CN115907350B - 一种建筑综合能源系统的能量管理方法及系统 - Google Patents
一种建筑综合能源系统的能量管理方法及系统 Download PDFInfo
- Publication number
- CN115907350B CN115907350B CN202211379866.9A CN202211379866A CN115907350B CN 115907350 B CN115907350 B CN 115907350B CN 202211379866 A CN202211379866 A CN 202211379866A CN 115907350 B CN115907350 B CN 115907350B
- Authority
- CN
- China
- Prior art keywords
- building
- personnel
- energy
- model
- satisfaction
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 76
- 230000033001 locomotion Effects 0.000 claims abstract description 78
- 230000009471 action Effects 0.000 claims abstract description 70
- 238000005265 energy consumption Methods 0.000 claims abstract description 49
- 230000007613 environmental effect Effects 0.000 claims abstract description 49
- 238000004088 simulation Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 13
- 239000007789 gas Substances 0.000 claims description 47
- 230000005611 electricity Effects 0.000 claims description 30
- 230000004044 response Effects 0.000 claims description 26
- 238000005338 heat storage Methods 0.000 claims description 24
- 238000004146 energy storage Methods 0.000 claims description 21
- 238000005057 refrigeration Methods 0.000 claims description 17
- 239000002918 waste heat Substances 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 11
- 238000001816 cooling Methods 0.000 claims description 10
- 238000010248 power generation Methods 0.000 claims description 10
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 19
- 230000006399 behavior Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 239000003344 environmental pollutant Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明提供一种建筑综合能源系统的能量管理方法及系统，属于能源管理领域，能量管理方法包括：基于人员移动参数及建筑信息，采用马尔可夫链进行离散随机过程模拟，确定人员移动模型；基于人员动作参数、环境信息及人员移动模型确定人员动作模型；基于人员移动模型、人员动作模型及建筑物信息，确定调度周期内各时刻建筑物内制冷设备的总用电功率、用能满意度及环境满意度；以用能满意度与环境满意度之和最大为目标建立满意度模型，并求解得到建筑物内的冷负荷需求量；基于建筑物内的冷负荷需求量，以综合能源系统的综合成本最低为目标建立能源管理模型，并求解得到建筑物内各综合能源设备的出力，提高了能源利用率。
Description
技术领域
本发明涉及能源管理领域，特别是涉及一种计及需求响应的建筑综合能源系统的能量管理方法及系统。
背景技术
随着世界范围内化石能源的快速消耗及其对环境和气候的影响日益严重，对能源进行综合管理和优化得到了快速发展和广泛利用。综合能源系统在不同类型能源系统交互的机制下，作为缓解环境问题和能源危机的途径己经普遍得到全世界的认可。在全球总能耗中建筑用能不可忽视，建筑楼宇的多种能源需求不断增长；同时建筑功能的多元化发展使建筑内各种用能设备之间的联系越来越紧密，因此对建筑级区域综合能源系统也提出了综合化、系统化的能源管理需求。
光伏系统、冷热电联供系统、蓄电池和热能储存系统等技术已被用于各种类型的建筑楼宇。这些集成在建筑物中的能源系统与包括空调系统、热水供应系统、照明系统及办公设备的建筑能耗系统共同组成了建筑级综合能源系统。
建筑级区域综合能源系统与其他综合能源系统相比具有其特殊性。一方面，具有能源结构不合理、易增大电网侧负荷峰谷差的特点；另一方面，建筑楼宇内的用能设备灵活多样，具有巨大的节能潜力。其中人行为对建筑能耗具有十分显著的影响，也是造成建筑能耗不确定性的关键因素。已有相关研究致力于通过实测建立事件或环境相关的人行为模型，但是在能耗模拟中因为人员行为差异造成不同建筑能耗估计，简单固定作息方式不能灵活、准确地刻画人员行为。因此人行为在综合能源系统研究中还需要进一步发展，以提高能源利用率。
发明内容
本发明的目的是提供一种建筑综合能源系统的能量管理方法及系统，可提高能源利用率。
为实现上述目的，本发明提供了如下方案：
一种建筑综合能源系统的能量管理方法，所述建筑综合能源系统包括多个综合能源设备，多个综合能源设备包括产能设备、储能设备、燃气锅炉及制冷设备，所述建筑综合能源系统的能量管理方法包括：
获取设定时段内建筑物内的人员信息、建筑信息及环境信息；所述人员信息包括人员移动参数及人员动作参数；所述人员移动参数包括各人员所在房间停留比例和停留时间；所述人员动作参数包括各人员开关窗户、开关制冷设备的频率；
基于所述人员移动参数及所述建筑信息，采用马尔可夫链进行离散随机过程模拟，确定人员移动模型；所述人员移动模型包括所述建筑物每个房间内全年各时刻的人数；
基于所述人员动作参数、所述环境信息及所述人员移动模型，确定人员动作模型；所述人员动作模型包括所述建筑物每个房间内全年各时刻人员操控制冷设备的概率；
基于所述人员移动模型、所述人员动作模型及所述建筑物信息，确定调度周期内各时刻建筑物内制冷设备的总用电功率、用能满意度及环境满意度；
以调度周期内各时刻建筑物内制冷设备的总用电功率与所述用能满意度的乘积，以及调度周期内各时刻建筑物内制冷设备的总用电功率与环境满意度的乘积之和最大为目标，以建筑物内各制冷设备的功率上下限、建筑物室内温度上下限、用能满意度上下限及环境满意度上下限为约束，建立满意度模型；
对所述满意度模型求解，以确定所述建筑物内的冷负荷需求量；
基于所述建筑物内的冷负荷需求量，以综合能源系统的综合成本最低为目标，以建筑物内各综合能能源设备的功率上下限为约束，建立能源管理模型；
对所述能源管理模型求解，以确定所述建筑物内各综合能源设备的出力。
可选地，基于所述人员移动模型、所述人员动作模型及所述建筑物信息，确定调度周期内各时刻建筑物内制冷设备的总用电功率、用能满意度及环境满意度，具体包括：
基于所述人员移动模型及所述人员动作模型，确定调度周期内各时刻建筑物内制冷设备的总用电功率、调度周期内各时刻人员需求响应前的用能费用及调度周期内的平均用能费用；
根据所述调度周期内各时刻人员需求响应前的用能费用及所述调度周期内的平均用能费用，确定用能满意度；
基于所述人员移动模型及所述人员动作模型，根据所述建筑物信息，确定调度周期内各时刻的建筑室温；所述建筑信息包括外墙的传热系数、外窗的传热系数、外墙的面积、外窗的面积、外墙的数量、外窗的数量、外墙的吸收系数、外墙的热阻、外窗的透射系数、外窗的遮光系数、建筑内热密度、单位热容量和空气量；
根据所述调度周期内各时刻的建筑室温，确定调度周期内各时刻的温度偏移值；
根据所述调度周期内各时刻的温度偏移值，确定环境满意度。
可选地，所述用能费用包括用电费用及用气费用；所述平均用能费用包括平均用电费用及平均用气费用；
采用以下公式，确定用能满意度：
其中，C2为用能满意度，T为调度周期，为t时刻不受电价影响的用电费用，/>为t时刻不受气价影响的用气费用，/>为调度周期内t时刻人员需求响应前的用电费用，为调度周期内t时刻人员需求响应前的用气费用，/>为调度周期内的平均用电费用，/>为调度周期内的平均用气费用。
可选地，采用以下公式，确定调度周期内t时刻的温度偏移值：
其中，dt为调度周期内t时刻的温度偏移值，Tin,t为调度周期内t时刻的建筑室温，Tcoin为预设最舒适温度，Tin,max为建筑室温最大值，Tin,min为建筑室温最小值。
可选地，采用以下公式，确定环境满意度：
其中，C1为环境满意度，T为调度周期，dt为t时刻的温度偏移值。
可选地，所述满意度模型的目标函数为：
maxR＝α'C1(Q′t)+β'C2(Q′t)；
其中，R为满意度模型的目标函数值，α'为环境满意度权值，β'为用能满意度权值，α'+β'＝1，C1为环境满意度，C2为用能满意度，Q′t为调度周期内t时刻建筑物内制冷设备的总用电功率。
可选地，所述能源管理模型的目标函数为：
其中，f为能源管理模型的目标函数值，Ccost,t为t时刻综合能源系统的综合成本，为t时刻的购电成本，/>为t时刻的购气成本，COM,t为t时刻综合能源系统的运维成本，CP,t为t时刻的环境成本。
可选地，所述产能设备包括光伏发电设备、燃气轮机及余热锅炉，所述储能设备包括电储能设备及储热罐，所述制冷设备包括空调及制冷机；
所述能源管理模型的约束条件包括：外部网络交换约束、光伏发电设备运行约束、空调运行约束、燃气轮机运行约束、余热锅炉运行约束、制冷机运行约束、燃气锅炉运行约束、电储能设备运行约束、储热罐运行约束、电平衡约束、热平衡约束及冷平衡约束。
可选地，采用YALMIP工具箱对所述满意度模型求解，以确定所述建筑物内的冷负荷需求量；
采用非支配排序遗传算法对所述能源管理模型求解，以确定所述建筑物内各综合能源设备的出力。
为实现上述目的，本发明还提供了如下方案：
一种建筑综合能源系统的能量管理系统，包括：
数据获取单元，用于获取设定时段内建筑物内的人员信息、建筑信息及环境信息；所述人员信息包括人员移动参数及人员动作参数；所述人员移动参数包括各人员所在房间停留比例和停留时间；所述人员动作参数包括各人员开关窗户、开关制冷设备的频率；
移动模拟单元，与所述数据获取单元连接，用于基于所述人员移动参数及所述建筑信息，采用马尔可夫链进行离散随机过程模拟，确定人员移动模型；所述人员移动模型包括所述建筑物每个房间内全年各时刻的人数；
动作模拟单元，分别与所述数据获取单元及所述移动模拟单元连接，用于基于所述人员动作参数、所述环境信息及所述人员移动模型，确定人员动作模型；所述人员动作模型包括所述建筑物每个房间内全年各时刻人员操控制冷设备的概率；
满意度确定单元，分别与所述数据获取单元、所述移动模拟单元及所述动作模拟单元连接，用于基于所述人员移动模型、所述人员动作模型及所述建筑物信息，确定调度周期内各时刻建筑物内制冷设备的总用电功率、用能满意度及环境满意度；
满意度模型建立单元，与所述满意度确定单元连接，用于以调度周期内各时刻建筑物内制冷设备的总用电功率与所述用能满意度的乘积，以及调度周期内各时刻建筑物内制冷设备的总用电功率与环境满意度的乘积之和最大为目标，以建筑物内各制冷设备的功率上下限、建筑物室内温度上下限、用能满意度上下限及环境满意度上下限为约束，建立满意度模型；
负荷确定单元，与所述满意度模型建立单元连接，用于对所述满意度模型求解，以确定所述建筑物内的冷负荷需求量；
能源管理模型建立单元，与所述负荷确定单元连接，用于基于所述建筑物内的冷负荷需求量，以综合能源系统的综合成本最低为目标，以建筑物内各综合能能源设备的功率上下限为约束，建立能源管理模型；
出力确定单元，与所述能源管理模型建立单元连接，用于对所述能源管理模型求解，以确定所述建筑物内各综合能源设备的出力。
根据本发明提供的具体实施例，本发明公开了以下技术效果：基于人员移动参数及建筑信息，采用马尔可夫链进行离散随机过程模拟，确定人员移动模型；再基于人员动作参数、环境信息及人员移动模型，确定人员动作模型；基于人员移动模型、人员动作模型及建筑物信息，确定调度周期内各时刻建筑物内制冷设备的总用电功率、用能满意度及环境满意度，以调度周期内各时刻建筑物内制冷设备的总用电功率与用能满意度的乘积，以及调度周期内各时刻建筑物内制冷设备的总用电功率与环境满意度的乘积之和最大为目标，建立满意度模型，并求解，以确定建筑物内的冷负荷需求量，然后基于建筑物内的冷负荷需求量，以综合能源系统的综合成本最低为目标，以建筑物内各综合能能源设备的功率上下限为约束，建立能源管理模型，并求解，以确定所述建筑物内各综合能源设备的出力。从人行为对综合能源系统的负荷影响的角度，考虑了综合能源系统的需求响应，通过对建筑内各种能源系统的能源管理，提高了能源利用率、降低了建筑能源的运行成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明建筑综合能源系统的能量管理方法的流程图；
图2为本发明建筑综合能源系统的能量管理方法的整体示意图；
图3为建筑物的示意图；
图4为本发明建筑综合能源系统的能量管理系统的示意图。
符号说明：
数据获取单元-1，移动模拟单元-2，动作模拟单元-3，满意度确定单元-4，满意度模型建立单元-5，负荷确定单元-6，能源管理模型建立单元-7，出力确定单元-8。
具体实施方式
下面将结合本发明实施例中的附图，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。
在已有的办公建筑综合能源系统分析中，往往更多关注设备系统等物理因素对能源消耗的影响。在研究方法方面，能耗数据调查分析与建筑模型模拟则代表了两种不同研究思路。前者可以综合考虑多种影响因素的作用，而后者一般将居住者自身因素排除在外，主要关注建筑本身的能耗规律。本发明重点关注环境、设备(物理因素)与用户用能行为对办公建筑系统用能产生的影响，同时描述的用户用能行为与实际情形相符，且扩展性较佳。
本发明在建筑级综合能源系统研究的基础上，引入电力需求侧响应技术。需求响应是智能电网的核心技术之一，能够有效抑制可再生能源发电随机波动，缓解系统调度负荷负担，促进节能减排。除了通过合理地协调利用负荷资源、分布式发电资源和储能资源，引导用户参与入网调度进行削峰填谷的问题引起众多学者的关注。楼宇空调作为典型负荷需求响应资源，利用所属建筑环境具备储热或冷能力，能够在特定时间内将电能转化为热能或冷能进行存储，并且在一定温度范围内对人体无明显影响，因此，可参与电网调度，并获取补偿收益。建筑楼宇综合能源系统通过参与需求响应项目，加强与电网侧信息的交互，实现建筑用电行为的优化。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
建筑综合能源系统包括多个综合能源设备，多个综合能源设备包括产能设备、储能设备、燃气锅炉及制冷设备。产能设备包括光伏发电设备、燃气轮机及余热锅炉，储能设备包括电储能设备及储热罐，制冷设备包括空调及制冷机。
作为一种具体地实施方式，综合能源系统由光伏系统、CCHP(Combined CoolingHeating and Power，冷热电联产)系统(燃气轮机，余热锅炉，制冷机)、燃气锅炉、蓄电系统、蓄热系统、空调系统、热水供应系统、照明系统及办公设备的建筑能耗系统等组成。CCHP机组、燃气锅炉、空调等多种能源转换类型的设备能够根据不同能源的供需情况，进行电、热、冷之间的能量转换，来提高系统经济性、灵活性和运行效率。
如图1和图2所示，实施例提供的建筑综合能源系统的能量管理方法包括：
S1：获取设定时段内建筑物内的人员信息、建筑信息及环境信息。
人员信息包括人员移动参数及人员动作参数。人员移动参数包括各人员所在房间停留比例和停留时间。人员动作参数包括各人员开关窗户、开关制冷设备的频率。作为一种具体地实施方式，人员信息还包括人员类型，人员移动参数包括每个类型的人员所在房间停留比例和停留时间，人员动作参数包括每个类型的人员开关窗户、开关空调、采暖设备、照明设备的习惯。
建筑信息包括建筑房屋结构、外墙的传热系数、外窗的传热系数、外墙的面积、外窗的面积、外墙的数量、外窗的数量、外墙的吸收系数、外墙的热阻、外窗的透射系数、外窗的遮光系数、建筑内热密度、单位热容量和空气量。
环境参数包括室外温度预测值和太阳辐射预测值。
S2：基于所述人员移动参数及所述建筑信息，采用马尔可夫链进行离散随机过程模拟，确定人员移动模型。所述人员移动模型包括所述建筑物每个房间内全年各时刻的人数。
人行为的不确定、随机、多样的基本特征可以由人员移动模型与人员动作模型定量描述。人员位移计算是采用基于马尔可夫链的离散随机过程模型。具体地，以人员所在房间位置为随机变量，以建筑物内所有房间及外界为状态空间(即人员移动范围)，通过用马尔可夫链状态序列的形式进行位移刻画与模拟计算，最终生成每个房间的全年逐时刻的室内人数。
设n+1为房间数量(含室外)，Xt为马尔可夫链的随机状态变量，表示在t时刻的人员所在房间位置，Pt为马尔可夫链的转移概率矩阵，见式(1)；人员t+1时刻的房间位置Xt+1模型见式(2)。
其中，pij表示在房间i的人员下一时刻转移到房间j的概率。
人员移动模型描述包含：建筑、环境、人员、时间信息，每个房间的全年逐时刻的室内人数(马尔可夫链)，事件及参数(如：上班、工作、午休、会议、下班等，以及相应的事件名称、作用时段、特征参数)等。人员移动模型作为能耗模拟和人员动作模拟的输入参数。
S3：基于所述人员动作参数、所述环境信息及所述人员移动模型，确定人员动作模型。所述人员动作模型包括所述建筑物每个房间内全年各时刻人员操控制冷设备的概率。
人员对设备的控制动作计算，采用了一套条件触发的控制动作概率模型，计算出每个时刻人员操控设备的概率。人员动作的发生具有不确定性和随机性，某些动作的发生，如开窗、开关空调等，明显受温度、电价等环境条件影响，与环境因素密切相关。当环境参数处于人的舒适域时，人不会产生动作；而当环境参数偏离人的舒适域(高于或低于某一水平)时，形成对人体的有效刺激，人就会产生某种动作。例如，感觉暗了开灯、热了开空调等等。环境参数与舒适域的偏离程度越大，对人的刺激强度就越大，人通过改变设备状态来调节环境、改善舒适度的需求就越强，相关动作发生的可能性越高，例如，温度越高，开空调制冷的可能性越高。环境参数的变化是连续的，对人动作的影响也是渐进累积的，不包含突变过程，例如，随着亮度的降低，开灯的可能性是逐渐增大的，而不会发生跳跃。本发明主要考虑办公型建筑中的瞬时驱动事件和环境参数两个影响因素，其数学模型如下。
1、由瞬时事件引发的动作：采用引发动作的概率值pz描述，P＝pz；
2、受连续变化因素影响的动作：
(1)受建筑环境参数(如：温度)影响的，采用“三参数”概率函数描述，见式(3)。
其中，P为动作发生的概率，x为环境变量，u为门槛，表示从某处开始具有发生动作的可能性，L为规模，表示环境刺激的比例范围，k为斜率，表示动作随环境变化的敏感性，c为事件附加参数，表示该事件相对于环境因素的影响效果，Δt为时间步长。
(2)受社会环境(如：电价)影响的动作，采用满意度模型反映。
使用者对于用能满意度C2由参加需求响应前后用能费用变化量 决定，电价高时减小空调出力可提高人的用能满意度，/>为t时刻不受电价影响的用电费用，/>为t时刻不受电价影响的用气费用，如式(4)所示。
其中，C2为用能满意度，T为调度周期，为调度周期内t时刻人员需求响应前的用电费用，/>为调度周期内t时刻人员需求响应前的用气费用，/>为调度周期内的平均用电费用，/>为调度周期内的平均用气费用。
综合人行为作息，公式(1)-(4)，考虑人员需求响应优化后可得出建筑系统能耗，即而为系统能量管理提供各负荷需求量。
S4：基于所述人员移动模型、所述人员动作模型及所述建筑物信息，确定调度周期内各时刻建筑物内制冷设备的总用电功率、用能满意度及环境满意度。
对于公共建筑的能量管理系统，存在人流量分布不均匀、随时间变化性大、随节日变化浪费，故可将人行为作为节能优化控制考虑因素之一。建筑环境(温度等)和社会环境(电价等)对人行为产生影响进而影响建筑内空调等设备的运行状态，最终对能源管理系统的负荷大小产生了影响。通过开关空调各种不同类型人行为模拟，如从不开(关)/一直开(关)/热(冷)时开/进门时开(离开时关)/睡时开(关)/电价低时开(电价高时关)等，挖掘人行为与建筑环境和社会环境对建筑楼宇能源管理的互动潜力。
进一步地，步骤S4具体包括：
S41：基于所述人员移动模型及所述人员动作模型，确定调度周期内各时刻建筑物内制冷设备的总用电功率、调度周期内各时刻人员需求响应前的用能费用及调度周期内的平均用能费用。
S42：根据所述调度周期内各时刻人员需求响应前的用能费用及所述调度周期内的平均用能费用，确定用能满意度。
具体地，用能费用包括用电费用及用气费用。平均用能费用包括平均用电费用及平均用气费用。
S43：基于所述人员移动模型及所述人员动作模型，根据所述建筑物信息，确定调度周期内各时刻的建筑室温。
使用者主要通过调整制冷设备状态参加需求响应，假设其他设备保持不变，因此体现室内温度变化的主要为t时刻综合能源系统所需向房间供应的冷量Qt，通过热平衡方程反映当前功耗和温度对未来温度的影响，见式(5)-(12)，得到调度周期内各时刻的建筑室温。
其中，Qwall,t为t时刻建筑外壁与室外空气的热传导功率，Qwin,t为t时刻建筑外窗与室外空气的热传导功率，βwall为建筑外墙的传热系数，βwin为建筑外窗的传热系数，Awall,b为建筑第b个外墙的面积，Awin,r为建筑第r个外窗的面积，Tout,t为t时刻建筑外温，Tin,t为t时刻建筑室温，B为不同朝向外墙的数量，R为不同朝向外窗的数量。
其中，Qswall,t为t时刻太阳对建筑外壁的热辐射功率，Qswin,t为t时刻太阳对建筑外窗的热辐射功率，γwall,b为建筑第b个外墙的吸收系数，Rwall,b为建筑第b个外墙的热阻，γwin,r为建筑第r个外窗的透射系数，Rwin,r为建筑第r个外窗的遮光系数，Id为从不同方向(东、西、南、北)的太阳辐射，D＝{North,East,West,South}。如图3所示为建筑物的示意图。
ρCV(Tin,t+1-Tin,t)＝Δt(Qwall,t+Qwin,t+Qswall,t+Qswin,t+Qin,t-γQ′t) (9)
其中，ρ为建筑内热密度，C为单位热容量，V为空气量，Tin,t为t时刻建筑室温，Tin,t+1为t+1时刻建筑室温，Qin,t为t时刻室内其他设备及人员的散热功率，γ为系统热效率(制热时为正，制冷时为负)。
由上式推出下一时刻温度的计算公式(10)，其中，第一项为代表初始时刻温度的影响，第二项模拟了传热和系统制热，α为环境的第一热特性参数，β为环境的第二热特性参数，由公式(9)中的参数推算得出。
其中，Awall为建筑外墙的总面积，Awin为建筑外窗的总面积。
S44：根据所述调度周期内各时刻的建筑室温，确定调度周期内各时刻的温度偏移值。负荷的变化量越大，即用户调整行为越多，用户用能方式满意度水平越低，见公式(13)-(15)。
具体地，采用以下公式，确定调度周期内t时刻的温度偏移值：
其中，dt为调度周期内t时刻的温度偏移值，Tin,t为调度周期内t时刻的建筑室温，Tcoin为预设最舒适温度，Tin,max为建筑室温最大值，Tin,min为建筑室温最小值。
S45：根据所述调度周期内各时刻的温度偏移值，确定环境满意度。
具体地，采用以下公式，确定环境满意度：
其中，C1为环境满意度，T为调度周期，dt为t时刻的温度偏移值。
S5：以调度周期内各时刻建筑物内制冷设备的总用电功率与所述用能满意度的乘积，以及调度周期内各时刻建筑物内制冷设备的总用电功率与环境满意度的乘积之和最大为目标，以建筑物内各制冷设备的功率上下限、建筑物室内温度上下限、用能满意度上下限及环境满意度上下限为约束，建立满意度模型。
人的综合满意度R为环境满意度与用能满意度的加权平均值，例如夏季中午负荷高峰时，同时室温也较高，增加供冷量会提高环境满意度，但用能增加导致用能满意度下降。具体地，满意度模型的目标函数为：
maxR＝α'C1(Q′t)+β'C2(Q′t) (15)
α'+β'＝1 (16)
其中，α'为环境满意度权值，β'为用能满意度权值，α'和β'的大小由建筑不同使用者对两者的重视程度设定，因此采用模糊描述方法(A、B代表C1或C2)，具体计算时根据用户的主观因素赋值[A,B]，如表1。
表1采用模糊描述方法对权值赋值
满意度模型的约束条件为：
(1)室内温度约束：
Tin,min≤Tin,t≤Tin,max (17)
其中，Tin,min为室内温度下限，Tin,max为室内温度上限。
(2)制冷功率约束：
其中，Qv,min为第v个制冷设备的功率下限，Qv,max为第v个制冷设备的功率上限，V为制冷设备的数量。
(3)用户满意度约束(环境满意度约束、用能满意度约束)：
C1,min≤C1≤C1,max (19)
C2,min≤C2≤C2,max (20)
其中，C2,max为用能满意度上限，C2,min为用能满意度下限，C1,max为温度满意度上限，C2,min为温度满意度下限。
本发明综合考虑环境满意度与用能满意度，提出了一种考虑了社会环境因素的人员作息描述方式。
S6：对所述满意度模型求解，以确定所述建筑物内的冷负荷需求量。在本实施例中，采用YALMIP工具箱对所述满意度模型求解，以确定所述建筑物内的冷负荷需求量。
需求响应模型是一个以经济效益和体感为目标的优化数学模型。考虑到模型及其解的特点，选择DeSTLauncher计算人员移动和动作的离散过程，最后的满意度模型采用用YALMIP工具箱求解。
根据本发明所建立的建筑级区域综合能源系统的能量管理模型，需求响应负荷优化模型的人行为作息模拟中，人员移动的马氏链模型为离散随机过程模型，人员动作模型则通过人员动作、设备状态与环境状态三个序列实施交替迭代计算，也是一离散过程，最后通过需求响应的满意度模型输出系统各类负荷需求量，待求解的是一个非线性优化问题。根据人行为模型的特点，通过调用DeST Launcher并结合YALMIP建模，调用工具箱求解得出各类负荷情况。YALMIP是MATLAB的一个工具箱，其中模型和算法是分离的，可以根据用户需要的求解类型自动选择合适的求解器。无需为每个算法建立相应的模型。
本发明采用了多种建筑用能人行为移动与动作的描述模型，更加准确的对建筑中人员用能行为进行定量描述。
S7：基于所述建筑物内的冷负荷需求量，以综合能源系统的综合成本最低为目标，以建筑物内各综合能能源设备的功率上下限为约束，建立能源管理模型。
建筑级综合能源系统的能源管理目标是系统在正常运行约束下，合理安排各设备的运行出力使得综合能源系统的综合成本最低，包括建筑从系统外部购电、购气的成本、运行维护成本和污染物处理成本，能源管理模型的目标函数为：
其中，f为能源管理模型的目标函数值，Ccost,t为t时刻综合能源系统的综合成本，为t时刻的购电成本，/>为t时刻的购气成本，COM,t为t时刻综合能源系统的运维成本，CP,t为t时刻的环境成本。
采用以下公式确定t时刻的购电成本
采用以下公式确定t时刻的购气成本
其中，T为调度周期，为t时刻的实时电价，/>为t时刻的实时气价，为t时刻的向电网的购电功率(若售电则符号为负)，/>为t时刻的向气网的购气功率，Δt为计算时间步长。
采用以下公式确定t时刻综合能源系统的运维成本COM,t：
其中，为第o种综合能源设备的单位运行成本，Po,t为t时刻第o种综合能源设备的出力，O为综合能源设备的总数。
采用以下公式确定t时刻的环境成本CP,t：
其中，Py,t为t时刻第y种排放源的功率，wy,m为第y种排放源的污染物m的排放系数，δm为污染物m的排放水平，M为污染物的总数，Y为排放源的总数。
能源管理模型的约束条件包括：外部网络交换约束、光伏发电设备运行约束、空调运行约束、燃气轮机运行约束、余热锅炉运行约束、制冷机运行约束、燃气锅炉运行约束、电储能设备运行约束、储热罐运行约束、电平衡约束、热平衡约束及冷平衡约束。
具体地，外部网络交换约束为：
其中，为建筑与电网购电或售电的上限，/>为建筑与电网购电或售电的下限，/>为建筑与气网购气功率的上限，/>为建筑与气网购气功率的下限。/>为t时刻的向电网的购电功率(若售电则符号为负)，/>为t时刻的向气网的购气功率。
光伏发电设备运行约束为：
PPV.min≤PPV.t≤PPV.max (28)
其中，PPV,t为t时刻光伏发电设备的输出功率，PPV.min为光伏发电设备的输出功率最小值，PPV.max为光伏发电设备的输出功率最大值。
空调运行约束为：
QAC,min≤QAC,t≤QAC,max (29)
其中，QAC,t为t时刻空调的输出功率，QAC,min为空调的输出功率最小值，QAC,max为空调的输出功率最大值。
燃气轮机运行约束为：
PGT,min≤PGT,t≤PGT,max (30)
HGT,min≤HGT,t≤HGT,max (31)
其中，PGT,t为t时刻燃气轮机的输出电功率，HGT,t为t时刻燃气轮机的输出热功率，PGT,min为燃气轮机的输出电功率最小值，PGT,max为燃气轮机的输出电功率最大值，HGT,min为t时刻燃气轮机的输出热功率最小值，HGT,max为t时刻燃气轮机的输出热功率最大值。
余热锅炉运行约束为：
HHRB,min≤HHRB,t≤HHRB,max (32)
其中，HHRB,t为t时刻余热锅炉的输出功率，HHRB,min为余热锅炉的输出功率最小值，HHRB,max为余热锅炉的输出功率最大值。
制冷机运行约束为：
QLBR,min≤QLBR,t≤QLBR,max (33)
其中，QLBR,t为t时刻制冷机的输出功率，QLBR,min为制冷机的输出功率最小值，QLBR,max为制冷机的输出功率最大值。
燃气锅炉运行约束为：
0≤HGB,t≤HGB,max (34)
ΔHGB,min≤HGB,t-HGB,t-1≤ΔHGB,max (35)
其中，HGB,t为t时刻燃气锅炉的输出功率，HGB,max为燃气锅炉的最大输出功率，ΔHGB,max为燃气锅炉功率变化量的上限，ΔHGB,min为燃气锅炉功率变化量的下限。
电储能设备运行约束为：
/>
SOCmin≤SOC(t)≤SOCmax (38)
其中，为电储能设备的充电功率最小值，/>为电储能设备的充电功率最大值，/>为t时刻电储能设备的充电功率，/>为电储能的放电功率最小值，/>为电储能的放电功率最大值，/>为t时刻电储能设备的放电功率，SOCmin为蓄电池的电量状态的最小值，SOCmax为蓄电池的电量状态的最大值，SOC(t)为t时刻蓄电池的电量状态。
储热罐运行约束为：
0≤ZTES,t≤ZTES,max (40)
ZTES,0＝ZTES,T＝0 (41)
其中，为t时刻储热罐的放热功率，/>为t时刻储热罐的储热功率，为t时刻储热罐储热的最大功率，/>为t时刻储热罐储热的最小功率；为t时刻储热罐的放热的最大功率，/>为t时刻储热罐的放热的最小功率，ZTES,t为t时刻储热罐的容量，ZTES,max为储热罐的最大容量。储热罐在一个调度周期内始末储热量相同。
电平衡约束为：
其中，为t时刻的向电网的购电功率，PPV,t为t时刻光伏发电设备的输出功率，PGT,t为t时刻燃气轮机的输出电功率，PAC,t为t时刻空调的输入电功率，PBT,t为t时刻电储能设备的充放电功率，LE,t为t时刻综合能源系统的电负荷需求量。
热平衡约束为：
QAC,t+QLBR,t-LQ,t＝0 (43)
其中，QAC,t为t时刻空调的输出功率，QLBR.t为t时刻制冷机的输出功率，LQ,t为t时刻综合能源系统的冷负荷需求量。
冷平衡约束为：
HGB,t+HHRB,t-HLBR,t+HTES,t-LH,t＝0 (44)
其中，HGB,t为t时刻燃气锅炉的输出功率，HHRB.t为t时刻余热锅炉的输出功率，HLBR.t为t时刻制冷机的输入功率，为t时刻储热罐的储热功率，LH,t为t时刻综合能源系统的热负荷需求量。
S8：对所述能源管理模型求解，以确定所述建筑物内各综合能源设备的出力。
能源管理模型是典型的多目标混合整数线性规划问题，步骤S6的结构作为负荷输入，在满足各方面约束的基础上，合理调节各综合能源设备出力，做到供需平衡，从而达到环境保护和经济性最优的目标。在本实施例中，采用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对所述能源管理模型求解，从而获得可以得到同时具有经济效益和环境效益的帕累托解集，以确定所述建筑物内各综合能源设备的出力。
在得到Pareto(帕累托)最优解集后，通常决策者需要从中选择出最优折衷解，即有一个决策选择机制。本发明采用模糊隶属度函数分别表示每个Pareto解中各个目标函数对应的满意度，定义模糊隶属度函数为：
其中，μa为第a个子目标函数值，fa为适应度函数值，为适应度函数的上限，为适应度函数的下限。μa＝0表示对某个目标函数值完全不满意；μa＝1表示其完全满意。
对于Pareto解集中每个解，应用下式求解其标准化满意度值，其中满意度值最大的解即为最优折衷解，进而得出综合能源系统的最优方案：
其中，u为标准化满意度最大值，A'为待优化子目标函数的个数。
本发明针对办公型建筑楼宇，从人行为、环境、物理设备的角度出发，提出了一种以考虑经济和环境影响的综合成本为目标的能量管理模型，考虑社会环境、气象环境、建筑结构等因素，使楼宇用户在电网负荷高峰期通过改变供能方式，实现“多能互补”，同时人行为的改变降低建筑能耗从而降低电网供电压力。本发明所构建的模型通过对建筑内各种能源设备的能源管理，可有效节约建筑级综合能源系统运行成本，同时降低电网侧负荷峰谷差。将冷热电联供技术/多种储能形式融入建筑级综合能源系统，提高了能源利用率、挖掘建筑楼宇对电网削峰填谷的互动潜力。
实施例二
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种建筑综合能源系统的能量管理系统。
如图4所示，本实施例提供的建筑综合能源系统的能量管理系统包括：数据获取单元1、移动模拟单元2、动作模拟单元3、满意度确定单元4、满意度模型建立单元5、负荷确定单元6、能源管理模型建立单元7及出力确定单元8。
其中，数据获取单元1用于获取设定时段内建筑物内的人员信息、建筑信息及环境信息。所述人员信息包括人员移动参数及人员动作参数。所述人员移动参数包括各人员所在房间停留比例和停留时间。所述人员动作参数包括各人员开关窗户、开关制冷设备的频率。
移动模拟单元2与所述数据获取单元1连接，移动模拟单元2用于基于所述人员移动参数及所述建筑信息，采用马尔可夫链进行离散随机过程模拟，确定人员移动模型。所述人员移动模型包括所述建筑物每个房间内全年各时刻的人数。
动作模拟单元3分别与所述数据获取单元1及所述移动模拟单元2连接，动作模拟单元3用于基于所述人员动作参数、所述环境信息及所述人员移动模型，确定人员动作模型。所述人员动作模型包括所述建筑物每个房间内全年各时刻人员操控制冷设备的概率。
满意度确定单元4分别与所述数据获取单元1、所述移动模拟单元2及所述动作模拟单元3连接，满意度确定单元4用于基于所述人员移动模型、所述人员动作模型及所述建筑物信息，确定调度周期内各时刻建筑物内制冷设备的总用电功率、用能满意度及环境满意度。
满意度模型建立单元5与所述满意度确定单元4连接，满意度模型建立单元5用于以调度周期内各时刻建筑物内制冷设备的总用电功率与所述用能满意度的乘积，以及调度周期内各时刻建筑物内制冷设备的总用电功率与环境满意度的乘积之和最大为目标，以建筑物内各制冷设备的功率上下限、建筑物室内温度上下限、用能满意度上下限及环境满意度上下限为约束，建立满意度模型。
负荷确定单元6与所述满意度模型建立单元5连接，负荷确定单元6用于对所述满意度模型求解，以确定所述建筑物内的冷负荷需求量。
能源管理模型建立单元7与所述负荷确定单元6连接，能源管理模型建立单元7用于基于所述建筑物内的冷负荷需求量，以综合能源系统的综合成本最低为目标，以建筑物内各综合能能源设备的功率上下限为约束，建立能源管理模型。
出力确定单元8与所述能源管理模型建立单元7连接，出力确定单元8用于对所述能源管理模型求解，以确定所述建筑物内各综合能源设备的出力。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种建筑综合能源系统的能量管理方法，所述建筑综合能源系统包括多个综合能源设备，多个综合能源设备包括产能设备、储能设备、燃气锅炉及制冷设备，其特征在于，所述建筑综合能源系统的能量管理方法包括：
获取设定时段内建筑物内的人员信息、建筑信息及环境信息；所述人员信息包括人员移动参数及人员动作参数；所述人员移动参数包括各人员所在房间停留比例和停留时间；所述人员动作参数包括各人员开关窗户、开关制冷设备的频率；
基于所述人员移动参数及所述建筑信息，采用马尔可夫链进行离散随机过程模拟，确定人员移动模型；所述人员移动模型包括所述建筑物每个房间内全年各时刻的人数；
基于所述人员动作参数、所述环境信息及所述人员移动模型，确定人员动作模型；所述人员动作模型包括所述建筑物每个房间内全年各时刻人员操控制冷设备的概率；
基于所述人员移动模型、所述人员动作模型及所述建筑信息，确定调度周期内各时刻建筑物内制冷设备的总用电功率、用能满意度及环境满意度，具体包括：
基于所述人员移动模型及所述人员动作模型，确定调度周期内各时刻建筑物内制冷设备的总用电功率、调度周期内各时刻人员需求响应前的用能费用及调度周期内的平均用能费用；
根据所述调度周期内各时刻人员需求响应前的用能费用及所述调度周期内的平均用能费用，确定用能满意度；
基于所述人员移动模型及所述人员动作模型，根据所述建筑信息，确定调度周期内各时刻的建筑室温；所述建筑信息包括外墙的传热系数、外窗的传热系数、外墙的面积、外窗的面积、外墙的数量、外窗的数量、外墙的吸收系数、外墙的热阻、外窗的透射系数、外窗的遮光系数、建筑内热密度、单位热容量和空气量；
根据所述调度周期内各时刻的建筑室温，确定调度周期内各时刻的温度偏移值；
根据所述调度周期内各时刻的温度偏移值，确定环境满意度；
以调度周期内各时刻建筑物内制冷设备的总用电功率与所述用能满意度的乘积，以及调度周期内各时刻建筑物内制冷设备的总用电功率与环境满意度的乘积之和最大为目标，以建筑物内各制冷设备的功率上下限、建筑物室内温度上下限、用能满意度上下限及环境满意度上下限为约束，建立满意度模型；
对所述满意度模型求解，以确定所述建筑物内的冷负荷需求量；
基于所述建筑物内的冷负荷需求量，以综合能源系统的综合成本最低为目标，以建筑物内各综合能能源设备的功率上下限为约束，建立能源管理模型；
对所述能源管理模型求解，以确定所述建筑物内各综合能源设备的出力。
2.根据权利要求1所述的建筑综合能源系统的能量管理方法，其特征在于，所述用能费用包括用电费用及用气费用；所述平均用能费用包括平均用电费用及平均用气费用；
采用以下公式，确定用能满意度：
其中，C2为用能满意度，T为调度周期，为t时刻不受电价影响的用电费用，/>为t时刻不受气价影响的用气费用，/>为调度周期内t时刻人员需求响应前的用电费用，/>为调度周期内t时刻人员需求响应前的用气费用，/>为调度周期内的平均用电费用，/>为调度周期内的平均用气费用。
3.根据权利要求1所述的建筑综合能源系统的能量管理方法，其特征在于，采用以下公式，确定调度周期内t时刻的温度偏移值：
其中，dt为调度周期内t时刻的温度偏移值，Tin,t为调度周期内t时刻的建筑室温，Tcoin为预设最舒适温度，Tin,max为建筑室温最大值，Tin,min为建筑室温最小值。
4.根据权利要求1所述的建筑综合能源系统的能量管理方法，其特征在于，采用以下公式，确定环境满意度：
其中，C1为环境满意度，T为调度周期，dt为t时刻的温度偏移值。
5.根据权利要求1所述的建筑综合能源系统的能量管理方法，其特征在于，所述满意度模型的目标函数为：
maxR＝α'C1(Qt′)+β'C2(Qt′)；
其中，R为满意度模型的目标函数值，α'为环境满意度权值，β'为用能满意度权值，α'+β'＝1，C1为环境满意度，C2为用能满意度，Qt′为调度周期内t时刻建筑物内制冷设备的总用电功率。
6.根据权利要求1所述的建筑综合能源系统的能量管理方法，其特征在于，所述能源管理模型的目标函数为：
其中，f为能源管理模型的目标函数值，Ccost,t为t时刻综合能源系统的综合成本，为t时刻的购电成本，/>为t时刻的购气成本，COM,t为t时刻综合能源系统的运维成本，CP,t为t时刻的环境成本。
7.根据权利要求1所述的建筑综合能源系统的能量管理方法，其特征在于，所述产能设备包括光伏发电设备、燃气轮机及余热锅炉，所述储能设备包括电储能设备及储热罐，所述制冷设备包括空调及制冷机；
所述能源管理模型的约束条件包括：外部网络交换约束、光伏发电设备运行约束、空调运行约束、燃气轮机运行约束、余热锅炉运行约束、制冷机运行约束、燃气锅炉运行约束、电储能设备运行约束、储热罐运行约束、电平衡约束、热平衡约束及冷平衡约束。
8.根据权利要求1所述的建筑综合能源系统的能量管理方法，其特征在于，采用YALMIP工具箱对所述满意度模型求解，以确定所述建筑物内的冷负荷需求量；
采用非支配排序遗传算法对所述能源管理模型求解，以确定所述建筑物内各综合能源设备的出力。
9.一种建筑综合能源系统的能量管理系统，其特征在于，所述建筑综合能源系统的能量管理系统包括：
数据获取单元，用于获取设定时段内建筑物内的人员信息、建筑信息及环境信息；所述人员信息包括人员移动参数及人员动作参数；所述人员移动参数包括各人员所在房间停留比例和停留时间；所述人员动作参数包括各人员开关窗户、开关制冷设备的频率；
移动模拟单元，与所述数据获取单元连接，用于基于所述人员移动参数及所述建筑信息，采用马尔可夫链进行离散随机过程模拟，确定人员移动模型；所述人员移动模型包括所述建筑物每个房间内全年各时刻的人数；
动作模拟单元，分别与所述数据获取单元及所述移动模拟单元连接，用于基于所述人员动作参数、所述环境信息及所述人员移动模型，确定人员动作模型；所述人员动作模型包括所述建筑物每个房间内全年各时刻人员操控制冷设备的概率；
满意度确定单元，分别与所述数据获取单元、所述移动模拟单元及所述动作模拟单元连接，用于基于所述人员移动模型、所述人员动作模型及所述建筑信息，确定调度周期内各时刻建筑物内制冷设备的总用电功率、用能满意度及环境满意度，具体包括：基于所述人员移动模型及所述人员动作模型，确定调度周期内各时刻建筑物内制冷设备的总用电功率、调度周期内各时刻人员需求响应前的用能费用及调度周期内的平均用能费用；根据所述调度周期内各时刻人员需求响应前的用能费用及所述调度周期内的平均用能费用，确定用能满意度；基于所述人员移动模型及所述人员动作模型，根据所述建筑信息，确定调度周期内各时刻的建筑室温；所述建筑信息包括外墙的传热系数、外窗的传热系数、外墙的面积、外窗的面积、外墙的数量、外窗的数量、外墙的吸收系数、外墙的热阻、外窗的透射系数、外窗的遮光系数、建筑内热密度、单位热容量和空气量；根据所述调度周期内各时刻的建筑室温，确定调度周期内各时刻的温度偏移值；根据所述调度周期内各时刻的温度偏移值，确定环境满意度；
满意度模型建立单元，与所述满意度确定单元连接，用于以调度周期内各时刻建筑物内制冷设备的总用电功率与所述用能满意度的乘积，以及调度周期内各时刻建筑物内制冷设备的总用电功率与环境满意度的乘积之和最大为目标，以建筑物内各制冷设备的功率上下限、建筑物室内温度上下限、用能满意度上下限及环境满意度上下限为约束，建立满意度模型；
负荷确定单元，与所述满意度模型建立单元连接，用于对所述满意度模型求解，以确定所述建筑物内的冷负荷需求量；
能源管理模型建立单元，与所述负荷确定单元连接，用于基于所述建筑物内的冷负荷需求量，以综合能源系统的综合成本最低为目标，以建筑物内各综合能能源设备的功率上下限为约束，建立能源管理模型；
出力确定单元，与所述能源管理模型建立单元连接，用于对所述能源管理模型求解，以确定所述建筑物内各综合能源设备的出力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211379866.9A CN115907350B (zh) | 2022-11-04 | 2022-11-04 | 一种建筑综合能源系统的能量管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211379866.9A CN115907350B (zh) | 2022-11-04 | 2022-11-04 | 一种建筑综合能源系统的能量管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115907350A CN115907350A (zh) | 2023-04-04 |
| CN115907350B true CN115907350B (zh) | 2023-08-08 |
Family
ID=86470416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211379866.9A Active CN115907350B (zh) | 2022-11-04 | 2022-11-04 | 一种建筑综合能源系统的能量管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115907350B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116976150B (zh) * | 2023-09-22 | 2023-12-12 | 国网浙江省电力有限公司 | 计及多用户不确定性和需求多样性的空调负荷优化方法 |
| CN117193034B (zh) * | 2023-11-07 | 2024-02-02 | 湖南恒意智能工程有限公司 | 一种楼宇智能化控制方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012175855A (ja) * | 2011-02-23 | 2012-09-10 | Toshiba Corp | 地域エネルギー管理システムおよびこれに利用する地域エネルギー統合管理装置、地域エネルギー統合管理方法 |
| CN107169606A (zh) * | 2017-05-18 | 2017-09-15 | 天津大学 | 一种办公建筑冷负荷的预测方法 |
| CN110309972A (zh) * | 2019-06-28 | 2019-10-08 | 天津大学 | 一种基于室内人员行为的可再生能源系统及其负荷预测方法 |
| CN110443446A (zh) * | 2019-06-30 | 2019-11-12 | 天津大学 | 需求响应机制下含建筑虚拟储能的能源站经济调度方法 |
| CN112991087A (zh) * | 2020-06-19 | 2021-06-18 | 国网能源研究院有限公司 | 综合能源系统能量模拟与优化调度方法、系统及设备 |
| CN113191558A (zh) * | 2021-05-08 | 2021-07-30 | 国网综合能源服务集团有限公司 | 综合能源系统优化调度方法、装置及终端 |
| CN114358431A (zh) * | 2022-01-07 | 2022-04-15 | 国网山东省电力公司青岛供电公司 | 计及供需双向需求响应的多能源系统优化调度方法及装置 |
-
2022
- 2022-11-04 CN CN202211379866.9A patent/CN115907350B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012175855A (ja) * | 2011-02-23 | 2012-09-10 | Toshiba Corp | 地域エネルギー管理システムおよびこれに利用する地域エネルギー統合管理装置、地域エネルギー統合管理方法 |
| CN107169606A (zh) * | 2017-05-18 | 2017-09-15 | 天津大学 | 一种办公建筑冷负荷的预测方法 |
| CN110309972A (zh) * | 2019-06-28 | 2019-10-08 | 天津大学 | 一种基于室内人员行为的可再生能源系统及其负荷预测方法 |
| CN110443446A (zh) * | 2019-06-30 | 2019-11-12 | 天津大学 | 需求响应机制下含建筑虚拟储能的能源站经济调度方法 |
| CN112991087A (zh) * | 2020-06-19 | 2021-06-18 | 国网能源研究院有限公司 | 综合能源系统能量模拟与优化调度方法、系统及设备 |
| CN113191558A (zh) * | 2021-05-08 | 2021-07-30 | 国网综合能源服务集团有限公司 | 综合能源系统优化调度方法、装置及终端 |
| CN114358431A (zh) * | 2022-01-07 | 2022-04-15 | 国网山东省电力公司青岛供电公司 | 计及供需双向需求响应的多能源系统优化调度方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115907350A (zh) | 2023-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qian et al. | Potential analysis of the transfer learning model in short and medium-term forecasting of building HVAC energy consumption | |
| CN115907350B (zh) | 一种建筑综合能源系统的能量管理方法及系统 | |
| CN112072640B (zh) | 一种虚拟电厂聚合资源的容量优化方法 | |
| CN107732897B (zh) | 融合虚拟储能系统的楼宇微网模型预测调控方法 | |
| CN105931136A (zh) | 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法 | |
| Sun et al. | Heuristic optimization for grid-interactive net-zero energy building design through the glowworm swarm algorithm | |
| Li et al. | Reinforcement learning of room temperature set-point of thermal storage air-conditioning system with demand response | |
| Ren et al. | A data-driven DRL-based home energy management system optimization framework considering uncertain household parameters | |
| Sharma et al. | Fuzzy rough set based energy management system for self-sustainable smart city | |
| CN114418249A (zh) | 一种光储柔系统运行控制方法及装置 | |
| CN111339689A (zh) | 建筑综合能源调度方法、系统、存储介质及计算机设备 | |
| Ma et al. | Two-stage stochastic robust optimization model of microgrid day-ahead dispatching considering controllable air conditioning load | |
| Moon et al. | Prediction models and control algorithms for predictive applications of setback temperature in cooling systems | |
| Mofidi et al. | An integrated model for position-based productivity and energy costs optimization in offices | |
| Attia et al. | Building performance optimization of net zero‐energy buildings | |
| CN116734424B (zh) | 基于rc模型和深度强化学习的室内热环境的控制方法 | |
| Gao et al. | An iterative optimization and learning-based IoT system for energy management of connected buildings | |
| Chen et al. | Optimal scheduling strategy of a regional integrated energy system considering renewable energy uncertainty and heat network transmission characteristics | |
| Luo et al. | Optimal scheduling of micro-energy grid based on pareto frontier under uncertainty and pollutant emissions | |
| Yang et al. | Optimal dispatch for a combined cooling, heating and power microgrid considering building virtual energy storage | |
| Cui et al. | Improved normal-boundary intersection algorithm: A method for energy optimization strategy in smart buildings | |
| CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 | |
| CN112671036A (zh) | 一种考虑需求响应的微电网调度方法 | |
| Qiu et al. | Planning and optimal scheduling method of regional integrated energy system based on Gray Wolf Optimizer algorithm | |
| Chen et al. | Coordination of behind-the-meter energy storage and building loads: optimization with deep learning model |
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 |