CN107276069A - 一种地区电网居民温控负荷的近似聚合建模方法及系统 - Google Patents

一种地区电网居民温控负荷的近似聚合建模方法及系统 Download PDF

Info

Publication number
CN107276069A
CN107276069A CN201710425626.0A CN201710425626A CN107276069A CN 107276069 A CN107276069 A CN 107276069A CN 201710425626 A CN201710425626 A CN 201710425626A CN 107276069 A CN107276069 A CN 107276069A
Authority
CN
China
Prior art keywords
tcl
tcls
approximate
polymerization
magnanimity
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.)
Pending
Application number
CN201710425626.0A
Other languages
English (en)
Inventor
李亚平
姚建国
杨胜春
冯树海
王珂
苏大威
赵奇
徐春雷
钱甜甜
刘建涛
郭晓蕊
周竞
毛文博
王刚
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
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
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, China Electric Power Research Institute Co Ltd CEPRI, State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710425626.0A priority Critical patent/CN107276069A/zh
Publication of CN107276069A publication Critical patent/CN107276069A/zh
Pending legal-status Critical Current

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
    • 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
    • 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

Landscapes

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

Abstract

本发明涉及一种地区电网居民温控负荷的近似聚合建模方法及系统，包括利用天气数据和居民温控负荷的热力学参数信息，建立单个TCL‑i的数学模型；依据单个TCL‑i数学模型建立海量TCLs近似聚合模型；通过海量TCLs近似聚合模型计算TCLs聚合体功率的上下界范围及估计值。本发明利用天气数据和区域范围内TCLs负荷的参数统计信息，在单个TCL‑i数学模型的基础上，建立了海量TCLs的近似聚合模型。利用该近似模型能够方便、快速地确定TCLs聚合功率的估计值及上下界范围，方法简单易用，在估计精度和计算速度上能满足调度中心和负荷代理的决策需求。

Description

一种地区电网居民温控负荷的近似聚合建模方法及系统
技术领域
本发明涉及一种建模方法，具体涉及一种地区电网居民温控负荷的近似聚合建模方法及系统。
背景技术
以空调、冰箱、热水器等为代表的居民温控负荷因具有快速响应、能量存储、高可控性等优点，是短时间尺度上优质和宝贵的可调度资源，但由于其数量众多、分散分布、响应随机性强等特性造成调度中心难以直接获得其聚合用电功率，对调度中心如何利用这部分资源带来困难。目前，对于单个TCL聚合模型的研究较为成熟，但对于调度中心或者负荷代理而言，更为关心的是多个TCLs聚合后总用电功率，这方面一直是国内外学者的研究热点，可归纳为以下三种方式：(1)基于数学模型分析。优点在于能够在数学模型基础上设计多种控制策略，但模型相对较为复杂，不易于调度中心直接计算；(2)基于物理模型分析。模型精度较高，但多数仍是针对单一负荷的能耗计算，用于多个TCLs时计算量过大；(3)基于历史数据的回归分析。这种建模方式一般存在两个问题：一是难以从整体历史数据中分离单一类型负荷的用电数据；二是模型是基于经验方式获取的，精度较低。
发明内容
为解决上述现有技术中的不足，本发明的目的是提供一种地区电网居民温控负荷的近似聚合建模方法及系统，利用天气数据和区域范围内TCLs负荷的参数统计信息，在单个TCL-i数学模型的基础上，建立了海量TCLs的近似聚合模型。利用该近似模型能够方便、快速地确定TCLs聚合功率的估计值及上下界范围，方法简单易用，在估计精度和计算速度上能满足调度中心和负荷代理的决策需求。
本发明的目的是采用下述技术方案实现的：
本发明提供一种地区电网居民温控负荷的近似聚合建模方法，其改进之处在于：
利用天气数据和居民温控负荷的热力学参数信息，建立单个TCL-i的数学模型；
依据单个TCL-i数学模型建立海量TCLs近似聚合模型；
通过海量TCLs近似聚合模型计算TCLs聚合体功率的上下界范围及估计值。
进一步地，所述单个TCL-i的数学模型的表达式为：
式中：θi(t)和θa(t)分别为t时刻的室内温度与室外温度，单位为℃；Ci为TCL-i的等效热容，单位为kWh/℃；Ri为TCL-i的等效热阻，单位为℃/kW；Pc,i为TCL-i的制冷/制热功率，单位为kW；mi(t)表示TCL-i的开关状态；ε是一个足够小的时滞，在离散仿真环境下等于仿真的时间步长；[θi-,θi+]表示TCL-i正常运行状态下室内温度的变化范围，θi-和θi+分别表示TCL-i切换开关状态时的室内温度下界和上界值；
制冷/制热功率与TCL-i用电功率Pi满足一定的比例关系，Pc,i＝ηiPi，ηi为TCL-i的能效比；mi(t)取值为0时表示TCL-i停机，取值为1时表示TCL-i开机。
进一步地，所述建立海量TCLs近似聚合模型，包括：
分析单个TCL-i的开机和停机周期；
根据所述单个TCL-i的开机和停机周期计算单个TCL-i占空比及占空比范围；
根据单个TCL-i的用电功率及所述单个TCL-i占空比确定海量TCLs近似聚合模型。
进一步地，所述单个TCL-i数学模型的开机和停机周期为：
其中：Tc,i和Th,i分别为单个TCL-i数学模型的开机周期和停机周期；θa为室外温度；θset,i为TCL-i的温度设定值；δi为TCL-i的温度死区宽度。
进一步地，所述单个TCL-i占空比范围表示为：
其中：pon,i为单个TCL-i的占空比；θa为室外温度；ηi为TCL-i的能效比；Ri为TCL-i的等效热阻，单位为℃/kW；Pi为TCL-i的用电功率。
进一步地，所述海量TCLs近似聚合模型表示为：
其中：Pagg为N个TCLs的稳态聚合功率，Pi为单个TCL-i的用电功率，pon,i为单个TCL-i的占空比；所述TCL-i表示第i个TCL，TCLs表示多个TCL聚合的复数形式。
进一步地，所述TCLs聚合功率上下界表示为：
其中：和分别为TCLs聚合功率的上界和下界；θa为室外温度；ηi为TCL-i的能效比；Ri为TCL-i的等效热阻，单位为℃/kW；i为第i个TCL-i；N为TCL-i的总数；θset,i为TCL-i的温度设定值；δi为TCL-i的温度死区宽度；
进一步地，所述TCLs聚合体功率估计值为：
其中：为聚合功率估计值，用区间中的任意值表示；α表示为聚合功率下限的权重，取值范围在0～1之间。
本发明还提供一种地区电网居民温控负荷的近似聚合建模系统，其改进之处在于，包括：
第一构建模块，用于利用天气数据和居民温控负荷的热力学参数信息，建立单个TCL-i的数学模型；
第二构建模块，用于依据单个TCL-i数学模型建立海量TCLs近似聚合模型；
计算模块，用于通过海量TCLs近似聚合模型计算TCLs聚合体功率的上下界范围及估计值。
进一步地，所述第二构建模块，进一步包括：
分析模块，用于分析单个TCL-i的开机和停机周期；
占空比计算模块，用于计算TCL-i占空比范围；
确定模块，用于确定海量TCLs近似聚合模型。
进一步地，所述计算模块，进一步包括：
第一计算子模块，用于计算TCLs聚合功率上下界；
第二计算子模块，用于计算TCLs聚合功率估计值。
与最接近的现有技术相比，本发明提供的技术方案具有的有益效果是：
在区域电网的实际调度中，利用天气数据和区域范围内TCLs负荷的参数统计信息，在单个TCL数学模型的基础上，建立了海量TCLs的近似聚合模型。利用该近似模型能够方便、快速地确定TCLs聚合功率的估计值及上下界范围，方法简单易用，误差较小，在估计精度和计算速度上能满足调度中心和负荷代理的决策需求，有利于引导居民温控负荷参与电网调度运行。
附图说明
图1是本发明提供的地区电网居民温控负荷的近似聚合建模方法的流程图；
图2是本发明提供的TCL负荷热力学等值模型(ETP)示意图；
图3是本发明提供的地区电网居民温控负荷的近似聚合建模系统的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的组件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，本发明的这些实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。
实施例一、
本发明利用外界温度信息和本区域TCLs负荷的参数统计信息，提出一种温控负荷的近似聚合建模方法，其流程图如图1所示，包括：
S101、利用天气数据和区域范围内居民温控负荷TCLs的参数信息，建立单个TCL-i的数学模型；
其中：搜索天气数据和区域范围内居民温控负荷TCLs的参数信息，包括：
步骤1、搜集该地区电网内居民温控负荷的类型(如空调、冰箱、热水器等)、以及外界温度等全局信息，并在一个较小范围内随机搜集每类TCLs的参数信息；
步骤2、按照TCLs参数信息进一步将其分为同质和异质两类。其中，同质指的是TCLs参数相同或相近，异质指的是TCLs参数不同。分析同质和异质TCLs的占比，对于异质TCLs，模拟出参数的概率密度函数，并推广到地区电网大范围。
建立单个TCL-i的数学模型，推导TCLs的聚合功率与自身参数、外部温度、温度设定值调整量之间的关系表达式，包括：
基于单个TCL-i的数学模型分析其开机和停机周期Tc,i和Th,i表达式；
单个TCL-i数学模型采用常见的热力学等值模型(ETP)，如图2所示，表示如下：
式中：θi(t)和θa(t)分别为t时刻的室内温度与室外温度，℃；Ci为TCL-i的等效热容，kWh/℃；Ri为TCL-i的等效热阻，℃/kW；Pc,i为TCL-i的制冷/制热功率，kW；制冷/制热功率与TCL-i用电功率Pi满足一定的比例关系，Pc,i＝ηiPi，ηi为TCL-i的能效比；mi(t)表示TCL-i的开关状态，取值为0时表示TCL-i“停机”，取值为1时表示TCL-i“开机”；ε是一个足够小的时滞，在离散仿真环境下可以等于仿真的时间步长；[θi-,θi+]表示TCL-i正常运行状态下室内温度的变化范围，θi-和θi+分别表示TCL-i切换开关状态时的室内温度下界和上界值。
通过求解公式(1)，可得TCL-i的开机周期Tc,i和停机周期Th,i分别为：
S102、在单个TCL数学模型建立海量TCLs近似聚合模型，推导TCLs稳态聚合功率表达式：
稳态情况下，N个TCLs的聚合功率可表示为：
式中，θset,i为TCL-i的温度设定值；δi为TCL-i的温度死区宽度。pon,i为TCL-i的占空比，表示为：
S103、利用数学不等式变换计算TCL-i占空比范围，所述TCL-i表示第i个TCL，TCLs表示多个TCL聚合的复数形式，包括：
单个TCL-i占空比范围表示为：
所述海量TCLs近似聚合模型表示为：
其中：Pagg为N个TCLs的稳态聚合功率，Pi为单个TCL-i的用电功率，pon,i为单个TCL-i的占空比；
所述计算TCLs聚合功率的估计值及上下界范围，包括：
计算TCLs聚合功率上下界；
计算TCLs聚合功率估计值。
所述TCLs聚合功率上下界表示为：
其中：和分别为TCLs聚合功率的上界和下界；
其中：如果是异质型TCLs，则根据拟合出的参数概率分布，进一步对公式(7)和(8)进行简化计算，得到异质型TCLs的聚合功率上下界为：
如果是同质型TCLs，其聚合功率上下界为
TCLs聚合功率估计值为：
其中：为聚合功率估计值，用区间中的任意值表示；α表示为聚合功率下限的权重，取值范围在0～1之间。
实施例三、
基于同样的发明构思，本发明还提供地区电网居民温控负荷的近似聚合建模系统，其结构图如图3所示，包括：
第一构建模块301，用于利用天气数据和居民温控负荷的热力学参数信息，建立单个TCL-i的数学模型；
第二构建模块302，用于依据单个TCL-i数学模型建立海量TCLs近似聚合模型；
计算模块303，用于通过海量TCLs近似聚合模型计算TCLs聚合体功率的上下界范围及估计值。
进一步地，所述第二构建模块302，进一步包括：
分析模块，用于分析单个TCL-i的开机和停机周期；
占空比计算模块，用于计算TCL-i占空比范围；
确定模块，用于确定海量TCLs近似聚合模型。
进一步地，所述计算模块，进一步包括：
第一计算子模块，用于计算TCLs聚合功率上下界；
第二计算子模块，用于计算TCLs聚合功率估计值。
本发明所提出居民温控负荷近似聚合建模方法简单易行、误差较小的特点，在区域电网的实际调度中，根据气象数据和本区域TCLs负荷的参数统计信息，利用本发明方法能够方便、快速地确定TCLs聚合功率的估计值及上下界范围，有利于引导居民温控负荷参与电网调度运行。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (10)

1.一种地区电网居民温控负荷的近似聚合建模方法，其特征在于：
利用天气数据和居民温控负荷的热力学参数信息，建立单个TCL-i的数学模型；
依据单个TCL-i数学模型建立海量TCLs近似聚合模型；
通过海量TCLs近似聚合模型计算TCLs聚合体功率的上下界范围及估计值。
2.如权利要求1所述的近似聚合建模方法，其特征在于，所述单个TCL-i的数学模型的表达式为：
式中：θi(t)和θa(t)分别为t时刻的室内温度与室外温度，Ci为TCL-i的等效热容，Ri为TCL-i的等效热阻，Pc,i为TCL-i的制冷/制热功率，Pc,i＝ηiPi，ηi为TCL-i的能效比，Pi为TCL-i用电功率；mi(t)表示TCL-i的开关状态；ε是一个足够小的时滞，在离散仿真环境下等于仿真的时间步长；[θi-,θi+]表示TCL-i正常运行状态下室内温度的变化范围，θi-和θi+分别表示TCL-i切换开关状态时的室内温度下界和上界值。
3.如权利要求2所述的近似聚合建模方法，其特征在于，所述建立海量TCLs近似聚合模型，包括：
分析单个TCL-i的开机和停机周期；
根据所述单个TCL-i的开机和停机周期计算单个TCL-i占空比及占空比范围；
根据单个TCL-i的用电功率及所述单个TCL-i占空比确定海量TCLs近似聚合模型。
4.如权利要求3所述的近似聚合建模方法，其特征在于，所述单个TCL-i数学模型的开机和停机周期为：
其中：Tc,i和Th,i分别为单个TCL-i数学模型的开机周期和停机周期；θa为室外温度；θset,i为TCL-i的温度设定值；δi为TCL-i的温度死区宽度。
5.如权利要求4所述的近似聚合建模方法，其特征在于，所述单个TCL-i占空比表示为：
所述单个TCL-i占空比范围表示为：
其中：Tc,i和Th,i分别为单个TCL-i数学模型的开机周期和停机周期；θset,i为TCL-i的温度设定值；pon,i为单个TCL-i的占空比；θa为室外温度；ηi为TCL-i的能效比；Ri为TCL-i的等效热阻，单位为℃/kW；Pi为TCL-i的用电功率。
6.如权利要求1所述的近似聚合建模方法，其特征在于，所述海量TCLs近似聚合模型表示为：
其中：Pagg为N个TCLs的稳态聚合功率，Pi为单个TCL-i的用电功率，pon,i为单个TCL-i的占空比；所述TCL-i表示第i个TCL，TCLs表示多个TCL聚合的复数形式。
7.如权利要求6所述的近似聚合建模方法，其特征在于，所述TCLs聚合功率上下界表示为：
其中：和分别为TCLs聚合功率的上界和下界；θa为室外温度；ηi为TCL-i的能效比；Ri为TCL-i的等效热阻，单位为℃/kW；i为第i个TCL-i；N为TCL-i的总数；θset,i为TCL-i的温度设定值；δi为TCL-i的温度死区宽度。
8.如权利要求7所述的近似聚合建模方法，其特征在于，所述TCLs聚合体功率估计值为：
其中：为聚合功率估计值，用区间中的任意值表示；α表示为聚合功率下限的权重，取值范围在0～1之间。
9.一种地区电网居民温控负荷的近似聚合建模系统，其特征在于，包括：
第一构建模块，用于利用天气数据和居民温控负荷的热力学参数信息，建立单个TCL-i的数学模型；
第二构建模块，用于依据单个TCL-i数学模型建立海量TCLs近似聚合模型；
计算模块，用于通过海量TCLs近似聚合模型计算TCLs聚合体功率的上下界范围及估计值。
10.如权利要求9所述的近似聚合建模系统，其特征在于，所述第二构建模块，进一步包括：
分析模块，用于分析单个TCL-i的开机和停机周期；
占空比计算模块，用于计算TCL-i占空比范围；
确定模块，用于确定海量TCLs近似聚合模型。
CN201710425626.0A 2017-06-08 2017-06-08 一种地区电网居民温控负荷的近似聚合建模方法及系统 Pending CN107276069A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710425626.0A CN107276069A (zh) 2017-06-08 2017-06-08 一种地区电网居民温控负荷的近似聚合建模方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710425626.0A CN107276069A (zh) 2017-06-08 2017-06-08 一种地区电网居民温控负荷的近似聚合建模方法及系统

Publications (1)

Publication Number Publication Date
CN107276069A true CN107276069A (zh) 2017-10-20

Family

ID=60066007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710425626.0A Pending CN107276069A (zh) 2017-06-08 2017-06-08 一种地区电网居民温控负荷的近似聚合建模方法及系统

Country Status (1)

Country Link
CN (1) CN107276069A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107800157A (zh) * 2017-11-14 2018-03-13 武汉大学 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法
CN108052695A (zh) * 2017-11-15 2018-05-18 中国电力科学研究院有限公司 一种海量空调负荷仿真方法及系统
CN108760069A (zh) * 2018-06-05 2018-11-06 南京南瑞继保电气有限公司 一种开关量输入信号的处理方法
CN109028499A (zh) * 2018-07-23 2018-12-18 东南大学 基于频率响应的异质空调集群分散式控制方法
CN109787251A (zh) * 2019-01-16 2019-05-21 华北电力大学（保定） 一种集群温控负荷聚合模型、系统参数辨识及反推控制方法
CN110190614A (zh) * 2019-04-03 2019-08-30 国网江西省电力有限公司电力科学研究院 一种用于消减电网功率缺额的电热负荷控制方法
CN110867907A (zh) * 2019-11-27 2020-03-06 清华大学 一种基于多类型发电资源同质化的电力系统调度方法
CN111209672A (zh) * 2020-01-07 2020-05-29 河海大学 考虑用户调节行为随机性的空调负荷聚合功率建模方法
CN112378047A (zh) * 2020-09-14 2021-02-19 华北电力大学 面向多场景的可调负荷的资源聚合方法、系统、设备及存储介质
CN113162054A (zh) * 2021-04-26 2021-07-23 国网山东省电力公司经济技术研究院 基于大规模可控负荷的综合服务站梯级聚合方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105427011A (zh) * 2015-10-27 2016-03-23 中国电力科学研究院 一种温控负荷聚合系统稳定性分析方法
CN106447524A (zh) * 2016-07-12 2017-02-22 广东电网有限责任公司电力科学研究院 一种用户能源中心运耗能本控制的方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105427011A (zh) * 2015-10-27 2016-03-23 中国电力科学研究院 一种温控负荷聚合系统稳定性分析方法
CN106447524A (zh) * 2016-07-12 2017-02-22 广东电网有限责任公司电力科学研究院 一种用户能源中心运耗能本控制的方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李亚平等: "居民温控负荷聚合功率及响应潜力评估方法研究", 《居民温控负荷聚合功率及响应潜力评估方法研究》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107800157A (zh) * 2017-11-14 2018-03-13 武汉大学 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法
CN108052695A (zh) * 2017-11-15 2018-05-18 中国电力科学研究院有限公司 一种海量空调负荷仿真方法及系统
CN108760069A (zh) * 2018-06-05 2018-11-06 南京南瑞继保电气有限公司 一种开关量输入信号的处理方法
CN109028499A (zh) * 2018-07-23 2018-12-18 东南大学 基于频率响应的异质空调集群分散式控制方法
CN109787251B (zh) * 2019-01-16 2022-11-18 华北电力大学（保定） 一种集群温控负荷聚合模型、系统参数辨识及反推控制方法
CN109787251A (zh) * 2019-01-16 2019-05-21 华北电力大学（保定） 一种集群温控负荷聚合模型、系统参数辨识及反推控制方法
CN110190614A (zh) * 2019-04-03 2019-08-30 国网江西省电力有限公司电力科学研究院 一种用于消减电网功率缺额的电热负荷控制方法
CN110190614B (zh) * 2019-04-03 2023-02-14 国网江西省电力有限公司电力科学研究院 一种用于消减电网功率缺额的电热负荷控制方法
CN110867907A (zh) * 2019-11-27 2020-03-06 清华大学 一种基于多类型发电资源同质化的电力系统调度方法
CN110867907B (zh) * 2019-11-27 2020-12-01 清华大学 一种基于多类型发电资源同质化的电力系统调度方法
CN111209672B (zh) * 2020-01-07 2021-11-30 河海大学 考虑用户调节行为随机性的空调负荷聚合功率建模方法
CN111209672A (zh) * 2020-01-07 2020-05-29 河海大学 考虑用户调节行为随机性的空调负荷聚合功率建模方法
CN112378047A (zh) * 2020-09-14 2021-02-19 华北电力大学 面向多场景的可调负荷的资源聚合方法、系统、设备及存储介质
CN113162054A (zh) * 2021-04-26 2021-07-23 国网山东省电力公司经济技术研究院 基于大规模可控负荷的综合服务站梯级聚合方法及系统

Similar Documents

Publication Publication Date Title
CN107276069A (zh) 一种地区电网居民温控负荷的近似聚合建模方法及系统
Bianchini et al. An integrated model predictive control approach for optimal HVAC and energy storage operation in large-scale buildings
Qiang et al. An improved office building cooling load prediction model based on multivariable linear regression
CN106920006B (zh) 一种基于isoa-lssvm的地铁站空调系统能耗预测方法
CN109800066A (zh) 一种数据中心节能调度方法及系统
CN104571068A (zh) 一种分布式能源系统的运行优化控制方法及系统
CN107800157A (zh) 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法
CN103912966A (zh) 一种地源热泵制冷系统优化控制方法
CN104898422A (zh) 联合供冷系统的递阶优化方法
Li et al. Reinforcement learning of room temperature set-point of thermal storage air-conditioning system with demand response
CN104698843A (zh) 一种基于模型预测控制的数据中心节能控制方法
CN105719028A (zh) 一种基于多因素混沌支持向量机的空调负荷动态预测方法
CN107506843A (zh) 一种短期负荷预测方法及装置
CN105091076B (zh) 节能效果计算方法以及装置
CN104238368A (zh) 一种基于模拟退火粒子群的空调能耗模型参数辨识方法
Qiu et al. Stochastic optimized chiller operation strategy based on multi-objective optimization considering measurement uncertainty
Pang et al. Testing and demonstration of model predictive control applied to a radiant slab cooling system in a building test facility
Hao et al. Reinforcement learning for building energy optimization through controlling of central HVAC system
CN110110416A (zh) 一种基于图论的分布式能源冷网供冷优化方法
CN111649457A (zh) 一种动态预测性机器学习型空调节能控制方法
Lei et al. Prediction method of energy consumption for high building based on LMBP neural network
CN107368940A (zh) 计及响应不确定性温控负荷聚合响应潜力评估方法及系统
CN104408317A (zh) 一种基于Bootstrap回声状态网络集成的冶金企业煤气流量区间预测方法
Frey et al. Artificial Neural Network modelling of sorption chillers
Wang et al. A machine learning-based control strategy for improved performance of HVAC systems in providing large capacity of frequency regulation service

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20171020

RJ01 Rejection of invention patent application after publication