CN112032882B - 一种冰蓄冷空调系统的调度方法 - Google Patents

一种冰蓄冷空调系统的调度方法 Download PDF

Info

Publication number
CN112032882B
CN112032882B CN202010787753.7A CN202010787753A CN112032882B CN 112032882 B CN112032882 B CN 112032882B CN 202010787753 A CN202010787753 A CN 202010787753A CN 112032882 B CN112032882 B CN 112032882B
Authority
CN
China
Prior art keywords
load
unit
time
working
condition
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
Application number
CN202010787753.7A
Other languages
English (en)
Other versions
CN112032882A (zh
Inventor
陈霈
牛洪海
管晓晨
杨玉
李兵
余帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NR Electric Co Ltd
NR Engineering Co Ltd
Original Assignee
NR Electric Co Ltd
NR Engineering Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NR Electric Co Ltd, NR Engineering Co Ltd filed Critical NR Electric Co Ltd
Priority to CN202010787753.7A priority Critical patent/CN112032882B/zh
Publication of CN112032882A publication Critical patent/CN112032882A/zh
Application granted granted Critical
Publication of CN112032882B publication Critical patent/CN112032882B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F5/00Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/30Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46Improving electric energy efficiency or saving
    • F24F11/47Responding to energy costs
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/62Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63Electronic processing
    • F24F11/64Electronic processing using pre-stored data
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/70Control systems characterised by their outputs; Constructional details thereof
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00Control inputs relating to system states
    • F24F2140/50Load

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提供了一种冰蓄冷空调系统的调度方法,包括:获取系统实时运行数据、负荷预测数据、设备运行检修计划数据以及系统设备参数;确定优化调度的边界条件;按照优化调度的边界条件,以调度时段内系统运行费用最低为目标,利用预先确定的优化调度模型进行优化调度计算,得到基载机组和双工况机组的逐时开机数量以及融冰量的逐时负载;根据优化调度结果,确定优化时段内的负荷等级;按照预设的设备启停调整策略,根据已确定的负荷等级,进行设备启停时段调整,以减少优化时段内的设备启停次数。本发明能够在满足各时段负荷需求的同时,降低系统当日整体运行费用,并且可减少设备启停次数,避免设备频繁启停导致系统波动。

Description

一种冰蓄冷空调系统的调度方法
技术领域
本发明涉及冰蓄冷空调系统的控制技术领域,特别是一种冰蓄冷空调系统的调度方法。
背景技术
随着国民经济发展,对能源尤其是电能的消耗日益增加,然而由于生产生活用能习惯的原因,造成昼夜用电负荷差异较大,现在全国各地均执行峰谷平分时电价,引导生产生活用能调整,实现削峰填谷。冰蓄冷空调系统可通过谷值时段蓄冷、峰值时段释冷,利用峰谷电价差异减少系统用电费用的同时,还可实现削峰填谷,具有良好的经济效益和社会效益,在大型公用建筑中广泛使用。
冰蓄冷空调制冷系统通常由基载冷水机组、双工况冷水机组以及蓄冰槽构成,由于存在三种冷源,在实际运行中可组合出多种运行模式,具有负荷适应性强、调节方式灵活的特点。然而,要最大化发挥冰蓄冷的削峰填谷作用,充分利用峰谷平电价差异降低系统运行费用,涉及系统综合寻优和优化调度的问题。
由于冰蓄冷空调制冷系统冷源设备多、各时刻运行模式均会对后续时刻的运行产生影响,同时各时刻电价均不相同,要在众多运行方案中找到最佳运行方案将导致运行计算量巨大甚至无法求解,因此需要对规划求解进行分步计算,从而获得近似最优解。混合整型二次规划(MIQP)可对带边界条件的二次规划问题求解,并且求解结果为整数,非常适合用于多种运行设备的运行调度求解。但是其求解模型具有局限性,对于冰蓄冷系统的优化调度求解并不能找到完全合适的模型,同时其求解所得结果仅为数学意义上的优化解,在实际使用中需要对其规划结果进行二次调整才能得到令人满意的结果。
发明内容
本发明的目的是提供一种冰蓄冷空调系统的调度方法,通过对各时段机组负载以及融冰计划进行调度寻优,在满足各时段负荷需求的同时,降低系统当日整体运行费用,并且可减少设备启停次数,避免设备频繁启停导致系统波动。
本发明采用的技术方案为:一种冰蓄冷空调系统的调度方法,包括:
获取系统实时运行数据、负荷预测数据、设备运行检修计划数据以及系统设备参数;
根据获取到的数据,确定优化调度的边界条件;
按照优化调度的边界条件,以调度时段内系统运行费用最低为目标,利用预先确定的优化调度模型进行优化调度计算,得到基载机组和双工况机组的逐时开机数量以及融冰量的逐时负载;
根据优化调度结果,确定优化时段内的负荷等级;
按照预设的设备启停调整策略,根据已确定的负荷等级,进行设备启停时段调整,以减少优化时段内的设备启停次数。
进一步的,本发明方法还包括:基于调整后的设备启停时段,按照预设的负载率调整策略,对基载机组和双工况机组的逐时运行负载率进行优化调整。
可选的,对基载机组和双工况机组的逐时运行负载率进行优化调整包括:
对于用电平值时段计划运行的基载机组和计划融冰量:提高其负载率至100%以抵消部分计划融冰量并计算平值时段抵消后的剩余冰量,或者提高基载机组负载率使其完全抵消融冰量;
对于用电平值时段计划运行的基载机组和双工况机组:提高基载机组负载率至100%,或者通过提高基载机组负载率与降低双工况机组负载率互补,使得双工况机组负载率降至设定双工况负载率阈值;
对于用电峰值时段计算运行的双工况机组:将平值时段抵消后的剩余冰量转换为计划融冰量,以抵消全部或部分双工况机组负载,然后根据被抵消的双工况机组负载,按照时间先后顺序,减少双工况机组的运行数量;减少数量后仍需运行的双工况机组负载率需不得低于设定负载率阈值;
对于抵消用电峰值时段双工况机组负载后的剩余冰量,根据峰值基载机组单位制冷成本与平值双工况机组单位制冷成本的大小关系,以减少设备数量为优先选择,用剩余冰量抵消单位成本较大的设备的负载:若抵消对象为平值双工况机组,则按照时间先后从前向后减少设备数量;若抵消对象为峰值基载机组,则按照时间先后从后向前减少设备数量。不足以完整抵消整台设备负载的剩余冰量用于降低设备负载率,减少数量及降低负载后仍需运行的所有设备负载率不得低于设定负载率阈值。
以上方案中,所述设定负载率阈值优选为70%。能够充分发挥冰蓄冷削峰填谷能力,保证基载和双工况设备的负载率在70%~100%,处于设备运行能效较高的负荷段,保证设备的高效运行。
可选的,所述根据获取到的数据,确定优化调度的边界条件包括:
根据获取到的数据,计算得到基载机组计算负载、双工况机组计算负载、基载机组单位制冷量电耗、双工况机组单位制冷量电耗,以及单位制冰成本;
根据获取到的数据以及计算数据,确定优化调度的边界条件为:
Figure BDA0002622632870000031
式中:planNum_bi为逐时基载机组开机数量,单位为台,spareNum_b为根据设备检修计划基载机组备用数量,单位为台;planNum_di为逐时双工况机组开机数量,单位为台,spareNum_d为根据设备检修计划双工况机组备用数量,单位为台;planIcei为逐时融冰量,单位为RTh,iceUpload为设计单位小时最大融冰量,单位为RTh;load_b为基载机组计算负载,单位为RT(冷吨);load_d为双工况机组计算负载,单位为RT;RTloadi为逐时预测负荷,单位为RTh;totalIce为当日总制冰量,单位为RTh,meltRace为融冰率。
上述逐时预测负荷可通过各类负荷预测算法或建筑冷负荷模型计算得到,具体算法不是本方案重点内容,不在此赘述。融冰率是考虑在运行过程中蓄冰自身融化的安全系数,为不大于1的正数。
可选的,根据以下公式计算得到基载机组计算负载load_b、双工况机组计算负载load_d、基载机组单位制冷量电耗consum_b、双工况机组单位制冷量电耗consum_d,以及单位制冰成本priceIce:
Figure BDA0002622632870000041
其中,capacity_b为基载机组额定制冷量,单位为RT;loadRate_b为基载机组计算负载率(%),是机组能效曲线中能效比最高点对应的负载率,通常为85%;capacity_d为双工况机组额定制冷量,单位为RT;loadRate_d为双工况机组计算负载率(%),是机组能效曲线中能效比最高点对应的负载率,通常为85%;calcCOP_b为基载机组最高能效比,单位为RTh/度;calcCOP_d为双工况机组最高能效比,单位为RTh/度;totalIce为当日总制冰量,单位为RTh,iceCost为夜间制冰所耗电费,单位为元。
可选的,所述预先确定的优化调度模型采用混合整形优化模型MIQP,目标函数为:
Figure BDA0002622632870000042
其中:aim为优化调度时间段内的系统运行总费用最小值,单位为元,planLoad_bi为调度时段内基载机组的逐时计划负载,单位为RTh,planCOP_bi为基载机组逐时能效比,单位为RTh/度,pricei为逐时电价,单位为元/度,planLoad_di为双工况机组逐时计划负载,单位为RTh,planCOP_di为双工况机组逐时能效比,单位为RTh/度,A1、B1、C1、A2、B2、C2为采用二阶曲线对机组能效曲线进行拟合的曲线拟合系数。
以上方案中,目标函数为理论最优解的目标函数。可以看出,优化目标为综合考虑设备运行能效、峰谷电价差异的系统全日运行总费用最低值。
可选的,固定设备负载率为能效曲线中能效比最高点对应的负载率,固定设备能效比为设备的最高能效比,基于基载机组计算负载load_b、双工况机组计算负载load_d、基载机组单位制冷量电耗consum_b、双工况机组单位制冷量电耗consum_d;
采用混合整形优化模型MIQP构建优化调度模型,则预先构建的优化调度模型的目标函数为:
Figure BDA0002622632870000051
planNum_di×load_d×consum_d×pricei+planIcei×priceIce))
其中,aim为优化调度时间段内的系统运行总费用最小值,单位为元,planLoad_bi为调度时段内基载机组的逐时计划负载,单位为RTh,pricei为逐时电价,单位为元/度;目标函数的求解变量为:逐时基载机组开机数量planNum_bi,逐时双工况机组开机数量planNum_di,以及逐时融冰量planIcei
以上方案为对前述优化目标函数的简化,可简化求解。简化的原理为:1、固定设备负载率为机组能效曲线中能效比最高点对应的负载率,通常为85%,因此基载机组和双工况机组的设备负载也为定值,即已计算所得的load_b和load_d;2、固定设备能效比为设备的最高能效比,因此基载机组和双工况机组的单位制冷量电耗也为定值,即已计算所得的consum_b和consum_d。
通过以上目标函数简化,只有逐时设备计划开机数量和逐时融冰量为变量,其余参数均为定值,满足混合整型二次规划MIQP模型要求,即可通过各种优化求解工具对MIQP模型进行求解。
可选的,所述根据优化调度结果,确定优化时段内的负荷等级,包括:
判断是否基载机组仅在平值时段计划运行,且平值时段无双工况机组计划运行,若是则负荷等级为低负荷;
判断是否基载机组在平值时段连续运行,且存在基载机组在峰值时段运行或存在双工况机组在平值时段运行,若是则负荷等级为中负荷;
判断是否基载机组在平值时段连续运行,且存在基载机组在峰值时段运行、双工况机组在平值时段运行,若是则负荷等级为高负荷。
可选的,所述预设的设备启停调整策略包括:
分别统计平值时段、峰值时段内设备的总计运行数量Np、Nf
分别统计连续平值时段和连续峰值时段的最长连续时间Tp和Tf
分别统计平值时段和峰值时段对应的最长连续时间内的最低负荷Lp和Lf
分别计算平值时段和峰值时段对应的最长连续时间中,设备的最少开机数量Np_avg和Np_avg
Figure BDA0002622632870000061
分别判断平值时段和峰值时段,所述最少开机数量下能否满足所述最低负荷要求:若满足,则需要对设备运行数进行调整,否则不需要对设备运行数进行调整;
根据已确定的负荷等级,对设备运行数进行调整时:
低负荷工况下,将平值最长连续时段基载机组运行数量设置为已计算的最少开机数量Np_avg,然后将平值时段剩余的数量为(Np-Tp×Np_avg)的基载机组按照时间从后向前的顺序,依次填入平值最长连续时间的各单位时段,使得基载机组在平值时段内各单位时段中按照剩余数量填入后的机组数量启动运行,剩余负载全部作为融冰负载;
中负荷工况下:若存在双工况机组在平值时段运行,则将平值最长连续时段双工况机组运行数量设置为已计算的最少开机数量Np_avg,然后将平值时段剩余的数量为(Np-Tp×Np_avg)的双工况机组按照时间从后向前的顺序,依次填入平值最长连续时间的各单位时段,使得双工况机组在平值时段内各单位时段中按照剩余数量填入后的机组数量启动运行;若存在基载机组在峰值时段运行,则将峰值最长连续时间的初始基载机组运行数设置为所述最少开机数量,并按峰值最长连续时间先后依次减少各单位时段的基载机组运行数,直至运行数减少至0;平值时段和峰值时段的剩余负载全部作为融冰负载;
高负荷工况下:若平值时段全部双工况机组连续运行,则调整基载机组在峰值时段的运行,使得最少开机数量的基载机组从峰值最长连续时间后逐步递减数量至0;若峰值时段全部基载机组连续运行,则调整平值时段双工况机组的运行,将平值最长连续时段双工况机组运行数量设置为已计算的最少开机数量Np_avg,然后将平值时段剩余的数量为(Np-Tp×Np_avg)的双工况机组按照时间从后向前的顺序,依次填入平值最长连续时间的各单位时段,使得双工况机组在平值最长连续时间段内的各单位时段中按照剩余数量填入后的机组数量启动运行。
以上技术方案,可有效减少设备启停次数,使系统运行平稳,同时可提升设备运行寿命。
可选的,所述分别判断平值时段和峰值时段最少开机数量下能否满足最低负荷要求为,判断是否满足以下公式:
Figure BDA0002622632870000071
其中load表示基载机组或双工况机组的单机负载。
可选的,所述优化调度时段的时间长度为每一日中除用电谷值时段外的连续16个小时。也即前述公式中需要进行调度的逐时时刻编号即下标i的取值为,i=1,2,3,…,n,其中每一日优化调度的时间长度n为16。这是因为在夜间运行时,系统的运行模式为制冰,而在实际调度时只需对除夜间以外的平值、峰值、峰峰值时段进行规划调度即可。虽然各个地区具体的用电峰平谷时刻不完全一致,但是谷时段通常为夜间连续的8个小时。
可选的,本发明的调度方法以设定的时间间隔周期性执行,或响应于接收到外部调度命令时则执行。即能够实现滚动优化,可根据需要主动触发调度,或者周期性的自动触发调度。
有益效果
本发明通过采用混合整形二次规划对基载机组、双工况机组和融冰量的逐时负载,以整体运行费用最低为寻优目标进行初步优化调度,然后基于初步优化调度结果对设备的运行顺序进行调整,以减少设备启停次数。
此外,本发明还在考虑设备运行数量和逐时负荷需求的基础上,对设备逐时运行负载率进行优化,能够充分发挥冰蓄冷削峰填谷能力,保证基载和双工况设备的负载率在70%~100%,处于设备运行能效较高的负荷段,保证设备的高效运行。
综上,本发明可以实现冰蓄冷空调系统的调度优化,实现对各时段设备运行数量、运行负载率以及融冰计划进行调度寻优,在满足各时段负荷需求的同时,降低系统当日整体运行费用,并且可减少设备启停次数,避免设备频繁启停导致系统波动,使系统运行平稳。
附图说明
图1所示为本发明一种实施方式的冰蓄冷空调系统调度方法原理流程示意图;
图2所示为常规冰蓄冷空调系统结构示意图。
图3所示为本发明一种实施例中完成MIQP优化求解后的各冷源设备逐时调度示意图。
图4所示为本发明一种实施例中完成重新排序后的各冷源设备逐时调度示意图。
图5所示为本发明一种实施例中完成负载率优化调整后的各冷源设备逐时调度示意图。
具体实施方式
以下结合附图和具体实施例进一步描述。
如图2所示的冰蓄冷空调系统常规结构,冷冻水回水首先经基载冷水机组进行降温,同时乙二醇先后经过双工况机组和蓄冰槽进行降温,然后再经过换热器对冷冻水回水进一步降温,最终达到需要的冷冻水供水温度后送出。
冰蓄冷空调系统的经济性优化调度一般是通过对逐时的基载负荷、双工况负荷、融冰量进行优化组合,从而寻找到使全天运行费用最低的运行方案。
本发明的发明构思为,在经济性优化调度的基础上,综合考虑系统运行稳定性以及设备启停对寿命带来的影响,对经济性优化调度所得结果进一步调整,以减少设备启停次数。进一步的,还考虑设备运行负载率进行优化调整,以使得设备高效运行。
实施例1
本实施例介绍一种冰蓄冷空调系统的调度方法,包括:
获取系统实时运行数据、负荷预测数据、设备运行检修计划数据以及系统设备参数;
根据获取到的数据,确定优化调度的边界条件;
按照优化调度的边界条件,以调度时段内系统运行费用最低为目标,利用预先确定的优化调度模型进行优化调度计算,得到基载机组和双工况机组的逐时开机数量以及融冰量的逐时负载;
根据优化调度结果,确定优化时段内的负荷等级;
按照预设的设备启停调整策略,根据已确定的负荷等级,进行设备启停时段调整,以减少优化时段内的设备启停次数。
通过本实施例调度方法所得的机组运行计划能够同时兼顾系统经济性、平稳性以及设备自身寿命。
实施例1-1
参考图1,在实施例1的基础上,本实施例中:
方法还包括:基于调整后的设备启停时段,按照预设的负载率调整策略,对基载机组和双工况机组的逐时运行负载率进行优化调整。
以下具体介绍本实施例,主要涉及以下过程:
一、数据获取及计算
本实施例需要获取的数据有设备实时运行数据、逐时预测负荷、设备运行检修计划、设备运行能效比等信息。
在获取数据后,根据以下公式计算得到基载机组计算负载load_b、双工况机组计算负载load_d、基载机组单位制冷量电耗consum_b、双工况机组单位制冷量电耗consum_d,以及单位制冰成本priceIce:
Figure BDA0002622632870000101
其中,capacity_b为基载机组额定制冷量,单位为RT;loadRate_b为基载机组计算负载率(%),是机组能效曲线中能效比最高点对应的负载率,通常为85%;capacity_d为双工况机组额定制冷量,单位为RT;loadRate_d为双工况机组计算负载率(%),是机组能效曲线中能效比最高点对应的负载率,通常为85%;calcCOP_b为基载机组最高能效比,单位为RTh/度;calcCOP_d为双工况机组最高能效比,单位为RTh/度;totalIce为当日总制冰量,单位为RTh,iceCost为夜间制冰所耗电费,单位为元。
二、混合整形二次规划寻优-设备及融冰量逐时负载寻优
根据以获取到的数据和前述计算结果,可以确定本部分优化调度的边界条件为:
根据获取到的数据以及计算数据,确定优化调度的边界条件为:
Figure BDA0002622632870000102
式中:planNum_bi为逐时基载机组开机数量,单位为台,spareNum_b为根据设备检修计划基载机组备用数量,单位为台;planNum_di为逐时双工况机组开机数量,单位为台,spareNum_d为根据设备检修计划双工况机组备用数量,单位为台;planIcei为逐时融冰量,单位为RTh,iceUpload为设计单位小时最大融冰量,单位为RTh;load_b为基载机组计算负载,单位为RT(冷吨);load_d为双工况机组计算负载,单位为RT;RTloadi为逐时预测负荷,单位为RTh;totalIce为当日总制冰量,单位为RTh,meltRace为融冰率。
上述逐时预测负荷可通过各类负荷预测算法或建筑冷负荷模型计算得到,具体算法不是本方案重点内容,不在此赘述。融冰率是考虑在运行过程中蓄冰自身融化的安全系数,为不大于1的正数。
本发明的优化调度模型可预先建立。在选择寻优目标值时,由于制冷机组能效曲线通常呈抛物线型,可以用二阶曲线对制冷机组效率进行拟合,因此,在理论上可以对逐时机组运行数量、逐时机组运行负载和逐时融冰量同时求解,采用混合整形优化模型MIQP,以设备运行能效、峰谷电价差异的系统全日运行总费用最低为优化目标,则寻优目标函数为:
Figure BDA0002622632870000111
其中:aim为优化调度时间段内的系统运行总费用最小值,单位为元,planLoad_bi为调度时段内基载机组的逐时计划负载,单位为RTh,planCOP_bi为基载机组逐时能效比,单位为RTh/度,pricei为逐时电价,单位为元/度,planLoad_di为双工况机组逐时计划负载,单位为RTh,planCOP_di为双工况机组逐时能效比,单位为RTh/度,A1、B1、C1、A2、B2、C2为采用二阶曲线对机组能效曲线进行拟合的曲线拟合系数。
以上为理论最优解的目标函数,但是过于复杂,甚至无法进行求解,因此本发明对目标函数进行了以下简化:
1、固定设备负载率为机组能效曲线中能效比最高点对应的负载率,通常为85%,因此基载机组和双工况机组的设备负载也为定值,即已计算所得的load_b和load_d;
2、固定设备能效比为设备的最高能效比,因此基载机组和双工况机组的单位制冷量电耗也为定值,即已计算所得的consum_b和consum_d。
则基于基载机组计算负载load_b、双工况机组计算负载load_d、基载机组单位制冷量电耗consum_b、双工况机组单位制冷量电耗consum_d,简化后的优化调度模型的目标函数为:
Figure BDA0002622632870000121
planNum_di×load_d×consum_d×pricei+planIcei×priceIce))
其中,aim为优化调度时间段内的系统运行总费用最小值,单位为元,planLoad_bi为调度时段内基载机组的逐时计划负载,单位为RTh,pricei为逐时电价,单位为元/度;目标函数的求解变量为:逐时基载机组开机数量planNum_bi,逐时双工况机组开机数量planNum_di,以及逐时融冰量planIcei
优化调度时段的时间长度为每一日中除用电谷值时段外的连续16个小时。也即前述公式中需要进行调度的逐时时刻编号即下标i的取值为,i=1,2,3,…,n,其中每一日优化调度的时间长度n为16。这是因为在夜间运行时,系统的运行模式为制冰,而在实际调度时只需对除夜间以外的平值、峰值、峰峰值时段进行规划调度即可。虽然各个地区具体的用电峰平谷时刻不完全一致,但是谷时段通常为夜间连续的8个小时。
在上式寻优目标函数中,只有逐时设备计划开机数量和逐时融冰量为变量,其余参数均为定值,满足混合整型二次规划MIQP模型要求,可通过各种优化求解工具对MIQP模型进行求解,所得结果为调度时段的设备计划开机数量和逐时融冰量,但是由于求解时并未考虑设备连续运行的需求,因此需要对所求的开机数量进行调整,以满足现场实际运行需求,减少设备启停次数。
图3为某公用建筑冰蓄冷系统调用MIQP模型所得优化调度求解结果,该建筑峰谷平分段情况为7:00~8:00为平值时段,8:00~11:00为峰值时段,11:00~18:00为平值时段,18:00~23:00为峰值时段,23:00~次日7:00为谷值时段,可以看出,用MIQP模型求解后,基载机组在调度区间内几乎全开,双工况机组只在平值时段开启,融冰主要用于削电价峰值,在平值负荷峰值时也用于削负荷峰,寻优结果理论合理,但是求解的结果会在12点启动1台双工况机组,然后在13点关闭,紧接着又会在14点重新开启,这将导致设备频繁启停,不利于系统稳定运行并且有损设备寿命,因此需对MIQP计算结果进行优化调整。图3中22:00~23:00所有设备全部关闭是因为需要预留1小时设备检修时间,在求解时可直接在边界条件中将该时刻设备运行备用数量置零即可。
三、负荷等级确定和设备启停调整
在进行设备启停调整时,首先进行机组在不同时段的运行数量统计,从而进行负荷等级划分。根据MIQP调度求解得到的系统设备计划运行方式及设备运行数统计结果,可以将调度时段的负荷等级分为低、中、高3种情况,具体负荷等级判定的方式如下:
1、低负荷段:在低负荷段时,总负荷需求较低,大部分负荷可由冰蓄冷提供,设备开机时间较少,只需在平值时段开启基载机组即可,因此,当基载机组仅在平值时段开启,并且不需要开启双工况机组时,调度时段为低负荷段工况;
2、中负荷段:在中负荷段时,平值时段基载机组几乎满开,并且视平值和峰值时段电价差异和基载与双工况设备能效差异大小,只需在峰值时段开基载机组或者在平值时段开双工况机组,因此,当平值时段基载机组需连续开启,并且峰值开基载机组或平值开双工况机组的运行方式存在且仅存在其中之一时,为中负荷段工况;
3、高负荷段:在高负荷段时,平值时段基载机组满开,峰值时段开基载和平值时段开双工况机组同时存在,甚至出现峰值时段开双工况机组,因此,当平值时段基载机组需连续开启,并且峰值开基载机组和平值开双工况机组同时存在时,为高负荷段工况。
设备启停调整策略基于设备运行数在不同调度时段的统计,包括:
分别统计平值时段、峰值时段内设备的总计运行数量Np、Nf:基载机组、双工况机组在平值时段和峰值时段的总计运行数量为Np_b、Np_p,基载机组、双工况机组在峰值时段的总计运行数量为Nf_b、Nf_p,定义平值时段的单位时段数量为n1,峰值时段的单位时段数量为n2,则有:
Figure BDA0002622632870000141
分别统计连续平值时段和连续峰值时段的最长连续时间Tp和Tf,例如,某地区的峰谷平时间段划分标准如下表:
峰谷平 时间段
谷价 23:00~07:00
平价 07:00~08:00;11:00~18:00
峰价 8:00~11:00;18:00~23:00
则平值时段最长连续时间为11:00~18:00共计7小时,峰值时段最长连续时间为18:00~23:00共计5小时。
分别统计平值时段和峰值时段对应的最长连续时间内的最低负荷Lp和Lf,例如,如上述地区的峰谷平划分标准,则平值最长连续时间的最低负荷则Lp为11:00~18:00期间的最低负荷,峰值最长连续时间的最低负荷Lf为18:00~23:00期间的最低负荷。
分别计算平值时段和峰值时段对应的最长连续时间中,设备的最少开机数量Np_avg和Np_avg
Figure BDA0002622632870000151
对于基载机组和双工况机组,则分别有基载机组在平值时段和峰值时段的最少开机数量为:
Figure BDA0002622632870000152
和双工况机组在平值时段和峰值时段的最少开机数量为:
Figure BDA0002622632870000153
分别判断平值时段和峰值时段,所述最少开机数量下能否满足所述最低负荷要求,即:
Figure BDA0002622632870000154
load为设备单机负载,即基载机组和双工况机组的单机负载分别为loadp、loadp
若满足最低负荷要求,则需要对设备运行数进行调整,否则不需要对设备运行数进行调整;
根据已确定的负荷等级,对设备运行数进行调整时:
对于低负荷工况,只需在平值时段开基载机组,先将平值最长连续时间段设备数量设置为Np_avg,剩余的设备数量(Np-Tp×Np_avg)则在平值最长连续时间段从后向前逐个填入直至填完,剩余负荷全部使用融冰。例如,平值最长连续时段为11:00~18:00共7个小时,平值时段总共需要开机17台,此时Np_avg为2,则剩余的3台分别在17:00~15:00各开1台。
对于中负荷工况,平值时段基载设备应该已经全开不需要做调整,如果需平值时段开双工况,则先将平值最长连续时间段设备数量设置为Np_avg,剩余的设备数量(Np-Tp×Np_avg)则在平值最长连续时间段从后向前逐个填入直至填完,剩余负荷全部使用融冰,如果需峰值开基载,则从峰值最长连续时间段逐步递减向后填入直至填完,剩余负荷全部使用融冰。例如,峰值最长连续时段为18:00~23:00共5个小时,峰值时段总共需要开机7台,此时Nf_avg为1,则剩余的2台分别在18:00~19:00各开1台。
对于高负荷段,平值时段基载设备应该已经全开不需要做调整,此时如果是优先在平值时段开双工况机组,则平值时段双工况机组应该已经开满不需调整,峰值基载机组顺序需要调整,需从峰值最长连续时间段逐步递减向后填入直至填完,剩余负荷全部使用融冰,如果此时是优先在峰值时段开基载机组,则峰值时段基载机组应该已经开满不需调整,平值时段双工况机组顺序需调整,先将平值最长连续时间段设备数量设置为Nf_avg,剩余的设备数量(Np-Tp×Np_avg)则在平值最长连续时间段从后向前逐个填入直至填完,剩余负荷全部使用融冰。例如,峰值最长连续时段为18:00~23:00共5个小时,峰值时段总共需要开机7台,此时Nf_avg为1,则剩余的2台分别在18:00~19:00各开1台。
参考图4重新排序后的各冷源设备逐时调度结果,与图3相比,可见经过如上调整,可有效减少设备启停次数,使系统运行平稳,同时可提升设备运行寿命。
五、逐时运行负载率优化调整
由于在进行规划调度求解时,对基载和双工况机组的负载进行了简化,因此本实施例在完成设备数量调整后,还对设备负载率进行优化调整,从而实现系统的整体优化,减少系统整体运行费用。
在进行优化前有如下假设:
1、基载机组的能效比高于双工况机组;
2、在设备能效曲线的高能效区间,调整设备负载后能效变化可近似认为设备能效不变。
对于假设1,由于双工况机组蒸发器平均温度低于基载机组蒸发器平均温度,根据制冷机组运行原理可知该假设成立;对于假设2,设备能效曲线呈抛物线状,高能效区间处于抛物线顶端,整体比较平缓,因此假设2也可认为成立。
基于以上假设,对基载机组和双工况机组的逐时运行负载率进行优化调整包括:
对于用电平值时段计划运行的基载机组和计划融冰量:提高其负载率至100%以抵消部分计划融冰量并计算平值时段抵消后的剩余冰量,或者提高基载机组负载率使其完全抵消融冰量;
对于用电平值时段计划运行的基载机组和双工况机组:提高基载机组负载率至100%,或者通过提高基载机组负载率与降低双工况机组负载率互补,使得双工况机组负载率降至设定双工况负载率阈值;
对于用电峰值时段计算运行的双工况机组:将平值时段抵消后的剩余冰量转换为计划融冰量,以抵消全部或部分双工况机组负载,然后根据被抵消的双工况机组负载,按照时间先后顺序,减少双工况机组的运行数量;减少数量后仍需运行的双工况机组负载率需不得低于设定负载率阈值;
对于抵消用电峰值时段双工况机组负载后的剩余冰量,根据峰值基载机组单位制冷成本与平值双工况机组单位制冷成本的大小关系,以减少设备数量为优先选择,用剩余冰量抵消单位成本较大的设备的负载:若抵消对象为平值双工况机组,则按照时间先后从前向后减少设备数量;若抵消对象为峰值基载机组,则按照时间先后从后向前减少设备数量。不足以完整抵消整台设备负载的剩余冰量用于降低设备负载率,减少数量及降低负载后仍需运行的所有设备负载率不得低于设定负载率阈值。
以上方案中,所述设定负载率阈值优选为70%。
经过以上逐时设备负载率优化,能够充分发挥冰蓄冷削峰填谷能力,保证基载和双工况设备的负载率在70%~100%,处于设备运行能效较高的负荷段,保证设备的高效运行。且通过以上负载优化所得结果可以认为是全局近似最优解。
图5为该公用建筑冰蓄冷空调系统最终的优化调度结果,可以看出,经过负载优化后,减少了双工况设备数量,并且降低了双工况设备的运行负载率,因此经过以上步骤可获得全局近似最优解。但是,由于负荷预测偏差、冰槽保温性能下降、设备故障等原因,在运行过程中存在调度结果与实际运行效果不一致的情况,此时需要对调度结果进行滚动优化。
本发明的调度方法以设定的时间间隔周期性执行,或响应于接收到外部调度命令时则执行。即能够实现滚动优化,可根据需要主动触发调度,或者周期性的自动触发调度。
在进行滚动优化时,重复步骤一至四,需注意的是,在滚动优化时需更新当前总冰量、设备备用数量以及当前所处时刻,并仅对本时刻之后的时刻进行调度优化,本时刻及以前时刻不再纳入计算,如此可保证调度结果是根据现场实际情况的滚动更新,确保调度结果的真实可靠。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。

Claims (7)

1.一种冰蓄冷空调系统的调度方法,其特征是,包括:
获取系统实时运行数据、负荷预测数据、设备运行检修计划数据以及系统设备参数;
根据获取到的数据,确定优化调度的边界条件;
按照优化调度的边界条件,以调度时段内系统运行费用最低为目标,利用预先确定的优化调度模型进行优化调度计算,得到基载机组和双工况机组的逐时开机数量以及融冰量的逐时负载;
根据优化调度结果,确定优化时段内的负荷等级;
按照预设的设备启停调整策略,根据已确定的负荷等级,进行设备启停时段调整,以减少优化时段内的设备启停次数;
基于调整后的设备启停时段,按照预设的负载率调整策略,对基载机组和双工况机组的逐时运行负载率进行优化调整;
其中,所述对基载机组和双工况机组的逐时运行负载率进行优化调整包括:
对于用电平值时段计划运行的基载机组和计划融冰量:提高其负载率至100%以抵消部分计划融冰量并计算平值时段抵消后的剩余冰量,或者提高基载机组负载率使其完全抵消融冰量;
对于用电平值时段计划运行的基载机组和双工况机组:提高基载机组负载率至100%,或者通过提高基载机组负载率与降低双工况机组负载率互补,使得双工况机组负载率降至设定双工况负载率阈值;
对于用电峰值时段计算运行的双工况机组:将平值时段抵消后的剩余冰量转换为计划融冰量,以抵消全部或部分双工况机组负载,然后根据被抵消的双工况机组负载,按照时间先后顺序,减少双工况机组的运行数量;
对于抵消用电峰值时段双工况机组负载后的剩余冰量,根据峰值基载机组单位制冷成本与平值双工况机组单位制冷成本的大小关系,以减少设备数量为优先选择,用剩余冰量抵消单位成本较大的设备的负载:若抵消对象为平值双工况机组,则按照时间先后从前向后减少设备数量;若抵消对象为峰值基载机组,则按照时间先后从后向前减少设备数量。
2.根据权利要求1所述的方法,其特征是,所述根据获取到的数据,确定优化调度的边界条件包括:
根据获取到的数据,计算得到基载机组计算负载、双工况机组计算负载、基载机组单位制冷量电耗、双工况机组单位制冷量电耗,以及单位制冰成本;
根据获取到的数据以及计算数据,确定优化调度的边界条件为:
Figure FDA0003422454800000021
式中:planNum_bi为逐时基载机组开机数量,spareNum_b为根据设备检修计划基载机组备用数量,planNum_di为逐时双工况机组开机数量,spareNum_d为根据设备检修计划双工况机组备用数量,planIcei为逐时融冰量,iceUpload为设计单位小时最大融冰量,load_b为基载机组计算负载,load_d为双工况机组计算负载,RTloadi为逐时预测负荷,totalIce为当日总制冰量,meltRace为融冰率。
3.根据权利要求2所述的方法,其特征是,根据以下公式计算得到基载机组计算负载load_b、双工况机组计算负载load_d、基载机组单位制冷量电耗consum_b、双工况机组单位制冷量电耗consum_d,以及单位制冰成本priceIce:
Figure FDA0003422454800000022
其中,capacity_b为基载机组额定制冷量,loadRate_b为基载机组计算负载率,capacity_d为双工况机组额定制冷量,loadRate_d为双工况机组计算负载率,calcCOP_b为基载机组最高能效比,calcCOP_d为双工况机组最高能效比,totalIce为当日总制冰量,iceCost为夜间制冰所耗电费。
4.根据权利要求1或3所述的方法,其特征是,固定设备负载率为能效曲线中能效比最高点对应的负载率,固定设备能效比为设备的最高能效比,基于基载机组计算负载load_b、双工况机组计算负载load_d、基载机组单位制冷量电耗consum_b、双工况机组单位制冷量电耗consum_d;
采用混合整形优化模型MIQP构建优化调度模型,则预先构建的优化调度模型的目标函数为:
Figure FDA0003422454800000031
其中,aim为优化调度时间段内的系统运行总费用最小值,planLoad_bi为调度时段内基载机组的逐时计划负载,pricei为逐时电价;
目标函数的求解变量为:逐时基载机组开机数量planNum_bi,逐时双工况机组开机数量planNum_di,以及逐时融冰量planIcei
5.根据权利要求1所述的方法,其特征是,所述根据优化调度结果,确定优化时段内的负荷等级,包括:
判断是否基载机组仅在平值时段计划运行,且平值时段无双工况机组计划运行,若是则负荷等级为低负荷;
判断是否基载机组在平值时段连续运行,且存在基载机组在峰值时段运行或存在双工况机组在平值时段运行,若是则负荷等级为中负荷;
判断是否基载机组在平值时段连续运行,且存在基载机组在峰值时段运行、双工况机组在平值时段运行,若是则负荷等级为高负荷。
6.根据权利要求5所述的方法,其特征是,所述预设的设备启停调整策略包括:
分别统计平值时段、峰值时段内设备的总计运行数量Np、Nf
分别统计连续平值时段和连续峰值时段的最长连续时间Tp和Tf
分别统计平值时段和峰值时段对应的最长连续时间内的最低负荷Lp和Lf
分别计算平值时段和峰值时段对应的最长连续时间中,设备的最少开机数量Np_avg和Np_avg
Figure FDA0003422454800000041
分别判断平值时段和峰值时段,所述最少开机数量下能否满足所述最低负荷要求:若满足,则需要对设备运行数进行调整,否则不需要对设备运行数进行调整;
根据已确定的负荷等级,对设备运行数进行调整时:
低负荷工况下,将平值最长连续时段基载机组运行数量设置为已计算的最少开机数量Np_avg,然后将平值时段剩余的数量为(Np-Tp×Np_avg)的基载机组按照时间从后向前的顺序,依次填入平值最长连续时间的各单位时段,使得基载机组在平值时段内各单位时段中按照剩余数量填入后的机组数量启动运行,剩余负载全部作为融冰负载;
中负荷工况下:若存在双工况机组在平值时段运行,则将平值最长连续时段双工况机组运行数量设置为已计算的最少开机数量Np_avg,然后将平值时段剩余的数量为(Np-Tp×Np_avg)的双工况机组按照时间从后向前的顺序,依次填入平值最长连续时间的各单位时段,使得双工况机组在平值时段内各单位时段中按照剩余数量填入后的机组数量启动运行;若存在基载机组在峰值时段运行,则将峰值最长连续时间的初始基载机组运行数设置为所述最少开机数量,并按峰值最长连续时间先后依次减少各单位时段的基载机组运行数,直至运行数减少至0;平值时段和峰值时段的剩余负载全部作为融冰负载;
高负荷工况下:若平值时段全部双工况机组连续运行,则调整基载机组在峰值时段的运行,使得最少开机数量的基载机组从峰值最长连续时间后逐步递减数量至0;若峰值时段全部基载机组连续运行,则调整平值时段双工况机组的运行,将平值最长连续时段双工况机组运行数量设置为已计算的最少开机数量Np_avg,然后将平值时段剩余的数量为(Np-Tp×Np_avg)的双工况机组按照时间从后向前的顺序,依次填入平值最长连续时间的各单位时段,使得双工况机组在平值最长连续时间段内的各单位时段中按照剩余数量填入后的机组数量启动运行。
7.根据权利要求1所述的方法,其特征是,方法以设定的时间间隔周期性执行,或响应于接收到外部调度命令时则执行。
CN202010787753.7A 2020-08-07 2020-08-07 一种冰蓄冷空调系统的调度方法 Active CN112032882B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010787753.7A CN112032882B (zh) 2020-08-07 2020-08-07 一种冰蓄冷空调系统的调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010787753.7A CN112032882B (zh) 2020-08-07 2020-08-07 一种冰蓄冷空调系统的调度方法

Publications (2)

Publication Number Publication Date
CN112032882A CN112032882A (zh) 2020-12-04
CN112032882B true CN112032882B (zh) 2022-02-18

Family

ID=73582746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010787753.7A Active CN112032882B (zh) 2020-08-07 2020-08-07 一种冰蓄冷空调系统的调度方法

Country Status (1)

Country Link
CN (1) CN112032882B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112815473A (zh) * 2020-12-31 2021-05-18 珠海横琴能源发展有限公司 一种用于蓄冷空调系统的优化控制装置及控制方法
CN114322209A (zh) * 2021-12-27 2022-04-12 上海美控智慧建筑有限公司 冰蓄冷空调系统的数据处理方法、装置和电子设备
CN114857659A (zh) * 2022-06-02 2022-08-05 南京工业大学 一种基于分段rc模型的换热站二次网供水温度控制算法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004211960A (ja) * 2002-12-27 2004-07-29 Miura Co Ltd 蓄氷型冷水装置
CN103574845B (zh) * 2013-11-04 2016-04-20 国家电网公司 一种基于冷负荷预测的冰蓄冷系统优化控制方法
CN108844190B (zh) * 2018-06-20 2020-02-28 中国科学院自动化研究所 空调自学习最优控制系统
CN110657512B (zh) * 2018-06-29 2021-01-22 清华大学 基于热电联合调度的冰蓄冷空调经济性分析方法和装置
CN110486896B (zh) * 2019-07-25 2021-03-26 南京南瑞继保工程技术有限公司 一种基于冷水机组能耗模型的串级空调系统优化控制方法

Also Published As

Publication number Publication date
CN112032882A (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
CN112032882B (zh) 一种冰蓄冷空调系统的调度方法
WO2022126950A1 (zh) 一种楼宇中央空调需求响应控制方法及系统
CN108361885B (zh) 一种冰蓄冷空调系统动态规划方法
CN104214912B (zh) 一种基于温度设定值调整的聚合空调负荷调度方法
CN106127337B (zh) 基于变频空调虚拟机组建模的机组组合方法
CN109059195B (zh) 用于削减电网负荷峰值的中央空调的控制方法及控制系统
CN107732897B (zh) 融合虚拟储能系统的楼宇微网模型预测调控方法
CN111237995B (zh) 一种空调冷机的控制方法
CN109842117A (zh) 基于温度调节手段和荷电状态参数建模的空调负荷削减方法
CN110486896B (zh) 一种基于冷水机组能耗模型的串级空调系统优化控制方法
CN109899930A (zh) 大规模公共楼宇中央空调参与电网调峰的组合调控方法
GR1010085B (el) Μεθοδος για βελτιωμενη διαχειριση της ενεργειας ενος σχεδον ενεργειακα αυτοδυναμου κτιριου
CN109960874A (zh) 一种基于运行经济性的蓄冷系统运行方法
CN112531746B (zh) 一种基于中央空调本地自治优化的虚拟电厂运行方法
CN103293961B (zh) 一种基于需求响应控制的能效电厂建模和集成方法
CN112815473A (zh) 一种用于蓄冷空调系统的优化控制装置及控制方法
CN114251753A (zh) 一种冰蓄冷空调冷负荷需求预测分配方法及系统
CN117318251B (zh) 一种储能系统
CN117151398B (zh) 一种基于虚拟电厂的中央空调调控方法及系统
CN109995030B (zh) 一种考虑脱网风险的储能装置soc下限值最优设置方法
CN112665127A (zh) 冰蓄冷空调系统及其控制方法、装置和控制器
CN116592546A (zh) 一种基于Q-learning的多目标冷冻侧供水温度控制优化方法
CN116993062A (zh) 一种水蓄冷空调系统的两阶段优化调度方法
CN107563547B (zh) 一种用户侧用能纵深优化综合能源管控方法
CN113326605B (zh) 考虑灵活性冷负荷调控的多模式集中供冷系统优化方法

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