这个标题涉及建筑群和社区综合能源系统的协同优化,特别关注绝热性能的差异。让我们逐步解读这个标题:
-
建筑群与社区综合能源系统:
- 建筑群: 指的是多个建筑物的集合,可能是在相邻区域或共同地块上建造的建筑。
- 社区综合能源系统: 指的是整个社区内的能源生产、存储、分配和使用系统,可能包括电力、热能等多种形式的能源。
-
协同优化:
- 协同: 表示各个组成部分之间相互合作、相互影响,共同达到某种目标。
- 优化: 指的是通过调整各个参数或因素,使整体系统达到最佳状态,以提高效率、降低成本等。
-
考虑绝热性能差异:
- 绝热性能: 指建筑或系统在维持热量的性能上的表现。
- 差异: 表示不同建筑或系统之间在绝热性能上存在的差异,可能是由于建筑结构、材料选择等因素引起的。
因此,整个标题的主题是在考虑建筑群和社区综合能源系统中的绝热性能差异的前提下,对它们进行协同优化。这可能涉及到建筑结构的改进、能源系统的协同调整,以实现更高效、可持续的能源利用。
摘要:在建筑与社区综合能源系统(ICES)协同运行中,绝热性能不同的建筑具有差异化的热需求响应能力。为充分调动其差异化的需求响应潜力,文中构建了考虑绝热性能差异的建筑群与ICES协同优化框架。首先,基于采暖建筑的蓄热特性,采用热阻-热容网络对热量在建筑围护结构的热动态过程进行建模。其次,基于建筑的热动态模型,构建了含可调散热器的建筑用户差异化的热需求响应模型。然后,提出了基于双层优化的建筑群与ICES的协同优化框架,并在协同优化框架中进一步采用真实反应建筑用户热量消耗的精细化供热价格方案。最后,通过算例验证了所提方法的有效性。
这段摘要主要阐述了针对建筑群和社区综合能源系统(ICES)协同运行中存在的绝热性能不同所带来的热需求差异,提出了一种考虑绝热性能差异的建筑群与ICES协同优化框架。
具体来说,这个框架包括以下主要步骤和方法:
-
热动态建模: 使用热阻-热容网络对建筑围护结构内热量的动态传递过程进行建模。这可能涉及到建筑中蓄热特性的考虑,这样可以更准确地理解建筑物内部热量的传递和变化。
-
热需求响应模型: 基于建筑的热动态模型,建立了考虑建筑用户差异化热需求响应的模型。特别地,模型包含了可调散热器,这可能是为了更灵活地满足不同用户的热量需求。
-
双层优化框架: 提出了建筑群与ICES的协同优化框架,通过双层优化方法实现了建筑群与ICES系统之间的最优化调整。这种框架可能同时考虑了整体系统和单个建筑之间的优化需求。
-
精细化供热价格方案: 在协同优化框架中采用了反映建筑用户热量消耗实际情况的供热价格方案,以更精确地反映实际消耗和需求。
-
算例验证有效性: 通过案例分析或模拟验证了提出方法的有效性,可能通过实际数据或模拟情况来证明该框架的可行性和优越性。
总体而言,这个框架旨在充分利用建筑群中不同建筑的绝热性能差异,以更智能地满足热需求,并在整体能源系统的运行中达到更高的效率和优化水平。
关键词:差异化绝热性能; 智能建筑;社区综合能源系统;热需求响应能力;供热定价;
-
差异化绝热性能:
- 指建筑群中不同建筑的绝热性能存在差异。绝热性能是建筑物对外部热量传递的抵抗能力,而差异化则表示各个建筑在这方面的性能不同。
-
智能建筑:
- 指在建筑中应用了先进的技术和系统,以提高能源效率、自动化控制和适应性。在这个上下文中,可能指建筑能够智能地调整自身的绝热性能,以更好地适应不同条件。
-
社区综合能源系统:
- 指整个社区内集成的能源生产、储存、分配和使用系统。这包括多种能源形式,如电力、热能等,以及与建筑群共享的能源基础设施。
-
热需求响应能力:
- 表示建筑对热量需求变化的响应能力。这可能涉及到建筑在不同温度和季节下对供热系统的灵活调整,以满足居民或用户的热量需求。
-
供热定价:
- 指对供热服务的定价策略。在这个上下文中,可能是指基于建筑用户的热量消耗情况,采用一种更精细化的方法来制定供热服务的价格,以更准确地反映实际消耗情况。
这些关键词集中讨论了在建筑群和社区综合能源系统中,特别关注建筑绝热性能的差异,以及如何通过智能建筑技术、社区综合能源系统的协同优化框架,以及考虑热需求响应能力和供热定价策略等手段,实现更高效、智能的能源利用和管理。
仿真算例:本文采用如附录 B 图 B3 所示的系统用作测试算例,算例中的 ICES 为 3 个绝热性能不同的住宅集群提供服务,每个住宅集群均有 10 栋住宅建筑,每栋住宅建筑有 10 层,每层 4 个用户,每个用户包含 4个制热区域,单个制热区域长度为 6 m,宽度为 6 m,高度为 3 m。选取中国北方冬季日为背景,不同住宅集群的用户的单个制热区域的相关参数(如表B1)参 考 文 献[26],室 外 温 度(如 图 B4)参 考 文 献[27],光照强度参考文献[28],每个制热区域的室内得热量参考文献[13],单个用户的电负荷(如图B6)参考文献[7]。如图 B5 所示,运营商从上级能源系统购买的能源价格要比用户从上级能源系统购买的价格低 20%。本文只考虑了不同住宅集群用户热需求响应对其差异化的购热价格的影响,用户的购电价格等同于用户直接从上级能源系统的购电价格。设定热价和用户散热器流量均为每小时变化一次。
仿真程序复现思路:
了解文章的描述后,仿真的复现思路可以概括为以下几个步骤:
-
建立系统模型:
- 使用图 B3 所示的系统作为基础,建立建筑群和社区综合能源系统的细致模型。这包括每个住宅集群的建筑结构、用户热需求、能源系统的运行等。
-
设定初始参数:
- 依据描述中提到的参数,设定每个住宅集群的绝热性能、建筑数量、建筑层数、用户数量、制热区域的尺寸、室外温度、光照强度、室内得热量、电负荷等参数。
-
模拟系统运行:
- 利用设定的初始参数,通过仿真算法模拟系统在中国北方冬季日的运行情况。这包括建筑物内部热量传递、用户热需求的变化、能源系统的运行等。
-
购热价格设定:
- 设定运营商从上级能源系统购买的能源价格,以及用户购热价格的设定,考虑到用户热需求响应对购热价格的影响。
-
能源价格的影响:
- 考虑用户热需求响应对购热价格的影响,根据图 B5 中的描述,运营商从上级能源系统购买的能源价格要比用户从上级能源系统购买的价格低 20%。在仿真中实现这一差异化。
-
运行商与用户的能源交互:
- 模拟运营商与用户之间的能源交互过程,包括能源的购买和销售,以及购热价格的调整。
-
用户散热器流量设定:
- 设定用户散热器流量的变化规律,仿真每小时的变化情况。
-
进行仿真实验:
- 运行仿真实验,观察系统在不同条件下的运行情况,包括能源利用效率、用户满意度等指标。
以下是一个简化的示例,使用 Python 语言的伪代码表示:
# 导入需要的库
import numpy as np
import matplotlib.pyplot as plt
# 步骤 1: 建立系统模型
class SystemModel:
def __init__(self):
# 在这里定义系统的初始状态和结构
pass
# 步骤 2: 设定初始参数
def initialize_parameters(system_model):
# 在这里设置系统的初始参数
pass
# 步骤 3: 模拟系统运行
def simulate_system(system_model):
# 在这里实现系统的动态模拟
pass
# 步骤 4: 购热价格设定
def set_heat_prices(system_model):
# 在这里设置运营商和用户的购热价格
pass
# 步骤 5: 能源价格的影响
def consider_energy_price_effect(system_model):
# 在这里模拟用户热需求响应对购热价格的影响
pass
# 步骤 6: 运行商与用户的能源交互
def simulate_energy_interaction(system_model):
# 在这里模拟能源交互的过程
pass
# 步骤 7: 用户散热器流量设定
def set_user_radiator_flow(system_model):
# 在这里设定用户散热器流量的变化规律
pass
# 步骤 8: 进行仿真实验
def run_simulation_experiments(system_model):
# 在这里运行仿真实验,收集数据并进行分析
pass
# 主程序
if __name__ == "__main__":
# 创建系统模型
system_model = SystemModel()
# 初始化参数
initialize_parameters(system_model)
# 模拟系统运行
simulate_system(system_model)
# 设置购热价格
set_heat_prices(system_model)
# 考虑能源价格影响
consider_energy_price_effect(system_model)
# 模拟能源交互
simulate_energy_interaction(system_model)
# 设置用户散热器流量
set_user_radiator_flow(system_model)
# 运行仿真实验
run_simulation_experiments(system_model)
在这个示例中,需要自行实现 SystemModel 类中的系统模型,以及各个函数中的具体逻辑。具体的仿真工具和库的选择可能会影响到代码的实现方式。如果在使用专门的仿真软件,那么可能需要参考该软件的文档和示例。这个示例主要强调了仿真过程中的基本步骤和函数。