一种智慧社区能量优化调度方法和系统与流程

本发明属于电力需求侧管理技术领域，涉及一种智慧社区能量优化调度方法和系统，尤其涉及一种考虑空调响应不确定性的智慧社区能量优化调度方法和系统。

背景技术：

随着全球温度变暖等极端性天气不断出现，建筑能耗不断提高，宾馆/酒店等单位面积耗电量更是普通民宅的10到15倍。另一方面，从经济性上考虑，酒店经营已步入微利时代，这就要求酒店管理者重视节能。据统计酒店建筑电力消耗平均约占总能耗的51.5％，其平均能耗接近169kwh/(m²·a)，同时，酒店用电费用约占经营收入的8％。由此看出，大型公共建筑存在巨大的能源浪费现象。

空调负荷占电力终端设备的比重逐年增长，已成为高峰负荷最重要的组成部分。但同时空调负荷具备一定的热存储能力，具备巨大的负荷调节潜力，可在较小影响用户舒适度的情况下快速响应系统调度。通过合理的控制手段，可将其纳入到用户侧能量管理中，目前国内外学者已从不同角度进行了相关研究。但目前的研究中还存在以下不足：1)多是是考虑分散的单体空调负荷参与能量调度，缺少对空调负荷的聚合；2)多是通过启停控制来调节空调负荷，对用户舒适度影响较大；3)在空调负荷参与调度过程中缺少对响应不确定性的考虑。

技术实现要素：

为解决现有技术中的不足，本申请提供一种智慧社区能量优化调度方法和系统，以最小化智慧社区的用电成本为目标，聚合分散的家用空调，评估调温控制下聚合空调的响应潜力，综合考虑智慧社区中的光伏、储能和聚合空调三种需求侧资源，对日前和日内两个时间尺度的运行出力进行优化调度，并在采用储能备用和日内购电的方式应对空调响应缺额。

为了实现上述目标，本申请的第一件发明采用如下技术方案：

一种智慧社区能量优化调度方法，包括以下步骤：

步骤1：获取智慧社区需求侧资源配置参数、负荷需求和电价信息；

步骤2：建立表述空调聚合功率与室外温度、空调温度设定值之间关系的聚合空调近似负荷模型；

步骤3：在调温控制方式下，基于聚合空调近似负荷模型，评估聚合空调的响应潜力和空调响应后的反弹负荷；

步骤4：基于智慧社区中的光伏、储能和聚合空调三种需求侧资源，建立多时间尺度能量优化调度模型；

步骤5：将所述多时间尺度能量优化调度模型中的随机变量转化为确定等价类，并基于步骤3的评估结果，求解多时间尺度能量优化调度模型，从而得到各资源优化调度结果。

本发明进一步包括以下优选方案：

优选地，步骤2所述建立表述空调聚合功率与室外温度、空调温度设定值之间关系的聚合空调近似负荷模型，具体为：

基于单体空调的等效热参数模型(equivalentthermalparametersmodel,etpmodel)，通过能量守恒定律和大数定律，推导空调聚合功率与室外温度、空调温度设定值之间的关系。

优选地，步骤3所述在调温控制方式下，基于聚合空调近似负荷模型，评估聚合空调的响应潜力，具体为：

基于所述聚合空调近似负荷模型，估算出调温后的空调聚合功率，并用概率函数描述出聚合空调响应潜力的分布。

优选地，步骤3所述空调响应后的反弹负荷采用分时段控制策略中的单时段控制策略和三阶段负荷反弹模型进行评估。

优选地，步骤4所述多时间尺度能量优化调度模型包括日前能量优化调度模型和日内能量优化调度模型；

所述日前能量优化调度模型，用于在日前调度阶段，以智慧社区用电成本最低为目标优化决策出聚合空调响应时段和响应量、储能出力和日前购电计划；

所述日内能量优化调度模型以社区运营商利益最大为目标，用于在日内调度阶段，对日前计划进行修正，以减小光伏出力预测偏差和空调响应不确定的影响。

优选地，所述智慧社区用电成本包括购电费用、空调调度补偿费和储能折旧费，所述日前能量优化调度模型的约束条件包括社区有功功率平衡、储能充放电功率和剩余电量约束、空调响应量及响应次数约束和联络线功率约束。

优选地，所述社区运营商利益为光伏上网收益减去日内购电费用和储能折旧费用，所述日内能量优化调度模型的约束条件包括社区有功功率平衡和储能充放电功率约束。

优选地，步骤5所述将所述多时间尺度能量优化调度模型中的随机变量转化为确定等价类，并基于步骤3的评估结果，求解多时间尺度能量优化调度模型，从而得到各资源优化调度结果，具体为：

通过机会约束规划的方法将社区有功功率平衡约束中的随机变量转化为确定等价类，并基于步骤3的评估结果，采用优化软件guribo求解日内能量优化调度模型，从而得到各资源优化调度结果。

优选地，所述日内能量优化调度模型在日内调度阶段，对日前计划进行修正，具体为：

将日前能量优化调度模型优化出的决策量作为确定常量代入日内能量优化调度模型；

日内能量优化调度模型通过新的系统运行数据和光伏预测数据，修正后续储能出力、购电计划和光伏上网电量。

优选地，步骤5所述将所述多时间尺度能量优化调度模型中的随机变量转化为确定等价类，并基于步骤3的评估结果，求解多时间尺度能量优化调度模型，从而得到各资源优化调度结果，具体为：

通过机会约束规划的方法将所述多时间尺度能量优化调度模型中的随机变量转化为确定等价类，并基于步骤3的评估结果，采用优化软件guribo求解多时间尺度能量优化调度模型，从而得到各资源优化调度结果。

本申请还公开了另一件发明，即一种智慧社区能量优化调度系统，包括获取单元、聚合空调近似负荷模型建立单元、评估单元、多时间尺度能量优化调度模型建立单元和求解单元；

所述获取单元，用于获取智慧社区需求侧资源配置参数、负荷需求和电价信息；

所述聚合空调近似负荷模型建立单元，用于建立表述空调聚合功率与室外温度、空调温度设定值之间关系的聚合空调近似负荷模型；

所述评估单元，用于在调温控制方式下，基于聚合空调近似负荷模型，评估聚合空调的响应潜力和空调响应后的反弹负荷；

所述多时间尺度能量优化调度模型建立单元，用于基于智慧社区中的光伏、储能和聚合空调三种需求侧资源，建立多时间尺度能量优化调度模型；

所述求解单元，用于将所述多时间尺度能量优化调度模型中的随机变量转化为确定等价类，并基于评估单元的评估结果，求解多时间尺度能量优化调度模型，从而得到各资源优化调度结果。

优选地，所述多时间尺度能量优化调度模型包括日前能量优化调度模型和日内能量优化调度模型；

所述日前能量优化调度模型，用于在日前调度阶段，以智慧社区用电成本最低为目标优化决策出聚合空调响应时段和响应量、储能出力和日前购电计划；

所述日内能量优化调度模型以社区运营商利益最大为目标，用于在日内调度阶段，对日前计划进行修正，以减小光伏出力预测偏差和空调响应不确定的影响。

本申请所达到的有益效果：

1)本申请采用调温控制的方法调节空调负荷，减少了对用户舒适度的影响；

2)本申请建立了多时间尺度的能量优化调度模型，可协调确定性资源和不确定性资源的出力，降低社区的电量缺额，提高社区运行的经济性。

附图说明

图1是本申请的一种智慧社区能量优化调度方法流程图；

图2是本申请实施例的聚合空调响应示意图；

图3是本申请实施例的多时间尺度能量优化调度模型的框架；

图4是本申请的一种智慧社区能量优化调度系统的结构框图；

图5是本申请实施例的负荷和气温预测曲线；

图6是本申请实施例的日前和日内光伏出力预测曲线；

图7是本申请实施例的聚合空调响应潜力评估结果；

图8是本申请实施例的储能和聚合空调的调度结果。

具体实施方式

下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

如图1所示，本申请的一种智慧社区能量优化调度方法，包括以下步骤：

步骤1：获取智慧社区需求侧资源配置参数、负荷预测和电价信息，包括但不限于以下对象：

(1)储能的充放电参数、容量配置参数和折旧参数；

(2)负荷设备的额定功率；

(3)第二日社区总负荷、光伏出力及气温预测曲线和分时电价信息，电价信息包括峰谷时段划分及对应的电价信息。

步骤2：建立聚合空调近似负荷模型，所述聚合空调近似负荷模型为空调聚合功率与室外温度、空调温度设定值等参数之间的关系模型，具体为：

基于单体空调的etp模型，通过能量守恒定律和大数定律，推导空调聚合功率与室外温度、空调温度设定值等参数之间的关系。

实施例中，单体空调的etp模型如式(1)。

式中，θout为室外温度；θin为室内温度；r为等效热阻，℃/kw；c为等效热容，kwh/℃；q为空调的制冷量，空调的制冷量q和空调的额定功率p保持的比例关系为：q＝ηp，其中，η为空调能效比；p为空调额定功率。

当空调稳定运行时，通过间歇性的启停来维持室内温度在舒适区的区间。假设室内平均温度为根据能量守恒定律，空调的制冷量和房间的散热量相同，那么空调t时刻的平均功率可表示为：

根据大数定律，当空调数量足够大时，由于每台空调稳态运行时状态的随机性，n台空调的总功率可近似为：

由于每台空调的设定温度、能效比和等效热阻各不相同且独立分布，则(3)式可写为：

式中，e(·)表示期望值；当空调稳态运行时，室内平均温度可用设定温度θset代替，最终得到聚合空调近似负荷模型。

步骤3：在调温控制方式下，基于聚合空调近似负荷模型，评估聚合空调的响应潜力和空调响应后的反弹负荷，具体为：

基于聚合空调近似负荷模型，估算出调温后的空调聚合功率，并用概率函数描述出聚合空调响应潜力的分布。

实施例中，为减小对用户舒适度影响并提高用户的可接受度，选取调温控制来调节空调负荷。

基于公式(3)，当空调设定温度调整且运行平稳后，参与响应的空调聚合功率近似为：

式中，ndr为参与响应的空调数目。

同时，可削减负荷为：

由于用户参与度等主观因素限制，以及设备和通信可靠度影响，一定比例的空调负荷无法参与需求响应。

本申请实施例认为聚合空调响应潜力ucut为随机变量，服从正态分布，可用期望和标准差来表示如下：

ucut:n(scutvcut,(kvθset)²)(7)

式中，vcut为用户参与度，实际可削减负荷占理论削减负荷的比重；k为标准差系数，标准差与设定温度成正比原因在于当温度调整量越大时，对用户的舒适度影响越大，则用户参与度的不确定越高；vθset为需求响应时段空调温度设定值的调整量。

如图2所示，实施例中，当调控结束后，出于舒适度考虑，部分用户上调设定温度，会出现负荷反弹效应，即空调功率会超过原有的正常运行功率。本申请所述空调响应后的反弹负荷采用分时段控制策略中的单时段控制策略和三阶段负荷反弹模型进行评估，反弹负荷表达式如下：

preb(t)＝apcut(t-1)+bpcut(t-2)+cpcut(t-3)(8)

式中：preb(t)为反弹负荷；a、b、c为反弹系数。由于采取的是调温控制，负荷反弹量相比直接中断要得少。

步骤4：基于智慧社区中的光伏、储能和聚合空调三种需求侧资源，建立多时间尺度能量优化调度模型；

如图3所示，实施例中，为充分调动需求侧资源，减小光伏预测偏差对调度的影响，将能量优化调度模型分为日前-日内两个时间尺度；

日前调度为：社区运营商接收售电公司的电价信息和负荷日前预测信息，评估聚合空调负荷的响应潜力，以社区用电成本最低为目标，优化决策出聚合空调响应时段和响应量、储能出力和日前购电计划。

日内调度为：针对光伏出力预测偏差和空调响应不确定性，为保证社区用电的可靠性和经济性，利用新的系统运行数据和光伏预测数据对后续储能出力、购电计划和光伏上网电量不断修正。

即实施例中，所述多时间尺度能量优化调度模型包括日前能量优化调度模型和日内能量优化调度模型所述日前能量优化调度模型，用于在日前调度阶段，以智慧社区用电成本最低为目标优化决策出聚合空调响应时段和响应量、储能出力和日前购电计划；

所述日内能量优化调度模型以社区运营商利益最大为目标，用于在日内调度阶段，对日前计划进行修正，以减小光伏出力预测偏差和空调响应不确定的影响。

实施例中，所述智慧社区用电成本包括购电费用、空调调度补偿费和储能折旧费，日前能量优化调度模型的目标函数如下：

式中，t1为日前调度周期；ccell,t为售电公司的销售电价；pt^g为社区t时段日前计划购买功率；cdr为空调负荷削减的补偿价格；cb为储能的折旧费用；pt^es为储能充放电功率；pt^l为社区负荷的预测值；pt^pv为光伏的预测值；为聚合空调负荷的计划削减功率；为聚合空调负荷的反弹功率。

日前能量优化调度模型的约束条件包括社区有功功率平衡、储能充放电功率和剩余电量约束、空调响应量及响应次数约束和联络线功率约束。

式中，为储能额定充放电功率；和分别为储能soc的上下限；和为储能日前计划的备用功率和备用容量；ucut,t为聚合空调响应潜力的期望值；ndrmax为一个调度周期内，进行空调调温的最大次数；pline_max为联络线最大传输功率。

所述日内能量优化调度模型在日内调度阶段，对日前计划进行修正，具体为：

将日前能量优化调度模型优化出的决策量作为确定常量代入日内能量优化调度模型；

日内能量优化调度模型通过新的系统运行数据和光伏预测数据，修正后续储能出力、购电计划和光伏上网电量。

实施例中，所述社区运营商利益为光伏上网收益减去日内购电费用和储能折旧费用，日前能量优化调度模型的目标函数为：

式中，t0为当前时段；t1日内调度周期；δpt^g为日内购电量与日前计划的偏差；cp,t为社区在日内向上级购买电电量的价格，由于社区运营商在日前已签订各时段购买电量，为减小购电偏差，这里取日前电价的2倍；pt^s为光伏上网电量；cs,t为售电价格；δpt^es为日内储能出力与日前决策的偏差。

日内能量优化调度模型的约束条件包括社区有功功率平衡和储能充放电功率约束。

式中，δpt^pv为光伏日前预测与日内预测的偏差；为聚合空调响应量偏差；为空调反弹量偏差。

在日内调度中，光伏预测偏差作为确定量代入日内能量优化调度模型，而空调响应量偏差和反弹量偏差是随机变量，服从一定的概率分布，对此采用机会约束规划的方法，使有功平衡满足一定的置信度即可。

式中：pr{g}为置信度表达式；α为满足功率平衡的置信度。

步骤5所述将所述多时间尺度能量优化调度模型中的随机变量转化为确定等价类，并基于步骤3的评估结果，求解多时间尺度能量优化调度模型，从而得到各资源优化调度结果，具体为：

通过机会约束规划的方法将社区有功功率平衡约束中的随机变量转化为确定等价类，并基于步骤3的评估结果，采用优化软件guribo求解日内能量优化调度模型，从而得到各资源优化调度结果。

实施例中，针对日内决策的有功平衡约束，由于负荷削减时段和反弹时段不在同一个时段，式(13)可分解成两个方程：

假设分布函数为φ，若存在kα使得kα＝sup{k|k＝φ^-1(1-α)}等式成立，则式(14)的可信性约束可转化为下式的确定性等价形式：-δpt^g-δpt^pv-δpt^es≤kα。

经清晰等价类转化后，在matlab软件中，借助yalmip工具包调用gurobi对模型进行求解。

如图4所示，一种智慧社区能量优化调度系统，包括获取单元、聚合空调近似负荷模型建立单元、评估单元、多时间尺度能量优化调度模型建立单元和求解单元；

所述获取单元，用于获取智慧社区需求侧资源配置参数、负荷需求和电价信息；

所述聚合空调近似负荷模型建立单元，用于建立聚合空调近似负荷模型，所述聚合空调近似负荷模型为空调聚合功率与室外温度、空调温度设定值之间的关系模型；

所述评估单元，用于在调温控制方式下，基于聚合空调近似负荷模型，评估聚合空调的响应潜力和空调响应后的反弹负荷；

所述多时间尺度能量优化调度模型建立单元，用于基于智慧社区中的光伏、储能和聚合空调三种需求侧资源，建立多时间尺度能量优化调度模型；

实施例中，所述多时间尺度能量优化调度模型包括日前能量优化调度模型和日内能量优化调度模型；

所述日前能量优化调度模型，用于在日前调度阶段，以智慧社区用电成本最低为目标优化决策出聚合空调响应时段和响应量、储能出力和日前购电计划；

所述日内能量优化调度模型以社区运营商利益最大为目标，用于在日内调度阶段，对日前计划进行修正，以减小光伏出力预测偏差和空调响应不确定的影响。

所述求解单元，用于将所述多时间尺度能量优化调度模型中的随机变量转化为确定等价类，并基于评估单元的评估结果，求解多时间尺度能量优化调度模型，从而得到各资源优化调度结果。

为了验证本申请的有效性，进行如下仿真实验。

1、选取某中等规模的智慧社区，社区用户数500户，户均空调为2台，共1000台空调。社区光伏配置铅酸蓄电池储能的额定容量为200kwh；额定充/放电功率为40kw；荷电状态的上限和下限分别为1.0和0.2；充/放电效率为0.9；初始荷电状态为0.6；平均折旧成本cb取0.42元/(kwh)。聚合空调调度补偿成本cdr为0.5元/(kwh)。

选取夏季某高温日进行仿真验证，该日气温预测情况和第二日社区总负荷预测如图5所示；光伏出力曲线日前和日内预测如图6所示；智慧社区与售电公司之间电能交易采用分时电价，具体价格如表1所示。

表1分时电价情况

2、以预测气温作为室外温度，假设居民空调设定温度在各时段分布及范围相同。考虑到用户的舒适度，温度设定值调整的方式为：向空调设定温度在25℃及以下的用户，发布空调温度设定值上调2℃的指令。空调各参数如表2所示。

表2空调参数范围

3、评估调温控制方式下的聚合空调响应潜力，基于聚合空调近似负荷模型，估算出调温后的聚合功率，并用概率函数描述出响应潜力的分布。空调参与度和反弹系数如表3所示，评估出各时段的聚合空调响应潜力如图7所示。由图7可看出，响应潜力的期望值在中午和晚间较大，最高可达到80kw左右；而占总负荷的比重则与气温负相关，气温越高，可削减负荷占比越小。以12:00为例，室外温度为35℃，响应潜力的期望值为135kw，概率分布为：ucut,12:n(135,4²)。

表3空调响应及反弹系数

4、计算空调响应后反弹负荷，基于评估出的响应潜力，依据式(8)可计算出聚合空调的反弹负荷。

5、建立考虑聚合空调响应不确定性的智慧社区多时间尺度能量优化调度模型，将空调潜力评估结果作为已知量输入到模型中，多时间尺度能量优化调度模型分为日前-日内两个时间尺度。

为验证聚合空调负荷和储能在能量调度中的效果，选取了4个调度方案进行对比。方案1：无储能和聚合空调负荷。方案2：仅含储能。方案3：仅含聚合空调负荷。方案4：同时包含储能和聚合空调负荷，即为本申请调度方案。

6、通过机会约束规划的方法将多时间尺度能量优化调度模型中的随机变量转化为确定等价类，多时间尺度能量优化调度模型中含有随机变量，根据机会约束规划理论将其转化为清晰等价类；

经清晰等价类转化后，在matlab软件中，借助yalmip工具包调用gurobi对模型进行求解。

日内决策的置信度α取0.8，各方案下社区用电成本对比如表4。本申请方案下储能和空调负荷的调度结果如图8所示。

表4不同方案的用电成本对比

通过各类用电费用的对比可得：

1)储能或聚合空调参与能量优化调度后，均能降低智慧社区的用电成本，尤其是降低购电费用。

2)通过方案3和方案4的对比，储能作为确定性的可调资源，可有效修正光伏预测偏差，减少光伏上网电量；并作为空调响应不确定性的备用资源，能减少在日内的购电费用。

3)聚合空调负荷以及储能参与调度后，光伏上网的收益减少，光伏发电量更多的被社区内部负荷消纳。

综上所述，本申请所提出的考虑空调响应不确定性的智慧社区能量优化调度方法，聚合分散的家用空调，对聚合空调的响应潜力进行评估，并将聚合空调负荷纳入到智慧社区负荷调度中，建立了考虑空调响应不确定性的多时间尺度能量优化调度方法。本申请可充分利用聚合空调负荷削减潜力，并在日内利用储能备用功率来应对空调响应的不确定性，不仅减少了智慧社区的用电成本，同时也有利于光伏出力的就地消纳，对含多种需求侧资源的居民社区能量管理问题有一定的参考意义。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。