一种园区型冷热能源混合应用的能源网络调控方法及系统技术方案

本发明专利技术公开了一种园区型冷热能源混合应用的能源网络调控方法及系统，包括远程能源监控中心、能源协调控制器和至少一个就地能源控制器；其中，所述能源协调控制器负责采集每个所述就地能源控制器能源设备运行数据，将数据通过网络上传至所述的远程能源监控中心；所述远程能源监控中心根据采集的负荷侧影响能源需求的环境因子信息机能源系统数据信息给出配比和调控策略，并通过所述能源协调控制器发送给相对应的所述就地能源控制器。从而，本发明专利技术能够实现多种能源系统互补供给，提高能源利用率。

【技术实现步骤摘要】

本专利技术涉及能源领域，特别是指一种园区型冷热能源混合应用的能源网络调控方 法及系统。
技术介绍
全球经济迅速发展，大规模开发利用化石能源带来的能源危机、环境危机凸显，建 立在化石能源传统利用方式基础上的工业文明逐步陷入困境，威胁到人类的可持续发展。 因此发展低碳城市，在城市区域内建设分布式能源系统、因地制宜的开展能源规划的呼声 愈发强烈。 目前在工业园区、酒店、医院、火车站等场所已建立很多分布式能源供能系统，能 源系统供应模式主要通过空调物理介质（如水）回温变化来调整能源系统供能功率，由于 液体物理介质流动较慢，使得能源供给侧无法及时或提前响应用户侧能量需求，从而造成 用户体验不足和能源浪费；传统分布式能源系统运行柔性不足，对于多种能源系统混合供 应时各系统无法耦合一起，从而削弱系统互补优势，因此降低能源利用率，降低经济效益， 节能效果大打折扣。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种园区型冷热能源混合应用的能源网络调控 方法及系统，能够实现多种能源系统互补供给，提高能源利用率。 基于上述目的本专利技术提供的园区型冷热能源混合应用的能源网络调控方法，包括 远程能源监控中心、能源协调控制器和至少一个就地能源控制器；其中，所述能源协调控制 器负责采集每个所述就地能源控制器能源设备运行数据，将数据通过网络上传至所述的远 程能源监控中心；所述远程能源监控中心根据采集的负荷侧数据信息和能源系统数据信息 给出配比和调控策略，并通过所述能源协调控制器发送给相对应的所述就地能源控制器。 可选地，所述每个就地能源控制器之间采用共母线模式连接。 进一步地，所述远程能源监控中心根据采集的数据信息给出配比和调控策略包 括： 对上传的能源设备运行数据进行预处理； 根据预处理后的能源设备运行数据，确定神经网络结构； 训练确定的神经网络结构，获得负荷预测值； 根据获得的负荷预测值，进行配比调控算法。 进一步地，所述的神经网络结构为输入向量为X = (XdX2,…，Xi,…，xn)T，隐含 层输出向量为Y = G1, y2,…，yi，…，ym)T，输出层输出向量为〇 = (〇ι，〇2,…，〇i，…，〇ι) τ，期望输出向量为d =(山，(12，…，山，…，dn)T，输入层到隐含层之间的权值矩阵用来表示，η和m分别是1，2, 3……；隐含层到输出层之间的权值矩阵 用来表不，η和m分别是1，2, 3......;隐含层和输出层的输入均为上一 层输出的加权和；％，Id1分别为隐含层神经元和输出层神经元引入阈值而设置的，设置其系 数为-1 ; 对于输出层，有 ok= f (net k) k = I, 2, ···, I 其中变换函数均为单极性Sigmoid函数 进一步地，所述训练确定的神经网络结构获得负荷预测值包括： 步骤1 :将预处理后的能源设备运行数据归一化在之间； 步骤2 :神经网络结构初始化，获得最优权值阈值； 步骤3 :根据最优权值阈值，计算网络预测误差。 可选地，所述步骤2还包括： 步骤A :对神经网络种群初始化； 步骤B :根据个体得到神经网络的初始权值和阈值，用训练数据训练神经网络后 预测，把预测输出和期望输出之间的误差绝对值和作为个体适应度值F，计算公式为 式中，η为网络输出节点数；71为BP神经网络第i个节点的期望输出；〇1为第i个 节点的预测输出；k为系数； 步骤C:采用轮盘赌法，基于适应度比例的选择策略，每个个体i的选择概率？1为 f；= k/F ； 式中，F1为个体i的适应度值，适应度值越小越好，所以在个体选择前对适应度求 倒数；k为系数；N为种群个体数目； 步骤D :采用实数交叉法，第k个染色体ak和第1个染色体a丨在j位的交叉操作 方法如下： akj = a kj (l_b) +aj ajj= a ls (l~b) +akjb 式中，b是间的随机数； 步骤E:选取第i个个体的第j个基因&1]进行变异，变异操作方法如下： 式中，a_为基因 a U的上界；amin为基因 a U的下界；f (g) = r 2(l-g/Gmax)2;r 2为一 个随机数；g为当前迭代次数；G_是最大进化次数；r为间的随机数； 步骤F :判断上次循环结果与本次循环结果的误差是否不高于预先设置的精度， 若是则进行步骤3,若不是则返回步骤B。 进一步地，所述当上次求解的结果与本次求解结果误差精度不高于0. 1%时，该网 络结构的权值和阈值即为最佳进而得到最优权值阈值，结束进化。 进一步地，所述步骤3还包括： 步骤A :隐含层输出Y,计算 式中，f为隐含层的激励函数 步骤B :输出层输出Ok计算 步骤C :误差计算，根据预测输出值0和期望值Y，计算网络预测误差e ek= Y k_0k k = 1，2,…，1 步骤D :根据网络预测误差更新网络连接权值、阈值，包括： 根据网络预测误差e更新网络连接权值ω ^ ω ]k co.jk= ω Λ+ηΥ^ j = 1，2,…，I ;k = 1，2,…，I 式中，n为学习速率，在〇到I之间； 阈值更新： 步骤E :判断误差是否满足结束条件，若满足则用训练好的网络结构进行预测；若 不满足则返回步骤A ;其中，所述的结束条件为网络结构输出值与期望值进行比较，若在一 定精度内则说明该网络已经训练完毕。 进一步地，所述配比调控算法考虑经济效益或绿色节能；其中，经济效益依据系统 能源消耗来计算： 式中COP为冷源系统机组的性能系数；n f为一次能源发电效率；η B为电力输送 损失率；Ql代表冷源制冷量，Qp代表冷源系统消耗的一次能源，W代表冷源系统消耗的电 功率。 进一步地，所述能源协调控制器通过Modbus协议负责采集每个所述就地能源控 制器的数据信息；所述程能源监控中心与所述能源协调控制器通信协议采用电力系统通信 协议 ffiClOl、IEC104。[当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
一种园区型冷热能源混合应用的能源网络调控系统，其特征在于，包括远程能源监控中心、能源协调控制器和至少一个就地能源控制器；其中，所述能源协调控制器负责采集每个所述就地能源控制器能源设备运行数据，将数据通过网络上传至所述的远程能源监控中心；所述远程能源监控中心根据采集的数据信息给出配比和调控策略，并通过所述能源协调控制器发送给相对应的所述就地能源控制器。

【技术特征摘要】

【专利技术属性】
技术研发人员：田卫华，喻俊浔，付晨，毕克，谢迎新，
申请(专利权)人：北京国电通网络技术有限公司，国网江西省电力公司信息通信分公司，北京中电飞华通信股份有限公司，
类型：发明
国别省市：北京;11