CN111681133B - 电负荷信息的处理方法和装置 - Google Patents
电负荷信息的处理方法和装置 Download PDFInfo
- Publication number
- CN111681133B CN111681133B CN202010567630.2A CN202010567630A CN111681133B CN 111681133 B CN111681133 B CN 111681133B CN 202010567630 A CN202010567630 A CN 202010567630A CN 111681133 B CN111681133 B CN 111681133B
- Authority
- CN
- China
- Prior art keywords
- power consumption
- power
- model
- information
- consumption equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 title claims abstract description 22
- 230000004044 response Effects 0.000 claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 31
- 230000005611 electricity Effects 0.000 claims abstract description 26
- 238000009423 ventilation Methods 0.000 claims description 11
- 230000005284 excitation Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000017525 heat dissipation Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000010365 information processing Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 9
- 230000003993 interaction Effects 0.000 abstract description 4
- 238000004378 air conditioning Methods 0.000 description 16
- 238000010438 heat treatment Methods 0.000 description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 230000033228 biological regulation Effects 0.000 description 11
- 238000005485 electric heating Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 8
- 238000003672 processing method Methods 0.000 description 8
- 238000001816 cooling Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 5
- 239000000498 cooling water Substances 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000009133 cooperative interaction Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002222 downregulating effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005382 thermal cycling 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
- 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
-
- 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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电负荷信息的处理方法和装置。具体的,该方法包括:获取耗电设备的历史数据;根据耗电设备的历史数据建立模型,其中,模型用于指示调度策略、电价以及环境信息对电负荷信息的影响;将待采用的调度策略输入到模型中;获取模型输出的电负荷信息,根据电负荷信息确定待采用的调度策略是否满足预期目标。本申请是对负荷需求响应的集群优化控制和分布式能源的优化调度进行评估改进,增强主动配电网的全局可控能力,实现与主网的互动,更好的为用户及上级电网提供服务。
Description
技术领域
本发明涉及电力领域,具体而言,涉及一种电负荷信息的处理方法和装置。
背景技术
目前配电网中,随着分布式电源、电采暖负荷、电动汽车、储能装置等的规模化接入,配电网网络结构及运行控制方式发生变化,对配电网的灵活调节能力和新能源消纳能力提出了更高的要求。当前的一个重要研究方向是通过对配电网络、分布式电源、柔性负荷和储能装置等可调资源进行优化配置,提高配电网的可靠性、优质性、经济性等指标,实现配电网的高效运行和***综合能源利用效率最大化。
现有技术中,针对电网高峰与低谷时对配电网可控资源的优化调度缺乏有效的评估处理方法,导致配电网经济性较差的技术问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种电负荷信息的处理方法和装置,以至少解决了电网高峰与低谷时对配电网可控资源的优化调度缺乏有效的评估处理方法,导致配电网经济性较差的技术问题。
根据本发明实施例的一个方面,提供了一种电负荷信息的处理方法,包括:获取耗电设备的历史数据,其中,所述历史数据中包括多组数据,每组数据均为预定时间段内的信息,所述信息包括:所述耗电设备的电负荷信息、调度策略信息、电价信息、所述电负荷设备运行的环境信息、以及所述电负荷信息与调度策略信息、电价信息、所述耗电设备运行的环境信息之间的关系;根据所述耗电设备的历史数据建立模型,其中,所述模型用于指示调度策略、电价以及环境信息对所述电负荷信息的影响;将待采用的调度策略输入到所述模型中;获取所述模型输出的电负荷信息,根据所述电负荷信息确定所述待采用的调度策略是否满足预期目标值。
可选的,所述方法还包括:建立所述耗电设备的模型,其中,所述耗电设备的模型为使用多组数据通过机器学习训练出的,多组数据中的每组数据均包括:所述耗电设备的状态、所述耗电设备进行状态切换的条件以及在各种状态下所述耗电设备的电负荷信息;通过所述耗电设备的模型获取所述耗电设备的电负荷信息。
可选的,所述方法还包括:所述耗电设备进行状态切换的条件至少根据所述耗电设备所在建筑物的热量情况确定。
可选的,所述建筑物的热量情况根据以下至少之一确定:所述建筑物的内部热源的散热量;所述建筑物与外界之间的流通空气所传递的热量;所述建筑物的围护结构所传递的热量;所述建筑物所接收到的太阳辐射的热量。
可选的,在所述耗电模型中,所述耗电设备为多个,将所述耗电设备分为运行状态不同的两组,至少根据所述两组评估所述耗电设备的电负荷信息。
根据本发明实施例的另一个方面,提供了一种电负荷信息的处理装置,包括:获取单元,用于获取耗电设备的历史数据,其中,所述历史数据中包括多组数据,每组数据均为预定时间段内的信息,所述信息包括:所述耗电设备的电负荷信息、电价信息、所述点负荷设备运行的环境信息、以及所述电负荷信息与电价信息和/或所述耗电设备运行的环境信息之间的关系;建立单元,用于根据所述耗电设备的历史数据建立模型,其中,所述模型用于指示电价变化以及环境信息对所述电负荷信息的影响;输入单元,用于将待采用的调度策略输入到所述模型中;确定单元,用于获取所述模型输出的电负荷信息,根据所述电负荷信息确定所述待采用的调度策略是否满足预期目标值。
可选的,所述装置还包括:建立子单元,用于建立所述耗电设备的模型,其中,所述耗电设备的模型为使用多组数据通过机器学习训练出的,多组数据中的每组数据均包括:所述耗电设备的状态、所述耗电设备进行状态切换的条件以及在各种状态下所述耗电设备的电负荷信息;获取子单元,用于通过所述耗电设备的模型获取所述耗电设备的电负荷信息。
可选的,所述装置还包括:确定子单元,用于至少根据所述耗电设备所在建筑物的热量情况确定所述耗电设备进行状态切换的条件。
可选的,所述建筑物的热量情况根据以下至少之一确定:所述建筑物的内部热源的散热量;所述建筑物与外界之间的流通空气所传递的热量;所述建筑物的围护结构所传递的热量;所述建筑物所接收到的太阳辐射的热量。
根据本申请的另一方面,提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序执行上述任意一项所述的电负荷信息的处理方法。
根据本申请的另一方面,提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任意一项所述的电负荷信息的处理方法。
综上所述,本申请实施例通过获取耗电设备的历史数据;根据所述耗电设备的历史数据建立模型;将待采用的调度策略输入到所述模型中;获取所述模型输出的电负荷信息,根据所述电负荷信息确定所述待采用的调度策略是否满足预期目标值。解决了电网高峰与电网低峰无法主动调节,导致配电网稳定性差的技术问题。
也即,通过获取耗电设备的历史数据,基于耗电设备的历史数据建立模型,以便判断新制定的电价策略是否能成功调整电网高峰,进而获取有效的电价策略,以达到维持配电网稳定性的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的电负荷信息的处理方法的示意图;
图2是一种可选的建筑暖通空调热动力学等值参数模型;
图3是一种可选的建筑暖通空调热动力学多状态负荷建模;
图4是一种可选的减载控制期及控制后非减载期的室温变化曲线;
图5是一种可选的冷水机组性能影响图;
图6是一种可选的IPL模型中的电热泵分布;
图7是一种可选的在t时刻的状态队列模型示意图;
图8是一种可选的能效电机模型示意图;
图9是一种可选的集群负荷需求响应样机时间尺度表;
图10是根据本发明实施例的电负荷信息的处理装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种电负荷信息的处理方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的电负荷信息的处理方法,如图1所示,该方法包括如下步骤:
步骤S102,获取耗电设备的历史数据,其中,所述历史数据中包括多组数据,每组数据均为预定时间段内的信息,所述信息包括:所述耗电设备的电负荷信息、电价信息、所述点负荷设备运行的环境信息、以及所述电负荷信息与电价信息和/或所述耗电设备运行的环境信息之间的关系。
需要说明的是:本发明实施例的电负荷信息的处理方法中所涉及到的负荷调度控制方法部分,是针对温控设备模型的某一种特定物理参数进行控制,如控制温度设定值、或控制占空比、或直接控制设备开关的状态等,以达到调节如图2所示聚合多个建筑暖通空调电负荷的目的。
基于***动力学的多状态时变负荷模型用不止一种状态来描述可调度负荷的能耗。每个状态由恒阻抗、恒电流、恒功率模型或物理机理模型来构建,状态间的转换由内部状态变化或外部信号决定,状态转移关系如图3所示。例如,一个典型的建筑暖通空调有四种运行状态:状态1(关),状态2(制冷),状态3(正常加热)和状态4(紧急加热)。状态3、状态2情况相似,但代表热循环变化的变量有所不同;而状态4与状态3的不同在于,负荷为纯加热电阻式负荷模型。典型建筑暖通空调中有两套热流动结构,温度设定值必须由两部分构成,加热设定值和制冷设定值,这些设定值决定了暖通空调***在任何给定时间下的运行状态,即:关闭,制冷,正常加热,紧急加热。
在一个可选的示例中,所述方法还包括:建立所述耗电设备的模型,其中,所述耗电设备的模型为使用多组数据通过机器学习训练出的,多组数据中的每组数据均包括:所述耗电设备的状态、所述耗电设备进行状态切换的条件以及在各种状态下所述耗电设备的电负荷信息;通过所述耗电设备的模型获取所述耗电设备的电负荷信息。
以中央空调为例,对中央空调的模型进行说明(中央空调的负载率集群***多状态机理建模):
需要说明的是:中央空调***是一种大型的对建筑物室内环境进行调节处理的设备,通过空气调节,可以在人们长期停留的地方保持适宜的环境条件,创造良好的工作和生活环境,或满足某些特定科学实验、工业生产过程的特殊要求,是现代大型建筑中一个不可或缺的重要组成部分,它对改善工作条件、提高生活质量、保证产品质量以及维护人体的健康状态都有着十分重要的意义。在本申请实施例中,是通过对用户用电模式进行调整或对用户用电负荷进行管理,其中,该管理方法主要是指调度中心通过制定确定性的或者随时间变化的政策,来激励用户在***过于紧张或是电价过高时及时削减负荷,也是本申请的主要研发点。中央空调***一般由制冷源、载冷剂***、空气处理设备等组成。在实际工程应用中,根据建筑物的用途、冷负荷以及实际的需要有着不同的形式。此外,中央空调***及其所服务的建筑物是一个相互作用的整体。要满足室内一定的舒适度要求,中央空调***必须不断调整本身的运行参数以适应环境的改变。中央空调***的组成部分有冷水机组、冷冻水泵、冷却水泵、冷却塔,风机盘管***等,中央空调***控制的目的,主要是使整个***的运行在保证满足人们舒适要求的前提下,***的运行能耗,也就是耗电量达到最低,一般情况下,空调的末端***如风机盘管***在一般情况下可以认为是一个能耗不变的换热设备,且一般情况下冷却塔的风机的能耗也是恒定不变的,忽略***在运行过程中的一些机械设备的发热升温等其它因素,可以确定***的目标控制量3个,分别是冷水机组、冷冻水泵、冷却水泵。
夏季工况下中央空调主要由主机、冷冻水泵、冷却塔、冷却水泵和终端组成。在各房间内部安装温度调控单元,可接受来自控制中心的指令,调节温度设定值,参与需求响应。控制中心加载了预先设定好的需求响应控制策略,每时刻接受外部的响应目标,发出控制指令。
进一步的,针对中央空调***的组成还需要说明的是:
在大型工业、生态和科研园区的生产和生活中,人们为了满足工作、生活和生产活动等对室内气候环境的要求,需要对建筑物室内的空气进行调节处理,使建筑物内空气的温度、湿度等保持在一定范围内。将室内的温度和湿度保持在一定的水平是公共楼宇中央空调的基本任务。
典型的公共楼宇中央空调主要包括制冷机组、冷水循环***,冷却水循环***以及风机盘管空调***。公共楼宇中央空调***主要用电设备是制冷机和风机。风机中含有新风风机,负责输入新风以维持室内空气质量。如图4,减载期,制冷机减载工作,但由于进入房间的热量和内墙的蓄热作用,使得室温不断上升。5分钟为一个减载期。非减载期中:先是制冷期,制冷机持续运转使室温降至Tset;然后进入自然负载期,此时类似于不参加减载控制的情况。
进一步的,针对中央空调的主机还需要说明的是:
图5为冷水机组影响因素示意图。此时,建立冷水机组的模型,就是确定每个参数对冷水机组的制冷量与耗电量的影响的数学描述。此程序使用的冷水机组数学模型为性能曲线模型,冷水机组性能曲线由三条组成,如下所述:
A、制冷能力曲线
制冷能力曲线定义为制冷机的最大制冷量随冷却水与冷冻水出水温度变化的关系,表达式为:
ChillerCapFT=a+b(Tchw,out)+c(Tchw,out)2+d(Tcow,out)
+e(Tcow,out)2+f(Tchw,out)(Tcow,out)
B、EIR与运行状态关系曲线
EIR在此定义为COP的倒数,即轴功率与制冷量之比,EIR与运行状态关系曲线定义为在最大负荷下EIR随冷却水与冷冻水出水温度变化关系:
ChillerEIRFT=a+b(Tchw,out)+c(Tchw,out)2+d(Tcow,out)
+e(Tcow,out)2+f(Tchw,out)(Tcow,out)
C、EIR与部分负荷率PLR关系曲线
该曲线定义为EIR值随着不同部分负荷变化而变化的关系曲线:
ChillerEIRFPLR=a+b(Tcow,out)+c(Tcow,out)2+d(PLR)+
e(PLR)2+f(Tcow,out)(PLR)+g(PLR)3
在一个可选的示例中,所述方法还包括:所述耗电设备进行状态切换的条件至少根据所述耗电设备所在建筑物的热量情况确定。
可选的,所述建筑物的热量情况根据以下至少之一确定:所述建筑物的内部热源的散热量;所述建筑物与外界之间的流通空气所传递的热量;所述建筑物的围护结构所传递的热量;所述建筑物所接收到的太阳辐射的热量。
需要说明的是:
在制冷状态中,也即在空调区的夏季计算得热量中,可以根据下列各项确定:
表1夏季得热量计算
此时,根据房间室内空气和物质表面的热平衡得出:
对室内空气,有热平衡关系式:
进而有控制方程:y=CT+DU,
Q=Qsolar+Qrt+Qzm+Qsb+Qhvac;
其中,Qrtx指人体显热得热,Qrtq指人体潜热得热,Qzm指照明得热,Qsb指设备得热,Qhvac指空调冷量,其计算采用冷指标法,此程序中冷负荷指标采用120W/m2,当空调开启时Qhvac=Qhvac,当空调关闭时Qhvac=0。
在制热状态中,冬季供暖通风***的热负荷可以根据建筑物下列散失和获得的热量确定:
表1建筑物散失和得热量
对室内空气,有热平衡关系式(假设温差修正系数取外墙、屋顶、地面及与室外相通的楼板等的修正系数为:
控制方程:y=CT+DU;
其中:Q=Qhvac-Qlfst,Qlfst指冷风渗透,Rwq指外墙总热阻,Rwc指外窗总热阻,Rwm指屋面总热阻,h1和h2分别指内外表面的表面换热系数,A总指***护结构总面积。
可选的,在所述耗电模型中,所述耗电设备为多个,将所述耗电设备分为运行状态不同的两组,至少根据所述两组评估所述耗电设备的电负荷信息。
在一个可选的实施例中,引入标识优先列表控制策略IPL,以对特性各异的电热设备根据其运行规律加以归一化,得到耗电设备的模型。
其中,对电热泵k在t时刻定义其温度状态标识
可知:为电热泵k当前温度距温度下限之差与其当前温度死区的比值,它直接反映了电热泵当前温度在其温度运行区间内的相对位置,取值在0~1之间。
此时,为便于控制策略优化,对At和Bt群内设备,按照温度状态标识进行重新排序:
1、开启群At:按照取值大小,按升序方式对设备重新排列:
重新排列后的开启群设备,满足如下规律:其中i<j,/>
2、关闭群Bt:按照取值大小,按降序方式对设备重新排列:
重新排列后的关闭群设备,满足如下规律:其中i<j,/>
进一步的,在排序后,即可按如下方式在开启和关闭群中遴选可控设备群:
1、可控开启群首先设定设备可参与控制的温度状态标识的触发值/>(温度下限),并按如下方式确定可控开启群:/>
其中,内设备满足如下规律:
其中i<j,/>
2、可控开启群首先设定参与控制设备/>的触发值/>(温度状态标识上限),按如下规则遴选:/>
其中,群内的设备满足如下规律:
需要说明的是:分别为群/>和/>内设备温度状态标识的区间,/>的取值范围为/>以尽可能利用控制资源。
按照上式的设定,在某一时刻,At、Bt、和/>群的分布情况如图6所示,其中实心和空心小球分别代表开启和关闭设备。从图6中不难看出,在无任何外加控制时,在上式两群中,越靠后的设备越容易发生状态的反转;而越靠前的设备即使通过人为控制,改变其运行状态后也越易再次发生状态反转,从而弱化控制效果。因而在负荷需求响应控制策略设计时,两群中越靠后设备越应优选选择,设置触发值/>和/>的目的即是保证靠前的部分设备不被选择。
综上所述,所述耗电设备的模型的建立过程基本过程如下:
第一步:计算t时刻所有参与调控电热泵的温度状态标识,并构造At和Bt群,进一步确定和/>群;
第二步:确定最终调控对象。
具体的,设***控制目标ΔPt>0时,意为希望电热泵负荷增加电能损耗|ΔPt|;反之,设***控制目标ΔPt<0时,意为希望电热泵负荷减少电能损耗|ΔPt|。
当ΔPt>0时,在群中按下式确定调控对象集合Ot,/>
其中,Ot应满足如下约束条件:
当ΔPt<0时,在群中按下式确定调控对象集合Ot,/>
其中,Ot应满足如下约束条件:
第三步:对调控对象集合Ot实施控制,当ΔPt>0时,提前将Ot中的设备开启;当ΔPt<0时,提前将Ot中的设备关闭。
第四步:评估控制结果,t=t+Δt,跳转到第一步进行下一轮调控,其中Δt为调控步长。
步骤S104,根据所述耗电设备的历史数据建立模型。
需要说明的是:所述模型用于指示电价变化以及环境信息对所述电负荷信息的影响。
举例说明,能效电厂是电力需求侧管理的一个创新模式,可以在提高电能使用效率和减少用户电力消耗的同时,达到与建设常规电厂和相应输配电***相同的目的。基于本申请上述提供的电负荷信息的处理方法,本申请还提出一种由考虑用户舒适约束的家居温控负荷(如电热泵设备)构建能效电厂的方法。该方法采用状态队列响应控制模型,对热泵负荷开关状态实施控制。
当大量电热泵参与响应控制时,其聚合的负荷调节效果可等价为一个“能效电机”,其建模过程需要采用合适的需求响应控制技术。需求侧响应主要分为基于激励的响应和基于电价的相应,基于电价的响应包括实时电价、分时电价和阶梯电价。激励电价响应作为一种有效的需求响应方式,是以电价为信号引导用户用电行为,在给用户带来经济收益的同时,也将影响到用户的用电舒适程度。考虑到用户与电网的信息互动,对用户的用电特性进行综合考量,并基于市场形成价格机制。机制完善的市场环境下,在没有政府干预的情况下,市场价格能自发产生一种力量,通过企业边际成本定价方法,使供给恰好等于需求,这时的价格也就是市场最优均衡价格。本报告所提出的需求侧响应模型是基于实时电价机制,能够更为精确地反应负荷及供电成本的变化,充分调动用户参与需求侧响应的积极性,更有利于主网与配网间协调互动。
基于状态队列(SQ)算法,实现基于电价信号的负荷控制,其核心步骤如下:
1、状态分群。
如图7所示,假设同一负荷社区内共有20个家庭的电热泵参与激励响应控制。在某一个时刻,假设有5个设备为“开启”状态,有15个设备为“关闭”状态,若以状态变量ni描述第i个电热泵的“开启(ni=1)”或者“关闭(ni=0)”状态,可将其分为“开启(n1—n5)”和“关闭(n6—n20)”两群设备,值得指出的是,每一时刻,“开启”和“关闭”的设备数量是时变的,在通讯可靠的前提下,可根据上传的设备状态信息确定状态分群情况。
2、温度排序。
根据当前t时刻电热泵调节的室内温度θroom量测值,对“开启”设备群进行由低到高排列,对“关闭”群进行由高到低排列。
3、响应控制。
若***期望减少负荷消耗,则优先考虑在“开启”设备群中,关闭θroom靠近(“after”代表电热泵受控后)的设备,如n5、n4、n3、…;若***期望增加负荷消耗,则优先考虑在“关闭”设备群中,开启θroom靠近/>的设备,如n20、n19、n18、…。
在上述算法基础上,增加对于设备使用寿命等实际因素和用户行为学的考虑。针对设备使用寿命,在“温度排序”和“响应控制”步骤之间,引入约束分组策略,建立了考虑用户舒适约束的电热泵群等值的能效电机模型。
具体来说,即在室内温度变化范围之内,定义了电热泵的可控范围和/>如图7灰色覆盖区域所示。在可控温度范围内,电热泵可参与响应控制;在可控温度范围外,认为电热泵设备开启或者关停的时间尚短,没有达到设备操作约束限制要求,因此不宜参与响应控制。针对用户行为学,不同的用户对于温度具有不同的舒适度范围,因此建立了依照温度延伸域度作为指标进行排序的方法。将按照温度排序改为采用上述改进方法,可建立电热泵型能效电机模型,如图8所示,主要包括4个时变参数,假设当前时刻为t,则下一时刻t+Δt的参数可定义为:
1、不受控条件下电热泵群的自然功率消耗即能效电机不受控条件下的出力;
2、受控条件下电热泵群功率消耗PHP[t+Δt],即能效电机根据负荷控制信号做出的出力响应。
3、由用户舒适约束边界等价的能效电机出力的上下边界Pmin[t+Δt]、Pmax[t+Δt],可以表示为
式中Prated,i为第i个电热泵的额定功率。
由上述参数可以进一步定义能效电机的其他主要技术参数。
1)受控调节量:
2)上调容量:
3)下调容量:
式中:受控调节量ΔPHP表征能效电机的储能或释能效果,即在受控状态下,电热泵群可以吸纳或削减的额外热储能;为能效电机的出力调节可行域,即当前时刻储能或释能的可调节范围。特别值得指出的是,下调容量/>代表了能效电厂的最大节电能力。
考虑最优响应目标分配优化能效电厂模型
将多个“能效电机”集成为“能效电厂”后,可按照上层***要求“能效电厂”承担的响应目标,根据单个“能效电机”的调节能力(用户舒适约束)来优化分配,如下式所示:
式中:Nl为组成“能效电厂”的能效电机个数;为能效电厂的所需承担的响应出力值;/>是第l个能效电机响应出力最优分配目标;为第l个能效电机出力上下边界。上式以所有能效电机的出力调节量最小为优化目标,反映了激励成本的最小化考虑。
考虑某一用户设备参与且仅参与一个能效电机聚合响应的情况,因此能效电厂的出力上下边界等于所有能效电机的出力边界的线性叠加,能效电厂的响应出力由下式确定:
/>
式中:为第l个能效电机实际出力;/>为能效电厂的出力上下边界。
需要说明的是:电网运行状态监测与集群负荷需求响应关系密切,准确及时的电网监测有助于集群负荷策略的制定与可控资源之间的协调优化。
基于态势感知联动,大数据体系,依托聚类综合分析算法,得到来自于态势感知的负荷特性和集群负荷的历史运行数据,考虑不同负荷类型的特点,分别建立基于集群负荷的需求响应模型,如针对不同类型的中央空调负荷,考虑其主机、水泵***、终端等不同组件的运行特性,结合历史运行数据,分别建立基于用户负载率和回水温度为调控核心的负荷模型。分析从智能量测单元实时获取的运行数据,不断对负荷模型进行修正,以保证模型适应集群负荷调控与运行仿真的需要。
步骤S106,将待采用的调度策略输入到所述模型中。
步骤S108,获取所述模型输出的电负荷信息,根据所述电负荷信息确定所述待采用的调度策略是否满足预期目标值。
综上所述,本申请实施例通过获取耗电设备的历史数据;根据所述耗电设备的历史数据建立模型;将待采用的调度策略输入到所述模型中;获取所述模型输出的电负荷信息,根据所述电负荷信息确定所述待采用的调度策略是否满足预期目标值。解决了电网高峰与电网低峰无法主动调节,导致配电网稳定性差的技术问题。
也即,通过获取耗电设备的历史数据,基于耗电设备的历史数据建立模型,以便判断新制定的电价策略是否能成功调整电网高峰,进而获取有效的电价策略,以达到维持配电网稳定性的技术效果。
总结:本申请是对负荷需求响应的集群优化控制和分布式能源的优化调度进行改进,将极大地增强主动配电网的全局可观可控能力,实现与主网的互动,更好的为上级电网提供能量和辅助服务。
本申请的主要发明点如下:
1、依据用电行为特性、企业边际成本以及电价机制等交互影响特性,基于需求响应基本原理,选取不同类型的中央空调为核心集群需求响应对象、研究不同需求响应策略对电网和用户的交互影响机理,研究多能源网络中需求资源的评估指标和方法;
2、基于***动力学和行为学理论,考虑负荷需求侧参与对象的差异性,探究终端用户需求响应控制策略和需求侧资源协调分配机制,进一步考虑主动配电网态势感知,研究计及配电网阻塞成本的集群负荷需求响应动态激励机制;
3、依据在线状态估计与态势感知结果,以***综合能源利用效率最大化为目标,以无功电压调节、分布式电源调度、激励响应控制等为基本优化控制手段,基于态势感知和阻塞点与薄弱环节识别技术,研究集群负荷激励方案的动态优化策略,最终形成基于需求集群响应与电网态势联动的主动配电网协同交互控制技术。具体如图9所示,其中,所述图9为集群负荷需求响应样机时间尺度表。
本申请实施例还提供了一种电负荷信息的处理装置,需要说明的是,本申请实施例的电负荷信息的处理装置可以用于执行本申请实施例所提供的用于电负荷信息的处理方法。以下对本申请实施例提供的电负荷信息的处理装置进行介绍。
图10是根据本申请实施例的电负荷信息的处理装置的示意图。如图10所示,该装置包括:获取单元10、建立单元20、输入单元30、确定单元40。
获取单元10,用于获取耗电设备的历史数据,其中,所述历史数据中包括多组数据,每组数据均为预定时间段内的信息,所述信息包括:所述耗电设备的电负荷信息、电价信息、所述点负荷设备运行的环境信息、以及所述电负荷信息与电价信息和/或所述耗电设备运行的环境信息之间的关系。
建立单元20,用于根据所述耗电设备的历史数据建立模型,其中,所述模型用于指示电价变化以及环境信息对所述电负荷信息的影响。
输入单元30,用于将待采用的调度策略输入到所述模型中。
确定单元40,用于获取所述模型输出的电负荷信息,根据所述电负荷信息确定所述待采用的调度策略是否满足预期目标值。
可选的,所述装置还包括:建立子单元,用于建立所述耗电设备的模型,其中,所述耗电设备的模型为使用多组数据通过机器学习训练出的,多组数据中的每组数据均包括:所述耗电设备的状态、所述耗电设备进行状态切换的条件以及在各种状态下所述耗电设备的电负荷信息;获取子单元,用于通过所述耗电设备的模型获取所述耗电设备的电负荷信息。
可选的,所述装置还包括:确定子单元,用于至少根据所述耗电设备所在建筑物的热量情况确定所述耗电设备进行状态切换的条件。
可选的,所述建筑物的热量情况根据以下至少之一确定:所述建筑物的内部热源的散热量;所述建筑物与外界之间的流通空气所传递的热量;所述建筑物的围护结构所传递的热量;所述建筑物所接收到的太阳辐射的热量。
本申请实施例提供的电负荷信息的处理装置,通过获取单元10获取耗电设备的历史数据;建立单元20根据所述耗电设备的历史数据建立模型,其中,所述模型用于指示电价变化以及环境信息对所述电负荷信息的影响;输入单元30将待采用的调度策略输入到所述模型中;确定单元40获取所述模型输出的电负荷信息,根据所述电负荷信息确定所述待采用的调度策略是否满足预期目标值,解决了电网高峰与电网低峰无法主动调节,导致配电网稳定性差的技术问题。
也即,通过获取耗电设备的历史数据,基于耗电设备的历史数据建立模型,以便判断新制定的电价策略是否能成功调整电网高峰,进而获取有效的电价策略,以达到维持配电网稳定性的技术效果。
所述电负荷信息的处理装置包括处理器和存储器,上述获取单元10、建立单元20、输入单元30、确定单元40均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来维持配电网稳定性。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述电负荷信息的处理方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述电负荷信息的处理方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种电负荷信息的处理方法,其特征在于,包括:
获取耗电设备的历史数据,其中,所述历史数据中包括多组数据,每组数据均为预定时间段内的信息,所述信息包括:所述耗电设备的电负荷信息、调度策略信息、电价信息、所述电负荷设备运行的环境信息、以及所述电负荷信息与调度策略信息、电价信息、所述耗电设备运行的环境信息之间的关系;
根据所述耗电设备的历史数据建立模型,其中,所述模型用于指示调度策略、电价以及环境信息对所述电负荷信息的影响;
所述耗电设备的模型为使用多组数据通过机器学习训练出的,多组数据中的每组数据均包括:所述耗电设备的状态、所述耗电设备进行状态切换的条件以及在各种状态下所述耗电设备的电负荷信息;
其中,所述耗电设备的状态包括多种,每个状态由恒阻抗、恒电流、恒功率模型或物理激励模型构建;
通过所述耗电设备的模型获取所述耗电设备的电负荷信息;
将待采用的调度策略输入到所述模型中;
获取所述模型输出的电负荷信息,根据所述电负荷信息确定所述待采用的调度策略是否满足预期目标;
其中,根据所述耗电设备的历史数据建立模型还包括考虑电网运行状态监测对电负荷需求的影响,其中电网运行状态监测包括:
式中:Nl为组成“能效电厂”的能效电机个数;为能效电厂的所需承担的响应出力值;/>是第l个能效电机响应出力最优分配目标;/>是第l个能效电机在不受控条件下的出力;/>为第l个能效电机出力上下边界,其中,所述能效电机为可参与需求响应控制的电负荷,所述能效电厂由多个能效电机组成。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述耗电设备进行状态切换的条件至少根据所述耗电设备所在建筑物的热量情况确定。
3.根据权利要求2所述的方法,其特征在于,所述建筑物的热量情况根据以下至少之一确定:所述建筑物的内部热源的散热量;所述建筑物与外界之间的流通空气所传递的热量;
所述建筑物的围护结构所传递的热量;所述建筑物所接收到的太阳辐射的热量。
4.一种电负荷信息的处理装置,其特征在于,包括:
获取单元,用于获取耗电设备的历史数据,其中,所述历史数据中包括多组数据,每组数据均为预定时间段内的信息,所述信息包括:所述耗电设备的电负荷信息、调度策略信息、电价信息、所述电负荷设备运行的环境信息、以及所述电负荷信息与调度策略信息、电价信息、所述耗电设备运行的环境信息之间的关系;
建立单元,用于根据所述耗电设备的历史数据建立模型,其中,所述模型用于指示电价变化以及环境信息对所述电负荷信息的影响;
建立子单元,用于建立所述耗电设备的模型,其中,所述耗电设备的模型中的数据包括:所述耗电设备的状态、所述耗电设备进行状态切换的条件以及在各种状态下所述耗电设备的电负荷信息,其中,所述耗电设备的状态包括多种,每个状态由恒阻抗、恒电流、恒功率模型或物理激励模型构建;
获取子单元,用于通过所述耗电设备的模型获取所述耗电设备的电负荷信息;
输入单元,用于将待采用的调度策略输入到所述模型中;
确定单元,用于获取所述模型输出的电负荷信息,根据所述电负荷信息确定所述待采用的调度策略是否满足预期目标值;
其中,根据所述耗电设备的历史数据建立模型还包括考虑电网运行状态监测对电负荷需求的影响,其中电网运行状态监测包括:
式中:Nl为组成“能效电厂”的能效电机个数;为能效电厂的所需承担的响应出力值;/>是第l个能效电机响应出力最优分配目标;/>是第l个能效电机在不受控条件下的出力;/>为第l个能效电机出力上下边界。
5.根据权利要求4所述的装置,其特征在于,所述装置还包括:
确定子单元,用于至少根据所述耗电设备所在建筑物的热量情况确定所述耗电设备进行状态切换的条件。
6.根据权利要求5所述的装置,其特征在于,所述建筑物的热量情况根据以下至少之一确定:所述建筑物的内部热源的散热量;所述建筑物与外界之间的流通空气所传递的热量;
所述建筑物的围护结构所传递的热量;所述建筑物所接收到的太阳辐射的热量。
7.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至3中任意一项所述电负荷信息的处理方法。
8.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至3中任意一项所述电负荷信息的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010567630.2A CN111681133B (zh) | 2020-06-19 | 2020-06-19 | 电负荷信息的处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010567630.2A CN111681133B (zh) | 2020-06-19 | 2020-06-19 | 电负荷信息的处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111681133A CN111681133A (zh) | 2020-09-18 |
CN111681133B true CN111681133B (zh) | 2023-10-27 |
Family
ID=72455966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010567630.2A Active CN111681133B (zh) | 2020-06-19 | 2020-06-19 | 电负荷信息的处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111681133B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115629576B (zh) * | 2022-09-16 | 2024-06-25 | 清华大学 | 非侵入式柔性负荷聚合特性辨识与优化方法、装置及设备 |
CN117895511B (zh) * | 2024-03-14 | 2024-05-14 | 河北建筑工程学院 | 一种数据智能传输方法、***及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105320999A (zh) * | 2015-11-03 | 2016-02-10 | 国家电网公司 | 适应智能电网发展的需求响应分时电价策略的组合方法 |
CN106505560A (zh) * | 2016-11-28 | 2017-03-15 | 无锡智合电力技术有限公司 | 一种基于响应优先级的多策略协调的电网优化运行方法 |
CN108321793A (zh) * | 2018-01-17 | 2018-07-24 | 东北电力大学 | 集成智能楼宇灵活负荷的主动配电网建模及优化调度方法 |
CN110729726A (zh) * | 2019-10-28 | 2020-01-24 | 国网江苏省电力有限公司苏州供电分公司 | 一种智慧社区能量优化调度方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102198817B1 (ko) * | 2018-09-12 | 2021-01-05 | 주식회사 석영시스템즈 | 열·공조 시스템에 대한 수요 반응 결정 모델을 생성하는 방법 및 수요 반응을 수행하기 위한 방법 |
-
2020
- 2020-06-19 CN CN202010567630.2A patent/CN111681133B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105320999A (zh) * | 2015-11-03 | 2016-02-10 | 国家电网公司 | 适应智能电网发展的需求响应分时电价策略的组合方法 |
CN106505560A (zh) * | 2016-11-28 | 2017-03-15 | 无锡智合电力技术有限公司 | 一种基于响应优先级的多策略协调的电网优化运行方法 |
CN108321793A (zh) * | 2018-01-17 | 2018-07-24 | 东北电力大学 | 集成智能楼宇灵活负荷的主动配电网建模及优化调度方法 |
CN110729726A (zh) * | 2019-10-28 | 2020-01-24 | 国网江苏省电力有限公司苏州供电分公司 | 一种智慧社区能量优化调度方法和*** |
Non-Patent Citations (1)
Title |
---|
面向主动需求响应和售电市场的主动配电***运营体系;刘孝杰 等;《中国电力》;第50卷(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111681133A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104214912B (zh) | 一种基于温度设定值调整的聚合空调负荷调度方法 | |
CN105320118B (zh) | 基于云平台的空调***电力需求响应控制方法 | |
CN107178869B (zh) | 变频空调负荷的聚合控制削峰方法 | |
Hui et al. | A transactive energy framework for inverter-based HVAC loads in a real-time local electricity market considering distributed energy resources | |
CN107781947B (zh) | 一种建筑空调***冷热源预测控制方法和装置 | |
CN110044020B (zh) | 计及空调用户舒适度的需求侧响应方法 | |
CN107906675B (zh) | 一种基于用户需求的中央空调集群优化控制方法 | |
CN111681133B (zh) | 电负荷信息的处理方法和装置 | |
CN104699051B (zh) | 一种温控设备需求响应控制方法 | |
CN105790286B (zh) | 一种中央空调负荷聚合及参与平抑分布式电源出力的策略 | |
CN104636987A (zh) | 一种公共楼宇空调负荷广泛参与的电网负荷调度方法 | |
CN105444343A (zh) | 一种基于用电舒适度的空调负荷优先级中断方法 | |
CN110848895B (zh) | 一种非工空调柔性负荷控制方法和*** | |
CN106972497B (zh) | 空调负荷群分散调制策略的概率模型建立与求解方法 | |
CN103293961B (zh) | 一种基于需求响应控制的能效电厂建模和集成方法 | |
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 | |
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 | |
CN114186393A (zh) | 一种变频空调集群响应能力评估方法及*** | |
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 | |
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 | |
CN115882463A (zh) | 一种商业建筑空调负荷可调度潜力评估方法 | |
CN108151242B (zh) | 一种面向集群需求响应的中央空调控制方法 | |
Qiu et al. | A chiller operation strategy based on multiple-objective optimization | |
CN112484250A (zh) | 一种基于室内热源信息的hvac在线监控***及控制方法 | |
CN112378047A (zh) | 面向多场景的可调负荷的资源聚合方法、***、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |