CN113158450A - 一种基于楼宇能量管理系统经济调度方法及系统 - Google Patents

一种基于楼宇能量管理系统经济调度方法及系统 Download PDF

Info

Publication number
CN113158450A
CN113158450A CN202110378589.9A CN202110378589A CN113158450A CN 113158450 A CN113158450 A CN 113158450A CN 202110378589 A CN202110378589 A CN 202110378589A CN 113158450 A CN113158450 A CN 113158450A
Authority
CN
China
Prior art keywords
load
power
time
scheduling
demand response
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.)
Pending
Application number
CN202110378589.9A
Other languages
English (en)
Inventor
高昆
饶宇飞
李程昊
马磊
寇晓适
刘巍
方舟
王骅
王裕翠
文福拴
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.)
Zhejiang University ZJU
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Henan 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 Zhejiang University ZJU, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Henan Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202110378589.9A priority Critical patent/CN113158450A/zh
Publication of CN113158450A publication Critical patent/CN113158450A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Public Health (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及需求侧管理技术领域，为一种基于楼宇能量管理系统经济调度方法及系统，建立楼宇能量管理系统的结构模型，提取弹性负荷的运行特性的数学模型，给出考虑时变性情况下弹性负荷在不同状态下的需求响应潜力量化模型，分别获取电单元的出光伏出力、负荷功率和需求响应率的不确定性模型，建立需求响应资源参与下楼宇能量管理系统的优化控制模型，建立多时间尺度优化调度模型，制定调度策略。通过建立楼宇能量管理系统中主要弹性设备和储能的运行特性的数学模型，量化不同特性和多时间尺度的设备在不同状态下的需求响应潜力大小。建立计及不确定性的多时间尺度优化调度模型，对楼宇进行精准的能量管理，实现楼宇能量系统的经济调度。

Description

一种基于楼宇能量管理系统经济调度方法及系统
技术领域
本发明涉及需求侧管理技术领域，具体涉及一种基于楼宇能量管理系统经济调度方法及系统。
背景技术
对于楼宇的居民负荷调度的研究方法包括了集中式和分散式解决方案。
集中式解决方案有：将混合编码的遗传算法用于求解家庭用电任务调度问题，并通过对单目标和多目标的求解，完成家庭用电任务的调度；利用粒子群算法求解智能家居负荷优化调度问题，并结合分布式能源的特性，以用户侧净效益最大化的目标。
分散式解决方案有：使用线性规划来计算确定性调度解决方案，安排家用电器进行操作，并根据时变定价模型最小化用户的电费支出；在不泄露私人用电习惯的敏感信息的基础上，以家庭用户最小电费支出为目标函数，使用博弈论构建了居民家庭智能电器设备的优化调度方法，以保护用户隐私和经济性最优的目标。
主要缺点：
电力市场改革的深入、智能电气设备的普及以及新能源技术的推广，居民楼宇负荷表现出了一些新的特性，如更复杂的随机性、主动性、储能特性等，但是由于缺乏有效的能量管理策略，其在需求侧能量管理方面的巨大潜力尚未被充分发掘。
(1)未充分考虑楼宇能量系统中的不确定性因素，不确定性主要体现在以下两点：一方面光伏出力受气候条件等的影响具有较大的波动性和间歇性，另一方面用户的需求响应潜力受用户主观意愿和负荷动态物理特性等多因素影响也具有一定的不确定性，这些都导致电力系统的不平衡功率波动幅值和速率增大，在实时调度时间尺度上，增加系统运行风险和调度成本。
(2)楼宇能量系统优化调度方法在时间尺度的选择上存在以下两个问题：首先，在对居民负荷的进行优化调度，若按照一天24小时进行优化，但未来24小时的这段时间，由于某些原因某些设备未能按照调度优化策略运行，这样将会导致未来的实际调度与调度计划存在偏差。其次，楼宇能量管理系统中的负荷需求响应资源具有多时间尺度的特性，不同需求响应资源对需求响应调度信号是否需要提前通知的要求不同。
发明内容
本发明提供了一种基于楼宇能量管理系统经济调度方法及系统，解决了以上所述的传统楼宇能量系统调度策略精度低且管理滞后性的技术问题。
本发明为解决上述技术问题提供了一种基于楼宇能量管理系统经济调度方法，包括以下步骤：
S1，分析楼宇系统的组成部分，建立楼宇能量管理系统的结构模型；
S2，提取所述结构模型中各电单元中弹性负荷的运行特性的数学模型；
S3，分析不同电单元的用电特性和时间尺度负荷的需求响应潜力，给出考虑时变性情况下各电单元中弹性负荷在不同状态下的需求响应潜力量化模型；
S4，基于电单元的光伏出力预测误差、负荷功率预测误差和需求响应偏差的不确定因素，分别获取电单元的出光伏出力、负荷功率和需求响应率的不确定性模型；
S5，基于需求响应潜力量化模型和不确定性模型，建立需求响应资源参与下楼宇能量管理系统的优化控制模型；
S6，在楼宇能量管理系统的优化控制模型基础上，建立多时间尺度优化调度模型，制定调度策略。
本发明还提供了一种基于楼宇能量管理系统经济调度系统，包括：
结构建模模块，用于分析楼宇系统的组成部分，建立楼宇能量管理系统的结构模型；
提取模块，用于提取所述结构模型中各电单元中弹性负荷的运行特性的数学模型；
分析单元，用于分析不同电单元的用电特性和时间尺度负荷的需求响应潜力，给出考虑时变性情况下各电单元中弹性负荷在不同状态下的需求响应潜力量化模型；
不确定性模块，用于基于电单元的光伏出力预测误差、负荷功率预测误差和需求响应偏差的不确定因素，分别给电单元的出光伏出力、负荷功率和需求响应率的不确定性模型；
优化控制模块，用于基于需求响应潜力量化模型和不确定性模型，建立需求响应资源参与下楼宇能量管理系统的优化控制模型；
调度策略制定模块，用于在楼宇能量管理系统的优化控制模型基础上，建立多时间尺度优化调度模型。
有益效果：本发明提供了一种基于楼宇能量管理系统经济调度方法及系统，建立楼宇能量管理系统的结构模型，提取所述结构模型中各电单元中弹性负荷的运行特性的数学模型，给出考虑时变性情况下各电单元中弹性负荷在不同状态下的需求响应潜力量化模型，分别获取电单元的出光伏出力、负荷功率和需求响应率的不确定性模型，建立需求响应资源参与下楼宇能量管理系统的优化控制模型，建立多时间尺度优化调度模型，制定调度策略。通过建立楼宇能量管理系统中主要弹性设备和储能的运行特性的数学模型，量化不同特性和多时间尺度的设备在不同状态下的需求响应潜力大小。建立计及不确定性的多时间尺度优化调度模型，对楼宇进行精准的能量管理。有效利用楼宇能量系统中的需求响应资源、提高光伏发电的利用率，开发相关软件，实现楼宇能量系统的经济调度。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明基于楼宇能量管理系统经济调度方法的流程示意图；
图2为本发明基于楼宇能量管理系统经济调度方法及系统的楼宇能量管理系统结构图；
图3为本发明基于楼宇能量管理系统经济调度方法及系统的空调DR潜力示意图；
图4为本发明基于楼宇能量管理系统经济调度方法及系统的热水器DR潜力示意图；
图5为本发明基于楼宇能量管理系统经济调度方法及系统的洗衣机DR潜力示意图；
图6为本发明基于楼宇能量管理系统经济调度方法及系统的电动汽车DR潜力示意图；
图7为本发明基于楼宇能量管理系统经济调度方法及系统的需求响应率模型图；
图8为本发明基于楼宇能量管理系统经济调度方法及系统的楼宇能量管理系统优化控制模型图；
图9为本发明基于楼宇能量管理系统经济调度方法及系统的楼宇能量管理系统控制策略示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示，本发明提供了一种基于楼宇能量管理系统经济调度方法，实施流程包括如下详细步骤：
步骤1、分析楼宇系统的组成部分，建立楼宇能量管理系统的结构模型；
楼宇能量管理系统(BEMS Building Energy Management System的简称)和配电网之间存在双向的能量流和信息流，实现能量和信息的交互，楼宇能量系统中包含源、荷、储三部分，是一个小型的微网系统：电力来源有力系统运营商和新能源发电；负荷包含刚性负荷和弹性负荷，弹性负荷可深入挖掘需求响应潜力，可分为可削减负荷、可中断负荷、可转移负荷。楼宇能量管理系统结构如附图2所示。
BEMS中的各负荷的介绍如下：
(1)刚性负荷主要包括电视机、电脑、电灯等，其使用情况客观上反映了居民的使用习惯和生活方式。由于这些设备的启停会直接影响用户的居家体验，故将其视为基线负荷，在没有居民允许的情况下不对其进行调度。
(2)可削减负荷主要包括空调、热水器等，这些设备的运行功率存在一定弹性范围，在保证居民基本生活需要前提下可根据当前电价和电力公司的相关补偿政策进行需求功率的控制。可中断负荷和可转移负荷的特点是运行时间具有较高的可调性，在允许运行的时间范围内对其进行控制时，对居民使用体验的影响很小。
(3)可中断负荷包括家用加湿器、干衣机等，在其运行期间可以自由关断且不会对居民生活造成显著的影响。
(4)可转移负荷主要包括洗衣机、电饭煲、洗碗机等设备，其运行期间不可中断，但是其启动与运行时间可以根据居民需求灵活设定。
(5)电动汽车作为未来智能电网和能源互联网中的重要组成部分，既是一个可调度性非常好的负荷又是一种非常重要的储能设备，与一般储能设备相比，电动车需要满足更加严格的时间并且其接入电网和离开电网的时机都具有一定的随机性。
步骤2、从运行功率、调节公式和变化公式等方面给出空调、热水器和洗衣机的运行特性的数学模型；从运行功率、荷电状态约束公式、充放电模型方面给出电动汽车和储能设备的运行特性的数学模型；楼宇能量管理系统的设备中，空调、热水器和洗衣机等智能家电的额定功率较大，具有较大的需求响应潜力，是楼宇能量管理系统的主要可控设备，此外还有电动汽车和储能，下面研究它们的动态运行特性，并分别对它们的用电特性进行建模。
(1)空调运行特性的数学模型
1)运行功率。空调参与需求响应(Demand Response简称DR)的控制模式是通过改变温度设定值来实现的，室内温度TAC范围通常控制在以设定值
Figure BDA0003011853750000071
为基准上下浮动
Figure BDA0003011853750000072
称为室内温度死区，空调运行时认为是以额定功率工作。空调的运行状态和当前室内温度、温度设定值和温度死区有关，假设空调运行于制冷模式，关系式为：
Figure BDA0003011853750000073
式中：pAC(t)为t时刻的运行功率(kW)；PAC为空调的额定功率(kW)；TAC(t)为t时刻的室内温度(℃)；
Figure BDA0003011853750000081
为t时刻的温度设定值(℃)；
Figure BDA0003011853750000082
为温度死区(℃)。
2)调节公式。需求响应指令通过改变用户的空调设定温度来改变空调的运行状态，将运行在制冷模式下空调的温度设定值调高，当
Figure BDA0003011853750000083
大于当前室内温度时，必然会使空调停止工作，具体的调节公式为：
Figure BDA0003011853750000084
式中：sAC(t)为控制器t时刻下发的DR指令；
Figure BDA0003011853750000085
为用户输入的空调温度设定值(℃)。
3)室温变化公式。对于每一个时间间隔t，室内温度的变化公式所示：
Figure BDA0003011853750000086
式中：Δt为时间间隔t的长度(hour)；G(t)为t时刻房屋的热量增加率，正数表示热量增加，负数表示热量流失(Bth/h)；CAC为供冷量(Bth/h)；Δc为室内温度变化1℉需要的能量(Bth/℉)。
(2)热水器运行特性的数学模型
1)运行功率。热水器工作时间长短取决于温度设定值、当前热水器内部水温、热水器入口处水温、热水器出水流速及流量等，数学模型与空调数学模型类似，即热水器内部水温(简称水温)范围通常控制在以设定值
Figure BDA0003011853750000087
为基准上下浮动
Figure BDA0003011853750000088
这里的
Figure BDA0003011853750000089
称为水温死区。
热水器的运行状态与水温设定值、当前水温和水温死区有关，运行功率表达式为：
Figure BDA00030118537500000810
式中：pWH(t)为t时刻的运行功率(kW)；PWH为热水器的额定功率(kW)；TWH(t)为t时刻的水温(℃)；
Figure BDA0003011853750000091
为t时刻的水温设定值(℃)；
Figure BDA0003011853750000092
为水温死区(℃)。
2)调节公式。需求响应指令通过改变用户的热水器设定温度来改变空调的运行状态，将正在工作的热水器水温设定值调低，当
Figure BDA0003011853750000093
小于当前水温时，必然会使热水器停止工作，具体的调节公式为：
Figure BDA0003011853750000094
式中：sWH(t)·为控制器t时刻下发的DR指令；
Figure BDA0003011853750000095
为用户输入的水温设定值(℃)。
3)水温变化公式。热水器水箱中的水温变化公式为：
Figure BDA0003011853750000096
式中：fr(t)为t时段热水的流速(gpm)；Vtank为水箱的容积(gallons)；Tinlet为进水口的注入水温度(℉)；Δt为时间间隔(minutes)；α为热水器加热温度系数，即单位时间内热水器单位功率运行下水温增加量；ξ为热水器水温单位时间内下降的速度，与热水器体积、表面积、室温等参数有关。
(3)洗衣机运行特性的数学模型
1)运行功率。洗衣机使用时间受居民用户的习惯影响，可使用时段可以由居民用户自定义。洗衣机的工作流程通常分为洗涤、脱水和烘干，洗衣机的三项工作流程之间有先后顺序且流程之间可中断暂停一段时间，但单项流程运行时不可中断。在此前提下，洗衣机电负荷模型的数学描述如下：
Figure BDA0003011853750000101
式中：PWM,flow1，PWM,flow2，PWM,flow3分别是洗衣机洗涤、脱水和烘干工作流程的额定功率；IWM(t)为洗衣机在t时刻的工作状态标志，取值为0，1，2，3，4时，洗衣机的工作状态分别为停止工作、洗涤、脱水、烘干，完成整个工作流程。
2)调节公式。需求响应指令通过改变洗衣机在设定时间内的工作流程的时间来改变洗衣机的运行状态，因为对于洗衣机的工作特性某一流程开始后需要执行完毕，不可中断，所以正在进行的工作流程不可以调度，这里对未开始的工作流程的工作时间进行平移调度。
Figure BDA0003011853750000102
式中：sWM(t)为控制器t时刻下发的DR指令，是时间平移函数；IWM(t)为用户在可调度时刻的工作流程状态。
3)工作流程变化公式。洗衣机的工作流程必须按照洗涤、脱水和烘干的顺序，其工作流程变化公式如下所示：
IWM(t”)＝IWM(t')+1
式中：IWM(t')为洗衣机前一个工作状态不为0的工作流程标志；IWM(t”)为洗衣机后一个工作状态不为0的工作流程标志。
(4)电动汽车运行特性的数学模型
1)运行功率。假设电动汽车以恒定的额定功率而不是以可调节功率充电，为了构建电动汽车模型，三个重要因素分别为额定充电功率、起始充电时间和电池的荷电状态(SOC)。电动汽车的起始充电时间与用户到达家里的时间有关并认为用户到家后立刻充电。电动汽车的实际充电功率计算公式为：
pEV(t)＝PEV·NEV(t)·wEV(t)·sEV(t)
①pEV(t)为电动汽车t时刻的充电功率(kW)；PEV为电动汽车额定功率(kW)；NEV(t)为电动汽车t时刻的连接状态，“1”表示电动汽车连接上充电桩，“0”表示电动汽车未连接上充电桩。
②wEV(t)为t时刻电动汽车未受控制情况下的充电状态，公式如下所示，“1”表示电动汽车在充电，“0”表示电动汽车未充电；
Figure BDA0003011853750000111
式中：SOC(t)为t时刻的荷电状态；SOCmin为预计充电结束时间时要求达到的最小荷电状态。
③sEV(t)为t时刻的DR指令，“1”表示电动汽车开始工作，“0”表示电动汽车停止工作。
2)荷电状态约束公式。电动汽车充电结束后的荷电状态需要满足用户的需求，因此用户的初始荷电状态满足一定约束，具体公式为：
Figure BDA0003011853750000112
式中：SOC0为电动汽车的初始荷电状态；L为电动汽车的出行距离(mile)；EEV为行驶效率(mile/kWh)；QEV为电动汽车电池的总容量(kWh)。
3)电动汽车的充电模型(荷电状态变化公式)
Figure BDA0003011853750000121
式中η为充电效率。
(5)储能系统运行特性的数学模型
1)运行功率。储能既可以充电又可以，且储能充放电可以有多个档位，因此储能设备的充放电功率公式可表示为：
pES(t)＝PES·GES(t)
式中：PES是储能电池的基准充放电功率；GES(t)是t时刻储能的充放电档位，当GES(t)取值为正时，表示储能正在充电，当GES(t)取值为负时，表示储能正在放电。
2)荷电状态约束公式。根据储能的运行特性，其荷电状态存在以下约束：
SOCES,min＜SOCES(t)＜SOCES,max
式中：SOCES，min为储能设备最小储能状态，SOCES，max为储能设备最大储能状态，SOCES(t)为储能设备t时刻储能状态。
3)储能充放电模型(荷电状态变化公式)。通过电池的荷电状态来表示储能当前的状态，储能充放电时其荷电状态变化公式如下：
SOCES(t+1)＝SOCES(t)+ηESpES(t)Δt
式中：Δt为时间间隔t的长度(小时)；ηES为储能系统的充放电效率。
步骤3、分析不同用电特性和时间尺度负荷的需求响应潜力，给出考虑时变性情况下楼宇能量管理系统中主要弹性设备在不同状态下的需求响应潜力量化模型。
需求响应(Demand Response简称DR)潜力定义为用户参与DR项目能提供的最大容量，其潜力由于受用户主观意愿和负荷动态物理特性等多因素影响具有一定的不确定性，其中能够提供削减负荷功率的称为负潜力，提供增加负荷功率的称为正潜力。
(1)空调DR潜力。根据t时刻的室内温度、空调设置温度以及舒适度区间上下限等值以及上文描述的空调动态运行特性的运行功率表达式，可知t时刻空调的运行功率。制冷模式下，当t时刻运行功率为0时，室温在上升，空调具有DR正潜力，可增加用电，潜力数值大小为PAC；当t时刻运行功率为PAC时，室温在下降，空调具有DR负潜力，可减少用电，潜力数值大小也为PAC，即切断空调运行；同理可得空调在制热模式下DR潜力，如下附图3所示。
(2)热水器DR潜力。根据t时刻的水温、热水器设置温度以及舒适度区间上下限等值以及上文描述的热水器动态运行特性的运行功率表达式，可知t时刻热水器的功率。当t时刻运行功率为0时，水温在下降，热水器具有DR正潜力，可增加用电，潜力数值大小为PWH；当t时刻运行功率为PWH时，水温在上升，热水器具有DR负潜力，可减少用电，潜力数值大小也为PWH，即切断热水器调运行，热水器DR潜力如附图4所示。
(3)洗衣机DR潜力。不同于上述空调和热水器负荷，洗衣机属于可转移类负荷，其需求响应潜力通过用电时间的平移来体现，根据调度指令，可将处于用电高峰期工作流程平移走，或者更进一步地平移到用电低估时段。其需求响应潜力和工作流程状态有关，如图所示。当位于用户设置洗衣机工作时间，且工作流程1“洗衣”尚未开始，即t∈(Tstart,t0)时，洗衣机具有DR负潜力，可将用电行为延后，潜力数值大小为PWM,flow1，可平移时间最大ΔTmax＝Tend-Tstart-Tflow1-Tflow2-Tflow3；当工作流程1“洗衣”结束，工作流程2“脱水”尚未开始，即t∈(t1,t2)时，洗衣机具有DR负潜力，可将用电行为延后，潜力数值大小为PWM,flow2，可平移时间最大ΔTmax＝Tend-t1-Tflow2-Tflow3；当工作流程2“脱水”结束，工作流程3“烘干”尚未开始，即t∈(t3,t4)时，洗衣机具有DR负潜力，可将用电行为延后，潜力数值大小为PWM,flow3，可平移时间最大ΔTmax＝Tend-t3-Tflow3。洗衣机DR潜力如附图5所示。
(4)电动汽车DR潜力。根据t时刻的电池荷电状态、用户设置荷电状态最大最小值、充电时间以及上文描述的电动汽车动态运行特性的运行功率表达式，可知t时刻电动汽车充放电功率。当t时刻为PEV恒功率充电，且满足在距离用户设置的充电剩余时间内可充至最小值荷电状态SOCmin的条件时，电动汽车具有DR负潜力，可减少用电，潜力数值大小为PEV；当t时刻充电功率为0，且满足在下一个调度时刻电池未充满的条件时，电动汽车具有DR正潜力，可增加用电，潜力数值大小也为PEV，电动汽车的DR潜力如附图6所示。
(5)聚合DR潜力。分别用参数DPAC(t)、DPWH(t)、DPWM(t)、DPEV(t)来表示空调、热水器和电动汽车在时刻t是否具有需求响应潜力，当这几个参数取值为1是表示具有正潜力，取值为-1时表示具有负潜力，取值为0时不具有需求响应潜力；
Figure BDA0003011853750000141
表示楼宇能量管理系统在时刻t的下一个时刻t+1可调度的需求响应的聚合潜力，可以表示为：
Figure BDA0003011853750000142
式中：NAC、NWH、NWM、NEV分别为空调、热水器、洗衣机和电动汽车的个数；
Figure BDA0003011853750000143
是第i个空调的额定功率(kW)；
Figure BDA0003011853750000144
是第i个空调在t时刻的DR潜力状态；
Figure BDA0003011853750000145
是第i个热水器的额定功率(kW)；
Figure BDA0003011853750000146
是第i个热水器在t时刻的DR潜力状态；
Figure BDA0003011853750000151
是第i个洗衣机t时刻工作流程的额定功率(kW)；
Figure BDA0003011853750000152
是第i个洗衣机在t时刻的DR潜力状态；
Figure BDA0003011853750000153
是第i个电动汽车的额定充电功率(kW)；
Figure BDA0003011853750000154
是第i个电动汽车在t时刻的DR潜力状态。
步骤4、考虑光伏出力预测误差、负荷功率预测误差和需求响应偏差等不确定因素下，分别给出光伏出力、负荷功率和需求响应率的不确定性模型。
光伏出力受气候条件等的影响具有较大的波动性和间歇性，用户DR潜力受用户主观意愿和负荷动态物理特性等多因素影响也具有一定的不确定性，这些都导致电力系统的不平衡功率波动幅值和速率增大，在实时调度时间尺度上，增加系统运行风险和调度成本。BEMS可利用储能设备和DR资源来应对上述挑战，但在制定调度策略时，必须对系统的不确定性进行充分的考虑。
将光伏出力和负荷需求的不确定性处理为预测误差的不确定，通过预测误差不确定性，可将系统中的不确定变量分为确定的预测值和不确定的预测误差，将预测的规律性和预测误差的随机性相结合。由此对系统中不确定变量的描述转化为对预测误差的不确定分布研究。
(1)光伏出力不确定性建模。将光伏出力实际值处理成光伏出力预测值和光伏出力误差之和。影响光伏出力的因素有多种类型，光照强度是影响光伏出力的决定性因素，温度、相对湿度、风速是可在较长时间内对光伏出力产生持续性影响的因素，雾霾、运动云层等是可以在较短时间内对光伏出力产生突发性影响的因素。
1)光伏出力预测误差。光照强度是影响光伏出力的决定性因素，决定光伏发电出力的最大值，光伏出力可用下式求取：
PPVF(t)＝ηAφ(t)
式中：φ(t)为t时刻的光照强度；A为光伏阵列总面积；η为光电转换效率。A和η为光伏面板固定参数。
光伏出力直接由光照强度决定。因此，光照强度的预测值直接决定了光伏出力预测值，光伏出力的预测误差和光照强度的预测误差紧密相关。
假设光照强度预测误差服从均值为0且标准差为σi的正态分布，由上式可知，光伏出力和光照强度之前为线性关系，根据正态分布的性质可以得出，不同时刻光伏出力预测误差ΔPPV(t)仍然服从正态分布，记为：
ΔPPV(t)～N(0,σpv,t)
Figure BDA0003011853750000161
2)光伏出力预测模型。本发明将光伏看作预测值、预测误差之和，预测值为确定性变量，预测误差为随机变量：
PPV(t)＝PPVF(t)+ΔPPV(t)
式中：PPV(t)为光伏的实际出力，PPVF(t)为不考虑预测误差时光伏出力预测值，ΔPPV(t)为的预测误差。
(2)负荷功率不确定性建模。负荷功率的影响因素有很多，其中决定性的因素是预测点的日期类型，工作日和节假日的居民的用电曲线有很大的不同，因此在预测负荷功率时首先应该根据日期类型，从历史用电数据中匹配典型负荷曲线，将预测点对应时刻的功率作为负荷功率的基准值。其次气象因素是对居民用户的用电行为有一定规律性影响的因素，较为重要的因素为温度、湿度、风速和降雨量等，各种气象影响因素和负荷之间存在某种非线性的关系。
无论采用何种预测算法都会存在误差，当负荷侧功率的波动超出规定的预测误差范围时，必须予以考虑。
1)负荷预测误差模型。在进行负荷预测时，常采用正态分布来描述负荷预测误差，认为预测误差ΔPL服从均值为0正态分布随机变量，且标准差正比于负荷预测值：
Figure BDA0003011853750000171
式中：σL,t表示负荷预测误差的标准差，ρL,t为预测误差系数。
2)负荷功率预测模型。本发明将负荷看作预测值、预测误差之和，预测值为确定性变量，预测误差为随机变量：
PL(t)＝PLF(t)+ΔPL(t)
式中：PL(t)为负荷的实际功率，PLF(t)为不考虑预测误差时负荷功率预测值，ΔPL(t)为PLF(t)的预测误差。
(3)需求响应不确定性建模
1)需求响应率模型。采用分时电价的调整措施，提前一天告知居民用户电价信息，鼓励用户自发调整用电时段和用电量，进而达到对系统中的用户负荷进行削峰填谷的作用，一般采用负荷转移率来描述分时电价下用户不同时段的用电变化。
根据消费者心理学原理，用户对电价的响应行为也存在一定程度的不确定性。给定电价激励水平下，用户侧响应通常在一个范围内变化。本文将用户对电价变化的响应程度划分为死区、线性区和饱和区，如图所示。图中cDR,L表示补贴电价激励水平，λd表示用户负荷响应率，红色和蓝色虚线表示负荷响应率的不确定性范围。cDR,L处于0～x1时，价格激励水平较低，用户参与程度不高，负荷响应率为0；随着激励水平的不断提高，用户负荷响应率随之增大，而当cDR,L增加到x2后，用户受到利益驱动的积极性达到饱和，负荷响应率的不确定性逐渐减小。需求响应率模型如附图7所示。
根据附图7，用户负荷响应率与电价激励水平的关系可表示为：
Figure BDA0003011853750000181
式中：ddr表示负荷需求响应率的误差水平，
Figure BDA0003011853750000182
和
Figure BDA0003011853750000183
分别表示饱和区拐点处的负荷响应率和电价激励水平。
2)需求响应率偏差模型。通常情况下，上式中的负荷需求响应率误差ddr在统计分析上可以近似地认为满足均匀分布：
ddr(cDR,L)～U[ddrmin(cDR,L),ddrmax(cDR,L)]
因此本文假设在某一补贴电价激励影响下，需求响应的不确定性行为也可用均匀分布描述：
λd(cDR,L)～U[λdmin(cDR,L),λdmax(cDR,L)]
式中：ddrmax和ddrmin分别表示负荷响应率误差波动范围的上下界，λdmax和λdmin分别表示负荷响应率波动范围的上下界。
步骤5、基于需求响应潜力量化模型和不确定性模型，建立需求响应资源参与下楼宇能量管理系统的优化控制模型。
为有效利用系统中的需求响应资源以及消除光伏出力和负荷功率的预测误差带来的功率不平衡现象，在满足用户舒适度的同时达到楼宇能量管理系统效益的最大化，建立楼宇能量管理系统优化控制模型如附图8所示。
控制流程主要包含以下三部分：
(1)基于可调度设备的动态运行特性、设备状态及用户的舒适度参数，计算所有可调度设备的DR潜力。
用户提前设置好用户参数，包括室内温度的设定值
Figure BDA0003011853750000191
热水器水温度的设定值
Figure BDA0003011853750000192
空调和热水器的温度上下限
Figure BDA0003011853750000193
用户出行距离L、电动汽车充电结束时间T和响应次数系数α。
各个用户将每一个时间段室温Troom、空调的运行功率pAC、热水器水温Twater、热水器运行功率pWH和电动汽车的运行功率pEV上传给所归属的负荷聚合商，BEMS根据用电设备的动态运行特性和舒适度设定值实时计算得到的聚合DR潜力。
(2)基于舒适度指标确定设备响应响应优先级，指导可调度设备响应动作。
可调度设备(空调、热水器和电动汽车)的用电行为和主观意愿相关。为了满足上BEMS的需求响应需求，本发明通过舒适度指标来衡量可调度设备参加DR的主观意。用户对可调度设备使用满意度越高时，相应的舒适度指标越高，在参与DR过程中，拥有高舒适度指标的可调度设备有较高的响应优先级。
用户对空调和热水器的满意程度分别与室内温度和水温有关，当室内温度较低或者水温较高时，空调和热水器给用户带来的舒适度越高。为了定量评估用户使用空调和热水器的满意度，提出了基于用户事先设定的温度舒适区间的舒适度指标数学模型。舒适度指标取值范围为[0,1]。空调舒适度指标随着室内温度的升高而变小，而热水器舒适度指标随着水温的升高而变大。具体计算公式如下：
Figure BDA0003011853750000201
Figure BDA0003011853750000202
对电动汽车而言，用户关心所充电量能否满足一整天的行程和充电次数不宜太多。如果电动汽车在规定结束时间前不能充电至预期的SOC，则认为用户对电动汽车的满意程度最低且不愿意参与DR，因此舒适度指标设置为0。电动汽车舒适度指标与充电次数N(t)和其对应的系数α有关，具体的表达式为：
Figure BDA0003011853750000203
(3)最后BEMS将调度指令(sAC,sWH,sEV)下发至可调度的用电设备。
步骤6、在楼宇能量管理系统的优化控制模型基础上，建立多时间尺度优化调度模型，制定调度策略。
BEMS可以看做系统运行商和终端用户之间的负荷聚合商，从系统运行商购买电能，并向用户出售，同时根据系统运行商提前一天通知的DR需求量，整合调度系统中的DR资源、储能资源向系统运行商提供辅助服务。通过购买电能支出、出售电能支出、辅助服务经济补偿、用户DR激励补贴、系统运行成本之间的价差获得收益。本发明假设BEMS购买电能时是市场价格的接受者，不具备操控电价的能力，出售电能时以固定价格向用户出售，对用户DR补偿时可自主制定补偿电价。
BEMS的主要控制策略为：同时考虑源荷两侧光伏出力的不确定性和需求响应下负荷的不确定性，在对光伏出力和负荷的概率分布的预测的基础上，通过控制空调、热水器、洗衣机、电动汽车和储能的工作状态以及制定合理的居民需求响应补贴电价，以收益最大为目标函数，求取调度策略。
对于优化调度时间尺度的选择上需要解决一下两个问题：首先，在对居民负荷的进行优化调度，若按照一天24小时进行优化，但未来24小时的这段时间，由于某些原因某些设备未能按照调度优化策略运行，这样将会导致未来实际调度与调度计划存在偏差。其次，楼宇能量管理系统中的负荷DR资源具有多时间尺度的特性，不同DR资源对DR调度信号是否需要提前通知的要求不同，例如：空调和热水器可实时响应DR调度指令，而洗衣机和空调则需要提前数小时通知。
为了尽量减小实际调度与调度计划的偏差，以及更科学地调度DR资源，本发明分别在日内和实时两个时间尺度建立调度模型。
每个时间尺度的调度分为输入层、调度控制层、代理协调层和本地响应层。输入层将光伏出力和负荷侧常规负荷(不包括参与DR的负荷)的预测功率作为输入参与各时段的调度；调度控制层负责计算DR潜力、协调DR资源、针对某一优化目标的最优决策、制定并实施调度计划，日内调度计划为每15min执行一次，实时调度计划为每1min执行一次；本地响应层向调度控制层上传参与响应的负荷用电信息，并响应调度指令。楼宇能量管理系统控制策略示意图如附图9所示。
(1)楼宇能量管理系统日内调度策略。首先定义并计算考虑需求响应率的负荷需求响应量PDR,L(t)
Figure BDA0003011853750000211
式中：cDR,L(t)为BEMS自主决策的对用户需求响应的单位补偿电价；λd为系统中需求响应率，是需求响应补偿电价cDR,L(t)的函数；nAC、nWH、nWM、nEV分别为t时刻根据舒适度排序确定的参与DR的空调、热水器、洗衣机和电动汽车的个数；
Figure BDA0003011853750000221
分别为t时刻根据舒适度排序确定的参与DR的空调、热水器、洗衣机和电动汽车的额定功率；
Figure BDA0003011853750000222
分别为t时刻根据舒适度排序确定的参与DR的空调、热水器、洗衣机和电动汽车的需求响应潜力状态，因为参与调度的负荷的前提是具有DR潜力，所以这里只有两种取值，取值为1是表示具有正潜力，取值为-1时表示具有负潜力。
1)目标函数。以日内全收益最大为目标，由上述PDR,L(t)的定义，日内调度策略模型的目标函数可表述如下：
Figure BDA0003011853750000223
式中：NT为调度时段数，在日内调度中取值为24；PL(t)负荷功率预测值；PDR,S(t)为系统前一天下发给BEMS的需求响应量；PS(t)为BEMS从系统运营商购买电能的功率；PPV(t)为光伏出力预测值；PES(t)为BEMS的储能充电功率(当储能放电时，数值为负)；cL为BEMS向用户出售电能的固定电价；cDR,S为BEMS和系统提前确定好的辅助服务单位补偿电价；cS(t)为BEMS从系统中购买电能的单位市场电价；cPV为BEMS光伏发电的单位成本；cES为BEMS储能充电的单位成本。
2)约束条件。
①功率平衡约束
PDR,S(t)＝PS(t)+PPV(t)-PL(t)-PES(t)-PDR,L(t)
②储能荷电状态约束
为保证BEMS储能的正常工作，储能荷电状态需要满足以下约束
SOCES,min≤SOCES(t)≤SOCES,max
式中：SOCES(t)为储能t时刻的荷电状态；SOCES,min和SOCES,max分别为储能保证正常工作所要求的最大和最小荷电状态。
3)优化结果。日内调度决策模型的决策变量即输出优化结果为：参与需求响应DR资源，储能的充放电功率，对用户需求响应的单位补偿电价以及从系统运行商购买电能的功率。
(2)楼宇能量管理系统实时调度策略。在制定日内调度策略时，同时考虑了光伏出力和负荷功率的预测误差以及需求响应的偏差。实时调度主要针对系统中由于不确定性引起的不平衡功率，可通过本地响应层直接获取实时的光伏出力和负荷功率，此时没有预测误差的概念。此外，考虑DR资源的时间尺度特性，此时BEMS可调度的DR资源只有空调、热水器以及储能。
1)目标函数。在实时调度策略制定中，不用考虑整个调度周期的全收益，只需以当前调度时段treal的收益最大为目标，实时调度策略模型的目标函数可表述如下：
Figure BDA0003011853750000231
式中：PPV(treal)、PL(treal)为从BEMS系统中直接获取的实时光伏出力和负荷功率；PDR,S(treal)为当前调度时段系统运营商下达给BEMS的实时需求响应；PS(treal)为BEMS需要决策的从系统运营商购买电能的实时功率；PES(treal)为BEMS调度决策的储能实时充电功率(当储能放电时，数值为负)；PDR,L(treal)为BEMS调度决策的实时响应的负荷需求响应量。cL、cDR,S、cPV、cES的含义和日内调度模型相同；cS(treal)为为BEMS从系统中购买电能的实时单位市场电价；cDR,L(treal)为BEMS调度决策的对用户需求响应的实时单位补偿电价。
2)约束条件。功率平衡约束：
PDR,S(treal)＝PS(treal)+PPV(treal)-PL(treal)-PES(treal)-PDR,L(treal)
3)优化结果。实时调度决策模型的决策变量即输出优化结果为：参与需求响应空调和热水器DR资源，储能的实时充电功率，对用户需求响应的实时单位补偿电价以及从系统运行商购买电能的实时功率。
有益效果：
(1)通过建立楼宇能量管理系统中主要弹性设备和储能的运行特性的数学模型，量化不同特性和多时间尺度的设备在不同状态下的需求响应潜力大小。
(2)考虑楼宇能量管理系统中的不确定因素以及考虑不同设备的需求响应时间尺度，建立计及不确定性的多时间尺度优化调度模型，对楼宇进行精准的能量管理。
(3)有效利用楼宇能量系统中的需求响应资源、提高光伏发电的利用率，开发相关软件，实现楼宇能量系统的经济调度。
本发明还提供了一种基于楼宇能量管理系统经济调度系统，包括：
结构建模模块，用于分析楼宇系统的组成部分，建立楼宇能量管理系统的结构模型；
提取模块，用于提取所述结构模型中各电单元中弹性负荷的运行特性的数学模型；
分析单元，用于分析不同电单元的用电特性和时间尺度负荷的需求响应潜力，给出考虑时变性情况下各电单元中弹性负荷在不同状态下的需求响应潜力量化模型；
不确定性模块，用于基于电单元的光伏出力预测误差、负荷功率预测误差和需求响应偏差的不确定因素，分别给电单元的出光伏出力、负荷功率和需求响应率的不确定性模型；
优化控制模块，用于在需求响应潜力量化和不确定性建模的基础上，建立需求响应资源参与下楼宇能量管理系统的优化控制模型；
调度策略制定模块，用于在楼宇能量管理系统的优化控制模型基础上，建立多时间尺度优化调度模型。
该系统用于应用实施上述基于楼宇能量管理系统经济调度方法，在此不再赘述。
以上所述，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上所述而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。

Claims (10)

1.一种基于楼宇能量管理系统经济调度方法，其特征在于，包括以下步骤：
S1，分析楼宇系统的组成部分，建立楼宇能量管理系统的结构模型；
S2，提取所述结构模型中各电单元中弹性负荷的运行特性的数学模型；
S3，分析不同电单元的用电特性和时间尺度负荷的需求响应潜力，给出考虑时变性情况下各电单元中弹性负荷在不同状态下的需求响应潜力量化模型；
S4，在电单元的光伏出力预测误差、负荷功率预测误差和需求响应偏差的不确定因素下，分别获取电单元的出光伏出力、负荷功率和需求响应率的不确定性模型；
S5，基于需求响应潜力量化模型和不确定性模型，建立需求响应资源参与下楼宇能量管理系统的优化控制模型；
S6，在楼宇能量管理系统的优化控制模型基础上，建立多时间尺度优化调度模型，制定调度策略。
2.根据权利要求1所述的基于楼宇能量管理系统经济调度方法，其特征在于，所述弹性负荷用于深入挖掘需求响应潜力，分为可削减负荷、可中断负荷及可转移负荷；
所述可削减负荷包括运行功率存在一定弹性范围的空调及热水器；
所述可中断负荷包括运行期间可关断的家用加湿器及干衣机；
所述可转移负荷包括启动与运行时间可预设的洗衣机、电饭煲及洗碗机。
3.根据权利要求1所述的基于楼宇能量管理系统经济调度方法，其特征在于，所述S2具体包括：
从运行功率、调节公式和变化公式方面给出空调、热水器和洗衣机的运行特性的数学模型；
从运行功率、荷电状态约束公式、充放电模型方面给出电动汽车和储能设备的运行特性的数学模型。
4.根据权利要求3所述的基于楼宇能量管理系统经济调度方法，其特征在于，空调的运行状态和当前室内温度、温度设定值和温度死区有关，当空调运行于制冷模式，运行功率关系式为：
Figure FDA0003011853740000021
式中：pAC(t)为t时刻的运行功率kW；PAC为空调的额定功率kW；TAC(t)为t时刻的室内温度℃；
Figure FDA0003011853740000022
为t时刻的温度设定值℃；
Figure FDA0003011853740000023
为温度死区℃；
调节公式为：
Figure FDA0003011853740000024
式中：sAC(t)为控制器t时刻下发的DR指令；
Figure FDA0003011853740000025
为用户输入的空调温度设定值，单位为℃；
对于每一个时间间隔t，室内温度的变化公式所示：
Figure FDA0003011853740000026
式中：Δt为时间间隔t的长度，单位为hour；G(t)为t时刻房屋的热量增加率，正数表示热量增加，负数表示热量流失，单位为Bth/h；CAC为供冷量，单位为Bth/h；Δc为室内温度变化1℉需要的能量，单位为Bth/℉。
5.根据权利要求3所述的基于楼宇能量管理系统经济调度方法，其特征在于，电动汽车的实际充电功率计算公式为：
pEV(t)＝PEV·NEV(t)·wEV(t)·sEV(t)
①pEV(t)为电动汽车t时刻的充电功率，单位为kW；PEV为电动汽车额定功率，单位为kW；NEV(t)为电动汽车t时刻的连接状态，“1”表示电动汽车连接上充电桩，“0”表示电动汽车未连接上充电桩；
②wEV(t)为t时刻电动汽车未受控制情况下的充电状态，公式如下所示，“1”表示电动汽车在充电，“0”表示电动汽车未充电；
Figure FDA0003011853740000031
式中：SOC(t)为t时刻的荷电状态；SOCmin为预计充电结束时间时要求达到的最小荷电状态；
③sEV(t)为t时刻的DR指令，“1”表示电动汽车开始工作，“0”表示电动汽车停止工作；
荷电状态约束公式为：
Figure FDA0003011853740000032
式中：SOC0为电动汽车的初始荷电状态；L为电动汽车的出行距离，单位为mile；EEV为行驶效率，单位为mile/kWh；QEV为电动汽车电池的总容量，单位为kWh；
电动汽车的充电模型为：
Figure FDA0003011853740000033
式中η为充电效率。
6.根据权利要求3所述的基于楼宇能量管理系统经济调度方法，其特征在于，储能设备的充放电功率公式可表示为：
pES(t)＝PES·GES(t)
式中：PES是储能电池的基准充放电功率；GES(t)是t时刻储能的充放电档位，当GES(t)取值为正时，表示储能正在充电，当GES(t)取值为负时，表示储能正在放电；
荷电状态约束公式为：
SOCES,min＜SOCES(t)＜SOCES,max
SOCES，min为储能设备最小储能状态，SOCES，max为储能设备最大储能状态，SOCES(t)为储能设备t时刻储能状态；
通过电池的荷电状态来表示储能当前的状态，储能充放电时其荷电状态变化公式如下：
SOCES(t+1)＝SOCES(t)+ηESpES(t)Δt
式中：Δt为时间间隔t的长度，单位为小时；ηES为储能系统的充放电效率。
7.根据权利要求1所述的基于楼宇能量管理系统经济调度方法，其特征在于，所述S3具体包括：需求响应潜力定义为用户参与需求响应项目能提供的最大容量，其潜力由于受用户主观意愿和负荷动态物理特性多因素影响具有不确定性，其中能够提供削减负荷功率的称为负潜力，提供增加负荷功率的称为正潜力，当电单元的需求响应为负潜力时，调小该电单元用电，反之调大该电单元用电。
8.根据权利要求1所述的基于楼宇能量管理系统经济调度方法，其特征在于，所述S5具体包括：
基于可调度设备的动态运行特性、设备状态及用户的舒适度参数，计算所有可调度设备的需求响应潜力；
基于舒适度指标确定设备响应响应优先级，指导可调度设备响应动作；
最后将调度指令下发至可调度的用电设备。
9.根据权利要求1所述的基于楼宇能量管理系统经济调度方法，其特征在于，所述S6具体包括：
分别在日内和实时两个时间尺度建立调度模型；
每个时间尺度的调度分为输入层、调度控制层、代理协调层和本地响应层；输入层将光伏出力和负荷侧常规负荷的预测功率作为输入参与各时段的调度，其中，负荷侧常规负荷不包括参与需求响应的负荷；调度控制层负责计算需求响应潜力、协调需求响应资源、针对某一优化目标的最优决策、制定并实施调度计划，日内调度计划为每15min执行一次，实时调度计划为每1min执行一次；本地响应层向调度控制层上传参与响应的负荷用电信息，并响应调度指令。
10.一种基于楼宇能量管理系统经济调度系统，其特征在于，包括：
结构建模模块，用于分析楼宇系统的组成部分，建立楼宇能量管理系统的结构模型；
提取模块，用于提取所述结构模型中各电单元中弹性负荷的运行特性的数学模型；
分析单元，用于分析不同电单元的用电特性和时间尺度负荷的需求响应潜力，给出考虑时变性情况下各电单元中弹性负荷在不同状态下的需求响应潜力量化模型；
不确定性模块，用于根据电单元的光伏出力预测误差、负荷功率预测误差和需求响应偏差的不确定因素下，分别给电单元的出光伏出力、负荷功率和需求响应率的不确定性模型；
优化控制模块，用于在需求响应潜力量化和不确定性建模的基础上，建立需求响应资源参与下楼宇能量管理系统的优化控制模型；
调度策略制定模块，用于在楼宇能量管理系统的优化控制模型基础上，建立多时间尺度优化调度模型。
CN202110378589.9A 2021-04-08 2021-04-08 一种基于楼宇能量管理系统经济调度方法及系统 Pending CN113158450A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110378589.9A CN113158450A (zh) 2021-04-08 2021-04-08 一种基于楼宇能量管理系统经济调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110378589.9A CN113158450A (zh) 2021-04-08 2021-04-08 一种基于楼宇能量管理系统经济调度方法及系统

Publications (1)

Publication Number Publication Date
CN113158450A true CN113158450A (zh) 2021-07-23

Family

ID=76889188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110378589.9A Pending CN113158450A (zh) 2021-04-08 2021-04-08 一种基于楼宇能量管理系统经济调度方法及系统

Country Status (1)

Country Link
CN (1) CN113158450A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114219316A (zh) * 2021-12-17 2022-03-22 国网四川省电力公司电力科学研究院 一种基于节点电价的交通-电网融合园区需求响应的方法
CN114662922A (zh) * 2022-03-24 2022-06-24 国网江苏省电力有限公司南通供电分公司 考虑光伏不确定性的居民需求响应潜力评估方法及系统
CN116151032A (zh) * 2023-04-17 2023-05-23 湖南大学 住宅建筑动态负荷柔性潜力计算方法、装置、设备及介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107332241A (zh) * 2017-08-30 2017-11-07 国家电网公司 用于评估含分布式新能源配电网可靠性的方法及系统
CN107726538A (zh) * 2016-08-10 2018-02-23 国家电网公司 一种智能楼宇用电调控方法
CN108898287A (zh) * 2018-06-11 2018-11-27 国网江西省电力有限公司电力科学研究院 大规模光伏并网的配电网运行风险评估方法
CN109740846A (zh) * 2018-11-30 2019-05-10 国网江苏省电力有限公司电力科学研究院 智能小区需求响应调度方法和系统
CN109752953A (zh) * 2018-10-08 2019-05-14 国网天津市电力公司电力科学研究院 一种集成电制冷机的楼宇供能系统模型预测调控方法
CN110138006A (zh) * 2019-05-22 2019-08-16 南京邮电大学 考虑含有新能源电动汽车的多微电网协调优化调度方法
CN110350523A (zh) * 2019-07-10 2019-10-18 佳源科技有限公司 基于需求响应的多能源互补优化调度方法
CN110417062A (zh) * 2019-07-31 2019-11-05 广东电网有限责任公司 一种电气综合能源系统优化调度方法
CN110533225A (zh) * 2019-08-07 2019-12-03 华北电力大学 一种基于机会约束规划的商业园区综合能源系统优化调度方法
US20200059098A1 (en) * 2017-02-22 2020-02-20 Board Of Regents, The University Of Texas System Building and Building Cluster Energy Management and Optimization System and Method
CN110866641A (zh) * 2019-11-14 2020-03-06 山东大学 计及源储荷协同的多能互补系统两级优化调度方法及系统
CN111861029A (zh) * 2020-07-29 2020-10-30 国网上海市电力公司 一种计及孤岛划分和网络重构的供电可靠性评估方法
CN111969613A (zh) * 2020-07-30 2020-11-20 中国电力科学研究院有限公司 一种需求响应优化调度方法及系统
CN112580256A (zh) * 2020-12-02 2021-03-30 燕山大学 计及故障率影响含电动汽车的分布式电源选址定容方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107726538A (zh) * 2016-08-10 2018-02-23 国家电网公司 一种智能楼宇用电调控方法
US20200059098A1 (en) * 2017-02-22 2020-02-20 Board Of Regents, The University Of Texas System Building and Building Cluster Energy Management and Optimization System and Method
CN107332241A (zh) * 2017-08-30 2017-11-07 国家电网公司 用于评估含分布式新能源配电网可靠性的方法及系统
CN108898287A (zh) * 2018-06-11 2018-11-27 国网江西省电力有限公司电力科学研究院 大规模光伏并网的配电网运行风险评估方法
CN109752953A (zh) * 2018-10-08 2019-05-14 国网天津市电力公司电力科学研究院 一种集成电制冷机的楼宇供能系统模型预测调控方法
CN109740846A (zh) * 2018-11-30 2019-05-10 国网江苏省电力有限公司电力科学研究院 智能小区需求响应调度方法和系统
CN110138006A (zh) * 2019-05-22 2019-08-16 南京邮电大学 考虑含有新能源电动汽车的多微电网协调优化调度方法
CN110350523A (zh) * 2019-07-10 2019-10-18 佳源科技有限公司 基于需求响应的多能源互补优化调度方法
CN110417062A (zh) * 2019-07-31 2019-11-05 广东电网有限责任公司 一种电气综合能源系统优化调度方法
CN110533225A (zh) * 2019-08-07 2019-12-03 华北电力大学 一种基于机会约束规划的商业园区综合能源系统优化调度方法
CN110866641A (zh) * 2019-11-14 2020-03-06 山东大学 计及源储荷协同的多能互补系统两级优化调度方法及系统
CN111861029A (zh) * 2020-07-29 2020-10-30 国网上海市电力公司 一种计及孤岛划分和网络重构的供电可靠性评估方法
CN111969613A (zh) * 2020-07-30 2020-11-20 中国电力科学研究院有限公司 一种需求响应优化调度方法及系统
CN112580256A (zh) * 2020-12-02 2021-03-30 燕山大学 计及故障率影响含电动汽车的分布式电源选址定容方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
万伟航: "基于需求侧响应的家庭用电优化策略研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
宁佳: ""基于源网荷态势的电力智能需求侧响应技术研究"", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 *
赵冬梅等: ""考虑柔性负荷响应不确定性的多时间尺度协调调度模型"", 《电力系统自动化》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114219316A (zh) * 2021-12-17 2022-03-22 国网四川省电力公司电力科学研究院 一种基于节点电价的交通-电网融合园区需求响应的方法
CN114219316B (zh) * 2021-12-17 2023-04-28 国网四川省电力公司电力科学研究院 一种基于节点电价的交通-电网融合园区需求响应的方法
CN114662922A (zh) * 2022-03-24 2022-06-24 国网江苏省电力有限公司南通供电分公司 考虑光伏不确定性的居民需求响应潜力评估方法及系统
CN114662922B (zh) * 2022-03-24 2023-12-26 国网江苏省电力有限公司南通供电分公司 考虑光伏不确定性的居民需求响应潜力评估方法及系统
CN116151032A (zh) * 2023-04-17 2023-05-23 湖南大学 住宅建筑动态负荷柔性潜力计算方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
Lu et al. Home energy management in smart households: Optimal appliance scheduling model with photovoltaic energy storage system
Brusco et al. Energy management system for an energy district with demand response availability
Wu et al. Real-time scheduling of residential appliances via conditional risk-at-value
US10755295B2 (en) Adaptive load management: a system for incorporating customer electrical demand information for demand and supply side energy management
CN114362189A (zh) 一种可调节负荷参与需求响应的调用方法、系统及装置
CN113158450A (zh) 一种基于楼宇能量管理系统经济调度方法及系统
CN112633571B (zh) 源网荷互动环境下基于lstm的超短期负荷预测方法
CN107612041B (zh) 一种考虑不确定性的基于事件驱动的微电网自动需求响应方法
Ojand et al. Q-learning-based model predictive control for energy management in residential aggregator
CN114418249B (zh) 一种光储柔系统运行控制方法及装置
Lu et al. A multi-objective optimization model considering users' satisfaction and multi-type demand response in dynamic electricity price
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
Song et al. Multi-objective optimization strategy for home energy management system including PV and battery energy storage
CN106846179B (zh) 一种基于非合作博弈的居民负荷双层调度优化方法
CN111339689A (zh) 建筑综合能源调度方法、系统、存储介质及计算机设备
Jin et al. User-preference-driven model predictive control of residential building loads and battery storage for demand response
Khalkhali et al. Novel residential energy demand management framework based on clustering approach in energy and performance-based regulation service markets
CN113328432A (zh) 一种家庭能量管理优化调度方法及系统
CN114841409A (zh) 联合lstm和深度强化学习的家庭能源管理方法及介质
CN113746089A (zh) 面向多用户的多时间尺度电力套餐与家庭能量优化方法
Chatterjee et al. Multi-objective energy management of a smart home in real time environment
CN111555291A (zh) 一种基于自适应粒子群的负荷集群控制方法
Reis et al. Residential demand-side flexibility in energy communities: a combination of optimization and agent modeling approaches
Ceccon et al. Intelligent electric power management system for economic maximization in a residential prosumer unit
Yang et al. Bi-level decentralized control of electric heating loads considering wind power accommodation in real-time electricity market

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210723

RJ01 Rejection of invention patent application after publication