CN113793010B - 面向多元负荷联合控制策略的构建方法及空调控制方法 - Google Patents

Abstract

本发明公开了面向多元负荷联合控制策略的构建方法及空调控制方法，属于多元负荷联合控制策略技术领域。现有的控制策略，无法对柔性负荷进行有效调度以及准确控制。本发明的一种面向多场景多元负荷联合控制策略的构建方法，对多元负荷响应潜力进行评估，并根据评估结果表现的负荷特性和市场响应特性，制定合理的用电计划；进一步建立多场景下多元微负荷聚合模型，实现多元负荷的主动响应与协调优化；并将多场景下多元微负荷聚合模型作为多元微负荷区域运行调度的组合优化模型的一部分，实现多场景多元负荷的联合控制；进而实现对用户侧多元微负荷的分级柔性优化运行和高效调度，提高电网动态平衡能力。

Description

面向多元负荷联合控制策略的构建方法及空调控制方法

技术领域

本发明涉及面向多元负荷联合控制策略的构建方法及空调控制方法，属于多元负荷联合控制策略技术领域。

背景技术

随着我国经济的高速发展和负荷的不断增长，电力供需矛盾进一步深化。尤其是城市核心区域在电力负荷高峰时段，由于运行方式调整裕度小，输变电设备重载和过载问题严重，对地区电网调度产生巨大压力。近些年，随着智能电网建设的推进以及需求响应、能效管理等技术的发展与应用，商业中央空调、电动汽车、分布式储能、普通居民等可中断/可调节的用户侧多元微负荷快速增长并形成了新的可调度资源，这为地区电网调度运行带来了新的变化。多元微负荷具有响应快、经济性高和体现不同用户用电意愿等优点，但也具有单体容量小、分布分散等缺点。

现有控制策略，无法对柔性负荷及电动汽车、分布式储能、智能家电等多元微负荷进行有效调度以及准确控制，进而导致电网动态平衡能力差，电网运行压力大，无法有效保障电网的安全性和可靠性，影响电网的经济运行水平，无法有效缓解地区电网供需矛盾和调度压力。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种通过多元负荷响应潜力评估，并根据评估结果表现的负荷特性和市场响应特性，制定合理的用电计划；进一步建立多场景下多元微负荷聚合模型，实现多元负荷的主动响应与协调优化；并将多场景下多元微负荷聚合模型作为多元微负荷区域运行调度的组合优化模型的一部分，实现多场景多元负荷的联合控制；进而实现对用户侧多元微负荷的分级柔性优化运行和高效调度，提高电网动态平衡能力，缓解电网运行压力，并在保障电网的安全性和可靠性的前提下，提高电网的经济运行水平的面向多元负荷联合控制策略的构建方法及空调控制方法。

为实现上述目的，本发明的技术方案为：

一种面向多场景多元负荷联合控制策略的构建方法，

包括以下步骤：

步骤1，对多元负荷响应潜力进行评估，其评估方法如下：

通过分析用户侧柔性负荷资源特性以及资源响应特性，建立响应特性模型，在满足相应的约束的情况下，达到最大的负荷削减目标，以进行用户侧柔性负荷资源响应潜力评估；

步骤2，根据步骤1中的响应特性模型，制定合理的用电计划，并构建多场景下多元微负荷聚合模型，其建立方法如下：

通过分析用户侧单体设备负荷的运行特性、可调控性特性，建立多级可调的多元微负荷模型，以此计算市场条件对负荷功率的影响以及需求响应后设备功率的变化，实现多元负荷的主动响应与协调优化；

步骤3，利用步骤2中的多场景下多元微负荷聚合模型，制定面向不同目标的多元负荷联合控制策略，其制定方法如下：

构建能对多元微负荷区域运行进行调度的组合优化模型，

所述组合优化模型通过建立目标函数及约束条件，实现节能减排的需求侧管理目标；

并通过多元微负荷预测技术，借助历史数据得到各方法的容量特性、响应时间特性及响应频率特性要素，对组合优化模型进行优化互补；

同时，为快速应对不同的场景特点，形成具体的策略方案，对不同特征要素和不同场景进行特征匹配，形成不同权重方案，进而形成不同的策略实现方案；

并根据权重方案，对权重进行聚类，同时结合多元微负荷预测技术，得出不同的比例系数，不同的比例系数对应不同的策略，不同的策略对应不同的负荷群内调控顺序，进而形成调控策略库，实现多场景多元负荷的联合控制。

由于柔性负荷及电动汽车、分布式储能、智能家电等多元微负荷是能源互联网框架下的重要互动资源，尽管单一资源不是任意时间都可控的，但大量中小用户侧可调资源聚合在一起将呈现一定的总体可控性。并且在变电站扩容及线路改造受限的情况下，日益丰富的可调度多元微负荷将成为缓解地区电网供需矛盾和调度压力的有效手段。

因此，本发明经过不断探索以及试验，对多元负荷响应潜力进行评估，并根据评估结果表现的负荷特性和市场响应特性，制定合理的用电计划；进一步建立多场景下多元微负荷聚合模型，实现多元负荷的主动响应与协调优化；并将多场景下多元微负荷聚合模型作为多元微负荷区域运行调度的组合优化模型的一部分，实现多场景多元负荷的联合控制；进而实现对用户侧多元微负荷的分级柔性优化运行和高效调度，提高电网动态平衡能力，缓解电网运行压力，并在保障电网的安全性和可靠性的前提下，提高电网的经济运行水平。

进一步，本发明能给用户侧资源参与电网调度提供理论和实践支撑，探索未来电网调度运行的新模式，提高电网安全稳定运行水平，提升电力设备资源的利用率以及提升用电服务精益化水平，推动节能减排，从而提高电网运行动态平衡能力，缓解电网运行压力，创新电网调度运行的模式、手段。

本发明方案详尽，切实可行，便于实现。

作为优选技术措施：

所述步骤2中的多元微负荷模型包括若干单体模型；

所述单体模型，用于获知某一具体设备负荷的运行特征、可调控性、受环境影响因素特性；

所述单体为电热水器或中央空调或柜式空调或挂式空调或电动汽车或储能或分布式储能。

作为优选技术措施：

所述步骤2中，多场景下多元微负荷聚合模型的构建，包括以下内容：

对工业台区负荷聚合特性进行分析，建立聚合目标函数；

其约束条件包括可调度任务节点的运行状态约束、不可调度任务节点的运行状态约束、生产任务工人数量约束；

所述聚合目标函数的任务节点j在时刻t的工人数量W_j,t、物料消耗率c_i,j,t和产率g_i,j,t分别按下式计算：

可调度任务节点的运行状态约束的计算公式如下：

该约束用于保证在时刻t可调度任务j仅处于一种运行工况；

不可调度任务节点的运行状态约束的计算公式如下：

式中，为不可调度任务j的运行工况k在时刻t的计划运行状态；

生产任务工人数量约束的计算公式如下：

式中，为任务j在时刻t可从事生产工人数量上限。

作为优选技术措施：

所述步骤3中，组合优化模型的构建方法，包括以下内容：

通过分析面向分布式电源配电网系统运行的经济性和环保性，建立组合优化目标函数；

其约束条件包括电负荷供需平衡约束、冷负荷供需平衡约束；

利用遗传算法对变量的选择、交叉与变异，对组合目标进行调度优化，得出最佳的负荷资源的负荷容量配置与负荷运行优先顺序，以此提升系统的响应速度和资源的经济性。

作为优选技术措施：

组合优化目标函数包括经济性最优目标函数、环保性最优目标函数；

经济性最优目标函数以综合能源系统的调度运行成本最优为准则，其计算公式如下：

式中：T为综合能源系统优化调度总区间数，

H为每个调度区间的小时数，优选的H＝1，

C_t为分时市网电，

P^TL _t为区域内并网联络线功率，

C^RE _n为第n种可再生能源补贴价格，

P^REn _t为第n种可再生能源发电功率；

环保性目标函数以调度期间综合能源系统污染物排放量最优为准则，其计算公式如下：

式中，C为单位用电量污染物排放量，为单位电量各污染物排放量之和，约为1.3kg/(kW·h)；

F₁和F₂既是综合能源系统运行调度的优化目标，也是其评价指标；

电负荷供需平衡约束的计算公式如下：

式中：为区域内除供能储能设备外电负荷需求；P_t ^B为蓄热式电锅炉耗电量，P_t ^HP为电热水器系统耗电量；P_t ^CC为机载主机耗电量；P_t ^IC为空调机组制冷/供热耗电量；

冷负荷供需平衡约束的计算公式如下：

式中：为热泵系统制热/供冷量；/>为机载主机制热/供冷量；/>为双蓄机组制热/供冷量；/>为冰蓄冷融冰量；/>为区域内总冷热负荷需求。

作为优选技术措施：

所述步骤3中的多元微负荷预测技术包括以下内容：

通过蚱蜢优化算法，基于历史数据积累的条件，得到容量特性、响应时间特性及响应频率特性要素，分析响应成本、响应速度、响应深度、响应时长要素在预期响应中的数据，进而优化互补联合调节方法；

多元微负荷的特征隶属度选取过程如下：

通过确定各个场景的评价要素，分析其历史数据，并计算各要素对不同场景以及特定场景的平均值，通过比较同一场景下各要素的平均值大小，将相对值大的要素作为场景的特征隶属度；

所述多元微负荷的聚类方法，具体包括以下内容：

通过采用聚类算法K-medoids对场景的特征隶属度选取进行聚类，添加类别标签作为训练样本，并通过聚类中心计算方法筛除各类中到类内各数据向量距离偏远的向量，进而使聚类过程达到优化训练数据质量的目的；

调控策略库的构建方法，具体包括以下内容：

通过多元微负荷预测技术和聚类方法，对不同的负荷制定策略，负荷的各个要素的实际值比例不同，不同实际值比例对应不同的策略，不同的策略对应不同的负荷群内调控顺序，根据以上这些不同的调控策略，建立调控策略库。

作为优选技术措施：

一种面向多场景多元负荷联合控制策略的空调控制方法，

应用如上述的一种面向多场景多元负荷联合控制策略的构建方法，其通过分析用户侧柔性负荷资源特性、用户侧柔性负荷资源响应特性，建立用于中央空调系统制冷机和送风机的空调控制策略模型；

所述空调控制策略模型，用于评估用户侧柔性负荷资源响应潜力，并对空调负荷群的运行功率及调控潜力进行优化配置，在满足相应的约束的情况下，达到最大的负荷削减目标，其构建空调控制目标函数以及设置若干约束条件；

约束条件包括紧急需求响应事件期间降负荷约束、室温变化上下限约束、制冷机最小运行时间约束、制冷机最小停机时间约束、决策变量取值范围约束、制冷机组和送风系统运行状态的耦合约束、送风系统运行时间约束。

作为优选技术措施：

所述空调控制目标函数，对商业楼宇中央空调系统的制冷机和送风机进行调控，其计算公式如下：

其中，P_base(t)为计及送风机功率的基线负荷；P_air、P_fan分别为制冷机和送风系统功率；S_air(k,t)、S_fan(k,t)分别为第k栋楼宇在t时段制冷机和送风系统的运行状态；

紧急需求响应事件期间降负荷约束的计算公式如下：

上式中，P_base(t)表示时刻t该组中央空调原始的总体运行功率，即中央空调负荷群的负荷基线；即表示了在时刻t该中央空调负荷群受控后整体的实际运行功率，n表示中央空调负荷群中的受控的中央空调台数；S(k,t)表示第k台中央空调的制冷机在时刻t的运行状态，S(k,t)＝1表示第k台中央空调的制冷机在时刻t处于开机状态，S(k,t)＝0则表示第k台中央空调的制冷机在时刻t处于停机状态；

室温变化上下限约束的计算公式如下：

式中，T_max(t)、T_min(t)分别表示中央空调负荷群受负荷聚集商调控后各时刻温度范围的上下限；T_{p_cool}表示提前通知时段的起始时刻；

制冷机最小运行时间约束的计算公式如下：

上式中，UT_k表示第k台中央空调制冷机的最小运行时长；表示第k台中央空调制冷机的初始运行时长；S(k,0)表示第k台中央空调制冷机的初始运行状态；G_k表示制冷机在开始受控后的初始时段，为了同受控前的运行状态保持连续，还至少需要运行的时长；

制冷机最小停机时间约束的计算公式如下：

上式中，DT_k表示第k台中央空调制冷机的最小停机时长；表示第k台中央空调制冷机的初始停机时长；L_k表示制冷机在开始受控后的初始时段，为了同受控前的运行状态保持连续，至少需要停机的时长；

决策变量取值范围约束的计算公式如下：

制冷机组和送风系统运行状态的耦合约束的计算公式如下：

S_air(k,t)-S_fan(k,t)≤0 (7)

送风系统运行时间约束的计算公式如下：

为便于建模，将送风系统的运行时长简化为某个固定时长T_{fan_on}。

作为优选技术措施：

空调控制策略模型包括若干储能负荷单体模型；

所述储能负荷单体模型，基于单体设备的特性分析，对中央空调负荷产生影响的参数变量进行综合分析；

参数变量主要包括冷冻水温、冷却水温、冷却水量、冷冻水量和冷负荷参数；

同时对储能负荷单体模型建立目标函数，其约束条件为储能系统荷电状态限。

作为优选技术措施：

空调控制策略模型将负荷种类相同的负荷归为一类，从而便于研究居民空调用户资源的调控特性；

同时将居民用户空调根据匹数进行分类，对居民用户的住宅面积进行对应分类，将其总体分为1P，2P，3P以及4P四种类型；

参照1P，2P，3P以及4P空调类别的选择标准，对房间的参数进行对应的设置；

由于居民空调负荷的种类以及数量较多，为了降低对用户的影响程度，

在达到最大削减负荷的约束下尽量少的削减对应的空调台数，具体的目标函数如下所示：

其中：S(k,t)表示第k台中央空调的制冷机在时刻t的运行状态，

T_{e_start}、T_{e_end}分别表示紧急需求响应事件的起始时刻和结束时刻；

x_run为设定的表征各个时刻运行台数的变量，加入该目标函数，使其在满足最大削减负荷的情况下尽量小地影响空调负荷。

与现有技术相比，本发明具有以下有益效果：

本发明经过不断探索以及试验，对多元负荷响应潜力进行评估，并根据评估结果表现的负荷特性和市场响应特性，制定合理的用电计划；进一步建立多场景下多元微负荷聚合模型，实现多元负荷的主动响应与协调优化；并将多场景下多元微负荷聚合模型作为多元微负荷区域运行调度的组合优化模型的一部分，实现多场景多元负荷的联合控制；进而实现对用户侧多元微负荷的分级柔性优化运行和高效调度，提高电网动态平衡能力，缓解电网运行压力，并在保障电网的安全性和可靠性的前提下，提高电网的经济运行水平。

进一步，本发明能给用户侧资源参与电网调度提供理论和实践支撑，探索未来电网调度运行的新模式，提高电网安全稳定运行水平，提升电力设备资源的利用率以及提升用电服务精益化水平，推动节能减排，从而提高电网运行动态平衡能力，缓解电网运行压力，创新电网调度运行的模式、手段。

附图说明

图1是本发明策略构建流程图；

图2是本发明多元微负荷区域运行组合优化方法流程图；

图3是本发明特征隶属度计算流程图；

图4是江苏商业典型日负荷曲线图；

图5是本发明商业需求响应前后电力需求变化比示图；

图6是江苏居民典型日负荷曲线图；

图7是本发明第一小时需求价格弹性系数示图；

图8是本发明需求响应前后电力需求变化比示图；

图9是本发明商业负荷限值示图；

图10是应用本发明后某楼宇室内温度变化曲线图([21℃,27℃],提前通知25min，63MW)；

图11是应用本发明后某中央空调负荷群运行功率示图([21℃,27℃],提前通知25min，63MW)；

图12是应用本发明后多类型居民用户空调负荷降负荷情况示图；

图13是应用本发明后制热模式下居民温控负荷温度设定点与电价的关系示图。

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，以下结合附图及实施例，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。

相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。

一种面向多场景多元负荷联合控制策略的构建方法，

包括以下步骤：

步骤1，对多元负荷响应潜力进行评估，其评估方法如下：

通过分析用户侧柔性负荷资源特性以及资源响应特性，建立响应特性模型，在满足相应的约束的情况下，达到最大的负荷削减目标，以进行用户侧柔性负荷资源响应潜力评估；

步骤2，根据步骤1中的响应特性模型，制定合理的用电计划，并构建多场景下多元微负荷聚合模型，其建立方法如下：

通过分析用户侧单体设备负荷的运行特性、可调控性特性，建立多级可调的多元微负荷模型，以此计算市场条件对负荷功率的影响以及需求响应后设备功率的变化，实现多元负荷的主动响应与协调优化；

步骤3，利用步骤2中的多场景下多元微负荷聚合模型，制定面向不同目标的多元负荷联合控制策略，其制定方法如下：

构建能对多元微负荷区域运行进行调度的组合优化模型，

所述组合优化模型通过建立目标函数及约束条件，实现节能减排的需求侧管理目标；

并通过多元微负荷预测技术，借助历史数据得到各方法的容量特性、响应时间特性及响应频率特性要素，对组合优化模型进行优化互补；

同时，为快速应对不同的场景特点，形成具体的策略方案，对不同特征要素和不同场景进行特征匹配，形成不同权重方案，进而形成不同的策略实现方案；

根据权重方案，对权重进行聚类，并结合多元微负荷预测技术，得出不同的比例系数，不同的比例系数对应不同的策略，不同的策略对应不同的负荷群内调控顺序，进而形成调控策略库，实现多场景多元负荷的联合控制。

由于柔性负荷及电动汽车、分布式储能、智能家电等多元微负荷是能源互联网框架下的重要互动资源，尽管单一资源不是任意时间都可控的，但大量中小用户侧可调资源聚合在一起将呈现一定的总体可控性。并且在变电站扩容及线路改造受限的情况下，日益丰富的可调度多元微负荷将成为缓解地区电网供需矛盾和调度压力的有效手段。

因此，本发明经过不断探索以及试验，对多元负荷响应潜力进行评估，并根据评估结果表现的负荷特性和市场响应特性，制定合理的用电计划；进一步建立多场景下多元微负荷聚合模型，实现多元负荷的主动响应与协调优化；并将多场景下多元微负荷聚合模型作为多元微负荷区域运行调度的组合优化模型的一部分，实现多场景多元负荷的联合控制；进而实现对用户侧多元微负荷的分级柔性优化运行和高效调度，提高电网动态平衡能力，缓解电网运行压力，并在保障电网的安全性和可靠性的前提下，提高电网的经济运行水平。

进一步，本发明能给用户侧资源参与电网调度提供理论和实践支撑，探索未来电网调度运行的新模式，提高电网安全稳定运行水平，提升电力设备资源的利用率以及提升用电服务精益化水平，推动节能减排，从而提高电网运行动态平衡能力，缓解电网运行压力，创新电网调度运行的模式、手段。

本发明方案详尽，易于编程实现，其具体算法实现过程可参见图1。

本发明的一种最佳实施例：

一种面向多场景多元负荷联合控制策略的构建方法，包括以下步骤：

步骤1，多元负荷响应潜力评估，具体为：通过分析用户侧柔性负荷资源特性以及资源响应特性，建立响应特性模型，在满足相应的约束的情况下，达到最大的负荷削减目标，以进行用户侧柔性负荷资源响应潜力评估，并对空调负荷群的运行功率及调控潜力进行优化配置。

所述的多元负荷响应潜力评估包括：分析用户侧柔性负荷资源特性、用户侧柔性负荷资源响应特性，建立中央空调系统的制冷机和送风机的数学模型，建立目标函数，约束条件为紧急需求响应事件期间降负荷约束、室温变化上下限约束、制冷机最小运行时间约束、制冷机最小停机时间约束、决策变量取值范围约束、制冷机组和送风系统运行状态的耦合约束、送风系统运行时间约束，评估用户侧柔性负荷资源响应潜力，并对空调负荷群的运行功率及调控潜力进行优化配置，在满足相应的约束的情况下，达到最大的负荷削减目标。

步骤2，建立多场景下多元微负荷聚合模型，具体为：通过分析用户侧单体设备负荷的运行特性、可调控性等特性，建立多级可调的多元微负荷模型，以此考虑市场条件对负荷功率的影响以及需求响应后设备功率的变化。

所述的建立多场景下多元微负荷聚合模型包括：

(1)多元微负荷单体设备负荷建模。通过分析不同设备的单体特性，如电热水器、中央空调等，了解设备负荷的运行特征、可调控性、受环境影响因素等特性，建立其单体模型，并在此基础上建立多级可调的多元微负荷模型。基于单体设备的特性分析，建立中央空调负荷以及储能负荷等单体模型，对中央空调负荷确定主要影响变量包括冷冻水温、冷却水温、冷却水量、冷冻水量和冷负荷等参数；对储能负荷模型建立目标函数，设立约束条件为储能系统荷电状态限制。

(2)多元微负荷聚合模型建立。通过分析单体设备的特性，基于单体设备，当相当数量的设备选择参与需求响应控制时，可将所有设备聚合形成负荷聚合体，建立多元微负荷聚合模型，以此考虑市场条件对负荷功率的影响以及需求响应后设备功率的变化。例如基于工业台区负荷聚合模型的特性分析，以及模型中目标函数的建立，设立约束条件为可调度任务节点的运行状态约束、不可调度任务节点的运行状态约束、生产任务工人数量约束。

步骤3，制定面向不同目标的多元负荷联合控制策略，具体为：通过多元微负荷区域运行调度的组合优化的模型，建立目标函数及约束条件，流程图如图2，实现节能减排的需求侧管理目标；通过多元微负荷预测技术，借助历史数据可得到各方法的容量特性、响应时间特性及响应频率特性等要素，进而可优化互补已有的联合调节方法。为了快速应对不同的场景特点，形成具体的策略方案，在此对不同特征要素和不同场景进行特征匹配，形成不同权重方案，进而形成不同的策略实现方案，整体思路流程图如图3。在确定优先权重后，面向此权重进行聚类。根据上述的预测和聚类方法，得出不同的比例系数，对应不同的策略，对应不同的负荷群内调控顺序，进而形成调控策略库。

所述的定面向不同目标的多元负荷联合控制策略包括：

(1)多元微负荷区域组合优化方法包括：通过分析面向分布式电源配电网系统运行的经济性和环保性，建立目标函数，设立约束条件为电负荷供需平衡约束、冷负荷供需平衡约束。利用遗传算法对变量的选择、交叉与变异，对组合目标进行调度优化，得出最佳的负荷资源的负荷容量配置与负荷运行优先顺序，以此提升系统的响应速度和资源的经济性。

(2)多元微负荷预测技术包括：通过蚱蜢优化算法，基于历史数据积累的条件，得到容量特性、响应时间特性及响应频率特性等要素，分析响应成本、响应速度、响应深度、响应时长等要素在预期响应中的数据，进而优化互补已有的联合调节方法。

(3)多元微负荷特征隶属度选取包括：通过确定各个场景的评价要素，分析其历史数据，并计算各要素对不同场景以及特定场景的平均值，通过比较同一场景下各要素的平均值大小，将相对值大的要素作为场景的特征隶属度。

(4)多元微负荷聚类分群包括：通过采用K-medoids算法对场景的特征隶属度选取进行聚类，添加类别标签作为训练样本，并通过聚类中心计算方法筛除各类中到类内各数据向量距离偏远的向量，进而使聚类过程达到优化训练数据质量的目的。

(5)多元微负荷多场景柔性调节策略库包括：通过上述的预测和聚类，可以对不同的负荷制定策略，负荷的各个要素的实际值比例不同，就对应着不同的策略，对应着不同的负荷群内调控顺序，根据以上这些不同的调控策略，建立调控策略库。

本发明多元负荷响应潜力评估的具体实施例：

(1)单一商业楼宇中央空调设备响应模型

对于商业楼宇的中央空调设备，其响应的模型即为在某种控制策略下的中央空调的室温时变方程。

具体的室温时变方程构建如下：

1)仅考虑中央空调设备制冷机

根据能量守恒原理，在中央空调系统的制冷期，可以得到室内能量守恒方程：

其中，ρ_a为空气密度；V_k为室内体积；c_a为空气比热容；为在制冷期的t时段室内温度；则/>表示室内在dt时段内获得的热量。通过解该一阶微分方程则可以得到在制冷期的室内温度时变方程，如下式所示：

当中央空调系统处于停机期时，其室内能量守恒方程为：

通过解上式的一阶微分方程则可以得到在停机期的室内温度变化方程，如下式所示：

上式中部分变量的具体表达式如下式所示：

其中V_k为室内体积；c_a为空气比热容；k_s为内墙面蓄热系数；为为内墙面积；k_top和k_wall分别为屋顶与墙壁的热传导系数；S_top和S_wall为屋顶和墙壁的面积；m_z为冷冻水质量；c_w为冷冻水比热容；T_w-in和T_w-out为冷冻水的的进出水温度，Q_er为为室内设备、照明以及人员的总散热冷负荷。

2)同时考虑中央空调设备制冷机和送风机

当制冷机组运行时，送风系统也必然运行，则室温时变方程同式(20)；当制冷机组关闭，送风系统也关闭时，室温时变方程同式(21)；当制冷机组关闭，送风系统也运行时，则应将式(20)修改为：

解该一阶微分方程即得该情况下室温时变方程：

上述两种情况下的室温时变方程代表了中央空调设备所有工况下的室温变化关系，同时也构成了商业楼宇中央空调设备的单一用户响应模型。

(2)商业楼宇空调负荷整体响应特性模型

在下文模型的建立过程中做了如下简化与假设：

1)假设所有商业楼宇的中央空调均为同一品牌、同一型号；

2)假设每栋商业楼宇的建筑参数相同；

3)假设每栋商业楼宇的房间结构及内部设施、人流量等相同；

4)假设每栋商业楼宇的中央空调系统的温度设定范围一致；

5)假设所有商业楼宇均处于相对集中的区域。

在中央空调系统中，制冷机的运行功率占中央空调系统运行功率的比重最大，因此，只对中央空调系统的制冷机进行调控及数学建模。目标函数：

max(P_pot)＝max(P_airnum_pot)(t＝T_{e_start},…,T_{e_end}) (26)

上式中，T_{e_start}、T_{e_end}分别表示紧急需求响应事件的起始时刻和结束时刻。在紧急需求响应事件持续时段内，各时刻中央空调负荷群的负荷削减量有可能不同，将这段时间内的最小负荷削减量定义为调控潜力P_pot。P_air为单台中央空调制冷机的运行功率；num_pot为一个待优化的决策变量，其意义为调控潜力所对应的实际削减的中央空调制冷机台数。因此，目标函数的意义即为最大化紧急需求响应事件期间中央空调负荷群的调控潜力。

约束条件：1)紧急需求响应事件期间降负荷约束

该约束的意义为要求在紧急需求响应事件期间，每时每刻中央空调负荷群的负荷削减量均要大于调控潜力P_pot，从而保证在紧急需求响应事件期间该中央空调负荷群所能实现的调控量至少达到调控潜力P_pot。P_base(t)表示时刻t该组中央空调原始的总体运行功率，即中央空调负荷群的负荷基线；即表示了在时刻t该中央空调负荷群受控后整体的实际运行功率，n表示中央空调负荷群中的受控的中央空调台数；S(k,t)表示第k台中央空调的制冷机在时刻t的运行状态，S(k,t)＝1表示第k台中央空调的制冷机在时刻t处于运行状态，S(k,t)＝0则表示第k台中央空调的制冷机在时刻t处于停机状态。

2)室温时变方程参见式(19)至式(23)。

3)室温变化上下限

约束式中，T_max(t)、T_min(t)分别表示中央空调负荷群受负荷聚集商调控后各时刻温度范围的上下限；T_{p_cool}表示提前通知时段的起始时刻。因此，若负荷聚集商采用预制冷调控策略，则提前通知时段即为t＝T_{p_cool},…,(T_{e_start}-1)；否则，无需提前通知，此时T_{p_cool}＝T_e-start。

4)制冷机最小运行时间约束

上式中，UT_k表示第k台中央空调制冷机的最小运行时长；表示第k台中央空调制冷机的初始运行时长；S(k,0)表示第k台中央空调制冷机的初始运行状态；G_k表示制冷机在开始受控后的初始时段，为了同受控前的运行状态保持连续，还至少需要运行的时长。

5)制冷机最小停机时间约束

为了保证中央空调制冷机受控后不影响其制冷机的使用寿命，要求制冷机一旦停机后，需要至少运行5min。上式中，DT_k表示第k台中央空调制冷机的最小停机时长；表示第k台中央空调制冷机的初始停机时长；L_k表示制冷机在开始受控后的初始时段，为了同受控前的运行状态保持连续，至少需要停机的时长。

6)决策变量取值范围约束

上述建立的模型中仅考虑了制冷机的相关约束，这是建立在考虑通讯以及控制复杂性基础上合理的调控方法，若想要实现更大的削减量，则可以考虑对送风机组进行调控。在对送风机组进行优化时，只需要在上述的模型进行如下简单的修改。

首先目标函数修改为：

其中，P_base(t)为计及送风机功率的基线负荷；P_air、P_fan分别为制冷机和送风系统功率；S_air(k,t)、S_fan(k,t)分别为第k栋楼宇在t时段制冷机和送风系统的运行状态。因此，商业楼宇空调负荷群在t时段的运行功率是由各楼宇制冷机和送风系统的运行状态共同决定的，如下式所示：

计及送风系统控制的商业楼宇空调负荷群调控潜力P_pot，表达式如下所示：

即紧急需求响应事件期间商业楼宇空调负荷群的负荷削减量的最小值。除去目标函数的修改之外，约束条件也应当进行相应的修改和添加，具体的修改和添加如下：

1)室温时变方程参见式(24)和式(25)。

2)制冷机组和送风系统运行状态的耦合约束

S_air(k,t)-S_fan(k,t)≤0 (35)

由上式可以看出，当制冷机为运行状态(S_air(k,t)＝1)时，则送风系统也必定处于运行状态(S_fan(k,t)＝1)；当制冷机为关闭状态(S_air(k,t)＝0)时，送风系统既可以处于运行状态(S_fan(k,t)＝1)，也可以处于关闭状态(S_fan(k,t)＝0)。

3)送风系统运行时间约束

送风系统的可运行时长与冷冻水剩余冷量的变化情况有关。为便于建模，将送风系统的运行时长简化为某个固定时长T_{fan_on}，即在中央空调制冷机的停机期，送风系统的运行时长不得超过T_{fan_on}。

(3)居民用户空调负荷整体响应特性模型

同样将负荷种类相同或相似的负荷归为一类，从而便于研究居民空调用户资源的调控特性，同样，在模型的建立过程中做了如下简化与假设：

1)在模型中将居民用户空调根据匹数进行分类，对居民用户的住宅面积进行对应分类，将其总体分为1P，2P，3P以及4P四种类型；

2)参照1P，2P，3P以及4P空调类别的选择标准，对房间的参数进行对应的设置。

3)假设居民用户的房间结构及内部设施、人流量等相同；

4)假设居民用户空调负荷的送风温度设定范围一致；

5)假设受控的居民空调负荷所处的区域相对较为集中。

由于居民空调负荷的种类以及数量较多，为了降低对用户的影响程度，还应在其达到最大削减负荷的约束下尽量少的削减对应的空调台数，具体的目标函数如下所示：

上述的参数含义与在商业建筑空调负荷模型中的参数含义一致，其中：x_run为新设定的表征各个时刻运行台数的变量，加入该目标函数，使其在满足最大削减负荷的情况下尽量小地影响空调负荷。

(4)用户侧柔性负荷资源响应潜力评估

为提高需求响应潜力评估的可操作性，在基于电价的潜力分析中建立一种考虑负荷用电统计特性的需求响应潜力量化评估模型。基于计量经济学原理获得电力需求-价格弹性系数，量化电价水平和激励政策下的电力需求；结合行业负荷特性统计模型，分析工业、商业和居民用户的负荷响应范围；量化电力用户需求响应潜力，形成电力用户响应包络线。

1)电力需求-价格弹性

为验证所提需求响应潜力评估模型的可行性，对江苏省某典型日的居民负荷响应进行求解，列出了江苏省居民负荷长期历史统计数据，如表1，得到江苏省居民负荷的α_E为-1.118。同理求得江苏省商业负荷的α_E为-0.818。

表1江苏居民负荷统计数据

2)统一电力需求响应模型

需求响应按照响应信号可分为2大类：价格型需求响应和激励型需求响应。前者指用户根据电价调整用电行为；后者指用户根据电力调度机构制定实施的激励政策调整用电行为，获得相应的补偿费用。

a.商业负荷

表2江苏商业负荷峰谷电价

表3江苏商业峰谷电价调整

图4为江苏商业某典型日负荷曲线，表2为江苏商业负荷峰谷电价，电价调整信息如表3所示，激励补偿价格统一取0.16元/kWh，权重参数取η_A＝1.5。基于统一电力需求响应模型求解江苏商业负荷典型日24小时的电力需求，响应前后电力需求变化百分比如图5所示。可知：江苏省商业负荷需求响应前后电力需求变化基本维持在20％上下波动。

b.居民负荷

江苏省居民负荷电价同样采用峰谷电价，但电价仅分峰、谷两个时段来划分，图6为江苏居民典型日负荷曲线。所示的居民夏季典型日负荷曲线，计算江苏地区居民负荷典型日24小时的电力需求-价格弹性系数。典型日第1小时的价格自弹性与价格交叉弹性绘于图7第一小时需求价格弹性系数。

由图7可得：

a.第1小时的价格自弹性系数均为负值，而其它各小时的价格交叉弹性系数均为正值，符合电力需求与价格关系的经济学原理。

b.江苏第1小时的价格自弹性系数绝对值为其最大的交叉弹性系数的12.63倍，说明电力需求主要受当前小时电价的影响。

c.表明了江苏居民负荷用电对电价变化的敏感程度相对更高。处于负荷谷时段的第1小时来说，江苏省典型日居民负荷的价格自弹性系数绝对值较大。

基于统一电力需求响应模型求解江苏居民负荷典型日24小时的电力需求，响应前后电力需求变化百分比如图8所示。

由图8可知：

a.江苏省居民负荷需求响应前后电力需求变化比较高，说明江苏居民负荷的可调节性能与响应程度较高。

b.江苏省居民负荷各小时的需求响应前后电力需求变化比相差很小，几乎成一直线。这是因为：负荷谷时段的原始电价、电价变化绝对值以及激励补偿相同，需求响应前后电力需求变化比仅取决于自弹性与交叉弹性；谷时段的自弹性范围为[-0.376,-0.386]，交叉弹性范围为[0.013,0.016]，变化不明显。同理适用于负荷平时段和峰时段各小时电力需求变化差异不大分析。

3)行业负荷特性统计模型

电力需求响应模型量化了DR对用户电力需求的影响，即理论潜力，但行业用电本身受到客观条件的限制，无法彻底实现需求响应潜力理论值。换句话说，用户需求响应存在约束，包括最大负荷约束Pins和最小负荷约束Plea。图9的结果表明：商业负荷中空调负荷用电比例较高，但其满负荷运行时的最大负荷限值比其他细分负荷高，且存在比例很小的最小负荷约束值。其余行业用电灵活度足够充裕，基本不存在不能停电的负荷，因此最小负荷约束值均为零。

4)需求响应潜力模型

对统一电力需求响应模型和行业负荷特性统计模型的综合分析，可得需求响应潜力模型，该模型可求需求响应潜力包络线，即各时点响应负荷值连接起来的边界曲线。可表示为：

式中，和/>为实施DR导致负荷减少和负荷增加的响应负荷值。式(38)表示负荷减少的潜力为需求响应模型负荷降低值与最小限值的较大者；式(39)表示负荷增加的潜力为需求响应模型负荷增加值与最大限值的较小者。/>

应用本发明的第一种具体实施例：

商业楼宇空调负荷响应特性算例分析，图10以[21℃，27℃]温度范围为例，提前通知时间为25min，假设要求在紧急需求响应事件过后的12:00-12:30这段时间内，各楼宇室内温度需恢复至原始温度区间[24℃，25℃]。其紧急需求响应事件期间能达到的最大降负荷容量为63MW时，其室温变化情况及运行负荷情况如图10和图11所示。

从两个图中可以看出，在制冷时间段内由于开启了大量机组进行降温，其总体负荷有较大的提升。在需求响应期间利用所提的模型以及特性指标，很好的实现了负荷的平稳持续削减，并使得空调所处的室内温度控制在了一定的范围之内，减少对用户舒适度的影响。在室温恢复阶段，为了使室温恢复到之前的设定范围，开启了大量的机组，负荷也有一定的升高。此外，随着预制冷时长的不断增加会使得中央空调群的负荷调控潜力有一定的提升，但随着时间的增长，其到达了用户舒适度的下限，继续增加预制冷时长将不会继续降低室温，也不会对中央空调群的负荷调控潜力有提升。

应用本发明的第二种具体实施例：

居民用户空调负荷响应特性算例分析。以室外温度为32℃、温度设定范围为[24℃,28℃]以及响应持续时长为60min为例其具体的需求响应效果图如图12所示。从图12中可以看出各个类型的空调都有一定的削减量，但是在具体的优化过程中发现居民空调负荷群在具体执行负荷削减目标时为了接近其目标数值倾向于关闭功率较小的1P类空调负荷，这样不仅降低了较高功率类型空调的利用率，还扩大了需求响应影响的范围。因此需要加入削减台数约束，其需求响应的效果仍与上图类似，只是1P与2P类型居民空调贡献的削负荷量将减小而3P与4P类型空调的降负荷量将增大，实现了在同样削减量的情况下资源的优化配置，降低了对用户的影响。

本发明建立多场景下多元微负荷聚合模型的具体实施例：

基于单体设备，当相当数量的设备选择参与需求响应控制时，可将所有设备聚合形成负荷聚合体，以表现负荷的聚合特性。

(1)夏季场景

电热水器负荷聚合模型如下式：

式中，表示t时刻电热水器负荷的总功率；/>表示第x个电热水器消耗的功率；/>表示电热水器的水箱容量；T_Wset,a表示调整后的温度设定点；R_WH表示电热水器的热阻；C_WH表示电热水器的热容；Q_WH表示电热水器的热比率；m_n表示用户用水量；u_AC,t表示电热水器的开关状态；P_rated,x表示电热水器的额定功率；f表示。

家用空调负荷聚合模型如下式：

式中，P_TAC表示t时刻家用空调负荷的总功率；表示第y个家用空调消耗的功率；T_set,a表示调整后的温度设定点；R表示家用空调的热阻；C表示家用空调的热容；Q表示家用空调的热比率；u_AC,t表示家用空调的开关状态；P_rated表示家用空调的额定功率。/>

(2)冬季场景

冬季居民多元微负荷主要表现为电热泵负荷和电热水器负荷，因此其温度设定点与电价的关系可用下式表示。制热模式下居民温控负荷温度设定点与电价的关系如图13所示。

电热水器和电热泵负荷在电价引导下的聚合模型可用下述数学表达式表示：

式中，表示聚合电热水器设备的总功率；/>表示聚合电热泵设备的总功率；f_wh和f_hp为表示电热水器和电热泵模型的函数。

只存在商业用户的台区负荷聚合建模：

对中央空调进行负荷聚合，按下式计算吻合度，即选择不同空调特性曲线，u个调节周期点的调节潜力值进行比较：

式中：ε_ij为空调i和空调j之间的吻合度，y_ix为空调i调节特性中调节周期点x的调节潜力。用该式可比较两条调节特性曲线的吻合度，吻合度越高，ε_ij越小。对空调的吻合度进行计算，可以根据吻合度对空调进行分类，这样每一类空调的可调潜力，可调时间等就具有相似的特性；在参与电网调度过程中可将吻合度相似的空调聚为一类，再将不同类空调进行二次聚合，有利于充分利用不同特性空调的可调节潜力，更好的为电网提供辅助服务。

计算完每两台中央空调的吻合度后，对中央空调进行聚合，目标函数如下：

式中，为M个数中，任取两个数的所有组合的个数；M为聚合后组内中央空调的台数；/>为空调i的功率。

工业台区负荷聚合模型：

工业负荷所处电压等级一般为10kV，因此，工业区一般设在远离居民区与商业区的地带。

若j节点t时刻的工业负荷功率大小为P_j,t，则所有任务的用电功率之和即为生产设备的用电功率：

式中，P_t ^p为时刻t工业用户的生产设备用电功率；N为任务节点总数。

同时，还需考虑不同任务节点的工人数量，材料消耗等。任务节点j在时刻t的工人数量W_j,t、物料消耗率c_i,j,t和产率g_i,j,t可按下式分别计算：

在实际响应中，需要考虑各任务节点的运行约束、工人数量约束等。

1)可调度任务节点的运行状态约束

该约束用于保证在时刻t可调度任务j仅处于一种运行工况。

2)不可调度任务节点的运行状态约束

式中，为不可调度任务j的运行工况k在时刻t的计划运行状态，取值为1或0，通过对其的设定管理不可调度任务的运行工况，保证按计划生产。

3)生产任务工人数量约束

式中，为任务j在时刻t可从事生产工人数量上限。

本发明制定面向不同目标的多元负荷联合控制策略的一种具体实施例：

通过多元微负荷区域运行调度的组合优化的模型，建立目标函数及约束条件，实现节能减排的需求侧管理目标；通过多元微负荷预测技术，借助历史数据可得到各方法的容量特性、响应时间特性及响应频率特性等要素，进而可优化互补已有的联合调节方法。为了快速应对不同的场景特点，形成具体的策略方案，在此对不同特征要素和不同场景进行特征匹配，形成不同权重方案，进而形成不同的策略实现方案。在确定优先权重后，面向此权重进行聚类。根据上述的预测和聚类方法，得出不同的比例系数，对应不同的策略，对应不同的负荷群内调控顺序，进而形成调控策略库。

建立目标函数

考虑面向分布式电源配电网系统运行的经济性和环保性，分别建立2种优化目标的数学模型。经济性最优准则以综合能源系统的调度运行成本为目标函数，主要运行成本是区域内运行所购入市电费用，同时考虑可再生能源发电的补贴收益。经济性最优准则目标函数如式所示:

式中：T为综合能源系统优化调度总区间数；H为每个调度区间的小时数，此处H＝1；C_t为分时市网电；P^TL _t为区域内并网联络线功率；C^RE _n为第n种可再生能源补贴价格；P^REn _t为第n种可再生能源发电功率。

环保性最优准则以调度期间综合能源系统污染物排放量为目标函数。按照每节约1kWh市电，就相应节约0.4kg标准煤，同时减少污染排放0.272kg碳粉尘，0.997kgCO2，0.03kgSO2，0.015kgNOx。将新能源技术的污染物排放量通过用电量折算，最终环保性最优的目标函数如

下式所示:

式中，C为单位用电量污染物排放量，为单位电量各污染物排放量之和，约为1.3kg/(kW·h)。F1和F2既是综合能源系统运行调度的优化目标，也是其评价指标。

(2)约束条件

1)电负荷供需平衡约束

式中：为区域内除供能储能设备外电负荷需求；P_t ^B为蓄热式电锅炉耗电量，P_t ^HP为电热水器系统耗电量；P_t ^CC为机载主机耗电量；P_t ^IC为空调机组制冷/供热耗电量。

2)冷负荷供需平衡约束

式中：为热泵系统制热/供冷量；/>为机载主机制热/供冷量；/>为双蓄机组制热/供冷量；/>为冰蓄冷融冰量；/>为区域内总冷热负荷需求。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种面向多场景多元负荷联合控制策略的构建方法，其特征在于，

包括以下步骤：

步骤1，对多元负荷响应潜力进行评估，其评估方法如下：

通过分析用户侧柔性负荷资源特性以及资源响应特性，建立响应特性模型，在满足相应的约束的情况下，达到最大的负荷削减目标，以进行用户侧柔性负荷资源响应潜力评估；

步骤2，根据步骤1中的响应特性模型，制定合理的用电计划，并构建多场景下多元微负荷聚合模型，其建立方法如下：

通过分析用户侧单体设备负荷的运行特性、可调控性特性，建立多级可调的多元微负荷模型，以此计算市场条件对负荷功率的影响以及需求响应后设备功率的变化，实现多元负荷的主动响应与协调优化；

步骤3，利用步骤2中的多场景下多元微负荷聚合模型，制定面向不同目标的多元负荷联合控制策略，其制定方法如下：

构建能对多元微负荷区域运行进行调度的组合优化模型，

所述组合优化模型通过建立目标函数及约束条件，实现节能减排的需求侧管理目标；

并通过多元微负荷预测技术，借助历史数据得到各方法的容量特性、响应时间特性及响应频率特性要素，对组合优化模型进行优化互补；

同时，对不同特征要素和不同场景进行特征匹配，形成不同权重方案；

并根据权重方案，对权重进行聚类，同时结合多元微负荷预测技术，得出不同的比例系数，不同的比例系数对应不同的策略，不同的策略对应不同的负荷群内调控顺序，进而形成调控策略库，实现多场景多元负荷的联合控制。

2.如权利要求1所述的一种面向多场景多元负荷联合控制策略的构建方法，其特征在于，

所述步骤2中的多元微负荷模型包括若干单体模型；

所述单体模型，用于获知某一具体设备负荷的运行特征、可调控性、受环境影响因素特性；

所述单体为电热水器或中央空调或柜式空调或挂式空调或电动汽车或储能或分布式储能。

3.如权利要求1所述的一种面向多场景多元负荷联合控制策略的构建方法，其特征在于，

所述步骤2中，多场景下多元微负荷聚合模型的构建，包括以下内容：

对工业台区负荷聚合特性进行分析，建立聚合目标函数；

其约束条件包括可调度任务节点的运行状态约束、不可调度任务节点的运行状态约束、生产任务工人数量约束；

所述聚合目标函数的任务节点j在时刻t的工人数量W_j,t、物料消耗率c_i,j,t和产率g_i,j,t分别按下式计算：

可调度任务节点的运行状态约束的计算公式如下：

该约束用于保证在时刻t可调度任务j仅处于一种运行工况；

不可调度任务节点的运行状态约束的计算公式如下：

式中，为不可调度任务j的运行工况k在时刻t的计划运行状态；

生产任务工人数量约束的计算公式如下：

式中，为任务j在时刻t可从事生产工人数量上限。

4.如权利要求1所述的一种面向多场景多元负荷联合控制策略的构建方法，其特征在于，

所述步骤3中，组合优化模型的构建方法，包括以下内容：

通过分析面向分布式电源配电网系统运行的经济性和环保性，建立组合优化目标函数；

其约束条件包括电负荷供需平衡约束、冷负荷供需平衡约束；

利用遗传算法对变量的选择、交叉与变异，对组合目标进行调度优化，得出最佳的负荷资源的负荷容量配置与负荷运行优先顺序，以此提升系统的响应速度和资源的经济性。

5.如权利要求4所述的一种面向多场景多元负荷联合控制策略的构建方法，其特征在于，

组合优化目标函数包括经济性最优目标函数、环保性最优目标函数；

经济性最优目标函数以综合能源系统的调度运行成本最优为准则，其计算公式如下：

式中：T为综合能源系统优化调度总区间数，

H为每个调度区间的小时数，

C_t为分时市网电，

P^TL _t为区域内并网联络线功率，

C^RE _n为第n种可再生能源补贴价格，

P^REn _t为第n种可再生能源发电功率；

环保性目标函数以调度期间综合能源系统污染物排放量最优为准则，其计算公式如下：

式中，C为单位用电量污染物排放量，为单位电量各污染物排放量之和；

F₁和F₂既是综合能源系统运行调度的优化目标，也是其评价指标；

电负荷供需平衡约束的计算公式如下：

式中：为区域内除供能储能设备外电负荷需求；P_t ^B为蓄热式电锅炉耗电量，P_t ^HP为电热水器系统耗电量；P_t ^CC为机载主机耗电量；P_t ^IC为空调机组制冷/供热耗电量；

冷负荷供需平衡约束的计算公式如下：

式中：为热泵系统制热/供冷量；/>为机载主机制热/供冷量；/>为双蓄机组制热/供冷量；/>为冰蓄冷融冰量；/>为区域内总冷热负荷需求。

6.如权利要求1所述的一种面向多场景多元负荷联合控制策略的构建方法，其特征在于，

所述步骤3中的多元微负荷预测技术包括以下内容：

通过蚱蜢优化算法，基于历史数据积累的条件，得到容量特性、响应时间特性及响应频率特性要素，分析响应成本、响应速度、响应深度、响应时长要素在预期响应中的数据，进而优化互补联合调节方法；

多元微负荷的特征隶属度选取过程如下：

通过确定各个场景的评价要素，分析其历史数据，并计算各要素对不同场景以及特定场景的平均值，通过比较同一场景下各要素的平均值大小，将相对值大的要素作为场景的特征隶属度；

所述多元微负荷的聚类方法，具体包括以下内容：

通过采用聚类算法K-medoids对场景的特征隶属度选取进行聚类，添加类别标签作为训练样本，并通过聚类中心计算方法筛除各类中到类内各数据向量距离偏远的向量，进而使聚类过程达到优化训练数据质量的目的；

调控策略库的构建方法，具体包括以下内容：

通过多元微负荷预测技术和聚类方法，对不同的负荷制定策略，负荷的各个要素的实际值比例不同，不同实际值比例对应不同的策略，不同的策略对应不同的负荷群内调控顺序，根据这些不同的调控策略，建立调控策略库。

7.一种面向多场景多元负荷联合控制策略的空调控制方法，其特征在于，

应用如权利要求1-6任一所述的一种面向多场景多元负荷联合控制策略的构建方法，其通过分析用户侧柔性负荷资源特性、用户侧柔性负荷资源响应特性，建立用于中央空调系统制冷机和送风机的空调控制策略模型；

所述空调控制策略模型，用于评估用户侧柔性负荷资源响应潜力，并对空调负荷群的运行功率及调控潜力进行优化配置，在满足相应的约束的情况下，达到最大的负荷削减目标，其构建空调控制目标函数以及设置若干约束条件；

约束条件包括紧急需求响应事件期间降负荷约束、室温变化上下限约束、制冷机最小运行时间约束、制冷机最小停机时间约束、决策变量取值范围约束、制冷机组和送风系统运行状态的耦合约束、送风系统运行时间约束。

8.如权利要求7所述的一种面向多场景多元负荷联合控制策略的空调控制方法，其特征在于，

所述空调控制目标函数，对商业楼宇中央空调系统的制冷机和送风机进行调控，其计算公式如下：

其中，P_base(t)为计及送风机功率的基线负荷；P_air、P_fan分别为制冷机和送风系统功率；S_air(k,t)、S_fan(k,t)分别为第k栋楼宇在t时段制冷机和送风系统的运行状态；

紧急需求响应事件期间降负荷约束的计算公式如下：

上式中，P_base(t)表示时刻t中央空调原始的总体运行功率，即中央空调负荷群的负荷基线；即表示了在时刻t该中央空调负荷群受控后整体的实际运行功率，n表示中央空调负荷群中的受控的中央空调台数；S(k,t)表示第k台中央空调的制冷机在时刻t的运行状态，S(k,t)＝1表示第k台中央空调的制冷机在时刻t处于开机状态，S(k,t)＝0则表示第k台中央空调的制冷机在时刻t处于停机状态；

室温变化上下限约束的计算公式如下：

式中，T_max(t)、T_min(t)分别表示中央空调负荷群受负荷聚集商调控后各时刻温度范围的上下限；T_{p_cool}表示提前通知时段的起始时刻；T_{e_start}、T_{e_end}分别表示紧急需求响应事件的起始时刻和结束时刻；

制冷机最小运行时间约束的计算公式如下：

上式中，UT_k表示第k台中央空调制冷机的最小运行时长；表示第k台中央空调制冷机的初始运行时长；S(k,0)表示第k台中央空调制冷机的初始运行状态；G_k表示制冷机在开始受控后的初始时段，为了同受控前的运行状态保持连续，还至少需要运行的时长；

制冷机最小停机时间约束的计算公式如下：

上式中，DT_k表示第k台中央空调制冷机的最小停机时长；表示第k台中央空调制冷机的初始停机时长；L_k表示制冷机在开始受控后的初始时段，为了同受控前的运行状态保持连续，至少需要停机的时长；

决策变量取值范围约束的计算公式如下：

制冷机组和送风系统运行状态的耦合约束的计算公式如下：

S_air(k,t)-S_fan(k,t)≤0 (7)

送风系统运行时间约束的计算公式如下：

为便于建模，将送风系统的运行时长简化为某个固定时长T_{fan_on}。

9.如权利要求7所述的一种面向多场景多元负荷联合控制策略的空调控制方法，其特征在于，

空调控制策略模型包括若干储能负荷单体模型；

所述储能负荷单体模型，基于单体设备的特性分析，对中央空调负荷产生影响的参数变量进行综合分析；

参数变量主要包括冷冻水温、冷却水温、冷却水量、冷冻水量和冷负荷参数；

同时对储能负荷单体模型建立目标函数，其约束条件为储能系统荷电状态限。

10.如权利要求7-9任一所述的一种面向多场景多元负荷联合控制策略的空调控制方法，其特征在于，

空调控制策略模型将负荷种类相同的负荷归为一类；

同时将居民用户空调根据匹数进行分类，对居民用户的住宅面积进行对应分类，将其总体分为1P，2P，3P以及4P四种类型；

参照1P，2P，3P以及4P空调类别的选择标准，对房间的参数进行对应的设置；

在达到最大削减负荷的约束下尽量少的削减对应的空调台数，具体的目标函数如下所示：

其中：S(k,t)表示第k台中央空调的制冷机在时刻t的运行状态，

T_{e_start}、T_{e_end}分别表示紧急需求响应事件的起始时刻和结束时刻；

x_run为设定的表征各个时刻运行台数的变量，加入该目标函数，使其在满足最大削减负荷的情况下尽量小地影响空调负荷。