基于改进型BP神经网络的大型CCHP系统负荷预测研究

国网上海市电力公司闸北发电厂 顾兆雄 黄志坚 谢 鸣

上海海事大学 林萌雅 齐家业 高文忠△

0 引言

随着我国经济的迅速发展，全社会整体空调能耗急剧增加，在夏季，空调耗电量已占到居民用电量的40%～50%左右，对雾霾“贡献”显著。近年来，特别是在“十三五”规划政策的大力推动下，推进能源革命，发展绿色能源，建设清洁低碳、能源可持续发展和节约能源的现代能源体系[1]已取得全社会的共识。其中CCHP(combined cooling heating and power)系统(又称冷热电联产系统)得到快速发展，其总能源利用率可以达到75%～90%，是能源综合梯级利用的有效解决方案。

大型CCHP系统通常使用清洁能源天然气作为主要一次能源，在综合考虑初投资、装机容量和运行经济性的基础上，常配置一定容量的电制冷机和蓄能储罐，既可利用电力谷价蓄冷降低成本，亦可调节负荷。其供冷主体主要有3种，即溴化锂制冷机、电制冷机和蓄冷罐。其中，溴化锂制冷机由内燃机余热驱动，能量来自天然气，电制冷机组由电力驱动，该电力首先使用内燃机自发电，不足部分购买市政电力，而市政电力存在峰时、平时和谷时电价，且因季节差异而不同。蓄冷罐兼顾谷电蓄冷和调节作用。因此，在如此复杂的供能体系和价格体系下，只有准确预知第2天的负荷值和变化趋势，才能依据该结果通过具有智能化的控制系统，调配各供能主体运行台数和时间，获得系统运行整体的最优化，包括经济最优、能耗最优和碳排放最优等方面。……