CN117709554B - 一种储热与电磁加热器联合的能源调度方法及系统 - Google Patents
一种储热与电磁加热器联合的能源调度方法及系统 Download PDFInfo
- Publication number
- CN117709554B CN117709554B CN202410158086.4A CN202410158086A CN117709554B CN 117709554 B CN117709554 B CN 117709554B CN 202410158086 A CN202410158086 A CN 202410158086A CN 117709554 B CN117709554 B CN 117709554B
- Authority
- CN
- China
- Prior art keywords
- data
- heat supply
- result
- scheme
- analysis
- 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
- 238000005338 heat storage Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 111
- 238000011156 evaluation Methods 0.000 claims abstract description 52
- 230000005611 electricity Effects 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 20
- 238000010438 heat treatment Methods 0.000 claims description 34
- 238000012544 monitoring process Methods 0.000 claims description 33
- 238000000605 extraction Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000005265 energy consumption Methods 0.000 claims description 10
- 230000032683 aging Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 16
- 230000008859 change Effects 0.000 abstract description 10
- 238000005457 optimization Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 21
- 238000004146 energy storage Methods 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000005485 electric heating Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明公开了一种储热与电磁加热器联合的能源调度方法及系统,属于能源调度领域,其中方法包括:建立时段电价,获取历史供热需求数据;提取数据特征,建立供热时序数据;通过时段电价、热能时序损失数据库建立评价适应度函数;进行供热方案拟合与供热方案寻优,建立寻优空间;执行方案的稳态分析,生成第一关联系数;通过波动评价结果进行抗波动分析,生成第二关联系数;执行寻优空间内的方案筛选,完成储热与电磁加热器的联合能源调度。本申请解决了现有技术中储热系统与电磁加热器缺乏协同优化调度,导致成本高、供热效果不佳的技术问题,达到了高效协同储热系统与电磁加热器,实时响应需求变化,降低成本,提升供热效果的技术效果。
Description
技术领域
本发明涉及能源调度领域,具体涉及一种储热与电磁加热器联合的能源调度方法及系统。
背景技术
随着建筑采暖技术的发展,针对大型公共建筑的供热配置也日趋多元化。采用燃气锅炉或电热锅炉等传统供热系统,热源效率及调节性能有限,导致供热效果差;而使用地源热泵、太阳能等新型供热方案,投资及运行成本过高。因此,储热与电磁加热器因被越来越多公共建筑选用,但此类系统只进行固定配置,面对供热需求的变化,往往导致运行成本大幅提高且供热效果不佳的问题。
发明内容
本申请通过提供了一种储热与电磁加热器联合的能源调度方法及系统,旨在解决现有技术中储热系统与电磁加热器缺乏协同优化调度,导致成本高、供热效果不佳的技术问题,达到了高效协同储热系统与电磁加热器,实时响应需求变化,降低成本,提升供热效果的技术效果。
鉴于上述问题,本申请提供了一种储热与电磁加热器联合的能源调度方法及系统。
本申请公开的第一个方面,提供了一种储热与电磁加热器联合的能源调度方法,该方法包括:对目标监测区域进行区域通信连接,通过通信连接结果建立时段电价,并获取目标监测区域的历史供热需求数据;提取历史供热需求数据的数据特征,并通过数据特征执行目标时间段内的供热需求预测,建立供热时序数据;建立储热系统的热能时序损失数据库,并通过时段电价、热能时序损失数据库建立能源消耗的评价适应度函数;以供热时序数据进行供热方案拟合,并通过评价适应度函数进行供热方案寻优,建立寻优空间;在寻优空间内执行方案的执行稳态分析,生成寻优空间内方案的第一关联系数;调用供热时序数据的波动评价结果,并通过波动评价结果进行寻优空间内方案的抗波动分析,生成寻优空间内方案的第二关联系数;基于第一关联系数和第二关联系数执行寻优空间内的方案筛选,根据方案筛选结果完成储热与电磁加热器的联合能源调度。
本申请公开的另一个方面,提供了一种储热与电磁加热器联合的能源调度系统,该系统包括:时段电价建立模块,用于对目标监测区域进行区域通信连接,通过通信连接结果建立时段电价,并获取目标监测区域的历史供热需求数据;供热需求预测模块,用于提取历史供热需求数据的数据特征,并通过数据特征执行目标时间段内的供热需求预测,建立供热时序数据;适应度函数建立模块,用于建立储热系统的热能时序损失数据库,并通过时段电价、热能时序损失数据库建立能源消耗的评价适应度函数;供热方案寻优模块,用于以供热时序数据进行供热方案拟合,并通过评价适应度函数进行供热方案寻优,建立寻优空间;稳态分析执行模块,用于在寻优空间内执行方案的执行稳态分析,生成寻优空间内方案的第一关联系数;抗干扰分析模块,用于调用供热时序数据的波动评价结果,并通过波动评价结果进行寻优空间内方案的抗波动分析,生成寻优空间内方案的第二关联系数;联合能源调度模块,用于基于第一关联系数和第二关联系数执行寻优空间内的方案筛选,根据方案筛选结果完成储热与电磁加热器的联合能源调度。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了对目标监测区域进行区域通信连接,通过通信连接结果建立时段电价,并获取目标监测区域的历史供热需求数据,获取所需的时段电价信息和供热需求数据作为后续预测和调度的基础;提取历史供热需求数据的数据特征,并通过数据特征执行目标时间段内的供热需求预测,建立供热时序数据,形成供热负荷的预测序列数据;建立储热系统的热能时序损失数据库,并通过时段电价、热能时序损失数据库建立能源消耗的评价适应度函数,用于评估不同调度方案的优劣;以供热时序数据进行供热方案拟合,并通过评价适应度函数进行供热方案寻优,建立寻优空间,在满足负荷需求的前提下,搜索出一组候选的优化调度方案;在寻优空间内执行方案的执行稳态分析,生成寻优空间内方案的第一关联系数,评估调度方案的稳定性情况;调用供热时序数据的波动评价结果,并通过波动评价结果进行寻优空间内方案的抗波动分析,生成寻优空间内方案的第二关联系数,评估调度方案对负荷变化的适应性;基于第一关联系数和第二关联系数执行寻优空间内的方案筛选,根据方案筛选结果完成储热与电磁加热器的联合能源调度,确定效果最优的调度方案,完成联合能源调度,实现对储热系统与电加热的联合优化调度与协同控制的技术方案,解决了现有技术中储热系统与电磁加热器缺乏协同优化调度,导致成本高、供热效果不佳的技术问题,达到了高效协同储热系统与电磁加热器,实时响应需求变化,降低成本,提升供热效果的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种储热与电磁加热器联合的能源调度方法的一种流程示意图;
图2为本申请实施例提供了一种储热与电磁加热器联合的能源调度方法中获得第一关联系数的一种流程示意图;
图3为本申请实施例提供了一种储热与电磁加热器联合的能源调度系统的一种结构示意图。
附图标记说明:时段电价建立模块11,供热需求预测模块12,适应度函数建立模块13,供热方案寻优模块14,稳态分析执行模块15,抗干扰分析模块16,联合能源调度模块17。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了一种储热与电磁加热器联合的能源调度方法及系统,以实现储热系统与电磁加热器的高效协同与动态优化调度,形成稳定、经济的供热方案。
首先,通过分析目标区域的时段电价与历史供热特征,预测未来一段时期内建筑的供热需求时序。然后,基于储热系统的热能时序损失数据库与时段电价建立评价适应度函数,从而构建储热系统与电磁加热器联合运行的方案寻优空间,拟合出多种可能的供热方案。在此基础上,分析各种供热方案的稳定性与抗扰动波动的能力,筛选出综合性能最优的供热运行策略,并指导储热系统与电磁加热器按此方案联合运行,实现两者之间的动态协同与优化调度,以有效改善建筑供热的经济性与稳定性。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种储热与电磁加热器联合的能源调度方法,该方法包括:
对目标监测区域进行区域通信连接,通过通信连接结果建立时段电价,并获取目标监测区域的历史供热需求数据;
在本申请实施例中,首先,获取目标监测区域的地理信息数据,确认目标监测区域的地理范围。其次,查找目标监测区域内的供热企业信息,获取企业的通信接入信息。然后,通过互联网、专线或无线通信的方式,分别与目标监测区域内的供热企业建立通信连接。接着,与连接的供热企业签订数据共享协议,获取用户供热量数据、用户供热费率数据。随后,对不同用户类型、不同用热时间段实行差异化电价政策,形成时段电价,其中,时段电价包括夜间谷电期间、白天平电时段、峰电时段等多个分时电价。同时,收集过去的月度和日度用热量原始数据,形成目标监测区域的历史供热需求数据集。
提取所述历史供热需求数据的数据特征,并通过所述数据特征执行目标时间段内的供热需求预测,建立供热时序数据;
在本申请实施例中,首先,对得到的历史供热需求数据集进行预处理,包括清洗缺失值、平滑异常数据点等。然后,分析历史供热需求数据的统计特性,提取描述供热需求变化的数据特征,包括但不限于日均值、日变异系数等。然后,结合目标监测区域的地理环境和社会特征,选择适合的供热需求预测模型,例如多变量回归模型、时序预测模型和机器学习模型等,使用提取的数据特征作为模型输入变量,训练供热需求预测模型,使其学习历史数据的变化模式。随后,设置所关注的预测时段,使用训练好的预测模型完成未来一周或一个月的供热负荷预测,形成供热时序数据。反映未来阶段内建筑物或小区对供热量的变动趋势
建立储热系统的热能时序损失数据库,并通过时段电价、热能时序损失数据库建立能源消耗的评价适应度函数;
在本申请实施例中,首先,获取当前储热系统的产品技术说明书,确定其设计参数,例如储热容量、保温材料、供回水参数等。然后,对该储热系统进行蓄热充放热循环试验,多次重复测试取得热储存效率的数据,建立起热能时序损失数据库。
之后,在热能时序损失数据库中,提取出储热系统在不同蓄热容量下,运行一个充放电循环后的耗热量数据,根据时段电价,计算储热系统在不同时段充电后的电费成本,即充电成本。随后,根据蓄热容量和耗热量数据,计算放电过程中损失的可利用热量价值,即损耗成本。得到的充电成本和损耗成本即为不同时段运行一个充放电循环的总能源消耗成本。接着,将各时段的成本数据进行整合,构建成关于时段与成本的评价数据集。此后,基于评价数据集,建立能源消耗成本与时段的映射关系,即为评价适应度函数。
以所述供热时序数据进行供热方案拟合,并通过所述评价适应度函数进行供热方案寻优,建立寻优空间;
在本申请实施例中,首先,加载得到的供热时序数据,并设置供热方案的参数,如储热系统容量、供水温度、运行时段、电磁加热器额定供热量等。然后,根据供热时序数据动态模拟储热系统与电磁加热器的运行参数,实现对供热时序数据的拟合,得到拟合的供热方案。随后,对每个拟合得到的供热方案,调用储热系统的热能时序损失数据库,查找到对应的热损数据,再结合运行时段,代入评价适应度函数中,计算该方案在整个供热周期的评价适应度。接着,将得到的评价适应度与根据供热要求设置的适应度阈值进行比较,选取评价适应度大于或等于适应度阈值的拟合供热方案作为候选供热方案,从而使候选供热方案组成寻优空间,为寻找最优的联合调度方案提供基础。
在所述寻优空间内执行方案的执行稳态分析,生成寻优空间内方案的第一关联系数;
在本申请实施例中,首先,提取寻优空间中的每一组供热方案,获取其中对储能系统和电磁加热器的控制参数,包括运行时段、目标供热温度、热负荷分担率等。然后,收集储能系统和电磁加热器的产品技术规格书,建立设备的数学模型,描述其结构参数、稳态特性等静态映射关系。随后,运行设备的数学模型,使用提取的控制参数作为模型输入变量,模拟储能系统和电磁加热器的运行状态,判断是否符合产品标准中所定义的稳态约束区间。随后,根据运行状态在稳态约束区间中的位置,得到寻优空间内每一组供热方案的第一关联系数,有效识别每组供热方案的稳定性情况,为得到最优的联合调度供热方案提供支持。
调用所述供热时序数据的波动评价结果,并通过波动评价结果进行寻优空间内方案的抗波动分析,生成寻优空间内方案的第二关联系数;
在本申请实施例中,首先,加载预测得到的供热时序数据,检测供热时序数据中日负荷的标准差和方差,并计算时序数据的平均日变异指数,判定供热负荷的波动程度,生成波动评价结果。随后,对寻优空间中的每一组供热方案进行模拟运行,判断供热输出对波动评价结果中负荷变化的跟踪误差,将该跟踪误差作为抗扰动性能的定量指标,记为第二关联系数。其中,第二关联系数的供热方案,其抗负荷波动的鲁棒性越好。
基于所述第一关联系数和所述第二关联系数执行寻优空间内的方案筛选,根据方案筛选结果完成储热与电磁加热器的联合能源调度。
在本申请实施例中,根据供热需求设置第一关联系数和第二关联系数的权重系数,根据第一关联系数、第二关联系数,以及这两个系数的权重系数设置积分评价函数。随后,将寻优空间中的每组供热方案的第一关联系数和第二关联系数,代入积分评价函数中,计算每组供热方案的评价积分,提取评价积分最大的供热方案,作为方案筛选结果。之后,以方案筛选结果中的供热方案配置储热系统和电磁加热器的控制参数,包括运行时段、温度曲线等,从而完成储热与电磁加热器的联合能源调度。
通过筛选出运行稳定性高、同时能适应负荷波动的最优供热方案,使储热系统与电磁加热器实现成本低且供热效果佳的协同运用。
进一步的,本申请实施例还包括:
对所述历史供热需求数据进行供热天气特征提取,建立第一数据特征;
对所述历史供热需求数据进行日期特征提取,建立第二数据特征,其中,日期特征提取包括星期特征提取、节假日特征提取;
以所述第一数据特征和所述第二数据特征作为匹配特征,执行目标时间段内的特征匹配;
根据特征匹配结果完成供热需求预测,建立供热时序数据。
在一种优选的实施方式中,首先,加载历史供热需求数据,解析出其中包含的温度、湿度等天气字段信息,去除异常数据后,以温度为变量,绘制供热负荷的分布散点图,通过观测散点分布的集中程度,确定与负荷相关性较强的温度区间,并在该区间内,计算供热负荷的平均值、方差,以及温度增减导致的负荷变化量,将相关温度区间、供热负荷统计参数、变化量等构成温度与供热映射的特征。重复上述统计提取过程,获得湿度、风力等其他参数的映射特征,得到第一数据特征。同时,加载历史供热需求数据,解析提取其中的日期字段,得到自然日序列,将自然日序列根据阳历规则分析映射为对应的星期类别,即星期一至星期日,统计每个星期类别日期下的平均供热负荷、方差,以及工作日间负荷涨落的差异性,实现星期特征提取;同步,识别法定节假日,比较节假日和工作日的供热负荷模式的差异,实现节假日特征提取;将得到的星期特征提取和节假日特征汇总构成第二数据特征。
之后,加载需要进行预测的目标时间段,解析拆分为多个自然日的序列,对每个自然日,获取对应的第一数据特征,并判断其日属性特征,得到目标时间段的第二数据特征,即星期特征和节假日。接着,查找目标时间段的第一数据特征和第二数据特征相同的所有历史日期的供热需求数据,作为特征匹配结果。然后,在目标预测时段内,对每日对应的特征匹配结果按照自然日序列进行排序,完成供热需求预测,得到目标时间段内的日负荷预测序列,建立供热时序数据。
进一步的,本申请实施例还包括:
调用所述特征匹配结果中对应的历史供热需求数据,建立特征数据集;
对所述特征数据集进行数据的加权均值计算,将加权均值计算结果作为预测标定结果;
以所述预测标定结果作为聚类中心,执行特征数据集的数据离散分析,生成离散标识;
将所述离散标识作为波动评价结果,执行对应预测标定结果的映射,根据映射结果完成联合能源调度。
在一种可行的实施方式中,首先,加载得到特征匹配结果,其中包括与目标时间段内的第一数据特征和第二数据特征匹配的历史供热需求数据,对特征匹配结果对应的历史供热需求数据进行特征提取,得到特征数据集。随后,解析特征数据集中存储的各历史样本及对应负荷数据,设置按时间衰减指数,计算各样本相对目标时间段的时间跨度,并赋予对应权值。然后,结合赋予的权值,针对特征数据集内所有样本数据执行加权均值计算,得到标定后的预测负荷值,作为预测标定结果。
之后,将得到的预测标定结果,作为聚类中心点,导入构建的特征数据集,解析提取预测日及对应的负荷值,执行K-Means聚类,根据预测负荷离聚类中心点的距离判定分类标签,标识每个预测负荷的数据分散程度,并以0-1的数字进行标识,0表示样本点完全集中,1代表极其分散,从而得到离散标识。此后,将得到的离散标识转换映射为不同波动等级,从而得到波动评价结果,例如,离散标识为0-0.33映射为低波动,0.33-0.66为中波动,大于0.66判定为高波动性。接着,将波动评价结果与预测标定结果进行映射,得到目标时间段内不同时段的供热需求波动情况,以此为基础对储能系统和电磁加热器进行联合调度,实现供热的稳定运行。
进一步的,如图2所示,本申请实施例还包括:
对所述寻优空间内方案进行电磁加热器的控制数据提取;
获取电磁加热器的设备状态数据;
以所述控制数据和所述设备状态数据进行设备运行的负荷分析,将负荷分析结果作为设备自稳态分析结果;
通过设备自稳态分析结果获得所述第一关联系数。
在一种可行的实施方式中,首先,对寻优空间中的每一组供热方案进行依次提取,获取其中对电磁加热器的控制数据,例如设备启停时刻表、目标温度曲线、输出功率等。同时,连接电磁加热器设备,配置传感器采集水流量、温度、电流等工作状态,得到电磁加热器的设备状态数据。
随后,基于电磁加热器的热力学模型,建立电磁加热器的稳态约束模型,加载电磁加热器控制数据集和电磁加热器的设备状态数据,代入稳态约束模型中,模拟在该状态下的负荷运行情况。接着,分析稳态约束模型的输出值与稳态基准值的偏差,作为负荷分析结果,即为设备自稳态分析结果。其中,偏差越小表示在给定控制数据和当前电磁加热器的设备状态下运行越为平稳。此后,将得到的设备自稳态分析结果作为电磁加热器自身稳定性分析的第一关联系数。
进一步的,本申请实施例还包括:
调用电磁加热器的供电线路标识,以所述供电线路标识进行线路数据调用,建立线路数据集,其中,所述线路数据集包括线路基础数据集、线路老化分析数据集和线路时段工作数据集;
以所述线路数据集执行线路稳态的分析,生成线路稳态分析结果,分析如下:
a:以线路基础数据集和所述线路老化分析数据集构建负荷分析网络;
b:提取所述线路时段工作数据集中的时段线路数据,将所述时段线路数据作为第一数据,将寻优空间内方案的电磁加热器线路数据作为第二数据,将所述第一数据和所述第二数据输入所述负荷分析网络;
c:接收所述负荷分析网络的分析结果,将其作为线路稳态分析结果;
通过设备自稳态分析结果与线路稳态分析结果获取所述第一关联系数。
在一种优选的实施方式中,首先,识别电磁加热器的供电线路标识,基于这些供电线路标识在供电公司的电网线路数据库中提取电磁加热器的供电线路的线路数据,得到线路数据集,包括基础数据集、线路老化分析数据集和线路时段工作数据集。其中,基础数据集为供电线路的基础技术参数,如线路电压等级、线路规格、线路长度和允许电流等;线路老化分析数据集为供电线路的实际损耗情况,包括导体型号、运行寿命、温升情况和电阻增长率等;线路时段工作数据集为供电线路在不同时段的负载曲线。
然后,基于传热理论模型,利用线路基础数据集和线路老化分析数据集,建立综合考虑线路长度、材料热参数、环境温度、负载电流的线路供电数学模型,在该线路供电数学模型基础上,利用python语言中的神经网络库,构建输入为时段线路数据和电磁加热器线路数据,输出为线路稳态分析结果的负荷分析网络。之后,加载线路时段工作数据集,解析提取其中不同时段线路的使用数据,即时段线路数据,作为第一数据;同时提取模拟寻优空间不同供热方案中的电磁加热器控制方案,提取对应时段线路使用数据,作为第二数据。随后,将得到的第一数据和第二数据输入构建的负荷分析网络中,判定在该情况下的电磁加热器的供电线路的线路稳定性,得到线路稳态分析结果。
之后,根据专家经验对得到的设备自稳态分析结果与线路稳态分析结果设置对应的权重,然后以设置的权重对设备自稳态分析结果与线路稳态分析结果进行汇总,同时考虑电磁加热器自身设备和连接供电线路的稳定性,得到第一关联系数。
进一步的,本申请实施例还包括:
对所述电磁加热器进行联合能源调度执行的持续监测;
以持续监测结果进行电磁加热器实际运行态势分析,生成态势分析结果;
判断所述态势分析结果是否满足预设阈值;
若不能满足预设阈值,则报出运行异常,并对所述电磁加热器执行停机处理。
在一种可行的实施方式中,当通过选取的最优供热方案对储能系统和电磁加热器进行控制后,同时启动实时监测程序模块,实时检测电磁加热器进出水接口的温度值和流量值,并检测电磁加热器的输出功率值、当前电流值、工作状态等信号,得到持续监测结果。随后,对比持续监测结果与最优供热方案预期值之间的持续偏差,得到电磁加热器在实际运行过程中与预期运行状态的波动情况,得到态势分析结果。
随后,对态势分析结果中的持续偏差进行实时解析,将实时发生的偏差与根据供热要求设置的预设偏差阈值进行比较,当持续偏差小于预设偏差阈值时,即为态势分析结果满足预设阈值。当持续偏差大于或等于预设偏差阈值时,即为态势分析结果不满足预设阈值,此时,在对电磁加热器监测的人机交互界面中,弹出电磁加热器运行异常的提示框,同时声光报警器发出报警信号,并下发停机控制指令至电磁加热器,避免电磁加热器长期异常运行。
进一步的,本申请实施例还包括:
建立备用辅助热源空气源热泵,当任意设备报出运行异常时,通过辅助热源空气源热泵进行匹配调用;
通过匹配调用结果完成联合能源调度的执行。
在一种优选的实施方式中,选择辅助热源空气源热泵作为供热系统中的备用辅助热源,当供热系统中的任一供热设备,如电磁加热器,由于异常运行而停机之后,为保证供热的稳定性,以辅助热源空气源热泵匹配目标监测区域的供热需求,得到匹配调用结果,包含辅助热源空气源热泵的运行时段、运动功率等。
随后,一旦监测到任意设备异常运行,对该设备进行停机,并向备用辅助热源空气源热泵发送启动命令,根据匹配调用结果实现对目标监测区域的供热,完成联合能源调度,保证供热的稳定运行。
综上所述,本申请实施例所提供的一种储热与电磁加热器联合的能源调度方法具有如下技术效果:
对目标监测区域进行区域通信连接,通过通信连接结果建立时段电价,并获取目标监测区域的历史供热需求数据,为后续供热需求预测和联合调度建立数据基础。提取历史供热需求数据的数据特征,并通过数据特征执行目标时间段内的供热需求预测,建立供热时序数据,提供供热方案拟合的目标需求。建立储热系统的热能时序损失数据库,并通过时段电价、热能时序损失数据库建立能源消耗的评价适应度函数,为后续供热方案评估选择提供依据。以供热时序数据进行供热方案拟合,并通过评价适应度函数进行供热方案寻优,建立寻优空间,形成初选的供热方案。在寻优空间内执行方案的执行稳态分析,生成寻优空间内方案的第一关联系数,评价运行稳定性。调用供热时序数据的波动评价结果,并通过波动评价结果进行寻优空间内方案的抗波动分析,生成寻优空间内方案的第二关联系数,反映负荷波动适应性。基于第一关联系数和第二关联系数执行寻优空间内的方案筛选,根据方案筛选结果完成储热与电磁加热器的联合能源调度,实现储热系统与电加热模块高效协同、动态调节的建筑供热策略,实现经济性与稳定性的改善。
实施例二
基于与前述实施例中一种储热与电磁加热器联合的能源调度方法相同的发明构思,如图3所示,本申请实施例提供了一种储热与电磁加热器联合的能源调度系统,该系统包括:
时段电价建立模块11,用于对目标监测区域进行区域通信连接,通过通信连接结果建立时段电价,并获取目标监测区域的历史供热需求数据;
供热需求预测模块12,用于提取所述历史供热需求数据的数据特征,并通过所述数据特征执行目标时间段内的供热需求预测,建立供热时序数据;
适应度函数建立模块13,用于建立储热系统的热能时序损失数据库,并通过时段电价、热能时序损失数据库建立能源消耗的评价适应度函数;
供热方案寻优模块14,用于以所述供热时序数据进行供热方案拟合,并通过所述评价适应度函数进行供热方案寻优,建立寻优空间;
稳态分析执行模块15,用于在所述寻优空间内执行方案的执行稳态分析,生成寻优空间内方案的第一关联系数;
抗干扰分析模块16,用于调用所述供热时序数据的波动评价结果,并通过波动评价结果进行寻优空间内方案的抗波动分析,生成寻优空间内方案的第二关联系数;
联合能源调度模块17,用于基于所述第一关联系数和所述第二关联系数执行寻优空间内的方案筛选,根据方案筛选结果完成储热与电磁加热器的联合能源调度。
进一步的,供热需求预测模块12包括以下执行步骤:
对所述历史供热需求数据进行供热天气特征提取,建立第一数据特征;
对所述历史供热需求数据进行日期特征提取,建立第二数据特征,其中,日期特征提取包括星期特征提取、节假日特征提取;
以所述第一数据特征和所述第二数据特征作为匹配特征,执行目标时间段内的特征匹配;
根据特征匹配结果完成供热需求预测,建立供热时序数据。
进一步的,联合能源调度模块17还包括以下执行步骤:
调用所述特征匹配结果中对应的历史供热需求数据,建立特征数据集;
对所述特征数据集进行数据的加权均值计算,将加权均值计算结果作为预测标定结果;
以所述预测标定结果作为聚类中心,执行特征数据集的数据离散分析,生成离散标识;
将所述离散标识作为波动评价结果,执行对应预测标定结果的映射,根据映射结果完成联合能源调度。
进一步的,稳态分析执行模块15包括以下执行步骤:
对所述寻优空间内方案进行电磁加热器的控制数据提取;
获取电磁加热器的设备状态数据;
以所述控制数据和所述设备状态数据进行设备运行的负荷分析,将负荷分析结果作为设备自稳态分析结果;
通过设备自稳态分析结果获得所述第一关联系数。
进一步的,稳态分析执行模块15还包括以下执行步骤:
调用电磁加热器的供电线路标识,以所述供电线路标识进行线路数据调用,建立线路数据集,其中,所述线路数据集包括线路基础数据集、线路老化分析数据集和线路时段工作数据集;
以所述线路数据集执行线路稳态的分析,生成线路稳态分析结果,分析如下:
a:以线路基础数据集和所述线路老化分析数据集构建负荷分析网络;
b:提取所述线路时段工作数据集中的时段线路数据,将所述时段线路数据作为第一数据,将寻优空间内方案的电磁加热器线路数据作为第二数据,将所述第一数据和所述第二数据输入所述负荷分析网络;
c:接收所述负荷分析网络的分析结果,将其作为线路稳态分析结果;
通过设备自稳态分析结果与线路稳态分析结果获取所述第一关联系数。
进一步的,本申请实施例还包括运行异常管理模块,该模块包括以下执行步骤;
对所述电磁加热器进行联合能源调度执行的持续监测;
以持续监测结果进行电磁加热器实际运行态势分析,生成态势分析结果;
判断所述态势分析结果是否满足预设阈值;
若不能满足预设阈值,则报出运行异常,并对所述电磁加热器执行停机处理。
进一步的,运行异常管理模块还包括以下执行步骤:
建立备用辅助热源空气源热泵,当任意设备报出运行异常时,通过辅助热源空气源热泵进行匹配调用;
通过匹配调用结果完成联合能源调度的执行。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (6)
1.一种储热与电磁加热器联合的能源调度方法,其特征在于,所述方法包括:
对目标监测区域进行区域通信连接,通过通信连接结果建立时段电价,并获取目标监测区域的历史供热需求数据;
提取所述历史供热需求数据的数据特征,并通过所述数据特征执行目标时间段内的供热需求预测,建立供热时序数据,包括:
对所述历史供热需求数据进行供热天气特征提取,建立第一数据特征;
对所述历史供热需求数据进行日期特征提取,建立第二数据特征,其中,日期特征提取包括星期特征提取、节假日特征提取;
以所述第一数据特征和所述第二数据特征作为匹配特征,执行目标时间段内的特征匹配;
根据特征匹配结果完成供热需求预测,建立供热时序数据;
建立储热系统的热能时序损失数据库,并通过时段电价、热能时序损失数据库建立能源消耗的评价适应度函数;
以所述供热时序数据进行供热方案拟合,并通过所述评价适应度函数进行供热方案寻优,建立寻优空间;
在所述寻优空间内执行方案的执行稳态分析,生成寻优空间内方案的第一关联系数;
调用所述供热时序数据的波动评价结果,并通过波动评价结果进行寻优空间内方案的抗波动分析,生成寻优空间内方案的第二关联系数;
基于所述第一关联系数和所述第二关联系数执行寻优空间内的方案筛选,根据方案筛选结果完成储热与电磁加热器的联合能源调度,包括:
调用所述特征匹配结果中对应的历史供热需求数据,建立特征数据集;
对所述特征数据集进行数据的加权均值计算,将加权均值计算结果作为预测标定结果;
以所述预测标定结果作为聚类中心,执行特征数据集的数据离散分析,生成离散标识;
将所述离散标识作为波动评价结果,执行对应预测标定结果的映射,根据映射结果完成联合能源调度。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述寻优空间内方案进行电磁加热器的控制数据提取;
获取电磁加热器的设备状态数据;
以所述控制数据和所述设备状态数据进行设备运行的负荷分析,将负荷分析结果作为设备自稳态分析结果;
通过设备自稳态分析结果获得所述第一关联系数。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
调用电磁加热器的供电线路标识,以所述供电线路标识进行线路数据调用,建立线路数据集,其中,所述线路数据集包括线路基础数据集、线路老化分析数据集和线路时段工作数据集;
以所述线路数据集执行线路稳态的分析,生成线路稳态分析结果,分析如下:
a:以线路基础数据集和所述线路老化分析数据集构建负荷分析网络;
b:提取所述线路时段工作数据集中的时段线路数据,将所述时段线路数据作为第一数据,将寻优空间内方案的电磁加热器线路数据作为第二数据,将所述第一数据和所述第二数据输入所述负荷分析网络;
c:接收所述负荷分析网络的分析结果,将其作为线路稳态分析结果;
通过设备自稳态分析结果与线路稳态分析结果获取所述第一关联系数。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述电磁加热器进行联合能源调度执行的持续监测;
以持续监测结果进行电磁加热器实际运行态势分析,生成态势分析结果;
判断所述态势分析结果是否满足预设阈值;
若不能满足预设阈值,则报出运行异常,并对所述电磁加热器执行停机处理。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
建立备用辅助热源空气源热泵,当任意设备报出运行异常时,通过辅助热源空气源热泵进行匹配调用;
通过匹配调用结果完成联合能源调度的执行。
6.一种储热与电磁加热器联合的能源调度系统,其特征在于,用于实施权利要求1-5任意一项所述的一种储热与电磁加热器联合的能源调度方法,所述系统包括:
时段电价建立模块,所述时段电价建立模块用于对目标监测区域进行区域通信连接,通过通信连接结果建立时段电价,并获取目标监测区域的历史供热需求数据;
供热需求预测模块,所述供热需求预测模块用于提取所述历史供热需求数据的数据特征,并通过所述数据特征执行目标时间段内的供热需求预测,建立供热时序数据,包括:
对所述历史供热需求数据进行供热天气特征提取,建立第一数据特征;
对所述历史供热需求数据进行日期特征提取,建立第二数据特征,其中,日期特征提取包括星期特征提取、节假日特征提取;
以所述第一数据特征和所述第二数据特征作为匹配特征,执行目标时间段内的特征匹配;
根据特征匹配结果完成供热需求预测,建立供热时序数据;
适应度函数建立模块,所述适应度函数建立模块用于建立储热系统的热能时序损失数据库,并通过时段电价、热能时序损失数据库建立能源消耗的评价适应度函数;
供热方案寻优模块,所述供热方案寻优模块用于以所述供热时序数据进行供热方案拟合,并通过所述评价适应度函数进行供热方案寻优,建立寻优空间;
稳态分析执行模块,所述稳态分析执行模块用于在所述寻优空间内执行方案的执行稳态分析,生成寻优空间内方案的第一关联系数;
抗干扰分析模块,所述抗干扰分析模块用于调用所述供热时序数据的波动评价结果,并通过波动评价结果进行寻优空间内方案的抗波动分析,生成寻优空间内方案的第二关联系数;
联合能源调度模块,所述联合能源调度模块用于基于所述第一关联系数和所述第二关联系数执行寻优空间内的方案筛选,根据方案筛选结果完成储热与电磁加热器的联合能源调度,包括:
调用所述特征匹配结果中对应的历史供热需求数据,建立特征数据集;
对所述特征数据集进行数据的加权均值计算,将加权均值计算结果作为预测标定结果;
以所述预测标定结果作为聚类中心,执行特征数据集的数据离散分析,生成离散标识;
将所述离散标识作为波动评价结果,执行对应预测标定结果的映射,根据映射结果完成联合能源调度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410158086.4A CN117709554B (zh) | 2024-02-04 | 2024-02-04 | 一种储热与电磁加热器联合的能源调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410158086.4A CN117709554B (zh) | 2024-02-04 | 2024-02-04 | 一种储热与电磁加热器联合的能源调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117709554A CN117709554A (zh) | 2024-03-15 |
CN117709554B true CN117709554B (zh) | 2024-04-16 |
Family
ID=90144631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410158086.4A Active CN117709554B (zh) | 2024-02-04 | 2024-02-04 | 一种储热与电磁加热器联合的能源调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117709554B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108964124A (zh) * | 2018-07-19 | 2018-12-07 | 国网江苏省电力有限公司宿迁供电分公司 | 增量配电网中计及电价响应的分布式电源并网优化配置方法 |
CN110311371A (zh) * | 2019-06-28 | 2019-10-08 | 天津大学 | 一种基于虚拟储能的光伏冷库系统及其负荷主动调控方法 |
CN113177323A (zh) * | 2021-05-14 | 2021-07-27 | 华北电力大学 | 基于矩不确定分布式鲁棒的电热综合系统优化调度方法 |
CN116247682A (zh) * | 2023-05-08 | 2023-06-09 | 国网辽宁省电力有限公司 | 蓄热式电采暖参与配电网负荷调控方法、装置及存储介质 |
WO2023109112A1 (zh) * | 2021-12-13 | 2023-06-22 | 河北工业大学 | 一种基于空气源热泵的蓄供能系统 |
CN116644851A (zh) * | 2023-05-29 | 2023-08-25 | 大唐黑龙江发电有限公司哈尔滨第一热电厂 | 结合负荷优化配置的热电厂设备控制方法及系统 |
-
2024
- 2024-02-04 CN CN202410158086.4A patent/CN117709554B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108964124A (zh) * | 2018-07-19 | 2018-12-07 | 国网江苏省电力有限公司宿迁供电分公司 | 增量配电网中计及电价响应的分布式电源并网优化配置方法 |
CN110311371A (zh) * | 2019-06-28 | 2019-10-08 | 天津大学 | 一种基于虚拟储能的光伏冷库系统及其负荷主动调控方法 |
CN113177323A (zh) * | 2021-05-14 | 2021-07-27 | 华北电力大学 | 基于矩不确定分布式鲁棒的电热综合系统优化调度方法 |
WO2023109112A1 (zh) * | 2021-12-13 | 2023-06-22 | 河北工业大学 | 一种基于空气源热泵的蓄供能系统 |
CN116247682A (zh) * | 2023-05-08 | 2023-06-09 | 国网辽宁省电力有限公司 | 蓄热式电采暖参与配电网负荷调控方法、装置及存储介质 |
CN116644851A (zh) * | 2023-05-29 | 2023-08-25 | 大唐黑龙江发电有限公司哈尔滨第一热电厂 | 结合负荷优化配置的热电厂设备控制方法及系统 |
Non-Patent Citations (1)
Title |
---|
集中供热管网时序数据质量提升方法;刘航池;天津大学国际工程师学院学位论文;20171231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117709554A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116646933B (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
AU2017368470B2 (en) | System and method for dynamic energy storage system control | |
KR102187327B1 (ko) | 자동기계학습 기반의 건물 부하 최적 관리 및 제어 시스템 | |
Finck et al. | Review of applied and tested control possibilities for energy flexibility in buildings | |
CN110675275B (zh) | 一种虚拟电厂的需求侧响应用电负荷调控方法及系统 | |
JP2003242212A (ja) | ユーティリティの消費特性が類似する曜日を決定する装置および方法 | |
CN115660225A (zh) | 一种基于电表通信模块的用电负荷预测管理方法及系统 | |
CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
Ceccon et al. | Intelligent electric power management system for economic maximization in a residential prosumer unit | |
Yu et al. | Estimating power demand shaving capacity of buildings on an urban scale using extracted demand response profiles through machine learning models | |
Li et al. | Modeling and management performances of distributed energy resource for demand flexibility in Japanese zero energy house | |
US20190236725A1 (en) | Energy program communication control system and method based on load shape analysis | |
CN117709554B (zh) | 一种储热与电磁加热器联合的能源调度方法及系统 | |
CN116633016B (zh) | 一种基于高频数据采集技术的电力管理系统和方法 | |
US20220237476A1 (en) | Machine learning predictive model based on electricity load shapes | |
Nadeem et al. | Short term load forecasting on PRECON dataset | |
KR102327413B1 (ko) | 전력 관리 장치 및 방법 | |
Choudhury | Demand Forecasting in DHC-network using machine learning models | |
JP7303707B2 (ja) | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム | |
El Bakali et al. | Efficient real-time cost optimization of a two-layer electric water heater system under model uncertainties | |
Davydenko et al. | Monitoring of energy efficiency of district heating system facilities: methodology for determining the energy baseline | |
Chen et al. | Review on Smart Meter Data Clustering and Demand Response Analytics | |
US20230261468A1 (en) | System and method for determining power production in an electrical power grid | |
Osama et al. | Intelligent Techniques for Smart Home Energy Management Based on Internet of Things (IoT) Paradigm. | |
Glória et al. | Improve energy efficiency of irrigation systems using smartgrid and random forest |
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 |