本發(fā)明涉及微網(wǎng)聯(lián)絡(luò)線功率波動平抑方法，尤其是涉及一種平抑微網(wǎng)聯(lián)絡(luò)線功率波動的空調(diào)負(fù)荷協(xié)調(diào)控制方法。

背景技術(shù)：

風(fēng)電、光伏等間歇性電源并網(wǎng)后對電網(wǎng)的穩(wěn)定性及電能質(zhì)量會產(chǎn)生不利的影響。隨著可再生能源滲透率的不斷增長，如何平抑可再生能源的功率波動成為了智能電網(wǎng)的重要研究課題。目前主要利用儲能設(shè)備平滑并網(wǎng)功率。但儲能設(shè)備造價(jià)昂貴，在經(jīng)濟(jì)性上仍不具有優(yōu)勢。

近年來，研究者注意到空調(diào)、熱泵、熱水器等溫控負(fù)荷(thermostatically controlled loads，TCL)具有熱儲能特性，通過一定的控制手段，可使其轉(zhuǎn)化為一類數(shù)量大、成本低、響應(yīng)速度快的虛擬儲能，成為極具潛力的需求響應(yīng)資源。目前，在利用TCL設(shè)備平抑可再生能源波動方面，現(xiàn)有技術(shù)已提出若干有效的控制策略。文獻(xiàn)“采用居民溫控負(fù)荷控制的微網(wǎng)聯(lián)絡(luò)線功率波動平滑方法”(王成山，劉夢璇，陸寧.中國電機(jī)工程學(xué)報(bào)，2012，32(25)：36-43)較早開展了相關(guān)研究，利用狀態(tài)隊(duì)列模型控制熱泵負(fù)荷的開關(guān)狀態(tài)實(shí)現(xiàn)了平滑目標(biāo)的跟蹤；文獻(xiàn)“一種平抑微網(wǎng)聯(lián)絡(luò)線功率波動的電池及虛擬儲能協(xié)調(diào)控制策略”(王冉，王丹，賈宏杰，等.中國電機(jī)工程學(xué)報(bào)，2015，35(20)：5124-5134)提出了一種標(biāo)識優(yōu)先列表工具，并通過熱泵與電池儲能的優(yōu)化協(xié)調(diào)，在平滑波動的同時(shí)保證了用戶的舒適性；文獻(xiàn)“一種基于模型預(yù)測的城市園區(qū)分層分布式溫控負(fù)荷需求響應(yīng)控制策略”(衛(wèi)文婷，王丹，賈宏杰，等.中國電機(jī)工程學(xué)報(bào)，2016(8)：2049-2056)引入模型預(yù)測控制，通過求解最優(yōu)設(shè)定值調(diào)節(jié)量來跟蹤目標(biāo)功率，并提出了分層分布式控制策略以減小數(shù)據(jù)通信量；文獻(xiàn)“Modeling and Control of Aggregate Air Conditioning Loads for Robust Renewable Power Management”(Saeid Bashash and Hosam K.Fathy.IEEE Transactions on Control Systems Technology，2013，21(4)：1318-1327)建立了雙耦合線性偏微分方程組的集群空調(diào)負(fù)荷的狀態(tài)空間模型，提出了基于變結(jié)構(gòu)滑動模塊跟蹤控制的出力平滑策略。

但是，已有方法存在如下問題：

1)需要預(yù)測或測量不可控負(fù)荷功率。但由于負(fù)荷多而分散，且居民用戶一般未實(shí)現(xiàn)負(fù)荷的分類計(jì)量，使得實(shí)施成本較高。

2)對TCL設(shè)備采用直接負(fù)荷控制，包括開關(guān)控制和溫度控制。固然這可以獲得較快的響應(yīng)速度，但當(dāng)受控對象眾多時(shí)對通信要求很高。如果采用開關(guān)控制，則用戶需要對外暴露設(shè)備開關(guān)的控制權(quán)，這存在較為嚴(yán)重的信息安全問題。

3)某些控制策略需要TCL設(shè)備以及建筑物的熱參數(shù)模型信息，但實(shí)用中獲取大量TCL設(shè)備的模型不但難度大，而且難以保證用戶的私密性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種滿足用戶差異化的舒適度要求、簡化控制、降低實(shí)施成本的平抑微網(wǎng)聯(lián)絡(luò)線功率波動的空調(diào)負(fù)荷協(xié)調(diào)控制方法。

本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：

一種平抑微網(wǎng)聯(lián)絡(luò)線功率波動的空調(diào)負(fù)荷協(xié)調(diào)控制方法，該方法包括以下步驟：

1)面向空調(diào)集群，基于低通濾波器原理，計(jì)算空調(diào)聚合功率控制目標(biāo)；

2)針對空調(diào)個(gè)體，基于市場控制，將所述空調(diào)聚合功率控制目標(biāo)協(xié)調(diào)分配至各個(gè)空調(diào)負(fù)荷。

所述空調(diào)聚合功率控制目標(biāo)通過以下步驟計(jì)算：

101)建立空調(diào)模型，采用多元純二次回歸方法獲得空調(diào)集群基準(zhǔn)負(fù)荷估計(jì)值；

102)基于室溫狀態(tài)對所述空調(diào)集群基準(zhǔn)負(fù)荷估計(jì)值進(jìn)行修正，獲得空調(diào)集群基準(zhǔn)負(fù)荷修正值；

103)根據(jù)聯(lián)絡(luò)線功率平滑策略，獲得空調(diào)聚合功率控制目標(biāo)，即，在第k個(gè)控制周期，空調(diào)聚合功率控制目標(biāo)為：

其中，為空調(diào)聚合功率控制目標(biāo)，P_ACbase[k]為空調(diào)集群基準(zhǔn)負(fù)荷修正值，P_ACbase0[k]為空調(diào)集群基準(zhǔn)負(fù)荷估計(jì)值，P_adj[k]為基準(zhǔn)負(fù)荷修正量，ΔP_AC[k]為控制目標(biāo)調(diào)整量。

所述空調(diào)模型為二階ETP模型。

所述步驟102)具體為：

a)計(jì)算空調(diào)集群總體室溫狀態(tài)S：

其中，n為參與控制的空調(diào)總數(shù)，SOA為單個(gè)空調(diào)的室溫狀態(tài)，SOA∈[-1,1]；

b)以空調(diào)集群總體室溫狀態(tài)S作為反饋量，對空調(diào)集群基準(zhǔn)負(fù)荷估計(jì)值進(jìn)行修正，基準(zhǔn)負(fù)荷修正量的表達(dá)式為：

P_adj[k]＝ΔP_adj[k]％×P_ACbase0[k]+P_adj[k-1]e^-γ

其中，ΔP_adj[k]為由S確定的比例系數(shù)，γ為衰減系數(shù)，γ＞0。

所述控制目標(biāo)調(diào)整量ΔP_AC[k]的表達(dá)式為：

ΔP_AC[k]＝P_gLPF[k]-P_g0[k]

其中，P_gLPF[k]為聯(lián)絡(luò)線功率平滑目標(biāo)，P_g0[k]為空調(diào)非控狀態(tài)下的聯(lián)絡(luò)線自由功率。

所述步驟2)具體為：

201)在微網(wǎng)中建立一個(gè)虛擬市場，該虛擬市場聚合各空調(diào)的投標(biāo)信息，形成需求曲線，并獲取需求曲線與空調(diào)聚合功率控制目標(biāo)的交點(diǎn)，以該交點(diǎn)對應(yīng)的價(jià)格作為出清結(jié)果p^*；

所述投標(biāo)信息為：

B_i[k]＝([p_bid,q_bid],s)_i[k]

其中，B_i[k]空調(diào)i在k控制周期的投標(biāo)信息，p_bid為投標(biāo)價(jià)格，p_bid＝SOA_i，SOA為空調(diào)的室溫狀態(tài)，q_bid為投標(biāo)容量，為空調(diào)運(yùn)行時(shí)的功率，s為投標(biāo)附加信息，表示空調(diào)投標(biāo)時(shí)的工作狀態(tài)，1表示空調(diào)開啟，0表示關(guān)閉；

202)各空調(diào)控制器接收所述出清結(jié)果p^*，并響應(yīng)于該出清結(jié)果p^*對室溫設(shè)定值進(jìn)行調(diào)節(jié)。

所述空調(diào)的室溫狀態(tài)表達(dá)式為：

其中，T_set為室溫設(shè)定值，T_max、T_min為允許的室溫上下限，T_air為當(dāng)前室溫。

所述當(dāng)前室溫T_air根據(jù)以下公式獲得：

T_air＝T_air0+δ

其中，T_air0為室溫測量值，測量精度為0.1℃，δ為小于0.1的隨機(jī)數(shù)。

所述各空調(diào)控制器對出清結(jié)果p^*的響應(yīng)具體為：

其中，T_set為室溫設(shè)定值，T_max、T_min為允許的室溫上下限，ε等于各空調(diào)受控時(shí)的溫度死區(qū)。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：

(1)首先獲得空調(diào)聚合功率的控制目標(biāo)，然后在微網(wǎng)中建立一個(gè)虛擬市場，利用市場控制方法將控制目標(biāo)分配至各空調(diào)負(fù)荷，能夠滿足用戶差異化的舒適度要求，同時(shí)充分保護(hù)用戶隱私和用電安全，從而提升實(shí)施本方法時(shí)的用戶體驗(yàn)；對于控制中心，本方法極大地簡化了下行控制，且僅需測量聯(lián)絡(luò)線功率，能夠有效降低實(shí)施成本。

(2)本發(fā)明采用基于室溫狀態(tài)反饋的方法對空調(diào)基準(zhǔn)負(fù)荷進(jìn)行修正，，降低了對空調(diào)基準(zhǔn)負(fù)荷估計(jì)的要求，提高了控制方法的魯棒性。

(3)由于采用多代理投標(biāo)的分布式控制機(jī)制，本方法支持空調(diào)負(fù)荷的“即插即用”，能適應(yīng)于各種規(guī)模的空調(diào)負(fù)荷集群。

(4)本發(fā)明空調(diào)聚合功率控制目標(biāo)的計(jì)算既滿足基準(zhǔn)負(fù)荷要求，又不影響用戶舒適度要求。

(5)本發(fā)明設(shè)計(jì)的空調(diào)投標(biāo)信息是依賴于實(shí)際空調(diào)及建筑物的熱參數(shù)模型以及用戶的舒適度設(shè)置的，但具體的投標(biāo)機(jī)制屏蔽了這些信息，使得無需顯式獲得空調(diào)模型，并使得私密信息始終駐留在用戶端，用戶信息安全。

(6)本發(fā)明將聚合各空調(diào)的投標(biāo)信息形成的需求曲線與空調(diào)聚合功率控制目標(biāo)的交點(diǎn)作為出清結(jié)果，與狀態(tài)隊(duì)列法中分別在開啟群和關(guān)閉群中選擇空調(diào)相比，本發(fā)明基于市場出清的方法更為簡單、直觀。

(7)本方法在計(jì)算空調(diào)聚合功率控制目標(biāo)時(shí)僅需測量聯(lián)絡(luò)線功率P_g，這有利于顯著降低實(shí)施成本。

(8)本發(fā)明出清價(jià)格是實(shí)現(xiàn)目標(biāo)功率向各空調(diào)分配的唯一控制信號，控制中心無需指定每個(gè)空調(diào)的開關(guān)或設(shè)定值，本方法極大簡化了下行控制；與采用開關(guān)控制相比，即使出現(xiàn)了信息安全問題，入侵者也無法直接控制空調(diào)開關(guān)，從而保證室溫不越限。

附圖說明

圖1為一微網(wǎng)結(jié)構(gòu)示意圖；

圖2本發(fā)明中基于室溫狀態(tài)反饋的空調(diào)集群基準(zhǔn)負(fù)荷修正方法的流程示意圖；

圖3為本發(fā)明的總體控制流程圖；

圖4為兩種出清示意圖；

圖5為空調(diào)額定功率分布圖；

圖6為不可控負(fù)荷、風(fēng)電功率、室外溫度與太陽輻射；

圖7為仿真日空調(diào)集群基準(zhǔn)負(fù)荷估計(jì)情況；

圖8為不同控制周期的平滑效果；

圖9為不同控制周期的波動率；

圖10為不同濾波時(shí)間常數(shù)的平滑效果；

圖11為不同時(shí)間常數(shù)的10min波動率；

圖12為有/無SOA控制下的功率波動平滑效果；

圖13為有/無SOA控制下的S變化情況；

圖14為不同風(fēng)電占比的平滑效果；

圖15為不同風(fēng)電占比10min波動率；

圖16為不同風(fēng)電占比的S值；

圖17為延遲與丟包時(shí)的平滑效果；

圖18為延遲與丟包時(shí)的10min波動率；

圖19為延遲與丟包時(shí)的跟蹤誤差；

圖20為預(yù)測模型中的環(huán)境變量及功率擬合效果。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明。本實(shí)施例以本發(fā)明技術(shù)方案為前提進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。

本發(fā)明提供一種平抑微網(wǎng)聯(lián)絡(luò)線功率波動的空調(diào)負(fù)荷協(xié)調(diào)控制方法，該方法包括：1)面向空調(diào)集群，基于低通濾波器原理，計(jì)算空調(diào)聚合功率控制目標(biāo)；2)針對空調(diào)個(gè)體，基于市場控制，將所述空調(diào)聚合功率控制目標(biāo)協(xié)調(diào)分配至各個(gè)空調(diào)負(fù)荷。

1空調(diào)聚合功率控制目標(biāo)

1.1聯(lián)絡(luò)線功率平滑策略

圖1為一個(gè)社區(qū)微網(wǎng)系統(tǒng)結(jié)構(gòu)示意圖，不失一般性，本發(fā)明中可再生能源考慮風(fēng)電，其總功率為P_W；TCL考慮制冷空調(diào)負(fù)荷(air-conditioner load，ACL)，將參與平抑聯(lián)絡(luò)線功率的空調(diào)負(fù)荷聚合功率記為P_AC，而將其余負(fù)荷的總功率記為P_L，忽略線損，則根據(jù)圖1在時(shí)刻k恒有：

P_g[k]＝P_AC[k]+P_L[k]-P_W[k] (1)

式中，P_g為微網(wǎng)聯(lián)絡(luò)線功率。

將空調(diào)在不參與外部調(diào)控狀態(tài)(下稱非控狀態(tài))下的自由負(fù)荷稱為空調(diào)基準(zhǔn)負(fù)荷(baseline load)，其聚合功率記為P_ACbase。在空調(diào)非控狀態(tài)下的聯(lián)絡(luò)線自由功率為：

P_g0[k]＝P_ACbase[k]+P_L[k]-P_W[k] (2)

P_g0的波動主要由可再生能源導(dǎo)致，可應(yīng)用低通濾波器(low-pass filter，LPF)原理對聯(lián)絡(luò)線功率進(jìn)行平滑。需說明的是，LPF原理存在多種改進(jìn)算法，如采用動態(tài)時(shí)間常數(shù)，本發(fā)明只討論基本LPF原理。根據(jù)LPF原理，聯(lián)絡(luò)線功率平滑目標(biāo)的遞推形式為：

P_gLPF[k]＝αP_gLPF[k-1]+(1-α)P_g0[k] (3)

式中，α＝τ/(τ+Δt)為濾波系數(shù)，其中τ為時(shí)間常數(shù)，Δt為控制周期，LPF的截止頻率為1/(2πτ)。

為了達(dá)到上述平滑目標(biāo)，空調(diào)聚合功率應(yīng)做出如下調(diào)整：

ΔP_AC[k]＝P_gLPF[k]-P_g0[k] (4)

ΔP_AC反映了聯(lián)絡(luò)線功率中需要抑制的高頻波動，則空調(diào)聚合功率的控制目標(biāo)應(yīng)為：

可見，對空調(diào)集群進(jìn)行控制，首先應(yīng)滿足其基準(zhǔn)負(fù)荷需求(式(5)右部第一項(xiàng))，在不影響用戶舒適度的前提下再進(jìn)行調(diào)整(式(5)右部第二項(xiàng))。而在利用電池平抑功率波動時(shí)是無需考慮前者的，這是TCL這類虛擬儲能與電池的重要區(qū)別。

這樣，為了計(jì)算空調(diào)聚合功率控制目標(biāo)關(guān)鍵是估計(jì)空調(diào)集群的基準(zhǔn)負(fù)荷。

1.2基準(zhǔn)負(fù)荷估計(jì)

在不參與任何需求響應(yīng)項(xiàng)目情況下的負(fù)荷值被稱為基準(zhǔn)負(fù)荷。用戶實(shí)際負(fù)荷與基準(zhǔn)負(fù)荷的差值可用于評估需求響應(yīng)效果和需求響應(yīng)彈性，以及作為向用戶兌現(xiàn)激勵(lì)政策的依據(jù)。所以，基準(zhǔn)負(fù)荷估計(jì)是需求響應(yīng)研究中的重要課題。

空調(diào)基準(zhǔn)負(fù)荷的估計(jì)方法可分為宏觀法和微觀法。宏觀法直接估計(jì)負(fù)荷總量，如基于歷史數(shù)據(jù)采用樣條回歸模型預(yù)測空調(diào)負(fù)荷；微觀法先對空調(diào)模型進(jìn)行參數(shù)辨識，然后再聚合出總負(fù)荷預(yù)測值，如利用線性回歸擬合參數(shù)、將等值熱參數(shù)(equivalent thermal parameter,ETP)模型化簡為指數(shù)模型進(jìn)行預(yù)測。本發(fā)明采用較為簡單的多元純二次回歸方法形成空調(diào)集群基準(zhǔn)負(fù)荷的估計(jì)值P_ACbase0。

影響空調(diào)總負(fù)荷的主要參數(shù)有：室外溫度T_o、太陽輻射以及空調(diào)總額定功率P_ACrated。本發(fā)明中天氣數(shù)據(jù)采用了TMY2數(shù)據(jù)^]，其太陽輻射分為三個(gè)分量：直射分量S_direct、水平散射分量S_diffuse、全球水平分量S_global。估計(jì)模型如下：

根據(jù)空調(diào)集群在非控運(yùn)行狀態(tài)下的功率及相應(yīng)的室外溫度、太陽輻射、空調(diào)總額定功率等歷史數(shù)據(jù)，就可以得到β₀～β₁₀的值。

對空調(diào)集群在非控狀態(tài)下進(jìn)行48h仿真，根據(jù)上式建立預(yù)測模型，模型中各環(huán)境變量值、空調(diào)實(shí)際總功率、擬合后的功率如圖20所示。

1.3基于SOA反饋的空調(diào)集群基準(zhǔn)負(fù)荷修正

空調(diào)集群基準(zhǔn)負(fù)荷估計(jì)值總會存在誤差。另外，如果可再生能源的滲透率較大或?qū)β势交囊筝^高(如濾波時(shí)間常數(shù)過大)，都有可能超出空調(diào)集群的調(diào)節(jié)能力，造成室溫偏離理想范圍。對此，本發(fā)明以空調(diào)室溫狀態(tài)作為反饋，對基準(zhǔn)負(fù)荷的估計(jì)值進(jìn)行修正。

為了定量描述空調(diào)負(fù)荷的當(dāng)前調(diào)節(jié)能力及用戶的舒適度，定義了空調(diào)室溫狀態(tài)(state of indoor temperature with air-conditioner，SOA)：

式中，T_set為用戶室溫設(shè)定值；T_max、T_min為用戶允許的室溫上下限；T_air為當(dāng)前室溫。

易知SOA∈[-1,1]，其值越接近0，可調(diào)節(jié)能力越強(qiáng)，用戶的舒適度越高；而其值接近1或-1時(shí)，表示室溫接近允許上限或下限。

采用下式衡量空調(diào)集群的總體室溫狀態(tài)：

式中，n為參與控制的空調(diào)總數(shù)。

以S作為反饋量，對空調(diào)集群基準(zhǔn)負(fù)荷估計(jì)值P_ACbase0進(jìn)行修正，以將總體室溫狀態(tài)控制在理想范圍內(nèi)。圖2是基準(zhǔn)負(fù)荷修正方法的整體框圖。修正后的基準(zhǔn)負(fù)荷為：

P_ACbase[k]＝P_ACbase0[k]+P_adj[k] (8)

式中，P_adj[k]為第k個(gè)控制周期的修正量，由一個(gè)比例分量和一個(gè)衰減分量構(gòu)成，其表達(dá)式為：

P_adj[k]＝ΔP_adj[k]％×P_ACbase0[k]+P_adj[k-1]e^-γ (9)

上式右部兩項(xiàng)的含義如下：

第一項(xiàng)中的ΔP_adj[k]為由S值確定的比例系數(shù)。設(shè)S的理想范圍為[-S₁,S₁]，當(dāng)超出此范圍時(shí)(|S|>S₁)采用雙折線比例調(diào)節(jié)，這是基準(zhǔn)負(fù)荷修正的主體部分；當(dāng)S處于理想范圍內(nèi)時(shí)，如果發(fā)現(xiàn)其變化率dS過大(|dS|>dS₀)，則進(jìn)行預(yù)調(diào)節(jié)，以減小S超出理想范圍后的調(diào)節(jié)量與調(diào)節(jié)時(shí)間，上述dS為S每分鐘變化率在最近一小時(shí)的均值。

第二項(xiàng)中的γ>0是衰減系數(shù)。當(dāng)ΔP_adj[k]≠0時(shí)，該項(xiàng)可以加快調(diào)節(jié)速度；而當(dāng)ΔP_adj[k]＝0時(shí)，該項(xiàng)會逐步減小修正量。

曲線ΔP_adj～S及ΔP_adj～dS皆關(guān)于原點(diǎn)對稱。

圖2中僅繪制了第一象限。ΔP_adj在第一象限為：

2空調(diào)聚合功率分配

至此，已得到每個(gè)控制周期空調(diào)聚合功率的控制目標(biāo)但由于空調(diào)是分散的，所以另一個(gè)關(guān)鍵問題是如何將其分配到各個(gè)空調(diào)中。

考慮如下5條原則：1)保證用戶對室溫的差異化需求，且不降低用電滿意度；2)用戶無需提供建筑物和空調(diào)的參數(shù)或模型信息；3)用戶無需開放空調(diào)負(fù)荷開關(guān)的控制權(quán)；4)方法具有開放性，能夠適應(yīng)各種TCL設(shè)備類型；5)方法具有可擴(kuò)展性，允許空調(diào)負(fù)荷以“即插即用”的方式參與調(diào)控。為此，本發(fā)明將空調(diào)的調(diào)節(jié)能力視為分散的資源，利用市場控制(market-based control，MBC)方法，在微網(wǎng)中建立一個(gè)虛擬市場，利用市場均衡原理實(shí)現(xiàn)總控制目標(biāo)的分配。

2.1總體控制流程

本發(fā)明的總體控制流程如圖3所示。

每個(gè)控制周期包含如下三個(gè)階段：

1)空調(diào)投標(biāo)階段。在下一個(gè)控制周期開始前，各空調(diào)向控制中心發(fā)送投標(biāo)信息。

2)聚合階段。包含如下過程：首先，控制中心計(jì)算空調(diào)聚合功率控制目標(biāo)然后，虛擬市場聚合空調(diào)投標(biāo)信息，形成需求曲線；最后，虛擬市場求取需求曲線與的交點(diǎn)，完成市場出清。

3)反聚合階段。虛擬市場廣播出清結(jié)果；各空調(diào)響應(yīng)出清結(jié)果，完成聚合功率的分配。

由于每次市場出清即對空調(diào)進(jìn)行了一次控制，因此市場出清周期等于系統(tǒng)控制周期。

2.2空調(diào)投標(biāo)策略

設(shè)空調(diào)設(shè)備由其控制器作為代理，根據(jù)本發(fā)明提出的下述投標(biāo)策略進(jìn)行自動投標(biāo)。

空調(diào)i在k控制周期的投標(biāo)信息為：

B_i[k]＝([p_bid,q_bid],s)_i[k] (11)

其中：

(1)投標(biāo)價(jià)格p_bid＝SOA，即空調(diào)以其當(dāng)前SOA作為投標(biāo)價(jià)格。空調(diào)室溫越接近上限，則投標(biāo)價(jià)格越高。在本方法中，投標(biāo)價(jià)格僅作為一種控制信號。

(2)投標(biāo)容量q_bid取空調(diào)運(yùn)行時(shí)的功率，一般采用額定功率。但實(shí)際上，空調(diào)的工況不同，其電功率會有所變化。為此，本發(fā)明根據(jù)美國能源部建筑能耗仿真項(xiàng)目中給出的曲線對空調(diào)制冷率和制冷能效比進(jìn)行實(shí)時(shí)修正。

(3)s為投標(biāo)附加信息，表示空調(diào)投標(biāo)時(shí)的工作狀態(tài)，1表示空調(diào)開啟，0表示關(guān)閉。

顯然，上述投標(biāo)值是依賴于實(shí)際空調(diào)及建筑物的熱參數(shù)模型以及用戶的舒適度設(shè)置的，但上述投標(biāo)機(jī)制屏蔽了這些信息，使得無需顯式獲得空調(diào)模型，并使得私密信息始終駐留在用戶端。

2.3虛擬市場出清

如圖4所示，虛擬市場按照投標(biāo)價(jià)格從高到低的順序聚合出需求曲線，然后求取與控制目標(biāo)功率的交點(diǎn)，得到出清價(jià)格p^*。與狀態(tài)隊(duì)列法中分別在開啟群和關(guān)閉群中選擇空調(diào)相比，本發(fā)明基于市場出清的方法更為簡單、直觀。

理想情況下，空調(diào)的室溫狀態(tài)均勻分布，這樣當(dāng)出清場景如圖(4a)時(shí)，跟蹤誤差不超過臨界空調(diào)的額定功率。但實(shí)際中室溫狀態(tài)不一定滿足均勻分布假設(shè)，且溫度傳感器測量精度有限，這可能導(dǎo)致多個(gè)空調(diào)的投標(biāo)價(jià)格均等于出清價(jià)格p^*，使得p^*失去對空調(diào)的選擇能力，增大了跟蹤誤差。為解決這個(gè)問題，本發(fā)明令空調(diào)控制器在利用式(6)計(jì)算SOA時(shí)，取T_air＝T_air0+δ。其中，T_air0為室溫測量值，設(shè)測量精度為0.1℃；δ為控制器產(chǎn)生的小于0.1的隨機(jī)數(shù)。這樣，δ可視為本控制周期該空調(diào)的設(shè)備識別符，它使得p^*具備足夠的空調(diào)選擇能力，更好地保證市場均衡。而當(dāng)出清場景如圖(4b)所示時(shí)，市場恰好達(dá)到均衡，空調(diào)總功率準(zhǔn)確跟蹤目標(biāo)功率，此時(shí)p^*＝(p_bid1+p_bid2)/2，p_bid1和p_bid2為如圖(4b)中所示的兩個(gè)投標(biāo)價(jià)格。

根據(jù)式(2)-(5)，計(jì)算空調(diào)聚合功率控制目標(biāo)需要獲得P_L-P_w的值。該值可由下式得到：

式中，s_i和q_bid,i為第i個(gè)空調(diào)的工作狀態(tài)和投標(biāo)功率，n為參與控制的空調(diào)總數(shù)。這樣，本方法僅需測量聯(lián)絡(luò)線功率P_g，這有利于顯著降低實(shí)施成本。

2.4空調(diào)響應(yīng)出清結(jié)果

上述出清價(jià)格p^*是實(shí)現(xiàn)目標(biāo)功率向各空調(diào)分配的唯一控制信號。在本控制周期，投標(biāo)價(jià)格低于p^*的空調(diào)應(yīng)關(guān)閉，反之應(yīng)打開。為達(dá)到上述目的，在每個(gè)控制周期初始，各空調(diào)控制器采取如下調(diào)整溫度設(shè)定值的方式響應(yīng)出清結(jié)果：

式中，ε是為了保證室溫在本控制周期內(nèi)不越限，其值等于各空調(diào)受控時(shí)的溫度死區(qū)。

由于控制中心無需指定每個(gè)空調(diào)的開關(guān)或設(shè)定值，本方法極大簡化了下行控制；與采用開關(guān)控制相比，即使出現(xiàn)了信息安全問題，入侵者也無法直接控制空調(diào)開關(guān)，從而保證室溫不越限。

3仿真算例與分析

3.1算例及場景說明

本實(shí)施例仿真算例采用一個(gè)社區(qū)級微網(wǎng)系統(tǒng)，共450臺空調(diào)參與控制?？照{(diào)負(fù)荷在負(fù)荷高峰期占比約為40％；風(fēng)電占比(裝機(jī)容量與負(fù)荷峰值的比例)約為27％。

空調(diào)負(fù)荷采用二階ETP模型，仿真步長為5s，不可控負(fù)荷、風(fēng)電功率等數(shù)據(jù)更新周期及數(shù)據(jù)記錄周期為10s，空調(diào)控制器在下一個(gè)控制周期前5s投標(biāo)。主要參數(shù)設(shè)置見表1～表3。表中，U(a,b)表示在[a,b]之間的均勻分布，N(avg,std)表示正態(tài)分布。

表1空調(diào)負(fù)荷主要參數(shù)設(shè)置

各空調(diào)額定功率根據(jù)房屋的熱參數(shù)選擇。根據(jù)表1，空調(diào)額定功率分布如圖5所示。

表2空調(diào)控制器主要參數(shù)設(shè)置

注1：T_high＝T_max-T_set，注2：T_low＝T_set-T_min。

表3控制中心參數(shù)

仿真日不可控負(fù)荷、風(fēng)電功率、室外溫度以及太陽輻射如圖6所示。

3.2空調(diào)集群基準(zhǔn)負(fù)荷預(yù)測

在后續(xù)仿真中，控制中心采集當(dāng)前環(huán)境數(shù)據(jù)，并利用預(yù)測模型計(jì)算空調(diào)集群基準(zhǔn)負(fù)荷估計(jì)值P_ACbase0。在非控狀態(tài)下空調(diào)集群實(shí)際負(fù)荷和基準(zhǔn)負(fù)荷估計(jì)值對比如圖7所示。

3.3不同控制周期的影響

基于以上實(shí)施例，采用不同控制周期Δt時(shí)，聯(lián)絡(luò)線功率的平滑效果如圖8所示。圖中，P_gLPF為聯(lián)絡(luò)線平滑目標(biāo)；P_g為平滑后的實(shí)際聯(lián)絡(luò)線功率；P_g0為空調(diào)非控狀態(tài)時(shí)的聯(lián)絡(luò)線功率。

定義第t min時(shí)聯(lián)絡(luò)線的10min功率波動率：

其中，t_r為記錄周期(min)，為第i min時(shí)聯(lián)絡(luò)線實(shí)際功率。

不同控制周期下的10min波動率見圖9?？梢?，控制周期對平滑效果有明顯的影響。依據(jù)采樣定理，本方法無法反映周期小于2Δt的高頻波動。兼顧平滑效果和控制代價(jià)，控制周期可選擇1min。本實(shí)施例后續(xù)仿真皆取該控制周期值。

3.4不同濾波時(shí)間常數(shù)的影響

分別取時(shí)間常數(shù)τ＝2min、10min、50min，聯(lián)絡(luò)線功率平滑效果以及10min功率波動率如圖10、圖11所示。

由圖11可見，當(dāng)τ＝10min和50min時(shí)，兩者的10min波動率相當(dāng)。但從圖10可見，當(dāng)τ＝50min時(shí)，對低頻波動有進(jìn)一步的平抑作用。綜上可見，空調(diào)負(fù)荷具有較強(qiáng)的平抑聯(lián)絡(luò)線功率波動的能力，濾波時(shí)間常數(shù)應(yīng)不低于10min。

3.5SOA反饋控制的效果

為了更明顯地觀察SOA反饋控制的效果，本實(shí)施例中將空調(diào)基準(zhǔn)負(fù)荷估計(jì)值在原值上做±10％的調(diào)整，以模擬更大的估計(jì)誤差。此時(shí)，有無SOA控制下的波動平抑效果如圖12所示。

由圖13可見，無SOA控制時(shí)，由于空調(diào)基準(zhǔn)負(fù)荷估計(jì)值與實(shí)際所需功率差異較大，SOA在某些時(shí)段達(dá)到了上/下限。此時(shí)，根據(jù)式(13)，本控制方法優(yōu)先保證用戶舒適度，使得空調(diào)集群無法準(zhǔn)確跟蹤控制目標(biāo)，因而失去了平滑能力。而在有SOA控制時(shí)，根據(jù)S對基準(zhǔn)負(fù)荷估計(jì)值進(jìn)行了修正，從而保證S在理想范圍內(nèi)。由圖12可以看出，對基準(zhǔn)負(fù)荷的修正是局部修正：凌晨時(shí)基準(zhǔn)負(fù)荷估計(jì)值偏大，如再增加正誤差會導(dǎo)致SOA過?。恢形缁鶞?zhǔn)負(fù)荷估計(jì)值偏小，如再增加負(fù)誤差則使得SOA過大。采用SOA控制后上述時(shí)段的基準(zhǔn)負(fù)荷估計(jì)值得到了明顯的修正。

3.6不同風(fēng)電占比

將圖6所示風(fēng)電功率上調(diào)100％后，聯(lián)絡(luò)線功率的平滑效果、10min功率波動率以及SOA如圖14～圖16所示。為便于比較，圖中復(fù)制了原始風(fēng)電功率時(shí)的平抑效果。

由仿真結(jié)果可見，當(dāng)風(fēng)電占比上調(diào)100％(達(dá)到約54％)時(shí)，聯(lián)絡(luò)線10min波動率在局部已經(jīng)接近原始的非控狀態(tài)，空調(diào)集群的S值接近可調(diào)邊界。按照本實(shí)施例的設(shè)置，風(fēng)電裝機(jī)容量占比在30％以內(nèi)為宜。通過增大空調(diào)溫度上下限可進(jìn)一步提高空調(diào)集群的平抑能力，但會影響舒適度。

3.7通信延遲與丟包的影響

實(shí)際應(yīng)用中會出現(xiàn)不同程度的通信延遲和丟包現(xiàn)象，影響控制效果。對于通信延遲，受仿真步長所限，本實(shí)施例使其在0s、5s、10s中均勻分布；對于丟包率，本實(shí)施例取5％。聯(lián)絡(luò)線功率平滑效果、波動率以及跟蹤誤差如圖17～圖19所示。其中，理想狀態(tài)指無延遲和丟包；跟蹤誤差定義如下：

由圖可見，當(dāng)存在通信延遲時(shí)，由于不同空調(diào)實(shí)際改變工作狀態(tài)的時(shí)間有所差異，因此聯(lián)絡(luò)線波動率中的高頻分量略有增加，但整體跟蹤誤差與理想情況基本一致；當(dāng)出現(xiàn)丟包時(shí)，控制器依然保持上一控制周期的輸出，因此跟蹤誤差有較為明顯的增大。但總體而言，盡管仿真中通信延遲和丟包率都取值較大，聯(lián)絡(luò)線功率波動率仍能基本保證在0.1MW以下，跟蹤誤差在負(fù)荷高峰期基本在3％以內(nèi)，仍在可接受范圍內(nèi)。