[发明专利]一种基于深度置信网络的空调负荷集群建模方法

说明书

本发明公开一种基于深度置信网络的空调负荷集群建模方法，属于电力系统自动化领域；本发明针对空调负荷的集群响应特性刻画，提出了一种基于深度置信网络的空调负荷集群响应特性建模方法，首先针对单台空调的热力学特性进行建模，建立二阶等效热参数模型；再基于此，采用蒙特卡洛模拟的方法，得到不同温度设定值变化条件下的功率变化值，建立训练样本；进一步，利用深度置信网络训练得到空调负荷集群的聚合响应特性(已知空调温度设定值变化条件下的功率变化量)，从而指导电力公司开展需求侧管理项目。

技术领域

本公开属于电力系统自动化领域领域，具体涉及一种基于深度置信网络的空调负荷集群建模方法。

背景技术

随着现在科技的不断发展，随着智能用电技术的发展，需求侧资源开始不断受到重视，通过改变需求侧资源的工作状态实现电力系统中有功功率的动态平衡，成为人们日益关注的重点。温控负荷是一种电网友好型电力设备，可以根据电网的需求改变工作状态，并且不会降低用户的舒适度。常见的温控负荷主要包括空调、电热水器、电冰箱等，其中空调负荷(Air conditionings,ACs)凭借调节潜力大、响应速度快的特点成为智能电网发展中关键的需求侧资源。

空调的温度设定值控制是空调负荷参与需求响应的重要控制策略，其特点是通过对受控空调的温度设定值进行调控达到控制功率，实现功率平衡的目的。在调节空调温度设定值时，调节多少，调节之后对负荷的该变量是多大，是空调控制过程中的重要技术难点。

发明内容

针对现有技术的不足，本公开的目的在于提供一种基于深度置信网络的空调负荷集群建模方法，以刻画温度设定值变化条件下的空调聚合功率变化量。

本公开的目的可以通过以下技术方案实现：

一种基于深度置信网络的空调负荷集群建模方法，其特征在于，所述方法包括以下步骤：

S1：空调负荷等效热参数模型的建立；

S2：基于蒙特卡洛模拟的训练样本生成；

S3：深度置信网络集群响应特性建模。

进一步地，所述步骤S1中包括建立单台空调负荷的二阶热力学模型微分表达式、建立计及用户的舒适度的恒温电控制模型。

进一步地，所述单台空调负荷的二阶热力学模型微分表达式为：

式中Ta为空调房间内气体温度；Tm为空调房间内固体温度；To为室外温度；Rm为室内固体的热阻；Ra为室内气体的热阻；Ca为室内空气的热容；Cm为室内固体的热容；P为空调负荷的电功率，η为空调负荷的热效率；s为空调工作状态的开关量，当空调处于工作状态时，s＝1；当空调处于关闭状态时，s＝0。参数矩阵B中的正负号取决于空调是处于制冷状态还是制热状态，当空调处于制冷状态取负号，当空调处于制热状态取正号。

进一步地，在所述步骤S2中生产训练样本的步骤包括：

1)根据实际中空调集群数的参数分布初始化空调集群参数；

2)初始化空调集群状态参数；

3)温度设定值变化下的时域仿真；

4)生成一组训练样本；

5)重复上述步骤2)、步骤3)和步骤4)得到训练样本集。

本公开的有益效果：

1、考虑实际空调的参数分布和空调的热力学特性，通过蒙特卡洛模拟得到空调集群的聚合响应特性，得到的聚合响应特性更加准确。

2、利用深度置信网络对负荷特性进行建模，得到期望削负荷量与温度调整值之间的映射关系，从而更好地指导电力需求侧管理。

附图说明