CN111242412A - 一种基于需求响应的热控负荷集群协同管控方法 - Google Patents

一种基于需求响应的热控负荷集群协同管控方法 Download PDF

Info

Publication number
CN111242412A
CN111242412A CN201911375078.0A CN201911375078A CN111242412A CN 111242412 A CN111242412 A CN 111242412A CN 201911375078 A CN201911375078 A CN 201911375078A CN 111242412 A CN111242412 A CN 111242412A
Authority
CN
China
Prior art keywords
load
control
thermal control
clean energy
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.)
Granted
Application number
CN201911375078.0A
Other languages
English (en)
Other versions
CN111242412B (zh
Inventor
周雪枫
张尧
赵国伟
冯利伟
郭建栋
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
Datong Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Original Assignee
North China Electric Power University
Datong Power Supply Co of State Grid Shanxi Electric Power Co Ltd
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, Datong Power Supply Co of State Grid Shanxi Electric Power Co Ltd filed Critical North China Electric Power University
Priority to CN201911375078.0A priority Critical patent/CN111242412B/zh
Publication of CN111242412A publication Critical patent/CN111242412A/zh
Application granted granted Critical
Publication of CN111242412B publication Critical patent/CN111242412B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/101—Collaborative creation, e.g. joint development of products or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Abstract

本发明提出一种基于需求响应的热控负荷集群协同管控方法。首先从恒温器侧建立热控负荷单台负荷模型；再根据聚合系统的马尔科夫性，建立面向控制的聚合系统总电力需求变化量模型；然后根据福克普朗克方程得出的聚合功率的量化值，对热控负荷可调度能力进行评估，根据可调度能力为负荷制定清洁能源联合消纳的分配策略；最后各类聚合负荷在各自消纳任务的基础上响应电网侧的控制信号，计算基于最小方差控制法的控制律，完成清洁能源的追踪消纳。本发明能在清洁能源出力波动性大的情况下，建立热控负荷的聚合模型并施加控制信号，有效地消纳清洁能源，提高能源利用率，是非居民侧用户智能用电的有效实现方法。

Description

一种基于需求响应的热控负荷集群协同管控方法
技术领域
本发明属于非居民用户智能用电及需求响应领域，具体涉及一种基于需求响应的热控负荷集群协同管控方法。
背景技术
在电力工业微观环境和社会大环境不断发展的背景下，电力系统建设和运行的制约条件增多、可供发电的一次能源供应紧张，电力系统的供需平衡受到了严重影响。非居民用户需求侧管理(DSM,Demand Side Management)技术可以通过有效措施，引导用户优化用电方式，提高终端用电效率，优化资源配置，最小化用电成本。负荷管理是需求侧管理的关键技术，从电力需求侧管理角度，将用电负荷看作可以动态调度管理的资源。在保证电网供需动态平衡的基础上，需求方资源的科学配置和调度，用户响应电网需求，是现代电网实现智能化、互动化的关键。
非居民侧热控负荷资源丰富，可调度潜力巨大，但是现有需求响应研究多集中于居民侧，非居民侧热控负荷物理分散，需要可行的聚合方法将其聚合为一个可控整体，现有技术采用的热控负荷调度多为单一负荷调度，导致管控不够精确。
发明内容
本发明提供基于需求响应的热控负荷集群协同管控方法，基于负荷的状态转移概率建立聚合模型并设计控制率，实现了控制热控负荷跟踪清洁能源出力。
具体而言本发明提供了
一种基于需求响应的热控负荷集群协同管控方法，其特征在于，所述协同管控方法包括以下步骤：
步骤S1：从热控负荷恒温器侧建立热控负荷单台负荷模型；
步骤S2：根据聚合系统的马尔科夫性，建立热控负荷基于聚合系统总电力需求模型和面向控制的聚合系统总电力需求变化量模型；
步骤S3：对热控负荷的聚合功率进行每十分钟一次的量化预处理，以此评估负荷集群中各类负荷的可调度能力；
步骤S4：根据可调度能力和负荷特性，制定清洁能源消纳任务分配策略；
步骤S5：根据分配所得消纳任务，运用最小方差法求得控制律，追踪清洁能源出力。
更进一步地，在步骤S1中，所述热控负荷单台负荷模型为：
CdT(t)＝-a(T(t)-Ta(t))dt+Pm(t)dt+dv(t)
Figure BDA0002340730410000021
其中：C表示环境热容，T(t)为热控负荷内部温度，a表示由于环境温度带来的平均热损失率，Ta(t)为环境温度，P表示热控负荷的制冷或制热率，m(t)为负荷恒温器开关控制变量，0表示关闭，1表示开启；v(t)表示噪声过程，Δt表示任意小的时间增量，热控负荷恒温器设定区间为[T-(t),T+(t)]。
更进一步地，步骤S2中，所述面向控制的聚合系统总电力需求变化量模型为：
Figure BDA0002340730410000022
其中，Δy是总电力需求变化量，Δu(t)是系统温度设定点变化量，Pi是第i台热控负荷的功率，δ是热控负荷的温度死区，N是聚合系统中热控负荷的数量。
更进一步地，步骤S2中，所述聚合系统总电力需求模型为：
Figure BDA0002340730410000031
Figure BDA0002340730410000032
式中：y(t)表示总热控负荷聚合功率，即聚合系统总电力需求，yi(t)是第i台负荷的聚合功率；σ2是噪声过程v(t)的方差；f1(.)和f0(.)分别表示热控负荷开启和关闭状态下的概率密度；t′是代表时间的积分变量；T+热控负荷温度设定点上限，T-热控负荷温度设定点下限；
Figure BDA0002340730410000033
表示对概率密度函数的温度进行偏微分计算；mi(t)是第i台负荷的状态变量，1是开0是关；
Figure BDA0002340730410000034
表示
Figure BDA0002340730410000035
的初始值，
Figure BDA0002340730410000036
是mi(t)的均值。
更进一步地，步骤S2中，所述系统总电力需求变化模型改写为ARx形式，表示为：
A(z)y(k)＝B(z)u(k)+C(z)v(k)
其中，z是移位算子，k是差分算子，A(z)＝1-z-1，
Figure BDA0002340730410000037
Figure BDA0002340730410000038
C(z)＝1，u(k)是温度设定点变化量，即控制信号。
更进一步地，步骤S4中，所述分配策略为：
在十分钟时段内，聚合系统的电力总需求的量化功率小于此时段清洁能源出力，则将加热负荷温度设定点调至用户可接受范围内最高，制冷负荷调至可接受范围内最低，并将剩余清洁能源产量分给其他非热控负荷；
若制冷和加热负荷的总功率大于清洁能源出力，并且清洁能源输出小于某单一负荷类总功率，则将热控负荷分类为大功率快速调节负荷如热水器和较大功率非快速调节负荷如空调，将清洁能源消纳任务按照8:2进行分配，80％给热水器快速响应需求侧指令，且尽可能多地调动了空调资源；
若负荷功率和清洁能源出力不是前述两种，则根据量化功率占比将清洁能源输出进行分配，各自完成清洁能源消纳任务。
更进一步地，步骤S5中，所述控制律表达式为：
u(k)＝[C(z)yr(k+d)-G(z)y(k)]/F(z)
其中，u(k)是温度设定点变化量，即控制律；yr(k)是消纳任务，y(k)是热控负荷聚合功率；d是延迟算子，C(z)、G(z)和F(z)是丢番图方程的解。
本发明的有益效果是：
本发明采用福柯普朗克的方法，基于负荷的状态转移概率建立聚合模型并设计控制率，能很好地为非居民侧热控负荷建模。
本发明为了克服现有技术中热控负荷调度多为单一负荷调度，以非居民侧多种热控负荷为对象，并以空调和热水器为例制定联合控制策略。
本发明根据当前热控负荷的规模和运行情况，结合不同用户的负荷特性，不同时间的聚合目标，对非居民侧地理上分散的热控负荷进行聚合和协同管控，可以使用户最大限度地参与需求响应调度，提高能源利用率，保证电网的经济稳定运行。
本发明提供的基于需求响应的热控负荷集群协同管控方法，为热控负荷分别建立了面向控制和面向可调度能力评估的聚合模型，制定了协同管控策略，采用最小方差法控制热控负荷跟踪清洁能源出力。本发明有益于最大化地调动非居民侧热控负荷资源，利用热控负荷特性，相互配合，提高清洁能源利用率，保证电力系统稳定性。
附图说明
图1是本发明实施例提供的一种基于需求响应的热控负荷集群协同管控方法的示意图。
具体实施方式
下面通过实施例，并结合附图1，对本发明的技术方案作进一步具体的说明。
如附图1所示，本申请的实施例提供了一种基于需求响应的热控负荷集群协同管控方法，具体包括以下步骤：
步骤S1：从热控负荷恒温器侧建立热控负荷单台负荷模型；
步骤S2：根据聚合系统的马尔科夫性，建立热控负荷基于聚合系统总电力需求模型和面向控制的聚合系统总电力需求变化量模型；
步骤S3：对热控负荷的聚合功率进行每十分钟一次的量化预处理，以此评估负荷集群中各类负荷的可调度能力；
步骤S4：根据可调度能力和负荷特性，制定清洁能源消纳任务分配策略；
步骤S5：根据分配所得消纳任务，运用最小方差法求得控制律，追踪清洁能源出力。
具体的，在步骤S1中从热控负荷恒温器侧建立负荷的单台模型，该模型为：
CdT(t)＝-a(T(t)-Ta(t))dt+Pm(t)dt+dv(t) (1)
Figure BDA0002340730410000051
式中：C表示环境热容，T(t)为热控负荷内部温度，a表示由于环境温度带来的平均热损失率，Ta(t)为环境温度，P表示热控负荷的制冷或制热率，m(t)为负荷恒温器开关控制变量，0表示关闭，1表示开启；v(t)表示噪声过程，Δt表示任意小的时间增量，热控负荷恒温器设定区间为[T-(t),T+(t)]。
在步骤S2中根据聚合系统的马尔科夫性，建立热控负荷基于需求响应的聚合负荷模型。热控负荷按照工作原理分为制冷负荷和加热负荷两类，将式(1)描述的热控负荷工作过程看作满足马尔科夫性的随机过程，利用福克普朗克方程描述聚合系统N台设备运行情况的概率密度演化过程，得出聚合系统的电力总需求，具体为：
建立系统的福克普朗克方程：
Figure BDA0002340730410000061
Figure BDA0002340730410000062
式中：f1(T,t)和f0(T,t)分别表示热控负荷在开启和关闭状态下的负荷概率密度，T是温度，t是时间，C为系统热容，R为系统热阻，
Figure BDA0002340730410000063
前面的符号“+”表示制冷负荷如空调，“-”表示加热负荷如热水器，σ2是系统噪声项的方差，P表示系统能量传递速率，
Figure BDA00023407304100000612
是一阶偏微分，
Figure BDA0002340730410000064
是对温度的二阶偏微分。
对福克普朗克方程进行拉普拉斯变换可以得到系统稳定运行状态下的概率密度值：
Figure BDA0002340730410000065
Figure BDA0002340730410000066
式中：
Figure BDA0002340730410000067
和
Figure BDA0002340730410000068
分别表示负荷关闭和开启状态下的稳态概率密度，δ是热控负荷的死区。其中c和r的表达式为：
Figure BDA0002340730410000069
Figure BDA00023407304100000610
由系统温度设定点变化量Δu(t)引起的设备稳定运行状态下的概率密度变化量可表示为：
Figure BDA00023407304100000611
这个过程中产生的稳态总电力需求变化为：
Figure BDA0002340730410000071
其中，Δy是总电力需求变化量，Pi是第i台热控负荷的功率，N是聚合系统中热控负荷的数量。
为了便于协同管控，将系统总电力需求变化的表达式改写成ARx(Auto-Regressive with extra inputs)的形式，表示为：
A(z)y(k)＝B(z)u(k)+C(z)v(k) (11)
其中，z表示移位算子，k表示差分算子，A(z)＝1-z-1，
Figure BDA0002340730410000072
Figure BDA0002340730410000073
C(z)＝1，u(k)是温度设定点变化量即控制信号，y(k)是离散化后的聚合功率，v(k)是离散化后的系统噪声。
在步骤S3中考虑电网侧指令通讯延迟，对热控负荷的聚合功率进行每十分钟一次的量化预处理，将十分钟内功率数值的平均值作为该时段负荷的聚合功率，以此评估负荷集群中各类负荷的可调度能力。利用步骤S2所述福克普朗克方程，建立面向量化的聚合模型y(t)，具体为：
Figure BDA0002340730410000074
Figure BDA0002340730410000075
式中：y(t)表示总热控负荷聚合功率，即聚合系统总电力需求，yi(t)是第i台负荷的聚合功率；σ2是噪声过程v(t)的方差；f1(.)和f0(.)分别表示热控负荷开启和关闭状态下的概率密度；t′是代表时间的积分变量；T+热控负荷温度设定点上限，T-热控负荷温度设定点下限；
Figure BDA0002340730410000076
表示对概率密度函数的温度进行偏微分计算；mi(t)是第i台负荷的状态变量，1是开0是关；
Figure BDA0002340730410000077
表示
Figure BDA0002340730410000078
的初始值，
Figure BDA0002340730410000079
是mi(t)的均值。
将聚合功率y(t)以及清洁能源出力曲线进行每十分钟一次的量化运算，将十分钟内的功率值求平均值作为这十分钟的聚合功率，根据所得量化功率
Figure BDA00023407304100000710
评估该类负荷的可调度能力。
在步骤S4中根据可调度能力和负荷特性，制定清洁能源消纳任务分配策略，具体为：
在十分钟时段内，聚合系统的电力总需求的量化功率小于此时段清洁能源出力，则将加热负荷温度设定点调至用户可接受范围内最高，制冷负荷调至可接受范围内最低，并将剩余清洁能源产量分给其他非热控负荷；
若制冷和加热负荷的总功率大于清洁能源出力，并且清洁能源输出小于某单一负荷类总功率，则将热控负荷分类为大功率快速调节负荷如热水器和较大功率非快速调节负荷如空调，将清洁能源消纳任务按照8:2进行分配，80％给热水器快速响应需求侧指令，且尽可能多地调动了空调资源；
若负荷功率和清洁能源出力不是前述两种，则根据量化功率占比将清洁能源输出进行分配，各自完成清洁能源消纳任务。
在步骤S5中根据分配所得清洁能源消纳任务yr(k)，运用最小方差法求得控制律，控制热控负荷，完成跟踪清洁能源出力的目的，具体为：
根据Diophantine方程：
C(z)＝A(z)E(z)+z-dG(z)
F(z)＝B(z)E(z) (14)
其中，d是延迟算子，A(z)、B(z)、C(z)、D(z)、E(z)和F(z)关系如下：
Figure BDA0002340730410000081
得出Diophantine方程的解:
Figure BDA0002340730410000082
根据最小方差法，计算最小方差控制法的控制律表达式：
u(k)＝[C(z)yr(k+d)-G(z)y(k)]/F(z) (17)
其中，y(k)是热控负荷聚合功率C(z)、G(z)和F(z)是丢番图方程的解。
对热控负荷聚合系统施加相应控制信号，使其功率输出追踪清洁能源出力，完成清洁能源消纳目的。
虽然本发明已经以较佳实施例公开如上，但实施例并不是用来限定本发明的。在不脱离本发明之精神和范围内，所做的任何等效变化或润饰，同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。

Claims (7)

1.一种基于需求响应的热控负荷集群协同管控方法，其特征在于，所述协同管控方法包括以下步骤：
步骤S1：从热控负荷恒温器侧建立热控负荷单台负荷模型；
步骤S2：根据聚合系统的马尔科夫性，建立热控负荷基于聚合系统总电力需求模型和面向控制的聚合系统总电力需求变化量模型；
步骤S3：对热控负荷的聚合功率进行每十分钟一次的量化预处理，以此评估负荷集群中各类负荷的可调度能力；
步骤S4：根据可调度能力和负荷特性，制定清洁能源消纳任务分配策略；
步骤S5：根据分配所得消纳任务，运用最小方差法求得控制律，追踪清洁能源出力。
2.根据权利要求1所述协同管控方法，其特征在于，在步骤S1中，所述热控负荷单台负荷模型为：
CdT(t)＝-a(T(t)-Ta(t))dt+Pm(t)dt+dv(t)
Figure FDA0002340730400000011
其中：C表示环境热容，T(t)为热控负荷内部温度，a表示由于环境温度带来的平均热损失率，Ta(t)为环境温度，P表示热控负荷的制冷或制热率，m(t)为负荷恒温器开关控制变量，0表示关闭，1表示开启；v(t)表示噪声过程，Δt表示任意小的时间增量，热控负荷恒温器设定区间为[T-(t),T+(t)]。
3.根据权利要求1所述协同管控方法，其特征在于，步骤S2中，所述面向控制的聚合系统总电力需求变化量模型为：
Figure FDA0002340730400000021
其中，Δy是总电力需求变化量，Δu(t)是系统温度设定点变化量，Pi是第i台热控负荷的功率，δ是热控负荷的温度死区，N是聚合系统中热控负荷的数量。
4.根据权利要求1所述协同管控方法，其特征在于，步骤S2中，所述聚合系统总电力需求模型为：
Figure FDA0002340730400000022
Figure FDA0002340730400000023
式中：y(t)表示总热控负荷聚合功率，即聚合系统总电力需求，yi(t)是第i台负荷的聚合功率；σ2是噪声过程v(t)的方差；f1(.)和f0(.)分别表示热控负荷开启和关闭状态下的概率密度；t′是代表时间的积分变量；T+热控负荷温度设定点上限，T-热控负荷温度设定点下限；
Figure FDA0002340730400000024
表示对概率密度函数的温度进行偏微分计算；mi(t)是第i台负荷的状态变量，1是开0是关；
Figure FDA0002340730400000025
表示
Figure FDA0002340730400000026
的初始值，
Figure FDA0002340730400000027
是mi(t)的均值。
5.根据权利要求3所述协同管控方法，其特征在于，步骤S2中，所述系统总电力需求变化模型改写为ARx形式，表示为：
A(z)y(k)＝B(z)u(k)+C(z)v(k)
其中，z是移位算子，k是差分算子，A(z)＝1-z-1，
Figure FDA0002340730400000028
Figure FDA0002340730400000029
C(z)＝1，u(k)是温度设定点变化量，即控制信号。
6.根据权利要求1所述协同管控方法，其特征在于，步骤S4中，所述分配策略为：
在十分钟时段内，聚合系统的电力总需求的量化功率小于此时段清洁能源出力，则将加热负荷温度设定点调至用户可接受范围内最高，制冷负荷调至可接受范围内最低，并将剩余清洁能源产量分给其他非热控负荷；
若制冷和加热负荷的总功率大于清洁能源出力，并且清洁能源输出小于某单一负荷类总功率，则将热控负荷分类为大功率快速调节负荷如热水器和较大功率非快速调节负荷如空调，将清洁能源消纳任务按照8:2进行分配，80％给热水器快速响应需求侧指令，且尽可能多地调动了空调资源；
若负荷功率和清洁能源出力不是前述两种，则根据量化功率占比将清洁能源输出进行分配，各自完成清洁能源消纳任务。
7.根据权利要求5所述协同管控方法，其特征在于，步骤S5中，所述控制律表达式为：
u(k)＝[C(z)yr(k+d)-G(z)y(k)]/F(z)
其中，u(k)是温度设定点变化量，即控制律；yr(k)是消纳任务，y(k)是热控负荷聚合功率；d是延迟算子，C(z)、G(z)和F(z)是丢番图方程的解。
CN201911375078.0A 2019-12-27 2019-12-27 一种基于需求响应的热控负荷集群协同管控方法 Active CN111242412B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911375078.0A CN111242412B (zh) 2019-12-27 2019-12-27 一种基于需求响应的热控负荷集群协同管控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911375078.0A CN111242412B (zh) 2019-12-27 2019-12-27 一种基于需求响应的热控负荷集群协同管控方法

Publications (2)

Publication Number Publication Date
CN111242412A true CN111242412A (zh) 2020-06-05
CN111242412B CN111242412B (zh) 2023-06-20

Family

ID=70865590

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911375078.0A Active CN111242412B (zh) 2019-12-27 2019-12-27 一种基于需求响应的热控负荷集群协同管控方法

Country Status (1)

Country Link
CN (1) CN111242412B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112413717A (zh) * 2020-11-11 2021-02-26 国网冀北电力有限公司计量中心 一种热力用户参与需求响应的控制系统及方法

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030050738A1 (en) * 2001-05-10 2003-03-13 Stephen Masticola Schedule-based load estimator and method for electric power and other utilities and resources
US20060206240A1 (en) * 2002-05-20 2006-09-14 Tsui Jonah C System and method for managing and optimizing power use
US7460930B1 (en) * 2004-05-14 2008-12-02 Admmicro Properties, Llc Energy management system and method to monitor and control multiple sub-loads
US20090062970A1 (en) * 2007-08-28 2009-03-05 America Connect, Inc. System and method for active power load management
CN102799108A (zh) * 2012-07-27 2012-11-28 中国海洋大学 基于低频能耗信息的能耗解聚合方法及家庭能源管理系统
CA2753809A1 (en) * 2011-09-29 2013-03-29 General Electric Company Energy smart system
CN103293961A (zh) * 2013-06-07 2013-09-11 天津大学 一种基于需求响应控制的能效电厂建模和集成方法
US20160091912A1 (en) * 2014-09-30 2016-03-31 Schneider Electric Usa Inc. Demand-side grid-level load balancing aggregation system
CN105514985A (zh) * 2015-12-07 2016-04-20 中国电力科学研究院 一种电网聚合模型的构建方法
CN106597858A (zh) * 2017-01-17 2017-04-26 深圳傲华科技有限公司 面向新能源消纳的柔性负荷调控方法及其系统
CN107017630A (zh) * 2017-05-18 2017-08-04 南京师范大学 一种多时间尺度的电力需求侧响应方法
CN107591801A (zh) * 2017-09-15 2018-01-16 东南大学 一种负荷参与需求响应的聚合潜力评估方法
CN108520437A (zh) * 2018-03-30 2018-09-11 天津大学 基于用户负荷曲线提高风电消纳的vpp市场机制
US20180269687A1 (en) * 2017-03-17 2018-09-20 General Electric Technology Gmbh Scalable flexibility control of distributed loads in a power grid
CN108960642A (zh) * 2018-07-10 2018-12-07 新疆大学 一种新能源电厂动态聚合方法及系统
CN109659928A (zh) * 2018-11-12 2019-04-19 华北电力大学 一种可控空调负荷的优化调度方法
CN109812946A (zh) * 2019-01-31 2019-05-28 河海大学 一种适用于大规模居民空调负荷群需求响应的控制方法
CN109829595A (zh) * 2018-09-05 2019-05-31 华北电力大学 一种多形态弹性负荷集群控制的响应潜力量化方法
RU2699048C1 (ru) * 2018-09-27 2019-09-03 Руслан Анатольевич Травников Способ агрегированного управления пространственно распределенной электрической нагрузкой
CN110299724A (zh) * 2019-06-14 2019-10-01 国网甘肃省电力公司经济技术研究院 一种基于多种约束条件的新能源消纳分析方法
WO2019196245A1 (zh) * 2018-04-08 2019-10-17 中国电力科学研究院有限公司 需求响应数字物理混合仿真方法、系统及存储介质

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030050738A1 (en) * 2001-05-10 2003-03-13 Stephen Masticola Schedule-based load estimator and method for electric power and other utilities and resources
US20060206240A1 (en) * 2002-05-20 2006-09-14 Tsui Jonah C System and method for managing and optimizing power use
US7460930B1 (en) * 2004-05-14 2008-12-02 Admmicro Properties, Llc Energy management system and method to monitor and control multiple sub-loads
US20090062970A1 (en) * 2007-08-28 2009-03-05 America Connect, Inc. System and method for active power load management
CA2753809A1 (en) * 2011-09-29 2013-03-29 General Electric Company Energy smart system
CN102799108A (zh) * 2012-07-27 2012-11-28 中国海洋大学 基于低频能耗信息的能耗解聚合方法及家庭能源管理系统
CN103293961A (zh) * 2013-06-07 2013-09-11 天津大学 一种基于需求响应控制的能效电厂建模和集成方法
US20160091912A1 (en) * 2014-09-30 2016-03-31 Schneider Electric Usa Inc. Demand-side grid-level load balancing aggregation system
CN105514985A (zh) * 2015-12-07 2016-04-20 中国电力科学研究院 一种电网聚合模型的构建方法
CN106597858A (zh) * 2017-01-17 2017-04-26 深圳傲华科技有限公司 面向新能源消纳的柔性负荷调控方法及其系统
US20180269687A1 (en) * 2017-03-17 2018-09-20 General Electric Technology Gmbh Scalable flexibility control of distributed loads in a power grid
CN107017630A (zh) * 2017-05-18 2017-08-04 南京师范大学 一种多时间尺度的电力需求侧响应方法
CN107591801A (zh) * 2017-09-15 2018-01-16 东南大学 一种负荷参与需求响应的聚合潜力评估方法
CN108520437A (zh) * 2018-03-30 2018-09-11 天津大学 基于用户负荷曲线提高风电消纳的vpp市场机制
WO2019196245A1 (zh) * 2018-04-08 2019-10-17 中国电力科学研究院有限公司 需求响应数字物理混合仿真方法、系统及存储介质
CN108960642A (zh) * 2018-07-10 2018-12-07 新疆大学 一种新能源电厂动态聚合方法及系统
CN109829595A (zh) * 2018-09-05 2019-05-31 华北电力大学 一种多形态弹性负荷集群控制的响应潜力量化方法
RU2699048C1 (ru) * 2018-09-27 2019-09-03 Руслан Анатольевич Травников Способ агрегированного управления пространственно распределенной электрической нагрузкой
CN109659928A (zh) * 2018-11-12 2019-04-19 华北电力大学 一种可控空调负荷的优化调度方法
CN109812946A (zh) * 2019-01-31 2019-05-28 河海大学 一种适用于大规模居民空调负荷群需求响应的控制方法
CN110299724A (zh) * 2019-06-14 2019-10-01 国网甘肃省电力公司经济技术研究院 一种基于多种约束条件的新能源消纳分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
S. RAFIQUE等: "An aggregator-based-strategy to minimize the cost of energy consumption by optimal utilization of energy resources in an apartment building" *
孙玲玲;高赐威;谈健;崔高颖;: "负荷聚合技术及其应用" *
祁兵等: "面向新能源消纳的需求侧聚合负荷协同控制" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112413717A (zh) * 2020-11-11 2021-02-26 国网冀北电力有限公司计量中心 一种热力用户参与需求响应的控制系统及方法

Also Published As

Publication number Publication date
CN111242412B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
Zheng et al. A distributed demand response control strategy using Lyapunov optimization
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
CN110401187B (zh) 面向智能楼宇的温控负荷分层聚合控制方法
CN104698843A (zh) 一种基于模型预测控制的数据中心节能控制方法
CN110619425A (zh) 一种考虑源网荷储差异特性的多功能区综合能源系统协同规划方法
CN112036934A (zh) 考虑热电协调运行的负荷聚合商参与需求响应的报价方法
CN103293961B (zh) 一种基于需求响应控制的能效电厂建模和集成方法
Zhou et al. A dynamic water-filling method for real-time HVAC load control based on model predictive control
CN110110416A (zh) 一种基于图论的分布式能源冷网供冷优化方法
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
CN116436033A (zh) 一种基于用户满意度和强化学习的温控负荷频率响应控制方法
Vasudevan et al. Price based demand response strategy considering load priorities
CN111242412A (zh) 一种基于需求响应的热控负荷集群协同管控方法
CN115481858A (zh) 考虑需求响应的电-气系统最优潮流分散计算方法及系统
CN113865018A (zh) 一种水冷中央空调主机功率调控方法及系统
CN111244935B (zh) 一种基于微调热水器温度设定点的能效优化方法
CN113947255A (zh) 基于蒙特卡洛法的电热水器短期负荷预测方法及系统
Hou et al. Two-Layer Control Framework and Aggregation Response Potential Evaluation of Air Conditioning Load Considering Multiple Factors
Ma et al. Control and Communication for Demand Response with Thermostatically Controlled Loads
Ma et al. Controller design and parameter optimization of aggregated thermostatically controlled loads for frequency regulation
CN113078629A (zh) 一种用于集群温控负荷聚合商功率调控的聚合体功率分配模型及分布式一致性控制方法
Zhang et al. Distributed intelligent load management and control system
Yazdkhasti et al. Using a cluster-based method for controlling the aggregated power consumption of air conditioners in a demand-side management program
CN112766680B (zh) 虚拟电厂可控热负荷调度方法
CN112883547B (zh) 一种综合能源系统虚拟元胞协同无功辅助服务优化方法

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