CN108321793B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108321793B CN108321793B CN201810043266.2A CN201810043266A CN108321793B CN 108321793 B CN108321793 B CN 108321793B CN 201810043266 A CN201810043266 A CN 201810043266A CN 108321793 B CN108321793 B CN 108321793B
- Authority
- CN
- China
- Prior art keywords
- building
- distribution network
- power distribution
- load
- active power
- 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
Links
Images
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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
Abstract
本发明公开了一种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,所述方法包括:基于智能建筑能耗预测模型,构建智能楼宇的暖通空调系统优化调控模型,通过调控模型在温度舒适度范围内对楼宇室温进行优化调节,实现对暖通空调系统的能耗管理;考虑智能楼宇在不同优化调度策略下对配电网络的经济性与安全性影响,通过引入楼宇集群负荷系数,提出了考虑负荷系数的集成智能楼宇的主动配电网建模;获取楼宇侧负荷,对楼宇侧负荷进行聚合后接入配电网,判断运行方案是否满足配电网中的节点电压与线路网损约束。本发明不仅保证了楼宇侧的经济性,同时在一定程度上降低系统网损以及改善电压质量,进一步提高配电网运行的经济性与安全性。
Description
技术领域
本发明涉及配电网建模及优化调度领域,尤其涉及一种考虑负荷系数的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。
背景技术
近年来,国内外学者针对大型建筑的能耗预测展开了一系列的工作。能耗预测模型主要分为物理模型、数据驱动模型和灰箱模型。使用简化的物理模型可以减少验证数据量并节省计算时间。
现阶段关于楼宇和配网侧的联合优化调度,如研究智能楼宇灵活负荷需求管理方法时,未能较好的将智能楼宇灵活负荷需求管理与主动配电网优化运行相结合,改善配电运行的经济性和安全性。
其暖通空调(Heating,Ventilation and Air Conditioning,HVAC)系统设定响应速度较慢,且没有具体考虑不同制热区域的楼宇能耗以及居民用电的随机特性对于主动配电网的影响。
因此构建完善的智能建筑能耗预测模型以及改进集成智能楼宇主动配电网优化方法仍是现阶段智能楼宇与配电网联合优化调度研究的重点。
发明内容
本发明提供了一种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,本发明不仅保证了楼宇侧的经济性,同时在一定程度上降低系统网损以及改善电压质量,进一步提高配电网运行的经济性与安全性,详见下文描述:
一种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,所述方法包括以下步骤:
1)基于智能建筑能耗预测模型,构建智能楼宇的暖通空调系统优化调控模型,通过调控模型在温度舒适度范围内对楼宇室温进行优化调节,实现对暖通空调系统的能耗管理;
2)考虑智能楼宇在不同优化调度策略下对配电网络的经济性与安全性影响,通过引入楼宇集群负荷系数,提出了考虑负荷系数的集成智能楼宇的主动配电网建模;
3)获取楼宇侧负荷,对楼宇侧负荷进行聚合后接入配电网,判断运行方案是否满足配电网中的节点电压与线路网损约束。
在步骤1)之前,所述方法还包括:
根据楼宇蓄热特性,基于热阻热容网络模型,构建考虑楼宇内部不同温度区域的所述智能建筑能耗预测模型。
进一步地,所述考虑负荷系数的集成智能楼宇的主动配电网建模具体为:
所述主动配电网建模满足约束条件,且目标函数中引入楼宇集群负荷系数。
其中,所述获取楼宇侧负荷具体为:
通过在MATLAB下调用IPOPT求解器对主动配电网模型进行求解,从而得到楼宇侧负荷。
进一步地,所述对楼宇侧负荷进行聚合具体为:
采用随机正态分布的电负荷数据,对楼宇负荷进行聚合,得到聚合后的楼宇侧负荷。
其中,所述判断运行方案是否满足配电网中的节点电压与线路网损约束具体为:
若满足约束,则不作调整,直接得到主动配电网优化运行方案;
若不满足约束,则利用配网侧控制的遍历计算寻优方法对主动配电网优化运行方案中的调压器分接头挡位进行调整,使调压器分接头挡位满足配网约束。
进一步地,所述配网侧控制的遍历计算寻优方法具体为:
将所有可能的配网侧控制变量都带入B2G控制问题中,取满足约束条件时的调压器分接头挡位。
具体实现时,所述目标函数中引入楼宇集群负荷系数具体为:
式中,λ与μ均为使多目标函数归一化的常数值;Pavg和P∞分别为在一段时间内的平均负荷与峰值负荷;α和β分别指代楼宇侧权重系数与网络侧权重系数;与εt分别指代制热区域由于惩罚因子违背用户设定舒适度上下限的能力;κ为惩罚因子。
本发明提供的技术方案的有益效果是:
1、本发明基于楼宇的蓄热特性,采用热阻热容网络模型,从能量守恒的角度构建了楼宇室内温度、与制热功率和外界环境参数之间的定量数学关系,进而构建了考虑楼宇内部不同温度区域的智能建筑能耗预测模型;
2、本发明通过在温度舒适度范围内对楼宇室温进行调节,实现对楼宇的暖通系统能耗管理,以此在发掘需求侧楼宇的暖通系统节能潜力的同时,辅助提升网络侧的能源利用效率与运行安全性。
附图说明
图1是一种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的流程图;
图2是智能建筑中单个制热区域的能耗预测模型的示意图;
图3是集成智能楼宇的主动配电网的示意图;
图4是T、M、C控制下的室内温度对比结果的示意图;
图5是C、B2G控制下的室内温度对比结果的示意图。
其中,T控制策略用于仅控制HVAC中的送风温度;M控制策略用于仅控制HVAC中的送风质量流量;C控制策略用于联合控制HVAC中的送风温度与送风质量流量;B2G控制策略(本方法)用于在C控制的基础上,额外考虑了负荷系数的影响。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
集成智能楼宇灵活负荷的主动配电网模型可以预测长期能源性能与实现短期操作数据监测。但需要选取灵活的控制策略,以兼顾楼宇侧的经济性与网络侧的安全性。
因此,集成智能楼宇灵活负荷的主动配电网的建模与优化仍缺乏高效、且保证良好精度的通用方法。
为了保证在温度舒适度的前提下可充分发掘智能楼宇的需求响应潜力;本发明实施例依据楼宇蓄热特性,提出一种考虑负荷系数的、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。
实施例1
本发明实施例提供了一种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,如图1-图3所示,该方法包括以下步骤:
101:根据楼宇蓄热特性,基于热阻热容网络模型,构建了考虑楼宇内部不同温度区域的智能建筑能耗预测模型;
102:基于智能能耗预测模型,构建了智能楼宇的暖通空调系统优化调控模型,通过调控模型在温度舒适度范围内对楼宇室温进行优化调节,实现对暖通空调系统的能耗管理;
103:考虑智能楼宇在不同优化调度策略下对配电网络的经济性与安全性影响,通过引入楼宇集群负荷系数,提出了考虑负荷系数的集成智能楼宇的主动配电网建模;
104:以冬季制热场景为例,对暖通空调多种调控方式下的楼宇集群进行了优化调度分析,进一步对比分析了楼宇集群优化调度对主动配电网的经济性与安全性的影响。
综上所述,本发明实施例通过上述步骤101-步骤104以已知外界环境参数,基于能耗预测模型,通过引入楼宇集群负荷系数,提出了考虑负荷系数的集成智能楼宇的主动配电网建模及优化调度方法,进一步对比分析了楼宇集群优化调度对于主动配电网的经济性与安全性影响。
实施例2
下面结合具体的计算公式、附图对实施例1中的方案进行进一步地介绍,详见下文描述:
201:根据楼宇蓄热特性,基于热阻热容网络模型,构建了考虑楼宇内部不同温度区域的智能建筑能耗预测模型;
其中,该步骤201包括:
1)获取基础数据,包括:建筑参数信息、HVAC系统参数、光照强度、室外温度、以及实时电价;
该获取基础数据的步骤为本领域技术人员所公知,本发明实施例对此不做赘述。
2)采用RC(热阻热容)网络模型,通过状态方程式(1)中的控制变量u确定HVAC系统的运行状态,并在考虑扰动变量d(t)的基础上,如向阳面与背阴面光照强度的不同,构建考虑楼宇内部不同温度区域的智能建筑能耗预测模型,以此得到HVAC系统的状态变量x,确定室内温度
式中,g(x,u)与d(t)为HVAC系统的非线性部分;x为系统状态变量(为x的时间导数),指代网络中各个节点温度;u为HVAC系统的控制变量(即楼宇侧的控制变量),指代送风质量流量与送风温度;d(t)以及y分别为HVAC系统扰动量与输出量,A为HVAC系统状态变量的系数矩阵,B为状态方程输出量的系数矩阵。
202:基于智能建筑能耗预测模型,构建了智能楼宇的暖通空调系统优化调控模型,通过在温度舒适度范围内对楼宇室温进行优化调节,实现对暖通空调系统的能耗管理;
其中,该步骤202包括:
1)首先基于智能建筑能耗预测模型,构建智能楼宇的暖通空调系统优化调控模型;
式中,ut指代此时刻送风质量流量与送风温度ut+1为下一时刻送风质量流量与送风温度;与δu为u的变化速率上下限;为制热区域温度;与T i,t分别为制热区域温度的上下限;与ε t分别指代制热区域由于惩罚因子违背用户设定舒适度上下限的能力;目标函数中为各时间段HVAC系统用电量,ΩT为该地区实时电价,κ为惩罚因子;tmax为所取时间段的最大值。
2)根据HVAC系统的控制变量取值范围,通过在温度舒适度范围内对楼宇室温进行优化调节,在控制u中送风质量流量与送风温度的基础上,实现对暖通空调系统优化调控模型的三种控制方式,即T、M、C控制,从而对暖通空调系统进行能耗管理。
其中,上述温度舒适度范围根据实际应用中的需要进行设定,本发明实施例对此不做限制。
具体实现时,上述T、M、C控制为本领域技术人员所公知,本发明实施例对此不做赘述。
203:考虑智能楼宇在不同优化调度策略下对配电网络的经济性与安全性影响,通过引入楼宇集群负荷系数,提出了考虑负荷系数的集成智能楼宇的主动配电网建模(即公式(4)中的目标函数、且符合公式(2)中的约束条件);
其中,该步骤203包括:
1)首先在目标函数中引入楼宇集群负荷系数:
式中,λ与μ都为使多目标函数归一化的常数值;Pavg和P∞分别为在一段时间内系统的平均负荷与峰值负荷(即楼宇集群负荷系数);α和β分别指代楼宇侧权重系数与网络侧权重系数。
2)约束条件不变(即继续采用公式(2)中的约束条件),当目标函数(即公式(4))中引入楼宇集群负荷系数后,将此控制方法称为B2G控制,通过在MATLAB下调用IPOPT求解器对该B2G控制问题进行求解,从而得到楼宇侧负荷。
其中,IPOPT求解器为本领域技术人员所公知,本发明实施例对此不做赘述。
3)每栋楼具有相同个数的制热区域与相似的温度需求,且考虑居民用电的随机特性,采用随机正态分布的电负荷数据,从而可以对楼宇负荷进行聚合,得到聚合后的楼宇侧负荷。
其中,随机正态分布的电负荷数据为本领域技术人员所公知,本发明实施例对此不做赘述。
204:将聚合后的楼宇侧负荷接入配电网,判断运行方案是否满足配电网中的节点电压与线路网损约束,约束如下式所示:
若满足约束,则可以不作调整,直接得到主动配电网优化运行方案(即步骤203中得到的B2G控制方案,由目标函数公式(4)和约束条件公式(2)组成)。
205:若不满足配电网中的节点电压与线路网损约束(即公式(5)),则利用配网侧控制的遍历计算寻优方法对该B2G运行方案中的调压器分接头挡位进行调整,使调压器分接头挡位满足配网约束,配网约束如下式所示;
其中,为三相配电系统中第n+1节点电压;Vi n为三相配电系统中第n节点电压;Δs为调压器分接头的调节步长;Tap为调压器分接头挡位;Tapmin为调压器分接头挡位下限;Tapmax为调压器分接头挡位上限。
进一步地,上述提出的配网侧控制的遍历计算寻优方法具体为:由于配网侧控制变量(即调压器分接头挡位)是有限的,把所有可能的配网侧控制变量都带入B2G控制问题中,取满足约束条件时的调压器分接头挡位。
通过调整,使调压器分接头挡位满足配网约束(即公式(6)),得到调整后的主动配电网优化运行方案,作为最终的运行方案。
综上所述,本发明实施例通过上述步骤201-步骤205在保证温度舒适度的前提下可充分发掘智能楼宇的需求响应潜力,在一定程度上降低了智能楼宇的运行成本;同时,降低了系统网损、并且改善了电压质量,进一步提高了配电网运行的经济性与安全性。
实施例3
下面结合具体的实例、图4、图5、以及表1、表2对实施例1和2中的方案进行可行性验证,详见下文描述:
本实例是以我国北方冬季某一典型日为例,验证本方法的有效性,智能建筑中单个制热区域的能耗预测模型与集成智能楼宇的主动配电网示意图分别如图2、图3所示。
对于典型居民楼宇,用户设定的舒适温度范围为20℃~24℃,分别使用T、M、C优化调度策略进行分析。考虑进行一天的经济优化调度,每隔1min取一个时间断面,HVAC系统控制策略的时间步长设定为15分钟量级,本发明实施例的楼宇中建筑设定为独栋居民建筑,每层四个制热区域,每个制热区域长8m,宽8m,层高3m,共五层,并有5座类似建筑组成楼宇集群,且采用相同控制方法。
采用RC网络模型,如图2所示,通过状态方程式(1)中的控制变量中的送风质量流量与送风温度,确定HVAC系统的运行状态,并在考虑扰动变量的基础上,比如向阳面与背阴面光照强度的不同,构建考虑楼宇内部不同温度区域的智能建筑能耗预测模型:
基于智能建筑能耗预测模型,还需额外考虑还需考虑各类设备自身约束,包括:各设备功率的上下限约束、送风温度与送风质量流量的变化速率、楼宇居民能够允许的舒适度偏差约束,室内温度变化如图4、图5所示,显然均满足用户舒适度要求。
之后根据B2G控制方法的目标函数进行优化,得到楼宇集群HVAC运行成本与负荷系数,详细结果如表1所示。
将楼宇负荷接入配电网,楼宇中每个制热区域均配备有暖通设备来维持用户舒适度,每栋楼具有20个制热区域与相似的温度需求,且考虑居民用电的随机特性,采用随机正态分布的电负荷数据。将多栋楼宇的重负荷接入随机节点,本发明实施例选取3、10、18、以及32节点,分别接入18栋、5栋、15栋、以及25栋楼宇。
设其网络侧约束节点电压标幺值至少为0.8以上,网损维持在900kW以下。表2中的结果表明:B2G控制下的楼宇重负荷接入配电网后,当调压器无调压动作,其初始系统电压质量与网损消耗皆为最优。且只需通过小幅度调整调压器分接头来提高电压质量以及减小系统网损,即可满足网络侧约束条件,同时其楼宇侧成本仅微高于C控制。从楼宇侧与网络侧两个方面保证了B2G控制策略的优越性,进一步提高了配电网运行的经济性与安全性。
具体实现时,本发明实施例对上述的制热区域的范围、节点、楼宇的栋数与层数等的具体取值不做限制,可以根据实际应用中的需要进行设定和选取。
表1多种控制方式下楼宇运行成本与负荷系数结果比较
表2多种控制方式下相关参数计算结果
由表1可知,楼宇侧B2G控制方法(即本方法)的成本仅稍稍高于C控制,但远好于T控制与C控制,同时B2G控制方法下的楼宇侧负荷系数远远好于C控制。同时由表2可知,B2G控制方法下的楼宇负荷在接入配电网后,其网络侧最小电压幅值相较于其它控制方式更高,网损更低,进一步说明了B2G控制方法在网络侧的优越性。
综上所述,B2G控制方法的优势体现为:在保证用户舒适度的前提下减小用户的用电费用,同时提高了负荷系数,从而改善配电网的运行情况。
本发明实施例对各器件的型号除做特殊说明的以外,其他器件的型号不做限制,只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种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,其特征在于,所述方法包括以下步骤:
1)基于智能建筑能耗预测模型,构建智能楼宇的暖通空调系统优化调控模型,通过调控模型在温度舒适度范围内对楼宇室温进行优化调节,实现对暖通空调系统的能耗管理;
2)考虑智能楼宇在不同优化调度策略下对配电网络的经济性与安全性影响,通过引入楼宇集群负荷系数,提出了考虑负荷系数的集成智能楼宇的主动配电网建模;
3)获取楼宇侧负荷,对楼宇侧负荷进行聚合后接入配电网,判断运行方案是否满足配电网中的节点电压与线路网损约束;
其中,所述考虑负荷系数的集成智能楼宇的主动配电网建模具体为:
所述主动配电网建模满足约束条件,且目标函数中引入楼宇集群负荷系数;
其中,λ与μ均为使多目标函数归一化的常数值;Pavg和P∞分别为在一段时间内的平均负荷与峰值负荷;α和β分别指代楼宇侧权重系数与网络侧权重系数;与ε t分别指代制热区域由于惩罚因子违背用户设定舒适度上下限的能力;目标函数中为各时间段HVAC系统用电量,HAVC为暖通空调,ΩT为地区实时电价,κ为惩罚因子;tmax为所取时间段的最大值;
约束条件为:
2.根据权利要求1所述的一种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,其特征在于,在步骤1)之前,所述方法还包括:
根据楼宇蓄热特性,基于热阻热容网络模型,构建考虑楼宇内部不同温度区域的所述智能建筑能耗预测模型。
3.根据权利要求1所述的一种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,其特征在于,所述获取楼宇侧负荷具体为:
通过在MATLAB下调用IPOPT求解器对主动配电网模型进行求解,从而得到楼宇侧负荷。
4.根据权利要求1所述的一种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,其特征在于,所述对楼宇侧负荷进行聚合具体为:
采用随机正态分布的电负荷数据,对楼宇负荷进行聚合,得到聚合后的楼宇侧负荷。
5.根据权利要求1所述的一种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,其特征在于,所述判断运行方案是否满足配电网中的节点电压与线路网损约束具体为:
若满足约束,则不作调整,直接得到主动配电网优化运行方案;
若不满足约束,则利用配网侧控制的遍历计算寻优方法对主动配电网优化运行方案中的调压器分接头挡位进行调整,使调压器分接头挡位满足配网约束。
6.根据权利要求5所述的一种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,其特征在于,所述配网侧控制的遍历计算寻优方法具体为:
将所有可能的配网侧控制变量都带入B2G控制问题中,取满足约束条件时的调压器分接头挡位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810043266.2A CN108321793B (zh) | 2018-01-17 | 2018-01-17 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810043266.2A CN108321793B (zh) | 2018-01-17 | 2018-01-17 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108321793A CN108321793A (zh) | 2018-07-24 |
CN108321793B true CN108321793B (zh) | 2020-11-27 |
Family
ID=62894323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810043266.2A Active CN108321793B (zh) | 2018-01-17 | 2018-01-17 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108321793B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110895862B (zh) * | 2018-09-13 | 2023-07-04 | 开利公司 | 火灾探测系统-用于火灾探测设计框架的端对端解决方案 |
CN109270841A (zh) * | 2018-10-11 | 2019-01-25 | 东北电力大学 | 一种基于模型预测控制的智能楼宇用能灵活性调控方法 |
CN109740899A (zh) * | 2018-12-25 | 2019-05-10 | 国网浙江省电力有限公司电力科学研究院 | 一种考虑主动配电网的楼宇集群多阶段优化调度方法 |
CN110097217B (zh) * | 2019-04-16 | 2023-04-07 | 天津大学 | 一种基于等效rc模型的建筑动态室温预测方法 |
CN111898856B (zh) * | 2020-04-02 | 2024-03-22 | 沈阳工业大学 | 基于极限学习机的物理-数据融合楼宇的分析方法 |
CN111681133B (zh) * | 2020-06-19 | 2023-10-27 | 国网北京市电力公司 | 电负荷信息的处理方法和装置 |
CN113203187B (zh) * | 2021-04-28 | 2022-03-01 | 清华大学 | 基于部分线性模型的建筑暖通空调负荷优化控制方法 |
CN116799774B (zh) * | 2022-12-28 | 2024-03-12 | 深圳市佳泰业建设有限公司 | 一种智能建筑配电系统的配电方法 |
CN116231670B (zh) * | 2023-05-08 | 2023-07-14 | 四川大学 | 计及占用影响的集成楼宇hvac负荷群配电网优化方法 |
CN116629633B (zh) * | 2023-05-16 | 2024-02-09 | 上海交通大学 | 含智能楼宇的adn分布式光伏最大准入容量计算方法及系统 |
CN117073147B (zh) * | 2023-10-12 | 2023-12-22 | 方恒通风设备(江苏)有限公司 | 一种用于楼宇自动控制的智能空调控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760969A (zh) * | 2016-03-18 | 2016-07-13 | 国网江苏省电力公司电力科学研究院 | 一种基于可控负荷主动响应的智能楼宇电价响应用电方法 |
CN105790286A (zh) * | 2016-03-31 | 2016-07-20 | 东南大学 | 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 |
CN105931136A (zh) * | 2016-04-25 | 2016-09-07 | 天津大学 | 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法 |
CN106487011A (zh) * | 2016-11-28 | 2017-03-08 | 东南大学 | 一种基于q学习的户用微电网能量优化方法 |
CN106712077A (zh) * | 2016-11-28 | 2017-05-24 | 无锡智合电力技术有限公司 | 一种公共楼宇参与电网优化运行方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130144451A1 (en) * | 2011-10-25 | 2013-06-06 | San Diego State University Research Foundation | Residential and commercial energy management system |
-
2018
- 2018-01-17 CN CN201810043266.2A patent/CN108321793B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760969A (zh) * | 2016-03-18 | 2016-07-13 | 国网江苏省电力公司电力科学研究院 | 一种基于可控负荷主动响应的智能楼宇电价响应用电方法 |
CN105790286A (zh) * | 2016-03-31 | 2016-07-20 | 东南大学 | 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 |
CN105931136A (zh) * | 2016-04-25 | 2016-09-07 | 天津大学 | 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法 |
CN106487011A (zh) * | 2016-11-28 | 2017-03-08 | 东南大学 | 一种基于q学习的户用微电网能量优化方法 |
CN106712077A (zh) * | 2016-11-28 | 2017-05-24 | 无锡智合电力技术有限公司 | 一种公共楼宇参与电网优化运行方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108321793A (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108321793B (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 | |
Wei et al. | A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy | |
Hao et al. | Aggregate flexibility of thermostatically controlled loads | |
Liu et al. | Energy flexibility of a nearly zero-energy building with weather predictive control on a convective building energy system and evaluated with different metrics | |
CN105352108B (zh) | 一种基于空调用电模式的负荷优化控制方法 | |
CN110460040B (zh) | 一种考虑智能建筑热平衡特性的微电网运行调度方法 | |
CN112072640B (zh) | 一种虚拟电厂聚合资源的容量优化方法 | |
CN108319142B (zh) | 基于分布式清洁采暖的工业园区微网电热联合调度方法 | |
CN108494012B (zh) | 一种计及电转气技术的区域综合能源系统在线优化方法 | |
CN107576015B (zh) | 一种实现需求侧响应的建筑空调模型预测控制方法和装置 | |
CN113809755B (zh) | 一种基于需求响应的智慧楼宇节能优化控制方法 | |
CN113793010A (zh) | 面向多元负荷联合控制策略的构建方法及空调控制方法 | |
Du et al. | Multi-regional building energy efficiency intelligent regulation strategy based on multi-objective optimization and model predictive control | |
Ma et al. | Two-stage stochastic robust optimization model of microgrid day-ahead dispatching considering controllable air conditioning load | |
Häring et al. | Comparison of the impact of different household occupancies on load matching algorithms | |
Yang et al. | Optimal dispatch for a combined cooling, heating and power microgrid considering building virtual energy storage | |
Yang et al. | Building electrification and carbon emissions: Integrated energy management considering the dynamics of the electricity mix and pricing | |
CN116231670B (zh) | 计及占用影响的集成楼宇hvac负荷群配电网优化方法 | |
CN111737857A (zh) | 一种基于互动能力曲线的暖通空调集群协调控制方法 | |
CN111555291A (zh) | 一种基于自适应粒子群的负荷集群控制方法 | |
Qi et al. | Analysis of emergency demand response levels of central air-conditioning | |
CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 | |
CN113887127A (zh) | 一种基于建筑物热惰性的虚拟电厂优化调度方法及系统 | |
CN110263974B (zh) | 一种基于分布式优化算法的区域能量管理系统及管理方法 | |
CN113379160A (zh) | 基于建筑物热能流的楼宇侧综合能源系统优化调度方法 |
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 |