一种中深层地热区域能源系统的智能寻优方法
本发明涉及能源系统调控,尤其涉及一种中深层地热区域能源系统的智能寻优方法。
背景技术:
1、中深层同轴套管地埋管(dbhe)因其占地小、取热量大且无污染,成为供暖领域的重要选择。然而,现有技术中,针对中深层地热区域能源系统的规划与智能控制存在以下缺陷:
2、1、系统规划与运行脱节:传统设计依赖定流量计算,缺乏区域级复杂建筑群时变负荷的精准模拟数据库支撑,容易造成地热井投资浪费或地温衰减过快。
3、2、物理建模算力瓶颈:传统中深层同轴套管换热器模型,如全数值cfd或复杂的半解析模型,其在处理地层多层异质性、长周期(20-30年)热响应及管内瞬态传热时,虽然有着更高的精度,但也因此消耗更长的计算时间,进而无法满足区域级系统在8760小时(全年)动态运行工况下的实时寻优与算力要求,并且对系统长周期运行模拟造成巨大的局限性。
4、3、多源耦合控制缺陷:现有的地源、空气源、蓄能系统联合运行策略多采用基于静态规则,如固定温差启停的设定。这种静态规则缺乏对地层长期热透支的评估,容易导致地热井寿命衰减,全生命周期能效偏低。
5、4、黑盒ai控制存在物理安全隐患:纯数据驱动的ai算法在调节水泵与热泵时,脱离了地下岩土长周期瞬态传热的客观规律。在极端严寒天气下,ai为了追求极致省电可能下发过小的流量指令,导致井筒回水温度跌破防冻红线或超过热泵极限换热温差,引发系统停机甚至损坏设备。
6、因此,现有技术中,ai算法虽已应用于地热系统优化,但多聚焦于单一模块,未形成地上地下系统多模块耦合与整体配置优化的一体化方案:要么在构建模型方面忽略模块间耦合关系导致精度不足,要么在优化算法方面依赖复杂机理模型导致计算耗时过长,其无法兼顾简化性、计算效率、优化精度三者平衡,进一步制约了现有中深层地热系统的能效提升与成本控制。
技术实现思路
1、(一)要解决的技术问题
2、鉴于现有技术的上述缺点、不足,本发明提供一种中深层地热区域能源系统的智能寻优方法,一方面,解决了传统高精度物理模型在超大规模、长周期寻优中的算力瓶颈的技术问题,另一方面,解决了传统静态控制策略短视导致的地层热透支的技术问题。
3、(二)技术方案
4、为了达到上述目的,本发明采用的主要技术方案包括:
5、第一方面,本发明提供一种中深层地热区域能源系统的智能寻优方法,包括:
6、利用预训练的负荷级联修正模型,动态组装并预测区域建筑群全年的动态热负荷序列;
7、采用一维隐式差分求解中深层地热区域能源系统中流体对流换热,并结合非均匀地层传热响应的数值积分处理与历史取热扰动的叠加处理,构建非均匀地层条件下中深层地热物理引擎,以输出中深层地热区域能源系统的地温衰减趋势数据;
8、利用所述物理引擎生成的工况样本作为训练集,训练预设的地热地温预测模型,以替代所述物理引擎的方程迭代,输出地温衰减预测数据;
9、将中深层地热区域能源系统的变工况模型与所述物理引擎进行物理边界耦合,构建多源协同智能群控的数字孪生模型;
10、将地温衰减趋势数据或地温衰减预测数据,与动态热负荷序列共同输入数字孪生模型进行滚动前馈寻优,获得中深层地热区域能源系统的最优控制决策指令。
11、可选地,利用预训练的负荷级联修正模型,动态组装并预测区域建筑群全年的动态热负荷序列包括:
12、对设定的典型建筑执行建筑能耗模拟,获得涵盖多气候区与多建筑类型的全年标准负荷指纹数据库;
13、依据区域建筑群的建筑规划配比,从全年标准负荷指纹数据库中提取每个建筑的基础冷热负荷曲线,并根据建筑规划面积进行线性叠加,获得区域建筑群全年的基础冷热负荷序列;
14、将基础冷热负荷序列、室外干球温度、太阳辐射照度以及时间特征变量作为输入向量,馈入预训练的基于多层感知机或xgboost的负荷级联修正模型中,通过非线性映射输出修正后的区域建筑群全年的动态热负荷序列。
15、可选地,采用一维隐式差分求解中深层地热区域能源系统中流体对流换热,并结合非均匀地层传热响应的数值积分处理与历史取热扰动的叠加处理,构建非均匀地层条件下中深层地热物理引擎,以输出中深层地热区域能源系统的地温衰减趋势数据包括:
16、将中深层地热区域能源系统中流体对流换热的能量守恒方程沿井深方向离散,并采用隐式迎风差分格式构建差分方程组;
17、根据当前流体流速下的动态对流换热系数,求解差分方程组,获得沿井深分布的管内流体温度场,并输出井口地热出水温度;
18、将地热井所处的非均匀地质沿径向分层,并引入有限线源模型与高斯-勒让德数值积分,求解各分层地质的径向热阻与热容对钻孔壁温度的贡献,得到单位阶跃换热量下的岩土温度响应因子;
19、基于杜哈梅尔叠加定理,将变流量及变负荷工况下的逐时换热量分解为多个线性叠加的阶跃扰动,随后利用温度响应因子对每一阶跃扰动进行卷积求和,获得地温衰减趋势数据。
20、可选地,利用所述物理引擎生成的工况样本作为训练集,训练预设的地热地温预测模型,以替代所述物理引擎的方程迭代,输出地温衰减预测数据包括:
21、以所述物理引擎在多种流量、进水温度及换热量历史序列工况下生成的钻孔壁温度响应和地热井出水温度数据作为训练样本集,并构建由卷积神经网络和长短期记忆网络组成的混合神经网络模型;
22、将当前时刻的流量、进水温度以及前序多个时刻的换热量历史序列作为输入特征,将未来多个时间步的地热侧出水温度和沿井深方向的钻孔壁温度分布作为预测目标,以预测值与物理引擎输出值之间的均方误差为损失函数训练混合神经网络模型,得到地热地温预测模型;
23、在训练完成后,通过地热地温预测模型接收实时输入的流量、进水温度和历史状态数据进行前向推理预测,得到未来周期内的进出水温度序列及地温衰减趋势预测数据,以用于替代所述物理引擎的方程迭代结果。
24、可选地,将中深层地热区域能源系统的变工况模型与所述物理引擎进行物理边界耦合,构建多源协同智能群控的数字孪生模型包括:
25、将中深层地热区域能源系统中多源设备的变工况模型,以能量流、质量流与信息流双向交互的方式进行物理边界耦合,多源设备包括地热侧的地热井、辅助热源侧的空气源热泵以及管网输配单元的变频水泵;
26、在耦合过程中,以所述物理引擎输出的地热侧热力参数作为辅助热源侧的输入边界,并将辅助热源侧输出的换热量需求反馈至所述物理引擎,作为地热侧下一时步换热计算的边界条件;同时,以管网输配的目标水力参数作为变频水泵功耗计算的输入,并将变频水泵调节后的实际流量反馈至地热侧与辅助热源侧;
27、基于所述物理边界耦合,构建多源协同智能群控的数字孪生模型,数字孪生模型用于在给定负荷序列和控制动作条件下,逐时仿真计算中深层地热区域能源系统各关键节点的热力状态参数及总瞬时功耗。
28、可选地,将地温衰减趋势数据或地温衰减预测数据,与动态热负荷序列共同输入数字孪生模型进行滚动前馈寻优,获得中深层地热区域能源系统的最优控制决策指令包括:
29、获取中深层地热区域能源系统的运行状态参数;
30、在系统初始化阶段或物理引擎计算成本低于设定阈值条件时,将运行状态参数、地温衰减趋势数据以及动态热负荷序列共同输入数字孪生模型进行当前控制周期的控制决策全局寻优;
31、在中深层地热区域能源系统需毫秒级响应调控时,将运行状态参数、地温衰减预测数据以及动态热负荷序列共同输入数字孪生模型进行当前控制周期的控制决策全局寻优;
32、将寻优得到的最优控制决策指令下发至中深层地热区域能源系统中对应的执行设备,并将完成当前决策控制后的实际运行状态参数作为下一控制周期的初始运行状态参数,反馈至数字孪生模型。
33、可选地,控制决策全局寻优包括:
34、在每一控制周期内,以系统生命周期或当前控制周期内的总功耗最小化为优化目标,构建第一多目标适应度函数;
35、基于地温衰减趋势数据或地温衰减预测数据,与动态热负荷序列构成的环境观测状态,在决策变量空间内进行控制动作全局搜索,决策变量包括地下水泵变频频率、地热侧与辅助热源侧的负荷分配比例;
36、在每次迭代评估搜索得到候选动作时,调用数字孪生模型对当前候选动作进行瞬时仿真,获取在该动作下中深层地热区域能源系统各关键节点的热力状态及总功耗,并根据预设物理约束对不可行动作施加惩罚以排除;
37、对满足可行性约束的候选动作,根据第一多目标适应度函数的适应度值,经预设收敛条件判定后,输出适应度最优的候选动作作为当前控制周期的全局最优控制决策指令。
38、可选地,在将地温衰减趋势数据或地温衰减预测数据,与动态热负荷序列共同输入数字孪生模型进行滚动前馈寻优,获得中深层地热区域能源系统的最优控制决策指令之后,还包括:
39、将中深层地热井数量、钻孔深度、热泵机组额定容量以及辅助热源容量作为设备配置寻优的决策变量矩阵;
40、以系统全生命周期成本最小化为第一优化目标,以综合能效比最大化为第二优化目标,构建第二多目标适应度函数,全生命周期成本包括初始投资成本与各年度运行电费及维护费的折现总和;
41、将每次迭代生成的候选配置方案输入数字孪生模型,并在动态热负荷序列的边界条件下进行全周期运行模拟,得到该配置方案下的各年度运行成本、全生命周期成本及系统综合能效比;
42、将不满足供暖峰值需求或导致地温场最终平均温度低于预设安全阈值的候选配置方案作为不可行配置予以剔除,获得满足供能安全性与地温可持续性约束的可行配置方案集;
43、根据第二多目标适应度函数计算可行配置方案集中各候选方案的适应度值,经预设收敛条件判定后,输出适应度最优的候选配置方案作为推荐系统配置清单及设备选型参数。
44、第二方面,本发明提供一种中深层地热区域能源系统,包括:
45、地热侧,被配置为从深层地下提取地热能,包括至少一口中深层同轴套管地热井;
46、辅助热源侧,被配置为在地热侧供热不足时提供热能补充,包括空气源热泵机组;
47、管网输配单元,被配置为连接地热侧、辅助热源侧与终端用户;
48、智能寻优控制单元,与地热侧、辅助热源侧以及管网输配单元连接,被配置为执行以上所述的中深层地热区域能源系统的智能寻优方法。
49、可选地,智能寻优控制单元包括:
50、动态热负荷预测模块,用于利用预训练的负荷级联修正模型,动态组装并预测区域建筑群全年的动态热负荷序列;
51、物理引擎模块,用于采用一维隐式差分求解中深层地热区域能源系统中流体对流换热,并结合非均匀地层传热响应的数值积分处理与历史取热扰动的叠加处理,构建非均匀地层条件下中深层地热物理引擎,以输出中深层地热区域能源系统的地温衰减趋势数据;
52、地热地温预测模块,用于利用所述物理引擎生成的工况样本作为训练集,训练预设的地热地温预测模型,以替代所述物理引擎的方程迭代,输出地温衰减预测数据;
53、数字孪生模块,用于将中深层地热区域能源系统的变工况模型与所述物理引擎进行物理边界耦合,构建多源协同智能群控的数字孪生模型;
54、决策寻优模块,用于将地温衰减趋势数据或地温衰减预测数据,与动态热负荷序列共同输入数字孪生模型进行滚动前馈寻优,获得中深层地热区域能源系统的最优控制决策指令。
55、(三)有益效果
56、本发明的有益效果:本发明通过构建覆盖负荷预测、地热物理引擎、地热地温预测模型、数字孪生、智能寻优的完整技术链路,将区域建筑动态负荷、非均匀地质地下换热、空气源热泵及水力输配网络的多模块进行物理边界耦合与数据双向交互,形成了反映系统真实热力学状态的全状态闭环数字孪生模型。相较于现有技术,本发明能够从区域规划阶段到实际运行阶段实现全生命周期的逐时动态仿真与协同优化,有效避免了因模块间参数失配导致的设计冗余或能力不足问题。
57、还有,本发明依托高保真物理引擎生成海量工况样本训练地热地温预测模型,在线运行时能够以毫秒级速度替代物理引擎的方程迭代求解,快速输出未来长达20-30年的进出水温度及沿程地温衰减趋势。相较于传统纯数值模拟方案,本发明在保证物理可信度的前提下将计算效率提升数个数量级,使得区域级系统长周期智能寻优从理论可行变为工程可行。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com