CN111550861A - 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 - Google Patents
一种热泵与电蓄热设备自适应优化控制方法、系统及装置 Download PDFInfo
- Publication number
- CN111550861A CN111550861A CN202010425233.1A CN202010425233A CN111550861A CN 111550861 A CN111550861 A CN 111550861A CN 202010425233 A CN202010425233 A CN 202010425233A CN 111550861 A CN111550861 A CN 111550861A
- Authority
- CN
- China
- Prior art keywords
- heat
- heat storage
- heat pump
- storage equipment
- pump
- 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
Links
Images
Classifications
-
- 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
- F24D15/00—Other domestic- or space-heating systems
- F24D15/02—Other domestic- or space-heating systems consisting of self-contained heating units, e.g. storage heaters
-
- 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
- F24D13/00—Electric heating systems
-
- 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
- F24D15/00—Other domestic- or space-heating systems
- F24D15/04—Other domestic- or space-heating systems using heat pumps
-
- 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
- F24D19/1096—Arrangement or mounting of control or safety devices for electric heating systems
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06N3/08—Learning methods
Abstract
本公开提出了一种热泵与蓄热设备自适应优化控制方法、系统及装置,包括如下步骤:预测第二天各时段的建筑热负荷值;以用电成本最小为目标构建目标函数,根据预测获得的数据,采用线性规划方法求解每个时间段热泵和蓄热设备的出力情况;确定每个时间段的热泵和蓄热设备协同工作的预制工作模式,并发送至热泵和蓄热设备;实时获取空气源热泵和电蓄热设备供热的系统的参数数据,根据实时的参数数据在线修正调整空气源热泵和蓄热设备的工作状态。本公开能够实现系统的自适应自动控制,使得调度更加的及时、准确,从而可以大大减少系统的运行成本,最大限度的利用电能,同时可以使电力负荷平准化,达到了削峰填谷的效果,避免资源浪费。
Description
技术领域
本公开涉及供热设备自动控制相关技术领域,具体的说,是涉及一种热泵与电蓄热设备自适应优化控制方法、系统及装置。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,并不必然构成在先技术。
空气源热泵作为一种高效节能和清洁供暖方式,近年来在我国楼宇、居民小区、工业园区等场合获得了广泛应用。有研究表明,在我国华北地区和黄河流域影响空气源热泵的主要问题表现在低温适用性问题,即当室外温度降低时,热泵机组出力明显减小。固体电蓄热设备的工作模式分为蓄热模式、放热模式,在夜间低谷电时,通过电加热将热量储存在固体材料集成装置内,以获得较高的显热蓄热温度,白天热量将固体中储存的热量传递出来,再进行风水换热,完成末端供暖。
对于供热量需求量较大的场所如公共建筑内,结合采用空气源热泵和固体电蓄热设备可以提高能源的利用率,减少常规能源的消耗。公共建筑主要指需要分时段采暖的学校、商场、写字楼等,通常白天的供热需求较大,夜晚不需供暖,平均每天供暖时长小于14h。将空气源热泵和固体电蓄热设备作为供热系统热源时,通常使空气源热泵承担白天主要的热负荷,蓄热设备在夜晚蓄热,在白天电价高峰时放热。目前,我国电价实行固定时段的分时电价(峰谷电价),因此,传统的设备运行模式比较固定,如:每天11-12点为尖峰电价时间,此时就开启蓄热设备放热,关停热泵,以降低运行成本。
发明人发现,随着我国电力零售市场的放开,动态变化的实时电价模式会取代原来的峰谷电价,传统的设备控制系统运行模式固定或者单一,控制灵活性较差,不能根据电网价格的变动自适应地控制蓄热设备的启停,从而不能充分利用蓄热产生的能量,导致运行成本较高,客户体验较差,已无法满足使用要求。
发明内容
本公开为了解决上述问题,提出了一种热泵与电蓄热设备自适应优化控制方法、系统及装置,该方法分为两部分组成:优化预制部分和在线调整部分。第一部分为优化预制部分,以一天用电成本最小为目标函数,采用线性规划问题的单纯形法求出热泵与电蓄热设备的出力情况和工作时长,找到电蓄热设备的投入的最佳时间,以此为基准来预制第二天设备的工作模式。第二部分为在线调整部分,在第二天每个时间段开始时根据建筑热负荷和蓄热量等实时数据来微调工作模式,以保证系统运行的实用性和准确性。
为了实现上述目的,本公开采用如下技术方案:
一个或多个实施例提供了一种热泵与蓄热设备自适应优化控制方法,包括如下步骤:
获取第二天电网的日前电价和天气预报数据,并根据历史数据预测第二天各时段的建筑热负荷值;
以用电成本最小为目标构建目标函数,根据预测获得的热负荷值,采用线性规划方法求解每个时间段热泵和蓄热设备的出力情况;
根据求解得到的每个时间段热泵和蓄热设备的出力情况,确定每个时间段的热泵和蓄热设备协同工作的预制工作模式,并发送至热泵和蓄热设备;
实时获取热泵和电蓄热设备供热系统的参数数据,根据实时的参数数据在线调整空气源热泵和蓄热设备的工作状态。
一个或多个实施例提供了一种热泵与蓄热设备自适应优化控制装置,包括:
预测单元:被配置为用于获取第二天电网的日前电价和天气预报数据,根据获取的数据预测第二天各时段的建筑热负荷值;
求解单元:被配置为用于以用电成本最小为目标构建目标函数,根据预测获得的数据,采用线性规划方法求解每个时间段热泵和蓄热设备的出力情况;
工作模式配置单元:被配置为用于根据求解得到的每个时间段热泵和蓄热设备的出力情况,确定每个时间段的热泵和蓄热设备协同工作的预制工作模式,并发送至热泵和蓄热设备;
在线修正单元:被配置为用于实时获取空气源热泵和电蓄热设备供热的系统的参数数据,根据实时的参数数据在线修正调整空气源热泵和蓄热设备的工作状态。
一个或多个实施例提供了一种热泵与蓄热设备自适应优化控制系统,包括空气源热泵和固体电蓄热设备,还包括通信网关以及控制装置,以及连接在空气源热泵、固体电蓄热设备的传感器和执行器,控制装置分别通过通信网关与传感器、执行器连接,控制装置上述的一种热泵与蓄热设备自适应优化控制方法。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成上述的一种热泵与蓄热设备自适应优化控制方法步骤。
与现有技术相比,本公开的有益效果为:
本公开以预测第二天建筑所需的热负荷为基础,综合考虑日前电价等因素,以当天用电成本最小为目标,求解热泵和电蓄热设备的工作模式,并且根据实时数据在线调整。这种方法可以自适应跟踪建筑热负荷及电网价格的变化,动态调整设备的工作模式,找到蓄热设备最佳的投入时间和放热热量,节省用户的用电成本,实现效益的最大化,并且使电网负荷平准化,起到削峰填谷的效果,该方法对于热泵和电蓄热设备的推广使用及电网的优化调度都有着重要意义与参考价值。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的限定。
图1是本公开实施例1的优化控制方法中提前预制部分的流程图;
图2是本公开实施例1的优化控制方法中在线调整部分的流程图;
图3是本公开实施例1的单纯形法的流程图;
图4是本公开实施例1的自适应优化控制系统结构示意图。
图5是本公开实施例1的优化前后的负荷曲线和工作模式效果例图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是,在不冲突的情况下,本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
实施例1
在一个或多个实施方式中公开的技术方案中,如图1-3所示,一种热泵与蓄热设备自适应优化控制方法,包括如下步骤,其中S1~S3为优化预制部分,S4为在线调整部分:
S1获取第二天电网的日前电价和天气预报数据,并根据历史数据预测第二天各时段的建筑热负荷值;
S2以用电成本最小为目标构建目标函数,根据预测获得的数据,采用线性规划方法求解每个时间段热泵和蓄热设备的出力情况;
S3根据求解得到的每个时间段热泵和蓄热设备的出力情况,确定每个时间段的热泵和蓄热设备协同工作的预制工作模式,并发送至热泵和蓄热设备;
S4实时获取热泵和蓄热设备供热的系统的参数数据,根据实时的参数数据在线修正调整热泵和蓄热设备的工作状态。
本实施例的采用预先设定工作模式结合在线调整的自适应优化控制方法,用于对空气源热泵与固体蓄热设备的工作进行自适应优化控制,结合日前电价以用电成本最小为目标,求解获得次日每个时间段可以执行的预制工作模式,预制工作模式是动态变化的,按照预制工作模式控制热泵和蓄热设备的工作,可以使蓄热设备在电价较高时段充分投入,避免资源浪费,使用户获得较好的经济效益;同时使电力负荷平准化,达到了削峰填谷的效果。并且,通过实时获取的数据对每个时段的工作模式进行在线修正,微调空气源热泵和蓄热设备的工作状态,进一步提高系统的自适应度,保证系统工作的稳定性和安全性。
在一些实施例中,步骤S1中,可以利用训练好的LSTM模型预测第二天各时段的建筑热负荷值。
如图4所示,为热泵和电蓄热设备的自适应优化控制系统的典型结构,系统包括热泵、固体电蓄热设备和水泵等,以及用于控制热泵与固体电蓄热设备进行优化工作的控制装置。
可以理解的,为实现控制装置的控制目的,自适应优化控制系统还包括与控制装置进行交互的传感器、执行器和通信网关,传感器主要采集现场设备的运行参数以及用电量等相关数据,并将数据上传至通信网关,网关用于实现传感器和控制装置之间的双向数据传输;控制装置获得数据并完成优化控制方法的计算,可以执行实现一种热泵与蓄热设备自适应优化控制方法的步骤,并将结果通过网关下发给现场执行器,执行器转换空气源热泵和电蓄热设备的工作状态,达到控制现场设备的目的。
可以理解的,热泵和电蓄热设备供热的系统的参数数据可以包括热泵和电蓄热设备运行参数、循环水管路运行参数以及水泵运行参数,循环水管路运行参数包括管道内的循环水热负荷、流量、压力和温度等。
第二天电网的日前电价可以通过连接电力系统的数据接口获得;通过“中国气象数据网”提供的API接口,可以获得第二天的天气预报数据;并可通过热泵的产品手册,如表1所示,热泵的性能修正系数与型号有关的出厂数据,根据天气数据和预设的出水温度得到热泵的性能修正系数fi-pre。
表1某型号空气源热泵的性能修正系数表
长短期记忆网络模型(Long Short-Term Memory,LSTM)是循环神经网络(RecurrentNeural Networks,RNN)的一种特殊类型。RNN网络模型包括输入层、隐藏层、输出层,每一层又都由若干个神经元组成。LSTM模型在隐藏层增加了遗忘门,用于解决训练过程中的“梯度消失”或“梯度爆炸”的问题。基于LSTM模型预测建筑热负荷的步骤如下:
1)选取历史热负荷和气象数据构成时间序列样本;
2)对样本集进行归一化处理,去除量纲;
3)根据预测日,选取历史同一天之前的历史数据,历史同一天是指往年同日期的一天,可以为农历日期。历史数据也可以是当前年度供暖开始后的数据,直接选取预测日之前的历史数据。
选取该日期设定时长如14天的时间序列进行学习,则训练数据具有14*24个时间步长,每个时间步长有此时间所在的日期类型(工作日/非工作日),热负荷数据,天气参数作为特征值,即得到[样本数、时间步长、特性]的集和,将集合样本的前百分之八十数据作为LSTM预测模型的训练集,后百分之二十作为测试集,合理选取影响因子的序列时数,即输入层神经元个数及隐藏层神经元个数。
4)用步骤3)训练好的LTSM模型预测第二天的各时段的建筑热负荷Qi。
步骤S2中,以用电成本最小为目标构建目标函数,可以为:
式中:PHP.i:在第i个时间段内空气源热泵制热消耗的平均电功率,单位为kW;tHP.i:空气源热泵工作的第i个时间段,单位为小时;PTS.i:在第i个时间段内固体电蓄热设备蓄热消耗的平均电功率,单位为kW;tTS.X.i:固体电蓄热设备以蓄热模式工作的第i个时间段,单位为小时;PP&F.i:在第i个时间段内蓄热设备放热时风机和水泵消耗的平均电功率,单位为kW;tTS.F.i:固体电蓄热设备以放热模式工作的第i个时间段,单位为小时;Ei:第i个时间段的实时电价,单位为元/kWh。
可选的,时间段根据具体的控制精度进行划分,由于需要考虑蓄热设备蓄热放热的工作周期,因此可以按一天24小时为一个计算周期,这24h从前一天蓄热开始的时间开始计算,如前一天的23点至第二天的23点,将其分成n个时间长度为τ的等距时间段,如τ=0.25h、0.5h、1h时,n=96、48、24。公式(1)中i=1.2.3……n,表示划分的各个时间段。
其中,求解目标函数的约束条件可以包括:空气源热泵的工作约束和蓄热设备的工作约束。
可选的,空气源热泵的工作约束可以根据热泵的运行条件进行设定,可以包括:空气源热泵的电热转换模型;热泵的制热消耗的平均电功率小于热泵的额定功率;在设定的工作时长内,转换的能量按天气情况通过修正系数修正。
空气源热泵消耗的电功率按空气源热泵的电热转换模型来计算,且不超过设备的额定功率PN,第i时段的能效转换系数COPN=COPN·fi-pre。并且,定义热泵允许工作的时间段为[τHP-start,τHP-stop]。
具体的,空气源热泵的工作约束的表达式为:
0≤PHP·i≤PN (3)
式中:QHP.i:第i个时间段空气源热泵的需求制热负荷,单位为kW;
COPN:空气源热泵的能效转换系数额定值;
fi-pre:空气源热泵的性能修正系数。
可选的,蓄热设备的工作约束可以包括:蓄热设备的电热转换模型;蓄热设备的蓄热量不大于蓄热设备的蓄热额定值QN。具体的约束条件如公式(4)-(6)所示,如下:
考虑透过保温层的热量损失,固体电蓄热设备的效率η为放热量与蓄热量之比,蓄热量总和的上限为设备蓄热量的额定值HN。
QTS.i为第i个时间段蓄热设备放热的热负荷,单位为kW;
[τTS-start,τTS-stop]为蓄热设备以蓄热模式工作的时间段。
在第i个时间段建筑热负荷由热泵热负荷和蓄热设备放热的热负荷组成,如下式:
QTS·i+QHP·i=Qi (6)
式中:Qi:第i个时间段建筑热负荷预测值,单位为kW。
根据空气源热泵和固体蓄热设备协同工作的实际工作情况,包括:蓄热设备的蓄热时间与热泵工作的时间不重合;蓄热设备在一天内完成蓄热-放热一个工作周期;蓄热设备的蓄热和放热工作不能同时进行。可以确定热泵和蓄热设备协同工作可以包括四种协同工作模式,其工作模式和工作时间如下表2所示:
表2热泵和固体蓄热协同工作模式表
工作模式 | t<sub>HP·i</sub> | t<sub>TS·X·i</sub> | t<sub>TS·F·i</sub> | 工作模式描述 |
Ⅰ | 0 | τ | 0 | 固体蓄热设备蓄热,热泵不工作 |
Ⅱ | τ | 0 | 0 | 热泵制热,蓄热设备不工作 |
Ⅲ | 0 | 0 | τ | 固体蓄热设备放热,热泵不工作 |
Ⅳ | τ | 0 | τ | 蓄热设备先放热,而后热泵制热 |
表中,τ为步长,为恒定数值。
以PHP·i、PTS·i为待求变量,式(2)~(6)为约束条件求解满足目标函数式(1)及表2所示的工作模式的最优解,可以采用线性规划方法。求解方法可采用单纯形法,如图3所示,具体步骤为:
1)引入松弛变量xi,y,将目标函数及其约束条件的问题描述转化成线性规划的标准形,如下;
其中,PHP.i:在第i个时间段内空气源热泵制热消耗的平均电功率,单位为kW;tHP.i:空气源热泵工作的第i个时间段;PTS.i:在第i个时间段内固体电蓄热设备蓄热消耗的平均电功率;tTS.X.i:固体电蓄热设备以蓄热模式工作的第i个时间段;PP&F.i:在第i个时间段内蓄热设备放热时风机和水泵消耗的平均电功率;tTS.F.i:固体电蓄热设备以放热模式工作的第i个时间段;Ei:第i个时间段的实时电价,单位为元/kWh。HN蓄热设备蓄热量的额定值。QHP.i:第i个时间段空气源热泵的需求制热负荷;COPN:空气源热泵的能效转换系数额定值;fi-pre:空气源热泵的性能修正系数。
2)以松弛变量为一组基变量,构建一个基可行解即为初始值,生成单纯形表;
3)在单纯形表里找到检验数σj最小列和系数θ最小行对应的变量作为换入变量,然后利用初等行变换,将换入变量对应的列中的其他元素变为0;
4)重复步骤3)进行优化迭代,直到检验数全非正,获得最优解。
图3中,σj为检验数,aij代表变量PHP·i、PTS·i的系数,bi代表约束等式右侧常数。
线性规划问题是研究线性约束条件下线性目标函数的极值问题,用单纯形方法来解决线性规划问题逻辑清晰,计算简便。
步骤S4中,根据求解的每个时间段热泵和蓄热设备的出力情况,来判断设备的预制工作模式,判断条件如表3所示。
表3设备工作模式的判断条件
判断条件 | 工作模式Mode |
P<sub>HP.i</sub>=0且P<sub>TS.i</sub>>0且t<sub>TS.X.i</sub>>0 | Ⅰ |
P<sub>HP.i</sub>>0且P<sub>TS.i</sub>=0且t<sub>TS.F.i</sub>=0 | Ⅱ |
P<sub>HP.i</sub>=0且P<sub>TS.i</sub>=0且t<sub>TS.F.i</sub>>0 | Ⅲ |
P<sub>HP.i</sub>>0且P<sub>TS.i</sub>=0且t<sub>TS.F.i</sub>>0 | Ⅳ |
上述步骤中确定了每个时间段设备的运行状态,在相应的时间段i内,控制空气源热泵和蓄热设备按照预定工作模式工作,如图5举例所示,按此模式工作可使一天中用电成本最小。
步骤S4为在线调整过程,实时获取空气源热泵和蓄热设备供热系统的参数数据,根据实时数据在线微调空气源热泵和蓄热设备的工作状态。前述步骤S1~S3为优化控制方法的优化预制部分,是根据预测数据得到的优化结果,与实际运行情况可能存在偏差,因此增加了该步骤,更具实用性和工程意义。
可选的,实时获取的供热系统的参数数据包括蓄热设备的实际蓄热量和建筑实时热负荷数据。
可选的,在线调整方法,可以为:在本时段开始时,先判断当前时段所执行的预制工作模式,根据工作模式不同,执行对应工作模式下的在线调整策略。
作为进一步地改进,为提高系统控制的自适应性,不同的预制工作模式并采用不同的在线调整策略,具体如下:
1)对于当前时间段,当设备处于预制工作模式Ⅰ时,热泵不工作,电蓄热设备开始蓄热,当到达额定蓄热量时,蓄热停止,直到下一时间段执行下一时间段对应的预制工作模式;
2)对于当前时间段,当设备处于预制工作模式Ⅱ时,空气源热泵制热,蓄热设备不工作;该模式下的在线调整策略,包括如下步骤:
S51、开启空气源热泵制热,关闭蓄热设备;
S52、获取热泵的实际出水温度,计算出水温度实际值与设定值的差值,采用PID调节控制空气源热泵的出水温度维持在设定值;
S53、当建筑的实时热负荷Qreal与所有热泵的额定热负荷QN的比值大于设定的第一设定比值时,开启固体蓄热设备补充放热;
当实时热负荷Qreal与所有热泵的额定热负荷QN的比值小于设定的第二设定比值时,关闭固体蓄热设备停止放热;其中第一设定比值大于第二设定比值。
建筑的实时热负荷Qreal可以从安装在循环水管路上的热量表采集。
本实施例中,第一设定比值在热泵已接近出力上限的范围内,可以设定第一设定比值为95%左右,为了保证供热质量,需要增加供热设备,此时开启固体蓄热设备补充放热。可以设定第二设定比值80%左右,热泵自身出力即可满足供热需求。
3)对于当前时间段,当设备处于预制工作模式Ⅲ时,固体蓄热设备放热,热泵不工作,该模式下的在线调整策略,可以为:根据实时热负荷的Qreal大小,判断此时蓄热设备实际的蓄热量是否满足需求,若满足,则蓄热设备单独供热;否则开启热泵同时供热。
可选的,可以采用PID算法控制蓄热设备的供热能量:根据出水温度的实际值与设定值之间的差值采用PID调节控制蓄热设备内部设置的风机的转速,继而达到控制固体蓄热设备出水温度的目的。蓄热设备内部通过输出热风输出热量,通过换热器将热风的热量传输给水。
可选的,判断蓄热设备实际的蓄热量是否满足供热需求的判断条件,可以如下:
Krel·Qreal·τ≤Hstore (7)
式中:Qreal:热量表读取到的实时热负荷,单位为kW;Krel:可靠系数;τ:本时段的剩余时间,单位为h;Hstore:固体蓄热设备的实际蓄热量,单位为kWh。
如果上式满足,说明蓄热设备的剩余蓄热量能够满足此时段建筑所需热量,那么保持工作模式不变。如果上述判断条件不满足,则增加热泵补充,转换为工作模式调整为Ⅳ。
4)对于当前时间段,当设备处于预制工作模式Ⅳ时,该模式下的在线调整策略,可以为:先判断式(7)的条件是否满足,若满足,则蓄热设备单独供热,转换为预制工作模式Ⅲ;否则,当固体蓄热设备实际蓄热量Qstore小于最小限值Qmin时,关闭蓄热设备停止供热,开启热泵供热。
为说明本实施例控制方法的效果,进行了仿真实验,如图5所示,比较采用本实施例方法优化后和优化前的供热系统的用电负荷变化,优化后的系统可跟踪电网价格的高低,使蓄热设备在电网价格高峰时放热,并结合建筑热量的需求,使设备放热充分,提高设备利用率,降低了用户的运行成本,同时使得电网负荷平准化,起到削峰填谷的效果。
实施例2
本实施例提供一种热泵与蓄热设备自适应优化控制装置,包括:
预测单元:被配置为用于获取第二天电网的日前电价,根据历史数据预测第二天各时段的建筑热负荷值;
优化控制单元:被配置为用于以用电成本最小为目标构建目标函数,根据预测获得的数据,采用线性规划方法求解每个时间段热泵和蓄热设备的出力情况;
工作模式配置单元:被配置为用于根据求解得到的每个时间段热泵和蓄热设备的出力情况,确定每个时间段的热泵和蓄热设备协同工作的预制工作模式,并发送至热泵和蓄热设备;
在线修正单元:被配置为用于实时获取空气源热泵和电蓄热设备供热的系统的参数数据,根据实时的参数数据在线修正调整空气源热泵和蓄热设备的工作状态。
实施例3
本实施例提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例1的方法所述的步骤。
应理解,在本公开中,该处理器可以是中央处理单元CPU,该处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本公开所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能的划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外一点,所显示或讨论的相互之间的耦合或者直接耦合或者通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种热泵与蓄热设备自适应优化控制方法,其特征是,包括如下步骤:
获取第二天电网的日前电价和天气预报数据,并根据历史数据预测第二天各时段的建筑热负荷值;
以用电成本最小为目标构建目标函数,根据预测获得的热负荷值,采用线性规划方法求解每个时间段热泵和蓄热设备的出力情况;
根据求解得到的每个时间段热泵和蓄热设备的出力情况,确定每个时间段的热泵和蓄热设备协同工作的预制工作模式,并发送至热泵和蓄热设备;
实时获取热泵和电蓄热设备供热的系统的参数数据,根据实时的参数数据在线修正调整空气源热泵和蓄热设备的工作状态。
3.如权利要求1所述的一种热泵与蓄热设备自适应优化控制方法,其特征是:求解目标函数的约束条件包括热泵的工作约束和蓄热设备的工作约束;热泵的工作约束包括:空气源热泵的电热转换模型;热泵的制热消耗的平均电功率小于热泵的额定功率;在设定的工作时长内,转换的能量按天气情况通过修正系数修正。
4.如权利要求3所述的一种热泵与蓄热设备自适应优化控制方法,其特征是:蓄热设备的电热转换模型;蓄热设备的蓄热量不大于蓄热设备的蓄热额定值。
5.如权利要求1所述的一种热泵与蓄热设备自适应优化控制方法,其特征是:根据历史数据,基于LSTM模型预测第二天各时段的建筑热负荷值;
或者
采用线性规划方法求解每个时间段热泵和蓄热设备的出力情况的方法,可以采用线性规划方法中的单纯形法。
6.如权利要求1所述的一种热泵与蓄热设备自适应优化控制方法,其特征是:预制工作模式包括预制工作模式Ⅰ:热泵制热,蓄热设备不工作;预制工作模式Ⅱ:固体蓄热设备蓄热,热泵不工作;预制工作模式Ⅲ:固体蓄热设备放热,热泵不工作;预制工作模式Ⅳ:蓄热设备先放热,而后热泵制热。
7.如权利要求6所述的一种热泵与蓄热设备自适应优化控制方法,其特征是:当按照预制工作模式Ⅰ工作,在线修正方法为:实时获取蓄热设备的实际蓄热量,当到达额定蓄热量时,蓄热停止,热泵不工作,直到下一时间段执行下一时间段对应的预制工作模式;
或者
当按照预制工作模式Ⅱ工作,热泵制热,蓄热设备不工作,在线修正方法为:
获取热泵的实际出水温度,计算出水温度实际值与设定值的差值,采用PID调节控制空气源热泵的出水温度维持在设定值;
实时获取实时供热量,当建筑的实时热负荷与所有热泵的额定热负荷的比值大于设定的第一设定比值时,开启固体蓄热设备补充放热;
当实时热负荷与所有热泵的额定热负荷的比值小于设定的第二设定比值时,关闭固体蓄热设备停止放热;其中第一设定比值大于第二设定比值;
或者
采用预制工作模式Ⅲ时,固体蓄热设备放热,热泵不工作,该模式下的在线修正方法为:实时获取实时供热量,判断蓄热设备实际的蓄热量是否满足供热需求,若满足,则蓄热设备单独供热;否则开启热泵同时供热;
或者
采用预制工作模式Ⅳ时,该模式下的在线修正策略,可以为:实时获取实时供热量,判断蓄热设备实际的蓄热量是否满足供热需求,若满足,则蓄热设备单独供热,转换为预制工作模式Ⅲ;否则,当固体蓄热设备实际蓄热量小于最小限值时,关闭蓄热设备停止供热,开启热泵供热。
8.一种热泵与蓄热设备自适应优化控制装置,其特征是,包括:
预测单元:被配置为用于获取第二天电网的日前电价和天气预报数据,根据获取的数据预测第二天各时段的建筑热负荷值;
求解单元:被配置为用于以用电成本最小为目标构建目标函数,根据预测获得的数据,采用线性规划方法求解每个时间段热泵和蓄热设备的出力情况;
工作模式配置单元:被配置为用于根据求解得到的每个时间段热泵和蓄热设备的出力情况,确定每个时间段的热泵和蓄热设备协同工作的预制工作模式,并发送至热泵和蓄热设备;
在线修正单元:被配置为用于实时获取空气源热泵和电蓄热设备供热的系统的参数数据,根据实时的参数数据在线修正调整空气源热泵和蓄热设备的工作状态。
9.一种热泵与蓄热设备自适应优化控制系统,包括空气源热泵和固体电蓄热设备,其特征是:还包括通信网关以及控制装置,以及连接在空气源热泵、固体电蓄热设备的传感器和执行器,控制装置分别通过通信网关与传感器、执行器连接,控制装置执行权利要求1-7任一项所述的一种热泵与蓄热设备自适应优化控制方法。
10.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项方法所述的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425233.1A CN111550861B (zh) | 2020-05-19 | 2020-05-19 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
PCT/CN2020/132226 WO2021232734A1 (zh) | 2020-05-19 | 2020-11-27 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425233.1A CN111550861B (zh) | 2020-05-19 | 2020-05-19 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111550861A true CN111550861A (zh) | 2020-08-18 |
CN111550861B CN111550861B (zh) | 2021-08-20 |
Family
ID=72002017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010425233.1A Active CN111550861B (zh) | 2020-05-19 | 2020-05-19 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111550861B (zh) |
WO (1) | WO2021232734A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113065285A (zh) * | 2021-04-02 | 2021-07-02 | 华能国际电力股份有限公司大连电厂 | 一种大型集中供热系统热源温度实时优化方法 |
WO2021232734A1 (zh) * | 2020-05-19 | 2021-11-25 | 山东建筑大学 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
CN114383271A (zh) * | 2021-12-21 | 2022-04-22 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置及空调 |
CN115437260A (zh) * | 2022-11-10 | 2022-12-06 | 山东澳信供热有限公司 | 一种空气源热泵运行优化方法及系统 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114608066B (zh) * | 2022-04-26 | 2023-09-05 | 珠海格力电器股份有限公司 | 供热控制方法、装置、供热系统和电子设备 |
CN115095907B (zh) * | 2022-07-15 | 2022-11-11 | 唐山学院 | 基于深度学习的智慧供热节能调控方法、系统及存储介质 |
CN115343959B (zh) * | 2022-09-23 | 2024-04-16 | 国网北京市电力公司 | 一种电采暖负荷自适应控制方法、装置、设备及介质 |
CN116307222B (zh) * | 2023-03-27 | 2023-09-22 | 河南居安供热技术有限公司 | 一种多重耦合清洁能源蓄能方法及系统 |
CN116227739B (zh) * | 2023-05-05 | 2023-09-12 | 中建安装集团有限公司 | 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法 |
CN117252398B (zh) * | 2023-11-15 | 2024-02-02 | 中国海洋大学 | 一种基于神经网络的城市供热平衡调控方法 |
CN117515961A (zh) * | 2023-12-11 | 2024-02-06 | 北京辰禹能源科技有限公司 | 一种地缘热泵冬夏热力平衡补偿方法及机组 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102410597A (zh) * | 2011-10-25 | 2012-04-11 | 天津大学 | 基于调峰蓄能的地源热泵空调系统装置及其调控运行方法 |
JP2016114340A (ja) * | 2014-12-18 | 2016-06-23 | 株式会社日立製作所 | 熱源システム管理装置、熱源システム管理方法、及びプログラム |
KR101641947B1 (ko) * | 2015-03-03 | 2016-07-25 | 주식회사 아산 | 운전비가 절감된 냉난방장치 및 이의 축열운전 제어방법 |
CN106287902A (zh) * | 2016-07-28 | 2017-01-04 | 华北电力大学 | 电动热泵和蓄热装置联用的热电联产机组及其调峰方法 |
CN107039975A (zh) * | 2017-05-27 | 2017-08-11 | 上海电气分布式能源科技有限公司 | 一种分布式能源系统能量管理方法 |
CN107392368A (zh) * | 2017-07-17 | 2017-11-24 | 天津大学 | 一种基于气象预报的办公建筑动态热负荷组合预测方法 |
JP2018142473A (ja) * | 2017-02-28 | 2018-09-13 | 東芝ライテック株式会社 | 照明器具 |
CN208419307U (zh) * | 2018-06-22 | 2019-01-22 | 临沂智慧新能源科技有限公司 | 分体式空气源热泵冷热储能系统 |
CN109934406A (zh) * | 2019-03-14 | 2019-06-25 | 深圳市爱能森科技有限公司 | 储能供暖的成本预测方法、装置、存储介质及终端 |
CN110094802A (zh) * | 2019-04-09 | 2019-08-06 | 国网天津市电力公司电力科学研究院 | 一种热泵与蓄热式电锅炉联合供暖负荷分配方法及装置 |
CN110220237A (zh) * | 2019-06-21 | 2019-09-10 | 北京新能乐业科技有限公司 | 空气源热泵机组和蓄热型电加热装置联合供热系统及方法 |
CN110617546A (zh) * | 2018-06-20 | 2019-12-27 | 邬志军 | 一种空气源热泵电蓄热系统及控制方法 |
CN110793199A (zh) * | 2019-11-08 | 2020-02-14 | 广东美的暖通设备有限公司 | 热泵热水器系统 |
CN210267459U (zh) * | 2019-06-21 | 2020-04-07 | 北京新能乐业科技有限公司 | 空气源热泵机组和蓄热型电加热装置联合供热系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0835707A (ja) * | 1994-07-21 | 1996-02-06 | Ebara Corp | 熱供給設備 |
CN103246263B (zh) * | 2013-04-22 | 2015-04-15 | 天津大学 | 冷热电联供微网系统的通用优化调度方法 |
CN110009122B (zh) * | 2018-12-27 | 2021-02-02 | 国网北京市电力公司 | 户用多能互补综合能源利用系统能量优化调度方法及系统 |
CN109888840B (zh) * | 2019-02-28 | 2020-05-19 | 内蒙古科技大学 | 风光-垃圾发电能源综合利用系统的调度优化方法及装置 |
CN109687523A (zh) * | 2019-02-28 | 2019-04-26 | 广东工业大学 | 一种基于多时间尺度的微电网的运行优化方法 |
CN111550861B (zh) * | 2020-05-19 | 2021-08-20 | 山东建筑大学 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
-
2020
- 2020-05-19 CN CN202010425233.1A patent/CN111550861B/zh active Active
- 2020-11-27 WO PCT/CN2020/132226 patent/WO2021232734A1/zh active Application Filing
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102410597A (zh) * | 2011-10-25 | 2012-04-11 | 天津大学 | 基于调峰蓄能的地源热泵空调系统装置及其调控运行方法 |
JP2016114340A (ja) * | 2014-12-18 | 2016-06-23 | 株式会社日立製作所 | 熱源システム管理装置、熱源システム管理方法、及びプログラム |
KR101641947B1 (ko) * | 2015-03-03 | 2016-07-25 | 주식회사 아산 | 운전비가 절감된 냉난방장치 및 이의 축열운전 제어방법 |
CN106287902A (zh) * | 2016-07-28 | 2017-01-04 | 华北电力大学 | 电动热泵和蓄热装置联用的热电联产机组及其调峰方法 |
JP2018142473A (ja) * | 2017-02-28 | 2018-09-13 | 東芝ライテック株式会社 | 照明器具 |
CN107039975A (zh) * | 2017-05-27 | 2017-08-11 | 上海电气分布式能源科技有限公司 | 一种分布式能源系统能量管理方法 |
CN107392368A (zh) * | 2017-07-17 | 2017-11-24 | 天津大学 | 一种基于气象预报的办公建筑动态热负荷组合预测方法 |
CN110617546A (zh) * | 2018-06-20 | 2019-12-27 | 邬志军 | 一种空气源热泵电蓄热系统及控制方法 |
CN208419307U (zh) * | 2018-06-22 | 2019-01-22 | 临沂智慧新能源科技有限公司 | 分体式空气源热泵冷热储能系统 |
CN109934406A (zh) * | 2019-03-14 | 2019-06-25 | 深圳市爱能森科技有限公司 | 储能供暖的成本预测方法、装置、存储介质及终端 |
CN110094802A (zh) * | 2019-04-09 | 2019-08-06 | 国网天津市电力公司电力科学研究院 | 一种热泵与蓄热式电锅炉联合供暖负荷分配方法及装置 |
CN110220237A (zh) * | 2019-06-21 | 2019-09-10 | 北京新能乐业科技有限公司 | 空气源热泵机组和蓄热型电加热装置联合供热系统及方法 |
CN210267459U (zh) * | 2019-06-21 | 2020-04-07 | 北京新能乐业科技有限公司 | 空气源热泵机组和蓄热型电加热装置联合供热系统 |
CN110793199A (zh) * | 2019-11-08 | 2020-02-14 | 广东美的暖通设备有限公司 | 热泵热水器系统 |
Non-Patent Citations (2)
Title |
---|
倪龙 周超辉 姚杨 姜益强: "空气源热泵蓄热系统形式及研究进展", 《制冷学报》 * |
李腾: "《蓄能供热采暖系统负荷预测研究》", 《自动化仪表》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021232734A1 (zh) * | 2020-05-19 | 2021-11-25 | 山东建筑大学 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
CN113065285A (zh) * | 2021-04-02 | 2021-07-02 | 华能国际电力股份有限公司大连电厂 | 一种大型集中供热系统热源温度实时优化方法 |
CN114383271A (zh) * | 2021-12-21 | 2022-04-22 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置及空调 |
CN115437260A (zh) * | 2022-11-10 | 2022-12-06 | 山东澳信供热有限公司 | 一种空气源热泵运行优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2021232734A1 (zh) | 2021-11-25 |
CN111550861B (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111550861B (zh) | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 | |
Finck et al. | Economic model predictive control for demand flexibility of a residential building | |
CN109063925B (zh) | 一种计及负荷聚合商的区域综合能源系统优化运行方法 | |
CN110866641B (zh) | 计及源储荷协同的多能互补系统两级优化调度方法及系统 | |
Shao et al. | A framework for incorporating demand response of smart buildings into the integrated heat and electricity energy system | |
Wei et al. | A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy | |
CN108039710B (zh) | 一种基于阶跃特性的空调负荷参与的电网日前调度方法 | |
CN109708258B (zh) | 一种基于负荷动态变化的冷库温度前馈-模糊控制系统及控制方法 | |
Bashir et al. | A novel energy scheduling framework for reliable and economic operation of islanded and grid-connected microgrids | |
Xie et al. | A hybrid short-term load forecasting model and its application in ground source heat pump with cooling storage system | |
CN110486793B (zh) | 一种基于热网五级监控的智能分析调度方法及系统 | |
CN104699051B (zh) | 一种温控设备需求响应控制方法 | |
CN110474370B (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
CN115081902B (zh) | 基于源网荷储协同的综合规划方法、装置、设备及介质 | |
Sun et al. | Integrated control strategy of district heating system based on load forecasting and indoor temperature measurement | |
Yang et al. | Building electrification and carbon emissions: Integrated energy management considering the dynamics of the electricity mix and pricing | |
CN105737342A (zh) | 一种办公楼宇内节能控制的方法 | |
CN112001523A (zh) | 考虑多种储能的综合能源多尺度优化调度控制方法及系统 | |
CN115689146A (zh) | 一种多能源智能楼宇负荷调度方法及系统 | |
Wei et al. | Evaluation of model predictive control (MPC) of solar thermal heating system with thermal energy storage for buildings with highly variable occupancy levels | |
CN107563547B (zh) | 一种用户侧用能纵深优化综合能源管控方法 | |
Dong et al. | Novel PCM integration with electrical heat pump for demand response | |
CN111928428B (zh) | 一种考虑需求响应的空调系统的控制方法及制冷系统 | |
CN113887127A (zh) | 一种基于建筑物热惰性的虚拟电厂优化调度方法及系统 | |
CN114517930A (zh) | 一种融合机理和数据的热网换热站供热调节方法和装置 |
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 |