[发明专利]一种多能楼宇实时能量管理优化方法

说明书

本发明提供一种多能楼宇实时能量管理的优化方法，该方法包括如下步骤：建立多能楼宇管理优化模型；将历史电价上下限区间分为若干个子区间，从若干个子区间中提取数据点形成源任务输入样本，并获取源任务输入样本对应的初始记忆矩阵；对源任务输入样本和对应的初始记忆矩阵进行机器学习，并根据多能楼宇管理优化模型获得每一个源任务输入样本对应的最优记忆矩阵；获取当前实时电价，计算当前实时电价与源任务输入样本的相似度，并根据相似度最高的源任务输入样本对应的最优记忆矩阵计算获得当前实时电价的初始记忆矩阵，并进行机器学习，计算获得多能楼宇管理优化系统的出力方案。本发明能够在实时电价的机制下，快速获得多能楼宇系统的出力方案。

技术领域

本发明涉及多能楼宇能量管理技术领域，尤其涉及一种多能楼宇实时能量管理优化方法。

背景技术

在当前化石能源的巨大消耗以及带来的温室气体排放和空气污染问题日趋严重的情况下，分布式发电设备的渗透率也越来越高，越来越多的分布式发电设备在商业楼宇侧得到了集成，而随着包含冷-热-电联供的商业楼宇模式的出现，多能楼宇能量管理系统能够有效管理利用各类能源，达到降低能源消费成本的作用。另外，包含冷-热-电联供的商业楼宇还需考虑用户温度舒适度问题，通过有效控制楼宇温控设备，如空调、热水箱以及燃气轮机等的出力来调节室温、水温，以此达到符合要求的舒适度范围。除此之外，通过商业楼宇的能量管理，能够将能源侧与需求侧结合起来，通过商业负荷的需求响应，不仅能够有效优化电网的负荷曲线，达到削峰填谷的效果，而且能够给予商业用户一定的补贴，减轻其在能源方面的费用支出。

以上所述多能楼宇能量管理系统模型是一个高维度、高耦合的优化模型，传统基于梯度的优化算法，如内点法、外点法等，容易因其初值的选取不恰当，而使求解陷入局部最优。而不基于模型的智能优化算法，如遗传算法、粒子群算法等，在全局优化上则更加灵活、高效，也更适用于求解以上所述多能楼宇能量管理系统模型。然而一般的智能优化算法计算时间长，难以满足楼宇实时能量管理的时间需求。

发明内容

本发明所要解决的技术问题在于，提供一种多能楼宇实时能量管理优化方法，该方法可以在实时电价的机制下，快速的求解获得多能楼宇能量管理系统的出力方案。

为了解决上述技术问题，本发明提供一种多能楼宇实时能量管理优化方法，

所述楼宇配置有室温制冷系统、室温制热系统、热水制热系统、储能系统以及冷热电联产系统，包括如下步骤：

S1、分别建立室温制冷系统、室温制热系统、热水制热系统、储能系统以及冷热电联产系统的数据模型，并根据建立的室温制冷系统数学模型、室温制热系统数学模型、热水制热系统数学模型、储能系统数学模型、冷热电联产系统数学模型以及当前实时电价建立多能楼宇管理优化模型；

S2、将历史电价在电价上下限区间内分为若干个子区间，根据设定的方式从所述若干个子区间中提取数据点形成源任务输入样本，并获取所述源任务输入样本对应的初始记忆矩阵；

S3、对所述源任务输入样本和对应的初始记忆矩阵进行机器学习，并根据所述多能楼宇管理优化模型获得每一个源任务输入样本对应的最优记忆矩阵；

S4、获取当前实时电价，计算所述当前实时电价与源任务输入样本的相似度，并根据与当前实时电价相似度最高的源任务输入样本对应的最优记忆矩阵计算获得当前实时电价的初始记忆矩阵，并进行机器学习，计算获得多能楼宇管理优化系统在当前实时电价下的出力方案。

其中，在步骤S1中，所述多能楼宇管理优化模型的目标函数为：

其中，T_tⁱⁿ为t时刻室内温度，T_t^hw为热水制热系统t时刻的热水温度，T_t^Ein为室内温度在t时刻的期望值，TtEhw为热水制热系统的热水温度在t时刻的期望值；