CN110929909A - 一种空气源热泵用户电负荷预测方法 - Google Patents

一种空气源热泵用户电负荷预测方法 Download PDF

Info

Publication number
CN110929909A
CN110929909A CN201811094245.XA CN201811094245A CN110929909A CN 110929909 A CN110929909 A CN 110929909A CN 201811094245 A CN201811094245 A CN 201811094245A CN 110929909 A CN110929909 A CN 110929909A
Authority
CN
China
Prior art keywords
heat pump
air source
source heat
load
user
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
Application number
CN201811094245.XA
Other languages
English (en)
Other versions
CN110929909B (zh
Inventor
李洪涛
程林
饶强
郭艳飞
赵贺
迟忠君
及洪泉
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.)
Tsinghua University
State Grid Beijing Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Beijing Electric Power Co Ltd
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 Tsinghua University, State Grid Beijing Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN201811094245.XA priority Critical patent/CN110929909B/zh
Publication of CN110929909A publication Critical patent/CN110929909A/zh
Application granted granted Critical
Publication of CN110929909B publication Critical patent/CN110929909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (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

本发明公开了一种空气源热泵用户电负荷预测方法，该方法考虑了负荷的时序特性，适用于以空气源热泵为采暖热源的用户。该空气源热泵用户电负荷预测方法通过分步建立空气源热泵电负荷时序模型和其它用电设备电负荷时序模型，再综合构建热泵用户电负荷预测模型。通过计算不同温度条件下热泵用户的热负荷与空气源热泵制热效率，得到空气源热泵实时电负荷；基于实时功率系数、同时使用系数以及用电设备额定功率，计算其它用电设备实时电负荷；依据空气源热泵和其它用电设备的实时电负荷，确定空气源热泵用户电负荷。与常见的单点预测方法相比，负荷时序曲线能够体现空气源热泵用户的设备实际运行特点，可以更加准确地预测空气源热泵用户的电负荷。

Description

一种空气源热泵用户电负荷预测方法
技术领域
本发明涉及热泵技术领域，具体涉及一种空气源热泵用户电负荷预测方法。
背景技术
为响应国家节能减排战略规划，促进低碳经济发展、减轻环境污染。当前，在我国北方对冬季供暖方式进行改革，以使用电能的空气源热泵空调替代农村地区落后的燃煤取暖方式，在节能和治理大气污染方面都有重要作用。特别是在京津冀及其周边的农村地区，空气源热泵已经得到广泛的推广应用，与此同时，带来的是当地耗电量的大幅度增加，相应地需要在对应地区进行电力增容为目的的电网改造工作。确定需要的电力增容量是电网改造的必备条件，因此，电负荷预测就成为配电网规划的前提，也是电网设备选型布局的依据，负荷预测的精度直接影响配电网建设改造的效果及电网运行经济性。
目前，在电能替代配套电网规划与建设改造过程中，电负荷计算通常采用经验法或指标法，这类方法过于粗略，由于电负荷计算结果偏离实际，造成在电网运行过程中配网变压器的负载率低下，系统经济性较差。针对北方农村以空气源热泵替代供暖的改变，如何提高改变后的电负荷预测精度，以更有效地进行电网规划与同步改造就成为困扰。
发明内容
为解决上述提高空气源热泵替代供暖的改变后电负荷预测精度的问题，本发明提供了一种空气源热泵用户电负荷预测方法，该方法将空气源热泵用户的电负荷分为空气源热泵负荷和其它用电设备负荷，通过建立空气源热泵电负荷时序模型和其它用电设备电负荷时序模型，构建空气源热泵用户电负荷预测模型，预测模型体现了空气源热泵用户的设备实际运行特点，提高了空气源热泵用户的负荷预测精度。
本发明为一种空气源热泵用户电负荷预测方法，主要针对以空气源热泵为采暖热源的电能替代用户。该方法将空气源热泵用户电负荷构成分为两类，一类是空气源热泵电负荷，另一类是其它用电设备(如照明、电脑等其它电器)电负荷。空气源热泵主要作用是冬季供暖，其用电负荷与用户供暖需求的热负荷有较强关联关系，而且随着室外温度的变化，空气源热泵的电负荷也会发生变化，室外温度越高，空气源热泵的电负荷越小，所以确定用户电负荷时，对空气源热泵产生的电负荷独立进行建模计算。对于其它用电设备，其产生的电负荷与空气源热泵电负荷有本质区别，所以对其它用电设备电负荷也进行独立建模计算。两类电负荷均为24小时的逐时负荷，二者求和构成热泵用户的逐时负荷。
一种空气源热泵用户电负荷预测方法，所述方法包括下述步骤：
步骤一：建立空气源热泵用户热负荷时序模型Qc(τ)，计算不同温度条件下空气源热泵用户的实时热负荷；进一步地：
步骤1-1：计算空气源热泵用户的设计热负荷Q'c。
Q'c＝qc×A×rc
其中：
Q'c表示用户的设计热负荷，单位为W；
qc为用户热负荷指标，单位为W/m2；
A为建筑面积，单位为m2；
rc为采暖同时率。
步骤1-2：通过以下热负荷时序模型，计算不同温度条件下空气源热泵用户的实时热负荷。
Figure BDA0001805153970000021
其中：
τ表示时刻；
Qc(τ)表示典型日τ时刻用户的热负荷，单位为W，Qc(τ)与τ时刻的室外温度有关；
tn为冬季采暖室内设计温度，单位为℃，一般取为18℃；
t’w为冬季采暖室外计算温度，单位为℃，该温度与用户所处的地区有关，其取值可查阅有关设计规范；
tw(τ)为典型日τ时刻室外温度，单位为℃；
步骤二：计算不同温度条件下空气源热泵实际制热效率；
此处的温度条件指的是室外温度条件，空气源热泵在制热循环情况下的理论制热效率与冷凝温度(影响供水温度，两者之间存在一个传热温差)和蒸发温度(受室外温度影响，两者之间存在一个传热温差)均相关，该步骤是基于空气源热泵供水温度不变的前提下成立的。进一步地：
步骤2-1：计算空气源热泵理论制热效率
Figure BDA0001805153970000022
其中：
copc(τ)为τ时刻空气源热泵理论制热效率；
Tl为空气源热泵供水温度，单位为K；
ΔTl为冷凝器中介质冷凝温度与供水温度的传热温差，单位为K，一般可取ΔTl＝5K；
Tz(τ)为τ时刻室外温度，单位为K；
ΔTz为室外温度与蒸发器中介质蒸发温度的传热温差，单位为K，一般可取ΔTz＝8K。
步骤2-2：计算空气源热泵实际制热效率
cop'c(τ)＝ε×copc(τ)
其中：
cop′c(τ)为空气源热泵实际制热效率；
ε为空气源热泵实际工作效率。
步骤三：建立空气源热泵电负荷时序模型，计算空气源热泵实时电负荷；
空气源热泵电负荷时序模型为：
Figure BDA0001805153970000031
其中：
Ec(τ)表示典型日τ时刻空气源热泵的实际电负荷，单位为W；
cop′c(τ)表示τ时刻空气源热泵的实际制热效率。τ时刻空气源热泵的实际电负荷等于该时刻用户热负荷除以该时刻空气源热泵的实际制热效率。
步骤四：建立其它用电设备电负荷时序模型，计算其它用电设备实时电负荷；
其它用电设备电负荷时序模型为：
Figure BDA0001805153970000032
其中：
Eq(τ)表示典型日τ时刻其它用电设备的电负荷，单位为W；
ε(τ)为τ时刻其它用电设备的实时功率系数，其数值为设备的实时功率与额定功率的比值，该数值通过调研同类用户获取；
rq为τ时刻其它用电设备的同时使用系数，该数值通过调研同类用户获取；
N为设备的额定功率，单位为W；
m为其它用电设备的种类。
步骤五：建立空气源热泵用户电负荷预测模型，预测用户电负荷。
空气源热泵用户电负荷预测模型为：
E(τ)＝Ec(τ)+Eq(τ)
其中：
E(τ)表示典型日τ时刻空气源热泵用户电负荷，单位为W，由该时刻空气源热泵电负荷与其它用电设备电负荷构成。
本发明提供的技术方案具有的优异效果主要体现在：
1、本发明的一种空气源热泵用户电负荷预测方法与其他预测方法相比，考虑气候影响及负荷时序特性，提高了空气源热泵用户的负荷预测精度，预测模型体现了空气源热泵用户的设备实际运行特点。
2、本发明的一种空气源热泵用户电负荷预测方法可以用来指导电能替代配套电网改造过程中的设备选型和供电方案优化，增强配电容量与实际用电负荷的匹配性，提高配电系统和运行经济性。
附图说明
图1是本发明提供的一种空气源热泵用户电负荷预测方法流程图；
图2是实施例中某地区典型日逐时室外温度依时间分布图；
图3是实施例中根据热负荷时序模型得到的典型日用户热负荷依时间分布图；
图4是实施例中典型日温度条件下的空气源热泵制热效率依时间分布图；
图5是实施例中典型日空气源热泵电负荷依时间分布图
图6是实施例中典型日其他用电设备电负荷依时间分布图
图7是实施例中典型日空气源热泵用户电负荷预测依时间分布图
具体实施方式
为进一步阐述本发明所提出的一种空气源热泵用户电负荷预测方法的可行性，下面将以某地区典型日的改空气源热泵供暖用户的电负荷预测进行说明：
本实施例的某地区空气源热泵供暖用户电负荷预测方法，包括：
步骤一：建立该地区空气源热泵用户热负荷时序模型Qc(τ)，计算不同温度条件下空气源热泵用户的热负荷。
假设位于某地区的某空气源热泵用户，用户热负荷指标qc取100W/m2，面积A为1000m2；采暖同时率rc为1.0。由
Q'c＝qc×A×rc
计算得到设计热负荷Q'c为100kW，冬季供暖室外计算温度为-7.6℃，室内设计温度为18℃。根据当地气候条件，用户实际典型日逐时室外温度详见图2。
再根据热负荷时序模型
Figure BDA0001805153970000051
可计算得到上述不同温度条件下用户的热负荷，以图3表示。
步骤二：计算不同温度条件下空气源热泵制热效率；
假设空气源热泵供水温度为45℃，取ΔTl＝5K，取ΔTz＝8K，
由
Figure BDA0001805153970000052
得到空气源热泵在当地气候及室外温度条件下的制热效率，以图4表示。
步骤三：建立空气源热泵电负荷时序模型，计算空气源热泵实时电负荷；
根据电负荷时序模型
Figure BDA0001805153970000053
计算得到空气源热泵实际电负荷，以图5表示。
步骤四：建立其它用电设备电负荷时序模型，计算其它用电设备实时电负荷；
根据其它用电设备电负荷时序模型
Figure BDA0001805153970000054
可得到其它用电设备实时电负荷，以图6表示。
步骤五：建立空气源热泵用户电负荷预测模型，预测用户电负荷。
根据空气源热泵用户电负荷预测模型
E(τ)＝Ec(τ)+Eq(τ)
可预测得到该用户实时电负荷，以图7表示。
以上实施例仅用以说明本发明的技术方案，并非对其限制，尽管上述实施例对本发明进行了详细的说明，所属领域的技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在本发明要求保护的范围之内。

Claims (4)

1.一种空气源热泵用户电负荷预测方法，其特征在于：所述方法包括以下步骤：
步骤一：建立空气源热泵用户热负荷时序模型，
Figure FDA0001805153960000011
其中：
τ表示时刻；
Qc(τ)表示典型日τ时刻用户的热负荷；
Q'c表示用户的设计热负荷；
tn为冬季采暖室内设计温度；
tw(τ)表示典型日τ时刻室外温度；
t′w为冬季采暖室外计算温度；
步骤二：计算不同温度条件下空气源热泵实际制热效率；
步骤三：建立空气源热泵电负荷时序模型；
Figure FDA0001805153960000012
其中：
Ec(τ)表示典型日τ时刻空气源热泵的实际电负荷；
cop′c(τ)表示τ时刻空气源热泵的实际制热效率；
步骤四：建立其它用电设备电负荷时序模型，
Figure FDA0001805153960000013
其中：
Eq(τ)表示典型日τ时刻其它用电设备的电负荷；
ε(τ)为τ时刻其它用电设备的实时功率系数；
rq为τ时刻其它用电设备的同时使用系数；
N为设备的额定功率；
m为其它用电设备的种类；
步骤五：建立空气源热泵用户电负荷预测模型，
E(τ)＝Ec(τ)+Eq(τ)
其中：
E(τ)表示典型日τ时刻热泵用户电负荷。
2.根据权利要求1所述的空气源热泵用户电负荷预测方法，其特征在于：所述步骤一用户的设计热负荷采用热负荷指标法，用户的设计热负荷Q'c，
Q'c＝qc×A×rc
其中：
qc为用户热负荷指标；
A为建筑面积；
rc为采暖同时率。
3.根据权利要求1所述的空气源热泵用户电负荷预测方法，其特征在于：所述用户其它用电设备的实时功率系数ε(τ)为24小时内逐时功率系数，其它用电设备的同时使用系数rq为24小时的逐时同时使用系数。
4.根据权利要求1所述的空气源热泵用户电负荷预测方法，其特征在于：所述步骤五建立空气源热泵用户电负荷预测模型为热泵用户24小时的实时电负荷预测，预测数据为空气源热泵实际电负荷和其它用电设备的实时电负荷之和。
CN201811094245.XA 2018-09-19 2018-09-19 一种空气源热泵用户电负荷预测方法 Active CN110929909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811094245.XA CN110929909B (zh) 2018-09-19 2018-09-19 一种空气源热泵用户电负荷预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811094245.XA CN110929909B (zh) 2018-09-19 2018-09-19 一种空气源热泵用户电负荷预测方法

Publications (2)

Publication Number Publication Date
CN110929909A true CN110929909A (zh) 2020-03-27
CN110929909B CN110929909B (zh) 2022-07-12

Family

ID=69856009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811094245.XA Active CN110929909B (zh) 2018-09-19 2018-09-19 一种空气源热泵用户电负荷预测方法

Country Status (1)

Country Link
CN (1) CN110929909B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740815A (zh) * 2018-12-30 2019-05-10 国网北京市电力公司 电负荷预测方法、装置、存储介质及处理器

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002364383A (ja) * 2001-06-04 2002-12-18 Ishikawajima Harima Heavy Ind Co Ltd ガスタービン吸気冷却装置
CN104269940A (zh) * 2014-10-29 2015-01-07 四川慧盈科技有限责任公司 一种楼宇空调设备负荷监控系统
CN108154258A (zh) * 2017-11-27 2018-06-12 国网北京市电力公司 空气源热泵负荷的预测方法、装置、存储介质和处理器
CN108334992A (zh) * 2018-02-28 2018-07-27 新奥泛能网络科技股份有限公司 建筑物的负荷预测方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002364383A (ja) * 2001-06-04 2002-12-18 Ishikawajima Harima Heavy Ind Co Ltd ガスタービン吸気冷却装置
CN104269940A (zh) * 2014-10-29 2015-01-07 四川慧盈科技有限责任公司 一种楼宇空调设备负荷监控系统
CN108154258A (zh) * 2017-11-27 2018-06-12 国网北京市电力公司 空气源热泵负荷的预测方法、装置、存储介质和处理器
CN108334992A (zh) * 2018-02-28 2018-07-27 新奥泛能网络科技股份有限公司 建筑物的负荷预测方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740815A (zh) * 2018-12-30 2019-05-10 国网北京市电力公司 电负荷预测方法、装置、存储介质及处理器

Also Published As

Publication number Publication date
CN110929909B (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
Seo et al. Detailed analysis on part load ratio characteristics and cooling energy saving of chiller staging in an office building
Kayo et al. Building energy system optimizations with utilization of waste heat from cogenerations by means of genetic algorithm
Li et al. Energy simulation and analysis of the heat recovery variable refrigerant flow system in winter
CN103439941B (zh) 一种燃气内燃机冷热电三联供系统优化运行方法
CN103020481B (zh) 一种基于节能的确定空气源热泵地暖最佳运行工况的方法
CN108489013A (zh) 基于遗传算法和负荷在线修正的中央空调控制方法及装置
Ferrara et al. EDeSSOpt–Energy Demand and Supply Simultaneous Optimization for cost-optimized design: Application to a multi-family building
Kiviluoma et al. Harnessing flexibility from hot and cold: heat storage and hybrid systems can play a major role
Zheng et al. Benefit analysis of air conditioning systems using multiple energy sources in public buildings
CN104456845B (zh) 公用建筑中央空调预开启时间的计算方法
CN107860057B (zh) 一种热电联产供暖系统热负荷经济优化调度方法
Seshadri et al. High efficiency ‘low-lift’vapour-compression chiller for high-temperature cooling applications in non-residential buildings in hot-humid climates
CN103745281A (zh) 热电联产机组的n段区间电负荷预测寻优方法
CN104216368A (zh) 一种基于需求响应的分布式联供系统优化运行控制方法
CN110929909B (zh) 一种空气源热泵用户电负荷预测方法
Peralta et al. Ground source heat pump modeling, operation, and participation in electricity markets
Jing et al. Performance comparison and suitable climatic zones of three water-mediated evaporative cooling technologies
Beghi et al. Load forecasting for the efficient energy management of HVAC systems
CN111461433A (zh) 基于需求分布连续条件下的区域分布式能源系统优化方法
Baglivo et al. Air-source heat pump (ASHP) under very climate change scenarios: a numerical analysis
Lamptey et al. Comparative energy analysis of cooling energy performance between conventional and hybrid air source internet data center cooling system
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
CN109740815B (zh) 电负荷预测方法、装置、存储介质及处理器
TW202248577A (zh) 溫度調控設備的節能控制方法及裝置
Li et al. Seamlessly Fuel Flexible Heat Pump with Optimal Model-based Control Strategies to Reduce Peak Demand, Utility Cost and CO2 Emission

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