论文部分内容阅读
人工智能的出现推动了能源信息网和能流规划的发展。传统的仅依靠人工调节供热设备的运行方式已经不再满足当今精细化调节的运行需求。通过更加精确地对运行策略进行划分，一方面可以依据不同曲线的特征进行供热设备的控制，满足电网调峰的需要，另一方面也可以提高运行的经济性。
本文提出了一种基于负荷模式识别进行运行调节的综合能源系统最优运行策略制定方法。研究以某高校供热机房作为示例，首先通过分析了目前较新和较为经典的多目标群智能优化算法在能源系统运行优化问题上体现出的性能差距，选择性能表现较好的NSGA-Ⅱ算法进行实际系统运行优化策略的计算；接下来通过聚类获得该机房供热建筑的典型负荷模式。利用K-means聚类算法结合指标分析进行典型负荷类的建立，再通过SVM分类器将负荷归类在典型类中对负荷进行模式识别，得到典型用户热负荷模式；最后，基于聚类得到的负荷模式，通过NSGA-Ⅱ算法对基于灰箱法建立的设备功率-热量模型进行运行费用最低和运行能耗最低的优化，最后采用Topsis灰色关联度熵权法进行多目标决策，得到帕累托前沿上最优的运行策略点，实现对机组运行策略的规划得到不同负荷模式下的最优运行策略，并分析了不同负荷变化模式下供热负荷从低到高时所对应的机组的工作方式。
为了对优化得到的运行策略的验证，研究将测试获得的运行策略与优化得到的策略进行了对比分析，结果发现采取模式识别方法对建筑负荷数据进行分类，分类器的精度可以达到98.7%，实现了很好的分类效果；此外，针对不同的热负荷模式，采用多目标优化得到的最终运行策略较实际运行相比，可相比采用现有运行策略平均节约运行费用15.58%，节约运行能耗14.75%。分析优化的结果可以发现对建筑的能源系统进行有计划地精细化调节，可以实现运行费用与系统功耗之间的平衡，有蓄热水箱的能源系统将具备更大的调节灵活性。
本文提出了一种基于负荷模式识别进行运行调节的综合能源系统最优运行策略制定方法。研究以某高校供热机房作为示例，首先通过分析了目前较新和较为经典的多目标群智能优化算法在能源系统运行优化问题上体现出的性能差距，选择性能表现较好的NSGA-Ⅱ算法进行实际系统运行优化策略的计算；接下来通过聚类获得该机房供热建筑的典型负荷模式。利用K-means聚类算法结合指标分析进行典型负荷类的建立，再通过SVM分类器将负荷归类在典型类中对负荷进行模式识别，得到典型用户热负荷模式；最后，基于聚类得到的负荷模式，通过NSGA-Ⅱ算法对基于灰箱法建立的设备功率-热量模型进行运行费用最低和运行能耗最低的优化，最后采用Topsis灰色关联度熵权法进行多目标决策，得到帕累托前沿上最优的运行策略点，实现对机组运行策略的规划得到不同负荷模式下的最优运行策略，并分析了不同负荷变化模式下供热负荷从低到高时所对应的机组的工作方式。
为了对优化得到的运行策略的验证，研究将测试获得的运行策略与优化得到的策略进行了对比分析，结果发现采取模式识别方法对建筑负荷数据进行分类，分类器的精度可以达到98.7%，实现了很好的分类效果；此外，针对不同的热负荷模式，采用多目标优化得到的最终运行策略较实际运行相比，可相比采用现有运行策略平均节约运行费用15.58%，节约运行能耗14.75%。分析优化的结果可以发现对建筑的能源系统进行有计划地精细化调节，可以实现运行费用与系统功耗之间的平衡，有蓄热水箱的能源系统将具备更大的调节灵活性。