一种空调系统聚合控制方法与流程

本发明涉及电力系统技术领域，尤其涉及一种空调系统聚合控制方法。

背景技术：

智能电网成为21世纪电力系统变革的趋势，作为新型的智能化服务网络，其通信能力随着通信网络的发展得到了很大提升。智能用电作为智能电网的重要组成部分，其功能是通过灵活的电力网络和信息网络相连，形成高效完整的用电信息服务体系和服务平台，构建电力系统和用电负荷之间电力流、信息流、业务流实时互动的新型供用电关系。通过调动用电负荷参与需求响应，优化用电方式，实现供电侧的可靠、经济运行，对电网建设、节能环保、电能质量管理会产生深远的影响。

空调负荷作为温控负荷的一种，其具备一定的热存储能力，且在适当范围内调节温度时不会影响居民生活舒适度；再者，空调负荷体量大，其占夏季尖峰负荷的30％-40％，并呈现逐年上升的趋势；其次，相较于实体机组，空调负荷的响应时间主要由传输信号与触发控制程序时间组成(为秒级响应)，完全可以满足电力系统调控的要求。因此，空调负荷以其响应速度快、渗透率高、潜力大等优点成为智能电网下重要的需求响应资源。

常规空调聚合控制方法通常通过负荷预测提前通知用户切断空调负荷时间，以及控制切断空调负荷的数量来控制负荷削减能力。常规聚合控制方法的优势在于可以快速、准确地削减负荷，但是这种直接切断电能供应的办法对用户而言是很不友好的，很难说服用户特别是居民用户参与到这种调控中，因此推广上很困难。此外，常规聚合控制方法的另一个明显缺点是负荷反弹，即在调控结束后的一段时间，空调聚合体会出现比调控之前大数倍的功率值，这给电网带来了新的负担。

技术实现要素：

本发明所要解决的技术问题在于，提供一种空调系统聚合控制方法，在保证用户舒适度的前提下，抑制空调聚合控制中的负荷反弹现象，避免空调聚合控制结束后的负荷反弹冲击电网。

为了解决上述技术问题，本发明提供一种空调系统聚合控制方法，包括：

步骤s1，通过模拟真实场景的空调系统，建立空调系统聚合体模型，并为其中每一个等效热参数etp模型的系统参数赋值；

步骤s2，根据所述空调系统聚合体模型的负荷目标及负荷约束条件，产生预定时间内的多组温度目标值；

步骤s3，将所述多组温度目标值作为室内空气温度设置值，计算由此每一空调在预定时间内的做工改变量，以及根据每一空调的做工改变量计算所述空调系统聚合体模型在所述预定时间内的做工改变量；

步骤s4，判断所述空调系统聚合体模型在所述预定时间内的做工改变量，是否满足所述负荷目标及所述负荷约束条件，如果满足则进入步骤s5，否则对所述温度目标值进行调整后返回所述步骤s3；

步骤s5，将满足所述负荷目标及所述负荷约束条件的做工改变量对应的温度目标值，作为所述空调系统聚合体模型所模拟的真实场景的空调系统的温度，通过温度调节控制所述真实场景的空调系统的负荷。

其中，进行赋值的系统参数包括：空气流动带来的热交换的系数ua、室内空气的热容ca、墙体的热容cm、内部产生的热量qm、墙体与室内空气之间的热交换系数hm、室外环境温度to。

其中，所述空调系统聚合体模型包括n个etp模型，n为自然数，并且一个etp模型对应一个空调及其所处的真实场景。

其中，所述空调系统聚合体模型的负荷目标是n个etp模型的总的负荷目标，所述负荷约束条件是n个etp模型的总的负荷约束条件。

其中，所述负荷目标包括空调系统聚合体模型在预定时间内需要降低到的负荷值，所述负荷约束条件为：在预定时间内负荷反弹的值处于第一范围内，或者在预定时间内负荷反弹的上升率低于第一设定值，或者在所述预定时间内负荷反弹的峰值小于第二设定值，或者在所述预定时间内空调系统聚合体模型的平均温度在第二范围内。

其中，所述建立空调系统聚合体模型是在gridlab-d软件中进行。

其中，所述步骤s2具体包括：

将所述空调系统聚合体模型的负荷目标及负荷约束条件作为输入，在matlab软件中通过智能优化算法产生预定时间内的多组温度目标值。

其中，所述智能优化算法是粒子群优化算法。

其中，所述步骤s3具体包括：

在gridlab-d软件中，将计算出的多组温度目标值作为室内空气温度ta分别代入下式：

计算出在预定时间内所述空调系统聚合体模型的多个温度平均值；

将计算出的多组温度目标值作为室内空气温度ta带入下式：

计算出室内空气温度由初始值变化到温度目标值，每一空调所需的做工改变量；

再将所述每一空调所需的做工改变量代入下式：

计算整个空调系统聚合体模型在所述预定时间内的做工改变量。

其中，所述真实场景是住宅、商业楼宇、商场中的任一种。

本发明实施例的有益效果在于：

拥有较为准确的空调聚合体负荷削减调控能力，可以实现不同时长不同负荷削减量下的空调聚合控制；

在保证空调负荷参与系统需求侧响应的同时，极大地抑制了空调聚合控制中的负荷反弹现象，解决了空调聚合控制结束后的负荷反弹冲击电网的问题，从而实现电网与负荷的友好互动；

考虑了用户的体验和自主性，可以限制室内温度最大变化范围；

在未来大力推广需求侧响应技术的过程中具有非常好的应用价值。

附图说明

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，下面将对实施例或现有技术描述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。

图1是本发明实施例中电力模型搭建与求解流程图。

图2是本发明实施例中房屋住宅etp等效电路模型。

图3是本发明实施例参与需求侧响应的空调系统聚合控制流程示意图。

图4是本发明实施例一种空调系统聚合控制方法的流程示意图。

图5是本发明实施例中4000户住宅室内空调负荷曲线。

图6是本发明实施例中空调负荷削减控制功率示意图。

图7是本发明实施例中空调负荷削减控制温度示意图。

图8是本发明实施例中抑制负荷反弹控制功率示意图。

图9是本发明实施例中抑制负荷反弹控制温度示意图。

具体实施方式

以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。

一个完整的电力模型搭建与求解过程如图1所示。房屋/建筑模型可以分为房屋结构和房屋内部用电设备组成。房屋的结构包括房屋大小、外墙面积、窗户面积等。通常地，房屋模型常采用等效热参数模型(equivalentthermalparameter，etp)建立，即采用一个几乎平行的热流路径，用几个集中参数描述的直流电路。这样简单化的处理有利于大规模住宅模型的运行与计算。在物理定律下，将温度、电导、热能和热流动等同于模拟电路中的电压、电导、电容和电流。这样，可以用相同的微分方程来描述他们关系。当建筑中存在热传导(非平衡态)时，等效电路是过阻尼状态，也就是说建筑中的热能流动并逐渐稳定对应着电路呈现出指数衰减并趋于稳态。

图2为房屋住宅etp等效电路模型。在etp等效电路中，ua代表空气流动带来的热交换的系数—即电导；因为由建筑物本身热传递带来的热交换和空气流动比是微不足道的，因此忽略这些热交换的具体过程，认为他们是一个整体且是一个定值。将住宅内的空气当做一个整体，ca是它们的热容，同理，cm是墙体的热容。因为ca和cm的存在，住宅内空气和墙体的温度不会突变，否则当室内开启空调制热/制冷后，室内空气温度会发生瞬时变化。qa代表来自住宅外部光照和住宅内部电器设施的热量，qm代表来自住宅内部产生的热量，hm代表墙体与室内空气之间的热交换系数，tm代表墙体温度，ta代表室内空气温度，to代表室外环境温度。其大致机理为：

(1)etp等效电路模型中空气节点a的表达式可列为：

(2)etp等效电路模型中墙面节点m的表达式可列为：

(3)联立上述两式，可以得到空气节点温度ta的表达式：

(4)当已知恒定边界条件to(室外温度)，qa和qm和0时刻初始条件ta0和dta0/dt，可以求得ta为：

其中，a＝cmca/hm，b＝cm(ua+hm)/hm+ca，c＝ua，d＝qm+qa+uato。

此外，空调压缩机常见的制冷方式描述为：当打开制冷功能时，空调将室内空气温度降至设置温度及以下。

根据式(1)～式(4)，将控制对象设置为空调聚合系统(一个将区域内空调负荷聚合协同控制的系统)，空调聚合系统的室内平均温度可由下式求得：

当室内温度处于稳态时，将设置温度改变tset，所需要空调做工的改变量(空调将室内温度改变tset所需要的制冷量或制热量)为：

因此，整个空调聚合系统的做工改变量为：

通过公式(1)-(7)，建立了能量与温度设置之间的关系，根据这个关系，可以通过控制空调设置温度达到控制空调负荷的目的。需要说明的是，公式(6)是由公式(1)和公式(2)联合去除墙体温度tm后推导出的。

图3为基于需求侧响应的空调系统聚合控制过程。首先针对优化场景，确定需要优化的目标和参数，然后在仿真平台中搭建具体的空调系统聚合体模型，结合智能优化算法(例如遗传算法、粒子群优化算法等)产生随机值传递给仿真平台并运行，而后将仿真结果返回至智能优化算法判断结果是否满足调控目标和约束，如满足则输出结果，如不满足则重新赋值给仿真平台，如此反复直至得到结果。

具体地，请参照图4所示，本发明实施例提供一种空调系统聚合控制方法，包括：

步骤s1，通过模拟真实场景的空调系统，建立空调系统聚合体模型，并为其中每一个等效热参数etp模型的系统参数赋值；

步骤s2，根据所述空调系统聚合体模型的负荷目标及负荷约束条件，产生预定时间内的多组温度目标值；

步骤s3，将所述多组温度目标值作为室内空气温度设置值，计算由此每一空调在预定时间内的做工改变量，以及根据每一空调的做工改变量计算所述空调系统聚合体模型在所述预定时间内的做工改变量；

步骤s4，判断所述空调系统聚合体模型在所述预定时间内的做工改变量，是否满足所述负荷目标及所述负荷约束条件，如果满足则进入步骤s5，否则对所述温度目标值进行调整后返回所述步骤s3；

步骤s5，将满足所述负荷目标及所述负荷约束条件的做工改变量对应的温度目标值，作为所述空调系统聚合体模型所模拟的真实场景的空调系统的温度，通过温度调节控制所述真实场景的空调系统的负荷。

步骤s1中，空调系统聚合体模型要模拟的真实场景包括居民小区、商业楼宇、商场等，该空调系统聚合体模型包括n个etp模型(n为自然数)，且一个etp模型对应一个空调及其所处的真实场景。赋值根据真实场景进行，例如，依据居民小区、商业楼宇、商场的实际情况进行赋值，需要赋值的系统参数包括：空气流动带来的热交换的系数ua、室内空气的热容ca、墙体的热容cm、内部产生的热量qm、墙体与室内空气之间的热交换系数hm、室外环境温度to，即图2所示等效电路中除了室内空气温度ta、来自外部光照和内部电器设施的热量qa和墙体温度tm之外的参数均需要赋值。可以理解的是，模型建立是在gridlab-d软件中进行。

步骤s2中，空调系统聚合体模型的负荷目标是n个etp模型的总的负荷目标，负荷约束条件是n个etp模型的总的负荷约束条件，将空调系统聚合体模型的负荷目标及负荷约束条件作为输入，在matlab软件中通过智能优化算法计算预定时间内的多组温度目标值(tset)，其中每组tset对应一个时间取样点。具体地，负荷目标包括空调系统聚合体模型在预定时间内需要降低到的负荷值，负荷约束条件可设置为：在预定时间内负荷反弹的值处于第一范围内，或者在预定时间内负荷反弹的上升率低于第一设定值，或者在所述预定时间内负荷反弹的峰值小于第二设定值，或者在所述预定时间内空调系统聚合体模型的平均温度在第二范围内。本实施例的智能优化算法可以采用遗传算法或粒子群优化算法，优选粒子群优化算法。

步骤s3中，具体是在gridlab-d软件中，将粒子群优化算法计算出的多组tset作为室内空气温度ta分别代入前述公式(5)，计算出在预定时间内空调系统聚合体模型的多个温度平均值；然后将多组tset作为室内空气温度ta带入前述公式(6)计算出由此(室内空气温度由初始值变化到温度目标值tset)每一空调所需的做工改变量；再将根据前述公式(6)计算出的每一空调所需的做工改变量代入前述公式(7)，计算整个空调系统聚合体模型在所述预定时间内的做工改变量。

步骤s4中，将通过前述公式(7)计算出的空调系统聚合体模型在预定时间内的做工该变量，与空调系统聚合体模型的负荷目标及负荷约束条件进行比较，如果满足，则进入下一步骤(步骤s5)，如果不满足对温度目标值tset进行调整，然后再返回到步骤s3进行计算。

步骤s5中，采用步骤s4里符合条件的做工该变量对应的温度目标值，作为空调系统聚合体模型所模拟的真实场景中的空调的温度，由此通过温度调节来控制所述真实场景的负荷。

本发明采用聚类控制方法对空调系统进行精确调控，在保证空调负荷参与系统需求侧响应的同时，极大地降低因采取聚合控制带来的负荷反弹。

以下再结合具体应用实例来进一步说明本发明实施例空调系统聚合控制方法的工作原理、过程及效果。

首先建立4000户住宅的模型，这些住宅中，假设只有空调这一项耗电设备，且所有住宅的热参数、空调参数保持一致；这些住宅处于同一地理位置，因此它们的外部环境被设置为一致的。不同的是，它们的面积满足150-250平方米的随机分布。

假设室外温度始终处于35摄氏度，室内设置温度范围为20-25摄氏度，因此室内空调处于制冷状态。图5为4000住宅室内的设置温度提高1华氏度并分别保持15、20、60分钟的负荷曲线(以下简称15分钟曲线、20分钟曲线、60分钟曲线)。由图可知，由于集体提高了设置温度，室内温度低于设置温度，因此空调暂停工作，功率下降至0。图中15分钟曲线与20分钟曲线均在调控区间内将功率降至0；但是这种调控不能一直持续下去，因为一段时间后，由于与外界的热交换，室内温度逐渐上升，当超过设置温度时，空调重新启动。因此图中60分钟曲线虽然控制时长为60分钟，却提前出现了负荷的反弹与波动。此外，还可分析得到，无论是调控结束还是室内温度达到设置温度，此后空调聚合体均出现了很大的负荷反弹与波动，这对电网是不利的，尤其是当电网需要需求响应的时刻。

设定空调最小温度设置差别为1华氏度，最大室内设置温差为3华氏度。因此，首先可以根据室外温度求出空调聚合体的最大响应能力。

下表1为低、中、高三种等级的热交换参数。

表1低、中、高三种等级的热交换参数

图6为空调负荷削减控制功率示意图。分析该图可知空调聚合体分别在降低20％、40％、60％负荷调控下的控制效果(分别如图中20％曲线、40％曲线、60％曲线所示)，控制时长为1小时。此处的1小时指的是负荷削减阶段的1小时，在此之后的时间是回温时间，虽然还处于被控制阶段，但是已不处于负荷削减阶段。

空调负荷削减控制温度曲线如图7所示，其中，20％空气曲线指在降低20％负荷时室内空气温度随时间的变化，40％空气曲线指在降低40％负荷时室内空气温度随时间的变化，60％空气曲线指在降低60％负荷时室内空气温度随时间的变化，20％墙体曲线指在降低20％负荷时墙体温度随时间的变化，40％墙体曲线指在降低40％负荷时墙体温度随时间的变化，60％墙体曲线指在降低60％负荷时墙体温度随时间的变化。分析该图可知，通过合理地控制室内设置温度，均可以很好地实现调控目标。但是，调控负荷量越大，室内的温变也越大，对用户的体验也就越大。

图8为采用本发明实现的抑制负荷反弹控制功率曲线。分析该图可知，在19点至20点，以削减60％空调负荷为目标，此后调控结束，但仍可以抑制负荷的反弹与波动。分别以22分钟、44分钟、66分钟为室温恢复时长节点(分别如图中22分钟曲线、44分钟曲线、66分钟曲线所示)，通过优化的调控结果可以看出，实施本实施例成功抑制了负荷的反弹与波动，负荷在恢复时段里逐渐上升，减小了对电网的冲击。负荷上升的最大值得到了削减(曲线的最高点)，且相比图5其后负荷的波动得到了抑制。

图9为采用本发明实现的抑制负荷反弹控制温度曲线，其中，22分钟空气曲线指以22分钟为室温恢复时长时室内空气温度随时间的变化，44分钟空气曲线指以44分钟为室温恢复时长时室内空气温度随时间的变化，66分钟空气曲线指以66分钟为室温恢复时长时室内空气温度随时间的变化，22分钟墙体曲线指以22分钟为室温恢复时长时墙体温度随时间的变化，44分钟墙体曲线指以44分钟为室温恢复时长时墙体温度随时间的变化，66分钟墙体曲线指以66分钟为室温恢复时长时墙体温度随时间的变化。对比图7与图9可知，抑制负荷反弹需要延长室内回温时长(温度下降的时段即是回温时长)，负荷反弹抑制越明显，所需要的回温时间就越长。

本发明实施例通过实时检测区域室外环境温度、住宅内温度等信息，采用聚类控制方法对空调尤其是变频空调进行精确调控，在保证空调负荷参与系统需求侧响应的同时，极大地降低因采取聚合控制带来的负荷反弹，从而实现电网与负荷的友好互动。本发明在未来大力推广需求侧响应技术的过程中具有非常好的应用价值。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。