可左右滑动选省市

一种基于竞价的空调负荷聚合控制方法发明专利

更新时间:2024-11-01
一种基于竞价的空调负荷聚合控制方法发明专利 专利申请类型:发明专利;
地区:江苏-南京;
源自:南京高价值专利检索信息库;

专利名称:一种基于竞价的空调负荷聚合控制方法

专利类型:发明专利

专利申请号:CN202311400009.7

专利申请(专利权)人:国网江苏综合能源服务有限公司
权利人地址:江苏省南京市建邺区奥体大街9号

专利发明(设计)人:王磊,陆中奇,周小飞,陈哲,刘伟

专利摘要:本发明公开了一种基于竞价的空调负荷聚合控制方法,涉及智能用电技术领域,该方法包括以下步骤:S1、构建非工空调负荷调控用户资源池,并整合资源池内可调节的档案信息;S2、利用智能终端对空调设备进行监测与远程调控,并基于空调功率控制模型计算空调设备的实时可调节能力;S3、当区域发生负荷缺口时,适时启动空调负荷聚合控制事件,邀约调控将聚合平台的负荷需求分解为空调设备的功率调控指令;S4、利用聚合平台进行竞价调控、缺口调控指令下发以及缺口调控执行监视。本发明考虑用电能耗和舒适度等相关因素,建立用户侧空调功率控制模型,有效降低用电成本,减少用电峰值,提高能源利用效率,并同时确保用户的舒适度。

主权利要求:
1.一种基于竞价的空调负荷聚合控制方法,其特征在于,该方法包括以下步骤:S1、构建非工空调负荷调控用户资源池,并整合资源池内可调节的档案信息,形成设备档案体系,分析评估空调功率下调潜力;
S2、利用智能终端对空调设备进行监测与远程调控,并基于空调功率控制模型计算空调设备的实时可调节能力,将计算结果上传至聚合平台;
S3、当区域发生负荷缺口时,适时启动空调负荷聚合控制事件,邀约调控将聚合平台的负荷需求分解为空调设备的功率调控指令;
S4、利用聚合平台进行竞价调控、缺口调控指令下发以及缺口调控执行监视,并构建负荷聚合商交易竞价模型,实现设备间功率缺口交易;
所述利用聚合平台进行竞价调控、缺口调控指令下发以及缺口调控执行监视,并构建负荷聚合商交易竞价模型,实现设备间功率缺口交易包括以下步骤:S41、当可调控负荷小于需要调控的总负荷时,再次启动所述聚合平台进行竞价调控、缺口调控指令下发以及缺口调控执行监视,执行所述空调负荷聚合控制事件第二轮次调控;
S42、构建负荷聚合商交易竞价模型,利用所述交易竞价模型撮合能力富余设备与能力短缺设备进行功率缺口交易;
S43、向所述资源池内满足条件且竞价成功的用户下发调控指令,使竞价成功的用户按照下发的调控指令进行负荷的控制,完成调控事件;
所述构建负荷聚合商交易竞价模型包括以下步骤:S421、以成本最小化设定目标函数,所述目标函数表达式为:式中,pi,t表示第i个用户的空调设备的功率调节单价;
Pi,t表示第i个用户的空调设备的功率;
n表示竞价成功的用户数量;
t表示调控时长;
S422、设定所述交易竞价模型的约束条件;
S423、定义所述交易竞价模型的目标函数转化式,构建形成所述交易竞价模型,所述目标函数转化式的表达式为:式中,N表示空调总设备数;
表示终端i在时段t的启停状态;
表示对应时段的必开最低出力;
表示终端i最大上爬速率;
表示终端i最大下爬速率;
TD表示终端的最小连续停机时间;
表示终端i在时段t时连续停机的时间。
2.根据权利要求1所述的一种基于竞价的空调负荷聚合控制方法,其特征在于,所述构建非工空调负荷调控用户资源池,并整合资源池内可调节的档案信息,形成设备档案体系,分析评估空调功率下调潜力包括以下步骤:S11、构建非工空调负荷调控用户资源池,并获取空调竞价信息;
S12、整合所述资源池内空调设备的档案信息,合并构建设备档案体系;
S13、将所述空调设备的历史运行数据进行存档,基于所述历史运行数据分析与评估所述空调设备的功率下调能力;
S14、建立聚合平台,将所述资源池的信息数据以及调控指令下发流程通过所述聚合平台进行可视化操作。
3.根据权利要求2所述的一种基于竞价的空调负荷聚合控制方法,其特征在于,所述空调竞价信息表示用户按照所述空调设备的温度风速的调节量进行报价,再利用所述空调功率控制模型将温度风速调节量报价上报;
所述档案信息包括额定功率、空调类型、静态可调节能力及爬坡率。
4.根据权利要求1所述的一种基于竞价的空调负荷聚合控制方法,其特征在于,所述利用智能终端对空调设备进行监测与远程调控,并基于空调功率控制模型计算空调设备的实时可调节能力,将计算结果上传至聚合平台包括以下步骤:S21、在所述空调设备与聚合平台之间引入智能终端,且所述智能终端通过消息队列遥测传输协议与所述聚合平台建立通讯连接;
S22、通过所述智能终端对所述空调设备进行监测与远程调控,利用所述智能终端采集与存储所述空调设备的实时工况数据;
S23、利用所述实时工况数据建立基于用户侧的空调功率控制模型;
S24、所述智能终端利用所述空调功率控制模型计算用户的所述空调设备的实时可调节能力,并将计算结果上传至所述聚合平台。
5.根据权利要求4所述的一种基于竞价的空调负荷聚合控制方法,其特征在于,所述利用所述实时工况数据建立基于用户侧的空调功率控制模型包括以下步骤:S231、利用所述实时工况数据建立空调能耗模型,所述空调能耗模型的表达式为:式中,P消耗表示空调设备运行消耗的功率;
Te表示空调设备设定温度;
Wv表示空调设备的设定风速;
P额定表示空调设备的额定功率;
λ表示空调设备的制冷制热参数;
ɑ,β表示针对空调设备建模得到的固定权重系数;
Td和Wd分别表示空调设备设定的目标温度和目标风速;
S232、建立所述空调设备的舒适度模型,所述舒适度模型的表达式为:式中,Y表示空调设备的舒适度;
c1与c2分别表示空调设备的温度与风速的舒适度常数;
p表示最低舒适度系数;
S233、对所述空调能耗模型与所述舒适度函数进行约束求解,构建空调功率控制模型,得到满足最大功率与最大舒适度的最优解,返回需要达到的设定温度与出风速度,所述空调功率控制模型的表达式为:式中,Emin(P,Y)表示最小能耗下的最大功率与最大舒适度的最优解;
ts表示调控的开始时间;
te表示调控的结束时间;
l1、l2分别表示空调能耗模型与舒适度模型的权重参数。
6.根据权利要求1所述的一种基于竞价的空调负荷聚合控制方法,其特征在于,所述当区域发生负荷缺口时,适时启动空调负荷聚合控制事件,邀约调控将聚合平台的负荷需求分解为空调设备的功率调控指令包括以下步骤:S31、当区域发生负荷缺口时,启动所述聚合平台进行事件启动、需求分解、邀约沟通及生成方案,执行空调负荷聚合控制事件的第一轮次调控;
S32、根据所述聚合平台功率控制目标总功率,再依据所述空调功率控制模型获取用户的实时可调节能力,结合优先级算法选择满足需求的空调设备作为受控设备,将目标总功率分解至各个所述受控设备;
S33、利用指令分解算法按需将总功率调控指令分解为四个分指令,再由所述聚合平台将所述分指令下发至所述智能终端执行监视。
7.根据权利要求6所述的一种基于竞价的空调负荷聚合控制方法,其特征在于,所述优先级算法包括潜力优先算法、配合度优先算法、均衡调节算法和随机调节算法;
所述指令分解算法的表达式为:
D=ω×Dh+σ×Dp+δ×Db+γ×Dr;
式中,D表示总功率调控指令;
ω、σ、δ及γ分别表示指令分解系数;
Dh、Dp、Db及Dr分别表示潜力优先指令、配合度优先指令、均衡调节指令及随机调节指令。
8.根据权利要求7所述的一种基于竞价的空调负荷聚合控制方法,其特征在于,所述设定所述交易竞价模型的约束条件包括以下步骤:S4221、设定所述交易竞价模型的调控功率条件约束,表达式为:∑idi,p=Dtotal;
式中,di,p表示第i个终端的调控功率需求;
Dtotal表示负荷集成商需要调控的总功率需求;
S4222、设定所述交易竞价模型的负荷聚合约束为,表达式为:式中,N表示空调总设备数;
表示终端i在时段t的启停状态;
表示对应时段的必开最低出力;
分别表示终端群j在时段t内的最大出力与最小出力;
表示终端i最大上爬速率;
表示终端i最大下爬速率;
TU表示终端的最小连续开机时间;
TD表示终端的最小连续停机时间;
表示终端i在时段t时已经连续开机的时间和连续停机的时间。 说明书 : 一种基于竞价的空调负荷聚合控制方法技术领域[0001] 本发明涉及智能用电技术领域,具体来说,涉及一种基于竞价的空调负荷聚合控制方法。背景技术[0002] 近年来,随着产业结构的调整和人民生活水平的提高,我国电力消费增速加快。其中,空调负荷快速增长,对电力电量平衡影响持续加大,导致电力供需矛盾不断加剧。夏季尖峰时刻空调负荷占最大用电负荷超过30%,严重影响了电力资源的优化配置。同时空调负荷具有可随时调节的高度灵活性、单类负荷资源的高度聚合性、可实时控制高度安全性等特性,具备参与电网柔性互动条件,所以研究空调聚合优化控制方法迫在眉睫。[0003] 如中国专利CN114331760A公开了一种负荷聚合商参与电力调峰市场申报量价的双目标优化方法,该方法提出了一种策略,帮助负荷聚合商在调峰电力市场中确定其报价和供电量。策略同时权衡了聚合商的利润和成功竞价的概率,并指导聚合商如何在下游市场定价和供电。但该策略并未涉及聚合商在电能量市场的活动。又比如中国专利CN110848895B公开了一种非工空调柔性负荷控制方法和系统,该方法与系统能够根据需求响应终端的实时数据调控空调设备。它采用特定的通信协议上报数据,并通过不同策略,来实现优化电力负荷的目标。但该策略并未涉及大规模非工空调负荷需求响应控制系统。[0004] 现有技术中,在对非工空调进行负荷调控时,由于不同空调系统型号参数、使用工况差异巨大,传统的空调聚合控制方法不能在运行过程中对每个空调设备实时修正其功率‑温度模型,进而在调控时也无法快速准确地将系统调整至最优状态;另一方面,传统的空调聚合控制方法不能在用户之间进行交易,无法实现聚合调节量最大,成本最低的优化目标。[0005] 针对相关技术中的问题,目前尚未提出有效的解决方案。发明内容[0006] 针对相关技术中的问题,本发明提出一种基于竞价的空调负荷聚合控制方法,以克服现有相关技术所存在的上述技术问题。[0007] 为此,本发明采用的具体技术方案如下:[0008] 一种基于竞价的空调负荷聚合控制方法,该方法包括以下步骤:[0009] S1、构建非工空调负荷调控用户资源池,并整合资源池内可调节的档案信息,形成设备档案体系,分析评估空调功率下调潜力;[0010] S2、利用智能终端对空调设备进行监测与远程调控,并基于空调功率控制模型计算空调设备的实时可调节能力,将计算结果上传至聚合平台;[0011] S3、当区域发生负荷缺口时,适时启动空调负荷聚合控制事件,邀约调控将聚合平台的负荷需求分解为空调设备的功率调控指令;[0012] S4、利用聚合平台进行竞价调控、缺口调控指令下发以及缺口调控执行监视,并构建负荷聚合商交易竞价模型,实现设备间功率缺口交易。[0013] 进一步的,构建非工空调负荷调控用户资源池,并整合资源池内可调节的档案信息,形成设备档案体系,分析评估空调功率下调潜力包括以下步骤:[0014] S11、构建非工空调负荷调控用户资源池,并获取空调竞价信息;[0015] S12、整合资源池内空调设备的档案信息,合并构建设备档案体系;[0016] S13、将空调设备的历史运行数据进行存档,基于历史运行数据分析与评估空调设备的功率下调能力;[0017] S14、建立聚合平台,将资源池的信息数据以及调控指令下发流程通过聚合平台进行可视化操作。[0018] 进一步的,空调竞价信息表示用户按照空调设备的温度风速的调节量进行报价,再利用空调功率控制模型将温度风速调节量报价上报;[0019] 档案信息包括额定功率、空调类型、静态可调节能力及爬坡率。[0020] 进一步的,利用智能终端对空调设备进行监测与远程调控,并基于空调功率控制模型计算空调设备的实时可调节能力,将计算结果上传至聚合平台包括以下步骤:[0021] S21、在空调设备与聚合平台之间引入智能终端,且智能终端通过消息队列遥测传输协议与聚合平台建立通讯连接;[0022] S22、通过智能终端对空调设备进行监测与远程调控,利用智能终端采集与存储空调设备的实时工况数据;[0023] S23、利用实时工况数据建立基于用户侧的空调功率控制模型;[0024] S24、智能终端利用空调功率控制模型计算用户的空调设备的实时可调节能力,并将计算结果上传至聚合平台。[0025] 进一步的,利用实时工况数据建立基于用户侧的空调功率控制模型包括以下步骤:[0026] S231、利用实时工况数据建立空调能耗模型,空调能耗模型的表达式为:[0027][0028] 式中,P消耗表示空调设备运行消耗的功率;Te表示空调设备设定温度;Wv表示空调设备的设定风速;P额定表示空调设备的额定功率;λ表示空调设备的制冷制热参数;ɑ,β表示针对空调设备建模得到的固定权重系数;[0029] Td和Wd分别表示空调设备设定的目标温度和目标风速;[0030] S232、建立空调设备的舒适度模型,舒适度模型的表达式为:[0031][0032] 式中,Y表示空调设备的舒适度;c1与c2分别表示空调设备的温度与风速的舒适度常数;p表示最低舒适度系数;[0033] S233、对空调能耗模型与舒适度函数进行约束求解,构建空调功率控制模型,得到满足最大功率与最大舒适度的最优解,返回需要达到的设定温度与出风速度,空调功率控制模型的表达式为:[0034][0035] 式中,Emin(P,Y)表示最小能耗下的最大功率与最大舒适度的最优解;ts表示调控的开始时间;te表示调控的结束时间;l1、l2分别表示空调能耗模型与舒适度模型的权重参数。[0036] 进一步的,当区域发生负荷缺口时,适时启动空调负荷聚合控制事件,邀约调控将聚合平台的负荷需求分解为空调设备的功率调控指令包括以下步骤:[0037] S31、当区域发生负荷缺口时,启动聚合平台进行事件启动、需求分解、邀约沟通及生成方案,执行空调负荷聚合控制事件的第一轮次调控;[0038] S32、根据聚合平台功率控制目标总功率,再依据空调功率控制模型获取用户的实时可调节能力,结合优先级算法选择满足需求的空调设备作为受控设备,将目标总功率分解至各个受控设备;[0039] S33、利用指令分解算法按需将总功率调控指令分解为四个分指令,再由聚合平台将分指令下发至智能终端执行监视。[0040] 进一步的,优先级算法包括潜力优先算法、配合度优先算法、均衡调节算法和随机调节算法;[0041] 指令分解算法的表达式为:[0042] D=ω×Dh+σ×Dp+δ×Db+γ×Dr;[0043] 式中,D表示总功率调控指令;ω、σ、δ及γ分别表示指令分解系数;Dh、Dp、Db及Dr分别表示潜力优先指令、配合度优先指令、均衡调节指令及随机调节指令;[0044] 进一步的,利用聚合平台进行竞价调控、缺口调控指令下发以及缺口调控执行监视,并构建负荷聚合商交易竞价模型,实现设备间功率缺口交易包括以下步骤:[0045] S41、当可调控负荷小于需要调控的总负荷时,再次启动聚合平台进行竞价调控、缺口调控指令下发以及缺口调控执行监视,执行空调负荷聚合控制事件第二轮次调控;[0046] S42、构建负荷聚合商交易竞价模型,利用交易竞价模型撮合能力富余设备与能力短缺设备进行功率缺口交易;[0047] S43、向资源池内满足条件且竞价成功的用户下发调控指令,使竞价成功的用户按照下发的调控指令进行负荷的控制,完成调控事件。[0048] 进一步的,构建负荷聚合商交易竞价模型包括以下步骤:[0049] S421、以成本最小化设定目标函数,目标函数表达式为:[0050][0051] 式中,pi,t表示第i个用户的空调设备的功率调节单价;Pi,t表示第i个用户的空调设备的功率;n表示竞价成功的用户数量;t表示调控时长;[0052] S422、设定交易竞价模型的约束条件;[0053] S423、定义交易竞价模型的目标函数转化式,构建形成交易竞价模型,目标函数转化式的表达式为:[0054][0055] 式中,N表示空调总设备数; 表示终端i在时段t的启停状态; 表示对应时U D段的必开最低出力;ΔPi表示终端i最大上爬速率;ΔPi表示终端i最大下爬速率;TD表示终端的最小连续停机时间; 表示终端i在时段t时连续停机的时间。[0056] 进一步的,设定交易竞价模型的约束条件包括以下步骤:[0057] S4221、设定交易竞价模型的调控功率条件约束,表达式为:[0058] ∑idi,p=Dtotal;[0059] 式中,di,p表示第i个终端的调控功率需求;Dtotal表示负荷集成商需要调控的总功率需求;[0060] S4222、设定交易竞价模型的负荷聚合约束为,表达式为:[0061][0062] 式中,N表示空调总设备数; 表示终端i在时段t的启停状态; 表示对应时段的必开最低出力; 分别表示终端群j在时段t内的最大出力与最小出力;ΔU DPi表示终端i最大上爬速率;ΔPi 表示终端i最大下爬速率;TU表示终端的最小连续开机时间;TD表示终端的最小连续停机时间; 表示终端i在时段t时已经连续开机的时间和连续停机的时间。[0063] 本发明的有益效果为:通过建立用户资源池,将空调运行数据、用户竞价数据以及负荷聚合商调控数据加入用户资源池,有助于提高资源利用的效率,特别是在能源调控领域,从而提高系统的智能性和灵活性;其次,考虑用电能耗和舒适度等相关因素,建立用户侧空调功率控制模型,有效降低用电成本,减少用电峰值,提高能源利用效率,并同时确保用户的舒适度。[0064] 然后,负荷聚合商分为两个轮次进行负荷调控指令的下发,第一轮次结合潜力优先、配合度优先、均衡调节、随机调节等方法,进行负荷功率分解下发流程,如果不满足调控需求,则构建负荷聚合商交易竞价模型,进行第二轮次的负荷撮合交易,能够更加灵活地满足能源系统的调控需求,首轮次采用不同方法来满足调控需求,而第二轮次引入了负荷撮合交易,允许更灵活的能源资源交换,从而提高系统的稳定性和可靠性,降低能源成本,并改善用户的舒适度,促进可再生能源和智能电网的发展。附图说明[0065] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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。[0066] 图1是根据本发明实施例的一种基于竞价的空调负荷聚合控制方法的流程图。具体实施方式[0067] 根据本发明的实施例,提供了一种基于竞价的空调负荷聚合控制方法。[0068] 现结合附图和具体实施方式对本发明进一步说明,如图1所示,根据本发明实施例的基于竞价的空调负荷聚合控制方法,该方法包括以下步骤:[0069] S1、构建非工空调负荷调控用户资源池,并整合资源池内可调节的档案信息,形成设备档案体系,分析评估空调功率下调潜力。[0070] 在本发明的描述中,构建非工空调负荷调控用户资源池,并整合资源池内可调节的档案信息,形成设备档案体系,分析评估空调功率下调潜力包括以下步骤:[0071] S11、构建非工空调负荷调控用户资源池,并获取空调竞价信息。[0072] 其中,空调竞价信息表示用户按照空调设备的温度风速的调节量进行报价,再利用空调功率控制模型将温度风速调节量报价上报,方便后续竞价过程中通过资源池内的用户报价信息进行竞价参与。[0073] S12、整合资源池内空调设备的档案信息,合并构建设备档案体系。[0074] 其中,档案信息包括额定功率、空调类型(单体、VRV、水冷机组、风冷机组)、静态可调节能力及爬坡率。[0075] S13、将空调设备的历史运行数据进行存档,基于历史运行数据分析与评估空调设备的功率下调能力。[0076] S14、建立聚合平台,将资源池的数据以及调控指令下发等流程通过聚合平台进行可视化操作。[0077] 其中,聚合平台为可视化操作系统,可以对资源池内的数据以及操控指令等操作通过可视化的方式进行操作。[0078] S2、利用智能终端对空调设备进行监测与远程调控,智能终端介于负荷聚合平台和空调设备之间,基于空调功率控制模型计算空调设备的实时可调节能力,将计算结果上传至聚合平台。[0079] 在本发明的描述中,利用智能终端对空调设备进行监测与远程调控,并基于空调功率控制模型计算空调设备的实时可调节能力,将计算结果上传至聚合平台包括以下步骤:[0080] S21、在空调设备与聚合平台之间引入智能终端,且智能终端通过消息队列遥测传输(MQTT)协议与聚合平台建立通讯连接。[0081] 其中,智能终端对下采集存储空调设备运行状态,对上将空调设备运行状态数据转发至聚合平台。智能终端利用空调实时工况数据,基于空调功率控制模型,计算空调的实时可调节能力,并将空调实时可调节能力上送至聚合平台。[0082] S22、通过智能终端对空调设备进行监测与远程调控,利用智能终端采集与存储空调设备的实时工况数据。[0083] 其中,实时工况数据包括运行功率、环境温度、设置温度以及出风量等信息。[0084] S23、利用实时工况数据建立基于用户侧的空调功率控制模型。[0085] 在本发明的描述中,利用实时工况数据建立基于用户侧的空调功率控制模型包括以下步骤:[0086] S231、利用实时工况数据建立空调能耗模型,空调能耗模型的表达式为:[0087][0088] 式中,P消耗表示空调设备运行消耗的功率,Te表示空调设备设定温度,Wv表示空调设备的设定风速,P额定表示空调设备的额定功率,λ表示空调设备的制冷制热参数,ɑ,β表示针对空调设备建模得到的固定权重系数(通过采集到的空调运行数据以及用户舒适度反馈,通过线性回归模型得到最佳的权重系数),Td和Wd分别表示空调设备设定的目标温度和目标风速。[0089] S232、建立空调设备的舒适度模型,舒适度模型的表达式为:[0090][0091] 式中,Y表示空调设备的舒适度,c1与c2分别表示空调设备的温度与风速的舒适度常数,p表示最低舒适度系数,对应不开空调下的舒适度系数。[0092] S233、对空调能耗模型与舒适度函数进行约束求解,构建空调功率控制模型,得到满足最大功率与最大舒适度的最优解,返回需要达到的设定温度与出风速度,空调功率控制模型的表达式为:[0093][0094] 式中,Emin(P,Y)表示最小能耗下的最大功率与最大舒适度的最优解,ts表示调控的开始时间,te表示调控的结束时间,l1、l2分别表示空调能耗模型与舒适度模型的权重参数。[0095] S24、智能终端利用空调功率控制模型计算用户的空调设备的实时可调节能力,并将计算结果上传至聚合平台。[0096] S3、当区域发生负荷缺口时,适时启动空调负荷聚合控制事件,邀约调控将聚合平台的负荷需求分解为空调设备的功率调控指令。[0097] 在本发明的描述中,当区域发生负荷缺口时,适时启动空调负荷聚合控制事件,邀约调控将聚合平台的负荷需求分解为空调设备的功率调控指令包括以下步骤:[0098] S31、当区域发生负荷缺口时,启动聚合平台进行事件启动、需求分解、邀约沟通及生成方案,执行空调负荷聚合控制事件的第一轮次调控。[0099] S32、根据聚合平台功率控制目标总功率,再依据空调功率控制模型获取用户的实时可调节能力,结合优先级算法选择满足需求的空调设备作为受控设备,将目标总功率分解至各个受控设备。[0100] 其中,优先级算法包括潜力优先算法、配合度优先算法、均衡调节算法和随机调节算法,各个算法的具体内容如下:[0101] 潜力优先算法,优先选择单体调节潜力高的空调设备参与控制,减小受控设备数,降低管理成本。获取在线可调设备的实时可调节能力,按可调节能力从高到低进行选择,同时满足受控设备的实时可调节能力累计值大于聚合控制指令总和。[0102] 配合度优先算法,引入评分机制,优先调度配合度高的空调设备参与需求响应。调控事件结束后,对每台空调配合度进行评分,空调设备累计调控功率加1KWH,改空调设备的配合度加1。[0103] 均衡调节算法和随机调节算法,保持资源池设备均能参与负荷调控,提升设备参与的公平性。均衡调节方法的具体措施,选择调控次数低于阈值的在线设备,获取被选设备的实时可调节能力,随机选择若干设备参与负荷调控,同时满足被选设备的实时可调节能力大于需求值。[0104] S33、利用指令分解算法按需将总功率调控指令分解为四个分指令,再由聚合平台将分指令下发至智能终端执行监视。[0105] 具体的,指令分解算法的表达式为:[0106] D=ω×Dh+σ×Dp+δ×Db+γ×Dr;[0107] 式中,D表示总功率调控指令,ω、σ、δ及γ分别表示指令分解系数,Dh、Dp、Db及Dr分别表示潜力优先指令、配合度优先指令、均衡调节指令及随机调节指令。[0108] S4、利用聚合平台进行竞价调控、缺口调控指令下发以及缺口调控执行监视,并构建负荷聚合商(负荷聚合商为价格制定者参与电力交易市场)交易竞价模型,实现设备间功率缺口交易。[0109] 在本发明的描述中,利用聚合平台进行竞价调控、缺口调控指令下发以及缺口调控执行监视,并构建负荷聚合商交易竞价模型,实现设备间功率缺口交易包括以下步骤:[0110] S41、当可调控负荷小于需要调控的总负荷时,再次启动聚合平台进行竞价调控、缺口调控指令下发以及缺口调控执行监视,执行空调负荷聚合控制事件第二轮次调控。[0111] S42、构建负荷聚合商交易竞价模型,利用交易竞价模型撮合能力富余设备与能力短缺设备进行功率缺口交易。[0112] 在本发明的描述中,构建负荷聚合商交易竞价模型包括以下步骤:[0113] S421、以成本最小化设定目标函数,目标函数表达式为:[0114][0115] 式中,pi,t表示第i个用户的空调设备的功率调节单价,Pi,t表示第i个用户的空调设备的功率,n表示竞价成功的用户数量,t表示调控时长。[0116] S422、设定交易竞价模型的约束条件。[0117] 在本发明的描述中,设定交易竞价模型的约束条件包括以下步骤:[0118] S4221、设定交易竞价模型的调控功率条件约束,表达式为:[0119] ∑idi,p=Dtotal;[0120] 式中,di,p表示第i个终端的调控功率需求,Dtotal表示负荷集成商需要调控的总功率需求。[0121] S4222、设定交易竞价模型的负荷聚合约束为,表达式为:[0122][0123] 式中,N表示空调总设备数, 表示终端i在时段t的启停状态, 表示对应时段的必开最低出力, 分别表示终端群j在时段t内的最大出力与最小出力,表示终端i最大上爬速率, 表示终端i最大下爬速率,TU表示终端的最小连续开机时间,TD表示终端的最小连续停机时间, 表示终端i在时段t时已经连续开机的时间和连续停机的时间。[0124] S423、定义交易竞价模型的目标函数转化式,构建形成交易竞价模型,目标函数转化式的表达式为:[0125][0126] 式中,N表示空调总设备数, 表示终端i在时段t的启停状态, 表示对应时U段的必开最低出力(出力表示空调设备的最小可调节负荷),ΔPi表示终端i最大上爬速率,DΔPi表示终端i最大下爬速率,TD表示终端的最小连续停机时间, 表示终端i在时段t时连续停机的时间。[0127] 其中,终端i为空调设备和聚合平台之间的一个智能调控设备,进行运行数据的存储,可调控功率计算能功能,并且能够控制空调设备的能力。[0128] S43、向资源池内满足条件且竞价成功的用户下发调控指令,使竞价成功的用户按照下发的调控指令进行负荷的控制,完成调控事件。[0129] 综上所述,借助于本发明的上述技术方案,通过建立用户资源池,将空调运行数据、用户竞价数据以及负荷聚合商调控数据加入用户资源池,有助于提高资源利用的效率,特别是在能源调控领域,从而提高系统的智能性和灵活性;其次,考虑用电能耗和舒适度等相关因素,建立用户侧空调功率控制模型,有效降低用电成本,减少用电峰值,提高能源利用效率,并同时确保用户的舒适度。然后,负荷聚合商分为两个轮次进行负荷调控指令的下发,第一轮次结合潜力优先、配合度优先、均衡调节、随机调节等方法,进行负荷功率分解下发流程,如果不满足调控需求,则构建负荷聚合商交易竞价模型,进行第二轮次的负荷撮合交易,能够更加灵活地满足能源系统的调控需求,首轮次采用不同方法来满足调控需求,而第二轮次引入了负荷撮合交易,允许更灵活的能源资源交换,从而提高系统的稳定性和可靠性,降低能源成本,并改善用户的舒适度,促进可再生能源和智能电网的发展。[0130] 以上所述仅为本发明的较佳实施例而已,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。

专利地区:江苏

专利申请日期:2023-10-26

专利公开日期:2024-09-03

专利公告号:CN117454617B


以上信息来自国家知识产权局,如信息有误请联系我方更正!
电话咨询
读内容
搜本页
回顶部