CN113283649B - 供需协同运行能效控制方法、装置、设备和介质 - Google Patents
供需协同运行能效控制方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN113283649B CN113283649B CN202110574474.7A CN202110574474A CN113283649B CN 113283649 B CN113283649 B CN 113283649B CN 202110574474 A CN202110574474 A CN 202110574474A CN 113283649 B CN113283649 B CN 113283649B
- Authority
- CN
- China
- Prior art keywords
- energy
- power
- period
- demand
- supply
- 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
-
- 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"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- 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
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了一种供需协同运行能效控制方法、装置、设备和介质,该系统供能端包括配电网系统、新能源系统、自治发电系统、HVAC系统和储电、储冷、储热系统;需求侧创新性地把人员舒适度个性化差异考虑进来,并将数据驱动、机理驱动与人员反馈相结合,实现人员舒适度的动态感知,进而获得个性化用能需求的准确预测,按照舒适度需求对用能设备进行了实时的智能控制;再结合供能端状态信息与电价等客观信息把建筑能源系统供需两侧进行联合调度,满足了需求侧个性化需求,消纳了可再生能源和用户电、冷需求的随机性和不确定性,显著提高系统效率的同时达到了节能减排、降低系统运行成本,提高建筑能源系统能效水平的目的。
Description
技术领域
本发明属于建筑能源系统领域,特别涉及一种供需协同运行能效控制方法、装置、设备和介质。
背景技术
面对能源危机和环境污染问题,当下最有效的途径是节约能源,减少排放。据统计,建筑能源消耗占据到社会总能耗的近四成,降低建筑能耗,提高建筑能效是构建绿色生态社会的重要一步。
传统能源在开采、运输、转化、利用过程中均存在不同程度的损耗,因此,在建筑需求侧进行节能具有可观的放大作用;除节能外,新能源技术的不断发展为我们传统的能源结构带来了冲击,风电、光伏等可再生能源的接入将对需求侧电需求的供给产生巨大影响,如何提高新能源占比,实现需求侧的节能减排,逐渐成为业界关注的重点问题。
推动能源系统向清洁低碳方向转型已成为全球化趋势。当前,为应对资源紧缺、气候变暖、环境污染等问题,以清洁可再生能源替代化石能源、逐步实现清洁能源占主导地位的能源转型,成为能源发展的重要趋势。新能源发电不同于常规电源,出力具有随机性、波动性和间歇性特点,解决新能源消纳难题,涉及电源、电网、用户、政策、技术等多方面,需要多措并举。系统调节能力与新能源发电特性直接相关,是解决新能源消纳问题的关键措施。
建筑能耗是能耗问题的一大主体,2018年数据显示,工业能耗占全球能源消耗的一半左右,住宅和商业建筑能耗占29%,交通运输能耗占21%,且建筑能耗比工业能耗和交通运输能耗增长更快(每年1.5%)。随着城市化水平的不断提高、产业结构的持续调整,中国城市能源需求量快速增加,其中建筑耗能已占能源消费总量的30%以上。预计到2050年,建筑部门节能减排潜力将高达74%,可减少碳排放量约50%。因此,建筑节能对于实现节能减排具有重大意义,是实现碳排放目标的关键。
智能楼宇能源管理是对智能楼宇的照明、动力、通风、空调、安防等系统进行协调控制及整合,基于智能测量、楼宇配电自动化和分布式能源监控等系统,对用户供能系统、用能设备、楼宇分布式能源、储能设备等进行监控、分析、控制及评估,以用户能源管理为核心,支持微网的独立运行,实现合理充分的使用清洁能源,提高用户的能源使用效率。楼宇自动化系统是采用最优化的控制手段并结合现代计算机技术对楼宇各系统设备进行全面有效的监控和管理,使各子系统设备始终处于有条不紊、协同一致的高效、有序状态下运行,确保建筑物内舒适和安全的环境,同时降低建筑物内部的能耗。
进行建筑节能存在众多挑战:首先,新能源发电随天气状况不同表现出高度的不确定性,故而其出力呈现不稳定性,对建筑需求侧而言,如何消除该不确定性,保证用电平稳可靠,成为首要挑战;其次,建筑能源系统中能量往往由多种途径共同供给,而需求侧由于人员、设备的能耗需求也呈现出高度的随机性,为提高建筑能效,实现供需两侧的联合优化是必要的也是困难的;另外,建筑的运行初衷是为了保证人员的舒适,并提供必要的能量供给,对于人员舒适度而言,不同环境、不同人员、不同房间将会有不同的判断标准,捕捉人员对舒适度的动态评判标准将实现对能源调度的个性化的管理,进一步挖掘建筑节能的潜力。综上,供需协同运行能效控制方法和装置的发明具有十分重要的意义。
发明内容
本发明的目的在于提供了一种供需协同运行能效控制方法和装置,该系统结合个性化的用能预测结果,对有配电网、新能源发电单元、自治发电单元、储能装置等多种供能方式和多种能量需求的建筑能源系统供需两侧进行协同优化,在满足基本能量需要和保证个性化人员舒适的前提下实现节能减排,提高了新能源消纳水平,降低了系统成本。
为了实现上述目的,本发明采用如下技术方案:
一种供需协同运行能效控制方法,包括以下步骤:
S1、收集环境传感器数据、人员信息传感数据和人员反馈信息,给出个性化用能预测;人员信息传感数据包括人员占用、舒适度区间和舒适状态;
S2、读取各供能单元实时功率、储量及流量信息,给出各供能单元的优先级;
S3、结合各供能单元实时功率、储量及流量、个性化用能预测、及实时电价信息,生成能量输配最优策略;
S4、将最优策略下发至能量输配控制器,实现对楼宇总负荷的能量供给控制。
进一步的,S1中,舒适度区间为动态区间,由离线舒适度学习获得基准舒适度区间,并通过人员不断的反馈信息更新舒适度区间。
进一步的,离线舒适度学习包括以下步骤:
S101、采集不同环境下人员反馈信息与环境传感数据;
S102、结合登记的人员身份信息和人员反馈信息,产生标记后的个性化热需求与照明需求,形成训练数据集;
S103、基于训练数据集,生成回归特征,所述回归特征包括室内外环境特征及人员特征;
S104、由回归特征产生预估的个性化热需求与照明需求;
S105、使用预估个性化热需求与照明需求与实时环境传感数据生成动态的个性化用能预测。
进一步的,S2中,各供能单元优先级设定原则为:以在保证系统正常运行的前提下,使系统能耗和系统运行成本最低。
进一步的,S3中,能量输配最优策略的获得由供能侧信息和个性化用能预测进行联合调度产生,考虑约束包括系统约束、电力与天然气开销约束、储电单元约束、冷热电联产系统约束、储热约束。
进一步的,S3中,储电单元约束包括:
I)输入输出容量:
III)电池电量变化:xb(k+1)=xb(k)+pb(k)
其中:为布尔变量,表示电池充电状态,/>为取值-1或0的离散变量,表示电池的放电状态,pbi 为电池最小充电功率,/>为电池最大放电功率,pb(k)为电池在k时段的充放电功率,/>为电池最大充电功率,pbo 为电池最小放电功率,xb(k+1)为电池在k+1时段的容量,xb(k)为电池在k时段的容量,xb 为电池电量百分比下界,/>为电池电量百分比上界。
进一步的,S3中,生成能量输配最优策略过程中,考虑到建筑对冷热能量存在充电宝效应,灵活根据电价信息,对建筑进行预制冷或预制热。
供需协同运行能效控制装置,包括个性化用能预测模块、供能端状态监测模块、控制中心模块和能量输配控制器模块;所述个性化用能模块,用于以房间内环境传感器数据与人员信息传感数据为输入,给出个性化用能预测,并将个性化用能预测传输至控制中心模块;供能端状态检测模块,用于对各供能单元的状态进行监控,并将监控信息传输至控制中心模块;控制中心模块,用于根据个性化用能预测与各供能单元的状态,进行联合优化调度,得到最优能量输配策略,传输至能量输配控制器模块;能量输配控制器模块根据收到的优能量输配策略进行设备控制和动作执行。
一种计算机设备,包括电连接的存储器和处理器,所述存储器上存储有可在处理器上运行的计算程序,所述处理器执行所述计算程序时,实现供需协同运行能效控制方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现供需协同运行能效控制方法的步骤。
相对于现有技术,本发明的有益效果如下:
本发明提出的个性化用能预测方法使用数据机理双驱动,并结合人员反馈的方式对不同人员在不同情境下的舒适度需求进行学习,获得个性化的舒适度需求及对应能耗需求,根据用能预测生成供需协同运行的方法;同时,具有自主学习能力,可根据人员反馈的不多积累,自主调整舒适度预测模型,使预测结果更加准确可行,进而得到准确的能耗需求,为能源输配提供数据基础;除此之外,不依赖复杂的传感器,对舒适度动态建模,预测准确度高。
进一步的,生成能量输配最优策略过程中,考虑到建筑对冷热能量存在充电宝效应,灵活根据电价信息,对建筑进行预制冷或预制热,进一步发掘节能潜力,同时保障环境舒适。
本发明提出的供需协同运行能效控制方法考虑了建筑能源系统供给侧的多源协同,同时考虑了需求侧的个性化差异,通过建模求解,在二者之间实现权衡与协同调度,保证需求侧满足多样性需求的同时,实现新能源的进一步消纳,降低系统成本,提高单位能效。
进一步的,储电单元约束用一组布尔变量表示蓄电池的充放电状态,以充放电状态与充电量上下界的乘积作为约束上下界,避免了双线性乘积的出现,使得模型仍然为混合整数规划模型。
本发明提出的供需协同运行能效控制装置模块化强,灵活度高,可根据不同建筑结构与使用途径进行灵活组装,感知单元、处理单元和执行单元三大功能单元划分清晰,易于系统搭建,可提高从观测到决策再到控制动作的反应速度,减少系统延迟,提高运行效率。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的供需协同运行能效控制装置的结构示意图;
图2为本发明供需协同运行能效控制方法流程图;
图3为本发明供需协同运行能效控制方法中个性化用能预测流程图;
图4为本发明第一种供需协同运行能效控制装置的结构示意图;
图5为本发明第二种供需协同运行能效控制装置的结构示意图;
图6为本发明提供的计算机设备的结构示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
下面结合附图,对本发明的实施例进行描述。
实施例1
请参考图1所示,本发明的实施例提供了一种考虑个性化用能的供需协同运行能效控制装置,包括个性化用能预测模块、供能端状态监测模块、控制中心模块以及能量输配控制器模块;
其中,各模块连接方式如下:需求侧中,布置在建筑中的环境感知传感器与人员感知传感器通过有线或者无线的方式与个性化用能模块连接,实时传输感知数据;个性化用能模块的信息流输出与控制中心模块连接;供给侧中,各供能单元能量流与对应的功率/流量计连接,功率/流量计将信息流传输至控制中心模块,将能量流分别聚合后传输至能量输配控制器模块供给侧中,包含的供能单元包括配电网单元、自治发电单元、储热单元、HVAC单元、储电单元以及光伏单元;同时接入到控制中心模块的还有房间日程信息与电价信息等可观环境信息;能量输配控制器模块的冷、热、电负荷输出接入楼宇总负荷接口,实现最终能量供给。
个性化用能模块以房间内环境监测数据与人员监测数据为输入,做出数据分析及个性化用能预测,传输至控制中心模块;供能端状态检测模块对各供能单元的状态进行监控,并将信息传输至控制中心模块;控制中心模块结合个性化用能与多能源供给信息,统一进行联合优化调度,得到最优能量输配策略,传输至能量输配控制器模块;能量输配控制器模块根据收到的策略进行设备控制和动作执行。
一种考虑个性化用能的供需协同运行能效控制装置在运行时,个性化用能模块通过建筑内的环境传感与人员传感装置,结合天气、环境状态(包括温湿度、二氧化碳浓度、风速、光照强度)、舒适度喜好(包括热偏好和照明偏好)因素对建筑内用能需求做出个性化用能预测,进而获得需求侧的整体能耗水平;供给侧功率/流量计对各能量供给单元进行功耗/流量状态感知,并将功耗/流量状态上报至控制中心模块,控制中心结合供需两侧信息与电价、日程共同决策出满足需求侧个性化用能需求的能源输配方案,并下发至能源输配控制器;能源输配控制器通过无线或有线的方式对建筑内用能设备进行控制,实现对建筑入户能源流的管控。
本发明提供的一种考虑个性化用能的供需协同运行能效控制装置,可通过对人员个性化舒适度的考量,获得个性化用能需求,进而动态地确定建筑能源系统需求侧能耗水平,在此基础上,更加精确地对供给侧多源能量进行调度,提高单位能效,降低系统成本。
实施例2
下面结合附图对本发明提供的技术方案进行介绍:
请参考图2,本发明的实施例提供一种供需协同运行能效控制方法,包括如下步骤:
S1、个性化用能预测模块收集实时环境传感器数据、实时人员信息传感数据、历史环境传感器数据、历史人员信息传感数据和历史反馈信息,给出个性化需求侧用能预测信息与用能设备控制策略,用能设备控制策略包括空调温度的设置与电灯、窗帘的开关,并发送至控制控制模块;其中,环境传感器数据包括室内温度、室外温度、室内湿度、室外湿度、室内二氧化碳浓度、室外二氧化碳浓度、室内外风速、室内外光照强度,人员信息传感数据包括房间人员占用、舒适度区间和舒适状态;反馈信息是指:人员对环境的反馈,例如,感觉冷或热,光照强还是暗,需求侧用能预测信息包括电需求信息与冷热需求信息;舒适状态指人员感到舒适/不舒适;
S2、供能端状态监测模块读取供能侧信息,供能侧信息包括供能单元实时功率、储量及流量,并发送至控制控制模块,为能量输配决策提供数据基础;其中,供能单元包括配电网单元、光伏发单元、储电单元、自治发电单元、HVAC单元和储热单元,储热单元包括储热罐和储冷罐;
S3、控制控制模块结合供能侧信息、个性化需求侧用能预测信息、时间粒度及实时电价信息,根据能量调配模型,给出能量输配最优策略;其中,供能侧信息包括供能单元的实时功率、流量、储量信息;
S4、控制控制模块将最优策略下发至能量输配控制器,通过能量输配控制器对楼宇总负荷的能量供给控制;其中,能量输配控制器包括无线控制部分与流量控制部分;能量供给控制包括对电能和冷、热能的控制。
其中,无线控制部分包括使用红外遥控装置对空调、照明设备、窗帘遮光板进行无线控制,流量控制部分包括使用流量阀设备对入户风量、水量进行物理流量控制;当空调、照明设备、窗帘遮光板无外界输入控制时,按照预测的舒适度区间自主运行。
请参考图3,S1中,个性化用能预测模块的流程如下:先由传感器采集人员信息、环境传感器数据和历史反馈信息,再按照建模要求进行特征提取,包括环境特征、人员行为特征和人员偏好特征,对提取后的特征传递进行离线舒适度学习,获得用户舒适度区间,再根据环境信息拟定用能设备的运行策略,在此过程中,不断地采集人员信息对预测进行反馈,调整用能设备的运行策略,用户信息包括人员行为特征和历史反馈信息;
在步骤S1中,环境传感数据与人员信息传感数据均通过预布置的传感器网络布置实现无接触、无附加设备式的感知与测量;其中,无附加设备指不要求人员佩戴或携带附加设备进行跟踪测量;
在步骤S1中,舒适度区间为动态区间,由离线进行的舒适度学习过程获得基准舒适度区间,在应用过程中,通过人员不断的反馈信息来更新舒适度区间,提高舒适度区间设定精度,舒适度区间由室内温度、室内湿度和光照强度表示;例如:温度:[25℃,27℃],湿度:[40%,70%],光照强度:[3,5]。
进一步的,预先布置在智能建筑的多种传感器包括:红外热像仪、路由器网络、室内温度传感器、室外温度传感器、室内相对湿度传感器、室内光照强度传感器、室外光照传感器以及室内风速传感器;其中,路由器网络用于根据人员手持设备的MAC地址采集进入建筑的人员身份信息;
在步骤S1中,所述离线舒适度学习过程包括以下步骤:
S101、对人员身份进行登记,采集人员信息传感数据、人员在不同环境状况下反馈信息与室内外环境特征,具体包括以下步骤:
S1011)、对传感器得到环境传感器数据中提取室内外环境信息进行归一化处理,以提取室内外环境特征,包括室内外温度特征、室内外光照强度特征、室内外湿度特征、室内外风速特征、以及室内外二氧化碳浓度特征;
S1012)、从红外热像仪得到的人员位置信息中,提取人员的位置状态特征,用户在该房间内,为状态1,否则为状态0;从人员位置信息随时间的变化中,提取人员行为特征,人员行为特征分为静态和动态两种状态;
人员通过移动移动设备或其他输入端输入反馈信息;
S102、结合登记的人员身份信息,产生标记后的个性化热需求和照明需求,形成训练数据集;
进一步的,根据人员实时投票反馈,提取人员的热偏好特征与照明偏好特征;人员的热偏好特征分为三种:喜欢偏冷环境、喜欢中性环境、喜欢偏热环境;人员的照明偏好特征分为三种:喜欢偏亮照明、喜欢常规照明、喜欢偏暗照明;
S103、基于大量训练数据,生成回归特征,包括室内外环境特征及人员特征;
S104、使用回归特征生成动态舒适度个性化用能预测,动态舒适度个性化用能预测包括热舒适度和照明舒适度;
S104使用预估个性化热需求与照明需求与实时环境可测量信息生成动态舒适度个性化用能预测,包括以下步骤:
S1051)、使用室内外环境特征及人员特征,结合数据采集模块中得到的人员真实热舒适反馈为目标标签,训练神经网络热需求预测模型;室内外环境特征包括室外温度特征、室外光照强度特征、室内温度特征、室内光照强度特征、室内湿度特征、室内风速特征和室内二氧化碳浓度特征,人员特征包括人员位置状态特征、人员行为特征和人员热偏好特征。
S1052)、根据由S101至S104得到的室内外光照强度特征、人员位置状态特征、人员照明偏好特征,结合数据采集模块中得到的人员真实照明需求反馈为目标标签,训练决策树照明需求预测模型;
S1053)、在新的时刻点,重复步骤S101至S104,采集并提取室内外环境特征、室内人员特征,利用步骤S103、S104中用历史数据训练好的预测模型与个性化热需求与照明需求,预测用户新时刻的实时热需求和照明需求;
在步骤S1中,在获得离线舒适度学习过程中,使用了数据驱动、模型驱动和反馈相结合的方法;其中,S101为反馈部分,S102为模型驱动部分,S103、S104为数据驱动部分;根据人员反馈信息,不断更新个性化回归模型,提高预测精度;
进一步的,各供能单元优先级设定原则为以保证系统正常运行为前提,尽可能降低系统能耗和系统运行成本,提高新能源消纳;其中系统成本包括电价费用、天然气费用、设备折损费用;
在步骤S3中,能量输配最优策略的获得经由控制中心模块利用供需两侧信息进行联合调度产生,考虑约束包括系统约束、电力与天然气开销约束、储电单元约束、冷热电联产系统约束、储热约束;
进一步的,房间热过程约束和舒适度约束受到个性化用能预测模块的影响,是个性化用能控制的一环,随着数据反馈的逐渐进行,舒适度模型的调整,可以发生变化;
在步骤S3中,生成最优能量调配策略过程中,考虑到建筑对冷热能量存在“充电宝”效应,可灵活根据电价信息,进行“预制冷”或“预制热”,进一步发掘节能潜力,同时保障环境舒适;
“充电宝”效应指建筑依据围护结构不同,对热量具有不同程度的保温、保冷作用,可以利用该作用在有特定冷热需求时刻之前进行制冷、制热,保证在需求时刻依然满足舒适需求,同时避开需求时刻的高电价等不利因素的影响,降低系统运行成本;“充电宝”效应满足供需平衡约束、功率约束、储量约束、运行成本约束、房间热过程约束、舒适度约束。
在步骤S3中,生成的能量输配最优策略包括配电元单元、HVAC单元、储电单元和储热单元的运行策略;
能量调配策略的模型如下
(1)目标函数:
其中:J表示系统运行总开销,表示k时段的电力开销,/>表示k时段的电力售卖价格,/>表示k时段的电力后买价格,pd(k)表示k时段由电网输入楼宇的电力功率,pu(k)表示k时段输入电网的电力功率,K为总时段数,τ为时段长度,/>为k时段的天然气开销,cn(k)为k时段的天然气价格,Vc(k)为k时段的天然气输入,cbic为储电单元的投资成本,cqic为储热单元的投资成本。
(2)系统约束:
I)电力平衡:(pd(k)+pu(k)+pc(k)-pb(k))·τ=eload(k)+eae(k)+eHEAT(k)
II)热量需求:eHEAT(k)·coph(k)+qhc(k)≥qh(k)+qih(k)-qidh(k)
其中:pb(k)表示k时段电池充放电功率,pc(k)为k时段自治发电单元生产功率,eload(k)表示k时段电力需求,eHEAT(k)表示k时段制热用能消耗,eae(k)表示k时段辅热机用能消耗,coph(k)表示制热效率。
(3)电力与天然气开销约束
II)电力开销:
(4)储电单元约束
I)输入输出容量:
III)电池电量变化:xb(k+1)=xb(k)+pb(k)
其中:为布尔变量,表示电池充电状态,/>为取值-1或0的离散变量,表示电池的放电状态,pbi 为电池最小充电功率,/>为电池最大放电功率,pb(k)为电池在k时段的充放电功率,/>为电池最大充电功率,pbo 为电池最小放电功率,xb(k)为电池在k时段的容量,xb 为电池电量百分比下界,/>为电池电量百分比上界,/>为电池最大容量,xb(k+1)为电池在k+1时段的容量。
储电单元约束用一组布尔变量表示蓄电池的充放电状态,以充放电状态与充电量上下界的乘积作为约束上下界,避免了双线性乘积的出现,使得模型仍然为混合整数规划模型。
(5)冷热电联产系统(CCHP)约束,冷热电联产系统由天然气作为能源,可供给冷流、热流、电能,冷热电联产系统即自治发电单元;
qhc(k)=(c·xc(k)+d·zc(k))·τ
III)天然气消耗速率:Vc(k)=(e·xc(k)+f·zc(k))·τ
式中,zc(k)为布尔变量,表示CCHP启动状态,xc 为CCHP的最小负载率,为CCHP的最大负载率,xc(k)为CCHP在k时段的负载率,pc(k)为k时段CCHP的生产功率,/>为CCHP的电力容量,qhc(k)为CCHP在k时段的制热量,Vc(k)为CCHP在k时段的天然气消耗,c、d、e、f为系统常数。
(6)储热约束:
II)储热单元余量变化:
qioh(k+1)=(qioh(k)+qih(k)-qidh(k))·μh
qioh(k)+qih(k)≤Qh
实施例3
请参考图4,本发明的实施例提供一种考虑个性化用能的供需协同运行能效控制装置,用于执行上述优化方法。本发明实施例可以根据上述方法示例对一种考虑个性化用能的供需协同运行能效控制装置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。
在采用对应各个功能划分各个功能模块的情况下,图4示出了上述实施例中所涉及的考虑个性化用能的供需协同运行能效控制装置10的一种可能的结构示意图,考虑个性化用能的供需协同运行能效控制装置10包括:个性化用能预测模块101、供能端状态监测模块102、控制中心模块103和能量输配控制器模块104。个性化用能预测模块101用于支持考虑个性化用能的供需协同运行能效控制装置执行步骤S1;供能端状态监测模块102用于支持考虑个性化用能的供需协同运行能效控制装置执行步骤S2;控制中心模块103用于支持考虑个性化用能的供需协同运行能效控制装置执行步骤S3;能量输配控制器模块104用于支持考虑个性化用能的供需协同运行能效控制装置执行步骤S4。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。
所述个性化用能模块以房间内环境监测数据与人员监测数据为输入,做出数据分析及个性化用能预测,传输至控制中心模块;供能端状态检测模块对各供能单元的状态进行监控,并将信息传输至控制中心模块;控制中心模块结合个性化用能与多能源供给信息,统一进行联合优化调度,得到最优能量输配测略,传输至能量输配控制器模块;能量输配控制器模块根据收到的策略进行设备控制和动作执行。
实施例4
请参考图5,在采用集成的单元的情况下,图5示出了上述实施例中所涉及的考虑个性化用能的供需协同运行能效控制装置的另一种可能的结构示意图。考虑个性化用能的供需协同运行能效控制装置包括:感知单元111、处理单元112和执行单元113。感知单元111负责对供给侧状态和需求侧个性化需求进行计算、感知,支持考虑个性化用能的供需协同运行能效控制装置执行所述步骤S1和S2;处理单元112用于对各类感知数据进行汇总,对供需两侧进行联合调度,得到针对个性化用能的最优输配策略,支持考虑个性化用能的供需协同运行能效控制装置执行所述步骤S3;执行单元113用于接收处理单元的输配策略,转化为控制指令发送至各设备终端,支持考虑个性化用能的供需协同运行能效控制装置执行所述步骤S4。
其中,感知单元111可以是流量计、传感器、视频摄像头、红外摄像头、门限开关或者其他可感知器件及其任意组合,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模块和电路。处理单元112可以是处理器或控制器,例如可以是中央处理器(centralprocessing unit,CPU),通用处理器,数字信号处理器(digital signal processor,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。所述处理器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,执行单元113可以是红外遥控装置、流量阀、电磁阀或者其他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模块和电路。
由于本发明实施例提供的考虑个性化用能的供需协同运行能效控制装置可用于执行上述供需协同运行能效控制方法,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。
实施例5
参照图6,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。例如包括电连接的存储器和处理器,存储器上存储有可在处理器上运行的计算程序,所述处理器执行所述计算程序时,实现上述的能效控制方法的步骤。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 subscriberline,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 (7)
1.供需协同运行能效控制方法,其特征在于,包括以下步骤:
S1、收集环境传感器数据、人员信息传感数据和人员反馈信息,给出个性化用能预测;人员信息传感数据包括人员占用、舒适度区间和舒适状态;
S2、读取各供能单元实时功率、储量及流量信息,给出各供能单元的优先级;
S3、结合各供能单元实时功率、储量及流量、个性化用能预测、及实时电价信息,生成能量输配最优策略;
S4、将最优策略下发至能量输配控制器,实现对楼宇总负荷的能量供给控制;
所述S3中,能量输配最优策略的获得由供能侧信息和个性化用能预测进行联合调度产生,考虑约束包括系统约束、电力与天然气开销约束、储电单元约束、冷热电联产系统约束、储热约束;
系统约束包括:
I)电力平衡:(pd(k)+pu(k)+pc(k)-pb(k))·τ=eload(k)+eae(k)+eHEAT(k)
II)热量需求:eHEAT(k)·coph(k)+qhc(k)≥qh(k)+qih(k)-qidh(k)
其中:pd(k)表示k时段由电网输入楼宇的电力功率,pu(k)表示k时段输入电网的电力功率,pc(k)为k时段自治发电单元生产功率,pb(k)表示k时段电池充放电功率,τ为时段长度,eload(k)表示k时段电力需求,eHEAT(k)表示k时段制热用能消耗,eae(k)表示k时段辅热机用能消耗,coph(k)表示制热效率;qhc(k)为CCHP在k时段的制热量,qih(k)表示k时段储热单元储热量,qidh(k)表示k时段储热单元供给量;
(3)电力与天然气开销约束包括:
II)电力开销:
其中:为布尔变量,表示电力是否由电网输入楼宇,/>为布尔变量,表示电力是否输入电网,M为非常大的正数;/>表示k时段的电力开销,/>表示k时段的电力售卖价格,/>表示k时段的电力后买价格,cn(k)为k时段的天然气价格,Vc(k)为k时段的天然气输入;
储电单元约束包括:
I)输入输出容量:
III)电池电量变化:xb(k+1)=xb(k)+pb(k)
其中:为布尔变量,表示电池充电状态,/>为取值-1或0的离散变量,表示电池的放电状态,pbi 为电池最小充电功率,/>为电池最大放电功率,pb(k)为电池在k时段的充放电功率,/>为电池最大充电功率,pbo 为电池最小放电功率,/>为电池最大容量,xb(k+1)为电池在k+1时段的容量,xb(k)为电池在k时段的容量,xb 为电池电量百分比下界,/>为电池电量百分比上界;
冷热电联产系统约束包括:
qhc(k)=(c·xc(k)+d·zc(k))·τ
III)天然气消耗速率:Vc(k)=(e·xc(k)+f·zc(k))·τ
式中,zc(k)为布尔变量,表示CCHP启动状态,xc 为CCHP的最小负载率,为CCHP的最大负载率,xc(k)为CCHP在k时段的负载率,pc(k)为k时段CCHP的生产功率,/>为CCHP的电力容量,qhc(k)为CCHP在k时段的制热量,Vc(k)为CCHP在k时段的天然气消耗,c、d、e、f为系统常数;
储热约束包括:
II)储热单元余量变化:
qioh(k+1)=(qioh(k)+qih(k)-qidh(k))·μh
qioh(k)+qih(k)≤Qh
2.根据权利要求1所述的供需协同运行能效控制方法,其特征在于,所述S1中,舒适度区间为动态区间,由离线舒适度学习获得基准舒适度区间,并通过人员不断的反馈信息更新舒适度区间。
3.根据权利要求2所述的供需协同运行能效控制方法,其特征在于,所述离线舒适度学习包括以下步骤:
S101、采集不同环境下人员反馈信息与环境传感数据;
S102、结合登记的人员身份信息和人员反馈信息,产生标记后的个性化热需求与照明需求,形成训练数据集;
S103、基于训练数据集,生成回归特征,所述回归特征包括室内外环境特征及人员特征;
S104、由回归特征产生预估的个性化热需求与照明需求;
S105、使用预估个性化热需求与照明需求与实时环境传感数据生成动态的个性化用能预测。
4.根据权利要求1所述的供需协同运行能效控制方法,其特征在于,所述S2中,各供能单元优先级设定原则为:以在保证系统正常运行的前提下,使系统能耗和系统运行成本最低。
5.根据权利要求1所述的供需协同运行能效控制方法,其特征在于,所述S3中,生成能量输配最优策略过程中,考虑到建筑对冷热能量存在充电宝效应,灵活根据电价信息,对建筑进行预制冷或预制热。
6.一种计算机设备,其特征在于,包括电连接的存储器和处理器,所述存储器上存储有可在处理器上运行的计算程序,所述处理器执行所述计算程序时,实现权利要求1-5中任意一项所述的方法的步骤。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110574474.7A CN113283649B (zh) | 2021-05-25 | 2021-05-25 | 供需协同运行能效控制方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110574474.7A CN113283649B (zh) | 2021-05-25 | 2021-05-25 | 供需协同运行能效控制方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113283649A CN113283649A (zh) | 2021-08-20 |
CN113283649B true CN113283649B (zh) | 2023-06-06 |
Family
ID=77281568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110574474.7A Active CN113283649B (zh) | 2021-05-25 | 2021-05-25 | 供需协同运行能效控制方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113283649B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116681269B (zh) * | 2023-08-03 | 2023-10-13 | 南京邮电大学 | 一种电网交互型高效居民建筑智能协同运行优化方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104035409A (zh) * | 2014-06-04 | 2014-09-10 | 国家电网公司 | 一种面向建筑楼宇能源优化运行的需求响应系统 |
WO2015021603A1 (en) * | 2013-08-13 | 2015-02-19 | Accenture Global Services Limited | System, method and apparatus for integrated multi-energy scheduling in a micro-grid and a tangible computer readable medium |
CN106096772A (zh) * | 2016-06-08 | 2016-11-09 | 国家电网(上海)智能电网研发投资有限公司 | 基于智能用电的能量与负荷联合管理系统及实现方法 |
CN107918811A (zh) * | 2017-11-30 | 2018-04-17 | 国网天津市电力公司 | 一种提高能源利用效率的能源互联网构建方法 |
CN110225075A (zh) * | 2019-03-25 | 2019-09-10 | 北京快电科技有限公司 | 一种建筑能源互联网智慧运营云操作系统 |
CN110673475A (zh) * | 2019-09-17 | 2020-01-10 | 重庆特斯联智慧科技股份有限公司 | 具备物联传感功能的智慧建筑节能系统及控制方法 |
CN112487625A (zh) * | 2020-11-23 | 2021-03-12 | 西安交通大学 | 基于信息物理融合的建筑能源系统及其优化方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11522487B2 (en) * | 2017-02-22 | 2022-12-06 | Boards Of Regents, The University Of Texas System | Building and building cluster energy management and optimization system and method |
-
2021
- 2021-05-25 CN CN202110574474.7A patent/CN113283649B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015021603A1 (en) * | 2013-08-13 | 2015-02-19 | Accenture Global Services Limited | System, method and apparatus for integrated multi-energy scheduling in a micro-grid and a tangible computer readable medium |
CN104035409A (zh) * | 2014-06-04 | 2014-09-10 | 国家电网公司 | 一种面向建筑楼宇能源优化运行的需求响应系统 |
CN106096772A (zh) * | 2016-06-08 | 2016-11-09 | 国家电网(上海)智能电网研发投资有限公司 | 基于智能用电的能量与负荷联合管理系统及实现方法 |
CN107918811A (zh) * | 2017-11-30 | 2018-04-17 | 国网天津市电力公司 | 一种提高能源利用效率的能源互联网构建方法 |
CN110225075A (zh) * | 2019-03-25 | 2019-09-10 | 北京快电科技有限公司 | 一种建筑能源互联网智慧运营云操作系统 |
CN110673475A (zh) * | 2019-09-17 | 2020-01-10 | 重庆特斯联智慧科技股份有限公司 | 具备物联传感功能的智慧建筑节能系统及控制方法 |
CN112487625A (zh) * | 2020-11-23 | 2021-03-12 | 西安交通大学 | 基于信息物理融合的建筑能源系统及其优化方法和装置 |
Non-Patent Citations (3)
Title |
---|
基于ZigBee和STM32的室内智能照明系统的设计;骆华;黄勇坚;刘伟;周子力;曹海燕;;电子技术(第12期);全文 * |
基于自适应粒子群算法的楼宇智能用电策略;颜庆国;杨斌;许高杰;杨永标;王璐;高辉;谢俊;;电力需求侧管理(第04期);全文 * |
基于高级量测技术的能效管理系统设计及应用;邹和平;郑安刚;祝恩国;刘兴奇;;节能技术(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113283649A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mahapatra et al. | Home energy management system (HEMS): Concept, architecture, infrastructure, challenges and energy management schemes | |
Lu et al. | Optimal household energy management based on smart residential energy hub considering uncertain behaviors | |
Hao et al. | Aggregate flexibility of thermostatically controlled loads | |
Ali et al. | Closed-loop home energy management system with renewable energy sources in a smart grid: A comprehensive review | |
US20150378381A1 (en) | Systems and methods for energy cost optimization | |
Hong et al. | Discrete demand side control performance under dynamic building simulation: A heat pump application | |
CN100507388C (zh) | 中央空调末端环境温度与冷源负荷远程调控方法及系统 | |
EP2494736B1 (en) | Method of controlling network system | |
Li et al. | Reinforcement learning of room temperature set-point of thermal storage air-conditioning system with demand response | |
Tiwari et al. | Automated demand response in smart distribution grid: A review on metering infrastructure, communication technology and optimization models | |
Song et al. | An IoT-based smart controlling system of air conditioner for high energy efficiency | |
CN110474370B (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
Potter et al. | Demand response advanced controls framework and assessment of enabling technology costs | |
CN110260479A (zh) | 基于app的中央空调末端监控与能耗管理系统及管理方法 | |
Aduda et al. | Towards critical performance considerations for using office buildings as a power flexibility resource-a survey | |
CN113283649B (zh) | 供需协同运行能效控制方法、装置、设备和介质 | |
Xue et al. | Interactive building load management for smart grid | |
Yang et al. | Bi-level decentralized control of electric heating loads considering wind power accommodation in real-time electricity market | |
Ali et al. | Optimal appliance management system with renewable energy integration for smart homes | |
Arya et al. | Energy Saving in Distribution System using Internet of Things in Smart Grid environment. | |
WO2013144310A2 (en) | An intelligent electronic control and communications interface module for a thermal or electrical energy storage module, a thermal or electrical energy storage module grid, and methods for stored thermal or electrical energy and thermal or electrical energy storage capacity trading | |
Rahman et al. | Modeling and performance evaluation of grid-interactive efficient buildings (GEB) in a microgrid environment | |
Zhou et al. | Flexible load optimal regulation strategy of commercial buildings under the environment of electricity market | |
Zairi et al. | A review on home energy management systems | |
Fan et al. | An optimization management strategy for energy efficiency of air conditioning loads in smart building |
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 |