计及需求响应和供需互动的供热系统分层优化调度方法与流程

1.本发明属于智慧供热技术领域，具体涉及一种计及需求响应和供需互动的供热系统分层优化调度方法。


背景技术：

2.随着城市建设发展的迅速上升趋势，供热系统能源的需求量也迅速上升，而有限的传统燃料能源已无法满足日益增长的能源需求，已逐步发展为能源危机，而且以煤、天然气为达标的能源开发与供热利用，导致全球污染物增多，影响城市的环境和人类的正常生活。因此，除了大力开发新能源之外，还需要构建合适的能源开发、传输及使用体系，电能代替化石能源消耗成为一种趋势。
3.目前，不论在需求侧和供热侧都存在用电制热的方式，可以在需求侧热量不满足时由电暖器、空调等进行辅助供热，或者在供热侧采用电热泵进行制热量的提供，热用户积极参与电制热的响应能够有效环节热负荷高峰时供热量不足问题。然而，针对需求侧如何激发用户参与用电制热的响应，以及在此基础上如何实现需求侧热量的精准预测，并且供热侧和需求侧基于需求侧的热量预测值实现供需互动和双侧优化调度是目前急需解决的问题。
4.基于上述技术问题，需要设计一种新的计及需求响应和供需互动的供热系统分层优化调度方法。


技术实现要素：

5.本发明所要解决的技术问题是，克服现有技术的不足，提供一种计及需求响应和供需互动的供热系统分层优化调度方法，能够以需求侧的热量需求为依据，建立需求侧优化调度模型和供热侧优化调度模型，有效提高了供热系统的经济性、能效性和灵活性，实现了供热侧和需求侧的供需协调互动。
6.为了解决上述技术问题，本发明的技术方案是：
7.本发明提供了一种计及需求响应和供需互动的供热系统分层优化调度方法，它包括：
8.步骤s1、构建包括供热侧、需求侧和供热管理中心的供热系统数字孪生模型；所述供热侧包括供热设备、供热转换设备和储热设备；所述需求侧包括不同类型的用热建筑，并设置有用热转换设备；所述供热侧通过供热管理中心与所述需求侧进行调度信息交互；
9.步骤s2、供热管理中心对所述需求侧中不同类型的用热建筑进行日前各调度时段的负荷预测，获得需求侧初始热量需求；
10.步骤s3、供热管理中心建立系统需求响应模型，制定热负荷响应计划，然后向需求侧发出响应需求，激发需求侧用户参与响应；
11.步骤s4、供热管理中心基于用热建筑的用热行为、用热特性和用热转换设备运行特性，建立需求侧用热建筑画像；
12.步骤s5、需求侧基于供热管理中心发出的响应需求和建立的需求侧用热建筑画像，对所述需求侧初始热量需求进行日前各调度时段的修正，获得修正后的需求侧不同用热建筑的热量需求并发送至供热管理中心；
13.步骤s6、供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以需求侧经济补偿最大为目标函数，建立需求侧优化调度模型，决策次日各调度时段不同用热建筑的供热调控参数并下发至需求侧执行；
14.步骤s7、供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以供热侧设备运行成本最小和能效最高为目标函数，建立供热侧优化调度模型，决策次日各调度时段各设备的运行状态变量与出力变量并下发至供热侧执行。
15.进一步，所述构建包括供热侧、需求侧和供热管理中心的供热系统数字孪生模型，包括：
16.建立供热系统物理实体的三维物理模型，并通过图形化、形式化描述物理模型对应的逻辑模型的组成要素、组成结构和运行机制，再将各要素属性和行为反馈至物理模型，进行物理模型到逻辑模型的映射；所述供热系统物理实体包括供热侧、需求侧和供热管理中心；所述供热侧包括供热设备、供热转换设备和储热设备；所述供热设备包括新能源供热设备和燃气锅炉、燃气轮机；所述供热转换设备包括电热泵；所述需求侧包括不同类型的用热建筑，并设置有用热转换设备，包括制热空调和电取暖设备；所述不同类型的用热建筑包括工业用热建筑、商业用热建筑和居民用热建筑；所述供热侧通过供热管理中心与所述需求侧进行调度信息交互；
17.建立可视化的供热系统仿真模型，并基于采集的供热系统多源数据，采用智能优化算法对供热系统仿真模型进行训练和优化后，将仿真结果反馈至物理模型；
18.对供热系统的物理模型和仿真模型进行一致性与可靠性验证；
19.对供热系统多源数据融合和采用机器学习算法，进行供热系统物理空间到虚拟空间信息流、控制流、数据流和决策流的数据清洗转换、共享汇聚、融合与迭代优化，建立供热系统数据模型；
20.将供热系统物理模型、逻辑模型、仿真模型和数据模型进行集成后，通过映射重构和1:1镜像，建立供热系统物理空间的物理实体在虚拟空间的数字孪生体。
21.进一步，所述步骤s2，供热管理中心对所述需求侧中不同类型的用热建筑进行日前各调度时段的负荷预测，获得需求侧初始热量需求，包括：
22.供热管理中心对所述需求侧中不同类型的用热建筑的热负荷相关历史数据进行采集，结合天气数据生成负荷数据样本，并进行预处理后获得负荷特征数据集；
23.采用随机森林算法对负荷特征数据集进行重要性分析，并依据重要性将负荷特征数据集中的特征变量进行等级划分，包括关键特征变量、辅助特征变量和无效特征变量；
24.将负荷特征数据集中的关键特征变量和辅助特征变量共同作为输入变量，输入至ngboost算法模型中进行模型训练；
25.根据训练后的ngboost算法模型预测日前各调度时段的负荷值，获得需求侧初始热量需求；
26.其中，采用随机森林算法对负荷特征数据集进行重要性分析时，根据基尼指数计算各特征变量的重要性评分，再依据预设的特征变量决策规则进行等级划分。
27.进一步，所述步骤s3中，供热管理中心建立系统需求响应模型，包括：
28.将次日的用热分为峰谷平时段，在每个时段采用不同的电价，在分时电价下，基于热用户心理学对需求侧热用户的响应行为进行分析，建立热用户在电价较低的时候选择将室内供热温度降低，采用用热转换设备进行辅助供热，且不降低用户热舒适度的需求响应模型，同时对热用户进行额外的经济补偿；
29.其中，在建立需求响应模型时，依据分时电价设定需求响应模型的负荷调度响应时长，依据降低的室内供热温度设定热负荷削减量上下限，并依据负荷调度响应时长和热负荷削减量计算对热用户的额外经济补偿，表示为：
[0030][0031]
ed为需求侧响应获得的额外经济补偿；cd为热用户响应时段的电价；pd为需求侧初始热量；p
l
为需求侧参与响应后的热量；δt为单位调度时段时长；td为响应开始时间；td为负荷调度响应时长；p
max
、p
min
分别为热负荷削减量上下限；
[0032]
基于热用户心理学对需求侧热用户的响应行为进行分析时，建立需求侧热用户响应度曲线，表示为：
[0033][0034]
λ为热负荷削减率；δp为电价差值；(a,0)为响应死区的拐点；a为死区阈值；(b,λ
max
)响应饱和区拐点；b为饱和区阈值；λ
max
为最大热负荷削减率；k为线性区斜率。
[0035]
进一步，所述步骤s4，供热管理中心基于用热建筑的用热行为、用热特性和用热转换设备运行特性，建立需求侧用热建筑画像，包括：
[0036]
供热管理中心采集不同用热建筑的热用户作息行为习惯、历史负荷数据、热用户室内舒适温度、是否存在并主观愿意使用热转换设备，用热转换设备类型和用热转换设备的使用时间、耗电量数据，并进行数据标准化处理；
[0037]
采用lstm网络模型对标准化处理后的数据进行特征提取，获得不同用热建筑的用热行为标签、用热特性标签和用热转换设备标签；
[0038]
采用k-means聚类算法对用热行为标签、用热特性标签和用热转换设备标签进行聚类：采用k-means聚类算法计算k个簇中心，再将k个簇中心带入k-means聚类算法中，聚类后将结果存储起来，给不同的簇编号，获得聚类结果；
[0039]
分析聚类结果中每个簇的类别建立需求侧用热建筑画像：对聚类结果以簇编号为单位划分，逐个分析不同簇的特点，对比分析不同簇的差别，给出每个簇的类别，建立需求侧用热建筑画像。
[0040]
进一步，所述步骤s5中，需求侧基于供热管理中心发出的响应需求和建立的需求侧用热建筑画像，对所述需求侧初始热量需求进行日前各调度时段的修正，包括：
[0041]
需求侧基于供热管理中心发出的响应需求，获知分时电价信息、采用用热转换设
备进行辅助供热的初始热负荷削减量、额外经济补偿信息和负荷调度响应时长信息后，不同用热建筑的热用户对响应需求信息进行分析后判断是否参与响应，并将参与响应的时间区间、室内供热温度降低值返回给供热管理中心；
[0042]
供热管理中心依据建立的需求侧用热建筑画像，获知不同用热建筑的热用户在次日各调度时段的用热行为、用热特性和用热转换设备运行特性，并向需求侧发出次日各调度时段的可调热负荷区间和对应的经济奖励信息，待需求侧不同用热建筑的热用户分析后确定各调度时段的热负荷调节量和经济奖励信息，并返回给供热管理中心；
[0043]
供热管理中心依据需求侧参与响应的时间区间、室内供热温度降低值和各调度时段的热负荷调节量对所述需求侧初始热量需求进行日前各调度时段的修正。
[0044]
进一步，所述步骤s6，供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以需求侧经济补偿最大为目标函数，建立需求侧优化调度模型，决策次日各调度时段不同用热建筑的供热调控参数并下发至需求侧执行，包括：
[0045]
供热管理中心基于修正后的需求侧不同用热建筑的热量需求，获知次日各调度时段的最终热量需求值；
[0046]
以需求侧经济补偿最大为目标函数，表示为：
[0047][0048]
ec为依据用热建筑画像进行负荷修正后获得的经济奖励；cc为经济奖励的单价；pc为需求侧初始热量；p
l
为依据用热建筑画像进行负荷修正后的热量；tc为热负荷调节开始时间；tc为热负荷调节时长；
[0049]
设置需求侧约束条件：热平衡约束和热负荷削减量约束；
[0050]
以需求侧经济补偿最大为目标函数和设置的需求侧约束条件，建立需求侧优化调度模型，并以次日各调度时段的最终热量需求值为需求侧优化调度模型的输入变量，采用智能优化算法进行求解，决策输出次日各调度时段不同用热建筑的供热调控参数并下发至需求侧执行。
[0051]
进一步，步骤s7，供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以供热侧设备运行成本最小和能效最高为目标函数，建立供热侧优化调度模型，决策次日各调度时段各设备的运行状态变量与出力变量并下发至供热侧执行，包括：
[0052]
供热管理中心基于修正后的需求侧不同用热建筑的热量需求，获知次日各调度时段的最终热量需求值，并考虑需求侧到供热侧的热量损失和热量传输延时计算获得供热侧次日各调度时段的热量供给值；
[0053]
以供热侧设备运行成本最小为目标函数，表示为：
[0054][0055]
p
t
为t时刻的购买能源量；ρs为能源单价；e
t
为t时刻的购电量；η
t
为t时刻外网的电价；mj为第j类设备的维护成本；t为调度时长；
[0056]
以供热侧能效最高为目标函数，表示为：
[0057][0058]
ph为系统热能输出量；pe为系统的一次能源输入量；e
ren
为新能源供热设备供热量；e
sy
为新能源设备的能源消耗量；p
dr
为供热转换设备制热量；p
sd
为供热转换设备的用电量；
[0059]
设置供热侧约束条件：热平衡约束条件、供热设备出力约束条件、供热转换设备出力约束条件、设备启停约束、储热设备出力约束条件和储热设备容量约束条件；
[0060]
以供热侧设备运行成本最小和能效最高为目标函数和设置的供热侧约束条件，建立供热侧优化调度模型，并以供热侧次日各调度时段的热量供给值为供热侧优化调度模型的输入变量，采用智能优化算法进行求解，决策输出次日各调度时段各设备的运行状态变量与出力变量并下发至供热侧执行。
[0061]
进一步，所述供热系统分层优化调度方法还包括：基于供热系统数字孪生模型对次日各调度时段不同用热建筑的供热调控参数、次日各调度时段各设备的运行状态变量与出力变量进行仿真验证，判断是否满足需求侧和供热侧的供热指标，若满足，则分别下发至需求侧和供热侧执行；否则，对次日各调度时段不同用热建筑的供热调控参数、次日各调度时段各设备的运行状态变量与出力变量进行调整。
[0062]
本发明的有益效果是：
[0063]
(1)本发明通过构建包括供热侧、需求侧和供热管理中心的供热系统数字孪生模型；供热侧包括供热设备、供热转换设备和储热设备；需求侧包括不同类型的用热建筑，并设置有用热转换设备；供热侧通过供热管理中心与所述需求侧进行调度信息交互；基于供热系统数字孪生模型为后续的供需互动优化调度建立了基础；
[0064]
(2)本发明通过供热管理中心对所述需求侧中不同类型的用热建筑进行日前各调度时段的负荷预测，获得需求侧初始热量需求；供热管理中心建立系统需求响应模型，制定热负荷响应计划，然后向需求侧发出响应需求，激发需求侧用户参与响应；供热管理中心基于用热建筑的用热行为、用热特性和用热转换设备运行特性，建立需求侧用热建筑画像；需求侧基于供热管理中心发出的响应需求和建立的需求侧用热建筑画像，对所述需求侧初始热量需求进行日前各调度时段的修正，获得修正后的需求侧不同用热建筑的热量需求并发送至供热管理中心；在进行供需互动优化调度之前，需求侧不同用热建筑的热量需求预测是供需优化调度模型的重要前提，采用需求响应和用热建筑画像机制分析了需求侧对负荷的响应策略和需求侧的用热行为、用热特性和用热转换设备运行特性，实现对需求侧初始热量需求的修正，提升了需求侧热量的精确性；
[0065]
(3)本发明通过供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以需求侧经济补偿最大为目标函数，建立需求侧优化调度模型，决策次日各调度时段不同用热建筑的供热调控参数并下发至需求侧执行；供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以供热侧设备运行成本最小和能效最高为目标函数，建立供热侧优化调度模型，决策次日各调度时段各设备的运行状态变量与出力变量并下发至供热侧执行；能够以需求侧的热量需求为依据，建立需求侧优化调度模型和供热侧优化调度模型，有效提高了供热系统的经济性、能效性和灵活性，实现了供热侧和需求侧的供需协调互动。
[0066]
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指
出的结构来实现和获得。
[0067]
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0068]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0069]
图1为本发明一种计及需求响应和供需互动的供热系统分层优化调度方法流程图；
[0070]
图2为本发明一种计及需求响应和供需互动的供热系统分层优化调度原理框图。
具体实施方式
[0071]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0072]
实施例1
[0073]
图1是本发明所涉及的一种计及需求响应和供需互动的供热系统分层优化调度方法流程图。
[0074]
图2是本发明所涉及的一种计及需求响应和供需互动的供热系统分层优化调度原理框图。
[0075]
如图1、2所示，本实施例1提供了一种计及需求响应和供需互动的供热系统分层优化调度方法，它包括：
[0076]
步骤s1、构建包括供热侧、需求侧和供热管理中心的供热系统数字孪生模型；所述供热侧包括供热设备、供热转换设备和储热设备；所述需求侧包括不同类型的用热建筑，并设置有用热转换设备；所述供热侧通过供热管理中心与所述需求侧进行调度信息交互；
[0077]
步骤s2、供热管理中心对所述需求侧中不同类型的用热建筑进行日前各调度时段的负荷预测，获得需求侧初始热量需求；
[0078]
步骤s3、供热管理中心建立系统需求响应模型，制定热负荷响应计划，然后向需求侧发出响应需求，激发需求侧用户参与响应；
[0079]
步骤s4、供热管理中心基于用热建筑的用热行为、用热特性和用热转换设备运行特性，建立需求侧用热建筑画像；
[0080]
步骤s5、需求侧基于供热管理中心发出的响应需求和建立的需求侧用热建筑画像，对所述需求侧初始热量需求进行日前各调度时段的修正，获得修正后的需求侧不同用热建筑的热量需求并发送至供热管理中心；
[0081]
步骤s6、供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以需求侧经济补偿最大为目标函数，建立需求侧优化调度模型，决策次日各调度时段不同用热
建筑的供热调控参数并下发至需求侧执行；
[0082]
步骤s7、供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以供热侧设备运行成本最小和能效最高为目标函数，建立供热侧优化调度模型，决策次日各调度时段各设备的运行状态变量与出力变量并下发至供热侧执行。
[0083]
在本实施例中，所述构建包括供热侧、需求侧和供热管理中心的供热系统数字孪生模型，包括：
[0084]
建立供热系统物理实体的三维物理模型，并通过图形化、形式化描述物理模型对应的逻辑模型的组成要素、组成结构和运行机制，再将各要素属性和行为反馈至物理模型，进行物理模型到逻辑模型的映射；所述供热系统物理实体包括供热侧、需求侧和供热管理中心；所述供热侧包括供热设备、供热转换设备和储热设备；所述供热设备包括新能源供热设备和燃气锅炉、燃气轮机；所述供热转换设备包括电热泵；所述需求侧包括不同类型的用热建筑，并设置有用热转换设备，包括制热空调和电取暖设备；所述不同类型的用热建筑包括工业用热建筑、商业用热建筑和居民用热建筑；所述供热侧通过供热管理中心与所述需求侧进行调度信息交互；
[0085]
建立可视化的供热系统仿真模型，并基于采集的供热系统多源数据，采用智能优化算法对供热系统仿真模型进行训练和优化后，将仿真结果反馈至物理模型；
[0086]
对供热系统的物理模型和仿真模型进行一致性与可靠性验证；
[0087]
对供热系统多源数据融合和采用机器学习算法，进行供热系统物理空间到虚拟空间信息流、控制流、数据流和决策流的数据清洗转换、共享汇聚、融合与迭代优化，建立供热系统数据模型；
[0088]
将供热系统物理模型、逻辑模型、仿真模型和数据模型进行集成后，通过映射重构和1:1镜像，建立供热系统物理空间的物理实体在虚拟空间的数字孪生体。
[0089]
在本实施例中，所述步骤s2，供热管理中心对所述需求侧中不同类型的用热建筑进行日前各调度时段的负荷预测，获得需求侧初始热量需求，包括：
[0090]
供热管理中心对所述需求侧中不同类型的用热建筑的热负荷相关历史数据进行采集，结合天气数据生成负荷数据样本，并进行预处理后获得负荷特征数据集；
[0091]
采用随机森林算法对负荷特征数据集进行重要性分析，并依据重要性将负荷特征数据集中的特征变量进行等级划分，包括关键特征变量、辅助特征变量和无效特征变量；
[0092]
将负荷特征数据集中的关键特征变量和辅助特征变量共同作为输入变量，输入至ngboost算法模型中进行模型训练；
[0093]
根据训练后的ngboost算法模型预测日前各调度时段的负荷值，获得需求侧初始热量需求；
[0094]
其中，采用随机森林算法对负荷特征数据集进行重要性分析时，根据基尼指数计算各特征变量的重要性评分，再依据预设的特征变量决策规则进行等级划分。
[0095]
在实际的应用中，将负荷特征数据集划分为训练集数据和测试集数据，将训练集数据采用ngboost算法进行模型训练，ngboost算法的模型参数包括：集成中弱估计器的数量，即树的个数；用于控制模型学习进度的学习率；用于进行样本抽样获得小样本集的小批量分数；列子采样，用于在对同一层内每个节点分裂之前，先随机选择一部分特征；将测试集数据分别输入至其他算法中预测日前各调度时段的负荷值，包括xgboost算法、lightgbm
算法和catboost算法，并进行模型预测结果准确性对比：基于ngboost算法，结合采集的不同用热建筑的热负荷相关数据和天气数据，预测日前各调度时段的负荷值，并将预测结果与xgboost算法、lightgbm算法和catboost算法的预测结果进行对比，验证模型的准确性。
[0096]
在本实施例中，所述步骤s3中，供热管理中心建立系统需求响应模型，包括：
[0097]
将次日的用热分为峰谷平时段，在每个时段采用不同的电价，在分时电价下，基于热用户心理学对需求侧热用户的响应行为进行分析，建立热用户在电价较低的时候选择将室内供热温度降低，采用用热转换设备进行辅助供热，且不降低用户热舒适度的需求响应模型，同时对热用户进行额外的经济补偿；
[0098]
其中，在建立需求响应模型时，依据分时电价设定需求响应模型的负荷调度响应时长，依据降低的室内供热温度设定热负荷削减量上下限，并依据负荷调度响应时长和热负荷削减量计算对热用户的额外经济补偿，表示为：
[0099][0100]
ed为需求侧响应获得的额外经济补偿；cd为热用户响应时段的电价；pd为需求侧初始热量；p
l
为需求侧参与响应后的热量；δt为单位调度时段时长；td为响应开始时间；td为负荷调度响应时长；p
max
、p
min
分别为热负荷削减量上下限；
[0101]
基于热用户心理学对需求侧热用户的响应行为进行分析时，建立需求侧热用户响应度曲线，表示为：
[0102][0103]
λ为热负荷削减率；δp为电价差值；(a,0)为响应死区的拐点；a为死区阈值；(b,λ
max
)响应饱和区拐点；b为饱和区阈值；λ
max
为最大热负荷削减率；k为线性区斜率。
[0104]
需要说明的是，根据消费者心理学原理，用户对不同程度的刺激存在三种状态：首先是不敏感区域，在信号刺激程度小于死区阈值时，一般用户对于这类信号基本不会有任何反应，属于忽视状态或者漠视状态；其次是正常响应区，也就是线性区，当刺激大于死区的最大值时，大部分用户会对这些刺激产生与之相对应的反应；最后是响应极限区，也就是饱和区，当刺激超过线性区最大值时，刺激程度即使再次增大，用户也不会反应也不会再增加，即用户陷入麻木状态。将此应用于供热系统中时，可以代表热负荷削减量或者热负荷可调量，也就是需求侧初始热量值根据电价做出响应后，降低用户室内供暖温度，即降低了需求侧热量值，减少的热量由用热转换设备采用电制热的供暖方式进行弥补，例如在电价较低的时候采用电取暖设备、空调进行辅助制热，同样满足了用户热量需求，不会降低用户用热的舒适度，也提供一定程度的经济补偿，进而激发用户的响应意识。
[0105]
在本实施例中，所述步骤s4，供热管理中心基于用热建筑的用热行为、用热特性和用热转换设备运行特性，建立需求侧用热建筑画像，包括：
[0106]
供热管理中心采集不同用热建筑的热用户作息行为习惯、历史负荷数据、热用户
室内舒适温度、是否存在并主观愿意使用热转换设备，用热转换设备类型和用热转换设备的使用时间、耗电量数据，并进行数据标准化处理；
[0107]
采用lstm网络模型对标准化处理后的数据进行特征提取，获得不同用热建筑的用热行为标签、用热特性标签和用热转换设备标签；
[0108]
采用k-means聚类算法对用热行为标签、用热特性标签和用热转换设备标签进行聚类：采用k-means聚类算法计算k个簇中心，再将k个簇中心带入k-means聚类算法中，聚类后将结果存储起来，给不同的簇编号，获得聚类结果；
[0109]
分析聚类结果中每个簇的类别建立需求侧用热建筑画像：对聚类结果以簇编号为单位划分，逐个分析不同簇的特点，对比分析不同簇的差别，给出每个簇的类别，建立需求侧用热建筑画像。
[0110]
需要说明的是，不同用热建筑的用热行为、用热特性和用热转换设备运行特性不一，有的用热建筑仅在白天进行供暖，夜间不需要供暖；有的用热建筑的热用户白天家里没人，晚上家里有人，起居时间不一；有的热用户对电价敏感意识强，有的电价敏感意识弱；不同的用热建筑期望的室内供暖温度不一样；另外，有的用热建筑中还安装有用热转换设备，有的没有安装用热转换设备，愿意使用用热转换设备进行辅助供热的意识不一样；因此，可以建立不同用热建筑的画像，明确不同用热建筑的用热早高峰期，不同的用热需求和消费习惯、意识等，对后续需求侧热量值进行修正，满足不同用热建筑的按需供热。
[0111]
在本实施例中，所述步骤s5中，需求侧基于供热管理中心发出的响应需求和建立的需求侧用热建筑画像，对所述需求侧初始热量需求进行日前各调度时段的修正，包括：
[0112]
需求侧基于供热管理中心发出的响应需求，获知分时电价信息、采用用热转换设备进行辅助供热的初始热负荷削减量、额外经济补偿信息和负荷调度响应时长信息后，不同用热建筑的热用户对响应需求信息进行分析后判断是否参与响应，并将参与响应的时间区间、室内供热温度降低值返回给供热管理中心；
[0113]
供热管理中心依据建立的需求侧用热建筑画像，获知不同用热建筑的热用户在次日各调度时段的用热行为、用热特性和用热转换设备运行特性，并向需求侧发出次日各调度时段的可调热负荷区间和对应的经济奖励信息，待需求侧不同用热建筑的热用户分析后确定各调度时段的热负荷调节量和经济奖励信息，并返回给供热管理中心；
[0114]
供热管理中心依据需求侧参与响应的时间区间、室内供热温度降低值和各调度时段的热负荷调节量对所述需求侧初始热量需求进行日前各调度时段的修正。
[0115]
在本实施例中，所述步骤s6，供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以需求侧经济补偿最大为目标函数，建立需求侧优化调度模型，决策次日各调度时段不同用热建筑的供热调控参数并下发至需求侧执行，包括：
[0116]
供热管理中心基于修正后的需求侧不同用热建筑的热量需求，获知次日各调度时段的最终热量需求值；
[0117]
以需求侧经济补偿最大为目标函数，表示为：
[0118][0119]
ec为依据用热建筑画像进行负荷修正后获得的经济奖励；cc为经济奖励的单价；pc为需求侧初始热量；p
l
为依据用热建筑画像进行负荷修正后的热量；tc为热负荷调节开始时
间；tc为热负荷调节时长；
[0120]
设置需求侧约束条件：热平衡约束和热负荷削减量约束；
[0121]
以需求侧经济补偿最大为目标函数和设置的需求侧约束条件，建立需求侧优化调度模型，并以次日各调度时段的最终热量需求值为需求侧优化调度模型的输入变量，采用智能优化算法进行求解，决策输出次日各调度时段不同用热建筑的供热调控参数并下发至需求侧执行。
[0122]
在本实施例中，步骤s7，供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以供热侧设备运行成本最小和能效最高为目标函数，建立供热侧优化调度模型，决策次日各调度时段各设备的运行状态变量与出力变量并下发至供热侧执行，包括：
[0123]
供热管理中心基于修正后的需求侧不同用热建筑的热量需求，获知次日各调度时段的最终热量需求值，并考虑需求侧到供热侧的热量损失和热量传输延时计算获得供热侧次日各调度时段的热量供给值；
[0124]
以供热侧设备运行成本最小为目标函数，表示为：
[0125][0126]
p
t
为t时刻的购买能源量；ρs为能源单价；e
t
为t时刻的购电量；η
t
为t时刻外网的电价；mj为第j类设备的维护成本；t为调度时长；
[0127]
以供热侧能效最高为目标函数，表示为：
[0128][0129]
ph为系统热能输出量；pe为系统的一次能源输入量；e
ren
为新能源供热设备供热量；e
sy
为新能源设备的能源消耗量；p
dr
为供热转换设备制热量；p
sd
为供热转换设备的用电量；
[0130]
设置供热侧约束条件：热平衡约束条件、供热设备出力约束条件、供热转换设备出力约束条件、设备启停约束、储热设备出力约束条件和储热设备容量约束条件；
[0131]
以供热侧设备运行成本最小和能效最高为目标函数和设置的供热侧约束条件，建立供热侧优化调度模型，并以供热侧次日各调度时段的热量供给值为供热侧优化调度模型的输入变量，采用智能优化算法进行求解，决策输出次日各调度时段各设备的运行状态变量与出力变量并下发至供热侧执行。
[0132]
在本实施例中，所述供热系统分层优化调度方法还包括：基于供热系统数字孪生模型对次日各调度时段不同用热建筑的供热调控参数、次日各调度时段各设备的运行状态变量与出力变量进行仿真验证，判断是否满足需求侧和供热侧的供热指标，若满足，则分别下发至需求侧和供热侧执行；否则，对次日各调度时段不同用热建筑的供热调控参数、次日各调度时段各设备的运行状态变量与出力变量进行调整。
[0133]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指
令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0134]
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0135]
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

技术特征：
1.一种计及需求响应和供需互动的供热系统分层优化调度方法，其特征在于，它包括：步骤s1、构建包括供热侧、需求侧和供热管理中心的供热系统数字孪生模型；所述供热侧包括供热设备、供热转换设备和储热设备；所述需求侧包括不同类型的用热建筑，并设置有用热转换设备；所述供热侧通过供热管理中心与所述需求侧进行调度信息交互；步骤s2、供热管理中心对所述需求侧中不同类型的用热建筑进行日前各调度时段的负荷预测，获得需求侧初始热量需求；步骤s3、供热管理中心建立系统需求响应模型，制定热负荷响应计划，然后向需求侧发出响应需求，激发需求侧用户参与响应；步骤s4、供热管理中心基于用热建筑的用热行为、用热特性和用热转换设备运行特性，建立需求侧用热建筑画像；步骤s5、需求侧基于供热管理中心发出的响应需求和建立的需求侧用热建筑画像，对所述需求侧初始热量需求进行日前各调度时段的修正，获得修正后的需求侧不同用热建筑的热量需求并发送至供热管理中心；步骤s6、供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以需求侧经济补偿最大为目标函数，建立需求侧优化调度模型，决策次日各调度时段不同用热建筑的供热调控参数并下发至需求侧执行；步骤s7、供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以供热侧设备运行成本最小和能效最高为目标函数，建立供热侧优化调度模型，决策次日各调度时段各设备的运行状态变量与出力变量并下发至供热侧执行。2.根据权利要求1所述的供热系统分层优化调度方法，其特征在于，所述构建包括供热侧、需求侧和供热管理中心的供热系统数字孪生模型，包括：建立供热系统物理实体的三维物理模型，并通过图形化、形式化描述物理模型对应的逻辑模型的组成要素、组成结构和运行机制，再将各要素属性和行为反馈至物理模型，进行物理模型到逻辑模型的映射；所述供热系统物理实体包括供热侧、需求侧和供热管理中心；所述供热侧包括供热设备、供热转换设备和储热设备；所述供热设备包括新能源供热设备和燃气锅炉、燃气轮机；所述供热转换设备包括电热泵；所述需求侧包括不同类型的用热建筑，并设置有用热转换设备，包括制热空调和电取暖设备；所述不同类型的用热建筑包括工业用热建筑、商业用热建筑和居民用热建筑；所述供热侧通过供热管理中心与所述需求侧进行调度信息交互；建立可视化的供热系统仿真模型，并基于采集的供热系统多源数据，采用智能优化算法对供热系统仿真模型进行训练和优化后，将仿真结果反馈至物理模型；对供热系统的物理模型和仿真模型进行一致性与可靠性验证；对供热系统多源数据融合和采用机器学习算法，进行供热系统物理空间到虚拟空间信息流、控制流、数据流和决策流的数据清洗转换、共享汇聚、融合与迭代优化，建立供热系统数据模型；将供热系统物理模型、逻辑模型、仿真模型和数据模型进行集成后，通过映射重构和1:1镜像，建立供热系统物理空间的物理实体在虚拟空间的数字孪生体。3.根据权利要求1所述的供热系统分层优化调度方法，其特征在于，所述步骤s2，供热管理中心对所述需求侧中不同类型的用热建筑进行日前各调度时段的负荷预测，获得需求
侧初始热量需求，包括：供热管理中心对所述需求侧中不同类型的用热建筑的热负荷相关历史数据进行采集，结合天气数据生成负荷数据样本，并进行预处理后获得负荷特征数据集；采用随机森林算法对负荷特征数据集进行重要性分析，并依据重要性将负荷特征数据集中的特征变量进行等级划分，包括关键特征变量、辅助特征变量和无效特征变量；将负荷特征数据集中的关键特征变量和辅助特征变量共同作为输入变量，输入至ngboost算法模型中进行模型训练；根据训练后的ngboost算法模型预测日前各调度时段的负荷值，获得需求侧初始热量需求；其中，采用随机森林算法对负荷特征数据集进行重要性分析时，根据基尼指数计算各特征变量的重要性评分，再依据预设的特征变量决策规则进行等级划分。4.根据权利要求1所述的供热系统分层优化调度方法，其特征在于，所述步骤s3中，供热管理中心建立系统需求响应模型，包括：将次日的用热分为峰谷平时段，在每个时段采用不同的电价，在分时电价下，基于热用户心理学对需求侧热用户的响应行为进行分析，建立热用户在电价较低的时候选择将室内供热温度降低，采用用热转换设备进行辅助供热，且不降低用户热舒适度的需求响应模型，同时对热用户进行额外的经济补偿；其中，在建立需求响应模型时，依据分时电价设定需求响应模型的负荷调度响应时长，依据降低的室内供热温度设定热负荷削减量上下限，并依据负荷调度响应时长和热负荷削减量计算对热用户的额外经济补偿，表示为：e
d
为需求侧响应获得的额外经济补偿；c
d
为热用户响应时段的电价；p
d
为需求侧初始热量；p
l
为需求侧参与响应后的热量；δt为单位调度时段时长；t
d
为响应开始时间；t
d
为负荷调度响应时长；p
max
、p
min
分别为热负荷削减量上下限；基于热用户心理学对需求侧热用户的响应行为进行分析时，建立需求侧热用户响应度曲线，表示为：λ为热负荷削减率；δp为电价差值；(a,0)为响应死区的拐点；a为死区阈值；(b,λ
max
)响应饱和区拐点；b为饱和区阈值；λ
max
为最大热负荷削减率；k为线性区斜率。5.根据权利要求1所述的供热系统分层优化调度方法，其特征在于，所述步骤s4，供热管理中心基于用热建筑的用热行为、用热特性和用热转换设备运行特性，建立需求侧用热建筑画像，包括：供热管理中心采集不同用热建筑的热用户作息行为习惯、历史负荷数据、热用户室内
舒适温度、是否存在并主观愿意使用热转换设备，用热转换设备类型和用热转换设备的使用时间、耗电量数据，并进行数据标准化处理；采用lstm网络模型对标准化处理后的数据进行特征提取，获得不同用热建筑的用热行为标签、用热特性标签和用热转换设备标签；采用k-means聚类算法对用热行为标签、用热特性标签和用热转换设备标签进行聚类：采用k-means聚类算法计算k个簇中心，再将k个簇中心带入k-means聚类算法中，聚类后将结果存储起来，给不同的簇编号，获得聚类结果；分析聚类结果中每个簇的类别建立需求侧用热建筑画像：对聚类结果以簇编号为单位划分，逐个分析不同簇的特点，对比分析不同簇的差别，给出每个簇的类别，建立需求侧用热建筑画像。6.根据权利要求1所述的供热系统分层优化调度方法，其特征在于，所述步骤s5中，需求侧基于供热管理中心发出的响应需求和建立的需求侧用热建筑画像，对所述需求侧初始热量需求进行日前各调度时段的修正，包括：需求侧基于供热管理中心发出的响应需求，获知分时电价信息、采用用热转换设备进行辅助供热的初始热负荷削减量、额外经济补偿信息和负荷调度响应时长信息后，不同用热建筑的热用户对响应需求信息进行分析后判断是否参与响应，并将参与响应的时间区间、室内供热温度降低值返回给供热管理中心；供热管理中心依据建立的需求侧用热建筑画像，获知不同用热建筑的热用户在次日各调度时段的用热行为、用热特性和用热转换设备运行特性，并向需求侧发出次日各调度时段的可调热负荷区间和对应的经济奖励信息，待需求侧不同用热建筑的热用户分析后确定各调度时段的热负荷调节量和经济奖励信息，并返回给供热管理中心；供热管理中心依据需求侧参与响应的时间区间、室内供热温度降低值和各调度时段的热负荷调节量对所述需求侧初始热量需求进行日前各调度时段的修正。7.根据权利要求1所述的供热系统分层优化调度方法，其特征在于，所述步骤s6，供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以需求侧经济补偿最大为目标函数，建立需求侧优化调度模型，决策次日各调度时段不同用热建筑的供热调控参数并下发至需求侧执行，包括：供热管理中心基于修正后的需求侧不同用热建筑的热量需求，获知次日各调度时段的最终热量需求值；以需求侧经济补偿最大为目标函数，表示为：e
c
为依据用热建筑画像进行负荷修正后获得的经济奖励；c
c
为经济奖励的单价；p
c
为需求侧初始热量；p
l
为依据用热建筑画像进行负荷修正后的热量；t
c
为热负荷调节开始时间；t
c
为热负荷调节时长；设置需求侧约束条件：热平衡约束和热负荷削减量约束；以需求侧经济补偿最大为目标函数和设置的需求侧约束条件，建立需求侧优化调度模型，并以次日各调度时段的最终热量需求值为需求侧优化调度模型的输入变量，采用智能优化算法进行求解，决策输出次日各调度时段不同用热建筑的供热调控参数并下发至需求
侧执行。8.根据权利要求7所述的供热系统分层优化调度方法，其特征在于，步骤s7，供热管理中心以修正后的需求侧不同用热建筑的热量需求为基础，以供热侧设备运行成本最小和能效最高为目标函数，建立供热侧优化调度模型，决策次日各调度时段各设备的运行状态变量与出力变量并下发至供热侧执行，包括：供热管理中心基于修正后的需求侧不同用热建筑的热量需求，获知次日各调度时段的最终热量需求值，并考虑需求侧到供热侧的热量损失和热量传输延时计算获得供热侧次日各调度时段的热量供给值；以供热侧设备运行成本最小为目标函数，表示为：p
t
为t时刻的购买能源量；ρ
s
为能源单价；e
t
为t时刻的购电量；η
t
为t时刻外网的电价；m
j
为第j类设备的维护成本；t为调度时长；以供热侧能效最高为目标函数，表示为：p
h
为系统热能输出量；p
e
为系统的一次能源输入量；e
ren
为新能源供热设备供热量；e
sy
为新能源设备的能源消耗量；p
dr
为供热转换设备制热量；p
sd
为供热转换设备的用电量；设置供热侧约束条件：热平衡约束条件、供热设备出力约束条件、供热转换设备出力约束条件、设备启停约束、储热设备出力约束条件和储热设备容量约束条件；以供热侧设备运行成本最小和能效最高为目标函数和设置的供热侧约束条件，建立供热侧优化调度模型，并以供热侧次日各调度时段的热量供给值为供热侧优化调度模型的输入变量，采用智能优化算法进行求解，决策输出次日各调度时段各设备的运行状态变量与出力变量并下发至供热侧执行。9.根据权利要求1所述的供热系统分层优化调度方法，其特征在于，所述供热系统分层优化调度方法还包括：基于供热系统数字孪生模型对次日各调度时段不同用热建筑的供热调控参数、次日各调度时段各设备的运行状态变量与出力变量进行仿真验证，判断是否满足需求侧和供热侧的供热指标，若满足，则分别下发至需求侧和供热侧执行；否则，对次日各调度时段不同用热建筑的供热调控参数、次日各调度时段各设备的运行状态变量与出力变量进行调整。

技术总结
本发明公开了一种计及需求响应和供需互动的供热系统分层优化调度方法，包括：对需求侧进行日前各调度时段的负荷预测；建立系统需求响应模型，制定热负荷响应计划，向需求侧发出响应需求，激发用户参与响应；建立需求侧用热建筑画像；对需求侧初始热量需求进行修正；以修正后的需求侧不同用热建筑的热量需求为基础，以需求侧经济补偿最大为目标函数，建立需求侧优化调度模型，决策次日各调度时段不同用热建筑的供热调控参数并下发至需求侧执行；以修正后的需求侧不同用热建筑的热量需求为基础，以供热侧设备运行成本最小和能效最高为目标函数，建立供热侧优化调度模型，决策次日各调度时段各设备的运行状态变量与出力变量并下发至供热侧执行。并下发至供热侧执行。并下发至供热侧执行。


技术研发人员：李曼洁 金鹤峰 裘天阅
受保护的技术使用者：浙江英集动力科技有限公司
技术研发日：2023.04.25
技术公布日：2023/7/25