CN110543702B - 一种内燃机-溴化锂冷热电联供系统的建模方法 - Google Patents

一种内燃机-溴化锂冷热电联供系统的建模方法 Download PDF

Info

Publication number
CN110543702B
CN110543702B CN201910757599.6A CN201910757599A CN110543702B CN 110543702 B CN110543702 B CN 110543702B CN 201910757599 A CN201910757599 A CN 201910757599A CN 110543702 B CN110543702 B CN 110543702B
Authority
CN
China
Prior art keywords
transfer function
opening
way valve
combustion engine
internal combustion
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
Application number
CN201910757599.6A
Other languages
English (en)
Other versions
CN110543702A (zh
Inventor
于会群
沈昱
彭道刚
邱亚鸣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai University of Electric Power
Original Assignee
Shanghai University of Electric Power
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai University of Electric Power filed Critical Shanghai University of Electric Power
Priority to CN201910757599.6A priority Critical patent/CN110543702B/zh
Publication of CN110543702A publication Critical patent/CN110543702A/zh
Application granted granted Critical
Publication of CN110543702B publication Critical patent/CN110543702B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种内燃机‑溴化锂冷热电联供系统的建模方法，包括确定模型输入输出变量；确定系统模型结构；确定模型参数辨识变量；采用机理与数据驱动建模相结合的方法将系统运行数据代入改进的粒子群智能算法中辨识出系统模型未知参数，得到最终模型。与现有技术相比，本发明有效解决了内燃机‑溴化锂冷热电联供系统难建模、难优化、难控制的技术难题，为冷热电联供系统运行优化与控制策略研究提供了前提。

Description

一种内燃机-溴化锂冷热电联供系统的建模方法
技术领域
本发明涉及冷热电联供系统领域，尤其是涉及一种内燃机-溴化锂冷热电联供系统的建模方法。
背景技术
近年来，为了更好的节约能源和保护环境，我国分布式能源系统发展迅速，其最主要的实现形式就是冷热电三联供系统，关于冷热电联供系统的配置形式多种多样，主要有“蒸汽轮机+蒸汽型溴化锂吸收式冷热水机组”、“燃气轮机+烟气型溴化锂吸收式冷热水机组”以及“燃气内燃机+烟气热水型溴化锂吸收式冷热水机组”等。
目前冷热电联供系统，由于多数研究没有数据支撑，所以目前多采用数学模型、机理法建模的方式进行模型的建立，但是冷热电联供系统作为高度非线性的系统，目前的热力学机理建模无法准确描述其运行特性，实用价值也有所欠缺。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种内燃机-溴化锂冷热电联供系统的建模方法。
本发明的目的可以通过以下技术方案来实现：
一种内燃机-溴化锂冷热电联供系统的建模方法，该方法基于动态惯性权重与加速因子粒子群算法，具体步骤包括：
S1、分别获取内燃机节气门开度值、内燃机烟气三通阀开度值、内燃机热源热水三通阀开度值、系统发电功率，系统制冷温度值和系统制热温度值的历史数据；
S2、根据内燃机-溴化锂冷热电联供系统的结构建立一个三输入三输出的多变量线性耦合模型，包括九个通道传递函数；
S3、将内燃机节气门开度值、内燃机烟气三通阀开度值和内燃机热源热水三通阀开度值的历史数据作为输入变量，将系统发电功率、系统制冷温度值和系统制热温度值的历史数据作为输出变量，根据动态惯性权重与加速因子粒子群算法辨识出多变量线性耦合模型的模型参数；
S4、将辨识出的系统模型参数带入多变量线性耦合模型，获取内燃机-溴化锂冷热电联供系统模型。
进一步地，多变量线性耦合模型G的结构表达式为：
Figure BDA0002169249080000021
其中，Gij为通道传递函数，i＝1、2、3，j＝1、2、3。
进一步地，每个通道传递函数的结构表示为：
Figure BDA0002169249080000022
其中，K为惯性常数，T为时间常数。
进一步地，所述的步骤S3中，根据动态惯性权重与加速因子粒子群算法辨识出多变量线性耦合模型的模型参数具体包括：
A1、根据输入变量和输出变量的数据进行预处理；
A2、初始化加速因子粒子群算法，确定其中的初始参数；
A3、计算每个粒子的适应度函数值；
A4、根据适应度函数值，更新各个粒子的局部最优适应度值和粒子群的全局最优适应度值；
A5、根据各粒子的最优适应度值和粒子群的全局最优适应度值，更新每个粒子的速度和位置；
A6、当算法运行到最大迭代次数或精度要求时，结束算法。
进一步地，步骤A5的更新公式为：
Figure BDA0002169249080000023
Figure BDA0002169249080000024
其中，v表示粒子速度，x表示粒子位置，
Figure BDA0002169249080000025
表示第i个粒子的个体极值的第d维，
Figure BDA0002169249080000026
表示全局最优解的第d维；c1和c2表示动态加速因子；ω表示动态惯性权重；r1和r2表示随机数。
进一步地，所述的初始参数包括动态惯性权重、粒子个数、最大前进步数，以及动态加速因子。
进一步地，步骤A1的预处理包括零初始化处理，其表达式为：
Figure BDA0002169249080000031
其中，u*(k)、y*(k)、u(k)、y(k)分别表示输入数据零初始化后的值、输出数据零初始化后的值、输入数据零初始化前的值、输出数据零初始化后的值，N为常数，表示取数据的前N位的均值作为数据的初始值。
进一步地，所述的步骤S2中，根据内燃机-溴化锂冷热电联供系统工艺流程中的制冷工况下的冷剂循环和溶液循环，以及制热工况下的冷剂循环和溶液循环的影响变量建立三输入三输出的多变量线性耦合模型。
与现有技术相比，本发明具有以下优点：
1、本发明通过采用机理与数据驱动建模相结合的方法将系统历史运行数据代入改进的粒子群智能算法中辨识出系统模型未知参数，模拟出精确的系统模型，有效解决了内燃机-溴化锂冷热电联供系统难建模、难优化、难控制的技术难题。
2、本发明通过建立三输入三输出的多变量耦合模型实现了系统的简化，建模更加方便、直观。
3、本发明利用改进的粒子群算法对多变量线性耦合模型进行参数辨识建模，改进了其中的惯性权重和加速因子，使其具有更好的收敛速度和寻优能力，系统模型的准确性更佳。
附图说明
图1内燃机-溴化锂冷热电联供系统结构图；
图2内燃机-溴化锂冷热电联供系统工艺流程图；
图3内燃机-溴化锂冷热电联供系统简化方框图；
图4改进粒子群算法流程图；
图5内燃机-溴化锂冷热电联供系统节气门开度原始数据图；
图6内燃机-溴化锂冷热电联供系统烟气三通阀开度原始数据图；
图7内燃机-溴化锂冷热电联供系统热源热水三通阀开度原始数据图；
图8内燃机-溴化锂冷热电联供系统发电功率原始数据图；
图9内燃机-溴化锂冷热电联供系统制热温度原始数据图；
图10内燃机-溴化锂冷热电联供系统节气门开度数据处理图；
图11内燃机-溴化锂冷热电联供系统烟气三通阀开度数据处理图；
图12内燃机-溴化锂冷热电联供系统热源热水三通阀开度数据处理图；
图13内燃机-溴化锂冷热电联供系统结构方框图；
图14内燃机-溴化锂冷热电联供系统辨识结果图；
图15内燃机-溴化锂冷热电联供系统验证结果图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本实施例针对如图1所示的分布式能源系统中“燃气内燃机-烟气热水溴化锂单双效复合型冷热水机组”的冷热电联供系统进行基于机理与数据驱动相结合的建模。通过对系统结构、工艺流程、机理特征等分析，确立系统可以转化为一个三输入三输出的多变量耦合模型，利用粒子群群体优化算法对其进行辨识建模，通过对系统的动态特性研究，确定系统的辨识参数区间等。辨识结果证明“燃气内燃机+溴化锂冷热水机组”这样的冷热电联供系统也可以通过智能优化算法来进行建模研究，具体步骤如下：
步骤一、内燃机-溴化锂冷热电联供系统的工艺流程如图2所示，分析内燃机-溴化锂冷热电联供系统工艺流程，分别从制冷工况下的冷剂循环、溶液循环，制热工况下的冷剂循环、溶液循环两方面分析得到的系统输出影响量众多，例如燃气量、烟气三通阀开度、热源热水三通阀开度、冷热水进口温度、冷却水进口温度、氧气量等，选择前三个主要调节变量作为系统模型输入Ui；
Ui＝[U1,U2,U3]；
其中：U1为内燃机节气门开度值(％)，U2为内燃机烟气三通阀开度值(％)，U3为内燃机热源热水三通阀开度值(％)。
步骤二：同样分析内燃机-溴化锂冷热电联供系统工艺流程，分别从制冷工况下的冷剂循环、溶液循环，制热工况下的冷剂循环、溶液循环两方面分析得到系统输出Yj；
Yj＝[Y1,Y2,Y3]；
其中：Y1为系统发电功率(KW)，Y2为系统制冷温度值(℃)，Y3为系统制热温度值(℃)。
步骤三：确定内燃机-溴化锂冷热电联供系统的模型结构，具体如下：
步骤31、如图3所示，将内燃机-溴化锂冷热电联供系统简化为一个三输入三输出的多变量线性耦合模型，共分为九个通道传递函数；
步骤32、系统本质属于热工对象，根据常见的热工对象模型形式分析，以及上述九组控制通道对象皆属于自平衡对象，所以对象阶次大致为一至四阶，其中热源热水三通阀和烟气三通阀对于系统的发电功率几乎没有影响，可以理解为不存在惯性环节，其余各输入与输出之间大致成正作用关系；
步骤33、综上所述，选择无迟延环节的二阶惯性环节作为每个通道的传递函数结构，因此，多变量线性耦合模型G的结构表达式为：
Figure BDA0002169249080000051
其中，Gij为通道传递函数，i＝1、2、3，j＝1、2、3。
(1)确定节气门开度-发电功率通道传递函数结构为：
Figure BDA0002169249080000052
其中，K11为节气门开度-发电功率通道传递函数放大系数，T11为节气门开度-发电功率通道传递函数时间常数；
(2)确定节气门开度-制冷温度通道传递函数结构为：
Figure BDA0002169249080000053
其中，K12为节气门开度-制冷温度通道传递函数放大系数，T12为节气门开度-制冷温度通道传递函数时间常数；因为本系统不同时制热制冷，本实例主要针对制热工况，所以针对制冷通道的传递函数为0。
(3)确定节气门开度-制热温度通道传递函数结构为：
Figure BDA0002169249080000054
其中，K13为节气门开度-制热温度通道传递函数放大系数，T13为节气门开度-制热温度通道传递函数时间常数；
(4)确定烟气三通阀开度-发电功率通道传递函数结构为：
Figure BDA0002169249080000061
其中，K21为烟气三通阀开度-发电功率通道传递函数放大系数，T21为烟气三通阀开度-发电功率通道传递函数时间常数；
(5)确定烟气三通阀开度-制冷温度通道传递函数结构为：
Figure BDA0002169249080000062
其中，K22为烟气三通阀开度-制冷温度通道传递函数放大系数，T22为烟气三通阀开度-制冷温度通道传递函数时间常数；
(6)确定烟气三通阀开度-制热温度通道传递函数结构为：
Figure BDA0002169249080000063
其中，K23为烟气三通阀开度-制热温度通道传递函数放大系数，T23为烟气三通阀开度-制热温度通道传递函数时间常数；
(7)确定热源热水三通阀开度-发电功率通道传递函数结构为：
Figure BDA0002169249080000064
其中，K31为热源热水三通阀开度-发电功率通道传递函数放大系数，T31为烟气三通阀开度-发电功率通道传递函数时间常数；
(8)确定热源热水三通阀开度-制冷温度通道传递函数结构为：
Figure BDA0002169249080000065
其中，K32为热源热水三通阀开度-制冷温度通道传递函数放大系数，T32为烟气三通阀开度-制冷温度通道传递函数时间常数；
(9)确定热源热水三通阀开度-制热温度通道传递函数结构为：
Figure BDA0002169249080000066
其中，K33为热源热水三通阀开度-制热温度通道传递函数放大系数，T33为烟气三通阀开度-制热温度通道传递函数时间常数；
内燃机-溴化锂冷热电联供系统就由九个上述传递函数结构构成，如图13所示。
步骤四、如图4所示，利用运行数据，基于动态惯性权重与加速因子粒子群算法辨识出模型参数，得到系统模型，具体步骤如下；
步骤41、对历史运行数据进行预处理，如图5～图12所示，具体步骤如下；
对运行数据进行零初始化处理，具体公式为：
Figure BDA0002169249080000071
其中，u*(k)、y*(k)、u(k)、y(k)分别表示输入数据零初始化后的值、输出数据零初始化后的值、输入数据零初始化前的值、输出数据零初始化后的值，N为常数，表示取数据的前N位的均值作为数据的初始值；
步骤42、初始化改进粒子群参数，设定改进粒子群的初始位置和初始速度；
步骤43、设置粒子个数设置为N＝120；最大前进步数Tmax＝250；动态加速因子c1(k)＝c11-(c11-c12)×(k/Tmax)、c2(k)＝c21-(c22-c21)×(k/Tmax)，c11＝2、c12＝0.5，c21＝0.5、c22＝2；ω使用动态惯性权重，ω＝ωmin+(ωmax-ωmin)×cos(πk/2Tmax)+σ×betarnd(a,b)，ωmax＝0.9，ωmin＝0.3；最后确定模型结构中各参数范围：K11∈(20，40)、T11∈(100,200)、K13∈(0,5)、T13∈(100,500)、K23∈(0,5)、T23∈(50,800)、K33∈(0,0.5)、T33∈(50,500)；
其中，ω表示惯性权重，ωmin表示惯性权重最小值，ωmax表示惯性权重最大值，k表示迭代次数，Tmax表示最大迭代次数，σ表示惯性调整因子，betarnd表示贝塔分布。
步骤44、计算每个粒子的适应度函数值；
步骤45、根据所述适应度函数值，更新各个粒子的局部最优适应度值和粒子群的全局最优适应度值；
步骤46、根据各粒子的最优适应度值和粒子种群最优适应度值，更新每个粒子的速度和位置，公式如下：
Figure BDA0002169249080000072
Figure BDA0002169249080000073
其中，v表示粒子速度，x表示粒子位置，
Figure BDA0002169249080000074
表示第i个粒子的个体极值的第d维，
Figure BDA0002169249080000075
表示全局最优解的第d维；
步骤47、当算法运行到最大迭代次数或精度要求时，结束算法；
步骤48、根据算法辨识出的参数，带入模型结构得到系统模型，观察辨识结果，如图14所示。
步骤五：利用未使用运行历史数据对得到的模型准确性进行验证；
步骤51、将未辨识的运行数据输入作为辨识模型输入；
步骤52、将辨识出的系统模型参数代入模型结构；
步骤53、通过计算、作图，得到验证曲线与数据，用于与实际数据对比，结果如图15所示；辨识曲线除部分扰动过大造成的尖峰辨识结果不够完美，其他部分与实际运行曲线都拟合良好，可以看作是系统的传递函数，对系统的控制、优化运行研究具有实用价值。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (5)

1.一种内燃机-溴化锂冷热电联供系统的建模方法，其特征在于，该方法基于动态惯性权重与加速因子粒子群算法，具体步骤包括：
S1、分别获取内燃机节气门开度值、内燃机烟气三通阀开度值、内燃机热源热水三通阀开度值、系统发电功率，系统制冷温度值和系统制热温度值的历史数据；
S2、根据内燃机-溴化锂冷热电联供系统的结构建立一个三输入三输出的多变量线性耦合模型，包括九个通道传递函数，多变量线性耦合模型G的结构表达式为：
Figure FDA0003905179510000011
其中，Gij为通道传递函数，i＝1、2、3，j＝1、2、3；
(1)确定节气门开度-发电功率通道传递函数结构为：
Figure FDA0003905179510000012
其中，K11为节气门开度-发电功率通道传递函数放大系数，T11为节气门开度-发电功率通道传递函数时间常数；
(2)确定节气门开度-制冷温度通道传递函数结构为：
Figure FDA0003905179510000013
其中，K12为节气门开度-制冷温度通道传递函数放大系数，T12为节气门开度-制冷温度通道传递函数时间常数；
(3)确定节气门开度-制热温度通道传递函数结构为：
Figure FDA0003905179510000014
其中，K13为节气门开度-制热温度通道传递函数放大系数，T13为节气门开度-制热温度通道传递函数时间常数；
(4)确定烟气三通阀开度-发电功率通道传递函数结构为：
Figure FDA0003905179510000015
其中，K21为烟气三通阀开度-发电功率通道传递函数放大系数，T21为烟气三通阀开度-发电功率通道传递函数时间常数；
(5)确定烟气三通阀开度-制冷温度通道传递函数结构为：
Figure FDA0003905179510000021
其中，K22为烟气三通阀开度-制冷温度通道传递函数放大系数，T22为烟气三通阀开度-制冷温度通道传递函数时间常数；
(6)确定烟气三通阀开度-制热温度通道传递函数结构为：
Figure FDA0003905179510000022
其中，K23为烟气三通阀开度-制热温度通道传递函数放大系数，T23为烟气三通阀开度-制热温度通道传递函数时间常数；
(7)确定热源热水三通阀开度-发电功率通道传递函数结构为：
Figure FDA0003905179510000023
其中，K31为热源热水三通阀开度-发电功率通道传递函数放大系数，T31为烟气三通阀开度-发电功率通道传递函数时间常数；
(8)确定热源热水三通阀开度-制冷温度通道传递函数结构为：
Figure FDA0003905179510000024
其中，K32为热源热水三通阀开度-制冷温度通道传递函数放大系数，T32为烟气三通阀开度-制冷温度通道传递函数时间常数；
(9)确定热源热水三通阀开度-制热温度通道传递函数结构为：
Figure FDA0003905179510000025
其中，K33为热源热水三通阀开度-制热温度通道传递函数放大系数，T33为烟气三通阀开度-制热温度通道传递函数时间常数；
S3、将内燃机节气门开度值、内燃机烟气三通阀开度值和内燃机热源热水三通阀开度值的历史数据作为输入变量，将系统发电功率、系统制冷温度值和系统制热温度值的历史数据作为输出变量，根据动态惯性权重与加速因子粒子群算法辨识出多变量线性耦合模型的模型参数，具体包括：
A1、根据输入变量和输出变量的数据进行预处理；
A2、初始化加速因子粒子群算法，确定其中的初始参数；
A3、计算每个粒子的适应度函数值；
A4、根据适应度函数值，更新各个粒子的局部最优适应度值和粒子群的全局最优适应度值；
A5、根据各粒子的最优适应度值和粒子群的全局最优适应度值，更新每个粒子的速度和位置；
A6、当算法运行到最大迭代次数或精度要求时，结束算法；
S4、将辨识出的系统模型参数带入多变量线性耦合模型，获取内燃机-溴化锂冷热电联供系统模型。
2.根据权利要求1所述的内燃机-溴化锂冷热电联供系统的建模方法，其特征在于，步骤A5的更新公式为：
Figure FDA0003905179510000031
Figure FDA0003905179510000032
其中，v表示粒子速度，x表示粒子位置，
Figure FDA0003905179510000033
表示第i个粒子的个体极值的第d维，
Figure FDA0003905179510000034
表示全局最优解的第d维，c1和c2表示动态加速因子；ω表示动态惯性权重；r1和r2表示随机数。
3.根据权利要求1所述的内燃机-溴化锂冷热电联供系统的建模方法，其特征在于，所述的初始参数包括动态惯性权重、粒子个数、最大前进步数，以及动态加速因子。
4.根据权利要求1所述的内燃机-溴化锂冷热电联供系统的建模方法，其特征在于，步骤A1的预处理包括零初始化处理，其表达式为：
Figure FDA0003905179510000035
其中，u*(k)、y*(k)、u(k)、y(k)分别表示输入数据零初始化后的值、输出数据零初始化后的值、输入数据零初始化前的值、输出数据零初始化后的值，N为常数，表示取数据的前N位的均值作为数据的初始值。
5.根据权利要求1所述的内燃机-溴化锂冷热电联供系统的建模方法，其特征在于，所述的步骤S2中，根据内燃机-溴化锂冷热电联供系统工艺流程中的制冷工况下的冷剂循环和溶液循环，制热工况下的冷剂循环和溶液循环的影响变量建立三输入三输出的多变量线性耦合模型。
CN201910757599.6A 2019-08-16 2019-08-16 一种内燃机-溴化锂冷热电联供系统的建模方法 Active CN110543702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910757599.6A CN110543702B (zh) 2019-08-16 2019-08-16 一种内燃机-溴化锂冷热电联供系统的建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910757599.6A CN110543702B (zh) 2019-08-16 2019-08-16 一种内燃机-溴化锂冷热电联供系统的建模方法

Publications (2)

Publication Number Publication Date
CN110543702A CN110543702A (zh) 2019-12-06
CN110543702B true CN110543702B (zh) 2022-12-16

Family

ID=68711471

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910757599.6A Active CN110543702B (zh) 2019-08-16 2019-08-16 一种内燃机-溴化锂冷热电联供系统的建模方法

Country Status (1)

Country Link
CN (1) CN110543702B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107464008A (zh) * 2016-06-02 2017-12-12 南京理工大学 一种大型楼宇冷热电联供系统的优化调度方法
CN108563877A (zh) * 2018-04-19 2018-09-21 山东交通学院 太阳能溴化锂制冷机组的整体建模与最优控制一体化方法
CN109245093A (zh) * 2018-09-28 2019-01-18 上海电力学院 一种冷热电联供分布式能源站协同优化调度方法
CN109711080A (zh) * 2019-01-03 2019-05-03 山东大学 一种冷热电联供系统多时间尺度优化运行方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107464008A (zh) * 2016-06-02 2017-12-12 南京理工大学 一种大型楼宇冷热电联供系统的优化调度方法
CN108563877A (zh) * 2018-04-19 2018-09-21 山东交通学院 太阳能溴化锂制冷机组的整体建模与最优控制一体化方法
CN109245093A (zh) * 2018-09-28 2019-01-18 上海电力学院 一种冷热电联供分布式能源站协同优化调度方法
CN109711080A (zh) * 2019-01-03 2019-05-03 山东大学 一种冷热电联供系统多时间尺度优化运行方法

Also Published As

Publication number Publication date
CN110543702A (zh) 2019-12-06

Similar Documents

Publication Publication Date Title
CN106920006B (zh) 一种基于isoa-lssvm的地铁站空调系统能耗预测方法
CN109270842B (zh) 一种基于贝叶斯网络的区域供热模型预测控制系统及方法
CN109165418B (zh) 基于户用热量表数据的室温测量方法
CN110837223A (zh) 一种燃气轮机燃烧优化控制方法及系统
CN110941186B (zh) 基于神经网络与万有引力搜索算法的汽温控制寻优方法
CN114322199A (zh) 基于数字孪生的通风系统自主优化运行调控平台及方法
CN112884012A (zh) 基于支持向量机原理的建筑能耗预测方法
CN102564644A (zh) 一种加热炉生产过程中板坯温度在线测量方法
CN114662201A (zh) 一种自然通风智能调控的寻优方法
CN109764570A (zh) 一种基于神经元网络的跨临界二氧化碳热泵系统排气压力的控制方法
Zhang et al. A neuro-fuzzy decoupling approach for real-time drying room control in meat manufacturing
CN111461466A (zh) 基于lstm时间序列的供暖户阀调节方法、系统及设备
CN116542164A (zh) 一种基于物理驱动参数化代理模型的燃烧系统优化设计方法
CN117031950A (zh) 深度调峰火电机组控制系统建模的方法及装置
CN115983438A (zh) 数据中心末端空调系统运行策略确定方法及装置
CN103903068B (zh) 一种混合优化算法的温室能量预测方法
CN110543702B (zh) 一种内燃机-溴化锂冷热电联供系统的建模方法
Lahariya et al. Physics-informed LSTM network for flexibility identification in evaporative cooling system
CN111199304A (zh) 基于数据驱动融合策略的多目标燃烧优化方法
CN110728031B (zh) 一种基于ann建模平衡复杂石化过程产能的多目标优化方法
CN116360266A (zh) 一种基于多目标优化算法的猪舍温度节能控制方法
CN116415713A (zh) 一种基于e+和人工智能的建筑能耗预测方法
Yang et al. Modelling and simulation on temperature and humidity decoupling of indoor environment
CN105117530B (zh) 一种粗细结合调节实现汽轮机及其调速系统参数辨识方法
CN107451304A (zh) 再热器传递函数模型的机理建模计算方法

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