多目标下天然气冷热电联供系统运行优化分析
发布时间:2023-02-10 17:53
天然气冷热电联供系统(Combined Cold Heat and Power,CCHP)作为我国目前发展最快的分布式能源系统,在分布式能源领域占有很大比重。传统的天然气冷热电联供系统运行优化模型多以系统经济效益最大化、能源消耗量最小化和污染物排放量最小化作为目标函数,忽略了系统的稳定性,导致系统运行策略存在一定的安全隐患。因此,本文创新性地将反映系统运行稳定性的发电负荷比最大化引入目标函数,与传统的利润最大化进行组合构建和求解多目标优化模型,可在确保系统运行稳定的同时,尽可能实现系统的收益最大化。本文首先阐述了我国发电和天然气CCHP的使用现状,借助数据收集、资料查询和现场调研等技术手段,在充分了解研究区域天然气CCHP系统的结构组成和运行情况的基础上,阐明了构建CCHP系统运行优化模型的必要性;其次,基于系统的历史运行数据,采用最小二乘法建立了基于“气象要素输入-用户需求输出”的响应关系,对用户需求进行预测;同时运用神经网络算法对系统主体设备内燃机进行仿真预测,为后期构建优化模型奠定了很好的基础;最后,以冷热电需求和系统设备负荷为主要约束条件,以系统利润最大化和发电负荷比最大化为多...
【文章页数】:66 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 我国发电现状
1.2 天然气CCHP的使用现状
1.3 天然气CCHP系统运行优化分析的必要性
1.4 本章小结
第2章 文献综述
2.1 智能预测方法在系统设备仿真和建模过程中的应用研究
2.2 优化技术在冷热电联供系统中的应用研究
2.3 多目标优化技术在冷热电联供系统中的应用研究
2.4 本章小结
第3章 案例研究
3.1 研究对象概况
3.2 系统组成及运行概况
3.2.1 联供系统基本组成
3.2.2 系统运行过程
3.3 本章小结
第4章 冷热电联供系统的需求预测及设备仿真模型
4.1 基于回归分析的用户需求预测模型
4.1.1 用户需求预测原理及算法
4.1.2 生活热水的热需求预测
4.1.3 分水器的热需求预测
4.1.4 分水器的冷需求预测
4.2 基于神经网络算法的设备预测仿真模型
4.2.1 神经网络算法
4.2.2 基于神经网络算法的内燃机预测模型
4.2.3 内燃机仿真模型
4.3 本章小结
第5章 基于多目标方法的运行机制优化模型分析
5.1 优化模型的建立
5.2 目标函数
5.2.1 目标函数1:经济收益最大化
5.2.2 目标函数2:发电负荷比最大化
5.3 主要约束
5.4 计算软件介绍
5.5 天然气冷热电联供系统多目标优化模型
5.5.1 取暖季典型月多目标优化结果及分析
5.5.2 制冷季典型月多目标优化结果及分析
5.5.3 过渡季典型月多目标优化结果及分析
5.6 设备运行负荷优化结果分析
5.6.1 取暖季典型月设备运行负荷优化结果分析
5.6.2 制冷季典型月设备运行负荷优化结果分析
5.6.3 过渡季典型月设备运行负荷优化结果分析
5.7 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
附录
攻读硕士学位期间发表的学术论文及其它成果
致谢
作者简介
本文编号:3739634
【文章页数】:66 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 我国发电现状
1.2 天然气CCHP的使用现状
1.3 天然气CCHP系统运行优化分析的必要性
1.4 本章小结
第2章 文献综述
2.1 智能预测方法在系统设备仿真和建模过程中的应用研究
2.2 优化技术在冷热电联供系统中的应用研究
2.3 多目标优化技术在冷热电联供系统中的应用研究
2.4 本章小结
第3章 案例研究
3.1 研究对象概况
3.2 系统组成及运行概况
3.2.1 联供系统基本组成
3.2.2 系统运行过程
3.3 本章小结
第4章 冷热电联供系统的需求预测及设备仿真模型
4.1 基于回归分析的用户需求预测模型
4.1.1 用户需求预测原理及算法
4.1.2 生活热水的热需求预测
4.1.3 分水器的热需求预测
4.1.4 分水器的冷需求预测
4.2 基于神经网络算法的设备预测仿真模型
4.2.1 神经网络算法
4.2.2 基于神经网络算法的内燃机预测模型
4.2.3 内燃机仿真模型
4.3 本章小结
第5章 基于多目标方法的运行机制优化模型分析
5.1 优化模型的建立
5.2 目标函数
5.2.1 目标函数1:经济收益最大化
5.2.2 目标函数2:发电负荷比最大化
5.3 主要约束
5.4 计算软件介绍
5.5 天然气冷热电联供系统多目标优化模型
5.5.1 取暖季典型月多目标优化结果及分析
5.5.2 制冷季典型月多目标优化结果及分析
5.5.3 过渡季典型月多目标优化结果及分析
5.6 设备运行负荷优化结果分析
5.6.1 取暖季典型月设备运行负荷优化结果分析
5.6.2 制冷季典型月设备运行负荷优化结果分析
5.6.3 过渡季典型月设备运行负荷优化结果分析
5.7 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
附录
攻读硕士学位期间发表的学术论文及其它成果
致谢
作者简介
本文编号:3739634
本文链接:https://www.wllwen.com/kejilunwen/dianlilw/3739634.html