模型和数据驱动结合的暖通空调需求响应成本分析

为实现楼宇暖通空调与电网友好互动,提出了模型与数据驱动相结合的需求响应成本分析。首先,利用人工神经网络的拟合能力,从物理模型中自动学习并构建动态模型。然后,考虑温度变化对楼宇人员工作效率的影响,建立暖通空调设定温度的优化模型并基于粒子群优化算法进行求解。最后,将用户因偏离最优设定温度而产生的额外成本定义为响应成本,据此提出暖通空调的需求响应成本分析方法。仿真结果表明,通过设定暖通空调的最优温度,可显著降低用户的总成本;响应成本曲线可反映用户的工作效率损失因素,从而帮助用户在需求响应中理性确定投标价格。