内外温差辐射、人员散热、电器散热等原因，会产生热 量，使室内温度升高，荷能状态值降低，即蓄电池模型存在内阻和自放电过程；为了维持荷 能状态值不变，中央空调需要从电网中吸收电量以产生同等冷量，带走建筑物增加的热量， 建立中央空调的电功率为蓄电池模型的浮充电功率：
[0071] Pd=P (1-7)
[0072] 式中：P表示中央空调的电功率，P是SOE的函数。
[0073] (1.4)最大充电功率C_
[0074] 设当前蓄电池模型的荷能状态为SOE (i)，当由荷能状态SOE (i)增大至荷能状态 S0E(i+l)时，根据式（1-1)可知，保持荷能状态S0E(i+l)所需要的冷量为：
[0076] 通过变频技术对冷水机组、冷冻水栗、风机进行控制，使制冷量调整为Q，根据式 (1-2)计算由荷能状态SOE(i)增大至荷能状态SOE(i+1)时所需要的时间为：
[0078] 式（1-9)说明，荷能状态随着时间无限接近S0E(i+l)但不会等于S0E(i+l)， 这是由蓄电池模型自身特性决定的，故设一个调整精度Λ S0E，当荷能状态增加至 SOE (i+1) - Λ SOE时，即可认为荷能状态已经调至SOE (i+1);为了实现蓄电池模型的有效控 制，需使荷能状态在一个调度时段内达到稳定，需使得：
CN 105117802 A 说明书 6/7 页
[0082] 故设荷能状态最大可增加至rain
，同理可得 荷能状态最大可降低至max
故一个调度时段内蓄电 池模型荷能状态允许的变化范围为在该两个值的范围内。
[0083] 为了增大蓄电池模型的荷能状态，需要对蓄电池模型进行充电，此时表现为增加 蓄电池模型的浮充电功率，故蓄电池模型的最大充电功率为：
[0085] 式中：Λ SOE表示调度精度，At表示一个时段的时长，Pd(S0E(i))表示荷能状态 为SOE⑴时的浮充电功率。
[0086] (1. 5)最大放电功率D_
[0087] 同理于最大充电功率C_的推算过程，最大放电功率D
[0089] 式（1-3)~（1-7)、（1-12)和（1-13)共同组成中央空调所属建筑物的蓄电池模 型。
[0090] 当对蓄电池模型进行充电时，充电后的SOE (i+1)与当前的SOE (i)满足如下关 系：
[0091] Pd (SOE (i+1) )= Pd(SOEQ))+C ⑴(1-14)
[0092] 当对蓄电池模型进行放电时，放电后的SOE (i+1)与当前的SOE (i)满足如下关 系：
[0093] Pd (SOE (i+1) )= Pd(S0E(i))-D ⑴(1-15)
[0094] 对蓄电池进行充放电功率控制后，可对方程（1-14)和（1-15)进行求解，更新蓄电 池模型的参数集合。
[0095] 对于一个含有M个蓄电池模型的群组来说，其最大充电功率为所有M个蓄电池模 型的最大充电功率C_之和，其最大放电功率为所有M个蓄电池模型的最大放电功率D _之 和。
[0096] 所述步骤（43)中，负荷聚合商的优化结果为C (i)或D (i)，以充电功率控制为例对 蓄电池模型进行充放电功率控制的策略进行说明：
[0097] (43. 1)将M个蓄电池模型的荷能状态按值的大小进行排序，SOEkSOE2〈… <S0Ez〈…<S0EM，按顺序所有M个蓄电池模型当前调度时段的最大充电功率分别为 Ca /... c *.*.·. CX! * s imdx Λ Λ Ν Λ ^jjiax ^
[0098] (43. 2)执行如下程序：
[0099] CN 105117802 A 说明书 7/7 页
[0102] (43. 3)当要求充电功率为C时，具体的充电安排为：荷能状态为SoE^SOE2-SOEz 1 的蓄电池模型调至其最大荷能状态SOEH周至，其他蓄电池的荷能状态保持不变；更 新充放电功率控制后的蓄电池模型的参数集合。
[0103] 放电功率的控制策略类似于充电功率的控制策略，此处不再赘述。
[0104] 本发明提供的基于中央空调负荷所属建筑物储能特性的电力市场优化调度策略， 在中央空调所属建筑物的蓄电池模型基础上，在日前市场中，负荷聚合商根据次日出清电 价及负荷预测情况做出购电安排；在实时市场中，利用当前时段的电价、负荷、室外温度预 测未来时段的电价、负荷及室外温度，利用蓄电池的充放电特性以购电费用最低为目标函 数建立实时市场的优化调度策略，在减少对传统造价较高的储能设备依赖的同时，也提高 了负荷聚合商的经济效益。
[0105] 以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种基于中央空调储能特性的电力市场优化调度策略，其特征在于：包括如下步 骤： (1) 根据中央空调所属建筑物的热力学模型，建立蓄电池模型： B= {0,SOE，Pd，C_，DJ(1) 式中：B表示蓄电池模型的参数集合，0表示储能容量，SOE表示荷能状态，？4表示浮充 电功率，Cnax表示最大充电功率，Dnax表示最大放电功率； (2) 负荷聚合商对次日每一时段的出清价格和负荷进行预测，并通过对蓄电池模型的 充放电控制安排次日每一时段的购电量，使负荷聚合商次日购电费用最小，形成日前调度 计划：Es(i) =Lad，⑴+C⑴-D(i) (3) 式中$表示负荷聚合商在日前调度市场中的预测总购电费用，Es(i)表示日前调度市 场中时段i的预测购电量，P'ad⑴表示日前调度市场中时段i的预测出清价格，Lad'⑴表 示日前调度市场中时段i的预测负荷；A表示蓄电池模型的调度费用，C(i)表示时段i时 蓄电池模型的充电功率，D(i)表示时段i时蓄电池模型的放电功率，N表示时段总数； (3) 当负荷聚合商向系统运营商提交日前调度计划后，次日每一时段的实际出清价格 即可知，则：式中：F2表示负荷聚合商在日前调度市场中的实际总购电费用，pad(i)表示日前调度 市场中时段i的实际出清价格； (4) 由于负荷聚合商对次日的负荷预测存在误差，需要依靠实时市场对实时购电量和 预测购电量之间的偏差进行平衡；实时市场中，负荷聚合商实时获取时段i的实时购电量、 实时出清价格、实时负荷和实时室外温度进行优化调度，具体过程为： (41) 负荷聚合商进行优化调度时，用时段i的实时购电量、实时出清价格、实时负荷和 实时室外温度对实时市场中时段i+1~时段i+n的购电量、出清价格、负荷和和室外温度进 行预测； (42) 负荷聚合商以蓄电池模型的充放电功率为决策变量，以购电费用最小为目标，建 立优化调度模型：Ea(i) =Lji)+C⑴-D(i) (6) E； (k) =L； (k)+C(k)-D(k) (7) 式中：F3表示负荷聚合商在实时市场中的预测总购电费用；Ea(i)表示时段i的实时购 电量，prt⑴表示时段i的实时出清价格，La⑴表示时段i的实时负荷；Ea'（k)表示实时 市场中时段k的预测购电量，prt'（k)表示实时市场中时段k的预测出清价格，La'（k)表示 实时市场中时段i的预测负荷；n表示后退优化时段总数； (43) 采用线性规划方法对作为目标函数的式（5)进行求解，根据求解结果对时段i时 的蓄电池模型进行充放电功率控制； (44)i=i+1，返回步骤（41)。2.根据权利要求1所述的基于中央空调储能特性的电力市场优化调度策略，其特征在 于：所述步骤（1)中，所属建筑物的热力学模型为： V ^^ 式中：Tin表示室内温度，表示室外温度，Q表示中央空调制冷量，a、Y和ii为系数，Tin(〇)表示初始时刻的室内温度；t表示时间； 蓄电池模型的建立过程如下： (1. 1)储能容量〇 设满足人体舒适度的室内温度区间为[T_，T_]，中央空调所属建筑物的冷量存储于 室内空气和室内固体中，室内温度处于T_时储冷量最大，室内温度处于T_时储冷量最 小；将室内温度处于T_时的储冷量记为0,则当室内温度处于T_时的储冷量为：式中表示建筑物每升高1°C所需要的能量；由此可知，储能容量0为： H(1. 2)荷能状态SOE 荷能状态表示当前储冷量与储能容量的比值，反映了蓄电池模型的储能状态：将式（1-5)带入（1-2)可得到荷能状态随时间变化的规律：式中：SOE(i)表示时段i期间达到稳定状态时的荷能状态，SOE(O)表示初始时刻的荷 能状态； (1.3)浮充电功率Pd 建立中央空调的电功率为蓄电池模型的浮充电功率： Pd=P(1-7) 式中：P表示中央空调的电功率，P是SOE的函数； (1.4) 最大充电功率C_式中：ASOE表示调度精度，At表示一个时段的时长，Pd(SOE(i))表示荷能状态为S0E⑴时的浮充电功率； 当对蓄电池模型进行充电时，充电后的S0E(i+l)与当前的SOE(i)满足如下关系：Pd(S0E(i+l)) =Pd(S0E(i))+C(i) (1-9) (1.5) 最大放电功率D_当对蓄电池模型进行放电时，放电后的S0E(i+l)与当前的SOE(i)满足如下关系：Pd(S0E(i+l)) =Pd(S0E(i))-D(i) (1-11) 对蓄电池进行充放电功率控制后，对方程（1-10)和（1-11)进行求解，更新蓄电池模型 的参数集合。
【专利摘要】本发明公开了一种基于中央空调储能特性的电力市场优化调度策略，根据中央空调所属建筑物的热力学模型，建立蓄电池模型；在日前市场，负荷聚合商根据次日每一时段出清电价及负荷预测情况，进行购电安排，实现负荷聚合商的日前市场购电费用最小；由于负荷聚合商负荷预测存在误差，实际购电量和计划购电量之间的偏差需要依靠实时市场进行平衡，负荷聚合商根据当前实时电价、负荷、室外温度对未来时段的电价、负荷及室外温度进行预测，以购电费用最小为目标函数，以蓄电池充放电功率为决策变量，建立优化调度模型，对蓄电池重新进行充放电安排，优化负荷聚合商在实时市场中的行为。
【IPC分类】G06Q10/04
【公开号】CN105117802
【申请号】CN201510570675
【发明人】宋梦, 高赐威
【申请人】东南大学
【公开日】2015年12月2日
【申请日】2015年9月9日