目录
摘要:
当采用分时(TOU)定价或实时定价(RTP)时,热能存储可作为能源系统中的有效组件,以最大限度地节约成本。本研究提出了一种新的方法,该方法可以有效地预测区域冷却系统中热能储存(即冰储存)的性能并确定控制策略。所提出的方法利用基于神经网络(NN)的模型预测控制(MPC)策略与遗传算法(GA)优化器相结合,并检查将NN模型用于蓄冰区域冷却系统的有效性。NN提供了具有给定外部输入的区域冷却系统的相对快速的性能估计。为了模拟所提出的MPC控制器,首先开发并验证了区域冷却系统的基于物理的模型,以作为控制器的虚拟工厂,实时传达系统状态。接下来,在冷却期间开发和训练电厂的神经网络模型,以便在RTP和TOU定价下测试控制策略。由于区域冷却网络的开/关控制,该模型使用遗传算法进行了优化。最后,通过考虑MPC方案中的1小时离散化,集成热负荷预测算法以在理想天气输入和天气预报下进行测试。结果表明,在8月份,最优控制方案可以有效地适应不同的负荷和不同的价格,从而在分时电价和RTP下分别有效地将区域冷却网络的运营成本降低约16%和13%。
参考文献: