CN110619110B - 一种含热泵的综合能源系统协调运行优化方法 - Google Patents

一种含热泵的综合能源系统协调运行优化方法 Download PDF

Info

Publication number
CN110619110B
CN110619110B CN201910879944.3A CN201910879944A CN110619110B CN 110619110 B CN110619110 B CN 110619110B CN 201910879944 A CN201910879944 A CN 201910879944A CN 110619110 B CN110619110 B CN 110619110B
Authority
CN
China
Prior art keywords
heat pump
power
hot water
model
weather
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
CN201910879944.3A
Other languages
English (en)
Other versions
CN110619110A (zh
Inventor
王�琦
张年初
倪明
李满礼
居佳琪
梁以恒
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.)
Nanjing Normal University
NARI Group Corp
Original Assignee
Nanjing Normal University
NARI Group Corp
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 Nanjing Normal University, NARI Group Corp filed Critical Nanjing Normal University
Priority to CN201910879944.3A priority Critical patent/CN110619110B/zh
Publication of CN110619110A publication Critical patent/CN110619110A/zh
Application granted granted Critical
Publication of CN110619110B publication Critical patent/CN110619110B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Probability & Statistics with Applications (AREA)

Abstract

本发明公开了一种含热泵的综合能源系统协调运行优化方法，包括如下步骤：根据天气、季节历史数据和冷、热、电负荷历史数据，基于非线性回归分析法和神经网络预测理论，建立综合能源系统日负荷预测模型；分析天气因素、季节因素和热水负荷对热泵机组能效的影响，建立热泵在不同工况下的运行特性数学模型；输入实际的天气、季节信息获取日负荷预测结果，并根据天气、季节信息和热水负荷预测结果确定相匹配的热泵运行特性模型；构建以综合能源系统运行成本最小为目标的运行优化模型，并对目标函数优化求解，得出综合能源系统的优化运行方案。本发明充分考虑各种因素对热泵实际能效的影响，能够协调源侧热泵和其他设备，实现综合能源系统的优化运行。

Description

一种含热泵的综合能源系统协调运行优化方法
技术领域
本发明涉及综合能源技术领域，尤其是一种含热泵的综合能源系统协调运行优化方法。
背景技术
在能源需求大幅度增长与环境保护日益迫切的双重压力下，提高新能源利用效率、发掘新能源、实现可再生能源规模化开发，已成为解决人类社会发展过程中日益凸显的能源需求增长与能源紧缺、能源利用与环境保护之间矛盾的必然选择。综合能源系统是集电、气、热等多种能源应用和服务于一体的能源系统，可在满足多种负荷需求的同时，通过能量转换和梯级利用实现能源的高效利用，提高能源系统的经济效益和环境效益。
综合能源的发展仍存在着诸多瓶颈，例如“以热定电”的运行模式对机组调峰能力造成了严重影响，限制了新能源的消纳，降低了综合能源系统的灵活性和经济性。在综合能源系统中加入热泵等转换设备是一种有效的解决方案。另外，“煤改电”政策的不断推行使得热泵更加普及。热泵的运行受到环境、气象等诸多因素的影响，综合能源系统中加入热泵将使得系统运行行为更加复杂。目前，综合能源系统中热泵和其他机组的协调运行研究还很欠缺，热泵常被假设工作在名义工况下，现有研究鲜有考虑气象条件对热泵实际能效的影响。因此，对于含热泵的综合能源系统的研究应不断深入。
发明内容
本发明所要解决的技术问题在于，提供一种含热泵的综合能源系统协调运行优化方法，充分考虑天气因素、季节因素对热泵实际能效的影响，能够经济、可靠地协调源侧热泵和其他设备，实现综合能源系统的优化运行。
为解决上述技术问题，本发明提供一种含热泵的综合能源系统协调运行优化方法，包括如下步骤：
(1)根据天气、季节历史数据和冷、热、电负荷历史数据，基于非线性回归分析法和神经网络预测理论，建立综合能源系统日负荷预测模型；
(2)分析天气因素、季节因素和热水负荷对热泵机组能效的影响，建立热泵在不同工况下的运行特性数学模型；
(3)输入实际的天气、季节信息获取日负荷预测结果，并根据天气、季节信息和热水负荷预测结果确定相匹配的热泵运行特性模型；
(4)构建以综合能源系统运行成本最小为目标的运行优化模型，并对目标函数优化求解，得出综合能源系统的优化运行方案。
优选的，步骤(1)中，对第i天前一个月以及所在月已过日期的天气、季节历史数据和冷、热、电负荷历史数据进行非线性回归分析，选取与冷、热、电负荷相关性较强的天气、季节数据，并将其作为神经网络输入的一部分；将第i天的实时天气预报数据及所得相关性较强的其他数据输入神经网络预测模型，模型即可输出第i天的冷、热、电负荷预测数据，热负荷包括热水负荷和热蒸汽负荷。
优选的，步骤(2)中，天气因素、季节因素和热负荷对热泵机组能效的影响是指室外气象条件和热水负荷对热泵热水机组能效比和热水机组压缩机功率的影响，由此建立的热泵运行特性模型包含两个部分，其中热水机组能效比的模型为
Figure BDA0002205581030000021
热水机组压缩机功率P的模型为
P＝a1+a2(Ttank-Ta)+a3(Ta-Td)2
Ttank＝(T1+T2)/2
式中，COP表示能效比，P表示压缩机功率，Ttank为水温，Ta为环境温度，Tw为湿球温度，Td为露点温度，T1为水箱初始水温，T2为水箱最终水温，a1、a2、a3为拟合系数；
其中，水箱初始水温T1由实际测量得到，水箱最终水温T2由所需供应的热水负荷决定，查阅机组铭牌和运行手册，可根据热水负荷量确定对应的T2；
上述热泵热水机组的能效比模型和压缩机功率模型由实际试验拟合得出，反映不同工况下的热泵运行情况，即热泵在不同天气、季节、热水负荷情况下的实际能效；上述模型可知，热泵的COP和P与Ttank-Ta有关，是一个可纳入综合能源系统优化模型的线性化模型。
优选的，步骤(3)中，输入第i天的实际天气数据，根据步骤(1)所提日负荷预测模型，得到第i天的冷、热、电负荷预测数据。根据第i天的天气、季节信息和热水负荷预测结果，确定第i天热泵各调度时刻的运行特性模型。
优选的，步骤(4)中，采用步骤(3)中确定的热泵热水机组的运行特性模型和日负荷预测结果；综合能源系统的组成主要包括外部电网、光伏、燃气轮机、电制冷机、余热锅炉、吸收式制冷机、空气源热泵热水机组、换热器、蓄电池；
综合能源系统优化运行的目标函数表示为minC＝Ce+Cg
其中，Ce为向外部电网购电的成本：
Figure BDA0002205581030000031
Cg为系统购买天然气的成本：
Figure BDA0002205581030000032
式中，n表示调度时刻总数，
Figure BDA0002205581030000033
和
Figure BDA0002205581030000034
分别表示调度时刻t的购电价格、购气价格，Δt表示调度时刻的间隔，
Figure BDA0002205581030000035
分别为t时刻的购电功率、热电联供单元消耗的燃气功率、冷暖机组消耗的燃气功率和燃气锅炉消耗的燃气功率；
各元件应满足各自的输出功率约束：
Figure BDA0002205581030000036
式中，Pi，t、Qi，t和Ci，t分别表示系统中调度时刻t各元件输出的电功率、热功率和冷功率，下标min和max分别表示输出功率的最小值和最大值；
旋转设备应满足爬坡约束：
Figure BDA0002205581030000037
式中，Pi，t和Pi，t+Δt分别表示当前时刻和下一调度时刻的输出电功率，Pi，rmin和Pi，rmax分别表示旋转元件电功率输出的爬坡功率极限，其余变量含义同理；
储能设备应满足充/放电功率约束：
Figure BDA0002205581030000038
式中，PES，C，t和PES，D，t分别表示调度时刻t的充能功率和放能功率，下标min和max分别表示充放能功率的最小值和最大值；
储能设备储能量约束：
Wmin≤Wt≤Wmax
储能设备机理约束：
Wt+Δt＝(1-σ)Wt+(PES，C，tηc-PES，D，t/ηD)Δt
式中，Wt和Wt+Δt分别表示调度时刻t和下一时刻的储能量，σ表示能量自损率，ηc和ηD表示充/放能时的效率，Wmin和Wmax分别表示储能设备所能储备能量的最小值和最大值；
储能设备工作状态约束：
X(1，t)+X(2，t)≤1
式中，X(1，t)和X(2，t)为0-1变量，用于表示储能设备不能同时处于充能和放能状态；
调用求解器YALMIP对优化模型求解，得出综合能源系统的优化运行方案。
本发明的有益效果为：(1)本发明在综合能源系统的源侧加入热泵，通过热泵与其他热电联产设备的协调运行，可帮助热电联产机组实现热电解耦，提高机组的调峰能力，可以有效降低综合能源系统的运行成本，提高了系统的经济性和灵活性；(2)本发明考虑天气因素、季节因素对综合能源系统运行的影响，所提优化运行方法建立了不同气象条件下的热泵运行模型，利用天气数据对日前冷、热、电负荷进行了预测，提高了系统优化运行的可靠性。
附图说明
图1为本发明的方法流程示意图。
图2为本发明的系统结构示意图。
具体实施方式
如图1所示，一种含热泵的综合能源系统协调运行优化方法，包括如下步骤：
(1)根据天气、季节历史数据和冷、热、电负荷历史数据，基于非线性回归分析法和神经网络预测理论，建立综合能源系统日负荷预测模型；
(2)分析天气因素、季节因素和热水负荷对热泵机组能效的影响，建立热泵在不同工况下的运行特性数学模型；
(3)输入实际的天气、季节信息获取日负荷预测结果，并根据天气、季节信息和热水负荷预测结果确定相匹配的热泵运行特性模型；
(4)构建以综合能源系统运行成本最小为目标的运行优化模型，并对目标函数优化求解，得出综合能源系统的优化运行方案。
步骤(1)中，对第i天前一个月以及所在月已过日期的天气、季节历史数据和冷、热、电负荷历史数据进行非线性回归分析，选取与冷、热、电负荷相关性较强的天气、季节数据，并将其作为神经网络输入的一部分。将第i天的实时天气预报数据及所得相关性较强的其他数据输入神经网络预测模型，模型即可输出第i天的冷、热、电负荷预测数据，热负荷包括热水负荷和热蒸汽负荷。
以日前电负荷预测为例，将天气、季节数据和负荷数据进行非线性回归分析，结果表明第i天的最高温度、最低温度和日平均温度这三类数据与电负荷数据相关性较大，故将它们作为神经网络输入的一部分。因此，将第i天的实际预报最高温度、最低温度和平均温度输入预测模型，即可得到第i天电负荷的预测结果。
步骤(2)中，天气因素、季节因素和热负荷对热泵机组能效的影响是指室外气象条件和热水负荷对热泵热水机组能效比和热水机组压缩机功率的影响，由此建立的热泵运行特性模型包含两个部分，其中热水机组能效比的模型为
Figure BDA0002205581030000051
热水机组压缩机功率P的模型为P＝a1+a2(Ttank-Ta)+a3(Ta-Td)2
Ttank＝(T1+T2)/2
式中，COP表示能效比，P表示压缩机功率，Ttank为水温，Ta为环境温度，Tw为湿球温度，Td为露点温度，T1为水箱初始水温，T2为水箱最终水温，a1、a2、a3为拟合系数。
其中，水箱初始水温T1由实际测量得到。水箱最终水温T2由所需供应的热水负荷决定，查阅机组铭牌和运行手册，可根据热水负荷量确定对应的T2。
上述热泵热水机组的能效比模型和压缩机功率模型由实际试验拟合得出，可反映不同工况下的热泵运行情况，即热泵在不同天气、季节、热水负荷情况下的实际能效。上述模型可知，热泵的COP和P与Ttank-Ta有关，是一个可纳入综合能源系统优化模型的线性化模型。
步骤(3)中，输入第i天的实际天气数据，根据步骤(1)所提日负荷预测模型，得到第i天的冷、热、电负荷预测数据。根据第i天的天气、季节信息和热水负荷预测结果，确定第i天热泵各调度时刻的运行特性模型。
Figure BDA0002205581030000061
热水机组压缩机功率P的模型为
Figure BDA0002205581030000062
式中，COPt为t时刻的能效比，Pt为t时刻的压缩机功率，
Figure BDA0002205581030000063
和
Figure BDA0002205581030000064
分别t时刻的水箱温度和环境温度。
步骤(4)中，采用步骤(3)中确定的热泵热水机组的运行特性模型和日负荷预测结果。综合能源系统的组成主要包括外部电网、光伏、燃气轮机、电制冷机、余热锅炉、吸收式制冷机、空气源热泵热水机组、换热器、蓄电池等。
综合能源系统优化运行的目标函数表示为minC＝Ce+Cg
其中，Ce为向外部电网购电的成本：
Figure BDA0002205581030000065
Cg为系统购买天然气的成本：
Figure BDA0002205581030000066
式中，n表示调度时刻总数，
Figure BDA0002205581030000067
和
Figure BDA0002205581030000068
分别表示调度时刻t的购电价格、购气价格，Δt表示调度时刻的间隔，
Figure BDA0002205581030000069
分别为t时刻的购电功率、热电联供单元消耗的燃气功率、冷暖机组消耗的燃气功率和燃气锅炉消耗的燃气功率。
各元件应满足各自的输出功率约束：
Figure BDA00022055810300000610
式中，Pi，t、Qi，t和Ci，t分别表示系统中调度时刻t各元件输出的电功率、热功率和冷功率，下标min和max分别表示输出功率的最小值和最大值。
旋转设备应满足爬坡约束：
Figure BDA0002205581030000071
式中，Pi，t和Pi，t+Δt分别表示当前时刻和下一调度时刻的输出电功率，Pi，rmin和Pi，rmax分别表示旋转元件电功率输出的爬坡功率极限，其余变量含义同理。
储能设备应满足充/放电功率约束：
Figure BDA0002205581030000072
式中，PES，C，t和PES，D，t分别表示调度时刻t的充能功率和放能功率，下标min和max分别表示充放能功率的最小值和最大值；
储能设备储能量约束：
Wmin≤Wt≤Wmax
储能设备机理约束：
Wt+Δt＝(1-σ)Wt+(PES，C，tηc-PES，D，t/ηD)Δt
式中，Wt和Wt+Δt分别表示调度时刻t和下一时刻的储能量，σ表示能量自损率，ηc和ηD表示充/放能时的效率，Wmin和Wmax分别表示储能设备所能储备能量的最小值和最大值。
储能设备工作状态约束：
X(1，t)+X(2，t)≤1
式中，X(1，t)和X(2，t)为0-1变量，用于表示储能设备不能同时处于充能和放能状态。
对于如图2所示的综合能源系统，源侧设备发出的能量经过转换设备和传输网络到达用端，应满足供求平衡约束：
Figure BDA0002205581030000073
式中，
Figure BDA0002205581030000074
分别表示t时刻电网购电功率、燃气轮机输出电功率、电制冷机输出电功率(负值)、蓄电池充电功率(负值)、蓄电池放电功率、热泵热水机组输出电功率(负值)、光伏出力，
Figure BDA0002205581030000081
分别表示t时刻燃气锅炉输出蒸汽热功率、余热回收装置输出蒸汽热功率、换热器输出蒸汽热功率(负值)、吸收制冷设备输出蒸汽热功率(负值)，
Figure BDA0002205581030000082
分别表示t时刻燃气轮机输出热水功率、燃气锅炉输出热水功率、换热装置输出热水功率、热泵机组输出热水功率，
Figure BDA0002205581030000083
分别表示电制冷机输出冷功率、蒸汽吸收式制冷设备输出冷功率，
Figure BDA0002205581030000084
分别表示t时刻的电负荷、蒸汽热负荷、热水热负荷、冷负荷。
调用求解器YALMIP对优化模型求解，得出综合能源系统的优化运行方案。

Claims (4)

1.一种含热泵的综合能源系统协调运行优化方法，其特征在于，包括如下步骤：
(1)根据天气、季节历史数据和冷、热、电负荷历史数据，基于非线性回归分析法和神经网络预测理论，建立综合能源系统日负荷预测模型；
(2)分析天气因素、季节因素和热水负荷对热泵机组能效的影响，建立热泵在不同工况下的运行特性数学模型；
(3)输入实际的天气、季节信息获取日负荷预测结果，并根据天气、季节信息和热水负荷预测结果确定相匹配的热泵运行特性模型；
(4)构建以综合能源系统运行成本最小为目标的运行优化模型，并对目标函数优化求解，得出综合能源系统的优化运行方案；采用步骤(3)中确定的热泵热水机组的运行特性模型和日负荷预测结果；综合能源系统的组成主要包括外部电网、光伏、燃气轮机、电制冷机、余热锅炉、吸收式制冷机、空气源热泵热水机组、换热器、蓄电池；
综合能源系统优化运行的目标函数表示为
minC＝Ce+Cg
其中，Ce为向外部电网购电的成本：
Figure FDA0003920397300000011
Cg为系统购买天然气的成本：
Figure FDA0003920397300000012
式中，n表示调度时刻总数，
Figure FDA0003920397300000013
和
Figure FDA0003920397300000014
分别表示调度时刻t的购电价格、购气价格，Δt表示调度时刻的间隔，
Figure FDA0003920397300000015
分别为t时刻的购电功率、热电联供单元消耗的燃气功率、冷暖机组消耗的燃气功率和燃气锅炉消耗的燃气功率；
各元件应满足各自的输出功率约束：
Figure FDA0003920397300000016
式中，Pi,t、Qi,t和Ci,t分别表示系统中调度时刻t各元件输出的电功率、热功率和冷功率，下标min和max分别表示输出功率的最小值和最大值；
旋转设备应满足爬坡约束：
Figure FDA0003920397300000021
式中，Pi，t和Pi，t+Δt分别表示当前时刻和下一调度时刻的输出电功率，Pi,rmin和Pi,rmax分别表示旋转元件电功率输出的爬坡功率极限；
储能设备应满足充/放电功率约束：
Figure FDA0003920397300000022
式中，PES,C,t和PES,D,t分别表示调度时刻t的充能功率和放能功率，下标min和max分别表示充放能功率的最小值和最大值；
储能设备储能量约束：
Wmin≤Wt≤Wmax
储能设备机理约束：
Wt+Δt＝(1-σ)Wt+(PES,C,tη1-PES,D,t/ηD)Δt
式中，Wt和Wt+Δt分别表示调度时刻t和下一时刻的储能量，σ表示能量自损率，η1和ηD表示充/放能时的效率，Wmin和Wmax分别表示储能设备所能储备能量的最小值和最大值；
储能设备工作状态约束：
X(1,t)+X(2,t)≤1
式中，X(1,t)和X(2,t)为0-1变量，用于表示储能设备不能同时处于充能和放能状态；
调用求解器YALMIP对优化模型求解，得出综合能源系统的优化运行方案。
2.如权利要求1所述的含热泵的综合能源系统协调运行优化方法，其特征在于，步骤(1)中，对第i天前一个月以及所在月已过日期的天气、季节历史数据和冷、热、电负荷历史数据进行非线性回归分析，选取与冷、热、电负荷相关性较强的天气、季节数据，并将其作为神经网络输入的一部分；将第i天的实时天气预报数据及所得相关性较强的其他数据输入神经网络预测模型，模型即可输出第i天的冷、热、电负荷预测数据，热负荷包括热水负荷和热蒸汽负荷。
3.如权利要求1所述的含热泵的综合能源系统协调运行优化方法，其特征在于，步骤(2)中，天气因素、季节因素和热负荷对热泵机组能效的影响是指室外气象条件和热水负荷对热泵热水机组能效比和热水机组压缩机功率的影响，由此建立的热泵运行特性模型包含两个部分，其中热水机组能效比的模型为
Figure FDA0003920397300000031
热水机组压缩机功率P的模型为
P＝a1+a2(Ttank-Ta)+a＝(Ta-Td)2
Ttank＝(T1+T2)/2
式中，COP表示能效比，P表示压缩机功率，Ttank为水温，Ta为环境温度，Tw为湿球温度，Td为露点温度，T1为水箱初始水温，T2为水箱最终水温，a1、a2、a3为拟合系数；
其中，水箱初始水温T1由实际测量得到，水箱最终水温T2由所需供应的热水负荷决定，查阅机组铭牌和运行手册，根据热水负荷量确定对应的T2；
上述热水机组能效比的模型和压缩机功率模型由实际试验拟合得出，反映不同工况下的热泵运行情况，即热泵在不同天气、季节、热水负荷情况下的实际能效；上述模型可知，热泵的COP和P与Ttank-Ta有关，是一个可纳入综合能源系统优化模型的线性化模型。
4.如权利要求1所述的含热泵的综合能源系统协调运行优化方法，其特征在于，步骤(3)中，输入第i天的实际天气数据，根据步骤(1)所提日负荷预测模型，得到第i天的冷、热、电负荷预测数据，根据第i天的天气、季节信息和热水负荷预测结果，确定第i天热泵各调度时刻的运行特性模型。
CN201910879944.3A 2019-09-18 2019-09-18 一种含热泵的综合能源系统协调运行优化方法 Active CN110619110B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910879944.3A CN110619110B (zh) 2019-09-18 2019-09-18 一种含热泵的综合能源系统协调运行优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910879944.3A CN110619110B (zh) 2019-09-18 2019-09-18 一种含热泵的综合能源系统协调运行优化方法

Publications (2)

Publication Number Publication Date
CN110619110A CN110619110A (zh) 2019-12-27
CN110619110B true CN110619110B (zh) 2023-04-07

Family

ID=68923571

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910879944.3A Active CN110619110B (zh) 2019-09-18 2019-09-18 一种含热泵的综合能源系统协调运行优化方法

Country Status (1)

Country Link
CN (1) CN110619110B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112712204A (zh) * 2020-12-29 2021-04-27 华润电力技术研究院有限公司 火电企业电热负荷优化分配方法、装置、设备及存储介质
CN112686447B (zh) * 2020-12-30 2024-05-31 中国海洋石油集团有限公司 海上油气田开发多能流耦合负荷预测方法
CN112686571B (zh) * 2021-01-12 2023-01-20 山东电力工程咨询院有限公司 基于动态自适应建模的综合智慧能源优化调度方法及系统
CN112880133B (zh) * 2021-01-26 2022-09-06 国网江苏省电力有限公司经济技术研究院 一种用于楼宇空调系统的灵活用能控制方法
CN113449900B (zh) * 2021-01-27 2023-03-24 国网山东省电力公司济南供电公司 一种面向终端用户的综合能源优化方法及系统
CN113240183B (zh) * 2021-05-20 2023-08-18 西安图迹信息科技有限公司 商业建筑电热负荷日前优化调度方法和系统
CN113469412B (zh) * 2021-06-02 2024-04-09 国核电力规划设计研究院有限公司 一种综合能源系统实时运行策略优化方法及系统
CN113551375B (zh) * 2021-07-23 2022-09-06 贵州汇通华城股份有限公司 一种用于电子工厂的冷负荷预测方法及系统
CN113655762A (zh) * 2021-07-27 2021-11-16 咸阳新兴分布式能源有限公司 一种燃气供能系统运行优化控制方法及系统
CN114357666A (zh) * 2022-03-17 2022-04-15 华电电力科学研究院有限公司 一种在役有机朗肯循环系统运行优化方法及系统
CN116182428B (zh) * 2023-04-25 2023-08-08 广东力王科技股份有限公司 一种用于太阳能热泵的优化控制方法及系统
CN118014774B (zh) * 2024-04-08 2024-06-25 国网浙江综合能源服务有限公司 采用空气源热泵的制热设备配置方法、系统、设备和介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017049756A (ja) * 2015-09-01 2017-03-09 中国電力株式会社 熱源機器ネットワークの運転計画を最適化するための方法及びシステム、及びプログラム
CN108932560A (zh) * 2018-06-13 2018-12-04 天津大学 基于模型预测控制的园区综合能源系统优化调度方法
CN109286208A (zh) * 2018-10-09 2019-01-29 中国电力科学研究院有限公司 一种综合能源系统调度方法和系统
CN109523137A (zh) * 2018-10-29 2019-03-26 天津大学 考虑楼宇热负荷需求响应的园区综合能源优化调度方法
CN109858759A (zh) * 2018-12-29 2019-06-07 陕西鼓风机（集团）有限公司 一种工业园区综合能源平衡调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017049756A (ja) * 2015-09-01 2017-03-09 中国電力株式会社 熱源機器ネットワークの運転計画を最適化するための方法及びシステム、及びプログラム
CN108932560A (zh) * 2018-06-13 2018-12-04 天津大学 基于模型预测控制的园区综合能源系统优化调度方法
CN109286208A (zh) * 2018-10-09 2019-01-29 中国电力科学研究院有限公司 一种综合能源系统调度方法和系统
CN109523137A (zh) * 2018-10-29 2019-03-26 天津大学 考虑楼宇热负荷需求响应的园区综合能源优化调度方法
CN109858759A (zh) * 2018-12-29 2019-06-07 陕西鼓风机（集团）有限公司 一种工业园区综合能源平衡调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
空气源热泵热水机组全年综合能效评定;吴静怡等;《制冷学报》;20091214;第14-18页 *

Also Published As

Publication number Publication date
CN110619110A (zh) 2019-12-27

Similar Documents

Publication Publication Date Title
CN110619110B (zh) 一种含热泵的综合能源系统协调运行优化方法
Das et al. Effect of load following strategies, hardware, and thermal load distribution on stand-alone hybrid CCHP systems
CN111738502B (zh) 促进富余风电消纳的多能互补系统需求响应运行优化方法
Zeng et al. A novel method based on multi-population genetic algorithm for CCHP–GSHP coupling system optimization
JP5789792B2 (ja) 需給制御装置、需給制御方法、および、需給制御システム
US8019445B2 (en) Method and apparatus for optimization of distributed generation
CN107134810B (zh) 一种独立型微能源网储能系统优化配置求解方法
CN111027846B (zh) 一种考虑热氢联产的电氢综合能源系统及其容量配置方法
McLarty et al. Micro-grid energy dispatch optimization and predictive control algorithms; A UC Irvine case study
CN111768032B (zh) 基于双模式热泵储能协调的综合能源系统双层优化方法
CN111639819B (zh) 一种综合能源园区多阶段优化控制方法
CN111724045B (zh) 基于数据驱动的综合能源系统能效评价与提升方法
CN110555618A (zh) 基于改进樽海鞘算法的网络化综合能源系统优化调度方法
CN113240204A (zh) 考虑可再生能源消纳区域能源站容量优化配置方法及系统
KR20130074045A (ko) 마이크로그리드 기반의 수용가 에너지 관리 방법 및 시스템
CN112258021A (zh) 用于家庭燃料电池热电联供建筑的能效评估方法及系统
CN116992548A (zh) 一种建筑及区域综合能源系统的设计优化方法及系统
CN113673739B (zh) 分布式综合能源系统的多时空尺度协同优化运行方法
CN108736518B (zh) 一种城市综合体及大型公共建筑群的综合供能系统及方法
Ren et al. Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
CN110783917A (zh) 含有新能源消纳的多能源能量枢纽配置方法
CN114757469B (zh) 考虑多能流设备的区域综合能源系统日前优化调度方法
Georgiou et al. A linear programming approach to the optimal utilization of renewable energy sources in buildings
Pasban-Gajan et al. Optimal scheduling of renewable-based energy hubs considering time-of-use pricing scheme

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