[发明专利]一种园区型冷热能源混合应用的能源网络调控方法及系统

说明书

技术领域

本发明涉及能源领域，特别是指一种园区型冷热能源混合应用的能源网络调控方法及系统。

背景技术

全球经济迅速发展，大规模开发利用化石能源带来的能源危机、环境危机凸显，建立在化石能源传统利用方式基础上的工业文明逐步陷入困境，威胁到人类的可持续发展。因此发展低碳城市，在城市区域内建设分布式能源系统、因地制宜的开展能源规划的呼声愈发强烈。

目前在工业园区、酒店、医院、火车站等场所已建立很多分布式能源供能系统，能源系统供应模式主要通过空调物理介质(如水)回温变化来调整能源系统供能功率，由于液体物理介质流动较慢，使得能源供给侧无法及时或提前响应用户侧能量需求，从而造成用户体验不足和能源浪费；传统分布式能源系统运行柔性不足，对于多种能源系统混合供应时各系统无法耦合一起，从而削弱系统互补优势，因此降低能源利用率，降低经济效益，节能效果大打折扣。

发明内容

有鉴于此，本发明的目的在于提出一种园区型冷热能源混合应用的能源网络调控方法及系统，能够实现多种能源系统互补供给，提高能源利用率。

基于上述目的本发明提供的园区型冷热能源混合应用的能源网络调控方法，包括远程能源监控中心、能源协调控制器和至少一个就地能源控制器；其中，所述能源协调控制器负责采集每个所述就地能源控制器能源设备运行数据，将数据通过网络上传至所述的远程能源监控中心；所述远程能源监控中心根据采集的负荷侧数据信息和能源系统数据信息给出配比和调控策略，并通过所述能源协调控制器发送给相对应的所述就地能源控制器。

可选地，所述每个就地能源控制器之间采用共母线模式连接。

进一步地，所述远程能源监控中心根据采集的数据信息给出配比和调控策略包括：

对上传的能源设备运行数据进行预处理；

根据预处理后的能源设备运行数据，确定神经网络结构；

训练确定的神经网络结构，获得负荷预测值；

根据获得的负荷预测值，进行配比调控算法。

进一步地，所述的神经网络结构为输入向量为X＝(x₁,x₂,…,x_i,…,x_n)^T，隐含层输出向量为Y＝(y₁,y₂,…,y_i,…,y_m)^T，输出层输出向量为O＝(o₁,o₂,…,o_i,…,o_l)^T，期望输出向量为d＝(d₁,d₂,…,d_i,…,d_n)^T，输入层到隐含层之间的权值矩阵用来表示，n和m分别是1,2,3……；隐含层到输出层之间的权值矩阵用来表示，n和m分别是1,2,3……；隐含层和输出层的输入均为上一层输出的加权和；a_i，b_i分别为隐含层神经元和输出层神经元引入阈值而设置的，设置其系数为-1；

对于输出层，有

o_k＝f(net_k)k＝1,2,…,l

对于隐层，有

y_j＝f(net_j)j＝1,2,…,m

其中变换函数均为单极性Sigmoid函数

进一步地，所述训练确定的神经网络结构获得负荷预测值包括：

步骤1：将预处理后的能源设备运行数据归一化在[0,1]之间；

步骤2：神经网络结构初始化，获得最优权值阈值；

步骤3：根据最优权值阈值，计算网络预测误差。

可选地，所述步骤2还包括：

步骤A：对神经网络种群初始化；

步骤B：根据个体得到神经网络的初始权值和阈值，用训练数据训练神经网络后预测，把预测输出和期望输出之间的误差绝对值和作为个体适应度值F，计算公式为

式中，n为网络输出节点数；y_i为BP神经网络第i个节点的期望输出；o_i为第i个节点的预测输出；k为系数；

步骤C:采用轮盘赌法，基于适应度比例的选择策略，每个个体i的选择概率p_i为