一种温室热源热泵谷电蓄热区块能源装置及其控制方法制造方法及图纸

本发明专利技术属于能源技术领域，公开了一种温室热源热泵谷电蓄热区块能源装置及其控制方法，所述温室热源热泵谷电蓄热区块能源装置包括：视频监控模块、测温模块、主控模块、裂纹识别模块、温控模块、硬度测试模块、质量评估模块、显示模块。本发明专利技术通过负荷预测模块考虑到负荷的频段特性会对负荷预测产生影响，通过对历史能源负荷数据进行多层小波包变换，将负荷数据分解为多个频段下的负荷序列，分别建立负荷预测模型，从而提高了负荷预测的精确度；同时，通过安全检测模块利用异常检测方法确定参考供能过程数据对应的安全阈值；最后根据安全阈值与待检测新能源装置的实际供能过程数据，生成待检测新能源装置的供能安全评价报告；提高检测的准确性。的准确性。的准确性。

【技术实现步骤摘要】
一种温室热源热泵谷电蓄热区块能源装置及其控制方法


[0001]本专利技术属于能源
，尤其涉及一种温室热源热泵谷电蓄热区块能源装置及其控制方法。

技术介绍

[0002]热泵是一种充分利用低品位热能的高效节能装置。热量可以自发地从高温物体传递到低温物体中去，但不能自发地沿相反方向进行。热泵的工作原理就是以逆循环方式迫使热量从低温物体流向高温物体的机械装置，它仅消耗少量的逆循环净功，就可以得到较大的供热量，可以有效地把难以应用的低品位热能利用起来达到节能目的。热泵(Heat Pump)是一种将低位热源的热能转移到高位热源的装置，也是全世界倍受关注的新能源技术。它不同于人们所熟悉的可以提高位能的机械设备——“泵”；热泵通常是先从自然界的空气、水或土壤中获取低品位热能，经过电力做功，然后再向人们提供可被利用的高品位热能；然而，现有温室热源热泵谷电蓄热区块能源装置没有突出负荷的频段特性，忽略了高频噪声对负荷预测精度的影响；且大多数预测是只针对某一种目标能源负荷的预测，没有考虑综合目标能源系统中各目标能源之间的相关性，割裂了目标能源系统之间的耦合关系；同时，不能对供能设备安全进行准确检测。
[0003]通过上述分析，现有技术存在的问题及缺陷为：
[0004](1)现有温室热源热泵谷电蓄热区块能源装置没有突出负荷的频段特性，忽略了高频噪声对负荷预测精度的影响；且大多数预测是只针对某一种目标能源负荷的预测，没有考虑综合目标能源系统中各目标能源之间的相关性，割裂了目标能源系统之间的耦合关系。
[0005](2)不能对供能设备安全进行准确检测。

技术实现思路

[0006]针对现有技术存在的问题，本专利技术提供了一种温室热源热泵谷电蓄热区块能源装置及其控制方法。
[0007]本专利技术是这样实现的，一种温室热源热泵谷电蓄热区块能源装置包括：
[0008]视频监控模块、测温模块、主控模块、裂纹识别模块、温控模块、硬度测试模块、质量评估模块、显示模块；
[0009]能源采集模块，与主控模块连接，用于通过能源采集设备采集低品位能源；
[0010]主控模块，与能源采集模块、能源转化模块、负荷预测模块、供能模块、安全检测模块、储能模块、显示模块连接，用于控制各个模块正常工作；
[0011]能源转化模块，与主控模块连接，用于将低品位能源转化为高品位能源；
[0012]负荷预测模块，与主控模块连接，用于对能源负荷进行预测；
[0013]供能模块，与主控模块连接，用于供应高品位能源；
[0014]安全检测模块，与主控模块连接，用于对能源装置安全进行检测；
[0015]储能模块，与主控模块连接，用于对能源进行存储；
[0016]显示模块，与主控模块连接，用于显示负荷预测结果、安全检测结果。
[0017]一种温室热源热泵谷电蓄热区块能源装置控制方法包括以下步骤：
[0018]步骤一，通过能源采集模块利用能源采集设备采集低品位能源；
[0019]步骤二，主控模块通过能源转化模块将低品位能源转化为高品位能源；
[0020]步骤三，通过负荷预测模块对能源负荷进行预测；通过供能模块供应高品位能源；通过安全检测模块对能源装置安全进行检测；
[0021]步骤四，通过储能模块对能源进行存储；通过显示模块显示负荷预测结果、安全检测结果。
[0022]进一步，所述负荷预测模块方法如下：
[0023](1)通过检索程序获取历史能源负荷数据；对历史能源负荷数据的缺失数据进行填补，得到预处理后的历史能源负荷数据；
[0024]对历史能源负荷数据中不同种类的负荷数据分别进行小波包分解，得到每种负荷数据在不同频段下的负荷序列；计算在同一频段下不同种类的负荷序列每两种之间的相关系数；
[0025](2)筛选出在某一频段下相关系数绝对值均大于设定阈值的负荷序列；将筛选后的负荷序列分为训练样本和预测样本，并根据筛选后的负荷序列的种类和频段建立不同的BP神经网络；将所述训练样本输入相应的BP神经网络，得到负荷预测模型；将所述预测样本输入相应的负荷预测模型，得到负荷预测结果。
[0026]进一步，所述对历史能源负荷数据的缺失数据进行填补，填补公式为：
[0027][0028]其中，x(t)表示填补后t时刻的电、热、冷负荷数据；β为修补因子，β∈(0.8,1.2)，一般取值为1；将预处理后的电、热、冷负荷数据分别记作
[0029][0030]进一步，所述对历史能源负荷数据中不同种类的负荷数据分别进行小波包分解，得到每种负荷数据在不同频段下的负荷序列，包括：
[0031]采用db3小波基函数对预处理后的电、热、冷负荷数据分别进行多层小波包分解，比如N层，得到每种负荷的2N组小波包分解系数；
[0032]再对小波包分解系数进行单支重构得到电、热、冷负荷数据在2N个频段上的负荷序列，分别记作其中i表示频段，且i＝1,2,...,2N。
[0033]进一步，所述将筛选后的负荷序列分为训练样本和预测样本，并根据筛选后的负荷序列的种类和频段建立不同的BP神经网络，包括：
[0034]将筛选后的负荷序列进行归一化处理；
[0035][0036][0037][0038]其中，分别为频段i中归一化处理后t时刻的电、热、冷负荷序列；分别为的最小值；分别为的最大值。
[0039]将截止到时刻S时获取的归一化处理后的负荷序列t＝1,2,...,S作为训练样本，将时刻S后获取的归一化处理后的负荷序列t＝1，2,...,S作为训练样本，将时刻S后获取的归一化处理后的负荷序列t＝S+1,S+2,...,T作为预测样本。
[0040]根据筛选后的负荷序列的种类和频段建立不同的BP神经网络。
[0041]进一步，所述将所述训练样本输入相应的BP神经网络，得到负荷预测模型，包括：
[0042]将训练样本中时刻k以前获取的归一化处理后的负荷序列输入相应的BP神经网络，得到时刻k的负荷序列的预测结果；
[0043]对BP神经网络进行迭代训练，直至预测误差达到设定的阈值后停止训练，得到负荷预测模型。
[0044]进一步，所述将所述预测样本输入相应的负荷预测模型，得到负荷预测结果，包括：
[0045]将所述预测样本输入相应的负荷预测模型，得到每个负荷序列的预测结果；
[0046]将同种负荷序列在不同频段下的预测结果相加，得到负荷预测结果；
[0047]在所述将同种负荷序列在不同频段下的预测结果相加，得到负荷预测结果之后，还包括：
[0048]对所述负荷预测结果进行反归一化处理，得到归一化后的负荷预测结果。
[0049]进一步，所述安全检测模块检测方法如下：
[0050]1)通过安全检测设备确定所述待检测新能源装置的类型；选择所述类型下的多个新能源装置集作为分析对象；
[0051]2)获取所述分析对象在预设时间范围内、与所述分析本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种温室热源热泵谷电蓄热区块能源装置，其特征在于，所述温室热源热泵谷电蓄热区块能源装置包括：视频监控模块、测温模块、主控模块、裂纹识别模块、温控模块、硬度测试模块、质量评估模块、显示模块；能源采集模块，与主控模块连接，用于通过能源采集设备采集低品位能源；主控模块，与能源采集模块、能源转化模块、负荷预测模块、供能模块、安全检测模块、储能模块、显示模块连接，用于控制各个模块正常工作；能源转化模块，与主控模块连接，用于将低品位能源转化为高品位能源；负荷预测模块，与主控模块连接，用于对能源负荷进行预测；供能模块，与主控模块连接，用于供应高品位能源；安全检测模块，与主控模块连接，用于对能源装置安全进行检测；储能模块，与主控模块连接，用于对能源进行存储；显示模块，与主控模块连接，用于显示负荷预测结果、安全检测结果。2.一种如权利要求1所述的温室热源热泵谷电蓄热区块能源装置控制方法，其特征在于，所述温室热源热泵谷电蓄热区块能源装置控制方法包括以下步骤：步骤一，通过能源采集模块利用能源采集设备采集低品位能源；步骤二，主控模块通过能源转化模块将低品位能源转化为高品位能源；步骤三，通过负荷预测模块对能源负荷进行预测；通过供能模块供应高品位能源；通过安全检测模块对能源装置安全进行检测；步骤四，通过储能模块对能源进行存储；通过显示模块显示负荷预测结果、安全检测结果。3.如权利要求1所述温室热源热泵谷电蓄热区块能源装置，其特征在于，所述负荷预测模块方法如下：(1)通过检索程序获取历史能源负荷数据；对历史能源负荷数据的缺失数据进行填补，得到预处理后的历史能源负荷数据；对历史能源负荷数据中不同种类的负荷数据分别进行小波包分解，得到每种负荷数据在不同频段下的负荷序列；计算在同一频段下不同种类的负荷序列每两种之间的相关系数；(2)筛选出在某一频段下相关系数绝对值均大于设定阈值的负荷序列；将筛选后的负荷序列分为训练样本和预测样本，并根据筛选后的负荷序列的种类和频段建立不同的BP神经网络；将所述训练样本输入相应的BP神经网络，得到负荷预测模型；将所述预测样本输入相应的负荷预测模型，得到负荷预测结果。4.如权利要求3所述温室热源热泵谷电蓄热区块能源装置，其特征在于，所述对历史能源负荷数据的缺失数据进行填补，填补公式为：
其中，x(t)表示填补后t时刻的电、热、冷负荷数据；β为修补因子，β∈(0.8,1.2)，一般取值为1；将预处理后的电、热、冷负荷数据分别记作5.如权利要求3所述温室热源热泵谷电蓄热区块能源装置，其特征在于，所述对历史能源负荷数据中不同种类的负荷数据分别进行小波包分解，得到每种负荷数据在不同频段下的负荷序列，包括：采用db3小波基函数对预处理后的电、热、冷负荷数据分别进行多层小波包分解，比如N层，得到每种负荷的2N组小波包分解系数；再对小波包分解系数进行单支重构得到电、热、冷负荷数据在2N个频段上的负荷序列，分别记作其中i表示频段，且i＝1,2,...,2N。6.如权利要求3所述温室热源热泵谷电蓄热区块能源装置，其特征在于，所述将筛选后的负荷序列分为训练样本和预测样本，并根据筛选后的负荷序列的种类和频段建立不同的BP神经网络，包括：将筛选后的负荷序列进行归一化处理；选后的负荷序列进行归一化处理；选后的负荷序列进行归一化处理；其中，分别为频段i中归一化处理后t时刻的电、热、冷负荷序列；分别为的最小值；分别为的最大值。将截止到时刻S时获取的归一化处理后的负荷序列t＝1,2,...,S作为训练样本，将时刻S后获取的归一化处理后的负荷序列作为训练样本，将时刻S后获取的归一化处理后的负荷序列将时刻S后获取的归一化处理后的负荷序列作为预测样本。根据筛选后的负荷序列的种类和频段建立不同的BP神经网络。7.如权利要求3所述温室热源热泵谷电蓄热区块能源装置，其特征在于，所述将所述训练样本输入相应的BP神经网络，得到负荷预测模型，包括：将训练样本中时刻k以前获取的归一化处理后的负荷序列输入相应的BP神经网络，得到时刻k的负荷序列的预测结果；对BP神经网络进行迭代训练，直至预测误差达到设定的阈值后停止训练，得到负荷预测模型。8.如权利要求3所述温室热源热泵谷电蓄热区块能源装置，其特征在于，所述将所述预测样本输入相应的负荷预测模型，得到负荷预测结果，包括：
将所述预测样本输入相应的负荷预测模型，得到每个负荷序列的预测结果；将同种负荷序列在不同频段下的预测结果相加，得到负荷预测结果；在所...

【专利技术属性】
技术研发人员：张殿光，李秀辰，
申请(专利权)人：大连海洋大学，
类型：发明
国别省市：