CN111967728A - 计及用能舒适度时变性的商场楼宇调峰容量评估方法 - Google Patents

计及用能舒适度时变性的商场楼宇调峰容量评估方法 Download PDF

Info

Publication number
CN111967728A
CN111967728A CN202010730395.6A CN202010730395A CN111967728A CN 111967728 A CN111967728 A CN 111967728A CN 202010730395 A CN202010730395 A CN 202010730395A CN 111967728 A CN111967728 A CN 111967728A
Authority
CN
China
Prior art keywords
time
load
demand response
building
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
CN202010730395.6A
Other languages
English (en)
Other versions
CN111967728B (zh
Inventor
陶鹏
申洪涛
张洋瑞
张良
张卫国
丁健
吴一敌
张超
唐如意
赵俊鹏
田广
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.)
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
NARI Nanjing Control System Co Ltd
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
NARI Nanjing Control System Co Ltd
Marketing Service Center of State Grid Hebei 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 State Grid Corp of China SGCC, State Grid Hebei Electric Power Co Ltd, NARI Nanjing Control System Co Ltd, Marketing Service Center of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010730395.6A priority Critical patent/CN111967728B/zh
Publication of CN111967728A publication Critical patent/CN111967728A/zh
Application granted granted Critical
Publication of CN111967728B publication Critical patent/CN111967728B/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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • G06Q10/06—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
    • 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
    • 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
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Abstract

本发明公开了一种计及用能舒适度时变性的商场楼宇调峰容量评估方法，包括，建立计及用能舒适度时变性的商场楼宇调峰容量评估模型，以需求响应效益最大化为目标函数，包括能量平衡约束，设备电功率约束，蓄电池功率约束，负荷响应约束，联络线负荷波动约束和用能舒适度约束；建立混合整数线性规划模型并调用相应的求解器进行求解；输出求解结果，包括：冷热电负荷响应量、蓄电池出力、联络线负荷、需求响应效益等。本发明围绕商场楼宇负荷特点，计及某段时间内用能舒适度需求变化的可能性，构建用能舒适度时变性指标，贴近用户真实需求，准确评估商场楼宇的调峰容量，支撑商场楼宇更好地参与日前市场交易。

Description

计及用能舒适度时变性的商场楼宇调峰容量评估方法
技术领域
本发明涉及用能调控技术领域，尤其是一种计及用能舒适度时变性的商场楼宇调峰容量评估方法。
背景技术
作为典型的迎峰型负荷，楼宇具有能源需求统一、响应潜力大和调节性能好等优势，是用户侧重要柔性资源。考虑到楼宇负荷的典型性和可复制性，2012年起，国家发改委和国家电网公司主导了面向智能楼宇的调控实践，在北京、上海、重庆三地开展实践，验证了楼宇调控潜力。2013年以来，国网江苏省电力有限公司重点开展了以中央空调为主的楼宇调控工作，涉及了670栋楼宇(包括126栋商场)，并在2016年中国江苏实施的全球最大的需求响应实践中形成了2MW的调峰资源，目前该项工作还在持续推进中。
基于楼宇公共服务性这一特点，很多学者认识到用能舒适度对楼宇响应潜力的影响，并对在需求响应过程中如何考虑用能舒适度约束开展了大量研究，如通过热舒适度、电费支出满意度或用电舒适度等单一因素或多个因素共同衡量。但上述用能舒适度研究中，主要以常数形式衡量舒适度指标，未能计及某段时间内用能舒适度需求变化的可能性，如工作日商场楼宇的用能高峰出现在午餐或晚餐时间，此时用户舒适度需求最高，响应能力最低，而在其他时段，舒适度需求则会适当降低，响应能力可适当提升。毫无疑问，未计及时变性的用户舒适度需求研究难以贴近用户真实需求，导致需求响应能力把握不准，进而影响需求响应认可度和应用度。
同时，在我国新一轮电改推动下，用户侧已具备参与现货市场的可行性，届时楼宇将成为一个个虚拟机组，利用其灵活的响应能力优势，参与市场并从中获利。本专利针对这一背景，选取商场这一典型楼宇，在考虑用能舒适度时变性特点的前提下，研究其参与日前市场时应如何调用用储侧灵活资源来优化调峰容量以获得最大效益。
发明内容
本发明的目的在于提供一种计及用能舒适度时变性的商场楼宇调峰容量评估方法，重点围绕商场楼宇负荷特点，计及某段时间内用能舒适度需求变化的可能性，构建用能舒适度时变性指标，贴近用户真实需求，准确评估商场楼宇的调峰容量，支撑商场楼宇更好地参与日前市场交易。
为达到上述目的，本发明采用的技术方案如下：
一种计及用能舒适度时变性的商场楼宇调峰容量评估方法，包括：
建立以需求响应效益最大化为目标的商场楼宇调峰容量评估模型；
基于所述商场楼宇调峰容量评估模型建立混合整数线性规划模型；
对所述混合整数线性规划模型进行求解，得到楼宇申报响应容量。
进一步的，所述建立以需求响应效益最大化为目标的商场楼宇调峰容量评估模型，包括：
Figure BDA0002603008270000021
其中，CIDR为需求响应效益，Cinc为来自电网的激励补偿，Csave为节约电费，Δt为仿真步长，PGRID(t)为t时刻联络线功率，
Figure BDA0002603008270000022
为实施需求响应前联络线预测负荷，ρIDR为电网激励用户参与需求响应的补偿单价，ρGRID为楼宇侧零售电价，
Figure BDA0002603008270000023
为楼宇申报响应容量，
Figure BDA0002603008270000024
和
Figure BDA0002603008270000025
分别为需求响应起始时刻和结束时刻，T为整个需求响应时段，
Figure BDA0002603008270000026
为调度部门与楼宇结算的联络线基准负荷。
进一步的，所述调度部门与楼宇结算的联络线基准负荷计算如下：
发生日为非工作日，取发生日前2日的历史负荷均值计算；
发生日为工作日，取发生日前10日的历史负荷均值计算。
进一步的，所述基于所述商场楼宇调峰容量评估模型建立混合整数线性规划模型，包括：
以所述商场楼宇调峰容量评估模型为目标函数，以能量平衡约束，设备约束，用户响应约束，联络线约束和用能舒适度约束为约束条件，构成混合整数线性规划模型。
进一步的，
所述能量平衡约束为：
Figure BDA0002603008270000027
其中，PGRID(t)，PPV(t)，PES,D(t)，PES,C(t)，PE(t)，PGB(t)和PEC(t)分别为t时刻联络线功率、光伏发电功率、蓄电池放电功率、蓄电池充电功率、电负荷、电锅炉电功率和电制冷机电功率，QAIR(t)为空气冷或热负荷，QHW(t)为热水负荷，ηEC和ηGB为电制冷机和电锅炉的转换效率；
所述设备约束为：
Figure BDA0002603008270000028
Figure BDA0002603008270000029
0≤PES,C(t)≤CapESγES,C；
0≤PES,D(t)≤CapESγES,D；
WES,min≤WES(t)≤WES,max；
Figure BDA0002603008270000031
其中，
Figure BDA0002603008270000032
为光伏发电功率下限和上限，
Figure BDA0002603008270000033
为电制冷机电功率下限和上限，CapES为蓄电池容量，γES,C为蓄电池最大充电倍率，γES,D为蓄电池最大放电倍率，WES(t)为t时刻蓄电池的储能量，WES,min、WES,max分别为蓄电池的最小和大储能量，WES(t+Δt)为充放电后蓄电池的储能量，σES为自放电率，ηES,C、ηES,D分别为充、放电效率；
所述用户响应约束为：
Figure BDA0002603008270000034
Figure BDA0002603008270000035
Figure BDA0002603008270000036
Figure BDA0002603008270000037
Figure BDA0002603008270000038
其中，ΔPE(t)为t时刻的照明负荷需求响应，
Figure BDA0002603008270000039
为t时刻照明负荷的第i种可行的照明负荷需求响应，QAIR(t)为t时刻的空气冷负荷，TAIR(t)和Tout(t)分别为t时刻室内和室外温度，
Figure BDA00026030082700000310
和
Figure BDA00026030082700000311
分别为室内温度的最小值和最大值，R为楼宇等效热阻，
Figure BDA00026030082700000312
为实施需求响应前空气冷负荷，γAIR为电制冷机爬坡率，QHW(t)为t时刻的热水负荷，
Figure BDA00026030082700000313
为冷水体积，CWATER为水比热容，
Figure BDA00026030082700000314
为t时刻冷水温度，THW(t)为t时刻热水温度，
Figure BDA0002603008270000041
和
Figure BDA0002603008270000042
为热水温度下限和上限，
Figure BDA0002603008270000043
为实施需求响应前的热水负荷，
Figure BDA0002603008270000044
为实时需求响应前的室外温度，
Figure BDA0002603008270000045
为实时需求响应前的热水温度，γTW为电锅炉爬坡率；
所述联络线约束为：
Figure BDA0002603008270000046
其中，
Figure BDA0002603008270000047
和
Figure BDA0002603008270000048
分别为实施需求响应前、后联络线负荷最大值，δ％为电网联络线最大负荷不超过原有最大负荷的比例；
所述用能舒适度约束为：
Figure BDA0002603008270000049
其中，m(t)为用能舒适度，θ1，θ2和θ3为权重系数，mHW(t)为t时刻热水舒适度指标，mAIR(t)为t时刻环境舒适度指标，mS(t)为t时刻视觉舒适度指标，
mS(t)计算如下：
Figure BDA00026030082700000410
其中，
Figure BDA00026030082700000411
为t时刻照明负荷需求响应量，
Figure BDA00026030082700000412
为t时刻初始状态下照明负荷，
Figure BDA00026030082700000413
为t时刻视觉舒适度指标最小值；
mAIR(t)计算如下：
Figure BDA00026030082700000414
其中，
Figure BDA00026030082700000415
和QAIR(t)为t时刻实施需求响应前、后的空气冷负荷，
Figure BDA00026030082700000416
为t时刻环境舒适度指标最小值；
mHW(t)计算如下：
Figure BDA0002603008270000051
其中，
Figure BDA0002603008270000052
和QHW(t)为t时刻实施需求响应前、后的热水负荷，
Figure BDA0002603008270000053
为t时刻热水舒适度指标最小值。
进一步的，
所述视觉舒适度指标最小值计算如下：
Figure BDA0002603008270000054
其中，
Figure BDA0002603008270000055
为人流量指标为中等VM时的视觉舒适度指标最小值，αS为视觉舒适度指标时变系数，0＜αS≤1，VH,VM,VL分别代表人流量指标为高等，中等和低等；
所述环境舒适度指标最小值计算如下：
Figure BDA0002603008270000056
其中，
Figure BDA0002603008270000057
为人流量指标为中等VM时的环境舒适度指标最小值，αAIR为环境舒适度指标时变系数，0＜αAIR≤1；
所述热水舒适度指标最小值计算如下：
Figure BDA0002603008270000058
其中，
Figure BDA0002603008270000059
为人流量指标为中等VM时的热水舒适度指标最小值，αHW为热水舒适度指标时变系数，0＜αHW≤1。
进一步的，对所述混合整数线性规划模型进行求解，得到楼宇申报响应容量，包括：
调用求解器对所述混合整数线性规划模型进行求解，得到联络线功率，蓄电池放电功率、蓄电池充电功率，电锅炉电功率，电制冷机电功率，照明负荷需求响应，室内温度和热水温度；
基于所述求解结果，计算出楼宇申报响应容量，需求响应效益，来自电网的激励补偿和节约电费。
本发明的有益效果在于：本方法作为需求响应实施的一部分，有利于商场楼宇基于用能偏好摸清自身的需求响应资源，为其参与市场竞争提供依据。
附图说明
图1为本发明的计及用能舒适度时变性的商场楼宇调峰容量评估方法流程图；
图2为本发明实施例中商场楼宇系统架构；
图3为本发明实施例中各类负荷及光伏出力曲线；
图4为本发明实施例中联络线负荷对比；
图5为本发明实施例中各类负荷和蓄电池的需求响应策略；
图6为本发明实施例中响应前后蓄电池充放电功率。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
参见图1，本发明提供一种计及用能舒适度时变性的商场楼宇调峰容量评估方法，包括：
步骤1)：根据选定的商场楼宇系统，输入楼宇系统结构和配置参数，已知某一时刻楼宇系统各类设备的运行状态和参数；
步骤2)：建立计及用能舒适度时变性的商场楼宇调峰容量评估模型，模型的目标函数为需求响应效益最大化，模型需满足约束条件包括能量平衡约束，设备电功率约束，蓄电池功率约束，负荷响应约束，联络线负荷波动约束和用能舒适度约束。具体如下：
需求响应效益CIDR包括来自电网的激励补偿Cinc和节约电费Csave，如式(1)所示。
Figure BDA0002603008270000061
其中：Δt为仿真步长，PGRID(t)为t时刻联络线功率，
Figure BDA0002603008270000062
为实施需求响应前联络线预测负荷，ρIDR是指电网激励用户参与需求响应的补偿单价，由电网侧发布，ρGRID是指楼宇侧零售电价，由电网侧发布，
Figure BDA0002603008270000063
为楼宇申报响应容量，为本发明需优化求解的变量，
Figure BDA0002603008270000064
和
Figure BDA0002603008270000065
分别为需求响应起始时刻和结束时刻，T为整个需求响应时段，
Figure BDA0002603008270000066
为调度部门与楼宇结算的联络线基准负荷，按照GB/T32127-2015需求响应基线计算方法，取前2日(发生日为非工作日)或前10日(发生日为工作日)的历史负荷均值计算。这里假设调度部门对需求响应项目考核非常严格，用户侧实际响应容量必须满足事先申报调峰容量。
A、能量平衡约束：
Figure BDA0002603008270000071
其中：PGRID(t)，PPV(t)，PES,D(t)，PES,C(t)，PE(t)，PGB(t)和PEC(t)分别为t时刻联络线功率，光伏发电功率、蓄电池放电功率、蓄电池充电功率、电负荷、电锅炉电功率和电制冷机电功率，QAIR(t)为空气冷或热负荷，QHW(t)为热水负荷，ηEC和ηGB为电制冷机和电锅炉的转换效率。PPV(t)为已知值，由PV预测值代替，PGRID(t)，PES,D(t)，PES,C(t)，PE(t)，PGB(t)和PEC(t)均为本发明需优化求解的变量。
B、设备电功率约束：
Figure BDA0002603008270000072
Figure BDA0002603008270000073
其中：
Figure BDA0002603008270000074
和
Figure BDA0002603008270000075
分别为光伏和电制冷机的电功率下限和上限。
C、蓄电池功率约束，蓄电池应同时满足充放电功率、储能量等多个约束条件：
ca.蓄电池充电功率约束：
0≤PES,C(t)≤CapESγES,C (5)
其中：CapES为蓄电池容量；γES,C为最大充电倍率。
cb.蓄电池放电功率约束：
0≤PES,D(t)≤CapESγES,D (6)
其中：γES,D为最大放电倍率。
cc.蓄电池储能量约束：
WES,min≤WES(t)≤WES,max (7)
其中：WES(t)为t时刻蓄电池的储能量，WES,min、WES,max分别为蓄电池的最小和最大储能量；
蓄电池储能量的变化与蓄电池充放电的功率、效率和持续时间有关，关系式为：
Figure BDA0002603008270000081
其中：WES(t)、WES(t+Δt)分别为充放电前后蓄电池的储能量；σES为自放电率；ηES,C、ηES,D为充放电效率；Δt为仿真步长。
D、负荷响应约束，负荷响应约束包括照明负荷约束，空气冷负荷约束和热水负荷变化约束，
da.照明负荷约束，这里电负荷响应以照明负荷为主。据统计，照明负荷占比可达到15％-25％，其中包含20％的辅助、景观或走廊照明，适当降低对商场运行影响较小。考虑是通过关断某条或某些照明线路来削减负荷，即照明响应量
Figure BDA0002603008270000082
为离散变量，如(9)所示。
Figure BDA0002603008270000083
其中：
Figure BDA0002603008270000084
为t时刻照明负荷的n种可行的照明负荷需求响应量。
db.空气冷负荷约束，楼宇空气冷负荷平衡表示的是楼宇自身的散热以及设备产冷间的平衡，以保证楼宇的室温得以维持在人体舒适的温度范围内。采用等效热参数模型描述楼宇冷负荷热动态过程，可得：
Figure BDA0002603008270000085
其中：QAIR(t)为t时刻的空气冷负荷，TAIR(t)和Tout(t)分别为t时刻室内和室外温度；
Figure BDA0002603008270000086
和
Figure BDA0002603008270000087
分别为室内温度的最小值和最大值；R为楼宇等效热阻，R根据楼宇面积、围挡等数据综合得出，属现有技术。假设t时刻内室内温度保持不变，那么式(10)可转化为：
Figure BDA0002603008270000088
其中：
Figure BDA0002603008270000089
为实施需求响应前冷负荷，γAIR为电制冷机爬坡率，约束其供冷速度。
dc.热水负荷变化约束，
电锅炉(含储水箱)的热水模型为：
Figure BDA00026030082700000810
其中：QHW(t)为t时刻的热水负荷，
Figure BDA00026030082700000811
为冷水体积，CWATER为水比热容，
Figure BDA00026030082700000812
为t时刻冷水温度，THW(t)为t时刻热水温度，
Figure BDA0002603008270000091
和
Figure BDA0002603008270000092
为热水温度下限和上限。
这里，电锅炉爬坡率和热水温度最值约束如式(13)所示：
Figure BDA0002603008270000093
其中：
Figure BDA0002603008270000094
为实施需求响应前的热水负荷，γTW为电锅炉爬坡率，约束其供热水速度，
Figure BDA0002603008270000095
为实时需求响应前的室外温度；
Figure BDA0002603008270000096
为实时需求响应前的热水温度。
E、联络线负荷波动约束：
为避免实施前后电网联络线负荷波动过大，要求电网联络线最大负荷不超过原有最大负荷的δ％，即：
Figure BDA0002603008270000097
其中：
Figure BDA0002603008270000098
和
Figure BDA0002603008270000099
分别为实施需求响应前、后联络线负荷最大值，δ％为电网联络线最大负荷不超过原有最大负荷的比例。
F、用能舒适度指标约束：
作为服务型场所，提升用户购物环境体验是商场楼宇的主要用能目标，用能舒适度指标可通过视觉舒适度、热水舒适度和环境舒适度来表征，假设未实施需求响应(上标为0表示)舒适度体验最好，数值为1，具体舒适度指标则通过实际负荷与初始负荷的偏移度来衡量。
fa.视觉舒适度指标，该指标主要是与照明负荷有关，
Figure BDA00026030082700000910
其中：mS(t)为t时刻视觉舒适度指标，
Figure BDA00026030082700000911
为t时刻照明负荷需求响应量，
Figure BDA00026030082700000912
为t时刻初始状态下照明负荷，
Figure BDA00026030082700000913
为t时刻视觉舒适度指标最小值，与人流量指标V(t)∈[VH,VM,VL]相关，如VH时(如12:00-14:00用餐高峰)，为保证顾客体验，视觉舒适度
Figure BDA00026030082700000914
较高，响应潜力将适当缩小，这里将
Figure BDA00026030082700000915
看作与V(t)呈正比函数，如式(16)所示。
Figure BDA00026030082700000916
其中：
Figure BDA0002603008270000101
为人流量指标为中等VM时的视觉舒适度指标最小值，αS为视觉舒适度指标时变系数，0＜αS≤1，VH,VM,VL分别代表人流量指标为高等，中等和低等。
fb.环境舒适度，
Figure BDA0002603008270000102
其中：mAIR(t)为t时刻环境舒适度指标，
Figure BDA0002603008270000103
和QAIR(t)为t时刻实施需求响应前、后的空气冷负荷；
Figure BDA0002603008270000104
为t时刻环境舒适度指标最小值。
与视觉舒适度类似，认为环境舒适度最小值也与人流量指标V(t)有关，如式(18)所示。
Figure BDA0002603008270000105
其中：
Figure BDA0002603008270000106
为人流量指标为中等VM时的环境舒适度指标最小值，αAIR为环境舒适度指标时变系数，0＜αAIR≤1。
fc.热水舒适度，
Figure BDA0002603008270000107
其中：mHW(t)为t时刻热水舒适度指标，
Figure BDA0002603008270000108
和QHW(t)为t时刻实施需求响应前、后的热水负荷；
Figure BDA0002603008270000109
为t时刻热水舒适度指标最小值，满足式(20)，
Figure BDA00026030082700001010
其中：
Figure BDA00026030082700001011
为人流量指标为中等VM时的热水舒适度指标最小值，αHW为热水舒适度指标时变系数，0＜αHW≤1。
考虑到用能舒适度是个综合体验，将上述舒适度指标以权重形式统一考虑，分别为θ1，θ2和θ3，那么商场楼宇用能舒适度为：
Figure BDA0002603008270000111
步骤3)，建立混合整数线性规划模型并调用相应求解器对目标函数进行求解。
进一步的，建立混合整数线性规划模型，包括：
建立目标函数：式(1)；
约束条件：
能源平衡约束：(2)；
设备约束：(3)-(8)；
用户响应约束：(9)-(13)；
联络线约束：(14)；
用能舒适度约束：(15)-(21)。
进一步的，调用相应求解器对目标函数进行求解，包括：
在MATLAB环境中基于YALMIP平台，调用成熟的商业求解器CPLEX进行求解。
基于所述目标函数和约束条件，调用求解器进行求解，得到：
电网侧：PGRID(t)；
设备侧：PES,D(t)，PES,C(t)，PGB(t)，PEC(t)；
用户侧：ΔPE(t)，TAIR(t)和THW(t)。
上述决策变量得出后，可以计算出楼宇申报响应容量
Figure BDA0002603008270000112
需求响应效益CIDR，来自电网的激励补偿Cinc和节约电费Csave。
步骤4)，输出运行结果，包括：联络线功率，蓄电池出力，照明负荷响应量，室内温度和热水温度，楼宇申报响应容量，需求响应效益，来自电网的激励补偿和节约电费。
实施例
现以图2所示的楼宇系统为例应用本发明的技术方案进行调峰容量评估，具体如下：
(1)获取楼宇系统各类设备的运行状态和参数
设备参数：最大功率为200kW的电制冷机，最大功率为100kW的电锅炉，接入峰值容量50kW的光伏和储能容量100kWh的蓄电池，其中蓄电池初始容量为20kWh，最大充放电功率分别为20kW和40kW，自放电率为8％，每日一充一放模式。设备其它相关参数见表1。
表1主要设备参数
Figure BDA0002603008270000121
负荷参数：冷热电负荷参数如图3所示。实施需求响应前，室内初始环境温度为24℃，允许调节范围为[20℃，28℃]，热水负荷初始温度为40℃，允许调节范围为[35℃，45℃]，冷水温度为15℃。
价格参数：①购电电价，峰：14:00-17:00，19:00-22:00，1.0947元/kWh；平：8:00-14:00，17:00-19:00，22:00-24:00，0.8759元/kWh；谷：0:00-8:00，0.4711元/kWh；②需求响应时段为11:00-15:00，补偿价格为3元/kWh。
舒适度参数；令
Figure BDA0002603008270000122
αS＝αAIR＝αHW＝0.9，θ1＝θ2＝θ3＝1/3；根据商场人流特点，认为：11:00-12:00和14:00-15:00为人流量中等时段，12:00-14:00为人流量大时段。
(2)经优化，本次需求响应事件中，商场楼宇的最佳申报调峰容量为40kW，电网激励补偿为480元，节约电费为158元，总计需求响应收益为638元。用能舒适度结果如表2所示，充分计及人流量对响应能力的影响，对舒适度进行了差异化考虑，人流量中等时用能舒适度为0.82，人流量大时用能舒适度为0.90。
表2用能舒适度优化结果
Figure BDA0002603008270000123
图4为响应前后联络线负荷对比，黑色负荷为根据需求响应基线计算方法确定的楼宇基准负荷，阴影部分为响应负荷值，最大响应负荷51.79kW发生在12:45，最小响应负荷40.32kW发生在11:15，响应负荷均值为47.8kW，均大于申报调峰容量40kW。
图5为各类负荷和蓄电池的响应策略。热水温度在人流量中等和大时段分别调整至38℃和36℃，环境温度在人流量中等和大时段分别调整至26℃和25℃。另外，在这四类资源中，蓄电池资源最为灵活，可实现最大充电功率20kW和最小放电功率40kW的灵活区间调节。考虑到调度部门考核时要求，以图4中基准负荷为准，实际响应负荷均应达到申报调峰容量。因此，在响应过程中，蓄电池作为负荷响应资源的补充，优化最佳充放电策略来跟踪已达到最大响应能力的负荷资源，平滑响应曲线，具体表现在：11:00-12:00，此时负荷响应资源较大，可适当实施充电策略，在14:00以后，配合负荷资源执行放电策略，确保响应负荷均大于申报调峰容量。
图6为响应前后蓄电池充放电功率。①响应前蓄电池运行策略为：在4:00-8:00以最大功率20kW充电，确保8:00前充满，并在整个白天进行蓄电池备用；为补偿自损耗蓄电池在18:30时进行短时充电后，于19:00高电价时段开始放电，21:00完成放电过程后，蓄电池容量保持在20kWh。②响应后蓄电池运行策略为：8:00前充电策略保持不变，放电时段移至需求响应时段，作为三类负荷资源的补充来参与响应，具体策略为：考虑到自损耗，11:30开始重新充电，确保在12:00前将蓄电池重新充满至90kWh，12:00-15:00根据协同运行需求，进行有序充放电策略。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (7)

1.计及用能舒适度时变性的商场楼宇调峰容量评估方法，其特征在于，包括：
建立以需求响应效益最大化为目标的商场楼宇调峰容量评估模型；
基于所述商场楼宇调峰容量评估模型建立混合整数线性规划模型；
对所述混合整数线性规划模型进行求解，得到楼宇申报响应容量。
2.根据权利要求1所述的计及用能舒适度时变性的商场楼宇调峰容量评估方法，其特征在于，所述建立以需求响应效益最大化为目标的商场楼宇调峰容量评估模型，包括：
Figure FDA0002603008260000011
其中，CIDR为需求响应效益，Cinc为来自电网的激励补偿，Csave为节约电费，Δt为仿真步长，PGRID(t)为t时刻联络线功率，
Figure FDA0002603008260000012
为实施需求响应前联络线预测负荷，ρIDR为电网激励用户参与需求响应的补偿单价，ρGRID为楼宇侧零售电价，
Figure FDA0002603008260000013
为楼宇申报响应容量，Tf 1和Tf 2分别为需求响应起始时刻和结束时刻，T为整个需求响应时段，
Figure FDA0002603008260000014
为调度部门与楼宇结算的联络线基准负荷。
3.根据权利要求2所述的计及用能舒适度时变性的商场楼宇调峰容量评估方法，其特征在于，所述调度部门与楼宇结算的联络线基准负荷计算如下：
发生日为非工作日，取发生日前2日的历史负荷均值计算；
发生日为工作日，取发生日前10日的历史负荷均值计算。
4.根据权利要求1所述的计及用能舒适度时变性的商场楼宇调峰容量评估方法，其特征在于，所述基于所述商场楼宇调峰容量评估模型建立混合整数线性规划模型，包括：
以所述商场楼宇调峰容量评估模型为目标函数，以能量平衡约束，设备约束，用户响应约束，联络线约束和用能舒适度约束为约束条件，构成混合整数线性规划模型。
5.根据权利要求4所述的计及用能舒适度时变性的商场楼宇调峰容量评估方法，其特征在于，
所述能量平衡约束为：
Figure FDA0002603008260000015
其中，PGRID(t)，PPV(t)，PES,D(t)，PES,C(t)，PE(t)，PGB(t)和PEC(t)分别为t时刻联络线功率、光伏发电功率、蓄电池放电功率、蓄电池充电功率、电负荷、电锅炉电功率和电制冷机电功率，QAIR(t)为空气冷或热负荷，QHW(t)为热水负荷，ηEC和ηGB为电制冷机和电锅炉的转换效率；
所述设备约束为：
Figure FDA0002603008260000021
Figure FDA0002603008260000022
0≤PES,C(t)≤CapESγES,C；
0≤PES,D(t)≤CapESγES,D；
WES,min≤WES(t)≤WES,max；
Figure FDA0002603008260000023
其中，
Figure FDA0002603008260000024
为光伏发电功率下限和上限，
Figure FDA0002603008260000025
为电制冷机电功率下限和上限，CapES为蓄电池容量，γES,C为蓄电池最大充电倍率，γES,D为蓄电池最大放电倍率，WES(t)为t时刻蓄电池的储能量，WES,min、WES,max分别为蓄电池的最小和大储能量，WES(t+Δt)为充放电后蓄电池的储能量，σES为自放电率，ηES,C、ηES,D分别为充、放电效率；
所述用户响应约束为：
Figure FDA0002603008260000026
Figure FDA0002603008260000027
Figure FDA0002603008260000028
Figure FDA0002603008260000029
Figure FDA0002603008260000031
其中，ΔPE(t)为t时刻的照明负荷需求响应，
Figure FDA0002603008260000032
n为t时刻照明负荷的第i种可行的照明负荷需求响应，QAIR(t)为t时刻的空气冷负荷，TAIR(t)和Tout(t)分别为t时刻室内和室外温度，
Figure FDA0002603008260000033
和
Figure FDA0002603008260000034
分别为室内温度的最小值和最大值，R为楼宇等效热阻，
Figure FDA0002603008260000035
为实施需求响应前空气冷负荷，γAIR为电制冷机爬坡率，QHW(t)为t时刻的热水负荷，
Figure FDA0002603008260000036
为冷水体积，CWATER为水比热容，
Figure FDA0002603008260000037
为t时刻冷水温度，THW(t)为t时刻热水温度，
Figure FDA0002603008260000038
和
Figure FDA0002603008260000039
为热水温度下限和上限，
Figure FDA00026030082600000310
为实施需求响应前的热水负荷，
Figure FDA00026030082600000311
为实时需求响应前的室外温度，
Figure FDA00026030082600000312
为实时需求响应前的热水温度，γTW为电锅炉爬坡率；
所述联络线约束为：
Figure FDA00026030082600000313
其中，
Figure FDA00026030082600000314
和
Figure FDA00026030082600000315
分别为实施需求响应前、后联络线负荷最大值，δ％为电网联络线最大负荷不超过原有最大负荷的比例；
所述用能舒适度约束为：
Figure FDA00026030082600000316
其中，m(t)为用能舒适度，θ1，θ2和θ3为权重系数，mHW(t)为t时刻热水舒适度指标，mAIR(t)为t时刻环境舒适度指标，mS(t)为t时刻视觉舒适度指标，
mS(t)计算如下：
Figure FDA00026030082600000317
其中，
Figure FDA00026030082600000318
为t时刻照明负荷需求响应量，
Figure FDA00026030082600000319
为t时刻初始状态下照明负荷，
Figure FDA00026030082600000320
为t时刻视觉舒适度指标最小值；
mAIR(t)计算如下：
Figure FDA0002603008260000041
其中，
Figure FDA0002603008260000042
和QAIR(t)为t时刻实施需求响应前、后的空气冷负荷，
Figure FDA0002603008260000043
为t时刻环境舒适度指标最小值；
mHW(t)计算如下：
Figure FDA0002603008260000044
其中，
Figure FDA0002603008260000045
和
Figure FDA0002603008260000046
为t时刻实施需求响应前、后的热水负荷，
Figure FDA0002603008260000047
为t时刻热水舒适度指标最小值。
6.根据权利要求5所述的计及用能舒适度时变性的商场楼宇调峰容量评估方法，其特征在于，
所述视觉舒适度指标最小值计算如下：
Figure FDA0002603008260000048
其中，
Figure FDA0002603008260000049
为人流量指标为中等VM时的视觉舒适度指标最小值，αS为视觉舒适度指标时变系数，0＜αS≤1，VH,VM,VL分别代表人流量指标为高等，中等和低等；
所述环境舒适度指标最小值计算如下：
Figure FDA00026030082600000410
其中，
Figure FDA00026030082600000411
为人流量指标为中等VM时的环境舒适度指标最小值，αAIR为环境舒适度指标时变系数，0＜αAIR≤1；
所述热水舒适度指标最小值计算如下：
Figure FDA00026030082600000412
其中，
Figure FDA0002603008260000051
为人流量指标为中等VM时的热水舒适度指标最小值，αHW为热水舒适度指标时变系数，0＜αHW≤1。
7.根据权利要求1所述的计及用能舒适度时变性的商场楼宇调峰容量评估方法，其特征在于，对所述混合整数线性规划模型进行求解，得到楼宇申报响应容量，包括：
调用求解器对所述混合整数线性规划模型进行求解，得到联络线功率，蓄电池放电功率、蓄电池充电功率，电锅炉电功率，电制冷机电功率，照明负荷需求响应，室内温度和热水温度；
基于所述求解结果，计算出楼宇申报响应容量，需求响应效益，来自电网的激励补偿和节约电费。
CN202010730395.6A 2020-07-27 2020-07-27 计及用能舒适度时变性的商场楼宇调峰容量评估方法 Active CN111967728B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010730395.6A CN111967728B (zh) 2020-07-27 2020-07-27 计及用能舒适度时变性的商场楼宇调峰容量评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010730395.6A CN111967728B (zh) 2020-07-27 2020-07-27 计及用能舒适度时变性的商场楼宇调峰容量评估方法

Publications (2)

Publication Number Publication Date
CN111967728A true CN111967728A (zh) 2020-11-20
CN111967728B CN111967728B (zh) 2022-05-10

Family

ID=73362950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010730395.6A Active CN111967728B (zh) 2020-07-27 2020-07-27 计及用能舒适度时变性的商场楼宇调峰容量评估方法

Country Status (1)

Country Link
CN (1) CN111967728B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884242A (zh) * 2021-03-13 2021-06-01 国网山东省电力公司泰安供电公司 一种短流程钢企需求响应潜力分析方法及系统
CN113483479A (zh) * 2021-05-31 2021-10-08 国网浙江省电力有限公司 一种变频空调与储能电池联合的辅助服务方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106960272A (zh) * 2017-02-28 2017-07-18 天津大学 含虚拟储能的楼宇微网多时间尺度优化调度方法
CN110223005A (zh) * 2019-06-21 2019-09-10 清华大学 一种空调负荷供电可靠性评估方法及评估装置
CN110535128A (zh) * 2019-09-05 2019-12-03 东北大学 基于用能舒适度的多区域综合能源系统协同调度方法
CN110912120A (zh) * 2019-11-26 2020-03-24 东北电力大学 考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法
CN111415030A (zh) * 2019-11-19 2020-07-14 广西电网有限责任公司 计及用能舒适度的楼宇能源系统综合需求响应优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106960272A (zh) * 2017-02-28 2017-07-18 天津大学 含虚拟储能的楼宇微网多时间尺度优化调度方法
CN110223005A (zh) * 2019-06-21 2019-09-10 清华大学 一种空调负荷供电可靠性评估方法及评估装置
CN110535128A (zh) * 2019-09-05 2019-12-03 东北大学 基于用能舒适度的多区域综合能源系统协同调度方法
CN111415030A (zh) * 2019-11-19 2020-07-14 广西电网有限责任公司 计及用能舒适度的楼宇能源系统综合需求响应优化方法
CN110912120A (zh) * 2019-11-26 2020-03-24 东北电力大学 考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李作锋 等: "基于日前调度的大规模中央空调调峰方法", 《南方电网技术》 *
郭尊 等: "计及综合需求响应的商业园区能量枢纽优化运行", 《电网技术》 *
靳小龙 等: "融合需求侧虚拟储能系统的冷热电联供楼宇微网优化调度方法", 《中国电机工程学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884242A (zh) * 2021-03-13 2021-06-01 国网山东省电力公司泰安供电公司 一种短流程钢企需求响应潜力分析方法及系统
CN113483479A (zh) * 2021-05-31 2021-10-08 国网浙江省电力有限公司 一种变频空调与储能电池联合的辅助服务方法及系统

Also Published As

Publication number Publication date
CN111967728B (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN109523052B (zh) 一种考虑需求响应和碳交易的虚拟电厂优化调度方法
CN110826815B (zh) 一种考虑综合需求响应的区域综合能源系统运行优化方法
CN110729726B (zh) 一种智慧社区能量优化调度方法和系统
CN109710882B (zh) 一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法
CN111967728B (zh) 计及用能舒适度时变性的商场楼宇调峰容量评估方法
CN111860965A (zh) 考虑储能多类型服务的用户综合能源系统优化调度方法
CN111415030A (zh) 计及用能舒适度的楼宇能源系统综合需求响应优化方法
CN112186755A (zh) 一种区域综合能源系统柔性负荷储能化建模方法
CN113935203B (zh) 一种负荷侧的柔性负荷建模方法及装置
CN115511658A (zh) 一种计及储能装置折损的楼宇能量优化方法
CN115173470A (zh) 一种基于电网调峰的综合能源系统调度方法及系统
CN111211569A (zh) 一种柔性负荷参与电网调峰的优化配置方法
CN112465236B (zh) 一种考虑综合满意度的社区综合能源系统调度方法
CN113315135B (zh) 低碳楼宇优化调度方法、系统、终端及介质
CN110061499B (zh) 一种差异化电源电价下并网型微电网的运行方法
CN113036751A (zh) 一种考虑虚拟储能的可再生能源微电网优化调度方法
CN113158486B (zh) 一种用户端综合能源网络优化控制方法
CN110188993A (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
Hu et al. Demand Response Optimization Strategy for Multi-Level Intelligent Regulation under the Power Internet of Things
Li et al. Research on energy management scheme of commercial buildings cluster considering demand response
CN114221348B (zh) 一种兼顾成本与舒适度的家庭能源管理系统优化运行方法
Yu et al. Peak-shaving capacity assessment of commercial buildings with time-varying energy comfort
Yu et al. Operation analysis of power distribution system considering demand side response of multiple types of flexible loads
Gong et al. Coordinated Optimization Scheduling for Photovoltaic Storage Home Energy Management System Considering User Satisfaction
Gu et al. Energy management strategy of smart residential community considering aggregated air-conditioning loads

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