CN113311713B - 基于集群状态统计的温控负荷需求响应控制方法 - Google Patents

Abstract

本发明公开了一种基于集群状态统计的温控负荷需求响应控制方法，涉及电力系统需求响应领域，本发明考虑信息交互效率，用户舒适度等因素，建立了一种面向需求响应的TCL单元选择模型；为多种TCL类型建立了通用的归一化温度状态指标；对状态队列模型进行改进，构建TCL单元受控概率函数，提出了TCL单元选择随机算法；设计了基于集群状态统计信息和控制信号广播的TCL单元选择流程。本发明在实现电力系统调控目标的同时保障用户体验，同时对通讯网络的要求较低，也有利于降低用户信息泄露的风险，有利于提升用户满意度，扩大需求响应集群规模，降低实施成本。

Description

基于集群状态统计的温控负荷需求响应控制方法

技术领域

本发明涉及电力系统需求响应领域，尤其是一种基于集群状态统计的温控负荷需求响应控制方法。

背景技术

近年来我国可再生能源发电在电网中的占比持续快速增长，使电力系统在供需双侧均呈现出显著的随机性和波动性，单纯依赖可控发电机组的出力调节难以满足电力系统的可靠、经济、高效运行。另一方面，随着居民生活条件提升，空调、冰箱、电热水器等温控负荷在电网中大量存在，且短时间或小范围的调节该类负荷的运行状态不会影响用户体验。与投建电厂，增设储能设施等措施相比，组织温控负荷通过需求响应参与电网调控具有更高的经济效益和社会效益。温控负荷个体容量小，数量庞大，地理位置分散，传统的需求响应控制方法给相关服务体系带来巨大的计算和通讯压力，存在经济性和可行性差的问题。

发明内容

本发明需要解决的技术问题是提供一种基于集群状态统计的温控负荷需求响应控制方法，本发明在实现调控电力系统的同时保障用户体验，同时降低对通讯网络的要求，有利于降低用户信息泄露的风险。

为解决上述技术问题，本发明所采用的技术方案是：

基于集群状态统计的温控负荷需求响应控制方法，包括如下步骤：

A1、温控负荷管理终端从部分温控负荷本地终端采集包括温控介质的归一化温度状态{T_n,1、T_n,2、T_n,3、…、T_n,i、…}、温控组件的开关状态{s₁、s₂、s₃、…、s_i、…}和温控组件的额定输入功率{P₁、P₂、P₃、…、P_i、…}的状态信息，从而获取集群状态统计信息TCL集群中处于开启和关闭状态的温控设备数量估计值

其中，温度状态归一化指标T_n,i的概率密度函数的参数值A_on、B_on、A_off、B_off；

A2、温控负荷管理终端根据集群状态统计信息和电网调控需求负荷上调或下调功率P_d进行响应控制决策，求取响应阈值温度T_c并下发至各温控负荷本地终端；

A3、温控负荷本地终端根据所接收的响应阈值温度T_c和本地温控设备的运行状态对各温控设备进行响应判定，本地终端通过比较温控负荷温度状态归一化指标T_n和响应阈值温度T_c，判定是否切换温控组件的开关状态。

本发明技术方案的进一步改进在于：所述步骤A1中温控介质的归一化指标T_n,i的计算表达式为：

式中，T_s,i为用户设定的温控目标温度；T_δ,i为温控设备的温度控制裕量；T_in,i为温控环境内的介质温度；C_i为温控设备类型，其为1和-1时分别表示制热设备和制冷设备。

本发明技术方案的进一步改进在于：所述步骤A1中温控负荷集群的状态统计信息获取包括如下步骤：

B1、温控负荷管理终端采集部分温控负荷本地终端的温控设备状态信息，形成样本集；

B2、根据样本集中温控组件的额定输入功率，获取额定输入功率均值E(P)，其表达式为：

式中，w为样本总量；P_i为样本集中温控组件的额定输入功率；

B3、根据样本集中设备开启数量N_s1和设备关闭数量N_s0，估计温控负荷集群中温控组件处于开启状态的温控设备数量

和温控组件处于关闭状态的温控设备数量

表达式为：

式中，r_s为采样比例，即样本总量w与集群中温控设备总量的比例；

B4、根据样本集中设备开启数量N_s1、设备关闭数量N_s0及温控设备温度状态归一化指标，分别获取样本集开启设备和关闭设备温度状态归一化指标概率密度函数的参数A_on、B_on、A_off、B_off。

本发明技术方案的进一步改进在于：所述步骤B4中概率密度函数参数A_on、B_on、A_off、B_off的求解表达式为：

其中，

本发明技术方案的进一步改进在于：所述步骤A2中温控负荷管理终端进行响应控制决策采用的算法，其输入为负荷调控功率P_d和温控负荷集群的状态统计信息：TCL集群中处于开启和关闭状态的温控设备数量估计值

所求温度状态归一化指标T_n,i的概率密度函数中的参数值A_on、B_on、A_off、B_off；额定输入功率均值E(P)；输出为响应阈值温度T_c；

对负荷功率下调的需求响应，所述算法的表达式为：

对负荷功率上调的需求响应，所述算法的表达式为：

负荷调节方向D和所述响应阈值温度T_c是温控负荷集群的响应控制信号，采用信号广播的方式向所有温控负荷本地终端下发，其中当D＝1时表示电网调控需求为负荷上调P_d，当D＝-1时表示电网调控需求为负荷下调P_d。

本发明技术方案的进一步改进在于：所述步骤A3中温控设备的响应判定包括：对任一温控设备，a)当D＝1、s_i＝0且T_n,i<T_c时，温控组件开启；b)当D＝-1、s_i＝1且T_n,i>T_c时，温控组件关闭；c)除a)和b)的其他情况，无任何操作。

由于采用了上述技术方案，本发明取得的技术进步是：

本发明在实现电力系统调控目标的同时保障用户体验，同时对通讯网络的要求较低，也有利于降低用户信息泄露的风险。本发明考虑信息交互效率，多种设备的兼容和用户隐私保护等因素，提出了一种基于统计信息和信号广播的TCL单元随机选择模型，为相关研究与应用中的单元选择环节提供了一种新的方法，对提升用户满意度，扩大需求响应集群规模，降低实施成本有积极意义。

一方面，所述单元选择模型能简化聚合商与TCL单元之间的通信过程，提高负荷响应速度，同时还考虑了用户的隐私保护和参与意愿差异。另一方面，所提模型在应用于大规模TCL集群时调控精度较高；可以实现多种TCL的统一调控。在调控性能较好的同时，所提模型无需获取所有TCL单元的实时运行状态，信息交互效率较高，有利于降低用户信息泄露的风险。

本发明所提控制方法占用的通讯资源更少，在相同的上下行带宽条件下，可以更快完成响应控制所需的信息交互，当集群规模较大时，这一优势将更为显著。此外，抽样数据仅用于统计作用，无需包含身份标识，能有效降低用户信息泄露风险。

附图说明

图1是本发明适用的温控负荷集群管理与控制系统示意图；

图2是本发明的运行流程示意图；

图3是本发明集群状态统计信息获取示例示意图；

图4是本发明响应控制决策示意图；

图5是本发明的应用示例示意图。

具体实施方式

下面结合实施例对本发明做进一步详细说明：

如图1至图5所示，应用于包含一台温控负荷管理终端和多台温控负荷本地终端的温控负荷集群管理与控制系统，

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在集群中选取适当的单元进行控制是TCL参与电网负荷调控的关键环节之一，本发明应用于包含一台温控负荷管理终端和多台温控负荷本地终端的温控负荷集群管理与控制系统，如图1所示，温控负荷管理终端对温控负荷集群进行总体响应决策；各温控负荷本地终端对单个用户所拥有的温控设备进行管理和响应判定，是用户温控设备与管理终端交互的中间环节。

图2为基于集群状态统计信息的温控负荷需求响应控制方法实施例的运行流程图，该方法包括以下步骤：

步骤A1、温控负荷管理终端从部分温控负荷本地终端采集状态信息获取集群状态统计信息；

步骤A2、温控负荷管理终端根据集群状态统计信息和电网调控需求进行响应控制决策，求取控制信号并下发至各温控负荷本地终端；

步骤A3、温控负荷本地终端根据所接收的控制信号和本地温控设备的运行状态对各温控设备进行响应判定。

对于步骤A1，首先由温控负荷管理终端由温控负荷本地终端采集温控设备状态信息，形成样本集，所述状态信息包括温控介质的归一化温度状态{T_n,1、T_n,2、T_n,3、…、T_n,i、…}，温控组件的开关状态{s₁、s₂、s₃、…、s_i、…}，和温控组件的额定输入功率{P₁、P₂、P₃、…、P_i、…}。

其次，根据样本集中温控组件的额定输入功率，获取额定输入功率均值E(P)，表达式为：

式中，w为样本总量。

根据样本集中开启设备的数量N_s1和关闭设备的数量N_s0，估计温控负荷集群中温控组件处于开启状态的温控设备数量

和温控组件处于关闭状态的温控设备数量

表达式为：

式中，r_s为采样比例，即样本总量w与集群中温控设备总量的比例；

最后分别求解样本集汇总开启设备和关闭设备状态归一化指标的概率密度函数的参数。常见的温控负荷中，热水器是制热设备，冰箱是制冷设备，空调可制热或制冷，各类温控设备均通过循环启停温控组件使环境介质温度在设定区间内上下波动，温控组件开关状态和环境介质温度直接影响其响应特性。以制冷空调为例，仅压缩机处于开启状态的设备能够进行负荷下调，且从用户舒适性、设备寿命、响应持续时长等多方面考虑，室内温度接近温控区间下限的设备更适合参与响应。温控负荷集群温控组件的开关状态服从0-1分布；温度状态的分布情况则更加复杂，尤其是不同设备类型的工作方式和温控区间不同，且不同用户对各自设备的温度设定值也存在差异，为了便于对多个温控负荷单元进行温度状态统计和分析，首先建立适当的温度状态指标。

通过归一化处理，可以将绝对温度状态转化为无量纲的相对指标，便于对温控负荷集群的温度状态进行整体分析。本专利采用的温度状态的归一化指标如式(3)所示。

式中，T_s,i为用户设定的温控目标温度，T_δ,i为温控设备的温度控制裕量，T_in,i为温控环境内的介质温度，C_i为温控设备类型，其为1和-1时分别表示制热设备和制冷设备。

一般情况下，T_in,i在[T_s,i-T_δ,i,T_s,i+T_δ,i]之间上下波动，T_n,i的取值为[-1,1]。对不同用户、不同类型的温控设备，T_n,i变化范围一致，且其上升(下降)阶段总是对应温控组件开启(关闭)状态，温度状态统计和需求响应决策时不必关注温控负荷单元的类型和温控范围。

以制冷空调为例，其热力学动态过程可由一个微分方程描述，如式(4)所示。

空调通过循环启停压缩机实现室内温度在设定范围内上下波动，由式(4)求得，s为0和1时T_in的变化过程分别如式(5)和式(6)所示。

式中，t₁为空调压缩机由关闭状态切换到开启状态的时刻；t₀为空调压缩机由开启状态切换到关闭状态的时刻。

T_max和T_min分别为空调的温控上下界，根据空调的运行特点，存在关系：

根据式(5)和式(6)可以求得空调正常运行时温度上升和下降过程的持续时长分别为τ₀、τ₁，如式(8)和式(9)所示。

根据随机变量函数的概率密度公式可得，当t在区间(t₀，t₀+τ₀)内随机变化时，即空调处于关闭状态时，T_in的概率密度函数为：

式中，f_t,0(·)为区间(t₀，t₀+τ₀)内时间t的概率密度函数，其值为1/τ₀；h₀(T_in)为式(3-3)中T_in和t的函数关系。

结合式(3)，再次应用随机变量函数的概率密度公式，可得对处于关闭状态的空调，T_n的概率密度函数如式(11)所示。

同理可得对开启状态的空调，T_n的概率密度函数如式(12)所示。

整理可得：

其中，对关闭状态的空调：

对开启状态的空调：

对制热负荷，可以采用类似方法求得如式(13)所示的概率密度函数。

由大数定理可知，样本矩依概率收敛于总体矩，可以求得T_n的一阶原点矩和二阶原点矩分别如式(16)和式(17)所示。

式中，E(·)为随机变量的期望值；A为A_on或A_off；B为B_on或B_off。

根据式(13)-式(15)，TCL在开启时和关闭时的概率密度函数参数不相同，因此在进行参数估计时，应首先根据负荷样本的开关状态将其分为样本开启组和样本关闭组，再分别用于计算A_on、B_on和A_off、B_off，如式(18)所示。

其中，

以包含10⁵台制冷空调和10⁵台热水器的负荷集群进行算例仿真，采样比例为10％，T_n的频次统计结果和估算结果对比如图3所示。

对于步骤A2，温控负荷集群的单元选择决策以温度状态作为响应优先级参考指标。若已知TCL集群开启组规模为N_on，T_n的概率密度函数为f(T_n)，则对于给定的T_c∈(-1,1)，开启组中T_n>T_c的TCL单元数量N′_on(T_c)可由式(20)求得。

因此若使T_n>T_c的TCL单元参与响应，则受控单元数量为N′_on(T_c)；反之，若所需受控单元数量为N′_on(T_c)，则应使T_n>T_c的TCL单元参与响应。式(20)建立了受控阈值温度T_c与受控单元数量之间的关系。若假设T_n的服从均匀分布，则f(T_n)＝0.5，由式(21)可得：

式中，P_d为负荷调控容量。

由式(21)可以根据负荷调控容量需求计算对应的T_c，若令P_d为TCL集群聚合功率的10％，则此时T_c＝0.8，TCL集群的受控情况如图4(a)所示。若P_d为TCL集群聚合功率的20％，则TCL集群的受控情况如图4(b)所示。

若f(T_n)如式(13)所示，则由式(20)可得：

式(21)可改写为：

同理可得，对负荷上调的需求响应，有：

负荷调节方向D和响应阈值温度T_c是温控负荷集群的响应控制信号，采用信号广播的方式向所有温控负荷本地终端下发，其中D＝1时表示电网调控需求为负荷上调P_d，D＝-1时表示电网调控需求为负荷下调P_d。

对于步骤A3，温控负荷本地终端接收到响应控制信号后，根据该响应控制信号、温控设备当前运行状态实现响应判定，判定逻辑具体为：a)当D＝1、s_i＝0且T_n,i<T_c时，温控设备开启；b)当D＝-1、s_i＝1且T_n,i>T_c时，温控设备关闭；c)除a)和b)的其他情况，无操作。

与现有的温控负荷需求响应控制方法不同之处在于：

现有研究广泛应用的顺序选择模型进行单元选择时，聚合商需收集所有TCL单元的开关和温度状态，采用点对点通信方式向被选单元发送控制信号。因此各单元的身份标识(设备编号)也需要被传输和记录。若假设TCL单元的身份标识、运行状态和控制信号传输所需的通信量均为1，TCL集群的单元总量为1000，某次负荷调节的被选单元总量为100，则该模型下在信息收集阶段和控制信号下发阶段的通信总量分别为2000和200。

本发明提出的基于集群状态统计的单元选择模型中，聚合商采集部分单元的运行状态获取集群状态统计信息，基于统计信息进行单元选择决策，然后采用信号广播的方式向所有单元发送统一的控制信号，各单元接收到该信号后结合设备当前运行状态进行响应判定。若部分抽样的比例为30％，与上述假设相同时在信息收集阶段和控制信号下发阶段的通信总量分别为300和1。

综上，本发明所提控制方法占用的通讯资源更少，在相同的上下行带宽条件下，可以更快完成响应控制所需的信息交互，当集群规模较大时，这一优势将更为显著。此外，抽样数据仅用于统计作用，无需包含身份标识，能有效降低用户信息泄露风险。

Claims (4)

1.基于集群状态统计的温控负荷需求响应控制方法，其特征在于：包括如下步骤：

A1、温控负荷管理终端从部分温控负荷本地终端采集包括温控介质的归一化温度状态{T_n,1、T_n,2、T_n,3、…、T_n,i、…}、温控组件的开关状态{s₁、s₂、s₃、…、s_i、…}和温控组件的额定输入功率{P₁、P₂、P₃、…、P_i、…}的状态信息，从而获取集群状态统计信息TCL集群中处于开启和关闭状态的温控设备数量估计值

其中，温度状态归一化指标T_n,i的概率密度函数的参数值A_on、B_on、A_off、B_off；所述温控负荷集群的状态统计信息获取包括如下步骤：

B1、温控负荷管理终端采集部分温控负荷本地终端的温控设备状态信息，形成样本集；

B2、根据样本集中温控组件的额定输入功率，获取额定输入功率均值E(P)，其表达式为：

式中，w为样本总量；P_i为样本集中温控组件的额定输入功率；

B3、根据样本集中设备开启数量N_s1和设备关闭数量N_s0，估计温控负荷集群中温控组件处于开启状态的温控设备数量

和温控组件处于关闭状态的温控设备数量

表达式为：

式中，r_s为采样比例，即样本总量w与集群中温控设备总量的比例；

B4、根据样本集中设备开启数量N_s1、设备关闭数量N_s0及温控设备温度状态归一化指标，分别获取样本集开启设备和关闭设备温度状态归一化指标概率密度函数的参数A_on、B_on、A_off、B_off；

A2、温控负荷管理终端根据集群状态统计信息和电网调控需求负荷上调或下调功率P_d进行响应控制决策，求取响应阈值温度T_c并下发至各温控负荷本地终端；所述温控负荷管理终端进行响应控制决策采用的算法，其输入为负荷调控功率P_d和温控负荷集群的状态统计信息：TCL集群中处于开启和关闭状态的温控设备数量估计值

所求温度状态归一化指标T_n,i的概率密度函数中的参数值A_on、B_on、A_off、B_off；额定输入功率均值E(P)；输出为响应阈值温度T_c；

对负荷功率下调的需求响应，所述算法的表达式为：

对负荷功率上调的需求响应，所述算法的表达式为：

负荷调节方向D和所述响应阈值温度T_c是温控负荷集群的响应控制信号，采用信号广播的方式向所有温控负荷本地终端下发，其中当D＝1时表示电网调控需求为负荷上调P_d，当D＝-1时表示电网调控需求为负荷下调P_d；

A3、温控负荷本地终端根据所接收的响应阈值温度T_c和本地温控设备的运行状态对各温控设备进行响应判定，本地终端通过比较温控负荷温度状态归一化指标T_n和响应阈值温度T_c，判定是否切换温控组件的开关状态。

2.根据权利要求1所述的基于集群状态统计的温控负荷需求响应控制方法，其特征在于：所述步骤A1中温控介质的归一化指标T_n,i的计算表达式为：

式中，T_s,i为用户设定的温控目标温度；T_δ,i为温控设备的温度控制裕量；T_in,i为温控环境内的介质温度；C_i为温控设备类型，其为1和-1时分别表示制热设备和制冷设备。

3.根据权利要求1所述的基于集群状态统计的温控负荷需求响应控制方法，其特征在于：所述步骤B4中概率密度函数参数A_on、B_on、A_off、B_off的求解表达式为：

其中，

4.根据权利要求1所述的基于集群状态统计的温控负荷需求响应控制方法，其特征在于：所述步骤A3中温控设备的响应判定包括：对任一温控设备，a)当D＝1、s_i＝0且T_n,i<T_c时，温控组件开启；b)当D＝-1、s_i＝1且T_n,i>T_c时，温控组件关闭；c)除a)和b)的其他情况，无任何操作。

Images