基于变配电需求的空调负荷控制方法及系统与流程

本发明涉及一种基于变配电需求的空调负荷控制方法及系统，根据配电网有功损耗需求和空调负荷预测进行空调负荷调度，属于配电网负荷智能调度技术。

背景技术：

1、空调负荷为工业生产、居民生活的主要降温负荷，2000年以来，中国的空调负荷以平均每年2.5％的速度快速增长。2020年空调负荷占到了中国用电需求高峰的16％，在极度炎热的日子里甚至占到一半以上，但是空调负荷在峰荷时段的年利用小时数仅有数百小时，会造成配电网中短暂而尖锐的电力需求高峰，为电网的安全稳定经济运行带来了严峻的挑战。

2、同时，空调负荷也是配电网可调节资源互动的重要组成部分，有着巨大的创新和能效改进潜力，对于有效降低电网高峰负荷，引导居民合理用电，提高电网稳定性具有重要意义。由于经济社会的快速发展和人民生活水平的不断提高，空调产销量和保有量均出现了较大幅度的增长，空调负荷的逐年增长趋势及巨大的增长潜力。

3、电压越限是威胁配电网安全稳定运行的重要因素，由于低压配电网多为辐射状拓扑结构，电能从配电变压器输送到用户，潮流单向流动，造成电压从配变母线开始沿馈线逐渐降低。随着负荷规模日益增加，在晚高峰时段电压会出现明显下降的情况，甚至越过下限。为了保证电力系统的安全稳定运行以及用户的用电安全，电压必须保持在标准范围内，而空调负荷是夏季电网高峰时段欠电压的主要影响因素，因此对于夜间重负荷引起的欠电压问题，是未来需要拓展的新型参与电网互动的需求侧资源，以实现夏季用电高峰时段电网电压控制。

技术实现思路

1、发明目的：为了克服现有技术中存在的不足，本发明提供一种基于变配电需求的空调负荷控制方法及系统，根据配电网有功损耗需求和空调负荷预测计算空调负荷削减量理论值，进而评估出配电网中每个节点的空调制冷开启温度和空调制冷关停温度，是一种源荷互动的电力系统调度方法。

2、技术方案：为实现上述目的，本发明采用的技术方案为：

3、一种基于变配电需求的空调负荷控制方法，包括如下步骤：

4、step1、基于神经网络构建空调负荷预测模块，先根据时间结构信息和空间结构信息预测室内外环境信息，然后根据室内外环境信息和设备基本信息获取空调负荷预测值；

5、step2、根据电网调度中心对配电网电压和配电网有功损耗的需求，构建以空调负荷削减量和配电网网络有功损耗最小为优化目标的空调负荷参与配电需求响应的控制模块；先根据电网调度中心对配电网电压和配电网有功损耗的需求获取配电网的网络预测数据，然后根据空调负荷预测值和配电网的网络预测数据获取满足电压安全的配电网中每个节点的空调负荷削减量理论值；

6、step3、基于神经网络构建室温时变预测模块，将空调负荷预测值、空调负荷削减量理论值、空间结构信息、人体舒适度要求和单位电价作为输入特征，评估配电网中每个节点的空调制冷开启温度和空调制冷关停温度最优值；

7、step4、基于损失函数对空调负荷控制网络进行监督训练，将时间结构信息、空间结构信息、设备基本信息、电网调度中心对配电网电压和配电网有功损耗的需求、人体舒适度要求和单位电价作为输入特征，先通过空调负荷预测模块获取空调负荷预测值，再通过空调负荷参与配电需求响应的控制模块获取满足电压安全的配电网中每个节点的空调负荷削减量理论值，最后结合空调负荷预测值、空调负荷削减量理论值、空间结构信息、人体舒适度要求和单位电价评估配电网中每个节点的空调制冷开启温度和空调制冷关停温度的最优值，通过损失函数评价空调制冷开启或关闭时刻净负荷有功功率实际值与电网调度中心发布的净负荷有功功率需求的接近程度；

8、step5、使用训练好的空调负荷控制网络评估配电网中每个节点的空调制冷开启温度和制冷关停温度，根据评估结果确定空调调控策略，并根据空调调控策略对空调负荷进行调控。

9、本案将神经网络学习技术引入到了电网调控领域，考虑到影响室内温度的因素和空调负荷削减的因素较多，在这两个部分采用神经网络进行学习，提高了整个空调负荷控制网络的智能性。

10、优选的，所述step1中，基于整幢建筑物构建室内外环境信息的热力学函数为：

11、

12、

13、其中：tout(t)表示t时刻的室外温度预测值，tin(t-1)和tin(t)表示t-1时刻和t时刻的室内温度预测值；wm表示建筑物第m面外墙的窗墙比，d表示建筑物外墙厚度，stotal表示建筑物总外墙面积，vtotal表示建筑物总空间体积，a(t)表示t时刻的太阳光线与竖直线的夹角，λj表示关于建筑物第j面外墙的优化参数，λa表示关于建筑物体积的优化参数；p(t)表示t时刻的空调制冷量，r表示建筑物的内部热阻；该热力学函数中，考虑到了建筑物本身两个最为重要的影响热能性能的因素(即窗墙比和散热面)，并对该两个因素的影响权重进行学习，进而能够获得较为准确的室内温度；

14、根据室内外环境信息和设备基本信息获取空调压缩机频率预测值为：

15、

16、其中：fair(t)和fair(t-1)分别表示t时刻和t-1时刻空调压缩机频率预测值，fmin和fmax分别表示空调压缩机最小频率和空调压缩机最大频率，fmin＜f(t)＜fmax；cmin和cmax分别表示空调的设定阈值下限和设定阈值上限；δt＝tin(t)-ts(t)，ts(t)表示t时刻的空调设定温度；基于空调压缩机频率预测值fair(t)计算t时刻空调负荷预测值。

17、优选的，所述step2中，根据电网调度中心对配电网电压和配电网有功损耗的需求，构建以空调负荷削减量和配电网网络有功损耗最小为优化目标的空调负荷参与配电需求响应的控制模块；控制模块中，根据电网调度中心对配电网电压和配电网有功损耗的需求获取到的配电网的网络预测数据为：

18、

19、其中：pij和qij分别表示从节点i流入到节点j的有功功率和无功功率，pjl和qjl分别表示从节点j流出到节点l的有功功率和无功功率；pj和qj分别表示节点j的净负荷有功功率需求和净负荷无功功率需求；rij和xij分别表示节点i和节点j间线路的电阻和电抗；vi和vj分别表示节点i和节点j的电压幅值，约束条件为(1-ε)v0＜vj＜(1+ε)v0，ε为允许的偏差，v0为电压基准值；lij为节点i和节点j间的线路阻抗，

20、控制模块中，根据空调负荷预测值和配电网的网络预测数据获取满足电压安全的配电网中每个节点的空调负荷削减量理论值为：

21、

22、pj＝pl,j+pair,j-paircut,j

23、

24、其中：pl,j和ql,j分别表示节点j的有功线损和无功线损，pair,j表示节点j的总空调负荷预测值，paircut,j表示节点j的总空调负荷削减量理论值；n表示节点总数。

25、优选的，所述step3中，基于神经网络构建室温时变预测模块，将空调负荷预测值、空调负荷削减量理论值、空间结构信息、人体舒适度要求和单位电价作为输入特征，计算空调制冷开启后的室内温度时变方程和空调制冷关闭后的室内温度时变方程，评估配电网中每个节点的空调制冷开启温度和空调制冷关停温度的最优值；

26、

27、0≤paircut,j≤0.5pair,j

28、其中：和为当前调度周期空调制冷关停温度和空调制冷开启温度的最优值，和表示空调制冷关停后t-1时刻、t时刻和(t+1)时刻的室内温度预测值，和表示空调制冷开启后t-1时刻、t时刻和(t+1)时刻的室内温度预测值，tmax和tmin表示人体舒适度要求的温度上限和温度下限，和表示单位电价对人体舒适度要求的温度上限和温度下限的影响权重。

29、优选的，所述step4中，基于损失函数对空调负荷控制网络进行监督训练，使用平均绝对误差函数mae和平均绝对百分比误差函数mape作为损失函数评价空调制冷开启或关闭时刻净负荷有功功率实际值与电网调度中心发布的净负荷有功功率需求的接近程度：

30、

31、其中：k表示测试样本数据集中的样本个数，pj表示空调制冷开启或关闭时刻节点j的净负荷有功功率需求，p'j表示空调制冷开启或关闭时刻节点j的净负荷有功功率实际值。

32、一种基于变配电需求的空调负荷控制系统，包括采集模块、空调负荷控制网络和监督训练模块，空调负荷控制网络包括空调负荷预测模块、以空调负荷削减量和配电网网络有功损耗最小为优化目标的空调负荷参与配电需求响应的控制模块和室温时变预测模块；

33、所述采集模块，用于采集时间结构信息、空间结构信息、设备基本信息、电网调度中心对配电网电压和配电网有功损耗的需求、人体舒适度要求和单位电价；

34、所述空调负荷预测模块，先根据时间结构信息和空间结构信息预测室内外环境信息，然后根据室内外环境信息和设备基本信息获取空调负荷预测值；

35、所述空调负荷参与配电需求响应的控制模块，先根据电网调度中心对配电网电压和配电网有功损耗的需求获取配电网的网络预测数据，然后根据空调负荷预测值和配电网的网络预测数据获取满足电压安全的配电网中每个节点的空调负荷削减量理论值；

36、所述室温时变预测模块，将空调负荷预测值、空调负荷削减量理论值、空间结构信息、人体舒适度要求和单位电价作为输入特征，计算空调制冷开启后的室内温度时变方程和空调制冷关闭后的室内温度时变方程，评估配电网中每个节点的空调制冷开启温度和空调制冷关停温度；

37、所述监督训练模块，通过损失函数评价空调制冷开启或关闭时刻净负荷有功功率实际值与电网调度中心发布的净负荷有功功率需求的接近程度。

38、优选的，所述时间结构信息为日调度周期信息，包括季度信息、星期信息、休息日信息、时刻信息和太阳光线与竖直线的夹角信息；所述空间结构信息包括建筑物结构尺寸信息、方位信息和窗墙比信息。

39、优选的，所述空调负荷预测模块中，基于整幢建筑物构建室内外环境信息的热力学函数为：

40、

41、其中：tout(t)表示t时刻的室外温度预测值，tin(t-1)和tin(t)表示t-1时刻和t时刻的室内温度预测值；wm表示建筑物第m面外墙的窗墙比，d表示建筑物外墙厚度，stotal表示建筑物总外墙面积，vtotal表示建筑物总空间体积，a(t)表示t时刻的太阳光线与竖直线的夹角，λj表示关于建筑物第j面外墙的优化参数，λa表示关于建筑物体积的优化参数；p(t)表示t时刻的空调制冷量，r表示建筑物的内部热阻；

42、根据室内外环境信息和设备基本信息获取空调压缩机频率预测值为：

43、

44、其中：fair(t)和fair(t-1)分别表示t时刻和t-1时刻空调压缩机频率预测值，fmin和fmax分别表示空调压缩机最小频率和空调压缩机最大频率，fmin＜f(t)＜fmax；cmin和cmax分别表示空调的设定阈值下限和设定阈值上限；δt＝tin(t)-ts(t)，ts(t)表示t时刻的空调设定温度；基于空调压缩机频率预测值fair(t)计算t时刻空调负荷预测值。

45、优选的，所述空调负荷参与配电需求响应的控制模块中，根据电网调度中心对配电网电压和配电网有功损耗的需求获取到的配电网的网络预测数据为：

46、

47、其中：pij和qij分别表示从节点i流入到节点j的有功功率和无功功率，pjl和qjl分别表示从节点j流出到节点l的有功功率和无功功率；pj和qj分别表示节点j的净负荷有功功率需求和净负荷无功功率需求；rij和xij分别表示节点i和节点j间线路的电阻和电抗；vi和vj分别表示节点i和节点j的电压幅值，约束条件为(1-ε)v0＜vj＜(1+ε)v0，ε为允许的偏差，v0为电压基准值；lij为节点i和节点j间的线路阻抗，

48、控制模块中，根据空调负荷预测值和配电网的网络预测数据获取满足电压安全的配电网中每个节点的空调负荷削减量理论值为：

49、

50、pj＝pl,j+pair,j-paircut,j

51、qj＝ql,j

52、其中：pl,j和ql,j分别表示节点j的有功线损和无功线损，pair,j表示节点j的总空调负荷预测值，paircut,j表示节点j的总空调负荷削减量理论值；n表示节点总数。

53、优选的，所述室温时变预测模块中，将空调负荷预测值、空调负荷削减量理论值、空间结构信息、人体舒适度要求和单位电价作为输入特征，计算空调制冷开启后的室内温度时变方程和空调制冷关闭后的室内温度时变方程，评估配电网中每个节点的空调制冷开启温度和空调制冷关停温度的最优值；

54、

55、0≤paircut,j≤0.5pair,j

56、其中：和为当前调度周期空调制冷关停温度和空调制冷开启温度的最优值，和表示空调制冷关停后t-1时刻、t时刻和(t+1)时刻的室内温度预测值，和表示空调制冷开启后t-1时刻、t时刻和(t+1)时刻的室内温度预测值，tmax和tmin表示人体舒适度要求的温度上限和温度下限，和表示单位电价对人体舒适度要求的温度上限和温度下限的影响权重。

57、有益效果：本发明提供的基于变配电需求的空调负荷控制方法及系统，相对于现有技术，具有如下优势：1、本发明在保证电压在标准范围内的同时，对空调负荷进行调控，能够实现电力系统的安全稳定运行及以及用户的用电安全；2、本发明能够解决夜间重负荷引起的欠电压问题，并让需求侧资源参与调压，同时考虑到了这种调压方式可能对网络有功损耗的影响；3、本发明是一种源荷互动的电力系统调控方式，调节范围广、响应速度快，在配电网负荷调控方面存在巨大潜力。