CN111612273B - 一种区域级综合能源系统分区设计方法及系统 - Google Patents

Abstract

本发明公开了一种区域级综合能源系统分区设计方法及系统，包括：获取设定区域的负荷侧数据和能源侧数据，对所述数据进行聚类分析，将不同类型的建筑根据其负荷特点进行分类；确定供能设备集合，并筛选出每类建筑的备选设备集；对于每类建筑的每一个备选设备集，以一次能源节约率、年成本节约率和CO₂减排率加权后的综合指标最高为目标建立多目标优化模型，求取多目标优化结果；进而得到所有备选设备的多目标优化结果；基于所述多目标优化结果，确定适合该类建筑的最优供能结构，进而确定该设定区域的综合能源系统分区设计方案。本发明按聚类结果对区域内的建筑分区设计供能结构，为区域级综合能源系统的规划提供了一个可行方法。

Description

一种区域级综合能源系统分区设计方法及系统

技术领域

本发明涉及综合能源系统优化设计技术领域，尤其涉及一种区域级综合能源系统分区设计方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

综合能源系统集风力发电系统、光伏发电系统、燃气冷热电联供系统等多种类型能量枢纽于一体，能够同时满足用户电、热、冷、气多元化用能需求，很大程度地促进电力、燃气、热力等多种能流的协同，同时对提高可再生能源利用率与减少环境污染有着重要意义。区域级综合能源系统包含多种类型的建筑，用能特性复杂多样，更加注重微网层面的多能协同运行，是未来综合能源系统的重要实现形式，由于其供能方式灵活多样，导致系统性能也有所差异，因此系统的优化设计研究对得到最佳性能有着重要意义。

发明人研究发现，现有的优化设计工作对综合能源系统的设备容量的配置、运行方式的选择以及优化模型的求解算法方面已经有了广泛研究，但该类研究多是针对固定结构的优化设计研究，且结构的设计具有较大的主观性，缺少科学方法的指导，无法确保优化所用的结构能达到最优的供能效果，即所用结构不一定是最优结构。

针对此问题，现有技术提出了以穷举法为核心的结构优化方法，对供能设备的所有组合进行遍历，选取最优结构，这无疑降低了设计效率。尤其是当设计对象是由多种类型建筑组成的区域级综合能源系统时，用能类型复杂，供能结构多样，为结构设计工作带来了极大的工作量。

发明内容

有鉴于此，本发明提出了一种区域级综合能源系统分区设计方法及系统，该方法基于多种负荷统一聚类分区的系统结构双层优化设计，第一层数据处理层作为第二层优化设计层的输入，能够得到适合该类负荷的最优供能结构。

为了实现上述目的，在一些实施方式中，采用如下技术方案：

一种区域级综合能源系统分区设计方法，包括：

获取设定区域的负荷侧数据和能源侧数据，对所述数据进行聚类分析，将不同类型的建筑根据其负荷特点进行分类；

基于分类结果，确定供能设备集合，并筛选出每类建筑的备选设备集；

对于每类建筑的每一个备选设备集，以一次能源节约率、年成本节约率和CO₂减排率加权后的综合指标最高为目标建立多目标优化模型，求取多目标优化结果；进而得到所有备选设备的多目标优化结果；

基于所述多目标优化结果，确定适合该类建筑的最优供能结构，进而确定该设定区域的综合能源系统分区设计方案。

在另一些实施方式中，采用如下技术方案：

一种区域级综合能源系统分区设计系统，包括：

数据处理层，所述数据处理层包括：

用于获取设定区域的负荷侧数据和能源侧数据，对所述数据进行聚类分析，将不同类型的建筑根据其负荷特点进行分类的装置；

用于基于分类结果，确定供能设备集合，并筛选出每类建筑的备选设备集的装置；

优化设计层，所述优化设计层包括：

用于对于每类建筑的每一个备选设备集，以一次能源节约率、年成本节约率和CO₂减排率加权后的综合指标最高为目标建立多目标优化模型，求取多目标优化结果；进而得到所有备选设备的多目标优化结果的装置；

用于基于所述多目标优化结果，确定适合该类建筑的最优供能结构，进而确定该设定区域的综合能源系统分区设计方案的装置。

在另一些实施方式中，采用如下技术方案：

一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的区域级综合能源系统分区设计方法。

与现有技术相比，本发明的有益效果是：

本发明结合数据挖掘方法，提出了一种电、热、冷、气多种负荷统一聚类的分析方法，按聚类结果对区域内的建筑分区设计供能结构，为区域级综合能源系统的规划提供了一个可行方法。

本发明方法同样可以为同一区域内单个建筑的供能结构设计提供参考，只需找到该建筑的所属类别，便可参照该类的最优结构进行设计。

本发明的附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为本发明实施例中数据处理层结构示意图；

图2为本发明实施例中优化设计层结构示意图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请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申请的示例性实施方式。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。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例一

在一个或多个实施方式中，公开了一种区域级综合能源系统分区设计方法，参照图1和图2，包括以下步骤：

S101：获取设定区域的负荷侧数据和能源侧数据；

具体地，参照图1，负荷侧数据可以是当地同类型建筑的真实负荷，也可以是通过EnergyPlus等软件仿真得到的建筑负荷，这些数据应包含建筑全年电、热、冷、气的消费数据；

能源侧数据收集当地的风、光、地热以及其他可利用能源数据。

S102：对数据做预处理；

首先采用回归插补法填补数据集中的缺失值；之后对各类能源数据和负荷数据统一量纲，电、热、冷、气均换算为kW；将统一量纲后的数据按每个整点取样，并按电、热、冷、气的顺序拼接为96维的向量，每个向量标记其建筑类型。能源数据按照相同的方法，每种类型的能源选择其主要特征数据作为有效数据，形成以每天为单位的24维向量，进而得到每天的负载分布图.

S103：对所述数据进行聚类分析，将不同类型的建筑根据其负荷特点进行分类；

具体地，采用聚类的方法进行数据挖掘。首先通过肘部法则判断数据的最佳聚类数目，然后使用k-means分别对负荷侧和能源侧的多维向量聚类分析；肘部法则和k-means的详细说明如下：

对于判定聚类数量，均方根标准差(RMSSTD)是一种有效的判定最优聚类数量的方法，可以定量的评价聚类模型的性能，公式如下：

式(1)中，k是数据簇的数量，d是聚类数据的维数或变量的个数，n_ij代表属于第i簇的j维数据的个数，为j维数据的平均值。

根据肘部法则，计算并绘制k值在一定范围内的RMSSTD曲线图，曲线的拐点即对应最佳聚类数目。

K-means是一种分区聚类方法，在负荷聚类中被广泛使用，尤其在大量数据的情况下，k-means运行的高效性更是优于其他算法。本方法的聚类对象是各类建筑全年的电、热、冷、气负荷数据，预处理后的数据类型是96维向量，具有数据量大、向量维数高的特点，因此在聚类方法上选择k-means聚类算法，其步骤如下：

步骤(1)：选择k个点作为初始聚类中心；

步骤(2)：通过将每个点分配到其最近的中心形成k个簇，并重新计算每个簇的中心；

步骤(3)：重复步骤(2)直至聚类中心不再发生变化。

向量间的距离计算采用欧式距离，计算公式如下：

式(2)中，x代表聚类中心点，y代表每个对象点。

S104：将聚类结果可视化处理，绘制出每类负载的中心曲线。然后针对负荷侧，根据每类的中心曲线，分析用户用能的特征，例如其用能的时间特性、负荷之间使用相关性、热电比等；针对能源侧，根据每类曲线的数量和特征，判断其的可利用价值。

S105：基于分类结果，确定供能设备集合，并筛选出每类建筑的备选设备集；

在完成上述分析的基础上，得到能源库[S₁,S₂,…,S_n]，进而确定供能设备集合[E₁,E₂,…,E_n]，随后通过排列组合生成非空集合M＝{[E₁],[E₂],[E₁,E₂],[E₁,E₂,E₃],…,[E₁,E₂,…,E_n]}，M中包含了所有设备的组合，共计2^k-1种。

而综合能源系统需要从能源侧到负荷侧有4条完整的供能设备链才能保证满足电、热、冷、气的负荷需求，由此可从集合M中筛选出的可行的供能设备组合，形成备选结构集P＝{[E₁,E₂,E₃],…,[E₂,E₃,…,E_n]}，集合P中的每个元素都能组成一套完整的供能结构，大大简化了后期循环迭代优化设计的工作量。

S106：对于每类建筑的每一个备选设备集，以一次能源节约率、年成本节约率和CO₂减排率加权后的综合指标最高为目标建立多目标优化模型，求取多目标优化结果；进而得到所有备选设备的多目标优化结果；

具体地，在得出的备选设备集中，选择一个结构，输入该结构中包含的设备参数与运行参数，并把一次能源节约率、年成本节约率和CO₂减排率作为优化目标，建立该结构的多目标优化模型；表达式如下：

max V＝ω₁PESR+ω₂ACSR+ω₃CERR

其中，0≤ω₁，ω₂，ω₃≤1，ω₁+ω₂+ω₃＝1，ω₁为节能率权重因子；ω₂为年成本回收率权重因子；ω₃为CO₂减排率权重因子；V为综合优化目标，输出的是三个优化目标的值以及综合指标的值。

在建筑负荷聚类结果中选取一类的中心点作为优化模型的典型日负荷，采用遗传算法对优化模型求解，以系统全生命周期的节能性、经济性和环保性为目标寻找最优结果。

S107：基于多目标优化结果，确定适合该类建筑的最优供能结构，进而确定该设定区域的综合能源系统分区设计方案。

具体地，针对每类建筑负荷，遍历备选结构集，得到每种结构的优化结果，并从大到小排序，综合指标最大即为适合该类建筑负荷的最优供能结构，为每个负荷分区的综合能源系统结构设计提供合理参考。

实施例二

在一个或多个实施方式中，公开了一种区域级综合能源系统分区设计系统，其特征在于，包括：

数据处理层，所述数据处理层包括：

用于获取设定区域的负荷侧数据和能源侧数据，对所述数据进行聚类分析，将不同类型的建筑根据其负荷特点进行分类的装置；

用于基于分类结果，确定供能设备集合，并筛选出每类建筑的备选设备集的装置；

优化设计层，所述优化设计层包括：

用于对于每类建筑的每一个备选设备集，以一次能源节约率、年成本节约率和CO₂减排率加权后的综合指标最高为目标建立多目标优化模型，求取多目标优化结果；进而得到所有备选设备的多目标优化结果的装置；

用于基于所述多目标优化结果，确定适合该类建筑的最优供能结构，进而确定该设定区域的综合能源系统分区设计方案的装置。

上述装置的具体实现方式采用实施例一中公开的方法，不再赘述。

实施例三

在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中公开的区域级综合能源系统分区设计方法，为了简洁，不再赘述。

应理解，本实施例中，处理器可以是中央处理单元CPU，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。

存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

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。

上述方法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申请的范围。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明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发明的保护范围以内。

Claims (8)

1.一种区域级综合能源系统分区设计方法，其特征在于，包括：

获取设定区域的负荷侧数据和能源侧数据，对所述数据进行聚类分析，将不同类型的建筑根据其负荷特点进行分类；所述负荷侧数据包括：该区域同类型建筑的真实负荷数据，或者通过仿真得到的建筑负荷数据；所述能源侧数据包括该区域的风、光、地热；

基于分类结果，确定供能设备集合，并筛选出每类建筑的备选设备集，具体包括：得到能源库[S₁,S₂,…,S_n]，确定供能设备集合[E₁,E₂,…,E_n]，通过排列组合生成非空集合M＝{[E₁],[E₂],[E₁,E₂],[E₁,E₂,E₃],…,[E₁,E₂,…,E_n]}，从非空集合M中，筛选出每类建筑的备选设备集P＝{[E₁,E₂,E₃],…,[E₂,E₃,…,E_n]}，集合P中的每个元素都能组成一套完整的供能结构；

对于每类建筑的每一个备选设备集，以一次能源节约率、年成本节约率和CO₂减排率加权后的综合指标最高为目标建立多目标优化模型，求取多目标优化结果；进而得到所有备选设备的多目标优化结果；

基于所述多目标优化结果，确定适合该类建筑的最优供能结构，进而确定该设定区域的综合能源系统分区设计方案。

2.如权利要求1所述的一种区域级综合能源系统分区设计方法，其特征在于，在获取设定区域的负荷侧数据和能源侧数据之后，还包括对所述数据进行预处理的过程，具体包括：

采用回归插补法填补数据集中的缺失值；

对各类负荷侧数据和能源侧数据统一量纲；

对负荷侧数据进行取样，按照不同数据类型构造负荷数据向量；

提取能源侧数据的特征数据作为有效数据，形成能源数据向量。

3.如权利要求1所述的一种区域级综合能源系统分区设计方法，其特征在于，对所述数据进行聚类分析，包括：

基于均方根标准差方法判定最佳聚类数量k；

选择k个点作为初始聚类中心；

将每个点分配到其最近的中心形成k个簇，并重新计算每个簇的中心；重复该过程，直至聚类中心不再发生变化。

4.如权利要求1所述的一种区域级综合能源系统分区设计方法，其特征在于，对所述数据进行聚类分析之后，还包括对聚类结果进行可视化处理的过程，具体包括：

基于聚类结果，绘制出每类负载的中心曲线；

针对负荷侧数据，根据每类负载的中心曲线，分析用能特征；

针对能源侧数据，根据每类曲线的数量和特征，判断可利用价值。

5.如权利要求1所述的一种区域级综合能源系统分区设计方法，其特征在于，对于每类建筑的每一个备选设备集，以一次能源节约率、年成本节约率和CO₂减排率加权后的综合指标最高为目标建立多目标优化模型，具体为：

maxV＝ω₁PESR+ω₂ACSR+ω₃CERR；

其中，0≤ω₁，ω₂，ω₃≤1，ω₁+ω₂+ω₃＝1，ω₁为节能率权重因子；ω₂为年成本回收率权重因子；ω₃为CO₂减排率权重因子；V为综合优化目标。

6.如权利要求5所述的一种区域级综合能源系统分区设计方法，其特征在于，在建筑负荷聚类结果中选取一类的中心点作为多目标优化模型的典型日负荷，采用遗传算法对优化模型求解，得到最优的多目标结果。

7.一种区域级综合能源系统分区设计系统，其特征在于，包括：

数据处理层，所述数据处理层包括：

用于获取设定区域的负荷侧数据和能源侧数据，对所述数据进行聚类分析，将不同类型的建筑根据其负荷特点进行分类的装置；所述负荷侧数据包括：该区域同类型建筑的真实负荷数据，或者通过仿真得到的建筑负荷数据；所述能源侧数据包括该区域的风、光、地热；

用于基于分类结果，确定供能设备集合，并筛选出每类建筑的备选设备集的装置，具体包括：得到能源库[S₁,S₂,…,S_n]，确定供能设备集合[E₁,E₂,…,E_n]，通过排列组合生成非空集合M＝{[E₁],[E₂],[E₁,E₂],[E₁,E₂,E₃],…,[E₁,E₂,…,E_n]}，从非空集合M中，筛选出每类建筑的备选设备集P＝{[E₁,E₂,E₃],…,[E₂,E₃,…,E_n]}，集合P中的每个元素都能组成一套完整的供能结构；

优化设计层，所述优化设计层包括：

用于对于每类建筑的每一个备选设备集，以一次能源节约率、年成本节约率和CO₂减排率加权后的综合指标最高为目标建立多目标优化模型，求取多目标优化结果；进而得到所有备选设备的多目标优化结果的装置；

用于基于所述多目标优化结果，确定适合该类建筑的最优供能结构，进而确定该设定区域的综合能源系统分区设计方案的装置。

8.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-6任一项所述的区域级综合能源系统分区设计方法。