CN113435120A - 基于温控负荷的负荷运行状态和中继带宽协同优化方法 - Google Patents
基于温控负荷的负荷运行状态和中继带宽协同优化方法 Download PDFInfo
- Publication number
- CN113435120A CN113435120A CN202110736838.7A CN202110736838A CN113435120A CN 113435120 A CN113435120 A CN 113435120A CN 202110736838 A CN202110736838 A CN 202110736838A CN 113435120 A CN113435120 A CN 113435120A
- Authority
- CN
- China
- Prior art keywords
- bandwidth
- relay
- running state
- cost
- load
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000006854 communication Effects 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 32
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 238000013468 resource allocation Methods 0.000 claims abstract description 9
- 230000007175 bidirectional communication Effects 0.000 claims abstract description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000001580 bacterial effect Effects 0.000 claims description 4
- 230000035605 chemotaxis Effects 0.000 claims description 4
- 238000009413 insulation Methods 0.000 claims description 2
- 230000037323 metabolic rate Effects 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 11
- 241000894006 Bacteria Species 0.000 description 10
- 238000009826 distribution Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000011217 control strategy Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000035807 sensation Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004791 biological behavior Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012888 cubic function Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000003827 upregulation Effects 0.000 description 1
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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Abstract
本发明公开了一种基于温控负荷的负荷运行状态和中继带宽协同优化方法，该方法包括：根据数据传输关系确定基于合作中继技术双向通信时的丢包率；根据温度设定值调节策略及跟踪信号误差确定电力公司的运营成本函数；根据Fanger热舒适模型以及PMV和PPD指标确定用户电力消费成本；建立一个电力调度服务系统，在上述计算结果基础上，根据该系统建立考虑用户舒适度条件下，温控负荷运行状态与通信资源配置的协同优化目标函数；根据目标函数和约束条件对所建立的温控负荷运行状态与通信资源配置的协同优化模型进行优化求解，得到优化后的负荷运行状态及中继带宽配置。采用本发明的优化方法，可以显著降低电力公司的运营成本。
Description
技术领域
本发明涉及通信资源优化配置领域，特别是涉及基于温控负荷的负荷运行状态和中继带宽协同优化方法。
背景技术
众所周知，智能电网是电网的一种现代基础设施，致力于提高电网的效率、可靠性以及安全性，电力需求侧管理可以使用户参与到电网的配用电过程中，有效减小电力负荷峰谷差，提高电力系统运行效率。近年来，智能电网的不断发展使得需求侧响应成为一个热点问题。在需求侧销售市场的研究中，基于温控负荷(HVAC)的直接负荷控制方案引起了人们的广泛关注。通过调节负荷运行状态，在温度变化的死区范围内，该负荷的平均功耗会随温度改变而改变，以确保电力系统的安全可靠运行。
然而，直接负荷控制方案的实现依赖于用户与电力公司之间实时进行双向传输用电、控制与调度信息，信息传输质量对需求侧响应性能的影响很大，现实中，大量的数据传输会导致网络拥堵，造成数据丢包，增加负荷跟踪误差，从而需要更多的自动发电控制(AGC)服务，进而增加了电力公司的成本。
如何更有效地降低需求侧通信带来的成本，提高智能电网的效率以及用户舒适度是亟需解决的技术问题。
发明内容
有鉴于此，本发明提供了一种基于温控负荷的负荷运行状态和中继带宽协同优化方法，通过引入中继带宽，并考虑用户舒适度，建立了一种负荷运行状态与通信资源配置的协同优化模型，以达到更大程度上降低电力公司成本的目的。
为此，本发明提供了以下技术方案：
本发明提供了一种基于温控负荷的负荷运行状态和中继带宽协同优化方法，包括：
建立基于合作中继技术的电力调度服务系统，根据数据传输关系确定基于合作中继技术双向通信时的丢包率；
根据温度设定值调节策略及跟踪信号误差确定电力公司的运营成本函数以及带宽基价上下限；
根据Fanger热舒适模型以及热平衡PMV指标和预测不满意百分比PPD指标确定用户不适成本；
根据丢包率、运营成本函数以及带宽基价上下限、用户不适成本建立负荷运行状态与通信资源配置的协同优化模型；
对所建立的温控负荷运行状态与通信资源配置的协同优化模型进行优化，得到优化后的负荷运行状态及中继带宽配置；
将优化后的负荷运行状态及中继带宽配置应用在所述电力调度服务系统中，以此降低电力公司成本。
进一步地，确定基于合作中继技术双向通信时的丢包率，包括：
式中，Rin表示DAU的接收速率，Gre表示网关的接收速率，θ表示从网关向用户传递信息的正确率；Wd和L分别是DAU的传输带宽和对帧的信息位数，αi是中继分配给第i个DAU的带宽比，f(rAF)是AF中继策略下帧的正确接收概率，rdg代表从中继到网关的SINR(信号与干扰加噪声比)，M代表传输数据大小。
进一步地，确定电力公司的运营成本，包括：
式中，ps是购买AGC服务单价，
表示用于调节服务的总成本，随着丢包率Pr的增加而增加，
是第i家电力公司的带宽基价；
确定带宽基价上下限，包括：
式中，pt是传统服务基价，αiWd是电力公司购买的总传输带宽。
进一步地，确定的用户电力消费成本，包括：
ci(Ti)＝σiPPD(Ti)；
其中，σi为不满意百分比-不舒适成本的常系数。
式中，Mi表示代谢率，Wi表示机械工作，
表示衣服温度，
表示服装面积系统，
表示服装绝缘，
表示水蒸气压力，
表示平均辐射温度，
表示对流传热速度，Vi a表示气流速度。
进一步地，建立的协同优化模型为：
所述协同优化模型的约束条件为：
式中，αi表示带宽比，αmax表示带宽比上限；
表示带宽基价，
和
分别表示带宽基价上限和下限；
表示第i家电力公司的成本函数；K表示总带宽分配比上限；Ti min和Ti max分别是第i组用户负荷运行状态的上限和下限；σi为不满意百分比-不舒适成本的常系数；Wd是DAU的传输带宽。
进一步地，优化算法为细菌群体趋药性算法。
本发明的优点和积极效果：
本发明基于温控负荷建立了一种负载运行状态和中继带宽协同优化策略，同时考虑了用户的不适成本，根据Fanger热舒适模型以及热平衡PMV指标和预测不满意百分比PPD指标确定用户不适成本；确定基于合作中继技术双向通信时网关的丢包率；根据温度设定值调节策略及跟踪信号误差确定电力公司的运营成本；根据电力公司与中继合作条件确定带宽基价上下限。相较于在电力系统中直接采用温控负荷控制方案，本方法在降低电力公司运营成本上有更大提高，并且电网的稳定性以及电能质量也有较大改善。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中电力调度服务系统示意图；
图2为本发明实施例中采用合作中继技术后的电力公司与用户之间通信示意图；
图3为本发明实施例中建立负荷运行状态与通信资源配置的协同优化模型的流程图；
图4为本发明实施例中采用优化算法求解模型的流程图；
图5为本发明实施例中温控负荷基线预测和调整能力示意图；
图6为本发明实施例中温度设定值控制策略的频率调整服务示意图；
图7为本发明实施例中直接负荷通信和合作中继通信的电力公司成本对比图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明的创新在于：本发明考虑用户舒适度，建立了一种负荷运行状态与通信资源配置的协同优化模型，以期待达到更大程度上降低电力公司成本的目的。
首先，建立一个电力调度服务系统，其中包含N组用户、N家电力公司以及一个电力系统运营商(IESO)。独立电力系统运营商(IESO)：IESO是指不以盈利为目的并独立于所有市场主体，不拥有和经营系统网络资产，负责电力系统安全稳定、优质经济运行，并为系统提供无歧视性调度服务的机构。在中国，IESO指的是独立于电网公司、电力交易中心、配售电公司、电力用户等其他市场主体的电力调度中心。
IESO、电力公司、用户之间的电力调度关系如图1所示。每一家电力公司负责一组用户的电力供应，认为每一组用户在一个固定区域内，并且在确定的时间内有着相同的负荷运行状态，该状态不固定。通常，用户与电力公司之间可以通过IESO来进行实时的双向通信。在上行线路传输中，用户和电力公司分别直接向IESO传递负载运行信息和控制命令等信息。在下行线路传输中，IESO分别直接向用户和电力公司发送控制命令等信息。
合作中继技术是中继与中继之间为提高通信传输系统容量和增强传输能力，彼此相互配合的一种联合传输方式。在智能电网需求侧通信系统中引入合作中继技术可以提高通信可靠性，降低电力公司的成本。
采用合作中继技术后电力公司与用户之间的通信示意图如图2所示。
在上行线路传输中，用户和电力公司分别通过网关和数据汇总单元(DAU)向IESO传递负载运行信息和控制命令等信息，IESO计算负载调节策略、分配给DAU的中继带宽和带宽基价等信息。在下行线路传输中，IESO通过网关和DAU分别向用户和电力公司发送控制命令等信息。IESO基于收集到的信息，可以调节用户的负载运行状态以及电力公司的带宽和带宽基价等信息。
在用户与电力公司实时进行双向数据传输过程中，若想达到更进一步降低电力公司成本的目的，首先期望用户侧的空调负荷成本达到最低，即使用户侧的不适度达到最低；其次希望电力公司侧的总成本(包含购买自动发电控制(AGC)服务成本
和购买中继服务成本
两部分)达到最低，由此通过加权法可得到考虑用户舒适度的前提下，负荷运行状态与通信资源配置的协同优化模型，进而通过优化算法进行求解。
如图3所示，建立上述模型的具体步骤说明如下：
步骤1：根据所建立的调度服务系统，建立负荷运行状态与通信资源配置的协同优化模型。
定义第i组用户的电力消费成本函数为ci(Ti)，每一组用户希望最小化电力消费成本，故可根据如下公式确定考虑用户不舒适度的负载运行状态优化模型：
式中，Ti表示第i组用户的负荷运行状态，ci(Ti)表示第i组用户的电力消费成本函数。
负荷运行状态优化模型的约束条件如下：
Ti min≤Ti≤Ti max,i∈N (2)
其中，Ti min和Ti max分别是第i组用户的负荷运行状态上限和下限。
定义第i家电力公司的成本函数为
每一家电力公司同样希望最小化电力成本，故根据如下公式确定电力公司成本优化模型：
电力公司成本优化模型的约束条件如下：
式中，αi表示带宽比，αmax表示带宽比的上限；
表示带宽基价，
和
分别表示带宽基价的上限和下限；K表示总带宽分配比的上限。
由此通过归一化处理得出负荷运行状态与通信资源配置的协同优化模型为：
式中，k是折中参数，取值范围为[0,1]，用来权衡用户不适成本与电力公司成本之间占比；
协同优化模型的约束条件如下：
步骤2：计算网关的丢包率；
网关又被称为网间连接器，在电力调度服务系统中，网关承载着电力系统运营商(IESO)与用户和电力公司之间大量的信息传输，例如控制命令、负荷运行状态等信息，因此为保证电力公司的设备平稳运行以及用户端的舒适感，数据传输的稳定性和可靠性十分重要。
在实际系统中，如果发生物理线路故障、设备损坏、网络拥塞等情况，会导致数据包的丢失，从而增加负荷跟踪偏差，导致需要更多的AGC服务，进而增加电力公司运营成本。而利用合作中继技术，对网络资源进行合理的分配，可以提高通信传输系统容量和可靠性，增强信息传输能力。
根据如下公式确定合作中继通信方式下网关的丢包率
式中，Rin表示DAU的接收速率，Gre表示网关的接收速率，θ表示从网关向用户传递信息的正确率；Wd和L分别是DAU的传输带宽和对帧的信息位数，αi是中继分配给第i个DAU的带宽比，f(rAF)是AF中继策略下帧的正确接收概率，rdg代表从中继到网关的SINR(信号与干扰加噪声比)，M代表传输数据大小。
步骤3：计算电力公司成本以及带宽基价上下限。
具体地，步骤3包括以下具体步骤：
步骤3.1：电力公司成本Zi由购买AGC服务成本
和购买中继服务成本
两部分组成。
根据如下公式确定电力公司购买AGC服务成本
式中，ps是购买AGC服务的单价，
表示用于调节服务的总成本，随着丢包率Pr的增加而增加。在本发明实施例中，应用AF中继技术来降低丢包率和AGC服务成本。
根据如下公式确定电力公司购买中继服务成本
式中，
是第i家电力公司的带宽基价。
由此可以根据如下公式得到电力公司成本Zi：
步骤3.2：根据如下公式确定带宽基价的上限值为：
根据如下公式确定带宽基价的下限值为：
式中，pt是传统服务的基价，αiWd是电力公司购买的总传输带宽。
由此可以确定带宽基价上下限为：
步骤4：计算用户电力消费成本。
用户的电力消费成本取决于负荷的运行状态，且与用户的不舒适度直接相关。因此，用户在电力调度期间产生的电力消费成本主要是由用户的不舒适度产生的。具体实施中，本发明实施例根据Fanger热舒适模型(丹麦学者P O Fanger综合分析了物理变量和人为变量后提出的PMV热舒适模型)以及热平衡预测平均投票数(PMV，Predicted Mean Vote，表征人体热反应(冷热感)的评价指标，代表了同一环境中大多数人的冷热感觉的平均)和预测不满意百分比(PPD，prsdicted percentage of dissatisfied，预计处于热环境中的群体对于热环境不满意的投票平均值，PPD指数可预计群体中感觉过暖或过凉快“根据七级热感觉投票表示热(+3)，温暖(+2)，凉(-2)或冷(-3)”的人的百分数)确定用户不适成本。
将每一组用户的电力消费成本定义为：
ci(Ti)＝σiPPD(Ti) (16)
其中，σi为不满意百分比-不舒适成本的常系数。
式中，各变量的意义见表1。
表1
步骤5：将步骤2、3、4所得计算结果代入步骤1所得负荷运行状态与通信资源配置的协同优化模型，得到最终建立的协同优化模型；
最终建立的协同优化模型的目标函数如下：
协同优化模型的约束条件如下：
式中，αi表示带宽比，αmax表示带宽比上限；
表示带宽基价，
和
分别表示带宽基价上限和下限；
表示第i家电力公司的成本函数；K表示总带宽分配比上限；Ti min和Ti max分别是第i组用户负荷运行状态的上限和下限；σi为不满意百分比-不舒适成本的常系数；Wd是DAU的传输带宽。
步骤6：对所建立的温控负荷运行状态与通信资源配置的协同优化模型进行优化，得到优化后的负荷运行状态及中继带宽配置。
具体地，根据目标函数和约束条件对降低电力公司成本需求采用优化算法求解，优选地，优化算法可以采用BCC优化算法(优化算法为细菌群体趋药性算法)，该算法是一种新的从生物行为中获得灵感的优化方法，其实现思想与其他群体优化方法有较大不同，在BCC算法中，不仅群体具有搜索寻优能力，单个细菌也有一定的寻优能力，各细菌趋化的移动方向和时间都是按照概率分布取值，其具备突破局部最值限制的性能，适合解决温控负荷的负荷运行状态和中继带宽协同优化的多目标优化问题，如图4所示，利用该算法进行优化的流程具体包括：
S4.1、确定模型参数Pt、T0、α0、
S4.2、计算细菌的初始适应度；
S4.3、计算细菌在新轨迹上的运动时间、方向和角度；
S4.4、利用细菌个体信息确定新位置x’i,k+1，计算适应度f(x’i,k+1)；
S4.5、利用细群体信息确定新位置x”i,k+1，计算适应度f(x”i,k+1)；
S4.6、判断是否f(x’i,k+1)＜f(x”i,k+1)，如果是，细菌移动到位置x’i,k+1，如果否，细菌移动到位置x”i,k+1；
S4.7、最差位置的细菌移动到菌群整体移动前处于最好位置的细菌附近；
S4.8、判断Ti、αi、
是否满足要求，如果是，则优化完成；如果否，则返回S4.3执行。
在具体实施中，还可以采用其他优化算法，本发明中不做限定。
步骤7、将优化后的负荷运行状态和通信资源配置应用在基于合作中继技术的电力通信系统中，以此降低电力公司成本。
本发明实施例中基于温控负荷建立了一种负载运行状态和中继带宽协同优化策略，同时考虑了用户的不适成本，根据Fanger热舒适模型以及热平衡PMV指标和预测不满意百分比PPD指标确定用户不适成本；确定基于合作中继技术双向通信时网关的丢包率；根据温度设定值调节策略及跟踪信号误差确定电力公司的运营成本；根据电力公司与中继合作条件确定带宽基价上下限。相较于在电力系统中直接采用温控负荷控制方案，本方法在降低电力公司运营成本上有更大提高，并且电网的稳定性以及电能质量也有较大改善。
下面通过一个具体实例对采用本优化模型对降低电力公司成本的效果进行说明。
在智能电网中，需求侧管理通过预测用户未来一天的功耗来提前规划，并在当天实时调整负载，以主动响应电网频率变化。由于其独特的总体灵活性，HVAC可用作需求侧能量管理的能量存储单元，以实现智能电网频率调节。
温控负荷基线预测和调整能力示意图如图5所示。蓝线表示功率预测值，即用户自由控制下的功耗；红色虚线表示小时内预测值的平均值，即基线；橙红色虚线表示负荷总功耗的上限，即所有负荷都开启时的功耗。可以观察到，温控负荷的功耗调节能力在功率[Ptotal,0]范围内变化，Pup是上调容量，表示当供应大于需求时可以增加的功耗上限(Pup＝Ptotal-Pbase)；Pdown是下调容量，表示当供应小于需求时可以降低的功耗上限。可以观察到温控负荷的功耗调整量在[-Pdown,Pup]范围内变化。
温度设定值控制策略的频率调整服务示意图如图6所示。电力公司和负荷聚合商签订合同，负荷聚合商根据第二天的天气预报基线将功耗基线和当前电网频率发送给中央控制器，中央控制器根据控制策略或优化算法获得控制信号。此外，本地控制器根据控制命令直接作用于压缩机，以打开或关闭温控负荷。
接下来采用MATLAB和数据分布拟合软件(EasyFit)来获得负荷控制策略的跟踪误差分布。以丢包率Pr＝5％为例，跟踪误差遵循正态分布。假设提供自动发电控制(AGC)服务的概率大于99％，由正态分布的3σ原理表明由于正态分布下P(μ-3σ≤x≤μ+3σ)≥99％，拟购买的AGC服务量则为(μ+3σ)MW，因此，根据电力公司的成本函数表达式，可以求得第i家电力公司的总成本为：
其中，μ和σ分别是AGC服务购买量的期望和方差。
接下来将丢包率分别取值1％,2％,10％，使用MATLAB和EasyFit软件，通过以下三次函数拟合方差与丢包率之间的函数关系为：
σ＝16064(Pr)3-3349.5(Pr)2+271.9832Pr+2.3426 (25)
期望值为如下常数：μ＝0.51369；
由此可以得到第i家电力公司的总成本为：
其中，
在仿真模拟中，考虑一个由10组住宅用户、10家电力公司和1个IESO组成的电力调度服务系统。假设每组有10组用户，每组住宅用户都安装了独立的HVAC系统，且由单独的高压交流系统统一管理。DAU和继电器的带宽都是1MHz。性能参数定义为：L＝64,M＝80，噪声方差N0＝0.145×10-13W，通道增益h＝7.75×10-3/d3.6，其中，d为发射器与接收器之间的距离。DAU的发射功率pd＝1W，继电器的发射功率pr∈[20W,24W]，从网关到用户的正确接收速率是θ＝0.99，AGC辅助服务的基价ps＝20$/MW，传统服务的基价pt＝3$/MW。针对表1中参数设Wi＝0W、Vi a＝0.15m/s、
M1,...,Mi,...,M10是服从正态分布的随机值，其中μ＝69.6,σ＝1。
BCC优化算法中，每个细菌由30个变量组成，细菌的位置表示为
由此优化算法得到的负荷运行状态数值计算结果、带宽比数值计算结果和带宽基价数值计算结果分别见表2、表3和表4。
表2
表3
表4
直接负荷通信和合作中继通信两种通信方式下的电力公司成本对比图如图7所示。电力公司成本对比具体数值对比见表5。
表5
通过该对比可以得到，采用合作中继技术进行电力通信可以在一定程度上降低电力公司成本。
考虑本发明中优化方法，假设未优化前电力公司成本为879.51美元，我们通过优化负荷运行状态T、带宽比α以及带宽基价p，进一步得到优化后的电力公司成本，优化后的成本降低率见表6，优化前成本为879.51$。
表6
注：负荷运行状态T实时变化，不固定。
通过表6可以得到，相较于优化前，通过协同优化T,α,p三个参数，电力公司成本可以降低41.79％，优化效果最为满意。因此，通过协同优化负载运行状态和中继带宽配置可以显著降低电力公司运营成本。
本实施例中，在考虑了用户舒适度的条件下，通过建立负荷运行状态与通信资源配置的协同优化模型，并采用优化算法进行求解，解决了负荷运行和中继传输的协同优化问题。结果表明，通过负荷运行状态、带宽比和带宽基价的协同优化，可以显著降低电力公司成本。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种基于温控负荷的负荷运行状态和中继带宽协同优化方法，其特征在于，包括：
建立基于合作中继技术的电力调度服务系统，根据数据传输关系确定基于合作中继技术双向通信时的丢包率；
根据温度设定值调节策略及跟踪信号误差确定电力公司的运营成本函数以及带宽基价上下限；
根据Fanger热舒适模型以及热平衡PMV指标和预测不满意百分比PPD指标确定用户不适成本；
根据丢包率、运营成本函数以及带宽基价上下限、用户不适成本建立负荷运行状态与通信资源配置的协同优化模型；
对所建立的温控负荷运行状态与通信资源配置的协同优化模型进行优化，得到优化后的负荷运行状态及中继带宽配置；
将优化后的负荷运行状态及中继带宽配置应用在所述电力调度服务系统中，以此降低电力公司成本。
2.根据权利要求1所述的一种基于温控负荷的负荷运行状态和中继带宽协同优化方法，其特征在于，确定基于合作中继技术双向通信时的丢包率，包括：
式中，Rin表示DAU的接收速率，Gre表示网关的接收速率，θ表示从网关向用户传递信息的正确率；Wd和L分别是DAU的传输带宽和对帧的信息位数，αi是中继分配给第i个DAU的带宽比，f(rAF)是AF中继策略下帧的正确接收概率，rdg代表从中继到网关的信号与干扰加噪声比，M代表传输数据大小。
3.根据权利要求1所述的一种基于温控负荷的负荷运行状态和中继带宽协同优化方法，其特征在于，确定电力公司的运营成本，包括：
式中，ps是购买AGC服务单价，
表示用于调节服务的总成本，随着丢包率Pr的增加而增加，
是第i家电力公司的带宽基价；
确定带宽基价上下限，包括：
式中，pt是传统服务基价，αiWd是电力公司购买的总传输带宽。
4.根据权利要求1所述的一种基于温控负荷的负荷运行状态和中继带宽协同优化方法，其特征在于，确定的用户电力消费成本，包括：
ci(Ti)＝σiPPD(Ti)；
其中，σi为不满意百分比-不舒适成本的常系数。
式中，Mi表示代谢率，Wi表示机械工作，
表示衣服温度，
表示服装面积系统，
表示服装绝缘，
表示水蒸气压力，
表示平均辐射温度，
表示对流传热速度，Vi a表示气流速度。
5.根据权利要求1所述的一种基于温控负荷的负荷运行状态和中继带宽协同优化方法，其特征在于，建立的协同优化模型为：
所述协同优化模型的约束条件为：
式中，αi表示带宽比，αmax表示带宽比上限；
表示带宽基价，
和
分别表示带宽基价上限和下限；
表示第i家电力公司的成本函数；K表示总带宽分配比上限；Ti min和Ti max分别是第i组用户负荷运行状态的上限和下限；σi为不满意百分比-不舒适成本的常系数；Wd是DAU的传输带宽。
6.根据权利要求1所述的一种基于温控负荷的负荷运行状态和中继带宽协同优化方法，其特征在于，优化算法为细菌群体趋药性算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110736838.7A CN113435120A (zh) | 2021-06-30 | 2021-06-30 | 基于温控负荷的负荷运行状态和中继带宽协同优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110736838.7A CN113435120A (zh) | 2021-06-30 | 2021-06-30 | 基于温控负荷的负荷运行状态和中继带宽协同优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113435120A true CN113435120A (zh) | 2021-09-24 |
Family
ID=77758200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110736838.7A Pending CN113435120A (zh) | 2021-06-30 | 2021-06-30 | 基于温控负荷的负荷运行状态和中继带宽协同优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113435120A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113961347A (zh) * | 2021-10-27 | 2022-01-21 | 缪周航 | 提升移动计算平台可靠性的方法 |
| CN115442237A (zh) * | 2022-08-29 | 2022-12-06 | 中国移动通信集团广东有限公司 | 一种基于双频协同的数字电网需求响应优化方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100106332A1 (en) * | 2008-09-29 | 2010-04-29 | Battelle Memorial Institute | Using bi-directional communications in a market-based resource allocation system |
| US20140336960A1 (en) * | 2011-11-29 | 2014-11-13 | Energy Aware Technology Inc. | Method and System for Forecasting Power Requirements Using Granular Metrics |
| US20150094968A1 (en) * | 2009-02-26 | 2015-04-02 | Distributed Energy Management Inc. | Comfort-driven optimization of electric grid utilization |
| CN107147105A (zh) * | 2017-04-12 | 2017-09-08 | 南京邮电大学 | 一种多时空尺度混合优化与分布式协调混杂控制方法 |
| CN109980638A (zh) * | 2019-04-03 | 2019-07-05 | 燕山大学 | 一种温控负荷舒适度与频率调节协同优化方法及系统 |
-
2021
- 2021-06-30 CN CN202110736838.7A patent/CN113435120A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100106332A1 (en) * | 2008-09-29 | 2010-04-29 | Battelle Memorial Institute | Using bi-directional communications in a market-based resource allocation system |
| US20150094968A1 (en) * | 2009-02-26 | 2015-04-02 | Distributed Energy Management Inc. | Comfort-driven optimization of electric grid utilization |
| US20140336960A1 (en) * | 2011-11-29 | 2014-11-13 | Energy Aware Technology Inc. | Method and System for Forecasting Power Requirements Using Granular Metrics |
| CN107147105A (zh) * | 2017-04-12 | 2017-09-08 | 南京邮电大学 | 一种多时空尺度混合优化与分布式协调混杂控制方法 |
| CN109980638A (zh) * | 2019-04-03 | 2019-07-05 | 燕山大学 | 一种温控负荷舒适度与频率调节协同优化方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| MA KAI ET AL.: "Energy management with application to HVAC systems based on bacterial colony chemotaxis algorithm", 《2017 36TH CHINESE CONTROL CONFERENCE (CCC)》 * |
| 何金骆: "面向电力需求响应的温控负荷控制与通信资源分配策略", 《中国优秀博硕士学位论文全文数据库（硕士） 工程科技Ⅱ辑》 * |
| 刘士浩: "面向智能电网频率调节的温控负荷控制策略与奖励机制", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113961347A (zh) * | 2021-10-27 | 2022-01-21 | 缪周航 | 提升移动计算平台可靠性的方法 |
| CN115442237A (zh) * | 2022-08-29 | 2022-12-06 | 中国移动通信集团广东有限公司 | 一种基于双频协同的数字电网需求响应优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110728410A (zh) | 一种计及需求响应灵活性和不确定性的负荷聚合商经济调度方法 | |
| CN113435120A (zh) | 基于温控负荷的负荷运行状态和中继带宽协同优化方法 | |
| CN106934542A (zh) | 一种基于斯塔克伯格博弈论的电动汽车需求响应调控方法 | |
| CN110111214B (zh) | 一种基于优先级的用户用能管理方法及系统 | |
| CN105703355B (zh) | 一种多样性负荷分级自律协同需求响应方法 | |
| CN112488372A (zh) | 多时间尺度下电采暖负荷双层优化调度方法 | |
| CN110503461B (zh) | 一种智能电网中基于住宅用户聚类的需求响应方法 | |
| Mondal et al. | DEMANDS: Distributed energy management using noncooperative scheduling in smart grid | |
| CN106451493B (zh) | 一种变频空调参与电力系统功率频率控制的方法 | |
| CN109687465A (zh) | 一种主动配电网源网荷弹性控制系统 | |
| Khalkhali et al. | Novel residential energy demand management framework based on clustering approach in energy and performance-based regulation service markets | |
| CN106372752A (zh) | 一种变频空调热电池建模及其调度方法 | |
| CN108171436A (zh) | 居民空调需求响应策略及其对配用电侧影响的控制方法 | |
| Yang et al. | Bi-level decentralized control of electric heating loads considering wind power accommodation in real-time electricity market | |
| CN113344273A (zh) | 基于建筑用能的区域配电网峰谷差调节优化方法及系统 | |
| CN116454901A (zh) | 一种基于可调度能力评估的配网微网协同需求响应方法 | |
| Seema et al. | Load forecasting by the Main grid controller using ANN and the implementation of demand response using Micro-controller | |
| Zhou et al. | Flexible load optimal regulation strategy of commercial buildings under the environment of electricity market | |
| CN111555291A (zh) | 一种基于自适应粒子群的负荷集群控制方法 | |
| CN114825371B (zh) | 基于调节前后节点电压约束的聚合温控负荷多层调控方法 | |
| CN113283649B (zh) | 供需协同运行能效控制方法、装置、设备和介质 | |
| CN115218270A (zh) | 一种终端变电站级的分散电供暖智能群控控制方法及系统 | |
| CN104144478B (zh) | 基站非连续发送节能控制方法、小站、宏站及异构网络 | |
| Bin et al. | Bi-level scheduling Model of Air conditioning load aggregator considering users’ comfort compensation | |
| CN113610394A (zh) | 一种基于区域互联的能源市场双边竞价出清方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210924 |
|
| RJ01 | Rejection of invention patent application after publication |