CN115289777A - 一种港口冷藏集装箱负荷的多层温度协同控制方法及装置 - Google Patents
一种港口冷藏集装箱负荷的多层温度协同控制方法及装置 Download PDFInfo
- Publication number
- CN115289777A CN115289777A CN202210926122.8A CN202210926122A CN115289777A CN 115289777 A CN115289777 A CN 115289777A CN 202210926122 A CN202210926122 A CN 202210926122A CN 115289777 A CN115289777 A CN 115289777A
- Authority
- CN
- China
- Prior art keywords
- port
- predicted
- data
- control strategy
- temperature
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000011217 control strategy Methods 0.000 claims abstract description 132
- 238000005457 optimization Methods 0.000 claims abstract description 105
- 238000004891 communication Methods 0.000 claims abstract description 36
- 230000005611 electricity Effects 0.000 claims abstract description 36
- 238000005057 refrigeration Methods 0.000 claims abstract description 31
- 238000005096 rolling process Methods 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 20
- 238000005286 illumination Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000013213 extrapolation Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 6
- 239000003507 refrigerant Substances 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000009413 insulation Methods 0.000 description 9
- 238000010521 absorption reaction Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 239000002360 explosive Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 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
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013070 change management Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D29/00—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2600/00—Control issues
- F25D2600/02—Timing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2600/00—Control issues
- F25D2600/06—Controlling according to a predetermined profile
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2700/00—Means for sensing or measuring; Sensors therefor
- F25D2700/12—Sensors measuring the inside temperature
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Devices That Are Associated With Refrigeration Equipment (AREA)
Abstract
本发明公开了一种港口冷藏集装箱负荷的多层温度协同控制方法及装置,基于预测货物到港量、预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型,建立并根据日前-日内运行优化控制策略、实时调整控制策略、通讯故障应急控制策略和传感器故障应急控制策略;对港口冷藏集装箱负荷进行多层温度协同控制。一方面通过日前-日内运行优化控制策略和实时调整控制策略合理安排制冷剂装箱的制冷机出力功率,合理安排购电时间,降低用电成本从而提升经济效益;另一方面通过通讯故障应急控制策略和传感器故障应急控制策略大大降低因通讯中断和温度感应故障引发集装箱制冷能力下降的概率,减少经济损失。
Description
技术领域
本发明涉及综合能源系统规划的技术领域,特别是涉及一种港口冷藏集装箱负荷的多层温度协同控制方法及装置。
背景技术
一般情况下,电力供电系统主要由发电厂,电力网变电站和用户三个要素构成的系统;但是由于港口自身的独特性,使得其供电系统有所不同;港口占地面积大,用电负荷比较分散,对于供电可靠性要求高。港口供电系统一般主要由:地区电力网,降压变电站,港区配电线路,前沿变电所,低压配电系统几个部分构成。至于港口用电负荷等级,根据实际情况的不同,可以将其划分为A级或者B级别,划分与港口的规模,港口的性质,区域的电力供应情况有着很大的关联;且在冷藏集装箱港口的建设方面,须关注到天气、安全和码头作业、以及将来扩建和维修的问题。
而港口由于交通枢纽的特殊地理位置,每天来往商船客流量非常庞大,港口用电时段非常密集,对于港口来说,电力的稳定、安全、经济供给是电力调度部门和港口运营商需要极度重视的问题。而港口货物贸易运输过程中,最常见的货物存储装置便是冷藏集装箱,传统的冷藏集装箱并不进行温度控制,往往是采用压缩式制冷机集中供冷,电能浪费现象严重,而且到港集装箱的短期爆发式供冷,会对港口电力系统造成较大的冲击,不利于电力系统的稳定性和安全性,因此,非常有必要对冷藏集装箱进行温控管理。
发明内容
本发明要解决的技术问题是:提供一种港口冷藏集装箱负荷的多层温度协同控制方法及装置,通过对冷藏集装箱的温控管理,减缓电能浪费现象,降低爆发式供冷对港口电力系统造成的冲击,提高电力系统的稳定性与安全性。
为了解决上述技术问题,本发明提供了一种港口冷藏集装箱负荷的多层温度协同控制方法,包括:
获取并根据港口历史货物数据、历史航运数据、实时航运数据,港口历史气象数据和实时气象预报数据,对货物到港量、货物离港量、港口气象数据、港口负荷、港口用电量、新能源输出功率进行预测,得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型;
根据所述预测货物到港量、所述预测货物离港量、所述预测港口气象数据、所述预测港口负荷、所述预测港口用电量、所述预测新能源输出功率和所述集装箱热力模型,分别建立日前-日内运行优化控制策略、实时调整控制策略、通讯故障应急控制策略和传感器故障应急控制策略;
根据所述日前-日内运行优化控制策略、所述实时调整控制策略、所述通讯故障应急控制策略和所述传感器故障应急控制策略,对港口冷藏集装箱负荷进行多层温度协同控制。
在一种可能的实现方式中,获取并根据港口历史货物数据、历史航运数据、实时航运数据,港口历史气象数据和实时气象预报数据,对货物到港量、货物离港量、港口气象数据、港口负荷、港口用电量、新能源输出功率进行预测,得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型,具体包括:
将所述港口历史货物数据、所述历史航运数据、所述港口历史气象数据输入到预训练神经网络模型中,以使所述预训练神经网络模型输出港口历史货物数据、历史航运数据和港口历史气象数据之间的趋势外推关系式;
将所述实时航运数据和所述实时气象预报数据输入到所述趋势外推关系式中,计算得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型。
在一种可能的实现方式中,所述日前-日内运行优化控制策略,具体包括:
根据所述港口历史货物数据、所述实时航运数据以及装卸车辆到港数据,对到港冷藏集装箱数量、到港冷藏集装箱规格与到港冷藏集装箱温度等级进行日前24小时预测,得到预测到港冷藏集装箱数量、预测到港冷藏集装箱规格与预测到港冷藏集装箱温度等级;
根据所述港口历史气象数据和所述实时气象预报数据,对未来一天的光照、风能与温度数据进行预测,得到预测光照、预测风能和预测温度数据;
同时对未来一天的港口负荷、港口用电量、新能源输出功率进行预测,得到预测港口负荷、预测港口用电量、预测新能源输出功率;
根据所述预测到港冷藏集装箱数量、所述预测到港冷藏集装箱规格、所述预测到港冷藏集装箱温度等级、所述预测光照、所述预测风能、所述预测温度数据、所述预测港口负荷、所述预测港口用电量、所述预测新能源输出功率,生成未来一天的日前运行优化方案;
对所述日前运行优化方案设置日内滚动步长和滚动窗口步长,基于所述日内滚动步长和所述滚动窗口步长,对港口集装箱进行滚动优化。
在一种可能的实现方式中,所述实时调整控制策略,具体包括:
对所述日前运行优化方案中的实时优化时刻点设置实时优化时间步长;
判断是否存在误点冷藏集装箱,若是,则在所述误点冷藏集装箱到港后,在当前实时优化时刻点的所述实时优化时间步长内对所述误点冷藏集装箱进行单独的温控方法优化;
并在下一实时优化时刻点来临时,判断所述误点冷藏集装箱是否离港,若否,则根据日前运行优化方案,对所述误点冷藏集装箱进行温控滚动优化控制。
在一种可能的实现方式中,所述通讯故障应急控制策略,具体包括:
获取当前电价的高低,同时基于集装箱热力模型获取当前冷藏集装箱内温度的高低;
将所述当前冷藏集装箱内温度的高低和所述当前电价的高低作为模糊语言输入变量,以冷藏集装箱制冷系统的启停状态作为模糊语言输出变量,对所述藏集装箱制冷系统的启停时间进行模糊逻辑控制。
在一种可能的实现方式中,所述传感器故障应急控制策略,具体包括:
当检测到冷藏集装箱内的传感器存在异常状况时,控制软硬双重看门狗对港口电力控制系统进行重启,并对所述传感器进行初始化处理;
重新检测所述传感器是否还存在异常状况,若是,则判断所述传感器失效,并以传感器失效前最后时刻各个冷藏集装箱温度值为优先级,分别对各个冷藏集装箱分配电功率,若否,则退出传感器故障应急控制策略。
在一种可能的实现方式中,所述传感器故障应急控制策略,还包括:
对冷藏集装箱下发控制指令,并实时接收传感器反馈的传感器数据,对所述传感器数据进行分析,当所述传感器数据满足任一条传感器故障应急控制策略时,判断所述冷藏集装箱调度异常,并执行传感器故障应急控制策略,其中,所述传感器故障应急控制策略分别为:
1)电力控制系统下发降低冷藏集装箱制冷功率指令,传感器检测反馈冷藏集装箱升温变化不明显;
2)电力控制系统下发增加冷藏集装箱制冷功率指令,传感器却始终反馈高温警戒信号;
3)传感器反馈信号剧烈波动;
4)传感器反馈信号越限,或者格式错误。
本发明实施例还提供了一种港口冷藏集装箱负荷的多层温度协同控制装置,包括:数据预测模块、控制策略建立模块和多层温度协同控制模块;
其中,所述数据预测模块,用于获取并根据港口历史货物数据、历史航运数据、实时航运数据,港口历史气象数据和实时气象预报数据,对货物到港量、货物离港量、港口气象数据、港口负荷、港口用电量、新能源输出功率进行预测,得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型;
所述控制策略建立模块,用于根据所述预测货物到港量、所述预测货物离港量、所述预测港口气象数据、所述预测港口负荷、所述预测港口用电量、所述预测新能源输出功率和所述集装箱热力模型,分别建立日前-日内运行优化控制策略、实时调整控制策略、通讯故障应急控制策略和传感器故障应急控制策略;
所述多层温度协同控制模块,用于根据所述日前-日内运行优化控制策略、所述实时调整控制策略、所述通讯故障应急控制策略和所述传感器故障应急控制策略,对港口冷藏集装箱负荷进行多层温度协同控制。
在一种可能的实现方式中,所述数据预测模块,用于获取并根据港口历史货物数据、历史航运数据、实时航运数据,港口历史气象数据和实时气象预报数据,对货物到港量、货物离港量、港口气象数据、港口负荷、港口用电量、新能源输出功率进行预测,得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型,具体包括:
将所述港口历史货物数据、所述历史航运数据、所述港口历史气象数据输入到预训练神经网络模型中,以使所述预训练神经网络模型输出港口历史货物数据、历史航运数据和港口历史气象数据之间的趋势外推关系式;
将所述实时航运数据和所述实时气象预报数据输入到所述趋势外推关系式中,计算得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型。
在一种可能的实现方式中,所述控制策略建立模块中的所述日前-日内运行优化控制策略,具体包括:
根据所述港口历史货物数据、所述实时航运数据以及装卸车辆到港数据,对到港冷藏集装箱数量、到港冷藏集装箱规格与到港冷藏集装箱温度等级进行日前24小时预测,得到预测到港冷藏集装箱数量、预测到港冷藏集装箱规格与预测到港冷藏集装箱温度等级;
根据所述港口历史气象数据和所述实时气象预报数据,对未来一天的光照、风能与温度数据进行预测,得到预测光照、预测风能和预测温度数据;
同时对未来一天的港口负荷、港口用电量、新能源输出功率进行预测,得到预测港口负荷、预测港口用电量、预测新能源输出功率;
根据所述预测到港冷藏集装箱数量、所述预测到港冷藏集装箱规格、所述预测到港冷藏集装箱温度等级、所述预测光照、所述预测风能、所述预测温度数据、所述预测港口负荷、所述预测港口用电量、所述预测新能源输出功率,生成未来一天的日前运行优化方案;
对所述日前运行优化方案设置日内滚动步长和滚动窗口步长,基于所述日内滚动步长和所述滚动窗口步长,对港口集装箱进行滚动优化。
在一种可能的实现方式中,所述控制策略建立模块中的所述实时调整控制策略,具体包括:
对所述日前运行优化方案中的实时优化时刻点设置实时优化时间步长;
判断是否存在误点冷藏集装箱,若是,则在所述误点冷藏集装箱到港后,在所述当前实时优化时刻点的所述实时优化时间步长内对所述误点冷藏集装箱进行单独的温控方法优化;
并在下一实时优化时刻点来临时,判断所述误点冷藏集装箱是否离港,若否,则根据日前运行优化方案,对所述误点冷藏集装箱进行温控滚动优化控制。
在一种可能的实现方式中,所述控制策略建立模块中的所述通讯故障应急控制策略,具体包括:
获取当前电价的高低,同时基于集装箱热力模型获取当前冷藏集装箱内温度的高低;
将所述当前冷藏集装箱内温度的高低和所述当前电价的高低作为模糊语言输入变量,以冷藏集装箱制冷系统的启停状态作为模糊语言输出变量,对所述藏集装箱制冷系统的启停时间进行模糊逻辑控制。
在一种可能的实现方式中,所述控制策略建立模块中的所述传感器故障应急控制策略,具体包括:
当检测到冷藏集装箱内的传感器存在异常状况时,控制软硬双重看门狗对港口电力控制系统进行重启,并对所述传感器进行初始化处理;
重新检测所述传感器是否还存在异常状况,若是,则判断所述传感器失效,并以传感器失效前最后时刻各个冷藏集装箱温度值为优先级,分别对各个冷藏集装箱分配电功率,若否,则退出传感器故障应急控制策略。
在一种可能的实现方式中,所述控制策略建立模块,还包括:对冷藏集装箱下发控制指令,并实时接收传感器反馈的传感器数据,对所述传感器数据进行分析,当所述传感器数据满足任一条传感器故障应急控制策略时,判断所述冷藏集装箱调度异常,并执行传感器故障应急控制策略,其中,所述传感器故障应急控制策略分别为:
1)电力控制系统下发降低冷藏集装箱制冷功率指令,传感器检测反馈冷藏集装箱升温变化不明显;
2)电力控制系统下发增加冷藏集装箱制冷功率指令,传感器却始终反馈高温警戒信号;
3)传感器反馈信号剧烈波动;
4)传感器反馈信号越限,或者格式错误。
本发明实施例还提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述任意一项所述的港口冷藏集装箱负荷的多层温度协同控制方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的港口冷藏集装箱负荷的多层温度协同控制方法。
本发明实施例一种港口冷藏集装箱负荷的多层温度协同控制方法及装置,与现有技术相比,具有如下有益效果:
基于预测货物到港量、预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型,建立并根据日前-日内运行优化控制策略、实时调整控制策略、通讯故障应急控制策略和传感器故障应急控制策略;对港口冷藏集装箱负荷进行多层温度协同控制。一方面通过日前-日内运行优化控制策略和实时调整控制策略合理安排制冷剂装箱的制冷机出力功率,合理安排购电时间,降低用电成本从而提升经济效益;另一方面通过通讯故障应急控制策略和传感器故障应急控制策略大大降低因通讯中断和温度感应故障引发集装箱制冷能力下降的概率,减少经济损失,同时降低爆发式供冷对港口电力系统造成的冲击,提高电力系统的稳定性与安全性。
附图说明
图1是本发明提供的一种港口冷藏集装箱负荷的多层温度协同控制方法的一种实施例的流程示意图;
图2是本发明提供的一种港口冷藏集装箱负荷的多层温度协同控制装置的一种实施例的结构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作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
参见图1,图1是本发明提供的一种港口冷藏集装箱负荷的多层温度协同控制方法的一种实施例的流程示意图,如图1所示,该方法包括步骤101-步骤103,具体如下:
步骤101:获取并根据港口历史货物数据、历史航运数据、实时航运数据,港口历史气象数据和实时气象预报数据,对货物到港量、货物离港量、港口气象数据、港口负荷、港口用电量、新能源输出功率进行预测,得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型。
一实施例中,由于冷藏集装箱进出海港的方式分为海路与陆路,海路进出港口的方式为船舶,陆路进出港口的方式为车辆装运。冷藏集装箱到港量隶属于经济预测的范畴,冷藏集装箱到港量预测是基于对港口吞吐量及其相关影响因素的分析,掌握其变化规律,并利用一定模型对吞吐量未来值进行预测。
一实施例中,将所述港口历史货物数据、所述历史航运数据、所述港口历史气象数据输入到预训练神经网络模型中,以使所述预训练神经网络模型输出港口历史货物数据、历史航运数据和港口历史气象数据之间的趋势外推关系式;将所述实时航运数据和所述实时气象预报数据输入到所述趋势外推关系式中,计算得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型;其中,所述港口历史货物数据包括冷藏集装箱规格,冷藏集装箱温度等级以及冷藏集装箱在港时间。
一实施例中,冷藏集装箱的散热特性与外部温度息息相关,因此冷藏集装箱冷藏设备的日前调度须考虑温度对冷藏集装箱的影响。港口综合能源系统有大量新能源设备接入,风能设备的出力与风速相关,光伏设备直接与光照强度有关。通过预测未来一段时间的港口气象数据可以预测得到未来一段时间内的预测港口负荷、预测港口用电量、预测新能源输出功率。
一实施例中,获取并根据港口历史货物数据、实时航运数据,港口历史气象数据和实时气象预报数据,对货物到港量、货物离港量、港口气象数据进行预测;具体的,将所述港口历史货物数据、所述实时航运数据、所述港口历史气象数据输入到预训练神经网络模型中,以使所述预训练神经网络模型输出所述预测货物到港量、所述预测货物离港量和所述预测港口气象数据;基于所述实时航运数据与所述预测港口气象数据,得到所述预测港口货物数据,其中,所述预测港口货物数据包括冷藏集装箱数量、冷藏集装箱规格,冷藏集装箱温度等级,以及冷藏集装箱在港时间。
一实施例中,集装箱热力模型包括箱体隔热壁传热模型、太阳辐射换热模型、集装箱热平衡模型和压缩制冷机模型;基于集装箱热力模型能求出冷藏集装箱的耗能需求。
在箱体隔热壁传热模型中,隔热壁的传热系数K,是指箱内外空气温度相差1℃时,在1小时内,通过一平方米隔热壁表面积所传递的热量;它可以表示出箱体隔热壁允许热量通过的能力;K值愈大,在同样的传热面积与箱内外温差的情况下,通过的热量就越多,隔热性能就愈差。
太阳辐射换热模型中,当太阳辐射能以电磁波的形式传到隔热壁外表面时,由于隔热结构不透明,因此一部分被反射,一部分被吸收。隔热壁表面对太阳辐射能的吸收能力用吸收系数表示,材料表面粗糙程度越大,吸收系数越大;表面颜色越深,吸收系数亦越大。
集装箱热平衡模型中,影响冷藏集装箱内部热量的主要因素有:箱体上敷设的一定厚度的隔热材料的热传递A,太阳能热辐射B以及制备设备的制冷功率C。
压缩制冷机模型中为了实现冷藏集装箱能够长时间冷冻、冷藏、除湿、化霜、加热等功能,集装箱内必须配备制冷系统;其中,压缩制冷机为系统核心,压缩机从吸气管吸入低温低压的制冷剂气体,通过电机运转带动活塞对其进行压缩后,向排气管排出高温高压的制冷剂气体,为制冷循环提供动力,从而实现压缩→冷凝→膨胀→蒸发吸热的制冷循环。
步骤102:根据所述预测货物到港量、所述预测货物离港量、所述预测港口气象数据、所述预测港口负荷、所述预测港口用电量、所述预测新能源输出功率和所述集装箱热力模型,分别建立日前-日内运行优化控制策略、实时调整控制策略、通讯故障应急控制策略和传感器故障应急控制策略。
一实施例中,对于建立日前-日内运行优化控制策略;具体的,在日前优化阶段,根据所述港口历史货物数据、所述实时航运数据以及装卸车辆到港数据,对到港冷藏集装箱数量、到港冷藏集装箱规格与到港冷藏集装箱温度等级进行日前24小时预测,得到预测到港冷藏集装箱数量、预测到港冷藏集装箱规格与预测到港冷藏集装箱温度等级;根据所述港口历史气象数据和所述实时气象预报数据,对未来一天的光照、风能与温度数据进行预测,得到预测光照、预测风能和预测温度数据;同时对未来一天的港口负荷、港口用电量、新能源输出功率进行预测,得到预测港口负荷、预测港口用电量、预测新能源输出功率;根据所述预测到港冷藏集装箱数量、所述预测到港冷藏集装箱规格、所述预测到港冷藏集装箱温度等级、所述预测光照、所述预测风能、所述预测温度数据、所述预测港口负荷、所述预测港口用电量、所述预测新能源输出功率,生成未来一天的日前运行优化方案。在日内优化阶段,对所述日前运行优化方案设置日内滚动步长和滚动窗口步长,基于所述日内滚动步长和所述滚动窗口步长,对港口集装箱进行滚动优化。
优选的,在日内优化阶段,考虑到日前对所述到港冷藏集装箱数量、所述预测到港冷藏集装箱规格、所述预测到港冷藏集装箱温度等级、所述预测光照、所述预测风能、所述预测温度数据、所述预测港口负荷、所述预测港口用电量和所述预测新能源输出功率与日内实际值存在一定的偏差,同时,考虑到日内电价的波动性,为了提高控制方法的准确度与经济性,根据港口实际工程运行情况,选定合适的日内滚动步长和滚动窗口长度,对港口集装箱进行滚动优化,获得较短时间尺度的优化控制方法,在每次滚动优化结束后,下一个实时优化时刻点的集装箱优化控制方法才会被采用;其中,设置所述日内滚动步长为1小时,设置滚动窗口长度为8小时。
作为本实施例中的一种距离说明:在实时优化时刻点t时,对接下去N个实时优化时刻点进行冷藏集装箱的温控优化控制,只有第一个实时优化时刻的优化控制方法S(t)会被采用,其余N-1实时优化时刻的方法均不采用。当窗口运行到t+1实时优化时刻后,根据t+1实时优化时刻更新的电价和集装箱内部温度,重复优化控制操作,从而完成滚动冷藏集装箱的温控滚动优化控制。
一实施例中,对冷藏集装箱进行优控制的目标是合理安排制冷集装箱的制冷机出力功率,实现港口集装箱业务运营成本的最小化,同时保证制冷集装箱的优良制冷效果。
一实施例中,由于在日内优化时,冷藏集装箱的到港时刻可能与预测到港时刻存在一定偏差,如某超低温冷藏集装箱预定早上8点到港,实际却是8点15分达到,而如果日内日滚动优化的预设步长为1小时,那么在8点15分至9点的这个时间段内,则需要对该集装箱的温控采用不同于日内滚动的控制方法,对误点冷藏集装箱进行实时的精准温度调整控制,即对误点冷藏集装箱实施实时调整控制策略。
一实施例中,对于建立实时调整控制策略;具体的,对所述日前运行优化方案中的实时优化时刻点设置实时优化时间步长;判断是否存在误点冷藏集装箱,若是,则在所述误点冷藏集装箱到港后,在所述当前实时优化时刻点的所述实时优化时间步长内对所述误点冷藏集装箱进行单独的温控方法优化;并在下一实时优化时刻点来临时,判断所述误点冷藏集装箱是否离港,若否,则根据日前运行优化方案,对所述误点冷藏集装箱进行温控滚动优化控制。
作为本实施例中的一种举例说明:采用分布式的控制方法对集装箱进行实时的优化调整,设置实时优化时间步长为15分钟,当误点集装箱到港时,接入集中控制单元后,在实时优化时间段内对该误点集装箱进行单独的温控方法优化,而当下一个实时优化时刻点,即日内滚动时刻点来临时,如果该误点冷藏集装箱未离港,则加入日内滚动优化进行集中控制。
一实施例中,对于建立通讯故障应急控制策略;具体的,获取当前电价的高低,同时基于集装箱热力模型获取当前冷藏集装箱内温度的高低;将所述当前冷藏集装箱内温度的高低和所述当前电价的高低作为模糊语言输入变量,以冷藏集装箱制冷系统的启停状态作为模糊语言输出变量,对所述藏集装箱制冷系统的启停时间进行模糊逻辑控制。
一实施例中,建立的通讯故障应急控制策略是针对冷藏集装箱与控制中心发生通讯故障的控制方法,是指由于通信故障,冷藏集装箱无法接收控制中心的调度命令,因此在这种情况下,需对故障冷藏集装箱的嵌入式系统设置通讯故障应急控制策略,以使嵌入式系统基于通讯故障应急控制策略实现对故障冷藏集装箱温度的控制,同时使用电成本最小。
一实施例中,通讯故障应急控制策略中对故障冷藏集装箱的控制原则为在电价相对较低时,尽可能使制冷系统启动,而电价较高时,则满足温度控制要求即可。
优选的,为尽可能避免多个冷藏集装箱的制冷系统同时启动对电网带来的冲击,当嵌入式系统作出启动制冷系统的决策后,须经过一定时间长度的延迟后启动制冷系统。在嵌入式系统中产生随机数,根据随机数的大小来决定延时的长短。这样,便可尽量避免多个冷藏集装箱制冷系统的同时启动,从而减小对电网造成的冲击。
具体的,当模糊语言输出变量为启动制冷系统,获取冷藏集装箱对应的随机数,根据所述随机数,对所述冷藏集装箱进行延时启动。
一实施例中,建立的传感器故障应急控制策略是针对冷藏集装箱传感器、通信线缆与集中控制装置等受日照暴晒等影响,有可能会发生传感器信息采集、传输与读取过程以及控制程序产生异常的情况。
一实施例中,建立所述传感器故障应急控制策略;具体的,当检测到冷藏集装箱内的传感器存在异常状况时,控制软硬双重看门狗对港口电力控制系统进行重启,并对所述传感器进行初始化处理;重新检测所述传感器是否还存在异常状况,若是,则判断所述传感器失效,并以传感器失效前最后时刻各个冷藏集装箱温度值为优先级,分别对各个冷藏集装箱分配电功率,若否,则退出传感器故障应急控制策略。
具体的,通过软硬件双重看门狗重启系统,重新采集多组数据,判断是否仍然出现异常状况,若是,则关闭传感器,进入应急控制状态,并对所有进入应急状态的冷藏集装箱,按传感器失效前最后时刻的温度值从大到小的顺序进行排列,生成一个队列,每一个周期调整队列最前方的压缩机的制冷量至额定,并将其移动至队列末尾,计算功率累加值,若超过最大允许功率,则关闭队列从前往后第一台处于额定运行状态的压缩机。
一实施例中,港口电力控制系统通过对冷藏集装箱下发控制指令,并实时接收传感器反馈的传感器数据,对所述传感器数据进行分析,当所述传感器数据满足任一条传感器故障应急控制策略时,判断所述冷藏集装箱调度异常,并执行传感器故障应急控制策略,其中,所述传感器故障应急控制策略分别为:
1)电力控制系统下发降低冷藏集装箱制冷功率指令,传感器检测反馈冷藏集装箱升温变化不明显;
2)电力控制系统下发增加冷藏集装箱制冷功率指令,传感器却始终反馈高温警戒信号;
3)传感器反馈信号剧烈波动;
4)传感器反馈信号越限,或者格式错误。
步骤103:根据所述日前-日内运行优化控制策略、所述实时调整控制策略、所述通讯故障应急控制策略和所述传感器故障应急控制策略,对港口冷藏集装箱负荷进行多层温度协同控制。
一实施例中,采用所述日前-日内运行优化控制策略和所述实时调整控制策略相结合对港口冷藏集装箱负荷进行多层温度协同控制,能有效避免尖峰用电,有利于维护电网的稳定运行,提高电网运行的安全性;采用所述通讯故障应急控制策略应对冷藏集装箱温控通讯设备故障的情况,虽然由于通信故障,冷藏集装箱无法接收控制中心的调度命令,因此无法执行集中控制,但此时可利用故障集装箱自身的嵌入式系统来实现分布式控制,根据当前箱内温度和电价进行压缩机的控制,不仅可维持箱内温度在允许范围内,还可兼顾经济性,降低用电成本;同时,传感器故障应急控制策略可以在应急状态下保证冷藏集装箱货物的存储安全,在保证港口岸电系统稳定的情况下实现经济效益的最大化。
实施例2
参见图2,图2是本发明提供的一种港口冷藏集装箱负荷的多层温度协同控制装置的一种实施例的结构示意图,如图2所示,该装置包括数据预测模块201、控制策略建立模块202和多层温度协同控制模块203,具体如下:
所述数据预测模块201,用于获取并根据港口历史货物数据、历史航运数据、实时航运数据,港口历史气象数据和实时气象预报数据,对货物到港量、货物离港量、港口气象数据、港口负荷、港口用电量、新能源输出功率进行预测,得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型。
所述控制策略建立模块202,用于根据所述预测货物到港量、所述预测货物离港量、所述预测港口气象数据、所述预测港口负荷、所述预测港口用电量、所述预测新能源输出功率和所述集装箱热力模型,分别建立日前-日内运行优化控制策略、实时调整控制策略、通讯故障应急控制策略和传感器故障应急控制策略。
所述多层温度协同控制模块203,用于根据所述日前-日内运行优化控制策略、所述实时调整控制策略、所述通讯故障应急控制策略和所述传感器故障应急控制策略,对港口冷藏集装箱负荷进行多层温度协同控制。
一实施例中,所述数据预测模块,用于获取并根据港口历史货物数据、历史航运数据、实时航运数据,港口历史气象数据和实时气象预报数据,对货物到港量、货物离港量、港口气象数据、港口负荷、港口用电量、新能源输出功率进行预测,得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型;具体的,将所述港口历史货物数据、所述历史航运数据、所述港口历史气象数据输入到预训练神经网络模型中,以使所述预训练神经网络模型输出港口历史货物数据、历史航运数据和港口历史气象数据之间的趋势外推关系式;将所述实时航运数据和所述实时气象预报数据输入到所述趋势外推关系式中,计算得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型。
一实施例中,所述控制策略建立模块中的所述日前-日内运行优化控制策略;具体的,根据所述港口历史货物数据、所述实时航运数据以及装卸车辆到港数据,对到港冷藏集装箱数量、到港冷藏集装箱规格与到港冷藏集装箱温度等级进行日前24小时预测,得到预测到港冷藏集装箱数量、预测到港冷藏集装箱规格与预测到港冷藏集装箱温度等级;根据所述港口历史气象数据和所述实时气象预报数据,对未来一天的光照、风能与温度数据进行预测,得到预测光照、预测风能和预测温度数据;同时对未来一天的港口负荷、港口用电量、新能源输出功率进行预测,得到预测港口负荷、预测港口用电量、预测新能源输出功率;根据所述预测到港冷藏集装箱数量、所述预测到港冷藏集装箱规格、所述预测到港冷藏集装箱温度等级、所述预测光照、所述预测风能、所述预测温度数据、所述预测港口负荷、所述预测港口用电量、所述预测新能源输出功率,生成未来一天的日前运行优化方案;对所述日前运行优化方案设置日内滚动步长和滚动窗口步长,基于所述日内滚动步长和所述滚动窗口步长,对港口集装箱进行滚动优化。
一实施例中,所述控制策略建立模块中的所述实时调整控制策略;具体的,对所述日前运行优化方案中的实时优化时刻点设置实时优化时间步长;判断是否存在误点冷藏集装箱,若是,则在所述误点冷藏集装箱到港后,在所述当前实时优化时刻点的所述实时优化时间步长内对所述误点冷藏集装箱进行单独的温控方法优化;并在下一实时优化时刻点来临时,判断所述误点冷藏集装箱是否离港,若否,则根据日前运行优化方案,对所述误点冷藏集装箱进行温控滚动优化控制。
一实施例中,所述控制策略建立模块中的所述通讯故障应急控制策略;具体的,获取当前电价的高低,同时基于集装箱热力模型获取当前冷藏集装箱内温度的高低;将所述当前冷藏集装箱内温度的高低和所述当前电价的高低作为模糊语言输入变量,以冷藏集装箱制冷系统的启停状态作为模糊语言输出变量,对所述藏集装箱制冷系统的启停时间进行模糊逻辑控制。
一实施例中,所述控制策略建立模块中的所述传感器故障应急控制策略;具体的,当检测到冷藏集装箱内的传感器存在异常状况时,控制软硬双重看门狗对港口电力控制系统进行重启,并对所述传感器进行初始化处理;重新检测所述传感器是否还存在异常状况,若是,则判断所述传感器失效,并以传感器失效前最后时刻各个冷藏集装箱温度值为优先级,分别对各个冷藏集装箱分配电功率,若否,则退出传感器故障应急控制策略。
一实施例中,所述控制策略建立模块,还包括:对冷藏集装箱下发控制指令,并实时接收传感器反馈的传感器数据,对所述传感器数据进行分析,当所述传感器数据满足任一条传感器故障应急控制策略时,判断所述冷藏集装箱调度异常,并执行传感器故障应急控制策略,其中,所述传感器故障应急控制策略分别为:
1)电力控制系统下发降低冷藏集装箱制冷功率指令,传感器检测反馈冷藏集装箱升温变化不明显;
2)电力控制系统下发增加冷藏集装箱制冷功率指令,传感器却始终反馈高温警戒信号;
3)传感器反馈信号剧烈波动;
4)传感器反馈信号越限,或者格式错误。
所属领域的技术人员可以清楚的了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不在赘述。
需要说明的是,上述港口冷藏集装箱负荷的多层温度协同控制装置的实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
在上述的港口冷藏集装箱负荷的多层温度协同控制方法的实施例的基础上,本发明另一实施例提供了一种港口冷藏集装箱负荷的多层温度协同控制终端设备,该港口冷藏集装箱负荷的多层温度协同控制终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时,实现本发明任意一实施例的港口冷藏集装箱负荷的多层温度协同控制方法。
示例性的,在这一实施例中所述计算机程序可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述港口冷藏集装箱负荷的多层温度协同控制终端设备中的执行过程。
所述港口冷藏集装箱负荷的多层温度协同控制终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述港口冷藏集装箱负荷的多层温度协同控制终端设备可包括,但不仅限于,处理器、存储器。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述港口冷藏集装箱负荷的多层温度协同控制终端设备的控制中心,利用各种接口和线路连接整个港口冷藏集装箱负荷的多层温度协同控制终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述港口冷藏集装箱负荷的多层温度协同控制终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在上述港口冷藏集装箱负荷的多层温度协同控制方法的实施例的基础上,本发明另一实施例提供了一种存储介质,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时,控制所述存储介质所在的设备执行本发明任意一实施例的港口冷藏集装箱负荷的多层温度协同控制方法。
在这一实施例中,上述存储介质为计算机可读存储介质,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
综上,本发明提供的一种港口冷藏集装箱负荷的多层温度协同控制方法及装置,基于预测货物到港量、预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型,建立并根据日前-日内运行优化控制策略、实时调整控制策略、通讯故障应急控制策略和传感器故障应急控制策略;对港口冷藏集装箱负荷进行多层温度协同控制。一方面通过日前-日内运行优化控制策略和实时调整控制策略合理安排制冷剂装箱的制冷机出力功率,合理安排购电时间,降低用电成本从而提升经济效益;另一方面通过通讯故障应急控制策略和传感器故障应急控制策略大大降低因通讯中断和温度感应故障引发集装箱制冷能力下降的概率,减少经济损失,同时降低爆发式供冷对港口电力系统造成的冲击,提高电力系统的稳定性与安全性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (10)
1.一种港口冷藏集装箱负荷的多层温度协同控制方法,其特征在于,包括:
获取并根据港口历史货物数据、历史航运数据、实时航运数据,港口历史气象数据和实时气象预报数据,对货物到港量、货物离港量、港口气象数据、港口负荷、港口用电量、新能源输出功率进行预测,得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型;
根据所述预测货物到港量、所述预测货物离港量、所述预测港口气象数据、所述预测港口负荷、所述预测港口用电量、所述预测新能源输出功率和所述集装箱热力模型,分别建立日前-日内运行优化控制策略、实时调整控制策略、通讯故障应急控制策略和传感器故障应急控制策略;
根据所述日前-日内运行优化控制策略、所述实时调整控制策略、所述通讯故障应急控制策略和所述传感器故障应急控制策略,对港口冷藏集装箱负荷进行多层温度协同控制。
2.如权利要求1所述的一种港口冷藏集装箱负荷的多层温度协同控制方法,其特征在于,获取并根据港口历史货物数据、历史航运数据、实时航运数据,港口历史气象数据和实时气象预报数据,对货物到港量、货物离港量、港口气象数据、港口负荷、港口用电量、新能源输出功率进行预测,得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型,具体包括:
将所述港口历史货物数据、所述历史航运数据、所述港口历史气象数据输入到预训练神经网络模型中,以使所述预训练神经网络模型输出港口历史货物数据、历史航运数据和港口历史气象数据之间的趋势外推关系式;
将所述实时航运数据和所述实时气象预报数据输入到所述趋势外推关系式中,计算得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型。
3.如权利要求1所述的一种港口冷藏集装箱负荷的多层温度协同控制方法,其特征在于,所述日前-日内运行优化控制策略,具体包括:
根据所述港口历史货物数据、所述实时航运数据以及装卸车辆到港数据,对到港冷藏集装箱数量、到港冷藏集装箱规格与到港冷藏集装箱温度等级进行日前24小时预测,得到预测到港冷藏集装箱数量、预测到港冷藏集装箱规格与预测到港冷藏集装箱温度等级;
根据所述港口历史气象数据和所述实时气象预报数据,对未来一天的光照、风能与温度数据进行预测,得到预测光照、预测风能和预测温度数据;
同时对未来一天的港口负荷、港口用电量、新能源输出功率进行预测,得到预测港口负荷、预测港口用电量、预测新能源输出功率;
根据所述预测到港冷藏集装箱数量、所述预测到港冷藏集装箱规格、所述预测到港冷藏集装箱温度等级、所述预测光照、所述预测风能、所述预测温度数据、所述预测港口负荷、所述预测港口用电量、所述预测新能源输出功率,生成未来一天的日前运行优化方案;
对所述日前运行优化方案设置日内滚动步长和滚动窗口步长,基于所述日内滚动步长和所述滚动窗口步长,对港口集装箱进行滚动优化。
4.如权利要求3所述的一种港口冷藏集装箱负荷的多层温度协同控制方法,其特征在于,所述实时调整控制策略,具体包括:
对所述日前运行优化方案中的实时优化时刻点设置实时优化时间步长;
判断是否存在误点冷藏集装箱,若是,则在所述误点冷藏集装箱到港后,在当前实时优化时刻点的所述实时优化时间步长内对所述误点冷藏集装箱进行单独的温控方法优化;
并在下一实时优化时刻点来临时,判断所述误点冷藏集装箱是否离港,若否,则根据日前运行优化方案,对所述误点冷藏集装箱进行温控滚动优化控制。
5.如权利要求1所述的一种港口冷藏集装箱负荷的多层温度协同控制方法,其特征在于,所述通讯故障应急控制策略,具体包括:
获取当前电价的高低,同时基于集装箱热力模型获取当前冷藏集装箱内温度的高低;
将所述当前冷藏集装箱内温度的高低和所述当前电价的高低作为模糊语言输入变量,以冷藏集装箱制冷系统的启停状态作为模糊语言输出变量,对所述藏集装箱制冷系统的启停时间进行模糊逻辑控制。
6.如权利要求1所述的一种港口冷藏集装箱负荷的多层温度协同控制方法,其特征在于,所述传感器故障应急控制策略,具体包括:
当检测到冷藏集装箱内的传感器存在异常状况时,控制软硬双重看门狗对港口电力控制系统进行重启,并对所述传感器进行初始化处理;
重新检测所述传感器是否还存在异常状况,若是,则判断所述传感器失效,并以传感器失效前最后时刻各个冷藏集装箱温度值为优先级,分别对各个冷藏集装箱分配电功率,若否,则退出传感器故障应急控制策略。
7.如权利要求6所述的一种港口冷藏集装箱负荷的多层温度协同控制方法,其特征在于,所述传感器故障应急控制策略,还包括:
对冷藏集装箱下发控制指令,并实时接收传感器反馈的传感器数据,对所述传感器数据进行分析,当所述传感器数据满足任一条传感器故障应急控制策略时,判断所述冷藏集装箱调度异常,并执行传感器故障应急控制策略,其中,所述传感器故障应急控制策略分别为:
1)电力控制系统下发降低冷藏集装箱制冷功率指令,传感器检测反馈冷藏集装箱升温变化不明显;
2)电力控制系统下发增加冷藏集装箱制冷功率指令,传感器却始终反馈高温警戒信号;
3)传感器反馈信号剧烈波动;
4)传感器反馈信号越限,或者格式错误。
8.一种港口冷藏集装箱负荷的多层温度协同控制装置,其特征在于,包括:数据预测模块、控制策略建立模块和多层温度协同控制模块;
其中,所述数据预测模块,用于获取并根据港口历史货物数据、历史航运数据、实时航运数据,港口历史气象数据和实时气象预报数据,对货物到港量、货物离港量、港口气象数据、港口负荷、港口用电量、新能源输出功率进行预测,得到预测货物到港量和预测货物离港量、预测港口气象数据、预测港口负荷、预测港口用电量、预测新能源输出功率和集装箱热力模型;
所述控制策略建立模块,用于根据所述预测货物到港量、所述预测货物离港量、所述预测港口气象数据、所述预测港口负荷、所述预测港口用电量、所述预测新能源输出功率和所述集装箱热力模型,分别建立日前-日内运行优化控制策略、实时调整控制策略、通讯故障应急控制策略和传感器故障应急控制策略;
所述多层温度协同控制模块,用于根据所述日前-日内运行优化控制策略、所述实时调整控制策略、所述通讯故障应急控制策略和所述传感器故障应急控制策略,对港口冷藏集装箱负荷进行多层温度协同控制。
9.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的港口冷藏集装箱负荷的多层温度协同控制方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的港口冷藏集装箱负荷的多层温度协同控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210926122.8A CN115289777B (zh) | 2022-08-02 | 2022-08-02 | 一种港口冷藏集装箱负荷的多层温度协同控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210926122.8A CN115289777B (zh) | 2022-08-02 | 2022-08-02 | 一种港口冷藏集装箱负荷的多层温度协同控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115289777A true CN115289777A (zh) | 2022-11-04 |
CN115289777B CN115289777B (zh) | 2023-11-14 |
Family
ID=83826936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210926122.8A Active CN115289777B (zh) | 2022-08-02 | 2022-08-02 | 一种港口冷藏集装箱负荷的多层温度协同控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115289777B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015028072A1 (en) * | 2013-08-29 | 2015-03-05 | A.P. Møller - Mærsk A/S | A computer-implemented method of monitoring the operation of a cargo shipping reefer container |
CN105353611A (zh) * | 2015-10-27 | 2016-02-24 | 广州中国科学院沈阳自动化研究所分所 | 面向冷藏集装箱船的制冷功率平衡控制方法及其控制系统 |
WO2016139364A1 (en) * | 2015-03-04 | 2016-09-09 | Maersk Line A/S | Method and system for reefer container evaluation |
CN110311371A (zh) * | 2019-06-28 | 2019-10-08 | 天津大学 | 一种基于虚拟储能的光伏冷库系统及其负荷主动调控方法 |
CN114204557A (zh) * | 2021-12-13 | 2022-03-18 | 广东电网有限责任公司 | 一种港口冷藏集装箱用电负荷的协同控制方法 |
-
2022
- 2022-08-02 CN CN202210926122.8A patent/CN115289777B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015028072A1 (en) * | 2013-08-29 | 2015-03-05 | A.P. Møller - Mærsk A/S | A computer-implemented method of monitoring the operation of a cargo shipping reefer container |
WO2016139364A1 (en) * | 2015-03-04 | 2016-09-09 | Maersk Line A/S | Method and system for reefer container evaluation |
CN105353611A (zh) * | 2015-10-27 | 2016-02-24 | 广州中国科学院沈阳自动化研究所分所 | 面向冷藏集装箱船的制冷功率平衡控制方法及其控制系统 |
CN110311371A (zh) * | 2019-06-28 | 2019-10-08 | 天津大学 | 一种基于虚拟储能的光伏冷库系统及其负荷主动调控方法 |
CN114204557A (zh) * | 2021-12-13 | 2022-03-18 | 广东电网有限责任公司 | 一种港口冷藏集装箱用电负荷的协同控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115289777B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10635056B2 (en) | Model and control virtual power plant performance | |
Papavasiliou et al. | Supplying renewable energy to deferrable loads: Algorithms and economic analysis | |
US10050447B2 (en) | Multi-farm wind power generation system | |
US10352973B2 (en) | Method of computer-assisted determination of the usage of electrical energy produced by a power generation plant, particularly a renewable power generation plant | |
CN110224444B (zh) | 一种海岛微电网多时间尺度协调控制方法 | |
CA3030490A1 (en) | Intelligent energy management system for distributed energy resources and energy storage systems using machine learning | |
CN101021914A (zh) | 暖通空调负荷预测方法和系统 | |
CN104969437A (zh) | 用于能量分配的系统和方法 | |
US10411475B2 (en) | Cloud-based control for power distribution system | |
CN103093288A (zh) | 基于气象信息的分区电网母线负荷预测系统 | |
CN105353611A (zh) | 面向冷藏集装箱船的制冷功率平衡控制方法及其控制系统 | |
CN116526468B (zh) | 考虑多类型备用辅助服务的高比例可再生能源电力系统优化调度方法 | |
EP3396476B1 (en) | Predictive generator system | |
CN114204557B (zh) | 一种港口冷藏集装箱用电负荷的协同控制方法 | |
CN112001523A (zh) | 考虑多种储能的综合能源多尺度优化调度控制方法及系统 | |
JP2014165950A (ja) | エネルギー管理システム、及びエネルギー管理方法 | |
US20230068308A1 (en) | Multi-layer architecture for control of distributed energy resources | |
CN115289777B (zh) | 一种港口冷藏集装箱负荷的多层温度协同控制方法及装置 | |
CN102918733B (zh) | 用于对生产过程调节生产流程计划的方法和装置 | |
CN111884240B (zh) | 一种带有大容量水储能装置的分布式能源站优化运行方法 | |
Moslemi et al. | A machine learning based demand charge management solution | |
CN116993062A (zh) | 一种水蓄冷空调系统的两阶段优化调度方法 | |
CN116131297A (zh) | 一种面向新能源消纳的源网荷储省地协同调控方法及系统 | |
AU2021319600A1 (en) | Energy control system, method and device, and electronic equipment | |
US20160328809A1 (en) | Method and device for the provision of aggregate offers of electrical energy |
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 |