王宏濤 張利偉 穆鋼
摘 要:目前,我國北方地區(qū)正在大規(guī)模推廣風(fēng)電清潔供暖技術(shù),利用電采暖技術(shù)提高電網(wǎng)調(diào)節(jié)能力至關(guān)重要。但因受多種因素影響,電采暖系統(tǒng)建模后相關(guān)參數(shù)確定較為困難,針對這一問題在長春市某小區(qū)采暖季進(jìn)行實(shí)驗(yàn),基于實(shí)測數(shù)據(jù),采用簡化一階熱力學(xué)參數(shù)(equivalent thermal parameter,ETP)模型近似描述單個可控負(fù)荷(thermostatically controlled loads,TCL)的工作特性,通過改進(jìn)粒子群優(yōu)化算法對模型中參數(shù)優(yōu)化,并結(jié)合線性回歸方程對其誤差進(jìn)行修正,在此基礎(chǔ)上,建立電采暖設(shè)備負(fù)荷聚合模型。最后評估電采暖設(shè)備群的負(fù)荷聚合功率并對其影響因素做了仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,經(jīng)優(yōu)化后的熱力學(xué)參數(shù)能夠近似模擬居民室內(nèi)溫度動態(tài)變化,證明所提優(yōu)化算法確定熱力學(xué)模型參數(shù)的有效性。
關(guān)鍵詞:熱力學(xué)模型;可控負(fù)荷;參數(shù)優(yōu)化;聚合能力
DOI:10.15938/j.jhust.2020.05.004
中圖分類號: TM924
文獻(xiàn)標(biāo)志碼: A
文章編號: 1007-2683(2020)05-0023-09
Abstract:Promoting wind power clean heating technology on a large scale is important to use electric heating technology to improve the power grid regulation capability in the northern part of China at present. However, due to various factors, it is difficult to determine the relevant parameters of the electric heating system after modeling. In this way, the experiment is conducted in a heating season in a district of Changchun City. Based on the measured data, the simplified first-order equivalent thermal parameterETP) are adopted. The model approximates the working characteristics of the thermostatically controlled loadsTCL). The particle swarm optimization algorithm is used to optimize the parameters in the model, and the error is corrected by the linear regression equation. Based on this, the electric heating equipment is built. Aggregate the loads model. Finally, the aggregation load power of the electric heating equipment group was evaluated and the influencing factors through the simulation experiment. The results show that the optimized parameters R and C can accurately simulate the dynamic changes of indoor temperature in the residential area, which proves the effectiveness of the proposed method.
Keywords:thermodynamic model; thermostatically controlled loads; parameter optimization; aggregate ability
0 引 言
電采暖作為一種可控負(fù)荷,具有溫度可調(diào)、舒適度相對較高、使用壽命長、清潔環(huán)保等特點(diǎn)[1-3]。其作為一種環(huán)境友好型采暖方式,在改善空氣質(zhì)量,防治大氣污染等方面有著其他供暖方式難以比擬的優(yōu)勢。
目前,如何對可控負(fù)荷準(zhǔn)確建模以及評估聚合功率是現(xiàn)階段電力行業(yè)發(fā)展的研究熱點(diǎn)之一。文[4]中構(gòu)建了一種由電熱水器負(fù)荷組成的集群溫控負(fù)荷模型,使得電熱水器集群溫控負(fù)荷成為一種良好的頻率響應(yīng)資源。文[5]中提出一種由考慮用戶舒適約束的家居溫控負(fù)荷構(gòu)建能效電廠的方法,并對能效電場的分配模型以及負(fù)荷平衡服務(wù)進(jìn)行合理分析。文[6]利用等效熱參數(shù)模型,提出一種改進(jìn)的溫度調(diào)節(jié)方法,有效評估出聚合負(fù)荷容量。文[7]描述了單個溫控負(fù)荷工作特性的物理模型,進(jìn)而建立小區(qū)級別的溫控負(fù)荷聚合模型,并求得負(fù)荷聚合功率需求與相關(guān)參數(shù)的變化特性。文[8]分析了空調(diào)負(fù)荷中連續(xù)多日高溫產(chǎn)生的累計(jì)效應(yīng),提出了用離散的累積系數(shù)和溫度修正公式來反映累積效應(yīng)強(qiáng)度的方法,修正后溫度與負(fù)荷的相關(guān)性得到大幅度提高。文[9-10]采用一種等值熱力學(xué)參數(shù)模型來描述熱泵熱力學(xué)動態(tài),利用狀態(tài)隊(duì)列法有效抑制由于微網(wǎng)聯(lián)絡(luò)線功率波動對電力系統(tǒng)穩(wěn)定運(yùn)行造成的影響。目前,在居民電采暖系統(tǒng)建模及負(fù)荷評估等方面,鮮有針對熱力學(xué)模型中參數(shù)等效熱阻R、等效熱容C優(yōu)化展開研究,模型中準(zhǔn)確的參數(shù)是評估負(fù)荷聚合能力的關(guān)鍵。
為解決溫控負(fù)荷模型參數(shù)準(zhǔn)確性等問題,本文對居民建筑模型中相關(guān)參數(shù)的優(yōu)化問題進(jìn)行實(shí)驗(yàn)?;趯?shí)測數(shù)據(jù),建立可近似描述單個溫控負(fù)荷工作特性的熱力學(xué)模型,利用改進(jìn)粒子群優(yōu)化算法對模型中的參數(shù)進(jìn)行優(yōu)化。以此一階熱力學(xué)模型為基礎(chǔ)進(jìn)行仿真實(shí)驗(yàn),建立社區(qū)級溫控負(fù)荷聚合模型,評估電采暖設(shè)備群的聚合負(fù)荷功率并分析其動態(tài)特性。
1 基于實(shí)驗(yàn)數(shù)據(jù)的單個TCL物理模型
基于吉林省長春市某住宅小區(qū)2017-2018采暖季實(shí)測數(shù)據(jù),根據(jù)實(shí)測數(shù)據(jù)尋找能夠近似準(zhǔn)確描述電采暖設(shè)備的工作動態(tài)模型。電采暖設(shè)備在室內(nèi)工作狀態(tài)如圖1所示,當(dāng)溫控計(jì)量裝置檢測到室內(nèi)環(huán)境溫度達(dá)到上下邊界時,電采暖系統(tǒng)工作狀態(tài)立即切換,溫度達(dá)到上邊界時,加熱設(shè)備關(guān)閉,期間不消耗電功率,溫度達(dá)到下邊界時,加熱設(shè)備開啟,將電能轉(zhuǎn)化為內(nèi)能。
2 TCL物理模型參數(shù)優(yōu)化
2.1 改進(jìn)粒子群優(yōu)化算法
根據(jù)采集的室內(nèi)、室外溫度、光照強(qiáng)度、風(fēng)速等實(shí)驗(yàn)數(shù)據(jù),為減少光照強(qiáng)度與風(fēng)速對建模的影響。本文針對居民建筑物客廳、臥室進(jìn)行建模。建立簡化一階熱力學(xué)模型描述電采暖設(shè)備的工作特性,為近似準(zhǔn)確建立室內(nèi)環(huán)境溫度變化熱力學(xué)模型,需要確定模型中參數(shù)R、C的數(shù)值。實(shí)驗(yàn)房間的電采暖設(shè)備額定功率為900W,根據(jù)實(shí)測數(shù)據(jù),然后利用改進(jìn)粒子群優(yōu)化算法對一階模型中參數(shù)進(jìn)行優(yōu)化[15]。
粒子群算法簡單快速、易于運(yùn)用,但是在處理多目標(biāo)問題時易陷入局部最優(yōu)解而無法得到真正的最優(yōu)解。為了解決這一問題,我們利用粒子群算法來優(yōu)化自適應(yīng)最小二乘法所需要的初始值,以達(dá)到讓自適應(yīng)最小二乘法得到最優(yōu)的初始值,使算法有更好的性能,從而得到更優(yōu)的估計(jì)效果。
記為gbest;r1和r2是兩個均勻的隨機(jī)數(shù),他們服從均勻分布;r1~U(0,1),r2~U(0,1),ω為慣性因子,它的取值范圍是[0,1],當(dāng)ω較大時,會促進(jìn)全局搜索,當(dāng)ω較小時,會促進(jìn)局部搜索一翻遍搜索區(qū)域。c1和c2為加速常量,用來控制每一步迭代是粒子移動的步長,通常取為2。
粒子群算法簡單快速、易于運(yùn)用,但是處理多極值問題的時候它容易陷入局部最優(yōu)解而無法得到真正的最優(yōu)解。為了解決這一問題,利用自適應(yīng)最小二乘法(RLS)結(jié)合粒子群優(yōu)化算法形成改進(jìn)粒子群優(yōu)化算法。
2.2 基于實(shí)測數(shù)據(jù)的參數(shù)優(yōu)化
通過長春市某小區(qū)實(shí)測數(shù)據(jù),利用改進(jìn)粒子群優(yōu)化算法對2017-2018年冬季采暖季歷史數(shù)據(jù)進(jìn)行優(yōu)化處理,室內(nèi)環(huán)境溫度變化分為兩個連續(xù)過程,如圖2所示,當(dāng)設(shè)備處于開啟狀態(tài)時,其加熱功率為900W,室內(nèi)溫度逐漸上升;當(dāng)電采暖設(shè)備處于關(guān)閉狀態(tài)時,其加熱功率為0,室內(nèi)溫度遵循一階熱力學(xué)模型給出的降溫方程自然降溫。經(jīng)改進(jìn)粒子群優(yōu)化算法優(yōu)化后,得出熱力學(xué)模型中R、C范圍及相應(yīng)熱力學(xué)參數(shù)如表1所示。
根據(jù)優(yōu)化后參數(shù)模擬單臺電采暖設(shè)備在一段時間內(nèi)建筑物室內(nèi)環(huán)境溫度變化曲線,設(shè)定室內(nèi)溫度邊界值為(18~22.5℃),室內(nèi)初始溫度為17.7℃,電采暖設(shè)備初始狀態(tài)為加熱狀態(tài),等效熱容與等效熱阻取值按照均勻參數(shù)分布隨機(jī)產(chǎn)生[16],如圖4所示,室內(nèi)環(huán)境仿真值與未經(jīng)處理的真實(shí)值存在一定的誤差,由于降溫過程時間相對較長,誤差較為明顯。
2.3 誤差修正
由于建筑物內(nèi)溫度計(jì)量裝置采用瞬時檢測值、預(yù)測日自變量超過預(yù)測模型的擬合范圍以及人員密度的突然增大會導(dǎo)致不可避免的預(yù)測誤差和累積誤差。文中采用線性回歸的預(yù)測誤差修正方法對室內(nèi)溫度進(jìn)行修正,需要利用多日歷史室內(nèi)環(huán)境溫度預(yù)測值時間序列作為系統(tǒng)輸入量,響應(yīng)的實(shí)測室內(nèi)溫度時間序列作為系統(tǒng)輸出量建立回歸方程,利用所得方程模型對未來室內(nèi)環(huán)境溫度變化時間序列進(jìn)行修正[17-20]。
根據(jù)樣本容量為n的p個預(yù)報因子的向量Xi(i=1,2,…,p)和預(yù)報對象Y(y1,y2,…,yn),建立回歸方程為
從圖5~6中可以看出,單獨(dú)的升、降溫過程經(jīng)過修正后,室內(nèi)環(huán)境溫度誤差的模擬值更接近實(shí)測曲線,圖7為經(jīng)修正后完整的升降溫循環(huán)模擬值與真實(shí)值的誤差曲線,其中實(shí)驗(yàn)數(shù)據(jù)采樣間隔為1min。研究中利用均方根誤差衡量室內(nèi)溫度模擬值與真實(shí)值的標(biāo)準(zhǔn)偏差,均方根誤差如式15所示。
式中:N為樣本容量;Tobs為室內(nèi)環(huán)境溫度實(shí)測值;Tmodel為室內(nèi)環(huán)境溫度模擬值,經(jīng)過計(jì)算獨(dú)立升溫階段原熱力學(xué)模型預(yù)測結(jié)果的RMSE誤差為19.9%,經(jīng)修正后的RMSE誤差為14.3%;單獨(dú)降溫階段原熱力學(xué)模型預(yù)測結(jié)果的RMSE誤差為14.7%,經(jīng)修正后的RMSE誤差為11.6%;升降溫循環(huán)階段原熱力學(xué)模型預(yù)測結(jié)果的RMSE誤差為16.1%,經(jīng)修正后的RMSE誤差為12.8%,可以看出,修正后,升降溫循環(huán)的誤差范圍比單獨(dú)升、降溫的誤差范圍小。
3 TCLs聚合模型及負(fù)荷評估
電采暖設(shè)備的主要任務(wù)是對室溫進(jìn)行加熱,使室內(nèi)環(huán)境溫度保持在一個符合人體舒適度的范圍內(nèi),假設(shè)室內(nèi)環(huán)境溫度設(shè)定值始終保持在[Tmin,Tmax]之間,當(dāng)室內(nèi)溫度低于設(shè)定值Tmin時,電采暖設(shè)備立即轉(zhuǎn)換到工作狀態(tài),室內(nèi)環(huán)境溫度逐漸升高,當(dāng)室內(nèi)溫度高于所設(shè)定臨界值Tmax時,電采暖設(shè)備停止工作,此時加熱功率為零,室內(nèi)溫度逐漸下降。社區(qū)級電采暖設(shè)備存在著數(shù)量多、容量小、分布集中等特點(diǎn),易于調(diào)控。由于不同用戶室內(nèi)位置、電采暖設(shè)備額定功率、溫度設(shè)定范圍等條件存在差異,會影響電采暖設(shè)備群最終聚合功率的輸出值,本文采用長春市某小區(qū)居民室內(nèi)客廳、臥室為例,評估電采暖設(shè)備群聚合功率。
單個TCL模型負(fù)荷可通過其物理模型獲得,但對電網(wǎng)調(diào)度中心而言,更關(guān)注的是大規(guī)模TCLs聚合后的總電功率,N個TCLs在t時刻的聚合功率功率模型可表示為:
其中:Pagg(t)為t時刻聚合模型的聚合功率;aTj為t時刻TCLs的占空比,如果TCLs數(shù)量足夠多,當(dāng)室外溫度周期性變化時TCLs的聚合功率呈周期性變化。
3.1 室內(nèi)環(huán)境溫度上下限的影響
從圖8~10中可以看出,由于電采暖設(shè)備群初始狀態(tài)不同,實(shí)驗(yàn)初期電采暖設(shè)備負(fù)荷功率曲線波動幅度較大,200min以后負(fù)荷功率曲線逐漸趨于平穩(wěn)。室外環(huán)境溫度越低,電采暖設(shè)備群消耗的負(fù)荷功率越大,室內(nèi)環(huán)境溫度設(shè)為19~21℃組中實(shí)驗(yàn)中所設(shè)溫度上下限范圍小,電采暖設(shè)備群頻繁啟停,導(dǎo)致負(fù)荷功率需求頻繁震蕩,會對電力系統(tǒng)穩(wěn)定運(yùn)行造成不利影響,18~22℃組中仿真實(shí)驗(yàn)負(fù)荷功率波動幅度較小,相對平穩(wěn),16~24℃組中在仿真初期波動時間達(dá)到了400min,后期雖逐漸趨于穩(wěn)定,但其所設(shè)定的室內(nèi)環(huán)境溫度上下限范圍較大,同時難以滿足用戶對舒適度約束的要求。
3.2 電采暖設(shè)備數(shù)量的影響
分別對電采暖設(shè)備數(shù)量N=100、N=500和N=1000三種情況,模擬電采暖設(shè)備聚合效果,仿真結(jié)果如圖13~15所示。
從圖11~13中可以看出,不同數(shù)量的電采暖設(shè)備群的聚合功率近似成比例關(guān)系,負(fù)荷功率波動平穩(wěn)后,100臺電采暖設(shè)備的最大、最小負(fù)荷功率分別為0.0423MW、0.0171MW;500臺電采暖設(shè)備的最大、最小負(fù)荷功率分別為0.1935MW、0.1026MW;1000臺電采暖設(shè)備的最大、最小負(fù)荷功率分別為0.3681MW、0.2259MW??梢钥闯?,電采暖設(shè)備為100、500臺時負(fù)荷功率波動較大,1000臺時負(fù)荷功率波動較為平穩(wěn)。當(dāng)數(shù)量達(dá)到一定值時,其聚合功率會變得更為平緩,有利于電網(wǎng)統(tǒng)一調(diào)度。
4 結(jié) 語
首先針對熱力學(xué)模型建模時相關(guān)參數(shù)確定較為困難等問題,通過長春市某小區(qū)冬季室內(nèi)、外環(huán)境實(shí)測溫度數(shù)據(jù),利用改進(jìn)粒子群優(yōu)化對所建模型中參數(shù)優(yōu)化處理,通過仿真實(shí)驗(yàn)對比室內(nèi)環(huán)境溫度模擬值與實(shí)際值,所得偏差利用線性回歸的預(yù)測誤差修正方法進(jìn)行修正。經(jīng)過修正后,驗(yàn)證所選模型有效性,然后利用所建模型對電采暖設(shè)備群進(jìn)行負(fù)荷評估,通過研究室內(nèi)環(huán)境溫度上下限和電采暖設(shè)備群數(shù)量。從仿真結(jié)果可以看出,室內(nèi)溫度設(shè)為18~22℃時,隨著可控負(fù)荷數(shù)量逐漸增多,其聚合功率曲線越趨穩(wěn)定,同時滿足用戶對舒適度約束條件的要求。該方法為實(shí)現(xiàn)規(guī)?;煽刎?fù)荷的聚合功率評估提供了新方法。
針對居民室內(nèi)客廳、臥室溫度動態(tài)過程進(jìn)行研究,未來可考慮室內(nèi)不同方位房間研究以及室內(nèi)環(huán)境溫度變化時,空氣與墻體之間的熱交換過程。
參 考 文 獻(xiàn):
[1] 蘇明昕,蘇波,田志浩. 風(fēng)電清潔供暖的區(qū)域規(guī)劃方法研究[J]. 寧夏電力, 2017(6): 18.
SU Mingxin, SU Bo, TIAN Zhihao. Area Planning Method of Wind Power Clean Heating Supply[J], Ningxia Electric Power, 2017(6): 18.
[2] 楊錫運(yùn),雷學(xué)麗,任杰,等. 利用棄風(fēng)電量供暖的運(yùn)營模式及經(jīng)濟(jì)性分析[J]. 分布式能源, 2016, 1(1): 28.
YANG Xiyun, LEI Xueli, REN Jie, et al. Operation Model and Economic Analysis of Using Curtailed Wind Power for Heat[J], Distributed Energy , 2018, 1(1): 28.
[3] 崔正湃,邢勁,牛逸寧,等. 市場化交易風(fēng)電供暖模式研究及應(yīng)用示范[J]. 全球能源互聯(lián)網(wǎng), 2018, 1(5): 574.
CUI Zhengpai, XING Jin, NIU Yining, et al. Research and Application Demonstration of Wind Power Heating Mode Base on Electricity Market Trading, Journal of Global Energy Interconnection[J], 2018, 1(5): 574.
[4] 戚野白,王丹,賈宏杰,等.基于需求響應(yīng)的集群溫控負(fù)荷建模及參與低頻減載策略研究[J]. 中國電機(jī)工程學(xué)報, 2017,37(3): 751.
QI Yebai, WANG Dan, JIA Hongjie, et al. Research on Under Frequency Load Shedding Strategy Using Aggregated Thermostatically Controlled Loads Based on Demand Response[J], Proceedings of the CSEE, 2017, 37(3): 751.
[5] 王丹,范孟華,賈宏杰. 考慮用戶舒適約束的家居溫控負(fù)荷需求響應(yīng)和能效電廠建模[J]. 中國電機(jī)工程學(xué)報, 2014, 34(13): 2071.
WANG Dan, FAN Menghua, JIA Hongjie. User Comfort Constraint Demand Response for Residential Thermostatically-controlled Loads and Efficient Power Plant Modeling[J]. Proceedings of the CSEE 2014, 34(13): 2071.
[6] 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].中國電機(jī)工程學(xué)報, 2014, 34(31): 5579.
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.
[7] 李東東,劉洋,林順富,等. 典型居民溫控負(fù)荷建模及聚合特性研究[J]. 電測與儀表, 2017, 54(16): 56.
LI Dongdong,LIU Yang,LIN Shunfu, et al. The Study on the Modeling and the Aggregation Characteristics of Typical Residential Thermostatically Controlled load[J]. Electrical Measurement & Instrumentation. 2017, 54(16): 56.
[8] APT J. The Spectrum of Power from Wind Turbines[J]. Journal of Power Sources,2007,169(2):369.
[9] 王成山,劉夢璇,陸寧. 采用居民溫控負(fù)荷控制的微網(wǎng)聯(lián)絡(luò)線功率波動平滑方法[J]. 中國電機(jī)工程學(xué)報, 2012, 32(25): 36.
WANG Chengshan, LIU Mengxuan, LU Ning. A Tie-line Power Smoothing Method for Microgrid Using Residential Thermostatically controlled Loads[J]. Proceedings of the CSEE. 2012, 32(25): 36.
[10]LU Ning,CHASSIN David P,WIDERGREN Steve E. Modelinguncertainties in Aggregated Thermostatically Controlledloads Using a State Queueing Model[J]. IEEE Trans on Power Systems,2005,20(2):725.
[11]PARKINSON Simon,WANG Dan,CRAWFORD Curran,et al. Com-fort- constrained Distributed Heat Pump Management[J].Energy Procedia,2011,12:849.
[12]WANG D,PARKINSON S,MIAO W,et al. Online Voltage Security Assessment Considering Comfortconstrained Demandresponse Control of Distributed Heat Pump Systems[J]. Applied Energy,2012,96:104.
[13]范孟華,王丹,張家安,等. 電熱泵負(fù)荷等值熱力學(xué)建模及控制策略評估[J]. 電力系統(tǒng)及其自動化學(xué)報, 2016, 28(4): 31.
FAN Menghua,WANG Dan,ZHANG Jiaan,et al. Modeling Method and Control Strategy Evaluation for Electric Heat Pump. Proceedings of the CSU-EPSA, 2016, 28(4): 31.
[14]LU N.An Evaluation of the HVAC Load Potential for Providing Load Balancing Service[J].Accepted:IEEE Trans. on Smart Grid, 2012. DOI:10.1109/TSG.2012.2183649.
[15]李亞平,姚建國,雍太有,等. 居民溫控負(fù)荷聚合功率及響應(yīng)潛力評估方法研究[J]. 中國電機(jī)工程學(xué)報, 2017, 37(19): 5519.
LI Yaping, YAO Jianguo, YONG Taiyou, et al. Estimation Approach to Aggregated Power and Response Potential of Residential Thermostatically Controlled Loads[J]. Proceedings of the CSEE, 2017, 37(19): 5519.
[16]CHEN Dongning,ZHANG Ruixing,YAO Chengyu,ZHAO. Dynamic Topology Multi Force Particle Swarm Optimization Algorithm and Its Application[J]. Chinese Journal of Mechanical Engineering, 2016, 29(1): 24.
[17]LU N. An Evaluation of the HVAC Load Potential for Providing Load Balancing Service[J]. Accepted: IEEE Trans. on Smart Grid, 2012 .DOI : 10.1109/TSG. 2012. 2183649.
[18]王耀南,孫春順,李欣然.用實(shí)測風(fēng)速校正的短期風(fēng)速仿真研究[J]. 中國電機(jī)工程學(xué)報,2008,28(11):94.
WANG Yaonan,SUN Chunshun,LI Xinran. Short-term Wind Speed Simulation Corrected with Field Measured Wind Speed[J]. Proceedings of the CSEE,2008,28(11):94.
[19]BOONE A. Simulation of Short-Term Wind Speed Forecast Errors Using A Multi-Variate ARMA1,1)Time-Series Model[M]. Stockholm,Sweden:Royal Institute of Technology,2005.
[20]LIN Jin,SUN Yanzhang,CHENG Lin,et al. Assessment of the Power Reduction of Wind Farms under Extreme Wind Condition by a High Resolution Simulation Model[J]. Applied Energy,2012,96:21.
(編輯:溫澤宇)