CN114512994A - 一种集群温控负荷***调频方法、***、设备及介质 - Google Patents

一种集群温控负荷***调频方法、***、设备及介质 Download PDF

Info

Publication number
CN114512994A
CN114512994A CN202210182642.2A CN202210182642A CN114512994A CN 114512994 A CN114512994 A CN 114512994A CN 202210182642 A CN202210182642 A CN 202210182642A CN 114512994 A CN114512994 A CN 114512994A
Authority
CN
China
Prior art keywords
load
temperature control
state
cluster
frequency modulation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210182642.2A
Other languages
English (en)
Inventor
潘玲玲
耿建
董昱
严亚勤
冷喜武
李峰
王勇
李亚平
熊浩
周竞
刘建涛
焦建林
宫成
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
State Grid Beijing Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
State Grid Beijing 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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, State Grid Jiangsu Electric Power Co Ltd, State Grid Beijing Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202210182642.2A priority Critical patent/CN114512994A/zh
Publication of CN114512994A publication Critical patent/CN114512994A/zh
Priority to PCT/CN2022/137165 priority patent/WO2023160110A1/zh
Pending legal-status Critical Current

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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • 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
    • 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
    • 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
    • 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)
  • Power Engineering (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提供一种集群温控负荷***调频方法、***、设备及介质，方法包括：获取集群温控负荷初始化参数；建立2D状态仓集群温控负荷模型；根据2D状态仓集群温控负荷模型，建立集群温控负荷状态空间模型，基于马尔科夫链求解状态仓转移概率，从而得到状态转移矩阵；根据集群温控负荷一次调频模型计算集群温控负荷一次调频功率变化值，根据集群温控负荷二次调频模型计算集群温控负荷二次调频功率变化值；采用滚动优化求解得到集群温控负荷控制方案；基于多尺度优先级排序对所述集群温控负荷控制方案进行可控负荷遴选，并输出可控负荷遴选结果。本发明的方法在控制精度、响应速度和负荷参与需求响应公平性等方面的综合性能较优。

Description

一种集群温控负荷***调频方法、***、设备及介质
技术领域
本发明属于负荷调频控制领域，尤其涉及一种集群温控负荷***调频方法、***、设备及介质。
背景技术
随着电力体制改革深化推进，电力需求侧管理作为电力改革的重要组成部分将获得实质性推动。随着我国智能电网建设和需求响应项目的逐步实施，集群温控负荷具有参与需求响应项目进行新能源消纳的巨大潜力，进行相关关键技术的研究具有重要的理论意义和工程价值。
目前，已有集群家用温控负荷削峰填谷和紧急负荷管理的需求响应项目。集群家用温控负荷多参与短时(秒级)的需求响应辅助项目，例如：配电网的频率调节以及平衡用电需求。然而，家用温控负荷的电力需求具有很大的随机性，且相对工商业用户来说其容量较小；而大型工商业用户由于自身的用电特性和运行流程，其温控负荷的电力需求随机性较小，且容量较大。需要进一步探索集群温控负荷需求响应的调控技术。
现有技术有考虑双质特性的二阶等效热参数模型，并用2D转移模型对集群温控负荷进行建模。在负荷控制方面，有采用模型预测控制，提前对温控负荷进行调整，实现滚动优化。然而现有的2D转移模型未能充分考虑负荷异构性且忽略环境温度时变特性，***矩阵为常数矩阵，这将为负荷优化控制带来不利影响。
并且现有的控制模型在遴选控制对象的方面优化较少。一方面，输出性能的优劣依赖于给定跟踪信号的时变特性，无法保障优越的响应效果；另一方面，未考虑到如何将最优控制信号和最优负荷控制对象紧密联系在一起，以实现更好的控制效果。
发明内容
针对现有技术存在的问题，本发明目的为发明一种集群温控负荷***调频方法、***、设备及介质，本发明的方法在控制精度、响应速度和负荷参与需求响应公平性等方面的综合性能较优。
为达到上述目的，本发明采用了以下技术方案：
一种集群温控负荷***调频方法，包括：
获取集群温控负荷初始化参数；
根据单体空调负荷模型建立2D状态仓集群温控负荷模型，并确定当前集群温控负荷可调度容量；
根据2D状态仓集群温控负荷模型和当前集群温控负荷可调度容量，建立集群温控负荷状态空间模型，基于马尔科夫链求解状态仓转移概率，从而得到状态转移矩阵；
根据集群温控负荷一次调频模型计算集群温控负荷一次调频功率变化值，根据集群温控负荷二次调频模型计算集群温控负荷二次调频功率变化值，进而得到集群温控负荷总功率变化值；
根据状态转移矩阵建立集群温控负荷优化控制模型，集群温控负荷总功率变化值采用滚动优化求解得到集群温控负荷控制方案；
基于多尺度优先级排序对所述集群温控负荷控制方案进行可控负荷遴选，并输出可控负荷遴选结果。
作为本发明的进一步改进，所述根据单体空调负荷模型建立2D状态仓集群温控负荷模型，并确定当前集群温控负荷可调度容量，具体包含以下步骤：
根据等效热参数模型的二阶离散化微分方程，建立单体空调负荷模型；
根据集群温控负荷当前开关状态将其分为关闭群和开启群；分别根据用户舒适度室内空气温度上下限值
Figure BDA0003522034440000021
和室内物质温度的上下限值
Figure BDA0003522034440000022
将温度区间等长度分为Ni/2个室内空气温度小区间和Nm/2个室内物质温度小区间，形成Na*Nm/4个关闭群和开启群的状态仓；进而形成2D状态仓转移模型；
取2D状态仓中所有当期关闭仓，温度从低到高，除去第一个最接近容许温度下限状态仓所有的空调设备额定功率之和为最大可上调功率容量，加上当前已经开启空调负荷功率之和作为可调度调节的最大功率容许值Pmax；取2D状态仓中所有当前开启仓，温度从低到高，除去最后一个最接近容许温度上限的状态仓所有的空调设备额定功率之和为最大可下调功率容量，得到集群空调群组可调度调节的最小功率容许值Pmin。
作为本发明的进一步改进，等效热参数模型的二阶离散化微分方程为：
Figure BDA0003522034440000031
其中，Δt表示仿真步长，θa表示空调负荷的室内气体温度；θm表示空调负荷的室内物质温度；θs表示空调负荷所处的环境温度；Ra、Rm分别为室内空气和室内物质的等值热阻；Ca、Cm分别为空气温度和物质温度的等值热容；当空调负荷开启时，Qa为空调额定功率；关闭时，Qa等于0。
作为本发明的进一步改进，所述根据2D状态仓集群温控负荷模型和当前集群温控负荷可调度容量，建立集群温控负荷状态空间模型，基于马尔科夫链求解状态仓转移概率，从而得到状态转移矩阵，包含以下步骤：
在2D状态仓集群温控负荷模型的基础上，建立集群温控负荷状态空间模型，用时变离散状态空间方程表示：
Figure BDA0003522034440000032
其中，x(k)表示第k时刻***状态向量，表达式如下：
x(k)＝[x1，off(k)x2，off(k)...xN/2，off(k)x1+N/2，on(k)x2+N/2，on(k)...xN，on(k)]T (3)
式中，N表示状态仓总数，N＝Na*Nm/2，其元素xi，off(k)表示第k时刻关闭群状态仓i内的空调负荷个数除以总负荷数比值，i＝1，2，...，N/2；xj，on(k)表示第k时刻开启群状态仓j内的空调负荷个数除以总负荷数比值，j＝N/2+1，N/2+2，...，N；x(k+1)表示第k+1时刻***状态向量；
A(k)表示第k时刻的***矩阵，其元素Aij(k)表示在第k个时间步长内，状态仓j的空调负荷转移到状态仓i的转移概率；
u(k)表示第k时刻的控制信号；
B(k)表示第k时刻的输入矩阵，其元素Bij(k)表示在u(k)作用下，需要进行开关动作的状态仓j的空调负荷转移到状态仓i的转移概率，表示如下：
Figure BDA0003522034440000041
其中，diag表示对角矩阵，diagsub表示副对角矩阵；
C(k)表示第k时刻的输出矩阵，即当前时刻k各状态仓空调负荷的平均功率向量，表示如下：
C(k)＝mPave(k)*S (5)
其中，
Figure BDA0003522034440000042
m表示空调负荷总个数，Pave(k)表示第k时刻开启群各状态仓空调负荷的平均功率，Pagg(k)表示第k时刻空调负荷群聚合输出功率的观测值；S表示各状态仓的开关函数向量，Si表示状态仓i的开关状态，wi表示第i个负荷的开关状态，0为关状态，1为开状态；
y(k)表示第k时刻集群空调负荷模型输出功率；
随机选取初始时刻的空间状态作为仿真初始状态，设定所有空调负荷初始温度在θ-_ETP和θ+_ETP间均匀分布；
基于式(7)对m个空调负荷进行模特卡洛随机模拟，得到每个空调负荷各个仿真时刻的时间-温度热运行曲线；
Figure BDA0003522034440000051
式中：xs表示空调温度的设定值；xin，t表示t时刻的室内温度；Δx表示空调温度设定值允许的偏移值；sAC，t表示t时刻空调的工作状态，值为0表示空调关闭，值为1表示开启；
根据每个空调负荷在不同仿真时刻的2D温度，依次进行状态仓编号；
统计在相邻仿真时刻k到k+1间，状态仓i的空调负荷转移到状态仓j的个数，i，j＝1，2，...，N；
计算一阶马尔可夫链第k时段状态仓i的空调负荷转移到状态仓j的状态转移概率：
Figure BDA0003522034440000052
式中，ni，j(k)表示第k时段状态仓i的空调负荷转移到状态仓j的个数；ni(k)表示第k时段状态仓i中发生状态转移的总负荷数；N表示状态仓总数；
根据i和j的取值不同，可得各个状态转移概率pi，j(k)，从而得到状态转移矩阵P(k)。
作为本发明的进一步改进，所述根据集群温控负荷一次调频模型计算集群温控负荷一次调频功率变化值，具体包括以下步骤：
根据集群温控负荷的频率调节特性设置集群温控负荷一次调频系数；
建立集群温控负荷一次调频***模型；所述集群温控负荷一次调频***模型包括单区域调频***模型、集群空调群组调频模块；单区域调频***模型为具有积分调节***的闭环***，单区域调频***模型的功率调整信号分别通过***二次调频传递函数、发电机调速器传递函数及原动机传递函数转换为汽轮机输入功率调整变量，输入功率调整变量和负荷波动变量参与***调频；集群空调群组调频模块包括空调群组的调频死区、调频系数、可调度潜力上下限外和空调响应时间延迟；
在所述集群温控负荷一次调频***模型基础上，每台空调设备监测到频率偏差信号后，计算得到集群温控负荷一次调频功率变化值ΔPAC。
作为本发明的进一步改进，所述根据集群温控负荷二次调频模型计算集群温控负荷二次调频功率变化值，具体包括以下步骤：
在集群温控负荷一次调频***模型的基础上，建立集群温控负荷的二次调频仿真模型；集群温控负荷的二次调频仿真模型在集群空调一次调频模型的基础上，集群空调群组接收的控制信号包括一次调频***频率偏差和二次调频的区域AGC计算出的***功率偏差信号的整定值，区域AGC功率偏差整定值由整定倍率r决定；
其中，r表示区域AGC功率偏差在空调群组上的整定倍率，由下式进行计算：
Figure BDA0003522034440000061
式中，ΔPg′(s)表示为火电机组二次调频功率偏差信号，ΔPAC′(s)表示为集群空调群组二次调频功率偏差信号，ΔPc(s)为区域AGC计算出的二次调频功率偏差信号；
在每台空调设备监测到的区域AGC二次调频功率偏差信号后，根据式(12)计算得到集群温控负荷总功率变化值ΔPAC′(s)。
作为本发明的进一步改进，所述根据状态转移矩阵建立集群温控负荷优化控制模型，集群温控负荷总功率变化值采用滚动优化求解得到集群温控负荷控制方案，具体包括以下步骤：
设预测时长为p，设当前k时刻条件下，第k+p时刻的预测状态为x(k+ζ|k)，ζ＝1，2，...，p；根据集群温控负荷状态空间模型，建立第k+1时刻到k+p时刻的状态方程：
X(k)＝AP(k)x(k|k)+BP(k)U(k) (13)
其中，
Figure BDA0003522034440000071
U(k)＝[u(k|k)u(k+1|k)…u(k+p-1|k)]T (15)
AP内分块矩阵Ap＝[A(k+p-1)...A(k+1)A(k)]表示当前k时刻下，***第k+p时刻状态转移矩阵的预测值，其元素Ap(i，j)表示仅已知当前时刻k各状态仓负荷个数向量x(k|k)，***在第k+p个时间步长内，状态仓j的空调负荷转移到状态仓i的转移概率预测值；
采用最小化跟踪误差作为目标函数，其优化控制目标函数为：
Figure BDA0003522034440000072
其中，Werr表示模型输出与实际目标值的跟踪误差权重系数矩阵，D(k)＝diag{C(k+1)C(k+2)...C(k+p)}，R(k)＝[r(k+1)r(k+2)...r(k+p)]T，而r(k+ζ)表示在k+ζ时刻输出目标轨迹值；
通过以集群输出跟踪误差最小为目标，将集群空调负荷的优化控制模型转化得到二次规划函数：
Figure BDA0003522034440000073
并对二次规划函数进行滚动优化求解，求解之后便得控制时域p*Δt内状态仓空调负荷开关个数构成的优化控制序列，在当前调度时刻仅下发该优化序列的第一个分量u*(k|k)；等待下一个调度周期到来，重复上述滚动优化过程，得到集群温控负荷控制方案。
作为本发明的进一步改进，所述基于多尺度优先级排序对所述集群温控负荷控制方案进行可控负荷遴选，并输出可控负荷遴选结果，包含以下步骤：
建立基于归一化温度距离的排序指标：
Figure BDA0003522034440000081
其中，NTDi，k是第i个空调负荷在当前k时刻的归一化温度距离；δ表示温度死区，用户舒适度温度上、下限值θhigh和θlow之差；θi，t表示第i个空调负荷在当前k时刻的温度，Ok和Ck分别表示在当前k时刻的开启群和关闭群，m是空调负荷总个数；
建立基于功率相似度的排序指标：
Figure BDA0003522034440000082
其中，SIMi，(p，q)为状态仓(p，q)中空调负荷功率与所需调整功率的相似度指数，Pi为第i个空调负荷的额定功率，Paim，(p，q)为状态仓(p，q)需要响应的目标功率；N(p，q)表示状态仓(p，q)中的空调负荷个数；
建立基于累计控制次数的排序指标：
NCi，k＝(Ci，k-Ck，min)/(Ck，max-Ck，max) (20)
其中，Ci，k为空调负荷i在k时刻的累计控制次数，Ck，min和Ck，max表示当前时刻k负荷已被控次数的最小值和最大值；
基于基于归一化温度距离的排序指标、建立基于功率相似度的排序指标及建立基于累计控制次数的排序指标，得到多尺度优先级综合指数Γopen如下式所示：
Figure BDA0003522034440000083
其中，KT，KS和KC分别为相应的权重系数；
根据多尺度优先级综合指数Γopen的取值大小对开状态群对应的各2D状态仓内空调负荷进行排序，按优先级从高到低进行可控负荷遴选，得到可控负荷遴选结果。
一种集群温控负荷***调频***，包括：
获取单元，用于获取集群温控负荷初始化参数；
负荷模型建立单元，用于根据单体空调负荷模型建立2D状态仓集群温控负荷模型，并确定当前集群温控负荷可调度容量；
空间模型建立单元，用于根据2D状态仓集群温控负荷模型和当前集群温控负荷可调度容量，建立集群温控负荷状态空间模型，基于马尔科夫链求解状态仓转移概率，从而得到状态转移矩阵；
调频模型计算单元，用于根据集群温控负荷一次调频模型计算集群温控负荷一次调频功率变化值，根据集群温控负荷二次调频模型计算集群温控负荷二次调频功率变化值，进而得到集群温控负荷总功率变化值；
控制模型优化单元，用于根据状态转移矩阵建立集群温控负荷优化控制模型，集群温控负荷总功率变化值采用滚动优化求解得到集群温控负荷控制方案；
可控负荷遴选单元，用于基于多尺度优先级排序对所述集群温控负荷控制方案进行可控负荷遴选，并输出可控负荷遴选结果。
一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述集群温控负荷***调频方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述集群温控负荷***调频方法的步骤。
本发明的有益效果体现在：
本发明提供了一种集群温控负荷***灵活调频的方法，基于2D状态仓时变马尔可夫链的集群温控负荷建模方法，在此基础上建立集群温控负荷电力***一次和二次调频模型，最后创新性提出一种基于归一化温度距离、功率相似度和累计控制次数的多尺度优先级遴选负荷的优化控制方法。给出了集群空调群组在负荷聚合商组织下参与电力***一次及二次调频的控制流程，验证了集群空调群组参与***调频的有效性，并且在负荷波动时可改善电网的频率特性，增强***运行安全性。本发明提出的方法可以在负荷波动时有效改善电网频率特性，且相比较于传统方法，温控负荷建模精度更高，其控制方法在控制精度、响应速度和负荷参与需求响应公平性等方面的综合性能较优。
附图说明
图1为集群温控负荷***调频的控制流程图。
图2为单体空调的热运行特性图。
图3为本发明提供的2D状态仓转移模型。
图4为集群温控负荷调节功率输出随***频率的变化曲线示意图。
图5为本发明提出的基于集群温控负荷的单区域一次调频仿真模型。
图6为本发明提出的基于集群温控负荷的单区域一次及二次调频仿真模型。
图7为本发明中集群温控负荷控制方法流程图。
图8为本发明可选实施例集群温控负荷***调频***结构示意图；
图9为本发明可选实施例电子设备结构示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
相关术语解释
负荷调频：当电力***频率偏离额定值时，可以通过频率偏差量对负荷进行控制，从而达到减小频率波动，维持电力***运行安全的作用。
温控负荷：温控负荷是一种以恒温加热器控制的电力负荷，具有一定的热能存储能力。在实际电力***中，温控负荷多指居民或小型商业用户的空调负荷。
需求响应：即电力需求响应，是指电力供应商通过电价信号或补偿激励等手段引导电力用户用电模式的行为，从而达到减少或增加电力负荷，保障电网稳定运行。
模型预测控制：模型预测控制是一种基于模型的闭环优化控制方法，其核心思想是滚动的时域策略。基本思想是基于当前时刻预测***未来动态，求解约束规划问题得到当前最优解，等***更新状态后，预测时域向前滚动，直到达到要求。
多尺度优先级排序：在本发明在特指一种基于负荷归一化温度距离、功率相似度和累计控制次数三个指标的负荷遴选方法。当控制命令下达时，通过多尺度优先级排序进行负荷选择，实施控制。
如图1所示，为本发明提供一种集群温控负荷***调频方法，包括以下步骤：
S1，获取集群温控负荷初始化参数；
S2，根据单体空调负荷模型建立2D状态仓集群温控负荷模型，并确定当前集群温控负荷可调度容量；
S3，根据2D状态仓集群温控负荷模型和当前集群温控负荷可调度容量，建立集群温控负荷状态空间模型，基于马尔科夫链求解状态仓转移概率，从而得到状态转移矩阵；
S4，根据集群温控负荷一次调频模型计算集群温控负荷一次调频功率变化值，根据集群温控负荷二次调频模型计算集群温控负荷二次调频功率变化值，进而得到集群温控负荷总功率变化值；
S5，根据状态转移矩阵建立集群温控负荷优化控制模型，集群温控负荷总功率变化值采用滚动优化求解得到集群温控负荷控制方案；
S6，基于多尺度优先级排序对所述集群温控负荷控制方案进行可控负荷遴选，并输出可控负荷遴选结果。
本发明集群温控负荷***调频方法，体现在集群温控负荷运行状态建模、集群温控负荷调频模型构建以及优化控制算法三个方面，具体而言：
1)充分考虑集群温控负荷异构性和多样性基础上提出基于2D状态仓转移时变马尔可夫链的集群温控负荷建模方法，证明了相比传统时不变马尔可夫链建模方法，该方法具有更高的建模精度。
2)集群温控负荷一次和二次调频的建模方法，充分利用了负荷侧需求响应潜力，有一定的可行性和优越性。
3)基于模型预测滚动优化控制的集群温控负荷控制方法，增加了多尺度优先级排序的负荷遴选过程，并进一步仿真分析该方法在控制精度、响应速度和负荷参与需求响应公平性等方面的综合性能较优。
以下结合具体实施例和附图对本发明内容具体说明如下：
一种集群温控负荷***灵活调频的方法，包括以下步骤：
步骤1：采集集群温控负荷初始化参数，初始化参数包括当前N台温控负荷所处开关状态、室内温度、室外温度等；
步骤2：建立2D状态仓集群温控负荷模型；
所述步骤2包含以下具体步骤：
21)建立单体空调负荷模型：等效热参数模型的二阶离散化微分方程为：
Figure BDA0003522034440000121
其中，Δt表示仿真步长，θa表示空调负荷的室内气体温度；θm表示空调负荷的室内物质温度；θs表示空调负荷所处的环境温度；Ra、Rm分别为室内空气和室内物质的等值热阻；Ca、Cm分别为空气温度和物质温度的等值热容；当空调负荷开启时，Qa为空调额定功率；关闭时，Qa等于0。
图2所示为单体空调热运行特性，其中θ+_ETP、θ-_ETP分别表示空调负荷设定温度的调节上限和下限；θs_ETP表示空调负荷的温度设定值；τon为空调设备的开启时间；τoff为空调设备的开启时间。
22)建立状态仓：根据集群温控负荷当前开关状态将其分为关闭群和开启群；对于关闭群，根据用户舒适度室内空气温度上下限值
Figure BDA0003522034440000131
和室内物质温度的上下限值
Figure BDA0003522034440000132
将温度区间等长度分为Ni/2个室内空气温度小区间和Nm/2个室内物质温度小区间，形成Na*Nm/4个状态仓；对于开启群，采用同样做法。形成如图3所示2D状态仓转移模型。
23)确定当前集群温控负荷可调度容量：取2D状态仓中所有当期关闭仓，温度从低到高，除去第一个最接近容许温度下限状态仓所有的空调设备额定功率之和为最大可上调功率容量，加上当前已经开启空调负荷功率之和即为可调度调节的最大功率容许值Pmax；取2D状态仓中所有当前开启仓，温度从低到高，除去最后一个最接近容许温度上限的状态仓所有的空调设备额定功率之和为最大可下调功率容量，即为集群空调群组可调度调节的最小功率容许值Pmin。
步骤3：基于马尔科夫链求解状态仓转移概率；所述步骤3包含以下具体步骤：
31)建立集群温控负荷状态空间模型：在步骤2所述的2D状态仓转移模型的基础上，进一步用时变离散状态空间方程表示：
Figure BDA0003522034440000133
其中，x(k)表示第k时刻***状态向量，表达式如下：
x(k)＝[x1，off(k)x2，off(k)...xN/2，off(k)x1+N/2，on(k)x2+N/2，on(k)...xN，on(k)]T (3)
式中N表示状态仓总数，N＝Na*Nm/2，下同。其元素xi，off(k)表示第k时刻关闭群状态仓i内的空调负荷个数除以总负荷数比值，i＝1，2，...，N/2；xj，on(k)表示第k时刻开启群状态仓j内的空调负荷个数除以总负荷数比值，j＝N/2+1，N/2+2，...，N。x(k+1)表示第k+1时刻***状态向量。
A(k)表示第k时刻的***矩阵，其元素Aij(k)表示在第k个时间步长内，状态仓j的空调负荷转移到状态仓i的转移概率。
u(k)表示第k时刻的控制信号，即当前时刻k各状态仓内的空调负荷需要切换的百分比；当该信号为正值时表示开启动作，为负值时表示关闭动作。
B(k)表示第k时刻的输入矩阵，其元素Bij(k)表示在u(k)作用下，需要进行开关动作的状态仓j的空调负荷转移到状态仓i的转移概率，表示如下：
Figure BDA0003522034440000141
其中，diag表示对角矩阵，diagsub表示副对角矩阵。
C(k)表示第k时刻的输出矩阵，即当前时刻k各状态仓空调负荷的平均功率向量，表示如下：
C(k)＝mPave(k)*S (5)
其中，
Figure BDA0003522034440000142
m表示空调负荷总个数，Pave(k)表示第k时刻开启群各状态仓空调负荷的平均功率，Pagg(k)表示第k时刻空调负荷群聚合输出功率的观测值。S表示各状态仓的开关函数向量，Si表示状态仓i的开关状态，wi表示第i个负荷的开关状态，0为关状态，1为开状态。
y(k)表示第k时刻集群空调负荷模型输出功率。
32)随机选取初始时刻的空间状态作为仿真初始状态，设定所有空调负荷初始温度在θ-_ETP和θ+_ETP间均匀分布；
33)基于式(7)对m个空调负荷进行模特卡洛随机模拟，得到每个空调负荷各个仿真时刻(仿真时长为一天，采样间隔为1分钟，共1440个点)的时间-温度热运行曲线；
Figure BDA0003522034440000151
式中：xs表示空调温度的设定值；xin，t表示t时刻的室内温度；Δx表示空调温度设定值允许的偏移值；sAC，t表示t时刻空调的工作状态，值为0表示空调关闭，值为1表示开启。
34)根据每个空调负荷在不同仿真时刻的2D温度，依次进行状态仓编号；
35)统计在相邻仿真时刻k到k+1间，状态仓i的空调负荷转移到状态仓j的个数(i，j＝1，2，...，N)；
36)计算一阶马尔可夫链第k时段状态仓i的空调负荷转移到状态仓j的状态转移概率：
Figure BDA0003522034440000152
式中，ni，j(k)表示第k时段状态仓i的空调负荷转移到状态仓j的个数；ni(k)表示第k时段状态仓i中发生状态转移的总负荷数；N表示状态仓总数。
37)由步骤31)可知，根据i和j的取值不同，可得各个状态转移概率pi，j(k)，从而得到状态转移矩阵P(k)。
由于A(k)的任意一列j表示当前第k时段状态仓i的空调负荷转移到状态仓1到N的状态转移概率，而P(k)的任意一行i表示当前第k时段状态仓i的空调负荷转移到状态仓1到N的状态转移概率，故A(k)＝PT(k).
步骤4：建立集群温控负荷一次调频模型；所述步骤4包含以下具体步骤：
41)设置集群温控负荷一次调频系数KAC *：集群温控负荷的频率调节特性如图4所示，根据下式整定集群温控负荷一次调频系数KAC *：
Figure BDA0003522034440000161
Figure BDA0003522034440000162
Figure BDA0003522034440000163
式中，Kg *表示区域火电机组统一的一次调频系数标么值，Δf*表示***频率偏差的标幺值，KAC *表示集群空调群组一次调频系数的标幺值，ΔKAC *表示集群空调群组总功率变化的标幺值。
42)建立集群温控负荷一次调频***模型：集群温控负荷的单区域一次调频仿真模型如图5所示。如图5所示，集群温控负荷一次调频***模型分为传统单区域调频***模型、集群空调群组调频模块两部分。传统单区域调频***模型为具有积分调节***的闭环***，功率调整信号分别通过***二次调频传递函数、发电机调速器传递函数、原动机传递函数转换为汽轮机输入功率调整变量，和负荷波动变量一起参与***调频。集群空调群组调频模块由空调群组的调频死区、调频系数、可调度潜力上下限外，和空调响应时间延迟组成。
***二次调频传递函数
Figure BDA0003522034440000164
发电机调速器传递函数
Figure BDA0003522034440000165
原动机传递函数
Figure BDA0003522034440000166
负荷波动变量ΔPD(s)
调频系数KAC
空调响应时间延迟
Figure BDA0003522034440000171
其中，Kn为调速器静态增益，Tn为调速器时间常数，R为调速器的调差系数；Kn为汽轮机静态增益，TT为汽轮机时间常数，Kr为再热系数，Tr为再热时间常数；KP为二次调频比例调节系数，KI为二次调频积分调节系数。TAC为温控负荷响应时间延迟，取值为0.1s～0.5s之间。
43)计算集群温控负荷一次调频功率变化值：在32)所述模型基础上，每台空调设备监测到频率偏差信号后，根据式(9)到(11)计算得到集群温控负荷总功率变化值ΔPAC。
步骤5：建立集群温控负荷二次调频模型；所述步骤5包含以下具体步骤：
51)建立集群温控负荷二次调频***模型：在42)中所述模型的基础上，建立集群温控负荷的二次调频仿真模型如图6所示。
在集群空调一次调频模型的基础上，集群空调群组接受的控制信号包括***频率偏差Δf(一次调频)和区域AGC计算出的***功率偏差信号的整定值(二次调频)，区域AGC功率偏差整定值由整定倍率r决定。其余结构与集群空调一次调频相同。
其中，r表示区域AGC功率偏差在空调群组上的整定倍率，由下式进行计算：
Figure BDA0003522034440000172
式中，ΔPg′(s)表示为火电机组二次调频功率偏差信号，ΔPAC′(s)表示为集群空调群组二次调频功率偏差信号，ΔPc(s)为区域AGC计算出的二次调频功率偏差信号。
52)计算集群温控负荷二次调频功率变化值：在41)所述模型基础上，每台空调设备监测到的区域AGC二次调频功率偏差信号后，根据式(12)计算得到集群温控负荷总功率变化值ΔPAC′(s)。
步骤6：基于MPC的滚动优化集群温控负荷控制；所述步骤6包含以下具体步骤：
如图7所示，经过步骤2和步骤3建模之后，通过步骤4或步骤5得到一次调频或一次及二次调频信号，集群温控负荷将通过以下步骤进行调控。
61)建立预测***状态方程：设预测时长为p，设当前k时刻条件下，第k+p时刻的预测状态为x(k+ζ|k)，(ζ＝1，2，...，p)。根据步骤31)中式(2)，可推导写出第k+1时刻到k+p时刻的状态方程：
X(k)＝AP(k)x(k|k)+BP(k)U(k) (13)
此处，
Figure BDA0003522034440000181
U(k)＝[u(k|k)u(k+1|k)…u(k+p-1|k)]T (15)
AP内分块矩阵Ap＝[A(k+p-1)...A(k+1)A(k)]表示当前k时刻下，***第k+p时刻状态转移矩阵的预测值，其元素Ap(i，j)表示仅已知当前时刻k各状态仓负荷个数向量x(k|k)，***在第k+p个时间步长内，状态仓j的空调负荷转移到状态仓i的转移概率预测值。BP完全类似，不再赘述。
62)建立集群温控负荷优化控制模型：采用最小化跟踪误差作为目标函数，其优化控制目标函数为：
Figure BDA0003522034440000182
其中，Werr表示模型输出与实际目标值的跟踪误差权重系数矩阵，本发明设为单位矩阵；D(k)＝diag{C(k+1)C(k+2)...C(k+p)}，R(k)＝[r(k+1)r(k+2)...r(k+p)]T，而r(k+ζ)表示在k+ζ时刻输出目标轨迹值。
基于上文的2D状态仓转移模型，控制变量U(k)取值范围应在-1到1之间；状态变量X(k)取值范围应在0到1之间。因此，通过以集群输出跟踪误差最小为目标，可将集群空调负荷的优化控制模型转化为如下所示的二次规划问题：
Figure BDA0003522034440000191
滚动优化求解：式(17)约束条件中的0和1均是向量形式，同时，该二次规划模型可以通过调用MATLAB优化工具箱提供的二次规划函数进行求解。求解之后便得控制时域p*Δt内状态仓空调负荷开关个数构成的优化控制序列，在当前调度时刻仅下发该优化序列的第一个分量u*(k|k)。等待下一个调度周期到来，重复上述滚动优化过程。
步骤7：基于多尺度优先级排序进行可控负荷遴选；所述步骤7包含以下具体步骤：
71)建立基于归一化温度距离的排序指标：
Figure BDA0003522034440000192
其中，NTDi，k是第i个空调负荷在当前k时刻的归一化温度距离，为取值范围在0和1之间的无量纲系数。δ表示温度死区，即用户舒适度温度上、下限值θhigh和θlow之差。θi，t表示第i个空调负荷在当前k时刻的温度，Ok和Ck分别表示在当前k时刻的开启群和关闭群，m是空调负荷总个数。
72)建立基于功率相似度的排序指标：
Figure BDA0003522034440000193
其中，SIMi，(p，q)为状态仓(p，q)中空调负荷功率与所需调整功率的相似度指数，Pi为第i个空调负荷的额定功率，Paim，(p，q)为状态仓(p，q)需要响应的目标功率。N(p，q)表示状态仓(p，q)中的空调负荷个数。
73)建立基于累计控制次数的排序指标：
NCi，k＝(Ci，k-Ck，min)/(Ck，max-Ck，max) (20)
其中，Ci，k为空调负荷i在k时刻的累计控制次数，Ck，min和Ck，max表示当前时刻k负荷已被控次数的最小值和最大值。
74)基于多尺度优先级进行负荷排序：可控开状态群的空调负荷i在时刻k的综合排序参考值Γopen如下式所示：
Figure BDA0003522034440000201
KT，KS和KC分别为相应的权重系数，KT值越大，用户的热舒适度越能得到保证；KS越大，负荷响应的精度越高；KC越大，负荷响应的公平性越好，分别设为0.3、0.3、0.4。
根据多尺度优先级综合指数Γopen的取值大小对开状态群对应的各2D状态仓内空调负荷进行排序，Γopen值越小表示该空调负荷在该状态仓内的优先级越高。按优先级从高到低，对温控负荷进行控制，实现调频功能。
如图8所示，本发明提供一种集群温控负荷***调频***，包括：
获取单元，用于获取集群温控负荷初始化参数；
负荷模型建立单元，用于根据单体空调负荷模型建立2D状态仓集群温控负荷模型，并确定当前集群温控负荷可调度容量；
空间模型建立单元，用于根据2D状态仓集群温控负荷模型和当前集群温控负荷可调度容量，建立集群温控负荷状态空间模型，基于马尔科夫链求解状态仓转移概率，从而得到状态转移矩阵；
调频模型计算单元，用于根据集群温控负荷一次调频模型计算集群温控负荷一次调频功率变化值，根据集群温控负荷二次调频模型计算集群温控负荷二次调频功率变化值，进而得到集群温控负荷总功率变化值；
控制模型优化单元，用于根据状态转移矩阵建立集群温控负荷优化控制模型，集群温控负荷总功率变化值采用滚动优化求解得到集群温控负荷控制方案；
可控负荷遴选单元，用于基于多尺度优先级排序对所述集群温控负荷控制方案进行可控负荷遴选，并输出可控负荷遴选结果。
如图9所示，本发明第三个目的是提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述集群温控负荷***调频方法的步骤或所述报价预测方法的步骤。
所述集群温控负荷***调频方法，包括：
获取集群温控负荷初始化参数；
根据单体空调负荷模型建立2D状态仓集群温控负荷模型，并确定当前集群温控负荷可调度容量；
根据2D状态仓集群温控负荷模型和当前集群温控负荷可调度容量，建立集群温控负荷状态空间模型，基于马尔科夫链求解状态仓转移概率，从而得到状态转移矩阵；
根据集群温控负荷一次调频模型计算集群温控负荷一次调频功率变化值，根据集群温控负荷二次调频模型计算集群温控负荷二次调频功率变化值，进而得到集群温控负荷总功率变化值；
根据状态转移矩阵建立集群温控负荷优化控制模型，集群温控负荷总功率变化值采用滚动优化求解得到集群温控负荷控制方案；
基于多尺度优先级排序对所述集群温控负荷控制方案进行可控负荷遴选，并输出可控负荷遴选结果。
本发明第四个目的是提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述处理器执行所述计算机程序时实现所述集群温控负荷***调频方法的步骤或所述报价预测方法的步骤。
所述集群温控负荷***调频方法，包括：
获取集群温控负荷初始化参数；
根据单体空调负荷模型建立2D状态仓集群温控负荷模型，并确定当前集群温控负荷可调度容量；
根据2D状态仓集群温控负荷模型和当前集群温控负荷可调度容量，建立集群温控负荷状态空间模型，基于马尔科夫链求解状态仓转移概率，从而得到状态转移矩阵；
根据集群温控负荷一次调频模型计算集群温控负荷一次调频功率变化值，根据集群温控负荷二次调频模型计算集群温控负荷二次调频功率变化值，进而得到集群温控负荷总功率变化值；
根据状态转移矩阵建立集群温控负荷优化控制模型，集群温控负荷总功率变化值采用滚动优化求解得到集群温控负荷控制方案；
基于多尺度优先级排序对所述集群温控负荷控制方案进行可控负荷遴选，并输出可控负荷遴选结果。
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、嵌入式处理机或其他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他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他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他可编程数据处理设备上，使得在计算机或其他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，从而在计算机或其他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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (11)

1.一种集群温控负荷***调频方法，其特征在于，包括：
获取集群温控负荷初始化参数；
根据单体空调负荷模型建立2D状态仓集群温控负荷模型，并确定当前集群温控负荷可调度容量；
根据2D状态仓集群温控负荷模型和当前集群温控负荷可调度容量，建立集群温控负荷状态空间模型，基于马尔科夫链求解状态仓转移概率，从而得到状态转移矩阵；
根据集群温控负荷一次调频模型计算集群温控负荷一次调频功率变化值，根据集群温控负荷二次调频模型计算集群温控负荷二次调频功率变化值，进而得到集群温控负荷总功率变化值；
根据状态转移矩阵建立集群温控负荷优化控制模型，集群温控负荷总功率变化值采用滚动优化求解得到集群温控负荷控制方案；
基于多尺度优先级排序对所述集群温控负荷控制方案进行可控负荷遴选，并输出可控负荷遴选结果。
2.根据权利要求1所述的方法，其特征在于，
所述根据单体空调负荷模型建立2D状态仓集群温控负荷模型，并确定当前集群温控负荷可调度容量，具体包含以下步骤：
根据等效热参数模型的二阶离散化微分方程，建立单体空调负荷模型；
根据集群温控负荷当前开关状态将其分为关闭群和开启群；分别根据用户舒适度室内空气温度上下限值
Figure FDA0003522034430000011
和室内物质温度的上下限值
Figure FDA0003522034430000012
将温度区间等长度分为Ni/2个室内空气温度小区间和Nm/2个室内物质温度小区间，形成Na*Nm/4个关闭群和开启群的状态仓；进而形成2D状态仓转移模型；
取2D状态仓中所有当期关闭仓，温度从低到高，除去第一个最接近容许温度下限状态仓所有的空调设备额定功率之和为最大可上调功率容量，加上当前已经开启空调负荷功率之和作为可调度调节的最大功率容许值Pmax；取2D状态仓中所有当前开启仓，温度从低到高，除去最后一个最接近容许温度上限的状态仓所有的空调设备额定功率之和为最大可下调功率容量，得到集群空调群组可调度调节的最小功率容许值Pmin。
3.根据权利要求2所述的方法，其特征在于，
等效热参数模型的二阶离散化微分方程为：
Figure FDA0003522034430000021
其中，Δt表示仿真步长，θa表示空调负荷的室内气体温度；θm表示空调负荷的室内物质温度；θs表示空调负荷所处的环境温度；Ra、Rm分别为室内空气和室内物质的等值热阻；Ca、Cm分别为空气温度和物质温度的等值热容；当空调负荷开启时，Qa为空调额定功率；关闭时，Qa等于0。
4.根据权利要求1所述的方法，其特征在于，
所述根据2D状态仓集群温控负荷模型和当前集群温控负荷可调度容量，建立集群温控负荷状态空间模型，基于马尔科夫链求解状态仓转移概率，从而得到状态转移矩阵，包含以下步骤：
在2D状态仓集群温控负荷模型的基础上，建立集群温控负荷状态空间模型，用时变离散状态空间方程表示：
Figure FDA0003522034430000022
其中，x(k)表示第k时刻***状态向量，表达式如下：
x(k)＝[x1，off(k)x2，off(k)...xN/2，off(k)x1+N/2，on(k)x2+N/2，on(k)...xN，on(k)]T (3)
式中，N表示状态仓总数，N＝Na*Nm/2，其元素xi,off(k)表示第k时刻关闭群状态仓i内的空调负荷个数除以总负荷数比值，i＝1,2,…,N/2；xj,on(k)表示第k时刻开启群状态仓j内的空调负荷个数除以总负荷数比值，j＝N/2+1,N/2+2,…,N；x(k+1)表示第k+1时刻***状态向量；
A(k)表示第k时刻的***矩阵，其元素Aij(k)表示在第k个时间步长内，状态仓j的空调负荷转移到状态仓i的转移概率；
u(k)表示第k时刻的控制信号；
B(k)表示第k时刻的输入矩阵，其元素Bij(k)表示在u(k)作用下，需要进行开关动作的状态仓j的空调负荷转移到状态仓i的转移概率，表示如下：
Figure FDA0003522034430000031
其中，diag表示对角矩阵，diagsub表示副对角矩阵；
C(k)表示第k时刻的输出矩阵，即当前时刻k各状态仓空调负荷的平均功率向量，表示如下：
C(k)＝mPave(k)*S (5)
其中，
Figure FDA0003522034430000032
m表示空调负荷总个数，Pave(k)表示第k时刻开启群各状态仓空调负荷的平均功率，Pagg(k)表示第k时刻空调负荷群聚合输出功率的观测值；S表示各状态仓的开关函数向量，Si表示状态仓i的开关状态，wi表示第i个负荷的开关状态，0为关状态，1为开状态；
y(k)表示第k时刻集群空调负荷模型输出功率；
随机选取初始时刻的空间状态作为仿真初始状态，设定所有空调负荷初始温度在θ-_ETP和θ+_ETP间均匀分布；
基于式(7)对m个空调负荷进行模特卡洛随机模拟，得到每个空调负荷各个仿真时刻的时间-温度热运行曲线；
Figure FDA0003522034430000041
式中：xs表示空调温度的设定值；xin,t表示t时刻的室内温度；Δx表示空调温度设定值允许的偏移值；sAC,t表示t时刻空调的工作状态，值为0表示空调关闭，值为1表示开启；
根据每个空调负荷在不同仿真时刻的2D温度，依次进行状态仓编号；
统计在相邻仿真时刻k到k+1间，状态仓i的空调负荷转移到状态仓j的个数，i,j＝1,2,…,N；
计算一阶马尔可夫链第k时段状态仓i的空调负荷转移到状态仓j的状态转移概率:
Figure FDA0003522034430000042
式中，ni,j(k)表示第k时段状态仓i的空调负荷转移到状态仓j的个数；ni(k)表示第k时段状态仓i中发生状态转移的总负荷数；N表示状态仓总数；
根据i和j的取值不同，可得各个状态转移概率pi,j(k)，从而得到状态转移矩阵P(k)。
5.根据权利要求1所述的方法，其特征在于，
所述根据集群温控负荷一次调频模型计算集群温控负荷一次调频功率变化值，具体包括以下步骤：
根据集群温控负荷的频率调节特性设置集群温控负荷一次调频系数；
建立集群温控负荷一次调频***模型；所述集群温控负荷一次调频***模型包括单区域调频***模型、集群空调群组调频模块；单区域调频***模型为具有积分调节***的闭环***，单区域调频***模型的功率调整信号分别通过***二次调频传递函数、发电机调速器传递函数及原动机传递函数转换为汽轮机输入功率调整变量，输入功率调整变量和负荷波动变量参与***调频；集群空调群组调频模块包括空调群组的调频死区、调频系数、可调度潜力上下限外和空调响应时间延迟；
在所述集群温控负荷一次调频***模型基础上，每台空调设备监测到频率偏差信号后，计算得到集群温控负荷一次调频功率变化值ΔPAC。
6.根据权利要求1所述的方法，其特征在于，
所述根据集群温控负荷二次调频模型计算集群温控负荷二次调频功率变化值，具体包括以下步骤：
在集群温控负荷一次调频***模型的基础上，建立集群温控负荷的二次调频仿真模型；集群温控负荷的二次调频仿真模型在集群空调一次调频模型的基础上，集群空调群组接收的控制信号包括一次调频***频率偏差和二次调频的区域AGC计算出的***功率偏差信号的整定值，区域AGC功率偏差整定值由整定倍率r决定；
其中，r表示区域AGC功率偏差在空调群组上的整定倍率，由下式进行计算：
Figure FDA0003522034430000051
式中，ΔPg′(s)表示为火电机组二次调频功率偏差信号，ΔPAC′(s)表示为集群空调群组二次调频功率偏差信号，ΔPc(s)为区域AGC计算出的二次调频功率偏差信号；
在每台空调设备监测到的区域AGC二次调频功率偏差信号后，根据式(12)计算得到集群温控负荷总功率变化值ΔPAC′(s)。
7.根据权利要求1所述的方法，其特征在于，
所述根据状态转移矩阵建立集群温控负荷优化控制模型，集群温控负荷总功率变化值采用滚动优化求解得到集群温控负荷控制方案，具体包括以下步骤：
设预测时长为p，设当前k时刻条件下，第k+p时刻的预测状态为x(k+ζ|k)，ζ＝1,2,…,p；根据集群温控负荷状态空间模型，建立第k+1时刻到k+p时刻的状态方程：
X(k)＝AP(k)x(k|k)+BP(k)U(k) (13)
其中，
Figure FDA0003522034430000061
U(k)＝[u(k|k)u(k+1|k)…u(k+p-1|k)]T (15)
AP内分块矩阵Ap＝[A(k+p-1)…A(k+1)A(k)]表示当前k时刻下，***第k+p时刻状态转移矩阵的预测值，其元素Ap(i,j)表示仅已知当前时刻k各状态仓负荷个数向量x(k|k)，***在第k+p个时间步长内，状态仓j的空调负荷转移到状态仓i的转移概率预测值；
采用最小化跟踪误差作为目标函数，其优化控制目标函数为：
Figure FDA0003522034430000062
其中，Werr表示模型输出与实际目标值的跟踪误差权重系数矩阵，D(k)＝diag{C(k+1)C(k+2)…C(k+p)}，R(k)＝[r(k+1) r(k+2)…r(k+p)]T,而r(k+ζ)表示在k+ζ时刻输出目标轨迹值；
通过以集群输出跟踪误差最小为目标，将集群空调负荷的优化控制模型转化得到二次规划函数：
Figure FDA0003522034430000063
并对二次规划函数进行滚动优化求解，求解之后便得控制时域p*Δt内状态仓空调负荷开关个数构成的优化控制序列，在当前调度时刻仅下发该优化序列的第一个分量u*(k|k)；等待下一个调度周期到来，重复上述滚动优化过程，得到集群温控负荷控制方案。
8.根据权利要求1所述的方法，其特征在于，
所述基于多尺度优先级排序对所述集群温控负荷控制方案进行可控负荷遴选，并输出可控负荷遴选结果，包含以下步骤：
建立基于归一化温度距离的排序指标：
Figure FDA0003522034430000071
其中，NTDi,k是第i个空调负荷在当前k时刻的归一化温度距离；δ表示温度死区，用户舒适度温度上、下限值θhigh和θlow之差；θi,t表示第i个空调负荷在当前k时刻的温度，Ok和Ck分别表示在当前k时刻的开启群和关闭群，m是空调负荷总个数；
建立基于功率相似度的排序指标:
Figure FDA0003522034430000072
其中，SIMi,(p,q)为状态仓(p,q)中空调负荷功率与所需调整功率的相似度指数，Pi为第i个空调负荷的额定功率，Paim,(p,q)为状态仓(p,q)需要响应的目标功率；N(p,q)表示状态仓(p,q)中的空调负荷个数；
建立基于累计控制次数的排序指标：
NCi，k＝(Ci，k-Ck，min)/(Ck，max-Ck，max) (20)
其中，Ci,k为空调负荷i在k时刻的累计控制次数，Ck,min和Ck,max表示当前时刻k负荷已被控次数的最小值和最大值；
基于基于归一化温度距离的排序指标、建立基于功率相似度的排序指标及建立基于累计控制次数的排序指标，得到多尺度优先级综合指数Γopen如下式所示：
Figure FDA0003522034430000073
其中，KT，KS和KC分别为相应的权重系数；
根据多尺度优先级综合指数Γopen的取值大小对开状态群对应的各2D状态仓内空调负荷进行排序，按优先级从高到低进行可控负荷遴选，得到可控负荷遴选结果。
9.一种集群温控负荷***调频***，其特征在于，包括：
获取单元，用于获取集群温控负荷初始化参数；
负荷模型建立单元，用于根据单体空调负荷模型建立2D状态仓集群温控负荷模型，并确定当前集群温控负荷可调度容量；
空间模型建立单元，用于根据2D状态仓集群温控负荷模型和当前集群温控负荷可调度容量，建立集群温控负荷状态空间模型，基于马尔科夫链求解状态仓转移概率，从而得到状态转移矩阵；
调频模型计算单元，用于根据集群温控负荷一次调频模型计算集群温控负荷一次调频功率变化值，根据集群温控负荷二次调频模型计算集群温控负荷二次调频功率变化值，进而得到集群温控负荷总功率变化值；
控制模型优化单元，用于根据状态转移矩阵建立集群温控负荷优化控制模型，集群温控负荷总功率变化值采用滚动优化求解得到集群温控负荷控制方案；
可控负荷遴选单元，用于基于多尺度优先级排序对所述集群温控负荷控制方案进行可控负荷遴选，并输出可控负荷遴选结果。
10.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-8任一项所述集群温控负荷***调频方法的步骤。
11.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一项所述集群温控负荷***调频方法的步骤。
CN202210182642.2A 2022-02-25 2022-02-25 一种集群温控负荷***调频方法、***、设备及介质 Pending CN114512994A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210182642.2A CN114512994A (zh) 2022-02-25 2022-02-25 一种集群温控负荷***调频方法、***、设备及介质
PCT/CN2022/137165 WO2023160110A1 (zh) 2022-02-25 2022-12-07 一种集群温控负荷***调频方法、***、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210182642.2A CN114512994A (zh) 2022-02-25 2022-02-25 一种集群温控负荷***调频方法、***、设备及介质

Publications (1)

Publication Number Publication Date
CN114512994A true CN114512994A (zh) 2022-05-17

Family

ID=81553954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210182642.2A Pending CN114512994A (zh) 2022-02-25 2022-02-25 一种集群温控负荷***调频方法、***、设备及介质

Country Status (2)

Country Link
CN (1) CN114512994A (zh)
WO (1) WO2023160110A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115268536A (zh) * 2022-08-02 2022-11-01 阳光电源股份有限公司 一种储能***的温度控制方法及相关装置
CN116093978A (zh) * 2023-03-17 2023-05-09 天津大学 一种面向电网调频的自备电厂和负载协调控制方法、***、电子设备和可读介质
WO2023160110A1 (zh) * 2022-02-25 2023-08-31 中国电力科学研究院有限公司 一种集群温控负荷***调频方法、***、电子设备及存储介质
CN117291363A (zh) * 2023-09-08 2023-12-26 国网山东省电力公司营销服务中心(计量中心) 一种基于异构温控负荷模型的负荷调控方法及***

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117033894B (zh) * 2023-10-10 2023-12-22 北京英沣特能源技术有限公司 一种闭式蓄冷罐瞬间失水防负压抽真空检测***
CN117434989B (zh) * 2023-12-20 2024-03-12 福建省力得自动化设备有限公司 一种电气柜内环境调控***及调控方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108287477B (zh) * 2018-02-09 2021-10-08 福建和盛高科技产业有限公司 基于模型预测和多尺度优先级的集群温控负荷控制方法
CN108804736B (zh) * 2018-03-20 2021-12-07 中国科学院电子学研究所 一种多自由度调频信号设计及优化的方法和装置
CN109103893B (zh) * 2018-09-27 2020-12-08 华北电力大学 一种集群温控负荷参与电网agc的辅助调频方法
CN112994036B (zh) * 2021-02-02 2022-09-16 中南大学 一种基于模型预测的温控负荷参与微电网调控方法及***
CN114512994A (zh) * 2022-02-25 2022-05-17 中国电力科学研究院有限公司 一种集群温控负荷***调频方法、***、设备及介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023160110A1 (zh) * 2022-02-25 2023-08-31 中国电力科学研究院有限公司 一种集群温控负荷***调频方法、***、电子设备及存储介质
CN115268536A (zh) * 2022-08-02 2022-11-01 阳光电源股份有限公司 一种储能***的温度控制方法及相关装置
CN115268536B (zh) * 2022-08-02 2024-05-14 阳光电源股份有限公司 一种储能***的温度控制方法及相关装置
CN116093978A (zh) * 2023-03-17 2023-05-09 天津大学 一种面向电网调频的自备电厂和负载协调控制方法、***、电子设备和可读介质
CN116093978B (zh) * 2023-03-17 2023-08-18 天津大学 一种面向电网调频的自备电厂和负载协调控制方法、***、电子设备和可读介质
CN117291363A (zh) * 2023-09-08 2023-12-26 国网山东省电力公司营销服务中心(计量中心) 一种基于异构温控负荷模型的负荷调控方法及***

Also Published As

Publication number Publication date
WO2023160110A1 (zh) 2023-08-31

Similar Documents

Publication Publication Date Title
CN114512994A (zh) 一种集群温控负荷***调频方法、***、设备及介质
Thieblemont et al. Predictive control strategies based on weather forecast in buildings with energy storage system: A review of the state-of-the art
Yu et al. Control strategies for integration of thermal energy storage into buildings: State-of-the-art review
CN109799851B (zh) 一种基于负荷簇温度调控的用户侧负荷响应方法
CN108287477B (zh) 基于模型预测和多尺度优先级的集群温控负荷控制方法
CN108985524B (zh) 一种多能互补***的协调控制方法
Vašak et al. Modular hierarchical model predictive control for coordinated and holistic energy management of buildings
CN112508325B (zh) 一种家庭微电网多时间尺度电能调度方法
CN106953340B (zh) 一种基于多类温控负荷加权状态队列控制的配网联络线功率波动平抑方法
CN104062958A (zh) 一种基于动态负荷管理的居家智能优化方法
CN113378100B (zh) 考虑碳排放的配电网源网荷储协同优化调度模型和方法
CN111697578A (zh) 多目标含储能区域电网运行控制方法
CN105790292A (zh) 基于最优控制模型的典型负荷有序用电方法
CN111555291A (zh) 一种基于自适应粒子群的负荷集群控制方法
Vedullapalli et al. Optimal demand response in a building by battery and HVAC scheduling using model predictive control
CN103259258A (zh) 微电网及其控制方法和装置
CN116436033A (zh) 一种基于用户满意度和强化学习的温控负荷频率响应控制方法
CN117439101B (zh) 一种用于电网中新能源与柔性负荷互动的智能网络
CN113078629B (zh) 一种用于集群温控负荷聚合商功率调控的聚合体功率分配模型及分布式一致性控制方法
Verrilli et al. Stochastic model predictive control for optimal energy management of district heating power plants
Ma et al. Control and Communication for Demand Response with Thermostatically Controlled Loads
CN114400675B (zh) 基于权重均值深度双q网络的主动配电网电压控制方法
CN113344357B (zh) 基于频域动态指标的综合能源***的设计方法
Yazdkhasti et al. Demand side management using model-free fuzzy controller in a direct load control program
CN105958513B (zh) 一种基于hvac***的区域电网功率动态平衡的方法

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