范德金，張 姝，王 楊，肖先勇

考慮用戶調(diào)節(jié)行為多樣性的空調(diào)負(fù)荷聚合商日前調(diào)度策略

范德金，張 姝，王 楊，肖先勇

(四川大學(xué)電氣工程學(xué)院，四川 成都 610065)

空調(diào)負(fù)荷作為重要的柔性負(fù)荷資源之一，通過(guò)負(fù)荷聚合商參與電網(wǎng)調(diào)控，對(duì)改善夏季電網(wǎng)的負(fù)荷特性具有重要意義。然而聚合商通過(guò)分組控制方式無(wú)法最大化地利用空調(diào)的可調(diào)潛力，并且對(duì)用戶舒適度有一定影響。從負(fù)荷聚合商的角度出發(fā)，對(duì)用戶空調(diào)負(fù)荷分別采用溫度設(shè)定值控制，以保持用戶調(diào)節(jié)行為的多樣性。在最大化挖掘負(fù)荷可調(diào)潛力的同時(shí)保證用戶舒適度，提出了一種基于用戶空調(diào)負(fù)荷溫度控制的負(fù)荷聚合商日前調(diào)度雙層優(yōu)化模型。模型上層以負(fù)荷聚合商利益最大為優(yōu)化目標(biāo)，下層考慮用戶舒適度差異以用戶整體不舒適度水平最小為優(yōu)化目標(biāo)。采用粒子群整數(shù)規(guī)劃算法進(jìn)行求解獲得單臺(tái)空調(diào)設(shè)備設(shè)定溫度的調(diào)節(jié)量。通過(guò)仿真驗(yàn)證表明，所提日前調(diào)度策略可以在給電網(wǎng)提供一定削峰能力的同時(shí)，充分挖掘空調(diào)負(fù)荷的可調(diào)潛力，保證負(fù)荷聚合商獲得最大化利益并且用戶舒適度水平更高。

負(fù)荷聚合商；雙層調(diào)度模型；溫度設(shè)定值控制；調(diào)節(jié)多樣性；不舒適度水平

0 引言

目前，各個(gè)地區(qū)空調(diào)負(fù)荷峰荷占比普遍在20%以上，北京、上海、江蘇、浙江等發(fā)達(dá)地區(qū)占比甚至?xí)^(guò)50%，并且這一比例還在逐年上升，空調(diào)負(fù)荷已成為影響電網(wǎng)夏季峰谷差的主要因素[1]?？照{(diào)負(fù)荷具有規(guī)模大、可控性強(qiáng)、調(diào)節(jié)潛力巨大的特點(diǎn)，隨著智能電網(wǎng)技術(shù)、5G通信技術(shù)和智能家居技術(shù)的發(fā)展，通過(guò)負(fù)荷聚合商[2]對(duì)大量分散空調(diào)負(fù)荷進(jìn)行聚合和調(diào)控，使其參與電力供需平衡調(diào)節(jié)，對(duì)改善夏季電網(wǎng)負(fù)荷特性具有重要意義。

空調(diào)負(fù)荷的調(diào)控主要包括控制方式和調(diào)度優(yōu)化兩個(gè)方面。在控制方面，常用的控制方式有直接負(fù)荷控制(Direct Load Control, DLC)和需求側(cè)競(jìng)價(jià)(Demand Side Bidding, DSB)等[3]。現(xiàn)有空調(diào)負(fù)荷參與調(diào)度的控制方式主要為直接負(fù)荷控制，其中常用的DLC有3種：開關(guān)控制、周期性暫?？刂坪蜏囟瓤刂?。開關(guān)控制就是通過(guò)直接控制空調(diào)負(fù)荷的開停實(shí)現(xiàn)負(fù)荷調(diào)節(jié)。文獻(xiàn)[4]利用空調(diào)負(fù)荷開停情況確定可調(diào)容量，建立了DLC的空調(diào)負(fù)荷雙層優(yōu)化調(diào)度和控制模型，但是調(diào)控僅停留在功率層面。文獻(xiàn)[5]采用分組控制的方法對(duì)空調(diào)負(fù)荷進(jìn)行開關(guān)控制，實(shí)現(xiàn)了良好的削峰效果。周期性暫?？刂凭褪峭ㄟ^(guò)改變空調(diào)負(fù)荷運(yùn)行溫度上下限，對(duì)空調(diào)負(fù)荷實(shí)施周期性的暫?？刂?，常常用于中央空調(diào)領(lǐng)域[3]。文獻(xiàn)[6-7]對(duì)中央空調(diào)負(fù)荷周期性暫?？刂频目尚行院蛯?shí)用性進(jìn)行細(xì)致的分析。由于開關(guān)控制和周期性暫?？刂七^(guò)程中忽略了用戶的舒適性，而溫度控制[8]能夠更好地表達(dá)用戶感受的變化。因此，在眾多的研究中大量使用。文獻(xiàn)[9]提出一種基于負(fù)荷溫度的密度聚類集群控制策略，實(shí)現(xiàn)以溫度設(shè)定值為響應(yīng)信號(hào)對(duì)負(fù)荷群進(jìn)行控制。文獻(xiàn)[10]在溫度控制的基礎(chǔ)上，建立了溫差-功率小時(shí)級(jí)調(diào)度模型。在實(shí)現(xiàn)對(duì)空調(diào)負(fù)荷集群控制的基礎(chǔ)上，進(jìn)一步進(jìn)行空調(diào)負(fù)荷的調(diào)度。由于空調(diào)負(fù)荷規(guī)模大、型號(hào)不同、所處環(huán)境各異，往往運(yùn)行參數(shù)呈現(xiàn)多樣性[11]。文獻(xiàn)[12]計(jì)及空調(diào)負(fù)荷參與調(diào)控初始狀態(tài)的不確定性及參數(shù)差異性，進(jìn)行空調(diào)負(fù)荷優(yōu)化調(diào)度。文獻(xiàn)[13]概述了基于多樣性保持的空調(diào)負(fù)荷群控制機(jī)制，建立了負(fù)荷群控制代價(jià)模型，提出了一種計(jì)及空調(diào)負(fù)荷群控制的源-荷協(xié)同優(yōu)化調(diào)度模型。以上研究只考慮了空調(diào)負(fù)荷自身參數(shù)的多樣性和負(fù)荷聚合商層面的功率調(diào)節(jié)，并沒(méi)有深入量化用戶空調(diào)負(fù)荷的溫度設(shè)定值。由于用戶的不同溫度喜好和使用習(xí)慣，以及空調(diào)負(fù)荷自身參數(shù)的差異性，為了充分挖掘負(fù)荷的可調(diào)節(jié)潛力，需要對(duì)每個(gè)用戶空調(diào)負(fù)荷的多樣性進(jìn)行研究，從而得到參與調(diào)控的調(diào)節(jié)量。

隨著電力行業(yè)的改革，需求側(cè)響應(yīng)[14-19]成為未來(lái)電網(wǎng)發(fā)展的主要方向，負(fù)荷聚合商將作為參與調(diào)度市場(chǎng)的主要角色。當(dāng)前空調(diào)負(fù)荷參與調(diào)度主要從電網(wǎng)的角度出發(fā)[20-22]，用戶的舒適度作為考慮因素[23-27]，而很少研究是從負(fù)荷商的角度出發(fā)，考慮負(fù)荷聚合商到用戶層面的運(yùn)行優(yōu)化。文獻(xiàn)[21]提出了雙層調(diào)度模型，上層考慮電網(wǎng)調(diào)度成本，下層通過(guò)市場(chǎng)方式激勵(lì)負(fù)荷進(jìn)行調(diào)控；文獻(xiàn)[28]在調(diào)度誤差的基礎(chǔ)上建立雙層調(diào)度模型；文獻(xiàn)[29]中上層評(píng)估負(fù)荷調(diào)節(jié)能力，抑制電網(wǎng)交換功率波動(dòng)，下層考慮降低調(diào)節(jié)成本。以上關(guān)于雙層調(diào)度的相關(guān)文獻(xiàn)沒(méi)有深入考慮負(fù)荷聚合商的利益以及負(fù)荷調(diào)控行為的差異性。本文從負(fù)荷聚合商的角度出發(fā)建立負(fù)荷聚合商雙層優(yōu)化調(diào)度模型：在負(fù)荷聚合商層面，以負(fù)荷聚合商最大利益為目標(biāo)，求得最優(yōu)日負(fù)荷曲線，給電網(wǎng)提供一定的削峰能力；在用戶層面，考慮了用戶舒適度水平的差異，通過(guò)對(duì)每個(gè)用戶的舒適度水平進(jìn)行分析，將用戶群整體不舒適度作為優(yōu)化目標(biāo)，通過(guò)引入粒子群整數(shù)規(guī)劃算法，最終得到用戶空調(diào)溫度設(shè)定值的具體調(diào)節(jié)量，保證了用戶調(diào)節(jié)行為的多樣性。最后通過(guò)仿真分析，對(duì)比分析了用戶響應(yīng)度和不同控制方式下調(diào)度策略的結(jié)果，驗(yàn)證了調(diào)度策略的正確性和可行性，相比于分組控制[5]方式，能夠使得負(fù)荷聚合商在獲得最大利益的同時(shí)，充分利用負(fù)荷可調(diào)潛力，降低調(diào)節(jié)行為對(duì)用戶舒適度水平的影響。

1 負(fù)荷聚合商的負(fù)荷溫度控制框架

基于智能電網(wǎng)的高級(jí)量測(cè)體系(Advanced Metering Infrastructure, AMI)可以實(shí)時(shí)獲得用戶負(fù)荷數(shù)據(jù)。在此基礎(chǔ)上，單個(gè)空調(diào)負(fù)荷采用溫度設(shè)定值控制方式，負(fù)荷聚合商參與電網(wǎng)需求側(cè)響應(yīng)控制框架如圖1所示。首先，負(fù)荷聚合商根據(jù)電網(wǎng)和空調(diào)負(fù)荷提供的信息，得到最優(yōu)的空調(diào)負(fù)荷設(shè)定溫度調(diào)節(jié)量；隨后，通過(guò)控制終端分別向空調(diào)負(fù)荷的智能溫度控制器發(fā)送控制信號(hào)，控制器再對(duì)空調(diào)負(fù)荷的溫度設(shè)定值進(jìn)行調(diào)整，實(shí)現(xiàn)負(fù)荷聚合商對(duì)空調(diào)負(fù)荷的控制。

圖1 負(fù)荷聚合商參與電網(wǎng)需求側(cè)響應(yīng)控制框架

2 空調(diào)負(fù)荷聚合模型

2.1 單臺(tái)空調(diào)負(fù)荷等效模型

針對(duì)單個(gè)空調(diào)負(fù)荷模型，常用等效熱參數(shù)模型進(jìn)行描述[10-13]。等效熱參數(shù)(Equivalent ThermalParameter, ETP)模型就是通過(guò)將空調(diào)負(fù)荷所處空間與外界進(jìn)行能量交換的過(guò)程，用一個(gè)包含等效熱阻和等效熱容的電路來(lái)描述。這種模型往往適用于家庭用戶的空調(diào)模型建模。圖2是單個(gè)空調(diào)負(fù)荷的二階等效熱參數(shù)模型。

圖2 單個(gè)空調(diào)負(fù)荷的二階等效熱參數(shù)模型

由圖2可以得到空調(diào)負(fù)荷模型的狀態(tài)空間表達(dá)式為

空調(diào)負(fù)荷關(guān)閉時(shí)：

空調(diào)負(fù)荷開啟時(shí)：

室內(nèi)溫度變化如圖3所示。

圖3 室內(nèi)溫度變化

2.2 空調(diào)負(fù)荷聚合功率模型

對(duì)于負(fù)荷聚合商而言，其更加關(guān)心的是多個(gè)空調(diào)負(fù)荷聚合后的總功率。個(gè)空調(diào)負(fù)荷聚合功率可以表示為

當(dāng)各空調(diào)負(fù)荷的設(shè)定溫度不發(fā)生改變時(shí)，可以利用空調(diào)負(fù)荷的占空比(開機(jī)時(shí)間占整個(gè)開停周期的比例)來(lái)求得單臺(tái)空調(diào)負(fù)荷的平均功率，由式(11)和式(12)可以將占空比表示為

當(dāng)每個(gè)空調(diào)負(fù)荷都獨(dú)立運(yùn)行，負(fù)荷聚合商包含足夠多的空調(diào)負(fù)荷時(shí)，空調(diào)負(fù)荷聚合功率也可以近似表示為

由式(14)和式(15)分析可知，當(dāng)溫度設(shè)定值提高時(shí)，占空比減小，同一時(shí)刻處于開啟狀態(tài)的空調(diào)負(fù)荷數(shù)量減少，相應(yīng)的聚合功率就會(huì)減少。

3 面向負(fù)荷聚合商的雙層優(yōu)化調(diào)度模型

在得到空調(diào)負(fù)荷聚合功率之后，建立負(fù)荷聚合商雙層優(yōu)化調(diào)度模型，如圖4所示。

圖4 負(fù)荷聚合商雙層優(yōu)化調(diào)度模型

1) 負(fù)荷聚合商層面：首先根據(jù)歷史氣象數(shù)據(jù)預(yù)測(cè)第2天氣溫變化情況，得到空調(diào)負(fù)荷各時(shí)刻的最大調(diào)節(jié)能力。根據(jù)電網(wǎng)以往夏季負(fù)荷數(shù)據(jù)預(yù)測(cè)日基礎(chǔ)負(fù)荷，以負(fù)荷聚合商的收益最大為優(yōu)化目標(biāo)，在調(diào)節(jié)能力范圍內(nèi)進(jìn)行優(yōu)化，得到空調(diào)負(fù)荷各時(shí)刻調(diào)節(jié)量，最終得到負(fù)荷聚合商管轄下的區(qū)域最優(yōu)日負(fù)荷曲線。

2) 空調(diào)用戶層面：以上層優(yōu)化得到的最優(yōu)日負(fù)荷曲線為約束，分別計(jì)算各個(gè)用戶的不舒適度水平，以用戶整體不舒適度水平最小為優(yōu)化目標(biāo)，對(duì)空調(diào)負(fù)荷的運(yùn)行方式進(jìn)行優(yōu)化，得到各空調(diào)負(fù)荷不同的溫度設(shè)定值調(diào)節(jié)量，保證用戶調(diào)節(jié)行為的多樣性。

3.1 負(fù)荷聚合商層面優(yōu)化模型

在負(fù)荷聚合商層面，考慮電網(wǎng)公司和負(fù)荷聚合商以及負(fù)荷聚合商和用戶之間的交易行為。負(fù)荷聚合商向電網(wǎng)提供需求側(cè)響應(yīng)資源，電網(wǎng)支付一定的費(fèi)用；用戶向負(fù)荷聚合商提供調(diào)節(jié)服務(wù)，聚合商給與用戶一定的補(bǔ)貼。

從文獻(xiàn)[10]中得到，負(fù)荷聚合商參與需求側(cè)響應(yīng)的電價(jià)通常采用需求側(cè)響應(yīng)市場(chǎng)的實(shí)時(shí)電價(jià)，其電價(jià)與負(fù)荷總量存在著一定的線性關(guān)系，如式(16)所示。

由式(16)和式(17)可以得到負(fù)荷聚合商的收益函數(shù)為

因此，負(fù)荷聚合商層面的優(yōu)化目標(biāo)函數(shù)為

其中，優(yōu)化約束條件為

在負(fù)荷聚合商層面，利用序列二次規(guī)劃計(jì)算得到的優(yōu)化結(jié)果，進(jìn)一步得到理想情況下負(fù)荷聚合商的最優(yōu)日負(fù)荷曲線。

3.2 用戶層面優(yōu)化模型

在用戶層面，優(yōu)化重心在于用戶的舒適度。Fanger熱舒適度模型是對(duì)用戶的不舒適度進(jìn)行量化，描述用戶對(duì)室溫不滿意度的常用模型，由于不舒適度主要與室內(nèi)溫度有關(guān)，因此假定其他因素都是常數(shù)，然后利用插值法對(duì)用戶不舒適度水平和室內(nèi)溫度進(jìn)行擬合，擬合后的表達(dá)式簡(jiǎn)化為[30]

用戶具有不同的期望溫度導(dǎo)致用戶在相同溫度下不舒適度水平是不同的，故需要對(duì)每個(gè)用戶的不舒適度水平進(jìn)行單獨(dú)計(jì)算，用戶調(diào)節(jié)行為也需要單獨(dú)計(jì)算，用戶層面優(yōu)化目標(biāo)為用戶整體不舒適度水平最低，表示為

前文分析了溫度調(diào)節(jié)對(duì)空調(diào)負(fù)荷聚合功率的影響，所以在進(jìn)行優(yōu)化的同時(shí)，還需要考慮溫度設(shè)定值改變之后的空調(diào)負(fù)荷聚合功率約束。

由于負(fù)荷聚合商管轄下的空調(diào)負(fù)荷具有異質(zhì)性，導(dǎo)致溫度控制得到的日負(fù)荷曲線與聚合商層面得到的最優(yōu)日負(fù)荷曲線不會(huì)完全一致，所以將溫度設(shè)定值改變之后的日負(fù)荷曲線與上層最優(yōu)日負(fù)荷曲線之間的擬合率作為用戶層面優(yōu)化模型的功率約束。優(yōu)化約束可表示為

計(jì)算流程與標(biāo)準(zhǔn)粒子群算法一致[27]。

4 仿真分析

假設(shè)某地區(qū)的空調(diào)負(fù)荷聚合商管理空調(diào)負(fù)荷1000臺(tái)，由于用戶對(duì)室內(nèi)溫度喜好各不相同，這里假設(shè)各空調(diào)負(fù)荷的初始溫度設(shè)定值滿足均勻分布(24,26)。由于空調(diào)負(fù)荷所處的環(huán)境空間不同，空調(diào)負(fù)荷熱等效參數(shù)往往具有不確定性，因此假設(shè)空調(diào)熱等效參數(shù)都滿足正態(tài)分布，得到的空調(diào)負(fù)荷參數(shù)如表1所示[19]。

表1 空調(diào)負(fù)荷參數(shù)表

4.1 溫度控制對(duì)聚合功率的影響

在外界溫度為36 ℃的情況下，分別將全部空調(diào)負(fù)荷的設(shè)定溫度值上調(diào)1 ℃、2 ℃和3 ℃，得到不同溫度設(shè)定值下的空調(diào)負(fù)荷占空比如表2所示，可以看出，隨著設(shè)定溫度值上調(diào)，空調(diào)負(fù)荷占空比減小。

隨著設(shè)定溫度的調(diào)高，占空比減小，同一時(shí)刻整個(gè)空調(diào)負(fù)荷群處于開啟狀態(tài)的負(fù)荷臺(tái)數(shù)也相應(yīng)地減少。不同溫度設(shè)定值下，空調(diào)負(fù)荷聚合功率變化如圖5所示，可知設(shè)定溫度的調(diào)高最后將導(dǎo)致整個(gè)空調(diào)負(fù)荷群的聚合功率也減少。

表2 不同溫度設(shè)定值下的空調(diào)負(fù)荷占空比

圖5 不同溫度設(shè)定值下，空調(diào)負(fù)荷聚合功率變化

從圖5的結(jié)果可以看出，對(duì)空調(diào)負(fù)荷的溫度設(shè)定值進(jìn)行控制，整個(gè)空調(diào)負(fù)荷群的聚合功率會(huì)隨之改變。

4.2 調(diào)度策略仿真分析

假設(shè)負(fù)荷聚合商所在地區(qū)某一天的預(yù)測(cè)夏季基礎(chǔ)負(fù)荷[34]和室外溫度變化[35]如圖6所示。電網(wǎng)需求側(cè)響應(yīng)實(shí)時(shí)價(jià)格系數(shù)和分別為8.25×10-5和0.2，負(fù)荷聚合商給用戶的補(bǔ)貼系數(shù)為0.000 45元/kW2[10]。假設(shè)用戶在溫度首次超過(guò)28 ℃的2 h之內(nèi)隨機(jī)開啟空調(diào)負(fù)荷，最后一次低于28 ℃時(shí)關(guān)閉負(fù)荷。

圖6 夏季基礎(chǔ)負(fù)荷和室外溫度變化

利用Matlab中的工具包c(diǎn)plex12.8對(duì)負(fù)荷聚合商層面優(yōu)化模型進(jìn)行求解，在保證負(fù)荷聚合商利益最大的情況下，得到最優(yōu)日負(fù)荷曲線，此時(shí)，負(fù)荷聚合商可以獲得的最大利益為1337元。

峰谷差率往往被用來(lái)代表日負(fù)荷曲線的平穩(wěn)度，其一般表達(dá)式為

在得到最優(yōu)日負(fù)荷曲線后，將其作為用戶層面優(yōu)化模型的目標(biāo)日負(fù)荷曲線，在使得用戶不舒適度水平最低的情況下，利用粒子群算法進(jìn)行整數(shù)規(guī)劃，得到負(fù)荷聚合商調(diào)度后實(shí)際日負(fù)荷曲線，如圖7所示，此時(shí)日負(fù)荷曲線與目標(biāo)日負(fù)荷曲線的擬合率為0.9649。

圖7 負(fù)荷聚合商調(diào)度后實(shí)際日負(fù)荷曲線

優(yōu)化得到的日負(fù)荷曲線的峰谷差率為0.7346，負(fù)荷聚合商可以獲得的利益為1239.7元，與目標(biāo)日負(fù)荷曲線的對(duì)應(yīng)參數(shù)十分接近，此時(shí)，負(fù)荷聚合商給用戶的補(bǔ)貼為1206.9元。

通過(guò)對(duì)用戶層面優(yōu)化模型進(jìn)行求解，得到各空調(diào)負(fù)荷溫度設(shè)定值的調(diào)節(jié)量，各空調(diào)負(fù)荷調(diào)節(jié)量如圖8所示，其中調(diào)節(jié)量為3 ℃的空調(diào)負(fù)荷臺(tái)數(shù)為67臺(tái)；調(diào)節(jié)量為2 ℃的臺(tái)數(shù)為290臺(tái)；調(diào)節(jié)量為1 ℃的臺(tái)數(shù)為447臺(tái)；不調(diào)節(jié)的臺(tái)數(shù)為96臺(tái)。此時(shí)，各設(shè)定溫度下的空調(diào)負(fù)荷臺(tái)數(shù)如表3所示。

從圖8可以看出，不同編號(hào)的用戶負(fù)荷得到的溫度調(diào)節(jié)量是不同的，用戶調(diào)節(jié)行為呈現(xiàn)多樣性。負(fù)荷聚合商通過(guò)對(duì)空調(diào)負(fù)荷的溫度設(shè)定值的控制，不僅實(shí)現(xiàn)了負(fù)荷聚合商的利益最大化，同時(shí)保證了用戶的舒適度水平，還為電網(wǎng)提供了一定的削峰能力。

圖8 各空調(diào)負(fù)荷調(diào)節(jié)量

表3 各設(shè)定溫度下的空調(diào)負(fù)荷臺(tái)數(shù)

4.3 調(diào)度策略適應(yīng)性分析

4.3.1不同響應(yīng)度對(duì)調(diào)度策略的影響

由于用戶實(shí)際是否參與日前調(diào)度計(jì)劃具有隨機(jī)性，可通過(guò)日前向用戶確認(rèn)是否參與調(diào)控。為了進(jìn)一步研究負(fù)荷聚合商雙層調(diào)度模型在不同響應(yīng)度下的可行性，本節(jié)分別考慮全部用戶完全響應(yīng)、80%的用戶響應(yīng)和50%的用戶響應(yīng)的情況下，可獲得不同用戶響應(yīng)度情況下日負(fù)荷曲線，如圖9所示。

圖9 不同用戶響應(yīng)度情況下日負(fù)荷曲線

表4表示不同用戶響應(yīng)度各溫度調(diào)節(jié)量下的空調(diào)負(fù)荷臺(tái)數(shù)，其中完全響應(yīng)、80%和50%響應(yīng)下調(diào)節(jié)量為3 ℃的空調(diào)負(fù)荷臺(tái)數(shù)占比分別為6.700%、7.625%和26.400%，可以看出，隨著用戶響應(yīng)度的降低，空調(diào)負(fù)荷調(diào)節(jié)量為3 ℃的空調(diào)負(fù)荷占比逐漸上升。在保證空調(diào)負(fù)荷調(diào)節(jié)行為多樣性的同時(shí)，不同用戶響應(yīng)程度下，都能夠?qū)崿F(xiàn)對(duì)空調(diào)負(fù)荷的聚合功率最優(yōu)調(diào)控。

表4 不同用戶響應(yīng)度各溫度調(diào)節(jié)量下的空調(diào)負(fù)荷臺(tái)數(shù)

不同用戶響應(yīng)度下日負(fù)荷曲線參數(shù)如表5所示，其中，用戶響應(yīng)度為80%時(shí)，擬合率為0.9609；用戶響應(yīng)度為50%，擬合率為0.9171。從圖10中不同響應(yīng)度下空調(diào)負(fù)荷聚合功率也可以看出，此時(shí)空調(diào)負(fù)荷聚合功率曲線也有很高的相似度?？梢?，無(wú)論用戶的響應(yīng)度為多少，此策略都能夠保證負(fù)荷聚合商的利益最大化，在不同用戶響應(yīng)度下，具有很強(qiáng)的適應(yīng)性。

表5 不同用戶響應(yīng)度下日負(fù)荷曲線參數(shù)

圖10 不同響應(yīng)度下空調(diào)負(fù)荷聚合功率

4.3.2不同控制方式對(duì)調(diào)度策略的影響

針對(duì)空調(diào)負(fù)荷的聚合調(diào)度，當(dāng)前的調(diào)度方法多采用分組控制[5]的方式。但是，由于分組控制是對(duì)組內(nèi)負(fù)荷進(jìn)行集中統(tǒng)一控制，無(wú)法細(xì)化調(diào)控間隔，可能出現(xiàn)調(diào)節(jié)不足或過(guò)度調(diào)節(jié)的問(wèn)題。本節(jié)在對(duì)空調(diào)負(fù)荷額定功率進(jìn)行聚類分組的基礎(chǔ)上，對(duì)各組溫度設(shè)定值調(diào)節(jié)量組內(nèi)相同、組外各異，進(jìn)行優(yōu)化調(diào)度，最后得到不同控制方式下日負(fù)荷曲線參數(shù)見表6。

表6 不同控制方式下日負(fù)荷曲線參數(shù)

將分組控制策略與本文所用策略進(jìn)行對(duì)比，可知兩種控制方式在使得負(fù)荷聚合商獲得最大利益的情況下，本文所采用的單臺(tái)空調(diào)控制能夠更好地保證用戶調(diào)節(jié)行為的多樣性。同時(shí)得到日負(fù)荷曲線與最優(yōu)負(fù)荷曲線擬合度更高，負(fù)荷聚合商的收益更大。由此說(shuō)明采用本文所提調(diào)度策略能夠考慮用戶的差異性，更加充分地挖掘空調(diào)的可調(diào)潛力，同時(shí)依據(jù)舒適度水平可知，本文策略用戶整體不舒適度水平更低，說(shuō)明本文控制策略產(chǎn)生的調(diào)節(jié)行為對(duì)用戶影響更小。

隨著新型控制技術(shù)、智能家居技術(shù)和通信設(shè)備的發(fā)展，通過(guò)5G、智能家居云等新技術(shù)可以實(shí)現(xiàn)設(shè)備的快速調(diào)控，使得對(duì)單臺(tái)空調(diào)負(fù)荷的精細(xì)化控制成為可能。同時(shí)，本文研究空調(diào)負(fù)荷集群參與日前調(diào)度，有充足的時(shí)間來(lái)進(jìn)行控制信號(hào)的下發(fā)，可以忽略通信中可能產(chǎn)生的時(shí)延問(wèn)題。因此，針對(duì)具備智能調(diào)控的場(chǎng)景，在日前調(diào)度階段考慮多樣化調(diào)節(jié)的單臺(tái)控制方式具備更高的調(diào)控精度，更好地保障負(fù)荷聚合商的收益和用戶的舒適度水平，能夠進(jìn)一步促進(jìn)空調(diào)負(fù)荷集群調(diào)控潛力的挖掘。

5 結(jié)論

本文研究了一種考慮用戶調(diào)節(jié)行為多樣性的空調(diào)負(fù)荷聚合商日前調(diào)峰優(yōu)化調(diào)度策略。該策略基于單個(gè)空調(diào)負(fù)荷溫度控制展開，面向負(fù)荷聚合商建立了雙層優(yōu)化調(diào)度模型。上層優(yōu)化考慮空調(diào)負(fù)荷聚合商的收益，下層優(yōu)化考慮用戶的最佳舒適度水平。最后基于空調(diào)溫度設(shè)定值控制，獲得了負(fù)荷聚合商管轄區(qū)內(nèi)單個(gè)空調(diào)的調(diào)控方案，保證了調(diào)節(jié)行為的多樣性。該調(diào)控策略考慮單個(gè)空調(diào)運(yùn)行參數(shù)，通過(guò)對(duì)空調(diào)負(fù)荷溫度設(shè)定值進(jìn)行差異化調(diào)節(jié)，在保證空調(diào)負(fù)荷聚合商最大利益的前提下，最大限度地保障不同用戶的舒適度，改善電網(wǎng)負(fù)荷的峰谷差。通過(guò)算例對(duì)比表明：

1) 該策略在不同用戶響應(yīng)度情況下均能夠保障負(fù)荷聚合商的收益和用戶舒適度，具有良好的適應(yīng)性；

2) 與基于分組控制的調(diào)度策略相比較，本策略能夠在保證用戶調(diào)度多樣性的同時(shí)，充分挖掘負(fù)荷的可調(diào)潛力，降低調(diào)控行為對(duì)用戶舒適度的影響。

由于本文負(fù)荷聚合商參與電網(wǎng)日前調(diào)度，次日溫度變化和電網(wǎng)基礎(chǔ)負(fù)荷需要通過(guò)預(yù)測(cè)獲得。對(duì)于日中運(yùn)行時(shí)，與日前計(jì)劃相比會(huì)出現(xiàn)一定的誤差，可通過(guò)實(shí)時(shí)調(diào)度、輔助服務(wù)市場(chǎng)進(jìn)行調(diào)控，調(diào)節(jié)日前調(diào)度策略的誤差。

[1] 楊秀, 傅廣努, 劉方, 等. 考慮多重因素的空調(diào)負(fù)荷聚合響應(yīng)潛力評(píng)估及控制策略研究[J]. 電網(wǎng)技術(shù), 2022, 46(2): 699-708.

YANG Xiu, FU Guangnu, LIU Fang, et al. Potential evaluation and control strategy of air conditioning load aggregation response considering multiple factors[J]. Power System Technology, 2022, 46(2): 699-708.

[2] 任惠, 陸海濤, 盧錦玲, 等. 考慮信息物理系統(tǒng)耦合和用戶響應(yīng)差異的負(fù)荷聚合商需求響應(yīng)特性分析[J]. 電網(wǎng)技術(shù), 2020, 44(10): 3927-3936.

REN Hui, LU Haitao, LU Jinling, et al. Analysis of LA demand response characteristics considering cyber physical system coupling and user's response difference[J]. Power System Technology, 2020, 44(10): 3927-3936.

[3] 宋夢(mèng), 高賜威, 蘇衛(wèi)華. 面向需求響應(yīng)應(yīng)用的空調(diào)負(fù)荷建模及控制[J]. 電力系統(tǒng)自動(dòng)化, 2016, 40(14): 158-167.

SONG Meng, GAO Ciwei, SU Weihua. Modeling and controlling of air-conditioning load for demand response applications[J]. Automation of Electric Power Systems, 2016, 40(14): 158-167.

[4] 高賜威, 李倩玉, 李揚(yáng). 基于DLC的空調(diào)負(fù)荷雙層優(yōu)化調(diào)度和控制策略[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(10): 1546-1555.

GAO Ciwei, LI Qianyu, LI Yang. Bi-level optimal dispatch and control strategy for air-conditioning load based on direct load control[J]. Proceedings of the CSEE, 2014, 34(10): 1546-1555.

[5] CHU C, JONG T, HUANG Y. Mitigating DLC constraints of air-conditioning loads using a group-DLC method[C] // 2007 IEEE Power Engineering Society General Meeting, June 24-28, 2007, FL, USA: 1-6.

[6] 杜小瑾, 李瑤虹, 李佳, 等. 中央空調(diào)輪停技術(shù)方案比較[J]. 電力需求側(cè)管理, 2006, 8(3): 31-32.

DU Xiaojin, LI Yaohong, LI Jia, et al. Comparison on technical schemes of duty-cycling control in central air- conditioning system[J]. Power Demand Side Management, 2006, 8(3): 31-32.

[7] HUI X, YANG G, Central air-conditioning terminal intelligent control system, 2012 second international conference on instrumentation, measurement, computer, communication and control[C] // 2012 Second International Conference on Instrumentation, Measurement, Computer, Communication and Control, December 8-10, 2012, Harbin, China: 1029-1032.

[8] 周磊, 李揚(yáng), 高賜威. 聚合空調(diào)負(fù)荷的溫度調(diào)節(jié)方法改進(jìn)及控制策略[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(31): 5579-5589.

ZHOU Lei, LI Yang, GAO Ciwei. Improvement of temperature adjusting method for aggregated air-conditioning loads and its control strategy[J]. Proceedings of the CSEE, 2014, 34(31): 5579-5589.

[9] 孫毅, 陳一童, 李彬, 等. 基于溫度密度聚類的熱泵負(fù)荷集群控制策略[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(7): 46-52.

SUN Yi, CHEN Yitong, LI Bin, et al. Control strategy of heat pump load cluster based on temperature density clustering[J]. Automation of Electric Power Systems, 2020, 44(7): 46-52.

[10] 郝金寶, 張勇軍, 劉澤槐, 等. 基于空調(diào)負(fù)荷溫差-功率特性的博弈分層優(yōu)化調(diào)度[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(7): 70-78.

HAO Jinbao, ZHANG Yongjun, LIU Zehuai, et al. Hierarchical game optimization scheduling based on temperaturedifference and power characteristics of air-conditioning load[J]. Automation of Electric Power Systems, 2020, 44(7): 70-78.

[11] 劉萌, 褚曉東, 張文, 等. 基于多樣性保持的空調(diào)負(fù)荷群調(diào)度控制策略[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(22): 3674-3682.

LIU Meng, CHU Xiaodong, ZHANG Wen, et al. Dispatch and control strategies for air-conditioning load groups based on maintenance of load diversity[J]. Proceedings of the CSEE, 2014, 34(22): 3674-3682.

[12] 徐青山, 吳梟, 楊斌. 考慮狀態(tài)差異性聚類的空調(diào)負(fù)荷直接負(fù)荷控制動(dòng)態(tài)優(yōu)化方法[J]. 電力系統(tǒng)自動(dòng)化, 2016, 40(14): 33-42.

XU Qingshan, WU Xiao, YANG Bin. Dynamic optimization method of direct load control for air-conditioning load considering status diversity clustering[J]. Automation of Electric Power Systems, 2016, 40(14): 33-42.

[13] 劉萌, 梁雯, 張巖, 等. 計(jì)及空調(diào)負(fù)荷群控制的源-荷協(xié)同優(yōu)化調(diào)度模型[J]. 電網(wǎng)技術(shù), 2017, 41(4): 1230-1238.

LIU Meng, LIANG Wen, ZHANG Yan, et al. Cooperative generation-load optimal dispatching model considering air-conditioning load group control[J]. Power System Technology, 2017, 41(4): 1230-1238.

[14] 黃劍平, 陳皓勇, 林鎮(zhèn)佳, 等. 需求側(cè)響應(yīng)背景下分時(shí)電價(jià)研究與實(shí)踐綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(9): 178-187.

HUANG Jianping, CHEN Haoyong, LIN Zhenjia, et al. A summary of time-of-use research and practice in a demand response environment[J]. Power System Protection and Control, 2021, 49(9): 178-187.

[15] 楊海柱, 李夢(mèng)龍, 江昭陽(yáng), 等. 考慮需求側(cè)電熱氣負(fù)荷響應(yīng)的區(qū)域綜合能源系統(tǒng)優(yōu)化運(yùn)行[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(10): 30-37.

YANG Haizhu, LI Menglong, JIANG Zhaoyang, et al. Optimal operation of regional integrated energy system considering demand side electricity heat and natural-gas loads response[J]. Power System Protection and Control, 2020, 48(10): 30-37.

[16] YANG Hejun, ZHANG Xinyu, MA Yinghao, et al. Critical peak rebate strategy and application to demand response[J]. Protection and Control of Modern Power Systems, 2021, 6(3): 357-370.

[17] 楊奇, 王丹, 何偉, 等. 基于社會(huì)清潔福利最大化的電熱聯(lián)合雙邊競(jìng)價(jià)市場(chǎng)出清優(yōu)化策略研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(14): 112-122.

YANG Qi, WANG Dan, HE Wei, et al. Research on clearing optimization of electricity-heat coordinated double auction market based on social clean welfare maximization[J]. Power System Protection and Control, 2021, 49(14): 112-122.

[18] 盧仁軍, 李然, 王健, 等. 考慮需求側(cè)響應(yīng)的新能源接入下的配電網(wǎng)無(wú)功規(guī)劃研究[J]. 電測(cè)與儀表, 2020, 57(6): 46-51.

LU Renjun, LI Ran, WANG Jian, et al. Reactive power planning of distribution network with renewable energy resource considering demand side response[J]. Electrical Measurement & Instrumentation, 2020, 57(6): 46-51.

[19] 宋爽, 李中偉, 劉勇, 等. 住宅小區(qū)負(fù)荷群用電優(yōu)化策略研究[J]. 電測(cè)與儀表, 2021, 58(8): 57-66.

SONG Shuang, LI Zhongwei, LIU Yong, et al. Study on the optimization strategy of power consumption of load groups in residential quarters[J]. Electrical Measurement & Instrumentation, 2021, 58(8): 57-66.

[20] 姚垚, 張沛超, 王永權(quán). 溫控負(fù)荷參與快速頻率調(diào)整的雙層控制方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2018, 38(17): 4987-4998, 5296.

YAO Yao, ZHANG Peichao, WANG Yongquan. A two-layer control method for thermostatically controlled loads to provide fast frequency regulation[J]. Proceedings of the CSEE, 2018, 38(17): 4987-4998, 5296.

[21] SONG M, SUN W, WANG Y, et al. Hierarchical scheduling of aggregated TCL flexibility for transactive energy in power systems[J]. IEEE Transactions on Smart Grid, 2020, 11(3): 2452-2463.

[22] 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.

[23] CHEN Y, LUO F, DONG Z, et al. A day-ahead scheduling framework for thermostatically controlled loads with thermal inertia and thermal comfort model[J]. Journal of Modern Power Systems and Clean Energy, 2019, 7(3): 568-578.

[24] ZHAO H, WU Q, HUANG S, et al. Hierarchical control of thermostatically controlled loads for primary frequency support[J]. IEEE Transactions on Smart Grid, 2018, 9(4): 2986-2998.

[25] 閆夢(mèng)陽(yáng), 李華強(qiáng), 王俊翔, 等. 計(jì)及綜合需求響應(yīng)不確定性的園區(qū)綜合能源系統(tǒng)優(yōu)化運(yùn)行模型[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(2): 163-175.

YAN Mengyang, LI Huaqiang, WANG Junxiang, et al. Optimal operation model of a park integrated energy system considering uncertainty of integrated demand response[J]. Power System Protection and Control, 2022, 50(2): 163-175.

[26] YAO Y, ZHANG P. Unified control strategy of heterogeneous thermostatically controlled loads with market-based mechanism[J]. Journal of Modern Power Systems and Clean Energy, 2020, 8(6): 1231-1239.

[27] 趙兵, 王增平, 孫毅. 計(jì)及差異化用能需求的集群空調(diào)負(fù)荷優(yōu)化控制策略[J]. 電測(cè)與儀表, 2021, 58(9): 22-27.

ZHAO Bing, WANG Zengping, SUN Yi. Optimal control strategy of cluster air conditioning load considering differential energy demand[J]. Electrical Measurement & Instrumentation, 2021, 58(9): 22-27.

[28] XIA Mingchao, SONG Yuguang, CHEN Qifang. Hierarchical control of thermostatically controlled loads oriented smart buildings[J]. Applied Energy, 2019, 254.

[29] WEI Congying, XU Jian, LIAO Siyang, et al. Coordination optimization of multiple thermostatically controlled load groups in distribution network with renewable energy[J]. Applied Energy, 2018, 231: 456-467.

[30] 劉士浩. 面向智能電網(wǎng)頻率調(diào)節(jié)的溫控負(fù)荷控制策略與獎(jiǎng)勵(lì)機(jī)制[D]. 秦皇島: 燕山大學(xué), 2019.

LIU Shihao. Thermostatically controlled loads control strategy and reward mechanism for smart grid frequency regulation[D]. Qinhuangdao: Yanshan University, 2019.

[31] 黃倩倩, 李俊. 環(huán)境溫度突變時(shí)人體熱感覺(jué)變化機(jī)制研究進(jìn)展[J]. 紡織學(xué)報(bào), 2020, 41(4): 188-194.

HUANG Qianqian, LI Jun. Research progress on mechanism of human thermal sensation under ambient temperature step change[J]. Journal of Textile Research, 2020, 41(4): 188-194.

[32] 張世強(qiáng). 曲線回歸的擬合優(yōu)度指標(biāo)的探討[J]. 中國(guó)衛(wèi)生統(tǒng)計(jì), 2002(1): 9-11.

ZHANG Shiqiang. Approach on the fitting optimization index of curve regression[J]. Chinese Health Statistics, 2002(1): 9-11.

[33] 祁輝, 熊鷹, 周樹民. 基于粒子群算法的整數(shù)規(guī)劃問(wèn)題的求解算法[J]. 江漢大學(xué)學(xué)報(bào)(自然科學(xué)版), 2009, 37(1): 26-29.

QI Hui, XIONG Ying, ZHOU Shumin. Solution to integer programming problem based on particle swarm optimization[J]. Journal of Jianghan University (Natural Science Edition), 2009, 37(1): 26-29.

[34] 黃潤(rùn). 電動(dòng)汽車入網(wǎng)對(duì)電網(wǎng)負(fù)荷影響的研究[D]. 上海:上海交通大學(xué), 2012.

HUANG Run. Impacts of electric vehicles charging on the load of power system[D]. Shanghai: Shanghai Jiao Tong University, 2012.

[35] 宋玉光. 面向智能樓宇的主動(dòng)配電網(wǎng)溫控類柔性負(fù)荷優(yōu)化控制策略研究[D]. 北京: 北京交通大學(xué), 2019.

SONG Yuguang. Research on thermostatically controlled flexible loads optima control strategy for active distribution network orienting smart buildings[D]. Beijing: Beijing Jiaotong University, 2019.

Day ahead scheduling strategy for air conditioning load aggregators considering user regulation behavior diversity

FAN Dejin, ZHANG Shu, WANG Yang, XIAO Xianyong

(College of Electrical Engineering, Sichuan University, Chengdu 610065, China)

As one of the important flexible load resources, air conditioning participates in power grid regulation through load aggregators. This is of significance in improving the load characteristics of a power grid in summer. However, aggregators cannot maximize the adjustable potential of air conditioning through group control, and it has a certain impact on user comfort. From the point of view of load aggregators, the temperature setting values are used to control the user air conditioning load in order to maintain the diversity of user regulation behavior. In order to maximize the potential of load adjustment while ensuring user comfort, a two-level optimization model of day ahead scheduling for load aggregators based on user air conditioning load temperature control is proposed. The upper layer of the model takes the maximum benefit of the load aggregator as the optimization objective, and the lower layer considers the difference of user comfort and the minimum level of overall user discomfort as the optimization objective. The particle swarm integer programming algorithm is used to obtain the adjustment of the set temperature of a single piece of air conditioning equipment. The simulation results show that the day ahead scheduling strategy can provide certain peak clipping capability to the power grid while fully tapping the adjustable potential of the air-conditioning load to ensure that the load aggregator obtains the maximum benefit and the user comfort level is higher.

load aggregator; double layer scheduling model; temperature set value control; regulating diversity; discomfort level

10.19783/j.cnki.pspc.211476

國(guó)家自然科學(xué)基金項(xiàng)目資助(52007126；U2166209)

This work is supported by the National Natural Science Foundation of China (No. 52007126 and No. U2166209).

2021-11-02；

2022-03-30

范德金(1998—)，男，碩士研究生，主要研究方向?yàn)殡娏ω?fù)荷特性分析與調(diào)控；E-mail: fandejin@stu.scu.edu.cn

張 姝(1988—)，女，通信作者，博士，助理研究員，主要研究方向?yàn)榕潆娋W(wǎng)保護(hù)與故障定位、電力負(fù)荷特性與建模、電力擾動(dòng)分析；E-mail: ZS20061621@163.com

王 楊(1990—)，男，博士，研究員，主要研究方向?yàn)樾滦碗娏ο到y(tǒng)電能質(zhì)量分析與控制、寬頻振蕩廣域監(jiān)測(cè)、溯源與抑制、非線性控制理論在新型電力系統(tǒng)中的應(yīng)用等。E-mail: fwang@scu.edu.cn

(編輯 許 威)