CN108224692B - 考虑室外气温预测误差的空调柔性控制响应能力预测方法 - Google Patents
考虑室外气温预测误差的空调柔性控制响应能力预测方法 Download PDFInfo
- Publication number
- CN108224692B CN108224692B CN201810018982.5A CN201810018982A CN108224692B CN 108224692 B CN108224692 B CN 108224692B CN 201810018982 A CN201810018982 A CN 201810018982A CN 108224692 B CN108224692 B CN 108224692B
- Authority
- CN
- China
- Prior art keywords
- conditioning
- air
- flexible control
- formula
- value
- 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.)
- Active
Links
- 238000004378 air conditioning Methods 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000004044 response Effects 0.000 claims abstract description 83
- 238000002948 stochastic simulation Methods 0.000 claims description 41
- 238000004088 simulation Methods 0.000 claims description 14
- 238000006116 polymerization reaction Methods 0.000 claims description 8
- 230000003111 delayed effect Effects 0.000 claims description 4
- 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 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 6
- 238000007619 statistical method Methods 0.000 abstract 1
- 230000005611 electricity Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000009795 derivation Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种考虑室外气温预测误差的空调柔性控制响应能力预测方法,包括:1.建立室外气温预测误差的白噪声模型;2.利用随机微分方程描述空调所在房间的室内气温变化过程;3.应用随机模拟方法对空调集群的工作过程进行仿真,得到空调柔性控制响应能力的样本,包括响应容量和响应延时的样本;4.采用统计方法求得空调柔性控制响应能力的预测结果:响应容量和响应延时的样本均值、样本标准差和估计区间。本发明能为空调负荷聚合商对空调负荷实施有效的需求响应管理提供参考依据。
Description
技术领域
本发明属于电力负荷需求侧管理领域,涉及一种考虑室外气温预测误差的空调柔性控制响应能力预测方法。
背景技术
近年来,随着经济的快速发展和人民生活的日益改善,用电负荷(特别是用电峰荷)急剧增长,负荷曲线峰谷差问题凸显。为满足负荷快速增长的用电需求,传统的做法是新建发电厂和改造扩容电网,但由于这些新增发输电设备的利用率低,最终会导致成本增加和资源浪费。国内外的实践经验表明,仅靠增加发输电规模无法有效、经济的缓解电力供需矛盾,必须调动需求侧资源参与电网调峰。电力需求响应是指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,改变其固有的用电模式,减少或者推移某时段的用电负荷,从而保障电网稳定,并抑制电价上升的短期行为。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。
随着中国城镇化进程的推进和极端气候的频繁出现,空调负荷持续快速增长。每年炎热季节,空调***集中启动,加剧了电网负荷峰谷差,最终危及电网的安全稳定运行。目前,我国空调高峰负荷占比较大,局部地区甚至超过50%,成为夏季电力紧缺的重要原因之一。空调负荷主要集中在夏季用电高峰期,如果单纯依靠增加装机容量来满足短暂的尖峰负荷,势必造成社会资源的极大浪费;相反,如果能对空调负荷采取有效的需求侧响应措施,则能抑制电力尖峰负荷,减缓新建调峰电厂的压力,并减少环境污染。
空调作为一种典型的温控负荷,具有响应速度较快、可控性较好、具备能量存储特性等优点,所以已成负荷控制的主要研究对象之一。然而,单体空调容量小、数量众多、分散分布、响应随机性强,因此必须将众多空调聚合为空调集群,由空调负荷聚合商对空调负荷进行需求响应管理。空调负荷的控制方式主要包括刚性控制和柔性控制:空调刚性控制方式一般直接全部或部分关停空调设备,如关停主机、关停循环***或者关停末端风机盘管等;而空调柔性控制通过改变空调设备运行参数、运行模式等调整负荷的出力,达到部分削减负荷的目的。由于空调柔性负荷控制对用户舒适度的影响较小,因而更容易推广应用。
空调刚性控制和柔性控制响应能力的准确预测是空调负荷聚合商对空调集群进行有效需求响应管理的前提;其中,响应能力包括响应容量和响应延时两个方面。目前在空调柔性控制响应能力研究方面,通常只对响应容量进行预测,而没有对响应延时进行预测;而且响应容量是在空调热动力学的确定性模型的基础上进行预测的,并没有考虑室外气温预测的随机误差,然而,由于室外气温预测存在随机误差,所以空调柔性控制的响应能力具有不确定性。综上所述,传统方法所得到的响应容量预测值没有考虑室外气温预测误差的影响,且没有提供对响应延时的预测,这些都给空调负荷聚合商对空调负荷实施有效的需求响应管理造成困难。
发明内容
本发明针对传统方法没有考虑室外气温预测误差、无法预测响应延时的缺陷,提供一种考虑室外气温预测误差的空调柔性控制响应能力预测方法,以期通过建立室外气温预测误差的模型和对空调集群工作过程的随机模拟,得到更加合理的空调柔性控制响应能力(包括响应容量和响应延时)的预测结果,从而为空调负荷聚合商提供更加全面的信息,以便于其对空调负荷实施更加科学、有效的需求响应管理。
本发明为解决技术问题采用如下技术方案:
本发明一种考虑室外气温预测误差的空调柔性控制响应能力预测方法的特点是按如下步骤进行:
步骤1.获取原始数据,包括:随机模拟开始的初始时刻t0;空调集群所包含的空调台数 K;第k台空调所在房间的热容Ck,单位为kWh/℃,k=1,2,…,K为空调编号;第k台空调所在房间的热阻Rk,单位为℃/kW;第k台空调的额定功率Pk,单位为kW;第k台空调的能效比ηk;第k台空调在初始时刻t0时的开关状态sk(t0):当sk(t0)取值为1时,表示第k台空调在初始时刻t0“开机”,当sk(t0)取值为0时,表示第k台空调在初始时刻t0“关机”;第k台空调所在房间在初始时刻t0时的室内气温值θk(t0),单位为℃;空调负荷聚合商向空调集群下达“柔性控制的开始指令”的时刻tS;空调负荷聚合商向空调集群下达“柔性控制的结束指令”的时刻tE;第k台空调响应前的室内气温设定值θset,k,单位为℃;第k台空调响应后的室内气温设定值θ′set,k,单位为℃;第k台空调回滞控制的死区温度θd,k,单位为℃;t时刻的室外气温预测值单位为℃;室外气温预测误差白噪声模型中的比例常数q,0<q<1;
步骤2.利用式(1)建立室外气温预测误差的白噪声模型:
式(1)中,为t时刻的室外气温预测误差值;{X(t),0≤t≤∞}为均值为零、方差有限的白噪声;
步骤3.利用式(2)所示的随机微分方程来描述第k台空调所在房间的室内气温变化:
式(2)中,θk(t)为第k台空调所在房间在t时刻的室内气温值,单位为℃;sk(t)为第k台空调在t时刻的开关状态:当sk(t)取值为1时,表示第k台空调在t时刻“开机”;当sk(t)取值为0时,表示第k台空调在t时刻“关机”;
步骤4.设置仿真参数:仿真时长为Ts;仿真步长为Δt;随机模拟次数为J;
步骤5.令j=1;对空调集群中的所有空调的工作过程进行第j次随机模拟:
步骤5.1.令k=1;
步骤5.2.给指示变量Ibegin赋初始值0;给指示变量Iover赋初始值0;
其中,Ibegin为柔性控制的开始指令下达与否的指示变量:取值为0表示柔性控制的开始指令未下达,取值为1表示柔性控制的开始指令已下达;Iover为柔性控制的结束指令下达与否的指示变量:取值为0表示柔性控制的结束指令未下达,取值为1表示柔性控制的结束指令已下达;
步骤5.3.令i=0;将θk(t0)和sk(t0)分别赋值给θk,j(ti)和sk,j(ti);
其中,θk,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达前,第k台空调所在房间在ti时刻的室内气温值;sk,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达前,第k台空调在ti时刻的开关状态;
步骤5.4.判断ti=tS是否成立:若成立,将θk,j(ti)和sk,j(ti)分别赋值给θ′k,j(ti)和s′k,j(ti),并令指示变量Ibegin=1,然后执行步骤5.5;否则,执行步骤5.5;
其中,θ′k,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达后,第k台空调所在房间在ti时刻的室内气温值;s′k,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达后,第k台空调在ti时刻的开关状态;
步骤5.5.判断ti=tE是否成立:若成立,令指示变量Iover=1,然后,执行步骤5.6;否则,执行步骤5.6;
步骤5.6.利用随机变量的抽样方法生成在第j次随机模拟中ti时刻的标准正态分布随机变量εj(ti);
步骤5.7.由θk,j(ti)和sk,j(ti),利用随机微分方程的数值计算方法计算在第j次随机模拟中柔性控制的开始指令下达前,第k台空调所在房间在ti+1时刻的室内气温值θk,j(ti+1);
步骤5.8.按式(3)确定在第j次随机模拟中柔性控制的开始指令下达前,第k台空调在ti+1时刻的开关状态sk,j(ti+1):
式(3)中,ti+1=ti+Δt;
步骤5.9.若Ibegin=1且Iover=0成立,执行步骤5.10;否则,执行步骤5.12;
步骤5.10.由θ′k,j(ti)和s′k,j(ti),利用随机微分方程的数值计算方法计算第j次随机模拟中柔性控制的开始指令下达后,第k台空调所在房间在ti+1时刻的室内气温值θ′k,j(ti+1);
步骤5.11.按式(4)确定第j次随机模拟中柔性控制的开始指令下达后,第k台空调在ti+1时刻的开关状态s′k,j(ti+1):
式(4)中,ti+1=ti+Δt;
步骤5.12.若ti+1-t0<Ts成立,令i+1赋值给i后,执行步骤5.4;否则执行步骤5.13;
步骤5.13.若k<K成立,令k+1赋值给k后,执行步骤5.2;否则执行步骤5.14;
步骤5.14.按式(5)计算在第j次随机模拟中空调柔性控制的响应容量
步骤5.15.按式(6)计算在第j次随机模拟中空调柔性控制的响应延时Δtd,j:
步骤5.16.若j<J成立,令j+1赋值给j后,执行步骤5.1;否则执行步骤6;
步骤6.以和Δtd,j,j=1,2,…,J作为随机样本,通过统计计算得到空调柔性控制响应能力的预测结果:
步骤6.1.按式(7)计算ti时刻响应容量的样本均值函数μP(ti):
步骤6.2.按式(8)计算ti时刻响应容量的样本标准差函数δp(ti):
步骤6.3.根据响应容量的样本均值函数μP(ti)和样本标准差函数δp(ti),得到空调柔性控制响应容量的估计区间[μP(ti)-δp(ti),μP(ti)+δp(ti)],ti∈[tS,tE];
步骤6.4.按式(9)计算响应延时的样本均值
步骤6.5.按式(10)计算响应延时的样本标准差
步骤6.6.根据响应延时的样本均值和样本标准差得到响应延时的估计区间
与已有技术相比,本发明有益效果体现在:
本发明克服了传统方法忽略室外气温预测误差、不能预测响应延时的缺陷,通过建立室外气温预测误差的白噪声模型和对空调集群工作过程的随机模拟,不仅更加合理的预测了空调柔性控制的响应容量,而且也预测了其响应延时,为空调负荷聚合商对空调负荷实施更加科学、有效的需求响应管理提供了重要的参考依据。具体效果体现在以下几个方面:
1.本发明建立了室外气温预测误差的白噪声模型,从而考虑了室外气温预测随机误差的影响;
2.本发明建立了用于描述室内气温变化过程的随机微分方程,为模拟空调集群的工作过程奠定了基础;
3.本发明通过随机模拟,获得响应容量和响应延时的样本,对样本进行统计计算得到预测结果,该预测结果体现了室外气温预测随机误差所造成的预测结果的不确定性,为空调负荷聚合商提供了更加丰富的有用信息。
附图说明
图1是本发明所述的考虑室外气温预测误差的空调柔性控制响应能力预测方法的流程示意图;
图2是本发明中对空调集群进行第j次随机模拟,并计算空调柔性控制响应容量和响应延时样本的流程图。
具体实施方式
在本实施例中,空调柔性控制响应是指空调在柔性控制方式下削减负荷的行为,即用户通过调整空调室内温度设定值来减小有功负荷需求的行为;空调集群是指空调负荷聚合商所控制的空调的集合。在考虑室外气温预测误差的情形下,空调柔性控制响应能力(包括响应容量和响应延时)预测方法的总体流程示意图如图1所示,具体按如下步骤进行:
步骤1.获取原始数据:
t0,随机模拟开始的初始时刻;
K,空调集群所包含的空调台数;
Ck,第k台空调所在房间的热容,单位为kWh/℃;
其中,k(k=1,2,…,K)为空调编号;
Rk,第k台空调所在房间的热阻,单位为℃/kW;
Pk,第k台空调的额定功率,单位为kW;
ηk,第k台空调的能效比;
sk(t0),第k台空调在初始时刻t0时的开关状态:当sk(t0)取值为1时,表示第k台空调在初始时刻t0“开机”;当sk(t0)取值为0时,表示第k台空调在初始时刻t0“关机”;
θk(t0),第k台空调所在房间在初始时刻t0时的室内气温值,单位为℃;
tS,空调负荷聚合商向空调集群下达“柔性控制的开始指令”的时刻;
tE,空调负荷聚合商向空调集群下达“柔性控制的结束指令”的时刻;
θset,k,第k台空调响应前的室内气温设定值,单位为℃;
θ′set,k,第k台空调响应后的室内气温设定值,单位为℃;
θd,k,第k台空调回滞控制的死区温度,单位为℃;
t时刻的室外气温预测值,单位为℃;
q,室外气温预测误差白噪声模型中的比例常数,0<q<1;
步骤2.利用式(1)建立室外气温预测误差的白噪声模型:
式(1)中,为t时刻的室外气温预测误差值;{X(t),0≤t≤∞}为均值为零、方差有限的白噪声;所以,也是均值为零,方差有限的白噪声。
通过建立室外气温预测误差的白噪声模型,引入了对空调柔性控制响应容量和响应延时造成影响的因素:室外气温预测的随机误差。
步骤3.利用式(2)所示的随机微分方程来描述第k(k=1,2,…,K)台空调所在房间的室内气温变化:
式(2)中,θk(t)为第k台空调所在房间在t时刻的室内气温值,单位为℃;sk(t)为第k台空调在t时刻的开关状态:当sk(t)取值为1时,表示第k台空调在t时刻“开机”;当sk(t)取值为0时,表示第k台空调在t时刻“关机”;
对式(2)的推导作如下说明:
根据空调的一阶热力学等值模型,第k台空调所在房间的室内气温变化如式(*1)所示:
式(*1)中,θa(t)为t时刻的室外气温值,单位为℃,它可以由t时刻的室外气温预测值加上预测误差值而得到,如式(*2)所示:
将式(1)、式(*2)代入式(*1),就可以得到式(2),这样就建立了第k台空调所在房间的室内气温变化的随机微分方程模型,从而引入了室外气温预测误差的影响,即式(2)中等号右边的第2项:
式(2)所示的随机微分方程可以采用多种数值计算方法求解,如Euler算法、Milstein算法等,在本实施例中采用Euler算法求解,则第k台空调所在房间的室内气温按式(*3)所示的递推公式求解:
式(*3)中,ε(ti)为在ti时刻所生成的标准正态分布随机变量(其均值为0,方差为1)。式(*3)的推导过程如下:
式(2)可以写成式(*4)的形式:
式(*4)中,dW(t)=X(t)dt,{W(t),0≤t≤∞}为标准维纳过程。
采用Euler算法将式(*4)所示的随机微分方程离散化,可以得到式(*5):
式(*5)中,W(ti+1)-W(ti)可表示为式(*6),
式(*6)中,ε(ti)为ti时刻所生成的标准正态分布随机变量(其均值为0,方差为1);Δt为仿真步长。将式(*6)代入式(*5),从而得到式(*3)。在下面的步骤5中,根据式(*3),可以对第k台空调所在房间的室内气温变化过程进行模拟,进而得到空调的工作过程。
步骤4.设置仿真参数:仿真时长为Ts;仿真步长为Δt;随机模拟次数为J;
步骤5.令j=1;对空调集群中的所有空调的工作过程进行第j次随机模拟:
步骤5.1.令k=1;
步骤5.2.给指示变量Ibegin赋初始值0;给指示变量Iover赋初始值0;
其中,Ibegin为柔性控制的开始指令下达与否的指示变量:取值为0表示柔性控制的开始指令未下达,取值为1表示柔性控制的开始指令已下达;Iover为柔性控制的结束指令下达与否的指示变量:取值为0表示柔性控制的结束指令未下达,取值为1表示柔性控制的结束指令已下达;
步骤5.3.令i=0;将θk(t0)和sk(t0)分别赋值给θk,j(ti)和sk,j(ti);
其中,θk,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达前,第k台空调所在房间在ti时刻的室内气温值;sk,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达前,第k台空调在ti时刻的开关状态;
步骤5.4.判断ti=tS是否成立:若成立,将θk,j(ti)和sk,j(ti)分别赋值给θ′k,j(ti)和s′k,j(ti),并令指示变量Ibegin=1,然后执行步骤5.5;否则,执行步骤5.5;
其中,θ′k,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达后,第k台空调所在房间在ti时刻的室内气温值;s′k,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达后,第k台空调在ti时刻的开关状态;
步骤5.5.判断ti=tE是否成立:若成立,令指示变量Iover=1,然后,执行步骤5.6;否则,执行步骤5.6;
步骤5.6.利用随机变量的抽样方法生成在第j次随机模拟中ti时刻的标准正态分布随机变量εj(ti);
生成标准正态分布随机变量的方法通常有逆变换法、拒绝法和风险率法,在本实施例中采用拒绝法生成εj(ti)。具体算法可以参考文献:Korn,R.,Korn,E.,Kroisandt,G.:‘Monte Carlo Methods and Models in Finance and Insurance’(CRC Press,USA,2010)p34-35.
步骤5.7.由θk,j(ti)和sk,j(ti),利用随机微分方程的数值计算方法计算在第j次随机模拟中柔性控制的开始指令下达前,第k台空调所在房间在ti+1时刻的室内气温值θk,j(ti+1);
基于由Euler算法推导出的式(*3),θk,j(ti+1)按式(*7)计算:
步骤5.8.按式(3)确定在第j次随机模拟中柔性控制的开始指令下达前,第k台空调在ti+1时刻的开关状态sk,j(ti+1):
式(3)中,ti+1=ti+Δt;
注意:在柔性控制的开始指令下达前,式(3)中使用的是第k台空调响应前的室内气温设定值θset,k,单位为℃。
步骤5.9.若Ibegin=1且Iover=0成立,执行步骤5.10;否则,执行步骤5.12;
Ibegin=1且Iover=0说明柔性控制的开始指令已下达,但柔性控制的结束指令尚未下达。
步骤5.10.由θ′k,j(ti)和s′k,j(ti),利用随机微分方程的数值计算方法计算第j次随机模拟中柔性控制的开始指令下达后,第k台空调所在房间在ti+1时刻的室内气温值θ′k,j(ti+1);
基于由Euler算法推导出的式(*3),θ′k,j(ti+1)按式(*8)计算:
步骤5.11.按式(4)确定第j次随机模拟中柔性控制的开始指令下达后,第k台空调在ti+1时刻的开关状态s′k,j(ti+1):
式(4)中,ti+1=ti+Δt;
注意:在柔性控制的开始指令下达后,式(4)中使用的是第k台空调响应后的室内气温设定值θ′set,k,单位为℃。
步骤5.12.若ti+1-t0<Ts成立,令i+1赋值给i后,执行步骤5.4;否则执行步骤5.13;
步骤5.13.若k<K成立,令k+1赋值给k后,执行步骤5.2;否则执行步骤5.14;
步骤5.14.按式(5)计算在第j次随机模拟中空调柔性控制的响应容量
步骤5.15.按式(6)计算在第j次随机模拟中空调柔性控制的响应延时Δtd,j:
式(6)中,表示在满足的ti集合中取最小时刻,即空调集群开始响应的时刻。
步骤5.16.若j<J成立,令j+1赋值给j后,执行步骤5.1;否则执行步骤6;
上述步骤5.1~步骤5.15是对空调集群的工作过程进行第j次随机模拟,并计算空调柔性控制响应容量和响应延时的样本,具体流程图如图2所示。
在步骤5中,通过随机模拟获得了响应容量和响应延时的J个样本,为在步骤6中计算样本均值、样本标准差等特征统计量并进而获得响应容量和响应延时的估计区间奠定了基础。
步骤6.以和Δtd,j,j=1,2,…,J作为随机样本,通过统计计算得到空调柔性控制响应能力(包括响应容量和响应延时)的预测结果:
步骤6.1.按式(7)计算ti时刻响应容量的样本均值函数μP(ti):
步骤6.2.按式(8)计算ti时刻响应容量的样本标准差函数δp(ti):
步骤6.3.根据响应容量的样本均值函数μP(ti)和样本标准差函数δp(ti),得到空调柔性控制响应容量的估计区间[μP(ti)-δp(ti),μP(ti)+δp(ti)],ti∈[tS,tE];
步骤6.4.按式(9)计算响应延时的样本均值
步骤6.5.按式(10)计算响应延时的样本标准差
步骤6.6.根据响应延时的样本均值和样本标准差得到响应延时的估计区间
步骤6通过对响应容量(其实质是个随机过程)和响应延时(其实质是个随机变量)样本的统计计算,获得了响应容量和响应延时的样本均值、样本标准差和估计区间,体现了室外气温预测的随机误差所造成的不确定性,可以为空调负荷聚合商提供更加全面的信息,为对空调负荷实施更加有效的需求响应管理提供了参考依据。
Claims (1)
1.一种考虑室外气温预测误差的空调柔性控制响应能力预测方法,其特征是按如下步骤进行:
步骤1.获取原始数据,包括:随机模拟开始的初始时刻t0;空调集群所包含的空调台数K;第k台空调所在房间的热容Ck,单位为kWh/℃,k=1,2,…,K为空调编号;第k台空调所在房间的热阻Rk,单位为℃/kW;第k台空调的额定功率Pk,单位为kW;第k台空调的能效比ηk;第k台空调在初始时刻t0时的开关状态sk(t0):当sk(t0)取值为1时,表示第k台空调在初始时刻t0“开机”,当sk(t0)取值为0时,表示第k台空调在初始时刻t0“关机”;第k台空调所在房间在初始时刻t0时的室内气温值θk(t0),单位为℃;空调负荷聚合商向空调集群下达“柔性控制的开始指令”的时刻tS;空调负荷聚合商向空调集群下达“柔性控制的结束指令”的时刻tE;第k台空调响应前的室内气温设定值θset,k,单位为℃;第k台空调响应后的室内气温设定值θ′set,k,单位为℃;第k台空调回滞控制的死区温度θd,k,单位为℃;t时刻的室外气温预测值单位为℃;室外气温预测误差白噪声模型中的比例常数q,0<q<1;
步骤2.利用式(1)建立室外气温预测误差的白噪声模型:
式(1)中,为t时刻的室外气温预测误差值;{X(t),0≤t≤∞}为均值为零、方差有限的白噪声;
步骤3.利用式(2)所示的随机微分方程来描述第k台空调所在房间的室内气温变化:
式(2)中,θk(t)为第k台空调所在房间在t时刻的室内气温值,单位为℃;sk(t)为第k台空调在t时刻的开关状态:当sk(t)取值为1时,表示第k台空调在t时刻“开机”;当sk(t)取值为0时,表示第k台空调在t时刻“关机”;
步骤4.设置仿真参数:仿真时长为Ts;仿真步长为Δt;随机模拟次数为J;
步骤5.令j=1;对空调集群中的所有空调的工作过程进行第j次随机模拟:
步骤5.1.令k=1;
步骤5.2.给指示变量Ibegin赋初始值0;给指示变量Iover赋初始值0;
其中,Ibegin为柔性控制的开始指令下达与否的指示变量:取值为0表示柔性控制的开始指令未下达,取值为1表示柔性控制的开始指令已下达;Iover为柔性控制的结束指令下达与否的指示变量:取值为0表示柔性控制的结束指令未下达,取值为1表示柔性控制的结束指令已下达;
步骤5.3.令i=0;将θk(t0)和sk(t0)分别赋值给θk,j(ti)和sk,j(ti);
其中,θk,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达前,第k台空调所在房间在ti时刻的室内气温值;sk,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达前,第k台空调在ti时刻的开关状态;
步骤5.4.判断ti=tS是否成立:若成立,将θk,j(ti)和sk,j(ti)分别赋值给θ′k,j(ti)和s′k,j(ti),并令指示变量Ibegin=1,然后执行步骤5.5;否则,执行步骤5.5;
其中,θ′k,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达后,第k台空调所在房间在ti时刻的室内气温值;s′k,j(ti)表示在第j次随机模拟中柔性控制的开始指令下达后,第k台空调在ti时刻的开关状态;
步骤5.5.判断ti=tE是否成立:若成立,令指示变量Iover=1,然后,执行步骤5.6;否则,执行步骤5.6;
步骤5.6.利用随机变量的抽样方法生成在第j次随机模拟中ti时刻的标准正态分布随机变量εj(ti);
步骤5.7.由θk,j(ti)和sk,j(ti),利用随机微分方程的数值计算方法计算在第j次随机模拟中柔性控制的开始指令下达前,第k台空调所在房间在ti+1时刻的室内气温值θk,j(ti+1);
步骤5.8.按式(3)确定在第j次随机模拟中柔性控制的开始指令下达前,第k台空调在ti+1时刻的开关状态sk,j(ti+1):
式(3)中,ti+1=ti+Δt;
步骤5.9.若Ibegin=1且Iover=0成立,执行步骤5.10;否则,执行步骤5.12;
步骤5.10.由θ′k,j(ti)和s′k,j(ti),利用随机微分方程的数值计算方法计算第j次随机模拟中柔性控制的开始指令下达后,第k台空调所在房间在ti+1时刻的室内气温值θ′k,j(ti+1);
步骤5.11.按式(4)确定第j次随机模拟中柔性控制的开始指令下达后,第k台空调在ti+1时刻的开关状态s′k,j(ti+1):
式(4)中,ti+1=ti+Δt;
步骤5.12.若ti+1-t0<Ts成立,令i+1赋值给i后,执行步骤5.4;否则执行步骤5.13;
步骤5.13.若k<K成立,令k+1赋值给k后,执行步骤5.2;否则执行步骤5.14;
步骤5.14.按式(5)计算在第j次随机模拟中空调柔性控制的响应容量
步骤5.15.按式(6)计算在第j次随机模拟中空调柔性控制的响应延时Δtd,j:
步骤5.16.若j<J成立,令j+1赋值给j后,执行步骤5.1;否则执行步骤6;
步骤6.以和Δtd,j,j=1,2,…,J作为随机样本,通过统计计算得到空调柔性控制响应能力的预测结果:
步骤6.1.按式(7)计算ti时刻响应容量的样本均值函数μP(ti):
步骤6.2.按式(8)计算ti时刻响应容量的样本标准差函数δp(ti):
步骤6.3.根据响应容量的样本均值函数μP(ti)和样本标准差函数δp(ti),得到空调柔性控制响应容量的估计区间[μP(ti)-δp(ti),μP(ti)+δp(ti)],ti∈[tS,tE];
步骤6.4.按式(9)计算响应延时的样本均值
步骤6.5.按式(10)计算响应延时的样本标准差
步骤6.6.根据响应延时的样本均值和样本标准差得到响应延时的估计区间
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018982.5A CN108224692B (zh) | 2018-01-09 | 2018-01-09 | 考虑室外气温预测误差的空调柔性控制响应能力预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018982.5A CN108224692B (zh) | 2018-01-09 | 2018-01-09 | 考虑室外气温预测误差的空调柔性控制响应能力预测方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
CN108224692A CN108224692A (zh) | 2018-06-29 |
CN108224692A8 CN108224692A8 (zh) | 2018-11-23 |
CN108224692B true CN108224692B (zh) | 2019-11-08 |
Family
ID=62640400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810018982.5A Active CN108224692B (zh) | 2018-01-09 | 2018-01-09 | 考虑室外气温预测误差的空调柔性控制响应能力预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108224692B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063925B (zh) * | 2018-08-16 | 2021-08-17 | 合肥工业大学 | 一种计及负荷聚合商的区域综合能源***优化运行方法 |
CN109827310B (zh) * | 2019-01-31 | 2020-12-11 | 河海大学 | 一种居民空调负荷群聚合模型建立方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1808002A (zh) * | 2006-03-02 | 2006-07-26 | 游善宗 | 风能水能蓄能及空调集成设备 |
CN104134995A (zh) * | 2014-07-08 | 2014-11-05 | 东南大学 | 基于储能建模的空调负荷参与***二次调频方法 |
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 |
CN106846179A (zh) * | 2017-03-15 | 2017-06-13 | 东南大学 | 一种基于非合作博弈的居民负荷双层调度优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101676921B1 (ko) * | 2014-11-12 | 2016-11-16 | 엘지전자 주식회사 | 공기조화기 및 그 제어방법 |
-
2018
- 2018-01-09 CN CN201810018982.5A patent/CN108224692B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1808002A (zh) * | 2006-03-02 | 2006-07-26 | 游善宗 | 风能水能蓄能及空调集成设备 |
CN104134995A (zh) * | 2014-07-08 | 2014-11-05 | 东南大学 | 基于储能建模的空调负荷参与***二次调频方法 |
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 |
CN106846179A (zh) * | 2017-03-15 | 2017-06-13 | 东南大学 | 一种基于非合作博弈的居民负荷双层调度优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108224692A8 (zh) | 2018-11-23 |
CN108224692A (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104698843B (zh) | 一种基于模型预测控制的数据中心节能控制方法 | |
CN109799851B (zh) | 一种基于负荷簇温度调控的用户侧负荷响应方法 | |
CN106949598B (zh) | 网络流量负载变化时的网络中心机房节能优化方法 | |
CN103513632B (zh) | 能源管理*** | |
CN110864414A (zh) | 基于大数据分析的空调用电负荷智能控制调度方法 | |
CN105042800A (zh) | 基于需求响应的变频空调负荷建模与运行控制方法 | |
Li et al. | Reinforcement learning of room temperature set-point of thermal storage air-conditioning system with demand response | |
CN108036468B (zh) | 一种空调***聚合控制方法 | |
CN107781947A (zh) | 一种建筑空调***冷热源预测控制方法和装置 | |
CN107276069A (zh) | 一种地区电网居民温控负荷的近似聚合建模方法及*** | |
WO2023160110A1 (zh) | 一种集群温控负荷***调频方法、***、电子设备及存储介质 | |
CN101782261A (zh) | 暖通空调***的非线性自适应节能控制方法 | |
Liao et al. | Robustness enhancement for chiller sequencing control under uncertainty | |
CN108224692B (zh) | 考虑室外气温预测误差的空调柔性控制响应能力预测方法 | |
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 | |
CN105159085A (zh) | 空调所属建筑物二阶等效热参数模型的实时参数辨识方法 | |
CN105937823B (zh) | 一种地源热泵控制方法及*** | |
Dong | Non-linear optimal controller design for building HVAC systems | |
Ju et al. | Hierarchical control of air-conditioning loads for flexible demand response in the short term | |
Patyn et al. | Intelligent electric water heater control with varying state information | |
Zhang et al. | Research on scheduling control strategy of large-scale air conditioners based on electric spring | |
Li et al. | Control method of multi-energy system based on layered control architecture | |
Li et al. | Dynamic room temperature setpoints of air-conditioning demand response based on heat balance equations with thermal comfort model as constraint: On-site experiment and simulation | |
Zhou et al. | Study on PID parameters tuning based on particle swarm optimization | |
CN108122067B (zh) | 一种建筑需求响应动态过程的建模方法和*** |
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 | ||
CI02 | Correction of invention patent application |
Correction item: Third applicant Correct: State Grid Jiangsu Electric Power Co., Ltd. False: STATE GRID JIANGSU ELECTRIC POWER COMPANY Number: 26-02 Page: The title page Volume: 34 False: STATE GRID JIANGSU ELECTRIC POWER COMPANY |
|
CI02 | Correction of invention patent application | ||
GR01 | Patent grant | ||
GR01 | Patent grant |