一种基于指数移动平均的空调负荷需求响应方法

摘要

本发明涉及一种基于指数移动平均的空调负荷需求响应方法，包括以下步骤：1)在每个电价更新周期获取实时电价P

说明书

技术领域

本发明属于智能电网需求响应技术领域，涉及一种空调负荷自动电价响应方法，尤其是涉及一种基于指数移动平均的空调负荷需求响应方法。

背景技术

在当今社会，随着社会经济的发展、人民生活水平的提高，人们的用电需求不断增加。相对于电力需求的快速增长，发电资源的建设处于相对滞后的状态。这使得用电需求较大的城市频繁出现整体供电紧缺以及局部阻塞的现象。同时，我国用电的峰谷差较大，且电网中高峰、尖峰负荷所持续的时间不长。如果单纯靠相关企业加大在电力供应设备上投资以使负荷高峰期能够达到电力供需平衡，那么这部分设备的使用率很低，会造成资源的闲置和浪费。另外，随着新能源技术的不断发展，其接入量逐渐增长，新能源的随机性、间歇性使得电网的波动增加，传统的电源跟踪负荷的方式越来越难满足实时电力供需平衡的要求。

解决以上问题的一种重要措施是激活负荷侧的需求响应潜力，实现负荷对电源的跟踪。需求侧响应是电力用户根据一定的激励措施或电价信号来对其固有用电模式进行调整的行为。相对于传统通过调节发电侧出力来实现供需平衡，需求侧响应的调节速度快、成本低、潜力大，能够减少或推移某时段的用电负荷，达到削峰填谷的效果，缓解高峰期电力供应紧张的局面，保证系统的安全可靠经济运行，实现资源配置的优化。

需求响应可以分为基于价格和基于激励(控制)等两大类。对于前者，现有的需求响应需要人工参与，即由用户根据电价变化人为地改变用电行为。由于这是一种非自动的方式，故在需求响应的快速性、有效性以及公平性等方面都存在很大限制。

在众多的需求侧响应资源中，空调负荷的可挖掘潜力很大。在夏季负荷高峰期，空调负荷占总用电负荷的比重逐年攀升，在众多城市中已达到30％以上，上海、 北京等城市甚至达到50％左右。另外，空调作为温控负荷，其所在建筑空间具有热储存性，能够在对用户造成较小的舒适度损失的情况下对温度设定值进行一定的调节，从而达到降低峰荷以及减少电费支出的目的。但是，空调负荷控制的主要难点在于，频繁的温度设定值调整会破坏空调集群运行状态的多样性，从而会导致空调总功率出现大幅度的突变和振荡，这会对电能质量以及电网的安全稳定运行造成严重影响。在不解决这个问题的情况下，大规模的空调控制难以获得实际应用。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种减少电网冲击、提高配电网电能质量的基于指数移动平均的空调负荷需求响应方法，适用于实时电价等多种电价场景的空调负荷调节。

本发明的目的可以通过以下技术方案来实现：

一种基于指数移动平均的空调负荷需求响应方法，包括以下步骤：

1)在每个电价更新周期获取实时电价P_rt；

2)在每个电价更新周期，根据所述实时电价利用滑动数据窗计算过去n个电价更新周期内的平均电价P_avg以及电价标准差σ；

3)根据设定的采样周期对实时电价进行采样，利用指数移动平均算法对采样的实时电价进行滤波，得到滤波电价P_ema；

4)根据步骤2)和3)获得的平均电价P_avg、电价标准差σ和滤波电价P_ema计算空调设备更新后的温度设定值T_set；

5)以所述更新后的温度设定值T_set调节空调设备的温度。

所述步骤2)中，平均电价的计算公式如下：

式中，P_rt,k是第k个电价更新周期的实时电价，i表示当前为第i个电价更新周期；

电价标准差的计算公式如下：

。

所述步骤3)中，利用指数移动平均算法对采样的实时电价进行滤波具体为：

P_ema,j＝A×P_ema,j-1+(1-A)×P_rt,j

式中，P_rt,j是第j个采样周期的实时电价的采样值，P_ema,j是第j个采样周期获得的滤波电价，A是衰减速度系数。

所述步骤4)中，更新后的温度设定值通过以下公式获得：

式中，r₁、r₂分别表示报价允许的上调程度和报价允许的下调程度，K₁、K₂分别为设定的斜率，T_min、T_desired、T_max分别表示温度设定值允许调节的下限、用户理想温度设定值和温度设定值允许调节的上限。

所述温度设定值的更新周期与采样周期相同。

所述步骤3)-5)由空调控制器执行，空调控制器在获得更新后的温度设定值T_set后，将所述更新后的温度设定值T_set通过空调设备的温度设置接口发送给空调设备。

与现有技术相比，本发明具有以下优点：

(1)本发明方法利用指数移动平均(EMA，exponentially moving average)算法对实时电价信号进行滤波处理，在实现空调负荷削峰填谷以及减少用电支出的同时，有效的克服了对空调集群实施控制时容易出现的功率大幅突变和振荡的现象，减少了对电网的冲击，提高了配电网的电能质量，保障了电网的安全稳定运行。

(2)本发明采用专门的空调控制器自动的对电价做出实时响应，控制精度高，使用方便。

附图说明

图1为本发明的流程示意图；

图2为本发明温度设定值的更新原理示意图；

图3为温度设定值改变时室内温度及空调功率变化示意图，其中，(a)为上调设定值，(b)为下调设定值；

图4为二阶ETP模型等效电路图；

图5为其他负荷总功率曲线示意图；

图6为策略2下总功率与实时电价的关系示意图；

图7为策略3下实时电价、移动平均电价与平均温度设定值的关系示意图；

图8为策略3下总功率与实时电价的关系示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如图1所示，本实施例提供一种基于指数移动平均的空调负荷需求响应方法，适用于实时电价等多种电价场景的空调负荷自动调整，具体如下：

在步骤S1中，在每个电价更新周期利用通信手段获取实时电价P_rt，配电网的电价更新周期一般为1小时。

在步骤S2中，在每个电价更新周期，根据所述实时电价利用滑动数据窗计算过去n个电价更新周期内的平均电价P_avg以及电价标准差σ，本实施例中，n取24，即计算过去24小时的平均电价以及电价的标准差。

设P_rt,k是第k个电价更新周期的实时电价，i表示当前为第i个电价更新周期，i≥n,平均电价的计算公式为：

标准差的计算公式为：

在步骤S3中，空调控制器根据设定的采样周期T_samp对实时电价进行采样，利用指数移动平均算法对采样的实时电价进行滤波，消除实时电价中的高频变化分量，得到滤波电价P_ema。

指数移动平均算法有以下特点：

(a)具有一阶低通滤波器特性；

(b)越旧的数据其权重越低；

(b)采用递推算法后，计算量很小，要求的数据也很少。适合实时计算。

其一般表达式为

其中，ES_t为平均值(期望值)；S_t为t时刻的观测值；A、B为常数，容易推出A+B＝1，0＜A＜1。

上式可改为如下递推形式：

ES_t＝A×ES_t-1+(1-A)×S_t

A决定了旧数据权重随时间的衰减速度，A越大，衰减越慢，平滑效果越好。如果A＝0，则ES_t＝S_t，此时无滤波作用；如果A＝1，则ES_t输出为常数，可视为数据窗长度无限的算数移动平均滤波器。

利用指数移动平均算法对采样的实时电价进行滤波具体为：

P_ema,j＝A×P_ema,j-1+(1-A)×P_rt,j(3)

式中，P_rt,j是第j个采样周期的实时电价的采样值，P_ema,j是第j个采样周期获得的滤波电价，A是衰减速度系数，也就是每次采样后，将指数移动平均电价进行更新。

在步骤S4中，根据步骤S2和S3获得的平均电价P_avg、电价标准差σ和滤波电价P_ema计算空调设备更新后的温度设定值T_set。温度设定值的更新周期与采样周期相同。

更新后的温度设定值通过以下公式获得：

式中，r₁、r₂分别表示报价允许的上调程度和报价允许的下调程度，K₁、K₂为设定的斜率，T_min、T_desired、T_max分别表示设定值允许调节的下限、用户理想设定值和设定值允许调节的上限。图2为上述公式的示意图。

在步骤S5中，空调控制器在获得更新后的温度设定值T_set后，将所述更新后的温度设定值T_set通过空调设备的温度设置接口发送给空调设备，以所述更新后的温度设定值T_set调节空调设备的温度，对空调的控制周期等于采样周期。

空调具有周期工作特性。以制冷空调为例，设室内温度为T_air，温度设定值为T_set，死区范围为DB，则其工作状态转换规则如表1所示。

表1空调运行状态转换规则

当室内温度超过温度设定值范围上限T_set+DB后，空调开启，进入制冷状态，温度下降；当室内温度低于温度设定值范围下限T_set-DB后，空调关闭，温度上升。在下式中，T_off为一个运行周期内空调处于关闭状态的时间，T_on为一个运行周期内空调处于开启状态的时间。

定义空调工作占空比为：

设Q为空调制冷量，COP为空调制冷能效比。则空调负荷在稳态时的平均功率为：

由图3可见，通过修改空调温度设定值T_set，会改变空调工作占空比，从而达到改变空调负荷功率的目的。以制冷空调为例，上调温度设定值会降低空调负荷功率，反之，则会增大空调负荷功率。

为了说明本发明方法的有效性，将本发明与其它策略进行比较仿真。

一、仿真设置

1、空调负荷的热力学模型

空调负荷的热力学模型采用了二阶ETP(Equivalent Thermal Parameters)模型，等效电路图如图4所示。

在下面仿真中，采用的空调负荷模型为中的二阶ETP模型，主要参数设置如表2所示，其中，Uniform(a,b)表示均匀分布，Normal(avg,std)表示正态分布。总空调负荷数设置为500台。

表1空调负荷主要参数设置

对于控制器的参数，将空调负荷分为三组，采用不同的参数设置，设置情况如表3所示。

表2空调控制器参数设置

除了空调负荷，在下面仿真中还设置了固定的其他负荷，其总功率如图5所示。

2、用于对比的电价响应策略

为了说明本方法的实施效果，考虑了空调负荷的三种电价响应策略：

策略1：无电价响应

此时空调基本参数如下表所示。

表3策略1下空调负荷基本参数

策略2：未采用指数移动平均的空调负荷自动电价响应方法

此时，空调控制器按照如下策略对实时电价信号进行响应：

策略3：采用指数移动平均的空调负荷自动电价响应方法，即本方法。

此时，空调控制器按照如下策略对指数移动平均电价进行响应：

策略2与本方法的区别在于，策略2用于调节温度设定值的电价信号为未经过处理的当前实际实时电价，而本方法则对该电价信号进行了指数移动平均处理。

二、仿真结果

1、策略2：未采用指数移动平均的空调负荷自动电价响应方法

利用式(7)计算空调温度设定值，通过仿真计算，得到本策略下空调负荷与其他负荷的功率之和(以下称之为总功率)与实时电价的关系，如图6所示。作为对比，图6中同时给出了策略1的仿真结果。

从图6中可以看出，当电价上升时，总功率下降，反之，总功率上升。但当实时电价变化时，空调负荷的功率存在大幅度的突变和振荡现象。当空调负荷在总负荷中的占比较大时，对系统电压和频率产生较大影响，电能质量下降，并对电网的安全稳定运行相当不利。因此，该方法难以获得采用。

在本策略下，平均每个用户该日空调消耗的电能及电费和策略1相比的削减率如表5所示。

表5策略2的日空调电能及电费削减率

2、策略3：采用指数移动平均的空调负荷自动电价响应方法

设P_rt,j是第j个采样周期的实时电价采样值，则利用指数移动平均算法进行滤波后的电价为：

P_ema,j＝A×P_ema,j-1+(1-A)×P_rt,j(9)

本仿真中，采样周期T_samp为1min，A值为0.99。

一般来说，为了使滤波后的电价变化更为连续和平滑，更好地抑制总功率突变和振荡的现象，采样周期T_samp取值应较小，A取值应较大。但如果采样周期T_samp过小，则空调控制会过于频繁，这会对控制系统以及通信系统提出很高的要求；A过大，会使电价变化过于平稳，无法很好地体现实时电价的变化。因此，T_samp的取值范围建议为30s≤T_samp≤180s，A的取值范围建议为0.9≤A≤0.995。

温度设定值的调节方式为：

图7给出了实际实时电价、指数移动平均电价以及平均温度设定值的关系图。

通过仿真计算，得到本策略下总功率与实时电价的关系，如图8所示。作为对比，图8中同时给出了策略1的仿真结果。对比图6可见，采用指数移动平均的空 调负荷自动电价响应方法显著减小了电价改变时的功率突变和振荡现象。

在本策略下，平均每个用户该日空调消耗的电能及电费和策略1相比的削减率如下表所示。

表6策略3的日空调电能及电费削减率

与表5比较可以看出，本策略较之策略2在用户的用电经济性方面略有下降。但是，本策略显著减少了对电网的冲击，提高了配电网的电能质量，保障了电网的安全稳定运行，这使得本策略具备了可以实际应用的价值。