CN109523134B - 一种基于实测数据的分散式电采暖负荷时移能力定量评估方法及其建模系统 - Google Patents
一种基于实测数据的分散式电采暖负荷时移能力定量评估方法及其建模系统 Download PDFInfo
- Publication number
- CN109523134B CN109523134B CN201811266382.7A CN201811266382A CN109523134B CN 109523134 B CN109523134 B CN 109523134B CN 201811266382 A CN201811266382 A CN 201811266382A CN 109523134 B CN109523134 B CN 109523134B
- Authority
- CN
- China
- Prior art keywords
- electric heating
- period
- time
- model
- data
- 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
Links
- 238000005485 electric heating Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 238000010438 heat treatment Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000011158 quantitative evaluation Methods 0.000 abstract description 8
- 238000011156 evaluation Methods 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000863480 Vinca Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- F24D19/1096—Arrangement or mounting of control or safety devices for electric heating systems
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Thermal Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明是一种基于实测数据的分散式电采暖负荷时移能力定量评估方法及其建模系统,其特点是:通过构建电采暖负荷建模系统,获取过去一段时间内的电采暖系统运行状态时序数据,基于实测时序数据通过云计算系统,拟合电采暖负荷简化二阶模型及其模型误差裕度函数,并由此求解其时移能力。确定了利用实测参数的电采暖负荷时移能力定量评估的基本原理,并提出了对应详细的可由计算机实现的评估步骤及系统架构。该发明能够提供一种精确、实际的电采暖负荷调度模型,提高了电采暖负荷时移能力的准确性和实用性。
Description
技术领域
本发明属于电采暖,是一种基于实测数据的分散式电采暖负荷时移能力定量评估方法及其建模系统。
背景技术
随着清洁供暖的不断推进,北方地区电网中的电采暖比重逐年提升。以长春市为例2017年电采暖累计装机容量290MW,供暖面积317万平米,占全市供暖总量的3.08%,并呈现快速发展态势。其中,分散式电采暖在电采暖负荷中占有重要比例。电采暖负荷具有热惯性,在不影响用户舒适性的前提下,可集聚其调节资源,对提高高比例可再生能源电力系统的安全、经济运行具有重要价值。
电采暖负荷调度,以电采暖负荷模型为基础,以用户舒适范围为约束,满足电力系统经济、灵活运行的要求。然而,实际工程应用中,电采暖负荷模型多直接利用空调负荷一阶等效热力学模型,而空调负荷集中使用在南方地区,用于满足夏季制冷需求,其室内外环境、舒适度需求范围及物理运行特性与北方地区电采暖负荷均存在巨大差异,简单的一阶模型难以精确反映电采暖负荷的运行特性,模型误差极大,精度难以满足电采暖负荷时移能力定量评估的需要。同时,也没有考虑模型精度的用户舒适范围约束的影响。
因此,本专利提出了一种更为精确的,基于实测参数辨识的分散式电采暖负荷时移能力定量评估方法。
发明内容
本发明所要解决的技术问题是:克服现有技术的缺点,提供一种精确的基于实测数据的分散式电采暖负荷时移能力定量评估方法及其建模系统,能够获得接近实际的模拟仿真结果,提高了电采暖负荷模型的准确性。
本发明解决技术问题的方案之一是:一种基于实测数据的分散式电采暖负荷建模系统,它包括云计算服务单元和综合调度控制单元,其特征是,还包括数据采集单元,所述数据采集单元置于采暖房间内,数据采集单元与所述云计算服务单元无线信号连接,用于将采集的电压、电流、温度的数据传输到云计算服务单元,所述综合调度控制单元均分别与数据采集单元和云计算服务单元信号连接,用于接收云计算服务单元输出的计算结果,并根据计算结果输出控制信号,控制数据采集单元的温控器。
所述数据采集单元的结构是:它包括集中控制器、无线电流电压表、温控器、控制信号编码器和控制信号发射器,所述集中控制器均分别与所述无线电流电压表、所述温控器、云计算服务单元的数据计算部分和所述控制信号发射器无线信号连接,所述控制信号编码器均分别与综合调度控制系统和控制信号发射器信号连接。
本发明解决技术问题的方案之二是:一种基于实测数据的分散式电采暖负荷时移能力定量评估方法,其特征是:包括获取电采暖系统运行状态时序数据,构建电采暖负荷简化二阶模型,构建模型误差裕度函数,求解其时移能力,具体如下:
1)获取电采暖系统运行状态时序数据;
①以ΔT为采样周期,测量、存储1,2,…,s…,Sc时段的室内温度Tin-m、室外温度Tout-m、功率Pm的时序数据,每个时段的数据总组数(或总时间步长)分别为l1,l2,…,ls…,lSc,其中,Sc为当前时段;
所述时段表示电采暖开关状态的时间段,其开关的连续开或连续关为一个时段;
②以ΔT为周期,更新室内温度Tin、室外温度Tout、功率P的时序数据的历史数据库;
③计算参数墙体等效热阻R
按照公式(1)计算参数墙体等效热阻R如下:
式中:Tin-ave(s)为第s时段平均室内环境温度;Tout-ave(s)为第s时段平均室外温度;io(s)为第s时段的电采暖开关状态,0表示关闭,1表示开启;P(s,t)为第s时段t时刻的电采暖功率;n为计算取样总时段数;
2)构建电采暖负荷简化二阶时序模型;
①利用实测的第1时段的室内温度Tin、室外温度Tout、功率P的时序数据拟合C1(1),C2(1),d(1),g(1),拟合公式如下:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
②利用实测的第Sc时段室内温度Tin、室外温度Tout、功率P的时序数据及历史拟合获得的等效空气热容C1、参数墙体等效热容C2、模型比例系数d和g,拟合模型比例系数k,拟合公式为:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效空气热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
③由步骤2)的①和②获得未来Sc+1时段的初始等效空气热容C1、参数墙体等效热容C2、模型比例系数d、g和k;
④根据不断更新的过去m个时段的历史数据,通过数据拟合,确定修正方程式:
k=α·Tout-ave (8)
其中,α为修正系数,通过历史数据拟合获得,Tout-ave为平均室外温度;
⑤根据修正方程和修正系数α,对模型比例系数k进行修正,公式如下:
k=k+α·(Tout-ave-f(Sc+1)-Tout-ave(Sc)) (9)
式中,Tout-ave(Sc)第Sc时段平均室外温度;Tout-ave-f(Sc+1)预测的第Sc+1时段平均室外温度;
⑥获得Sc+1时段的电采暖负荷模型
根据最终获得的未来Sc+1时段的参数墙体等效热阻R,等效空气热容C1,参数墙体等效热容C2,模型比例系数d、g和k,获得Sc+1时段的电采暖负荷简化二阶时序模型如下:
其中,t时间;Tin(t)为t时刻室内环境温度;Tout(t)为t时刻室外温度;P(t)为t时刻电采暖功率;C1等效空气热容;C2等效墙体热容;R墙体等效热阻;T0起始时刻室内温度;k,d,g模型比例系数;
3)构建模型误差裕度函数;
①根据1,2,…,s…,Sc段拟合预测模型的计算室内温度Tin-f(s,t)与实测室内温度数据Tin-m(s,t)间的误差ΔTin,即建立数据库,计算室内温度预测拟合误差的概率分布函数:
F(ΔTin)=P(ΔTin>T) (11)
②根据上述概率分布,确定分散式电采暖负荷可调节裕度,见公式(12):
ΔTm=F-1(ε) (12)
其中,ε为调度者期望(输入)的温度越限概率指标;
4)求解其时移能力;
通过求解方程的解,计算未来Sc+1时段的分散式电采暖时移能力,即可时移时间tup和tdown求解方程如下:
本发明的工作过程是:温控器和无线电流电压表通过zig-bee无线传输技术将测得的温度、电压和电流数据传输到采暖房间内的集中控制器,由集中控制器通过以太网与云计算服务单元信号连接传输数据,云计算服务单元对数据进行存储,然后按照本发明的建模方法构建本发明的基于实测参数辨识的分散式电采暖负荷简化二阶时序模型,并应用构建的本发明的基于实测参数辨识的分散式电采暖负荷简化二阶时序模型对接收的实测数据进行计算,之后将计算结果传输到综合调度控制单元,通过综合调度控制系统发出控制命令,并由控制信号编码器进行编码,然后由控制信号发射器将控制信号发送给集中控制器,通过集中控制器对温控器作用来控制电暖气的开关。
本发明的有益效果是:其目标对象为北方地区的冬季采暖,能够针对北方大区冬季的室内外环境、舒适度需求范围及物理运行特性构建分散式电采暖负荷模型,满足北方地区电采暖负荷适应电力系统经济、灵活运行的需要,克服了直接利用空调负荷一阶等效热力学模型存在的难以精确反映电采暖负荷的运行特性、模型误差极大、精度难以满足电采暖负荷时移能力定量评估的需要和没有考虑模型精度的用户舒适范围约束的影响的缺点,解决了现有模型缺乏对电采暖系统历史数据的辨识与分析,模型参数缺乏准确性的问题,具有建模准确、定量评估结果真实可靠的优点。
附图说明
图1为本发明的基于实测数据的分散式电采暖负荷时移能力定量评估方法的流程图;
图2为本发明的建模系统结构示意图。
图中:1云计算服务单元,2集中控制器,3电采暖,4无线电流电压表,5温控器,6控制信号发射器,7控制信号编码器,8综合调度控制单元。
具体实施方式
下面结合实施例对本发明进一步说明。
参见图1-图2,实施例1,本实施例一种基于实测数据的分散式电采暖负荷时移能力定量评估方法,包括获取电采暖系统运行状态时序数据,构建电采暖负荷简化二阶模型,构建模型误差裕度函数,求解其时移能力,具体如下:
1)获取电采暖系统运行状态时序数据;
①以ΔT为采样周期,测量、存储1,2,…,s…,Sc时段的室内温度Tin-m、室外温度Tout-m、功率Pm的时序数据,每个时段的数据总组数(或总时间步长)分别为l1,l2,…,ls…,lSc,其中,Sc为当前时段;
所述时段表示电采暖开关状态的时间段,其开关的连续开或连续关为一个时段;
②以ΔT为周期,更新室内温度Tin、室外温度Tout、功率P的时序数据的历史数据库;
③计算参数墙体等效热阻R
按照公式(1)计算参数墙体等效热阻R如下:
式中:Tin-ave(s)为第s时段平均室内环境温度;Tout-ave(s)为第s时段平均室外温度;io(s)为第s时段的电采暖开关状态,0表示关闭,1表示开启;P(s,t)为第s时段t时刻的电采暖功率;n为计算取样总时段数;
2)构建电采暖负荷简化二阶时序模型;
①利用实测的第1时段的室内温度Tin、室外温度Tout、功率P的时序数据拟合C1(1),C2(1),d(1),g(1),拟合公式如下:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
②利用实测的第Sc时段室内温度Tin、室外温度Tout、功率P的时序数据及历史拟合获得的等效空气热容C1、参数墙体等效热容C2、模型比例系数d和g,拟合模型比例系数k,拟合公式为:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效空气热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
③由步骤2)的①和②获得未来Sc+1时段的初始等效空气热容C1、参数墙体等效热容C2、模型比例系数d、g和k;
④根据不断更新的过去m个时段的历史数据,通过数据拟合,确定修正方程式:
k=α·Tout-ave (8)
其中,α为修正系数,通过历史数据拟合获得,Tout-ave为平均室外温度;
⑤根据修正方程和修正系数α,对模型比例系数k进行修正,公式如下:
k=k+α·(Tout-ave-f(Sc+1)-Tout-ave(Sc)) (9)
式中,Tout-ave(Sc)第Sc时段平均室外温度;Tout-ave-f(Sc+1)预测的第Sc+1时段平均室外温度;
⑥获得Sc+1时段的电采暖负荷模型
根据最终获得的未来Sc+1时段的参数墙体等效热阻R,等效空气热容C1,参数墙体等效热容C2,模型比例系数d、g和k,获得Sc+1时段的电采暖负荷简化二阶时序模型如下:
其中,t时间;Tin(t)为t时刻室内环境温度;Tout(t)为t时刻室外温度;P(t)为t时刻电采暖功率;C1等效空气热容;C2等效墙体热容;R墙体等效热阻;T0起始时刻室内温度;k,d,g模型比例系数;
3)构建模型误差裕度函数;
①根据1,2,…,s…,Sc段拟合预测模型的计算室内温度Tin-f(s,t)与实测室内温度数据Tin-m(s,t)间的误差ΔTin,即建立数据库,计算室内温度预测拟合误差的概率分布函数:
F(ΔTin)=P(ΔTin>T) (11)
②根据上述概率分布,确定分散式电采暖负荷可调节裕度,见公式(12):
ΔTm=F-1(ε) (12)
其中,ε为调度者期望(输入)的温度越限概率指标;
4)求解其时移能力;
通过求解方程的解,计算未来Sc+1时段的分散式电采暖时移能力,即可时移时间tup和tdown求解方程如下:
本实施例采用的建模系统包括云计算服务单元1和综合调度控制单元8,还包括数据采集单元,所述数据采集单元与所述云计算服务单元1无线信号连接,用于将采集的电压、电流、温度的数据传输到云计算服务单元1,所述综合调度控制单元8均分别与数据采集单元和云计算服务单元1信号连接,用于接收云计算服务单元1输出的计算结果,并根据计算结果输出控制信号,控制数据采集单元的温控器5。
所述数据采集单元的结构是:它包括集中控制器2、无线电流电压表4、温控器5、控制信号编码器7和控制信号发射器6,所述集中控制器2均分别与所述无线电流电压表4、所述温控器5、云计算服务单元1的数据计算部分和所述控制信号发射器6无线信号连接,所述控制信号编码器7均分别与综合调度控制单元8和控制信号发射器6信号连接。
本实施例的应用软件均为现有技术。
本实施例采用现有技术制造,所述集中控制器2、无线电流电压表4、温控器5、控制信号编码器7和控制信号发射器6均为现有技术的市售产品。
本实施例的工作过程是:温控器5和无线电流电压表4通过zig-bee无线传输技术将测得的温度、电压和电流数据传输到采暖房间内的集中控制器2,由集中控制器2通过以太网与云计算服务单元1信号连接传输数据,云计算服务单元1对数据进行存储,然后按照本发明的建模方法构建本发明的基于参数库构建的分散式电采暖负荷简化二阶时序模型,并应用构建的本发明的基于参数库构建的分散式电采暖负荷简化二阶时序模型对接收的实测数据进行计算,之后将计算结果传输到综合调度控制单元8,通过综合调度控制单元8发出控制命令,并由控制信号编码器7进行编码,然后由控制信号发射器6将控制信号发送给集中控制器2,通过集中控制器2对温控器5作用来控制电暖气的开关。
Claims (1)
1.一种基于实测数据的分散式电采暖负荷建模系统,它包括云计算服务单元、综合调度控制单元和数据采集单元,所述数据采集单元置于采暖房间内,数据采集单元与所述云计算服务单元无线信号连接,用于将采集的电压、电流、温度的数据传输到云计算服务单元,所述综合调度控制单元均分别与数据采集单元和云计算服务单元信号连接,用于接收云计算服务单元输出的计算结果,并根据计算结果输出控制信号,控制数据采集单元的温控器;所述数据采集单元的结构是:它包括集中控制器、无线电流电压表、温控器、控制信号编码器和控制信号发射器,所述集中控制器均分别与所述无线电流电压表、所述温控器、云计算服务单元的数据计算部分和所述控制信号发射器无线信号连接,所述控制信号编码器均分别与综合调度控制系统和控制信号发射器信号连接;其特征是:还包括电采暖负荷时移能力定量评估方法,所述电采暖负荷时移能力定量评估方法包括获取电采暖系统运行状态时序数据,构建电采暖负荷简化二阶模型,构建模型误差裕度函数,求解其时移能力,具体如下:
1)获取电采暖系统运行状态时序数据;
①以ΔT为采样周期,测量、存储1,2,…,s…,Sc时段的室内温度Tin-m、室外温度Tout-m、功率Pm的时序数据,每个时段的数据总组数或总时间步长分别为l1,l2,…,ls…,lSc,其中,Sc为当前时段;
所述时段表示电采暖开关状态的时间段,其开关的连续开或连续关为一个时段;
②以ΔT为周期,更新室内温度Tin、室外温度Tout、功率P的时序数据的历史数据库;
③计算参数墙体等效热阻R
按照公式(1)计算参数墙体等效热阻R如下:
式中:Tin-ave(s)为第s时段平均室内环境温度;Tout-ave(s)为第s时段平均室外温度;io(s)为第s时段的电采暖开关状态,0表示关闭,1表示开启;P(s,t)为第s时段t时刻的电采暖功率;n为计算取样总时段数;
2)构建电采暖负荷简化二阶时序模型;
①利用实测的第1时段的室内温度Tin、室外温度Tout、功率P的时序数据拟合C1(1),C2(1),d(1),g(1),拟合公式如下:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
②利用实测的第Sc时段室内温度Tin、室外温度Tout、功率P的时序数据及历史拟合获得的等效空气热容C1、参数墙体等效热容C2、模型比例系数d和g,拟合模型比例系数k,拟合公式为:
式中:l为实测温度数据个数,
式中,C1(1),C2(1)分别为第1时段的拟合等效空气热容和参数墙体等效热容,d(1),g(1)分别为第1时段的拟合模型比例系数;
③由步骤2)的①和②获得未来Sc+1时段的初始等效空气热容C1、参数墙体等效热容C2、模型比例系数d、g和k;
④根据不断更新的过去m个时段的历史数据,通过数据拟合,确定修正方程式:
k=α·Tout-ave (8)
其中,α为修正系数,通过历史数据拟合获得,Tout-ave为平均室外温度;
⑤根据修正方程和修正系数α,对模型比例系数k进行修正,公式如下:
k=k+α·(Tout-ave-f(Sc+1)-Tout-ave(Sc)) (9)
式中,Tout-ave(Sc)第Sc时段平均室外温度;Tout-ave-f(Sc+1)预测的第Sc+1时段平均室外温度;
⑥获得Sc+1时段的电采暖负荷模型
根据最终获得的未来Sc+1时段的参数墙体等效热阻R,等效空气热容C1,参数墙体等效热容C2,模型比例系数d、g和k,获得Sc+1时段的电采暖负荷简化二阶时序模型如下:
其中,t时间;Tin(t)为t时刻室内环境温度;Tout(t)为t时刻室外温度;P(t)为t时刻电采暖功率;C1等效空气热容;C2等效墙体热容;R墙体等效热阻;T0起始时刻室内温度;k,d,g模型比例系数;
3)构建模型误差裕度函数;
①根据1,2,…,s…,Sc段拟合预测模型的计算室内温度Tin-f(s,t)与实测室内温度数据Tin-m(s,t)间的误差ΔTin,即建立数据库,计算室内温度预测拟合误差的概率分布函数:
F(ΔTin)=P(ΔTin>T) (11)
②根据上述概率分布,确定分散式电采暖负荷可调节裕度,见公式(12):
ΔTm=F-1(ε) (12)
其中,ε为调度者期望或输入的温度越限概率指标;
4)求解其时移能力;
通过求解方程的解,计算未来Sc+1时段的分散式电采暖时移能力,即可时移时间tup和tdown求解方程如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266382.7A CN109523134B (zh) | 2018-10-29 | 2018-10-29 | 一种基于实测数据的分散式电采暖负荷时移能力定量评估方法及其建模系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266382.7A CN109523134B (zh) | 2018-10-29 | 2018-10-29 | 一种基于实测数据的分散式电采暖负荷时移能力定量评估方法及其建模系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109523134A CN109523134A (zh) | 2019-03-26 |
CN109523134B true CN109523134B (zh) | 2023-04-21 |
Family
ID=65772461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811266382.7A Active CN109523134B (zh) | 2018-10-29 | 2018-10-29 | 一种基于实测数据的分散式电采暖负荷时移能力定量评估方法及其建模系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523134B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110969296B (zh) * | 2019-11-25 | 2023-11-07 | 国网河北省电力有限公司经济技术研究院 | 电采暖负荷预测方法、装置和终端设备 |
CN111486573B (zh) * | 2020-04-16 | 2021-09-14 | 南方电网科学研究院有限责任公司 | 一种中央空调集群调控方法、系统以及设备 |
CN111932406B (zh) * | 2020-09-18 | 2021-01-08 | 江苏智臻能源科技有限公司 | 一种叠加运行工况下负荷辨识效果的评价方法 |
CN113175700B (zh) * | 2021-05-28 | 2022-05-10 | 呼伦贝尔安泰热电有限责任公司满洲里热电厂 | 一种热网智能设备管理及大数据预警分析系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423915A (zh) * | 2017-08-07 | 2017-12-01 | 东北电力大学 | 基于数值天气预报的户用电采暖负荷可调节能力评估方法 |
CN108256739A (zh) * | 2017-12-22 | 2018-07-06 | 国网北京市电力公司 | 应用于电采暖的负荷确定方法及装置 |
CN108305456A (zh) * | 2018-01-26 | 2018-07-20 | 住建互联清洁能源供热采暖技术研究院(北京)有限公司 | 互联网+电采暖供热系统及云平台电负荷监控方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10754918B2 (en) * | 2016-02-23 | 2020-08-25 | Opower, Inc. | System for providing remote building efficiency audits |
-
2018
- 2018-10-29 CN CN201811266382.7A patent/CN109523134B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423915A (zh) * | 2017-08-07 | 2017-12-01 | 东北电力大学 | 基于数值天气预报的户用电采暖负荷可调节能力评估方法 |
CN108256739A (zh) * | 2017-12-22 | 2018-07-06 | 国网北京市电力公司 | 应用于电采暖的负荷确定方法及装置 |
CN108305456A (zh) * | 2018-01-26 | 2018-07-20 | 住建互联清洁能源供热采暖技术研究院(北京)有限公司 | 互联网+电采暖供热系统及云平台电负荷监控方法 |
Non-Patent Citations (1)
Title |
---|
基于ZigBee与云计算的温度监控系统的架构设计;盛希宁等;《林业机械与木工设备》;20160331;第29-30页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109523134A (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284576B (zh) | 一种基于实测数据的分散式电采暖负荷调度方法及其建模系统 | |
CN109523134B (zh) | 一种基于实测数据的分散式电采暖负荷时移能力定量评估方法及其建模系统 | |
EP3614055B1 (en) | Heat supply regulation method and apparatus | |
CN107120721B (zh) | 一种集中供热动态气候补偿方法 | |
CN108240679B (zh) | 一种基于建筑供暖负荷预测的供热方法、装置和系统 | |
US8103465B2 (en) | System and method for monitoring and managing energy performance | |
CN108709287B (zh) | 一种空调系统冷负荷预测方法及冷水机组群控的策略 | |
EP3025099B1 (en) | Control device and method for buildings | |
CN104008432A (zh) | 基于emd-kelm-ekf的微网短期负荷预测方法 | |
CN103912966A (zh) | 一种地源热泵制冷系统优化控制方法 | |
CN104484715A (zh) | 一种基于神经网络和微粒群优化算法的建筑能耗预测方法 | |
CN108388962A (zh) | 一种风电功率预测系统及方法 | |
CN109948824A (zh) | 一种利用模式识别技术对热力站热负荷进行预测的方法 | |
CN111830350B (zh) | 能耗计量方法、装置及电器 | |
CN106845663A (zh) | 一种基于数值天气预报进行热负荷预测的方法 | |
Lei et al. | Prediction method of energy consumption for high building based on LMBP neural network | |
CN112307675A (zh) | 一种基于神经网络的温度敏感型负荷分离辨识方法及系统 | |
CN116307076A (zh) | 一种基于物联网的工业园区能效管控方法 | |
CN113706337A (zh) | 一种基于相似时段的供热负荷预测方法 | |
Tan et al. | Room thermal load prediction based on analytic hierarchy process and back-propagation neural networks | |
CN110779132A (zh) | 一种基于强化学习的空调系统的水泵设备运行控制系统 | |
CN109543235B (zh) | 一种基于参数库构建的分散式电采暖负荷建模系统及其建模方法 | |
Spencer et al. | Forecasting temperature in a smart home with segmented linear regression | |
CN115342409B (zh) | 一种供热系统的控制调节方法与系统 | |
CN109541962B (zh) | 一种基于实测参数辨识的分布式电采暖负荷建模系统及其建模方法 |
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 |