一种建筑多能源系统智慧能量优化方法及装置制造方法及图纸

本发明专利技术公开了一种建筑多能源系统智慧能量优化方法及装置，方法的设计步骤如下：获取建筑多能源系统的当前环境状态；将所述当前环境状态输入到训练好的深度神经网络；通过深度神经网络输出建筑多能源系统行为；对所述建筑多能源系统的行为按照能量存储系统储能水平动态性和运行约束进行重调整，并计算得到热能存储系统注入/释放功率、天然气锅炉输出功率以及建筑多能源系统与大电网之间的能量交易量；根据上述结论对建筑多能源系统进行控制。本发明专利技术方法无需知晓任何不确定性参数的先验信息和明确的建筑热动态性模型。相比现有方法，本发明专利技术方法可有效降低运行成本且具有更强的鲁棒性和通用性。

【技术实现步骤摘要】
一种建筑多能源系统智慧能量优化方法及装置
本专利技术涉及一种建筑多能源系统智慧能量优化方法，属于人工智能与智慧建筑能源系统交叉领域。
技术介绍
建筑在全世界能源消耗和碳排放总量中占有很大的比重。2019年，全球建筑消耗的能源占全球能源总量约30％，产生的碳排放占全球碳排放总量约28％。目前全球能源供给主要依赖化石燃料等不可再生能源，导致能源枯竭问题和环境污染问题日益严重。近年来，氢能因其具有清洁、可再生、来源广泛、储运方便、利用率高等优点受到了广泛关注，被公认为一种很有前景的化石燃料替代品。此外，氢能存储系统与其他储能系统(如热能存储系统、电能存储系统)的协调运行有助于提升建筑能量效率。因此，优化具有氢电热混合储能建筑多能源系统的运行非常重要。现有研究提出了若干针对具有氢电热混合储能的建筑多能源系统的能量优化方法，这些方法的目标是最小化系统运行成本(主要包括能量成本和碳排放成本等)。尽管上述研究取得了一定的进展，但均未考虑建筑热动态性，这意味着高建筑热惯性(即建筑室内温度由于初始激励(如突然停止加热)呈现弱化和延迟反应的现象)并未被充分本文档来自技高网...

【技术保护点】
1.一种建筑多能源系统智慧能量优化方法，其特征在于，包括如下步骤：/n获取建筑多能源系统的当前环境状态；/n将所述当前环境状态输入到训练好的深度神经网络；/n通过深度神经网络输出建筑多能源系统行为；/n对所述建筑多能源系统的行为按照能量存储系统储能水平动态性和运行约束进行重调整，并计算得到热能存储系统注入/释放功率、天然气锅炉输出功率以及建筑多能源系统与大电网之间的能量交易量；/n根据所述建筑多能源系统的行为和计算所得的热能存储系统注入/释放功率、天然气锅炉输出功率以及建筑多能源系统与大电网之间的能量交易量，对建筑多能源系统进行控制。/n

【技术特征摘要】
1.一种建筑多能源系统智慧能量优化方法，其特征在于，包括如下步骤：
获取建筑多能源系统的当前环境状态；
将所述当前环境状态输入到训练好的深度神经网络；
通过深度神经网络输出建筑多能源系统行为；
对所述建筑多能源系统的行为按照能量存储系统储能水平动态性和运行约束进行重调整，并计算得到热能存储系统注入/释放功率、天然气锅炉输出功率以及建筑多能源系统与大电网之间的能量交易量；
根据所述建筑多能源系统的行为和计算所得的热能存储系统注入/释放功率、天然气锅炉输出功率以及建筑多能源系统与大电网之间的能量交易量，对建筑多能源系统进行控制。


2.一种建筑多能源系统智慧能量优化方法，其特征在于，所述深度神经网络训练过程包括如下步骤：
获取建筑多能源系统的当前环境状态；
通过深度神经网络根据所述当前环境状态，输出建筑多能源系统的当前行为；
对所述建筑多能源系统的当前行为按照能量存储系统储能水平动态性和运行约束进行重调整，并计算得到热能存储系统注入/释放功率、天然气锅炉输出功率以及建筑多能源系统与大电网之间的能量交易量；
根据所述当前行为和计算所得热能存储系统注入/释放功率、天然气锅炉输出功率以及建筑多能源系统与大电网之间的能量交易量，对建筑多能源系统进行控制；
获取建筑多能源系统的下一时隙奖励和下一时隙环境状态；
计算当前经验转移元组的优先级；所述当前经验转移元组包括当前环境状态、当前行为、下一时隙奖励和下一时隙环境状态；
将经验转移元组及其优先级存储至经验池中；
从经验池中抽取小批量训练样本，利用基于优先经验回放的深度确定性策略梯度算法更新深度神经网络的权重参数。


3.根据权利要求2所述的建筑多能源系统智慧能量优化方法，其特征在于，所述环境状态的表达式如下：



式中，vt表示t时隙的买电价格，Ppv,t表示t时隙太阳能发电机的发电功率；Pload,t表示t时隙的电负载需求；μe,t为t时隙大电网的碳排放率；Bt为t时隙电能存储系统中的储能水平；分别表示t-1时隙电解槽和燃料电池的开关状态；Ht为t时隙氢能存储系统中的储能水平；Qth,t为t时隙热能存储系统中储能水平；βin,t为t时隙的室内温度；βout,t为t时隙的室外温度；t表示当前时隙，此处，时隙是指建筑多能源系统执行连续两次行为决策的时间间隔；
所述行为的表达式如下：
at＝(ab,t,ah,t,Psp,t)(2)
式中，ab,t为电能存储系统在t时隙的充电/放电功率，若ab,t＞0，则电能存储系统充电功率Pbc,t＝ab,t且Pbd,t＝0；否则，Pbd,t＝ab,t且Pbc,t＝0；ah,t表示t时隙电解槽输入功率/燃料电池输出功率，若ah,t＞0，则电解槽输入功率Pel,t＝ah,t且燃料电池输出功率Pfc,t＝0；否则，Pfc,t＝ah,t且Pel,t＝0；Psp,t表示t时隙供给建筑物的热功率；
所述奖励的表达式如下：
rt+1＝r1,t+1+πthr2,t+1(3)
式中，其中C1,t为t时隙建筑多能源系统与大电网交互的能量成本；C2,t为t时隙碳排放成本；C3,t为t时隙电能存储系统的折旧成本；C4,t为t时隙氢能存储系统的启动、关闭、运行和维护成本；C5,t为t时隙热能存储系统的折旧成本；C6,t为t时隙天然气购买成本；r2,t+1为t时隙热不适成本；πth是正权重系数。


4.根据权利要求1所述的建筑多能源系统智慧能量优化方法，其特征在于，对所述建筑多能源系统的当前行为按照能量存储系统储能水平动态性和运行约束进行重调整的方法包括：根据电能存储系统储能水平动态性、氢能存储系统储能水平动态性以及与电能存储系统相关的运行约束、与氢能存储系统相关的运行约束、与热负载需求相关的运行约束对所述建筑多能源系统的行为进行重调整；
所述电能存储系统储能水平的动态性如下式：



式中，Bt+1表示t+1时隙电能存储系统中的储能水平；Bt表示t时隙电能存储系统中的储能水平；ηbc和ηbd分别表示电能存储系统的充电和放电效率系数；Pbc,t和Pbd,t分别表示t时隙电能存储系统的充电功率和放电功率；Pbc,t≥0且Pbd,t≤0；
所述氢能存储系统储能水平的动态性如下式：



式中，Ht+1表示t+1时隙氢能存储系统的储能水平；Ht表示t时隙氢能存储系统的储能水平；Pel,t和Pfc,t分别表示电解槽的输入功率和燃料电池的输出功率；ωel和ωfc分别表示电解槽和燃料电池的转换系数；Pel,t≥0且Pfc,t≤0；
所述与电能存储系统相关的运行约束包括：



式中，Bmin和Bmax分别是电能存储系统的最小和最大储能水平；为电能存储系统的最大充电、放电功率；
所述与氢能存储系统相关的运行约束包括：



式中，Hmax是氢罐的最大存储容量；和分别是电解槽和燃料电池的额定功率...

【专利技术属性】
技术研发人员：余亮，谢玮玮，秦书琪，岳东，窦春霞，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32