CN116227739A - 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法 - Google Patents
计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法 Download PDFInfo
- Publication number
- CN116227739A CN116227739A CN202310491993.6A CN202310491993A CN116227739A CN 116227739 A CN116227739 A CN 116227739A CN 202310491993 A CN202310491993 A CN 202310491993A CN 116227739 A CN116227739 A CN 116227739A
- Authority
- CN
- China
- Prior art keywords
- power
- constraint
- energy
- heat pump
- heat
- 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 138
- 238000004146 energy storage Methods 0.000 title claims abstract description 30
- 238000005485 electric heating Methods 0.000 title claims abstract description 15
- 238000009825 accumulation Methods 0.000 claims abstract description 89
- 238000001816 cooling Methods 0.000 claims abstract description 31
- 238000004378 air conditioning Methods 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims description 100
- 230000008569 process Effects 0.000 claims description 54
- 230000005611 electricity Effects 0.000 claims description 33
- 238000005457 optimization Methods 0.000 claims description 33
- 238000005338 heat storage Methods 0.000 claims description 29
- 238000010438 heat treatment Methods 0.000 claims description 19
- 230000002457 bidirectional effect Effects 0.000 claims description 15
- 230000005855 radiation Effects 0.000 claims description 13
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 11
- 229910052799 carbon Inorganic materials 0.000 claims description 11
- 238000009434 installation Methods 0.000 claims description 9
- 238000005057 refrigeration Methods 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 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 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 238000012821 model calculation Methods 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 19
- 238000010276 construction Methods 0.000 abstract description 3
- 238000007710 freezing Methods 0.000 description 4
- 230000008014 freezing Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000012782 phase change material Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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—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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Air Conditioning Control Device (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,属于建筑微能源网规划设计技术领域;包括:建立室内空调换热模型、计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求、构建双层优化配置模型、求解模型并输出微能源网优化配置方案。本发明基于一阶ETP模型计算房间温度通过三档风量调节的建筑逐时空调负荷需求,更贴近实际场景,为微能源网的优化配置提供更准确的空调负荷需求数据;构建模型时考虑非标准工况对热泵运行效率的影响,尤其是热泵处于直接供冷和蓄冷两种不同模式时冷冻出水温度差异导致的能效差异,获得建筑微能源网优化配置方案,提升了建筑微能源网的全寿命周期经济性、运行经济性与能效性。
Description
技术领域
本发明属于建筑微能源网规划设计技术领域,尤其涉及一种计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法。
背景技术
应用风电、光伏、地热能等可再生能源是建筑业碳减排的必要途径。建筑微能源网将新型储能、新能源发电、集中供冷/热有机结合,实现多能互补,具有运行经济高效的优势,发展前景广阔。微能源网的规划设计至关重要,在满足用户负荷需求的前提下,存在多种系统配置方案,不仅关乎初投资成本,也影响将来运行的经济性和能效性。
专利文献(CN112800519A)提出基于二阶ETP模型空气源热泵类负荷蒙特卡洛建模方法,公开了一种采用二阶等效热参数(equivalent thermal parameter,ETP)模型与蒙特卡洛模拟的空调负荷建模方法,但是该方法将房间空调的温度调节策略简化为通断控制,区别于实际应用中风机盘管采用三档风量+电磁阀通断调节的形式,简化模式会导致房间温度的频繁波动,与实际情况差异较大。
《含热泵和相变储能的多能互补微能源网运行优化方法研究》(张彼德, 陈颖倩,李孟洁, 等. 含热泵和相变储能的多能互补微能源网运行优化方法研究[J]. 电力系统保护与控制,2021,49(01):106-114.)提出了一种含空气-土壤源热泵与相变储能的多能互补微能源网运行优化模型,以全寿命周期成本为目标开展优化研究,但是忽略了热泵为相变材料充冷的冷冻水供水温度相对于额定供水温度偏低,会降低热泵运行能效。
由此可见,现有的基于ETP的空调负荷建模方法,存在末端空调的温控策略偏离实际的弊端,而现有含相变储能的综合能源系统模型,又忽略了环境温度、负荷率、冷冻出水温度等因素对热泵或冷机运行效率的影响,优化结果可能会高估相变储能的效益。基于上述问题,本发明提出一种计及能效的含热泵与电热混合储能的微能源网双层优化配置方法。
发明内容
针对现有技术中存在不足,本发明提供了一种计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,构建了室内根据温度偏差自动切换风量档位的空调负荷计算方法,获得建筑逐时空调负荷数据,建立微能源网双层优化配置模型,上层模型优化目标为全寿命周期经济性最优,下层模型优化目标为年运行经济性与能效性最优,构建了能源设备性能约束,考虑了非标准工况对热泵运行能效的负面影响,尤其是热泵为蓄冷罐充冷模式时的效率降低,通过对模型的求解,获得微能源网的优化配置方案,综合考虑了经济性与能效性,具有更优的适用性,客观性,准确性,有效解决了现有研究中存在的末端空调的温控策略偏离实际、因忽略环境温度、负荷率、冷冻出水温度等因素对热泵或冷机运行效率的影响而导致相变储能效益预估不准确等问题。
本发明是通过以下技术手段实现上述技术目的的。
计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,包括:
步骤1:基于一阶ETP模型建立风机盘管采用3档风量调控室温的室内空调换热模型;
步骤2:基于步骤1建立的室内空调换热模型,计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求,包括冷负荷、热负荷;
步骤3:基于步骤2获取的建筑典型日逐时空调负荷需求,构建建筑微能源网的双层优化配置模型;双层优化配置模型包括上层模型和下层模型,上层模型为配置优化模型,以建筑微能源网的全寿命周期成本净现值最小化为目标函数,以能源设备的配置类型和数量为决策变量,约束条件包括能源设备的安装空间约束或安装数量约束、初投资约束;下层模型为运行优化模型,以典型日运行成本和典型日综合能效为目标函数,以典型日能源设备的运行状态和出力为决策变量,约束条件包括功率平衡约束、能源设备性能约束、子系统出力约束;
步骤4:对步骤3构建的双层优化配置模型进行求解,输出微能源网优化配置方案。
进一步地,所述步骤1中,室内空调换热模型公式如下式(1)所示:
式中,、/>分别为/>时刻室内空气温度、室外空气温度;/>为外围护结构的综合热阻;/>为室内空气热容;/>为时间步长;/>为/>时刻的室内人员散热;/>为/>时刻太阳辐射得热量,包括窗户的太阳辐射得热量/>与外墙或屋顶的太阳辐射得热量/>;/>为时刻的空调的出力,制冷为正,制热为负;
设定各房间的温度调节方式相同,均为房间空调器监测室内温度偏差自动调整风量为3档及关闭状态,调整空调的供冷/热量以适应温度变化,其中,制冷模式下末端空调的供冷量随室内温度的变化如下式(4-1)所示,制热模式下末端空调的供热量随室内温度变化的规律如下式(4-2)所示:
进一步地,所述步骤2中,计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求的具体过程如下:
根据建筑各房间围护结构的尺寸与设计热工参数,计算获得各房间外围护结构的综合热阻;以1分钟为时间步长,以1天为计算周期,根据室内空调换热模型计算获得各房间1440分钟的空调供冷量或供热量数据,然后将各房间时刻的空调负荷需求累加获得目标建筑/>时刻总的空调负荷需求,最后将建筑1440分钟的空调负荷需求数据逐时平均处理,获得以小时为时间尺度的典型日建筑逐时空调负荷需求数据;
进一步地,所述步骤3中,上层模型的目标函数如下式(5)所示:
式中,和/>别为能源设备种类编号和数量,能源设备包括光伏、热泵、相变蓄冷、相变蓄热、蓄电池;/>为第/>种能源设备的配置状态;/>、/>、/>分别为第/>种能源设备的单位容量价格、单位功率价格、配置数量;/>、/>分别为第/>种能源设备的单台额定容量(针对储能设备)、单台额定功率;/>为终值-现值转换系数;/>为能源设备/>的残值率;
、/>、/>、/>分别表示典型日/>的购售电成本、维护成本、碳排放税、弃光惩罚成本;/>为典型日/>的运行成本;/>为年金-净现值转换系数;/>和/>分别为/>时刻的购电单价和售电单价;/>、/>、/>、/>、/>、/>、/>、分别为典型日/>在/>时刻的售电功率、购电功率、光伏实际出力、光伏预测出力、热泵电功率、相变蓄冷罐释冷功率、相变蓄热罐释热功率、蓄电池放电功率;/>、/>、/>、、/>分别为光伏、热泵、相变蓄冷、相变蓄热、蓄电池的维护单价;/>为单位碳排放税;/>为购电的等效碳排放系数;/>为弃光惩罚单价;/>为时间步长。
进一步地,所述上层模型的约束条件具体包括热泵的空间约束、光伏的空间约束、蓄电池数量约束、相变蓄冷罐的空间约束、相变蓄热罐的空间约束、建筑微能源网的初投资约束;
热泵的空间约束如式(9)所示:
光伏的空间约束如式(10)所示:
蓄电池的数量约束如式(11)所示:
式中:、/>、/>分别为蓄电池组的最大容量、最大充电功率、最大放电功率;/>、/>、/>分别为单节/>类型蓄电池的额定容量、额定充电功率、额定放电功率;/>和/>分别为/>类型蓄电池的数量和最大配置数量;/>为/>类蓄电池的配置状态;/>、/>分别表示蓄电池的类型编号和种数;
相变蓄冷罐的数量约束如下式(12)所示:
式中,和/>分别为相变蓄冷的类型标号和种数;/>、/>、/>、/>分别为相变蓄冷罐群组的最大容量、最大蓄冷功率、最大释冷功率、最大占地面积;/>、、/>、/>分别为/>类相变蓄冷罐单元的额定容量、额定蓄冷功率、额定释冷功率、额定占地面积;/>为/>类相变蓄冷的配置状态;/>为/>类相变蓄冷的配置数量;
建筑微能源网的初投资满足式(13)所示约束:
进一步地,所述步骤3中,下层模型的目标函数如下式(14)、(15)所示:
进一步地,所述下层模型的约束条件具体包括微能源网的功率平衡约束、蓄电池性能约束、蓄电池系统的出力约束、双向变流器的性能约束、相变蓄冷罐的性能约束、相变蓄冷系统的出力约束、相变蓄热罐的性能约束、相变蓄热系统的出力约束、光伏的性能约束、光伏系统的出力约束、光伏逆变器的性能约束、热泵的性能约束、热泵系统的出力约束、市电的出力约束;
热泵处于制冷模式时,所述热泵的性能约束如下式(28)所示:
热泵系统的出力约束如下式(29)所示:
式中,和/>分别为典型日/>在/>时刻处于直接供冷模式的热泵编号和台数;/>和分别为典型日/>在/>时刻处于热泵充冷模式的热泵编号和台数;/>、/>分别为典型日/>在/>时刻热泵/>和/>的负荷率;/>、/>分别为典型日/>在/>时刻热泵/>和/>的制冷量;/>、/>分别为典型日/>在/>时刻热泵/>和/>的非标准工况修正系数;/>、分别为典型日/>在/>时刻热泵/>和/>的部分负荷修正系数;/>、/>分别为典型日/>在/>时刻热泵/>和/>的制冷上限;/>、/>分别为典型日/>在/>时刻热泵的制冷量、相变蓄冷罐蓄冷的功率;/>为热泵的配置台数;/>为热泵单元的额定电功率。/>
进一步地,所述微能源网的功率平衡约束如下式(16)所示:
相变蓄冷罐的性能约束如下式(20)所示:
相变蓄冷系统的出力约束如下式(21)所示:
式中,为/>时刻相变蓄冷罐的蓄冷容量;/>为相变蓄冷罐的自损耗率;、/>分别为相变蓄冷罐的蓄冷效率与释冷效率;/>为蓄冷容量下限;/>与分别为相变蓄冷罐的始末时刻的蓄冷容量;/>为典型日/>在/>时刻相变蓄冷罐的运行状态;/>为相变蓄冷罐的最大蓄冷容量;
市电的出力约束如下式(30)所示:
进一步地,所述蓄电池性能约束如下式(17)所示:
蓄电池系统的出力约束如下式(18)所示:
式中,为典型日/>在/>时刻蓄电池的储电量;/>为蓄电池的自损耗率;/>、分别为蓄电池充电效率与放电效率;/>为蓄电池运行状态;/>与/>分别为始末时刻的储电量;/>、/>分别为储电容量上限和下限;/>、/>分别为最大充电功率、最大放电功率;
双向变流器的性能约束如式(19)所示:
光伏的性能约束如下式(22)所示:
光伏系统的出力约束如下式(23)所示:
光伏逆变器的性能约束如式(24)所示:
进一步地,所述步骤4的具体过程如下:
首先对上层模型进行求解,获得光伏的数量配置、热泵、蓄电池、相变蓄冷、相变蓄热的类型与数量配置,并根据各类能源设备的配置结果,计算出各类能源设备总的额定配置容量、总的额定功率,作为各类能源设备的运行约束传递到下层优化模型中;
然后将个典型日的能源设备运行状态与出力及对应的运行成本返回到上层模型中,上层模型根据下层模型返回的运行成本计算全寿命周期成本,再次优化能源设备的配置方案;循环迭代,当迭代次数达到限定值时输出建筑微能源网的优化配置方案,否则继续迭代求解。
本发明具有如下有益效果:
本发明根据建筑围护结构的热工参数,结合一阶ETP模型,计算房间通过三档风量+通断控制调节室温的建筑逐时空调负荷需求,更贴近于实际场景,为微能源网的优化配置提供了更准确的空调负荷需求数据;本发明构建了建筑微能源网双层优化配置模型,上层为容量配置优化模型,目标函数为全寿命周期成本净现值最小,下层为运行调度优化模型,目标函数为典型日运行成本和典型日综合运行能效最优,建立了能源设备的性能约束,考虑非标准工况对热泵运行效率的影响,尤其是热泵处于直接供冷和蓄冷两种不同模式时,冷冻出水温度差异导致的能效差异,通过对双层模型求解,能够获得建筑微能源网优化配置方案。本发明所获得的优化配置方案能够提升建筑微能源网的全寿命周期经济性、运行经济性与能效性,为含热泵和电、冷、热混合储能的建筑微能源网的优化配置提供指导建议,有效解决了现有研究中存在的末端空调的温控策略偏离实际、因忽略环境温度、负荷率、冷冻出水温度等因素对热泵或冷机运行效率的影响而导致相变储能效益预估不准确等问题。
附图说明
图1为本发明所述建筑微能源网双层优化配置方法流程图;
图2为建筑微能源网系统架构图;
图3为建筑微能源网的双层优化配置模型示意图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
建筑微能源网系统如图2所示,是由电网、光伏、热泵、相变蓄冷、相变蓄热及蓄电池构成的冷、热、电混合储能系统;建筑微能源网系统包含电负荷、冷负荷、热负荷3类负荷;电负荷由电网、光伏、蓄电池联合供给,电网与电力母线直接连接,并网运行;光伏通过光伏逆变器与电力母线连接;蓄电池通过双向变流器与电力母线连接,实现充/放电;热负荷由热泵、相变蓄热联合供给,冷负荷由热泵与相变蓄冷联合供给,冷/热能通过冷/热母线输配至各空调房间,满足用户的热环境舒适性需求。
本发明所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法如图1所示,包括如下过程:
其中,室内空调换热模型公式如下式(1)所示:
为/>时刻的空调的出力,制冷为正,制热为负;设定各房间的温度调节方式相同,均为房间空调器监测室内温度偏差自动调整风量为高、中、低3档及关闭状态,调整空调的供冷/热量以适应温度变化;制冷模式,末端空调的供冷量随室内温度变化的规律如下式(4-1)所示;制热模式,末端空调的供热量随室内温度变化的规律如下式(4-2)所示;
步骤2:计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求(包括冷负荷、热负荷),便于后续针对性地配置能源供给;
根据建筑各房间围护结构的尺寸与设计热工参数,计算获得各房间外围护结构的综合热阻;设定房间温度均为,假定各房间空调的初始温度/>满足/>(/>,)的均匀分布,以1分钟为时间步长,以1天为计算周期,根据公式(1)~(4)计算获得各房间 1440分钟(即1天)的空调供冷量或供热量数据,然后将各房间/>时刻的空调负荷需求累加获得目标建筑/>时刻总的空调负荷需求,最后将建筑1440分钟的空调负荷需求数据(包括夏季冷负荷与冬季热负荷)逐时平均处理,获得以小时为时间尺度的典型日建筑逐时空调负荷需求数据;将典型日/>的逐时冷负荷数据集合记为/>,/>,将典型日/>的逐时热负荷数据集合记为/>,/>,其中,/>表示时刻,/>,/>、/>分别表示典型日/>第/>时刻的空调冷负荷与空调热负荷。
步骤3:构建如图3所示的建筑微能源网的双层优化配置模型;
双层优化配置模型包括上层模型和下层模型,上层模型为配置优化模型,以建筑微能源网的全寿命周期成本净现值最小化为目标函数,以能源设备的配置类型和数量为决策变量,约束条件包括能源设备的安装空间约束或安装数量约束、初投资约束;下层模型为运行优化模型,包含个子问题,以典型日运行成本和典型日综合能效为目标函数,以典型日能源设备的运行状态和出力为决策变量,约束条件包括功率平衡约束、能源设备性能约束、子系统出力约束;
步骤3.1:构建上层模型;
上层模型的目标函数如下式(5)所示:
式中,和/>别为能源设备种类编号和数量,能源设备包括光伏、热泵、相变蓄冷、相变蓄热、蓄电池;/>为第/>种能源设备的配置状态,为布尔变量,取值为1表示是,取值为0表示否;/>、/>、/>分别为第/>种能源设备的单位容量价格、单位功率价格、配置数量;/>、/>分别为第/>种能源设备的单台额定容量(仅针对蓄电池与相变储能设备)、单台额定功率;/>为终值-现值转换系数,/>,/>表示折现率,/>表示规划年限;/>为能源设备/>的残值率,为回收价值与初投资的比值;
式中,、/>、/>、/>分别表示典型日/>的购售电成本、维护成本、碳排放税、弃光惩罚成本;/>为典型日/>的运行成本;/>为年金-净现值转换系数,/>;/>和/>分别为/>时刻的购电单价和售电单价,根据当地的分时电价数据获得;/>、/>、/>、/>、/>、/>、/>、/>分别为典型日/>在/>时刻的售电功率、购电功率、光伏实际出力、光伏预测出力、热泵电功率、相变蓄冷罐释冷功率、相变蓄热罐释热功率、蓄电池放电功率;/>、/>、/>、/>、/>分别为光伏、热泵、相变蓄冷、相变蓄热、蓄电池的维护单价;/>为单位碳排放税;/>为购电的等效碳排放系数;为弃光惩罚单价;/>为时间步长,取值1小时。
上层模型的决策变量为能源设备的配置类型和数量,具体包括光伏板的配置数量,热泵(本实施例中指的是空气源热泵)、相变蓄冷罐、相变蓄热罐、蓄电池的配置类型和数量;约束条件为能源设备的安装空间约束或安装数量约束、初投资约束,具体如下:
针对热泵的选型,当确定热泵的冷热源形式后(主要有空气源热泵、土壤源热泵、水源热泵3种形式),需要确定热泵的型号,主要取决于热泵单元(指单台设备,下同)的额定功率,将影响部分负荷工况下热泵的负荷率,从而影响热泵的运行能效;根据热泵拟布置位置,综合考虑热岛效应问题、运维空间预留、管道及附件敷设等因素,确定热泵的空间约束如式(9)所示:
式中,为热泵群组的最大功率;/>和/>分别为热泵的类型编号和种数;/>为类热泵的配置状态,为布尔变量,取值为1表示配置,取值为0表示否;/>、/>、分别为/>类热泵单元的额定功率、配置数量、占地面积;/>表示热泵群组的最大占地面积;
根据光伏拟安装位置,确定光伏的空间约束如式(10)所示:
目前主流的蓄电池有铅酸蓄电池、磷酸铁锂电池、三元锂电池三种,根据电池室的空间大小,确定上述三种蓄电池可安装的最大节数,建立如式(11)所示的蓄电池数量约束:
式中:、/>、/>分别为蓄电池组的最大容量、最大充电功率、最大放电功率;/>、/>、/>分别为单节/>类型蓄电池的额定容量、额定充电功率、额定放电功率;/>和/>分别为/>类型蓄电池的数量和最大配置数量;/>为/>类蓄电池的配置状态,为布尔变量,取值为1表示配置,取值为0表示否;/>、/>分别表示蓄电池的类型编号和种数;
对相变蓄冷的选型,首先根据空调末端的形式,确定相变温度的范围,然后确定选择符合要求的几种相变蓄冷材料及对应的相变蓄冷罐。而相变温度将影响热泵为相变蓄冷罐充注冷量时的冷冻水供水温度,将影响热泵的运行能效。相变蓄冷罐的数量约束如下式(12)所示,相变蓄热罐的数量约束与相变蓄冷罐的数量约束相类似,区别仅在于公式参数下标表示不同,本实施例不再赘述;
式中,和/>分别为相变蓄冷的类型标号和种数;/>、/>、/>、/>分别为相变蓄冷罐群组的最大容量、最大蓄冷功率、最大释冷功率、最大占地面积;/>、、/>、/>分别为/>类相变蓄冷罐单元的额定容量、额定蓄冷功率、额定释冷功率、额定占地面积;/>为/>类相变蓄冷罐单元的配置数量;/>为/>类相变蓄冷的配置状态,为布尔变量,取值为1表示配置,取值为0表示否;
建筑微能源网的初投资满足式(13)所示约束:
步骤3.2:构建下层模型;
下层模型的优化目标为典型日的运行成本最小和综合能效最高,其目标函数如下式(14)、(15)所示:
下层模型的决策变量为典型日能源设备的运行状态和出力,具体包括光伏群组的实际功率和弃光功率、热泵群组中处于直接供冷模式和处于为相变蓄冷/蓄热充冷模式的台数及其电功率、相变蓄冷的运行模式与蓄/释冷功率、相变蓄热罐的运行模式与蓄/释热功率、蓄电池的运行模式与充/放电功率、电网购/售电模式与电功率;约束条件具体包括功率平衡约束、能源设备的性能约束、子系统出力约束。
微能源网的功率平衡约束如下式(16)所示:
式(16)第1、2、3行分别为电功率、热功率、冷功率平衡约束;、/>、/>分别为典型日/>在/>时刻光伏逆变器、双向变流器、市电的电功率;/>、/>分别为典型日/>在/>时刻热泵制热、相变储热装置蓄热的功率;/>、/>分别为典型日/>在/>时刻热泵制冷、相变蓄冷罐蓄冷的功率。
蓄电池性能约束如下式(17)所示:
蓄电池系统的出力约束如下式(18)所示:
式(18)的第1行为蓄电池储能容量约束,第2行为蓄电池充放电功率约束,第3行表示一个调度周期(24h)始末时刻蓄电池容量相等;为典型日/>在/>时刻蓄电池的储电量;/>为蓄电池的自损耗率;/>、/>分别为蓄电池充电效率与放电效率/>为蓄电池运行状态,为布尔变量,为0放电,为1充电;/>与/>分别为始末时刻的储电量;/>、分别为储电容量上限和下限;/>为最大充电功率;/>为最大放电功率。
双向变流器的性能约束如式(19)所示:
相变蓄冷罐的性能约束如下式(20)所示:
相变蓄冷系统的出力约束如下式(21)所示:
式(21)中,第1行为相变蓄冷罐的储能容量约束,第2行相变蓄冷罐充能、释能功率约束,第3行表示一个调度周期始末时刻相变蓄冷罐的蓄冷容量相等;为/>时刻相变蓄冷罐的蓄冷容量;/>为相变蓄冷罐的自损耗率;/>、/>分别为相变蓄冷罐的蓄冷效率与释冷效率;/>为蓄冷容量下限;/>与/>分别为相变蓄冷罐的始末时刻的蓄冷容量;/>为典型日/>在/>时刻相变蓄冷罐的运行状态,为布尔变量,取值1表示蓄冷,取值0表示释冷;/>为相变蓄冷罐的最大蓄冷容量;/>、/>分别为相变蓄冷罐的最大蓄冷功率与最大释冷功率。
相变蓄热罐的性能约束以及相变蓄冷系统的出力约束与相变蓄冷罐的相类似,区别仅在于公式下标表示不同,本实施例不再赘述。
光伏的性能约束如下式(22)所示:
光伏系统的出力约束如下式(23)所示:
光伏逆变器的性能约束如式(24)所示:
热泵在制冷模式时向室外空气排放热量,制热模式时吸收热量,其运行能效主要与冷冻水出水温度、冷冻水流量、室外空气温度、风机风量、负荷率等因素相关,设定经过热泵的冷冻水流量恒定,风机定转速运行,则热泵在非标准工况下满负荷运行时的制冷量如式(25)所示,热泵的负荷率如式(26)所示,热泵在非标准工况部分负荷运行时的电功率如式(27)所示:
式中,~/>、/>~/>、/>~/>均为系数,根据热泵单元的样本数据,通过线性回归分析拟合获得;/>、/>分别为在非标准工况和标准工况下的热泵单元满负荷运行时的制冷量上限;/>为典型日/>在/>时刻热泵单元的电功率;/>、/>、/>分别为典型日/>在/>时刻的冷冻水出水温度、室外空气温度、负荷率;/>、/>为热泵单元的额定制冷量、额定电功率;/>、/>分别为标准工况下的室外空气温度、冷冻出水温度;/>为非标准工况修正系数;/>为部分负荷率修正系数;/>为典型日/>在/>时刻热泵单元的冷功率;
在夏季,热泵处于制冷模式,当热泵直接向用户输送冷冻水,设定冷冻出水温度为,相变蓄冷罐的相变温度为/>,热泵为相变蓄冷罐充冷时,供水温度应当比相变温度低,差值为/>,则热泵为相变蓄冷充冷时的冷冻出水温度为/>,则热泵的性能约束如下式(28)所示:
热泵系统的出力约束如下式(29)所示:
式中,和/>分别为典型日/>在/>时刻处于直接供冷模式的热泵编号和台数;/>和分别为典型日/>在/>时刻处于热泵充冷模式的热泵编号和台数;/>、/>分别为典型日/>在/>时刻热泵/>和/>的负荷率;/>、/>分别为典型日/>在/>时刻热泵/>和/>的制冷量;/>、/>分别为典型日/>在/>时刻热泵/>和/>的非标准工况修正系数;/>、分别为典型日/>在/>时刻热泵/>和/>的部分负荷修正系数;/>、/>分别为典型日/>在/>时刻热泵/>和/>的制冷上限;/>为典型日/>在/>时刻热泵的制冷量;/>为热泵的配置台数;/>为热泵单元的额定电功率。
制热模式下的热泵性能约束与上述制冷模式下类似,本实施例中不再赘述。
市电的出力约束如下式(30)所示:
步骤4:对步骤3构建的双层优化配置模型进行求解,输出微能源网优化配置方案;
步骤4.1:上层模型为单目标优化问题,将不等式约束通过KKT条件转换为等式约束,使用拉格朗日乘子法将等式约束问题转换为无约束优化问题,然后对其进行求解,获得光伏的数量配置、热泵、蓄电池、相变蓄冷、相变蓄热的类型与数量配置,并根据各类能源设备的配置结果,计算出各类能源设备总的额定配置容量、总的额定功率,作为各类能源设备的运行约束传递到下层优化模型中;
步骤4.2:下层模型为多目标优化问题,通过NSGAII(二代非支配排序遗传算法)对问题进行求解,获得Pareto最优解集及对应的运行成本与能效;权衡选取最优解集中的1组能源设备运行状态与出力及对应的运行成本;
步骤4.4:将步骤4.3计算得到的个典型日的能源设备运行状态与出力及对应的运行成本返回到上层模型中,上层模型再根据下层模型返回的运行成本计算全寿命周期成本,再次优化能源设备的配置方案;如此循环迭代,只有当迭代次数达到限定值后,输出建筑微能源网的优化配置方案,否则继续迭代求解。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (10)
1.一种计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,其特征在于,包括如下过程:
步骤1:基于一阶ETP模型建立风机盘管采用3档风量调控室温的室内空调换热模型;
步骤2:基于步骤1建立的室内空调换热模型,计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求,包括冷负荷、热负荷;
步骤3:基于步骤2获取的建筑典型日逐时空调负荷需求,构建建筑微能源网的双层优化配置模型;双层优化配置模型包括上层模型和下层模型,上层模型为配置优化模型,以建筑微能源网的全寿命周期成本净现值最小化为目标函数,以能源设备的配置类型和数量为决策变量,约束条件包括能源设备的安装空间约束或安装数量约束、初投资约束;下层模型为运行优化模型,以典型日运行成本和典型日综合能效为目标函数,以典型日能源设备的运行状态和出力为决策变量,约束条件包括功率平衡约束、能源设备性能约束、子系统出力约束;
步骤4:对步骤3构建的双层优化配置模型进行求解,输出微能源网优化配置方案。
2.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,其特征在于,所述步骤1中,室内空调换热模型公式如下式(1)所示:
式中,、/>分别为/>时刻室内空气温度、室外空气温度;/>为外围护结构的综合热阻;/>为室内空气热容;/>为时间步长;/>为/>时刻的室内人员散热;/>为/>时刻太阳辐射得热量,包括窗户的太阳辐射得热量/>与外墙或屋顶的太阳辐射得热量/>;/>为/>时刻的空调的出力,制冷为正,制热为负;
设定各房间的温度调节方式相同,均为房间空调器监测室内温度偏差自动调整风量为3档及关闭状态,调整空调的供冷/热量以适应温度变化,其中,制冷模式下末端空调的供冷量随室内温度的变化如下式(4-1)所示,制热模式下末端空调的供热量随室内温度变化的规律如下式(4-2)所示:
3.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,其特征在于,所述步骤2中,计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求的具体过程如下:
根据建筑各房间围护结构的尺寸与设计热工参数,计算获得各房间外围护结构的综合热阻;设定房间温度均为,各房间空调的初始温度/>满足/>(/>,/>)的均匀分布,以1分钟为时间步长,以1天为计算周期,根据室内空调换热模型计算获得各房间1440分钟的空调供冷量或供热量数据,然后将各房间/>时刻的空调负荷需求累加获得目标建筑/>时刻总的空调负荷需求,最后将建筑1440分钟的空调负荷需求数据逐时平均处理,获得以小时为时间尺度的典型日建筑逐时空调负荷需求数据;
4.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,其特征在于,所述步骤3中,上层模型的目标函数如下式(5)所示:
式中,和/>别为能源设备种类编号和数量,能源设备包括光伏、热泵、相变蓄冷、相变蓄热、蓄电池;/>为第/>种能源设备的配置状态;/>、/>、/>分别为第/>种能源设备的单位容量价格、单位功率价格、配置数量;/>、/>分别为第/>种能源设备的单台额定容量、单台额定功率;/>为终值-现值转换系数;/>为能源设备/>的残值率;/>为典型日/>在一年中出现的频次;
5.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,其特征在于,所述上层模型的约束条件具体包括热泵的空间约束、光伏的空间约束、蓄电池数量约束、相变蓄冷罐的数量约束、相变蓄热罐的数量约束、建筑微能源网的初投资约束;
热泵的空间约束如式(9)所示:
光伏的空间约束如式(10)所示:
蓄电池的数量约束如式(11)所示:
式中:、/>、/>分别为蓄电池组的最大容量、最大充电功率、最大放电功率;、/>、/>分别为单节/>类型蓄电池的额定容量、额定充电功率、额定放电功率;/>和/>分别为/>类型蓄电池的数量和最大配置数量;/>为/>类蓄电池的配置状态;/>、/>分别表示蓄电池的类型编号和种数;
相变蓄热罐的数量约束与相变蓄冷罐相同,其中,相变蓄冷罐的数量约束如下式(12)所示:
式中,和/>分别为相变蓄冷的类型标号和种数;/>、/>、/>、/>分别为相变蓄冷罐群组的最大容量、最大蓄冷功率、最大释冷功率、最大占地面积;/>、/>、、/>分别为/>类相变蓄冷罐单元的额定容量、额定蓄冷功率、额定释冷功率、额定占地面积;/>为/>类相变蓄冷罐单元的配置数量;/>为/>类相变蓄冷的配置状态;
建筑微能源网的初投资满足式(13)所示约束:
7.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,其特征在于,所述下层模型的约束条件具体包括微能源网的功率平衡约束、蓄电池性能约束、蓄电池系统的出力约束、双向变流器的性能约束、相变蓄冷罐的性能约束、相变蓄冷系统的出力约束、相变蓄热罐的性能约束、相变蓄热系统的出力约束、光伏的性能约束、光伏系统的出力约束、光伏逆变器的性能约束、热泵的性能约束、热泵系统的出力约束、市电的出力约束;
热泵处于制冷模式时,所述热泵的性能约束如下式(28)所示:
热泵系统的出力约束如下式(29)所示:
式中,和/>分别为典型日/>在/>时刻处于直接供冷模式的热泵编号和台数;/>和/>分别为典型日/>在/>时刻处于热泵充冷模式的热泵编号和台数;/>、/>分别为典型日在/>时刻热泵/>和/>的负荷率;/>、/>分别为典型日/>在/>时刻热泵/>和/>的制冷量;、/>分别为典型日/>在/>时刻热泵/>和/>的非标准工况修正系数;/>、/>分别为典型日/>在/>时刻热泵/>和/>的部分负荷修正系数;/>、/>分别为典型日/>在/>时刻热泵/>和/>的制冷上限;/>、/>分别为典型日/>在/>时刻热泵的制冷量、相变蓄冷罐蓄冷的功率;/>为热泵的配置台数;/>为热泵单元的额定电功率;制热模式下的热泵相关约束与制冷模式下相同。
8.根据权利要求7所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,其特征在于,所述微能源网的功率平衡约束如下式(16)所示:
式中,、/>、/>分别为典型日/>在/>时刻光伏逆变器、双向变流器、市电的电功率;/>为典型日/>在/>时刻的热泵电功率;/>、/>、/>分别表示典型日/>第/>时刻的空调冷负荷、空调热负荷、电负荷;/>、/>分别为典型日/>在/>时刻的相变蓄热罐释热功率、相变蓄冷罐释冷功率;/>、/>分别为典型日/>在/>时刻热泵制热、相变储热装置蓄热的功率;
相变蓄冷罐的性能约束如下式(20)所示:
相变蓄冷系统的出力约束如下式(21)所示:
式中,为/>时刻相变蓄冷罐的蓄冷容量;/>为相变蓄冷罐的自损耗率;/>、分别为相变蓄冷罐的蓄冷效率与释冷效率;/>为时间步长;/>为蓄冷容量下限;与/>分别为相变蓄冷罐的始末时刻的蓄冷容量;/>为典型日/>在/>时刻相变蓄冷罐的运行状态;/>为相变蓄冷罐的最大蓄冷容量;/>、/>分别为相变蓄冷罐的最大蓄冷功率与最大释冷功率;相变蓄热罐的相关约束与相变蓄冷罐相同;
市电的出力约束如下式(30)所示:
9.根据权利要求7所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,其特征在于,所述蓄电池性能约束如下式(17)所示:
蓄电池系统的出力约束如下式(18)所示:
式中,为典型日/>在/>时刻蓄电池的储电量;/>为蓄电池的自损耗率;/>、/>分别为蓄电池充电效率与放电效率;/>为蓄电池运行状态;/>与/>分别为始末时刻的储电量;/>、/>分别为储电容量上限和下限;/>、/>分别为最大充电功率、最大放电功率;/>、/>分别为典型日/>在/>时刻的蓄电池放电功率、蓄电池充电功率;/>为时间步长;
双向变流器的性能约束如式(19)所示:
光伏的性能约束如下式(22)所示:
光伏系统的出力约束如下式(23)所示:
光伏逆变器的性能约束如式(24)所示:
10.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法,其特征在于,所述步骤4的具体过程如下:
首先对上层模型进行求解,获得光伏的数量配置、热泵、蓄电池、相变蓄冷、相变蓄热的类型与数量配置,并根据各类能源设备的配置结果,计算出各类能源设备总的额定配置容量、总的额定功率,作为各类能源设备的运行约束传递到下层优化模型中;
然后通过二代非支配排序遗传算法对下层模型进行求解,获取某一典型日的1组能源设备运行状态与出力及对应的运行成本;然后按照同样的方法求解获得D个典型日的能源设备运行状态与出力及对应的运行成本;
然后将D个典型日的能源设备运行状态与出力及对应的运行成本返回到上层模型中,上层模型根据下层模型返回的运行成本计算全寿命周期成本,再次优化能源设备的配置方案;循环迭代,当迭代次数达到限定值时输出建筑微能源网的优化配置方案,否则继续迭代求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310491993.6A CN116227739B (zh) | 2023-05-05 | 2023-05-05 | 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310491993.6A CN116227739B (zh) | 2023-05-05 | 2023-05-05 | 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116227739A true CN116227739A (zh) | 2023-06-06 |
CN116227739B CN116227739B (zh) | 2023-09-12 |
Family
ID=86585837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310491993.6A Active CN116227739B (zh) | 2023-05-05 | 2023-05-05 | 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116227739B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862154A (zh) * | 2021-01-04 | 2021-05-28 | 天津大学 | 一种考虑需求响应的区域能源系统双层规划优化方法 |
WO2021232734A1 (zh) * | 2020-05-19 | 2021-11-25 | 山东建筑大学 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
CN114676894A (zh) * | 2022-03-15 | 2022-06-28 | 北京金茂绿建科技有限公司 | 基于设备热力学特性模型的建筑区域能源系统配置优化方法 |
CN115036953A (zh) * | 2022-07-25 | 2022-09-09 | 沈阳工业大学 | 消纳冬季夜间弃风的热泵储能系统及其优化方法 |
-
2023
- 2023-05-05 CN CN202310491993.6A patent/CN116227739B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021232734A1 (zh) * | 2020-05-19 | 2021-11-25 | 山东建筑大学 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
CN112862154A (zh) * | 2021-01-04 | 2021-05-28 | 天津大学 | 一种考虑需求响应的区域能源系统双层规划优化方法 |
CN114676894A (zh) * | 2022-03-15 | 2022-06-28 | 北京金茂绿建科技有限公司 | 基于设备热力学特性模型的建筑区域能源系统配置优化方法 |
CN115036953A (zh) * | 2022-07-25 | 2022-09-09 | 沈阳工业大学 | 消纳冬季夜间弃风的热泵储能系统及其优化方法 |
Non-Patent Citations (2)
Title |
---|
倪平波 等: "智能楼宇中的电-热储能系统双层优化配置模型研究", 《电测与仪表》, vol. 58, no. 9, pages 122 - 128 * |
李坚 等: "基于排序交叉优化算法的冷热电联供微电网经济调度", 《电力系统保护与控制》, vol. 49, no. 18, pages 137 - 145 * |
Also Published As
Publication number | Publication date |
---|---|
CN116227739B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Baniasadi et al. | Optimal sizing design and operation of electrical and thermal energy storage systems in smart buildings | |
Ren et al. | Improving energy flexibility of a net-zero energy house using a solar-assisted air conditioning system with thermal energy storage and demand-side management | |
Xie et al. | Optimal sizing of battery energy storage system in smart microgrid considering virtual energy storage system and high photovoltaic penetration | |
CN110619110B (zh) | 一种含热泵的综合能源系统协调运行优化方法 | |
WO2018156700A1 (en) | Building energy management and optimization | |
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 | |
Solano et al. | Assessing the potential of PV hybrid systems to cover HVAC loads in a grid-connected residential building through intelligent control | |
CN112419087B (zh) | 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法 | |
CN105337303A (zh) | 一种含热泵的热电联产型微电网容量优化配置方法 | |
CN111768032B (zh) | 基于双模式热泵储能协调的综合能源系统双层优化方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN110807588B (zh) | 一种多能源耦合综合能源系统的优化调度方法 | |
CN110659788A (zh) | 一种用户侧综合能源系统的供需平衡分析方法和系统 | |
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 | |
CN113255198B (zh) | 一种含虚拟储能的冷热电联供微电网多目标优化方法 | |
Pinzon et al. | An MILP model for optimal management of energy consumption and comfort in smart buildings | |
CN112600253A (zh) | 基于用能效率最优的园区综合能源协同优化方法及设备 | |
CN115857348A (zh) | 考虑两联供热泵舒适供能的分布式能量系统容量优化方法 | |
Luo et al. | A two-stage energy management strategy for CCHP microgrid considering house characteristics | |
CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法 | |
Ren et al. | Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers | |
CN110046821A (zh) | 相变储能墙系统的电热联合调度方法 | |
CN116972521A (zh) | 基于商业楼宇太阳能光伏中央空调系统控制方法 | |
Kalantar-Neyestanaki et al. | Uncertainty-cognizant model predictive control for energy management of residential buildings with pvt and thermal energy storage | |
CN116227739B (zh) | 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |