[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN113327029A - 一种写字楼能源策略生成方法及系统 - Google Patents

一种写字楼能源策略生成方法及系统 Download PDF

Info

Publication number
CN113327029A
CN113327029A CN202110586333.7A CN202110586333A CN113327029A CN 113327029 A CN113327029 A CN 113327029A CN 202110586333 A CN202110586333 A CN 202110586333A CN 113327029 A CN113327029 A CN 113327029A
Authority
CN
China
Prior art keywords
energy
office building
equipment
vector
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110586333.7A
Other languages
English (en)
Other versions
CN113327029B (zh
Inventor
李宝瑞
武进军
王超
贺思艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Anjie Wulian Science And Technology Co ltd
Original Assignee
Tianjin Anjie Wulian Science And Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Anjie Wulian Science And Technology Co ltd filed Critical Tianjin Anjie Wulian Science And Technology Co ltd
Priority to CN202110586333.7A priority Critical patent/CN113327029B/zh
Publication of CN113327029A publication Critical patent/CN113327029A/zh
Application granted granted Critical
Publication of CN113327029B publication Critical patent/CN113327029B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种写字楼能源策略生成方法及系统，属于写字楼技术领域，包括：一、预测写字楼第二天每小时所需的能量；二、获取写字楼不同时间段的电价数据；三、对写字楼各能源设备在不同时间段的工作时间进行建模，将工作时间以及各个设备的实际放能、蓄能功率抽象为一个向量，该向量为需要进行优化的目标向量；设置需要最小化的目标函数，确定各种约束条件；约束条件包括设备的平均放能量或蓄能量、设备的能效比、设备工作时间、供能大于用能的限定条件；四、对目标向量赋初始值，并将目标向量、目标优化函数、约束条件一同代入序列二次非线性规划算法中进行优化；五、根据优化后的目标向量推出各能源设备的最佳工作时间，以及最小总电费。

Description

一种写字楼能源策略生成方法及系统
技术领域
本发明属于写字楼技术领域，特别是涉及一种写字楼能源策略生成方法及系统。
背景技术
随着国际社会对可再生能源应用、节约用电的需求高涨，智能用电方向的研究变得越来越火热。在智能电表与高级测量体系的研究推广方面，我国相关技术已经接近甚至领先国际水平，例如电器耗能采集、智能社区建设、物联网等领域进展神速。但是在用电服务技术方面，我国较欧美国家发展较慢，这是我国亟待解决的问题之一。
随着物联网技术和智能用电技术的发展，能源设备的自动控制成为了可能，在满足使用要求的同时，还需要通过优化设备用电时间，降低用电成本，改善电网负荷曲线，利用储能技术进行削峰填谷，以帮助企业更好地控制能源消费，实现能源节约和成本优化。写字楼能源策略的研究已成为国内外关注的热点，并提出了多种优化方法。
现有的写字楼能源策略生成方法中，大多数方法仅仅考虑了一般能源设备的控制策略，而没有或者没有充分考虑储能设备的应用策略，这使得写字楼无法利用不同电价区间的电价差值进行削峰填谷，无法减少电价高峰期的用电成本；除此之外，大多数现有的写字楼能源策略生成方法都只能针对特定的设备进行策略生成，泛化能力较差，缺乏普遍适用性。
发明内容
本发明为了解决传统技术无法充分利用峰谷电价进行削峰填谷，且方法泛化能力不强的技术问题。
本发明的第一目的是提供一种写字楼能源策略生成方法，包括如下步骤：
S1、预测本大楼第二天每小时所需的能量，以便后续计算；
S2、获取当地不同时间段的电价数据，以便后续计算；
S3、对大楼各能源设备在不同时间段的工作时间进行建模，将工作时间以及各个设备的实际放能、蓄能功率抽象为一个向量，该向量就是需要进行优化的目标向量；设置需要最小化的目标函数，在本文中就是总电费计算函数；确定各种约束条件，包括设备的平均放能量或蓄能量，设备的能效比，设备工作时间，供能大于用能等限定条件等；
S4、对目标向量赋初始值，并将目标向量、目标优化函数、约束条件一同代入序列二次非线性规划算法中进行优化；
S5、待优化结束后，根据优化后的目标向量推出各能源设备的最佳工作时间，以及最小总电费。
进一步地，预测大楼第二天每小时所需能量的方法利用了大楼历史能量数据、天气数据、时间数据，使用Stacking模型融合算法集成多种回归模型对数据进行训练，然后使用训练后的模型进行能量预测。
进一步地，不同时间段的电价数据包括该大楼所在区域不同时间段的峰、谷、平电价，由供电部门设定。一般来说峰价对应于用电高峰期，谷价对应用电低谷期，其余时间则为平价。
进一步地，大楼能源设备包含三种类型的设备，即产能设备、储能设备、用能设备。
进一步地，对大楼各能源设备在不同时间段的工作时间进行建模中的不同时间段指的就是前面所述该大楼所在区域峰、谷、平电价的不同时间段。
进一步地，大楼能源设备并不指定为特定设备，可以根据实际大楼设备情况进行调整。
进一步地，需要最小化的总电费函数，就是通过峰、谷、平的电价和单个设备在不同时间段的工作时间对应相乘，再乘单个设备的电功率(放能功率或储能功率与能效比的比值)，最后再将所有设备的计算结果加起来得到最终结果，目标就是让这个最终结果的值最小。
进一步地，计算总电费函数时，应该考虑用电损耗，以及储能设备在储存能量时能量的消耗，这些损耗需要通过统计得到平均值，在计算电费时考虑进去。
进一步地，各种约束条件的选择需要以实际情况为准，例如某些设备只能在某些时间段开启(如太阳能设备只在白天开启，水蓄能蓄能只在谷价时开启)，多个设备不能在同一个时间段开启等，除此之外，还要保证供能大于用能(如可提供的热量大于需要消耗的热量或可提供的冷量大于需要消耗的冷量)。
进一步地，序列二次规划算法采用的是Python提供的开源数学、科学和工程计算包SciPy的minimize优化器，它是一种灵活的非线性优化工具，本发明采用的是它的最小化约束优化方法SLSQP，该方法是求解中小规模的非线性规划问题的最优秀算法之一。
进一步地，使用优化后的目标向量推出各能源设备在不同时间段的工作时间时要按照之前的建模方式给出每一个能源设备的最佳工作时间。
本发明的第二目的是提供一种写字楼能源策略生成系统，包括：
预测模块：预测写字楼第二天每小时所需的能量；
数据获取模块：获取写字楼不同时间段的电价数据；
建模模块：对写字楼各能源设备在不同时间段的工作时间进行建模，将工作时间以及各个设备的实际放能、蓄能功率抽象为一个向量，该向量为需要进行优化的目标向量；设置需要最小化的目标函数，确定各种约束条件；所述约束条件包括设备的平均放能量或蓄能量、设备的能效比、设备工作时间、供能大于用能的限定条件；
优化模块：对目标向量赋初始值，并将目标向量、目标优化函数、约束条件一同代入序列二次非线性规划算法中进行优化；
结果输出模块：根据优化后的目标向量推出各能源设备的最佳工作时间，以及最小总电费。
进一步地，所述预测模块利用写字楼历史能量数据、天气数据、时间数据，使用Stacking模型融合算法集成多种回归模型对数据进行训练，然后使用训练后的模型进行能量预测。
进一步地，不同时间段的电价数据包括该写字楼所在区域不同时间段的峰、谷、平电价；所述写字楼能源设备包括产能设备、储能设备和用能设备。
进一步地，所述序列二次非线性规划算法采用的是Python提供的开源数学、科学和工程计算包SciPy的minimize优化器。
本专利的第三发明目的是提供一种实现上述写字楼能源策略生成方法的计算机程序。
本专利的第四发明目的是提供一种实现上述写字楼能源策略生成方法的信息数据处理终端。
本专利的第五发明目的是提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述的写字楼能源策略生成方法。
本发明的优点及积极效果为：
通过采用上述技术方案，本发明具有如下的技术效果：
本发明采用序列二次非线性规划算法对写字楼的能源设备在各个时间段的工作时间进行建模，便于准确地计算出最佳的设备运行时间；利用楼宇能量预测得到供冷、供暖所需能量数据，再根据供电部门设定的各时间段电价，以及各设备的功率和设备工作时间的限定条件等对模型进行约束，在满足供能需求的情况下不断优化使总电费最小化，最后根据优化后的结果推出各个能源设备的最佳运行时间，既减少了大楼的电费开支，又避免了能源的浪费，具有良好的经济效益和社会效益。
(1)本发明充分考虑了储能设备对减少电价高峰期用电量的作用，利用储能设备在谷价进行蓄能，并在电价高峰期进行放能，以达到从总体上减少用电总开支的效果，并且谷价蓄能也避免了电力资源的浪费，有利于节能；
(2)本发明中的设备并没有与特定设备绑定，每个设备都被抽象为不同时间段的工作时间向量，所以很容易就能够对参与优化的设备进行增加、删除、修改，满足了不同大楼设备差异造成的泛化需求，具有普遍适用性。
附图说明
图1是本发明提供的某写字楼第二天每小时所需能量预测过程图；
图2是本发明提供的某写字楼不同时间段的电价曲线；
图3是本发明提供的能源策略生成方法过程图；
图4是本发明提供的序列二次规划算法原理图；
图5是本发明提供的2020年12月某写字楼优化前的总电费和优化后的总电费的对比图；
图6是本发明提供的2020年12月16日某写字楼每小时所需能量预测结果。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
请参阅图1至图6，
一种写字楼能源策略生成方法，该方法包括以下几个步骤：
S1.预测大楼第二天每小时所需的能量，以便后续计算；
要对大楼第二天设备开闭时间进行优化，预测大楼第二天每小时所需的能量是必要的，本文中大楼第二天每小时所需能量使用Stacking集成模型预测得出。具体而言，首先需要收集待预测写字楼历史时段的温度、风力、湿度和时间信息，以及对应时段所需的用能数据作为训练集；然后构建Stacking集成模型，将训练集放入模型进行训练，得到训练后的用能预测模型；最后，在进行预测时，将待预测的第二天的温度、风力、湿度和时间信息输入用能预测模型中得到对应的第二天以小时为单位的用能预测结果。
本发明提供的大楼第二天每小时所需能量的预测过程如图1所示。
S2.获取当地不同时间段的电价数据，以便后续计算；
计算总电费，需要各个时间段的电价数据，所以需要查询当地的电价数据，图2是本发明提供的某写字楼不同时间段的电价曲线。
下面是电价随时间变化函数举例：
Figure BDA0003087669350000061
上式中，t表示时刻，以小时为单位，Q(t)为电价随时间变化的函数。
除了电价信息，还需要收集大楼主要能源设备的信息，如下表是某大楼的主要能源设备，表中包括各个设备的每小时最大放能功率、最大蓄能功率，各个供能设备的能效比(制冷/热功率与电功率的比值)，以及各个设备在使用时存在的损耗率(损耗量与总消耗的比值)：
表1某大楼主要能源设备
设备名 设备类型 最大放能功率 最大蓄能功率 能效比 电损耗
水蓄能蓄能端 蓄能设备 0 800 1.905 0.1％
水蓄能放能端 供能设备 700 0 28.254 0.2％
直供主机 供能设备 700 0 3.631 0.5％
S3.对大楼各能源设备在不同时间段的工作时间进行建模，将工作时间以及各个设备的实际放能、蓄能功率抽象为一个向量，该向量就是需要进行优化的目标向量；设置需要最小化的目标函数，在本文中就是总电费计算函数；确定各种约束条件，包括设备的最大放能功率、最大蓄能功率、设备的能效比、设备工作时间、供能大于用能等限定条件；
本发明提供的能源策略生成方法过程如图3所示。
首先抽象出需要优化的变量，在本发明中就是各个能源设备在不同时间段的工作时间以及各个设备的实际放能、蓄能功率，为了便于计算，将所有设备在不同时间段的工作时间抽象为Δti向量。另外，ei为设备i的实际放能功率或实际储能功率，如果是放能设备，指的是实际放能功率，如果是储能设备，指的是实际储能功率。能效比表示为ci，电损耗表示为qi，具体数值在表1中已经列出。
如下表是目标向量中各设备的表示方式。
表2目标向量中各设备的表示方式
Figure BDA0003087669350000062
Figure BDA0003087669350000071
然后设置需要求得最小值的目标函数，总电费S的计算公式为：
Figure BDA0003087669350000072
上式中，k为设备数；m为划分的时间段数；ei为设备的实际放能功率或实际储能功率；ci为设备的能效比；Ti为设备i的开启时刻；Δtij为设备i在第j时间段的用电时长；qi为设备的电损耗；Q(t)为前面提到的电价随时间变化的函数。
然后还需要设定各种约束条件，本发明中考虑的约束条件一共分为3类，分别是目标向量中各元素的取值范围、各设备工作时间的相容或互斥约束以及某时刻达到所需供能的约束。如下表是本例中所有的约束：
表3本例所有的约束条件
Figure BDA0003087669350000073
Figure BDA0003087669350000081
上表中第17、18、22条约束中的energy_all是通过预测得到的第二天需要的总能量、而energy_before_8则是通过预测得到的第二天8点前需要的总能量。
上表中第10、17条约束中直供主机允许在23:00～08:00产能的原因是：假如第二天用能分小时预测的结果中，仅靠07:00到08:00的产能无法满足8点前的用能需求，既8点前无法使写字楼到达合适的温度要求，则23:00～08:00之间存在用能需求，同时为了保证水蓄能存储的能量尽量在峰电时期放能以满足用能需求，应该优先使用主机直供在23:00～08:00进行产能，以满足写字楼进行预冷/预热的用能需要，保证第二天开始上班时室内温度就能达到合适水平。
S4.对目标向量赋初始值，并将目标向量、目标优化函数、约束条件一同代入序列二次非线性规划算法中进行优化；
目标向量中各个分量的初始值在设备中的表示如下表：
表4优化前的目标向量中各设备的表示方式
17:00～23:00 23:00～07:00 07:00～08:00 08:00～11:00 11:00～17:00 放/储能功率
水蓄能蓄能端 6.0 8.0 1.0 3.0 6.0 800
水蓄能放能端 6.0 8.0 1.0 3.0 6.0 700
直供主机 6.0 8.0 1.0 3.0 6.0 700
提取上表中的初始值为目标向量赋初始值，初始向量如下：
Δt＝[6,8,1,3,6,800,6,8,1,3,6,700,6,8,1,3,6,700]
初始向量中将各设备在各时间段的时间设置为这个时间段的最大时间，将各设备的实际放/储能功率设置为最大功率。随着优化器的运行，最终会得到满足表3中所有约束条件的优化后的目标向量。
本发明使用的优化器是Python提供的开源数学、科学和工程计算包SciPy的minimize优化器，该优化器使用简单、灵活，使用方式就是将前面定义的目标向量、目标优化函数，以及约束条件一同代入优化器中，并且选择一种优化方法进行优化。
本发明中使用的优化方法是序列二次规划算法，序列二次规划算法是公认的求解中小规模的非线性规划问题的最优秀的算法之一，用此方法求约束优化问题时，将原问题转化为一个二次规划子问题，求取最优解，如果满足条件则认为是原问题的最优解，否则用一个近似解代替从而构成一个新的二次规划问题，如此迭代，直到满足条件的解出现为止。如图4是序列二次规划算法的基本流程图。
S5.待优化结束后，根据优化后的目标向量推出各能源设备的最佳工作时间，得到最小总电费。
优化完成后，会得到优化后的目标向量，该目标向量代入原来的目标函数中就可以得到满足条件的最小总电费，图5展示了12月份某写字楼优化前的总电费和优化后的总电费的差别,可见优化后的总电费较优化前显著的减少了。
除了最小总电费外，还可以通过优化后的目标向量推出各个设备在不同时间段的最佳工作时间，这样就能够针对不同的设备设计出最优的开启和关闭时间，达到节能、减少用电开支的目的。
下面是具体的计算过程：
1)首先预测用能，如图6是2020/12/15日23点到2020/12/16日23点每小时用能的预测值(即每个小时供暖的用能)。
代入能量预测模型中的输入向量为：
Figure BDA0003087669350000091
Figure BDA0003087669350000101
Figure BDA0003087669350000111
表5能量预测模型输入向量
表5是本实验能量预测模型的输入向量，将时间划分为每小时、星期几、第几周、所属季节、是否节假日，并且爬取了待预测时间段的最高温、最低温、风力、湿度等特征。
模型输出向量为：
表6能量预测模型输出向量
时间 2020/12/15 23:00 2020/12/16 00:00 2020/12/16 01:00 2020/12/16 02:00
用能 0.0 0.0 0.0 0.0
时间 2020/12/16 03:00 2020/12/16 04:00 2020/12/16 05:00 2020/12/16 06:00
用能 546.0 537.7 545.9 604.0
时间 2020/12/16 07:00 2020/12/16 08:00 2020/12/16 09:00 2020/12/16 10:00
用能 905.4 767.7 656.2 562.1
时间 2020/12/16 11:00 2020/12/16 12:00 2020/12/16 13:00 2020/12/16 14:00
用能 550.9 604.2 541.7 603.7
时间 2020/12/16 15:00 2020/12/16 16:00 2020/12/16 17:00 2020/12/16 18:00
用能 575.2 0.0 0.0 0.0
时间 2020/12/16 19:00 2020/12/16 20:00 2020/12/16 21:00 2020/12/16 22:00
用能 0.0 0.0 0.0 0.0
表6中每小时的用能,指的是从这个时间点往后的一个小时内所需的用能，统计得到该时间段24小时所需用能总共约为8000kW；
2)根据表3中各设备在目标向量中的表示方式，将优化后的向量填入表中：
表7优化后的目标向量中各设备的表示方式
Figure BDA0003087669350000121
3)根据上表中的数据，将不为0的值取出来，以为例，表示在23:00～07:00之间水蓄能蓄能端需要工作5个小时，所以水蓄能蓄能端的工作时间为23:00～04:00。需要注意的是，要尽量使得同一设备在不同时间段连续运行，以上述的水蓄能放能端在08:00～11:00和11:00～17:00的优化结果为例，在推出设备开闭策略的过程中，将水蓄能放能端的工作时间设为08:00～13:00，而不是分为两个时间段，这样能减少设备开闭时不必要的能量浪费以及设备损耗。
4)同理计算出各设备在不同时间段的工作时间，组织成策略如下：
23:00～04:00：水蓄能蓄能
08:00～13:00：水蓄能放能
04:00～08:00、13:00～16:30：直供主机放能。
一种写字楼能源策略生成系统，包括：
预测模块：预测写字楼第二天每小时所需的能量；要对大楼第二天设备开闭时间进行优化，预测大楼第二天每小时所需的能量是必要的，本文中大楼第二天每小时所需能量使用Stacking集成模型预测得出。具体而言，首先需要收集待预测写字楼历史时段的温度、风力、湿度和时间信息，以及对应时段所需的用能数据作为训练集；然后构建Stacking集成模型，将训练集放入模型进行训练，得到训练后的用能预测模型；最后，在进行预测时，将待预测的第二天的温度、风力、湿度和时间信息输入用能预测模型中得到对应的第二天以小时为单位的用能预测结果。
数据获取模块：获取写字楼不同时间段的电价数据；
建模模块：对写字楼各能源设备在不同时间段的工作时间进行建模，将工作时间以及各个设备的实际放能、蓄能功率抽象为一个向量，该向量为需要进行优化的目标向量；设置需要最小化的目标函数，确定各种约束条件；所述约束条件包括设备的平均放能量或蓄能量、设备的能效比、设备工作时间、供能大于用能的限定条件；
优化模块：对目标向量赋初始值，并将目标向量、目标优化函数、约束条件一同代入序列二次非线性规划算法中进行优化；
结果输出模块：根据优化后的目标向量推出各能源设备的最佳工作时间，以及最小总电费。
所述预测模块利用写字楼历史能量数据、天气数据、时间数据，使用Stacking模型融合算法集成多种回归模型对数据进行训练，然后使用训练后的模型进行能量预测。
不同时间段的电价数据包括该写字楼所在区域不同时间段的峰、谷、平电价；所述写字楼能源设备包括产能设备、储能设备和用能设备。
所述序列二次非线性规划算法采用的是Python提供的开源数学、科学和工程计算包SciPy的minimize优化器。
一种实现上述写字楼能源策略生成方法的信息数据处理终端。
一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述的写字楼能源策略生成方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (10)

1.一种写字楼能源策略生成方法，其特征在于，包括如下步骤：
S1、预测写字楼第二天每小时所需的能量；
S2、获取写字楼不同时间段的电价数据；
S3、对写字楼各能源设备在不同时间段的工作时间进行建模，将工作时间以及各个设备的实际放能、蓄能功率抽象为一个向量，该向量为需要进行优化的目标向量；设置需要最小化的目标函数，确定各种约束条件；所述约束条件包括设备的平均放能量或蓄能量、设备的能效比、设备工作时间、供能大于用能的限定条件；
S4、对目标向量赋初始值，并将目标向量、目标优化函数、约束条件一同代入序列二次非线性规划算法中进行优化；
S5、根据优化后的目标向量推出各能源设备的最佳工作时间，以及最小总电费。
2.根据权利要求1所述的写字楼能源策略生成方法，其特征在于，所述S1为：利用写字楼历史能量数据、天气数据、时间数据，使用Stacking模型融合算法集成多种回归模型对数据进行训练，然后使用训练后的模型进行能量预测。
3.根据权利要求1所述的写字楼能源策略生成方法，其特征在于，不同时间段的电价数据包括该写字楼所在区域不同时间段的峰、谷、平电价；所述写字楼能源设备包括产能设备、储能设备和用能设备。
4.根据权利要求1所述的写字楼能源策略生成方法，其特征在于，所述序列二次非线性规划算法采用的是Python提供的开源数学、科学和工程计算包SciPy的minimize优化器。
5.一种写字楼能源策略生成系统，其特征在于，包括：
预测模块：预测写字楼第二天每小时所需的能量；
数据获取模块：获取写字楼不同时间段的电价数据；
建模模块：对写字楼各能源设备在不同时间段的工作时间进行建模，将工作时间以及各个设备的实际放能、蓄能功率抽象为一个向量，该向量为需要进行优化的目标向量；设置需要最小化的目标函数，确定各种约束条件；所述约束条件包括设备的平均放能量或蓄能量、设备的能效比、设备工作时间、供能大于用能的限定条件；
优化模块：对目标向量赋初始值，并将目标向量、目标优化函数、约束条件一同代入序列二次非线性规划算法中进行优化；
结果输出模块：根据优化后的目标向量推出各能源设备的最佳工作时间，以及最小总电费。
6.根据权利要求5所述的写字楼能源策略生成系统，其特征在于，所述预测模块利用写字楼历史能量数据、天气数据、时间数据，使用Stacking模型融合算法集成多种回归模型对数据进行训练，然后使用训练后的模型进行能量预测。
7.根据权利要求5所述的写字楼能源策略生成系统，其特征在于，不同时间段的电价数据包括该写字楼所在区域不同时间段的峰、谷、平电价；所述写字楼能源设备包括产能设备、储能设备和用能设备。
8.根据权利要求5所述的写字楼能源策略生成系统，其特征在于，所述序列二次非线性规划算法采用的是Python提供的开源数学、科学和工程计算包SciPy的minimize优化器。
9.一种实现权利要求1-4任一项所述写字楼能源策略生成方法的信息数据处理终端。
10.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-4任一项所述的写字楼能源策略生成方法。
CN202110586333.7A 2021-05-27 2021-05-27 一种写字楼能源策略生成方法及系统 Active CN113327029B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110586333.7A CN113327029B (zh) 2021-05-27 2021-05-27 一种写字楼能源策略生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110586333.7A CN113327029B (zh) 2021-05-27 2021-05-27 一种写字楼能源策略生成方法及系统

Publications (2)

Publication Number Publication Date
CN113327029A true CN113327029A (zh) 2021-08-31
CN113327029B CN113327029B (zh) 2022-03-04

Family

ID=77421827

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110586333.7A Active CN113327029B (zh) 2021-05-27 2021-05-27 一种写字楼能源策略生成方法及系统

Country Status (1)

Country Link
CN (1) CN113327029B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113947236A (zh) * 2021-09-06 2022-01-18 阿里云计算有限公司 综合能源调度方法、计算设备及介质
CN114240193A (zh) * 2021-12-21 2022-03-25 新奥数能科技有限公司 一种储能规划系统和方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105929687A (zh) * 2015-02-27 2016-09-07 约翰逊控制技术公司 高层级中央设施优化
DE102015219201A1 (de) * 2015-10-05 2017-04-06 Bayerische Motoren Werke Aktiengesellschaft Ermittlung einer Betriebsstrategie für einen Lokalspeicher
CN106709610A (zh) * 2017-01-12 2017-05-24 浙江大学 一种微电网电储能、冰蓄冷联合优化调度方法
CN108416472A (zh) * 2018-02-27 2018-08-17 天津大学 一种区域多源供冷供热系统优化调度方法
US20190206000A1 (en) * 2017-01-12 2019-07-04 Johnson Controls Technology Company Building energy storage system with multiple demand charge cost optimization
CN112465256A (zh) * 2020-12-08 2021-03-09 华中科技大学 一种基于Stacking模型融合的楼宇用电量预测方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105929687A (zh) * 2015-02-27 2016-09-07 约翰逊控制技术公司 高层级中央设施优化
DE102015219201A1 (de) * 2015-10-05 2017-04-06 Bayerische Motoren Werke Aktiengesellschaft Ermittlung einer Betriebsstrategie für einen Lokalspeicher
CN106709610A (zh) * 2017-01-12 2017-05-24 浙江大学 一种微电网电储能、冰蓄冷联合优化调度方法
US20190206000A1 (en) * 2017-01-12 2019-07-04 Johnson Controls Technology Company Building energy storage system with multiple demand charge cost optimization
CN108416472A (zh) * 2018-02-27 2018-08-17 天津大学 一种区域多源供冷供热系统优化调度方法
CN112465256A (zh) * 2020-12-08 2021-03-09 华中科技大学 一种基于Stacking模型融合的楼宇用电量预测方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113947236A (zh) * 2021-09-06 2022-01-18 阿里云计算有限公司 综合能源调度方法、计算设备及介质
CN114240193A (zh) * 2021-12-21 2022-03-25 新奥数能科技有限公司 一种储能规划系统和方法

Also Published As

Publication number Publication date
CN113327029B (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
Zhang et al. Optimal operation of integrated electricity and heat system: A review of modeling and solution methods
Chen et al. Multi-objective residential load scheduling approach for demand response in smart grid
Petersen et al. A taxonomy for modeling flexibility and a computationally efficient algorithm for dispatch in smart grids
Rasheed et al. Priority and delay constrained demand side management in real‐time price environment with renewable energy source
Stadler et al. Model-based optimization of distributed and renewable energy systems in buildings
CN114362189A (zh) 一种可调节负荷参与需求响应的调用方法、系统及装置
Pedrasa et al. Robust scheduling of residential distributed energy resources using a novel energy service decision-support tool
Mirzaei et al. Robust network-constrained energy management of a multiple energy distribution company in the presence of multi-energy conversion and storage technologies
Jeddi et al. Dynamic programming based home energy management unit incorporating PVs and batteries
Wakui et al. Predictive management for energy supply networks using photovoltaics, heat pumps, and battery by two-stage stochastic programming and rule-based control
Agamah et al. A heuristic combinatorial optimization algorithm for load-leveling and peak demand reduction using energy storage systems
CN113327029B (zh) 一种写字楼能源策略生成方法及系统
Zelazo et al. An energy management system for off-grid power systems
Li et al. Optimal design for component capacity of integrated energy system based on the active dispatch mode of multiple energy storages
Jones et al. Evaluation of distributed building thermal energy storage in conjunction with wind and solar electric power generation
Sui et al. Optimal use of electric energy oriented water-electricity combined supply system for the building-integrated-photovoltaics community
Cai et al. Application of quantum artificial bee colony for energy management by considering the heat and cooling storages
Melatti et al. A two-layer near-optimal strategy for substation constraint management via home batteries
Lee et al. Development of energy storage system scheduling algorithm for simultaneous self-consumption and demand response program participation in South Korea
Pinzon et al. An MILP model for optimal management of energy consumption and comfort in smart buildings
Kefer et al. Simulation-based optimization of residential energy flows using white box modeling by genetic programming
Mbuwir et al. Transfer learning for operational planning of batteries in commercial buildings
Cheng et al. Stochastic dynamic programming-based online algorithm for energy management of integrated energy buildings with electric vehicles and flexible thermal loads
CN110535143B (zh) 面向智能住宅动态需求响应的能源管理方法和装置
Gil Mena et al. Online load-scheduling strategy and sizing optimization for a stand-alone hybrid system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant