能源规划中区块化供能方案及运行策略分析

基于某能源规划项目打造区块之间的能源互联系统。首先对该区域可再生资源禀赋和各区块产业分布进行全面分析。根据冷热电负荷预测和区块用能特点,利用混合整数线性规划方法确定能源系统方案并制定运行策略。根据区块地理位置和周边资源禀赋,可利用周边海水资源打造区块互联的海水源热泵能源总线系统。由于公共建筑用能时间与居住建筑用能时间的互补性,公共建筑用能谷段时间可以将海水源能源总线富余部分调配给居住建筑,并起到削峰填谷和能源高效利用的作用。最终实现区块化能源微网系统对多种能源形式的高效供给和互联互通。     

基于深度强化学习的分布式能源系统运行优化

分布式能源系统凭借其高效、环保、经济、可靠、和灵活等特点成为我国能源未来发展的重要方向。目前我国的很多分布式能源系统经济效益较差,主要原因是能源系统没有良好的运行策略。本文提出一种基于深度强化学习的分布式能源系统运行优化方法。首先,对分布式能源系统的各个设备进行数学建模。深入阐述了强化学习的基本原理、深度学习对强化学习的结合原理及一种基于演员评论家算法的分布式近端策略优化(Distributed Proximal Policy Optimization, DPPO)算法流程,将分布式能源系统运行优化问题转化为马尔可夫决策过程(Markov decision process,MDP)。最后采用历史的数据对智能体进行训练,训练完成的模型可以实现对本文的分布式能源系统的实时优化,并对比了深度Q网络(Deep Q Network, DQN)算法和LINGO获得的调度策略。结果表明,本文提出的基于DPPO算法的能源系统调度优化方法较DQN算法和LINGO得到的结果运行费用分别降低了7.12%和2.27%,可以实现能源系统的经济性调度。     

基于聚类选址的区域能源系统站网布局优化规划

区域能源系统中能源站选址和管网布局规划是影响区域能源系统经济性的重要因素.综合考虑能源站选址、管网布局与负荷分布的特点,提出了基于聚类和最短路径算法的站网布局优化方法.首先,将最短路径权重作为聚类相似性度量,建立站网布局结构模型.然后以系统年均经济成本最小为目标,构架优化目标函数.最后以实际工程案例进行仿真分析,验证了该方法的有效性.所提出的方法可以对区域内能源站数量、选址以及管网布局进行综合优化,为区域能源系统站网布局规划提供理论参考.     

考虑负荷密度的区域能源系统供能分区规划

现有的区域能源系统规划研究中缺乏科学有效的供能分区优化方法,且能源站的供能范围、数量和选址中未能考虑负荷密度特性问题,为此提出考虑负荷密度的区域能源系统供能分区优化设计方法.首先研究了负荷分布与能源站经济供能半径的关系,根据管网拓扑结构简化模型建立了负荷密度与能源站经济供能半径优化模型.进而基于推导得到的经济供能半径和...     

基于实测数据并联变频水泵运行优化

为了有效降低地源热泵空调系统循环水泵的能耗,通过输配侧水泵参数拟合其单台特性曲线后利用相似原理得到多台水泵并联的性能特性并与实测数据对比验证,通过界限频率法对输配侧水泵的运行台数及频率进行优化研究,在满足扬程需求及流量需求的前提下得到优化后的水泵台数及频率,并提出频率浮动半径,为变工况的水泵运行提出量化的运行策略。结果表明：地源侧总流量在单台水泵额定流量的100%~136%和181%~193%范围内宜分别用2台和3台水泵,且优化后的节能率分别约为31.61%和19.56%;空调侧总流量单台水泵额定流量的230%~260% 范围内宜用3台水泵,且优化后水泵节能率约为12.82% 。可见优化效果明显。     

CDM项目的经济性分析——太阳能发电在中国商业楼宇中的导入

运用数学模型，对在中国的商业楼字中以清洁发展机制（CDM）的方式导入太阳能发电进行了分析．该模型可以在满足电力供求平衡的前提下确定最佳的导入容量．运用该模型对投资费用和电价进行了参数分析．分析结果表明，在一定的条件下，即使没有CDM的参与，在中国的商业楼字中导入太阳能发电也是可行的．但是，通过CDM项目，可以极大地减小太阳能发电的导入壁垒，CO2的减排收益也可弥补太阳能发电的投资费用，使项目双方都获得相应的利益．     

基于建筑虚拟储能的分布式能源系统优化调度

由于建筑的热惰性及室内空气的蓄热属性,当系统制冷或制热设备功率变化后,室内温度存在滞后现象,同时室内温度在一定范围变化时不会影响人体的舒适度。该文根据建筑的蓄热属性建立了建筑虚拟储能模型,引入到分布式能源系统的优化调度当中,在用户可接受室温范围内对室温进行优化调节,实现了虚拟储能的充释能管理。算例以独栋的小型楼宇的夏季制冷场景为例,以包含环境因素的日综合运行成本最小为优化目标,根据求解结果分析了虚拟储能对调度产生的影响,结果表明建筑虚拟储能参与系统的优化调度使总费用下降约3.8%。     

贫数据中基于模型自训练的空气处理设备故障诊断

针对空气处理设备（AHU）故障贫数据,基于深度置信网络（DBN）模型对4种特征选择算法进行对比研究,结果表明最大相关最小冗余算法的特征子集在诊断准确率及子集元素稳定性上表现最优。提出将DBN 嵌入自训练框架的故障诊断模型,发现DBN自训练的诊断准确率较单纯DBN最高可提升19.5%。提出均匀抽样及按比例抽样2种自训练伪标签抽样策略,二者的诊断准确率均随抽样数减小而增大,在不同抽样数中的最大差异为3.42%;在所有贫数据样本中,均匀抽样策略始终优于按比例抽样,诊断准确率最大相差1.39%,表明在故障标签匮乏时,采用均匀抽样策略及较小的抽样数有利于提升DBN自训练的诊断性能。