CN111066055A

CN111066055A - 用于能量需求响应的整合分配

Info

Publication number: CN111066055A
Application number: CN201780094602.XA
Authority: CN
Inventors: M-Y·周; A·C·贝塞拉; 曾温特
Original assignee: Total Solar Intl SAS; North Carolina State University
Current assignee: Total Solar Intl SAS; North Carolina State University
Priority date: 2017-09-06
Filing date: 2017-09-06
Publication date: 2020-04-24
Also published as: EP3679538A1; WO2019050513A1; US11842412B2; US20200202459A1; AU2017431149A1

Abstract

本发明涉及一种整合分配系统，其包括HVAC控制器、电池控制器，和整合数据管理引擎。所述整合数据管理引擎配置为获取HVAC能量使用配置信息和获取电池能量使用配置信息。所述整合分配系统还包括分配引擎，其配置为：将第一HVAC对偶变量集合和第一电池对偶变量集合发送给所述整合分配系统的第一相邻单元；从所述整合分配系统的一个或多个相邻单元接收一个或多个外加的HVAC对偶变量集合和一个或多个外加的电池对偶变量集合；用所述一个或多个外加的HVAC对偶变量集合修正所述HVAC能量使用配置信息；和，用所述一个或多个外加的电池对偶变量集合修正所述电池能量使用配置信息。

Description

用于能量需求响应的整合分配

背景技术

独立系统运营商(ISO)有义务保证电网可靠性。因此，如有需要，他们能够获取额外的容量以在实时运营期间进行调度。ISO在能源市场上采购的典型产能资源是提供辅助服务的那些资源。而且，许多ISO运营需求响应(DR)容量市场以降低输电变电站的峰值功率。参见J.Goodin,“Demand Response&Proxy Demand Resources,”Mech.Eng.,pp.1-3,2001，其通过引用而完全包括在本说明书中。然而，这些市场最初是为容量大于100kW或500kW的资源而保留的。分布式能源资源(DER)由于它们更小的容量而通常不能够直接参与这些市场。在这方面，日益增长的DER数量推动了能源市场中称为整合商(aggregators)的新参与者的出现，它们的主要目的在于作为ISO与DER之间的中间管理者。整合商可利用DER的灵活性来给电网提供服务，并使ISO能够简单地将整合商的总容量作为单一资源进行操作。最近，新的DR项目(例如需求响应拍卖机制(DRAM)和与改革能源远景(REV)计划相关的项目)已逐步启动，其目标在于利用位于变电站下游的未充分利用的DER来降低输电层面的负荷，避免在高峰时段调度昂贵的发电厂。

最初，使用家用HVAC装置是基于直接负荷控制来降低公用事业公司(theutility)的高峰负荷，公用事业公司可根据需要远程地关闭HVAC装置，前提是用户事先通过合同同意这样做。其它项目寻求通过实施控温器调降来减小负荷。在该项目下，用户根据价格信号调高他们控温器中的温度设定点(如果HVAC装置以加热模式运行则调低)。然而，当给容量市场提供DR服务时，需要能够确保标的容量。价格也需要是有竞争性的，以保持尽可能地降低成本。在这方面，直接负荷控制可保证满足ISO的容量要求。然而，由于存在单点故障，它的集中式特性极大损害了可扩展性(scalability)、消费者隐私和系统的鲁棒性。另一方面，控温器设定方式是分散式的，由于在家庭之间没有同步化，它们不保证容量要求。

随着电池技术的演变和其成本持续降低，在建筑和家庭部署更多的分布式能量存储设备(DESD)，以给所有者提供本地服务，例如能量备份和能量套利。然而，这些用户侧电池如果仅提供本地服务，则通常未被充分利用。为了让DESD更加经济可行，它们需要获得更多的收入来源。参见A.A.Akhil,G.Huff,A.B.Currier,B.C.Kaun,D.M.Rastler,S.B.Chen,A.L.Cotter,D.T.Bradshaw,and W.D.Gauntlet,“SANDIA REPORT DOE/EPRI ElectricityStorage Handbook in Collaboration with NRECA.”整合DESD以给电网提供DR服务为用户侧电池开辟了新的可能性，允许用户提高他们的投资回报率并加速DESD在配电系统中的渗透。

整合大批DER的一个主要挑战在于设计控制算法。在Kim et al.中，Kim et al.提出一种用于使用DER(例如电池)提供DR的优化分散式调度算法(decentralizedscheduling algorithm)。参见S.J.Kim and G.B.Giannakis,“Scalable and robustdemand response with mixed-integer constraints,”IEEE Trans.Smart Grid,vol.4,no.4,pp.2089-2099,2013，其通过引用而完全包括在本说明书中。然而，他们的方式是基于复杂混合整数规划的，并且他们的系统仍要求中央控制器来协调设备。类似地，在Mhannaet al.中，Mhanna et al.介绍了用于在DR中进行DER调度的另一分散式算法。尽管该算法提供快速的解决方案，由于在收敛之前停止，作者牺牲了优化性。参见S.Mhanna,A.C.Chapman,and G.Verbic,“ADistributed Algorithm for Large-Scale DemandResponse Aggregation,”IEEE Trans.Smart Grid,pp.1-8,2015，其通过引用而完全包括在本说明书中。Floch在Floch et al.中提出了用于EV充电的优化调度的另一分散式算法。在Kim et al.，Mhanna et al.，和Floch et al.中介绍的算法依赖于拉格朗日松弛法(Lagrangian Relaxation)以避免具有中央控制器。参见C.Le Floch,F.Belletti,andS.Moura,“Optimal Charging of Electric Vehicles for Load Shaping:a DualSplitting Framework with Explicit Convergence Bounds,”IEEETrans.Transp.Electrif.,vol.7782,no.c,pp.1-9,2016，其通过引用而完全包括在本说明书中。然而，这些方式仍要求中央协调器，并且披露每个DER的隐私信息。而且，整个系统可能会面临协调器中的单点故障。已经在Rahbari-Asr et al.中提出了用于DER控制的完全分布式算法以对连接的微电网中的DESD集合优化地进行调度。参见N.Rahbari-Asr,Y.Zhang,and M.-Y.Chow,“Cooperative distributed scheduling for storage devicesin microgrids using dynamic KKT multipliers and consensus networks,”IEEEPower Energy Soc.Gen.Meet.,vol.2015-Sept.,2015，其通过引用而完全包括在本说明书中。然而，它的目标在于最小化微电网的运营成本，不给微电网提供任何服务。

而且，电池要求高资本投资，并且通常需要在其容量退化到其标称容量80％时更换。因此，考虑控制动作对电池的退化效果以最大化其寿命是重要的。

发明内容

在此所述的实施例包括以下方面。

(1)、改善能源资源分配的第一方法，其包括：确定电网内实体的整合集群的公用运营成本；计算所述实体整合集群所使用的各个能量存储设备的能量存储退化成本，其中，所述能量存储退化成本包括所述能量存储设备中的每个能量存储设备的一个或多个本地约束和所述能量存储设备组合的一个或多个全局约束；计算所述实体整合集群通过从将所述能量存储设备的能量提供给所述电网所挣得的收入；从所述公用运营成本和所计算的能量存储退化成本的和中减去所计算的挣得的收入，以确定所述实体整合集群的合并运营成本；将所述一个或多个全局约束及其各自的对偶变量与所确定的所述实体整合集群中的每个实体的合并运营成本组合；修正所述实体整合集群中的每个实体的对偶变量；将所修正的所述实体整合集群中的所述每个实体的对偶变量发送给所述实体整合集群内的一个或多个分别的相邻实体；通过平均共识网络，使用来自所述一个或多个分别的相邻实体的对偶变量的本地估算，计算所述实体整合集群中的所述每个实体的对偶变量的改善的本地估算；以及，通过在所述电网内执行所述实体整合集群中的所述每个实体的对偶变量的改善的本地估算，改善能源资源分配，其中，所述改善能源资源分配在所述实体整合集群中重新分配可用的能源，以减小所述电网内的负荷。

(2)、(1)的改善能源资源分配的第一方法，其中，所述一个或多个本地约束包括所述能量存储设备的能量极限、所述能量存储设备的功率极限，和所述电网的功率极限中的一个或多个。

(3)、(1)或(2)中任一项的改善能源资源分配的第一方法，其中，所述能量存储设备包括一个或多个电池。

(4)、(1)至(3)中任一项的改善能源资源分配的第一方法，其还包括应用对偶分解法来推导所述实体整合集群中的所述每个实体的迭代，以计算对净能量交换的本地估算。

(5)、(1)至(4)中任一项的改善能源资源分配的第一方法，其中，所述实体整合集群包括个体家庭的整合集群或个体企业的整合集群。

(6)、改善能源资源分布的第二方法，其包括：设定在满足电网的能量需求响应承诺中单独地影响实体整合集群中的每个实体的一个或多个本地约束；

设定满足所述能量需求响应承诺中影响所述实体整合集群的一个或多个全局约束，其中，所述一个或多个全局约束影响作为组合的所述实体整合集群；

计算在所述一个或多个本地约束的限制下，所述实体整合集群中的所述每个实体的电费的加权和；

在所述一个或多个本地约束的限制下，针对所述实体整合集群中的所述每个实体，计算在所述能量需求响应承诺期间改变温度设定点的惩罚的加权和；

在所述一个或多个全局约束的限制下，针对所述实体整合集群中的所述每个实体，计算在所述能量需求响应承诺期间被减少了一定容量承诺功率的输入功率的加权整合；

修正所述实体整合集群中的所述每个实体的对偶变量的本地估算，其中，所述对偶变量是所计算的加权整合的函数；

将所述实体整合集群中的所述每个实体的对偶变量修正后的本地估算发送给所述实体整合集群内的一个或更多个分别的相邻实体；

通过平均共识网络，使用所述一个或多个分别的相邻实体的本地估算，计算所述实体整合集群中的所述每个实体的对偶变量的改善的本地估算；以及，

通过在所述电网内执行所述实体整合集群中的所述每个实体的对偶变量的改善的本地估算，改善能源资源分配，其中，所述改善能源资源分配在所述实体整合集群中重新分配可用的能源，以减小所述电网内的负荷。

(7)、(6)的改善能源资源分配的第二方法，其中，所述一个或多个本地约束包括热学模型、死区控制模型、避免温度设定点持续改变、温度设定点极限集合，和恒温控制设备(TCA)的开启/关闭状态中的一个或多个。

(8)、(6)或(7)中任一项的改善能源资源分配的第二方法，其中，所述TCA包括采暖通风和空调(HVAC)单元，热水器，热水锅炉，热泵，和电加热系统中的一个或多个。

(9)、(6)至(8)中任一项的改善能源资源分配的第二方法，其中，所述一个或多个全局约束包括在非能量需求响应承诺期间使用的第一能源量与在能量需求响应承诺期间使用的第二能源量之间的差。

(10)、(6)至(9)中任一项的改善能源资源分配的第二方法，其中，所述实体整合集群包括个体家庭的整合集群或个体企业的整合集群。

(11)、(6)至(10)中任一项的改善能源资源分配的第二方法，其中，所述设定一个或多个本地约束和所述设定一个或多个全局约束是通过控制所述实体整合集群中的所述每个实体的采暖通风和空调(HVAC)单元来实现的。

(12)、(6)至(11)中任一项的改善能源资源分配的第二方法，其中，所述设定一个或多个本地约束和所述设定一个或多个全局约束是通过所述实体整合集群中的所述每个实体的所述HVAC单元，针对加热模式和冷却模式中的一个来实施的。

(13)、整合分配系统包括：采暖通风和空调(HVAC)控制器配，其配置为检索HVAC能源使用配置信息；

配置为检索电池能量使用配置信息的电池控制器；

整合数据管理引擎，其具有处理电路，该处理电路配置为：

从所述HVAC控制器取得所述HVAC能量使用配置信息，和

从所述电池控制器取得所述电池能量使用配置信息；

分配引擎，其具有处理电路，该处理电路配置为：

通过通讯网络将第一HVAC对偶变量集合和第一电池对偶变量集合发送给所述整合分配系统的第一相邻单元，

通过所述通讯网络从所述整合分配系统的一个或多个相邻单元接收一个或多个外加的HVAC对偶变量集合和一个或多个外加的电池对偶变量集合，

用所述一个或多个外加的HVAC对偶变量集合修正所述HVAC能量使用配置信息，和，

用所述一个或多个外加的电池对偶变量集合修正所述电池能量使用配置信息；

HVAC单元，其配置为通过所述HVAC控制器对所述电网执行所述修正的HVAC能量使用配置信息；和，

电池，其配置为通过所述电池控制器对所述电网执行所述修正的电池能量使用配置信息，

其中，所述修正的HVAC能量使用配置信息和所述修正的电池能量使用配置信息通过在所述实体整合集群中重新分配可用的能源改善能源资源分配，以减小所述电网内的负荷。

(14)、(13)的整合分配系统，其中，所述HVAC控制器包括电路，该电路配置为：

在需求响应期间设置一个或多个HVAC本地约束，以履行能量需求响应承诺，其中所述一个或多个HVAC本地约束单独地影响所述HVAC单元中的每个；

设置影响HVAC单元整合集群的一个或多个HVAC全局约束，以履行所述能量需求响应承诺，其中，所述一个或多个全局约束影响作为组合的所述HVAC单元整合集群；

在所述一个或多个本地约束的限制下，计算所述HVAC单元中的每个的电费的加权和；

在所述一个或多个本地约束的限制下，针对所述HVAC单元中的每个，计算在所述能量需求响应承诺期间改变温度设定点的惩罚的加权和；

在所述一个或多个全局约束的限制下，针对所述HVAC单元中的每个，计算在所述能量需求响应承诺期间被减少了一定容量承诺功率的输入功率的加权整合；

修正所述HVAC单元中的每个的对偶变量的本地估算，其中，所述对偶变量是所述加权整合的函数；

将所述HVAC单元中的每个的对偶变量修正后的本地估算发送给所述HVAC单元整合集群内的一个或多个分别的相邻HVAC单元。

(15)、(13)或(14)中任一项的整合分配系统，其中，所述一个或多个HVAC本地约束包括热学模型、死区控制模型、避免温度设定点持续改变、温度设定点极限集合，和所述HVAC单元的开启/关闭状态中的一个或多个。

(16)、(13)至(15)中任一项的整合分配系统，其中，所述一个或多个HVAC全局约束包括在非能量需求响应承诺期间使用的第一能源量与在所述能量需求响应承诺期间使用的第二能源量之间的差。

(17)、(13)至(16)中任一项的整合分配系统，其中，所述电池控制器包括电路，该电路配置为：

确定电网内电池的整合集群的公用运营成本；

计算所述电池整合集群的能量存储退化成本，其中，所述能量存储退化成本包括针对所述电池中的每个的一个或多个电池本地约束和针对所述电池整合集群的一个或多个电池全局约束；

计算所述电池整合集群通过从所述电池整合集群给所述电网提供能量所挣得的收入；

从所述公用运营成本和所计算的能量存储退化成本的和减去所述挣得的收入，来确定所述电池整合集群的合并运营成本；

修正所述电池整合集群中的每个电池的对偶变量；以及，

将所述电池整合集群中的每个电池修正后的对偶变量发送给所述电池整合集群内的一个或多个分别的相邻电池。

(18)、(13)至(17)中任一项的整合分配系统，其中，所述一个或多个电池本地约束包括所述电池的能量极限、所述电池的功率极限，和所述电网的功率极限中的一个或多个。

以上段落是作为一般性介绍提供的，不旨在限制以下权利要求书的范围。结合附图参照以下详细说明，将更好地理解所述实施例和其它优点。

附图说明

随着参照以下详细说明在结合附图考虑时更好地理解本发明，会容易地获得对本发明和其许多附带的优点的更完全的理解。

图1A是示出根据一个例子的协作分布式整合算法的流程图；

图1B是根据一个例子的协作分布式整合算法的一个示例性整合商应用的流程图；

图1C是根据一个例子的协作分布式整合算法的一个示例性控制器应用的流程图；

图2A是示出根据一个例子的目标函数收敛到全局最优数值的图；

图2B是示出根据一个例子的对偶变量的每个本地估值收敛到最优数值的图；

图3A是示出根据一个例子的对于典型家庭/企业的负荷和PV发电预测的图；

图3B是示出根据一个例子的电池调度时间表的图；

图3C是示出根据一个例子的电池的SoC的图；

图3D是示出根据一个例子的与电网的电力交换的图；

图4A是示出根据一个例子的对于每个家庭/企业的经济效益的分布的箱形图；

图4B是示出根据一个例子的对于每个家庭/企业的经济效益的分布的直方图；

图5是根据一个例子的用于确定每个控温器的温度设定点的运行状态曲线的算法流程图；

图6是示出根据一个例子的三十个家庭/企业的家庭/企业内部温度与家庭/企业外部温度相比的曲线图；

图7是示出根据一个例子的三十个家庭/企业的所有HVAC单元的整合总功率消耗的图；

图8A是示出根据一个例子的整合分配系统的框图；

图8B是示出根据一个例子的整合分配系统的一般性示意图的框图；

图9示出根据一个例子的计算机的硬件说明；

图10是根据一个例子的改善能源资源分配的第一方法的流程图；

图11是根据一个例子的改善能源资源分配的第二方法的流程图。

具体实施方式

以下说明旨在通过提供本披露的具体例子和实施例来进一步解释本发明。这些实施例是示例性的，而非穷尽的。本发明的完整范围不限于在本说明书中披露的任何具体实施例，而是由权利要求书限定。

要指出的是，在研发任何这样的实际实施例中，需要做出众多对于实施专门的决策以实现研发者的特定目标，例如满足与应用和商业相关的规定，并且这些特定目标会在不同实施例之间和不同研发者之间变化。

本发明使用分布式能量存储设备(DESD)以及实体(例如家庭或企业)之间的能量负载同步化、来制定协作分布式整合算法。在所述实施例的一个方面中，例如电池的存储设备被描述以制定能量存储源的协作分布式整合的系统、方法和算法。在所述实施例的第二方面中，对于实体之间的能量负载通过每个实体的HVAC单元的同步化，说明用于协作分布式策略的系统、方法和算法。

在使用DESD的第一方面中，某些控制动作和/或调度指令影响存储电池的退化。影响电池退化(性能下降)的一些主要因素包括高的运行温度、高的充放电速率(C-rate)、极端充电状态(SoC)级别和高的放电深度。参见J.Vetter,P.Novak,M.R.Wagner,C.Veit,K.C.

J.O.Besenhard,M.Winter,M.Wohlfahrt-Mehrens,C.Vogler,and A.Hammouche,“Ageing mechanisms in lithium-ion batteries,”J.Power Sources,vl.147,no.1-2,pp.269-281,2005，其通过引用而完全包括在本说明书中。在此使用在Fortenbacher etal.中提出的容量退化模型，这是因为它考虑到这些容量退化因素中的大多数。参见P.Fortenbacher,J.L.Mathieu,and G.Andersson,“Modeling,identification,andoptimal control of batteries for power system applications,”2014PowerSyst.Comput.Conf.,pp.1-7,2014，其通过引用而完全包括在本说明书中。

公式(1)中的模型的第一项考虑在退化是最小的情况下，由于SoC与标称SoC的偏差造成的退化。通常，标称SoC接近50％。公式(1)中的其它项考虑了由于线性和二次分量的充放电速率造成的退化。公式(1)是凸函数，不会为优化问题而增加额外的复杂性。

为了将容量退化考虑为本文所述的优化问题，使用以下线性值折旧函数将公式(1)映射到电池退化成本函数中。C_replace是电池的更换成本，Q₀是初始容量，Q_replace是更换电池时的容量。

由于ISO在日前批发市场中获取了大部分容量资源，因此DR问题被表述为24小时提前调度问题。一个目标在于最小化整个系统(即整合的家庭)的总运营成本，并同时满足时间跨度T的约束。整个系统的运营成本包括公用事业公司每日整合家庭能源账单、电池退化成本，和提供DR服务的收入。

其中x＝∪_i∈Nx_i是所有家庭的决策变量集合，C是约束集合。对公式(3)中的每一项说明如下：

●能源账单是从本地公用事业公司购买电力的成本。p_buy，i(t)和p_sell，i(t)分别是购买和出售价格。

●基于公式(1)和公式(2)推导电池退化成本。

其中SoC_i(t)＝E_i(t)/Q_T，Q_T是电池容量，E_i(t)是如公式(6)所定义的所存储的能量。

●DR容量收入是来自提供DR服务的效益，它取决于整合商提供的功率(P_Curtail)，其中pDR是单位为$/kW的容量价格。

J_DR＝p_DR·P_Curtail (7)

对于优化问题的约束可分为局部约束和全局约束两个类型。本地约束指的是仅独立地影响每个家庭的约束。全局约束关联来自每个家庭或企业实体的变量，防止优化问题由每个实体独立解决。

本地约束集合C_l＝∪_i∈NC_i是：

●每个实体的功率平衡。它确保每个家庭或企业在电网功率(P_import,i和P_export,i))、电池充/放电功率、不可控需求(P_dem,i)和不可调度的PV发电(P_gen,i)之间的功率平衡。

●电池的能量极限。它确保存储在每个电池中的能量处于其容量极限内。

●电池的功率极限：它确保充放电功率处于其安全极限内。

●电网功率极限：用于确保输入和输出功率处于本地公用事业公司极限内。

为了满足从高峰时间t_a到t_b的DR服务，必须基于整合商提供给ISO的容量承诺P_Curtail(t)，减小家庭或企业的净输入电量。在此，基准线P_Baseline,i是如果没有DR事件，会由家庭/企业i从电网输入的电量。为了之后推导方便，使用恒定矢量

来表达可从电网取得以满足DR服务的电量。因此，对于所有的t∈[t_a,t_b]，全局约束定义为：

其中，

在基准线的考量和计算中，根据DR提供者在给定时段内能够减少的负载量向其付款。然而，这要求将当出现DR事件时家庭的负载消耗与没有DR事件时家庭会消耗的功率进行比较。后一计量称为家庭的负载基准线，为了计算该量，每个ISO遵循自己的规则。在此，对于每个家庭的基准线是通过求解没有DR项的公式(3)的优化问题并考虑公式(8-11)中的约束，对于每个家庭独立地计算的。

在此说明协作分布式整合算法的推导，该算法是完全分布式的，并将每个家庭/企业视为独立个体。首先应用对偶分解(DD)法将问题分为可由每个独立个体本地求解的低维子问题。然而，这些子问题仍取决于一些全局系统变量。为了实现完全分布式算法，使用平均共识网络(Averaging Consensus Network,ACN)来仅使用本地可用信息估计全局系统变量。

图1A是示出协作分布式整合算法100的流程图。在步骤S110中，实施对偶分解，其中，使用拉格朗日松弛法将原始的最优化问题重新表述，并用对偶变量μ(t)将公式(12)中的关联约束g(t)≤0添加到公式(3)的目标。

对偶变量是与对偶问题关联的变量。凸优化问题(convex optimizationproblem)可包括针对变量的最小化函数，称为原始变量。凸优化问题可转换成称为对偶变量的另一变量的等效最大化问题。该转换有助于推导分布式优化问题。例如，对偶变量可表示违反确定需求响应水平的全局约束的价格。对偶变量还包括对于所有家庭/企业都相同的数学加密的全局信息。因此，新优化问题变成：

其中，

在步骤S120中，应用DD方法以推导以下迭代过程。参见S.Boyd,L.Xiao,A.Mutapcic,and J.Matingley,“Notes on Decomposition Methods,”Notes,vol.D,no.2006,pp.1-36,2007，其通过引用而完全包括在本说明书中。首先，在每次迭代k中，每个家庭/企业i求解给定μ^k(t)的本地优化问题：

其中，

公式(16)中的第一项可视为每个家庭优化其自己的效用目标。第二项可解读为家庭之间为了在整合层面提供DR服务的协作。

在步骤S130中，使用对偶上升法(Dual Ascent method)修正对偶变量：

其中，

公式(18)对于μk(t)的修正规则要求每个家庭/企业知悉所有其它家庭/企业与电网的功率交换。因此，需要有能够获得该信息的中央控制器或协调器。参见S.J.Kim andG.B.Giannakis,“Scalable and robust demand response with mixed-integerconstraints,”IEEE Trans.Smart Grid,vol.4,no.4,pp.2089-2099,2013；S.Mhanna,A.C.Chapman and G.Verbic,“A Distributed Algorithm for Large-Scale DemandResponse Aggregation,”IEEE Trans.Smart Grid,pp.1-8,2015；C.Le Floch,F.Belletti,and S.Moura,“Optimal Charging of Electric Vehicles for LoadShaping:a Dual Splitting Framework with Explicit Convergence Bounds,”IEEETrans.Transp.Electrif.,vol.7782,no.c,pp.1-9,2016，其每篇都通过引用而包括在本说明书中。由此，该修正规则仍受限于例如协调器中的单点故障和向彼此披露家庭隐私信息的缺陷。

在步骤S140中，使用平均共识网络来避免中央协调器并在本地估算μ^k(t)。参见R.Olfati-Saber,J.A.Fax,and R.M.Murray,“Consensus and cooperation in networkedmulti-agent systems,”Proc.IEEE,vol.95,no.1,pp.215-233,2007，其通过引用而完全包括在本说明书中。例如，仅作为示意性目的提供的，如果对偶变量的正确数值是已知的，每个家庭/企业可计算最优电池充电配置文件和/或最优HVAC使用配置文件。由于这不是初始已知的，遵循迭代过程以确定对偶变量。可使用梯度上升法来寻找对偶变量。梯度上升法是在优化问题中用来寻找优化解的基于梯度的方法。然而，为了计算梯度(其对于所有家庭/企业是唯一的)，关于每个家庭/企业的信息是必需的。为了克服这个需求，对梯度的近似是基于本地信息的，其使用共识网络，例如平均共识网络，通过每次迭代产生改善的近似。因此，每个家庭/企业可达成共识并获得对对偶变量的更接近的估算。

给定家庭/企业之间的连接通讯拓扑，每个实体i仅需要其邻居的估算即可更新它对对偶变量的本地估算，

用于修正

的梯度也仅使用本地信息来修正。

每个家庭/企业基于公式20和21实现修正，然后将这些数值与其直接邻居分享，以继续迭代过程，直至所有家庭/企业达到对于公式20和21中的数值的共识。共识网络允许一定数量的家庭/企业通过迭代地和彼此分享个体对偶变量，就对偶变量和梯度的数值达成协议。图2A示出当每个家庭/企业达成了共识时，公式20和21中的数值收敛。在一个例子中，实施200次迭代以寻找对于整合分配系统中的家庭/企业集合的优化策略。

每个家庭/企业内的控制器通过网络通讯连接。当每个控制器实施迭代时，它通过通讯网络将这些数值传输给它最近的相邻家庭/企业。如果将英特网用作通讯网络，数据通过例如TCP协议的协议路由。因此，以上算法变成完全分布式的。在此，“邻居”可指个体家庭或企业、电器个体、家庭/企业社区，或网络内的节点。

而且，可指出的是，每个家庭/企业不与其邻居分享隐私功率数据—仅其对偶变量的本地估算。由此，算法还确保保护家庭/企业的隐私信息。而且，如果某些个体出故障，DR服务仍可由其它家庭/企业在重新配置之后来提供。因此，所述算法还对于单点故障是具有鲁棒性的。

图1B是对于协作分布式整合算法100的一个用于给能量网提供服务的示例性整合商应用150的流程图。在一个仅出于示意目的提供的例子中，整合商可在ISO DR容量市场中投标。当ISO将DR合同授予一组家庭或企业的整合商时，家庭/企业将确定共识，并通过该共识来最优地履行服务合同。在算法1的迭代共识过程中，电网不干涉整合商。

在步骤S155中，需求响应(DR)服务任务提供给参与所选择项目的每个家庭/企业。该所选择的项目可例如是ISO广播的结果。

在步骤S156中，每个家庭/企业彼此协作并协商以开发履行DR服务任务所需的操作程序。细节包括用于每个家庭/企业电池、HVAC等设备的操作程序。

在步骤S157中，每个分布式家庭/企业就对于他们各自的本地设备的操作程序达成共识。确定将根据其来操作各自本地设备的控制信号。

在步骤S158中，每个家庭/企业将所接受的控制信号应用到在DR服务任务下使用的每个本地设备。每个家庭/企业可包括多于一个的本地设备，这包括但不限于电池存储设备、HVAC单元、热水器或热水锅炉、热泵，和电加热系统。

图1C是对于协作分布式整合算法100的一个示例性控制器应用170的流程图。在步骤S171中，确定DR服务任务的家庭/企业接收控制器。这可以是响应于来自ISO的作为分布式能源资源参与的邀请或邀约。

在步骤S172中，每个参与的家庭/企业中的控制器初始化其变量。每个家庭的目的是优化其自己的电厂账单。家庭之间的协作提供整合层面的DR服务。

在步骤S173中，每个家庭/企业控制器实施其各自对公式16的原始变量和公式20-21的对偶变量的修正更新。

在步骤S174中，每个家庭/企业控制器通过连接的控制器的网络通讯，与其邻居控制器分享其各自的对偶变量。在每个控制器实施迭代之后，它通过通讯网络将数据发送到各个邻居控制器。

在步骤S175中，确定分布式整合内的相邻控制器是否已经达成共识。如果还没有达成共识(步骤S175中的“否”决定)，在步骤S176中，确定每个相关联的家庭/企业是否已经从其各自的邻居控制器接收到数据。如果某些数据还没有接收到(步骤S176中的“否”决定)，过程暂停，直至已经从所有适用的邻居控制器接收到数据。如果已经接收到所有数据(步骤S176中的“是”决定)，过程返回到步骤S173。

如果在步骤S175中已经达成共识(步骤S175中的“是”决定)，进程进行到步骤S177。在步骤S177中，每个家庭/企业控制器将控制信号传输给其各自的一个或多个本地设备。当家庭/企业之间已经达成共识时，各自的控制器设定对于一个或多个本地设备中的每个的控制信号。例如，电池控制器可确定在给定时刻要放电或充电的电池电量。在另一例子中，HVAC控制器可确定控温器温度设定点以最小化能量成本和/或不适度。

从能量电网的角度而言，电网仅看见履行所同意的服务的N个家庭/企业的一个整合系统。从每个家庭/企业的角度而言，每个家庭/企业与其它家庭/企业协作，无需集中式控制器。家庭/企业可通过选择的家庭/企业给ISO提供能量测量数据。可基于参数来选定家庭/企业，例如具有更好的通讯能力的家庭/企业，最接近变电站的家庭/企业，或具有最好的先前DR表现评分的家庭/企业。然而，在此所述的实施例考虑到其它参数。如果控制器是在云数据中心中实现的，每个家庭/企业的能源设备都能够通过英特网与云数据中心连接。

在此提供数字模拟以展示以上介绍的算法的有效性。将该算法应用到200个家庭的整合案例，其中，验证算法收敛到全局最优。说明成本效益分析，以显示提供DR服务对于整个系统以及对于每个个体家庭/企业的经济效益。在计算负担方面研究了该算法的可扩展性。

对于每个家庭/企业实体的模拟参数在表I中列出。如在此所述的，将销售回给电网的价格视为零。关于DR服务，事件从下午4点到下午8点，在有DR事件的一天中ISO为缩减的负载支付2$/kW。尽管系统总容量是

每个电池还需要支持本地需求。因此，由整合系统提供给电网的DR容量设定为总容量的20％。

表I家庭参数

在图2A至2B中示出对于200个家庭的整合案例，算法收敛到全局最优。图2A是示出目标函数收敛到全局最优数值的图。图2B是示出对偶变量的每个本地估算

收敛到实际全局数值的图。

在图3A至3D中示出的代表性家庭操作示出个体的家庭是如何表现的。图3A是示出该家庭/企业的负荷和PV发电预测的图。图3B至3D是示出该家庭/企业的基准线与在有DR事件的一天中的实际操作之间的比较的图。图3B是示出电池调度时间表的图。图3C是示出电池的SoC的图。这些图示出在DR事件期间(下午4到8点)电池主要是如何放电的，以及与基准线相比，在DR情况下电池更高的能量吞吐量。如在下表II中所示，这引起电池更大的退化，但额外成本由ISO适当地补偿。图3D是示出与电网的功率交换的图。可观察到，在DR情境中，电池正在向电网注入电能。

在此比较说明有和没有DR参与的成本效益分析。成本(例如操作成本或退化成本)可表达为考虑到技术运作参数(例如退化、功率或电流流等)一般性优化参数。收入可类似地定义为负成本。在表II中示出对于两个情况的系统总成本。

表II 200个家庭的系统成本

成本	没有DR参与	有DR参与
			电厂账单	$1322.54	$1336.57
退化成本	$67.84	$111.60
			容量支付	$0.00	-$264.00
总额	$1390.38	$1184.17

如在表II中所示，尽管操作成本在系统参与DR项目时增大，与该参与关联的效益使得其总成本更低。为了展示对于每个个体家庭/企业的参与整合的效益，取决于每个家庭/企业减少的负载量，总DR容量支付按比例地在家庭/企业之间分配。个体家庭/企业效益定义为DR事件期间的成本与正常日之间的差别。

图4A是示出每个家庭/企业的经济效益分布的箱形图。图4B是示出每个家庭/企业的经济效益的分布的直方图。图4A和4B示出两个家庭/企业实体都从参与DR项目获得了一些收益。

在表III中提供计算性能比较，以展示所提出的算法在可扩展性方面如何比其它集中式方法表现得更加出色。第一集中式方法直接求解公式(3-11)，而第二集中式方法使用公式(16-19)中的分解技术求解问题。对于所提出的分布式算法，本研究选择全连接的网状网络作为通讯拓扑。当对于(12)的约束违反误差小于∈＝0.5时，该算法被视为是收敛的。

所有模拟都是使用具有美国Intel公司的

@3.40GHz处理器和16.0GB的RAM的PC来实施的。

用作模拟环境。

工具箱用于编码优化问题，

用作优化求解器。

表III算法可扩展性

在此用于大批DESD的日前调度以在高峰时期给电网提供DR的所述分布式算法具有数个优点。它允许小型DESD参与大型电网环境，例如通过整合参与批发市场以为DESD所有者产生新的收入源。该算法还考虑到电池如何退化以最大化它们的寿命。而且，该算法无需集中式协调器即可实现全局最优解。它还可扩展到大量家庭/企业实体的，对于单点故障具有鲁棒性，并保护个体家庭/企业信息。

在第二方面中，说明通过每个实体的HVAC单元来同步化实体之间的能量负荷的、一种用于协作分布式策略的系统、方法，和算法。制定第二方面的优化以决定每个家庭/企业实体的控温器在给定时刻的温度设定点，以履行DR承诺。问题制定为多目标优化问题，考虑能源账单(与能量消耗相关)与用户在家庭/企业内的舒适度之间的平衡折中。

一个目标在于如下地最小化能源账单和不适度的加权和。为了简化，HVAC单元视为在制冷模式下工作。可通过改变公式中的一些项实现将算法扩展到在加热模式下工作。

J_{discom fort}惩罚在DR事件期间，相对于正常日中发生的典型温度设定点

改变温度设定点

y是决策变量集：

图5是用于确定每个控温器的温度设定点的操作状态曲线以履行DR承诺的算法500的流程图。可将约束集合分类为本地约束集合和全局约束集合。本地约束指的是仅独立地影响每个家庭/企业的约束。全局约束关联来自每个家庭/企业的变量，防止优化问题独立地被每个家庭/企业解决。

在步骤S510中，设定本地约束集合∪_i∈NC_i。可使用以下模型。

●热学模型。它计算每个家庭/企业内的温度的演变。

●HVAC的死区(dead-band)控制模型

1.过渡变量

x_cool，t(t)＝x_cool，t(t-1)+S(t)-D(t)

S(t)＝{0，1}

D(t)＝{0，1}

S(t)：指示HVAC从关闭转换到开启。

D(t)：指示HVAC从开启转换到关闭。

2.强迫AC在温度高于极限之后开启

3.强迫AC在直到温度高于该极限之前都不开启

4.强迫AC在温度低于该极限之后关闭

5.强迫AC在直到温度低于该极限之前都不关闭

HVAC单元的死区控制制定为以下非线性表达式。

当家庭/企业内的温度分别高于或低于高和低极限时，HVAC仅改变其状态，x_cool，i(t)。这些极限由死区(ΔT_db，i)和温度设定点

来设定。

然而，由于表达式的非线性，该“如果-则”公式不能包括在复合整数线性规划中。因此，前一表达式转换成以下MILP约束集合。

○第一转换：

通过引入两个新的二进制变量，前一模型分解为一个等式约束和两个更简单的“如果-则”模型：

x_cool，l(t)＝x_cool，l(t-1)+S(t)-D(t)

S(t)＝{0，1}

D(t)＝{0，1}

S(t)：在HVAC从关闭转换到开启时会是1。

D(t)：在HVAC从开启转换到关闭时会是1。

然而，更简单的模型仍是“如果-则”模型，需要进一步转换。

○第二转换：

使用大M法，将更简单的模型

转换成以下两个约束：

○Force S(t)＝1when

○Force S(t)＝0when

○第三转换

使用大M法，将前一模型

进一步转换成以下两个约束：

○Force D(t)＝1when

○Force D(t)＝0when

本地约束集合∪_i∈NC_i继续为：

●避免HVAC温度设定点持续改变

z(t)＝{0，1}

●建立温度设定点极限

●HVAC开启/关闭状态

x_cool，t(t)＝{0，1}

在步骤S520中，全局约束集合设定为减小总负荷和满足DR承诺。

使用拉格朗日松弛法，将N个家庭制定的问题分为N个子问题(每个家庭/企业一个)。在此所述的全局约束包括在每个个体问题的目标中。可使用迭代对偶上升法求解问题。

在步骤S530中，当对于每个家庭子问题接收到新的μ^k(t)时，家庭/企业尝试以迭代的方式最小化电费账单和不适度。

每个家庭i受限于如前所述的相同本地约束C_i。

对于对偶变量修正，定义基准线曲线减去需要减少的功率。

用以下规则来修正对偶变量：

使用共识网络来修正对偶变量，以避免在完全分布式方法中使用中央协调器。在步骤S540中，每个节点(家庭/企业)修正其对对偶变量的本地估算并将结果与它们的直接邻居分享。

其中：

进行了以下数字模拟，以展示在此所述的实施例的有效性。通过以下考虑，整合三十个家庭。

●用于模拟的数据属于从PecanStreet.org下载的德克萨斯州奥斯丁家庭。

●将2015年7月11日视为DR事件日，这是因为这是2015年7月负荷最高的日子。

●基于历史HVAC负荷和其与室外温度的关联确定用于每个家庭/企业的热学模型的参数。

●电厂费率(夏日和使用时间)

○高峰(从下午3至8点)：28.6￠/kWh

○非高峰(该日剩余时间)：21.1￠/kWh

○不可绕过的费用(NBC)：2.5￠/kWh

●基准线计算：

○使用DR事件前十日(排除周末和假日)计算基准线。

●考虑两个不同的DR服务：

○DR事件1：

□功率投标：9kW

□DR时期：下午4—8点

□DR补偿：1$/kWh

○DR事件II：

□功率投标：3kW

□DR时期：下午4—8点

□DR补偿：1$/kWh

在表格IV中示出三十个家庭/企业的整个系统的经济结果。比较了没有DR事件和上述两个DR事件。DR事件I减小HVAC的功率消耗9kW四个小时，而DR事件II仅减小HVAC负荷3kW四个小时。因此，在DR事件I中由于提供大负荷减小，系统收入增长，而对于DR事件I和DR事件II两者，热不适度增大。

表IV事件比较

图6和7的图示出在此所述的协作分布式系统的表现。图6是示出与三十个家庭/企业的在家庭/企业外(即室外)的温度(对于所有家庭/企业视为是相同的)比较的家庭/企业内(即室内)的温度的图。在图6中，观察到家庭/企业内的温度特别地在DR时期升高，以减小功率消耗。图7是示出三十个家庭/企业的所有HVAC单元的整合功率消耗的图。图7还示出如何满足从下午4点到下午8点的DR承诺。

图8A是示出与在此所述的实施例一起使用的整合分配系统800的框图。HVAC控制器810连接到控温器811，该HVAC控制器连接并配置为设定HVAC单元812的控温器811的温度设定点。HVAC控制器810配置为具有用于执行算法500的步骤的电路。

图8A还示出电池控制器820。电池控制器820连接到一个或多个传感器821，例如电荷传感器和/或功率传感器，其连接并配置为控制电池822。电池控制器820配置为具有用于执行算法100的步骤的电路。

图8A示出HVAC控制器810和关联的HVAC单元812，以及电池控制器820和关联的电池单元822。然而，单元1 805可包括HVAC控制器810和HVAC单元812，或者包括电池控制器820和电池单元822。在单元1 805中示出的其它恒温控制的电器(TCA)包括热水器/锅炉870、热泵880，和电加热系统890。热水器/锅炉870、热泵880，和电加热系统890中的每个可具有各自的控制器和控制机制。然而，这些已被省掉以简化整合分配系统800。

控制器(例如HVAC控制器810、电池控制器820、热水器控制器、锅炉控制器、热泵控制器、或电加热系统控制器)可称为家庭能量管理系统(HEMS)控制器。

控制器也可以是本地微控制器或数字信号处理器(DSP)，其包括配置为执行在此所述的一个或多个算法(例如算法100和算法500)的处理电路。控制器配置为通过通讯网络与整合分配系统内的其它控制器通讯。在云计算环境中，控制软件在云数据中心内运行。控制指令通过英特网被传输到各个家庭/企业内的每个控制器。

图8A还示出整合数据管理引擎830。整合数据管理引擎830具有配置为从HVAC控制器取得HVAC能量使用配置文件并从电池控制器取得电池能量使用配置文件的处理电路。

图8A还示出分配引擎840。分配引擎840具有处理电路，其配置为：通过通讯网络将HVAC和电池对偶变量发送给整合分配系统的第一邻居单元；通过通讯网络从整合分配系统的一个或更多个邻居单元接收HVAC和电池的对偶变量；用HVAC对偶变量修正HVAC能量使用配置文件；和，用电池对偶变量修正电池能量使用配置文件。

HVAC控制器810、控温器811、HVAC 812、电池控制器820、一个或多个传感器821、电池822，和整合引擎中心845布置在单元1 805内。单元1可定义为被包围的物理结构，例如房屋、企业、商业建筑，或其它物理地包围的结构。

图8A将整合数据管理引擎830和分配引擎840示出为两个分别的实体。然而，整合数据管理引擎830和分配引擎840可组合在一个物理结构中，或作为并行工作的多个物理结构。而且，HVAC控制器810和电池控制器820中的一个或两者可以与整合数据管理引擎830和分配引擎840一起组合在单个结构中。

图8A还示出网络850。在一个实施例中，网络850是平均共识网络。网络850连接到多个其它家庭/企业单元860，它们是整合分配系统800的一部分。单元2、单元3等的每个包括与单元1 805相同的特征。

图8B是示出整合分配系统800的一般性示意图的框图。在图8B中，图8A的数据管理引擎830和分配引擎840已组合在作为单元1805的整合引擎中心845的单个结构中。还示出一个或更多个TCA和/或电池855，它们可包括但不限于HVAC 812、电池822、热水器/锅炉870、热泵880和/或电加热系统890。网络850使得单元1 805与整合分配系统800内的一个或更多个其它单元860互连。

在一个实施例中，整合分配系统800的功能和进程可部分地通过图9所示的计算机900实施。特别地，HVAC控制器810、电池控制器820、数据管理引擎830和/或分配引擎840可通过计算机900单独地或一起作为一个或多个单元来实现。

图9示出根据示例性实施例的计算机900的硬件说明。在图9中，计算机900包括CPU901，其实施在此所述的进程。进程数据和指令可存储在存储器902中。这些进程和指令也可存储在例如硬盘(HDD)或便携式存储介质的存储介质盘904上或可远程地存储。而且，所要求保护的进步不受存储本发明进程的指令的计算机可读介质的形式限制。例如，指令可存储在CD、DVD、闪存、RAM、ROM、PROM、EPROM、EEPROM、硬盘或与计算机900通讯的任何其它信息处理设备，例如服务器或计算机。

而且，所要求保护的进步可作为与CPU 901和操作系统(例如

)以及本领域技术人员已知的其它系统一起执行的实用程序、后台守护程序、或操作系统的构件或它们的组合来提供。

为了实现计算机900，硬件元件可通过本领域技术人员已知的各种电路元件实现。例如，CPU 901可以是来自美国Intel公司的

或

处理器或来自美国AMD公司的

处理器，或可以是本领域技术人员会认识的其它处理器类型。替代地，如本领域技术人员可知的，CPU 901可在FPGA、ASIC、PLD上或使用离散逻辑电路来实施。而且，CPU901可实施为并行地协作工作以实施上述发明性进程的指令的多个处理器。

图9中的计算机还包括网络控制器906，例如来自美国Intel公司的IntelEthernet PRO网络接口卡，用于与网络850(例如图8中的网络850)交互。如可理解的，网络850可以是公共网络，例如英特网，或私人网络，例如LAN或WAN网络，或任何它们的组合，并可还包括PSTN或ISDN子网。网络850还可以是有线的，例如Ehternet网络，或可以是无线的，例如蜂窝网络，包括EDGE、3G和4G无线蜂窝系统。无线网络也可以是

或已知的任何其它无线通讯形式。

计算机900还包括显示控制器908，例如来自美国NVIDIA公司的

GTX或

图像适配器，用于与显示器910(例如Hewlett

HPL2445w LCD显示器)交互。通用I/O接口912与键盘和/或鼠标914以及位于显示910上或与之分离的可选的触摸屏916交互。通用I/O接口912还连接到多种周边设备918，包括打印机和扫描仪，例如来自Hewlett Packard的

或

通用存储控制器920使得存储介质盘904与用于使得计算机900的所有构件互连的通讯总线922(这可以是ISA、EISA、VESA、PCI或类似的)通讯。为了简洁，在此省掉对显示910、键盘和/或鼠标914以及显示控制器908、存储控制器920、网络控制器906、和通用I/O接口912的一般性特性和功能性的说明，因为这些特征是已知的。

图9包括电荷传感器821，例如是连接到图8中单元1电池822的单元1传感器821。图9还包括控温器811，例如连接到图8中的单元1HVAC 812的单元1控温器811。已经说明了一些实施例。然而，可理解的是，可不超出本说明的宗旨和范围地进行各种更改。例如，所披露的技术的步骤以不同的顺序实施，或者所披露的系统中的构件以不同的方式组合，或者构件由其它构件替代或补充，可实现优选的结果。

本文所述的功能、进程、和算法可以在硬件、或由硬件执行的软件中执行，包括配置为执行程序代码和/或计算机指令、以实现本文所述的功能、进程、和算法的计算机处理器和/或可编程电路。而且，可在不同于在此所述的硬件或模块上实现一种实施。相应地，其它实施处于可要求保护的范围内。在此所述的实施例可与以上参照图9所述的设备中的一个或更多个组合地实施。实施例是硬件、软件和处理电路的组合，其中软件是通过处理电路实施的。

图10是改善能源资源分配的第一方法1000的流程图。在步骤1010中，为电网内实体的整合集群确定公用运营成本。在一个实施例中，实体整合集群包括个体家庭的整合集群或个体企业的整合集群。

在步骤1020中，计算实体整合集群所使用的各个能量存储设备的能量存储退化成本。能量存储退化成本包括能量存储设备中的每个能量存储设备的一个或多个本地约束，以及能量存储设备组合的一个或更多个全局约束。

在步骤1030中，计算实体整合集群通过将能量存储设备的能量提供给电网而挣得的收入。在一个实施例中，能量存储设备包括一个或更多个电池。

在步骤1040中，从公用运营成本和所计算的能量存储退化成本的和减去所计算的挣得的收入，确定实体整合集群的组合运营成本。数学表达为：运营成本＝(公用运营成本)+(所计算的能量存储退化成本)-(所计算的挣得的收入)

在步骤1050中，将所述一个或多个全局约束及其对应的对偶变量与所确定的实体整合集群中的每个实体的组合运营成本进行组合。

在步骤1060中，修正实体整合集群中的每个实体的对偶变量。在一个实施例中，可将对偶分解法应用于推导实体整合集群中的每个实体的迭代以计算净能量交换的本地估算。

在步骤1070中，将所修正的实体整合集群的所述每个实体的对偶变量发送到实体整合集群内的一个或多个分别的邻居实体。

在步骤1080中，通过来自该一个或多个分别的邻居实体的对偶变量的本地估算，计算实体整合集群中的所述每个实体的对偶变量的改善的本地估算。

在步骤1090中，通过在电网内执行实体整合集群中的所述每个实体的对偶变量的改善的本地估算，改善能源资源分配。改善的能源资源分配在实体整合集群内重新分配可用的能量，以减小电网内的负荷。

图11是改善能源资源分配的第二方法1100的流程图。在步骤1110中，设定在满足电网的能量需求响应承诺中单独地影响实体整合集群中的每个实体的一个或多个本地约束。

在步骤1120中，设定满足能量需求响应承诺中影响实体整合集群的一个或多个全局约束。所述一个或多个全局约束影响作为组合的实体整合集群。

在步骤1130中，计算在所述一个或多个本地约束的限制下，实体整合集群中的所述每个实体的电费的加权和。在一个实施例中，所述一个或多个本地约束包括热学模型、死区模型、避免温度设定点持续改变、温度设定点极限集合，和恒温控制电器(TCA)的开启/关闭状态中的一个或更多个。

在步骤1140中，针对在所述一个或多个本地约束的限制下实体整合集群中的所述每个实体，计算在能量需求响应承诺期间改变温度设定点的惩罚的加权和。在一个实施例中，所述设定一个或多个本地约束和所述设定一个或多个全局约束是通过控制实体整合集群中的所述每个实体的HVAC单元来实施的。

在步骤1150中，在所述一个或多个全局约束的限制下，针对实体整合集群中的所述每个实体，计算在能量需求响应承诺期间被减少了一定容量承诺功率的输入功率的加权整合。在一个实施例中，所述设定一个或多个本地约束和所述设定一个或多个全局约束是通过控制实体整合集群中的每个所述实体的HVAC单元，针对加热模式和冷却模式中的一个来实施的。

在步骤1160中，修正实体整合集群中的所述每个每个实体的对偶变量的本地估算。对偶变量是所计算的加权整合的函数。

在步骤1170中，将实体整合集群中的所述每个实体的对偶变量修正后的本地估算发送给实体整合集群内的一个或多个分别的相邻实体。在一个实施例中，实体整合集群包括个体家庭的整合集群和个体企业的整合集群。

在步骤1180中，使用所述一个或多个分别的相邻实体的本地估算，计算实体整合集群中的所述每个实体的对偶变量的改善的本地估算。所述计算是通过平均共识网络执行的。

在步骤1190中，通过在电网内执行实体整合集群中的所述每个实体的对偶变量的改善的本地估算，改善能源资源分配。所述改善的能源资源分配在实体整合集群内重新分配可用的能量，以减小电网内的负荷。

在此所述的协作分布式能量调度算法的实施例允许家庭或企业的整合集群使用它们各自的能量存储设备来协作地给电网提供需求响应服务。而且，可满足每个家庭或企业的个体负荷，同时仍减小家庭或企业的运营成本。

一些常规系统和方法提供集中式模型或架构。然而，这仅为大型实体提供通道。其它系统和方法使用状态排队模型对整合HVAC负荷中的不确定性建模。然而，没有控制HVAC。另一HVAC负荷策略遵循目标负荷曲线，但它是基于集中式多目标系统模型。

在此所述的实施例提供数个优点，包括最小化全局系统运行成本，同时还提供ISO所要求的需求响应服务。而且，完全分布式方式具有全局优化解，其中，算法在每个家庭能量管理系统中本地地运行。通过与邻居家庭协作，它能够针对每个家庭以最优化的方式安排储能设备的运行。

通过将计算负担分配到每个家庭控制器提供可扩展的解决方案，仅需要本地通讯。最大化能量存储设备的剩余使用寿命，由于没有披露个体家庭信息而保护隐私，并且系统对于单点故障具有鲁棒性。

说明了一些实施。然而，可理解的是，可不超出本披露的宗旨和范围地进行多种改变。例如，所披露的技术的步骤以不同的顺序实施，所披露的系统中的构件以不同的方式组合，或者构件由其它构件替代或补充，可实现优选的结果。本文所述的功能、进程、和算法可以在硬件、或由硬件执行的软件中执行，包括配置为执行程序代码和/或计算机指令、以实现本文所述的功能、进程、和算法的计算机处理器和/或可编程电路。而且，可在不同于在此所述的硬件或模块上实现一种实施。相应地，其它实施处于可要求保护的范围内。

以上讨论仅披露本发明的示例性实施例。如本领域技术人员会理解的，不超出本披露的宗旨或本质特征地，本发明可以以其它具体形式实施。相应地，本披露旨在是示意性的，但不限制本披露以及权利要求书的范围。本披露，包括在此的教导的任何可容易地识别的变型，部分地限定以上权利要求用语的范围，使得没有将发明性主题捐献给公众。

Claims

1.一种改善能源资源分配的方法，其包括：

确定电网内实体的整合集群的公用运营成本；

计算所述实体整合集群所使用的各个能量存储设备的能量存储退化成本，其中，所述能量存储退化成本包括所述能量存储设备中的每个能量存储设备的一个或多个本地约束和所述能量存储设备组合的一个或多个全局约束；

计算所述实体整合集群通过从将所述能量存储设备的能量提供给所述电网所挣得的收入；

从所述公用运营成本和所计算的能量存储退化成本的和中减去所计算的挣得的收入，以确定所述实体整合集群的合并运营成本；

将所述一个或多个全局约束及其各自的对偶变量与所确定的所述实体整合集群中的每个实体的合并运营成本组合；

修正所述实体整合集群中的每个实体的对偶变量；

将所修正的所述实体整合集群中的所述每个实体的对偶变量发送给所述实体整合集群内的一个或多个分别的相邻实体；

通过平均共识网络，使用来自所述一个或多个分别的相邻实体的对偶变量的本地估算，计算所述实体整合集群中的所述每个实体的对偶变量的改善的本地估算；以及，

2.如权利要求1所述的方法，其中，所述一个或多个本地约束包括所述能量存储设备的能量极限、所述能量存储设备的功率极限，和所述电网的功率极限中的一个或多个。

3.如权利要求1所述的方法，其中，所述能量存储设备包括一个或多个电池。

4.如权利要求1所述的方法，其还包括：

应用对偶分解法来推导所述实体整合集群中的所述每个实体的迭代，以计算对净能量交换的本地估算。

5.如权利要求1所述的方法，其中，所述实体整合集群包括个体家庭的整合集群或个体企业的整合集群。

6.一种改善能源资源分布的方法，其包括：

设定在满足电网的能量需求响应承诺中单独地影响实体整合集群中的每个实体的一个或多个本地约束；

7.如权利要求6所述的方法，其中，所述一个或多个本地约束包括热学模型、死区控制模型、避免温度设定点持续改变、温度设定点极限集合，和恒温控制设备(TCA)的开启/关闭状态中的一个或多个。

8.如权利要求7所述的方法，其中，所述TCA包括采暖通风和空调(HVAC)单元，热水器，热水锅炉，热泵，和电加热系统中的一个或多个。

9.如权利要求6所述的方法，其中，所述一个或多个全局约束包括在非能量需求响应承诺期间使用的第一能源量与在能量需求响应承诺期间使用的第二能源量之间的差。

10.如权利要求6所述的方法，其中，所述实体整合集群包括个体家庭的整合集群或个体企业的整合集群。

11.如权利要求6所述的方法，其中，所述设定一个或多个本地约束和所述设定一个或多个全局约束是通过控制所述实体整合集群中的所述每个实体的采暖通风和空调(HVAC)单元来实现的。

12.如权利要求11所述的方法，其中，所述设定一个或多个本地约束和所述设定一个或多个全局约束是通过所述实体整合集群中的所述每个实体的所述HVAC单元，针对加热模式和冷却模式中的一个来实施的。

13.一种整合分配系统，其包括：

采暖通风和空调(HVAC)控制器配，其配置为检索HVAC能源使用配置信息；

配置为检索电池能量使用配置信息的电池控制器；

整合数据管理引擎，其具有处理电路，该处理电路配置为：

从所述HVAC控制器取得所述HVAC能量使用配置信息，和

从所述电池控制器取得所述电池能量使用配置信息；

分配引擎，其具有处理电路，该处理电路配置为：

14.如权利要求13所述的整合分配系统，其中，所述HVAC控制器包括电路，该电路配置为：

15.如权利要求14所述的整合分配系统，其中，所述一个或多个HVAC本地约束包括热学模型、死区控制模型、避免温度设定点持续改变、温度设定点极限集合，和所述HVAC单元的开启/关闭状态中的一个或多个。

16.如权利要求14所述的整合分配系统，其中，所述一个或多个HVAC全局约束包括在非能量需求响应承诺期间使用的第一能源量与在所述能量需求响应承诺期间使用的第二能源量之间的差。

17.如权利要求13所述的整合分配系统，其中，所述电池控制器包括电路，该电路配置为：

确定电网内电池的整合集群的公用运营成本；

修正所述电池整合集群中的每个电池的对偶变量；以及，

18.如权利要求17所述的整合分配系统，其中，所述一个或多个电池本地约束包括所述电池的能量极限、所述电池的功率极限，和所述电网的功率极限中的一个或多个。