CN105116942A - 一种恒温控制智能负荷联合优化方法 - Google Patents

Abstract

本发明公开一种恒温控制智能负荷的联合优化方法，包括以下步骤：1)、采集用户电热水器需求温度范围、用户空调需求温度、分时电价数据以及用户电热水器用水质量；2)、确定电热水器工作时段；3)、建立电热水器、空调需求温度的关联模型；使用关联模型得到电热水器、空调用电总成本最低的最优控制策略。本发明旨在综合考虑不同类恒温控制智能负荷之间用户(温度)需求之间的相关性，以实现用户包含用电成本和(温度)需求的整体最优。

Description

一种恒温控制智能负荷联合优化方法

【技术领域】

本发明属于电力系统供需互动、需求响应技术领域，特别涉及一种恒温控制智能负荷联合优化方法。

【背景技术】

传统的电力系统中，由于大量负荷在一定的时域内是不可控的甚至是不可测定的，只有发电侧的资源是可供规划及调度的。此外，单一的销售电价也并没有给电能消费者提供可以改变其电能消费方式的激励。

随着电力市场化改革的推进，智能电网相关技术的成熟和可再生能源的不断发展，电力系统的安全运行面临着新的机遇和挑战。电力系统供需互动、需求响应将成为应对挑战、发现机遇的良好解决方案。

近年来，大量的智能电表、传感器、自动控制装置通过双向信息通信网络被应用于连接配电网和家庭、商业负荷，以减小用电成本，提升能源使用效率。在家庭负荷中，恒温控制类负荷(如空调，通风设备、电热水器)等占据负荷总量的很大比重，且具有良好的可控性。以价格及需求作为基本导向，实现对恒温控制智能负荷的优化控制，既能降低需求侧的用电成本，又能提高供给侧发、输电的效率。

现有技术分别针对各类恒温控制智能负荷提出了考虑分时电价及用户需求两方面因素的优化控制方法，但一方面导致了可能存在的两方面考虑因素无法同时兼顾的问题，另一方面忽略了恒温控制类负荷之间可通过用户(温度)需求建立相关联系的特点。

【发明内容】

本发明的目的在于提供一种恒温控制智能负荷的联合优化方法，以解决上述背景中提到的技术问题。本发明旨在综合考虑不同类恒温控制智能负荷之间用户(温度)需求之间的相关性，以实现用户包含用电成本和(温度)需求的整体最优。

为了实现上述目的，本发明采用如下技术方案：

一种恒温控制智能负荷联合优化方法，包括以下步骤：

1)、采集用户电热水器需求温度范围、用户空调需求温度、分时电价数据以及用户电热水器用水质量m_n；

2)、确定电热水器工作时段；

3)、建立电热水器、空调需求温度的关联模型；使用关联模型得到电热水器、空调用电总成本最低的最优控制策略。

本发明进一步的改进在于：步骤2)具体包括以下步骤：

确定满足用水量情况下的电热水器启动电价阈值ρ_h，当某时段电价低于ρ_h时，电热水器启动工作；ρ_h的确定方法为：

2.1)、计算所采集的用水质量m_n所需的能量：

$Q=\underset{n=1}{\overset{N}{\Σ}}(c\·m_n\·{\mathrm{\Δ\θ}}_n)+Q_{Loss}$

其中，c、m_n、Δθ_n及Q_Loss分别为水的比热、用水质量、n时段电热水器水温与环境温度的温差及电热水器总的能量损耗；n为时段，N为总时段数；

2.2)、确定电热水器需要工作的总时长：

$t_{on}=\frac{Q}{P_h}$

其中，P_h为电热水器功率；

2.3)、将分时电价数据形成电价关于时长单调上升的曲线ω_c，确定ρ_h

ρ_h＝ω_c(t_on)。

本发明进一步的改进在于：步骤3)具体包括以下步骤：

建立电热水器、空调需求温度的关联模型：

$\frac{V{\left(n\right)}_{en}}{V\left(n\right)}=\frac{e^{-b(1-r(n))}-1}{e^{-b}-1},r\left(n\right)=\frac{\mathrm{\θ}\left(n\right)-{\mathrm{\θ}}_{en}}{{\mathrm{\θ}}_{wl}-{\mathrm{\θ}}_{en}}$

其中，V(n)_en为通过空调将室温改变为θ_en时n时段的用水量，θ_wl为电热水器水温设置的下限值，b为常数；

使用关联模型得到电热水器、空调用电总成本最低的最优控制策略：

$\min C=min\underset{n=1}{\overset{N}{\Σ}}\{{\mathrm{\ρ}}_H\[V\left(n\right)\]+{\mathrm{\ρ}}_{AC}\[{\mathrm{\θ}}_{en}\left(n\right)\]\}$

其中ρ_H[V(n)]为第n时段用水量为V(n)时电热水器的用电成本，ρ_AC[θ_en(n)]为第n时段室温为θ_en(n)时空调的用电成本。

本发明进一步的改进在于：b＝4。

本发明是一种恒温控制智能负荷的联合优化方法，对恒温控制智能负荷进行联合优化调度控制，将能在更好满足用户需求的情况下进一步降低用电成本。本发明中各类恒温控制智能负荷的优化调度控制方法可结合任何现有相关技术。本发明包括：

(1)各类恒温控制智能负荷的优化控制。基于现有等效热参数模型，对各类恒温控制智能负荷建立综合考虑分时电价及用户(温度)需求的优化模型并求解，在遇到分时电价与用户(温度)需求要求不能同时满足的情况下，优先考虑用户对分时电价，即用电成本的要求。

(2)各类恒温控制智能负荷用户(温度)需求相关联系的建立。用户对不同类型恒温控制智能负荷的(温度)需求具有一定互补性，若(1)中存在某类恒温控制智能负荷未能满足用户(温度)需求的情况，提出各种通过改变对其他类恒温控制智能负荷的(温度)需求，缓解其未能满足用户(温度)需求的压力的方案，使各类恒温控制智能负荷联合优化下用户对分时电价及用户(温度)需求的要求得到满足。

(3)分析对比(2)中提出的各种方案的效益，以获得最佳的包含各类恒温控制智能负荷的联合优化方法。

相对于现有技术，本发明具有以下有益效果：

(1)从整体层面上实现了用户对用电成本和用电需求的综合效益最优化。由于对于恒温控制智能负荷而言，用户的需求均是来源于对温度的感知，因此各类恒温控制智能负荷的用户(温度)需求具有一定的互补性，本发明充分考虑了这一特点并充分发挥利用，一方面更合理准确地描述了用户需求，另一方面实现了用户效益的整体最优。

(2)有效缓解了对单一类恒温控制智能负荷优化控制方法中可能存在的用户对用电成本和用电(温度)需求的矛盾现象。在出现矛盾时，优先考虑用户对用电成本的要求，将未能满足的用电(温度)需求转移至对其他类恒温控制智能负荷的用电(温度)需求，对比分析二者各自效益，以得到最优的解决方案。

【附图说明】

图1为电热水器单一优化控制下，满足用电(温度)需求与否时水温及用电(温度)需求的示意图；

图2为本发明方法的流程图；

图3为满足用电(温度)需求时，电热水器和空调联合优化控制与电热水器单一优化控制对比下，热水器水温及用电(温度)需求示意图；

图4为三种方案下电热水器及空调用电总成本的对比示意图；其中：方案1为电热水器单一优化方案(未满足用电(温度)需求)；方案2为电热水器单一优化方案(满足用电(温度)需求)；方案3为电热水器、空调联合优化；

图5为分时电价数据示意图。

【具体实施方式】

本发明优化方法控制对象为恒温控制智能负荷，包括电热水器、空调、换气设备等。主要针对家庭中常用的电热水器及空调两个恒温控制智能负荷的情况进行联合优化控制实施方式说明，可扩展到多个智能负荷的情况。

请参阅图1至图4所示，本发明一种恒温控制智能负荷的联合优化方法，包括以下步骤：

1)、采集电热水器用户(温度)需求范围(45-100℃)，用户空调(温度)需求数值(20℃)。分时电价数据、用水质量m_n的情况数据。

2)确定电热水器工作时段：

确定满足用水量情况下的电热水器启动电价阈值ρ_h，当某时段电价低于ρ_h时，电热水器启动工作。ρ_h的确定方法为：

1.计算所采集的用水质量m_n所需的能量

$Q=\underset{n=1}{\overset{N}{\Σ}}(c\·m_n\·{\mathrm{\Δ\θ}}_n)+Q_{Loss}$

其中，c、m_n、Δθ_n及Q_Loss分别为水的比热、用水质量、n时段电热水器水温与环境温度的温差及电热水器总的能量损耗；n为时段，N为总时段数。

2.确定电热水器需要工作的总时长

$t_{on}=\frac{Q}{P_h}$

其中，P_h为热水器功率。

3.将分时电价数据形成电价关于时长单调上升的曲线ω_c，确定ρ_h

ρ_h＝ω_c(t_on)

3)、建立电热水器、空调需求温度的关联模型；使用关联模型得到电热水器、空调用电总成本最低的最优控制策略：

建立电热水器等效热参数(ETP)模型，得到各时段的电热水器的初始水温θ_temp(n)及用电成本，其中注意到，用水时，电热水器中会注入温度与室温相等的等容量水，电热水器中整体水温将发生变化，最终n时段热水器中的水温为

$\mathrm{\θ}\left(n\right)=\frac{{\mathrm{\θ}}_{temp}\left(n\right)\·(D-V\left(n\right))+{\mathrm{\θ}}_{en}\left(n\right)\·V\left(n\right)}{D}$

其中，D、V(n)及θ_en(n)分别为电热水器容量、n时段用水量及室温。

若时段i出现了电热水器由于电价过高未开启工作，而水温降低至用户(温度)需求之下，则考虑在时段i之前的低电价时段提升室温，以降低时段i用户的(温度)需求，由电热水器的工作特性，亦可反映为用水量的降低。

在用户对水温要求不变的情况下，对热水需求量与室温的关系可表示为

$\frac{V{\left(n\right)}_{en}}{V\left(n\right)}=\frac{e^{-b(1-r(n))}-1}{e^{-b}-1},r\left(n\right)=\frac{\mathrm{\θ}\left(n\right)-{\mathrm{\θ}}_{en}}{{\mathrm{\θ}}_{wl}-{\mathrm{\θ}}_{en}}$

其中，V(n)_en为通过空调将室温改变为θ_en时n时段的用水量，θ_wl为电热水器水温设置的下限值，b为常数，优选取值为4。

对比保持室温不变情况下，欲达到用户(温度)需求时电热水器额外耗电所需用电成本，与电热水器、空调联合优化下电热水器、空调额外耗电所需用电成本，得到满足用户(温度)需求的电热水器、空调联合最优控制方案，使得用户各智能电器用电总成本最低：

$\min C=min\underset{n=1}{\overset{N}{\Σ}}\{{\mathrm{\ρ}}_H\[V\left(n\right)\]+{\mathrm{\ρ}}_{AC}\[{\mathrm{\θ}}_{en}\left(n\right)\]\}$

其中ρ_H[V(n)]为第n时段用水量为V(n)时电热水器的用电成本，ρ_AC[θ_en(n)]为第n时段室温为θ_en(n)时空调的用电成本。

本发明对恒温控制智能负荷进行了联合优化控制，通过考察更为合理准确的用户(温度)需求并做适当引导，实现了综合效益的最大化。

以电热水器和空调两个恒温控制智能负荷的联合优化为例，在对电热水器的单独优化控制时(如图1)，分时电价数据如图5，若严格依据用电成本的要求，水温将在部分时段(如第11、13、14等)低于用户要求，用户用电(温度)需求未能满足，此时用户用电总成本为112.13元(如图4所示)；若满足用户用电(温度)需求，电热水器将在部分电价较高的时段开启工作，此时水温满足用户用电(温度)需求，此时用户用电总成本为121.87元。

电热水器和空调的联合优化控制下，可通过调整用户用电(温度)需求的方式使水温满足用户用电(温度)要求，并节约用电成本。用户用电(温度)需求的调整通过空调在表1所示时段调节室温，进一步改变用户对电热水器用水量的方式实现(如图3所示)。在水温未能满足用户用电(温度)需求的时段调高室温，使用户的用电(温度)需求改变，表现为用户对电热水器用水量的改变，各时段电热水器的水温相应改变，可见，此时用户用电(温度)需求得到满足。此时用户用电总成本为116.00元，低于电热水器单一优化控制时的121.87元。

本发明以电热水器与空调的联合优化控制为例，证实了本发明的有益效果。电热水器的单一优化控制下，是否满足用电(温度)需求下各时段水温及用电(温度)需求如图1所示，显然，在只考虑用电成本的情况下，用电(温度)需求可能在部分时段得不到满足。电热水器与空调的联合优化控制方法下的热水器水温及用电(温度)需求如图3所示，显然，此时用电成本及用电(温度)需求同时得到了满足。三种方案下电热水器及空调用电总成本的对比如图4所示，显然，本发明实现了考虑用户用电成本和用电(温度)需求的整体效益最大化。

表1室温调节情况

调节涉及时段	10	11	12	13	14
						温度/℃	26.9	22.8	25.4	23.1	22.5

Claims (4)

1.一种恒温控制智能负荷联合优化方法，其特征在于，包括以下步骤：

1)、采集用户电热水器需求温度范围、用户空调需求温度、分时电价数据以及用户电热水器用水质量m_n；

2)、确定电热水器工作时段；

3)、建立电热水器、空调需求温度的关联模型；使用关联模型得到电热水器、空调用电总成本最低的最优控制策略。

2.根据权利要求1所述的一种恒温控制智能负荷联合优化方法，其特征在于，步骤2)具体包括以下步骤：

确定满足用水量情况下的电热水器启动电价阈值ρ_h，当某时段电价低于ρ_h时，电热水器启动工作；ρ_h的确定方法为：

2.1)、计算所采集的用水质量m_n所需的能量：

$Q=\underset{n=1}{\overset{N}{\Σ}}(c\·m_n.{\mathrm{\Δ\θ}}_n)+Q_{Loss}$

其中，c、m_n、Δθ_n及Q_Loss分别为水的比热、用水质量、n时段电热水器水温与环境温度的温差及电热水器总的能量损耗；n为时段，N为总时段数；

2.2)、确定电热水器需要工作的总时长：

$t_{on}=\frac{Q}{P_h}$

其中，P_h为电热水器功率；

2.3)、将分时电价数据形成电价关于时长单调上升的曲线ω_c，确定ρ_h

ρ_h＝ω_c(t_on)。

3.根据权利要求1所述的一种恒温控制智能负荷联合优化方法，其特征在于，步骤3)具体包括以下步骤：

建立电热水器、空调需求温度的关联模型：

$\frac{V{\left(n\right)}_{en}}{V\left(n\right)}=\frac{e^{-b(1-r(n))}-1}{e^{-b}-1},r\left(n\right)=\frac{\mathrm{\θ}\left(n\right)-{\mathrm{\θ}}_{en}}{{\mathrm{\θ}}_{wl}-{\mathrm{\θ}}_{en}}$

其中，V(n)_en为通过空调将室温改变为θ_en时n时段的用水量，θ_wl为电热水器水温设置的下限值，b为常数；

使用关联模型得到电热水器、空调用电总成本最低的最优控制策略：

$\min C=min\underset{n=1}{\overset{N}{\Σ}}\{{\mathrm{\ρ}}_H\[V\left(n\right)\]+{\mathrm{\ρ}}_{AC}\[{\mathrm{\θ}}_{en}\left(n\right)\]\}$

其中ρ_H[V(n)]为第n时段用水量为V(n)时电热水器的用电成本，ρ_AC[θ_en(n)]为第n时段室温为θ_en(n)时空调的用电成本。

4.根据权利要求3所述的一种恒温控制智能负荷联合优化方法，其特征在于，b＝4。