【技术实现步骤摘要】
区域制冷冰蓄冷系统运行优化模型的构建方法
[0001]本专利技术属于冰蓄冷系统
，具体地讲，涉及一种区域制冷冰蓄冷系统运行优化模型的构建方法。
技术介绍
[0002]近年来全球温室气体排放总量显著增加，使得气候变化成为了当今人类面临的重大全球性挑战。在城市的能源消耗与碳排放总量中，制冷系统占巨大比重，在一些南方城市制冷负荷占城市电力总负荷一般超过40％。
[0003]区域制冷系统是为了提高制冷效率实现节能减耗而发展起来的新型制冷设备。区域制冷系统一般由冷却塔、制冷机组、水泵、管网和换热器组成。与传统分体式制冷设备相比，集中式制冷可大幅提高能源利用效率，在节能降耗方面有巨大优势，成为近年来研究与应用的热点。然而，在一个复杂的区域制冷系统中，制冷需求的时空不平衡性使得冷量“供需平衡关系”难以有效满足，可能造成能源的浪费。为了进一步提高区域制冷系统的能源利用效率，近年来越来越多的区域制冷系统能源站采用冰蓄冷技术，转移制冷峰值需求，缓解供需之间的不平衡。
[0004]冰蓄冷系统通过在夜间电力低谷时段进行蓄冰储冷...
【技术保护点】
【技术特征摘要】
1.一种区域制冷冰蓄冷系统运行优化模型的构建方法，其特征在于，所述构建方法包括：步骤一：获取处于运行状态的区域制冷冰蓄冷系统的运行数据；步骤二：利用获取的所述运行数据训练出用于预测能源成本的第一神经网络、用于预测分水器温度的第二神经网络、用于预测集水器温度的第三神经网络以及用于预测蓄冰量变化的第四神经网络；步骤三：根据所述第一神经网络构建出目标函数，并根据所述第二神经网络、所述第三神经网络以及所述第四神经网络构建出运行安全约束函数；步骤四：将所述目标函数和所述运行安全约束函数转换为无约束目标函数，以得到区域制冷冰蓄冷系统运行优化模型。2.根据权利要求1所述的构建方法，其特征在于，所述第一神经网络用于表示可控变量、环境参数与系统功率的映射关系，并被表示为下面的式子1，[1]p
t
＝π
p
(x
t
，θ
t
；φ
p
)，其中，t表示时间，x
t
表示所述可控变量，θ
t
表示所述环境参数，p
t
表示所述系统功率，π
p
表示对应所述第一神经网络的第一多层感知机，φ
p
表示所述第一多层感知机的可学习参数。3.根据权利要2所述的构建方法，其特征在于，所述第二神经网络用于表示可控变量、环境参数与分水器温度的映射关系，并被表示为下面的式子2，[2]其中，π
sep
表示对应所述第二神经网络的第二多层感知机，φ
sep
表示所述第二多层感知机的可学习参数，表示所述分水器温度。4.根据权利要3所述的构建方法，其特征在于，所述第三神经网络用于表示可控变量、环境参数与集水器温度的映射关系，并被表示为下面的式子3，[3]其中，π
col
表示对应所述第三神经网络的第三多层感知机，φ
col
表示所述第三多层感知机的可学习参数，表示所述集水器温度。5.根据权利要4所述的构建方法，其特征在于，所述第四神经网络用于表示可控变量、环境参数与蓄冰量变化值的映射关系，并被表示为下面的式子4，[4]δ
t
＝π
ice
(x
t
，θ
t
;φ
ice
)，其中，π
【专利技术属性】
技术研发人员：杜卫，胡博智，唐伟，欧志才，
申请(专利权)人：珠海横琴能源发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。