CN113054668B - 一种蓄冷空调系统的滚动优化调度方法及装置 - Google Patents

一种蓄冷空调系统的滚动优化调度方法及装置 Download PDF

Info

Publication number
CN113054668B
CN113054668B CN202110286362.1A CN202110286362A CN113054668B CN 113054668 B CN113054668 B CN 113054668B CN 202110286362 A CN202110286362 A CN 202110286362A CN 113054668 B CN113054668 B CN 113054668B
Authority
CN
China
Prior art keywords
scheduling
unit
cost
load
current
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
CN202110286362.1A
Other languages
English (en)
Other versions
CN113054668A (zh
Inventor
陈霈
牛洪海
管晓晨
杨玉
李兵
赵阳
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 CN202110286362.1A priority Critical patent/CN113054668B/zh
Publication of CN113054668A publication Critical patent/CN113054668A/zh
Application granted granted Critical
Publication of CN113054668B publication Critical patent/CN113054668B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种蓄冷空调系统的滚动优化调度方法及装置，本发明根据负荷计划曲线、实时运行状态、释冷速率限制和设备安全运行负载区间，获取调度边界条件，构建以综合评价成本最低为目标的优化调度模型，以各周期起始时刻的运行状态为初始状态，计算优化调度模型，在每个调度时段对后续周期运行模式进行寻优，通过对调度结果进行滚动修正和调整，在满足系统实际运行需求的同时，综合考虑设备运行费用和启停机对系统的影响，降低系统当日整体运行费用，减少设备启停次数，避免设备频繁启停导致系统波动。

Description

一种蓄冷空调系统的滚动优化调度方法及装置
技术领域
本发明涉及一种蓄冷空调系统的滚动优化调度方法及装置，属于含蓄冷中央空调制冷系统的优化调度领域。
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。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，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。
蓄冷空调制冷系统可分为水蓄冷和冰蓄冷两大类，其中冰蓄冷空调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；水蓄冷空调系统通常由冷水机组和蓄水罐构成。带蓄冷的空调系统由于不止一种冷源，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，要最大化发挥蓄冷空调系统的削峰填谷作用，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。
由于蓄冷空调系统冷源设备多、各时刻运行方式会对后续时刻的运行产生影响，当负荷计划曲线失真、设备突发故障、历史调度结果与实际运行情况出现较大偏差时，现有的优化调度方法无法及时调整系统运行方案。
发明内容
本发明提供了一种蓄冷空调系统的滚动优化调度方法及装置，解决了负荷计划曲线失真、设备突发故障、历史调度结果与实际运行情况出现较大偏差时，现有的优化调度方法无法及时调整系统运行方案的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
一种蓄冷空调系统的滚动优化调度方法，包括，
根据负荷计划曲线、实时运行状态、释冷速率限制和设备安全运行负载区间，获取调度边界条件；
根据天气预报信息识别当日运行环境状况，获取与当日运行环境状况对应的机组能效比与负载之间的模型；
基于模型，分段线性拟合机组运行费用成本与负载之间的关系，获得机组运行费用成本；
根据负荷计划曲线和实时运行状态识别当日运行模式，获取与当日运行模式对应的各调度时段机组启机惩罚系数和停机惩罚系数，计算启停机惩罚成本；
根据调度边界条件，构建以从当前时刻至本日调度结束时刻的综合评价成本最低为目标，构建优化调度模型；其中，综合评价成本根据机组运行费用成本和启停机惩罚成本获得；
以各调度时段起始时刻的运行状态为初始状态，计算优化调度模型，获得当前时刻至本日调度结束时刻的优化调度结果。
实时运行状态包括设备当前运行数量、当前总可用蓄冷量和设备可运行数量；调度边界条件具体为，
Figure BDA0002980650490000031
其中，BC为调度边界条件；planNumki为第k类机组在第i个调度时段的计划开机数量；spareNumki为第k类机组在第i个调度时段的可运行数量；planLoadki为第k类机组第i个调度时段的计划负载率；loadLimlk、loadLimhk分别为第k类机组安全运行负载率下限和上限；planIcei为第i个调度时段蓄冷设备的计划释冷量；iceLim为蓄冷设备的释冷速率上限；n为调度时段总数；i＝now为当前调度时段；totalIcenow为蓄冷设备在当前调度时段的总蓄冷量；coefIce为在运行过程中考虑蓄冷设备自身散热的安全系数；m为机组类别总数；capacityk为第k类机组的额定制冷量；RTloadi为第i个调度时段的计划负荷。
根据天气预报信息识别当日运行环境状况，获取与当日运行环境状况对应的机组能效比与负载之间的模型，具体过程为，
根据天气预报信息，计算当日调度时段的平均环境湿球温度；
根据平均环境湿球温度，识别当日运行环境状况；
根据当日运行环境状况，获取对应的机组能效比与负载之间的模型。
机组运行费用成本与负载之间的关系，具体为，
Figure BDA0002980650490000041
其中，Qr为机组运行费用成本；n为调度时段总数；i＝now为当前调度时段；m为机组类别总数；COPki为第k类机组在第i个调度时段的机组能效比；planLoadki为第k类机组第i个调度时段的计划负载率；planNumki为第k类机组在第i个调度时段的计划开机数量；capacityk为第k类机组的额定制冷量；pricei为第i个调度时段的电价；iceCost为夜间蓄冷所耗电费；totalIce1为当日第一次调度时的总蓄冷量；planIcei为第i个调度时段蓄冷设备的计划释冷量；COP1k～COP5k分别为第k类机组在负载率S1％、S2％、S3％、S4％、S5％分段点下对应的机组能效比，S1～S5均大于0小于等于100。
根据负荷计划曲线和实时运行状态，计算全日机组总负载量在全日机组总可用负载中的占比，根据占比识别当日运行模式，获取与当日运行模式对应的各调度时段机组启机惩罚系数和停机惩罚系数，计算启停机惩罚成本。
启停机惩罚成本为，
Figure BDA0002980650490000051
其中，Qpon为机组启机惩罚成本；n为调度时段总数；i＝now为当前调度时段；m为机组类别总数；planNumki为第k类机组在第i个调度时段的计划开机数量；planNumki-1为第k类机组在第i-1个调度时段的计划开机数量；Ponki为第k类冷水机组在第i个调度时段的启机惩罚系数；Qpoff为机组停机惩罚成本；Poffki为第k类冷水机组在第i个调度时段的停机惩罚系数；Qp为启停机惩罚成本。
优化调度模型为，
目标函数：
min(Qr+Qp)
其中，Qp为启停机惩罚成本；Qr为机组运行费用成本；
约束条件：
planNumki∈BC
planLoadki∈BC
planIcei∈BC
其中，BC为调度边界条件；planNumki为第k类机组在第i个调度时段的计划开机数量；planLoadki为第k类机组第i个调度时段的计划负载率；planIcei为第i个调度时段蓄冷设备的计划释冷量。
一种蓄冷空调系统的滚动优化调度系统，包括，
调度边界条件模块：根据负荷计划曲线、实时运行状态、释冷速率限制和设备安全运行负载区间，获取调度边界条件；
模型匹配模块：根据天气预报信息识别当日运行环境状况，获取与当日运行环境状况对应的机组能效比与负载之间的模型；
机组运行费用成本模块：基于模型，分段线性拟合机组运行费用成本与负载之间的关系，获得机组运行费用成本；
启停机惩罚成本模块：根据负荷计划曲线和实时运行状态识别当日运行模式，获取与当日运行模式对应的各调度时段机组启机惩罚系数和停机惩罚系数，计算启停机惩罚成本；
优化调度模型构建模块：根据调度边界条件，构建以从当前时刻至本日调度结束时刻的综合评价成本最低为目标，构建优化调度模型；其中，综合评价成本根据机组运行费用成本和启停机惩罚成本获得；
计算模块：以各调度时段起始时刻的运行状态为初始状态，计算优化调度模型，获得当前时刻至本日调度结束时刻的优化调度结果。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行蓄冷空调系统的滚动优化调度方法。
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行蓄冷空调系统的滚动优化调度方法的指令。
本发明所达到的有益效果：本发明根据负荷计划曲线、实时运行状态、释冷速率限制和设备安全运行负载区间，获取调度边界条件，构建以综合评价成本最低为目标的优化调度模型，以各周期起始时刻的运行状态为初始状态，计算优化调度模型，在每个调度时段对后续周期运行模式进行寻优，通过对调度结果进行滚动修正和调整，在满足系统实际运行需求的同时，综合考虑设备运行费用和启停机对系统的影响，降低系统当日整体运行费用，减少设备启停次数，避免设备频繁启停导致系统波动。
附图说明
图1为本发明方法的流程图；
图2为不同湿球温度下冷水机组能效比与负载率的分段线性拟合示意图；
图3为增加启停机惩罚成本前的调度结果；
图4为增加启停机惩罚成本后的调度结果；
图5为启停机惩罚成本有监督寻优结果；
图6为启停机惩罚成本无监督寻优结果；
图7为滚动优化调度结果；
图8为非滚动优化调度结果。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种蓄冷空调系统的滚动优化调度方法，包括以下步骤：
步骤1，根据负荷计划曲线、实时运行状态、释冷速率限制和设备安全运行负载区间等信息，获取调度边界条件。
对负荷计划曲线、实时运行状态、释冷速率限制和设备安全运行负载区间等信息进行数据预处理，获得调度边界条件BC(Boundary Conditions)。
带蓄冷空调系统的冷源设备包括冷水机组(后续简称“机组”)及蓄冷设备两部分，其中，机组可能包括多种类型，如冰蓄冷系统包括基载机组和双工况机组等。调度的任务就是将各时段的计划负荷分解到各冷源设备，形成各冷源设备的运行计划。优化调度是对各冷源设备的运行计划进行优化组合，从而寻找出使寻优目标值最佳的运行方案。因此，最终的调度结果为各类冷源设备的逐时段的冷量负荷，具体为：蓄冷设备的逐时段释冷量，机组的逐时段设备运行数量，机组的逐时段设备运行负载率。
在进行优化调度时，根据负荷计划曲线、实时运行状态、释冷速率限制、设备安全运行负载区间等信息，获得以下调度边界条件：
Figure BDA0002980650490000081
其中，planNumki为第k类机组在第i个调度时段的计划开机数量，单位为台；spareNumki为第k类机组在第i个调度时段的可运行数量，单位为台；planLoadki为第k类机组第i个调度时段的计划负载率，单位为％；loadLimlk、loadLimhk分别为第k类机组安全运行负载率下限和上限，单位为％；planIcei为第i个调度时段蓄冷设备的计划释冷量，单位为RTh；iceLim为蓄冷设备的释冷速率上限，单位为RTh；n为调度时段总数；i＝now为当前调度时段；totalIcenow为蓄冷设备在当前调度时段的总蓄冷量，单位为RTh；coefIce为在运行过程中考虑蓄冷设备自身散热的安全系数，为不大于1的正数；m为机组类别总数；capacityk为第k类机组的额定制冷量，单位为RTh；RTloadi为第i个调度时段的计划负荷，单位为RTh。
上述i为各调度时段的逐时刻编号，优化调度的时间长度n一般为16，这是将夜间制冷的8小时扣除后，其余的16小时以1小时为周期，共计需要执行调度的时刻为16个。上述k为机组的类型编号，相同安装位置、相同额定制冷量的机组为同一类型的冷水机组。
步骤2，根据天气预报信息识别当日运行环境状况，获取与当日运行环境状况对应的机组能效比与负载之间的模型。
具体过程为：
21)根据天气预报信息，计算当日调度时段的平均环境湿球温度。
根据天气预报信息可以获得当日各调度时段的环境温度和相对温度，天气预报所预报的温度一般为空气的干球温度。湿球温度是指在绝热条件下，当前环境仅通过蒸发水分所能达到的最低温度，也称绝热饱和温度。
因此，在空调系统中，湿球温度是冷却塔的降温极限温度，湿球温度越低则冷却塔回水最低理论温度越低，冷却塔的出力则越高，而冷却塔的出力情况直接影响机组的能效比。
由天气预报的干球温度和相对湿度计算湿球温度，具体公式如下：
Figure BDA0002980650490000101
其中，Td为天气预报的干球温度，单位为℃；Pv为Td时的水蒸气饱和压力，单位为Pa；Hr为天气预报的相对湿度，单位为％；d为含湿量，单位为kg/kg干空气；h为当前空气焓值，单位为kJ/kg干空气。
根据湿球温度的定义，则有：
Figure BDA0002980650490000102
其中，hw为湿空气焓值，单位为kJ/kg干空气；Tw为湿球温度，单位为℃。
当日调度时段的平均环境湿球温度，计算如下：
Figure BDA0002980650490000103
其中，Tw_avg为当日调度时段的平均环境湿球温度；Twi为在第i个调度时段下计算得到的湿球温度，单位为℃。
22)根据平均环境湿球温度，识别当日运行环境状况。
23)根据当日运行环境状况，获取对应的机组能效比与负载之间的模型；其中，模型为预先设定的模型，每个模型对应一运行环境状况。
在不同的湿球温度下，建立各类机组的能效比与负载率之间的分段线性拟合模型，在这里，选择湿球温度为20℃、25℃、30℃，分别以负载率50％、62.5％、75％、87.5％、100％为分段点，建立机组能效比与负载率之间的四段线性拟合曲线，如图2所示。
步骤3，基于模型，分段线性拟合机组运行费用成本与负载之间的关系，获得机组运行费用成本。
选择与当日Tw_avg最接近的湿球温度所对应的模型，用分段线性拟合得到机组运行费用成本与负载之间的关系，从而获得机组运行费用成本；
机组运行费用成本与负载之间的关系，具体为：
Figure BDA0002980650490000111
其中，Qr为机组运行费用成本，单位为元；COPki为第k类机组在第i个调度时段的机组能效比，无量纲单位；planLoadki为第k类机组第i个调度时段的计划负载率；planNumki为第k类机组在第i个调度时段的计划开机数量；capacityk为第k类机组的额定制冷量；pricei为第i个调度时段的电价，单位为元/RTh；iceCost为夜间蓄冷所耗电费，单位为元；totalIce1为当日第一次调度时的总蓄冷量，单位为RTh；planIcei为第i个调度时段蓄冷设备的计划释冷量；COP1k～COP5k分别为第k类机组在负载率S1％、S2％、S3％、S4％、S5％分段点下对应的机组能效比，S1～S5均大于0小于等于100，S1～S5分别为50、62.5、75、87.5、100。
步骤4，根据负荷计划曲线和实时运行状态，计算全日机组总负载量在全日机组总可用负载中的占比，根据占比识别当日运行模式，获取与当日运行模式对应的各调度时段机组启机惩罚系数和停机惩罚系数，计算启停机惩罚成本。
如图3和4，假如不考虑机组启停机惩罚成本,，则在调度时容易出现为了使运行费用最低，而导致设备频繁的启停；因此为提高系统运行的连贯性，减少机组设备启停次数，需考虑机组启停机惩罚成本。
在计算启停机惩罚成本之前，需识别当日的运行模式。当日的运行模式在当日第一次调度计算时确定，即在i＝1时刻确定；其确定方法为计算全日机组总负载量在全日机组总可用负载中的占比，由该占比的大小划分当日的运行模式：
Figure BDA0002980650490000121
其中，Mode为全日机组总负载量在全日机组总可用负载中的占比，单位为％；Mode代表了当日机组的负载轻重程度，在不同负载程度下，期望的机组启停方式通常会存在差异。
例如，在负载程度较轻时，每日只需在电价平值时段开少量设备就能满足负荷需求，并且尽量晚开设备，充分利用蓄冷实现削峰填谷；而在负载程度较重时，为确保能满足负荷需求，并避免设备频繁启停，应尽量早开设备。在这里，将运行模式分为轻负载、中负载和重负载3种，判别条件为，Mode小于30％为轻负载运行模式，Mode在30％和60％之间为中负载运行模式，Mode大于60％为重负载运行模式。
在各种运行模式下，根据以往运行习惯或者运行经验分别设置各类机组在各调度时段下的启停机惩罚系数，从而实现有监督的寻优，启停机惩罚成本计算如下：
启停机惩罚成本为，
Figure BDA0002980650490000131
其中，Qpon为机组启机惩罚成本，单位为元；planNumki为第k类机组在第i个调度时段的计划开机数量；planNumki-1为第k类机组在第i-1个调度时段的计划开机数量，单位为台；Ponki为第k类冷水机组在第i个调度时段的启机惩罚系数，单位为元/台；Qpoff为机组停机惩罚成本，单位为元；Poffki为第k类冷水机组在第i个调度时段的停机惩罚系数，单位为元/台；Qp为启停机惩罚成本，单位为元。
由于启停机惩罚系数Ponki和Poffki在各调度时段的数值不同，通过这些系数就可以实现有监督的寻优。当各时段的启停机惩罚系数为固定常数时，调度的结果具有一定的随机性，如图5和6中，当调整各时段的启停机惩罚系数后，可以让机组按照预期的运行方式启停，实现有监督的寻优。
步骤5，根据调度边界条件，构建以从当前时刻至本日调度结束时刻的综合评价成本最低为目标，构建优化调度模型；其中，综合评价成本根据机组运行费用成本和启停机惩罚成本获得。
优化调度模型为：
寻优目标函数需对机组运行费用成本和启停机惩罚成本进行综合评价，使综合评价成本最低，即：
min(Qr×ηr+Qp×ηp)
其中，ηr为机组运行费用成本的综合评价系数，为0～1的实数；ηp为机组启停机惩罚成本的综合评价系数，为0～1的实数。由于已经将两者的量纲统一到运行费用单位元，因此ηr和ηr均为1，即：
目标函数：
min(Qr+Qp)
其中，Qp为启停机惩罚成本；Qr为机组运行费用成本；
约束条件：
planNumki∈BC
planLoadki∈BC
planIcei∈BC
其中，BC为调度边界条件；planNumki为第k类机组在第i个调度时段的计划开机数量；planLoadki为第k类机组第i个调度时段的计划负载率；planIcei为第i个调度时段蓄冷设备的计划释冷量。
步骤6，以各调度时段起始时刻的运行状态为初始状态，计算优化调度模型，获得当前时刻至本日调度结束时刻的优化调度结果；其中，优化求解可以转化为混合整型二次规划(MIQP)的问题。
在计算启停机惩罚成本时，由于计算公式中有planNumki-1，对于当前时刻now，其前一时刻的计划开机数量应取当前时刻该类机组的实际运行数量，即以当前时刻实际的运行状态为初始状态，进行优化求解。这种处理方式可确保当历史运行计划与实际运行状况出现偏差时，以实际运行状况为准，提高各个调度周期之间的连续性，使全天滚动调度的结果连续、平滑，避免机组的频繁启停。如图7和8所示，当在17点时总蓄冷量totalIcenow远低于计划值时，若不进行滚动调度，将无法确保满足负荷需求，而滚动优化后，在17点增加了机组的数量，从而保证满足负荷需求。
因此，当负荷计划曲线失真、设备突发故障、历史调度与历史实际运行出现较大偏差时，滚动更新调度可以及时矫正调度结果，以满足现场实际运行需求，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。
上述方法根据负荷计划曲线、实时运行状态、释冷速率限制和设备安全运行负载区间，获取调度边界条件，构建以综合评价成本最低为目标的优化调度模型，以各周期起始时刻的运行状态为初始状态，计算优化调度模型，在每个调度时段对后续周期运行模式进行寻优，通过对调度结果进行滚动修正和调整，在满足系统实际运行需求的同时，综合考虑设备运行费用和启停机对系统的影响，降低系统当日整体运行费用，减少设备启停次数，避免设备频繁启停导致系统波动。
一种蓄冷空调系统的滚动优化调度系统，包括，
调度边界条件模块：根据负荷计划曲线、实时运行状态、释冷速率限制和设备安全运行负载区间，获取调度边界条件；
模型匹配模块：根据天气预报信息识别当日运行环境状况，获取与当日运行环境状况对应的机组能效比与负载之间的模型；
机组运行费用成本模块：基于模型，分段线性拟合机组运行费用成本与负载之间的关系，获得机组运行费用成本；
启停机惩罚成本模块：根据负荷计划曲线和实时运行状态识别当日运行模式，获取与当日运行模式对应的各调度时段机组启机惩罚系数和停机惩罚系数，计算启停机惩罚成本；
优化调度模型构建模块：根据调度边界条件，构建以从当前时刻至本日调度结束时刻的综合评价成本最低为目标，构建优化调度模型；其中，综合评价成本根据机组运行费用成本和启停机惩罚成本获得；
计算模块：将当前时刻至本日调度结束时刻划分成若干个周期，以各周期起始时刻的运行状态为初始状态，计算优化调度模型，获得当前时刻至本日调度结束时刻的优化调度结果。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行蓄冷空调系统的滚动优化调度方法。
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行蓄冷空调系统的滚动优化调度方法的指令。
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。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (7)

1.一种蓄冷空调系统的滚动优化调度方法，其特征在于：包括，
根据负荷计划曲线、实时运行状态、释冷速率限制和设备安全运行负载区间，获取调度边界条件；
根据天气预报信息识别当日运行环境状况，获取与当日运行环境状况对应的机组能效比与负载之间的模型；
基于模型，分段线性拟合机组运行费用成本与负载之间的关系，获得机组运行费用成本，其中，
机组运行费用成本与负载之间的关系，具体为，
Figure FDA0003638312750000011
其中，Qr为机组运行费用成本；n为调度时段总数；i＝now为当前调度时段；m为机组类别总数；COPki为第k类机组在第i个调度时段的机组能效比；planLoadki为第k类机组第i个调度时段的计划负载率；planNumki为第k类机组在第i个调度时段的计划开机数量；capacityk为第k类机组的额定制冷量；pricei为第i个调度时段的电价；iceCost为夜间蓄冷所耗电费；totalIce1为当日第一次调度时的总蓄冷量；planIcei为第i个调度时段蓄冷设备的计划释冷量；COP1k～COP5k分别为第k类机组在负载率S1％、S2％、S3％、S4％、S5％分段点下对应的机组能效比，S1～S5均大于0小于等于100；
根据负荷计划曲线和实时运行状态识别当日运行模式，获取与当日运行模式对应的各调度时段机组启机惩罚系数和停机惩罚系数，计算启停机惩罚成本，
启停机惩罚成本为，
Figure FDA0003638312750000021
其中，Qpon为机组启机惩罚成本；n为调度时段总数；i＝now为当前调度时段；m为机组类别总数；planNumki-1为第k类机组在第i-1个调度时段的计划开机数量；Ponki为第k类冷水机组在第i个调度时段的启机惩罚系数；Qpoff为机组停机惩罚成本；Poffki为第k类冷水机组在第i个调度时段的停机惩罚系数；Qp为启停机惩罚成本；
根据调度边界条件，构建以从当前时刻至本日调度结束时刻的综合评价成本最低为目标，构建优化调度模型；其中，综合评价成本根据机组运行费用成本和启停机惩罚成本获得，
优化调度模型为，
目标函数：
min(Qr+Qp)
其中，Qr为机组运行费用成本；
约束条件：
planNumki∈BC
planLoadki∈BC
planIcei∈BC
其中，BC为调度边界条件；
以各调度时段起始时刻的运行状态为初始状态，计算优化调度模型，获得当前时刻至本日调度结束时刻的优化调度结果。
2.根据权利要求1所述的一种蓄冷空调系统的滚动优化调度方法，其特征在于：实时运行状态包括设备当前运行数量、当前总可用蓄冷量和设备可运行数量；调度边界条件具体为，
Figure FDA0003638312750000031
其中，BC为调度边界条件；planNumki为第k类机组在第i个调度时段的计划开机数量；spareNumki为第k类机组在第i个调度时段的可运行数量；planLoadki为第k类机组第i个调度时段的计划负载率；loadLimlk、loadLimhk分别为第k类机组安全运行负载率下限和上限；planIcei为第i个调度时段蓄冷设备的计划释冷量；iceLim为蓄冷设备的释冷速率上限；n为调度时段总数；i＝now为当前调度时段；totalIcenow为蓄冷设备在当前调度时段的总蓄冷量；coefIce为在运行过程中考虑蓄冷设备自身散热的安全系数；m为机组类别总数；capacityk为第k类机组的额定制冷量；RTloadi为第i个调度时段的计划负荷。
3.根据权利要求1所述的一种蓄冷空调系统的滚动优化调度方法，其特征在于：根据天气预报信息识别当日运行环境状况，获取与当日运行环境状况对应的机组能效比与负载之间的模型，具体过程为，
根据天气预报信息，计算当日调度时段的平均环境湿球温度；
根据平均环境湿球温度，识别当日运行环境状况；
根据当日运行环境状况，获取对应的机组能效比与负载之间的模型。
4.根据权利要求1所述的一种蓄冷空调系统的滚动优化调度方法，其特征在于：根据负荷计划曲线和实时运行状态，计算全日机组总负载量在全日机组总可用负载中的占比，根据占比识别当日运行模式，获取与当日运行模式对应的各调度时段机组启机惩罚系数和停机惩罚系数，计算启停机惩罚成本。
5.一种蓄冷空调系统的滚动优化调度系统，其特征在于：包括，
调度边界条件模块：根据负荷计划曲线、实时运行状态、释冷速率限制和设备安全运行负载区间，获取调度边界条件；
模型匹配模块：根据天气预报信息识别当日运行环境状况，获取与当日运行环境状况对应的机组能效比与负载之间的模型；
机组运行费用成本模块：基于模型，分段线性拟合机组运行费用成本与负载之间的关系，获得机组运行费用成本，其中，
机组运行费用成本与负载之间的关系，具体为，
Figure FDA0003638312750000051
其中，Qr为机组运行费用成本；n为调度时段总数；i＝now为当前调度时段；m为机组类别总数；COPki为第k类机组在第i个调度时段的机组能效比；planLoadki为第k类机组第i个调度时段的计划负载率；planNumki为第k类机组在第i个调度时段的计划开机数量；capacityk为第k类机组的额定制冷量；pricei为第i个调度时段的电价；iceCost为夜间蓄冷所耗电费；totalIce1为当日第一次调度时的总蓄冷量；planIcei为第i个调度时段蓄冷设备的计划释冷量；COP1k～COP5k分别为第k类机组在负载率S1％、S2％、S3％、S4％、S5％分段点下对应的机组能效比，S1～S5均大于0小于等于100；
启停机惩罚成本模块：根据负荷计划曲线和实时运行状态识别当日运行模式，获取与当日运行模式对应的各调度时段机组启机惩罚系数和停机惩罚系数，计算启停机惩罚成本，
启停机惩罚成本为，
Figure FDA0003638312750000061
其中，Qpon为机组启机惩罚成本；n为调度时段总数；i＝now为当前调度时段；m为机组类别总数；planNumki-1为第k类机组在第i-1个调度时段的计划开机数量；Ponki为第k类冷水机组在第i个调度时段的启机惩罚系数；Qpoff为机组停机惩罚成本；Poffki为第k类冷水机组在第i个调度时段的停机惩罚系数；Qp为启停机惩罚成本；
优化调度模型构建模块：根据调度边界条件，构建以从当前时刻至本日调度结束时刻的综合评价成本最低为目标，构建优化调度模型；其中，综合评价成本根据机组运行费用成本和启停机惩罚成本获得，
优化调度模型为，
目标函数：
min(Qr+Qp)
其中，Qr为机组运行费用成本；
约束条件：
planNumki∈BC
planLoadki∈BC
planIcei∈BC
其中，BC为调度边界条件；
计算模块：以各调度时段起始时刻的运行状态为初始状态，计算优化调度模型，获得当前时刻至本日调度结束时刻的优化调度结果。
6.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至4所述的方法中的任一方法。
7.一种计算设备，其特征在于：包括，
一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至4所述的方法中的任一方法的指令。
CN202110286362.1A 2021-03-17 2021-03-17 一种蓄冷空调系统的滚动优化调度方法及装置 Active CN113054668B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110286362.1A CN113054668B (zh) 2021-03-17 2021-03-17 一种蓄冷空调系统的滚动优化调度方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110286362.1A CN113054668B (zh) 2021-03-17 2021-03-17 一种蓄冷空调系统的滚动优化调度方法及装置

Publications (2)

Publication Number Publication Date
CN113054668A CN113054668A (zh) 2021-06-29
CN113054668B true CN113054668B (zh) 2022-06-28

Family

ID=76513056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110286362.1A Active CN113054668B (zh) 2021-03-17 2021-03-17 一种蓄冷空调系统的滚动优化调度方法及装置

Country Status (1)

Country Link
CN (1) CN113054668B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117474263B (zh) * 2023-11-09 2024-08-23 北京航天拓扑高科技有限责任公司 一种基于燃气负荷预测的执行设备调度方法

Also Published As

Publication number Publication date
CN113054668A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN105320118B (zh) 基于云平台的空调系统电力需求响应控制方法
CN101782258B (zh) 空调节能方法
CN108039710B (zh) 一种基于阶跃特性的空调负荷参与的电网日前调度方法
CN102043907B (zh) 空调房间实时冷负荷确定方法
CN110657512B (zh) 基于热电联合调度的冰蓄冷空调经济性分析方法和装置
CN106127337B (zh) 基于变频空调虚拟机组建模的机组组合方法
Cole et al. Use of model predictive control to enhance the flexibility of thermal energy storage cooling systems
CN109960874A (zh) 一种基于运行经济性的蓄冷系统运行方法
CN113054668B (zh) 一种蓄冷空调系统的滚动优化调度方法及装置
CN112032882B (zh) 一种冰蓄冷空调系统的调度方法
CN113887079B (zh) 考虑新能源发电不确定性的空气源热泵控制方法及系统
TWI358516B (en) Method for managing air conditioning power consump
CN110222398A (zh) 冷水机组人工智能控制方法、装置、存储介质及终端设备
CN114240470A (zh) 一种多元化市场主体边际贡献度测算方法
CN112696750A (zh) 一种具有蓄冷功能的空调装置蓄冷控制方法及装置
Yu Ai chiller: an open IoT cloud based machine learning framework for the energy saving of building HVAC system via big data analytics on the fusion of bms and environmental data
CN213630850U (zh) 一种制冷站全局最优控制系统
CN114126350A (zh) 间接蒸发冷却系统的控制方法、装置及电子设备
CN107676925B (zh) 一种计算中央空调系统储冷设备的用电量的方法
CN116249312A (zh) 蓄放冷设备的控制方法、设备、蓄放冷系统及存储介质
CN114608187B (zh) 一种冷机调节方式确定方法、装置、设备及存储介质
CN116412566B (zh) 一种城市火力发电厂集中供冷的冷蓄能系统
CN113551375B (zh) 一种用于电子工厂的冷负荷预测方法及系统
CN115235046B (zh) 中央空调冷源需求侧响应的优化控制方法
CN117928052B (zh) 一种中央空调节能控制方法及系统

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