CN116128227A - 电能分配方法及装置 - Google Patents

电能分配方法及装置 Download PDF

Info

Publication number
CN116128227A
CN116128227A CN202211736716.9A CN202211736716A CN116128227A CN 116128227 A CN116128227 A CN 116128227A CN 202211736716 A CN202211736716 A CN 202211736716A CN 116128227 A CN116128227 A CN 116128227A
Authority
CN
China
Prior art keywords
constraint
building
grid
micro
electric energy
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
Application number
CN202211736716.9A
Other languages
English (en)
Other versions
CN116128227B (zh
Inventor
靳小龙
雷雨
贾宏杰
穆云飞
余晓丹
汪晗忱
徐宪东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202211736716.9A priority Critical patent/CN116128227B/zh
Publication of CN116128227A publication Critical patent/CN116128227A/zh
Application granted granted Critical
Publication of CN116128227B publication Critical patent/CN116128227B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种电能分配方法及装置。该方法包括：根据微型电网的电能分布情况和各建筑集群的用电需求，构建微网功率平衡约束；根据微型电网的平均购电价格和售电价格上下限，构建电价约束；根据微型电网的网络拓扑情况，构建微网运行约束；根据各建筑集群的室内温度，以及送风温度，构建各建筑集群的电能损耗约束；根据该建筑集群中各建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束；根据建筑集群的室内温度需求和/或温度调节情况，构建温度约束；在满足目标约束条件的情况下，根据微型电网的电能需求成本和各建筑集群的电能需求成本，确定微型电网的目标电能分配情况。

Description

电能分配方法及装置
技术领域
本发明实施例涉及社区综合能源系统优化运行技术领域，尤其涉及一种电能分配方法及装置。
背景技术
在微型电网系统中，微型电网通过从上级配电网购买电能，以及自身生成电能，并将电能提供给各建筑集群以供使用。
现有技术中，微型电网通常根据自身的供电需求，确定购买电能和生成电能的比例，目标电能分配情况存在准确度不高的问题。
发明内容
本发明提供一种电能分配方法及装置，以提高目标电能分配情况的准确度。
根据本发明的一方面，提供了一种电能分配方法，包括：
根据微型电网的电能分布情况和所述微型电网对应各建筑集群的用电需求，构建微网功率平衡约束；
根据所述微型电网的平均购电价格和售电价格上下限，构建电价约束；
根据所述微型电网的网络拓扑情况，构建微网运行约束；
根据各所述建筑集群的室内温度，以及设置于相应建筑集群的空气调节装置的送风温度，构建各所述建筑集群的电能损耗约束；
根据该建筑集群中各建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束；
根据所述建筑集群的室内温度需求和/或温度调节情况，构建温度约束；
在满足目标约束条件的情况下，根据所述微型电网的电能需求成本和各所述建筑集群的电能需求成本，确定所述微型电网的目标电能分配情况；
其中，所述目标约束条件包括所述微网功率平衡约束、所述电价约束、所述微网运行约束、各所述建筑集群的电能损耗约束、各所述建筑节点的热平衡约束、所述温度约束中的至少一种。
根据本发明的另一方面，提供了一种电能分配装置，包括：
微网功率平衡约束构建模块，用于根据微型电网的电能分布情况和所述微型电网对应各建筑集群的用电需求，构建微网功率平衡约束；
电价约束构建模块，用于根据所述微型电网的平均购电价格和售电价格上下限，构建电价约束；
微网运行约束构建模块，用于根据所述微型电网的网络拓扑情况，构建微网运行约束；
电能损耗约束构建模块，用于根据各所述建筑集群的室内温度，以及设置于相应建筑集群的空气调节装置的送风温度，构建各所述建筑集群的电能损耗约束；
热平衡约束构建约束，用于根据该建筑集群中各建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束；
温度约束构建模块，用于根据所述建筑集群的室内温度需求和/或温度调节情况，构建温度约束；
目标电能分配情况确定模块，用于在满足目标约束条件的情况下，根据所述微型电网的电能需求成本和各所述建筑集群的电能需求成本，确定所述微型电网的目标电能分配情况；
其中，所述目标约束条件包括所述微网功率平衡约束、所述电价约束、所述微网运行约束、各所述建筑集群的电能损耗约束、各所述建筑节点的热平衡约束、所述温度约束中的至少一种。
本发明实施例提供的电能分配方案，通过引入微网功率平衡约束、电价约束、微网运行约束、各建筑集群的电能损耗约束、各建筑节点的热平衡约束和温度约束，确定目标约束条件，提高了确定的目标约束条件的全面性；同时，基于目标约束条件，确定目标电能分配情况，提高了目标电能分配情况的准确度。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1A是本发明实施例一提供的一种电能分配方法的流程图；
图1B是本发明实施例一提供的一种单个墙体的热动态过程的示意图；
图1C是本发明实施例一提供的各建筑节点的等效关系示意图；
图2是本发明实施例二提供的一种电能分配方法的流程图；
图3是本发明实施例三提供的一种电能分配过程中各参与方之间的关系示意图；
图4是本发明实施例三提供的一种不同方向上太阳光照强度和室外温度的关系示意图；
图5是本发明实施例三提供的一种微型电网从上级配电网的购电价格与光伏系统出力的关系图；
图6是本发明实施例三提供的一种任一建筑集群中随机热量与不可控设备负荷功率的示意图；
图7是本发明实施例三提供的一种目标电能分配情况的求解示意图；
图8是本发明实施例三提供的一种微型电网的购电量与购电价格的关系示意图；
图9是本发明实施例三提供的一种建筑集群A和HVAC送风出口温度的关系示意图；
图10是本发明实施例三提供的一种建筑集群B和HVAC送风出口温度的关系示意图；
图11是本发明实施例三提供的一种建筑集群C和HVAC送风出口温度的关系示意图；
图12是本发明实施例三提供的一种建筑集群A的HVAC消耗的功率，与微型电网提供给建筑集群A的售电价格的关系示意图；
图13是本发明实施例三提供的一种建筑集群B的HVAC消耗的功率，与微型电网提供给建筑集群B的售电价格的关系示意图；
图14是本发明实施例三提供的一种建筑集群C的HVAC消耗的功率，与微型电网提供给建筑集群C的售电价格的关系示意图；
图15是本发明实施例三提供的场景2中微型电网从上级配电网的购电量和购电价格的关系示意图；
图16是本发明实施例三提供的场景2中建筑集群A室内温度和HVAC送风口温度的关系示意图；
图17是本发明实施例三提供的场景2中建筑集群B室内温度和HVAC送风口温度的关系示意图；
图18是本发明实施例三提供的场景2中建筑集群C室内温度和HVAC送风口温度的关系示意图；
图19是本发明实施例三提供的场景2中建筑集群A的HVAC消耗功率和微型电网提供给建筑集群A的售电价格的关系示意图；
图20是本发明实施例三提供的场景2中建筑集群B的HVAC消耗功率和微型电网提供给建筑集群B的售电价格的关系示意图；
图21是本发明实施例三提供的场景2中建筑集群C的HVAC消耗功率和微型电网提供给建筑集群C的售电价格的关系示意图；
图22是本发明实施例三提供的各建筑集群的运营成本和微型电网的盈利，分别在场景1和场景2中的对比示意图；
图23是本发明实施例四提供的一种电能分配装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1A是本发明实施例一提供的一种电能分配方法的流程图，本实施例可适用于对不同建筑集群进行电能分配的情况，该方法可以由电能分配装置来执行，该装置可采用软件和/或硬件的方式实现，并可配置于承载电能分配方法的电子设备中。
参见图1A所示的电能分配方法，包括：
S110、根据微型电网的电能分布情况和微型电网对应各建筑集群的用电需求，构建微网功率平衡约束。
其中，微型电网可以用于从上级配电网购买电能，以及通过自身具备的发电设备生成电能，并将电能提供给建筑集群，以供使用。电能分布情况是指微型电网从上级配电网购买的电能，以及自身发电设备生成的电能的比例情况。用电需求是指建筑集群中各建筑集群的建筑节点需要使用的电能多少。微网功率平衡约束是指在电能分配过程中，微型电网中的电能需要满足的功率平衡条件。建筑集群是指包括至少一个房间，也即建筑节点的建筑区域。上级配电网是指可以为微型电网提供电能的系统。需要说明的是，本发明实施例对发电设备不作任何限定，可以是技术人员根据经验进行设置。示例性的，发电设备可以是光伏系统。
示例性的，可以通过以下公式，确定微网功率平衡约束：
Figure BDA0004031157860000041
其中，Pt buy表示微型电网从上级配电网购买的电能的功率；Pt pv表示微型电网的发电设备(如光伏系统)生成的电能的功率；ag表示各建筑集群的编号；
Figure BDA0004031157860000042
表示建筑集群中建筑节点使用电能的功率；n(n＝1,2,…,N)表示建筑集群ag中第n个建筑节点；N表示建筑集群ag中建筑节点的总数量。
S120、根据微型电网的平均购电价格和售电价格上下限，构建电价约束。
其中，平均购电价格是指在一个电能分配周期中，微型电网提供给建筑集群的平均电能价格。电价约束是指在电能分配过程中，微型电网提供给建筑集群的电能价格需要满足的条件。
在一个可选实施例中，根据微型电网的平均购电价格和售电价格上下限，构建电价约束，包括：根据微型电网的售电价格上下限，构建第一电价约束；根据微型电网从配电网中的平均购电价格，构建第二电价约束。
其中，第一电价约束是指微型电网提供给建筑集群的电能价格，不能超过微型电网的售电价格的上限，且不能低于微型电网的售电价格的下限。第二电价约束是指微型电网提供给建筑集群的平均购电价格，不能超过建筑集群直接从上级配电网购买电能的价格。
示例性的，可以通过以下公式，确定第一电价约束：
Figure BDA0004031157860000043
其中，
Figure BDA0004031157860000044
表示微型电网的售电价格的下限；
Figure BDA0004031157860000045
表示微型电网的售电价格的上限；
Figure BDA0004031157860000046
表示微型电网提供给建筑集群的电能价格。需要说明的是，本发明实施例对微型电网的售电价格的下限
Figure BDA0004031157860000051
和微型电网的售电价格的上限
Figure BDA0004031157860000052
的大小不作任何限定，可以是技术人员根据经验进行设置。
示例性的，可以通过以下公式，确定第二电价约束：
Figure BDA0004031157860000053
其中，Csale_avg表示建筑集群从上级配电网购买电能的价格；T表示一个电能分配周期。需要说明的是，本发明实施例对电能分配周期T的大小不作任何限定，可以是技术人员根据经验进行设置。
可以理解的是，通过引入第一电价约束和第二电价约束，共同构建电价约束，提高了构建电价约束的丰富性和全面性，使得构建电价约束的过程更加清楚，有助于提高后续所确定目标电能分配情况的准确度。
S130、根据微型电网的网络拓扑情况，构建微网运行约束。
其中，网络拓扑情况是指微型电网中各节点的连接关系。微网运行约束是指在电能分配过程中，微型电网的运行情况需要满足的条件。
在一个可选实施例中，根据微型电网的网络拓扑情况，构建微网运行约束，包括：根据微型电网中相邻电网节点的电导抗参数，以及所关联建筑集群的有功功率需求情况和无功功率需求情况，分别构建有功功率约束和无功功率约束；根据微型电网中相邻电网节点的点导抗参数以及节点电压情况，构建节点电压约束；分别对有功功率约束、无功功率约束和节点电压约束进行线性化，并根据线性化结果生成微网运行约束。
其中，电导抗参数是指描述电量的参数。具体的，电导抗参数可以包括电阻和电抗。有功功率约束是指电能分配过程中，有功功率需要满足的条件。无功功率约束是指电能分配过程中，无功功率需要满足的条件。节点电压约束是指电能分配过程中，节点电压需要满足的条件。有功功率需求情况是指微型电网中的建筑集群所需有功功率的多少。无功功率需求情况是指微型电网中的建筑集群所需无功功率的多少。节点电压情况是指微型电网中电网节点的电压大小。
示例性的，可以通过以下公式，确定有功功率约束：
Figure BDA0004031157860000054
其中，Pn+1表示电网节点n+1注入的有功功率；Pn表示电网节点n+1的相邻电网节点n注入的有功功率；rf表示相邻电网节点间的电阻；Qn表示电网节点n注入的无功功率；Vn表示电网节点n的电压；
Figure BDA0004031157860000055
表示电网节点n+1的负荷消耗的有功功率。
示例性的，可以通过以下公式，确定无功功率约束：
Figure BDA0004031157860000061
其中，Qn+1表示电网节点n+1注入的无功功率；xf表示相邻电网节点间的电抗；
Figure BDA0004031157860000062
表示电网节点n+1的负荷消耗的无功功率。
示例性的，可以通过以下公式，确定节点电压约束：
Figure BDA0004031157860000063
1-ε≤Vn≤1+ε；
其中，Vn+1表示电网节点n+1的电压；ε表示电网节点n的电压的变化范围。需要说明的是，本发明实施例对ε的大小不作任何限定，可以是技术人员根据经验进行设置，还可以是通过大量试验反复确定。示例性的，ε可以设置为0.05。
进一步的，分别对上述有功功率约束、无功功率约束和节点电压约束进行线性化，并根据线性化结果生成微网运行约束：
Figure BDA0004031157860000064
Figure BDA0004031157860000065
Figure BDA0004031157860000066
1-ε≤Vn≤1+ε；
可以理解的是，通过引入有功功率约束、无功功率约束和节点电压约束，构建微网运行约束，提高了微网运行约束的全面性；同时，通过对有功功率约束、无功功率约束和节点电压约束进行线性化，减少了运算量，提高了进行目标电能分配情况确定过程的运算效率。
S140、根据各建筑集群的室内温度，以及设置于相应建筑集群的空气调节装置的送风温度，构建各建筑集群的电能损耗约束。
其中，室内温度是指建筑集群中的建筑节点对应的房间内温度。送风温度是指空气调节装置的出风口所输出空气的温度。电能损耗约束是指在电能分配过程中，消耗的电能需要满足的约束条件。需要说明的是，本发明实施例对空气调节装置不作任何限定，可以是技术人员根据经验进行设置。示例性的，空气调节装置可以是暖通空调系统(Heating,Ventilation and Air Conditioning，HVAC)。
在一个可选实施例中，根据各建筑集群的室内温度，以及设置于相应建筑集群的空气调节装置的送风温度，构建各建筑集群的电能损耗约束，包括：根据空气调节装置的单位时间送风量和送风温度，以及建筑集群的室内温度，确定空气调节装置的可控电能损耗约束；根据可控电能损耗约束和不可控用电设备的电能损耗情况，确定建筑集群的电能损耗约束。
其中，可控电能损耗约束是指建筑集群的建筑节点中所安装空气调节装置需要满足的可控部分电能的约束条件。不可控用电设备是指建筑集群的建筑节点中除空气调节装置以外的其他用电设备。电能损耗情况是指建筑集群的建筑节点中不可控用电设备使用电能的多少。送风温度是指空气调节装置(如HVAC)的送风出口温度。送风量是指空气调节装置(如HVAC)的出口风速的大小。
示例性的，若空气调节装置为暖通空调系统(HVAC)，可以通过以下公式，确定可控电能损耗约束：
Figure BDA0004031157860000071
其中，
Figure BDA0004031157860000072
表示空气调节装置的耗电功率；mr表示空气调节装置的单位时间送风量，单位为kg/s；cair表示空气比热容，单位为J/kg/℃；
Figure BDA0004031157860000073
表示送风温度，单位为℃；
Figure BDA0004031157860000074
表示室内温度，单位为℃；COP表示暖通空调系统的性能参数。本发明实施例对COP的大小不作任何限定，可以是技术人员根据经验进行设置。示例性的，COP可以为3。
进一步的，可以通过以下公式，确定电能损耗约束：
Figure BDA0004031157860000075
其中，
Figure BDA0004031157860000076
表示建筑集群的耗电功率；
Figure BDA0004031157860000077
表示不可控用电设备的电能损耗功率。需要说明的是，本发明实施例对不可控用电设备的电能损耗功率
Figure BDA0004031157860000078
的大小不作任何限定，可以是技术人员根据经验进行设置。
可以理解的是，通过引入可控电能损耗约束和不可控用电设备的电能损耗情况，确定建筑集群的电能损耗约束，实现了对建筑集群中各用电设备的综合考虑，提高了电能损耗约束的准确性和全面性。
S150、根据该建筑集群中各建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束。
其中，建筑节点是指任一建筑集群中，该建筑集群中的任一房间。热导抗参数用于描述建筑节点中各围护结构对应的热量参数。具体的，热导抗参数可以包括热阻和热容。热平衡约束是指在电能分配过程中，建筑节点需要满足的热量平衡条件。需要说明的是，热平衡约束的数量为至少一个。
在本发明实施例中，建筑集群可以包括单体建筑集群和集成建筑集群。其中，单体楼宇是指一个建筑物构成的建筑集群。集成建筑集群是指由多个建筑物构成的建筑集群。单体建筑集群较为简单，可采用较为详细的模型描述动态，而规模较大的集成建筑集群，在参与微型电网系统运行优化中，为提高运算速度可以简化建筑集群的分层结构，并用集总的热阻和热容参数模型来描述建筑集群围护结构的热动态过程。因此，考虑建筑集群的制热分区的RC(Resistance-Capacitance Circuits)网络热动态模型，更适用于集成建筑集群的微型电网系统的运行优化。
建筑集群的墙体、地板、天花板等围护结构在传热的过程中同时具有一定的储热能力，RC网络模型将建筑集群的围护结构和室内空气考虑为具有传热和储热功能的元件，且元件的质量和比热容决定了储热能力，各元件中的热量会随室内外环境温度变化而传递。
可以将热量在建筑集群围护结构中传递的过程，类比于电荷在电路中传递的过程，从而建立建筑集群的RC网络热动态模型，如表1所示。将热学单位与电学单位进行类比，并考虑建筑集群的热暂态过程引入热容代表各元件的储热能力，使RC网络模型可以较准确的模拟建筑集群围护结构的热动态过程。
表1热学、电学单位类比
Figure BDA0004031157860000081
如图1B所示，以单个墙体的热动态过程为例，来说明RC网络模型的原理。该墙体的两侧分别为外界和室内环境，并假设室内空气温度分布均匀且总质量不变。因此可以将室外空气，墙体，室内空气考虑为三个节点，它们的温度分别为室外温度T1、墙体温度Tw和室内空气温度T3。C1表示室外空气的热容，C2表示墙体的热容，C3表示室内空气的热容，代表各节点具有的一定储热能力。由于窗户相对于墙体来说较薄，所以忽略窗户的热容。热量可以通过窗户或者墙体两条路径传导，R1代表墙体外表面和外界空气热对流过程中的热阻，R3代表墙体内表面与室内空气热对流过程中的热阻，R2代表热量在墙体内热传导过程中的热阻，可近似认为三者之和为墙体的总热阻。Rwin代表窗户的总热阻。并考虑由于太阳辐射使墙体得热量Qrad1和太阳辐射直接透过窗户使得室内空气的得热量Qrad2。
在一个可选实施例中，建筑节点的热平衡约束包括建筑节点与相应邻近节点之间的墙体热平衡约束；相应的，根据该建筑集群中各建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束，包括：针对该建筑集群中各建筑节点的分布情况，确定任一建筑节点的邻近节点；针对任一建筑节点，根据该建筑节点的室内温度、相应邻近节点的室内温度、以及与相应邻近节点之间的共用墙体的墙体参数，构建该建筑节点与相应邻近节点之间的墙体热平衡约束；其中，墙体参数包括热导抗参数、光照参数和待优化的墙体温度。
其中，墙体热平衡约束是指在电能分配过程中，建筑节点对应墙体需要满足的热能平衡条件。光照参数是指用来描述墙体受到光照的数据。具体的，光照参数可以包括墙体是否接受阳光照射、墙体的吸热率和墙体接受室外光照的强度。
示例性的，参见图1C所示的各建筑节点的等效关系部分。若确定任一建筑节点为建筑节点1；该建筑节点1右侧的邻近节点为建筑节点2；该建筑节点1上方的邻近节点为建筑节点3；该建筑节点1左侧的邻近节点为外界，设为建筑节点4；该建筑节点1下方的邻近节点为外界，设为建筑节点5；可以通过以下公式，构建该建筑节点1分别与建筑节点2、建筑节点3、建筑节点4和建筑节点5之间的墙体热平衡约束：
Figure BDA0004031157860000091
其中，
Figure BDA0004031157860000092
表示建筑节点1的室内温度；
Figure BDA0004031157860000093
表示建筑节点2的室内温度；
Figure BDA0004031157860000094
表示建筑节点3的室内温度；
Figure BDA0004031157860000095
表示建筑节点4(图中未示出)的室外温度；
Figure BDA0004031157860000096
表示建筑节点5(图中未示出)的室外温度；
Figure BDA0004031157860000097
表示建筑节点1和建筑节点2之间共用墙体的热容；
Figure BDA0004031157860000098
表示建筑节点1和建筑节点3之间共用墙体的热容；
Figure BDA0004031157860000099
表示建筑节点1和建筑节点4之间共用墙体的热容；
Figure BDA00040311578600000910
表示建筑节点1和建筑节点5之间共用墙体的热容；
Figure BDA00040311578600000911
表示建筑节点1和建筑节点2之间共用墙体的墙体温度；
Figure BDA00040311578600000912
表示建筑节点1和建筑节点3之间共用墙体的墙体温度；
Figure BDA00040311578600000913
表示建筑节点1和建筑节点4之间共用墙体的墙体温度；
Figure BDA00040311578600000914
表示建筑节点1和建筑节点5之间共用墙体的墙体温度；
Figure BDA00040311578600000915
表示建筑节点1和建筑节点2之间共用墙体的热阻；
Figure BDA00040311578600000916
表示建筑节点1和建筑节点3之间共用墙体的热阻；
Figure BDA00040311578600000917
表示建筑节点1和建筑节点4之间共用墙体的热阻；
Figure BDA00040311578600000918
表示建筑节点1和建筑节点5之间共用墙体的热阻；r1,2表示建筑节点1和建筑节点2之间共用墙体是否接受阳光照射；r1,3表示建筑节点1和建筑节点3之间共用墙体是否接受阳光照射；r1,4表示建筑节点1和建筑节点4之间共用墙体是否接受阳光照射；r1,5表示建筑节点1和建筑节点5之间共用墙体是否接受阳光照射；α1,2表示建筑节点1和建筑节点2之间共用墙体的吸热率；α1,3表示建筑节点1和建筑节点3之间共用墙体的吸热率；α1,4表示建筑节点1和建筑节点4之间共用墙体的吸热率；α1,5表示建筑节点1和建筑节点5之间共用墙体的吸热率；
Figure BDA00040311578600000919
表示建筑节点1和建筑节点2之间共用墙体的表面积；
Figure BDA0004031157860000101
表示建筑节点1和建筑节点3之间共用墙体的表面积；
Figure BDA0004031157860000102
表示建筑节点1和建筑节点4之间共用墙体的表面积；
Figure BDA0004031157860000103
表示建筑节点1和建筑节点5之间共用墙体的表面积；
Figure BDA0004031157860000104
表示建筑节点1和建筑节点2之间共用墙体接受室外光照的强度；
Figure BDA0004031157860000105
表示建筑节点1和建筑节点3之间共用墙体接受室外光照的强度；
Figure BDA0004031157860000106
表示建筑节点1和建筑节点4之间共用墙体接受室外光照的强度；
Figure BDA0004031157860000107
表示建筑节点1和建筑节点5之间共用墙体接受室外光照的强度。需要说明的是，本发明实施例对确定相邻节点间的共用墙体是否接受阳关照射的方式不作任何限定，可以是技术人员根据经验进行设置。举例说明，r1,j(j＝2,3,4,5)取1时，表示该共用墙体接受阳光照射；r1,j(j＝2,3,4,5)取0时，表示该共用墙体没有接受阳光照射。
可以理解的是，通过引入墙体热平衡约束，确定任一建筑节点之间共用墙体的热量平衡，实现了对任一建筑节点各墙体的热平衡的考虑，提高了后续处理的准确性。
在另一可选实施例中，建筑节点的热平衡约束包括建筑节点的室内热平衡约束；相应的，根据该建筑集群中各建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束，包括：针对该建筑集群中各建筑节点的分布情况，确定任一建筑节点的邻近节点；针对任一建筑节点，根据该建筑节点的室内温度、室外温度、共用墙体的墙体参数和窗体参数，构建该建筑节点的室内热平衡约束；其中，窗体参数包括窗体热阻、窗体面积和窗体光照参数。
其中，室内热平衡约束是指在电能分配过程中，任一房间中的热量需要满足的热能平衡条件。窗体光照参数是指用来描述窗体受到光照的数据。具体的，窗体光照参数可以包括窗体透射率和窗体接受的光照强度。
延续前例，可以通过以下公式，确定室内热平衡约束：
Figure BDA0004031157860000108
其中，
Figure BDA0004031157860000109
表示建筑节点1的热容；
Figure BDA00040311578600001010
表示建筑节点1与相邻节点之间共用墙体的墙体温度；
Figure BDA00040311578600001011
表示建筑节点1与相邻节点之间共用墙体的热阻；
Figure BDA00040311578600001012
表示窗体热阻；
Figure BDA00040311578600001013
表示送风温度；
Figure BDA00040311578600001014
表示建筑节点1的随机热量；τw表示窗体透射率；
Figure BDA00040311578600001015
表示窗体面积；
Figure BDA00040311578600001016
表示窗体接受的光照强度。
可以理解的是，通过引入室内热平衡约束，实现了对任一建筑节点的热平衡的确定，提高了热平衡约束的构建结果的准确性。
进一步的，为了减小运算量，可以对上述墙体热平衡约束和室内热平衡约束进行差分化，得到热平衡约束：
Figure BDA0004031157860000111
Figure BDA0004031157860000112
S160、根据建筑集群的室内温度需求和/或温度调节情况，构建温度约束。
其中，室内温度需求是指室内需要的适宜温度。温度调节情况是指空气调节装置的温度调节大小。温度约束是指在电能分配过程中，建筑集群中的温度需要满足的条件。
在一个可选实施例中，根据建筑集群的室内温度需求和/或温度调节情况，构建温度约束，包括：根据建筑集群的室内温度上下限，构建室内温度约束；根据建筑集群中空气调节装置的出风口温度调节上下限，构建出风口温度约束；生成包括室内温度约束和出风口温度约束的温度约束。
其中，室内温度约束是指在电能分配过程中，建筑集群的房间内部需要满足的温度条件。出风口温度约束是指在电能分配过程中，建筑集群中的空气调节装置需要满足的温度条件。
示例性的，可以通过以下公式，确定室内温度约束：
Figure BDA0004031157860000113
其中，Tt r_min表示室内温度的下限；Tt r_max表示室内温度的上限；
Figure BDA0004031157860000114
表示室内温度。需要说明的是，本发明实施例对室内温度的下限Tt r_min，和室内温度的上限Tt r_max的大小不作任何限定，可以是技术人员根据经验进行设置。
示例性的，可以通过以下公式，确定出风口温度约束：
Figure BDA0004031157860000115
其中，Tt h_min表示出风口温度调节的下限；Tt h_max表示出风口温度调节的上限；
Figure BDA0004031157860000121
表示出风口温度。
进一步的，根据上述室内温度约束和出风口温度约束，生成温度约束。
可以理解的是，通过引入室内温度约束和出风口温度约束，生成温度约束，实现了对建筑集群中温度的综合考虑，提高了温度约束的丰富性和全面性，有助于提高后续所确定目标电能分配情况的准确度。
S170、在满足目标约束条件的情况下，根据微型电网的电能需求成本和各建筑集群的电能需求成本，确定微型电网的目标电能分配情况。
其中，目标约束条件是指电能分配过程中，建筑集群和微型电网需要满足的条件。具体的，目标约束条件可以包括微网功率平衡约束、电价约束、微网运行约束、各建筑集群的电能损耗约束、各建筑节点的热平衡约束、温度约束中的至少一种。
其中，微型电网的电能需求成本是指微型电网从上级配电网购买电能的成本。建筑集群的电能需求成本是指建筑集群从微型电网购买电能的成本。
其中，目标电能分配情况是指微型电网进行电能分配的方式。可选的，目标电能分配情况可以包括微型电网从上级配电网的电能购买量、微型电网自身发电设备的电能转化量、各建筑集群的电能需求量、以及微型电网向各建筑集群的售电价格等中的至少一种。
可以理解的是，通过引入电能购买量、电能转化量、电能需求量和售电价格，实现了对微型电网的多方面考虑，进一步提高目标电能分配情况的准确性和全面性。
需要说明的是，目标电能分配情况还可以考虑微型电网的供电利益，和建筑集群的购电成本。在一个可选实施例中，可以在微型电网的供电利益最大，且各建筑集群的购电成本最小时，确定目标电能分配情况。
本发明实施例提供的电能分配方案，通过引入微网功率平衡约束、电价约束、微网运行约束、各建筑集群的电能损耗约束、各建筑节点的热平衡约束和温度约束，确定目标约束条件，提高了确定的目标约束条件的全面性；同时，基于目标约束条件，确定目标电能分配情况，提高了目标电能分配情况的准确度。
实施例二
图2是本发明实施例二提供的一种电能分配方法的流程图，本实施例在上述各实施例的基础上，进一步的，将“在满足目标约束条件的情况下，根据微型电网的电能需求成本和各建筑集群的电能需求成本，确定微型电网的目标电能分配情况”操作，细化为“将微型电网的电能需求成本与各建筑集群的电能需求成本的差值，作为微型电网的上层目标函数，以及将各建筑集群的电能需求成本，作为下层目标函数；将满足目标约束条件中的上层约束条件的情况下，上层目标函数最大，且将满足目标约束条件中的下层约束条件的情况下，下层目标函数最小时，对应的电能分配情况作为目标电能分配情况；其中，上层约束条件包括微网功率平衡约束、电价约束和微网运行约束；下层约束条件包括各建筑集群的电能损耗约束、建筑节点的热平衡约束和温度约束”，以完善目标电能分配情况的确定机制。需要说明的是，在本发明实施例未详述的部分，可参见其他实施例的表述。
参见图2所示的电能分配方法，包括：
S210、根据微型电网的电能分布情况和微型电网对应各建筑集群的用电需求，构建微网功率平衡约束。
S220、根据微型电网的平均购电价格和售电价格上下限，构建电价约束。
S230、根据微型电网的网络拓扑情况，构建微网运行约束。
S240、根据各建筑集群的室内温度，以及设置于相应建筑集群的空气调节装置的送风温度，构建各建筑集群的电能损耗约束。
S250、根据该建筑集群中各建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束。
S260、根据建筑集群的室内温度需求和/或温度调节情况，构建温度约束。
S270、将微型电网的电能需求成本与各建筑集群的电能需求成本的差值，作为微型电网的上层目标函数，以及将各建筑集群的电能需求成本，作为下层目标函数。
S280、将满足目标约束条件中的上层约束条件的情况下，上层目标函数最大，且将满足目标约束条件中的下层约束条件的情况下，下层目标函数最小时，对应的电能分配情况作为目标电能分配情况。
其中，上层约束条件包括微网功率平衡约束、电价约束和微网运行约束；下层约束条件包括各建筑集群的电能损耗约束、建筑节点的热平衡约束和温度约束。
其中，下层约束条件是指在电能分配过程中，建筑集群需要满足的条件。上层约束条件是指在电能分配过程中，微型电网需要满足的条件。
示例性的，可以通过以下公式，确定上层目标函数的最大值：
Figure BDA0004031157860000131
x1＝Fe＝[V；P；Q]＝[|V1|,|V2|,...,|Vn|；|P1|,|P2|,...,|Pn|；|Q1|,|Q2|,...,|Qn|]；
Figure BDA0004031157860000132
其中，TB表示微型电网的收益；
Figure BDA0004031157860000133
表示微型电网在t时刻向建筑集群提供的售电价格；
Figure BDA0004031157860000134
表示建筑集群在t时刻的用电功率；Δt表示时间，Δt＝1,2,..T；
Figure BDA0004031157860000135
表示在t时刻微型电网从上级配电网购买电能的价格；Pt buy表示微型电网在t时刻从上级配电网购买电能的功率；AG表示建筑集群的个数；x1,表示状态变量；u1表示控制变量；Fe表示微型电网中的微网运行约束。本发明实施例对时间Δt的长短不作任何限定，可以是技术人员根据经验进行设置。示例性的，在24h内，可以将时间Δt设置为15min，T为96。
示例性的，可以通过以下公式，确定下层目标函数的最小值：
Figure BDA0004031157860000141
Figure BDA0004031157860000142
Figure BDA0004031157860000143
其中，OC表示建筑集群的用电成本。Froom表示建筑集群中每个建筑节点的状态变量；x2表示任一建筑集群的状态变量；u2表示任一建筑集群的控制变量。
本发明实施例提供了一种电能分配方案，通过将在满足目标约束条件的情况下，根据微型电网的电能需求成本和各建筑集群的电能需求成本，确定微型电网的目标电能分配情况操作，细化为将微型电网的电能需求成本与各建筑集群的电能需求成本的差值，作为微型电网的上层目标函数，以及将各建筑集群的电能需求成本，作为下层目标函数；将满足目标约束条件中的上层约束条件的情况下，上层目标函数最大，且将满足目标约束条件中的下层约束条件的情况下，下层目标函数最小时，对应的电能分配情况作为目标电能分配情况；其中，上层约束条件包括微网功率平衡约束、电价约束和微网运行约束；下层约束条件包括各建筑集群的电能损耗约束、建筑节点的热平衡约束和温度约束，完善了目标电能分配情况的确定机制。上述方案，通过引入上层目标函数和下层目标函数，确定目标电能分配情况，提高了目标电能分配情况的准确度；同时，通过引入上层约束条件确定上层目标函数的最大值，下层约束条件确定下层目标函数的最小值，实现了对电能分配过程中涉及到的参与方需要满足何种条件的综合考虑，进一步提高了目标电能分配情况的准确度。
在上述实施例的基础上，本发明实施例提供了一种确定目标电能分配情况的运算方法，以便高效求解。可以引入主从博弈模型，进行运算。
在基于主从博弈的双层优化问题中，上层的领导者(Leader)通常对下层的问题具有较全面的了解而首先做出决策；其次，下层的跟随者(Follower)根据上层的领导者的决策做出最优反应，最后领导者再根据跟随者的反应做出最优的决策。因此，在主从博弈中的双方的地位是不对称的，跟随者的反应依赖于领导者的动作。通过以下公式，构建了基于主从博弈双层优化问题的一般形式：
Figure BDA0004031157860000151
基于主从博弈的双层优化问题一般包含两个优化问题，领导者(上层)外部优化问题F(xu,xl)和追随者(下层)的内部优化问题f(xu,xl)，内部优化问题通常可以嵌套在外部优化问题中。上下层的问题有各自的目标函数和约束条件(Gk,k＝1,…,K和gj,j＝1,…,J分别为上下层的约束条件)，与之相对应也存在两种决策变量，即领导者(上层)决策变量(xu)和追随者(下层)决策变量(xl)。下层优化以上层决策变量作为已知参数，针对下层决策变量求解优化问题。以上层目标函数作为整体的目标函数，下层优化问题可以转化为上层的约束，同时满足上层约束和下层转化的约束可以达到双方的均衡解。
具体的，可以将微型电网作为领导者，将建筑集群作为跟随者，根据主从博弈均衡，进行求解。验证主从博弈均衡解存在的过程是：设N为领导者，策略集为X，收益函数为F1(x,y)。M为跟随者，策略集为Y，收益函数为F2(x,y)。领导者N选择策略x∈X，跟随者M在知道领导者的策略后，将从其最佳回应集K(x)＝{w∈Y:F2(x,w)＝min F2(x,u)}中选择策略y∈Y，而领导者N在已知M的选择后，将选择策略x*∈X，使得
Figure BDA0004031157860000152
则(x*,y*)即为此主从博弈均衡解。
定理：设Fi:X×Y→R(i＝1,2)在X×Y上连续，对
Figure BDA0004031157860000153
F2(x,y)为严格凸函数，那么
Figure BDA0004031157860000154
和y*∈K(x*)使得
Figure BDA0004031157860000155
由上述定义及定理可知，要证明主从博弈均衡解的存在性，即要证明如下2个问题：1)博弈参与者的收益函数F1和F2是关于决策变量的连续函数；2)对于任意的决策x∈X，跟随者收益函数F2均为严格凸函数。
本发明实施例中，领导者为微型电网，收益函数为上层目标函数的最大值。跟随者为建筑集群，收益函数为下层目标函数的最小值。双方的收益函数关于各自的决策变量均具有连续性，因此1)得证。而微型电网任意给定电价，下层建筑集群的收益函数均为线性函数，因此2)得证。
综上所述，本发明实施例中的主从博弈均衡存在解。
进一步的，可以通过拉格朗日函数、大M理论和布尔变量，确定目标电能分配情况。具体的，将满足目标约束条件中的上层约束条件的情况下，上层目标函数最大，且将满足目标约束条件中的下层约束条件的情况下，下层目标函数最小时，对应的电能分配情况作为目标电能分配情况，包括：将下层目标函数和下层约束条件，转化为上层目标函数的新的约束条件，以更新上层目标函数的上层约束条件；对下层目标函数进行线性化，以及对更新后的上层约束条件进行线性化；根据线性化后的下层目标函数，更新上层目标函数；将满足更新后的上层约束条件的情况下，更新后的上层目标函数最大时，对应的电能分配情况作为目标电能分配情况。
示例性的，可以通过以下公式，确定拉格朗日函数：
Figure BDA0004031157860000161
其中，λag,k,t(k＝1,2,3,4,5)是对对偶变量，表示热平衡约束的拉格朗日乘子；βag,i,t(i＝1,2)是对偶变量，表示温度约束的拉格朗日乘子；hag,j,t表示不等式约束条件的集合；gag,k,t表示等式约束条件的集合。
延续前例，对拉格朗日函数中的下层变量和对偶变量求偏导，生成平稳条件：
Figure BDA0004031157860000162
Figure BDA0004031157860000163
Figure BDA0004031157860000164
Figure BDA0004031157860000171
Figure BDA0004031157860000172
延续前例，对拉格朗日函数中的下层变量和对偶变量求偏导，生成互补松弛条件：
Figure BDA0004031157860000173
Figure BDA0004031157860000174
其中，
Figure BDA0004031157860000175
表示室内温度约束的拉格朗日乘子的下限值；
Figure BDA0004031157860000176
表示室内温度约束的拉格朗日乘子的上限值；
Figure BDA0004031157860000177
表示出风口温度约束的拉格朗日乘子的下限值；
Figure BDA0004031157860000178
表示出风口温度约束的拉格朗日乘子的上限值。
进一步的，将下层目标函数和下层约束条件，转化为上层目标函数的新的约束条件，以更新上层目标函数的上层约束条件；对下层目标函数进行线性化，以及对更新后的上层约束条件进行线性化。示例性的，线性化后的下层目标函数为：
Figure BDA0004031157860000181
其中，Dualag,1,t表示根据强对偶理论将下层目标函数中非线性部分线性化后的结果。
示例性的，通过大M理论(M取一个充分大的正数)和布尔变量，对互补松弛条件进行线性化：
Figure BDA0004031157860000182
Figure BDA0004031157860000183
Figure BDA0004031157860000184
Figure BDA0004031157860000185
Figure BDA0004031157860000186
Figure BDA0004031157860000187
Figure BDA0004031157860000188
Figure BDA0004031157860000189
其中，
Figure BDA00040311578600001810
和
Figure BDA00040311578600001811
表示布尔变量。其中，布尔变量可以为0或1。
进一步的，根据线性化后的下层目标函数，得到更新后的上层目标函数：
Figure BDA00040311578600001812
进一步的，将满足更新后的上层约束条件的情况下，更新后的上层目标函数最大时，对应的电能分配情况作为目标电能分配情况。
可以理解的是，通过对下层目标函数和更新后的上层约束条件进行线性化，减少了运算量，提高了目标电能分配情况的确定效率。
实施例三
本发明实施例在上述实施例的基础上，提供了一个可选实施例。需要说明的是，在本发明实施例未详述的部分，可参见其他实施例的表述。
为了更好的了解本发明实施例提供的电能分配方案，首先参见图3所示的电能分配过程中各参与方之间的关系示意图。其中，图3中包含了三种参与方，分别是上级配电网、微型电网和不同绝热性能的建筑集群。微型电网和上级配电网之间，以及微型电网和不同建筑集群之间，通过高速可靠的双向信息通道，实现价格和需求信息的及时交互。微型电网可以通过发电设备发电，也可以从上级配电网中直接购买电能，并可以通过向建筑集群售卖电能而获得利润。不同建筑集群可以看成一个社区，每个建筑集群组成的社区具有自己的能量管理中心，建筑集群具有用电负荷可调节的设备，即空气调节装置(如HVAC)，和用电负荷不可调节的设备(如照明负荷)。在本发明实施例中，只考虑空气调节装置为可调节的设备。在保证建筑节点中室内温度舒适的前提下，通过调节空气调节装置的用电量，从而降低建筑集群的用电成本。其中，
Figure BDA0004031157860000191
表示微型电网提供给建筑集群A电能的价格；P1 user表示建筑集群A从微型电网购买电能的功率；
Figure BDA0004031157860000192
表示微型电网提供给建筑集群B电能的价格；
Figure BDA0004031157860000193
表示建筑集群B从微型电网购买电能的功率；
Figure BDA0004031157860000194
表示微型电网提供给建筑集群C电能的价格；
Figure BDA0004031157860000195
表示建筑集群C从微型电网购买电能的功率。其中，微型电网中包括发电设备。
举例说明，若图3中的微型电网通过电网节点1连接上级配电网，建筑集群A连接微型电网的电网节点2，建筑集群B连接微型电网的电网节点3，建筑集群C连接微型电网的电网节点4；电网节点2和电网节点4分别连接4组额定功率为20kw的光伏系统。本发明实施例中，若建筑集群A、建筑集群B和建筑集群C均为独栋的住宅建筑，每个建筑节点长8米、宽8米、高3米，每层四个建筑节点，共10层。每个建筑集群由10个相同的建筑组成。三种不同绝热性能的建筑集群的相关参数见表2所示。
进一步的，建筑集群绝热性能由高到低的顺序为建筑集群A>建筑集群B>建筑集群C。本发明实施例将验证不同绝热性能的建筑集群，对微型电网的售电价格产生不同的影响。此外，若空气调节装置为HVAC系统，设置HVAC系统每15分钟内工作状态(即HVAC送风出口温度)不变，HVAC系统的相关参数见表3所示。
表2不同建筑集群的参数
Figure BDA0004031157860000201
表3HVAC系统参数
Figure BDA0004031157860000202
进一步的，室内温度舒适范围设为20-22℃。本发明实施例选取冬季典型日进行分析，太阳光照强度和室外温度如图4所示。微型电网从上级配电网的购电价格，以及光伏出力的标幺值如图5所示。算例优化步长设为15min，初始数据时间间隔也均为15min。根据设定微型电网售电价格的上下限以及平均售电价格，设置平均售电价格(Csale_avg)是微型电网从上级配电网购电价格(Ct buy)的1.1倍。每个建筑集群内除去HVAC系统的用电消耗和其他室内得热如图6所示。
参见图7所示的目标电能分配情况的求解示意图。本发明实施例通过将微型电网作为领导者，即为上层；将建筑集群作为跟随者，即为下层；构建初始模型，即双层主从博弈模型；针对该初始模型，通过KKT(Karush-Kuhn-Tucker，最优解的一阶必要条件)条件调节和强对偶理论，将初始模型转化为单层的带有平衡约束的模型MPEC(mathematicalproblem with equilibrium,均衡约束规划问题)，进而对线性化后的MILP(mixed integerlinear programming，混合整数线性规划)模型(也即更新后的上层目标函数)，通过MATLAB的CPLEX求解器进行求解。具体的，根据MPEC模型中的更新后的下层约束条件，得到更新后的下层目标函数；根据更新后的下层目标函数和更新后的下层约束条件，得到更新后的上层目标函数，以及相应约束条件；根据更新后的上层目标函数和相应约束条件，确定目标电能分配情况。
如图8所示，微型电网将根据三个建筑集群的用电量在上级配电网购买电能。在10:00-15:00之间，微型电网的购电价格有两个峰值。由于上级配电网完全决定微型电网的购电价格，微型电网的购电量受到购电价格引导，当上级配电网提供的微型电网购电价格最高时，微型电网购买的电量最低。其中，微型电网的收益及不同建筑集群的运营成本见表4。
表4微型电网的收益及不同建筑集群的运营成本
Figure BDA0004031157860000211
建筑集群A、建筑集群B和建筑集群C的室内温度分别与HVAC系统的送风出口温度的关系，分别如图9、图10和图11所示。其中，HVAC系统的送风出口温度根据室内/室外温度、舒适温度范围和建筑集群的目标函数进行调节。由于建筑集群的热惯性，HVAC系统的送风出口温度的升高会导致室内温度在舒适范围内随之升高。建筑集群A、建筑集群B和建筑集群C的总耗电量及微型电网售电价格分别如图12、图13和图14所示。
如图12所示，微型电网相对较低的售电价格会促使HVAC系统消耗电能向建筑集群供暖。然而，HVAC系统的制热动作导致建筑集群的用电量上升，会引起微型电网售电价格的明显上升。如图12、图13和图14中圈出的区域所示，由HVAC系统调节动作引起的微型电网售电价格的明显增加，在建筑集群A、建筑集群B和建筑集群C中分别出现6次、2次和1次(即建筑集群A>建筑集群B>建筑集群C)。这是由于建筑集群的绝热性能从高到低的顺序为建筑集群A>建筑集群B>建筑集群C，绝热性能较好的建筑集群，会比绝热性能较差的建筑集群更多次利用HVAC系统蓄热，因此绝热性能好的建筑集群的运营成本会更低。正如表4所示，建筑集群的运营成本从低到高的顺序为建筑集群A<建筑集群B<建筑集群C。
进一步的，为了分析不同建筑集群的绝热性能，对目标电能分配情况的影响，本发明实施例设置了以下两个场景。两个场景设置的对比如表5所示。
表5场景1与场景2设置对比
Figure BDA0004031157860000212
场景1：采用主从博弈模型来分析集成不同绝热性能建筑集群的微型电网运行情况。在场景1中，微型电网为绝热性能不同的建筑集群代表的不同用能品质需求的建筑节点，提供差异化的能源服务方案，即不同的微型电网售电价格。
场景2：由微型电网完全决定其售电价格，建筑集群中的HVAC用电量将以微型电网的售电价格为导向，但HVAC调节动作不影响微型电网的售电价格。在场景2中，微型电网忽略了不同建筑集群的用能品质需求，没有提供差异化的能源服务方案，即微型电网售电价格。首先，为了保证微型电网的收益，设定微型电网的售电价格为1.1倍的Ct buy(微型电网从上级配电网的购电价格)。结果示于图15-图21。
如图15所示，微型电网与上级配电网的电量交易规则与场景1相同。由于上级配电网单方面制定微型电网的购电价格，微型电网的购电量受到购电价格引导，在上级配电网提供给微型电网的购电价格最高时，微型电网的购电量最低。
图16、图17和图18给出了场景2中，建筑集群A、建筑集群B和建筑集群C三个建筑集群内的室内温度和HVAC送风出口温度；图19、图20和图21给出了不同建筑集群，各自的HVAC功率消耗和微型电网的售电价格。在场景2中，绝热性能较好的建筑集群与绝热性能较差的建筑集群相比，仍会更多次利用HVAC系统进行用电功率的调节，从而降低运营成本。但相比于场景1，每个建筑集群在场景2中，利用HVAC调节用电功率的次数明显多于场景1，这是由于HVAC系统的功率消耗变化，不会引起微型电网售电价格的变化，因此频繁使用。
在场景2中，微型电网售电价格由自身完全决定，不受到建筑集群的负荷影响。在保证微型电网盈利的前提下，设置微型电网的售电价格以0.02Ct buy为单位变化量，从1.02Ct buy变化至1.12Ct buy。微型电网的收益和3个建筑集群的运营成本，在场景1和场景2中的情况对比结果如图22和表6所示。
表6场景1与场景2微型电网收益与建筑集群运营成本对比
Figure BDA0004031157860000221
如图22和表6所示，由于在场景2中微型电网的售电价格完全由微型电网决定，可能会导致两种情况。第一种情况：由于微型电网的售电价格定价过高，微型电网可以获得比情景1更多的收益；但此时，所有建筑集群的运营成本都高于情景1。例如，在场景2中，微型电网售电价格最高的点(即图22中1.12Ct buy的点)，虽然微型电网的收益相比于场景1增加了46％，但是建筑集群A的运营成本增加了7％，这样的结果显然不利于被建筑集群接受。第二种情况：由于微型电网出现定价过低的情况，相比于场景1微型电网的收益降低，但是建筑集群的运营成本也降低了。例如在微型电网定价的最低点(即图22中1.02Ct buy的点)，尽管与场景1相比，建筑集群A的运营成本降低了9％，但是微型电网的收益也降低了51％，这种情况不易被微型电网所接受。
相比于场景2，在场景1中，微型电网的售电价格由微型电网和建筑集群共同决定，微型电网售的电价格影响建筑集群HVAC的用电消耗，而建筑集群中HVAC的用电消耗同样会影响微型电网的售电价格。因此，从图22中圈出的场景1的点可知，场景1可以获得使双方满意的均衡解。
本发明实施例提供了一种电能分配方案，通过建筑集群可以利用热惯性带来的灵活性，根据微型电网的售电价格调整HVAC系统的送风出口温度。因此，建筑集群可以在保证室内舒适温度的同时，将建筑集群的运营成本进行降低；同时，本发明实施例提出的双层主从博弈模型，能够兼顾微型电网和建筑集群的利益。微型电网可以根据不同建筑集群的差异(即不同绝热性能导致的用能品质差异)，提供差异化的能源服务(微型电网的售电价格)，以求得双方满意的均衡解；并且，本发明实施例设置三个具有不同绝热性能的建筑集群，作为微型电网的下层建筑集群，建筑集群绝热性能从高到低的顺序为建筑集群A>建筑集群B>建筑集群C。结果表明，建筑集群运营成本的排序为建筑集群A<建筑集群B<建筑集群C。而HVAC的调节动作引起建筑集群的用电功率上升，进而导致微型电网的售电价格显著上升的次数排序为建筑集群A>建筑集群B>建筑集群C。这是因为具有良好绝热性能的建筑集群，比绝热性能较差的建筑集群，能更好地利用自身的灵活性降低运营成本，从而对微型电网的售电价格产生更明显的影响。
需要说明的是，图中的微网是指微型电网；图中的HVAC送风出口温度是指出风口温度；图中的楼宇是指建筑集群。
实施例四
图23是本发明实施例四提供的一种电能分配装置的结构示意图，本实施例可适用于对不同建筑集群进行电能分配的情况，该方法可以由电能分配装置来执行，该装置可采用软件和/或硬件的方式实现，并可配置于承载电能分配方法的电子设备中。
如图23所示，该装置包括：微网功率平衡约束构建模块410、电价约束构建模块420、微网运行约束构建模块430、电能损耗约束构建模块440、热平衡约束构建约束450、温度约束构建模块460和目标电能分配情况确定模块470。其中，
微网功率平衡约束构建模块410，用于根据微型电网的电能分布情况和微型电网对应各建筑集群的用电需求，构建微网功率平衡约束；
电价约束构建模块420，用于根据微型电网的平均购电价格和售电价格上下限，构建电价约束；
微网运行约束构建模块430，用于根据微型电网的网络拓扑情况，构建微网运行约束；
电能损耗约束构建模块440，用于根据各建筑集群的室内温度，以及设置于相应建筑集群的空气调节装置的送风温度，构建各建筑集群的电能损耗约束；
热平衡约束构建约束450，用于根据该建筑集群中各建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束；
温度约束构建模块460，用于根据建筑集群的室内温度需求和/或温度调节情况，构建温度约束；
目标电能分配情况确定模块470，用于在满足目标约束条件的情况下，根据微型电网的电能需求成本和各建筑集群的电能需求成本，确定微型电网的目标电能分配情况；
其中，目标约束条件包括微网功率平衡约束、电价约束、微网运行约束、各建筑集群的电能损耗约束、各建筑节点的热平衡约束、温度约束中的至少一种。
本发明实施例提供的电能分配方案，通过引入微网功率平衡约束、电价约束、微网运行约束、各建筑集群的电能损耗约束、各建筑节点的热平衡约束和温度约束，确定目标约束条件，提高了确定的目标约束条件的全面性；同时，基于目标约束条件，确定目标电能分配情况，提高了目标电能分配情况的准确度。
可选的，电价约束构建模块420，包括：第一电价约束构建单元，用于根据微型电网的售电价格上下限，构建第一电价约束；第二电价约束构建单元，用于根据微型电网从配电网中的平均购电价格，构建第二电价约束。
可选的，电能损耗约束构建模块440，包括：可控电能损耗约束构建单元，用于根据空气调节装置的单位时间送风量和送风温度，以及建筑集群的室内温度，确定空气调节装置的可控电能损耗约束；电能损耗约束构建单元，用于根据可控电能损耗约束和不可控用电设备的电能损耗情况，确定建筑集群的电能损耗约束。
可选的，温度约束构建模块460，包括：室内温度约束构建单元，用于根据建筑集群的室内温度上下限，构建室内温度约束；风口温度约束构建单元，用于根据建筑集群中空气调节装置的出风口温度调节上下限，构建出风口温度约束；温度约束生成单元，用于生成包括室内温度约束和出风口温度约束的温度约束。
可选的，建筑节点的热平衡约束包括建筑节点与相应邻近节点之间的墙体热平衡约束；相应的，热平衡约束构建模块460，包括：第一临近节点确定单元，用于针对该建筑集群中各建筑节点的分布情况，确定任一建筑节点的邻近节点；墙体热平衡约束构建单元，用于针对任一建筑节点，根据该建筑节点的室内温度、相应邻近节点的室内温度、以及与相应邻近节点之间的共用墙体的墙体参数，构建该建筑节点与相应邻近节点之间的墙体热平衡约束；其中，墙体参数包括热导抗参数、光照参数和待优化的墙体温度。
可选的，建筑节点的热平衡约束包括建筑节点的室内热平衡约束；相应的，热平衡约束构建模块450，包括：第二临近节点确定单元，用于针对该建筑集群中各建筑节点的分布情况，确定任一建筑节点的邻近节点；室内热平衡约束构建单元，用于针对任一建筑节点，根据该建筑节点的室内温度、室外温度、共用墙体的墙体参数和窗体参数，构建该建筑节点的室内热平衡约束；其中，窗体参数包括窗体热阻、窗体面积和窗体光照参数。
可选的，微网运行约束构建模块430，包括：功率约束构建单元，用于根据微型电网中相邻电网节点的电导抗参数，以及所关联建筑集群的有功功率需求情况和无功功率需求情况，分别构建有功功率约束和无功功率约束；节点电压约束构建单元，用于根据微型电网中相邻电网节点的点导抗参数以及节点电压情况，构建节点电压约束；微网运行约束生成单元，用于分别对有功功率约束、无功功率约束和节点电压约束进行线性化，并根据线性化结果生成微网运行约束。
可选的，目标电能分配情况确定模块470，包括：目标函数确定单元，用于将微型电网的电能需求成本与各建筑集群的电能需求成本的差值，作为微型电网的上层目标函数，以及将各建筑集群的电能需求成本，作为下层目标函数；目标电能分配情况确定单元，用于将满足目标约束条件中的上层约束条件的情况下，上层目标函数最大，且将满足目标约束条件中的下层约束条件的情况下，下层目标函数最小时，对应的电能分配情况作为目标电能分配情况；其中，上层约束条件包括微网功率平衡约束、电价约束和微网运行约束；下层约束条件包括各建筑集群的电能损耗约束、建筑节点的热平衡约束和温度约束。
可选的，目标电能分配情况确定单元，具体用于：将下层目标函数和下层约束条件，转化为上层目标函数的新的约束条件，以更新上层目标函数的上层约束条件；对下层目标函数进行线性化，以及对更新后的上层约束条件进行线性化；根据线性化后的下层目标函数，更新上层目标函数；将满足更新后的上层约束条件的情况下，更新后的上层目标函数最大时，对应的电能分配情况作为目标电能分配情况。
本发明实施例所提供的电能分配装置，可执行本发明任意实施例所提供的电能分配方法，具备执行各电能分配方法相应的功能模块和有益效果。
本发明的技术方案中，所涉及的电能分布情况、用电需求、平均购电价格、售电价格上下限、网络拓扑情况、室内温度、送风温度、热导抗参数和电能需求成本等的收集存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

Claims (10)

1.一种电能分配方法，其特征在于，包括：
根据微型电网的电能分布情况和所述微型电网对应各建筑集群的用电需求，构建微网功率平衡约束；
根据所述微型电网的平均购电价格和售电价格上下限，构建电价约束；
根据所述微型电网的网络拓扑情况，构建微网运行约束；
根据各所述建筑集群的室内温度，以及设置于相应建筑集群的空气调节装置的送风温度，构建各所述建筑集群的电能损耗约束；
根据该建筑集群中各建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束；
根据所述建筑集群的室内温度需求和/或温度调节情况，构建温度约束；
在满足目标约束条件的情况下，根据所述微型电网的电能需求成本和各所述建筑集群的电能需求成本，确定所述微型电网的目标电能分配情况；
其中，所述目标约束条件包括所述微网功率平衡约束、所述电价约束、所述微网运行约束、各所述建筑集群的电能损耗约束、各所述建筑节点的热平衡约束、所述温度约束中的至少一种。
2.根据权利要求1所述的方法，其特征在于，所述根据所述微型电网的平均购电价格和售电价格上下限，构建电价约束，包括：
根据所述微型电网的售电价格上下限，构建第一电价约束；
根据所述微型电网从配电网中的平均购电价格，构建第二电价约束。
3.根据权利要求1所述的方法，其特征在于，所述根据各所述建筑集群的室内温度，以及设置于相应建筑集群的空气调节装置的送风温度，构建各所述建筑集群的电能损耗约束，包括：
根据所述空气调节装置的单位时间送风量和送风温度，以及所述建筑集群的室内温度，确定所述空气调节装置的可控电能损耗约束；
根据所述可控电能损耗约束和不可控用电设备的电能损耗情况，确定所述建筑集群的电能损耗约束。
4.根据权利要求1所述的方法，其特征在于，所述根据所述建筑集群的室内温度需求和/或温度调节情况，构建温度约束，包括：
根据所述建筑集群的室内温度上下限，构建室内温度约束；
根据所述建筑集群中所述空气调节装置的出风口温度调节上下限，构建出风口温度约束；
生成包括所述室内温度约束和所述出风口温度约束的温度约束。
5.根据权利要求1所述的方法，其特征在于，所述建筑节点的热平衡约束包括建筑节点与相应邻近节点之间的墙体热平衡约束；相应的，所述根据该建筑集群中各所述建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束，包括：
针对该建筑集群中各建筑节点的分布情况，确定任一建筑节点的邻近节点；
针对任一建筑节点，根据该建筑节点的室内温度、相应邻近节点的室内温度、以及与相应邻近节点之间的共用墙体的墙体参数，构建该建筑节点与相应邻近节点之间的墙体热平衡约束；
其中，所述墙体参数包括热导抗参数、光照参数和待优化的墙体温度。
6.根据权利要求1所述的方法，其特征在于，所述建筑节点的热平衡约束包括所述建筑节点的室内热平衡约束；相应的，所述根据该建筑集群中各所述建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束，包括：
针对该建筑集群中各建筑节点的分布情况，确定任一建筑节点的邻近节点；
针对任一建筑节点，根据该建筑节点的室内温度、室外温度、共用墙体的墙体参数和窗体参数，构建该建筑节点的室内热平衡约束；
其中，所述窗体参数包括窗体热阻、窗体面积和窗体光照参数。
7.根据权利要求1所述的方法，其特征在于，所述根据所述微型电网的网络拓扑情况，构建微网运行约束，包括：
根据所述微型电网中相邻电网节点的电导抗参数，以及所关联建筑集群的有功功率需求情况和无功功率需求情况，分别构建有功功率约束和无功功率约束；
根据所述微型电网中相邻电网节点的点导抗参数以及节点电压情况，构建节点电压约束；
分别对所述有功功率约束、所述无功功率约束和所述节点电压约束进行线性化，并根据线性化结果生成所述微网运行约束。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述在满足目标约束条件的情况下，根据所述微型电网的电能需求成本和各所述建筑集群的电能需求成本，确定所述微型电网的目标电能分配情况，包括：
将所述微型电网的电能需求成本与各所述建筑集群的电能需求成本的差值，作为所述微型电网的上层目标函数，以及将各所述建筑集群的电能需求成本，作为下层目标函数；
将满足所述目标约束条件中的上层约束条件的情况下，所述上层目标函数最大，且将满足所述目标约束条件中的下层约束条件的情况下，所述下层目标函数最小时，对应的电能分配情况作为所述目标电能分配情况；
其中，所述上层约束条件包括所述微网功率平衡约束、所述电价约束和所述微网运行约束；所述下层约束条件包括各所述建筑集群的电能损耗约束、所述建筑节点的热平衡约束和所述温度约束。
9.根据权利要求8所述的方法，其特征在于，所述将满足所述目标约束条件中的上层约束条件的情况下，所述上层目标函数最大，且将满足所述目标约束条件中的下层约束条件的情况下，所述下层目标函数最小时，对应的电能分配情况作为所述目标电能分配情况，包括：
将所述下层目标函数和所述下层约束条件，转化为所述上层目标函数的新的约束条件，以更新所述上层目标函数的上层约束条件；
对所述下层目标函数进行线性化，以及对更新后的上层约束条件进行线性化；
根据线性化后的下层目标函数，更新所述上层目标函数；
将满足更新后的上层约束条件的情况下，更新后的上层目标函数最大时，对应的电能分配情况作为所述目标电能分配情况。
10.一种电能分配装置，其特征在于，包括：
微网功率平衡约束构建模块，用于根据微型电网的电能分布情况和所述微型电网对应各建筑集群的用电需求，构建微网功率平衡约束；
电价约束构建模块，用于根据所述微型电网的平均购电价格和售电价格上下限，构建电价约束；
微网运行约束构建模块，用于根据所述微型电网的网络拓扑情况，构建微网运行约束；
电能损耗约束构建模块，用于根据各所述建筑集群的室内温度，以及设置于相应建筑集群的空气调节装置的送风温度，构建各所述建筑集群的电能损耗约束；
热平衡约束构建约束，用于根据该建筑集群中各建筑节点对应墙体的热导抗参数，构建相应建筑节点的热平衡约束；
温度约束构建模块，用于根据所述建筑集群的室内温度需求和/或温度调节情况，构建温度约束；
目标电能分配情况确定模块，用于在满足目标约束条件的情况下，根据所述微型电网的电能需求成本和各所述建筑集群的电能需求成本，确定所述微型电网的目标电能分配情况；
其中，所述目标约束条件包括所述微网功率平衡约束、所述电价约束、所述微网运行约束、各所述建筑集群的电能损耗约束、各所述建筑节点的热平衡约束、所述温度约束中的至少一种。
CN202211736716.9A 2022-12-30 2022-12-30 电能分配方法及装置 Active CN116128227B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211736716.9A CN116128227B (zh) 2022-12-30 2022-12-30 电能分配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211736716.9A CN116128227B (zh) 2022-12-30 2022-12-30 电能分配方法及装置

Publications (2)

Publication Number Publication Date
CN116128227A true CN116128227A (zh) 2023-05-16
CN116128227B CN116128227B (zh) 2024-02-02

Family

ID=86307465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211736716.9A Active CN116128227B (zh) 2022-12-30 2022-12-30 电能分配方法及装置

Country Status (1)

Country Link
CN (1) CN116128227B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120072181A1 (en) * 2010-09-22 2012-03-22 Behzad Imani Method and apparatus for optimizing hvac systems in buildings
CN105931136A (zh) * 2016-04-25 2016-09-07 天津大学 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法
CN108319142A (zh) * 2018-02-08 2018-07-24 国网天津市电力公司 基于分布式清洁采暖的工业园区微网电热联合调度方法
CN109270841A (zh) * 2018-10-11 2019-01-25 东北电力大学 一种基于模型预测控制的智能楼宇用能灵活性调控方法
WO2019050513A1 (en) * 2017-09-06 2019-03-14 Total Solar International AGGREGATED DISTRIBUTION FOR RESPONSE TO ENERGY DEMAND
WO2019084262A1 (en) * 2017-10-25 2019-05-02 Omega Grid, Llc POWER MANAGEMENT BY DISTRIBUTING BLOCK CHAINS WITH OPTIMIZED BALANCING
CN110460040A (zh) * 2019-07-15 2019-11-15 天津大学 一种考虑智能建筑热平衡特性的微电网运行调度方法
US20210325069A1 (en) * 2020-04-17 2021-10-21 Mcmaster University Integrated community energy and harvesting system
CN113541151A (zh) * 2021-04-19 2021-10-22 江苏大学 一种计及光伏出力不确定性的配微网分层电压控制方法
CN114861994A (zh) * 2022-04-20 2022-08-05 上海电力大学 一种基于建筑虚拟储能的能源系统多目标优化调度方法
CN115509134A (zh) * 2022-10-13 2022-12-23 广西大学 考虑楼宇特性、电能交易的楼宇群分布式优化调度方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120072181A1 (en) * 2010-09-22 2012-03-22 Behzad Imani Method and apparatus for optimizing hvac systems in buildings
CN105931136A (zh) * 2016-04-25 2016-09-07 天津大学 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法
WO2019050513A1 (en) * 2017-09-06 2019-03-14 Total Solar International AGGREGATED DISTRIBUTION FOR RESPONSE TO ENERGY DEMAND
WO2019084262A1 (en) * 2017-10-25 2019-05-02 Omega Grid, Llc POWER MANAGEMENT BY DISTRIBUTING BLOCK CHAINS WITH OPTIMIZED BALANCING
CN108319142A (zh) * 2018-02-08 2018-07-24 国网天津市电力公司 基于分布式清洁采暖的工业园区微网电热联合调度方法
CN109270841A (zh) * 2018-10-11 2019-01-25 东北电力大学 一种基于模型预测控制的智能楼宇用能灵活性调控方法
CN110460040A (zh) * 2019-07-15 2019-11-15 天津大学 一种考虑智能建筑热平衡特性的微电网运行调度方法
US20210325069A1 (en) * 2020-04-17 2021-10-21 Mcmaster University Integrated community energy and harvesting system
CN113541151A (zh) * 2021-04-19 2021-10-22 江苏大学 一种计及光伏出力不确定性的配微网分层电压控制方法
CN114861994A (zh) * 2022-04-20 2022-08-05 上海电力大学 一种基于建筑虚拟储能的能源系统多目标优化调度方法
CN115509134A (zh) * 2022-10-13 2022-12-23 广西大学 考虑楼宇特性、电能交易的楼宇群分布式优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张渊明;贾庆山;: "微电网环境下基于RFID信息的光伏建筑蓄电池充放电优化及其调度", 系统科学与数学, no. 12 *
潘浩;彭潇;潘舒扬;杨洪明;董朝阳;DAVID J.HILL;: "考虑空调负荷的微网联络线功率波动平抑方法", 南方电网技术, no. 08 *
陈厚合;李泽宁;靳小龙;姜涛;李雪;穆云飞;: "集成智能楼宇的主动配电网建模及优化方法", 中国电机工程学报, no. 22 *

Also Published As

Publication number Publication date
CN116128227B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
Jiang et al. Flexible operation of active distribution network using integrated smart buildings with heating, ventilation and air-conditioning systems
Wang et al. A distributed control scheme of thermostatically controlled loads for the building-microgrid community
Wei et al. A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy
Xie et al. Optimal sizing of battery energy storage system in smart microgrid considering virtual energy storage system and high photovoltaic penetration
Meng et al. Distributed control of thermostatically controlled loads in distribution network with high penetration of solar PV
Anvari-Moghaddam et al. Optimal smart home energy management considering energy saving and a comfortable lifestyle
Wang et al. Operating a commercial building HVAC load as a virtual battery through airflow control
Hakimi et al. Optimal planning of a smart microgrid including demand response and intermittent renewable energy resources
Kou et al. Model-based and data-driven HVAC control strategies for residential demand response
Wang et al. Consensus control strategy of an inverter air conditioning group for renewable energy integration based on the demand response
CN109270841A (zh) 一种基于模型预测控制的智能楼宇用能灵活性调控方法
Chen et al. The fair allocation of power to air conditioners on a smart grid
Li et al. Energy management strategy of active distribution network with integrated distributed wind power and smart buildings
Su et al. Energy management for active distribution network incorporating office buildings based on chance-constrained programming
Ma et al. Two-stage stochastic robust optimization model of microgrid day-ahead dispatching considering controllable air conditioning load
Xu et al. Supply demand coordination for building energy saving: Explore the soft comfort
Zhang et al. Multi-agent deep reinforcement learning-based coordination control for grid-aware multi-buildings
Jin et al. A Stackelberg game based optimization method for heterogeneous building aggregations in local energy markets
Cheng et al. Aggregate modeling and analysis of air conditioning load using coupled Fokker–Planck equations
Yang et al. Exploring blockchain for the coordination of distributed energy resources
Wang et al. Modeling of regional electrical heating load characteristics considering user response behavior difference
Dong et al. An adaptive decentralized regulation strategy for the cluster with massive inverter air conditionings
Battula et al. A customer-centric approach to bid-based transactive energy system design
Yang et al. Bi-level decentralized control of electric heating loads considering wind power accommodation in real-time electricity market
Pathiravasam et al. Distributed demand response management for a virtually connected community with solar power

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