CN117689178B - 复合式地源热泵系统长周期运行调度优化方法和装置 - Google Patents
复合式地源热泵系统长周期运行调度优化方法和装置 Download PDFInfo
- Publication number
- CN117689178B CN117689178B CN202410013981.7A CN202410013981A CN117689178B CN 117689178 B CN117689178 B CN 117689178B CN 202410013981 A CN202410013981 A CN 202410013981A CN 117689178 B CN117689178 B CN 117689178B
- Authority
- CN
- China
- Prior art keywords
- ground source
- heat pump
- source heat
- day
- running
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 84
- 239000002131 composite material Substances 0.000 claims abstract description 58
- 230000002068 genetic effect Effects 0.000 claims abstract description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 191
- 210000000349 chromosome Anatomy 0.000 claims description 111
- 238000001816 cooling Methods 0.000 claims description 69
- 239000000498 cooling water Substances 0.000 claims description 44
- 238000010438 heat treatment Methods 0.000 claims description 41
- 238000005192 partition Methods 0.000 claims description 40
- 238000010276 construction Methods 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000005057 refrigeration Methods 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 6
- 230000002354 daily effect Effects 0.000 description 61
- 238000004364 calculation method Methods 0.000 description 28
- 239000000243 solution Substances 0.000 description 15
- 230000013011 mating Effects 0.000 description 9
- 230000001105 regulatory effect Effects 0.000 description 9
- 230000006978 adaptation Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000009827 uniform distribution 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
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种复合式地源热泵系统长周期运行调度优化方法和装置,涉及地源热泵系统运行调度技术领域,包括:基于复合式地源热泵系统的决策变量,分别构建复合式地源热泵系统的地源侧水力模型和调峰系统模型;基于地源侧水力模型和决策变量,构建复合式地源热泵系统的地源热泵系统模型;基于地源热泵系统模型和调峰系统模型,构建复合式地源热泵系统的长周期运行调度优化目标函数;基于改进的遗传算法和长周期运行调度优化目标函数,对决策变量寻优求解,得到目标决策变量;基于目标决策变量,对复合式地源热泵系统进行长周期运行调度。本发明可以最大限度地利用可再生能源、实现地源侧取放热平衡,从而提高能源利用效率。
Description
技术领域
本发明涉及地源热泵系统运行调度技术领域,具体为一种复合式地源热泵系统长周期运行调度优化方法和装置。
背景技术
随着人们对居住环境的要求不断提高,室内热舒适成为了一个重要的关注点。传统的供暖和制冷系统虽然能够满足基本的温度调节需求,但其高能耗和环境影响问题日益凸显。为了解决这些问题,人们开始探索利用可再生能源来实现热舒适。可再生能源如太阳能、风能等具有清洁、可持续的特点,成为了绿色能源利用的重要方向。
在可再生能源的推动下,复合式地源热泵系统逐渐受到关注,并被广泛应用。这一系统利用地下较为稳定温度作为热源和热汇,通过地源热泵的工作原理,夏季能量从建筑室内热能转移至浅层地热能,冬季能量从浅层地热能转移至建筑室内热能,实现供暖和制冷的目的。
复合式地源热泵系统的运行调度优化对于系统的高效运行和能源利用至关重要。未经优化的运行调度可能会导致环境影响的增加。例如,系统未能充分利用可再生能源,导致需要依赖化石燃料或其他高耗能资源,增加了温室气体排放和环境污染。
发明内容
本发明的目的就在于为了解决上述至少一个技术问题而提供一种复合式地源热泵系统长周期运行调度优化方法和装置。
第一方面,本发明实施例提供了一种复合式地源热泵系统长周期运行调度优化方法,包括:基于复合式地源热泵系统的决策变量,分别构建所述复合式地源热泵系统的地源侧水力模型和调峰系统模型;基于所述地源侧水力模型和所述决策变量,构建所述复合式地源热泵系统的地源热泵系统模型;基于所述地源热泵系统模型和所述调峰系统模型,构建所述复合式地源热泵系统的长周期运行调度优化目标函数;基于改进的遗传算法和所述长周期运行调度优化目标函数,对所述决策变量寻优求解,得到目标决策变量;所述改进的遗传算法包括对染色体修正操作;基于所述目标决策变量,对所述复合式地源热泵系统进行长周期运行调度。
进一步地,所述决策变量包括地埋管分区运行变量;所述地源侧水力模型,包括:Sg=Sg,1+Sg,2+Sg,3=Sg(Rm,Rg),式中,Sg为所述地源侧管网总阻抗,Sg,1为地源侧循环水总管阻抗,Sg,2为并联运行的地埋管换热器分区的总阻抗,Sg,3为并联运行的地源热泵机组冷凝器或蒸发器的总阻抗,Rm为所述复合式地源热泵系统的运行模式,Rg为所述地埋管分区运行变量;Gg为地源侧循环泵组运行流量,hg为地源侧循环泵组运行扬程,Ppump,g为地源侧循环水泵泵组运行功率。
进一步地,所述决策变量还包括调峰系统运行变量;所述地源热泵系统模型,包括:
式中,Pgshp,cooling,i为在供冷季第i台地源热泵机组制冷功率,T1,gshp,i为第i台地源热泵机组用户侧出水温度,T2,gshp,i为第i台地源热泵机组地源侧进水温度,PLRgshp,i为第i台地源热泵机组负荷率;a0,i、a1,i……a9,i为第i台地源热泵机组制冷功率模型系数;Pgshp,heating,i为在供暖季第i台地源热泵机组制热功率,T3,gshp,i为第i台地源热泵机组用户侧进水温度,T4,gshp,i为第i台地源热泵机组地源侧出水温度,PLRgshp,i为第i台地源热泵机组负荷率;b0,i、b1,i……b9,i为第i台地源热泵机组制热功率模型系数;为第k天浅层地热源日平均取热量,c为循环水比热容,ρ为循环水密度,为第k天地源侧日平均运行流量,为第k天地源侧日平均进口水温,为第k天地源侧日平均出口水温;为第k天复合式地源热泵系统的日平均运行功率,为第k天地源热泵机组总运行功率,为第k天地源侧泵组日平均运行功率,为第k天地埋管分区运行变量,为第k天调峰系统运行变量,为第k天运行模式,为第k天预测日平均负荷。
进一步地,所述调峰系统模型包括:
式中,为第k天调峰系统冷却塔水耗,为第k天调峰系统日平均运行负荷,Δh为冷却水焓值,为第k天调峰系统日平均运行功率,为第k天调峰系统冷水机组日平均运行功率,为第k天调峰系统冷却塔风机日平均运行功率,为第k天调峰系统冷却水循环泵日平均运行功率,为第k天日平均室外湿球温度。
进一步地,所述长周期运行调度优化目标函数,包括:
式中,F为所述长周期运行调度优化目标函数,S为优化常数,为第k天调峰系统日平均运行功率,为第k天地源热泵系统日平均运行功率,为第k天调峰系统冷却塔水耗,no为日运行小时数,Celc为单位电价,Cwater为单位水价,ρò为地源侧冷热不平衡惩罚因子,为第k天浅层地热源日平均取热量,nd为总运行天数。
进一步地,基于改进的遗传算法和所述长周期运行调度优化目标函数,对所述决策变量寻优求解,得到目标决策变量,包括:采用生成随机数的方法,对表征所述决策变量的染色体的每一维变量进行初始化赋值,得到初始化规模为N的初始群体;基于所述长周期运行调度优化目标函数评估各个染色体的适应值,保存适应值最大的染色体为最优染色体;对所述初始群体分别进行选择操作、交叉操作和变异操作,得到下一代群体;对所述下一代群体中进行染色体修正操作,得到修正之后的下一代群体;所述染色体修正操作包括:将位于所述决策变量的可行域之外的染色体进行修正操作,以使修正之后的染色体为所述复合式地源热泵系统进行长周期运行调度问题的有效解;基于修正之后的下一代群体,更新所述最优染色体;在进化代数超过预设迭代次数后,将所述最优染色体对应的决策变量确定为所述目标决策变量。
第二方面,本发明实施例还提供了一种复合式地源热泵系统长周期运行调度优化装置,包括:第一构建模块,第二构建模块,第三构建模块,优化模块和调度模块;其中,所述第一构建模块,用于基于复合式地源热泵系统的决策变量,分别构建所述复合式地源热泵系统的地源侧水力模型和调峰系统模型;所述第二构建模块,用于基于所述地源侧水力模型和所述决策变量,构建所述复合式地源热泵系统的地源热泵系统模型;所述第三构建模块,用于基于所述地源热泵系统模型和所述调峰系统模型,构建所述复合式地源热泵系统的长周期运行调度优化目标函数;所述优化模块,用于基于改进的遗传算法和所述长周期运行调度优化目标函数,对所述决策变量寻优求解,得到目标决策变量;所述改进的遗传算法包括对染色体修正操作;所述调度模块,用于基于所述目标决策变量,对所述复合式地源热泵系统进行长周期运行调度。
进一步地,所述决策变量包括地埋管分区运行变量和调峰系统运行变量。
进一步地,所述长周期运行调度优化目标函数,包括:
式中,F为所述长周期运行调度优化目标函数,S为优化常数,为第k天调峰系统日平均运行功率,为第k天地源热泵系统日平均运行功率,为第k天调峰系统冷却塔水耗,no为日运行小时数,Celc为单位电价,Cwater为单位水价,ρò为地源侧冷热不平衡惩罚因子,为第k天浅层地热源日平均取热量,nd为总运行天数。
进一步地,所述优化模块,还用于:采用生成随机数的方法,对表征所述决策变量的染色体的每一维变量进行初始化赋值,得到初始化规模为N的初始群体;基于所述长周期运行调度优化目标函数评估各个染色体的适应值,保存适应值最大的染色体为最优染色体;对所述初始群体分别进行选择操作、交叉操作和变异操作,得到下一代群体;对所述下一代群体中进行染色体修正操作,得到修正之后的下一代群体;所述染色体修正操作包括:将位于所述决策变量的可行域之外的染色体进行修正操作,以使修正之后的染色体为所述复合式地源热泵系统进行长周期运行调度问题的有效解;基于修正之后的下一代群体,更新所述最优染色体;在进化代数超过预设迭代次数后,将所述最优染色体对应的决策变量确定为所述目标决策变量。
本发明提供了一种复合式地源热泵系统长周期运行调度优化方法和装置,可以根据长周期不同时段浅层地热能和其他调峰能源的特点,通过灵活调整复合式地源热泵系统的运行调度,合理分配能源供应,在保证地源热泵系统的地源侧夏季取冷和冬季取热平衡的前提下,最大限度地利用可再生能源,从而提高能源利用效率,为可持续能源利用和环境保护做出贡献。
附图说明
为了更清楚地说明本申请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申请的一些实施方式,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为本发明实施例提供的一种复合式地源热泵系统长周期运行调度优化方法的流程图;
图2为本发明实施例提供的一种基于改进的遗传算法和长周期运行调度优化目标函数对决策变量寻优求解的流程图;
图3为本发明实施例提供的一种复合式地源热泵系统长周期运行调度优化装置的示意图。
具体实施方式
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、完整的描述,显然,所描述的实施例仅仅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,本领域普通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。
实施例一
图1是根据本发明实施例提供的一种复合式地源热泵系统长周期运行调度优化方法的流程图。如图1所示,该方法具体包括如下步骤:
步骤S102,基于复合式地源热泵系统的决策变量,分别构建复合式地源热泵系统的地源侧水力模型和调峰系统模型。
步骤S104,基于地源侧水力模型和决策变量,构建复合式地源热泵系统的地源热泵系统模型。
步骤S106,基于地源热泵系统模型和调峰系统模型,构建复合式地源热泵系统的长周期运行调度优化目标函数。
步骤S108,基于改进的遗传算法和长周期运行调度优化目标函数,对决策变量寻优求解,得到目标决策变量;改进的遗传算法包括对染色体修正操作。
步骤S110,基于目标决策变量,对复合式地源热泵系统进行长周期运行调度。
具体的,在本发明实施例中,通过复合式地源热泵系统的模型参数、边界条件和决策变量,分别构建地源侧水力模型、地源热泵系统模型和调峰系统模型。
其中,模型参数包括:地源侧水力模型参数、地源热泵系统模型参数和调峰系统模型参数。
边界条件包括:运行模式向量室外湿球温度向量和预测负荷向量
具体的,决策变量包括地埋管分区运行变量;地源侧水力模型,包括:
Sg=Sg,1+Sg,2+Sg,3=Sg(Rm,Rg)
式中,Sg为地源侧管网总阻抗,Sg,1为地源侧循环水总管阻抗,Sg,2为并联运行的地埋管换热器分区的总阻抗,Sg,3为并联运行的地源热泵机组冷凝器或蒸发器的总阻抗,Rm为复合式地源热泵系统的运行模式,Rg为地埋管分区运行变量;Gg为地源侧循环泵组运行流量,hg为地源侧循环泵组运行扬程,Ppump,g为地源侧循环水泵泵组运行功率。
具体的,构建复合式地源热泵系统的地源侧水力模型,包括如下步骤:
(a)地源侧管网总阻抗的计算:
地源侧管网总阻抗值Sg分为三部分:地源侧循环水总管阻抗Sg,1、并联运行的地埋管换热器分区的总阻抗Sg,2、并联运行的地源热泵机组冷凝器或蒸发器总阻抗Sg,3。
1)地源侧循环水总管阻抗Sg,1,单位m/(m3/h)2;
2)地埋管分区运行变量若第i个地埋管分区运行,则rg,i=1,若第i个地埋管分区不运行,则rg,i=0。
式中:
rg,i——第i个地埋管换热器分区是否运行,i∈[1,ng],若运行rg,i=1,否则rg,i=0;
ng——地埋管换热器分区数量。
地埋管换热器各分区阻抗并联运行的地埋管换热器分区的总阻抗计算公式如下所示:
式中:
S2——地埋管换热器分区阻抗向量,单位m/(m3/h)2;
sg,i——第i个地埋管换热器分区的阻抗,i∈[1,ng],单位m/(m3/h)2。
3)地源热泵机组运行变量若第i个地源热泵机组运行,则rgshp,i=1,若第i个地源热泵机组不运行,则rgshp,i=0。
式中:
Rgshp——地源热泵机组运行变量,Rgshp=Rg;
rgshp,i——第i个地源热泵机组是否运行,i∈[1,ngshp],若运行rgshp,i=1,否则rgshp,i=0;
ngshp——地源热泵机组数目,ngshp=ng。
供冷季:供冷季地埋管分区与地源热泵机组冷凝器相连通,各地源热泵机组冷凝器阻抗并联运行的地源热泵机组冷凝器总阻抗计算公式如下所示:
因地源热泵系统采取相同的地源热泵机组,故并联运行的地源热泵机组冷凝器总阻抗计算公式可简化为:
式中:
S3——地源热泵机组冷凝器阻抗向量,单位m/(m3/h)2;
scondenser,i——第i个地源热泵机组冷凝器阻抗,i∈[1,nu],单位m/(m3/h)2;
——地源热泵机组运行数目。
供暖季:供冷季地埋管分区与地源热泵机组蒸发器相连通,各地源热泵机组蒸发器阻抗并联运行的地源热泵机组蒸发器总阻抗计算公式如下所示:
因地源热泵系统采取相同的地源热泵机组,故并联运行的地源热泵机组蒸发器总阻抗计算公式可简化为:
式中:
S3——地源热泵机组蒸发器阻抗向量,单位m/(m3/h)2;
sevaporator,i——第i个地源热泵机组冷蒸发器阻抗,i∈[1,nu],单位m/(m3/h)2。
4)地源侧管网总阻抗计算公式如下:
Sg=Sg,1+Sg,2+Sg,3 (8)
式中:
Sg——地源侧管网总阻抗,单位m/(m3/h)2;
Sg,1——地源侧循环水总管阻抗,单位m/(m3/h)2;
Sg,2——并联运行的地埋管换热器分区的总阻抗,单位m/(m3/h)2;
Sg,3——并联运行的地源热泵机组冷凝器或蒸发器总阻抗,单位m/(m3/h)2。
在复合式地源热泵系统长周期运行调度优化方法中,地源侧管网总阻抗仅与运行模式Rm、地埋管分区运行变量Rg、地源热泵机组运行数目相关,可得如下关系式:
式中:
Rm——地源热泵系统运行模式,若地源热泵系统供冷,Rm=-1,地源热泵系统供暖,Rm=1;
Rg——地埋管分区运行变量。
(b)地源侧循环泵组模型的构建:
1)单台地源侧循环水泵满频特性:
单台地源侧循环水泵满频时的流量扬程特性曲线:
单台地源侧循环水泵变频,频率为fg时的流量扬程特性曲线:
式中:
fg——频率,单位Hz;
hg,i——第i个循环水泵扬程,单位m;
Gg,i——第i个循环水泵流量,单位m3/h;
a0,g,i、a1,g,i、a2,g,i——第i个循环水泵流量扬程特性曲线系数。
单台地源侧循环水水泵满频时的流量效率特性曲线:
单台地源侧循环水泵变频,频率为fg时的流量效率特性曲线:
式中:
ηg,i——第i个循环水泵效率;
b0,g,i、b1,g,i、b2,g,i——第i个循环水泵流量效率特性曲线系数。
循环水泵的功率计算公式:
Ppump,g,i=Ppump,g,i(Gg,i,fg)=γGg,ihg,i/ηg,i=γGg,ihg,i(Gg,i,fg)/ηg,i(Gg,i,fg) (14)
式中:
Ppump,g,i——循环水泵功率,单位kW;
γ——循环水重度,单位N/m3。
2)地源侧循环泵组特性:
地源侧循环水泵数目np与地埋管分区数目ng相同,地源侧循环水泵运行变量基于并联运行的各个地源侧循环水水泵满频时的流量扬程特性曲线与地源侧循环水泵运行变量Rp,确定地源侧循环泵组的流量扬程特性曲线:
因为地源侧并联循环水泵型号一致,且泵组统一变频,故仅基于单台地源侧循环水泵满频时的流量扬程特性曲线和地源侧循环水泵运行变量Rp,便可确定地源侧循环泵组的流量扬程特性曲线:
式中:
rp,i——第i个地源侧循环水泵是否运行,i∈[1,np],若运行rp,i=1,否则rp,i=0;
np——地源侧循环水泵数目;
hg——地源侧循环泵组扬程,单位m;
Gg——地源侧循环泵组流量,单位m3/h;
a0,g、a1,g、a2,g——地源侧循环泵组流量扬程特性曲线系数。
地源侧循环泵组统一变频,当变频频率为f时的泵组流量扬程特性曲线:
3)地源侧循环泵组运行流量Gg、运行扬程hg、运行功率Ppump,g:
基于地源侧管网总阻抗Sg、地源侧循环泵组流量扬程特性曲线、地源侧泵组变频频率fg,确定地源侧循环泵组运行流量Gg和运行扬程hg。通过频率fg下的地源侧循环泵组的流量扬程特性曲线和地源侧管网总阻抗Sg,计算地源侧循环泵组运行流量Gg、运行扬程hg的计算公式如下所示:
地源侧并联循环水泵型号一致,且泵组统一变频频率为fg,则单台循环水水泵的流量为单台循环水水泵的扬程为hg,可确定地源侧单台循环水泵功率Ppump,g,i。
地源侧循环水泵泵组的功率计算公式:
式中:
Rp——地源侧循环水泵运行变量;
||Rp||0——地源侧循环水泵运行数目;
rp,i——第i个地源侧循环水泵是否运行,i∈[1,np],若运行rp,i=1,否则rp,i=0;
Ppump,g——地源侧循环水泵泵组运行功率,kW。
地源侧循环泵组运行特性(运行流量Gg、运行扬程hg、运行功率Ppump,g)与运行模式Rm、地埋管分区运行变量Rg、地源侧循环水泵运行变量Rp、地源侧循环泵组运行频率fg、地源热泵机组运行数目相关:
因地源侧为定频运行,运行频率为定值,且地埋管分区运行变量Rg与地源侧循环水泵运行变量Rp相等,地源热泵机组运行数目可简化为:
具体的,决策变量还包括调峰系统运行变量;地源热泵系统模型,包括:
式中,Pgshp,cooling,i为在供冷季第i台地源热泵机组制冷功率,T1,gshp,i为第i台地源热泵机组用户侧出水温度,T2,gshp,i为第i台地源热泵机组地源侧进水温度,PLRgshp,i为第i台地源热泵机组负荷率;a0,i、a1,i……a9,i为第i台地源热泵机组制冷功率模型系数;
Pgshp,heating,i为在供暖季第i台地源热泵机组制热功率,T3,gshp,i为第i台地源热泵机组用户侧进水温度,T4,gshp,i为第i台地源热泵机组地源侧出水温度,PLRgshp,i为第i台地源热泵机组负荷率;b0,i、b1,i……b9,i为第i台地源热泵机组制热功率模型系数;
为第k天浅层地热源日平均取热量,c为循环水比热容,ρ为循环水密度,为第k天地源侧日平均运行流量,为第k天地源侧日平均进口水温,为第k天地源侧日平均出口水温;
为第k天复合式地源热泵系统的日平均运行功率,为第k天地源热泵机组总运行功率,为第k天地源侧泵组日平均运行功率,为第k天地埋管分区运行变量,为第k天调峰系统运行变量,为第k天运行模式,为第k天预测日平均负荷。
具体的,在本发明实施例中,地源热泵系统模型的构建包括如下步骤:
(a)地源热泵机组模型的构建:
在供冷季,地源热泵机组功率Pgshp,cooling,i描述为用户侧出水温度T1,gshp,i、地源侧进水温度T2,gshp,i、机组负荷率PLRgshp,i的函数:
式中:
Pgshp,cooling,i——第i台地源热泵机组制冷功率,单位kW;
T1,gshp,i——第i台地源热泵机组用户侧出水温度,即冷冻水供水温度,单位℃;
T2,gshp,i——第i台地源热泵机组地源侧进水温度,即冷却水回水温度,单位℃;
PLRgshp,i——第i台地源热泵机组负荷率;
a0,i、a1,i……a9,i——第i台地源热泵机组制冷功率模型系数。
在供暖季,地源热泵机组功率Pgshp,heating,i描述为用户侧进水温度T3,gshp,i、地源侧出水温度T4,gshp,i、机组负荷率PLRgshp,i的函数:
式中:
Pgshp,heating,i——第i台地源热泵机组制热功率,单位kW;
T3,gshp,i——第i台地源热泵机组用户侧进水温度,即热水回水温度,单位℃;
T4,gshp,i——第i台地源热泵机组地源侧出水温度,即蒸发器出水温度,单位℃;
PLRgshp,i——第i台地源热泵机组负荷率;
b0,i、b1,i……b9,i——第i台地源热泵机组制热功率模型系数;
地源热泵机组为并联形式,且复合式地源热泵长周期运行调度优化中运行的各台地源热泵机组负荷率一致。供冷季各台地源热泵机组用户侧出水温度(冷冻水供水温度)T1,gshp、地源侧进水温度(冷却水回水温度)T2,gshp均相同,供暖季各台地源热泵机组用户侧进水温度(热水回水温度)T3,gshp、地源侧出水温度(蒸发器出水温度)T4,gshp均相同。
(b)地源热泵系统模型的构建:
1)地源热泵系统,调峰系统运行负荷:
根据地埋管分区运行变量调峰系统运行变量预测日平均负荷确定地源热泵系统日平均运行负荷调峰系统日平均运行负荷计算公式如下所示:
式中:
——第k天地源热泵系统日平均运行负荷,k∈[1,nd],单位kW;
nd——总运行天数,单位天;
——第k天调峰系统日平均运行负荷,k∈[1,nd],单位kW;
——第k天地埋管分区运行变量,k∈[1,nd];
——第k天调峰系统运行变量,k∈[1,nd]。
2)地源热泵机组负荷率:
供冷季,地源热泵机组的负荷率由地源热泵系统运行负荷地源热泵机组运行数目地源热泵机组额定制冷量Qgshp,cooling确定,计算公式如下:
供暖季,地源热泵机组的负荷率由地源热泵系统运行负荷地源热泵机组运行数目地源热泵机组额定制冷量Qgshp,heating确定,计算公式如下:
若则
3)浅层地热源响应模型:
1、基于特定运行模式特定地埋管分区运行变量根据地源侧水力模型计算地源侧运行流量计算公式如下所示:
2、在特定地源侧运行流量特定浅层地热源状态特定地源热泵系统负荷下,地源侧的进口水温与地源侧出口水温计算公式如下所示:
结合公式(27)可得:
式中:
——第k天地源侧日平均进口水温,k∈[1,nd],单位℃;
——第k天地源侧日平均出口水温,k∈[1,nd],单位℃;
——第k天运行模式,k∈[1,nd];
——第k天浅层地热源状态,k∈[1,nd]。
3、浅层地热源取热量:
浅层地热源取热量计算公式如下所示:
式中:
——第k天浅层地热源日平均取热量,k∈[1,nd],单位kW;
c——循环水比热容,单位kWh/(t·K);
ρ——循环水密度,单位t/m3;
——第k天地源侧日平均运行流量,单位m3/h。
4、当地源热泵系统制冷时,地源热泵系统从地源侧取冷,导致地源侧地温升高;当地源热泵系统制暖时,地源热泵系统从地源侧取热,导致地源侧地温降低。浅层地热源地温影响地源侧进出口水温,故应每日更新浅层地热源状态。基于当前浅层地热源状态地源热泵系统运行负荷地埋管分区运行变量更新浅层地热源状态计算公式如下所示:
式中:
——第k+1天浅层地热源状态,k∈[1,nd]。
4)地源热泵系统运行功率:
地源热泵机组日平均运行总功率计算公式如下所示:
因地源热泵机组特性、运行工况均一致,各台地源热泵机组运行功率均一致,计算公式如下所示:
式中:
——第k天地源热泵机组总运行功率,k∈[1,nd],单位kW;
——第k天地源热泵机组运行数目;
——夏季,为第k天地源热泵机组用户侧出水温度,即冷冻水供水温度;冬季,为第k天地源热泵机组用户侧进水温度,即热水回水温度,单位℃;
Tc k——夏季,为第k天浅层地热源出口水温即冷却水回水温度;冬季,为第k天浅层地热源进口水温即蒸发器出水温度,单位℃;
——第k天地源热泵机组负荷率。
结合公式(24)、(25)、(26)和(29),地源热泵机组总运行功率除了与模型参数相关外,仅与相关,计算公式可表示如下:
地源热泵系统日平均运行功率计算公式如下所示:
式中:
——第k天地源热泵系统日平均运行功率,k∈[1,nd],单位kW;
——基于式(21),k∈[1,nd],确定第k天地源热泵系统地源侧泵组日平均运行功率,单位kW。
具体的,调峰系统模型包括:
式中,为第k天调峰系统冷却塔水耗,为第k天调峰系统日平均运行负荷,Δh为冷却水焓值,为第k天调峰系统日平均运行功率,为第k天调峰系统冷水机组日平均运行功率,为第k天调峰系统冷却塔风机日平均运行功率,为第k天调峰系统冷却水循环泵日平均运行功率,为第k天日平均室外湿球温度。
具体的,在本发明实施例中,调峰系统模型的构建包括如下步骤:
在本发明实施例中,调峰系统由冷水机组(1台)、冷却塔(1台)、冷却水循环泵(1台)组成。
(a)冷水机组模型:
在供冷季,冷水机组功率Ppeak,cooling描述为用户侧出水温度T1,peak、空气源侧进水温度T2,peak、机组负荷率PLRpeak的函数:
式中:
Ppeak,cooling——调峰系统冷水机组制冷功率,单位kW;
T1,peak——调峰系统冷水机组用户侧出水温度,即冷冻水供水温度,单位℃;
T2,peak——调峰系统冷水机组空气源侧进水温度,即冷却水回水温度,单位℃;
PLRpeak——调峰系统冷水机组负荷率;
c0、c1……c9——调峰系统冷水机组制冷功率模型系数。
(b)冷却塔模型:
冷却塔风机功率频率特性曲线如下所示:
式中:
Ptower——冷却塔风机功率,单位kW;
ftower——冷却塔风机频率,单位Hz;
a0,tower、a1,tower、a2,tower——冷却塔风机功率频率模型系数。
本发明实施例利用冷却塔风机的运行数据,基于最小二乘算法,辨识冷却塔风机功率函数的性能系数。
(c)冷却水循环泵:
冷却水循环泵满频时的流量扬程特性曲线如下所示:
冷却水循环泵变频,频率为fa时的流量扬程特性曲线:
式中:
ha——冷却水循环泵扬程,单位m;
Ga——冷却水循环流量,单位m3/h;
fa——冷却水循环泵频率,单位Hz;
a0,a、a1,a、a2,a——冷却水循环泵流量扬程特性曲线系数。
冷却水循环泵满频时的流量效率特性曲线:
冷却水循环泵变频,频率为fa时的流量效率特性曲线:
式中:
ηa——冷却水循环泵效率;
Gg,i——冷却水循环泵流量,单位m3/h;
b0,a、b1,a、b2,a——冷却水循环泵流量效率特性曲线系数。
冷却水循环泵的功率计算公式:
Ppump,a=Ppump,a(Ga,fa)=γGaha/ηa=γGaha(Ga,fa)/ηa(Ga,fa) (42)
式中:
Ppump,a——冷却水循环泵运行功率,单位kW;
γ——循环水重度,单位N/m3。
(d)调峰系统模型:
1)冷水机组负荷率:
供冷季,冷水机组负荷率由调峰系统运行负荷冷水机组额定制冷量Qpeak,cooling确定,计算公式如下:
式中:
——第k天调峰系统冷水机组的负荷率,k∈[1,nd];
——第k天调峰系统日平均运行负荷,k∈[1,nd],单位kW;
Qpeak,cooling——调峰系统冷水机组额定制冷量,单位kW。
2)冷却塔风机频率:
冷却塔风机频率计算公式如下所示:
其中:
式中:
atower,des——设计工况下,空气湿球温度与冷却水供水温度之差,单位℃;
rtower,des——设计工况下,冷却水供回水温差,单位℃;
Scwr,des——调峰系统冷水机组运行功率对冷却水温度的敏感性系数,计算公式如下所示:
Scwr,des=c3+c4T2,peak+c5T1,peak+c9PLRpeak (46)
3)冷却塔风机功率:
根据确定的冷却塔风机频率基于公式(37)确定冷却塔风机功率
4)冷却水循环水泵频率:
冷却水循环水泵频率计算公式如下所示:
式中:
——第k天冷却水循环水泵日平均频率,k∈[1,nd],单位Hz;
fa,des——冷却水循环水泵设计工况运行频率,单位Hz;
fa,min——冷却水循环水泵最小运行频率,单位Hz。
4)冷却水循环水泵功率:
基于公式(42),冷却水循环水泵日平均运行功率计算公式如下所示:
式中:
Ga,des——冷却水循环水泵设计工况运行流量,单位m3/h。
4)调峰系统冷水机组运行功率:
冷水机组日平均运行功率计算公式如下所示:
式中:
——第k天调峰系统冷水机组日平均运行功率,k∈[1,nd],单位kW;
——第k天日平均室外湿球温度,单位℃;
——为定值7℃,第k天调峰系统冷水机组用户侧出水温度,即冷冻水供水温度,单位℃;
——第k天冷却塔出口水温,即冷却水回水温度,单位℃。
5)冷却塔水耗:
调峰系统冷却塔水耗计算公式如下所示:
式中:
——第k天调峰系统冷却塔水耗,k∈[1,nd],单位t/h;
Δh——冷却水焓值,单位kWh/t。
6)调峰系统运行功率:
调峰系统日平均运行功率公式如下所示:
式中:
——第k天调峰系统日平均运行功率,k∈[1,nd],单位kW;
——第k天调峰系统冷却塔风机日平均运行功率,k∈[1,nd],单位kW;
——第k天调峰系统冷却水循环泵日平均运行功率,k∈[1,nd],单位kW。
具体的,长周期运行调度优化目标函数,包括:
式中,F为长周期运行调度优化目标函数,S为优化常数,为第k天调峰系统日平均运行功率,为第k天地源热泵系统日平均运行功率,为第k天调峰系统冷却塔水耗,no为日运行小时数,Celc为单位电价,Cwater为单位水价,ρò为地源侧冷热不平衡惩罚因子,为第k天浅层地热源日平均取热量,nd为总运行天数。
在本发明实施例中,长周期运行调度优化目标函数的目标为在保证地源热泵系统地源侧取冷取热平衡的条件下,尽可能降低复合式地源热泵系统运行能耗。
图2是根据本发明实施例提供的一种基于改进的遗传算法和长周期运行调度优化目标函数对决策变量寻优求解的流程图。如图2所示,步骤S108还包括如下步骤:
步骤S1081,采用生成随机数的方法,对表征决策变量的染色体的每一维变量进行初始化赋值,得到初始化规模为N的初始群体;
步骤S1082,基于长周期运行调度优化目标函数评估各个染色体的适应值,保存适应值最大的染色体为最优染色体;
步骤S1083,对初始群体分别进行选择操作、交叉操作和变异操作,得到下一代群体;
步骤S1084,对下一代群体中进行染色体修正操作,得到修正之后的下一代群体;染色体修正操作包括:将位于决策变量的可行域之外的染色体进行修正操作,以使修正之后的染色体为复合式地源热泵系统进行长周期运行调度问题的有效解;
步骤S1085,基于修正之后的下一代群体,更新最优染色体;
步骤S1086,在进化代数超过预设迭代次数后,将最优染色体对应的决策变量确定为目标决策变量。
具体的,本发明实施例提供的方法中,对决策变量进行寻优的流程如下:
1)优化周期nd:
当年供冷季开始至次年供冷季结束,包含供冷季、过渡季、供暖季、过渡季共计365天;
2)运行调度优化间隔ΔT:
过渡季节复合式地源热泵系统不运行,故运行调度优化间隔仅作用于供冷季和供暖季,且在一个运行调度优化间隔周期内每天的地埋管分区运行变量调峰系统运行变量均一致,共计ncool个供冷季运行调度优化间隔,nheat个供暖季运行调度优化间隔。
注:因供冷季、供暖季运行天数可能无法整除ΔT,故供冷季、供暖季最后一个优化间隔天数可能不足ΔT。
3)决策变量X:
决策变量为每日地埋管分区运行变量、调峰系统运行变量,可表示为:k∈[1,nd],基于运行调度优化间隔内每天的地埋管分区运行变量调峰系统运行变量均一致,决策变量可变形为 mg∈[1,ncool+nheat],mp∈(ncool,ncool+nheat]。注:决策变量两种形式可以相互转换。
其中:
——第mg个调度优化间隔内的地埋管分区运行变量;
——第mp个调度优化间隔内的调峰系统运行变量。
以下步骤均采用如下实施例进行:复合式地源热泵系统的地源热泵系统含有两个地埋管分区(地源热泵机组数目、地源侧循环泵组水泵数目与地埋管分区数目一致)、调峰系统含有一台冷水机组(冷却塔数目、冷却水循环水泵数目均为1)。
3)计算决策变量可行域:
1、计算供冷季、供暖季各调度优化间隔内的最大日平均负荷
2、计算供冷季复合式地源热泵系统各种地埋管分区运行变量和调峰系统运行变量组合工况下最大运行负荷计算供暖季复合式地源热泵系统各种地埋管分区运行变量工况下最大运行负荷
供冷季,示例:
供暖季,示例:
3、计算满足供冷季、供暖季各调度优化间隔内的最大日平均负荷的决策变量可行域。在供冷季,若地埋管分区和调峰系统均运行,仍不可满足则可行域仅有1种工况,即地埋管分区和调峰系统均运行,在供暖季,若地埋管分区均运行,仍不可满足则可行域仅有1种工况,即地埋管分区运行,
4)改进的遗传算法:
1、利用二进制编码方法对染色体进行编码以表征决策变量其二进制编码表示如:
2、群体初始化:
初始化规模为N的群体,采用生成随机数的方法,对染色体的每一维变量进行初始化赋值。当前进化代数Generation=0。
3、染色体修正:
其次保证染色体群体中各染色体均为长周期运行调度优化问题的有效解,即染色体位于决策变量可行域。若染色体不是长周期运行调度优化问题的有效解,则对不满足有效解定义的染色体片段进行修正,保证染色体为长周期运行调度优化问题的有效解。
4、适应值评价,保存最优染色体:
基于复合式地源热泵系统长周期运行调度优化目标函数评估各个染色体的适应值,染色体适应值越大的染色体越优,保存适应值最大的染色体Best。
5、选择操作:
根据轮盘赌选择法在染色体群体中选择染色体,按照群体中各染色体适应值大小切分区域大小,即适应值越大的染色体占比越大,越有可能被选中,同时由于时随机选取,也保证了适应值小的染色体也有可能被选中。
6、交配(即交叉操作):
在染色体交配阶段,每个染色体能否进行交配操作由交配概率pc(取值为0.9)决定,其具体过程为:对于每个染色体,如果均匀分布产生的[0,1]区间的随机数小于pc则表示该染色体可进行交配操作,否则染色体不参与交配直接复制到新种群中。
每两个按照pc交配概率选择出来的染色体进行交配,经过交换各自的部分基因,产生两个新的子代染色体。本发明交配操作利用单点交叉算法产生两个新的子代染色体,并将其添加到新种群中。
7、变异操作:
按照变异概率pm对新种群中染色体的基因进行变异操作。发生变异的基因数值发生改变,变异后的染色体取代原有染色体进入新群体,未发生殡仪的染色体直接进入新群体。
8、染色体修正操作:
在进行染色体交配和变异操作后,为保证新染色体群体中各染色体均为长周期运行调度优化问题的有效解,即染色体位于决策变量可行域。若染色体不是长周期运行调度优化问题的有效解,则对不满足有效解定义的染色体片段进行修正,保证染色体为长周期运行调度优化问题的有效解。
9、重新评价适应值,更新最优染色体:
重新计算群体中各个染色体的适应值。倘若群体的最大适应值大于染色体Best的适应值,则以该最大适应值对应的染色体替代染色体Best。
10、终止条件:
当前进化代数Generation加1.如果Generation超过规定的最大进化代数,算法结束,否则返回。
最终输出参数:最优染色体Best对应的决策变量X,即长周期最优运行调度方案。
由以上描述可知,本发明实施例提供了一种复合式地源热泵系统长周期运行调度优化方法,基于建立的地源热泵系统模型与地源热泵机组模型,考虑经济性和地源热泵系统地源侧取冷取热平衡,构建长周期运行调度优化目标函数,利用改进的遗传算法对长周期源侧运行调度优化问题进行求解。不仅为复合式地源热泵系统地源侧取冷取热平衡的实际运行奠定了基础;同时,配合其他优化算法可以提高地源热泵系统的效率和可靠性,降低能耗和运行成本。
实施例二
图3是根据本发明实施例提供的一种复合式地源热泵系统长周期运行调度优化装置的示意图。如图3所示,该装置包括:第一构建模块10,第二构建模块20,第三构建模块30,优化模块40和调度模块50。
具体的,第一构建模块10,用于基于复合式地源热泵系统的决策变量,分别构建复合式地源热泵系统的地源侧水力模型和调峰系统模型。
第二构建模块20,用于基于地源侧水力模型和决策变量,构建复合式地源热泵系统的地源热泵系统模型。
第三构建模块30,用于基于地源热泵系统模型和调峰系统模型,构建复合式地源热泵系统的长周期运行调度优化目标函数。
优化模块40,用于基于改进的遗传算法和长周期运行调度优化目标函数,对决策变量寻优求解,得到目标决策变量;改进的遗传算法包括对染色体修正操作。
调度模块50,用于基于目标决策变量,对复合式地源热泵系统进行长周期运行调度。
优选地,决策变量包括地埋管分区运行变量和调峰系统运行变量。
具体的,地源侧水力模型,包括:
Sg=Sg,1+Sg,2+Sg,3=Sg(Rm,Rg)
式中,Sg为地源侧管网总阻抗,Sg,1为地源侧循环水总管阻抗,Sg,2为并联运行的地埋管换热器分区的总阻抗,Sg,3为并联运行的地源热泵机组冷凝器或蒸发器的总阻抗,Rm为复合式地源热泵系统的运行模式,Rg为地埋管分区运行变量;Gg为地源侧循环泵组运行流量,hg为地源侧循环泵组运行扬程,Ppump,g为地源侧循环水泵泵组运行功率。
具体的,地源热泵系统模型,包括:
式中,Pgshp,cooling,i为在供冷季第i台地源热泵机组制冷功率,T1,gshp,i为第i台地源热泵机组用户侧出水温度,T2,gshp,i为第i台地源热泵机组地源侧进水温度,PLRgshp,i为第i台地源热泵机组负荷率;a0,i、a1,i……a9,i为第i台地源热泵机组制冷功率模型系数;
Pgshp,heating,i为在供暖季第i台地源热泵机组制热功率,T3,gshp,i为第i台地源热泵机组用户侧进水温度,T4,gshp,i为第i台地源热泵机组地源侧出水温度,PLRgshp,i为第i台地源热泵机组负荷率;b0,i、b1,i……b9,i为第i台地源热泵机组制热功率模型系数;
为第k天浅层地热源日平均取热量,c为循环水比热容,ρ为循环水密度,为第k天地源侧日平均运行流量,为第k天地源侧日平均进口水温,为第k天地源侧日平均出口水温;
为第k天复合式地源热泵系统的日平均运行功率,为第k天地源热泵机组总运行功率,为第k天地源侧泵组日平均运行功率,为第k天地埋管分区运行变量,为第k天调峰系统运行变量,为第k天运行模式,为第k天预测日平均负荷。
具体的,调峰系统模型包括:
式中,为第k天调峰系统冷却塔水耗,为第k天调峰系统日平均运行负荷,Δh为冷却水焓值,为第k天调峰系统日平均运行功率,为第k天调峰系统冷水机组日平均运行功率,为第k天调峰系统冷却塔风机日平均运行功率,为第k天调峰系统冷却水循环泵日平均运行功率,为第k天日平均室外湿球温度。
具体的,长周期运行调度优化目标函数,包括:
式中,F为长周期运行调度优化目标函数,S为优化常数,为第k天调峰系统日平均运行功率,为第k天地源热泵系统日平均运行功率,为第k天调峰系统冷却塔水耗,no为日运行小时数,Celc为单位电价,Cwater为单位水价,ρò为地源侧冷热不平衡惩罚因子,为第k天浅层地热源日平均取热量,nd为总运行天数。
具体的,优化模块40,还用于:
采用生成随机数的方法,对表征决策变量的染色体的每一维变量进行初始化赋值,得到初始化规模为N的初始群体;
基于长周期运行调度优化目标函数评估各个染色体的适应值,保存适应值最大的染色体为最优染色体;
对初始群体分别进行选择操作、交叉操作和变异操作,得到下一代群体;
对下一代群体中进行染色体修正操作,得到修正之后的下一代群体;染色体修正操作包括:将位于决策变量的可行域之外的染色体进行修正操作,以使修正之后的染色体为复合式地源热泵系统进行长周期运行调度问题的有效解;
基于修正之后的下一代群体,更新最优染色体;
在进化代数超过预设迭代次数后,将最优染色体对应的决策变量确定为目标决策变量。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种复合式地源热泵系统长周期运行调度优化方法,其特征在于,包括:
基于复合式地源热泵系统的决策变量,分别构建所述复合式地源热泵系统的地源侧水力模型和调峰系统模型;
基于所述地源侧水力模型和所述决策变量,构建所述复合式地源热泵系统的地源热泵系统模型;
基于所述地源热泵系统模型和所述调峰系统模型,构建所述复合式地源热泵系统的长周期运行调度优化目标函数;
基于改进的遗传算法和所述长周期运行调度优化目标函数,对所述决策变量寻优求解,得到目标决策变量;所述改进的遗传算法包括对染色体修正操作;
基于所述目标决策变量,对所述复合式地源热泵系统进行长周期运行调度;
所述决策变量包括地埋管分区运行变量;所述地源侧水力模型,包括:
Sg=Sg,1+Sg,2+Sg,3=Sg(Rm,Rg)
式中,Sg为所述地源侧管网总阻抗,Sg,1为地源侧循环水总管阻抗,Sg,2为并联运行的地埋管换热器分区的总阻抗,Sg,3为并联运行的地源热泵机组冷凝器或蒸发器的总阻抗,Rm为所述复合式地源热泵系统的运行模式,Rg为所述地埋管分区运行变量;Gg为地源侧循环泵组运行流量,hg为地源侧循环泵组运行扬程,Ppump,g为地源侧循环水泵泵组运行功率;
所述决策变量还包括调峰系统运行变量;所述地源热泵系统模型,包括:
式中,Pgshp,cooling,i为在供冷季第i台地源热泵机组制冷功率,T1,gshp,i为第i台地源热泵机组用户侧出水温度,T2,gshp,i为第i台地源热泵机组地源侧进水温度,PLRgshp,i为第i台地源热泵机组负荷率;a0,i、a1,i……a9,i为第i台地源热泵机组制冷功率模型系数;
Pgshp,heating,i为在供暖季第i台地源热泵机组制热功率,T3,gshp,i为第i台地源热泵机组用户侧进水温度,T4,gshp,i为第i台地源热泵机组地源侧出水温度,PLRgshp,i为第i台地源热泵机组负荷率;b0,i、b1,i……b9,i为第i台地源热泵机组制热功率模型系数;
为第k天浅层地热源日平均取热量,c为循环水比热容,ρ为循环水密度,为第k天地源侧日平均运行流量,为第k天地源侧日平均进口水温,为第k天地源侧日平均出口水温;
为第k天复合式地源热泵系统的日平均运行功率,为第k天地源热泵机组总运行功率,为第k天地源侧泵组日平均运行功率,为第k天地埋管分区运行变量,为第k天调峰系统运行变量,为第k天运行模式,为第k天预测日平均负荷;
所述调峰系统模型包括:
式中,为第k天调峰系统冷却塔水耗,为第k天调峰系统日平均运行负荷,Δh为冷却水焓值,为第k天调峰系统日平均运行功率,为第k天调峰系统冷水机组日平均运行功率,为第k天调峰系统冷却塔风机日平均运行功率,为第k天调峰系统冷却水循环泵日平均运行功率,为第k天日平均室外湿球温度;
所述长周期运行调度优化目标函数,包括:
式中,F为所述长周期运行调度优化目标函数,S为优化常数,为第k天调峰系统日平均运行功率,为第k天地源热泵系统日平均运行功率,Mtower为调峰系统冷却塔水耗,no为日运行小时数,Celc为单位电价,Cwater为单位水价,ρò为地源侧冷热不平衡惩罚因子,为第k天浅层地热源日平均取热量,nd为总运行天数。
2.根据权利要求1所述的方法,其特征在于:基于改进的遗传算法和所述长周期运行调度优化目标函数,对所述决策变量寻优求解,得到目标决策变量,包括:
采用生成随机数的方法,对表征所述决策变量的染色体的每一维变量进行初始化赋值,得到初始化规模为N的初始群体;
基于所述长周期运行调度优化目标函数评估各个染色体的适应值,保存适应值最大的染色体为最优染色体;
对所述初始群体分别进行选择操作、交叉操作和变异操作,得到下一代群体;
对所述下一代群体中进行染色体修正操作,得到修正之后的下一代群体;所述染色体修正操作包括:将位于所述决策变量的可行域之外的染色体进行修正操作,以使修正之后的染色体为所述复合式地源热泵系统进行长周期运行调度问题的有效解;
基于修正之后的下一代群体,更新所述最优染色体;
在进化代数超过预设迭代次数后,将所述最优染色体对应的决策变量确定为所述目标决策变量。
3.一种复合式地源热泵系统长周期运行调度优化装置,其特征在于,包括:第一构建模块,第二构建模块,第三构建模块,优化模块和调度模块;其中,
所述第一构建模块,用于基于复合式地源热泵系统的决策变量,分别构建所述复合式地源热泵系统的地源侧水力模型和调峰系统模型;
所述第二构建模块,用于基于所述地源侧水力模型和所述决策变量,构建所述复合式地源热泵系统的地源热泵系统模型;
所述第三构建模块,用于基于所述地源热泵系统模型和所述调峰系统模型,构建所述复合式地源热泵系统的长周期运行调度优化目标函数;
所述优化模块,用于基于改进的遗传算法和所述长周期运行调度优化目标函数,对所述决策变量寻优求解,得到目标决策变量;所述改进的遗传算法包括对染色体修正操作;
所述调度模块,用于基于所述目标决策变量,对所述复合式地源热泵系统进行长周期运行调度;
所述决策变量包括地埋管分区运行变量;所述地源侧水力模型,包括:
Sg=Sg,1+Sg,2+Sg,3=Sg(Rm,Rg)
式中,Sg为所述地源侧管网总阻抗,Sg,1为地源侧循环水总管阻抗,Sg,2为并联运行的地埋管换热器分区的总阻抗,Sg,3为并联运行的地源热泵机组冷凝器或蒸发器的总阻抗,Rm为所述复合式地源热泵系统的运行模式,Rg为所述地埋管分区运行变量;Gg为地源侧循环泵组运行流量,hg为地源侧循环泵组运行扬程,Ppump,g为地源侧循环水泵泵组运行功率;
所述决策变量还包括调峰系统运行变量;所述地源热泵系统模型,包括:
式中,Pgshp,cooling,i为在供冷季第i台地源热泵机组制冷功率,T1,gshp,i为第i台地源热泵机组用户侧出水温度,T2,gshp,i为第i台地源热泵机组地源侧进水温度,PLRgshp,i为第i台地源热泵机组负荷率;a0,i、a1,i……a9,i为第i台地源热泵机组制冷功率模型系数;
Pgshp,heating,i为在供暖季第i台地源热泵机组制热功率,T3,gshp,i为第i台地源热泵机组用户侧进水温度,T4,gshp,i为第i台地源热泵机组地源侧出水温度,PLRgshp,i为第i台地源热泵机组负荷率;b0,i、b1,i……b9,i为第i台地源热泵机组制热功率模型系数;
为第k天浅层地热源日平均取热量,c为循环水比热容,ρ为循环水密度,为第k天地源侧日平均运行流量,为第k天地源侧日平均进口水温,为第k天地源侧日平均出口水温;
为第k天复合式地源热泵系统的日平均运行功率,为第k天地源热泵机组总运行功率,为第k天地源侧泵组日平均运行功率,为第k天地埋管分区运行变量,为第k天调峰系统运行变量,为第k天运行模式,为第k天预测日平均负荷;
所述调峰系统模型包括:
式中,为第k天调峰系统冷却塔水耗,为第k天调峰系统日平均运行负荷,Δh为冷却水焓值,为第k天调峰系统日平均运行功率,为第k天调峰系统冷水机组日平均运行功率,为第k天调峰系统冷却塔风机日平均运行功率,为第k天调峰系统冷却水循环泵日平均运行功率,为第k天日平均室外湿球温度;
所述长周期运行调度优化目标函数,包括:
式中,F为所述长周期运行调度优化目标函数,S为优化常数,为第k天调峰系统日平均运行功率,为第k天地源热泵系统日平均运行功率,Mtower为调峰系统冷却塔水耗,no为日运行小时数,Celc为单位电价,Cwater为单位水价,ρò为地源侧冷热不平衡惩罚因子,为第k天浅层地热源日平均取热量,nd为总运行天数。
4.根据权利要求3所述的装置,其特征在于:所述决策变量包括地埋管分区运行变量和调峰系统运行变量。
5.根据权利要求3所述的装置,其特征在于:所述优化模块,还用于:
采用生成随机数的方法,对表征所述决策变量的染色体的每一维变量进行初始化赋值,得到初始化规模为N的初始群体;
基于所述长周期运行调度优化目标函数评估各个染色体的适应值,保存适应值最大的染色体为最优染色体;
对所述初始群体分别进行选择操作、交叉操作和变异操作,得到下一代群体;
对所述下一代群体中进行染色体修正操作,得到修正之后的下一代群体;所述染色体修正操作包括:将位于所述决策变量的可行域之外的染色体进行修正操作,以使修正之后的染色体为所述复合式地源热泵系统进行长周期运行调度问题的有效解;
基于修正之后的下一代群体,更新所述最优染色体;
在进化代数超过预设迭代次数后,将所述最优染色体对应的决策变量确定为所述目标决策变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410013981.7A CN117689178B (zh) | 2024-01-04 | 2024-01-04 | 复合式地源热泵系统长周期运行调度优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410013981.7A CN117689178B (zh) | 2024-01-04 | 2024-01-04 | 复合式地源热泵系统长周期运行调度优化方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117689178A CN117689178A (zh) | 2024-03-12 |
CN117689178B true CN117689178B (zh) | 2024-05-17 |
Family
ID=90137202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410013981.7A Active CN117689178B (zh) | 2024-01-04 | 2024-01-04 | 复合式地源热泵系统长周期运行调度优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117689178B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118009582B (zh) * | 2024-04-10 | 2024-06-07 | 天津大学 | 复合式地源热泵系统机组启停优化方法及其装置 |
CN118112938B (zh) * | 2024-04-29 | 2024-07-09 | 天津大学 | 复合式地源热泵系统短周期控制策略优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109186127A (zh) * | 2018-08-15 | 2019-01-11 | 西安交通大学 | 一种地源热泵全局优化控制方法 |
CN109950933A (zh) * | 2018-05-24 | 2019-06-28 | 国网河南省电力公司安阳供电公司 | 一种基于改进粒子群算法的风光储联合调峰优化方法 |
CN111898206A (zh) * | 2020-07-30 | 2020-11-06 | 长安大学 | 一种基于改进遗传算法的参数优化方法、计算机设备及存储介质 |
CN112232980A (zh) * | 2020-09-14 | 2021-01-15 | 浙江大学 | 一种区域能源供热系统热泵机组调控方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222711B (zh) * | 2020-01-16 | 2022-04-08 | 大连理工大学 | 一种基于指标联动分析的电力系统调峰调度多目标优化方法 |
-
2024
- 2024-01-04 CN CN202410013981.7A patent/CN117689178B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109950933A (zh) * | 2018-05-24 | 2019-06-28 | 国网河南省电力公司安阳供电公司 | 一种基于改进粒子群算法的风光储联合调峰优化方法 |
CN109186127A (zh) * | 2018-08-15 | 2019-01-11 | 西安交通大学 | 一种地源热泵全局优化控制方法 |
CN111898206A (zh) * | 2020-07-30 | 2020-11-06 | 长安大学 | 一种基于改进遗传算法的参数优化方法、计算机设备及存储介质 |
CN112232980A (zh) * | 2020-09-14 | 2021-01-15 | 浙江大学 | 一种区域能源供热系统热泵机组调控方法 |
Non-Patent Citations (1)
Title |
---|
地热-储能耦合系统公建供暖方案及运行策略研究;任亚鹏;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20231215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117689178A (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117689178B (zh) | 复合式地源热泵系统长周期运行调度优化方法和装置 | |
CN110866641B (zh) | 计及源储荷协同的多能互补系统两级优化调度方法及系统 | |
Calise et al. | A solar-driven 5th generation district heating and cooling network with ground-source heat pumps: a thermo-economic analysis | |
Hamdy et al. | A multi-stage optimization method for cost-optimal and nearly-zero-energy building solutions in line with the EPBD-recast 2010 | |
CN110094802B (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 | |
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 | |
CN108631343A (zh) | 一种多能互补能源互联网优化调度方法 | |
CN109376912B (zh) | 基于民用建筑物热惯性的冷热电联供系统运行优化方法 | |
CN104778631A (zh) | 一种面向需求响应的居民用户用电模式优化方法 | |
CN112182887B (zh) | 一种综合能源系统规划优化仿真方法 | |
CN112883630B (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
Deng et al. | Comparative analysis of optimal operation strategies for district heating and cooling system based on design and actual load | |
CN115857348A (zh) | 考虑两联供热泵舒适供能的分布式能量系统容量优化方法 | |
CN113255224A (zh) | 一种基于发光萤火虫算法的能源系统配置优化方法 | |
CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 | |
Yuan et al. | Load allocation methods for the thermal and electrical chillers in distributed energy systems for system efficiency improvement | |
CN113505939B (zh) | 一种考虑不确定性因素的能源系统随机规划方法及系统 | |
CN114970940A (zh) | 一种考虑热负荷不确定性的电热系统随机优化调度方法 | |
CN114240203A (zh) | 一种包含热泵的配电网与分布式风电协同规划方法和装置 | |
CN109583637B (zh) | 一种集中供热系统中散热器面积的优化方法 | |
CN115378002A (zh) | 一种基于混合储能的区域级综合能源系统优化调度模型 | |
Fong et al. | A robust evolutionary algorithm for HVAC engineering optimization | |
Tuchowski et al. | Optimizing the air source heat pump's working time in the context of increasing the energy efficiency ratio | |
CN118112938B (zh) | 复合式地源热泵系统短周期控制策略优化方法 | |
CN111340267A (zh) | 基于块数据的区域综合能源系统的优化控制方法和设备 |
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 |