Simulation Study on Supply Temperature Optimization of University Campus Heating System

Basalaev, Aleksandr A.; Barbasova, T. A.; Shnayder, Dmitry A.

doi:10.1016/j.proeng.2015.12.070

Cited by 6 publications

(8 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Чтобы оценить величину экономии при оптимизации температуры теплоносителя системы теплоснабжения введем штрафную функцию R 2 для генерируемой на нужды теплоснабжения суммарной тепловой энергии [18]:…”

Section: рис 1 график штрафной функции температуры воздуха в помещеunclassified

“…Далее рассмотрим решение данной задачи на основе на основе имитационного моделирования с применением подхода к оп-тимизации, предложенного в работе [18].…”

unclassified

“…Для системы отопления основным показателем качества микроклимата здания является сред-няя температура воздуха в помещениях, которую можно оценить по следующей формуле [18]:…”

unclassified

“…При этом равномерный прогрев помещений внутри зданий должен достигаться путём балансировки системы отопления внутри здания, что является отдель-ной технической задачей, которая в рамках данной работы не рассматривается. Чтобы оценить качество температуры воздуха в помещениях i-го здания системы теплоснаб-жения введем штрафную функцию R 1 температуры воздуха в помещениях [18]:…”

unclassified

“…где T Пi -рассчитываемая макромоделью [18] T -минимальная, комфортная и максимальная средняя температура воздуха в помещениях i-го здания согласно санитарным нормам в зависимости от типа этого зда-ния; p i -штрафной коэффициент за нарушение требуемых температурных диапазонов.…”

unclassified

See 4 more Smart Citations

Simulation-Based Method for Supply Temperature Optimization in District Heating System

Basalaev¹,

Shnayder²

2017

CTAC&R

View full text Add to dashboard Cite

ВведениеСистемы централизованного теплоснабжения нашли широкое применение в крупных горо-дах благодаря высокой эффективности совместной выработки тепловой и электрической энергии на теплоэлектростанциях [1]. Такие системы состоят из одного или нескольких источников тепла и множества потребителей, соединённых сетью трубопроводов. Потребителями в такой системе являются объекты различного назначения: промышленные предприятия, торговые комплексы, образовательные учреждения, офисные и жилые здания и др. [2]. При этом потребители тепловой энергии могут иметь собственные системы управления подачей и распределением тепловой энер-гии -автоматизированные индивидуальные тепловые пункты (АИТП) [3].Однако для многих систем централизованного теплоснабжения в Российской Федерации в настоящее время характерно наличие объектов, в которых отсутствует АИТП. В этом случае на тепловых станциях применяется качественное регулирование, при котором подача тепловой энергии регулируется посредством изменения температуры подаваемого теплоносителя [4]. В связи с этим появилась задача поддержания оптимальной температуры теплоносителя на выхо-де источника тепла, достаточной для предоставления всем потребителям требуемого количества тепловой энергии.Первым вариантом решения этой задачи стало составление температурных графиков зависи-мости температуры теплоносителя от температуры наружного воздуха [5,6]. Данное решение хорошо зарекомендовало себя на практике. Однако с развитием автоматизированных систем поя-вился доступ не только к текущей и статистической информации о состоянии и характеристиках Южно-Уральский государственный университет, г. ЧелябинскДля многих систем централизованного теплоснабжения в Российской Федерации в на-стоящее время характерно наличие потребителей, в которых не производится автоматическое регулирование потребления тепловой энергии в зависимости от температуры наружного воз-духа ввиду отсутствия систем автоматизации на индивидуальных тепловых пунктах. Поэтому основным механизмом качественного регулирования подачи тепловой энергии потребителям является изменение температуры теплоносителя, подаваемого от источника тепла. В условиях различных структурных изменений сети теплоснабжения, а также изменений теплогидравли-ческих характеристик потребителей, актуальной задачей является оперативное определение оптимального задания температуры теплоносителя на источнике.Статья посвящена задаче оптимизации температуры теплоносителя, подаваемого от ис-точника тепла, в системах централизованного теплоснабжения с применением имитационного моделирования. Рассматривается метод оптимизации температуры теплоносителя, основан-ный на использовании штрафных функций по температуре воздуха в помещениях и количест-ву потребляемой тепловой энергии. Авторы исследуют влияние весовых коэффициентов кон-курирующих оценок экономии и комфортности температуры воздуха в помещениях на ре-зультаты решения рассматриваемой задачи оптимизации с использованием указанного метода.Ключевые слова: централизованная система теплоснабжения, моделирование, оптими-заци...

show abstract

Section: рис 1 график штрафной функции температуры воздуха в помещеunclassified

unclassified

See 3 more Smart Citations

Simulation-Based Method for Supply Temperature Optimization in District Heating System

Basalaev¹,

Shnayder²

2017

CTAC&R

View full text Add to dashboard Cite

show abstract

Energy efficiency of buildings in the cities of Ukraine under the conditions of sustainable development of centralized heat supply systems

Redko

Ujma

Redko

et al. 2021

Energy and Buildings

View full text Add to dashboard Cite

Data-driven building energy modeling with feature selection and active learning for data predictive control

Zhang

2021

Energy and Buildings

View full text Add to dashboard Cite

Simulation Study on Supply Temperature Optimization of University Campus Heating System

Cited by 6 publications

References 13 publications

Simulation-Based Method for Supply Temperature Optimization in District Heating System

Simulation-Based Method for Supply Temperature Optimization in District Heating System

Energy efficiency of buildings in the cities of Ukraine under the conditions of sustainable development of centralized heat supply systems

Data-driven building energy modeling with feature selection and active learning for data predictive control

Contact Info

Product

Resources

About