一种MGT-CCHP变工况动态能效优化控制方法技术

本发明专利技术涉及一种MGT

【技术实现步骤摘要】
一种MGT
‑
CCHP变工况动态能效优化控制方法


[0001]本专利技术涉及分布式能源系统领域，尤其是涉及一种MGT
‑
CCHP变工况动态能效优化控制方法。

技术介绍

[0002]微燃机冷热电联供系统(Micro gas turbine
‑
LiBr double effect absorption refrigerating machine combined cooling,heating and power system，MGT
‑
CCHP系统)由微型燃气轮机和烟气型吸收式溴化锂冷热水机组成，可同时供应冷、热、电三种负荷，能够实现能源的梯级利用。
[0003]MGT
‑
CCHP中微型燃气轮机能够提供电能，溴机利用微型燃气轮机余热烟气制冷、供热，实现了能源的梯级利用，通常与可再生能源、储能等构成分布式能源系统、综合能源系统等。MGT
‑
CCHP通常是区域能源系统能量流的耦合点，需要同时应对多种负荷需求的变化，这对其灵活运行控制技术提出新要求。另一方面，需要进一步提升MGT
‑
CCHP运行过程动态能效。目前MGT
‑
CCHP的控制器设计侧重于小范围负荷跟踪和抗干扰性，但在大范围负荷跟踪和系统动态能效提升方面都有不足之处，现有技术无法对这两个方面兼顾优化，且对于控制量的修正也没有实时性，有待改进。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种MGT
‑
CCHP变工况动态能效优化控制方法。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种MGT
‑
CCHP变工况动态能效优化控制方法，包括以下步骤：
[0007]S1、根据MGT
‑
CCHP历史运行数据建立训练集，将训练集输入神经网络，所述神经网络的输入为MGT
‑
CCHP上一时刻输入量和上一时刻输出量，所述神经网络的输出为MGT
‑
CCHP当前时刻输出量，通过误差反向传播算法进行训练，得到非线性预测模型；
[0008]S2、获取动态能效指标、负荷跟踪优化目标和控制量变化量优化目标，根据以上三种优化目标建立性能指标；
[0009]S3、将性能指标通过乌托邦点跟踪控制框架进行重构，获取第一控制目标函数；
[0010]S4、建立第二控制目标函数，设定第一控制目标函数和第二控制目标函数切换条件；
[0011]S5、根据非线性预测模型、第一控制目标函数和第二控制目标函数，结合当前时刻输入量、上一时刻输入量得到最优控制增量序列；
[0012]S6、根据最优控制增量序列，获取当前时刻控制输入增量，结合上一时刻控制量，计算得到当前时刻控制量，并将当前时刻控制量输入MGT
‑
CCHP中。
[0013]进一步地，所述第一控制目标函数表达式如下：
[0014][0015]式中，minJ表示总控制目标，表示动态能效指标，表示负荷跟踪优化目标，表示控制量变化量优化目标，J1表示乘以权重矩阵F的动态能效指标，J2表示乘以权重矩阵Q的负荷跟踪优化目标，J3表示乘以权重矩阵R的控制量变化量优化目标。
[0016]进一步地，所述第一控制目标函数切换条件具体为：当输出量进入负荷跟踪设定值的邻近区域时，将性能指标中动态能效指标删除；
[0017]所述第二控制目标函数表达式为：
[0018][0019]式中，Y表示MGT
‑
CCHP输出量，W表示负荷跟踪设定值，ε表示邻近区域设定值，minJ表示总控制目标，表示动态能效指标，表示负荷跟踪优化目标，表示控制量变化量优化目标，J1表示乘以设定的权重矩阵F的动态能效指标，J2表示乘以设定的权重矩阵Q的负荷跟踪优化目标，J3表示乘以设定的权重矩阵R的控制量变化量优化目标。
[0020]进一步地，所述最优控制增量序列表达式如下：
[0021][0022]约束条件
[0023]式中，Y表示MGT
‑
CCHP输出量，W表示负荷跟踪设定值，ε表示邻近区域设定值，minJ表示总控制目标，表示动态能效指标，表示负荷跟踪优化目标，表示控制量变化量优化目标，J1表示乘以设定的权重矩阵F的动态能效指标，J2表示乘以设定的权重矩阵Q的负荷跟踪优化目标，J3表示乘以设定的权重矩阵R的控制量变化量优化目标，表示非线性预测模型的输出值；Nc表示控制时域长度；Np表示预测时域长度；u
j,Nc
表示控制时域内第j个控制量的取值；u
j,min
、u
j,max
分别表示第j个控制量的下限和上限；Δu
j,Nc
表示控制时域内第j个控制量的变化量；Δu
j,min
、Δu
j,max
分别表示第j个控制量的变化量下限和上限。
[0024]进一步地，所述当前时刻控制输入增量的计算表达式为：
[0025]ΔU
Nc
(k)＝[Δu
1,Nc
(k)；Δu
2,Nc
(k)；Δu
3,Nc
(k)][0026]式中，ΔU
Nc
(k)表示当前时刻控制输入增量。
[0027]进一步地，控制量变化量包括燃气变化量、回热阀开度变化量和冷剂阀开度变化量。
[0028]进一步地，所述MGT
‑
CCHP的输出量包括微燃机转速、冷冻水温度和生活热水温度。
[0029]进一步地，神经网络在训练时将输入和输出值的取值归一化至绝对值小于1。
[0030]进一步地，所述动态能效指标优选为天然气消耗量。
[0031]进一步地，所述MGT
‑
CCHP历史运行数据包括变化工况下和稳定工况下的MGT
‑
CCHP输入值和输出值。
[0032]与现有技术相比，本专利技术具有以下优点：
[0033]1、本专利技术建立的控制目标函数包括动态能效指标、负荷跟踪优化目标和控制量变化量优化目标，通过训练神经网络获取的非线性预测模型约束控制量的值，兼顾了MGT
‑
CCHP运行时的动态能效和负荷跟踪性能，且结合了当前时刻与上一时刻的输入量输出量，实现了闭环控制，
[0034]2、本专利技术的动态能效指标优选为天然气消耗量，相比其它动态能效指标，天然气消耗量具有更好的经济效益。
[0035]3、本专利技术在训练神经网络时选用的历史运行数据包括不同情况下的MGT
‑
CCHP输入值和输出值，数据可靠性强。
附图说明
[0036]图1为本专利技术的流程示意图。
[0037]图2为本专利技术非线性预测模型的网络架构示意图。
[0038]图3为本专利技术仿真实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种MGT
‑
CCHP变工况动态能效优化控制方法，其特征在于，包括以下步骤：S1、根据MGT
‑
CCHP历史运行数据建立训练集，将训练集输入神经网络，所述神经网络的输入为MGT
‑
CCHP上一时刻输入量和上一时刻输出量，所述神经网络的输出为MGT
‑
CCHP当前时刻输出量，通过误差反向传播算法进行训练，得到非线性预测模型；S2、获取动态能效指标、负荷跟踪优化目标和控制量变化量优化目标，根据以上三种优化目标建立性能指标；S3、将性能指标通过乌托邦点跟踪控制框架进行重构，获取第一控制目标函数；S4、建立第二控制目标函数，设定第一控制目标函数和第二控制目标函数切换条件；S5、根据非线性预测模型、第一控制目标函数和第二控制目标函数，结合当前时刻输入量、上一时刻输入量得到最优控制增量序列；S6、根据最优控制增量序列，获取当前时刻控制输入增量，结合上一时刻控制量，计算得到当前时刻控制量，并将当前时刻控制量输入MGT
‑
CCHP中。2.根据权利要求1所述的一种MGT
‑
CCHP变工况动态能效优化控制方法，其特征在于，所述第一控制目标函数表达式如下：式中，minJ表示总控制目标，表示动态能效指标，表示负荷跟踪优化目标，表示控制量变化量优化目标，J1表示乘以权重矩阵F的动态能效指标，J2表示乘以权重矩阵Q的负荷跟踪优化目标，J3表示乘以权重矩阵R的控制量变化量优化目标。3.根据权利要求1所述的一种MGT
‑
CCHP变工况动态能效优化控制方法，其特征在于，所述第一控制目标函数切换条件具体为：当输出量进入负荷跟踪设定值的邻近区域时，将性能指标中动态能效指标删除；所述第二控制目标函数表达式为：式中，Y表示MGT
‑
CCHP输出量，W表示负荷跟踪设定值，ε表示邻近区域设定值，minJ表示总控制目标，表示动态能效指标，表示负荷跟踪优化目标，表示控制量变化量优化目标，J1表示乘以设定的权重矩阵F的动态能效指标，J2表示乘以设定的权重矩阵Q的负荷跟踪优化目标，J3表示乘以设定的权重矩阵R的控制量变化量优化目标。4.根据权利要求1所述的一种MGT
‑
CCHP变工况动态能效优化控制方法，其特征在于，所述最优控制增量序列表达式如下：
约束条件式中，Y表示MGT
‑
CCHP...

【专利技术属性】
技术研发人员：赵慧荣，茆海飞，彭道刚，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：