激励条件下的大规模空调负荷聚合集群优化策略

为提高大规模空调负荷聚合精度、提升空调集群可调节潜力,提出了激励条件下的大规模空调负荷聚合集群优化策略。首先建立了大规模空调负荷聚合架构,然后建立单体的二阶空调等值热力参数模型,同时基于蒙特卡洛方法对不同区域的空调负荷进行二次聚合,建立用户满意度与激励水平之间的关系。在此基础上,以实际空调聚合功率与缺口负荷之间的标准差最小、空调负荷聚合商补偿费用最少为优化目标,采用粒子群算法进行求解,最后通过算例说明了本文所提策略的有效性。

基于通信的大规模空调与电网互动的分布式合作模型及优化控制

大规模空调系统在集中响应时变电价时,容易形成新的电力尖峰。针对该问题,提出基于网络信息交互的大规模空调与电网互动的分布式协调模型与优化控制策略,在保证用户舒适性条件及最低费用的同时,避免（或改善）集中响应形成新的电力尖峰。控制过程中,先将系统目标分解到每个子系统,由分布的模型预测控制器（distributedmodel predictivecontroller,DMPC）进行并行的优化决策计算,并将计算出的结果通过网络发送给其他子系统;每个子系统再根据接收到的其他子系统的信息和电网信息,按合作博弈模型计算可合作的控制行为,重新发送自己的控制量给其他子系统,直至所有子系统的控制行为不再能使峰值降低。该方法在每一个预测状态演进过程中,都进行信息交互,实现对大规模分布式空调与电网协调的闭环优化控制。对某地区5万台空调响应分时电价的模拟控制结果验证了该方法的有效性。

大规模空调负荷聚合建模及跟踪控制方案研究

需求响应技术可以削峰填谷,提高能源利用效率,提升电力系统稳定性。直接负荷控制通过直接控制用电负荷使得需求侧负荷变成可调用资源,是实施基于激励的需求响应的一种有效方法,实现相对容易。空调用电量大,储热、储冷能力较好,将空调在高峰时段的用电量转移到低谷时段,对用户的影响小。因此,空调能够影响总负荷曲线的峰谷差异,是重要的需求响应资源。基于此,建立了空调的热力学模型,提出了基于蒙特卡洛方法建立大规模空调负荷聚合模型,并研究了实施直接负荷控制的空调负荷跟踪控制方案,讨论了空调负荷参与需求响应的负荷削减潜力。根据负荷调峰的需求计算控制空调温度或开、关状态的参考信号,然后采用自适应爬坡控制方法,跟踪参考信号的实施情况。仿真结果表明,通过跟踪参考信号来实施空调负荷的直接负荷控制可以依据需求有效削减负荷。

面向规模化空调负荷的聚合调控过程研究

近年来,我国电力需求持续增长。为进一步深化电力负荷管理,切实做好迎峰度夏(冬)能源电力保供工作,对深挖空调负荷的调控潜力、完善空调负荷聚合调控机制提出了更高的要求。首先,从物理建模、数据建模两个角度综述空调负荷预测模型和聚合模型,分析不同模型的适用性,并提出适合面向大规模空调负荷的多级聚合模型。然后,围绕调控模型和调控策略讨论现有优化调控进展。最后,结合国内发展现状从算法融合、双碳战略要求、负荷聚合系统高效运行等方面提出发展建议。