CN116107206A - 温室设备控制方法 - Google Patents
温室设备控制方法 Download PDFInfo
- Publication number
- CN116107206A CN116107206A CN202211288083.XA CN202211288083A CN116107206A CN 116107206 A CN116107206 A CN 116107206A CN 202211288083 A CN202211288083 A CN 202211288083A CN 116107206 A CN116107206 A CN 116107206A
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- equipment
- power
- representing
- cost
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000008901 benefit Effects 0.000 claims abstract description 50
- 238000005265 energy consumption Methods 0.000 claims abstract description 44
- 230000005611 electricity Effects 0.000 claims description 69
- 230000006870 function Effects 0.000 claims description 41
- 238000012423 maintenance Methods 0.000 claims description 29
- 238000010438 heat treatment Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 8
- 238000010977 unit operation Methods 0.000 claims description 5
- 230000005251 gamma ray Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 35
- 238000010521 absorption reaction Methods 0.000 abstract description 12
- 238000005096 rolling process Methods 0.000 description 14
- 230000001502 supplementing effect Effects 0.000 description 14
- 238000011065 in-situ storage Methods 0.000 description 12
- 238000010248 power generation Methods 0.000 description 12
- 238000012271 agricultural production Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000029087 digestion Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000005057 refrigeration Methods 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 229920000049 Carbon (fiber) Polymers 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 239000004917 carbon fiber Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种温室设备控制方法，通过确定温室设备运行功率和温室负荷增产总收益的能耗效益模型；求解能耗效益模型的第一目标函数对应的初始温室设备运行功率；确定初始温室设备运行功率和优化调整量的温室运行信息预测模型；求解预测模型的第二目标函数对应的优化调整量；基于初始温室设备运行功率和优化调整量确定目标温室设备运行功率；根据目标温室设备运行功率设定温室设备的运行功率。实现规划控制温室设备的运行功率，便于温室内负荷追踪分布式光伏出力，降低温室运行成本，提高光伏就地消纳率。
Description
技术领域
本发明涉及信息处理技术领域，尤其涉及一种温室设备控制方法。
背景技术
如今，环境与资源之间的矛盾日益突出，大力发展风力发电、光伏发电等低碳新能源，提高现有电网的可再生能源渗透率是关键解决途径之一。
因此，越来越多分布式光伏开始接入特色区域，结合当地产业特色，结合当地产业特色，通过发展产业园区设备农业负荷进行分布式光伏就地消纳，不仅可以提高光伏接入容量与消纳容量，还可延缓电网改造，降低电网运行成本。然而，由于分布式光伏出力不确定性及农业生产规律与分布式光伏出力不匹配，造成光伏就地消纳率低，造成资源浪费。因此，有必要针对农业生产，研究温室内农业设备用能策略，规划控制温室设备的运行功率，便于温室内负荷追踪分布式光伏出力，降低温室运行成本，提高光伏就地消纳率。
发明内容
本发明提供一种温室设备控制方法，用以解决现有技术中光伏就地消纳率低，造成资源浪费的缺陷，实现对温室设备运行功率的规划和控制，降低温室运行成本，提高光伏就地消纳率。
本发明提供一种温室设备控制方法，包括：
确定温室设备运行功率和温室负荷增产总收益的能耗效益模型；
求解所述能耗效益模型的第一目标函数对应的初始温室设备运行功率，所述第一目标函数为温室总运行成本的最小值，所述温室总运行成本包括购电费用、运维费用、光伏利用引导费用、温室负荷收益；
确定初始温室设备运行功率和优化调整量的温室运行信息预测模型；
求解所述温室运行信息预测模型的第二目标函数对应的优化调整量，所述第二目标函数为所述购电费用和光伏利用引导费用之和的最小值；
基于所述初始温室设备运行功率和所述优化调整量确定目标温室设备运行功率；
根据所述目标温室设备运行功率设定所述温室设备的运行功率。
根据本发明提供的一种温室设备控制方法，所述确定温室设备运行功率和温室负荷收益的能耗效益模型，包括：
根据分时电价和温室设备单位能耗效益确定温室设备运行功率和温室负荷收益的能耗效益模型。
根据本发明提供的一种温室设备控制方法，所述能耗效益模型表达式为
其中，B表示温室负荷增产总收益；Pi(t)表示第i个温室设备的温室设备运行功率；Rt表示分时电价；Bi表示第i个温室设备的温室设备单位能耗效益。
根据本发明提供的一种温室设备控制方法，所述第一目标函数表达式为
其中，J1表示温室总运行成本的最小值，T1表示日前优化调控的总时段数；表示t时段的购电费用；表示t时段的运维费用；表示t时段的光伏利用引导费用；表示t时段的温室负荷收益。
根据本发明提供的一种温室设备控制方法，所述购电费用表达式为
所述运维费用表达式为
所述光伏利用引导费用表达式为
所述温室负荷收益表达式为
其中，约束条件包括：
Pi min≤Pi t≤Pi max
UN(1-ε1)≤U(t)≤UN(1+ε2)
tmin≤t≤tmax
Kmin≤Kin(t)≤Kmax
其中，表示在t时段的购电功率；Rt表示在t时段的购电电价；cpv表示光伏单位运维费用；Ppv.install表示光伏装机容量；表示光伏在t时段的功率；ci表示温室设备i的单位运维费用；Pi t表示温室设备i在t时段的温室设备运行功率；表示各个温室设备运行功率之和；γt表示在t时段内的光伏利用引导系数；Bi表示温室设备i的单位能耗效益值；Δt表示时长；
其中，ρ表示空气密度；C表示空气比热容；V表示温室空气容量；Kin(t)表示t时段的温室温度；表示t时段地暖供热设备制热功率；表示t时段向温室传递热量功率；表示t时段变频制冷机组制冷功率；表示购电功率上限；Pi max和Pi min分别表示温室设备i的功率上限和功率下限；UN为标称电压；ε1和ε2为电压偏差率；tmin和tmax分别表示温室设备运行时间的下限和上限；Kmin和Kmax分别表示温室温度的下限和上限。
根据本发明提供的一种温室设备控制方法，所述温室运行信息预测模型表达式为
其中，P0(k)为各温室设备的初始温室设备运行功率；Δu(k+t|k)表示在时刻k预测到未来预测时段[k+(i-1),k+i]内各温室设备运行功率的优化调整量；P(k+i|k)为k时刻预测未来k+i时刻各温室设备的目标温室设备运行功率；N为预测步长。
根据本发明提供的一种温室设备控制方法，所述第二目标函数表达式为
其中，Nc表示控制步长。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述温室设备控制方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述温室设备控制方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述温室设备控制方法的步骤。
本发明提供的温室设备控制方法，通过确定温室设备运行功率和温室负荷增产总收益的能耗效益模型；求解所述能耗效益模型的第一目标函数对应的初始温室设备运行功率，所述第一目标函数为温室总运行成本的最小值，所述温室总运行成本包括购电费用、运维费用、光伏利用引导费用、温室负荷收益；确定初始温室设备运行功率和优化调整量的温室运行信息预测模型；求解所述预测模型的第二目标函数对应的优化调整量，所述第二目标函数为所述购电费用和光伏利用引导费用之和的最小值；基于所述初始温室设备运行功率和所述优化调整量确定目标温室设备运行功率；根据所述目标温室设备运行功率设定所述温室设备的运行功率。实现规划控制温室设备的运行功率，便于温室内负荷追踪分布式光伏出力，降低温室运行成本，提高光伏就地消纳率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的温室设备控制方法的流程示意图；
图2是本发明提供的夏季典型日下日前制冷控制结果图；
图3是本发明提供的夏季典型日下日前LED补光控制结果图；
图4是本发明提供的冬季典型日下日前制热控制结果图
图5是本发明提供的冬季典型日下日前LED补光控制结果图
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有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。
由于光伏发电本身的波动性、间歇性等问题，接入电网后会对电力系统安全稳定运行产生影响。同时，对于农村地区，电网建设较为薄弱，分布式光伏适合进行就地消纳。目前，针对提高光伏消纳能力研究中，主要还集中在供给侧角度、光伏发电系统的控制策略以及加入储能系统等角度。具体技术如有学者从电力供需侧间互动博弈的角度出发，通过调整电价的方式缓解用电高峰时段的供电压力，需求侧可通过对电价的响应，调整自身用电习惯，降低用电成本同时提升光伏消纳。有学者提出利用光伏系统逆变器的控制措施缓解并网节点的电压越限问题，进而提升配电网光伏消纳能力；有学者将电动汽车看作光伏发电并网系统的储能元件，可分别作为负载和电源进行充放电与分布式光伏电源协调互补运行。需求侧角度，对于设施农业负荷消纳分布式光伏协调控制方法，目前只限于负荷建模阶段，如何利用设施农业负荷消纳分布式光伏，建立负荷调控方法，对于提升分布式光伏就地消纳，降低农业生产用能成本，具有十分重要的意义。
因此，需要对需求侧农业设施智慧用能控制进行研究。本发明针对分布式光伏出力预测不准确的问题，提出一种基于模型预测控制的多时间尺度光伏农业设施智慧用能控制方法，该方法通过日前-日内结合的方式应对分布式光伏出力不确定性。在日前控制阶段以综合运行成本最低为优化目标，保证系统运行经济性。日内控制在日前调控计划的基础上，以控制时域内的购能及光伏利用引导费用最低为优化目标，对日前控制结果进行修正，尽可能的就地消纳分布式光伏，考虑到计划值和实际值之间的误差，利用MPC反馈校正环节对整个滚动优化环节进行校正，从而形成闭环控制。
本发明主要分为以下部分，第一部分首先针对设施农业负荷用能场景，依据其工作特性建立其物理模型，在分析其对作物的影响机理基础上，进一步建立温室设备运行功率和温室负荷增产总收益的能耗效益模型，并探究各负荷可时移特性；第二部分，以综合运行成本最低为第一目标函数，考虑温室系统运行约束条件，建立起保证系统运行经济性的优化运行方案，确定初始温室设备运行功率；第三部分，建立初始温室设备运行功率和优化调整量的温室运行信息预测模型，确定购电费用和光伏利用引导费用之和最小的优化调整量。基于初始温室设备运行功率和优化调整量确定目标温室设备运行功率，提高负荷追踪分布式光伏的能力。
本发明基于设施农业负荷的可时移性及其对作物生长发育产生的影响出发，首先建立起各设备的温室设备运行功率和温室负荷增产总收益的能耗效益模型；为提高分布式光伏消纳率同时降低系统运行成本，确定第一目标函数，综合考虑购电费用、运维费用、光伏利用引导费用、温室负荷收益，保证温室系统的经济性；日内滚动优化环节，基于短期的光伏出力预测值，以日前的经济调控计划为参考，利用模型预测控制，建立起控制时域内的购电费用及光伏利用引导费用最低的第二目标函数，对分布式光伏出力进行追踪，提高光伏消纳率。
本发明提供一种温室设备控制方法，如图1所示，包括：
S11、确定温室设备运行功率和温室负荷增产总收益的能耗效益模型；
S12、求解所述能耗效益模型的第一目标函数对应的初始温室设备运行功率，所述第一目标函数为温室总运行成本的最小值，所述温室总运行成本包括购电费用、运维费用、光伏利用引导费用、温室负荷收益；
S13、确定初始温室设备运行功率和优化调整量的温室运行信息预测模型；
S14、求解所述预测模型的第二目标函数对应的优化调整量，所述第二目标函数为所述购电费用和光伏利用引导费用之和的最小值；
S15、基于所述初始温室设备运行功率和所述优化调整量确定目标温室设备运行功率；
S16、根据所述目标温室设备运行功率设定所述温室设备的运行功率。
具体地，一个示例中，日前调控周期为24h，日前调控时段T1＝24，每个调控时段为1h，在前一日预测下一日分布式光伏出力及室外温度变化基础上，综合考虑作物生产用能需求及市场电价信息，在满足系统优先消纳分布式光伏的前提下，得到第二天T1个时段内各设备的优化调控方案，即初始温室设备运行功率。具体通过温室设备运行功率和温室负荷增产总收益的能耗效益模型求解温室总运行成本的最小值对应的初始温室设备运行功率。
为消除日前优化控制误差，增加日内滚动优化环节，本发明日内滚动优化周期为1h，分辨率为15min，日内调控时段T2＝96。日内调控在日前经济调控的结果上，基于光伏出力短期预测值，遵照日前调控计划，利用有限控制时域Nc内的滚动优化提前对系统各用能设备进行优化调整。确定初始温室设备运行功率和优化调整量的温室运行信息预测模型；求解每一采样时刻k温室运行信息预测模型的购电费用和光伏利用引导费用之和最小值对应的优化调整量，通过对未来系统行为预测，得到未来控制时段内的控制计划序列。
在计划执行时，仅选择计划序列中的第一段控制指令进行下发，对各设备做进一步优化调整，确定目标温室设备运行功率。根据目标温室设备运行功率设定温室设备的运行功率。k+1时刻，通过反馈校正环节更新的k+1时刻系统各设备实际运行功率量测值来进行下一轮的滚动优化。
根据本发明提供的温室设备控制方法，步骤S11包括：
根据分时电价和温室设备单位能耗效益确定温室设备运行功率和温室负荷收益的能耗效益模型。
进一步地，所述能耗效益模型表达式为
其中，B表示温室负荷增产总收益；Pi(t)表示第i个温室设备的温室设备运行功率；Rt表示分时电价；Bi表示第i个温室设备的温室设备单位能耗效益。
根据本发明提供的温室设备控制方法，在日前优化调控阶段，以温室总运行成本的最小值为第一目标函数，即根据分布式光伏日前功率预测，综合考虑分时电价、系统内各负荷运行维护费用及其运行产生的收益，通过优化光伏农业设施运行计划，尽可能提高分布式光伏就地消纳率，降低系统的综合运行成本。所述第一目标函数表达式为
其中，J1表示温室总运行成本的最小值，T1表示日前优化调控的总时段数；表示t时段的购电费用；表示t时段的运维费用；表示t时段的光伏利用引导费用；表示t时段的温室负荷收益。
具体地，下面对各部分分别介绍：
(1)购电费用
购电费用表达式见公式1：
其中，表示在t时段的购电功率；Rt表示在t时段的购电电价。
(2)各温室设备的运维费用
在考虑各设备运行维护费用时，光伏装置运维费用由两部分组成，一部分取决于光伏安装容量，一部分取决于光伏当前发电功率。对于各农业生产设备，运维费用仅考虑其当前的运行功率的影响。
运维费用表达式见公式2：
其中，cpv表示光伏单位运维费用；Ppv.install表示光伏装机容量；表示光伏在t时段的功率；ci表示温室设备i的单位运维费用；Pi t表示温室设备i在t时段的温室设备运行功率。
(3)光伏利用引导费用
目前大部分地区光伏并网已步入“平价上网”阶段，为提高系统运行经济性，引入光伏利用引导费用，可以激励系统在电价谷段时优先利用电网电量，光伏发电余量上网以提高系统经济性，电价平段、峰段优先利用光伏发电。
光伏利用引导费用表达式见公式3：
其中，表示各个温室设备运行功率之和；γt表示在t时段内的光伏利用引导系数；对γt作如下约定：当t时段处于电价谷段时，γt取0，考虑到部分时段存在光伏发电功率小于系统用能需求的情况，即时，γt值也设置为0。
(4)温室负荷收益
温室负荷收益表达式见公式4：
中，Bi表示温室设备i的单位能耗效益值；Δt表示时长。
上述购电费用、运维费用、光伏利用引导费用、温室负荷收益的约束条件包括：
(1)电功率平衡约束，见公式5
(2)冷、热平衡约束，见公式6
其中，ρ表示空气密度；C表示空气比热容；V表示温室空气容量；Kin(t)表示t时段的温室温度；表示t时段地暖供热设备制热功率；表示t时段向温室传递热量功率；表示t时段变频制冷机组制冷功率。
(3)购电功率约束，见公式7
表示购电功率上限。
(4)各温室设备运行功率上下限约束，见公式8
Pi min≤Pi t≤Pi max (8)
Pi max和Pi min分别表示温室设备i的功率上限和功率下限。
(5)电压运行稳定性约束，见公式9
UN(1-ε1)≤U(t)≤UN(1+ε2) (9)
UN为标称电压；ε1和ε2为电压偏差率。
(6)作物生长环境约束，见公式10和11
tmin≤t≤tmax (10)
Kmin≤Kin(t)≤Kmax (11)
考虑与系统内各农业负荷所关联的环境变化约束，包括补光时间上下限、温度上下限。tmin和tmax分别表示温室设备运行时间的下限和上限；Kmin和Kmax分别表示温室温度的下限和上限。
根据本发明提供的温室设备控制方法，日前优化调控为开环运行方式，即求得优化周期内最优控制结果后将指令一次性下发，这种优化方式能满足大多数的实际运行情况。但由于无法对分布式光伏出力进行精确的预测，且随着时间尺度的增加预测精度也会下降，与实际运行存在较大误差。本文基于MPC的日内滚动优化以分布式光伏的短时预测值为输入变量，以系统内各负荷的实际量测值作为初始值P0(k)，以未来控制时域内的各环境调控设备有功功率增量为控制变量，进行未来有限时域内滚动优化求解。
在预测模型中，可以将预测对象未来的行为信息进行展示，并基于预测结果，对控制对象施加更为准确的优化方案，继而确定预测控制的输入，使控制对象在未来的输出尽可能符合预期，因此建立起系统运行信息预测模型。
以系统内各设备有功出力增量为控制变量，则可得到系统的状态空间表达式见公式12：
式中，[Pi(k-1)]表示系统状态向量，分别为k-1时刻各温室设备运行功率；[ΔPi(k)]表示系统控制变量向量，分别为各温室设备运行功率的调整优化量；[Ppv(k)]表示系统扰动变量，即预测的分布式光伏发电功率；[Pi(k)]表示系统输出向量，分别为k时刻各温室设备运行功率。通过滚动优化，求解未来控制时域内各环境调控负荷的最优出力值，得到温室运行信息预测模型表达式见公式13：
其中，P0(k)为各温室设备的初始温室设备运行功率；Δu(k+t|k)表示在时刻k预测到未来预测时段[k+(i-1),k+i]内各温室设备运行功率的优化调整量；P(k+i|k)为k时刻预测未来k+i时刻各温室设备的目标温室设备运行功率；N为预测步长。
根据本发明提供的温室设备控制方法，基于MPC的日内滚动优化以分布式光伏的短时预测值为输入变量，以系统内各负荷的实际量测值作为初始值P0(k)，以未来控制时域内的各设备有功功率增量为控制变量，进行未来有限时域内滚动优化求解。
在日前优化调控中，分布式光伏出力日前预测可能存在较大误差，日前的优化运行策略无法实现分布式光伏全部就地消纳，所以日内优化以日前优化后的结果为基础，利用系统最新信息，尽可能就地消纳分布式光伏，在日内调控阶段的目标函数为以控制时域内的购电费用和光伏利用引导费用最小为第二目标函数，第二目标函数表达式见公式14：
其中，Nc表示控制步长，和分别表示t时段购电费用和光伏利用引导费用，各部分与上文描述一致，在此不再赘述。
由于分布式光伏预测精度以及MPC控制为对未来一段时间内进行超前控制，在实际运行中，系统内设备实际运行功率与给定计划有功功率之间可能存在误差，针对这一问题，MPC利用其反馈校正环节进行处理，以系统最新时刻的实际运行值作为下一轮优化的初始值，形成闭环，尽可能降低误差，使新一轮滚动优化预测值与实际运行更加贴合，得到公式15：
P0(k+1)＝Preal(k+1) (15)
式中，Preal(k+1)表示在k时刻各温室设备负荷运行功率的优化调整量下发后的目标温室设备运行功率；P0(k+1)表示k+1时刻系统内各温室设备的初始温室设备运行功率。
具体地，一个示例中，基于初始温室设备运行功率和优化调整量确定目标温室设备运行功率，包括如下步骤：
(1)确定初始温室设备运行功率P0(k)；
(2)利用MPC建立起初始温室设备运行功率和优化调整量的温室运行信息预测模型，并以优化调整量为控制变量：
(3)利用日前长时间尺度优化运行结果相关的第二目标函数控制时段内的购电费用和光伏利用引导费用最小，从而滚动求解控制时域内的控制序列{ΔuT(k+1|k),ΔuT(k+2|k),…,ΔuT(k+N|k)}；
(4)只选取控制变量序列中第一个时段内的结果作为控制指令下发，从而得到k+1时刻各温室设备的初始温室设备运行功率：
P(k+1|k)＝P0(k)+Δu(k+1|k)
(5)反馈校正环节，以下一时刻系统内各设备实际运行功率作为初始温室设备运行功率，即P0(k+1)＝Preal(k+1),k＝k+1，同时令k＝k+1形成闭环转入下一轮优化。
根据本发明提供的温室设备控制方法，本发明方案利用一组织培养车间历史运行数据验证，该温室通过光伏和电网进行能源供给，日常农业生产中遵循“自发自用、余量上网”的形式，即优先利用分布式光伏供能，分布式光伏出力不足时，以电网电量为补充；分布式光伏出力满足生产需求时，将多余发电量送入电网。
该组织培养车间投运400m2，补光、温控负荷均通过单独负荷开关进行控制，除此之外，每种设备也分为不同的组别，相对独立的运行，这也是本文所提控制方法得以实现的条件之一。根据其实际生产需求，可分为夏季制冷工况和冬季制热工况，选取控制对象为LED补光设备、地暖制热设备和变频制冷机组，各设备布置情况如下：
碳纤维地暖供热设备：0.1kW/m2，20m2为一组，共20组；变频制冷机组：0.05kW/m2，40m2为一，共10组；LED补光设备：0.18kW/组，共200组。变频制冷机组单位运维费用为0.001元/(kW·h)；LED补光设备单位运维费用为0.005元/(kW·h)；碳纤维地暖单位运维费用为0.005元/(kW·h)；分布式光伏单位运维费用为0.001元/(kW·h)。
分时电价信息：7:00-9:00、18:00-24:00为0.6714元/(kW·h)；0:00-2:00、4:00-7:00、9:00-11:00、17:00-18:00为0.4489元/(kW·h)；2:00-4:00、11:00-17:00为0.2265元/(kW·h)。
日前优化运行结果如下：
夏季典型日下各设备优化控制结果如图2和图3所示。图2为夏季典型日下日前制冷控制结果图，图3为夏季典型日下日前LED补光控制结果图。根据图2和图3分析可知，在电价较高时(7:00-9:00以及18:00-24:00)，系统购能成本较高，LED补光设备和制冷机组运行主要依赖于光伏发电进行供给，几乎不从电网购电。当电价较低时(2:00-4:00以及11:00-17:00)，系统购能成本较低，同时为提高光伏就地消纳率，LED补光设备用能增加，空调设备用能也开始增加提前降低室内温度，以冷能的形式进行储存。此外，凌晨时刻的低价电也得到了利用，这些都降低了高价电时刻的用能需求，降低了温室园区用能成本。
冬季典型日下系统内各设备日前控制结果如图4和图5所示。图4为冬季典型日下日前制热控制结果图。图5为冬季典型日下日前LED补光控制结果图。根据图4和图5分析可知，同夏季典型日相同，在电价较高时，系统购能成本较高，LED补光设备和制热设备运行主要依赖于光伏发电进行供给，但与夏季时温度大都位于作物生长温度区间内不同，冬季时室内温度较低，对热能需求较大，因此高价电时刻也需要电网的电能进行补给。相应的，当电价较低时，系统购能成本较低，LED补光设备和地暖设备用能均增加，减少其他时刻的用能需求。由于冬季典型日光伏出力不足以满足系统用能需求，光伏就地消纳率较高，LED补光设备集中在低谷电价时开启。
日内优化运行结果如下：
优化后，在夏季夜间低谷电价时，补光设备启动；6:00后LED设备也逐渐开始投运以匹配光伏消纳，制冷负荷也于8:00提前启动，提前降低室温。9:00-11:00平谷电价时，两种设备均由光伏进行供电，不再额外从电网下电；11:00-17:00低谷电价时，两种设备出力实现分布式光伏全消纳，额外电量由电网供给；18:00-19:00LED出力匹配光伏出力。此外，还可以看出，优化后的制冷设备出力波动性更小，降低了功率频繁波动对制冷机组的寿命的影响。
优化后，在冬季系统在夜间低谷电价时增加地暖供热设备的投入，将低谷电价转化为热量进行储存，使得后续平谷电价时段，仅需投入少量地暖设备便可实现温度范围的维持，在18:00峰值电价来临前，同样提高地暖设备的投入，将低谷电价电能转化为热能储存，降低峰值电价的利用，减少用能成本。
综合优化运行成本及LED补光时长对比见表1：
表1、综合优化运行成本及LED补光时长对比表
在夏季、冬季典型日下，通过本文的控制策略，系统的运行成本均得到了降低，其中，夏季典型日降低了37.07％，冬季典型日降低了22.96％；光伏就地消纳率均得到了显著提升，夏季、冬季典型日下分别由原来的72.44％、77.63％提升至97.66％、98.99％。
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行温室设备控制方法，该方法包括：确定温室设备运行功率和温室负荷增产总收益的能耗效益模型；求解所述能耗效益模型的第一目标函数对应的初始温室设备运行功率，所述第一目标函数为温室总运行成本的最小值，所述温室总运行成本包括购电费用、运维费用、光伏利用引导费用、温室负荷收益；确定初始温室设备运行功率和优化调整量的温室运行信息预测模型；求解所述温室运行信息预测模型的第二目标函数对应的优化调整量，所述第二目标函数为所述购电费用和光伏利用引导费用之和的最小值；基于所述初始温室设备运行功率和所述优化调整量确定目标温室设备运行功率；根据所述目标温室设备运行功率设定所述温室设备的运行功率。
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的温室设备控制方法，该方法包括：确定温室设备运行功率和温室负荷增产总收益的能耗效益模型；求解所述能耗效益模型的第一目标函数对应的初始温室设备运行功率，所述第一目标函数为温室总运行成本的最小值，所述温室总运行成本包括购电费用、运维费用、光伏利用引导费用、温室负荷收益；确定初始温室设备运行功率和优化调整量的温室运行信息预测模型；求解所述温室运行信息预测模型的第二目标函数对应的优化调整量，所述第二目标函数为所述购电费用和光伏利用引导费用之和的最小值；基于所述初始温室设备运行功率和所述优化调整量确定目标温室设备运行功率；根据所述目标温室设备运行功率设定所述温室设备的运行功率。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的温室设备控制方法，该方法包括：确定温室设备运行功率和温室负荷增产总收益的能耗效益模型；求解所述能耗效益模型的第一目标函数对应的初始温室设备运行功率，所述第一目标函数为温室总运行成本的最小值，所述温室总运行成本包括购电费用、运维费用、光伏利用引导费用、温室负荷收益；确定初始温室设备运行功率和优化调整量的温室运行信息预测模型；求解所述温室运行信息预测模型的第二目标函数对应的优化调整量，所述第二目标函数为所述购电费用和光伏利用引导费用之和的最小值；基于所述初始温室设备运行功率和所述优化调整量确定目标温室设备运行功率；根据所述目标温室设备运行功率设定所述温室设备的运行功率。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种温室设备控制方法，其特征在于，包括：
确定温室设备运行功率和温室负荷增产总收益的能耗效益模型；
求解所述能耗效益模型的第一目标函数对应的初始温室设备运行功率，所述第一目标函数为温室总运行成本的最小值，所述温室总运行成本包括购电费用、运维费用、光伏利用引导费用、温室负荷收益；
确定初始温室设备运行功率和优化调整量的温室运行信息预测模型；
求解所述温室运行信息预测模型的第二目标函数对应的优化调整量，所述第二目标函数为所述购电费用和光伏利用引导费用之和的最小值；
基于所述初始温室设备运行功率和所述优化调整量确定目标温室设备运行功率；
根据所述目标温室设备运行功率设定所述温室设备的运行功率。
2.根据权利要求1所述的温室设备控制方法，其特征在于，所述确定温室设备运行功率和温室负荷收益的能耗效益模型，包括：
根据分时电价和温室设备单位能耗效益确定温室设备运行功率和温室负荷收益的能耗效益模型。
3.根据权利要求2所述的温室设备控制方法，其特征在于，所述能耗效益模型表达式为
其中，B表示温室负荷增产总收益；Pi(t)表示第i个温室设备的温室设备运行功率；Rt表示分时电价；Bi表示第i个温室设备的温室设备单位能耗效益。
4.根据权利要求3所述的温室设备控制方法，其特征在于，所述第一目标函数表达式为
其中，J1表示温室总运行成本的最小值，T1表示日前优化调控的总时段数；
表示t时段的购电费用；
表示t时段的运维费用；
表示t时段的光伏利用引导费用；
表示t时段的温室负荷收益。
5.根据权利要求4所述的温室设备控制方法，其特征在于，所述购电费用表达式为
所述运维费用表达式为
所述光伏利用引导费用表达式为
所述温室负荷收益表达式为
其中，约束条件包括：
Pi min≤Pi t≤Pi max
UN(1-ε1)≤U(t)≤UN(1+ε2)
tmin≤t≤tmax
Kmin≤Kin(t)≤Kmax
其中，
表示在t时段的购电功率；Rt表示在t时段的购电电价；cpv表示光伏单位运维费用；Ppv.install表示光伏装机容量；
表示光伏在t时段的功率；ci表示温室设备i的单位运维费用；Pi t表示温室设备i在t时段的温室设备运行功率；
表示各个温室设备运行功率之和；γt表示在t时段内的光伏利用引导系数；Bi表示温室设备i的单位能耗效益值；Δt表示时长；
其中，ρ表示空气密度；C表示空气比热容；V表示温室空气容量；Kin(t)表示t时段的温室温度；
表示t时段地暖供热设备制热功率；
表示t时段向温室传递热量功率；
表示t时段变频制冷机组制冷功率；
表示购电功率上限；Pi max和Pi min分别表示温室设备i的功率上限和功率下限；UN为标称电压；ε1和ε2为电压偏差率；tmin和tmax分别表示温室设备运行时间的下限和上限；Kmin和Kmax分别表示温室温度的下限和上限。
6.根据权利要求5所述的温室设备控制方法，其特征在于，所述温室运行信息预测模型表达式为
其中，P0(k)为各温室设备的初始温室设备运行功率；Δu(k+t|k)表示在时刻k预测到未来预测时段[k+(i-1),k+i]内各温室设备运行功率的优化调整量；P(k+i|k)为k时刻预测未来k+i时刻各温室设备的目标温室设备运行功率；N为预测步长。
7.根据权利要求6所述的温室设备控制方法，其特征在于，所述第二目标函数表达式为
其中，Nc表示控制步长。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述温室设备控制方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述温室设备控制方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述温室设备控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211288083.XA CN116107206A (zh) | 2022-10-20 | 2022-10-20 | 温室设备控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211288083.XA CN116107206A (zh) | 2022-10-20 | 2022-10-20 | 温室设备控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116107206A true CN116107206A (zh) | 2023-05-12 |
Family
ID=86258574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211288083.XA Pending CN116107206A (zh) | 2022-10-20 | 2022-10-20 | 温室设备控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116107206A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024125663A1 (zh) * | 2023-07-27 | 2024-06-20 | 南京邮电大学 | 一种考虑备用能力的农业温室控温负荷调控方法 |
-
2022
- 2022-10-20 CN CN202211288083.XA patent/CN116107206A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024125663A1 (zh) * | 2023-07-27 | 2024-06-20 | 南京邮电大学 | 一种考虑备用能力的农业温室控温负荷调控方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sheha et al. | Solving the duck curve in a smart grid environment using a non-cooperative game theory and dynamic pricing profiles | |
| CN107800157B (zh) | 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法 | |
| CN109752953B (zh) | 一种集成电制冷机的楼宇供能系统模型预测调控方法 | |
| Li et al. | Storage aided system property enhancing and hybrid robust smoothing for large-scale PV systems | |
| Tarragona et al. | Model predictive control applied to a heating system with PV panels and thermal energy storage | |
| CN110807588B (zh) | 一种多能源耦合综合能源系统的优化调度方法 | |
| CN114977330B (zh) | 建筑分布式光伏-蓄电池系统连续运行调度方法及平台 | |
| CN111561732B (zh) | 基于人工智能的换热站供热调节方法及系统 | |
| CN105162149A (zh) | 基于模糊自适应调节的光储系统跟踪发电计划出力方法 | |
| CN112510703B (zh) | 一种考虑煤耗曲线修正的多能源接入电网优化调度方法 | |
| CN109858697B (zh) | 计及源荷随机的冷热电联供系统优化运行方法及系统 | |
| CN116345577B (zh) | 风-光-储微电网能量调控优化方法、设备及存储介质 | |
| CN110474370B (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
| CN115912351A (zh) | 光伏日内日前模型预测方法、系统、设备及介质 | |
| Yang et al. | Multi-time-scale coordinated optimal scheduling of integrated energy system considering frequency out-of-limit interval | |
| CN116107206A (zh) | 温室设备控制方法 | |
| CN116488223A (zh) | 家庭光-蓄-柔双层多时间尺度控制方法、装置及介质 | |
| CN115018376B (zh) | 一种考虑新型电力系统特征的负荷调控优化方法 | |
| CN114050570B (zh) | 一种源网荷储系统协同调控方法及装置 | |
| CN115907393A (zh) | 一种含长时储能虚拟电厂的多时间尺度调度方法 | |
| CN115765054A (zh) | 考虑风光无功调节的配电网分布式电源双层规划方法 | |
| CN112491049B (zh) | 一种考虑在线煤耗曲线的多能源接入电网优化调度方法 | |
| CN114139402A (zh) | 一种可交易控制的联邦电厂数据驱动型风险规避优化方法 | |
| CN114362169A (zh) | 一种计及光储型虚拟电厂边际成本的分层协调调控方法 | |
| Li et al. | Optimal Configuration and Economic Operation of Wind–Solar-Storage Complementary System for Agricultural Irrigation in Mountainous Areas |
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 |