基于人工神经网络的热负荷预测及蓄热式电锅炉系统运行优化

基于人工神经网络的热负荷预测及蓄热式电锅炉系统运行优化

姜延灿[1]2003年在《基于人工神经网络的热负荷预测及蓄热式电锅炉系统运行优化》文中研究说明电蓄能技术是转移高峰电力、开发低谷用电、优化资源配置和保护生态环境的一项重要技术措施。受到分时电价政策的鼓励,蓄热式电锅炉供热技术已逐步得到推广应用。在蓄热式电锅炉供热系统中,直接向热用户供热的是蓄热器,电锅炉则应尽可能在低电价时段启动向蓄热器供热,而在高电价时段停运。当前运行的蓄热式电锅炉供热系统中电锅炉的启停控制一般有两种方式:一种是根据分时电价和用户热负荷由人工启停,另一种是根据蓄热器的水位或水温信号由自动控制装置启停。这两种方式都不能充分利用分时电价,实现最优化运行(即运行费用最低)。实际上,在已知逐时电价曲线和用户热负荷曲线的情况下,应存在一条最优的供热曲线(或电锅炉启停曲线),这条曲线可利用最优化理论和适当的优化方法来找到。问题是,其中的用户热负荷与诸多因素有关,难以预先确定。考虑到影响供热采暖需求负荷的因素复杂且具有随机性和非线形性,在对预测理论进行研究和对各种预测方法进行比较后,本文首次将基于人工神经网络的负荷预测与基于动态规划原理的优化方法相结合,用于蓄热式电锅炉系统的经济运行策略研究。作为尝试,通过“CWL(气候-星期-负荷)”模型预测用户的热负荷需求,并以此为基础,结合当前及着眼未来的分时电价发展趋势,利用优化方法对该系统的经济运行做出决策。本文还讨论了神经网络模型中隐含层神经元个数的选取问题及输入输出矢量的归一化处理问题,介绍了根据问题特点建立动态规划的优化模型及采用改进单纯形法求解的思路,并给出了具体的算法原理及实现步骤。最后,介绍了应用Visual Basic、Access和MATLAB等工具进行编程实现的方法,并展示了研究结果在运行控制和经济分析上的应用。本文的研究成果对于蓄热式电锅炉系统的运行优化和电蓄能技术的推广应用,具有较为实际的参考和工程应用意义。

徐健[2]2017年在《区域能源互联网运行控制技术研究》文中研究指明随着新能源的不断开发利用,现有的能源生产调度协调机制在适应新的能源生产模式中存在不足,诸如西北地区的风力发电虽多但不能就地消纳、北方太阳能虽然充足但却不能高效利用等,本文以区域能源互联网的工程建设为案例,对能源互联网的典型架构设计、多能源综合协调控制、评价指标体系以及综合能源运营模式等方面进行技术研究,建立了区域能源互联网架构模型,用以指导工程建设中综合能源供应规划设计;研究了区域能源互联网运行调控关键技术,提出了区域能源互联网多目标优化原则及多能协调控制策略,开发了面向区域能源互联网的运行调控平台,实现了区域能源互联网与大电网的联络功率可控,实现了含分布式能源及微网的多能源系统智能协同生产及优化调控;通过工程案例建立了包括区域、子系统、设备、环境共四大分类的区域能源互联网评价指标体系,实现对区域能源互联网运营水平的全面、客观评价。建成了依靠电能为主,多种能源综合协调供应的区域能源互联网示范工程,实现了以电能为基础的综合能源供给模式。本工程通过对园区内电网运行能力的调节和控制,使得多能源不同情况下的供电与负荷需求相平衡,实现了新型电力系统在区域内的优化和统一调度,提升了园区的能源供给效率。

于波, 卢欣, 李浩, 郑鑫, 赵军[3]2017年在《基于负荷预测的园区供热系统运行优化技术》文中认为随着电能替代的不断深化,由"电采暖"引起的用电高峰时段电网负荷过高的问题逐步突显出来,能源系统用电负荷的预测显得尤为重要。同时,为了解决采用多阶段规划方法求解能源系统运行策略时耗时较多的问题,提出了基于负荷预测的园区供热系统运行优化技术。首先采用太阳辐射、室外温度与历史负荷作为输入参数的人工神经网络构建了热负荷预测模型;然后,通过将多阶段动态规划问题转化为线性规划问题,开发了供热系统运行优化方案快速求解方法;最后,使用该方法对北方某园区进行仿真验证,得到最优运行方案。结果显示,预测期内电采暖日运行费用可节约1.15万元,用电峰谷负荷差减小5 489 k W,所提出的优化方法可在短时间、较少的监测参数下得到可行的运行方案,适用于工程实际。

张晋文[4]2005年在《分时电价下电蓄热供热系统的负荷预测及经济性决策分析》文中进行了进一步梳理电蓄能技术是转移高峰电力、利用低谷电力、确保电网稳定运行的有效技术之一。其主要的技术分为蓄冷蓄热两个方面,具有优化资源配置和保护生态环境等优点。电蓄热式供热系统正是电蓄能技术的一种主要应用,对其进行经济性决策分析具有重要的意义。热负荷预测是经济性决策的前提和基础。本文采用人工神经网络方法,考虑了影响热负荷特性的各种因素,进行了数据的规一化处理,建立了BP 短期负荷预测模型。针对该模型在训练时不易收敛和运算相对复杂的问题,文中又运用遗传算法对其权值和阈值进行了适当的修正,并针对容易陷入局部极小的奇偶问题,在MATLAB 环境中对两种算法进行了算法性能的测试验证,测试结果表明,运用GA 改进后的BP 短期负荷预测模型在预测精度上更为精确、运算步骤更为简单、运算更易收敛。同时,结合实例进行了训练,得到了某一住宅小区一星期的预测热负荷和实际热负荷对照曲线,并就误差原因进行了具体的分析。在负荷预测的基础上,结合当前我国分时电价政策,本文利用技术经济分析方法的基本原理,建立电蓄热式供热系统初投资费用和运行费用的目标函数。在目标函数中引入蓄热率参数,并将目标函数转化为蓄热率的函数,并结合实例进行了具体的论证,得出了适合住宅区的电蓄供热系统的最佳蓄热率;同时也讨论了分时电价的峰谷电价比对蓄热系统经济运行的影响,得出了较为详细的电蓄热系统经济性决策分析的依据。

郭长彪[5]2015年在《辽宁省电网电力需求侧管理研究》文中认为如今,不论是发达国家还是发展中国家,都在积极地探究和制定本国的能源战略,力图优化资源的合理配置,使能源、经济和环境叁者均衡发展。随着我国人民生活水平的日益提高,对电力能源的使用呈现出指数增长的趋势。与此同时,高耗能的工业行业在国民经济结构不均衡的背景下拉大了电力负荷峰谷的差距。这些现象综合起来造成了我国部分地区电力供应短缺问题的出现。为了能够有效地解决电力供需之间的矛盾,除了电力供给侧要逐步提高电力的供给量之外,还应该在电力的需求侧方面采取必要的措施。电力需求侧管理作为一种针对电力需求侧方面的用电管理技术和节能运营机制,逐步受到了全社会的广泛重视。针对目前我国电力整体仍处于短缺的现状,对电网公司实施电力需求侧管理是一种缓解该现状有效的措施。本文对目前电力需求侧的发展情况以及国内外针对这一管理理论的研究进展进行了介绍,并以此为基础对中国辽宁省电网整体的电源结构、用电结构、区域内的经济发展情况、叁个产业各自的用电情况、短期电力负荷情况进行了分析研究。通过建立BP神经网络的电力负荷预测模型对辽宁省电网每月的用电量进行了科学合理的预测。最后,结合辽宁省电网的实际状况,提出了相应的电力需求侧管理约束机制以及激励措施。

姚晓斌[6]2016年在《园区绿色能源网智能调度系统研究与开发》文中认为近年来,随着全球能源危机和环境问题的不断增大,电力改革的逐步推进,用户要求电力系统在供电和电能质量上提供更加安全、稳定、经济、高效的服务。这正是调度人员的主要职责。但随着电网规模的逐渐壮大和日益复杂,给调度人员带来了巨大挑战。基于上述情况,本文结合天津园区提出了建设绿色、节能、环保的“绿色能源网智能调度系统”这一设想。绿色能源网智能调度系统以电能为中心,灵活接纳MW(兆瓦)级多点接入的分布式电源和其它多种能源形式,全面整合分布式能源,广泛集成能量信息,为调度人员提供全方位的技术支撑。本文首先阐述了绿色能源网智能调度系统的研究背景和意义,分析了现在国内外绿色能源互联网的研究现状,研究了GA-BP(Genetic Algorithm-Back Propagation)算法和粒子群优化算法等相关技术。接着对绿色能源网智能调度系统进行了系统需求分析,设计了系统的总体架构与功能、数据库等。最后,实现了系统的关键模块,包括对光储微网、集中式能源站、分布式能源站负荷和产能的预测,以及结合预测结果对各个能源子系统的详细调度。该系统有效缓解了当前调度人员的压力,使园区能源生产与用户负荷需求之间可以智能互动,同时使园区的冷、热、电多种能源能够稳定、高效、经济运行。

江静[7]2017年在《计及需求响应的含风电的电力系统经济调度》文中提出虽然国家大力倡导发展风力发电,但是风电参与经济调度时弃风严重。由于需求响应参与电力系统经济调度能够提高风电资源的合理分配,因此研究需求响应对电力系统经济调度的影响具有重要意义。本文建立需求响应参与含风电场的电力系统的经济调度模型,重点研究需求响应对风电消纳以及对碳排放的影响。首先,本文针对风电的间歇性和不确定性问题,采用了双重不确定性建模的方法进行研究,提高了风电功率预测的准确性。本文采用随机模糊理论对风电场功率预测误差进行模糊处理,通过随机模糊模拟求出预测风电功率的点值及波动区间,选取合适的置信区间可以使风电预测误差很小。该方法较传统的点预测方法精确度更高,给电力系统经济调度带来的风险更小。其次,针对需求响应参与电力系统经济调度不仅能够缓解负荷的波动性还能提高系统的备用容量的特性,在研究含风电场的电力系统经济调度模型中引入需求响应。需求响应参与调度时一般采用电价补偿的方法,但是都未对其进行碳排放补偿。因为需求响应参与经济调度时可以提高调度系统的碳排放收益,所以给予一定的碳排放补偿是必须的。因此,本文在目标函数中引入柔性负荷响应的非线性成本和碳排放补偿成本,建立一种新的调度模型。该模型不仅能提高用户侧参与调度的积极性,还能提高用户侧承担自身碳排放责任意识。并通过四种调度模型的对比验证了该模型的可靠性。最后,为了降低弃风率,本文建立了弃风供暖模型,并以张家口某地的实际运行数据为例,计算并验证了弃风供暖的可行性。供暖系统选取需求响应中具体的一种负荷,即家庭蓄热式电锅炉。介绍了家蓄热式电锅炉弃风供暖的工作原理,并在其参与调度时进行电价补偿和碳排放补偿。将低谷时期的风电用作给家庭蓄热式电锅炉充电,建立包含电价补偿和碳价补偿的数学模型,分析家庭蓄热式电锅炉参与含风电的电力系统经济调度的影响。分析了各机组的碳排放束对经济调度的影响及碳价对用户侧参与调度的积极性的影响,采用离散细菌群体趋药性算法对模型进行处理,并通过算例验证了该模型兼具经济性与环保性,也能够降低风电场的弃风率。

王美萍[8]2017年在《城镇供热系统层级热量结算点中短期热负荷预测方法研究》文中研究表明供热是关系国计民生的重要基础行业和公用事业。随着供热的商品化,供热系统热负荷预测作为供热规划、生产、调度和交易等工作的基础,在供热系统安全和经济运行中起着至关重要的作用。供热负荷预测精度的高低直接影响到供热系统的供热质量、安全性和经济性。随着供热系统节能减排进程的不断推进和智慧供热的需求,使供热负荷预测越来越成为该领域研究的前沿和热点问题,其研究对节能减排、治理雾霾具有重要的意义。由于滞后性、管网的热损失、用户种类复杂程度的差异性等导致了城镇供热系统不同热量结算点热负荷具有不同的规律特点,本文将供热负荷按层级热量结算点来划分,分析各自的影响因素,引入智能算法以及相关组合理论预测技术,以城镇供热系统实测数据为基础,对各层级供热负荷预测的理论与方法进行深入研究,为供热系统运行管理提供较为科学的决策依据。主要研究工作和创新成果如下:(1)对不同层级热量结算点热负荷的特点、影响热负荷的因素及导致热负荷预测误差的相关因素进行了分析;针对历史数据样本的离群数据进行纵向和横向预处理,使其能够更加与热负荷实际运行趋势一致,进而为后期利用这些历史数据样本进行各级热量结算点短期热负荷预测奠定了基础;将相关性分析应用在各层级热量结算点热负荷预测模型输入维数的选择上,使得输入变量与各层级预测热负荷相关性更强,为提高预测结果的准确性和改善预测性能做好进一步的准备;此外,对进入模型的各参数进行归一化处理,避免进入模型的各参数因数值差异大而导致预测性能下降。(2)基于结构风险最小化原则,提出粒子群(pso)优化支持向量机(svm)模型热源热负荷预测方法。该方法对解决系统大热惯性、大时滞性导致热源热负荷随室外温度变化的非线性问题有较好的效果。建立了遗传(ga)优化支持向量机(svm)、标准支持向量机(svm)及粒子群(pso)优化支持向量机(svm)热源热负荷叁种预测模型,通过相关性分析并确定预测模型输入变量的维数,证明了粒子群(pso)优化支持向量机(svm)模型在预测精度和泛化能力方面均优于其他两种预测模型。(3)针对一般热交换站用户类型较单一、样本容量大的问题,提出基于adaboost组合多个弱预测器构建出一个强预测器的热交换站热负荷预测方法。弱预测器采用处理大样本、容错能力强的bp神经网络模型,其网络阈值和权值的优化选用经过筛选出的粒子群算法(pso)。利用adaboost理论对9个粒子群(pso)优化bp神经网络预测进行组合构建出一个强预测模型。针对热交换站热负荷及其相关参数历史数据样本进行相关性分析,筛选出与热负荷最相关的影响因素作为预测模型的输入变量维数,最后通过与粒子群(pso)优化bp神经网络方法和未经优化的传统bp神经网络方法进行实验比较,证明本文提出的预测模型有效提高了热交换站热负荷的预测精度和泛化能力。(4)针对建筑热负荷样本数量少及热计量引起的用户调节规律不确定问题,提出两种组合预测方法。将解决小样本非线性问题的粒子群(PSO)优化支持向量机(SVM)模型和容错能力强的粒子群(PSO)优化BP神经网络模型作为组合方法中单一预测模型,基于信息熵理论提取单一预测模型中的有用信息,将提取的有用信息进行融合产生出更强预测能力的组合方法;在基于Adaboost组合粒子群(PSO)优化BP神经网络模型思想上,激发了将处理小样本和非线性问题的支持向量机(SVM)模型作为弱预测器,结合Adaboost理论构建出由8个弱预测器组成的建筑热负荷强预测模型。对建筑热负荷及其相关参数进行相关性分析,找出适合各自预测模型的输入变量,通过实例验证,以上两种组合预测方法均较单一预测模型有较高的预测精度,其中基于信息熵权组合方法更胜一筹,能更好地对住宅建筑热负荷进行预测。

张永明[9]2010年在《供热负荷非线性预报方法研究》文中进行了进一步梳理我国是世界上能耗最多的发展中国家,在叁北地区供热能耗就占全社会能耗的27.2%。供热不但能耗大,而且效率低,单位面积供热能耗是发达国家的3~4倍,为落实国家节能政策、降低碳排放,研究供热节能意义重大。近年来,国内外学者和供热系统运行管理专家不断探索,形成了一系列行之有效的供热负荷预报方法,纵观国内外研究现状,现有预报方法大都是点预报方法。供热系统的发展对负荷预报提出了新的要求,点负荷预报方法难以满足供热系统节能控制、热力调度、风险分析、可靠性评估等方面的需要,因此,分析供热系统负荷的变化规律,研究供热负荷区间预报方法,实现供热负荷的概率性预报具有重要的理论意义和应用价值。本文研究抓住供热节能的关键“负荷预报和系统优化配置”,研究供热负荷预报理论和方法,开发供热负荷预报软件。负荷预报需要从历史负荷和相关因素中提取负荷变化的规律性,为此首先需要对供热负荷的特性进行分析。本文利用Hurst指数对供热负荷时间序列的非线性特性进行分析,并进一步利用饱和关联维数和最大Lyapunov指数对供热负荷时间序列的混沌特性进行分析,识别热源及热力站负荷时间序列的非线性特性和混沌特性。支持向量机是机器学习领域中新兴的非线性预报方法,适合供热负荷时间序列的非线性特性,具有比基于经验风险最小化原则的人工神经网络更为优越的性能。因此,本文将这一理论引入到供热负荷预报中来,并将相空间重构、时间序列交叉与支持向量机相结合,利用多输入单输出支持向量回归(Multi-input and single-output support vector regression,MISO-SVR)对供热负荷进行单步和多步横向、纵向以及交叉预报,利用多输入多输出支持向量回归(Multi-input and multi-output support vector regression,MIMO-SVR)进行日预报,通过仿真分析、比较各方法的性能。传统的负荷预报多为点预报,其缺点是无法确定预报结果可能的波动范围,由于预报问题的超前性,实现概率性的预报更符合客观实际。本文基于支持向量机对供热负荷区间预报进行研究,分别研究基于SVR和误差估计的区间预报法、基于SVR和马尔科夫链的区间预报法以及基于支持向量区间回归的区间预报法。仿真结果表明,提出的叁种供热负荷区间预报方法,预报区间可作为热力调度的参考,预报区间上下限的均值可择优作为热力站节能控制设定。根据供热负荷时间序列具有混沌特性的特点,将混沌时间序列预报方法引入建筑供热领域,对供热负荷预报进行研究,以期获得供热负荷预报的新方法、新思路。本文利用最大Lyapunov指数法和Volterra自适应滤波器法对供热负荷进行预报,研究这两种方法对供热负荷预报的适应性,仿真结果表明这两种方法能够揭示供热负荷的混沌本质,证明混沌时间序列预报方法对供热负荷预报的有效性。最后,根据供热负荷预报的工程需要,开发负荷预报软件。对负荷预报软件进行总体规划,给出以数据库为核心的软件结构,设计负荷预报流程图;确定软件的开发环境、编程语言、数据库及接口技术,并结合实例开发了负荷预报软件。

王国宇[10]2011年在《供暖锅炉集中控制系统研究》文中进行了进一步梳理锅炉集中优化控制技术,主要目的是在保证良好的供热效果的前提下,改变单锅炉独立运行的方式,将多台锅炉集中采用计算机统一调配,并根据随时变化的供暖负荷需求,实时进行负荷优化配比,减少能耗浪费。电热锅炉与传统的燃煤锅炉和燃油锅炉相比,具有良好的环保效果与经济效益,因而建立电热锅炉集中控制系统,具有重大的社会效益和经济效益。论文在对电热锅炉的工作原理、工艺特点、技术要求深入分析和研究的基础上,采用PLC和变频技术设计了对叁台电热锅炉进行集中控制的控制系统。该系统采用分阶段改变流量的质调节方法对电热锅炉供暖系统的运行状态进行调节。其原理为把室外温度分成若干阶段,当室外温度高时,降低循环水流量;当室外温度低时,增大循环水流量。而在同一阶段内,保持流量不变,调节系统的出水温度。这样既保证了用户的供暖需求,又节约了能源。论文在实验室搭建的电热锅炉集中控制系统实验平台上进行出水温度控制的研究。依据采集到的电热锅炉出水温度阶跃响应输出序列的数据,运用最小二乘离线系统辨识的方法,得到了电热锅炉的数学模型;对BP(Back Propagation)神经网络PID控制算法进行了深入研究,对标准BP神经网络算法中易产生振荡,收敛速度缓慢等缺点进行了改进,并将其应用于电热锅炉集中供暖系统的出水温度控制,仿真结果证明采用BP神经网络PID控制算法,控制精度高、系统响应速度快,稳定性好。

参考文献:

[1]. 基于人工神经网络的热负荷预测及蓄热式电锅炉系统运行优化[D]. 姜延灿. 重庆大学. 2003

[2]. 区域能源互联网运行控制技术研究[D]. 徐健. 西南交通大学. 2017

[3]. 基于负荷预测的园区供热系统运行优化技术[J]. 于波, 卢欣, 李浩, 郑鑫, 赵军. 电力建设. 2017

[4]. 分时电价下电蓄热供热系统的负荷预测及经济性决策分析[D]. 张晋文. 重庆大学. 2005

[5]. 辽宁省电网电力需求侧管理研究[D]. 郭长彪. 华北电力大学. 2015

[6]. 园区绿色能源网智能调度系统研究与开发[D]. 姚晓斌. 华北电力大学. 2016

[7]. 计及需求响应的含风电的电力系统经济调度[D]. 江静. 燕山大学. 2017

[8]. 城镇供热系统层级热量结算点中短期热负荷预测方法研究[D]. 王美萍. 太原理工大学. 2017

[9]. 供热负荷非线性预报方法研究[D]. 张永明. 哈尔滨工业大学. 2010

[10]. 供暖锅炉集中控制系统研究[D]. 王国宇. 东北大学. 2011

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

基于人工神经网络的热负荷预测及蓄热式电锅炉系统运行优化
下载Doc文档

猜你喜欢