CN113935203B - 一种负荷侧的柔性负荷建模方法及装置 - Google Patents
一种负荷侧的柔性负荷建模方法及装置 Download PDFInfo
- Publication number
- CN113935203B CN113935203B CN202111545745.2A CN202111545745A CN113935203B CN 113935203 B CN113935203 B CN 113935203B CN 202111545745 A CN202111545745 A CN 202111545745A CN 113935203 B CN113935203 B CN 113935203B
- Authority
- CN
- China
- Prior art keywords
- load
- energy storage
- period
- time
- model
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004146 energy storage Methods 0.000 claims abstract description 240
- 230000004044 response Effects 0.000 claims abstract description 84
- 230000005284 excitation Effects 0.000 claims abstract description 6
- 230000014509 gene expression Effects 0.000 claims description 54
- 230000005611 electricity Effects 0.000 claims description 48
- 238000004378 air conditioning Methods 0.000 claims description 24
- 238000007599 discharging Methods 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 17
- 230000017525 heat dissipation Effects 0.000 claims description 15
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种负荷侧的柔性负荷建模方法及装置,该方法包括:根据可中断负荷的需求响应特性,构建可中断负荷模型;根据可转移负荷的需求响应特性和所述可转移负荷的需求响应激励策略,构建可转移负荷模型;根据用户侧储能电站的服务模式,构建用户侧储能模型;采用等效热参数模型对空调负荷进行等效,构建空调负荷模型;根据不同类型的电动汽车的运行特性,构建电动汽车负荷模型;结合所述可中断负荷模型、所述可转移负荷模型、所述用户侧储能模型、所述空调负荷模型和所述电动汽车负荷模型,获得负荷侧的柔性负荷模型。采用本发明构建的负荷侧的柔性负荷模型,能够准确地对负荷侧的柔性负荷进行分析,有利于优化各类柔性负荷的协调调度。
Description
技术领域
本发明涉及柔性资源分析技术领域,尤其是涉及一种负荷侧的柔性负荷建模方法及装置。
背景技术
“柔性负荷”定义为用电量可在指定区间内变化或在不同时段间转移的灵活可调负荷,广义上包含具备需求弹性的可调节负荷或可转移负荷、具备双向调节能力的电动汽车、储能( energy storage,ES) 、蓄能以及分布式电源、微网等。因其数量大、响应快、控制灵活等特点,柔性负荷已逐渐成为削峰填谷、平抑新能源波动、提供辅助服务等场景的重要调控资源。因此,亟需研究一种对负荷侧的柔性负荷进行建模的方法,以使能够根据负荷侧的柔性负荷模型,准确地对负荷侧的柔性负荷进行分析,有利于优化各类柔性负荷的协调调度。
发明内容
本发明提供了一种负荷侧的柔性负荷建模方法及装置,能够解决对负荷侧的柔性负荷进行建模的问题,通过分别对可中断负荷模型、可转移负荷模型、用户侧储能模型、空调负荷模型和电动汽车负荷模型进行构建,完成对负荷侧的柔性负荷模型的构建,根据该负荷侧的柔性负荷模型,能够准确地对负荷侧的柔性负荷进行分析,有利于优化各类柔性负荷的协调调度。
为了解决上述技术问题,本发明实施例第一方面提供了一种负荷侧的柔性负荷建模方法,包括:
根据可中断负荷的需求响应特性,构建可中断负荷模型;
根据可转移负荷的需求响应特性和所述可转移负荷的需求响应激励策略,构建可转移负荷模型;
根据用户侧储能电站的服务模式,构建用户侧储能模型;
采用等效热参数模型对空调负荷进行等效,构建空调负荷模型;
根据不同类型的电动汽车的运行特性,构建电动汽车负荷模型;
结合所述可中断负荷模型、所述可转移负荷模型、所述用户侧储能模型、所述空调负荷模型和所述电动汽车负荷模型,获得负荷侧的柔性负荷模型。
优选地,所述可中断负荷模型具体采用如下表达式定义用户进行用电负荷响应后获得的补偿费用:
其中,P IL,t 表示t时段用户削减的用电容量,λ IL 为削减容量的单位补偿价格,v t 为0至1的变量,用于表示用户在t时段是否存在负荷削减行为,C IL 为用户进行用电负荷响应后获得的补偿费用,T为时段总数。
优选地,所述可中断负荷模型的约束条件包括用户响应次数约束、负荷削减量约束和时间响应特性约束;
所述用户响应次数约束具体为:
其中,T为时段总数,v t 为0至1的变量,用于表示用户在t时段是否存在负荷削减行为,v t-1为0至1的变量,用于表示用户在t-1时段是否存在负荷削减行为,N IL,max 表示调度周期内用户参与响应的最大次数;
所述负荷削减量约束具体为:
所述时间响应特性约束具体为:
其中,表示最小连续响应时间,表示最小响应间隔时间,表示在t-1时刻所累积的响应时间之和,表示在t-1时刻所累积的未响应时间之和,v t 为0至1的变量,用于表示用户在t时段是否存在负荷削减行为,v t-1为0至1的变量,用于表示用户在t-1时段是否存在负荷削减行为。
优选地,所述可转移负荷模型分别根据如下表达式获取转移后的电负荷以及用户在转移负荷响应后获得的补偿费用:
所述转移后的电负荷的表达式为:
其中,P s,t 表示响应后t时段用户的用电负荷,P old,t 为未转移电负荷前用户在t时段的初始负荷,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷;
所述用户在转移负荷响应后获得的补偿费用的表达式为:
其中,λ s 为转移负荷容量的单位补偿价格,C s 为用户在转移负荷响应后获得的补偿费用,T为时段总数,P old,t 为未转移电负荷前用户在t时段的初始负荷;
所述可转移负荷模型的约束条件包括电负荷平衡约束和电负荷转移约束;
所述电负荷平衡约束具体为:
其中,T为时段总数,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷;
所述电负荷转移约束具体为:
其中,P sft,t 为t时段可转移的最大负荷容量,P in,t,max 为允许转入的最大负荷量,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷。
优选地,所述用户侧储能模型根据如下表达式获取储能装置的充放电功率:
其中,S tor (t)为t时段的储能装置存储的能量,u为储能装置自放电率,η abs 和η relea 分别为储能装置充电效率和放电效率,P abs (t)和P relea (t)分别为储能装置在t时段的充电功率和放电功率,为调度时段的时长;
所述用户侧储能模型通过荷电状态对所述储能装置的剩余电量进行评估,具体为:
其中,SOC为储能装置的荷电状态,E为储能装置所储存的能量,C为储能装置的额定容量;
所述用户侧储能模型根据如下表达式获取虚拟电厂从储能电站购电的费用:
其中,λ(t)为t时段虚拟电厂从储能电站购电的电价,P ess,b (t)为t时段虚拟电厂从储能电站购电的功率,C ess,b 为虚拟电厂从储能电站购电的费用,N为储能电站的数量,N T 为虚拟电厂从储能电站购电的时段总数,为调度时段的时长;
所述用户侧储能模型根据如下表达式获取所述虚拟电厂向所述储能电站售电的收益:
其中,δ(t)为t时段虚拟电厂向储能电站售电的电价,P ess,s (t)为t时段虚拟电厂向储能电站售电的功率,C ess,s 为虚拟电厂向所述储能电站售电的收益,N为储能电站的数量,N T 为虚拟电厂从储能电站购电的时段总数,为调度时段的时长;
所述用户侧储能模型根据如下表达式获取所述虚拟电厂向所述储能电站缴纳的服务费:
其中,θ(t)为t时段虚拟电厂向储能电站缴纳的服务费用,C serve 为虚拟电厂向储能电站缴纳的服务费,P ess,b (t)为t时段虚拟电厂从储能电站购电的功率,P ess,s (t)为t时段虚拟电厂向储能电站售电的功率,N为储能电站的数量,N T 为虚拟电厂从储能电站购电的时段总数,为调度时段的时长。
优选地,所述用户侧储能模型的约束条件包括储能装置的充放电功率和存储能量约束以及虚拟电厂与储能电站的交互功率约束;
所述储能装置的充放电功率和存储能量约束具体为:
其中,S tor (0)和S tor (end)分别为储能装置的初始和最终存储能量,U abs (t)和U relea (t)为0至1的变量,用于表示储能装置在t时段的充放电状态位,和分别为储能装置的最大和最小充放电功率,和分别为储能装置的最大和最小存储能量,P abs (t)和P relea (t)分别为储能装置在t时段的充电功率和放电功率;
所述虚拟电厂与储能电站的交互功率约束具体为:
优选地,所述空调负荷模型根据如下表达式获取空调功率和室内温度以及室外温度之间的关系:
其中,C为空调负荷的启停状态,C=0表示停止,C=1表示运行,和分别表示t和t+1时间段内的室内温度,表示t+1时间段内的室外温度,ε为散热系数,τ为仿真时间间隔,t k 为时间常数,α为空调能效占空比,S为空调的导热系数,P x 用于表示在x时刻的空调额定耗能,αP x 为额定制冷量。
优选地,所述空调负荷模型根据如下表达式分别计算空调在预设的室内温度范围和室外温度范围内的开启时间和关断时间:
其中,T max为室内温度的最大值,T out为室外温度,为空调在关断时间内的散热系数,T min为室内温度的最小值,α为空调能效占空比,为空调的平均额定功率,S为空调的导热系数,为空调在开启时间内的散热系数,t on 为空调在预设的室内温度范围和室外温度范围内的开启时间,t off 为空调在预设的室内温度范围和室外温度范围内的关断时间;
根据所述开启时间和所述关断时间,获得所述空调的控制周期,具体为:
其中,t c 为空调的控制周期,t on 为空调在预设的室内温度范围和室外温度范围内的开启时间,t off 为空调在预设的室内温度范围和室外温度范围内的关断时间;
根据所述空调的控制周期,获得待控制区域内所有空调的负荷可控容量,具体为:
优选地,所述电动汽车负荷模型根据如下表达式获取电动汽车在行驶结束时的电池电量:
基于预设的充电功率,所述电动汽车负荷模型根据如下表达式获取所述电动汽车的充电持续时间:
其中,SOC td 表示充电结束时的目标电池电量,SOC t0表示起始电池电量,P C 表示预设的充电功率,η表示充电效率,td表示电动汽车的充电结束时刻,t0表示电动汽车的充电起始时刻,T c 表示电动汽车的充电持续时间,C表示电池的容量。
本发明实施例第二方面提供了一种负荷侧的柔性负荷建模装置,包括:
可中断负荷模型构建模块,用于根据可中断负荷的需求响应特性,构建可中断负荷模型;
可转移负荷模型构建模块,用于根据可转移负荷的需求响应特性和所述可转移负荷的需求响应激励策略,构建可转移负荷模型;
用户侧储能模型构建模块,用于根据用户侧储能电站的服务模式,构建用户侧储能模型;
空调负荷模型构建模块,用于采用等效热参数模型对空调负荷进行等效,构建空调负荷模型;
电动汽车负荷模型构建模块,用于根据不同类型的电动汽车的运行特性,构建电动汽车负荷模型;
柔性负荷模型获取模块,用于结合所述可中断负荷模型、所述可转移负荷模型、所述用户侧储能模型、所述空调负荷模型和所述电动汽车负荷模型,获得负荷侧的柔性负荷模型。
相比于现有技术,本发明实施例的有益效果在于,能够解决对负荷侧的柔性负荷进行建模的问题,通过分别对可中断负荷模型、可转移负荷模型、用户侧储能模型、空调负荷模型和电动汽车负荷模型进行构建,完成对负荷侧的柔性负荷模型的构建,根据该负荷侧的柔性负荷模型,能够准确地对负荷侧的柔性负荷进行分析,有利于优化各类柔性负荷的协调调度。
附图说明
图1是本发明实施例提供的一种负荷侧的柔性负荷建模方法的流程示意图;
图2是本发明实施例提供的空调等效热参数的电路示意图;
图3是本发明实施例提供的空调负荷随室内温度变化的动态过程示意图;
图4是本发明实施例提供的一种负荷侧的柔性负荷建模装置的结构示意图。
具体实施方式
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,都属于本发明保护的范围。
参见图1,本发明实施例第一方面提供了一种负荷侧的柔性负荷建模方法,包括步骤S1至步骤S6,具体如下:
步骤S1,根据可中断负荷的需求响应特性,构建可中断负荷模型。
需要说明的是,可中断电负荷是指在供需两方提前签订了协议的基础上,电网侧获得一定的切断用户用电设备的权利,从而减少的部分用电负荷,或者根据电力系统的实际运行情况,在需要时向用户发送负荷削减指令,用户根据指令主动减少的部分用电负荷。电网侧将给予响应用户一定的经济补偿。可中断电负荷是在不影响最基本的生产生活用电需求的情况下,对一些具备需求弹性的或者重要性偏低的负荷进行一定的削减,比如不必要的照明设备等。若仅考虑单段式削减容量补偿,则:
所述可中断负荷模型具体采用如下表达式定义用户进行用电负荷响应后获得的补偿费用:
其中,P IL,t 表示t时段用户削减的用电容量,λ IL 为削减容量的单位补偿价格,v t 为0至1的变量,用于表示用户在t时段是否存在负荷削减行为,C IL 为用户进行用电负荷响应后获得的补偿费用,T为时段总数。
进一步地,根据实际的用电需求情况以及用户对于生活质量的要求,用户不能做到各个时刻都削减用电,因此所述可中断负荷模型的约束条件包括用户响应次数约束、负荷削减量约束和时间响应特性约束。
优选地,所述用户响应次数约束具体为:
其中,T为时段总数,v t 为0至1的变量,用于表示用户在t时段是否存在负荷削减行为,v t-1为0至1的变量,用于表示用户在t-1时段是否存在负荷削减行为,N IL,max 表示调度周期内用户参与响应的最大次数;
所述负荷削减量约束具体为:
所述时间响应特性约束具体为:
其中,表示最小连续响应时间,表示最小响应间隔时间,表示在t-1时刻所累积的响应时间之和,表示在t-1时刻所累积的未响应时间之和,v t 为0至1的变量,用于表示用户在t时段是否存在负荷削减行为,v t-1为0至1的变量,用于表示用户在t-1时段是否存在负荷削减行为。
步骤S2,根据可转移负荷的需求响应特性和所述可转移负荷的需求响应激励策略,构建可转移负荷模型。
需要说明的是,可转移电负荷需求响应是指用户可以将某些用电需求进行时间上的调整,将原本处于某一时段的电负荷转移到其他时段消耗,而负荷需求量保持不变。供电侧可以利用可转移负荷的特性,以合适的需求响应激励策略,使用电用户配合电力系统的实际运行情况进行电负荷上的调整,将高峰期的部分用电需求转移至负荷低谷期,在负荷侧实现削峰填谷。居民用户可以在负荷低谷期使用洗衣机、热水器、空气加湿器等用电设备。对于工业用户,尤其是高耗电企业,转移负荷的响应行为对于系统而言是意义重大的,在不影响企业整体生产计划的前提下,其可以将部分生产计划避开用电高峰期或者直接安排在夜间低谷期进行,以此获得一定的经济收益。商业用户由于行业的经营需求,其主要是刚性负荷,转移负荷能力较小。
优选地,所述可转移负荷模型分别根据如下表达式获取转移后的电负荷以及用户在转移负荷响应后获得的补偿费用:
所述转移后的电负荷的表达式为:
其中,P s,t 表示响应后t时段用户的用电负荷,P old,t 为未转移电负荷前用户在t时段的初始负荷,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷;
所述用户在转移负荷响应后获得的补偿费用的表达式为:
其中,λ s 为转移负荷容量的单位补偿价格,C s 为用户在转移负荷响应后获得的补偿费用,T为时段总数,P old,t 为未转移电负荷前用户在t时段的初始负荷。
进一步地,由于可转移负荷响应不影响用户的总负荷需求量,即一个调度周期内总转入与总转出的电负荷应保持平衡,因此所述可转移负荷模型的约束条件包括电负荷平衡约束,具体为:
其中,T为时段总数,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷。
除此之外,由于每个时间段都存在固定负荷,可转出的负荷容量存在最大限制,且为避免某时段的用电负荷过多増大,因此所述可转移负荷模型的约束条件包括电负荷转移约束,具体为:
其中,P sft,t 为t时段可转移的最大负荷容量,P in,t,max 为允许转入的最大负荷量,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷。
步骤S3,根据用户侧储能电站的服务模式,构建用户侧储能模型。
需要说明的是,现有的用户侧储能装置一般安装于工商业用户内部或园区,在电价低谷时段充电、高峰时段放电,从而降低用户用电成本。当前用户侧储能装置的投资成本大、成本回收周期长,限制了储能装置参与虚拟电厂综合能源服务。为解决这一问题,在传统的虚拟电厂与电网运行模式下,提出用户侧储能电站服务模式,同一配电区域内多个虚拟电厂间建立大型公共储能电站为多虚拟电厂提供电能存取服务。
公共储能电站与各个虚拟电厂间电能可以相互流动,当虚拟电厂电能过剩时将多余电能输入到储能电站存储,虚拟电厂电能不足时储能电站输出电能供给虚拟电厂。为方便结算,每个虚拟电厂与储能电站间安装电表,虚拟电厂与储能电站间存取电能以购售电的形式进行结算,虚拟电厂以售电的形式向储能电站存储电能,以购电的形式从储能电站取回电能,同时按传输电量向储能电站支付服务费用。储能电站的收益来自两部分:(1)虚拟电厂存储电能到储能电站与虚拟电厂从储能电站取回电能的结算价格差;(2)储能电站提供存储、传输电能的线路、测量表计等的服务费,按电能传输量进行收费。具体的,当多个虚拟电厂同时与储能电站发生存取电时,储能电站先协调各虚拟电厂与储能电站的交互功率,若多虚拟电厂系统总体呈现缺电,则储能电站放电供给多虚拟电厂系统电负荷需求;若多虚拟电厂系统总体呈现多电,则储能电站充电来吸收多虚拟电厂系统多余电量;若各虚拟电厂与储能电站间总存电和总取电功率相同时,则储能电站不进行充放电。
优选地,所述用户侧储能模型根据如下表达式获取储能装置的充放电功率:
其中,S tor (t)为t时段的储能装置存储的能量,u为储能装置自放电率,η abs 和η relea 分别为储能装置充电效率和放电效率,P abs (t)和P relea (t)分别为储能装置在t时段的充电功率和放电功率,为调度时段的时长;
所述用户侧储能模型通过荷电状态对所述储能装置的剩余电量进行评估,具体为:
其中,SOC为储能装置的荷电状态,E为储能装置所储存的能量,C为储能装置的额定容量;
所述用户侧储能模型根据如下表达式获取虚拟电厂从储能电站购电的费用:
其中,λ(t)为t时段虚拟电厂从储能电站购电的电价,P ess,b (t)为t时段虚拟电厂从储能电站购电的功率,C ess,b 为虚拟电厂从储能电站购电的费用,N为储能电站的数量,N T 为虚拟电厂从储能电站购电的时段总数,为调度时段的时长;
所述用户侧储能模型根据如下表达式获取所述虚拟电厂向所述储能电站售电的收益:
其中,δ(t)为t时段虚拟电厂向储能电站售电的电价,P ess,s (t)为t时段虚拟电厂向储能电站售电的功率,C ess,s 为虚拟电厂向所述储能电站售电的收益,N为储能电站的数量,N T 为虚拟电厂从储能电站购电的时段总数,为调度时段的时长;
所述用户侧储能模型根据如下表达式获取所述虚拟电厂向所述储能电站缴纳的服务费:
其中,θ(t)为t时段虚拟电厂向储能电站缴纳的服务费用,C serve 为虚拟电厂向储能电站缴纳的服务费,P ess,b (t)为t时段虚拟电厂从储能电站购电的功率,P ess,s (t)为t时段虚拟电厂向储能电站售电的功率,N为储能电站的数量,N T 为虚拟电厂从储能电站购电的时段总数,为调度时段的时长。
需要说明的是,储能装置自放电率u一般可以忽略不计。
进一步地,在含储能资源的虚拟电厂实际运行中,还需要满足一系列运行约束条件,所述用户侧储能模型的约束条件包括储能装置的充放电功率和存储能量约束以及虚拟电厂与储能电站的交互功率约束;
所述储能装置的充放电功率和存储能量约束具体为:
其中,S tor (0)和S tor (end)分别为储能装置的初始和最终存储能量,U abs (t)和U relea (t)为0至1的变量,用于表示储能装置在t时段的充放电状态位,和分别为储能装置的最大和最小充放电功率,和分别为储能装置的最大和最小存储能量,P abs (t)和P relea (t)分别为储能装置在t时段的充电功率和放电功率;
所述虚拟电厂与储能电站的交互功率约束具体为:
步骤S4,采用等效热参数模型对空调负荷进行等效,构建空调负荷模型。
需要说明的是,空调负荷属于典型的家用负荷,空调负荷可以采用简单的等效热参数模型进行等效,空调的等效热参数电路图如图2所示,图2中的C a为气体的比热容,C m 为固体的比热容,P为空调热功率,T out 为外界温度,T m 为室内温度。
优选地,所述空调负荷模型根据如下表达式获取空调功率和室内温度以及室外温度之间的关系:
其中,C为空调负荷的启停状态,C=0表示停止,C=1表示运行,和分别表示t和t+1时间段内的室内温度,表示t+1时间段内的室外温度,ε为散热系数,τ为仿真时间间隔,t k 为时间常数,α为空调能效占空比,S为空调的导热系数,P x 用于表示在x时刻的空调额定耗能,αP x 为额定制冷量。
可选地,在本发明实施例中,散热系数ε取值为0.96,空调的导热系数S取值为0.18。
进一步地,在室内温度保持一定范围内时,人体的舒适情况更加良好,为了实现这一目的,可以通过控制空调的启动和停止使得室内温度维持在一定范围内。
如图3所示,设置控制温度为T set,室内温度首先由一个初始值缓慢上升至最大值T max,此时为了降低室内温度,需要开启空调,此时空调消耗功率;当室内温度达到最小值T min时,空调停止,此时室内温度逐渐回升,不消耗功率。因此根据空调的启动和停止控制能够使得室温维持在人体舒适范围内。在采用直接负荷控制开关空调时,需要提前预测可控容量的大小。
其中,室内温度最大值T max的表达式如下:
室内温度最小值T min的表达式如下:
其中,T max为室内温度的最大值,T out为室外温度,为空调在关断时间内的散热系数,T min为室内温度的最小值,α为空调能效占空比,为空调的平均额定功率,S为空调的导热系数,为空调在开启时间内的散热系数。
根据上述室内温度最大值和最小值的表达式,进一步获得如下表达式:
因此进一步地,所述空调负荷模型根据如下表达式分别计算空调在预设的室内温度范围和室外温度范围内的开启时间和关断时间:
其中,T max为室内温度的最大值,T out为室外温度,为空调在关断时间内的散热系数,T min为室内温度的最小值,α为空调能效占空比,为空调的平均额定功率,S为空调的导热系数,为空调在开启时间内的散热系数,t on 为空调在预设的室内温度范围和室外温度范围内的开启时间,t off 为空调在预设的室内温度范围和室外温度范围内的关断时间。
根据所述开启时间和所述关断时间,获得所述空调的控制周期,具体为:
其中,t c 为空调的控制周期,t on 为空调在预设的室内温度范围和室外温度范围内的开启时间,t off 为空调在预设的室内温度范围和室外温度范围内的关断时间。
值得说明的是,对单台空调进行控制并没有任何意义,因为单台空调功率较小,因此需要将多台空调聚合在一起构成负荷聚合商,假设某一个待控制区域中存在若干台可以调度的空调,根据所述空调的控制周期,获得待控制区域内所有空调的负荷可控容量,具体为:
步骤S5,根据不同类型的电动汽车的运行特性,构建电动汽车负荷模型。
优选地,所述电动汽车负荷模型根据如下表达式获取电动汽车在行驶结束时的电池电量:
基于预设的充电功率,所述电动汽车负荷模型根据如下表达式获取所述电动汽车的充电持续时间:
其中,SOC td 表示充电结束时的目标电池电量,SOC t0表示起始电池电量,P C 表示预设的充电功率,η表示充电效率,td表示电动汽车的充电结束时刻,t0表示电动汽车的充电起始时刻,T c 表示电动汽车的充电持续时间,C表示电池的容量。
需要说明的是,电动汽车充电负荷主要由起始充电时间、离开时间、起始电量、期望电量、电池容量、充电功率等决定,因此影响电动汽车充电负荷的因素主要包括用充电模式、户出行规律、日行里程及每公里耗电量、充电策略等,具体如下:
根据2010年工业和信息化部通过的《电动汽车传导式充电接口》,我国电动汽车充电模式分为慢速充电、常规充电和快速充电。慢速充电和常规充电均是以较低充电电流对蓄电池进行充电,充电时间较长,该模式适用于低电压充电点,比如居民楼以及办公区的停车场,具有充电设备成本低、体积小的优点。快速充电则是采用较大充电电流对蓄电池进行快速充电的一种方式,充电时长大约在10-30分钟。该模式可以实现对电动汽车的快速能量补给,但对电网冲击较大,只适合大型充电站使用。另外,针对公交车或者出租车可以采用更换电池的方式,换电模式的特点是用时短,可以在10分钟内完成电池的更换,为用户提供快速能量补给,但是该模式需要建立专门的换电站,并且各用户之间的电池标准和型号要统一。
用户行为在时空上具有随机性和不确定性,但是对于规模化电动汽车而言,其行为又具有一定的规律性。不同类型的电动汽车其运行特性不同,则导致其充电负荷也不同,具体如下:
(1)电动汽车结束行驶时刻和离开时刻决定了电动汽车可以充电的时间段,且在无序充电模式下,如果认为结束行驶之后即并入电网充电,则停止时刻决定了电动汽车的起始充电时间。
(2)电动汽车起始电量决定于充电前所消耗的电量和上一次充电结束时的电量。
因此,本发明实施例的电动汽车负荷模型根据如下表达式获取电动汽车在行驶结束时的电池电量:
在一定充电功率下,期望电量、离开时刻则决定了充电的持续时间,具体如下:
其中,SOC td 表示充电结束时的目标电池电量,SOC t0表示起始电池电量,P C 表示预设的充电功率,η表示充电效率,td表示电动汽车的充电结束时刻,t0表示电动汽车的充电起始时刻,T c 表示电动汽车的充电持续时间,C表示电池的容量。该表达式表示实际充电持续时间是在并网时间长度与为达到用户需求所需充电时长两者中取较小者,即充满或者断网都将结束充电。
步骤S6,结合所述可中断负荷模型、所述可转移负荷模型、所述用户侧储能模型、所述空调负荷模型和所述电动汽车负荷模型,获得负荷侧的柔性负荷模型。
具体地,将步骤S1至步骤S5中所构建的可中断负荷模型、可转移负荷模型、用户侧储能模型、空调负荷模型和电动汽车负荷模型结合,便获得负荷侧的柔性负荷模型,实现对负荷侧的柔性负荷的整体建模。
采用本发明实施例提供的一种负荷侧的柔性负荷建模方法及装置,能够解决对负荷侧的柔性负荷进行建模的问题,通过分别对可中断负荷模型、可转移负荷模型、用户侧储能模型、空调负荷模型和电动汽车负荷模型进行构建,完成对负荷侧的柔性负荷模型的构建,根据该负荷侧的柔性负荷模型,能够准确地对负荷侧的柔性负荷进行分析,有利于优化各类柔性负荷的协调调度。
参见图4,本发明实施例第二方面提供了一种负荷侧的柔性负荷建模装置,包括:
可中断负荷模型构建模块401,用于根据可中断负荷的需求响应特性,构建可中断负荷模型;
可转移负荷模型构建模块402,用于根据可转移负荷的需求响应特性和所述可转移负荷的需求响应激励策略,构建可转移负荷模型;
用户侧储能模型构建模块403,用于根据用户侧储能电站的服务模式,构建用户侧储能模型;
空调负荷模型构建模块404,用于采用等效热参数模型对空调负荷进行等效,构建空调负荷模型;
电动汽车负荷模型构建模块405,用于根据不同类型的电动汽车的运行特性,构建电动汽车负荷模型;
柔性负荷模型获取模块406,用于结合所述可中断负荷模型、所述可转移负荷模型、所述用户侧储能模型、所述空调负荷模型和所述电动汽车负荷模型,获得负荷侧的柔性负荷模型。
优选地,所述可中断负荷模型具体采用如下表达式定义用户进行用电负荷响应后获得的补偿费用:
其中,P IL,t 表示t时段用户削减的用电容量,λ IL 为削减容量的单位补偿价格,v t 为0至1的变量,用于表示用户在t时段是否存在负荷削减行为,C IL 为用户进行用电负荷响应后获得的补偿费用,T为时段总数。
优选地,所述可中断负荷模型的约束条件包括用户响应次数约束、负荷削减量约束和时间响应特性约束;
所述用户响应次数约束具体为:
其中,T为时段总数,v t 为0至1的变量,用于表示用户在t时段是否存在负荷削减行为,v t-1为0至1的变量,用于表示用户在t-1时段是否存在负荷削减行为,N IL,max 表示调度周期内用户参与响应的最大次数;
所述负荷削减量约束具体为:
所述时间响应特性约束具体为:
其中,表示最小连续响应时间,表示最小响应间隔时间,表示在t-1时刻所累积的响应时间之和,表示在t-1时刻所累积的未响应时间之和,v t 为0至1的变量,用于表示用户在t时段是否存在负荷削减行为,v t-1为0至1的变量,用于表示用户在t-1时段是否存在负荷削减行为。
优选地,所述可转移负荷模型分别根据如下表达式获取转移后的电负荷以及用户在转移负荷响应后获得的补偿费用:
所述转移后的电负荷的表达式为:
其中,P s,t 表示响应后t时段用户的用电负荷,P old,t 为未转移电负荷前用户在t时段的初始负荷,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷;
所述用户在转移负荷响应后获得的补偿费用的表达式为:
其中,λ s 为转移负荷容量的单位补偿价格,C s 为用户在转移负荷响应后获得的补偿费用,T为时段总数,P old,t 为未转移电负荷前用户在t时段的初始负荷;
所述可转移负荷模型的约束条件包括电负荷平衡约束和电负荷转移约束;
所述电负荷平衡约束具体为:
其中,T为时段总数,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷;
所述电负荷转移约束具体为:
其中,P sft,t 为t时段可转移的最大负荷容量,P in,t,max 为允许转入的最大负荷量,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷。
优选地,所述用户侧储能模型根据如下表达式获取储能装置的充放电功率:
其中,S tor (t)为t时段的储能装置存储的能量,u为储能装置自放电率,η abs 和η relea 分别为储能装置充电效率和放电效率,P abs (t)和P relea (t)分别为储能装置在t时段的充电功率和放电功率,为调度时段的时长;
所述用户侧储能模型通过荷电状态对所述储能装置的剩余电量进行评估,具体为:
其中,SOC为储能装置的荷电状态,E为储能装置所储存的能量,C为储能装置的额定容量;
所述用户侧储能模型根据如下表达式获取虚拟电厂从储能电站购电的费用:
其中,λ(t)为t时段虚拟电厂从储能电站购电的电价,P ess,b (t)为t时段虚拟电厂从储能电站购电的功率,C ess,b 为虚拟电厂从储能电站购电的费用,N为储能电站的数量,N T 为虚拟电厂从储能电站购电的时段总数,为调度时段的时长;
所述用户侧储能模型根据如下表达式获取所述虚拟电厂向所述储能电站售电的收益:
其中,δ(t)为t时段虚拟电厂向储能电站售电的电价,P ess,s (t)为t时段虚拟电厂向储能电站售电的功率,C ess,s 为虚拟电厂向所述储能电站售电的收益,N为储能电站的数量,N T 为虚拟电厂从储能电站购电的时段总数,为调度时段的时长;
所述用户侧储能模型根据如下表达式获取所述虚拟电厂向所述储能电站缴纳的服务费:
其中,θ(t)为t时段虚拟电厂向储能电站缴纳的服务费用,C serve 为虚拟电厂向储能电站缴纳的服务费,P ess,b (t)为t时段虚拟电厂从储能电站购电的功率,P ess,s (t)为t时段虚拟电厂向储能电站售电的功率,N为储能电站的数量,N T 为虚拟电厂从储能电站购电的时段总数,为调度时段的时长。
优选地,所述用户侧储能模型的约束条件包括储能装置的充放电功率和存储能量约束以及虚拟电厂与储能电站的交互功率约束;
所述储能装置的充放电功率和存储能量约束具体为:
其中,S tor (0)和S tor (end)分别为储能装置的初始和最终存储能量,U abs (t)和U relea (t)为0至1的变量,用于表示储能装置在t时段的充放电状态位,和分别为储能装置的最大和最小充放电功率,和分别为储能装置的最大和最小存储能量,P abs (t)和P relea (t)分别为储能装置在t时段的充电功率和放电功率;
所述虚拟电厂与储能电站的交互功率约束具体为:
优选地,所述空调负荷模型根据如下表达式获取空调功率和室内温度以及室外温度之间的关系:
其中,C为空调负荷的启停状态,C=0表示停止,C=1表示运行,和分别表示t和t+1时间段内的室内温度,表示t+1时间段内的室外温度,ε为散热系数,τ为仿真时间间隔,t k 为时间常数,α为空调能效占空比,S为空调的导热系数,P x 用于表示在x时刻的空调额定耗能,αP x 为额定制冷量。
优选地,所述空调负荷模型根据如下表达式分别计算空调在预设的室内温度范围和室外温度范围内的开启时间和关断时间:
其中,T max为室内温度的最大值,T out为室外温度,为空调在关断时间内的散热系数,T min为室内温度的最小值,α为空调能效占空比,为空调的平均额定功率,S为空调的导热系数,为空调在开启时间内的散热系数,t on 为空调在预设的室内温度范围和室外温度范围内的开启时间,t off 为空调在预设的室内温度范围和室外温度范围内的关断时间;
根据所述开启时间和所述关断时间,获得所述空调的控制周期,具体为:
其中,t c 为空调的控制周期,t on 为空调在预设的室内温度范围和室外温度范围内的开启时间,t off 为空调在预设的室内温度范围和室外温度范围内的关断时间;
根据所述空调的控制周期,获得待控制区域内所有空调的负荷可控容量,具体为:
优选地,所述电动汽车负荷模型根据如下表达式获取电动汽车在行驶结束时的电池电量:
基于预设的充电功率,所述电动汽车负荷模型根据如下表达式获取所述电动汽车的充电持续时间:
其中,SOC td 表示充电结束时的目标电池电量,SOC t0表示起始电池电量,P C 表示预设的充电功率,η表示充电效率,td表示电动汽车的充电结束时刻,t0表示电动汽车的充电起始时刻,T c 表示电动汽车的充电持续时间,C表示电池的容量。
需要说明的是,本发明实施例所提供的一种负荷侧的柔性负荷建模装置,能够实现上述任一实施例所述的负荷侧的柔性负荷建模方法的所有流程,装置中的各个模块的作用以及实现的技术效果分别与上述实施例所述的负荷侧的柔性负荷建模方法的作用以及实现的技术效果对应相同,这里不再赘述。
综上所述,本发明实施例提供的一种负荷侧的柔性负荷建模方法及装置,能够解决对负荷侧的柔性负荷进行建模的问题,通过分别对可中断负荷模型、可转移负荷模型、用户侧储能模型、空调负荷模型和电动汽车负荷模型进行构建,完成对负荷侧的柔性负荷模型的构建,根据该负荷侧的柔性负荷模型,能够准确地对负荷侧的柔性负荷进行分析,有利于优化各类柔性负荷的协调调度。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种负荷侧的柔性负荷建模方法,其特征在于,包括:
根据可中断负荷的需求响应特性,构建可中断负荷模型;
根据可转移负荷的需求响应特性和所述可转移负荷的需求响应激励策略,构建可转移负荷模型;
根据用户侧储能电站的服务模式,构建用户侧储能模型;
采用等效热参数模型对空调负荷进行等效,构建空调负荷模型;
根据不同类型的电动汽车的运行特性,构建电动汽车负荷模型;
结合所述可中断负荷模型、所述可转移负荷模型、所述用户侧储能模型、所述空调负荷模型和所述电动汽车负荷模型,获得负荷侧的柔性负荷模型;
其中,所述可中断负荷模型的约束条件包括用户响应次数约束、负荷削减量约束和时间响应特性约束;
所述用户响应次数约束具体为:
其中,T为时段总数,v t 为0至1的变量,用于表示用户在t时段是否存在负荷削减行为,v t-1为0至1的变量,用于表示用户在t-1时段是否存在负荷削减行为,N IL,max 表示调度周期内用户参与响应的最大次数;
所述负荷削减量约束具体为:
所述时间响应特性约束具体为:
3.如权利要求2所述的负荷侧的柔性负荷建模方法,其特征在于,所述可转移负荷模型分别根据如下表达式获取转移后的电负荷以及用户在转移负荷响应后获得的补偿费用:
所述转移后的电负荷的表达式为:
其中,P s,t 表示响应后t时段用户的用电负荷,P old,t 为未转移电负荷前用户在t时段的初始负荷,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷;
所述用户在转移负荷响应后获得的补偿费用的表达式为:
其中,λ s 为转移负荷容量的单位补偿价格,C s 为用户在转移负荷响应后获得的补偿费用,T为时段总数,P old,t 为未转移电负荷前用户在t时段的初始负荷;
所述可转移负荷模型的约束条件包括电负荷平衡约束和电负荷转移约束;
所述电负荷平衡约束具体为:
其中,T为时段总数,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷;
所述电负荷转移约束具体为:
其中,P sft,t 为t时段可转移的最大负荷容量,P in,t,max 为允许转入的最大负荷量,P in,t 为t时段转入的电负荷,P out,t 为t时段转出的电负荷。
4.如权利要求3所述的负荷侧的柔性负荷建模方法,其特征在于,所述用户侧储能模型根据如下表达式获取储能装置的充放电功率:
其中,S tor (t)为t时段的储能装置存储的能量,u为储能装置自放电率,η abs 和η relea 分别为储能装置充电效率和放电效率,P abs (t)和P relea (t)分别为储能装置在t时段的充电功率和放电功率,为调度时段的时长;
所述用户侧储能模型通过荷电状态对所述储能装置的剩余电量进行评估,具体为:
其中,SOC为储能装置的荷电状态,E为储能装置所储存的能量,C为储能装置的额定容量;
所述用户侧储能模型根据如下表达式获取虚拟电厂从储能电站购电的费用:
其中,λ(t)为t时段虚拟电厂从储能电站购电的电价,P ess,b (t)为t时段虚拟电厂从储能电站购电的功率,C ess,b 为虚拟电厂从储能电站购电的费用,N为储能电站的数量,N T 为虚拟电厂从储能电站购电的时段总数,为调度时段的时长;
所述用户侧储能模型根据如下表达式获取所述虚拟电厂向所述储能电站售电的收益:
其中,δ(t)为t时段虚拟电厂向储能电站售电的电价,P ess,s (t)为t时段虚拟电厂向储能电站售电的功率,C ess,s 为虚拟电厂向所述储能电站售电的收益,N为储能电站的数量,N T 为虚拟电厂从储能电站购电的时段总数,为调度时段的时长;
所述用户侧储能模型根据如下表达式获取所述虚拟电厂向所述储能电站缴纳的服务费:
5.如权利要求4所述的负荷侧的柔性负荷建模方法,其特征在于,所述用户侧储能模型的约束条件包括储能装置的充放电功率和存储能量约束以及虚拟电厂与储能电站的交互功率约束;
所述储能装置的充放电功率和存储能量约束具体为:
其中,S s tor (0)和S s tor (end)分别为储能装置的初始和最终存储能量,U abs (t)和U relea (t)为0至1的变量,用于表示储能装置在t时段的充放电状态位,和分别为储能装置的最大和最小充放电功率,和分别为储能装置的最大和最小存储能量,P abs (t)和P relea (t)分别为储能装置在t时段的充电功率和放电功率;
所述虚拟电厂与储能电站的交互功率约束具体为:
7.如权利要求6所述的负荷侧的柔性负荷建模方法,其特征在于,所述空调负荷模型根据如下表达式分别计算空调在预设的室内温度范围和室外温度范围内的开启时间和关断时间:
其中,T max为室内温度的最大值,T out为室外温度,为空调在关断时间内的散热系数,T min为室内温度的最小值,α为空调能效占空比,为空调的平均额定功率,S为空调的导热系数,为空调在开启时间内的散热系数,t on 为空调在预设的室内温度范围和室外温度范围内的开启时间,t off 为空调在预设的室内温度范围和室外温度范围内的关断时间;
根据所述开启时间和所述关断时间,获得所述空调的控制周期,具体为:
其中,t c 为空调的控制周期,t on 为空调在预设的室内温度范围和室外温度范围内的开启时间,t off 为空调在预设的室内温度范围和室外温度范围内的关断时间;
根据所述空调的控制周期,获得待控制区域内所有空调的负荷可控容量,具体为:
8.如权利要求7所述的负荷侧的柔性负荷建模方法,其特征在于,所述电动汽车负荷模型根据如下表达式获取电动汽车在行驶结束时的电池电量:
基于预设的充电功率,所述电动汽车负荷模型根据如下表达式获取所述电动汽车的充电持续时间:
其中,SOC td 表示充电结束时的目标电池电量,SOC t0表示起始电池电量,P C 表示预设的充电功率,η表示充电效率,td表示电动汽车的充电结束时刻,t0表示电动汽车的充电起始时刻,T c 表示电动汽车的充电持续时间,C表示电池的容量。
9.一种负荷侧的柔性负荷建模装置,其特征在于,包括:
可中断负荷模型构建模块,用于根据可中断负荷的需求响应特性,构建可中断负荷模型;
可转移负荷模型构建模块,用于根据可转移负荷的需求响应特性和所述可转移负荷的需求响应激励策略,构建可转移负荷模型;
用户侧储能模型构建模块,用于根据用户侧储能电站的服务模式,构建用户侧储能模型;
空调负荷模型构建模块,用于采用等效热参数模型对空调负荷进行等效,构建空调负荷模型;
电动汽车负荷模型构建模块,用于根据不同类型的电动汽车的运行特性,构建电动汽车负荷模型;
柔性负荷模型获取模块,用于结合所述可中断负荷模型、所述可转移负荷模型、所述用户侧储能模型、所述空调负荷模型和所述电动汽车负荷模型,获得负荷侧的柔性负荷模型;
其中,所述可中断负荷模型的约束条件包括用户响应次数约束、负荷削减量约束和时间响应特性约束;
所述用户响应次数约束具体为:
其中,T为时段总数,v t 为0至1的变量,用于表示用户在t时段是否存在负荷削减行为,v t-1为0至1的变量,用于表示用户在t-1时段是否存在负荷削减行为,N IL,max 表示调度周期内用户参与响应的最大次数;
所述负荷削减量约束具体为:
所述时间响应特性约束具体为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111545745.2A CN113935203B (zh) | 2021-12-17 | 2021-12-17 | 一种负荷侧的柔性负荷建模方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111545745.2A CN113935203B (zh) | 2021-12-17 | 2021-12-17 | 一种负荷侧的柔性负荷建模方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113935203A CN113935203A (zh) | 2022-01-14 |
CN113935203B true CN113935203B (zh) | 2022-04-12 |
Family
ID=79289204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111545745.2A Active CN113935203B (zh) | 2021-12-17 | 2021-12-17 | 一种负荷侧的柔性负荷建模方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113935203B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114593505B (zh) * | 2022-03-29 | 2023-08-29 | 海南省电力学校(海南省电力技工学校) | 一种基于二阶等效热参数模型的变频空调负荷虚拟储能建模方法 |
CN115329600B (zh) * | 2022-09-06 | 2023-04-11 | 东南大学溧阳研究院 | 一种基于柔性负荷的多时间尺度配电网降损方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188950A (zh) * | 2019-05-30 | 2019-08-30 | 三峡大学 | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 |
CN112186755A (zh) * | 2020-09-25 | 2021-01-05 | 东南大学 | 一种区域综合能源系统柔性负荷储能化建模方法 |
CN112633571A (zh) * | 2020-12-18 | 2021-04-09 | 浙江大学 | 源网荷互动环境下基于lstm的超短期负荷预测方法 |
CN113394768A (zh) * | 2020-03-13 | 2021-09-14 | 北京科东电力控制系统有限责任公司 | 一种客户侧柔性负荷综合响应控制方法和装置 |
-
2021
- 2021-12-17 CN CN202111545745.2A patent/CN113935203B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188950A (zh) * | 2019-05-30 | 2019-08-30 | 三峡大学 | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 |
CN113394768A (zh) * | 2020-03-13 | 2021-09-14 | 北京科东电力控制系统有限责任公司 | 一种客户侧柔性负荷综合响应控制方法和装置 |
CN112186755A (zh) * | 2020-09-25 | 2021-01-05 | 东南大学 | 一种区域综合能源系统柔性负荷储能化建模方法 |
CN112633571A (zh) * | 2020-12-18 | 2021-04-09 | 浙江大学 | 源网荷互动环境下基于lstm的超短期负荷预测方法 |
Non-Patent Citations (2)
Title |
---|
基于负荷类型细分的负荷聚合商日前投标非合作博弈模型;冷钊莹等;《电网与清洁能源》;20200525(第05期);全文 * |
智能小区可削减柔性负荷实时需求响应策略;南思博等;《电力系统保护与控制》;20190514(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113935203A (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523052B (zh) | 一种考虑需求响应和碳交易的虚拟电厂优化调度方法 | |
CN106779291B (zh) | 智能用电园区需求响应策略 | |
Li et al. | Optimal demand response based on utility maximization in power networks | |
CN113935203B (zh) | 一种负荷侧的柔性负荷建模方法及装置 | |
CN111082505B (zh) | 一种基于电动汽车与储能电池协同调度的能量管理方法 | |
CN111339689B (zh) | 建筑综合能源调度方法、系统、存储介质及计算机设备 | |
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 | |
CN104158289A (zh) | 基于智能有序用电装置的智能有序用电管理系统及方法 | |
CN110245810B (zh) | 一种区域能源互联网协调优化运行方法 | |
CN113240210B (zh) | 一种基于多主体主从博弈的负荷聚合商经济优化方法 | |
CN110084394A (zh) | 一种考虑温控设备和电动汽车的工业用户智能用电优化方法 | |
CN105894122A (zh) | 一种用于家庭能量管理系统的用电设备运行调度方法 | |
CN114944661A (zh) | 一种基于储能系统滚动优化的微电网三阶段优化控制方法 | |
Danxi et al. | Optimal control model of electric vehicle demand response based on real—time electricity price | |
CN111967728B (zh) | 计及用能舒适度时变性的商场楼宇调峰容量评估方法 | |
CN114221348B (zh) | 一种兼顾成本与舒适度的家庭能源管理系统优化运行方法 | |
CN113315135B (zh) | 低碳楼宇优化调度方法、系统、终端及介质 | |
CN110048414B (zh) | 一种虚拟电厂互动资源补贴定价方法 | |
CN114004475A (zh) | 一种削峰填谷需求响应的方法 | |
Dang et al. | Energy optimization in an eco-district with electric vehicles smart charging | |
CN113036751A (zh) | 一种考虑虚拟储能的可再生能源微电网优化调度方法 | |
CN113434995A (zh) | 考虑电动汽车出行不确定的商业用户智能用电管理方法 | |
Yiru et al. | A modified particle swarm optimization based algorithm for the energy management strategy of a regional integrated energy system | |
Yu et al. | Operation analysis of power distribution system considering demand side response of multiple types of flexible loads | |
Li et al. | Research on energy management scheme of commercial buildings cluster considering demand response |
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 |