CN117200176A - 一种基于新能源多负荷协同控制的需求侧控制方法及*** - Google Patents
一种基于新能源多负荷协同控制的需求侧控制方法及*** Download PDFInfo
- Publication number
- CN117200176A CN117200176A CN202310920624.4A CN202310920624A CN117200176A CN 117200176 A CN117200176 A CN 117200176A CN 202310920624 A CN202310920624 A CN 202310920624A CN 117200176 A CN117200176 A CN 117200176A
- Authority
- CN
- China
- Prior art keywords
- load
- power grid
- intelligent
- air conditioner
- scheduling
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004378 air conditioning Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 8
- 238000004146 energy storage Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 13
- 230000002146 bilateral effect Effects 0.000 abstract description 2
- 238000011217 control strategy Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000005057 refrigeration Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000012983 electrochemical energy storage Methods 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- 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
- Air Conditioning Control Device (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于智能负荷控制技术领域，具体涉及一种基于新能源多负荷协同控制的需求侧控制方法及***；包括步骤1、统计目标区域内所有智能负荷数量；步骤2、针对目标区域内不同类的智能负荷分别统计其可调容量；步骤3、统计目标地区的电网侧供给和负荷侧需求的缺口电量Z；步骤4、通过调度手段以削减缺口电量Z；本发明充分考虑可再生能源电站和智能负荷的双侧波动特性，实现优化各层级电网分时段的负荷特性，进一步挖掘灵活性需求侧响应资源以增加电力***的调度能力，并且在电网调度时充分考虑电网调度成本，在提升电网调度和交易效率的同时，也提升了电网调度的经济性，提升了电网运行效率且有利于缓解电网波动带来的失***况。
Description
技术领域
本发明属于智能负荷控制技术领域，具体涉及一种基于新能源多负荷协同控制的需求侧控制方法及***。
背景技术
我国能源供需形势也呈现新的特征，一是用能市场规模扩大，能源、电力消费高位增长；二是能源消费结构加速调整，清洁能源消费占比不断提高，能源***波动性上升；三是用能峰谷差拉大，尖峰负荷攀升，时段性、局地性供需缺口时现；四是电动汽车、数据中心、新型储能等新的需求元素不断涌现，综合、优质、个性化用能需求增加。部分地区需求侧资源可调节潜力巨大，部分传统工商业负荷因其规模大、电价敏感性高，将是未来需求侧调节资源的主体；电动汽车、用户侧储能等新兴需求侧资源响应快、灵活性高，必将发挥越来越重要的作用。
此外，近年来由于互联网产业的高速发展，数据中心作为数据存储与计算服务的重要平台，其规模与能耗水平也在不断增大。数据中心对服务器的集群调度使其可以实现用电负荷的快速转移和削减，进而具备电力实时响应的能力，因此成为用户侧重要的需求侧响应资源。由于数据中心是用户侧重要的灵活性资源，通过对其合理调度与引导需求响应可以有效提升数据中心对分布式可再生能源发电的就地消纳能力，保障大数据产业高可靠性、绿色高效用能需求。
需要研究各类需求响应资源的需求响应策略，充分调动各类资源的需求响应潜力，对能源消费进行科学合理的引导和调节，与供应侧协调配合，以更好地应对能源供需新形势，维护能源***安全稳定运行，把握电网智能化数字快速发展的新契机，深入挖掘现状电网潜在资源，盘活用户资源，探索实现多元负荷与电网灵活互动的电网发展新模式，及时为客户解决用电难题。
所以，有必要多维度深度解析地区柔性可控负荷特性影响因素及响应特性，提出多层级柔性负荷调控架构，结合多元化负荷响应特性和调控潜力，建立全电压等级可控负荷特性曲线模型，提出空调、电动汽车、电化学储能、大数据中心、分布式电源等领域负荷调控策略，实现优化各层级电网分时段的负荷特性，进一步挖掘灵活性需求侧响应资源以增加电力***的调度能力，降低电网尖峰负荷水平，节约电网建设投资，提升存量电网运行效率等目的。
发明内容
本发明的目的是为了克服现有技术的不足，而提供一种基于新能源多负荷协同控制的需求侧控制方法及***，在电网调度时充分考虑电网调度成本，在提升电网调度和交易效率的同时，提升电网调度的经济性及电网运行效率。
本发明的目的是这样实现的：一种基于新能源多负荷协同控制的需求侧控制方法，它包括以下步骤：
步骤1、统计目标区域内所有智能负荷数量；
步骤2、针对目标区域内不同类的智能负荷分别统计其可调容量；
步骤3、统计目标地区的电网侧供给和负荷侧需求的缺口电量Z；
步骤4、通过调度手段以削减缺口电量Z。
所述步骤2中的所述目标区域内不同类的智能负荷包括空调群和电动汽车群，所述空调群包括分散式空调和中央空调。
所述分散式空调的最大可参与调度容量的计算公式如下，
式中：
QHA表示分散式空调负荷集群的最大可参与调度容量；
n表示可参与调度的分散式空调数量；
Ptmax表示分散式空调维持室内温度tmax的平均运行功率；
Ptbest表示分散式空调维持室内温度tbest的平均运行功率；
温度tmax表示室内所允许接受的温度上限；
温度tbest表示室内维持热舒适状态的温度下限。
所述步骤2中的统计所述中央空调的可调容量包括：
通过等效热参数(ETP)建模方法，建立一阶ETP模型，计算室内温度Tr，公式如下：
式中：
表示t+1时刻的室内温度，单位为℃；
表示t+1时刻的室外温度，单位为℃；
表示t时刻的室内温度，单位为℃；
R为等效热阻，单位为℃/W；
C为等效热容，单位为J/℃；
Δt为时间间隔；
k为空调启停状态变量，k＝0表示空调停止，k＝1表示空调启动；
室温允许上下限为[Tmin，Tmax]，将记为ε，制冷机组启/停周期内停机期和制冷期的允许时长计算公式分别为：
式中：
τoff为制冷机组停机期时长，单位为min；
τon为制冷机组制冷期时长，单位为min；
τc为启/停周期时长，单位为min；
T0为室外温度，单位为℃；
R为建筑围护结构等效热阻，单位为℃/kW；
Q为制冷机的制冷量，单位为kW；
COP为空调能效比；
PCA为中央空调额定功率，单位为kW。
所述步骤2中的统计所述中央空调的可调容量还包括：
夏季空调制冷期的最舒适室内温度为受人体舒适度影响的室温阈值为其中
制冷机组的自然启停周期τ0和自然占空比γ0如下式，
中央空调负荷集群最大可参与调度容量的计算公式如下，
式中：
QCA表示中央空调负荷集群的最大可参与调度容量；
n表示参与轮停的中央空调数量；
PCA为中央空调额定功率。
所述步骤2中的统计所述电动汽车群的可调容量包括：
对于能够参与目标地区内调度的全部电动汽车群，根据各电动汽车车机中的控制器，统计各电动汽车j当前的SOC值Pj，其中1≤j≤J，J是目标地区内全部可参与调度的电动汽车数量；
同时，统计各电动汽车j的当前的功率消耗水平Sj，各电动车距离其能够参与电网调度的时间为Tj；
QV＝(∑Pj-Sj×Tj)×Th (8)
上式中，Th是各电动车的剩余电量保护阈值，QV为目标地区内能够参与调度的电动汽车群的全部可调度容量。
所述步骤4通过调度手段以削减缺口电量Z包括：
当缺口Z大于0时，负荷侧需求大于电网侧供给，需要目标地区的智能负荷参与调度，通过多负荷协调控制以减少供电缺口；
当缺口Z小于等于0时，供给侧电力充足，将多余电力存储至目标区域内的各在网储能装置。
所述步骤4通过调度手段以削减缺口电量Z还包括：
当缺口Z大于0时，进一步判断Z与Qv+QHA+QCA的大小；
如果前者大于后者，需要通过启动备用供给，或者从相邻地区调入电力以满足目标地区的负荷需求；
如果前者小于等于后者，设定以下最优调度公式，以符合调度的经济性，
Max(Y＝(ΔQC+ΔQH)*Pc+ΔQv*(Pv-P'v)-K*Cc-L*Cv)
上述公式中，ΔQC是指参与电网调度的分散式空调削减的负荷量，ΔQH是指参与电网调度的中央空调削减的负荷量，Pc是指空调类智能负荷参与电网调度时的电价；ΔQv是参与电网调度的电动车的V2G电量，Pv是电动车参与电网调度时的电价，P'v是电动车参与电网调度后回充电量时的电价，K是参与电网调度的分散式空调数量，Cc是参与电网调度的分散式空调获得的补贴；L是参与电网调度的电动车数量，Cv是参与电网调度的电动车获得的补贴。
一种基于新能源多负荷协同控制的需求侧控制***，它包括中央处理单元和智能负荷检测***；
所述智能负荷监测***由智能网关、智能控制器和智能负荷三个单元组成；
所述智能网关是目标地区中一个或者多个数据通讯节点处的具有数据计算能力的路由器，允许目标地区内各类智能负荷通过无线互联网和/或有线互联网接入以实现实时需求侧调度管理；所述网关以无线接收来自所述智能控制器和所述智能负荷的数据，并将其发送到所述中央处理单元。
所述智能负荷包括分散式空调群和中央空调，以及目标地区内的电动车；
各类所述智能控制器主要用于切换智能负荷的状态，在目标地区电网***需要智能负荷安置于充电桩以及有序充电控制器中，以与中央处理单元进行数据和控制信号的通信，各智能负荷在需要参与电网***调度时，通过切换输入/输出线路或者是切断相应线路进行需求侧调度。
本发明的有益效果：本发明的一种基于新能源多负荷协同控制的需求侧控制方法，包括步骤1、统计目标区域内所有智能负荷数量；步骤2、针对目标区域内不同类的智能负荷分别统计其可调容量；步骤3、统计目标地区的电网侧供给和负荷侧需求的缺口电量Z；步骤4、通过调度手段以削减缺口电量Z；本发明的一种基于新能源多负荷协同控制的需求侧控制方法及***，相对于现有技术中仅调节供给侧或者需求侧的电力***控制算法而言，本发明充分考虑可再生能源电站和智能负荷的双侧波动特性，结合多元化负荷响应特性和调控潜力，针对不同智能负荷的特性，提出空调、电动汽车、电化学储能、大数据中心、分布式电源等领域负荷调控策略，尤其是针对分布式空调和中央空调，分别建立其可调容量，并且针对电动汽车的可调容量进行合理预估，实现优化各层级电网分时段的负荷特性，进一步挖掘灵活性需求侧响应资源以增加电力***的调度能力，并且在电网调度时充分考虑电网调度成本，在提升电网调度和交易效率的同时，也提升了电网调度的经济性，提升了电网运行效率且有利于缓解电网波动带来的失***况。
附图说明
图1为本发明的流程示意图。
图2为本发明中分散式空调制冷机组的调控示意图。
图3为本发明中周期性暂停控制的控制期的室温变化曲线。
图4为本发明中的电动车参与电网调度的控制构架。
具体实施方式
下面结合附图对本发明做进一步的说明。
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
下面将结合本发明中的附图，对本发明的实施例中的技术方案进行清楚-完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，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。
本发明的一种基于新能源多负荷协同控制的需求侧控制方法，包括：
步骤1、统计目标区域内所有智能负荷数量；
步骤2、针对目标区域内不同类的智能负荷分别统计其可调容量；
步骤3、统计目标地区的电网侧供给和负荷侧需求的缺口电量Z；
步骤4、通过调度手段以削减缺口电量Z。
在部分优选实施例中，所述智能负荷至少包含空调群和电动汽车。
(1)对于智能负荷中的空调负荷群
选择采用周期性暂停控制(Duty Cycling Control，DCC)。周期性暂停控制也可以叫做占空比控制或轮停控制，是指终端用户以降负荷为目的，对空调制冷机组进行周期性启/停操作。如图2所示，每个轮停周期内包含10个启停时段，图中灰色方块表示制冷机组处于关闭状态，白色方块表示制冷机组处于开启状态。空调制冷机组运行时长占单个控制周期总时长的比例称为“占空比”。
分体空调和中央空调的工作特性差异较大，适合于它们的调控方式也不尽相同。分体空调主要应用于居住类建筑，其结构简单、单体容量较小，结合以往经验和运行特点适合采取直接启停或者调控空调设定温度控制策略；中央空调主要应用于办公类建筑，其单体容量较大且结构复杂，结合以往经验和运行特点适合选用轮停控制策略。
1)分散式空调直接控制
由于分散式空调负荷集群采用直接启停控制策略，最大可参与调度容量的计算公式如下：
式中：
QHA表示分散式空调负荷集群的最大可参与调度容量；
n表示可参与调度的分散式空调数量；
Ptmax表示分散式空调维持室内温度tmax的平均运行功率；
Ptbest表示分散式空调维持室内温度tbest的平均运行功率；
温度tmax表示室内所允许接受的温度上限；
温度tbest表示室内维持热舒适状态的温度下限。
2)中央空调轮停控制
通过等效热参数(ETP)建模方法，建立一阶ETP模型，计算室内温度Tr的计算公式如下：
式中：
表示t+1时刻的室内温度，单位为℃；
表示t+1时刻的室外温度，单位为℃；
表示t时刻的室内温度，单位为℃；
R为等效热阻，单位为℃/W；
C为等效热容，单位为J/℃；
Δt为时间间隔；
k为空调启停状态变量，k＝0表示空调停止，k＝1表示空调启动。
由于中央空调采用轮停控制，若室温允许上下限为[Tmin，Tmax]，根据公式(2)、(3)，同时将记为ε，可算出Tmin和Tmax之间的关系：
根据式(4)可推导出制冷机组启/停周期内停机期和制冷期的允许时长计算公式分别为：
式中：
τoff为制冷机组停机期时长，单位为min；
τon为制冷机组制冷期时长，单位为min；
τc为启/停周期时长，单位为min；
T0为室外温度，单位为℃；
R为建筑围护结构等效热阻，单位为℃/kW；
Q为制冷机的制冷量，单位为kW；
COP为空调能效比；
PCA为中央空调额定功率，单位为kW。
设夏季空调制冷期的最舒适室内温度为由于受到空调内置温差控制模块所设定的温差允许范围(通常±1℃)的影响，室温在/>内波动；设受人体舒适度影响的室温阈值为/>其中
假设单个控制周期内，室外温度恒定不变，那么空调制冷机组在不受外界条件干扰的情况下，处于自然启停状态，室内温度徘徊在之间，根据公式(6)可推导出制冷机组的自然启停周期τ0和自然占空比γ0：
根据图3所示，当制冷机组处于DCC控制之下时，其运行状态可分为——强制停机状态、持续制冷状态和自然启停状态。当空调处于强制停机状态时，制冷机组不工作，室内温度受到室外温度的影响，从最小温度Tmin逐步上升至最大温度Tmax；当空调处于持续制冷状态时，制冷机组开始以额定功率PCA工作，直到室内温度降到最小温度Tmin为止，令制冷机组持续工作时长为自然启停状态是指制冷机组在没有外界干扰，仅受空调内置温控设备控制的状态，时长为τ0，为了避免温度递增效应的影响，假设每个控制周期末期，室温都重新回到最小温度Tmin。
由于中央空调负荷集群采用轮停控制策略，因此在不考虑温度递增效应影响的前提下，其最大可参与调度时长(制冷机组停机期允许时长)根据公式(5)计算可得，最大可参与调度容量的计算公式如下所示：
式中：
QCA表示中央空调负荷集群的最大可参与调度容量；
n表示参与轮停的中央空调数量；
PCA为中央空调额定功率。
(2)对于智能负荷中的电动汽车群
对于能够参与目标地区内调度的全部电动汽车群，同时根据各电动汽车车机中的控制器，统计各电动汽车j当前的SOC值Pj，其中1≤j≤J，J是目标地区内全部可参与调度的电动汽车数量。
同时，统计各电动汽车j的当前的功率消耗水平Sj，各电动车距离其能够参与电网调度的时间为Tj。
QV＝(∑Pj-Sj×Tj)×Th (8)
上式中，Th是各电动车的剩余电量保护阈值，即某个电动车剩余电量落到阈值Th以下，则该电动车直接退出电网调度，如果该电动车的剩余电量一直在阈值Th以上，才可以参与目标地区的电网调度。
由此可以获得目标地区内能够参与调度的电动汽车群的全部可调度容量QV。
在步骤3统计目标地区的电网侧供给和负荷侧需求的缺口电量Z中，
电网侧供给包括若干新能源电站在内，对于传统能源电站和新能源电站的电力供给，可以采用现有技术的各类算法计算，由于不涉及本发明的改进之处，故在此不再赘述。
对于目标地区的负荷侧需求电力，可以选择目标地区过往同期的负载水平均值，比如选择目标地区过去3-5年内同期负荷需求的平均值，也可以根据目标地区过往数据(比如过去若干年)与当下数据(比如今年的前几个月)的数据插值获得，也可以根据当前各负载的负荷累加获得。
在步骤4通过调度手段以削减缺口电量Z中，
当缺口Z大于0时，说明负荷侧需求大于电网侧供给，此时需要目标地区的智能负荷参与调度，通过多负荷协调控制以减少供电缺口。
在部分优选实施例中，需要进一步判断Z与Qv+QHA+QCA的大小；
如果前者大于后者，说明即便是全部智能负荷参与电网调度，依然无法弥补目标地区的电力供给缺口，则需要通过启动备用供给，比如储能装置或者备用机组，甚至是从相邻地区调入电力以满足目标地区的负荷需求；
如果前者小于等于后者，说明全部智能负荷参与电网调度，则是可以平衡目标地区供给侧和需求侧失衡的情况，此时，需要设定以下最优调度公式，以符合调度的经济性：
Max(Y＝(ΔQC+ΔQH)*Pc+ΔQv*(Pv-P'v)-K*Cc-L*Cv)
上述公式中，
ΔQC是指参与电网调度的分散式空调削减的负荷量，ΔQH是指参与电网调度的中央空调削减的负荷量，Pc是指空调类智能负荷参与电网调度时的电价；ΔQv是参与电网调度的电动车的V2G电量，Pv是电动车参与电网调度时的电价，P'v是电动车参与电网调度后回充电量时的电价，K是参与电网调度的分散式空调数量，Cc是参与电网调度的分散式空调获得的补贴；L是参与电网调度的电动车数量，Cv是参与电网调度的电动车获得的补贴。
通过上述优化公式中主要是基于K、L的数量与ΔQC、ΔQH、ΔQv之间的均衡从而实现优化，参与电网的K、L数量过多，会导致电网调度需求侧补贴较高，从而降低了需求侧多负荷协同控制的经济性，而如果K、L数量过少，则可能导致输出ΔQC、ΔQH、ΔQv的累积之和无法大于等于Z，换句话说，上述优化公式的约束条件是：
ΔQC+ΔQH+ΔQv≥Z
从而保证供需侧电力平衡以及电网调度的经济性，在新能源电站和多负荷混合协同的需求控制调度过程中兼顾效率和经济性。
当缺口Z小于等于0时，说明供给侧电力充足，则可以将多余电力存储至目标区域内的各在网储能装置。
同时，本发明还提供了一种能够用于实现新能源多负荷协同控制的需求侧控制方法的***，包括：
中央处理单元和智能负荷检测***；
智能负荷监测***主要由三个单元组成：智能网关、智能控制器和智能负荷。智能网关是目标地区中一个或者多个数据通讯节点处的具有数据计算能力的路由器，允许目标地区内各类智能负荷通过无线互联网和/或有线互联网接入以实现实时需求侧调度管理。该网关以无线同时还会接收来自智能控制器和智能负荷的数据，并将其发送到中央处理单元。
智能负荷包括分散式空调群和中央空调，以及目标地区内的电动车等。
如图4所示，各类智能控制器主要用于切换智能负荷的状态，在目标地区电网***需要智能负荷安置于充电桩以及有序充电控制器中，可以与中央处理单元进行数据和控制信号的通信，以确保各智能负荷能够在需要参与电网***调度时，通过切换输入/输出线路或者是切断相应线路进行需求侧调度。
在部分优选实施例中，可以将中央处理单元的部分算力下放至智能负荷监测***，中央处理单元承担部分算力，而由智能网关承担剩余算力，从而确保中央处理单元能够有充足的算力用于电网调度和其它电网管理工作。
本发明的有益效果是实现具有新能源电站在内的电网对多种智能负荷的联合调度，综合平衡新能源电站的不确定性和智能负荷波动的不确定性，并将智能负荷的波动进行有效量化，从而为电力***决策者提供更为丰富的供需，降低交易成本和电网调节效率。
以上的具体实施例，对本公开的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上仅为本公开的具体实施例而已，并不用于限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于新能源多负荷协同控制的需求侧控制方法，其特征在于，它包括以下步骤：
步骤1、统计目标区域内所有智能负荷数量；
步骤2、针对目标区域内不同类的智能负荷分别统计其可调容量；
步骤3、统计目标地区的电网侧供给和负荷侧需求的缺口电量Z；
步骤4、通过调度手段以削减缺口电量Z。
2.如权利要求1所述的一种基于新能源多负荷协同控制的需求侧控制方法，其特征在于：所述步骤2中的所述目标区域内不同类的智能负荷包括空调群和电动汽车群，所述空调群包括分散式空调和中央空调。
3.如权利要求2所述的一种基于新能源多负荷协同控制的需求侧控制方法，其特征在于：所述分散式空调的最大可参与调度容量的计算公式如下，
式中：
QHA表示分散式空调负荷集群的最大可参与调度容量；
n表示可参与调度的分散式空调数量；
Ptmax表示分散式空调维持室内温度tmax的平均运行功率；
Ptbest表示分散式空调维持室内温度tbest的平均运行功率；
温度tmax表示室内所允许接受的温度上限；
温度tbest表示室内维持热舒适状态的温度下限。
4.如权利要求2所述的一种基于新能源多负荷协同控制的需求侧控制方法，其特征在于，所述步骤2中的统计所述中央空调的可调容量包括：
通过等效热参数(ETP)建模方法，建立一阶ETP模型，计算室内温度Tr，
公式如下：
式中：
表示t+1时刻的室内温度，单位为℃；
表示t+1时刻的室外温度，单位为℃；
表示t时刻的室内温度，单位为℃；
R为等效热阻，单位为℃/W；
C为等效热容，单位为J/℃；
Δt为时间间隔；
k为空调启停状态变量，k＝0表示空调停止，k＝1表示空调启动；
室温允许上下限为[Tmin，Tmax]，将记为ε，制冷机组启/停周期内停机期和制冷期的允许时长计算公式分别为：
式中：
τoff为制冷机组停机期时长，单位为min；
τon为制冷机组制冷期时长，单位为min；
τc为启/停周期时长，单位为min；
T0为室外温度，单位为℃；
R为建筑围护结构等效热阻，单位为℃/kW；
Q为制冷机的制冷量，单位为kW；
COP为空调能效比；
PCA为中央空调额定功率，单位为kW。
5.如权利要求4所述的一种基于新能源多负荷协同控制的需求侧控制方法，其特征在于，所述步骤2中的统计所述中央空调的可调容量还包括：
夏季空调制冷期的最舒适室内温度为受人体舒适度影响的室温阈值为其中
制冷机组的自然启停周期τ0和自然占空比γ0如下式，
中央空调负荷集群最大可参与调度容量的计算公式如下，
式中：
QCA表示中央空调负荷集群的最大可参与调度容量；
n表示参与轮停的中央空调数量；
PCA为中央空调额定功率。
6.如权利要求2所述的一种基于新能源多负荷协同控制的需求侧控制方法，其特征在于，所述步骤2中的统计所述电动汽车群的可调容量包括：
对于能够参与目标地区内调度的全部电动汽车群，根据各电动汽车车机中的控制器，统计各电动汽车j当前的SOC值Pj，其中1≤j≤J，J是目标地区内全部可参与调度的电动汽车数量；
同时，统计各电动汽车j的当前的功率消耗水平Sj，各电动车距离其能够参与电网调度的时间为Tj；
QV＝(∑Pj-Sj×Tj)×Th (8)
上式中，Th是各电动车的剩余电量保护阈值，QV为目标地区内能够参与调度的电动汽车群的全部可调度容量。
7.如权利要求1所述的一种基于新能源多负荷协同控制的需求侧控制方法，其特征在于，所述步骤4通过调度手段以削减缺口电量Z包括：
当缺口Z大于0时，负荷侧需求大于电网侧供给，需要目标地区的智能负荷参与调度，通过多负荷协调控制以减少供电缺口；
当缺口Z小于等于0时，供给侧电力充足，将多余电力存储至目标区域内的各在网储能装置。
8.如权利要求7所述的一种基于新能源多负荷协同控制的需求侧控制方法，其特征在于，所述步骤4通过调度手段以削减缺口电量Z还包括：
当缺口Z大于0时，进一步判断Z与Qv+QHA+QCA的大小；
如果前者大于后者，需要通过启动备用供给，或者从相邻地区调入电力以满足目标地区的负荷需求；
如果前者小于等于后者，设定以下最优调度公式，以符合调度的经济性，
Max(Y＝(ΔQC+ΔQH)*Pc+ΔQv*(Pv-P'v)-K*Cc-L*Gv)
上述公式中，ΔQC是指参与电网调度的分散式空调削减的负荷量，ΔQH是指参与电网调度的中央空调削减的负荷量，Pc是指空调类智能负荷参与电网调度时的电价；ΔQv是参与电网调度的电动车的V2G电量，Pv是电动车参与电网调度时的电价，P'v是电动车参与电网调度后回充电量时的电价，K是参与电网调度的分散式空调数量，Cv是参与电网调度的分散式空调获得的补贴；L是参与电网调度的电动车数量，Cv是参与电网调度的电动车获得的补贴。
9.一种基于新能源多负荷协同控制的需求侧控制***，其特征在于：它包括中央处理单元和智能负荷检测***；
所述智能负荷监测***由智能网关、智能控制器和智能负荷三个单元组成；
所述智能网关是目标地区中一个或者多个数据通讯节点处的具有数据计算能力的路由器，允许目标地区内各类智能负荷通过无线互联网和/或有线互联网接入以实现实时需求侧调度管理；所述网关以无线接收来自所述智能控制器和所述智能负荷的数据，并将其发送到所述中央处理单元。
10.如权利要求9所述的一种基于新能源多负荷协同控制的需求侧控制***，其特征在于：所述智能负荷包括分散式空调群和中央空调，以及目标地区内的电动车；
各类所述智能控制器主要用于切换智能负荷的状态，在目标地区电网***需要智能负荷安置于充电桩以及有序充电控制器中，以与中央处理单元进行数据和控制信号的通信，各智能负荷在需要参与电网***调度时，通过切换输入/输出线路或者是切断相应线路进行需求侧调度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310920624.4A CN117200176B (zh) | 2023-07-26 | 2023-07-26 | 一种基于新能源多负荷协同控制的需求侧控制方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310920624.4A CN117200176B (zh) | 2023-07-26 | 2023-07-26 | 一种基于新能源多负荷协同控制的需求侧控制方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117200176A true CN117200176A (zh) | 2023-12-08 |
| CN117200176B CN117200176B (zh) | 2024-04-30 |
Family
ID=88995036
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310920624.4A Active CN117200176B (zh) | 2023-07-26 | 2023-07-26 | 一种基于新能源多负荷协同控制的需求侧控制方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117200176B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108154309A (zh) * | 2017-12-30 | 2018-06-12 | 国网天津市电力公司电力科学研究院 | 计及冷热电多负荷动态响应的能源互联网经济调度方法 |
| CN108448645A (zh) * | 2018-01-16 | 2018-08-24 | 华北电力大学 | 一种基于两层规划模型的多形态广域需求侧负荷响应方法 |
| CN109193802A (zh) * | 2018-09-25 | 2019-01-11 | 中国电力科学研究院有限公司 | 一种考虑新能源预测误差的需求侧资源调度方法和*** |
| CN110011422A (zh) * | 2019-05-05 | 2019-07-12 | 苏州华天国科电力科技有限公司 | 基于人工神经网络的智能配电运行监测***及调控方法 |
| CN110661253A (zh) * | 2019-09-24 | 2020-01-07 | 国网(苏州)城市能源研究院有限责任公司 | 建筑群内多类型电力弹性负荷联合调节方法 |
| US20200209901A1 (en) * | 2018-01-04 | 2020-07-02 | State Grid Jiangsu Electric Power Co., Ltd | User side load response method based on adjustment and control on temperature of load clusters |
| CN112531746A (zh) * | 2020-10-15 | 2021-03-19 | 南京淳宁电力科技有限公司 | 一种基于中央空调本地自治优化的虚拟电厂运行方法 |
| CN113793010A (zh) * | 2021-09-07 | 2021-12-14 | 国网浙江省电力有限公司营销服务中心 | 面向多元负荷联合控制策略的构建方法及空调控制方法 |
| CN113937811A (zh) * | 2021-10-14 | 2022-01-14 | 中国科学院广州能源研究所 | 一种多能耦合配电系优化调度方法 |
| WO2022077588A1 (zh) * | 2020-10-12 | 2022-04-21 | 中国电力科学研究院有限公司 | 可调节负荷参与需求响应的调用方法、***及装置 |
| CN114792988A (zh) * | 2022-04-19 | 2022-07-26 | 国网江苏省电力有限公司经济技术研究院 | 一种基于最优潮流的储能接入位置选择方法 |
| CN115765015A (zh) * | 2022-11-30 | 2023-03-07 | 国网湖南省电力有限公司 | 面向电网实际应用场景的源网荷储协同互动方案制定方法 |
-
2023
- 2023-07-26 CN CN202310920624.4A patent/CN117200176B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108154309A (zh) * | 2017-12-30 | 2018-06-12 | 国网天津市电力公司电力科学研究院 | 计及冷热电多负荷动态响应的能源互联网经济调度方法 |
| US20200209901A1 (en) * | 2018-01-04 | 2020-07-02 | State Grid Jiangsu Electric Power Co., Ltd | User side load response method based on adjustment and control on temperature of load clusters |
| CN108448645A (zh) * | 2018-01-16 | 2018-08-24 | 华北电力大学 | 一种基于两层规划模型的多形态广域需求侧负荷响应方法 |
| CN109193802A (zh) * | 2018-09-25 | 2019-01-11 | 中国电力科学研究院有限公司 | 一种考虑新能源预测误差的需求侧资源调度方法和*** |
| CN110011422A (zh) * | 2019-05-05 | 2019-07-12 | 苏州华天国科电力科技有限公司 | 基于人工神经网络的智能配电运行监测***及调控方法 |
| CN110661253A (zh) * | 2019-09-24 | 2020-01-07 | 国网(苏州)城市能源研究院有限责任公司 | 建筑群内多类型电力弹性负荷联合调节方法 |
| WO2022077588A1 (zh) * | 2020-10-12 | 2022-04-21 | 中国电力科学研究院有限公司 | 可调节负荷参与需求响应的调用方法、***及装置 |
| CN112531746A (zh) * | 2020-10-15 | 2021-03-19 | 南京淳宁电力科技有限公司 | 一种基于中央空调本地自治优化的虚拟电厂运行方法 |
| CN113793010A (zh) * | 2021-09-07 | 2021-12-14 | 国网浙江省电力有限公司营销服务中心 | 面向多元负荷联合控制策略的构建方法及空调控制方法 |
| CN113937811A (zh) * | 2021-10-14 | 2022-01-14 | 中国科学院广州能源研究所 | 一种多能耦合配电系优化调度方法 |
| CN114792988A (zh) * | 2022-04-19 | 2022-07-26 | 国网江苏省电力有限公司经济技术研究院 | 一种基于最优潮流的储能接入位置选择方法 |
| CN115765015A (zh) * | 2022-11-30 | 2023-03-07 | 国网湖南省电力有限公司 | 面向电网实际应用场景的源网荷储协同互动方案制定方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘文霞;王舒;张雯程;王凌飞;朴哲勇;胡平;韩琳;韩旭杉;: "考虑需求侧电价的配电网储能设备运行策略与容量的协调优化", 现代电力, no. 05, 28 June 2018 (2018-06-28), pages 74 - 82 * |
| 罗大厅;吕林;刘迪;: "考虑多负荷种类需求响应的DG容量与电动汽车协同规划", 电测与仪表, no. 17, 10 September 2018 (2018-09-10), pages 55 - 62 * |
| 薛松;陈珂宁;马莉;范孟华;: "我国近期促进新能源消纳的需求侧资源应用模式", 技术经济与管理研究, no. 04, 26 April 2018 (2018-04-26), pages 89 - 94 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117200176B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109063925B (zh) | 一种计及负荷聚合商的区域综合能源***优化运行方法 | |
| CN104214912B (zh) | 一种基于温度设定值调整的聚合空调负荷调度方法 | |
| CN110729726B (zh) | 一种智慧社区能量优化调度方法和*** | |
| CN110400059B (zh) | 一种综合能源***联络线功率控制方法 | |
| CN105135623B (zh) | 一种满足电网调峰和用户舒适度的中央空调减载控制方法 | |
| CN107069773B (zh) | 基于需求侧资源统一状态模型的负荷平滑控制方法 | |
| Wang et al. | Load curve smoothing strategy based on unified state model of different demand side resources | |
| CN107732977A (zh) | 一种基于需求响应的agc实时调度方法 | |
| CN110848895B (zh) | 一种非工空调柔性负荷控制方法和*** | |
| CN110542177A (zh) | 面向需求响应的变频空调聚合控制方法 | |
| CN110752629B (zh) | 一种交直流混合家庭微电网能量优化管理方法 | |
| CN112032882B (zh) | 一种冰蓄冷空调***的调度方法 | |
| 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 | |
| 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 | |
| CN114825371A (zh) | 基于调节前后节点电压约束的聚合温控负荷多层调控方法 | |
| CN117200176B (zh) | 一种基于新能源多负荷协同控制的需求侧控制方法及*** | |
| CN117151398A (zh) | 一种基于虚拟电厂的中央空调调控方法及*** | |
| CN107273673B (zh) | 一种考虑平抑风电波动的空调冷水机组群控方法 | |
| Fan et al. | An optimization management strategy for energy efficiency of air conditioning loads in smart building | |
| CN116995665A (zh) | 一种基于多种灵活性资源的电网***调度方法及装置 | |
| CN114142479B (zh) | 计及多类型可调节负荷资源的用户侧能量调度方法及*** | |
| CN110943452B (zh) | 一种电力***优化调度的方法 | |
| CN111884216B (zh) | 一种基于建筑电力需求响应的多目标控制方法 | |
| CN113420413A (zh) | 一种基于负荷可塑性的柔性负荷可调节能力量化方法及*** | |
| CN112967152B (zh) | 一种水环热泵负荷聚合建模与控制方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |