基于虚拟储能的变频空调群组需求响应优化模型及方法与流程

1.本发明涉及电气工程及其自动化技术领域，具体涉及一种基于虚拟储能的变频空调群组需求响应优化模型及方法。


背景技术：

2.考虑到空调-建筑具有的虚拟储能特性。国内外已有较多针对空调负荷的虚拟储能建模及参与需求响应研究，大多基于一阶etp模型构建。针对空调负荷参与需求响应的控制方法，目前较多采用的是直接负荷控制方法，包括开关控制、温度控制、周期性暂停控制及频率控制。占空比控制是指周期性开关空调负荷，通过调节运行所占的占空比调节负荷，常用于对中央空调的控制；频率控制是指通过变频终端控制压缩机频率，进而改变空调功率，适用于变频空调；开关控制及温度控制则几乎适用于所有空调负荷，定频空调常采用这两种控制方式。每种控制方法都各有利弊，开关控制可以快速调节负荷大小，响应速度快、容量大，但在舒适度约束下可调节时间较短；温度控制可调节时间长，但由于实际空调控制及温度变化的滞后性响应速度较慢，且可调容量较小。而针对变频空调的频率控制不仅可实现负荷的快速变化，也可以在温度达到设定值后改变频率值达到稳定状态。
3.但在实际应用中侵入式变频控制终端的安装难度及成本较高，难以推广。故选择控制方式时，要基于空调负荷类型、响应类型对控制要求及控制成本等方面综合考虑。
4.因此，亟需设计一种基于虚拟储能的变频空调群组需求响应优化模型及方法。


技术实现要素：

5.本发明的目的在于提供一种基于虚拟储能的变频空调群组需求响应优化模型及方法，以解决上述背景技术中提出的问题。
6.为实现上述目的，本发明提供如下技术方案：一种基于虚拟储能的变频空调群组需求响应优化模型及方法，包括以下步骤：
7.s1：基于负荷准线的需求响应评价指标；
8.s2：变频空调群组虚拟储能需求响应优化模型；
9.s3：基于虚拟储能的变频空调群组需求响应控制策略。
10.进一步的，上述基于虚拟储能的变频空调群组需求响应优化模型及方法中，所述s1的具体步骤为：
11.为尽可能完全消纳新能源出力，负荷准线的计算模型如图2所示，负荷准线通常由电力部门dr中心发布，以形状定义；dr中心根据全网的运行参数，考虑发电机组出力及爬坡约束、新能源出力范围约束、发电成本及弃风、弃光成本，求解系统最低运行费用得到cdl的形状；参与dr的用户则将自身负荷曲线的形状主动调整靠近cdl的形状，自主响应dr，并根据负荷曲线与cdl的相似度评估用户的dr贡献度并给予激励；
12.负荷准线的计算模型中，目标函数为最小化系统运行费用，包括发电机组出力成本以及弃风、弃电成本，设置如下：
[0013][0014]
式中：t为总时段长度，p
g,j
(ti)表示第j台可调机组ti时段的有功功率，aj、bj、cj为费用系数，共有n台可调机组；pr(ti)、p
r,max
(ti)为新能源在ti时段内的出力及最大可出力,cr为新能源弃电单位成本；通过设置cr为较大值，提高弃风、弃光成本在运行总费用中的占比，便能实现在可调范围内最大限度地消纳新能源出力；
[0015]
假定系统内柔性负荷调节能力足够强，以系统内可调部分平衡不可调部分，得到功率平衡约束如式(2)：
[0016][0017]
式中：pd(ti)、pc(ti)分别代表ti时段的可控负荷、不可控负荷大小；除功率平衡约束外，模型求解时还应考虑单台发电机组出力及爬坡约束、新能源出力范围等；
[0018]
基于负荷准线的需求响应关注的是负荷曲线的形状，因而对负荷准线标幺化，记为如式(3)：
[0019][0020]
除可引导用户参与dr协助充分消纳新能源外，基于cdl的ibdr还是一种自下而上的组织方法，各dr用户可以自发根据cdl调整负荷曲线，只要实现了个体的良好响应，在整体的系统层面上，负荷形状也将贴近cdl，从而实现系统的自趋优运行；
[0021]
用户的dr效益根据负荷曲线形状与cdl的相似度计算，准线相似度指标e定义如下：
[0022][0023]
式中：ε为给定的系数，为标幺化的用户负荷曲线，d是与的欧氏距离；据此，基于准线相似度指标e对dr用户的激励e计算如下：
[0024][0025]
式中：c代表电价激励系数，对用户的激励e相当于在电价基础上给予一定的折扣率；在用电量不变的前提下，用户负荷的准线相似度指标e越大，电价折扣率越大，获取的激励也越高。
[0026]
进一步的，上述基于虚拟储能的变频空调群组需求响应优化模型及方法中，所述s2的具体步骤为：
[0027]
考虑一个园区内包含大量可调变频空调负荷、不可调的刚性负荷以及少量新能源；参与需求响应时，变频空调负荷等效为虚拟储能，以最小化系统运行费用为优化目标进行优化；
[0028]
在优化模型中，对变频空调虚拟储能采用时间解耦的充放电控制，可以将变频空调群组聚合为一个整体的虚拟储能，通过计算每台空调在ti的充放电功率，即可得到整体的充放电功率，进而优化调度；对变频空调负荷虚拟储能，储能在不同时段的充放电功率存在限制：
[0029][0030]
式中：p
ch,max
(ti)、p
dis,max
(ti)代表ti时段变频空调负荷虚拟储能充、放电功率的最大值(δt
cont
取1小时)，k代表空调编号，共有m台可调变频空调负荷；
[0031]
利用智能用电网络的用户互动功能，由变频空调用户设定需求响应参数，如是否参加需求响应、参与响应的空调温度可调范围等。对不参与需求响应的变频空调负荷，纳入刚性负荷，园区内的功率平衡约束如下：
[0032][0033]
柔性负荷pd(ti)计算如下：
[0034][0035]
优化目标为最小化园区运行费用，具体为购电费用减去需求响应激励，本文选择基于cdl的ibdr策略，运行费用计算如下：
[0036][0037]
式中：c
ost
代表园区运行费用，p
ric
代表基础电价；
[0038]
考虑到新能源负荷的波动性，其出力预测可能在日内不断变化调整；同时，空调负荷的二阶etp模型参数在日内也可能随着环境变化，从而导致空调符合虚拟储能模型参数变化；因而可对模型在日内进行滚动优化，不断根据最新的新能源出力预测值以及在线辨识的空调负荷模型参数，更新模型参数并优化结果，调整虚拟储能出力。
[0039]
进一步的，上述基于虚拟储能的变频空调群组需求响应优化模型及方法中，所述s3的具体步骤为：
[0040]
本方案中空调参与需求响应的可调温度由用户自主设定，并可自主选择是否接受调控，因而用户参与需求响应的意愿可通过虚拟储能充放电功率反映；在本文时间解耦的控制方式下，变频空调虚拟储能充放电功率p
ves
基本不受室内气体虚拟储能荷电状态s
ovc,a
及固体虚拟储能荷电状态s
ovc,m
的影响，也即s
ovc,a
、s
ovc,m
无法反映虚拟储能充放电功率状态；
[0041]
因此本方案直接基于虚拟储能充放电功率p
ves,k
对变频空调负荷排序控制，优先控制虚拟储能充放电功率较大的空调负荷，减少总控制次数；本文对变频空调集群虚拟储能参与需求响应的日内滚动优化流程如图3。
[0042]
进一步的，上述基于虚拟储能的变频空调群组需求响应优化模型及方法中，求解滚动优化的需求响应模型时，总时段t为日内24小时，以最小化t时段内的系统运行费用c
ost
(p
ves
)为优化目标；
[0043]
需要注意的是，当前ti时刻前的日内空调负荷出力采用历史实际值，优化时段为ti至24时的剩余时段；且滚动优化模型的虚拟储能出力优化结果仅在当前ti时刻后的一个控制周期(1小时)内等于实际虚拟储能出力，下一控制周期的虚拟储能出力根据下一周期最新的滚动优化模型优化得到；
[0044]
求解优化模型得到变频空调虚拟储能出力p
ves
(ti)后，依据虚拟储能充放电功率优先原则对空调进行排序控制，直至虚拟储能总出力达到优化值；对变频空调进行温度控制，利用智能红外终端设置温度，对变频空调虚拟储能进行时间解耦的充放电控制；从算例可以看出，实际温度控制变频空调的响应延迟在约1至3分钟左右，相较一小时的控制周期是可接受的；同时温度控制的方式适用于各种不同类型的空调，便于推广。
[0045]
与现有技术相比，本发明的有益效果是：
[0046]
本发明基于研究变频空调虚拟储能的需求响应方法，为充分吸收电网内的高比例新能源，基于负荷准线开展需求响应研究，以包含大量变频空调负荷的园区为研究对象，充分考虑园区内新能源出力的波动性以及空调负荷模型参数的时变性，构建需求响应日内滚动优化模型，在日内对新能源出力进行预测并在线辨识空调负荷模型参数，通过虚拟储能抑制新能源出力波动的同时响应准线；即本发明能够对变频空调负荷虚拟储能参与需求响应采用的日内滚动优化策略，能有效解决日内新能源出力的波动问题，实现变频空调虚拟储能模型参数的准确计算，优化需求响应效果。
附图说明
[0047]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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。
[0048]
图1为本发明基于负荷基线的需求响应机制示意图；
[0049]
图2为本发明负荷准线计算模型示意图；
[0050]
图3为本发明基于虚拟储能的变频空调需求响应的日内滚动优化流程示意图；
具体实施方式
[0051]
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0052]
本发明提供一种技术方案：
[0053]
一种基于虚拟储能的变频空调群组需求响应优化模型及方法，包括以下步骤：
[0054]
s1：基于负荷准线的需求响应评价指标；
[0055]
变频空调虚拟储能参与dr首先需明确相应的评价指标，用于衡量其参与需求响应的效果；现有ibdr(激励型需求响应)广泛采用负荷基线cbl作为实施准则，以用户不参与dr的负荷预测值与实际负荷的减少量来量化用户在dr中的贡献度，并以此计算激励，如图1所
示；
[0056]
基于cbl的ibdr在引导用户削减峰值负荷时具有很好的效果；但其实施基于负荷预测值，无法完全保障准确性；同时，无法准确评价用户对消纳新能源的贡献，因而不能有效引导消纳高比例新能源；
[0057]
为尽可能完全消纳新能源出力，负荷准线的计算模型如图2所示，负荷准线通常由电力部门dr中心发布，以形状定义；dr中心根据全网的运行参数，考虑发电机组出力及爬坡约束、新能源出力范围约束、发电成本及弃风、弃光成本，求解系统最低运行费用得到cdl的形状；参与dr的用户则将自身负荷曲线的形状主动调整靠近cdl的形状，自主响应dr，并根据负荷曲线与cdl的相似度评估用户的dr贡献度并给予激励；
[0058]
负荷准线的计算模型中，目标函数为最小化系统运行费用，包括发电机组出力成本以及弃风、弃电成本，设置如下：
[0059][0060]
式中：t为总时段长度，p
g,j
(ti)表示第j台可调机组ti时段的有功功率，aj、bj、cj为费用系数，共有n台可调机组；pr(ti)、p
r,max
(ti)为新能源在ti时段内的出力及最大可出力,cr为新能源弃电单位成本；通过设置cr为较大值，提高弃风、弃光成本在运行总费用中的占比，便能实现在可调范围内最大限度地消纳新能源出力；
[0061]
假定系统内柔性负荷调节能力足够强，以系统内可调部分平衡不可调部分，得到功率平衡约束如式(2)：
[0062][0063]
式中：pd(ti)、pc(ti)分别代表ti时段的可控负荷、不可控负荷大小；除功率平衡约束外，模型求解时还应考虑单台发电机组出力及爬坡约束、新能源出力范围等；
[0064]
基于负荷准线的需求响应关注的是负荷曲线的形状，因而对负荷准线标幺化，记为如式(3)：
[0065][0066]
除可引导用户参与dr协助充分消纳新能源外，基于cdl的ibdr还是一种自下而上的组织方法，各dr用户可以自发根据cdl调整负荷曲线，只要实现了个体的良好响应，在整体的系统层面上，负荷形状也将贴近cdl，从而实现系统的自趋优运行；
[0067]
用户的dr效益根据负荷曲线形状与cdl的相似度计算，准线相似度指标e定义如下：
[0068][0069]
式中：ε为给定的系数，为标幺化的用户负荷曲线，d是与的欧氏
距离；据此，基于准线相似度指标e对dr用户的激励e计算如下：
[0070][0071]
式中：c代表电价激励系数，对用户的激励e相当于在电价基础上给予一定的折扣率；在用电量不变的前提下，用户负荷的准线相似度指标e越大，电价折扣率越大，获取的激励也越高。
[0072]
s2：变频空调群组虚拟储能需求响应优化模型；
[0073]
考虑一个园区内包含大量可调变频空调负荷、不可调的刚性负荷以及少量新能源；参与需求响应时，变频空调负荷等效为虚拟储能，以最小化系统运行费用为优化目标进行优化；
[0074]
在优化模型中，对变频空调虚拟储能采用时间解耦的充放电控制，可以将变频空调群组聚合为一个整体的虚拟储能，通过计算每台空调在ti的充放电功率，即可得到整体的充放电功率，进而优化调度；对变频空调负荷虚拟储能，储能在不同时段的充放电功率存在限制：
[0075][0076]
式中：p
ch,max
(ti)、p
dis,max
(ti)代表ti时段变频空调负荷虚拟储能充、放电功率的最大值(δt
cont
取1小时)，k代表空调编号，共有m台可调变频空调负荷；
[0077]
利用智能用电网络的用户互动功能，由变频空调用户设定需求响应参数，如是否参加需求响应、参与响应的空调温度可调范围等。对不参与需求响应的变频空调负荷，纳入刚性负荷，园区内的功率平衡约束如下：
[0078][0079]
柔性负荷pd(ti)计算如下：
[0080][0081]
优化目标为最小化园区运行费用，具体为购电费用减去需求响应激励，本文选择基于cdl的ibdr策略，运行费用计算如下：
[0082][0083]
式中：c
ost
代表园区运行费用，p
ric
代表基础电价；
[0084]
考虑到新能源负荷的波动性，其出力预测可能在日内不断变化调整；同时，空调负荷的二阶etp模型参数在日内也可能随着环境变化，从而导致空调符合虚拟储能模型参数变化；因而可对模型在日内进行滚动优化，不断根据最新的新能源出力预测值以及在线辨识的空调负荷模型参数，更新模型参数并优化结果，调整虚拟储能出力。
[0085]
s3：基于虚拟储能的变频空调群组需求响应控制策略。
[0086]
对空调群组虚拟储能参与需求响应控制的研究目前已有较多，其中较多采用的是
sovc优先原则；此外，还有考虑用户需求响应意愿，基于控制代价排序的控制方法，以及基于室内温度高低排序等；
[0087]
本方案中空调参与需求响应的可调温度由用户自主设定，并可自主选择是否接受调控，因而用户参与需求响应的意愿可通过虚拟储能充放电功率反映；在本文时间解耦的控制方式下，变频空调虚拟储能充放电功率p
ves
基本不受室内气体虚拟储能荷电状态s
ovc,a
及固体虚拟储能荷电状态s
ovc,m
的影响，也即s
ovc,a
、s
ovc,m
无法反映虚拟储能充放电功率状态；
[0088]
因此本方案直接基于虚拟储能充放电功率p
ves,k
对变频空调负荷排序控制，优先控制虚拟储能充放电功率较大的空调负荷，减少总控制次数；本文对变频空调集群虚拟储能参与需求响应的日内滚动优化流程如图3。
[0089]
求解滚动优化的需求响应模型时，总时段t为日内24小时，以最小化t时段内的系统运行费用c
ost
(p
ves
)为优化目标；
[0090]
需要注意的是，当前ti时刻前的日内空调负荷出力采用历史实际值，优化时段为ti至24时的剩余时段；且滚动优化模型的虚拟储能出力优化结果仅在当前ti时刻后的一个控制周期(1小时)内等于实际虚拟储能出力，下一控制周期的虚拟储能出力根据下一周期最新的滚动优化模型优化得到；
[0091]
求解优化模型得到变频空调虚拟储能出力p
ves
(ti)后，依据虚拟储能充放电功率优先原则对空调进行排序控制，直至虚拟储能总出力达到优化值；对变频空调进行温度控制，利用智能红外终端设置温度，对变频空调虚拟储能进行时间解耦的充放电控制；从算例可以看出，实际温度控制变频空调的响应延迟在约1至3分钟左右，相较一小时的控制周期是可接受的；同时温度控制的方式适用于各种不同类型的空调，便于推广。
[0092]
综上，本文对变频空调负荷虚拟储能参与需求响应采用的日内滚动优化策略，能有效解决日内新能源出力的波动问题，实现变频空调虚拟储能模型参数的准确计算，优化需求响应效果。
[0093]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0094]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。