CN110009143A - 一种楼宇内能源调度方法 - Google Patents
一种楼宇内能源调度方法 Download PDFInfo
- Publication number
- CN110009143A CN110009143A CN201910241374.5A CN201910241374A CN110009143A CN 110009143 A CN110009143 A CN 110009143A CN 201910241374 A CN201910241374 A CN 201910241374A CN 110009143 A CN110009143 A CN 110009143A
- Authority
- CN
- China
- Prior art keywords
- energy
- matrix
- power
- output
- air
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 144
- 238000012946 outsourcing Methods 0.000 claims abstract description 26
- 230000002068 genetic effect Effects 0.000 claims abstract description 9
- 238000004378 air conditioning Methods 0.000 claims description 45
- 238000009826 distribution Methods 0.000 claims description 24
- 230000005611 electricity Effects 0.000 claims description 16
- 238000004146 energy storage Methods 0.000 claims description 8
- 239000007789 gas Substances 0.000 claims description 7
- 239000002131 composite material Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000001816 cooling Methods 0.000 claims description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000007600 charging Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 claims description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 claims description 2
- 238000007599 discharging Methods 0.000 claims description 2
- 239000003546 flue gas Substances 0.000 claims description 2
- 239000003345 natural gas Substances 0.000 claims description 2
- 239000002918 waste heat Substances 0.000 claims description 2
- -1 Oxy Chemical class 0.000 claims 2
- 230000002035 prolonged effect Effects 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 abstract description 4
- 238000003786 synthesis reaction Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 208000001613 Gambling Diseases 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种楼宇内能源调度方法，综合考虑楼宇内电、气、热的输入构建用能矩阵序列，根据楼宇内用能装置的设备信息构建最优约束矩阵，并根据最优约束矩阵对用能矩阵序列进行约束截断，获取满足最优约束矩阵条件的与所述初选用能矩阵序列内矩阵元素相对应的一定时间内的用能成本和用能总量，最后再通过遗传算法对所述初选用能矩阵序列内各个矩阵元素对应的用能成本和用能总量进行处理，获得最优的用能矩阵，进而利用所述最优用能矩阵映射得到最优外购电功率、气流量、热功率和电功率、气流量、热功率的最优分配。优化了能源使用结构，降低了外购能源成本，提高了楼宇内能源的综合使用效率。
Description
技术领域
本发明涉及能源控制技术领域，尤其涉及一种楼宇内能源调度方法。
背景技术
随着信息技术和能源技术的快速发展，以5G、大数据、中央控制器、人工智能、物联网、分布式能源、储能技术、能源互联网、自能源体为代表的“互联网+智慧能源”为建筑能源行业吹来了阵阵春风，以全新的理念和架构对传统的建筑能源系统进行赋能再造，带来安全、稳定、高效、绿色、节能、平衡、自主、便捷、智能的全新能源消费体验。
能源互联网是全新的一种能源互联互通的相连形式，现有的能源管理系统还是单一能种的各自独立调度，使得能源的综合使用效率不高。
发明内容
本发明目的是提供一种楼宇内能源调度方法，以解决上述问题。
本发明解决技术问题采用如下技术方案：
一种楼宇内能源调度方法，包括：
根据楼宇内的电、气、热的输入信息和用能装置分布获得用能功率；
利用所述用能功率构建用能矩阵序列；
根据所述用能装置的设备信息和能源流动信息构建最优约束矩阵；
利用所述最优约束矩阵对所述用能矩阵进行约束截断，获得初选用能矩阵序列；
利用所述初选用能矩阵序列映射出与所述初选用能矩阵序列内矩阵元素相对应的初选用能功率和初选外购电功率、气流量、热功率；
利用能源价格和所述初选外购电功率、气流量、热功率获得一定时间内的用能成本；
利用所述初选外购电功率、气流量、热功率获得一定时间内的用能总量；
利用遗传算法对所述初选用能矩阵序列内各个矩阵元素对应的用能成本和用能总量进行处理，获得用能成本和用能总量最优条件下的最优用能矩阵；
利用所述最优用能矩阵映射得到最优外购电功率、气流量、热功率和电功率、气流量、热功率的最优分配。
本发明具有如下有益效果：
本发明公开的楼宇内能源调度方法，综合考虑楼宇内电、气、热的输入构建用能矩阵序列，根据楼宇内用能装置的设备信息构建最优约束矩阵，并根据最优约束矩阵对用能矩阵序列进行约束截断，获取满足最优约束矩阵条件的与所述初选用能矩阵序列内矩阵元素相对应的一定时间内的用能成本和用能总量，最后再通过遗传算法对所述初选用能矩阵序列内各个矩阵元素对应的用能成本和用能总量进行处理，获得最优的用能矩阵，进而利用所述最优用能矩阵映射得到最优外购电功率、气流量、热功率和电功率、气流量、热功率的最优分配。可见，本发明综合考虑楼宇内电、气、热的输入，通过遗传算法选出用能成本和用能总量双目标最优条件下的最优外购电功率、气流量、热功率和电功率、气流量、热功率的最优分配，优化了能源使用结构，降低了外购能源成本，提高了楼宇内能源的综合使用效率。
附图说明
图1为本发明提供的一种楼宇内能源调度方法流程示意图。
具体实施方式
下面结合实施例及附图对本发明的技术方案作进一步阐述。
本实施例提供了一种楼宇内能源调度方法，所述楼宇内能源调度方法集成楼宇内多种能源输入输出及多种能源转换设备，通过信息通信网络将配电系统、供热系统和供冷系统建立数据连接，并建立对应的耦合关系。
如图1所示，所述楼宇内能源调度方法包括：
根据楼宇内的电、气、热的输入信息和用能装置分布获得用能功率。
其中，本发明实施例综合考虑电、气、冷、热的传输延时、做功延时、转换效率、能流合成，将时序模型转化为同步模型，简化运算复杂度。
进一步的，所述用能功率，包括：
用电功率E(t)：
E(t)＝Ee(t)+Eb(t)，其中，Ee(t)为外购电功率，Eb(t)为电池充放电功率；
用冷功率C(t)：
C(t)＝pc0·Cpipe(t)+pc1·Cpipe(t-t1)，其中，Pc0是主冷流合成系数，Pc1是分冷流合成系数，Cpipe(t)是管道冷输出功率，(t-t1)为用冷功率传输延时，
Cpipe(t)＝Cac(t-t2)+Ccs(t-t3))，其中，Cac(t-t2)是空调制冷功率，(t-t2)是空调制冷功率延时，Ccs(t-t3)是冰蓄冷输出功率，(t-t3)是冰蓄冷输出功率延时，
Cac(t)＝Tac(Ee(t))，其中，Tac为空调的电制冷效率函数，
Ccs(t)＝Cs(P(Tac(Ee(t-t4))))，其中，Cs是蓄冷效率函数，P是空调向冰蓄冷的冷量分配比例，(t-t4)为空调用电功率延时；
用热功率H(t)：
H(t)＝ph0·Hpipe(t)+ph1·Hpipe(t-t5)，其中，Ph0是主热流合成系数，Ph1是分热流合成系数，Hpipe(t)为管道热输出功率，(t-t5)为管道热输出功率延时，
Hpipe(t)＝He(t-t6)+Htb(t-t7)，其中，He(t-t6)为外购热功率，(t-t6)为外购热功率延时，Htb(t-t7)是锅炉制热功率，(t-t7)是锅炉制热功率延时，
Htb(t)＝Tb(g(t-t8))，其中，Tb是锅炉燃气制热效率函数，g(t-t8)是外购气流量，(t-t8)是外购气流量延时。
利用所述用能功率构建用能矩阵序列。其中，利用所述用能功率构建用能矩阵序列的过程，包括：
利用所述用能功率构建配电矩阵Tde：
其中，fde为配电系统模型函数，输出矩阵中：Capde为配电系统的电容量、Volde为配电系统的电压、Curde为配电系统的电流、为配电系统的功率因数；
利用所述用能功率构建空调输出矩阵Tac：
其中，fac为空调系统模型函数，输出矩阵中：Temac为空调系统的输出温度、Humac为空调系统的输出湿度、Winac为空调系统的输出风量、Curac为空调系统的电流、Preac为空调系统的水压、Watac-speac为空调系统的水流速；
利用所述用能功率构建锅炉输出矩阵Ttb：
其中，ftb为锅炉系统模型函数，输出矩阵中：Temtb为锅炉系统的输出温度、Humtb为锅炉系统的输出湿度、Stetb为锅炉系统的输出蒸汽压力、Oxytb为锅炉系统的含氧量；
利用所述配电矩阵Tde、空调输出矩阵Tac、锅炉输出矩阵Ttb构建用能矩阵T：
穷举用电功率E(t)、用冷功率C(t)和用热功率H(t)，获得用能矩阵序列TT：
TT＝[T1 T2 ... Ti ... Tn]。
或者，所述利用所述用能功率构建用能矩阵序列的过程，包括：
利用所述用能功率构建配电矩阵Tde：
其中，fde为配电系统模型函数，输出矩阵中：Capde为配电系统的电容量、Volde为配电系统的电压、Curde为配电系统的电流、为配电系统的功率因数；
利用所述用能功率构建空调输出矩阵Tac：
其中，fac为空调系统模型函数，输出矩阵中：Temac为空调系统的输出温度、Humac为空调系统的输出湿度、Winac为空调系统的输出风量、Curac为空调系统的电流、Preac为空调系统的水压、Watac-speac为空调系统的水流速；
利用所述用能功率构建锅炉输出矩阵Ttb：
其中，ftb为锅炉系统模型函数，输出矩阵中：Temtb为锅炉系统的输出温度、Humtb为锅炉系统的输出湿度、Stetb为锅炉系统的输出蒸汽压力、Oxytb为锅炉系统的含氧量；
利用所述用能功率构建储能电池充放电矩阵Tbat：
其中，fbat为储能电池系统模型函数，输出矩阵中：Capbat为电池系统电容量、Volbat为电池系统电压、Curbat为电池系统电流、为电池系统功率因数；
利用所述用能功率构建光伏系统供电矩阵Tpv：
其中，fpv为光伏系统模型函数，输出矩阵中：Powpv为发电功率、Volpv为光伏系统电压、Curpv为光伏系统电流、为光伏系统功率因数；
利用所述用能功率构建电机充放电矩阵Teng：
其中，feng为电机系统模型函数，输出矩阵中：Speeng为电机转速、Temeng为电机温度、Wineng为电机系统风量、Cureng为电机系统电流；
利用所述配电矩阵Tde、空调输出矩阵Tac、锅炉输出矩阵Ttb构建用能矩阵T：
穷举用电功率E(t)、用冷功率C(t)和用热功率H(t)，获得用能矩阵序列TT：
TT＝[T1 T2 ... Ti ... Tn]。
在更加复杂的楼宇系统内，还可以相应的增加用能矩阵的具体类型，在此不做具体限制。
根据所述用能装置的设备信息和能源流动信息构建最优约束矩阵。所述最优约束矩阵与所述用能矩阵T的数据类型相同，且在所述最优约束矩阵内设置有各类数据的上限值、下限值和斜率阈值。所述用能装置的设备信息实际为各个用能装备的工作信息，所述能源流动信息实际为能源在楼宇在的流动信息，例如电流、气流、水流(热量流)等。
所述最优约束矩阵的具体内容如下表所示：
其中，所述最优约束矩阵里面的数据类型是包括但不限于上表所列数据类型，可以根据实际情况酌情删减。
利用所述最优约束矩阵对所述用能矩阵进行约束截断，获得初选用能矩阵序列。其中，所述获得初选用能矩阵序列的过程，包括：
将所述用能矩阵序列TT中的矩阵元素与所述最优约束矩阵进行比较，若所述用能矩阵序列TT中的矩阵元素Tx内有在所述最优约束矩阵范围外的数据，则剔除所述矩阵元素Tx，获得初选用能矩阵序列。
利用所述初选用能矩阵序列映射出与所述初选用能矩阵序列内矩阵元素相对应的初选用能功率和初选外购电功率、气流量、热功率。
利用能源价格和所述初选外购电功率、气流量、热功率获得一定时间内的用能成本。其中，所述获得一定时间内的用能成本的过程，包括：
一定时间内的用能成本Cost：
其中，所述一定时间内为(m-1)的时间内，pe(t)为购电价格，pg(t)为购气价格，ph(t)为购热价格。
利用所述初选外购电功率、气流量、热功率获得一定时间内的用能总量。其中，所述获得一定时间内的用能总量的过程，包括：
一定时间内的用能总量Ene：
其中，Tge(g(t))为天然气等效功率换算函数，The(He(t))为热等效功率换算函数。
本发明实施例中，时间t的单位优选为小时，m值优选为24，即统计一天24小时内的用能成本和用能总量，以天为单位进行楼宇内的能源调度。依据客观条件，在一些要求较高的建筑系统内部，时间t还有可以以分钟，甚至以秒为单位，在一些要求较低的建筑系统额你不，时间t还可以选用天，甚至是月为单位，在此不做具体限制。
利用遗传算法对所述初选用能矩阵序列内各个矩阵元素对应的用能成本和用能总量进行处理，获得用能成本和用能总量最优条件下的最优用能矩阵。所述遗传算法为轮盘赌选择，或单电交叉，或变异对种群个体，或NSGA-II。
最后，利用所述最优用能矩阵映射得到最优外购电功率、气流量、热功率和电功率、气流量、热功率的最优分配。
本发明实施例公开的楼宇内能源调度方法以楼宇内的分布式电源和电/冷/热负荷的短期预测曲线为基础，采用回归分析法预测布式电源和电/冷/热负荷，以外部电网供电功率、燃气管网的供气流量、配电变压器容量、锅炉容量、分布式发电出力、储能系统容量为约束条件，同步考虑设备运行特性、分布式发电不确定性、电力双向潮流、热力惯性和管网水力特性，并综合当地电价、气价、热价，对无功补偿、储能电池、空调机组、供水机组、可控照明、分布式电源、充电设施等能源系统运行参数进行动态实时调节，根据电制冷制热比、燃气制冷制热比，通过本地边缘网关、微电网控制器、分布式电源控制装置、储能控制装置、空调控制装置、锅炉控制装置、线路控制装置、管网磁控阀的综合调配，设置分布式电源发电计划，有序调节能源设备出力，以最小的能耗和最经济的供能方式满足负荷需求。
可见，本发明综合考虑楼宇内电、气、热的输入，通过遗传算法选出用能成本和用能总量双目标最优条件下的最优外购电功率、气流量、热功率和电功率、气流量、热功率的最优分配，实现建筑内配电、空调、供暖、照明等能源系统的智慧运维和统一调度，突破了单一能源的限制，电、气、冷、热能源流互补互济，优化了能源使用结构，降低了外购能源成本，提高了楼宇内能源的综合使用效率。
以上实施例的先后顺序仅为便于描述，不代表实施例的优劣。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种楼宇内能源调度方法，其特征在于，包括：
根据楼宇内的电、气、热的输入信息和用能装置分布获得用能功率；
利用所述用能功率构建用能矩阵序列；
根据所述用能装置的设备信息和能源流动信息构建最优约束矩阵；
利用所述最优约束矩阵对所述用能矩阵进行约束截断，获得初选用能矩阵序列；
利用所述初选用能矩阵序列映射出与所述初选用能矩阵序列内矩阵元素相对应的初选用能功率和初选外购电功率、气流量、热功率；
利用能源价格和所述初选外购电功率、气流量、热功率获得一定时间内的用能成本；
利用所述初选外购电功率、气流量、热功率获得一定时间内的用能总量；
利用遗传算法对所述初选用能矩阵序列内各个矩阵元素对应的用能成本和用能总量进行处理，获得用能成本和用能总量最优条件下的最优用能矩阵；
利用所述最优用能矩阵映射得到最优外购电功率、气流量、热功率和电功率、气流量、热功率的最优分配。
2.根据权利要求1所述楼宇内能源调度方法，其特征在于，所述用能功率，包括：
用电功率E(t)：
E(t)＝Ee(t)+Eb(t)，其中，Ee(t)为外购电功率，Eb(t)为电池充放电功率；
用冷功率C(t)：
C(t)＝pc0·Cpipe(t)+pc1·Cpipe(t-t1)，其中，Pc0是主冷流合成系数，Pc1是分冷流合成系数，Cpipe(t)是管道冷输出功率，(t-t1)为用冷功率传输延时，
Cpipe(t)＝Cac(t-t2)+Ccs(t-t3))，其中，Cac(t-t2)是空调制冷功率，(t-t2)是空调制冷功率延时，Ccs(t-t3)是冰蓄冷输出功率，(t-t3)是冰蓄冷输出功率延时，
Cac(t)＝Tac(Ee(t))，其中，Tac为空调的电制冷效率函数，
Ccs(t)＝Cs(P(Tac(Ee(t-t4))))，其中，Cs是蓄冷效率函数，P是空调向冰蓄冷的冷量分配比例，(t-t4)为空调用电功率延时；
用热功率H(t)：
H(t)＝ph0·Hpipe(t)+ph1·Hpipe(t-t5)，其中，Ph0是主热流合成系数，Ph1是分热流合成系数，Hpipe(t)为管道热输出功率，(t-t5)为管道热输出功率延时，
Hpipe(t)＝He(t-t6)+Htb(t-t7)，其中，He(t-t6)为外购热功率，(t-t6)为外购热功率延时，Htb(t-t7)是锅炉制热功率，(t-t7)是锅炉制热功率延时，
Htb(t)＝Tb(g(t-t8))，其中，Tb是锅炉燃气制热效率函数，g(t-t8)是外购气流量，(t-t8)是外购气流量延时。
3.根据权利要求2所述楼宇内能源调度方法，其特征在于，所述利用所述用能功率构建用能矩阵序列的过程，包括：
利用所述用能功率构建配电矩阵Tde：
其中，fde为配电系统模型函数，输出矩阵中：Capde为配电系统的电容量、Volde为配电系统的电压、Curde为配电系统的电流、为配电系统的功率因数；
利用所述用能功率构建空调输出矩阵Tac：
其中，fac为空调系统模型函数，输出矩阵中：Temac为空调系统的输出温度、Humac为空调系统的输出湿度、Winac为空调系统的输出风量、Curac为空调系统的电流、Preac为空调系统的水压、Watac-speac为空调系统的水流速；
利用所述用能功率构建锅炉输出矩阵Ttb：
其中，ftb为锅炉系统模型函数，输出矩阵中：Temtb为锅炉系统的输出温度、Humtb为锅炉系统的输出湿度、Stetb为锅炉系统的输出蒸汽压力、Oxytb为锅炉系统的含氧量；
利用所述配电矩阵Tde、空调输出矩阵Tac、锅炉输出矩阵Ttb构建用能矩阵T：
穷举用电功率E(t)、用冷功率C(t)和用热功率H(t)，获得用能矩阵序列TT：
TT＝[T1 T2 ... Ti ... Tn]。
4.根据权利要求3所述楼宇内能源调度方法，其特征在于，所述利用所述用能功率构建用能矩阵序列的过程，包括：
利用所述用能功率构建配电矩阵Tde：
其中，fde为配电系统模型函数，输出矩阵中：Capde为配电系统的电容量、Volde为配电系统的电压、Curde为配电系统的电流、为配电系统的功率因数；
利用所述用能功率构建空调输出矩阵Tac：
其中，fac为空调系统模型函数，输出矩阵中：Temac为空调系统的输出温度、Humac为空调系统的输出湿度、Winac为空调系统的输出风量、Curac为空调系统的电流、Preac为空调系统的水压、Watac-speac为空调系统的水流速；
利用所述用能功率构建锅炉输出矩阵Ttb：
其中，ftb为锅炉系统模型函数，输出矩阵中：Temtb为锅炉系统的输出温度、Humtb为锅炉系统的输出湿度、Stetb为锅炉系统的输出蒸汽压力、Oxytb为锅炉系统的含氧量；
利用所述用能功率构建储能电池充放电矩阵Tbat：
其中，fbat为储能电池系统模型函数，输出矩阵中：Capbat为电池系统电容量、Volbat为电池系统电压、Curbat为电池系统电流、为电池系统功率因数；
利用所述用能功率构建光伏系统供电矩阵Tpv：
其中，fpv为光伏系统模型函数，输出矩阵中：Powpv为发电功率、Volpv为光伏系统电压、Curpv为光伏系统电流、为光伏系统功率因数；
利用所述用能功率构建电机充放电矩阵Teng：
其中，feng为电机系统模型函数，输出矩阵中：Speeng为电机转速、Temeng为电机温度、Wineng为电机系统风量、Cureng为电机系统电流；
利用所述配电矩阵Tde、空调输出矩阵Tac、锅炉输出矩阵Ttb构建用能矩阵T：
穷举用电功率E(t)、用冷功率C(t)和用热功率H(t)，获得用能矩阵序列TT：
TT＝[T1 T2 ... Ti ... Tn]。
5.根据权利要求3或4所述楼宇内能源调度方法，其特征在于，所述最优约束矩阵与所述用能矩阵T的数据类型相同，且在所述最优约束矩阵内设置有各类数据的上限值、下限值和斜率阈值。
6.根据权利要求5所述楼宇内能源调度方法，其特征在于，所述获得初选用能矩阵序列的过程，包括：
将所述用能矩阵序列TT中的矩阵元素与所述最优约束矩阵进行比较，若所述用能矩阵序列TT中的矩阵元素Tx内有在所述最优约束矩阵范围外的数据，则剔除所述矩阵元素Tx，获得初选用能矩阵序列。
7.根据权利要求6所述楼宇内能源调度方法，其特征在于，所述获得一定时间内的用能成本的过程，包括：
一定时间内的用能成本Cost：
其中，所述一定时间内为(m-1)的时间内，pe(t)为购电价格，pg(t)为购气价格，ph(t)为购热价格。
8.根据权利要求6所述楼宇内能源调度方法，其特征在于，所述获得一定时间内的用能总量的过程，包括：
一定时间内的用能总量Ene：
其中，Tge(g(t))为天然气等效功率换算函数，The(He(t))为热等效功率换算函数。
9.根据权利要求6所述楼宇内能源调度方法，其特征在于，所述遗传算法为轮盘赌选择，或单电交叉，或变异对种群个体，或NSGA-II。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910241374.5A CN110009143A (zh) | 2019-03-28 | 2019-03-28 | 一种楼宇内能源调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910241374.5A CN110009143A (zh) | 2019-03-28 | 2019-03-28 | 一种楼宇内能源调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110009143A true CN110009143A (zh) | 2019-07-12 |
Family
ID=67168526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910241374.5A Pending CN110009143A (zh) | 2019-03-28 | 2019-03-28 | 一种楼宇内能源调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110009143A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110826817A (zh) * | 2019-11-18 | 2020-02-21 | 北京燃气能源发展有限公司 | 楼宇分布式能源多能协同运行策略生成方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150309092A1 (en) * | 2012-11-16 | 2015-10-29 | Tianjin University | Current Pattern Matching Method for Non-Intrusive Power Load Monitoring and Disaggregation |
| CN106372742A (zh) * | 2016-08-19 | 2017-02-01 | 天津大学 | 考虑电转气多源储能型微网日前最优经济调度方法 |
| CN108260193A (zh) * | 2018-01-12 | 2018-07-06 | 东北大学 | 异构网络中基于信道聚合的联合资源分配方法 |
| CN110225075A (zh) * | 2019-03-25 | 2019-09-10 | 北京快电科技有限公司 | 一种建筑能源互联网智慧运营云操作系统 |
-
2019
- 2019-03-28 CN CN201910241374.5A patent/CN110009143A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150309092A1 (en) * | 2012-11-16 | 2015-10-29 | Tianjin University | Current Pattern Matching Method for Non-Intrusive Power Load Monitoring and Disaggregation |
| CN106372742A (zh) * | 2016-08-19 | 2017-02-01 | 天津大学 | 考虑电转气多源储能型微网日前最优经济调度方法 |
| CN108260193A (zh) * | 2018-01-12 | 2018-07-06 | 东北大学 | 异构网络中基于信道聚合的联合资源分配方法 |
| CN110225075A (zh) * | 2019-03-25 | 2019-09-10 | 北京快电科技有限公司 | 一种建筑能源互联网智慧运营云操作系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110826817A (zh) * | 2019-11-18 | 2020-02-21 | 北京燃气能源发展有限公司 | 楼宇分布式能源多能协同运行策略生成方法及系统 |
| CN110826817B (zh) * | 2019-11-18 | 2024-02-20 | 北京燃气能源发展有限公司 | 楼宇分布式能源多能协同运行策略生成方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109063925B (zh) | 一种计及负荷聚合商的区域综合能源系统优化运行方法 | |
| CN104850013B (zh) | 一种家用电器的智能用电方法 | |
| CN104778631A (zh) | 一种面向需求响应的居民用户用电模式优化方法 | |
| CN105931136A (zh) | 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法 | |
| CN105337303A (zh) | 一种含热泵的热电联产型微电网容量优化配置方法 | |
| CN102593873B (zh) | 一种微网联络线功率波动平滑控制方法 | |
| CN113793010A (zh) | 面向多元负荷联合控制策略的构建方法及空调控制方法 | |
| CN108039710A (zh) | 一种基于阶跃特性的空调负荷参与的电网日前调度方法 | |
| CN107294212B (zh) | 考虑不同空调负荷特性的微网双层优化调度方法及系统 | |
| CN110322056A (zh) | 一种计及中央空调系统的虚拟电厂随机自适应鲁棒优化调度方法 | |
| CN111898806B (zh) | 电-热耦合的源储荷集成多能流园区运行优化方法及系统 | |
| CN110474370B (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
| CN109787262A (zh) | 一种居民楼宇系统主动响应微电网优化调度方法 | |
| CN112419087A (zh) | 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法 | |
| CN112880133B (zh) | 一种用于楼宇空调系统的灵活用能控制方法 | |
| CN115857348A (zh) | 考虑两联供热泵舒适供能的分布式能量系统容量优化方法 | |
| CN105447586A (zh) | 一种基于全能流模型的微电网能量优化方法 | |
| Zhou et al. | Demand response control strategy of groups of central air-conditionings for power grid energy saving | |
| Luo et al. | A two-stage energy management strategy for CCHP microgrid considering house characteristics | |
| CN110009143A (zh) | 一种楼宇内能源调度方法 | |
| CN107300258A (zh) | 一种基于梯级储热用热的低谷电和弃风电利用装置与技术 | |
| CN113255224A (zh) | 一种基于发光萤火虫算法的能源系统配置优化方法 | |
| CN105570961A (zh) | 级联电加热蓄热炉供热系统及其控制系统和控制方法 | |
| CN115470564A (zh) | 一种公共建筑能源系统协调控制方法及其控制组件 | |
| CN111928428B (zh) | 一种考虑需求响应的空调系统的控制方法及制冷系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |
|
| RJ01 | Rejection of invention patent application after publication |