CN111461439B - 基于城市大气扩散预测的多热源供热负荷调度方法和系统 - Google Patents
基于城市大气扩散预测的多热源供热负荷调度方法和系统 Download PDFInfo
- Publication number
- CN111461439B CN111461439B CN202010255651.0A CN202010255651A CN111461439B CN 111461439 B CN111461439 B CN 111461439B CN 202010255651 A CN202010255651 A CN 202010255651A CN 111461439 B CN111461439 B CN 111461439B
- Authority
- CN
- China
- Prior art keywords
- heat
- model
- atmospheric
- source
- heat supply
- 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
- 238000009792 diffusion process Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 88
- 231100000719 pollutant Toxicity 0.000 claims abstract description 88
- 238000004088 simulation Methods 0.000 claims abstract description 51
- 238000010438 heat treatment Methods 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 238000013441 quality evaluation Methods 0.000 claims abstract description 14
- 125000004432 carbon atom Chemical group C* 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 14
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 claims description 8
- 239000000356 contaminant Substances 0.000 claims description 8
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 239000013618 particulate matter Substances 0.000 claims description 7
- 239000000443 aerosol Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 235000017284 Pometia pinnata Nutrition 0.000 claims description 5
- 239000007789 gas Substances 0.000 claims description 5
- 238000000275 quality assurance Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 238000013524 data verification Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 229910052717 sulfur Inorganic materials 0.000 claims description 3
- 238000011109 contamination Methods 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 238000004806 packaging method and process Methods 0.000 claims description 2
- 239000003795 chemical substances by application Substances 0.000 claims 1
- 239000010419 fine particle Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 12
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
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"
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
- F24D19/1009—Arrangement or mounting of control or safety devices for water heating systems for central heating
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于城市大气扩散预测的多热源供热负荷调度方法和系统，该方法包括如下步骤：步骤S1，建立各热源污染物排放模型；步骤S2，建立供热网络模型及热源侧负荷约束、热网输配能力约束和热网解列模型，确定多热源负荷分配可行域；步骤S3，以多层地域模拟气象数据和污染物清单作为边界条件导入大气质量预估模型系统，生成污染物浓度时空分布，对模型进行验证；步骤S4，建立大气质量评价体系；步骤S5，构建最低大气污染的目标函数，通过在线执行多方案比较，实现在特定时期内保障重点区域大气质量达到标准，获得最佳多热源供热系统负荷调度分配方案。本发明的方法和系统可有效解决重大活动期间空气质量保障问题。
Description
技术领域
本发明涉及一种基于城市大气扩散预测的多热源供热负荷调度方法和系统，属于多热源供热负荷调度领域。
背景技术
我国部分城市一直承担着举办各类大型体育赛事、纪念活动、论坛峰会的重要职责。重大活动期间的空气质量保障措施一直受到多领域研究人员的关注，这类措施具有阶段性、临时性、全面性和力度大的特点。通过高强度的污染减排措施能明显、有效改善环境空气质量，保障活动、会议的顺利开展和进行。
同时，随着城市环境压力不断增加，高能源利用率的集中供热系统已经成为我国北方城市供热的重要支撑。而多热源的城市供热系统具有能源利用率高，供热质量高，运行安全性、可靠性、灵活性高的特征，正日益受到大家的关注。目前城市供热系统的环境影响评价仅考虑设备特征、热网约束等条件，结合气象特征、热网输配能力的研究欠缺，未涉及负荷调度及区域微气象模拟。事实上，多热源城市供热系统对环境的影响与热源污染物形式和其扩散有很大关联，而污染物的扩散又与气象因素，如风速、风向等相关性较强。结合区域微气象模拟对多热源城市供热系统进行运行调度优化，能够实现重大活动期间空气质量保障问题，使得管控措施合理有效。但是，目前对重大活动期间空气质量保障措施仅通过气象预测分析污染特征污染规律，“一刀切”式关闭重点保障区域内所有产生污染的供热源。未考虑在气象作用下其他区域的热源污染存在扩散至重点保障区域的可能及热网解列、输配能力约束，易导致重点保障区域内热源关闭后供热不足现象。
为了解决重大活动期间空气质量保障和供热保障问题，本发明提出了基于城市大气扩散预测的多热源供热负荷调度方法和系统。
发明内容
本发明的目的是提供一种基于城市大气扩散预测的多热源供热负荷调度方法和系统，通过微气象的数据和模拟，结合热网输配能力和热网解列方法的约束，优化多热能供热负荷调度分配方案，减少重点城市重点区域大气污染物浓度，保障重大活动期间的空气质量，满足供热需求。
为了解决上述技术问题，本发明提供了一种基于城市大气扩散预测的多热源供热负荷调度方法，包括如下步骤：
步骤S1，选取合适的污染物指标体系，针对多热源供热系统建立各热源的污染物排放模型；多热源的城市供热系统相比于单热源具有能源利用率高，供热质量高，运行安全性、可靠性、灵活性高的特征，因此正日益受到大家的关注。
步骤S2，建立供热网络模型及热源侧负荷约束、热网输配能力约束和热网解列模型，并确定多热源间的负荷分配可行域或组合关系范围；
步骤S3，以多层地域模拟气象数据和污染源清单(包括人为源和自然源)作为边界条件导入大气质量预估模型系统(如光化学模型CMAQ、扩散模型Amermod等)，形成污染物浓度时空分布，对模型进行验证；
步骤S4，建立城市范围内大气质量评价体系；
步骤S5，构建重点保障区域内空气质量保障目标函数，对目标函数求解以获得最优多热源供热系统负荷调度分配方案。
上述技术方案中，进一步地，步骤S1中建立各热源污染物排放模型具体为：
步骤S11，选取气象观测站监测数据中的常规污染物二氧化氮(NO2)、二氧化硫(SO2)、细颗粒物(PM2.5)和可吸入颗粒物(PM10)作为污染物指标；
步骤S12，建立热源污染物排放模型，根据不同热源的能源消耗量及能源对应污染物排放因子计算污染物排放量
Q＝R×δi
上式中，
R：能源消耗量，t；
δi：第i种污染物的排放因子，kg/t。
进一步地，步骤S2具体包括以下步骤：
步骤S21，根据图论将热网结构图中的各个部件抽象成节点和区段两种元素，分别对节点、区段和环路进行描述。
步骤S22，用关联矩阵A、B分别表示任意节点与区段间连接关系和任意区段与基本环路间的从属关系；流量分布、节点净质量流量和区段压降分布分别由向量G、g、ΔP表示，压降主要由流体流动产生的流动阻力(包括沿程阻力和局部阻力)引起。根据民用热水的特征，这里忽略高度差产生的重力压降和工质相变动量变化产生的动力压降。
步骤S23，根据基尔霍夫定律求解热网流动状态，用节点流量守恒方程和基本环路动量守恒方程描述
AGT＝g，BΔPT＝0
步骤S24，建立热负荷平衡约束、热负荷变化范围约束(包括热电联产机组抽汽供热能力范围约束)、机组升降负荷速率约束，以保障能源供应的安全性和稳定性。
步骤S25，建立热网输配能力约束，维持全网各处热水流速在一定范围内，以保证热网内热水流动满足技术要求，用户端供热参数满足用户要求。首先定义管网流速偏差系数
Δef＝∑Δfj
上式中，
Δfj：各区段内热水流速和正常流速的偏差，用下式描述
上式中，
kf：流速偏差在供热品质计算中的惩罚系数。
热网输配能力约束描述为热网各处流速偏差不超过规定偏差范围
Δef≤Δef，max
Δfj≤δfi
步骤S26，建立热网解列方案约束，即阀门解列方案的拓扑连通性判断和供热负荷平衡性判断。阀门解列方案的拓扑连通性判断意为排除热源或用户有流量但进口阀关闭的方案以及节点流量不守恒的方案，即排除某一独立区未实现供热时，其他热源处连接的支线干线阀门已被关闭的情况；供热负荷平衡性判断意为排除热网区域内供给负荷小于用热负荷的方案，同时排出网损率过大的方案，具体表现为关闭部分阀门后使热负荷超过热源供应能力的情况；
步骤S27，根据上述步骤S24～S26中的五种约束，基于供热模型确定多热源间的负荷分配可行域。
进一步地，步骤S3具体为：
步骤S31，利用气象模拟应用WRF模型获取多层地域模拟气象数据，所述的多层地域模拟气象数据包括气温、相对湿度和风速风向等；多层地域模拟气象数据具有6h时间分辨率和1°×1°空间分辨率。多层地域模拟气象数据通过四维同化插值到WRF模式网格结点上，模拟本地气象场，并转化为所需网格化气象资料。
步骤S32，污染源清单中自然源排放数据利用自然源气体及气溶胶排放模型MEGAN估算，土地覆盖数据区域分辨率可达300m；大气质量预估模型的人为污染源清单采用热源排放模型作为排放信息输入，以量化分析在微气象条件下各个热源排放对重点区域空气质量的影响；
步骤S33，将污染源清单中的污染源格栅化纳入0.5°×0.5°分辨率的数据库，将多层地域模拟气象数据和污染源清单作为边界条件输入大气质量预估模型系统，结合朗伯投影坐标系对重点保障区域内各污染物扩散情况进行时空模拟。大气质量预估模型采用3层嵌套网格技术：第1层覆盖全中国；第2层覆盖重点保障区域所属地域，分为东北、华北、西北、华中、华东、华南；第3层覆盖重点保障区域。
最终形成的污染物浓度分布结果涉及时间、空间两个变量，即可模拟规定时间段内网格点的平均浓度，并用下式表示
上式中，
Sm：模拟区域面积，即重点保障区域面积；
ρt，i(x，y)：点(x，y)处大气污染物i的质量浓度；
步骤S34，利用气象观测站数据验证模型计算结果，评价指标为分数偏差均值B和分数误差均值E，当模拟结果B≤±30％，E≤±50％时，认为该大气模型精确度较高。
上式中，
N：模拟次数；
ZS：模拟值；
ZR：观测值。
更进一步地，步骤S4，依据模糊矩阵理论，结合环境空气质量标准建立城市范围内大气质量评价体系，具体包括以下步骤：
步骤S41，分别用集合C和S描述大气污染物质量和大气环境质量的评价标准集合，区域地理信息分为不保障区域，一般保障区域和空气质量重点保障区域，分别用权重系数m1、m2、m3描述其保障的重要程度，m1+m2+m3＝1，其中m1＝0，m2、m3均大于0；重点保障区域为第3层网格，一般保障区域为第2层网格除去第3层网格区域，不保障区域为第1层网格除去第2层和第3层网格区域；
步骤S42，依据环境空气质量标准中对大气环境质量的分类，用隶属度函数U描述环境因素和评价标准之间的模糊关系
上式中，
U1、U2、U3分别代表污染物程度为基本无污染、一般污染和严重污染的概率值；
S1～S3：大气质量不同等级的限值，为集合S中的元素；
步骤S43，确定评价指标的权重，权重系数用各污染物模拟平均值相对于大气质量标准限值均值表示；由大气质量预估模型系统得到的污染物扩散模拟结果具有时空特性，区域污染物浓度模拟值为其所在区域内各网格点模拟值的平均；则第i个污染物的归一化权重系数pi为
上式中，
Pi：第i个污染物的权重值，
si：第i个污染物的大气质量标准限值均值，
Si，1、Si，2、Si，3分别为国家大气质量三级标准：基本无污染、一般污染和严重污染的标准限值；
步骤S44，构建区域对象大气污染程度描述函数
上式中，
Dj，k：k区域处于三个污染等级的概率值，j取1，2，3，D1，k～D3，k中的最大值对应研究对象的大气质量污染程度；k取1，2，3，分别代表不保障区域、一般保障区域和重点保障区域；
Si，j：第i个污染物在第j级标准下的限值；
mk为权重系数。
进一步地，步骤S5中构建重点保障区域内空气质量保障目标函数具体为：
根据大气污染物程度描述函数，D1，3越大表明重点保障区域越可能处于基本无污染状态，同时考虑污染程度对应的持续时间δxj(δxj为最大可能处于的污染程度等级所持续的时间)，污染程度越低，持续时间越长，该区域的空气质量越高；
由此构建最低大气污染的目标函数，优化变量为各热源负荷
maxF＝max{D1，3×δx1+D1，2×δx1}。
在多热源负荷分配可行域中形成多个可行方案，并通过目标函数计算研究区域空气质量状况，实现在特定时期内保障重点区域大气质量达到标准，最终获得最优多热源供热系统负荷调度分配方法。当需要在短时间内完成多个方案评估比较，即在15分钟内完成60个以上的方案生成和比较时，简单的在线执行已无法满足，可引入启发式算法进行优化求解。启发式算法的应用可实现全可行域搜索，使最终优化方案为最佳方案。
又一方面，本发明还提供了一种基于城市大气扩散预测的多热源供热负荷调度系统，包括热源污染物排放模型模块、供热网络模型模块、热源模型约束条件模块、大气质量预估模型模块、预测模型边界条件模块、大气质量评价模型模块、多方案分析对比模块；
将上述模块分别进行模块封装，建立数据传输通道，以便大气质量评价模型模块和多方案分析对比模块及时提取处理热源污染物排放模型模块、供热网络模型模块、热源模型约束条件模块、大气质量预估模型模块及预测模型边界条件模块的数据，从而解算决策得到多热源供热负荷调度方案；
热源污染物排放模型模块，这一模块选取了二氧化氮(NO2)、二氧化硫(SO2)、细颗粒物(PM2.5)和可吸入颗粒物(PM10)作为污染物指标，并基于排放因子建立了热源污染物排放模型。
供热网络模型模块，这一模块基于图论和基尔霍夫定律，考虑管道内部压降(包括流动压降、重力压降和动力压降)，建立和求解了描述热网拓扑结构的数学模型。
热源模型约束条件模块，这一模块建立了热源侧负荷约束(包括热负荷平衡约束、热负荷变化范围约束、机组升降负荷速率约束)、热网输配能力约束和热网解列方案条件约束。
大气质量预估模型模块，这一模块以气象模拟和污染源清单为边界条件输入大气质量预估模型系统，形成污染物浓度时空分布结果，并利用气象站数据验证模型。
预测模型边界条件模块，这一模块中气象模拟数据利用WRF模型获取包括气温、相对湿度和风速风向等；污染物清单中人为源排放信息为热源排放模型，自然源排放数据利用自然源气体及气溶胶排放模型MEGAN估算。
大气质量评价模型模块，这一模块依据模糊矩阵理论，结合环境空气质量标准等级划分为基本无污染、一般污染和重度污染，建立城市范围内空气质量评价模型。
多方案分析对比模块，这一模块考虑大气污染程度及持续时间，兼顾时空二元因素，建立优化大气质量目标函数，通过计算各个方案的目标函数，获得多热源供热系统负荷调度分配方案，实现重点区域特定时期空气质量的保障。
本发明的有益效果在于：
本发明提出的基于城市大气扩散过程模拟预测模型和热网输配能力约束、热网解列条件约束的多热源城市供热负荷调度分配方法和系统，通过建立热源污染物排放模型、供热网络模型、大气质量预估模型和大气质量评价模型，确定优化大气质量目标函数及约束条件，通过多个可行方案分析比较或启发式算法，决策选择最优的多热源供热负荷调度分配方案。本发明的方法和系统可有效解决重大活动期间空气质量保障和供热保障问题。
附图说明
下面结合附图和具体实例对本发明进一步说明。
图1为某城市供热热网拓扑结构图；
图2为某城市基于多热源城市供热系统负荷分配的重大活动期间空气质量保障方案流程。
具体实施方式
现结合附图对本发明作进一步详细说明。
本发明讨论了重大活动期间空气质量保障问题，属于多热源供热系统负荷调度领域。许多城市一直致力于保障重大活动期间的空气质量以保证活动的顺利开展，如北京、杭州。本发明基于此提出了基于城市大气扩散过程模拟预测模型和热网输配能力约束、热网解列条件约束的多热源城市供热负荷调度分配方法和系统，通过建立热源污染物排放模型、供热网络模型、大气质量预估模型和大气质量评价模型，确定优化重点保障区域内空气质量保障目标函数及约束条件，通过在线执行多个可行方案分析比较或启发式算法，决策选择最优多热源供热负荷调度分配方案。这里以某城市作为重点保障区域，对其展开供热模型建立和微气象模拟，建立保障该城市市内空气质量的目标函数，利用粒子群算法寻优求解，获得最优多热源供热系统负荷调度分配方案。
一种基于城市大气扩散预测的多热源供热负荷调度方法，包括以下步骤：
步骤S1：选取合适的污染物指标体系，建立某城市多热源城市供热系统各热源的污染物排放模型；
步骤S2：建立某城市供热热网拓扑结构图(见图1)和供热网络模型及热源侧负荷约束、热网输配能力约束和热网解列模型，并确定多热源间的负荷分配可行域或组合关系范围；
步骤S3：以多层地域模拟气象数据和污染源清单(包括人为源和自然源)作为边界条件导入大气质量预估模型系统(这里以美国国家环境保护局研发的第3代大气质量预估模型(CMAQ)系统为例)，形成污染物浓度时空分布结果，对模型进行验证；
步骤S4：建立某城市市内大气质量评价体系；
步骤S5：构建该城市市内空气质量保障目标函数，在多热源负荷分配可行域中，利用启发式算法(这里选择粒子群算法)对目标函数进行优化求解，最终获得最优多热源供热系统负荷调度分配方案。具体流程见图2。
本发明中，所述步骤S1通过下述方式实现：
步骤S1，建立多热源城市供热系统各热源污染物排放模型。
步骤S11，选取气象观测站监测数据中的常规污染物二氧化氮(NO2)、二氧化硫(SO2)、细颗粒物(PM2.5)和可吸入颗粒物(PM10)作为污染物指标；
步骤S12，对该城市的多热源供热系统建立各热源污染物排放模型，热源包括燃煤锅炉、燃油锅炉、燃气锅炉、生物质锅炉、热泵、热电联产机组等。根据不同热源的能源消耗量及能源对应污染物排放因子计算污染物排放量
Q＝R×δi
上式中，
R：能源消耗量，t；
δi：第i种污染物的排放因子，kg/t。
本发明中，所述步骤S2是通过下述方式实现的：
步骤S2，针对图1中的热网拓扑结构，建立供热网络模型及热源侧负荷约束、热网输配能力约束和热网解列方程，并确定多热源间的负荷分配可行域或组合关系范围。
步骤S21，根据图论将图1热网结构图中的各个部件抽象成节点和区段两种元素，分别对节点、区段和环路进行描述。
步骤S22，用关联矩阵A、B分别表示任意节点与区段间连接关系和任意区段与基本环路间的从属关系；流量分布、节点净质量流量和区段压降分布分别由向量G、g、ΔP表示，压降主要由流体流动产生的流动阻力(包括沿程阻力和局部阻力)引起。根据民用热水的特征，这里忽略高度差产生的重力压降和工质相变动量变化产生的动力压降。
步骤S23，根据基尔霍夫定律求解热网流动状态，用节点流量守恒方程和基本环路动量守恒方程描述
AGT＝g，BΔPT＝0
步骤S24，建立热负荷平衡约束、热负荷变化范围约束(包括热电联产机组抽汽供热能力范围约束)、机组升降负荷速率约束，以保障能源供应的安全性和稳定性。
步骤S25，建立热网输配能力约束，维持全网各处热水流速在一定范围内，以保证热网内热水流动满足技术要求，用户端供热参数满足用户要求。首先定义管网流速偏差系数
Δef＝∑Δfj
上式中，
Δfj：各区段内热水流速和正常流速的偏差，用下式描述
上式中，
kf：流速偏差在供热品质计算中的惩罚系数。
热网输配能力约束描述为热网各处流速偏差不超过规定偏差范围
Δef≤Δef，max
Δfj≤δfi
步骤S26，建立热网解列方案约束，即阀门解列方案的拓扑连通性判断和供热负荷平衡性判断。如图1的热网结构中，热网的解列通过热源侧和用户侧阀门的开关调控实现。阀门解列方案的拓扑连通性判断意为排除热源或用户有流量但进口阀关闭的方案以及节点流量不守恒的方案，即排除某一独立区未实现供热时，其他热源处连接的支线干线阀门已被关闭的情况；供热负荷平衡性判断意为排除热网区域内供给负荷小于用热负荷的方案，同时排出网损率过大的方案，具体表现为关闭部分阀门后使热负荷超过热源供应能力的情况。
步骤S27，根据上述步骤S24～S26中的五种约束，基于供热模型确定多热源间的负荷分配可行域。
本发明中，所述步骤S3是通过下述方式实现的：
步骤S3，将热源排放模型作为污染物清单中人为源的排放信息输入，以多层地域模拟气象数据和污染物清单作为边界条件导入CMAQ系统，形成污染物浓度时空分布结果，对模型进行验证，并分析各热源污染源对研究区域污染物贡献率。
步骤S31，利用气象模拟应用WRF模型获取多层地域模拟气象数据，所述的多层地域模拟气象数据包括气温、相对湿度和风速风向等；多层地域模拟气象数据具有6h时间分辨率和1°×1°空间分辨率。多层地域模拟气象数据通过四维同化插值到WRF模式网格结点上，模拟本地气象场，并转化为所需网格化气象资料。
步骤S32，污染源清单中自然源排放数据利用自然源气体及气溶胶排放模型MEGAN估算，土地覆盖数据区域分辨率可达300m；大气质量预估模型的人为污染源清单采用热源排放模型作为排放信息输入，以量化分析在微气象条件下各个热源排放对重点区域空气质量的影响；排放源清单采用编写的程序处理转化成CMAQ模型所需格式。
步骤S33，将污染源清单中的污染源格栅化纳入0.5°×0.5°分辨率的数据库，将多层地域模拟气象数据和污染源清单作为边界条件输入大气质量预估模型系统，结合朗伯投影坐标系对重点保障区域内各污染物扩散情况进行时空模拟。大气质量预估模型采用3层嵌套网格技术：第1层覆盖全中国，坐标系原点北纬34°，东经116°，网格分辨率36km，网格数173×136；第2层覆盖长江三角洲区域，坐标系原点北纬30°，东经120°，网格分辨率4km，网格数150×174；第3层覆盖该城市区域，坐标系原点北纬30°，东经120°，网格分辨率1.6km，网格数140×95。垂直方向分为14层，模拟高度为100hPa。CMAQ模型采用CB05和AER06作化学反应和气溶胶机制的模型参数化方案。
最终形成的污染物浓度分布结果涉及时间、空间两个变量，即可模拟规定时间段内网格点的平均浓度，并用下式表示
上式中，
Sm：该城市区域面积；
ρt，i(x，y)：点(x，y)处大气污染物i的质量浓度；
步骤S34，利用气象观测站数据验证模型计算结果，评价指标为分数偏差均值B和分数误差均值E，当模拟结果B≤±30％，E≤±50％时，认为该大气模型精确度较高。
上式中，
N：模拟次数；
ZS：模拟值；
ZR：观测值。
本发明中，所述步骤(4)是通过下述方式实现的：
步骤S4，依据模糊矩阵理论，结合环境空气质量标准建立空气质量评价模型。
步骤S41，分别用集合C和S描述大气污染物质量和大气环境质量的评价标准集合，区域地理信息分为不保障区域，一般保障区域和空气质量重点保障区域，分别用权重系数m1、m2、m3描述其保障的重要程度，m1+m2+m3＝1，其中m1＝0，m2、m3均大于0。重点保障区域为第3层网格，为该城市区域；一般保障区域为第2层网格除去第3层网格区域，为长江三角洲区域除去该城市区域；不保障区域为第1层网格除去第2层和第3层网格区域，为全中国区域除去长江三角洲区域；
步骤S42，依据环境空气质量标准中对大气环境质量的分类，用隶属度函数U描述环境因素和评价标准之间的模糊关系
上式中，
U1、U2、U3分别代表污染物程度为基本无污染、一般污染和严重污染的概率值；
S1～S3：大气质量不同等级的限值，为集合S中的元素；
步骤S43，确定评价指标的权重，权重系数用各污染物模拟平均值相对于大气质量标准限值均值表示；由大气质量预估模型系统得到的污染物扩散模拟结果具有时空特性，区域污染物浓度模拟值为其所在区域内各网格点模拟值的平均；则第i个污染物的归一化权重系数pi为
上式中，
Pi：第i个污染物的权重值，
si：第i个污染物的大气质量标准限值均值，
Si，1、Si，2、Si，3分别为国家大气质量三级标准：基本无污染、一般污染和严重污染的标准限值；
步骤S44，构建区域对象大气污染程度描述函数
上式中，
Dj，k：k区域处于三个污染等级的概率值，j取1，2，3，D1，k～D3，k中的最大值对应研究对象的大气质量污染程度；k取1，2，3，分别代表不保障区域、一般保障区域和重点保障区域；
Si，j：第i个污染物在第j级标准下的限值。
进一步，步骤S5，构建该城市区域内空气质量保障目标函数，在多热源负荷分配可行域中，采用粒子群优化算法对目标函数求解，获得最优的多热源供热系统负荷调度分配方案。
步骤S51，根据大气污染物程度描述函数，D1，3越大表明重点保障区域越可能处于基本无污染状态，同时考虑污染程度对应的持续时间δxj(δxj为最大可能处于的污染程度等级所持续的时间)，污染程度越低，持续时间越长，该区域的空气质量越高；
由此构建重点保障区域内空气质量保障目标函数，优化变量为各热源负荷
maxF＝max{D1，3×δx1+D1，2×δx1}。
步骤S52，采用粒子群算法对目标函数进行求解，获得最优的多热源供热系统负荷调度分配方案。首先将可行域内的负荷调度方案组合为d维粒子，初始化惯性因子、加速因子参数和调度方案的速度向量，设置迭代次数。将每个方案的个体历史最优位置设置为当前方案的位置，计算所有调度方案的最优位置。
步骤S53，将本次全局最优与历史全局最优比较，完成更新。速度vid和位置xid更新公式为
vid＝wvid+c1r1(Pid-xid)+c2r2(Pgd-xid)
xid＝xid+vid
上式中，
w：惯性因子；
c1、c2：加速因子；
r1、r2：0～1上的随机数；
Pid：第i个变量的个体极值的第d维；
Pgd：全局最优解的第d维。
步骤S54，达到设定迭代次数时计算终止，输出结果；否则返回步骤S53继续搜索。由输出结果获得最优的多热源供热系统负荷调度分配方案。
凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于城市大气扩散预测的多热源供热负荷调度方法，其特征在于，包括如下步骤：
步骤S1，选取合适的污染物指标体系，建立多热源城市供热系统各热源污染物排放模型；
步骤S2，建立供热网络模型及热源侧负荷约束、热网输配能力约束和热网解列模型，并确定多热源间的负荷分配可行域或组合关系范围；
步骤S3，以多层地域模拟气象数据和污染源清单作为边界条件导入大气质量预估模型系统，生成污染物浓度时空分布，对模型进行验证；所述的污染源清单包括人为源和自然源；
步骤S4，建立城市范围内大气质量评价体系；
步骤S5，构建重点保障区域内空气质量保障目标函数，对目标函数求解以获得最优多热源供热系统负荷调度分配方案；
步骤S5中构建重点保障区域内空气质量保障目标函数为
根据大气污染物程度描述函数，D1,3越大表明重点保障区域越可能处于基本无污染状态，同时考虑污染程度对应的持续时间δxj，污染程度越低，持续时间越长，该区域的空气质量越高；
由此构建重点保障区域内空气质量保障目标函数，优化变量为各热源负荷
maxF＝max{D1,3×δx1+D1,2×δx1}
对上述目标函数求解，通过在线执行多方案比较，实现在特定时期内保障重点区域大气质量达到标准，获得最优多热源供热系统负荷调度分配方案。
2.根据权利要求1所述的基于城市大气扩散预测的多热源供热负荷调度方法，其特征在于，所述的步骤S1具体包括以下步骤：
步骤S11，选取气象观测站监测数据中的常规污染物二氧化氮、二氧化硫、细颗粒物PM2.5和可吸入颗粒物PM10作为污染物指标；
步骤S12，建立热源污染物排放模型，根据不同热源的能源消耗量及能源对应污染物排放因子计算污染物排放量
Q＝R×δi
上式中，
R：能源消耗量，t；
δi：第i种污染物的排放因子，kg/t。
3.根据权利要求1所述的基于城市大气扩散预测的多热源供热负荷调度方法，其特征在于，所述的步骤S2具体包括以下步骤：
步骤S21，将热网结构图中的各个部件抽象成节点和区段两种元素，分别对节点、区段和环路进行描述；
步骤S22，用关联矩阵A、B分别表示任意节点与区段间连接关系和任意区段与基本环路间的从属关系；流量分布、节点净质量流量和区段压降分布分别由向量G、g、ΔP表示，压降由流体流动产生的流动阻力引起，所述的流动阻力包括沿程阻力和局部阻力；
步骤S23，根据基尔霍夫定律求解热网流动状态，用节点流量守恒方程和基本环路动量守恒方程描述
AGT＝g,BΔPT＝0
步骤S24，建立热负荷平衡约束、热负荷变化范围约束、机组升降负荷速率约束，以保障能源供应的安全性和稳定性；
步骤S25，建立热网输配能力约束，以保证热网内热水流动满足技术要求，用户端供热参数满足用户要求；首先定义管网流速偏差系数
Δef＝∑Δfj
上式中，
Δfj：各区段内热水流速和正常流速的偏差，用下式描述
上式中，
kf：流速偏差在供热品质计算中的惩罚系数；
热网输配能力约束描述为热网各处流速偏差不超过规定偏差范围
Δef≤Δef,max
Δfj≤δfi
步骤S26，建立热网解列方案约束，即阀门解列方案的拓扑连通性判断和供热负荷平衡性判断；所述的阀门解列方案的拓扑连通性判断为排除热源或用户有流量但进口阀关闭的方案以及节点流量不守恒的方案；所述的阀门解列方案的供热负荷平衡性判断为排除热网区域内供给负荷小于用热负荷的方案，同时排除网损率过大的方案；
步骤S27，根据上述步骤S24～S26中的五种约束，基于供热模型确定多热源间的负荷分配可行域。
4.根据权利要求1所述的基于城市大气扩散预测的多热源供热负荷调度方法，其特征在于，所述的步骤S3具体包括以下步骤：
步骤S31，利用气象模拟应用WRF模型获取多层地域模拟气象数据，所述的多层地域模拟气象数据具有6h时间分辨率和1°×1°空间分辨率，数据通过四维同化插值到WRF模式网格结点上，模拟本地气象场，并转化为所需网格化气象资料；
步骤S32，利用自然源气体及气溶胶排放模型MEGAN估算污染源清单中自然源排放数据；将热源排放模型作为污染源清单中人为源的排放信息输入，以量化分析在微气象条件下各个热源排放对重点区域空气质量的影响；
步骤S33，将污染物清单中的污染源格栅化纳入0.5°×0.5°分辨率的数据库，将多层地域模拟气象数据和污染物清单作为边界条件输入大气质量预估模型，结合朗伯投影坐标系对重点保障区域内各污染物扩散情况进行时空模拟；所述的大气质量预估模型采用3层嵌套网格技术：第1层覆盖全中国；第2层覆盖重点保障区域所属地域，分为东北、华北、西北、华中、华东、华南；第3层覆盖重点保障区域；
最终形成的污染物浓度分布结果涉及时间、空间两个变量，即可模拟规定时间段内网格点的平均浓度，并用下式表示
上式中，
Sm：模拟区域面积，即重点保障区域面积；
ρt,i(x,y)：点(x,y)处大气污染物i的质量浓度；
步骤S34，利用气象观测站数据验证模型计算结果，评价指标为分数偏差均值B和分数误差均值E，当模拟结果B≤±30％，E≤±50％时，认为该大气模型精确度较高；
上式中，
N：模拟次数；
ZS：模拟值；
ZR：观测值。
5.根据权利要求4所述的基于城市大气扩散预测的多热源供热负荷调度方法，其特征在于，所述的步骤S4具体包括以下步骤：
步骤S41，分别用集合C和S描述大气污染物质量和大气环境质量的评价标准集合，区域地理信息分为不保障区域，一般保障区域和空气质量重点保障区域，分别用权重系数m1、m2、m3描述其保障的重要程度，m1+m2+m3＝1，其中m1＝0，m2、m3均大于0；重点保障区域为第3层网格，一般保障区域为第2层网格除去第3层网格区域，不保障区域为第1层网格除去第2层和第3层网格区域；
步骤S42，依据环境空气质量标准中对大气环境质量的分类，用隶属度函数U描述环境因素和评价标准之间的模糊关系
上式中，
U1、U2、U3分别代表污染物程度为基本无污染、一般污染和严重污染的概率值；
S1～S3：大气质量不同等级的限值，为集合S中的元素；
步骤S43，确定评价指标的权重，权重系数用各污染物模拟平均值相对于大气质量标准限值均值表示；由大气质量预估模型系统得到的污染物扩散模拟结果具有时空特性，区域污染物浓度模拟值为其所在区域内各网格点模拟值的平均；则第i个污染物的归一化权重系数pi为
上式中，
Pi：第i个污染物的权重值，
si：第i个污染物的大气质量标准限值均值，
Si,1、Si,2、Si,3分别为国家大气质量三级标准：基本无污染、一般污染和严重污染的标准限值；
步骤S44，构建区域对象大气污染程度描述函数
上式中，
Dj,k：k区域处于三个污染等级的概率值，j取1，2，3，D1,k～D3,k中的最大值对应研究对象的大气质量污染程度；k取1，2，3，分别代表不保障区域、一般保障区域和重点保障区域；
Si,j：第i个污染物在第j级标准下的限值；
mk为权重系数。
6.一种基于城市大气扩散预测的多热源供热负荷调度系统，其特征在于：包括热源污染物排放模型模块、供热网络模型模块、热源模型约束条件模块、大气质量预估模型模块、预测模型边界条件模块、大气质量评价模型模块、多方案分析对比模块；
将上述模块分别进行模块封装，建立数据传输通道，以便大气质量评价模型模块和多方案分析对比模块及时提取处理热源污染物排放模型模块、供热网络模型模块、热源模型约束条件模块、大气质量预估模型模块及预测模型边界条件模块的数据，从而解算决策得到多热源供热负荷调度方案；
所述的热源污染物排放模型模块选取二氧化氮、二氧化硫、细颗粒物和可吸入颗粒物作为污染物指标，并基于排放因子建立热源污染物排放模型；
所述的供热网络模型模块基于图论和基尔霍夫定律，考虑管道内部压降，建立和求解描述热网拓扑结构的数学模型；所述的管道内部压降包括流动压降、重力压降和动力压降；
所述的热源模型约束条件模块建立热源侧负荷约束，热网输配能力约束和热网解列方案条件约束；所述的热源侧负荷约束包括热负荷平衡约束、热负荷变化范围约束、机组升降负荷速率约束；
所述的大气质量预估模型模块以气象模拟和污染源清单为边界条件输入大气质量预估模型系统，形成污染物浓度时空分布结果，并利用气象站数据验证模型；
所述的预测模型边界条件模块中气象模拟数据利用WRF模型获取包括气温、相对湿度和风速风向；污染物清单中人为源排放信息为热源排放模型，自然源排放数据利用自然源气体及气溶胶排放模型MEGAN估算；
所述的大气质量评价模型模块依据模糊矩阵理论，结合环境空气质量标准等级划分为基本无污染、一般污染和重度污染，建立城市范围内空气质量评价模型；
所述的多方案分析对比模块考虑大气污染程度及持续时间，兼顾时空二元因素，建立优化大气质量目标函数，通过计算各个方案的目标函数，获得多热源供热系统负荷调度分配方案，实现重点区域特定时期空气质量的保障。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010255651.0A CN111461439B (zh) | 2020-04-02 | 2020-04-02 | 基于城市大气扩散预测的多热源供热负荷调度方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010255651.0A CN111461439B (zh) | 2020-04-02 | 2020-04-02 | 基于城市大气扩散预测的多热源供热负荷调度方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111461439A CN111461439A (zh) | 2020-07-28 |
| CN111461439B true CN111461439B (zh) | 2022-04-01 |
Family
ID=71678923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010255651.0A Active CN111461439B (zh) | 2020-04-02 | 2020-04-02 | 基于城市大气扩散预测的多热源供热负荷调度方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111461439B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112013446B (zh) * | 2020-08-27 | 2021-09-14 | 常州英集动力科技有限公司 | 解决温度传输延迟的热网均衡升降温方法及其系统 |
| CN112462603B (zh) * | 2020-10-13 | 2021-11-16 | 中科三清科技有限公司 | 区域大气重污染应急的优化调控方法、装置、设备及介质 |
| CN112800603B (zh) * | 2021-01-26 | 2024-05-24 | 北京航空航天大学 | 一种基于集合最优插值算法的大气环境数据同化方法 |
| CN112819218B (zh) * | 2021-01-27 | 2022-05-06 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 高分辨率城市移动源污染时空预测方法、系统及存储介质 |
| CN113191096B (zh) * | 2021-04-13 | 2022-04-29 | 中南建筑设计院股份有限公司 | 基于WRF和XFlow耦合的多精细度融合污染物扩散分析方法 |
| CN113377962B (zh) * | 2021-06-18 | 2023-04-07 | 西安石油大学 | 一种基于图像识别和自然语言处理的智能过程模拟方法 |
| CN113642788A (zh) * | 2021-08-10 | 2021-11-12 | 陕西四季春清洁热源股份有限公司 | 多样化的适用于大型中深层地热区域的热源优化规划方法 |
| CN115587705B (zh) * | 2022-10-18 | 2023-06-16 | 华中科技大学 | 一种城市气候环境快速评估方法及系统 |
| CN115840793B (zh) * | 2022-12-12 | 2024-05-07 | 四川大学 | 基于随机森林的气象空间归一化方法及系统 |
| CN115795241A (zh) * | 2023-01-13 | 2023-03-14 | 安世亚太科技股份有限公司 | 污染物扩散系数计算方法、装置、设备及存储介质 |
| CN116538521B (zh) * | 2023-05-04 | 2023-10-20 | 单县龙宇生物科技有限公司 | 一种基于糠醛渣锅炉烟气排放的适应性规划系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103412526A (zh) * | 2013-07-12 | 2013-11-27 | 国家电网公司 | 一种供热机组在线负荷的调度方法与系统 |
| CN106779165A (zh) * | 2016-11-21 | 2017-05-31 | 山东大学 | 基于城市空气质量预测技术的电力系统环境调度方法 |
| CN108876066A (zh) * | 2018-09-04 | 2018-11-23 | 常州英集动力科技有限公司 | 热网解列运行方案实时优化方法及其系统 |
| 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 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080202126A1 (en) * | 2007-02-11 | 2008-08-28 | Engdahl Gerald E | Fish friendly lng vaporizer |
-
2020
- 2020-04-02 CN CN202010255651.0A patent/CN111461439B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103412526A (zh) * | 2013-07-12 | 2013-11-27 | 国家电网公司 | 一种供热机组在线负荷的调度方法与系统 |
| CN106779165A (zh) * | 2016-11-21 | 2017-05-31 | 山东大学 | 基于城市空气质量预测技术的电力系统环境调度方法 |
| CN108876066A (zh) * | 2018-09-04 | 2018-11-23 | 常州英集动力科技有限公司 | 热网解列运行方案实时优化方法及其系统 |
| 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 |
Non-Patent Citations (3)
| Title |
|---|
| Optimization Strategy of CCHP Integrated Energy System Based_on Source Load Coordination;Tao Long et al.;《2018 International Conference on Power System Technology》;20190107;全文 * |
| 考虑环境效益的多源供热系统负荷分配优化模型与方;陈晓波;《能源工程》;20170615(第3期);全文 * |
| 集中供热系统多热源调度优化模型;时国华等;《热力发电》;20191211(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111461439A (zh) | 2020-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111461439B (zh) | 基于城市大气扩散预测的多热源供热负荷调度方法和系统 | |
| Lei et al. | Multi-stage stochastic planning of regional integrated energy system based on scenario tree path optimization under long-term multiple uncertainties | |
| Song et al. | Hourly heat load prediction model based on temporal convolutional neural network | |
| Sha et al. | Overview of computational intelligence for building energy system design | |
| Ghenai et al. | Short-term building electrical load forecasting using adaptive neuro-fuzzy inference system (ANFIS) | |
| Wang et al. | Supervisory and optimal control of building HVAC systems: A review | |
| CN111709555A (zh) | 一种分布式电源优化配置的方法及系统 | |
| CN104462861A (zh) | 一种基于水库调度规则合成的水库调度决策方法 | |
| Song et al. | An indoor temperature prediction framework based on hierarchical attention gated recurrent unit model for energy efficient buildings | |
| CN110287509A (zh) | 城市热网的柔性分析与结构缺陷诊断及定位方法和系统 | |
| Liu et al. | Multi-time scale optimal scheduling of integrated electricity and district heating systems considering thermal comfort of users: An enhanced-interval optimization method | |
| Pan et al. | Operation optimization of integrated energy systems based on heat storage characteristics of heating network | |
| CN116757446A (zh) | 基于改进粒子群算法的梯级水电站调度方法及系统 | |
| CN111815131A (zh) | 一种沿岸地区电-气互联系统环境经济调度方法 | |
| Carvalho et al. | A new methodology to estimate future water‐energy nexus based on artificial neural networks | |
| CN115879652B (zh) | 能源网络分级协同规划方法、装置、电子设备及存储介质 | |
| CN112365082A (zh) | 一种基于机器学习的公共能源消耗预测方法 | |
| CN116739289A (zh) | 一种流域防洪工程体系多目标智能调度方法 | |
| Vergini et al. | Advanced state fuzzy cognitive maps applied on nearly zero energy building model | |
| Ravina et al. | Development of the DIDEM model: Comparative evaluation of CALPUFF and SPRAY dispersion models | |
| Li et al. | Transfer Strategy for Power Output Estimation of Wind Farm at Planning Stage Based on a SVR Model | |
| Wang et al. | A novel structure adaptive grey seasonal model with data reorganization and its application in solar photovoltaic power generation prediction | |
| CN114943174A (zh) | 一种用于寒潮小样本情况下的风机出力损失预测方法 | |
| Gao et al. | Assessment of water resources carrying capacity using chaotic particle swarm genetic algorithm | |
| Zhang et al. | Calculation of the water resources dynamic carrying capacity of Tarim River Basin under climate change |
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 |