一种用户侧柔性负荷聚合调控方法及系统与流程
本发明涉及负荷调控,尤其是涉及一种用户侧柔性负荷聚合调控方法及系统。
背景技术:
1、现有的柔性负荷调控方法通常按以下方式实现:首先,依据设备类型(例如,空调、充电桩和电热水器等)和历史负荷数据建立可调资源池;然后,利用短期负荷预测或用户基线负荷计算方法,估算各负荷或负荷聚合体的可调节潜力;最后,基于静态额定容量或历史典型曲线分配调控量,形成对各负荷的调控指令。在碳核算方面,现有技术多将调控时段内的电量变化与固定的平均电力碳排因子相乘,以此估算碳减排量。
2、然而,上述现有技术方案存在以下问题:
3、第一,同一类型设备的实际可调能力随工况实时变化(例如,室内外温度、设备启停时长、车辆荷电状态以及生产任务等),按类型聚类得到的典型曲线无法准确代表当前时刻的控制响应;若根据静态额定容量分配调控量,容易产生实际调控响应不足、调控过响应或频繁补调。第二,温控负荷和可移时负荷在调控释放后通常会补偿运行,形成反弹功率。当反弹发生在更高碳时段时,可能出现调控时段内看似减排而全周期净增碳的情况。综上,现有柔性负荷调控方法存在的调控结果不准确的问题。
技术实现思路
1、本发明提供一种用户侧柔性负荷聚合调控方法及系统,以解决现有柔性负荷调控方法存在的调控结果不准确的技术问题。
2、为了解决上述技术问题,本发明实施例提供了一种用户侧柔性负荷聚合调控方法,包括:
3、采集各用户侧柔性负荷响应互补功率测试指令的功率实测数据,基于各所述功率实测数据,得到各所述负荷的响应模型参数集;
4、基于功率调控总目标,以及各所述负荷的状态边界信息,确定各所述负荷的候选调控指令组;
5、基于各所述负荷的响应模型参数集和候选调控指令组,预测各所述负荷的功率时变数据;
6、将各所述负荷的功率时变数据与时变碳排系数进行逻辑运算,得到各所述负荷的全周期碳排效应数据;
7、根据所述全周期碳排效应数据对所述候选调控指令组进行筛选,得到各所述负荷的当前调控指令,基于所述当前调控指令对各所述负荷的当前功率进行调控。
8、作为其中一种筛选方案,所述采集各用户侧柔性负荷响应互补功率测试指令的功率实测数据,基于各所述功率实测数据,得到各所述负荷的响应模型参数集包括:
9、向功率调控方向相反的第一负荷和第二负荷下发互补功率测试指令;
10、采集所述第一负荷从响应所述互补功率测试指令到功率恢复稳态的过程中的第一功率实测数据,以及所述第二负荷从响应所述互补功率测试指令到功率恢复稳态的过程中的第二功率实测数据;
11、基于系统辨识算法,分别对所述第一功率实测数据和所述第二功率实测数据进行拟合,分别对应得到所述第一负荷的响应模型参数集,以及所述第二负荷的响应模型参数集。
12、作为其中一种筛选方案,所述基于功率调控总目标,以及各所述负荷的状态边界信息,确定各所述负荷的候选调控指令组包括:
13、接收作用于所有所述负荷的功率调控总目标;
14、基于所述功率调控总目标,生成作用于各所述负荷的所有候选调控指令;
15、根据各所述负荷的状态边界信息,对各所述负荷的所有候选调控指令进行筛选,得到各所述负荷的候选调控指令组。
16、作为其中一种筛选方案,所述基于各所述负荷的响应模型参数集和候选调控指令组,预测各所述负荷的功率时变数据包括:
17、将所述候选调控指令组中的各调控指令输入目标响应模型进行时域仿真,得到各所述调控指令的预测功率变化数据;所述目标响应模型是基于所述响应模型参数集得到的;
18、整合各所述调控指令的预测功率变化数据,得到各所述负荷的功率时变数据。
19、作为其中一种筛选方案,所述将各所述负荷的功率时变数据与时变碳排系数进行逻辑运算,得到各所述负荷的全周期碳排效应数据之后包括:
20、根据所述全周期碳排效应数据对所述候选调控指令组进行筛选,得到各所述负荷的当前调控指令,以及各未来时段的计划调控指令;
21、基于所述当前调控指令对各所述负荷的当前功率进行调控,得到各所述负荷的当前实测功率变化数据;
22、基于各所述负荷的当前实测功率变化数据与所述当前调控指令的比较结果,对各所述负荷的各所述未来时段的计划调控指令进行修正,以及反馈更新各所述负荷的响应模型参数集。
23、本发明另一实施例提供了一种用户侧柔性负荷聚合调控系统,包括:
24、响应模型参数集确定模块,用于采集各用户侧柔性负荷响应互补功率测试指令的功率实测数据,基于各所述功率实测数据,得到各所述负荷的响应模型参数集;
25、候选调控指令组确定模块,用于基于功率调控总目标,以及各所述负荷的状态边界信息,确定各所述负荷的候选调控指令组;
26、功率时变数据预测模块,用于基于各所述负荷的响应模型参数集和候选调控指令组,预测各所述负荷的功率时变数据;
27、全周期碳排效应数据确定模块,用于将各所述负荷的功率时变数据与时变碳排系数进行逻辑运算,得到各所述负荷的全周期碳排效应数据;
28、负荷功率聚合调控模块,用于根据所述全周期碳排效应数据对所述候选调控指令组进行筛选,得到各所述负荷的当前调控指令,基于所述当前调控指令对各所述负荷的当前功率进行调控。
29、作为其中一种筛选方案,所述响应模型参数集确定模块包括:
30、互补功率测试指令下发单元,用于向功率调控方向相反的第一负荷和第二负荷下发互补功率测试指令;
31、功率实测数据采集单元,用于采集所述第一负荷从响应所述互补功率测试指令到功率恢复稳态的过程中的第一功率实测数据,以及所述第二负荷从响应所述互补功率测试指令到功率恢复稳态的过程中的第二功率实测数据;
32、响应模型参数集确定单元,用于基于系统辨识算法,分别对所述第一功率实测数据和所述第二功率实测数据进行拟合,分别对应得到所述第一负荷的响应模型参数集,以及所述第二负荷的响应模型参数集。
33、作为其中一种筛选方案,所述候选调控指令组确定模块包括:
34、功率调控总目标接收单元,用于接收作用于所有所述负荷的功率调控总目标;
35、候选调控指令生成单元,用于基于所述功率调控总目标,生成作用于各所述负荷的所有候选调控指令;
36、候选调控指令组确定单元,用于根据各所述负荷的状态边界信息,对各所述负荷的所有候选调控指令进行筛选,得到各所述负荷的候选调控指令组。
37、作为其中一种筛选方案,所述功率时变数据预测模块包括:
38、预测功率变化数据确定单元,用于将所述候选调控指令组中的各调控指令输入目标响应模型进行时域仿真,得到各所述调控指令的预测功率变化数据;所述目标响应模型是基于所述响应模型参数集得到的;
39、功率时变数据确定单元,用于整合各所述调控指令的预测功率变化数据,得到各所述负荷的功率时变数据。
40、作为其中一种筛选方案,所述负荷功率聚合调控模块包括:
41、调控指令组筛选单元,用于根据所述全周期碳排效应数据对所述候选调控指令组进行筛选,得到各所述负荷的当前调控指令,以及各未来时段的计划调控指令;
42、当前实测功率变化数据确定单元,用于基于所述当前调控指令对各所述负荷的当前功率进行调控,得到各所述负荷的当前实测功率变化数据;
43、调控反馈单元,用于基于各所述负荷的当前实测功率变化数据与所述当前调控指令的比较结果,对各所述负荷的各所述未来时段的计划调控指令进行修正,以及反馈更新各所述负荷的响应模型参数集。
44、本技术构建了从负荷特性获取到低碳调控决策的完整技术闭环。首先,利用互补功率测试指令同时采集相反方向负荷的实测响应数据并独立拟合各负荷响应模型参数集,使得在获取各负荷真实动态特性的同时将辨识过程对用户总功率的扰动控制在门限以内。其次,基于各负荷的状态边界信息筛选候选调控指令组,确保后续所有可选方案均不突破设备物理极限或用户使用约束。再者,利用响应模型参数集对各候选指令进行时域仿真,预先获得各负荷在完整调控周期(含释放反弹段)内的功率变化预测轨迹。然后,将该功率时变数据与时变碳排系数逐时刻加权累加,使得调控作用段和释放反弹段的碳影响均被纳入同一核算窗口,准确量化各候选指令的全周期净碳效应。最后,依据全周期碳排效应数据对各候选指令进行筛选并下发执行,确保所选方案在功率跟踪精度与低碳效益之间达到最优平衡。上述过程相互依赖,逐层递进,共同解决了现有因忽略工况变化、反弹碳效应和模型失配而导致的调控偏差与碳核算失准问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com