CN110263974B - 一种基于分布式优化算法的区域能量管理系统及管理方法 - Google Patents
一种基于分布式优化算法的区域能量管理系统及管理方法 Download PDFInfo
- Publication number
- CN110263974B CN110263974B CN201910424268.0A CN201910424268A CN110263974B CN 110263974 B CN110263974 B CN 110263974B CN 201910424268 A CN201910424268 A CN 201910424268A CN 110263974 B CN110263974 B CN 110263974B
- Authority
- CN
- China
- Prior art keywords
- optimization
- central controller
- upper central
- algorithm
- distributed
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 92
- 238000007726 management method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000005265 energy consumption Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000004378 air conditioning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于分布式优化算法的区域能量管理系统,由上层中央控制器和与其相连的下层各子系统构成,本发明还包括一种基于分布式优化算法的区域能量管理系统的管理方法,包括如下步骤:S1上层中央控制器与下层各子系统通信,确定运行状态及运行参数需求;S2上层中央控制器构建区域综合优化模型,优化目标为降低区域的总能耗;S3根据步骤S2建立好的系统模型,上层中央控制器求解区域综合优化问题;S4上层中央控制器将优化结果传达给相应的下层子系统;S5下层各子系统根据上层中央控制器发送的参数,各自在本时段内完成控制及优化,本发明能提升现有能量管理系统的整体性能和效益水平,节约建设和运营成本,具有良好的扩展性和广阔的使用价值。
Description
技术领域
本发明涉及负荷控制和优化管理领域,具体涉及一种基于分布式优化算法的区域能源管理系统及管理方法。
背景技术
目前,目前在智能园区中,工商业用户、智能楼宇、居民用户等多种类型用户并存,广泛分布着光伏、风电、分布式储能、地源热泵、蓄热锅炉、冰蓄冷、水蓄冷等冷热电多种混合能源,同时电动汽车及高载能负载等也在快速发展。如此丰富的需求侧资源,却没有被充分的考虑进现有的区域能量系统中,更缺乏对这些多元化组件的完善的建模分析。在不久的将来,一个区域能量系统中会集成各种分布式电源、储能设备、电动汽车等等不同的能源组件,负荷将具有很高的可控性,从而为电网的优化运行带来很大的潜力。因此迫切需要提出一个区域能量管理系统的新算法和性策略,以提高区域中多种能源的使用效率和可扩展性,并增强区域参与电网优化运行能力。
当前大部分楼宇能量管理系统存在以下弊端:
(1)将能量优化问题建模成集中式优化问题,将区域全局中所有的组件的信息汇集到一个中心节点进行优化计算;这样,当区域能量管理系统接入的组件量变得很大时,集中式算法架构的运行效率大幅度下降,需要大量运算时间来做出控制响应;
(2)不具有良好的可扩展性,难以应对大量的不同种类的可控组件的接入;而且,集中式算法由于采用集中生成策略的方式,在系统局部或者某个组件出现故障或者异常的情况下,整体能耗会激增,优化效果会大大降低;
(3)集中了所有组件的信息,对信息安全的要求非常高,增加了整个能量管理系统建设的成本和后期运营成本,一旦出现信息安全事故,会对用户隐私和系统整体安全带来严重的损害。
发明内容
本发明目的是为了克服现有技术的不足而提供一种运行效率高,具有良好的可扩展性,建设成本和后期运营成本低,能有效提升区域能源优化管理效果的一种基于分布式优化算法的区域能源管理系统及管理方法。
为达到上述目的,本发明采用的技术方案是:一种基于分布式优化算法的区域能量管理系统,包括:
上层中央控制器,用于处理整个区域固定时间长度内的能量分配,并将能量分配的相关信息发送给下层子系统;
下层各子系统,由多个受控单元构成,用于接收上层中央控制器发送的相关信息后完成各自的控制和优化。
基于分布式优化算法的区域能量管理系统的管理方法,其包括如下步骤:
S1每一个时段开始时,上层中央控制器与下层各子系统通信,确定运行状态及运行参数需求;
S2上层中央控制器构建区域综合优化模型,优化目标为降低区域的总能耗,同时保证各个系统的状态需求及参数需求;
S3根据步骤S2建立好的系统模型,上层中央控制器求解区域综合优化问题;
S4上层中央控制器将优化结果传达给相应的下层子系统;
S5下层各子系统根据上层中央控制器发送的参数,各自在本时段内完成控制及优化。
进一步的,所述S5中的控制及优化的算法流程如下:
(1)非凸优化问题松弛为凸优化问题:对于稳态目标优化,若其为凸优化问题,则跳过此步骤;若其为非凸优化问题,则需先将问题近似并得到凸化后的问题;
(2)找出凸化前后最优解不变的条件:由于凸化过程扩大了约束集的范围,凸化后问题的最优解不一定是原问题的最优解,因此需要找出凸化前后最优解不变的条件;通过对比凸化后问题的KKT条件与凸化前问题的KKT条件之间的包含关系找出该条件;
(3)引入辅助变量:在满足最优解不变的条件下,原稳态优化问题的解等价于凸化后优化问题的解,把决策变量用引入的辅助变量替换;
(4)分布式求解:利用原-对偶梯度算法设计分布式算法,并引入辅助动态系统以提高算法;
(5)闭环实现:步骤(4)中得到的分布式算法的更新需要外扰信息,由于外扰信息输入随时间变化且不容易测量,我们把原系统模型整理为关于外扰的函数并带入分布式算法,从而得到了闭环实现。
由于上述技术方案的运用,本发明与现有技术相比具有下列优点:
本发明的基于分布式优化算法的区域能源管理系统及管理方法,通过对分层级的能量管理模型、分布式优化算法、凸优化方法,提升现有能量管理系统的整体性能和效益水平,并在对现有应用实例的充分调研和分析的前提下,通过嵌入软件核心模块的方式,为区域能量管理的建设提供理论指导和实践依据,提高区域能量管理的控制效率和运行水平,节约建设和运营成本,具有良好的扩展性和较广阔的使用价值。
附图说明
下面结合附图对本发明技术方案作进一步说明:
附图1为本发明中基于分布式优化算法的区域能量管理系统的管理方法的流程图;
附图2为本发明S5中控制及优化的算法流程;
附图3为凸化过程的示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
请参阅附图1-2,本发明所述的一种基于分布式优化算法的区域能量管理系统,包括:上层中央控制器,用于处理整个区域固定时间长度内的能量分配,并将能量分配的相关信息发送给下层子系统;下层各子系统,由多个受控单元构成,用于接收上层中央控制器发送的相关信息后完成各自的控制和优化,受控单元如温控单元、照明单元、通风单元、储能单元、分布式发电机等,不同的单元分布在不同的楼宇中。
本发明还公开了一种基于分布式优化算法的区域能量管理系统的管理方法,其包括如下步骤:
S1每一个时段开始时,上层中央控制器与下层各子系统通信,确定运行状态及运行参数需求;
S2上层中央控制器构建区域综合优化模型,优化目标为降低区域的总能耗,同时保证各个系统的状态需求及参数需求;
S3根据步骤S2建立好的系统模型,上层中央控制器求解区域综合优化问题;
S4上层中央控制器将优化结果传达给相应的下层子系统;
S5下层各子系统根据上层中央控制器发送的参数,各自在本时段内完成控制及优化。
另外,S5中的控制及优化的算法流程如下:
(1)非凸优化问题松弛为凸优化问题:对于稳态目标优化,若其为凸优化问题,则跳过此步骤;若其为非凸优化问题,则需先将问题近似并得到凸化后的问题。
(2)找出凸化前后最优解不变的条件:由于凸化过程扩大了约束集的范围,凸化后问题的最优解不一定是原问题的最优解,因此需要找出凸化前后最优解不变的条件;通过对比凸化后问题的KKT(Karush-Kuhn-Tuckern)条件与凸化前问题的KKT条件之间的包含关系找出该条件;
(3)引入辅助变量:在满足最优解不变的条件下,原稳态优化问题的解等价于凸化后优化问题的解,把决策变量用引入的辅助变量替换;
(4)分布式求解:利用原-对偶梯度算法设计分布式算法,并引入辅助动态系统以提高算法;
(5)闭环实现:步骤(4)中得到的分布式算法的更新需要外扰信息,由于外扰信息输入随时间变化且不容易测量,我们把原系统模型整理为关于外扰的函数并带入分布式算法,从而得到了闭环实现。
实施例一:
在本实施例中,选用的受控单元为空调箱&变风量系统,空调箱&变风量系统在商业建筑等大型楼宇中的使用率上占主导地位,另外需要强调的一点是,本发明所提出的理论、算法及实施方案也可用于解决住宅建筑温控系统的控制节能问题,比如应用于住宅建筑中地暖系统的控制。
空调箱&变风量系统的主要包括空调箱(AHU)及一系列风量控制器(VAV Box),空调箱将外界空气与楼宇回风混合并通过加热盘管加热或冷却盘管冷却至一定温度,然后利用内部的可变频风扇将变温后的空气送至各个房间或控制区域,每个房间或控制区域的风量由风量控制器调控;本实施例将研究如何调节每个风量控制器,以达成给定运行条件下的节能、并同时尽可能满足用户需求的双重目的。
第一步:上层中央控制器构建温度模型,具体的步骤如下:
我们将给定楼宇视为一个连接的有向图这里为节点集合(每个节点对应于一个房间或控制区域),/>为边集合:如果两个节点相邻(即两个房间或控制区域相邻),则对应于两个节点的边存在。定义节点i的相邻节点集合为N(i)。
本发明使用的温度模型为低阶电阻-电容模型(Resistance-Capacitance model,i.e.RC model)[4]:
这里Ci为热电容,Ti为房间或区域温度,To为外界温度,Ri为分隔建筑与外界的墙面及窗户的总热电阻,Rij为分隔房间i与j的墙壁热电阻,ca为空气比热,mi为风量,Ts为供风温度(一般为恒定值),Qi为房间内部热功率外扰(如来自电器工作或用户活动产生的热功率)。这里风量mi为系统唯一的可控输入。需要注意的是,本发明所设计的算法也可应用于参考文献[4]中列举的不同阶数的温度模型。方便起见,我们这里使用常用的低阶模型(1)。
当温控系统处于关闭状态,即mi=0,系统(1)将渐进收敛至一个平衡点,其数值取决于外温To及内部热扰动Qi。当温控系统开启,即mi>0,系统的渐进收敛性保持不变,而平衡点取决于外温To、内部热扰动Qi以及风量mi。以上两点可以进行严格证明:将系统(1)化为状态空间形式,其系统矩阵为赫尔维茨矩阵(Hurwitz matrix,事实上,此矩阵严格主对角线占优)。另一方面,相比于稳态时长(即系统稳定运行的时间),过度过程时长(即系统从一个状态过度至另一个状态所用的时间)较短,因此可不考虑过度过程中的轨迹优化问题,只考虑稳态时性能优化问题。下一节将给出优化目标的具体描述。
第二,根据构建好的温度模型,上层中央控制器优化问题;
不同于传统的调控方式,即控制风量使得每个房间或控制区域的温度达到相应的用户设定值,本发明的控制目标分两部分:降低楼宇的能耗,同时尽可能满足用户的舒适度需求。两者对于用户而言,后者在某些时间段可能更重要。因此,我们设定如下的稳态优化问题:
式子(2b)-(2c)中i∈,ri和si为目标函数中的正权重系数,为用户设定的室内温度,/>为风量调节范围,其中/>的值接近于0,/>为总风量上限。这里To和Qi为外部扰动。
总结来讲,我们期望设计分布式的实时控制算法来调节每个房间或控制区域的风量,使得每个房间温度达到稳态时,即系统(1)到达平衡点时,此平衡点为目标优化问题(2)的最优解。
第三步,上层中央控制器对结果进行优化,
第二步所描述的稳态优化问题可以抽象为如下数学描述。给定系统动态模型(连续系统形式或离散系统形式)如下:
设计分布式的控制输入u(如风量),使得系统(3)可以被镇定在一个平衡点,而且这个平衡点是如下目标优化问题的最优解:
s.t.x,u∈CS (4)
其中x表示系统的状态变量(如温度),d为外部扰动输入(如外温),f为关于x,u,d的函数,Obj(x,u)为目标函数(如接近温度设定值并同时降低能耗),CS为约束集(如风量上下限、总风量上限等)。
针对此类问题,传统的解决方案是运用控制理论中的最优控制[4]设计输入u的动态。此方法较为复杂,而且所得到的控制器经常为集中控制形式,即需要测量较多状态变量并进行全局信息交互。本发明将选择另一种解决方案,即凸优化理论加上闭环实现[5][6]。此方案下,我们能够设计分布式的控制算法及分布式的闭环实现,共分如下五步。
步骤一:非凸优化问题松弛为凸优化问题。首先考虑稳态目标优化问题(2)。若其为凸优化问题,则跳过此步骤。若其为非凸优化问题,则需先将问题近似并得到凸化后的问题;凸化过程如附图3所示,左侧为非凸约束域,右侧为凸化后约束域,一般来讲,凸化过程中目标函数不变(目标函数一般满足凸优化前提,如问题(2)中的目标函数),约束域变大并成为凸区域。
步骤二:研究凸化前后最优解不变的条件。由于凸化过程扩大了约束集的范围,凸化后问题的最优解不一定是原问题的最优解,因此需研究凸化前后最优解不变的条件。一般来讲,可对比凸化后问题的KKT(Karush-Kuhn-Tucker condition,i.e.,KKT condition)条件[5]与凸化前问题的KKT条件,研究两者之间的包含关系。
步骤三:引入辅助变量。在满足最优解不变的条件下,原稳态优化问题的解等价于凸化后优化问题的解。由于这些优化问题中的决策变量x表示期望的稳态值,为避免歧义(x同时是状态变量,有自己的动态约束(3)),我们引入辅助变量将其替换,即引入y代替x并将凸化后的问题(4)变为
s.t.y,ueCSco(5)这里CSco表示凸化后的约束域。这一步也将为之后的闭环实现作铺垫。
步骤四:分布式求解。针对问题(5),利用凸优化理论,如原-对偶梯度算法(primal-dual gradient Algorithm)[5],设计分布式算法求解问题(5)。为提高算法特性,也可引入辅助动态系统,详见[6]。最终得到的算法形式如下(这里用连续系统形式描述)
此处λ为对偶变量,gy,gu,gλ为关于y,u,λ,d的函数。需要注意的是,实际情形中算法(6)常常具有分布式的特性。
步骤五:闭环实现。步骤四中得到的算法(6)的更新需要外扰信息d。由于外扰输入随时间变化且不容易测量,我们利用原系统模型(3),将其整理为关于外扰的函数并带入(6),从而得到如下闭环实现[6]
此处
本发明旨在通过对分层级的能量管理模型、分布式优化算法、凸优化方法,提升现有能量管理系统的整体性能和效益水平,并在对现有应用实例的充分调研和分析的前提下,通过嵌入软件核心模块的方式,为区域能量管理的建设提供理论指导和实践依据,提高区域能量管理的控制效率和运行水平,节约建设和运营成本,具有良好的扩展性,具有较广阔的使用价值。
以上仅是本发明的具体应用范例,对本发明的保护范围不构成任何限制。凡采用等同变换或者等效替换而形成的技术方案,均落在本发明权利保护范围之内。
Claims (1)
1.一种基于分布式优化算法的区域能量管理系统的管理方法,其特征在于,所述基于分布式优化算法的区域能量管理系统包括:上层中央控制器,用于处理整个区域固定时间长度内的能量分配,并将能量分配的相关信息发送给下层子系统;下层各子系统,由多个受控单元构成,用于接收上层中央控制器发送的相关信息后完成各自的控制和优化,所述管理方法包括如下步骤:
S1 每一个时段开始时,上层中央控制器与下层各子系统通信,确定运行状态及运行参数需求;
S2 上层中央控制器构建区域综合优化模型,优化目标为降低区域的总能耗,同时保证各个系统的状态需求及参数需求;
S3 根据步骤S2建立好的系统模型,上层中央控制器求解区域综合优化问题;
S4 上层中央控制器将优化结果传达给相应的下层子系统;
S5 下层各子系统根据上层中央控制器发送的参数,各自在本时段内完成控制及优化;
其中,所述S5中的控制及优化的算法流程如下:
(1)非凸优化问题松弛为凸优化问题:对于稳态目标优化,若其为凸优化问题,则跳过此步骤;若其为非凸优化问题,则需先将问题近似并得到凸化后的问题;
(2)找出凸化前后最优解不变的条件:由于凸化过程扩大了约束集的范围,凸化后问题的最优解不一定是原问题的最优解,因此需要找出凸化前后最优解不变的条件;通过对比凸化后问题的 KKT条件与凸化前问题的 KKT 条件之间的包含关系找出凸化前后最优解不变的条件;
(3)引入辅助变量:在满足最优解不变的条件下,原稳态优化问题的解等价于凸化后优化问题的解,把决策变量用引入的辅助变量替换;
(4)分布式求解:利用原-对偶梯度算法设计分布式算法,并引入辅助动态系统以提高算法;
(5)闭环实现:步骤(4)中得到的分布式算法的更新需要外扰信息,由于外扰信息输入随时间变化且不容易测量,我们把原系统模型整理为关于外扰的函数并带入分布式算法,从而得到了闭环实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910424268.0A CN110263974B (zh) | 2019-05-21 | 2019-05-21 | 一种基于分布式优化算法的区域能量管理系统及管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910424268.0A CN110263974B (zh) | 2019-05-21 | 2019-05-21 | 一种基于分布式优化算法的区域能量管理系统及管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110263974A CN110263974A (zh) | 2019-09-20 |
CN110263974B true CN110263974B (zh) | 2023-08-04 |
Family
ID=67914875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910424268.0A Active CN110263974B (zh) | 2019-05-21 | 2019-05-21 | 一种基于分布式优化算法的区域能量管理系统及管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110263974B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379160A (zh) * | 2021-07-06 | 2021-09-10 | 国网江苏省电力有限公司营销服务中心 | 基于建筑物热能流的楼宇侧综合能源系统优化调度方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073272A (zh) * | 2011-02-24 | 2011-05-25 | 北京恩耐特分布能源技术有限公司 | 一种分布式能源整体规划优化的系统及其优化方法 |
CN104181900A (zh) * | 2014-09-04 | 2014-12-03 | 徐雪松 | 一种多能源介质分层动态调控方法 |
CN106339819A (zh) * | 2016-08-30 | 2017-01-18 | 聊城科创节能设备有限公司 | 一种智慧能源管理系统公共平台 |
CN107277925A (zh) * | 2017-05-08 | 2017-10-20 | 西安电子科技大学 | 基于信息和能量传输的能量采集协作网络资源分配方法 |
CN108494015A (zh) * | 2018-02-09 | 2018-09-04 | 中国科学院电工研究所 | 一种源-荷-储协调互动的综合能源系统设计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9058443B2 (en) * | 2012-07-17 | 2015-06-16 | International Business Machines Corporation | Planning economic energy dispatch in electrical grid under uncertainty |
US20140200868A1 (en) * | 2013-01-16 | 2014-07-17 | Siemens Corporation | Semidefinite programming relaxation of a class of energy management models |
US10692161B2 (en) * | 2017-03-08 | 2020-06-23 | Station A, Inc. | Method and system for determining energy management strategies |
-
2019
- 2019-05-21 CN CN201910424268.0A patent/CN110263974B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073272A (zh) * | 2011-02-24 | 2011-05-25 | 北京恩耐特分布能源技术有限公司 | 一种分布式能源整体规划优化的系统及其优化方法 |
CN104181900A (zh) * | 2014-09-04 | 2014-12-03 | 徐雪松 | 一种多能源介质分层动态调控方法 |
CN106339819A (zh) * | 2016-08-30 | 2017-01-18 | 聊城科创节能设备有限公司 | 一种智慧能源管理系统公共平台 |
CN107277925A (zh) * | 2017-05-08 | 2017-10-20 | 西安电子科技大学 | 基于信息和能量传输的能量采集协作网络资源分配方法 |
CN108494015A (zh) * | 2018-02-09 | 2018-09-04 | 中国科学院电工研究所 | 一种源-荷-储协调互动的综合能源系统设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110263974A (zh) | 2019-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Thangavelu et al. | Energy optimization methodology of multi-chiller plant in commercial buildings | |
Verhelst et al. | Study of the optimal control problem formulation for modulating air-to-water heat pumps connected to a residential floor heating system | |
Jiang et al. | Flexible operation of active distribution network using integrated smart buildings with heating, ventilation and air-conditioning systems | |
Thieblemont et al. | Predictive control strategies based on weather forecast in buildings with energy storage system: A review of the state-of-the art | |
Li et al. | Multi-objective optimization for thermal mass model predictive control in small and medium size commercial buildings under summer weather conditions | |
Yu et al. | Control strategies for integration of thermal energy storage into buildings: State-of-the-art review | |
CN108321793B (zh) | 集成智能楼宇灵活负荷的主动配电网建模及优化调度方法 | |
Meng et al. | Distributed control of thermostatically controlled loads in distribution network with high penetration of solar PV | |
CN109270841A (zh) | 一种基于模型预测控制的智能楼宇用能灵活性调控方法 | |
CN113222227B (zh) | 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法 | |
Li et al. | Reinforcement learning of room temperature set-point of thermal storage air-conditioning system with demand response | |
Wang et al. | Cooling seasonal performance of inverter air conditioner using model prediction control for demand response | |
Rezeka et al. | Management of air-conditioning systems in residential buildings by using fuzzy logic | |
Ma et al. | Two-stage stochastic robust optimization model of microgrid day-ahead dispatching considering controllable air conditioning load | |
Liu et al. | Research on operating characteristics of direct-return chilled water system controlled by variable temperature difference | |
Tian et al. | Real-time flexibility quantification of a building HVAC system for peak demand reduction | |
Dong | Non-linear optimal controller design for building HVAC systems | |
Cheng et al. | A day-ahead scheduling of large-scale thermostatically controlled loads model considering second-order equivalent thermal parameters model | |
CN111737857A (zh) | 一种基于互动能力曲线的暖通空调集群协调控制方法 | |
Wang et al. | A zoned group control of indoor temperature based on MPC for a space heating building | |
CN110263974B (zh) | 一种基于分布式优化算法的区域能量管理系统及管理方法 | |
Qu et al. | Optimized control of the supply water temperature in the thermally activated building system for cold climate in China | |
Li et al. | Reinforcement learning-based demand response strategy for thermal energy storage air-conditioning system considering room temperature and humidity setpoints | |
Mei et al. | Multi-zone building temperature control and energy efficiency using autonomous hierarchical control strategy | |
Zhang et al. | Distributed temperature control via geothermal heat pump systems in energy efficient buildings |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230707 Address after: 210000 No. 5 Xianlin Avenue, Maqun street, Qixia District, Nanjing, Jiangsu Applicant after: Nanjing Jingling Information Technology Co.,Ltd. Address before: 215000 block B, 9th floor, Science Park, Nanjing Normal University, 188 Shihu West Road, Wuzhong District, Suzhou City, Jiangsu Province Applicant before: Suzhou Yixing Energy Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |