基于物理-数据融合的数字化楼宇用电模型构建方法

随着智能终端和传感器的广泛应用,结构、环境、电气以及人员行为等多元参数的实时采集与传输使楼宇具有了数字化特性,从而使对数字化楼宇的电能利用进行动态精细化分析成为了可能。然而,基于单一物理或数据建模的楼宇用电分析方法在实际应用中均存在一定计算误差。提出一种基于物理-数据融合思路的数字化楼宇用电模型构建方法,结合静态与动态的多元数据,在保留楼宇热-电转换的因果关系基础上,可通过真实量测数据修正楼宇用电物理模型,实现精细化的楼宇用电能效分析。通过某数字化楼宇实测数据验证,表明所提出的方法具有准确性和合理性。     

集成智能楼宇的主动配电网建模及优化方法

提出一种集成智能楼宇灵活负荷的主动配电网建模及优化调度方法。首先,根据楼宇蓄热特性,基于热阻热容网络模型,构建考虑楼宇内部不同温度区域的智能建筑能耗预测模型;基于能耗预测模型,构建智能楼宇的暖通空调系统优化调控模型,通过在温度舒适度范围内对楼宇室温进行优化调节,实现对暖通空调系统的能耗管理;进一步为考虑智能楼宇在不同优化调度策略下对配电网络的经济性与安全性影响,通过引入楼宇集群负荷系数,提出考虑负荷系数的集成智能楼宇的主动配电网建模及优化调度方法;最后,以冬季制热场景为例,对暖通空调多种调控方式下的楼宇集群进行优化调度分析,之后进一步对比分析楼宇集群优化调度对于主动配电网的经济性与安全性影响。结果表明,所提方法在保证温度舒适度的前提下可充分发掘智能楼宇的需求响应潜力,在一定程度上降低智能楼宇的运行成本;同时,考虑楼宇集群负荷系数的集成智能楼宇的主动配电网优化可在保证楼宇集群运行经济性的同时,一定程度上降低系统网损以及改善电压质量,进一步提高配电网运行的经济性与安全性。     

基于CPS架构的商业楼宇智能用能控制管理系统建设与应用

针对商业楼宇具有良好的节能及需求响应潜力的特点,提出了基于信息物理系统(cyber physical system, CPS)架构的商业楼宇智能用能控制系统。基于典型CPS系统的3层架构,单元级通过智能用能终端实现了空调、照明、电加热等用能系统的动态信息感知、标准化信息建模及控制;系统级通过智能用能网关开展多元信息融合及边缘计算,实现了楼宇的能效分析、能效诊断及多设备的协调控制;平台级通过智能用电主站系统实现了多商业楼宇用能响应潜力的聚合和协同优化。以深圳地区某商业楼宇为案例,部署应用了基于CPS架构的智能控制管理系统,结果证明用能调控响应程度显著提升,用能能耗明显下降。     

考虑分时电价差异性和基于主从博弈的智能楼宇集群能量共享方法

智能电网背景下,具备分布式光伏出力和自动需求响应要素的智能楼宇联合运行可以促进光伏发电的就地消纳,提高其用电经济性.因此,构建了以配有储能系统的智能楼宇集群运营商(smart building cluster operator,SBCO)为中心的能量交易框架,并提出一种考虑分时电价差异性和基于主从博弈的能量共享方法.首先,考虑到不同负荷类型楼宇用户存在分时电价差异性,且智能楼宇的实时需求响应会促进集群内部的能量共享,建立了SBCO的日前储能调度模型.其次,计及SBCO和楼宇用户具有不同逐利特性及用户的信息私密性和对用电舒适度要求,提出了一种基于主从博弈的实时需求响应模型以实现两方利益制约平衡和联合优化.最后,通过实际算例证实了所提方法可以较好地提升SBCO和智能楼宇的经济效益,且在促进分布式光伏就地消纳和优化智能楼宇集群净负荷特性方面具有优势.     

楼宇微电网的需求响应优化策略

正随着能源互联网的兴起和"坚强智能电网"建设的稳步推进,新能源微电网的广泛接入对电网需求响应(Demand Response,DR)提出了更高要求。需求响应能够实现用电优化、降低峰谷差、加大新能源消纳,并且能够积极参与电网间的有效互动,是"坚强智能电网"建设的核心与关键。微电网的兴起给需求响应带来了新的挑战与机遇。已有相关研究将微电网项目引入需求响应,但较少考虑用户端的影响或楼宇微电网模型较简单,没有将楼宇微电网与需求响应紧密结合,没有充分考虑楼宇微电网对需求响应项目的     

基于模型预测控制的智能楼宇用能灵活性调控策略

提出一种基于模型预测控制的智能楼宇用能灵活性调控策略。首先,根据楼宇蓄热特性,构建考虑楼宇内部不同制热区域的智能楼宇能耗预测模型,并将楼宇系统作为灵活可控单元集成到配电网中;然后基于模型预测控制方法,通过楼宇内部暖通空调系统在温度舒适度范围内对室温进行优化调节,实现楼宇系统的能耗灵活管理,降低楼宇运行成本;最后,在冬季制热场景下,对不同暖通空调控制方法下的楼宇集群进行优化调度分析,并对比分析了楼宇集群优化调度对于配电网运行状态的影响。结果表明,所提方法在保证温度舒适度的前提下可充分发掘智能楼宇的需求响应潜力,降低楼宇运行成本,同时可有效解决由可再生能源出力预测数据误差而导致的楼宇日前调控方案与实际运行场景偏差较大的问题,在预测不确定性环境下具有较强的鲁棒性。     

基于集群辨识的电力用户需求响应潜力评估

针对电力市场参与需求响应(DR)用户的特性不一、响应能力差异大,导致DR潜力评估难度大的问题,提出了一种自底向上的负荷DR潜力评估方法.首先,对用户的用电行为进行分析,将每个用户的负荷变化分别用基于概率分布和隐马尔科夫模型的聚类方法进行聚类,得到适合价格和激励的DR用户分类.然后,将用户负荷大小用K-means算法进行...     

考虑居民用户参与度不确定性的激励型需求响应模型与评估

先进的智能测控与双向通信技术引导越来越多居民用户通过智能家庭能量管理系统(SHEMS)参与需求响应(DR),然而用户参与度等不确定因素导致难以有效量化评估居民响应能力.首先,建立了复杂用电环境下的混合整数负荷模型,并综合考虑基于分时电价和用户协议的DR策略,建立了激励型DR参与度自主决策的智能家庭日前优化调度模型.然后...     

分时电价下居民用户用电需求响应估计方法

在组织需求侧资源参与需求响应(DR)的过程中，除了应关注已参加DR的存量资源的管理，还应考虑如何实现对未参加DR的潜在增量用户的潜力分析。针对基于价格的需求响应(PBDR)，关注给定价格下用户响应量估计的关键环节，通过支持向量机回归模型，建立未参加和参加PBDR用户间用电规律的相似性，解决了DR事件起始和持续时间不固定、未参加PBDR用户自身的历史用电信息无法反映其DR特性等难题，实现在假设施加价格信号下，对未参加PBDR用户的用电响应情况及需求弹性的量化估计。基于伦敦地区智能电表实际数据进行实验以验证所提方法的优越性，结果表明所提方法的估计效果优于基于相似日的方法，可为用户筛选提供一定依据。     

融合知识图谱与神经张量网络的需求响应智能推荐

针对现有协同过滤智能推荐算法在海量数据和复杂电网结构下存在数据稀疏性和冷启动问题,提出一种融合知识图谱与神经张量网络的需求响应智能推荐模型。该模型核心是一个知识驱动的神经张量网络(neuraltensornetwork,NTN)表示学习模型。通过用电数据集抽取用户用电行为知识三元组,与预先抽取的结构化先验知识融合构建知识图谱,利用NTN表示学习模型将知识图谱中实体嵌入低维稠密向量空间解决数据稀疏性问题;基于知识图谱中的先验知识实现新用户需求响应智能推荐,有效解决冷启动问题;为了减少推荐时延问题,文章通过偏好传播(Ripple Net)算法缩小候选用户实体集,提高了模型效率。基于用电公共数据集对模型进行算例验证,结果表明基于NTN模型的需求响应推荐算法可以有效克服数据稀疏性和冷启动问题,相对于现有基于协同过滤的需求响应智能推荐算法在推荐准确率、召回率等指标上有显著提升。     

计及用电行为聚类的智能小区互动化需求响应方法

针对复杂智能用电环境下智能用电小区的多用户日负荷需求响应问题,提出一种考虑用户用电行为聚类的互动需求响应方法。首先,以智能小区用户的基本负荷、可调度负荷、电动车负荷和储能装置负荷为约束条件,建立电网负荷波动最小优化目标的需求响应模型;然后,阐述了提出的智能小区互动化需求响应方法,将需求响应模型求解过程分解为电网侧子响应和用户侧子响应的协作互动过程;最后,基于用户侧用电行为聚类分析,采用行为矫正的混合粒子群优化算法实现需求响应模型的互动化方法求解。实验中与分时电价下的响应算法及无用户聚类的集中响应算法对比,其结果表明所提方法通过聚类分析与互动化策略能够在优化结果和算法性能方面优于对比方法。     

基于综合需求响应和奖惩阶梯碳交易的能源枢纽 主从博弈优化调度

为了充分考虑综合能源系统的低碳性以及多能负荷响应特性的复杂性,提出了考虑综合需求响应和奖惩阶梯型碳交易机制的能源枢纽(Energy Hub, EH)主从博弈优化调度策略。首先,为有效评估多能负荷柔性特性和响应能力,将建筑热传递模型与生活热水储存模型集成到楼宇EH模型中,构建了考虑多种热量扰动因素的精细化综合需求响应模型。其次,考虑到供需双方的绿色调节能力,构建了奖惩阶梯型碳交易成本模型。并基于Stackelberg博弈理论,建立了能源枢纽运营商和用户的低碳优化模型。最后,提出了结合CPLEX工具箱的差分进化算法对所提模型进行求解。算例仿真验证了所提方法能够有效限制系统的碳排放量,充分发挥了需求侧资源的响应能力和减排潜力,实现了EH经济性和环保性的双赢。     

基于并行预测策略的公共楼宇 日前空调负荷预测

随着我国城市建设的推进,公共楼宇的用电能耗增长迅速。为加强能耗管理、降低能耗水平,对公共楼宇空调系统日前用电负荷进行预测是工作的基础。针对当前公共楼宇空调系统日前负荷预测累积误差大的现象,提出对日前24 h单独建立负荷预测模型的并行预测策略。然后融合主成分分析和模糊C均值聚类对数据进行预处理,形成合适规模及变量维度的训练数据,将其作为支持向量机预测模型的输入,并通过粒子群算法对SVM的模型参数进行自适应寻优。以实际公共楼宇空调负荷历史数据为基础,对比分析所提出的算法与串行预测策略及传统交叉验证试凑参数的SVM预测算法,结果表明提出的方法充分利用了公共楼宇空调负荷的特点,预测精度高、速度快。     

基于优先级队列的居民需求响应策略自趋优方法

居民负荷是电网季节性尖峰负荷的重要构成之一,同时具有巨大的需求响应（Demand Response, DR）潜力,但其随机性和分散性也限制了其灵活参与需求响应互动的能力。针对居民负荷的特点及其响应行为的不确定性,以负荷曲线特征、历史DR参与情况和响应程度为参数建立居民负荷模型,并以实际居民数据集为依据辨识分布参数,进而提出一种基于历史响应效果形成优先级队列的方法。在此基础上建立居民需求响应成本模型,以成本最小化为目标优化得出最优居民需求响应策略,在精确达成负荷削减目标的前提下,合理控制DR成本。优先级队列在多次DR事件中逐次更新修正,从而实现响应策略自趋优。最后通过算例验证了提出的居民负荷模型及居民需求响应策略自趋优方法的有效性。     

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。     

居民用户需求响应行为影响因素辨识与响应特性提取

制定基于分时电价的需求响应激励策略需要充分掌握居民用户的用电特性。针对此问题,该文建立了基于蒙特卡洛方法的需求响应行为影响因素评估模型,基于此模型分析居民用户用电数据和调查问卷,得到了居民用户需求响应行为的主要影响因素。基于主成分分析和逐步线性回归建立了用电设备负荷曲线提取算法,剥离了与需求响应行为有较强相关性用电设备负荷曲线,提取了居民用户对分时电价机制的响应特性。与测量数据的对比表明,负荷曲线提取算法是准确和有效的。基于负荷曲线提取算法分析分时电价机制下负荷曲线的演变特性,可为峰时电价制定、需求响应等提供有效的数据支撑。     

基于密度空间聚类和引力搜索算法的居民负荷用电模式分类模型

居民用户用电模式分类研究可为需求侧响应方案设计、负荷特性分析及其高精度预测提供支撑。首先,利用基于密度的空间聚类算法提取得到用户的典型用电模式;然后,考虑每天不同时段及季节变换对用户用电行为的影响,提取能够描述用户在不同时间尺度下用电行为的6个特征;在此基础上,提出了一种基于引力搜索算法的用户用电模式分类模型;最后,对实测居民用电数据进行聚类,并对各类用户的用电模式及其参与需求侧响应的潜力进行了分析。     

基于需求响应的建筑楼宇综合能源系统优化调度

针对能耗高且增速快的建筑楼宇优化调度问题,构建了含光伏发电、冷热电联供系统、燃气锅炉和储能装置的建筑级综合能源系统。在对系统内各个能源设备进行建模分析的基础上,考虑需求响应补偿价,以建筑运行成本最低为目标函数,建立了基于需求响应的建筑级综合能源系统优化调度模型,采用基于云模型改进的粒子群算法对模型优化求解。引入算例进行仿真,对比是否参与需求响应的两种不同模式,以及云模型粒子群算法与基本粒子群算法的优化性能。结果表明,基于需求响应的云模型粒子群算法模式可有效节约建筑级综合能源系统运行成本,同时降低电网侧负荷峰谷差。     

基于粒子校正优化的智能小区需求响应调度策略

针对复杂智能用电环境配电网侧波动最小优化目标下的智能用电小区多用户日负荷需求响应调度问题,提出一种基于粒子校正优化的智能用电小区用电需求响应调度策略。首先综合考虑智能家居的基本负荷、可调度负荷、电动汽车负荷和储能装置负荷等约束条件,建立了计及罚系数的多用户智能用电调度模型;然后为求解该模型,提出基于粒子校正的混合粒子群算法,通过解决用户负荷分配最优求解中偏离约束问题,实现优化调度的效果;最后进行算例仿真实验,经过对比分析,结果表明文中所提策略对包含多种新型用能负荷的用户需求响应调度有着良好的负荷平抑配电网波动效果,能较好地实现配电网削峰填谷的目的。     

基于自适应粒子群算法的楼宇智能用电策略

考虑楼宇拥有光伏发电、储能电池、微型燃气轮机、可控负荷和不可控负荷等电源和负荷,以最小化电费支出,同时保证用户用电舒适度为目标,提出一种楼宇智能用电策略的数学模型。采用基于成功率的自适应混沌惯性权重粒子群算法求解建立的智能用电数学模型,对比于标准粒子群算法表现出更高的收敛精度和收敛速度。成功率计算包含的混沌性和自适应性,在搜索过程中提供更多的状态信息,改善粒子趋优运动。仿真结果证明了智能用电策略的有效性,可以帮助楼宇用户根据自我需求,优化运行电源设备和用电设备,降低电费支出,并提高用电舒适度。