欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024115116396
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种贡献度感知的电网交互型居民建筑协同运行优化方法,其特征在于,所述协同运行优化方法包括如下步骤:步骤1:考虑电网交互型高效居民建筑提供电网服务时的经济补偿,分别建模电网交互型高效居民建筑于正常运行阶段的运行成本最小化问题和电网服务阶段的电网交互型高效居民建筑协同运行双层优化问题;

运行成本最小化问题中的目标函数为:

其中:表示决策变量,表示期望运算符,作用于不确定性系统参数,包括固定负荷bi,j,t、光伏输出ri,j,t、室外温度Ttout以及买卖电价;Ci,j,1,t和Ci,j,2,t分别表示t时隙负荷聚合商i中居民建筑j的运行成本和储能系统损耗成本;

协同运行双层优化问题中的目标函数为:

其中:Γ(·)表示与所有电网交互型居民建筑电需求改变量相关的经济补偿,ρt表示电力需求峰值限额,ρmax表示最大电力需求峰值限额;表示t时隙负荷聚合商i的最优电力需求;

步骤2:提出基于物理一致性神经网络辅助分层模型预测控制的运行优化方法求解电网交互型高效居民建筑于正常运行阶段的运行成本最小化问题;

所述基于物理一致性神经网络辅助分层模型预测控制的运行优化方法设计如下:(4.1)将所提正常运行阶段的电网交互型高效居民建筑运行成本最小化问题转化为上层室内舒适温度偏离最小化子问题和下层运行成本最小化子问题;

(4.2)部署基于物理一致性神经网络室内热动态模型辅助的上层模型预测控制方法求解室内舒适温度偏离最小化问题,获取t时隙上层最优决策(4.3)将上层模型预测控制方法的最优决策输入至下层模型预测控制,并部署下层模型预测控制方法求解运行成本最小化子问题,获取t时隙下层最优决策所述步骤4.1中提出的上层室内舒适温度偏离最小化子问题如下:

其中:X表示预测长度,t′表示预测长度内对应时隙,Ci,j,3,t′表示室内舒适温度偏离值;为基于物理一致性神经网络的室内热舒适动态模型,由黑盒模块和物理模块构成,其中:黑盒模块由一深度神经网络构成,输入为室外光照强度,输出为由光照强度引起的室内温度扰动ξi,j,t′;物理模块由当前时隙的室内温度Ti,j,t′,当前时隙的室外温度Tt′out,当前时隙暖通空调系统输入功率ei,j,t′组成;

步骤3:提出基于物理一致性神经网络辅助分层模型预测控制引导二分搜索的分布式协同运行优化算法求解电网服务阶段的电网交互型高效居民建筑协同运行双层优化问题;

所述步骤3中于电网服务阶段提出的基于分层模型预测控制辅助二分搜索的分布式协同运行优化算法设计如下:若当前运行时隙t处于电网服务阶段,首先根据所述的基于分层模型预测控制的运行优化方法获得当前时隙初始决策然后设定当前电力需求峰值限额上限为ρu=ρmax,当前电力需求峰值限额下限为ρl=ρmin,为一阈值;当且当前迭代步骤k=0小于最大迭代次数kmax,根据如下步骤进行迭代,求解最优电力需求峰值限额和最优决策(8.1)令当前电力需求峰值限额为ρt=(ρu+ρl)/2;

(8.2)分布式系统运行商将ρt传送于所有的负荷聚合商i;

(8.3)负荷聚合商将ρt传送于所有的电网交互型高效居民建筑j;

(8.4)根据基于规则的决策调整方法,所有建筑调整获得最优决策

(8.5)所有建筑将最优决策传送于对应的负荷聚合商;

(8.6)分布式系统运行商获取最优的电力需求

(8.7)若当前则ρl=ρt;反之,ρu=ρt;

(8.8)若且k

2.根据权利要求1所述的一种贡献度感知的电网交互型居民建筑协同运行优化方法,其特征在于,所述步骤1中建模的电网交互型高效居民建筑于正常运行阶段的运行成本最小化问题包括决策变量、约束条件以及目标函数;

运行成本最小化问题中的决策变量包括t时隙由负荷聚合商i管理下居民建筑j的储能系统输入功率ci,j,t、储能系统输出功率di,j,t、暖通空调系统输入功率ei,j,t以及居民建筑的电力需求Pi,j,t;

运行成本最小化问题中的约束条件包括:

ci,j,t·di,j,t=0,   (5)

Pi,j,t+ri,j,t+di,j,t=bi,j,t+ei,j,t+ci,j,t,   (6)其中:Bi,j,t表示t时隙负荷聚合商i中居民建筑j的储能系统存储量;σc,i,j和σd,i,j分别表示储能系统的输入效率和输出效率;和分别表示储能系统的最小存储量和最大存储量;和分别表示储能系统的最大输入功率和最大输出功率;△t表示时隙长度;ri,j,t表示t时隙光伏功率输出,bi,j,t表示t时隙的固定负荷;Ti,j,t表示t时隙负荷聚合商i中居民建筑j的室内温度,Ttout表示t时隙的室外温度,ξi,j,t表示t时隙负荷聚合商i中居民建筑j的室内热扰动,表示负荷聚合商i中居民建筑j的室内热动态性;表示负荷聚合商i中居民建筑j的最大暖通空调系统输入功率;表示电网服务阶段负荷聚合商i中居民建筑j的电力需求上限。

3.根据权利要求2所述的一种贡献度感知的电网交互型居民建筑协同运行优化方法,其特征在于,所述步骤1中建立的电网交互型高效居民建筑于电网服务阶段的协同运行双层优化问题包括决策变量、约束条件以及目标函数;

协同运行双层优化问题中的决策变量为电网服务阶段t时隙的各建筑的电力需求峰值限额ρt;

协同运行双层优化问题中的约束条件包括:

0≤ρt≤ρmax,   (12)

ci,j,t·di,j,t=0,   (20)

Pi,j,t+ri,j,t+di,j,t=bi,j,t+ei,j,t+ci,j,t,   (21)其中:ρmax表示最大电力需求峰值限额;表示t时隙负荷聚合商i的最优电力需求;Plimit,t表示t时隙所有居民建筑功率上限之和;表示t时隙各建筑最优电力需求;表示经过所提二分法搜索前初始决策量;α表示一个权重系数。

4.根据权利要求3所述的一种贡献度感知的电网交互型居民建筑协同运行优化方法,其特征在于,所述步骤4.1中提出的下层运行成本最小化子问题如下:ci,j,t′·di,j,t′=0,   (32)

Pi,j,t′+ri,j,t′+di,j,t′=bi,j,t′+ei,j,t′+ci,j,t′,   (33)其中:Ci,j,1,t′和Ci,j,2,t′分别表示在预测长度内t′时隙各个建筑的运行成本和储能系统损耗成本。

5.根据权利要求4所述的一种贡献度感知的电网交互型居民建筑协同运行优化方法,其特征在于,所述步骤4.2中部署的上层模型预测控制方法利用梯度下降方法求解当前时隙和未来X-1个时隙的最优暖通空调系统决策,即所述步骤4.3中部署的下层模型预测控制方法通过将所提(P4)转化为混合整数线性规划问题进行求解当前时隙和未来X-1个时隙的最优储能充放决策,即

6.根据权利要求5所述的一种贡献度感知的电网交互型居民建筑协同运行优化方法,其特征在于,所述步骤8.4中提出的基于规则的决策调整方法设计如下:令(9.1)若且则

(9.2)若且则

(9.3)若且则

(9.4)若且且则

(9.5)若且且则

7.根据权利要求1所述的一种贡献度感知的电网交互型居民建筑协同运行优化方法,其特征在于,所述步骤4中部署所提协同运行优化方法的实际运行系统包括电网交互型高效居民建筑运行模块和基于分层模型预测控制辅助二分搜索的实时决策模块;

所述电网交互型高效居民建筑运行模块负责接收实时决策模块输出的最优决策并执行于每个电网交互型高效居民建筑;

基于分层模型预测控制辅助二分搜索的实时决策模块包括信息采集子模块、上层模型预测控制实时决策子模块、下层模型预测控制实时决策子模块、二分搜索协同运行优化子模块以及最优控制策略输出子模块;

信息采集子模块负责收集每个电网交互型高效居民建筑执行决策后各个组件的最新状态,包括建筑室内温度、储能系统实时存储量;然后,分别发送至上层和下层模型预测控制实时决策子模块;

上层模型预测控制实时决策子模块读取由信息采集子模块发出的室内温度状态;然后,利用所述运行优化方法求解最优暖通空调系统决策;最后,将最优暖通空调系统决策发送至下层模型预测控制实时决策子模块;

下层模型预测控制实时决策子模块读取由信息采集子模块发出的能量存储系统状态和上层模型预测控制实时决策子模块发出的最优暖通空调系统决策;然后,利用所述运行优化方法求解最优储能系统决策;最后,将最优暖通空调系统决策和储能系统决策传送至二分搜索协同运行优化模块;

二分搜索协同运行优化子模块首先判定当前时隙是否需要各个电网交互型高效居民建筑参与电网服务;若需要参与电网服务,则利用所述协同运行优化方法进一步求解最优决策,并将最新决策发送至最优控制策略输出子模块;若当前时隙不需要参与电网服务,则将上层与下层模型预测控制实时决策子模块的最优决策发送至最优控制策略输出子模块;

最优控制策略输出子模块读取由二分搜索协同运行优化子模块发出的决策,并发送至电网交互型高效居民建筑运行模块。