基于空调用电模式优化的自动需求响应设计

汪舜晨， 李炫浓， 高赐威(指导老师)

(1.安徽省合肥市第九中学，安徽 合肥 230020；2.安徽省黄山市屯溪一中，安徽 黄山 245000；3.东南大学 电气工程学院，江苏 南京 210096)

1　引言

需求响应是智能电网的核心手段或技术，也是智能电网的最佳应用之一，在智能电网的技术支持下，需求响应自动化将使得负荷调度真正成为可能，在系统优化运行中扮演重要角色，从而提高能源利用效率，扩大新能源利用，而这也是智能电网的建设目标之一。目前，发电侧和输电侧的电网智能化技术已经相对成熟，用电侧的智能化还有很大的差距，需求响应的智能化对于智能电网技术在用户侧的发展具有重要意义[1]。

随着需求响应等技术不断发展，电力终端用户在使用用电设备时，单纯的节约用电成本或奢侈性用电都不是恰当的用电模式，研究基于大数据技术支持下，用电设备根据预先设定的动作条件按照特定信号执行自动需求响应成为业内研究的热点，也是未来电力需求响应的重要研究方向。

智能电网的发展给需求响应提供了强有力的技术支持手段，需求响应的作用已扩展到扩大间歇性新能源的接入，提高电力系统的调峰调频能力，就空调的用电模式而言，从用户主观层面出发，综合考虑用户舒适度和电费满意度，使得用户的综合满意度最优，具有显著的实用效益，但是对于空调这样高度依赖外部环境和人们生活习惯的用电负荷，仅靠人工的空调动态调节不具备可操作性。

智能电网的建设，家庭能源系统等相关技术不断发展为研究用户负荷特性以及空调的用电模式提供了良好的环境和技术支撑。空调是影响用户主观感受的主要用电设备，它是大数据环境下智能电网领域研究的热点问题之一。文献[2～5]在动态电价机制下对空调系统的运行进行优化调度，最小化空调的用电费用；文献[6]研究了一种居民用户空调系统运行的多目标控制算法，但并没有考虑其对需求响应方面的影响；文献[7]研究了家庭用电设备及分布式电源之间的能源匹配关系，提出了一种家庭能源管理系统需求响应的优化调度方法；文献[8]在RTP+IBR(real time price with inclining block rate, RTP+IBR)电价机制下对用户的用电行为进行调度来降低用电费用，同时降低负荷的“峰均比”(peak-to-average ratio, PAR)。文献[9]分析了夏季电网最大负荷与气温的相关性分析。上述研究结果表明，通过对空调系统的优化调控可以有效降低用户的用电费用，也可以有效提高人体舒适度。但已有研究主要研究了人体舒适度与用电模式的关系，而包含考虑舒适性和经济性的人体主观满意度才是用电模式的决定性因素，因此，本文将在浮动电价的环境下，建立基于用户空调用电模式的负荷模型，综合考虑人体舒适度和空调的用电经济性满意度这两者之间的综合满意度，从电网层面，通过调整售电价格，使得用户在特定时段选择适合的用电模式，从而能够实现通过空调负荷的自动需求响应，在线调用空调负荷的可调节能力。

导致跨境物流方面的平台、商家、第三方物流等没有对消费者权益产生足够的重视。有的不法商家在物流上造假，承诺通过空运等快捷手段运送商品，而实际上却使用海运等低成本的方式运货，赚取中间的差价。

2　环境分析及自动需求响应理论基础

随着人们对生活品质的追求，在现代家庭居住环境中，温度、湿度、光照强度和室内空气品质都是人们所关注的重点。室内环境状况和人们的日常生活息息相关，并且关系到室内住居者的身体健康和学习工作的效率，然而室内环境的数据的特殊性、非线性、室内环境因素的评判标准[10]的多样性，造成了对室内环境舒适性评价的困难。温度、湿度、风速作为影响人体舒适度的最重要的因素时时影响着人的切身感受和直接的舒适体验，但主要的指标为温度。同时，由于空调的功率在家庭用电设备中所占的比重较大，其节能因素或对用户用电经济性的影响也是考虑用户体验的一个重要环节。

2.1　环境因素

家庭环境中影响人体舒适的环境因素主要包括温度，湿度，风速，空气污染物，以及光照因素等方面，温度是影响家庭环境舒适度中最重要的因素，因为温度是人体与外界热交换的直接途径，并影响着人体的自身热平衡，是被认为衡量特定环境下热舒适的主要指标。根据调查表明：当室内温度在25℃上下时，人脑活动最为活跃，工作效率最高，当低于18℃或者高于28℃时，工作效率急剧下降，在人居住的建筑环境中，12℃是在卫生学中的建筑舒适温度下限，在国家室内控制质量标准中，即GB/T1883-2002，在夏天室内温度取值一般在22℃～28℃度之间，在冬季室内温度，16℃～25℃为规定的采暖标准。

2.2　节能因素

我国“十一五”规划号召建设资源节约型，环境友好型社会，节能减排是实现绿色建筑，保护环境的一项重要标准，目前我国城镇住宅能耗占建筑能耗25%，家庭中的节能降耗对社会的节能环保是必不可少的一部分，空调在日常建筑和家庭占据大部分的能源消耗，实现家庭节能的重点是减少空调设备的能耗[11],虽然现在家庭能量管理系统已经能够根据用户的偏好自动设置空调模式，但是对于空调能耗的降低效果以及人体舒适度的提高并不明显，并且传统空调缺少从消费者心理学及人体舒适理论等方面去综合考虑用户体验，室内空调都是以恒温控制为主，使室内的环境处于一种静态的温度控制中，因此，如何构建综合考虑人体舒适因素和节能因素的家庭空调系统的智能调节控制的有效方案，在智能电网及智能电网的建设中，是一个亟需解决的问题。

2.3　自动需求响应理论基础

自动需求响应是指不存在任何人工介入，通过价格和其他激励信号触发预先编好的需求响应策略，实现负荷侧资源优化配置和辅助能力的提高。其自动化特点体现在以下三方面：供电侧与用电侧信息传输自动化，通过构建相关规范和高级量测体系(advanced metering infrastructure)AMI实现；负荷侧设备自动化，利用用户侧设备能量管理控制系统(energy management and control system, EMCS)实现；信息采集实时自动化，利用智能电表和数据遥测技术实现。本文以自动需求响应作为基础，结合空调的负荷可调能力，提出了考虑空调用电模式优化的自动需求响应设计，通过基于测量数据的舒适度和经济性的综合权衡，实现以负荷调节为目标的空调负荷自动控制。

2.4　柔性负荷设备的用电模式定义

家庭用户和小型工商业用户的空调机组可以用简化的等效热参数模型(equivalent thermal parameters，ETP)来表示其热动力学原理。根据空调的热动力学模型，可以建立室温随着时间实时变化的关系，如图1所示：

3　空调用电模式的优化模型

3.1　空调的热动力模型

根据表1的结果可以画出图2，图2为电价恒定，室外温度变化下空调占空比与室外温度的变化曲线，其中横坐标为当日时间(hour)，纵坐标为对应的空调占空比和室外温度(℃)。

柔性负荷设备的用电模式指的是具体设备在运行过程中的典型运行状态，这些运行状态会受到不同的环境因素(如气温，日类型)等和用户心理因素(激励政策，电价变化对用户心理产生的影响)的影响，从而智能调整自身的运行状态。根据这些运行状态可以分为不同的类属，每一类对应着设备的一种典型用电模式。

图1　空调的热动力模型

图1中：Ca为气体比热容，J/℃；Cm为固体比热容，J/℃；P为空调的额定热功率，kW；Tout为外界温度，℃；Tin为室内气体温度，℃；Tm为室内固体温度，℃。

在此基础上进行简化，可以建立室内温度和时间的关系：

(1)

综上所述，将三种情景下的结果进行比较得到：情景1中，相关参数均固定的情况下，其人体舒适度、满意度和空调用电成本的经济性满意度都是固定值，不考虑电价变化和室外温度的影响，即对着两种因素都不作调整，其综合满意度的值稳定在0.942保持不变，而在情景2和情景3中，考虑室外温度和电价的影响后，人体舒适度和经济性满意度都发生了不同程度的变化，尤其是在情景三中，通过对电价的调整，在考虑用户满意度的情况下，空调的用电模式自动响应调整，空调负荷的需求响应潜力相当可观，从而为电力公司调用空调负荷的自动需求响应资源提供了一种有效的方法。

3.2　定频空调的占空比

考虑到空调的工作特征，空调负荷控制过程中要满足用户舒适度要求，即室温区间[T-,T+]，要求用户的室温不能超过该区间，当室温越接近于T+时，对应的空调负荷可关停持续时间越长，空调达到温度设定最小值T-，则进入“关停”状态，达到最大值Tout，则进入“开启”状态，如下式：

(2)

式中：s表示空调的工作状态，S(t)表示t时刻空调的工作状态，S(t-1)表示t-1时刻空调的工作状态。

设定空调的额定功率为P，控制周期内环境温度设定为恒定值Tout

T+=Tout(1-ετoff)+T-ετoff

(3)

T-=(Tout-ηPR)(1-ετon)+T-ετon

(4)

τc=τon+τoff

(5)

3.3　人体舒适满意度和空调用电成本的经济性满意度

根据人体舒适满意度和关于空调用电成本的经济性满意度，忽略空调工作的暂态过程，可以建立具体的表示人体舒适满意度μ1，以及空调经济性满意度μ2的具体表示形式：

(6)

(7)

(2)情景二：电价恒定，考虑室外温度变化对满意度的影响：

3.4　人体综合满意度的优化模型

记优化区间长度为L，将其均分为时长相同的N个时隙。在上述基础上，以Tmin≤Tin≤Tmax，Smin≤λPφ≤Smax为约束条件，在一定的优化取件内，通过调整电价的变化，来对综合满意度(μ1+μ2)进行优化，建立计算综合满意度的模型，如下式所示：

因此，可以由上式求解出在这个负荷控制周期时间τc，以及空调开启τon和关停的时间τoff，进而可以计算出空调在这个负荷控制周期内工作的实际功率和实际电费成本。

(8)

s.t.Tmin≤Tin≤TmaxSmin≤λPφ≤Smax

温汤浸种后将种子在50g·L-1的醋酸铜溶液或0.5%次氯酸钠溶液中浸泡种子20分钟。可以有效杀死种子表面的病原菌，且不影响种子的出芽率。还可以用40%福尔马林100倍液浸种30分钟；0.25%～0.50%次氯酸钙浸种1小时；1%盐酸漂洗种子15分钟；15%过氧乙酸200倍液处理30分钟；30%双氧水100倍液浸种30分钟都可以有效杀死种子表面病菌，播前进行种子处理可以有效降低种子带菌率，降低苗期发病的风险。

(9)

式中max(μ1+μ2)表示在N个时段内对综合满意度进行优化；α，β为根据用户偏好设置的权重因子。

3.5　用户响应潜力分析

考虑到不同用户用电模式不同，响应的潜力也不一致，采用负荷聚类的方法和用电模式分析，可以实现用户类型特征分析，从而确定其需求响应潜力，为自动需求响应的响应容量确定提供参考。

教师在发挥积极作用的基础上，能够快速、稳固地提高教学质量，同时，教师也是信息技术与教育教学完美融合的关键所在。在当今时代，信息技术发展趋势十分迅猛，“互联网+”的时代也逐步推进，使得教师在使用信息技术时不断遇到新问题与新压力。教师应当积极面对当前社会给予的问题及压力，快速、稳步地把信息技术和教育教学完美地融合起来。这也为现代教师及有关人员应当重视与关注的课题之一。

(1)电力用户需求响应基线是指用户如果没有参加需求响应项目时的负荷，针对柔性负荷设备而言，可根据设备最小负荷下的用电模式确定需求响应基线负荷Pbasic；

(2)计算电力用户参与需求响应后实际实现的负荷削减量：

PDR(t)=Pbasic(t)-Preal(t)

(10)

式中，PDR(t)为用户的需求响应削负荷量；Preal(t)为实施需求响应后实际负荷，考虑到用户响应随机性质，应保留一定裕度，时刻t的响应功率的范围为上述计算值PDR(t)的90%～110%。

4　仿真实验与结果分析

4.1　仿真实验参数设置

为了验证本文所提算法的有效性，在MATLAB搭建仿真模型，进行大量的数字仿真试验。所用硬件环境为windows8(64bit)，Intel(R) Core(TM)i7-3540M@3.00GHz,8.00GB RAM。

仿真试验假设空调系统运行制冷模式下,共分为三种工作情景，优化控制算法对未来 1天(24h)，共24个时隙，即N=24；每个时隙1h，即τ=1h进行优化控制。

我用一颗挚爱的心，对学生始终抱有良好的期待，鼓励留守学生奋发图强，朝气蓬勃，正确对待学习与生活，激发他们积极向上的信心。

根据文献[12,13]以及用户偏好设置空调实际运行参数及其满意度相关参数设置：(T+-T-)=1℃；空调散热函数ε=0.96；式(6)中a,b,c,Tmin,Tmax的值分别取为-0.0067,0.2733,-0.18；式(7)中P,Smin,Smax分别取为2.5kW,0,2；式(8)中N,α,β分别取24,0.8,1.2。

4.2　仿真结果分析

随着电价信号和室外温度的变化，根据人体舒适满意度和空调用电成本的经济性满意度之间的关系，通过调整定频空调的占空比，来对综合满意度进行优化，根据用户的偏好及空调的实际使用情况，空调的用电模式共分为三种工作情景：

(1)情景一：室内外温度及电价信号恒定：

Tset=26℃,Tout=36℃,λ=0.8,[T+,T-]=[25.5℃,26,5℃],[Tmin,Tmax]=[20℃,30℃]

根据式(3)(4)(5)可求得空调负荷的控制周期τc=3.34min,空调开启时间τon=0.89min和关停时间τoff=2.45min，由此可以求得在这种工作情景下的满意度的值。

在MOOC迅猛发展的背景下.当我们把MOOC纳入大学英语教育教学的改革蓝图之中，“课堂”的边界就被模糊了，甚至被清除了。不管MOOC在我们的教学改革中是被当作“课堂”内外使用的“教学资源”，还是作为“翻转课堂”O2O混合教学模式的有机组成部分,抑或是实质意义上的在线课堂SPOCs，教师都必须按照一定的教学理论、教学模式。对它们进行规划、设计和组织实施，例如：在大学英语教学模式中，教学设计及其实施的焦点从老师转移到“学生”和“学习”上，实施以学生为中心的交互式外语教学，交互性原则不仅体现在课堂教学设计和实施过程中，也体现在课前“微视频”的制作和反馈机制上。

式中Tmin，Tmax为定频空调的温度调控范围；Tmin,Tmax为用户所能接受的空调用电成本的最小值和最大值。λ为电力公司发布的实时电价，每小时变化一次；φ为空调正常工作状态下的运行占空比；μ1表示实时的人体舒适满意度；μ2表示实时的空调经济性满意度。

为了解小学生加法口算速度在各年级的增长幅度大小，采用相邻年级时间的递减率来进行表示和分析．其中递减率=（高一年级的口算平均时间/低一年级的口算平均时间-1）×100%，结果如表3所示．

室外温度选取南京夏季某日早上6点至晚上6点共10个小时的气温，具体数值如表1所示，室温恒定，其他参数不变，电价变化。

约79%的学生认为有帮助。无论是访谈中的英语对谈，还是作业或测试，学生出现语用错误的频率都比实验前大幅降低；访谈时受访学生用英语交流时也表现得更有自信、大胆。

表1　室外温度影响下空调模式调整结果

根据表1中的室外温度影响下空调用电模式的响应结果，可以得到室外温度与舒适满意度，经济性满意度，以及用户综合满意度之间的关系，如表2。

表2　室外温度所对应的满意度情况

本节通过研究空调系统(含空调装设房间和空调器)的热动力学模型，建立空调功率、温度及时间之间的关系，由此衡量在理想的空调用电模式直接控制策略下人体舒适满意度和空调用电成本的经济性满意度，为自动需求响应下，预测空调负荷的可控容量大小提供了一种可行的方案。如文献[12]一样，本文以定频空调为研究对象，控制的策略主要涉及电价控制下的空调占空比调节。

图2　室外温度影响下空调占空比的变化曲线

根据表2的优化结果可以画出图3，图3中，横坐标为时间(hour)，纵坐标为满意度，其中黑线表示舒适满意度，红线表示经济性满意度，蓝线表示综合满意度。

图3　室外温度影响下的用户满意度之间的关系

由图2可知，室外温度对空调占空比的影响较为明显，根据式(3)(4)(5)可知，空调的占空比受室内温度和室外温度共同控制，在维持室温在24℃恒定的情况下，空调占空比主要由是室外温度决定，占空比的变化趋势与温度的变化趋势基本相同，随着室外温度的升高，占空比随之升高，在14 ∶00时，室外温度达到最高值36℃，空调的占空比也达到最大值。

由图3可知，室内温度维持在24℃不变，那么人体舒适满意度的值保持在0.72不变，而经济性满意度随着室外温度的升高，也不断下降，在14 ∶00，室外温度最高时，经济性满意度最低，因而用户综合满意度的变化趋势与经济性满意度的变化趋势基本相同。

(3)情景三：室外温度恒定，电价信号变化，空调用电模式自动调整到使得用户综合满意度最优的状态：

图5中，首先根据复合货位优先级生成初始栖息地，即初始种群P1，P2，P3，再分别调用向量评估BBO算法、非支配排序BBO算法、小生境Pareto BBO算法产生新栖息地，即子代O1，O2，O3，最后从O1，O2，O3中选择N个最优栖息地构成种群P4，使用P4替换P1，P2，P3，至此完成EMBBO算法的一次迭代。上述EMBBO算法只是本次多目标优化求解用到的一种情况，可以任意使用其中两种MBBO算法或增加若干种MBBO算法；同时，这种多目标启发式算法的集成方式不局限于BBO算法，GA等启发式算法同样适用。

选取13 ∶00至14 ∶00这个时间段来进行优化，Tout=36℃；电价信号λ变化，其他参数不变，其结果如表3：

表3　电价变化，空调用电模式的自动响应结果

根据表3中的电价调节下空调占空比，室内温度的变化关系，可以得到电价与舒适满意度，经济性满意度，以及用户综合满意度之间的关系，如表4展示了不同电价水平下综合满意度最优情况下的空调占空比及平均功率，借助该数值关系，电力公司可通过调整电价来改变空调功率需求，实现空调负荷调度。

表4　电价调整下用户满意度情况

当电价为1.4元/kW·h时，其用电成本和设定温度已经超过了最大限度，故其舒适满意度和经济性满意度均为0。根据表3的结果可得到图4，图4中：横坐标为售电价格(元/kW·h),纵坐标分别为对应的空调占空比和对应的室内温度(℃)。

米曲霉(出发菌株)A019菌株，诱变后选育 ZA131米曲霉菌株，均为佛山市海天(高明)调味食品有限公司菌种保藏中心保藏。

图4　电价与占空比之间的关系

根据表4可以得到图5，图5中：横坐标表示售电价格(元/kW·h)，纵坐标为所对应的满意度的值，其中红色的曲线表示经济性满意度，黑色的曲线表示人体舒适满意度，蓝色的曲线表示综合满意度。

图5　电价与用户满意度之间的关系

由图4可知，浮动电价的情况下，随着电价的不断升高，为了使得用户综合满意度在新的条件下仍然最大，其空调的用电模式自动调整，空调占空比逐渐减少，空调的占空比与电价之间近乎一次函数的关系λ∝kφ，空调占空比随着电价的调整范围能够达到62%，对于单台空调(2500W)而言，可调范围能够达到1552W，因而具有较大的需求响应潜力。

由图5可知，在室外温度恒定，随着电价的逐步上升，经济性满意度逐步下降，且电价越高，其下降幅度越缓；人体舒适满意度也呈现一定程度的下降，且电价越高，其下降程度越快；在电价从0.2(元/kW·h)上升到1.3(元/kW·h)的过程中，综合满意度虽然是在当时电价下保持最优，但随着电价的升高，整体上也逐步下降。

(4)需求响应潜力分析：

根据情景二和情景三下空调负荷的用电模式，选取1000位空调需求响应参与用户，恒定电价下维持λ=0.55不变，进行需求响应潜力分析，其分析结果如图6所示：

民国初年以东南亚为对象的中国体育主动对外交往行为，不仅增强了中国与东南亚人民之间的民族情感，加强了与东南亚地区的体育文化联系，而且还通过东南亚发挥了更为广泛和深远的世界影响。例如仅从精武体育会的组织发展看，不仅在东南亚，在澳洲，而且在美国和加拿大，在希腊和德国，均相继建立有分会组织。在1994年，甚至成立了“世界精武联谊会”，共有19个国家和地区的42个精武会成员。其中美国、瑞士、英国、马来西亚等还是其执委会成员单位。

图6　需求响应潜力分析

图6中，蓝色线条表示电价恒定下空调负荷的运行功率；红色线条表示需求响应下空调负荷的实际运行功率；紫色柱状表示此种情况下的需求响应潜力。由图6可知，在1000位用户的参与下，用户综合满意度最优的空调用电模式需求响应在12∶00～17∶00具有需求响应调节潜力，其中在14∶00和15∶00最大，达到了218kW和187kW。因此，从电网和用户的供需层面上，用户综合满意度最优的用电模式适用于夏季用电负荷午间供电的紧张的情况，具有较好的需求响应调节潜力。

式(10)中：μm、μ0分别为泥浆混合物和载流体的黏度；Cv、Cv,max分别为颗粒体积分数和颗粒体积比浓度极限。

5　结论

本文提出了一种基于空调用电模式的自动需求响应设计及优化计算方法。通过对特定用户的人体舒适度和经济性满意度进行重新定义，结合定频空调的热动力模型的特征和电价对空调用电模式的影响，从而进行电力用户综合满意度的精细化计算，并结合具体算例说明该方法的可行性和有效性。算例结果表明，该方法能够充分考虑用户舒适度和经济性方面的多重影响，并在此基础上计算用户的综合满意度的可调节能力；这种方法充分考虑了气象、电价等因素对空调用电模式的动态影响，尤其是电价激励下的自动需求响应对空调用电模式的控制，挖掘出了定频空调的较大需求响应潜力，为电力市场运行，电网层面自动需求响应项目的实现提供了一种较为可行的理论支持。总之，研究电价激励下用户空调用电模式活动中的自动优化过程，可以为自动需求响应策略的制定提供科学理论支持，充分发挥电网的实际运行效率。

致谢：本文在撰写过程中得到了东南大学电气工程学院高赐威教授的大力指导，在此对高老师表示深深的感谢，感谢您的无私帮助。

参考文献：

[1] 高赐威,梁甜甜,李扬,等.自动需求响应的理论与实践综述[J].电网技术,2014,38(2):352-359.

[2] Noh S J, Yun J A, Kim K H. An efficient building air conditioning system control under real-time pricing[C]//IEEE 2011 International Conference on Advanced Power System Automation and Protection(APAP). Beijing: IEEE Beijing Section, Tsinghua University, 2011: 1283-1286.

[3] Thomas A G, Jahangiri P, Wu D, et al. Intelligent residential air-conditioning system with smart-grid functionality[J]. IEEE Transactions on Smart Grid, 2012, 3(4): 2240-2251.

[4] Molina D, Lu C, Sherman V, et al. Model predictive and genetic algorithm-based optimization of residential temperature control in the presence of time-varying electricity prices[J]. IEEE Transactions on Industry Applications, 2013, 49(3): 1137-1145.

[5] Aswani A, Master N, Taneja J, et al. Reducing transient and steady state electricity consumption in HVAC using learning-based model-predictive control[J]. Proceedings of the IEEE, 2012, 100(1): 240-253.

[6] Mohsenian-Rad A H, Leon-Garcia A. Optimal residential load control with price prediction in real-time electricity pricing environment[J]. IEEE Transactions on Smart Grid, 2010, 1(2): 120-133.

[7] 张延宇，曾鹏，等.智能电网环境下空调系统多目标优化控制算法[J].电网技术，2014，38(7)：1819-1826.

[8] Zhao Z, Lee W C, Shin Y, et al.An optimal power scheduling method for demand response in home energy management system[J]. IEEE Transactions on Smart Grid, 2013, 4(3): 1391-1400.

[9] 贺春光.夏季电网最大负荷与气温的相关性分析[J].河北电力技术，2011，30(5)：15-17.

[10] 刘蔚巍,连之伟,邓启红,戎伟芳.人体热舒适客观评价指标[J].中南大学学报(自然科学版),2011,42(2):20-23.

2013年 ，ONGAROD和OUSTERHOUT J在《In Search of An Understandable Consensus Algorithm》一文中提出了Raft共识算法[5]。作者基于Paxos进行了改进，使之更容易理解。它与Paxos相当，对构建实际系统起了促进作用。目前百度公开了Raft开源实现代码。

[11] Tsai K I, Lin J S, Pan C T. “Energy saving evaluation of an air conditioning system with adjustable speed induction motor drives,” TPEC2002, Taiwan, 2002, 309-314.

为适应学校的发展，满足学校学术科研交流的需要，国内很多高校都建立了自己的配套接待场所，为来学校交流访问学习的学者、社会人士等提供住宿、餐饮等服务，这些接待场所主要用于学校内部小规模的接待，并在很长一段时间内以学校招待所的形式存在。

[12] 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.

[13] Duncan Callaway S. Tapping the energy storage potential in electric loads to deliver load following and regulation, with application to wind energy[J]. Energy Conversion and Management, 2009, (50): 1389- 1400.