CN111582591A - 一种面向综合能源系统的冷热电多元负荷预测方法 - Google Patents
一种面向综合能源系统的冷热电多元负荷预测方法 Download PDFInfo
- Publication number
- CN111582591A CN111582591A CN202010397421.8A CN202010397421A CN111582591A CN 111582591 A CN111582591 A CN 111582591A CN 202010397421 A CN202010397421 A CN 202010397421A CN 111582591 A CN111582591 A CN 111582591A
- Authority
- CN
- China
- Prior art keywords
- load
- area
- heating
- time
- cooling
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 72
- 238000001816 cooling Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000005611 electricity Effects 0.000 claims abstract description 15
- 238000004378 air conditioning Methods 0.000 claims description 24
- 238000005057 refrigeration Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000005286 illumination Methods 0.000 claims description 13
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 claims description 4
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 claims description 4
- 229910052794 bromium Inorganic materials 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000013277 forecasting method Methods 0.000 abstract description 4
- 238000010276 construction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种面向综合能源系统的冷热电多元负荷预测方法,包括步骤:(1)非工业用户的逐时冷热负荷预测;(2)工业用户的逐时冷热负荷预测;(3)逐时电负荷预测;(4)冷热电多元负荷预测。本发明提出的冷热电负荷预测方法,通过集成地理信息、气象资源等常规数据库,并获取规划区域内的少量基础信息,如建筑面积、蒸汽温度、压力等,便可得到整个系统的逐时冷热电负荷;能够为系统的用能预测和规划设计提供参考,具有预测精度高、应用实现简单等优点。
Description
技术领域
本发明涉及负荷预测领域,尤其涉及一种面向综合能源系统的冷热电多元负荷预测 方法。
背景技术
负荷预测是综合能源系统规划的重要前提和基础,关系到设备配置是否合理、系统 运行是否高效。目前,有关综合能源系统负荷预测的方法大多采用基于大量历史数据的回归分析或智能学习算法;这些方法对于数据样本的要求很高,难以应用于系统规划和 建设初期统计资料少、数据来源有限的情形。
发明内容
发明目的:针对以上问题,本发明提出一种面向综合能源系统的冷热电多元负荷预 测方法,获取整个系统的逐时冷热电负荷,为系统用能预测和规划设计提供参考,预测精度高。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种面向综合能源系统的冷热电多元负荷预测方法,包括步骤:
(1)非工业用户的逐时冷热负荷预测;
(2)工业用户的逐时冷热负荷预测;
(3)逐时电负荷预测;
(4)冷热电多元负荷预测。
进一步地,所述步骤1中,非工业用户的热负荷包括热水管道集中供暖和空调制热, 非工业用户的冷负荷包括溴冷机组和空调制冷;将非工业用户的冷热负荷中由电转化的 部分归入电负荷计算。
进一步地,非工业用户的逐时冷热负荷预测为:
其中,Ah,c,1商业综合体空调制热面积,Ah,c商业综合体有效用热面积,其比值为商业综合体电负荷制热系数;Ah,r,1居住区空调制热面积,Ah,r居住区有效用热面积,其比 值为商业综合体电负荷制热系数;Ah,o1办公区空调制热面积,Ah,o办公区有效用热面积, 其比值为商业综合体电负荷制热系数;
Ac,c,1商业综合体空调制冷面积,Ac,c商业综合体有效用冷面积,其比值为商业综合体电负荷制冷系数;Ac,r,1居住区空调制冷面积,Ac,r居住区有效用冷面积,其比值为商 业综合体电负荷制冷系数;Aco1办公区空调制冷面积,Aco办公区有效用冷面积,其比值 为商业综合体电负荷制冷系数。
进一步地,所述步骤2中,工业用户的冷负荷包括空调和冷库,工业用户的热负荷为蒸汽;将工业用户的冷热负荷中由电转化的部分归入电负荷计算。
进一步地,工业用户的逐时冷热负荷预测:
其中,Hs为蒸汽焓值,f为设计蒸汽用量;tstart为运行开始时间;tend为运行结束 时间。
进一步地,所述步骤3中,逐时电负荷预测包括商业综合体、居住、办公和工业的电负荷,非工业用户的冷热电负荷和工业用户的冷热电负荷,绿化用地电负荷。
进一步地,逐时电负荷预测为:
其中,Lh(t)非工业热负荷,Lh,1(t)空调热负荷,Cop,1空调制热能效系数;Lc(t)非工业冷负荷,Lc,1(t)空调冷负荷,Cop,2空调制冷能效系数;β电力负荷同时率;
Bf是否有工厂用地,0-1变量;Rmode1(%)全天运行工厂比例;Nl,f,1(t)在t时刻全天制运行工厂是否有照明负荷,0-1变量;Al,f工厂有效照明面积,Ul,f工厂照明单位负荷, λ修正系数;Nf,1(t)在t时刻全天制运行工厂是否有大功率用电负荷,0-1;Af工厂用地 面积,Uf工业大功率单位负荷;
Bf是否有工厂用地,0-1变量;Rmode2(%)8小时制运行工厂比例;Nl,f,1(t)在t时刻8小时制运行工厂是否有照明负荷,0-1变量;Al,f工厂有效照明面积,Ul,f工厂照明单位负荷,λ修正系数;Nf,1(t)在t时刻8小时制运行工厂是否有大功率用电负荷,0-1;Af工 厂用地面积,Uf工业大功率单位负荷;
Br是否有居住用地,0-1变量;Nl,r(t)在t时刻居民区是否有照明负荷,0-1变量;Al,r居民区有效照明面积;Ul,r居住照明单位负荷;No,r(t)在t时刻居民区是否有其他负荷,0-1变量;Ar居住区建筑面积;Uo,r居住其他单位负荷;
Bc是否有商业综合体,0-1变量;No,c(t)在t时刻商业区是否有照明及其他负荷,0-1 变量;Ac商业综合体建筑面积;Uo,c商业区其他单位负荷;
Bo是否有办公用地,0-1变量;Nl,o(t)在t时刻办公区是否有照明负荷,0-1变量;Al,o办公区有效照明面积;Ul,o办公照明单位负荷;No,o(t)在t时刻办公区是否有其他负 荷,0-1变量;Ao办公区建筑面积;Uo,o办公其他单位负荷;
Atotal为综合能源系统总用地面积,Rg为绿化率,Ug为绿化用地单位负荷。
进一步地,所述步骤4中,获取预测区域的基础信息,分别计算非工业冷热负荷、工业冷热负荷、逐时电负荷,进行冷热电多元负荷预测。
有益效果:本发明提出的冷、热、电负荷预测方法,通过集成地理信息、气象资源等常规数据库,并获取规划区域内的少量基础信息,如建筑面积、蒸汽温度、压力等, 便可得到整个系统的逐时冷热电负荷。该方法的提出能够为系统的用能预测和规划设计 提供参考,具有预测精度高、应用实现简单等优点。
具体实施方式
下面结合实施例对本发明的技术方案作进一步的说明。
本发明所述的面向综合能源系统的冷热电多元负荷预测方法,将综合能源系统负荷 预测分为三个部分,分别是非工业用户的逐时冷热负荷预测、工业用户的逐时冷热负荷预测以及逐时电负荷预测。
一、非工业用户的逐时冷热负荷预测
非工业用户的热负荷主要为冬季采暖产生,构成形式以热水管道集中供暖和空调制 热两种为主。而冷负荷以溴冷机组等设备供冷和空调制冷两种为主。
表1中给出的是计算过程中需要使用的参数及其含义。
表1
考虑空气热值的逐时负荷计算中,空气湿度Rair和环境温度Tair可通过气象数据得到,并通过空气湿度和环境温度查表得到空气焓值。根据热力学原理,可得到非工业用 户的空调冷热负荷为:
其中,Hair(t)为逐时温度对应的空气焓值,kcal/kg;Hair,h为制热标准温度下的空气 焓值,kcal/kg;μair,h为制热标准温度下的空气密度,kg/m3;Ah,#为用热面积;h为层高; T(t)为逐时温度,通过气象数据获得,℃;Th,calc为制热负荷计算起始环境温度,℃。
Hair,c为制冷标准温度下的空气焓值,kcal/kg;μair,c为制冷标准温度下的空气密度, kg/m3;Ac,#为用冷面积;Tc,calc为制冷负荷计算起始环境温度,℃。
根据我国国家标准《采暖通风与空气调节设计规范》(GB50736-2012)规定,对舒适性空调和采暖,室内计算参数如下:夏季:温度24~28℃,相对湿度40%~65%; 冬季:温度18~22℃;相对湿度40%~60%。冬季制热标准为20℃,夏季制冷标准为 26℃。
本实例中给定制热温度设定值Th=20,制冷温度设定值Tc=26。以湿度50%计算,则有Hair,c=12.6;Hair,h=9.19;μair,c=1.181;μair,h=1.205。选取温度低于13℃时计算制热负荷,温度高于28℃时计算制冷负荷,即Th,calc=13,Th,calc=28。
则非工业用户的空调冷热负荷为:
其中,Bc表示是否有商业综合体,0-1变量;Ncc商业空调是否开,0-1变量;Ah,c商业综合体有效用热面积,m2;hc商业建筑层高,m;Br是否有居住用地,0-1变量; Ncr居住空调是否开,0-1变量;Ah,r居住区有效用热面积,m2;hr居住建筑层高,m; Bo是否有办公用地,0-1变量;Nco办公空调是否开,0-1变量;Ah,o办公区有效用热面 积,m2;ho办公建筑层高,m。
各个季节的Ncr、Ncc和Nco应根据所处地区的实际情况确定。本实例中选取春、秋 两季的Ncr=Ncc=Nco=0,夏、冬两季Ncr、Ncc及Nco逐时取值如表2所示。负荷预测过程 中需先满足表2再评估T(t)是否满足要求。
表2
非工业用户的热负荷以热水管道集中供暖和空调制热两种为主,而冷负荷以溴冷机 组等设备供冷和空调制冷两种为主。因此引入电负荷制热系数δh和电负荷制冷系数δc,用来表示系统中用户通过空调等用电形式转化得到的热/冷负荷所占比例,并将冷热负荷中由电转化的那部分负荷归入电负荷计算。
非工业用户的实际逐时冷热负荷预测为:
其中,Ah,c,1商业综合体空调制热面积,m2;Ah,c商业综合体有效用热面积,m2;其 比值为商业综合体电负荷制热系数。Ah,r,1居住区空调制热面积,m2;Ah,r居住区有效用 热面积,m2;其比值为商业综合体电负荷制热系数。Ah,o1办公区空调制热面积,m2;Ah,o办公区有效用热面积,m2;其比值为商业综合体电负荷制热系数。
Ac,c,1商业综合体空调制冷面积,Ac,c商业综合体有效用冷面积,其比值为商业综合体电负荷制冷系数;Ac,r,1居住区空调制冷面积,Ac,r居住区有效用冷面积,其比值为商 业综合体电负荷制冷系数;Aco1办公区空调制冷面积,Aco办公区有效用冷面积,其比值 为商业综合体电负荷制冷系数。
二、工业用户的逐时冷热负荷预测
工业用户的用冷负荷主要以空调及冷库为主,这部分可并入电负荷考虑,因此工业 用户的逐时冷热负荷预测主要为逐时热负荷,通过收集工业用户的设计蒸汽用量f及蒸汽温度Ts和蒸汽压力Ps,查找蒸汽表确定蒸汽焓值Hs,然后换算得到热负荷,相关参 数如表3所示。
表3
则工业用户的逐时热负荷预测为:
其中,Hs为蒸汽焓值,kJ/kg;f为设计蒸汽用量,t/h;tstart为运行开始时间;tend为运行结束时间。
三、逐时电负荷预测
逐时电负荷预测主要考虑照明、工业大功率用电及其他如电视、电脑、冰箱等小功率用电器。逐时电负荷的计算依旧按照商业综合体、居住、办公和工业四种使用场景进 行区分,分别选取合适的单位负荷,然后进行合并计算。电负荷计算需要用到的参数及 其含义如表4所示。
表4
本发明计算过程的单位负荷取值根据城市电力规范(GB/T50293-2014)中的各类建 设用地单位建筑面积用电负荷指标确定,其中,β推荐值为0.7~0.9,并选取以下默认值:
(1)当存在商业/居住/工厂用地时,BC=Br=Bf=1;否则,BC=Br=Bf=0。当工厂为全天运行时,m=1;当工厂为两班制运行时,m=2。
(2)商业综合体照明负荷和其他负荷合并计算,单位负荷Ul,c取值为100W/m2; 居民照明单位负荷Ul,r取10W/m2;工厂照明时间按工作时间计算,Ul,f取15W/m2;办公 照明单位负荷Ul,o取10W/m2。
(3)工厂其他负荷和大功率负荷合并计算,单位负荷Uf取值为150W/m2。居民区 考虑到生活中其他用电器,如冰箱等全时工作,取其他部分单位负荷Uo,r为10W/m2。 办公考虑电脑等其他用电器,取其他部分单位负荷Uo,o为10W/m2。
(4)绿化用地单位负荷Ug为25W/m2,按照全时计算。
(5)修正系数λ用于修正四季照明电负荷,冬季照明需求最大,夏季照明需求最小,则有修正系数默认值λspring=λautumn=1,λsummer=0.9,λwinter=1.2。
统计t时刻时各项负荷是否投入使用,如表5所示,投入使用则变量值为1,反之,变量值取0。
表5
根据上述两表并加入电制冷/制热所需电负荷后,可得到逐时电负荷预测为:
其中,Lh(t)非工业热负荷,kW;Lh,1(t)空调热负荷,kW;Cop,1空调制热能效系数; Lc(t)非工业冷负荷,kW;Lc,1(t)空调冷负荷,kW;Cop,2空调制冷能效系数。
β电力负荷同时率。
Bf是否有工厂用地,0-1变量;Rmode1(%),全天运行工厂比例;Nl,f,1(t)在t时刻, 全天制运行工厂是否有照明负荷,0-1变量;Al,f工厂有效照明面积,m2;Ul,f工厂照明 单位负荷,w/m2;λ修正系数;Nf,1(t)在t时刻,全天制运行工厂是否有大功率用电负 荷,0-1;Af工厂用地面积,m2;Uf工业大功率单位负荷,w/m2。
Bf是否有工厂用地,0-1变量;Rmode2(%),8小时制运行工厂比例;Nl,f,1(t)在t时刻,8小时制运行工厂是否有照明负荷,0-1变量;Al,f工厂有效照明面积,m2;Ul,f工厂 照明单位负荷,w/m2;λ修正系数;Nf,1(t)在t时刻,8小时制运行工厂是否有大功率用 电负荷,0-1;Af工厂用地面积,m2;Uf工业大功率单位负荷,w/m2。
Br是否有居住用地,0-1变量;Nl,r(t)在t时刻,居民区是否有照明负荷,0-1变量;Al,r居民区有效照明面积;Ul,r(w/m2)居住照明单位负荷;No,r(t)在t时刻,居民区是 否有其他负荷,0-1变量;Ar(m2)居住区建筑面积;Uo,r(w/m2)居住其他单位负荷。
Bc是否有商业综合体,0-1变量;No,c(t)在t时刻,商业区是否有照明及其他负荷,0-1变量;Ac(m2)商业综合体建筑面积;Uo,c商业区其他单位负荷。
Bo是否有办公用地,0-1变量;Nl,o(t)在t时刻,办公区是否有照明负荷,0-1变量;Al,o办公区有效照明面积;Ul,o(w/m2)办公照明单位负荷;No,o(t)在t时刻,办公区是 否有其他负荷,0-1变量;Ao(m2)办公区建筑面积;Uo,o(w/m2)办公其他单位负荷。
Atotal为综合能源系统总用地面积,Rg为绿化率,Ug为绿化用地单位负荷。
四、负荷预测流程如下:
(1)获取预测区域有关表1中的基础信息,计算非工业冷热负荷;
(2)获取预测区域有关表3中的基础信息,计算工业热负荷;
(3)获取预测区域有关表4~5中的基础信息,计算逐时电负荷。
下表6和表7是该种负荷预测方法的一个逐时取值实例,每个部分的用电时间段可根据系统实际情况进行调整。表6为工作日电负荷逐时取值一览表,表7为非工作日电 负荷逐时一览表。
表6
表7
Claims (8)
1.一种面向综合能源系统的冷热电多元负荷预测方法,其特征在于,包括步骤:
(1)非工业用户的逐时冷热负荷预测;
(2)工业用户的逐时冷热负荷预测;
(3)逐时电负荷预测;
(4)冷热电多元负荷预测。
2.根据权利要求1所述的面向综合能源系统的冷热电多元负荷预测方法,其特征在于,所述步骤1中,非工业用户的热负荷包括热水管道集中供暖和空调制热,非工业用户的冷负荷包括溴冷机组和空调制冷;将非工业用户的冷热负荷中由电转化的部分归入电负荷计算。
3.根据权利要求2所述的面向综合能源系统的冷热电多元负荷预测方法,其特征在于,非工业用户的逐时冷热负荷预测为:
其中,Ah,c,1商业综合体空调制热面积,Ah,c商业综合体有效用热面积,其比值为商业综合体电负荷制热系数;Ah,r,1居住区空调制热面积,Ah,r居住区有效用热面积,其比值为商业综合体电负荷制热系数;Ah,o1办公区空调制热面积,Ah,o办公区有效用热面积,其比值为商业综合体电负荷制热系数;
Ac,c,1商业综合体空调制冷面积,Ac,c商业综合体有效用冷面积,其比值为商业综合体电负荷制冷系数;Ac,r,1居住区空调制冷面积,Ac,r居住区有效用冷面积,其比值为商业综合体电负荷制冷系数;Aco1办公区空调制冷面积,Aco办公区有效用冷面积,其比值为商业综合体电负荷制冷系数。
4.根据权利要求1所述的面向综合能源系统的冷热电多元负荷预测方法,其特征在于,所述步骤2中,工业用户的冷负荷包括空调和冷库,工业用户的热负荷为蒸汽;将工业用户的冷热负荷中由电转化的部分归入电负荷计算。
6.根据权利要求1所述的面向综合能源系统的冷热电多元负荷预测方法,其特征在于,所述步骤3中,逐时电负荷预测包括商业综合体、居住、办公和工业的电负荷,非工业用户的冷热电负荷和工业用户的冷热电负荷,绿化用地电负荷。
7.根据权利要求6所述的面向综合能源系统的冷热电多元负荷预测方法,其特征在于,逐时电负荷预测为:
Le(t)=(Lh(t)-Lh,1(t))/Cop,1+(Lc(t)-Lc,1(t))/cop,2+β*{Bf*Rmodel1*[Nl,f,1(t)*Al,f*Ul,f*λ+Nf,1(t)*Af*Uf]+Bf*Rmodel2*[Nl,f,2(t)*Al,f*Ul,f*λ+Nf,2(t)*Af*Uf]+Br*[Nl,r(t)*Al,r*Ul,r*λ+No,r(t)*Ar*Uo,r]+Bc*[No,c(t)*Ac*Uo,c]+Bo*[Nl,o(t)*Al,o*Ul,o*λ+No,o(t)*Ao*Uo,o]+Atotal*Rg*Ug}/1000,t=1,2,…,24
其中,Lh(t)非工业热负荷,Lh,1(t)空调热负荷,Cop,1空调制热能效系数;Lc(t)非工业冷负荷,Lc,1(t)空调冷负荷,Cop,2空调制冷能效系数;β电力负荷同时率;
Bf是否有工厂用地,0-1变量;Rmode1(%)全天运行工厂比例;Nl,f,1(t)在t时刻全天制运行工厂是否有照明负荷,0-1变量;Al,f工厂有效照明面积,Ul,f工厂照明单位负荷,λ修正系数;Nf,1(t)在t时刻全天制运行工厂是否有大功率用电负荷,0-1;Af工厂用地面积,Uf工业大功率单位负荷;
Bf是否有工厂用地,0-1变量;Rmode2(%)8小时制运行工厂比例;Nl,f,1(t)在t时刻8小时制运行工厂是否有照明负荷,0-1变量;Al,f工厂有效照明面积,Ul,f工厂照明单位负荷,λ修正系数;Nf,1(t)在t时刻8小时制运行工厂是否有大功率用电负荷,0-1;Af工厂用地面积,Uf工业大功率单位负荷;
Br是否有居住用地,0-1变量;Nl,r(t)在t时刻居民区是否有照明负荷,0-1变量;Al,r居民区有效照明面积;Ul,r居住照明单位负荷;No,r(t)在t时刻居民区是否有其他负荷,0-1变量;Ar居住区建筑面积;Uo,r居住其他单位负荷;
Bc是否有商业综合体,0-1变量;No,c(t)在t时刻商业区是否有照明及其他负荷,0-1变量;Ac商业综合体建筑面积;Uo,c商业区其他单位负荷;
Bo是否有办公用地,0-1变量;Nl,o(t)在t时刻办公区是否有照明负荷,0-1变量;Al,o办公区有效照明面积;Ul,o办公照明单位负荷;No,o(t)在t时刻办公区是否有其他负荷,0-1变量;Ao办公区建筑面积;Uo,o办公其他单位负荷;
Atotal为综合能源系统总用地面积,Rg为绿化率,Ug为绿化用地单位负荷。
8.根据权利要求1所述的面向综合能源系统的冷热电多元负荷预测方法,其特征在于,所述步骤4中,获取预测区域的基础信息,分别计算非工业冷热负荷、工业冷热负荷、逐时电负荷,进行冷热电多元负荷预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010397421.8A CN111582591B (zh) | 2020-05-12 | 2020-05-12 | 一种面向综合能源系统的冷热电多元负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010397421.8A CN111582591B (zh) | 2020-05-12 | 2020-05-12 | 一种面向综合能源系统的冷热电多元负荷预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111582591A true CN111582591A (zh) | 2020-08-25 |
CN111582591B CN111582591B (zh) | 2022-06-07 |
Family
ID=72112125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010397421.8A Active CN111582591B (zh) | 2020-05-12 | 2020-05-12 | 一种面向综合能源系统的冷热电多元负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582591B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036636A (zh) * | 2020-08-28 | 2020-12-04 | 国网福建省电力有限公司经济技术研究院 | 一种以电能终端消费为主的综合能源负荷预测方法 |
CN112594761A (zh) * | 2020-11-11 | 2021-04-02 | 华电电力科学研究院有限公司 | 一种集中式区域供能方法 |
CN117213143A (zh) * | 2023-11-09 | 2023-12-12 | 江苏新讯智造科技有限公司 | 一种基于ai智能调节的冷库节能及评估系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104571068A (zh) * | 2015-01-30 | 2015-04-29 | 中国华电集团科学技术研究总院有限公司 | 一种分布式能源系统的运行优化控制方法及系统 |
CN106557843A (zh) * | 2016-11-24 | 2017-04-05 | 新奥泛能网络科技股份有限公司 | 一种用能需求预测方法 |
US20190178522A1 (en) * | 2016-09-20 | 2019-06-13 | Gree Electric Appliances, Inc. Of Zhuhai | Load-Predicting and Control System and Method for Subway Heating, Ventilation and Air Conditioning System |
CN110262422A (zh) * | 2019-06-21 | 2019-09-20 | 华南理工大学 | 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 |
-
2020
- 2020-05-12 CN CN202010397421.8A patent/CN111582591B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104571068A (zh) * | 2015-01-30 | 2015-04-29 | 中国华电集团科学技术研究总院有限公司 | 一种分布式能源系统的运行优化控制方法及系统 |
US20190178522A1 (en) * | 2016-09-20 | 2019-06-13 | Gree Electric Appliances, Inc. Of Zhuhai | Load-Predicting and Control System and Method for Subway Heating, Ventilation and Air Conditioning System |
CN106557843A (zh) * | 2016-11-24 | 2017-04-05 | 新奥泛能网络科技股份有限公司 | 一种用能需求预测方法 |
CN110262422A (zh) * | 2019-06-21 | 2019-09-20 | 华南理工大学 | 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 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036636A (zh) * | 2020-08-28 | 2020-12-04 | 国网福建省电力有限公司经济技术研究院 | 一种以电能终端消费为主的综合能源负荷预测方法 |
CN112594761A (zh) * | 2020-11-11 | 2021-04-02 | 华电电力科学研究院有限公司 | 一种集中式区域供能方法 |
CN117213143A (zh) * | 2023-11-09 | 2023-12-12 | 江苏新讯智造科技有限公司 | 一种基于ai智能调节的冷库节能及评估系统 |
CN117213143B (zh) * | 2023-11-09 | 2024-01-30 | 江苏新讯智造科技有限公司 | 一种基于ai智能调节的冷库节能及评估系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111582591B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111582591B (zh) | 一种面向综合能源系统的冷热电多元负荷预测方法 | |
Hepbasli | A comparative investigation of various greenhouse heating options using exergy analysis method | |
Li et al. | Theoretical analysis on ground source heat pump and air source heat pump systems by the concepts of cool and warm exergy | |
Li | Investigations of life cycle climate performance and material life cycle assessment of packaged air conditioners for residential application | |
CN109376912A (zh) | 基于民用建筑物热惯性的冷热电联供系统运行优化方法 | |
Vialetto et al. | Innovative household systems based on solid oxide fuel cells for the Mediterranean climate | |
Kilkis | Exergy-optimum coupling of heat recovery ventilation units with heat pumps in sustainable buildings | |
He et al. | A quantity-quality-based optimization method for indoor thermal environment design | |
Usman et al. | A methodology for multi-criteria assessment of renewable integrated energy supply options and alternative HVAC systems in a household | |
Sarbu et al. | Performances of heat pump systems as users of renewable energy for building heating/cooling | |
Wang et al. | Electricity demand analysis for solar PV houses: Polyvalent heat pumps coupled with water storage tanks | |
Lamptey et al. | Comparative energy analysis of cooling energy performance between conventional and hybrid air source internet data center cooling system | |
Glanville et al. | Demonstration and Simulation of Gas Heat Pump-Driven Residential Combination Space and Water Heating System Performance | |
Yosifova et al. | Research and analysis of modern space heating technologies and management for industrial buildings | |
CN111144610A (zh) | 考虑人体温度舒适度的城市楼宇能量枢纽优化方法及系统 | |
CN117689178B (zh) | 复合式地源热泵系统长周期运行调度优化方法和装置 | |
CN115143553B (zh) | 小型直膨式相变蓄冷空调的调控方法 | |
Lun et al. | Sustainability in heating and cooling | |
Jorquera Ferrat et al. | Technical and Economic Analysis of a Residential Heat Pump with Photovoltaic Solar Panels in Self-Consumption for Space Heating, Cooling and DHW Production | |
Woldekidan | End-Use Savings Shapes Measure Documentation: Boiler Replacement with Air-Source Heat Pump Boiler and Electric Boiler Backup | |
Zhang et al. | Techno-economic analysis of distributed absorption cooling system driven by a district heating system | |
Molyet et al. | Optimal control of solar heating systms utilizing a dual source heat pump | |
Wolfe Jr et al. | Gas engine heat pump performance in a southern climate | |
Vallati et al. | Comparison of different heating generator systems to reduce energy consumption in social housing in a Mediterranean climate. | |
El Nagar et al. | Impact of integration of electric and gas heat pumps on the final energy consumption of Belgian residential building stock |
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 |