CN114069642A - 一种考虑用户满意度的温控负荷综合调峰方法 - Google Patents

一种考虑用户满意度的温控负荷综合调峰方法 Download PDF

Info

Publication number
CN114069642A
CN114069642A CN202111391399.7A CN202111391399A CN114069642A CN 114069642 A CN114069642 A CN 114069642A CN 202111391399 A CN202111391399 A CN 202111391399A CN 114069642 A CN114069642 A CN 114069642A
Authority
CN
China
Prior art keywords
temperature control
load
temperature
peak
control load
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111391399.7A
Other languages
English (en)
Other versions
CN114069642B (zh
Inventor
王丰
申鹂
龚成尧
张若伊
芦鹏飞
李雅
吴琼
阮箴
吴舜裕
洪潇
姚宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU, Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202111391399.7A priority Critical patent/CN114069642B/zh
Publication of CN114069642A publication Critical patent/CN114069642A/zh
Application granted granted Critical
Publication of CN114069642B publication Critical patent/CN114069642B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Power Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出了一种考虑用户满意度的温控负荷综合调峰方法，包括：根据电力***中各台温控负荷的属性，判断温控负荷是否可响应电网的调峰需求；若温控负荷可响应调峰需求，分别计算用户当前的综合满意度和温控负荷的预测可调容量，将用户总体满意度与预测可调容量的比值作为温控负荷的调峰潜力指标，否则对调峰潜力指标赋值为无穷大；基于调峰潜力指标的升序确定温控负荷的响应优先级，按照响应优先级的顺序对温控负荷进行调控，直至温控负荷的总容量达到电网的调峰需求。依据本发明所提出的调峰潜力指标确定的温控负荷调峰优先级，综合考虑调峰潜力与用户满意度进行调峰，提高社会温控群用户满意度与温控负荷群能效水平。

Description

一种考虑用户满意度的温控负荷综合调峰方法
技术领域
本发明属于电网负荷调峰领域，尤其涉及一种考虑用户满意度的温控负荷综合调峰方法。
背景技术
随着电力***中的可再生能源装机容量将逐步提高，电力***的峰谷差进一步拉大，而可再生能源的反调节性，也进一步加大了电力***对调峰容量的需求。近年来越来越多的研究和实践工程将需求侧灵活资源视为电网调峰的重要资源，温控负荷作为需求侧广泛使用的灵活资源，在可调峰的电网负荷中占据相当大的比例，据统计，夏季时温控负荷占用电高峰的三分之一。因此，温控负荷是夏季调峰的重要资源之一。
目前对温控负荷参与调峰策略及方法的主要研究中，通常仅考虑了温控负荷在预测可调容量上的调峰潜力，例如，在申请号为2021104758282、专利名称为《基于需求侧负荷调峰潜力参数预测的聚合负荷调度方法》公开的技术方案中，通过挖掘并利用历史气温和用户用电数据，用于求取高精度聚合负荷基线，进而准确预测聚合负荷的调峰潜力参数。由于温控负荷具有季节性、周期性的特点，其与其他负荷调峰的区别在于温控负荷的调控受限于用户对温控负荷的基本需求，应当尽可能在调峰过程中保证用户的满意程度。由于现有方法难以在调度侧计量数据的基础上直接结合用户满意程度判断调峰潜力水平，进而导致调峰效果不佳。
发明内容
为了解决现有技术中存在的缺点和不足，本发明提出了一种考虑用户满意度的温控负荷综合调峰方法，包括：
根据电力***中各台温控负荷的属性，判断温控负荷是否可响应电网的调峰需求；
若温控负荷可响应调峰需求，分别计算用户当前的综合满意度和温控负荷的预测可调容量，将用户总体满意度与预测可调容量的比值作为温控负荷的调峰潜力指标，否则对调峰潜力指标赋值为无穷大；
基于调峰潜力指标的升序确定温控负荷的响应优先级，按照响应优先级的顺序对温控负荷进行调控，直至温控负荷的总容量达到电网的调峰需求。
可选的，所述分别计算用户当前的综合满意度和温控负荷的预测可调容量，包括：
根据预设的模糊规则以及模糊规则对应的温度隶属度函数、电价隶属度函数，计算用户当前的综合满意度为：
Figure BDA0003368973600000021
其中，S为用户当前的综合满意度，R为模糊规则总数，
Figure BDA0003368973600000022
为第i条模糊规则对应的温度隶属函数，
Figure BDA0003368973600000023
为第i条模糊规则对应的电价隶属度函数，
Figure BDA0003368973600000024
为第i条模糊规则，EP表示温控负荷的电价，T表示温控负荷的设定温度。
可选的，所述温度隶属函数包括对温度感知为舒适的第一隶属度函数μTCM(T)、对温度感知为凉爽的第二隶属度函数μTCL(T)和对温度感知为炎热的第三隶属度函数μTHT(T)；
所述第一隶属度函数μTCM(T)为：
Figure BDA0003368973600000031
所述第二隶属度函数μTCL(T)为：
Figure BDA0003368973600000032
所述第三隶属度函数μTHT(T)为：
Figure BDA0003368973600000033
Min表示舒适温度范围的下界，Max表示舒适温度范围的上界，UpMin、UpMax分别表示舒适温度范围内的两个中间界限，其中，Min<UpMin<UpMax<Max。
可选的，所述电价隶属度函数为针对不同属性的用户建立的函数，所述电价隶属度函数中的各项参数通过数据驱动确定。
可选的，所述模糊规则的表达式为：
Figure BDA0003368973600000034
其中，fi(EP,T)为第i条模糊规则的表达式，
Figure BDA0003368973600000035
均为第i条模糊规则的预设参数。
可选的，所述分别计算用户当前的综合满意度和温控负荷的预测可调容量，包括：
获取温控负荷的历史日负荷，选取外界温度最低的N天的历史日负荷并计算平均值，得到基础负荷Lbase为：
Figure BDA0003368973600000041
其中，Lj为选取的第j天的历史日负荷，D为选取的历史日负荷的集合；
分别计算每个历史日负荷Lj与基础负荷Lbase的差值，得到历史预测可调容量LTCL,j；
基于预设时间间隔对历史预测可调容量LTCL,j进行采样，确定采样数据中的最大值
Figure BDA0003368973600000042
基于最小二乘法，对外界温度与温控负荷所有的历史日负荷的关系进行拟合，直至拟合结果f(T)与最大值
Figure BDA0003368973600000043
的平方差达到最小；
获取当前的外界温度代入拟合结果后，再乘以预设比例系数，得到温控负荷当前的预测可调容量。
可选的，所述基于调峰潜力指标的升序确定温控负荷的响应优先级，按照响应优先级的顺序对温控负荷进行调控，直至温控负荷的总容量达到电网的调峰需求，包括：
步骤一：将温控负荷的响应优先级按调峰潜力指标的升序排列，调峰潜力指标越大，温控负荷的响应优先级越高；
步骤二：按照响应优先级由高到底的顺序，依次向温控负荷发出调峰信号；
步骤三：当接收到调峰信号的温控负荷完成调峰响应时，判断此时温控负荷的总容量是否达到电网的调峰需求；
步骤四：若未达到调峰需求，继续按顺序向温控负荷发出调峰信号，重复步骤三，直至温控负荷的总容量达到电网的调峰需求。
本发明提供的技术方案带来的有益效果是：
本发明使用模糊逻辑的方法分析用户满意度，在此基础上给出一个更加直观的考量温控负荷调峰潜力指标。依据本发明所提出的调峰潜力指标确定的温控负荷调峰优先级，可以满足工程应用需求，帮助电网调度人员快速评估温控负荷能效，从而综合考虑调峰潜力与用户满意度进行调峰，提高社会温控群用户满意度与温控负荷群能效水平。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例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他的附图。
图1为本发明实施例提出的一种考虑用户满意度的温控负荷综合调峰方法的流程示意图；
图2为本发明实施例中温控负荷的调控流程图。
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，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“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。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
如图1所示，本实施例提出了一种考虑用户满意度的温控负荷综合调峰方法，包括：
S1：根据电力***中各台温控负荷的属性，判断温控负荷是否可响应电网的调峰需求；
S2：若温控负荷可响应调峰需求，分别计算用户当前的综合满意度和温控负荷的预测可调容量，将用户总体满意度与预测可调容量的比值作为温控负荷的调峰潜力指标，否则对调峰潜力指标赋值为无穷大；
S3：基于调峰潜力指标的升序确定温控负荷的响应优先级，按照响应优先级的顺序对温控负荷进行调控，直至温控负荷的总容量达到电网的调峰需求。
在本实施例中，预先确定电力***中温控负荷的参数以及外界温度，随后判断温控负荷是否可参与调峰，若为对生产生活维持正常较为重要、不可调整的负荷，则该温控负荷不会参与到下述分析与调峰过程中。
对于剩余可参与调峰的温控负荷，本实施例根据用户总体满意度和温控负荷的预测可调容量构建调峰潜力指标
Figure BDA0003368973600000071
根据调峰潜力指标对温控负荷进行调峰，可以达到社会综合满意度最高，有利于温控负荷参与调峰的开展。
在本实施例中，用户总体满意度S的计算方法如下：
Figure BDA0003368973600000072
其中，S为用户当前的综合满意度，R为模糊规则总数，
Figure BDA0003368973600000073
为第i条模糊规则对应的温度隶属函数，
Figure BDA0003368973600000074
为第i条模糊规则对应的电价隶属度函数，
Figure BDA0003368973600000075
为第i条模糊规则，EP表示温控负荷的电价，T表示温控负荷的设定温度。
在本实施例中，所述模糊规则的表达式为：
Figure BDA0003368973600000076
其中，fi(EP,T)为第i条模糊规则的表达式，
Figure BDA0003368973600000077
均为第i条模糊规则的预设参数。
模糊规则表达的含义为当电价取值为EP、设定温度取值为T时，用户对温控负荷的满意程度，本实施例中可根据温控负荷的历史运行情况确定，如温控负荷的历史电价、历史设定温度及其对应的用户投诉情况，确定模糊规则表达式中的预设参数，从而构建涵盖用户满意度与电价、设定温度的对应情况的模糊规则库。
在本实施例中，温度隶属函数包括对温度感知为舒适的第一隶属度函数μTCM(T)、对温度感知为凉爽的第二隶属度函数μTCL(T)和对温度感知为炎热的第三隶属度函数μTHT(T)，由此可见，用户总体满意度S的计算公式中，对于每个模糊规则，其
Figure BDA0003368973600000081
均包括
Figure BDA0003368973600000082
三种。
所述第一隶属度函数μTCM(T)为：
Figure BDA0003368973600000083
所述第二隶属度函数μTCL(T)为：
Figure BDA0003368973600000084
所述第三隶属度函数μTHT(T)为：
Figure BDA0003368973600000085
Min表示舒适温度范围的下界，Max表示舒适温度范围的上界，UpMin、UpMax分别表示舒适温度范围内的两个中间界限，其中，Min<UpMin<UpMax<Max。
通过上述三个隶属度函数，本实施例能够得到同一个温控负荷的设定稳定分别在舒适、凉爽、炎热三种用户感知中的隶属度，从而更精准的量化用户对设定温度的满意度。
所述电价隶属度函数为针对不同属性的用户建立的函数，所述电价隶属度函数中的各项参数通过数据驱动确定。数据驱动是通过采集海量的数据，将数据进行组织形成信息，对相关的信息进行整合和提炼，在数据的基础上经过训练和拟合形成自动化的决策模型。因为不同属性的用户对电价的满意程度不同，因此，本实施例基于数据驱动技术，采集商户、居民、企业、工厂等多种不同属性的用户对电价的调差问卷，对调差问卷中的信息提炼和整合后进行数据建模，所建立的模型即为电价隶属度函数。
在本实施例中，用户总体满意度P的计算方法如下：
获取温控负荷的历史日负荷，选取外界温度最低的N天的历史日负荷并计算平均值，得到基础负荷Lbase为：
Figure BDA0003368973600000091
其中，Lj为选取的第j天的历史日负荷，D为选取的历史日负荷的集合；
分别计算每个历史日负荷Lj与基础负荷Lbase的差值，得到历史预测可调容量LTCL,j。
所述基础负荷为不受外界温度变化的影响或受影响但极小的负荷，因此不在温控负荷调峰潜力的分析范围内。本实施例用每个历史日负荷Lj与基础负荷Lbase的差值，可得到用户温控负荷的历史预测可调容量，作为后续拟合的训练数据。
在实际的电力***中，电力***的调峰需求往往是在负荷峰值时段。在夏季高温环境下，负荷峰值往往是由温控负荷的增大造成的，在需要调峰时，温控负荷的运行功率处于较高水平。因此，为了估算调峰时温控负荷所能提供的响应容量，本实施例根据历史数据中不同天的温控负荷日最大功率和环境温度，可以通过函数拟合得到两者的关系，具体包括：
基于预设时间间隔对历史预测可调容量LTCL,j进行采样，确定采样数据中的最大值
Figure BDA0003368973600000101
基于最小二乘法，对外界温度与温控负荷所有的历史日负荷的关系进行拟合，直至拟合结果f(T)与最大值
Figure BDA0003368973600000102
的平方差达到最小，即
Figure BDA0003368973600000103
达到最小值，Tj为第j天的外界温度，此时视为拟合出的f(T)能够准确表征外界温度与温控负荷预测可调容量的关系；获取当前的外界温度代入拟合结果后，再乘以预设比例系数γ，得到温控负荷当前的预测可调容量P，即有：
P＝γf(T)。
本实施例中，每15分钟对历史预测可调容量LTCL,j进行一次采样，得到若干个采样数据LTCL,j,t，t表示采样时刻，进而确定
Figure BDA0003368973600000104
之后再将未来日期天气预报的预测温度代入P＝γf(T)中，即可得到温控负荷的预测可调容量，并结合用户总体满意度对温控负荷的调峰潜力进行综合评估。
本实施例中所述基于调峰潜力指标的升序确定温控负荷的响应优先级，按照响应优先级的顺序对温控负荷进行调控，直至温控负荷的总容量达到电网的调峰需求，包括：
步骤一：将温控负荷的响应优先级按调峰潜力指标的升序排列，调峰潜力指标越大，温控负荷的响应优先级越高；
步骤二：按照响应优先级由高到底的顺序，依次向温控负荷发出调峰信号；
步骤三：当接收到调峰信号的温控负荷完成调峰响应时，判断此时温控负荷的总容量是否达到电网的调峰需求；
步骤四：若未达到调峰需求，继续按顺序向温控负荷发出调峰信号，重复步骤三，直至温控负荷的总容量达到电网的调峰需求。
本实施例随后按照优先级从高到低的顺序向温控负荷发出调峰信号，先从最高优先级的温控负荷开始进行调峰响应，在此需要注意的是，若最高优先级的温控负荷有多台，则如图2所示，同一个优先级内部在调峰开始时，首先获取调度中心计算的调峰需求容量ΔP，从i＝1开始向第i台温控负荷发出调峰信号，第i台温控负荷对调峰信号作出响应后，判断此时所有温控负荷的总容量是否大于等于ΔP，若满足则结束调峰，否则i＝i+1，继续循环上述过程。若最高优先级的所有温控负荷均调峰完毕仍未满足总容量大于等于ΔP的要求，再向下一个优先级的温控负荷循环上述过程，直至满足上述要求，或所有温控负荷均参与调峰响应后停止。
至此，本实施例根据调峰潜力指标EERCS确定参与调峰的温控负荷的顺序，使调峰效果较好的温控负荷能够优先参与，实现在综合用户满意度的前提下，提高温控负荷调峰的效率与效果。
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种考虑用户满意度的温控负荷综合调峰方法，其特征在于，所述温控负荷综合调峰方法包括：
根据电力***中各台温控负荷的属性，判断温控负荷是否可响应电网的调峰需求；
若温控负荷可响应调峰需求，分别计算用户当前的综合满意度和温控负荷的预测可调容量，将用户总体满意度与预测可调容量的比值作为温控负荷的调峰潜力指标，否则对调峰潜力指标赋值为无穷大；
基于调峰潜力指标的升序确定温控负荷的响应优先级，按照响应优先级的顺序对温控负荷进行调控，直至温控负荷的总容量达到电网的调峰需求。
2.根据权利要求1所述的一种考虑用户满意度的温控负荷综合调峰方法，其特征在于，所述分别计算用户当前的综合满意度和温控负荷的预测可调容量，包括：
根据预设的模糊规则以及模糊规则对应的温度隶属度函数、电价隶属度函数，计算用户当前的综合满意度为：
Figure FDA0003368973590000011
其中，S为用户当前的综合满意度，R为模糊规则总数，
Figure FDA0003368973590000012
为第i条模糊规则对应的温度隶属函数，
Figure FDA0003368973590000013
为第i条模糊规则对应的电价隶属度函数，
Figure FDA0003368973590000014
为第i条模糊规则，EP表示温控负荷的电价，T表示温控负荷的设定温度。
3.根据权利要求2所述的一种考虑用户满意度的温控负荷综合调峰方法，其特征在于，所述温度隶属函数包括对温度感知为舒适的第一隶属度函数μTCM(T)、对温度感知为凉爽的第二隶属度函数μTCL(T)和对温度感知为炎热的第三隶属度函数μTHT(T)；
所述第一隶属度函数μTCM(T)为：
Figure FDA0003368973590000021
所述第二隶属度函数μTCL(T)为：
Figure FDA0003368973590000022
所述第三隶属度函数μTHT(T)为：
Figure FDA0003368973590000023
Min表示舒适温度范围的下界，Max表示舒适温度范围的上界，UpMin、UpMax分别表示舒适温度范围内的两个中间界限，其中，Min<UpMin<UpMax<Max。
4.根据权利要求2所述的一种考虑用户满意度的温控负荷综合调峰方法，其特征在于，所述电价隶属度函数为针对不同属性的用户建立的函数，所述电价隶属度函数中的各项参数通过数据驱动确定。
5.根据权利要求2所述的一种考虑用户满意度的温控负荷综合调峰方法，其特征在于，所述模糊规则的表达式为：
Figure FDA0003368973590000024
其中，fi(EP,T)为第i条模糊规则的表达式，
Figure FDA0003368973590000025
均为第i条模糊规则的预设参数。
6.根据权利要求1所述的一种考虑用户满意度的温控负荷综合调峰方法，其特征在于，所述分别计算用户当前的综合满意度和温控负荷的预测可调容量，包括：
获取温控负荷的历史日负荷，选取外界温度最低的N天的历史日负荷并计算平均值，得到基础负荷Lbase为：
Figure FDA0003368973590000031
其中，Lj为选取的第j天的历史日负荷，D为选取的历史日负荷的集合；
分别计算每个历史日负荷Lj与基础负荷Lbase的差值，得到历史预测可调容量LTCL,j；
基于预设时间间隔对历史预测可调容量LTCL,j进行采样，确定采样数据中的最大值
Figure FDA0003368973590000032
基于最小二乘法，对外界温度与温控负荷所有的历史日负荷的关系进行拟合，直至拟合结果f(T)与最大值
Figure FDA0003368973590000033
的平方差达到最小；
获取当前的外界温度代入拟合结果后，再乘以预设比例系数，得到温控负荷当前的预测可调容量。
7.根据权利要求1所述的一种考虑用户满意度的温控负荷综合调峰方法，其特征在于，所述基于调峰潜力指标的升序确定温控负荷的响应优先级，按照响应优先级的顺序对温控负荷进行调控，直至温控负荷的总容量达到电网的调峰需求，包括：
步骤一：将温控负荷的响应优先级按调峰潜力指标的升序排列，调峰潜力指标越大，温控负荷的响应优先级越高；
步骤二：按照响应优先级由高到底的顺序，依次向温控负荷发出调峰信号；
步骤三：当接收到调峰信号的温控负荷完成调峰响应时，判断此时温控负荷的总容量是否达到电网的调峰需求；
步骤四：若未达到调峰需求，继续按顺序向温控负荷发出调峰信号，重复步骤三，直至温控负荷的总容量达到电网的调峰需求。
CN202111391399.7A 2021-11-23 2021-11-23 一种考虑用户满意度的温控负荷综合调峰方法 Active CN114069642B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111391399.7A CN114069642B (zh) 2021-11-23 2021-11-23 一种考虑用户满意度的温控负荷综合调峰方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111391399.7A CN114069642B (zh) 2021-11-23 2021-11-23 一种考虑用户满意度的温控负荷综合调峰方法

Publications (2)

Publication Number Publication Date
CN114069642A true CN114069642A (zh) 2022-02-18
CN114069642B CN114069642B (zh) 2023-08-25

Family

ID=80279171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111391399.7A Active CN114069642B (zh) 2021-11-23 2021-11-23 一种考虑用户满意度的温控负荷综合调峰方法

Country Status (1)

Country Link
CN (1) CN114069642B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115356972A (zh) * 2022-10-24 2022-11-18 中诚华隆计算机技术有限公司 一种用于配电馈线高峰负荷的芯片控制方法及芯片
CN116914760A (zh) * 2023-06-21 2023-10-20 国网湖北省电力有限公司营销服务中心(计量中心) 一种基于随机森林算法的新型电力***柔性负荷响应潜力量化评估方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4023043A (en) * 1974-08-16 1977-05-10 Megatherm Corporation Computerized peak-shaving system for alleviating electric utility peak loads
US20140074304A1 (en) * 2012-09-13 2014-03-13 Accenture Global Services Limited Method, system and apparatus for load shaving of a power grid and a tangible computer readable medium
CN111244978A (zh) * 2020-01-19 2020-06-05 国网冀北电力有限公司电力科学研究院 基于单相用户功率特性的低压配电网三相平衡方法
CN112633571A (zh) * 2020-12-18 2021-04-09 浙江大学 源网荷互动环境下基于lstm的超短期负荷预测方法
CN113205252A (zh) * 2021-04-29 2021-08-03 国网浙江省电力有限公司杭州供电公司 基于需求侧负荷调峰潜力参数预测的聚合负荷调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4023043A (en) * 1974-08-16 1977-05-10 Megatherm Corporation Computerized peak-shaving system for alleviating electric utility peak loads
US20140074304A1 (en) * 2012-09-13 2014-03-13 Accenture Global Services Limited Method, system and apparatus for load shaving of a power grid and a tangible computer readable medium
CN111244978A (zh) * 2020-01-19 2020-06-05 国网冀北电力有限公司电力科学研究院 基于单相用户功率特性的低压配电网三相平衡方法
CN112633571A (zh) * 2020-12-18 2021-04-09 浙江大学 源网荷互动环境下基于lstm的超短期负荷预测方法
CN113205252A (zh) * 2021-04-29 2021-08-03 国网浙江省电力有限公司杭州供电公司 基于需求侧负荷调峰潜力参数预测的聚合负荷调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
任炳俐;张振高;***;李慧;闫大威;张沛;: "基于用电采集数据的需求响应削峰潜力评估方法", 电力建设, no. 11 *
龚逊东;薛溟枫;毛晓波;潘?涛;: "基于模糊融合的多元温控负荷群调控及风电消纳策略", 电力需求侧管理, no. 04 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115356972A (zh) * 2022-10-24 2022-11-18 中诚华隆计算机技术有限公司 一种用于配电馈线高峰负荷的芯片控制方法及芯片
CN115356972B (zh) * 2022-10-24 2022-12-20 中诚华隆计算机技术有限公司 一种用于配电馈线高峰负荷的芯片控制方法及芯片
CN116914760A (zh) * 2023-06-21 2023-10-20 国网湖北省电力有限公司营销服务中心(计量中心) 一种基于随机森林算法的新型电力***柔性负荷响应潜力量化评估方法

Also Published As

Publication number Publication date
CN114069642B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
JP5276294B2 (ja) 負荷低減計画策定システム及びデマンド制御システム
CN107292766B (zh) 面向风电消纳的电力***调峰手段经济性评估方法与***
CN114069642B (zh) 一种考虑用户满意度的温控负荷综合调峰方法
CN110111214B (zh) 一种基于优先级的用户用能管理方法及***
CN111813502B (zh) 面向工业边缘节点的计算资源管理调度方法
CN112670999B (zh) 一种基于用户侧灵活资源的低压配电网实时电压控制方法
CN106022530A (zh) 一种电力需求侧柔性负荷有功功率预测方法
CN116974768A (zh) 一种基于深度学习的算力调度方法
CN114862252A (zh) 可调负荷多层聚合调度潜力分析方法、***、设备及介质
Aduda et al. Towards critical performance considerations for using office buildings as a power flexibility resource-a survey
CN108346009A (zh) 一种基于用户模型自学习的电力生产配置方法和装置
CN106875058B (zh) 一种电力业扩可开放容量智能判断方法
CN111998505A (zh) 基于RSM-Kriging-GA算法的泛园区空调***能耗优化方法及***
CN113300375B (zh) 一种考虑用户参与意愿差异的温控负荷需求响应控制方法
CN112307675B (zh) 一种基于神经网络的温度敏感型负荷分离辨识方法及***
CN113935856A (zh) 电能的控制方法及其装置、处理器、计算机可读存储介质
CN117091242A (zh) 空调温控负荷集群的评估方法、温度设定方法及***
CN112001578A (zh) 一种适用于广义储能资源优化调度方法及***
CN111144628A (zh) 一种分布式供能的冷热电负荷预测模型***及方法
CN105719087A (zh) 一种弹性负荷集群的调度方法和***
CN115271168A (zh) 用电负荷响应潜力的预测方法、装置及存储介质
CN117973819B (zh) 一种用于电能储放优化的储能管理***及方法
Wang et al. A Portrait-Based Method for Constructing Multi-Time Scale Demand Response Resource Pools
CN116632935B (zh) 一种基于平衡单元的电力***平衡优化方法
CN117559464B (zh) 一种电力需求响应的调控方法、***、电子设备及介质

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