CN107294212A - 考虑不同空调负荷特性的微网双层优化调度方法及系统 - Google Patents

考虑不同空调负荷特性的微网双层优化调度方法及系统 Download PDF

Info

Publication number
CN107294212A
CN107294212A CN201710611977.0A CN201710611977A CN107294212A CN 107294212 A CN107294212 A CN 107294212A CN 201710611977 A CN201710611977 A CN 201710611977A CN 107294212 A CN107294212 A CN 107294212A
Authority
CN
China
Prior art keywords
load
power
air conditioner
ice
conditioning
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
Application number
CN201710611977.0A
Other languages
English (en)
Other versions
CN107294212B (zh
Inventor
陈健
张维桐
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN201710611977.0A priority Critical patent/CN107294212B/zh
Publication of CN107294212A publication Critical patent/CN107294212A/zh
Application granted granted Critical
Publication of CN107294212B publication Critical patent/CN107294212B/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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02B90/20—Smart grids as enabling technology in buildings sector
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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
    • Y04S20/12—Energy storage units, uninterruptible power supply [UPS] systems or standby or emergency generators, e.g. in the last power distribution stages
    • 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

Abstract

本发明公开了考虑不同特性的空调负荷协调控制的微网优化调度方法及系统，包括：在日前调度层，根据分散空调负荷和集中冰蓄冷空调负荷的水平，对两种空调负荷采取不同的控制，以系统的最小运行成本为优化目标，约束条件为功率平衡约束、各电源发电功率约束和空调运行约束；在实时调整层中，根据日前调度层中对空调负荷采取的控制方法，选择相对应的设备平抑可再生能源和负荷的波动，以最小化电网联络线和蓄电池功率波动为目标，约束条件为功率平衡约束、各电源发电功率约束和空调运行和调整约束；本发明不同空调负荷协调控制参与微网优化调度方法，充分发挥不同空调负荷在微网优化调度中的能力。

Description

考虑不同空调负荷特性的微网双层优化调度方法及系统
技术领域
本发明涉及微电网技术领域，特别是涉及微电网优化调度中空调负荷的控制方法及系统。
背景技术
空调负荷具有调度潜力大、方式灵活等优点，根据其需求响应特性，通过合理的调控方法快速响应电网侧电力调度，可以有效的缓解电力供需矛盾并降低系统调峰难度和运行成本。
由于不同特性的空调负荷，其控制方法有很大区别，故将空调负荷分为分散空调负荷和集中空调负荷。对于分散空调负荷，一般采用周期性暂停控制的方法，保证室内温度在一定的范围内，同时减少分散空调所消耗的功率；对于集中负荷，可以通过冰蓄冷空调系统转移峰值负荷。因此，深入研究空调负荷的控制策略对微网的优化运行具有重要意义。
目前，空调负荷的控制策略存在以下问题：
(1)一般的空调负荷参与电网调度问题只考虑分散空调负荷或者集中空调负荷，然而两种不同特性的空调负荷在不同时段内的调度潜力是不同的，可以起到互补的作用。单独考虑一种空调负荷的微网优化调度没有充分发掘空调负荷的调度潜力；
(2)空调负荷仅仅参与微网日前调度以降低微网的运行成本，限制了空调负荷在微网功率实时调整上的能力。
综上所述，现有技术对于微网优化调度中不同特性的空调负荷协调控制的方法，尚缺乏有效的解决方案。
发明内容
为了解决现有技术的不足，本发明提供了考虑不同特性的空调负荷协调控制的微网优化调度方法及系统，本发明通过对空调负荷的控制实现降低微网运行成本和平抑功率波动的目的。
考虑不同空调负荷特性的微网双层优化调度方法，包括：
建立微网双层调度模型，包括日前调度层和实时调整层；
在日前调度层，根据分散空调负荷和集中冰蓄冷空调负荷的水平，对两种空调负荷采取不同的控制；
以系统的最小运行成本为优化目标，以功率平衡约束、各电源发电功率约束和空调运行约束为约束条件，建立日前优化调度函数，降低了系统日运行成本；
在实时调整层，根据日前调度层中对空调负荷采取的控制方法，选择相对应的设备平抑可再生能源和负荷的波动；
以最小化电网联络线和蓄电池功率波动为目标，以功率平衡约束、各电源发电功率约束和空调运行和调整约束为约束条件，建立实时优化调度函数，减少了电网联络线和蓄电池功率波动；
进一步地，根据分散空调负荷和集中冰蓄冷空调负荷的水平，对两种空调负荷采取不同的控制，具体为：
比较分散空调负荷和集中冰蓄冷空调负荷的大小，如果集中冰蓄冷空调负荷大，则分散负荷保留部分负荷作为备用并对剩余负荷进行削减；如果分散负荷大，则分散负荷保留部分负荷作为备用并对剩余负荷进行削减；否则，分散负荷全部保留作为备用，集中冰蓄冷空调在白天工作在制冷或融冰模式，夜间工作在制冰模式。
进一步地，日前优化调度函数具体为：
其中，cin、cout分别为微网从电网购电的电价和向电网售电的电价；Pin、Pout分别为电网向微网输入的功率和微网向电网输出的功率；Ts为调度层的调度周期。
进一步地，日前优化调度函数的约束条件为：
1)电功率平衡：
PPV(t)+Pin(t)+Pdis(t)＝Pload(t)+Pde-load(t)+Pa(t)+Pc(t)+Pd(t)+Ptwr(t)+Pout(t)+Pch(t)
2)冷负荷平衡：
Qa(t)+Qd(t)＝Qload(t)
3)运行约束：
E(t0+Ts)＝E(t0)
0≤Pin(t)≤fin(t)Pmax
0≤Pout(t)≤fout(t)Pmax
Pde-load(t)＝a(1-R1)Pde-load0(t)+R1Pde-load0(t)
式中：PPV(t)为t时刻光伏阵列的输出功率；Pdis(t)、Pch(t)分别为t时刻蓄电池的放电、充电功率；Pload(t)为t时刻的电负荷；Pde-load(t)为t时刻削减后的分散空调负荷；Pa(t)、Pc(t)、Pd(t)分别为t时刻冰蓄冷空调在制冷、制冰和融冰模式下消耗的电功率；Ptwr(t)为t时刻冷却塔消耗的电功率；Qa(t)、Qd(t)分别为t时刻冰蓄冷空调在制冷模式和融冰模式下释放的冷量；Qload(t)为t时刻系统的冷负荷；E(t0)为初始时刻t0是电池电量；fin(t)、fout(t)分别为主电网对微网的输入、输出功率的标志位；Pmax为联络线功率上限；Pde-load0(t)为t时刻削减前的分散空调负荷；R1为备用系数；a为分散空调负荷削减系数。
进一步地，在实时调整层，在集中冰蓄冷空调负荷大于分散负荷的情况下，判断是否存在电负荷增加或者PV出力减小，如果是，则采用备用分散负荷消减和冰蓄冷空调的制冷机功率调整的方法，平抑电网联络线和蓄电池的功率波动；否则，采用分散负荷还原和冰蓄冷空调的制冷机功率调整的方法，平抑电网联络线和蓄电池的功率波动。
进一步地，在实时调整层，在集中冰蓄冷空调负荷小于分散负荷的情况下，判断是否存在电负荷增加或者PV出力减小，如果是，则采用备用分散负荷消减的方法，平抑电网联络线和蓄电池的功率波动；否则，采用分散负荷还原的方法，平抑电网联络线和蓄电池的功率波动。
进一步地，在实时调整层，在分散负荷全部保留作为备用的情况下，判断是否存在电负荷增加或者PV出力减小，如果是，采用分散负荷消减、蓄电池储能系统和冰蓄冷空调的制冷机功率调整的方法，平抑电网联络线和蓄电池的功率波动；否则，采用蓄电池储能系统和冰蓄冷空调的制冷机功率调整的方法，平抑电网联络线和蓄电池的功率波动。
进一步地，实时优化调度函数具体为：
式中：tm为调整层调整周期，Pch(ts)、Pdis(t)分别为ts时刻电池充电、放电功率。
进一步地，1)分散空调负荷调整约束
根据分布式电源出力和负荷的波动对备用分散空调负荷进行削减或者对调度层中已经削减的分散空调负荷进行还原，以平抑光伏和电负荷波动引起的系统功率波动；将空调按控制方法分为m和n组：
式中：fi(t)为n组中每一组的削减变量；gi(t)是m组中每一组的还原变量；Pi为每一组分散空调的功率。
2)冰蓄冷空调制冷机约束
冰蓄冷空调的制冷机运行在一定的功率范围之内，同时要避免低负荷率带来的制冷机低效率运行：
Ia(t)Qamin≤Qa(ts)≤Ia(t)Qamax
qIc(t)Qamax≤Qc(ts)≤Ic(t)Qamax
式中：Ia(t)为t时刻制冷机制冷模式的启停变量；Qamin、Qamax分别为制冷机最小、最大制冷功率；b为制冰模式下最小制冷功率与最大功率之比；Qa(ts)、Qc(ts)分别为ts时刻冰蓄冷空调在制冷模式和融冰模式下释放的冷量。
一种考虑不同空调负荷特性的微网双层优化调度系统，包括：微网双层调度模型，所述微网双层调度模型包括日前调度层和实时调整层；
在日前调度层，根据分散空调负荷和集中冰蓄冷空调负荷的水平，对两种空调负荷采取不同的控制，以系统的最小运行成本为优化目标，建立日前调度层优化模型，降低了系统日运行成本；
在实时调整层中，根据日前调度层中对空调负荷采取的控制方法，选择相对应的设备平抑可再生能源和负荷的波动，以最小化电网联络线和蓄电池功率波动为目标，建立实时调度层优化模型，减小了电网联络线和蓄电池功率波动；
与现有技术相比，本发明的有益效果是：
本发明综合考虑了分散空调负荷和集中空调负荷在微网优化调度中的作用，两种空调负荷在调度中起到了互补的作用，进一步减少了微网的运行成本和功率波动。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1本发明提供的协调控制策略详细流程图；
图2本发明提供的微网系统的结构图；
图3本发明提供的典型日集中空调负荷和分散空调负荷曲线；
图4本发明与其他控制策略下调度层电网联络线功率对比图；
图5本发明控制策略下调度层分散空调负荷图；
图6本发明控制策略下调度层冰蓄冷空调功率图；
图7本发明与其他控制策略下调整层电网联络线功率对比图；
图8本发明控制策略下调整层分散空调负荷图；
图9本发明控制策略下调整层冰蓄冷空调功率图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的，现有技术中对空调负荷调度潜力的开发不足，为了解决如上的技术问题，本申请提出了考虑不同特性的空调负荷协调控制的微网优化调度方法。
本发明提出的考虑不同特性的空调负荷协调控制的微网优化调度方法，并建立了以下模型：
1.冰蓄冷空调工作模式
1)制冷模式
在该模式下制冷机工作以满足冷负荷，同时为了提高制冷效率制冷机应避低负荷率下工作：
Ia(t)Qamin≤Qa(t)≤Ia(t)Qamax
式中：Qa(t)是t时刻制冷机在制冷模式下产生的制冷功率；Ia(t)为t时刻制冷机制冷模式的启停变量；Qamin和Qamax分别为制冷机最小、最大制冷功率。
此时制冷模式下制冷机消耗的电功率Pa(t)：
式中：a1、a2是根据空调参数得到的拟合因子。在夜间的低负荷时段制冷机的制冷模式不启动：
Ia(t)＝0,t∈[t0,t1]
式中：t0和t1分别代表夜间低负荷时段的开始和结束时刻。
2)制冰模式
在制冰模式下，制冷机运行在额定功率附近，保证制冰效率：
bIc(t)Qamax≤Qc(t)≤Ic(t)Qamax
式中：Qc(t)是t时刻制冷机在制冰模式下产生的制冷功率；b为制冰模式下最小制冷功率与最大功率之比；Ic(t)为t时刻制冷机制冰模式的启停变量。
制冰模式下制冷机消耗的电功率：
制冰模式在非低负荷时段不启动且需要在一段时间内连续的运行，即在负荷低谷期中制冰模式分别开启(Ic(t)由0变为1)和关闭(Ic(t)由1变为0)一次：
3)融冰模式
蓄冰槽融冰制冷以满足冷负荷，该模式在非低负荷时段运行，而且此时消耗的电功率恒定。
Id(t)＝0,t∈[t0,t1]
0≤Qd(t)≤Id(t)Qamax
式中：Qd(t)是t时刻融冰模式产生的冷功率；Id(t)为t时刻融冰模式的启停变量。
2.蓄冰槽
蓄冰槽中储存的冷量IS(t)为：
IS(t)＝(1-η1)IS(t-1)+η2Qc(t)-Qd(t)
式中：η1为储冰的耗散系数；η2为制冰系数。
3.冷却塔
冷却塔的功率消耗主要由风扇电动机计算而来，根据Blast经验模型，冷却塔中的风扇功率Ptwr与冷却塔负荷成比例关系：
Ptwr＝l(Qa+Qd)
式中：l为冷却塔功率系数。
4.分散空调模型
1)空调热参数模型
针对家庭用户和小型工商业用户的分散式空调进行聚合控制研究，考虑分散式空调负荷基本动态过程，可得到表征空调功率与温度变化的一阶状态模型如下。当空调开启和关断时有：
式中：和分别是t时刻和t+1时刻的室内温度；为t+1时刻的室外温度；C为房间的等效比热容；Rr为房间的等效热阻；P为空调的工作功率；η为空调能效比；Δt为仿真步长。
2)空调周期性暂停控制模型
根据人体舒适度理论，适宜的室内温度是一个变化的温度带。根据房间的热迟滞效应，但室温达到温度上限时关断空调，室内温度下降，在达到温度下限是开启空调，保证室内温度在一定的范围内波动，对外的表现则是空调功率的降低。
根据空调热参数模型，进一步可得到室外温度恒定时空调可关断时间τ0和可开启时间τ1：
式中：Tmin、Tmax分别为室内温度的上下限；Tout为室外温度。进一步结合温度波动区间对等效热参数模型进行线性化，如图3所示，则得某时刻p台空调的可调度容量CT为：
式中：i＝1,2,3...,p；τ0,i为第i台空调在控制周期内的可关断时间；τ1,i第i台空调的可开启时间；Pi为第i台空调的额定功率；a为空调负荷的削减系数。
5.蓄电池储能系统
蓄电池储能系统要满足以下的约束：
E(t+1)＝E(t)+fch(t)Pch(t)Δtη3-fdis(t)Pdis(t)Δt/η4
0≤Pch(t)≤fch(t)Pchmax
0≤Pdis(t)≤fdis(t)Pdismax
fch(t)+fdis(t)≤1
Emin≤E(t)≤Emax
式中：E(t+1)、E(t)分别为t和t+1时刻电池的电量；Pdis(t)、Pch(t)分别为t时刻蓄电池的放电、充电功率；fch(t)、fdis(t)分别为电池充电和放电标志位；η3、η4为电池充电效率和放电效率；Emax、Emin为电池电量的上下限。蓄电池的寿命损耗成本使用蓄电池放电量寿命模型计算得到。
6.光伏
式中：PPV为光伏出力功率；GAC为光照强度；PSTC为标准条件下的最大测试功率；GSTC为测试标准下的光照强度；k为功率温度系数；Tc为电池板工作温度；Tr为参考温度。
7.日前优化调度模型
在日前调度层中，优化目标是最小化日运行成本C1：
式中：cin、cout分别为微网从电网购电的电价和向电网售电的电价；Pin、Pout分别为电网向微网输入的功率和微网向电网输出的功率；Ts为调度层的调度周期。
微网的小时级经济调度还要满足以下约束：
1)电功率平衡：
PPV(t)+Pin(t)+Pdis(t)＝Pload(t)+Pde-load(t)+Pa(t)+Pc(t)+Pd(t)+Ptwr(t)+Pout(t)+Pch(t)
2)冷负荷平衡：
Qa(t)+Qd(t)＝Qload(t)
3)运行约束：
E(t0+Ts)＝E(t0)
0≤Pin(t)≤fin(t)Pmax
0≤Pout(t)≤fout(t)Pmax
Pde-load(t)＝a(1-R1)Pde-load0(t)+R1Pde-load0(t)
式中：PPV(t)为t时刻光伏阵列的输出功率；Pdis(t)、Pch(t)分别为t时刻蓄电池的放电、充电功率；Pload(t)为t时刻的电负荷；Pde-load(t)为t时刻削减后的分散空调负荷；Pa(t)、Pc(t)、Pd(t)分别为t时刻冰蓄冷空调在制冷、制冰和融冰模式下消耗的电功率；Ptwr(t)为t时刻冷却塔消耗的电功率；Qa(t)、Qd(t)分别为t时刻冰蓄冷空调在制冷模式和融冰模式下释放的冷量；Qload(t)为t时刻系统的冷负荷；E(t0)为初始时刻t0是电池电量；fin(t)、fout(t)分别为主电网对微网的输入、输出功率的标志位；Pmax为联络线功率上限；Pde-load0(t)为t时刻削减前的分散空调负荷；R1为备用系数；a为分散空调负荷削减系数。另外，约束条件还包括上述的各个模型和控制策略的设备自身约束和运行约束。
8.实时优化调度模型
调整层是在调度层结果的基础上，根据微网中分布式电源出力和负荷的波动进行一定的调整，最小化微网和主电网、储能之间的联络线功率波动C2。
式中：tm为调整层调整周期。系统运行所遵循的约束条件除上述调度层约束条件，还应满足：
1)分散空调负荷调整约束
根据分布式电源出力和负荷的波动对备用分散空调负荷进行削减或者对调度层中已经削减的分散空调负荷进行还原，以平抑光伏和电负荷波动引起的系统功率波动。将空调按控制方法(削减、未削减)分为m和n组。
式中：fi(t)为n组中每一组的削减变量；gi(t)是m组中每一组的还原变量；Pi为每一组分散空调的功率。
2)冰蓄冷空调制冷机约束
冰蓄冷空调的制冷机运行在一定的功率范围之内，可以进行调整，同时要避免低负荷率带来的制冷机低效率运行：
Ia(t)Qamin≤Qa(ts)≤Ia(t)Qamax
mIc(t)Qamax≤Qc(ts)≤Ic(t)Qamax
如图1所示根据两种不同特性的负荷提出的空调控制策略：在日前调度层中，根据集中和分散空调负荷水平的高低对分散空调负荷进行保留不同程度备用的削减，将削减后的分散负荷与电负荷、光伏出力等进行小时级的经济调度；在实时调整层中，对于电负荷和光伏的波动，根据日前调度层中空调负荷的控制选择不同的控制策略，然后根据控制策略、调度层的优化结果进行调整层的优化调度。
为了使得本领域技术人员能够更加清楚地了解本申请的技术方案，以下将结合具体的仿真实施例与对比例详细说明本申请的技术方案。
以图3的典型空调负荷曲线为例，8:00-18:00集中负荷水平很高且分散负荷也较高，此时在调度层中冰蓄冷空调通过制冷和融冰模式共同提供冷负荷，分散负荷在保留部分备用的前提下通过周期性暂停控制削减负荷；在调整层中，由备用的分散负荷削减和制冷机功率调整平抑功率波动。18:00-23:00集中负荷水平很低且分散负荷处于高峰期，调度层中冰蓄冷空调停止工作，分散负荷同样在保留部分备用的前提下进行削减；在调整层中通过备用分散负荷削减或还原已削减分散负荷进行功率调整。23:00-次日8:00集中负荷和分散负荷水平均很低，冰蓄冷空调工作在制冰模式，分散负荷全部作为备用；调整层中通过备用的分散负荷削减、制冷机和蓄电池进行功率调整。
对图2示的微网系统按本发明提出的控制策略(Case4)进行仿真，另分别采用不考虑分散负荷和集中负荷(Case1)、只考虑分散负荷(Case2)、只考虑集中负荷(Case3)。仿真结果中相比于传统的直流控制方式的协调控制策略：图4表明本发明所提出的协调控制策略下能够在低电价时段提高电网输入微网功率，高电价时段使其降低，已达到减小成本的目的；图5表明分散空调通过削减能够降低负荷、减小运行成本；图6表明集中空调能够通过调整达到削峰填谷的作用，并可进一步降低运行成本；图7表明本发明所提出的协调控制策略对电网联络线功率波动的平抑能力是最好的；图8、图9表明分散空调和集中空调都能够在调度层计划的基础上进行一定的调整，以平抑功率波动；表1表明在本发明提出的控制方法下，微网系统的运行成本和联络线功率波动被有效的较低。这是由于图1中本发明所提出的协调控制策略能够使分散空调负荷和集中冰蓄冷空调负荷充分的参与到电网调度中。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.考虑不同空调负荷特性的微网双层优化调度方法，其特征是，包括：
建立微网双层调度模型，包括日前调度层和实时调整层；
在日前调度层，根据分散空调负荷和集中冰蓄冷空调负荷的水平，对两种空调负荷采取不同的控制；
以系统的最小运行成本为优化目标，以功率平衡约束、各电源发电功率约束和空调运行约束为约束条件，建立日前优化调度模型；
在实时调整层，根据日前调度层中对空调负荷采取的控制方法，选择相对应的设备平抑可再生能源和负荷的波动；
以最小化电网联络线和蓄电池功率波动为目标，以功率平衡约束、各电源发电功率约束和空调运行和调整约束为约束条件，建立实时优化调度模型。
2.如权利要求1所述的一种考虑不同空调负荷特性的微网双层优化调度方法，其特征是，根据分散空调负荷和集中冰蓄冷空调负荷的水平，对两种空调负荷采取不同的控制，具体为：
比较分散空调负荷和集中冰蓄冷空调负荷的大小，如果集中冰蓄冷空调负荷大，则分散负荷保留部分负荷作为备用并对剩余负荷进行削减；如果分散负荷大，则分散负荷保留部分负荷作为备用并对剩余负荷进行削减；否则，分散负荷全部保留作为备用，集中冰蓄冷空调在白天工作在制冷或融冰模式，夜间工作在制冰模式。
3.如权利要求1所述的一种考虑不同空调负荷特性的微网双层优化调度方法，其特征是，日前优化调度函数具体为：
其中，cin、cout分别为微网从电网购电的电价和向电网售电的电价；Pin、Pout分别为电网向微网输入的功率和微网向电网输出的功率；Ts为调度层的调度周期。
4.如权利要求1所述的一种考虑不同空调负荷特性的微网双层优化调度方法，其特征是，日前优化调度函数的约束条件为：
1)电功率平衡：
PPV(t)+Pin(t)+Pdis(t)＝Pload(t)+Pde-load(t)+Pa(t)+Pc(t)+Pd(t)+Ptwr(t)
2)冷负荷平衡：
Qa(t)+Qd(t)＝Qload(t)
3)运行约束：
E(t0+Ts)＝E(t0)
0≤Pin(t)≤fin(t)Pmax
0≤Pout(t)≤fout(t)Pmax
Pde-load(t)＝a(1-R1)Pde-load0(t)+R1Pde-load0(t)
式中：PPV(t)为t时刻光伏阵列的输出功率；Pdis(t)、Pch(t)分别为t时刻蓄电池的放电、充电功率；Pload(t)为t时刻的电负荷；Pde-load(t)为t时刻削减后的分散空调负荷；Pa(t)、Pc(t)、Pd(t)分别为t时刻冰蓄冷空调在制冷、制冰和融冰模式下消耗的电功率；Ptwr(t)为t时刻冷却塔消耗的电功率；Qa(t)、Qd(t)分别为t时刻冰蓄冷空调在制冷模式和融冰模式下释放的冷量；Qload(t)为t时刻系统的冷负荷；E(t0)为初始时刻t0是电池电量；fin(t)、fout(t)分别为主电网对微网的输入、输出功率的标志位；Pmax为联络线功率上限；Pde-load0(t)为t时刻削减前的分散空调负荷；R1为备用系数；a为分散空调负荷削减系数。
5.如权利要求1所述的一种考虑不同空调负荷特性的微网双层优化调度方法，其特征是，在实时调整层，在集中冰蓄冷空调负荷大于分散负荷的情况下，判断是否存在电负荷增加或者PV出力减小，如果是，则采用备用分散负荷消减和冰蓄冷空调的制冷机功率调整的方法，平抑电网联络线和蓄电池的功率波动；否则，采用分散负荷还原和冰蓄冷空调的制冷机功率调整的方法，平抑电网联络线和蓄电池的功率波动。
6.如权利要求1所述的一种考虑不同空调负荷特性的微网双层优化调度方法，其特征是，在实时调整层，在集中冰蓄冷空调负荷小于分散负荷的情况下，判断是否存在电负荷增加或者PV出力减小，如果是，则采用备用分散负荷消减的方法，平抑电网联络线和蓄电池的功率波动；否则，采用分散负荷还原的方法，平抑电网联络线和蓄电池的功率波动。
7.如权利要求1所述的一种考虑不同空调负荷特性的微网双层优化调度方法，其特征是，在实时调整层，在分散负荷全部保留作为备用的情况下，判断是否存在电负荷增加或者PV出力减小，如果是，采用分散负荷消减、蓄电池储能系统和冰蓄冷空调的制冷机功率调整的方法，平抑电网联络线和蓄电池的功率波动；否则，采用蓄电池储能系统和冰蓄冷空调的制冷机功率调整的方法，平抑电网联络线和蓄电池的功率波动。
8.如权利要求1所述的一种考虑不同空调负荷特性的微网双层优化调度方法，其特征是，实时优化调度函数具体为：
式中：tm为调整层调整周期，Pch(ts)、Pdis(t)分别为ts时刻电池充电、放电功率。
9.如权利要求1所述的一种考虑不同空调负荷特性的微网双层优化调度方法，其特征是，
1)分散空调负荷调整约束
根据分布式电源出力和负荷的波动对备用分散空调负荷进行削减或者对调度层中已经削减的分散空调负荷进行还原，以平抑光伏和电负荷波动引起的系统功率波动；将空调按控制方法分为m和n组：
式中：fi(t)为n组中每一组的削减变量；gi(t)是m组中每一组的还原变量；Pi为每一组分散空调的功率。
2)冰蓄冷空调制冷机约束
冰蓄冷空调的制冷机运行在一定的功率范围之内，同时要避免低负荷率带来的制冷机低效率运行：
Ia(t)Qamin≤Qa(ts)≤Ia(t)Qamax
bIc(t)Qamax≤Qc(ts)≤Ic(t)Qamax
式中：Ia(t)为t时刻制冷机制冷模式的启停变量；Qamin、Qamax分别为制冷机最小、最大制冷功率；b为制冰模式下最小制冷功率与最大功率之比；Qa(ts)、Qc(ts)分别为ts时刻冰蓄冷空调在制冷模式和融冰模式下释放的冷量。
10.一种考虑不同空调负荷特性的微网双层优化调度系统，其特征在于，包括：微网双层调度模型，所述微网双层调度模型包括日前调度层和实时调整层；
在日前调度层，根据分散空调负荷和集中冰蓄冷空调负荷的水平，对两种空调负荷采取不同的控制，以系统的最小运行成本为优化目标，建立日前调度层优化模型，降低了系统日运行成本；
在实时调整层中，根据日前调度层中对空调负荷采取的控制方法，选择相对应的设备平抑可再生能源和负荷的波动，以最小化电网联络线和蓄电池功率波动为目标，建立实时调度层优化模型，减小了电网联络线和蓄电池功率波动。
CN201710611977.0A 2017-07-25 2017-07-25 考虑不同空调负荷特性的微网双层优化调度方法及系统 Active CN107294212B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710611977.0A CN107294212B (zh) 2017-07-25 2017-07-25 考虑不同空调负荷特性的微网双层优化调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710611977.0A CN107294212B (zh) 2017-07-25 2017-07-25 考虑不同空调负荷特性的微网双层优化调度方法及系统

Publications (2)

Publication Number Publication Date
CN107294212A true CN107294212A (zh) 2017-10-24
CN107294212B CN107294212B (zh) 2019-09-24

Family

ID=60102658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710611977.0A Active CN107294212B (zh) 2017-07-25 2017-07-25 考虑不同空调负荷特性的微网双层优化调度方法及系统

Country Status (1)

Country Link
CN (1) CN107294212B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108009693A (zh) * 2018-01-03 2018-05-08 上海电力学院 基于两级需求响应的并网微电网双层优化方法
CN108830743A (zh) * 2018-05-25 2018-11-16 天津大学 考虑多种蓄冷装置的园区综合能源系统优化调度方法
CN110323740A (zh) * 2019-06-24 2019-10-11 中国农业大学 计及光伏出力和空调负荷动态相关性的经济调峰方法
CN111784055A (zh) * 2020-07-02 2020-10-16 长沙理工大学 一种考虑电力需求侧响应特性的虚拟电厂优化调度模型
CN112161352A (zh) * 2020-09-29 2021-01-01 上海电力大学 一种兼顾成本与能耗的冰蓄冷系统多目标优化运行方法
CN115411730A (zh) * 2022-10-31 2022-11-29 国网浙江省电力有限公司金华供电公司 空调负荷多时段可调节潜力评估方法及相关装置

Citations (2)

* 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
CN105006843A (zh) * 2014-04-17 2015-10-28 国家电网公司 一种应对风电不确定性的多时间尺度柔性负荷调度方法

Patent Citations (2)

* 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
CN105006843A (zh) * 2014-04-17 2015-10-28 国家电网公司 一种应对风电不确定性的多时间尺度柔性负荷调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHEJING BAO等: "A Multi Time-Scale and Multi Energy-Type Coordinated Microgrid Scheduling Solution—Part I:Model and Methodology", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *
高赐威等: "基于DLC 的空调负荷双层优化调度和控制策略", 《中国电机工程学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108009693A (zh) * 2018-01-03 2018-05-08 上海电力学院 基于两级需求响应的并网微电网双层优化方法
CN108830743A (zh) * 2018-05-25 2018-11-16 天津大学 考虑多种蓄冷装置的园区综合能源系统优化调度方法
CN108830743B (zh) * 2018-05-25 2021-10-15 天津大学 考虑多种蓄冷装置的园区综合能源系统优化调度方法
CN110323740A (zh) * 2019-06-24 2019-10-11 中国农业大学 计及光伏出力和空调负荷动态相关性的经济调峰方法
CN111784055A (zh) * 2020-07-02 2020-10-16 长沙理工大学 一种考虑电力需求侧响应特性的虚拟电厂优化调度模型
CN112161352A (zh) * 2020-09-29 2021-01-01 上海电力大学 一种兼顾成本与能耗的冰蓄冷系统多目标优化运行方法
CN115411730A (zh) * 2022-10-31 2022-11-29 国网浙江省电力有限公司金华供电公司 空调负荷多时段可调节潜力评估方法及相关装置

Also Published As

Publication number Publication date
CN107294212B (zh) 2019-09-24

Similar Documents

Publication Publication Date Title
CN107294212B (zh) 考虑不同空调负荷特性的微网双层优化调度方法及系统
CN105928292B (zh) 一种基于神经网络的负荷预测与需求响应控制的光伏冷库系统
CN109103893B (zh) 一种集群温控负荷参与电网agc的辅助调频方法
CN106950840A (zh) 面向电网削峰的综合能源系统分层分布式协调控制方法
CN106022503A (zh) 面向具有耦合型电冷热需求的微电网容量规划方法
CN108631343A (zh) 一种多能互补能源互联网优化调度方法
CN108361885B (zh) 一种冰蓄冷空调系统动态规划方法
CN109919478A (zh) 一种考虑综合供能可靠性的综合能源微网规划方法
CN104214912A (zh) 一种基于温度设定值调整的聚合空调负荷调度方法
CN105337303A (zh) 一种含热泵的热电联产型微电网容量优化配置方法
CN108491992A (zh) 一种含光伏和蓄能的冷热电联供系统调峰调蓄优化调度模型
CN105207205A (zh) 一种融合需求侧响应的分布式能源系统能量优化调控方法
CN109752953A (zh) 一种集成电制冷机的楼宇供能系统模型预测调控方法
CN102664401A (zh) 一种基于电池寿命模型的微电网控制方法
CN111064209B (zh) 一种综合储能优化配置方法和系统
CN109245134A (zh) 基于虚拟模糊自适应调控算法的混合储能调度方法及系统
CN106712087A (zh) 一种微能源网切换模式
CN112234607A (zh) 一种考虑快速启停设备的多能虚拟电厂调节能力计算方法
CN108197412B (zh) 一种多能源耦合能量管理系统及优化方法
CN107546747A (zh) 一种基于柔性负荷控制的自动需求响应运行模式
CN106505596A (zh) 用于提升风电消纳能力的储热罐容量优化配置方法和系统
CN107144044A (zh) 一种含水蓄冷的冷热电联供系统用运行模式选择方法
CN102901172A (zh) 水环式相变蓄能型地板送风空调系统及其蓄能释能方法
CN111049184B (zh) 一种多能互补园区响应电力系统风电消纳需求的计算方法
CN111049134B (zh) 一种多能互补园区响应电力系统削峰需求的计算方法

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