【技术实现步骤摘要】
本专利技术涉及建筑能效与可再生能源应用，特别是一种基于多目标优化的近零能耗建筑供能方法及系统。
技术介绍
1、随着全球能源危机的加剧与环保要求的日益严格，建筑行业在能源利用方面的优化与创新成为了现代社会关注的重要课题。尤其是零能耗建筑(zero energy buildings,zebs)的概念逐渐兴起，并成为可持续建筑设计的方向之一。零能耗建筑通过优化建筑的能源需求、提高能源使用效率并结合可再生能源的供应，实现与外部能源网络的零净能量交换。为了达到这一目标，建筑领域越来越多地应用了太阳能光伏系统、地源热泵系统等可再生能源技术。这些技术通过直接利用太阳能、地热等自然资源，在一定程度上降低了建筑的能源消耗，并实现了建筑自给自足的能源供应模式。此外，能源管理系统(ems)作为建筑能源优化的重要组成部分，借助智能传感技术、数据采集技术及控制算法，逐渐走向高效、精细化管理的方向。
2、然而，现有的零能耗建筑供能方法在能源的采集、存储与调度方面仍存在一些不足。当前大多数零能耗建筑在能源管理系统设计时，主要依赖于单一的能源来源，或是将可再生能源的使用时间与建筑物的负荷需求进行简单匹配，未能充分考虑不同能源系统之间的协同效应。此外，现有技术中的优化算法通常以单一目标为导向，未能综合考虑建筑的多维度需求，如舒适度、能效、环境影响等，导致系统在不同运营模式下的能效表现不均衡。在面对不同气候条件、建筑结构及使用方式时，缺乏灵活的调度策略，容易导致能源供应的不足或浪费。因此，如何建立一个多目标优化的供能策略，精准调度不同能源系统，以提高建
技术实现思路
1、鉴于现有技术中存在的问题，本专利技术提出了一种基于多目标优化的近零能耗建筑供能方法及系统。
2、因此，本专利技术提供了一种基于多目标优化的近零能耗建筑供能方法，能够解决
技术介绍
中提到的问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种基于多目标优化的近零能耗建筑供能方法，其包括，
5、采集建筑物中的能耗数据，并根据所述能耗数据构建多目标评价体系；
6、对所述多目标评价体系进行权重优化，得到最优权重系数；
7、将所述最优权重系数与太阳能光伏系统、地源热泵系统相结合，建立可再生能源供能策略模型；
8、基于所述可再生能源供能策略模型输出建筑物各时段的供能调度指令，调节太阳能光伏系统和地源热泵系统的运行参数。
9、作为本专利技术所述基于多目标优化的近零能耗建筑供能方法的一种优选方案，其中：所述能耗数据包括温度传感器数据、湿度传感器数据、光照传感器数据和用电负荷数据；
10、所述温度传感器数据根据布设于建筑物的室内各功能区、走廊、楼梯间以及建筑物外立面的温度传感器采集得到；
11、所述湿度传感器数据根据布设于建筑物的室内各功能区及建筑物外立面的湿度传感器采集得到；
12、所述光照传感器数据根据布设于建筑物的室内外窗区域及屋顶区域的光照传感器采集得到；
13、所述用电负荷数据根据建筑物用电系统采集得到。
14、作为本专利技术所述基于多目标优化的近零能耗建筑供能方法的一种优选方案，其中：所述多目标评价体系包括室内舒适度指标、能耗指标和采光指标；
15、所述室内舒适度指标包括温湿度偏差，根据所述温湿度偏差计算所述室内舒适度指标；
16、所述温湿度偏差根据温度传感器数据与预设温度舒适域范围进行对比，并将所述湿度传感器数据与预设相对湿度舒适域范围进行对比，计算得到温湿度偏差值；
17、将所述用电负荷数据按照建筑物使用面积进行标准化处理，得到单位面积用电量，并与建筑节能设计标准规定的基准值进行比对，生成所述能耗指标；
18、根据所述光照传感器数据计算室内采光系数，并将所述采光系数与建筑采光标准规定的最低要求值进行对比，生成采光指标；其中所述采光系数为室内天然采光照度与同一时刻室外水平面天然总照度的百分比。
19、作为本专利技术所述基于多目标优化的近零能耗建筑供能方法的一种优选方案，其中：所述温湿度偏差值的计算如下式所示：
20、
21、其中，t为实测温度值，tset为设定温度值，h为实测湿度值，hset为设定湿度值，δtmax和δhmax分别为允许的最大温度和湿度偏差，α和β为权重系数；
22、所述室内舒适度指标的计算如下式所示：
23、
24、其中，pi为时段i的用电功率，ti为时段i的持续时间，a为建筑面积，e0为基准能耗值，λ为温度修正系数，t0为室外设计温度；
25、所述采光指标的计算如下式所示：
26、
27、其中，ein为室内天然采光照度，eout为室外水平面天然总照度，θ为太阳高度角，d为测点到窗户的距离，d0为参考距离，μ和ρ为修正系数。
28、作为本专利技术所述基于多目标优化的近零能耗建筑供能方法的一种优选方案，其中：所述最优权重系数根据多目标粒子群优化算法优化所述多目标评价体系的目标函数得到；
29、所述多目标粒子群优化算法包括粒子速度更新、粒子位置更新和适应度函数；
30、所述粒子速度更新采用下式表示：
31、vid(t+1)＝ω·vid(t)+c1·r1·[pid(t)-xid(t)]+c2·r2·[pgd(t)-xid(t)]+c3·r3·(1-∑wi)
32、其中，vid为第i个粒子在d维的速度，xid为第i个粒子在d维的位置，pid(t)为个体最优位置，pgd为全局最优位置，ω为惯性权重，c1、c2、c3为学习因子，r1、r2、r3为[0,1]间随机数；
33、所述粒子位置更新采用下式表示：
34、
35、其中，σ为自适应调节系数，f(t)为当前迭代的目标函数值。
36、作为本专利技术所述基于多目标优化的近零能耗建筑供能方法的一种优选方案，其中：所述适应度函数如下式所示：
37、
38、其中，η为梯度惩罚因子，θ为权重平衡因子，f为多目标评价体系的目标函数，w1、w2、w3为多目标评价体系的目标函数中的权重系数；
39、在所述多目标粒子群优化算法迭代过程中，对每次迭代得到的权重组合进行评估，当连续预设次数的迭代的目标函数值变化小于第一预设阈值且最大粒子速度小于第二预设阈值时，输出当前全局最优粒子对应的权重组合作为所述最优权重系数。
40、作为本专利技术所述基于多目标优化的近零能耗建筑供能方法的一种优选方案，其中：所述可再生能源供能策略模型的构建包括：
41、采集所述太阳能光伏系统和所述地源热泵系统的运行数据，构建设备性能特性模型；
42、根据所述最优参数和所述设备性能特性模型构建所述可再生能源供能策略模型；...
【技术保护点】
1.一种基于多目标优化的近零能耗建筑供能方法，其特征在于：包括：
2.如权利要求1所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：所述能耗数据包括温度传感器数据、湿度传感器数据、光照传感器数据和用电负荷数据；
3.如权利要求2所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：所述多目标评价体系包括室内舒适度指标、能耗指标和采光指标；
4.如权利要求3所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：所述温湿度偏差值的计算如下式所示：
5.如权利要求4所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：所述最优权重系数根据多目标粒子群优化算法优化所述多目标评价体系的目标函数得到；
6.如权利要求5所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：所述适应度函数如下式所示：
7.如权利要求6所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：所述可再生能源供能策略模型的构建包括：
8.如权利要求7所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：所述可再生能源供
9.一种基于多目标优化的近零能耗建筑供能系统，基于权利要求1～8任一所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：包括：
...【技术特征摘要】
1.一种基于多目标优化的近零能耗建筑供能方法，其特征在于：包括：
2.如权利要求1所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：所述能耗数据包括温度传感器数据、湿度传感器数据、光照传感器数据和用电负荷数据；
3.如权利要求2所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：所述多目标评价体系包括室内舒适度指标、能耗指标和采光指标；
4.如权利要求3所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：所述温湿度偏差值的计算如下式所示：
5.如权利要求4所述的基于多目标优化的近零能耗建筑供能方法，其特征在于：所述最优...
【专利技术属性】
技术研发人员：范玉森，田雨辰，李大双，贺可栋，马玉杰，崔健，徐霞，韩乃慷，韩秀娟，王延伟，李延霞，孟钢，
申请(专利权)人：国网山东省电力公司济南市章丘区供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。