CN105605733A - 一种空调冷机的电网响应方法及装置 - Google Patents

Abstract

本发明公开了一种空调冷机的电网响应方法及装置，该电网响应包括：计算建筑外部得热量及建筑内部得热量；依据建筑外部得热量及建筑内部得热量获取建筑的热物理模型参数，建立建筑热物理模型；采集预设时间内空调冷机系统的运行数据，依据遗传算法对建筑热物理模型进行训练，建立灰箱模型并预测建筑冷负荷；依据建筑热物理模型及建筑冷负荷控制空调冷机系统的电网响应开关。该发明的有益效果为：在硬件设备操作上极其简单易用且有效，同时只需要在软件上进行提前预测及控制预设，在响应时间上大大降低，从原来超过半小时的响应时间缩减到秒级。

Description

一种空调冷机的电网响应方法及装置

技术领域

本发明涉及空调控制技术领域，更具体地说，涉及一种空调冷机的电网响应方法及装置。

背景技术

为了确保电网安全、可靠和高效运行，电网鼓励用户实施需求侧用电管理，在我国，2014年建筑能耗总量超过12.5亿吨标准煤，占社会总能耗30％。中央空调能耗占建筑总能耗65％，其中制冷站能耗占空调系统能耗70％左右。因此针对中央空调制冷机组的启停控制作为需求侧响应非常必要。传统的中央空调响应策略有的是依靠蓄冷装置(如水蓄冷，冰蓄冷)在“移峰填谷”时期分担制冷机组的负荷，从而实现需求侧响应，带有独立蓄冷装置的系统虽然电力需求响应总量比较大，但是响应速度颇慢。电网供需不平衡时需要分别进行一次调频(秒级)，二次调频(分钟级)，三次调频(小时级)，减少用电响应速度越快的越有价值。而传统蓄冷装置的需求侧响应往往智能配合到三次调频。另外，通过建筑室内温度设定值重设而致使中央空调系统的能耗减少，由于其反馈回路需要经过空气侧、水侧，最后才反映到各设备的能耗上，存在不小的时间延迟(一般在半个小时以上)。

发明内容

本发明要解决的技术问题在于，针对现有技术中空调系统电网响应慢的缺陷，提供一种空调冷机的电网响应方法及装置。

本发明解决其技术问题所采用的技术方案是：

构造一种空调冷机的电网响应方法，包括：

计算建筑外部得热量及建筑内部得热量；

依据所述建筑外部得热量及建筑内部得热量获取建筑的热物理模型参数，建立建筑热物理模型；

采集预设时间内空调冷机系统的运行数据，依据遗传算法对所述建筑热物理模型进行训练，建立灰箱模型并预测建筑冷负荷；

依据所述建筑热物理模型及所述建筑冷负荷控制所述空调冷机系统的电网响应开关。

在本发明所述的电网响应方法中，所述计算建筑外部得热量及建筑内部得热量的步骤包括：

采集室外气象参数，所述气象参数包括建筑材料等效初始温度建筑外部得热等效初始温度T_ext、建筑室内干球温度T_in及建筑室外干球温度T_out，并获取建筑内部的等效热阻R_bui，i、建筑外部的等效热阻R_bui，o、建筑材料时间常数τ、建筑有效的等效换热面A_bui、建筑外表面和内表面的辐射得热量Q_rad；

计算建筑外部得热量Q_bui(t)：

$Q_{bui}\left(t\right)=\frac{\[T_{ext}-{\stackrel{\‾}{T}}_{bui}\left(0\right)\]}{R_{bui,i}}{e}^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}+\frac{T_{in}-T_{out}}{(R_{bui,o}+R_{bui,i})}{A}_{bui}-\frac{Q_{rad}{R}_{bui}}{R_{bui,i}};$

统计所述建筑内部热量参数：建筑内部的对流换热量Q_conv、建筑内部的新风显热量Q_fr及建筑内部的潜热量Q_la；

计算所述建筑内部得热量Q_in：

Q_in＝Q_conv+Q_fr+Q_la。

在本发明所述的电网响应方法中，所述依据所述建筑外部得热量及建筑内部得热量获取建筑的热物理模型参数，建立建筑热物理模型的步骤包括：

获取所述建筑的热物理模型参数，所述热物理模型参数包括建筑储能热容C_bui及建筑材料等效温度所述建筑储能热容C_bui及建筑材料等效温度的计算模型为：

${\stackrel{\‾}{T}}_{bui}\left(t\right)=T_{ext}(1-e^{-\frac{t}{\mathrm{\τ}}})+{\stackrel{\‾}{T}}_{bui}\left(0\right)e^{-\frac{t}{\mathrm{\τ}}}$

$T_{ext}=(\frac{T_{out}}{R_{bui,o}}+\frac{T_{in}}{R_{bui,i}}+\frac{Q_{rad}}{A_{bui}})R_{bui}$

τ＝R_buiC_bui

$R_{bui}=\frac{R_{bui,o}{R}_{bui,i}}{R_{bui,o}+R_{bui,i}}$

建立建筑热物理模型：

$C_{bui}\frac{d{\stackrel{\‾}{T}}_{bui}\left(t\right)}{dt}{A}_{bui}=\frac{T_{out}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,o}}{A}_{bui}+\frac{T_{in}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,i}}{A}_{bui}+Q_{rad}.$

在本发明所述的电网响应方法中，采集预设时间内空调冷机系统的运行数据，依据遗传算法对所述建筑热物理模型进行训练，建立灰箱模型并预测建筑冷负荷的步骤包括：

采集预设时间内空调冷机系统的运行数据以获取建筑实际冷负荷；

依据遗传算法及所述建筑实际冷负荷对所述建筑热物理模型进行训练，以确定如下参数：建筑室内空气热容C_in及建筑室内等效面积A_in；

建立灰箱模型：

$Q_{est}=Q_{conv}+Q_{fr}+Q_{la}-Q_{bui}\left(t\right)-C_{in}\frac{{\mathrm{dT}}_{in}}{dt}{A}_{in};$

从而预测所述建筑冷负荷Q_est。

在本发明所述的电网响应方法中，所述依据所述建筑热物理模型及所述建筑冷负荷控制所述空调冷机系统的电网响应开关的步骤包括：

获取所述空调冷机系统的水侧能效系数COP_sys；

计算预测的建筑材料可储能变化量ΔQ_est：

ΔQ_est＝-ΔQ_bui

${\mathrm{\ΔQ}}_{bui}\left(t\right)=\left\{\begin{array}{cc}{\mathrm{\ΔQ}}_{pre,c}\left(t\right),& t\∈\[0,t_c\]\\ {\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right),& t\∈\[0,t_d\]\end{array}\right.$

${\mathrm{\ΔQ}}_{pre,c}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{set,d}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,d}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{pre,d}\left(t\right)=-\mathrm{\α}\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1-e^{-\frac{t_c}{\mathrm{\τ}}})e^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}$

$\mathrm{\α}=\frac{R_{bui,o}}{R_{bui,i}}$

其中，ΔQ_bui为实际的建筑材料可储能变化量，ΔQ_pre，c(t)为“预冷”策略的蓄能变化量，ΔQ_set，d(t)为“温度重设”策略的放能变化量，ΔQ_pre，d(t)为“预冷”策略的放能变化量，ΔT_in，c为储能时期，ΔT_in，d为放能时期，t_c为储能时间，t_d为放能时间；

计算建筑可减少的用电量ΔP_e(t)、建筑有效储能容量E_bui及建筑有效储能热容η_bui：

${\mathrm{\ΔP}}_e\left(t\right)=\frac{{\mathrm{\ΔQ}}_{est}\left(t\right)}{{\mathrm{COP}}_{sys}}=\left\{\begin{array}{cc}-\frac{{\mathrm{\ΔQ}}_{pre,c}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_c\]\\ -\frac{{\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_d\]\end{array}\right.$

$E_{bui}=\frac{{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt}{{\mathrm{COP}}_{sys}}=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i}){\mathrm{COP}}_{sys}}\[t_c+\mathrm{\α}\mathrm{\τ}(1-e^{-\frac{t_c}{\mathrm{\τ}}})\]A_{bui}$

${\mathrm{\η}}_{bui}=\left|\frac{{\∫}_0^{t_d}{\mathrm{\ΔQ}}_{pre,d}\left(t\right)dt}{{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt}\right|=\frac{(1-e^{-\frac{t_c}{\mathrm{\τ}}})(1-e^{-\frac{t_d}{\mathrm{\τ}}})}{(1-e^{-\frac{t_c}{\mathrm{\τ}}})+\frac{t_c}{\mathrm{\α}\mathrm{\τ}}};$

根据实时测得的空调冷机系统的运行功率P与所述建筑可减少的用电量ΔP_e(t)进行比较，当建筑可减少的用电量ΔP_e(t)大于所述空调冷机系统的运行功率P时，关闭所述空调冷机系统的电网响应开关，经过所述放能时间t_d后，开启已关闭的所述空调冷机系统的电网响应开关。

另一方面，提供一种空调冷机的电网响应装置，包括：

得热量计算模块，用于计算建筑外部得热量及建筑内部得热量；

模型建立模块，用于依据所述建筑外部得热量及建筑内部得热量获取建筑的热物理模型参数，建立建筑热物理模型；

训练模块，用于采集预设时间内空调冷机系统的运行数据，依据遗传算法对所述建筑热物理模型进行训练，建立灰箱模型并预测建筑冷负荷；

电网响应模块，用于依据所述建筑热物理模型及所述建筑冷负荷控制所述空调冷机系统的电网响应开关。

在本发明所述的电网响应装置中，所述得热量计算模块包括：

气象参数采集子模块，用于采集室外气象参数，所述气象参数包括建筑材料等效初始温度建筑外部得热等效初始温度T_ext、建筑室内干球温度T_in及建筑室外干球温度T_out，并获取建筑内部的等效热阻R_bui，i、建筑外部的等效热阻R_bui，o、建筑材料时间常数τ、建筑有效的等效换热面A_bui、建筑外表面和内表面的辐射得热量Q_rad；

外部得热量计算子模块，用于计算建筑外部得热量Q_bui(t)：

$Q_{bui}\left(t\right)=\frac{\[T_{ext}-{\stackrel{\‾}{T}}_{bui}\left(0\right)\]}{R_{bui,i}}{e}^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}+\frac{T_{in}-T_{out}}{(R_{bui,o}+R_{bui,i})}{A}_{bui}-\frac{Q_{rad}{R}_{bui}}{R_{bui,i}};$

内部热量参数统计子模块，用于统计所述建筑内部热量参数：建筑内部的对流换热量Q_conv、建筑内部的新风显热量Q_fr及建筑内部的潜热量Q_la；

内部得热量计算子模块，用于计算所述建筑内部得热量Q_in：

Q_in＝Q_conv+Q_fr+Q_la。

在本发明所述的电网响应装置中，所述模型建立模块包括：

模型参数获取子模块，用于获取所述建筑的热物理模型参数，所述热物理模型参数包括建筑储能热容C_bui及建筑材料等效温度所述建筑储能热容C_bui及建筑材料等效温度的计算模型为：

${\stackrel{\‾}{T}}_{bui}\left(t\right)=T_{ext}(1-e^{-\frac{t}{\mathrm{\τ}}})+{\stackrel{\‾}{T}}_{bui}\left(0\right)e^{-\frac{t}{\mathrm{\τ}}}$

$T_{ext}=(\frac{T_{out}}{R_{bui,o}}+\frac{T_{in}}{R_{bui,i}}+\frac{Q_{rad}}{A_{bui}})R_{bui}$

τ＝R_buiC_bui

$R_{bui}=\frac{R_{bui,o}{R}_{bui,i}}{R_{bui,o}+R_{bui,i}}$

物理模型建立子模块，用于建立建筑热物理模型：

$C_{bui}\frac{d{\stackrel{\‾}{T}}_{bui}\left(t\right)}{dt}{A}_{bui}=\frac{T_{out}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,o}}{A}_{bui}+\frac{T_{in}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,i}}{A}_{bui}+Q_{rad}.$

在本发明所述的电网响应装置中，所述训练模块包括：

数据采集子模块，用于采集预设时间内空调冷机系统的运行数据以获取建筑实际冷负荷；

模型训练子模块，用于依据遗传算法及所述建筑实际冷负荷对所述建筑热物理模型进行训练，以确定如下参数：建筑室内空气热容C_in及建筑室内等效面积A_in；

灰箱模型建立子模块，用于建立灰箱模型：

$Q_{est}=Q_{conv}+Q_{fr}+Q_{la}-Q_{bui}\left(t\right)-C_{in}\frac{{\mathrm{dT}}_{in}}{dt}{A}_{in};$

从而预测所述建筑冷负荷Q_est。

在本发明所述的电网响应装置中，所述电网响应模块包括：

水侧能效系数获取子模块，用于获取所述空调冷机系统的水侧能效系数COP_sys；

可储能变化量计算子模块，用于计算预测的建筑材料可储能变化量ΔQ_est：

ΔQ_est＝-ΔQ_bui

${\mathrm{\ΔQ}}_{bui}\left(t\right)=\left\{\begin{array}{cc}{\mathrm{\ΔQ}}_{pre,c}\left(t\right),& t\∈\[0,t_c\]\\ {\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right),& t\∈\[0,t_d\]\end{array}\right.$

${\mathrm{\ΔQ}}_{pre,c}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{set,d}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,d}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{pre,d}\left(t\right)=-\mathrm{\α}\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1-e^{-\frac{t_c}{\mathrm{\τ}}})e^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}$

$\mathrm{\α}=\frac{R_{bui,o}}{R_{bui,i}}$

其中，ΔQ_bui为实际的建筑材料可储能变化量，ΔQ_pre，c(t)为“预冷”策略的蓄能变化量，ΔQ_set，d(t)为“温度重设”策略的放能变化量，ΔQ_pre，d(t)为“预冷”策略的放能变化量，ΔT_in，c为储能时期，ΔT_in，d为放能时期，t_c为储能时间，t_d为放能时间；

参数计算子模块，用于计算建筑可减少的用电量ΔP_e(t)、建筑有效储能容量E_bui及建筑有效储能热容η_bui：

${\mathrm{\ΔP}}_e\left(t\right)=\frac{{\mathrm{\ΔQ}}_{est}\left(t\right)}{{\mathrm{COP}}_{sys}}=\left\{\begin{array}{cc}-\frac{{\mathrm{\ΔQ}}_{pre,c}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_c\]\\ -\frac{{\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_d\]\end{array}\right.$

$E_{bui}=\frac{{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt}{{\mathrm{COP}}_{sys}}=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i}){\mathrm{COP}}_{sys}}\[t_c+\mathrm{\α}\mathrm{\τ}(1-e^{-\frac{t_c}{\mathrm{\τ}}})\]A_{bui}$

${\mathrm{\η}}_{bui}=\left|\frac{{\∫}_0^{t_d}{\mathrm{\ΔQ}}_{pre,d}\left(t\right)dt}{{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt}\right|=\frac{(1-e^{-\frac{t_c}{\mathrm{\τ}}})(1-e^{-\frac{t_d}{\mathrm{\τ}}})}{(1-e^{-\frac{t_c}{\mathrm{\τ}}})+\frac{t_c}{\mathrm{\α}\mathrm{\τ}}};$

开关控制子模块，用于根据实时测得的空调冷机系统的运行功率P与所述建筑可减少的用电量ΔP_e(t)进行比较，当建筑可减少的用电量ΔP_e(t)大于所述空调冷机系统的运行功率P时，关闭所述空调冷机系统的电网响应开关，经过所述放能时间t_d后，开启已关闭的所述空调冷机系统的电网响应开关。

上述公开的一种空调冷机的电网响应方法及装置具有以下有益效果：在硬件设备操作上极其简单易用且有效，同时只需要在软件上进行提前预测及控制预设，在响应时间上大大降低，从原来超过半小时的响应时间缩减到秒级。

附图说明

图1为本发明提供的一种空调冷机的电网响应方法的流程图；

图2为本发明提供的热物理模型的结构示意图；

图3为本发明提供的一种空调冷机的电网响应装置的框图；

图4a为传统的空调冷机的电网响应时间的坐标图；

图4b为本发明提供的空调冷机的电网响应时间的坐标图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明提供一种空调冷机的电网响应方法及装置，其目的在于，通过预测建筑冷负荷可改变量及室内温度变化，快速关闭某些制冷机或快速降档某些制冷机功耗，实现在电力需求侧快速响应电网，配合电网的一次调频，减少电网在电力供需不平衡时昂贵的一次调频成本，分享整体节能利益。本发明通过快速的电力需求侧响应协助电网实现安全，可靠，高效，调度和运行的同时，保证建筑室内热舒适性，成功有效利用了中央空调系统的用电冗余做为电网的“储备电力”。

参见图1，图1为本发明提供的一种空调冷机的电网响应方法的流程图，该电网响应方法包括以下步骤：

S1、计算建筑外部得热量及建筑内部得热量；该步骤S1包括以下子步骤：

S11、采集室外气象参数，所述气象参数包括建筑材料等效初始温度建筑外部得热等效初始温度T_ext、建筑室内干球温度T_in及建筑室外干球温度T_out，并获取建筑内部的等效热阻R_bui，i、建筑外部的等效热阻R_bui，o、建筑材料时间常数τ、建筑有效的等效换热面A_bui、建筑外表面和内表面的辐射得热量Q_rad；此外，还可采集如温度，湿度，光照，风速等参数。

S12、计算建筑外部得热量Q_bui(t)：

$Q_{bui}\left(t\right)=\frac{\[T_{ext}-{\stackrel{\‾}{T}}_{bui}\left(0\right)\]}{R_{bui,i}}{e}^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}+\frac{T_{in}-T_{out}}{(R_{bui,o}+R_{bui,i})}{A}_{bui}-\frac{Q_{rad}{R}_{bui}}{R_{bui,i}};$

S13、统计所述建筑内部热量参数：建筑内部的对流换热量Q_conv、建筑内部的新风显热量Q_fr及建筑内部的潜热量Q_la；此外，还可统计如人员数量/密度，人工采光强度，显热得热，潜热得热等，作息时间，节假日等参数。

S14、计算所述建筑内部得热量Q_in：

Q_in＝Q_conv+Q_fr+Q_la。

S2、依据所述建筑外部得热量及建筑内部得热量获取建筑的热物理模型参数，建立建筑热物理模型；该步骤S2包括以下子步骤：

S21、获取所述建筑的热物理模型参数，所述热物理模型参数包括建筑储能热容C_bui及建筑材料等效温度此外，热物理模型参数还包括纬度，朝向，楼层面积，层高，层数，外墙结构，混凝土材料，窗墙面积比，窗户玻璃传热系数等参数，所述建筑储能热容C_bui及建筑材料等效温度的计算模型为：

${\stackrel{\‾}{T}}_{bui}\left(t\right)=T_{ext}(1-e^{-\frac{t}{\mathrm{\τ}}})+{\stackrel{\‾}{T}}_{bui}\left(0\right)e^{-\frac{t}{\mathrm{\τ}}}$

$T_{ext}=(\frac{T_{out}}{R_{bui,o}}+\frac{T_{in}}{R_{bui,i}}+\frac{Q_{rad}}{A_{bui}})R_{bui}$

τ＝R_buiC_bui

$R_{bui}=\frac{R_{bui,o}{R}_{bui,i}}{R_{bui,o}+R_{bui,i}}$

S22、建立建筑热物理模型，该建筑热物理模型参见图2，图2为本发明提供的热物理模型的结构示意图：

$C_{bui}\frac{d{\stackrel{\‾}{T}}_{bui}\left(t\right)}{dt}{A}_{bui}=\frac{T_{out}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,o}}{A}_{bui}+\frac{T_{in}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,i}}{A}_{bui}+Q_{rad}.$

S3、采集预设时间内空调冷机系统的运行数据，预设时间一般为一到两个星期，依据遗传算法对所述建筑热物理模型进行训练，建立灰箱模型并预测建筑冷负荷；该步骤S3包括以下子步骤：

S31、采集预设时间内空调冷机系统的运行数据以获取建筑实际冷负荷；

S32、依据遗传算法及所述建筑实际冷负荷对所述建筑热物理模型进行训练，以确定如下参数：建筑室内空气热容C_in及建筑室内等效面积A_in；

S32、建立灰箱模型：

$Q_{est}=Q_{conv}+Q_{fr}+Q_{la}-Q_{bui}\left(t\right)-C_{in}\frac{{\mathrm{dT}}_{in}}{dt}{A}_{in};$

从而预测所述建筑冷负荷Q_est。

S4、依据所述建筑热物理模型及所述建筑冷负荷控制所述空调冷机系统的电网响应开关。该步骤S4包括以下子步骤：

S41、获取所述空调冷机系统的水侧能效系数COP_sys；

S42、计算预测的建筑材料可储能变化量ΔQ_est：

ΔQ_est＝-ΔQ_bui

${\mathrm{\ΔQ}}_{bui}\left(t\right)=\left\{\begin{array}{cc}{\mathrm{\ΔQ}}_{pre,c}\left(t\right),& t\∈\[0,t_c\]\\ {\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right),& t\∈\[0,t_d\]\end{array}\right.$

${\mathrm{\ΔQ}}_{pre,c}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{set,d}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,d}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{pre,d}\left(t\right)=-\mathrm{\α}\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1-e^{-\frac{t_c}{\mathrm{\τ}}})e^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}$

$\mathrm{\α}=\frac{R_{bui,o}}{R_{bui,i}}$

其中，ΔQ_bui为实际的建筑材料可储能变化量，ΔQ_pre，c(t)为“预冷”策略的蓄能变化量，ΔQ_set，d(t)为“温度重设”策略的放能变化量，ΔQ_pre，d(t)为“预冷”策略的放能变化量，ΔT_in，c为储能时期，ΔT_in，d为放能时期，t_c为储能时间，t_d为放能时间；

S43、计算建筑可减少的用电量ΔP_e(t)、建筑有效储能容量E_bui及建筑有效储能热容η_bui：

${\mathrm{\ΔP}}_e\left(t\right)=\frac{{\mathrm{\ΔQ}}_{est}\left(t\right)}{{\mathrm{COP}}_{sys}}=\left\{\begin{array}{cc}-\frac{{\mathrm{\ΔQ}}_{pre,c}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_c\]\\ -\frac{{\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_d\]\end{array}\right.$

$E_{bui}=\frac{{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt}{{\mathrm{COP}}_{sys}}=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i}){\mathrm{COP}}_{sys}}\[t_c+\mathrm{\α}\mathrm{\τ}(1-e^{-\frac{t_c}{\mathrm{\τ}}})\]A_{bui}$

${\mathrm{\η}}_{bui}=\left|\frac{{\∫}_0^{t_d}{\mathrm{\ΔQ}}_{pre,d}\left(t\right)dt}{{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt}\right|=\frac{(1-e^{-\frac{t_c}{\mathrm{\τ}}})(1-e^{-\frac{t_d}{\mathrm{\τ}}})}{(1-e^{-\frac{t_c}{\mathrm{\τ}}})+\frac{t_c}{\mathrm{\α}\mathrm{\τ}}};$

S44、根据实时测得的空调冷机系统的运行功率P与所述建筑可减少的用电量ΔP_e(t)进行比较，当建筑可减少的用电量ΔP_e(t)大于所述空调冷机系统的运行功率P时，关闭所述空调冷机系统的电网响应开关，经过所述放能时间t_d后，开启已关闭的所述空调冷机系统的电网响应开关。

参见图3，图3为本发明提供的一种空调冷机的电网响应装置100的框图，该电网响应装置100包括：

得热量计算模块1，用于计算建筑外部得热量及建筑内部得热量；

模型建立模块2，用于依据所述建筑外部得热量及建筑内部得热量获取建筑的热物理模型参数，建立建筑热物理模型；

训练模块3，用于采集预设时间内空调冷机系统的运行数据，依据遗传算法对所述建筑热物理模型进行训练，建立灰箱模型并预测建筑冷负荷；

电网响应模块4，用于依据所述建筑热物理模型及所述建筑冷负荷控制所述空调冷机系统的电网响应开关。

进一步的，所述得热量计算模块1包括：

气象参数采集子模块，用于采集室外气象参数，所述气象参数包括建筑材料等效初始温度建筑外部得热等效初始温度T_ext、建筑室内干球温度T_in及建筑室外干球温度T_out，并获取建筑内部的等效热阻R_bui，i、建筑外部的等效热阻R_bui，o、建筑材料时间常数τ、建筑有效的等效换热面A_bui、建筑外表面和内表面的辐射得热量Q_rad；

外部得热量计算子模块，用于计算建筑外部得热量Q_bui(t)：

$Q_{bui}\left(t\right)=\frac{\[T_{ext}-{\stackrel{\‾}{T}}_{bui}\left(0\right)\]}{R_{bui,i}}{e}^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}+\frac{T_{in}-T_{out}}{(R_{bui,o}+R_{bui,i})}{A}_{bui}-\frac{Q_{rad}{R}_{bui}}{R_{bui,i}};$

内部热量参数统计子模块，用于统计所述建筑内部热量参数：建筑内部的对流换热量Q_conv、建筑内部的新风显热量Q_fr及建筑内部的潜热量Q_la；

内部得热量计算子模块，用于计算所述建筑内部得热量Q_in：

Q_in＝Q_conv+Q_fr+Q_la。

进一步的，所述模型建立模块2包括：

模型参数获取子模块，用于获取所述建筑的热物理模型参数，所述热物理模型参数包括建筑储能热容C_bui及建筑材料等效温度所述建筑储能热容C_bui及建筑材料等效温度的计算模型为：

${\stackrel{\‾}{T}}_{bui}\left(t\right)=T_{ext}(1-e^{-\frac{t}{\mathrm{\τ}}})+{\stackrel{\‾}{T}}_{bui}\left(0\right)e^{-\frac{t}{\mathrm{\τ}}}$

$T_{ext}=(\frac{T_{out}}{R_{bui,o}}+\frac{T_{in}}{R_{bui,i}}+\frac{Q_{rad}}{A_{bui}})R_{bui}$

τ＝R_buiC_bui

$R_{bui}=\frac{R_{bui,o}{R}_{bui,i}}{R_{bui,o}+R_{bui,i}}$

物理模型建立子模块，用于建立建筑热物理模型：

$C_{bui}\frac{d{\stackrel{\‾}{T}}_{bui}\left(t\right)}{dt}{A}_{bui}=\frac{T_{out}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,o}}{A}_{bui}+\frac{T_{in}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,i}}{A}_{bui}+Q_{rad}.$

进一步的，所述训练模块3包括：

数据采集子模块，用于采集预设时间内空调冷机系统的运行数据以获取建筑实际冷负荷；

模型训练子模块，用于依据遗传算法及所述建筑实际冷负荷对所述建筑热物理模型进行训练，以确定如下参数：建筑室内空气热容C_in及建筑室内等效面积A_in；

灰箱模型建立子模块，用于建立灰箱模型：

$Q_{est}=Q_{conv}+Q_{fr}+Q_{la}-Q_{bui}\left(t\right)-C_{in}\frac{{\mathrm{dT}}_{in}}{dt}{A}_{in};$

从而预测所述建筑冷负荷Q_est。

进一步的，所述电网响应模块4包括：

水侧能效系数获取子模块，用于获取所述空调冷机系统的水侧能效系数COP_sys；

可储能变化量计算子模块，用于计算预测的建筑材料可储能变化量ΔQ_est：

ΔQ_est＝-ΔQ_bui

${\mathrm{\ΔQ}}_{bui}\left(t\right)=\left\{\begin{array}{cc}{\mathrm{\ΔQ}}_{pre,c}\left(t\right),& t\∈\[0,t_c\]\\ {\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right),& t\∈\[0,t_d\]\end{array}\right.$

${\mathrm{\ΔQ}}_{pre,c}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{set,d}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,d}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{pre,d}\left(t\right)=-\mathrm{\α}\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1-e^{-\frac{t_c}{\mathrm{\τ}}})e^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}$

$\mathrm{\α}=\frac{R_{bui,o}}{R_{bui,i}}$

其中，ΔQ_bui为实际的建筑材料可储能变化量，ΔQ_pre，c(t)为“预冷”策略的蓄能变化量，ΔQ_set，d(t)为“温度重设”策略的放能变化量，ΔQ_pre，d(t)为“预冷”策略的放能变化量，ΔT_in，c为储能时期，ΔT_in，d为放能时期，t_c为储能时间，t_d为放能时间；

参数计算子模块，用于计算建筑可减少的用电量ΔP_e(t)、建筑有效储能容量E_bui及建筑有效储能热容η_bui：

${\mathrm{\ΔP}}_e\left(t\right)=\frac{{\mathrm{\ΔQ}}_{est}\left(t\right)}{{\mathrm{COP}}_{sys}}=\left\{\begin{array}{cc}-\frac{{\mathrm{\ΔQ}}_{pre,c}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_c\]\\ -\frac{{\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_d\]\end{array}\right.$

$E_{bui}=\frac{{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt}{{\mathrm{COP}}_{sys}}=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i}){\mathrm{COP}}_{sys}}\[t_c+\mathrm{\α}\mathrm{\τ}(1-e^{-\frac{t_c}{\mathrm{\τ}}})\]A_{bui}$

${\mathrm{\η}}_{bui}=\left|\frac{{\∫}_0^{t_d}{\mathrm{\ΔQ}}_{pre,d}\left(t\right)dt}{{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt}\right|=\frac{(1-e^{-\frac{t_c}{\mathrm{\τ}}})(1-e^{-\frac{t_d}{\mathrm{\τ}}})}{(1-e^{-\frac{t_c}{\mathrm{\τ}}})+\frac{t_c}{\mathrm{\α}\mathrm{\τ}}};$

开关控制子模块，用于根据实时测得的空调冷机系统的运行功率P与所述建筑可减少的用电量ΔP_e(t)进行比较，当建筑可减少的用电量ΔP_e(t)大于所述空调冷机系统的运行功率P时，关闭所述空调冷机系统的电网响应开关，经过所述放能时间t_d后，开启已关闭的所述空调冷机系统的电网响应开关。

本发明相较于传统的建筑电力需求侧响应方法，在硬件设备操作上极其简单易用且有效，同时，只需要在软件上进行提前预测及控制预设，大大减少了响应时间，从原来超过半小时的响应时间缩减到秒级。具体对比，可参见图4a和图4b，可以看出，本发明较传统的响应时间大大减小。在电力需求响应过后，本发明由于提前做出了室内温度变化的预测和判断，中央空调系统在响应期间，其供冷量比原来的供冷量少，但是在响应期过后，制冷机组重新开启或高负荷运行，终端用户在此过程中察觉不到空调系统所产生的供冷量的变化。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种空调冷机的电网响应方法，其特征在于，包括：

计算建筑外部得热量及建筑内部得热量；

依据所述建筑外部得热量及建筑内部得热量获取建筑的热物理模型参数，建立建筑热物理模型；

采集预设时间内空调冷机系统的运行数据，依据遗传算法对所述建筑热物理模型进行训练，建立灰箱模型并预测建筑冷负荷；

依据所述建筑热物理模型及所述建筑冷负荷控制所述空调冷机系统的电网响应开关。

2.根据权利要求1所述的电网响应方法，其特征在于，所述计算建筑外部得热量及建筑内部得热量的步骤包括：

采集室外气象参数，所述气象参数包括建筑材料等效初始温度建筑外部得热等效初始温度T_ext、建筑室内干球温度T_in及建筑室外干球温度T_out，并获取建筑内部的等效热阻R_bui，i、建筑外部的等效热阻R_bui，o、建筑材料时间常数τ、建筑有效的等效换热面A_bui、建筑外表面和内表面的辐射得热量Q_rad；

计算建筑外部得热量Q_bui(t)：

$Q_{bui}\left(t\right)=\frac{\[T_{ext}-{\stackrel{\‾}{T}}_{bui}\left(0\right)\]}{R_{bui,i}}{e}^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}+\frac{T_{in}-T_{out}}{(R_{bui,o}+R_{bui,i})}{A}_{bui}-\frac{Q_{rad}{R}_{bui}}{R_{bui,i}};$

统计所述建筑内部热量参数：建筑内部的对流换热量Q_conv、建筑内部的新风显热量Q_fr及建筑内部的潜热量Q_la；

计算所述建筑内部得热量Q_in：

Q_in＝Q_conv+Q_fr+Q_la。

3.根据权利要求2所述的控制电网响应方法，其特征在于，所述依据所述建筑外部得热量及建筑内部得热量获取建筑的热物理模型参数，建立建筑热物理模型的步骤包括：

获取所述建筑的热物理模型参数，所述热物理模型参数包括建筑储能热容C_bui及建筑材料等效温度所述建筑储能热容C_bui及建筑材料等效温度的计算模型为：

${\stackrel{\‾}{T}}_{bui}\left(t\right)=T_{ext}(1-e^{-\frac{t}{\mathrm{\τ}}})+{\stackrel{\‾}{T}}_{bui}\left(0\right)e^{-\frac{t}{\mathrm{\τ}}}$

$T_{ext}=(\frac{T_{out}}{R_{bui,o}}+\frac{T_{in}}{R_{bui,i}}+\frac{Q_{rad}}{A_{bui}})R_{bui}$

τ＝R_buiC_bui

$R_{bui}=\frac{R_{bui,o}{R}_{bui,i}}{R_{bui,o}+R_{bui,i}}$

建立建筑热物理模型：

$C_{bui}=\frac{d{\stackrel{\‾}{T}}_{bui}\left(t\right)}{dt}{A}_{bui}=\frac{T_{out}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,o}}{A}_{bui}+\frac{T_{in}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,i}}{A}_{bui}+Q_{rad}.$

4.根据权利要求3所述的控制电网响应方法，其特征在于，采集预设时间内空调冷机系统的运行数据，依据遗传算法对所述建筑热物理模型进行训练，建立灰箱模型并预测建筑冷负荷的步骤包括：

采集预设时间内空调冷机系统的运行数据以获取建筑实际冷负荷；

依据遗传算法及所述建筑实际冷负荷对所述建筑热物理模型进行训练，以确定如下参数：建筑室内空气热容C_in及建筑室内等效面积A_in；

建立灰箱模型：

$Q_{est}=Q_{conv}+Q_{fr}+Q_{la}-Q_{bui}\left(t\right)-C_{in}\frac{{\mathrm{dT}}_{in}}{dt}{A}_{in};$

从而预测所述建筑冷负荷Q_est。

5.根据权利要求4所述的控制电网响应方法，其特征在于，所述依据所述建筑热物理模型及所述建筑冷负荷控制所述空调冷机系统的电网响应开关的步骤包括：

获取所述空调冷机系统的水侧能效系数COP_sys；

计算预测的建筑材料可储能变化量ΔQ_est：

ΔQ_est＝-ΔQ_bui

${\mathrm{\ΔQ}}_{bui}\left(t\right)=\left\{\begin{array}{cc}{\mathrm{\ΔQ}}_{pre,c}\left(t\right),& t\∈\[0,t_c\]\\ {\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right),& t\∈\[0,t_d\]\end{array}\right.$

${\mathrm{\ΔQ}}_{pre,c}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{set,d}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,d}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{pre,d}\left(t\right)=-\mathrm{\α}\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1-e^{-\frac{t_c}{\mathrm{\τ}}})e^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}$

$\mathrm{\α}=\frac{R_{bui,o}}{R_{bui,i}}$

其中，ΔQ_bui为实际的建筑材料可储能变化量，ΔQ_pre，c(t)为“预冷”策略的蓄能变化量，ΔQ_set，d(t)为“温度重设”策略的放能变化量，ΔQ_pre，d(t)为“预冷”策略的放能变化量，ΔT_in，c为储能时期，ΔT_in，d为放能时期，t_c为储能时间，t_d为放能时间；

计算建筑可减少的用电量ΔP_e(t)、建筑有效储能容量E_bui及建筑有效储能热容η_bui：

${\mathrm{\ΔP}}_e\left(t\right)=\frac{{\mathrm{\ΔQ}}_{est}\left(t\right)}{{\mathrm{COP}}_{sys}}=\left\{\begin{array}{cc}-\frac{{\mathrm{\ΔQ}}_{pre,c}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_c\]\\ -\frac{{\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_d\]\end{array}\right.$

$E_{bui}=\frac{{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt}{{\mathrm{COP}}_{sys}}=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i}){\mathrm{COP}}_{sys}}\[t_c+\mathrm{\α}\mathrm{\τ}(1-e^{-\frac{t_c}{\mathrm{\τ}}})\]A_{bui}$

${\mathrm{\η}}_{bui}=\frac{\left|{\∫}_0^{t_d}{\mathrm{\ΔQ}}_{pre,d}\left(t\right)dt\right|}{\left|{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt\right|}=\frac{(1-e^{-\frac{t_c}{\mathrm{\τ}}})(1-e^{-\frac{t_d}{\mathrm{\τ}}})}{(1-e^{-\frac{t_c}{\mathrm{\τ}}})+\frac{t_c}{\mathrm{\α}\mathrm{\τ}}};$

根据实时测得的空调冷机系统的运行功率P与所述建筑可减少的用电量ΔP_e(t)进行比较，当建筑可减少的用电量ΔP_e(t)大于所述空调冷机系统的运行功率P时，关闭所述空调冷机系统的电网响应开关，经过所述放能时间t_d后，开启已关闭的所述空调冷机系统的电网响应开关。

6.一种空调冷机的电网响应装置，其特征在于，包括：

得热量计算模块，用于计算建筑外部得热量及建筑内部得热量；

模型建立模块，用于依据所述建筑外部得热量及建筑内部得热量获取建筑的热物理模型参数，建立建筑热物理模型；

训练模块，用于采集预设时间内空调冷机系统的运行数据，依据遗传算法对所述建筑热物理模型进行训练，建立灰箱模型并预测建筑冷负荷；

电网响应模块，用于依据所述建筑热物理模型及所述建筑冷负荷控制所述空调冷机系统的电网响应开关。

7.根据权利要求6所述的电网响应装置，其特征在于，所述得热量计算模块包括：

气象参数采集子模块，用于采集室外气象参数，所述气象参数包括建筑材料等效初始温度建筑外部得热等效初始温度T_ext、建筑室内干球温度T_in及建筑室外干球温度T_out，并获取建筑内部的等效热阻R_bui，i、建筑外部的等效热阻R_bui，o、建筑材料时间常数τ、建筑有效的等效换热面A_bui、建筑外表面和内表面的辐射得热量Q_rad；

外部得热量计算子模块，用于计算建筑外部得热量Q_bui(t)：

$Q_{bui}\left(t\right)=\frac{\[T_{ext}-{\stackrel{\‾}{T}}_{bui}\left(0\right)\]}{R_{bui,i}}{e}^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}+\frac{T_{in}-T_{out}}{(R_{bui,o}+R_{bui,i})}{A}_{bui}-\frac{Q_{rad}{R}_{bui}}{R_{bui,i}};$

内部热量参数统计子模块，用于统计所述建筑内部热量参数：建筑内部的对流换热量Q_conv、建筑内部的新风显热量Q_fr及建筑内部的潜热量Q_la；

内部得热量计算子模块，用于计算所述建筑内部得热量Q_in：

Q_in＝Q_conv+Q_fr+Q_la。

8.根据权利要求7所述的控制电网响应装置，其特征在于，所述模型建立模块包括：

模型参数获取子模块，用于获取所述建筑的热物理模型参数，所述热物理模型参数包括建筑储能热容C_bui及建筑材料等效温度所述建筑储能热容C_bui及建筑材料等效温度的计算模型为：

${\stackrel{\‾}{T}}_{bui}\left(t\right)=T_{ext}(1-e^{-\frac{t}{\mathrm{\τ}}})+{\stackrel{\‾}{T}}_{bui}\left(0\right)e^{-\frac{t}{\mathrm{\τ}}}$

$T_{ext}=(\frac{T_{out}}{R_{bui,o}}+\frac{T_{in}}{R_{bui,i}}+\frac{Q_{rad}}{A_{bui}})R_{bui}$

τ＝R_buiC_bui

$R_{bui}=\frac{R_{bui,o}{R}_{bui,i}}{R_{bui,o}+R_{bui,i}}$

物理模型建立子模块，用于建立建筑热物理模型：

$C_{bui}=\frac{d{\stackrel{\‾}{T}}_{bui}\left(t\right)}{dt}{A}_{bui}=\frac{T_{out}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,o}}{A}_{bui}+\frac{T_{in}-{\stackrel{\‾}{T}}_{bui}\left(t\right)}{R_{bui,i}}{A}_{bui}+Q_{rad}.$

9.根据权利要求8所述的控制电网响应装置，其特征在于，所述训练模块包括：

数据采集子模块，用于采集预设时间内空调冷机系统的运行数据以获取建筑实际冷负荷；

模型训练子模块，用于依据遗传算法及所述建筑实际冷负荷对所述建筑热物理模型进行训练，以确定如下参数：建筑室内空气热容C_in及建筑室内等效面积A_in；

灰箱模型建立子模块，用于建立灰箱模型：

$Q_{est}=Q_{conv}+Q_{fr}+Q_{la}-Q_{bui}\left(t\right)-C_{in}\frac{{\mathrm{dT}}_{in}}{dt}{A}_{in};$

从而预测所述建筑冷负荷Q_est。

10.根据权利要求9所述的控制电网响应装置，其特征在于，所述电网响应模块包括：

水侧能效系数获取子模块，用于获取所述空调冷机系统的水侧能效系数COP_sys；

可储能变化量计算子模块，用于计算预测的建筑材料可储能变化量ΔQ_est：

ΔQ_est＝-ΔQ_bui

${\mathrm{\ΔQ}}_{bui}\left(t\right)=\left\{\begin{array}{cc}{\mathrm{\ΔQ}}_{pre,c}\left(t\right),& t\∈\[0,t_c\]\\ {\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right),& t\∈\[0,t_d\]\end{array}\right.$

${\mathrm{\ΔQ}}_{pre,c}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{set,d}\left(t\right)=\frac{{\mathrm{\ΔT}}_{in,d}}{(R_{bui,o}+R_{bui,i})}(1+{\mathrm{\αe}}^{-\frac{t}{\mathrm{\τ}}})A_{bui}$

${\mathrm{\ΔQ}}_{pre,d}\left(t\right)=-\mathrm{\α}\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i})}(1-e^{-\frac{t_c}{\mathrm{\τ}}})e^{-\frac{t}{\mathrm{\τ}}}{A}_{bui}$

$\mathrm{\α}=\frac{R_{bui,o}}{R_{bui,i}}$

其中，ΔQ_bui为实际的建筑材料可储能变化量，ΔQ_pre，c(t)为“预冷”策略的蓄能变化量，ΔQ_set，d(t)为“温度重设”策略的放能变化量，ΔQ_pre，d(t)为“预冷”策略的放能变化量，ΔT_in，c为储能时期，ΔT_in，d为放能时期，t_c为储能时间，t_d为放能时间；

参数计算子模块，用于计算建筑可减少的用电量ΔP_e(t)、建筑有效储能容量E_bui及建筑有效储能热容η_bui：

${\mathrm{\ΔP}}_e\left(t\right)=\frac{{\mathrm{\ΔQ}}_{est}\left(t\right)}{{\mathrm{COP}}_{sys}}=\left\{\begin{array}{cc}-\frac{{\mathrm{\ΔQ}}_{pre,c}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_c\]\\ -\frac{{\mathrm{\ΔQ}}_{pre,d}\left(t\right)+{\mathrm{\ΔQ}}_{set,d}\left(t\right)}{{\mathrm{COP}}_{sys}},& t\∈\[0,t_d\]\end{array}\right.$

$E_{bui}=\frac{{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt}{{\mathrm{COP}}_{sys}}=\frac{{\mathrm{\ΔT}}_{in,c}}{(R_{bui,o}+R_{bui,i}){\mathrm{COP}}_{sys}}\[t_c+\mathrm{\α}\mathrm{\τ}(1-e^{-\frac{t_c}{\mathrm{\τ}}})\]A_{bui}$

${\mathrm{\η}}_{bui}=\frac{\left|{\∫}_0^{t_d}{\mathrm{\ΔQ}}_{pre,d}\left(t\right)dt\right|}{\left|{\∫}_0^{t_c}{\mathrm{\ΔQ}}_{pre,c}\left(t\right)dt\right|}=\frac{(1-e^{-\frac{t_c}{\mathrm{\τ}}})(1-e^{-\frac{t_d}{\mathrm{\τ}}})}{(1-e^{-\frac{t_c}{\mathrm{\τ}}})+\frac{t_c}{\mathrm{\α}\mathrm{\τ}}};$

开关控制子模块，用于根据实时测得的空调冷机系统的运行功率P与所述建筑可减少的用电量ΔP_e(t)进行比较，当建筑可减少的用电量ΔP_e(t)大于所述空调冷机系统的运行功率P时，关闭所述空调冷机系统的电网响应开关，经过所述放能时间t_d后，开启已关闭的所述空调冷机系统的电网响应开关。