发明内容
本发明所要解决的技术问题是,克服现有技术的不足,提供一种基于电制热与集中供热多能互补系统优化调度方法及装置,实现高效、快速、科学合理的蓄放热调度。
为了解决上述技术问题,本发明的技术方案是:
本发明第一方面提供了一种基于电制热与集中供热多能互补系统优化调度方法,所述优化调度方法包括:
步骤S1、在原有集中供热系统的多个热力站中分别布置电转热装置和蓄热装置,实现供热系统的热电互补;
步骤S2、采用机理建模和数据辨识方法建立基于电转热装置和蓄热装置的集中供热系统数字孪生模型;
步骤S3、基于预测的建筑物热用户各时段热负荷需求,构建电转热装置的启停控制策略和各时段蓄热装置的蓄放热容量计算模型;
步骤S4、建立包括以供热运行成本、污染物排放量和碳排放量最小化的目标函数、供热系统约束条件的集中供热系统优化调度模型;
步骤S5、采用智能算法对模型求解获得最优调度策略,通过最优调度策略对基于电转热装置和蓄热装置的集中供暖系统进行调控。
进一步,所述步骤S1中,所述电转热装置用于将电能转化为热能,对蓄热装置中的蓄热介质进行加热,经过供热管网将热能输送给热用户;所述蓄热装置用于储存转化的热能,与供热管网进行联合供热,在蓄热过程中,热水由供水管注入蓄热装置,冷水经回水管排出;在放热过程中,蓄热装置中的热水进入供水管,冷水从回水管流入;所述电转热装置通过设置的相应控制装置进行启停操作。
进一步,所述步骤S2中,采用机理建模和数据辨识方法建立基于电转热装置和蓄热装置的集中供热系统数字孪生模型,具体包括:
步骤S21、建立电转热装置的出力模型:
电转热装置加热功率Peh,i,t的上限为电转热的额定功率,且不能为负,表示为:0≤Peh,i,t≤Di,Di为母线i上安装的电转热装置的额定功率;
步骤S22、建立蓄热装置的出力模型:
母线i中的蓄热量Si,t大于0,并小于母线i中蓄热装置的容量Ci,表示为:0≤Si,t≤Ci;
根据能量守恒定律,下一时刻的实际蓄热量Si,t+1表示为:Si,t+1=Si,t+(Hin,i,t-Hout,i,t)dt-Hloss,i,t,Hin,i,t和Hout,i,t分别为蓄热装置蓄热和放热功率,Hloss,i,t为热损耗,Hloss,i,t=λSi,t,λ为热损耗率;
步骤S23、建立蓄热模型:当供热机组供给到热力站的热量Qrec大于热力站所需的热量Qreq,则多余的热能将被存储到蓄热装置,直到蓄热量达到最大热容量TScap;当Qsto-old+Qrec-Qreq≤TScap时,Qsto-new=Qsto-old+Qrec-Qreq;否则,Qsto-new=TScap;Qsto-old表示上一时刻结束时蓄热装置中的蓄热量,Qsto-new表示当前时刻结束时蓄热装置中的蓄热量;
步骤S24、建立放热模型:当供热机组供给的热量Qrec小于热力站所需的热量Qreq,则将从蓄热装置中释放热量来补充不足的热量;当Qsto-old+Qrec-Qreq≥0时,Qsto-new=Qsto-old+Qrec-Qreq;否则,Qsto-new=0;
当供热机组供给的热量Qrec与热力站的需热量Qreq相同,则蓄热装置不蓄热,也不放热,Qsto-new=Qsto-old;
蓄热装置传递给热用户的热量:在给定时间段内从蓄热罐输送到热力站的热量QTS,当Qsto-old-Qsto-new>0时,QTS=Qsto-old-Qsto-new,QTS,max=Qsto-old;否则,QTS=0;
集中供热系统数字孪生模型:对包括热源、热网、热力站和热用户的物理模型、逻辑模型、仿真模型和数据驱动模型进行虚实融合,构建集中供热系统物理实体在虚拟空间的数字孪生模型;
模型辨识:采用子空间辨识算法对数字孪生模型进行辨识,包括连续采集并计算得到的热量记录作为数字孪生模型辨识的数据,同时完成模型辨识数据的滚动更新,构造输入输出的Hankel矩阵;将短时间段内的供热系统运行近似成一个线性过程,建立系统离散状态空间;利用开环子空间方法辨识模型的系统矩阵;利用最新时刻的供热系统输入热量数据,作为辨识得到的状态空间模型的输入变量,计算得到未来时刻的输出热量,并与当前模型计算出的输出热量进行偏差计算,利用偏差来修正当前输出热量。
进一步,所述步骤S3中,预测的建筑物热用户各时段热负荷需求,具体包括:
构建预设时段内影响建筑物热用户负荷的多组影响变量数据,并获取各个影响变量数据的值和对应的历史负荷数据;基于灰色关联分析法计算各个影响变量数据与热用户负荷的关联度,将关联度大于预设值的筛选出来作为目标影响变量数据;从目标影响变量数据中选取至少一个目标影响变量值,并输入至负荷预测模型,得到热用户各时段的负荷需求预测值。
进一步,所述步骤S3中,构建电转热装置的启停控制策略和各时段蓄热装置的蓄放热容量计算模型,具体包括:
所述电转热装置的控制装置在预设第一时间段启动电转热装置对蓄热装置蓄热;在预设第二时间段启动蓄热装置对热网供热;所述第一时间段为基于电价波谷区域的时间段,所述第二时间段为基于电价波峰区域的时间段;
其中,通过获取一个蓄放热周期内的分时电价预测数据,从电价最低起始时段开始,记录电价变化时刻,选取全天电价最低的低电价时段的起止时间作为电价波谷时间段,选取全天电价最高的高电价时段的起止时间作为电价波峰时间段;
在波谷时间段的起始时刻,启动电转热装置对蓄热装置进行蓄热,当蓄热装置的热容量达到额定容量时,在进行蓄热的同时进行热网供热;在波谷时间段的截止时刻到来前,持续蓄热,若达到蓄热最大容量时,则控制电转热装置的功率,并维持蓄热最大容量,计算剩余蓄热量为总蓄热量;否则,剩余蓄热量为实际蓄热量;在波谷时间段的截止时刻到来时,关停电转热装置,仅由原有热网继续供热;
在波峰时间段的起始时刻,由蓄热装置进行放热,原有热网同时供热,预估当前时间到下一周期的波谷起始时刻所需要的的热量,若该需要的热量大于剩余蓄热量,则在波峰时间段的截止时刻之后选取剩余供热时间段内电价处于波谷时间段进行蓄热;否则,从当前时刻到波峰时间段的截止时刻,不再启动电转热装置。
进一步,除了考虑蓄热装置的蓄放热容量计算之外,所述步骤S3还包括管网蓄热能力模型的建立:
管网蓄放热模式包括动态调节热源的供水温度和/或改变一次网的循环流量,所述调节热源的供水温度包括:基于热源到各个热力站之间传输热能时存在一定的延时,热源提供大于热负荷需求的热能,并将这部分热能在供水管网中进行存储;在管网放热时,热源提供小于热负荷需求的热能;所述改变一次网的循环流量包括:若维持热源供水温度不变,将管网循环流量从基准值增大,热源需进行超额供热,则将超额供热量存储至回水管网中,一段时间后,热源回水温度达到新的稳态,回水管网的蓄热过程结束,热源供热量回归基准值;若循环流量减小到基准值,由于热源的回水温度较高,为维持供水温度恒定,热源降出力运行,回水管网处于放热状态,当热源回水温度回归基准值后,管网的放热过程结束;
一次网的综合蓄热能力模型表示为:
其中,Pdhn为一次网的综合蓄热能力,pdhn,1为一次网提高供水温度模式的蓄热能力,Pdhn,2为一次网增大循环流量模式的蓄热能力,Ts,max为管网最高输送温度,Ts,ref为一次网的基准供水温度,Tr,ref为一次网的基准回水温度,Gmax为一次网的最大循环流量,Gref为一次网的基准循环流量,cp为热媒的定压比热容,Vdhn为供热管网的总水流量;
通过将蓄热装置的蓄放热容量计算模型和一次网的综合蓄热能力模型进行融合,通过蓄热装置和管网自身蓄热能力协同进行蓄放热,在未达到波谷时间段的起始时刻之前,优先进行管网的蓄热,在到达波谷时间段的起始时刻时,再启动电加热装置进行蓄热;在波谷时间段截止时刻到达,但尚未到达波峰时间段的起始时刻,优先进行管网的放热,在到达波峰时间段的起始时刻时,再关停电加热装置进行放热。
进一步,所述步骤S4中,建立包括以供热运行成本、污染物排放量和碳排放量最小化的目标函数、供热系统约束条件的集中供热系统优化调度模型,具体包括:
步骤S41、以供热运行成本和污染物排放量最小化的目标函数表示为:
minf=C1+C2+M,
C1为电转热装置和蓄热装置运行成本,C2为原有集中供热系统中燃气热源机组年运行成本,M为污染物排放量;
步骤S42、设置以供热运行成本最小化的目标函数:
针对原有集中供热系统的各热力站中布置的电转热装置和蓄热装置,其运行成本C1包括初始投资建设成本Co、年运维费用及人员成本Ca和年运营成本Cg,初始投资建设成本:Co=Cb+Cs+Cf,Cb为电转热装置本体成本,Cs为蓄热装置费用,Cf为辅助设备及其他费用;年运维费用及人员成本:Ca=Co×β+Cr,β为维护费用比例,Cr为人员工资成本;年运营成本:Cg=X×h1+Y×h2,X为峰电价,Y为谷电价,h1为全年峰电价时段运行时间,h2为全年谷电价时段运行时间;
针对原有集中供热系统中燃气热源机组年运行成本为:
C2=(A×B+P×h3×X)×h4×a,
其中,A为实际需要的燃气值,B为燃气单价,P为燃气机组总功率,h3为燃气机组一天运行的时间,h4为全年的供热时间,a为燃气机组负荷调节系数;
步骤S43、设置以污染物排放量最小化的目标函数:
污染物排放量至少包括粉尘排放量、二氧化硫排放量、二氧化碳排放量和氮氧化物排放量,污染物排放量M表示为:
其中,γC、γN、γS、γ分别为二氧化碳、氮氧化物、二氧化硫和粉尘的排放系数,λ为制热设备所需能源与标准煤当量的折合系数;Q为供热系统运行期间的总热负荷量,η为供热设备的能源转换效率;
步骤S44、设置以碳排放量最小化的目标函数:
所述碳排放量来源于原有集中供热系统燃料的燃烧和电网发电的排放,所述碳排放量CEV表示为:
CEV=μc,gVgb+μc,eEbuy,
其中,μc,g为原有集中供热系统燃料的碳排放转化系数,μc,e为购买电网电量的碳排放转化系数,Vgb为原有集中供热系统燃料的燃烧量,Ebuy为电网购电量;
步骤S45、设置供热系统的约束条件:
所述供热系统的约束条件至少包括电功率供给平衡约束条件、热功率供给平衡约束条件和蓄热装置运行约束;
所述电功率供给平衡约束条件的表达式为:
其中,
为原有供热系统热源机组的发电功率,
为电转热装置的电能释放功率,P
load为电力负荷需求,
为电转热装置的电能存储功率;
所述热功率供给平衡约束条件的表达式为:
其中,
为原有供热系统热源机组的供热功率,
为蓄热装置的供热功率,Q
hload为热负荷总需求,
为蓄热装置的蓄热功率;
所述蓄热装置的运行约束条件的表达式为:
其中,
分别为蓄热装置的最小放热功率与最大放热功率,
分别为蓄热装置的最小蓄热功率与最大蓄热功率,
分别为蓄热装置的最小容量与最大容量。
进一步,所述步骤S5中,采用智能算法对模型求解获得最优调度策略,通过最优调度策略对基于电转热装置和蓄热装置的集中供暖系统进行调控,具体包括:采用NSGS-II多目标遗传算法对集中供热系统优化调度模型进行求解,得到帕累托最优解集;采用模糊隶属度函数将所述帕累托最优解集进行归一化处理,使用层次分析法对解集中的各个解进行打分排序,将排序最高的解作为最优调度策略;基于所述最优调度策略对基于电转热装置和蓄热装置的集中供暖系统进行调度和控制。
进一步,在所述步骤S5之后,还包括将最优调度策略下发至所述数字孪生模型中进行智能诊断:在所述数字孪生模型中输入最优调度策略,所述最优调度策略至少包括电转热装置的控制参数、蓄热装置的蓄放热参数、热电分配参数、峰谷电价参数和供热系统运行的相关配置参数后,通过设置的专家诊断模块对获取的供热系统实时运行参数与模型的仿真结果数据进行比较,得出偏差,通过偏差是否超过阈值来实现报警。
本发明第二方面还提供了一种基于电制热与集中供热多能互补系统优化调度装置,所述优化调度装置包括:
装置布置模块:在原有集中供热系统的多个热力站中分别布置电转热装置和蓄热装置,实现供热系统的热电互补;
第一模型建立模块:采用机理建模和数据辨识方法建立基于电转热装置和蓄热装置的集中供热系统数字孪生模型;
第二模型建立模块:基于预测的建筑物热用户各时段热负荷需求,构建电转热装置的启停控制策略和各时段蓄热装置的蓄放热容量计算模型;
第三模型建立模块:建立包括以供热运行成本和污染物排放量最小化的目标函数、供热系统约束条件的集中供热系统优化调度模型;
模型求解模块:采用智能算法对模型求解获得最优调度策略,通过最优调度策略对基于电转热装置和蓄热装置的集中供暖系统进行调控。
本发明的有益效果是:
(1)本发明通过在热力站中加装电转热装置和蓄热装置,实现供热系统的热电互补,采用蓄热装置可以对负荷进行分配,缓解供热负荷压力,同时通过构建电转热装置的启停控制策略和各时段蓄热装置的蓄放热容量计算模型,利用峰谷电价的差异和峰谷负荷的变化,使得在电价和负荷波谷区域进行蓄热操作,在电价和负荷波峰区域进行放热操作,从而降低系统运行成本,提升经济效益,实现节能降耗,削峰填谷的效果;
(2)本发明通过采用“结构机理建模+数据辨识修正”相结合的技术方法,基于工程热力学、流体力学、传热学等基本原理,利用数字孪生建模技术构建与集中供热系统现实结构相互映射的机理仿真模型,同时采用子空间辨识算法对数字孪生模型进行辨识,最大程度减少理论值和实测值间的偏差,为后续的集中供热系统优化调度建立基础;
(3)本发明建立了集中供热系统多目标优化调度模型,可以综合系统运行成本和污染物排放量最小、系统运行约束的要求;以及采用NSGA-Ⅱ多目标遗传算法进行模型求解,采用层次分析法对解集进行打分排序,进而选择合理的最优解,有利于集中供热系统安全经济稳定运行。
其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动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。
实施例1
图1是本发明所涉及的基于电制热与集中供热多能互补系统优化调度方法流程图。
图2为本发明所涉及的基于电制热与集中供热多能互补系统优化调度原理示意图。
图3是本发明所涉及的单个热力站布置蓄热装置和电转热装置的原理示意图。
如图1所示,本实施例1提供了一种基于分布式蓄热装置的集中供热系统优化调度方法,优化调度方法包括:
步骤S1、在原有集中供热系统的多个热力站中分别布置电转热装置和蓄热装置,实现供热系统的热电互补;
步骤S2、采用机理建模和数据辨识方法建立基于电转热装置和蓄热装置的集中供热系统数字孪生模型;
步骤S3、基于预测的建筑物热用户各时段热负荷需求,构建电转热装置的启停控制策略和各时段蓄热装置的蓄放热容量计算模型;
步骤S4、建立包括以供热运行成本、污染物排放量和碳排放量最小化的目标函数、供热系统约束条件的集中供热系统优化调度模型;
步骤S5、采用智能算法对模型求解获得最优调度策略,通过最优调度策略对基于电转热装置和蓄热装置的集中供暖系统进行调控。
本实施例中,步骤S1中,电转热装置用于将电能转化为热能,对蓄热装置中的蓄热介质进行加热,经过供热管网将热能输送给热用户;蓄热装置用于储存转化的热能,与供热管网进行联合供热,在蓄热过程中,热水由供水管注入蓄热装置,冷水经回水管排出;在放热过程中,蓄热装置中的热水进入供水管,冷水从回水管流入;电转热装置通过设置的相应控制装置进行启停操作。
本实施例中,步骤S2中,采用机理建模和数据辨识方法建立基于电转热装置和蓄热装置的集中供热系统数字孪生模型,集中供热系统数字孪生模型包括电转热装置的出力模型、蓄热装置的出力模型、蓄热模型和放热模型,具体包括如下步骤:
步骤S21、建立电转热装置的出力模型:
电转热装置加热功率Peh,i,t的上限为电转热的额定功率,且不能为负,表示为:0≤Peh,i,t≤Di,Di为母线i上安装的电转热装置的额定功率;
步骤S22、建立蓄热装置的出力模型:
母线i中的蓄热量Si,t大于0,并小于母线i中蓄热装置的容量Ci,表示为:0≤Si,t≤Ci;
根据能量守恒定律,下一时刻的实际蓄热量Si,t+1表示为:Si,t+1=Si,t+(Hin,i,t-Hout,i,t)dt-Hloss,i,t,Hin,i,t和Hout,i,t分别为蓄热装置蓄热和放热功率,Hloss,i,t为热损耗,Hloss,i,t=λSi,t,λ为热损耗率;
步骤S23、建立蓄热模型:当供热机组供给到热力站的热量Qrec大于热力站所需的热量Qreq,则多余的热能将被存储到蓄热装置,直到蓄热量达到最大热容量TScap;当Qsto-old+Qrec-Qreq≤TScap时,Qsto-new=Qsto-old+Qrec-Qreq;否则,Qsto-new=TScap;Qsto-old表示上一时刻结束时蓄热装置中的蓄热量,Qsto-new表示当前时刻结束时蓄热装置中的蓄热量;
步骤S24、建立放热模型:当供热机组供给的热量Qrec小于热力站所需的热量Qreq,则将从蓄热装置中释放热量来补充不足的热量;当Qsto-old+Qrec-Qreq≥0时,Qsto-new=Qsto-old+Qrec-Qreq;否则,Qsto-new=0;
当供热机组供给的热量Qrec与热力站的需热量Qreq相同,则蓄热装置不蓄热,也不放热,Qsto-new=Qsto-old;
蓄热装置传递给热用户的热量:在给定时间段内从蓄热罐输送到热力站的热量QTS,当Qsto-old-Qsto-new>0时,QTS=Qsto-old-Qsto-new,QTS,max=Qsto-old;否则,QTS=0。
在实际的应用中,集中供热系统数字孪生模型:对包括热源、热网、热力站和热用户的物理模型、逻辑模型、仿真模型和数据驱动模型进行虚实融合,构建集中供热系统物理实体在虚拟空间的数字孪生模型;
以及对模型进行辨识:采用子空间辨识算法对数字孪生模型进行辨识,包括连续采集并计算得到的热量记录作为数字孪生模型辨识的数据,同时完成模型辨识数据的滚动更新,构造输入输出的Hankel矩阵;将短时间段内的供热系统运行近似成一个线性过程,建立系统离散状态空间;利用开环子空间方法辨识模型的系统矩阵;利用最新时刻的供热系统输入热量数据,作为辨识得到的状态空间模型的输入变量,计算得到未来时刻的输出热量,并与当前模型计算出的输出热量进行偏差计算,利用偏差来修正当前输出热量。
本实施例中,步骤S3中,预测的建筑物热用户各时段热负荷需求,具体包括:
构建预设时段内影响建筑物热用户负荷的多组影响变量数据,并获取各个影响变量数据的值和对应的历史负荷数据;基于灰色关联分析法计算各个影响变量数据与热用户负荷的关联度,将关联度大于预设值的筛选出来作为目标影响变量数据;从目标影响变量数据中选取至少一个目标影响变量值,并输入至负荷预测模型,得到热用户各时段的负荷需求预测值。
本实施例中,步骤S3中,构建电转热装置的启停控制策略和各时段蓄热装置的蓄放热容量计算模型,具体包括:
电转热装置的控制装置在预设第一时间段启动电转热装置对蓄热装置蓄热;在预设第二时间段启动蓄热装置对热网供热;第一时间段为基于电价波谷区域的时间段,第二时间段为基于电价波峰区域的时间段;
其中,通过获取一个蓄放热周期内的分时电价预测数据,从电价最低起始时段开始,记录电价变化时刻,选取全天电价最低的低电价时段的起止时间作为电价波谷时间段,选取全天电价最高的高电价时段的起止时间作为电价波峰时间段;
在波谷时间段的起始时刻,启动电转热装置对蓄热装置进行蓄热,当蓄热装置的热容量达到额定容量时,在进行蓄热的同时进行热网供热;在波谷时间段的截止时刻到来前,持续蓄热,若达到蓄热最大容量时,则控制电转热装置的功率,并维持蓄热最大容量,计算剩余蓄热量为总蓄热量;否则,剩余蓄热量为实际蓄热量;在波谷时间段的截止时刻到来时,关停电转热装置,仅由原有热网继续供热;
在波峰时间段的起始时刻,由蓄热装置进行放热,原有热网同时供热,预估当前时间到下一周期的波谷起始时刻所需要的的热量,若该需要的热量大于剩余蓄热量,则在波峰时间段的截止时刻之后选取剩余供热时间段内电价处于波谷时间段进行蓄热;否则,从当前时刻到波峰时间段的截止时刻,不再启动电转热装置。
本实施例中,除了考虑蓄热装置的蓄放热容量计算之外,步骤S3还包括管网蓄热能力模型的建立:
管网蓄放热模式包括动态调节热源的供水温度和/或改变一次网的循环流量,调节热源的供水温度包括:基于热源到各个热力站之间传输热能时存在一定的延时,热源提供大于热负荷需求的热能,并将这部分热能在供水管网中进行存储;在管网放热时,热源提供小于热负荷需求的热能;改变一次网的循环流量包括:若维持热源供水温度不变,将管网循环流量从基准值增大,热源需进行超额供热,则将超额供热量存储至回水管网中,一段时间后,热源回水温度达到新的稳态,回水管网的蓄热过程结束,热源供热量回归基准值;若循环流量减小到基准值,由于热源的回水温度较高,为维持供水温度恒定,热源降出力运行,回水管网处于放热状态,当热源回水温度回归基准值后,管网的放热过程结束;
一次网的综合蓄热能力模型表示为:
其中,Pdhn为一次网的综合蓄热能力,pdhn,1为一次网提高供水温度模式的蓄热能力,Pdhn,2为一次网增大循环流量模式的蓄热能力,Ts,max为管网最高输送温度,Ts,ref为一次网的基准供水温度,Tr,ref为一次网的基准回水温度,Gmax为一次网的最大循环流量,Gref为一次网的基准循环流量,cp为热媒的定压比热容,Vdhn为供热管网的总水流量;
通过将蓄热装置的蓄放热容量计算模型和一次网的综合蓄热能力模型进行融合,通过蓄热装置和管网自身蓄热能力协同进行蓄放热,在未达到波谷时间段的起始时刻之前,优先进行管网的蓄热,在到达波谷时间段的起始时刻时,再启动电加热装置进行蓄热;在波谷时间段截止时刻到达,但尚未到达波峰时间段的起始时刻,优先进行管网的放热,在到达波峰时间段的起始时刻时,再关停电加热装置进行放热。
在实际的应用中,还可以从热用户室内散热器工作特性和建筑物耗热特性出发,建立由供水温度和室外环境温度实时确定房间温度的建筑物蓄热特性模型,通过建筑物蓄热特性能够起到负荷转移作用;将管网自身的蓄热特性、电转热装置和蓄热装置的蓄热特性、建筑物蓄热特性结合起来建立复杂的基于蓄热性能的集中供热系统,可以在削峰填谷和提升系统经济方面有一定的积极作用。
本实施例中,步骤S4中,建立包括以供热运行成本、污染物排放量和碳排放量最小化的目标函数、供热系统约束条件的集中供热系统优化调度模型,具体包括:
步骤S41、以供热运行成本和污染物排放量最小化的目标函数表示为:
minf=C1+C2+M,C1为电转热装置和蓄热装置运行成本,C2为原有集中供热系统中燃气热源机组年运行成本,M为污染物排放量;
步骤S42、设置以供热运行成本最小化的目标函数:
针对原有集中供热系统的各热力站中布置的电转热装置和蓄热装置,原有集中供热系统的运行成本C1包括初始投资建设成本Co、年运维费用及人员成本Ca和年运营成本Cg,初始投资建设成本:Co=Cb+Cs+Cf,Cb为电转热装置本体成本,Cs为蓄热装置费用,Cf为辅助设备及其他费用;年运维费用及人员成本:Ca=Co×β+Cr,β为维护费用比例,Cr为人员工资成本;年运营成本:Cg=X×h1+Y×h2,X为峰电价,Y为谷电价,h1为全年峰电价时段运行时间,h2为全年谷电价时段运行时间;
针对原有集中供热系统中燃气热源机组年运行成本为:
C2=(A×B+P×h3×X)×h4×a,A为实际需要的燃气值,B为燃气单价,P为燃气机组总功率,h3为燃气机组一天运行的时间,h4为全年的供热时间,a为燃气机组负荷调节系数;
步骤S43、设置以污染物排放量最小化的目标函数:
污染物排放量至少包括粉尘排放量、二氧化硫排放量、二氧化碳排放量和氮氧化物排放量,污染物排放量M表示为:
γC、γN、γS、γ分别为二氧化碳、氮氧化物、二氧化硫和粉尘的排放系数,λ为制热设备所需能源与标准煤当量的折合系数;Q为供热系统运行期间的总热负荷量,η为供热设备的能源转换效率;
步骤S44、设置以碳排放量最小化的目标函数:
所述碳排放量来源于原有集中供热系统燃料的燃烧和电网发电的排放,所述碳排放量CEV表示为:
CEV=μc,gVgb+μc,eEbuy,
其中,μc,g为原有集中供热系统燃料的碳排放转化系数,μc,e为购买电网电量的碳排放转化系数,Vgb为原有集中供热系统燃料的燃烧量,Ebuy为电网购电量;
步骤S45、设置供热系统的约束条件:
至少包括电功率供给平衡约束条件、热功率供给平衡约束条件和蓄热装置运行约束;
电功率供给平衡约束条件的表达式为:
为原有供热系统热源机组的发电功率,
为电转热装置的电能释放功率,P
load为电力负荷需求,
为电转热装置的电能存储功率;
热功率供给平衡约束条件的表达式为:
为原有供热系统热源机组的供热功率,
为蓄热装置的供热功率,Q
hload为热负荷总需求,
为蓄热装置的蓄热功率;
蓄热装置的运行约束条件的表达式为:
分别为蓄热装置的最小放热功率与最大放热功率,
分别为蓄热装置的最小蓄热功率与最大蓄热功率,
分别为蓄热装置的最小容量与最大容量。
本实施例中,步骤S5中,采用智能算法对模型求解获得最优调度策略,通过最优调度策略对基于电转热装置和蓄热装置的集中供暖系统进行调控,具体包括:采用NSGS-II多目标遗传算法对集中供热系统优化调度模型进行求解,得到帕累托最优解集;采用模糊隶属度函数将帕累托最优解集进行归一化处理,使用层次分析法对解集中的各个解进行打分排序,将排序最高的解作为最优调度策略;基于最优调度策略对基于电转热装置和蓄热装置的集中供暖系统进行调度和控制。
图4是本发明所涉及的NSGA-Ⅱ算法流程图。
如图4所示,在实际的应用中,采用NSGA-Ⅱ(non-dominated sorting geneticalgorithms)算法进行求解,NSGA-Ⅱ算法是目前最流行的多目标遗传算法之一,它降低了非劣排序遗传算法的复杂性,具有运行速度快,解集的收敛性好的优点。算法具体流程如下:
步骤1:初始化迭代次数t=0;
步骤2:对种群Pt进行随机初始化,得到种群P0,初始化多目标遗传算法的相关参数,同时初始化电转热装置的控制参数、蓄热装置的蓄放热参数、热电分配参数、峰谷电价参数和供热系统运行的相关配置参数,代表问题的可能解;
步骤3:对种群P0进行非支配排序,初始化每个个体的排序值;
步骤4:通过二进制锦标赛法从Pt选择个体,并进行交叉和变异操作,产生新一代种群Qt,并计算新种群的适应值;
步骤5:通过合并Pt和Qt产生出组合种群Rt;
步骤6:对Rt进行非支配排序,并通过排挤和精英保留策略选出N个个体,组成新一代种群Pt+1;
步骤7:如果满足约束条件,则输出帕累托最优解集;如不满足结束条件,则跳转至步骤2-4。
步骤8:最优解选择。基于最优调度解获取当前集中供热系统优化调度的决策依据。
本实施例中,在步骤S5之后,还包括将最优调度策略下发至数字孪生模型中进行智能诊断:在数字孪生模型中输入最优调度策略,最优调度策略至少包括电转热装置的控制参数、蓄热装置的蓄放热参数、热电分配参数、峰谷电价参数和供热系统运行的相关配置参数后,通过设置的专家诊断模块对获取的供热系统实时运行参数与模型的仿真结果数据进行比较,得出偏差,通过偏差是否超过阈值来实现报警。
实施例2
图5是本发明所涉及的基于电制热与集中供热多能互补系统优化调度装置示意图。
如图5所示,本发明第二方面还提供了一种基于电制热与集中供热多能互补系统优化调度装置,优化调度装置包括:
装置布置模块:在原有集中供热系统的多个热力站中分别布置电转热装置和蓄热装置,实现供热系统的热电互补;
第一模型建立模块:采用机理建模和数据辨识方法建立基于电转热装置和蓄热装置的集中供热系统数字孪生模型;
第二模型建立模块:基于预测的建筑物热用户各时段热负荷需求,构建电转热装置的启停控制策略和各时段蓄热装置的蓄放热容量计算模型;
第三模型建立模块:建立包括以供热运行成本和污染物排放量最小化的目标函数、供热系统约束条件的集中供热系统优化调度模型;
模型求解模块:采用智能算法对模型求解获得最优调度策略,通过最优调度策略对基于电转热装置和蓄热装置的集中供暖系统进行调控。
本发明通过在热力站中加装电转热装置和蓄热装置,实现供热系统的热电互补,采用蓄热装置可以对负荷进行分配,缓解供热负荷压力,同时通过构建电转热装置的启停控制策略和各时段蓄热装置的蓄放热容量计算模型,利用峰谷电价的差异和峰谷负荷的变化,使得在电价和负荷波谷区域进行蓄热操作,在电价和负荷波峰区域进行放热操作,从而降低系统运行成本,提升经济效益,实现节能降耗,削峰填谷的效果。
本发明通过采用“结构机理建模+数据辨识修正”相结合的技术方法,基于工程热力学、流体力学、传热学等基本原理,利用数字孪生建模技术构建与集中供热系统现实结构相互映射的机理仿真模型,同时采用子空间辨识算法对数字孪生模型进行辨识,最大程度减少理论值和实测值间的偏差,为后续的集中供热系统优化调度建立基础;
本发明建立了集中供热系统多目标优化调度模型,可以综合系统运行成本和污染物排放量最小、系统运行约束的要求;以及采用NSGA-Ⅱ多目标遗传算法进行模型求解,采用层次分析法对解集进行打分排序,进而选择合理的最优解,有利于集中供热系统安全经济稳定运行。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。