基于TEM 的分层分布式温控负荷需求响应控制策略

程 媛，程小明，刘士友

（1.南京理工大学 自动化学院，南京 210094；2.国网安徽省电力公司合肥供电公司，合肥 230052）

0 引言

近年来，随着中国电力市场中逐渐引入需求响应，需求侧的资源在辅助电力系统运行，维持系统安全稳定运行过程中的角色愈发重要。同时由于温控负荷具有受众多、分布广、储能特性优良以及暂时中断对用户的影响不大等特点，逐步在配合电力系统削峰填谷，平抑联络线波动等方面得到广泛运用。

现有的研究中对温控负荷的调度多数采用集中式的控制策略[1-5]，但该类控制都难以规避集中式控制双向通信造成的通信延迟的问题。文献[1]采用分层分布式控制方法，中央控制中心只向各园区控制中心传达总的目标功率，降低了双向通信的频次。但文中的决策变量是设定温度，控制策略是对温控负荷群体的运行温度区间进行无差别调节，这种调节方式会存在破坏负荷多样性，造成聚合功率波动的风险[6]。同时，该方法采用智能算法对负荷群的温度调节值进行寻优，寻优结果与初值的选定等因素密切相关，对群内负荷调整的精确性不够高。文献[2]提出了TEM（温度延伸裕度）的概念，并验证了使用TEM 作为决策变量对温控负荷进行运行温度区间调节的可行性和有效性。

因此，为了克服集中控制中无差别调整整个负荷群的运行温度区间，造成的精确度不够高的问题。本文在文献[1]的基础上，对其决策变量以及控制策略进行改进，提出一种基于TEM 的分层分布式温控负荷需求响应控制策略，将中央控制中心的总控制目标下发到各个园区，以TEM作为决策变量，对园区内的每个负荷的运行温度区间进行精细化调节。在降低数据双向通信频次的同时，在每个园区内部完成目标功率的消纳，并且较好的维持负荷多样性。最后本文通过仿真验证了基于TEM 的分层分布式控制策略的有效性。

1 电热泵负荷模型

温控负荷的种类繁多，本文选取储能效果较好，开关状态易切换的电热泵负荷作为研究对象，建立热力学模型，帮助电网消纳负荷[7]。

1.1 单体电热泵的热力学模型

目前对于温控负荷的研究中，为了简化计算，多采用ETP（等值热力学参数）建立一阶微分方程，描述电热泵所处的室内温度与时间的递推函数关系[1，3-4，16]以及开关状态分别为：

式中：C 为等效比热容；Pheater为电热泵的额定功率；T 为室内温度；To为室外空气温度；R 为等效热阻；α 为电热泵的开关状态，假设电热泵负荷仅存在以额定功率运行和关闭两种状态，0 表示关闭，1 表示开启；Tup为电热泵负荷的运行温度区间上限；Tdown为运行温度下限；Q 为额定热比率；η 为电热泵的热电转换系数。单体电热泵温度和开关的动态变化过程分别见图1 和图2。

1.2 负荷群的模型

当负荷数目较多时，为了便于集中控制，通常建立负荷群的聚合模型。通过调节决策变量对负荷群中负荷的开关状态或运行温度区间进行控制，进而调控负荷群的功率消纳。按照负荷群的开关状态将负荷分成开启群和关闭群两个集合，表示如下[3]：

图1 单体电热泵温度的动态变化过程

图2 单体电热泵开关的动态变化过程

式中：t 为当前时刻；n1和n2分别为开启群和关闭群的负荷个体数目，则总体可控负荷数为n=n1+n2。由式（1）可知，负荷的温度随时间实时变化，因此n1与n2中的数目也是动态变化的。

由式（2）可知，t 时刻负荷群的聚合功率为开启群所有设备的功率之和：

式中：Pt为t 时刻负荷群的聚合功率；为第i 个负荷t 时刻的额定功率。

2 温度延伸裕度

由文献[3]可知，对于开启群和关闭群中的负荷，当前时刻的TEM 值为：

假定负荷群中的负荷初始时刻的温度值在温度运行区间的上、下限之间均匀分布，则t 时刻每个负荷所处的室内温度各不相同，从而每个负荷的TEM 也是不同的。且越接近于温度上、下限，TEM 值越接近于0。为了使得调控尽可能精确，涉及的负荷数目尽可能少，采用对负荷群中负荷TEM 值“反向搜索”的思路，将负荷群的TEM值按照从小到大的顺序进行排列。若需要控制的负荷数为N，则取TEM 值最小的前N 个负荷进行温度区间调整，调整数值为的取值为其中为第i 个负荷t 时刻的温度死区，定义为：

3 基于TEM 的分层分布式需求响应控制策略

3.1 整体思路

本文提出的基于TEM 的分层分布式需求响应控制策略的整体流程如图3 所示。与文献[1]不同的是，本文不再采用设定温度为决策变量，智能算法寻找设定温度调整的最优值，再对园区内负荷的温度区间统一无差别调整的思路。而是以TEM 为决策变量，根据各园区被分配的目标功率，将需要调整的负荷精确到个体，最大限度利用园区内负荷消纳能力的同时，尽可能少的改变负荷队列的运行状态。

图3 基于TEM 的分层分布式需求响应控制策略的整体流程

3.2 目标分配

本文采用一次聚合的思路[1，8-10]，假定各园区内负荷的参数值近似一致，则第i 个园区t 时刻实际消纳的功率值为：

4 控制效果

4.1 仿真算例

假设共有三个受控园区，每个园区中电热泵负荷数目分别为200 台，300 台，350 台，且所有负荷用户签订激励响应合同参与需求响应控制。各园区采用的仿真参数分别如表1 所示。

表1 各园区仿真参数

4.2 仿真结果分析

基于表1 中的参数进行时步为1 min，时长为1 440 min 的仿真，采用基于TEM 的分层分布式控制策略仿真得出各园区实际消纳功率与分配目标功率结果如图4 所示，采用智能算法寻找最优调整温度值，对园区内所有负荷温度区间无差别调整的分层分布式控制策略，得出个园区实际消纳功率与分配目标功率结果如图5 所示。

图4 基于TEM 分层分布式控制策略的各园区实际消纳功率与分配目标功率

图5 基于无差别调整温度区间的分层分布式控制策略的各园区实际消纳功率与分配目标功率

基于TEM 分层分布式控制策略各园区剩余功率如图6 所示，基于无差别调整温度区间的分层分布式控制策略的各园区剩余功率如图7 所示，其中园区i 当前时刻的剩余功率为：

图6 基于TEM 分层分布式控制策略的各园区剩余功率

图7 基于无差别调整温度区间的分层分布式控制策略的各园区剩余功率

基于TEM 分层分布式控制策略的各园区的控制误差如图8 所示，基于无差别调整温度区间的分层分布式控制策略的各园区剩余功率如图9所示，其中园区i 当前时刻的控制误差为：

由图4 和图5 对比可见，图4 实际消纳功率曲线与给定总目标曲线能够更好的吻合，因此消纳功率跟随分配目标功率的效果更好；相对于图7，图6 中3 个园区的剩余功率均低于40 kW，基于TEM 分层分布式控制策略的剩余功率较无差别调整有进一步的缩小；由图8 与图9 对比并结合式（12）可见，图8 中3 个园区的控制误差稳定在30%以内，图9 中的控制误差存在超过1 的尖峰，因此基于TEM 的分层分布式控制策略在缩小控制误差方面的效果更好。

图8 基于TEM 分层分布式控制策略的各园区控制误差

图9 基于无差别调整温度区间的分层分布式各园区控制误差

5 结语

本文采用基于TEM 分层分布式控制策略对电热泵负荷参与需求响应调度，帮助系统消纳负荷进行了研究。并将仿真结果与采用无差别调整温度区间的分层分布式控制策略的仿真结果进行对比，对于提高目标功率消纳以及降低控制误差和剩余功率有较明显的效果。

在此后的研究过程中，将针对提高负荷群的负荷多样性，在兼顾目标功率消纳以及提高用户舒适度等方面继续展开研究。