CN110661253B - 建筑群内多类型电力弹性负荷联合调节方法 - Google Patents
建筑群内多类型电力弹性负荷联合调节方法 Download PDFInfo
- Publication number
- CN110661253B CN110661253B CN201910907072.7A CN201910907072A CN110661253B CN 110661253 B CN110661253 B CN 110661253B CN 201910907072 A CN201910907072 A CN 201910907072A CN 110661253 B CN110661253 B CN 110661253B
- Authority
- CN
- China
- Prior art keywords
- load
- group
- regulation
- energy storage
- state
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
Abstract
本发明公开了一种建筑群内多类型电力弹性负荷联合调节方法。本发明一种建筑群内多类型电力弹性负荷联合调节方法,包括:首先需要根据调度中心或者聚合商所辖范围内的弹性负荷可调潜力,确定调控量的优化目标曲线;制定调控的全局优化目标;根据全时域范围内负荷的使用特性和用电行为预测结果等,确定参与调控的负荷群体;根据负荷特性将负荷分组,并根据场景需求对各个组的调节顺序进行排序;从第一组开始对组内可调资源进行调节,如达到优化目标,结束本次调控。本发明的有益效果:通过对不同弹性负荷的分组,提升需求响应的调节效果,同时通过基于弹性负荷状态的排序,优先选择状态值与目标值较远的负荷进行调控。
Description
技术领域
本发明涉及负荷调节领域,具体涉及一种建筑群内多类型电力弹性负荷联合调节方法。
背景技术
国内电力需求响应项目发展起步不久,经验欠缺。在参与电力需求响应的建筑群弹性负荷研究方面,已有大量单一类型负荷的控制策略得以研究,如针对空调、电动汽车、热水器等单一弹性负荷的需求响应策略的研究成果见诸公开,但多种类型负荷特性不同,充分挖掘并利用弹性负荷的特性,能够进一步提升系统运行能效和降低用户对弹性负荷的感知度。
传统技术存在以下技术问题:
目前针对建筑群多负荷互补联合控制的策略还没有研究。
发明内容
本发明要解决的技术问题是提供一种建筑群内多类型电力弹性负荷联合调节方法,本发明基于综合能源背景下多类弹性负荷联合调控需要,通过对建筑群多种弹性负荷(热泵、热水器、电动汽车、储能)运行特性的分析,提出了一种多类型弹性负荷的联合调度方法。该方法可以通过充分利用不同弹性负荷用能的互补性,可以实现新能源的精准消纳和用电资源灵活配置,降低负荷调控对用户舒适度的影响,并进一步提升系统能效。
为了解决上述技术问题,本发明提供了一种建筑群内多类型电力弹性负荷联合调节方法,包括:
首先需要根据调度中心或者聚合商所辖范围内的弹性负荷可调潜力,确定调控量的优化目标曲线;
制定调控的全局优化目标;
根据全时域范围内负荷的使用特性和用电行为预测结果,确定参与调控的负荷群体;
根据负荷特性将负荷分组,并根据场景需求对各个组的调节顺序进行排序;
从第一组开始对组内可调资源进行调节,如达到优化目标,结束本次调控;如无法达到优化目标,则跳转至下一个调节组,直至达到优化目标或所有可调资源消耗完毕。
在其中一个实施例中,“制定调控的全局优化目标”的要求包括实际经济性或波动性中的至少之一。
在其中一个实施例中,根据负荷特性将负荷分组具体分成可调节负荷、可转移负荷、充电储能设备组、放电储能设备组、关闭状态储能设备组5个调控组;其中,可调节负荷指运行功率可以连续变动的负荷;可转移负荷是指用电时段可以推迟,但是一旦启动未完成预设任务就不能关闭的负荷。
在其中一个实施例中,对于同一调控组而言,按照各组内弹性负荷的状态量大小进行排序;其中E的计算方式如下:
式中:式中:为聚合商i中第j个负荷在t时刻的预设状态差值,反映了t时刻负荷状态量与用户设定预期偏差程度;xj(t)为负荷j在t时刻的状态值;xj,set(t)为用户设定的预期值;为可调节负荷t时刻的温度;为可转移负荷t时刻的荷电状态;为储能设备t时刻的荷电状态;L为弹性负荷,LTCL为可调节负荷,LEV为可转移负荷,LES为储能设备。
在其中一个实施例中,为了统一将衡量不同负荷的状态,将上式各变量皆为归一化值表示,其归一化过程按照下式计算:
式中,y′为归一化结果值,y为原始数据,ymin、ymax分为与y同组数据的最小值、最大值。
在其中一个实施例中,“根据场景需求对各个组的调节顺序进行排序;”具体地,就削峰场景而言,将充电储能设备组关闭,然后依次进行可调节负荷组、可转移负荷组的调控,最后利用关闭状态储能设备组启动向电网放电。
在其中一个实施例中,“根据场景需求对各个组的调节顺序进行排序;”具体地,消纳场景而言,应将处于放电储能设备组关闭,然后依次进行可调节负荷组、可转移负荷组调控,最后将关闭状态储能设备启动充电。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一项所述方法的步骤。
一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行任一项所述的方法。
本发明的有益效果:
本发明提出了一种建筑群内多类型电力弹性负荷联合调节方法,通过对不同弹性负荷的分组,提升需求响应的调节效果,同时通过基于弹性负荷状态的排序,优先选择状态值与目标值差值较大的负荷进行调控,减少了频繁调节次数,在相同调节需求条件下降低了弹性负荷调节设备,降低了后续弹性负荷聚合商与用户的结算量。
附图说明
图1是本发明建筑群内多类型电力弹性负荷联合调节方法中的空调的等效热力学模型示意图。
图2是本发明建筑群内多类型电力弹性负荷联合调节方法中的弹性负荷联合调控实施架构示意图。
图3是本发明建筑群内多类型电力弹性负荷联合调节方法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
本发明中的多类型弹性负荷包括以下五种:空调、热泵、电热水器、储能、电动汽车。
一、本发明采用的弹性负荷模型
空调:
空调运行时具有周期工作特性。室内温度在一定的温度设定值附近上下波动,当制冷状态的空调开启运行时,房间内温度持续下降,当温度变化达到边界温度下限值θ-时,空调关闭;当空调处于关闭状态时,房间内温度持续上升,直到达到边界温度上限值θ+时,空调再次开启。温度设定值Tset满足:
P为空调机组的制冷功率(kW),η为空调能效比,ηP为空调的制冷/ 制热量;Ca为气体比热容(J/℃);Cm为固体比热容(J/℃);Ta为外界温度 (℃);Ti为室内气体温度(℃);Tm为室内固体温度(℃)。室内温度Ti的计算公式:
式中:Ti t表示第i台空调t时刻的室内温度(℃);表示(t+1)时刻的室外温度(℃);C为等效热容(J/℃);R为等效热阻(℃/W);s为空调启停状态变量,1表示空调启动,0表示空调停止;Δt为仿真时间间隔。θ-为空调边界温度下限,θ+为空调边界上限。
热泵:
以电热泵调节的室内空气温度以及室内物质温度作为等值热力学参数模型 ETP(equivalent thermal parameters,ETP)所观测的两个状态变量,本发明中采用二阶微分方程形式的ETP模型,具体表达如下式所示:
式中:Ca为室内空气热容;Cm为室内物质热容;Ra为室内空气热阻;Rm 为室内物质热阻;K为电热泵操作热比率(或操作电功率);To为室外温度;Ta_ETP为室内空气温度;Tm_ETP为室内物质温度。
电热水器:
储能设备:
(1)储电设备
储能的荷电状态(State of charge,SOC)也是储能运行的重要约束。将储能的充放电功率PES定义为充电正、放电负,假设储能系统的充电效率ηc和放电效率ηd在运行过程中保持不变,令
SOC(i)=SOC(i-1)+α(i)PES(i)Δt
储能充放电需要满足的约束为:
PES_min≤PES(i)≤PES_max
SOCmin≤SOC(i)≤SOCmax
(2)储热设备
电锅炉加装蓄热装置后,彻底打破常规的“以热定电”运行模式,其用电负荷不再受热负荷需求限制。其蓄热容量数学模型为
SHS,t为t时段的蓄热容量;μ为散热损失率;HHS_in,t、HHS_out,t和λHS_in,t、λHS_out,t分别为t时段的吸热、放热功率及效率。
电动汽车:
1)电动汽车在t时刻以恒定功率充电
SOCi(t+Δt)=Pc,iηc,iΔt/Ci+SOCi(t)
式中,SOCi(t+Δt)为电动汽车i在时刻t+Δt的荷电状态SOCi(t)为电动汽车i 在时刻t的荷电状态,Pc,i为电动汽车i的充电功率,Ci为电动汽车i的电池容量ηc,i为电动汽车i的充电效率,Δt为时间间隔。
2)电动汽车在t时刻以恒定功率放电
SOCi(t+Δt)=-Pf,iηf,iΔt/Ci+SOCi(t)
式中,Pf,i为电动汽车i的充电功率,ηf,i为电动汽车i的放电效率。Ci为电动汽车i的电池容量,Δt为时间间隔。
二、多类型电力弹性负荷调节方法决策流程
1)电力弹性负荷调控总体实施架构如图2所示:
EMS、移动终端或其他监测设备通过信息和传感技术对采集获取大量的异构设备时序状态、环境等信息,并进行边缘化数据信息处理,建立泛化模型并将用户行为分析、态势感知结果提供给上层聚合商;负荷聚合商对连接层提交信息进一步深度分析大量负荷可调节潜力,形成规模化负荷状态值的趋势推演分析,上报不同时间尺度的预计可调节容量;调度中心根据电网调节需求和可调节容量上报情况,下达调控计划;聚合商根据需求场景,制定云端协同组合优化策略,并下达给连接层设备;连接层根据上层云端策略,进一步生成边缘协同调控策略,最后由底层设备执行。
2)弹性负荷调节方法决策流程:
(1)首先需要根据调度中心或者聚合商所辖范围内的弹性负荷可调潜力,确定调控量的优化目标曲线;
(2)根据实际经济性、波动性最小化等目标制定调控的全局优化目标;
(3)根据全时域范围内负荷的使用特性和用电行为预测结果等,确定参与调控的负荷群体;
(4)根据负荷特性将负荷分组,并根据场景需求对各个组的调节顺序进行排序;
(5)对各组内负荷的状态量进行计算,按照各组内弹性负荷的状态量大小进行排序;
(6)从第一组开始对组内可调资源进行调节,如达到优化目标,跳转至(9),如无法达到优化目标,则跳转至下一个调节组,直至达到优化目标或所有可调资源消耗完毕。
对于以清洁能源消纳为例还包括:
(7)弃光量、弃风量统计;
(8)评估光伏、风力发电消纳效益。
(9)结束本次调控;
3)弹性负荷响应策略
将多类型负荷分成可调节负荷(主要为温控负荷)、可转移负荷(主要为电动汽车)、充电储能设备组、放电储能设备组、关闭状态储能设备组5个调控组。就削峰场景而言,应优先将充电储能设备组关闭,然后依次进行可调节负荷组、可转移负荷组的调控,最后利用关闭状态储能设备组启动向电网放电;就消纳场景而言,应优先将处于放电储能设备组关闭,然后依次进行可调节负荷组、可转移负荷组调控,最后将关闭状态储能设备启动充电。其中,可调节负荷指运行功率可以连续变动的负荷;可转移负荷是指用电时段可以推迟,但是一旦启动未完成预设任务就不能关闭的负荷。
对于同一调控组而言,其调控次序按负荷状态的高低E依次进行,其中E 的计算方式如下:
式中:为聚合商i中第j个负荷在t时刻的预设状态差值,反映了t 时刻负荷状态量与用户设定预期偏差程度;xj(t)为负荷j在t时刻的状态值; xj,set(t)为用户设定的预期值;为可调节负荷t时刻的温度;为可转移负荷t时刻的荷电状态;为储能设备t时刻的荷电状态;L为弹性负荷,LTCL为可调节负荷,LEV为可转移负荷,LES为储能设备。
需要注意的是,为了统一将衡量不同负荷的状态,将上式各变量皆为归一化值表示,其归一化过程按照下式计算:
式中,y′为归一化结果值,y为原始数据,ymin、ymax分为与y同组数据的最小值、最大值。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (6)
1.一种建筑群内多类型电力弹性负荷联合调节方法,其特征在于,包括:
首先需要根据调度中心或者聚合商所辖范围内的弹性负荷可调潜力,确定调控量的优化目标曲线;
制定调控的全局优化目标;
根据全时域范围内负荷的使用特性和用电行为预测结果,确定参与调控的负荷群体;
根据负荷特性将负荷分组,并根据场景需求对各个组的调节顺序进行排序;
从第一组开始对组内可调资源进行调节,如达到优化目标,结束本次调控;如无法达到优化目标,则跳转至下一个调节组,直至达到优化目标或所有可调资源消耗完毕;
其中,根据负荷特性将负荷分组具体分成可调节负荷、可转移负荷、充电储能设备组、放电储能设备组、关闭状态储能设备组5个调控组;其中,可调节负荷指运行功率可以连续变动的负荷;可转移负荷是指用电时段可以推迟,但是一旦启动未完成预设任务就不能关闭的负荷;
对于同一调控组而言,按照各组内弹性负荷的状态量大小进行排序;其中E的计算方式如下:
式中:式中:为聚合商i中第j个负荷在t时刻的预设状态差值,反映了t时刻负荷状态量与用户设定预期偏差程度;xj(t)为负荷j在t时刻的状态值;xj,set(t)为用户设定的预期值;为可调节负荷t时刻的温度;为可转移负荷t时刻的荷电状态;为储能设备t时刻的荷电状态;L为弹性负荷,LTCL为可调节负荷,LEV为可转移负荷,LES为储能设备;
“根据场景需求对各个组的调节顺序进行排序;”具体地,就削峰场景而言,将充电储能设备组关闭,然后依次进行可调节负荷组、可转移负荷组的调控,最后利用关闭状态储能设备组启动向电网放电;就消纳场景而言,应将处于放电储能设备组关闭,然后依次进行可调节负荷组、可转移负荷组调控,最后将关闭状态储能设备启动充电。
2.如权利要求1所述的建筑群内多类型电力弹性负荷联合调节方法,其特征在于,“制定调控的全局优化目标”的要求包括实际经济性或波动性中的至少之一。
4.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1到3任一项所述方法的步骤。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1到3任一项所述方法的步骤。
6.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1到3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910907072.7A CN110661253B (zh) | 2019-09-24 | 2019-09-24 | 建筑群内多类型电力弹性负荷联合调节方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910907072.7A CN110661253B (zh) | 2019-09-24 | 2019-09-24 | 建筑群内多类型电力弹性负荷联合调节方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110661253A CN110661253A (zh) | 2020-01-07 |
CN110661253B true CN110661253B (zh) | 2021-01-19 |
Family
ID=69038964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910907072.7A Active CN110661253B (zh) | 2019-09-24 | 2019-09-24 | 建筑群内多类型电力弹性负荷联合调节方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110661253B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113162054B (zh) * | 2021-04-26 | 2022-09-30 | 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 |
CN117200176A (zh) * | 2023-07-26 | 2023-12-08 | 国网安徽省电力有限公司芜湖供电公司 | 一种基于新能源多负荷协同控制的需求侧控制方法及系统 |
CN116720717B (zh) * | 2023-08-09 | 2023-11-03 | 山东历控能源有限公司 | 一种建筑能源管理调节系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022503A (zh) * | 2016-03-17 | 2016-10-12 | 北京睿新科技有限公司 | 面向具有耦合型电冷热需求的微电网容量规划方法 |
CN106253300A (zh) * | 2016-08-26 | 2016-12-21 | 江苏方天电力技术有限公司 | 一种基于负荷动态感知的实时负荷控制决策平台及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003111276A (ja) * | 2001-09-28 | 2003-04-11 | Kansai Electric Power Co Inc:The | 作業停電調整システム |
CN104794548A (zh) * | 2015-05-11 | 2015-07-22 | 中国科学技术大学 | 一种基于arima模型负荷预测的并行化计算方法 |
CN107766976A (zh) * | 2017-10-17 | 2018-03-06 | 国网江苏省电力公司盐城供电公司 | 一种面向电力市场的主动需求响应平台 |
CN110210647B (zh) * | 2019-04-29 | 2022-09-09 | 国网江苏省电力有限公司电力科学研究院 | 一种分布式电源、储能与柔性负荷联合调度方法及装置 |
-
2019
- 2019-09-24 CN CN201910907072.7A patent/CN110661253B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022503A (zh) * | 2016-03-17 | 2016-10-12 | 北京睿新科技有限公司 | 面向具有耦合型电冷热需求的微电网容量规划方法 |
CN106253300A (zh) * | 2016-08-26 | 2016-12-21 | 江苏方天电力技术有限公司 | 一种基于负荷动态感知的实时负荷控制决策平台及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110661253A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110661253B (zh) | 建筑群内多类型电力弹性负荷联合调节方法 | |
CN110425706B (zh) | 面向电网削峰的聚合空调负荷调控方法 | |
CN109799851B (zh) | 一种基于负荷簇温度调控的用户侧负荷响应方法 | |
EP2821724A1 (en) | Optimization apparatus, optimization method, and optimization program for storing electricity and heat. | |
CN106779291A (zh) | 智能用电园区需求响应策略 | |
CN112419087B (zh) | 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法 | |
US11610214B2 (en) | Deep reinforcement learning based real-time scheduling of Energy Storage System (ESS) in commercial campus | |
CN114418249B (zh) | 一种光储柔系统运行控制方法及装置 | |
CN105320118A (zh) | 基于云平台的空调系统电力需求响应控制方法 | |
Zeng et al. | A regional power grid operation and planning method considering renewable energy generation and load control | |
Candanedo et al. | Near-optimal transition between temperature setpoints for peak load reduction in small buildings | |
CN112366717B (zh) | 一种考虑用能舒适度的家庭能源优化控制方法和装置 | |
CN105356491A (zh) | 一种基于储能和虚拟储能最优控制的功率波动平抑方法 | |
Cui et al. | Optimal co-scheduling of HVAC control and battery management for energy-efficient buildings considering state-of-health degradation | |
CN113991655A (zh) | 定频空调负荷聚合需求响应潜力评估方法、装置及介质 | |
CN111768032A (zh) | 基于双模式热泵储能协调的综合能源系统双层优化方法 | |
Pinzon et al. | An MILP model for optimal management of energy consumption and comfort in smart buildings | |
Bai et al. | Flexibility quantification and enhancement of flexible electric energy systems in buildings | |
Chen et al. | Techno-economic comparison of cooling storage and battery for electricity flexibility at long and short timescales in buildings | |
Xu et al. | Smart management of multiple energy systems in automotive painting shop | |
CN105976047B (zh) | 一种基于灵活度指标的居民负荷需求响应潜力评估方法 | |
CN108805445B (zh) | 一种空调负荷组提供旋转备用的分组顺序调度方法 | |
Rajasekhar et al. | Multi-stage scheduling for a smart home with solar PV and battery energy storage—A case study | |
CN113420413B (zh) | 一种基于负荷可塑性的柔性负荷可调节能力量化方法及系统 | |
CN114936529A (zh) | 一种温控负荷群聚合模型及建模方法、温控负荷群可调节潜力评估方法 |
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 |