一种基于影响因素溯源的低碳园区碳追踪方法

    公开(公告)号:CN116541666A

    公开(公告)日:2023-08-04

    申请号:CN202310559362.3

    申请日:2023-05-18

    摘要: 本发明公开了一种基于影响因素溯源的低碳园区碳追踪方法,包括确定碳足迹的碳管控范围,对碳排放进行动态预测获得碳源和碳汇数据;将所述碳源和碳汇数据进行预处理;将预处理后所述碳源和碳汇数据利用投入产出法分别进行计算,分别确定碳源类型及排放因子计算相应的碳足迹,根据低碳园区的全周期的碳足迹在m个区域的n个领域的直接碳排放量和间接碳排放量后计算低碳园区的碳足迹总量。本发明对园区建筑、能源等碳流向进行智慧管控,且能够为低碳园区提供实时且持续的相关数据,整合全园区内的运维管理、交通运输、照明供能等方面,高效快速的实现了碳足迹计算数据计算和追踪,提升园区的碳资产管理信息化水平。

    真实热力数据的获取方法、热力数据的神经网络模型构建系统及构建方法、热负荷预测方法

    公开(公告)号:CN116307074A

    公开(公告)日:2023-06-23

    申请号:CN202310049959.3

    申请日:2023-02-01

    摘要: 真实热力数据的获取方法、热力数据的神经网络模型构建系统及构建方法、热负荷预测方法,涉及热负荷预测技术领域。解决了现有的热负荷预测方法获得的预测数据不是真实负荷数据的问题。真实热力数据的获取方法:获取热力站的历史热力数据,对所述历史热力数据进行预处理,得到室内设计温度、室内实际温度和供热监测数据;根据所述室内实际温度,得到平均室内实际温度;根据所述室内设计温度和所述平均室内实际温度,得到过量供热率;根据所述供热监测数据和过量供热率,得到真实热力数据。根据真实热力数据得到神经网络模型,将换热站的热力数据输入到所述神经网络模型中,获得换热站的真实热负荷数据。本发明适用于热负荷的预测。

    浅层地埋管与中深层地埋管耦合冷热源系统及其控温方法

    公开(公告)号:CN114294847A

    公开(公告)日:2022-04-08

    申请号:CN202111629336.0

    申请日:2021-12-28

    摘要: 本发明提出了浅层地埋管与中深层地埋管耦合冷热源系统及其控温方法,属于可再生能源领域。解决了严寒及部分寒冷地区,冬季供暖时,地源热泵性能系数下降甚至停机的技术问题。本发明在供冷工况时,由浅层地埋管提供冷负荷所需冷量;在供热工况时,首先利用浅层地埋管提供所需热量,当浅层地埋管无法满足所需热量,关闭浅层地埋管,改由中深层地埋管提供热负荷所需热量,当中深层地埋管无法满足时,浅层地埋管辅助提供热量;当浅层地埋管取热量与夏季释热量相同时,所需热量均由中深层地埋管提供。本发明通过将浅层地热与中深层地热耦合,利用深层地热不易出现冷堆积现象,很好地平衡常规浅层地热失衡问题。

    一种多源储能模型预测控制优化方法

    公开(公告)号:CN118886651A

    公开(公告)日:2024-11-01

    申请号:CN202410908054.1

    申请日:2024-07-08

    摘要: 本发明公开了一种多源储能模型预测控制优化方法,包括采集多源储能的供给数据和能源数据,对所述供给数据和所述能源数据进行预处理,将所述供需数据输入负荷预测模型获得建筑能源负荷需求,根据所述建筑能源负荷需求和所述供给数据进行匹配获得能耗匹配数据,根据所述能耗匹配数据采用模型预测控制算法制定能源调度策略,使用物理模型构建TPB系统,基于所述TPB系统和所述能源调度策略构建MPC系统模型,优化所述MPC系统模型,将待优化数据输入所述MPC系统模型,输出控制优化结果。该方法不仅可以提高多源储能模型预测控制优化的精度,同时具有较好的可解释性,可以直接应用于多源储能模型预测控制优化系统中。

    真实热力数据的获取方法、热力数据的神经网络模型构建系统及构建方法、热负荷预测方法

    公开(公告)号:CN116307074B

    公开(公告)日:2024-10-18

    申请号:CN202310049959.3

    申请日:2023-02-01

    摘要: 真实热力数据的获取方法、热力数据的神经网络模型构建系统及构建方法、热负荷预测方法,涉及热负荷预测技术领域。解决了现有的热负荷预测方法获得的预测数据不是真实负荷数据的问题。真实热力数据的获取方法:获取热力站的历史热力数据,对所述历史热力数据进行预处理,得到室内设计温度、室内实际温度和供热监测数据;根据所述室内实际温度,得到平均室内实际温度;根据所述室内设计温度和所述平均室内实际温度,得到过量供热率;根据所述供热监测数据和过量供热率,得到真实热力数据。根据真实热力数据得到神经网络模型,将换热站的热力数据输入到所述神经网络模型中,获得换热站的真实热负荷数据。本发明适用于热负荷的预测。