CN109541962B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109541962B CN109541962B CN201811266203.XA CN201811266203A CN109541962B CN 109541962 B CN109541962 B CN 109541962B CN 201811266203 A CN201811266203 A CN 201811266203A CN 109541962 B CN109541962 B CN 109541962B
- Authority
- CN
- China
- Prior art keywords
- electric heating
- model
- time period
- data
- time
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明是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,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,基于实测时序数据与历史数据,通过云计算系统,拟合电采暖负荷简化二阶模型初始参数,进一步根据历史温度数据库参数,修正初始参数,获得电采暖负荷简化二阶模型。确定了利用实测参数辨识二阶微分方程的电采暖负荷建模基本原理,并提出了可由计算机实现的建模方法及系统架构。该发明能够提供一种精确的关于电采暖负荷的模型,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。
Description
技术领域
本发明属于电采暖,是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。
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,分布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。
构建电采暖负荷模型,是电采暖负荷满足电力系统经济、灵活运行的基础。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在实际工程中的需要。同时,现有模型也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,见图1。
因此,本专利提出了一种更为精确的、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简化二阶时序模型和建模方法。
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参数辨识的分布式电采暖负荷建模系统及其建模方法,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采用的方案之一是:一种基于实测参数辨识的分布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采用的方案之二是:一种基于实测参数辨识的分布式电采暖负荷建模方法,其特征是:它包括的内容有:
1)建电采暖负荷简化二阶时序模型:
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;C2参数墙体等效热容;R参数墙体等效热阻;T0起始时刻室内温度;k,d,g模型比例系数;
2)测量与采集s时段的电采暖系统运行数据;
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和功率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表示当前时段;
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和功率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(2)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;
4)利用s时段的电采暖系统实测数据拟合初始参数;
①利用实测的第1时段的室内温度Tin、室外温度Tout、功率P时序数据拟合C1(1),C2(1),d(1),g(1),拟合公式如下:
目标函数:
式中:l为实测温度数据个数,
约束条件:
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;
②利用实测的第Sc时段室内温度Tin、室外温度Tout、功率P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:
目标函数:
式中:l为实测温度数据个数,
约束条件:
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4)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;
5)修正模型参数;
①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(7)
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,
②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))(8)
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s+1时段的分布式电采暖负荷模型;
根据最终获得的未来第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s+1时段的电采暖负荷简化二阶时序模型,具体见公式(1);
7)根据测量与采集的电采暖系统运行数据更新电采暖负荷的历史模型库;
8)获得所述电采暖负荷简化二阶时序模型。
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布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布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:其建模系统、构建的模型及其建模方法的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布式电采暖负荷模型,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在实际工程中需要的缺点,解决了现有模型也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、仿真结果接近实际的优点。
附图说明
图1为现有技术的一阶等效热力学模型的拟合结果与实际温度的对比图;
图2为本发明的电采暖负荷简化二阶时序模型与实际温度的对比图;
图3为图2的模型参数表;
图4为本发明的建模流程图;
图5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2-图5,实施例1,本实施例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。
本实施例的分布式电采暖负荷建模方法,它包括的内容有:
1)建立电采暖负荷简化二阶时序模型:
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;C2参数墙体等效热容;R参数墙体等效热阻;T0起始时刻室内温度;k,d,g模型比例系数;
2)测量与采集s时段的电采暖系统运行数据;
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和功率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表示当前时段;
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和功率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(2)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;
4)利用s时段的电采暖系统实测数据拟合初始参数;
①利用实测的第1时段的室内温度Tin、室外温度Tout、功率P时序数据拟合C1(1),C2(1),d(1),g(1),拟合公式如下:
目标函数:
式中:l为实测温度数据个数,
约束条件:
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;
②利用实测的第Sc时段室内温度Tin、室外温度Tout、功率P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:
目标函数:
式中:l为实测温度数据个数,
约束条件:
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4)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;
5)修正模型参数;
①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 (7)
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,
②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)) (8)
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s+1时段的分布式电采暖负荷模型;
根据最终获得的未来第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s+1时段的电采暖负荷简化二阶时序模型,具体见公式(1);
7)根据测量与采集的电采暖系统运行数据更新电采暖负荷的历史模型库;
8)获得所述电采暖负荷简化二阶时序模型。
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)
1.一种基于实测参数辨识的分布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: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;并按以下内容进行建模:
1)建立电采暖负荷简化二阶时序模型:
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;C2参数墙体等效热容;R参数墙体等效热阻;T0起始时刻室内温度;k,d,g模型比例系数;
2)测量与采集s时段的电采暖系统运行数据;
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和功率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表示当前时段;
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和功率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(2)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;
4)利用s时段的电采暖系统实测数据拟合初始参数;
①利用实测的第1时段的室内温度Tin、室外温度Tout、功率P时序数据拟合C1(1),C2(1),d(1),g(1),拟合公式如下:
目标函数:
式中:l为实测温度数据个数,
约束条件:
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;
②利用实测的第Sc时段室内温度Tin、室外温度Tout、功率P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:
目标函数:
式中:l为实测温度数据个数,
约束条件:
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4)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;
5)修正模型参数;
①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 (7)
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,
②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)) (8)
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s+1时段的分布式电采暖负荷模型;
根据最终获得的未来第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s+1时段的电采暖负荷简化二阶时序模型,具体见公式(1);
7)根据测量与采集的电采暖系统运行数据更新电采暖负荷的历史模型库;
8)获得所述电采暖负荷简化二阶时序模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266203.XA CN109541962B (zh) | 2018-10-29 | 2018-10-29 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266203.XA CN109541962B (zh) | 2018-10-29 | 2018-10-29 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109541962A CN109541962A (zh) | 2019-03-29 |
CN109541962B true CN109541962B (zh) | 2021-07-23 |
Family
ID=65845239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811266203.XA Active CN109541962B (zh) | 2018-10-29 | 2018-10-29 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109541962B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 CN201811266203.XA patent/CN109541962B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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44卷(第3期);第29-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109541962A (zh) | 2019-03-29 |
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 | |
CN102705957B (zh) | 办公建筑中央空调逐时冷负荷在线预测方法及系统 | |
EP3614055B1 (en) | Heat supply regulation method and apparatus | |
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 | |
CN102043907B (zh) | 空调房间实时冷负荷确定方法 | |
CN111336669B (zh) | 基于模型预测控制的室内空调通风系统 | |
CN107120721A (zh) | 一种集中供热动态气候补偿方法 | |
CN102945508B (zh) | 一种基于模型校正的风电功率预测预报方法 | |
CN106910144B (zh) | 基于分时刻实际用能系数的大型建筑逐时能耗在线预测方法 | |
CN109948824B (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 | |
CN102779228A (zh) | 商场建筑中央空调冷负荷在线预测方法及系统 | |
CN105980786B (zh) | 热负荷推测装置以及空调控制系统 | |
US20050222715A1 (en) | System for determining overall heating and cooling system efficienies | |
EP2062140A1 (en) | System and method for monitoring and managing energy performance | |
CN111830350B (zh) | 能耗计量方法、装置及电器 | |
CN110909904A (zh) | 基于无线互联与数据挖掘技术的终端用户负荷预测系统 | |
CN113706337A (zh) | 一种基于相似时段的供热负荷预测方法 | |
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 | |
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 | |
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 | |
CN109974234A (zh) | 一种机房温度快速调节方法 | |
CN109545022A (zh) | 能源替代技术的独立新风实训系统及其控制和计算方法 | |
CN113449909A (zh) | 一种基于改进长短期记忆网络的蓄冷空调冷负荷预测方法 |
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 |