CN111854185B - 一种基于神经网络控制的太阳能智能储热系统及控制方法 - Google Patents
一种基于神经网络控制的太阳能智能储热系统及控制方法 Download PDFInfo
- Publication number
- CN111854185B CN111854185B CN202010704435.XA CN202010704435A CN111854185B CN 111854185 B CN111854185 B CN 111854185B CN 202010704435 A CN202010704435 A CN 202010704435A CN 111854185 B CN111854185 B CN 111854185B
- Authority
- CN
- China
- Prior art keywords
- heat storage
- heat
- solar
- subsystem
- branch
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
- F24S60/00—Arrangements for storing heat collected by solar heat collectors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
- F24S20/00—Solar heat collectors specially adapted for particular uses or environments
- F24S20/40—Solar heat collectors combined with other heat sources, e.g. using electrical heating or heat from ambient air
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
- F24S50/00—Arrangements for controlling solar heat collectors
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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"
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/40—Solar thermal energy, e.g. solar towers
Abstract
本发明涉及一种基于神经网络控制的太阳能智能储热系统及控制方法,该系统包括太阳能集热子系统、储热相变子系统、冷却‑负载子系统、采集与控制子系统,太阳能集热子系统包括用于加热空气的太阳能集热单元,储热相变子系统包括用于储热/放热的储热单元,冷却‑负载子系统用于利用所述储热相变子系统输出的热空气为用户发电,采集与控制子系统用于监测太阳能集热子系统、储热相变子系统、冷却‑负载子系统,并基于神经网络控制该系统的工作模式。本发明能够在太阳辐照充足时利用储热单元存储多余的热量,在辐照不足时再通过储热单元释放热量,从而实现较为稳定的持续输出,提高能量利用率,满足用户用电需求。
Description
技术领域
本发明涉及太阳能技术领域,尤其涉及一种基于神经网络控制的太阳能智能储热系统及其控制方法。
背景技术
随着社会工业和经济的不断发展,人类对能源的需求日益增加,而传统的化石能源不可再生且储量有限,因此如何高效利用能源以及开发利用新能源成为全世界研究的重点。太阳能是一种取之不尽、用之不竭的可再生能源,但存在不连续、不稳定、易受气候天气影响、能量密度低等缺点。要使太阳能真正达到实用水平,一是要提高太阳能光电转化效率并降低其成本,二是要实现太阳能发电的电网联网。太阳能光伏发电是利用太阳能级半导体电子器件有效吸收太阳能光辐射能,并使之转变为电能的直接发电方式,但由于其发电效率较低、制造成本高、电池寿命短(光伏电池板生产消耗能耗高、CO2排放量大、并网储能难)严重限制了该技术的进一步发展和推广。太阳能光热发电是另一种潜力巨大的太阳能发电技术,通过水或其他工质和装置将太阳能转化为电能的发电方式,先将太阳能转化为热能,再将热能转化为电能,相比于太阳能光伏发电,成本更低,更易于实现。但光热发电更容易受到太阳能昼夜不连续性、不稳定性的影响,太阳能光热发电系统往往难以实现较为稳定的持续输出,不能满足用户使用需求。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是解决现有技术中太阳能光热发电难以提供较为稳定的持续输出的问题。
(二)技术方案
为了解决上述技术问题,本发明提供了一种基于神经网络控制的太阳能智能储热系统,该系统包括:太阳能集热子系统、储热相变子系统、冷却-负载子系统、采集与控制子系统;
所述太阳能集热子系统包括变频风机、集热组和辅助电加热装置;其中,所述集热组包括至少两个用于加热空气的太阳能集热单元,各所述太阳能集热单元串联,所述集热组的进口端连接所述变频风机的出口端,所述集热组的出口端连接所述辅助电加热装置的进口端;
所述储热相变子系统包括储热组和气体混合箱;其中,所述储热组包括第一支路、第二支路和至少两个用于储热/放热的储热单元;所述第一支路和第二支路的进口端连接所述辅助电加热装置的出口端,所述第一支路和第二支路的出口端连接所述气体混合箱;
所述储热单元中装有相变潜热材料,每个所述储热单元的一端通过三通连接的方式和所述第一支路连通,另一端通过三通连接的方式和所述第二支路连通;
所述冷却-负载子系统的进口端和所述气体混合箱的出口端连接,用于利用所述储热相变子系统输出的热空气为用户发电,降温热空气,回收余热并排放;
所述采集与控制子系统和所述太阳能集热子系统、所述储热相变子系统、所述冷却-负载子系统均电连接;所述采集与控制子系统包括用于采集天气预报数据的预报采集单元,用于采集实测环境数据的实测采集单元,用于监测系统的内部数据的监测单元,以及控制中心,其中监测单元至少包括多个温度传感器、多个压力传感器和多个流量传感器;所述控制中心用于利用天气预报数据、实测环境数据以及内部数据,基于神经网络的热负荷预测模型预测规定时段内,所述太阳能集热子系统出口端输出的空气的温度,并根据预测的温度的变化趋势制定相应的控制方案,进而确定所述太阳能智能储热系统的工作模式,生成相应控制指令并发送至所述太阳能集热子系统、所述储热相变子系统。
优选地,所述太阳能智能储热系统的工作模式至少包括太阳能全部供热模式、太阳能供电蓄热模式、太阳能直接储热模式和储热相变直接供热模式。
优选地,所述控制中心用于在确定工作模式为太阳能全部供热模式后,生成相应控制指令并发送至所述储热相变子系统,所述储热相变子系统响应控制指令,所述第一支路整体连通,所述第二支路断开,经所述太阳能集热子系统加热的空气由所述第一支路的进口端进入所述储热相变子系统,但不通过储热单元进行储热,通过且仅通过所述第一支路,直接由所述第一支路的出口端输入所述气体混合箱。
优选地,所述控制中心还用于在确定工作模式为太阳能全部供热模式后,生成相应控制指令并发送至所述太阳能集热子系统,所述太阳能集热子系统响应控制指令,若所述集热组的出口端输出的空气温度低于加热阈值,则所述辅助电加热装置启动。
优选地,所述控制中心用于在确定工作模式为太阳能供电蓄热模式后,生成相应控制指令并发送至所述储热相变子系统,所述储热相变子系统响应控制指令,所述第一支路整体连通,所述第二支路部分断开,且各所述储热单元并联连通,经所述太阳能集热子系统加热的空气由所述第一支路的进口端进入所述储热相变子系统,通过所述第一支路和并联的各所述储热单元,由所述第一支路和所述第二支路的出口端输入所述气体混合箱,并加热各所述储热单元。
优选地,所述控制中心用于在确定工作模式为太阳能直接储热模式后,生成相应控制指令并发送至所述储热相变子系统,所述储热相变子系统响应控制指令,所述第一支路和所述第二支路部分断开,各所述储热单元并联连通,经所述太阳能集热子系统加热的空气由所述第一支路的进口端进入所述储热相变子系统,通过并联的各所述储热单元,由第二支路的出口端输入所述气体混合箱,并加热各所述储热单元。
优选地,所述控制中心用于在确定工作模式为储热相变直接供热模式后,生成相应控制指令并发送至所述储热相变子系统,所述储热相变子系统响应控制指令,各所述储热单元串联,经所述太阳能集热子系统的空气由所述第二支路的进口端进入所述储热相变子系统,通过串联的各所述储热单元后,输入所述气体混合箱,各所述储热单元处加热空气。
优选地,所述气体混合箱还通过紧急旁路连接所述变频风机的出口端,用于引入未经过所述太阳能集热子系统和所述储热组的空气。
本发明还提供了一种基于神经网络控制的太阳能智能储热系统控制方法,该方法采用如上述任一项所述的太阳能智能储热系统,包括如下步骤:
S1、建立基于神经网络的热负荷预测模型,并输入用于预测的天气预报数据、实测环境数据及实时的内部数据;其中,基于神经网络的热负荷预测模型采用BP神经网络结构,隐含层的激励函数采用Sigmoid函数;
S2、利用基于神经网络的热负荷预测模型预测规定时段内太阳能集热子系统出口端输出的空气的温度,并根据预测的温度制定相应的控制方案;
S3、在规定时段内执行制定的控制方案,并结合实时实测环境数据以及内部数据,确定所述太阳能智能储热系统的工作模式。
优选地,基于神经网络的热负荷预测模型的输入量至少包括天气预报数据中的天气预报温度、天气预报湿度、天气预报太阳辐照度,实测环境数据中的实测环境温度、实测环境湿度、实测环境风速、实测太阳辐照强度,内部数据中的太阳能集热子系统进口端输入的空气的温度、流量和出口端输出的空气的温度,以及各储热单元进出口的空气的温度、流量;输出量为预测的规定时段内太阳能集热子系统出口端输出的空气的温度。
(三)有益效果
本发明的上述技术方案具有如下优点:本发明提供了一种基于神经网络控制的太阳能智能储热系统,包括太阳能集热子系统、储热相变子系统、冷却-负载子系统、采集与控制子系统,本发明利用相变潜热材料在相变过程中会吸收或释放大量的热量的特点,在太阳能过剩时利用储热相变子系统存储热量,在太阳能不足时通过储热相变子系统释放热量,有效地克服了能源供应在时间和空间上不匹配的矛盾,实现系统整体的稳定输出。并且,本发明基于神经网络实现控制系统的工作模式,储热相变子系统中各个储热单元可根据实际使用条件采用不同连接方式,适应外界热源与热负荷变化的储热相变子系统,以保障稳定的热量输出需求,能够提高整体的能量转化效率,降低阻抗损耗,实现能量的最大化利用。
本发明还提供了一种基于神经网络控制的太阳能智能储热系统控制方法,该方法利用基于神经网络的热负荷预测模型处理天气预报数据、实测环境数据以及系统的内部数据,预测太阳能在规定时段内可提供的热能,进而对各子系统进行调控,能够克服光电转化的不确定性、时变和不稳定性等因素的动态影响,从而实现高效、稳定输出,为用户提供优质的清洁能源。
附图说明
图1是本发明实施例中一种基于神经网络控制的太阳能智能储热系统结构示意图;
图2是本发明实施例中太阳能智能储热系统在太阳能全部供热模式下的传热介质流动示意图;
图3是本发明实施例中太阳能智能储热系统在太阳能供电蓄热模式下的传热介质流动示意图;
图4是本发明实施例中太阳能智能储热系统在太阳能直接储热模式下的传热介质流动示意图;
图5是本发明实施例中太阳能智能储热系统在储热相变直接供热模式下的传热介质流动示意图;
图6是本发明实施例中太阳能智能储热系统控制方法流程示意图。
图中:1:流量传感器;2:压力传感器;3:温度传感器;4:第一电控阀;5:膨胀节;6:变频风机;7:太阳能集热单元;8:辅助电加热装置;9:储热单元;10:保温材料;11:第二电控阀;12:气体混合箱;13:紧急旁路;14:气-液换热器;15:汽轮机;16:发电机;17:冷却装置;18:球阀;19:水箱;20:变频水泵;21:排气阀;22:余热回收装置;23:监测单元;24:控制中心;25:计算服务器。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供的一种基于神经网络控制的太阳能智能储热系统,包括四个子系统:太阳能集热子系统、储热相变子系统、冷却-负载子系统、采集与控制子系统。具体地,其中:
太阳能集热子系统包括变频风机6、集热组和辅助电加热装置8。变频风机6受控于采集与控制子系统,用于从外界引入空气,作为该太阳能智能储热系统的传热介质,集热组用于将太阳能转化为热能,吸收太阳辐射对作为传热介质的空气进行加热,辅助电加热装置8用于在需要时对作为传热介质的空气进行辅助加热。
以变频风机6作为空气进的起始端,靠近变频风机6的一侧为在先,远离变频风机6的一侧为在后,如图1所示,集热组包括至少两个用于加热空气的太阳能集热单元7,各太阳能集热单元7串联,即在先一个太阳能集热单元7的出口端(通过管道与相应的阀门等)连接在后一个太阳能集热单元7的进口端。集热组的进口端(也即最先一个太阳能集热单元7的进口端)连接变频风机6的出口端,集热组的出口端(也即最后一个太阳能集热单元7的出口端)连接辅助电加热装置8的进口端。太阳能集热子系统中,由变频风机6引入的空气,在依次流经各太阳能集热单元7后,再流经辅助电加热装置8。
优选地,为便于控制太阳能集热子系统的输入,变频风机6的后方的管道上设有第一电控阀4。第一电控阀4可选用电磁阀,电磁阀只有开、关两种模式。变频风机6优选通过膨胀节5与管道连接。进一步地,为便于控制太阳能集热单元7内空气的流量,太阳能集热单元7通过第二电控阀11串联。第二电控阀11可选调节阀,调节阀可调节流量大小。各第一电控阀4、第二电控阀11受控于采集与控制子系统。
储热相变子系统包括储热组和气体混合箱12。其中,储热组包括第一支路、第二支路和至少两个用于储热/放热的储热单元9。第一支路和第二支路(的管道)的进口端连接辅助电加热装置8的出口端,用于引入流经太阳能集热子系统后输出的空气,第一支路和第二支路的出口端连接气体混合箱12,用于向气体混合箱12输出流经储热组后的空气。储热相变子系统的各个管道(包括第一支路、第二支路、连接各储热单元9的管道等)外侧优选设置用于保温的保温材料10,减少能量损失。
储热单元9中装有相变潜热材料,能够利用相变潜热材料的相变过程吸收或释放热量。如图1所示,每个储热单元9的一端通过三通连接的方式和第一支路连通,另一端通过三通连接的方式和第二支路连通,即各个储热单元9一端引出的管道由侧向接入第一支路,另一端引出的管道由侧向接入第二支路。采用三通连接的方式,在各个连接的节点处可出现不同的流动方案,第一支路、第二支路的管道内流动的空气可选择向储热单元9流出,或不向储热单元9流出。
三通连接的方式可采用三通阀实现,或采用三通管与相应的阀门相互配合实现。采用三通连接的方式使得各储热单元9的连接方案不固定,可根据实际需要采用不同的连接方案(各储热单元串联或各储热单元并联等,串联即在先一个储热单元的出口端通过管道连接在后一个储热单元的进口端,并联则各储热单元不分先后,各储热单元的进口端连接至一处,出口端管道至一处,空气分为多路,分别流经各储热单元后,再汇总)。
如图1所示,一种优选的三通连接的方式为:每个储热单元9的一端通过三通管和第一支路连通,另一端通过三通管和第二支路连通,三通管各开口侧均设有第一电控阀4或第二电控阀11。进一步地,两个(连接储热单元9的)相邻的三通管之间通过第二电控阀11连接。第一电控阀4可选用电磁阀,第二电控阀11可选用调节阀。使用时,通过调控相应的第一电控阀4、第二电控阀11,即可实现调整各储热单元9的连接方案,使得自太阳能集热子系统流出的空气经过不同的通路流入气体混合箱12。
优选地,气体混合箱12还通过紧急旁路13连接变频风机6的出口端,用于引入未经过太阳能集热子系统和储热组的空气,以免气体混合箱12内的空气过热。
冷却-负载子系统的进口端和气体混合箱12的出口端连接,用于利用储热相变子系统输出的热空气为用户发电,降温热空气,回收余热并排放。
采集与控制子系统和太阳能集热子系统、储热相变子系统、冷却-负载子系统均电连接。采集与控制子系统包括用于采集天气预报数据的预报采集单元,用于采集实测环境数据的实测采集单元,用于监测系统(包括太阳能集热子系统、储热相变子系统、冷却-负载子系统)的内部数据的监测单元23,以及控制中心24。其中监测单元23包括多个用于收集内部数据的传感器,至少包括多个温度传感器3、多个压力传感器2和多个流量传感器1,以实现监测太阳能集热子系统、储热相变子系统、冷却-负载子系统中相应位置的温度、压力和流量。
控制中心24用于利用天气预报数据、实测环境数据以及各传感器(温度传感器、压力传感器、流量传感器)收集的内部数据,基于神经网络的热负荷预测模型,预测规定时段内所述太阳能集热子系统出口端输出的空气的温度,并根据预测的温度的变化趋势制定相应的控制方案,进而确定太阳能智能储热系统的工作模式,生成相应控制指令并发送至太阳能集热子系统、储热相变子系统。太阳能集热子系统、储热相变子系统响应控制中心24的控制指令并执行对应的动作,例如变频风机6改变功率以调整进入的空气流量,各第一电控阀、第二电控阀改变阀门状态等。
在一个优选的实施方式中,如图1所示,该太阳能智能储热系统中,集热组的进口端设有用于控制空气进入的第一电控阀(为便于区分与说明,可表示为第一电磁阀XV1),以及温度传感器(第一温度传感器TE001)、压力传感器(第一压力传感器PT001)和流量传感器(第一流量传感器FT001)。第一电磁阀XV1响应控制中心24发出的控制指令,开启第一电磁阀XV1方可输入作为传热介质的空气。第一温度传感器TE001、第一压力传感器PT001和第一流量传感器FT001分别用于监测集热组的进口端输入的空气的温度、管道内的压力和流量。优选地,两个用于加热空气的太阳能集热单元7之间通过第二电控阀(第一调节阀HV1)串联,通过第一调节阀HV1可调控空气在太阳能集热单元7间的流动状况。进一步地,集热组的出口端设有温度传感器(第二温度传感器TE002),用于监测集热组输出的空气的温度,当第二温度传感器TE002监测到集热组的出口端输出的空气温度未达到设定的温度要求时,辅助电加热装置8可以响应控制中心24工作,辅助加热管道内的空气。
优选地,太阳能集热子系统的出口端输出的管道通过三通管分连第一支路和第二支路,储热单元9通过三通管接入第一支路、第二支路,三通管各开口侧相应地设有第一电控阀或第二电控阀。如图1所示,对于两个储热单元9的实施方式,第一支路的进口端和出口端均设有第一电控阀(为便于说明,分别表示为第二电磁阀XV2、第三电磁阀XV3),第一支路的管道上连接两个储热单元9的三通管之间设有第二电控阀(第二调节阀HV2),即相邻两个三通管相对的开口侧共用一个第二电控阀。第二支路的进口端和出口端均设有第一电控阀(第八电磁阀XV8、第九电磁阀XV9),第二支路的管道上连接两个储热单元9的三通管之间也设有第二电控阀(第三调节阀HV3)。
优选地,储热单元9的两端分别通过两个第一电控阀接入第一支路和第二支路,且储热单元9的两端外部、内部均设有温度传感器,如图1所示,为便于说明,可表示为:一个储热单元9通过第四电磁阀XV4接入第一支路,通过第六电磁阀XV6接入第二支路,第四电磁阀XV4与该储热单元9(外部)之间设有第四温度传感器TE004,该储热单元9内部靠近第四电磁阀XV4的一端设有第六温度传感器TE006,第六电磁阀XV6与该储热单元9(外部)之间设有第八温度传感器TE008,该储热单元9内部靠近第六电磁阀XV6的一端设有第七温度传感器TE007。一个储热单元9通过第五电磁阀XV5接入第一支路,通过第七电磁阀XV7接入第二支路,第五电磁阀XV5与该储热单元9(外部)之间设有第五温度传感器TE005,该储热单元9内部靠近第五电磁阀XV5的一端设有第九温度传感器TE009,第七电磁阀XV7与该储热单元9(外部)之间设有第十一温度传感器TE011,该储热单元9内部靠近第七电磁阀XV7的一端设有第十温度传感器TE010。通过在储热单元9的两端外部、内部均设置温度传感器,能够更好地监测各储热单元9的工作状态。
优选地,第一支路和第二支路的管道上可根据需要设置用于监测温度的温度传感器、用于检测流量的流量传感器。进一步地,为便于说明,如图1所示,第三电磁阀XV3一侧设有第三温度传感器TE003和第三流量传感器FT003,第二调节阀HV2的一侧设有第二流量传感器FT002,第九电磁阀XV9一侧设有第十二温度传感器TE012,第三调节阀HV3的一侧设有第四流量传感器FT003。
气体混合箱12内优选设置温度传感器(第十三温度传感器TE013),用于监测气体混合箱12向冷却-负载子系统输出的热空气的温度。进一步地,紧急旁路13上设有第二电控阀(第四调节阀HV4),用于调控紧急旁路13的空气的流量。当第十三温度传感器TE013监测到气体混合箱12内热空气温度过高,控制中心24生成相应控制指令并发送,第四调节阀HV4响应控制中心24的控制指令,由紧急旁路13直接引入外界的空气进行混合,避免气体混合箱12内部的温度过高。
优选地,冷却-负载子系统的进口端设有用于监测温度、压力和流量的温度传感器(第十四温度传感器TE014)、压力传感器(第二压力传感器PT002)和流量传感器(第五流量传感器FT005),可监测进入冷却-负载子系统的热空气的状态。
冷却-负载子系统可采用现有技术,如图1所示,一个优选的实施方式下,冷却-负载子系统包括气-液换热器14、汽轮机15、发电机16、冷却装置17、水箱19、变频水泵20和余热回收装置22。储热相变子系统的输出端连接气-液换热器14。气-液换热器14用于将热空气的热量传递给冷却水,使冷却水转变为过热高压蒸汽。气-液换热器14的水循环输出端通过管道连接汽轮机15,汽轮机15连接发电机16。过热高压蒸汽由气-液换热器14输入汽轮机15,通过汽轮机15带动发电机16实现发电,为用户提供电能。汽轮机15通过管道连接冷却装置17,冷却装置17通过变频水泵20连接水箱19,水箱19通过球阀18接回气-液换热器14的水循环回收端。流经汽轮机15并实现发电后的过热高压蒸汽进入冷却装置17,经冷却装置17降温为液态,由变频水泵20运入水箱19,再运回气-液换热器14,构成冷却水的循环。气-液换热器14的气体输出端通过管道连接余热回收装置22。进入气-液换热器14的热空气将热量传递给冷却水后,进入余热回收装置22回收余热。余热回收装置22通过排气阀21(为便于显示,图1中标识为BV1)排出空气。排气阀21为空气出的终止端,从变频风机6至排气阀21,作为传热介质的空气完成其工作过程,最终回到大气。
为监测冷却-负载子系统的内部情况,优选地,气-液换热器14内设有用于监测温度的温度传感器(第十五温度传感器TE015),气-液换热器14的气体输出端设有用于监测流量的流量传感器(第六流量传感器FT06),和用于监测温度的温度传感器(第十六温度传感器TE016),可检测输入余热回收装置22的空气状况。
进一步地,余热回收装置22与排气阀21之间也设有用于监测温度的温度传感器(第十七温度传感器TE017),以避免过热的空气排放到大气环境中。冷却装置17与变频水泵20之间设有用于监测温度的温度传感器(第十八温度传感器TE018),球阀18与气-液换热器14的水循环回收端之间设有用于监测压力的压力传感器(第三压力传感器PT003)。监测单元23通过各个设于不同位置的传感器(温度传感器、压力传感器和流量传感器)监测太阳能集热子系统、储热相变子系统、冷却-负载子系统内部工况,以便控制中心24能根据实际情况及时调整各子系统的工作状态,使得整体的系统能够高效、稳定地运转。此外,该系统还可包括计算服务器25,使用者可利用计算服务器25与控制中心24交互,控制中心24根据使用者输入的指令生成相应的控制指令并发送,以便在需要的时候通过人工调控该系统。
为提高能量的利用率,实现在不同时段内持续稳定输出供电,本发明提供的太阳能智能储热系统的工作模式优选至少包括四种不同模式:太阳能全部供热模式、太阳能供电蓄热模式、太阳能直接储热模式和储热相变直接供热模式。
优选地,控制中心24用于在确定该太阳能智能储热系统的工作模式为太阳能全部供热模式后,生成相应控制指令并发送至储热相变子系统,储热相变子系统响应控制指令,第一支路整体连通,第二支路完全断开,经太阳能集热子系统加热的空气由第一支路的进口端进入储热相变子系统,但不通过储热单元进行储热,通过且仅通过第一支路,直接由第一支路的出口端输入气体混合箱12。
此工作模式对应的条件为:太阳能集热子系统具备独立承担全部供热负荷的能力,但不能同时满足储存热量。通常在两种情况下,系统需要运行太阳能全部供热模式:其一,对应一天中的上午,太阳辐射强度逐渐从低到高攀升,太阳辐照不够充足,光热转化程度不高,集热组只能满足供应限定温度范围内的高温空气,没有多余的热量可以储存到储热组中,这时系统应该运行太阳能全部供热模式;其二,临近傍晚,太阳辐射强度逐渐由高到低降到一定限度,太阳能不够充足,无法满足边储热边供应高温空气的能力,但仍能满足供应稳定温度的流动热风。
优选地,控制中心24用于在太阳能集热子系统的出口端输出的空气温度范围为300~500℃时,确定工作模式为太阳能全部供热模式。
优选地,控制中心24还用于在确定工作模式为太阳能全部供热模式后,生成相应控制指令并发送至太阳能集热子系统,太阳能集热子系统响应控制指令,若集热组的出口端输出的空气温度低于加热阈值,则辅助电加热装置8启动。在依靠太阳辐射无法满足加热需要,例如天气变化引起集热组的输出发生波动,还应配合辅助电加热装置8进行工作,使太阳能集热子系统中的空气满足额定温度要求,避免太阳辐照能量波动引起电能输出波动。
在一个具体的实施方式下,如图2所示,太阳能全部供热模式下,控制中心24需要打开第一电磁阀XV1、第二电磁阀XV2、第三电磁阀XV3,及第一调节阀HV1、第二调节阀HV2,关闭储热相变子系统的电磁开关阀第四电磁阀XV4、第五电磁阀XV5、第六电磁阀XV6、第七电磁阀XV7、第八电磁阀XV8及第三调节阀HV3,且开启变频风机6、变频水泵20、球阀18、排气阀21。
优选地,控制中心24用于在确定工作模式为太阳能供电蓄热模式后,生成相应控制指令并发送至储热相变子系统,储热相变子系统响应控制指令,第一支路整体连通,第二支路部分断开,且各储热单元9并联连通,经太阳能集热子系统加热的空气由第一支路的进口端进入储热相变子系统,通过第一支路和并联的各储热单元9(同时加热各储热单元9,相变潜热材料发生相变进行储热),然后由第一支路和第二支路的出口端输入气体混合箱12。
此工作模式对应的条件为:太阳能集热子系统所收集的热量已经超过热-电转换所需要的稳定输出热量,且存在多余的热量。通常在此种情况下,系统需要运行太阳能供电蓄热模式:对应一天中的正午时段,太阳能辐射强度高、充足,不仅能够满足对冷却-负载子系统的需要,而且还有富余的热量。此时系统可以通过管路调整将富裕的热量通过储热单元9储存起来,以备后续使用,例如在太阳辐射低或恶劣天气等情况下使用,从而提高能量使用的稳定性、利用率。
优选地,控制中心24用于在太阳能集热子系统的出口端输出的空气温度范围为500~700℃时,确定工作模式为太阳能供电蓄热模式。
在一个具体的实施方式下,如图3所示,太阳能供电蓄热模式下,控制中心24需要打开第一电磁阀XV1、第二电磁阀XV2、第三电磁阀XV3、第四电磁阀XV4、第五电磁阀XV5、第六电磁阀XV6、第七电磁阀XV7、第九电磁阀XV9,及第一调节阀HV1、第二调节阀HV2,关闭第八电磁阀XV8(此时对应储热单元9并联储热),且开启变频风机6、变频水泵20、球阀18、排气阀21。
需要说明的是,考虑到直接供应稳定的热量到冷却-负载子系统,与尽可能的将多的热量储存到储热单元9之间相互矛盾,太阳能供电蓄热模式下,控制中心24需要同时调控变频风机6的转速以及第二调节阀HV2、第三调节阀HV3的开度,调控变频风机6的转速控制太阳能集热子系统中空气的流量大小,同时对第二调节阀HV2、第三调节阀HV3的开度进行调整,以便在稳定供应高温空气的条件下,最大限度的储存热量。
优选地,控制中心24用于在确定工作模式为太阳能直接储热模式后,生成相应控制指令并发送至储热相变子系统,储热相变子系统响应控制指令,第一支路和第二支路部分断开,各储热单元9并联连通,经太阳能集热子系统加热的空气由第一支路的进口端进入储热相变子系统,通过并联的各储热单元9(直接加热各储热单元9,相变潜热材料发生相变进行储热),由第二支路的出口端输入气体混合箱12。
此工作模式对应的条件为:高温的空气从储热单元9中流出后的热量仍然能够满足稳定的热-电转换的需求。通常在此种情况下,系统需要运行太阳能直接储热模式:对应一天中某一时段最高的太阳辐照度,流动空气温度足够高,能够在储存热量的同时,还能保证输出电量的稳定,此时作为传热介质的空气不直接的将热量传递给冷却-负载子系统,而是从相变单元出来后,再进入冷却-负载子系统,对应的储热单元9之间并联连接,以保证热量的最大、最高效储存。
优选地,控制中心24用于在太阳能集热子系统的出口端输出的空气温度范围为700~800℃时,确定工作模式为太阳能直接储热模式。
进一步地,若储热组的出口端输出的空气温度高于混热阈值,连接气体混合箱12和变频风机6的第二电控阀启动,混入温度较低的空气。
在一个具体的实施方式下,如图4所示,太阳能直接储热模式下,控制中心24需要打开第一电磁阀XV1、第二电磁阀XV2、第四电磁阀XV4、第五电磁阀XV5、第六电磁阀XV6、第七电磁阀XV7、第九电磁阀XV9,及第一调节阀HV1、第二调节阀HV2,关闭第三电磁阀XV3、第八电磁阀XV8(此时对应储热单元9并联连接,处于储热的状态),且开启变频风机6、变频水泵20、球阀18、排气阀21。
优选地,控制中心24用于在确定工作模式为储热相变直接供热模式后,生成相应控制指令并发送至储热相变子系统,储热相变子系统响应控制指令,第一支路和第二支路的管道局部连通,各储热单元9串联,经太阳能集热子系统的空气由第二支路的进口端进入储热相变子系统,通过串联的各储热单元9后,由第一支路或第二支路的出口端输入气体混合箱12,各储热单元9处,相变潜热材料发生相变进行放热,加热空气。
此工作模式对应的条件为:对应的太阳能辐射很低或者没有太阳光照射。通常在此种情况下,系统需要运行储热相变直接供热模式:对应一天中的夜晚和凌晨,没有太阳光照射或者太阳辐照强度特别低,空气经过太阳能集热子系统后温度变化很小,这时就需要利用存储到相变单元中的热量进行加热。空气进入到储热单元9后,相变潜热材料相变,将空气加热到额定的温度范围,输入冷却-负载子系统,保障对用户稳定供电。为了保证作为传热介质的空气能够达到额定的温度要求,各储热单元9改为串联的连接方式,且改为由第二支路的进口端输入,储热单元9吸收热量与释放热量时不同向将有助于提高效率。
优选地,控制中心24用于在太阳能集热子系统的出口端输出的空气温度范围为0~300℃时,确定工作模式为储热相变直接供热模式。
在一个具体的实施方式下,如图5所示,储热相变直接供热模式下,控制中心24需要打开第一电磁阀XV1、第四电磁阀XV4、第五电磁阀XV5、第六电磁阀XV6、第七电磁阀XV7、第八电磁阀XV8、第九电磁阀XV9,及第一调节阀HV1、第二调节阀HV2,关闭第二电磁阀XV2、第三电磁阀XV3,及第三调节阀HV3(此时对应储热单元9串联),且开启变频风机6、变频水泵20、球阀18、排气阀21。
如图6所示,为了更好地控制上述太阳能智能储热系统稳定工作,本发明还提供了一种基于神经网络控制的太阳能智能储热系统控制方法,该方法采用上述任一实施方式所述的太阳能智能储热系统,具体包括如下步骤:
S1、建立基于神经网络的热负荷预测模型,并输入用于预测的天气预报数据、实测环境数据及实时的内部数据(指定的传感器的测量数据)。
预报采集单元采集天气预报数据,实测采集单元采集实测环境数据。实时的内部数据来自监测单元。监测单元,包括整个系统的各个传感器(温度传感器、压力传感器、流量传感器),通过有线与无线传输的方式连接控制中心,为控制中心提供所需的内部数据。需要说明的是,输入热负荷预测模型的、用于预测的内部数据并不一定是所有传感器监测到的所有数据项,具体的数据项可根据实际需要进行选择。
S2、利用基于神经网络的热负荷预测模型预测规定时段(例如30分钟)内太阳能集热子系统出口端输出的空气的温度,并根据预测的温度制定相应的控制方案。
S3、在规定时段内执行制定的控制方案,并结合实时实测环境数据以及内部数据(指定的温度传感器、压力传感器、流量传感器的测量数据),确定所述太阳能智能储热系统的工作模式。
其中,基于神经网络的热负荷预测模型采用BP(back propagation)神经网络结构,BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,存在明显的非线性映射、自适应特点与优异的学习能力。可采用试错法设置隐含层神经元的个数,也可以直接采用2n+1个,其中n对应输入层神经元的个数。隐含层的激励函数可采用Sigmoid函数(双曲正切S型激励函数),输出层同样可采用Sigmoid激励函数。
优选地,为获得更为准确的预测结果,基于神经网络的热负荷预测模型的输入量至少包括天气预报数据中的天气预报温度、天气预报湿度、天气预报太阳辐照度,实测环境数据中的实测环境温度、实测环境湿度、实测环境风速、实测太阳辐照强度,内部数据中的太阳能集热子系统进口端输入的空气的实时温度、流量和出口端输出的空气的实时温度,以及各储热单元进出口的空气的实时温度、流量。基于神经网络的热负荷预测模型的输出量为预测的规定时段内太阳能集热子系统出口端输出的空气的温度。
建立基于神经网络的热负荷预测模型时,可通过历史数据进行训练与验证。训练时,可以采用LMD(Local Mean Decomposition)方法对采集的历史数据进行去噪,可克服预测短期热负荷的不确定性特征。还可采用多目标优化法对神经网络的初始权值和阈值进行优化,同时提高预测精度和稳定性。BP神经网络在迭代过程中的每一轮采用广义的感知机学习规律对参数进行更新估计,基于梯度下降策略,以目标的负梯度方向对隐含层、输出层的阈值以及两者之间的连接权函数进行调整,使累计误差最小,获得一个较好的热负荷预测模型。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种基于神经网络控制的太阳能智能储热系统,其特征在于,包括:太阳能集热子系统、储热相变子系统、冷却-负载子系统、采集与控制子系统;
所述太阳能集热子系统包括变频风机、集热组和辅助电加热装置;其中,所述集热组包括至少两个用于加热空气的太阳能集热单元,各所述太阳能集热单元串联,所述集热组的进口端连接所述变频风机的出口端,所述集热组的出口端连接所述辅助电加热装置的进口端;
所述储热相变子系统包括储热组和气体混合箱;其中,所述储热组包括第一支路、第二支路和至少两个用于储热/放热的储热单元;所述第一支路和第二支路的进口端连接所述辅助电加热装置的出口端,所述第一支路和第二支路的出口端连接所述气体混合箱;
所述储热单元中装有相变潜热材料,每个所述储热单元的一端通过三通连接的方式和所述第一支路连通,另一端通过三通连接的方式和所述第二支路连通;
所述冷却-负载子系统的进口端和所述气体混合箱的出口端连接,用于利用所述储热相变子系统输出的热空气为用户发电,降温热空气,回收余热并排放;
所述采集与控制子系统和所述太阳能集热子系统、所述储热相变子系统、所述冷却-负载子系统均电连接;所述采集与控制子系统包括用于采集天气预报数据的预报采集单元,用于采集实测环境数据的实测采集单元,用于监测系统的内部数据的监测单元,以及控制中心,其中监测单元至少包括多个温度传感器、多个压力传感器和多个流量传感器;所述控制中心用于利用天气预报数据、实测环境数据以及内部数据,基于神经网络的热负荷预测模型预测规定时段内,所述太阳能集热子系统出口端输出的空气的温度,并根据预测的温度的变化趋势制定相应的控制方案,进而确定所述太阳能智能储热系统的工作模式,生成相应控制指令并发送至所述太阳能集热子系统、所述储热相变子系统;
其中,所述太阳能智能储热系统的工作模式至少包括太阳能全部供热模式、太阳能供电蓄热模式、太阳能直接储热模式和储热相变直接供热模式;
所述控制中心用于在确定工作模式为太阳能全部供热模式后,生成相应控制指令并发送至所述储热相变子系统,所述储热相变子系统响应控制指令,所述第一支路整体连通,所述第二支路断开,经所述太阳能集热子系统加热的空气由所述第一支路的进口端进入所述储热相变子系统,通过且仅通过所述第一支路,由所述第一支路的出口端输入所述气体混合箱;
所述控制中心用于在确定工作模式为太阳能供电蓄热模式后,生成相应控制指令并发送至所述储热相变子系统,所述储热相变子系统响应控制指令,所述第一支路整体连通,所述第二支路部分断开,且各所述储热单元并联连通,经所述太阳能集热子系统加热的空气由所述第一支路的进口端进入所述储热相变子系统,通过所述第一支路和并联的各所述储热单元,由所述第一支路和所述第二支路的出口端输入所述气体混合箱,并加热各所述储热单元;
所述控制中心用于在确定工作模式为太阳能直接储热模式后,生成相应控制指令并发送至所述储热相变子系统,所述储热相变子系统响应控制指令,所述第一支路和所述第二支路部分断开,各所述储热单元并联连通,经所述太阳能集热子系统加热的空气由所述第一支路的进口端进入所述储热相变子系统,通过并联的各所述储热单元,由第二支路的出口端输入所述气体混合箱,并加热各所述储热单元;
所述控制中心用于在确定工作模式为储热相变直接供热模式后,生成相应控制指令并发送至所述储热相变子系统,所述储热相变子系统响应控制指令,各所述储热单元串联,经所述太阳能集热子系统的空气由所述第二支路的进口端进入所述储热相变子系统,通过串联的各所述储热单元后,输入所述气体混合箱,各所述储热单元处加热空气。
2.根据权利要求1所述的太阳能智能储热系统,其特征在于:
所述控制中心还用于在确定工作模式为太阳能全部供热模式后,生成相应控制指令并发送至所述太阳能集热子系统,所述太阳能集热子系统响应控制指令,若所述集热组的出口端输出的空气温度低于加热阈值,则所述辅助电加热装置启动。
3.根据权利要求1所述的太阳能智能储热系统,其特征在于:
所述气体混合箱还通过紧急旁路连接所述变频风机的出口端,用于引入未经过所述太阳能集热子系统和所述储热组的空气。
4.一种基于神经网络控制的太阳能智能储热系统控制方法,其特征在于,采用如权利要求1-3任一项所述的太阳能智能储热系统,包括如下步骤:
S1、建立基于神经网络的热负荷预测模型,并输入用于预测的天气预报数据、实测环境数据及实时的内部数据;其中,基于神经网络的热负荷预测模型采用BP神经网络结构,隐含层的激励函数采用Sigmoid函数;
S2、利用基于神经网络的热负荷预测模型预测规定时段内太阳能集热子系统出口端输出的空气的温度,并根据预测的温度制定相应的控制方案;
S3、在规定时段内执行制定的控制方案,并结合实时实测环境数据以及内部数据,确定所述太阳能智能储热系统的工作模式。
5.根据权利要求4所述的太阳能智能储热系统控制方法,其特征在于:
基于神经网络的热负荷预测模型的输入量至少包括天气预报数据中的天气预报温度、天气预报湿度、天气预报太阳辐照度,实测环境数据中的实测环境温度、实测环境湿度、实测环境风速、实测太阳辐照强度,内部数据中的太阳能集热子系统进口端输入的空气的温度、流量和出口端输出的空气的温度,以及各储热单元进出口的空气的温度、流量;输出量为预测的规定时段内太阳能集热子系统出口端输出的空气的温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010704435.XA CN111854185B (zh) | 2020-07-21 | 2020-07-21 | 一种基于神经网络控制的太阳能智能储热系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010704435.XA CN111854185B (zh) | 2020-07-21 | 2020-07-21 | 一种基于神经网络控制的太阳能智能储热系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111854185A CN111854185A (zh) | 2020-10-30 |
CN111854185B true CN111854185B (zh) | 2021-10-08 |
Family
ID=73001371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010704435.XA Active CN111854185B (zh) | 2020-07-21 | 2020-07-21 | 一种基于神经网络控制的太阳能智能储热系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111854185B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762391A (zh) * | 2021-09-08 | 2021-12-07 | 中国南方电网有限责任公司超高压输电公司昆明局 | 冷却系统的状态检测方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204610203U (zh) * | 2015-03-30 | 2015-09-02 | 华北电力大学 | 一种绝热压缩空气蓄能与太阳能集成的系统 |
CN106837719A (zh) * | 2017-03-31 | 2017-06-13 | 西部国际绿色能源斯特林(贵州)智能装备制造有限公司 | 一种储热式稳压斯特林发电系统 |
CN207018151U (zh) * | 2017-03-31 | 2018-02-16 | 西部国际绿色能源斯特林(贵州)智能装备制造有限公司 | 一种斯特林太阳能发电系统余热利用结构 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3690602B2 (ja) * | 2002-06-19 | 2005-08-31 | 株式会社オーエムソーラー協会 | 空気式ソーラーシステム |
DK177468B1 (en) * | 2010-09-28 | 2013-06-24 | Innogie Aps | Fully integrated solar absorber |
JP2017014971A (ja) * | 2015-06-30 | 2017-01-19 | 三菱日立パワーシステムズ株式会社 | 太陽熱発電システム及び太陽熱発電方法 |
-
2020
- 2020-07-21 CN CN202010704435.XA patent/CN111854185B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204610203U (zh) * | 2015-03-30 | 2015-09-02 | 华北电力大学 | 一种绝热压缩空气蓄能与太阳能集成的系统 |
CN106837719A (zh) * | 2017-03-31 | 2017-06-13 | 西部国际绿色能源斯特林(贵州)智能装备制造有限公司 | 一种储热式稳压斯特林发电系统 |
CN207018151U (zh) * | 2017-03-31 | 2018-02-16 | 西部国际绿色能源斯特林(贵州)智能装备制造有限公司 | 一种斯特林太阳能发电系统余热利用结构 |
Also Published As
Publication number | Publication date |
---|---|
CN111854185A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104734168B (zh) | 一种基于电热联合调度的微电网运行优化系统及方法 | |
CN106444562B (zh) | 基于风光-电热气转换模块的多储能装置协调系统及方法 | |
CN111969603B (zh) | 一种微能源网系统及其协同优化运行控制方法 | |
CN106786753B (zh) | 多用户的区域能源互联网的系统及其调节方法 | |
CN111738503B (zh) | 以氢能为核心的综合能源微网日前运行调度方法及系统 | |
CN106593771B (zh) | 一种热电联产系统中的电热解耦系统及其控制方法 | |
CN107220427A (zh) | 一种光伏冷热电联产系统建模方法 | |
CN110365062A (zh) | 一种基于Markov模型的多能系统协调控制方法 | |
CN109993345A (zh) | 一种面向园区的孤岛运行多能互补系统动态经济调度方法 | |
CN110198052B (zh) | 一种光热-风电联合并网发电协调控制方法 | |
CN111854185B (zh) | 一种基于神经网络控制的太阳能智能储热系统及控制方法 | |
CN107844053A (zh) | 一种楼宇级冷热电联供系统主动能源供应方法 | |
Deng et al. | The control strategy and economic analysis of a new type of solar cold storage | |
CN109768567A (zh) | 一种耦合多能源互补系统的优化调度方法 | |
CN109724269A (zh) | 太阳能全光谱热电联供系统及储能配置方法 | |
CN110994698B (zh) | 一种太阳能光伏-光热联合发电系统优化运行方法 | |
US11713887B2 (en) | Heating device | |
CN109473967A (zh) | 一种能源需求侧智能协调控制的微能网系统 | |
CN110061696A (zh) | 一种光伏光热一体化装置、热电联合系统及方法 | |
CN113446656B (zh) | 功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法 | |
CN114465577A (zh) | 一种基于光伏光热的太阳能利用装置及优化控制方法 | |
CN111275271B (zh) | 一种冷-热-电综合能源系统潮流优化方法 | |
RU35386U1 (ru) | Система автономного энергоснабжения жилых и производственных помещений | |
CN209840440U (zh) | 太阳能全光谱热电联供系统 | |
Li | Study on control strategy of output stability of wind-solar reservoir thermal system |
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 |