CN104778631A - 一种面向需求响应的居民用户用电模式优化方法 - Google Patents

一种面向需求响应的居民用户用电模式优化方法 Download PDF

Info

Publication number
CN104778631A
CN104778631A CN201510106226.4A CN201510106226A CN104778631A CN 104778631 A CN104778631 A CN 104778631A CN 201510106226 A CN201510106226 A CN 201510106226A CN 104778631 A CN104778631 A CN 104778631A
Authority
CN
China
Prior art keywords
water
air
period
water heater
power
Prior art date
Application number
CN201510106226.4A
Other languages
English (en)
Other versions
CN104778631B (zh
Inventor
史媛
陈璐
杨永标
谢敏
王春宁
薛璐
Original Assignee
国家电网公司
南京南瑞集团公司
国电南瑞科技股份有限公司
江苏省电力公司南京供电公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 国家电网公司, 南京南瑞集团公司, 国电南瑞科技股份有限公司, 江苏省电力公司南京供电公司 filed Critical 国家电网公司
Priority to CN201510106226.4A priority Critical patent/CN104778631B/zh
Publication of CN104778631A publication Critical patent/CN104778631A/zh
Application granted granted Critical
Publication of CN104778631B publication Critical patent/CN104778631B/zh

Links

Abstract

本发明公开了一种面向需求响应的居民用户用电模式优化方法,包括以下步骤:建立居民用户典型用电设备的负荷响应动态模型,包括空调负荷响应模型、热水器负荷响应模型和照明负荷响应模型;以用户用电成本最小和用电方式满意度最大为目标确定用电模式优化模型的目标函数;建立用电模式优化模型的约束条件,包括室内温度、热水器水温、照明系统可调性约束;采用结合灰色理论的粒子群算法进行模型求解,得到各个时段内空调、热水器、照明负荷的状态控制变量,确定各个用电设备的最优运行方式。本发明能应用于居民不同用电场景的优化实例,为居民用户参与需求响应项目提供具体的参考方案,实现在满足用电需求的同时降低用电成本和负荷峰值的优化效果。

Description

-种面向需求响应的居民用户用电模式优化方法
技术领域
[0001] 本发明涉及一种面向需求响应的居民用户用电模式优化方法,属于用电服务技术 领域。
背景技术
[0002] 随着居民用户用电设备的增加,用电需求的增长,居民负荷对电网高峰产生的影 响越来越大。近年来,通过政策措施和经济激励来引导用户优化用电模式,在用电高峰时期 少用电、低谷时多用电的需求响应方式,已经在大的工业用户和商业用户中得到了应用。实 施负荷协调优化,不仅能够快速响应电网侧的调度,降低高峰时段的电力需求,而且成本较 低,对于提高电力能源利用效率有重要意义。
[0003] 由于居民侧用户数量众多,单个用户用电量较小,调控模式复杂,目前对居民负荷 的优化主要集中在设备节能改造方面。然而居民负荷存在用电元素多样化,用电方式不合 理等问题,造成居民负荷用电能效偏低,其用电模式存在很大优化潜力。为优化居民用户的 用电模式,实现居民侧用电能效的提升,通过研宄用电模式的优化方法,为居民用户参与需 求响应提供具体的参考方案。目前,针对居民负荷参与需求响应的研宄集中在直接负荷控 制策略方面,对于从建立负荷响应模型的角度进行负荷优化的研宄尚不全面。
发明内容
[0004] 针对现有技术存在的不足,本发明目的是提供一种面向需求响应的居民用户用电 模式优化方法,基于典型用电设备空调、照明以及热水器的负荷响应模型,建立居民用户用 电模式优化模型,可以应用于居民用户不同场景的用电模式优化。
[0005] 为了实现上述目的,本发明是通过如下的技术方案来实现:
[0006] 本发明的一种面向需求响应的居民用户用电模式优化方法,具体包括以下几个步 骤:
[0007] (1)建立居民用户典型用电设备的负荷响应动态模型,包括空调负荷响应模型、热 水器负荷响应模型和照明负荷响应模型;
[0008] (2)以用户用电成本最小和用电方式满意度最大为目标确定用电模式优化模型的 目标函数;
[0009] (3)建立用电模式优化模型的约束条件,包括室内温度约束,热水器水温约束,照 明系统可调性约束;
[0010] (4)采用结合灰色理论的粒子群算法进行模型求解,得到各个时段内空调负荷、热 水器负荷、照明负荷的状态控制变量,确定各个用电设备的最优运行方式。
[0011] 步骤(1)中,所述空调负荷响应模型为:
[0012]
Figure CN104778631AD00051
[0013] 其中:Tint+i为t+i时段的室内温度;为t+i时段的室外温度、为t+i时 段空调的功率、Tint为t时段的室内温度;C,为t时段的室外温度; :为t时段空调的功 率;Paiu为空调开启时额定制冷消耗功率;n&为空调能效比,为2.8 ; 为t+i时段空 调的额定制冷量,按恒定值考虑;Aai,为导热系数,单位为lAkW•°C-1),取0. 68 ;eai,为散 热函数,心> =广",t为控制时间间隔,定为15min,Tc为时间常数,eair取0• 70 ;Sair(t) 为空调的控制状态变量:开启时Sair(t) =1,关闭时Sair(t) =0;
[0014] 所述热水器负荷响应模型为:
[0015]
Figure CN104778631AD00061
[0016] 其中:为t+1时段的水箱内热水水温;r为t时段的水箱内热水水温; t为t时段的室内温度;为t时段热水器的额定功率;Pwate.w为热水器开启时额定 功率;T为时间段间隔,取15min;hwatOT为水箱热对流转移系数,取0. 15 ;s为空气能热水 器的等效散热面积,取1. 68m2;mwatOT为水箱内水的质量,此处取水箱容量150L;水的比热容 Cwater=4.2103J(kgC) ; 5Mter(t)为热水器的控制状态变莖:开启时5water(t) = 1,关闭 时 5water ⑴=〇 ;
[0017] 所述照明负荷响应模型为:
[0018]
Figure CN104778631AD00062
(3)
[0019] 其中:塢为t时段照明系统功率;axW为档位因子,x(t) = 0, 1,2分别对应不同 的档位,其中2档功率最大,1档功率小,0档表示关闭;PligwSt时段内最大档位即2档时 的照明系统消耗的总功率;Slig(t)为照明系统的控制状态变量:参与优化调控时Slig(t) =1,不参与调控时slig(t) = 0。
[0020] 步骤(2)中,建立用电模式优化模型的目标函数包括用户用电成本最小目标函数 和用电方式满意度最大目标函数;
[0021] 所述用户用电成本最小目标函数根据用电设备的功率模型,结合当前时段电价, 计算各个时段的用电成本并求得所有时段的总用电成本,用户用电成本最小目标函数具体 为:
[0022]
Figure CN104778631AD00063
[0023] 其中:N为需求响应时段数目;p(t)为t时段的电价;
[0024] 所述用电方式满意度最大目标函数引入用电方式满意度指标0 USOT定量表示用户 对协调后用电方式的满意程度,通过计算协调前后的负荷差值来表示满意度高低,所述用 电方式满意度最大目标函数具体为:
[0025]
Figure CN104778631AD00064
[0026] 其中:pt为优化后的总负荷,户=匕+仏》+尽;;
[0027] 若各时段的用电量没有改变,0 u_= 1,表示用电方式最满意;若各个时段的用电 量改变最大,9USOT=〇,表示用户对用电方式最不满意;
[0028] 根据以上两个优化目标,所述用电模式优化模型的目标函数为:
[0029]
Figure CN104778631AD00071
[0030] 步骤⑶中,根据对温度舒适度PMV的研宄,人体感觉到舒适的温度范围在 [21,30]之间,对室内温度的约束定为[22, 28],所述室内温度约束为:
[0031] 22 ^Tin^ 28 (7)
[0032] 为了确保热水器在使用时间达到理想温度,对热水器水温进行约束,保证用户在 开始使用时热水器水温不低于60°C,同时根据家庭热水供应需求,热水器开启时长 必须达到3小时,才能保证用户用电的舒适度和满意度,所述热水器水温约束为:
Figure CN104778631AD00072
[0033]
[0034]
[0035] 其中:为用户开始使用热水器的时间,由用户自己设定;
[0036] 当照明负荷关闭时,可以不进行调控优化,所述照明系统可调性约束为:
[0037]ifax(t)= 〇Slig(t) = 0 (10)〇
[0038] 步骤(4)中,采用结合灰色理论的粒子群算法进行模型求解的方法包括以下几个 步骤:
[0039] A.以空调负荷、热水器负荷以及照明负荷的状态控制变量作为粒子,并进行种群 初始化;
[0040] B.将用电方式满意度最大目标函数进行变换,由
Figure CN104778631AD00073
[0041] C•输入适应度函数;
[0042] D.计算粒子适应度值,根据当前粒子的位置计算目标函数值,多个目标函数则组 成目标函数序列;
[0043] E.根据关联度计算公式计算每个粒子形成的目标矢量关联度,比较关联度大小, 求出个体最优值和全局最优值;
[0044] 关联度计算公式:
[0045]
[0046] 其中:eQj(t)为Yj对于Y。在t点的灰色关联系数;YQ= {yQ(t)|t=l,2,...k} 为基准矢量序列;Yj={y」(t) 11 = 1,2,. . .,k,j= 1,2,. . .n}为目标矢量序列;k为目标 矢量的个数;j为粒子编号;n为种群规模;f为分辨系数,通常取0. 5,作用在于调整比较 环境的大小;
[0047] F.判定是否达到最大迭代次数100,若满足条件执行步骤H,若不满足则执行步骤 G;
[0048] G.更新种群粒子位置和速度,返回执行步骤D;
[0049] H.输出匹配位置,即设备的状态控制变量矩阵。
[0050] 上述全局最优值的选取方法如下:
[0051] 将当前迭代次数时的所有粒子代入目标函数值进行计算,形成目标函数序列,并 根据关联度计算公式计算该目标序列的关联度,选取使关联度最大的粒子作为全局最优 值;
[0052] 上述个体最优值的选取方法如下:
[0053] 将当前迭代次数时的单个粒子代入目标函数,计算该粒子各次迭代时的目标函 数,形成目标函数序列,并根据关联度计算公式计算该目标序列的关联度,选取直至该迭代 次数时使关联度最大的粒子作为个体最优值。
[0054] 本发明基于居民用电设备负荷响应模型建立的用电模式优化方法具备可行性和 有效性,能应用于居民不同用电场景的优化实例,为居民用户参与需求响应项目提供具体 的参考方案,实现在满足用电需求的同时降低用电成本和负荷峰值的优化效果。
附图说明
[0055] 图1为本发明的面向需求响应的居民用户用电模式优化方法工作流程图;
[0056] 图2为面向需求响应的居民用户用电模式优化模型求解流程图;
[0057] 图3为某用电模式优化实例中日前电价曲线图;
[0058] 图4为某面向需求响应的居民用户用电模式优化实例的优化效果图。
具体实施方式
[0059] 为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合
具体实施方式,进一步阐述本发明。
[0060] 参见图1、图3和图4,以下通过一个实例来说明下本发明具体实施方式:
[0061] 假设:
[0062] (1)某用户的空调额定功率为2500W,热水器额定功率为900W,照明系统最大档位 额定功率为2000W。
[0063] (2)优化前空调设定温度为恒温25°C;热水器开始使用设定时间为22:00,优化前 在 19:00-21:59 开启;照明系统在 7:00-8:59、17:00-19:59 开启式 1 档,在 20: :00-23:59 开启2档。
[0064] (3)以24小时为优化周期,15min为控制间隔,总时段数N= 96。
[0065]输入数据:
[0066] (1)当日预测各时段室外温度矩阵tout[96];
[0067] (2)各时段电价矩阵p [96];
[0068] (3)热水器使用时间t使用=89;
[0069] (4)照明档位参数x[96],档位因子参数a[96] :ax(t)= 〇• 5x(t);
[0070] (5)粒子群规模n= 3,维度d= 96;
[0071](6)粒子位置矩阵Xair[96],Xwater[96],Xlig[96];
[0072](7)粒子速度矩阵Vair[96],Vwater[96],Vlig[96];
[0073] 输出变量:
[0074](1)粒子最优位置Xair[96],Xwater[96],Xlig[96],即优化后的状态控制变量。
[0075] 计算步骤:
[0076] (1)建立居民用户典型用电设备的负荷响应动态模型,包括空调负荷响应模型、热 水器负荷响应模型和照明负荷的响应模型
[0077]A.空调负荷响应模型
[0078] 所述空调负荷响应模型为:
[0079]
Figure CN104778631AD00091
[0080] 其中:IV为t时段的室内温度;C为t时段的室外温度;^为t时段空调的功 率;sailXt)为空调的控制状态变量:开启时Ut) = 1,关闭时saiixt) =0。
[0081] B.热水器负荷响应模型
[0082] 所述热水器负荷响应模型为:
[0083]
Figure CN104778631AD00092
[0084] 其中::为t时段的水箱内热水水温;V为t时段的室内温度;为t时 段热水器的额定功率;swat"(t)为热水器的控制状态变量:开启时swatOT(t) = 1,关闭时 U) = 〇。
[0085] C.照明负荷响应模型
[0086] 所述照明负荷响应模型为:
[0087]
Figure CN104778631AD00093
[0088] 其中:《:为t时段照明系统功率;axW为档位因子(x(t) = 0, 1,2分别对应不同 的档位,其中2档功率最大,1档功率小,0档表示关闭);Slig(t)为照明系统的控制状态变 量:参与优化调控时siig(t) =1,不参与调控时siig(t) =0。
[0089] (2)建立用电模式优化模型的目标函数,包括用户用电成本最小和用电方式满意 度最大目标函数
[0090] A.用户用电成本最小目标函数
[0091] 根据用电设备的功率模型,结合当前时段电价,计算各个时段的用电成本并求得 所有时段的总用电成本。所述用户用电成本最小目标函数为:
[0092]
[0093] 其中:p(t)为t时段的电价。
[0094] B.用电方式满意度最大目标函数
[0095] 引入用电方式满意度指标0USOT定量表示用户对协调后用电方式的满意程度,通 过计算协调前后的负荷差值来表示满意度高低,所述用电方式满意度最大目标函数为:
[0096]
Figure CN104778631AD00101
[0097] 根据以上两个优化目标,所述用电方式优化模型的目标函数为:
[0098]
Figure CN104778631AD00102
[0099] (3)建立用电模式优化模型的约束条件,包括室内温度约束,热水器水温和必要开 启时间约束,照明系统可调性约束
[0100]A.空调系统温度约束:
[0101] 室内温度的约束定为[22, 28]°C。所述空调系统温度约束为:
[0102] 22 ^Tin^ 28 (7)
[0103] B.热水器水温和必要开启时间约束:
[0104] 为了确保热水器在使用时间达到理想温度,保证用户在开始使用时22:00,即第t =89时热水器水温不低于60°C。同时根据一般家庭热水供应需求,热水器开启时长必须达 到3小时,才能保证用户用电的舒适度和满意度。所述热水器水温约束为:
Figure CN104778631AD00103
[0105]
[0106]
[0107] C.照明系统可调性约束:
[0108] 当照明负荷关闭时,可以不进行调控优化。所述照明系统可调性约束为:
[0109] ifax(t) = 0 8lig(t) = 0 (10)
[0110] (4)通过结合灰色理论的粒子群算法进行模型求解,得到各个时段内空调负荷、热 水器负荷、照明负荷的状态控制变量,确定各个用电设备的最优运行方式。所述求解方法包 括以下步骤(参见图2):
[0111] A.以空调负荷、热水器负荷以及照明负荷的状态控制变量S&(t),Swate(t), Slig(t)作为粒子,粒子位置矩阵Xair[96],Xwater[96],Xlig[96],粒子速度矩阵 Vair[96],Vwater[96],Vlig[96];进行种群初始化:通过随机函数产生设定粒子群的初始 位置X以及速度V矩阵;种群规模n= 3,维数d= 96 ;惯性因子取0. 9,学习因子cl和c2 都为2 ;速度更新的最大最小值以及最大迭代次数100。
[0112] B.将用电方式满意度最大目标函数进行变换,由 CN104778631A 说明书 7/7 页
Figure CN104778631AD00111
96
[0113] C•输入适应度函数/l=I>25x(2.5(>:,,:.(f) + (L9(>,""J f=l
[0114] < =i
Figure CN104778631AD00112
[0115] D.在当前迭代次数下,计算粒子适应度值,根据当前粒子的位置计算目标函数值, 多个目标函数则组成目标函数序列Yj={yj(t)|t= 1,2;j= 1,2,. . . 3};
[0116] E.在当前迭代次数下,根据关联度计算公式计算每个粒子形成的目标矢量关联 度,比较关联度大小,求出个体最优值和全局最优值;
[0117] 关联度计算公式:
[0118]
Figure CN104778631AD00113
(11)
[0119] 其中:eQj(t)为Yj对于Y(^t点的灰色关联系数;为YQ= {yQ(t)|t= 1,2}为基 准矢量序列;Yj={yj(t) 11 = 1,2 ;j= 1,2, . . . 3}为目标矢量序列;j为粒子编号。
[0120] F.判定是否满足迭代终止条件迭代次数达到100次,若满足条件执行步骤H,若不 满足则执行步骤G;
[0121] G.更新种群粒子位置和速度,返回执行步骤D;
[0122] H.输出匹配位置,即设备的状态控制变量矩阵。根据控制变量矩阵计算各个设备 的运行方式及负荷,确定优化后的用电模式。
[0123] 以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术 人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本 发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变 化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其 等效物界定。

Claims (6)

1. 一种面向需求响应的居民用户用电模式优化方法,其特征在于,具体包括以下几个 步骤: (1) 建立居民用户典型用电设备的负荷响应动态模型,包括空调负荷响应模型、热水器 负荷响应模型和照明负荷响应模型; (2) 以用户用电成本最小和用电方式满意度最大为目标确定用电模式优化模型的目标 函数; (3) 建立用电模式优化模型的约束条件,包括室内温度约束,热水器水温约束,照明系 统可调性约束; (4) 采用结合灰色理论的粒子群算法进行模型求解,得到各个时段内空调负荷、热水器 负荷、照明负荷的状态控制变量,确定各个用电设备的最优运行方式。
2. 根据权利要求1所述的面向需求响应的居民用户用电模式优化方法,其特征在于, 步骤(1)中,所述空调负荷响应模型为:
Figure CN104778631AC00021
其中:Tint+1为t+l时段的室内温度;r/#为t+l时段的室外温度;为t+l时段 空调的功率;Tint为t时段的室内温度;C,为t时段的室外温度;〃为t时段空调的功率;P&.w为空调开启时额定制冷消耗功率;n&为空调能效比;^尤:1为t+1时段空调的额定 制冷量;A&为导热系数;e&为散热函数,心t为控制时间间隔,Tc为时间常数; sair(t)为t时段空调的控制状态变量:开启时sair(t) = 1,关闭时sair(t) = 0 ; 所述热水器负荷响应模型为:
Figure CN104778631AC00022
其中:为t+1时段的水箱内热水水温;T为t时段的水箱内热水水温;Tint为t -=•-4:^- xvmter 时段的室内温度;P二,为t时刻热水器的额定功率;Pwate.w为热水器开启时额定功率;T为 时间段间隔;hwatOT为水箱热对流转移系数;s为空气能热水器的等效散热面积;mwatOT为水箱 内水的质量;水的比热容cwatOT= 4. 2103J(kg°C) ;Swate(t)为t时段热水器的控制状态变 量:开启时Swate(t) = 1,关闭时SwatOT(t) = 0 ; 所述照明负荷响应模型为:
Figure CN104778631AC00023
其中为t时刻照明系统功率;axW为档位因子,x(t) = 0, 1,2分别对应不同的档 位,其中2档功率最大,1档功率小,0档表示关闭;Plig.¥为t时段内最大档位即2档时的照明 系统消耗的总功率;Slig(t)为t时段照明系统的控制状态变量:参与优化调控时Slig(t) =1,不参与调控时slig(t) = 0。
3. 根据权利要求2所述的面向需求响应的居民用户用电模式优化方法,其特征在于, 步骤(2)中,建立用电模式优化模型的目标函数包括用户用电成本最小目标函数和用 电方式满意度最大目标函数; 所述用户用电成本最小目标函数具体为:
Figure CN104778631AC00031
其中:N为需求响应时段数目;p(t)为t时段的电价; 所述用电方式满意度最大目标函数具体为:
Figure CN104778631AC00032
其中:P为优化后的总负荷,
Figure CN104778631AC00033
:为优化前的总负荷; 若各时段的用电量没有改变,0US"= 1,表示用电方式最满意;若各个时段的用电量改 变最大,9USOT=〇,表示用户对用电方式最不满意; 根据以上两个优化目标,所述用电模式优化模型的目标函数为:
Figure CN104778631AC00034
4. 根据权利要求3所述的面向需求响应的居民用户用电模式优化方法,其特征在于, 步骤⑶中,根据对温度舒适度PMV的研宄,人体感觉到舒适的温度范围在[21,30]之 间,对室内温度的约束定为[22, 28],所述室内温度约束为: 22 ^Tin^ 28 (7) 为了确保热水器在使用时间达到理想温度,对热水器水温进行约束,保证用户在开始 使用时热水器水温
Figure CN104778631AC00035
不低于60°C,同时根据家庭热水供应需求,热水器开启时长必须 达到3小时,才能保证用户用电的舒适度和满意度,所述热水器水温约束为:
Figure CN104778631AC00036
其中:tKg为用户开始使用热水器的时间; 当照明负荷关闭时,可以不进行调控优化,所述照明系统可调性约束为: ifax(t)= 〇 5iig(t) = 〇 (1〇)。
5. 根据权利要求4所述的面向需求响应的居民用户用电模式优化方法,其特征在于, 步骤(4)中,采用结合灰色理论的粒子群算法进行模型求解的方法包括以下几个步骤: A. 以空调负荷、热水器负荷以及照明负荷的状态控制变量作为粒子,并进行种群初始 化; B. 将用电方式满意度最大目标函数进行变换,
Figure CN104778631AC00037
Figure CN104778631AC00041
C. 输入适应度函数,即优化模型中的两个目标函数; D. 在当前迭代次数下,计算粒子适应度值,根据当前粒子的位置计算目标函数值,多个 目标函数则组成目标函数序列; E. 在当前迭代次数下,根据关联度计算公式计算每个粒子形成的目标矢量关联度,比 较关联度大小,求出个体最优值和全局最优值; 关联度计算公式:
Figure CN104778631AC00042
其中:eQj(t)为Yj对于t点的灰色关联系数;YQ={yQ(t)|t= 1,2, . . .k}为基 准矢量序列;Yj={y」(t) 11 = 1,2,. . .,k,j= 1,2,. . .n}为目标矢量序列;k为目标矢量 的个数;j为粒子编号;n为种群规模,#为分辨系数; F. 判定是否达到最大迭代次数,若满足条件执行步骤H,若不满足则执行步骤G; G. 更新种群粒子位置和速度,返回执行步骤D; H. 输出匹配位置,即设备的状态控制变量矩阵。
6.根据权利要求5所述的面向需求响应的居民用户用电模式优化方法,其特征在于, 所述全局最优值的选取方法如下: 将当前迭代次数时的所有粒子代入目标函数值进行计算,形成目标函数序列,并根据 关联度计算公式计算该目标序列的关联度,选取使关联度最大的粒子作为全局最优值; 所述个体最优值的选取方法如下: 将当前迭代次数时的单个粒子代入目标函数,计算该粒子各次迭代时的目标函数,形 成目标函数序列,并根据关联度计算公式计算该目标序列的关联度,选取直至该迭代次数 时使关联度最大的粒子作为个体最优值。
CN201510106226.4A 2015-03-11 2015-03-11 一种面向需求响应的居民用户用电模式优化方法 CN104778631B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510106226.4A CN104778631B (zh) 2015-03-11 2015-03-11 一种面向需求响应的居民用户用电模式优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510106226.4A CN104778631B (zh) 2015-03-11 2015-03-11 一种面向需求响应的居民用户用电模式优化方法

Publications (2)

Publication Number Publication Date
CN104778631A true CN104778631A (zh) 2015-07-15
CN104778631B CN104778631B (zh) 2017-12-01

Family

ID=53620081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510106226.4A CN104778631B (zh) 2015-03-11 2015-03-11 一种面向需求响应的居民用户用电模式优化方法

Country Status (1)

Country Link
CN (1) CN104778631B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105402896A (zh) * 2015-12-08 2016-03-16 小米科技有限责任公司 智能热水器的控制方法、装置及智能热水器
CN105550946A (zh) * 2016-01-28 2016-05-04 东北电力大学 基于多智能体的居民用户参与自动需求响应的用电策略
CN105589330A (zh) * 2015-12-25 2016-05-18 中国南方电网有限责任公司电网技术研究中心 可控设备的负荷特性建模方法和系统
CN106451472A (zh) * 2016-10-24 2017-02-22 国电南瑞科技股份有限公司 一种基于虚拟机组的用户参与电网调峰方法
CN106602575A (zh) * 2015-10-14 2017-04-26 中国电力科学研究院 一种用户负荷设备分类组合调控方法
CN107229031A (zh) * 2017-05-23 2017-10-03 国家电网公司 一种基于谷电分析的电表动态评估系统及方法
CN107392420A (zh) * 2017-06-12 2017-11-24 上海电力学院 一种基于需求响应的家庭能量管理系统智能控制方法
CN108151242A (zh) * 2017-12-21 2018-06-12 天津大学 一种面向集群需求响应的中央空调控制方法
FR3060814A1 (fr) * 2016-12-21 2018-06-22 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede de determination des parametres physiques d'un systeme, procede de regulation d'un systeme a partir desdits parametres et dispositif mettant en œuvre lesdits procedes
CN109167350A (zh) * 2018-09-04 2019-01-08 南方电网科学研究院有限责任公司 一种工业负荷响应模型的构建方法
CN109190799A (zh) * 2018-08-07 2019-01-11 广东电网有限责任公司 一种工商业温控负荷的协同优化控制方法和装置
CN109343461A (zh) * 2018-11-27 2019-02-15 深圳新基点智能股份有限公司 一种楼宇自动化控制系统的节能控制方法
CN109409610A (zh) * 2018-11-07 2019-03-01 国网四川省电力公司成都供电公司 基于需求侧响应的家庭电热水器优化调度方法
CN110223005A (zh) * 2019-06-21 2019-09-10 清华大学 一种空调负荷供电可靠性评估方法及评估装置
CN111649457A (zh) * 2020-05-13 2020-09-11 中国科学院广州能源研究所 一种动态预测性机器学习型空调节能控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003016374A (ja) * 2001-06-28 2003-01-17 Toshiba Corp 発電設備計画の評価方法、発電設備計画の策定方法及びプログラム
CN103955868A (zh) * 2014-04-28 2014-07-30 国家电网公司 一种基于模糊综合分析的需求响应效果评估方法
CN104268703A (zh) * 2014-09-29 2015-01-07 国家电网公司 一种实施需求响应后电力负荷变化的评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003016374A (ja) * 2001-06-28 2003-01-17 Toshiba Corp 発電設備計画の評価方法、発電設備計画の策定方法及びプログラム
CN103955868A (zh) * 2014-04-28 2014-07-30 国家电网公司 一种基于模糊综合分析的需求响应效果评估方法
CN104268703A (zh) * 2014-09-29 2015-01-07 国家电网公司 一种实施需求响应后电力负荷变化的评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
宋艺航: "我国居民生活用电阶梯电价设计优化模型", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 *
张迎: "智能用电信息采集管理系统优化研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
朱元: "电力需求侧管理的技术经济分析及实证研究", 《中国优秀硕士学位论文全文数据库 社会科学Ⅰ辑》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106602575A (zh) * 2015-10-14 2017-04-26 中国电力科学研究院 一种用户负荷设备分类组合调控方法
CN106602575B (zh) * 2015-10-14 2019-07-12 中国电力科学研究院 一种用户负荷设备分类组合调控方法
CN105402896B (zh) * 2015-12-08 2019-05-21 小米科技有限责任公司 智能热水器的控制方法、装置及智能热水器
CN105402896A (zh) * 2015-12-08 2016-03-16 小米科技有限责任公司 智能热水器的控制方法、装置及智能热水器
CN105589330A (zh) * 2015-12-25 2016-05-18 中国南方电网有限责任公司电网技术研究中心 可控设备的负荷特性建模方法和系统
CN105589330B (zh) * 2015-12-25 2018-09-04 中国南方电网有限责任公司电网技术研究中心 可控设备的负荷特性建模方法和系统
CN105550946A (zh) * 2016-01-28 2016-05-04 东北电力大学 基于多智能体的居民用户参与自动需求响应的用电策略
CN106451472A (zh) * 2016-10-24 2017-02-22 国电南瑞科技股份有限公司 一种基于虚拟机组的用户参与电网调峰方法
CN106451472B (zh) * 2016-10-24 2018-10-02 国电南瑞科技股份有限公司 一种基于虚拟机组的用户参与电网调峰方法
FR3060814A1 (fr) * 2016-12-21 2018-06-22 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede de determination des parametres physiques d'un systeme, procede de regulation d'un systeme a partir desdits parametres et dispositif mettant en œuvre lesdits procedes
CN107229031A (zh) * 2017-05-23 2017-10-03 国家电网公司 一种基于谷电分析的电表动态评估系统及方法
CN107392420A (zh) * 2017-06-12 2017-11-24 上海电力学院 一种基于需求响应的家庭能量管理系统智能控制方法
CN108151242B (zh) * 2017-12-21 2020-05-19 天津大学 一种面向集群需求响应的中央空调控制方法
CN108151242A (zh) * 2017-12-21 2018-06-12 天津大学 一种面向集群需求响应的中央空调控制方法
CN109190799B (zh) * 2018-08-07 2021-01-26 广东电网有限责任公司 一种工商业温控负荷的协同优化控制方法和装置
CN109190799A (zh) * 2018-08-07 2019-01-11 广东电网有限责任公司 一种工商业温控负荷的协同优化控制方法和装置
CN109167350A (zh) * 2018-09-04 2019-01-08 南方电网科学研究院有限责任公司 一种工业负荷响应模型的构建方法
CN109409610A (zh) * 2018-11-07 2019-03-01 国网四川省电力公司成都供电公司 基于需求侧响应的家庭电热水器优化调度方法
CN109343461A (zh) * 2018-11-27 2019-02-15 深圳新基点智能股份有限公司 一种楼宇自动化控制系统的节能控制方法
CN110223005A (zh) * 2019-06-21 2019-09-10 清华大学 一种空调负荷供电可靠性评估方法及评估装置
CN111649457A (zh) * 2020-05-13 2020-09-11 中国科学院广州能源研究所 一种动态预测性机器学习型空调节能控制方法

Also Published As

Publication number Publication date
CN104778631B (zh) 2017-12-01

Similar Documents

Publication Publication Date Title
Thieblemont et al. Predictive control strategies based on weather forecast in buildings with energy storage system: A review of the state-of-the art
Zhang et al. A multi-criterion renewable energy system design optimization for net zero energy buildings under uncertainties
Baetens et al. Assessing electrical bottlenecks at feeder level for residential net zero-energy buildings by integrated system simulation
Jiang et al. Modelling and operation optimization of an integrated energy based direct district water-heating system
Lee et al. Joint energy management system of electric supply and demand in houses and buildings
CN104214912B (zh) 一种基于温度设定值调整的聚合空调负荷调度方法
Chow et al. An experimental study of facade-integrated photovoltaic/water-heating system
Shakeri et al. An intelligent system architecture in home energy management systems (HEMS) for efficient demand response in smart grid
Sichilalu et al. Optimal control of a wind–PV-hybrid powered heat pump water heater
US9261284B2 (en) Operation planning method, and heat pump hot water supply and heating system operation method
Hui et al. Operating reserve evaluation of aggregated air conditioners
Calise et al. A novel polygeneration system integrating photovoltaic/thermal collectors, solar assisted heat pump, adsorption chiller and electrical energy storage: Dynamic and energy-economic analysis
CN104616208B (zh) 一种基于模型预测控制的冷热电联供型微电网运行方法
Huang et al. Dynamic simulation of energy management control functions for HVAC systems in buildings
CN104636987B (zh) 一种公共楼宇空调负荷广泛参与的电网负荷调度方法
Luo et al. A multistage home energy management system with residential photovoltaic penetration
Sakulpipatsin et al. An exergy application for analysis of buildings and HVAC systems
Calise et al. Transient analysis and energy optimization of solar heating and cooling systems in various configurations
Deng et al. Impact of ventilation rates on indoor thermal comfort and energy efficiency of ground-source heat pump system
Vrettos et al. Predictive control of buildings for demand response with dynamic day-ahead and real-time prices
Hamdy et al. A multi-stage optimization method for cost-optimal and nearly-zero-energy building solutions in line with the EPBD-recast 2010
Lindberg et al. Methodology for optimal energy system design of Zero Energy Buildings using mixed-integer linear programming
US20140094980A1 (en) Electric/thermal energy storage schedule optimizing device, optimizing method and optimizing program
Li et al. Performance investigation of a combined solar thermal heat pump heating system
CN102865623B (zh) 一种集中供暖公共建筑供热节能控制方法

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
EXSB Decision made by sipo to initiate substantive examination
GR01 Patent grant
GR01 Patent grant