楊玉龍，王甜甜，陳 祥，金 榮

考慮新能源消納的電采暖集群多功率級(jí)控制策略研究

楊玉龍1，王甜甜1，陳 祥2，金 榮1

(1.東北電力大學(xué)電氣工程學(xué)院，吉林 吉林 132012；2.國(guó)網(wǎng)安徽省電力有限公司阜陽(yáng)供電公司，安徽 阜陽(yáng) 236000)

目前，電采暖設(shè)備作為新能源消納的有效途徑存在源荷匹配性低、檔位優(yōu)化不足的問(wèn)題。針對(duì)上述問(wèn)題，提出一種基于電采暖設(shè)備集群控制架構(gòu)的多功率級(jí)控制策略。首先，考慮電采暖用戶舒適性、經(jīng)濟(jì)性及公平性目標(biāo)，通過(guò)改進(jìn)多目標(biāo)粒子群算法(IMOPSO)確定最優(yōu)基準(zhǔn)檔位。然后，建立綜合加權(quán)指標(biāo)與檔位差值對(duì)應(yīng)關(guān)系，確定電采暖多功率級(jí)最優(yōu)檔位差值。最后，以設(shè)備狀態(tài)與負(fù)荷轉(zhuǎn)移量為約束，實(shí)現(xiàn)電采暖設(shè)備多功率級(jí)控制。算例仿真結(jié)果表明，所提策略相比于傳統(tǒng)控制方法可進(jìn)一步實(shí)現(xiàn)新能源精準(zhǔn)消納，在提高負(fù)荷柔性的基礎(chǔ)上提升用戶采暖舒適度，為電采暖集群新能源消納控制策略提供新的可行性方法。

電采暖；新能源消納；集群控制；多功率級(jí)；舒適度

0 引言

氣候變化是人類面臨的全球性問(wèn)題，隨著各國(guó)二氧化碳排放猛增，對(duì)生態(tài)系統(tǒng)形成威脅。在這一背景下，世界各國(guó)以全球協(xié)約的方式減排溫室氣體，我國(guó)由此提出碳達(dá)峰和碳中和目標(biāo)[1-4]。我國(guó)“三北地區(qū)”傳統(tǒng)的供暖方式為集中式“熱電廠-熱力管道-用戶”供暖，該方式會(huì)對(duì)環(huán)境造成一定的影響，尤其冬季污染現(xiàn)象較為嚴(yán)重。近年來(lái)所推廣的“煤改電”措施是解決“三北地區(qū)”冬季供暖問(wèn)題的有效途徑，但電采暖集群存在新能源消納匹配性差、控制性低等問(wèn)題[5-8]。

目前，國(guó)內(nèi)外學(xué)者針對(duì)電采暖設(shè)備新能源消納[9-11]及控制策略問(wèn)題進(jìn)行了較多研究，文獻(xiàn)[12]以光伏和蓄熱式電采暖全壽命周期投資運(yùn)營(yíng)成本最小為目標(biāo)建立優(yōu)化配置模型，制定了互動(dòng)模式下光伏與電采暖容量的優(yōu)化配置策略。文獻(xiàn)[13]基于深度強(qiáng)化學(xué)習(xí)方法，解決分布式電采暖參與需求響應(yīng)優(yōu)化調(diào)度問(wèn)題。文獻(xiàn)[14]在電采暖設(shè)備等效熱參數(shù)模型上引入溫度不確定性指標(biāo)，制定了分散式電采暖負(fù)荷協(xié)同優(yōu)化策略。文獻(xiàn)[15]通過(guò)定義溫度延伸裕度作為溫控設(shè)備排序指標(biāo)及溫度設(shè)定值調(diào)節(jié)量，在提高風(fēng)電消納的基礎(chǔ)上，維持了較好的用戶采暖舒適度。文獻(xiàn)[16]提出了一種考慮停電時(shí)段用戶最小熱需求的電采暖日前優(yōu)化調(diào)度方法，以采暖舒適度及經(jīng)濟(jì)性為目標(biāo)、以最小用熱量為約束建立優(yōu)化調(diào)度模型，實(shí)現(xiàn)了“停電不停熱”的目標(biāo)，并且提升了用戶供暖經(jīng)濟(jì)性及可靠性。

現(xiàn)有研究主要通過(guò)對(duì)電采暖設(shè)備的精細(xì)化建模、負(fù)荷預(yù)測(cè)及設(shè)備溫度進(jìn)行控制，以提高設(shè)備新能源出力曲線匹配度，研究過(guò)程中存在電采暖設(shè)備設(shè)定功率恒定的問(wèn)題，該設(shè)定下降低了分布式電采暖的新能源消納潛力，同時(shí)未考慮注入功率對(duì)采暖用戶舒適度、經(jīng)濟(jì)性及采暖設(shè)備的公平性問(wèn)題。

針對(duì)以上問(wèn)題，本文提出考慮新能源消納的電采暖集群多功率級(jí)控制策略。首先制定電采暖設(shè)備集群控制框架，建立電采暖設(shè)備二階電熱模型。在此基礎(chǔ)上，提出電采暖集群多功率級(jí)控制策略，通過(guò)設(shè)備啟停狀態(tài)及檔位變換相組合的方式，實(shí)現(xiàn)電采暖設(shè)備的合理控制。對(duì)于檔位確定問(wèn)題，綜合考慮采暖用戶經(jīng)濟(jì)性、舒適性及設(shè)備開(kāi)關(guān)公平性，引入非支配排序策略及精英保留策略改進(jìn)多目標(biāo)粒子群算法(Improved Multi-objective Particle Swarm Optimization, IMOPSO)，通過(guò)IMOPSO算法確定電采暖設(shè)備最優(yōu)功率級(jí)檔位，進(jìn)一步建立綜合加權(quán)指標(biāo)與檔位差值對(duì)應(yīng)關(guān)系，確定合理檔位差值，實(shí)現(xiàn)電采暖集群多功率級(jí)控制過(guò)程中的檔位選擇。

1 電采暖設(shè)備集群控制框架

考慮到電采暖設(shè)備與傳統(tǒng)集中供熱系統(tǒng)的區(qū)別，為實(shí)現(xiàn)電采暖設(shè)備的集中控制及新能源的有效消納問(wèn)題，負(fù)荷聚合商(Load Aggregator, LA)逐漸成為電采暖負(fù)荷需求側(cè)響應(yīng)主體，在聚合一定量電力用戶之后，作為新的主體參與需求響應(yīng)市場(chǎng)，相較于傳統(tǒng)模式，負(fù)荷聚合商模式具備市場(chǎng)效率較高、專業(yè)性較好等優(yōu)點(diǎn)，因此已經(jīng)成為目前的發(fā)展趨勢(shì)[17-20]?，F(xiàn)階段，負(fù)荷聚合商主要包含緊急型及經(jīng)濟(jì)型兩種模式，考慮到電采暖負(fù)荷的特殊性與物理分布特性，結(jié)合電采暖設(shè)備集群負(fù)荷特性，本文提出以負(fù)荷聚合商為需求側(cè)響應(yīng)主體的控制架構(gòu)，根據(jù)用戶所在智能小區(qū)地理差異劃分區(qū)域，將區(qū)域內(nèi)接受調(diào)控的用戶進(jìn)行集群，通過(guò)負(fù)荷聚合商和樓宇級(jí)控制單元實(shí)現(xiàn)集群控制。本文提出的控制架構(gòu)如圖1所示。

圖1 電采暖集群控制架構(gòu)

1) 負(fù)荷聚合商作為本控制架構(gòu)的主體，通過(guò)對(duì)智能小區(qū)內(nèi)各用戶電采暖負(fù)荷進(jìn)行數(shù)據(jù)采集、評(píng)估、預(yù)測(cè)，并作為電力市場(chǎng)購(gòu)電方參與市場(chǎng)電力競(jìng)價(jià)，以滿足各小區(qū)采暖負(fù)荷的需求及部分新能源消納。

2) 各LA獲得所需采暖負(fù)荷后，根據(jù)樓宇能量管理系統(tǒng)上傳的用能訴求及新能源消納指標(biāo)進(jìn)行電采暖設(shè)備運(yùn)行狀態(tài)控制，將控制指令下發(fā)給各樓宇級(jí)控制單元。

3) 位于小區(qū)內(nèi)的每棟樓配置一個(gè)控制裝置，該控制器不僅可以采集樓內(nèi)所有用戶的實(shí)時(shí)室溫、電采暖運(yùn)行狀態(tài)，向電采暖設(shè)備下發(fā)控制指令以改變其運(yùn)行狀態(tài)，還可以將樓內(nèi)采暖負(fù)荷匯總后上傳至智能小區(qū)負(fù)荷管理中心，進(jìn)行數(shù)據(jù)處理及存儲(chǔ)，并進(jìn)一步將信息上傳給LA。

4) 各電采暖用戶家中均裝有溫度量測(cè)傳感器和遠(yuǎn)程控制開(kāi)關(guān)，收集用戶的實(shí)時(shí)室溫和設(shè)備運(yùn)行狀態(tài)后上傳給對(duì)應(yīng)的控制單元，同時(shí)接受智能小區(qū)負(fù)荷控制中心下發(fā)的調(diào)整運(yùn)行狀態(tài)的指令，從而完成設(shè)備控制及新能源消納任務(wù)。

2 分布式電采暖設(shè)備電熱模型

由電采暖集群控制架構(gòu)可以看出，負(fù)荷聚合商與用戶側(cè)之間存在負(fù)荷數(shù)據(jù)收集、設(shè)備控制命令下發(fā)的聯(lián)系。為提高負(fù)荷聚合商經(jīng)濟(jì)性，需制定合理的控制策略實(shí)現(xiàn)新能源的消納，并且應(yīng)盡量降低電采暖設(shè)備的故障率[21-22]。因此，需對(duì)電采暖設(shè)備的運(yùn)行特性及負(fù)荷特性進(jìn)行正確分析，以實(shí)現(xiàn)電采暖設(shè)備的合理控制。

分布式電采暖設(shè)備包含直熱式及蓄熱式兩類，本文主要針對(duì)電直熱設(shè)備進(jìn)行分析。由于電直熱設(shè)備采暖情況受到房屋結(jié)構(gòu)及環(huán)境溫度影響，因此分布式電采暖運(yùn)行過(guò)程中的電熱場(chǎng)變換特性常采用能量守恒原理建立其熱-電特性。考慮到電采暖設(shè)備復(fù)合傳熱過(guò)程，常采用準(zhǔn)確度較高、計(jì)算速度較快的二階熱力學(xué)模型[23-24]。圖2所示為分布式電采暖二階等效熱力學(xué)模型。

圖2 分布式電采暖設(shè)備二階等效模型

圖3 單臺(tái)電采暖設(shè)備運(yùn)行狀態(tài)

3 電采暖設(shè)備多級(jí)控制策略

負(fù)荷聚合商在實(shí)現(xiàn)小區(qū)級(jí)負(fù)荷的分析與評(píng)估后，需制定合理的電采暖設(shè)備控制策略，完成新能源的消納任務(wù)。傳統(tǒng)的控制策略受到早期設(shè)備的約束，其注入功率為定值，但隨著目前電采暖設(shè)備的發(fā)展，變功率、變頻設(shè)備增多，出現(xiàn)電采暖設(shè)備多檔位控制，但目前多檔位控制策略不完善，檔位制定模糊。因此本文綜合考慮用戶采暖舒適度、經(jīng)濟(jì)性及設(shè)備開(kāi)關(guān)公平性，確定電采暖設(shè)備最優(yōu)基準(zhǔn)檔位及合理檔位差值，在此基礎(chǔ)上細(xì)化電采暖集群多級(jí)功率控制策略。

3.1 基于改進(jìn)多目標(biāo)粒子群算法的最優(yōu)基準(zhǔn)檔位確定

3.1.1 改進(jìn)多目標(biāo)粒子群算法

多目標(biāo)優(yōu)化問(wèn)題為在設(shè)定的多目標(biāo)下的求解問(wèn)題，一般而言，多目標(biāo)優(yōu)化問(wèn)題包含個(gè)決策變量及個(gè)目標(biāo)函數(shù)，可表示為

當(dāng)?shù)诖蔚Y(jié)束后，其對(duì)應(yīng)的個(gè)體最優(yōu)位置Pbest與全局最優(yōu)位置Gbest分別為

其中，第個(gè)粒子迭代計(jì)算過(guò)程中速度及位置的更新過(guò)程可通過(guò)式(7)、式(8)進(jìn)行計(jì)算。

傳統(tǒng)的多目標(biāo)粒子群算法常通過(guò)目標(biāo)線性加權(quán)或模糊隸屬度方法將多目標(biāo)轉(zhuǎn)化為單目標(biāo)問(wèn)題進(jìn)行最優(yōu)解確定，但電采暖設(shè)備多檔位最優(yōu)功率級(jí)的確定過(guò)程為復(fù)雜的非線性多目標(biāo)優(yōu)化問(wèn)題，采用傳統(tǒng)的處理方法存在一定問(wèn)題，因此本文結(jié)合累積非支配排序策略、擁擠度距離計(jì)算策略優(yōu)化全局最優(yōu)解的選取，結(jié)合精英保留策略提高算法尋優(yōu)速度，實(shí)現(xiàn)多目標(biāo)下電采暖設(shè)備多功率級(jí)最優(yōu)檔位的確定。IMOPSO算法的基本流程如圖4所示。

得到最優(yōu)Pareto解集后，采用加權(quán)方法確定最優(yōu)基準(zhǔn)功率OP，其中，舒適度、經(jīng)濟(jì)性、公平性的權(quán)重分別為0.4、0.4、0.2，定義綜合指標(biāo)為

圖4 IMOPSO流程圖

3.1.2 電采暖設(shè)備約束條件

針對(duì)電采暖設(shè)備運(yùn)行特性建立相應(yīng)約束條件。

1) 分布式電采暖設(shè)備電-熱特性數(shù)學(xué)模型

2) 運(yùn)行功率約束

3.1.3 控制目標(biāo)確定

1) 群體舒適性

電采暖設(shè)備工作時(shí)能夠提高室內(nèi)溫度，從而為用戶提供舒適的采暖環(huán)境，因此，用戶采暖滿意度是評(píng)價(jià)電采暖效果的重要指標(biāo)。目前，廣泛采用的人體舒適度評(píng)價(jià)方法為基于預(yù)測(cè)平均投票數(shù)(Predicted Mean Vote, PMV)指標(biāo)的方法。PMV指數(shù)是一種從統(tǒng)計(jì)學(xué)角度定義的人體舒適度評(píng)價(jià)指標(biāo)[15,25-27]，能夠根據(jù)人體熱平衡預(yù)計(jì)群體對(duì)環(huán)境溫度的滿意程度，取值區(qū)間為[-3, +3]，分別對(duì)應(yīng)熱、暖、稍暖、適中、稍涼、涼、冷7種熱感覺(jué)。由于傳統(tǒng)PMV計(jì)算涉及較多統(tǒng)計(jì)參數(shù)，計(jì)算過(guò)程復(fù)雜，對(duì)于采暖舒適度，不同人群、年齡段有不同的舒適度，而本文通過(guò)電采暖設(shè)備集群多功率級(jí)控制實(shí)現(xiàn)新能源的消納，需構(gòu)建更適合集群控制的群體舒適度函數(shù)，滿足大規(guī)模集群快速計(jì)算、高速響應(yīng)電網(wǎng)的調(diào)度需求，因此采用簡(jiǎn)化PMV指數(shù)，以表征群體采暖舒適度，其形式為

式中：a為室內(nèi)溫度；v為相對(duì)濕度，由于北方冬季室內(nèi)濕度變化較小，本文設(shè)置v為30%。

由式(14)得到PMV與室溫的關(guān)系如圖5所示。

圖5 供暖季節(jié)不同室溫下的PMV

Fig. 5 PMV at different room temperatures in heating season

在此基礎(chǔ)上，建立群體采暖舒適度指標(biāo)。

2) 設(shè)備開(kāi)關(guān)公平性

傳統(tǒng)的電采暖設(shè)備運(yùn)行過(guò)程中受到溫度及運(yùn)行條件影響，導(dǎo)致部分電采暖設(shè)備產(chǎn)生過(guò)調(diào)控與欠調(diào)控問(wèn)題，設(shè)備頻繁開(kāi)啟將嚴(yán)重縮減電采暖設(shè)備使用壽命。因此需針對(duì)電采暖設(shè)備開(kāi)關(guān)公平性問(wèn)題建立相應(yīng)目標(biāo)，實(shí)現(xiàn)電采暖設(shè)備啟停次數(shù)的一致性，其公平性目標(biāo)為

3) 采暖經(jīng)濟(jì)性

考慮分時(shí)電價(jià)影響，定義采暖經(jīng)濟(jì)性目標(biāo)為

3.2 檔位差值確定

在確定電采暖設(shè)備最優(yōu)基準(zhǔn)功率檔位后，以最優(yōu)基準(zhǔn)檔位為基準(zhǔn)值，設(shè)置檔位差值為

3.3 電采暖設(shè)備負(fù)荷轉(zhuǎn)移量確定及變檔操作

3.3.1 電采暖設(shè)備集群狀態(tài)分組

根據(jù)溫度梯度排序方法將電采暖設(shè)備分為開(kāi)啟群及關(guān)閉群兩類，其數(shù)目可表示為

式中，、分別表示開(kāi)啟群及關(guān)閉群數(shù)目。

3.3.2 負(fù)荷轉(zhuǎn)移量

本文以電采暖聚合功率與風(fēng)光出力差值作為負(fù)荷轉(zhuǎn)移量，可表示為

圖6 多功率級(jí)控制策略圖示

Fig. 6 Diagram of multiple power level control strategy

3.3.3 升檔操作

3.3.4 降檔操作

3.4 電采暖設(shè)備多功率級(jí)控制基本流程

設(shè)備安裝前由設(shè)備制造商進(jìn)行多功率級(jí)檔位確定，在此基礎(chǔ)上電采暖負(fù)荷聚合商結(jié)合實(shí)時(shí)消納任務(wù)進(jìn)行電采暖設(shè)備控制，其基本控制流程如圖7所示。

電采暖設(shè)備多功率級(jí)控制策略基本流程如下。

1) 負(fù)荷聚合商確定小區(qū)內(nèi)電采暖設(shè)備負(fù)荷，并根據(jù)溫度隊(duì)列確定電采暖設(shè)備開(kāi)啟群、關(guān)閉群。在此基礎(chǔ)上進(jìn)一步確定初始狀態(tài)下電采暖設(shè)備開(kāi)啟群檔位。

2) 判斷風(fēng)光出力及電采暖設(shè)備初始聚合功率大小，確定電采暖設(shè)備升檔及降檔操作。

3) 判斷僅進(jìn)行升檔、降檔操作能否完成風(fēng)光消納任務(wù)。

4) 若僅進(jìn)行升檔操作無(wú)法滿足任務(wù)要求，則將關(guān)閉群部分設(shè)備開(kāi)啟；若僅進(jìn)行降檔操作無(wú)法滿足任務(wù)要求，則將開(kāi)啟群部分設(shè)備關(guān)閉(開(kāi)啟與關(guān)閉數(shù)目為僅進(jìn)行升、降檔操作無(wú)法滿足的任務(wù)量的等比分配)。

5) 判斷是否滿足控制時(shí)間，若滿足控制時(shí)間則控制過(guò)程結(jié)束，若不滿足則進(jìn)行狀態(tài)更新，進(jìn)行下一輪控制。

圖7 電采暖設(shè)備分級(jí)控制策略

負(fù)荷聚合商層面，需提前與電網(wǎng)運(yùn)行商簽訂合同，以負(fù)荷聚合商所服務(wù)的智能小區(qū)內(nèi)的消納能力為基準(zhǔn)確定消納量，當(dāng)負(fù)荷聚合商收到電網(wǎng)運(yùn)營(yíng)商下達(dá)的消納任務(wù)后，通過(guò)電采暖設(shè)備上傳數(shù)據(jù)，確定設(shè)備運(yùn)行狀態(tài)(開(kāi)啟/關(guān)閉、檔位)按照上述控制策略流程向電采暖設(shè)備下達(dá)控制指令，實(shí)現(xiàn)負(fù)荷聚合商層面的電采暖設(shè)備控制。

4 算例仿真與分析

4.1 仿真參數(shù)設(shè)置

本文選取長(zhǎng)春市某高層電采暖小區(qū)住宅樓，測(cè)量采集多場(chǎng)景、全時(shí)段的運(yùn)行數(shù)據(jù)，包括室內(nèi)溫度、室外溫度、電采暖開(kāi)關(guān)狀態(tài)及電采暖設(shè)備功率等實(shí)測(cè)數(shù)據(jù)，確定房屋熱力學(xué)參數(shù)。該小區(qū)可運(yùn)行分布式電采暖設(shè)備共200臺(tái)，典型層平面結(jié)構(gòu)如圖9所示。依據(jù)房屋熱力學(xué)參數(shù)將所有房間分為4種典型房間。每個(gè)房間均安裝有高精度溫度記錄儀用來(lái)監(jiān)控記錄室溫，分辨度為0.1 ℃，記錄間隔為5 min。電采暖設(shè)備功率如表1所示。

吉林省冬季典型日風(fēng)光出力曲線如圖8所示[29]，綜合考慮風(fēng)光出力特性，本文以風(fēng)力發(fā)電為新能源發(fā)電類型。

分別設(shè)置傳統(tǒng)控制、等差分檔控制、尋優(yōu)分檔控制策略下的三種場(chǎng)景進(jìn)行算例仿真及對(duì)比分析，三種場(chǎng)景設(shè)置如下。

場(chǎng)景1：功率檔位固定，設(shè)備僅包含開(kāi)、關(guān)兩種情況，消納任務(wù)通過(guò)控制設(shè)備開(kāi)關(guān)狀態(tài)實(shí)現(xiàn)。

場(chǎng)景2：分級(jí)控制策略I，消納任務(wù)通過(guò)電采暖設(shè)備的檔位及開(kāi)啟、關(guān)閉群數(shù)目完成，檔位設(shè)置為等差設(shè)置，等差值為100 W，設(shè)置情況見(jiàn)表1。

圖8 冬季典型日風(fēng)光出力曲線

場(chǎng)景3：分級(jí)控制策略II，消納任務(wù)通過(guò)電采暖設(shè)備的檔位及開(kāi)啟、關(guān)閉群數(shù)目完成，檔位設(shè)置通過(guò)本文算法進(jìn)行確定。

圖9 樓層平面示意圖

表1 典型房間設(shè)備額定功率

4.2 最優(yōu)基準(zhǔn)功率及功率級(jí)確定

依據(jù)本文算法確定最優(yōu)基準(zhǔn)檔位及各檔位功率，各類型房間最優(yōu)功率級(jí)Pareto解集結(jié)果如圖10所示。

基于最優(yōu)檔位多目標(biāo)Pareto解集結(jié)果，通過(guò)加權(quán)模糊隸屬度確定各類型房間最優(yōu)檔位分別為1 500 W、1 725 W、2 500 W、1 600 W。以最優(yōu)基準(zhǔn)功率為基礎(chǔ)，進(jìn)一步得到各類型房間檔位功率與各項(xiàng)指標(biāo)之間的對(duì)應(yīng)關(guān)系如圖11所示。

式中，、、、為擬合參數(shù)。

結(jié)合式(16)及分檔約束條件得到各類型設(shè)備檔位劃分情況如表2所示。

表2 電采暖設(shè)備檔位設(shè)置情況

4.3 仿真結(jié)果分析

4.3.1消納情況分析

圖12為三種場(chǎng)景下的電采暖設(shè)備集群風(fēng)電消納情況。

由圖12可以看出，雖然三種控制策略場(chǎng)景下的電采暖負(fù)荷均呈現(xiàn)與風(fēng)電出力曲線規(guī)律相似的情況，但對(duì)比三種場(chǎng)景的負(fù)荷曲線及負(fù)荷消納量差值可以看出，場(chǎng)景II、III分檔控制策略下消納情況相較于場(chǎng)景I固定檔位控制策略較好，且對(duì)比場(chǎng)景II、III可以看出，場(chǎng)景III的風(fēng)電出力匹配情況最優(yōu)，能夠全程跟隨風(fēng)電出力曲線。分析其主要原因，本文控制策略優(yōu)化了基準(zhǔn)檔位及檔位差值，相比于場(chǎng)景I控制策略而言，可通過(guò)多檔位的潛在消納能力處理消納目標(biāo)，避免電采暖集群功率快速到達(dá)高功率級(jí)，負(fù)荷柔性更好；相比于場(chǎng)景II控制策略而言，優(yōu)化基準(zhǔn)檔位及檔位差值后，設(shè)備各檔位功率均為最優(yōu)功率，對(duì)檔位等差設(shè)置而言具備更好的消納能力。

圖12 不同場(chǎng)景風(fēng)電消納結(jié)果

4.3.2 設(shè)備換檔情況及設(shè)備開(kāi)啟數(shù)目

圖13對(duì)比了三種場(chǎng)景下電采暖設(shè)備的開(kāi)啟情況及檔位變換情況。

圖13 不同場(chǎng)景下電采暖設(shè)備開(kāi)啟數(shù)及變檔臺(tái)數(shù)

由圖13可以看出，三種場(chǎng)景下的設(shè)備開(kāi)啟數(shù)目呈現(xiàn)中午時(shí)段低，早晨及夜間開(kāi)啟數(shù)目多的情況，與風(fēng)電出力規(guī)律基本一致。進(jìn)一步對(duì)比三種場(chǎng)景下的設(shè)備開(kāi)啟數(shù)可以看出，中午時(shí)段場(chǎng)景III設(shè)備開(kāi)啟數(shù)高于場(chǎng)景I、II，夜間設(shè)備開(kāi)啟數(shù)低于場(chǎng)景I、II，且場(chǎng)景III設(shè)備開(kāi)啟數(shù)目一天內(nèi)波動(dòng)較小，結(jié)合表1、表2設(shè)備各檔位功率可以看出，設(shè)備最低檔位功率min關(guān)系為min,I(設(shè)備開(kāi)啟功率)＞min,II＞min,III，中午時(shí)段風(fēng)電出力較低，相同的風(fēng)電出力情況下，功率較小的設(shè)備仍能維持開(kāi)啟情況，但開(kāi)啟功率較大的設(shè)備為了應(yīng)對(duì)較低的風(fēng)電出力只能進(jìn)行關(guān)閉。結(jié)合圖12各場(chǎng)景消納差值也可看出，中午時(shí)段場(chǎng)景III消納差明顯小于場(chǎng)景I、II。對(duì)比場(chǎng)景II、III變檔數(shù)目可以看出，場(chǎng)景III變檔設(shè)備數(shù)目明顯低于場(chǎng)景II，說(shuō)明本文所提方法負(fù)荷消納潛力較大，設(shè)備變動(dòng)情況較少，有利于提高設(shè)備使用壽命。

4.3.3 室內(nèi)溫度及舒適度

進(jìn)一步對(duì)比不同場(chǎng)景下室內(nèi)溫度及群體舒適度，仿真結(jié)果如圖14所示。

圖14 室內(nèi)溫度及群體舒適度結(jié)果

由圖14可以看出，場(chǎng)景III溫度波動(dòng)相比于場(chǎng)景I、II而言更小，且場(chǎng)景III溫度基本維持在22 ℃，與群體最適溫度一致。對(duì)比人體舒適度結(jié)果可以看出，場(chǎng)景III人體舒適度較高，較冷體感情況少，而場(chǎng)景I、II較冷體感多，人體舒適度為受到室內(nèi)溫度波動(dòng)影響，而場(chǎng)景III溫度波動(dòng)小，且基準(zhǔn)功率較高(基準(zhǔn)功率檔位運(yùn)行時(shí)間長(zhǎng)于其他檔位)，因此場(chǎng)景III人體舒適度高，較冷體感出現(xiàn)少。

5 結(jié)論

本文基于電采暖集群控制框架，考慮采暖舒適性、經(jīng)濟(jì)性及設(shè)備開(kāi)關(guān)公平性，建立電采暖設(shè)備多功率級(jí)控制策略，在實(shí)現(xiàn)新能源精準(zhǔn)消納與提高負(fù)荷柔性的基礎(chǔ)上，提升電采暖集群用戶的舒適性，主要結(jié)論如下。

1) 以用戶采暖舒適性、經(jīng)濟(jì)性及設(shè)備開(kāi)關(guān)公平性為目標(biāo)，采用IMOPSO算法實(shí)現(xiàn)了最優(yōu)基準(zhǔn)功率檔位的確定，得到綜合指標(biāo)與檔位差值的對(duì)應(yīng)關(guān)系，在此基礎(chǔ)上確定了最優(yōu)檔位設(shè)置情況，為電采暖設(shè)備分檔控制奠定基礎(chǔ)。

2) 本文策略根據(jù)新能源出力變化情況，優(yōu)先通過(guò)設(shè)備檔位調(diào)節(jié)的方式提高源荷匹配性，避免了設(shè)備啟停數(shù)目快速變換的問(wèn)題。

3) 多功率級(jí)檔位的控制策略，通過(guò)調(diào)節(jié)設(shè)備檔位及變換啟停狀態(tài)相結(jié)合的方式，提高了電采暖設(shè)備集群對(duì)新能源出力的柔性響應(yīng)速度與風(fēng)電消納能力，為新能源的利用與推廣提供新的可行性方案。

[1] 白浩, 袁智勇, 周長(zhǎng)城, 等. 計(jì)及新能源波動(dòng)與相關(guān)性的配電網(wǎng)最大供電能力調(diào)度方法[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(8): 66-73.

BAI Hao, YUAN Zhiyong, ZHOU Changcheng, et al. Distribution network maximum power capacity dispatch method taking into account the fluctuation and correlation of new energy[J]. Power System Protection and Control, 2021, 49(8): 66-73.

[2] 張彼德, 陳穎倩, 李孟潔, 等. 含熱泵和相變儲(chǔ)能的多能互補(bǔ)微能源網(wǎng)運(yùn)行優(yōu)化方法研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(1): 106-114.

ZHANG Bide, CHEN Yingqian, LI Mengjie, et al. Study on optimization methods of multi-energy complementary micro-energy network with heat pump and phase change storage[J]. Power System Protection and Control, 2021, 49(1): 106-114.

[3] 陳厚合, 茅文玲, 張儒峰, 等. 基于碳排放流理論的電力系統(tǒng)源-荷協(xié)調(diào)低碳優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(10): 1-11.

CHEN Houhe, MAO Wenling, ZHANG Rufeng, et al. Low carbon optimal dispatch of power system based on carbon emission flow theory[J]. Power System Protection and Control, 2021, 49(10): 1-11.

[4] SONG Chaofan, LI Yang, RAJEH T, et al. Application and development of ground source heat pump technology in China[J]. Protection and Control of Modern Power Systems, 2021, 6(2): 215-232.

[5] WANG Weijun, LI Fan. Study on substitutable value of electric heating instead of coal heating in northern China under carbon constraints[J]. Journal of Cleaner Production, 2020, 260.

[6] 仝新宇, 張宇澤, 張長(zhǎng)生, 等. 基于廣義回歸神經(jīng)網(wǎng)絡(luò)的有源配電網(wǎng)網(wǎng)供負(fù)荷預(yù)測(cè)方法[J]. 供用電, 2020, 37(12): 40-45.

TONG Xinyu, ZHANG Yuze, ZHANG Changsheng, et al. Load forecasting method of active distribution network based on generalized regression neural network[J]. Distribution & Utilization, 2020, 37(12): 40-45.

[7] 宋杰, 張衛(wèi)國(guó), 李樹(shù)鵬, 等. 蓄熱式電采暖負(fù)荷參與風(fēng)電消納運(yùn)行策略研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(3): 80-87.

SONG Jie, ZHANG Weiguo, LI Shupeng, et al. Research on operational strategy for regenerative electric heating load participating in wind power consumption[J]. Power System Protection and Control, 2021, 49(3): 80-87.

[8] 王世君, 袁紹軍, 盧志剛, 等. 基于改進(jìn)MOBCC算法的空氣源熱泵水溫范圍設(shè)置優(yōu)化研究[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(15): 125-133.

WANG Shijun, YUAN Shaojun, LU Zhigang, et al. Research on optimization of water temperature range setting of air source heat pump based on improved MOBCC algorithm[J]. Power System Protection and Control, 2020, 48(15): 125-133.

[9] 薛晨, 任景, 馬曉偉, 等. 面向高比例新能源消納的西北調(diào)峰輔助服務(wù)市場(chǎng)機(jī)制及實(shí)踐[J]. 中國(guó)電力, 2021, 54(11): 19-28.

XUE Chen, REN Jing, MA Xiaowei, et al. Mechanism of peak regulation auxiliary electricity market in the presence of high-penetration renewable energy and its practice in Northwest China[J]. Electric Power, 2021, 54(11): 19-28.

[10] 林俐, 李北晨, 孫勇, 等. 基于高比例新能源消納的抽水蓄能容量多時(shí)間尺度迭代優(yōu)化配置模型[J]. 電網(wǎng)與清潔能源, 2021, 37(1): 104-111.

LIN Li, LI Beichen, SUN Yong, et al. Multi-time-scale iterative optimal configuration model of pumped storage capacity based on accommodation of high share new energy[J]. Power System and Clean Energy, 2021, 37(1): 104-111.

[11] 李湘旗, 禹海峰, 李欣然, 等. 考慮儲(chǔ)能系統(tǒng)動(dòng)態(tài)全壽命周期特性的多功能應(yīng)用需求規(guī)劃方法[J]. 電力建設(shè), 2020, 41(1): 45-54.

LI Xiangqi, YU Haifeng, LI Xinran, et al. Planning method for multi-functional application demand considering dynamic life cycle characteristics of energy storage[J]. Electric Power Construction, 2020, 41(1): 45-54.

[12] 趙鐵軍, 孟菁, 王珺, 等. 互動(dòng)模式下光伏與電采暖蓄熱容量?jī)?yōu)化配置策略[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2021, 33(5): 9-15.

ZHAO Tiejun, MENG Jing, WANG Jun, et al. Optimal configuration strategy of solar and electric heating capacity under interactive mode[J]. Proceedings of the CSU-EPSA, 2021, 33(5): 9-15.

[13] 嚴(yán)干貴, 闞天洋, 楊玉龍, 等. 基于深度強(qiáng)化學(xué)習(xí)的分布式電采暖參與需求響應(yīng)優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2020, 44(11): 4140-4149.

YAN Gangui, KAN Tianyang, YANG Yulong, et al. Distributed heating based on deep reinforcement learning participates in optimal dispatch of demand response[J]. Power System Technology, 2020, 44(11): 4140-4149.

[14] 范帥, 郟琨琪, 郭炳慶, 等. 分散式電采暖負(fù)荷協(xié)同優(yōu)化運(yùn)行策略[J]. 電力系統(tǒng)自動(dòng)化, 2017, 41(19): 20-29.

FAN Shuai, JIA Kunqi, GUO Bingqing, et al. Collaborative optimal operation strategy for distributed heating load[J]. Automation of Electric Power Systems, 2017, 41(19): 20-29.

[15] 戚野白, 王丹, 賈宏杰, 等. 基于歸一化溫度延伸裕度控制策略的溫控設(shè)備需求響應(yīng)方法研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2015, 35(21): 5455-5464.

QI Yebai, WANG Dan, JIA Hongjie, et al. Study on demand response method of temperature control equipment based on normalized temperature extension margin control strategy[J]. Proceedings of the CSEE, 2015, 35(21): 5455-5464.

[16] 張嘉睿, 穆云飛, 賈宏杰, 等. 考慮停電時(shí)段用戶熱需求的蓄熱式電采暖日前優(yōu)化調(diào)度方法[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(21): 15-22.

ZHANG Jiarui, MU Yunfei, JIA Hongjie, et al. Optimal dispatch method for heat-storage electric heating days before power outage period is considered[J]. Automation of Electric Power Systems, 2020, 44(21): 15-22.

[17] PARIDARI K, NORDSTRM L. Flexibility prediction, scheduling and control of aggregated TCLs[J]. Electric Power Systems Research, 2020, 178.

[18] RAD A S, ZANGENEH A. Optimal contract pricing of load aggregators for direct load control in smart distribution systems[J]. Turkish Journal of Electrical Engineering & Computer Sciences, 2019, 27(1): 167-180.

[19] SONG Zhaofang, SHI Jing, LI Shujian, et al. Day ahead bidding of a load aggregator considering residential consumers demand response uncertainty modeling[J]. Applied Sciences, 2020, 10(20): 7310.

[20] WANG Zhanle, PARANJAPE R, CHEN Zhikun, et al. A layered stochastic approach for residential demand response based on real-time pricing and incentive mechanism[J]. IET Generation Transmission & Distribution, 2020, 14(3): 423-431.

[21] 李振坤, 錢(qián)晉, 符楊, 等. 基于負(fù)荷聚合商優(yōu)選分級(jí)的配電網(wǎng)多重阻塞管理[J]. 電力系統(tǒng)自動(dòng)化, 2021, 45(19): 109-116.

LI Zhenkun, QIAN Jin, FU Yang, et al. Distribution network multi-blocking management based on load aggregator preference rating[J]. Automation of Electric Power Systems, 2021, 45(19): 109-116.

[22] 張晶晶, 張鵬, 吳紅斌, 等. 負(fù)荷聚合商參與需求響應(yīng)的可靠性及風(fēng)險(xiǎn)分析[J]. 太陽(yáng)能學(xué)報(bào), 2019, 40(12): 3526-3533.

ZHANG Jingjing, ZHANG Peng, WU Hongbin, et al. Reliability and risk analysis of load aggregator participating in demand response[J]. Acta Energiae Solaris Sinica, 2019, 40(12): 3526-3533.

[23] 楊玉龍, 王彤, 劉芮彤, 等. 分布式電采暖負(fù)荷群建模及備用優(yōu)化[J]. 電測(cè)與儀表, 2020, 57(2): 81-87.

YANG Yulong, WANG Tong, LIU Ruitong, et al. Modeling and backup optimization of distributed electric heating load group[J]. Electrical Measurement & Instrumentation, 2020, 57(2): 81-87.

[24] 楊玉龍, 王彤, 穆鋼, 等. 基于實(shí)測(cè)數(shù)據(jù)的分布式電采暖負(fù)荷群調(diào)峰能力評(píng)估[J]. 電力建設(shè), 2018, 39(12): 95-101.

YANG Yulong, WANG Tong, MU Gang, et al. Assessment of peak shaving capacity of distributed heating load group based on measured data[J]. Electric Power Construction, 2018, 39(12): 95-101.

[25] RAD H R, KHODAEE Z, GHIAI M. The quantitative assessment of the effects of the morphology of urban complexes on the thermal comfort using the PMV/PPD model (a case study of Gheytariyeh neighborhood in Tehran)[J]. International Journal of Low-Carbon Technologies, 2021, 16(2): 672-682.

[26] RUPP R F, KAZANCI O B, TOFTUM J. Investigating current trends in clothing insulation using a global thermal comfort database[J]. Energy and Buildings, 2021.

[27] MA Nan, CHEN Liang, HU Jian, et al. Adaptive behavior and different thermal experiences of real people: a Bayesian neural network approach to thermal preference prediction and classification[J]. Building and Environment, 2021, 198(4).

[28] 王志強(qiáng), 王珊, 張馨月, 等. 計(jì)及用戶響應(yīng)行為差異性的區(qū)域電采暖負(fù)荷特性建模[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(7): 98-110.

WANG Zhiqiang, WANG Shan, ZHANG Xinyue, et al. Modeling of regional electric heating load characteristics considering the difference of user response behavior[J]. Automation of Electric Power Systems, 2019, 43(7): 98-110.

[29] 李春山, 任普春, 吳姜. 扎魯特直流對(duì)吉林省風(fēng)電消納影響研究[J]. 東北電力大學(xué)學(xué)報(bào), 2018, 38(6): 1-8.

LI Chunshan, REN Puchun, WU Jiang. Zalut DC impact on wind power absorption in Jilin Province[J]. Journal of Northeast Electric Power University, 2018, 38(6): 1-8.

Multi-power level control strategy of an electric heating cluster considering new energy consumption

YANG Yulong1, WANG Tiantian1, CHEN Xiang2, JIN Rong1

(1. School of Electrical Engineering, Northeast Electric Power University, Jilin 132012, China; 2. Fuyang Power Supply Company, State Grid Anhui Provincial Electric Power Co., Ltd., Fuyang 236000, China)

At present, as a potential effective way of absorbing new energy, electric heating equipment has the problems of low source-load matching and insufficient tap position optimization. Thus a multi-power level control strategy based on a cluster control architecture of electric heating equipment is proposed. First, considering the objectives of user comfort, economy and fairness of electric heating, the optimal benchmark gear is determined by an improved multi-objective particle swarm optimization (IMOPSO) algorithm. Then, a corresponding relationship between comprehensive weighted index and gear difference is established to determine the optimal multi-power grade gear difference. Finally, multi-power level control of electric heating equipment is realized by constraining the equipment state and load transfer amount. The simulation results show that compared with the traditional control method, the proposed strategy can further realize the accurate absorption of new energy, improve user heating comfort level on the basis of improving load flexibility, and provide a new feasible method for the new energy absorption control strategy.

electronic heating; new energy accommodation; cluster control; multi-power level; comfort

10.19783/j.cnki.pspc.210872

國(guó)家自然科學(xué)基金項(xiàng)目資助(51907020);國(guó)家電網(wǎng)有限公司2021年總部科技項(xiàng)目資助(5500-202199270A-0- 0-00)

This work is supported by the National Natural Science Foundation of China (No. 51907020).

2021-07-09；

2021-11-15

楊玉龍(1986—)，男，博士，講師，研究方向?yàn)榫C合能源系統(tǒng)優(yōu)化、風(fēng)電并網(wǎng)消納、需求側(cè)管理；E-mail: yangyulong@neepu.edu.cn

王甜甜(1997—)，女，通信作者，碩士研究生，研究方向?yàn)榉植际诫姴膳刂撇呗耘c優(yōu)化運(yùn)行。E-mail: 2750128599@qq.com

(編輯 許 威)