[發(fā)明專利]城市園區(qū)分層分布式溫控負荷需求響應控制策略

有效

• 申請?zhí)枺?/td>: 201610096529.7
• 申請日: 2016-02-22
• 公開（公告）號: CN105676820B
• 公開（公告）日: 2017-09-12
• 發(fā)明（設計）人: 王丹;衛(wèi)文婷;賈宏杰;戚野白;劉開欣
• 申請（專利權）人: 天津大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 天津市北洋有限責任專利代理事務所12201
• 代理人: 劉國威

技術領域

本發(fā)明涉及智能電網(wǎng)技術、需求響應領域。具體講,涉及城市園區(qū)分層分布式溫控負荷需求響應控制策略。

背景技術

電力供應緊張已成為經(jīng)濟社會生活中的主要矛盾之一，保證電力供需平衡，實現(xiàn)電力系統(tǒng)安全、可靠、經(jīng)濟、清潔、高效已成為經(jīng)濟發(fā)展和人民生活水平提高的重要保障。依托市場化改革推進與國家能源政策調整，電力網(wǎng)絡與電力市場、電力網(wǎng)絡與電力用戶之間的協(xié)調以及交換越發(fā)緊密。需求側資源管理成為在同樣用電功能情況下，減少電量消耗、緩解缺電壓力、降低供電和用電成本的重要措施。需求響應(DR)在電力市場競爭中的引入，已成為通過價格信號和激勵機制加強需求側資源在電力市場中作用的重要手段。通過需求響應進行輔助頻率調節(jié)、保障系統(tǒng)安全運行，以及完成其他電力系統(tǒng)輔助服務，已逐漸成為未來電力市場發(fā)展趨勢。

風能、太陽能等可再生能源資源功率注入具有隨機性、間歇性等特點，對電網(wǎng)電能質量和可靠性都將造成不利影響。目前的解決方案中大多通過設置儲能設備或儲能系統(tǒng)平抑可再生能源功率波動。但由于儲能系統(tǒng)成本高，缺乏大規(guī)模使用的基礎，而作為典型需求響應資源，溫控負荷具有廣泛的分布和較大的用戶基數(shù)，合理調控后可以有效平抑電網(wǎng)聯(lián)絡線功率波動。

對于基于激勵的直接負荷控制(Direct Load Control,DLC)策略，目前已有眾多文獻進行了深入探討。目前已有針對溫控負荷開關狀態(tài)轉換建立狀態(tài)隊列(State Queuing,SQ)算法，基于用戶舒適度約束提出一種基于離散積分的數(shù)值模型進行最優(yōu)溫度設定調節(jié)算法(Optimal Thermostat Regulation,OTR)，基于潮流追蹤算法的需求響應策略以用于跟蹤風電場出力波動等。

然而，現(xiàn)有研究工作大多關注于集中式控制策略，集中式控制策略依賴于高速、安全和可靠的信息通信網(wǎng)絡，依賴于所有熱泵運行狀態(tài)與用戶室內溫度等大量精確信息。另一方面，考慮某些通信故障，如丟包、誤碼和延時等在電力系統(tǒng)負荷調度、電能供需優(yōu)化等方面的不良影響，尤其是低成本通信技術在配電網(wǎng)中的廣泛應用，使得通信過程中丟包、誤碼等現(xiàn)象頻發(fā)，對需求響應控制效果產生不良影響。因此，在非理想通信環(huán)境下，集中控制策略控制效果將受到嚴重影響，有時甚至失效。

發(fā)明內容

為克服現(xiàn)有技術的不足，實現(xiàn)減少數(shù)據(jù)通信量，使信息收發(fā)僅在城市園區(qū)內部完成并實現(xiàn)需求響應總控制目標，進一步減少數(shù)據(jù)傳輸量，維護用戶隱私，能夠對溫控負荷進行預測，并針對不同預測校正時間間隔對控制效果的影響進行仿真分析。本發(fā)明采用的技術方案是，城市園區(qū)分層分布式溫控負荷需求響應控制策略，包括以下步驟：

利用中央調控中心接收配網(wǎng)主線節(jié)點功率以及可再生能源出力信號，通過相關聯(lián)絡線風機波動平抑控制算法得到總控制功率目標，并下發(fā)到位于各受控城市園區(qū)內的區(qū)域控制中心；

各區(qū)域控制中心間通過信號交換獲取所有城市園區(qū)內總熱泵功率消耗，經(jīng)目標分配及補償策略得出各分區(qū)目標；

區(qū)域控制中心在分區(qū)內通過采集溫控負荷溫度、開關狀態(tài)信息，通過相應需求響應控制算法對其進行控制，向分區(qū)內用戶下發(fā)控制信號，以達到跟蹤目標進而平抑聯(lián)絡線功率波動的目的；

其中，將電熱泵指數(shù)模型集成于相關需求響應控制算法，策略依據(jù)控制精度需要設定校正時間間隔，區(qū)域控制中心在校正時間間隔內采用指數(shù)模型對電熱泵負荷狀態(tài)進行預測并應用于相關需求響應控制算法進行優(yōu)化控制。

采用模型預測策略進行預測，模型預測策略描述如下式：

k≠nΔT_rev，則：

T_x＝T_{a_IDX}；T_s＝T_{s_IDX}；T₊＝T_{+_IDX}；

T_{_}＝T_{__IDX}；CS＝CS_IDX (1)

k＝nΔT_rev，則：

T_x＝T_{a_r}；T_s＝T_{s_r}；T₊＝T_{+_r}；

T_{_}＝T_{__r}；CS＝CS_r (2)