本申请涉及能源技术领域,特别是涉及一种分布式供能运行策略的确定方法、装置、设备和存储介质。
背景技术:
随着我国一次能源消费结构向低碳化、无碳化的方向发展,可再生能源的比例将大幅提升。以天然气、生物质等为主要一次能源,因地制宜,融入当地可获得的可再生能源,通过各种一次能源转换技术的集成运用、各种转换方式组合,高效的冷热电联供方式满足终端各种用能需求的多能互补的分布式供能系统,将在我国高效的新能源系统中起着重要作用,成为能源工程领域研究和应用的重点。然而,分布式供能系统在发展和建设过程中也面临着一些技术问题。
随着一次能源清洁化、多样化的转变及储能技术的发展,分布式供能系统设计越发复杂化,特别是装机容量设计和运行策略设计是多能互补的分布式供能系统面临的主要技术问题。而分布式供能系统的技术组合、设计规模是否合理、可靠及运行方式是否科学决定了该系统的运行效率和经济效益是否能达到预期效果。目前分布式供能系统的设计及运行未考虑终端能源需求的逐时负荷波动特性,只考虑一定时间内能源供求累计总量的能量平衡,因此系统只能粗放地解决一定时间内能源供求累积总量的匹配问题,不能精确满足能源供应及需求侧能量的逐时匹配,这样设计的系统在实际运行时,会存在部分单位小时能源供给不能满足终端用户能源需求、部分单位小时供给却远大于需求的缺陷,即存在能源供需严重不均衡的问题,导致机组出现实际运行能效低下及环保性差的问题。因此,需要解决分布式供能系统技术组合、装机容量设计和运行方式优化问题。
技术实现要素:
基于此,有必要针对上述技术问题,提供一种分布式供能运行策略的确定方法、装置、设备和存储介质,能够达到了节能、减排以及电网削峰填谷的技术效果,解决了建设分布式供能系统因装机容量过大而导致初始投资成本过高,以及频繁的变工况运行导致系统效率低供能系统运行成本高的经济问题,避免一次投入资金冗余浪费以及降低投资回收期的经济效果。
第一方面,本申请提供一种分布式供能运行策略的确方法,所述方法包括:
获取终端用能信息和资源信息;
根据预先建立的分布式供能系统模型、所述终端用能信息和资源信息,对可能使用到的单元设备进行建模,得到超结构模型中各单元设备相互间的能量及约束关系;
根据预先获取的单元设备逐时功率与设备额定容量和逐时负荷率的关系,以及超结构模型中各单元设备相互间的能量及约束关系,将各单元设备相互关联起来建立逐时运行优化模块,实现供给与需求的最优逐时匹配,并获得该最优逐时匹配时刻相对应的运行负荷率;
利用预先建立的综合评估函数,确定最优的技术组合、各单元设备最优的装机容量和运行负荷率,并将所述最优的技术组合、各单元设备最优的装机容量和运行负荷率作为实际运行供能的方式。
在其中一个实施例中,在所述利用预先建立的综合评估函数,确定各单元设备最优的装机容量和运行负荷率的步骤之前,所述方法还包括:
建立综合评估函数;
所述利用预先建立的综合评估函数,确定各单元设备最优的装机容量和运行负荷率的步骤,包括:
利用所述综合评估函数依次评估各单元设备的装机容量和运行方式,确定当前各单元设备的装机容量和运行负荷率是否为最优方式,若否,则修改各单元设备的装机容量或运行负荷率,并再次调用所述逐时运行优化模块,直到综合评估函数确定各单元设备最优的装机容量和运行负荷率为止。
在其中一个实施例中,所述在根据预先建立的分布式供能系统模型、所述终端用能信息和资源信息,对可能使用到的单元设备进行建模,得到超结构模型中各单元设备相互间的能量及约束关系的步骤之前,所述方法还包括:
建立的分布式供能系统模型。
在其中一个实施例中,所述建立的分布式供能系统模型的步骤,包括:
建立一次能源转换为二次能源的转换模型;
建立二次能源转换为用户端可使用能源模型;
建立储能模型,以在终端用能负荷较低的时候,将系统多余的能量储存下来,用于削减高峰时段的负荷需求;
分别设置能源生产设备、能源转换设备和储能设备需满足约束条件。
在其中一个实施例中,所述建立一次能源转换为二次能源的转换模型采用如下公式:
其中,
m表示二次能源的类型,m∈{e,h,…},e代表电能、h代表热能,…代表其它类型的能源;
μk,l,i为一次能源分配系数,表示在i时刻,一次能源k用于设备l的比例,若μk,l,i为0表示该设备l停用;
△t表示优化模型的时间步长;
在其中一个实施例中,所述建立二次能源转换为用户端可使用能源模型采用如下公式:
其中,
m表示二次能源的类型,m∈{e,h,…},e代表电能、h代表热能,…代表其它类型的能源;
n表示终端能源的类型,n∈{e,h,c,…},e代表电能,h代表热能,c代表冷能;
γm,m,i为二次能源分配系数,表示二次能源m用于设备m的比例;
ηl表示组合设备中单个设备的效率;
在其中一个实施例中,所述建立储能模型采用如下公式:
其中,wn,i,wn,i-1表示分别是i时刻和i-1时刻储能装置的剩余能量;
σn,i表示储能设备的能量损失率;
wn表示储能设备的额定容量;
第二方面,本申请提供一种分布式供能运行策略的确定装置,所述装置包括:
获取模块,用于获取终端用能信息和资源信息;
建模模块,用于根据预先建立的分布式供能系统模型、所述终端用能信息和资源信息,对可能使用到的单元设备进行建模,得到超结构模型中各单元设备相互间的能量及约束关系;
优化模块,用于根据预先获取的单元设备逐时功率与设备额定容量和逐时负荷率的关系,以及超结构模型中各单元设备相互间的能量及约束关系,将各单元设备相互关联起来建立逐时运行优化模块,实现供给与需求的最优逐时匹配,并获得该最优逐时匹配时刻相对应的运行负荷率;
运行模块,用于利用预先建立的综合评估函数,确定最优的技术组合、各单元设备最优的装机容量和运行负荷率,并将所述最优的技术组合、各单元设备最优的装机容量和运行负荷率作为实际运行供能的方式。
第三方面,本申请提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取终端用能信息和资源信息;
根据预先建立的分布式供能系统模型、所述终端用能信息和资源信息,对可能使用到的单元设备进行建模,得到超结构模型中各单元设备相互间的能量及约束关系;
根据预先获取的单元设备逐时功率与设备额定容量和逐时负荷率的关系,以及超结构模型中各单元设备相互间的能量及约束关系,将各单元设备相互关联起来建立逐时运行优化模块,实现供给与需求的最优逐时匹配,并获得该最优逐时匹配时刻相对应的运行负荷率;
利用预先建立的综合评估函数,确定最优的技术组合、各单元设备最优的装机容量和运行负荷率,并将所述最优的技术组合、各单元设备最优的装机容量和运行负荷率作为实际运行供能的方式。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取终端用能信息和资源信息;
根据预先建立的分布式供能系统模型、所述终端用能信息和资源信息,对可能使用到的单元设备进行建模,得到超结构模型中各单元设备相互间的能量及约束关系;
根据预先获取的单元设备逐时功率与设备额定容量和逐时负荷率的关系,以及超结构模型中各单元设备相互间的能量及约束关系,将各单元设备相互关联起来建立逐时运行优化模块,实现供给与需求的最优逐时匹配,并获得该最优逐时匹配时刻相对应的运行负荷率;
利用预先建立的综合评估函数,确定最优的技术组合、各单元设备最优的装机容量和运行负荷率,并将所述最优的技术组合、各单元设备最优的装机容量和运行负荷率作为实际运行供能的方式。
上述分布式供能运行策略的确定方法、装置、设备和存储介质,采用了逐时优化原则并在当前分布式供能系统融入多种一次能源以及增设储能设备的技术方案,解决了当前分布式供能系统运行过程中不能保障能源供求充分匹配、产生能量浪费、二氧化碳排放过多和电网压力过大的技术问题,从而达到了节能、减排以及电网削峰填谷的技术效果。此外,也解决了建设分布式供能系统因装机容量过大而导致初始投资成本过高,以及频繁的变工况运行导致系统效率低供能系统运行成本高的经济问题,从而能达到了避免一次投入资金冗余浪费以及降低投资回收期的经济效果。
附图说明
图1为一个实施例中分布式供能运行策略的确定方法的应用环境图;
图2为一个实施例中分布式供能运行策略的确定方法的流程示意图;
图3为一个实施例中分布式供能运行策略的确定装置的结构示意图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的分布式供能运行策略的确定方法,可以应用于如图1所示的应用环境中。其中,分布式供能系统模型是由能源生产设备、能源转换设备与储能设备构成的普遍通用的超结构模型,根据此超结构模型的能量流动、能量平衡和各单元的约束关系,可得到任意的可再生能源、储能设备以及系统与电网不同连接方式的数学模型。能源生产设备直接利用一次能源,并产生电、热形式的能源,输入到能源转换设备,能源转换设备将能源生产设备中产生的电、热二次能源转换成用户端所需要的冷、热、电、气、热水形式的多种二次能源,储能设备用于在终端用能负荷较低的时候,将系统多余的能量储存下来,用于削减高峰时段的负荷需求,在此,可以将储能设备和终端用户当作一个整体。
在一个实施例中,如图2所示,提供了一种分布式供能运行策略的确方法,包括以下步骤:
s201、获取终端用能信息和资源信息。
其中,所述获取终端用能信息和资源信息的步骤,具体可以包括:确定各种终端能源全年的负荷需求,并获取逐时负荷大小,确定供应侧中一次能源的类型及其最大供应量。
步骤s201中,获取全年逐时负荷大小可以通过历史数据或者专业逐时负荷模拟软件模拟获取,该专业逐时负荷模拟软件为dest或鸿业负荷计算软件等。
另外,本发明实施例中一次能源可以为天然气、生物质能、太阳能、风能和地热能中的一种或多种。
s202、根据预先建立的分布式供能系统模型、所述终端用能信息和资源信息,对可能使用到的单元设备进行建模,得到超结构模型中各单元设备相互间的能量及约束关系。
s203、根据预先获取的单元设备逐时功率与设备额定容量和逐时负荷率的关系,以及超结构模型中各单元设备相互间的能量及约束关系,将各单元设备相互关联起来建立逐时运行优化模块,实现供给与需求的最优逐时匹配,并获得该最优逐时匹配时刻相对应的运行负荷率。
s204、利用预先建立的综合评估函数,确定最优的技术组合、各单元设备最优的装机容量和运行负荷率,并将所述最优的技术组合、各单元设备最优的装机容量和运行负荷率作为实际运行供能的方式。
本发明实施例中采用了逐时优化原则并在当前分布式供能系统融入多种一次能源以及增设储能设备的技术方案,解决了当前分布式供能系统运行过程中不能保障能源供求充分匹配、产生能量浪费、二氧化碳排放过多和电网压力过大的技术问题,从而达到了节能、减排以及电网削峰填谷的技术效果。此外,也解决了建设分布式供能系统因装机容量过大而导致初始投资成本过高,以及频繁的变工况运行导致系统效率低供能系统运行成本高的经济问题,从而能达到了避免一次投入资金冗余浪费以及降低投资回收期的经济效果。
在其中一个实施例中,在所述利用预先建立的综合评估函数,确定各单元设备最优的装机容量和运行负荷率的步骤之前,所述方法还包括:
建立综合评估函数;
所述利用预先建立的综合评估函数,确定各单元设备最优的装机容量和运行负荷率的步骤,包括:
利用所述综合评估函数依次评估各单元设备的装机容量和运行方式,确定当前各单元设备的装机容量和运行负荷率是否为最优方式,若否,则修改各单元设备的装机容量或运行负荷率,并再次调用所述逐时运行优化模块,直到综合评估函数确定各单元设备最优的装机容量和运行负荷率为止。
在其中一个实施例中,所述在根据预先建立的分布式供能系统模型、所述终端用能信息和资源信息,对可能使用到的单元设备进行建模,得到超结构模型中各单元设备相互间的能量及约束关系的步骤之前,所述方法还包括:
建立的分布式供能系统模型。
在其中一个实施例中,所述建立的分布式供能系统模型的步骤,包括:
建立一次能源转换为二次能源的转换模型;
建立二次能源转换为用户端可使用能源模型;
建立储能模型,以在终端用能负荷较低的时候,将系统多余的能量储存下来,用于削减高峰时段的负荷需求;
分别设置能源生产设备、能源转换设备和储能设备需满足约束条件。
在其中一个实施例中,所述建立一次能源转换为二次能源的转换模型采用如下公式:
其中,
m表示二次能源的类型,m∈{e,h,…},e代表电能、h代表热能,…代表其它类型的能源;
μk,l,i为一次能源分配系数,表示在i时刻,一次能源k用于设备l的比例,若μk,l,i为0表示该设备l停用;
△t表示优化模型的时间步长;
在其中一个实施例中,所述建立二次能源转换为用户端可使用能源模型采用如下公式:
其中,
m表示二次能源的类型,m∈{e,h,…},e代表电能、h代表热能,…代表其它类型的能源;
n表示终端能源的类型,n∈{e,h,c,…},e代表电能,h代表热能,c代表冷能;
γm,m,i为二次能源分配系数,表示二次能源m用于设备m的比例;
ηl表示组合设备中单个设备的效率;
在其中一个实施例中,所述建立储能模型采用如下公式:
其中,wn,i,wn,i-1表示分别是i时刻和i-1时刻储能装置的剩余能量;
σn,i表示储能设备的能量损失率;
wn表示储能设备的额定容量;
本发明实施例中,作为优选的技术方案,设置能源生产设备需满足约束条件,具体可以包括:设定能源生产设备需满足如下约束公式:
pl≥max(pl,i)
其中,pl表示设备l额定功率;
pl,i表示i时刻设备l额定功率;
设置能源转换设备需满足约束条件,具体可以包括:设定能源转换设备需满足如下约束公式:
pm≥max(pm,i)
其中,pm表示设备m额定功率;
pm,i表示i时刻设备m额定功率。
设置储能设备需满足约束条件,具体可以包括:设定储能设备需满足如下约束公式:
wn≥max(wn,i)
其中,wn表示储能设备的额定容量;
wn,i,表示i时刻储能设备的能量。
进一步的,步骤s203中,所述逐时运行优化模块中需要满足能源转换设备输出终端用能的总量必须大于储能设备与终端用户需求量之和,即:
其中,
△wn,i表示预设时间段内储能设备的净储能量;
此外,该逐时运行优化模块中分布式供能系统各单元设备的逐时运行负荷率的变化范围需满足如下约束条件:
xi,min≤xi≤xi,max
式中:xi表示预设时间段设备运行负荷率;
xi,min表示给定的设备最低运行负荷率,为不小于0的值;
xi,max表示给定的设备最高运行负荷率,为不大于1的值。
作为优选的技术方案,若分布式供能系统在用电高峰期对电网具有调峰作用,则系统上网的电量可以表示为:
其中,
作为优选的技术方案,综合评估函数可以表达为:
f=f(c,pec,ess,eef)
其中,c,pec,ess,eef分别是年总成本、一次能源消耗总量、污染物排放量和一次能源利用率。
下面结合具体实施例场景对本发明实施例进行说明。
本发明实施例中,以一个园区供能为例,园区中主要的供能用户类型为商场超市、办公楼、酒店宾馆和娱乐场所等,都具有冷、热、电需求。
首先确定冷、热、电等各种终端能源8720h的负荷需求,根据该地环境参数、相关建筑物参数及历史数据等进行模拟,获得逐时电、冷、热负荷大小,在本实施例中仅以采暖季和供冷季其中一个典型日进行说明,负荷结果统计见表1和表2,其中,表1为园区典型日的逐时电负荷,表2为园区典型日的逐时冷热负荷。
表1
(单位:mw)
表2
(单位:mw)
根据本实施例情况,当地可获得的一次能源除天然气外,还有可再生能源太阳能和风能。因此,拟采用以下分布式能源技术设备:能源生产设备有燃气轮机、燃气锅炉、风力发电机、光伏电池、太阳能集热器;能源转换设备有电锅炉、电压缩制冷机组、换热器、余热锅炉+换热器、余热锅炉+蒸汽型吸收式制冷机组;储能设备有蓄电池、储热罐、蓄冷水箱。其中,可再生能源最大出功情况见表3。
表3
根据选择的技术设备,应用本发明所建立的具有普遍通用性的超结构模型,对所选择的技术设备进行建模。
本实施例中,能源生产设备包括燃气轮机、燃气锅炉、风力发电机、光伏电池和太阳能集热器,输入3种不同一次能源,得到2种二次能源,其建立的数学模型为:
式中:
m:二次能源的类型,m∈{e,h,…},e代表电能、h代表热能,…代表其它类型的能源。
μk,l,i:一次能源分配系数,表示在i时刻,一次能源k用于设备l的比例,若μk,l,i为0表示该设备停用;
△t:优化模型的时间步长,本实施例取1h;
需要说明的,本发明实施例中,在同一个模型中所描述的“某时间段”指的是一个时间段,该时间段可以是预先选择或指定的时间段。
此外,每时刻的一次能源输入量不得大于该时刻的最大可获得量,其约束为:
式中:
如燃气轮机的逐时能量平衡约束的通用数学模型(其他能源生产设备中的技术设备同理可求得)为:
式中,
xgt,i:发电设备的逐时负荷率;
△t:优化模型的时间步长,本实施例取1h;
rng:天然气的热值,本实施例取34750kj/nm3。
本实施例中,能源转换设备包括电锅炉、电压缩制冷机组、换热器、余热锅炉+换热器、余热锅炉+蒸汽型吸收式制冷机组。能源转换设备输入的二次能源有来自能源生产设备的热、电能源和网电,能源转换设备输入的总电量为:
式中:
本实施例中,能源转换设备通过输入2种能源形式,并通过不同的能源分配系数将其分配到5种技术设备上得到3种终端能源,其数学模型为:
式中:
m:二次能源的类型,m∈{e,h,…},e代表电能、h代表热能,…代表其它类型的能源;
n:终端能源的类型,n∈{e,h,c,…},e代表电能,h代表热能,c代表冷能。在实际的生产过程中,n可以表示为更具体的用能形式,如蒸汽、热水等等;
γm,m,i:二次能源分配系数,表示二次能源m用于设备m的比例;
ηl:组合设备中单个设备的效率;
△t:优化模型的时间步长,本实施例取1h。
如电压缩式制冷的逐时能量平衡约束的通用数学模型(其他能源生产设备中的技术设备同理可求得)为:
式中,
copec:电压缩制冷机组的制冷性能系数;
本实施例中,储能设备包括蓄电池、储热罐、蓄冷水箱。其数学模型为:
wn,0=wn,t
式中:wn,i,wn,i-1:分别是i时刻和i-1时刻储能装置的剩余能量;
σn,i:储能设备的能量损失率;
△t:优化模型的时间步长,本实施例取1h;
wn:储能设备的额定容量;
wn,0,wn,t-分别是典型日储能设备的初始容量和终止容量。
同时,还需满足逐时供需平衡约束关系:
式中:
△wn,i:某时间段内储能设备的净储能量;
分布式供能系统将富余的电量售回给电网,系统的售电量为:
式中:
s4:除上述外,该模型还需要满足相关的约束条件有:
能源生产设备需满足约束:
pl≥max(pl,i)
式中:pl:设备l额定功率;
pl,i:i时刻设备l额定功率。
能源转换设备需满足约束:
pm≥max(pm,i)
式中:pm:设备m额定功率;
pm,i:i时刻设备m额定功率。
储能设备需满足约束:
wn≥max(wn,i)
式中:wn:储能设备的额定容量;
wn,i,:i时刻储能装置的能量。
此外,分布式供能系统各单元设备的逐时运行负荷率的变化范围需满足约束:
0≤xi≤1
式中:xi:某时间段设备运行负荷率。
本实施例中,选择的综合评估函数为年总成本、一次能源消耗总量、二氧化碳排放量的函数,具体为:
式中:c,pec,cde,eef-分别是年总成本、一次能源消耗总量、二氧化碳排放量;下标sp,des分别表示传统分产系统和分布式供能系统。所述评估函数既可以以本优化模型与传统模型各指标的节省率为函数,此时评估函数最大则是最优值;也可以取本优化模型与传统模型的比值为函数,此时评估函数最小则是最优值。
因此,优化模型的综合评估函数目标为:
f=max(f)
另外,年总成本计算公式为:
c=ccapital+coperation+cmaintenance
其中c,ccapital,coperation,cmaintenance分别是年总成本、年投资成本、年运行成本和年维护成本。
年投资成本计算公式为:
式中:i:折旧率,本实施例取10%;
t:机组的使用年限,本实施例取15年;
pl,pm,pn:分别是能源生产设备、能源转换设备和储能设备中各技术设备的额定容量;invl,invm,invn-分别是能源生产设备、能源转换设备和储能设备中各技术设备的单位投资成本;
年运行成本主要包括消耗天然气和网电的能源费用,同时还需要扣除售电收入,计算公式为:
式中:
opgas,i,opgrid,i:天然气和网电的逐时价格;
see,i:逐时的上网电价。
年维护成本的计算公式为:
cmaintenance=∑l(∑lpl,i·mal+∑mpm,i·mam+∑npn,i·man)·△t
式中:pl,i,pm,i,pn,i:分别是能源生产设备、能源转换设备和储能设备中各技术设备的逐时功率;
mal,mam,man:分别是能源生产设备、能源转换设备和储能设备中各技术设备的单位维护成本;
△t-优化模型的时间步长,本实施例取1h。
此时,一次能源消耗量的计算公式为:
式中:coalgas:天然气的标准煤转换系数,本实施例取1.19kgce/nm3;
coalgrid:网电的标准煤转换系数,本实施例取0.33kgce/kwh。
本实施例中,认为可再生能源在能源生产过程中的碳排放为0。故系统二氧化碳排放量的计算方法为。
式中:cagas:天然气的二氧化碳排放系数,本实施例取2.063kg/nm3;
cagrid:网电的二氧化碳排放系数,本实施例取0.941kg/kwh。
此外,确定其他相关的数据,如能源价格参数以及各技术设备经济参数等,见表4~表7,它们依次为能源价格参数表、能源生产设备技术经济参数表、能源转换设备技术经济参数表和储能设备技术经济参数表。
表4
表5
表6
表7
以上,根据综合评估函数以及建立的数学模型和约束关系,便可求出该实施例各技术设备的最优装机容量和运行策略。当综合评估函数f达到最大值时,分布式供能系统中各技术设备的额定容量见表8,供暖期和供冷期相应的运行策略见表9和表10。
表8
表9
(单位:mw)
表10
(单位:mw)
为了更好的体现本发明实施过程中的节能性和经济性,可将由本发明提出的设计方法得到的优化结果与传统供能系统的各评价指标进行对比,结果见表11。
表11
如表11所示,根据本发明提出的设计方法求出的多能互补的分布式供能系统的装机容量与运行策略,此时无论从年总本、能耗总量、能源利用效率还是碳排放总量层面考虑,均优于传统供能系统,这也证明了本发明的可行性。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种分布式供能运行策略的确定装置300,其中:
获取模块301,用于获取终端用能信息和资源信息;
建模模块302,用于根据预先建立的分布式供能系统模型、所述终端用能信息和资源信息,对可能使用到的单元设备进行建模,得到超结构模型中各单元设备相互间的能量及约束关系;
优化模块303,用于根据预先获取的单元设备逐时功率与设备额定容量和逐时负荷率的关系,以及超结构模型中各单元设备相互间的能量及约束关系,将各单元设备相互关联起来建立逐时运行优化模块,实现供给与需求的最优逐时匹配,并获得该最优逐时匹配时刻相对应的运行负荷率;
运行模块304,用于利用预先建立的综合评估函数,确定最优的技术组合、各单元设备最优的装机容量和运行负荷率,并将所述最优的技术组合、各单元设备最优的装机容量和运行负荷率作为实际运行供能的方式。
关于分布式供能运行策略的确定装置的具体限定可以参见上文中对于分布式供能运行策略的确定方法的限定,在此不再赘述。上述分布式供能运行策略的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种分布式供能运行策略的确定方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取终端用能信息和资源信息;
根据预先建立的分布式供能系统模型、所述终端用能信息和资源信息,对可能使用到的单元设备进行建模,得到超结构模型中各单元设备相互间的能量及约束关系;
根据预先获取的单元设备逐时功率与设备额定容量和逐时负荷率的关系,以及超结构模型中各单元设备相互间的能量及约束关系,将各单元设备相互关联起来建立逐时运行优化模块,实现供给与需求的最优逐时匹配,并获得该最优逐时匹配时刻相对应的运行负荷率;
利用预先建立的综合评估函数,确定最优的技术组合、各单元设备最优的装机容量和运行负荷率,并将所述最优的技术组合、各单元设备最优的装机容量和运行负荷率作为实际运行供能的方式。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取终端用能信息和资源信息;
根据预先建立的分布式供能系统模型、所述终端用能信息和资源信息,对可能使用到的单元设备进行建模,得到超结构模型中各单元设备相互间的能量及约束关系;
根据预先获取的单元设备逐时功率与设备额定容量和逐时负荷率的关系,以及超结构模型中各单元设备相互间的能量及约束关系,将各单元设备相互关联起来建立逐时运行优化模块,实现供给与需求的最优逐时匹配,并获得该最优逐时匹配时刻相对应的运行负荷率;
利用预先建立的综合评估函数,确定最优的技术组合、各单元设备最优的装机容量和运行负荷率,并将所述最优的技术组合、各单元设备最优的装机容量和运行负荷率作为实际运行供能的方式。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限,ram以多种形式可得,诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。