CN105320118B - 基于云平台的空调***电力需求响应控制方法 - Google Patents
基于云平台的空调***电力需求响应控制方法 Download PDFInfo
- Publication number
- CN105320118B CN105320118B CN201510894110.1A CN201510894110A CN105320118B CN 105320118 B CN105320118 B CN 105320118B CN 201510894110 A CN201510894110 A CN 201510894110A CN 105320118 B CN105320118 B CN 105320118B
- Authority
- CN
- China
- Prior art keywords
- air
- conditioning system
- electricity consumption
- humidity
- total
- 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.)
- Expired - Fee Related
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 492
- 238000004378 air conditioning Methods 0.000 title claims abstract description 458
- 230000004044 response Effects 0.000 title claims abstract description 99
- 230000008859 change Effects 0.000 claims abstract description 16
- 238000010276 construction Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 55
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 19
- 238000005286 illumination Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 110
- 238000010586 diagram Methods 0.000 description 20
- 238000004590 computer program Methods 0.000 description 7
- 238000001816 cooling Methods 0.000 description 7
- 239000000498 cooling water Substances 0.000 description 7
- 238000010248 power generation Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000007710 freezing Methods 0.000 description 5
- 230000008014 freezing Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000005057 refrigeration Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 230000017525 heat dissipation Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000007630 basic procedure Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 239000012943 hotmelt Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003134 recirculating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 description 1
- 229910010271 silicon carbide Inorganic materials 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种基于云平台的空调***电力需求响应控制方法，该云平台连接至少一空调***，包括：根据电网调度指令，确定所有空调***的最大总用电值；根据空调***的室内目标温度及湿度，建立空调***的用电量与其建筑室内温湿度关系模型；基于建筑的构造、室内环境及空调***各自对该建筑的室内温湿度贡献数据，建立建筑本体模型；建立所有空调***的总用电控制模型；将所述空调***的实时运行参数、所述空调***的实时用电负荷及所述建筑的实时室内外温湿数据输入该总用电控制模型，计算得到所述空调***的控制参数变化曲线，并据此控制所述空调***的电力需求响应。本发明能够在完成电网调度指令的情况下最大程度满足用户舒适度需求。
Description
技术领域
本发明涉及空调及智能电网领域，尤其涉及一种基于云平台的空调***电力需求响应控制方法。
背景技术
需求响应(Demand Response，简称DR)即电力需求响应，是指当电力批发市场价格升高或***可靠性受威胁时，电力用户接收到供电方发出的诱导性减少负荷的直接补偿通知或者电力价格上升信号后，改变其固有的习惯用电模式，达到减少或者推移某时段的用电负荷而响应电力供应，从而保障电网稳定，并抑制电价上升的短期行为。需求响应策略分为基于价格的需求响应及基于激励的需求响应，基于价格的需求响应实行分时价格，相应的需求响应策略较多，基于激励的需求响应是指需求响应实施机构根据电力***供需状况制定相应政策，用户在***需要或电力紧张时减少电力需求，以此获得直接补偿或其他时段的优惠电价，在需求响应计划实施前，通常需求响应实施机构要与参与用户提前签订合同，在合同中约定需求响应的内容(削减用电负荷大小及核算标准、响应持续时间、合同期内的最大响应次数等)，提前通知时间、补偿或电价折扣标准、以及违约的惩罚措施等。可以分为直接负荷控制(Direct Load Control，DLC)、可中断负荷(Interruptible Load，IL)、需求侧竞价(Demand Side Bidding，DSB)、紧急需求响应(Emergency Demand Response，EDR)、容量市场项目和辅助服务项目等。
空调***用电量占建筑用电量的50％左右，且由于建筑本体、空调***的蓄冷能力，空调***的短暂关闭不影响舒适性，空调***作为需求响应的对象比较合适。而且目前已有研究者提出考虑设备的热力学特性和参数多样应的模型，采用状态队列(StateQueuing，SQ)法针对温控设备开关状态转移特性进行建模，基于用户侧舒适度约束算法，提出基于离散积分的数值模型进行相应控制优化。
然而，这些方法的局限在于，大多限于对温控设备温度设定值的调节，或根据温度设定值对设备启停进行简单排序控制，不能很好的满足用户舒适度需求。
发明内容
本发明提供一种基于云平台的空调***需求响应控制方法，以解决现有技术中的一项或多项缺失。
本发明提供一种基于云平台的空调***电力需求响应控制方法，所述云平台连接至少一空调***，包括：根据一电网调度指令，确定所有所述空调***的最大总用电值；根据所述空调***的室内目标温度及湿度，建立所述空调***的用电量与其建筑室内温湿度关系模型；基于所述建筑的构造、室内环境及所述空调***各自对所述建筑的室内温湿度贡献数据，建立建筑本体模型，以计算动态变化的室内温湿度；结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型；将所述空调***的实时运行参数、所述空调***的实时用电负荷及所述建筑的实时室内外温湿数据分别输入所述总用电控制模型，计算得到所述空调***的控制参数变化曲线，并根据所述控制参数变化曲线控制所述空调***的电力需求响应。
一个实施例中，所述电网调度指令为从一电网调度***获取的实际电网调度指令，其中，所述云平台与所述电网调度***连接。
一个实施例中，所述实际电网调度指令的获取时间与所述空调***的电力需求响应的起始时间的差值小于或等于一设定时间；所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间内且所有所述空调***的总用电量小于所述最大总用电值，结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型，包括：根据所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量目标函数；根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度约束函数；以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；结合所述总用电量目标函数、所述室内温湿度约束函数及所述总用电量约束函数，生成所述总用电控制模型。
一个实施例中，所述实际电网调度指令的获取时间与所述空调***的电力需求响应的起始时间的差值小于或等于一设定时间；所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间之外且所有所述空调***的总用电量小于所述最大总用电值，结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型，包括：根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数；以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；结合最小偏离所述设定温湿舒适度区间的目标函数和所述总用电量约束函数，建立优先满足所述总用电量约束函数的总用电控制模型。
一个实施例中，所述实际电网调度指令的获取时间与所述空调***的电力需求响应的起始时间的差值大于一设定时间；所述总用电控制模型考虑了所述空调***的水***及所述建筑的本体的蓄冷能力。
一个实施例中，所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间内且所有所述空调***的总用电量小于所述最大总用电值，结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型，包括：根据所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量目标函数，其中，所述总用电量目标函数是一积分模型；根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度约束函数；以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；结合所述总用电量目标函数、所述室内温湿度约束函数及所述总用电量约束函数，生成所述总用电控制模型。
一个实施例中，所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间之外且所有所述空调***的总用电量小于所述最大总用电值，结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型，包括：根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数，其中，所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数是一积分模型；以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；结合最小偏离所述设定温湿舒适度区间的目标函数和所述总用电量约束函数，建立优先满足所述总用电量约束函数的总用电控制模型。
一个实施例中，所述电网调度指令为预测电网调度指令；所述空调***根据多个所述预测电网调度指令进行电力需求响应。
一个实施例中，所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间内且所有所述空调***的总用电量小于所述最大总用电值，结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型，包括：根据各所述预测电网调度指令的发生概率和所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电电费/电量目标函数，其中，所述总用电电费/电量目标函数是一积分模型；根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度约束函数；以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；结合所述总用电电费/电量目标函数、所述室内温湿度约束函数及所述总用电量约束函数，生成所述总用电控制模型。
一个实施例中，所述方法还包括：基于时刻、电价、室外温度、室外湿度、室外照度及风力中的一个或多参数，根据所述空调***的供电电网的负荷数据及/或所述空调***的历史运行参数数据，生成所述预测电网调度指令，并计算所述预测电网调度指令的发生概率。
一个实施例中，所述空调***的用电量与其建筑室内温湿度关系模型中用电量包括：制冷机组用电量、冷冻冷却水泵用电量、冷却塔用电量及末端风机用电量。
一个实施例中，所述控制参数包括：所述空调***的启停状态、冷冻水温度、机组负荷率、冷冻水流量、冷却水流量、冷却塔的风机启停状态、空调机组的风量、风机盘管的风量、新风机组出风温度及新风机组的风量中的一个或多个。
一个实施例中，所述总用电控制模型为：
或
Tpj,Hdj∈Sj，
其中，和分别是总用电量目标函数和总用电电费目标函数；Tpj,Hdj∈Sj是所述建筑的室内温湿度约束函数；是所有所述空调***的总用电量约束函数；Pe是单位时间内所有所述空调***的总用电量；j是空调***的序号，j≥1，j为正整数；m为空调***的个数，m≥1，m为正整数；Pej是单位时间内空调***j的用电量；Tpj是空调***j的建筑室内温度；Ce是单位时间内所有所述空调***使用的总电费；Cej是单位时间内空调***j使用的电费；Hdj是空调***j的建筑室内湿度；Sj是空调***j的设定温湿舒适度区间；Pemax是单位时间内所有所述空调***的最大总用电值。
一个实施例中，所述总用电控制模型为：
minρ((Tpj,Hdj),Sj)；
其中，minρ((Tpj,Hdj),Sj)是所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数；是所有所述空调***的总用电量约束函数；Tpj是空调***j的建筑室内温度；Hdj是空调***j的建筑室内湿度；Sj是空调***j的设定温湿舒适度区间；Pe是单位时间内所有所述空调***的总用电量；j是空调***的序号，j≥1，j为正整数；m为空调***的个数，m≥1，m为正整数；Pej是单位时间内空调***j的功率；Pemax是单位时间内所有所述空调***的最大总用电值；ρ是建筑室内温湿度偏离设定温湿舒适度区间Sj的函数。
一个实施例中，所述总用电控制模型为：
或其中，
ts＜t＜te；
其中，和分别是总用电量目标函数和总用电电费目标函数的积分模型；是所述建筑的室内温湿度约束函数；是所有所述空调***的总用电量约束函数；t0是电网调度指令的获取时间；te是空调***电力需求响应的结束时间；t表示时刻；ts是所述空调***的电力需求响应的起始时刻；Pet是t时刻所有所述空调***的总用电功率；Cet是在t时刻的单位时间内所有所述空调***使用的总电费；j是空调***的序号，j≥1，j为正整数；m为空调***的个数，m≥1，m为正整数；是t时刻空调***j的用电功率；是在t时刻的单位时间内空调***j使用的电费；是t时刻空调***j的建筑室内温度；是t时刻空调***j的建筑室内湿度；Sj是空调***j的设定温湿舒适度区间；是在t时刻的单位时间内所有所述空调***使用的最大总用电功率。
一个实施例中，所述总用电控制模型为：
ts＜t＜te；
其中，是所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数的积分模型；是所有所述空调***的总用电量约束函数；是t时刻空调***j的建筑室内温度；是t时刻空调***j的建筑室内湿度；ρ是建筑室内温湿度偏离设定温湿舒适度区间Sj的函数；Sj是空调***j的设定温湿舒适度区间；Pet是在t时刻的单位时间内所有所述空调***的总用电量；是在t时刻的单位时间内所有所述空调***的最大总用电值；t0是电网调度指令的获取时间；te是空调***电力需求响应的结束时间；t表示时刻；ts是所述空调***的电力需求响应的起始时刻。
一个实施例中，所述总用电控制模型为：
ti,s＜t＜te；
其中，是总用电电费目标函数的积分模型；是所述建筑的室内温湿度约束函数；是所有所述空调***的总用电量约束函数；i是预测电网调度指令的序号，1≤i≤n，i，n为正整数；Pi是预测电网调度指令i的发生概率；t表示时刻；t0是预测电网调度指令的获取时刻；te是空调***电力需求响应的结束时间；Cei,t是在t时刻的单位时间内且在预测电网调度指令i情况下所有所述空调***使用的总电费；是在t时刻预测电网调度指令i情况下空调***j的建筑室内温度；在t时刻预测电网调度指令i情况下空调***j的建筑室内湿度；Si是预测电网调度指令i情况下的设定温湿舒适度区间；Pei,t是在t时刻的单位时间内且在预测电网调度指令i情况下所有所述空调***的总用电量；是在t时刻单位时间内且在预测电网调度指令i情况下所有所述空调***的最大总用电值；ti,s是空调***的对预测调度指令i进行电力需求响应的起始时刻。
一个实施例中，所述空调***的用电量与其建筑室内温湿度关系模型为：
s.t.Tj p≤Tj p0，Hj d≤Hj d0；
或s.t.Tj p≤Tj p0，Hj d≤Hj d0；
其中，表示经过电力需求响应时间te
空调***j的用电电费；j是空调***的序号，j≥1，j为正整数；t是空调***j的响应时刻；
te是空调***j电力需求响应的结束时间；Pj,t chiller是在t时刻的单位时间内空调***j的制
冷机组用电量；Pj,t pump是在t时刻的单位时间内空调***j的冷冻冷却水泵用电量；Pj,t tower
是在t时刻的单位时间内空调***j的冷却塔用电量；Pj,t fan是在t时刻的单位时间内空调系
统j的末端风机用电量；s.t.表示受约束；Tj p是空调***j的建筑室内温度；Tj p0是空调***j
的建筑室内目标温度；Hj d是空调***j的建筑室内湿度；Hj d0是空调***j的建筑室内目标湿
度；是经过电力需求响应时间te空调***j使用
的总电费；Ct是t时刻的电价。
一个实施例中，所述建筑本体模型为：
其中，C是空气热熔；V是所述空调***的建筑室内空气总容量；Tp是所述空调***的建筑室内温度；t是时间变量；ΔHf＝CFf(Tf-Tp)是所述空调***的新风换热量；Qc＝CFc(Tc-Tp)是所述空调***的室内风机盘管换热量；Qt＝α(Te-Tp)是所述空调***的建筑室内外换热量；Qi是所述空调***的室内热源散热量；Ff是新风流速；Tf是新风出风温度；Fc是循环风流速；Tc是循环风出风温度；α是窗墙综合换热系数；Te是所述空调***的建筑室外温度；ρ为空气密度；V是所述空调***的建筑室内空气总容量；Hd是所述空调***的建筑室内含湿量；t是时间变量；Ff是新风流速；Wf是新风出风含湿量；Fc是循环风流速；Wc是循环风出风含湿量；w是所述空调***的建筑室内人体及物体散湿量。
本发明实施例，基于云平台可以进行多个空调***的电力需求响应控制，可使多个空调***相互协调，不仅可以完成电网调度指令，而且能够保证用户舒适度需求。本发明实施例中所有所述空调***的总用电控制模型总和考虑了电网调度指令、用电量与其建筑室内温湿度关系、建筑本体及温湿舒适度区间等各种因素，在满足电网调度要求和尽量满足用户舒适度需求的情况下，能够有效减少空调***的用电量。
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，下面将对实施例或现有技术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它的附图。在附图中：
图1是本发明实施例的空调***电力需求响应控制***的结构示意图；
图2是本发明的空调***电力需求响应方法的基本流程示意图；
图3是本发明实施例的基于云平台的空调***电力需求响应控制方法的流程示意图；
图4是本发明一实施例中建立总用电控制模型的方法的流程示意图；
图5是本发明一实施例中建立总用电控制模型的方法的流程示意图；
图6是本发明一实施例中建立总用电控制模型的方法的流程示意图；
图7是本发明一实施例中建立总用电控制模型的方法的流程示意图；
图8是本发明一实施例中建立总用电控制模型的方法的流程示意图；
图9是本发明一实施例的基于云平台的空调***电力需求响应控制方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
图1是本发明实施例的空调***电力需求响应控制***的结构示意图。如图1所示，本发明实施例的***可以包括：云平台100、电网调度***200、多个空调***300、室内温湿度传感器500以及网络600。其中，云平台100与电网调度***200连接以获取电网调度指令，与多个空调***300连接以获取空调设备的相关信息并控制空调***的运行状态，与室内温湿度传感器500连接以获取室内温度和湿度，与网络600连接以获取网络相关信息，例如室外温湿度、空调状态等信息。云平台100中可包括数据库101和控制策略引擎102，其中，数据库101可用于存储各种控制模型、电网调度指令数据及空调***运行数据等信息，控制策略引擎102可用于对空调***300的电力需求响应的控制。
本发明提供了一种基于云平台的空调***电力需求响应方法。图2是本发明的空调***电力需求响应方法的基本流程示意图，如图2所示，该方法可根据电网调度指令、空调***的室内外温湿度/气象信息及空调***运行参数等信息建立总用电控制模型，并结合空调***所对应的室内舒适度区间，根据该总用电控制模型计算云平台所连接的空调***的控制参数或控制参数变化曲线，最终根据该控制参数或控制参数变化曲线控制空调的电力需求响应。
图3是本发明实施例的基于云平台的空调***电力需求响应控制方法的流程示意图。如图3所示，本发明的空调***电力需求响应控制方法所基于的云平台连接有至少一个空调***，该方法可包括步骤：
S110：根据一电网调度指令，确定所有所述空调***的最大总用电值；
S120：根据所述空调***的室内目标温度及湿度，建立所述空调***的用电量与其建筑室内温湿度关系模型；
S130：基于所述建筑的构造、室内环境及所述空调***各自对所述建筑的室内温湿度贡献数据，建立建筑本体模型，以计算动态变化的室内温湿度；
S140：结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型；
S150：将所述空调***的实时运行参数、所述空调***的实时用电负荷及所述建筑的实时室内外温湿数据分别输入所述总用电控制模型，计算得到所述空调***的控制参数变化曲线，并根据所述控制参数变化曲线控制所述空调***的电力需求响应。
在上述步骤S110中，该电网调度指令可以是来自电网调度***的实际电网调度指令，或者是根据多种历史数据得到的预测电网调度指令。根据该电网调度指令所确定最大总用电值，是所有所述空调***在进行电力需求响应时用电上限。该最大总用电值可以用功率表示，例如单位小时的电量，或者可以用电力需求响应时段内的总用电量表示。该电网调度指令具体地可以包括电价、时段、调度时刻及最大用电量/功率等各种信息，具体可视需要进行选择。
在上述步骤S120中，该空调***的用电量与其建筑室内温湿度关系模型可指将上述空调***的建筑室内温度保持在一目标温度，湿度保持在一目标湿度时，该空调***所需的最小用电量。例如，所述空调***的用电量与其建筑室内温湿度关系模型中用电量可包括：制冷机组用电量、冷冻冷却水泵用电量、冷却塔用电量及末端风机用电量。具体所考虑用电量可根据空调***的实际情况而定。该用电量可为功耗或能耗。
在上述步骤S130中，该建筑的构造、该室内环境及该空调***三者对建筑的室内温湿度均可能有影响。上述建筑的构造可指上述空调***所在建筑的结构(如门、窗)、空间大小及建筑材料等影响室内温度和湿度的建筑本体因素；上述室内环境可指室内温度、散热源等室内温湿度影响因素；该空调***对建筑的室内温湿度的影响因素可包括风机盘管散热、新风流速、新风出风温度及循环风出风温度等因素。
在上述步骤S130中，上述所得到的建筑本体模型，可以是温度的动态变化方程和湿度的动态变化方程。该建筑本体模型考虑了建筑物、环境及空调***等影响室内温湿度的诸多因素，较符合实际情况。
在上述步骤S140中，通过该最大总用电值考虑了电网调度指令的要求，通过该设定温湿舒适度区间考虑了用户舒适度的需要，依据上述空调***的用电量与其建筑室内温湿度关系模型和上述建筑本体模型，能够在综合考虑电网调度指令和舒适度情况下得到较准确、合理的总用电控制模型。利用该总用电控制模型还可以得到合理的空调***控制参数变化曲线。
在上述步骤S140中，舒适度区间可涉及各种舒适度参数，例如温度、湿度、风俗、二氧化碳浓度等，本发明实施例中，主要考虑温度和湿度，在其他实施例中，可视需要，选择其他需要考虑的因素进行电力需求响应。上述设定温湿舒适度区间可以是各空调***对应的室内环境的温湿舒适度区间。值得说明的是，本发明各实施例中关于“温湿”的描述可以指温度和湿度，例如温湿度可指温度和湿度，温湿舒适度区间可指温度舒适度区间及湿度舒适度区间。
上述空调***，例如大型建筑中央空调、家用空调、工业空调，可根据其类型及/或用户的需求，设置上述设定温湿舒适度区间。大型建筑中央空调和家用空调的舒适度区间可以根据ASHREA发布的舒适度区间或国家的建筑节能国家标准等确定，或者根据用户需求自定义舒适性区间；工业空调的舒适度区间可根据工业过程需求进行定义。
在上述步骤S150中，该空调***的实时运行参数、所述空调***的实时用电负荷及所述建筑的实时室内外温湿数据，是从空调***获得的用于计算空调***控制参数的各种数据，具体可视需要而定。该空调***的实时运行参数可包括：空调***的状态/启停、用电量、冷冻水温度、流量、机组负荷率、空调机组风量及出风温度、新风机组风量及出风温度等参数。可将空调***的参数保存至云平台，以在需要的时候调取。此外，利用云平台可以控制空调***的启停、冷冻水温度/机组负荷率等参数。
例如，上述空调***的控制参数可包括：所述空调***的启停状态、冷冻水温度、机组负荷率、冷冻水流量、冷却水流量、冷却塔的风机启停状态、空调机组的风量、风机盘管的风量、新风机组出风温度及新风机组的风量中的一个或多个。
本发明实施例，基于云平台可以进行多个空调***的电力需求响应控制，可使多个空调***相互协调，不仅可以完成电网调度指令，而且能够保证用户舒适度需求。本发明实施例中所有所述空调***的总用电控制模型总和考虑了电网调度指令、用电量与其建筑室内温湿度关系、建筑本体及温湿舒适度区间等各种因素，在满足电网调度要求和尽量满足用户舒适度需求的情况下，能够有效减少空调***的用电量。
一个实施例中，上述电网调度指令可以是从一电网调度***直接获取的实际电网调度指令，此时，需要上述电网调度***与上述云平台连接，以将该实际电网调度指令传送至上述云平台。
上述实际电网调度指令的获取时间可早于上述空调***的电力需求响应的起始时间一段时间，或接近上述空调***的电力需求响应的起始时间。
一个实施例中，上述实际电网调度指令的获取时间可与上述空调***的电力需求响应的起始时间的差值小于或等于一设定时间，例如十分钟或半小时，即实际电网调度指令的获取时间可接近上述空调***的电力需求响应的起始时间。云平台通过内置的各空调***的用电量与其建筑室内温湿度的关系模型，在所述各空调***对应室内温湿舒适度区间内对各空调***的控制参数进行协同优化，寻找满足电网调度需求同时所有***保持在舒适度区间内的控制策略。
图4是本发明一实施例中建立总用电控制模型的方法的流程示意图。如图4所示，实际电网调度指令的获取时间可接近上述空调***的电力需求响应的起始时间，上述总用电控制模型可同时满足：上述建筑的室内目标温湿度位于上述设定温湿舒适度区间内且所有上述空调***的总用电量小于该最大总用电值，在上述步骤S140中，结合该最大总用电值、上述空调***的用电量与其建筑室内温湿度关系模型、上述建筑本体模型及一设定温湿舒适度区间，建立所有上述空调***的总用电控制模型的方法，可包括步骤：
S1411：根据所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量目标函数；
S1412：根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度约束函数；
S1413：以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；
S1414：结合所述总用电量目标函数、所述室内温湿度约束函数及所述总用电量约束函数，生成所述总用电控制模型。
在上述步骤S1411中，该总用电量目标函数中的最小总用电量可指单位时间内所有空调***的最小总用电量，相应地，在上述步骤S1413中，该最大总用电值可为单位时间内供电电网允许所有空调***的最大总用电量。
本发明实施例中，室内温湿度约束函数和总用电量约束函数可用于寻求同时满足电网调度指令要求和用户舒适度区间要求的空调***的控制参数，总用电量目标函数可在已获得的多组满足上述电网调度指令和舒适度二者要求的控制参数中，进一步选择用电量最低的空调***的控制参数。
一个具体实施例中，针对实际电网调度指令，获取电网调度指令时间与空调***电力需求响应时间接近时，利用图4所示的方法获得的总用电控制模型可为：
或
Tpj,Hdj∈Sj， (2)
其中，公式(1)中，(用单位时间的所有空调***的总用电量表示)和(用单位时间的所有空调***的总用电电费表示)是通过上述步骤S1411获得的总用电量目标函数；公式(2)是通过上述步骤S1412获得的建筑的室内温湿度约束函数；公式(3)是通过上述步骤S1413获得的所有空调***的总用电量约束函数。Pe是单位时间内所有上述空调***的总用电量；j是空调***的序号，j≥1，j为正整数；m为空调***的个数，m≥1，m为正整数；Pej是单位时间内空调***j的用电量；Tpj是空调***j的建筑室内温度；Ce是单位时间内所有所述空调***使用的总电费；Cej是单位时间内空调***j使用的电费；Hdj是空调***j的建筑室内湿度；Sj是空调***j的设定温湿舒适度区间；Pemax是单位时间内所有所述空调***的最大总用电值。
值得说明的是，本发明各实施例中，空调***j的用电量Pej、总用电量Pe和最大总用电值Pe max可以表示单位时间内空调***的用电量，即功耗，也可以表示整个电力需求响应时间段内的用电量；类似地，总电费Ce和空调***j使用的电费Cej可以表示单位时间内空调***的用电电费，也可以表示整个电力需求响应时间段内的用电电费。上述电量或电费的具体的计量方式，可视需要而定。
一个实施例中，利用图4所示方法所得的总用电控制模型，在上述步骤S150中，计算空调***的控制参数时，为无解情况，即上述总用电控制模型不能同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间内且所有所述空调***的总用电量小于所述最大总用电值。此时，较佳地，优先满足电网调度指令要求，然后寻求舒适度最接近用户舒适度要求的空调***控制参数。
图5是本发明一实施例中建立总用电控制模型的方法的流程示意图。如图5所示，上述实际电网调度指令的获取时间与所述空调***的电力需求响应的起始时间的差值小于或等于一设定时间，即在接近情况下，所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间之外且所有所述空调***的总用电量小于所述最大总用电值，在上述步骤S140中，结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型的方法，可包括步骤：
S1415：根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数；
S1416：以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；
S1417：结合最小偏离所述设定温湿舒适度区间的目标函数和所述总用电量约束函数，建立优先满足所述总用电量约束函数的总用电控制模型。
在上述步骤S1416中，该总用电量约束函数中的总用电量可指单位时间内所有空调***的总用电量，相应地，该最大总用电值可指单位时间内供电电网允许所有空调***的最大总用电量。
本发明实施例中，上述总用电控制模型不能同时满足温湿舒适度要求和电力调度指令要求，通过所有空调***的总用电量约束函数可优先满足电网调度指令的要求，通过建筑的室内温湿度最小偏离该设定温湿舒适度区间的目标函数，可在满足电网调度指令的要求的情况下，寻求最接近该设定温湿舒适度区间温度和湿度，尽量提高用户的室内温湿舒适度。值得说明的是，电力调度指令和电网调度指令可具有相同的意义。
一个具体实施例中，针对实际电网调度指令，在优先满足电网调度指令要求并尽量满足用户温湿舒适度的情况下，利用图5所示的方法获得的总用电控制模型可为：
minρ((Tpj,Hdj),Sj)， (4)
其中，公式(4)是通过上述步骤S1415获得的建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数，公式(5)是通过上述步骤S1416获得的所有所述空调***的总用电量约束函数；Tpj是空调***j的建筑室内温度；Hdj是空调***j的建筑室内湿度；Sj是空调***j的设定温湿舒适度区间；Pe是单位时间内所有所述空调***的总用电量；j是空调***的序号，j≥1，j为正整数；m为空调***的个数，m≥1，m为正整数；Pej是单位时间内空调***j的功率；Pemax是单位时间内所有所述空调***的最大总用电值；ρ是建筑室内温湿度偏离设定温湿舒适度区间Sj的函数。
同样地，上述的空调***j的用电量Pej、总用电量Pe和最大总用电值Pemax可以表示单位时间内空调***的用电量，即功耗，也可以表示整个电力需求响应时间段内的用电量，具体的计量方式，可视需要而定。
另一个实施例中，上述实际电网调度指令的获取时间与上述空调***的电力需求响应的起始时间的差值大于一设定时间，例如十分钟、半小时或一小时，此时，上述总用电控制模型可考虑上述空调***的水***及所述建筑的本体的蓄冷能力。由于空调***的水***及建筑本体的蓄冷能力，可以在获得电网调度指令后且在空调电力需求响应开始之前，提前调节空调***的运行状态，以在兼顾用户室内温湿度需求的情况下进一步降低空调***的电费。例如，空调***改变机组负荷或停止工作一段时间，建筑室内温度和湿度仍可以在舒适度区间或附近维持一段时间。
一个实施例中，在上述实际电网调度指令的获取时间与上述空调***的电力需求响应的起始时间的差值大于一设定时间的情况下，所述总用电控制模型能够同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间内且所有所述空调***的总用电量小于所述最大总用电值，生成总用电量控制模型的方法可与图4中所示方法具有相似的步骤。
其二者的不同之处在于，对于电力需求响应的起始时间提前的情况，由于考虑了上述空调***的水***及所述建筑的本体的蓄冷能力，所有上述空调***的总用电量目标函数可以是一个积分模型；而对于电力需求响应的起始时间与实际电网调度指令的获取时间接近的情况，由于没有考虑上述蓄冷能力，所有上述空调***的总用电量目标函数可以是一个求和模型。
图6是本发明一实施例中建立总用电控制模型的方法的流程示意图。如图6所示，针对一实际电网调度指令，考虑了上述空调***的水***及所述建筑的本体的蓄冷能力后，在能够同时满足温湿舒适度要求和电网调度指令要求的情况下，建立总用电控制模型的方法，可包括步骤：
S1421：根据所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量目标函数，其中，所述总用电量目标函数是一积分模型；
S1422：根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度约束函数；
S1423：以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；
S1424：结合所述总用电量目标函数、所述室内温湿度约束函数及所述总用电量约束函数，生成所述总用电控制模型。
在上述步骤S1421中，该总用电量目标函数中的最小总用电量可指经过所有电网调度时间段/空调***电力需求响应时间段后所有空调***的总用电量。在上述步骤S1423中，该最大总用电值可指单位时间内供电电网允许所有空调***的最大总用电量。
本发明实施例中，通过积分模型可以更准确地表示考虑蓄冷能力后所有所述空调***的总用电量目标函数。通过上述总用电控制模型可以计算出在空调***进行电力需求响应开始之间其控制参数的变化情况，如此一来，可提早对空调***的运行状态进行调控，以使空调***在电力需求响应时段内更好地调控。
例如，在夏天，提前两小时获取上述实际电网调度指令，该实际电网调度指令可以是电力需求响应开始后的一小时内提高电价。此时，可在提前的两小时内，在温度舒适度区间内尽可能降低空调***的所提供的新风温度，并在电力需求响应的一小时内关闭或尽可能升高空调***所提供的新风温度。由于之前室内温度已较低，即使在电力需求响应时段内关闭空调，由于上述蓄冷能力，也可以保证室内的温度的舒适度，同时，还避免了使用电力需求响应时段的高价供电。从而达到满足电网调度指令要求、提高室内温湿度舒适度及降低用电费用的有益效果。
一个具体实施例中，针对一实际电网调度指令，考虑上述蓄冷能力后，同时满足温湿舒适度要求和电力调度指令要求的情况下，通过图6所示的方法得到的总用电控制模型可为：
或
其中，
其中，ts＜t＜te。
上述公式(6)中，(用电量表示)和(用电费表示)分别是总用电量目标函数和总用电电费目标函数的积分模型；公式(7)是所述建筑的室内温湿度约束函数；公式(8)是所有所述空调***的总用电量约束函数，可用用电功率表示；t0是电网调度指令的获取时间；te是空调***电力需求响应的结束时间；t表示时刻；ts是所述空调***的电力需求响应的起始时刻；Pet是t时刻所有所述空调***的总用电功率；Cet是在t时刻的单位时间内所有所述空调***使用的总电费；j是空调***的序号，j≥1，j为正整数；m为空调***的个数，m≥1，m为正整数；是t时刻空调***j的用电功率；是在t时刻的单位时间内空调***j使用的电费；是t时刻空调***j的建筑室内温度；是t时刻空调***j的建筑室内湿度；Sj是空调***j的设定温湿舒适度区间；是在t时刻的单位时间内所有所述空调***使用的最大总用电功率。
上述实际电网调度指令的获取时间与上述空调***的电力需求响应的起始时间的差值大于一设定时间的情况下，利用图6所示方法所得的总用电控制模型，在上述步骤S150中，计算空调***的控制参数时，为无解情况，即上述总用电控制模型不能同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间内且所有所述空调***的总用电量小于所述最大总用电值。此时，可采用类似于图5所示的方法建立总用电控制模型，即优先满足电网调度指令要求，然后寻求舒适度最接近用户舒适度要求的空调***控制参数。
在上述实际电网调度指令的获取时间与上述空调***的电力需求响应的起始时间的差值大于一设定时间的情况下，所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间之外且所有所述空调***的总用电量小于所述最大总用电值，建立总用电控制模型的方法可与图5具有相似的步骤。不同之处在于，对于提前获取电网调度指令的情况，由于考虑了上述空调***的水***及建筑本体的蓄冷能力，建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数可以是一个积分模型，而对于获取电网调度指令时间接近空调***电力需求响应时间的情况，在上述步骤S1415中，所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数可以是一个求和模型。
图7是本发明一实施例中建立总用电控制模型的方法的流程示意图。如图7所示，针对一实际预测电网调度指令，考虑上述蓄冷能力后，在能够满足电网调度指令要求但不能满足温湿舒适度区间要求的情况下，建立总用电控制模型的方法，可包括步骤：
S1425：根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数，其中，所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数是一积分模型；
S1426：以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；
S1427：结合最小偏离所述设定温湿舒适度区间的目标函数和所述总用电量约束函数，建立优先满足所述总用电量约束函数的总用电控制模型。
在上述步骤S1426中，该总用电量约束函数中的总用电量可指单位时间内所有空调***的总用电量，相应地，该最大总用电值可指单位时间内供电电网允许所有空调***的总用电量。
本发明实施例中，通过积分模型可以更准确地表示考虑空调***的水***及建筑本体的蓄冷能力后，所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数，从而得到跟准确的空调***控制参数。
一个具体实施例中，通过图7所示的方法，获得优先满足电网调度指令要求并最大程度满足用户温湿舒适度要求的总用电控制模型可为：
其中，ts＜t＜te。
公式(9)是所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数的积分模型；公式(10)是所有所述空调***的总用电量约束函数；是t时刻空调***j的建筑室内温度；是t时刻空调***j的建筑室内湿度；ρ是建筑室内温湿度偏离设定温湿舒适度区间Sj的函数；Sj是空调***j的设定温湿舒适度区间；Pet是在t时刻的单位时间内所有所述空调***的总用电量；是在t时刻的单位时间内所有所述空调***的最大总用电值；t0是电网调度指令的获取时间；te是空调***电力需求响应的结束时间；t表示时刻；ts是所述空调***的电力需求响应的起始时刻。值得说明的是，单位时间内的用电量与功率具有相同的意义。
上述各实施例中的电网调度指令可以为从电网调度***获得的实际电网调度指令。为了更好地效应电力需求，在其他实施例中，可对电网调度***的调度指令进行预测，并利用预测电网调度指令控制空调***的运行状态。所以，上述电网调度指令可以是预测电网调度指令。通过对电网调度***的调度指令进行预测，可以得到多个预测电网调度指令，不同的预测电网调度指令具有各自的发生概率，此时，上述各空调***可根据多个预测电网调度指令进行电力需求响应。
一个实施例中，上述预测电网调度指令，可包括调度时间、调度负荷及调度指令出现概率，可以通过一电网负荷预测模型生成。其中，该电网负荷预测模型可以是根据历史电网负荷与时间关系数据、历史电网负荷与电价关系数据以及历史电网负荷与气象环境关系数据拟合而成的经验模型。对于可再生能源发电量可根据气象信息基于物理模型进行计算。综合考虑上述因素及数据可进行电网进行调度调节的指令预测。在其他实施例中，也可采用其他电网预测模型对电网负荷及调度进行预测。
电网负荷预测模型可以是被消耗电网负荷的电功率与分布式能源发电功率之差。用户消耗的电功率与时间、电价、环境(温度、湿度)等因素有关，分布式发电功率可包括内燃机发电、太阳能发电、风力发电等。其中，太阳能发电、风力发电与照度、风速等环境因素有关，变化较大，因此，本发明所述电网负荷预测模型中的电网负荷可为时间、电价、环境温度、环境湿度、照度、风力的函数，即：
Q＝f(t,Ct,Tp,Hd,Rd,Fv)。
其中，Q为电网负荷，t为时刻，Ct为该时刻的电价，Tp为环境温度，Hd为环境湿度，Rd为照度，Fv为风力。
电网供电可受发电机最大功率、输变电设备最大承载负荷量限制。当电网供电无法满足电网负荷时需要进行电网调度，因此，电网调度出现在电力负荷超过一定量的基础上。因此，电网调度指令也可以表示为时刻、电价、环境温度、环境湿度、照度、风力的概率函数。在未来t时刻无法满足的电网负荷x出现的概率密度函数可以表示为：Pt(x)＝f(t,Ct,Tp,Hd,Rd,Fv)。此概率函数Pt(x)可根据历史数据中实际出现电网调度指令和环境信息进行模型识别得到。
一个实施例中，可基于时刻、电价、室外温度、室外湿度、室外照度及风力中的一个或多参数，根据所述空调***的供电电网的负荷数据及/或所述空调***的历史运行参数数据，生成所述预测电网调度指令，并计算所述预测电网调度指令的发生概率。以此，在生成预测电网调度指令时，充分考虑电网负荷数据及环境数据，可提高预测电网调度指令的预测准确度。
一个实施例中，针对上述预测电网调度指令，所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间内且所有所述空调***的总用电量小于所述最大总用电值，可利用类似于图4或图6所示的方法，在考虑空调***的水***及建筑本体的蓄冷能力的情况，获得上述总用电控制模型。本发明实施例中获得总用电控制模型方法与图4所示方法的区别，除了在于所有空调***的最小总的目标函数采用了积分模型，还在于该积分模型考虑了多个预测电网调度指令及其各自的发生概率。
图8是本发明一实施例中建立总用电控制模型的方法的流程示意图。如图8所示，针对预测电网调度指令，同时满足温湿度要求和预测电网调度指令要求，所建立所有空调***的总用电控制模型的方法，可包括步骤：
S1431：根据各所述预测电网调度指令的发生概率和所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电电费/电量目标函数，其中，所述总用电电费/电量目标函数是一积分模型；
S1432：根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度约束函数；
S1433：以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；
S1434：结合所述总用电电费/电量目标函数、所述室内温湿度约束函数及所述总用电量约束函数，生成所述总用电控制模型。
在上述步骤S1431中，该总用电电费/电量目标函数中的总用电电费/电量可指从获取上述预测电网调度指令到空调***电力需求响应结束所有空调***的总电费/电量，或者可指从空调***电力需求响应开始到空调***电力需求响应结束所有空调***的总用电电费/电量。
本发明实施例，通过根据预测电网调度指令控制空调***的电力需求响应，可以在保证用户舒适度要求的同时，尽量可能降低空调***的用电量。
在一个实施例中，可根据外界环节参数和历史空调运行数据进行建筑热环境动态仿真，可根据预测的电网调度时间和概率对云平台空调***的控制参数进行一个时间段内的控制曲线协同优化。若要按照电网的调度指令进行空调***的控制，一般会导致一段时间内空调***的用电量或者费用的上升，将此升高的值定义为用电量ΔPe或费用ΔCe，则有：
ΔPe＝Pe-Pe0，
ΔCe＝Ce-Ce0。
其中，Pe和Ce为上述方法中考虑总用电量Pet的约束条件后优化后得到的结果，Pe0和Ce0为上述方法中不考虑总用电量Pet的约束条件得到的优化结果。在此基础上考虑预测调度指令的概率分布，则可以在优化计算考虑空调***费用期望值最低，可假设预测有n种可能的调度指令情况，对应的概率为Pi。
一个具体实施例中，针对预测电网调度指令，利用图8所示的方法，所建立的总用电控制模型可为：
其中，ti,s＜t＜te。
公式(11)是通过步骤S1431获得的总用电电费目标函数的积分模型；公式(12)是通过步骤S1432获得的建筑的室内温湿度约束函数；公式(13)是通过步骤S1433获得的所有空调***的总用电量约束函数；i是预测电网调度指令的序号，1≤i≤n，i、n为正整数；Pi是预测电网调度指令i的发生概率；t表示时刻；t0是预测电网调度指令的获取时刻；te是空调***电力需求响应的结束时间；Cei,t是在t时刻的单位时间内且在预测电网调度指令i情况下所有所述空调***使用的总电费；是在t时刻预测电网调度指令i情况下空调***j的建筑室内温度；在t时刻预测电网调度指令i情况下空调***j的建筑室内湿度；Si是预测电网调度指令i情况下的设定温湿舒适度区间；Pei,t是在t时刻的单位时间内且在预测电网调度指令i情况下所有所述空调***的总用电量；是在t时刻单位时间内且在预测电网调度指令i情况下所有所述空调***的最大总用电值；ti,s是空调***的对预测调度指令i进行电力需求响应的起始时刻。
在其他实施例中，针对预测电网调度指令，当图8所示的方法建立的中用电控制模型无解时，可以根据与图7类似的方法所建立的总用电控制模型，以控制在满足预测电网调度指令要求的情况下，尽量满足用户的温湿舒适度要求，在此不再赘述。
空调***的用电量与其建筑室内温湿度关系模型可指，将建筑室内保持在一定温度及湿度下使空调***用电量最小用电量与温湿度关系模型。
上述各实施例中，在不考虑蓄冷因素的情况下，上述空调***用电量与其建筑室内温湿度关系模型可为：
Pej＝min(Pj chiller+Pj pump+Pj tower+Pj fan)， (14)
s.t.Tj p≤Tj p0，Hj d≤Hj d0。
公式(14)中，Pej是指空调***j的用电量；Pj chiller是空调***j的制冷机组用电量；Pj pump是空调***j的冷冻冷却水泵用电量；Pj tower是空调***j的冷却塔用电量；Pj fan是空调***j的末端风机用电量；s.t.表示受约束；Tj p是空调***j的建筑室内温度；Tj p0是空调***j的建筑室内目标温度；Hj d是空调***j的建筑室内湿度；Hj d0是空调***j的建筑室内目标湿度。上述各用电量和用电量可用功率或功耗计量。
在考虑蓄冷因素的情况下，上述空调***的用电量与其建筑室内温湿度关系模型可为：
s.t.Tj p≤Tj p0，Hj d≤Hj d0；
或
s.t.Tj p≤Tj p0，Hj d≤Hj d0。
其中，j是空调***的序号，j≥1，j为正整数；公式(15)是经过电力需求响应时间te空调***j用电量；t是空调***j的响应时刻；te是空调***j电力需求响应的结束时间；Pj,t chiller是在t时刻的单位时间内空调***j的制冷机组用电量；Pj,t pump是在t时刻的单位时间内空调***j的冷冻冷却水泵用电量；Pj,t tower是在t时刻的单位时间内空调***j的冷却塔用电量；Pj,t fan是在t时刻的单位时间内空调***j的末端风机用电量；s.t.表示受约束；Tj p是空调***j的建筑室内温度；Tj p0是空调***j的建筑室内目标温度；Hj d是空调***j的建筑室内湿度；Hj d0是空调***j的建筑室内目标湿度；公式(16)是经过电力需求响应时间te空调***j使用的总电费；Ct是t时刻的电价。上述空调***各部分用电量可用功率或功耗计量。
上述各实施例中，利用建筑本体模型可以得到随建筑的构造、室内环境及空调***各自对所述建筑的室内温湿度贡献数据不同而变化的室内温度和室内湿度。例如，上述建筑本体模型可为：
在公式(17)～(18)中，C是空气热熔；V是所述空调***的建筑室内空气总容量；Tp是所述空调***的建筑室内温度；t是时间变量；ΔHf＝CFf(Tf-Tp)是所述空调***的新风换热量；Qc＝CFc(Tc-Tp)是所述空调***的室内风机盘管换热量；Qt＝α(Te-Tp)是所述空调***的建筑室内外换热量；Qi是所述空调***的室内热源散热量；Ff是新风流速；Tf是新风出风温度；Fc是循环风流速；Tc是循环风出风温度；α是窗墙综合换热系数；Te是所述空调***的建筑室外温度；ρ为空气密度；V是所述空调***的建筑室内空气总容量；Hd是所述空调***的建筑室内含湿量；t是时间变量；Ff是新风流速；Wf是新风出风含湿量；Fc是循环风流速；Wc是循环风出风含湿量；w是所述空调***的建筑室内人体及物体散湿量。
图9是本发明一实施例的基于云平台的空调***电力需求响应控制方法的流程示意图。如图9所述，空调***可获取实际电网调度，也可以预测电网调度指令。在没有接收到实际电网调度指令时，可根据预测电网调度指令计算目前到调度预测响应时间结束时段内各空调***的控制参数，并根据得到的各空调***的控制参数对云平台内各空调***控制参数进行实时计算，其中，实时计算空调***控制参数时所用到的室内外温湿度和空调状态等信息可以实时获取，也可以通过预测得到。若获取到一实际电网调度指令，会同时获取网络相关信息，例如室内外温湿度、空调状态等，并判断接收该实际电网调度指令的时间是否早于要求空调***响应的时间，若是，则对云平台内各空调***控制参数进行实时计算，若否，则计算接收该实际电网调度指令的时间到响应结束时间段内各空调***的控制参数。
本发明的基于云平台的空调***电力需求响应控制方法，通过综合考虑电网调度指令要求、空调***的用电量与其建筑室内温湿度关系、建筑本体及用户的温湿舒适度区间，协调各空调***之间的用电情况，可以得到满足电网调度指令要求且尽可能满足用户的温湿舒适度要求总用电控制模型，并通过总用电控制模型调节空调***的运行参数，从而能够达到更佳的空调***电力需求响应效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、设备(***)、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、嵌入式处理机或其它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它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它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它可编程数据处理设备上，使得在计算机或其它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，从而在计算机或其它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。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于云平台的空调***电力需求响应控制方法，所述云平台连接至少一空调***，其特征在于，包括：
根据一电网调度指令，确定所有所述空调***的最大总用电值；所述最大总用电值是所有所述空调***在进行电力需求响应时的用电上限；
根据所述空调***的室内目标温度及湿度，建立所述空调***的用电量与其建筑室内温湿度关系模型；
基于所述建筑的构造、室内环境及所述空调***各自对所述建筑的室内温湿度贡献数据，建立建筑本体模型，以计算动态变化的室内温湿度；
结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型；
将所述空调***的实时运行参数、所述空调***的实时用电负荷及所述建筑的实时室内外温湿数据分别输入所述总用电控制模型，计算得到所述空调***的控制参数变化曲线，并根据所述控制参数变化曲线控制所述空调***的电力需求响应。
2.如权利要求1所述的基于云平台的空调***电力需求响应控制方法，其特征在于，所述电网调度指令为从一电网调度***获取的实际电网调度指令，其中，所述云平台与所述电网调度***连接。
3.如权利要求2所述的基于云平台的空调***电力需求响应控制方法，其特征在于，所述实际电网调度指令的获取时间与所述空调***的电力需求响应的起始时间的差值小于或等于一设定时间；
所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间内且所有所述空调***的总用电量小于所述最大总用电值，
结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型，包括：
根据所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量目标函数；
根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度约束函数；
以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；
结合所述总用电量目标函数、所述室内温湿度约束函数及所述总用电量约束函数，生成所述总用电控制模型。
4.如权利要求2所述的基于云平台的空调***电力需求响应控制方法，其特征在于，所述实际电网调度指令的获取时间与所述空调***的电力需求响应的起始时间的差值小于或等于一设定时间；
所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间之外且所有所述空调***的总用电量小于所述最大总用电值，
结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型，包括：
根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数；
以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；
结合最小偏离所述设定温湿舒适度区间的目标函数和所述总用电量约束函数，建立优先满足所述总用电量约束函数的总用电控制模型。
5.如权利要求2所述的基于云平台的空调***电力需求响应控制方法，其特征在于，所述实际电网调度指令的获取时间与所述空调***的电力需求响应的起始时间的差值大于一设定时间；所述总用电控制模型考虑了所述空调***的水***及所述建筑的本体的蓄冷能力。
6.如权利要求5所述的基于云平台的空调***电力需求响应控制方法，其特征在于，所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间内且所有所述空调***的总用电量小于所述最大总用电值，
结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型，包括：
根据所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量目标函数，其中，所述总用电量目标函数是一积分模型；
根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度约束函数；
以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；
结合所述总用电量目标函数、所述室内温湿度约束函数及所述总用电量约束函数，生成所述总用电控制模型。
7.如权利要求5所述的基于云平台的空调***电力需求响应控制方法，其特征在于，所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间之外且所有所述空调***的总用电量小于所述最大总用电值，
结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型，包括：
根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数，其中，所述建筑的室内温湿度最小偏离所述设定温湿舒适度区间的目标函数是一积分模型；
以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；
结合最小偏离所述设定温湿舒适度区间的目标函数和所述总用电量约束函数，建立优先满足所述总用电量约束函数的总用电控制模型。
8.如权利要求1所述的基于云平台的空调***电力需求响应控制方法，其特征在于，所述电网调度指令为预测电网调度指令；所述空调***根据多个所述预测电网调度指令进行电力需求响应。
9.如权利要求8所述的基于云平台的空调***电力需求响应控制方法，其特征在于，所述总用电控制模型同时满足：所述建筑的室内目标温湿度位于所述设定温湿舒适度区间内且所有所述空调***的总用电量小于所述最大总用电值，
结合所述最大总用电值、所述空调***的用电量与其建筑室内温湿度关系模型、所述建筑本体模型及一设定温湿舒适度区间，建立所有所述空调***的总用电控制模型，包括：
根据各所述预测电网调度指令的发生概率和所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电电费/电量目标函数，其中，所述总用电电费/电量目标函数是一积分模型；
根据所述建筑本体模型和所述设定温湿舒适度区间，建立所述建筑的室内温湿度约束函数；
以所述最大总用电值为最大值，基于所述空调***的用电量与其建筑室内温湿度关系模型，建立所有所述空调***的总用电量约束函数；
结合所述总用电电费/电量目标函数、所述室内温湿度约束函数及所述总用电量约束函数，生成所述总用电控制模型。
10.如权利要求9所述的基于云平台的空调***电力需求响应控制方法，其特征在于，所述方法还包括：
基于时刻、电价、室外温度、室外湿度、室外照度及风力中的一个或多参数，根据所述空调***的供电电网的负荷数据及/或所述空调***的历史运行参数数据，生成所述预测电网调度指令，并计算所述预测电网调度指令的发生概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510894110.1A CN105320118B (zh) | 2015-12-07 | 2015-12-07 | 基于云平台的空调***电力需求响应控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510894110.1A CN105320118B (zh) | 2015-12-07 | 2015-12-07 | 基于云平台的空调***电力需求响应控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105320118A CN105320118A (zh) | 2016-02-10 |
| CN105320118B true CN105320118B (zh) | 2019-02-01 |
Family
ID=55247699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510894110.1A Expired - Fee Related CN105320118B (zh) | 2015-12-07 | 2015-12-07 | 基于云平台的空调***电力需求响应控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105320118B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127346A (zh) * | 2016-06-29 | 2016-11-16 | 新奥泛能网络科技股份有限公司 | 一种集中供热水***的设计小时热水量的预测方法及装置 |
| US11675322B2 (en) | 2017-04-25 | 2023-06-13 | Johnson Controls Technology Company | Predictive building control system with discomfort threshold adjustment |
| CN107425552A (zh) * | 2017-08-07 | 2017-12-01 | 珠海格力电器股份有限公司 | 峰量的调控方法、装置及*** |
| CN107726555A (zh) * | 2017-09-21 | 2018-02-23 | 新智能源***控制有限责任公司 | 一种建筑空调模型预测控制方法和装置 |
| CN107576015B (zh) * | 2017-09-21 | 2020-06-23 | 新智能源***控制有限责任公司 | 一种实现需求侧响应的建筑空调模型预测控制方法和装置 |
| CN108122067B (zh) * | 2017-11-15 | 2024-02-06 | 中国电力科学研究院有限公司 | 一种建筑需求响应动态过程的建模方法和*** |
| CN108266958B (zh) * | 2017-12-08 | 2020-06-23 | 广州供电局有限公司 | 需求响应容量评估方法、装置、存储介质和计算机设备 |
| CN108151242B (zh) * | 2017-12-21 | 2020-05-19 | 天津大学 | 一种面向集群需求响应的中央空调控制方法 |
| CN108364120A (zh) * | 2018-01-17 | 2018-08-03 | 华北电力大学 | 基于用户用电偏离度的智能小区需求响应切负荷方法 |
| CN109408884A (zh) * | 2018-09-19 | 2019-03-01 | 同济大学 | 用于集中式空调***自动设计的信息处理方法 |
| CN111380160A (zh) * | 2018-12-27 | 2020-07-07 | 江苏方天电力技术有限公司 | 一种用户舒适度的暖通空调负荷需求响应潜力挖掘方法 |
| CN110232503B (zh) * | 2019-05-16 | 2021-08-27 | 浙江中烟工业有限责任公司 | 一种基于生产驱动一体化空调节能智控的调度方法 |
| WO2021026369A1 (en) * | 2019-08-06 | 2021-02-11 | Johnson Controls Technology Company | Model predictive maintenance system with degradation impact model |
| CN111854063A (zh) * | 2020-07-06 | 2020-10-30 | 浙江大学 | 一种变频空调器控制方法 |
| CN112613656A (zh) * | 2020-12-18 | 2021-04-06 | 国网山东省电力公司青岛市即墨区供电公司 | 一种基于鱼群算法的家庭用电需求响应优化*** |
| CN112737422B (zh) * | 2021-01-20 | 2022-11-29 | 河南城建学院 | 一种基于云计算的电机设备调速控制方法 |
| CN113746090B (zh) * | 2021-09-01 | 2023-09-26 | 广东电网有限责任公司 | 一种分布式资源电力需求预测***及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104214912A (zh) * | 2014-09-24 | 2014-12-17 | 东南大学 | 一种基于温度设定值调整的聚合空调负荷调度方法 |
| CN104236020A (zh) * | 2014-09-30 | 2014-12-24 | 张迎春 | 一种空调***的控制方法及装置 |
| CN104636987A (zh) * | 2015-02-06 | 2015-05-20 | 东南大学 | 一种公共楼宇空调负荷广泛参与的电网负荷调度方法 |
| CN104913434A (zh) * | 2015-04-29 | 2015-09-16 | 国家电网公司 | 基于空调分组聚类大规模空调负荷虚拟调峰机组构建方法 |
| CN105042800A (zh) * | 2015-09-01 | 2015-11-11 | 东南大学 | 基于需求响应的变频空调负荷建模与运行控制方法 |
-
2015
- 2015-12-07 CN CN201510894110.1A patent/CN105320118B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104214912A (zh) * | 2014-09-24 | 2014-12-17 | 东南大学 | 一种基于温度设定值调整的聚合空调负荷调度方法 |
| CN104236020A (zh) * | 2014-09-30 | 2014-12-24 | 张迎春 | 一种空调***的控制方法及装置 |
| CN104636987A (zh) * | 2015-02-06 | 2015-05-20 | 东南大学 | 一种公共楼宇空调负荷广泛参与的电网负荷调度方法 |
| CN104913434A (zh) * | 2015-04-29 | 2015-09-16 | 国家电网公司 | 基于空调分组聚类大规模空调负荷虚拟调峰机组构建方法 |
| CN105042800A (zh) * | 2015-09-01 | 2015-11-11 | 东南大学 | 基于需求响应的变频空调负荷建模与运行控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| "a real-time consumer control scheme for space conditioning usage under spot electricity pricing";Constantopoulos P;《Computers&Operations Research》;19911231;第751-765页 |
| "智能电网环境下空调***多目标优化控制算法";张延宇等;《电网技术》;20140731;第38卷(第7期);第1819-1826页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105320118A (zh) | 2016-02-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105320118B (zh) | 基于云平台的空调***电力需求响应控制方法 | |
| CN108039710B (zh) | 一种基于阶跃特性的空调负荷参与的电网日前调度方法 | |
| US9031703B2 (en) | Operation management apparatus, operation management method, and operation management program | |
| JP2019522290A (ja) | マルチレベルモデル予測制御を用いた可変冷媒流量システム | |
| CN110460040B (zh) | 一种考虑智能建筑热平衡特性的微电网运行调度方法 | |
| CN106096747B (zh) | 一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法 | |
| CN107781947A (zh) | 一种建筑空调***冷热源预测控制方法和装置 | |
| CN105091209B (zh) | 一种基于空调负荷预测的控制***及方法 | |
| CN108361885B (zh) | 一种冰蓄冷空调***动态规划方法 | |
| CN103403465A (zh) | 蓄电蓄热最佳化装置、最佳化方法及最佳化程序 | |
| CN104214912A (zh) | 一种基于温度设定值调整的聚合空调负荷调度方法 | |
| JP2012080681A (ja) | 運転管理装置、運転管理方法、および運転管理プログラム | |
| Cole et al. | Use of model predictive control to enhance the flexibility of thermal energy storage cooling systems | |
| CN110322056A (zh) | 一种计及中央空调***的虚拟电厂随机自适应鲁棒优化调度方法 | |
| WO2022251700A1 (en) | Building control system with predictive control of carbon emissions using marginal operating emissions rate | |
| Henze et al. | Sensitivity analysis of optimal building thermal mass control | |
| CN109711614A (zh) | 一种分布式能源站的动态优化运行控制方法及*** | |
| CN107576015A (zh) | 一种实现需求侧响应的建筑空调模型预测控制方法和装置 | |
| CN111076378A (zh) | 一种基于负荷预测的地铁车站通风空调节能***及方法 | |
| Aduda et al. | Towards critical performance considerations for using office buildings as a power flexibility resource-a survey | |
| CN111737857A (zh) | 一种基于互动能力曲线的暖通空调集群协调控制方法 | |
| Rashid et al. | Performance analysis and investigation for the development of energy efficient building | |
| CN109343461A (zh) | 一种楼宇自动化控制***的节能控制方法 | |
| CN111681133B (zh) | 电负荷信息的处理方法和装置 | |
| Yuan et al. | Two-level collaborative demand-side management for regional distributed energy system considering carbon emission quotas |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190201 Termination date: 20211207 |