基于负荷预测的园区供热系统运行优化技术

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。     

面向分布式能源系统优化的负荷预测研究进展

可再生能源的引入对分布式能源系统的运行优化提出了挑战,新型技术的集成、需求侧的多样化特征给分布式能源系统带来了很大影响。通过文献调研,本文首先对分布式能源系统的拓扑结构和数学表达进行总结,对其发展趋势和新特征进行了分析,然后分别从基础研究和应用研究两个层面对负荷预测技术的研究现状及发展趋势进行分析,并梳理了能源新形势下分布式能源系统的研究方法,同时对已拓展的分布式能源技术边界进行了探索。     

基于预测技术的建筑可再生能源系统匹配特性分析

以建筑可再生能源系统为研究对象,选取天津气象条件下3层住宅建筑进行分析,在供需两侧建立可再生能源发电和建筑负荷的神经网络预测模型,提出考虑峰谷电价的系统控制策略;在实测数据校验模型的基础上,对建筑可再生能源系统进行模拟计算,针对系统的匹配特性进行分析,并以匹配性参数为指标对本系统与常规离网分布式能源系统进行对比;结果表明,所提出的基于预测的建筑可再生能源系统具有较好的匹配性和经济性,具有潜在的应用价值。