CN116307222A - 一种多重耦合清洁能源蓄能方法及系统 - Google Patents
一种多重耦合清洁能源蓄能方法及系统 Download PDFInfo
- Publication number
- CN116307222A CN116307222A CN202310307967.3A CN202310307967A CN116307222A CN 116307222 A CN116307222 A CN 116307222A CN 202310307967 A CN202310307967 A CN 202310307967A CN 116307222 A CN116307222 A CN 116307222A
- Authority
- CN
- China
- Prior art keywords
- energy
- energy storage
- auxiliary
- supply mode
- time period
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000010168 coupling process Methods 0.000 title claims abstract description 15
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 15
- 230000008878 coupling Effects 0.000 title description 2
- 239000002689 soil Substances 0.000 claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000001186 cumulative effect Effects 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- 239000002918 waste heat Substances 0.000 description 24
- 238000005057 refrigeration Methods 0.000 description 12
- 238000010438 heat treatment Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005553 drilling Methods 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种多重耦合清洁能源蓄能方法及系统，属于智能供能技术领域，包括步骤S1：基于历史负荷数据预测在第一时间段内的未来负荷数据，基于未来负荷数据确定需要向蓄能系统提供的总能量值；步骤S2：确定多种用于辅助土壤蓄能方式的辅助供能方式，计算各个辅助供能方式的最大生成能量值；步骤S3：建立多种蓄能方案，每种蓄能方案包括辅助供能方式P1和辅助供能方式P2，获取满足第一公式的数据组合α和β，基于第二公式计算各个数据组合评分C；步骤S4：将数据组合评分最高的蓄能方案确定为目标蓄能方案。通过本发明不仅解决了传统单一太阳能无法保证地源热泵系统供能效果的问题，还能还能保证供能方式的能量最大化利用。
Description
技术领域
本发明属于智能供能技术领域，具体涉及一种多重耦合清洁能源蓄能方法及系统。
背景技术
地源热泵系统以岩土体、地下水或地表水为低温热源，由水源热泵机组、地热能交换系统、建筑物内系统组成的供热空调系统，地源热泵系统的工作原理为：夏季通过机组将房间内的热量转移到地下，对房间进行降温，冬季通过热泵将土壤中的热量转移到房间，对房间进行供暖。由于地源热泵系统的运行没有任何污染，且以使用地热能为主，因此地源热泵技术是非常理想的可再生能源技术。
在建筑冬季热负荷大于夏季冷负荷的地区，地源热泵系统在长年运行后，会导致地下土壤温度下降，降低土壤热泵能效，这就导致地源热泵系统只能应用于温差不大的区域，从而大大限制了地源热泵系统的应用范围；为此，现有技术出提出了利用太阳能等清洁能源辅助供热，以提高地源热泵系统的能效提升；如中国专利申请“CN114623489A”公开了一种太阳能-土壤复合热泵跨季节蓄能系统的应用方法，该方法首先通过估算热泵机组的累积取热量和累积排热量来判断建筑是否需要采用太阳能与土壤源相结合的供热系统，然后再结合累计取热量与累计排热量的差值、项目特点和当地太阳能辐射气象参数，计算所需的太阳能集热器面积和地面管长度，最终建立太阳能集热器收集太阳能为地缘热泵系统辅助供能。又如中国专利申请“CN103438611B”公开了一种太阳能地源热泵系统优化设计方法，该方法根据不同施工情况的模拟，得出经分区后的每个区间的冷热负荷，从而能够得出集热面积和地埋管换热器的钻孔深度的取值范围，最后在不同集热面积和地埋管换热器的钻孔深度的取值范围下得到若干组的全年吸放热量，从中确定最优地埋管换热器的钻孔深度，从而能够最大限度的稳定土壤的平均温度，保证系统较高的整体运行效率；然而，上述两种方案均只以太阳能对土壤进行辅助供热，在实际应用中，由于太阳能的受影响因素较多，导致太阳能的供能效果波动较大，因此仅靠单一的太阳能无法保证地源热泵系统的供能效果，因此，为保证土壤温度的平衡，需要一种结合多种清洁能源来对土壤进行辅助补热的系统。
发明内容
为解决上述问题，本发明提供了一种多重耦合清洁能源蓄能方法及系统，以解决现有技术中仅靠单一太阳能对土壤进行辅助补热、存在补热效果不理想的问题。
为了达到上述的发明目的，本发明提出一种多重耦合清洁能源蓄能方法，包括：
步骤S1：建立负荷预测模型，获取历史负荷数据，所述负荷预测模型基于所述历史负荷数据预测在第一时间段内的未来负荷数据，基于所述未来负荷数据确定在第一时间段内需要向蓄能系统提供的总能量值；
步骤S2：确定多种用于辅助土壤蓄能方式的辅助供能方式，建立第一计算模型，所述第一计算模型基于当前土壤温度和目标土壤温度，计算土壤蓄能方式在第一时间段提供的第一能量值，基于所述总能量值和所述第一能量值，计算所有辅助供能方式需要提供的第二能量值，建立第二计算模型，所述第二计算模型计算各个辅助供能方式在第一时间段的最大生成能量值；
步骤S3：建立多种蓄能方案，每种蓄能方案包括辅助供能方式P1和辅助供能方式P2，获取满足第一公式的数据组合α和β，所述第一公式为：ε＝A×α+B×β，其中，ε为所述第二能量值，A为蓄能方案中辅助供能方式P1的最大生成能量值，B为辅助供能方式P2的最大生成能量值，α和β为辅助供能方式P1和辅助供能方式P2的利用率，基于第二公式计算各个数据组合评分C，所述第二公式为，C＝α+β；
步骤S4：将所述数据组合评分最高的蓄能方案确定为目标蓄能方案，基于辅助供能方式P1和辅助供能方式P2的利用率，对所述目标蓄能方案进行调整，以辅助土壤蓄能方式向蓄能系统提供能量。
进一步的，所述步骤S4中，若存在多种所述目标蓄能方案，则基于以下步骤对所述目标蓄能方案进行筛选：
步骤S41：以辅助供能方式P1累计提供能量为X轴，辅助供能方式P2累计提供能量为Y轴建立第一坐标系，以所述第一坐标系的原点为起点，将第一时间段所述目标蓄能方案的理想供能曲线绘制于所述第一坐标系上；
步骤S42：基于所述未来负荷数据，以所述第一坐标系的原点为起点，将第一时间段所述目标蓄能方案的第一理论供能曲线绘制于所述第一坐标系上，将第一时间段拆分为多个第二时间段，将所述第一理论供能曲线拆分为多个子线段，每个子线段对应一个第二时间段；
步骤S43：获取所述第一理论供能曲线在各个第二时间段结束时间点的第一坐标，获取各个所述第一坐标与所述理想供能曲线的距离，并基于第三公式获取所述目标蓄能方案的评分D，所述第三公式为：
其中，lm为第m个所述第一坐标点与所述理想供能曲线之间的距离，将评分最高的所述目标蓄能方案作为最终蓄能方案。
进一步的，基于以下步骤判断所述目标蓄能方案中，辅助供能方式P1和辅助供能方式P2的利用率是否需要进行调整：
以时间为X轴，以辅助供能方式P1和辅助供能方式P2累计提供的总能量值为Y轴建立第二坐标系，将所述目标蓄能方案的第二理论供能曲线绘制于所述第二坐标系上；
在所述第二坐标系内绘制第一个第二时间段内，所述目标蓄能方案的实际供能曲线，获取所述实际供能曲线在第二时间段结束时间点的第二坐标，并基于第四公式获得第一差值c，所述第四公式为：c＝|U-V|，其中，U为辅助供能方式P1和辅助供能方式P2在理论情况下，在第二时间段结束时间点累计提供的总能量，V为辅助供能方式P1和辅助供能方式P2在实际情况下，在第二时间段结束时间点累计提供的总能量，若所述第一差值大于预设的判断阈值，则判断所述目标蓄能方案的所述利用率需要进行调整。
进一步的，基于以下步骤对所述目标蓄能方案中两种辅助供能方式所述利用率进行调整：
将第一时间段划分为第三时间段T1,T2,TN，每个第三时间段均包括多个第二时间段，获取第三时间段T1内第一个第二时间段的第一差值，基于第四公式确定辅助供能方式P1和辅助供能方式P2在第二个第二时间段需要增加的能量值w1和w2，第四公式为：
其中，a和b分别表示在第一个第二时间段内，辅助供能方式P1和辅助供能方式P2各自累计提供的总能量，基于能量值w1和w2调整辅助供能方式P1和辅助供能方式P2的所述利用率；
在完成第二个第二时间段的蓄能后，继续获取在该时间段的所述第一差值，并基于所述第四公式对第三个第二时间段内辅助供能方式P1和辅助供能方式P2的所述利用率进行调整，重复本步骤，直至完成第三时间段T1的蓄能。
进一步的，在完成第三时间段T1的供能后，基于以下步骤对第三时间段T2两种辅助供能方式的所述利用率进行调整：
获取两种辅助供能方式在第三时间段T1内的第二差值，所述第二差值基于第五公式计算，第五公式为：
其中，/>
和/>
分别为辅助供能方式P1和辅助供能方式P2的所述第二差值，/>
和/>
分别为辅助供能方式P1在第k个第二时间段结束时间点、理论累计提供能量和实际累计提供能量，/>
和/>
为辅助供能方式P2在第k个第二时间段结束时间点、理论累计提供能量和实际累计提供能量；
将供辅助供能方式P1的所述第二差值整合为第一数据集，辅助供能方式P2所述第二差值整合为第二数据集，计算所述第一数据集和所述第二数据集的方差，定义方差最小数据集所对应的辅助供能方式为稳定供能方式，方差最大数据集所对应的供能方式为非稳定供能方式，在第三时间段T2内，增大所述稳定供能方式的所述利用率。
本发明还提供了一种多重耦合清洁能源蓄能系统，该系统用于实现上述所述的一种多重耦合清洁能源蓄能方法，该系统主要包括：
负荷预测模块，包括负荷预测模型，所述负荷预测模型获取历史负荷数据，所述负荷预测模型基于所述历史负荷数据预测在第一时间段内的未来负荷数据，基于所述未来负荷数据确定在第一时间段内需要向蓄能系统提供的总能量值；
能量计算模块，包括第一计算模型和第二计算模型，所述第一计算模型基于当前土壤温度和目标土壤温度，计算土壤蓄能方式在第一时间段提供的第一能量值，基于所述总能量值和所述第一能量值，计算所有辅助供能方式需要提供的第二能量值，所述第二计算模型计算各个辅助供能方式在第一时间段的最大生成能量值；
评分计算模块，用于计算每种蓄能方案获取满足第一公式的数据组合α和β，所述第一公式为：ε＝A×α+B×β，其中，ε为所述第二能量值，A为蓄能方案中辅助供能方式P1的最大生成能量值，B为辅助供能方式P2的最大生成能量值，α和β为辅助供能方式P1和辅助供能方式P2的利用率，基于第二公式计算各个数据组合评分C，所述第二公式为，C＝α+β；
方案筛选模块，将所述数据组合评分最高的蓄能方案确定为目标蓄能方案，基于辅助供能方式P1和辅助供能方式P2的利用率，对所述目标蓄能方案进行调整，以辅助土壤蓄能方式向蓄能系统提供能量。
与现有技术相比，本发明的有益效果至少如下所述：
本发明通过建立历史负荷数据预测未来负荷数据，然后基于未来负荷数据确定在保证土壤温度不会发生较大变化的情况下，其他供能方式需要提供的能量大小；在此基础上，根据地区实际情况确定多种不同的辅助供能方式后，从中选取两种蓄能方式组合为多种蓄能方案，并对各个蓄能方案进行评分，以寻找出能够实现辅助供能方式能量利用率最大的蓄能方案，从而提升能量的使用效率；通过本发明不仅解决了传统单一太阳能无法保证地源热泵系统供能效果的问题，还能还能保证供能方式的能量最大化利用。
附图说明
图1为本发明一种多重耦合清洁能源蓄能方法的步骤流程图；
图2为本发明对目标蓄能方案的评分原理图；
图3为本发明计算第一差值的原理图；
图4为本发明一种多重耦合清洁能源蓄能系统的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
如图1所示，一种多重耦合清洁能源蓄能方法，包括：
步骤S1：建立负荷预测模型，获取历史负荷数据，负荷预测模型基于历史负荷数据预测在第一时间段内的未来负荷数据，基于未来负荷数据确定在第一时间段内需要向蓄能系统提供的总能量值；
在本实施例中，第一时间段为180天，历史负荷数据为用户在上一年度同一时间段的负荷数据及天气数据，负荷数据的单位为MWh，例如，负荷预测模型基于上一年11月15日3至15日的负荷数据，对这一时间段的负荷数据进行预测，确定在未来该时间段内至少需要提供多少能量，才能保证建筑具有较好的供暖效果。负荷预测模型可以基于BP神经网络或LSTM神经网络构建，模型的构建方式均为现有技术，此处不再赘述。
步骤S2：确定多种用于辅助土壤蓄能方式的辅助供能方式，建立第一计算模型，第一计算模型基于当前土壤温度和目标土壤温度，计算土壤蓄能方式在第一时间段提供的第一能量值，基于总能量值和第一能量值，计算所有辅助供能方式需要提供的第二能量值，建立第二计算模型，第二计算模型计算各个辅助供能方式在第一时间段的最大生成能量值；
在本实施例中，辅助供能方式包括三种不同的供能方式，具体为太阳能、制冷余热和建筑废热；第一计算模型具体可以能耗模拟软件EnergyPlus，第一计算模型根据当前土壤温度和目标土壤温度，结合土壤温度自然恢复等因素，计算土壤温度在不超出预设范围变化的情况下，基于土壤的蓄能方式能够提供多少能量，即第一能量值；例如在180天的运行中，在土壤温度变化不超过1摄氏度的情况下，地源热泵系统能够从土壤中抽取多少能量用于供热；在获得总能量和第一能量值后，就可以根据两者的差值获取第二能量值，也即为了保证建筑具有较好的供暖效果，辅助供能方式还需要提供多少能量。
第二计算模型同样基于神经网络模型构建，在本实施例中，第二计算模型的具体作用为，根据该地区的历史天气变化、工厂生产计划等相关影响因素，预测太阳能蓄能方式、制冷余热和建筑废热在这时间段内，各自所能产生的最大生成能量值，若各自所能产生的最大能量值均小于第二能量值，表明仅依靠单个能源无法保证向蓄能系统提供足够的能量，此时需要将其中两者结合供能。
步骤S3：建立多种蓄能方案，每种蓄能方案包括辅助供能方式P1和辅助供能方式P2，获取满足第一公式的数据组合α和β，第一公式为：ε＝A×α+B×β，其中，ε为第二能量值，A为蓄能方案中辅助供能方式P1的最大生成能量值，B为辅助供能方式P2的最大生成能量值，α和β为辅助供能方式P1和辅助供能方式P2的利用率，基于第二公式计算各个数据组合评分C，第二公式为，C＝α+β；
由于本实施例中提供三种辅助供能方式，因此建立三种蓄能方案组合，分别为太阳能和制冷余热、太阳能和建筑废热、制冷余热和建筑废热；这里以太阳能和制冷余热的为例，对本步骤进行解释，若蓄能系统需要辅助供能方式提供100MWh,太阳能在180天内共计能提供50MWh，制冷余热能提供80MWh，那么将会有多个满足第一公式的配比方式，例如太阳能提供其产生能量的88％，即利用率为88％，制冷余热提供其产生能量的70％，即利用率为70％，或太阳能提供其产生能量的100％，制冷余热提供其产生能量的62.5％，因此，通过计算将所有满足第一公式的α和β数据组合筛选出，并基于第二公式相加，以计算数据组合评分。
步骤S4：将数据组合评分最高的蓄能方案确定为目标蓄能方案，基于辅助供能方式P1和辅助供能方式P2的利用率，对目标蓄能方案进行调整，以辅助土壤蓄能方式向蓄能系统提供能量；
本实施例以数据组合评分以基础对蓄能方案进行评分，其目的是为了实现能量最大化的利用，例如建筑废热在180天内共计能提供50MWh，那么在太阳能和建筑废热方案中，两者都需提供100％的能量，如此就实现了对两者产生能量最大化的利用。那么在实际应用中，就将两者进行结合，为蓄能系统提供能量。
尤为注意的是，本发明提供了一种结合多种清洁能源来对土壤进行辅助补热的方法，从而解决了传统单一太阳能无法保证地源热泵系统供能效果的问题。
本发明通过建立历史负荷数据预测未来负荷数据，然后基于未来负荷数据确定在保证土壤温度不会发生较大变化的情况下，其他供能方式需要提供的能量大小；在此基础上，根据地区实际情况确定多种不同的辅助供能方式后，从中选取两种蓄能方式组合为多种蓄能方案，并对各个蓄能方案进行评分，以寻找出能够实现辅助供能方式能量利用率最大的蓄能方案，从而提升能量的使用效率；通过本发明不仅解决了传统单一太阳能无法保证地源热泵系统供能效果的问题，还能还能保证供能方式的能量最大化利用。
基于上述第一公式，可能会出现两种数据组合评分相同的情况，例如太阳能提供40MWh，制冷余热能提供80MWh，建筑废热提供40MWh，那么在太阳能与制冷余热的方案会出现100％+75％＝175％的结果，制冷余热与建筑废热的方案也会出现100％+75％＝175％的结果，此时，两种方案的评分相同，需要基于以下步骤对两个方案继续进行筛选。
步骤S41：以辅助供能方式P1累计提供能量为X轴，辅助供能方式P2累计提供能量为Y轴建立第一坐标系，以第一坐标系的原点为起点，将第一时间段目标蓄能方案的理想供能曲线绘制于第一坐标系上；
步骤S42：基于未来负荷数据，以第一坐标系的原点为起点，将第一时间段目标蓄能方案的第一理论供能曲线绘制于第一坐标系上，将第一时间段拆分为多个第二时间段，将第一理论供能曲线拆分为多个子线段，每个子线段对应一个第二时间段；
绝对理想状态下，在第一时间段内，蓄能方案两种供能方式所提供的能量应该是稳定，若供能方式P1和供能方式P2每天产生相同的能量，那么向蓄能系统所提供能量的累计值应该是匀速上升到的，如图2中的曲线L1所示，即曲线L1是排除天气等因素影响而绘制的理想供能曲线；但实际上，太阳能收到天气的影响，制冷余热和建筑余热受工厂计划的影响，导致每天所产生的热量是不同的，在将第一时间段拆分为多个第二时间段的情况下，每个第二时间段所产生的能量就会不同，如图2中，供能方式P1和供能方式P2在第一个第二时间段分别产生300kWh和350kWh,而在第二个第二时间段分别产生300kWh和500kWh，就会产生图中的曲线L2，即第一理论供能曲线。因为理论上，天气变化和工厂计划等可以根据历史记录进行提前预知，那么在进行预知的情况，就可以绘制出理论上的供能曲线L2，即供能曲线L2是在考虑天气等因素后绘制的。
步骤S43：获取第一理论供能曲线在各个第二时间段结束时间点的第一坐标，获取各个第一坐标与理想供能曲线的距离，并基于第三公式获取目标蓄能方案的评分D，第三公式为：
其中，lm为第m个第一坐标点与理想供能曲线之间的距离，将评分最高的目标蓄能方案作为最终蓄能方案。
在获得第一理论供能曲线后，基于步骤S43对蓄能方案进行评分，具体的，获取第一理论供能曲线在各个第二时间段结束时间点的第一坐标，如图2中所示的坐标点g1、g2、g3和g4，以上述坐标点为起点，向曲线L1做垂线，从而获得各个坐标点与曲线L1的距离；最后将各个坐标点的距离值相加，那么最后得出的结果越大，表明该蓄能方案的波动性越大，波动性越大的方案对蓄能系统的正常运行影响越大，因此将其进行剔除，选择波动性较小的方案作为最终蓄能方案，特别的，第三公式取各个坐标点距离值和的倒数，表明波动性越大，评分越小。通过本步骤可以对多个组合数据评分相同的方案进行筛选，从而获得波动性较小的蓄能方案。
然而在实际应用中，天气、工厂运行计划虽然可以提前预知，但在实际运行中，天气预测结果、工厂运行计划总会发生变化，这样就会导致理论供能与实际供能会出现偏差，那么在此情况下，为了保证蓄能系统能够得到足够的能量，就需要根据实际情况对蓄能方案中两种供能方式的利用率进行动态调整，在本发明中，基于以下步骤确定供能方式的利用率是否需要进行调整。
以时间为X轴，以辅助供能方式P1和辅助供能方式P2累计提供的总能量值为Y轴建立第二坐标系，将目标蓄能方案的第二理论供能曲线绘制于第二坐标系上；
在第二坐标系内绘制第一个第二时间段内，目标蓄能方案的实际供能曲线，获取实际供能曲线在第二时间段结束时间点的第二坐标，并基于第四公式获得第一差值c，第四公式为：c＝|U-V|，其中，U为辅助供能方式P1和辅助供能方式P2在理论情况下，在第二时间段结束时间点累计提供的总能量，V为辅助供能方式P1和辅助供能方式P2在实际情况下，在第二时间段结束时间点累计提供的总能量，若第一差值大于预设的判断阈值，则判断目标蓄能方案的利用率需要进行调整。
具体的，如图3所示，第二理论供能曲线如图3中的L3所示，实际供能曲线如L4，这里仅绘制在第一个第二时间段内，目标蓄能方案所提供的能量，从图中可以看出，在第二时间段内，目标蓄能方案在实际运行中所提供的能量未达到理论上所需要提供的能量，即图中坐标点g5小于g6的纵坐标，第四公式即是为了计算两个曲线在第二时间段结束点纵坐标的差值；此时为了保证供热效果，需要增大从土壤中获取的能源，之后，为了保证未来土壤的温度，在下一个时间段内需要增加目标蓄能方案所提供的能量，以减少下一时间段从土壤中抽取的能量。
在确定需要对目标蓄能方案中两种辅助供能方式的利用率进行调整时，则基于以下步骤对其进行调整。
将第一时间段划分为第三时间段T1,T2…,TN，每个第三时间段均包括多个第二时间段，获取第三时间段T1内第一个第二时间段的第一差值，基于第四公式确定辅助供能方式P1和辅助供能方式P2在第二个第二时间段需要增加的能量值w1和w2，第四公式为：
其中，a和b分别表示在第一个第二时间段内，辅助供能方式P1和辅助供能方式P2各自累计提供的总能量，基于能量值w1和w2调整辅助供能方式P1和辅助供能方式P2的利用率；
在完成第二个第二时间段的蓄能后，继续获取在该时间段的第一差值，并基于第四公式对第三个第二时间段内辅助供能方式P1和辅助供能方式P2的利用率进行调整，重复本步骤，直至完成第三时间段T1的蓄能。
下面对本步骤进行解释，本步骤首先将第一时间段划分为多个第三时间段，如将180天划分为12个15天，每个15天又包括均包括3个5天，即第三时间段包括3个第二时间段；然后获取第三时间段T1在第一个第二时间段的第一差值，即图3中坐标点g5与g6纵坐标的差值；然后获取目标蓄能方案中，两种供能方式提供能量的占比，即通过
计算辅助供能方式P1提供的能量在第二时间段中的占比，通过/>
计算辅助供能方式P2提供的能量在第二时间段中的占比；基于两者提供的能量占比，获取在下一个时间段各自需要额外补充多少能量，如供能方式P1提供的能量在第二能量值中的占比40％，供能方式P1占比60％，当第一差值c为1000kWh时，供能方式P2需要在下一时间段额外提供400kWh，供能方式P1额外提供600kWh；那么在此基础上，通过将400kWh除以辅助供能方式P1在第二个第二时间段产生的总能量，即可获得供能方式P1在下一时间段需要调整到的利用率，辅助供能方式P2同理。
在完成第三时间段T1的供能后，基于以下步骤对第三时间段T2两种辅助供能方式的利用率进行调整：
获取两种辅助供能方式在第三时间段T1内的第二差值，第二差值基于第五公式计算，第五公式为：
其中，/>
和/>
分别为辅助供能方式P1和辅助供能方式P2的第二差值，/>
和/>
分别为辅助供能方式P1在第k个第二时间段结束时间点、理论累计提供能量和实际累计提供能量，/>
和/>
为辅助供能方式P2在第k个第二时间段结束时间点、理论累计提供能量和实际累计提供能量；
将供辅助供能方式P1的第二差值整合为第一数据集，辅助供能方式P2第二差值整合为第二数据集，计算第一数据集和第二数据集的方差，定义方差最小数据集所对应的辅助供能方式为稳定供能方式，方差最大数据集所对应的供能方式为非稳定供能方式，在第三时间段T2内，增大稳定供能方式的利用率。
下面对第五公式进行解释，在完成第三时间段T1的蓄能后，获取两种供能方式在各个各个第二时间段的第二差值，即辅助供能方式P1在各个第二时间段理论供应能量值和实际供应能量值的差值，辅助供能方式P2在各个第二时间段理论供应能量值和实际供应能量值的差值；特别的，这里的理论供应值为使用上述步骤中，调整后利用率与辅助供能方式产生总能量乘积计算出来的，并非基于步骤S4计算出的初始利用率；例如第三时间段T1包括三个第二时间段，则获取到供能方式P1理论供能值与实际供能值的第二差值125kWh、130kWh和140kWh，供能方式P2理论供能值与实际供能值的第二差值115kWh、120kWh和120kWh，然后分别组成第一数据集和第二数据集，然后计算第一数据集和第二数据集的方差，由于方差是衡量数据波动性的指标，因此方差越小，表明数据集内的数据波动越小；而数据波动越小，表明对应的辅助供能方式越稳定，因此，本步骤在筛选出稳定的辅助供能方式后，在下一个第三时间段内进行供能时，将其利用率增大，从而进一步提升蓄能系统的稳定性。
如图4所示，本发明还提供了一种多重耦合清洁能源蓄能系统，该系统用于实现上述的一种多重耦合清洁能源蓄能方法，该系统主要包括：
负荷预测模块，包括负荷预测模型，负荷预测模型获取历史负荷数据，负荷预测模型基于历史负荷数据预测在第一时间段内的未来负荷数据，基于未来负荷数据确定在第一时间段内需要向蓄能系统提供的总能量值；
能量计算模块，包括第一计算模型和第二计算模型，第一计算模型基于当前土壤温度和目标土壤温度，计算土壤蓄能方式在第一时间段提供的第一能量值，基于总能量值和第一能量值，计算所有辅助供能方式需要提供的第二能量值，第二计算模型计算各个辅助供能方式在第一时间段的最大生成能量值；
评分计算模块，用于计算每种蓄能方案获取满足第一公式的数据组合α和β，第一公式为：ε＝A×α+B×β，其中，ε为第二能量值，A为蓄能方案中辅助供能方式P1的最大生成能量值，B为辅助供能方式P2的最大生成能量值，α和β为辅助供能方式P1和辅助供能方式P2的利用率，基于第二公式计算各个数据组合评分C，第二公式为，C＝α+β；
方案筛选模块，将数据组合评分最高的蓄能方案确定为目标蓄能方案，基于辅助供能方式P1和辅助供能方式P2的利用率，对目标蓄能方案进行调整，以辅助土壤蓄能方式向蓄能系统提供能量。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一个非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上上述的实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上上述的实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上上述的仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种多重耦合清洁能源蓄能方法，其特征在于，包括：
步骤S1：建立负荷预测模型，获取历史负荷数据，所述负荷预测模型基于所述历史负荷数据预测在第一时间段内的未来负荷数据，基于所述未来负荷数据确定在第一时间段内需要向蓄能系统提供的总能量值；
步骤S2：确定多种用于辅助土壤蓄能方式的辅助供能方式，建立第一计算模型，所述第一计算模型基于当前土壤温度和目标土壤温度，计算土壤蓄能方式在第一时间段提供的第一能量值，基于所述总能量值和所述第一能量值，计算所有辅助供能方式需要提供的第二能量值，建立第二计算模型，所述第二计算模型计算各个辅助供能方式在第一时间段的最大生成能量值；
步骤S3：建立多种蓄能方案，每种蓄能方案包括辅助供能方式P1和辅助供能方式P2，获取满足第一公式的数据组合α和β，所述第一公式为：ε＝A×α+B×β，其中，ε为所述第二能量值，A为蓄能方案中辅助供能方式P1的最大生成能量值，B为辅助供能方式P2的最大生成能量值，α和β为辅助供能方式P1和辅助供能方式P2的利用率，基于第二公式计算各个数据组合评分C，所述第二公式为，C＝α+β；
步骤S4：将所述数据组合评分最高的蓄能方案确定为目标蓄能方案，基于辅助供能方式P1和辅助供能方式P2的利用率，对所述目标蓄能方案进行调整，以辅助土壤蓄能方式向蓄能系统提供能量。
2.根据权利要求1所述的一种多重耦合清洁能源蓄能方法，其特征在于，所述步骤S4中，若存在多种所述目标蓄能方案，则基于以下步骤对所述目标蓄能方案进行筛选：
步骤S41：以辅助供能方式P1累计提供能量为X轴，辅助供能方式P2累计提供能量为Y轴建立第一坐标系，以所述第一坐标系的原点为起点，将第一时间段所述目标蓄能方案的理想供能曲线绘制于所述第一坐标系上；
步骤S42：基于所述未来负荷数据，以所述第一坐标系的原点为起点，将第一时间段所述目标蓄能方案的第一理论供能曲线绘制于所述第一坐标系上，将第一时间段拆分为多个第二时间段，将所述第一理论供能曲线拆分为多个子线段，每个子线段对应一个第二时间段；
步骤S43：获取所述第一理论供能曲线在各个第二时间段结束时间点的第一坐标，获取各个所述第一坐标与所述理想供能曲线的距离，并基于第三公式获取所述目标蓄能方案的评分D，所述第三公式为：
其中，lm为第m个所述第一坐标点与所述理想供能曲线之间的距离，将评分最高的所述目标蓄能方案作为最终蓄能方案。
3.根据权利要求1所述的一种多重耦合清洁能源蓄能方法，其特征在于，基于以下步骤判断所述目标蓄能方案中，辅助供能方式P1和辅助供能方式P2的利用率是否需要进行调整：
以时间为X轴，以辅助供能方式P1和辅助供能方式P2累计提供的总能量值为Y轴建立第二坐标系，将所述目标蓄能方案的第二理论供能曲线绘制于所述第二坐标系上；
在所述第二坐标系内绘制第一个第二时间段内，所述目标蓄能方案的实际供能曲线，获取所述实际供能曲线在第二时间段结束时间点的第二坐标，并基于第四公式获得第一差值c，所述第四公式为：c＝|U-V|，其中，U为辅助供能方式P1和辅助供能方式P2在理论情况下，在第二时间段结束时间点累计提供的总能量，V为辅助供能方式P1和辅助供能方式P2在实际情况下，在第二时间段结束时间点累计提供的总能量，若所述第一差值大于预设的判断阈值，则判断所述目标蓄能方案的所述利用率需要进行调整。
4.根据权利要求3所述的一种多重耦合清洁能源蓄能方法，其特征在于，基于以下步骤对所述目标蓄能方案中两种辅助供能方式所述利用率进行调整：
将第一时间段划分为第三时间段T1,T2…,TN，每个第三时间段均包括多个第二时间段，获取第三时间段T1内第一个第二时间段的第一差值，基于第四公式确定辅助供能方式P1和辅助供能方式P2在第二个第二时间段需要增加的能量值w1和w2，第四公式为：
其中，a和b分别表示在第一个第二时间段内，辅助供能方式P1和辅助供能方式P2各自累计提供的总能量，基于能量值w1和w2调整辅助供能方式P1和辅助供能方式P2的所述利用率；
在完成第二个第二时间段的蓄能后，继续获取在该时间段的所述第一差值，并基于所述第四公式对第三个第二时间段内辅助供能方式P1和辅助供能方式P2的所述利用率进行调整，重复本步骤，直至完成第三时间段T1的蓄能。
5.根据权利要求4所述的一种多重耦合清洁能源蓄能方法，其特征在于，在完成第三时间段T1的供能后，基于以下步骤对第三时间段T2两种辅助供能方式的所述利用率进行调整：
获取两种辅助供能方式在第三时间段T1内的第二差值，所述第二差值基于第五公式计算，第五公式为：
其中，/>
和/>
分别为辅助供能方式P1和辅助供能方式P2的所述第二差值，/>
和/>
分别为辅助供能方式P1在第k个第二时间段结束时间点、理论累计提供能量和实际累计提供能量，/>
和/>
为辅助供能方式P2在第k个第二时间段结束时间点、理论累计提供能量和实际累计提供能量；
将供辅助供能方式P1的所述第二差值整合为第一数据集，辅助供能方式P2所述第二差值整合为第二数据集，计算所述第一数据集和所述第二数据集的方差，定义方差最小数据集所对应的辅助供能方式为稳定供能方式，方差最大数据集所对应的供能方式为非稳定供能方式，在第三时间段T2内，增大所述稳定供能方式的所述利用率。
6.一种多重耦合清洁能源蓄能系统，用于实现如权利要求1-5任一项所述的一种多重耦合清洁能源蓄能方法，其特征在于，包括：
负荷预测模块，包括负荷预测模型，所述负荷预测模型获取历史负荷数据，所述负荷预测模型基于所述历史负荷数据预测在第一时间段内的未来负荷数据，基于所述未来负荷数据确定在第一时间段内需要向蓄能系统提供的总能量值；
能量计算模块，包括第一计算模型和第二计算模型，所述第一计算模型基于当前土壤温度和目标土壤温度，计算土壤蓄能方式在第一时间段提供的第一能量值，基于所述总能量值和所述第一能量值，计算所有辅助供能方式需要提供的第二能量值，所述第二计算模型计算各个辅助供能方式在第一时间段的最大生成能量值；
评分计算模块，用于计算每种蓄能方案获取满足第一公式的数据组合α和β，所述第一公式为：ε＝A×α+B×β，其中，ε为所述第二能量值，A为蓄能方案中辅助供能方式P1的最大生成能量值，B为辅助供能方式P2的最大生成能量值，α和β为辅助供能方式P1和辅助供能方式P2的利用率，基于第二公式计算各个数据组合评分C，所述第二公式为，C＝α+β；
方案筛选模块，将所述数据组合评分最高的蓄能方案确定为目标蓄能方案，基于辅助供能方式P1和辅助供能方式P2的利用率，对所述目标蓄能方案进行调整，以辅助土壤蓄能方式向蓄能系统提供能量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310307967.3A CN116307222B (zh) | 2023-03-27 | 2023-03-27 | 一种多重耦合清洁能源蓄能方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310307967.3A CN116307222B (zh) | 2023-03-27 | 2023-03-27 | 一种多重耦合清洁能源蓄能方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116307222A true CN116307222A (zh) | 2023-06-23 |
| CN116307222B CN116307222B (zh) | 2023-09-22 |
Family
ID=86788509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310307967.3A Active CN116307222B (zh) | 2023-03-27 | 2023-03-27 | 一种多重耦合清洁能源蓄能方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116307222B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006118851A (ja) * | 2004-09-22 | 2006-05-11 | Hokkaido Univ | 土壌熱源ヒートポンプシステムの性能予測プログラムおよび性能予測システム |
| DE102016015503A1 (de) * | 2016-12-24 | 2018-06-28 | Consolar Solare Energiesysteme Gmbh | Heiz- und/oder Kühlsystem mit prädiktivem Energiemanagement |
| CN111144628A (zh) * | 2019-12-16 | 2020-05-12 | 茂盟（上海）工程技术股份有限公司 | 一种分布式供能的冷热电负荷预测模型系统及方法 |
| 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 |
| CN114623489A (zh) * | 2022-03-18 | 2022-06-14 | 河北省建筑科学研究院有限公司 | 太阳能-土壤复合热泵跨季节蓄能系统的应用方法 |
-
2023
- 2023-03-27 CN CN202310307967.3A patent/CN116307222B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006118851A (ja) * | 2004-09-22 | 2006-05-11 | Hokkaido Univ | 土壌熱源ヒートポンプシステムの性能予測プログラムおよび性能予測システム |
| DE102016015503A1 (de) * | 2016-12-24 | 2018-06-28 | Consolar Solare Energiesysteme Gmbh | Heiz- und/oder Kühlsystem mit prädiktivem Energiemanagement |
| CN111144628A (zh) * | 2019-12-16 | 2020-05-12 | 茂盟（上海）工程技术股份有限公司 | 一种分布式供能的冷热电负荷预测模型系统及方法 |
| 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 |
| CN114623489A (zh) * | 2022-03-18 | 2022-06-14 | 河北省建筑科学研究院有限公司 | 太阳能-土壤复合热泵跨季节蓄能系统的应用方法 |
Non-Patent Citations (1)
| Title |
|---|
| 季永明;端木琳;李祥立;: "太阳能辅助地埋管地源热泵系统设计及实例分析", 暖通空调, no. 01, pages 67 - 73 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116307222B (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bonyadi et al. | Technoeconomic and exergy analysis of a solar geothermal hybrid electric power plant using a novel combined cycle | |
| Allouhi et al. | Solar domestic heating water systems in Morocco: An energy analysis | |
| Anagnostopoulos et al. | Simulation and size optimization of a pumped–storage power plant for the recovery of wind-farms rejected energy | |
| Eicker et al. | Design and performance of solar powered absorption cooling systems in office buildings | |
| Chai et al. | Investigations of climate change impacts on net-zero energy building lifecycle performance in typical Chinese climate regions | |
| Madani et al. | A descriptive and comparative analysis of three common control techniques for an on/off controlled Ground Source Heat Pump (GSHP) system | |
| Saini et al. | Net Zero Energy Consumption building in India: An overview and initiative toward sustainable future | |
| Cardemil et al. | Thermal analysis of a water source heat pump for space heating using an outdoor pool as a heat source | |
| Kamazani et al. | Multi-objective optimization and exergoeconomic evaluation of a hybrid geothermal-PVT system integrated with PCM | |
| Reddick et al. | Waste heat and renewable energy integration in buildings | |
| Gilani et al. | A solar thermal driven ORC-VFR system employed in subtropical Mediterranean climatic building | |
| CN115471006B (zh) | 一种考虑风电出力不确定性的电源规划方法及系统 | |
| Abdalla et al. | Modeling of thermal energy sharing in integrated energy communities with micro-thermal networks | |
| CN116307222B (zh) | 一种多重耦合清洁能源蓄能方法及系统 | |
| Hirvonen et al. | Effect of apartment building energy renovation on hourly power demand | |
| Li et al. | Electrification of residential heating, cooling and hot water: Load smoothing using onsite photovoltaics, heat pump and thermal batteries | |
| CN114925928B (zh) | 一种智能动态调控的地下综合体浅层地热能利用、存储方法及其系统 | |
| Hollmuller et al. | Solar assisted heat pump with ice storage for a 19’000 m2 retrofitted multi-family building complex | |
| CN113609778B (zh) | 一种综合能源系统多目标优化方法及系统 | |
| US20200240664A1 (en) | Smart desert geothermal heat pump for air conditioning and domestic water cooling | |
| Jokiel et al. | Integration of a high-temperature borehole thermal energy storage in a local heating grid for a neighborhood | |
| Shah et al. | A solar pond-assisted heat pump for greenhouses | |
| Hirvonen et al. | Seasonal storage of residential exhaust air and sewage waste heat | |
| Zakhidov et al. | Combined system of solar heating and cooling using heat pump | |
| CN113221315A (zh) | 构建海水源热泵系统机组设计选型方法及系统 |
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 |