CN112884358B - 一种电采暖设备有序用电优化调度方法及终端 - Google Patents

一种电采暖设备有序用电优化调度方法及终端 Download PDF

Info

Publication number
CN112884358B
CN112884358B CN202110282005.8A CN202110282005A CN112884358B CN 112884358 B CN112884358 B CN 112884358B CN 202110282005 A CN202110282005 A CN 202110282005A CN 112884358 B CN112884358 B CN 112884358B
Authority
CN
China
Prior art keywords
electric heating
heating equipment
group
load
jth
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
CN202110282005.8A
Other languages
English (en)
Other versions
CN112884358A (zh
Inventor
李小玉
贾伯岩
马天祥
景皓
张姿姿
段昕
姜义虎
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
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
State Grid Hebei Energy Technology Service Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
State Grid Hebei Energy Technology Service 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, Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd, State Grid Hebei Energy Technology Service Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110282005.8A priority Critical patent/CN112884358B/zh
Publication of CN112884358A publication Critical patent/CN112884358A/zh
Application granted granted Critical
Publication of CN112884358B publication Critical patent/CN112884358B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Marketing (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)

Abstract

本发明适用于电力技术领域，提供了一种电采暖设备有序用电优化调度方法及终端，所述方法包括：获取各个电采暖设备的历史负荷数据，并基于历史负荷数据对各个电采暖设备进行聚类，得到多组电采暖设备，以及根据历史负荷数据计算各组电采暖设备的预测负荷；根据各组电采暖设备的预测负荷确定各组电采暖设备的计划负荷削减量；基于各组电采暖设备的预测负荷、计划负荷削减量以及预设的直接负荷控制模型对各个电采暖设备进行用电优化调度。本发明能够在满足用户舒适度的前提下实现电采暖设备的优化调度，降低电网的供电压力。

Description

一种电采暖设备有序用电优化调度方法及终端
技术领域
本发明属于电力技术领域，尤其涉及一种电采暖设备有序用电优化调度方法及终端。
背景技术
随着我国北方城市“煤改电”工程的大规模推广，利用电力取代煤炭，使用电采暖方式向用户供暖，对于治污染、保民生、促发展具有重大意义。
在电能替代项目中，电采暖设备通过将电能转化成热能来满足供暖需求，具有高效节能、环保和安全可靠等优点，成为电采暖中使用较为广泛的设备。然而，由于大规模电采暖设备的使用，冬季用电负荷迅速提升，对低压配电网提出了新的挑战。因此，现有技术亟需一种方法，以对电采暖设备进行用电优化调度，降低电网的供电压力。
发明内容
有鉴于此，本发明实施例提供了一种电采暖设备有序用电优化调度方法及终端，以对电采暖设备进行用电优化调度，降低电网的供电压力。
本发明实施例的第一方面提供了一种电采暖设备有序用电优化调度方法，该方法包括：
获取各个电采暖设备的历史负荷数据，并基于历史负荷数据对各个电采暖设备进行聚类，得到多组电采暖设备，以及根据历史负荷数据计算各组电采暖设备的预测负荷；
根据各组电采暖设备的预测负荷确定各组电采暖设备的计划负荷削减量；
基于各组电采暖设备的预测负荷、计划负荷削减量以及预设的直接负荷控制模型对各个电采暖设备进行用电优化调度。
可选的，对各个电采暖设备进行聚类的方法为SOM聚类算法，计算各组电采暖设备的预测负荷的方法为粒子群-最小二乘支持向量机预测算法。
可选的，直接负荷控制模型的建立方法为：
以各组电采暖设备的实际负荷削减量与计划负荷削减量的偏差之和的最小值为目标建立目标函数；
构建目标函数的约束条件，得到直接负荷控制模型。
可选的，目标函数为：
Figure BDA0002979015870000021
式中，
Figure BDA0002979015870000022
为第i组电采暖设备在t时刻的实际负荷，
Figure BDA0002979015870000023
为第i组电采暖设备在t时刻的预测负荷，
Figure BDA0002979015870000024
为第i组电采暖设备在t时刻的计划负荷削减量。
可选的，第i组电采暖设备在t时刻的实际负荷表示为：
Figure BDA0002979015870000025
式中，
Figure BDA0002979015870000026
为第i组的第j个电采暖设备在t时刻的开关状态，Eij为第i组的第j个电采暖设备的能耗值。
可选的，约束条件为：
Figure BDA0002979015870000027
式中，
Figure BDA0002979015870000028
为第i组的第j个电采暖设备在t时刻的开关状态，
Figure BDA0002979015870000029
为t时刻第i组的第j个电采暖设备对应的室内温度，
Figure BDA00029790158700000210
为第i组的第j个电采暖设备对应的最佳室内温度，ΔTij为预设的温度波动值。
可选的，t时刻各个电采暖设备对应的室内温度的确定方法为：
Figure BDA00029790158700000211
式中，
Figure BDA0002979015870000031
为t-1时刻第i组的第j个电采暖设备对应的室外温度，
Figure BDA0002979015870000032
为单位时段第i组的第j个电采暖设备为室内带来的温升，V(t-1)表示t-1时刻的高斯白噪声，
Figure BDA0002979015870000033
表示离散指数。
可选的，单位时段第i组的第j个电采暖设备为室内带来的温升的计算方法为：
Figure BDA0002979015870000034
式中，
Figure BDA0002979015870000035
为单位时段第i组的第j个电采暖设备的供热量，
Figure BDA0002979015870000036
为单位时段太阳辐射提供的热量，
Figure BDA0002979015870000037
为单位时段室内空气向室外传递的热量，
Figure BDA0002979015870000038
为单位时段室内外热量交换导致室内损失的热量，Cair为空气比热容。
可选的，基于各组电采暖设备的预测负荷、计划负荷削减量以及预设的直接负荷控制模型对各个电采暖设备进行用电优化调度，包括：
将各组电采暖设备的预测负荷以及计划负荷削减量输入至直接负荷控制模型中进行求解，得到各个电采暖设备的开关状态；
基于各个电采暖设备的开关状态对各个电采暖设备进行用电优化调度。
本发明实施例的第二方面提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述电采暖设备有序用电优化调度方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：
本发明针对电采暖设备的特点，采用聚类分析方法，对电采暖设备进行分组，使负荷控制更为简便；根据电采暖设备的用电负荷规律，能够准确推算出各组电采暖设备的预测负荷；进一步，根据各组电采暖设备的预测负荷分析计算各组电采暖设备的计划负荷削减量，基于各组电采暖设备的预测负荷、计划负荷削减量以及预设的直接负荷控制模型对各个电采暖设备进行用电优化调度，能够保证在电采暖设备满足用户舒适度的前提下实现用电资源的优化调度，降低电网的供电压力。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述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是本发明实施例提供的电采暖设备有序用电优化调度方法的实现流程示意图；
图2是本发明实施例提供的电力负荷预测流程示意图；
图3是本发明实施例提供的终端的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
本发明实施例的第一方面提供了一种电采暖设备有序用电优化调度方法，如图1所示，该方法具体包括以下步骤：
步骤S101、获取各个电采暖设备的历史负荷数据，并基于历史负荷数据对各个电采暖设备进行聚类，得到多组电采暖设备，以及根据历史负荷数据计算各组电采暖设备的预测负荷。
可选的，作为本发明实施例提供的电采暖设备有序用电优化调度方法的一种具体的实施方式，对各个电采暖设备进行聚类的方法为SOM聚类算法，计算各组电采暖设备的预测负荷的方法为粒子群-最小二乘支持向量机预测算法。
在本发明实施例中，对电采暖设备进行有序用电优化调度时，将会面对众多可控电采暖设备资源，对每个电采暖设备单独制定优化调度策略不具有实际操作性。由于不同用户的用电负荷之间存在着关联性和相似性，为了减少控制分组数量，本发明根据各个电采暖设备的历史负荷数据对电采暖设备的用能规律进行分析，基于SOM聚类算法对电采暖设备进行聚类，将控制周期相近的电采暖设备划分到同一组，使负荷控制更为简便。
通过聚类分析将电采暖设备聚类为n组后，可以利用粒子群-最小二乘支持向量机模型进行电力负荷的预测，其中，支持向量机是以VC维理论知识和结构风险最小化原则为基础建立起来的一种方法，在进行电力负荷预测时，最小二乘支持向量机算法呈现预测准确性好、收敛时间短、调度参数少的特性，并且容易确定支持向量机的结构；而粒子群算法具有收敛时间短、结构简单、容易应用等特点。
采用粒子群-最小二乘支持向量机预测算法对聚类后的各组电采暖设备进行用能预测，即可得到优化调度前每组电采暖设备的预测负荷Pt i。具体预测流程可以参考图2所示。
步骤S102、根据各组电采暖设备的预测负荷确定各组电采暖设备的计划负荷削减量。
在本发明实施例中，可以结合各组电采暖设备的预测负荷以及电能价格等制定相应的调度计划，进一步根据各组电采暖设备的预测负荷以及调度计划确定各组电采暖设备的计划负荷削减量
Figure BDA0002979015870000051
使电采暖负荷曲线与调度计划贴近。
步骤S103、基于各组电采暖设备的预测负荷、计划负荷削减量以及预设的直接负荷控制模型对各个电采暖设备进行用电优化调度。
可选的，作为本发明实施例提供的电采暖设备有序用电优化调度方法的一种具体的实施方式，直接负荷控制模型的建立方法为：
以各组电采暖设备的实际负荷削减量与计划负荷削减量的偏差之和的最小值为目标建立目标函数；
构建目标函数的约束条件，得到直接负荷控制模型。
可选的，作为本发明实施例提供的电采暖设备有序用电优化调度方法的一种具体的实施方式，目标函数为：
Figure BDA0002979015870000061
式中，
Figure BDA0002979015870000062
为第i组电采暖设备在t时刻的实际负荷，
Figure BDA0002979015870000063
为第i组电采暖设备在t时刻的预测负荷，
Figure BDA0002979015870000064
为第i组电采暖设备在t时刻的计划负荷削减量，n为电采暖设备分组的数量，k为离散的时刻数量，例如以1小时为时间间隔，一天内k的值为24。
可选的，作为本发明实施例提供的电采暖设备有序用电优化调度方法的一种具体的实施方式，第i组电采暖设备在t时刻的实际负荷表示为：
Figure BDA0002979015870000065
式中，
Figure BDA0002979015870000066
为第i组的第j个电采暖设备在t时刻的开关状态，
Figure BDA0002979015870000067
表示电采暖设备状态为受控状态，即为关闭，
Figure BDA0002979015870000068
表示电采暖设备状态为不受控状态，即为开启，Eij为第i组的第j个电采暖设备的能耗值，m为各组电采暖设备中的设备数量。
可选的，作为本发明实施例提供的电采暖设备有序用电优化调度方法的一种具体的实施方式，约束条件为：
Figure BDA0002979015870000069
式中，
Figure BDA00029790158700000610
为第i组的第j个电采暖设备在t时刻的开关状态，
Figure BDA00029790158700000611
为t时刻第i组的第j个电采暖设备对应的室内温度，
Figure BDA00029790158700000612
为第i组的第j个电采暖设备对应的最佳室内温度，ΔTij为第i组的第j个电采暖设备对应的温度波动值。
在本发明实施例中，由于直接负荷控制模型的约束中包含了使用户满意的最佳室内温度以及用户可接受的温度波动范围，因此，本发明能够在保证用户的舒适度的前提下，实现电采暖设备的优化调度，降低电网的供电压力。
可选的，作为本发明实施例提供的电采暖设备有序用电优化调度方法的一种具体的实施方式，t时刻各个电采暖设备对应的室内温度的确定方法为：
Figure BDA0002979015870000071
式中，
Figure BDA0002979015870000072
为t-1时刻第i组的第j个电采暖设备对应的室外温度，
Figure BDA0002979015870000073
为单位时段第i组的第j个电采暖设备为室内带来的温升，V(t-1)是考虑用户随机因素的影响，引入的均值为0的高斯白噪声，
Figure BDA0002979015870000074
表示离散指数。
可选的，作为本发明实施例提供的电采暖设备有序用电优化调度方法的一种具体的实施方式，单位时段第i组的第j个电采暖设备为室内带来的温升的计算方法为：
Figure BDA0002979015870000075
式中，
Figure BDA0002979015870000076
为单位时段第i组的第j个电采暖设备的供热量，
Figure BDA0002979015870000077
为单位时段太阳辐射提供的热量，
Figure BDA0002979015870000078
为单位时段室内空气向室外传递的热量，
Figure BDA0002979015870000079
为单位时段室内外热量交换导致室内损失的热量，
Figure BDA00029790158700000710
为空气比热容。
在本发明实施例中，各个电采暖设备的Qs、Qc、Qv均可按照房屋散热关系及房屋建筑设计标准求得：
Qs＝GsFw
Qc＝Kc(Tin-Tout)
Figure BDA00029790158700000711
其中，Kc为综合传热系数，Kv为综合换热系数，
Figure BDA00029790158700000712
为室外风速，Fw为建筑采光面积，Gs为太阳辐射强度。
可选的，作为本发明实施例提供的电采暖设备有序用电优化调度方法的一种具体的实施方式，基于各组电采暖设备的预测负荷、计划负荷削减量以及预设的直接负荷控制模型对各个电采暖设备进行用电优化调度，包括：
将各组电采暖设备的预测负荷以及计划负荷削减量输入至直接负荷控制模型中进行求解，得到各个电采暖设备的开关状态；
基于各个电采暖设备的开关状态对各个电采暖设备进行用电优化调度。
在本发明实施例中，在与电采暖设备用户签订直接负荷控制协议后，可以获得用户电采暖设备的控制权，并给予这些用户一定的电价折扣或经济补偿。具体的，各用户电采暖设备由配网调度中心中的电采暖负荷控制中心统一管理，采暖分时电价及直接负荷控制补贴由电采暖负荷控制中心统一制定；各用户家中均装有温度传感器和电采暖设备远程控制开关，通过配变智能融合终端配置控制装置，可对配变中包含的所有用户的电采暖设备、温度进行实时采集，并可对用户电采暖设备下达控制指令。
由以上内容可知，本发明针对电采暖设备的特点，采用聚类分析方法，对电采暖设备进行分组，使负荷控制更为简便；根据电采暖设备的用电负荷规律，能够准确推算出各组电采暖设备的预测负荷；进一步，根据各组电采暖设备的预测负荷分析计算各组电采暖设备的计划负荷削减量，基于各组电采暖设备的预测负荷、计划负荷削减量以及预设的直接负荷控制模型对各个电采暖设备进行用电优化调度，由于直接负荷控制模型的约束中包含了使用户满意的最佳室内温度以及用户可接受的温度波动范围，因此，本发明能够在保证用户的舒适度的前提下，实现电采暖设备的优化调度，降低电网的供电压力。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图3是本发明一实施例提供的终端的示意图。如图3所示，该实施例的终端3包括：处理器30、存储器31以及存储在存储器31中并可在处理器30上运行的计算机程序32。处理器30执行计算机程序32时实现上述各个电采暖设备有序用电优化调度方法实施例中的步骤，例如图1所示的步骤S101至S103。
示例性的，计算机程序32可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器31中，并由处理器30执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序32在终端3中的执行过程。
终端3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端3可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端3的示例，并不构成对终端3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端3还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器31可以是终端3的内部存储单元，例如终端3的硬盘或内存。存储器31也可以是终端3的外部存储设备，例如终端3上配备的插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器31还可以既包括终端3的内部存储单元也包括外部存储设备。存储器31用于存储计算机程序以及终端所需的其他程序和数据。存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (3)

1.一种电采暖设备有序用电优化调度方法，其特征在于，包括：
获取各个电采暖设备的历史负荷数据，并基于所述历史负荷数据对各个电采暖设备进行聚类，得到多组电采暖设备，以及根据所述历史负荷数据计算各组电采暖设备的预测负荷；
根据各组电采暖设备的预测负荷确定各组电采暖设备的计划负荷削减量；
基于各组电采暖设备的预测负荷、计划负荷削减量以及预设的直接负荷控制模型对各个电采暖设备进行用电优化调度；
所述根据各组电采暖设备的预测负荷确定各组电采暖设备的计划负荷削减量，包括：
根据各组电采暖设备的预测负荷和电能价格确定相应的调度计划；
根据各组电采暖设备的预测负荷和调度计划确定各组电采暖设备的计划负荷削减量；
所述直接负荷控制模型的建立方法为：
以各组电采暖设备的实际负荷削减量与计划负荷削减量的偏差之和的最小值为目标建立目标函数；
构建所述目标函数的约束条件，得到所述直接负荷控制模型；
所述目标函数为：
Figure FDA0003900193560000011
式中，
Figure FDA0003900193560000012
为第i组电采暖设备在t时刻的实际负荷，Pt i为第i组电采暖设备在t时刻的预测负荷，
Figure FDA0003900193560000013
为第i组电采暖设备在t时刻的计划负荷削减量，n为电采暖设备分组的数量，k为离散的时刻数量；
所述第i组电采暖设备在t时刻的实际负荷表示为：
Figure FDA0003900193560000021
式中，
Figure FDA0003900193560000022
为第i组的第j个电采暖设备在t时刻的开关状态，
Figure FDA0003900193560000023
表示电采暖设备状态为受控状态，即为关闭，
Figure FDA0003900193560000024
表示电采暖设备状态为不受控状态，即为开启，Eij为第i组的第j个电采暖设备的能耗值，m为各组电采暖设备中的设备数量；
所述约束条件为：
Figure FDA0003900193560000025
式中，
Figure FDA0003900193560000026
为t时刻第i组的第j个电采暖设备对应的室内温度，
Figure FDA0003900193560000027
为第i组的第j个电采暖设备对应的最佳室内温度，ΔTij为预设的温度波动值；
t时刻第i组的第j个电采暖设备对应的室内温度的确定方法为：
Figure FDA0003900193560000028
式中，
Figure FDA0003900193560000029
为t-1时刻第i组的第j个电采暖设备对应的室内温度，
Figure FDA00039001935600000210
为t-1时刻第i组的第j个电采暖设备对应的室外温度，
Figure FDA00039001935600000211
为第i组的第j个电采暖设备在t-1时刻的开关状态，
Figure FDA00039001935600000212
为单位时段第i组的第j个电采暖设备为室内带来的温升，V(t-1)表示t-1时刻的高斯白噪声，
Figure FDA00039001935600000213
表示离散指数；
单位时段第i组的第j个电采暖设备为室内带来的温升的计算方法为：
Figure FDA00039001935600000214
式中，
Figure FDA00039001935600000215
为单位时段第i组的第j个电采暖设备的供热量，
Figure FDA00039001935600000216
为单位时段太阳辐射提供的热量，
Figure FDA00039001935600000217
为单位时段室内空气向室外传递的热量，
Figure FDA00039001935600000218
为单位时段室内外热量交换导致室内损失的热量，Cair为空气比热容；
所述基于各组电采暖设备的预测负荷、计划负荷削减量以及预设的直接负荷控制模型对各个电采暖设备进行用电优化调度，包括：
将各组电采暖设备的预测负荷以及计划负荷削减量输入至所述直接负荷控制模型中进行求解，得到各个电采暖设备的开关状态；
基于各个电采暖设备的开关状态对各个电采暖设备进行用电优化调度。
2.如权利要求1所述的电采暖设备有序用电优化调度方法，其特征在于，所述对各个电采暖设备进行聚类的方法为SOM聚类算法，所述计算各组电采暖设备的预测负荷的方法为粒子群-最小二乘支持向量机预测算法。
3.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2任一项所述的电采暖设备有序用电优化调度方法。
CN202110282005.8A 2021-03-16 2021-03-16 一种电采暖设备有序用电优化调度方法及终端 Active CN112884358B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110282005.8A CN112884358B (zh) 2021-03-16 2021-03-16 一种电采暖设备有序用电优化调度方法及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110282005.8A CN112884358B (zh) 2021-03-16 2021-03-16 一种电采暖设备有序用电优化调度方法及终端

Publications (2)

Publication Number Publication Date
CN112884358A CN112884358A (zh) 2021-06-01
CN112884358B true CN112884358B (zh) 2023-01-24

Family

ID=76042711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110282005.8A Active CN112884358B (zh) 2021-03-16 2021-03-16 一种电采暖设备有序用电优化调度方法及终端

Country Status (1)

Country Link
CN (1) CN112884358B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113569366B (zh) * 2021-07-30 2024-02-06 河北华热工程设计有限公司 基于大数据的供热管网优化设计方法及终端设备
CN115935723B (zh) * 2023-03-10 2023-05-30 广东仁懋电子有限公司 用于实现氮化镓制备场景下的设备组合分析方法及系统
CN118208766B (zh) * 2024-05-21 2024-07-19 国网山西省电力公司信息通信分公司 基于煤改电设备的供热系统调节方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106952183A (zh) * 2017-04-24 2017-07-14 武汉大学 一种基于粒子群优化最小二乘支持向量机的短期负荷预测方法
CN107392368A (zh) * 2017-07-17 2017-11-24 天津大学 一种基于气象预报的办公建筑动态热负荷组合预测方法
CN108092264A (zh) * 2017-12-27 2018-05-29 国网浙江省电力有限公司电力科学研究院 一种面向大规模柔性负荷资源的调控系统
CN108988348A (zh) * 2018-07-04 2018-12-11 东南大学 一种大功率缺额下的可控负荷双层调度方法
CN109767047A (zh) * 2019-01-23 2019-05-17 中国电力科学研究院有限公司 一种线性规划负荷调控方法及系统
CN110425706A (zh) * 2019-07-29 2019-11-08 南京理工大学 面向电网削峰的聚合空调负荷调控方法
CN112215472A (zh) * 2020-09-18 2021-01-12 国网电力科学研究院有限公司 一种基于聚类的电采暖负荷响应控制方法和装置
CN112381315A (zh) * 2020-11-26 2021-02-19 广西电网有限责任公司电力科学研究院 一种基于pso优化的ls-svm智能台区负荷预测方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6763193B2 (ja) * 2016-04-28 2020-09-30 富士電機株式会社 需給計画装置、需給計画方法及びプログラム
CN108764587A (zh) * 2018-06-25 2018-11-06 南方电网科学研究院有限责任公司 考虑热电耦合的综合能源系统多时间尺度互动方法及装置
CN112464466B (zh) * 2020-11-24 2023-06-16 国网能源研究院有限公司 一种蓄热式电采暖系统优化调度方法、装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106952183A (zh) * 2017-04-24 2017-07-14 武汉大学 一种基于粒子群优化最小二乘支持向量机的短期负荷预测方法
CN107392368A (zh) * 2017-07-17 2017-11-24 天津大学 一种基于气象预报的办公建筑动态热负荷组合预测方法
CN108092264A (zh) * 2017-12-27 2018-05-29 国网浙江省电力有限公司电力科学研究院 一种面向大规模柔性负荷资源的调控系统
CN108988348A (zh) * 2018-07-04 2018-12-11 东南大学 一种大功率缺额下的可控负荷双层调度方法
CN109767047A (zh) * 2019-01-23 2019-05-17 中国电力科学研究院有限公司 一种线性规划负荷调控方法及系统
CN110425706A (zh) * 2019-07-29 2019-11-08 南京理工大学 面向电网削峰的聚合空调负荷调控方法
CN112215472A (zh) * 2020-09-18 2021-01-12 国网电力科学研究院有限公司 一种基于聚类的电采暖负荷响应控制方法和装置
CN112381315A (zh) * 2020-11-26 2021-02-19 广西电网有限责任公司电力科学研究院 一种基于pso优化的ls-svm智能台区负荷预测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
家庭温控负荷参与需求侧响应的潜力和调控策略研究;王雄;《中国优秀硕士学位论文全文数据库工程科技II辑》;20180715(第07期);摘要，第45-56页 *
考虑状态差异性聚类的空调负荷直接负荷控制动态优化方法;徐青山 等;《电力系统自动化》;20160725;第40卷(第14期);第33-42页 *
负荷聚合商的多家庭用电能量控制与管理策略;黄海涛 等;《电力建设》;20180131;第39卷(第1期);第54-60页 *

Also Published As

Publication number Publication date
CN112884358A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN112884358B (zh) 一种电采暖设备有序用电优化调度方法及终端
CN112467722A (zh) 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
CN110486793B (zh) 一种基于热网五级监控的智能分析调度方法及系统
CN107221965B (zh) 一种基于分布式设计的日前计划计算方法
CN114626643A (zh) 智慧城市政府供电调控方法、物联网系统、装置及介质
JP7178478B2 (ja) 分散予測によって電力網を最適化するための技術
CN111864742B (zh) 一种主动配电系统扩展规划方法、装置及终端设备
CN111199065B (zh) 零能耗建筑设计方法、装置及终端设备
CN113191558A (zh) 综合能源系统优化调度方法、装置及终端
Shi et al. Optimization of electricity consumption in office buildings based on adaptive dynamic programming
Gomes et al. Contextual intelligent load management with ANN adaptive learning module
CN116822719A (zh) 一种配电网的多目标规划方法及装置
CN114156951B (zh) 一种源网荷储系统的控制优化方法和装置
CN112212475A (zh) 室温调节方法、系统、中央控制设备及存储介质
CN117424293A (zh) 一种智能风力预测与调度方法及系统
CN117490481B (zh) 冷却系统的冷却塔控制方法、装置、设备和存储介质
CN117172486A (zh) 一种基于强化学习的虚拟电厂光储资源聚合调控方法
CN113327029A (zh) 一种写字楼能源策略生成方法及系统
CN110535143B (zh) 面向智能住宅动态需求响应的能源管理方法和装置
CN117132062A (zh) 一种差异化建筑集群与微网协同优化调度方法及装置
CN116862172A (zh) 一种全周期变时段有序用电调度方法及存储介质
CN112821456B (zh) 基于迁移学习的分布式源-储-荷匹配方法及装置
CN113887127B (zh) 一种基于建筑物热惰性的虚拟电厂优化调度方法及系统
Zhang et al. A distributed coevolution algorithm for black box optimization of demand response
CN113644682A (zh) 高渗透有源配电网多台区协同管控方法、装置和终端设备

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