空调负荷二阶等效热参数模型参数辨识方法

空调负荷是最具潜力的需求侧资源之一.然而,由于建筑环境、用户偏好等因素的差异,空调负荷具有明显的异质性,脱离实际场景建立空调负荷异质性聚合模型,难以准确获取其聚合功率及响应潜力.在具体应用场景下,搭建了实际空调负荷集中控制系统,并在实际空调系统支持下,提出计及空调负荷二阶等效热参数模型参数时变特性的参数辨识方法.通过最小化二阶等效热参数模型仿真温度与实测温度误差,同时考虑参数的时变特性,建立优化模型,获得二阶等效热参数模型参数.算例结果表明,所提方法能够建立较为准确的空调负荷二阶等效热参数模型.     

基于PSO-ELM的储能锂电池荷电状态估算

对锂离子电池荷电状态(SOC)进行准确估算是保证电池管理系统安全稳定运行的关键。常用的安时积分法存在累积误差,卡尔曼滤波算法需要建立精确的电池模型,神经网络法不依赖具体的锂电池模型,能够反映锂电池的非线性关系,因而受到广泛关注,然而传统神经网络估算SOC训练时间长、精度低。针对以往电池SOC估算精度低等问题,文中提出粒子群(PSO)优化极限学习机(ELM)神经网络的方法。以电池电压、电流和温度作为PSO-ELM模型的输入向量,以SOC作为输出向量。将实验获得的数据导入模型进行训练和测试,采用PSO对ELM随机给定的输入权值和隐含层阈值进行寻优。仿真结果表明,与BP神经网络的预测结果相比,文中估算SOC的方法具有更高的精度。     

计及开关寿命损耗的温控负荷分布式控制策略

温控负荷（Thermostatically Controlled Loads,TCLs）作为一种重要的需求侧资源,在平抑可再生能源波动方面具有巨大的潜力。然而,传统TCLs控制策略通常不考虑控制成本以及TCLs开关频率过高导致的寿命损耗。为降低TCLs的开关寿命损耗,本文提出了一种计及开关寿命损耗的TCLs分布式协同控制策略。首先引入矫正切换时间的概念,建立计及TCLs热力学特性和开关寿命损耗的控制成本模型,然后引入多智能体一致性控制,采用分布协同式控制方法实现TCLs控制成本最优。算例结果表明,所提控制策略能够反应TCLs热力学特性,在实现控制目标的前提下大大降低开关寿命损耗。