CN116757453B - 低碳园区建筑集群协调优化调度方法、装置、设备及介质 - Google Patents

低碳园区建筑集群协调优化调度方法、装置、设备及介质 Download PDF

Info

Publication number
CN116757453B
CN116757453B CN202311041859.2A CN202311041859A CN116757453B CN 116757453 B CN116757453 B CN 116757453B CN 202311041859 A CN202311041859 A CN 202311041859A CN 116757453 B CN116757453 B CN 116757453B
Authority
CN
China
Prior art keywords
building
optimization model
constraint
cluster
optimization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311041859.2A
Other languages
English (en)
Other versions
CN116757453A (zh
Inventor
鲍兴川
刘世栋
卜宪德
王向群
陈磊
张增华
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.)
State Grid Smart Grid Research Institute Co ltd
State Grid Corp of China SGCC
Original Assignee
State Grid Smart Grid Research Institute Co ltd
State Grid Corp of China SGCC
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 State Grid Smart Grid Research Institute Co ltd, State Grid Corp of China SGCC filed Critical State Grid Smart Grid Research Institute Co ltd
Priority to CN202311041859.2A priority Critical patent/CN116757453B/zh
Publication of CN116757453A publication Critical patent/CN116757453A/zh
Application granted granted Critical
Publication of CN116757453B publication Critical patent/CN116757453B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Water Supply & Treatment (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Educational Administration (AREA)
  • Geometry (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及电力系统运行管理技术领域，公开了一种低碳园区建筑集群协调优化调度方法、装置、设备及介质，方法包括：以区内建筑集群多种交互成本的和最小为目标建立顶层集群优化模型；以区内建筑多种成本的和最小为目标建立底层区内建筑优化模型；基于实时温度检测建立区内建筑集群的温感约束优化模型；采用双适应度粒子群优化算法根据温感值参数、设备出力参数、预设参数、温感约束优化模型对底层区内建筑优化模型以及顶层集群优化模型进行求解，得到低碳园区建筑集群协调优化调度结果。本发明考虑了建筑间多种交互成本的影响，并根据温感约束构建区内建筑集群的温感约束优化模型，解决了相关技术中建筑集群协调优化调度考虑因素不全面的问题。

Description

低碳园区建筑集群协调优化调度方法、装置、设备及介质
技术领域
本发明涉及电力系统运行管理技术领域，具体涉及一种低碳园区建筑集群协调优化调度方法、装置、设备及介质。
背景技术
低碳园区建筑内包含大量分布式能源设备，以低碳园区为主体的能源互联网（Energy Internet, EI）系统通过可再生能源、冷热电联供系统、储能设备等形成了多能互联微网系统。研究园区内多个建筑的联合优化调度，对降低经济运行成本，提高绿色能源的利用效率具有重要意义。但是随着低碳园区内空调负荷的大幅上涨，给多能互联微网的稳定运行带来了挑战。区内相变储能是一种通过存储和释放热量，调节和控制周围环境温度的新型技术，具有将能量长时间转移和提高能量利用效率的能力。
目前，国内外对多能互联微网的运行优化进行了相关研究，有的基于区间理论，对多能互联微网进行耦合建模，实现多目标优化；有的从风光不确定性入手，研究不确定条件下的优化调度问题。然而这些研究多涉及系统的经济运行优化、多目标优化和求解算法等方面的阐述。未包含建筑间功率交互等因素，且未在多能互联微网优化调度中考虑低碳园区内相变储能和温度舒适度的限制。因此，现有技术中存在低碳园区建筑集群协调优化调度考虑因素不全面的问题。
发明内容
有鉴于此，本发明提供了一种低碳园区建筑集群协调优化调度方法、装置、设备及介质，以解决低碳园区建筑集群协调优化调度考虑因素不全面的问题。
第一方面，本发明提供了一种低碳园区建筑集群协调优化调度方法，包括：以区内建筑集群多种交互成本的和最小为目标建立顶层集群优化模型；以区内建筑多种成本的和最小为目标建立底层区内建筑优化模型；基于实时温度检测建立区内建筑集群的温感约束优化模型；采用双适应度粒子群优化算法根据温感值参数、设备出力参数、预设参数、温感约束优化模型对底层区内建筑优化模型以及顶层集群优化模型进行求解，得到低碳园区建筑集群协调优化调度结果。
在本发明实施例中，通过为区内建筑整体和各独立的区内建筑构建对应的顶层集群优化模型和底层区内建筑优化模型，并基于实时温度检测在整体上对顶层集群和底层独立的各区内建筑进行温度约束即建立区内建筑集群的温感约束优化模型，采用双适应度粒子群优化算法对顶层集群优化模型和底层区内建筑优化模型求解，该算法通过多次迭代，得到低碳园区建筑集群协调优化调度结果。由于在构建顶层集群优化模型时考虑了建筑间多种交互成本的影响，并创新性地根据温感约束构建区内建筑集群的温感约束优化模型，从而在降低系统运行成本的同时达到了提高用户舒适度的效果。解决了相关技术中存在的低碳园区建筑集群协调优化调度考虑因素不全面的问题。
在一种可选的实施方式中，在基于实时温度检测建立区内建筑集群的温感约束优化模型之后，方法还包括：基于历史运行数据确定温感值参数及设备出力参数；获取预设参数，预设参数包括：双适应度粒子群优化算法的适应度初始值以及迭代初始值。
在本发明实施例中，根据低碳园区的历史运行数据确定了顶层集群优化模型和底层区内建筑优化模型中的相关参数，并为双适应度粒子群优化算法确定了迭代所需的初始参数。
在一种可选的实施方式中，顶层集群优化模型包括顶层集群优化模型的目标函数以及顶层集群优化模型的约束条件，以区内建筑集群多种交互成本的和最小为目标建立顶层集群优化模型，包括：将总调度时间内所有区内建筑的主网交互成本、天然气交互成本、温感约束成本以及园区内建筑间交互成本的和最小作为顶层集群优化模型的目标函数；获取区内建筑集群对应的供电约束、供气约束、温感约束以及区内建筑间能源交互约束作为顶层集群优化模型的约束条件。
在本发明实施例中，顶层集群优化模型考虑了区内建筑集群多种交互成本，即考虑了区内建筑（楼宇）间的协调调度（可再生能源出力多的楼宇将多余能源输送给出力少的楼宇，以缓解其荷载压力）。达到了提高可再生能源利用率以及降低总体运行成本的效果。
在一种可选的实施方式中，底层区内建筑优化模型包括底层区内建筑优化模型的目标函数以及底层区内建筑优化模型的约束条件，以区内建筑多种成本的和最小为目标建立底层区内建筑优化模型，包括：将总调度时间内区内建筑的建筑经济运行成本、温感约束成本以及弃光电量成本的加权和最小作为底层区内建筑优化模型的目标函数；获取区内建筑的平衡约束、可控机组约束、储能电池约束、相变储能约束作为底层区内建筑优化模型的约束条件。
在本发明实施例中，通过将相变储能纳入底层区内建筑优化模型的经济运行成本中，令相变储能从宏观层面参与楼宇调度，使其不仅能够调节自身楼宇的运行状态，还能参与其他楼宇的优化调度。从而实现了将能量长时间转移并提高能量利用效率的目的，在一定程度上达到了缓解荷载峰值压力，降低运行成本的效果。
在一种可选的实施方式中，基于实时温度检测建立区内建筑集群的温感约束优化模型，包括：获取区内建筑在任一时刻的实际温度和用户期望温度；根据多个区内建筑在任一时刻的用户期望温度的算术平均值计算区内建筑集群的用户期望温度；根据多个区内建筑在任一时刻的实际温度的算术平均值计算区内建筑集群的实际温度。
在本发明实施例中，基于实际温度和用户期望温度构建包含顶层和底层温度关系的温感约束优化模型，达到了在对建筑集群进行协调优化调度的同时提高用户舒适度的目的。
在一种可选的实施方式中，采用双适应度粒子群优化算法根据温感值参数、设备出力参数、预设参数、温感约束优化模型对底层区内建筑优化模型以及顶层集群优化模型进行求解，得到低碳园区建筑集群协调优化调度结果，包括：根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行求解，得到求解结果；判断求解结果是否满足收敛条件，若不满足收敛条件则根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行迭代求解，直至满足收敛条件，若满足收敛条件则停止迭代，输出建筑集群协调优化调度结果。
在本发明实施例中，采用双适应度粒子群优化算法通过多次迭代判断求解结果是否满足收敛条件，从而得到低碳园区建筑集群最优调度方案。
在一种可选的实施方式中，根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行求解，得到求解结果，包括：采用双适应度粒子群优化算法对底层区内建筑优化模型进行求解，得到底层区内建筑优化模型的求解结果；根据底层区内建筑优化模型的求解结果以及温感约束优化模型得到区内建筑的实时温感值；将底层区内建筑优化模型的求解结果以及区内建筑的实时温感值传递给顶层集群优化模型进行更新；采用双适应度粒子群优化算法对更新后的顶层集群优化模型进行求解，得到顶层集群优化模型的求解结果。
在本发明实施例中，通过将底层区内建筑优化模型的求解结果和实时温感值传递给顶层集群优化模型，以获得更优的顶层集群优化模型的求解结果，为低碳园区建筑节能减排提供了有效的协调优化调度方案。
第二方面，本发明提供了一种低碳园区建筑集群协调优化调度装置，包括：顶层模型构建模块，用于以区内建筑集群多种交互成本的和最小为目标建立顶层集群优化模型；底层模型构建模块，用于以区内建筑多种成本的和最小为目标建立底层区内建筑优化模型；温感模型构建模块，用于基于实时温度检测建立区内建筑集群的温感约束优化模型；模型求解模块，用于采用双适应度粒子群优化算法根据温感值参数、设备出力参数、预设参数、温感约束优化模型对底层区内建筑优化模型以及顶层集群优化模型进行求解，得到低碳园区建筑集群协调优化调度结果。
在一种可选的实施方式中，装置还包括：参数确定模块，用于基于历史运行数据确定温感值参数及设备出力参数；预设参数获取模块，用于获取预设参数，预设参数包括：双适应度粒子群优化算法的适应度初始值以及迭代初始值。
在一种可选的实施方式中，顶层集群优化模型包括顶层集群优化模型的目标函数以及顶层集群优化模型的约束条件，顶层模型构建模块包括：顶层目标函数确定单元，用于将总调度时间内所有区内建筑的主网交互成本、天然气交互成本、温感约束成本以及园区内建筑间交互成本的和最小作为顶层集群优化模型的目标函数；顶层约束条件获取单元，用于获取区内建筑集群对应的供电约束、供气约束、温感约束以及区内建筑间能源交互约束作为顶层集群优化模型的约束条件。
在一种可选的实施方式中，底层区内建筑优化模型包括底层区内建筑优化模型的目标函数以及底层区内建筑优化模型的约束条件，底层模型构建模块包括：底层目标函数确定单元，用于将总调度时间内区内建筑的建筑经济运行成本、温感约束成本以及弃光电量成本的加权和最小作为底层区内建筑优化模型的目标函数；底层约束条件获取单元，用于获取区内建筑的平衡约束、可控机组约束、储能电池约束、相变储能约束作为底层区内建筑优化模型的约束条件。
在一种可选的实施方式中，温感模型构建模块包括：温度获取单元，用于获取区内建筑在任一时刻的实际温度和用户期望温度；用户期望温度计算单元，用于根据多个区内建筑在任一时刻的用户期望温度的算术平均值计算区内建筑集群的用户期望温度；实际温度计算单元，用于根据多个区内建筑在任一时刻的实际温度的算术平均值计算区内建筑集群的实际温度。
在一种可选的实施方式中，模型求解模块包括：模型求解单元，用于根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行求解，得到求解结果；迭代单元，用于判断求解结果是否满足收敛条件，若不满足收敛条件则根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行迭代求解，直至满足收敛条件，若满足收敛条件则停止迭代，输出建筑集群协调优化调度结果。
在一种可选的实施方式中，模型求解单元包括：底层模型求解子单元，用于采用双适应度粒子群优化算法对底层区内建筑优化模型进行求解，得到底层区内建筑优化模型的求解结果；温感值确定子单元，用于根据底层区内建筑优化模型的求解结果以及温感约束优化模型得到区内建筑的实时温感值；顶层模型更新子单元，用于将底层区内建筑优化模型的求解结果以及区内建筑的实时温感值传递给顶层集群优化模型进行更新；顶层模型求解子单元，用于采用双适应度粒子群优化算法对更新后的顶层集群优化模型进行求解，得到顶层集群优化模型的求解结果。
第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的低碳园区建筑集群协调优化调度方法。
第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的低碳园区建筑集群协调优化调度方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施例的低碳园区建筑集群协调优化调度方法的流程示意图；
图2是根据本发明实施例的低碳园区内建筑集群协调优化调度结构示意图；
图3是根据本发明实施例的另一低碳园区建筑集群协调优化调度方法的流程示意图；
图4是根据本发明实施例的低碳园区建筑集群系统实施结构示意图；
图5是根据本发明实施例的低碳园区建筑集群协调优化调度装置的结构框图；
图6是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
随着能源需求的增加，节能减排变得越发重要。为实现工业、科技园区区域综合能源的协调利用，需要对电、气、冷、热等多类异质能源进行多能互补，实现能源的协同耦合，从而提高能源利用效率。随着竞争市场的发展与完善，电力系统的利益主体愈发多元化，海量分布式需求侧资源(Demand Side Resource, DSR)在竞争市场中的作用正在被重新认识。大量分布式能源设备应用于低碳园区建筑内，以低碳园区为主体的能源互联网（EnergyInternet, EI）系统通过可再生能源、冷热电联供系统、储能设备等形成了多能互联微网系统。对分布式电能、天然气、热能等进行传输和利用，提升可再生能源的利用比例，降低能源服务的综合成本。因此，当园区内建筑间产生功率交互时，势必会影响各区内设备的出力，从而影响系统整体的运行。因此研究园区内多个建筑的联合优化调度，对降低经济运行成本，提高绿色能源的利用效率具有重要意义。
但随着低碳园区内空调负荷的大幅上涨，给多能互联微网的稳定运行带来巨大挑战。区内相变储能是一种通过存储和释放热量，调节和控制周围环境温度的新型技术，具有将能量长时间转移和提高能量利用效率的能力。低碳园区智慧能源系统相变储能作为一种可靠、安全、高效的蓄热装置，可以实现削峰填谷、能量转移、平抑电网波动性及提高新能源利用率等目的，是未来极具前景的技术方案。目前，国内外对多能互联微网的运行优化进行了相关研究，如基于区间理论对多能互联微网进行耦合建模，实现多目标优化；从风光不确定性入手研究不确定条件下的优化调度问题。然而这些研究未在多能互联微网运行优化为题中考虑建筑与建筑间功率交互、低碳园区内相变储能以及温度舒适度等限制。
根据本发明实施例，提供了一种低碳园区建筑集群协调优化调度方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种低碳园区建筑集群协调优化调度方法，可用于上述的移动终端，如中央处理单元、服务器等，图1是根据本发明实施例的低碳园区建筑集群协调优化调度方法的流程示意图，如图1所示，该流程包括如下步骤：
步骤S101，以区内建筑集群多种交互成本的和最小为目标建立顶层集群优化模型。可选地，低碳园区内包含多个区内建筑（建筑、楼宇），集群即由所有区内建筑构成的整体，建立顶层集群优化模型即为区内建筑整体建立包含建筑间功率交互的模型。多种交互成本可根据低碳园区包含的能源确定，如能源包含分布式电能、天然气时，顶层集群优化模型可以包括建筑间分布式电能交互成本、天然气交互成本。
步骤S102，以区内建筑多种成本的和最小为目标建立底层区内建筑优化模型。可选地，在步骤S101中建立了集群对应的顶层集群优化模型，还需要为区内建筑（底层独立建筑）即建筑集群内的各个独立建筑建立对应的优化模型（也就是底层区内建筑优化模型）。该优化模型基于区内建筑多种成本的和最小建立，多种成本即区内建筑多种能源运行的成本，如光伏成本、相变储能成本、储能成本等等。
步骤S103，基于实时温度检测建立区内建筑集群的温感约束优化模型。可选地，通过实时获取各区内建筑的温度值建立建筑集群的温感约束优化模型，该温感约束优化模型可在优化的同时对温度进行约束，在降低系统运行成本的同时提高用户的舒适度。
步骤S104，采用双适应度粒子群优化算法根据温感值参数、设备出力参数、预设参数、温感约束优化模型对底层区内建筑优化模型以及顶层集群优化模型进行求解，得到低碳园区建筑集群协调优化调度结果。可选地，本发明实施例构建了包含顶层集群优化模型和底层区内建筑优化模型的双层优化模型，并基于温度约束建立了温感约束优化模型。在对模型求解时，根据与算法迭代相关的预设参数、温感值参数（如初始温度值，温度上下限值）以及设备出力参数（如各设备的功率、效率）使用双适应度粒子群优化算法（双适应算法）先对底层区内建筑优化模型求解，然后将对应的求解结果（底层区内建筑优化模型的最优值）传递给顶层，并根据该求解结果和温感约束优化模型将对应的温度值也传递给顶层集群优化模型，然后对顶层集群优化模型进行求解，最终得到低碳园区建筑集群协调优化调度结果。
在本发明实施例中，通过为区内建筑整体和各独立的区内建筑构建对应的顶层集群优化模型和底层区内建筑优化模型，并基于实时温度检测在整体上对顶层集群和底层独立的各区内建筑进行温度约束即建立区内建筑集群的温感约束优化模型，采用双适应度粒子群优化算法对顶层集群优化模型和底层区内建筑优化模型求解，该算法通过多次迭代，得到低碳园区建筑集群协调优化调度结果。由于在构建顶层集群优化模型时考虑了建筑间多种交互成本的影响，并创新性地根据温感约束构建区内建筑集群的温感约束优化模型，从而在降低系统运行成本的同时达到了提高用户舒适度的效果。解决了相关技术中存在的低碳园区建筑集群协调优化调度考虑因素不全面的问题。
在本实施例中提供了一种低碳园区建筑集群协调优化调度方法，可用于上述的中央处理单元、服务器等，图2是根据本发明实施例的低碳园区内建筑集群协调优化调度结构示意图，如图2所示，低碳园区内有n个底层独立建筑（区内建筑），集群即n个底层独立建筑构成的整体，顶层集群控制系统用于控制多个底层独立建筑之间进行能源传输，如电能传输、天然气传输。图3是根据本发明实施例的另一低碳园区建筑集群协调优化调度方法的流程示意图，如图3所示，该流程包括如下步骤：
步骤S301，建立顶层建筑集群优化模型。在一种可选的实施方式中，顶层建筑集群优化模型（顶层集群优化模型）包括顶层集群优化模型的目标函数以及顶层集群优化模型的约束条件，以区内建筑集群多种交互成本的和最小为目标建立顶层集群优化模型，包括：将总调度时间内所有区内建筑的主网交互成本、天然气交互成本、温感约束成本以及园区内建筑间交互成本的和最小作为顶层集群优化模型的目标函数；获取区内建筑集群对应的供电约束、供气约束、温感约束以及区内建筑间能源交互约束作为顶层集群优化模型的约束条件。
可选地，顶层集群优化模型的目标函数F 1以区内建筑集群多种交互成本的和（包括外界交互成本和区内建筑间交互成本）最小为目标，目标函数F 1具体如下式所示：
式中，T为总调度时间；N为区内建筑的总数量；、、、分别为t时刻区内建筑n的主网交互成本、t时刻区内建筑n的天然气交互成本、t时刻区内建筑n的温感约束成本、t时刻区内建筑n的园区内建筑间交互成本。进一步地，上述多种交互成本可通过下述公式计算：
式中，为t时刻区内建筑n的主网交互成本；、分别表示t时刻区内建筑n与主电网交互的购电功率、售电功率；、分别表示区内建筑与主电网交互的购电成本、售电成本。
式中，为t时刻区内建筑n的天然气交互成本；为单位天然气成本；为气源点（天然气主网）提供的气功率；LHVG为天然气低热值。
式中，为t时刻区内建筑n的温感约束成本；为温感系数； 、 分别为t时刻区内建筑n的实际室温、用户期望温度。
式中，为t时刻区内建筑n的园区内建筑间交互成本；、分别为t时刻区内建筑n向其他区内建筑购买的功率、向其他区内建筑输送的功率；、分别为区内建筑间功率交互购买、销售价格。
顶层集群优化模型的约束条件包括供电约束、供气约束、区内建筑间能源交互约束以及温感约束，其中，供电约束如下：
其中，、分别表示t时刻区内建筑n与主电网交互的购电功率、售电功率；、分别为顶层集群控制系统允许的电能传输功率上下限；
受天然气源供应量和管道流量限制，区内建筑允许接受的天然气流量对应的供气约束如下：
其中，为气源点（天然气主网）提供的气功率；为t时刻区内建筑n的最大天然气供应量；为区内建筑n在总调度时间T内的天然气最大限制（供应量）。
区内建筑间能源交互约束即低碳园区建筑与主电网及其他区内建筑间的功率交互约束，可用如下不等式表示：
其中，、分别表示t时刻区内建筑n与主电网交互的购电功率、售电功率；、分别为t时刻区内建筑n向其他区内建筑购买的功率、向其他区内建筑输送的功率；、分别为区内建筑n与主电网交互功率限制的上下限；、分别为区内建筑间功率交互限制的上下限。
温感约束如下：
其中，、分别为区内建筑n允许的用户温感值（温度）上下限。在本发明实施例中，顶层集群优化模型考虑了区内建筑集群多种交互成本，即考虑了区内建筑间的协调调度（可再生能源出力多的楼宇将多余能源输送给出力少的楼宇，以缓解其荷载压力）。达到了提高可再生能源利用率以及降低总体运行成本的效果。
步骤S302，建立底层独立建筑优化模型。在一种可选的实施方式中，底层区内建筑优化模型（底层独立建筑优化模型）包括底层区内建筑优化模型的目标函数以及底层区内建筑优化模型的约束条件，以区内建筑多种成本的和最小为目标建立底层区内建筑优化模型，包括：将总调度时间内区内建筑的建筑经济运行成本、温感约束成本以及弃光电量成本的加权和最小作为底层区内建筑优化模型的目标函数；获取区内建筑的平衡约束、可控机组约束、储能电池约束、相变储能约束作为底层区内建筑优化模型的约束条件。
可选地，底层区内建筑优化模型的目标函数F 2以区内建筑集群内独立建筑多种成本的和最小为优化目标，如下所示：
式中，T为总调度时间；、、分别为（独立）区内建筑t时刻的经济运行成本、温感约束成本、弃光电量成本；k 1、k 2、k 3分别为经济运行成本、温感约束成本、弃光电量成本对应的权重。需要说明的是，F 2针对的是整体建筑集群内的各个独立建筑，即任一区内建筑对应的优化模型。进一步地，上述多种成本可通过下述公式计算：
式中，为独立区内建筑t时刻的经济运行成本；、、分别为独立区内建筑光伏、CCHP系统、空调的单位运行成本； 、 、分别为t时刻独立区内建筑光伏、CCHP系统、空调的输出功率； 、 分别为t时刻储能电池、相变储能的单位运行成本；、分别为t时刻储能电池的充电、放电功率；、分别为t时刻相变储能的储能、放能功率。其中，CCHP（Combined Cooling Heating and Power）系统即冷热电联产系统，是一种能源综合利用技术，具有较高的能源利用率。
式中，为独立区内建筑t时刻的温感约束成本；为温感系数；、分别为独立区内建筑的实际室温和用户期望温度。
式中，为独立区内建筑t时刻的弃光电量成本；为独立区内建筑的光伏单位运行成本；为t时刻光伏的实际可获得功率；为t时刻独立区内建筑的光伏输出功率。
进一步地，底层区内建筑优化模型的约束条件包括平衡约束、可控机组约束、储能电池约束以及相变储能约束，具体地，平衡约束包含的等式和不等式如下所示：
其中， 、 分别为t时刻独立区内建筑光伏、CCHP系统的输出功率；、分别为t时刻储能电池的放电功率、充电功率；、分别为独立区内建筑t时刻非空调电负荷和空调负荷的值；为t时刻CCHP系统的热功率；、分别为t时刻相变储能的放能功率、储能功率；、分别为t时刻相变储能输出功率用于自身区内建筑和传递到其他区内建筑的功率；为t时刻独立区内建筑向其他区内建筑输送的功率。
可控机组约束如下：
其中，、为独立区内建筑内的可控机组C在t时刻、t-1时刻的出力；和分别为可控机组C的出力上下限；和分别为可控机组C的上、下爬坡速度，即机组单位时间能增加、减少的出力；为单位调度时间。
储能电池约束如下：
其中，、分别为t时刻储能电池的充电、放电功率；、分别为t时刻储能电池的充电、放电状态变量；、分别为储能电池充电功率上、下限；、分别为储能电池放电功率上、下限；为储能电池在t时刻的剩余容量；、分别为储能电池剩余容量的上、下限；、分别为储能电池在调度周期T内的始末状态（剩余储能容量）。需要说明的是，储能电池的初始状态是没有充放电，结束状态是完成充放电的整个过程，即将充的电全部释放，所以储能电池的始末的剩余储能容量相等。充放电状态变量用于定义储能电池的充放电状态，充电时充电状态变量为1，放电状态变量为0，放电时则相反。
相变储能约束如下：
其中，、分别为t时刻相变储能的储能、放能功率；、分别为相变储能（装置）的储能、放能状态变量；、分别为相变储能装置储能功率上、下限；、分别为相变储能装置放能功率上、下限；为相变储能装置t时刻的剩余储能容量；、分别为相变储能装置剩余容量的上、下限；、分别为相变储能装置在调度周期内的始末状态。
在本发明实施例中，通过将相变储能纳入底层区内建筑优化模型的经济运行成本中，令相变储能从宏观层面参与区内建筑调度，使其不仅能够调节自身区内建筑的运行状态，还能参与其他区内建筑的优化调度。从而实现了将能量长时间转移并提高能量利用效率的目的，在一定程度上达到了缓解荷载峰值压力，降低运行成本的效果。
步骤S303，建立建筑集群温感约束优化模型。在一种可选的实施方式中，基于实时温度检测建立区内建筑集群的温感约束优化模型（建筑集群温感约束优化模型），包括：获取区内建筑在任一时刻的实际温度和用户期望温度；根据多个区内建筑在任一时刻的用户期望温度的算术平均值计算区内建筑集群的用户期望温度；根据多个区内建筑在任一时刻的实际温度的算术平均值计算区内建筑集群的实际温度。
可选地，区内建筑集群的温感约束优化模型如下：
其中，N为区内建筑的总数量；、分别为t时刻区内建筑n的实际温度和用户期望温度；、分别为t时刻区内建筑集群整体实际温度和用户期望温度。在本发明实施例中，基于实际温度和用户期望温度构建包含顶层和底层温度关系的温感约束优化模型，达到了在对建筑集群进行协调优化调度的同时提高用户舒适度的目的。
步骤S304，输入建筑集群温感值参数、系统各设备出力参数、双适应度算法适应度初始值、迭代初始值；预留主要变量零矩阵用于数据记录观察。在一种可选的实施方式中，在上述步骤S303之后，方法还包括：基于历史运行数据确定温感值参数及设备出力参数；获取预设参数，预设参数包括：双适应度粒子群优化算法的适应度初始值以及迭代初始值。可选地，根据低碳园区历史运行数据确定温感值参数，即温感（温度）初始值和上下限；确定设备出力参数，如各设备的功率和效率、CCHP的最大热电比、相变储能的热容量、电储能的容量等等；获取双适应度粒子群优化算法的适应度初始值以及迭代初始值（如令迭代初始值k=1）；并预留主要变量零矩阵用于数据记录观察如记录迭代结果。
步骤S305，分别对底层各独立建筑优化问题进行求解，将求解的双适应度传递给顶层集群控制系统进行优化，并将底层各独立建筑优化后的实时温感值传递给顶层，以更新顶层建筑集群分解给底层各独立建筑的温感约束值。在一种可选的实施方式中，步骤S305包括采用双适应度粒子群优化算法对底层区内建筑优化模型进行求解，得到底层区内建筑优化模型的求解结果；根据底层区内建筑优化模型的求解结果以及温感约束优化模型得到区内建筑的实时温感值；将底层区内建筑优化模型的求解结果以及区内建筑的实时温感值传递给顶层集群优化模型进行更新；采用双适应度粒子群优化算法对更新后的顶层集群优化模型进行求解。
可选地，采用双适应算法（双适应度粒子群优化算法）对底层区内建筑优化模型进行求解，其中，底层各独立区内建筑优化调度双适应模型如下所示：
式中，为底层独立区内建筑的目标适应度；为底层区内建筑优化模型的目标函数；为底层独立区内建筑的约束适应度；为底层区内建筑优化模型的约束条件中的不等式约束；为底层区内建筑优化模型的约束条件中的等式约束；、分别表示底层区内建筑优化模型的约束条件中不等式约束、等式约束的总数量。对底层各独立区内建筑优化调度双适应模型求解，将求解得到的双适应度（即和）传递给顶层集群优化模型，并将底层独立区内建筑优化后的实时温感值（实际室温）传递给区内建筑实际室温，更新t+1时刻各独立区内建筑的温感期望值。
步骤S306，当顶层集群集中控制系统接收到底层各独立建筑传递的所有数据后，对顶层集群控制系统优化问题进行求解，并将配热/冷网优化后的实时温感值传递给顶层，以更新顶层建筑集群分解给其自身的温感值。可选地，当顶层集群集中控制系统接收到底层各独立区内建筑传递的所有数据后，采用双适应算法对顶层集群优化模型进行求解，将配热/冷网优化后的底层区内建筑的实时温感值（实际室温）传递给顶层建筑集群的实时温感值（实际室温），对其进行更新。采用双适应算法对顶层集群优化模型进行求解时，顶层集群控制系统优化调度双适应模型如下：
其中，为顶层集群控制系统的目标适应度；为顶层集群优化模型的目标函数；为顶层集群控制系统的约束适应度；为顶层集群优化模型的约束条件中的不等式约束；为顶层集群优化模型的约束条件中的等式约束；、分别表示顶层区内建筑优化模型的约束条件中不等式约束、等式约束的总数量。
图4是根据本发明实施例的低碳园区建筑集群系统实施结构示意图，如图4所示，低碳园区除了常规电负荷，还包括空调冷负荷、热负荷等多种负荷，冷热电联产系统CCHP以光伏、蓄电池、相变储能、天然气、配电网提供的多种可以产生电或热的资源作为一次能源，将发电系统和供热、供冷系统相结合，为用户进行综合供能，从而满足用户对热、电、冷等能源的需求。本发明实施例通过将底层区内建筑优化模型的求解结果和实时温感值传递给顶层集群优化模型，以获得建筑集群协调优化结果，从而为这种具有独立性、灵活性和安全性的系统提供了一种有效的协调优化调度方案。
步骤S307，判断算法是否满足收敛判据。若满足收敛判据则执行步骤S308，输出建筑集群顶/底层最优调度结果；若不满足收敛判据则返回步骤S305继续迭代求解。在一种可选的实施方式中，步骤S307包括：根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行求解，得到求解结果；判断求解结果是否满足收敛条件，若不满足收敛条件则根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行迭代求解，直至满足收敛条件，若满足收敛条件则停止迭代，输出建筑集群协调优化调度结果。具体地，收敛判据（收敛条件）为区内建筑集群和各独立区内建筑的实际温度在温度上下限内。
与现有方法相比，本发明有益效果在于：本发明首次构建了包含相变储能的低碳园区区内建筑集群控制系统多能协调优化模型（包括顶层集群优化模型、底层区内建筑优化模型以及区内建筑集群温感约束优化模型）。顶层区内建筑集群基于实时温度检测在整体上对顶层集群和底层独立的各区内建筑进行温度约束，底层各独立区内建筑在优化的同时满足其实时温感约束，通过采用双适应算法求解该多能协调优化模型，从而获得区内建筑集群顶层和底层最优调度结果。本发明考虑冷、热负荷需求响应，以楼宇（区内建筑）的温度舒适度为运行结果的主要影响因素，使得协调优化调度满足温度舒适度的限制。对于包含大量空调负荷的低碳园区，制冷需求越大，运行成本也越高，使用本发明实施例提供的低碳园区建筑集群协调优化调度方法进行优化调度的优势越明显。
在本实施例中还提供了一种低碳园区建筑集群协调优化调度装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种低碳园区建筑集群协调优化调度装置，如图5所示，包括：顶层模型构建模块501，用于以区内建筑集群多种交互成本的和最小为目标建立顶层集群优化模型；底层模型构建模块502，用于以区内建筑多种成本的和最小为目标建立底层区内建筑优化模型；温感模型构建模块503，用于基于实时温度检测建立区内建筑集群的温感约束优化模型；模型求解模块504，用于采用双适应度粒子群优化算法根据温感值参数、设备出力参数、预设参数、温感约束优化模型对底层区内建筑优化模型以及顶层集群优化模型进行求解，得到低碳园区建筑集群协调优化调度结果。
在一种可选的实施方式中，装置还包括：参数确定模块，用于基于历史运行数据确定温感值参数及设备出力参数；预设参数获取模块，用于获取预设参数，预设参数包括：双适应度粒子群优化算法的适应度初始值以及迭代初始值。
在一种可选的实施方式中，顶层集群优化模型包括顶层集群优化模型的目标函数以及顶层集群优化模型的约束条件，顶层模型构建模块包括：顶层目标函数确定单元，用于将总调度时间内所有区内建筑的主网交互成本、天然气交互成本、温感约束成本以及园区内建筑间交互成本的和最小作为顶层集群优化模型的目标函数；顶层约束条件获取单元，用于获取区内建筑集群对应的供电约束、供气约束、温感约束以及区内建筑间能源交互约束作为顶层集群优化模型的约束条件。
在一种可选的实施方式中，底层区内建筑优化模型包括底层区内建筑优化模型的目标函数以及底层区内建筑优化模型的约束条件，底层模型构建模块包括：底层目标函数确定单元，用于将总调度时间内区内建筑的建筑经济运行成本、温感约束成本以及弃光电量成本的加权和最小作为底层区内建筑优化模型的目标函数；底层约束条件获取单元，用于获取区内建筑的平衡约束、可控机组约束、储能电池约束、相变储能约束作为底层区内建筑优化模型的约束条件。
在一种可选的实施方式中，温感模型构建模块包括：温度获取单元，用于获取区内建筑在任一时刻的实际温度和用户期望温度；用户期望温度计算单元，用于根据多个区内建筑在任一时刻的用户期望温度的算术平均值计算区内建筑集群的用户期望温度；实际温度计算单元，用于根据多个区内建筑在任一时刻的实际温度的算术平均值计算区内建筑集群的实际温度。
在一种可选的实施方式中，模型求解模块包括：模型求解单元，用于根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行求解，得到求解结果；迭代单元，用于判断求解结果是否满足收敛条件，若不满足收敛条件则根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行迭代求解，直至满足收敛条件，若满足收敛条件则停止迭代，输出建筑集群协调优化调度结果。
在一种可选的实施方式中，模型求解单元包括：底层模型求解子单元，用于采用双适应度粒子群优化算法对底层区内建筑优化模型进行求解，得到底层区内建筑优化模型的求解结果；温感值确定子单元，用于根据底层区内建筑优化模型的求解结果以及温感约束优化模型得到区内建筑的实时温感值；顶层模型更新子单元，用于将底层区内建筑优化模型的求解结果以及区内建筑的实时温感值传递给顶层集群优化模型进行更新；顶层模型求解子单元，用于采用双适应度粒子群优化算法对更新后的顶层集群优化模型进行求解，得到顶层集群优化模型的求解结果。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本实施例中的低碳园区建筑集群协调优化调度装置是以功能单元的形式来呈现，这里的单元是指ASIC（Application Specific Integrated Circuit，专用集成电路）电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备，具有上述图5所示的低碳园区建筑集群协调优化调度装置。
请参阅图6，图6是本发明可选实施例提供的一种计算机设备的结构示意图，如图6所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器10为例。
处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
其中，存储器20存储有可由至少一个处理器10执行的指令，以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (7)

1.一种低碳园区建筑集群协调优化调度方法，其特征在于，所述方法包括：
以区内建筑集群多种交互成本的和最小为目标建立顶层集群优化模型；
以区内建筑多种成本的和最小为目标建立底层区内建筑优化模型；
基于实时温度检测建立区内建筑集群的温感约束优化模型；
采用双适应度粒子群优化算法根据温感值参数、设备出力参数、预设参数、所述温感约束优化模型对所述底层区内建筑优化模型以及所述顶层集群优化模型进行求解，得到低碳园区建筑集群协调优化调度结果；
所述顶层集群优化模型包括顶层集群优化模型的目标函数以及顶层集群优化模型的约束条件，所述以区内建筑集群多种交互成本的和最小为目标建立顶层集群优化模型，包括：将总调度时间内所有区内建筑的主网交互成本、天然气交互成本、温感约束成本以及园区内建筑间交互成本的和最小作为顶层集群优化模型的目标函数；获取区内建筑集群对应的供电约束、供气约束、温感约束以及区内建筑间能源交互约束作为顶层集群优化模型的约束条件；
所述底层区内建筑优化模型包括底层区内建筑优化模型的目标函数以及底层区内建筑优化模型的约束条件，所述以区内建筑多种成本的和最小为目标建立底层区内建筑优化模型，包括：将总调度时间内区内建筑的建筑经济运行成本、温感约束成本以及弃光电量成本的加权和最小作为底层区内建筑优化模型的目标函数；获取区内建筑的平衡约束、可控机组约束、储能电池约束、相变储能约束作为底层区内建筑优化模型的约束条件；
所述基于实时温度检测建立区内建筑集群的温感约束优化模型，包括：获取区内建筑在任一时刻的实际温度和用户期望温度；根据多个区内建筑在任一时刻的用户期望温度的算术平均值计算区内建筑集群的用户期望温度；根据多个区内建筑在任一时刻的实际温度的算术平均值计算区内建筑集群的实际温度。
2.根据权利要求1所述的低碳园区建筑集群协调优化调度方法，其特征在于，在所述基于实时温度检测建立区内建筑集群的温感约束优化模型之后，所述方法还包括：
基于历史运行数据确定温感值参数及设备出力参数；
获取预设参数，所述预设参数包括：双适应度粒子群优化算法的适应度初始值以及迭代初始值。
3.根据权利要求2所述的低碳园区建筑集群协调优化调度方法，其特征在于，所述采用双适应度粒子群优化算法根据温感值参数、设备出力参数、预设参数、所述温感约束优化模型对所述底层区内建筑优化模型以及所述顶层集群优化模型进行求解，得到低碳园区建筑集群协调优化调度结果，包括：
根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行求解，得到求解结果；
判断所述求解结果是否满足收敛条件，若不满足收敛条件则根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行迭代求解，直至满足收敛条件，若满足收敛条件则停止迭代，输出建筑集群协调优化调度结果。
4.根据权利要求3所述的低碳园区建筑集群协调优化调度方法，其特征在于，所述根据温感值参数、设备出力参数以及预设参数对底层区内建筑优化模型和顶层集群优化模型进行求解，得到求解结果，包括：
采用双适应度粒子群优化算法对底层区内建筑优化模型进行求解，得到底层区内建筑优化模型的求解结果；
根据所述底层区内建筑优化模型的求解结果以及温感约束优化模型得到区内建筑的实时温感值；
将所述底层区内建筑优化模型的求解结果以及所述区内建筑的实时温感值传递给顶层集群优化模型进行更新；
采用双适应度粒子群优化算法对更新后的顶层集群优化模型进行求解，得到顶层集群优化模型的求解结果。
5.一种低碳园区建筑集群协调优化调度装置，其特征在于，所述装置包括：
顶层模型构建模块，用于以区内建筑集群多种交互成本的和最小为目标建立顶层集群优化模型；
顶层集群优化模型包括顶层集群优化模型的目标函数以及顶层集群优化模型的约束条件，顶层模型构建模块包括：顶层目标函数确定单元，用于将总调度时间内所有区内建筑的主网交互成本、天然气交互成本、温感约束成本以及园区内建筑间交互成本的和最小作为顶层集群优化模型的目标函数；顶层约束条件获取单元，用于获取区内建筑集群对应的供电约束、供气约束、温感约束以及区内建筑间能源交互约束作为顶层集群优化模型的约束条件；
底层模型构建模块，用于以区内建筑多种成本的和最小为目标建立底层区内建筑优化模型；
底层区内建筑优化模型包括底层区内建筑优化模型的目标函数以及底层区内建筑优化模型的约束条件，底层模型构建模块包括：底层目标函数确定单元，用于将总调度时间内区内建筑的建筑经济运行成本、温感约束成本以及弃光电量成本的加权和最小作为底层区内建筑优化模型的目标函数；底层约束条件获取单元，用于获取区内建筑的平衡约束、可控机组约束、储能电池约束、相变储能约束作为底层区内建筑优化模型的约束条件；
温感模型构建模块，用于基于实时温度检测建立区内建筑集群的温感约束优化模型；
温感模型构建模块包括：温度获取单元，用于获取区内建筑在任一时刻的实际温度和用户期望温度；用户期望温度计算单元，用于根据多个区内建筑在任一时刻的用户期望温度的算术平均值计算区内建筑集群的用户期望温度；实际温度计算单元，用于根据多个区内建筑在任一时刻的实际温度的算术平均值计算区内建筑集群的实际温度；
模型求解模块，用于采用双适应度粒子群优化算法根据温感值参数、设备出力参数、预设参数、所述温感约束优化模型对所述底层区内建筑优化模型以及所述顶层集群优化模型进行求解，得到低碳园区建筑集群协调优化调度结果。
6.一种计算机设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至4中任一项所述的低碳园区建筑集群协调优化调度方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至4中任一项所述的低碳园区建筑集群协调优化调度方法。
CN202311041859.2A 2023-08-18 2023-08-18 低碳园区建筑集群协调优化调度方法、装置、设备及介质 Active CN116757453B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311041859.2A CN116757453B (zh) 2023-08-18 2023-08-18 低碳园区建筑集群协调优化调度方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311041859.2A CN116757453B (zh) 2023-08-18 2023-08-18 低碳园区建筑集群协调优化调度方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN116757453A CN116757453A (zh) 2023-09-15
CN116757453B true CN116757453B (zh) 2023-10-27

Family

ID=87951848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311041859.2A Active CN116757453B (zh) 2023-08-18 2023-08-18 低碳园区建筑集群协调优化调度方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116757453B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017186313A1 (en) * 2016-04-29 2017-11-02 Katholieke Universiteit Leuven Cluster control of heterogeneous clusters of thermostatically controlled loads using tracer devices
CN111404183A (zh) * 2020-04-22 2020-07-10 南方电网科学研究院有限责任公司 区域综合能源系统多元储能协同配置方法、程序、系统与应用
CN114118532A (zh) * 2021-11-06 2022-03-01 深圳供电局有限公司 孤岛微网的调度方法、装置、计算机设备、存储介质
CN115879613A (zh) * 2022-12-02 2023-03-31 国网辽宁省电力有限公司鞍山供电公司 一种计及碳交易的农业产业园区负荷优化调度方法
CN116451883A (zh) * 2023-06-19 2023-07-18 国网上海能源互联网研究院有限公司 一种园区多能协同优化方法、装置、设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11769094B2 (en) * 2020-10-01 2023-09-26 Electricfish Energy Inc. System and method for real-time distributed micro-grid optimization using price signals

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017186313A1 (en) * 2016-04-29 2017-11-02 Katholieke Universiteit Leuven Cluster control of heterogeneous clusters of thermostatically controlled loads using tracer devices
CN111404183A (zh) * 2020-04-22 2020-07-10 南方电网科学研究院有限责任公司 区域综合能源系统多元储能协同配置方法、程序、系统与应用
CN114118532A (zh) * 2021-11-06 2022-03-01 深圳供电局有限公司 孤岛微网的调度方法、装置、计算机设备、存储介质
CN115879613A (zh) * 2022-12-02 2023-03-31 国网辽宁省电力有限公司鞍山供电公司 一种计及碳交易的农业产业园区负荷优化调度方法
CN116451883A (zh) * 2023-06-19 2023-07-18 国网上海能源互联网研究院有限公司 一种园区多能协同优化方法、装置、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
三联供能源系统优化建模与调度方法;甘中学;郑超越;许裕栗;李德伟;陈文博;;控制工程(06);全文 *

Also Published As

Publication number Publication date
CN116757453A (zh) 2023-09-15

Similar Documents

Publication Publication Date Title
CN109063925B (zh) 一种计及负荷聚合商的区域综合能源系统优化运行方法
Anvari-Moghaddam et al. Cost-effective and comfort-aware residential energy management under different pricing schemes and weather conditions
CN108629470A (zh) 基于非合作博弈的多能互补系统能量管理与优化运行
US11011913B2 (en) Multifunction power management system
CN107958300A (zh) 一种考虑互动响应的多微网互联运行协调调度优化方法
Zhang et al. Optimization algorithm for home energy management system based on artificial bee colony in smart grid
CN111799822B (zh) 一种基于虚拟储能的综合能源系统用能协调控制方法
Najafi-Ghalelou et al. Risk-based scheduling of smart apartment building under market price uncertainty using robust optimization approach
CN111340270B (zh) 基于信息交互的家庭能量智能优化方法
CN112036934A (zh) 考虑热电协调运行的负荷聚合商参与需求响应的报价方法
He et al. A new cooperation framework with a fair clearing scheme for energy storage sharing
CN103208030B (zh) 一种能够减小用电代价均值及其波动的电耗调度方法
Pedrasa et al. Improved energy services provision through the intelligent control of distributed energy resources
CN114462724B (zh) 一种考虑多能源价格激励综合需求响应模型的园区聚合商双层优化调度方法
Fadlullah et al. Evolution of smart grids
CN109861302A (zh) 一种基于主从博弈的能源互联网日前优化控制方法
CN113328432A (zh) 一种家庭能量管理优化调度方法及系统
CN111027747A (zh) 一种考虑用户舒适度风险偏好的家庭能量控制方法
Yang et al. Exploring blockchain for the coordination of distributed energy resources
Chatterjee et al. Multi-objective energy management of a smart home in real time environment
CN110474370A (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
Kou et al. A distributed energy management approach for residential demand response
Ali et al. Optimal appliance management system with renewable energy integration for smart homes
CN114444797A (zh) 计及碳减排的社区能源互联网双层分布式互动优化方法
Dagdougui et al. Towards a concept of cooperating power network for energy management and control of microgrids

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