CN106451474B - 规模化空调负荷参与电网调峰优化调度方法 - Google Patents

规模化空调负荷参与电网调峰优化调度方法 Download PDF

Info

Publication number
CN106451474B
CN106451474B CN201610990081.3A CN201610990081A CN106451474B CN 106451474 B CN106451474 B CN 106451474B CN 201610990081 A CN201610990081 A CN 201610990081A CN 106451474 B CN106451474 B CN 106451474B
Authority
CN
China
Prior art keywords
air conditioner
conditioner load
regulating units
indicate
virtual
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
CN201610990081.3A
Other languages
English (en)
Other versions
CN106451474A (zh
Inventor
李恒强
徐石明
陈璐
杨永标
黄莉
朱庆
霍现旭
赵洪磊
王旭东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Nari Technology Co Ltd
Nanjing NARI Group Corp
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Nari Technology Co Ltd
Nanjing NARI Group Corp
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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd, Nari Technology Co Ltd, Nanjing NARI Group Corp filed Critical State Grid Corp of China SGCC
Priority to CN201610990081.3A priority Critical patent/CN106451474B/zh
Publication of CN106451474A publication Critical patent/CN106451474A/zh
Application granted granted Critical
Publication of CN106451474B publication Critical patent/CN106451474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • H02J2310/12—The local stationary network supplying a household or a building
    • H02J2310/14—The load or loads being home appliances
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances
    • Y04S20/244—Home appliances the home appliances being or involving heating ventilating and air conditioning [HVAC] units

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种规模化空调负荷参与电网调峰优化调度方法，该方法在计及空调负荷本体运行特性基础上，建立单台空调负荷虚拟调峰机组模型，通过对模糊C均值聚类算法改进对所建立的空调负荷虚拟调峰机组进行聚合，基于此建立空调负荷虚拟调峰机组聚合层间及聚合层内部的优化调度模型，在充分发挥空调负荷调峰潜力的同时，有效降低了规模化空调负荷调度的复杂性，在不影响用户使用效果的前提下，利用规模化空调负荷调度有效解决电力尖峰时段的供电压力。

Description

规模化空调负荷参与电网调峰优化调度方法
技术领域
本发明涉及一种规模化空调负荷参与电网调峰优化调度方法，属于电力系统及其自动化领域。
背景技术
随着我国经济结构的逐渐转型升级，清洁能源的不断发展，我国电力结构正在发生深刻的变化。一方面常规发电机组年利用小时数下降，“弃风、弃光”甚至核电降功率运行，另一方面用电尖峰负荷不断攀升、屡创新高；同时，随着电网互联程度的不断提高，对于受端电网，本地电源调节能力非常有限。空调负荷作为主要降温负荷，据统计，在我国华中、华东、华南等地区高峰负荷中已占到30％左右，在北京、上海、广州、南京等局部地区已占到50％左右，这一占比保持逐年增长的态势，而空调负荷在峰荷时段的年利用小时数仅有数百小时，为电网的安全稳定经济运行带来了严峻的挑战。
智能电网的不断发展、需求侧管理技术的不断提升，空调负荷的调控技术不断成熟，调控手段更加灵活多样，对用户舒适度的影响越来越小。将规模化空调负荷进行统一调度，以解决电网夏季尖峰时段的电力紧缺，延缓电厂建设，已成为电力部门面临的重要课题。然而，现有技术主要针对空调负荷本体的调控技术，对于规模化空调负荷的调度技术研究非常欠缺。设计一种适用于规模化空调负荷参与电网调峰的优化调度方法，使其得到广泛的应用，是推动规模化空调负荷参与电网调峰的重要发展方向。
发明内容
为了解决上述技术问题，本发明提供了一种规模化空调负荷参与电网调峰优化调度方法。
为了达到上述目的，本发明所采用的技术方案是：
规模化空调负荷参与电网调峰优化调度方法，包括以下步骤，
步骤1，计及空调负荷本体运行特性，建立适用于电网调峰的空调负荷虚拟调峰机组模型；
步骤2，进行空调虚拟调峰机组的聚合；
步骤3，建立空调负荷虚拟调峰机组聚合层可调度容量及出力成本评估模型；
步骤4，空调负荷虚拟调峰机组聚合层间调峰容量分解；
步骤5，空调负荷虚拟调峰机组聚合层内优化调度。
用于电网调峰的空调负荷虚拟调峰机组模型为，
ACVPG＝{C(t),C(t,max),C(t,min),ρ(C(t)),Dmin,Dmax,IN}
其中，ACVPG表示空调负荷虚拟调峰机组，C(t)表示t时段空调负荷虚拟调峰机组出力，C(t,max)表示t时段空调负荷虚拟调峰机组出力上限，C(t,min)表示t时段空调负荷虚拟调峰机组出力下限，ρ(C(t))表示t时段空调负荷虚拟调峰机组出力成本，Dmin表示空调负荷虚拟调峰机组最小调度持续时长，Dmax表示空调负荷虚拟调峰机组最大调度持续时长，IN表示t时段空调负荷虚拟调峰机组最小调度间隔。
步骤1具体包括，
1.1)建立空调负荷等效热参数模型；
其中，Ca表示建筑物等效热容，Ga表示建筑物等效热导，Ta(t)表示t时段室内温度，To(t)表示t时段室外温度，Qh(t)表示t时段空调制冷量，Qm(t)表示t时段室内人员及设备所散发的热量，Qs(t)表示t时段进入房间的太阳辐射热量；
1.2)建立空调负荷虚拟调峰机组出力模型；
其中，表示空调负荷调控前基线功率，Pair(t)表示空调负荷调控后实际功率；
1.3)建立空调负荷虚拟调峰机组出力上下限模型；
空调负荷温度设定为约定最高值，最大降负荷量为空调负荷虚拟调峰机组出力上限，出力下限为0；
式中：表示空调负荷温度设定最高值并对空调运行参数优化后的总功耗；
1.4)建立空调负荷虚拟调峰机组出力成本模型；
其中，ki′表示空调负荷虚拟调峰机组出力成本系数，i′表示C(t)的次数；
1.5)建立空调负荷虚拟调峰机组最小调度持续时长模型；
Dmin＝ton+tg
其中，ton为空调负荷最小在线时长，tg为用户附加最小调度时长；
1.6)建立空调负荷虚拟调峰机组最大调度持续时长模型；
对空调负荷进行调控后，室温上升到温度区间最大值的时长与人体对最高室温的忍耐时长之和，即为空调负荷虚拟调峰机组最大可调度持续时长；
Dmax＝Δt+Δt′
式中，Δt表示室温上升到温度区间最大值的时长，Δt′表示人体对温度区间最大值的忍耐时长，表示空调调控前的设定温度；
1.7)建立空调负荷虚拟调峰机组最小调度间隔模型；
调度后室温从温度区间最大值下降到温度区间最小值的时长为空调负荷虚拟调峰机组最小调度间隔；
基于改进模糊C均值聚类算法进行空调负荷虚拟调峰机组聚合，即通过对传统模糊C均值聚类算法进行改进后，利用改进的模糊C均值聚类算法对空调负荷虚拟调峰机组进行聚类分组；
具体过程为，
2.1)改进模糊C均值聚类算法初始化，即设定聚类中心搜索终止条件δ、迭代终止条件ξ，权重系数m′；
2.2)计算空调负荷虚拟调峰机组数据集X＝{x1,x2,…,xn}中所有数据点的密度指标；
其中，k表示密度指标计算次数，表示第k次计算中数据点xi的密度指标，xi∈X，ra表示数据点xi的邻域半径，l为整数，l∈[1,n]，l≠i，n为数据集中数据点的个数；
2.3)选出密度指标最大的数据点作为一个聚类中心，剔除该数据点后，计算剩余数据点的密度指标；
其中，表示第k-1次计算中数据点xi的密度指标，c表示聚类中心，表示第k-1次计算中选出的聚类中心的密度指标，表示第k-1次计算中选作聚类中心的数据点，rb表示密度指标减小的邻域半径；
2.4)判断是否成立，如果成立，则转至步骤2.5，如果不成立，则转至步骤2.3；
其中，表示第k次计算得到的聚类中心的密度指标，表示第1次计算得到的聚类中心的密度指标；
2.5)输出c个聚类中心；
2.6)计算空调负荷虚拟调峰机组调度特性指标初始隶属度矩阵U；
其中，uij为隶属度矩阵U中的元素，表示第j个数据属于第i个类的隶属度，j为整数，j∈[1,n]，dij＝||xj-vi||表示数据点xj与聚类中心vi间的欧式距离；
2.7)更新空调负荷虚拟调峰机组调度特性指标聚类中心，即根据数据点隶属度矩阵U更新聚类中心矢量V；
式中，vi为聚类中心矢量V元素，xj表示数据集中的数据点；
2.8)更新空调负荷虚拟调峰机组调度特性指标隶属度矩阵，即以更新后的聚类中心对隶属度矩阵进行更新；
2.9)判断终止条件||uij(k)-uij(k-1)||≤ξ是否成立，如果成立，则结束并输出结果；否则，依次重复步骤2.7和2.8；
其中，uij(k)表示第k次计算得到的第j个数据属于第i个类的隶属度值，uij(k-1)表示第k-1次计算得到的第j个数据属于第i个类的隶属度值。
空调负荷虚拟调峰机组聚合层可调度容量及出力成本评估模型为，
其中，C(g,max)表示空调负荷虚拟调峰机组聚合层g在调度时段的最大可调度容量，M表示空调负荷虚拟机组聚合层g聚合的空调负荷虚拟调峰机组台数，m为整数，m∈[1,M]，T调度总时段数，C(t,m)表示调度时段t第m台空调负荷虚拟调峰机组的出力，v(t,m)表示调度时段t第m台空调负荷虚拟调峰机组是否参与调峰标识，ρ(C(t,g))表示空调负荷虚拟调峰机组聚合层g在调度时段t的出力成本，ρ(C(t,m,max))表示调度时段t第m台空调负荷虚拟调峰机组最大出力时的出力成本，C(t,m,max)表示空调负荷虚拟调峰机组聚合层g在调度时段t的最大可调度容量。
建立空调负荷虚拟调峰机组聚合层可调度容量评估模型的过程为，
3.1)建立可调度容量评估目标函数；
3.2)明确评估约束条件；
具体包括：
空调负荷虚拟调峰机组出力约束；
C(t,m)≤C(t,m,max)
空调负荷虚拟调峰机组最大调度时长时长约束；
其中，为第m台空调负荷虚拟调峰机组调度初始时段已调度时长；
空调负荷虚拟调峰机组最小调度持续时长约束；
其中，表示第m台空调负荷虚拟调峰机组在调度初始时段必须被调度的连续时长；表示第m台空调负荷虚拟调峰机组所允许的最小调度持续时长；表示第m台空调负荷虚拟调峰机组在调度初始时段已被连续调度时长；
空调负荷虚拟调峰机组最小调度间隔约束；
其中，表示第m台空调负荷虚拟调峰机组在调度初始时段避免被调度的连续时长；表示第m台空调负荷虚拟调峰机组在调度初始时段未被调度的连续时长，k1、k2、k3、k4均为表示调度时段的中间变量，INm表示第m台空调负荷虚拟调峰机组最小调度间隔。
空调负荷虚拟调峰机组聚合层间调峰容量分解具体包括以下步骤，
4.1)建立空调负荷虚拟调峰机组聚合层间调峰容量分解目标函数
式中，Fp表示电网空调负荷调度总经济成本，g表示空调负荷虚拟调峰机组聚合层序号，G表示参与电网调峰的空调负荷虚拟调峰机组聚合层总数，C(t,g)表示t时段聚合层g的出力计划，Δt表示调度时段间隔；
4.2)明确调峰容量分解约束条件；
具体包括：
空调负荷虚拟调峰机组聚合层出力上下限约束；
0≤C(t,g)≤C(g,max)
式中，C(g,max)表示空调负荷虚拟调峰机组聚合层上报的最大可调度容量；
空调负荷虚拟调峰机组聚合层总体出力约束；
式中，P(t)表示时段t电网空调负荷削峰总容量需求。
空调负荷虚拟调峰机组聚合层内优化调度具体包括以下步骤，
5.1)建立空调负荷虚拟调峰机组聚合层内优化调度目标函数；
式中，Fa表示聚合层空调负荷调度总经济成本，C(t,m)表示调度时段t第m台空调负荷虚拟调峰机组出力，ΔC表示聚合层调峰偏差；
5.2)明确优化调度约束条件；
具体包括：
空调负荷虚拟调峰机组总体出力约束；
空调负荷虚拟调峰机组调度特性约束。
本发明所达到的有益效果：本发明在计及空调负荷本体运行特性基础上，建立单台空调负荷虚拟调峰机组模型，通过对模糊C均值聚类算法改进对所建立的空调负荷虚拟调峰机组进行聚合，基于此建立空调负荷虚拟调峰机组聚合层间及聚合层内部的优化调度模型，在充分发挥空调负荷调峰潜力的同时，有效降低了规模化空调负荷调度的复杂性，在不影响用户使用效果的前提下，利用规模化空调负荷调度有效解决电力尖峰时段的供电压力。
附图说明
图1为本发明的流程图。
图2为基于改进模糊C均值的空调负荷虚拟调峰机组聚合方法流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，规模化空调负荷参与电网调峰优化调度方法，包括以下步骤：
步骤1，计及空调负荷本体运行特性，建立适用于电网调峰的空调负荷虚拟调峰机组模型。
用于电网调峰的空调负荷虚拟调峰机组模型为，
ACVPG＝{C(t),C(t,max),C(t,min),ρ(C(t)),Dmin,Dmax,IN}
其中，ACVPG表示空调负荷虚拟调峰机组，C(t)表示t时段空调负荷虚拟调峰机组出力，C(t,max)表示t时段空调负荷虚拟调峰机组出力上限，C(t,min)表示t时段空调负荷虚拟调峰机组出力下限，ρ(C(t))表示t时段空调负荷虚拟调峰机组出力成本，Dmin表示空调负荷虚拟调峰机组最小调度持续时长，Dmax表示空调负荷虚拟调峰机组最大调度持续时长，IN表示t时段空调负荷虚拟调峰机组最小调度间隔。
具体过程如下：
1.1)建立空调负荷等效热参数模型；
其中，Ca表示建筑物等效热容，Ga表示建筑物等效热导，Ta(t)表示t时段室内温度，To(t)表示t时段室外温度，Qh(t)表示t时段空调制冷量，Qm(t)表示t时段室内人员及设备所散发的热量，Qs(t)表示t时段进入房间的太阳辐射热量；
1.2)建立空调负荷虚拟调峰机组出力模型；
其中，表示空调负荷调控前基线功率，Pair(t)表示空调负荷调控后实际功率；
1.3)建立空调负荷虚拟调峰机组出力上下限模型；
空调负荷温度设定为约定最高值，最大降负荷量为空调负荷虚拟调峰机组出力上限，出力下限为0；
式中：表示空调负荷温度设定最高值并对空调运行参数优化后的总功耗；
1.4)建立空调负荷虚拟调峰机组出力成本模型；
其中，ki′表示空调负荷虚拟调峰机组出力成本系数，i′表示C(t)的次数；
1.5)建立空调负荷虚拟调峰机组最小调度持续时长模型；
Dmin＝ton+tg
其中，ton为空调负荷最小在线时长，tg为用户附加最小调度时长；
1.6)建立空调负荷虚拟调峰机组最大调度持续时长模型；
对空调负荷进行调控后，室温上升到温度区间最大值的时长与人体对最高室温的忍耐时长之和，即为空调负荷虚拟调峰机组最大可调度持续时长；
Dmax＝Δt+Δt′
式中，Δt表示室温上升到温度区间最大值的时长，Δt′表示人体对温度区间最大值的忍耐时长，表示空调调控前的设定温度；
1.7)建立空调负荷虚拟调峰机组最小调度间隔模型；
调度后室温从温度区间最大值下降到温度区间最小值的时长为空调负荷虚拟调峰机组最小调度间隔；
步骤2，进行空调虚拟调峰机组的聚合。
基于改进模糊C均值聚类算法进行空调负荷虚拟调峰机组聚合，即通过对传统模糊C均值聚类算法进行改进后，利用改进的模糊C均值聚类算法对空调负荷虚拟调峰机组进行聚类分组。
如图2所示，具体过程如下：
2.1)改进模糊C均值聚类算法初始化，即设定聚类中心搜索终止条件δ、迭代终止条件ξ，权重系数m′；
2.2)计算空调负荷虚拟调峰机组数据集X＝{x1,x2,…,xn}中所有数据点的密度指标；
其中，k表示密度指标计算次数，表示第k次计算中数据点xi的密度指标，xi∈X，ra表示数据点xi的邻域半径，l为整数，l∈[1,n]，l≠i，n为数据集中数据点的个数；
2.3)选出密度指标最大的数据点作为一个聚类中心，剔除该数据点后，计算剩余数据点的密度指标；
其中，表示第k-1次计算中数据点xi的密度指标，c表示聚类中心，表示第k-1次计算中选出的聚类中心的密度指标，表示第k-1次计算中选作聚类中心的数据点，rb表示密度指标减小的邻域半径，通常rb＝1.5ra；
2.4)判断是否成立，如果成立，则转至步骤2.5，如果不成立，则转至步骤2.3；
其中，表示第k次计算得到的聚类中心的密度指标，表示第1次计算得到的聚类中心的密度指标；
2.5)输出c个聚类中心；
2.6)计算空调负荷虚拟调峰机组调度特性指标初始隶属度矩阵U；
其中，uij为隶属度矩阵U中的元素，表示第j个数据属于第i个类的隶属度，j为整数，j∈[1,n]，dij＝||xj-vi||表示数据点xj与聚类中心vi间的欧式距离；
2.7)更新空调负荷虚拟调峰机组调度特性指标聚类中心，即根据数据点隶属度矩阵U更新聚类中心矢量V；
式中，vi为聚类中心矢量V元素，xj表示数据集中的数据点；
2.8)更新空调负荷虚拟调峰机组调度特性指标隶属度矩阵，即以更新后的聚类中心对隶属度矩阵进行更新；
2.9)判断终止条件||uij(k)-uij(k-1)||≤ξ是否成立，如果成立，则结束并输出结果；否则，依次重复步骤2.7和2.8；
其中，uij(k)表示第k次计算得到的第j个数据属于第i个类的隶属度值，uij(k-1)表示第k-1次计算得到的第j个数据属于第i个类的隶属度值。
步骤3，建立空调负荷虚拟调峰机组聚合层可调度容量及出力成本评估模型；即每个空调负荷虚拟调峰机组聚合层根据聚类分组结果，对所聚合的空调负荷虚拟机组可调度容量及出力成本进行评估。
空调负荷虚拟调峰机组聚合层可调度容量及出力成本评估模型为，
其中，C(g,max)表示空调负荷虚拟调峰机组聚合层g在调度时段的最大可调度容量，M表示空调负荷虚拟机组聚合层g聚合的空调负荷虚拟调峰机组台数，m为整数，m∈[1,M]，T调度总时段数，C(t,m)表示调度时段t第m台空调负荷虚拟调峰机组的出力，v(t,m)表示调度时段t第m台空调负荷虚拟调峰机组是否参与调峰标识，ρ(C(t,g))表示空调负荷虚拟调峰机组聚合层g在调度时段t的出力成本，ρ(C(t,m,max))表示调度时段t第m台空调负荷虚拟调峰机组最大出力时的出力成本，C(t,m,max)表示空调负荷虚拟调峰机组聚合层g在调度时段t的最大可调度容量。
建立空调负荷虚拟调峰机组聚合层可调度容量评估模型的过程为：
3.1)建立可调度容量评估目标函数；即空调负荷虚拟调峰机组聚合层在参与电网调峰前以聚合层可调度容量最大、各调度时段出力平稳为目标来进行评估；
3.2)明确评估约束条件；即空调负荷虚拟调峰机组在评估可调度容量时，需要考虑空调负荷虚拟调峰机组的调度特性指标；
具体包括：
空调负荷虚拟调峰机组出力约束；
C(t,m)≤C(t,m,max)
空调负荷虚拟调峰机组最大调度时长时长约束；
其中，为第m台空调负荷虚拟调峰机组调度初始时段已调度时长；
空调负荷虚拟调峰机组最小调度持续时长约束；
其中，表示第m台空调负荷虚拟调峰机组在调度初始时段必须被调度的连续时长；表示第m台空调负荷虚拟调峰机组所允许的最小调度持续时长；表示第m台空调负荷虚拟调峰机组在调度初始时段已被连续调度时长；
空调负荷虚拟调峰机组最小调度间隔约束；
其中，表示第m台空调负荷虚拟调峰机组在调度初始时段避免被调度的连续时长；表示第m台空调负荷虚拟调峰机组在调度初始时段未被调度的连续时长，k1、k2、k3、k4均为表示调度时段的中间变量，INm表示第m台空调负荷虚拟调峰机组最小调度间隔。
步骤4，空调负荷虚拟调峰机组聚合层间调峰容量分解；即电力调度部门根据空调负荷虚拟调峰机组聚合层上报的可调度容量及其出力成本，以调度经济成本最优进行调峰容量分解。
空调负荷虚拟调峰机组聚合层间调峰容量分解具体包括以下步骤：
4.1)建立空调负荷虚拟调峰机组聚合层间调峰容量分解目标函数；即根据各空调负荷虚拟调峰机组聚合层上报的可调度容量及出力成本，以调度经济成本最优来确定各个空调负荷虚拟调峰机组出力计划；
式中，Fp表示电网空调负荷调度总经济成本，g表示空调负荷虚拟调峰机组聚合层序号，G表示参与电网调峰的空调负荷虚拟调峰机组聚合层总数，C(t,g)表示t时段聚合层g的出力计划，Δt表示调度时段间隔；
4.2)明确调峰容量分解约束条件；
具体包括：
空调负荷虚拟调峰机组聚合层出力上下限约束；
0≤C(t,g)≤C(g,max)
式中，C(g,max)表示空调负荷虚拟调峰机组聚合层上报的最大可调度容量；
空调负荷虚拟调峰机组聚合层总体出力约束；
式中，P(t)表示时段t电网空调负荷削峰总容量需求。
步骤5，空调负荷虚拟调峰机组聚合层内优化调度；即空调负荷虚拟调峰机组聚合层以调控成本最低、调峰偏差最小为优化调度目标进行各空调负荷虚拟调峰机组出力安排。
空调负荷虚拟调峰机组聚合层内优化调度具体包括以下步骤，
5.1)建立空调负荷虚拟调峰机组聚合层内优化调度目标函数；
式中，Fa表示聚合层空调负荷调度总经济成本，C(t,m)表示调度时段t第m台空调负荷虚拟调峰机组出力，ΔC表示聚合层调峰偏差；
5.2)明确优化调度约束条件；
具体包括：
空调负荷虚拟调峰机组总体出力约束；
空调负荷虚拟调峰机组调度特性约束，即步骤3.2中建立的约束条件。
上述方法在计及空调负荷本体运行特性基础上，建立单台空调负荷虚拟调峰机组模型，通过对模糊C均值聚类算法改进对所建立的空调负荷虚拟调峰机组进行聚合，基于此建立空调负荷虚拟调峰机组聚合层间及聚合层内部的优化调度模型，在充分发挥空调负荷调峰潜力的同时，有效降低了规模化空调负荷调度的复杂性，在不影响用户使用效果的前提下，利用规模化空调负荷调度有效解决电力尖峰时段的供电压力。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.规模化空调负荷参与电网调峰优化调度方法，其特征在于：包括以下步骤，
步骤1，计及空调负荷本体运行特性，建立适用于电网调峰的空调负荷虚拟调峰机组模型；
步骤2，进行空调虚拟调峰机组的聚合；
步骤3，建立空调负荷虚拟调峰机组聚合层可调度容量及出力成本评估模型；
步骤4，空调负荷虚拟调峰机组聚合层间调峰容量分解；
步骤5，空调负荷虚拟调峰机组聚合层内优化调度。
2.根据权利要求1所述的规模化空调负荷参与电网调峰优化调度方法，其特征在于：用于电网调峰的空调负荷虚拟调峰机组模型为，
ACVPG＝{C(t),C(t,max),C(t,min),ρ(C(t)),Dmin,Dmax,IN}
其中，ACVPG表示空调负荷虚拟调峰机组，C(t)表示t时段空调负荷虚拟调峰机组出力，C(t,max)表示t时段空调负荷虚拟调峰机组出力上限，C(t,min)表示t时段空调负荷虚拟调峰机组出力下限，ρ(C(t))表示t时段空调负荷虚拟调峰机组出力成本，Dmin表示空调负荷虚拟调峰机组最小调度持续时长，Dmax表示空调负荷虚拟调峰机组最大调度持续时长，IN表示t时段空调负荷虚拟调峰机组最小调度间隔。
3.根据权利要求2所述的规模化空调负荷参与电网调峰优化调度方法，其特征在于：步骤1具体包括，
1.1)建立空调负荷等效热参数模型；
其中，Ca表示建筑物等效热容，Ga表示建筑物等效热导，Ta(t)表示t时段室内温度，To(t)表示t时段室外温度，Qh(t)表示t时段空调制冷量，Qm(t)表示t时段室内人员及设备所散发的热量，Qs(t)表示t时段进入房间的太阳辐射热量；
1.2)建立空调负荷虚拟调峰机组出力模型；
其中，表示空调负荷调控前基线功率，Pair(t)表示空调负荷调控后实际功率；
1.3)建立空调负荷虚拟调峰机组出力上下限模型；
空调负荷温度设定为约定最高值，最大降负荷量为空调负荷虚拟调峰机组出力上限，出力下限为0；
式中：表示空调负荷温度设定最高值并对空调运行参数优化后的总功耗；
1.4)建立空调负荷虚拟调峰机组出力成本模型；
其中，ki′表示空调负荷虚拟调峰机组出力成本系数，i′表示C(t)的次数；
1.5)建立空调负荷虚拟调峰机组最小调度持续时长模型；
Dmin＝ton+tg
其中，ton为空调负荷最小在线时长，tg为用户附加最小调度时长；
1.6)建立空调负荷虚拟调峰机组最大调度持续时长模型；
对空调负荷进行调控后，室温上升到温度区间最大值的时长与人体对最高室温的忍耐时长之和，即为空调负荷虚拟调峰机组最大可调度持续时长；
Dmax＝Δt+Δt′
式中，Δt表示室温上升到温度区间最大值的时长，Δt′表示人体对温度区间最大值的忍耐时长，表示空调调控前的设定温度；
1.7)建立空调负荷虚拟调峰机组最小调度间隔模型；
调度后室温从温度区间最大值下降到温度区间最小值的时长为空调负荷虚拟调峰机组最小调度间隔；
4.根据权利要求1所述的规模化空调负荷参与电网调峰优化调度方法，其特征在于：基于改进模糊C均值聚类算法进行空调负荷虚拟调峰机组聚合，即通过对传统模糊C均值聚类算法进行改进后，利用改进的模糊C均值聚类算法对空调负荷虚拟调峰机组进行聚类分组；
具体过程为，
2.1)改进模糊C均值聚类算法初始化，即设定聚类中心搜索终止条件δ、迭代终止条件ξ，权重系数m′；
2.2)计算空调负荷虚拟调峰机组数据集X＝{x1,x2,...,xn}中所有数据点的密度指标；
其中，k表示密度指标计算次数，表示第k次计算中数据点xi的密度指标，xi∈X，ra表示数据点xi的邻域半径，l为整数，l∈[1,n]，l≠i，n为数据集中数据点的个数；
2.3)选出密度指标最大的数据点作为一个聚类中心，剔除该数据点后，计算剩余数据点的密度指标；
其中，表示第k-1次计算中数据点xi的密度指标，c表示聚类中心，表示第k-1次计算中选出的聚类中心的密度指标，表示第k-1次计算中选作聚类中心的数据点，rb表示密度指标减小的邻域半径；
2.4)判断是否成立，如果成立，则转至步骤2.5，如果不成立，则转至步骤2.3；
其中，表示第k次计算得到的聚类中心的密度指标，表示第1次计算得到的聚类中心的密度指标；
2.5)输出c个聚类中心；
2.6)计算空调负荷虚拟调峰机组调度特性指标初始隶属度矩阵U；
其中，uij为隶属度矩阵U中的元素，表示第j个数据属于第i个类的隶属度，j为整数，j∈[1,n]，dij＝||xj-vi||表示数据点xj与聚类中心vi间的欧式距离；
2.7)更新空调负荷虚拟调峰机组调度特性指标聚类中心，即根据数据点隶属度矩阵U更新聚类中心矢量V；
式中，vi为聚类中心矢量V元素，xj表示数据集中的数据点；
2.8)更新空调负荷虚拟调峰机组调度特性指标隶属度矩阵，即以更新后的聚类中心对隶属度矩阵进行更新；
2.9)判断终止条件||uij(k)-uij(k-1)||≤ξ是否成立，如果成立，则结束并输出结果；否则，依次重复步骤2.7和2.8；
其中，uij(k)表示第k次计算得到的第j个数据属于第i个类的隶属度值，uij(k-1)表示第k-1次计算得到的第j个数据属于第i个类的隶属度值。
5.根据权利要求1所述的规模化空调负荷参与电网调峰优化调度方法，其特征在于：空调负荷虚拟调峰机组聚合层可调度容量及出力成本评估模型为，
其中，C(g,max)表示空调负荷虚拟调峰机组聚合层g在调度时段的最大可调度容量，M表示空调负荷虚拟机组聚合层g聚合的空调负荷虚拟调峰机组台数，m为整数，m∈[1,M]，T调度总时段数，C(t,m)表示调度时段t第m台空调负荷虚拟调峰机组的出力，v(t,m)表示调度时段t第m台空调负荷虚拟调峰机组是否参与调峰标识，ρ(C(t,g))表示空调负荷虚拟调峰机组聚合层g在调度时段t的出力成本，ρ(C(t,m,max))表示调度时段t第m台空调负荷虚拟调峰机组最大出力时的出力成本，C(t,m,max)表示空调负荷虚拟调峰机组聚合层g在调度时段t的最大可调度容量。
6.根据权利要求5所述的规模化空调负荷参与电网调峰优化调度方法，其特征在于：建立空调负荷虚拟调峰机组聚合层可调度容量评估模型的过程为，
3.1)建立可调度容量评估目标函数；
3.2)明确评估约束条件；
具体包括：
空调负荷虚拟调峰机组出力约束；
C(t,m)≤C(t,m,max)
空调负荷虚拟调峰机组最大调度时长时长约束；
其中，为第m台空调负荷虚拟调峰机组调度初始时段已调度时长；表示第m台空调负荷虚拟调峰机组最大调度持续时长；
空调负荷虚拟调峰机组最小调度持续时长约束；
其中，表示第m台空调负荷虚拟调峰机组在调度初始时段必须被调度的连续时长；表示第m台空调负荷虚拟调峰机组所允许的最小调度持续时长；表示第m台空调负荷虚拟调峰机组在调度初始时段已被连续调度时长；
空调负荷虚拟调峰机组最小调度间隔约束；
其中，表示第m台空调负荷虚拟调峰机组在调度初始时段避免被调度的连续时长；表示第m台空调负荷虚拟调峰机组在调度初始时段未被调度的连续时长，k1、k2、k3、k4均为表示调度时段的中间变量，INm表示第m台空调负荷虚拟调峰机组最小调度间隔。
7.根据权利要求1所述的规模化空调负荷参与电网调峰优化调度方法，其特征在于：空调负荷虚拟调峰机组聚合层间调峰容量分解具体包括以下步骤，
4.1)建立空调负荷虚拟调峰机组聚合层间调峰容量分解目标函数
式中，Fp表示电网空调负荷调度总经济成本，g表示空调负荷虚拟调峰机组聚合层序号，G表示参与电网调峰的空调负荷虚拟调峰机组聚合层总数，T调度总时段数，ρ(C(t,g))表示空调负荷虚拟调峰机组聚合层g在调度时段t的出力成本，C(t,g)表示t时段聚合层g的出力计划，Δt表示调度时段间隔；
4.2)明确调峰容量分解约束条件；
具体包括：
空调负荷虚拟调峰机组聚合层出力上下限约束；
0≤C(t,g)≤C(g,max)
式中，C(g,max)表示空调负荷虚拟调峰机组聚合层上报的最大可调度容量；
空调负荷虚拟调峰机组聚合层总体出力约束；
式中，P(t)表示时段t电网空调负荷削峰总容量需求。
8.根据权利要求1所述的规模化空调负荷参与电网调峰优化调度方法，其特征在于：空调负荷虚拟调峰机组聚合层内优化调度具体包括以下步骤，
5.1)建立空调负荷虚拟调峰机组聚合层内优化调度目标函数；
式中，Fa表示聚合层空调负荷调度总经济成本，C(t,m)表示调度时段t第m台空调负荷虚拟调峰机组出力，ΔC表示聚合层调峰偏差；T调度总时段数，C(t,g)表示t时段聚合层g的出力计划，g表示空调负荷虚拟调峰机组聚合层序号，M表示空调负荷虚拟机组聚合层g聚合的空调负荷虚拟调峰机组台数，v(t,m)表示调度时段t第m台空调负荷虚拟调峰机组是否参与调峰标识，ρ(C(t,m))表示调度时段t第m台空调负荷虚拟调峰机组出力成本；
5.2)明确优化调度约束条件；
具体包括：
空调负荷虚拟调峰机组总体出力约束；
空调负荷虚拟调峰机组调度特性约束。
CN201610990081.3A 2016-11-10 2016-11-10 规模化空调负荷参与电网调峰优化调度方法 Active CN106451474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610990081.3A CN106451474B (zh) 2016-11-10 2016-11-10 规模化空调负荷参与电网调峰优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610990081.3A CN106451474B (zh) 2016-11-10 2016-11-10 规模化空调负荷参与电网调峰优化调度方法

Publications (2)

Publication Number Publication Date
CN106451474A CN106451474A (zh) 2017-02-22
CN106451474B true CN106451474B (zh) 2019-02-26

Family

ID=58207381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610990081.3A Active CN106451474B (zh) 2016-11-10 2016-11-10 规模化空调负荷参与电网调峰优化调度方法

Country Status (1)

Country Link
CN (1) CN106451474B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107103178B (zh) * 2017-03-10 2020-09-11 天津市电力科技发展有限公司 一次调节抽气联合循环供热机组调峰能力计算方法
CN107101344A (zh) * 2017-05-27 2017-08-29 珠海格力电器股份有限公司 一种电力调峰控制方法、装置和空调设备
CN108151132B (zh) * 2017-11-27 2022-05-10 国网北京市电力公司 空气源热泵的控制方法、装置和系统及空气源热泵
CN109899930B (zh) * 2019-01-29 2020-11-24 国家电网有限公司 大规模公共楼宇中央空调参与电网调峰的组合调控方法
CN110097474A (zh) * 2019-03-25 2019-08-06 国网辽宁省电力有限公司 一种实现配电网削峰填谷的负荷控制方法
CN110425706B (zh) * 2019-07-29 2021-03-26 南京理工大学 面向电网削峰的聚合空调负荷调控方法
CN110535142B (zh) * 2019-08-22 2021-01-22 广州水沐青华科技有限公司 基于改进离散型pso算法的用电智能控制方法及计算机可读存储介质
CN110739699B (zh) * 2019-10-08 2021-05-11 杭州电子科技大学 一种基于空调的配电网调压方法
CN112381409A (zh) * 2020-11-16 2021-02-19 江西电力交易中心有限公司 一种尖峰时段的动态调整方法
CN114744608B (zh) * 2021-01-08 2024-03-26 北京国网普瑞特高压输电技术有限公司 一种电力需求响应聚合空调负荷协同控制方法及系统
CN113410844B (zh) * 2021-05-21 2022-09-23 国网辽宁省电力有限公司鞍山供电公司 虚拟电厂聚合菱镁矿炉负荷参与电网调峰的负荷分配方法
CN115796076B (zh) * 2022-11-30 2023-07-21 生态环境部卫星环境应用中心 融合水动力模型的核电温排水基准温度确定方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103257571A (zh) * 2013-04-22 2013-08-21 东南大学 基于直接负荷控制的空调负荷控制策略制定方法
WO2013131147A1 (en) * 2012-03-08 2013-09-12 Embertec Pty Ltd Power system
CN106022548A (zh) * 2016-07-11 2016-10-12 东南大学 一种针对聚合空调的变时段尖峰电价优化方法
CN106096790A (zh) * 2016-06-22 2016-11-09 东南大学 基于变频空调虚拟机组建模的虚拟电厂日前和实时市场优化调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015183678A1 (en) * 2014-05-27 2015-12-03 Wireless Glue Networks, Inc. Method and apparatus for selective componentized thermostatic controllable loads

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013131147A1 (en) * 2012-03-08 2013-09-12 Embertec Pty Ltd Power system
CN103257571A (zh) * 2013-04-22 2013-08-21 东南大学 基于直接负荷控制的空调负荷控制策略制定方法
CN106096790A (zh) * 2016-06-22 2016-11-09 东南大学 基于变频空调虚拟机组建模的虚拟电厂日前和实时市场优化调度方法
CN106022548A (zh) * 2016-07-11 2016-10-12 东南大学 一种针对聚合空调的变时段尖峰电价优化方法

Also Published As

Publication number Publication date
CN106451474A (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN106451474B (zh) 规模化空调负荷参与电网调峰优化调度方法
CN103259285A (zh) 含大规模风电电力系统的短期运行优化方法
CN108388973A (zh) 一种虚拟电厂自适应鲁棒调度优化方法
CN105320184B (zh) 建筑室内环境智能监控系统
CN107069776B (zh) 一种平滑微网联络线功率的储能前瞻分布式控制方法
CN105790286B (zh) 一种中央空调负荷聚合及参与平抑分布式电源出力的策略
CN106410824B (zh) 计及温控设备的社区微电网储能容量优化配置方法
CN106096790A (zh) 基于变频空调虚拟机组建模的虚拟电厂日前和实时市场优化调度方法
CN104810863B (zh) 一种考虑风电预测误差的机组有功实时调度方法
CN109345019A (zh) 一种基于改进粒子群算法的微电网经济调度优化策略
CN107482692A (zh) 风电场有功控制的方法、装置及系统
CN109245184B (zh) 适应多类型约束与多控制区间的多源协同有功控制方法
CN109828539A (zh) 一种基于pdca体系的大数据供热能源管控平台系统
CN108808737A (zh) 促进可再生分布式电源消纳的主动配电网优化调度方法
CN108613332A (zh) 一种节能型建筑微区域人员交互式热舒适度调节方法
CN112186802A (zh) 一种动态经济调度的多时间尺度滚动调度方法及其系统
CN104269855B (zh) 一种适应多种能源接入的站点无功电压快速调节方法
CN112413702B (zh) 一种蓄热式电采暖负荷与配电网台区的匹配方法及系统
CN113991655A (zh) 定频空调负荷聚合需求响应潜力评估方法、装置及介质
CN103617455A (zh) 基于虚拟机组子群的网厂两级负荷优化调度方法
CN106372752A (zh) 一种变频空调热电池建模及其调度方法
CN114336785A (zh) 一种基于网格聚类的分布式电源群控群调控制方法及装置
CN104463414B (zh) 一种分时电价下热轧生产经济负荷调度方法
CN109921459A (zh) 一种光伏高占比送端电网直流闭锁后的有功频率控制方法
CN110011362A (zh) 一种火电机组参与的电网快速调峰方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant