CN111190355B - 基于云平台的空调和热水器联合控制方法及系统 - Google Patents

基于云平台的空调和热水器联合控制方法及系统 Download PDF

Info

Publication number
CN111190355B
CN111190355B CN202010035806.XA CN202010035806A CN111190355B CN 111190355 B CN111190355 B CN 111190355B CN 202010035806 A CN202010035806 A CN 202010035806A CN 111190355 B CN111190355 B CN 111190355B
Authority
CN
China
Prior art keywords
air conditioner
water heater
group
power
determining
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
Application number
CN202010035806.XA
Other languages
English (en)
Other versions
CN111190355A (zh
Inventor
武昕
尤兰
焦点
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.)
North China Electric Power University
Original Assignee
North China Electric Power 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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202010035806.XA priority Critical patent/CN111190355B/zh
Publication of CN111190355A publication Critical patent/CN111190355A/zh
Application granted granted Critical
Publication of CN111190355B publication Critical patent/CN111190355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2642—Domotique, domestic, home control, automation, smart house
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明涉及一种基于云平台的空调和热水器联合控制方法及系统，方法包括：获取云平台中每个空调的空调参数；根据空调参数将空调分为M组；采用参数概率分布的蒙特卡洛模型确定第一预估聚合功率；获取云平台中每个热水器的热水器参数；根据热水器参数将热水器分为L组；采用参数概率分布的蒙特卡洛模型确定第二预估聚合功率；根据预估聚合功率确定每组空调集合的消纳任务以及每组热水器集合的消纳任务；根据每组空调集合的消纳任务，采用滑模控制定律确定第一控制信号；根据每组热水器集合的消纳任务确定第二控制信号；根据第一控制信号和第二控制信号对空调和热水器进行控制，完成清洁能源消纳，提高清洁能源利用率，保证电网的稳定运行。

Description

基于云平台的空调和热水器联合控制方法及系统
技术领域
本发明涉及电力物联网和需求响应技术领域，特别是涉及一种基于云平台的空调和热水器联合控制方法及系统。
背景技术
随着中国清洁能源装机容量的不断增加以及清洁能源具有的随机性、波动性和间歇性等特点，需建立面向清洁能源消纳的储能系统，减少弃风弃光现象，提高清洁能源利用率。传统的解决办法是在电厂附近建设辅助设施或采用飞轮储能，但其成本较高且调度灵活性差。因此，本领域亟需一种成本低、调度灵活性强的清洁能源消纳系统。
发明内容
基于此，本发明的目的是提供一种基于云平台的空调和热水器联合控制方法及系统，以解决现有清洁能源消纳方法成本较高、调度灵活性差的问题。
为实现上述目的，本发明提供了如下方案：
一种基于云平台的空调和热水器联合控制方法，所述空调和热水器联合控制方法包括：
获取云平台中每个空调的空调参数；所述空调参数包括空调所在房间面积、空调用户预设温度值、空调热容、空调热阻和空调功率；
根据所述空调参数将所述空调分为M组，获得M组空调集合；
根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型确定每组空调集合的第一预估聚合功率；
获取云平台中每个热水器的热水器参数；所述热水器参数包括热水器所在水箱体积、水箱散热系数、热水器用户预设温度值和热水器功率；
根据所述热水器参数将所述热水器分为L组，获得L组热水器集合；
根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型确定每组热水器集合的第二预估聚合功率；
根据所述第一预估聚合功率和所述第二预估聚合功率确定所述每组空调集合的消纳任务以及所述每组热水器集合的消纳任务；
根据所述每组空调集合的消纳任务，采用滑模控制定律确定每组空调集合的第一控制信号；
根据所述每组热水器集合的消纳任务确定每组热水器集合的第二控制信号；
根据所述第一控制信号和所述第二控制信号对所述云平台中的所述空调和所述热水器进行控制。
优选的，所述根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型确定每组空调集合的第一预估聚合功率，具体包括：
根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型公式
Figure BDA0002365950400000021
j＝1,2,···,M确定每组空调集合的第一预估聚合功率；其中，
Figure BDA00023659504000000210
表示第j组空调集合的第一预估聚合功率，
Figure BDA0002365950400000022
表示第j组空调集合中第i台空调的空调功率，ηj是第j组空调集合的空调能效比，
Figure BDA0002365950400000023
表示第j组空调集合中总空调数量，
Figure BDA0002365950400000024
表示第j组空调集合中第i台空调的开关状态，M表示空调总的分组数。
优选的，所述根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型确定每组热水器集合的第二预估聚合功率，具体包括：
根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型公式
Figure BDA0002365950400000025
l＝1,2,…,L确定每组热水器集合的第二预估聚合功率；其中，
Figure BDA0002365950400000026
表示第l组热水器集合的第二预估聚合功率，
Figure BDA0002365950400000027
表示第l组热水器集合中总热水器数量，
Figure BDA0002365950400000028
表示第l组热水器集合中第k台热水器的热水器功率，L表示热水器总的分组数。
优选的，所述根据所述第一预估聚合功率和所述第二预估聚合功率确定所述每组空调集合的消纳任务以及所述每组热水器集合的消纳任务，具体包括：
根据所述第一预估聚合功率，采用公式
Figure BDA0002365950400000029
确定所述每组空调集合的消纳任务；其中，PT,ac(t)表示空调总的消纳任务，
Figure BDA0002365950400000031
表示第j组空调集合的消纳任务，
Figure BDA0002365950400000034
表示第j组空调集合的第一预估聚合功率，j＝1,2,···,M，M表示空调总的分组数；
根据所述第二预估聚合功率，采用公式
Figure BDA0002365950400000032
确定所述每组热水器集合的消纳任务；其中，PT,h(t)表示热水器总的消纳任务，
Figure BDA0002365950400000033
表示第l组热水器集合的消纳任务，
Figure BDA0002365950400000035
表示第l组热水器集合的第二预估聚合功率，l＝1,2,…,L，L表示热水器总的分组数。
一种基于云平台的空调和热水器联合控制系统，所述空调和热水器联合控制系统包括：
空调参数获取模块，用于获取云平台中每个空调的空调参数；所述空调参数包括空调所在房间面积、空调用户预设温度值、空调热容、空调热阻和空调功率；
M组空调集合获取模块，用于根据所述空调参数将所述空调分为M组，获得M组空调集合；
第一预估聚合功率确定模块，用于根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型确定每组空调集合的第一预估聚合功率；
热水器参数获取模块，用于获取云平台中每个热水器的热水器参数；所述热水器参数包括热水器所在水箱体积、水箱散热系数、热水器用户预设温度值和热水器功率；
L组热水器集合获取模块，用于根据所述热水器参数将所述热水器分为L组，获得L组热水器集合；
第二预估聚合功率确定模块，用于根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型确定每组热水器集合的第二预估聚合功率；
消纳任务确定模块，用于根据所述第一预估聚合功率和所述第二预估聚合功率确定所述每组空调集合的消纳任务以及所述每组热水器集合的消纳任务；
第一控制信号确定模块，用于根据所述每组空调集合的消纳任务，采用滑模控制定律确定每组空调集合的第一控制信号；
第二控制信号确定模块，用于根据所述每组热水器集合的消纳任务确定每组热水器集合的第二控制信号；
控制模块，用于根据所述第一控制信号和所述第二控制信号对所述云平台中的所述空调和所述热水器进行控制。
优选的，所述第一预估聚合功率确定模块，具体包括：
第一预估聚合功率确定单元，用于根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型公式
Figure BDA0002365950400000041
j＝1,2,···,M确定每组空调集合的第一预估聚合功率；其中，
Figure BDA00023659504000000411
表示第j组空调集合的第一预估聚合功率，
Figure BDA0002365950400000042
表示第j组空调集合中第i台空调的空调功率，ηj是第j组空调集合的空调能效比，
Figure BDA0002365950400000043
表示第j组空调集合中总空调数量，
Figure BDA0002365950400000044
表示第j组空调集合中第i台空调的开关状态，M表示空调总的分组数。
优选的，所述第二预估聚合功率确定模块，具体包括：
第二预估聚合功率确定单元，用于根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型公式
Figure BDA0002365950400000045
l＝1,2,…,L确定每组热水器集合的第二预估聚合功率；其中，
Figure BDA0002365950400000046
表示第l组热水器集合的第二预估聚合功率，
Figure BDA0002365950400000047
表示第l组热水器集合中总热水器数量，
Figure BDA0002365950400000048
表示第l组热水器集合中第k台热水器的热水器功率，L表示热水器总的分组数。
优选的，所述消纳任务确定模块，具体包括：
每组空调集合的消纳任务确定单元，用于根据所述第一预估聚合功率，采用公式
Figure BDA0002365950400000049
确定所述每组空调集合的消纳任务；其中，PT,ac(t)表示空调总的消纳任务，
Figure BDA00023659504000000410
表示第j组空调集合的消纳任务，
Figure BDA00023659504000000412
表示第j组空调集合的第一预估聚合功率，j＝1,2,···,M，M表示空调总的分组数；
每组热水器集合的消纳任务确定单元，用于根据所述第二预估聚合功率，采用公式
Figure BDA0002365950400000051
确定所述每组热水器集合的消纳任务；其中，PT,h(t)表示热水器总的消纳任务，
Figure BDA0002365950400000052
表示第l组热水器集合的消纳任务，
Figure BDA0002365950400000053
表示第l组热水器集合的第二预估聚合功率，l＝1,2,…,L，L表示热水器总的分组数。
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：
本发明提出一种基于云平台的空调和热水器联合控制方法及系统，包括：获取云平台中每个空调的空调参数；根据空调参数将空调分为M组；采用参数概率分布的蒙特卡洛模型确定第一预估聚合功率；获取云平台中每个热水器的热水器参数；根据热水器参数将热水器分为L组；采用参数概率分布的蒙特卡洛模型确定第二预估聚合功率；根据预估聚合功率确定每组空调集合的消纳任务以及每组热水器集合的消纳任务；根据每组空调集合的消纳任务，采用滑模控制定律确定第一控制信号；根据每组热水器集合的消纳任务确定第二控制信号；根据第一控制信号和第二控制信号对空调和热水器进行控制，完成清洁能源消纳，解决了现有清洁能源消纳方法成本高、调度灵活性差的问题，提高了清洁能源利用率，保证了电网的稳定运行。
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为本发明实施例一种基于云平台的空调和热水器联合控制方法的流程图；
图2为本发明实施例电网-云平台-负荷多层信息交互架构示意图；
图3(a)为本发明实施例空调集合消纳分配任务示意图；
图3(b)为本发明实施例热水器集合消纳分配任务示意图；
图4为本发明实施例空调和热水器联合控制消纳清洁能源示意图；
图5为本发明实施例一种基于云平台的空调和热水器联合控制系统的结构示意图。
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。
本发明的目的是提供一种基于云平台的空调和热水器联合控制方法及系统，以解决现有清洁能源消纳方法成本较高、调度灵活性差的问题。
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。
图1为本发明实施例一种基于云平台的空调和热水器联合控制方法的流程图，如图1所示，本发明所述空调和热水器联合控制方法包括：
S1：获取云平台中每个空调的空调参数；所述空调参数包括空调所在房间面积、空调用户预设温度值、空调热容、空调热阻和空调功率。
具体的，首先建立电网-云平台-负荷多层信息交互架构，如图2所示，其中带有云平台的聚合商作为中间层，沟通电网和用户，根据电网需求对负荷施加控制指令，为管控需求侧分散的负荷资源提供了切实可行的物理实现基础，所述负荷是指空调和热水器。
S2：根据所述空调参数将所述空调分为M组，获得M组空调集合。
S3：根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型确定每组空调集合的第一预估聚合功率。
S3具体包括：
根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型公式
Figure BDA0002365950400000061
j＝1,2,···,M确定每组空调集合的第一预估聚合功率，也称为同质空调组的预估功率；其中，
Figure BDA0002365950400000065
表示第j组空调集合的第一预估聚合功率，
Figure BDA0002365950400000062
表示第j组空调集合中第i台空调的空调功率，ηj是第j组空调集合的空调能效比，
Figure BDA0002365950400000063
表示第j组空调集合中总空调数量，
Figure BDA0002365950400000064
表示第j组空调集合中第i台空调的开关状态，M表示空调总的分组数。其中
Figure BDA0002365950400000071
表示空调为关闭状态，
Figure BDA0002365950400000072
表示空调为开启状态。
S4：获取云平台中每个热水器的热水器参数；所述热水器参数包括热水器所在水箱体积、水箱散热系数、热水器用户预设温度值和热水器功率。
S5：根据所述热水器参数将所述热水器分为L组，获得L组热水器集合。
S2和S5中根据负荷群的参数对异质热控负荷进行分组，更加精确地建立聚合系统模型，便于控制指令的传输。
S6：根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型确定每组热水器集合的第二预估聚合功率。
S6具体包括：
根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型公式
Figure BDA0002365950400000073
l＝1,2,…,L确定每组热水器集合的第二预估聚合功率，也称为同质热水器组的预估功率；其中，
Figure BDA0002365950400000074
表示第l组热水器集合的第二预估聚合功率，
Figure BDA0002365950400000075
表示第l组热水器集合中总热水器数量，
Figure BDA0002365950400000076
表示第l组热水器集合中第k台热水器的热水器功率，L表示热水器总的分组数。
S7：根据所述第一预估聚合功率和所述第二预估聚合功率确定所述每组空调集合的消纳任务以及所述每组热水器集合的消纳任务。
具体的，根据所述第一预估聚合功率和所述第二预估聚合功率，以热水器调节为主，空调调节为辅的原则，为空调群和热水器群分配总任务，再为每个同质组分配消纳任务。S7具体包括：
根据所述第一预估聚合功率，采用公式
Figure BDA0002365950400000077
确定所述每组空调集合的消纳任务；其中，PT,ac(t)表示空调总的消纳任务，
Figure BDA0002365950400000078
表示第j组空调集合的消纳任务，
Figure BDA00023659504000000710
表示第j组空调集合的第一预估聚合功率，j＝1,2,···,M，M表示空调总的分组数，
Figure BDA0002365950400000079
σ1表示空调消纳系数。
具体的，图3(a)为一组空调集合根据分配算法得到的消纳任务和可调节容量，在综合考虑任务完成度和负荷可调节容量基础上，每组分配得到的任务量接近于负荷可调节容量，保证调节过程对用户的影响最小。
根据所述第二预估聚合功率，采用公式
Figure BDA0002365950400000081
确定所述每组热水器集合的消纳任务；其中，PT,h(t)表示热水器总的消纳任务，
Figure BDA0002365950400000082
表示第l组热水器集合的消纳任务，
Figure BDA0002365950400000089
表示第l组热水器集合的第二预估聚合功率，l＝1,2,…,L，L表示热水器总的分组数，
Figure BDA0002365950400000083
σ2表示热水器消纳系数。
具体的，图3(b)为一组热水器集合根据分配算法得到的消纳任务和可调节容量。
S8：根据所述每组空调集合的消纳任务，采用滑模控制定律确定每组空调集合的第一控制信号。
具体的，建立空调的状态空间模型如下：
Figure BDA0002365950400000084
其中，xac(t)表示聚合空调状态向量，
Figure BDA0002365950400000085
是空调模型与空调用户预设温度值Tset(t)有关的输入变量，
Figure BDA0002365950400000086
是空调组聚合功率，A，B，C分别为与空调负载平均传递速率有关的状态空间模型系数。
根据滑模控制定律，得到第j组空调的控制信号：
Figure BDA0002365950400000087
其中：
Figure BDA0002365950400000088
Figure BDA0002365950400000091
Figure BDA0002365950400000092
其中，uac(t)表示滑模控制得到的第一控制信号，κ(t)表示设计的滑模控制中的时变控制增益函数，满足
Figure BDA0002365950400000093
其中，
Figure BDA0002365950400000094
表示第j组空调集合的消纳任务。
Pj是第j组空调的单台空调功率，在进行分组时，同组中空调的功率是相同或者相近的，因此，选取一组中的随机一台空调功率就能代表同组其它空调的功率，此时Pj还可以选取第j组中空调功率的平均值。
ηj是第j组空调的单台空调能效比，在进行分组时，同组中空调的能效比是相同或者相近的，因此，选取一组中的随机一台空调能效比就能代表同组其它空调的能效比，此时ηj还可以选取第j组中空调能效比的平均值。
Figure BDA0002365950400000095
是第j组空调处于关闭状态且在环境温度为
Figure BDA0002365950400000096
用户可容忍的温度上限为maxθj时的平均负荷状态转移率，
Figure BDA0002365950400000097
是第j组空调在t时刻，且温度设定点为用户可容忍温度上限maxθj时处于开启状态的空调的数量。
Figure BDA0002365950400000098
表示t时刻，j组空调集合分布在空调用户预设温度值下限minθ且处于on状态的空调数量；
Figure BDA0002365950400000099
表示t时刻，j组空调集合分布在空调用户预设温度值上限maxθ且处于off状态的空调数量，ε是系统允许误差，sgn(e)是以e为自变量的符号函数，是空调跟踪误差函数，也即滑模函数：
Figure BDA00023659504000000910
S9：根据所述每组热水器集合的消纳任务确定每组热水器集合的第二控制信号。
建立热水器的混合逻辑动态模型如下：
xh(t+1)＝A1xh(t)+B1(t)+B2(t)uh(t)
yh(t+1)＝Pkuh(t)
其中，A1，B1(t)，B2(t)是与第l组热水器热容、热阻、单台负荷功率和环境温度有关的模型系数。
若本组热水器一共有Q台，那么xh(t+1)是t+1时刻热水器混合逻辑动态模型中Q×1维的温度向量；yh(t+1)是本组热水器第二预估聚合功率，Pk是热水器1×Q维的功率矩阵，uh(t)是Q×1维的开关控制向量。
A1＝e-τ/RC，B1(t)＝Ta(t)(1-e-τ/RC)，B2(t)＝PR(1-e-τ/RC)，其中τ是采样间隔，P是本组热水器的功率，R是本组热水器的热阻，C是本组热水器的热容，Ta(t)是环境温度。
建立模型预测控制函数如下：
Figure BDA0002365950400000101
其中，Q1和Q2均为模型预测控制的滚动系数，xh(t)是蒙特卡洛法得到的一个同质组的聚合系统温度输出，xf为用户期望温度。运用模型预测控制求得第二控制信号uh(t)。
xh(t)是上式混合逻辑动态模型中得到的t时刻的温度向量，xf是用户期望水温向量，如果本组Q台热水器，那么xf是Q×1维的温度向量。yh(t)是混合逻辑动态模型得到的t时刻本组的聚合功率值，
Figure BDA0002365950400000102
是第l组在t时刻的任务。Q1和Q2是两个指标的权重，综合考虑温度改变对用户舒适度的影响和清洁能源的消纳任务完成度，可以均等于0.5为例，说明算法可行性。
S10：根据所述第一控制信号和所述第二控制信号对所述云平台中的所述空调和所述热水器进行控制。
具体的，在每组消纳任务下，建立热控负荷面向控制的聚合模型，并运用控制算法控制聚合系统的功率输出，消纳清洁能源。
在云平台控制下，云平台根据uac(t)和uh(t)的控制信号，同时向空调和热水器发送控制指令，联合控制输出，追踪清洁能源出力。在云平台下的空调和热水器接收控制指令，联合完成消纳任务。
如图4所示，为空调和热水器总消纳和总任务量图，其中，a是清洁能源总产量，b是控制后的空调和热水器总输出，c是热水器控制后输出曲线，d是空调控制后总输出曲线。在云平台下，同时向空调和热水器发送控制指令，联合控制输出，追踪清洁能源出力。
图5为本发明实施例一种基于云平台的空调和热水器联合控制系统的结构示意图，如图5所示，本发明还提供一种基于云平台的空调和热水器联合控制系统，所述空调和热水器联合控制系统包括：
空调参数获取模块501，用于获取云平台中每个空调的空调参数；所述空调参数包括空调所在房间面积、空调用户预设温度值、空调热容、空调热阻和空调功率；
M组空调集合获取模块502，用于根据所述空调参数将所述空调分为M组，获得M组空调集合；
第一预估聚合功率确定模块503，用于根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型确定每组空调集合的第一预估聚合功率；
热水器参数获取模块504，用于获取云平台中每个热水器的热水器参数；所述热水器参数包括热水器所在水箱体积、水箱散热系数、热水器用户预设温度值和热水器功率；
L组热水器集合获取模块505，用于根据所述热水器参数将所述热水器分为L组，获得L组热水器集合；
第二预估聚合功率确定模块506，用于根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型确定每组热水器集合的第二预估聚合功率；
消纳任务确定模块507，用于根据所述第一预估聚合功率和所述第二预估聚合功率确定所述每组空调集合的消纳任务以及所述每组热水器集合的消纳任务；
第一控制信号确定模块508，用于根据所述每组空调集合的消纳任务，采用滑模控制定律确定每组空调集合的第一控制信号；
第二控制信号确定模块509，用于根据所述每组热水器集合的消纳任务确定每组热水器集合的第二控制信号；
控制模块510，用于根据所述第一控制信号和所述第二控制信号对所述云平台中的所述空调和所述热水器进行控制。
优选的，所述第一预估聚合功率确定模块503，具体包括：
第一预估聚合功率确定单元，用于根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型公式
Figure BDA0002365950400000121
j＝1,2,···,M确定每组空调集合的第一预估聚合功率；其中，
Figure BDA00023659504000001214
表示第j组空调集合的第一预估聚合功率，
Figure BDA0002365950400000122
表示第j组空调集合中第i台空调的空调功率，ηj是第j组空调集合的空调能效比，
Figure BDA0002365950400000123
表示第j组空调集合中总空调数量，
Figure BDA0002365950400000124
表示第j组空调集合中第i台空调的开关状态，M表示空调总的分组数。
优选的，所述第二预估聚合功率确定模块506，具体包括：
第二预估聚合功率确定单元，用于根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型公式
Figure BDA0002365950400000125
l＝1,2,…,L确定每组热水器集合的第二预估聚合功率；其中，
Figure BDA0002365950400000126
表示第l组热水器集合的第二预估聚合功率，
Figure BDA0002365950400000127
表示第l组热水器集合中总热水器数量，
Figure BDA0002365950400000128
表示第l组热水器集合中第k台热水器的热水器功率，L表示热水器总的分组数。
优选的，所述消纳任务确定模块507，具体包括：
每组空调集合的消纳任务确定单元，用于根据所述第一预估聚合功率，采用公式
Figure BDA0002365950400000129
确定所述每组空调集合的消纳任务；其中，PT,ac(t)表示空调总的消纳任务，
Figure BDA00023659504000001210
表示第j组空调集合的消纳任务，
Figure BDA00023659504000001215
表示第j组空调集合的第一预估聚合功率，j＝1,2,···,M，M表示空调总的分组数；
每组热水器集合的消纳任务确定单元，用于根据所述第二预估聚合功率，采用公式
Figure BDA00023659504000001211
确定所述每组热水器集合的消纳任务；其中，PT,h(t)表示热水器总的消纳任务，
Figure BDA00023659504000001212
表示第l组热水器集合的消纳任务，
Figure BDA00023659504000001213
表示第l组热水器集合的第二预估聚合功率，l＝1,2,…,L，L表示热水器总的分组数。
需求响应(Demand Response)技术的提出为消纳清洁能源提供了新的思路。需求侧热控负荷如空调和热水器数量大，且能将电能转换成热能进行短时间的存储，可以等效为一个储能系统，通过合理的调节，能参与系统的需求响应，达到平抑清洁能源波动甚至追踪清洁能源出力的目的。
电力物联网的发展为需求侧热控负荷参与系统调度提供了系统级支持，建立基于云平台的多层信息交互架构，将带有云平台的家电厂商作为聚合商，沟通电网-云平台-用户三方利益，成为智能电网发展的必然趋势。云平台具有存储量大，运算速率快，成本低等特点，可作为电网和用户的中间沟通者，评估用户侧负荷可调节容量并反馈给电网，同时获取电网待消纳清洁能源量，通过云上计算向用户发送控制指令。因此建立基于云平台的需求侧热控负荷联合控制模型，将物理上分散的资源进行虚拟聚合，最大化的调度需求侧资源，能有效解决清洁能源大规模入网对电网的影响，提高清洁能源利用率，保证电网的经济稳定运行。
因此，本发明提出一种基于云平台的空调和热水器联合控制方法及系统，将云平台下空调和热水器按照参数分组，建立同质聚合组；根据参数的概率分布，利用蒙特卡洛评估空调和热水器的可调节容量即聚合功率；然后以热水器调节为主，空调调节为辅的原则，先为空调和热水器分配总任务，再为每一同质组分配消纳任务；最后根据每组消纳任务对空调和热水器进行联合控制，完成清洁能源消纳，解决了现有技术成本高、调度灵活性差的问题，提高了清洁能源利用率，保证电网的稳定运行。
本发明在消纳清洁能源背景下的多层信息交互架构中将云平台下的空调和热水器按照参数分组，建立同质聚合组；然后根据参数的概率分布，利用蒙特卡洛评估空调和热水器的可调节容量；再根据热水器响应速度快、可提前加热的特点，以热水器调节为主，空调调节为辅的原则，先为空调和热水器分配总任务，再为每一同质组分配消纳任务；最后在云平台的支持架构下，空调和热水器联合响应系统调度，完成清洁能源消纳。
本发明的有益效果是：本发明简单可行，能在电网-云平台-负荷的支持架构下，建立负荷聚合模型，并运用合适的控制算法，控制热控负荷联合参与系统调度，有益于最大化的调动需求侧热控负荷资源，利用负荷特性相互配合，提高清洁能源利用率，保证电力系统的经济稳定运行。
本发明在评估蒙特卡洛评估功率基础上，为空调和热水器负荷分配了总任务，结合热水器响应速度快，具有提前加热的特点，引入了系数σ1和σ2，并为每个组分配了消纳任务，在评估的前提下分配任务，能在保证用户舒适度的同时完成电网清洁能源任务量，平衡多方利益。
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 (6)

1.一种基于云平台的空调和热水器联合控制方法，其特征在于，所述空调和热水器联合控制方法包括：
获取云平台中每个空调的空调参数；所述空调参数包括空调所在房间面积、空调用户预设温度值、空调热容、空调热阻和空调功率；
根据所述空调参数将所述空调分为M组，获得M组空调集合；
根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型确定每组空调集合的第一预估聚合功率；
获取云平台中每个热水器的热水器参数；所述热水器参数包括热水器所在水箱体积、水箱散热系数、热水器用户预设温度值和热水器功率；
根据所述热水器参数将所述热水器分为L组，获得L组热水器集合；
根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型确定每组热水器集合的第二预估聚合功率；
根据所述第一预估聚合功率和所述第二预估聚合功率确定所述每组空调集合的消纳任务以及所述每组热水器集合的消纳任务；所述根据所述第一预估聚合功率和所述第二预估聚合功率确定所述每组空调集合的消纳任务以及所述每组热水器集合的消纳任务，具体包括：
根据所述第一预估聚合功率，采用公式
Figure FDA0003179856240000011
确定所述每组空调集合的消纳任务；其中，PT,ac(t)表示空调总的消纳任务，
Figure FDA0003179856240000012
表示第j组空调集合的消纳任务，PA j(t)表示第j组空调集合的第一预估聚合功率，j＝1,2,···,M，M表示空调总的分组数；
Figure FDA0003179856240000013
σ1表示空调消纳系数；
根据所述第二预估聚合功率，采用公式
Figure FDA0003179856240000014
确定所述每组热水器集合的消纳任务；其中，PT,h(t)表示热水器总的消纳任务，
Figure FDA0003179856240000015
表示第l组热水器集合的消纳任务，Pa l(t)表示第l组热水器集合的第二预估聚合功率，l＝1,2,…,L，L表示热水器总的分组数；
Figure FDA0003179856240000016
σ2表示热水器消纳系数；
根据所述每组空调集合的消纳任务，采用滑模控制定律确定每组空调集合的第一控制信号；
根据所述每组热水器集合的消纳任务确定每组热水器集合的第二控制信号；
根据所述第一控制信号和所述第二控制信号对所述云平台中的所述空调和所述热水器进行控制；
具体的，首先建立电网-云平台-负荷多层信息交互架构，其中带有云平台的聚合商作为中间层，沟通电网和用户，根据电网需求对负荷施加控制指令，为管控需求侧分散的负荷资源提供了切实可行的物理实现基础，所述负荷是指空调和热水器；在消纳清洁能源背景下的多层信息交互架构中将云平台下的空调和热水器按照参数分组，建立同质聚合组；然后根据参数的概率分布，利用蒙特卡洛评估空调和热水器的可调节容量；再根据热水器响应速度快、可提前加热的特点，引入了系数σ1和σ2，以热水器调节为主，空调调节为辅的原则，先为空调和热水器分配总任务，再为每一同质组分配消纳任务；最后在云平台的支持架构下，空调和热水器联合响应系统调度，完成清洁能源消纳。
2.根据权利要求1所述的基于云平台的空调和热水器联合控制方法，其特征在于，所述根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型确定每组空调集合的第一预估聚合功率，具体包括：
根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型公式
Figure FDA0003179856240000021
确定每组空调集合的第一预估聚合功率；其中，PA j(t)表示第j组空调集合的第一预估聚合功率，Pi j表示第j组空调集合中第i台空调的空调功率，ηj是第j组空调集合的空调能效比，
Figure FDA0003179856240000022
表示第j组空调集合中总空调数量，
Figure FDA0003179856240000023
表示第j组空调集合中第i台空调的开关状态，M表示空调总的分组数。
3.根据权利要求1所述的基于云平台的空调和热水器联合控制方法，其特征在于，所述根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型确定每组热水器集合的第二预估聚合功率，具体包括：
根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型公式
Figure FDA0003179856240000031
L确定每组热水器集合的第二预估聚合功率；其中，
Figure FDA0003179856240000032
表示第l组热水器集合的第二预估聚合功率，
Figure FDA0003179856240000033
表示第l组热水器集合中总热水器数量，
Figure FDA0003179856240000034
表示第l组热水器集合中第k台热水器的热水器功率，L表示热水器总的分组数。
4.一种基于云平台的空调和热水器联合控制系统，其特征在于，所述空调和热水器联合控制系统包括：
空调参数获取模块，用于获取云平台中每个空调的空调参数；所述空调参数包括空调所在房间面积、空调用户预设温度值、空调热容、空调热阻和空调功率；
M组空调集合获取模块，用于根据所述空调参数将所述空调分为M组，获得M组空调集合；
第一预估聚合功率确定模块，用于根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型确定每组空调集合的第一预估聚合功率；
热水器参数获取模块，用于获取云平台中每个热水器的热水器参数；所述热水器参数包括热水器所在水箱体积、水箱散热系数、热水器用户预设温度值和热水器功率；
L组热水器集合获取模块，用于根据所述热水器参数将所述热水器分为L组，获得L组热水器集合；
第二预估聚合功率确定模块，用于根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型确定每组热水器集合的第二预估聚合功率；
消纳任务确定模块，用于根据所述第一预估聚合功率和所述第二预估聚合功率确定所述每组空调集合的消纳任务以及所述每组热水器集合的消纳任务；所述消纳任务确定模块，具体包括：
每组空调集合的消纳任务确定单元，用于根据所述第一预估聚合功率，采用公式
Figure FDA0003179856240000035
确定所述每组空调集合的消纳任务；其中，PT,ac(t)表示空调总的消纳任务，
Figure FDA0003179856240000036
表示第j组空调集合的消纳任务，PA j(t)表示第j组空调集合的第一预估聚合功率，j＝1,2,···,M，M表示空调总的分组数；
Figure FDA0003179856240000041
σ1表示空调消纳系数；
每组热水器集合的消纳任务确定单元，用于根据所述第二预估聚合功率，采用公式
Figure FDA0003179856240000042
确定所述每组热水器集合的消纳任务；其中，PT,h(t)表示热水器总的消纳任务，
Figure FDA0003179856240000043
表示第l组热水器集合的消纳任务，Pa l(t)表示第l组热水器集合的第二预估聚合功率，l＝1,2,…,L，L表示热水器总的分组数；
Figure FDA0003179856240000044
σ2表示热水器消纳系数；
第一控制信号确定模块，用于根据所述每组空调集合的消纳任务，采用滑模控制定律确定每组空调集合的第一控制信号；
第二控制信号确定模块，用于根据所述每组热水器集合的消纳任务确定每组热水器集合的第二控制信号；
控制模块，用于根据所述第一控制信号和所述第二控制信号对所述云平台中的所述空调和所述热水器进行控制；
具体的，首先建立电网-云平台-负荷多层信息交互架构，其中带有云平台的聚合商作为中间层，沟通电网和用户，根据电网需求对负荷施加控制指令，为管控需求侧分散的负荷资源提供了切实可行的物理实现基础，所述负荷是指空调和热水器；在消纳清洁能源背景下的多层信息交互架构中将云平台下的空调和热水器按照参数分组，建立同质聚合组；然后根据参数的概率分布，利用蒙特卡洛评估空调和热水器的可调节容量；再根据热水器响应速度快、可提前加热的特点，引入了系数σ1和σ2，以热水器调节为主，空调调节为辅的原则，先为空调和热水器分配总任务，再为每一同质组分配消纳任务；最后在云平台的支持架构下，空调和热水器联合响应系统调度，完成清洁能源消纳。
5.根据权利要求4所述的基于云平台的空调和热水器联合控制方系统，其特征在于，所述第一预估聚合功率确定模块，具体包括：
第一预估聚合功率确定单元，用于根据所述M组空调集合，采用参数概率分布的蒙特卡洛模型公式
Figure FDA0003179856240000045
确定每组空调集合的第一预估聚合功率；其中，PA j(t)表示第j组空调集合的第一预估聚合功率，Pi j表示第j组空调集合中第i台空调的空调功率，ηj是第j组空调集合的空调能效比，
Figure FDA0003179856240000051
表示第j组空调集合中总空调数量，
Figure FDA0003179856240000052
表示第j组空调集合中第i台空调的开关状态，M表示空调总的分组数。
6.根据权利要求4所述的基于云平台的空调和热水器联合控制方系统，其特征在于，所述第二预估聚合功率确定模块，具体包括：
第二预估聚合功率确定单元，用于根据所述L组热水器集合，采用参数概率分布的蒙特卡洛模型公式
Figure FDA0003179856240000053
L确定每组热水器集合的第二预估聚合功率；其中，
Figure FDA0003179856240000054
表示第l组热水器集合的第二预估聚合功率，
Figure FDA0003179856240000055
表示第l组热水器集合中总热水器数量，
Figure FDA0003179856240000056
表示第l组热水器集合中第k台热水器的热水器功率，L表示热水器总的分组数。
CN202010035806.XA 2020-01-14 2020-01-14 基于云平台的空调和热水器联合控制方法及系统 Active CN111190355B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010035806.XA CN111190355B (zh) 2020-01-14 2020-01-14 基于云平台的空调和热水器联合控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010035806.XA CN111190355B (zh) 2020-01-14 2020-01-14 基于云平台的空调和热水器联合控制方法及系统

Publications (2)

Publication Number Publication Date
CN111190355A CN111190355A (zh) 2020-05-22
CN111190355B true CN111190355B (zh) 2021-09-17

Family

ID=70708064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010035806.XA Active CN111190355B (zh) 2020-01-14 2020-01-14 基于云平台的空调和热水器联合控制方法及系统

Country Status (1)

Country Link
CN (1) CN111190355B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104134995A (zh) * 2014-07-08 2014-11-05 东南大学 基于储能建模的空调负荷参与系统二次调频方法
CN107844910A (zh) * 2017-11-20 2018-03-27 华北电力大学（保定） 基于风核协调的多电源联合优化调度运行方法
CN107919686A (zh) * 2017-10-30 2018-04-17 华北电力大学 一种广域源‑荷日前有功优化控制方法
CN108279566A (zh) * 2017-12-20 2018-07-13 上海电力学院 一种负荷聚合商的多家庭用电能量需求响应调控方法
CN109243547A (zh) * 2018-07-09 2019-01-18 河海大学 一种空调负荷群需求响应潜力定量评估方法
CN109284576A (zh) * 2018-10-29 2019-01-29 东北电力大学 一种基于实测数据的分散式电采暖负荷调度方法及其建模系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104134995A (zh) * 2014-07-08 2014-11-05 东南大学 基于储能建模的空调负荷参与系统二次调频方法
CN107919686A (zh) * 2017-10-30 2018-04-17 华北电力大学 一种广域源‑荷日前有功优化控制方法
CN107844910A (zh) * 2017-11-20 2018-03-27 华北电力大学（保定） 基于风核协调的多电源联合优化调度运行方法
CN108279566A (zh) * 2017-12-20 2018-07-13 上海电力学院 一种负荷聚合商的多家庭用电能量需求响应调控方法
CN109243547A (zh) * 2018-07-09 2019-01-18 河海大学 一种空调负荷群需求响应潜力定量评估方法
CN109284576A (zh) * 2018-10-29 2019-01-29 东北电力大学 一种基于实测数据的分散式电采暖负荷调度方法及其建模系统

Also Published As

Publication number Publication date
CN111190355A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
Hui et al. Operating reserve evaluation of aggregated air conditioners
Hu et al. Load following of multiple heterogeneous TCL aggregators by centralized control
CN109799851B (zh) 一种基于负荷簇温度调控的用户侧负荷响应方法
CN109657993B (zh) 一种基于非合作博弈的能源局域网储能系统自动需求响应方法
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
Lee et al. Residential electricity load scheduling for multi-class appliances with time-of-use pricing
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
CN102593873B (zh) 一种微网联络线功率波动平滑控制方法
CN113991655B (zh) 定频空调负荷聚合需求响应潜力评估方法、装置及介质
CN113809755B (zh) 一种基于需求响应的智慧楼宇节能优化控制方法
CN112419087A (zh) 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法
CN109672176A (zh) 一种温控负荷控制目标确定方法和系统
CN105737342B (zh) 一种办公楼宇内节能控制的方法
CN114862252A (zh) 可调负荷多层聚合调度潜力分析方法、系统、设备及介质
CN106953340A (zh) 一种基于多类温控负荷加权状态队列控制的配网联络线功率波动平抑方法
CN103293961A (zh) 一种基于需求响应控制的能效电厂建模和集成方法
CN111190355B (zh) 基于云平台的空调和热水器联合控制方法及系统
CN115102953A (zh) 配电网云边端协同管控系统及方法
CN111585272B (zh) 一种基于社区集群和集中式储能的家庭需求侧响应方法
CN117526311A (zh) 基于遗传算法的电动汽车集群管控方法
CN115051374A (zh) 电采暖设备参与电力调峰的控制方法、装置和存储介质
CN113869775A (zh) 一种多类型用户综合需求响应的园区运行策略生成方法
CN110188993B (zh) 一种多用户公寓楼宇的可持续多能源调度配给方法及系统
CN112310969A (zh) 一种区域用户供电方法
CN111242412A (zh) 一种基于需求响应的热控负荷集群协同管控方法

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