一种计及多时间尺度下智能楼宇异构负荷协同调控方法技术

本发明专利技术提出了一种计及多时间尺度下智能楼宇异构负荷协同调控方法，用于，解决可再生能源随机性与灵活异构负荷不确定性造成楼宇的负荷波动问题。其步骤为：首先，考虑异构负荷用电特性及响应特性差异，将智能楼宇内异构负荷等效为可转移负荷与可削减负荷；其中，可转移负荷模型包括EV模型和ES群模型；可转移负荷与可削减负荷具有异构负荷时域互补性；然后，综合可再生能源波动性与异构负荷时域互补性，建立日前

【技术实现步骤摘要】
一种计及多时间尺度下智能楼宇异构负荷协同调控方法


[0001]本专利技术涉及智能楼宇异构负荷调控
，特别是指一种计及多时间尺度下智能楼宇异构负荷协同调控方法。

技术介绍

[0002]随着具有异构特性的灵活负荷与分布式可再生能源(distributed renewable energy，DRE)大规模接入智能楼宇，供需不平衡问题日益显著。激发需求侧异构负荷的功能性和互补性，是调节供需平衡、实现能量梯级利用的有效方法。
[0003]异构负荷的时域特性使其调控能力局限于各自使用时段，但在聚合状态下整体的用电行为特征是连续的，且不同聚合体之间存在协同优化空间。目前，已有针对异构负荷调控的研究。文献[孙毅,黄绍模,李泽坤,等.考虑时域特性的异构温控负荷联合调控策略[J].电网技术,2020,44(12):4722
‑
4734.]基于贝叶斯网络预测温控负荷使用时域的概率，将其与DRE联合调控，有效提高了能源利用效率，但其考虑的异构负荷种类较少。文献[马志程,周强,张金平,等.考虑灵活性负荷异构性质的多类型储能优化配置[J].储能科学与技术,2022,11(12):3926
‑
3936.]通过分析多种储能(energy storage，ES)的调度潜力，并与异构负荷协调优化，有效降低运行成本，但采用单一时间尺度的方法，无法准确平衡DRE随机性带来的影响。综上所述，仅通过聚合多种灵活性负荷难以满足智能楼宇系统调控需求，因此结合不同时间尺度并对其梯级利用，有助于减少楼宇负荷波动带来的经济损失。
[0004]近年来，国内外学者已经对智能楼宇的能量管理展开了较多的研究工作。文献[胡鹏,艾欣,杨昭,等.考虑电能共享的综合能源楼宇群日前协同优化调度[J].电力自动化设备,2019,39(08):239
‑
245.]考虑综合能源楼宇日前协同优化，协调冷热电联供系统、电动汽车(electric vehicle，EV)、温控负荷及ES等灵活性资源进行需求侧响应。上述单一时间尺度的调度方法不能完全平抑由日前预测误差导致的功率波动，而多时间尺度能够对预测偏差进行调节控制，成为应对智能楼宇中多随机、不确定性问题的有效手段。文献[刘方,徐耀杰,杨秀,等.考虑电能交互共享的虚拟电厂集群多时间尺度协调运行策略[J].电网技术,2022,46(02):642
‑
656.]考虑需求响应并从多时间尺度的角度对楼宇进行能量管理，促进DRE消纳的同时提升楼宇经济效益，并满足多场景运行需求。

技术实现思路

[0005]针对可再生能源随机性与灵活异构负荷不确定性造成楼宇的负荷波动问题，本专利技术提出了一种计及多时间尺度下智能楼宇异构负荷协同调控方法，首先，构建含多种异构负荷和DRE的智能楼宇架构，深入分析智能楼宇内不同异构负荷之间的互补协调潜力；然后，针对DRE出力不确定性与异构负荷时域互补特性，建立日前
‑
日内两阶段联合优化调度模型，引入动态分时电价激励可转移负荷，改善其用电曲线。
[0006]本专利技术的技术方案是这样实现的：
[0007]一种计及多时间尺度下智能楼宇异构负荷协同调控方法，其步骤为：
[0008]步骤一：考虑异构负荷用电特性及响应特性差异，将智能楼宇内异构负荷等效为可转移负荷与可削减负荷；其中，可转移负荷模型包括EV模型和ES群模型；可转移负荷与可削减负荷具有异构负荷时域互补性；
[0009]步骤二：综合可再生能源波动性与异构负荷时域互补性，建立日前
‑
日内两阶段联合优化调度模型，并引入动态激励电价引导可转移负荷参与调控，改善智能楼宇用电曲线。
[0010]所述EV模型为：
[0011][0012][0013][0014][0015][0016][0017][0018]式中：表示i时段电动汽车j的电池容量，表示i+1时段电动汽车j的电池容量，表示EV电池容量的上限，表示EV电池容量的下限；表示第j辆EV的充电功率，表示第j辆EV的放电功率，其上下限分别为和η
EV,ch
表示充电效率，η
EV,dis
表示放电效率；表示第j辆EV的停留时间段；表示i时段第j辆EV的充电状态，表示i时段第j辆EV的放电状态，表示i+1时段第j辆EV的放电状态，w表示电动汽车最大充放电次数，表示i时段可调度电动汽车数量；Δi表示每时段时长，P
iEV
表示EV群的功率。
[0019]所述ES群模型为：
[0020][0021][0022][0023][0024][0025][0026]式中：表示i时段第k台ES的电池容量，表示i+1时段第k台ES的电池容量，维持在下限和上限之间；表示i时段第k台ES的充电功率，表示i时段第k台ES
的放电功率，其上下限分别为和η
ES,ch
表示ES的充电效率，η
ES,dis
表示ES的放电效率，表示i时段第k台ES的充电状态，表示i时段第k台ES的放电状态；表示第k台ES的初时段容量，表示第k台ES的末时段容量；P
iES
表示i时段ES群的功率，N
ES
表示ES群的数量。
[0027]所述可削减负荷模型表示为：
[0028][0029][0030][0031][0032]式中：表示i+1时段第j'个房间的室内温度，表示i+1时段第j'个房间的室外温度；表示i时段第j'个房间的室内温度，表示i时段第j'个房间的室外温度；R
b
表示房间的热阻，C
b
表示房间的热容；表示i时段第j'个房间的空调制冷量；T
iset
表示i时段的楼宇室内温度设定值，ΔT表示最大室内温度偏移；表示i时段第j'个房间的空调功率，δ为空调的能效比；N
AC
为空调总数目；表示i时段第j'个房间的空调功率，P
iAC
表示i时段空调群的功率。
[0033]所述可再生能源是指光伏出力，光伏出力模型为：
[0034]P
iPV
＝P
iPVmax
‑
P
iPVcur
；
[0035]0≤P
iPVcur
≤ωP
iPVmax
；
[0036]式中：P
iPV
表示i时段光伏实际功率，P
iPVmax
表示i时段预测光伏最大功率；P
iPVcur
表示i时段光伏可削减的功率；ω表示为光伏的最大削减比例。
[0037]所述日前
‑
日内两阶段联合优化调度模型包括日前阶段目标函数、日内阶段目标函数和约束条件。
[0038]所述日前阶段目标函数为：
[0039]f
a
＝min(f1+f2)；
[0040][0041][0042][0043]C
i
＝本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及多时间尺度下智能楼宇异构负荷协同调控方法，其特征在于，其步骤为：步骤一：考虑异构负荷用电特性及响应特性差异，将智能楼宇内异构负荷等效为可转移负荷与可削减负荷；其中，可转移负荷模型包括EV模型和ES群模型；可转移负荷与可削减负荷具有异构负荷时域互补性；步骤二：综合可再生能源波动性与异构负荷时域互补性，建立日前
‑
日内两阶段联合优化调度模型，并引入动态激励电价引导可转移负荷参与调控，改善智能楼宇用电曲线。2.根据权利要求1所述的计及多时间尺度下智能楼宇异构负荷协同调控方法，其特征在于，所述EV模型为：在于，所述EV模型为：在于，所述EV模型为：在于，所述EV模型为：在于，所述EV模型为：在于，所述EV模型为：在于，所述EV模型为：式中：表示i时段电动汽车j的电池容量，表示i+1时段电动汽车j的电池容量，表示EV电池容量的上限，表示EV电池容量的下限；表示第j辆EV的充电功率，表示第j辆EV的放电功率，其上下限分别为和η
EV,ch
表示充电效率，η
EV,dis
表示放电效率；表示第j辆EV的停留时间段；表示i时段第j辆EV的充电状态，表示i时段第j辆EV的放电状态，表示i+1时段第j辆EV的放电状态，w表示电动汽车最大充放电次数，表示i时段可调度电动汽车数量；Δi表示每时段时长，P
iEV
表示EV群的功率。3.根据权利要求2所述的计及多时间尺度下智能楼宇异构负荷协同调控方法，其特征在于，所述ES群模型为：在于，所述ES群模型为：在于，所述ES群模型为：在于，所述ES群模型为：在于，所述ES群模型为：
式中：表示i时段第k台ES的电池容量，表示i+1时段第k台ES的电池容量，维持在下限和上限之间；表示i时段第k台ES的充电功率，表示i时段第k台ES的放电功率，其上下限分别为和η
ES,ch
表示ES的充电效率，η
ES,dis
表示ES的放电效率，表示i时段第k台ES的充电状态，表示i时段第k台ES的放电状态；表示第k台ES的初时段容量，表示第k台ES的末时段容量；P
iES
表示i时段ES群的功率，N
ES
表示ES群的数量。4.根据权利要求2或3所述的计及多时间尺度下智能楼宇异构负荷协同调控方法，其特征在于，所述可削减负荷模型表示为：征在于，所述可削减负荷模型表示为：征在于，所述可削减负荷模型表示为：征在于，所述可削减负荷模型表示为：式中：表示i+1时段第j'个房间的室内温度，表示i+1时段第j'个房间的室外温度；表示i时段第j'个房间的室内温度，表示i时段第j'个房间的室外温度；R
b
表示房间的热阻，C
b
表示房间的热容；表示i时段第j'个房间的空调制冷量；T
iset
表示i时段的楼宇室内温度设定值，ΔT表示最大室内温度偏移；表示i时段第j'个房间的空调功率，δ为空调的能效比；N
AC
为空调总数目；表示i时段第j'个房间的空调功率，P
iAC
表示i时段空调群的功率。5.根据权利要求1所述的计及多时间尺度下智能楼宇异构负荷协同调控方法，其特征在于，所述可再生能源是指光伏出力，光伏出力模型为：P
iPV
＝P
iPVmax
‑
P
iPVcur
；0≤P
iPVcur
≤ωP
iPVmax
；式中：P
iPV
表示i时段光伏实际功率，P
iPVmax
表示...

【专利技术属性】
技术研发人员：朱永胜，陈乙瑞，董燕，刘勇，胡泽斐，
申请(专利权)人：中原工学院，
类型：发明
国别省市：