CN111244935B - 一种基于微调热水器温度设定点的能效优化方法 - Google Patents

Abstract

本发明属于负荷聚合及新能源有效消纳领域，具体涉及一种基于微调热水器温度设定点的能效优化方法，主要是针对电热水器负荷。首先建立单个热水器负荷的分解模型和状态序列模型。然后，通过人工免疫算法选出模型中符合条件的最优组合。最后，再通过最小二乘法计算组合中各分量的权重系数，使其总的聚合功率输出与目标功率曲线最为接近，从而实现对目标的跟踪。本发明充分考虑了用户的舒适度，采用调节热水器温度设定点的方式，并通过人工免疫算法和最小二乘算法，实现清洁能源的能效优化。

Description

一种基于微调热水器温度设定点的能效优化方法

技术领域

本发明属于电力负荷识别技术领域，具体涉及一种基于微调热水器温度设定点的能效优化方法。

背景技术

近年来清洁能源发展迅速，是未来能源结构中的重要组成部分。然而，随着装机容量的提升，弃风弃光问题尤为突出。新版《需求侧管理办法》将绿色用电列为新的重点工作内容，从需求侧促进清洁能源电力的消纳。其中热水器负荷可将电能以热能形式进行存储，与电池效果类似，负荷资源经科学的集群管控后可等效为一种储能系统，是配合清洁能源消纳的经济可行方法。随着新能源发电的发展，如何有效消纳新能源已经成为一个棘手的问题。

发明内容

本发明为了解决现有技术中无法有效消纳新能源的问题，通过微调电热水器的设定值温度和组合优化来调整其总功率以消耗新能源。

具体而言本发明提供了一种基于微调热水器温度设定点的能效优化方法，其特征在于，所述负荷管控方法包括以下步骤：

步骤S1：建立单个热水器负荷的分解模型和状态序列模型，获取聚合功率的变化曲线；

步骤S2：获取所述聚合功率的变化曲线中一定数量的剖面，通过人工免疫算法选出符合条件的最优组合；

步骤S3：计算所述最优组合中各分量的权重系数，使其总的聚合功率输出与目标功率曲线最为接近实现对目标的跟踪。

更进一步地，在步骤S1中，所述单个热水器负荷的分解模型包括热水器加热过程和冷却过程的模型。

更进一步地，步骤S1中，所述热水器加热过程模型为：

其中，

是t+1周期内的热水器入水的温度，

是t周期内的热水器内部水温，

t+1周期内的热水器内部水温，η热水器的能效比，P是热水器额定功率，UA是自然散热损耗系数，ε是温度变化系数。

更进一步地，步骤S1中，所述热水器冷却过程模型为：

其中，

是t+1周期内的热水器入水的温度，

是t周期内的热水器内部水温，

t+1周期内的热水器内部水温，ε是温度变化系数。

更进一步地，步骤S3中，所述目标功率曲线与总的聚合功率输出关系为：

其中，y₀是用来表示输出目标的向量，y_S是用来表示选出的负荷组的向量，β是表示每一个负荷组的权重系数，F是目标函数，m是多对组合中功率曲线数量，n是热水器工作周期的时间。

本发明的有益效果是：

本发明对于解决新能源不稳定性大，随机性强，能效不高等问题具有显著优势。同时，也充分考虑了用户的舒适度，放弃现有调节方式中强制关断热水器的方式，采用调节热水器温度设定点的方式，并通过人工免疫算法和最小二乘算法，实现清洁能源的能效优化。本方法对于提高清洁能源能效具有显著效果，基本原理和分配算法简单，实施方便。

附图说明

图1是本发明实施例提供的一种基于微调热水器温度设定点的能效优化方法的流程示意图；

图2是本发明实施例提供的一种基于微调热水器温度设定点的能效优化方法中电热水器的状态序列模型的示意图；

图3是本发明实施例提供的一种基于微调热水器温度设定点的能效优化方法中电热水器温度设定点改变后的功率分布图；

图4是本发明实施例提供的一种基于微调热水器温度设定点的能效优化方法中最优剖面的示意图；

图5是本发明实施例提供的一种基于微调热水器温度设定点的能效优化方法中风电的消纳为例拟合功率曲线和目标曲线之间的对比示意图。

具体实施方式

下面通过实施例，并结合附图1-5，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微调热水器温度设定点的能效优化方法，该方法包括以下步骤：

步骤S1：建立单个热水器负荷的分解模型和状态序列模型，获取聚合功率的变化曲线；

步骤S2：获取聚合功率的变化曲线中一定数量的剖面，通过人工免疫算法选出符合条件的最优组合；

步骤S3：计算最优组合中各分量的权重系数，使其总的聚合功率输出与目标功率曲线最为接近实现对目标的跟踪。

在步骤S1中，建立单个热水器负荷的分解模型和状态序列模型。热水器负荷的分解模型包括热水器加热过程和冷却过程的模型，电热水器内部水温随时间变化的方程：

其中，T_out是入水的温度，T_in是热水器内的水温，

是损耗函数。

热水器的加热过程模型为：

热水器的冷却过程模型为：

其中，

是t+1周期内的热水器入水的温度，

是t周期内的热水器内部水温，

t+1周期内的热水器内部水温，η热水器的能效比，P是热水器额定功率，UA是自然散热损耗系数，ε是温度变化系数。

本发明中并未采用强制关断热水器的方式对聚合功率进行调节，而是采用一种不影响用户舒适度的方式，通过调节热水器温度设定点的方法，考虑热水器的水温会在一个范围内变化，我们就可以得到热水器温度模型：

其中，T_min是热水器工作时水温的最小值，T_max是热水器工作时水温的最大值，

是热水器的平均功率，τ_off是一个热水器状态变化周期内加热开关的关状态所占的时间。

如附图2-3所示，我们就得到了电热水器的分解模型和状态变化序列模型，进而可以得到聚合功率的变化曲线。

如附图4所示，在步骤S2中，由于所有的负荷在不同的时间的状态不一样，不同时间间隔内负荷的聚合功率也不相同，因此在时间轴上取一定数量的剖面，每个剖面的负荷的聚合功率不同。假设参与调节的热水器单元的所处的时间不同，同一时间段内的配电功率分布则存在差异。这种差异可以用时间轴上的功率分配平移来描述，这样我们就得到了一个聚合体，它包含了不同时间内所有的负荷的功率的微小变化。通过人工免疫算法选出模型中符合条件的最优组合，然后把不同的负荷组合起来，以接近目标功率输出，进而得到一对甚至多对组合。

在步骤S3中，通过最小二乘法计算组合中各分量的权重系数，使其总的聚合功率输出与目标功率曲线最为接近，从而实现对目标的跟踪。

具体的实现过程是，从聚合体中选择一定数量的剖面，用最小二乘法计算不同剖面的权系数。目标函数如下所示：

其中，y₀是用来表示输出目标的向量，y_S是用来表示选出的负荷组的向量，β是表示每一个负荷组的权重系数，F是目标函数，m是多对组合中功率曲线数量，n是热水器工作周期的时间。我们可以通过最小二乘法计算出β的具体数值。

如附图5所示，以风电的消纳为例，验证此方法的有效性。先拟合半小时内的风力发电的输出剖面，然后罗列出步骤S2中通过人工免疫算法找出的10个最优负荷组，再通过最小二乘法进行优化，优化的目的是得到一个组合，使代表目标曲线与拟合曲线之间最小误差目标函数的值最小。

本发明提出了一种考虑用户舒适度的能效优化方法，特别针对电热水器负荷。为了得到更好的消纳效果，我们需要找出两个参数:剖面的最优组合和所选剖面的权重系数。最后，本文采用人工免疫算法和最小二乘法来求解这两个参数。从实验结果可以看出，最初的电热水器负荷的剖面是不稳定的和不规则的，所以有时候新能源也会因为自身的不稳定性而满足负荷功率需求。但是拟合的功率曲线却可以大致跟踪目标曲线，因此，通过微调温度设定点，进而改变剖面的状态，实现对新能源的跟踪，大幅优化其能效。

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 (1)

1.一种基于微调热水器温度设定点的能效优化方法，其特征在于，所述能效优化方法包括以下步骤：

步骤S1：建立单个热水器负荷的分解模型和状态序列模型，获取聚合功率的变化曲线；

步骤S2：获取所述聚合功率的变化曲线中一定数量的剖面，通过人工免疫算法选出符合条件的最优组合；

步骤S3：计算所述最优组合中各分量的权重系数，使其总的聚合功率输出与目标功率曲线最为接近实现对目标的跟踪；

在步骤S1中，所述单个热水器负荷的分解模型包括热水器加热过程和冷却过程的模型；

所述热水器加热过程模型为：

其中，

是t+1周期内的热水器入水的温度，

是t周期内的热水器内部水温，

周期内的热水器内部水温，η热水器的能效比，P是热水器额定功率，UA是自然散热损耗系数，ε是温度变化系数；

热水器冷却过程模型为：

其中，

是t+1周期内的热水器入水的温度，

是t周期内的热水器内部水温，

周期内的热水器内部水温，ε是温度变化系数；

步骤S3中，所述目标功率曲线与总的聚合功率输出关系为：

其中，y₀是用来表示输出目标的向量，y_S是用来表示选出的负荷组的向量，β是表示每一个负荷组的权重系数，F是目标函数，m是多对组合中功率曲线数量，n是热水器工作周期的时间。

Images