基于数据驱动的聚合空调特性建模及控制策略

随着越来越多的可控负荷接入电网,空调负荷(air conditioning loads,ACLs)由于其响应速度快、调节潜力大、具有蓄冷储热等特征可作为柔性负荷参与平抑可再生能源引起的波动。在实际对ACLs进行聚合的过程中,室外温度、ACLs的温度和ACLs的数量等外部条件的变化会对聚合模型造成一定的影响。但现有大多数对ACLs的控制方法未考虑聚合ACLs外部特性模型(aggregate ACLs′external model,AAEM)的时变特征。文中提出一种基于数据驱动的AAEM及相应的负荷跟踪控制策略,考虑到基于ACLs热力学特性的ACLs的成本函数,采用神经网络对时变聚合ACLs的AAEM进行快速计算,降低AAEM的计算复杂程度。基于数据驱动的AAEM负荷跟踪控制策略有效减少了ACLs的开关状态切换次数及其调用总成本。基于实际用户的仿真结果验证了该方法的有效性。

基于多智能体的主动配电网空调负荷聚合及其降压调温削减方法

该文提出一种基于多智能体系统(multi-agent system,MAS)的主动配电网(active distribution network,ADN)空调负荷聚合及其降压调温削减方法。兼顾空调负荷电压动态特性及温控特性,基于多智能体技术建立空调负荷聚合模型;通过分析电压及温度与空调负荷有功、无功功率的关系,揭示空调聚合负荷降压调温削减机理;最后基于多智能体系统和最优潮流,建立主动配电网空调负荷降压调温削减模型并给出求解方法。IEEE33节点系统算例仿真结果表明,该文模型和方法正确有效,可实现空调负荷有功及无功功率有效削减。该方法为提升大规模空调负荷参与需求响应能力提供了理论支撑。