CN115657545A - 一种基于空调与光伏联合运行的用电调控系统和方法 - Google Patents
一种基于空调与光伏联合运行的用电调控系统和方法 Download PDFInfo
- Publication number
- CN115657545A CN115657545A CN202211306035.9A CN202211306035A CN115657545A CN 115657545 A CN115657545 A CN 115657545A CN 202211306035 A CN202211306035 A CN 202211306035A CN 115657545 A CN115657545 A CN 115657545A
- Authority
- CN
- China
- Prior art keywords
- power
- load
- air conditioner
- agg
- photovoltaic
- 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.)
- Granted
Links
Images
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于空调与光伏联合运行的用电调控系统和方法,系统包括联合运行决策模块、若干个物联网终端调控器、负荷预测模块、光伏功率预测模块、气象数据采集模块,联合运行决策模块根据接收到的当前时刻空调负荷室内温度、用户刚性负荷预测功率、光伏预测功率和室外温度预测曲线得到空调负荷聚合功率并转化为各空调负荷的调控信号并发送至各空调负荷的物联网终端调控器。本发明可以减少未来空调负荷在电价较高时间段的用电量,使用户侧的电费支出有明显下降,能够有效地降低用户侧的最大峰值负荷,并且合理分担电力企业的成本。
Description
技术领域
本发明涉及能源技术领域,尤其涉及一种基于空调与光伏联合运行的用电调控系统和方法。
背景技术
随着生活水平的提高,空调等制冷制热电器的使用越来越广泛。每逢夏季或冬季,部分区域电网短时负荷高峰往往就是海量制冷制热电器使用引起的。这不仅给电网运行带来巨大挑战,导致峰谷电价差的不断拉大以促进储能投运力度加大;与此同时也进一步导致用户电费支出的增加。此外,随着双碳目标的推进,用户侧分布式光伏装机越来越普遍,大量分布式光伏电站功率随机波动带来网损增加、电压波动问题的同时,对用户而言也存在间歇性余电上网乃至弃光等损失。
建筑空调系统具有数量众多、可调控、热惯性等物理特性,参与光伏联合运行调控潜力巨大。根据光伏功率波动预测数据,通过空调物联网调控终端对空调运行状态及时进行调控,不仅可以平滑光伏发电功率曲线,而且也能实现一定程度电费支出的降低。近年来,大部分研究将需求侧响应引入到电网经济调度中,通过求解需求响应的优化调度问题,使电网公司在调控时间内的目标函数达到最优,有效提高新能源消纳能力以及能源利用效率。由于用户侧空调等电器的物联网调控终端长期缺乏不够普及,很少有研究将关注点放在用户侧空调与光伏的联合调控以降低电费这个角度,也鲜有考虑两部制电价对负荷侧用电行为的影响。
随着空调等电器设备的物联网调控终端成本的不断降低及使用的普及,电价改革中两部制电价推广使用的可能性,本发明将两部制电价作为激励机制,提出一种基于空调与光伏联合运行的用电调控系统和方法。
发明内容
本发明提出一种基于空调与光伏联合运行的用电调控系统和方法以解决上述技术问题,通过物联网调控技术实现空调与光伏联合运行调控,最终实现用户电费支出降低的目标。
为了达到上述目的,本发明所采用的技术方案为:
根据本发明实施例的第一方面,提供了一种基于空调与光伏联合运行的用电调控系统,包括:
联合运行决策模块,定义当前时刻为ts,将未来l小时时间区间均分为K个时间间隔;
安装于调控区域内各空调负荷的若干个物联网终端调控器,分别与联合运行决策模块通讯连接,用于测得当前时刻空调负荷室内温度并发送至联合运行决策模块;
负荷预测模块,与联合运行决策模块通讯连接;
光伏功率预测模块,与联合运行决策模块通讯连接;
气象数据采集模块分别与负荷预测模块、光伏功率预测模块、联合运行决策模块通讯连接;
气象数据采集模块获取未来l小时的气象预报数据并发送至负荷预测模块、光伏功率预测模块、联合运行决策模块;负荷预测模块根据用户负荷的历史刚性负荷功率数据和未来l小时的气象预报数据计算得到未来l小时的用户刚性负荷预测功率并发送至联合运行决策模块;光伏功率预测模块根据光伏历史功率数据和未来l小时的气象预报数据计算得到未来l小时的光伏预测功率并发送至联合运行决策模块;联合运行决策模块根据接收到的当前时刻空调负荷室内温度、用户刚性负荷预测功率、光伏预测功率和气象预报数据,得到未来l小时的空调负荷聚合功率,将空调负荷聚合功率中第一个时间间隔的聚合功率转化为各空调负荷的调控信号并发送至各空调负荷的物联网终端调控器。
根据本发明实施例的第二方面,提供了一种基于空调与光伏联合运行的用电调控系统,包括如下步骤:
步骤101,接收ts时刻实测的各空调负荷室内温度作为优化的初始温度,确定温度调控参数和功率调控参数的上下限;
步骤102,获取以ts时刻开始的未来l小时的两部制电价、用户刚性负荷预测功率、光伏预测功率以及室外温度预测曲线,以用户电费支出最少为目标建立优化函数,并确定优化函数的约束条件;
步骤103,采用内点法对优化函数进行求解,得到未来l小时的空调负荷聚合功率PAGG;
步骤104,将所得空调负荷聚合功率PAGG中第一个时间间隔的聚合功率P1 AGG转换成各空调负荷的调控信号,并发送至各空调负荷的物联网终端调控器。
作为优选,所述步骤101中,
确定温度调控参数的上下限,是指设定未来l小时的可调控温度上限TAGG,max、可调控温度下限TAGG,min,以此可调控温度上下限构成的温度区间作为室内温度的可调节裕度;
确定温度调控参数和功率调控参数的上下限,是指将调控区域内所有空调负荷功率上限相加得到聚合空调负荷功率上限PAGG,max,所有空调负荷功率下限相加得到聚合空调负荷功率下限PAGG,min;
确定将接收的当前时刻各空调负荷室内温度Ti AC定义为未来l小时优化的初始温度同时将初始温度求期望后的值作为未来l小时优化的聚合空调负荷的初始温度T1 AGG,其中i=1,2,…,N,N为调控区域内的空调负荷数量;
作为优选,所述步骤102中,未来l小时时间区间均分为K个时间间隔,获取t时刻的光伏预测功率Pt PV、用户侧刚性负荷预测功率Pt load,空调负荷聚合功率Pt AGG,1≤t≤K,则
未来l小时的两部制电价C:
C=[cg,cpeak,chigh,cvalley] (1)
其中,cg、cpeak、chigh、cvalley分别为两部制电价中的基本电价、尖峰电价、高峰电价、低谷电价;
未来l小时的室外温度预测曲线Tout:
未来l小时的光伏预测功率PPV:
未来l小时的用户刚性负荷预测功率Pload:
未来l小时的空调负荷聚合功率:
以用户电费支出最少为目标建立优化函数:
其中,Gconsumer为用户在两部制电价C激励下的用户电费支出,Ppeak为当前优化时段最大峰值负荷功率值,M为当月天数,为分时电价,时间间隔Pt consumer为两部制电价C激励下第t时段用户的用电总功率数据:
Pt consumer=Pt load+Pt AGG-Pt PV (7)
所述优化函数的约束条件包括:
1)空调负荷聚合功率约束:
PAGG,min≤Pt AGG≤PAGG,max (8)
2)空调负荷室内温度约束:
TAGG,min≤Tt AGG≤TAGG,max (9)
其中,Tt AGG为聚合后的空调负荷在第t时段对应的室内温度:
3)空调负荷室内温度初始与终止状态一致性约束:
作为优选,所述步骤104包括如下步骤:
步骤1041,以第一个时间间隔的聚合功率P1 AGG作为聚合功率目标值,以空调负荷实际调控功率值与聚合功率目标值求差后的绝对值最小为目标建立调控函数,并确定调控函数的约束条件
步骤1042,以内点法对调控函数进行求解,得到各空调负荷当前时刻的实际调控功率,发送至各空调负荷的物联网终端调控器。
作为优选,所述步骤1041中,以空调负荷实际调控功率值与聚合功率目标值求差后的绝对值最小为目标建立调控函数:
所述调控函数的约束条件包括:
其中,Ri、Ci、COPi分别为第i个空调负荷的热阻、热容与能效比,分别为第i个空调负荷的初始温度与下一时刻室内温度,Ti AC,max、Ti AC,min分别为第i个空调负荷的温度上下限,Pi AC,max、Pi AC,min分别为第i个空调负荷的功率上下限,为第i个空调负荷下一时刻的室内温度归一化后的值。
与现有技术相比较,本发明可以减少未来空调负荷在电价较高时间段的用电量,使用户侧的电费支出有明显下降,能够有效地降低用户侧的最大峰值负荷,并且合理分担电力企业的成本。
附图说明
图1为本发明一种基于空调与光伏联合运行的用电调控系统的结构示意图;
图2为本发明一种基于空调与光伏联合运行的用电调控方法的流程图;
图3为本发明实施例的用户刚性负荷预测功率与光伏预测功率曲线图;
图4为本发明实施例的室外温度曲线图;
图5为本发明实施例的晴天场景下空调负荷不参与调控的功率曲线与室内温度曲线;
图6为本发明实施例的晴天场景下空调负荷参与调控的功率曲线与室内温度曲线;
图7为本发明实施例的阴天场景下空调负荷不参与调控的功率曲线与室内温度曲线;
图8为本发明实施例的阴天场景下空调负荷参与调控的功率曲线与室内温度曲线;
图9为本发明实施例的多云天场景下空调负荷不参与调控的功率曲线与室内温度曲线;
图10为本发明实施例的多云天场景下空调负荷参与调控的功率曲线与室内温度曲线。
图中,1-联合运行决策模块,2-物联网终端调控器,3-负荷预测模块,4-光伏功率预测模块,5-气象数据采集模块。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
如图1所示,一种基于空调与光伏联合运行的用电调控系统,包括:联合运行决策模块1,安装于调控区域内各空调负荷的若干个物联网终端调控器2,负荷预测模块3,光伏功率预测模块4,和气象数据采集模块5。物联网终端调控器2、负荷预测模块3、光伏功率预测模块4和气象数据采集模块5分别与联合运行决策模块1通讯连接,且气象数据采集模块5分别与负荷预测模块3、光伏功率预测模块4通讯连接。
若干个物联网终端调控器2用于测得当前时刻ts时的空调负荷室内温度,并发送至联合运行决策模块1。
气象数据采集模块5获取未来l小时的气象预报数据并发送至负荷预测模块3、光伏功率预测模块4、联合运行决策模块1。这里的气象预报数据包括当前时刻ts开始后未来l小时的室外温度、天气类型、风速以及风力等预测的气象数据,可直接采用气象局发布的气象预报数据。
负荷预测模块3根据用户负荷的历史刚性负荷功率数据和未来l小时的气象预报数据计算得到未来l小时的用户刚性负荷预测功率并发送至联合运行决策模块1。具体的,根据前30天每15min为一刻度的用户负荷的历史刚性负荷数据以及室外温度气象预报数据,通过神经网络预测算法计算得到未来l小时的用户刚性负荷预测功率。
光伏功率预测模块4根据光伏历史功率数据和未来l小时的气象预报数据计算得到未来l小时的光伏预测功率并发送至联合运行决策模块1。具体的,根据前30天每15min为一刻度的光伏历史功率数据,结合气象预报数据,通过神经网络预测算法计算得到未来l小时的光伏预测功率。
联合运行决策模块1根据接收到的当前时刻空调负荷室内温度、用户刚性负荷预测功率、光伏预测功率和气象预报数据,得到未来l小时的空调负荷聚合功率,将空调负荷聚合功率中第一个时间间隔的聚合功率转化为各空调负荷的调控信号并发送至各空调负荷的物联网终端调控器2。
对应上述的一种基于空调与光伏联合运行的用电调控系统,如图2所示,本发明提供了一种基于空调与光伏联合运行的用电调控方法,包括如下步骤:
步骤101,接收ts时刻实测的各空调负荷室内温度作为优化的初始温度,确定温度调控参数和功率调控参数的上下限。
这里,确定温度调控参数的上下限,是指设定未来l小时的可调控温度上限TAGG ,max、可调控温度下限TAGG,min,以此可调控温度上下限构成的温度区间作为室内温度的可调节裕度;确定温度调控参数和功率调控参数的上下限,是指将调控区域内所有空调负荷功率上限相加得到聚合空调负荷功率上限PAGG,max,所有空调负荷功率下限相加得到聚合空调负荷功率下限PAGG,min;确定将接收的当前时刻各空调负荷室内温度Ti AC定义为未来l小时优化的初始温度同时将初始温度求期望后的值作为未来l小时优化的聚合空调负荷的初始温度T1 AGG,其中i=1,2,…,N,N为调控区域内的空调负荷数量。
步骤102,获取以ts时刻开始的未来l小时的两部制电价、用户刚性负荷预测功率、光伏预测功率以及室外温度预测曲线,以用户电费支出最少为目标建立优化函数,并确定优化函数的约束条件。
将未来l小时时间区间均分为K个时间间隔,获取t时刻的光伏预测功率Pt PV、用户侧刚性负荷预测功率Pt load,空调负荷聚合功率Pt AGG,1≤t≤K,则
未来l小时的两部制电价C:
C=[cg,cpeak,chigh,cvalley] (1);
其中,cg、cpeak、chigh、cvalley分别为两部制电价中的基本电价、尖峰电价、高峰电价、低谷电价;
未来l小时的室外温度预测曲线Tout:
未来l小时的光伏预测功率PPV:
未来l小时的用户刚性负荷预测功率Pload:
未来l小时的空调负荷聚合功率:
以用户电费支出最少为目标建立优化函数:
其中,Gconsumer为用户在两部制电价C激励下的用户电费支出,Ppeak为当前优化时段最大峰值负荷功率值,M为当月天数,为分时电价,时间间隔Pt consumer为两部制电价C激励下第t时段用户的用电总功率数据:
Pt consumer=Pt load+Pt AGG-Pt PV (7)。
所述优化函数的约束条件包括:
1)空调负荷聚合功率约束:
PAGG,min≤Pt AGG≤PAGG,max (8)。
2)空调负荷室内温度约束:
TAGG,min≤Tt AGG≤TAGG,max (9),
其中,Tt AGG为聚合后的空调负荷在第t时段对应的室内温度:
3)空调负荷室内温度初始与终止状态一致性约束:
步骤103,采用内点法对优化函数进行求解,得到未来l小时的空调负荷聚合功率PAGG。
根据步骤102中的优化函数(6)以及约束条件式(8)-(11),采用内点法求解出未来l小时的空调负荷聚合功率PAGG,作为联合运行决策变量。
步骤104,将所得空调负荷聚合功率PAGG中第一个时间间隔的聚合功率P1 AGG转换成各空调负荷的调控信号,并发送至各空调负荷的物联网终端调控器。
具体的,所述步骤104包括如下步骤:
步骤1041,以第一个时间间隔的聚合功率P1 AGG作为聚合功率目标值,以空调负荷实际调控功率值与聚合功率目标值求差后的绝对值最小为目标建立调控函数,并确定调控函数的约束条件。
以空调负荷实际调控功率值与聚合功率目标值求差后的绝对值最小为目标建立调控函数:
所述调控函数的约束条件包括:
其中,Ri、Ci、COPi分别为第i个空调负荷的热阻、热容与能效比,分别为第i个空调负荷的初始温度与下一时刻室内温度,Ti AC,max、Ti AC,min分别为第i个空调负荷的温度上下限,Pi AC,max、Pi AC,min分别为第i个空调负荷的功率上下限,为第i个空调负荷下一时刻的室内温度归一化后的值。
步骤1042,以内点法对调控函数进行求解,得到各空调负荷当前时刻的实际调控功率,发送至各空调负荷的物联网终端调控器。
最后,联合运行决策模块通过实时滚动优化的方法,将未来l小时聚合功率优化的调控向前移动一个时间间隔,即ts=ts+1,返回步骤101,循环执行优化调控。
下面,结合具体的实验数据进行说明,对24h的空调负荷聚合功率进行优化,即l=24,时间间隔数量K=96,调控区域内空调负荷数量N=200,当前时刻空调负荷室内温度、用户刚性负荷预测功率曲线和晴天、阴天、多云天场景下的光伏预测功率曲线如图3所示,室外温度预测曲线如图4所示,其他调控参数设置参见表1。
表1调控优化参数设置
参数 | 数值 | 参数 | 数值 |
P<sup>AGG,min</sup> | 0kW | Δs | 0.25h |
P<sup>AGG,max</sup> | 600kW | M | 31天 |
T<sub>1</sub><sup>AGG</sup> | 26.5℃ | c<sup>g</sup> | 40元Kw月 |
R | 4.509 | c<sup>peak</sup> | 1.1303元/kWh |
C | 1.195 | c<sup>high</sup> | 0.8373元/kWh |
COP | 2.78 | c<sup>valley</sup> | 0.3343元/kWh |
T<sup>AGG,max</sup> | 28℃ | T<sup>AGG,min</sup> | 24℃ |
三种不同天气场景下空调负荷参与调控前后的电费支出如表2所示,使用的两部制电价参考浙江省自2021年10月15日起执行的销售电价表,其中分时电价部分为一般工商业及其他用电分类中的35千伏及以上的电压等级所对应的电价,分别为尖峰电价1.1303元/千瓦时、高峰电价0.8373元/千瓦时以及低谷电价0.3343元/千瓦时,基本电价部分为大工业用电分类中对应的电价,为最大需量40元/千瓦/月;不同天气场景对应的功率曲线图如图5-10所示。
表2不同天气场景下电费支出
根据计算结果,可得出以下结论:
1)在优化调控过程中,用户可以起到较好的削峰填谷的作用。由于空调负荷具有一定的热存储能力,在电价较低的时间段,增大空调负荷的功率,用以减少未来空调负荷在电价较高时间段的用电量,并且用户侧的电费支出有了明显下降。
2)两部制电价不仅可以作为大工业用户的激励机制,也能够将两部制电价的应用到电网中更多的其他用户。两部制电价中包含的基本电价,能够有效地降低用户侧的最大峰值负荷,并且合理分担电力企业的成本。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由本申请的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (6)
1.一种基于空调与光伏联合运行的用电调控系统,其特征在于,包括:
联合运行决策模块,定义当前时刻为ts,将未来l小时时间区间均分为K个时间间隔;
安装于调控区域内各空调负荷的若干个物联网终端调控器,分别与联合运行决策模块通讯连接,用于测得当前时刻空调负荷室内温度并发送至联合运行决策模块;
负荷预测模块,与联合运行决策模块通讯连接;
光伏功率预测模块,与联合运行决策模块通讯连接;
气象数据采集模块分别与负荷预测模块、光伏功率预测模块、联合运行决策模块通讯连接;
气象数据采集模块获取未来l小时的气象预报数据并发送至负荷预测模块、光伏功率预测模块、联合运行决策模块;负荷预测模块根据用户负荷的历史刚性负荷功率数据和未来l小时的气象预报数据计算得到未来l小时的用户刚性负荷预测功率并发送至联合运行决策模块;光伏功率预测模块根据光伏历史功率数据和未来l小时的气象预报数据计算得到未来l小时的光伏预测功率并发送至联合运行决策模块;
联合运行决策模块根据接收到的当前时刻空调负荷室内温度、用户刚性负荷预测功率、光伏预测功率和气象预报数据,得到未来l小时的空调负荷聚合功率,将空调负荷聚合功率中第一个时间间隔的聚合功率转化为各空调负荷的调控信号并发送至各空调负荷的物联网终端调控器。
2.一种基于空调与光伏联合运行的用电调控方法,用于如权利要求1所述的一种基于空调与光伏联合运行的用电调控系统,其特征在于,包括如下步骤:
步骤101,接收ts时刻实测的各空调负荷室内温度作为优化的初始温度,确定温度调控参数和功率调控参数的上下限;
步骤102,获取以ts时刻开始的未来l小时的两部制电价、用户刚性负荷预测功率、光伏预测功率以及室外温度预测曲线,以用户电费支出最少为目标建立优化函数,并确定优化函数的约束条件;
步骤103,采用内点法对优化函数进行求解,得到未来l小时的空调负荷聚合功率PAGG;
步骤104,将所得空调负荷聚合功率PAGG中第一个时间间隔的聚合功率P1 AGG转换成各空调负荷的调控信号,并发送至各空调负荷的物联网终端调控器。
3.根据权利要求2所述的一种基于空调与光伏联合运行的用电调控方法,其特征在于,所述步骤101中,
确定温度调控参数的上下限,是指设定未来l小时的可调控温度上限TAGG,max、可调控温度下限TAGG,min,以此可调控温度上下限构成的温度区间作为室内温度的可调节裕度;
确定温度调控参数和功率调控参数的上下限,是指将调控区域内所有空调负荷功率上限相加得到聚合空调负荷功率上限PAGG,max,所有空调负荷功率下限相加得到聚合空调负荷功率下限PAGG,min;
4.根据权利要求2所述的一种基于空调与光伏联合运行的用电调控方法,其特征在于,所述步骤102中,未来l小时时间区间均分为K个时间间隔,获取t时刻的光伏预测功率Pt PV、用户侧刚性负荷预测功率Pt load,空调负荷聚合功率Pt AGG,1≤t≤K,则
未来l小时的两部制电价C:
C=[cg,cpeak,chigh,cvalley] (1)
其中,cg、cpeak、chigh、cvalley分别为两部制电价中的基本电价、尖峰电价、高峰电价、低谷电价;
未来l小时的室外温度预测曲线Tout:
未来l小时的光伏预测功率PPV:
未来l小时的用户刚性负荷预测功率Pload:
未来l小时的空调负荷聚合功率:
以用户电费支出最少为目标建立优化函数:
其中,Gconsumer为用户在两部制电价C激励下的用户电费支出,Ppeak为当前优化时段最大峰值负荷功率值,M为当月天数,为分时电价,时间间隔Pt consumer为两部制电价C激励下第t时段用户的用电总功率数据:
Pt consumer=Pt load+Pt AGG-Pt PV (7)
所述优化函数的约束条件包括:
1)空调负荷聚合功率约束:
PAGG,min≤Pt AGG≤PAGG,max (8)
2)空调负荷室内温度约束:
TAGG,min≤Tt AGG≤TAGG,max (9)
其中,Tt AGG为聚合后的空调负荷在第t时段对应的室内温度:
3)空调负荷室内温度初始与终止状态一致性约束:
5.根据权利要求3所述的一种基于空调与光伏联合运行的用电调控方法,其特征在于,所述步骤104包括如下步骤:
步骤1041,以第一个时间间隔的聚合功率P1 AGG作为聚合功率目标值,以空调负荷实际调控功率值与聚合功率目标值求差后的绝对值最小为目标建立调控函数,并确定调控函数的约束条件
步骤1042,以内点法对调控函数进行求解,得到各空调负荷当前时刻的实际调控功率,发送至各空调负荷的物联网终端调控器。
6.根据权利要求5所述的一种基于空调与光伏联合运行的用电调控方法,其特征在于,所述步骤1041中,以空调负荷实际调控功率值与聚合功率目标值求差后的绝对值最小为目标建立调控函数:
所述调控函数的约束条件包括:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211306035.9A CN115657545B (zh) | 2022-10-24 | 2022-10-24 | 一种基于空调与光伏联合运行的用电调控系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211306035.9A CN115657545B (zh) | 2022-10-24 | 2022-10-24 | 一种基于空调与光伏联合运行的用电调控系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115657545A true CN115657545A (zh) | 2023-01-31 |
CN115657545B CN115657545B (zh) | 2023-05-09 |
Family
ID=84990554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211306035.9A Active CN115657545B (zh) | 2022-10-24 | 2022-10-24 | 一种基于空调与光伏联合运行的用电调控系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115657545B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120096885A1 (en) * | 2010-10-25 | 2012-04-26 | Green Power Industrial Limited | Solar powered vehicle air-conditioning system |
CN109510247A (zh) * | 2018-11-16 | 2019-03-22 | 国网辽宁省电力有限公司葫芦岛供电公司 | 一种可控负荷与清洁能源发电技术协同优化控制方法 |
CN110323740A (zh) * | 2019-06-24 | 2019-10-11 | 中国农业大学 | 计及光伏出力和空调负荷动态相关性的经济调峰方法 |
CN111030096A (zh) * | 2019-12-06 | 2020-04-17 | 武汉理工大学 | 一种基于风光储联合发电系统的发用电一体化调度方法 |
WO2020215405A1 (zh) * | 2019-04-25 | 2020-10-29 | 山东大学 | 基于并网逆变器运行数据的光伏电站功率预测方法及系统 |
WO2021238505A1 (zh) * | 2020-05-27 | 2021-12-02 | 华北电力大学 | 基于联邦学习的区域光伏功率概率预测方法及协同调控系统 |
WO2021244000A1 (zh) * | 2020-06-03 | 2021-12-09 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
CN114039356A (zh) * | 2021-10-08 | 2022-02-11 | 福建奥德孚能源服务有限公司 | 利用光储系统调控用电负荷的方法、装置和存储介质 |
-
2022
- 2022-10-24 CN CN202211306035.9A patent/CN115657545B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120096885A1 (en) * | 2010-10-25 | 2012-04-26 | Green Power Industrial Limited | Solar powered vehicle air-conditioning system |
CN109510247A (zh) * | 2018-11-16 | 2019-03-22 | 国网辽宁省电力有限公司葫芦岛供电公司 | 一种可控负荷与清洁能源发电技术协同优化控制方法 |
WO2020215405A1 (zh) * | 2019-04-25 | 2020-10-29 | 山东大学 | 基于并网逆变器运行数据的光伏电站功率预测方法及系统 |
CN110323740A (zh) * | 2019-06-24 | 2019-10-11 | 中国农业大学 | 计及光伏出力和空调负荷动态相关性的经济调峰方法 |
CN111030096A (zh) * | 2019-12-06 | 2020-04-17 | 武汉理工大学 | 一种基于风光储联合发电系统的发用电一体化调度方法 |
WO2021238505A1 (zh) * | 2020-05-27 | 2021-12-02 | 华北电力大学 | 基于联邦学习的区域光伏功率概率预测方法及协同调控系统 |
WO2021244000A1 (zh) * | 2020-06-03 | 2021-12-09 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
CN114039356A (zh) * | 2021-10-08 | 2022-02-11 | 福建奥德孚能源服务有限公司 | 利用光储系统调控用电负荷的方法、装置和存储介质 |
Non-Patent Citations (2)
Title |
---|
SILVIA GOBBI: "《A Rating System for Integrating Building Performance Tools in Developing Countries》", 《ENERGY PROCEDIA》 * |
蔡冬阳: "《光伏影响下考虑气象负荷分解和LSSVM的负荷预测》", 《计算技术与自动化》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115657545B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | Flexibility categorization, sources, capabilities and technologies for energy-flexible and grid-responsive buildings: State-of-the-art and future perspective | |
Hui et al. | A transactive energy framework for inverter-based HVAC loads in a real-time local electricity market considering distributed energy resources | |
CN108039710B (zh) | 一种基于阶跃特性的空调负荷参与的电网日前调度方法 | |
CN110729726B (zh) | 一种智慧社区能量优化调度方法和系统 | |
Liu et al. | A collaborative design of aggregated residential appliances and renewable energy for demand response participation | |
CN106127337B (zh) | 基于变频空调虚拟机组建模的机组组合方法 | |
CN110474370B (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
CN114243717B (zh) | 基于调温启停混合控制方式的空调负荷双层优化调度方法 | |
FI128279B (en) | Method and system for dynamically grouping a group of power units to produce frequency control for a power system | |
Ninagawa et al. | Fine-time-granularity fast demand control of building HVAC facilities for future smart grid | |
WO2024069053A1 (en) | Control of a district heating system | |
Tiwari et al. | Optimal scheduling of home appliances under automated demand response | |
CN111600381B (zh) | 一种用电计量控制空调系统及电网调峰调频方法 | |
Zhou et al. | Flexible load optimal regulation strategy of commercial buildings under the environment of electricity market | |
CN115657545B (zh) | 一种基于空调与光伏联合运行的用电调控系统和方法 | |
CN113420413B (zh) | 一种基于负荷可塑性的柔性负荷可调节能力量化方法及系统 | |
CN107273673B (zh) | 一种考虑平抑风电波动的空调冷水机组群控方法 | |
Li et al. | Seamlessly Fuel Flexible Heat Pump with Optimal Model-based Control Strategies to Reduce Peak Demand, Utility Cost and CO2 Emission | |
CN109190988B (zh) | 一种实现温控负荷最优协同的需求侧响应博弈方法 | |
CN113610394A (zh) | 一种基于区域互联的能源市场双边竞价出清方法 | |
Fan et al. | A user energy management system (UEMS)-based microgrid economic dispatch model | |
CN117200176B (zh) | 一种基于新能源多负荷协同控制的需求侧控制方法及系统 | |
CN115377963B (zh) | 一种异质性集群空调负荷新型温度设定值控制方法 | |
CN112967152B (zh) | 一种水环热泵负荷聚合建模与控制方法 | |
Kheiri et al. | Integrating the Energy Flexibility of Cold Climate Air Source Heat Pump in Home Energy Management Systems |
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 |