CN113344388B - 面向台区多类型用户参与的需求响应优化调度方法、装置及系统 - Google Patents

面向台区多类型用户参与的需求响应优化调度方法、装置及系统 Download PDF

Info

Publication number
CN113344388B
CN113344388B CN202110638050.2A CN202110638050A CN113344388B CN 113344388 B CN113344388 B CN 113344388B CN 202110638050 A CN202110638050 A CN 202110638050A CN 113344388 B CN113344388 B CN 113344388B
Authority
CN
China
Prior art keywords
user
water heater
air conditioner
power
sta
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
CN202110638050.2A
Other languages
English (en)
Other versions
CN113344388A (zh
Inventor
陈爱明
单露
王靖韬
陈霄
陈秀新
杨鑫
赵永凯
陈闯
陈毓春
邹丹平
王红彦
牛泽
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 Jiangsu Electric Power Co Ltd
Nari Technology Co Ltd
State Grid Electric Power Research Institute
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Nari Technology Co Ltd
State Grid Electric Power Research Institute
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 Jiangsu Electric Power Co Ltd, Nari Technology Co Ltd, State Grid Electric Power Research Institute filed Critical State Grid Corp of China SGCC
Priority to CN202110638050.2A priority Critical patent/CN113344388B/zh
Publication of CN113344388A publication Critical patent/CN113344388A/zh
Application granted granted Critical
Publication of CN113344388B publication Critical patent/CN113344388B/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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Air-Conditioning For Vehicles (AREA)

Abstract

本发明公开了一种面向台区多类型用户参与的需求响应优化调度方法、装置及系统，所述方法包括获取优化问题的决策变量和约束条件，所述决策变量和约束条件是基于需求响应指令、设备台账信息和负荷预测信息构建而成的；获取优化问题的目标函数；根据所述决策变量、约束条件和目标函数，求解各个决策变量的最优值，生成调控策略。本发明研究了托管用户、协商用户、负荷聚合商三类用户的可调资源调节策略，并建立了以配变台区为调控单位，托管用户、协商用户、负荷聚合商三类用户参与的需求响应优化模型。通过该模型可制定用户侧柔性负荷资源调节控制策略，可以达到降低尖峰负荷、减小峰谷差的目的。

Description

面向台区多类型用户参与的需求响应优化调度方法、装置及 系统
技术领域
本发明属于台区需求响应技术领域，具体涉及一种面向台区多类型用户参与的需求响应优化调度方法、装置及系统。
背景技术
近年来我国季节性电力负荷高峰不断增长，可以通过需求响应来调节需求侧柔性负荷，缓解电网供电压力。城市居民存在大量微小、随机、可调节的柔性负荷，在用电高峰时段，通过精准预测居民用户的电力负荷需求，制定用户侧柔性负荷资源调节控制策略，可以达到降低尖峰负荷、减小峰谷差的目的，因此需要研究低压配变台区下居民用户参与需求响应的优化调度方法。
居民用户通过可调节资源参与需求响应。居民的可调节资源主要包括空调、热水器和私人充电桩，由于用户的空调、热水器和私人充电桩的智能化水平不一，且用户对于参与需求响应的接纳程度和参与意愿不一，在需求响应业务中发展了三种不同类型的用户参与方式，根据参与方式用户可以分为托管用户、协商用户、负荷聚合商三类。目前关于居民用户参与需求响应的优化调度研究很少考虑用户参与方式的不同对于需求响应优化调控策略和模型的影响，且实际上对于不同类型用户，相应的可调设备的调控策略不同。
发明内容
针对上述问题，本发明提出一种面向台区多类型用户参与的需求响应优化调度方法、装置及系统，可制定用户侧柔性负荷资源调节控制策略，达到降低尖峰负荷、减小峰谷差的目的。
为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
第一方面，本发明提供了一种面向台区多类型用户参与的需求响应优化调度方法，包括：
获取优化问题的决策变量和约束条件，所述决策变量和约束条件是基于需求响应指令、设备台账信息和负荷预测信息构建而成的；
获取优化问题的目标函数；
根据所述决策变量、约束条件和目标函数，求解各个决策变量的最优值，生成调控策略。
可选地，所述需求响应指令包括需求响应量、需求响应时段和激励价格；
参与需求响应的设备包括定频空调、定频热水器和电动汽车；所述定频空调存在送风和制冷/制热两种模式，所述定频热水器存在一、二、三档三种运行模式，二者在各模式下的运行功率均为恒定功率；
对于所述定频空调和定频热水器，所述设备台账信息包括空调送风功率pAC，blow j、空调制冷/制热功率pAC，temp j、热水器一档加热功率pWH1 j、热水器二档加热功率pWH2 j和热水器三档加热功率pWH3 j；
对于所述电动汽车，所述设备台账信息包括电动汽车最大充电功率pEV，max j和最小充电功率pEV，min j；
所述负荷预测信息包括空调预测功率pAC，pred j、热水器预测功率pWH，pred j、电动汽车插枪时间tEV，a j和拔枪时间tEV，b j。
可选地，所述决策变量包括托管用户空调功率pAC，tr j、托管用户热水器功率pWH，tr j、电动汽车充电功率pEV j、负荷聚合商调控量pLA，reg j，协商用户空调开关状态staAC，off j、协商用户空调送风状态staAC，blow j、协商用户空调变温状态staAC，temp j、协商用户热水器开关状态staWH，off j、协商用户热水器一档开关状态staWH1 j、协商用户热水器二档开关状态staWH2 j、协商用户热水器三档开关状态staWH3 j、电动汽车充电开关状态staEV j，上标j表示第j个用户的设备。
可选地，所述约束条件包括：托管用户空调约束，表示如下：
Figure GDA0003732105750000021
pAC，tr j[t]为t时刻托管用户空调j的运行功率；pAC，pred j[t]为托管用户空调j在t时刻的预测功率；pAC，blow j为托管用户空调j的送风功率；pAC，temp j为托管用户空调j的变温功率；
当预测的空调功率为零，即空调关机时，认为优化的空调功率也为零；由于托管用户的空调可实现实时控制，可以认为空调在一个调控周期内的平均运行功率为在送风功率和制冷/制热功率之间的连续变量；
托管用户热水器约束，表示如下：
Figure GDA0003732105750000022
pWH，tr j[t]为t时刻托管用户热水器j的运行功率；pWH，pred j[t]为托管用户热水器j在t时刻的预测功率；pWH1 j为托管用户热水器j的一档功率；pWH3 j为托管用户热水器j的三档功率；
当预测的热水器功率为零，即热水器关机时，认为优化的热水器功率也为零；由于托管用户的空调可实现实时控制，可以认为热水器在一个调控周期内的平均运行功率为在一档功率和三档功率之间的连续变量；
协商用户空调约束，表示如下：
Figure GDA0003732105750000031
staAC，off j[t]为协商用户空调j在t时刻的开关状态，staAC，off j[t]＝1时空调处于关机状态，staAC，off j[t]＝0时空调处于开机状态；staAC，blow j[t]为协商用户空调j在t时刻的送风状态，staAC，blow j[t]＝1时空调处于送风状态，staAC，blow j[t]＝0时空调不处于送风状态；staAC，temp j[t]为协商用户空调j在t时刻的变温状态，staAC，temp j[t]＝1时空调处于变温状态，staAC，temp j[t]＝0时空调不处于变温状态；pAC，ng j[t]为t时刻协商用户空调j的运行功率；pAC，temp j为空调j的变温功率；pAC，blow j为空调j的送风功率；通过一阶等效热物理模型及热电转化模型建立室温与空调运行功率之间的关系，Tin j[t]为t时刻空调j所在环境的室内温度；Tout为室外环境温度；Rj为空调j的等效热阻；Cj为空调j的等效比热容；Tin，min和Tin，max分别为协商用户可接受的室内最低和最高温度；
空调在某一时刻仅处于关机、送风、制冷/制热三种状态之一，空调运行功率由空调所处状态决定；室内温度需要处于协商用户可接受的最低温度和最高温度之间；
协商用户热水器约束，表示如下：
Figure GDA0003732105750000032
通过热水器能量交换模型可以建立热水器内水温与热水器运行功率之间的关系，考虑到家用热水器的保温效果极强，认为热水器外壁绝热，因此热水器内水温的变化取决于加热量和补充进入热水器的冷水量；式中，staWH，off j[t]为协商用户热水器j在t时刻的开关状态，staWH，off j[t]＝1时热水器处于关机状态，staWH，off j[t]＝0时热水器处于开机状态；stai j[t]为协商用户热水器j在t时刻的功率状态，sta1 j[t]＝1时热水器处于一档运行，sta2 j[t]＝1时热水器处于二档运行，sta3 j[t]＝1时热水器处于三档运行；pWH，ng j[t]为t时刻协商用户热水器j的运行功率；pWH，1 j为协商用户热水器j的一档运行功率；pWH，2 j为协商用户热水器j的二档运行功率；pWH，3 j为协商用户热水器j的三档运行功率；Tw j[t]为t时刻热水器j内水温；Mj为热水器j内充满水状态下的热水质量；cw、ρw分别为水的比热容和密度；dj[t]为t时刻热水器内水的消耗量；Tout[t]为t时刻的环境温度；Tw，min为用户可接受的热水最低温度；
热水器在某一时刻仅处于关机、一档加热、二档加热、三档加热四种状态之一；热水器内水温需要高于用户可接受的热水最低温度；
电动汽车约束包括充电功率约束和荷电状态约束，表示如下：
Figure GDA0003732105750000041
其中，pEV j为电动汽车j的充电功率；pEV，min j、pEV，max j分别为电动汽车j的最小、最大充电功率；staon，EV j为电动汽车充电状态，当staon，EV j＝0时，充电桩为关闭状态，当staon，EV j＝1时，充电桩为开启状态；tEV，a j、tEV，b j分别为电动汽车插枪、拔枪时间；socEV j为电池荷电状态；socb，min j为拔枪时刻用户可接受的电动汽车荷电状态最低限度；socEV j[0]＝socEV，init j为电动汽车初始荷电状态；capEV，max j为电池总容量；ηEV为电动汽车充电效率；
负荷聚合商约束表示如下：
PLA，min j[t]≤PLA j[t]≤PLA，max j[t]
其中，PLA，min j[t]为负荷聚合商在t时刻的功率调节量；PLA，min j和PLA，max j分别为负荷聚合商上报的最小和最大调控潜力；
系统约束为在需求响应时段内，优化后的总负荷与预测的总负荷之差需要满足需求响应量，系统级约束表示如下：
Figure GDA0003732105750000051
其中，pAC，tr，pre j、pWH，tr，pre j[t]、pAC，ng，pre j、pWH，ng，pre j、pEV，pre j、pLA，pre j分别为托管空调、托管优化热水器、协商用户空调、协商用户热水器、电动汽车、负荷聚合商的预测负荷；pDR为需求响应量；tDR，a、tDR，b分别为需求响应开始时刻和结束时刻；nAC，tr为总的托管用户的空调数量；nWH，tr为总的托管用户的热水器数量；nAC，ng为总的协商用户的空调数量；nWH，ng为总的协商用户的热水器数量；nEV为电动汽车总数量；nLA为负荷聚合商总数量。
可选地，所述目标函数包括：
Figure GDA0003732105750000052
其中，respAC，tr j、respWH，tr j、respAC，ng j、respWH，ng j、respEV j、respLA j分别为托管用户空调、托管用户热水器、协商用户空调、协商用户热水器、电动汽车、负荷聚合商的响应成功率，归一化后作为目标函数的舒适度权重，comfAC，tr j为托管用户空调的不舒适程度；comfWH，tr j为托管用户热水器的不舒适程度，comfAC，ng j为协商用户空调的不舒适程度，comfWH，ng j为协商用户热水器的不舒适程度，comfLA j为负荷聚合商的不舒适程度，comfEV j为电动汽车的不舒适程度；nAC，tr为总的托管用户的空调数量；nWH，tr为总的托管用户的热水器数量；nAC，ng为总的协商用户的空调数量；nWH，ng为总的协商用户的热水器数量；nEV为电动汽车总数量；nLA为负荷聚合商总数量。
可选地，托管用户空调的不舒适程度comfAC，tr j取决于用户在参与需求响应的情况下运行功率与用户在不参与需求响应的情况下运行功率之差；
Figure GDA0003732105750000053
其中，pAC，pre j为预测的托管用户空调j在不参与需求响应的情况下运行功率；pAC，tr j为调控后的空调j运行功率；pAC，rated j为托管用户空调j的额定运行功率；ttot为参与调节的总时间；
托管用户热水器的不舒适程度comfWH，tr j同托管用户空调；
协商用户空调的不舒适程度comfAC，ng j由用户期望温度与调控后温度之差决定；
Figure GDA0003732105750000061
其中，Tin，set j为协商用户的期望室内温度；tAC，a、tAC，b分别为协商用户使用空调的起始时间、结束时间；
协商用户热水器的不舒适程度comfWH，ng j同协商用户空调，由用户期望水温与调控后水温之差决定；
电动汽车舒适度的定义由拔枪时刻的荷电状态与用户需求荷电状态之差以及充电启停次数决定，电动汽车的不舒适程度定义如下：
Figure GDA0003732105750000062
其中，socopt j为用户对电动汽车荷电状态的期待值；stareg，EV j[t]为调控状态；λEV，c为用户对电动汽车充电情况的满意度以及对电动汽车充电启停次数的容忍度二者的比例系数；socEV j[tEV，b j]为用户电动汽车拔枪时刻的荷电状态；tEV，a j、tEV，b j分别为电动汽车插枪时间和拔枪时间；
负荷聚合商的不舒适程度comfLA j由负荷聚合商期望的调控量与实际调控量之差决定，定义如下：
Figure GDA0003732105750000063
其中，PLA，opt j[t]为负荷聚合商上报的在t时刻期望的调控量；PLA j[t]为负荷聚合商优化后的调控量；ttot为负荷聚合商总的调控时间。
可选地，所述优化问题为混合整数线性规划问题，采用开源求解器得到目标函数最小条件下各决策变量的最优值，即可得到需求响应调控策略。
可选地，所述需求响应调控策略包括：各个调控时间段内各托管用户空调功率pAC，tr j、托管用户热水器功率pWH，tr j、电动汽车充电功率pEV j、负荷聚合商调控量pLA，reg j，为连续变量，协商用户空调开关状态staAC，off j、协商用户空调送风状态staAC，blow j、协商用户空调变温状态staAC，temp j、协商用户热水器开关状态staWH，off j、协商用户热水器一档开关状态staWH1 j、协商用户热水器二档开关状态staWH2 j、协商用户热水器三档开关状态staWH3 j、电动汽车充电开关状态staEV j的最优值。
第二方面，本发明提供了一种面向台区多类型用户参与的需求响应优化调度装置，包括：
第一获取模块，用于获取优化问题的决策变量和约束条件，所述决策变量和约束条件是基于需求响应指令、设备台账信息和负荷预测信息构建而成的；
第二获取模块，用于获取优化问题的目标函数；
优化模块，用于根据所述决策变量、约束条件和目标函数，求解各个决策变量的最优值，生成调控策略。
第三方面，本发明提供了一种面向台区多类型用户参与的需求响应优化调度系统，包括存储介质和处理器；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述的方法。
与现有技术相比，本发明的有益效果：
本发明提出一种面向台区多类型用户参与的需求响应优化调度方法、装置及系统，可制定用户侧柔性负荷资源调节控制策略，达到降低尖峰负荷、减小峰谷差的目的。
附图说明
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中：
图1为本发明中面向台区多类型用户参与的需求响应优化调度方法的流程图；
图2台区优化前后总体负荷图；
图3托管用户空调优化前后负荷图；
图4托管用户热水器优化前后负荷图；
图5协商用户空调优化前后负荷图；
图6协商用户热水器优化前后负荷图；
图7电动汽车优化前后负荷图；
图8负荷聚合商优化前后负荷图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明实施例中提供了一种面向台区多类型用户参与的需求响应优化调度方法，包括以下步骤：
(1)获取优化问题的决策变量和约束条件，所述决策变量和约束条件是基于需求响应指令、设备台账信息和负荷预测信息构建而成的；
(2)获取优化问题的目标函数；
(3)根据所述决策变量、约束条件和目标函数，求解各个决策变量的最优值，生成调控策略。
在本发明实施例的一种具体实施方式中，所述需求响应指令包括需求响应量、需求响应时段和激励价格；
参与需求响应的设备包括定频空调、定频热水器和电动汽车；所述定频空调存在送风和制冷/制热两种模式，所述定频热水器存在一、二、三档三种运行模式，二者在各模式下的运行功率均为恒定功率；
对于所述定频空调和定频热水器，所述设备台账信息包括空调送风功率pAC，blow j、空调制冷/制热功率pAC，temp j、热水器一档加热功率pWH1 j、热水器二档加热功率pWH2 j和热水器三档加热功率pWH3 j；
对于所述电动汽车，所述设备台账信息包括电动汽车最大充电功率pEV，max j和最小充电功率pEV，min j；
所述负荷预测信息包括空调预测功率pAC，pred j、热水器预测功率pWH，pred j、电动汽车插枪时间tEV，a j和拔枪时间tEV，b j。
在本发明实施例的一种具体实施方式中，所述决策变量包括托管用户空调功率pAC，tr j、托管用户热水器功率pWH，tr j、电动汽车充电功率pEV j、负荷聚合商调控量pLA，reg j，协商用户空调开关状态staAC，off j、协商用户空调送风状态staAC，blow j、协商用户空调变温状态staAC，temp j、协商用户热水器开关状态staWH，off j、协商用户热水器一档开关状态staWH1 j、协商用户热水器二档开关状态staWH2 j、协商用户热水器三档开关状态staWH3 j、电动汽车充电开关状态staEV j，上标j表示第j个用户的设备。
在本发明实施例的一种具体实施方式中，所述约束条件包括：托管用户空调约束，表示如下：
Figure GDA0003732105750000091
pAC，tr j[t]为t时刻托管用户空调j的运行功率；pAC，pred j[t]为托管用户空调j在t时刻的预测功率；pAC，blow j为托管用户空调j的送风功率；pAC，temp j为托管用户空调j的变温功率；
当预测的空调功率为零，即空调关机时，认为优化的空调功率也为零；由于托管用户的空调可实现实时控制，可以认为空调在一个调控周期内的平均运行功率为在送风功率和制冷/制热功率之间的连续变量；
托管用户热水器约束，表示如下：
Figure GDA0003732105750000092
pWH，tr j[t]为t时刻托管用户热水器j的运行功率；pWH，pred j[t]为托管用户热水器j在t时刻的预测功率；pWH1 j为托管用户热水器j的一档功率；pWH3 j为托管用户热水器j的三档功率；
当预测的热水器功率为零，即热水器关机时，认为优化的热水器功率也为零；由于托管用户的空调可实现实时控制，可以认为热水器在一个调控周期内的平均运行功率为在一档功率和三档功率之间的连续变量；
协商用户空调约束，表示如下：
Figure GDA0003732105750000093
staAC，off j[t]为协商用户空调j在t时刻的开关状态，staAC，off j[t]＝1时空调处于关机状态，staAC，off j[t]＝0时空调处于开机状态；staAC，blow j[t]为协商用户空调j在t时刻的送风状态，staAC，blow j[t]＝1时空调处于送风状态，staAC，blow j[t]＝0时空调不处于送风状态；staAC，temp j[t]为协商用户空调j在t时刻的变温状态，staAC，temp j[t]＝1时空调处于变温状态，staAC，temp j[t]＝0时空调不处于变温状态；pAC，ng j[t]为t时刻协商用户空调j的运行功率；pAC，temp j为空调j的变温功率；pAC，blow j为空调j的送风功率；通过一阶等效热物理模型及热电转化模型建立室温与空调运行功率之间的关系，Tin j[t]为t时刻空调j所在环境的室内温度；Tout为室外环境温度；Rj为空调j的等效热阻；Cj为空调j的等效比热容；Tin，min和Tin，max分别为协商用户可接受的室内最低和最高温度；
空调在某一时刻仅处于关机、送风、制冷/制热三种状态之一，空调运行功率由空调所处状态决定；室内温度需要处于协商用户可接受的最低温度和最高温度之间；
协商用户热水器约束，表示如下：
Figure GDA0003732105750000101
通过热水器能量交换模型可以建立热水器内水温与热水器运行功率之间的关系，考虑到家用热水器的保温效果极强，认为热水器外壁绝热，因此热水器内水温的变化取决于加热量和补充进入热水器的冷水量；式中，staWH，off j[t]为协商用户热水器j在t时刻的开关状态，staWH，off j[t]＝1时热水器处于关机状态，staWH，off j[t]＝0时热水器处于开机状态；stai j[t]为协商用户热水器j在t时刻的功率状态，sta1 j[t]＝1时热水器处于一档运行，sta2 j[t]＝1时热水器处于二档运行，sta3 j[t]＝1时热水器处于三档运行；pWH，ng j[t]为t时刻协商用户热水器j的运行功率；pWH，1 j为协商用户热水器j的一档运行功率；pWH，2 j为协商用户热水器j的二档运行功率；pWH，3 j为协商用户热水器j的三档运行功率；Tw j[t]为t时刻热水器j内水温；Mj为热水器j内充满水状态下的热水质量；cw、ρw分别为水的比热容和密度；dj[t]为t时刻热水器内水的消耗量；Tout[t]为t时刻的环境温度；Tw，min为用户可接受的热水最低温度；
热水器在某一时刻仅处于关机、一档加热、二档加热、三档加热四种状态之一；热水器内水温需要高于用户可接受的热水最低温度；
电动汽车约束包括充电功率约束和荷电状态约束，表示如下：
Figure GDA0003732105750000111
其中，pEV j为电动汽车j的充电功率；pEV，min j、pEV，max j分别为电动汽车j的最小、最大充电功率；staon，EV j为电动汽车充电状态，当staon，EV j＝0时，充电桩为关闭状态，当staon，EV j＝1时，充电桩为开启状态；tEV，a j、tEV，b j分别为电动汽车插枪、拔枪时间；socEV j为电池荷电状态；socb，min j为拔枪时刻用户可接受的电动汽车荷电状态最低限度；socEV j[0]＝socEV，init j为电动汽车初始荷电状态；capEV，max j为电池总容量；ηEV为电动汽车充电效率；
负荷聚合商约束表示如下：
PLA，min j[t]≤PLA j[t]≤PLA，max j[t]
其中，PLA，min j[t]为负荷聚合商在t时刻的功率调节量；PLA，min j和PLA，max j分别为负荷聚合商上报的最小和最大调控潜力；
系统约束为在需求响应时段内，优化后的总负荷与预测的总负荷之差需要满足需求响应量，系统级约束表示如下：
Figure GDA0003732105750000112
其中，pAC，tr，pre j、pWH，tr，pre j[t]、pAC，ng，pre j、pWH，ng，pre j、pEV，pre j、pLA，pre j分别为托管空调、托管优化热水器、协商用户空调、协商用户热水器、电动汽车、负荷聚合商的预测负荷；pDR为需求响应量；tDR，a、tDR，b分别为需求响应开始时刻和结束时刻；nAC，tr为总的托管用户的空调数量；nWH，tr为总的托管用户的热水器数量；nAC，ng为总的协商用户的空调数量；nWH，ng为总的协商用户的热水器数量；nEV为电动汽车总数量；nLA为负荷聚合商总数量。
在本发明实施例的一种具体实施方式中，所述目标函数包括：
Figure GDA0003732105750000121
其中，respAC，tr j、respWH，tr j、respAC，ng j、respWH，ng j、respEV j、respLA j分别为托管用户空调、托管用户热水器、协商用户空调、协商用户热水器、电动汽车、负荷聚合商的响应成功率，归一化后作为目标函数的舒适度权重，comfAC，tr j为托管用户空调的不舒适程度；comfWH，tr j为托管用户热水器的不舒适程度，comfAC，ng j为协商用户空调的不舒适程度，comfWH，ng j为协商用户热水器的不舒适程度，comfLA j为负荷聚合商的不舒适程度，comfEV j为电动汽车的不舒适程度；nAC，tr为总的托管用户的空调数量；nWH，tr为总的托管用户的热水器数量；nAC，ng为总的协商用户的空调数量；nWH，ng为总的协商用户的热水器数量；nEV为电动汽车总数量；nLA为负荷聚合商总数量。
在本发明实施例的一种具体实施方式中，托管用户空调的不舒适程度comfAC，tr j取决于用户在参与需求响应的情况下运行功率与用户在不参与需求响应的情况下运行功率之差；
Figure GDA0003732105750000122
其中，pAC，pre j为预测的托管用户空调j在不参与需求响应的情况下运行功率；pAC j为调控后的空调j运行功率；pAC，rated j为托管用户空调j的额定运行功率；ttot为参与调节的总时间；
托管用户热水器的不舒适程度comfWH，tr j同托管用户空调；
协商用户空调的不舒适程度comfAC，ng j由用户期望温度与调控后温度之差决定；
Figure GDA0003732105750000123
其中，Tin，set j为协商用户的期望室内温度；tAC，a、tAC，b分别为协商用户使用空调的起始时间、结束时间；
协商用户热水器的不舒适程度comfWH，ng j同协商用户空调，由用户期望水温与调控后水温之差决定；
电动汽车舒适度的定义由拔枪时刻的荷电状态与用户需求荷电状态之差以及充电启停次数决定，电动汽车的不舒适程度定义如下：
Figure GDA0003732105750000131
其中，socopt j为用户对电动汽车荷电状态的期待值；stareg，EV j[t]为调控状态；λEV，c为用户对电动汽车充电情况的满意度以及对电动汽车充电启停次数的容忍度二者的比例系数；socEV j[tEV，b j]为用户电动汽车拔枪时刻的荷电状态；tEV，a j、tEV，b j分别为电动汽车插枪时间和拔枪时间；
负荷聚合商的不舒适程度comfLA j由负荷聚合商期望的调控量与实际调控量之差决定，定义如下：
Figure GDA0003732105750000132
其中，PLA，opt j[t]为负荷聚合商上报的在t时刻期望的调控量；PLA j[t]为负荷聚合商优化后的调控量；ttot为负荷聚合商总的调控时间。
在本发明实施例的一种具体实施方式中，所述优化问题为混合整数线性规划问题，采用开源求解器得到目标函数最小条件下各决策变量的最优值，即可得到需求响应调控策略。
在本发明实施例的一种具体实施方式中，所述需求响应调控策略包括：各个调控时间段内各托管用户空调功率pAC，tr j、托管用户热水器功率pWH，tr j、电动汽车充电功率pEV j、负荷聚合商调控量pLA，reg j，为连续变量，协商用户空调开关状态staAC，off j、协商用户空调送风状态staAC，btow j、协商用户空调变温状态staAC，temp j、协商用户热水器开关状态staWH，off j、协商用户热水器一档开关状态staWH1 j、协商用户热水器二档开关状态staWH2 j、协商用户热水器三档开关状态staWH3 j、电动汽车充电开关状态staEV j的最优值。
下面结合一具体实施方式本发明实施例中的方法进行详细说明。
1读取信息
1.1读取需求响应指令
需求响应指令由需求响应管理平台下发，需求响应指令内容包括需求响应量、需求响应时段等信息。实例中，需求响应时间段为17时至20时，需求响应量为120kW。
1.2读取设备/用户信息
台区内参与需求响应的用户包括托管用户、协商用户和负荷聚合商三类，设备包括智能空调、智能热水器、电动汽车等。空调的基本信息包括空调送风模式下的送风功率pAC，blow j、空调制冷/制热模式下的变温功率pAC，temp j等。热水器的基本信息包括热水器一档加热功率pWH1 j、热水器二档加热功率pWH2 j、热水器三档加热功率pWH3 j等。电动汽车的基本信息包括电动汽车最大充电功率pEV，max j、最小充电功率pEV，min j等、拔枪时刻用户可接受的电动汽车荷电状态最低限度socb，min j、初始荷电状态socEV，init j、电池总容量capEV，max j、充电效率ηEV等。负荷聚合商的基本信息包括负荷聚合商上报的最小和最大需求响应调控潜力PLA，min j[t]和PLA，max j[t]。
实例中包含30个托管用户，20个协商用户，5个负荷聚合商，50台参与需求响应的电动汽车。每位托管用户和协商用户拥有0～4台空调和0～2台热水器，共计72台托管空调，39台协商空调，26台托管热水器，23台协商热水器，各台设备的相关参数见表1。
表1设备相关参数
Figure GDA0003732105750000141
1.3读取预测信息
预测信息包括空调预测功率pAC，pre j[t]，热水器预测功率pWH，pre j[t]、热水器内t时刻水的消耗量dj[t]，电动汽车预测功率pEV，pre j[t]、插枪时间tEV，a j、拔枪时间tEV，b j，负荷聚合商预测功率pLA，pre j[t]。
2构建决策变量和约束条件
2.1决策变量
决策变量是各能源设备/用户的调控量等，具体设置为托管用户空调功率pAC，tr j[t]、托管用户热水器功率pWH，tr j[t]、电动汽车充电功率pEV j[t]、负荷聚合商调控量pLA，reg j[t]，为连续变量，协商用户空调开关状态staAC，off j[t]、协商用户空调送风状态staAC，blow j[t]、协商用户空调变温状态staAC，temp j[t]、协商用户热水器开关状态staWH，off j[t]、协商用户热水器一档开关状态staWH1 j[t]、协商用户热水器二档开关状态staWH2 j[t]、协商用户热水器三档开关状态staWH3 j[t]、电动汽车充电开关状态staEV j[t]，为0/1布尔变量，上标j表示第j个用户的设备，t表示第t个时间段。控制时间为设为1天，单位时间段为15分钟，共计96个时间段。
2.2约束条件
约束条件包括设备/用户级约束和系统级约束。
设备/用户级约束：
托管用户空调约束表示如下：
Figure GDA0003732105750000151
托管用户热水器约束表示如下：
Figure GDA0003732105750000152
考虑空调的一阶等效热物理模型及热电转化模型，协商用户空调约束表示如下：
Figure GDA0003732105750000153
其中，Tin j[t]为t时刻空调j所在环境的室内温度；Tout为室外环境温度；Rj为空调j的等效热阻；Cj为空调j的等效比热容；Tin，min和Tin，max分别为协商用户可接受的室内最低和最高温度。
考虑热水器的能量交换模型，并认为家用热水器采用常用的三档控制类型，协商用户热水器约束表示如下：
Figure GDA0003732105750000154
其中，Tw j[t]为t时刻热水器j内水温；Mj为热水器j内充满水状态下的热水质量；cw、ρw分别为水的比热容和密度；dj[t]为t时刻热水器内水的消耗量；Tout[t]为t时刻的环境温度。
电动汽车充电负荷既可中断也可转移。在电动汽车从插枪到拔枪这段时间内，电动汽车约束表示如下：
Figure GDA0003732105750000161
其中，pEV j为电动汽车j的充电功率；pEV，min j、pEV，max j分别为电动汽车j的最小、最大充电功率；staon，EV j为电动汽车充电状态，当staon，EV j＝0时，充电桩为关闭状态，当staon，EV j＝1时，充电桩为开启状态；tEV，a j、tEV，b j分别为电动汽车插枪、拔枪时间；socEV j为电池荷电状态；socb，min j为拔枪时刻用户可接受的电动汽车荷电状态最低限度；socEV j[0]＝socEV，init j为电动汽车初始荷电状态；capEV，max j为电池总容量；ηEV为电动汽车充电效率。
负荷聚合商参与需求响应的调控量PLA j需要满足其上报的需求响应潜力，负荷聚合商约束表示如下：
PLA，min j[t]≤PLA j[t]≤PLA，max j[t]
其中，PLA，min j和PLA，max j分别为负荷聚合商上报的最小和最大调控潜力。
系统级约束：
系统约束为在需求响应时段内，优化后的总负荷与预测的总负荷之差需要满足需求响应量，系统级约束表示如下：
Figure GDA0003732105750000162
其中，pAC，tr，pre j、pWH，tr，pre j[t]、pAC，ng，pre j、pWH，ng，pre j、pEV，pre j、pLA，pre j分别为托管空调、托管优化热水器、协商用户空调、协商用户热水器、电动汽车、负荷聚合商的预测负荷；pDR为需求响应量；tDR，a、tDR，b分别为需求响应开始时刻和结束时刻。
3目标函数
目标函数为用户总体舒适度。
首先建立单个设备/用户的舒适度：
托管用户空调的不舒适程度comfAC，tr j取决于用户在参与需求响应的情况下运行功率与用户在不参与需求响应的情况下运行功率之差。
Figure GDA0003732105750000171
其中，pAC，pre j为预测的托管用户空调j在不参与需求响应的情况下运行功率；pAC j为调控后的空调j运行功率；ttot为参与调节的总时间。
托管用户热水器的不舒适程度comfWH，tr j同托管用户空调。
协商用户空调的不舒适程度comfAC，ng j由用户期望温度与调控后温度之差决定。
Figure GDA0003732105750000172
其中，Tin，set j为协商用户的期望室内温度。
协商用户热水器的不舒适程度comfWH，ng j同协商用户空调，由用户期望水温与调控后水温之差决定。
电动汽车舒适度的定义由拔枪时刻的荷电状态与用户需求荷电状态之差以及充电启停次数决定，电动汽车的不舒适程度定义如下：
Figure GDA0003732105750000173
其中，socopt j为用户对电动汽车荷电状态的期待值；stareg，EV j[t]为调控状态；λEV，c为用户对电动汽车充电情况的满意度以及对电动汽车充电启停次数的容忍度二者的比例系数。
负荷聚合商的不舒适程度comfLA j由负荷聚合商期望的调控量与实际调控量之差决定，定义如下：
Figure GDA0003732105750000174
其中，PLA，opt j[t]为负荷聚合商上报的在t时刻期望的调控量。
根据上述设备/用户的舒适度定义，可建立系统的目标函数：
Figure GDA0003732105750000181
其中，respAC，tr j、respWH，tr j、respAC，ng j、respWH，ng j、respEV j、respLA j分别为托管用户空调、托管用户热水器、协商用户空调、协商用户热水器、电动汽车、负荷聚合商的响应成功率，归一化后作为目标函数的舒适度权重。
4求解优化问题
利用步骤2构建的决策变量和约束条件，以及步骤3构建的目标函数构建优化问题，该问题为混合整数线性规划问题，采用开源求解器即可得到决策变量最优解和最优目标值。
图2为台区优化前后总体负荷图，展示了优化前后台区日负荷曲线，横坐标为时间，纵坐标为负荷量，actualtotal load指优化前的台区日负荷，optimal total load指优化后的台区日负荷。
图3为托管用户空调优化前后负荷图，展示了优化前后台区内托管用户的空调总负荷曲线，横坐标为时间，纵坐标为负荷量，hosting AC指优化前的托管用户空调总负荷曲线，hosting AC opt指优化后的托管用户空调总负荷曲线。
图4为托管用户热水器优化前后负荷图，展示了优化前后台区内托管用户的热水器总负荷曲线，横坐标为时间，纵坐标为负荷量，hosting WH指优化前的托管用户热水器总负荷曲线，hosting WH opt指优化后的托管用户热水器总负荷曲线。
图5为协商用户空调优化前后负荷图，展示了优化前后台区内协商用户空调的总负荷曲线，横坐标为时间，纵坐标为负荷量，negotiate AC指优化前的协商用户空调总负荷曲线，negotiate AC opt指优化后的协商用户空调总负荷曲线。
图6为协商用户热水器优化前后负荷图，展示了优化前后台区内协商用户热水器的总负荷曲线，横坐标为时间，纵坐标为负荷量，negotiate WH指优化前的协商用户热水器总负荷曲线，negotiate WH opt指优化后的协商用户热水器总负荷曲线。
图7为电动汽车优化前后负荷图，展示了优化前后台区内电动汽车充电的总负荷曲线，横坐标为时间，纵坐标为负荷量，EV指优化前的电动汽车充电总负荷曲线，EV opt指优化后的电动汽车充电总负荷曲线。
图8为负荷聚合商优化前后负荷图，展示了优化前后台区内负荷聚合商的总负荷曲线，横坐标为时间，纵坐标为负荷量，LA指优化前的负荷聚合商总负荷曲线，LA opt指优化后的负荷聚合商总负荷曲线。
实施例2
基于与实施例1相同的发明构思，本发明实施例中提供了一种面向台区多类型用户参与的需求响应优化调度装置，包括：
第一获取模块，用于获取优化问题的决策变量和约束条件，所述决策变量和约束条件是基于需求响应指令、设备台账信息和负荷预测信息构建而成的；
第二获取模块，用于获取优化问题的目标函数；
优化模块，用于根据所述决策变量、约束条件和目标函数，求解各个决策变量的最优值，生成调控策略。
其余部分均与实施例1相同。
实施例3
基于与实施例1相同的发明构思，本发明实施例中提供了一种面向台区多类型用户参与的需求响应优化调度系统，包括存储介质和处理器；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述的方法。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.一种面向台区多类型用户参与的需求响应优化调度方法，其特征在于，包括：
获取优化问题的决策变量和约束条件，所述决策变量和约束条件是基于需求响应指令、设备台账信息和负荷预测信息构建而成的；
获取优化问题的目标函数；
根据所述决策变量、约束条件和目标函数，求解各个决策变量的最优值，生成调控策略；
所述目标函数包括：
Figure FDA0003732105740000011
其中，respAC，tr j、respWH，tr j、respAC，ng j、respWH，ng j、respEV j、respLA j分别为托管用户空调、托管用户热水器、协商用户空调、协商用户热水器、电动汽车、负荷聚合商的响应成功率，归一化后作为目标函数的舒适度权重，comfAC，tr j为托管用户空调的不舒适程度；comfWH，tr j为托管用户热水器的不舒适程度，comfAC，ng j为协商用户空调的不舒适程度，comfWH，ng j为协商用户热水器的不舒适程度，comfLA j为负荷聚合商的不舒适程度，comfEV j为电动汽车的不舒适程度；nAC，tr为总的托管用户的空调数量；nWH，tr为总的托管用户的热水器数量；nAC，ng为总的协商用户的空调数量；nWH，ng为总的协商用户的热水器数量；nEV为电动汽车总数量；nLA为负荷聚合商总数量。
2.根据权利要求1所述的一种面向台区多类型用户参与的需求响应优化调度方法，其特征在于：所述需求响应指令包括需求响应量、需求响应时段和激励价格；
参与需求响应的设备包括定频空调、定频热水器和电动汽车；所述定频空调存在送风和制冷/制热两种模式，所述定频热水器存在一、二、三档三种运行模式，二者在各模式下的运行功率均为恒定功率；
对于所述定频空调和定频热水器，所述设备台账信息包括空调送风功率pAC，blow j、空调制冷/制热功率pAC，temp j、热水器一档加热功率pWH1 j、热水器二档加热功率pWH2 j和热水器三档加热功率pWH3 j；
对于所述电动汽车，所述设备台账信息包括电动汽车最大充电功率pEV，max j和最小充电功率pEV，min j；
所述负荷预测信息包括空调预测功率pAC，pred j、热水器预测功率pWH，pred j、电动汽车插枪时间tEV，a j和拔枪时间tEV，b j。
3.根据权利要求2所述的一种面向台区多类型用户参与的需求响应优化调度方法，其特征在于：所述决策变量包括托管用户空调功率pAC，tr j、托管用户热水器功率pWH，tr j、电动汽车充电功率pEV j、负荷聚合商调控量pLA，reg j，协商用户空调开关状态staAC，off j、协商用户空调送风状态staAC，blow j、协商用户空调变温状态staAC，temp j、协商用户热水器开关状态staWH，off j、协商用户热水器一档开关状态staWH1 j、协商用户热水器二档开关状态staWH2 j、协商用户热水器三档开关状态staWH3 j、电动汽车充电开关状态staEv j，上标j表示第j个用户的设备。
4.根据权利要求2所述的一种面向台区多类型用户参与的需求响应优化调度方法，其特征在于，所述约束条件包括：托管用户空调约束，表示如下：
Figure FDA0003732105740000021
pAC，tr j[t]为t时刻托管用户空调j的运行功率；pAC，pred j[t]为托管用户空调j在t时刻的预测功率；pAC，blow j为托管用户空调j的送风功率；pAC，temp j为托管用户空调j的变温功率；
当预测的空调功率为零，即空调关机时，认为优化的空调功率也为零；由于托管用户的空调可实现实时控制，因此认为空调在一个调控周期内的平均运行功率为在送风功率和制冷/制热功率之间的连续变量；
托管用户热水器约束，表示如下：
Figure FDA0003732105740000022
pWH，tr j[t]为t时刻托管用户热水器j的运行功率；pWH，pred j[t]为托管用户热水器j在t
时刻的预测功率；pWH1 j为托管用户热水器j的一档功率；pWH3 j为托管用户热水器j的三档功率；
当预测的热水器功率为零，即热水器关机时，认为优化的热水器功率也为零；由于托管用户的空调可实现实时控制，因此认为热水器在一个调控周期内的平均运行功率为在一档功率和三档功率之间的连续变量；
协商用户空调约束，表示如下：
Figure FDA0003732105740000031
staAC，off j[t]为协商用户空调j在t时刻的开关状态，staAC，off j[t]＝1时空调处于关机状态，staAC，off j[t]＝0时空调处于开机状态；staAC，blow j[t]为协商用户空调j在t时刻的送风状态，staAC，blow j[t]＝1时空调处于送风状态，staAC，blow j[t]＝0时空调不处于送风状态；staAC，temp j[t]为协商用户空调j在t时刻的变温状态，staAC，temp j[t]＝1时空调处于变温状态，staAC，temp j[t]＝0时空调不处于变温状态；pAC，ng j[t]为t时刻协商用户空调j的运行功率；pAC，temp j为空调j的变温功率；pAC，blow j为空调j的送风功率；通过一阶等效热物理模型及热电转化模型建立室温与空调运行功率之间的关系，Tin j[t]为t时刻空调j所在环境的室内温度；Tout为室外环境温度；Rj为空调j的等效热阻；Cj为空调j的等效比热容；Tin，min和Tin，max分别为协商用户可接受的室内最低和最高温度；
空调在某一时刻仅处于关机、送风、制冷/制热三种状态之一，空调运行功率由空调所处状态决定；室内温度需要处于协商用户可接受的最低温度和最高温度之间；
协商用户热水器约束，表示如下：
Figure FDA0003732105740000032
通过热水器能量交换模型可以建立热水器内水温与热水器运行功率之间的关系，考虑到家用热水器的保温效果极强，认为热水器外壁绝热，因此热水器内水温的变化取决于加热量和补充进入热水器的冷水量；式中，staWH，off j[t]为协商用户热水器j在t时刻的开关状态，staWH，off j[t]＝1时热水器处于关机状态，staWH，off j[t]＝0时热水器处于开机状态；stai j[t]为协商用户热水器j在t时刻的功率状态，sta1 j[t]＝1时热水器处于一档运行，sta2 j[t]＝1时热水器处于二档运行，sta3 j[t]＝1时热水器处于三档运行；pWH，ng j[t]为t时刻协商用户热水器j的运行功率；pWH，1 j为协商用户热水器j的一档运行功率；pWH，2 j为协商用户热水器j的二档运行功率；pWH，3 j为协商用户热水器j的三档运行功率；Tw j[t]为t时刻热水器j内水温；Mj为热水器j内充满水状态下的热水质量；cw、ρw分别为水的比热容和密度；dj[t]为t时刻热水器内水的消耗量；Tout[t]为t时刻的环境温度；Tw，min为用户可接受的热水最低温度；
热水器在某一时刻仅处于关机、一档加热、二档加热、三档加热四种状态之一；热水器内水温需要高于用户可接受的热水最低温度；
电动汽车约束包括充电功率约束和荷电状态约束，表示如下：
Figure FDA0003732105740000041
其中，pEV j为电动汽车j的充电功率；pEV，min j、pEV，max j分别为电动汽车j的最小、最大充电功率；staon，EV j为电动汽车充电状态，当staon，EV j＝0时，充电桩为关闭状态，当staon，EV j＝1时，充电桩为开启状态；tEV，a j、tEV，b j分别为电动汽车插枪、拔枪时间；socEV j为电池荷电状态；socb，min j为拔枪时刻用户可接受的电动汽车荷电状态最低限度；socEV j[0]＝socEv，init j为电动汽车初始荷电状态；capEv，max j为电池总容量；ηEV为电动汽车充电效率；
负荷聚合商约束表示如下：
PLA，min j[t]≤PLA j[t]≤PLA，max j[t]
其中，PLA，min j[t]为负荷聚合商在t时刻的功率调节量；PLA，min j和PLA，max j分别为负荷聚合商上报的最小和最大调控潜力；
系统约束为在需求响应时段内，优化后的总负荷与预测的总负荷之差需要满足需求响应量，系统级约束表示如下：
Figure FDA0003732105740000042
其中，pAC，tr，pre j、pWH，tr，pre j[t]、pAC，ng，pre j、pWH，ng，pre j、pEV，pre j、pLA，pre j分别为托管空调、托管优化热水器、协商用户空调、协商用户热水器、电动汽车、负荷聚合商的预测负荷；pDR为需求响应量；tDR，a、tDR，b分别为需求响应开始时刻和结束时刻；nAC，tr为总的托管用户的空调数量；nWH，tr为总的托管用户的热水器数量；nAC，ng为总的协商用户的空调数量；nWH，ng为总的协商用户的热水器数量；nEV为电动汽车总数量；nLA为负荷聚合商总数量。
5.根据权利要求1所述的一种面向台区多类型用户参与的需求响应优化调度方法，其特征在于：托管用户空调的不舒适程度comfAC，tr j取决于用户在参与需求响应的情况下运行功率与用户在不参与需求响应的情况下运行功率之差；
Figure FDA0003732105740000051
其中，pAC，pre j为预测的托管用户空调j在不参与需求响应的情况下运行功率；pAC，tr j为调控后的空调j运行功率；pAC，rated j为托管用户空调j的额定运行功率；ttot为参与调节的总时间；
托管用户热水器的不舒适程度comfWH，tr j同托管用户空调；
协商用户空调的不舒适程度comfAC，ng j由用户期望温度与调控后温度之差决定；
Figure FDA0003732105740000052
其中，Tin，set j为协商用户的期望室内温度；tAC，a、tAC，b分别为协商用户使用空调的起始时间、结束时间；Tin j[t]为调控后温度；
协商用户热水器的不舒适程度comfWH，ng j同协商用户空调，由用户期望水温与调控后水温之差决定；
电动汽车舒适度的定义由拔枪时刻的荷电状态与用户需求荷电状态之差以及充电启停次数决定，电动汽车的不舒适程度定义如下：
Figure FDA0003732105740000053
其中，socopt j为用户对电动汽车荷电状态的期待值；stareg，EV j[t]为调控状态；λEV，c为用户对电动汽车充电情况的满意度以及对电动汽车充电启停次数的容忍度二者的比例系数；socEv j[tEV，b j]为用户电动汽车拔枪时刻的荷电状态；tEV，a j、tEV，b j分别为电动汽车插枪时间和拔枪时间；
负荷聚合商的不舒适程度comfLA j由负荷聚合商期望的调控量与实际调控量之差决定，定义如下：
Figure FDA0003732105740000061
其中，PLA，opt j[t]为负荷聚合商上报的在t时刻期望的调控量；PLA j[t]为负荷聚合商优化后的调控量；ttot为负荷聚合商总的调控时间。
6.根据权利要求4所述的一种面向台区多类型用户参与的需求响应优化调度方法，其特征在于：所述优化问题为混合整数线性规划问题，采用开源求解器得到目标函数最小条件下各决策变量的最优值，即可得到需求响应调控策略。
7.根据权利要求6所述的一种面向台区多类型用户参与的需求响应优化调度方法，其特征在于：所述需求响应调控策略包括：各个调控时间段内各托管用户空调功率pAC，tr j、托管用户热水器功率pWH，tr j、电动汽车充电功率pEV j、负荷聚合商调控量pLA，reg j，为连续变量，协商用户空调开关状态staAC，off j、协商用户空调送风状态staAC，blow j、协商用户空调变温状态staAC，temp j、协商用户热水器开关状态staWH，off j、协商用户热水器一档开关状态staWH1 j、协商用户热水器二档开关状态staWH2 j、协商用户热水器三档开关状态staWH3 j、电动汽车充电开关状态staEV j的最优值。
8.一种面向台区多类型用户参与的需求响应优化调度装置，其特征在于，包括：
第一获取模块，用于获取优化问题的决策变量和约束条件，所述决策变量和约束条件是基于需求响应指令、设备台账信息和负荷预测信息构建而成的；
第二获取模块，用于获取优化问题的目标函数；
优化模块，用于根据所述决策变量、约束条件和目标函数，求解各个决策变量的最优值，生成调控策略；
所述目标函数包括：
Figure FDA0003732105740000062
其中，respAC，tr j、respWH，tr j、respAC，ng j、respWH，ng j、respEV j、respLA j分别为托管用户空调、托管用户热水器、协商用户空调、协商用户热水器、电动汽车、负荷聚合商的响应成功率，归一化后作为目标函数的舒适度权重，comfAC，tr j为托管用户空调的不舒适程度；comfWH，tr j为托管用户热水器的不舒适程度，comfAC，ng j为协商用户空调的不舒适程度，comfWH，ng j为协商用户热水器的不舒适程度，comfLA j为负荷聚合商的不舒适程度，comfEV j为电动汽车的不舒适程度；nAC，tr为总的托管用户的空调数量；nWH，tr为总的托管用户的热水器数量；nAC，ng为总的协商用户的空调数量；nWH，ng为总的协商用户的热水器数量；nEV为电动汽车总数量；nLA为负荷聚合商总数量。
9.一种面向台区多类型用户参与的需求响应优化调度系统，其特征在于，包括存储介质和处理器；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1-7中任一项所述的方法。
CN202110638050.2A 2021-06-08 2021-06-08 面向台区多类型用户参与的需求响应优化调度方法、装置及系统 Active CN113344388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110638050.2A CN113344388B (zh) 2021-06-08 2021-06-08 面向台区多类型用户参与的需求响应优化调度方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110638050.2A CN113344388B (zh) 2021-06-08 2021-06-08 面向台区多类型用户参与的需求响应优化调度方法、装置及系统

Publications (2)

Publication Number Publication Date
CN113344388A CN113344388A (zh) 2021-09-03
CN113344388B true CN113344388B (zh) 2022-10-14

Family

ID=77474923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110638050.2A Active CN113344388B (zh) 2021-06-08 2021-06-08 面向台区多类型用户参与的需求响应优化调度方法、装置及系统

Country Status (1)

Country Link
CN (1) CN113344388B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113675849B (zh) * 2021-10-21 2022-03-08 中国电力科学研究院有限公司 微小功率用电负荷设备参与电网互动调节的方法和系统
CN114612021B (zh) * 2022-05-12 2022-09-13 四川大学 计及多粒度属性的热力负荷协同调控方法
CN116070801B (zh) * 2023-04-03 2023-08-08 杭州轻舟科技有限公司 一种负荷聚合平台多站点最优运行策略生成方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107490960A (zh) * 2017-09-04 2017-12-19 东南大学 基于智能家电在线需求响应潜力的双层协调优化方法
CN111762051A (zh) * 2020-06-03 2020-10-13 国网上海市电力公司 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107490960A (zh) * 2017-09-04 2017-12-19 东南大学 基于智能家电在线需求响应潜力的双层协调优化方法
CN111762051A (zh) * 2020-06-03 2020-10-13 国网上海市电力公司 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法

Also Published As

Publication number Publication date
CN113344388A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN113344388B (zh) 面向台区多类型用户参与的需求响应优化调度方法、装置及系统
CN104850013B (zh) 一种家用电器的智能用电方法
CN112180741B (zh) 一种负荷聚合商参与的综合需求响应方法及系统
CN105352108B (zh) 一种基于空调用电模式的负荷优化控制方法
CN109523137B (zh) 考虑楼宇热负荷需求响应的园区综合能源优化调度方法
CN110729726B (zh) 一种智慧社区能量优化调度方法和系统
Cole et al. Use of model predictive control to enhance the flexibility of thermal energy storage cooling systems
CN109842117A (zh) 基于温度调节手段和荷电状态参数建模的空调负荷削减方法
CN110474370B (zh) 一种空调可控负荷、光伏储能系统的协同控制系统及方法
CN108764524A (zh) 一种家庭能量管理系统的滚动优化调度方法
CN106447524A (zh) 一种用户能源中心运耗能本控制的方法及系统
CN111598478A (zh) 一种综合能源需求响应量计算方法
CN110486896B (zh) 一种基于冷水机组能耗模型的串级空调系统优化控制方法
CN113131519B (zh) 一种基于混合整数线性规划的家庭能量管理优化方法
CN111552181B (zh) 一种综合能源服务模式下的园区级需求响应资源配置方法
CN110729728A (zh) 考虑用户实时舒适度和电网负荷率的需求响应方法
CN111193261A (zh) 一种基于建筑等效热储能的多能流系统日前优化方法
CN116109060A (zh) 一种居民用户负荷可调度潜力评估方法
Fan et al. An optimization management strategy for energy efficiency of air conditioning loads in smart building
JP2004211962A (ja) 地域社会へのエネルギ供給システムおよび方法
CN111928428B (zh) 一种考虑需求响应的空调系统的控制方法及制冷系统
CN113222227B (zh) 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法
CN113420413B (zh) 一种基于负荷可塑性的柔性负荷可调节能力量化方法及系统
CN115470564A (zh) 一种公共建筑能源系统协调控制方法及其控制组件
CN115470963A (zh) 一种基于电价的负荷虚拟储能的优化运行方法

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