预览加载中,请您耐心等待几秒...
1/8
2/8
3/8
4/8
5/8
6/8
7/8
8/8

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113610152A(43)申请公布日2021.11.05(21)申请号202110900598.X(22)申请日2021.08.06(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人丁研李俊初伍绍红王磊朱书峰王勇(74)专利代理机构北京东方盛凡知识产权代理事务所(普通合伙)11562代理人李娜(51)Int.Cl.G06K9/62(2006.01)G06N3/12(2006.01)F24F11/46(2018.01)权利要求书2页说明书4页附图1页(54)发明名称一种基于负荷模式的空调系统灵活性运行策略制定方法(57)摘要本发明公开了一种基于负荷模式的空调系统灵活性运行策略制定方法。可应用于建筑节能相关领域的科学研究和工程应用。双步聚类的方法同时考虑冷热负荷曲线形态变化和负荷数值大小。通过聚类区分获得典型负荷模式,进而将灵活性指标作为优化目标,与运行能耗目标一起,纳入运行策略的多目标优化过程中,采用Topsis灰色关联度熵权法进行运行策略的多目标决策。本运行策略制定方法可以实现负荷模式的高精度识别,此外,针对不同的冷热负荷模式,对比优化前的策略实现了运行电耗和费用的节约。分析优化的结果可以发现对建筑的空调系统进行有计划地调节,可以实现建筑空调系统节能节费运行。CN113610152ACN113610152A权利要求书1/2页1.一种基于负荷模式的空调系统灵活性运行策略制定方法,其特征在于,包括以下步骤:1)研究归类建筑负荷曲线的特征,提出负荷曲线的分类标准和分类特征,从而实现建筑负荷曲线的典型模式建立,针对负荷的模式进行了分类关键指标的分析和分类器的训练;2)采用灰箱建模,建立空调系统模型,同时考虑各能源设备运行耦合约束,获得优化算法的实际问题测试模型;3)在实际系统优化问题中,获得不同负荷模式下的最优供能方案,在优化的过程中,通过各设备时间表的调节,实现负荷曲线的需求响应调节。2.根据权利要求1所述的基于负荷模式识别的建筑空调系统日前灵活性运行策略制定方法,其特征在于多目标最优化策略的建立依据来自建筑的历史负荷模式,该方法考虑了灵活性大小的变化对运行策略带来的影响,来建立日前的调度策略。3.根据权利要求2所述的负荷模式识别方法,其特征在于建筑负荷曲线的典型模式建立和分类的方法是:外层聚类对负荷进行标准化之后,采用形态相似进行判别,内层对外层得到的不同类型的负荷进行进一步的聚类,得到负荷大小相似的类簇。第一步采用了基于余弦相似性的聚类,计算余弦相似性是通过计算两个向量的夹角进行判断,夹角越小时认为结果越相似。余弦相似度的计算公式如下:余弦相似度:第二步采用了基于欧氏距离的聚类,使用欧式距离是最常见的聚类方法,计算通过求解两点之间的距离对变量进行聚类。传统欧氏距离的计算公式如下:欧氏距离:式中:E‑平方误差;μi‑质心;k‑样本集;Ci‑簇。建筑负荷曲线的典型模式建立和分类的特征指标是:a)平均日负荷计算开机之后的建筑负荷的平均值。b)最大日负荷(Qmax):反映了一天中的负荷极大值,在该时间的负荷调控时通常需要被削减,或通过增加设备来满足负荷需求。c)负荷变化率(ΔQ):反应研究日的负荷变化剧烈程度。通过计算负荷逐时变化率的平均值求得反应全天负荷变化;d)峰值负荷率,按照天津市物价局的规定,电网的峰期的时间为8:00‑11:00,18:00‑23:00计算了电价处于峰值的时候需要被满足的总建筑冷热负荷;2CN113610152A权利要求书2/2页式中:平均峰值负荷,kW建筑负荷曲线的典型模式分类的方法是:在分类器训练中采用了决策树分类以及最近邻(KNN)。通过训练分类器,在获得新的负荷曲线时,将其归类于现有的典型负荷曲线类别中。计算时考虑了负荷的特征对于分类精度的影响。分类时选用5交叉验证计算数据的分类精度。4.根据权利要求3所述的建筑空调系统日前灵活性运行策略制定方法,其特征在于空调系统模型的建立方法是:研究将24h视为一个运行周期,计算了在一天的运行中的最高灵活性和最低运行能耗并将其作为优化目标。目标1:全天的灵活性最高/运行费用最低f1=FF空调系统模型的灵活性计算方法是:计算不同负荷情景的灵活性因子(FF):目标2:全天的能耗最低其中W设备是各设备能耗的总和,W热泵、W储热、W循环泵和W太阳能是热泵,储热、循环泵和太阳能的运行能耗。CNYi为在第i小时的电价。以上两个优化目标中的各个参数可以从具体设备的模型中获得。最优供能方案优化算法是多目标遗传算法,算法降低了寻优过程中的计算复杂度,可以在帕累托前沿附近找到更好的解决方案和更好的收敛性。对于优化的决策部分采用TOPSIS‑熵权‑灰色关联度分析法进行多目标决策。3C