CN112994036B - 一种基于模型预测的温控负荷参与微电网调控方法及系统 - Google Patents

一种基于模型预测的温控负荷参与微电网调控方法及系统 Download PDF

Info

Publication number
CN112994036B
CN112994036B CN202110140436.0A CN202110140436A CN112994036B CN 112994036 B CN112994036 B CN 112994036B CN 202110140436 A CN202110140436 A CN 202110140436A CN 112994036 B CN112994036 B CN 112994036B
Authority
CN
China
Prior art keywords
load
model
control
temperature
grid
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
CN202110140436.0A
Other languages
English (en)
Other versions
CN112994036A (zh
Inventor
董密
高涵
李力
黄未名
杨建�
宋冬然
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.)
Central South University
Original Assignee
Central South 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 Central South University filed Critical Central South University
Priority to CN202110140436.0A priority Critical patent/CN112994036B/zh
Publication of CN112994036A publication Critical patent/CN112994036A/zh
Application granted granted Critical
Publication of CN112994036B publication Critical patent/CN112994036B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241The oscillation concerning frequency
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/26Arrangements for eliminating or reducing asymmetry in polyphase networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02BCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225Demand response systems, e.g. load shedding, peak shaving
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/50Arrangements for eliminating or reducing asymmetry in polyphase networks
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S20/00Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20End-user application control systems
    • Y04S20/222Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供了一种基于模型预测的温控负荷参与微电网调控方法及系统,该方法通过温控负荷描述步骤以温控负荷的基本物理模型为基础,结合设定的影响因素约束,构建描述设定区域集群负荷性能的负荷聚合模型;通过电网模型确定步骤基于负荷聚合模型构建温控负荷参与互联微电网的系统结构模型,并确定对应的微电网系统控制数学模型;进而通过预测控制步骤综合负荷聚合模型和系统控制数学模型,引入模型预测控制机制,依据设定的优化约束策略设计互联微电网系统的调频控制器。采用上述调控方案,能够克服现有调控技术中对需求侧影响大以及调频效率低的问题,控制对需求侧的影响且充分发挥温控负荷的潜力的同时,扩展了需求侧负荷的状态灵活性。

Description

一种基于模型预测的温控负荷参与微电网调控方法及系统
技术领域
本发明涉及电力系统控制技术领域,尤其涉及一种基于模型预测的温控负荷参与微电网调控方法及系统。
背景技术
微电网是由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统,其提出旨在实现分布式电源的灵活、高效应用,解决数量庞大、形式多样的分布式电源并网问题。开发微电网能够充分促进分布式电源与可再生能源的大规模接入,实现对负荷多种能源形式的高可靠供给,有助于实现传统电网向智能电网的过渡发展。
微电网中有效集成了各类分布式电源、储能以及负荷,可以实现对局部区域的灵活、可靠、经济供电,因此微电网技术成为近年来新能源领域的研究热点。但是,微电网中大量分布式电源常采用电力电子设备作为并网接口,基于可再生能源发电的分布式电源输出功率的间歇性和负载功率的多变性增加了微电网频率调节的难度。实际应用中,在微电网系统中,发电与负载的差异会导致系统频率偏离其期望值,为了维持电网稳定,使系统频率维持在合理的值去,且保障各区域系统的运行性能均衡,现有的电网控制策略中主要通过改变发电机的出力,平衡负荷功率的变化。然而,柴油发电机组响应时间长,机组爬坡速率低,难以满足新能源并网带来的要求。因此,需要新的方法来改善电网的动态响应能力,满足电网的稳定调频要求。
随着电力系统向智能电网方向的快速发展,现代控制以及通信技术为需求侧管理(Demand-side management,DSM)技术的兴起及应用奠定了基础,该领域中,由于温控负荷具有较大的可调节容量,部分温控负荷响应的惯性常数较小,理论上可以有效的保障电力系统的调频速度,因此,参与需求侧管理的负荷一般是温控负荷,该负荷可以根据电网的需求,在一定范围内调节用电量,如部分商业、居民负荷中的空调、电热水器、冰箱等。但是要想通过调节温控负荷实现对电力系统的频率稳定控制,需要合理控制对需求侧的影响,因此需要提供一种能够同时兼顾系统调频稳定性和效率以及需求侧影响最小化的微电网调控技术。
发明内容
为解决上述问题,本发明提供了一种基于模型预测的温控负荷参与微电网调控方法,在一个实施例中,所述方法包括:
温控负荷描述步骤、以温控负荷的基本物理模型为基础,结合设定的影响因素约束构建用于描述设定区域集群温控负荷性能的负荷聚合模型;
电网模型确定步骤、基于目标互联区域的负荷聚合模型构建温控负荷参与互联微电网的系统结构模型,并确定该微电网系统对应的微电网系统控制数学模型;
预测控制步骤、综合互联微电网系统对应的负荷聚合模型和系统控制数学模型,引入模型预测控制机制,依据设定的优化约束策略设计互联微电网系统的调频控制器。
优选地,一个实施例中,在所述温控负荷描述步骤中,利用一阶等效热参数模型作为温控负荷的基本物理模型,设置温控负荷的响应速度为影响因素,构建所述负荷聚合模型。
进一步地,一个实施例中,所述温控负荷描述步骤中,还包括:设置温控负荷的调节功率以及温控负荷用户侧温度的边界值作为影响因素约束。
一个实施例中,在确定所述微电网系统控制数学模型的过程中,用区域控制误差表征互联微电网系统中负荷和发电机之间的功率匹配程度,分析确定温控负荷参与互联微电网的状态空间模型,作为该微电网系统的控制数学模型。
具体地,一个实施例中,通过下式描述互联微电网系统的区域控制误差:
Figure GDA0003024037140000021
其中,
Figure GDA0003024037140000022
为发电机组的转动惯量,Pdgi为发电机功率,Pdi为电网扰动,Ptie为联络线功率,ωi为电网频率,Bi为区域误差系数。
一个实施例中,在所述预测控制步骤中,基于以下原则设计互联微电网系统的模型预测状态方程,作为调频控制器:
在考虑柴油发电机组的发电机速率约束,发电机组控制输入约束,温控负载的控制输入约束和温度约束的基础上,控制发电机功率变化量与温控负荷功率变化量的值,使微电网的区域频率偏差及联络线偏差满足设定的数值要求。
进一步地,一个实施例中,在所述预测控制步骤中,基于当前时刻的状态量和干扰量,使用二次规划方式所述模型预测状态方程对应的目标函数进行求解,获取满足要求的各控制量。
具体地,将求解得到的最佳控制量用作互联微电网系统当前时刻的控制信号,预测获取未来设定时刻的状态量。
基于上述任意一个或多个实施例中所述的基于模型预测的温控负荷参与微电网调控方法,本发明还保护一种存储介质,该存储介质上存储有可实现如上述任意一个或多个实施例中所述方法的程序代码。
基于上述任意一个或多个实施例中所述微电网调控方法的其他方面,本发明还提供一种基于模型预测的温控负荷参与微电网调控系统,该系统包括:
温控负荷描述模块,其配置为以温控负荷的基本物理模型为基础,结合设定的影响因素约束构建用于描述设定区域集群温控负荷性能的负荷聚合模型;
电网模型确定模块,其配置为基于目标互联区域的负荷聚合模型构建温控负荷参与互联微电网的系统结构模型,并确定该微电网系统对应的微电网系统控制数学模型;
预测控制模块,其配置为综合互联微电网系统对应的负荷聚合模型和系统控制数学模型,引入模型预测控制机制,依据设定的优化约束策略设计互联微电网系统的调频控制器。
与最接近的现有技术相比,本发明还具有如下有益效果:
本发明提供的一种基于模型预测的温控负荷参与微电网调控方法,基于考虑优化影响因素约束的温控负荷聚合模型确定温控负荷参与互联微电网的系统控制数学模型,引入模型预测控制机制设计互联微电网系统的调频控制器,得到的调频控制器以区域控制偏差作为预测控制器的输入,将电动机与恒温负荷的功率变化量作为输出,同时考虑了发电率和用户侧室内温度变化等约束,能够有效改善现有调控技术中对需求侧影响大以及调频效率低的问题,使微电网系统的负荷稳定恢复均衡的同时,扩展了需求侧温控负荷的参与状态灵活性,涉及的温控负荷的初始状态不需要全部处于开通状态,充分发挥温控负荷的潜力,进一步提高微电网系统的频率调节能力。
本发明的其它特征和优点将在随后的说明书中阐述,并且部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一实施例中基于模型预测的温控负荷参与微电网调控方法的流程示意图;
图2是本发明实施例提供的中微电网调控方法的温控负荷模型的等效电路示意图;
图3是本发明实施例中微电网调控方法的两区域互联微电网系统模型示例图;
图4是本发明一实施例提供的微电网调控方法的仿真验证过程中的负荷扰动曲线图;
图5是本发明实施例提供的微电网调控方法的仿真验证过程中的联络线功率响应曲线图;
图6是本发明实施例中微电网调控方法的仿真验证过程中的频率偏差响应曲线图;
图7是本发明实施例提供的微电网调控方法的仿真验证过程中的发电机响应曲线图;
图8是本发明实施例中微电网调控方法的仿真验证过程中的温控负荷响应曲线图;
图9是本发明实施例提供的微电网调控方法的仿真验证过程中的室内温度变化曲线图;
图10是本发明实施例提供的基于模型预测的温控负荷参与微电网调控系统的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此本发明的实施人员可以充分理解本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程并依据上述实现过程具体实施本发明。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
虽然流程图将各项操作描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。各项操作的顺序可以被重新安排。当其操作完成时处理可以被终止,但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
计算机设备包括用户设备与网络设备。其中,用户设备或客户端包括但不限于电脑、智能手机、PDA等;网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云。计算机设备可单独运行来实现本发明,也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制,使用这些术语仅仅是为了将一个单元与另一个单元进行区分。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。当一个单元被称为“连接”或“耦合”到另一单元时,其可以直接连接或耦合到所述另一单元,或者可以存在中间单元。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指,否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是,这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在,而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
微电网有效集成了各类分布式电源、储能以及负荷,可以实现对局部区域的灵活、可靠、经济供电,微电网技术成为近年来新能源领域的研究热点。微电网中大量分布式电源常采用电力电子设备作为并网接口,基于可再生能源发电的分布式电源输出功率的间歇性和负载功率的多变性增加了微电网频率调节的难度。在微电网系统中,发电与负载的差异会导致系统频率偏离其期望值,为了维持电网稳定,通常采用负荷频率控制(Loadfrequency control,LFC)的方式,维持系统频率为额定值并使区域控制偏差(Areacontrol error,ACE)恢复为零。传统的控制方式主要通过改变发电机的出力,平衡负荷功率的变化。然而,柴油发电机组响应时间长,机组爬坡速率低,难以满足新能源并网带来的要求。因此,需要新的方法来改善电网的动态响应能力,满足电网的调频要求。
随着智能电网的快速发展,现代控制以及通信技术为需求侧管理(Demand-sidemanagement,DSM)技术的兴起及应用奠定了基础,近几年,DSM被认为是最具有潜力的技术。参与DSM的负荷一般是温控负荷,该负荷可以根据电网的需求,在一定范围内调节用电量,如部分商业、居民负荷中的空调、电热水器、冰箱等。集群的温控负荷具有较大的可调节容量,温控负荷响应的惯性常数较小,可以有效的提高电力系统的调频速度。但是需要控制在适当的范围内调整部分温控负荷的功耗,对电网辅助调频,以控制对用户侧的舒适度影响不大。
现有技术中,在DSM的范围内,有研究人员提出将恒温负荷用于跟踪微电网功率变化的可能性,以及分析可中断负荷的参与对电网调频影响的技术,结果表明在电网负荷突变时,可中断负荷可以较快地提供有功功率,恢复电网频率稳定。然而,上述技术中并未考虑中断负荷对负荷侧造成的影响。
另有研究人员提出了一种基于家居温控负荷的需求侧分散控制策略,该策略发挥了温控负荷的响应特性,进行调控令电网频率恢复稳定性,但是该方法并未考虑微电网系统的调频速度,电网恢复稳定需要的时间较长,无法满足微电网调控工作的要求。
在电力系统调频过程中,温控负荷调频控制器的设计时,要想同时兼顾微电网的稳定性与负荷侧的舒适度,需要处理诸多约束问题,而传统的控制方式会产生积分环节饱和等现象,影响系统的动态性能,为了解决该问题,本发明研究人员考虑到可以采用模型预测控制来解决具有约束的最优控制问题。
综上所述,为了解决现有电网调控技术中的问题,本发明提出一种基于模型预测的温控负荷参与微电网调频方法。该方法采用模型预测MPC(Model Predictive Control)控制机制,基于构建的集群温控负荷的聚集模型以及互联区域电力系统的负荷频率控制模型,以区域控制偏差作为预测控制器的输入,将电动机与恒温负荷的功率变化量作为输出,同时考虑了发电率和用户侧室内温度变化等约束。此外,本方法使用的温控负荷的初始状态不需要全部处于开通状态,当电网负载大量切出电网时,可以充分发挥温控负荷的潜力,提高微电网系统的频率调节能力。
实施例一
家居温控负荷单台容量小、分布广、控制难度大,但是其总数量庞大、聚合容量大,实际应用时,单个温控负荷的热力学模型是建立聚集模型和控制方案的基础,本发明实施例基于单个温控负荷的等效热参数模型构建需求侧设定区域内集群负荷的聚集热力学模型,进而构建对应的互联区域微电网系统模型,并考虑设定的约束因素设计基于模型预测的温控负荷系统控制策略。
接下来基于附图详细描述根据本发明实施例的方法的详细流程,附图的流程图中示出的步骤可以在包含诸如一组计算机可执行指令的计算机系统中执行。虽然在流程图中示出了各步骤的逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1示出了本发明实施例一提供的基于模型预测的温控负荷参与微电网调控方法的流程示意图,参照图1可知,该方法包括如下步骤。
温控负荷描述步骤、以温控负荷的基本物理模型为基础,结合设定的影响因素约束构建用于描述设定区域集群温控负荷性能的负荷聚合模型;
电网模型确定步骤、基于目标互联区域的负荷聚合模型构建温控负荷参与互联微电网的系统结构模型,并确定该微电网系统对应的微电网系统控制数学模型;
预测控制步骤、综合互联微电网系统对应的负荷聚合模型和系统控制数学模型,引入模型预测控制机制,依据设定的优化约束策略设计互联微电网系统的调频控制器。
单个温控负荷的基本物理模型是建立聚集模型和控制方案的基础,在一个实施例中,本发明利用一阶等效热参数(热力学)模型作为温控负荷的基本物理模型,设置温控负荷的响应速度为影响因素,构建所述负荷聚合模型。
在所述温控负荷描述步骤中,对于温控负荷的基本物理模型,本发明实施例忽略建筑物墙体温度差对室温的影响,采用了一阶等效热参数(ETP)模型描述单个温控负荷的热力学模型,并考虑了该温控负荷的响应速度,图2示出了温控负荷模型的等效电路,该模型常用于描述为住宅或小型建筑供暖的负荷的动态变化。具体的,图中两黑点分别表示t时刻的室内温度Tin和室外温度Tout(℃),R和C是建筑的热阻(℃/W)和热容(J/℃),Qh表示温控负荷h的制冷能量。
结合附图2中的电路结构信息,将温控负荷的一阶等效热参数模型表示为:
Figure GDA0003024037140000071
其中Qh(t)=Ptcahηh,ηh代表第h个温控负荷的能量转化效率。
本发明研究人员在分析过程中,考虑了温控负荷响应速度因素的影响,因此有:
温控负荷的响应模型为:
Figure GDA0003024037140000072
上式属于温控负荷一阶模型
Figure GDA0003024037140000073
的传递函数;
其中,T是对应温控负荷的响应时间常数,r(t)是温控负荷的输入功率,c(t)是温控负荷的输出功率,Ptcah是第h个温控负荷的功率,Ttcah是温控负荷响应时间常数,utach是温控负荷的控制量。
考虑到温度调节时对人体舒适度的影响,对室内温度进行调节时,需要对温度的变化进行约束。在一个实施例中,所述温控负荷描述步骤中,还包括:设置温控负荷的调节功率以及温控负荷用户侧温度的边界值作为影响因素约束。
温控负荷的最大可调节功率约束为:
tcah≤ΔPtcah≤μtcah (3)
μtcai是温控负荷的最大可调节功率。
当电网负载突增,需要关闭恒温电器或调节恒温电器的功率,降低室内温度时,最低温度不应低于t-。反之,当电网负载突减,需要启动恒温电器或调节恒温电器功率,升高室内温度时,最高温度不应高于t+。即:
Figure GDA0003024037140000074
进一步地,针对引入温控负荷参与调控的微电网系统基于负荷频率控制(LFC)理论构建对应的微电网系统控制数学模型,本发明实施例以典型的两区域模型负荷频率控制为例,这些区域通过联络线进行连接,在每个区域中都加入了温控负荷。
本发明实施例中,对于所述电网模型确定步骤,在确定所述微电网系统控制数学模型的过程中,用区域控制误差表征互联微电网系统中负荷和发电机之间的功率匹配程度,分析确定温控负荷参与互联微电网的状态空间模型,作为该微电网系统的控制数学模型。
具体地,在建立微电网模型的过程中,将区域i的发电机与负荷的模型描述为:
Figure GDA0003024037140000081
微电网的区域频率偏差为:
Figure GDA0003024037140000082
发电机功率动态变化率为:
Figure GDA0003024037140000083
调速器动态变化率为:
Figure GDA0003024037140000084
当微电网的电力系统有多个区域时,区域i与j之间交换的有功功率偏差变化率为:
Figure GDA0003024037140000085
式中,ΔPdgi表示发电机功率变化量,ΔPdi表示电网扰动变化量,ΔPtie表示电网系统的联络线功率变化量,Δωi电网频率的变化量。
本发明实施例采用区域控制偏差(ACE)信号表示区域负荷和发电机之间的功率的匹配程度,通过表达式描述互联微电网系统的区域控制误差,即区域控制偏差信号表示为:
Figure GDA0003024037140000086
实际情况下,柴油发电机组的发电机速率不应该超过最大约束,因此有:
Figure GDA0003024037140000087
除此之外,控制功率也应当被限制在一定范围之内:
Figure GDA0003024037140000089
上述公式中,
Figure GDA0003024037140000088
为发电机组的转动惯量;Di为电力系统负荷阻尼系数;Pdgi为发电机功率;Pdi为电网扰动;Ptie为联络线功率;ωi为电网频率;TCHi为发电机时间常数;TGi为调速器时间常数;
Figure GDA0003024037140000093
为调差系数;Pvi为调速器功率;Ti,j为区域i,j之间的联络线系数;udgi为控制输入信号;Bi为区域误差系数;
Figure GDA0003024037140000094
为最大发电机速率;
Figure GDA0003024037140000095
为最大控制功率。根据上述分析和推导,建立如图3所示两区域互联微电网系统模型。
结合图3中所示的微电网系统模型,考虑设定的各个约束因素,建立有温控负荷参与的微电网系统数学模型,其表征微电网系统的状态空间方程,如下:
Figure GDA0003024037140000091
Figure GDA0003024037140000092
针对模型预测控制(MPC),其是一种多变量控制策略,属于进阶过程控制方法,该控制策略可应用于线性和非线性系统,其相对于只能够考虑输入输出变量约束的传统控制策略而言,如LQR控制或PID控制,MPC可以考虑空间状态变量的各种约束。
为解决传统微电网调频策略响应速度慢,可靠性差等问题,本发明实施例提供的调频方案,通过设计适用于双区域电力系统的分散式模型预测控制器控制微电网的调频响应,具体地以区域控制偏差为模型预测控制器的输入量,温控负荷功率变化量与发电机功率变化量为输出量,充分利用了温控负荷的调频潜力,通过需求侧管理,辅助发电机组改善微电网的动态调频性能。
在多区域电力系统中,当某一区域的负荷发生变化时,将导致该区域的频率发生变化,并通过联络线,引起所有区域的瞬时频率发生变化。在一个实施例中,本发明研究人员设计了带有温控负荷的,具有状态约束和输入约束的,双区域电力系统的分散式模型控制预测器,并给出了该控制器的相关设计过程。控制器通过控制控制发电机功率变化量(ΔPdgi)与温控负荷功率变化量(ΔPtcai)的值,使微电网的区域频率偏差及联络线偏差满足设定的数值要求。同时本发明实施例还考虑柴油发电机组的发电机速率约束,发电机组控制输入约束,温控负载的控制输入约束和温度约束。
因此有,一个实施例中,对于所述预测控制步骤,本发明基于以下原则设计互联微电网系统的模型预测状态方程,作为调频控制器:
在考虑柴油发电机组的发电机速率约束,发电机组控制输入约束,温控负载的控制输入约束和温度约束的基础上,控制ΔPdgi与ΔPtcai的值,使微电网的区域频率偏差Δωi及联络线偏差
Figure GDA0003024037140000101
为0。
以下对本发明实施例中所设计模型预测控制器的设计分析过程进行说明:
首先,将互联微电网系统的数学模型离散化处理,得到如下离散状态空间方程:
Figure GDA0003024037140000102
以k时刻为当前时刻,对未来k+p时刻的状态量进行预测:
Figure GDA0003024037140000103
基于类似的原理,对未来k+p时刻的被控输出进行预测:
Figure GDA0003024037140000104
Figure GDA0003024037140000105
Figure GDA0003024037140000106
Figure GDA0003024037140000111
其中,
Figure GDA0003024037140000112
表示系统在未来p步(k+p时刻)的预测状态,
Figure GDA0003024037140000113
表示系统在未来p步的被控输出状态预测量。
综上所述,本发明实施例研究微电网系统的模型预测控制MPC状态方程可以表示如下:
Figure GDA0003024037140000114
其中:
Figure GDA0003024037140000115
Figure GDA0003024037140000116
实际应用时,当微电网系统中存在大量负载切出时,系统频率与ACE信号随之发生变化,采用上述模型控制器通过调整发电机与温控负荷的输出,充分发挥温控负荷的潜力,实现对系统频率与区域控制偏差信号的调节,从而快速消除频率偏差。该问题转化为一个优化问题,采用如下目标函数公式表达:
Figure GDA0003024037140000117
式中,r(k+1)表示目标设定值,Δu(k+i-1)表示控制输入的变化值,Q与P分别为对应的正定加权矩阵,可以根据需求选择适合的取值,可以通过调整加权矩阵的参数,达到想要的响应性能。在一个可选的实施例中,本发明控制器的参数设置为,Q1=Q2=1000,P1=P2=dig(1,1)。
将上述约束(3)、(4)、(11)、(12)转化为与输入量相关的形式,本发明的调频问题转换为如下式的求解形式:
Figure GDA0003024037140000121
在一个实施例中,采用二次规划方式所述模型预测状态方程对应的目标函数进行求解,获取满足要求的各控制量。
进一步地,在一个优选的实施例中,将求解得到的最佳控制量用作互联微电网系统当前时刻的控制信号,预测获取未来设定时刻的状态量。具体地,实际应用时,互联微电网系统中各个区域中会有一个对应的模型预测控制器,第i个区域中的模型表示为第i个预测控制器,对于第i个控制器,通过以下各阶段算法处理本发明的调频控制问题:
1.初始化阶段:按照给定的采样时刻,更新采集到的状态量与干扰量;
2.优化求解阶段:使用二次规划方法求解上述公式(20),并获得最佳控制顺序;
3.分配阶段:将求解后的第一个控制量用作当前的控制信号;
4.预测阶段:对设定未来时刻的状态量进行预测;
5.执行阶段:基于当前的控制信号执行控制,并令采样递增,并返回执行第一阶段的算法。
进一步地,为了验证本发明基于模型预测的温控负荷参与微电网调控策略的控制效果,本发明实施例中还包括仿真验证步骤,该步骤中通过搭建与微电网系统模型对应的仿真模型,作为对比,还设计了双区域电力系统的PI控制模型和不带温控负荷的模型预测控制模型,引入设定的验证温控负荷和干扰信号,检验本发明实施例中调频方案的有效性;
具体地,一个实施例中,本发明通过在Matlab\simulink平台搭建与微电网系统模型对应的仿真模型,通过仿真实验,验证了所提微电网调频策略的有效性,以联络线功率偏差为控制目标的双区域电力系统为例。针对搭建的仿真模型以及作为对比的还设计了双区域电力系统的PI控制模型和不带温控负荷的模型预测控制模型,均选取1000个空调负荷作为参与调频的温控负荷,设置室内初始温度与室外相同为16℃(室内初始温度与室外温度可以任意选取,本文为了仿真结果的统一性,选取相同的初始温度),选取基准功率为1000MW。模型预测控制器的预测时间设置为Tp=15s,采样时间设置为T=1s。
验证过程中,仿真模型参数如下:D1=2,D2=2.75,
Figure GDA0003024037140000122
Figure GDA0003024037140000123
Tch1=50,Tch2=10,TG1=40,TG2=25,B1=B2=1,T12=7.54。在设定测试区域中给定阶跃负荷扰动,ΔPd1=-0.05,对应的微电网系统的负荷动态响应曲线如图4-图9所示。
由图4~图6中的信息可以看出,当测试区域加入阶跃扰动后,在不带温控负荷的MPC下,联络线功率偏差最大值达到了0.05pu,测试区域的频率偏差最大值超过了0.01Hz,在100s左右,测试区域的频率恢复稳定;在传统PID控制下,测试区域的联络线偏差最大值也接近0.05pu,测试区域的频率偏差最大值也超过了0.01Hz,在140s左右频率才恢复稳定,且最终依旧存在微小的偏差。在本发明实施例所提出的方法控制下,联络线功率偏差最大值不到0.03pu,频率偏差最大值低于0.01Hz,且在频率恢复的过程中不产生超调,恢复稳定的时间更短。这是因为在扰动发生时,温控负荷提供了部分功率,有效的抑制了偏差量的继续增大。
由图7和图8中的信息可以看出,发生扰动后,在本发明实施例所提出的方法控制下,处于关断状态的温控负荷迅速响应,辅助发电机调频,随着发电机动作,ACE不断减少,同时温控负荷功率逐渐减少,直到最后调频结束,温控负荷恢复到初始状态;与此同时,根据图9中的信息可以看出,在温控负荷作用的同时,室内温度的最大值被限制在了22℃。对于其他控制方式,虽然最后频率与区域误差可以恢复稳定,但是调节时间较长,调频稳定性和性能都不如本发明提出的控制方法,由此可见,基于模型预测的温控负荷参与微电网调控策略,与传统调频方式相比,有助于降低系统超调,加快响应速度,增强了系统的稳定性,能够更好地保障微电网系统的调频响应性能。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
本发明实施例提供的基于模型预测的微电网调频方法,指导了温控负荷在微电网调控中的应用。相比于传统的调频方法,采用模型预测控制,根据区域控制偏差ACE及其变化率的大小控制温控负荷的输出,对减小系统频率和联络线功率偏差及降低超调优化有明显的作用,且加快了恢复稳定的时间,从而显著改善微电网系统调频的动态性能。
需要指出的是,在本发明的其他实施例中,该方法还可以通过将上述实施例中的某一个或某几个进行结合来得到新的微电网调频方法,以实现对微电网电力系统的预测调控。
进一步地,在一个实施例中,基于本发明上述任意一个或多个实施例中的方法,本发明还提供一种存储介质,该存储介质上存储有可实现如述任意一个或多个实施例中所述方法的程序代码,该代码被操作系统执行时能够实现如上所述的基于模型预测的温控负荷参与微电网调频方法。
实施例二
上述本发明公开的实施例中详细描述了方法,对于本发明的方法可采用多种形式的装置或系统实现,因此基于上述任意一个或多个实施例中所述方法的其他方面,本发明还提供一种基于模型预测的温控负荷参与微电网调控系统,该系统用于执行上述任意一个或多个实施例中所述的基于模型预测的温控负荷参与微电网调控方法。下面给出具体的实施例进行详细说明。
具体地,图10中示出了本发明实施例中提供的基于模型预测的温控负荷参与微电网调控系统的结构示意图,如图10所示,该系统包括:
温控负荷描述模块,其配置为以温控负荷的基本物理模型为基础,结合设定的影响因素约束构建用于描述设定区域集群温控负荷性能的负荷聚合模型;
电网模型确定模块,其配置为基于目标互联区域的负荷聚合模型构建温控负荷参与互联微电网的系统结构模型,并确定该微电网系统对应的微电网系统控制数学模型;
预测控制模块,其配置为综合互联微电网系统对应的负荷聚合模型和系统控制数学模型,引入模型预测控制机制,依据设定的优化约束策略设计互联微电网系统的调频控制器。
一个优选的实施例中,所述温控负荷描述模块进一步配置为:利用一阶等效热参数模型作为温控负荷的基本物理模型,设置温控负荷的响应速度为影响因素,构建所述负荷聚合模型。
进一步地,在一个实施例中,所述温控负荷描述模块,还配置为:设置温控负荷的调节功率以及温控负荷用户侧温度的边界值作为影响因素约束。
具体地,一个实施例中,通过所述电网模型确定模块确定所述微电网系统控制数学模型时,用区域控制误差表征互联微电网系统中负荷和发电机之间的功率匹配程度,分析确定温控负荷参与互联微电网的状态空间模型,作为该微电网系统的控制数学模型。
其中,通过下式描述互联微电网系统的区域控制误差:
Figure GDA0003024037140000141
其中,
Figure GDA0003024037140000142
为发电机组的转动惯量,Pdgi为发电机功率,Pdi为电网扰动,Ptie为联络线功率,ωi为电网频率,Bi为区域误差系数。
一个实施例中,所述预测控制模块,配置为基于以下原则设计互联微电网系统的模型预测状态方程,作为调频控制器:
在考虑柴油发电机组的发电机速率约束,发电机组控制输入约束,温控负载的控制输入约束和温度约束的基础上,控制发电机功率变化量与温控负荷功率变化量的值,使微电网的区域频率偏差及联络线偏差满足设定的数值要求。
具体地,在一个实施例中,所述预测控制模块,基于当前时刻的状态量和干扰量,使用二次规划方式所述模型预测状态方程对应的目标函数进行求解,获取满足要求的各控制量。
进一步地,优选地,一个实施例中,所述电网模型确定模块将求解得到的最佳控制量用作互联微电网系统当前时刻的控制信号,预测获取未来设定时刻的状态量。
为了验证本发明基于模型预测的温控负荷参与微电网调控策略的控制效果,本发明实施例中还包括仿真验证模块,其配置为通过搭建与微电网系统模型对应的仿真模型,作为对比,还设计了双区域电力系统的PI控制模型和不带温控负荷的模型预测控制模型,引入设定的验证温控负荷和干扰信号,检验本发明实施例中调频方案的有效性。
本发明实施例提供的基于模型预测的温控负荷参与微电网调控系统中,各个模块或单元结构可以根据实际分析和调控需求独立运行或组合运行,以实现相应的技术效果。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而不意味着限制。
说明书中提到的“一实施例”意指结合实施例描述的特定特征、结构或特征包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一实施例”并不一定均指同一个实施例。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。

Claims (8)

1.一种基于模型预测的温控负荷参与微电网调控方法,其特征在于,所述方法包括:
温控负荷描述步骤、以温控负荷的基本物理模型为基础,结合设定的影响因素约束构建用于描述设定区域集群温控负荷性能的负荷聚合模型;
电网模型确定步骤、基于目标互联区域的负荷聚合模型构建温控负荷参与互联微电网的系统结构模型,并确定该微电网系统对应的微电网系统控制数学模型;
预测控制步骤、综合互联微电网系统对应的负荷聚合模型和系统控制数学模型,引入模型预测控制机制,依据设定的优化约束策略设计互联微电网系统的调频控制器;
在所述预测控制步骤中,基于以下原则设计互联微电网系统的模型预测状态方程,作为调频控制器:
在考虑柴油发电机组的发电机速率约束,发电机组控制输入约束,温控负载的控制输入约束和温度约束的基础上,控制发电机功率变化量与温控负荷功率变化量的值,使微电网的区域频率偏差及联络线偏差满足设定的数值要求;
其中,基于当前时刻的状态量和干扰量,使用二次规划方式所述模型预测状态方程对应的目标函数进行求解,获取满足要求的各控制量。
2.根据权利要求1所述的方法,其特征在于,在所述温控负荷描述步骤中,利用一阶等效热参数模型作为温控负荷的基本物理模型,设置温控负荷的响应速度为影响因素,构建所述负荷聚合模型。
3.根据权利要求2所述的方法,其特征在于,所述温控负荷描述步骤中,还包括:设置温控负荷的调节功率以及温控负荷用户侧温度的边界值作为影响因素约束。
4.根据权利要求1所述的方法,其特征在于,在确定所述微电网系统控制数学模型的过程中,用区域控制误差表征互联微电网系统中负荷和发电机之间的功率匹配程度,分析确定温控负荷参与互联微电网的状态空间模型,作为该微电网系统的控制数学模型。
5.根据权利要求4所述的方法,其特征在于,通过下式描述互联微电网系统的区域控制误差:
Figure FDA0003691597840000011
其中,
Figure FDA0003691597840000021
Figure FDA0003691597840000022
为发电机组的转动惯量,Pdgi为发电机功率,Pdi为电网扰动,Ptie为联络线功率,ωi为电网频率,Bi为区域误差系数。
6.根据权利要求1所述的方法,其特征在于,将求解得到的最佳控制量用作互联微电网系统当前时刻的控制信号,预测获取未来设定时刻的状态量。
7.一种存储介质,其特征在于,所述存储介质上存储有可实现如权利要求1~6中任一项所述方法的程序代码。
8.一种基于模型预测的温控负荷参与微电网调控系统,其特征在于,所述系统包括:
温控负荷描述模块,其配置为以温控负荷的基本物理模型为基础,结合设定的影响因素约束构建用于描述设定区域集群温控负荷性能的负荷聚合模型;
电网模型确定模块,其配置为基于目标互联区域的负荷聚合模型构建温控负荷参与互联微电网的系统结构模型,并确定该微电网系统对应的微电网系统控制数学模型;
预测控制模块,其配置为综合互联微电网系统对应的负荷聚合模型和系统控制数学模型,引入模型预测控制机制,依据设定的优化约束策略设计互联微电网系统的调频控制器;
所述预测控制模块配置为:基于以下原则设计互联微电网系统的模型预测状态方程,作为调频控制器:
在考虑柴油发电机组的发电机速率约束,发电机组控制输入约束,温控负载的控制输入约束和温度约束的基础上,控制发电机功率变化量与温控负荷功率变化量的值,使微电网的区域频率偏差及联络线偏差满足设定的数值要求;
其中,基于当前时刻的状态量和干扰量,使用二次规划方式所述模型预测状态方程对应的目标函数进行求解,获取满足要求的各控制量。
CN202110140436.0A 2021-02-02 2021-02-02 一种基于模型预测的温控负荷参与微电网调控方法及系统 Active CN112994036B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110140436.0A CN112994036B (zh) 2021-02-02 2021-02-02 一种基于模型预测的温控负荷参与微电网调控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110140436.0A CN112994036B (zh) 2021-02-02 2021-02-02 一种基于模型预测的温控负荷参与微电网调控方法及系统

Publications (2)

Publication Number Publication Date
CN112994036A CN112994036A (zh) 2021-06-18
CN112994036B true CN112994036B (zh) 2022-09-16

Family

ID=76346057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110140436.0A Active CN112994036B (zh) 2021-02-02 2021-02-02 一种基于模型预测的温控负荷参与微电网调控方法及系统

Country Status (1)

Country Link
CN (1) CN112994036B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114512994A (zh) * 2022-02-25 2022-05-17 中国电力科学研究院有限公司 一种集群温控负荷系统调频方法、系统、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106655221A (zh) * 2016-11-22 2017-05-10 上海交通大学 一种平抑微网联络线功率波动的空调负荷协调控制方法
CN107732936A (zh) * 2017-09-26 2018-02-23 上海交通大学 一种基于温控负荷的快速频率调整双层控制系统
CN107895971A (zh) * 2017-11-28 2018-04-10 国网山东省电力公司德州供电公司 基于随机规划和模型预测控制的区域能源互联网调度方法
CN108426351A (zh) * 2018-03-09 2018-08-21 广西大学 变风量空调系统响应电网频率调节的实时最优调度方法
CN109103893A (zh) * 2018-09-27 2018-12-28 华北电力大学 一种集群温控负荷参与电网agc的辅助调频方法
CN110401187A (zh) * 2019-07-17 2019-11-01 北京交通大学 面向智能楼宇的温控负荷分层聚合控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10146237B2 (en) * 2017-04-28 2018-12-04 Johnson Controls Technology Company Smart thermostat with model predictive control
US11070060B2 (en) * 2018-04-20 2021-07-20 Eaton Intelligent Power Limited Predictive grid control system and method based on sensitivity of variance with respect to electric power prediction

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106655221A (zh) * 2016-11-22 2017-05-10 上海交通大学 一种平抑微网联络线功率波动的空调负荷协调控制方法
CN107732936A (zh) * 2017-09-26 2018-02-23 上海交通大学 一种基于温控负荷的快速频率调整双层控制系统
CN107895971A (zh) * 2017-11-28 2018-04-10 国网山东省电力公司德州供电公司 基于随机规划和模型预测控制的区域能源互联网调度方法
CN108426351A (zh) * 2018-03-09 2018-08-21 广西大学 变风量空调系统响应电网频率调节的实时最优调度方法
CN109103893A (zh) * 2018-09-27 2018-12-28 华北电力大学 一种集群温控负荷参与电网agc的辅助调频方法
CN110401187A (zh) * 2019-07-17 2019-11-01 北京交通大学 面向智能楼宇的温控负荷分层聚合控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A Distributed Predictive Control Strategy Based on State Estimator for islanded microgrid;midong,lili;《The 2018 International Power Electronics Conference》;20180524;全文 *
刘萌等.计及网络约束的源-荷协同频率控制策略.《电工技术学报》.2016,(第06期), *
基于MPC算法的互联电网负荷频率控制;吴珊珊等;《电力学报》;20180824(第04期);第333-335 *
计及网络约束的源-荷协同频率控制策略;刘萌等;《电工技术学报》;20160325(第06期);第195-205页 *

Also Published As

Publication number Publication date
CN112994036A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
Li et al. Coordinated load frequency control of multi-area integrated energy system using multi-agent deep reinforcement learning
Liao et al. A robust load frequency control scheme for power systems based on second-order sliding mode and extended disturbance observer
CN109799851B (zh) 一种基于负荷簇温度调控的用户侧负荷响应方法
CN108490790A (zh) 一种基于多目标优化的过热汽温自抗扰串级控制方法
CN113757931B (zh) 一种空调控制方法及系统
Xia et al. Hierarchical control of thermostatically controlled loads oriented smart buildings
CN110188460B (zh) 一种分布式综合能源系统离网状态能量平衡仿真方法
CN113159983B (zh) 离网型光气热电联产综合能源系统协调控制方法
CN112994036B (zh) 一种基于模型预测的温控负荷参与微电网调控方法及系统
CN113517721B (zh) 含高比例分布式电源的多元配电网协同调控方法及系统
Xiong et al. Coordinated control of heat-power integrated energy system using zone model predictive control with variable zone width
CN112994024B (zh) 一种改进型温控负荷参与的负荷频率控制方法及系统
CN111473408A (zh) 一种基于气候补偿的供热控制系统的控制方法
Oliveira et al. Enhancing home appliances energy optimization with solar power integration
Parshin et al. On the use of thermostatically controlled loads for frequency control
CN115411776B (zh) 住宅综合能源系统的热电协同调度方法及装置
CN114374231B (zh) 离网型多能源系统的配置、控制一体优化方法
CN115549111A (zh) 一种面向微电网的温控负荷集群控制方法、系统及介质
CN105958513B (zh) 一种基于hvac系统的区域电网功率动态平衡的方法
CN108400614A (zh) 一种基于粒子群算法的微电网能源控制方法及装置
Jambagi et al. Energy storage within a multi-energy carrier optimisation framework
Gao et al. Thermostatically Controlled Loads Participating in Microgrid Regulation Strategy Based on Model Prediction
Ma et al. Controller design and parameter optimization of aggregated thermostatically controlled loads for frequency regulation
Yazdkhasti et al. Using a cluster-based method for controlling the aggregated power consumption of air conditioners in a demand-side management program
CN109524973A (zh) 一种基于负荷调节裕度指标的负荷主动管理方法及装置

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