基于多变量相空间重构和径向基函数神经网络的综合能源系统电冷热超短期负荷预测

为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦合特性。提出了一种基于多变量相空间重构(multivariate phase space reconstruction,MPSR)和径向基函数神经网络(radial basis function neural network,RBFNN)相结合的IES超短期电冷热负荷预测模型。首先,分析了IES中能源子系统之间的耦合关系,运用Pearson相关性分析定量描述多元负荷和气象特征的相关性。然后,采用C-C法对时间序列进行MPSR以进一步挖掘电冷热负荷和气象特征在时间上的耦合特性。最后,利用RBFNN模型对电冷热负荷间耦合关系进行学习并预测。实验结果表明,所提方法有效挖掘并学习电冷热负荷在时间上的耦合特性,且在不同样本容量下具有良好且稳定的预测效果。

人工神经元网络和径向基网络模型预测建筑冷热负荷的研究

采用人工神经元网络(ANN)和径向基网络(RBF)模型预测了建筑冷热负荷,判断了影响建筑能耗的显著因素。通过对ANN和RBF模型隐含层神经元数量进行优化,发现8-65-1和8-97-1结构的ANN模型预测建筑热、冷负荷与数据集中的结果比较吻合,相关系数(R^(2))分别为0.962、0.953;8-28-1和8-6-1结构的RBF模型预测的结果更加吻合,R^(2)达到了0.985、0.997。RBF模型的预测精度要优于ANN模型,RBF模型预测热、冷负荷与数据集结果的R^(2)分别为0.989、0.992,而ANN的R^(2)分别为0.972、0.967。采用敏感性分析发现,影响建筑冷热负荷的8个参数中表面积的影响最显著,其次是墙面积、屋顶面积和玻璃面积,而玻璃面积分布及相对密实度的影响最不显著。

基于多神经网络的综合能源系统用户侧冷热负荷预测模型

为了降低用户侧冷热负荷预测结果与实测值之间的相对误差,提出基于多神经网络的综合能源系统用户侧冷热负荷预测模型。针对综合能源系统能量流动形式,分析用户侧冷热负荷影响因素,提取负荷计算主要参数;结合BP网络、RBF网络和小波神经网络,优化多神经网络预测方法,完成综合能源系统用户侧冷热负荷预测模型设计。算例分析结果表明:该模型应用下,预测结果与实测值的平均逐时相对误差为16%,可实现综合能源系统用户侧冷热负荷的精准预测。

基于建筑全年逐时冷热负荷的冷热源系统规划方法研究

为了克服传统冷热源系统规划方法基于典型工况和单目标优化的局限性,本文提出了一种基于建筑全年逐时冷热负荷的冷热源系统规划方法,以冷热源系统的初投资、运行成本和环保效益为综合优化目标,实现冷热源系统全生命周期内的最优规划。而后本文以北京市某典型办公建筑为例,对所提出的冷热源系统规划方法进行了实例应用和分析,证明了该方法的有效性和具体应用价值。

能源互联网系统用户侧冷热负荷预测模型研究

发展能源互联网系统是建设资源节约型、环境友好型社会的必然要求,用户侧负荷预测是能源互联网系统设计和运行的基础。以夏热冬冷地区典型非工业生产建筑为研究对象,依据传热学的基本原理,将影响建筑负荷的因素分为运行属性和自有属性两类,以运行属性参数为基准,自有属性参数为修正,依据主元解耦方法,建立了典型建筑冷热负荷计算快速预测模型,并验证了数学模型的准确性,结果表明:所提出的快速计算模型具有较高的精度,对能源互联网系统用户侧的能量管理、调节和输配提供参考。

规划阶段建筑冷热负荷预测与特性分析

为解决区域建筑能源规划阶段因单体建筑参数不确定带来的冷热负荷预测问题,提出基于拉丁超立方抽样的蒙特卡罗模拟方法,其过程为:首先,确定不确定参数及分布;然后,通过R语言编程对不确定参数抽样并自动生成模型;最后,导入EnergyPlus软件进行负荷计算。以天津某规划用地为例,采用所提出的方法对2000组抽样的建筑冷热负荷进行预测,并对预测结果进行不确定和敏感性分析。研究结果表明:基于拉丁超立方抽样的蒙特卡罗模拟方法实现了抽样的快速收敛和模型的快速生成,可以有效计算区域建筑峰值冷热负荷的频数分布、累积概率和特征值;模型中,太阳得热系数、外窗传热系数、建筑层数、建筑底面长宽比、南向窗墙比和北向窗墙比对冷热负荷影响显著。

基于建筑特性的冷热电动态负荷预测方法研究

提出了一种基于建筑特性的冷热电负荷预测方法,通过对典型城市典型建筑冷热电逐时负荷特性的研究,提供区域能源设计使用的建筑用能侧冷热电负荷预测和基础数据。对研究方法进行了阐述,并对计算结果的准确性进行了验证,同时介绍了基础数据库的使用方法和计算公式。

不同气候条件下建筑保温对冷热负荷影响作用的研究

引入冷热负荷增益比、全年累计冷热总负荷相对变化率及冷热负荷加权比作为衡量和比较建筑保温的节能性能的指标,并以一栋办公楼为例研究了不同朝向、不同厚度保温材料在北京、上海及广州三地气候下全年冷热负荷的变化。结果表明,北京地区所有朝向与上海地区除南向外的外墙保温材料厚度的增加具有较大的节能空间,而对于广州地区所有朝向及上海的南向外区,使用保温基本不具备节能的空间。考虑冷热负荷加权比的变化影响,北京地区保温的节能作用具有普遍性,上海地区则需要结合朝向和冷热负荷加权比来考虑,广州地区则在冷热负荷加权比在较大范围内变化时节能空间较小,基本不具备节能的可能性。

冷热电负荷预测方法研究现状综述

冷热电负荷综合预测具有较高的预测准确度,是电力系统规划、电力系统经济调度和能量管理的重要模块。本文对常用的冷热电负荷预测方法有基于建筑结构的经典算法和简约算法、基于软件模拟的逐时负荷因子法、基于历史数据的逐时能源负荷分摊比例法和神经网络算法等进行了研究和分析。

地埋管群换热冷热负荷比和布置形式的影响

给出竖直地埋管群换热的简化假设及传热模型。以钻孔之间的间距为5 m,埋管深度为100 m,25 m×25 m方形地埋管群布置为例,从第1年夏季开始运行,运行10 a后夏季结束,夏季和冬季分别运行90 d,运行期间机组每天运行24 h,分别模拟冬季单位长度换热量为30 W/m、夏季单位长度换热量为50 W/m时,冷热负荷比分别为1. 5∶1、2. 0∶1、2. 5∶1时,以及不同的管群布置形式(不同的体形系数)条件下,地下温度场的变化。冬季单位长度换热量为30 W/m,夏季单位长度换热量为50 W/m时,地埋管群区域最高温度超过35℃,平均温度约为24℃左右,钻孔处的平均温度约为38℃,高于标准空调工况的冷却水温度范围,影响换热。随着冷热负荷比的增大,地埋管群区域热量累积越多,负荷热不平衡性表现越明显,越不利于地埋管换热。4种布置形式中,体形系数越小,地埋管群区域的温度升高速度和幅度越大,地下热量堆积越严重。

滞流水体冷热负荷理想承载能力探讨

基于对目前滞流水体地源热泵系统中主要存在问题的分析,提出不同约束条件下滞流水体冷热负荷理想承载能力的概念;分析了滞流水体冷热负荷理想承载能力与水体原热特性以及水温允许上下限值之间的关系。讨论了在确定滞流水体水温允许上下限值时,社会约束、系统(设备)正常运行约束、能效约束、生态环境约束等条件限制因素的影响作用。

区域建筑冷热负荷预测方法及其研究进展

区域建筑冷热负荷预测是建筑区域用能规划和区域供冷供热系统设计的基础和关键。对已有区域建筑冷热负荷预测方法进行了回顾,比较分析了各种预测方法的优缺点,根据其各自特点探讨了区域用能规划阶段和区域能源系统设计阶段负荷预测方法的适用性。

某教育类建筑群冷热负荷和热水负荷规划设计和效益分析

本文以江苏某高校建筑群为例,在调研不同校园区域用能需求和用能特点的基础上,综合考虑学校周边自然资源禀赋,根据规范要求对建筑群的冷热负荷和生活热水负荷进行了规划设计,并进一步做了效益分析,旨在探讨能源规划设计对建筑节能的效用和影响,以期为类似的工程项目提供参考。

门窗对建筑冷热负荷影响分析

在采暖、供热、通风空调的冷热负荷计算中,门窗对冷热负荷影响甚大。本文通过对门窗的冷热负荷的计算角度,分析影响门窗负荷的影响因素,找出解决门窗节能减排的具体方法。

基于全年动态负荷分析的冷热源方案设计

以北京某酒店为例,对该建筑进行全年逐时动态负荷计算分析。根据计算分析结果,确定制冷季梯级利用离心式冷水机组、螺杆机组和空气源热泵机组作为空调系统冷源,供热季利用板式换热器和空气源热泵机组作为空调系统热源,以达到系统节能的目的。

高寒地区变电站典型建筑冷热负荷特征

建设绿色节能变电站是我国电力行业的一项重要任务,其中确定变电站建筑的采暖空调需求是变电站节能的核心内容之一。为了确定变电站采暖空调负荷需求状况,以高海拔寒冷地区3个变电站典型建筑为分析对象,基于实地调研基础数据和DeST软件模拟方法,对3个变电站典型建筑冷热负荷的全年动态变化特征进行模拟分析,确定负荷指标并给出出现相互差异的原因。模拟分析得出的结果将为高海拔寒冷地区变电站建筑的节能设计提供一定的指导。

基于天气信息的短期冷热电负荷联合预测方法

随着可再生能源大量接入,增加了能源互联网的波动性与多样性,对冷热电负荷预测的精确度和稳定性提出了更高的要求,冷热电负荷的精准预测是能源互联网运行优化的重要前提,并对需求侧分析具有重要意义。利用天气信息,提出了一种基于气象信息的短期冷热电负荷联合预测方法。该方法包括区域天气预测与冷热电负荷联合预测两大步骤。在区域天气预测中,首先充分利用历史天气、实测天气与天气预报信息,采用调整误差法,对一指定区域进行天气预测;之后利用历史负荷数据、历史天气数据与区域天气预测数据,采取遗传算法优化BP神经网络(genetic algorithm to optimize BPneuralnetwork,GA-BP)预测算法,对冷热电负荷进行联合预测。仿真结果表明该方法能够有效提高负荷预测精度。

基于k-means聚类算法的分布式能源系统典型日冷热负荷选取

典型日负荷曲线对负荷调度计划以及运行控制有着重要意义,针对常用的传统典型日负荷曲线选取方法未考虑环境因素的问题,提出了一种新的选取典型日冷热负荷曲线法。该方法基于k-means聚类方法及平均值法选取典型日冷热负荷,在聚类时将温度参数作为聚类中的影响因子参与聚类过程,采用平均值法对每类负荷提取平均负荷作为该类的负荷曲线,并计算各类负荷曲线与其平均负荷曲线的皮尔森相关系数,根据皮尔森相关系数的性质剔除相关系数在[–0.2,0.2]的负荷样本,之后将剩余数据再次进行k-means聚类,直到皮尔森相关系数的值不落在该区间。基于上海市某片区能源站的负荷数据进行验证,结果表明本文方法能够准确获得典型日冷热负荷曲线,该方法可行且有效。

办公楼空调冷热负荷的计算分析——关于北京地区办公楼外区冬季冷负荷的几点看法

以北京银谷大厦办公楼为例 ,围绕着如何改进原建筑与空调系统方案 ,对其空调冷热负荷作了动态计算分析。给出了遮阳系数分别为 0 .6和 0 .3时内外区冬夏季的冷热负荷计算结果 ,发现外区冬季白天有冷负荷 ;

CCHP用户冷热电负荷预测的纵横交叉优化深度信念网络方法

针对目前CCHP用户冷热电负荷预测影响因素繁多、构建模型复杂、预测精度不足的问题,提出了一种结合变分模态分解和深度信念网络的CCHP用户冷热电负荷预测组合预测方法。首先分析了CCHP用户冷热电负荷序列的周期性和随机性,提出采用变分模态分解方法对CCHP用户冷热电负荷进行分解;其次,基于分解后模态分量易于出现冗杂,采用样本熵对分解后模态分量进行重构,降低冗杂程度;最后,因深度信念网络初始权重过于随机化,采用纵横交叉算法优化深度信念网络对CCHP用户冷热电负荷进行预测,并依据实例仿真,分析了CCHP用户冷热电负荷的预测结果。实例表明,所提预测方法有效地提高了预测精度,实用性强。