CN114862059A - 一种城市重要用能形态优化分析系统 - Google Patents
一种城市重要用能形态优化分析系统 Download PDFInfo
- Publication number
- CN114862059A CN114862059A CN202210704153.9A CN202210704153A CN114862059A CN 114862059 A CN114862059 A CN 114862059A CN 202210704153 A CN202210704153 A CN 202210704153A CN 114862059 A CN114862059 A CN 114862059A
- Authority
- CN
- China
- Prior art keywords
- energy
- building
- station
- charging
- park
- 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.)
- Pending
Links
- 238000013433 optimization analysis Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 103
- 238000010276 construction Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 230000006872 improvement Effects 0.000 claims abstract description 17
- 238000010438 heat treatment Methods 0.000 claims description 59
- 238000009423 ventilation Methods 0.000 claims description 49
- 238000005265 energy consumption Methods 0.000 claims description 43
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 24
- 238000004378 air conditioning Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000005611 electricity Effects 0.000 claims description 19
- 238000005286 illumination Methods 0.000 claims description 18
- ZUXNHFFVQWADJL-UHFFFAOYSA-N 3,4,5-trimethoxy-n-(2-methoxyethyl)-n-(4-phenyl-1,3-thiazol-2-yl)benzamide Chemical compound N=1C(C=2C=CC=CC=2)=CSC=1N(CCOC)C(=O)C1=CC(OC)=C(OC)C(OC)=C1 ZUXNHFFVQWADJL-UHFFFAOYSA-N 0.000 claims description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 12
- 238000004146 energy storage Methods 0.000 claims description 11
- 239000007789 gas Substances 0.000 claims description 9
- 238000005057 refrigeration Methods 0.000 claims description 9
- 238000013524 data verification Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000006467 substitution reaction Methods 0.000 claims description 7
- 239000003345 natural gas Substances 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 description 11
- 238000001816 cooling Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 101001056015 Homo sapiens Mannan-binding lectin serine protease 2 Proteins 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 102100026046 Mannan-binding lectin serine protease 2 Human genes 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- G06Q50/08—Construction
-
- G06Q50/40—
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种城市重要用能形态优化分析系统，包括分析模型构建模块，用于构建建筑能效提升分析模型、电动汽车充电设施规划分析模型、轨道节能潜力评估分析模型、园区能源系统配置优化分析模型；模型调用模块，用于根据接收到的用户指令调用建筑能效提升分析模型、电动汽车充电设施规划分析模型、轨道节能潜力评估分析模型、园区能源系统配置优化分析模型中任一模型作为目标模型；数据采集处理模块，用于采集目标模型的输入参数，将参数输入目标模型计算得到分析结果。本发明将城市重要用能形态的分析模型集成在一个系统里，综合考虑建筑、交通等不同重要负荷能源系统的分析，提高了城市重要用能形态优化分析方法的实用性。
Description
技术领域
本发明涉及能源系统技术领域，尤其是指一种城市重要用能形态优化分析系统。
背景技术
建筑、交通、园区是城市典型的重要社会用能形态，其中建筑能耗已经是继工业能耗、交通能耗之后的第三大社会能源消耗主体。建筑暖通负荷是城镇建筑负荷的主要构成，通常占建筑总能耗的30％-50％，探索其能效提升路径，对于指导建筑暖通领域进行电能替代、能效提升、实施节能减排具有重要意义；在交通领域，随着国家新基建的推动实施，电动汽车利好政策频发，电动汽车目前也处于高速发展阶段，2020年中国纯电动汽车销量为111.5万辆，同比增长14.8％，中国纯电动车产量为110.5万辆，同比增长 8.3％，电动汽车销量和保有量在未来的发展趋势依然会持续增加，因此对于电动汽车的数量以及电动汽车的配套基础设施，如充电设施和充电站点的规划以及相关的投资收益测算等研究也非常必要；城市化进程进一步加速，轨道交通建设也迎来了高速发展期，相比其他的公共交通工具，轨道具有大运量、低能耗、高速度的优势，除了轨道交通车辆的耗能，轨道交通站点的照明系统、暖通系统、自动扶梯等系统的能耗也很关键；而做好园区能源系统优化是推动园区节能减排的重要抓手。
在建筑节能方面，国内外很多学者进行了相关研究，例如国内学者田顺、曲继晓对酒店和办公建筑进行样本采集，通过建立DeST模型，对既有公共建筑物三类典型维护结构，找出节能潜力的重点；卢双全对建筑节能的外部性原理以及技术进行了研究，并给出了一些能够促进建筑改造的激励政策；国外PangX等人基于FMI接口和sMAP协议开发了BCVTB软件，集成多个模块实现建筑能耗实时模拟，通过监测分析并提出对记者农户节能优化的策略。
对于电动汽车充电设施效益分析研究方面，Alfredweber于19世纪初首次提出了选址理论，当前大多数电动汽车充电设施站址规划方法及模型，多是基于所有电动汽车需求点到充电站的加权距离最短来建立。何战勇在《电动汽车充电站规划方法及运营模式研究》一文中以充电站投资、运行成本和用户充电损耗成本之和最小为目标，建立了区域内充电站的优化选址模型；目前各个省份抓紧时间制定电动汽车充电基础发展的路线图、任务书和时间表，对电动汽车发展趋势、充电站建设规模以及相关技术标准等做了详细深入的分析，目前研究对充电站的选址缺少建设用地合理性的考虑，对于电动汽车充电站数量基于电动汽车充电量需求确定，忽略了电动汽车充电站服务范围的核校，对于具体落实充电站建设，相关报告也只是从土地供应、资金保障、电网保障、技术保障和组织保障等方面给出建议，缺少对电动汽车充电站建设时序的指导意见，难以满足电动汽车充电站满足需求、有序竞争、布局优化等要求。
轨道交通节能研究方面，例如日本，已经有学者依托牛顿的运动学第二定律建立了列车运行的相关数学模型，引入了庞特利亚金的极大值原理，有效的解决了列车在线性条件下的运行优化；南澳大学自主建立了列车新式能耗模型，即机械式能耗模型，以运行列车的牵引力和制动力作为控制变量，结合日本的节能优化模型，首次提出了列车的驾驶工况最优顺序阶段“最大牵引-巡航-惰行-最大制动”；国内学者唐海川以总能耗最小为目标，分别从单列车的优化控制以及多列车的协同优化控制两方面着手，研究了列车再生制动能源利用的有效优化方法；黄舰提出了基于惰行控制的轨道交通节能方法，寻找列车区间运行中的合理惰行点从而达到节能的目的。
对于园区综合能源系统分析研究方面，国内学者黎静华提出一种多能系统协调优化规划的框架，指出多能系统优化规划的目标函数及约束条件需要考虑的因素；别朝红从基本的规划模型、能源生产环节的规划、源-网环节的协同规划、能源消费环节的规划、规划模型的求解方法这几个仿麦呢对能源互联网的规划进行了分析和探讨；程林等人针对综合能源系统需求进行深入分析，基于多场景规划的理念，设计了针对区域综合能源系统的规划方法；刘迪等人提出了一种基于改进型Kriging模型的综合能源系统规划方法。
综上所述，国内外学者和研究机构开展了大量研究，提出了理论方法和相应的分析工具，但理论性偏强，实用性有待提升，且现有的分析方法及工具大都各自为战，缺少集成思想，少有综合考虑建筑、交通等不同重要负荷能源系统的分析方法或系统。
发明内容
为此，本发明所要解决的技术问题在于克服现有技术中城市用能形态分析方法理论性偏强，缺少集成思想的问题。
为解决上述技术问题，本发明提供了一种城市重要用能形态优化分析系统，包括：
分析模型构建模块，用于构建建筑能效提升分析模型、电动汽车充电设施规划分析模型、轨道节能潜力评估分析模型、园区能源系统配置优化分析模型；
模型调用模块，用于根据接收到的用户指令调用建筑能效提升分析模型、电动汽车充电设施规划分析模型、轨道节能潜力评估分析模型、园区能源系统配置优化分析模型中的任一模型作为目标模型；
数据采集处理模块，用于采集目标模型的输入参数，将参数输入目标模型计算并得到分析结果。
在本发明的一个实施例中，所述分析模型构建模块包括建筑能效提升分析模型构建子模块，其包括：
建筑能源数据采集单元，用于采集与建筑能源相关的基本信息以及建筑能源设备的参数，并采集用户提出的建筑能源设备配置方案；
建筑能源数据处理单元，用于根据与建筑能源相关的基本信息计算建筑负荷阈值和用户提出的建筑能源设备配置方案的负荷值；
建筑能源数据校验单元，用于比较用户提出的建筑能源设备配置方案的负荷值与建筑负荷阈值，剔除负荷值大于等于建筑负荷阈值的建筑能源设备配置方案；
建筑能源关键指标测算单元，用于测算负荷值小于建筑负荷阈值的建筑能源设备配置方案的关键指标值；
建筑能源设备配置方案筛选单元，用于将不同建筑能源设备配置方案的同一关键指标值进行对比，以便用户筛选最优建筑能源设备配置方案；
其中，所述与建筑能源相关的基本信息包括但不限于建筑面积、暖通系统负荷特性、建筑可用于安装太阳能光伏面积、本地电力、燃气、价格折扣比例系数；
所述能源设备参数包括但不限于冷热设备、电力配置、三联供机组、末端设备的单位经济成本、系统效率以及储能蓄能设备的充放效率；
所述建筑负荷阈值包括但不限于建筑的冷、热、电负荷阈值及冷、热、电负荷的最大负荷功率；
所述关键指标值包括但不限于建筑暖通系统电气化水平提升参数、电能替代潜力值、综合效率。
在本发明的一个实施例中，所述建筑负荷阈值的计算公式为：
Pmax＝p*s
Pexac＝Pe-Pacm＝Pe-Pac/COPac
其中，Pmax为系统冷、热、电等各单项负荷的最大负荷功率，p为系统冷、热、电各负荷密度，s为单体建筑的用能面积，Pexac为系统除去空调之外的建筑用电负荷，Pacm为建筑暖通空调设备压缩机电功率，Pac为建筑暖通空调负荷功率，COPac为建筑空调设备制冷制热能效；
其中，Ppv表示光伏销售电价，Pi表示不同时间点的电网电价，t1、t2分别表示选取的不同时间点，n表示光伏并网电价在基本电价的基础上进行调整的折扣系数，n≤1；
所述建筑能源设备配置方案的关键指标值的计算公式为：
λep＝λemax-λeact
ηp＝ηmax-η
其中，λep为系统电气化水平提升参数，λemax为系统最优的电气化水平参数，λeact为系统实际的电气化水平参数，EP为系统电能替代潜力值，
为现有的设备总用电量，η为系统实际综合效率，hi为第i个设备的实际利用小时数，Pi为第i个设备的功率，ηmax为系统最优效率，ηp为系统效率提升潜力值。
在本发明的一个实施例中，所述分析模型构建模块包括电动汽车充电设施规划分析模型构建子模块，其包括：
电动汽车充电站数据采集单元，用于采集电动汽车充电站的基本信息以及用户对电动汽车充电站的电动汽车充电密度、充电站的资源条件以及特殊充电需求的评分；
电动汽车充电设施规划单元，用于根据新增电动汽车充电需求计算电动汽车充电设施的优化函数和约束条件；
电动汽车充电数据处理单元，用于计算用户对充电站的电动汽车充电密度、充电站的资源条件以及特殊充电需求的评分权重，并根据用户的评分和评分权重计算电动汽车充电站建设时序综合值；
其中，所述电动汽车充电站的基本信息包括但不限于充电站中充电桩的数量、单个充电桩的综合成本、充电桩的充电容量；
其中电动汽车充电数据处理单元根据新增电动汽车充电需求计算电动汽车充电设施的优化函数和约束条件包括：
若新增电动汽车充电需求区域没有存量充电站，则新建电动汽车充电站，电动汽车充电站选址定容的优化函数为
约束条件为NZPZ≤Pg，Ti,w≤tmax；
若新增电动汽车充电需求区域有存量充电站，则对电动汽车充电站扩容，扩增电动汽车充电站的的优化函数为
约束条件为 (Nd+NZ)PZ≤Pg，Ti,w≤tmax；
若新增电动汽车充电需求区域有存量充电站，则还包括新建充电站，电动汽车充电站选址定容的优化函数为
约束条件为 NZPZ≤Pg，Ti,w≤tmax，
其中，NZ为充电站中充电桩的数量，CZ为单个充电桩的综合成本，Ti,w为电动汽车i平均排队时间，Ti,d为电动汽车i到达充电站的时间，λi为电动汽车用户时间成本，PZ为充电桩充电容量，Pg为充电站中电网最大限制容量，tmax为用户最大排队时间忍耐时间，Nd为充电站中新增充电桩的数量，EVi是新建充电站和原有充电站服务范围，
是电动汽车到达原充电站的时间。
在本发明的一个实施例中，所述计算用户对充电站的电动汽车充电密度、充电站的资源条件以及特殊充电需求的评分权重，并根据用户的评分和评分权重计算电动汽车充电站建设时序综合值包括：
采用一致性矩阵法构建判断矩阵并对判断矩阵中的元素进行归一化处理；
计算判断矩阵的特征值及特征向量；
计算一致性指标CI和一致性比率CR,当CR＜0.1时，判断矩阵具有一致性，当CR≥0.1时，对判断矩阵进行修正；
一致性检验通过后，将特征向量中元素平均值作为各指标权重值；
计算电动汽车充电站建设时序综合值：
Si＝W人流Si,人流+W属地Si,属地+W特殊Si,特殊
其中，Si是充电站i的建设时序综合得分，Si,人流、Si,属地、Si,特殊分别是电动汽车充电密度评分、充电站的资源条件和建设基础评分以及特殊充电需求评分，W人流、W属地、W特殊分别是电动汽车充电密度评分、充电站的资源条件和建设基础评分以及特殊充电需求评分权重。
在本发明的一个实施例中，所述分析模型构建模块包括轨道节能潜力评估分析模型构建子模块，其包括：
轨道交通数据采集单元，用于采集有关轨道交通的基本信息，所述基本信息包括但不限于站点基本信息、客流量基本信息、运营情况基本信息；
轨道交通数据处理单元，用于根据有关轨道交通的基本信息计算轨道交通发车次数、轨道交通列车单日耗能值、轨道车辆单日节能潜力值、站点暖通空调单日节能潜力值、站点照明单日节能潜力值、站点扶梯单日节能潜力值，及轨道各环节单日综合节能潜力值。
在本发明的一个实施例中，所述轨道交通数据采集单元具体用于：
采集有关轨道交通的站点基本信息、客流量基本信息、运营情况基本信息；
将轨道交通站点基本信息用站点建筑总面积S进行表征，具体构成为：
i表示具体某i站，Si表示第i个站点建筑面积之和，S出入口门厅i表示某站出入口门厅建筑面积，S站内楼梯i表示某站站内楼梯建筑面积，S地下站台i表示某站地下站台建筑面积，S地面站台i表示某站地面站台建筑面积，S办公室i表示某站办公室建筑面积，S休息室i表示某站休息室建筑面积，S控制室i表示某站控制室建筑面积， S设备机房i表示某站设备机房建筑面积，S表示城市n个站点的建筑总面积；
将轨道交通客流量基本信息用G进行表征，具体构成为：
j表示轨道交通具体第j条线路，Gj表示第j条线路单日的统计客流量， G表示某城市m条线路单日统计客流量的总和；
在本发明的一个实施例中，所述轨道交通数据处理单元具体用于：
计算轨道交通发车次数：
T表示轨道交通总计m条线路单日发车次数总和，Tj表示轨道交通第j条线路单日发车次数，t早首j、t早末j、t晚首j、t晚末j、t平首j、t平末j、t低首j、t低末j为第j条路线车辆运行时间，t早j、t晚j、t平j、t低j为第j条路线车辆发车时间间隔；
计算轨道交通列车单日耗能：
Eb表示列车标准工况下人公里总电耗，Lj表示第j条线路总长度，Gj表示第j条线路轨道交通客流量；
计算第j条线路车辆单日节能潜力值：
ESP车辆j＝E车辆实j-E牵引×Lj×Tj
其中E车辆实j表示第j条线路轨道交通列车车辆实际能耗，E牵引表示轨道交通列车车辆标准工况下车公里牵引能耗，Tj表示轨道交通第j条线路单日发车次数；
计算第i个站点暖通空调单日节能潜力值：
ESP暖通i＝E暖通实i-E单位面积日均×Si
其中E暖通实i表示第i个站点轨道交通暖通空调实际能耗，E单位面积日均表示轨道交通标准工况下暖通空调单位面积日均能耗，Si可根据站点实际情况配置获得；
计算第i个站点照明单日节能潜力值：
ESP照明i＝E照明实i-P照明×[(t早末j-t早首j)+(t晚末j-t晚首j)+(t平末j-t平首j)+(t低末j-t低首j)]×Si
其中E照明i表示第i个站点轨道交通照明实际能耗，P照明表示站点某场所标准工况下照明功率密度，Si可根据站点实际情况配置获得；
计算第i个站点自动扶梯单日节能潜力值：
ESP扶梯i＝E扶梯实i-P单台扶梯×Tj×t扶梯i×Ki
其中E扶梯实i表示第i个站点轨道交通扶梯实际能耗，P单台扶梯表示站点标准工况下扶梯功率，Tj表示轨道交通第j条线路单日发车次数，t扶梯i表示轨道交通第i个站点单个扶梯单趟发车运行时间，Ki表示轨道交通第i个站点自动扶梯数量；
计算轨道交通各环节单日综合节能潜力值：
ESP表示轨道交通车辆、暖通空调、照明、节能扶梯等重要环节单日综合节能潜力值，ESP车辆j表示第j条线路车辆单日节能潜力值，ESP暖通i表示第i个站点暖通空调单日节能潜力值，ESP照明i表示第i个站点单日照明节能潜力值， ESP扶梯i表示第i个站点扶梯单日节能潜力值。
在本发明的一个实施例中，所述分析模型构建模块包括园区能源系统配置优化分析模型构建子模块，其包括：
园区能源数据采集单元，用于采集与园区建筑群建筑能源相关的基本信息以及园区能源设备的参数，并采集用户提出的园区能源设备配置方案；
园区能源数据处理单元，用于根据园区建筑群建筑能源相关的基本信息计算园区负荷阈值和用户提出的园区能源设备配置方案的负荷值；
园区能源数据校验单元，用于比较用户提出的园区能源设备配置方案的负荷值与园区负荷阈值，剔除负荷值大于等于园区负荷阈值的园区能源设备配置方案；
园区能源关键指标测算单元，用于测算负荷值小于园区负荷阈值的园区能源设备配置方案的关键指标值；
园区能源设备配置方案筛选单元，用于将不同园区能源设备配置方案的同一关键指标值进行对比，以便用户筛选最优园区能源设备配置方案；
其中，所述与园区建筑群建筑能源相关的基本信息包括但不限于园区建筑群中单体建筑的电负荷、热负荷、冷负荷以及电负荷密度、热负荷密度、冷负荷密度，园区建筑群中单体建筑的面积；
所述能源设备参数包括但不限于冷热设备、电力配置、三联供机组、末端设备、能源系统传输部分的单位经济成本、系统效率以及储能蓄能设备的充放效率；
所述关键指标值包括但不限于建筑暖通系统电气化水平提升参数、电能替代潜力值、综合效率。
在本发明的一个实施例中，所述园区负荷阈值计算公式为：
其中DE、DH、DC表示典型园区建筑群总电负荷、热负荷、冷负荷，diE、 diH、diC表示典型园区建筑群中单体建筑的电负荷、热负荷、冷负荷，ρiE、ρiH、ρiC表示典型园区建筑群中单体建筑的电负荷密度、热负荷密度、冷负荷密度， si表示典型园区建筑群中单体建筑的面积；
所述园区能源设备配置方案的关键指标值的计算公式为：
λep＝λemax-λeact
ηp＝ηmax-η
其中，λep为系统电气化水平提升参数，λemax为系统最优的电气化水平参数，λeact为系统实际的电气化水平参数，EP为系统电能替代潜力值，
为现有的设备总用电量，η为系统实际综合效率，hi为第i个设备的实际利用小时数，Pi为第i个设备的功率，ηmax为系统最优效率，ηp为系统效率提升潜力值，eele为大电网中生产一个单位电能所排放的CO2量，egas为燃烧一单位天然气所排放的CO2量，Pt grid表示园区综合能源系统与电网的联络节点的下网有功功率，ft total为天然气系统调压站节点的注入气流量，
表示其他碳排放量。
本发明所述的城市重要用能形态优化分析系统包括分析模型构建模块，用于构建建筑能效提升分析模型、电动汽车充电设施规划分析模型、轨道节能潜力评估分析模型、园区能源系统配置优化分析模型；模型调用模块，用于根据接收到的用户指令调用分析模型构建模块，用于构建建筑能效提升分析模型、电动汽车充电设施规划分析模型、轨道节能潜力评估分析模型、园区能源系统配置优化分析模型中任一模型作为目标模型；数据采集处理模块，用于采集目标模型的输入参数，将参数输入目标模型得到分析结果。其中分析模型构建模块包含了建筑能效提升分析模型构建子模块、电动汽车充电设施规划分析模型构建子模块、轨道节能潜力评估分析模型构建子模块、园区能源系统配置优化分析模型构建子模块，可以同时实现建筑暖通负荷电能替代能效提升分析、电动汽车充电基础设施规划分析、轨道交通节能潜力综合评估分析、园区综合能源系统配置优化分析四项功能，便于开展建筑、交通、园区等城市重要用能形态能源系统优化分析的相关专业人员使用。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
图1为本发明实施例所提供的城市重要用能形态优化分析系统的结构框图；
图2为基于城市重要用能形态优化分析系统的建筑暖通能效提升分析模型构建子模块的结构框图；
图3为基于城市重要用能形态优化分析系统的电动汽车充电设施规划分析模型构建子模块的结构框图；
图4为基于城市重要用能形态优化分析系统的轨道节能潜力评估分析模型构建子模块的结构框图；
图5为基于城市重要用能形态优化分析系统的园区能源系统配置优化分析模型构建子模块的结构框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
实施例1：
如图1所示，本发明的城市重要用能形态优化分析系统包括分析模型建立模块、模型调用模块、数据采集处理模块；
分析模型建立模块100：用于构建建筑能效提升分析模型、电动汽车充电设施规划分析模型、轨道节能潜力评估分析模型、园区能源系统配置优化分析模型；
其中还包括建筑能效提升分析模型构建子模块、电动汽车充电设施规划分析模型构建子模块、轨道节能潜力评估分析模型构建子模块、园区能源系统配置优化分析模型构建子模块；
模型调用模块200:用于根据接收到的用户指令调用建筑能效提升分析模型、电动汽车充电设施规划分析模型、轨道节能潜力评估分析模型、园区能源系统配置优化分析模型中任一模型作为目标模型；
数据采集处理模块300:用于采集目标模型输入参数，将参数输入目标模型中得到分析结果。
本发明所述的城市重要用能形态优化分析系统包括分析模型构建模块，模型调用模块，数据采集处理模块，其中分析模型构建模块包含了建筑能效提升分析模型构建子模块、电动汽车充电设施规划分析模型构建子模块、轨道节能潜力评估分析模型构建子模块、园区能源系统配置优化分析模型构建子模块，可以同时实现建筑暖通负荷电能替代能效提升分析、电动汽车充电基础设施规划分析、轨道交通节能潜力综合评估分析、园区综合能源系统配置优化分析四项功能，便于开展建筑、交通、园区等城市重要用能形态能源系统优化分析。
实施例2：
基于上述实施例1所述的建筑能效提升分析模型构建子模块如图2所示，包括建筑能源数据采集单元、建筑能源数据处理单元、建筑能源数据校验单元、建筑能源关键指标测算单元、建筑能源设备配置方案筛选单元；
建筑能源数据采集单元110，用于采集与建筑能源相关的基本信息以及建筑能源设备的参数，并采集用户提出的建筑能源设备配置方案；
建筑能源数据处理单元111，用于根据与建筑能源相关的基本信息计算建筑负荷阈值和用户提出的建筑能源设备配置方案的负荷值；
建筑能源数据校验单元112，用于比较用户提出的建筑能源设备配置方案的负荷值与建筑负荷阈值，剔除负荷值大于等于建筑负荷阈值的建筑能源设备配置方案；
建筑能源关键指标测算单元113，用于测算负荷值小于建筑负荷阈值的建筑能源设备配置方案的关键指标值；
建筑能源设备配置方案筛选单元114，用于将不同建筑能源设备配置方案的同一关键指标值进行对比，以便用户筛选最优建筑能源设备配置方案；
其中，所述与建筑能源相关的基本信息包括建筑面积、暖通系统负荷特性、建筑可用于安装太阳能光伏面积、本地电力、燃气等；
采集的能源设备参数为能源设备的单位经济成本、系统效率等，其中主要能源设备如表1所示：
表1
所述建筑负荷阈值的计算公式如下：
Pmax＝p*s
Pexac＝Pe-Pacm＝Pe-Pac/COPac
其中，Pmax为系统冷、热、电等各单项负荷的最大负荷功率，p为系统冷、热、电各负荷密度，s为单体建筑的用能面积，Pexac为系统除去空调之外的建筑用电负荷，Pacm为建筑暖通空调设备压缩机电功率，Pac为建筑暖通空调负荷功率，COPac为建筑空调设备制冷制热能效；Ppv表示光伏销售电价，Pi表示不同时间点的电网电价，t1、t2分别表示选取的不同时间点，通常t1取8 点，t2取17点，n表示光伏并网电价在基本电价的基础上进行调整的折扣系数，通常n≤1，若没有调整，则n＝1；
所述满足建筑负荷阈值的建筑能源设备配置方案的关键指标值的计算公式为：
λep＝λemax-λeact
ηp＝ηmax-η
其中，λep为系统电气化水平提升空间，λemax为系统最优的电气化水平，λeact为系统实际的电气化水平，EP为系统电能替代潜力，
为现有的设备总用电量，η为系统实际综合效率，hi为第i个设备的实际利用小时数，Pi为第i个设备的功率，ηmax为系统最优效率，ηp为系统效率提升潜力值。
本发明构建的建筑暖通能效提升分析模型构建子模块中设置了光伏销售电价折扣调整系数，充分考虑到各地分布式光伏并网政策与并网电价不一，方便光伏发电参与能源系统成本计算，通过采集建筑能源基本信息并计算，实现单体建筑的符合需求测算、冷热电等负荷供需平衡分析、暖通系统电能替代与能效提升潜力分析等功能。
实施例3：基于上述实施例2的建筑能源数据校验单元在本实施例中作进一步解释说明，以电力负荷为例：
S300：计算用户提出的建筑能源设备配置方案的总电力负荷：
QE,ac＝(Qe,ac+Qe)*s
其中，QE,ac为最大空调负荷运行工况下的总电力负荷，Qe,ac为最大空调负荷运行工况下的空调用电负荷，Qe为最大空调负荷运行工况下的非空调用电负荷，s为负荷同时率；
S301:计算供电设备配置的容量裕度:
δQ＝Qp-QE,ac
其中，δQ为供电设备配置的容量，Qp为系统供电能力；
S302：若供电设备配置的容量裕度δQ为正，则计算该设备配置的关键指标值，若δQ为负，则该设备配置不满足用电负荷需求，重新提出供电设备配置方案。
实施例4：
基于实施例1所述的电动汽车充电设施规划分析模型构建子模块如图3 所示，包括电动汽车充电站数据采集单元、电动汽车充电设施规划单元、电动汽车充电数据处理单元；
电动汽车充电站数据采集单元120，用于采集电动汽车充电站的基本信息以及用户对电动汽车充电站的电动汽车充电密度、充电站的资源条件以及特殊充电需求的评分；
电动汽车充电设施规划单元121，用于根据新增电动汽车充电需求计算电动汽车充电设施的优化函数和约束条件；
电动汽车充电数据处理单元122，用于计算用户对充电站的电动汽车充电密度、充电站的资源条件以及特殊充电需求的评分权重，并根据用户的评分和评分权重计算电动汽车充电站建设时序综合值；
其中，所述电动汽车充电站的基本信息包括但不限于充电站中充电桩的数量、单个充电桩的综合成本、充电桩的充电容量；
所述用户对电动汽车充电站的评价情况包括电动汽车充电密度评分、充电站的资源条件和建设基础评分以及特殊充电需求评分，评分标准如表2、表 3、表4所示：
表2
| 人流优先 | 分值 |
| 电动汽车充电密度很大 | 80-100 |
| 电动汽车充电密度大 | 60-79 |
| 电动汽车充电密度一般 | 40-59 |
| 电动汽车充电密度较小 | 20-39 |
| 电动汽车充电密度小 | 0-19 |
表3
| 属地优先 | 分值 |
| 区域示范意义、资源条件、建设基础都很好 | 80-100 |
| 区域示范意义、资源条件、建设基础好 | 60-79 |
| 区域示范意义、资源条件、建设基础一般 | 40-59 |
| 区域示范意义、资源条件、建设基础较差 | 20-39 |
| 区域示范意义、资源条件、建设基础差 | 0-19 |
表4
| 特殊优先 | 分值 |
| 特殊充电需求强烈 | 80-100 |
| 特殊充电需求较强 | 60-79 |
| 特殊充电需求一般 | 40-59 |
| 特殊充电需求较弱 | 20-39 |
| 特殊充电需求弱 | 0-19 |
所述电动汽车充电设施规划单元用于实现以下步骤：
S400：若新增电动汽车充电需求区域没有存量充电站，则新建电动汽车充电站满足周边电动汽车充电需求即可，同时实现自身建设成本最低，因此，电动汽车充电站选址定容满足：
优化函数：
约束条件：NZPZ≤Pg
Ti,w≤tmax
S401：新增电动汽车充电需求区域有存量充电站，则对存量充电站容量进行扩容，但这种方法容易受电网容量和土地限制，也容易导致充电流量或负荷集中，另一种方法是新建充电站，对电动汽车充电需求进行引流，实现各个充电站充电流量和负荷均衡分布；
对存量充电站进行扩容，需要兼顾电网容量、交通影响等因素，合理确定扩增容量，满足：
优化函数：
约束条件：(Nd+NZ)PZ≤Pg
Ti,w≤tmax
对新增充电站，需要考虑充电站的引流效应，充电站的位置和容量影响电动车用户充电选择，同时需要考虑充分发挥已有充电站的作用，实现区域电动汽车均衡充电，满足：
优化函数：
约束条件：NZPZ≤Pg
Ti,w≤tmax
其中，NZ为充电站中充电桩的数量，CZ为单个充电桩的综合成本，Ti,w为电动汽车i平均排队时间，Ti,d为电动汽车i到达充电站的时间，λi为电动汽车用户时间成本，PZ为充电桩充电容量，Pg为充电站中电网最大限制容量，tmax为用户最大排队时间忍耐时间，Nd为充电站中新增充电桩的数量，EVi是新建充电站和原有充电站服务范围内，
是电动汽车到达原充电站的时间。
所述电动汽车充电数据处理单元用于实现以下步骤：
S402：采用一致性矩阵法构建判断矩阵，通过对量指标的重要性评价来确定各指标权重，矩阵重要等级判断方法如表5：
表5
| 重要等级 | C<sub>ij</sub> |
| C<sub>i</sub>和C<sub>j</sub>重要性一样 | 1 |
| C<sub>i</sub>比C<sub>j</sub>重要性稍强 | 3 |
| C<sub>i</sub>比C<sub>j</sub>重要性强 | 5 |
| C<sub>i</sub>比C<sub>j</sub>重要性较强 | 7 |
| C<sub>i</sub>比C<sub>j</sub>重要性很强 | 9 |
| C<sub>i</sub>比C<sub>j</sub>重要性介于上述两者之间 | 2,4,6,8 |
| C<sub>j</sub>比C<sub>i</sub>重要性为上述C<sub>ij</sub>相反数 | 1,1/2,…,1/9 |
S403：对判断矩阵中的元素进行归一化处理：
S404：计算判断矩阵的特征值及特征向量：
AW＝λmaxW
其中，A为归一化的判断矩阵，λmax为判断矩阵的最大特征值，W是A 的特征向量；
S405：计算一致性指标：
其中，n为判断矩阵A的阶数，一致性指标是衡量判断矩阵对其主特征向量中原构成的矩阵偏离程度的一个尺度；
S406：计算一致性比率：
RI是随机一致性指标均值计算权重，1-9阶的判断矩阵的RI值如表6：
表6
| 阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| RI | 0.00 | 0.00 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
S407：判断矩阵的一致性，当CR＜0.1时，矩阵具有较高的一致性，当 CR≥0.1时，对判断矩阵进行修正；
S408：一致性检验通过后，特征向量W中元素即为各指标权重值。
S409：计算电动汽车充电站建设时序综合值：
Si＝W人流Si,人流+W属地Si,属地+W特殊Si,特殊
其中，Si是充电站i的建设时序综合得分，Si,人流、Si,属地、Si,特殊分别是人流优先、属地优先、特殊优先指标值，W人流、W属地、W特殊分别是人流优先、属地优先、特殊优先指标权重。
实施例5：
基于实施例1所述的轨道节能潜力评估分析模型构建子模块如图4所示，包括轨道交通数据采集单元、轨道交通数据处理单元；
轨道交通数据采集单元130，用于采集有关轨道交通的基本信息，所述基本信息包括但不限于站点基本信息、客流量基本信息、运营情况基本信息；
轨道交通数据处理单元131，用于根据有关轨道交通的基本信息计算轨道交通发车次数、轨道交通列车单日耗能、轨道车辆单日节能潜力值、站点暖通空调单日节能潜力值、站点照明单日节能潜力值、站点扶梯单日节能潜力值，及轨道各环节单日综合节能潜力值；
其中，所述轨道交通数据采集单元用于实现以下步骤：
S500：采集有关轨道交通的站点基本信息、客流量基本信息、运营情况基本信息；
S501：将轨道交通站点基本信息用站点建筑总面积S进行表征，具体构成为：
i表示具体某i站，Si表示第i个站点建筑面积之和，S出入口门厅i表示某站出入口门厅建筑面积，S站内楼梯i表示某站站内楼梯建筑面积，S地下站台i表示某站地下站台建筑面积，S地面站台i表示某站地面站台建筑面积，S办公室i表示某站办公室建筑面积，S休息室i表示某站休息室建筑面积，S控制室i表示某站控制室建筑面积， S设备机房i表示某站设备机房建筑面积，S表示城市n个站点的建筑总面积；
具体某个站点的建筑面积求和可以根据站点具体设置情况进行相关计算，如枢纽车站场所主要涉及如表7所示类型，普通车站场所涉及如表8所示类型：
表7
表8
S502：将轨道交通客流量基本信息用G进行表征，具体构成为：
j表示轨道交通具体第j条线路，Gj表示第j条线路单日的统计客流量， G表示某城市m条线路单日统计客流量的总和；
S503：轨道交通线路基本运营信息如表9所示，具体运营信息可以根据工作日、双休日、节假日等具体情况做相应调整，其中t早首j表示第j条线路早高峰期间首班车发车时间，t早末j表示第j条线路早高峰期间末班车发车时间，t早j表示第j条线路早高峰期间发车时间间隔，t晚首j表示第j条线路晚高峰期间首班车发车时间，t晚末j表示第j条线路晚高峰期间末班车发车时间，t晚j表示第j条线路晚高峰期间发车时间间隔，t平首j表示第j条线路平峰期间首班车发车时间，t平末j表示第j条线路平峰期间末班车发车时间，t平j表示第j条线路平峰期间发车间隔时间，t低首j表示第j条线路低峰期间首班车发车时间，t低末j表示第j条线路低峰期间末班车发车时间， t低j表第j条线路低峰期间发车时间间隔。
表9
| 第j条线路 | 首班车时间 | 末班车时间 | 发车间隔 |
| 早高峰 | t早首j | t早末j | t早j |
| 晚高峰 | t晚首j | t晚末j | t晚j |
| 平峰 | t平首j | t平末j | t平j |
| 低峰 | t低首j | t低末j | t低j |
所述轨道交通数据处理单元用于实现以下步骤：
S504：计算轨道交通发车次数：
T表示轨道交通总计m条线路单日发车次数总和，Tj表示轨道交通第j条线路单日发车次数；
S505：计算轨道交通列车单日耗能：
Eb表示列车标准工况下人公里总电耗，Lj表示第j条线路总长度，Gj表示第j条线路轨道交通客流量；
S506：计算第j条线路车辆单日节能潜力值：
ESP车辆j＝E车辆实j-E牵引×Lj×Tj
其中E车辆实j表示第j条线路轨道交通列车车辆实际能耗，E牵引表示轨道交通列车车辆标准工况下车公里牵引能耗，Tj表示轨道交通第j条线路单日发车次数；
S507：计算第i个站点暖通空调单日节能潜力值：
ESP暖通i＝E暖通实i-E单位面积日均×Si
其中E暖通实i表示第i个站点轨道交通暖通空调实际能耗，E单位面积日均表示轨道交通标准工况下暖通空调单位面积日均能耗，Si可根据站点实际情况配置获得；
S508：计算第i个站点照明单日节能潜力值：
ESP照明i＝E照明实i-P照明×[(t早末j-t早首j)+(t晚末j-t晚首j)+(t平末j-t平首j)+(t低末j-t低首j)]×Si
其中E照明i表示第i个站点轨道交通照明实际能耗，P照明表示站点某场所标准工况下照明功率密度，Si可根据站点实际情况配置获得；
S509：计算第i个站点自动扶梯单日节能潜力值：
ESP扶梯i＝E扶梯实i-P单台扶梯×Tj×t扶梯i×Ki
其中E扶梯实i表示第i个站点轨道交通扶梯实际能耗，P单台扶梯表示站点标准工况下扶梯功率，Tj表示轨道交通第j条线路单日发车次数，t扶梯i表示轨道交通第i个站点单个扶梯单趟发车运行时间，Ki表示轨道交通第i个站点自动扶梯数量；
S510：计算轨道交通各环节单日综合节能潜力值：
ESP表示轨道交通车辆、暖通空调、照明、节能扶梯等重要环节单日综合节能潜力，ESP车辆j表示第j条线路车辆单日节能潜力，ESP暖通i表示第i个站点暖通空调单日节能潜力，ESP照明i表示第i个站点单日照明节能潜力，ESP扶梯i表示第i个站点扶梯单日节能潜力。
本实施例提供的轨道交通节能潜力综合评估分析模型构建子模块以城市轨道交通基本能耗、负荷需求分析为依据，综合考虑轨道交通列车站点、轨道交通客流量信息、轨道交通运营信息，得到了轨道交通的车辆、暖通空调、照明、自动扶梯等节能重要环节节能潜力，为轨道交通节能方案提供参考。
实施例6：
基于实施例1所述的园区能源系统配置优化分析模型构建子模块如图5 所示，包括：园区能源数据采集单元、园区能源数据处理单元、园区能源数据校验单元、园区能源关键指标测算单元、园区能源设备配置方案筛选单元；
园区能源数据采集单元140，用于采集与园区建筑群建筑能源相关的基本信息以及园区能源设备的参数，并采集用户提出的园区能源设备配置方案；
园区能源数据处理单元141，用于根据园区建筑群建筑能源相关的基本信息计算园区负荷阈值和用户提出的园区能源设备配置方案的负荷值；
园区能源数据校验单元142，用于比较用户提出的园区能源设备配置方案的负荷值与园区负荷阈值，剔除负荷值大于等于园区负荷阈值的园区能源设备配置方案；
园区能源关键指标测算单元143，用于测算负荷值小于园区负荷阈值的园区能源设备配置方案的关键指标值；
园区能源设备配置方案筛选单元144，用于将不同园区能源设备配置方案的同一关键指标值进行对比，以便用户筛选最优园区能源设备配置方案；
其中，所述与园区建筑群建筑能源相关的基本信息包括但不限于园区建筑群中单体建筑的电负荷、热负荷、冷负荷以及电负荷密度、热负荷密度、冷负荷密度，园区建筑群中单体建筑的面积；
所述能源设备参数包括但不限于冷热设备、电力配置、三联供机组、末端设备、能源系统传输部分的单位经济成本、系统效率以及储能蓄能设备的充放效率；
所述园区负荷阈值的计算公式为：
其中DE、DH、DC表示典型园区建筑群总电负荷、热负荷、冷负荷，diE、 diH、diC表示典型园区建筑群中单体建筑的电负荷、热负荷、冷负荷，ρiE、ρiH、ρiC表示典型园区建筑群中单体建筑的电负荷密度、热负荷密度、冷负荷密度， si表示典型园区建筑群中单体建筑的面积；
所述园区能源设备配置方案的关键指标值的计算公式为：
λep＝λemax-λeact
ηp＝ηmax-η
其中，λep为系统电气化水平提升参数，λemax为系统最优的电气化水平参数，λeact为系统实际的电气化水平参数，EP为系统电能替代潜力值，
为现有的设备总用电量，η为系统实际综合效率，hi为第i个设备的实际利用小时数，Pi为第i个设备的功率，ηmax为系统最优效率，ηp为系统效率提升潜力值， eele为大电网中生产一个单位电能所排放的CO2量，egas为燃烧一单位天然气所排放的CO2量，Pt grid表示园区综合能源系统与电网的联络节点的下网有功功率， ft total为天然气系统调压站节点的注入气流量，
表示其他碳排放量。
实施例7：
基于上述实施例6中的园区能源数据校验单元在本实施例中作进一步解释说明，以供冷设备容量校验为例：
S700：计算用户提出的园区设备配置方案的所有制冷设备提供的制冷量：
其中Qmc表示园区所有制冷设备提供的制冷量，pc,Ai表示园区原有的第i个制冷设备电功率，COPc,Ai表示园区原有的第i个制冷设备的制冷效率，tc,Ai表示园区原有的第i个制冷设备制冷时长，pc,Bi表示园区新增的第i个制冷设备电功率，COPc,Bi表示园区新增的第i个制冷设备的制冷效率，tc.Bi表示园区新增的第i个制冷设备制冷时长；
S701：计算园区制冷系统制冷量裕度：
δQc＝Qmc-Dc
δQc表示园区制冷系统制冷量裕度，若该值为正，则表示园区制冷系统满足负荷需求并存在一定裕度；若该值为负，则表示该园区制冷系统不能满足冷负荷需求，该值为冷量缺额值，Dc表示园区实际冷量需求；
S702：若园区制冷系统制冷量为正，则计算该设备配置方案的关键指标；若园区制冷系统制冷量裕度为负，则设备配置不满足冷负荷需求，重新采集用户提出的园区设备配置方案。
本发明构建的园区能源系统配置优化分析模型以园区内建筑为主要对象，实现园区的负荷需求测算、负荷供需平衡分析、系统功能裕度测算、园区能源系统传输效率及损耗、园区建筑暖通系统电能替代与能效提升潜力分析、系统经济性指标及二氧化碳排放指标测算对比分析功能。
本发明提供的城市重要用能形态优化分析系统统筹考虑常用的供电、制冷、制热能源设备及其经济型、效率、二氧化碳排放等主要参数，同时考虑了太阳能光伏、储能等重要的分布式系统，测算并比较系统的关键指标，制程建筑暖通系统优化分析、电能替代分析、电动汽车充电设施规划、轨道交通节能潜力评估、园区综合能源系统优化功能实现。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种城市重要用能形态优化分析系统，其特征在于，包括：
分析模型构建模块，用于构建建筑能效提升分析模型、电动汽车充电设施规划分析模型、轨道节能潜力评估分析模型、园区能源系统配置优化分析模型；
模型调用模块，用于根据接收到的用户指令调用建筑能效提升分析模型、电动汽车充电设施规划分析模型、轨道节能潜力评估分析模型、园区能源系统配置优化分析模型中的任一模型作为目标模型；
数据采集处理模块，用于采集目标模型的输入参数，将参数输入目标模型计算并得到分析结果。
2.根据权利要求1所述的城市重要用能形态优化分析系统，其特征在于，所述分析模型构建模块包括建筑能效提升分析模型构建子模块，其包括：
建筑能源数据采集单元，用于采集与建筑能源相关的基本信息以及建筑能源设备的参数，并采集用户提出的建筑能源设备配置方案；
建筑能源数据处理单元，用于根据与建筑能源相关的基本信息计算建筑负荷阈值和用户提出的建筑能源设备配置方案的负荷值；
建筑能源数据校验单元，用于比较用户提出的建筑能源设备配置方案的负荷值与建筑负荷阈值，剔除负荷值大于等于建筑负荷阈值的建筑能源设备配置方案；
建筑能源关键指标测算单元，用于测算负荷值小于建筑负荷阈值的建筑能源设备配置方案的关键指标值；
建筑能源设备配置方案筛选单元，用于将不同建筑能源设备配置方案的同一关键指标值进行对比，以便用户筛选最优建筑能源设备配置方案；
其中，所述与建筑能源相关的基本信息包括但不限于建筑面积、暖通系统负荷特性、建筑可用于安装太阳能光伏面积、本地电力、燃气、价格折扣比例系数；
所述能源设备参数包括但不限于冷热设备、电力配置、三联供机组、末端设备的单位经济成本、系统效率以及储能蓄能设备的充放效率；
所述建筑负荷阈值包括但不限于建筑的冷、热、电负荷阈值及冷、热、电负荷的最大负荷功率；
所述关键指标值包括但不限于建筑暖通系统电气化水平提升参数、电能替代潜力值、综合效率。
3.根据权利要求2所述的城市重要用能形态优化分析系统，其特征在于，所述建筑负荷阈值的计算公式为：
Pmax＝p*s
Pexac＝Pe-Pacm＝Pe-Pac/COPac
其中，Pmax为系统冷、热、电等各单项负荷的最大负荷功率，p为系统冷、热、电各负荷密度，s为单体建筑的用能面积，Pexac为系统除去空调之外的建筑用电负荷，Pacm为建筑暖通空调设备压缩机电功率，Pac为建筑暖通空调负荷功率，COPac为建筑空调设备制冷制热能效；
其中，Ppv表示光伏销售电价，Pi表示不同时间点的电网电价，t1、t2分别表示选取的不同时间点，n表示光伏并网电价在基本电价的基础上进行调整的折扣系数，n≤1；
所述建筑能源设备配置方案的关键指标值的计算公式为：
λep＝λemax-λeact
ηp＝ηmax-η
其中，λep为系统电气化水平提升参数，λemax为系统最优的电气化水平参数，λeact为系统实际的电气化水平参数，EP为系统电能替代潜力值，
为现有的设备总用电量，η为系统实际综合效率，hi为第i个设备的实际利用小时数，Pi为第i个设备的功率，ηmax为系统最优效率，ηp为系统效率提升潜力值。
4.根据权利要求1所述的城市重要用能形态优化分析系统，其特征在于，所述分析模型构建模块包括电动汽车充电设施规划分析模型构建子模块，其包括：
电动汽车充电站数据采集单元，用于采集电动汽车充电站的基本信息以及用户对电动汽车充电站的电动汽车充电密度、充电站的资源条件以及特殊充电需求的评分；
电动汽车充电设施规划单元，用于根据新增电动汽车充电需求计算电动汽车充电设施的优化函数和约束条件；
电动汽车充电数据处理单元，用于计算用户对充电站的电动汽车充电密度、充电站的资源条件以及特殊充电需求的评分权重，并根据用户的评分和评分权重计算电动汽车充电站建设时序综合值；
其中，所述电动汽车充电站的基本信息包括但不限于充电站中充电桩的数量、单个充电桩的综合成本、充电桩的充电容量；
其中，电动汽车充电设施规划单元根据新增电动汽车充电需求计算电动汽车充电设施的优化函数和约束条件包括：
若新增电动汽车充电需求区域没有存量充电站，则新建电动汽车充电站，电动汽车充电站选址定容的优化函数为
约束条件为NZPZ≤Pg，Ti,w≤tmax；
若新增电动汽车充电需求区域有存量充电站，则对电动汽车充电站扩容，扩增电动汽车充电站的的优化函数为
约束条件为(Nd+NZ)PZ≤Pg，Ti,w≤tmax；
若新增电动汽车充电需求区域有存量充电站，则还包括新建充电站，电动汽车充电站选址定容的优化函数为
约束条件为NZPZ≤Pg，Ti,w≤tmax，
其中，NZ为充电站中充电桩的数量，CZ为单个充电桩的综合成本，Ti,w为电动汽车i平均排队时间，Ti,d为电动汽车i到达充电站的时间，λi为电动汽车用户时间成本，PZ为充电桩充电容量，Pg为充电站中电网最大限制容量，tmax为用户最大排队时间忍耐时间，Nd为充电站中新增充电桩的数量，EVi是新建充电站和原有充电站服务范围，
是电动汽车到达原充电站的时间。
5.根据权利要求4所述的城市重要用能形态优化分析系统，其特征在于，所述计算用户对充电站的电动汽车充电密度、充电站的资源条件以及特殊充电需求的评分权重，并根据用户的评分和评分权重计算电动汽车充电站建设时序综合值包括：
采用一致性矩阵法构建判断矩阵并对判断矩阵中的元素进行归一化处理；
计算判断矩阵的特征值及特征向量；
计算一致性指标CI和一致性比率CR,当CR＜0.1时，判断矩阵具有一致性，当CR≥0.1时，对判断矩阵进行修正；
一致性检验通过后，将特征向量中元素平均值作为各指标权重值；
计算电动汽车充电站建设时序综合值：
Si＝W人流Si,人流+W属地Si,属地+W特殊Si,特殊
其中，Si是充电站i的建设时序综合得分，Si,人流、Si,属地、Si,特殊分别是电动汽车充电密度评分、充电站的资源条件和建设基础评分以及特殊充电需求评分，W人流、W属地、W特殊分别是电动汽车充电密度评分、充电站的资源条件和建设基础评分以及特殊充电需求评分权重。
6.根据权利要求1所述的城市重要用能形态优化分析系统，其特征在于，所述分析模型构建模块包括轨道节能潜力评估分析模型构建子模块，其包括：
轨道交通数据采集单元，用于采集有关轨道交通的基本信息，所述基本信息包括但不限于站点基本信息、客流量基本信息、运营情况基本信息；
轨道交通数据处理单元，用于根据有关轨道交通的基本信息计算轨道交通发车次数、轨道交通列车单日耗能、轨道车辆单日节能潜力值、站点暖通空调单日节能潜力值、站点照明单日节能潜力值、站点扶梯单日节能潜力值，及轨道各环节单日综合节能潜力值。
7.根据权利要求6所述的城市重要用能形态优化分析系统，其特征在于，所述轨道交通数据采集单元具体用于：
采集有关轨道交通的站点基本信息、客流量基本信息、运营情况基本信息；
将轨道交通站点基本信息用站点建筑总面积S进行表征，具体构成为：
i表示具体某i站，Si表示第i个站点建筑面积之和，S出入口门厅i表示某站出入口门厅建筑面积，S站内楼梯i表示某站站内楼梯建筑面积，S地下站台i表示某站地下站台建筑面积，S地面站台i表示某站地面站台建筑面积，S办公室i表示某站办公室建筑面积，S休息室i表示某站休息室建筑面积，S控制室i表示某站控制室建筑面积，S设备机房i表示某站设备机房建筑面积，S表示城市n个站点的建筑总面积；
将轨道交通客流量基本信息用G进行表征，具体构成为：
j表示轨道交通具体第j条线路，Gj表示第j条线路单日的统计客流量，G表示某城市m条线路单日统计客流量的总和。
8.根据权利要求6所述的城市重要用能形态优化分析系统，其特征在于，所述轨道交通数据处理单元具体用于：
计算轨道交通发车次数：
T表示轨道交通总计m条线路单日发车次数总和，Tj表示轨道交通第j条线路单日发车次数，t早首j、t早末j、t晚首j、t晚末j、t平首j、t平末j、t低首j、t低末j为第j条路线车辆运行时间，t早j、t晚j、t平j、t低j为第j条路线车辆发车时间间隔；
计算轨道交通列车单日耗能：
Eb表示列车标准工况下人公里总电耗，Lj表示第j条线路总长度，Gj表示第j条线路轨道交通客流量；
计算第j条线路车辆单日节能潜力值：
ESP车辆j＝E车辆实j-E牵引×Lj×Tj
其中E车辆实j表示第j条线路轨道交通列车车辆实际能耗，E牵引表示轨道交通列车车辆标准工况下车公里牵引能耗，Tj表示轨道交通第j条线路单日发车次数；
计算第i个站点暖通空调单日节能潜力值：
ESP暖通i＝E暖通实i-E单位面积日均×Si
其中E暖通实i表示第i个站点轨道交通暖通空调实际能耗，E单位面积日均表示轨道交通标准工况下暖通空调单位面积日均能耗，Si可根据站点实际情况配置获得；
计算第i个站点照明单日节能潜力值：
ESP照明i＝E照明实i-P照明×[(t早末j-t早首j)+(t晚末j-t晚首j)+(t平末j-t平首j)+(t低末j-t低首j)]×Si
其中E照明i表示第i个站点轨道交通照明实际能耗，P照明表示站点某场所标准工况下照明功率密度，Si可根据站点实际情况配置获得；
计算第i个站点自动扶梯单日节能潜力值：
ESP扶梯i＝E扶梯实i-P单台扶梯×Tj×t扶梯i×Ki
其中E扶梯实i表示第i个站点轨道交通扶梯实际能耗，P单台扶梯表示站点标准工况下扶梯功率，Tj表示轨道交通第j条线路单日发车次数，t扶梯i表示轨道交通第i个站点单个扶梯单趟发车运行时间，Ki表示轨道交通第i个站点自动扶梯数量；
计算轨道交通各环节单日综合节能潜力值：
ESP表示轨道交通车辆、暖通空调、照明、节能扶梯等重要环节单日综合节能潜力值，ESP车辆j表示第j条线路车辆单日节能潜力值，ESP暖通i表示第i个站点暖通空调单日节能潜力值，ESP照明i表示第i个站点单日照明节能潜力值，ESP扶梯i表示第i个站点扶梯单日节能潜力值。
9.根据权利要求1所述的城市重要用能形态优化分析系统，其特征在于，所述分析模型构建模块包括园区能源系统配置优化分析模型构建子模块，其包括：
园区能源数据采集单元，用于采集与园区建筑群建筑能源相关的基本信息以及园区能源设备的参数，并采集用户提出的园区能源设备配置方案；
园区能源数据处理单元，用于根据园区建筑群建筑能源相关的基本信息计算园区负荷阈值和用户提出的园区能源设备配置方案的负荷值；
园区能源数据校验单元，用于比较用户提出的园区能源设备配置方案的负荷值与园区负荷阈值，剔除负荷值大于等于园区负荷阈值的园区能源设备配置方案；
园区能源关键指标测算单元，用于测算负荷值小于园区负荷阈值的园区能源设备配置方案的关键指标值；
园区能源设备配置方案筛选单元，用于将不同园区能源设备配置方案的同一关键指标值进行对比，以便用户筛选最优能源设备配置方案；
其中，所述与园区建筑群建筑能源相关的基本信息包括但不限于园区建筑群中单体建筑的电负荷、热负荷、冷负荷以及电负荷密度、热负荷密度、冷负荷密度，园区建筑群中单体建筑的面积；
所述能源设备参数包括但不限于冷热设备、电力配置、三联供机组、末端设备、能源系统传输部分的单位经济成本、系统效率以及储能蓄能设备的充放效率；
所述关键指标值包括但不限于建筑暖通系统电气化水平提升参数、电能替代潜力值、综合效率。
10.根据权利要求9所述的城市重要用能形态优化分析系统，其特征在于，所述园区负荷阈值计算公式为：
其中DE、DH、DC表示典型园区建筑群总电负荷、热负荷、冷负荷，diE、diH、diC表示典型园区建筑群中单体建筑的电负荷、热负荷、冷负荷，ρiE、ρiH、ρiC表示典型园区建筑群中单体建筑的电负荷密度、热负荷密度、冷负荷密度，si表示典型园区建筑群中单体建筑的面积；
所述园区能源设备配置方案的关键指标值的计算公式为：
λep＝λemax-λeact
ηp＝ηmax-η
其中，λep为系统电气化水平提升参数，λemax为系统最优的电气化水平参数，λeact为系统实际的电气化水平参数，EP为系统电能替代潜力值，
为现有的设备总用电量，η为系统实际综合效率，hi为第i个设备的实际利用小时数，Pi为第i个设备的功率，ηmax为系统最优效率，ηp为系统效率提升潜力值，eele为大电网中生产一个单位电能所排放的CO2量，egas为燃烧一单位天然气所排放的CO2量，Pt grid表示园区综合能源系统与电网的联络节点的下网有功功率，ft total为天然气系统调压站节点的注入气流量，
表示其他碳排放量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210704153.9A CN114862059A (zh) | 2022-06-21 | 2022-06-21 | 一种城市重要用能形态优化分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210704153.9A CN114862059A (zh) | 2022-06-21 | 2022-06-21 | 一种城市重要用能形态优化分析系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114862059A true CN114862059A (zh) | 2022-08-05 |
Family
ID=82626270
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210704153.9A Pending CN114862059A (zh) | 2022-06-21 | 2022-06-21 | 一种城市重要用能形态优化分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114862059A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116703243A (zh) * | 2023-07-31 | 2023-09-05 | 北京国瑞智信节水科技有限公司 | 一种基于区块链的水平衡测试系统 |
-
2022
- 2022-06-21 CN CN202210704153.9A patent/CN114862059A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116703243A (zh) * | 2023-07-31 | 2023-09-05 | 北京国瑞智信节水科技有限公司 | 一种基于区块链的水平衡测试系统 |
| CN116703243B (zh) * | 2023-07-31 | 2023-10-10 | 北京国瑞智信节水科技有限公司 | 一种基于区块链的水平衡测试系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107239874B (zh) | 一种面向轨道交通的电能质量及节能分析系统 | |
| CN109492791B (zh) | 基于充电引导的城际高速路网光储充电站定容规划方法 | |
| CN106779165B (zh) | 基于城市空气质量预测技术的电力系统环境调度方法 | |
| CN107729938B (zh) | 一种基于公交接驳辐射区特征的轨道站点分类方法 | |
| CN110956329B (zh) | 基于分布式光伏与电动汽车时空分布的负荷预测方法 | |
| CN112561304A (zh) | 城市常规公交线网的评价方法 | |
| CN110084640B (zh) | 一种两阶段主从博弈的共享电动汽车补贴与定价方法 | |
| CN111091309A (zh) | 一种电动汽车充电网络运行经济效益评价方法 | |
| CN108876114A (zh) | 考虑新能源接入的电网效率效益评估方法 | |
| CN102063563A (zh) | 网省地一体化的母线负荷预测方法 | |
| CN111444558A (zh) | 一种提升城市气候宜居度的城市通风廊道划定方法 | |
| CN113554296A (zh) | 园区综合能源系统规划的多指标评价方法 | |
| CN114862059A (zh) | 一种城市重要用能形态优化分析系统 | |
| CN114742444A (zh) | 一种基于博弈组合赋权的城市低碳客运交通结构评价方法 | |
| Lei et al. | Prediction method of energy consumption for high building based on LMBP neural network | |
| CN114022046B (zh) | 一种考虑交通均衡的综合能源系统优化调度方法 | |
| CN114511143A (zh) | 基于组团划分的城市轨道交通线网生成方法 | |
| CN111144766A (zh) | 一种物流园区功能区布局评价方法 | |
| CN113052450B (zh) | 一种适应电能替代发展战略的城市能源互联网规划方法 | |
| CN114819633A (zh) | 一种应用于国土空间规划的交通设施布局评价方法 | |
| Deng et al. | Research on bus passenger traffic forecasting model based on gps and ic card data | |
| Zheng et al. | Modeling method and application of metro power supply system based on digital twin | |
| CN109858676A (zh) | 基于聚类算法的电动汽车充换电服务需求模型预测方法 | |
| CN117239935B (zh) | 一种用于轨道交通的综合能源管理分配系统及管理方法 | |
| CN113592419B (zh) | 考虑客流和节能的轨道交通快慢车时刻表优化方法 |
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 |