CN112539449B - 一种多能耦合的恒温供水系统及其优化方法 - Google Patents
一种多能耦合的恒温供水系统及其优化方法 Download PDFInfo
- Publication number
- CN112539449B CN112539449B CN202011133378.0A CN202011133378A CN112539449B CN 112539449 B CN112539449 B CN 112539449B CN 202011133378 A CN202011133378 A CN 202011133378A CN 112539449 B CN112539449 B CN 112539449B
- Authority
- CN
- China
- Prior art keywords
- hot water
- water supply
- demand
- supply system
- scene
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 286
- 238000005457 optimization Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 claims abstract description 69
- 238000013486 operation strategy Methods 0.000 claims abstract description 37
- 239000000446 fuel Substances 0.000 claims abstract description 33
- 230000008878 coupling Effects 0.000 claims abstract description 30
- 238000010168 coupling process Methods 0.000 claims abstract description 30
- 238000005859 coupling reaction Methods 0.000 claims abstract description 30
- 238000010438 heat treatment Methods 0.000 claims abstract description 22
- 230000005611 electricity Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 24
- 238000005096 rolling process Methods 0.000 claims description 22
- 238000011084 recovery Methods 0.000 claims description 18
- 239000002918 waste heat Substances 0.000 claims description 18
- 238000013178 mathematical model Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 239000008236 heating water Substances 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 101100379079 Emericella variicolor andA gene Proteins 0.000 claims 1
- 230000000737 periodic effect Effects 0.000 claims 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 abstract description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 abstract description 3
- 239000001257 hydrogen Substances 0.000 abstract description 3
- 229910052739 hydrogen Inorganic materials 0.000 abstract description 3
- 239000003345 natural gas Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000005338 heat storage Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
- F24D19/1066—Arrangement or mounting of control or safety devices for water heating systems for the combination of central heating and domestic hot water
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Mechanical Engineering (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Thermal Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Heat-Pump Type And Storage Water Heaters (AREA)
Abstract
本发明公开了一种多能耦合的恒温供水系统及其优化方法，该方法收集用户的需求数据；根据收集的用户需求数据，对燃料(天然气、氢气等)、电、热等多能源耦合的恒温供水系统进行运行优化，得到多能源恒温供水系统的最优运行策略集；根据得到的最优运行策略集对所述多能源恒温供水系统进行实时控制。本发明有效解决了系统内多能耦合的问题，降低需求不确定性对系统运行的影响，实现对系统水流量和水温的实时精确控制，完成系统内各设备的优化调度，降低供水系统的运行成本；同时通过一系列传感器以及控制执行装置，实现对多输入多输出储水装置的智能控制，完成空间供暖和生活热水供给的协调配合。
Description
技术领域
本发明涉及供水优化技术领域，特别涉及一种多能耦合的恒温供水系统及其优化方法。
背景技术
目前，随着我国城市化进程的加快，全国水资源的破坏性和消费量都极为严重，在我国人均水资源占有量较低的前提下，水资源匮乏的现状更为严峻。其中在我国水资源的利用中，建筑生活用水的占比逐年增加，使得对生活供水系统的优化显得尤为重要。
传统的供水系统设计与实施主要是为了满足用户用水安全和生活需要，但随着人口的剧增和用户生活质量的提升，人们对供水系统供热温度的稳定性有了更高的要求。另外，现有供水系统普遍面临规模增加带来的供水热量不确定性以及热需求增加带来的负荷不确定性问题，同时供能侧面临的多能源耦合问题，以及需求侧面临的如何协调同时满足供暖和供生活热水需求问题，都给供水系统的稳定供热带来了巨大的挑战。
发明内容
本发明的目的在于提供一种多能耦合的恒温供水系统及其优化方法，在包含热电联产设备与储热水装置的供水系统中，有效降低需求不确定性对供水系统的影响；实现对多输入多输出储热水装置的智能控制，完成空间供暖和生活热水供给的协调配合。
为了实现上述目的，本发明采用如下技术方案：
一种多能耦合的恒温供水系统，包括热电联产设备、储热水装置和优化处理模块，热电联产设备通过余热回收热水回路与储热水装置连接；储热水装置与补水管道、供暖回水管道、供暖管道以及供生活热水管道连接；储热水装置、供暖回水管道、供暖管道和供生活热水管道中均设置有温度传感器；补水管道、余热回收热水回路、供暖管道和供生活热水管道上均设有流量控制装置；所有温度传感器的输出端均与优化处理模块的输入端连接，优化处理模块的输出端和流量控制装置连接，优化处理模块用于根据温度传感器测量到的温度对热电联产和储热水装置的开关及进出水流量控制。
进一步的，优化处理模块包括初始化模块、样本构建模块和求解模块；初始化模块用于初始化优化处理模块并确定相关约束条件和目标函数，构建多能源恒温供水系统的数学模型；样本构建模块用于构建样本参数集，样本参数集包括一个需求负载样本、一个设备参数样本和一个系统环境参数样本，其中需求负载样本包括各时段用户电需求、热需求和热水需求，其中设备参数样本包括多能源恒温供水系统内各设备的初始状态、额定容量、额定功率和能效比，系统环境参数样本包括燃料价格、滚动优化调度初始时间和滚动优化调度时间间隔；求解模块用于对已构建的样本参数集采用滚动优化方法求解，得到系统调度周期内的最优运行策略集。
进一步的，优化处理模块包括处理器、存储器和总线；存储器用于存储计算机执行指令；处理器与存储器通过总线连接，处理器执行存储器存储的计算机执行指令：根据收集的用户需求数据，对燃料、电和热多能源耦合的恒温供水系统进行运行优化，得到多能源恒温供水系统的最优运行策略集。
一种上述多能耦合的恒温供水系统的优化方法，包括以下步骤：
S100、收集用户的需求数据，用户需求数据包括用户电需求、热需求和生活热水需求；
S200、根据S100收集的用户需求数据，对燃料、电和热多能源耦合的恒温供水系统进行运行优化，得到多能源恒温供水系统的最优运行策略集；
S300、根据S200得到的最优运行策略集对多能源恒温供水系统进行实时控制。
进一步的，S200包括以下步骤：
S201、构建多能源恒温供水系统的数学模型，确定目标函数及约束条件，目标函数使系统运行成本最小；
S202、构建样本参数集，其中包括一个需求负载样本、一个设备参数样本和一个系统环境参数样本；
S203、根据收集到的用户需求数据，生成不确定性负荷的多种情景树，进行场景约简，得到最终情景树；
S204、基于S202构建的样本参数集与S203得到的情景树，采用滚动优化方法求解S201构建的数学模型得到系统调度周期内的最优运行策略集，最优运行策略集包括系统运行费用、热电联产设备运行工况、储热水装置运行工况。
进一步的，S201中约束条件包括热电联产设备运行约束条件、储热水装置运行约束条件、电负荷供需平衡约束条件、热负荷供需平衡约束条件和生活热水负荷供需平衡约束条件；目标函数表述为：
式中，S为情景总数，下标s为第s个情景，πs为第s个情景的概率；t0是滚动优化调度阶段的起始时间，NT为调度周期，下标t为第t个时段；
为第s个情景下第t个时段的燃料成本；Δt为滚动优化调度阶段时间间隔。
进一步的，S202中需求负载样本包括各时段用户电需求、热需求和热水需求；设备参数样本包括多能源恒温供水系统内各设备的初始状态、额定容量、额定功率和能效比；系统环境参数样本包括燃料价格、滚动优化调度初始时间和滚动优化调度时间间隔。
进一步的，S203包括以下步骤：
第一步、根据采集得到的天气数据样本和用户需求数据，按照给定的标准差生成S个情景；
第二步、计算所有情景两两之间随机变量的欧氏距离；
第三步、将欧氏距离最小的一对情景中的任意一个情景删除，并将被删除场景的概率加给与之欧氏距离最小的场景，同时将被删除场景的概率变为零；
第四步、重复执行以上步骤J-1次，其中J＝(0.8～0.99)*S，最终得到含有S-J个情景的最终情景树。
进一步的，S204包括以下步骤：
第一步、将调度周期时域缩短为[t,t+Δt)，根据获取的系统设备参数样本和系统环境参数样本计算系统初始目标函数J0；
第二步、计算在时域[t,t+Δt)内热电联产设备和储热水装置的最优运行策略集，只取t时段的最优运行策略集作为时域内设备控制设定值；
第三步、计算在时域[t+1,t+1+Δt)内系统目标函数J1和热电联产设备、储热水装置的最优运行策略集，只取t+1时段的最优运行策略集作为时域内设备控制设定值；
第四步、重复以上过程，整个优化区间随时间向前滚动，达到时域[t+NT,t+NT+Δt)后停止，得到整个调度周期的最优运行策略集。
与现有技术相比，本发明至少具有以下有益的技术效果：
本发明提出的多能耦合恒温供水系统，将热电联产设备、储热水装置进行有机结合，通过优化处理模块调整热电联产设备和储热水装置的运行状态，有效解决了系统内各种类型的燃料能源(如天然气、氢气等)、热能、电能等多能耦合的问题。
本发明所述的多能耦合恒温供水系统的优化方法，通过采集到的用户电需求、热需求和热水需求帮助对供水温度进行精确控制，对考虑多能耦合和不确定性的多能源耦合恒温供水系统进行优化，得到多能源恒温供水系统中各设备的最优运行策略集；根据得到的最优运行策略集对所述多能源恒温供水系统进行控制。利用情景树方法降低需求不确定性对系统运行的影响。
进一步的，通过供水系统水循环过程和储热水装置热损失过程的精确建模，详细表示系统水流量和水温变化对水循环过程的影响，同时建立储热水装置对于外界环境的详细热损失动态能量平衡方程，获取系统水循环和储热水装置的动态水流量和水温信息，结合控制执行模块实现对系统水流量和水温的实时精确控制，完成系统内各设备的优化调度，降低供水系统的运行成本。
本发明提出的优化装置结合传感器和流量控制装置，实现对多输入多输出储水装置的智能控制，完成空间供暖和生活热水供给的协调配合。
本发明提出的优化装置能够有效解决供水系统中供水热量不确定和负荷需求不确定对恒温供水的影响，有效协调多能耦合供水系统的稳定运行，在提高恒温供水系统稳定性的同时降低了系统的运行成本。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定。在附图中：
图1为本发明较佳实施例提供的恒温供水系统的系统示意图；
图2为本发明较佳实施例提供的恒温供水系统的结构示意图；
图3为本发明较佳实施例提供的恒温供水优化方法的流程图；
图4为本发明较佳实施例提供的恒温供水优化系统的功能模块示意图；
图5为本发明较佳实施例提供的优化处理模块第一种可能的结构示意图；
图6为本发明较佳实施例提供的优化处理模块第二种可能的结构示意图；
图7为本发明较佳实施例提供的优化处理模块第三种可能的结构示意图；
附图1中，细实线代表电力，粗实线代表热量，虚线代表系统内信息流的传递。
附图标记说明：120-优化处理模块；200-热电联产设备；301-第一流量控制装置；302-第二流量控制装置；303-第三流量控制装置；304-第四流量控制装置；400-储热水装置；501-第一温度传感器；502-第二温度传感器；503-第三温度传感器；504-第四温度传感器；601-补水管道；602-供暖回水管道；603-供暖管道；604-供生活热水管道。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
如图1所示，是本发明较佳实施例提供的恒温供水系统的系统示意图。所述恒温供水系统包括：质子交换膜燃料电池(以下简称燃料电池)、余热回收装置、储热水装置、恒温供水优化装置、供暖管道回路和供生活热水管道。
本实施例中，燃料电池用于消耗燃料产生电力，燃料电池的热水管道和余热回收装置的输入接口连接，电能输出端与需求侧连接以满足用户的电需求，同时一部分电能输出端与恒温控制装置连接，提供装置运行所需的电力。
余热回收装置以热水的形式收集燃料电池所产生的热能，并通过余热回收热水回路将热能存储到储热水装置中。
系统以燃料电池和余热回收装置所组成的热电联产满足用户的电需求和热需求。由于该系统中热能均以热水的形式存在，故使用储热水装置存储热量。
储热水装置的主机侧进水口记为第一进水口，其与余热回收装置的出水口接口连接，主机侧回水口与余热回收装置的回水管道连接；储热水装置的第二进水口为补水口，方便进行补水操作；储热水装置的盘管侧出水口记为第一出水口，其与提供满足用户热需求的供暖管道连接，供暖管道回水连接储热水装置的盘管侧回水口；储热水装置的第二出水口为供生活热水出口，连接供生活热水管道，以满足用户的生活热水需求。
恒温供水优化装置由燃料电池供电，通过与燃料电池、余热回收装置和储热水装置的信息交互实现系统的恒温控制。
在一种实施方式中，如图2所示，热电联产设备200通过余热回收热水回路与储热水装置400连接，余热回收热水回路上安装有第二流量控制装置302。通过优化处理模块120精准控制恒温供水系统供水温度及流量，满足用户的电需求、热需求和热水需求。储热水装置400中设置有第一温度传感器501。
所述补水管道601与储热水装置400连接进行水源补给，通过第一流量控制装置301进行补水开、关及流量控制。
所述供暖回水管道602和供暖管道603均与储热水装置400连接，提供用户的空间供暖用水。供暖管道603上设有第三流量控制装置303进行供暖开关及流量控制。
所述供生活热水管道604与储热水装置400连接，提供用户的生活热水。供生活热水管道604设有第四流量控制装置304进行供生活热水开关及流量控制。
所述供暖回水管道602、供暖管道603和供生活热水管道604内分别布设第二温度传感器502、第三温度传感器503以及第四温度传感器504用于测量供水温度。
所述优化处理模块120通过第一流量控制装置301、第二流量控制装置302、第三流量控制装置303和第四流量控制装置304实现对热电联产和储热水装置的开关及进出水流量控制，通过第一温度传感器501实现对储热水装置400内热水温度的动态感知。
恒温供水优化装置的输出端和第一流量控制装置301、第二流量控制装置302、第三流量控制装置303和第四流量控制装置304连接；恒温供水优化装置的输入端和第一温度传感器501连接。
请参阅图3，是本发明较佳实施例提供的应用于图2所示的优化处理模块120的恒温供水优化方法的流程图。下面将对图3所示的具体流程进行详细阐述。
S100、收集用户的需求数据，用户需求数据包括用户电需求、热需求和生活热水需求；
S200、根据S100收集的用户需求数据，对燃料(天然气、氢气等)、电、热等多能源耦合的恒温供水系统进行运行优化，得到多能源恒温供水系统的最优运行策略集，具体包括以下步骤：
S201、构建多能源恒温供水系统的数学模型，确定目标函数及约束条件，目标函数使系统运行成本最小；所述目标函数表述为：
式中，S为情景总数，下标s为第s个情景，πs为第s个情景的概率；t0是滚动优化调度阶段的起始时间，NT为调度周期，下标t为第t个时段；
为第s个情景下第t个时段的燃料成本；Δt为滚动优化调度阶段时间间隔。
多能源恒温供水系统的数学模型的相关约束条件如下：
燃料成本约束为：
其中
为从市场买入燃料的价格，单位为人民币/千克，
为第s个情景下第t个时段的燃料成本，
为第s个情景下第t个时段的燃料消耗量。
储热水装置热损失的精确能量平衡约束条件：
其中cW为水的比热容；
和
分别为第s个情景下第t个时段储热水装置内的水量和温度，
为第s个情景下第t+1个时段储热水装置内的温度；
和
分别为第s个情景下第t个时段储热水装置的进水流量和温度；
为第s个情景下第t个时段储热水装置的出水流量；UHW和AHW分别为储热水装置的单位面积热损耗系数和总表面积；
为第s个情景下的环境温度。
电负荷供需平衡约束条件为：
其中Dt,s为第s个情景下第t个时段用户的电需求，单位为千瓦时。
水循环过程中热负荷和生活热水负荷供需平衡约束条件：
其中
为第s个情景下第t个时段供暖的回水温度；Gt,s为第s个情景下第t个时段用户的热需求，单位为千瓦时；
为第s个情景下第t个时段储热水装置的补水量；
为第s个情景下第t个时段用户的生活热水需求。同时考虑了整个供水系统的流量和温度的动态变化过程。
本发明选择抽凝式热电联产设备，热电联产设备包括燃料电池和余热回收装置，运行约束条件表述为：
其中，
为燃料电池在第s个情景下第t个时段的电输出功率，单位为千瓦；
为燃料电池在第s个情景下第t个时段的热输出功率，单位为千瓦；A，B，C，D分别是燃料电池运行区间的边界，cab，cbc，cad分别是线段AB，BC以及AD的斜率；Pt CHP,max是热电联产机组发电的上边界，Pt CHP,min是热电联产机组发电的下边界；
是热电联产机组产热的上边界，
是热电联产机组产热的下边界。
S202、构建样本参数集，其中包括一个需求负载样本、一个设备参数样本和一个系统环境参数样本；所述需求负载样本包括各时段用户电需求、热需求和热水需求；所述设备参数样本包括多能源恒温供水系统内热电联产设备和储热水装置的初始状态、额定容量、额定功率和能效比；所述系统环境参数样本包括燃料价格、滚动优化调度初始时间和滚动优化调度时间间隔。
S203、根据收集到的用户需求数据，生成不确定性负荷的多种情景树，进行场景约简，得到最终情景树，步骤如下：
第一步、根据采集到的用户电需求、热需求和热水需求数据，分别按照给定的标准差X生成S个情景，每个情景的随机变量自由度为3；用户电需求、热需求和热水需求数据均遵循正态分布，每个正态分布的均值为其采集到的对应需求数据值，标准差X取均值的3％-20％；
第二步、计算所有情景两两之间随机变量的欧氏距离；
第三步、将欧氏距离最小的一对情景中的任意一个情景删除，并将被删除场景的概率加给与之欧氏距离最小的场景，同时将被删除场景的概率变为零；
第四步、重复执行以上步骤J-1次，其中J＝(0.8～0.99)*S，最终得到含有S-J个情景的情景树。
S204、基于S202构建的样本参数集与S203得到的情景树，采用滚动优化方法求解S201构建的数学模型得到系统调度周期内的最优运行策略集，最优运行策略集包括系统运行费用、热电联产设备运行工况、储热水装置运行工况，滚动优化方法求解数学模型的步骤如下：
第一步、将调度周期时域缩短为[t,t+Δt)，根据获取的系统设备参数样本和系统环境参数样本计算系统初始目标函数J0；
第二步、计算在时域[t,t+Δt)内热电联产设备和储热水装置的最优运行策略集，只取t时段的最优运行策略集作为时域内设备控制设定值；
第三步、计算在时域[t+1,t+1+Δt)内系统目标函数J1和热电联产设备、储热水装置的最优运行策略集，只取t+1时段的最优运行策略集作为时域内设备控制设定值；
第四步、重复以上过程，整个优化区间随时间向前滚动，最终达到时域[t+NT,t+NT+Δt)后停止，得到整个调度周期的最优运行策略集。
S300、根据S200得到的最优运行策略集对所述多能源恒温供水系统进行实时控制。
请参阅图4，为本发明较佳实施例提供的恒温供水优化系统的功能模块示意图，其特征在于，包括信息感知分析模块110、优化处理模块120与控制执行模块130；所述信息感知分析模块110用于采集多能源恒温供水系统的用户需求数据，并将数据传输到优化计算模块；所述优化处理模块120根据得到的需求数据生成不确定性负荷的情景树，并求解模型得到多能源恒温供水系统中各设备的最优运行策略集，将该最优运行策略集传输到控制执行模块130；所述控制执行模块130通过数据线与所述多能源恒温供水系统中各设备相连，控制各设备的开关机与运行状态。
所述信息感知分析模块110包括温度传感器、流量传感器、水位传感器以及数据处理传输装置，所述温度传感器用于采集储热水装置及其供、回水管道的温度数据；流量传感器用于采集余热回收装置、储水装置和供热管道的出入口流量；所述水位传感器用于采集储水装置中热水储量；所述数据处理传输装置用于采集数据的预处理以及与外界的传输通信。
所述优化处理模块120包括初始化模块、样本构建模块和求解模块。初始化模块用于初始化优化处理模块120并确定相关约束条件和目标函数，构建多能源恒温供水系统的数学模型；样本构建模块用于构建样本参数集，所述样本参数集包括一个需求负载样本、一个设备参数样本和一个系统环境参数样本，其中所述需求负载样本包括各时段用户电需求、热需求和热水需求，其中所述设备参数样本包括多能源恒温供水系统内各设备的初始状态、额定容量、额定功率和能效比，所述系统环境参数样本包括燃料价格、滚动优化调度初始时间和滚动优化调度时间间隔；求解模块用于对已构建的样本参数集采用滚动优化方法求解，得到系统调度周期内的最优运行策略集。
所述控制执行模块130包括通信连接数据线、余热回收流量控制装置、第一储水流量控制装置301，第二储水流量控制装置302，第三储水流量控制装置303和第四储水流量控制装置303。通信连接数据线用于恒温供水优化装置与各设备之间的信息交互；余热回收流量控制装置用于控制余热回收装置的出水开关及流量大小；储水流量控制装置用于控制储水装置供暖管道、供生活热水管道的出水开关及流量大小以及补水管道的进水开关及流量大小。
本发明较佳实施例提供一种考虑多能耦合和不确定性的恒温供水系统运行优化装置，用于执行上述考虑多能耦合和不确定性的恒温供水系统的运行优化方法。可以根据上述方法示例对优化处理模块120进行功能模块的划分。例如，可以对应各个功能划分各个功能模块，也可以将两个功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本发明实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
请参阅图5，在采用对应各个功能划分各个功能模块的情况下，图5示出了最佳实施例中优化处理模块第一种可能的结构示意图，包括：初始化模块121、样本构建模块122和求解模块123。所述初始化模块121用于支持考虑多能耦合和不确定性的恒温供水系统运行优化装置执行S201；所述样本构建模块122用于支持考虑多能耦合和不确定性的恒温供水系统运行优化装置执行S202；所述求解模块123用于支持考虑多能耦合和不确定性的恒温供水系统运行优化装置执行S203、S204；其中，上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。
请参阅图6，在采用集成单元的情况下，图6示出了最佳实施例中优化处理模块第二种可能的结构示意图，包括：数据处理单元124、数据存储单元125和输入输出单元126。所述数据处理单元124用于对考虑多能耦合和不确定性的恒温供水系统运行优化装置的动作进行控制管理，例如，数据处理单元124用于支持考虑多能耦合和不确定性的恒温供水系统运行优化装置执行上述方法中的S201、S202、S203和S204；所述数据存储单元125用于存储考虑多能耦合和不确定性的恒温供水系统运行优化装置的程序代码和相关系统及结果数据；所述输入输出单元126用于提供给用户输入、输出数据。
所述数据处理单元124可以是，但不限于，处理器或控制器，例如可以是中央处理器(central processing unit，CPU)，通用处理器，数字信号处理器(digital signalprocessor，DSP)，专用集成电路(application-specific integrated circuit，ASIC)，现场可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。所述数据处理单元124也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。
所述输入输出单元126可以是，但不限于鼠标和键盘等。
当数据处理单元124为处理器，数据存储单元125为存储器时，本发明最佳实施例所涉及的考虑多能耦合和不确定性的恒温供水系统运行优化装置可以为如下的考虑多能耦合和不确定性的恒温供水系统的运行优化装置。
请参考图7，本发明又一种最佳实施例中优化处理模块可能的结构示意图，包括：处理器127、存储器128和总线129；所述存储器128用于存储计算机执行指令；所述处理器127与存储器128通过总线129连接，当考虑多能耦合和不确定性的恒温供水系统运行优化装置运行时，处理器127执行存储器128存储的计算机执行指令，执行如上述的考虑多能耦合和不确定性的恒温供水优化方法的S201、S202、S203和S204。所述总线129可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等；所述总线129可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
所述数据存储单元125及存储器128可以是，但不限于随机存取存储器(RandomAccess Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable ProgrammableRead-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory，EEPROM)等。
由于本发明最佳实施例提供的考虑多能耦合和不确定性的恒温供水系统运行优化装置可用于执行上述考虑多能耦合和不确定性的恒温供水优化方法，因此其所能获得的技术效果可参考上述方法实施例，本发明实施例在此不再赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
尽管结合具体特征及其实施例对本发明进行了描述，显而易见的，在不脱离本发明的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明，且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (6)
1.一种多能耦合的恒温供水系统的优化方法，其特征在于，包括以下步骤：
S100、收集用户的需求数据，所述用户需求数据包括用户电需求、热需求和生活热水需求；
S200、根据S100收集的用户需求数据，对燃料、电和热多能源耦合的恒温供水系统进行运行优化，得到多能源恒温供水系统的最优运行策略集；
S300、根据S200得到的最优运行策略集对所述多能源恒温供水系统进行实时控制；
所述S200包括以下步骤：
S201、构建多能源恒温供水系统的数学模型，确定目标函数及约束条件，目标函数使系统运行成本最小；
S202、构建样本参数集，其中包括一个需求负载样本、一个设备参数样本和一个系统环境参数样本；
S203、根据收集到的用户需求数据，生成不确定性负荷的多种情景树，进行场景约简，得到最终情景树；
S204、基于S202构建的样本参数集与S203得到的情景树，采用滚动优化方法求解S201构建的数学模型得到系统调度周期内的最优运行策略集，最优运行策略集包括系统运行费用、热电联产设备运行工况、储热水装置运行工况；
所述S201中约束条件包括热电联产设备运行约束条件、储热水装置运行约束条件、电负荷供需平衡约束条件、热负荷供需平衡约束条件和生活热水负荷供需平衡约束条件；
其中，储热水装置运行约束条件为：
其中c W 为水的比热容；
和
分别为第s个情景下第t个时段储热水装置内的水量和温度，
为第s个情景下第t+1个时段储热水装置内的温度；
和
分别为第s个情景下第t个时段储热水装置的进水流量和温度；
为第s个情景下第t个时段储热水装置的出水流量；U HW 和A HW 分别为储热水装置的单位面积热损耗系数和总表面积；
为第s个情景下的环境温度；
热负荷供需平衡约束条件和生活热水负荷供需平衡约束条件为：
其中
为第s个情景下第t个时段供暖的回水温度；G t,s 为第s个情景下第t个时段用户的热需求，单位为千瓦时；
为第s个情景下第t个时段储热水装置的补水量；
为第s个情景下第t个时段用户的生活热水需求；
所述目标函数表述为：
式中，S为情景总数，下标s为第s个情景，π s 为第s个情景的概率；t 0是滚动优化调度阶段的起始时间，N T 为调度周期，下标t为第t个时段；
为第s个情景下第t个时段的燃料成本；△t为滚动优化调度阶段时间间隔；
所述多能耦合的恒温供水系统，包括热电联产设备（200）、储热水装置（400）和优化处理模块（120），所述热电联产设备（200）通过余热回收热水回路与储热水装置（400）连接；所述储热水装置（400）与补水管道（601）、供暖回水管道（602）、供暖管道（603）以及供生活热水管道（604）连接；
所述储热水装置（400）、供暖回水管道（602）、供暖管道（603）和供生活热水管道（604）内均设有温度传感器；
所述补水管道（601）、余热回收热水回路、供暖管道（603）和供生活热水管道（604）内均设有流量控制装置；所有温度传感器的输出端均与优化处理模块（120）的输入端连接，优化处理模块（120）的输出端和流量控制装置连接，所述优化处理模块（120）用于根据温度传感器测量到的温度对热电联产设备（200）和储热水装置（400）的开关及进出水流量进行控制。
2.根据权利要求1所述的一种多能耦合的恒温供水系统的优化方法，其特征在于，所述优化处理模块（120）包括初始化模块、样本构建模块和求解模块；
所述初始化模块用于初始化优化处理模块（120）并确定相关约束条件和目标函数，构建多能耦合的恒温供水系统的数学模型；
所述样本构建模块用于构建样本参数集，所述样本参数集包括一个需求负载样本、一个设备参数样本和一个系统环境参数样本，其中所述需求负载样本包括各时段用户电需求、热需求和热水需求，其中所述设备参数样本包括多能耦合的恒温供水系统内各设备的初始状态、额定容量、额定功率和能效比，所述系统环境参数样本包括燃料价格、滚动优化调度初始时间和滚动优化调度时间间隔；
所述求解模块用于对已构建的样本参数集采用滚动优化方法求解，得到系统调度周期内的最优运行策略集。
3.根据权利要求1所述的一种多能耦合的恒温供水系统的优化方法，其特征在于，所述优化处理模块（120）包括处理器（127）、存储器（128）和总线（129）；所述存储器（128）用于存储计算机执行指令；所述处理器（127）与存储器（128）通过总线（129）连接，所述处理器（127）执行存储器（128）存储的计算机执行指令：根据收集的用户需求数据，对燃料、电和热多能源耦合的恒温供水系统进行运行优化，得到多能耦合的恒温供水系统的最优运行策略集。
4.根据权利要求1所述的多能耦合的恒温供水系统的优化方法，其特征在于，所述S202中所述需求负载样本包括各时段用户电需求、热需求和热水需求；所述设备参数样本包括多能源恒温供水系统内各设备的初始状态、额定容量、额定功率和能效比；所述系统环境参数样本包括燃料价格、滚动优化调度初始时间和滚动优化调度时间间隔。
5.根据权利要求1所述的多能耦合的恒温供水系统的优化方法，其特征在于，所述S203包括以下步骤：
第一步、根据采集得到的天气数据样本和用户需求数据，按照给定的标准差生成S个情景；
第二步、计算所有情景两两之间随机变量的欧氏距离；
第三步、将欧氏距离最小的一对情景中的任意一个情景删除，并将被删除场景的概率加给与之欧氏距离最小的场景，同时将被删除场景的概率变为零；
第四步、重复执行以上步骤J-1次，其中J=(0.8～0.99)*S，最终得到含有S-J个情景的最终情景树。
6.根据权利要求1所述的多能耦合的恒温供水系统的优化方法，其特征在于，所述S204包括以下步骤：
第一步、将调度周期时域缩短为[t ,t +△t)，根据获取的系统设备参数样本和系统环境参数样本计算系统初始目标函数J 0 ；
第二步、计算在时域[t ,t +△t)内热电联产设备和储热水装置的最优运行策略集，只取t时段的最优运行策略集作为时域内设备控制设定值；
第三步、计算在时域[t+1,t+1+△t)内系统目标函数J 1 和热电联产设备、储热水装置的最优运行策略集，只取t+1时段的最优运行策略集作为时域内设备控制设定值；
第四步、重复以上过程，整个优化区间随时间向前滚动，达到时域[t+N T , t+N T +△t)后停止，得到整个调度周期的最优运行策略集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011133378.0A CN112539449B (zh) | 2020-10-21 | 2020-10-21 | 一种多能耦合的恒温供水系统及其优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011133378.0A CN112539449B (zh) | 2020-10-21 | 2020-10-21 | 一种多能耦合的恒温供水系统及其优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112539449A CN112539449A (zh) | 2021-03-23 |
| CN112539449B true CN112539449B (zh) | 2022-02-01 |
Family
ID=75013557
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011133378.0A Active CN112539449B (zh) | 2020-10-21 | 2020-10-21 | 一种多能耦合的恒温供水系统及其优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112539449B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114997457A (zh) * | 2022-03-22 | 2022-09-02 | 武汉大学 | 基于集中供热系统储热特性的热电联产机组灵活性优化调度方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108534216A (zh) * | 2018-04-23 | 2018-09-14 | 日丰企业（佛山）有限公司 | 微波地暖系统 |
| CN108629470A (zh) * | 2017-03-17 | 2018-10-09 | 华北电力大学 | 基于非合作博弈的多能互补系统能量管理与优化运行 |
| CN109359839A (zh) * | 2018-09-29 | 2019-02-19 | 东南大学 | 一种综合能源系统中区域热网的节点热价计算方法 |
| CN110348709A (zh) * | 2019-06-26 | 2019-10-18 | 西安交通大学 | 基于氢能与储能设备的多能源系统的运行优化方法和装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102684224B (zh) * | 2012-05-25 | 2014-04-16 | 浙江大学 | 一种求解考虑风电波动性的机组组合方法 |
| US9285847B2 (en) * | 2012-06-14 | 2016-03-15 | Pac, Llc | Cogeneration system and process for determining whether to use cogeneration |
| US8897632B2 (en) * | 2012-10-17 | 2014-11-25 | Daniel P. Flohr | Methods of remotely managing water heating units in a water heater and related water heaters |
| CN107732983A (zh) * | 2017-10-22 | 2018-02-23 | 清华大学 | 一种电‑热耦合多能流系统的日内滚动调度方法 |
-
2020
- 2020-10-21 CN CN202011133378.0A patent/CN112539449B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108629470A (zh) * | 2017-03-17 | 2018-10-09 | 华北电力大学 | 基于非合作博弈的多能互补系统能量管理与优化运行 |
| CN108534216A (zh) * | 2018-04-23 | 2018-09-14 | 日丰企业（佛山）有限公司 | 微波地暖系统 |
| CN109359839A (zh) * | 2018-09-29 | 2019-02-19 | 东南大学 | 一种综合能源系统中区域热网的节点热价计算方法 |
| CN110348709A (zh) * | 2019-06-26 | 2019-10-18 | 西安交通大学 | 基于氢能与储能设备的多能源系统的运行优化方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于预测控制的含风电滚动优化调度;刘立阳;《电工技术学报》;20170910;第75页至83页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112539449A (zh) | 2021-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wei et al. | A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy | |
| Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
| Shao et al. | Modeling and integration of flexible demand in heat and electricity integrated energy system | |
| Yang et al. | Distributionally robust optimal dispatch in the power system with high penetration of wind power based on net load fluctuation data | |
| Ramchurn et al. | Agent-based control for decentralised demand side management in the smart grid | |
| WO2011105070A1 (ja) | 需給制御装置、需給制御方法、およびプログラム | |
| Cui et al. | Effect of device models on the multiobjective optimal operation of CCHP microgrids considering shiftable loads | |
| CN112950098A (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
| CN109974231A (zh) | 冰蓄冷空调冰量规划方法、装置、设备及介质 | |
| CN109767029A (zh) | 局域能源互联网中冷热电三联供系统容量配置方法及系统 | |
| CN112539449B (zh) | 一种多能耦合的恒温供水系统及其优化方法 | |
| CN110489915A (zh) | 计及综合需求响应的电热联合调度方法及系统 | |
| CN111950934A (zh) | 电力需求响应聚合负荷协同控制方法、装置和系统 | |
| CN105743093B (zh) | 一种考虑风光出力不确定性的配电网潮流计算方法 | |
| Wang et al. | Aggregated large-scale air-conditioning load: Modeling and response capability evaluation of virtual generator units | |
| CN113885367A (zh) | 一种楼宇能效管理控制系统及方法 | |
| Wang et al. | Optimal network planning of AC/DC hybrid microgrid based on clustering and multi-agent reinforcement learning | |
| CN116865256A (zh) | 一种虚拟电厂优化调控方法、装置、设备及存储介质 | |
| Zhang et al. | Time-of-use pricing model considering wind power uncertainty | |
| CN116341855A (zh) | 一种分布式储能规划方法、装置、设备及介质 | |
| Ebrahimi et al. | Electrical and thermal power management in an energy hub system considering hybrid renewables | |
| CN115051374A (zh) | 电采暖设备参与电力调峰的控制方法、装置和存储介质 | |
| CN116307437A (zh) | 基于碳排放权兑换机制的虚拟电厂优化调度方法及系统 | |
| CN115130923A (zh) | 一种交流微电网智能能量管理方法及系统 | |
| Liu et al. | Energy management for households considering uncertainty in solar irradiance with various probability distribution |
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 |