CN109980638A - 一种温控负荷舒适度与频率调节协同优化方法及系统 - Google Patents

一种温控负荷舒适度与频率调节协同优化方法及系统 Download PDF

Info

Publication number
CN109980638A
CN109980638A CN201910264554.5A CN201910264554A CN109980638A CN 109980638 A CN109980638 A CN 109980638A CN 201910264554 A CN201910264554 A CN 201910264554A CN 109980638 A CN109980638 A CN 109980638A
Authority
CN
China
Prior art keywords
current
judging result
temperature
indicate
desired temperature
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
CN201910264554.5A
Other languages
English (en)
Other versions
CN109980638B (zh
Inventor
杨婕
刘桐语
马锴
田振华
王伟强
袁亚洲
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.)
Yanshan University
Original Assignee
Yanshan 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 Yanshan University filed Critical Yanshan University
Priority to CN201910264554.5A priority Critical patent/CN109980638B/zh
Publication of CN109980638A publication Critical patent/CN109980638A/zh
Application granted granted Critical
Publication of CN109980638B publication Critical patent/CN109980638B/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
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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

本发明公开了一种温控负荷舒适度与频率调节协同优化方法及系统，涉及智能电网频率调节技术领域。本发明主要建立了考虑用户不舒适度和跟踪误差的优化模型，提出了三种方案，在温度设定值满足约束条件，且目标函数收敛时，采用智能算法求解得到最优温度设定值，从而降低了温控负荷参与电网频率调节服务的偏差和成本，保证了用户的用电舒适度，实现了频率调节偏差、辅助服务成本和用户舒适度的协同优化，为基于温控负荷的电网频率调节服务提供一种可行的技术方案，为电网和用户评估参与辅助服务的成本建立量化指标体系。

Description

一种温控负荷舒适度与频率调节协同优化方法及系统
技术领域
本发明涉及智能电网频率调节技术领域，特别是涉及一种温控负荷舒适度与频率调节协同优化方法及系统。
背景技术
在传统的电网控制中，电力系统通过自动发电控制(AGC)调节发电侧每台发电机的输出，以将频率偏移保持在允许范围内。在建设智能电网的过程中，频率调整服务已成为国内外研究中作为电力市场辅助服务重要组成部分。作为智能电网的一部分，需求侧管理(DSM)在辅助电网服务中发挥着重要作用。近年来，在需求侧销售市场的研究中，基于空调负荷的直接负荷控制方案引起了人们的广泛关注。对于温控负荷用于智能电网辅助服务，已经有很深入的研究，比如用于电网的峰值转移，削峰填谷，频率调节，跟踪可再生能源发电等。对于温控负荷的建模也多种多样，比如一阶微分动态模型，基于滑模控制器的双线性模型，二阶微分模型，考虑室内固体温度的混合一阶模型，考虑空调锁定效应的状态空间模型，每个模型的侧重点都不一样，刻画动态温度的精度也不一样，各有自身的优点和缺点。对应的聚合温控负荷的控制策略也有很多，比如调温的滑模控制器，基于温度优先级的开关控制策略，二阶模型的状态估计器反馈控制策略，基于内模控制的内模控制策略，随机开关转换的开关控制策略。提出的控制策略存在频率调节偏差大、辅助服务成本较高的问题。另外，现有的研究工作对于用户舒适度的建模和分析主要采用分段线性函数、二次函数和PPD-PMV函数模型等方法，其中PPD-PMV函数模型综合考虑了空气温度、平均辐射温度、相对湿度、空气流速、代谢率和服装热阻等因素对人体舒适度的影响，可以更加全面的反应不同用户对温度的敏感程度。然而，现有的研究工作在使用温控负荷提供频率调节的过程中，没有考虑到频率调节偏差、服务成本和用户舒适度的内在制约关系，无法实现供电质量成本与用户舒适度的折衷优化。此外，已有的温控负荷控制方法忽视了不同类型的温控负荷用户在频率调节过程中的舒适度不均衡的问题，影响了用户参与频率调节服务的公平性。
发明内容
本发明的目的是提供一种温控负荷舒适度与频率调节协同优化方法及系统，降低温控负荷参与电网频率调节服务的偏差和成本，保证用户的用电舒适度，实现频率调节偏差、辅助服务成本和用户舒适度的协同优化，为基于温控负荷的电网频率调节服务提供一种可行的技术方案，为电网和用户评估参与辅助服务的成本建立量化指标体系。
为实现上述目的，本发明提供了如下方案：
一种温控负荷舒适度与频率调节协同优化方法，包括：
确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第一设定阈值以及初始的温度设定值；
以用户总的不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第一优化目标模型；
采用活跃目标粒子群算法，计算所述第一优化目标模型，得到当前目标解，并记录当前迭代次数；
判断所述当前目标解是否小于第一设定阈值，得到第一判断结果；
若所述第一判断结果表示所述当前目标解小于所述第一设定阈值，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第一判断结果表示所述当前目标解大于或者等于所述第一设定阈值，则判断所述当前迭代次数是否达到所述迭代总数，得到第二判断结果；
若所述第二判断结果表示所述当前迭代次数达到所述迭代总数，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第二判断结果表示所述当前迭代次数未达到所述迭代总数，则更新温度设定值和当前迭代次数，并返回采用活跃目标粒子群算法，计算所述第一优化目标函数，得到当前目标解，并记录当前迭代次数的步骤。
可选的，所述第一优化目标模型包括第一优化目标函数和约束条件；
所述第一优化目标函数为：
其中，
Ll＝Ml-W
-3.05×10-3[5733-6.99(Ml-W)-Pa]
-0.42[(Ml-W)-5867]
-1.710-5Ml(5867-Pa)
-0.0014Ml(34-Tl set)；
-3.96×10-8fcl[(tcl+273)4-(tr+273)4]
-fclhc(tcl-tal)
其中，L表示人体蓄热能，M表示人体能量代谢率，W表示人体所做机械功，Pa表示人体周围空气的水蒸气分压力，Tset表示温度设定值，fc表示穿衣服人体外表面积与裸身人体表面积之比，tc表示衣服外表面温度，tr表示房间的平均辐射温度，hc表示表面传热系数，ta表示室外温度，l表示第l组聚合空调；其中，所述温度设定值为变量，其他量皆为常数；
所述约束条件为：
其中，γ表示最大跟踪误差，Nl表示聚合空调的总组数，Pl表示第l组聚合空调的功率，Pr表示AGC的参考信号；Tmin表示温度设定最小值，表示第k次温度设定值，Tmax表示温度设定最大值。
一种温控负荷舒适度与频率调节协同优化系统，包括：
初始参数确定模块，用于确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第一设定阈值以及初始的温度设定值；
第一优化目标模型建立模块，用于以用户总的不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第一优化目标模型；
当前目标解得到模块，用于采用活跃目标粒子群算法，计算所述第一优化目标模型，得到当前目标解，并记录当前迭代次数；
第一判断结果得到模块，用于判断所述当前目标解是否小于第一设定阈值，得到第一判断结果；
第二判断结果得到模块，用于当所述第一判断结果表示所述当前目标解大于或者等于所述第一设定阈值时，判断所述当前迭代次数是否达到所述迭代总数，得到第二判断结果；
返回模块，用于当所述第二判断结果表示所述当前迭代次数未达到所述迭代总数时，更新温度设定值和当前迭代次数，返回当前目标解得到模块；
温度设定值保存模块，用于当所述第一判断结果表示所述当前目标解小于所述第一设定阈值时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环，或者当所述第二判断结果表示所述当前迭代次数达到所述迭代总数时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环。
一种温控负荷舒适度与频率调节协同优化方法，包括：
确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第二设定阈值以及初始的温度设定值；
以最大组的用户不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第二优化目标模型；
采用活跃目标粒子群算法，计算所述第二优化目标模型，得到当前目标解，并记录当前迭代次数；
判断所述当前目标解是否小于第二设定阈值，得到第三判断结果；
若所述第三判断结果表示所述当前目标解小于所述第二设定阈值，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第三判断结果表示所述当前目标解大于或者等于所述第二设定阈值，则判断所述当前迭代次数是否达到所述迭代总数，得到第四判断结果；
若所述第四判断结果表示所述当前迭代次数达到所述迭代总数，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第四判断结果表示所述当前迭代次数未达到所述迭代总数，则更新温度设定值和当前迭代次数，并返回采用活跃目标粒子群算法，计算所述第二优化目标函数，得到当前目标解，并记录当前迭代次数的步骤。
可选的，所述第二优化目标模型包括第二优化目标函数和约束条件；
所述第二优化目标函数为：y＝min(maxPPDl)；
其中，
Ll＝Ml-W
-3.05×10-3[5733-6.99(Ml-W)-Pa]
-0.42[(Ml-W)-5867]
-1.710-5Ml(5867-Pa)
-3.96×10-8fcl[(tcl+273)4-(tr+273)4]
-fclhc(tcl-tal)
其中，L表示人体蓄热能，M表示人体能量代谢率，W表示人体所做机械功，Pa表示人体周围空气的水蒸气分压力，Tset表示温度设定值，fc表示穿衣服人体外表面积与裸身人体表面积之比，tc表示衣服外表面温度，tr表示房间的平均辐射温度，hc表示表面传热系数，ta表示室外温度，l表示第l组聚合空调；其中，所述温度设定值为变量，其他量皆为常数；
所述约束条件为：
其中，γ表示最大跟踪误差，Nl表示聚合空调的总组数，Pl表示第l组聚合空调的功率，Pr表示AGC的参考信号；Tmin表示温度设定最小值，表示第k次温度设定值，Tmax表示温度设定最大值。
一种温控负荷舒适度与频率调节协同优化系统，包括：
初始参数确定模块，用于确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第二设定阈值以及初始的温度设定值；
第二优化目标模型建立模块，用于以最大组的用户不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第二优化目标模型；
当前目标解得到模块，用于采用活跃目标粒子群算法，计算所述第二优化目标模型，得到当前目标解，并记录当前迭代次数；
第三判断结果得到模块，用于判断所述当前目标解是否小于第二设定阈值，得到第三判断结果；
第四判断结果得到模块，用于当所述第三判断结果表示所述当前目标解大于或者等于所述第二设定阈值时，判断所述当前迭代次数是否达到所述迭代总数，得到第四判断结果；
返回模块，用于当所述第四判断结果表示所述当前迭代次数未达到所述迭代总数时，更新温度设定值和当前迭代次数，返回当前目标解得到模块；
温度设定值保存模块，用于当所述第三判断结果表示所述当前目标解小于所述第二设定阈值时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环，或者当所述第四判断结果表示所述当前迭代次数达到所述迭代总数时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环。
一种温控负荷舒适度与频率调节协同优化方法，包括：
确定初始参数；所述初始参数包括迭代总数、温度设定值范围、用户不舒适度和、第三设定阈值以及初始的温度设定值；
以跟踪误差最小为目标，以温度设定范围和用户不舒适度和为约束条件，建立第三优化目标模型；
采用活跃目标粒子群算法，计算所述第三优化目标模型，得到当前目标解，并记录当前迭代次数；
判断所述当前目标解是否小于第三设定阈值，得到第五判断结果；
若所述第五判断结果表示所述当前目标解小于所述第三设定阈值，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第五判断结果表示所述当前目标解大于或者等于所述第三设定阈值，则判断所述当前迭代次数是否达到所述迭代总数，得到第六判断结果；
若所述第六判断结果表示所述当前迭代次数达到所述迭代总数，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第六判断结果表示所述当前迭代次数未达到所述迭代总数，则更新温度设定值和当前迭代次数，并返回采用活跃目标粒子群算法，计算所述第三优化目标模型，得到当前目标解，并记录当前迭代次数的步骤。
可选的，所述第三优化目标模型包括第三优化目标函数和约束条件；
所述第三优化目标函数为：
所述约束条件为：PPD总＝a；
其中，Nl表示聚合空调的总组数，l表示第l组聚合空调，Pl表示第l组聚合空调的功率，Pr表示AGC的参考信号；a表示常数值；Tmin表示温度设定最小值，表示第k次温度设定值，Tmax表示温度设定最大值。
一种温控负荷舒适度与频率调节协同优化系统，包括：
初始参数确定模块，用于确定初始参数；所述初始参数包括迭代总数、温度设定值范围、用户不舒适度和、第三设定阈值以及初始的温度设定值；
第三优化目标模型建立模块，用于以跟踪误差最小为目标，以温度设定范围和用户不舒适度和为约束条件，建立第三优化目标模型；
当前目标解得到模块，用于采用活跃目标粒子群算法，计算所述第三优化目标模型，得到当前目标解，并记录当前迭代次数；
第五判断结果得到模块，用于判断所述当前目标解是否小于第三设定阈值，得到第五判断结果；
第六判断结果得到模块，用于当所述第五判断结果表示所述当前目标解大于或者等于所述第三设定阈值时，判断所述当前迭代次数是否达到所述迭代总数，得到第六判断结果；
返回模块，用于当所述第六判断结果表示所述当前迭代次数未达到所述迭代总数时，更新温度设定值和当前迭代次数，返回当前目标解得到模块；
温度设定值保存模块，用于当所述第五判断结果表示所述当前目标解小于所述第三设定阈值时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环，或者当所述第六判断结果表示所述当前迭代次数达到所述迭代总数时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提出了三种可供选择的温控负荷频率调节技术方案，可以实现频率偏差、用户不舒适度等指标的协同优化，具体技术方案如下：
以用户不舒适度总和最小为目标、以温度设定值的变化和频率偏差的范围为约束建立负荷优化调度模型，在保证电网和温控负荷可靠运行的条件下，最大限度地降低了用户不舒适度。
以最大组的用户不舒适度最小为目标、以温度设定值的变化和频率偏差的范围为约束建立负荷优化调度模型，在保证电网和温控负荷可靠运行的条件下，实现了用户舒适度降低和不同用户舒适度差异的折衷。
以频率偏差最小为目标、以温度设定值的变化和用户不舒适度范围为约束建立负荷优化调度模型，在保证用户舒适度在一定阈值内的条件下，最大限度地降低了电网的频率偏差。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本实施例1温控负荷舒适度与频率调节协同优化方法的流程示意图；
图2为本实施例2温控负荷舒适度与频率调节协同优化系统的结构示意图；
图3为本实施例3温控负荷舒适度与频率调节协同优化方法的流程示意图；
图4为本实施例4温控负荷舒适度与频率调节协同优化系统的结构示意图；
图5为本实施例5温控负荷舒适度与频率调节协同优化方法的流程示意图；
图6为本实施例6温控负荷舒适度与频率调节协同优化系统的结构示意图；
图7为本实施例7温控负荷舒适度与频率调节协同优化方法的整体流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
PMV和PPD：PMV指标综合考虑了环境因素和人的因素，环境因素有空气温度、平均辐射温度、相对湿度、空气流速；人的因素有新陈代谢率和服装热阻。PPD(predictedpercentage of dissatisfied)指标代表了对热环境不舒适的平均投票数。
TCL：表示温控负荷，温控负荷是一类由恒温器控制其开关动作的温度可调的电气设备，具体的包括空调(小型家用或大型工业商业)，热泵，冰箱，热水器等，恒温器嵌套在温控负荷设备中，通过监测设备温度控制开关，将设备温度控制在死区范围内。
AGC：表示自动发电控制，其建立在以计算机为核心的能量管理系统及发电机组协调控制系统之上并通过高可靠信息传输系统联系起来的远程闭环控制系统。
DSM：表示需求侧管理，其对用电一方实施的管理。这种管理是国家通过政策措施引导用户高峰时少用电，低谷时多用电，提高供电效率、优化用电方式的办法。
温控负荷的控制策略：基本的控制策略有两种，直接开关控制策略和温度设定值控制策略。直接开关控制策略一般基于温度优先级排序，比如对于制冷的空调而言，温度高的设备具有高的开优先级，温度低的设备具有高的关优先级。温度设定值控制策略通过调节温度设定值，使得处于死区边缘的设备超出死区范围，从而恒温器改变设备的开关状态。
智能电网频率调节：温控负荷被广泛的应用于智能电网辅助服务，频率调节是辅助服务中的一种，目的是稳定电网频率。例如，电网频率标准值是50Hz,但实际中由于电网的供需不平衡等问题，导致电网频率在标准值附近波动，电网频率的不稳定不仅对电网和发电侧设备具有损害(严重时会导致大面积停电事故和发电设备损坏)，还对需求侧设备的使用寿命造成危害，聚合温控负荷的功率消耗具有高度的调节灵活性，通过需求侧的调节可以实现供需平衡，从而保障电网的稳定运行。
实施例1
如图1所示，本实施例提供了一种温控负荷舒适度与频率调节协同优化方法，具体包括：
步骤101：确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第一设定阈值以及初始的温度设定值。
步骤102：以用户总的不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第一优化目标模型。
步骤103：采用活跃目标粒子群算法，计算所述第一优化目标模型，得到当前目标解，并记录当前迭代次数。
步骤104：判断所述当前目标解是否小于第一设定阈值，得到第一判断结果；若所述第一判断结果表示所述当前目标解小于所述第一设定阈值，则执行步骤105；若所述第一判断结果表示所述当前目标解大于或者等于所述第一设定阈值，则执行步骤106。
步骤105：保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
步骤106：判断所述当前迭代次数是否达到所述迭代总数，得到第二判断结果；若所述第二判断结果表示所述当前迭代次数达到所述迭代总数，则执行步骤105；若所述第二判断结果表示所述当前迭代次数未达到所述迭代总数，则执行步骤107。
步骤107：更新温度设定值和当前迭代次数，并返回步骤103。
所述第一优化目标模型包括第一优化目标函数和约束条件；
所述第一优化目标函数为：
其中，
Ll＝Ml-W
-3.05×10-3[5733-6.99(Ml-W)-Pa]
-0.42[(Ml-W)-5867]
-1.710-5Ml(5867-Pa)
-3.96×10-8fcl[(tcl+273)4-(tr+273)4]
-fclhc(tcl-tal)
其中，L表示人体蓄热能，M表示人体能量代谢率，W表示人体所做机械功，Pa表示人体周围空气的水蒸气分压力，Tset表示温度设定值，fc表示穿衣服人体外表面积与裸身人体表面积之比，tc表示衣服外表面温度，tr表示房间的平均辐射温度，hc表示表面传热系数，ta表示室外温度，l表示第l组聚合空调；其中，所述温度设定值为变量，其他量皆为常数。
所述约束条件为：
其中，γ表示最大跟踪误差，Nl表示聚合空调的总组数，Pl表示第l组聚合空调的功率，Pr表示AGC的参考信号；Tmin表示温度设定最小值，表示第k次温度设定值，Tmax表示温度设定最大值。
实施例2
如图2所示，本实施例提供了一种温控负荷舒适度与频率调节协同优化系统，具体包括：
初始参数确定模块201，用于确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第一设定阈值以及初始的温度设定值。
第一优化目标模型建立模块202，用于以用户总的不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第一优化目标模型。
当前目标解得到模块203，用于采用活跃目标粒子群算法，计算所述第一优化目标模型，得到当前目标解，并记录当前迭代次数。
第一判断结果得到模块204，用于判断所述当前目标解是否小于第一设定阈值，得到第一判断结果。
第二判断结果得到模块205，用于当所述第一判断结果表示所述当前目标解大于或者等于所述第一设定阈值时，判断所述当前迭代次数是否达到所述迭代总数，得到第二判断结果。
返回模块206，用于当所述第二判断结果表示所述当前迭代次数未达到所述迭代总数时，更新温度设定值和当前迭代次数，返回当前目标解得到模块203。
温度设定值保存模块207，用于当所述第一判断结果表示所述当前目标解小于所述第一设定阈值时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环，或者当所述第二判断结果表示所述当前迭代次数达到所述迭代总数时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环。
实施例3
如图3所示，本实施例提供了一种温控负荷舒适度与频率调节协同优化方法，具体包括：
步骤301：确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第二设定阈值以及初始的温度设定值。
步骤302：以最大组的用户不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第二优化目标模型。
步骤303：采用活跃目标粒子群算法，计算所述第二优化目标模型，得到当前目标解，并记录当前迭代次数。
步骤304：判断所述当前目标解是否小于第二设定阈值，得到第三判断结果；若所述第三判断结果表示所述当前目标解小于所述第二设定阈值，则执行步骤305；若所述第三判断结果表示所述当前目标解大于或者等于所述第二设定阈值，则执行步骤306。
步骤305：保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
步骤306：判断所述当前迭代次数是否达到所述迭代总数，得到第四判断结果；若所述第四判断结果表示所述当前迭代次数达到所述迭代总数，则执行步骤305；若所述第四判断结果表示所述当前迭代次数未达到所述迭代总数，则执行步骤307。
步骤307：更新温度设定值和当前迭代次数，并返回步骤303。
所述第二优化目标模型包括第二优化目标函数和约束条件；
所述第二优化目标函数为：y＝min(maxPPDl)；
其中，
Ll＝Ml-W
-3.05×10-3[5733-6.99(Ml-W)-Pa]
-0.42[(Ml-W)-5867]
-1.710-5Ml(5867-Pa)
-3.96×10-8fcl[(tcl+273)4-(tr+273)4]
-fclhc(tcl-tal)
其中，L表示人体蓄热能，M表示人体能量代谢率，W表示人体所做机械功，Pa表示人体周围空气的水蒸气分压力，Tset表示温度设定值，fc表示穿衣服人体外表面积与裸身人体表面积之比，tc表示衣服外表面温度，tr表示房间的平均辐射温度，hc表示表面传热系数，ta表示室外温度，l表示第l组聚合空调；其中，所述温度设定值为变量，其他量皆为常数。
所述约束条件为：
其中，γ表示最大跟踪误差，Nl表示聚合空调的总组数，Pl表示第l组聚合空调的功率，Pr表示AGC的参考信号；Tmin表示温度设定最小值，表示第k次温度设定值，Tmax表示温度设定最大值。
实施例4
如图4所示，本实施例提供了一种温控负荷舒适度与频率调节协同优化系统，具体包括：
初始参数确定模块401，用于确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第二设定阈值以及初始的温度设定值。
第二优化目标模型建立模块402，用于以最大组的用户不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第二优化目标模型。
当前目标解得到模块403，用于采用活跃目标粒子群算法，计算所述第二优化目标模型，得到当前目标解，并记录当前迭代次数。
第三判断结果得到模块404，用于判断所述当前目标解是否小于第二设定阈值，得到第三判断结果。
第四判断结果得到模块405，用于当所述第三判断结果表示所述当前目标解大于或者等于所述第二设定阈值时，判断所述当前迭代次数是否达到所述迭代总数，得到第四判断结果。
返回模块406，用于当所述第四判断结果表示所述当前迭代次数未达到所述迭代总数时，更新温度设定值和当前迭代次数，返回当前目标解得到模块403。
温度设定值保存模块407，用于当所述第三判断结果表示所述当前目标解小于所述第二设定阈值时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环，或者当所述第四判断结果表示所述当前迭代次数达到所述迭代总数时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环。
实施例5
如图5所示，本实施例提供了一种温控负荷舒适度与频率调节协同优化方法，具体包括：
步骤501：确定初始参数；所述初始参数包括迭代总数、温度设定值范围、用户不舒适度和、第三设定阈值以及初始的温度设定值。
步骤502：以跟踪误差最小为目标，以温度设定范围和用户不舒适度和为约束条件，建立第三优化目标模型。
步骤503：采用活跃目标粒子群算法，计算所述第三优化目标模型，得到当前目标解，并记录当前迭代次数。
步骤504：判断所述当前目标解是否小于第三设定阈值，得到第五判断结果。若所述第五判断结果表示所述当前目标解小于所述第三设定阈值，则执行步骤505；若所述第五判断结果表示所述当前目标解大于或者等于所述第三设定阈值，则执行步骤506。
步骤505：保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
步骤506：判断所述当前迭代次数是否达到所述迭代总数，得到第六判断结果；若所述第六判断结果表示所述当前迭代次数达到所述迭代总数，则执行步骤505；若所述第六判断结果表示所述当前迭代次数未达到所述迭代总数，则执行步骤507。
步骤507：更新温度设定值和当前迭代次数，并返回步骤503。
所述第三优化目标模型包括第三优化目标函数和约束条件；
所述第三优化目标函数为：
所述约束条件为：PPD总＝a；
其中，其中，Nl表示聚合空调的总组数，l表示第l组聚合空调，Pl表示第l组聚合空调的功率，Pr表示AGC的参考信号；a表示常数值；Tmin表示温度设定最小值，表示第k次温度设定值，Tmax表示温度设定最大值。
实施例6
如图6所示，本实施例提供了一种温控负荷舒适度与频率调节协同优化系统，具体包括：
初始参数确定模块601，用于确定初始参数；所述初始参数包括迭代总数、温度设定值范围、用户不舒适度和、第三设定阈值以及初始的温度设定值。
第三优化目标模型建立模块602，用于以跟踪误差最小为目标，以温度设定范围和用户不舒适度和为约束条件，建立第三优化目标模型。
当前目标解得到模块603，用于采用活跃目标粒子群算法，计算所述第三优化目标模型，得到当前目标解，并记录当前迭代次数。
第五判断结果得到模块604，用于判断所述当前目标解是否小于第三设定阈值，得到第五判断结果。
第六判断结果得到模块605，用于当所述第五判断结果表示所述当前目标解大于或者等于所述第三设定阈值时，判断所述当前迭代次数是否达到所述迭代总数，得到第六判断结果。
返回模块606，用于当所述第六判断结果表示所述当前迭代次数未达到所述迭代总数时，更新温度设定值和当前迭代次数，返回当前目标解得到模块603。
温度设定值保存模块607，用于当所述第五判断结果表示所述当前目标解小于所述第三设定阈值时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环，或者当所述第六判断结果表示所述当前迭代次数达到所述迭代总数时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环。
实施例7
如图7所示，本实施例提供的温控负荷舒适度与频率调节协同优化方法包括以下步骤：
步骤1，设置迭代总数，k＝1,k≤900。
步骤2，设置初始的温度设定值，室内温度以及参考信号：Tl(k)，AGCk。
步骤3，建立考虑用户不舒适度(PPD)和跟踪误差的优化模型，提出了三种方案：
PMV指标代表了对同一室内环境绝大多数人的舒适感觉，综合考虑了上述影响人体热舒适感觉的六种因素对热舒适程度的影响。由于人和人之间的生理差别，少数人对该热环境并不舒适，故用PPD指标来表示对热环境不舒适的百分数。
其中，
Ll＝Ml-W
-3.05×10-3[5733-6.99(Ml-W)-Pa]
-0.42[(Ml-W)-5867]
-1.710-5Ml(5867-Pa)
-3.96×10-8fcl[(tcl+273)4-(tr+273)4]
-fclhc(tcl-tal)
其中，L表示人体蓄热能，M表示人体能量代谢率，W表示人体所做机械功，Pa表示人体周围空气的水蒸气分压力，Tset表示温度设定值，fc表示穿衣服人体外表面积与裸身人体表面积之比，tc表示衣服外表面温度，tr表示房间的平均辐射温度，hc表示表面传热系数，ta表示室外温度，l表示第l组聚合空调；其中，所述温度设定值为变量，其他量皆为常数。
方案A：将用户总的不舒适度最小作为目标函数，不舒适度越小表示用户越舒适。
从整体的角度来看，以Nl组温控负荷的不舒适程度之和为目标，并希望用户舒适。如公式所示：
在该模型中，跟踪误差和温度设定值是两个约束：使总功率需要跟踪上参考信号，温度设定值需要控制在一定范围内，并且温度需要满足一阶微分函数关系。
约束条件为：
其中，γ表示最大跟踪误差，误差控制在γ范围内，可以满足要求的精度值，Nl表示聚合空调的总组数，Pl表示第l组聚合空调的功率，Pr表示AGC的参考信号；Tmin表示温度设定最小值，表示第k次温度设定值，Tmax表示温度设定最大值。
方案B：类似地，仍然是从用户的角度考虑，目标函数变成最大组的不舒适度最小。如公式所示：y＝min(maxPPDl)。
使用与方案A相同条件的约束。与方案A相比，方案B更侧重于单个用户群的舒适度，这可以有效地避免两组用户舒适度的极端情况，而总的不舒适度的值仍然在系统的可接受范围内。然而，与方案A相比，它具有跟踪误差大和功耗高的缺点。其中maxPPDl为第l组的最大不舒适度。
方案C：从电力系统方面提出的，该模型使用跟踪误差的最小值(也就是总功率和AGC信号的差)作为目标函数。如公式所示：
此时，约束条件是不舒适度和温度设定值。如下述公式所示，Nl组用户的不舒适度之和应小于一个定值，且温度设定值在一定范围内。
约束条件为：PPD总＝a；
其中，Nl表示聚合空调的总组数，l表示第l组聚合空调，Pl表示第l组聚合空调的功率，Pr表示AGC的参考信号；a表示常数值；Tmin表示温度设定最小值，表示第k次温度设定值，Tmax表示温度设定最大值。.
与前两种案例相比，该案例的功耗大大降低，接近AGC信号，电力系统更稳定，但缺点是用户的不舒适度会增加。
步骤4，更新温度设定值。
选取热动态模型为一阶微分方程，其中包括室外室内温度，等效热阻热容和能量传递速率，空调的状态，温度死区的上下限等特殊变量。
温控负荷i的运行特性及控制方式可以描述为：
式中，T∞，Ti分表是室外室内温度，Ri，Ci，Pi分别表示空调的等效热阻热容和能量传递速率，si(t)表示空调的状态，表示的温度死区的上下限。对于具有N个空调负荷的聚合系统来说，将每个空调负荷的电力功率消耗相累加，可以得到聚合系统整体的功率消耗如下：
控制中心通过调节温度设定值去改变空调的开关状态，进一步的改变总的负荷功耗，进一步提供功率追踪服务。因此，本申请通过使用智能算法去解决三种方案中的数学优化模型，在使目标函数处于收敛阶段时，获得最优的温度设定值。
步骤5，满足更新终止条件：更新的温度设定值的影响能够满足于约束，且能够使目标函数收敛，更新终止，否则重复步骤4。
步骤6，保存输出最优温度设定值。
步骤7，满足终止条件：是否达到最大迭代次数。
步骤8，结束。
现有技术皆以一个地区的负荷群为控制对象去提供频率调节服务，对于用户舒适度仅用合适的温度范围表示，对于频率调节偏差没有具体的优化方案。本发明提出的优化方案可以充分利用不同用户温控负荷的温度调节区间的纵向深度与横向差异，进一步提高温控负荷的聚合调节能力，可以有效降低频率调节偏差和服务成本。此外，本发明通过引入两种不同的用户舒适度优化方法，将不同类型用户的不舒适度的折衷优化问题通过优化目标函数的内在耦合特征选取解决，可以为用户量化选取不同舒适度的温控负荷控制方案提供技术指标，实现了用户舒适度和频率调节偏差的协同优化。
本发明的研究以AGC信号为参考信号，使用PPD更加合理表示用户的舒适度，进而挖掘了负荷的调节潜力，并且针对多地区的异质负荷群，提出了三种策略去分配参考信号以便控制中心参考进行频率调节服务。
降低温控负荷参与电网频率调节服务的偏差和成本，保证用户的用电舒适度，实现频率调节偏差、辅助服务成本和用户舒适度的协同优化，为基于温控负荷的电网频率调节服务提供一种可行的技术方案，为电网和用户评估参与辅助服务的成本建立量化指标体系。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种温控负荷舒适度与频率调节协同优化方法，其特征在于，所述温控负荷舒适度与频率调节协同优化方法包括：
确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第一设定阈值以及初始的温度设定值；
以用户总的不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第一优化目标模型；
采用活跃目标粒子群算法，计算所述第一优化目标模型，得到当前目标解，并记录当前迭代次数；
判断所述当前目标解是否小于第一设定阈值，得到第一判断结果；
若所述第一判断结果表示所述当前目标解小于所述第一设定阈值，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第一判断结果表示所述当前目标解大于或者等于所述第一设定阈值，则判断所述当前迭代次数是否达到所述迭代总数，得到第二判断结果；
若所述第二判断结果表示所述当前迭代次数达到所述迭代总数，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第二判断结果表示所述当前迭代次数未达到所述迭代总数，则更新温度设定值和当前迭代次数，并返回采用活跃目标粒子群算法，计算所述第一优化目标函数，得到当前目标解，并记录当前迭代次数的步骤。
2.根据权利要求1所述的温控负荷舒适度与频率调节协同优化方法，其特征在于，所述第一优化目标模型包括第一优化目标函数和约束条件；
所述第一优化目标函数为：
其中，
其中，L表示人体蓄热能，M表示人体能量代谢率，W表示人体所做机械功，Pa表示人体周围空气的水蒸气分压力，Tset表示温度设定值，fc表示穿衣服人体外表面积与裸身人体表面积之比，tc表示衣服外表面温度，tr表示房间的平均辐射温度，hc表示表面传热系数，ta表示室外温度，l表示第l组聚合空调；其中，所述温度设定值为变量，其他量皆为常数；
所述约束条件为：
Tmin≤Tl set(k)≤Tmax；
其中，γ表示最大跟踪误差，Nl表示聚合空调的总组数，Pl表示第l组聚合空调的功率，Pr表示AGC的参考信号；Tmin表示温度设定最小值，Tl set(k)表示第k次温度设定值，Tmax表示温度设定最大值。
3.一种温控负荷舒适度与频率调节协同优化系统，其特征在于，所述温控负荷舒适度与频率调节协同优化系统包括：
初始参数确定模块，用于确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第一设定阈值以及初始的温度设定值；
第一优化目标模型建立模块，用于以用户总的不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第一优化目标模型；
当前目标解得到模块，用于采用活跃目标粒子群算法，计算所述第一优化目标模型，得到当前目标解，并记录当前迭代次数；
第一判断结果得到模块，用于判断所述当前目标解是否小于第一设定阈值，得到第一判断结果；
第二判断结果得到模块，用于当所述第一判断结果表示所述当前目标解大于或者等于所述第一设定阈值时，判断所述当前迭代次数是否达到所述迭代总数，得到第二判断结果；
返回模块，用于当所述第二判断结果表示所述当前迭代次数未达到所述迭代总数时，更新温度设定值和当前迭代次数，返回当前目标解得到模块；
温度设定值保存模块，用于当所述第一判断结果表示所述当前目标解小于所述第一设定阈值时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环，或者当所述第二判断结果表示所述当前迭代次数达到所述迭代总数时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环。
4.一种温控负荷舒适度与频率调节协同优化方法，其特征在于，所述温控负荷舒适度与频率调节协同优化方法包括：
确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第二设定阈值以及初始的温度设定值；
以最大组的用户不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第二优化目标模型；
采用活跃目标粒子群算法，计算所述第二优化目标模型，得到当前目标解，并记录当前迭代次数；
判断所述当前目标解是否小于第二设定阈值，得到第三判断结果；
若所述第三判断结果表示所述当前目标解小于所述第二设定阈值，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第三判断结果表示所述当前目标解大于或者等于所述第二设定阈值，则判断所述当前迭代次数是否达到所述迭代总数，得到第四判断结果；
若所述第四判断结果表示所述当前迭代次数达到所述迭代总数，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第四判断结果表示所述当前迭代次数未达到所述迭代总数，则更新温度设定值和当前迭代次数，并返回采用活跃目标粒子群算法，计算所述第二优化目标函数，得到当前目标解，并记录当前迭代次数的步骤。
5.根据权利要求4所述的温控负荷舒适度与频率调节协同优化方法，其特征在于，所述第二优化目标模型包括第二优化目标函数和约束条件；
所述第二优化目标函数为：y＝min(maxPPDl)；
其中，
其中，L表示人体蓄热能，M表示人体能量代谢率，W表示人体所做机械功，Pa表示人体周围空气的水蒸气分压力，Tset表示温度设定值，fc表示穿衣服人体外表面积与裸身人体表面积之比，tc表示衣服外表面温度，tr表示房间的平均辐射温度，hc表示表面传热系数，ta表示室外温度，l表示第l组聚合空调；其中，所述温度设定值为变量，其他量皆为常数；
所述约束条件为：
Tmin≤Tl set(k)≤Tmax；
其中，γ表示最大跟踪误差，Nl表示聚合空调的总组数，Pl表示第l组聚合空调的功率，Pr表示AGC的参考信号；Tmin表示温度设定最小值，Tl set(k)表示第k次温度设定值，Tmax表示温度设定最大值。
6.一种温控负荷舒适度与频率调节协同优化系统，其特征在于，所述温控负荷舒适度与频率调节协同优化系统包括：
初始参数确定模块，用于确定初始参数；所述初始参数包括迭代总数、温度设定值范围、最大跟踪误差、第二设定阈值以及初始的温度设定值；
第二优化目标模型建立模块，用于以最大组的用户不舒适度最小为目标，以温度设定范围和最大跟踪误差为约束条件，建立第二优化目标模型；
当前目标解得到模块，用于采用活跃目标粒子群算法，计算所述第二优化目标模型，得到当前目标解，并记录当前迭代次数；
第三判断结果得到模块，用于判断所述当前目标解是否小于第二设定阈值，得到第三判断结果；
第四判断结果得到模块，用于当所述第三判断结果表示所述当前目标解大于或者等于所述第二设定阈值时，判断所述当前迭代次数是否达到所述迭代总数，得到第四判断结果；
返回模块，用于当所述第四判断结果表示所述当前迭代次数未达到所述迭代总数时，更新温度设定值和当前迭代次数，返回当前目标解得到模块；
温度设定值保存模块，用于当所述第三判断结果表示所述当前目标解小于所述第二设定阈值时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环，或者当所述第四判断结果表示所述当前迭代次数达到所述迭代总数时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环。
7.一种温控负荷舒适度与频率调节协同优化方法，其特征在于，所述温控负荷舒适度与频率调节协同优化方法包括：
确定初始参数；所述初始参数包括迭代总数、温度设定值范围、用户不舒适度和、第三设定阈值以及初始的温度设定值；
以跟踪误差最小为目标，以温度设定范围和用户不舒适度和为约束条件，建立第三优化目标模型；
采用活跃目标粒子群算法，计算所述第三优化目标模型，得到当前目标解，并记录当前迭代次数；
判断所述当前目标解是否小于第三设定阈值，得到第五判断结果；
若所述第五判断结果表示所述当前目标解小于所述第三设定阈值，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第五判断结果表示所述当前目标解大于或者等于所述第三设定阈值，则判断所述当前迭代次数是否达到所述迭代总数，得到第六判断结果；
若所述第六判断结果表示所述当前迭代次数达到所述迭代总数，则保存所述当前目标解对应的温度设定值，结束并退出迭代循环；
若所述第六判断结果表示所述当前迭代次数未达到所述迭代总数，则更新温度设定值和当前迭代次数，并返回采用活跃目标粒子群算法，计算所述第三优化目标模型，得到当前目标解，并记录当前迭代次数的步骤。
8.根据权利要求7所述的温控负荷舒适度与频率调节协同优化方法，其特征在于，所述第三优化目标模型包括第三优化目标函数和约束条件；
所述第三优化目标函数为：
所述约束条件为：PPD总＝a；
Tmin≤Tl set(k)≤Tmax；
其中，Nl表示聚合空调的总组数，l表示第l组聚合空调，Pl表示第l组聚合空调的功率，Pr表示AGC的参考信号；a表示常数值；Tmin表示温度设定最小值，Tl set(k)表示第k次温度设定值，Tmax表示温度设定最大值。
9.一种温控负荷舒适度与频率调节协同优化系统，其特征在于，所述温控负荷舒适度与频率调节协同优化系统包括：
初始参数确定模块，用于确定初始参数；所述初始参数包括迭代总数、温度设定值范围、用户不舒适度和、第三设定阈值以及初始的温度设定值；
第三优化目标模型建立模块，用于以跟踪误差最小为目标，以温度设定范围和用户不舒适度和为约束条件，建立第三优化目标模型；
当前目标解得到模块，用于采用活跃目标粒子群算法，计算所述第三优化目标模型，得到当前目标解，并记录当前迭代次数；
第五判断结果得到模块，用于判断所述当前目标解是否小于第三设定阈值，得到第五判断结果；
第六判断结果得到模块，用于当所述第五判断结果表示所述当前目标解大于或者等于所述第三设定阈值时，判断所述当前迭代次数是否达到所述迭代总数，得到第六判断结果；
返回模块，用于当所述第六判断结果表示所述当前迭代次数未达到所述迭代总数时，更新温度设定值和当前迭代次数，返回当前目标解得到模块；
温度设定值保存模块，用于当所述第五判断结果表示所述当前目标解小于所述第三设定阈值时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环，或者当所述第六判断结果表示所述当前迭代次数达到所述迭代总数时，保存所述当前目标解对应的温度设定值，结束并退出迭代循环。
CN201910264554.5A 2019-04-03 2019-04-03 一种温控负荷舒适度与频率调节协同优化方法及系统 Active CN109980638B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910264554.5A CN109980638B (zh) 2019-04-03 2019-04-03 一种温控负荷舒适度与频率调节协同优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910264554.5A CN109980638B (zh) 2019-04-03 2019-04-03 一种温控负荷舒适度与频率调节协同优化方法及系统

Publications (2)

Publication Number Publication Date
CN109980638A true CN109980638A (zh) 2019-07-05
CN109980638B CN109980638B (zh) 2020-08-21

Family

ID=67082606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910264554.5A Active CN109980638B (zh) 2019-04-03 2019-04-03 一种温控负荷舒适度与频率调节协同优化方法及系统

Country Status (1)

Country Link
CN (1) CN109980638B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110601224A (zh) * 2019-09-03 2019-12-20 华南理工大学 基于家庭温控负荷的低压台区电压三相不平衡调节方法
CN110991881A (zh) * 2019-11-29 2020-04-10 燕山大学 一种电动汽车换电站与电力公司协同调度方法及系统
CN113435120A (zh) * 2021-06-30 2021-09-24 燕山大学 基于温控负荷的负荷运行状态和中继带宽协同优化方法
CN114450532A (zh) * 2019-08-06 2022-05-06 江森自控泰科知识产权控股有限责任合伙公司 用退化影响模型对预测维护系统进行建模
CN115513940A (zh) * 2022-10-13 2022-12-23 深圳鸿富城建设集团有限公司 一种数据中心暖通供电系统及其供电方法
US11675322B2 (en) 2017-04-25 2023-06-13 Johnson Controls Technology Company Predictive building control system with discomfort threshold adjustment

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103178533A (zh) * 2013-01-31 2013-06-26 天津大学 温控负荷的变参与度频率控制方法及控制器
CN106885339A (zh) * 2017-03-07 2017-06-23 青岛海尔空调器有限总公司 空调器的控制方法
CN107609671A (zh) * 2017-08-10 2018-01-19 燕山大学 一种基于综合因素评价模型的短期电力负荷预测方法
CN108490791A (zh) * 2018-05-10 2018-09-04 燕山大学 温控负荷成本控制策略

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103178533A (zh) * 2013-01-31 2013-06-26 天津大学 温控负荷的变参与度频率控制方法及控制器
CN106885339A (zh) * 2017-03-07 2017-06-23 青岛海尔空调器有限总公司 空调器的控制方法
CN107609671A (zh) * 2017-08-10 2018-01-19 燕山大学 一种基于综合因素评价模型的短期电力负荷预测方法
CN108490791A (zh) * 2018-05-10 2018-09-04 燕山大学 温控负荷成本控制策略

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11675322B2 (en) 2017-04-25 2023-06-13 Johnson Controls Technology Company Predictive building control system with discomfort threshold adjustment
CN114450532A (zh) * 2019-08-06 2022-05-06 江森自控泰科知识产权控股有限责任合伙公司 用退化影响模型对预测维护系统进行建模
CN110601224A (zh) * 2019-09-03 2019-12-20 华南理工大学 基于家庭温控负荷的低压台区电压三相不平衡调节方法
CN110601224B (zh) * 2019-09-03 2023-05-23 华南理工大学 基于家庭温控负荷的低压台区电压三相不平衡调节方法
CN110991881A (zh) * 2019-11-29 2020-04-10 燕山大学 一种电动汽车换电站与电力公司协同调度方法及系统
CN110991881B (zh) * 2019-11-29 2023-09-26 燕山大学 一种电动汽车换电站与电力公司协同调度方法及系统
CN113435120A (zh) * 2021-06-30 2021-09-24 燕山大学 基于温控负荷的负荷运行状态和中继带宽协同优化方法
CN115513940A (zh) * 2022-10-13 2022-12-23 深圳鸿富城建设集团有限公司 一种数据中心暖通供电系统及其供电方法
CN115513940B (zh) * 2022-10-13 2023-04-07 深圳鸿富城建设集团有限公司 一种数据中心暖通供电系统及其供电方法

Also Published As

Publication number Publication date
CN109980638B (zh) 2020-08-21

Similar Documents

Publication Publication Date Title
CN109980638A (zh) 一种温控负荷舒适度与频率调节协同优化方法及系统
Péan et al. Review of control strategies for improving the energy flexibility provided by heat pump systems in buildings
Aduda et al. Demand side flexibility: Potentials and building performance implications
CN106813293B (zh) 集中供热系统全网平衡控制方法
Jiang et al. Coordinated control of air-conditioning loads for system frequency regulation
Huang et al. Integrating direct load control with interruptible load management to provide instantaneous reserves for ancillary services
CN105352108B (zh) 一种基于空调用电模式的负荷优化控制方法
Hao et al. Aggregate flexibility of thermostatically controlled loads
CN107732897B (zh) 融合虚拟储能系统的楼宇微网模型预测调控方法
CN111555304B (zh) 一种面向电网调频服务的空调负荷虚拟储能调度方法
US9031703B2 (en) Operation management apparatus, operation management method, and operation management program
Parkinson et al. Comfort-constrained distributed heat pump management
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
Grammatico et al. A mean field control approach for demand side management of large populations of thermostatically controlled loads
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
Wang et al. Optimal coordination control strategy of hybrid energy storage systems for tie-line smoothing services in integrated community energy systems
CN110474370B (zh) 一种空调可控负荷、光伏储能系统的协同控制系统及方法
Vandermeulen et al. Flexibility offered by residential floor heating in a smart grid context: the role of heat pumps and renewable energy sources in optimization towards different objectives
CN105762835A (zh) 基于温控负荷的孤立微电网频率的协调控制方法及系统
CN110808616A (zh) 一种基于功率缺额分配的微电网频率控制方法
CN111915107A (zh) 一种基于动态聚类的负荷分群控制方法
Yazdkhasti et al. A mathematical model for the aggregated power consumptions of air conditioners
Biegel et al. Model predictive control for power flows in networks with limited capacity
CN112434861A (zh) 计及热力管网反馈调节的电热协调优化调度方法及装置
Yazdkhasti et al. Demand side management using model-free fuzzy controller in a direct load control program

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