CN117151701B - 一种热电联产的工业余热回收利用系统 - Google Patents
一种热电联产的工业余热回收利用系统 Download PDFInfo
- Publication number
- CN117151701B CN117151701B CN202311422721.7A CN202311422721A CN117151701B CN 117151701 B CN117151701 B CN 117151701B CN 202311422721 A CN202311422721 A CN 202311422721A CN 117151701 B CN117151701 B CN 117151701B
- Authority
- CN
- China
- Prior art keywords
- module
- energy
- cogeneration
- waste heat
- grade
- 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
Links
- 239000002440 industrial waste Substances 0.000 title claims abstract description 50
- 238000004064 recycling Methods 0.000 title description 12
- 238000005457 optimization Methods 0.000 claims abstract description 91
- 238000012544 monitoring process Methods 0.000 claims abstract description 69
- 238000006243 chemical reaction Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000011084 recovery Methods 0.000 claims abstract description 31
- 239000007789 gas Substances 0.000 claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract description 23
- 238000004065 wastewater treatment Methods 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 239000002245 particle Substances 0.000 claims description 48
- 238000005516 engineering process Methods 0.000 claims description 34
- 239000002912 waste gas Substances 0.000 claims description 32
- 238000000926 separation method Methods 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 22
- 239000002918 waste heat Substances 0.000 claims description 18
- 239000002351 wastewater Substances 0.000 claims description 18
- 238000013480 data collection Methods 0.000 claims description 15
- 230000010354 integration Effects 0.000 claims description 15
- 238000011217 control strategy Methods 0.000 claims description 14
- 239000007788 liquid Substances 0.000 claims description 14
- 239000007787 solid Substances 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000005065 mining Methods 0.000 claims description 9
- 238000005096 rolling process Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 3
- 230000003009 desulfurizing effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract description 3
- 238000004134 energy conservation Methods 0.000 abstract description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 description 10
- 239000002699 waste material Substances 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 4
- 238000003912 environmental pollution Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 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
- G06Q10/30—Administration of product recycling or disposal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Sustainable Development (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及工业余热回收领域，具体公开了一种热电联产的工业余热回收利用系统，该系统包括：能源调度与控制模块、废气与废水处理模块、动态优化模块、智能监控平台模块、级联转换模块及远程监控模块。本发明通过综合调度与模型预测控制法，企业可以根据自身生产需求和市场变化灵活调整能源配置，实现生产过程的优化，通过整合多元化能源，提高能源利用效率和系统稳定性，有助于企业实现可持续发展，并减少对环境的负面影响，通过对多元化能源的综合调度，可以实现不同能源之间的互补与优化匹配，有效提高能源的利用效率，利用模型预测控制法进行能源调度，可实时调整系统参数以适应不同工况需求，降低能源消耗，从而实现节能减排。
Description
技术领域
本发明涉及余热回收领域，具体来说，涉及一种热电联产的工业余热回收利用系统。
背景技术
热电联产（Combined Heat and Power，简称CHP）是指在一个系统中同时产生电力和热能的过程。它通过优化能源利用效率，将传统发电厂仅产生电力的方式转变为既可以产生电力又可产生热能的方式。与传统单一能源发电相比，热电联产不仅节省了能源消耗，而且降低了环境污染。
工业余热回收是指从工业生产过程中产生的废弃热量中提取有价值的热能并再次利用的过程。这些废弃热量通常是由于生产过程中热能利用效率不高而被排放到环境中。通过回收这些余热，可以提高能源效率，减少能源消耗，降低生产成本和环境污染，结合热电联产和工业余热回收的系统，可以同时实现电力和热能的高效利用，并充分利用工业生产过程中产生的余热。
但是，传统的工业余热回收利用系统对能源的调度和控制较为简单，很难实现多种能源之间的高效整合和优化，部分现有工业余热回收利用系统在废气、废水处理方面采用的技术可能不够先进，无法达到高效的固液或固气分离效果，传统的工业余热回收利用系统常采用静态的优化方法，缺乏动态优化能力，导致系统运行在非最优状态，此外，部分现有的工业余热回收利用系统未充分考虑能源品位差异，缺乏有效的级联转换策略，使得能源利用效率不够高。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对现有技术的不足，本发明提供了热电联产的工业余热回收利用系统。
本发明采用的具体技术方案如下：
一种热电联产的工业余热回收利用系统，该系统包括：能源调度与控制模块、废气与废水处理模块、动态优化模块、智能监控平台模块、级联转换模块及远程监控模块；
所述能源调度与控制模块，用于通过多元化能源的综合调度与模型预测控制法，将能源站、热电站和工业余热整合形成热电联供系统；
所述废气与废水处理模块，用于利用固液分离技术或固气分离技术对所述热电联供系统的废气或废水中悬浮固体物质进行分离；
所述动态优化模块，用于采用基于机器学习的优化技术对所述热电联供系统的热电联产及余热回收过程进行动态优化；
所述智能监控平台模块，用于通过建立智能热力监控平台，结合大数据分析和云计算技术对动态优化后的热电联供系统进行监控，并实时优化运行参数；
所述级联转换模块，用于根据热电联供系统中不同能源品位，实现高品位能源向低品位能源的级联转换；
所述远程监控模块，用于利用物联网技术实现远程监控和故障诊断，挖掘各类能源的潜在价值。
在进一步的实施例中，所述能源调度与控制模块包括：实时数据收集模块、初始的热电联供系统搭建模块、混合能源系统模型建立模块、优化约束模块、最优控制策略设计模块及滚动优化策略实施模块；
所述实时数据收集模块，用于收集能源站、热电站和工业余热系统的实时数据；
所述初始的热电联供系统搭建模块，用于对所述实时数据进行分析，了解各个能源站、热电站和工业余热之间的运行方式和相互关系，并搭建一个初始的热电联供系统；
所述混合能源系统模型建立模块，用于结合各种能源及热电站和工业余热系统的特点，利用MPD算法建立综合的混合能源系统模型，并将初始的热电联供系统输入所述综合的混合能源系统模型进行优化；
所述优化约束模块，用于定义优化后的热电联供系统的输入输出约束、安全操作范围，以确保在满足需求的同时保证运行安全；
所述最优控制策略设计模块，用于采用含有对控制量加权的二次型性能指标，选择预测时域、控制时域、误差加权矩阵和控制加权矩阵，实现热电联供系统运行的最优控制；
所述滚动优化策略实施模块，用于实施滚动优化策略，动态调整系统的能源输入和分配，并适应不断变化的需求。
在进一步的实施例中，所述混合能源系统模型建立模块包括：单个能源系统模型建立模块、混合能源系统模型整合模块及热电联供系统优化模块；
所述单个能源系统模型建立模块，用于结合实时数据收集模块获取的数据，分析各能源站、热电站和工业余热系统的运行参数，并建立各自的能源系统模型；
所述混合能源系统模型整合模块，用于将所述各自的能源系统模型整合到混合能源系统模型中，并引入多目标粒子群优化算法处理所述混合能源系统模型；
所述热电联供系统优化模块，用于将初始的热电联供系统输入到所述混合能源系统模型中进行优化，得到优化后的热电联供系统的运行参数和控制策略。
在进一步的实施例中，所述混合能源系统模型整合模块包括：模型整合与目标约束设定模块、粒子群初始化模块、适应度评价模块、帕累托前沿更新模块、粒子速度与位置更新模块及收敛条件判断与最优解提取模块；
所述模型整合与目标约束设定模块，用于将单个能源系统模型整合到一个综合的混合能源系统模型中，并确定多个优化目标，设定混合能源系统模型的约束条件；
所述粒子群初始化模块，用于生成一组随机解作为初始粒子群，且每个粒子表示混合能源系统模型中各个参数的取值；
所述适应度评价模块，用于根据混合能源系统模型评估粒子在多个优化目标中的表现，计算每个粒子的适应度值；
所述帕累托前沿更新模块，用于根据每个粒子的适应度值的结果，更新帕累托前沿；
所述粒子速度与位置更新模块，用于根据粒子的适应度值和帕累托前沿，更新粒子群中每个粒子的速度和位置；
所述收敛条件判断与最优解提取模块，用于检查每个粒子的帕累托前沿是否满足收敛条件，若满足收敛条件，则从收敛后的帕累托前沿中提取最优解。
在进一步的实施例中，所述每个粒子的适应度值的计算公式为：
式中，/>为粒子的适应度值；
为第/>个优化目标的权重；
为第/>个优化目标关于粒子/>的函数值；
为优化目标的个数。
在进一步的实施例中，所述废气与废水处理模块包括：废气处理模块、固气分离处理模块、废水处理模块、固液分离处理模块；
所述废气处理模块，用于将热电联产过程中产生的废气收集起来，引导至废气处理设备，并通过气体冷却与湿度调节来改善废气的处理条件；
所述固气分离处理模块，用于采用固气分离技术，将悬浮固体物质与废气分离，并对分离后的废气进行脱硫、脱硝处理，以满足排放标准；
所述废水处理模块，用于将热电联产过程中产生的废水收集至废水处理设施，通过调节废水的pH值、温度参数；
所述固液分离处理模块，用于采用固液分离技术，将悬浮固体物质与废水分离，并对分离后的废水进行生化处理、深度处理，以满足排放标准。
在进一步的实施例中，所述动态优化模块包括：数据获取模块、特征构建模块、预测模型训练模块、预测模型验证模块及动态优化模块；
所述数据获取模块，用于负责收集热电联供系统的实时运行数据和历史数据；
所述特征构建模块，用于根据领域知识和数据分析结果，从实时运行数据和历史数据中构建与热电联产和余热回收过程相关的关键特征；
所述预测模型训练模块，用于采用机器学习算法，利用所述历史数据训练模型，得到热电联产和余热回收过程的预测模型；
所述预测模型验证模块，用于通过交叉验证法对所述预测模型进行验证，评估预测模型在未知数据上的泛化性能；
所述动态优化模块，用于将验证得到的预测模型应用于实时运行数据，预测在不同参数下的热电联产和余热回收效果，找到使热电联供系统中性能最优的操作参数。
在进一步的实施例中，所述智能监控平台模块包括：数据上传模块、云存储与管理模块及可视化展示模块；
所述数据上传模块，用于将实时收集热电联供系统的运行数据上传至智能热力监控平台；
所述云存储与管理模块，用于利用云计算技术，将收集到的数据存储在云端数据库中，并结合大数据分析技术，从数据库中提取所述性能最优的操作参数；
所述可视化展示模块，用于根据所述性能最优的操作参数，调整热电联供系统的运行参数，并提供所述智能热力监控平台中运行参数的可视化界面。
在进一步的实施例中，所述级联转换模块包括：能源品位分析模块、级联转换策略设计模块、实时能源品位监测模块、动态优化与调整模块及远程监控与潜在价值挖掘模块；
所述能源品位分析模块，用于对热电联产过程中涉及到的各类能源进行品位分析，设计级联转换策略；
所述级联转换策略设计模块，用于按照设计的所述级联转换策略，将高品位能源逐级转换为低品位能源并应用于生产和生活；
所述实时能源品位监测模块，用于通过预先安装的传感器监测热电联产系统中各类能源的实时品位数据，并将所述实时品位数据上传至智能热力监控平台；
所述动态优化与调整模块，用于通过动态优化模块对级联转换策略进行实时调整，以适应生产过程中能源需求的变化；
所述远程监控与潜在价值挖掘模块，用于通过远程监控模块实现热电联产系统的远程监控，并挖掘热电联产系统中各类能源的潜在价值。
在进一步的实施例中，所述能源品位分析模块包括：能源参数数据收集模块、品位计算模块、能源排序模块、需求分析模块、优先级设定模块及级联转换策略分析模块；
所述能源参数数据收集模块，用于收集热电联产过程中涉及到的各类能源的参数数据；
所述品位计算模块，用于通过计算各类能源中参数数据在不同条件下的温度、压力的数值，评估各类能源的品位；
所述能源排序模块，用于根据所品位的评估结果，将所述各类能源按照品位从高到低进行排序；
所述需求分析模块，用于根据生产和生活中的实际能源需求，了解各个环节对能源品位的要求；
所述优先级设定模块，用于根据能源品位和需求，为每种能源设定优先级；
所述级联转换策略分析模块，用于根据能源优先级和实际需求，设计相应的级联转换路径，考虑不同类型能源间的互补和替代关系，制定级联转换策略。
与现有技术相比，本发明提供了热电联产的工业余热回收利用系统，具备以下有益效果：
本发明通过对多元化能源的综合调度，可以实现不同能源之间的互补与优化匹配，达成多种能源之间的高效整合，有效提高能源的利用效率，且通过整合能源站、热电站和工业余热，形成热电联供系统，可在不同能源之间进行平衡调度，提高系统的稳定性和可靠性。
（2）通过单个能源系统模型建立模块和混合能源系统模型整合模块，分析各能源站、热电站和工业余热系统的运行参数，建立各自的能源系统模型，并进一步将所述各自的能源系统模型整合到混合能源系统模型中，从而获得了全面系统性的多能源系统模型的建立，并引入多目标粒子群优化算法处理所述混合能源系统模型，以实现对其运行效率和能量利用率的最大化。
（3）本发明通过综合调度与模型预测控制法，可实时调整系统参数以适应不同工况需求，降低能源消耗，从而实现节能减排，且企业可以根据自身生产需求和市场变化灵活调整能源配置，实现生产过程的优化，通过整合多元化能源，提高能源利用效率和系统稳定性，有助于企业实现可持续发展，并减少对环境的负面影响。
（4）本发明通过对废气和废水进行处理，降低了热电联供系统的环境污染风险，提高了系统的环保性能，固体物质分离后可进一步进行资源化利用，减少资源浪费，通过动态优化模块，实时调整控制策略，提高热电联供系统的能源利用效率和经济性，依据动态优化模块的预测结果，企业可以根据实际需求和市场变化灵活调整热电联供系统的控制策略，实现生产过程的优化；本发明通过实时监控和动态优化运行参数，以及根据能源品位制定合理的级联转换策略，可以充分利用高品位能源，并将其逐级转换为低品位能源以满足生产和生活需求，从而提高整个热电联供系统的能源利用效率。
（5）本发明中实时监控和动态优化有助于发现并消除能源浪费环节，同时，通过级联转换策略确保高品位能源优先满足高品位需求，降低能源浪费；智能监控平台模块可以实时收集和分析热电联供系统的运行数据，帮助工程师和运维人员快速发现问题并提出解决方案，提高维护效率，降低运维成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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，下面描述中的附图仅仅是本发明的一些实施例，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是根据本发明实施例的热电联产的工业余热回收利用系统的原理框图。
图中：
1、能源调度与控制模块；2、废气与废水处理模块；3、动态优化模块；4、智能监控平台模块；5、级联转换模块；6、远程监控模块。
具体实施方式
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例，提供了一种热电联产的工业余热回收利用系统。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明实施例的热电联产的工业余热回收利用系统，该系统包括：能源调度与控制模块1、废气与废水处理模块2、动态优化模块3、智能监控平台模块4、级联转换模块5及远程监控模块6；
所述能源调度与控制模块1，用于通过多元化能源的综合调度与模型预测控制法，将能源站、热电站和工业余热整合形成热电联供系统。
优选地，所述能源调度与控制模块1包括：实时数据收集模块、初始的热电联供系统搭建模块、混合能源系统模型建立模块、优化约束模块、最优控制策略设计模块及滚动优化策略实施模块；
所述实时数据收集模块，用于收集能源站、热电站和工业余热系统的实时数据；
所述初始的热电联供系统搭建模块，用于对所述实时数据进行分析，了解各个能源站、热电站和工业余热之间的运行方式和相互关系，并搭建一个初始的热电联供系统；
所述混合能源系统模型建立模块，用于结合各种能源及热电站和工业余热系统的特点，利用MPD算法建立综合的混合能源系统模型，并将初始的热电联供系统输入所述综合的混合能源系统模型进行优化；
所述优化约束模块，用于定义优化后的热电联供系统的输入输出约束、安全操作范围，以确保在满足需求的同时保证运行安全；
所述最优控制策略设计模块，用于采用含有对控制量加权的二次型性能指标，选择预测时域、控制时域、误差加权矩阵和控制加权矩阵，实现热电联供系统运行的最优控制；
所述滚动优化策略实施模块，用于实施滚动优化策略，动态调整系统的能源输入和分配，并适应不断变化的需求。
优选地，所述混合能源系统模型建立模块包括：单个能源系统模型建立模块、混合能源系统模型整合模块及热电联供系统优化模块；
所述单个能源系统模型建立模块，用于结合实时数据收集模块获取的数据，分析各能源站、热电站和工业余热系统的运行参数，并建立各自的能源系统模型；
所述混合能源系统模型整合模块，用于将所述各自的能源系统模型整合到混合能源系统模型中，并引入多目标粒子群优化算法处理所述混合能源系统模型；
所述热电联供系统优化模块，用于将初始的热电联供系统输入到所述混合能源系统模型中进行优化，得到优化后的热电联供系统的运行参数和控制策略。
优选地，所述混合能源系统模型整合模块包括：模型整合与目标约束设定模块、粒子群初始化模块、适应度评价模块、帕累托前沿更新模块、粒子速度与位置更新模块及收敛条件判断与最优解提取模块；
所述模型整合与目标约束设定模块，用于将单个能源系统模型整合到一个综合的混合能源系统模型中，并确定多个优化目标，设定混合能源系统模型的约束条件；
所述粒子群初始化模块，用于生成一组随机解作为初始粒子群，且每个粒子表示混合能源系统模型中各个参数的取值；
所述适应度评价模块，用于根据混合能源系统模型评估粒子在多个优化目标中的表现，计算每个粒子的适应度值；
所述帕累托前沿更新模块，用于根据每个粒子的适应度值的结果，更新帕累托前沿；
所述粒子速度与位置更新模块，用于根据粒子的适应度值和帕累托前沿，更新粒子群中每个粒子的速度和位置；
所述收敛条件判断与最优解提取模块，用于检查每个粒子的帕累托前沿是否满足收敛条件，若满足收敛条件，则从收敛后的帕累托前沿中提取最优解。
优选地，所述每个粒子的适应度值的计算公式为：
式中，/>为粒子的适应度值；
为第/>个优化目标的权重；
为第/>个优化目标关于粒子/>的函数值；
为优化目标的个数。
需要解释说明的是，帕累托前沿是指一组非劣解（Pareto optimal solutions），也就是说，这些解中没有一个比其他解更好，但它们之间可能存在权衡关系。在多目标优化问题中，往往需要找到尽可能多的这样的非劣解，以提供给决策者进行选择。因此，在更新帕累托前沿时，需要考虑多个目标函数的权重和相互之间的关系，以使得帕累托前沿上的解更加接近最优解集合。
MPD（Message Passing Decoding）算法是一种用于解码低密度奇偶校验（LDPC，Low-Density Parity-Check）码的迭代消息传递算法。LDPC码是一类具有稀疏奇偶校验矩阵的线性分组码，兼具着良好的纠错性能和低复杂度的优点。在通信和数据存储领域，LDPC码广泛应用于提高信息传输的可靠性。
MPD算法的基本原理是在检测和校验节点之间交换概率或似然比信息。通过多次迭代，在误码率较低的情况下可以实现很接近香农极限的性能。MPD 算法主要包括两种变体：和积算法（SPA，Sum-Product Algorithm）和最小和算法（MSA，Min-Sum Algorithm）。
具体的，在对各种能源类型、热电站和工业余热系统进行分析和研究后，需要选择适当的混合能源系统模型来描述它们的运行特性和能量转换过程。然后将这些混合能源系统模型组合在一起，形成一个综合的混合能源系统模型，用于对整个混合能源系统进行仿真和优化。简单来说，就是利用混合能源系统模型对混合能源系统进行建模和分析，以实现对其运行效率和能量利用率的最大化。
所述废气与废水处理模块2，用于利用固液分离技术或固气分离技术对所述热电联供系统的废气或废水中悬浮固体物质进行分离。
优选地，所述废气与废水处理模块2包括：废气处理模块、固气分离处理模块、废水处理模块、固液分离处理模块；
所述废气处理模块，用于将热电联产过程中产生的废气收集起来，引导至废气处理设备，并通过气体冷却与湿度调节来改善废气的处理条件；
所述固气分离处理模块，用于采用固气分离技术（旋风分离器、布袋除尘器、电除尘器等），将悬浮固体物质与废气分离，并对分离后的废气进行脱硫、脱硝处理，以满足排放标准；
所述废水处理模块，用于将热电联产过程中产生的废水收集至废水处理设施，通过调节废水的pH值、温度参数；
所述固液分离处理模块，用于采用固液分离技术（沉降分离、浮选分离、过滤分离等），将悬浮固体物质与废水分离，并对分离后的废水进行生化处理、深度处理，以满足排放标准。
具体的，依据固液分离技术或固气分离技术，热电联供系统的废气和废水中的悬浮固体物质得到有效分离，提高了系统的环保性能。同时，分离出的固体物质可进一步进行资源化利用。
所述动态优化模块3，用于采用基于机器学习的优化技术对所述热电联供系统的热电联产及余热回收过程进行动态优化。
优选地，所述动态优化模块3包括：数据获取模块、特征构建模块、预测模型训练模块、预测模型验证模块及动态优化模块；
所述数据获取模块，用于负责收集热电联供系统的实时运行数据（如温度、压力、流量等关键参数）和历史数据，以便为后续的数据处理和特征构建提供原始信息；
所述特征构建模块，用于根据领域知识和数据分析结果，从实时运行数据和历史数据中构建与热电联产和余热回收过程相关的关键特征，为后续的模型训练做准备；
所述预测模型训练模块，用于采用机器学习算法（如回归分析、神经网络、决策树等），利用所述历史数据训练模型，得到热电联产和余热回收过程的预测模型；
所述预测模型验证模块，用于通过交叉验证法对所述预测模型进行验证，评估预测模型在未知数据上的泛化性能；
所述动态优化模块，用于将验证得到的预测模型应用于实时运行数据，预测在不同参数下的热电联产和余热回收效果，找到使热电联供系统中性能最优的操作参数。
具体的，可以将优化后的运行参数应用于热电联供系统中，实时调整控制策略，以提高系统的能源利用效率和经济性，随着系统运行数据的不断积累和环境条件的变化，周期性地对机器学习模型进行更新和迭代，确保模型始终具有良好的预测性能。
所述智能监控平台模块4，用于通过建立智能热力监控平台，结合大数据分析和云计算技术对动态优化后的热电联供系统进行监控，并实时优化运行参数。
优选地，所述智能监控平台模块4包括：数据上传模块、云存储与管理模块及可视化展示模块；
所述数据上传模块，用于将实时收集热电联供系统的运行数据上传至智能热力监控平台；
所述云存储与管理模块，用于利用云计算技术，将收集到的数据存储在云端数据库中，并结合大数据分析技术，从数据库中提取性能最优的操作参数；
所述可视化展示模块，用于根据所述性能最优的操作参数，调整热电联供系统的运行参数，并提供所述智能热力监控平台中运行参数的可视化界面。
具体的，可以将热电联供系统的运行状态、模型预测结果、优化建议等信息以图表、报表等形式展示在智能热力监控平台上，便于工程师、运维人员等利用这些信息进行决策，当监控平台检测到异常情况（如设备故障、参数超出预定范围等），及时向相关人员发送告警通知，并提供相应的处理建议，通过长期监控热电联供系统的运行数据，分析系统性能并识别潜在改进点，不断优化模型和调整运行参数以实现更高效的热电联产和余热回收，利用物联网技术，使得工程师和运维人员可以在任何地点通过智能热力监控平台查看热电联供系统运行状态、接收告警通知，甚至进行远程操作，提高热电联供系统维护效率。
所述级联转换模块5，用于根据热电联供系统中不同能源品位，实现高品位能源向低品位能源的级联转换。
优选地，所述级联转换模块5包括：能源品位分析模块、级联转换策略设计模块、实时能源品位监测模块、动态优化与调整模块及远程监控与潜在价值挖掘模块；
所述能源品位分析模块，用于对热电联产过程中涉及到的各类能源（如蒸汽、热水、电力等）进行品位分析，设计级联转换策略，其中所述品位是指能源在特定条件下的可用性或质量，通常用温度表示，以衡量能源在特定条件下的可用性或质量；
所述级联转换策略设计模块，用于按照设计的所述级联转换策略，将高品位能源逐级转换为低品位能源并应用于生产和生活；
所述实时能源品位监测模块，用于通过预先安装的传感器监测热电联产系统中各类能源的实时品位数据，并将所述实时品位数据上传至智能热力监控平台；
所述动态优化与调整模块，用于通过动态优化模块对级联转换策略进行实时调整，以适应生产过程中能源需求的变化；
所述远程监控与潜在价值挖掘模块，用于通过远程监控模块实现热电联产系统的远程监控，并挖掘热电联产系统中各类能源的潜在价值。
优选地，所述能源品位分析模块包括：能源参数数据收集模块、品位计算模块、能源排序模块、需求分析模块、优先级设定模块及级联转换策略分析模块；
所述能源参数数据收集模块，用于收集热电联产过程中涉及到的各类能源（蒸汽、热水、电力等）的参数数据；
所述品位计算模块，用于通过计算各类能源中参数数据在不同条件下的温度、压力的数值，评估各类能源的品位；
所述能源排序模块，用于根据所品位的评估结果，将所述各类能源按照品位从高到低进行排序；
所述需求分析模块，用于根据生产和生活中的实际能源需求，了解各个环节对能源品位的要求；
所述优先级设定模块，用于根据能源品位和需求，为每种能源设定优先级，通常情况下，高品位能源应优先满足高品位需求，低品位能源用于满足低品位需求；
所述级联转换策略分析模块，用于根据能源优先级和实际需求，设计相应的级联转换路径，考虑不同类型能源间的互补和替代关系，制定级联转换策略。
具体的，级联转换策略可能包括能源的优先使用顺序、相互替代关系以及最优的能源组合等。确保高品位能源得到充分利用，逐级转换为低品位能源并应用于生产和生活，通过上述内容，可以评估热电联产过程中各类能源的品位，并制定出合理的级联转换策略，以提高整个热电联产系统的能源利用效率。
所述远程监控模块6，用于利用物联网技术实现远程监控和故障诊断，挖掘各类能源的潜在价值。
具体的，通过预先设置的传感器、智能仪表等设备获取工业余热回收利用系统中的关键参数数据，如温度、压力、流量、功率等，将采集到的数据通过有线或无线通信方式上传至远程监控平台。常见的通信方式包括Wi-Fi、蜂窝网络、LoRa等，接收到的数据存储在云端或本地服务器中，并进行有效的组织和管理，以便后续分析和处理，对收集到的数据进行实时或离线分析，利用大数据分析技术、数据挖掘技术等方法发现数据中的规律和趋势，为故障预测和能源优化提供参考依据，根据数据分析结果，对可能出现的故障进行预测并及时发出警报。此外，还可通过智能诊断技术定位故障原因，帮助运维人员解决问题，根据数据分析及故障诊断结果，对能源利用进行优化和调整。例如，通过调整设备参数、改进工艺流程等方式提高能源效率。
综上所述，借助于本发明的上述技术方案，本发明通过对多元化能源的综合调度，可以实现不同能源之间的互补与优化匹配，有效提高能源的利用效率，利用模型预测控制法进行能源调度，可实时调整系统参数以适应不同工况需求，降低能源消耗，从而实现节能减排，通过整合能源站、热电站和工业余热，形成热电联供系统，可在不同能源之间进行平衡调度，提高系统的稳定性和可靠性，通过综合调度与模型预测控制法，企业可以根据自身生产需求和市场变化灵活调整能源配置，实现生产过程的优化，通过整合多元化能源，提高能源利用效率和系统稳定性，有助于企业实现可持续发展，并减少对环境的负面影响；本发明通过对废气和废水进行处理，降低了热电联供系统的环境污染风险，提高了系统的环保性能，固体物质分离后可进一步进行资源化利用，减少资源浪费，通过动态优化模块，实时调整控制策略，提高热电联供系统的能源利用效率和经济性，依据动态优化模块的预测结果，企业可以根据实际需求和市场变化灵活调整热电联供系统的控制策略，实现生产过程的优化；本发明通过实时监控和动态优化运行参数，以及根据能源品位制定合理的级联转换策略，可以充分利用高品位能源，并将其逐级转换为低品位能源以满足生产和生活需求，从而提高整个热电联供系统的能源利用效率；实时监控和动态优化有助于发现并消除能源浪费环节，同时，通过级联转换策略确保高品位能源优先满足高品位需求，降低能源浪费；智能监控平台模块可以实时收集和分析热电联供系统的运行数据，帮助工程师和运维人员快速发现问题并提出解决方案，提高维护效率，降低运维成本。
以上所述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、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种热电联产的工业余热回收利用系统，其特征在于，该系统包括：能源调度与控制模块、废气与废水处理模块、动态优化模块、智能监控平台模块、级联转换模块及远程监控模块；
所述能源调度与控制模块，用于通过多元化能源的综合调度与模型预测控制法，将能源站、热电站和工业余热整合形成热电联供系统；具体的，收集能源站、热电站和工业余热系统的实时数据，对所述实时数据进行分析，了解各个能源站、热电站和工业余热之间的运行方式和相互关系，并搭建一个初始的热电联供系统，结合各种能源及热电站和工业余热系统的特点，利用MPD算法建立综合的混合能源系统模型，采用含有对控制量加权的二次型性能指标，选择预测时域、控制时域、误差加权矩阵和控制加权矩阵，实现热电联供系统运行的最优控制；
所述废气与废水处理模块，用于利用固液分离技术或固气分离技术对所述热电联供系统的废气或废水中悬浮固体物质进行分离；
所述动态优化模块，用于采用基于机器学习的优化技术对所述热电联供系统的热电联产及余热回收过程进行动态优化；
所述智能监控平台模块，用于通过建立智能热力监控平台，结合大数据分析和云计算技术对动态优化后的热电联供系统进行监控，并实时优化运行参数；
所述级联转换模块，用于根据热电联供系统中不同能源品位，实现高品位能源向低品位能源的级联转换；
所述远程监控模块，用于利用物联网技术实现远程监控和故障诊断，挖掘各类能源的潜在价值。
2.根据权利要求1所述的一种热电联产的工业余热回收利用系统，其特征在于，所述能源调度与控制模块包括：实时数据收集模块、初始的热电联供系统搭建模块、混合能源系统模型建立模块、优化约束模块、最优控制策略设计模块及滚动优化策略实施模块；
所述实时数据收集模块，用于收集能源站、热电站和工业余热系统的实时数据；
所述初始的热电联供系统搭建模块，用于对所述实时数据进行分析，了解各个能源站、热电站和工业余热之间的运行方式和相互关系，并搭建一个初始的热电联供系统；
所述混合能源系统模型建立模块，用于结合各种能源及热电站和工业余热系统的特点，利用MPD算法建立综合的混合能源系统模型，并将初始的热电联供系统输入所述综合的混合能源系统模型进行优化；
所述优化约束模块，用于定义优化后的热电联供系统的输入输出约束、安全操作范围，以确保在满足需求的同时保证运行安全；
所述最优控制策略设计模块，用于采用含有对控制量加权的二次型性能指标，选择预测时域、控制时域、误差加权矩阵和控制加权矩阵，实现热电联供系统运行的最优控制；
所述滚动优化策略实施模块，用于实施滚动优化策略，动态调整系统的能源输入和分配，并适应不断变化的需求。
3.根据权利要求2所述的一种热电联产的工业余热回收利用系统，其特征在于，所述混合能源系统模型建立模块包括：单个能源系统模型建立模块、混合能源系统模型整合模块及热电联供系统优化模块；
所述单个能源系统模型建立模块，用于结合实时数据收集模块获取的数据，分析各能源站、热电站和工业余热系统的运行参数，并建立各自的能源系统模型；
所述混合能源系统模型整合模块，用于将所述各自的能源系统模型整合到混合能源系统模型中，并引入多目标粒子群优化算法处理所述混合能源系统模型；
所述热电联供系统优化模块，用于将初始的热电联供系统输入到所述混合能源系统模型中进行优化，得到优化后的热电联供系统的运行参数和控制策略。
4.根据权利要求3所述的一种热电联产的工业余热回收利用系统，其特征在于，所述混合能源系统模型整合模块包括：模型整合与目标约束设定模块、粒子群初始化模块、适应度评价模块、帕累托前沿更新模块、粒子速度与位置更新模块及收敛条件判断与最优解提取模块；
所述模型整合与目标约束设定模块，用于将单个能源系统模型整合到一个综合的混合能源系统模型中，并确定多个优化目标，设定混合能源系统模型的约束条件；
所述粒子群初始化模块，用于生成一组随机解作为初始粒子群，且每个粒子表示混合能源系统模型中各个参数的取值；
所述适应度评价模块，用于根据混合能源系统模型评估粒子在多个优化目标中的表现，计算每个粒子的适应度值；
所述帕累托前沿更新模块，用于根据每个粒子的适应度值的结果，更新帕累托前沿；
所述粒子速度与位置更新模块，用于根据粒子的适应度值和帕累托前沿，更新粒子群中每个粒子的速度和位置；
所述收敛条件判断与最优解提取模块，用于检查每个粒子的帕累托前沿是否满足收敛条件，若满足收敛条件，则从收敛后的帕累托前沿中提取最优解。
5.根据权利要求4所述的一种热电联产的工业余热回收利用系统，其特征在于，所述每个粒子的适应度值的计算公式为：
式中，
为粒子的适应度值；
为第/>个优化目标的权重；
为第/>个优化目标关于粒子/>的函数值；
为优化目标的个数。
6.根据权利要求1所述的一种热电联产的工业余热回收利用系统，其特征在于，所述废气与废水处理模块包括：废气处理模块、固气分离处理模块、废水处理模块、固液分离处理模块；
所述废气处理模块，用于将热电联产过程中产生的废气收集起来，引导至废气处理设备，并通过气体冷却与湿度调节来改善废气的处理条件；
所述固气分离处理模块，用于采用固气分离技术，将悬浮固体物质与废气分离，并对分离后的废气进行脱硫、脱硝处理，以满足排放标准；
所述废水处理模块，用于将热电联产过程中产生的废水收集至废水处理设施，通过调节废水的pH值、温度参数；
所述固液分离处理模块，用于采用固液分离技术，将悬浮固体物质与废水分离，并对分离后的废水进行生化处理、深度处理，以满足排放标准。
7.根据权利要求1所述的一种热电联产的工业余热回收利用系统，其特征在于，所述动态优化模块包括：数据获取模块、特征构建模块、预测模型训练模块、预测模型验证模块及操作参数动态优化模块；
所述数据获取模块，用于负责收集热电联供系统的实时运行数据和历史数据；
所述特征构建模块，用于根据领域知识和数据分析结果，从实时运行数据和历史数据中构建与热电联产和余热回收过程相关的关键特征；
所述预测模型训练模块，用于采用机器学习算法，利用所述历史数据训练模型，得到热电联产和余热回收过程的预测模型；
所述预测模型验证模块，用于通过交叉验证法对所述预测模型进行验证，评估预测模型在未知数据上的泛化性能；
所述操作参数动态优化模块，用于将验证得到的预测模型应用于实时运行数据，预测在不同参数下的热电联产和余热回收效果，找到使热电联供系统中性能最优的操作参数。
8.根据权利要求1所述的一种热电联产的工业余热回收利用系统，其特征在于，所述智能监控平台模块包括：数据上传模块、云存储与管理模块及可视化展示模块；
所述数据上传模块，用于将实时收集热电联供系统的运行数据上传至智能热力监控平台；
所述云存储与管理模块，用于利用云计算技术，将收集到的数据存储在云端数据库中，并结合大数据分析技术，从数据库中提取性能最优的操作参数；
所述可视化展示模块，用于根据所述性能最优的操作参数，调整热电联供系统的运行参数，并提供所述智能热力监控平台中运行参数的可视化界面。
9.根据权利要求1所述的一种热电联产的工业余热回收利用系统，其特征在于，所述级联转换模块包括：能源品位分析模块、级联转换策略设计模块、实时能源品位监测模块、动态优化与调整模块及远程监控与潜在价值挖掘模块；
所述能源品位分析模块，用于对热电联产过程中涉及到的各类能源进行品位分析，设计级联转换策略；
所述级联转换策略设计模块，用于按照设计的所述级联转换策略，将高品位能源逐级转换为低品位能源并应用于生产和生活；
所述实时能源品位监测模块，用于通过预先安装的传感器监测热电联产系统中各类能源的实时品位数据，并将所述实时品位数据上传至智能热力监控平台；
所述动态优化与调整模块，用于通过动态优化模块对级联转换策略进行实时调整，以适应生产过程中能源需求的变化；
所述远程监控与潜在价值挖掘模块，用于通过远程监控模块实现热电联产系统的远程监控，并挖掘热电联产系统中各类能源的潜在价值。
10.根据权利要求9所述的一种热电联产的工业余热回收利用系统，其特征在于，所述能源品位分析模块包括：能源参数数据收集模块、品位计算模块、能源排序模块、需求分析模块、优先级设定模块及级联转换策略分析模块；
所述能源参数数据收集模块，用于收集热电联产过程中涉及到的各类能源的参数数据；
所述品位计算模块，用于通过计算各类能源中参数数据在不同条件下的温度、压力的数值，评估各类能源的品位；
所述能源排序模块，用于根据所品位的评估结果，将所述各类能源按照品位从高到低进行排序；
所述需求分析模块，用于根据生产和生活中的实际能源需求，了解各个环节对能源品位的要求；
所述优先级设定模块，用于根据能源品位和需求，为每种能源设定优先级；
所述级联转换策略分析模块，用于根据能源优先级和实际需求，设计相应的级联转换路径，考虑不同类型能源间的互补和替代关系，制定级联转换策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311422721.7A CN117151701B (zh) | 2023-10-31 | 2023-10-31 | 一种热电联产的工业余热回收利用系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311422721.7A CN117151701B (zh) | 2023-10-31 | 2023-10-31 | 一种热电联产的工业余热回收利用系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117151701A CN117151701A (zh) | 2023-12-01 |
| CN117151701B true CN117151701B (zh) | 2024-02-09 |
Family
ID=88910470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311422721.7A Active CN117151701B (zh) | 2023-10-31 | 2023-10-31 | 一种热电联产的工业余热回收利用系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117151701B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009235947A (ja) * | 2008-03-26 | 2009-10-15 | Osaka Gas Co Ltd | コージェネレーションシステムの利用状態の評価方法及びシステム |
| CN107832979A (zh) * | 2017-12-06 | 2018-03-23 | 浙江大学 | 一种考虑能量梯级利用的工厂综合能源系统经济优化调度方法 |
| WO2019041000A1 (en) * | 2017-09-01 | 2019-03-07 | Go People Pty Ltd | INTELLIGENT SATISFACTION, SORTING AND SHIPPING SYSTEM FOR ELECTRONIC COMMERCE CONTROLS WITH PREDICT PREDICTIVE PREDICTIVE DEMAND FOR OPTIMIZING SHIPPING ROUTING |
| WO2019134532A1 (zh) * | 2018-01-02 | 2019-07-11 | 佛山科学技术学院 | 一种含风光可再生能源的热电联供系统运行方法 |
| CN112270456A (zh) * | 2020-12-22 | 2021-01-26 | 国网江西省电力有限公司电力科学研究院 | 一种热电联供系统多目标优化调度方法及装置 |
| CN112712191A (zh) * | 2020-10-20 | 2021-04-27 | 国网吉林省电力有限公司吉林供电公司 | 一种能源互联网深度融合的能源利用方法 |
| CN113112141A (zh) * | 2021-04-07 | 2021-07-13 | 国网新疆电力有限公司经济技术研究院 | 一种综合能源系统能量优化调度方法和装置 |
| CN113217131A (zh) * | 2021-03-19 | 2021-08-06 | 华电电力科学研究院有限公司 | 基于碳减排的多能互补热电联供系统的电热负荷调度方法 |
| CN114169570A (zh) * | 2021-11-04 | 2022-03-11 | 合肥中能电力科技有限公司 | 一种基于物联网与云计算技术的智慧能源管理平台 |
| CN114326875A (zh) * | 2021-12-15 | 2022-04-12 | 合肥金人科技有限公司 | 智慧能源管理系统 |
| CN114943417A (zh) * | 2022-04-21 | 2022-08-26 | 山东大学 | 基于模型预测控制的多目标能源组合优化调度方法及系统 |
| CN115730747A (zh) * | 2022-12-17 | 2023-03-03 | 华北电力大学 | 一种综合能源系统多主体利益分配方法及其应用 |
| CN115907352A (zh) * | 2022-11-04 | 2023-04-04 | 国网山东省电力公司东营供电公司 | 一种综合能源系统近零损耗低碳能源管理方法 |
| WO2023082697A1 (zh) * | 2021-11-15 | 2023-05-19 | 中国电力科学研究院有限公司 | 电-热综合能源系统协调优化方法、系统、设备、介质及程序 |
| CN116432824A (zh) * | 2023-03-14 | 2023-07-14 | 国网山东省电力公司青岛供电公司 | 基于多目标粒子群的综合能源系统优化方法及系统 |
-
2023
- 2023-10-31 CN CN202311422721.7A patent/CN117151701B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009235947A (ja) * | 2008-03-26 | 2009-10-15 | Osaka Gas Co Ltd | コージェネレーションシステムの利用状態の評価方法及びシステム |
| WO2019041000A1 (en) * | 2017-09-01 | 2019-03-07 | Go People Pty Ltd | INTELLIGENT SATISFACTION, SORTING AND SHIPPING SYSTEM FOR ELECTRONIC COMMERCE CONTROLS WITH PREDICT PREDICTIVE PREDICTIVE DEMAND FOR OPTIMIZING SHIPPING ROUTING |
| CN107832979A (zh) * | 2017-12-06 | 2018-03-23 | 浙江大学 | 一种考虑能量梯级利用的工厂综合能源系统经济优化调度方法 |
| WO2019134532A1 (zh) * | 2018-01-02 | 2019-07-11 | 佛山科学技术学院 | 一种含风光可再生能源的热电联供系统运行方法 |
| CN112712191A (zh) * | 2020-10-20 | 2021-04-27 | 国网吉林省电力有限公司吉林供电公司 | 一种能源互联网深度融合的能源利用方法 |
| CN112270456A (zh) * | 2020-12-22 | 2021-01-26 | 国网江西省电力有限公司电力科学研究院 | 一种热电联供系统多目标优化调度方法及装置 |
| CN113217131A (zh) * | 2021-03-19 | 2021-08-06 | 华电电力科学研究院有限公司 | 基于碳减排的多能互补热电联供系统的电热负荷调度方法 |
| CN113112141A (zh) * | 2021-04-07 | 2021-07-13 | 国网新疆电力有限公司经济技术研究院 | 一种综合能源系统能量优化调度方法和装置 |
| CN114169570A (zh) * | 2021-11-04 | 2022-03-11 | 合肥中能电力科技有限公司 | 一种基于物联网与云计算技术的智慧能源管理平台 |
| WO2023082697A1 (zh) * | 2021-11-15 | 2023-05-19 | 中国电力科学研究院有限公司 | 电-热综合能源系统协调优化方法、系统、设备、介质及程序 |
| CN114326875A (zh) * | 2021-12-15 | 2022-04-12 | 合肥金人科技有限公司 | 智慧能源管理系统 |
| CN114943417A (zh) * | 2022-04-21 | 2022-08-26 | 山东大学 | 基于模型预测控制的多目标能源组合优化调度方法及系统 |
| CN115907352A (zh) * | 2022-11-04 | 2023-04-04 | 国网山东省电力公司东营供电公司 | 一种综合能源系统近零损耗低碳能源管理方法 |
| CN115730747A (zh) * | 2022-12-17 | 2023-03-03 | 华北电力大学 | 一种综合能源系统多主体利益分配方法及其应用 |
| CN116432824A (zh) * | 2023-03-14 | 2023-07-14 | 国网山东省电力公司青岛供电公司 | 基于多目标粒子群的综合能源系统优化方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| "Modeling Combined Heat and Power Systems for Microgrid Applications";Tiankui Sun 等;《IEEE TRANSACTIONS ON SMART GRID》;第9卷(第5期);第4172-（1-9）页 * |
| "区域供热/供冷系统中余热回收应用";吴爽 等;《发电技术》;第41卷(第6期);第578-589页 * |
| "综合能源系统的运行优化配置分析";支欣 等;《自动化与仪器仪表》(第08期);第132-137页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117151701A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110518880B (zh) | 一种光伏电站状态诊断方法及装置 | |
| CN111103565B (zh) | 一种基于智能电能表计量误差分析的数据变换方法及系统 | |
| CN111144609A (zh) | 一种锅炉废气排放预测模型建立方法、预测方法及装置 | |
| CN110400018B (zh) | 用于燃煤火力电厂制粉系统的运行控制方法、系统和装置 | |
| Ma et al. | Economic operation evaluation of active distribution network based on fuzzy Borda method | |
| Chen et al. | Research on wind power prediction method based on convolutional neural network and genetic algorithm | |
| CN117013527A (zh) | 一种分布式光伏发电功率预测方法 | |
| CN114632624B (zh) | 一种电除尘运行优化系统及优化方法 | |
| CN115081597A (zh) | 一种基于机器学习的以电核碳方法、系统、设备和介质 | |
| CN117151701B (zh) | 一种热电联产的工业余热回收利用系统 | |
| CN117696224A (zh) | 一种基于大模型的磨矿优化处理系统 | |
| CN117454093A (zh) | 一种智能电源模块管理方法及系统 | |
| Ding et al. | Forecast of pv power generation based on residual correction of markov chain | |
| CN117526432A (zh) | 一种面向源荷互动的配网调控系统及方法 | |
| KR20220089853A (ko) | 머신러닝 기술을 활용한 신재생에너지 발전설비의 고장예지 및 건전성관리 방법 | |
| Brahmane et al. | Artificial intelligence-based energy management system for renewable energy sources | |
| CN106786800A (zh) | 基于大数据处理含光伏发电的电力系统经济调度分析方法 | |
| Huang et al. | Power Prediction Method of Distributed Photovoltaic Digital Twin System Based on GA-BP | |
| CN114266471A (zh) | 一种面向冷热电多能流耦合综合能源的能效评价方法 | |
| CN111639742A (zh) | 一种脱硫脱硝循环泵状态故障诊断系统及方法 | |
| CN117713688B (zh) | 光伏组件在多朝向及倾角下的低效识别与电量提升方法 | |
| Weiqing | Multi-objective optimization of coal-fired boiler efficiency and NOx emission under different ecological environment | |
| CN117057516B (zh) | 一种基于系统动力学的碳核算参数分析预测方法 | |
| CN116307095A (zh) | 港区综合能源系统平台的功率预测装置、方法及电子设备 | |
| Xia et al. | Research on short-term load forecasting of power system based on gradient lifting tree |
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 |