摘要:0 引言 近年来,随着主动配电网技术的推进,高级计量架构技术(advanced metering infrastructure,AMI)的普及为监测和控制终端负荷提供了技术支撑[-],这将改变负荷侧原有的被动位置,使其通过需求侧响应(demand response,DR)项目,主动参与到能源调度管理中,从而
| 无心法师第二季 可心卡盟 克里克拉克 空城魅影 空降库卡隆 恐惧废土鳄鱼洞 孔维沁 寇玉磊 库汉村庄有几名npc 库米沙的努力 |
|
目前常用的空调-建筑系统一阶等效热参数(equivalent thermal parameters,ETP)模型如图1所示,其微分方程[-]表示如下： 由上述推导可知,单个虚拟储能的额定容量与建筑等效热容、该空调用户的可接受温度范围成正比,虚拟荷电状态则可实时衡量虚拟储能储电量。
式中Qs(t)为建筑传热功率,kW。 由上式可知,升高设定温度,空调停止制冷,功率从稳态功率减至0,可等效为储能装置放电;降低设定温度,空调满负荷工作,功率从稳态功率增大至额定功率,可等效为储能装置充电。下文主要从虚拟储能模型的容量和功率特性进行研究。 在matlab2010a平台下对空调-建筑系统的温度动态变化过程进行仿真,采样时间为10 s,详细参数见表1 对于空调-建筑温控系统,若其他扰动参数不变,调节设定温度Tset将改变房间温度Tr。系统处于稳态时,空调电功率Pac、制冷量Qac、房间温度Tr均保持稳定。Tset变化时,温度平衡被打破,系统从稳态进入动态,Pac、Qac立刻改变,Tr由于建筑本身的热惰性滞后变化,直到温度平衡重新建立,系统再次恢复稳态。 图4 室外温度对虚拟储能额定容量的影响 Fig. 4 Effect of outdoor temperature on VES由上图可知,策略1在响应结束后为将室温恢复至初始设定值,空调将满负荷工作一段时间,从而出现较大反弹负荷。策略2在高峰时段的设定温度变化值与策略1相比较小,因此用户舒适度更好,更适合调控舒适度要求高的用户。并由于虚拟储能提前充电,策略2能有效降低反弹负荷,但会在高峰时段前又造成一个新的负荷高峰,则实际采用何种策略应考虑区域配电网总负荷特性后决定。 虚拟储能参与需求侧响应可表示如下：
2）虚拟储能容量、功率等指标受室外温度、设定温度等因素影响较大,调控时应重点考虑。 Fig. 13 Full circle applicability of VES aggregation model ">
${{S}_{\text{ovc}}}\text{(}t\text{)}=\frac{E\text{(}t\text{)}}{{{E}_{\text{N}}}}=\frac{{{T}_{\text{max}}}-{{T}_{\text{r}}}\text{(}t\text{)}}{{{T}_{\text{max}}}-{{T}_{\text{min}}}}$ (8) \(P_{\text{ves }\!\!\_\!\!\text{ sum}}^{[k]}=\sum\limits_{n=1}^{N}{{{P}_{\text{ves}}}{{(n)}^{[k]}}}\) (17) 1.3.1 虚拟储能实现原理通过调节空调设定温度来改变空调负荷的控制原理[]如图3所示。
文献[9-10]提出一种状态序列控制算法,通过控制温控负荷开关状态来平抑联络线功率波动,虽然能反映室内温度动态变化过程,但并不利于上级电网调度。文献[11-12]建立以双耦合偏微分方程组为基础的空调负荷热力学模型,通过改变空调温度设定值来平抑风电波动,提出了虚拟储能的概念,但没有建立完整特性模型,缺乏普适性。文献[13]对常见的3种空调负荷控制手段(改变压缩机启停、改变温度设定值和占空比控制)进行了对比,但缺乏空调负荷响应能力的定量评估。文献[14-15]通过改变双巴特沃兹滤波器中的滤波时间常数,实现了虚拟储能和储能电池的协调控制,但没有考虑外界因素对虚拟储能的影响。以上文献多侧重于单一场景下的空调控制策略,缺乏完整的虚拟储能指标体系,变量间的耦合关系也没有进行深度挖掘,而实际情况中,一些因素会对用户的舒适度、积极性产生影响,可能导致调控效果出现较大偏差。 1）直接削减策略,即在电网高峰时段升高温度设定值,虚拟储能放电以达到降低整体负荷峰值的目的。 \({{P}_{\text{ac }\!\!\_\!\!\text{ o}}}(t)=\frac{{{Q}_{\text{s}}}(t)}{\eta }=\frac{{{T}_{\text{out}}}(t)-{{T}_{\text{r}}}(t)}{\eta R}\) (3)
Fig. 12 Indoor temperature with viarable Tset ">
0 引言 近年来,随着主动配电网技术的推进,高级计量架构技术(advanced metering infrastructure,AMI)的普及为监测和控制终端负荷提供了技术支撑[-],这将改变负荷侧原有的被动位置,使其通过需求侧响应(demand response,DR)项目,主动参与到能源调度管理中,从而节省传统储能设备高昂的经济成本。 Fig. 7 Simulation results of VES model ">
[1] 马钊,梁惠施,苏剑,等.主动配电系统规划和运行中的重要问题[J].电网技术,2015,39(6):1499-1503. Ma Zhao, Liang Huishi,Su Jian,et al.Important issues in planning and operation of active distribution system[J].Power System Technology,2015,39(6):1499-1503(in Chinese). [2] 曾鸣,杨雍琦,刘敦楠,等.能源互联网“源-网-荷-储”协调优化运营模式及关键技术[J].电网技术,2016,40(1):114-123. Zeng Ming,Yang Yongqi,Liu Dunnan,et al.“Generation- grid-load-storage” coordinative optimal operation mode of energy internet and key technologies[J].Power System Technology,2016,40(1):114-123(in Chinese). [3] 张涛,张福兴,张彦,等.面向能源互联网的能量管理系统研究[J].电网技术,2016,40(1):146-155. Zhang Tao,Zhang Fuxing,Zhang Yan,et al.Study on energy management system of energy internet[J].Power System Technology,2016,40(1):146-155(in Chinese). [4] 周楠,樊玮,刘念,等.基于需求响应的光伏微网储能系统多目标容量优化配置[J].电网技术,2016,40(6):1709-1716. Zhou Nan,Fan Wei,Liu Nian,et al.Battery storage multi-objective optimization for capacity configuration of PV-based microgrid considering demand response[J].Power System Technology,2016,40(6):1709-1716(in Chinese). [5] 高赐威,梁甜甜,李扬.自动需求响应的理论与实践综述[J].电网技术,2014,38(2):352-359. GaoCiwei,Liang Tiantian,Li Yang.A survey on theory and practice of automated demand response[J].Power System Technology,2014,38(2):352-359(in Chinese). [6] Galiana F D, handchin E,A Fietchter,et al.Identification of stochastic electric load models from physic data[J].IEEE Transactions on Automatic Control,1974,19(6):887-893 [7] Manichaikul Y,Schweppe F C.Physically based industrial electric load[J].IEEE Transactions on Power Apparatus and system,1979,PAS-98(4):1439-1445. [8] Angel Molina-García,Mathieu Kessler,Juan Alvaro Fuentes,et al.Probabilistic characterization of thermostatically controlled loads to model the impact of demand response programs[J].IEEE Transactions on Power Systems,2011,26(1):241-251. [9] Ning Lu, Chassin David P,et al.A state-queueing model of thermostatically controlled appliances[J].IEEE Transactions on Power Systems,2004,19(3),1666-1673 [10] 王成山,刘梦璇,陆宁,等.采用居民温控负荷控制的微网联络线功率波动平滑方法[J].中国电机工程学报,2012,32(25):36-43. Wang Chengshan,Liu Mengxuan,Lu Ning,et al.A tie-line power smoothing method for microgrid using residential thermostatically- controlled loads[J].Proceedings of the CSEE,2012,32(25):36-43.(in Chinese). [11] 艾欣,赵阅群,周树鹏,等.适应清洁能源消纳的配电网直接负荷控制模型与仿真[J].中国电机工程学报,2014,32(25):35-42. Ai Xin,Zhao Yuequn,Zhou Shupeng,et al.Direct load control model and simulation for clean energy accommodation in distribution network[J].Proceedings of the CSEE,2014,32(25):35-42(in Chinese). [12] 艾欣,赵阅群,周树鹏,等.空调负荷直接负荷控制虚拟储能特性研究[J].中国电机工程学报,2016,36(6):1596-1603. Ai Xin,Zhao Yuequn,Zhou Shupeng,et al.Study on virtual energy storage features of air conditioner direct load control[J].2016,36(6):1596-1603. [13] 邓宇鑫,王磊,李扬,等.温控负荷直接负荷控制策略与优化调度[J].电力系统自动化学报,2015,27(6):18-24. Deng Yuxin,Wang Lei,Li Yang,et al.Direct Load control strategies and optimization scheduling of thermostatically controlled loads[J].Proceedings of the CSU-EPSA,2015,27(6):18-24(in Chinese). [14] Dan Wang,Shaoyun Ge,Hongjie Jia,et al.Demand response and battery storage coordination algorithm for providing microgrid tie-line smoothing services[J].IEEE Transactions on Sustainable Energy,2014,5(2):476-485. [15] Sun Jianwei,Tang Shengwei,Wang Dan,et al.An communication and battery performance evaluation of the demand response and battery storage coordination system potential for providing microgrid tie-line smoothing services[J].Advanced Materials Research,2014,860-863:2023-2034. [16] Ruiz N,Cobelo I,Oyarzabal J.A direct load control model for virtual power plant management[J].IEEE Transactions on Power Systems,2009,24(2):959-966. [17] Wei Zhang,Jianming Lian,Chin-Yao Chang,et al.Modeling and control of air conditioning loads for demand response[J].IEEE Transactions on Power Systems,2013,28(4):46-55. [18] Lu N.An evaluation of the HVAC load potential for providing load balancing service[J]. IEEE Transactions on Smart Grid,2012.3(3):1263-1270. [19] 曹彬. 气候与建筑环境对人体热适应性的影响研究[D].北京:清华大学,2012. [20] Wang Dan,Jia Hongjie,Wang Chengshan,et al.Performance evaluation of controlling thermostatically controlled appliances as virtual generators using comfort- constrained state-queueing models[J].IET Generation,Transmission & Distribution,2014,8:591-599. [21] 孟岩勇. 基于simulink的变频房间空调器制冷动态特性研究[D].西安:西安建筑科技大学,2006. 根据式(3)(4)(9)可推导出虚拟储能功率表达式如下： 1）虚拟储能模型作为空调负荷参与需求侧响应的接口,既能保障下层用户舒适度,又提高了与现有电网调度模型的兼容性。 \(Q=C({{T}_{\text{set}}}-{{T}_{\text{set0}}})\) (5) (责任编辑：admin) |
- 上一篇：2017美國國際空調制冷展會AHR
- 下一篇：空调使用不当酿十大祸害
谈谈您对该文章的看