CN116857863A - 基于大规模地源热泵的多能互补系统优化控制方法和装置 - Google Patents
基于大规模地源热泵的多能互补系统优化控制方法和装置 Download PDFInfo
- Publication number
- CN116857863A CN116857863A CN202310831974.3A CN202310831974A CN116857863A CN 116857863 A CN116857863 A CN 116857863A CN 202310831974 A CN202310831974 A CN 202310831974A CN 116857863 A CN116857863 A CN 116857863A
- Authority
- CN
- China
- Prior art keywords
- ground source
- water
- heat pump
- source heat
- load
- 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 45
- 230000000295 complement effect Effects 0.000 title claims abstract description 38
- 239000002689 soil Substances 0.000 claims abstract description 81
- 238000005457 optimization Methods 0.000 claims abstract description 62
- 238000005265 energy consumption Methods 0.000 claims abstract description 26
- 230000033228 biological regulation Effects 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 218
- 230000001502 supplementing effect Effects 0.000 claims description 64
- 238000001816 cooling Methods 0.000 claims description 58
- 238000010438 heat treatment Methods 0.000 claims description 51
- LYCAIKOWRPUZTN-UHFFFAOYSA-N Ethylene glycol Chemical compound OCCO LYCAIKOWRPUZTN-UHFFFAOYSA-N 0.000 claims description 48
- 238000005338 heat storage Methods 0.000 claims description 32
- 238000003062 neural network model Methods 0.000 claims description 30
- 238000004088 simulation Methods 0.000 claims description 21
- 239000007788 liquid Substances 0.000 claims description 17
- 239000000498 cooling water Substances 0.000 claims description 14
- WGCNASOHLSPBMP-UHFFFAOYSA-N hydroxyacetaldehyde Natural products OCC=O WGCNASOHLSPBMP-UHFFFAOYSA-N 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 12
- 239000008400 supply water Substances 0.000 claims description 12
- 238000002844 melting Methods 0.000 claims description 7
- 230000008018 melting Effects 0.000 claims description 7
- 210000002569 neuron Anatomy 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000001932 seasonal effect Effects 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 239000010410 layer Substances 0.000 description 30
- 230000006870 function Effects 0.000 description 16
- 238000004378 air conditioning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000009123 feedback regulation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B30/00—Heat pumps
- F25B30/06—Heat pumps characterised by the source of low potential heat
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B49/00—Arrangement or mounting of control or safety devices
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Thermal Sciences (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明属于可再生能源领域,具体涉及基于大规模地源热泵的多能互补系统优化控制方法、相应的装置及其应用。所述的基于大规模地源热泵多能互补系统优化控制方法包含四个步骤:1)计算当地土壤的冷热承载能力:可维持地源热泵系统高效率运行的土壤温度范围;2)系统层优化运行模型:通过能耗预测、最优化的方法,优化调度当日的系统形式与设备;3)设备层优化控制模型:通过短时能耗预测、最优化控制的方法,优化调节一小时时间范围内系统中各设备的运行参数;4)负荷预测模型更新:当日结束后,通过增加的历史数据,更新完善预测模型。所述的装置和系统能够实时满足负荷侧的冷、暖需求,避免系统调节过量,降低运行能耗与运行费用。
Description
技术领域
本发明属于可再生能源领域,涉及一种暖通空调技术。具体而言,本发明涉及基于大规模地源热泵的多能互补系统优化控制方法、相应的装置及其应用。
背景技术
地源热泵系统使用地埋管换热器从土壤中提取或注入热量,用于住宅和大型公共建筑的供暖、空调和生活热水供应。土壤温度常年较为稳定,土壤源地源热泵将土壤作为蓄热体,具有工作环境稳定,对外部条件要求不高等特点,由于其高效和环保性及广泛的适用性,在暖通空调领域引起了广泛关注。
地源热泵系统也有一些阻碍其大规模应用的障碍:由于地源热泵系统需要在土壤中钻孔放置地埋管,其初投资相对空气源热泵等常规系统较高;对于我国的夏热冬冷地区需要同时进行夏季供冷和冬季供暖的大规模区域能源站来说,一般存在土壤取热与放热不平衡的问题;此外,地源热泵系统主要消耗的能源为电能,在夏季的能耗高峰期一般也是电能的峰值价格,存在能耗高峰期运行费用高的问题。对于大规模地源热泵系统,由于其机组数量多、容量大、埋管更加密集,因此上述问题更为严重。针对这些不足之处,大规模地源热泵系统可以耦合冰蓄冷系统和太阳能补热系统形成多能互补的综合能源系统。耦合冰蓄冷系统在夏季冷负荷峰值及电价峰值期间进行调峰运行,削减夏季运行费用;耦合太阳能补热系统在秋季可为土壤跨季节蓄热,在冬季直接为负荷侧供暖,平衡土壤的取放热量与维持土壤温度稳定。
针对这类多能互补系统的控制方法与常规单一系统的不同,目前工程中常见的控制方法为人工调度各系统运行或停机,再利用供回水温差或压差进行PID反馈调节系统运行。由于负荷侧与能源站的输配距离长,系统调节会有相当时间的延迟,这样的常规控制方法无法实时满足负荷侧的冷、暖需求,且容易导致系统调节过量,运行能耗与运行费用高。
发明内容
为了使该多能互补系统的经济性最佳,本发明提出一种优化控制方法和装置,对考虑地源热泵的多能互补系统进行优化调度与控制。
第一方面,本发明提出了适用于大规模地源热泵多能互补系统优化控制方法及其装置。
第二方面,采用了基于土壤冷、热承载能力提出了地源热泵机组运行的限值计算方法。
第三方面,提出了一种适用于大规模地源热泵多能互补系统的控制装置与系统。
第四方面,提出了一种适用于大规模地源热泵多能互补系统的双层优化调度与控制方法。
第五方面,提出了一种适用于大规模地源热泵多能互补系统的自更新的负荷预测模型。
本发明提供了一种基于大规模地源热泵多能互补系统优化控制方法,所述的基于大规模地源热泵多能互补系统优化控制方法包含四个步骤:
1)计算当地土壤的冷热承载能力:可维持地源热泵系统高效率运行的土壤温度范围;
2)系统层优化运行模型:通过能耗预测、最优化的方法,优化调度当日的系统形式与设备;
3)设备层优化控制模型:通过短时能耗预测、最优化控制的方法,优化调节一小时时间范围内系统中各设备的运行参数;
4)负荷预测模型更新:当日结束后,通过增加的历史数据,更新完善预测模型。
优选地,所述的计算土壤的冷热承载能力,是地源热泵系统可以高效运行的土壤温度范围。基于TRNSYS模拟平台建立地源热泵系统,进行系统运行模拟,得出土壤温度的变化、系统运行能耗,并计算热泵机组的COP。分别获取当夏季地源热泵机组的COP低于3.0、冬季地源热泵机组的COP低于2.0条件下的土壤温度Ts与Tw。
优选地,所述的系统层优化调度模型是通过系统与设备的每小时平均的历史数据、当天的逐时天气预报数据,构建预测当天逐时供暖或供冷的负荷的BP(BackPropagation)神经网络模型,并通过TRNSYS模拟平台进行系统逐时运行调度寻优;
优选地,系统存储的每小时平均历史数据包括:时间x1、地源热泵机组蒸发器的流量x2、地源热泵机组冷凝器的流量x3、地源热泵机组蒸发器的入口温度x4、地源热泵机组蒸发器的出口温度x5、地源热泵机组冷凝器的入口温度x6、地源热泵机组冷凝器的出口温度x7、土壤温度x8、负荷侧水泵频率x9、地源侧水泵频率x10、地源热泵机组的功率x11、负荷侧水泵功率x12、地源侧水泵功率x13,天气预报数据包括:室外空气干球温度x14、室外空气相对湿度x15、风速x16、太阳辐射量x17、降雨量x18;
通过时间x1为标签对历史数据与天气预报数据进行组合,每一组数据包含x1-x18,并作为预测当天逐时供暖或供冷的负荷的BP神经网络模型的输入参数;
以逐时供暖或供冷的负荷x19作为该BP神经网络模型的输出参数;
该BP神经网络模型的隐含层神经元为10个,输入层与隐含层之间的传递函数为Sigmoid,隐含层与输出层之间的传递函数为Purelin;
根据该BP神经网络模型预测得到当天逐时供暖或供冷的负荷后,利用TRNSYS模拟平台进行系统逐时运行调度寻优,以各子系统的启动与停机时刻为变量,以当天系统运行费用Wd最小为目标函数,
其中,W1为地源热泵系统的运行费用,
W2为双工况机组冰蓄冷系统的运行费用,
W3为太阳能补热系统运行费用;
约束条件为:
Q≥Q1+Q2+Q3,
Ts≤Tsoil≤Tw,
其中,Q为系统所需的冷负荷或热负荷,
Q1为地源热泵系统的供冷量或供热量,
Q2为双工况机组冰蓄冷系统的供冷量或供热量,
Q3为太阳能补热系统的供冷量或供热量,
Tsoil为土壤温度。
决策变量为子系统的启动与停机时刻,目标函数为系统当天运行费用最小,约束条件为满足预测的冷热负荷需求,且土壤温度在Ts-Tw范围内。
优选地,设备层优化控制方法:通过系统与设备的每分钟平均的历史数据、当前时刻一小时内的每分钟平均天气预报数据,构建预测一小时内每分钟的短时供暖或供冷的负荷的BP神经网络模型。
建立TRNSYS平台与MATLAB平台耦合的模拟寻优模型,决策变量为系统设备运行参数,目标函数为当前时刻一小时内的运行费用最小,约束条件为满足预测的冷热负荷需求,且土壤温度在Ts-Tw范围内。
优选地,系统存储的每分钟平均历史数据包括:时间y1、地源热泵机组蒸发器的流量y2、地源热泵机组冷凝器的流量y3、地源热泵机组蒸发器的入口温度y4、地源热泵机组蒸发器的出口温度y5、地源热泵机组冷凝器的入口温度y6、地源热泵机组冷凝器的出口温度y7、土壤温度y8、负荷侧水泵频率y9、地源侧水泵频率y10、地源热泵机组的功率y11、负荷侧水泵功率y12、地源侧水泵功率y13,天气预报数据包括:室外空气干球温度y14、室外空气相对湿度y15、风速y16、太阳辐射量y17、降雨量y18;
通过时间y1为标签对历史数据与天气预报数据进行组合,每一组数据包含y1-y18,并作为预测每分钟的短时供暖或供冷的负荷的BP神经网络模型的输入参数;
以每分钟的短时供暖或供冷的负荷y19作为预测每分钟的短时供暖或供冷的负荷的BP神经网络模型的输出参数。
BP神经网络模型的隐含层神经元为8个,输入层与隐含层之间的传递函数为Sigmoid,隐含层与输出层之间的传递函数为Purelin。
根据BP神经网络模型预测得到每分钟的短时供暖或供冷的负荷后,利用TRNSYS平台模拟计算子系统在不同设备参数下的系统运行费用。
以系统中各设备的运行参数为变量,例如循环泵的频率值f、各阀门开度α与调节时刻τ、机组设定出口温度值Tset;以当前时刻一小时内系统运行费用Wh最小为目标函数,
其中,W1为地源热泵系统的运行费用,
W2为双工况机组冰蓄冷系统的运行费用,
W3为太阳能补热系统的运行费用。
其约束条件为:
Q≥Q1+Q2+Q3,
Ts≤Tsoil≤Tw,
其中,Q1为地源热泵系统的供冷量或供热量,
Q2为双工况机组冰蓄冷系统的的供冷量或供热量,
Q3为太阳能补热系统的供冷量或供热量。
优选地,在每日运行结束后,在历史数据中补充当日的运行数据,并对负荷预测模型进行自更新,提高负荷预测模型的准确性,进而提升优化控制运行的经济性。
本发明还提供了一种基于大规模地源热泵多能互补系统优化控制装置,所述的基于大规模地源热泵多能互补系统优化控制装置包括大规模地源热泵系统、冰蓄冷系统、太阳能补热系统、中央管理服务器、优化控制服务器、数字控制器。
大规模地源热泵系统作为基础冷暖负载系统,包括地源热泵机组、负荷侧循环水泵、负荷侧分水器、负荷侧集水器、负荷侧补水装置、地源侧循环水泵、地源侧分水器、地源侧集水器、地埋管群、地源侧补水装置及各管路中的电磁阀门、温度传感器、压力传感器、流量传感器等。
地源热泵机组的蒸发器进水管与冷凝器进水管上设有电磁阀、温度传感器、压力传感器、流量传感器;地源热泵机组的蒸发器出水管与冷凝器出水管上设有温度传感器、压力传感器、流量传感器。
负荷侧与地源侧的分水器与集水器上有:温度计、压力表;地埋管群中均匀分布土壤温度监测孔,监测孔中沿深度方向布置有温度传感器;利用地源热泵机组进行供冷供暖时,负荷侧回水到达负荷侧集水器,经由负荷侧循环泵到达地源热泵机组中,在机组中换热后从机组中离开,后到达负荷侧供水分水器,并送至负荷末端;地源侧回水在地埋管中换热后到达地源侧集水器,经由地源侧循环泵到达地源热泵机组中,在机组中换热后从机组中离开,后到达地源侧供水分水器,并送至地埋管。
太阳能补热系统与地源热泵系统耦合,可以在冬季直接用于建筑供热,减小地源热泵系统的负荷,也可以在秋季对土壤进行跨季节蓄热,维持土壤的取放热平衡。太阳能补热系统包括太阳能集热器、蓄热水箱、太阳能集热循环泵、太阳能直接供热循环泵、太阳能跨季节土壤补热循环泵等。
太阳能集热器的出水口与入水口安装有温度传感器,蓄热水箱安装有温度传感器、液位传感器。太阳能补热系统在制热水时,太阳能集热器产生热水并送至蓄热水箱,冷水从蓄热水箱流出经由集热循环泵返回太阳能集热器;太阳能补热系统在冬季对负荷侧直接供暖时,蓄热水箱的出水口与负荷侧的供水分水器连接,再从负荷侧回水集水器经由太阳能直接供热循环泵回到蓄热水箱入水口;太阳能补热系统在秋季对土壤进行跨季节补热时,蓄热水箱的出水口与地源侧的供水分水器连接,进入地埋管与土壤换热后返回地源侧的回水集水器,再经由太阳能跨季节补热循环泵回到蓄热水箱入水口。
冰蓄冷系统用于夏季负荷高峰期削峰以及降低峰值电价期供冷系统运行费用。冰蓄冷系统由多台双工况冷水机组、蓄冰池、板式换热器、乙二醇循环泵、冷却塔、冷却水循环泵、补水装置以及温度传感器、压力传感器、流量传感器、液位传感器及电磁阀组成。双工况冷水机组的乙二醇溶液离开机组后,一部分进入蓄冰池后返回机组构成蓄冰循环;一部分进入板式换热器与来自负荷侧的回水进行热量交换后,返回机组构成双工况机组直接供冷循环;蓄冰池开启融冰工况后,蓄冰池中的乙二醇溶液进入板式换热器与来自负荷侧的回水进行热量交换后,返回蓄冰池完成融冰循环。双工况机组的冷却水离开机组后,经由冷却塔冷却后返回机组,完成冷却水循环;冰蓄冷系统有乙二醇补充装置与循环水补水装置。
数字控制器用于采集和接收各类传感器的系统运行参数,例如温度、压力、流量、液位、阀门开度、水泵频率、水泵开关、机组开关等参数,将传感器数据通过以太网传输给优化控制服务器;同时接收来自优化控制服务器的控制信号,并将控制信号通过数据线缆传输给系统中的相关设备,控制设备的运行参数、阀门开度等,例如机组出水设定温度、水泵频率、频率、阀门开度等。
优化控制服务器用于接受数字控制器采集到的各类传感器数据,获取当前天气数据,进行建筑与设备负荷预测、设备能耗预测、设备运行参数控制优化,通过以太网把设备控制命令传输给数字控制器,并将传感器数据、设备运行参数等通过以太网传输给中央管理服务器;
中央管理服务器用于接收优化控制服务器发送的传感器数据、设备运行参数等数据,进行统计记录、形成历史数据报表与记录曲线,提供人工远程调控设备运行参数的平台。
优选地,所述的基于大规模地源热泵多能互补系统优化控制装置还包括水泵、电磁阀、管路、温度传感器、压力传感器、流量传感器、液位传感器;
温度传感器、压力传感器、流量传感器、液位用于监测多能互补系统中各个设备、管道的运行参数,并通过数据线缆将数据传输给数字控制器。
本发明的基于大规模地源热泵多能互补系统优化控制装置,能够实时满足负荷侧的冷、暖需求,避免系统调节过量,降低运行能耗与运行费用。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“中”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的每一幅附图针对本申请的部分实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的基于TRNSYS模拟平台建立地源热泵系统示意图。
图2是本发明的适用于大规模地源热泵多能互补系统的结构示意图。
如图2所示,所述的系统包括:大规模地源热泵系统、冰蓄冷系统、太阳能补热系统、中央管理服务器、优化控制服务器、以太网、数字控制器等。
大规模地源热泵系统作为基础冷暖负载系统,包括循环水泵、分水器、集水器、补水装置、地理管群、温度传感器、压力传感器、流量传感器等。
太阳能补热系统包括太阳能集热器、蓄热水箱、循环泵、温度传感器、压力传感器、流量传感器等。循环泵包括太阳能集热循环泵、太阳能直接供热循环泵、太阳能跨季节土壤补热循环泵等。
冰蓄冷系统包括双工况冷水机组、蓄冰池、板式换热器、乙二醇循环泵、冷却塔、冷却水循环泵、补水装置以及温度传感器、压力传感器、流量传感器、液位传感器及电磁阀组成。
大规模地源热泵机组的蒸发器进水管与冷凝器进水管上设有电磁阀、温度传感器、压力传感器、流量传感器;地源热泵机组的蒸发器出水管与冷凝器出水管上设有温度传感器、压力传感器、流量传感器;负荷侧与地源侧的分水器与集水器上有:温度计、压力表;地埋管群中均匀分布土壤温度监测孔,监测孔中沿深度方向布置有温度传感器;利用地源热泵机组进行供冷供暖时,负荷侧回水到达负荷侧集水器,经由负荷侧循环泵到达地源热泵机组中,在机组中换热后从机组中离开,后到达负荷侧供水分水器,并送至负荷末端;地源侧回水在地埋管中换热后到达地源侧集水器,经由地源侧循环泵到达地源热泵机组中,在机组中换热后从机组中离开,后到达地源侧供水分水器,并送至地埋管。
太阳能补热系统与地源热泵系统耦合,可以在冬季直接用于建筑供热,减小地源热泵系统的负荷,也可以在秋季对土壤进行跨季节蓄热,维持土壤的取放热平衡。
太阳能集热器的出水口与入水口安装有温度传感器,蓄热水箱安装有温度传感器、液位传感器。太阳能补热系统在制热水时,太阳能集热器产生热水并送至蓄热水箱,冷水从蓄热水箱流出经由集热循环泵返回太阳能集热器;太阳能补热系统在冬季对负荷侧直接供暖时,蓄热水箱的出水口与负荷侧的供水分水器连接,再从负荷侧回水集水器经由太阳能直接供热循环泵回到蓄热水箱入水口;太阳能补热系统在秋季对土壤进行跨季节补热时,蓄热水箱的出水口与地源侧的供水分水器连接,进入地埋管与土壤换热后返回地源侧的回水集水器,再经由太阳能跨季节补热循环泵回到蓄热水箱入水口。
冰蓄冷系统用于夏季负荷高峰期削峰以及降低峰值电价期供冷系统运行费用。
双工况冷水机组的乙二醇溶液离开机组后,一部分进入蓄冰池后返回机组构成蓄冰循环;一部分进入板式换热器与来自负荷侧的回水进行热量交换后,返回机组构成双工况机组直接供冷循环;蓄冰池开启融冰工况后,蓄冰池中的乙二醇溶液进入板式换热器与来自负荷侧的回水进行热量交换后,返回蓄冰池完成融冰循环。双工况机组的冷却水离开机组后,经由冷却塔冷却后返回机组,完成冷却水循环。冰蓄冷系统有乙二醇补充装置与循环水补水装置。
温度传感器、压力传感器、流量传感器、液位用于监测多能互补系统中各个设备、管道的运行参数,并通过数据线缆将数据传输给数字控制器。
数字控制器用于采集和接收各类传感器的系统运行参数,例如温度、压力、流量、液位、阀门开度、水泵频率、水泵开关、机组开关等参数,将传感器数据通过以太网传输给优化控制服务器;同时接收来自优化控制服务器的控制信号,并将控制信号通过数据线缆传输给系统中的相关设备,控制设备的运行参数、阀门开度等,例如机组出水设定温度、水泵频率、频率、阀门开度等。
图3是本发明适用于大规模地源热泵多能互补系统控制方法的示意图。
如图3所示,优化控制服务器用于接受数字控制器采集到的各类传感器数据,获取当前天气数据,进行建筑与设备负荷预测、设备能耗预测、设备运行参数控制优化,通过以太网把设备控制命令传输给数字控制器,并将传感器数据、设备运行参数等通过以太网传输给中央管理服务器。
中央管理服务器用于接收优化控制服务器发送的传感器数据、设备运行参数等数据,进行统计记录、形成历史数据报表与记录曲线,提供人工远程调控设备运行参数的平台。
基于大规模地源热泵多能互补系统优化控制方法包含四个步骤:
1)计算当地土壤的冷热承载能力:基于TRNSYS模拟平台,获取可维持地源热泵系统高效率运行的土壤温度范围;
2)系统层优化运行模型:通过能耗预测、最优化的方法,优化调度当日的系统形式与设备;涉及BP神经网络冷热符合模拟预测模型和TRNSYS模拟平台;
3)设备层优化控制模型:通过短时能耗预测、最优化控制的方法,优化调节一小时时间范围内系统中各设备的运行参数;涉及BP神经网络冷热符合模拟预测模型和TRNSYS模拟平台耦合MATLAB平台和粒子群寻优算法;
4)负荷预测模型更新:当日结束后,通过增加的历史数据,更新完善预测模型。
具体实施方式
本发明提供了基于大规模地源热泵的多能互补系统优化控制方法和相应的装置。所述的装置和系统能够实时满足负荷侧的冷、暖需求,避免系统调节过量,降低运行能耗与运行费用。
下面将通过本申请的实施例对技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分优选实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动所获得的所有其他实施例,都属于本申请的保护范围。
本发明囊括了大规模地源热泵的多能互补系统的优化控制方法和系统。本发明的系统包括:大规模地源热泵系统、冰蓄冷系统、太阳能补热系统、中央管理服务器、优化控制服务器、以太网、数字控制器、水泵、电磁阀、管路、温度传感器、压力传感器、流量传感器、液位传感器等。
大规模地源热泵系统作为基础冷暖负载系统,由地源热泵机组、负荷侧循环水泵、负荷侧分水器、负荷侧集水器、负荷侧补水装置、地源侧循环水泵、地源侧分水器、地源侧集水器、地埋管群、地源侧补水装置及各管路中的电磁阀门、温度传感器、压力传感器、流量传感器构成。
地源热泵机组的蒸发器进水管与冷凝器进水管上设有电磁阀、温度传感器、压力传感器、流量传感器;地源热泵机组的蒸发器出水管与冷凝器出水管上设有温度传感器、压力传感器、流量传感器;负荷侧与地源侧的分水器与集水器上有:温度计、压力表;地埋管群中均匀分布土壤温度监测孔,监测孔中沿深度方向布置有温度传感器;利用地源热泵机组进行供冷供暖时,负荷侧回水到达负荷侧集水器,经由负荷侧循环泵到达地源热泵机组中,在机组中换热后从机组中离开,后到达负荷侧供水分水器,并送至负荷末端;地源侧回水在地埋管中换热后到达地源侧集水器,经由地源侧循环泵到达地源热泵机组中,在机组中换热后从机组中离开,后到达地源侧供水分水器,并送至地埋管。
太阳能补热系统与地源热泵系统耦合,可以在冬季直接用于建筑供热,减小地源热泵系统的负荷,也可以在秋季对土壤进行跨季节蓄热,维持土壤的取放热平衡。太阳能补热系统由:太阳能集热器、蓄热水箱、太阳能集热循环泵、太阳能直接供热循环泵、太阳能跨季节土壤补热循环泵等构成。太阳能集热器的出水口与入水口安装有温度传感器,蓄热水箱安装有温度传感器、液位传感器。太阳能补热系统在制热水时,太阳能集热器产生热水并送至蓄热水箱,冷水从蓄热水箱流出经由集热循环泵返回太阳能集热器;太阳能补热系统在冬季对负荷侧直接供暖时,蓄热水箱的出水口与负荷侧的供水分水器连接,再从负荷侧回水集水器经由太阳能直接供热循环泵回到蓄热水箱入水口;太阳能补热系统在秋季对土壤进行跨季节补热时,蓄热水箱的出水口与地源侧的供水分水器连接,进入地埋管与土壤换热后返回地源侧的回水集水器,再经由太阳能跨季节补热循环泵回到蓄热水箱入水口。
冰蓄冷系统用于夏季负荷高峰期削峰以及降低峰值电价期供冷系统运行费用。冰蓄冷系统由多台双工况冷水机组、蓄冰池、板式换热器、乙二醇循环泵、冷却塔、冷却水循环泵、补水装置以及温度传感器、压力传感器、流量传感器、液位传感器及电磁阀组成。双工况冷水机组的乙二醇溶液离开机组后,一部分进入蓄冰池后返回机组构成蓄冰循环;一部分进入板式换热器与来自负荷侧的回水进行热量交换后,返回机组构成双工况机组直接供冷循环;蓄冰池开启融冰工况后,蓄冰池中的乙二醇溶液进入板式换热器与来自负荷侧的回水进行热量交换后,返回蓄冰池完成融冰循环。双工况机组的冷却水离开机组后,经由冷却塔冷却后返回机组,完成冷却水循环。冰蓄冷系统有乙二醇补充装置与循环水补水装置。
温度传感器、压力传感器、流量传感器、液位用于监测多能互补系统中各个设备、管道的运行参数,并通过数据线缆将数据传输给数字控制器。
数字控制器用于采集和接收各类传感器的系统运行参数,例如温度、压力、流量、液位、阀门开度、水泵频率、水泵开关、机组开关等参数,将传感器数据通过以太网传输给优化控制服务器;同时接收来自优化控制服务器的控制信号,并将控制信号通过数据线缆传输给系统中的相关设备,控制设备的运行参数、阀门开度等,例如机组出水设定温度、水泵频率、频率、阀门开度等。
优化控制服务器用于接受数字控制器采集到的各类传感器数据,获取当前天气数据,进行建筑与设备负荷预测、设备能耗预测、设备运行参数控制优化,通过以太网把设备控制命令传输给数字控制器,并将传感器数据、设备运行参数等通过以太网传输给中央管理服务器。
中央管理服务器用于接收优化控制服务器发送的传感器数据、设备运行参数等数据,进行统计记录、形成历史数据报表与记录曲线,提供人工远程调控设备运行参数的平台。
多能互补系统的优化控制方法包含四个步骤:
1)计算当地土壤的冷热承载能力,即可维持地源热泵系统高效率运行的土壤温度范围;
2)系统层优化运行模型:通过能耗预测、最优化的方法,优化调度当日的系统形式与设备;
3)设备层优化控制模型:通过短时能耗预测、最优化控制的方法,优化调节一小时时间范围内系统中各设备的运行参数;
4)负荷预测模型更新:当日结束后,通过增加的历史数据,更新完善预测模型。
具体的,如下所示:
1)计算土壤的冷热承载能力,即地源热泵系统可以高效运行的土壤温度范围。基于TRNSYS模拟平台建立地源热泵系统,进行系统运行模拟,得出土壤温度的变化、系统运行能耗,并计算热泵机组的COP:
COP=机组供冷量(或供热量)/机组能耗。
大规模地源热泵系统的节能性体现在土壤温度相较于空气更加稳定,换热温差大,因此地源热泵机组的COP更高。当夏季地源热泵机组的COP低于3.0与冬季地源热泵机组的COP低于2.0时,其能耗与常规冷水机组接近,无法体现其节能性。因此,分别获取当夏季地源热泵机组的COP低于3.0,冬季地源热泵机组的COP低于2.0的土壤温度Ts与Tw。
2)系统层优化调度模型:通过系统与设备的每小时平局的历史数据、当天的逐时天气预报数据,构建预测当天逐时供暖或供冷的负荷的BP神经网络模型,并通过TRNSYS模拟平台进行系统逐时运行调度寻优,决策变量为子系统的启动与停机时刻,目标函数为系统当天运行费用最小,约束条件为满足预测的冷热负荷需求,且土壤温度在Ts-Tw范围内。
具体的,例如:
系统存储的每小时平均历史数据包括:时间x1、地源热泵机组蒸发器的流量x2、地源热泵机组冷凝器的流量x3、地源热泵机组蒸发器的入口温度x4、地源热泵机组蒸发器的出口温度x5、地源热泵机组冷凝器的入口温度x6、地源热泵机组冷凝器的出口温度x7、土壤温度x8、负荷侧水泵频率x9、地源侧水泵频率x10、地源热泵机组的功率x11、负荷侧水泵功率x12、地源侧水泵功率x13,天气预报数据包括:室外空气干球温度x14、室外空气相对湿度x15、风速x16、太阳辐射量x17、降雨量x18;通过时间x1为标签对历史数据与天气预报数据进行组合,每一组数据包含x1-x18,并作为预测当天逐时供暖或供冷的负荷的BP神经网络模型的输入参数;以逐时供暖或供冷的负荷x19作为该BP神经网络模型的输出参数。该BP神经网络模型的隐含层神经元为10个,输入层与隐含层之间的传递函数为Sigmoid,隐含层与输出层之间的传递函数为Purelin。
根据该BP神经网络模型预测得到当天逐时供暖或供冷的负荷后,利用TRNSYS模拟平台进行系统逐时运行调度寻优,以各子系统的启动与停机时刻为变量,以当天系统运行费用Wd最小为目标函数,
其中,
W1为地源热泵系统的运行费用,
W2为双工况机组冰蓄冷系统的运行费用,
W3为太阳能补热系统的运行费用。
约束条件为:
Q≥Q1+Q2+Q3,
Ts≤Tsoil≤Tw,
其中Q为系统所需的冷负荷或热负荷,Q1为地源热泵系统的供冷量或供热量,Q2为双工况机组冰蓄冷系统的供冷量或供热量,Q3为太阳能补热系统的供冷量或供热量,Tsoil为土壤温度。
3)设备层优化控制方法:通过系统与设备的每分钟平均的历史数据、当前时刻一小时内的每分钟平均天气预报数据,构建预测一小时内每分钟的短时供暖或供冷的负荷的BP神经网络模型。建立TRNSYS平台与MATLAB平台耦合的模拟寻优模型,决策变量为系统设备运行参数,目标函数为当前时刻一小时内的运行费用最小,约束条件为满足预测的冷热负荷需求,且土壤温度在Ts-Tw范围内。
具体的,例如,系统存储的每分钟平均历史数据包括:时间y1、地源热泵机组蒸发器的流量y2、地源热泵机组冷凝器的流量y3、地源热泵机组蒸发器的入口温度y4、地源热泵机组蒸发器的出口温度y5、地源热泵机组冷凝器的入口温度y6、地源热泵机组冷凝器的出口温度y7、土壤温度y8、负荷侧水泵频率y9、地源侧水泵频率y10、地源热泵机组的功率y11、负荷侧水泵功率y12、地源侧水泵功率y13,天气预报数据包括:室外空气干球温度y14、室外空气相对湿度y15、风速y16、太阳辐射量y17、降雨量y18;通过时间y1为标签对历史数据与天气预报数据进行组合,每一组数据包含y1-y18,并作为预测每分钟的短时供暖或供冷的负荷的BP神经网络模型的输入参数;以每分钟的短时供暖或供冷的负荷y19作为预测每分钟的短时供暖或供冷的负荷的BP神经网络模型的输出参数。
BP神经网络模型的隐含层神经元为8个,输入层与隐含层之间的传递函数为Sigmoid,隐含层与输出层之间的传递函数为Purelin。
根据BP神经网络模型预测得到每分钟的短时供暖或供冷的负荷后,利用TRNSYS平台模拟计算子系统在不同设备参数下的系统运行费用。以系统中各设备的运行参数为变量,例如循环泵的频率值f、各阀门开度α与调节时刻τ、机组设定出口温度值Tset;以当前时刻一小时内系统运行费用Wh最小为目标函数,
其中,
W1为地源热泵系统的运行费用,
W2为双工况机组冰蓄冷系统的运行费用,
W3为太阳能补热系统的运行费用。
其约束条件为:
Q≥Q1+Q2+Q3,
Ts≤Tsoil≤Tw,
其中,Q1为地源热泵系统的供冷量或供热量,Q2为双工况机组冰蓄冷系统的的供冷量或供热量,Q3为太阳能补热系统的供冷量或供热量。
4)优化模型的更新
由于优化控制的模型是以负荷预测模型为基础,因此在每日运行结束后,在历史数据中补充当日的运行数据,并对负荷预测模型进行自更新,提高负荷预测模型的准确性,进而提升优化控制运行的经济性。
在本发明的控制系统中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本发明的控制系统中的集成单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random AccessMemory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的实施例仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本领域技术的技术人员在本申请公开的技术范围内,可以不通过创造性劳动即能够联想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以本申请中权利要求的保护范围为准。
Claims (10)
1.一种基于大规模地源热泵多能互补系统优化控制方法,其特征在于,所述的基于大规模地源热泵多能互补系统优化控制方法包含以下步骤:
1)计算当地土壤的冷热承载能力:可维持地源热泵系统高效率运行的土壤温度范围;
2)系统层优化运行模型:通过能耗预测、最优化的方法,优化调度当日的系统形式与设备;
3)设备层优化控制模型:通过短时能耗预测、最优化控制的方法,优化调节一小时时间范围内系统中各设备的运行参数;
4)负荷预测模型更新:当日结束后,通过增加的历史数据,更新完善预测模型。
2.根据权利要求1所述的基于大规模地源热泵多能互补系统优化控制方法,其特征在于,所述的计算土壤的冷热承载能力,是地源热泵系统高效运行的土壤温度范围;
基于TRNSYS模拟平台建立地源热泵系统,进行系统运行模拟,得出土壤温度的变化、系统运行能耗,并计算热泵机组的COP;
分别获取当夏季地源热泵机组的COP低于3.0和冬季地源热泵机组的COP低于2.0的土壤温度Ts与Tw。
3.根据权利要求1所述的基于大规模地源热泵多能互补系统优化控制方法,其特征在于,所述的系统层优化调度模型是通过系统与设备的每小时平局的历史数据、当天的逐时天气预报数据,构建预测当天逐时供暖或供冷的负荷的BP神经网络模型,并通过TRNSYS模拟平台进行系统逐时运行调度寻优;决策变量为子系统的启动与停机时刻,目标函数为系统当天运行费用最小,约束条件为满足预测的冷热负荷需求,且土壤温度在Ts-Tw范围内。
4.根据权利要求3所述的基于大规模地源热泵多能互补系统优化控制方法,其特征在于,
系统存储的每小时平均历史数据包括:时间x1x1、地源热泵机组蒸发器的流量x2、地源热泵机组冷凝器的流量x3、地源热泵机组蒸发器的入口温度x4、地源热泵机组蒸发器的出口温度x5、地源热泵机组冷凝器的入口温度x6、地源热泵机组冷凝器的出口温度x7、土壤温度x8、负荷侧水泵频率x9、地源侧水泵频率x10、地源热泵机组的功率x11、负荷侧水泵功率x12、地源侧水泵功率x13,天气预报数据包括:室外空气干球温度x14、室外空气相对湿度x15、风速x16、太阳辐射量x17、降雨量x18;
通过时间x1为标签对历史数据与天气预报数据进行组合,每一组数据包含x1-x18,并作为预测当天逐时供暖或供冷的负荷的BP神经网络模型的输入参数;
以逐时供暖或供冷的负荷x19作为该BP神经网络模型的输出参数;
该BP神经网络模型的隐含层神经元为10个,输入层与隐含层之间的传递函数为Sigmoid,隐含层与输出层之间的传递函数为Purelin;
根据该BP神经网络模型预测得到当天逐时供暖或供冷的负荷后,利用TRNSYS模拟平台进行系统逐时运行调度寻优,以各子系统的启动与停机时刻为变量,以当天系统运行费用Wd最小为目标函数,
其中,
W1为地源热泵系统的运行费用,
W2为双工况机组冰蓄冷系统的运行费用,
W3为太阳能补热系统运行费用;
约束条件为:
Q≥Q1+Q2+Q3,
Ts≤Tsoil≤Tw,
其中,
Q为系统所需的冷负荷或热负荷,
Q1为地源热泵系统的供冷量或供热量,
Q2为双工况机组冰蓄冷系统的供冷量或供热量,
Q3为太阳能补热系统的供冷量或供热量,
Tsoil为土壤温度。
5.根据权利要求1所述的基于大规模地源热泵多能互补系统优化控制方法,其特征在于,
设备层优化控制方法:通过系统与设备的每分钟平均的历史数据、当前时刻一小时内的每分钟平均天气预报数据,构建预测一小时内每分钟的短时供暖或供冷的负荷的BP神经网络模型;
建立TRNSYS平台与MATLAB平台耦合的模拟寻优模型,决策变量为系统设备运行参数,目标函数为当前时刻一小时内的运行费用最小,约束条件为满足预测的冷热负荷需求,且土壤温度在Ts-Tw范围内。
6.根据权利要求5所述的基于大规模地源热泵多能互补系统优化控制方法,其特征在于,
系统存储的每分钟平均历史数据包括:时间y1、地源热泵机组蒸发器的流量y2、地源热泵机组冷凝器的流量y3、地源热泵机组蒸发器的入口温度y4、地源热泵机组蒸发器的出口温度y5、地源热泵机组冷凝器的入口温度y6、地源热泵机组冷凝器的出口温度y7、土壤温度y8、负荷侧水泵频率y9、地源侧水泵频率y10、地源热泵机组的功率y11、负荷侧水泵功率y12、地源侧水泵功率y13,天气预报数据包括:室外空气干球温度y14、室外空气相对湿度y15、风速y16、太阳辐射量y17、降雨量y18;
通过时间y1为标签对历史数据与天气预报数据进行组合,每一组数据包含y1-y18,并作为预测每分钟的短时供暖或供冷的负荷的BP神经网络模型的输入参数;
以每分钟的短时供暖或供冷的负荷y19作为预测每分钟的短时供暖或供冷的负荷的BP神经网络模型的输出参数;
BP神经网络模型的隐含层神经元为8个,输入层与隐含层之间的传递函数为Sigmoid,隐含层与输出层之间的传递函数为Purelin;
根据BP神经网络模型预测得到每分钟的短时供暖或供冷的负荷后,利用TRNSYS平台模拟计算子系统在不同设备参数下的系统运行费用;
以系统中各设备的运行参数为变量,例如循环泵的频率值f、各阀门开度α与调节时刻τ、机组设定出口温度值Tset;以当前时刻一小时内系统运行费用Wh最小为目标函数,
其中,W1为地源热泵系统的运行费用,
W2为双工况机组冰蓄冷系统的运行费用,
W3为太阳能补热系统的运行费用;
其约束条件为:
Q≥Q1+Q2+Q3,
Ts≤Tsoil≤Tw,
其中,Q1为地源热泵系统的供冷量或供热量,
Q2为双工况机组冰蓄冷系统的的供冷量或供热量,
Q3为太阳能补热系统的供冷量或供热量。
7.根据权利要求1-6中任意一项所述的基于大规模地源热泵多能互补系统优化控制方法,其特征在于,
在每日运行结束后,在历史数据中补充当日的运行数据,并对负荷预测模型进行自更新,提高负荷预测模型的准确性,进而提升优化控制运行的经济性。
8.一种基于大规模地源热泵多能互补系统优化控制装置,其特征在于,所述的基于大规模地源热泵多能互补系统优化控制装置包括大规模地源热泵系统、冰蓄冷系统、太阳能补热系统、中央管理服务器、优化控制服务器、数字控制器;
大规模地源热泵系统作为基础冷暖负载系统,包括地源热泵机组、负荷侧循环水泵、负荷侧分水器、负荷侧集水器、负荷侧补水装置、地源侧循环水泵、地源侧分水器、地源侧集水器、地埋管群、地源侧补水装置;
地源热泵机组的蒸发器进水管与冷凝器进水管上设有电磁阀、温度传感器、压力传感器、流量传感器;地源热泵机组的蒸发器出水管与冷凝器出水管上设有温度传感器、压力传感器、流量传感器;负荷侧与地源侧的分水器与集水器上有:温度计、压力表;地埋管群中均匀分布土壤温度监测孔,监测孔中沿深度方向布置有温度传感器;
太阳能补热系统包括太阳能集热器、蓄热水箱、太阳能集热循环泵、太阳能直接供热循环泵、太阳能跨季节土壤补热循环泵;
太阳能集热器的出水口与入水口安装有温度传感器,蓄热水箱安装有温度传感器、液位传感器;
冰蓄冷系统包括多台双工况冷水机组、蓄冰池、板式换热器、乙二醇循环泵、冷却塔、冷却水循环泵、补水装置。
9.根据权利要求8所述的基于大规模地源热泵多能互补系统优化控制装置,其特征在于,所述的基于大规模地源热泵多能互补系统优化控制装置还包括水泵、电磁阀、管路、温度传感器、压力传感器、流量传感器、液位传感器;
温度传感器、压力传感器、流量传感器、液位用于监测多能互补系统中各个设备、管道的运行参数,并通过数据线缆将数据传输给数字控制器;
利用地源热泵机组进行供冷供暖时,负荷侧回水到达负荷侧集水器,经由负荷侧循环泵到达地源热泵机组中,在机组中换热后从机组中离开,后到达负荷侧供水分水器,并送至负荷末端;地源侧回水在地埋管中换热后到达地源侧集水器,经由地源侧循环泵到达地源热泵机组中,在机组中换热后从机组中离开,后到达地源侧供水分水器,并送至地埋管;
太阳能补热系统与地源热泵系统耦合,在冬季直接用于建筑供热,减小地源热泵系统的负荷,也可以在秋季对土壤进行跨季节蓄热,维持土壤的取放热平衡;
太阳能补热系统在制热水时,太阳能集热器产生热水并送至蓄热水箱,冷水从蓄热水箱流出经由集热循环泵返回太阳能集热器;太阳能补热系统在冬季对负荷侧直接供暖时,蓄热水箱的出水口与负荷侧的供水分水器连接,再从负荷侧回水集水器经由太阳能直接供热循环泵回到蓄热水箱入水口;太阳能补热系统在秋季对土壤进行跨季节补热时,蓄热水箱的出水口与地源侧的供水分水器连接,进入地埋管与土壤换热后返回地源侧的回水集水器,再经由太阳能跨季节补热循环泵回到蓄热水箱入水口;
冰蓄冷系统用于夏季负荷高峰期削峰以及降低峰值电价期供冷系统运行费用;
双工况冷水机组的乙二醇溶液离开机组后,一部分进入蓄冰池后返回机组构成蓄冰循环;一部分进入板式换热器与来自负荷侧的回水进行热量交换后,返回机组构成双工况机组直接供冷循环;蓄冰池开启融冰工况后,蓄冰池中的乙二醇溶液进入板式换热器与来自负荷侧的回水进行热量交换后,返回蓄冰池完成融冰循环;
双工况机组的冷却水离开机组后,经由冷却塔冷却后返回机组,完成冷却水循环;冰蓄冷系统有乙二醇补充装置与循环水补水装置;
数字控制器用于采集和接收各类传感器的系统运行参数,将传感器数据通过以太网传输给优化控制服务器;同时接收来自优化控制服务器的控制信号,并将控制信号通过数据线缆传输给系统中的相关设备,控制机组出水设定温度、水泵频率、频率和/或阀门开度;
优化控制服务器用于接受数字控制器采集到的各类传感器数据,获取当前天气数据,进行建筑与设备负荷预测、设备能耗预测、设备运行参数控制优化,通过以太网把设备控制命令传输给数字控制器,并将传感器数据、设备运行参数等通过以太网传输给中央管理服务器;
中央管理服务器用于接收优化控制服务器发送的传感器数据、设备运行参数等数据,进行统计记录、形成历史数据报表与记录曲线,提供人工远程调控设备运行参数的平台。
10.权利要求8所述的基于大规模地源热泵多能互补系统优化控制装置的应用,其特征在于,
所述的装置能够实时满足负荷侧的冷、暖需求,避免系统调节过量,降低运行能耗与运行费用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310831974.3A CN116857863B (zh) | 2023-07-07 | 2023-07-07 | 基于大规模地源热泵的多能互补系统优化控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310831974.3A CN116857863B (zh) | 2023-07-07 | 2023-07-07 | 基于大规模地源热泵的多能互补系统优化控制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116857863A true CN116857863A (zh) | 2023-10-10 |
CN116857863B CN116857863B (zh) | 2024-03-19 |
Family
ID=88229907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310831974.3A Active CN116857863B (zh) | 2023-07-07 | 2023-07-07 | 基于大规模地源热泵的多能互补系统优化控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116857863B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117073243A (zh) * | 2023-10-18 | 2023-11-17 | 华清安泰能源股份有限公司 | 基于太阳能的地温能热补偿方法、系统、终端及存储介质 |
CN117490133A (zh) * | 2023-12-29 | 2024-02-02 | 上海勘测设计研究院有限公司 | 一种供暖控制方法及多能互补供暖系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103438611A (zh) * | 2013-07-26 | 2013-12-11 | 西安交通大学 | 一种太阳能地源热泵系统优化设计方法 |
CN104482691A (zh) * | 2015-01-07 | 2015-04-01 | 清华大学 | 一种从环境取热的土壤源热泵系统及运行方法 |
CN107024032A (zh) * | 2017-06-14 | 2017-08-08 | 深圳万润节能有限公司 | 供热供冷系统 |
KR20210049305A (ko) * | 2019-10-25 | 2021-05-06 | 영남대학교 산학협력단 | 변유량 제어를 활용한 멀티 지열 히트펌프 시스템의 운영방법 |
CN113324350A (zh) * | 2021-06-16 | 2021-08-31 | 西北农林科技大学 | 双重设定温度分流器及其模拟系统 |
CN113483504A (zh) * | 2021-07-06 | 2021-10-08 | 江苏盛世机电工程有限公司 | 一种土壤源热泵及冷却塔复合系统以及该复合系统的优化控制方法 |
-
2023
- 2023-07-07 CN CN202310831974.3A patent/CN116857863B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103438611A (zh) * | 2013-07-26 | 2013-12-11 | 西安交通大学 | 一种太阳能地源热泵系统优化设计方法 |
CN104482691A (zh) * | 2015-01-07 | 2015-04-01 | 清华大学 | 一种从环境取热的土壤源热泵系统及运行方法 |
CN107024032A (zh) * | 2017-06-14 | 2017-08-08 | 深圳万润节能有限公司 | 供热供冷系统 |
KR20210049305A (ko) * | 2019-10-25 | 2021-05-06 | 영남대학교 산학협력단 | 변유량 제어를 활용한 멀티 지열 히트펌프 시스템의 운영방법 |
CN113324350A (zh) * | 2021-06-16 | 2021-08-31 | 西北农林科技大学 | 双重设定温度分流器及其模拟系统 |
CN113483504A (zh) * | 2021-07-06 | 2021-10-08 | 江苏盛世机电工程有限公司 | 一种土壤源热泵及冷却塔复合系统以及该复合系统的优化控制方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117073243A (zh) * | 2023-10-18 | 2023-11-17 | 华清安泰能源股份有限公司 | 基于太阳能的地温能热补偿方法、系统、终端及存储介质 |
CN117073243B (zh) * | 2023-10-18 | 2024-02-06 | 华清安泰能源股份有限公司 | 基于太阳能的地温能热补偿方法、系统、终端及存储介质 |
CN117490133A (zh) * | 2023-12-29 | 2024-02-02 | 上海勘测设计研究院有限公司 | 一种供暖控制方法及多能互补供暖系统 |
CN117490133B (zh) * | 2023-12-29 | 2024-03-22 | 上海勘测设计研究院有限公司 | 一种供暖控制方法及多能互补供暖系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116857863B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116857863B (zh) | 基于大规模地源热泵的多能互补系统优化控制方法和装置 | |
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 | |
CN110288164B (zh) | 一种建筑空调制冷站系统预测控制方法 | |
CN111191820B (zh) | 一种综合能源系统中储能装置的选址定容优化规划方法 | |
CN108413567B (zh) | 基于物联网的中央空调节费优化方法与系统 | |
US10746480B2 (en) | Plural heat pump and thermal storage system for facilitating power shaping services on the electrical power grid at consumer premises | |
CN103020481B (zh) | 一种基于节能的确定空气源热泵地暖最佳运行工况的方法 | |
CN100443814C (zh) | 区域集中供冷冷量调节系统的调节方法 | |
CN201488394U (zh) | 一种太阳能-地源热泵自平衡综合应用系统 | |
CN101650098A (zh) | 一种太阳能-地源热泵自平衡综合应用系统 | |
CN107274303A (zh) | 城市供热能耗智慧化管理与控制技术平台 | |
CN110094802A (zh) | 一种热泵与蓄热式电锅炉联合供暖负荷分配方法及装置 | |
Cole et al. | Use of model predictive control to enhance the flexibility of thermal energy storage cooling systems | |
CN109919480A (zh) | 一种三层目标的能源互联网规划方法及设备 | |
CN107990398A (zh) | 一种基于热力网、电力网和物联网的电蓄热供热系统 | |
CN102305432A (zh) | 热网监控系统及方法 | |
CN111457463A (zh) | 一种停电不停暖的蓄热式电采暖优化控制方法 | |
CN200975766Y (zh) | 区域集中供冷冷量调节系统 | |
CN202692337U (zh) | 电力系统中央空调负荷随动节能管理控制系统 | |
CN204478354U (zh) | 一种冰蓄冷空调控制系统 | |
CN204345836U (zh) | 高温蓄水温湿度独立控制的地源热泵空调系统 | |
CN201593839U (zh) | 地源热泵中央空调能量补偿系统 | |
CN114358604A (zh) | 一种考虑建筑蓄热特性的城市集中供热系统分时分区调控方法 | |
CN111336668B (zh) | 一种基于蓄能型热泵系统的气候补偿方法 | |
CN111928428B (zh) | 一种考虑需求响应的空调系统的控制方法及制冷系统 |
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 |