基于需求响应的空调负荷与储能单元协调控制策略

万 林，杨冠鲁，陈小峰

(华侨大学 信息科学与工程学院，福建 厦门 361021)

基于需求响应的空调负荷与储能单元协调控制策略

万 林，杨冠鲁，陈小峰

(华侨大学 信息科学与工程学院，福建 厦门 361021)

传统空调负荷采用直接负荷控制参与电网峰谷调节时，并没有考虑实际虚拟电厂中的分布式发电单元和储能单元，分布式发电单元以及其他负荷的功率波动将会带来不确定性和复杂性，针对这一问题，提出了一种空调负荷与储能单元的协调控制策略。建立了光伏电池、锂离子蓄电池以及空调的数学模型，给出了空调轮空策略。为了兼顾实际偏差和经济性，提出了储能单元的模糊控制策略。最终，通过Matlab/Simulink仿真软件搭建了仿真平台，对所提出的协调控制方法进行了仿真研究，仿真结果验证了可行性和有效性。

空调负荷；蓄电池储能系统；直接负荷控制；模糊控制；虚拟电厂；需求响应

化石能源的消耗以及全球变温问题的日益严重已经对传统发电方式提出了新的挑战，为了解决这一问题，世界各国将会逐渐调整能源结构，由化石能源逐步过渡到可再生能源并网发电，可再生能源发电具有随机和间歇性，将其直接并入电力系统中将会引起一些不利影响[1-2]。

为了克服上述问题，提出了虚拟电厂(virtual power plant，VPP)概念，虚拟电厂由分布式发电单元、储能单元、电动汽车以及可控负荷等单元构成，采用调度、协调控制以及信息技术实现聚合协调优化来参与电力市场和电网运行的协调管理系统[3-4]。虚拟电厂概念已经引起世界各国的广泛关注，欧洲一部分国家已经开展了一系列的虚拟电厂项目[5]。

需求响应是智能电网的核心技术，同样需求响应在虚拟电厂中也能够发挥重要的作用，通过需求响应技术能够充分发挥负荷侧资源[6-7]。空调负荷是一种典型的可控负荷，并且具备热储存能力，通过空调参与电力系统调节实现负荷消减已经开展了大量的研究。文献[8]研究了采用DLC控制策略在电力市场下的应用，以兼顾供电商和用户利益为目标，通过非支配排序遗传算法进行了优化求解。文献[9-10]通过多个负荷聚合商来发挥负荷调节能力，提出了基于DLC策略的双层优化调度策略，以实际偏差和负荷聚合商利益为目标进行了优化求解。除此之外，还提出了基于需求响应的空调负荷进行建模和控制研究[11]以及含分布式电源中压配电网电压控制策略[12]。

根据传统策略可以看出，采用空调负荷参与电网峰谷调节时，虚拟电厂中仅考虑了空调负荷以及发电厂之间的需求响应关系，在建立优化求解模型的同时并没有考虑分布式发电单元的扰动以及储能单元的运行状态，也没有考虑电网的实时电价的变化。为了解决这一问题，本文更加详细地考虑了实际情况，以实际偏差最小和经济性为目标提出了一种基于需求响应的空调负荷与储能系统协调控制方法，通过Matlab仿真软件搭建了仿真模型，进行了仿真验证。

1 系统结构及数学模型

1.1 系统结构

含多源多负荷的典型系统结构如图1所示。

图1 多源多负荷的典型系统结构框图

由图1可以看出，发电单元包括光伏分布式发电单元和传统发电机组；负荷主要包括家用负荷和工业负荷；此外还包括蓄电池储能单元。发电单元、储能单元以及家用负荷都接入交流母线。光伏发电系统根据外界天气变化采用最大功率跟踪策略输出功率，当分布式发电单元输出功率与负荷功率之差小于零时，不足的电能由外部电网或者储能单元供给；当分布式发电单元输出功率与负荷功率之差大于零时，剩余的功率将会传输给电网或者存储在储能系统。蓄电池储能系统根据总系统的工作状态处于在充电、放电以及待机模式。

1.2 空调负荷模型

空调负荷是典型的家用负荷，空调负荷可以采用简单的等效热参数模型进行等效，如图2所示。

图2 空调的等效热参数模型

图2中：Ca为气体比热容；Cm为固体比热容；P为空调热功率；Tout为外界温度；Tm为室内温度。

根据图2能够得到空调功率与室内、室外温度之间的关系为

(1)

(2)

ε=e-τ/Tc

(3)

在室内温度保持一定范围内时，人体的舒适情况更加良好，为了实现这一目的，可以通过控制空调的启动和停止时的室内温度维持在一定范围内。其空调的运行特性如图3所示。

图3 空调负荷的动态过程

由图3可以看出，设置控制温度为Tset，空调首先由一个初始值缓慢上升至最大值Tmax，此时为了降低室内温度，需要开启空调，此时空调消耗功率；当室内温度达到最小值Tmin时，空调停止，此时室内温度逐渐回升，不消耗功率。因此根据空调的启动和停止控制能够使得室内温度维持在人体舒适范围内。

Tmax=Tout(1-ετoff)+Tminετoff

(4)

(5)

τc=τon+τoff

(6)

式中τon、τoff和τc分别为开启时间、关断时间和总控制周期。

假设系统中存在n台空调，能够得到空调负荷的可控容量为

(7)

1.3 光伏发电单元模型

根据文献[13]能够得到光伏电池的工程数学模型为

(8)

(9)

ΔU=-bΔT-RsΔI

(10)

(11)

(12)

ΔT=Tc-Tref

(13)

式中：Isc、Uoc、Um和Im分别为光伏电池的短路电流、开路电压、MPP电压和MPP电流；Sref和Tref分别为太阳辐射强度和太阳能电池温度参考值，Sref=1000，Tref=25；Rs为光伏电池等效并联电阻；a为参考光照下电流变化温度系数，通常选取a=0.0012Isc；b为参考光照下电压变化温度系数，通常选取b=0.005Uoc。

光伏电池的输出功率根据温度和光照强度的不同而变化，具有随机性和间歇性特点，通常采用MPPT控制策略实现最大功率跟踪控制。

1.4 储能发电单元模型

相对于其他蓄电池，锂离子蓄电池具有更加优越的性能，锂离子蓄电池的充放电模型以及荷电状态可以表示为[14]

(14)

(15)

(16)

式中：Edisc表示放电电流；Ec表示充电电流；E0表示电压常数；K表示极化常数；Q表示蓄电池最大容量；it表示可提取的电能；i*表示低频动态电流；A表示指数电压；B表示指数容量。

2 基于需求响应的协调控制策略

为了按照调度计划的要求实现可消减负荷，并且在此基础上考虑分时电价，以兼顾实际偏差和经济性目标，提出一种空调负荷和储能单元的协调控制策略。本文提出的控制策略与传统方法的主要区别在于所提出的控制方法更加侧重于系统运行和控制，而传统方法主要侧重于优化；此外所提出的方法考虑了分布式发电单元和工业负荷的波动以及实时电价等因素，系统运行策略更加复杂。下面分别对空调负荷以及储能单元的控制策略进行详细分析。

2.1 空调模型的轮控策略

为了保证人体舒适度，本文采用基于直接负荷控制的空调轮控策略，其基本原理如图4所示。首先根据式(4)～式(6)计算空调的轮控周期，根据空调的轮控周期对虚拟电厂内含有的所有空调进行分组，然后采用图4给出了空调轮控策略。

图4 空调负荷的轮控策略

假设计算结果得到总空调控制周期为9min，其中关断空调时间为6min，而开启空调时间为3min。其空调负荷分布状态如图5所示。

图5 空调负荷的分布状态

由图5可看出，深色方框表示空调负荷关闭，而浅色框内表示空调开启。采用该空调轮控策略，能够保证在任意一个时间段内，总存在6组空调关闭，3组空调开启，重复上述轮控策略，能够保证在不同时间段内恒定消减负荷。

2.2 储能单元的模糊优化策略

储能并网发电系统通常由蓄电池和并网逆变器构成，储能系统根据外部指令的变化工作在充电和放电模式。由于本文考虑了分布式发电单元以及工业负荷的波动，利用轮控策略消减空调负荷不能达到实际偏差为零，通过储能系统能够实现这一目标。然而储能系统实现该目标的同时，为了兼顾经济性，储能系统可以根据实际消减功率偏差和电网的实时电价来折衷选取储能的指令，在电网电价较高时间段内，兼顾向电网售电和减小偏差结合的控制策略；在电网电价较低时间段内，兼顾向电网买电和减小偏差结合的控制策略。为了实现这一目标，本文提出采用模糊控制策略。

以实际消减负荷偏差和电网实时电价为输入，以加权系数为输出，选取三角形隶属度函数，如图6所示。

图6 隶属度函数

设置输入和输出分别存在5种状态：负大(NB)、负小(NM)、零(Z)、正小(PM)以及正大(PB)，选取功率偏差的论域为[-20，20]，其分割子集为{-20，-10，0，10，20}；选取实时电价的论域为[0,1]，其分割子集为{-0，0.25，0.5，0.75，1}；选取加权系数的论域为[1，1.8]，其分割子集为{1，1.2，1.4，1.6，1.8}。

为了兼顾实际偏差和经济性，选取模糊规则如表1所示，其模糊原则条件原则是根据功率偏差和实时电价的变化，要求储能系统在兼顾经济型的基础上满足实际偏差较小。

基于上述分析，基于模糊控制的储能单元控制框图如图7所示。

表1 储能单元的模糊规则

图7 蓄电池储能系统的控制策略

3 算例分析

为了验证本文提出控制策略的有效性和可行性，通过仿真软件搭建系统仿真平台。假设存在三个负荷聚合商，分别为A、B和C，其中负荷聚合商A中含有空调个数为100个；负荷聚合商B中含有空调个数为80个；负荷聚合商C中含有空调个数为50个，每一台空调的功率为2kW。考虑人体舒适度范围23～27℃，假设室外温度为35℃，且恒定不变。

根据式(17)～式(19)能够得到τon=3.57，τoff=9.93。将开启时间向上取整得到4，将关断时间向下取整得到9，因此τon=13。根据计算可以将负荷聚合商分为13组。选取负荷聚合商A、B和C参与轮控的空调个数分别为91台、78台和39台。根据直接负荷控制能够得到负荷聚合商A、负荷聚合商B和负荷聚合商C的可控容量分别为

CA=91×2×9/13=126kW

(17)

CB=78×2×9/13=108kW

(18)

CC=39×2×9/13=54kW

(19)

根据上述分析选取负荷聚合商A、B和C可控容量分别为126kW、108kW和54kW，因此三个负荷聚合商采用上述提到的轮控策略共计能够消减负荷为288kW。系统中的光伏发电单元在标准光照下的额定输出功率为40kW，储能系统的额定容量为100kW，工业负荷的额定输出功率为300kW，其它家用负荷的额定功率为150kW。

假设调度系统期望中午12:00—14:00内，要求虚拟电厂消减负荷为300kW，本文主要研究基于虚拟电厂的协调运行控制策略，因此在Simulink软件环境下进行仿真研究。由于受到Simulink仿真软件运行时间的限制，因此对时间进行等比例缩减，假设仿真时间的1s对应实际时间为10min，对其进行仿真研究得到的仿真结果如图8所示。 根据图8得知，光伏输出功率和工业负荷功率出现阶跃变化，根据前面计算分析可知采用直接负荷控制策略，空调消减的负荷是一定的。由于存在光伏功率和工业负荷功率波动将会导致调度计划与实际消减容量偏差在某些时段内存在偏差较大等缺陷，因此可以通过采用储能系统进行控制来补偿偏差见图8d。在控制系统中考虑虚拟电厂的储能单元时能够将其偏差进行补偿，然而传统方法并没有考虑不同时段内电价的变化，假设电价曲线如图8e所示。根据表1的模糊规则得到的结果如图8d中加粗的曲线，将其与传统控制对比可以看出，储能单元将会在电价高峰期间进行售电，而在低谷期间进行购电，不仅能够补偿一定偏差，还可以获得一些收益，提高系统经济型。

图8 所提出协调控制策略的仿真结果

4 结束语

针对传统方法没有考虑分布式发电单元和工业负荷功率的波动问题，提出了一种基于需求响应的空调负荷与储能单元协调控制策略，建立了系统中各个单元的数学模型，给出了空调负荷的轮控策略以及储能单元的模糊控制策略。通过Matlab/Simulink仿真软件搭建了仿真平台，对所提出的协调控制策略进行仿真研究。仿真结果表明，与传统方法相比，储能系统不仅能够消减偏差，而且能够根据实时电价的变化改变调节系数，进而调整储能系统的充放电功率，能够实现在高电价期间售电，而在低电价期间购买电能储存在蓄电池中，获得一定的经济效益。

[1]Liping Jiang，Caixia Wang，Yuehui Huang，et al.Growth in Wind and Sun Integrating Variable Generation in China[J].IEEE power and Energy Magazine，2015，58(4)：40-49.

[2]刘吉臻.大规模新能源电力安全高效利用基础问题[J].中国电机工程学报，2013，33(16)：1-9.

[3]卫志农，余爽，孙国强.虚拟电厂的概念与发展[J].电力系统自动化，2013，37(13)：1-9.

[4]卫志农，余爽，孙国强，等.虚拟电厂欧洲研究项目述评[J].电力系统自动化，2013，37(21)：196-202.

[5]陈春武，李娜，钟朋园，等.虚拟电厂发展的国际经验及启示[J].电网技术，2013，37(8)：2258-2263.

[6]杨旭英，周明，李庚银.智能电网下需求响应机理分析与建模综述[J].电网技术，2016，40(1)：220-225.

[7]王蓓蓓.面向智能电网的用户需求响应特性和能力研究综述[J].中国电机工程学报，2014，34(22)：3654-3663.

[8]张钦，王锡凡，别朝红，等.电力市场下直接负荷控制决策模型[J].电力系统自动化，2010，34(9)：23-28.

[9]高赐威，李倩玉，李慧星，等.基于负荷聚合商业务的需求响应资源整合方法与运营机制[J].电力系统自动化，2013，37(17)：78-86.

[10]高赐威，李倩玉，李扬.基于DLC的空调负荷双层优化调度和控制策略[J].中国电机工程学报，2014，34(10)：1546-1555.

[11]宋梦，高赐威，苏卫华.面向需求响应应用的空调负荷建模及控制[J].电力系统自动化，2016，40(14)：158-167.

[12]Y HE,M PETIT.Valorization of Demand Response for Voltage Control in MV Distribution Grids with distributed generation[C]//IEEE International Energy Conference(ENERGYCON).Leuven，Belgium，2016：1-6.

[13]王冰清，曾国宏，童亦斌，等.光伏组件精确工程模型及MPP电压范围研究[J].电网技术，2013，37(11)：3086-3090.

[14]Yu-Kai Chen,Yung-Chun Wu,Chau-Chung Song,et al.Design and Implementation of Energy Management System With Fuzzy Control for DC Microgrid Systems[J].IEEE Transactions on Power Electronics，2013，28(4)：1563-1570.

(责任编辑：马金发)

Coordinated Control Method of Multisource and Multiload Based on the Concept of Demand Response

WAN Lin,YANG Guanlu,CHEN Xiaofeng

(College of information Science and Engineering,Huaqiao University,Xiamen 361021,China)

The traditional air conditioning load based on direct load control in power grid peak regulation is applied,without considering distributed generation units and storage units in the virtual power plant,power fluctuation of distributed generation units and other loads which will bring uncertainty and complexity.In order to solve this problem,a coordinated control strategy of air conditioning load and energy storage unit is proposed.The mathematical model of photovoltaic cell,lithium ion batteries and air conditioning are built,bye strategy of the air conditioner is given.In order to take into account the actual deviation and the economy,the fuzzy control strategy of the energy storage unit is proposed.Finally,the system simulation platform was built by Matlab/Simulink simulation software,and the simulation research of the proposed coordinated control method is carried out,the simulation results verify the feasibility and effectiveness.

air conditioning load;battery energy storage system;direct load control;fuzzy control;virtual power plant;demand response

2016-10-20

福建省科技计划重点项目(2014H0031)

万林(1991—)，女，硕士研究生；通讯作者：杨冠鲁(1960—)，男，教授，研究方向：智能电网技术等。

1003-1251(2017)02-0022-07

TM73

A