CN107218701A - 一种基于李雅普诺夫优化的空调负荷群分布式控制方法 - Google Patents
一种基于李雅普诺夫优化的空调负荷群分布式控制方法 Download PDFInfo
- Publication number
- CN107218701A CN107218701A CN201710431606.4A CN201710431606A CN107218701A CN 107218701 A CN107218701 A CN 107218701A CN 201710431606 A CN201710431606 A CN 201710431606A CN 107218701 A CN107218701 A CN 107218701A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- air conditioner
- conditioner load
- control
- 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.)
- Granted
Links
Abstract
本发明公开一种基于李雅普诺夫优化的空调负荷群分布式控制方法,通过李雅普诺夫优化算法,将空调负荷的温度进行处理,通过分布式优化控制,增强了空调负荷群在非理想环境下的控制效果。采用本发明的技术方案,减少了中央控制中心的计算负担,降低了控制中心与用户间的通信量,提高了在非理想通信情况下空调负荷需求响应的控制效果;避免了集中控制算法频繁的获取用户运行状态,降低了对用户隐私的侵犯;保证了用户温度舒适度,同时调整用户温度舒适度和优化目标的权重关系,灵活控制空调负荷。
Description
技术领域
本发明是一种基于李雅普诺夫优化的空调负荷群分布式控制方法,用于平抑电力系统负荷波动,属于电力系统需求响应控制技术领域。
背景技术
当前通信等技术迅速发展,为中小型负荷参与需求响应提供了基础。空调负荷具有良好的储能特性,而且数量基数大,使其成为了需求响应控制的优选对象。目前关于空调负荷参与需求相应的研究已经很多,但是大多属于集中式控制方法,这种控制方法对通信质量要求高,在非理想通信环境下(丢包、误码或延时),空调负荷响应效果较差,有时甚至失去响应效果。因此,如何有效降低非理想通信对空调负荷需求响应控制效果的影响、提高需求响应控制精度具有重要意义。
基于李雅普诺夫优化的空调负荷群分布式控制方法是指中央控制中心根据控制需求计算需求响应控制量(本文以平抑负荷波动为目标),同时根据空调负荷参数计算空调负荷虚拟温度,并对其进行降序排列,控制中心将需求响应控制量及虚拟温度序列号发送给各个空调负荷控制器,各空调负荷利用李雅普诺夫优化算法进行计算并调整空调运行状态的方法。作为一种区别于集中控制方法,该分布式控制方法不仅降低了控制中心的数据处理量,同时减少了控制中心与各用户之间的信息量,降低了非理想通信对控制效果的影响。
本发明基于雅普诺夫优化的空调负荷群分布式控制方法,可避免非理想通信环境下对控制效果的影响,从而更好的满足了现实环境中了空调负荷群的需求响应要求。
发明内容
技术问题:本发明的目的是提供一种空调负荷群的优化控制方法,是一种基于李雅普诺夫优化的分布式控制方法,对分散的空调负荷群进行优化控制,使得空调负荷在非理想通信的条件下不仅能够快速有效响应,同时保证了用户的舒适度。
技术方案:本发明通过李雅普诺夫优化算法,将空调负荷的温度进行处理,通过分布式优化控制,增强了空调负荷群在非理想环境下的控制效果,所述方法包括下述步骤:
第一步:控制中心根据控制需要,确定需求响应优化目标,计算空调负荷需求响应量;
第二步:控制中心根据空调负荷运行状态、参数及室外温度,预测下一时刻温度,计算虚拟温度,并对其进行降序排列;
第三步:控制中心将需求响应量及各个空调负荷的虚拟温度序号整理打包形成控制信号,分别发送给相应的空调负荷控制器;
第四步:空调负荷控制器根据接收到控制信号后,结合空调负荷运行状态及温度,利用李雅普诺夫优化算法计算并调整空调负荷运行状态;
第五步:将调整后的运行状态返回给控制中心。
其中:
所述的第一步:控制中心根据控制需要,确定需求响应优化目标,计算空调负荷优化目标:
控制中心根据控制需要,确定需求响应优化目标,计算空调负荷需求响应量,其模型如下:
ΔPH(t)=PN(t)-PW(t)-PL(t-1)
其中,PL(t)为外网提供给控制区域的功率;PW(t)可再生能源注入功率;PN(t)为非空调负荷功率;ΔPH(t)为空调负荷功率,t为运行时刻。
所述的第二步:计算虚拟温度序列具体方法为:
1.收集各个空调负荷参数,建立空调负荷热力学等效热参数模型:
Ti(t+1)=To(t)-ui(t)ηiQiRi-(To(t)-ui(t)ηiQiR-Ti(t))e-Δt/RC
其中,i为空调负荷序号;Ti(t)表示t时刻空调负荷温度;To(t)表示t时刻外部环境温度;ui(t)∈{0,1}表示空调负荷运行状态,ui(t)=1表示开启,ui(t)=0表示关闭;Ri为等效热阻;Ci为等效热容;Qi为温控额定功率;ηi为空调能效比;Δt为时间步长。
2.分别推导计算空调负荷在一个控制间隔内不同运行情况的室内温度波动量,公式如下:
其中,Ti,f,Ti,o分别为空调负荷i关闭和开启时室内温度变化量;To为室外温度;[Tmin,Tmax]为室内温度变化区间;Ki,f,Ki,o分别为空调负荷i在关闭和开启时温度在温度区间变化所需要的时间间隔数目;Qi为空调额定功率;ηi为空调能效比;Δt为一个控制间隔时长。
则空调负荷温度模型可进一步简化为:
Ti(t+1)=Ti(t)+Ti,f-ui(t)Ti,o
3.为了更好地运用李雅普诺夫对空调负荷进行优化控制,定义虚拟温度变量:
其中,N为空调数量;Di为辅助参数,其范围区间是[Di,min,Di,max];Qp为单个空调运行时的功率;V为成本系数。
4.定义优化序列:
将所有空调负荷根据Yi(t)进行降序排列,形成一个虚拟温度的序列。用ik表示空调负荷i在虚拟队列中序号为k。
所述的第三步:控制中心将需求响应量及各个空调负荷的温度序列整理形成控制信号,分别发送给相应的空调负荷用户,具体为:
控制中心将第一步计算得到的需求响应量及第二步获得的各个空调负荷的虚拟温度序列号分别打包整理并发送给相应的空调负荷用户。
所述的第四步:空调负荷用户根据接收到控制信号后,根据自己的空调负荷运行状态及室内温度,计算调整空调负荷运行状态,具体为:
1.接收控制中心传递过来的控制信号;
2.根据控制信号和当前空调负荷运行状态计算并调整空调运行状态,模型如下:
其中,k为空调负荷虚拟温度序列号;ui为空调i的运行状态,1表示开启,0表示关闭。
所述的第五步:将调整后的运行状态返回给控制中心。
有益效果:本发明与现有技术相比:基于李雅普诺夫优化的空调负荷分布式控制方法是一种对分散空调负荷群进行分布式优化控制的方法,通过分布式控制使得空调负荷在非理想通信的条件下不仅能够快速有效响应,还可保证用户的舒适度,同时避免了侵犯用户的隐私。本方法具有如下几个优点:
(1)用户自行判断优化运行状态,减少了中央控制中心的计算负担,降低了控制中心与用户间的通信量,提高了在非理想通信情况下空调负荷需求响应的控制效果。
(2)避免了集中控制算法频繁的获取用户运行状态,降低了对用户隐私的侵犯。
(3)保证了用户温度舒适度,同时调整用户温度舒适度和优化目标的权重关系,灵活控制空调负荷。
附图说明
图1是非空调负荷功率变化图;
图2是风力发电功率变化图;
图3是室外温度变化图;
图4是控制后联络线功率变化示意图;
图5是成本系数分别为500、700和7000情况下的控制效果分析示意图。
具体实施方式
下面通过算例,对本发明的技术方案做进一步具体的说明:
所述方法包括下述步骤:
第一步:控制中心根据控制需要,确定需求响应优化目标,计算空调负荷需求响应量;
第二步:控制中心根据空调负荷运行状态、参数及室外温度,预测下一时刻温度,计算虚拟温度,并对优化序列进行降序排列;
第三步:控制中心将需求响应量及各个空调负荷的虚拟温度序号整理打包形成控制信号,分别发送给相应的空调负荷控制器;
第四步:空调负荷控制器根据接收到控制信号后,结合空调负荷运行状态及温度,利用李雅普诺夫优化算法计算并调整空调负荷运行状态;
第五步:将调整后的运行状态返回给控制中心。
算例以平抑含风力发电微电网的联络线功率为优化目标,对空调负荷需求响应进行控制,具体参数表如下:
1.确定需求响应优化目标,计算空调负荷需求响应量:
根据当前时刻非空调负荷功率、风力发电功率和上一时刻联络线功率,计算空调负荷需求响应量,进而转入第二步操作;
2.计算虚拟温度并进行降序排列:
(1)根据室外温度,分别计算空调负荷不同运行状态下控制间隔内的温度变化量。
(2)通过空调运行状态和单位控制间隔内的温度变化量预测该时刻空调负荷室内温度。
(3)计算虚拟温度,并根据优化序列进行降序排列。
3.控制中心将需求响应量及各个空调负荷的序列号整理形成控制信号,分别发送给相应的空调负荷用户。
4.空调负荷用户根据接收到控制信号后,根据自己的空调负荷运行状态及室内温度,计算调整空调负荷运行状态。
通过该方法控制后联络线功率变化如图4:
成本系数V是一个重要的参数,它的大小直接影响了需求响应控制的成本和效果。为了更直观的体现不同权重系数时,需求响应控制的效果。分析了成本系数分别为500、700和7000情况下的控制效果,对其控制误差进行了如图5分析。
本文中所描述的具体实施例仅仅是本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或采用类似的方式替代,但不会偏离本发明的精神或超越所附权力要求书所定义的范围。
Claims (5)
1.一种基于李雅普诺夫优化的空调负荷群分布式控制方法,其特征在于:包括下述步骤:
第一步:控制中心根据控制需要,确定需求响应优化目标,计算空调负荷需求响应量;
第二步:控制中心根据空调负荷运行状态、参数及室外温度,预测下一时刻温度,计算虚拟温度,并对其进行降序排列;
第三步:控制中心将需求响应量及各个空调负荷的虚拟温度序号整理打包形成控制信号,分别发送给相应的空调负荷控制器;
第四步:空调负荷控制器根据接收到控制信号后,结合空调负荷运行状态及温度,利用李雅普诺夫优化算法计算并调整空调负荷运行状态;
第五步:将调整后的运行状态返回给控制中心。
2.根据权利要求1所述的基于李雅普诺夫优化的空调负荷群分布式控制方法,其特征在于:所述的第一步:控制中心根据控制需要,确定需求响应优化目标,计算空调负荷优化目标:
控制中心根据控制需要,确定需求响应优化目标,计算空调负荷需求响应量,其模型如下:
ΔPH(t)=PN(t)-PW(t)-PL(t-Δt)
其中,PL(t)为外网提供给控制区域的功率;PW(t)可再生能源注入功率;PN(t)为非空调负荷功率;ΔPH(t)为空调负荷功率,t为运行时刻,Δt为控制步长。
3.根据权利要求1所述的基于李雅普诺夫优化的空调负荷群分布式控制方法,其特征在于:所述的第二步:计算虚拟温度序列具体方法包括以下步骤:
1)收集各个空调负荷参数,建立空调负荷热力学等效热参数模型:
<mrow>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>T</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&eta;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>Q</mi>
<mi>i</mi>
</msub>
<msub>
<mi>R</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>o</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<msub>
<mi>&eta;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>Q</mi>
<mi>i</mi>
</msub>
<msub>
<mi>R</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>/</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>R</mi>
<mi>i</mi>
</msub>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</mrow>
其中,i为空调负荷序号;Ti(t)表示t时刻空调负荷温度;To(t)表示t时刻外部环境温度;ui(t)∈{0,1}表示空调负荷运行状态,ui(t)=1表示开启,ui(t)=0表示关闭;Ri为等效热阻;Ci为等效热容;Qi为空调额定功率;ηi为空调能效比;Δt为控制时间步长;e为自然底常数;
2)分别推导计算空调负荷在一个控制间隔内不同运行情况的室内温度波动量,公式如下:
<mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>o</mi>
</msub>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>min</mi>
</msub>
<mo>)</mo>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>&zeta;</mi>
<msub>
<mi>K</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>K</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>o</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>&eta;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>Q</mi>
<mi>i</mi>
</msub>
<msub>
<mi>R</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>o</mi>
</msub>
<mo>)</mo>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>&zeta;</mi>
<msub>
<mi>K</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>o</mi>
</mrow>
</msub>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>K</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>o</mi>
</mrow>
</msub>
</mfrac>
</mrow>
<mrow>
<mi>&zeta;</mi>
<mo>=</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<msub>
<mi>R</mi>
<mi>i</mi>
</msub>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
</msup>
</mrow>
其中,Ti,f,Ti,o分别为空调负荷i关闭和开启时室内温度变化量;To为室外温度;[Tmin,Tmax]为室内温度变化区间;Ki,f,Ki,o分别为空调负荷i在关闭和开启时温度在温度区间变化所需要的时间间隔数目;ηi为空调能效比;Δt为一个控制时间步长;
则空调负荷温度模型可进一步简化为:
Ti(t+1)=Ti(t)+Ti,f-ui(t)Ti,o;
3)为了更好地运用李雅普诺夫对空调负荷进行优化控制,定义虚拟温度变量:
<mrow>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
</mrow>
<mfenced open='' close='' separators=''>
<mtable>
<mtr>
<mtd>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mtd>
<mtd>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>T</mi>
<mi>max</mi>
</msub>
</mtd>
</mtr>
</mtable>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mrow>
<mn>2</mn>
<mi>VQ</mi>
</mrow>
<mi>p</mi>
</msub>
<msub>
<mi>&Delta;P</mi>
<mi>H</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>VQ</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>o</mi>
</mrow>
</msub>
</mfrac>
<mo>=</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>max</mi>
</mrow>
</msub>
</mrow>
</mfenced>
<mrow>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>T</mi>
<mi>min</mi>
</msub>
<mo>-</mo>
<mfrac>
<mrow>
<mn>2</mn>
<msub>
<mi>VQ</mi>
<mi>p</mi>
</msub>
<msub>
<mi>&Delta;P</mi>
<mi>H</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>VQ</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>o</mi>
</mrow>
</msub>
</mfrac>
<mo>=</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mi>V</mi>
<mo>&le;</mo>
<mfrac>
<mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>o</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>Q</mi>
<mi>p</mi>
</msub>
<msub>
<mi>max</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&Delta;P</mi>
<mi>H</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>)</mo>
<mo>+</mo>
<msubsup>
<mi>Q</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>Q</mi>
<mi>p</mi>
</msub>
<msub>
<mi>min</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&Delta;P</mi>
<mi>H</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>)</mo>
<mo>-</mo>
<msubsup>
<mi>Q</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
</mrow>
其中,N为空调数量;ΔPH(t)为第一部中计算的需求响应目标;Di为辅助参数,其范围区间是[Di,min,Di,max];Qp为单个空调运行时的功率;V为成本系数;
4)定义优化序列:
<mrow>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mover>
<mo>=</mo>
<mi>&Delta;</mi>
</mover>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>o</mi>
</mrow>
</msub>
</mrow>
将所有空调负荷根据Yi(t)进行降序排列,形成一个虚拟温度的序列,用ik表示空调负荷i在虚拟队列中序号为k。
4.根据权利要求1所述的基于李雅普诺夫优化的空调负荷群分布式控制方法,其特征在于:所述的第三步:控制中心将需求响应量及各个空调负荷的温度序列整理形成控制信号,分别发送给相应的空调负荷用户,具体为:
控制中心将第一步计算得到的需求响应量及第二步获得的各个空调负荷的虚拟温度序列号分别打包整理并发送给相应的空调负荷用户。
5.根据权利要求1所述的基于李雅普诺夫优化的空调负荷群分布式控制方法,其特征在于:所述的第四步:空调负荷用户根据接收到控制信号后,根据自己的空调负荷运行状态及室内温度,计算调整空调负荷运行状态,具体为:
1)接收控制中心传递过来的控制信号;
2)根据控制信号和当前空调负荷运行状态计算并调整空调运行状态,模型如下:
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>2</mn>
<msub>
<mi>VQ</mi>
<mi>p</mi>
</msub>
<msub>
<mi>&Delta;P</mi>
<mi>H</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>VQ</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,k为空调负荷虚拟温度序列号;ui为空调i的运行状态,1表示开启,0表示关闭。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710431606.4A CN107218701B (zh) | 2017-06-09 | 2017-06-09 | 一种基于李雅普诺夫优化的空调负荷群分布式控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710431606.4A CN107218701B (zh) | 2017-06-09 | 2017-06-09 | 一种基于李雅普诺夫优化的空调负荷群分布式控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107218701A true CN107218701A (zh) | 2017-09-29 |
CN107218701B CN107218701B (zh) | 2020-01-10 |
Family
ID=59948065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710431606.4A Active CN107218701B (zh) | 2017-06-09 | 2017-06-09 | 一种基于李雅普诺夫优化的空调负荷群分布式控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107218701B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108826620A (zh) * | 2018-08-06 | 2018-11-16 | 南京邮电大学 | 大学校园建筑内大规模暖通空调系统的分布式控制方法 |
CN109812946A (zh) * | 2019-01-31 | 2019-05-28 | 河海大学 | 一种适用于大规模居民空调负荷群需求响应的控制方法 |
CN115325682A (zh) * | 2022-08-26 | 2022-11-11 | 河南省建筑科学研究院有限公司 | 一种高效智能制冷机房性能监测的优化控制方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130178991A1 (en) * | 2011-12-15 | 2013-07-11 | Restore Nv | Automated demand response energy management system |
US20150095000A1 (en) * | 2013-10-02 | 2015-04-02 | Nec Laboratories America, Inc. | Optimal sensor and actuator deployment for system design and control |
US20150346741A1 (en) * | 2014-05-27 | 2015-12-03 | Wireless Glue Networks, Inc. | Method and apparatus for distributed control of thermostatic electric loads using high-granularity energy usage data |
CN105322550A (zh) * | 2015-08-28 | 2016-02-10 | 南方电网科学研究院有限责任公司 | 一种家居微电网运行的优化方法 |
CN105870950A (zh) * | 2016-05-05 | 2016-08-17 | 国家电网公司 | 一种智能楼宇可调资源多目标协调系统及优化控制方法 |
CN106655221A (zh) * | 2016-11-22 | 2017-05-10 | 上海交通大学 | 一种平抑微网联络线功率波动的空调负荷协调控制方法 |
-
2017
- 2017-06-09 CN CN201710431606.4A patent/CN107218701B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130178991A1 (en) * | 2011-12-15 | 2013-07-11 | Restore Nv | Automated demand response energy management system |
US20150095000A1 (en) * | 2013-10-02 | 2015-04-02 | Nec Laboratories America, Inc. | Optimal sensor and actuator deployment for system design and control |
US20150346741A1 (en) * | 2014-05-27 | 2015-12-03 | Wireless Glue Networks, Inc. | Method and apparatus for distributed control of thermostatic electric loads using high-granularity energy usage data |
CN105322550A (zh) * | 2015-08-28 | 2016-02-10 | 南方电网科学研究院有限责任公司 | 一种家居微电网运行的优化方法 |
CN105870950A (zh) * | 2016-05-05 | 2016-08-17 | 国家电网公司 | 一种智能楼宇可调资源多目标协调系统及优化控制方法 |
CN106655221A (zh) * | 2016-11-22 | 2017-05-10 | 上海交通大学 | 一种平抑微网联络线功率波动的空调负荷协调控制方法 |
Non-Patent Citations (2)
Title |
---|
卫文婷等: ""一种基于模型预测的城市园区分层分布式温控负荷需求响应控制策略"", 《中国电机工程学报》 * |
陈振宇等: ""考虑用户偏好和设备特性的自动需求响应策略"", 《南方电网技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108826620A (zh) * | 2018-08-06 | 2018-11-16 | 南京邮电大学 | 大学校园建筑内大规模暖通空调系统的分布式控制方法 |
CN108826620B (zh) * | 2018-08-06 | 2020-05-22 | 南京邮电大学 | 大学校园建筑内大规模暖通空调系统的分布式控制方法 |
CN109812946A (zh) * | 2019-01-31 | 2019-05-28 | 河海大学 | 一种适用于大规模居民空调负荷群需求响应的控制方法 |
CN115325682A (zh) * | 2022-08-26 | 2022-11-11 | 河南省建筑科学研究院有限公司 | 一种高效智能制冷机房性能监测的优化控制方法及装置 |
CN115325682B (zh) * | 2022-08-26 | 2024-04-26 | 河南省建筑科学研究院有限公司 | 一种高效智能制冷机房性能监测的优化控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107218701B (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105140936B (zh) | 一种最小化发电成本的微电网调频控制方法 | |
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 | |
CN108471143A (zh) | 基于正负反馈粒子群算法的微电网多能源调度优化方法 | |
CN108988356B (zh) | 基于虚拟储能的电热微网联络线功率波动平抑方法 | |
CN105042800A (zh) | 基于需求响应的变频空调负荷建模与运行控制方法 | |
CN109672184B (zh) | 一种含光伏的配电网电压控制方法和系统 | |
CN111049173B (zh) | 多端直流配网自组织下垂控制方法 | |
CN106849132B (zh) | 基于群控热泵的微电网联络线功率波动平抑方法及系统 | |
CN107218701A (zh) | 一种基于李雅普诺夫优化的空调负荷群分布式控制方法 | |
CN104348188A (zh) | 一种分布式电源运行及监控方法 | |
CN108321793A (zh) | 集成智能楼宇灵活负荷的主动配电网建模及优化调度方法 | |
CN108426351A (zh) | 变风量空调系统响应电网频率调节的实时最优调度方法 | |
CN113991751B (zh) | 一种基于混合算法的自动发电控制调度方法 | |
CN106505604A (zh) | 接入区域配电网的光伏储能联合运行单元优化配置方法 | |
CN110048415A (zh) | 一种适用于并网型微电网的实时分布式经济调度方法 | |
CN107273968A (zh) | 一种基于动态模糊混沌粒子群的多目标调度方法及装置 | |
CN106372752A (zh) | 一种变频空调热电池建模及其调度方法 | |
CN106953340A (zh) | 一种基于多类温控负荷加权状态队列控制的配网联络线功率波动平抑方法 | |
CN115036914A (zh) | 考虑灵活性与新能源消纳的电网储能双层优化方法及系统 | |
CN110474348A (zh) | 一种配电网的调峰方法及装置 | |
CN106300365A (zh) | 一种基于空调负荷的静态电压稳定控制方法 | |
CN117374953A (zh) | 一种基于配网聚合边界的分布式资源功率分配方法 | |
CN105864963A (zh) | 一种基于转化时间优先级列表的聚合空调负荷控制方法 | |
CN111832593A (zh) | 一种集群变频空调响应潜力评估方法及系统 | |
CN111932057B (zh) | 一种交直流微电网经济调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |