CN115271168A - 用电负荷响应潜力的预测方法、装置及存储介质 - Google Patents
用电负荷响应潜力的预测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115271168A CN115271168A CN202210720288.4A CN202210720288A CN115271168A CN 115271168 A CN115271168 A CN 115271168A CN 202210720288 A CN202210720288 A CN 202210720288A CN 115271168 A CN115271168 A CN 115271168A
- Authority
- CN
- China
- Prior art keywords
- temperature
- load
- target
- target object
- initial set
- 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
- 230000004044 response Effects 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 70
- 238000004514 thermodynamic simulation Methods 0.000 claims description 31
- 238000012546 transfer Methods 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000011160 research Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 20
- 230000033228 biological regulation Effects 0.000 description 11
- 238000004378 air conditioning Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 10
- 238000004088 simulation Methods 0.000 description 10
- 230000005611 electricity Effects 0.000 description 8
- 230000001105 regulatory effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种用电负荷响应潜力的预测方法、装置及存储介质。其中,该方法包括:获取与用电系统的系统温度初始设定值对应的多个计算方式,多个计算方式为和多个预定温度调节值一一对应的根据环境温度计算用电负荷响应潜力的方式,预定温度调节值为对系统温度初始设定值进行调节的温度值,确定用电系统的目标系统温度初始设定值、目标温度调节值和目标环境温度,根据目标系统温度初始设定值、目标温度调节值和分别与多个系统温度初始设定值对应的多个计算方式确定目标计算方式,根据目标环境温度和目标计算方式获取目标对象的用电负荷响应潜力。本发明解决了在相关技术中,缺少对用电侧中的用电负荷响应潜力进行预测的技术问题。
Description
技术领域
本发明涉及电力控制领域,具体而言,涉及一种用电负荷响应潜力的预测方法、装置及存储介质。
背景技术
用电侧作为电力系统功率瞬时平衡的一方,其负荷特性及行为在很大程度上影响电网的安全稳定性。电网调度运行的难度随着电力高峰负荷持续增长以及间歇式能源的快速发展而增加,这对电力系统调节能力提出了新的重大挑战,需要对用电侧的用电负荷响应潜力进行预测,并根据预测结果进行电网调度。但是,在相关技术中,缺少对用电侧中的用电负荷响应潜力进行预测的方法。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种用电负荷响应潜力的预测方法、装置及存储介质,以至少解决相关技术中,缺少对用电侧中的用电负荷响应潜力进行预测的方的技术问题。
根据本发明实施例的一个方面,提供了一种用电负荷响应潜力的预测方法,包括:确定目标对象的用电系统的多个系统温度初始设定值;针对所述用电系统的多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的多个计算方式,其中,所述多个计算方式为多个根据环境温度计算用电负荷响应潜力的方式,所述多个计算方式和多个预定温度调节值一一对应,所述预定温度调节值为对所述系统温度初始设定值进行调节的温度值;确定所述用电系统的目标系统温度初始设定值、目标温度调节值和目标环境温度,其中,所述目标系统温度初始设定值为所述多个系统温度初始设定值中的一个,所述目标温度调节值为所述多个预定温度调节值中的一个;根据所述目标系统温度初始设定值和所述目标温度调节值,以及分别与多个系统温度初始设定值对应的多个计算方式,确定目标计算方式;根据所述目标环境温度和所述目标计算方式,获取所述目标对象的用电负荷响应潜力。
可选地,所述针对所述用电系统的多个系统温度初始设定值中的每个系统温度初始设定值,获取与系统温度初始设定值对应的多个计算方式,包括:确定所述目标对象的用电系统在典型气象日中的多个系统温度初始设定值;针对所述多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的第一负荷曲线,以及与所述多个预定温度调节值一一对应的多个第二负荷曲线;其中,所述第一负荷曲线是根据所述用电系统的设定温度为所述系统温度初始设定值的情况下,所述用电系统在所述典型气象日中多个预定时刻的用电负荷得到的;所述多个第二负荷曲线中的每个第二负荷曲线,是根据所述用电系统的设定温度为所述系统温度初始设定值和对应的预定温度调节值的和的情况下,所述用电系统在所述典型气象日中所述多个预定时刻的用电负荷得到的;基于与系统温度初始设定值对应的第一负荷曲线、与所述多个预定温度调节值一一对应的多个第二负荷曲线,以及所述典型气象日的气温曲线,获取与所述系统温度初始设定值对应的多个计算方式。
可选地,所述获取与系统温度初始设定值对应的第一负荷曲线,以及与所述多个预定温度调节值一一对应的多个第二负荷曲线,包括:分别获取所述目标对象在多个典型气象日中,所述目标对象的用电系统的设定温度为多个系统温度初始设定值的情况下,分别与多个典型气象日对应的多个历史负荷曲线和多个历史气温曲线;所述多个典型气象日,是根据预定历史时间段内多个日期的气象数据和社会因素对所述多个日期进行划分得到的,所述气象数据包括环境温度,所述社会因素包括所述多个日期为工作日或非工作日;根据所述多个典型气象日的多个历史负荷曲线和多个历史气温曲线,对用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型;所述历史负荷曲线是根据所述用电系统在对应典型气象日中多个时刻的用电负荷拟合得到的,所述历史气温曲线时根据对应典型气象日中多个时刻的环境温度拟合得到的;根据所述热力学仿真模型获取与所述系统温度初始设定值对应的第一负荷曲线,以及与所述多个预定温度调节值一一对应的多个第二负荷曲线。
可选地,所述分别获取所述目标对象在所述多个典型气象日中,所述目标对象的用电系统的设定温度为多个系统温度初始设定值的情况下,分别与多个典型气象日对应的多个历史负荷曲线和多个历史气温曲线,包括:针对所述目标对象在所述多个典型气象日中的每个典型气象日,所述用电系统的设定温度为多个系统温度初始设定值中的每个系统温度初始设定值,采集所述用电系统在所述典型气象日中所述多个预定时刻的用电负荷,根据所述多个用电负荷和对应的时刻,拟合得到所述历史负荷曲线;针对所述目标对象在所述多个典型气象日中的每个典型气象日,采集在典型气象日中所述多个预定时刻的环境温度,根据所述多个环境温度和对应的时刻,拟合得到所述历史气温曲线。
可选地,所述根据所述在多个典型气象日的多个历史负荷曲线和多个历史气温曲线,对用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型,包括:针对所述多个典型气象日中的每个典型气象日,获取与所述典型气象日对应的历史气温曲线;根据所述历史气温曲线和所述用电负荷和用电系统设定温度的对应关系模型,获取所述目标对象在所述典型气象日中,在系统设定温度为所述系统温度初始设定值的情况下的预测负荷曲线;根据所述预测负荷曲线和对应的历史负荷曲线,对所述用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型。
可选地,还包括:根据所述目标对象的建筑物的热容,所述目标对象用电系统的系统温度设定值;目标对象用电系统中多个负荷的冷功率;所述目标对象的建筑物中所有的外表面的热传导热量之和,所述目标对象的建筑物多个外表面的表面对流传热系数,所述目标对象的建筑物中多个外表面的面积,所述目标对象建筑物外表面的温度,所述目标对象的建筑物内部环境温度、空气热交换系数,所述目标的对象建筑物中空气的热容,构建用电负荷和用电系统设定温度的对应关系模型。
可选地,所述用电负荷和用电系统设定温度的对应关系模型,包括:
其中,CZ为所述目标对象的建筑物的热容,TZ为所述目标对象的HVAC系统的系统温度设定值,t为时间;Qi为第i个负荷的冷功率,为所述目标对象的建筑物中所有的Nsi个负荷的冷功率之和;为所述目标对象的建筑物中所有的Nsurface个外表面的热传导热量之和,hj为所述目标对象的建筑物第j个外表面的表面对流传热系数,Aj为所述目标对象的建筑物第j个外表面的面积,Tsup为所述目标对象的建筑物外表面的温度,Tsi为所述目标对象的建筑物内部环境温度,minfCp(Tsi-TZ)为所述目标对象的建筑物中负荷与内部环境的单位时间热交换量,minf为空气热交换系数,Cp为所述目标对象的建筑物中空气的热容,minfCp(Tsup-TZ)为所述目标对象的建筑物中内部环境与外部环境的单位时间热交换量。
可选地,所述确定所述目标对象的目标温度调节值,包括:获取所述目标对象参与需求响应的历史行为数据,根据所述历史行为数据确定与所述目标对象对应的目标温度调节值;或者,获取所述目标对象参与需求响应的调研数据,根据所述调研数据确定与所述目标对象对应的目标温度调节值。
根据实施例的另一方面,还提供了一种用电负荷响应潜力的预测装置,包括:第一确定模块,用于确定目标对象的用电系统的多个系统温度初始设定值;第一获取模块,用于针对所述用电系统的多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的多个计算方式,其中,所述多个计算方式为多个根据环境温度计算用电负荷响应潜力的方式,所述多个计算方式和多个预定温度调节值一一对应,所述预定温度调节值为对所述系统温度初始设定值进行调节的温度值;第二确定模块,用于确定所述用电系统的目标系统温度初始设定值、目标温度调节值和目标环境温度,其中,所述目标系统温度初始设定值为所述多个系统温度初始设定值中的一个,所述目标温度调节值为所述多个预定温度调节值中的一个;第三确定模块,用于根据所述目标系统温度初始设定值和所述目标温度调节值,以及分别与多个系统温度初始设定值对应的多个计算方式,确定目标计算方式;第二获取模块,用于根据所述目标环境温度和所述目标计算方式,获取所述目标对象的用电负荷响应潜力。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的用电负荷响应潜力的预测方法。
在本发明实施例中,通过确定目标对象的用电系统的多个系统温度初始设定值;针对用电系统的多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的多个计算方式,其中,多个计算方式为多个根据环境温度计算用电负荷响应潜力的方式,多个计算方式和多个预定温度调节值一一对应,预定温度调节值为对系统温度初始设定值进行调节的温度值;确定目标对象的用电系统的目标系统温度初始设定值、目标温度调节值和目标环境温度,其中,目标系统温度初始设定值为多个系统温度初始设定值中的一个,目标温度调节值为多个预定温度调节值中的一个;根据目标系统温度初始设定值和目标温度调节值,以及分别与多个系统温度初始设定值对应的多个计算方式,确定目标计算方式;根据目标环境温度和目标计算方式,获取目标对象的用电负荷响应潜力。解决了在相关技术中,缺少对用电侧中的用电负荷响应潜力进行预测的方法技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的用电负荷响应潜力的预测方法的流程图;
图2为根据本发明实施例的一种历史负荷曲线和历史气温曲线的示意图;
图3为根据本发明实施例的另一种历史负荷曲线和历史气温曲线的示意图;
图4为根据本发明实施例的一种用户用电负荷响应潜力的预测结果示意图;
图5为根据本发明实施例的一种用电负负荷在不同时段的响应潜力预测结果示意图;
图6为根据本发明实施例的另一种用电负负荷在不同时段的响应潜力预测结果示意图;
图7为根据本发明实施例的又一种用电负负荷在不同时段的响应潜力预测结果示意图;
图8为根据本发明实施例的一种环境温度与响应潜力之间的对应关系示意图;
图9为根据本发明实施例的另一种环境温度与响应潜力之间的对应关系示意图;
图10为根据本发明实施例的又一种环境温度与响应潜力之间的对应关系示意图;
图11为根据本发明实施例的再一种环境温度与响应潜力之间的对应关系示意图;
图12是根据本发明实施例的一种可选的用电负荷响应潜力预测装置的框架图。
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。
实施例1
根据本发明实施例,提供了一种用电负荷可调潜力的预测的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种可选的用用电负荷响应潜力预测方法的流程图。
参照图1所示,方法可包括如下步骤:
步骤S102,确定目标对象的用电系统的多个系统温度初始设定值。
在一些可选实施例中,目标对象的种类有多种,例如,包括商用建筑物、非商用建筑物,等等。
在一些可选实施例中,用电系统的种类有多种,例如,包括HVAC(Heating,Ventilation,Air-conditioning and Cooling,空气调节系统)、照明系统,等等。
步骤S104,针对用电系统的多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的多个计算方式,其中,多个计算方式为多个根据环境温度计算用电负荷响应潜力的方式,多个计算方式和多个预定温度调节值一一对应,预定温度调节值为对系统温度初始设定值进行调节的温度值。
步骤S106,确定目标对象的用电系统的目标系统温度初始设定值、目标温度调节值和目标环境温度,其中,目标系统温度初始设定值为多个系统温度初始设定值中的一个,目标温度调节值为多个预定温度调节值中的一个。
步骤S108,根据目标系统温度初始设定值和目标温度调节值,以及分别与多个系统温度初始设定值对应的多个计算方式,确定目标计算方式。
步骤S110,根据目标环境温度和目标计算方式,获取目标对象的用电负荷响应潜力。
在本可选实施例中,通过确定目标对象的用电系统的多个系统温度初始设定值;针对用电系统的多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的多个计算方式,其中,多个计算方式为多个根据环境温度计算用电负荷响应潜力的方式,多个计算方式和多个预定温度调节值一一对应,预定温度调节值为对系统温度初始设定值进行调节的温度值;确定目标对象的用电系统的目标系统温度初始设定值、目标温度调节值和目标环境温度,其中,目标系统温度初始设定值为多个系统温度初始设定值中的一个,目标温度调节值为多个预定温度调节值中的一个;根据目标系统温度初始设定值和目标温度调节值,以及分别与多个系统温度初始设定值对应的多个计算方式,确定目标计算方式;根据目标环境温度和目标计算方式,获取目标对象的用电负荷响应潜力。解决了在相关技术中,缺少对用电侧中的用电负荷响应潜力进行预测的方法技术问题。
作为一种可选实施例,针对用电系统的多个系统温度初始设定值中的每个系统温度初始设定值,获取与系统温度初始设定值对应的多个计算方式的方法,可包括如下步骤:确定目标对象的用电系统在典型气象日中的多个系统温度初始设定值;针对多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的第一负荷曲线,以及与多个预定温度调节值一一对应的多个第二负荷曲线;其中,第一负荷曲线是根据用电系统的设定温度为系统温度初始设定值的情况下,用电系统在典型气象日中多个预定时刻的用电负荷得到的;多个第二负荷曲线中的每个第二负荷曲线,是根据用电系统的设定温度为系统温度初始设定值和对应的预定温度调节值的和的情况下,用电系统在典型气象日中多个预定时刻的用电负荷得到的;基于与系统温度初始设定值对应的第一负荷曲线、与多个预定温度调节值一一对应的多个第二负荷曲线,以及典型气象日的气温曲线,获取与系统温度初始设定值对应的多个计算方式。通过确定与系统温度初始设定值对应的第一负荷曲线,以及在该系统温度初始设定值的基础上,调节多个预定温度调节值,分别获取与各个预定温度调节值对应的第二负荷曲线,根据第一负荷曲线和第二负荷曲线之间的差值,获取多个时刻的第用电负荷响应潜力,根据气象曲线得到多个时刻的环境温度,根据多个时刻的用电负荷响应潜力和环境温度值,获取根据环境温度计算用电负荷响应潜力的计算方式。由此,可以准确获取环境温度和用电负荷响应潜力之间的对应关系。在一个可选实施例中,确定目标对象的用电系统在典型气象日中的多个系统温度初始设定值;针对与多个系统温度初始设定值中的每个系统温度初始设定值对应的多个温度调节值中的每个温度调节值:根据对应的第一负荷曲线和第二负荷曲线,获取目标对象的用电系统在预定时间段内的多个时刻的用电负荷响应潜力,并获取目标对象所处区域在预定时间段内的多个环境温度,根据多个用电负荷响应潜力和多个环境温度,获取对应的根据环境温度计算用电负荷响应潜力的方式。由此,可以准确获取环境温度和用电负荷响应潜力之间的对应关系。
在一个可选实施例中,根据第一负荷曲线和第二负荷曲线,得到在对应典型气象日中多个预定时刻中每个预定时刻的用电负荷差值,根据用电负荷差值得到对应的用电负荷响应潜力。根据典型气象日的气温曲线,得到在对应典型气象日中多个预定时刻中每个预定时刻的环境温度值,根据多个用电负荷响应潜力和对应的环境温度值,可以拟合出环境温度和用电负荷响应潜力之间的对应关系,该对应关系即为根据环境温度计算用电负荷响应潜力的方式。
在一个可选实施例中,确定目标对象的用电系统在多个典型气象日中的多个系统温度初始设定值,针对每个典型气象日中的每个系统温度初始设定值,分别确定与各个系统温度初始设定值对应的多个预定温度调节值,并获取与多个预定温度调节值分别对应的用电负荷响应潜力。针对每个系统温度初始设定值所对应的每个预定温度调节值:根据分别与多个典型气象日对应的用电负荷响应潜力和环境温度值,得到对应的根据环境温度计算用电负荷响应潜力的方式。根据多个典型气象日的数据,获取根据环境温度计算用电负荷响应潜力的方式的准确度高。
作为一种可选实施例,获取与系统温度初始设定值对应的第一负荷曲线,以及与多个预定温度调节值一一对应的多个第二负荷曲线,可包括如下步骤:分别获取目标对象在多个典型气象日中,目标对象的用电系统的设定温度为多个系统温度初始设定值的情况下,分别与多个典型气象日对应的多个历史负荷曲线和多个历史气温曲线;其中,多个典型气象日是根据预定历史时间段内多个日期的气象数据和社会因素对多个日期进行划分得到的,气象数据包括环境温度,社会因素包括多个日期为工作日或非工作日;根据多个典型气象日的多个历史负荷曲线和多个历史气温曲线,对用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型;历史负荷曲线是根据用电系统在对应典型气象日中多个时刻的用电负荷拟合得到的,历史气温曲线时根据对应典型气象日中多个时刻的环境温度拟合得到的;根据热力学仿真模型获取与系统温度初始设定值对应的第一负荷曲线,以及与多个预定温度调节值一一对应的多个第二负荷曲线。根据历史负荷曲线和历史气温曲线对用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型,得到热力学仿真模型的准确度高,根据该热力学仿真模型,可以准确获取第一负荷曲线和第二负荷曲线。
作为一种可选实施例,分别获取目标对象在多个典型气象日中,目标对象的用电系统的设定温度为多个系统温度初始设定值的情况下,分别与多个典型气象日对应的多个历史负荷曲线和多个历史气温曲线,可包括如下步骤:针对目标对象在多个典型气象日中的每个典型气象日,用电系统的设定温度为多个系统温度初始设定值中的每个系统温度初始设定值,采集用电系统在典型气象日中多个预定时刻的用电负荷,根据多个用电负荷和对应的时刻,拟合得到历史负荷曲线;针对目标对象在多个典型气象日中的每个典型气象日,采集在典型气象日中多个预定时刻的环境温度,根据多个环境温度和对应的时刻,拟合得到历史气温曲线。根据采集的用电负荷和环境温度数据,可以准确获取历史负荷曲线和历史气温曲线。
作为一种可选实施例,根据在多个典型气象日的多个历史负荷曲线和多个历史气温曲线,对用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型,包括:针对多个典型气象日中的每个典型气象日,获取与典型气象日对应的历史气温曲线;根据历史气温曲线和用电负荷和用电系统设定温度的对应关系模型,获取目标对象在典型气象日中,在系统设定温度为系统温度初始设定值的情况下的预测负荷曲线;根据预测负荷曲线和对应的历史负荷曲线,对用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型。在一个可选实施例中,根据预测负荷曲线和历史负荷曲线之间的对比差异,对用电负荷和用电系统设定温度的对应关系模型中的参数进行优化,进而获取准确的热力学仿真模型。
作为一种可选实施例,还包括:根据目标对象的建筑物的热容,目标对象用电系统的系统温度设定值;目标对象用电系统中多个负荷的冷功率;目标对象的建筑物中所有的外表面的热传导热量之和,目标对象的建筑物多个外表面的表面对流传热系数,目标对象的建筑物中多个外表面的面积,目标对象建筑物外表面的温度,目标对象的建筑物内部环境温度、空气热交换系数,目标的对象建筑物中空气的热容,构建用电负荷和用电系统设定温度的对应关系模型。基于前述与建筑物相关的多个参数,可以准确获取和不同建筑物所对应的用电负荷和用电系统设定温度的对应关系模型,基于该模型,可以准确获取与用电系统设定温度对应的用电负荷曲线。
作为一种可选实施例,用电负荷和用电系统设定温度的对应关系模型,包括:
其中,CZ为目标对象的建筑物的热容,TZ为目标对象的HVAC系统的系统温度设定值,t为时间;Qi为第i个负荷的冷功率,为目标对象的建筑物中所有的Nsi个负荷的冷功率之和;为目标对象的建筑物中所有的Nsurface个外表面的热传导热量之和,hj为目标对象的建筑物第j个外表面的表面对流传热系数,Aj为目标对象的建筑物第j个外表面的面积,Tsup为目标对象的建筑物外表面的温度,Tsi为目标对象的建筑物内部环境温度,minfCp(Tsi-TZ)为目标对象的建筑物中负荷与内部环境的单位时间热交换量,minf为空气热交换系数,Cp为目标对象的建筑物中空气的热容,minfCp(Tsup-TZ)为目标对象的建筑物中内部环境与外部环境的单位时间热交换量。
作为一种可选实施例,确定目标对象的目标温度调节值,包括以下至少之一:获取目标对象参与需求响应的历史行为数据,根据历史行为数据确定与目标对象对应的目标温度调节值;获取目标对象参与需求响应的调研数据,根据调研数据确定与目标对象对应的目标温度调节值。需要明白的是,目标温度调节值是在目标对象所处区域发生需求响应事件时,且目标对象在用电系统的当前设定温度为系统温度设定值时,目标对象有意愿对用电系统的设定温度进行温度调节的调节温度值的大小。根据历史行为数据或调研数据,可以快速且准确的获取目标对象的目标温度调节值。
根据前述实施例及可选实施例,提供了一种用电负荷响应潜力的预测方法的可选实施方式。在本公开实施方式中,以用电侧的目标对象为商业用户,以用电系统为HVAC系统为例进行说明。
开放互动是智能电网的重要特征之一,智能电网的用电侧作为电力系统功率瞬时平衡的一方,其负荷特性及行为在很大程度上影响电网的安全稳定性。电网调度运行的难度随着电力高峰负荷持续增长以及间歇式能源的快速发展而增加,这对电力系统调节能力提出了新的重大挑战。在相关技术中,缺少一种对用电侧的用电负荷响应潜力进行预测的方法。
步骤1,获取商业用户典型气象日的历史负荷曲线和历史气温曲线,调节系统温度设定值后,采用热力学仿真模型对于商业用户典型气象日的用电功率和响应潜力进行求解。
需要明白的是,商业用户又可以细分为行政办公类、商业经营类、金融类、服务类、文化娱乐类、体育类、教育科研类、医疗卫生类,等等。这些行业的用电主要以公共设施类负荷多以空气调节系统HVAC和照明负荷为主。HVAC和照明用电可以作为可中断负荷参与需求响应管理,可将可中断负荷能力分为HVAC可中断能力和照明可中断能力两部分来量化其调节能力。
以某个实验室的研究成果为例,获取如表1所示的不同行业的HVAC可中断能力和照明可中断能力。
表1
在本可选实施方式中,HVAC相关的2小时及20分钟可中断负荷行为活动主要包括通过调整温度设定值,关闭包单元中的压缩机,在多个包单位服务于相同空间的设施中使用削减模式、在正常控制下完全关闭部分包单位。包单位可以为一个用电用户,具体的,可以是商业用户级别的大用户,也可以是由多个小用户组成。
在本可选实施方式中,对给定设备类型的可中断能力程度估计可以取决于负荷高峰的现场测试,以及HVAC对每一个目标设备类型的可中断潜力的评价。假定2小时的可中断类似于现场测试中4个小时高峰负荷的情况。经过测试发现,大多数情况下,2小时的削减可用性比20分钟的削减要高三分之一以上。另外,多个时段的削减水平可以组合在一起。例如,屋顶单单元可以关闭压缩机(如小型办公室、仓库的办公区域、学校、住所、办公区和其他设施),从而实现60%HVAC相关的2小时可中断量加80%的20分钟可中断量。再如,50%的2小时可中断量加20分钟可中断量,可以做定值调整以减少大办公室和大学建筑物等商业用户的用电需求;30%的2小时可中断量加40%的20分钟可中断量,可以实现餐厅等商业用户对于屋顶单元压缩机的关闭或是压缩机的定值调整。需要说明的是,对于餐厅这一类型的商业用户来说,可中断量中未必能够包括其范围内的空调等其他设施,这是因为,这类商业用户需要保持通风的供给率以平衡厨房的排气率。类似的,医院和医疗设施也都没有被纳入可中断量的计量中。
根据可中断能力研究在多个商业大厦的高峰日的实地测试结果可知,通过在需求响应时段(长达四小时)调暗或关闭照明,可以减少33%的照明用电需求。零售业表现出25%的照明用电可中断能力。假设餐厅和卫生设施里不能够调暗或关闭照明的情况下,其削减能力被为0%。
根据上述数据,对于大部分的商业用户来说,其中最主要的可中断负荷集中在楼宇的空调系统中,也就是楼宇中用于制冷、制热、通风等的空气调节HVAC系统中。因此,在本可选实施方式中,以用电系统是HVAC系统为例,以目标对象为商业用户为例,对用电负荷响应潜力的预测方法进行说明。需要明白的是,本可选实施方式中的用电系统不限于HVAC系统,还包括照明、用水等其他用电系统,等等。
针对多个典型气象日中的每个典型气象日,分别执行如下操作:将商业用户的HVAC系统的温度设定为预定初始设定值,每间隔一小时采集一次HVAC的用电负荷,获取商业用户在典型气象日中,在HVAC系统的温度为预定初始设定值的情况下,系统在多个预定时刻的用电负荷,根据获取的多个预定时刻的用电负荷,生成商业用户的历史负荷曲线。由此获取商业用户在多个典型气象日中,与HVAC系统的设定温度所对应的历史负荷曲线。
针对多个典型气象日中的每个典型气象日,分别执行如下操作:采集商业用户所处区域在多个预定时刻的大气温度数据,根据多个预定时刻的气温数据,生成商业用户的历史温度曲线。
需要明白的是,典型气象日是指,根据气象情况,比如大气温度、湿度、早晚温差、光照、季节等各种参数的取值,通过对各种参数取值的聚合而生成的多维信息。另外,典型气象日中还可以包括一些非气象因素信息,例如社会因素。具体的,社会因素可以包括工作日、非工作日,等等。
在本可选实施方式中,可以预先生成多个典型气象日,每一个典型气象日中可以包括多个不同维度的气象因素和社会因素参数。在对当前日期或未来日期下的用户响应潜力进行预测时,可以从多个典型气象日数据集中提取最为接近的一个或多个典型气象日信息,例如,提取该典型气象日所对应的历史负荷曲线和历史气温曲线,等等。在从多个典型气象日数据集中提取最为接近的一个或多个典型气象日信息之后,可以根据历史负荷曲线和历史气温曲线预测与当前日期或未来日期所对应的响应潜力。
图2为根据本发明实施例的一种历史负荷曲线和历史气温曲线的示意图;图3为根据本发明实施例的另一种历史负荷曲线和历史气温曲线的示意图。参照图2和图3所示,坐标轴横轴表示典型气象日内的24个时刻点,纵轴分别为负荷总功率和气温的值。
继续参照图2和图3所示,图2和图3对应的为某一个典型的办公楼,图2和图3的数据分别对应该办公楼在夏季7至9月份期间某两个典型气象日的数据。根据图2所示的历史负荷曲线和历史气温曲线,气温在一天中,早晨5点达到最低温度23度左右,下午4点达到最高温度34度左右。对于工作日来说,用电负荷在早上8点至下午22点左右比较高,且在下午4点左右达到功率峰值,该功率峰值约为210kW。在图3所示的典型气象日中,环境温度在24至29度之间浮动,该典型气象日为非工作日,所以用电功率相对较小,在该典型气象日的24小时中,用电功率保持在60kW以内。
在本可选实施方式中,热力学模型可以是基于EnergyPlus等热力学仿真工具来实现的。Energy Plus是一款建筑能耗逐时模拟引擎,其中包括了集成同步的负荷/系统/设备的模拟方法。在该软件用来计算系统负荷时,时间步长可由用户选择,例如,可以选择步长为10到15分钟。在系统的模拟中,EnergyPlus软件会自动设定更短的步长(例如,数秒~1小时)。其中,计算模块包括:遮阳模块、自然采光模块、自然通风模块、HVAC Template模块、HVAC空调系统模块等。基于这些计算模块,能够根据建筑的物理结构、空调系统组成准确地建立建筑楼宇的热动力学模型,进而用来模拟建筑的供热、空调、照明、通风、用水等过程。
为了实现建模,EnergyPlus热力学仿真工具中输入的数据主要包括建筑模型数据(.idf)和气象数据(.epw)两类。其中,建筑模型数据是针对该建筑物理结构的详细描述来实现的,其中,用于处理建筑模型数据的模块主要包括:辅助单元、时间单元、材料构件单元、设计指标单元、内部负荷单元、HVAC系统单元、结果输出单元等。气象数据可以采用国际能耗计算气象数据IWEC(International Weather for Energy Calculation),其主要适合于逐时能耗模拟,可用来模拟建筑一年的逐时能耗量。
采用热力学仿真模型对于商业用户典型气象日的用电负荷曲线进行仿真求解,并与商业用户典型气象日的历史负荷曲线进行比较;基于比较结果调整热力学仿真模型。下面对热力学仿真模型进行具体说明。
在一个实施例中,热力学模型为:
其中,CZ为商业用户建筑物的热容,为商业用户的为商业用户建筑物中所有的Nsi个负荷的冷功率之和;为商业用户建筑物中所有的Nsurface个外表面的热传导热量之和,hj为建筑物外表面的表面对流传热系数,Aj为商业用户建筑物第j个外表面的面积,Tsup为商业用户建筑物外表面的温度,其中,minfCp(Tsi-TZ)为商业用户建筑物中负荷与内部环境的单位时间热交换量,minf为空气热交换系数,Cp为商业用户建筑物中空气的热容,minfCp(Tsup-TZ)为商业用户建筑物中内部环境与外部环境的单位时间热交换量,TZ为所述商业用户的HVAC系统的系统温度设定值,Tsup为所述商业用户建筑物外表面的温度,Tsi为所述商业用户建筑物内部环境温度,即商业用户建筑物中空气的温度。
需要明白的是,前述的负荷冷功率可以用来区分该热力学模型中各个部分之间的热交换、热传导所导致的负荷本身的热量变化。负荷的冷功率为负荷处于运行或工作状态下所消耗的功率。
根据本可选实施方式中的热力学仿真模型,结合用户典型气象日的气象因素和社会因素,可以实现仿真。将仿真结果与历史负荷曲线进行比较,根据比较结果获取导致仿真结果和历史负荷曲线差异的因素,然后对热力学仿真模型中的商业用户建筑物的热容、商业用户建筑物中空气的热容等参数进行调试,使根据热力学仿真模型得到的仿真结果和历史负荷曲线之间的差异符合预设条件,进而实现对热力学仿真模型的优化。
在获取不同系统设定温度的历史负荷曲线时,可以对设定的预定初始设定值上调1℃、2℃、3℃,下调1℃、2℃、3℃,或者根据需要,对设定的预定初始设定值进行其他温度大小的调节。在一个可选实施例中,系统温度的预定初始设定值为24℃。
在本可选实施方式中,初始设定值可以通过上调、下调一定的温度来实现对系统温度设定值的调节。在实际应用过程中,如果电网中出现了需要进行需求响应的事件,则根据参与需求响应的历史数据,或参与调节意愿的统计数据等,判断一个或多个商业用户参与负荷调节的意愿。在一个实施例中,用户参与负荷调节的意愿较强时,可以认为用户能够忍受系统温度设定值上下三度左右的浮动,即可以实现较高温度范围的调节,如果用户参与负荷调节的意愿较弱,则可以认为用户只接受上下1度左右的温度调节。
为了使得后续计算过程能够针对不同的用户意愿实现调节和响应潜力的准确预测,本可选实施方式中预先设计了不同的温度设定值的调节程度,从而对不同的调节程度下的负荷进行预测,再根据调节程度对响应潜力进行预测。
具体的,对商业用户的HVAC系统的系统温度设定值TZ进行调节,并仿真获得商业用户典型气象日的用电功率变化值,基于商业用户典型气象日的用电功率变化值生成典型气象日的响应潜力。
图4为根据本发明实施例的一种用户用电负荷响应潜力的预测结果示意图。参照图4所示,在夏季某一典型气象日中(该典型气象日为工作日),将HVAC系统温度设定值实现不同程度的上调和下调,并根据热力学仿真模型,获取与不同设定温度对应的用电负荷变化的预测情况。根据图4,当温度设定值上调后,负荷功率在6点至22点之间有所下降,随着温度设定值上调程度的不同,负荷功率的下降程度也略有不同。另外,在温度设定值下调后,负荷功率将大幅上升,且设定值上调越高,功率上升值越高。这里之所以计算了温度上调的情况,是为了同时说明冬季时典型气象日的情况。
图5为根据本发明实施例的一种用电负负荷在不同时段的响应潜力预测结果示意图;图6为根据本发明实施例的另一种用电负负荷在不同时段的响应潜力预测结果示意图;图7为根据本发明实施例的又一种用电负负荷在不同时段的响应潜力预测结果示意图。需要明白的是,响应潜力可以根据温度设定值调节前后的预测功率之差得到。继续参照图5所示,当当温度设定值提高1度左右后,调节潜力在每15分钟内均有所不同,例如在8点至8点15时间段内,当前商业用户在这一典型气象日中的调节潜力为8%左右,而在下午15点至15点15这一时段内,调节潜力在13%左右。继续参照图6和图7所示,随着温度设定值调节程度的不同,调节潜力也不同。
图5、图6和图7为夏季负荷高峰期,某个中型办公楼的调节潜力分布结果示意图。继续参照图5、图6和图7所示,在夏季负荷高峰期,通过上调HVAC系统的温度设定值,中型办公楼的调节潜力约在10%上下,可控潜力巨大。但受外界温度及其它因素的影响,每个时段的调节潜力不同。当HVAC系统温度设定值提高2℃和3℃,办公楼的调节潜力与设定值提高1℃时相差不大,这是由于空调制冷量饱和引起的。受到空调制冷能力的限制,即使继续上调温控设定值,空调已经没有调节空间。同理,HVAC系统温度设定值下调-2℃和-3℃,办公楼的调节潜力也相近,这是由于空调制热量饱和引起的。通过对多个不同典型气象日的情况进行整理,获取了如表2所示的在不同设定温度变化情况下响应潜力。
表2
步骤2,基于步骤1中的求解结果,获取不同的系统温度设定值与其所对应的响应潜力之间的关联关系,并基于多个典型气象日的关联关系拟合出气温与响应潜力之间的回归方程。
根据步骤1中采集和分析的历史数据获取的结果,拟合出不同时段的商业用户中响应潜力和外界环境温度之间的简化回归关系式,根据该回归关系式,可以加快对大规模建筑集群的响应潜力的评估速度。在一个实施例中,商业用户包括楼宇建筑。
在一个可选实施例中,对当前系统温度设定值TZ下的所有典型气象日的响应潜力进行提取,并基于典型气象日的气温和响应潜力的取值进行拟合并获取回归函数(相当于前述实施例的计算方式)。
以某中型办公楼为例进行说明,选择上午10:00~11:00和下午14:00~15:00两个峰荷时段对整个夏季(7-9月份)中该建筑楼宇的响应潜力进行回归分析。需要说明的是,在夏季高温天气下HVAC系统正常处于制冷状态,如果外界环境温度较低(如低于空调的设定温度),空调将停机或者保持待机状态,这种状态下空调用电功率很少,也没有调节潜力。因此,在夏季外界温度较低时并不会引导空调负荷参与需求响应,此时如果上调温度设定值,反而会导致HVAC系统转为加热,这一状态既不节能也不合理。故仿真中需要首先去除掉这部分不合理数据再进行回归。
图8为根据本发明实施例的一种环境温度与响应潜力之间的对应关系示意图;图9为根据本发明实施例的另一种环境温度与响应潜力之间的对应关系示意图;图10为根据本发明实施例的又一种环境温度与响应潜力之间的对应关系示意图;图11为根据本发明实施例的再一种环境温度与响应潜力之间的对应关系示意图。其中图8和图9分别为系统设定温度值上调1℃时,在上午用电峰值时段10:00~11:00和下午用电峰值时段14:00~15:00进行拟合,获得的回归函数为其中,Pot为商业用户的调节潜力(即响应潜力),θa为外界温度。图10和图11分别为系统用电负荷上调2度时,对上午用电峰值时段10:00~11:00和下午用电峰值时段14:00~15:00进行拟合获得的回归函数,该回归函数为该两个时段的拟合优度均在0.8以上,说明拟合效果较好。
步骤3,基于当前气温对回归方程进行求解,并基于当前区域内的商业用户数量和规模,获得商业用户的响应潜力。
基于区域内的需求响应事件,获取气温参数,确认区域内的每一个商业用户的响应意愿和响应潜力,从而计算出区域的响应潜力。
在本可选实施方式中中,在整个区域中,可能具有相同归回方程的多栋相同类型的建筑,在获取回归方程后,可以根据该类型典型建筑在整个区域的用电功率占比,计算得到该类型典型建筑的聚合响应功率值,这种方式大大加快了对于大规模建筑集群的聚合响应潜力评估速度。
优选的,基于响应意愿获取商业用户的系统温度设定值TZ的调节方式;并且,获取与系统温度设定值TZ的调节方式相应的商业用户的响应潜力。
本可选实施方式中温度设定值的调节方式是基于用户的响应意愿来实现的。这部分内容可以根据相关技术中的各种方式来实现对于用户响应意愿的采集。例如,电力系统可以为电力用户提供不同的用电套餐等等。
在本可选实施方式中,通过采集商业用户典型气象日的历史负荷曲线、历史气温曲线,设置系统温度,采用热力学仿真模型对单个商业用户的响应潜力进行获取,并基于拟合算法对响应潜力和气温之间的关联关系进行建模,从而获取某一区域内多个聚合的商业用户的响应潜力。本可选实施方式提供的方法简单,结果准确,可在遵循商业用户电能削减意愿的基础上有效用于对区域内商业用户的响应潜力挖掘。
实施例2
根据本可选实施方式中实施例,还提供了一种用电负荷响应潜力预测装置,图12是根据本可选实施方式中实施例的一种可选的用电负荷响应潜力预测装置的框架图。参照图12所示,装置包括第一确定模块1202、第一获取模块1204、第二确定模块1206、第三确定模块1208、第二获取模块1210。
第一确定模块1202,用于确定目标对象的用电系统的多个系统温度初始设定值;第一获取模块1204,连接于上述第一确定模块1202,用于针对用电系统的多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的多个计算方式,其中,多个计算方式为多个根据环境温度计算用电负荷响应潜力的方式,多个计算方式和多个预定温度调节值一一对应,预定温度调节值为对系统温度初始设定值进行调节的温度值;第二确定模块1206,连接于上述第一获取模块1204,用于确定用电系统的目标系统温度初始设定值、目标温度调节值和目标环境温度,其中,目标系统温度初始设定值为多个系统温度初始设定值中的一个,目标温度调节值为多个预定温度调节值中的一个;第三确定模块1208,连接于上述第二确定模块1206,用于根据目标系统温度初始设定值和目标温度调节值,以及分别与多个系统温度初始设定值对应的多个计算方式,确定目标计算方式;第二获取模块1210,连接于上述第三确定模块1208,用于根据目标环境温度和目标计算方式,获取目标对象的用电负荷响应潜力。
此处需要说明的是,上述第一确定模块1202、第一获取模块1204、第二确定模块1206、第三确定模块1208、第二获取模块1210对应于实施例1中的步骤S102至步骤S110,几个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
本发明的实施例还提供了一种计算机可读存储介质。可选地,在本实施例中,上述计算机可读存储介质可以用于保存上述实施例1所提供的用电负荷响应潜力预测方法所执行的程序代码。
可选地,在本实施例中,上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:确定目标对象的用电系统的多个系统温度初始设定值;针对用电系统的多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的多个计算方式,其中,多个计算方式为多个根据环境温度计算用电负荷响应潜力的方式,多个计算方式和多个预定温度调节值一一对应,预定温度调节值为对系统温度初始设定值进行调节的温度值;确定目标对象的用电系统的目标系统温度初始设定值、目标温度调节值和目标环境温度,其中,目标系统温度初始设定值为多个系统温度初始设定值中的一个,目标温度调节值为多个预定温度调节值中的一个;根据目标系统温度初始设定值和目标温度调节值,以及分别与多个系统温度初始设定值对应的多个计算方式,确定目标计算方式;根据目标环境温度和目标计算方式,获取目标对象的用电负荷响应潜力。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:确定目标对象的用电系统在典型气象日中的多个系统温度初始设定值;针对多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的第一负荷曲线,以及与多个预定温度调节值一一对应的多个第二负荷曲线;其中,第一负荷曲线是根据用电系统的设定温度为系统温度初始设定值的情况下,用电系统在典型气象日中多个预定时刻的用电负荷得到的;多个第二负荷曲线中的每个第二负荷曲线,是根据用电系统的设定温度为系统温度初始设定值和对应的预定温度调节值的和的情况下,用电系统在典型气象日中多个预定时刻的用电负荷得到的;基于与系统温度初始设定值对应的第一负荷曲线、与多个预定温度调节值一一对应的多个第二负荷曲线,以及典型气象日的气温曲线,获取与系统温度初始设定值对应的多个计算方式。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:分别获取目标对象在多个典型气象日中,目标对象的用电系统的设定温度为多个系统温度初始设定值的情况下,分别与多个典型气象日对应的多个历史负荷曲线和多个历史气温曲线;多个典型气象日,是根据预定历史时间段内多个日期的气象数据和社会因素对多个日期进行划分得到的,气象数据包括环境温度,社会因素包括多个日期为工作日或非工作日;根据多个典型气象日的多个历史负荷曲线和多个历史气温曲线,对用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型;历史负荷曲线是根据用电系统在对应典型气象日中多个时刻的用电负荷拟合得到的,历史气温曲线时根据对应典型气象日中多个时刻的环境温度拟合得到的;根据热力学仿真模型获取与系统温度初始设定值对应的第一负荷曲线,以及与多个预定温度调节值一一对应的多个第二负荷曲线。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:针对目标对象在多个典型气象日中的每个典型气象日,用电系统的设定温度为多个系统温度初始设定值中的每个系统温度初始设定值,采集用电系统在典型气象日中多个预定时刻的用电负荷,根据多个用电负荷和对应的时刻,拟合得到历史负荷曲线;针对目标对象在多个典型气象日中的每个典型气象日,采集在典型气象日中多个预定时刻的环境温度,根据多个环境温度和对应的时刻,拟合得到历史气温曲线。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:针对多个典型气象日中的每个典型气象日,获取与典型气象日对应的历史气温曲线;根据历史气温曲线和用电负荷和用电系统设定温度的对应关系模型,获取目标对象在典型气象日中,在系统设定温度为系统温度初始设定值的情况下的预测负荷曲线;根据预测负荷曲线和对应的历史负荷曲线,对用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:根据目标对象的建筑物的热容,目标对象用电系统的系统温度设定值;目标对象用电系统中多个负荷的冷功率;目标对象的建筑物中所有的外表面的热传导热量之和,目标对象的建筑物多个外表面的表面对流传热系数,目标对象的建筑物中多个外表面的面积,目标对象建筑物外表面的温度,目标对象的建筑物内部环境温度、空气热交换系数,目标的对象建筑物中空气的热容,构建用电负荷和用电系统设定温度的对应关系模型。
可选地,用电负荷和用电系统设定温度的对应关系模型,包括:
其中,CZ为目标对象的建筑物的热容,TZ为目标对象的HVAC系统的系统温度设定值,t为时间;Qi为第i个负荷的冷功率,为目标对象的建筑物中所有的Nsi个负荷的冷功率之和;为目标对象的建筑物中所有的Nsurface个外表面的热传导热量之和,hj为目标对象的建筑物第j个外表面的表面对流传热系数,Aj为目标对象的建筑物第j个外表面的面积,Tsup为目标对象的建筑物外表面的温度,Tsi为目标对象的建筑物内部环境温度,minfCp(Tsi-TZ)为目标对象的建筑物中负荷与内部环境的单位时间热交换量,minf为空气热交换系数,Cp为目标对象的建筑物中空气的热容,minfCp(Tsup-TZ)为目标对象的建筑物中内部环境与外部环境的单位时间热交换量。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:确定目标对象的目标温度调节值,包括以下至少之一:获取目标对象参与需求响应的历史行为数据,根据历史行为数据确定与目标对象对应的目标温度调节值;获取目标对象参与需求响应的调研数据,根据调研数据确定与目标对象对应的目标温度调节值。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅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,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种用电负荷响应潜力的预测方法,其特征在于,包括:
确定目标对象的用电系统的多个系统温度初始设定值;
针对所述用电系统的多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的多个计算方式,其中,所述多个计算方式为多个根据环境温度计算用电负荷响应潜力的方式,所述多个计算方式和多个预定温度调节值一一对应,所述预定温度调节值为对所述系统温度初始设定值进行调节的温度值;
确定所述用电系统的目标系统温度初始设定值、目标温度调节值和目标环境温度,其中,所述目标系统温度初始设定值为所述多个系统温度初始设定值中的一个,所述目标温度调节值为所述多个预定温度调节值中的一个;
根据所述目标系统温度初始设定值和所述目标温度调节值,以及分别与多个系统温度初始设定值对应的多个计算方式,确定目标计算方式;
根据所述目标环境温度和所述目标计算方式,获取所述目标对象的用电负荷响应潜力。
2.根据权利要求1所述的方法,其特征在于,所述针对所述用电系统的多个系统温度初始设定值中的每个系统温度初始设定值,获取与系统温度初始设定值对应的多个计算方式,包括:
确定所述目标对象的用电系统在典型气象日中的多个系统温度初始设定值;
针对所述多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的第一负荷曲线,以及与所述多个预定温度调节值一一对应的多个第二负荷曲线;其中,所述第一负荷曲线是根据所述用电系统的设定温度为所述系统温度初始设定值的情况下,所述用电系统在所述典型气象日中多个预定时刻的用电负荷得到的;所述多个第二负荷曲线中的每个第二负荷曲线,是根据所述用电系统的设定温度为所述系统温度初始设定值和对应的预定温度调节值的和的情况下,所述用电系统在所述典型气象日中所述多个预定时刻的用电负荷得到的;基于与系统温度初始设定值对应的第一负荷曲线、与所述多个预定温度调节值一一对应的多个第二负荷曲线,以及所述典型气象日的气温曲线,获取与所述系统温度初始设定值对应的多个计算方式。
3.根据权利要求2所述的方法,其特征在于,所述获取与系统温度初始设定值对应的第一负荷曲线,以及与所述多个预定温度调节值一一对应的多个第二负荷曲线,包括:
分别获取所述目标对象在多个典型气象日中,所述目标对象的用电系统的设定温度为多个系统温度初始设定值的情况下,分别与多个典型气象日对应的多个历史负荷曲线和多个历史气温曲线;所述多个典型气象日,是根据预定历史时间段内多个日期的气象数据和社会因素对所述多个日期进行划分得到的,所述气象数据包括环境温度,所述社会因素包括所述多个日期为工作日或非工作日;
根据所述多个典型气象日的多个历史负荷曲线和多个历史气温曲线,对用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型;所述历史负荷曲线是根据所述用电系统在对应典型气象日中多个时刻的用电负荷拟合得到的,所述历史气温曲线时根据对应典型气象日中多个时刻的环境温度拟合得到的;
根据所述热力学仿真模型获取与所述系统温度初始设定值对应的第一负荷曲线,以及与所述多个预定温度调节值一一对应的多个第二负荷曲线。
4.根据权利要求3所述的方法,其特征在于,所述分别获取所述目标对象在所述多个典型气象日中,所述目标对象的用电系统的设定温度为多个系统温度初始设定值的情况下,分别与多个典型气象日对应的多个历史负荷曲线和多个历史气温曲线,包括:
针对所述目标对象在所述多个典型气象日中的每个典型气象日,所述用电系统的设定温度为多个系统温度初始设定值中的每个系统温度初始设定值,采集所述用电系统在所述典型气象日中所述多个预定时刻的用电负荷,根据所述多个用电负荷和对应的时刻,拟合得到所述历史负荷曲线;
针对所述目标对象在所述多个典型气象日中的每个典型气象日:采集在典型气象日中所述多个预定时刻的环境温度,根据所述多个环境温度和对应的时刻,拟合得到所述历史气温曲线。
5.根据权利要求3所述的方法,其特征在于,所述根据所述在多个典型气象日的多个历史负荷曲线和多个历史气温曲线,对用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型,包括:
针对所述多个典型气象日中的每个典型气象日,获取与所述典型气象日对应的历史气温曲线;
根据所述历史气温曲线和所述用电负荷和用电系统设定温度的对应关系模型,获取所述目标对象在所述典型气象日中,在系统设定温度为所述系统温度初始设定值的情况下的预测负荷曲线;
根据所述预测负荷曲线和对应的历史负荷曲线,对所述用电负荷和用电系统设定温度的对应关系模型进行优化,获取热力学仿真模型。
6.根据权利要求3所述的方法,其特征在于,还包括:
根据所述目标对象的建筑物的热容,所述目标对象用电系统的系统温度设定值;目标对象用电系统中多个负荷的冷功率;所述目标对象的建筑物中所有的外表面的热传导热量之和,所述目标对象的建筑物多个外表面的表面对流传热系数,所述目标对象的建筑物中多个外表面的面积,所述目标对象建筑物外表面的温度,所述目标对象的建筑物内部环境温度、空气热交换系数,所述目标的对象建筑物中空气的热容,构建用电负荷和用电系统设定温度的对应关系模型。
7.根据权利要求3所述的方法,其特征在于,所述用电负荷和用电系统设定温度的对应关系模型,包括:
其中,CZ为所述目标对象的建筑物的热容,TZ为所述目标对象的HVAC系统的系统温度设定值,t为时间;Oi为第i个负荷的冷功率,为所述目标对象的建筑物中所有的Nsi个负荷的冷功率之和;为所述目标对象的建筑物中Nsurface个外表面的热传导热量之和,hj为所述目标对象的建筑物第j个外表面的表面对流传热系数,Aj为所述目标对象的建筑物第j个外表面的表面积,Tsup为所述目标对象的建筑物外表面的温度,Tsi为所述目标对象的建筑物内部环境温度,minfCp(Tsi-TZ)为所述目标对象的建筑物中负荷与内部环境的单位时间热交换量,minf为空气热交换系数,Cp为所述目标对象的建筑物中空气的热容,minfCp(Tsup-TZ)为所述目标对象的建筑物的内部环境与外部环境的单位时间热交换量。
8.根据权利要求1所述的方法,其特征在于,所述确定所述目标对象的目标温度调节值,包括:
获取所述目标对象参与需求响应的历史行为数据,根据所述历史行为数据确定与所述目标对象对应的目标温度调节值;或者,
获取所述目标对象参与需求响应的调研数据,根据所述调研数据确定与所述目标对象对应的目标温度调节值。
9.一种用电负荷响应潜力的预测装置,其特征在于,包括:
第一确定模块,用于确定目标对象的用电系统的多个系统温度初始设定值;
第一获取模块,用于针对所述用电系统的多个系统温度初始设定值中的每个系统温度初始设定值:获取与系统温度初始设定值对应的多个计算方式,其中,所述多个计算方式为多个根据环境温度计算用电负荷响应潜力的方式,所述多个计算方式和多个预定温度调节值一一对应,所述预定温度调节值为对所述系统温度初始设定值进行调节的温度值;
第二确定模块,用于确定所述用电系统的目标系统温度初始设定值、目标温度调节值和目标环境温度,其中,所述目标系统温度初始设定值为所述多个系统温度初始设定值中的一个,所述目标温度调节值为所述多个预定温度调节值中的一个;
第三确定模块,用于根据所述目标系统温度初始设定值和所述目标温度调节值,以及分别与多个系统温度初始设定值对应的多个计算方式,确定目标计算方式;
第二获取模块,用于根据所述目标环境温度和所述目标计算方式,获取所述目标对象的用电负荷响应潜力。
10.一种计算机可读存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至8中任意一项所述的用电负荷响应潜力的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210720288.4A CN115271168A (zh) | 2022-06-23 | 2022-06-23 | 用电负荷响应潜力的预测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210720288.4A CN115271168A (zh) | 2022-06-23 | 2022-06-23 | 用电负荷响应潜力的预测方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115271168A true CN115271168A (zh) | 2022-11-01 |
Family
ID=83762112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210720288.4A Pending CN115271168A (zh) | 2022-06-23 | 2022-06-23 | 用电负荷响应潜力的预测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115271168A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115829786A (zh) * | 2023-02-16 | 2023-03-21 | 国网浙江省电力有限公司金华供电公司 | 一种基于空调负荷的电网响应调节方法 |
-
2022
- 2022-06-23 CN CN202210720288.4A patent/CN115271168A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115829786A (zh) * | 2023-02-16 | 2023-03-21 | 国网浙江省电力有限公司金华供电公司 | 一种基于空调负荷的电网响应调节方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vedullapalli et al. | Combined HVAC and battery scheduling for demand response in a building | |
Harish et al. | A review on modeling and simulation of building energy systems | |
Shi et al. | Building energy management decision-making in the real world: A comparative study of HVAC cooling strategies | |
CN101021914A (zh) | 暖通空调负荷预测方法和系统 | |
Ding et al. | Multi-objective optimisation approach for campus energy plant operation based on building heating load scenarios | |
Xu et al. | Supply demand coordination for building energy saving: Explore the soft comfort | |
Naderi et al. | Demand response via pre-cooling and solar pre-cooling: A review | |
CN103971296A (zh) | 基于电负荷与气温的数学模型的购电方法 | |
Häring et al. | Impact of load matching algorithms on the battery capacity with different household occupancies | |
Afram et al. | Development of an accurate gray-box model of ubiquitous residential HVAC system for precise performance prediction during summer and winter seasons | |
CN115271168A (zh) | 用电负荷响应潜力的预测方法、装置及存储介质 | |
Wang et al. | Analysis of decision-making for air conditioning users based on the discrete choice model | |
Ku et al. | Building electric energy prediction modeling for BEMS using easily obtainable weather factors with Kriging model and data mining | |
Yu et al. | Estimating power demand shaving capacity of buildings on an urban scale using extracted demand response profiles through machine learning models | |
Souayfane et al. | A weather-clustering and energy-thermal comfort optimization methodology for indoor cooling in subtropical desert climates | |
Yang et al. | Strategy of constructing virtual peaking unit by public buildings' central air conditioning loads for day-ahead power dispatching | |
Yuan et al. | Two-level collaborative demand-side management for regional distributed energy system considering carbon emission quotas | |
CN110262422B (zh) | 工业园冷热电终端能源供应系统的设计基准日的确定方法 | |
CN111968008A (zh) | 基于多能协作的综合能源监控系统及方法 | |
Naderi et al. | Clustering based analysis of residential duck curve mitigation through solar pre-cooling: A case study of Australian housing stock | |
CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 | |
Gong et al. | Analysis of electricity consumption behavior of air conditioning based on the perspective of power demand response | |
Chinthavali et al. | Quantification of energy cost savings through optimization and control of appliances within smart neighborhood homes | |
CN113435031B (zh) | 一种空调所属房屋一阶etp模型的参数辨识方法和系统 | |
Xu et al. | Supply demand coordination for building energy saving |
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 |