CN117314039A - 面向园区降碳需求的综合能源系统智能化用能方法及系统 - Google Patents
面向园区降碳需求的综合能源系统智能化用能方法及系统 Download PDFInfo
- Publication number
- CN117314039A CN117314039A CN202311028756.2A CN202311028756A CN117314039A CN 117314039 A CN117314039 A CN 117314039A CN 202311028756 A CN202311028756 A CN 202311028756A CN 117314039 A CN117314039 A CN 117314039A
- Authority
- CN
- China
- Prior art keywords
- energy
- park
- carbon
- load
- emission
- 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.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 266
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 230
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000009467 reduction Effects 0.000 title claims abstract description 69
- 238000005265 energy consumption Methods 0.000 claims abstract description 77
- 238000013210 evaluation model Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000010438 heat treatment Methods 0.000 claims description 14
- 230000008878 coupling Effects 0.000 claims description 13
- 238000010168 coupling process Methods 0.000 claims description 13
- 238000005859 coupling reaction Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000009423 ventilation Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000010248 power generation Methods 0.000 claims description 11
- 238000004378 air conditioning Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004146 energy storage Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000007787 long-term memory Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000011158 quantitative evaluation Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013486 operation strategy Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明所述方法及系统，涉及园区用能规划方法技术领域包括建立园区综合能源系统碳源和碳汇的集成数据库，并构建低碳园区综合系统用能负荷预测及特征刻画；刻画园区综合能源系统碳排放评估模型和碳排放画像；确定可调资源的优先级，定量评估园区可调降碳潜力，规划园区用能并降低基础碳排放水平。本发明提供的面向园区降碳需求的综合能源系统智能化用能方法有利于低碳园区综合能源系统运行管理人员、负荷聚集商充分利用基础用能的可调降碳潜力，进一步挖掘园区建筑节能潜力，降低基础碳排放水平，可以快速精准规划园区运行阶段用能，具有较强的优越性和实用性，本发明在基础碳排放水平、优越性和实用性方面都取得更加良好的效果。
Description
技术领域
本发明涉及园区用能规划方法技术领域，具体为面向园区降碳需求的综合能源系统智能化用能方法。
背景技术
我国温室气体排放主要来自能源、工业、交通、建筑、农业和土地利用五大部门，2019年建筑运行能耗产生的碳排放约为21亿吨CO2，占全国碳排放总量的22％左右，建筑建造等领域碳排放占据全国碳排放总量的16％。园区作为建筑、能源、产业等多类型碳排放要素的集中承载者，其节能降碳工作的落实对工业、能源、城乡建设等多领域协同降碳具有重要意义。低碳园区词条汇集了“源网荷储”各环节的多能量形态，内外部碳排放交汇融合，对园区用能和碳排放规划、园区调度运行提出了新的挑战。
现有技术主要基于不同能流(冷、热、电、气)的特性和各子系统的能量传输、转化机理，建立涵盖综合能源系统、子系统、多能流的优化模型，优化园区综合能源系统的用能和运行策略。但是这类技术针对综合能源系统的模型过于简化，不能准确反映能源的耦合互动关系、无法精准描述园区暖通空调、供冷供热、照明等基础用能的动态特性，并且用能规划多考虑经济性运行目标忽略了低碳运行的需求。也有技术基于数据挖掘和异常检测方法，分析用电的时序数据，识别能源系统异常用电，指导能源系统的用电规划。该技术可以减少对数据量的需求，但是目前多用于园区异常耗电识别和用能规划初步建议，识别结果无法直接优化园区综合能源系统多时间尺度的用能规划和智能化运行。
发明内容
鉴于上述存在的问题，提出了本发明。
因此，本发明解决的技术问题是：现有的园区用能规划方法存在模型过于简化，数据挖掘局限性高，经济性目标优先，以及如何精准描述园区暖通空调、供冷供热、照明等基础用能的动态特性的优化问题。
为解决上述技术问题，本发明提供如下技术方案：面向园区降碳需求的综合能源系统智能化用能方法，包括建立园区综合能源系统碳源和碳汇的集成数据库，并构建低碳园区综合系统用能负荷预测及特征刻画；刻画园区综合能源系统碳排放评估模型和碳排放画像；确定可调资源的优先级，定量评估园区可调降碳潜力，规划园区用能并降低基础碳排放水平。
作为本发明所述的面向园区降碳需求的综合能源系统智能化用能方法的一种优选方案，其中：所述建立园区综合能源系统碳源和碳汇的集成数据库包括采用快速遥感遥控专网通信技术，制定完成的无线专网空中接口协议，实现园区终端设备信息采集和遥控；基于遥感遥控和数据感知技术，采集、传输、存储、分析园区冷热电系统源侧信息、传输网络及配电系统信息、储能系统信息、用户负荷信息、用户环境信息源网荷储多环节数据信息；将实时动态采集的源数据信息转换为统一的数据格式，建立园区综合能源系统碳源和碳汇的集成数据库。
作为本发明所述的面向园区降碳需求的综合能源系统智能化用能方法的一种优选方案，其中：所述构建低碳园区综合系统用能负荷预测及特征刻画包括基于集成数据库中区域可再生能源发电系统实际运行数据和室外气象参数信息，分析分布式可再生能源产能的影响因素并作为产能负荷的预测输入，采用神经网络算法构建产能预测模型，预测运行控制周期内分布式可再生能源的产能负荷，以单日内实际监测和关键影响因素数据预测值作为预测模型的输入，进行单日内小时间尺度发电负荷预测值的滚动优化；采用离线用能预测特征提取和在线神经网络修正的融合预测方法，实现园区基础用能的动态预测和特征刻画，基于线下动态用能预测数学模型和集成数据库，利用随机森林特征法分析园区能源流向和消耗的不确定性与动态离散特性，建立离线特征定位预测基础，利用深度学习方法挖掘综合能源系统关键运行和需求特征，分析不同能源形式用能需求与外部条件的关联特征，耦合长短期记忆神经网络计算的在线数据深度学习方法，构建低碳园区能源系统供需的能源类型、时间尺度、负荷形式的准确预测模型；基于低碳园区可再生能源产能和园区用能负荷预测信息、时间特征、空间位置，动态追踪园区的碳源和碳汇情况。
作为本发明所述的面向园区降碳需求的综合能源系统智能化用能方法的一种优选方案，其中：所述刻画园区综合能源系统碳排放评估模型和碳排放画像包括根据低碳园区运行特点，确定园区统一的碳排放核算边界与范围，核算的排放源包括园区内建筑、交通、市政及能源消耗产生的碳排放量、园区内可再生能源发电及碳汇碳减排量、外部绿电购买及碳交易抵消量；分析零碳园区不同能源转换过程、能流分配特征与碳排放量之间的耦合机理，基于园区能源系统形式、园区供用能数据、碳排放因子、建立零碳园区能-碳耦合计算模型，计算园区运行阶段单位面积的总碳排放量，表示为：
其中，Cm为园区运行阶段单位面积碳排放量，Ei为建筑第i类能源年消费量，EFi为第i类能源的碳排放因子，Eij为j类系统的第i类能源消耗量，ERij为j类系统消耗由可再生能源系统提供的第i类能源量，i为园区消耗终端能源类型，j为用能系统类型，Cp为碳汇系统年减碳量，A为园区面积；基于园区能耗分项核算和监测得到的数据、园区供能用能负荷预测及能-碳耦合计算模型，刻画园区碳排放特征，预测园区动态碳排放曲线，建立暖通、照明插座、动力系统基础负荷的用能及碳排放画像。
作为本发明所述的面向园区降碳需求的综合能源系统智能化用能方法的一种优选方案，其中：所述确定可调资源的优先级包括确定涵盖园区能源系统基础用能设备的可调资，包括暖通空调系统主机、输配系统、末端设备，蓄能、蓄电设备，照明插座在内的可调资源，分析不同资源的调控技术和可调的运行参数；基于可调资源的运行状态参数调整范围，动态预测基础用能的负荷变化范围，与初始运行策略下基础用能负荷对比，计算基础用能负荷变化范围，对热泵系统可调资源的优先级排序。
作为本发明所述的面向园区降碳需求的综合能源系统智能化用能方法的一种优选方案，其中：所述定量评估园区可调降碳潜力包括基础负荷可调控能力评估模型，表示为：
其中，τmk(t)为第m类灵活负荷的第k个体的响应能力，βm(t)为灵活负荷所占比重，p(t)为m类灵活负荷聚合可调响应能力。
作为本发明所述的面向园区降碳需求的综合能源系统智能化用能方法的一种优选方案，其中：所述规划园区用能并降低基础碳排放水平包括基于历史数据和碳排放预测方法分析基础用能的碳排放量，计算不同时序控碳目标之间的匹配关系和偏差值，建立日、时、分尺度上多时序控碳目标分解方法，建立不同时间尺度下园区动态降碳目标；识别诊断基础负荷中的耗能与碳排放异常，确定基础用能的异常环节和调节设备，指导园区能源系统运行调节和用能规划；按照园区基础用能碳排放异常来源、可调潜力和资源优先级顺序，依次对异常系统的可调环节及设备进行调控，满足园区运行降碳目标。
本发明的另外一个目的是提供面向园区降碳需求的综合能源系统智能化用能系统，其能通过降碳评估规划模块对园区内的可调资源进行量化评估，制定降低园区用能和碳排放的规划策略，解决了目前的园区的基础碳排放水平高的问题。
作为本发明所述的面向园区降碳需求的综合能源系统智能化用能系统的一种优选方案，其中：包括用能负荷预测模块、碳排放评估模块、降碳评估规划模块；所述用能负荷预测模块用于建立园区综合能源系统的碳源和碳汇的集成数据库，对园区综合能源系统的用能负荷进行预测和特征刻画；所述碳排放评估模块用于根据园区内能源系统的能耗数据和集成数据库中的碳源数据，对园区的碳排放进行评估；所述降碳评估规划模块用于根据园区中的可调资源，建立优先级评估模型，对园区内的可调资源进行量化评估，确定降低碳排放的潜力，制定降低园区用能和碳排放的规划策略。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序是实现面向园区降碳需求的综合能源系统智能化用能方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现面向园区降碳需求的综合能源系统智能化用能方法的步骤。
本发明的有益效果：本发明提供的面向园区降碳需求的综合能源系统智能化用能方法有利于低碳园区综合能源系统运行管理人员、负荷聚集商充分利用基础用能的可调降碳潜力，进一步挖掘园区建筑节能潜力，降低基础碳排放水平。本发明提出的基础用能规划方法普遍适用于园区低碳运行需求，可以快速精准规划园区运行阶段用能，具有较强的优越性和实用性，本发明在基础碳排放水平、优越性和实用性方面都取得更加良好的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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它的附图。其中：
图1为本发明第一个实施例提供的面向园区降碳需求的综合能源系统智能化用能方法的整体流程图。
图2为本发明第二个实施例提供的面向园区降碳需求的综合能源系统智能化用能方法的园区综合能源系统基础用能低碳规划用能负荷曲线图。
图3为本发明第二个实施例提供的面向园区降碳需求的综合能源系统智能化用能方法的园区综合能源系统基础用能低碳规划典型日碳排放曲线图。
图4为本发明第三个实施例提供的面向园区降碳需求的综合能源系统智能化用能系统的整体流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”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装置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、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。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。
实施例1
参照图1，为本发明的一个实施例，提供了一种面向园区降碳需求的综合能源系统智能化用能方法，包括：
S1：建立园区综合能源系统碳源和碳汇的集成数据库，并构建低碳园区综合系统用能负荷预测及特征刻画。
更进一步的，集成数据库包括实时动态采集的源数据信息。
应说明的是，采用快速遥感遥控专网通信技术，考虑物理层调制解调方式、数据链路层的信道编解码方式、应用层通信协议，制定完成的无线专网空中接口协议，实现园区终端设备信息采集和遥控。基于遥感遥控和数据感知技术，采集、传输、存储、分析园区冷热电系统源侧信息、传输网络及配电系统信息、储能系统信息、用户负荷信息(暖通空调、照明插座、动力系统、特殊用电)、用户环境信息等源网荷储多环节数据信息。将实时动态采集的海量多源数据信息清洗成统一的数据格式，建立园区综合能源系统碳源和碳汇的集成数据库。
还应说明的是，统一的数据格式可以是一种标准的数据结构或数据模型，用于表示和存储各个数据源采集的信息。它可以包括各种数据类型和字段，以及定义数据的组织方式和关联关系，使得不同类型的数据能够以一致的方式被存储、传输和处理。
更进一步的，用能负荷预测及特征刻画包括采用离线用能预测特征提取和在线神经网络修正的融合预测方法，实现园区基础用能的动态预测和特征刻画。
应说明的是，基于集成数据库中区域可再生能源发电系统实际运行数据和室外气象参数信息，分析分布式可再生能源产能的主要影响因素并作为产能负荷的预测输入。采用神经网络算法构建产能预测模型，预测未来一个运行控制周期内分布式可再生能源的产能负荷；以单日内实际监测和下一时刻关键影响因素数据(气象参数等)预测值作为预测模型的输入，进行单日内小时间尺度下发电负荷预测值的滚动优化，以减小日前长时间尺度气象数据和发电负荷预测的误差。
采用离线用能预测特征提取和在线神经网络修正的融合预测方法，实现园区基础用能的动态预测和特征刻画。基于线下动态用能预测数学模型和集成数据库，利用随机森林特征法分析园区能源流向和消耗的不确定性与动态离散特性，建立离线特征定位预测基础。同时利用深度学习方法挖掘综合能源系统关键运行和需求特征，详细的分析不同能源形式用能需求与外部条件的关联特征；耦合长短期记忆神经网络计算的在线数据深度学习方法，并考虑工程运用的稳定性、系统部署的复用性、对数据噪音的抗干扰性，构建低碳园区能源系统供需的多种能源类型、多时间尺度、多种负荷形式的准确预测模型，动态预测园区用能。
基于低碳园区可再生能源产能和园区各项用能负荷预测信息、时间特征、空间位置，动态追踪园区的碳源和碳汇情况。
S2：刻画园区综合能源系统碳排放评估模型和碳排放画像。
更进一步的，碳排放评估模型包括计算运行阶段单位面积的总碳排放量。
应说明的是，根据低碳园区运行特点，确定园区统一的碳排放核算边界与范围，本发明核算的排放源包括园区内建筑、交通、市政及其他能源消耗产生的碳排放量、园区内可再生能源发电及碳汇碳减排量、外部绿电购买及碳交易抵消量。
分析零碳园区不同能源转换过程、能流分配特征与碳排放量之间的耦合机理，基于园区能源系统形式、园区供用能数据、碳排放因子、建立零碳园区能-碳耦合计算模型。园区运行阶段碳排放量应根据各系统不同类型能源消耗量和不同类型能源的碳排放因子确定，运行阶段单位面积的总碳排放量(C)表示为：
其中，Cm为园区运行阶段单位面积碳排放量(kgCO2/m2)，Ei为建筑第i类能源年消费量(单位/a)，EFi为第i类类能源的碳排放因子，Eij为j类系统的第i类能源消耗量(单位/a)，ERij为j类系统消耗由可再生能源系统提供的第i类能源量(单位/a)，i为园区消耗终端能源类型，包括电力、燃气、市政热力等，j为用能系统类型，包括供暖空调、照明、生活热水系统等，Cp为碳汇系统年减碳量(kgCO2/a)，A为园区面积(/m2)。
基于园区能耗分项核算和监测得到的大量数据、园区供能用能负荷预测及能-碳耦合计算模型，刻画园区碳排放特征(排放量与排放强度、排放种类、排放主体等)，预测园区动态碳排放曲线，建立暖通、照明插座、动力系统等基础负荷的用能及碳排放画像。
还应说明的是，这样的计算模型和公式的目的是为了评估园区运行阶段的碳排放情况，并提供参考指标用于评估园区的碳减排效果和管理措施的有效性。通过确定统一的碳排放核算边界与范围，可以全面考虑园区内的各种碳排放源，包括建筑、交通、市政及其他能源消耗等，同时也考虑到园区内的可再生能源发电及碳汇碳减排量以及外部绿电购买和碳交易抵消量。这样的综合考虑可以提供全面的园区碳排放情况，并为制定碳减排策略和管理措施提供依据。通过建立能-碳耦合计算模型和使用以上的计算公式，可以对园区运行阶段的碳排放量进行准确计算，并可预测园区的动态碳排放曲线。这有助于对园区能耗和碳排放的特征进行分析和描述，同时也可为基础负荷的用能及碳排放提供详细画像，通过使用大量的园区供能用能数据和碳排放因子，可以确保计算的准确性和可靠性，并为园区的碳减排工作提供科学依据。
S3：确定可调资源的优先级，定量评估园区可调降碳潜力，规划园区用能并降低基础碳排放水平。
更进一步的，定量评估园区可调降碳潜力包括基础负荷可调控能力评估模型。
应说明的是，确定涵盖园区能源系统基础用能设备的可调资，包括暖通空调系统主机、输配系统、末端设备，蓄能、蓄电设备，照明插座等在内的可调资源，分析不同资源的调控技术和可调的运行参数。
基于可调资源的运行状态参数调整范围，动态预测基础用能的负荷变化范围，与初始运行策略下基础用能负荷进行对比，计算基础用能负荷变化范围。可调负荷变化范围大且调控成本低的资源(暖通空调、蓄能系统、照明插座等)运行调控优先级越高，进而对热泵系统全部可调资源的优先级进行排序。基础负荷可调控能力评估模型，其数学结构模型可表示为：
其中，τmk(t)为第m类灵活负荷的第k个体的响应能力，βm(t)为该类灵活负荷所占比重，p(t)为m类灵活负荷聚合可调响应能力。
更进一步的，规划园区用能并降低基础碳排放水平包括建立不同时间尺度下园区动态降碳目标。
应说明的是，面向园区低碳运行需求，结合新能源出力特性和园区用户用能特性，基于历史数据和碳排放预测方法分析基础用能的碳排放量，计算与不同时序控碳目标之间的匹配关系和偏差值，建立日、时、分等尺度上多时序控碳目标分解方法，建立不同时间尺度下园区动态降碳目标。
结合先进的数据挖掘分析与异常检测算法，识别诊断基础负荷中的耗能与碳排放异常，明确基础用能的异常环节和调节设备，指导园区能源系统运行调节和用能规划。
按照园区基础用能碳排放异常来源、可调潜力和资源优先级顺序，依次对异常系统的可调环节及设备进行调控，直到满足园区运行降碳目标，从而进一步挖掘园区建筑节能潜力，降低基础碳排放水平。
实施例2
参照图2-3，为本发明的一个实施例，提供了一种面向园区降碳需求的综合能源系统智能化用能方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。
研究园区基础用能设备的可调技术、运行策略和可调参数，确定能源系统基础用能的可调资源，基于可调资源运行状态参数的可调整范围，采用动态预测方法计算综合能源系统用能负荷和碳排放量，定量计算基础用能负荷的可调范围大小和调控优先级顺序。
如表1所示，本实施例中的园区基础用能环节的可调资源设备调控优先级包括暖通空调系统主机、输配系统、末端设备，蓄能、蓄电设备，也包含受人行为和使用模式影响的照明插座等设备，通过所列出的基础用能设备调控优先级，可以准确确定各个设备在能源系统调控中的优先级顺序，这样能够更有效地分配和管理可调资源，实现最优的能源利用效率，这些设备的调控优先级的确定考虑了设备的功能和作用，能够全面考虑能源系统的多种调控需求，提高能源系统的灵活性和适应性，通过动态预测方法计算基础用能负荷和碳排放量，并结合设备的运行状态参数，能够确定设备的可调整范围。这样，能够量化基础用能负荷的可调范围大小，为能源系统调控提供具体的数据支持，有助于实现精细化的能源管理和调度，通过综合考虑各个设备的调控优先级，以及设备的可调资源和可调整范围，可以实现能源系统的整体优化调控。这样能够更有效地平衡供需关系，提高能源利用效率，降低能源成本和碳排放量。
表1基础用能设备调控优先级
从图2，图3可以看出，基于历史数据和碳排放预测方法得到的基础用能碳排放量，分解日、时、分等尺度上多时序控碳目标，建立不同时间尺度下园区基础用能环节的动态降碳目标。结合先进的数据挖掘分析与异常检测算法，识别诊断基础负荷中(暖通空调、照明、插座、动力等)的耗能与碳排放异常，明确基础用能异常环节和可调节设备，形成园区能源系统运行调节和用能规划策略。基于园区降碳需求的基础用能优化规划后，基础用能负荷曲线的异常值和波动性均降低，典型日碳排放量降低约58.87kg二氧化碳，通过基础用能优化规划，能够显著减少园区的碳排放，基础用能负荷曲线的异常值降低，这意味着在优化规划后，园区能够更稳定地满足用能需求，减少了能源系统中的不正常或异常的能耗情况，提高了用能的可靠性和稳定性。
实施例3
参照图4，为本发明的一个实施例，提供了面向园区降碳需求的综合能源系统智能化用能系统，包括用能负荷预测模块，碳排放评估模块，降碳评估规划模块。
其中用能负荷预测模块用于建立园区综合能源系统的碳源和碳汇的集成数据库，对园区综合能源系统的用能负荷进行预测和特征刻画；碳排放评估模块用于根据园区内能源系统的能耗数据和集成数据库中的碳源数据，对园区的碳排放进行评估；降碳评估规划模块用于根据园区中的可调资源，建立优先级评估模型，对园区内的可调资源进行量化评估，确定降低碳排放的潜力，制定降低园区用能和碳排放的规划策略。
功能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，本发明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)执行本发明各个实施例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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.面向园区降碳需求的综合能源系统智能化用能方法及系统，其特征在于，包括：
建立园区综合能源系统碳源和碳汇的集成数据库，并构建低碳园区综合系统用能负荷预测及特征刻画；
刻画园区综合能源系统碳排放评估模型和碳排放画像；
确定可调资源的优先级，定量评估园区可调降碳潜力，规划园区用能并降低基础碳排放水平。
2.如权利要求1所述的面向园区降碳需求的综合能源系统智能化用能方法，其特征在于：所述建立园区综合能源系统碳源和碳汇的集成数据库包括采用快速遥感遥控专网通信技术，制定完成的无线专网空中接口协议，实现园区终端设备信息采集和遥控；
基于遥感遥控和数据感知技术，采集、传输、存储、分析园区冷热电系统源侧信息、传输网络及配电系统信息、储能系统信息、用户负荷信息、用户环境信息源网荷储多环节数据信息；
将实时动态采集的源数据信息转换为统一的数据格式，建立园区综合能源系统碳源和碳汇的集成数据库。
3.如权利要求1所述的面向园区降碳需求的综合能源系统智能化用能方法，其特征在于：所述构建低碳园区综合系统用能负荷预测及特征刻画包括基于集成数据库中区域可再生能源发电系统实际运行数据和室外气象参数信息，分析分布式可再生能源产能的影响因素并作为产能负荷的预测输入，采用神经网络算法构建产能预测模型，预测运行控制周期内分布式可再生能源的产能负荷，以单日内实际监测和关键影响因素数据预测值作为预测模型的输入，进行单日内小时间尺度发电负荷预测值的滚动优化；
采用离线用能预测特征提取和在线神经网络修正的融合预测方法，实现园区基础用能的动态预测和特征刻画，基于线下动态用能预测数学模型和集成数据库，利用随机森林特征法分析园区能源流向和消耗的不确定性与动态离散特性，建立离线特征定位预测基础，利用深度学习方法挖掘综合能源系统关键运行和需求特征，分析不同能源形式用能需求与外部条件的关联特征，耦合长短期记忆神经网络计算的在线数据深度学习方法，构建低碳园区能源系统供需的能源类型、时间尺度、负荷形式的准确预测模型；
基于低碳园区可再生能源产能和园区用能负荷预测信息、时间特征、空间位置，动态追踪园区的碳源和碳汇情况。
4.如权利要求1所述的面向园区降碳需求的综合能源系统智能化用能方法，其特征在于：所述刻画园区综合能源系统碳排放评估模型和碳排放画像包括根据低碳园区运行特点，确定园区统一的碳排放核算边界与范围，核算的排放源包括园区内建筑、交通、市政及能源消耗产生的碳排放量、园区内可再生能源发电及碳汇碳减排量、外部绿电购买及碳交易抵消量；
分析零碳园区不同能源转换过程、能流分配特征与碳排放量之间的耦合机理，基于园区能源系统形式、园区供用能数据、碳排放因子、建立零碳园区能-碳耦合计算模型，计算园区运行阶段单位面积的总碳排放量，表示为：
其中，Cm为园区运行阶段单位面积碳排放量，Ei为建筑第i类能源年消费量，EFi为第i类能源的碳排放因子，Eij为j类系统的第i类能源消耗量，ERij为j类系统消耗由可再生能源系统提供的第i类能源量，i为园区消耗终端能源类型，j为用能系统类型，Cp为碳汇系统年减碳量，A为园区面积；
基于园区能耗分项核算和监测得到的数据、园区供能用能负荷预测及能-碳耦合计算模型，刻画园区碳排放特征，预测园区动态碳排放曲线，建立暖通、照明插座、动力系统基础负荷的用能及碳排放画像。
5.如权利要求4所述的面向园区降碳需求的综合能源系统智能化用能方法，其特征在于：所述确定可调资源的优先级包括确定涵盖园区能源系统基础用能设备的可调资，包括暖通空调系统主机、输配系统、末端设备，蓄能、蓄电设备，照明插座在内的可调资源，分析不同资源的调控技术和可调的运行参数；
基于可调资源的运行状态参数调整范围，动态预测基础用能的负荷变化范围，与初始运行策略下基础用能负荷对比，计算基础用能负荷变化范围，对热泵系统可调资源的优先级排序。
6.如权利要求5所述的面向园区降碳需求的综合能源系统智能化用能方法，其特征在于：所述定量评估园区可调降碳潜力包括基础负荷可调控能力评估模型，表示为：
其中，τmk(t)为第m类灵活负荷的第k个体的响应能力，βm(t)为灵活负荷所占比重，p(t)为m类灵活负荷聚合可调响应能力。
7.如权利要求6所述的面向园区降碳需求的综合能源系统智能化用能方法，其特征在于：所述规划园区用能并降低基础碳排放水平包括基于历史数据和碳排放预测方法分析基础用能的碳排放量，计算不同时序控碳目标之间的匹配关系和偏差值，建立日、时、分尺度上多时序控碳目标分解方法，建立不同时间尺度下园区动态降碳目标；
识别诊断基础负荷中的耗能与碳排放异常，确定基础用能的异常环节和调节设备，指导园区能源系统运行调节和用能规划；
按照园区基础用能碳排放异常来源、可调潜力和资源优先级顺序，依次对异常系统的可调环节及设备进行调控，满足园区运行降碳目标。
8.一种采用如权利要求1～7任一所述的面向园区降碳需求的综合能源系统智能化用能方法的系统，其特征在于：包括用能负荷预测模块、碳排放评估模块、降碳评估规划模块；
所述用能负荷预测模块用于建立园区综合能源系统的碳源和碳汇的集成数据库，对园区综合能源系统的用能负荷进行预测和特征刻画；
所述碳排放评估模块用于根据园区内能源系统的能耗数据和集成数据库中的碳源数据，对园区的碳排放进行评估；
所述降碳评估规划模块用于根据园区中的可调资源，建立优先级评估模型，对园区内的可调资源进行量化评估，确定降低碳排放的潜力，制定降低园区用能和碳排放的规划策略。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的面向园区降碳需求的综合能源系统智能化用能方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的面向园区降碳需求的综合能源系统智能化用能方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311028756.2A CN117314039A (zh) | 2023-08-16 | 2023-08-16 | 面向园区降碳需求的综合能源系统智能化用能方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311028756.2A CN117314039A (zh) | 2023-08-16 | 2023-08-16 | 面向园区降碳需求的综合能源系统智能化用能方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117314039A true CN117314039A (zh) | 2023-12-29 |
Family
ID=89245259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311028756.2A Pending CN117314039A (zh) | 2023-08-16 | 2023-08-16 | 面向园区降碳需求的综合能源系统智能化用能方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117314039A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649131A (zh) * | 2024-01-29 | 2024-03-05 | 广州豪特节能环保科技股份有限公司 | 一种基于ai的能源系统资源适配方法、系统和介质 |
| CN117649131B (zh) * | 2024-01-29 | 2024-06-07 | 广州豪特节能环保科技股份有限公司 | 一种基于ai的能源系统资源适配方法、系统和介质 |
-
2023
- 2023-08-16 CN CN202311028756.2A patent/CN117314039A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649131A (zh) * | 2024-01-29 | 2024-03-05 | 广州豪特节能环保科技股份有限公司 | 一种基于ai的能源系统资源适配方法、系统和介质 |
| CN117649131B (zh) * | 2024-01-29 | 2024-06-07 | 广州豪特节能环保科技股份有限公司 | 一种基于ai的能源系统资源适配方法、系统和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109709912B (zh) | 基于物联网的能源管理控制方法及系统 | |
| Xia et al. | Comparison of building energy use data between the United States and China | |
| CN113642936B (zh) | 一种需求侧碳流边缘分析方法、终端与系统 | |
| CN110264080A (zh) | 一种绿色建筑运行性能评价方法、装置、设备及存储介质 | |
| CN105956752A (zh) | 用于绿色公共建筑运营阶段的能效评估与诊断分析方法 | |
| CN107143981B (zh) | 一种中央空调节能控制系统和方法 | |
| CN114037585A (zh) | 碳数据处理、交互与展示方法、电子设备以及存储介质 | |
| CN107036238A (zh) | 动态预测外气与负载智慧节能控制方法 | |
| CN115619136A (zh) | 楼宇管理方法和系统 | |
| Zhang et al. | Analysis of energy consumption prediction for office buildings based on GA-BP and BP algorithm | |
| US20120271669A1 (en) | Method and system for determining a sustainability metric | |
| CN114040004A (zh) | 一种需求侧碳流监控终端、监控方法及系统 | |
| CN110880055A (zh) | 楼宇智能电表系统 | |
| CN117033927A (zh) | 地铁站碳排放实时监测预测分析方法及预测分析方法 | |
| CN117575343A (zh) | 一种乡镇综合能源服务成效评价方法及系统 | |
| CN111968008A (zh) | 基于多能协作的综合能源监控系统及方法 | |
| CN117314039A (zh) | 面向园区降碳需求的综合能源系统智能化用能方法及系统 | |
| CN117114290A (zh) | 一种源网储综合能源互动优化系统及方法 | |
| Usta et al. | Climate change mitigation technologies detection and evaluation: Case of buildings | |
| CN113283649B (zh) | 供需协同运行能效控制方法、装置、设备和介质 | |
| CN114092027A (zh) | 一种碳流主站管理系统、管理方法及需求侧碳管理系统 | |
| CN114358473A (zh) | 一种多站融合综合供能系统 | |
| CN107590610A (zh) | 基于线性回归的空调合同能源管理项目节能量评估方法 | |
| Boychev et al. | The possibility of building energy management in municipal and residential buildings | |
| Madhusudan et al. | Auditing and Analysis of Energy Consumption of a Hostel Building |
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 |