CN110262422A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110262422A CN110262422A CN201910545049.8A CN201910545049A CN110262422A CN 110262422 A CN110262422 A CN 110262422A CN 201910545049 A CN201910545049 A CN 201910545049A CN 110262422 A CN110262422 A CN 110262422A
- Authority
- CN
- China
- Prior art keywords
- load
- day
- indicate
- design basis
- peak
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000013461 design Methods 0.000 title claims abstract description 71
- 238000009826 distribution Methods 0.000 claims abstract description 10
- 238000011160 research Methods 0.000 claims abstract description 5
- 238000001816 cooling Methods 0.000 claims description 52
- 238000010438 heat treatment Methods 0.000 claims description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 29
- 238000005057 refrigeration Methods 0.000 claims description 20
- 240000002853 Nelumbo nucifera Species 0.000 claims description 9
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 9
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000004140 cleaning Methods 0.000 claims 1
- 230000005611 electricity Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了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,包括以下步骤:S1、确定工业园各终端负荷的全年逐时负荷需求;S2、根据全年日电负荷峰值分布,将全年划分为L个大区间;S3、根据日冷热累计负荷峰值的终端负荷组成及比例,将每个大区间划分为一个或两个以上的中区间;S4、根据日冷热累计负荷峰值的大小,将每个中区间划分为一个或两个以上的小区间;S5、在各小区间内分别选取设计基准日;S6、将各终端负荷的峰值负荷日纳入研究对象,统计设计基准日及其权重。本发明为工业园冷热电终端能源供应系统的装机容量规划提供更贴合全年终端负荷规律的设计工况,从而解决系统全年长时间以低负荷率的状态运行或关停。
Description
技术领域
本发明属于区域供能系统设计领域,特别涉及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。
背景技术
随着我国工业化和城镇化的快速发展,以整合优化资源为目的工业园被大力推行,而其终端负荷多元复杂且能耗大,因此给区域供能系统的设计带来巨大挑战。目前,我国多地的区域供能系统全年长时间以低负荷率的状态运行或关停,或系统无法满足峰值负荷需求,其运行效果偏离设计值,经济性、节能性和环保性等指标均表现不佳,而装机容量不合理是导致以上问题的主要因素。区域供能系统一般是基于某一固定工况设计的,当用户的冷热电负荷与设计工况偏离较大时,将达不到预期效果。因此,如何选取合理的设计工况,是解决系统装机容量的关键。目前,通常采用指标法和典型日法确定供能系统终端负荷,并以此为基础设计供能系统,两种方法都有其弊端。
指标法根据工程经验及相关参数确定冷热电等终端负荷指标,基于此设计工况,考虑一定的安全余量后设计机组的装机容量。指标法只能得到各终端负荷的一个负荷值,忽略了终端负荷的小时波动情况,同时没有考虑冷热电负荷之间的相互联系与协同,未能实现全年逐时负荷匹配。
典型日法根据全年的气候分布,将全年划分为供冷季、供暖季和过渡季,其中供冷季只供冷不供暖,供暖季只供暖不供冷,过渡季既不供冷也不供暖,在各季节中,分别选取一个典型日以代表整个季节的用能情况,进而确定各机组的装机容量。工业园的终端负荷多元复杂,存在全年的工艺用热或工艺用冷需求,无明显的冷热负荷分界线。而典型日法只依据气候温度划分季节,没有充分考虑终端负荷的日波动规律,只是简单的将全年8760小时压缩为72小时或48小时,根据典型日确定的机组装机容量,未能实现全年逐时负荷匹配,其显然对工业园的供能系统设计是不适用的。
发明内容
为了克服现有技术的缺点与不足,本发明的目的在于提出针对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,为终端能源供应系统提供合理的设计工况。
本发明至少通过如下技术方案之一实现。
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,包括以下步骤:
S1、确定工业园各终端负荷的全年逐时负荷需求;
S2、根据全年日电负荷峰值分布,将全年日电负荷划分为L个大区间;
S3、根据日冷热累计负荷峰值的终端负荷组成及比例,将每个大区间划分为一个或者两个以上的中区间;
S4、根据日冷热累计负荷峰值的大小,将每个中区间划分为一个或者两个以上的中区间;
S5、在各小区间内分别选取设计基准日;
S6、将各终端负荷的峰值负荷日纳入研究对象,统计设计基准日及其权重。
进一步的,步骤S1中,所述工业园包括离散制造业、过程工业、高新技术产业和清洁能源产业等产业类型中的一种或多种。其中,离散制造业主要生产由零部件通过机械组装成型的产品,包括汽车、航空航天设备、家电、家具、电子设备、医疗器械及玩具;过程工业是以冷热负荷密度较大的产业集群而成的,主要包括化工、医药、食品、造纸、建材及医药等工业类型;高新技术产业以高新技术为基础,以创新为驱动力的产业集群而成,主要包括计算数据中心、人工智能、新材料及信息工程等;清洁能源产业以新能源产业为主,主要包括太阳能、风能及生物质能等新能源设备及示范区。
进一步的,所述终端负荷包括工艺负荷、建筑负荷、电负荷和生活热水。所述建筑负荷包括建筑冷负荷和建筑热负荷;所述的工艺负荷包括工艺用冷和工艺用热,工艺用热包括工艺蒸汽负荷。
进一步的,所述建筑负荷包括建筑冷负荷和建筑热负荷,其对室外环境的灵敏度较大,时间和空间分布不均匀。工业园全年逐时建筑负荷可由已入住产业或已建成的同类产业的历史数据获得。另外,通过专业逐时负荷模拟软件亦可获取各类建筑单位面积全年逐时建筑负荷大小。
进一步的,所述的工艺负荷包括工艺用冷和工艺用热(包括工艺热水负荷、工艺蒸汽负荷等),主要由工艺的运行状态及特点决定,需求较为稳定。通过调研工业园区拟入住产业的工艺流程,分析其用冷及用热情况或采集已入住产业的历史工艺用热用冷数据,拟合出工业园区的全年逐时工艺用冷和工艺用热需求。对工艺负荷预测时,需剔除在能源站供能品质范围外的超高温位工艺用热和低温位工艺用冷。
进一步的,所述电负荷主要由用户自身用电特点所决定,室外环境的变化对其影响较小。根据园区各地块的用地规划,采用与现存同种用地类型类比的方式可得各建筑业态单位面积全年逐时用电负荷需求,再结合园区各地块的用地面积,进而拟合出工业园全年逐时电负荷需求。此外,通过分析往年历史数据的波动规律亦可预测电负荷。
预测工业园区的电负荷时,需充分考虑用户冷负荷的供能品质。如在能源站供冷品质范围内的建筑冷负荷及较高温位工艺冷负荷耗电量,需剔除;在能源站供冷品质范围外的低温位工艺冷负荷耗电量,需包含。
具体的,能源站供冷品质范围内的建筑冷负荷及2℃以上的高温位工艺冷负荷耗电量需剔除;在能源站供冷品质范围外的低温2℃以下的低温位工艺冷负荷耗电量需包含;
预测工艺负荷时,需剔除在能源站供能品质范围外的约300℃以上的高温位工艺用热和2℃以下的低温位工艺用冷。
结合各地块的用地面积,累计得到工业园各终端负荷的全年逐时建筑负荷需求,计算公式如下:
式中:i表示时间段[i,i+1);QBHi表示i时刻工业园总建筑热负荷;表示i时刻N类型建筑热负荷;SN表示N类型建筑的建筑面积;QBCi表示i时刻工业园总建筑冷负荷;表示i时刻N类型建筑冷负荷。
进一步的,步骤S1中,终端负荷的确定方式包括历史数据法、指标法、类比法和软件模拟法。
进一步的,生活热水负荷可采用指标法进行估算。通过确定各用地类型的建筑面积、热水平米指标、小时变化系数及同时使用系数得到各建筑类型的热水负荷峰值。结合不同用地类型的热水需求小时数及使用习惯,得出用户生活热水的小时负荷率,进而拟合出工业园全年逐时热水负荷需求。
QWN=SN×αN×ηNh×ηNc
式中:QWN表示N类型建筑的热水负荷需求峰值;αN表示N类型建筑的热水平米指标;ηNh表示N类型建筑的热水负荷小时变化系数;ηNc表示N类型建筑的热水同时使用系数;QWi表示i时刻工业园总热水负荷;xi表示i时刻N类型建筑的热水小时负荷率。
进一步的,设计基准日的选取依据步骤S2~步骤S6进行设计基准日的选取,具体如下:
进一步的,步骤S2中,统计全年日电负荷峰值,取全年日电负荷峰值的最小值R和最大值T,并按照峰值负荷均等平分的方式,将全年划分为L个大区间,各大区间的峰值负荷范围分别为既根据电负荷分布特点,将全年划分为L个大区,其中各大区间内的自然日不一定是连续的。
进一步的,步骤S3中,中区间的划分将日冷热累计负荷峰值作为一项评价指标,首先考虑终端负荷的组成,在各终端能源供应时段,选取负荷组成一致的自然日,再根据各负荷比例均等平分的方式进一步划分为一个或者两个以上的中区间,其中,工业园的热负荷包括建筑热负荷、生活热水负荷和工艺用热负荷;冷负荷包括建筑冷负荷和工艺用冷,计算逐时冷热累计负荷,并统计其日负荷峰值,公式如下:
QHCi=QHi+QCi
QHi=QBHi+QWi+QGSi
QCi=QBCi+QGL
式中:QHCi表示i时刻工业园区冷热累计负荷;QHi表示i时刻工业园区总供热负荷;QBHi表示i时刻工业园区建筑热负荷;QWi表示i时刻工业园区生活热水负荷;QGSi表示i时刻工业园区工艺蒸汽负荷;QCi表示i时刻工业园区总供冷负荷;QBCi表示i时刻工业园区建筑冷负荷;QGL表示i时刻工业园区工艺冷负荷;表示第n天工业园冷热累计负荷峰值,n取1~365;QHC(24n-24)表示第n天0时刻工业园冷热负荷需求负荷;QHC(24n-23)表示第n天1时刻工业园冷热负荷需求负荷;QHC(24n-1)表示第n天23时刻工业园冷热负荷需求负荷。
进一步的,步骤S3中,在各大区内分析日冷热累计负荷峰值的分布情况,首先考虑终端负荷的组成,在各终端能源供应时段,选取负荷组成一致的自然日,再根据各负荷比例均等平分的方式进一步划分将大区间划分为一个或者两个以上的中区间。
进一步的,步骤S4中,取每个中区间内冷热累计负荷峰值的最小值P和最大值Q,并按照峰值负荷均等平分的方式,将中区间划分为k个小区间,各小区间的峰值负荷范围分别为
进一步的,步骤S5中,需在小区间内独立选取设计基准日,统计小区间内各时段不同的终端能源需求的平均负荷,得到24小时各终端能源需求数据,以此作为设计基准日代表整个小区间,各设计基准日权重为其所在小区间内含有的自然日总数。
进一步的,步骤S6中,区域供能系统各类型的终端负荷装机必须满足其对应的峰值段终端负荷需求,如建筑冷负荷一般由吸收式制冷机组+电压缩制冷机组+蓄冷装置联合提供,若只考虑步骤S5中选取的设计基准日,则可能导致建筑冷负荷的峰值负荷日未纳入研究范围,制冷机设备总容量偏低,从而无法满足建筑冷负荷的峰值段需求。同理,电负荷、建筑热负荷、生活热水负荷、工艺蒸汽负荷和工艺冷负荷也存在相同的问题,因此设计基准日必须包含各终端负荷的全年峰值负荷日。
步骤S6中,根据步骤S1得到的各终端全年逐时负荷,分别筛选出其全年负荷峰值。
进一步的,步骤S6中,判断步骤S5所选的设计基准日是否涵盖各终端负荷的全年峰值负荷,若不存在,则将相应的全年峰值负荷日选为设计基准日,其权重为1,同时其全年峰值负荷日所在的小区间对应的设计基准日权重减1,并重新计算设计基准日逐时各终端负荷需求。
本发明与现有技术相比,具有如下优点和有益效果:
充分考虑了各终端负荷全年8760小时的波动情况,选取的设计基准日可代表电负荷和冷热负荷类型、比例及大小较为一致的自然日集群,从而达到压缩变量、便于求解的目的,实现全年逐时负荷匹配。
附图说明
图1是本发明实施例中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流程示意图;
图2是本发明实施例中设计基准日选取流程图;
图3是本发明实施例中工业园全年逐时工艺蒸汽负荷图;
图4是本发明实施例中工业园全年逐时干球温度图;
图5是本发明实施例中工业园全年逐时建筑冷负荷图;
图6是本发明实施例中工业园全年逐时建筑热负荷图;
图7是本发明实施例中工业园全年逐时电负荷图;
图8是本发明实施例中工业园全年日电负荷峰值图;
图9是本发明实施例各终端能源供应时段图;
图10是本发明实施例中工业园全年逐时冷热累计负荷图;
图11是本发明实施例中第一大区间内日冷热累计负荷峰值图;
图12是本发明实施例中第一大区间内日冷热累计负荷峰值所对应的建筑热负荷与工艺蒸汽负荷的比值图;
图13是本发明实施例中第一大区间内日冷热累计负荷峰值所对应的建筑冷负荷与工艺蒸汽负荷的比值图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅用以解释本申请,并不用于限定本申请。
如图1和图2所示的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,以中国北方某过程工业园为例(以下简称工业园A),根据园区的规划布局,建筑类型主要包括生产厂房、办公楼、员工宿舍和食堂,终端负荷需求包括工艺蒸汽负荷、建筑热负荷、建筑冷负荷和电负荷。在本实施例中不包含生活热水负荷及工艺冷负荷,而工艺蒸汽负荷是工艺用热中的一种。
工业园A的冷热电终端能源供应系统的装机和运行优化包括以下步骤:
步骤S1、确定计工业园各终端负荷的全年逐时负荷需求。
工业园A的工艺蒸汽负荷只存在于生产厂房,其温度、压力等级分别为230℃、1.25MPa。根据厂房的工艺要求及往年蒸汽耗量的历史数据,得工业园区全年逐时工艺蒸汽负荷,如图3所示。全年工艺蒸汽负荷基本较为平稳,因4月份为企业生产淡季,工业工艺蒸汽负荷在此期间明显较低。
通过专业逐时负荷模拟软件DeST调用当地的气候条件,如图4所示,据此确定供冷期为每年的5月15日至10月15日,供暖期为11月15日至次年的3月15日,过程工业园A的厂房无严格的建筑负荷要求,因此供冷期和供暖期的划分对此工业园的各建筑类型均适用。工业园的建筑负荷需对办公楼、员工宿舍、食堂和各厂房分别建模及模拟,根据各建筑类型的用能作息等特性,并结合建筑面积,具体,工业园A各终端负荷的全年逐时建筑负荷需求,计算公式如下:
式中:i表示时间段[i,i+1);QBHi表示i时刻工业园总建筑热负荷;表示i时刻N类型建筑热负荷;SN表示N类型建筑的建筑面积;QBCi表示i时刻工业园总建筑冷负荷;表示i时刻N类型建筑冷负荷。
工业园A全年逐时建筑冷负荷和工业园全年逐时建筑热负荷,如图5和图6。
基于工业园A往年用电的历史数据(不包含建筑冷负荷的耗电量),得工业园全年逐时电负荷,如图7所示。
各终端负荷的峰值统计如表1所示。
表1终端负荷峰值统计表
步骤S2、根据全年日电负荷峰值分布,将全年日电负荷划分为L个大区间。
统计全年日电负荷峰值,如图8所示,根据全年日电负荷峰值分布特点,全年可划分为淡季和旺季。4月份为企业生产淡季,电负荷峰值均在区间[10.56MW,13.79MW]内;其余时间为企业生产旺季,电负荷峰值均在(13.79MW,17.03MW]内,各期间的负荷平稳。因此,根据电负荷分布特点,可将全年划分为第一大区间和第二大区间,本实施例分别对应于生产旺季和淡季。
步骤S3、在各大区内分析日冷热累计负荷峰值的分布情况,首先考虑终端负荷的组成,如图9所示,在各终端能源供应时段,选取负荷组成一致的自然日,根据日冷热累计负荷峰值的终端负荷组成及比例,将每个大区间划分为M个中区间,每个大区间划分中区间的数量值可以不相同。
具体的,工业园全年逐时冷热累计负荷,并统计其日负荷峰值,计算公式如下:
QHCi=QHi+QCi
QHi=QBHi+QWi+QGsi
QCi=QBCi+QGL
式中:式中:QHCi表示i时刻工业园区冷热累计负荷;QHi表示i时刻工业园区总供热负荷;QBHi表示i时刻工业园区建筑热负荷;QWi表示i时刻工业园区生活热水负荷;QGSi表示i时刻工业园区工艺蒸汽负荷;QCi表示i时刻工业园区总供冷负荷;QBCi表示i时刻工业园区建筑冷负荷;QGL表示i时刻工业园区工艺冷负荷;表示第n天工业园冷热累计负荷峰值,n取1~365;QHC(24n-24)表示第n天0时刻工业园冷热负荷需求负荷;QHC(24n-23)表示第n天1时刻工业园冷热负荷需求负荷;QHC(24n-1)表示第n天23时刻工业园冷热负荷需求负荷。
如图10所示,以第一大区间(旺季)为例,统计日冷热累计负荷峰值如图11所示。根据日冷热累计负荷峰值的负荷组成及比例,得建筑热负荷与工艺蒸汽负荷、建筑冷负荷与工艺蒸汽负荷的比值,如图12和图13所示。第一大区间根据负荷组成可划分为三个部分,即建筑热负荷+蒸汽、建筑冷负荷+蒸汽和蒸汽,再根据各部分的负荷比例进一步细分为中区间,如负荷组成为建筑冷负荷+蒸汽的自然日中,其建筑冷负荷与工艺蒸汽负荷的比值范围为(0,0.206],以中间值0.103为界限,进一步细分为中区间2和中区间3。同理可进一步划分第二大区间,划分结果如表2所示:
表2中区间划分表
步骤S4、根据日冷热累计负荷峰值的大小,将每个中区间划分为k个小区间,每个中区间划分小区间的数量值可以不相同。
以中区间3为例,其负荷参数如表3所示。在中区间3内,日冷热累计负荷峰值的最小和最大值分别为30.26MW和34.33MW。以中间值32.29MW为界线,将中区间划分为两个小区间,其峰值负荷范围分别为[30.26MW,32.29MW)、[32.29MW,34.33MW]。
表3中区间3负荷参数表
同理,可将其它中区间细分为小区间,划分结果如表4所示:
表4小区间划分表
步骤S5、在各小区间内分别选取设计基准日。
以小区间4为例,其自然日组成如表5所示:
表5小区间4自然日组成
统计表5中所含自然日的各时段不同终端能源需求平均负荷(如表5各自然日的0时刻电负荷需求相加后求平均值,得设计基准日4的0时刻电负荷需求数据),得到24小时各终端能源需求数据作为设计基准日4,其权重为11,逐时负荷参数如表6所示:
表6设计基准日4逐时负荷参数
表6中的参数为表5中所含自然日的各时段不同终端能源需求平均负荷。同理,从小区间1~10中可分别选设计基准日1~10,其权重分别为72、33、63、11、35、31、34、27、29、30。
步骤S6、将各终端负荷的峰值负荷日纳入研究对象,统计设计基准日及其权重。
以建筑冷负荷为例,其全年负荷峰值为6.5MW,而设计基准日1~10中建筑冷负荷的最值为5.06MW(小于全年负荷峰值),因此峰值负荷日(8月2日)应作为设计基准日,权重为1。同时,峰值负荷日(8月2日)对应的小区间4应剔除自然日8月2日,并重新计算设计基准日及权重。
经统计得电负荷、建筑热负荷、建筑冷负荷、工艺蒸汽负荷的全年峰值负荷日分别为7月19日、1月19日、8月2日和11月29日,该日期分别对应小区间2、小区间8、小区间4和小区间6。
同理,因设计基准日1~10均不包含电负荷、建筑热负荷、建筑冷负荷、工艺蒸汽负荷的全年负荷峰值,各全年峰值负荷日都作为设计基准日,权重为1,同时从小区间2、小区间8、小区间4和小区间6中依次剔除,并重新计算以上区间对应的设计基准日及权重。因此,设计基准日由10个增加至14个,设计基准日1~14的权重分别为72、32、63、10、35、30、34、26、29、30、1、1、1、1。其中,设计基准日11~14分别为建筑冷负荷、建筑热负荷、工艺蒸汽负荷和电负荷的全年峰值负荷日。
因此,工业园A的全年365天各逐时终端负荷数据通过以上设计基准日的确定方法压缩为14个设计基准日,14个设计基准日的逐时负荷数据及权重可为进一步构建区域供能系统优化模型提供贴合全年终端负荷需求的设计工况。
以上对本发明实施例所提供的技术方案进行了详细介绍,本发明应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.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,其特征在于,该方法包括以下步骤:
S1、确定工业园各终端负荷的全年逐时负荷需求;
S2、根据全年日电负荷峰值分布,将全年日电负荷划分为L个大区间;
S3、根据日冷热累计负荷峰值的终端负荷组成及比例,将每个大区间划分为一个或者两个以上的中区间;
S4、根据日冷热累计负荷峰值的大小,将每个中区间划分为一个或者两个以上的小区间;
S5、在各小区间内分别选取设计基准日;
S6、将各终端负荷的峰值负荷日纳入研究对象,统计设计基准日及其权重。
2.根据权利要求1所述的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,其特征在于,所述步骤S1中,所述工业园包括离散制造业、过程工业、高新技术产业和清洁能源产业中一种或不同种产业类型。
3.根据权利要求1所述的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,其特征在于,所述终端负荷包括工艺负荷、建筑负荷、电负荷和生活热水;所述建筑负荷包括建筑冷负荷和建筑热负荷;所述的工艺负荷包括工艺用冷和工艺用热,工艺用热包括工艺蒸汽负荷。
4.根据权利要求1所述的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,其特征在于,步骤S1中,终端负荷的确定方式包括历史数据法、指标法、类比法和软件模拟法。
5.根据权利要求1所述的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,其特征在于,预测工业园区的电负荷时,需考虑用户冷负荷的供能品质,其中,能源站供冷品质范围内的建筑冷负荷及2℃以上的高温位工艺冷负荷耗电量需剔除;在能源站供冷品质范围外的低温2℃以下的低温位工艺冷负荷耗电量需包含;
预测工艺负荷时,需剔除在能源站供能品质范围外的约300℃以上的高温位工艺用热和2℃以下的低温位工艺用冷;
结合各地块的用地面积,累计得到工业园各终端负荷的全年逐时建筑负荷需求,计算公式如下:
式中:i表示时间段[i,i+1);QBHi表示i时刻工业园总建筑热负荷;表示i时刻N类型建筑热负荷;SN表示N类型建筑的建筑面积;QBCi表示i时刻工业园总建筑冷负荷;表示i时刻N类型建筑冷负荷;
生活热水负荷采用指标法进行估算,计算公式为:
QWN=SN×αN×ηNh×ηNc
式中:QWN表示N类型建筑的热水负荷需求峰值;αN表示N类型建筑的热水平米指标;ηNh表示N类型建筑的热水负荷小时变化系数;ηNc表示N类型建筑的热水同时使用系数;QWi表示i时刻工业园总热水负荷;xi表示i时刻N类型建筑的热水小时负荷率。
6.根据权利要求1所述的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,其特征在于,步骤S2中,统计全年日电负荷峰值,取全年日电负荷峰值的最小值R和最大值T,并按照峰值负荷均等平分的方式,将全年划分为L个大区间,各大区间的峰值负荷范围分别为其中各大区间内的自然日不一定是连续的。
7.根据权利要求1所述的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,其特征在于,步骤S3中,中区间的划分将日冷热累计负荷峰值作为一项评价指标,首先考虑终端负荷的组成,在各终端能源供应时段,选取负荷组成一致的自然日,再根据各负荷比例均等平分的方式进一步划分将每个大区间划分为一个或者两个以上的中区间,其中,工业园的热负荷包括建筑热负荷、生活热水负荷和工艺用热负荷;冷负荷包括建筑冷负荷和工艺用冷,计算逐时冷热累计负荷,并统计其日负荷峰值,公式如下:
QHCi=QHi+QCi
QHi=QBHi+QWi+QGSi
QCi=QBCi+QGL
式中:QHCi表示i时刻工业园区冷热累计负荷;QHi表示i时刻工业园区总供热负荷;QBHi表示i时刻工业园区建筑热负荷;QWi表示i时刻工业园区生活热水负荷;QGSi表示i时刻工业园区工艺蒸汽负荷;QCi表示i时刻工业园区总供冷负荷;QBCi表示i时刻工业园区建筑冷负荷;QGL表示i时刻工业园区工艺冷负荷;表示第n天工业园冷热累计负荷峰值,n取1~365;QHC(24n-24)表示第n天0时刻工业园冷热负荷需求负荷;QHC(24n-23)表示第n天1时刻工业园冷热负荷需求负荷;QHC(24n-1)表示第n天23时刻工业园冷热负荷需求负荷。
8.根据权利要求1所述的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,其特征在于,步骤S4中,取每个中区间内冷热累计负荷峰值的最小值P和最大值Q,并按照峰值负荷均等平分的方式,将中区间划分为k个小区间,各小区间的峰值负荷范围分别为
9.根据权利要求1所述的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,其特征在于,步骤S5中,统计小区间内各时段不同的终端能源需求的平均负荷,得到24小时各终端能源需求数据,以此作为设计基准日代表整个小区间,各设计基准日权重为其所在小区间内含有的自然日总数。
10.根据权利要求1所述的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,其特征在于,步骤S6中,判断步骤S5所选的设计基准日是否涵盖各终端负荷的全年峰值负荷,若不存在,则将相应的全年峰值负荷日选为设计基准日,其权重为1,同时其全年峰值负荷日所在的小区间对应的设计基准日权重减1,并重新计算设计基准日逐时各终端负荷需求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910545049.8A CN110262422B (zh) | 2019-06-21 | 2019-06-21 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910545049.8A CN110262422B (zh) | 2019-06-21 | 2019-06-21 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110262422A true CN110262422A (zh) | 2019-09-20 |
CN110262422B CN110262422B (zh) | 2021-07-20 |
Family
ID=67920540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910545049.8A Active CN110262422B (zh) | 2019-06-21 | 2019-06-21 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110262422B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582591A (zh) * | 2020-05-12 | 2020-08-25 | 江苏方天电力技术有限公司 | 一种面向综合能源系统的冷热电多元负荷预测方法 |
CN112628832A (zh) * | 2021-01-21 | 2021-04-09 | 中国建筑西北设计研究院有限公司 | 一种采用集中供热和分区式能源站的区域供能系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2014128062A (ja) * | 2012-12-25 | 2014-07-07 | Taisei Corp | 直流配電システム |
CN105117557A (zh) * | 2015-09-09 | 2015-12-02 | 东南大学 | 一种楼宇型冷热电联供系统动力装置选型方法 |
CN107292488A (zh) * | 2017-05-17 | 2017-10-24 | 国家电网公司 | 含优化运行策略的用户侧分布式储能价值评估方法与系统 |
CN108416472A (zh) * | 2018-02-27 | 2018-08-17 | 天津大学 | 一种区域多源供冷供热系统优化调度方法 |
CN108683210A (zh) * | 2018-04-18 | 2018-10-19 | 中国电力科学研究院有限公司 | 确定电网中小容量机组最低年利用小时数的方法和系统 |
CN108805363A (zh) * | 2018-06-25 | 2018-11-13 | 中国能源建设集团广东省电力设计研究院有限公司 | 冷热电联供系统定容方法及装置 |
KR101927759B1 (ko) * | 2017-07-17 | 2018-12-11 | (주)유에너지 | 태양광에너지 발전시스템의 최적 제어시스템 |
CN109447360A (zh) * | 2018-11-06 | 2019-03-08 | 国网电力科学研究院(武汉)能效测评有限公司 | 一种冷热电多能源供能系统的能源购置方案优化方法 |
US20190173286A1 (en) * | 2017-12-01 | 2019-06-06 | Massachusetts Institute Of Technology | Methods and systems for secure scheduling and dispatching synthetic regulation reserve from distributed energy resources |
CN109885009A (zh) * | 2019-03-19 | 2019-06-14 | 广东电网有限责任公司电网规划研究中心 | 计及电转气规划的多能互补园区能源优化配置方法 |
-
2019
- 2019-06-21 CN CN201910545049.8A patent/CN110262422B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014128062A (ja) * | 2012-12-25 | 2014-07-07 | Taisei Corp | 直流配電システム |
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 |
CN105117557A (zh) * | 2015-09-09 | 2015-12-02 | 东南大学 | 一种楼宇型冷热电联供系统动力装置选型方法 |
CN107292488A (zh) * | 2017-05-17 | 2017-10-24 | 国家电网公司 | 含优化运行策略的用户侧分布式储能价值评估方法与系统 |
KR101927759B1 (ko) * | 2017-07-17 | 2018-12-11 | (주)유에너지 | 태양광에너지 발전시스템의 최적 제어시스템 |
US20190173286A1 (en) * | 2017-12-01 | 2019-06-06 | Massachusetts Institute Of Technology | Methods and systems for secure scheduling and dispatching synthetic regulation reserve from distributed energy resources |
CN108416472A (zh) * | 2018-02-27 | 2018-08-17 | 天津大学 | 一种区域多源供冷供热系统优化调度方法 |
CN108683210A (zh) * | 2018-04-18 | 2018-10-19 | 中国电力科学研究院有限公司 | 确定电网中小容量机组最低年利用小时数的方法和系统 |
CN108805363A (zh) * | 2018-06-25 | 2018-11-13 | 中国能源建设集团广东省电力设计研究院有限公司 | 冷热电联供系统定容方法及装置 |
CN109447360A (zh) * | 2018-11-06 | 2019-03-08 | 国网电力科学研究院(武汉)能效测评有限公司 | 一种冷热电多能源供能系统的能源购置方案优化方法 |
CN109885009A (zh) * | 2019-03-19 | 2019-06-14 | 广东电网有限责任公司电网规划研究中心 | 计及电转气规划的多能互补园区能源优化配置方法 |
Non-Patent Citations (2)
Title |
---|
封换换 等: "时间尺度对建筑可再生能源系统负荷", 《太阳能学报》 * |
陈东文 等: "用于削减工业园区用电功率峰值的蓄冷空调系统", 《电力自动化设备》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582591A (zh) * | 2020-05-12 | 2020-08-25 | 江苏方天电力技术有限公司 | 一种面向综合能源系统的冷热电多元负荷预测方法 |
CN111582591B (zh) * | 2020-05-12 | 2022-06-07 | 江苏方天电力技术有限公司 | 一种面向综合能源系统的冷热电多元负荷预测方法 |
CN112628832A (zh) * | 2021-01-21 | 2021-04-09 | 中国建筑西北设计研究院有限公司 | 一种采用集中供热和分区式能源站的区域供能系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110262422B (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Taneja et al. | Towards cooperative grids: Sensor/actuator networks for renewables integration | |
Cole et al. | Use of model predictive control to enhance the flexibility of thermal energy storage cooling systems | |
CN106524353A (zh) | 一种空调负荷主动控制参与电力调峰的方法 | |
CN112165122A (zh) | 一种综合能源系统的运行方法及系统 | |
CN110262422A (zh) | 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 | |
Rashid et al. | Performance analysis and investigation for the development of energy efficient building | |
CN103471178B (zh) | 供热节能控制系统以及节能控制方法 | |
Vasudevan et al. | Price based demand response strategy considering load priorities | |
CN113566401A (zh) | 需求侧负荷控制方法 | |
Kuroha et al. | Operation planning method for home air-conditioners considering characteristics of installation environment | |
Shabbir et al. | Machine learning and deep learning techniques for residential load forecasting: A comparative analysis | |
CN105549389A (zh) | 一种基于建筑热力学模型的家庭能量管理算法 | |
CN113420413B (zh) | 一种基于负荷可塑性的柔性负荷可调节能力量化方法及系统 | |
CN110929909B (zh) | 一种空气源热泵用户电负荷预测方法 | |
Jiajia et al. | Coordinated heat and power dispatch of industrial park microgrid considering distributed heating and indoor comfort constraint | |
CN111380160A (zh) | 一种用户舒适度的暖通空调负荷需求响应潜力挖掘方法 | |
AlWadi et al. | The Role of Smart Technologies in Reducing Energy Consumption and Promoting Sustainable Practices in Households and Businesses | |
Lujie et al. | The Load Aggregation Strategy of Central Air-conditioning for Smoothing Wind Power Fluctuation | |
Zi-Wei et al. | Aggregation model of air-conditioning load demand response to adapt the wind power integration | |
CN107545326B (zh) | 一种基于信息物理融合系统的家居能源调度方法 | |
Wang et al. | Decentralized integrated energy management for residential users based on evolutionary game | |
CN112215474B (zh) | 一种冷水机组用能运行特征模型 | |
CN116632935B (zh) | 一种基于平衡单元的电力系统平衡优化方法 | |
Long et al. | Partitioned day-ahead economic scheduling of large-scale farm park considering demand side response | |
Wang et al. | Analysis of Adjustable Capacity of Air Conditioning Load Based on the Power Distribution Area |
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 |