CN116739306A - 一种热泵负荷灵活性量化方法、系统及设备 - Google Patents
一种热泵负荷灵活性量化方法、系统及设备 Download PDFInfo
- Publication number
- CN116739306A CN116739306A CN202310927710.8A CN202310927710A CN116739306A CN 116739306 A CN116739306 A CN 116739306A CN 202310927710 A CN202310927710 A CN 202310927710A CN 116739306 A CN116739306 A CN 116739306A
- Authority
- CN
- China
- Prior art keywords
- heat pump
- flexibility
- load
- time
- pump load
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000011002 quantification Methods 0.000 title claims abstract description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 46
- 238000013210 evaluation model Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000012546 transfer Methods 0.000 claims abstract description 11
- 238000010438 heat treatment Methods 0.000 claims description 43
- 230000006870 function Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 12
- 238000013139 quantization Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 7
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 230000017525 heat dissipation Effects 0.000 claims description 6
- 238000009413 insulation Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000004235 valence bond calculation Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 8
- 230000002776 aggregation Effects 0.000 description 7
- 238000004220 aggregation Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000033228 biological regulation Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005485 electric heating Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000006096 absorbing agent Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- 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
- 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Heat-Pump Type And Storage Water Heaters (AREA)
Abstract
本发明提供了一种热泵负荷灵活性量化方法、系统及设备,涉及灵活性量化领域,该方法包括:采集热泵负荷聚合商内各居民热泵负荷的物理特性数据以及人为习惯数据,预测区域电网的日前分布式光伏出力以及固定负荷;模拟描述热水循环模式中热泵负荷的热量传递过程的等效热参数模型;建立热泵负荷的虚拟电池模型;建立热泵负荷聚合商参与日前调度的灵活性评估模型;根据所述热泵负荷聚合商参与日前调度的灵活性评估模型评估所述热泵负荷聚合商的灵活性,确定最终调度方案。本发明能够对温控负荷的灵活性进行统一量化,提高量化准确率。
Description
技术领域
本发明涉及需求侧资源的灵活性量化领域,特别是涉及一种热泵负荷灵活性量化方法、系统及设备。
背景技术
煤改电工程在中国北方得到广泛开展,热泵等温控负荷(Temperature ControlLoads,TCLs)成为主流的供暖方式。北方室内外温差较大,房屋墙壁的保温作用与温度热惯性使得温控负荷具有“虚拟储能”特性,规模化的温控负荷将展现出巨大的需求响应潜力。但是热泵负荷具有容量小、异质时耦等特点且分散于系统结构底层,对电价与调控信号相对“绝缘”,灵活性潜力很难得到充分挖掘,需要进行整合以负荷聚合商(aggregator)的身份参与优化调度。目前针对温控负荷灵活性的研究多以一阶或二阶热力学等效模型进行刻画,但温控负荷的设备参数具有很高的异质性,此类方法导致灵活性量化的难度过高。其次,不同种类的温控负荷一般具有不同的调节特性,若分别进行建模则会增加聚合商对灵活性整合的难度,当聚合数量和调控时间维度过高时甚至存在聚合失效的风险。近年来,虚拟电池(Virtual Battery,VB)模型因可以较好地描述温控负荷的灵活性而受到广泛关注,虽然已有研究将平均功率作为VB模型的基准表征含暖通空调商业楼宇的灵活性,但是上述表征方法本质上是不同的,无法对温控负荷的灵活性进行统一量化,且因为设备高异质性会导致量化不准确。
发明内容
本发明的目的是提供一种热泵负荷灵活性量化方法、系统及设备,以解决无法对温控负荷的灵活性进行统一量化,且量化准确率低的问题。
为实现上述目的,本发明提供了如下方案:
一种热泵负荷灵活性量化方法,包括:
采集热泵负荷聚合商内各居民热泵负荷的物理特性数据以及人为习惯数据,并预测区域电网的日前分布式光伏出力以及固定负荷;所述物理特性数据包括设备参数、室外温度以及房屋属性;所述人为习惯数据包括舒适度需求以及供暖时间;
根据所述物理特性数据以及所述人为习惯数据,采用一阶阻容电路模拟描述热水循环模式中热泵负荷的热量传递过程的等效热参数模型;
根据所述等效热参数模型,采用极端场景法确定虚拟电池模型中功率与能量的边界,建立热泵负荷的虚拟电池模型;
基于所述虚拟电池模型,根据所述区域电网的日前分布式光伏出力以及固定负荷建立热泵负荷聚合商参与日前调度的灵活性评估模型;
根据所述热泵负荷聚合商参与日前调度的灵活性评估模型评估所述热泵负荷聚合商的灵活性,确定最终调度方案;所述灵活性包括调度灵活性以及调节灵活性;所述调度灵活性在日前调度中为调度出力;所述调节灵活性为热泵负荷作为可调节资源提供灵活性的供给能力。
可选的,预测区域电网的日前分布式光伏出力以及固定负荷,具体包括:
采用长短期记忆网络对预测区域电网的日前分布式光伏出力以及固定负荷进行预测。
可选的,所述等效热参数模型为:
;
;
其中,为热泵的制热功率;/>为t+1时刻水箱的温度;/>为t时刻水箱的温度;/>为t时刻房间的温度;/>为t+1时刻房间的温度;/>为室外的温度;/>为热泵供暖系统的热容;/>为热泵供暖系统的热阻;/>为房间的热容;/>为房间热阻;/>为水箱的保温热阻;/>为热泵供暖系统对室内的散热效率;/>为热泵供暖系统循环水流量的标幺值;/>为时间尺度。
可选的,所述热泵负荷的虚拟电池模型为:
;
;
;
其中,为第/>个热泵在/>时刻处的功率;/>为第/>个热泵在/>时刻处的能量;/>为第/>个热泵在/>时刻处的功率上限;/>为第/>个热泵在/>时刻处的功率下限;/>为第/>个热泵在/>时刻处的能量上限;/>为第/>个热泵在/>时刻处的能量下限;/>为第/>个热泵的能量耗散系数;/>为第/>个热泵在/>时刻处的功率;/>为第/>个热泵在/>时刻处的能量。
可选的,所述热泵负荷聚合商参与日前调度的灵活性评估模型为:
;
;
其中,F为购电量和灵活性多目标最优的目标函数;为购电量最优目标函数;/>为灵活性最优目标函数;/>为热泵负荷聚合商与电网在/>时刻处的交互功率;T为调度周期;/>为向上灵活性缺额;/>为向下灵活性缺额;/>为聚合商与电网在t时刻处的交互功率;/>为t时刻处净负荷的预测值;/>为聚合商在t时刻处的充放电基准功率;/>为分布式电源在/>时刻处的出力;/>为储能在t时刻处的充放电功率。
一种热泵负荷灵活性量化系统,包括:
采集及预测模块,用于采集热泵负荷聚合商内各居民热泵负荷的物理特性数据以及人为习惯数据,并预测区域电网的日前分布式光伏出力以及固定负荷;所述物理特性数据包括设备参数、室外温度以及房屋属性;所述人为习惯数据包括舒适度需求以及供暖时间;
等效热参数模型建立模块,用于根据所述物理特性数据以及所述人为习惯数据,采用一阶阻容电路模拟描述热水循环模式中热泵负荷的热量传递过程的等效热参数模型;
虚拟电池模型建立模块,用于根据所述等效热参数模型,采用极端场景法确定虚拟电池模型中功率与能量的边界,建立热泵负荷的虚拟电池模型;
灵活性评估模型建立模块,用于基于所述虚拟电池模型,根据所述区域电网的日前分布式光伏出力以及固定负荷建立热泵负荷聚合商参与日前调度的灵活性评估模型;
评估模块,用于根据所述热泵负荷聚合商参与日前调度的灵活性评估模型评估所述热泵负荷聚合商的灵活性,确定最终调度方案;所述灵活性包括调度灵活性以及调节灵活性;所述调度灵活性在日前调度中为调度出力;所述调节灵活性为热泵负荷作为可调节资源提供灵活性的供给能力。
可选的,所述等效热参数模型为:
;
;
其中,为热泵的制热功率;/>为t+1时刻水箱的温度;/>为t时刻水箱的温度;/>为t时刻房间的温度;/>为t+1时刻房间的温度;/>为室外的温度;/>为热泵供暖系统的热容;/>为热泵供暖系统的热阻;/>为房间的热容;/>为房间热阻;/>为水箱的保温热阻;/>为热泵供暖系统对室内的散热效率;/>为热泵供暖系统循环水流量的标幺值;/>为时间尺度。
可选的,所述热泵负荷的虚拟电池模型为:
;
;
;
其中,为第/>个热泵在/>时刻处的功率;/>为第/>个热泵在/>时刻处的能量;/>为第/>个热泵在/>时刻处的功率上限;/>为第/>个热泵在/>时刻处的功率下限;/>为第/>个热泵在/>时刻处的能量上限;/>为第/>个热泵在/>时刻处的能量下限;/>为第/>个热泵的能量耗散系数;/>为第/>个热泵在/>时刻处的功率;/>为第/>个热泵在/>时刻处的能量。
一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述热泵负荷灵活性量化方法。
一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述热泵负荷灵活性量化方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供了一种热泵负荷灵活性量化方法、系统及设备,采集热泵负荷聚合商内各居民热泵负荷的物理特性数据、人为习惯数据等数据;采用一阶阻容电路模拟的等效热参数(equivalent thermalparameter,ETP)模型描述热水循环模式热泵的热量传递的过程,从而刻画温度的动态变化情况;采用极端场景法确定VB模型中功率与能量的边界,建立热泵负荷的虚拟电池模型,该虚拟电池模型为热泵负荷调节特性与虚拟储能特性之间的关联模型;建立热泵负荷聚合商参与日前调度的灵活性评估模型,以评估所述热泵负荷聚合商的灵活性,确定最终调度方案。本发明对于具有温度死区特性的其它温控负荷如空调、电采暖具有一定的普适性,对保护热泵负荷聚合商居民用电隐私和异质时耦资源的灵活性表征具有实际意义,对温控负荷的灵活性进行统一量化,提高了量化准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的热泵负荷灵活性量化方法流程图;
图2为本发明的时耦资源电能限制对功率可行域的影响示意图;其中,图2中的(a)为2时段时耦资源电能对功率的影响图;图2中的(b)为2时段时耦资源的功率可行域图;图2中的(c)为3时段时耦资源电能对功率的影响图;图2中的(d)为3时段时耦资源的功率可行域图;
图3为本发明的虚拟电池模型建模原理示意图;
图4为本发明的虚拟电池模型灵活性量化结果示意图;其中,图4中的(a)为虚拟电池模型的功率可行域图;图4中的(b)为虚拟电池模型的能量可行域图。
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做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。
本发明的目的是提供一种热泵负荷灵活性量化方法、系统及设备,能够对温控负荷的灵活性进行统一量化,提高量化准确率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1所示,本发明一种热泵负荷灵活性量化方法,包括:
步骤101:采集热泵负荷聚合商内各居民热泵负荷的物理特性数据以及人为习惯数据,并预测区域电网的日前分布式光伏出力以及固定负荷;所述物理特性数据包括设备参数、室外温度以及房屋属性;所述人为习惯数据包括舒适度需求以及供暖时间。
在实际应用中,采用长短期记忆网络(LSTM)算法对区域电网的日前分布式光伏出力、固定负荷进行预测。
作为深度神经网络的一种,LSTM在循环神经网络的基础上增加了遗忘门、输入门和输出门,这样LSTM就可选择性的删除和记忆特定的信息。同时,LSTM解决了梯度爆炸和消失的问题。LSTM可以通过前一时刻的状态推出后一时刻的状态,从而达到“记忆”的功能有效提高预测模型的精度。
LSTM用于预测日前分布式光伏出力、固定负荷的计算过程如下式:
。
式中:为输入门,用于输入分布式光伏出力、固定负荷的历史样本;/>为遗忘门,用于删除不重要的信息;/>为神经元的细胞状态;/>为输出门,用于输出预测的分布式光伏出力、固定负荷;/>、/>和/>为与输入门相关的权重系数矩阵;bi为输入门的偏置向量;/>、/>和/>为与遗忘门相关的权重系数矩阵;bf为遗忘门的偏置向量;和/>为与神经元细胞状态相关的权重系数矩阵;bc为细胞状态的偏置向量;/>、和/>为与输出门相关的权重系数矩阵;bo为输出门偏置向量;/>和/>为激活函数;ht为t时刻的隐藏状态;ht-1为t-1时刻的隐藏状态。
步骤102:根据所述物理特性数据以及所述人为习惯数据,采用一阶阻容电路模拟描述热水循环模式中热泵负荷的热量传递过程的等效热参数模型。
在实际应用中,热泵负荷采用热水循环模式供热,即先加热水箱中的水,将电能转化为热能,然后热水通过循环管道向室内传递热能,达到供暖的效果。这种方式可以避免热泵送风采暖带来的干燥不适,同时增加系统的储热能力。
通过测量得到的热泵负荷的物理特性数据,建立描述热水循环模式中热泵负荷的等效热参数模型。
所述等效热参数模型为:
;
;
其中,为热泵的制热功率;/>为t+1时刻水箱的温度;/>为t时刻水箱的温度;/>为t时刻房间的温度;/>为t+1时刻房间的温度;/>为室外的温度;/>为热泵供暖系统的热容;/>为热泵供暖系统的热阻;/>为房间的热容;/>为房间热阻;/>为水箱的保温热阻;/>为热泵供暖系统对室内的散热效率;/>为热泵供暖系统循环水流量的标幺值;/>为时间尺度。
在上述等效热参数模型中,热泵的电热功率转换关系满足:
;
。
其中,为热泵的电功率;/>为热泵的额定电功率;热泵的能效比(电热转换系数)/>与室外温度有关,可通过测量得到。
同时,为了保证热泵运行的安全以及居民的舒适程度,热泵水箱温度和房间室内温度需要限制在一定范围内:
。
。
其中,为热泵水箱温度的下限,/>为热泵水箱温度的上;/>为满足舒适度要求的室内温度的最低值,/>为满足舒适度要求的室内温度的最高值。
步骤103:根据所述等效热参数模型,采用极端场景法确定虚拟电池模型中功率与能量的边界,建立热泵负荷的虚拟电池模型。
在实际应用中,热泵供暖系统的调节特性与电池模型相似,考虑物理特性数据与人为习惯数据后,建立虚拟电池(VB)模型用于刻画热泵的灵活性。
一方面,将室内温度的上升和下降与电池的充电和放电过程等效,即使室内温度升高的制热因素会为VB充电,相应地空气对流、热传导等使室内温度下降的散热因素会使VB放电;另一方面,将室内温度到达温度上限等效为电池电能充满,将室内温度到达温度下限等效为电池电能耗尽。
例如热泵制热使水箱中热水升温,热水又通过热传递做功使室内温度升高,相当于增加了VB模型的电能;冬季环境的温度远低于室内温度,根据热力学第二定律,热量会从室内向室外传递或被室内吸热体吸收,室内温度因此下降,相当于减少了VB模型的电能。
热泵VB模型的功率可行域不仅受到自身功率限制,也会受到电能限制的影响。如图2中的(a)和图2中的(c)所示,采用图示法以k、k+1和k+2三个时段进行分析。其中,图2中的(b)和图2中的(d)为VB模型的功率可行域,虚线代表电能对功率可行域的限制,E为电能,Emax为电能上限,Emin为电能下限,Pmax为功率上限,Pmin为功率下限,P(k)为k时段的功率,P(k+1)为k+1时段的功率,P(k+2)为k+2时段的功率。
本发明选用基于优化的方法构造极端场景,从而确定VB模型中功率与能量的边界。以下式为优化目标,可以求得热泵实际运行时功率的上限和下限/>。
。
为了更好地比拟电池,需要确定衡量电池充放电状态的功率基准值。本发明采用下式所示的二次范数形式作为优化目标确定VB模型的基准功率。
;
。
式中,为调度周期内的可控时段;/>为室内温度;/>为用户设定温度。
VB模型的充放电功率上下限可以表示为:
;
。
其中,为功率上限(充电功率最大值);/>为功率下限(放电功率最大值)。
以下式为优化目标,可以求出当房间的温度均处于死区温度上限和下限时热泵用电功率上限和下限/>。
。
其中,为温度死区宽度。
分别以整个可控时段的和/>的平均功率求得热泵VB模型的能量上限/>和下限/>,如下式所示。
。
其中,为能量耗散系数;/>为调度周期内的可控时段。
热泵的VB模型可以表示为:
;
;
。
其中,和/>分别为第/>个热泵在/>时刻处的功率与能量;和/>分别为第/>个热泵在/>时刻处的功率上下限;/>为第/>个热泵在/>时刻处的功率与能量;/>和/>分别为第/>个热泵在/>时刻处的能量上下限;/>和/>为第/>个热泵在t+1时刻和t时刻处的能量;为第/>个热泵的能量耗散系数;/>和/>分别为房间的热容和热阻。
由于热泵本质上是用电负荷,只有单向的能量传递,VB模型的充放电效率均为1。热泵负荷VB模型的可行域如图3所示,包括热泵1、水箱2、暖气片3、内部吸热体4以及热泵的VB模型5。可以看到,VB模型采用一套标准的电池参数描述异质时耦资源的灵活性,具有时移的功率与能量边界,降低了多能异质资源可行域刻画的复杂性。即使热泵负荷聚合商内各资源调节特性差异较大,聚合商的可行域也可以由各资源可行域按一定规则进行线性求和获得,使得可行域的聚合更加容易。
步骤104:基于所述虚拟电池模型,根据所述区域电网的日前分布式光伏出力以及固定负荷建立热泵负荷聚合商参与日前调度的灵活性评估模型。
步骤105:根据所述热泵负荷聚合商参与日前调度的灵活性评估模型评估所述热泵负荷聚合商的灵活性,确定最终调度方案;所述灵活性包括调度灵活性以及调节灵活性;所述调度灵活性在日前调度中为调度出力;所述调节灵活性为热泵负荷作为可调节资源提供灵活性的供给能力。
在实际应用中,热泵负荷参与区域电网日前优化调度运行的具体流程为:1)热泵负荷聚合商通过搜集居民热泵负荷物理属性、行为习惯等资源信息以VB模型描述其可行域,然后聚合成一个整体以价格接收者参与电力市场并接受调度;2)区域电网调度中心根据负荷、分布式电源出力、灵活性需求预测以及聚合模型提供的灵活性进行日前优化,下发调度计划;3)热泵负荷聚合商根据调度曲线对集群热泵资源的灵活性进行解聚合,功率分配后生成各用户热泵的最终调度结果。
考虑灵活性供需后,热泵负荷聚合商的灵活性可分为调度灵活性与调节灵活性。调度灵活性在日前调度中指调度出力,体现在满足电网实时电力平衡的能力。调节灵活性指的是热泵负荷作为可调节资源提供灵活性供给的能力,即满足电网的灵活性平衡。
热泵负荷聚合商代表各用户热泵负荷提供灵活性供给,以应对净负荷随机波动产生的灵活性需求。考虑VB模型的调节特性,集群热泵的灵活性供给能力可由下式量化。
。
其中,和/>为热泵负荷聚合商在/>时刻处的向上和向下灵活性供给;/>和/>为热泵负荷聚合商在/>时刻处的充放电基准功率与能量;和/>为热泵负荷聚合商在/>时刻处的最大和最小充放电功率;/>和为热泵负荷聚合商在/>时刻处的最大和最小能量。
此时将电网灵活性需求与灵活性供给的差值定义为电网的灵活性裕度,当供给满足不了需求时电网就会出现灵活性缺额,表达式如下式所示。
;
。
其中,和/>分别为电网在/>时刻处的向上灵活性裕度和向下灵活性裕度;/>和/>分别为/>时刻处净负荷产生的向上灵活性需求与向下灵活性需求;/>和/>分别为电网在/>时刻处的向上和向下灵活性缺额。
在所提运行框架下,热泵负荷聚合商以居民的供热需求为前提,目标是实现日前调度的购电量最小并尽可能地保持区域电网的灵活性供需平衡,构建的多目标优化问题如下式所示。
;
。
其中,F为购电量和灵活性多目标最优的目标函数;为购电量最优目标函数;为灵活性最优目标函数;/>为热泵负荷聚合商与电网在/>时刻处的交互功率;T为调度周期;/>为向上灵活性缺额;/>为向下灵活性缺额;/>为聚合商与电网在t时刻处的交互功率;/>为t时刻处净负荷的预测值;/>为聚合商在t时刻处的充放电基准功率;/>为分布式电源在/>时刻处的出力;/>为储能在时刻t处的充放电功率。
如图4中的(a)和图4中的(b)所示,本发明针对现有温控负荷灵活性量化存在的不足,以热泵作为典型温控负荷,分析用电灵活性及其在时域上的耦合性,考虑其“虚拟储能”与温度死区特性建立了VB模型,该模型的表征形式具有不同参数与相同结构,对于具有温度死区特性的其它温控负荷如空调、电采暖均适用。
本发明充分考虑了热泵负荷聚合商内各居民热泵负荷的物理特性数据和人为习惯数据,采用一阶阻容电路模拟的等效热参数模型描述热水循环模式热泵的热量传递的过程,可以较为准确的刻画温度的动态变化情况。本发明考虑热泵负荷调节特性与虚拟储能之间的关联性,将热水循环模式的热泵建立成虚拟电池模型,该模型兼顾物理特性数据(设备参数、室外温度、房屋属性)与人为因素(供暖需求),以一套标准的电池参数可以有效刻画热泵等温控负荷多时间尺度的灵活性,降低了多能异质资源可行域刻画的复杂性。相比于现有对热泵等温控负荷灵活性的量化技术,避免了因为设备高异质性而量化不准确的弊端。利用本发明方法,即使热泵负荷聚合商内各资源调节特性差异较大,聚合商的可行域也可以由各资源可行域按一定规则进行线性求和获得,使得可行域的聚合更加容易。同时,虚拟电池模型参与调度时只需上报标准的电池参数,对于保护用户隐私有着天然的优势。
实施例二
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供一种热泵负荷灵活性量化系统。
一种热泵负荷灵活性量化系统,包括:
采集及预测模块,用于采集热泵负荷聚合商内各居民热泵负荷的物理特性数据以及人为习惯数据,并预测区域电网的日前分布式光伏出力以及固定负荷;所述物理特性数据包括设备参数、室外温度以及房屋属性;所述人为习惯数据包括舒适度需求以及供暖时间。
等效热参数模型建立模块,用于根据所述物理特性数据以及所述人为习惯数据,采用一阶阻容电路模拟描述热水循环模式中热泵负荷的热量传递过程的等效热参数模型。
在实际应用中,所述等效热参数模型为:
;
;
其中,为热泵的制热功率;/>为t+1时刻水箱的温度;/>为t时刻水箱的温度;/>为t时刻房间的温度;/>为t+1时刻房间的温度;/>为室外的温度;/>为热泵供暖系统的热容;/>为热泵供暖系统的热阻;/>为房间的热容;/>为房间热阻;/>为水箱的保温热阻;/>为热泵供暖系统对室内的散热效率;/>为热泵供暖系统循环水流量的标幺值;/>为时间尺度。
虚拟电池模型建立模块,用于根据所述等效热参数模型,采用极端场景法确定虚拟电池模型中功率与能量的边界,建立热泵负荷的虚拟电池模型。
在实际应用中,所述热泵负荷的虚拟电池模型为:
;
;
;
其中,为第/>个热泵在/>时刻处的功率;/>为第/>个热泵在/>时刻处的能量;/>为第/>个热泵在/>时刻处的功率上限;/>为第/>个热泵在/>时刻处的功率下限;/>为第/>个热泵在/>时刻处的能量上限;/>为第/>个热泵在/>时刻处的能量下限;/>为第/>个热泵的能量耗散系数;/>为第/>个热泵在/>时刻处的功率;/>为第/>个热泵在/>时刻处的能量。
灵活性评估模型建立模块,用于基于所述虚拟电池模型,根据所述区域电网的日前分布式光伏出力以及固定负荷建立热泵负荷聚合商参与日前调度的灵活性评估模型。
评估模块,用于根据所述热泵负荷聚合商参与日前调度的灵活性评估模型评估所述热泵负荷聚合商的灵活性,确定最终调度方案;所述灵活性包括调度灵活性以及调节灵活性;所述调度灵活性在日前调度中为调度出力;所述调节灵活性为热泵负荷作为可调节资源提供灵活性的供给能力。
实施例三
本发明实施例提供一种电子设备包括存储器及处理器,该存储器用于存储计算机程序,该处理器运行计算机程序以使电子设备执行实施例一提供的热泵负荷灵活性量化方法。
在实际应用中,上述电子设备可以是服务器。
在实际应用中,电子设备包括:至少一个处理器(processor)、存储器(memory)、总线及通信接口(Communications Interface)。
其中:处理器、通信接口、以及存储器通过通信总线完成相互间的通信。
通信接口,用于与其它设备进行通信。
处理器,用于执行程序,具体可以执行上述实施例所述的方法。
具体地,程序可以包括程序代码,该程序代码包括计算机操作指令。
处理器可能是中央处理器CPU,或者是特定集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器,用于存放程序。存储器可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
基于以上实施例的描述,本申请实施例提供一种存储介质,其上存储有计算机程序指令,计算机程序指令可被处理器执行以实现任意实施例所述的方法
本申请实施例提供的热泵负荷灵活性量化系统以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供语音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网性能。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(4)其他具有数据交互功能的电子设备。
至此,已经对本主题的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序,以实现期望的结果。在某些实施方式中,多任务处理和并行处理可以是有利的。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。本领域内的技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、
数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带、磁盘存储或其他磁性存储设备
或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定事务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行事务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种热泵负荷灵活性量化方法,其特征在于,包括:
采集热泵负荷聚合商内各居民热泵负荷的物理特性数据以及人为习惯数据,并预测区域电网的日前分布式光伏出力以及固定负荷;所述物理特性数据包括设备参数、室外温度以及房屋属性;所述人为习惯数据包括舒适度需求以及供暖时间;
根据所述物理特性数据以及所述人为习惯数据,采用一阶阻容电路模拟描述热水循环模式中热泵负荷的热量传递过程的等效热参数模型;
根据所述等效热参数模型,采用极端场景法确定虚拟电池模型中功率与能量的边界,建立热泵负荷的虚拟电池模型;
基于所述虚拟电池模型,根据所述区域电网的日前分布式光伏出力以及固定负荷建立热泵负荷聚合商参与日前调度的灵活性评估模型;
根据所述热泵负荷聚合商参与日前调度的灵活性评估模型评估所述热泵负荷聚合商的灵活性,确定最终调度方案;所述灵活性包括调度灵活性以及调节灵活性;所述调度灵活性在日前调度中为调度出力;所述调节灵活性为热泵负荷作为可调节资源提供灵活性的供给能力。
2.根据权利要求1所述的热泵负荷灵活性量化方法,其特征在于,预测区域电网的日前分布式光伏出力以及固定负荷,具体包括:
采用长短期记忆网络对预测区域电网的日前分布式光伏出力以及固定负荷进行预测。
3.根据权利要求1所述的热泵负荷灵活性量化方法,其特征在于,所述等效热参数模型为:
;
;
其中,为热泵的制热功率;/>为t+1时刻水箱的温度;/>为t时刻水箱的温度;/>为t时刻房间的温度;/>为t+1时刻房间的温度;/>为室外的温度;为热泵供暖系统的热容;/>为热泵供暖系统的热阻;/>为房间的热容;/>为房间热阻;/>为水箱的保温热阻;/>为热泵供暖系统对室内的散热效率;/>为热泵供暖系统循环水流量的标幺值;/>为时间尺度。
4.根据权利要求3所述的热泵负荷灵活性量化方法,其特征在于,所述热泵负荷的虚拟电池模型为:
;
;
;
其中,为第/>个热泵在/>时刻处的功率;/>为第/>个热泵在/>时刻处的能量;/>为第/>个热泵在/>时刻处的功率上限;/>为第/>个热泵在/>时刻处的功率下限;/>为第/>个热泵在/>时刻处的能量上限;/>为第/>个热泵在/>时刻处的能量下限;/>为第/>个热泵的能量耗散系数;/>为第/>个热泵在/>时刻处的功率;为第/>个热泵在/>时刻处的能量。
5.根据权利要求3所述的热泵负荷灵活性量化方法,其特征在于,所述热泵负荷聚合商参与日前调度的灵活性评估模型为:
;
;
其中,F为购电量和灵活性多目标最优的目标函数;为购电量最优目标函数;/>为灵活性最优目标函数;/>为热泵负荷聚合商与电网在/>时刻处的交互功率;T为调度周期;/>为向上灵活性缺额;/>为向下灵活性缺额;/>为聚合商与电网在t时刻处的交互功率;/>为t时刻处净负荷的预测值;/>为聚合商在t时刻处的充放电基准功率;/>为分布式电源在/>时刻处的出力;/>为储能在t时刻处的充放电功率。
6.一种热泵负荷灵活性量化系统,其特征在于,包括:
采集及预测模块,用于采集热泵负荷聚合商内各居民热泵负荷的物理特性数据以及人为习惯数据,并预测区域电网的日前分布式光伏出力以及固定负荷;所述物理特性数据包括设备参数、室外温度以及房屋属性;所述人为习惯数据包括舒适度需求以及供暖时间;
等效热参数模型建立模块,用于根据所述物理特性数据以及所述人为习惯数据,采用一阶阻容电路模拟描述热水循环模式中热泵负荷的热量传递过程的等效热参数模型;
虚拟电池模型建立模块,用于根据所述等效热参数模型,采用极端场景法确定虚拟电池模型中功率与能量的边界,建立热泵负荷的虚拟电池模型;
灵活性评估模型建立模块,用于基于所述虚拟电池模型,根据所述区域电网的日前分布式光伏出力以及固定负荷建立热泵负荷聚合商参与日前调度的灵活性评估模型;
评估模块,用于根据所述热泵负荷聚合商参与日前调度的灵活性评估模型评估所述热泵负荷聚合商的灵活性,确定最终调度方案;所述灵活性包括调度灵活性以及调节灵活性;所述调度灵活性在日前调度中为调度出力;所述调节灵活性为热泵负荷作为可调节资源提供灵活性的供给能力。
7.根据权利要求6所述的热泵负荷灵活性量化系统,其特征在于,所述等效热参数模型为:
;
;
其中,为热泵的制热功率;/>为t+1时刻水箱的温度;/>为t时刻水箱的温度;/>为t时刻房间的温度;/>为t+1时刻房间的温度;/>为室外的温度;/>为热泵供暖系统的热容;/>为热泵供暖系统的热阻;/>为房间的热容;/>为房间热阻;为水箱的保温热阻;/>为热泵供暖系统对室内的散热效率;/>为热泵供暖系统循环水流量的标幺值;/>为时间尺度。
8.根据权利要求7所述的热泵负荷灵活性量化系统,其特征在于,所述热泵负荷的虚拟电池模型为:
;
;
;
其中,为第/>个热泵在/>时刻处的功率;/>为第/>个热泵在/>时刻处的能量;/>为第/>个热泵在/>时刻处的功率上限;/>为第/>个热泵在/>时刻处的功率下限;/>为第/>个热泵在/>时刻处的能量上限;/>为第/>个热泵在/>时刻处的能量下限;/>为第/>个热泵的能量耗散系数;/>为第/>个热泵在/>时刻处的功率;/>为第/>个热泵在/>时刻处的能量。
9.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行如权利要求1-5中任一项所述的热泵负荷灵活性量化方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的热泵负荷灵活性量化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310927710.8A CN116739306B (zh) | 2023-07-27 | 2023-07-27 | 一种热泵负荷灵活性量化方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310927710.8A CN116739306B (zh) | 2023-07-27 | 2023-07-27 | 一种热泵负荷灵活性量化方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116739306A true CN116739306A (zh) | 2023-09-12 |
CN116739306B CN116739306B (zh) | 2023-12-26 |
Family
ID=87909760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310927710.8A Active CN116739306B (zh) | 2023-07-27 | 2023-07-27 | 一种热泵负荷灵活性量化方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116739306B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160159A (zh) * | 2015-08-13 | 2015-12-16 | 新奥能源服务有限公司 | 一种多能源技术量化筛选方法 |
CN111695793A (zh) * | 2020-05-29 | 2020-09-22 | 浙江大学 | 一种综合能源系统用能灵活性评价方法及系统 |
CN114066056A (zh) * | 2021-11-16 | 2022-02-18 | 国网福建省电力有限公司 | 考虑热电协同综合能源系统灵活性的优化调度方法及系统 |
WO2022040255A1 (en) * | 2020-08-18 | 2022-02-24 | The Texas A&M University System | Methods, systems, and computer readable media for model-free privacy preserving thermal load management |
CN114204551A (zh) * | 2021-11-25 | 2022-03-18 | 哈尔滨工业大学 | 一种含光伏热泵的多能互补型微电网多元化优化运行方法、设备 |
CN114282151A (zh) * | 2021-11-17 | 2022-04-05 | 贵州电网有限责任公司 | 一种基于温湿度独立控制的分布式资源调度方法 |
CN115857348A (zh) * | 2022-12-07 | 2023-03-28 | 国网浙江省电力有限公司电力科学研究院 | 考虑两联供热泵舒适供能的分布式能量系统容量优化方法 |
-
2023
- 2023-07-27 CN CN202310927710.8A patent/CN116739306B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160159A (zh) * | 2015-08-13 | 2015-12-16 | 新奥能源服务有限公司 | 一种多能源技术量化筛选方法 |
CN111695793A (zh) * | 2020-05-29 | 2020-09-22 | 浙江大学 | 一种综合能源系统用能灵活性评价方法及系统 |
WO2022040255A1 (en) * | 2020-08-18 | 2022-02-24 | The Texas A&M University System | Methods, systems, and computer readable media for model-free privacy preserving thermal load management |
CN114066056A (zh) * | 2021-11-16 | 2022-02-18 | 国网福建省电力有限公司 | 考虑热电协同综合能源系统灵活性的优化调度方法及系统 |
CN114282151A (zh) * | 2021-11-17 | 2022-04-05 | 贵州电网有限责任公司 | 一种基于温湿度独立控制的分布式资源调度方法 |
CN114204551A (zh) * | 2021-11-25 | 2022-03-18 | 哈尔滨工业大学 | 一种含光伏热泵的多能互补型微电网多元化优化运行方法、设备 |
CN115857348A (zh) * | 2022-12-07 | 2023-03-28 | 国网浙江省电力有限公司电力科学研究院 | 考虑两联供热泵舒适供能的分布式能量系统容量优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116739306B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hughes et al. | Identification of virtual battery models for flexible loads | |
Chen et al. | Demand response potential evaluation for residential air conditioning loads | |
Forouzandehmehr et al. | Autonomous demand response using stochastic differential games | |
Luo et al. | Coordinated residential energy resource scheduling with vehicle‐to‐home and high photovoltaic penetrations | |
WO2019134629A1 (zh) | 基于温度调控的用户侧负荷响应方法 | |
CN107704875A (zh) | 基于改进ihcmac神经网络的建筑负荷预测方法和装置 | |
Abou El‐Ela et al. | Minimisation of voltage fluctuation resulted from renewable energy sources uncertainty in distribution systems | |
Cheng et al. | Aggregate modeling and analysis of air conditioning load using coupled Fokker–Planck equations | |
Kumar et al. | Virtual energy storage capacity estimation using ANN‐based kWh modelling of refrigerators | |
CN107977741B (zh) | 冷热电联供微网系统的能量调度优化方法 | |
CN110991749A (zh) | 供热负荷预测方法及装置 | |
CN111476837B (zh) | 自适应立体匹配优化方法及其装置、设备和存储介质 | |
Li et al. | Multi-objective operation of solar-based microgrids incorporating artificial neural network and grey wolf optimizer in digital twin | |
WO2022040255A1 (en) | Methods, systems, and computer readable media for model-free privacy preserving thermal load management | |
Bhayani et al. | Optimal allocation of facts devices using kinetic gas molecular optimization and cuckoo search algorithm | |
CN116739306B (zh) | 一种热泵负荷灵活性量化方法、系统及设备 | |
Falay et al. | Coupling physical and machine learning models: Case study of a single-family house | |
CN116995659A (zh) | 一种考虑可再生能源消纳的热泵系统柔性运行方法 | |
CN116914850A (zh) | 一种区域综合能源系统双层优化调度方法、系统及设备 | |
CN116151032A (zh) | 住宅建筑动态负荷柔性潜力计算方法、装置、设备及介质 | |
Li et al. | Capacity guaranteed control method for air conditioning cluster joining power grid frequency regulation | |
Chandra et al. | Intelligent data systems for building energy workflow: Data pipelines, LSTM efficiency prediction and more | |
Wong et al. | Using the thermal energy storage potential of residential homes for ToU rate savings and demand response | |
Panagopoulos et al. | Advanced economic control of electricity-based space heating systems in domestic coalitions with shared intermittent energy resources | |
CN114552634A (zh) | 一种分布式电源规模化并网多目标动态集群划分方法及装置 |
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 |