基于空气源热泵和楼宇换热机组的供热系统协调控制方法技术方案

本发明专利技术公开了一种基于空气源热泵和楼宇换热机组的供热系统协调控制方法，包括：设置空气源热泵机组、楼宇换热机组、供热管网和楼宇建筑的复合供热系统，并建立该复合供热系统数字孪生模型；基于各个楼宇建筑的分时段热负荷预测值、峰谷电价策略、空气源热泵机组分时段供热能力范围，以各个楼宇建筑综合供热费用最小为目标函数，求解获得各个楼宇建筑复合供热系统分时段的最优供热模式和复合供热模式下空气源热泵机组和楼宇换热机组的优化负荷占比；建立空气源热泵机组供回水温度调控模型和楼宇换热机组泵阀调控模型，获得空气源热泵机组和楼宇换热机组在对应供热模式下的调控策略。策略。策略。

【技术实现步骤摘要】
基于空气源热泵和楼宇换热机组的供热系统协调控制方法


[0001]本专利技术属于智慧供热
，具体涉及一种基于空气源热泵和楼宇换热机组的供热系统协调控制方法。

技术介绍

[0002]我国大多数地区传统的采暖模式主要有区域锅炉房、热电联产以及电采暖等，并且以上采暖方式存在着不同程度的问题，如能源利用效率低、污染严重、高位能源利用不合理、供热设备利用率低等弊端，建筑供暖方面急需寻找一种环保、高效、合理的新型供暖模式。空气源热泵是一种高效环保节能的供热设备，该设备基于逆卡诺循环原理，可以实现从室外低温空气中提取热量，将热量用于建筑物供热，可以大幅度减少传统能源供暖方式产生的污染，节约不可再生能源，近年来受到国家节能部门及环保部门的高度重视。
[0003]然而，空气源热泵的制热量和效率随着天气温度的降低而降低，此时楼宇建筑的负荷却增大，会出现热量供给达不到楼宇建筑的热量需求，另外，空气源热泵在天气温度较低时会出现结霜现象，使其制热系数下降，能耗增加。针对空气源热泵的不足，通常采取与其他热源部署的供热管网联合进行供热，从供热管网获取一定热量弥补空气源热泵的热量缺失，然而如何将空气源热泵和供热管网复合进行精准协调供热，满足楼宇建筑的用热需求是目前急需解决的问题。
[0004]基于上述技术问题，需要设计一种新的基于空气源热泵和楼宇换热机组的供热系统协调控制方法。

技术实现思路

[0005]本专利技术所要解决的技术问题是，克服现有技术的不足，提供一种基于空气源热泵和楼宇换热机组的供热系统协调控制方法，能够采用峰谷电价、空气源热泵机组供热能力范围和负荷值区间的方式进行供热模式的选择，可采取空气源热泵机组单独供热、楼宇换热机组单独供热，将空气源热泵机组和楼宇换热机组的供热能力进行有效应用，采取空气源热泵和楼宇换热机组联合供热方式，通过楼宇换热机组启动泵阀从原有供热管网获取一定热量，与空气源热泵联合供热，不仅能够满足楼宇建筑供热需求，而且具备清洁供暖、经济性更高的优势；通过建立对应供热模式下的调控模型，提升了供热的精确性，提前对供热系统进行分时段的调控。
[0006]为了解决上述技术问题，本专利技术的技术方案是：
[0007]本专利技术提供了一种基于空气源热泵和楼宇换热机组的供热系统协调控制方法，它包括：
[0008]步骤S1、在各个楼宇建筑热力入口处设置楼宇换热机组，在楼宇建筑顶层设置空气源热泵机组，形成空气源热泵机组、楼宇换热机组、供热管网和楼宇建筑的复合供热系统，并建立该复合供热系统数字孪生模型；
[0009]步骤S2、基于天气数据和各个楼宇建筑历史负荷数据，对各个楼宇建筑的热负荷
需求进行分时段预测；
[0010]步骤S3、基于各个楼宇建筑的分时段热负荷预测值、峰谷电价策略、空气源热泵机组分时段供热能力范围，以各个楼宇建筑综合供热费用最小为目标函数，求解获得各个楼宇建筑复合供热系统分时段的最优供热模式和复合供热模式下空气源热泵机组和楼宇换热机组的优化负荷占比；
[0011]步骤S4、基于复合供热系统的供热模式和复合供热模式下空气源热泵机组和楼宇换热机组的优化负荷占比、各个楼宇建筑的分时段热负荷预测值，建立空气源热泵机组供回水温度调控模型和楼宇换热机组泵阀调控模型，获得空气源热泵机组和楼宇换热机组在对应供热模式下的调控策略。
[0012]进一步，所述步骤S1包括：
[0013]S101、在各个楼宇建筑热力入口设置一个楼宇换热机组，在楼宇建筑顶层设置多个空气源热泵机组，形成空气源热泵机组、楼宇换热机组、原有供热管网和楼宇建筑的负荷供热系统；所述空气源热泵机组为并联方式，包括蒸发器、压缩机、冷凝器和膨胀阀；所述楼宇换热机组采用并入原有供热管网的方式，通过调节阀门开度和泵频率来获取供热量；
[0014]S102、构建包括空气源热泵机组、楼宇换热机组、供热管网和楼宇建筑的复合供热系统虚拟实体，并进行虚实数据连接后建立复合供热系统数字孪生模型，包括：
[0015]构建复合供热系统结构模型、物理设备实体模型、行为模型和规则模型；所述物理设备实体模型通过添加设备物理属性获得；基于功能基本理论构建行为模型，建立具有交互功能和模拟真实操作环境的复合供热系统虚拟仿真系统；最后建立虚拟实体的规则模型制定虚拟实体的控制策略；
[0016]通过采集复合供热系统物理设备的实际运行数据驱动相应虚拟设备，建立虚实数据的映射关系，形成复合供热系统作业策略；通过不断迭代和优化数据采集控制过程，实现物理实体与虚拟空间实时数据的连接与动态交互，建立复合供热系统数字孪生模型；
[0017]S103、对复合供热系统数字孪生模型进行辨识，包括：
[0018]将复合供热系统的多工况实时运行数据接入已建立的数字孪生模型中，采用反向辨识方法对数字孪生模型的仿真结果进行自适应辨识修正，获得辨识修正后的复合供热系统数字孪生模型。
[0019]进一步，所述步骤S2包括：
[0020]获取各个楼宇建筑供热初寒末期不同时段的历史负荷数据和所在地的天气数据，进行数据清洗、缺失值补全和归一化预处理后，将处理后的数据划分为训练集、验证集和测试集；所述天气数据包括室外温度、风向、湿度、降水量、水平总辐射和地表反照率；
[0021]选取历史相同时间段的负荷和天气数据序列，计算两个序列之间的MIC值；
[0022]对计算获取的MIC值进行符号聚合近似处理和相关性均值求解，将各天气变量的均值排序后，筛选出负荷预测模型的输入变量；
[0023]将训练集和验证集输入至改进的LSTNet模型中进行训练学习，建立各个楼宇建筑负荷预测模型，获得各个楼宇建筑分时段的热负荷预测值；
[0024]基于各个楼宇建筑分时段的热负荷预测值，通过复合供热系统数字孪生模型仿真计算不同热负荷预测值工况下，满足楼宇建筑舒适条件的楼宇供回水温度目标值。
[0025]进一步，所述计算两个序列之间的MIC值，包括：
[0026]计算负荷数据序列L和天气数据序列C的互信息MI，表示为：
[0027][0028]p(l,c)为负荷数据序列L和天气数据序列C的联合概率密度；p(l)、p(c)分别为负荷数据序列L和天气数据序列C的边缘概率密度；
[0029]计算网格G当中的负荷数据序列L和天气数据序列C的互信息量，并遍历所有的网格，获得给定整数(x,y)最大的MI值，表示为：
[0030]f
′
MI
(D,G(x,y))＝max f
MI
(D,G(x,y))；
[0031]f
MI
(D,G(x,y))为数据集D＝(L,C)在G(x,y)上的MI值；
[0032]对不同网格中最大的MI值进行归一化，表示为：
[0033][0034]取所有M
G(x,y)
的最大值，将其作为负荷数据序列L和天气数据序列C的MIC值，表示为：
[0035][0036]B(n)为关于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空气源热泵和楼宇换热机组的供热系统协调控制方法，其特征在于，它包括：步骤S1、在各个楼宇建筑热力入口处设置楼宇换热机组，在楼宇建筑顶层设置空气源热泵机组，形成空气源热泵机组、楼宇换热机组、供热管网和楼宇建筑的复合供热系统，并建立该复合供热系统数字孪生模型；步骤S2、基于天气数据和各个楼宇建筑历史负荷数据，对各个楼宇建筑的热负荷需求进行分时段预测；步骤S3、基于各个楼宇建筑的分时段热负荷预测值、峰谷电价策略、空气源热泵机组分时段供热能力范围，以各个楼宇建筑综合供热费用最小为目标函数，求解获得各个楼宇建筑复合供热系统分时段的最优供热模式和复合供热模式下空气源热泵机组和楼宇换热机组的优化负荷占比；步骤S4、基于复合供热系统的供热模式和复合供热模式下空气源热泵机组和楼宇换热机组的优化负荷占比、各个楼宇建筑的分时段热负荷预测值，建立空气源热泵机组供回水温度调控模型和楼宇换热机组泵阀调控模型，获得空气源热泵机组和楼宇换热机组在对应供热模式下的调控策略。2.根据权利要求1所述的供热系统协调控制方法，其特征在于，所述步骤S1包括：S101、在各个楼宇建筑热力入口设置一个楼宇换热机组，在楼宇建筑顶层设置多个空气源热泵机组，形成空气源热泵机组、楼宇换热机组、原有供热管网和楼宇建筑的负荷供热系统；所述空气源热泵机组为并联方式，包括蒸发器、压缩机、冷凝器和膨胀阀；所述楼宇换热机组采用并入原有供热管网的方式，通过调节阀门开度和泵频率来获取供热量；S102、构建包括空气源热泵机组、楼宇换热机组、供热管网和楼宇建筑的复合供热系统虚拟实体，并进行虚实数据连接后建立复合供热系统数字孪生模型，包括：构建复合供热系统结构模型、物理设备实体模型、行为模型和规则模型；所述物理设备实体模型通过添加设备物理属性获得；基于功能基本理论构建行为模型，建立具有交互功能和模拟真实操作环境的复合供热系统虚拟仿真系统；最后建立虚拟实体的规则模型制定虚拟实体的控制策略；通过采集复合供热系统物理设备的实际运行数据驱动相应虚拟设备，建立虚实数据的映射关系，形成复合供热系统作业策略；通过不断迭代和优化数据采集控制过程，实现物理实体与虚拟空间实时数据的连接与动态交互，建立复合供热系统数字孪生模型；S103、对复合供热系统数字孪生模型进行辨识，包括：将复合供热系统的多工况实时运行数据接入已建立的数字孪生模型中，采用反向辨识方法对数字孪生模型的仿真结果进行自适应辨识修正，获得辨识修正后的复合供热系统数字孪生模型。3.根据权利要求1所述的供热系统协调控制方法，其特征在于，所述步骤S2包括：获取各个楼宇建筑供热初寒末期不同时段的历史负荷数据和所在地的天气数据，进行数据清洗、缺失值补全和归一化预处理后，将处理后的数据划分为训练集、验证集和测试集；所述天气数据包括室外温度、风向、湿度、降水量、水平总辐射和地表反照率；选取历史相同时间段的负荷和天气数据序列，计算两个序列之间的MIC值；对计算获取的MIC值进行符号聚合近似处理和相关性均值求解，将各天气变量的均值
排序后，筛选出负荷预测模型的输入变量；将训练集和验证集输入至改进的LSTNet模型中进行训练学习，建立各个楼宇建筑负荷预测模型，获得各个楼宇建筑分时段的热负荷预测值；基于各个楼宇建筑分时段的热负荷预测值，通过复合供热系统数字孪生模型仿真计算不同热负荷预测值工况下，满足楼宇建筑舒适条件的楼宇供回水温度目标值。4.根据权利要求3所述的供热系统协调控制方法，其特征在于，所述计算两个序列之间的MIC值，包括：计算负荷数据序列L和天气数据序列C的互信息MI，表示为：p(l,c)为负荷数据序列L和天气数据序列C的联合概率密度；p(l)、p(c)分别为负荷数据序列L和天气数据序列C的边缘概率密度；计算网格G当中的负荷数据序列L和天气数据序列C的互信息量，并遍历所有的网格，获得给定整数(x,y)最大的MI值，表示为：f
′
MI
(D,G(x,y))＝maxf
MI
(D,G(x,y))；f
MI
(D,G(x,y))为数据集D＝(L,C)在G(x,y)上的MI值；对不同网格中最大的MI值进行归一化，表示为：取所有M
G(x,y)
的最大值，将其作为负荷数据序列L和天气数据序列C的MIC值，表示为：B(n)为关于n的函数。5.根据权利要求3所述的供热系统协调控制方法，其特征在于，所述对计算获取的MIC值进行符号聚合近似处理和相关性均值求解，包括：采用分段聚合近似法量化MIC，表示为：y
i
为第i段的平均值；k
i
为第i个时间断点；x
j
为第j个MIC的值；对分段聚合近似处理后的序列进行符号化，将其转换为离散的字符串；分析各个字符的出现次数，计算所有字符的平均值获得相关性，表示为：β
i
为相关性；f
k
为第k个字符出现的次数；S
k
为第k个字符的数学归一化值；P为所有出现字符的个数；N
i
为该MIC符号聚合表示的字符个数。6.根据权利要求3所述的供热系统协调控制方法，其特征在于，所述LSTNet模型包括卷积层、循环层和循环跳跃层、全连接层和自回归模型；
所述改进的LSTNet模型包括：将通道注意力机制引入卷积层，对不同通道赋予对应的权值，再进行通道信息加权求和，获得卷积层的输出；采用双向循环神经网络BiLSTM取代循环层和循环跳跃层的基本单元，同时获取双向的数据信息；将时间注意力机制引入循环层和循环跳跃层中，分别对BiLSTM输出的各个特征向量经过注意力机制处理后获得初始状态向量后，再通过权重系数进行加权求和获得最终输出向量。7.根据权利要求1所述的供热系统协调控制方法，其特征在于，所述步骤S3包括：基于天气数据和空气源热泵性能，对各个楼宇建筑配备的空气源热泵机组供热最大值、最小值进行分时段预测，获得空气源热泵机组分时段供热能力范围；基于各个楼宇建筑的分时段热负荷预测值、峰谷电价策略、空气源热泵机组分时段供热能力范围，以各个楼宇建筑综合供热费用最小为目标函数；设置复合供热系统约束条件，包括：热功率平衡约束条件、空气源热泵机组供热出力约束条件、楼宇换热机组的供热出力约束条件；通过智能优化算法求解获得各个楼宇建筑复合供热系统分时段的最优供热模式和复合供热模式下空气源热泵机组和楼宇换热机组的优化负荷占比；其中，所述供热模式包括：空气源热泵机组单独供热模式、楼宇换热机组单独供热模式、空气源热泵机组供热和楼宇换热机组从供热管网获取热量的复合供热模式。8.根据权利要求1所述的供热系统协调控制方法，其特征在于，所述步骤S4包括：当复合供热系统的供热模式为空气源热泵机组单独供热时，获取空气源热泵机组的运行数据和室外气象参数；基于空气源热泵机组的运行数据和室外气象参数，结合楼宇建筑的热负荷预测值，建立空气源热泵机组供回水温度第一调控模型，对空气源热泵机组的运行状态和参数进行调控；当复合供热系统的供热模式为楼宇换热机组单独供热时，获取楼宇换热机组的运行数据和室外气象参数；基于楼宇换热机组的运...

【专利技术属性】
技术研发人员：裘天阅，李曼洁，
申请(专利权)人：浙江英集动力科技有限公司，
类型：发明
国别省市：