CN116339166A - 一种综合能源楼宇能耗智能调控设备 - Google Patents

一种综合能源楼宇能耗智能调控设备 Download PDF

Info

Publication number
CN116339166A
CN116339166A CN202310329800.7A CN202310329800A CN116339166A CN 116339166 A CN116339166 A CN 116339166A CN 202310329800 A CN202310329800 A CN 202310329800A CN 116339166 A CN116339166 A CN 116339166A
Authority
CN
China
Prior art keywords
energy
unit
control module
optimal
power supply
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
Application number
CN202310329800.7A
Other languages
English (en)
Other versions
CN116339166B (zh
Inventor
汤健康
徐杰
苏皎月
纪捷
周孟雄
郭仁威
陈帅
黄慧
纪润东
史煜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaiyin Institute of Technology
Original Assignee
Huaiyin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaiyin Institute of Technology filed Critical Huaiyin Institute of Technology
Priority to CN202310329800.7A priority Critical patent/CN116339166B/zh
Publication of CN116339166A publication Critical patent/CN116339166A/zh
Application granted granted Critical
Publication of CN116339166B publication Critical patent/CN116339166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2642—Domotique, domestic, home control, automation, smart house

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种综合能源楼宇能耗智能调控设备，包括供电单元、传感器单元、控制单元、负荷单元。供电单元由分布式能源、冷热电联产系统、配电网共同组成；传感器单元包括温度传感器X、温度传感器T，其中温度传感器X对室内温度进行检测，传感器T对储水箱温度进行检测；控制单元包括联网模块、报警模块、控制模块；负载端主要为楼宇的日常负载。本发明以用户的舒适度与经济性为目标函数建立模型，使用了基于混合策略改进的鲸鱼优化算法MS‑WOA进行寻优求解，在用户保证舒适度的同时达到最佳经济性运行模式，有效提高能源利用效率避免了能源的浪费。

Description

一种综合能源楼宇能耗智能调控设备
技术领域
本发明涉及能耗智能调控技术领域，具体一种综合能源楼宇能耗智能调控设备。
背景技术
随着科学技术的发展，我国对新能源产业的发展更为注重，楼宇建筑使用的能源类型逐渐增多，能源及设备管理的复杂性随之提升。结合实际情况来讲目前我国楼宇建筑内对于电力资源方面的能耗在社会活动中占有相对较大的比重。同时我国在经济领域的不断发展的影响下城市化水平也在不断的提高，从而造成了楼宇建筑在电力资源方面的消耗将逐渐的提高，并且在社会能耗放慢的比重也越来越大所以对于楼宇用电能耗方面的管理系统具有深远的影响。
由于楼宇负荷多为大量集中的照明负荷、空调负荷等，在不影响运营的前提下，集中式的控制手段与调节方式更为灵活多样，还能够减少对电网造成的冲击。现行楼宇能耗智能调控是以经济性最优和与电网交互最小为目标，尽可能充分利用清洁能源与天然气对楼宇进行供电与供热。然而，由于城市中楼宇密集加上的机动车、工业生产以及居民生活，产生了大量的氮氧化物、二氧化碳和粉尘等排放物。这些大气污染物浓度大，气溶胶微粒多，会吸收下垫面热辐射，产生温室效应，引起大气进一步升温，进一步影响楼宇温度居高不下。现行的能耗智能调控的相关调控中并未考虑楼宇室内的温度与生活用水的水温这些用户舒适方面的需求，忽视了住户的健康环境与入住体验，基于此提出一种综合能源楼宇能耗智能调控设备。系统在用户保证舒适度的同时达到最佳经济性运行模式，有效提高能源利用效率避免了能源的浪费。
发明内容
发明目的：针对现有技术中存在的问题，本发明提供一种综合能源楼宇能耗智能调控设备，利用鲸鱼优化算法MS-WOA进行寻优求解，在用户保证舒适度的同时达到最佳经济性运行模式，有效提高能源利用效率避免了能源的浪费。
技术方案：本发明公开了一种综合能源楼宇能耗智能调控设备，包括数据采集单元、供电单元、供电端参数采集控制模块、控制单元、负荷单元以及能源管理策略设计单元；
所述数据采集单元通过楼宇内多点安装的传感器模块进行数据采集，传感器模块包括对楼宇各区域室内温度进行检测的温度传感器X以及对各区域用于储存楼宇用户非饮用热水供应的储水箱温度进行检测的温度传感器T；检测的温度数据传入控制单元的控制模块中；
所述供电单元包括分布式能源系统、冷热电联产系统CCHP机组以及配电网三种供能方式，供电端参数采集控制模块对供电单元各供能方式的供电功率时时检测并记录数据输入至控制单元中的控制模块；所述供电单元与所述负荷单元连接；
所述控制单元的联网模块实时接收当天的实时电价、燃气价格，并传输给控制模块；所述控制模块中设置有目标函数，所述能源管理策略设计单元通过基于混合策略改进的鲸鱼优化算法MS-WOA优化控制模块的内置目标函数，并寻优输出最佳结果下的供能方式，通过控制模块对供电端参数采集控制模块下达控制指令，调节各供能机组功率；
所述目标函数为：
Figure BDA0004154557010000021
Figure BDA0004154557010000022
式中，F1为用户舒适度最优目标函数，F2为经济最优函数，Tt Ein和Tt Ehw为室温和水温的在t时刻期望值；TOUt为t时刻的智能分时电价；Pt grid为t时刻网购电功率；
Figure BDA0004154557010000023
为t时刻天然气价格，ft CCHP为t时刻天然气消耗速率。
进一步地，所述控制单元中还包括报警模块，所述报警模块与控制模块协同工作，当所检测的温度参数超过设定的阈值时，所述报警模块启动报警操作并且通过控制模块对相应负荷单元中设备紧急断电。
进一步地，所述负荷单元包括保障用户体验设备和常规设备；保障用户体验设备包括暖风设备、热水设备以及空调；常规设备包括打印机、服务器。
进一步地，所述能源管理策略设计单元通过MS-WOA算法优化控制模块的内置目标函数，并寻优输出最佳结果下的供能方式，主要包括如下步骤：
步骤1：初始化参数，种群规模N，空间维度dim，种群的可搜索空间[ub,lb]，迭代次数T；
步骤2：采用Sobol序列对种群位置进行初始化，每组种群对应F1，F2两个目标函数；
步骤3：计算个体适应度值，并找出最优适应度值及对应的最优个体；
步骤4：判定最优适应度值连续10代是否发生变化，如发生变化则对最优个体进行变异操作，否则进入步骤5，变异操作公式(1)如下
Figure BDA0004154557010000031
Figure BDA0004154557010000032
其中,
Figure BDA0004154557010000033
为当前最优值经柯西扰动后得到的新值,x*(t)每次迭代的最优解，cauchy(0,1)为柯西算子，f(x)标准柯西分布函数；
步骤5：对非线性因子a、参数A、自适应权重W(t)进行更新，同时更行c、p，更新公式(2)-(4)如下：
Figure BDA0004154557010000034
Figure BDA0004154557010000035
A＝2ar-a
a＝2-2T (4)
c＝2r
其中，t为当前迭代次数，T为最大迭代次数；
步骤6：对个体位置更新并对p、|A|进行判定，当p＜0.5时，若|A|＞1，进入步骤7，若|A|≤1，进入步骤8，当p≥0.5时，进入步骤9；
步骤7：进行全局搜索，根据式(5)进行随机性学习更新较差个体位置，进一步根据式(6)更新个体位置：
Figure BDA0004154557010000041
x(t+1)＝xrand(t)×w-A×Drand,p＜0.5,|A|＞1 (6)
其中，xrand为捕猎群体中的任意鲸鱼位置，x(t)为当前位置，t为当前迭代次数，学习因子rand(0,1)是(0,1)间的随机数，体现每个个体学习能力的差异，
经过学习后，如果f(xnew)＜f(x)，则种群接受新个体xnew并取代个体x，否则种群拒绝劣体x；
new
步骤8：包围猎物，根据式(7)更新个体位置：
x(t+1)＝x*(t)×w-A×D1,p＜0.5,|A|≤1 (7)
其中，D1每次迭代的最优解。当A∈[-1,1]间的随机值时x(t+1)从x(t)向x*(t)迭代更新，逐渐靠近包围最优解；
步骤9：进行螺旋气泡网捕食，根据式(8)更新个体位置：
x(t+1)＝D2ebl cos(2πl)+x*(t)×(1-w)，p≥0.5 (8)
步骤10：判断是否满足迭代终止条件，满足则输出舒适度目标函数F1与经济性目标函数F2的最优解并输出最优情况下各供电机组的功率及最佳室温与水温，否则进入步骤4继续执行；
步骤11：将得到的最优情况下各供电机组的功率及最佳室温与水温传输给控制模块下达调节指令。
有益效果：
1、本发明通过温度传感器模块的精准检测，独立成组，精准把控温度，且不影响其他模组正常运作。
2、本发明以用户的舒适度与经济性为目标函数建立模型，数据采集单元所检测的温度传感器的数据与报警模块和控制模块协同作用负载端，从而达到了各个模块的合理运行，避免智能调控的出错。
3、本发明还利用鲸鱼优化算法MS-WOA进行寻优求解，从而在用户保证舒适度达到最佳的情况下，能够实现经济性运行模式，有效提高能源利用效率，避免了能源的浪费。
附图说明
图1为本发明一种综合能源楼宇能耗智能调控设备结构示意图；
图2为本发明中控制优化的MS-WOA算法流程图；
图3为优化前后某日用户舒适体验对比图；
图4为优化前后配电网购电功率对比图；
图5为优化前后经济消耗的对比图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
通过附图1、2所示，本发明公开的一种综合能源楼宇能耗智能调控设备，包括数据采集单元、供电单元、供电端参数采集控制模块、控制单元、负荷单元以及能源管理策略设计单元。
数据采集单元通过楼宇内多点安装的传感器模块进行数据采集。其中温度传感器X对楼宇各区域室内温度进行检测，温度传感器T对各区域储水箱温度进行检测，各区域储水箱用于储存楼宇用户非饮用热水供应。所检测的温度传感器的数据传入控制单元的控制模块中。控制单元中的报警模块与控制模块协同工作，当所检测的温度参数超过设定的阈值时，报警模块启动报警操作并且控制模块对相应负荷单元中设备紧急断电。
数据供电单元用了分布式能源系统、CCHP机组以及配电网三种供能方式。供电端参数采集控制模块对供电单元各模块供电功率时时检测并记录数据输入至控制单元中的控制模块。
负荷单元包括保障用户体验设备和常规设备。保障用户体验设备包括暖风设备、热水设备以及空调。常规设备包括打印机、服务器等楼宇常规负荷设备。
控制单元的联网模块实时接收当天的实时电价、燃气价格，并传输给控制模块。能源管理策略设计单元通过MS-WOA算法优化控制模块的内置目标函数，并寻优输出最佳结果下的供能方式，通过控制模块对供电端参数采集控制模块下达控制指令，调节各供能机组功率。上述的目标函数为：
Figure BDA0004154557010000061
Figure BDA0004154557010000062
式中Tt Ein和Tt Ehw为室温和水温的在t时刻期望值；TOUt为t时刻的智能分时电价；Pt grid为t时刻网购电功率；
Figure BDA0004154557010000063
为t时刻天然气价格，ft CCHP为t时刻天然气消耗速率。
本发明利用鲸鱼优化算法MS-WOA进行最优解的求解，通过寻求最优解配以适合的控制策略，再通过控制单元执行该最优控制策略对有调节需求的智能楼宇进行调控以此保证舒适度达到最佳的经济性运行模式。鲸鱼优化算法MS-WOA具体如下：
步骤1：初始化参数，初始化算法相关参数：种群规模N，空间维度dim，种群的可搜索空间[ub,lb]，迭代次数T。
步骤2：采用Sobol序列对种群位置进行初始化。
步骤3：计算个体适应度值，并找出最优适应度值及对应的最优个体。
步骤4：判定最优适应度值连续10代是否发生变化，如发生变化则对最优个体进行变异操作，否则进入步骤五。变异操作公式(1)如下
Figure BDA0004154557010000064
其中,
Figure BDA0004154557010000065
为当前最优值经柯西扰动后得到的新值,x*(t)每次迭代的最优解。cauchy(0,1)为柯西算子，f(x)标准柯西分布函数。
步骤5：对非线性因子a、参数A、自适应权重W(t)进行更新。同时更行c、p。更新公式(2)-(4)如下：
Figure BDA0004154557010000066
Figure BDA0004154557010000071
Figure BDA0004154557010000073
其中，t为当前迭代次数，T为最大迭代次数。
步骤6：对个体位置更新并对p、|A|进行判定，当p＜0.5时，若|A|＞1，进入步骤7，若|A|≤1，进入步骤8，当p≥0.5时，进入步骤9。
步骤7：进行全局搜索，根据式(5)进行随机性学习更新较差个体位置，进一步根据式(6)更新个体位置。
Figure BDA0004154557010000072
x(t+1)＝xrand(t)×w-A×Drand,p＜0.5,|A|＞1 (6)
其中，xrand为捕猎群体中的任意鲸鱼位置，x(t)为当前位置，t为当前迭代次数，学习因子rand(0,1)是(0,1)间的随机数，体现每个个体学习能力的差异，经过学习后，如果f(xnew)＜f(x)，则种群接受新个体xnew并取代个体x，否则种群拒绝劣体x。
new
步骤8：包围猎物，根据式(7)更新个体位置。
x(t+1)＝x*(t)×w-A×D1,p＜0.5,|A|≤1 (7)
其中，D1每次迭代的最优解。当A∈[-1,1]间的随机值时x(t+1)从x(t)向x*(t)迭代更新，逐渐靠近包围最优解。
步骤9：进行螺旋气泡网捕食，根据式(8)更新个体位置。
x(t+1)＝D2ebl cos(2πl)+x*(t)×(1-w)，p≥0.5 (8)
步骤10：判断是否满足迭代终止条件，满足则输出全局最优解及位置信息，否则进入步骤4继续执行。
步骤11：将得到最优楼宇能源调控传输给控制模块下达调节指令。
通过附图3所示为优化前后某日用户舒适体验对比图，其中，优化前是室内温度全天候变化较大，八点之前温度较低，12点至14点温度达到舒适阈值。优化后，全体温度稳定处于舒适阈值之内。极大的改善了用户的入住体验和舒适程度。优化前，储水箱水温在用户用热水高峰期如6点到8点与16点到-22点经用户开启加热，十分的费时不友好。优化后，储水箱水温处于用水舒适阈值之内，满足各个时间段用户对热水的需求。
通过附图4所示对于优化前后配电网购电功率对比图对比图中，本发明的优化前对配电网购电在例如10-14点用电高峰时段购电量大。优化后，虽然非高峰期购电量增加，但在用电高峰期购电明显降低，总体上节约了购电成本。
通过附图5所示对于两种优化前后经济消耗的对比中，较传统的调控装置而言，本发明的智能调控缩减了不少的经济。在第三季度缩减幅度最大，优化后的设备保证舒适度的同时达到最佳经济性运行模式，减少经济成本。
上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种综合能源楼宇能耗智能调控设备，其特征在于，包括数据采集单元(1)、供电单元(2)、供电端参数采集控制模块(3)、控制单元(4)、负荷单元(5)以及能源管理策略设计单元(6)；
所述数据采集单元(1)通过楼宇内多点安装的传感器模块进行数据采集，传感器模块包括对楼宇各区域室内温度进行检测的温度传感器X以及对各区域用于储存楼宇用户非饮用热水供应的储水箱温度进行检测的温度传感器T；检测的温度数据传入控制单元(4)的控制模块中(9)；
所述供电单元(2)包括分布式能源系统、冷热电联产系统CCHP机组以及配电网三种供能方式，供电端参数采集控制模块(3)对供电单元(2)各供能方式的供电功率时时检测并记录数据输入至控制单元(4)中的控制模块(9)；所述供电单元与所述负荷单元连接；
所述控制单元(4)的联网模块(7)实时接收当天的实时电价、燃气价格，并传输给控制模块(9)；所述控制模块(9)中设置有目标函数，所述能源管理策略设计单元(6)通过基于混合策略改进的鲸鱼优化算法MS-WOA优化控制模块(9)的内置目标函数，并寻优输出最佳结果下的供能方式，通过控制模块(9)对供电端参数采集控制模块(3)下达控制指令，调节各供能机组功率；
所述目标函数为：
Figure FDA0004154557000000011
Figure FDA0004154557000000012
式中，F1为用户舒适度最优目标函数，F2为经济最优函数，Tt Ein和Tt Ehw为室温和水温的在t时刻期望值；TOUt为t时刻的智能分时电价；Pt grid为t时刻网购电功率；
Figure FDA0004154557000000013
为t时刻天然气价格，ft CCHP为t时刻天然气消耗速率。
2.根据权利要求1所述的一种综合能源楼宇能耗智能调控设备，其特征在于，所述控制单元(4)中还包括报警模块(8)，所述报警模块(8)与控制模块(9)协同工作，当所检测的温度参数超过设定的阈值时，所述报警模块(8)启动报警操作并且通过控制模块(9)对相应负荷单元(5)中设备紧急断电。
3.根据权利要求2所述的一种综合能源楼宇能耗智能调控设备，其特征在于，所述负荷单元(5)包括保障用户体验设备和常规设备；保障用户体验设备包括暖风设备、热水设备以及空调；常规设备包括打印机、服务器。
4.根据权利要求1所述的一种综合能源楼宇能耗智能调控设备，其特征在于，所述能源管理策略设计单元(6)通过MS-WOA算法优化控制模块(9)的内置目标函数，并寻优输出最佳结果下的供能方式，主要包括如下步骤：
步骤1：初始化参数，种群规模N，空间维度dim，种群的可搜索空间[ub,lb]，迭代次数T；
步骤2：采用Sobol序列对种群位置进行初始化，每组种群对应F1，F2两个目标函数；
步骤3：计算个体适应度值，并找出最优适应度值及对应的最优个体；
步骤4：判定最优适应度值连续10代是否发生变化，如发生变化则对最优个体进行变异操作，否则进入步骤5，变异操作公式(1)如下
Figure FDA0004154557000000021
Figure FDA0004154557000000022
其中,
Figure FDA0004154557000000023
为当前最优值经柯西扰动后得到的新值,x*(t)每次迭代的最优解，cauchy(0,1)为柯西算子，f(x)标准柯西分布函数；
步骤5：对非线性因子a、参数A、自适应权重W(t)进行更新，同时更行c、p，更新公式(2)-(4)如下：
Figure FDA0004154557000000024
Figure FDA0004154557000000025
Figure FDA0004154557000000026
其中，t为当前迭代次数，T为最大迭代次数；
步骤6：对个体位置更新并对p、|A|进行判定，当p＜0.5时，若|A|＞1，进入步骤7，若|A|≤1，进入步骤8，当p≥0.5时，进入步骤9；
步骤7：进行全局搜索，根据式(5)进行随机性学习更新较差个体位置，进一步根据式(6)更新个体位置：
Figure FDA0004154557000000031
x(t+1)＝xrand(t)×w-A×Drand,p＜0.5,|A|＞1 (6)
其中，xrand为捕猎群体中的任意鲸鱼位置，x(t)为当前位置，t为当前迭代次数，学习因子rand(0,1)是(0,1)间的随机数，体现每个个体学习能力的差异，经过学习后，如果f(xnew)＜f(x)，则种群接受新个体xnew并取代个体x，否则种群拒绝劣体xnew；
步骤8：包围猎物，根据式(7)更新个体位置：
x(t+1)＝x*(t)×w-A×D1,p＜0.5,|A|≤1 (7)
其中，D1每次迭代的最优解。当A∈[-1,1]间的随机值时x(t+1)从x(t)向x*(t)迭代更新，逐渐靠近包围最优解；
步骤9：进行螺旋气泡网捕食，根据式(8)更新个体位置：
x(t+1)＝D2eblcos(2πl)+x*(t)×(1-w)，p≥0.5 (8)
步骤10：判断是否满足迭代终止条件，满足则输出舒适度目标函数F1与经济性目标函数F2的最优解并输出最优情况下各供电机组的功率及最佳室温与水温，否则进入步骤4继续执行；
步骤11：将得到的最优情况下各供电机组的功率及最佳室温与水温传输给控制模块下达调节指令。
CN202310329800.7A 2023-03-30 2023-03-30 一种综合能源楼宇能耗智能调控设备 Active CN116339166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310329800.7A CN116339166B (zh) 2023-03-30 2023-03-30 一种综合能源楼宇能耗智能调控设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310329800.7A CN116339166B (zh) 2023-03-30 2023-03-30 一种综合能源楼宇能耗智能调控设备

Publications (2)

Publication Number Publication Date
CN116339166A true CN116339166A (zh) 2023-06-27
CN116339166B CN116339166B (zh) 2023-12-19

Family

ID=86883764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310329800.7A Active CN116339166B (zh) 2023-03-30 2023-03-30 一种综合能源楼宇能耗智能调控设备

Country Status (1)

Country Link
CN (1) CN116339166B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013085690A1 (en) * 2011-12-09 2013-06-13 Exxonmobil Upstream Research Company Method of stimulating shipping of liquefied natural gas
CN109712019A (zh) * 2018-12-13 2019-05-03 深圳供电局有限公司 一种多能楼宇实时能量管理优化方法
CN113947009A (zh) * 2021-08-31 2022-01-18 西北大学 基于柯西扰动麻雀优化的稀疏lstm滑坡动态预测方法
CN114091879A (zh) * 2021-11-15 2022-02-25 浙江华云电力工程设计咨询有限公司 基于深度强化学习的多园区能源调度方法和系统
CN115857348A (zh) * 2022-12-07 2023-03-28 国网浙江省电力有限公司电力科学研究院 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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013085690A1 (en) * 2011-12-09 2013-06-13 Exxonmobil Upstream Research Company Method of stimulating shipping of liquefied natural gas
CN109712019A (zh) * 2018-12-13 2019-05-03 深圳供电局有限公司 一种多能楼宇实时能量管理优化方法
CN113947009A (zh) * 2021-08-31 2022-01-18 西北大学 基于柯西扰动麻雀优化的稀疏lstm滑坡动态预测方法
CN114091879A (zh) * 2021-11-15 2022-02-25 浙江华云电力工程设计咨询有限公司 基于深度强化学习的多园区能源调度方法和系统
CN115857348A (zh) * 2022-12-07 2023-03-28 国网浙江省电力有限公司电力科学研究院 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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
王琪;孙慧;孙宇峰;陆凤祥;: "改进差分进化算法在转向梯形机构优化中的应用", 机械设计与研究, no. 06, pages 173 - 178 *
秋兴国等: "基于混合策略改进的鲸鱼优化算法", 计算机工程与应用, vol. 58, no. 1, pages 70 - 78 *
范成围;陈刚;熊哲浩;靳旦;刘洋;杜新伟;李海波;雷一;: "考虑室内体感舒适度的城市楼宇型能量枢纽优化配置与定容应用分析", 全球能源互联网, no. 03, pages 291 - 300 *
郑宇;赵俊华;董朝阳;王德志;潘振宁;李正佳;: "能源互联网下商业楼宇能量管理优化算法", 电测与仪表, no. 22, pages 42 - 47 *

Also Published As

Publication number Publication date
CN116339166B (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
CN110619425B (zh) 一种考虑源网荷储差异特性的多功能区综合能源系统协同规划方法
CN110007595B (zh) 供热系统负荷实时优化调度方法、机组模型、机组及系统
CN111340274A (zh) 一种基于虚拟电厂参与的综合能源系统优化方法和系统
CN109340904B (zh) 电采暖协同优化运行方法
CN108197768A (zh) 一种能源系统与管网布局联合优化方法
CN113809755B (zh) 一种基于需求响应的智慧楼宇节能优化控制方法
CN104820363B (zh) 基于生物质气的冷热电联供系统及能量优化控制方法
CN109919480A (zh) 一种三层目标的能源互联网规划方法及设备
CN113592365B (zh) 一种考虑碳排放与绿电消纳的能源优化调度方法及系统
CN107392366A (zh) 计及用户行为分析的综合能源系统供需双侧综合优化方法
CN109114662A (zh) 一种基于多智能体的电热蓄能装置的供暖控制方法及系统
Liu et al. Optimization of intelligent heating ventilation air conditioning system in urban building based on BIM and artificial intelligence technology
CN107990398A (zh) 一种基于热力网、电力网和物联网的电蓄热供热系统
CN114648250A (zh) 计及综合需求响应和碳排放的园区综合能源系统规划方法
CN112883630B (zh) 用于风电消纳的多微网系统日前优化经济调度方法
CN116339166B (zh) 一种综合能源楼宇能耗智能调控设备
Wang et al. Day-Ahead scheduling of rural integrated energy systems based on distributionally robust optimization theory
Chang et al. Developed multi-objective honey badger optimizer: Application to optimize proton exchange membrane fuel cells-based combined cooling, heating, and power system
CN105552941B (zh) 一种分布式电源调峰容量优化方法
CN116502921A (zh) 一种园区综合能源系统优化管理系统及其协调调度方法
CN116244927A (zh) 一种零碳岛屿能源系统优化方法、装置、设备和存储介质
CN115912419A (zh) 一种基于负荷聚合商的储热-储电协同调度方法
CN113609778B (zh) 一种综合能源系统多目标优化方法及系统
Fan et al. Energy flexibility of space-heating or cooling in Spain based on Developed Wildebeest Herd Optimization algorithm
CN114218865A (zh) 分布式供热系统的多目标协同优化方法及装置

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