CN117151398A - 一种基于虚拟电厂的中央空调调控方法及系统 - Google Patents
一种基于虚拟电厂的中央空调调控方法及系统 Download PDFInfo
- Publication number
- CN117151398A CN117151398A CN202311116949.3A CN202311116949A CN117151398A CN 117151398 A CN117151398 A CN 117151398A CN 202311116949 A CN202311116949 A CN 202311116949A CN 117151398 A CN117151398 A CN 117151398A
- Authority
- CN
- China
- Prior art keywords
- virtual
- central air
- energy storage
- model
- power
- 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
- 230000033228 biological regulation Effects 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 38
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 97
- 238000010248 power generation Methods 0.000 claims abstract description 74
- 238000004146 energy storage Methods 0.000 claims abstract description 37
- 230000001105 regulatory effect Effects 0.000 claims abstract description 7
- 238000004378 air conditioning Methods 0.000 claims description 44
- 230000008859 change Effects 0.000 claims description 15
- 238000007599 discharging Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000001816 cooling Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 4
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 238000005338 heat storage Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000002844 melting Methods 0.000 claims description 3
- 230000008018 melting Effects 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims 1
- 230000006872 improvement Effects 0.000 description 8
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012546 transfer 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Power Engineering (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于虚拟电厂的中央空调调控方法及系统，通过获取中央空调系统中的冷冻水出水温度、冷冻水流量和风机风量得到中央空调的可调容量，根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，基于虚拟机组聚类中心位置和用户区域模型构建虚拟电厂，获取虚拟电厂所处电网中的约束条件和发电任务模型，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，提升了中央空调的调控效率，也提高了虚拟电厂的工作稳定性。
Description
技术领域
本发明属于虚拟电厂技术领域，尤其涉及一种基于虚拟电厂的中央空调调控方法及系统。
背景技术
目前，中央空调系统内部电力设备众多，相对于分体式空调、电热水器等温控负荷用电功率较大，由于其中水系统和建筑本体具有巨大的热惯性，中央空调系统调节潜力巨大，近年来成为了典型的电力需求响应资源。虚拟电厂实现了分布式资源的多样化聚合和协调控制，有利于资源的合理优化配置和利用，虚拟电厂聚合了大量需求侧资源，处理灵活可调，因而可以很好地参与电网的辅助服务。然而，大型商业建筑中使用大量中央空调，这些中央空调在夏季为商业建筑提供冷量，维持建筑内部的室温处于人体舒适度范围内，通过短时批量调控中央空调，可以实现负荷的大规模削减或转移，中央空调的体量大、热惰性的特点而成为一种优秀的虚拟电厂资源，但如何在确保对用户无影响或影响较小的前提下对中央空调进行调控，因此，亟需对中央空调的实际表现结合实际用户情况而建立中央空调调控模型，提高中央空调调控效率和电能使用率。
发明内容
有鉴于此，本发明提供了一种保证虚拟电厂出力稳定性和提高中央空调动态调节效率的基于虚拟电厂的中央空调调控方法及系统，来解决上述存在的技术问题，具体采用以下技术方案来实现。
第一方面，本发明提供了一种基于虚拟电厂的中央空调调控方法，包括以下步骤：
获取中央空调系统中的冷冻水出水温度、冷冻水流量和风机风量得到中央空调的可调容量，其中，中央空调系统包括制冷系统模型、水系统模型、风系统模型和用户区域模型；
根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，其中，中央空调的虚拟储能模型包括虚拟储能充放电功率、虚拟储能电量、虚拟储能荷电状态和虚拟储能充放电效率；
对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，基于虚拟机组聚类中心位置和用户区域模型构建虚拟电厂，其中，虚拟机组包括至少一个中央空调；
获取虚拟电厂所处电网中的约束条件和发电任务模型，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，其中，发电任务模型包括虚拟电厂发电有功功率与成本之间的关系，调控模型包括中央空调系统的末端风机最小化和制冷机功率最小化。
作为上述技术方案的进一步改进，获取虚拟电厂所处电网中的约束条件和发电任务模型，包括：
约束条件包括充放电功率限制约束、荷电状态连接性约束和虚拟储能电量约束，获取充放电功率限制约束的过程为：预设未对中央空调进行调控时的冷冻水温度处于冷冻水设定范围的中间值，虚拟储能模型中的储能元件的充放电功率取值范围与调控方式的关系表达式为其中/>表示上调冷冻水水温至水温上限/>时的虚拟放电功率，/>表示下调冷冻水水温至水温下限/>时的虚拟充电功率，则/> 表示第k时段第i个虚拟储能元件的虚拟充放电功率，将调峰总时长分为m个时段，每个时段的时长为Δt，则n个虚拟储能元件构建的削峰目标函数的表达式为/> 表示第k时段的极化削减负荷；
获取荷电状态连续性约束的过程为：虚拟储能元件的荷电状态随储能元件充放电而改变，储能元件在k时刻的荷电状态为SOCi(k)与k+1时刻的荷电状态为SOCi(k+1)之间存在荷电状态连续性约束的表达式为其中表示虚拟储能元件充放电效率，/>表示虚拟储能元件因充放电行为对荷电状态的变化量；
获取虚拟储能电量约束的过程为：任一虚拟储能元件的实际电量不超过其最大电量值，用荷电状态的表达式为0≤SOCi(k)≤1(k＝1...m)。
作为上述技术方案的进一步改进，获取虚拟电厂所处电网中的约束条件和发电任务模型，还包括：
将虚拟电厂的发电任务分解至各虚拟机组并最小化发电成本，单位时间发电成本Ct与功率的关系表达式为目标函数为总发电成本最小的表达式为
根据中央空调对应的虚拟机组接收出力指令后的虚拟机组功率约束表达式为其中T表示虚拟机组的出力时长，gi(T)表示虚拟机组出力特性的拟合函数，虚拟机组功率约束表达式描述虚拟机组功率Pi,t与出力时长T之间的关系；根据需要完成的发电任务P的发电任务约束表达式为/>和功率限值约束表达式为Pimin≤Pi,t≤Pimax；当/>时，发电成本最小，其中λ表示发电任务约束表达式对应的拉格朗日系数，γi表示虚拟机组功率约束表达式对应的拉格朗日系数，γi和λ通过迭代计算得到。
作为上述技术方案的进一步改进，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，包括：
获取制冷机作为冷源消耗电功率Pchr和产生冷量Qchr并向冷冻水所处的水系统输送，冷冻水根据水的热容Cw作用实现冷量的存储，冷冻水管道供水端和回水端产生温差；
当制冷机升功率时，向冷冻水热熔充电，供回水温差增加，冷冻水热容储能量上升；制冷机降功率时，冷冻水热容开始向用户端放电以使输送给用户的制冷功率稳定得到调控模型的表达式为其中n表示储能元件编号，N表示中央空调系统内储能元件总数，/>表示中央空调系统虚拟储能功率，Pn,t表示储能元件实时功率，Pn,0表示储能元件基准功率。
作为上述技术方案的进一步改进，对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，包括：
采用密度峰值K均值聚类算法确定初始聚类中心，预设中央空调虚拟储能元件的技术参数特征向量为 易俗河局部密度ρ的表达式为/> 其中dst(xi,xj)＝|xi-xj|，dstcof表示截断距离，/>局部密度表示找到与特征向量xi之间距离小于截断距离dstcof的数据点的个数，根据局部密度计算出每一个中央空调虚拟储能元件的密度以确定聚类中心距离。
作为上述技术方案的进一步改进，根据局部密度计算出每一个中央空调虚拟储能元件的密度以确定聚类中心距离，包括：
将每个中央空调虚拟储能元件的密度从大到小排列ρi>ρi>ρk，最大密度的中央空调虚拟储能元件的密度为ρi并记为i点；
最大密度的点的聚类中心距离δi等于与i点最远的点到i点的距离，其他点的聚类中心距离为在密度大于该点的点集合中，与该点距离最小的距离，依次确定所有的聚类中心距离δ，采用表达式为γi＝δi*ρi计算聚类中心权值，根据中心权值从大到小排列并用两者之间的斜率表征中心权值下降趋势，对应的斜率表达式为表示第i个虚拟机组至第i+m个虚拟机组中心权值的平均变化率；
通过表达式为进行拐点计算得到偏移度趋势变化最快的临界虚拟机组，其中x表示变化率幅值，/>表示第i个虚拟机组到第i+1个虚拟机组的斜率，/>表示第1个虚拟机组到第i个虚拟机组的斜率，根据x绘制为拐点判别图得到x的最大值位置为拐点即虚拟机组聚类中心位置。
作为上述技术方案的进一步改进，根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，包括：
中央空调接收调控时启动制冷系统模型，制冷系统模型制冷量由零增加至额定制冷量QN，制冷量的表达式为QAC(t)＝QN，任何时段空调房间的温度变化值正比于该时段房间热量的总和与空调供冷量之差即Ca*Vk*ρa*dTin(t)＝QCL(Tin(t))dt+QNW(Tin(t))dt-Qx(dTin(t))-QACdt，其中Ca＝0.28J/kg·℃为空气定压重量比热，Vk表示用户的制冷空间体积，ρa＝1.29kg/m3为空气密度，Tin(t)表示回风温度，回风温度表征中央空调所有室内温度的平均量，QCL、QNW和Qx分别表示房间瞬时的热量、新风带来的热量和围护结构的蓄热量。
作为上述技术方案的进一步改进，预设每个用户区域的热参数模型的表达式为其中Cl、Rl分别表示区域热容和热阻，/>和/>分别表示区域内产生的总热量、辐射热量、对流热量和内部物体散热量，/>表示送入区域的冷量，/>和/>分别表示室内温度和室外温度，/>表示区域送风温度，/>表示区域空气量。
作为上述技术方案的进一步改进，中央空调的可调容量包括冷冻水出水温度、冷冻水流量和末端风机风量中的至少一种，可调容量与电气量之间通过冷量相联系，电气量为各部分消耗的电功率和实时可调功率。
第二方面，本发明还提供了一种基于虚拟电厂的中央空调调控系统，包括：
获取模块，用于获取中央空调系统中的冷冻水出水温度、冷冻水流量和风机风量得到中央空调的可调容量，其中，中央空调系统包括制冷系统模型、水系统模型、风系统模型和用户区域模型；
构建模块，用于根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，其中，中央空调的虚拟储能模型包括虚拟储能充放电功率、虚拟储能电量、虚拟储能荷电状态和虚拟储能充放电效率；
计算模块，用于对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，基于虚拟机组聚类中心位置和用户区域模型构建虚拟电厂，其中，虚拟机组包括至少一个中央空调；
调控模块，用于获取虚拟电厂所处电网中的约束条件和发电任务模型，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，其中，发电任务模型包括虚拟电厂发电有功功率与成本之间的关系，调控模型包括中央空调系统的末端风机最小化和制冷机功率最小化。
本发明提供了一种基于虚拟电厂的中央空调调控方法及系统，通过获取中央空调系统中的冷冻水出水温度、冷冻水流量和风机风量得到中央空调的可调容量，根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，基于虚拟机组聚类中心位置和用户区域模型构建虚拟电厂，获取虚拟电厂所处电网中的约束条件和发电任务模型，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，提升了中央空调的调控效率，也提高了虚拟电厂的工作稳定性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明的基于虚拟电厂的中央空调调控方法的流程图；
图2为本发明的基于虚拟电厂的中央空调调控系统的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
参阅图1，本发明提供了一种基于虚拟电厂的中央空调调控方法，包括以下步骤：
S1：获取中央空调系统中的冷冻水出水温度、冷冻水流量和风机风量得到中央空调的可调容量，其中，中央空调系统包括制冷系统模型、水系统模型、风系统模型和用户区域模型；
S2：根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，其中，中央空调的虚拟储能模型包括虚拟储能充放电功率、虚拟储能电量、虚拟储能荷电状态和虚拟储能充放电效率；
S3：对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，基于虚拟机组聚类中心位置和用户区域模型构建虚拟电厂，其中，虚拟机组包括至少一个中央空调；
S4：获取虚拟电厂所处电网中的约束条件和发电任务模型，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，其中，发电任务模型包括虚拟电厂发电有功功率与成本之间的关系，调控模型包括中央空调系统的末端风机最小化和制冷机功率最小化。
本实施例中，获取虚拟电厂所处电网中的约束条件和发电任务模型，包括：约束条件包括充放电功率限制约束、荷电状态连接性约束和虚拟储能电量约束，获取充放电功率限制约束的过程为：预设未对中央空调进行调控时的冷冻水温度处于冷冻水设定范围的中间值，虚拟储能模型中的储能元件的充放电功率取值范围与调控方式的关系表达式为其中/>表示上调冷冻水水温至水温上限时的虚拟放电功率，/>表示下调冷冻水水温至水温下限/>时的虚拟充电功率，则/> 表示第k时段第i个虚拟储能元件的虚拟充放电功率，将调峰总时长分为m个时段，每个时段的时长为Δt，则n个虚拟储能元件构建的削峰目标函数的表达式为/> 表示第k时段的极化削减负荷；获取荷电状态连续性约束的过程为：虚拟储能元件的荷电状态随储能元件充放电而改变，储能元件在k时刻的荷电状态为SOCi(k)与k+1时刻的荷电状态为SOCi(k+1)之间存在荷电状态连续性约束的表达式为/> 其中表示虚拟储能元件充放电效率，/>表示虚拟储能元件因充放电行为对荷电状态的变化量；获取虚拟储能电量约束的过程为：任一虚拟储能元件的实际电量不超过其最大电量值，用荷电状态的表达式为0≤SOCi(k)≤1(k＝1...m)。
需要说明的是，中央空调的可调容量包括冷冻水出水温度、冷冻水流量和末端风机风量中的至少一种，可调容量与电气量之间通过冷量相联系，电气量为各部分消耗的电功率和实时可调功率。虚拟电厂集成了大量虚拟储能元件，各虚拟储能元件特性不同，在虚拟电厂的构建和运行中需要协调调度各类虚拟储能元件，对于不同的应用场景也需要建立相应的协调控制策略。采用聚类算法将特性各异的资源进行分类，并根据各类资源的特点决定是否将此类资源纳入虚拟电厂，虚拟储能充放电功率、虚拟储能电量、虚拟储能荷电状态和虚拟储能充放电效率是各资源的技术指标，根据技术指标的聚类为多维聚类，将虚拟机组聚类后，即可计算各类虚拟机组的平均技术参数，并设置一定参数阈值，选取中央空调虚拟机组以构建虚拟电厂。虚拟电厂可以通过调用聚合的虚拟机组参与电力系统实时运行，电网调度中心对虚拟电厂下发发电或调峰指令，虚拟电厂需要将指令分解并下发至各虚拟机组执行调控。以用户舒适度为代价的过量削减负荷将影响用户参与削峰的积极性，削峰使得负荷尽量靠近计划削减负荷来得到最佳的削峰目标函数。虚拟电厂通过调用虚拟储能元件参与电力系统实时运行，调用虚拟储能元件是向用户支付一定的补偿费用，并在一定程度上控制用户的用电设备，补偿费用是虚拟电厂发电的成本。
应理解，为获得最大可调容量，中央空调系统的控制中心需要在保证系统总制冷量不低于额定可调容量的前提下，以当前时刻系统中的各状态量测量值为基准，最小化未来规定时间内各设备的电功率值，从而最大化系统整体的可调容量。末端风机功率最小化包含末端风机风量约束和用户区域取用冷量约束，制冷机功率最小化是指制冷机的功率随冷冻水出水温度的增加而减小，可以通过将冷冻水出水温度调节至制冷机允许的出水温度上限以实现制冷机功率的最小化。虚拟电厂中拥有数量众多特性不同的虚拟发电机组，将发电任务分解至各虚拟机组，并最小化发电成本。虚拟电厂实际运行时由于中央空调虚拟机组受到出力特性的制约，在t时刻处于出力状态而不可接受调控指令，中央空调虚拟机组被分为已出力虚拟机组群Oocc和可出力虚拟机组群Oava，则发电任务缺额此时将发电任务缺额Pvat按等微增率原则分配给可出力虚拟机组群Oava。发电任务分解综合了虚拟机组的出力特性和成本特性，将发电任务分解至每一个虚拟机组并实现发电成本最小，可以获取虚拟电厂发电有功功率与成本之间的关系，结合虚拟电厂动态容量参数，将虚拟电厂外特性与传统电厂特性无异，便于被系统所调度，从而提升了中央空调系统调控效率。
可选地，获取虚拟电厂所处电网中的约束条件和发电任务模型，还包括：
将虚拟电厂的发电任务分解至各虚拟机组并最小化发电成本，单位时间发电成本Ct与功率的关系表达式为目标函数为总发电成本最小的表达式为
根据中央空调对应的虚拟机组接收出力指令后的虚拟机组功率约束表达式为其中T表示虚拟机组的出力时长，gi(T)表示虚拟机组出力特性的拟合函数，虚拟机组功率约束表达式描述虚拟机组功率Pi,t与出力时长T之间的关系；根据需要完成的发电任务P的发电任务约束表达式为/>和功率限值约束表达式为Pimin≤Pi,t≤Pimax；当/>时，发电成本最小，其中λ表示发电任务约束表达式对应的拉格朗日系数，γi表示虚拟机组功率约束表达式对应的拉格朗日系数，γi和λ通过迭代计算得到。
本实施例中，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，包括：获取制冷机作为冷源消耗电功率Pchr和产生冷量Qchr并向冷冻水所处的水系统输送，冷冻水根据水的热容Cw作用实现冷量的存储，冷冻水管道供水端和回水端产生温差；当制冷机升功率时，向冷冻水热熔充电，供回水温差增加，冷冻水热容储能量上升；制冷机降功率时，冷冻水热容开始向用户端放电以使输送给用户的制冷功率稳定得到调控模型的表达式为 其中n表示储能元件编号，N表示中央空调系统内储能元件总数，/>表示中央空调系统虚拟储能功率，Pn,t表示储能元件实时功率，Pn,0表示储能元件基准功率。各个中央空调虚拟机组内控制协同中心上传运行状态，控制协调中心计算虚拟电厂动态容量参数，虚拟电厂控制协调中心确定发电任务后分解至各个中央空调虚拟机组，从而实现发电成本最小化和系统稳定运行。
可选地，对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，包括：
采用密度峰值K均值聚类算法确定初始聚类中心，预设中央空调虚拟储能元件的技术参数特征向量为 易俗河局部密度ρ的表达式为/> 其中dst(xi,xj)＝|xi-xj|，dstcof表示截断距离，/>局部密度表示找到与特征向量xi之间距离小于截断距离dstcof的数据点的个数，根据局部密度计算出每一个中央空调虚拟储能元件的密度以确定聚类中心距离。
本实施例中，根据局部密度计算出每一个中央空调虚拟储能元件的密度以确定聚类中心距离，包括：将每个中央空调虚拟储能元件的密度从大到小排列ρi>ρj>ρk，最大密度的中央空调虚拟储能元件的密度为ρi并记为i点；最大密度的点的聚类中心距离δi等于与i点最远的点到i点的距离，其他点的聚类中心距离为在密度大于该点的点集合中，与该点距离最小的距离，依次确定所有的聚类中心距离δ，采用表达式为γi＝δi*ρi计算聚类中心权值，根据中心权值从大到小排列并用两者之间的斜率表征中心权值下降趋势，对应的斜率表达式为表示第i个虚拟机组至第i+m个虚拟机组中心权值的平均变化率；通过表达式为/>进行拐点计算得到偏移度趋势变化最快的临界虚拟机组，其中x表示变化率幅值，/>表示第i个虚拟机组到第i+1个虚拟机组的斜率，/>表示第1个虚拟机组到第i个虚拟机组的斜率，根据x绘制为拐点判别图得到x的最大值位置为拐点即虚拟机组聚类中心位置。
需要说明的是，由于虚拟电厂资源的分布具有一定集中性，采用随机选取聚类中心的方式容易忽略本身的分布特点，导致陷入局部最优，采用密度峰值均值聚类算法可以确定初始聚类中心。例如i、j和k的密度都比n点的密度大且i点距离n点最远，则n点的聚类中心距离为n与i之间的距离，其表达式为根据聚类中心距离δ和密度ρi的关系决策图，可以手动确定聚类中心点，为了客观聚合虚拟电厂资源，避免随意性和主观性而选用聚类自动选取原则，从而提高了虚拟电厂调度的可靠性。
可选地，根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，包括：
中央空调接收调控时启动制冷系统模型，制冷系统模型制冷量由零增加至额定制冷量QN，制冷量的表达式为QAC(t)＝QN，任何时段空调房间的温度变化值正比于该时段房间热量的总和与空调供冷量之差即Ca*Vk*ρa*dTin(t)＝QCL(Tin(t))dt+QNW(Tin(t))dt-Qx(dTin(t))-QACdt，其中Ca＝0.28J/kg·℃为空气定压重量比热，Vk表示用户的制冷空间体积，ρa＝1.29kg/m3为空气密度，Tin(t)表示回风温度，回风温度表征中央空调所有室内温度的平均量，QCL、QNW和Qx分别表示房间瞬时的热量、新风带来的热量和围护结构的蓄热量。
本实施例中，预设每个用户区域的热参数模型的表达式为其中Cl、Rl分别表示区域热容和热阻，/> 和分别表示区域内产生的总热量、辐射热量、对流热量和内部物体散热量，/>表示送入区域的冷量，/>和/>分别表示室内温度和室外温度，/>表示区域送风温度，/>表示区域空气量。中央空调制冷机中的冷冻水是将冷量传递至房间的冷媒，冷冻水温度越低，制冷机消耗的功率则越大，通常冷冻水温度设定值范围为7-15℃，且冷冻水温度平均每升高1℃，制冷机能耗就会降低2.5％，即Pvr(t)＝(Tchd-T'chd)PN×2.5％，其中Tchd表示调控之前冷冻水温度，T'chd表示调控之后冷冻水温度。冷冻水温度调节实现了虚拟储能元件的充放电功率灵活可控，同时避免了频繁启停对制冷机的损害。
参阅图2，本发明还提供了一种基于虚拟电厂的中央空调调控系统，包括：
获取模块，用于获取中央空调系统中的冷冻水出水温度、冷冻水流量和风机风量得到中央空调的可调容量，其中，中央空调系统包括制冷系统模型、水系统模型、风系统模型和用户区域模型；
构建模块，用于根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，其中，中央空调的虚拟储能模型包括虚拟储能充放电功率、虚拟储能电量、虚拟储能荷电状态和虚拟储能充放电效率；
计算模块，用于对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，基于虚拟机组聚类中心位置和用户区域模型构建虚拟电厂，其中，虚拟机组包括至少一个中央空调；
调控模块，用于获取虚拟电厂所处电网中的约束条件和发电任务模型，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，其中，发电任务模型包括虚拟电厂发电有功功率与成本之间的关系，调控模型包括中央空调系统的末端风机最小化和制冷机功率最小化。
本实施例中，储能元件荷电状态SOC(state of charge)是电池剩余电量与电池满电量的比值，对于中央空调虚拟储能元件而言，当前温度与舒适度下限的差值反映了剩余电量的大小，舒适度上下限的差值反映了满电量的大小，虚拟储能元件荷电状态的表达式为虚拟储能元件的荷电状态的取值范围为[0,1]，当回风温度Tin(t)＝Tin(0)-δ时，SOC＝1表示虚拟储能元件不具备充电能力且只存在放电能力，当回风温度Tin(t)＝Tin(0)+δ时，SOC＝0表示虚拟储能元件不具备放电能力且只存在充电能力。由于外界环境总是对房间提供热量，在回风温度Tin(t)＝Tin(0)时，通过关停制冷机至Tin(t)＝Tin(0)+δ所释放的电量比通过启动制冷机至Tin(t)＝Tin(0)-δ所消耗的电量要少，引入虚拟储能充放电效率来描述这种差异。
需要说明的是，中央空调制冷量Q与平均功率的关系可采用中央空调能效比COP表示，且能效比与水温呈线性关系，并随着水温的提高而升高，对应的表达式为其中k、b均为大于0的常数，由中央空调性能决定。通过获取中央空调系统中的冷冻水出水温度、冷冻水流量和风机风量得到中央空调的可调容量，根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，基于虚拟机组聚类中心位置和用户区域模型构建虚拟电厂，获取虚拟电厂所处电网中的约束条件和发电任务模型，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，提升了中央空调的调控效率，也提高了虚拟电厂的工作稳定性。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (10)
1.一种基于虚拟电厂的中央空调调控方法，其特征在于，包括以下步骤：
获取中央空调系统中的冷冻水出水温度、冷冻水流量和风机风量得到中央空调的可调容量，其中，中央空调系统包括制冷系统模型、水系统模型、风系统模型和用户区域模型；
根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，其中，中央空调的虚拟储能模型包括虚拟储能充放电功率、虚拟储能电量、虚拟储能荷电状态和虚拟储能充放电效率；
对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，基于虚拟机组聚类中心位置和用户区域模型构建虚拟电厂，其中，虚拟机组包括至少一个中央空调；
获取虚拟电厂所处电网中的约束条件和发电任务模型，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，其中，发电任务模型包括虚拟电厂发电有功功率与成本之间的关系，调控模型包括中央空调系统的末端风机最小化和制冷机功率最小化。
2.根据权利要求1所述的基于虚拟电厂的中央空调调控方法，其特征在于，获取虚拟电厂所处电网中的约束条件和发电任务模型，包括：
约束条件包括充放电功率限制约束、荷电状态连接性约束和虚拟储能电量约束，获取充放电功率限制约束的过程为：预设未对中央空调进行调控时的冷冻水温度处于冷冻水设定范围的中间值，虚拟储能模型中的储能元件的充放电功率取值范围与调控方式的关系表达式为其中/>表示上调冷冻水水温至水温上限/>时的虚拟放电功率，/>表示下调冷冻水水温至水温下限/>时的虚拟充电功率，则/> 表示第k时段第i个虚拟储能元件的虚拟充放电功率，将调峰总时长分为m个时段，每个时段的时长为Δt，则n个虚拟储能元件构建的削峰目标函数的表达式为/> 表示第k时段的极化削减负荷；
获取荷电状态连续性约束的过程为：虚拟储能元件的荷电状态随储能元件充放电而改变，储能元件在k时刻的荷电状态为SOCi(k)与k+1时刻的荷电状态为SOCi(k+1)之间存在荷电状态连续性约束的表达式为其中表示虚拟储能元件充放电效率，/>表示虚拟储能元件因充放电行为对荷电状态的变化量；
获取虚拟储能电量约束的过程为：任一虚拟储能元件的实际电量不超过其最大电量值，用荷电状态的表达式为0≤SOCi(k)≤1(k＝1...m)。
3.根据权利要求2所述的基于虚拟电厂的中央空调调控方法，其特征在于，获取虚拟电厂所处电网中的约束条件和发电任务模型，还包括：
将虚拟电厂的发电任务分解至各虚拟机组并最小化发电成本，单位时间发电成本Ct与功率的关系表达式为目标函数为总发电成本最小的表达式为
根据中央空调对应的虚拟机组接收出力指令后的虚拟机组功率约束表达式为其中T表示虚拟机组的出力时长，gi(T)表示虚拟机组出力特性的拟合函数，虚拟机组功率约束表达式描述虚拟机组功率Pi,t与出力时长T之间的关系；根据需要完成的发电任务P的发电任务约束表达式为/>和功率限值约束表达式为Pimin≤Pi,t≤Pimax；当/>时，发电成本最小，其中λ表示发电任务约束表达式对应的拉格朗日系数，γi表示虚拟机组功率约束表达式对应的拉格朗日系数，γi和λ通过迭代计算得到。
4.根据权利要求2所述的基于虚拟电厂的中央空调调控方法，其特征在于，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，包括：
获取制冷机作为冷源消耗电功率Pchr和产生冷量Qchr并向冷冻水所处的水系统输送，冷冻水根据水的热容Cw作用实现冷量的存储，冷冻水管道供水端和回水端产生温差；
当制冷机升功率时，向冷冻水热熔充电，供回水温差增加，冷冻水热容储能量上升；制冷机降功率时，冷冻水热容开始向用户端放电以使输送给用户的制冷功率稳定得到调控模型的表达式为其中n表示储能元件编号，N表示中央空调系统内储能元件总数，/>表示中央空调系统虚拟储能功率，Pn,t表示储能元件实时功率，Pn,0表示储能元件基准功率。
5.根据权利要求1所述的基于虚拟电厂的中央空调调控方法，其特征在于，对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，包括：
采用密度峰值K均值聚类算法确定初始聚类中心，预设中央空调虚拟储能元件的技术参数特征向量为 易俗河局部密度ρ的表达式为/> 其中dst(xi,xj)＝|xi-xj|，dstcof表示截断距离，/>局部密度表示找到与特征向量xi之间距离小于截断距离dstcof的数据点的个数，根据局部密度计算出每一个中央空调虚拟储能元件的密度以确定聚类中心距离。
6.根据权利要求5所述的基于虚拟电厂的中央空调调控方法，其特征在于，根据局部密度计算出每一个中央空调虚拟储能元件的密度以确定聚类中心距离，包括：
将每个中央空调虚拟储能元件的密度从大到小排列ρi>ρj>ρk，最大密度的中央空调虚拟储能元件的密度为ρi并记为i点；
最大密度的点的聚类中心距离δi等于与i点最远的点到i点的距离，其他点的聚类中心距离为在密度大于该点的点集合中，与该点距离最小的距离，依次确定所有的聚类中心距离δ，采用表达式为γi＝δi*ρi计算聚类中心权值，根据中心权值从大到小排列并用两者之间的斜率表征中心权值下降趋势，对应的斜率表达式为表示第i个虚拟机组至第i+m个虚拟机组中心权值的平均变化率；
通过表达式为进行拐点计算得到偏移度趋势变化最快的临界虚拟机组，其中x表示变化率幅值，/>表示第i个虚拟机组到第i+1个虚拟机组的斜率，/>表示第1个虚拟机组到第i个虚拟机组的斜率，根据x绘制为拐点判别图得到x的最大值位置为拐点即虚拟机组聚类中心位置。
7.根据权利要求1所述的基于虚拟电厂的中央空调调控方法，其特征在于，根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，包括：
中央空调接收调控时启动制冷系统模型，制冷系统模型制冷量由零增加至额定制冷量QN，制冷量的表达式为QAC(t)＝QN，任何时段空调房间的温度变化值正比于该时段房间热量的总和与空调供冷量之差即Ca*Vk*ρa*dTin(t)＝QCL(Tin(t))dt+QNW(Tin(t))dt-Qx(dTin(t))-QACdt，其中Ca＝0.28J/kg·℃为空气定压重量比热，Vk表示用户的制冷空间体积，ρa＝1.29kg/m3为空气密度，Tin(t)表示回风温度，回风温度表征中央空调所有室内温度的平均量，QCL、QNW和Qx分别表示房间瞬时的热量、新风带来的热量和围护结构的蓄热量。
8.根据权利要求7所述的基于虚拟电厂的中央空调调控方法，其特征在于，还包括：
预设每个用户区域的热参数模型的表达式为其中Cl、Rl分别表示区域热容和热阻，/> 和/>分别表示区域内产生的总热量、辐射热量、对流热量和内部物体散热量，/>表示送入区域的冷量，/>和/>分别表示室内温度和室外温度，/>表示区域送风温度，/>表示区域空气量。
9.根据权利要求1所述的基于虚拟电厂的中央空调调控方法，其特征在于，中央空调的可调容量包括冷冻水出水温度、冷冻水流量和末端风机风量中的至少一种，可调容量与电气量之间通过冷量相联系，电气量为各部分消耗的电功率和实时可调功率。
10.一种根权利要求1-9任一项所述的基于虚拟电厂的中央空调调控方法的基于虚拟电厂的中央空调调控系统，其特征在于，包括：
获取模块，用于获取中央空调系统中的冷冻水出水温度、冷冻水流量和风机风量得到中央空调的可调容量，其中，中央空调系统包括制冷系统模型、水系统模型、风系统模型和用户区域模型；
构建模块，用于根据中央空调的可调容量和用户区域模型构建中央空调系统对应的虚拟储能模型，其中，中央空调的虚拟储能模型包括虚拟储能充放电功率、虚拟储能电量、虚拟储能荷电状态和虚拟储能充放电效率；
计算模块，用于对虚拟储能模型进行多个中央空调的聚类指标运算以确定虚拟机组聚类中心位置，基于虚拟机组聚类中心位置和用户区域模型构建虚拟电厂，其中，虚拟机组包括至少一个中央空调；
调控模块，用于获取虚拟电厂所处电网中的约束条件和发电任务模型，根据约束条件和虚拟储能模型中的最大储能量确定调控模型，基于发电任务模型和调控模型完成调控中央空调，其中，发电任务模型包括虚拟电厂发电有功功率与成本之间的关系，调控模型包括中央空调系统的末端风机最小化和制冷机功率最小化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311116949.3A CN117151398A (zh) | 2023-09-01 | 2023-09-01 | 一种基于虚拟电厂的中央空调调控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311116949.3A CN117151398A (zh) | 2023-09-01 | 2023-09-01 | 一种基于虚拟电厂的中央空调调控方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117151398A true CN117151398A (zh) | 2023-12-01 |
Family
ID=88911414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311116949.3A Pending CN117151398A (zh) | 2023-09-01 | 2023-09-01 | 一种基于虚拟电厂的中央空调调控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117151398A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117439276A (zh) * | 2023-12-21 | 2024-01-23 | 深圳前海中碳综合能源科技有限公司 | 一种虚拟电厂需求侧管控系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110322056A (zh) * | 2019-06-19 | 2019-10-11 | 河海大学 | 一种计及中央空调系统的虚拟电厂随机自适应鲁棒优化调度方法 |
| CN112531746A (zh) * | 2020-10-15 | 2021-03-19 | 南京淳宁电力科技有限公司 | 一种基于中央空调本地自治优化的虚拟电厂运行方法 |
| CN113222227A (zh) * | 2021-04-27 | 2021-08-06 | 中国能源建设集团天津电力设计院有限公司 | 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法 |
| EP4002237A1 (de) * | 2020-11-11 | 2022-05-25 | Siemens Aktiengesellschaft | Verfahren zum verteilen einer angeforderten oder aufzunehmenden elektrischen gesamtleistung in einem virtuellen kraftwerk und virtuelles kraftwerk |
| CN116128201A (zh) * | 2022-11-24 | 2023-05-16 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于非合作博弈的多虚拟电厂点对点能源交易方法 |
| CN116228461A (zh) * | 2022-12-05 | 2023-06-06 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于p2p交易的多虚拟电厂随机优化调度方法 |
-
2023
- 2023-09-01 CN CN202311116949.3A patent/CN117151398A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110322056A (zh) * | 2019-06-19 | 2019-10-11 | 河海大学 | 一种计及中央空调系统的虚拟电厂随机自适应鲁棒优化调度方法 |
| CN112531746A (zh) * | 2020-10-15 | 2021-03-19 | 南京淳宁电力科技有限公司 | 一种基于中央空调本地自治优化的虚拟电厂运行方法 |
| EP4002237A1 (de) * | 2020-11-11 | 2022-05-25 | Siemens Aktiengesellschaft | Verfahren zum verteilen einer angeforderten oder aufzunehmenden elektrischen gesamtleistung in einem virtuellen kraftwerk und virtuelles kraftwerk |
| CN113222227A (zh) * | 2021-04-27 | 2021-08-06 | 中国能源建设集团天津电力设计院有限公司 | 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法 |
| CN116128201A (zh) * | 2022-11-24 | 2023-05-16 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于非合作博弈的多虚拟电厂点对点能源交易方法 |
| CN116228461A (zh) * | 2022-12-05 | 2023-06-06 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于p2p交易的多虚拟电厂随机优化调度方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117439276A (zh) * | 2023-12-21 | 2024-01-23 | 深圳前海中碳综合能源科技有限公司 | 一种虚拟电厂需求侧管控系统 |
| CN117439276B (zh) * | 2023-12-21 | 2024-04-16 | 深圳前海中碳综合能源科技有限公司 | 一种虚拟电厂需求侧管控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109742812B (zh) | 一种提高新能源消纳的源-荷-储协调调度方法 | |
| CN104214912B (zh) | 一种基于温度设定值调整的聚合空调负荷调度方法 | |
| CN109799851B (zh) | 一种基于负荷簇温度调控的用户侧负荷响应方法 | |
| CN107178869B (zh) | 变频空调负荷的聚合控制削峰方法 | |
| CN106127337B (zh) | 基于变频空调虚拟机组建模的机组组合方法 | |
| CN105135623B (zh) | 一种满足电网调峰和用户舒适度的中央空调减载控制方法 | |
| CN110729726B (zh) | 一种智慧社区能量优化调度方法和系统 | |
| CN117151398A (zh) | 一种基于虚拟电厂的中央空调调控方法及系统 | |
| CN110848895B (zh) | 一种非工空调柔性负荷控制方法和系统 | |
| CN109638857B (zh) | 基于分布式热泵群控制的电热微网联络线功率分层协同平抑策略 | |
| CN113991655A (zh) | 定频空调负荷聚合需求响应潜力评估方法、装置及介质 | |
| CN111898806A (zh) | 电-热耦合的源储荷集成多能流园区运行优化方法及系统 | |
| CN116255729A (zh) | 一种考虑用户意愿的中央空调参与需求响应能力量化方法 | |
| CN112128945A (zh) | 一种基于电池等效模型提供有功功率补偿的方法 | |
| CN110535142B (zh) | 基于改进离散型pso算法的用电智能控制方法及计算机可读存储介质 | |
| CN112531746A (zh) | 一种基于中央空调本地自治优化的虚拟电厂运行方法 | |
| CN112186783B (zh) | 一种温控负荷集群控制方法 | |
| CN113566401A (zh) | 需求侧负荷控制方法 | |
| Yang et al. | Control strategy of virtual power plant participating in the system frequency regulation service | |
| CN107273673B (zh) | 一种考虑平抑风电波动的空调冷水机组群控方法 | |
| CN111552181A (zh) | 一种综合能源服务模式下的园区级需求响应资源配置方法 | |
| 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 | |
| CN115470963A (zh) | 一种基于电价的负荷虚拟储能的优化运行方法 | |
| CN115566694A (zh) | 一种温控负荷分散式响应电网频率调节的方法 | |
| CN115903488A (zh) | 分散式电采暖调峰控制方法、系统、装置及存储介质 |
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 |