基于全局温度调整的中央空调需求响应策略与评价方法

商业楼宇中央空调系统是一类重要的需求响应资源。针对夏季削峰应用,提出了 3 种基于全局温度调整的中央空调需求响应策略,并设计了互动能力和考虑工作效率损失的用户净收益等两个评价指标。为精准预测中央空调的需求响应能力,采用 EnergyPlus 物理建模方法构建能耗预测模型。通过对上海市某商业楼宇建模仿真可知：3种策略能够在保证用户舒适度的前提下为电网提供不同的互动能力;利用考虑工作效率损失的用户需求响应收益模型,电网可以分析不同补偿价格对于中央空调用户的激励作用,同时用户可选择最佳需求响应策略和最优互动功率进行响应,以实现收益最大化。     

基于互动能力曲线的暖通空调集群协调控制策略

商业楼宇的暖通空调已成为参与电力系统辅助服务的重要需求侧资源.从楼宇聚合商的角度,提出了一种暖通空调与电网双向互动的新型策略.首先提出了商业楼宇互动能力的物理建模预测方法,然后基于全局温度调节策略建立了商业楼宇互动能力曲线.在此基础上,模拟投标与出清的思路,提出了多个商业楼宇互动能力的聚合与分解算法.仿真结果表明:方法能适应多类型商业楼宇,聚合商能在日前预测并可视化展示暖通空调的互动能力,并在日内准确响应目标功率,且所有温区能较为均匀的分担响应目标.     

信息物理融合的负荷型虚拟电厂聚合方法

基于信息物理系统思想,提出一种面向大规模、多样性柔性负荷的虚拟电厂聚合方法。首先,针对单个负荷建立设备级信息物理融合系统模型,建立基于满意度的统一物理动态模型和统一投标策略,在保证用电满意度、保护用户隐私和设备安全的前提下实现设备的自治控制;然后,提出基于市场均衡机制的大规模柔性负荷协调策略,在集群内实现等满意度的公平控制,并有效降低通信带宽和控制复杂度;接着,提出虚拟电厂的系统聚合方法,从物理动态和需求特性等两方面实现多级融合;最后,通过含分布式储能、电动汽车、空调等柔性负荷的虚拟电厂算例,详细验证了本文提出方法的有效性。     

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。