基于电压监测的分布式电采暖实时优化控制策略

2021-08-19祁兵张露露李彬陈宋宋

现代电力 2021年4期

祁兵，张露露，李彬，陈宋宋

（1.华北电力大学电气与电子工程学院，北京市昌平区102206；2.需求侧多能互补优化与供需互动技术北京市重点实验室（中国电力科学研究院有限公司），北京市海淀区100192）

0 引言

随着环境污染和全球能源短缺问题日益加剧，电能凭借安全、清洁、高经济效益等优点成为煤炭、石油等天然能源的优选替代，电能替代工作得到我国高度重视。2016年，发改委、国家能源局联合八部委出台了《关于推进电能替代的指导意见》，首次将其上升至国家战略。2017年，发改委等又联合发布《关于推进北方采暖地区城镇清洁供暖的指导意见》，推进“煤改电”等工作在我国北方地区建设，优化能源结构、减少大气污染、提高生活质量。

一方面，家电产业持续发展和家电技术频频突破，使得居民生活对家用电器的依赖不断加深，用户的用电需求不断上升[1]。据国家能源局统计，2020年1—8月全社会用电量累计47676亿kW·h；城乡居民生活用电量7398亿kW·h，占比15.52%，同比增长6.3%。另一方面，随着清洁供暖政策的不断推进，大量分布式电采暖接入电网，在冬季取暖时段容易产生负荷高峰，负荷峰谷差增大，增加电网运行成本，给电网运行安全、用户正常用电造成影响[2]。亟需提出一种电采暖运行优化政策，既满足用户的正常取暖需求，又兼顾电网安全运行的需求。

我国电采暖发展较晚，电采暖研究主要集中在负荷建模方面，文献[3]利用聚类分组控制的方法实现异质电采暖负荷聚合，并建立基于风电功率预测误差区间的备用计划优化模型，能够经济、有效地为风电提供备用；文献[4]提出了一种考虑需求和响应行为双重差异性的区域电采暖负荷特性建模方法，综合差异化用户热舒适温度模型和建筑空气温度时变方程提出热负荷特性建模方法；文献[5]基于实测数据建立建筑参数的电采暖负荷模型以及调峰能力评估模型。居民负荷的控制策略研究重点主要在于负荷优先级的计算和优化方面，文献[6]构建了用电满意度函数对居民负荷进行调度优先级划分，并通过补偿价格设置来实现负荷调度；文献[7]在保证用户舒适度的前提下，提出一种家庭负荷优先级控制系统算法，保证家庭总功耗低于阈值，实现削峰填谷；文献[8]基于优先级提出了利用粒子群寻优算法对家电负荷有序使用策略进行优化，可有效降低用户用电负荷峰值。但是优先级算法不适用于单一负荷组成的集群，在用电高峰时段可能会出现单一负荷优先级相同，不能达到削峰填谷的目的。文献[9]提出一种分散式电采暖负荷协同优化运行策略，通过构建确定性模型和鲁棒性优化模型实现负荷的协同优化运行，在保证经济运行的同时，也可以响应电网削峰填谷。但是该策略主要关注运行的经济性，在降低负荷峰值和峰谷差方面效果不明显。

本文针对分布式电采暖设备集群，提出一种基于电压监测的分布式电采暖实时优化控制策略。分布式电采暖通过监测电压变化来实施优化控制策略，降低峰谷差，平稳负荷曲线，削峰填谷，在额定负荷不变的情况下避免用电设备随机运行引起的负荷过载，保证用户的正常取暖需求。

1 分布式电采暖基本原理

1.1 电采暖现状分析

国家发改委印发《2019年新型城镇化建设重点任务》，其中指出督促北方地区加快推进清洁供暖。为响应国家清洁供暖和可持续发展的号召，各省市纷纷出台电采暖政策促进电采暖的发展，见表1。

表1 各省市电采暖政策Table 1 Electric heating policies of different provinces and cities in China

随着政策的推进，电采暖负荷逐渐成为居民负荷的重要部分。以河北省为例，2014年河北省冬季用电负荷年增长率仅为1%。2015年开始电采暖试点建设，随着清洁供暖活动的推广，冬季用电需求大幅增长。2016年，河北南网冬季用电最大负荷2755万kW，增速达到5.1%。截止2020年3月，河北省煤改电、煤改气工程的覆盖人数统计为突破759万户。2020年河北省多市县继续推进清洁取暖政策，电采暖还有一定的发展空间。

1.2 分布式电采暖运行方式

电采暖将电能转化为热能实现使用者取暖的目的，区别于集中式电采暖，分布式电采暖主要设置于用户房间内，满足单个房间的取暖需求，不受供暖网络分布和管道的影响。可将分布式电采暖设备的工作状态简化为开启和关闭两种状态。如图1所示，设备开启时，设备产生热能，室内温度上升；设备关闭，室内热量散失，室内温度下降。

图1 分布式电采暖运行原理Fig.1 Operating principle of distributed electric heating

但是，分布式电采暖的运行时间具有极大的不确定性。当处于冬季取暖需求高峰时段，多个分布式电采暖的运行时段容易重合，导致分布式电采暖集群的负荷高峰超过额定负荷限制，引起过载保护造成局部断电，对居民用户的正常取暖造成影响。

2 电采暖运行优化策略模型

2.1 电采暖设备集群模型

在家庭用电中，当设备运行状态发生变化时会对设备组成集群的电压造成影响，可以统计分析历史电压数据获得设备安全电压阈值，进而控制设备实现设备集群的总体调控。实际中电压数据受到多方因素的影响，为了方便通过仿真验证本文提出的算法，电采暖设备集群模型仅考虑阻抗因素，忽略其他因素对电压变化的影响。

简化分布式电采暖设备集群的电路图如图2所示，将电路中的阻抗等效为固定值。

图2 分布式电采暖集群的简化电路Fig.2 Simplified circuit diagram of distributed electric heating aggregation

可以得到集群中电采暖设备i的电压

式中：N为集群中设备的数量；U0为集群电路变压器处的电压；Ri、R j,j+1分别为电路中的电阻；Ii为设备i启动的电流，当设备i关闭时，Ii=0。

式中：Pall为集群中总功率；Pi为设备i的功率；当设备i关闭时，Pi=0。

当设备i关闭时，可以得到Ui′：

结合式(1)和(3)，可以得到设备开启/关闭前后引起自身电压变化为：

设备的状态仅有开启和关闭2种，设备每次开启时的电流可看作固定值，所以无论当前集群中其他设备处于何种状态，设备开启/关闭前后引起的自身电压值变化是固定的。

当设备m关闭时，m≠i，此时的值为：

结合式(1)和(6)，可以得到设备m开启/关闭前后引起设备i电压变化为：

由式(8)可得，设备开启（关闭）不仅会对自身的电压造成影响，也会对同一集群中的其他设备的电压值造成影响。当设备开启时，差值为负，集群总功率增加；当设备关闭时，差值为正，集群总功率减少。设备可以对历史电压数据进行统计分析获得设备安全阈值，并通过监测电压变化，实现电采暖设备的自身控制。

2.2 电采暖设备等效模型

目前电采暖设备的等效模型方面已有详尽的研究，文献[9]提出了等效热参数（equivalent thermal parameter,ETP）模型的简化1阶微分表达形式，如式(9)所示

3 电采暖运行优化算法设计

3.1 算法设计

算法流程如下：

1）设置参数，包括设备数量n、每个设备的最佳温度范围每个设备的电压安全阈值Ui,safe。

2）设备i监测实时温度T i，直至Ti

3）监测当前电压Ui，若Ui≥Ui,safe，继续步骤4）；否则，继续步骤5）。

4）延时随机时间t，监测当前电压若则设备i开始工作并转到步骤6）。

5）设备i计算退避时间ti,backoあ，ti,backoあ后重新执行步骤3）。

6）设备i实时监测温度则设备i关闭，重新执行步骤1）。

3.2 退避时间计算

退避时间指设备在2次开启条件判断之间的等待时间。第j次的退避时间在之间随机选择，W j计算采用二进制退避算法[10]，计算公式如下

式中：w0为初始时间窗口，为固定值，需自行设定；W j为第j次退避的退避时间窗口，时间窗口随退避次数以二进制指数增长；max为最大退避次数，当退避次数大于max时，退避时间窗口取最大值，避免退避时间窗口的无限制增长造成退避时间过长，导致设备长时间不能正常工作，对居民的正常生活造成较大影响。

如图3所示，以时序图为例对设备的退避时间计算进行说明。在第4个时间单位时，设备i监测判断T iUi,safe，满足开启条件，设备i开启，本次退避结束。下次进行退避时，记为第1次退避，退避时间窗口从W1初始值开始计算。

图3 电采暖设备退避时间计算时序Fig.3 Timing sequence diagram of back-off time of electric heating equipment

4 算例分析

根据参考文献[9]的房屋等效热容和等效热阻参数，建立应用场景，对一层楼内的5个房间的电采暖设备应用实时优化控制策略，参数设置如表2所示。

表2 仿真参数设计Table 2 Design of simulation parameters

我国电采暖实践开展较晚，关于控制策略研究成果较少，目前实际应用广泛的策略为温度控制策略，通过监测室内温度变化控制设备运行状态，控制室内温度在一定范围内变化。取暖用户可以根据室外温度变化以及个人对温度的耐受程度手动设置房间内最佳温度范围。为方便进行算法效果对比，同时考虑到大部分用户的取暖需求，对仿真中5组房间的最佳温度范围设置为[18,25] ℃。

图4 为实施温度控制策略的电采暖设备集群运行情况。观察集群负荷曲线发现用电高峰主要集中在12:30之前，在8:00—10:00处于用电高峰时段，在10:00—12:30出现较大负荷波动，产生峰谷差，此时负荷峰值达到16200 W，峰谷差也达到16200 W，负荷率为0.593。观察室内温度曲线，发现此时5个房间在9:30达到设置温度范围，并一直在设置范围内浮动。

图4 实施温度控制策略的电采暖设备集群运行情况Fig.4 Running condition of electric heating device aggregation implementing temperature control strategy

本文在原有的温度控制策略上进行了改进，通过监测电压数据控制设备的运行转态，保证负荷峰值在一定范围内。

图5 为实施实时优化控制策略的电采暖设备集群运行情况。观察集群负荷曲线发现，负荷高峰出现在8:00—12:30和16:00—20:00，负荷高峰出现时间分散且负荷较为平稳，此时负荷峰值为13200 W，下降了81.5%，峰谷差为10200 W，下降了63.0%，负荷率为0.702，上升了118.4%。负荷峰值和峰谷差降低明显，负荷曲线相对平稳，对电网运行产生的压力明显降低。负荷率明显上升，负荷容量被利用得更充分，设备利用率越高，设备运行效果越好。

图5 实施实时优化控制策略的电采暖设备集群运行情况Fig.5 Running condition of electric heating device aggregation implementing realtime optimized control strategy

观察室内温度曲线，此时房间1、3、4、5在9:30达到设置温度范围，但是房间2在11:30达到设置温度范围，此后一直在设置范围边界左右浮动。与其他房间相比，房间2较长时间内无法达到设置温度，在8:00—11:00之间温度低于10℃，长时间处于低温环境，对该房间内居住的用户生活造成一定的影响。

为保证居民用户的正常生活，本文对基于电压监测的实时优化控制策略进行进一步改进，通过对温度不达标的房间提前预热来保证8:00以后的居民用户的正常生活和工作。

图6 为实施改进后的实时优化控制策略的电采暖设备集群运行情况，在8：00前已经将房间2 的温度预热至25℃。观察负荷曲线，发现集群负荷高峰出现规律，负荷曲线整体平稳，此时负荷峰值为13200 W，峰谷差为10200 W，负荷率为0.696，负荷曲线与改进前基本一致，无明显变化。观察室内温度曲线，发现此时房间1、3、4、5在9:30达到设置温度范围，房间2在11:00达到设置温度范围，此后一直在设置范围左右浮动。改进后的房间2到达设置温度范围的用时变化不大，但是在8:00—11:00时段内的温度达到了10℃以上，对该房间内居住的用户生活影响较小。