综合能源智慧管理系统在区域集中供冷中的应用论文

SCI论文（www.lunwensci.com）　　

　　摘要：简要阐述了通过综合智慧能源管理系统，以更加先进、科学的方式完成综合能源项目的区域集中供冷为主的能源供应控制管理，从而降低城市碳排放量，节约能源，改善环境。阐述了综合智慧能源管理系统平台在负荷预测分析评估时采用的人工神经网络算法、模糊算法、模型预测控制算法、负荷预测算法等几种算法的原理及其在区域集中供冷自动化、智能化和节能等方面的应用。并以某地金融城起步区内能源综合管理为例，通过协同不同的可调控资源，实现分布式光伏的消纳、储能调峰/调频、峰谷电价的充分利用、降低负荷峰值、提高能源使用效率，实现绿色高效能源利用。

　　关键词：区域综合能源系统；综合能源智慧控制管理平台；负荷预测分析评估算法；节能

　　Abstract:It has been elaborated that through a comprehensive intelligent energy management system,the energy supply control management of comprehensive energy projects,mainly focus on centralized cooling in the region,can be completed in a more advanced and scientific manner,thereby reducing urban carbon emissions,saving energy,and improving the environment.The principles of several algorithms such as artificial neural network algorithm,fuzzy algorithm,model predictive control algorithm,and load prediction algorithm used by the comprehensive intelligent energy management system platform in load forecasting analysis and evaluation,as well as their applications in regional centralized cooling automation,intelligence,and energy conservation,are elaborated.Taking the comprehensive energy management in the starting area of a certain financial city as an example,by collaborating with different adjustable resources,distributed photovoltaic energy consumption,energy storage peak/frequency regulation,full utilization of peak and valley electricity prices,reduction of peak load,improvement of energy utilization efficiency,and green and efficient energy utilization can be achieved.

　　Key words:regional integrated energy system;integrated energy intelligent control and management platform;load forecasting analysis and evaluation algorithm;energy saving

　　0引言

　　当今全球气温变高，国际能源格局发生相应改变，我国作为世界能源大国，由于人口、环境、经济社会等诸多因素，对能源的需求相当迫切[1]。广州某金融城规划定位为广州市第二中央商务区，是承载广州建设全球金融资源配置中心的重要平台。作为金融城起步区配套的综合能源系统，是商业集聚区综合能源项目，将探索创新区域综合能源设计、建设、运营理念模式，区域多种能源要素通过综合智慧管理，实现能源供给与消费匹配，提升能源供给使用效率和区域综合能源运营收益[2]。在满足金融城起步区各单位的冷热用能需求的前提下，提供差异化、个性化的综合能源服务，实现区域能源系统布局的合理性，提升能源系统效益，避免资源浪费，保障区域用能的经济性与持续性，对金融城乃至未来广州市的可持续发展均具有重要意义。依托项目的建设运行，培育广州综合能源领域的人才团队，打造广州首个综合智慧能源样板示范工程，优化提升广州营商环境和城市竞争力，推动城市管理高质量发展，“以点带面”助力粤港澳大湾区能源保障系统建设、区域能源先行先试及能源管理体系现代化发展[3]。

　　正值党中央提出“双碳政策”，为了提高能源利用效率，从而降低能耗水平，在实现节能减排的同时[4]，满足各种能源需求，以适应不断变化的能源供需格局和能源改革趋势[5]，应大力推动区域性区域综合能源系统。本文以某金融城起步区综合智慧能源管理系统平台为背景研究，运用管理运行调度大数据云服务平台架构，通过能源数据采集、数据处理等，实现对综合能源系统海量数据建模、管理存储、状态估计、分析计算，提供大数据分析与决策服务。

　　1区域综合能源系统概述

　　区域综合能源是“风光水火储一体化”、“源网荷储一体化”两个“一体化”的集中体现[6]，是指在一个特定区域的规划、设计、建设和运行等过程中，面向供给侧的风、光、水、火、储等多元能源供应和面向消费侧的电、热、冷、气等多元负荷需求，构建区域“多元能源供应+多元负荷需求”的能源发展模式[7]，并应用现代信息控制技术，通过综合能源服务智慧管理控制系统，实现“两个横向(多元能源供应、多元负荷需求)、一个纵向(源、网、荷、储)”的供需协调和智能平衡[8]。综合能源系统如图1所示。

　　区域综合能源项目对各类能源的产生、传输与分配、转换、存储、消费等环节进行有机协调与优化后，形成的社会综合能源产供消一体化系统，通过耦合电力、交通、天然气、热冷等系统实现优势互补可再生能源在特定区域范围内的共享和高效利用，提供了优质的能源服务。综合能源智慧控制系统总体架构图如图2所示。

　　2综合智慧能源管理系统平台

　　综合智慧能源管理系统平台是以自动化、信息化为基础，结合物联网、云计算、微服务、数字孪生、人工智能、机器学习等多种前沿技术，将新技术赋能智慧能源催动能源流的智能协同与互动[9]。综合智慧能源管理系统的调控如图3所示。

　　通过数据+技术双驱动，打造创新的管理模式，从而提升运营管控效率[10]。保障系统安全稳定运行的同时，降低运营成本，提高环境效益和资源利用率。综合智慧能源控制系统硬件架构如图4所示。

　　整个区域内所有用能及生产单位的数据进行实时采集处理后可视化，并进行统一管理和实时控制，能够及时响应电网负荷需求。对采集到数据进行学习分析后，还能通过科学优化调度，提高对园区内可再生能源消纳能力，减少能源浪费。

　　综合智慧能源管控系统结构如图5所示，整个平台结构大约分为3层。

　　(1)采集层。设备级控制、监测设备，能够实时监测园区内各用能设备情况，能够采集各种数据并发送。

　　(2)传输层。园区级5G等先进通信网络技术，能够于园区内搭建数据传输网络，将设备监测信号上传至服务器，经过计算后将控制信号反馈给各设备。

　　(3)计算层。能够求解大规模、高速度、复杂约束的优化求解工具及模型，不同设备的精细建模模型，能够支撑相关计算的大型服务计算设备。

　　综合能源智慧管控系统功能架构如图6所示。

　　3负荷预测分析评估算法

　　负荷预测分析评估算法是基于人工神经网络算法、模糊算法、模型预测控制算法、负荷预测算法等[11]以及系统工程建模为基础建立的的综合智慧能源调度优化系统，集物理拓扑建模、仿真计算、供需平衡预测、调度优化等功能于一体[12]，实现综合智慧能源系统自主优化、无人值守。用能单位能源消费量限定值与主要用能设备划分如表1~2所示。

　　3.1人工神经网络算法

　　人工神经网络是人工建立的具有适应性的简单神经元组成的广泛并互连的网络，其组织能够模拟生物神经系统对真实世界物体进行感知并调整神经元之间的连接做出交互式反应[13]。人工神经网络具有自合实际值不变，可作为分类学习、自组织、较好的容错性和优良的非线性逼近能力。计算公式如下。

　　3.2模糊算法

　　模糊(Fuzzy)控制是用语言去归纳操作人员的各种控制策略，运用各种语言变量与模糊集合理论等形成控制算法的一种控制。模糊控制的最重要特征是不需要建立被控对象的精确数学模型，只需要把现场操作人员的各种经验和数据等总结成较为完善的语言控制规则，从而能够对具有不确定性、不精确性、噪声以及非线性、时变性、时滞等特征的控制对象进行控制，模糊控制系统的鲁棒性较强，尤其适用于非线性、时变、滞后系统的控制[14]。

　　比较实用的模糊化方法是将基本论域分为n个档次，

　　即取变量的模糊子集论域为：

　　从基本论域到模糊子集论域的转换公式为：

　　3.3模型预测控制算法

　　模型算法控制(Model Algorithm Control，MAC)是由Richalet和Mehra等在20世纪70年代后期提出的一类预测控制算法，由内部模型、参考轨迹和预测控制算法3部分组成。它在其他国家的很多工业过程控制中取得了显著成效，受到了过程控制界的广泛重视。

　　MAC的准则是：指未来某一时域(p)内的控制量(u)，使相对应的预测输出量yp尽可能靠近期望输出值(即参考轨迹)yr，即下式目标函数Jp为最小值：

　　3.4负荷预测算法

　　针对某金融城某商贸楼冰蓄冷工程的冷用户负荷进行了预测，用数据选取具体日期的预测结果和实际值作比较。将上一个月的工况实测制冷负荷数据和主要影响因素作为训练集把待分析的数据作据样本为测试集。本文选用GA-BP方法建立了冰蓄冷空调系统的负荷预测模型，而传统的BP方法从理论上保证了模型的泛化能力，具有更加可靠的推广性，适于在线工作，二者的结合可以避免过拟合和欠拟合现象，且可以导优化运行，实际应用前景广阔[15]。实验值与GA-BP和BP网络预测值的比较如图7所示。

　　3.5数字孪生系统

　　综合智慧能源管理系统平台要架构合理清晰，对每种能源管理模块的模型应采用以上不同算法来实现多种组合方式，才是真正意义上的综合智慧管理系统平台，画面采用数字孪生系统的CIM(城市信息模型)、GIS(网络地理信息系统)、BIM(建筑信息模型)和IOT(物联网技术)等多项技术整合，而且在管理层级与过程控制层级都设计有软/硬物理隔离，对能源多站点的过程控制系统层级可以组成环网方式运行，这样每个站点具备升级为操作员站点和工程师站点，可以减少运行值班人员。综合智慧能源管理系统平台整体画面如图8所示。

　　4结束语

　　本文的综合智慧能源管理系统平台通过负荷预测分析评估几种算法等的运用，体现综合智慧能源管理系统平台在区域集中供冷节能中的先进性、高效性。为金融城起步区内3个冷站、黑启动、储能、光储充一体、充电桩的能源设施及不同能源的统一监视、运行控制提供系统技术支撑。基于金融城起步区内能源的实际运行数据，综合能源智慧控制系统通过采用大数据分析计算等智能控制技术，不断优化能源运行策略，实现能源的智慧运行。通过不同能源的有效整合、不同能源形态的有效转换及能源的智慧优化运行控制，来提高能源使用效率，使区域内能源利用的生态性体现更为充分，实现区域内能源的可持续发展。

　　参考文献：

　　[1]程杉,魏昭彬,黄天力,等.基于多能互补的热电联供型微网优化运行[J].电力系统保护与控制,2020(11):160-168.

　　[2]杨海柱,李梦龙,江昭阳,等.考虑需求侧电热气负荷响应的区域综合能源系统优化运行[J].电力系统保护与控制,2020(10):30-37.

　　[3]吴鹏.面向综合能源系统的节能新技术发展趋势J].电气时代,2022(1):30-31.

　　[4]王灿,蔡闻佳,郑馨竺,等.碳中和目标下气候政策研究的前沿问题[J].北京理工大学学报(社会科学版),2022(7):9.

　　[5]冶兆年,赵长禄,王永真,等.基于纳什议价的共享储能能源互联网络双目标优化[J].综合智慧能源,2022(7).

　　[6]范霁红,李建林.风光水火储一体化/源网荷储一体化研究专刊特约主编寄语[J].热力发电,2021(8):3-4.

　　[7]王琰,唐懿颖.试论智能电网模式下的配网调控一体化研究[J].电子元器件与信息技术,2020(12):146-147.

　　[8]德格吉日夫.园区综合能源系统源荷储协同优化及效益评价模型研究[D].北京:华北电力大学,2021.

　　[9]陈赛,聂锐,丁月婷,等.能源系统韧性研究进展及应用探索[J].科技管理研究,2020(3):233-242.

　　[10]郝金隆,郭玮,肖强,等.大数据技术驱动企业管理创新的研究——以某国内汽车品牌企业的实践为例[J].中国人事科学,2021(10):42-50.

　　[11]郭祚刚,袁智勇,徐敏,等.多能互补综合能源系统混合能流计算方法及算例[J].综合智慧能源,2022(7):58-65.

　　[12]齐卫东,王肖锋.基于概率逆换算法的电力负荷预测数量化风险评估方[J].天津科技大学学报,2008(4):76-79.

　　[13]江重光,傅培玉,孙仲宪,等.智能蚁群算法[J].冶金自动化,2005(3):9-13.

　　[14]吴畏.非线性模糊自适应切换控制设计及其稳定性分析[J].锦州:辽宁工业大学,2020.

　　[15]闫华光,石坤,许高杰,等.基于遗传算法优化的动态冰蓄冷负荷预测[J].电子测试,2014(13):25-27.

关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/ligonglunwen/66202.html