供能对象群全年的冷负荷峰值C、热负荷峰值H和电负荷峰值P对冷热电联供系统定容。
2.根据权利要求1所述的冷热电联供系统定容方法，其特征在于，所述根据所述供能对象群的类型、所述供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容的步骤包括：
若供能对象群为离网型，则根据所述供能对象群全年的各个时刻的冷负荷数据和电负荷数据，获得所述供能对象群对应的冷负荷峰值、电负荷峰值和第一供冷能力值；
若所述第一供冷能力值大于等于所述冷负荷峰值，则所述供能对象群对应的第一电力容量等于所述电负荷峰值；
根据所述各个时刻的热负荷数据和所述各个时刻的电负荷数据，利用以电定热的方法获得所述供能对象群对应的各个时刻的供热调峰容量；
根据所述供能对象群对应的各个时刻的供热调峰容量，获得所述供能对象群对应的第一供热调峰容量。
3.根据权利要求2所述的冷热电联供系统定容方法，其特征在于，在所述根据所述各个时刻的热负荷数据和所述各个时刻的电负荷数据，利用以电定热的方法获得所述供能对象群对应的各个时刻的供热调峰容量的步骤之前还包括：
若所述第一供冷能力值小于所述冷负荷峰值，则根据所述各个时刻的冷负荷数据，获得与所述各个时刻的冷负荷数据等效的电制冷设备耗电量；
根据所述电制冷设备耗电量和所述各个时刻的电负荷数据，获得所述供能对象群各个时刻的总电负荷数据；
根据所述供能对象群各个时刻的总电负荷数据，获得所述供能对象群全年的总电负荷峰值；
根据T时刻的电负荷数据和所述T时刻的冷负荷数据，获得第二电力容量，其中，所述T时刻为所述总电负荷峰值所对应的时刻；
根据所述各个时刻的冷负荷数据和所述各个时刻的电负荷数据，利用以电定冷的方法获得所述供能对象群对应的各个时刻的供冷调峰容量；
根据所述供能对象群对应的各个时刻的供冷调峰容量，获得所述供能对象群对应的第一供冷调峰容量。
4.根据权利要求1所述的冷热电联供系统定容方法，其特征在于，所述根据所述供能对象群的类型、所述供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容的步骤包括：
若所述供能对象群为以冷负荷为主的联网型，则根据所述供能对象群各个时刻的冷负荷数据获得初步冷量定容值；
根据所述初步冷量定容值，获得所述供能对象群对应的第二供冷调峰容量；
根据以冷定电的方法，获得所述初步冷量定容值对应的第一供电能力值，所述供能对象群对应的第三电力容量等于所述第一供电能力值；
根据以电定热的方法，获得所述第一供电能力值对应的供热能力值；
根据所述供热能力值，获得所述供能对象群对应的第二热调峰容量。
5.根据权利要求4所述的冷热电联供系统定容方法，其特征在于，所述初步冷量定容值为最优冷量定容值，根据所述冷负荷数据获得所述最优冷量定容值的步骤包括：
根据所述供能对象群的各个时刻的冷负荷数据，获得多个冷量定容参数；
根据各所述冷量定容参数和预设的目标函数，获得各所述冷量定容参数对应的目标函数值；
将最优目标函数值对应的冷量定容参数作为所述最优冷量定容值。
6.根据权利要求1所述的冷热电联供系统定容方法，其特征在于，所述根据所述供能对象群的类型、所述供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据对冷热电联供系统定容的步骤包括：
若所述供能对象群为以热负荷为主的联网型，则根据所述供能对象群各个时刻的热负荷数据获得初步热量定容值；
根据所述初步热量定容值，获得所述供能对象群对应的第三热调峰容量；
根据以热定电的方法，获得所述初步热量定容值对应的第二供电能力值，所述供能对象群对应的第四电力容量等于所述第二供电能力值；
根据以电定冷的方法，获得所述第二供电能力值对应的第二供冷能力值；
根据所述第二供冷能力值，获得所述供能对象群对应的第三供冷调峰容量。
7.根据权利要求6所述的冷热电联供系统定容方法，其特征在于，所述初步热量定容值为最优热量定容值，根据所述供能对象群各个时刻的热负荷数据获得所述最优热量定容值的步骤包括：
根据所述供能对象群的各个时刻的热负荷数据，获得多个热量定容参数；
根据各所述热量定容参数和预设的目标函数，获得各所述热量定容参数对应的目标函数值；
将最优目标函数值对应的热量定容参数作为所述最优热量定容值。
8.根据权利要求4-7中任一项所述的冷热电联供系统定容方法，其特征在于，还包括步骤：
根据所述供能对象群全年的冷负荷延时曲线，获取冷负荷利用小时数；
根据所述供能对象群全年的电负荷延时曲线，获取电负荷利用小时数；
根据所述供能对象群全年的热负荷延时曲线，获取热负荷利用小时数；
若所述冷负荷利用小时数和所述热负荷利用小时数的和大于所述电负荷利用小时数，则将所述冷热电联供系统的剩余电力并入供电网。
9.根据权利要求8所述的冷热电联供系统定容方法，其特征在于，还包括步骤：
若所述冷负荷利用小时数和所述热负荷利用小时数的和小于等于所述电负荷利用小时数，则采用供电网补充所述冷热电联供系统的缺口电力。
10.一种冷热电联供系统定容装置，其特征在于，包括：
数据获取模块，用于获取供能对象群中各用户全年的冷负荷数据、热负荷数据和电负荷数据；
数据处理模块，用于根据所述冷负荷数据、所述热负荷数据和所述电负荷数据，获得所述供能对象群的各个时刻的冷负荷数据、热负荷数据和电负荷数据；用于根据所述各个时刻的冷负荷数据、热负荷数据和电负荷数据，获得所述供能对象群全年的冷负荷波动曲线、热负荷波动曲线和电负荷波动曲线；还用于根据所述供能对象群全年的冷负荷波动曲线、热负荷波动曲线和电负荷波动曲线，获得所述供能对象群全年的冷负荷延时曲线、热负荷延时曲线和电负荷延时曲线；还用于根据供能对象群各小时的冷负荷数据、热负荷数据和电负荷数据，求得供能对象群全年的冷负荷峰值C、热负荷峰值H、电负荷峰值P：
C＝max{C1,...Cj,...C8760}，
H＝max{H1,...Hj,...H8760}，
P＝max{P1,...Pj,...P8760}；
其中，j＝1，2，……，8760；
系统定容模块，用于根据所述供能对象群的类型、所述供能对象群的各个时刻的冷负荷数据、热负荷数据、电负荷数据、供能对象群全年的冷负荷峰值C、热负荷峰值H和电负荷峰值P对冷热电联供系统定容。
11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-9中任一项所述的方法步骤。
CN201810660674.2A 2018-06-25 2018-06-25 冷热电联供系统定容方法及装置 Active CN108805363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810660674.2A CN108805363B (zh) 2018-06-25 2018-06-25 冷热电联供系统定容方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810660674.2A CN108805363B (zh) 2018-06-25 2018-06-25 冷热电联供系统定容方法及装置

Publications (2)

Publication Number Publication Date
CN108805363A CN108805363A (zh) 2018-11-13
CN108805363B true CN108805363B (zh) 2021-10-15

Family

ID=64070767

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810660674.2A Active CN108805363B (zh) 2018-06-25 2018-06-25 冷热电联供系统定容方法及装置

Country Status (1)

Country Link
CN (1) CN108805363B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109726443A (zh) * 2018-12-05 2019-05-07 新奥数能科技有限公司 一种优化冷热联供系统装机大小的方法和装置
CN110262422B (zh) * 2019-06-21 2021-07-20 华南理工大学 工业园冷热电终端能源供应系统的设计基准日的确定方法
CN114399152B (zh) * 2021-12-06 2023-04-25 石河子大学 产业园区综合能源调度优化方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102393629A (zh) * 2011-09-19 2012-03-28 华北电力大学（保定） 一种冗余型楼宇级冷热电联供系统的节能优化方法
CN103400042A (zh) * 2013-08-07 2013-11-20 东南大学 一种冷热电联供型微电网优化配置方法
CN104457023A (zh) * 2014-11-11 2015-03-25 江苏省绿色建筑工程技术研究中心有限公司 区域型冷热电三联供系统的设备容量优化配置方法
CN104571068A (zh) * 2015-01-30 2015-04-29 中国华电集团科学技术研究总院有限公司 一种分布式能源系统的运行优化控制方法及系统
WO2016061741A1 (en) * 2014-10-21 2016-04-28 Accenture Global Services Limited System, method, and apparatus for capacity determination for micro grid, and tangible computer readable medium

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102393629A (zh) * 2011-09-19 2012-03-28 华北电力大学（保定） 一种冗余型楼宇级冷热电联供系统的节能优化方法
CN103400042A (zh) * 2013-08-07 2013-11-20 东南大学 一种冷热电联供型微电网优化配置方法
WO2016061741A1 (en) * 2014-10-21 2016-04-28 Accenture Global Services Limited System, method, and apparatus for capacity determination for micro grid, and tangible computer readable medium
CN104457023A (zh) * 2014-11-11 2015-03-25 江苏省绿色建筑工程技术研究中心有限公司 区域型冷热电三联供系统的设备容量优化配置方法
CN104571068A (zh) * 2015-01-30 2015-04-29 中国华电集团科学技术研究总院有限公司 一种分布式能源系统的运行优化控制方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
楼宇型冷热电联供系统设计及实例分析;方志翔等;《机械工程与自动化》;20170430(第2期);第2节，图3-6 *

Also Published As

Publication number Publication date
CN108805363A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
CN108805363B (zh) 冷热电联供系统定容方法及装置
Jiang et al. Multi-period optimal energy procurement and demand response in smart grid with uncertain supply
Sanandaji et al. Improved battery models of an aggregation of thermostatically controlled loads for frequency regulation
US20210376607A1 (en) Current Transformer, Method for Distributing Electric Energy Using Same, and Electric Energy Distribution System
CN107046505B (zh) 一种业务控制方法以及业务控制装置
Patteeuw et al. Residential buildings with heat pumps, a verified bottom-up model for demand side management studies
CN111126670A (zh) 电动汽车充电调度方法、装置及其计算机设备、存储介质
Zhou et al. Forecast load impact from demand response resources
Vagdoda et al. A cloud-based multiagent system platform for residential microgrids towards smart grid community
CN111523204A (zh) 一种并网型综合能源网电-气储能系统优化配置求解方法
Sossan Equivalent electricity storage capacity of domestic thermostatically controlled loads
CN117394370B (zh) 一种供电网智能动态节电调度系统及方法
CN110910275A (zh) 基本用电数据获取方法、装置、计算机设备和存储介质
CN110968947A (zh) 虚拟电厂调度方法、装置及系统
CN117217495A (zh) 一种能源调度方法、装置、电子设备及存储介质
CN114243681B (zh) 电力系统的用电调控方法、装置、设备和存储介质
CN112685462A (zh) 馈线数据分析方法、装置、计算机设备和存储介质
Liu et al. Market for multi-dimensional flexibility with parametric demand response bidding
Muthirayan et al. Online algorithms for dynamic matching markets in power distribution systems
CN116321999A (zh) 一种云计算数据中心的空调智能调控方法、系统和介质
CN115642601A (zh) 一种园区碳排放流实时监测计算方法和系统
Wang et al. The impacts of energy customers demand response on real-time electricity market participants
CN110826863B (zh) 电量分配方法、装置、计算机设备及存储介质
CN114844058A (zh) 一种海上风电储能参与调峰辅助服务的调度方法
CN109193629B (zh) 配电网储能设备的定容方法、装置、设备和存储介质

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