基于短期负荷预测的SOFC热电联供系统运行调控方法技术方案

本发明专利技术提供一种基于短期负荷预测的SOFC热电联供系统运行调控方法，用于改善SOFC热电联供系统源荷侧不匹配问题，该方法主要包括：测试SOFC热电联供系统在不同操作条件组合下的系统热、电输出功率，得到二者间的对应关系；获取历史负荷数据与气象数据并进行预处理，采用预设的机器学习算法进行训练，生成负荷预测模型；负荷预测模型通过读取气象局发布的逐时天气预报值，获得逐时热、电负荷预测值；根据负荷预测值确定相应的操作条件，并调控SOFC热电联供系统运行。本发明专利技术调控方法通过引入合理的机器学习算法，找出建筑负荷与气象参数的内在联系，从而以较小代价对负荷进行预测，实现对SOFC热电联供系统的高效调控。SOFC热电联供系统的高效调控。SOFC热电联供系统的高效调控。

【技术实现步骤摘要】
基于短期负荷预测的SOFC热电联供系统运行调控方法


[0001]本专利技术属于分布式能源系统领域，尤其涉及一种基于短期负荷预测的固体氧化物燃料电池热电联供系统运行方法。

技术介绍

[0002]固体氧化物燃料电池(Solid Oxide Fuel Cell,SOFC)作为新一代燃料电池，在高温(500～1000℃)下可以将储存在燃料和氧化剂中的化学能转化为电能，具有发电效率高、燃料选择范围宽、废热温度高、模块化结构和安装灵活等优势，通过热电联产回收能量效率可达80％以上，被认为是未来热电联供系统最佳的原动机选择。
[0003]由于SOFC运行过程中涉及复杂的传热传质过程，热电耦合性强、迟滞性高，导致SOFC热电联供系统在实际运行过程中通常存在动态响应较慢的问题，难以实时跟踪负荷变化，更不能迅速满足用户的热负荷需求。由于用户侧所需的热、电负荷具有很大的不确定性，要实现系统在负荷波动较大的情况下稳定运行尤为关键。此外，SOFC热电联供系统出力与用能负荷间的不匹配会造成大量的能量浪费或供能不足等情况的发生。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于弥补SOFC热电联供系统响应速度慢的缺陷，提供一种基于短期负荷预测的SOFC热电联供系统运行调控方法，采用前反馈的控制策略，通过短期负荷预测提前对系统运行进行调控，从而在保障系统稳定运行的前提下，最大限度的提升源、荷侧的供需匹配度。通过获取随时间变化的建筑物环境变量以及历史负荷数据，预测模型能够从历史数据中习得负荷的变化规律；同时，通过引入合理的机器学习算法，找出上述信息的内在联系，从而以较小代价实现对负荷的预测，实现对SOFC热电联供系统的高效调控。
[0005]为了解决上述技术问题，本专利技术提出的一种基于短期负荷预测的SOFC热电联供系统运行调控方法，包括以下步骤：
[0006]步骤S1、测试SOFC热电联供系统在不同操作条件组合下的系统状态和系统输出功率，得到SOFC热电联供系统在全负载区间内系统输出功率与操作条件的对应关系，通过改变所述操作条件，测量在全负载区间内系统输出功率，以得到操作条件与系统输出功率间的函数关系，所述系统输出功率包括发电功率和供热功率；
[0007]步骤S2、获取历史负荷数据和与所述负荷数据相对应的气象数据，并进行预处理，所述预处理方法包括偏差数据处理和缺失数据处理；利用经过预处理后的历史负荷数据和对应的气象数据构建训练样本集；通过采用机器学习算法对所述的训练样本集进行训练，生成负荷预测模型；
[0008]步骤S3、将气象局发布的逐时天气预报参数值用来构成所述负荷预测模型的被预测样本特征，所述负荷预测模型通过读取所述气象局发布的逐时天气预报值获得针对指定目标的热、电负荷预测值，所述热、电负荷预测值包括日均、逐时用热负荷和用电负荷的预
测值，用以反映未来一天内的负荷变化情况；所述负荷预测模型输出预测的所有时刻点的负荷即为预测的短期负荷值；
[0009]步骤S4、根据所述负荷预测模型所预测的短期负荷值利用步骤S1得到操作条件与系统输出功率间的函数关系，并基于模式搜索算法搜寻目标负荷下的操作条件，并生成时间控制指令表，提前对SOFC热电联供系统的输入参数，即燃料流量、空气流量、给水流量和工作电流进行控制，使系统的发电功率和供热功率在规定时间达到预测的短期负荷值，从而实现相应热、电负荷的输出。
[0010]进一步讲，本专利技术所述的SOFC热电联供系统运行调控方法，其中：
[0011]步骤S1中，所述操作条件包括：燃料流量n
fuel
、空气流量n
air
、给水流量n
water
和工作电流I；按照下述步骤得到操作条件与系统输出功率间的函数关系：
[0012]S1
‑
1)保持空气流量n
air
、燃料流量n
fuel
和给水流量n
water
恒定不变，测试SOFC热电联供系统在不同工作电流I下的发电功率Q
ele,load
和供热功率Q
heat,load
；
[0013]S1
‑
2)保持空气流量n
air
和燃料流量n
fuel
恒定不变，在不同给水流量n
water
下进行步骤S1
‑
1)所述的测试；
[0014]S1
‑
3)保持空气流量n
air
恒定不变，在不同燃料流量n
fuel
下进行步骤S1
‑
2)所述的测试；
[0015]S1
‑
4)在不同空气流量n
air
下进行步骤S1
‑
3)所述的测试；
[0016]经过上述4个步骤的测试，获取任一操作条件下的SOFC热电联供系统的发电功率Q
ele,load
和供热功率Q
heat,load
，得到SOFC热电联供系统在全负载区间内系统发电功率Q
ele,load
和供热功率Q
heat,load
与操作条件的一一对应的函数关系，即：
[0017][Q
ele,load
,Q
heat,load
]＝f(I,n
air
,n
fuel
,n
water
)。
[0018]步骤S2中，所述负荷数据包括用电负荷数据和用热负荷数据；对于用电负荷数据的采集，通过相邻两个时刻电表示数的差值来确定；对于用热负荷数据的采集，通过监测供暖用水的供回水温度、体积流量来得到；所述气象数据包括温度、湿度、降雨量和风力；所述偏差数据是指对在数值上表现为相邻时刻负荷值的突增或骤减的数值，所述缺失数据是指表现为单点数据缺失或在一段时间内出现连续零值的数据，对所述偏差数据和所述缺失数据的处理采用朗格朗日插值法进行负荷值的插补。
[0019]步骤S2中，构建训练样本集的过程是：利用统计的手段对预处理后的数据进行样本分析得出数据呈现的统计特性，形成样本集；再依据数据的统计特性进行样本集的划分；历史负荷数据在每个时刻的状态均构成一条训练样本，从而构成训练样本集。
[0020]步骤S2中，所述机器学习算法包括梯度渐进回归树(GBRT)算法、人工神经网络(ANN)算法、多元线性回归算法、支持向量回归(SVR)算法、差分整合移动平均自回归(ARIMA)算法以及上述算法的任意结合。
[0021]与现有技术相比，本专利技术的有益效果是：
[0022]本专利技术所述的SOFC热电联供系统运行调控方法中，通过引入合理的机器学习算法，预测出未来短时间内的用能负荷，根据负荷预测值得到相应的SOFC热电联供系统操作参数，提前对SOFC热电联供系统的各参数变量进行控制，具有良好的适用性，可用于不同地区、不同使用场景的用能负荷预测。基于短本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于短期负荷预测的SOFC热电联供系统运行调控方法，其特征在于，包括以下步骤：步骤S1、测试SOFC热电联供系统在不同操作条件组合下的系统状态和系统输出功率，得到SOFC热电联供系统在全负载区间内系统输出功率与操作条件的对应关系，通过改变所述操作条件，测量在全负载区间内系统输出功率，以得到操作条件与系统输出功率间的函数关系，所述系统输出功率包括发电功率和供热功率；步骤S2、获取历史负荷数据和与所述负荷数据相对应的气象数据，并进行预处理，所述预处理方法包括偏差数据处理和缺失数据处理；利用经过预处理后的历史负荷数据和对应的气象数据构建训练样本集；通过采用机器学习算法对所述的训练样本集进行训练，生成负荷预测模型；步骤S3、将气象局发布的逐时天气预报参数值用来构成所述负荷预测模型的被预测样本特征，所述负荷预测模型通过读取所述气象局发布的逐时天气预报值获得针对指定目标的热、电负荷预测值，所述热、电负荷预测值包括日均、逐时用热负荷和用电负荷的预测值，用以反映未来一天内的负荷变化情况；所述负荷预测模型输出预测的所有时刻点的负荷即为预测的短期负荷值；步骤S4、根据所述负荷预测模型所预测的短期负荷值利用步骤S1得到操作条件与系统输出功率间的函数关系，并基于模式搜索算法搜寻目标负荷下的操作条件，并生成时间控制指令表，提前对SOFC热电联供系统的输入参数，即燃料流量、空气流量、给水流量和工作电流进行控制，使系统的发电功率和供热功率在规定时间达到预测的短期负荷值，从而实现相应热、电负荷的输出。2.根据权利要求1所述的SOFC热电联供系统运行调控方法，其特征在于，步骤S1中，所述操作条件包括：燃料流量n
fuel
、空气流量n
air
、给水流量n
water
和工作电流I；按照下述步骤得到操作条件与系统输出功率间的函数关系：S1
‑
1)保持空气流量n
air
、燃料流量n
fuel
和给水流量n
water
恒定不变，测试SOFC热电联供系统在不同工作电流I下的发电功率Q
ele,load
和供热功率Q
heat,load
；S1
‑
2)保持空气流量n
air
和燃料流量n
fuel
恒定不变，在不同给水流量n
w...

【专利技术属性】
技术研发人员：梅书雪，王世学，朱禹，岳利可，钱志广，王金山，刘乙锡，
申请(专利权)人：天津大学，
类型：发明
国别省市：