浅析电力物联网支撑下面向清洁能源消纳的需求侧热控负荷集群协同技术

于金莹

【摘 要】需求侧热控负荷资源丰富，可为电网服务。本文构建了需求侧热控负荷协同管控架构。家电厂商沟通电网与需求侧，将负荷资源虚拟聚合，各组协同完成消纳任务;电网通过非侵入负荷监测终端获取负荷信息，结合聚合商反馈信息为其分配消纳任务。建立了热控负荷容量双向评估机制，以用户舒适度和可调负荷容量构建了消纳分配最优化问题;利用系统辨识实现对同种类热控负荷的统一管控。

【关键词】需求侧;热控负荷管控;非侵入负荷监测;统一控制

中图分类号： TM621.3文献标识码： A文章编号： 2095-2457（2019）21-0111-002

DOI：10.19694/j.cnki.issn2095-2457.2019.21.050

Analysis on The Demand-side Thermostatic Controlled Load Cluster Collaborative Technology Supported by The Internet of Electric Power for Clean Energy Consumption

YU Jin-ying

（School of Electrical and Electronic Engineering of North China Electric Power University， Beijing 102206， China）

【Abstract】Demand side thermal control load resources are abundant and can serve the power grid. In this paper， a demand-side thermal load collaborative management and control architecture is constructed. Domestic power plant businessmen communicate with the grid and demand side， virtual aggregation of load resources， and each group cooperates to complete the absorption task. Power grid obtains load information through non-intrusive load monitoring terminals， and distributes the absorption task for them with aggregator feedback information. A bidirectional evaluation mechanism of thermal control load capacity is established， and the optimization problem of absorption and distribution is constructed by user comfort and adjustable load capacity. The unified management and control of the same kind of thermal control load is realized by system identification.

【Key words】Demand side; Thermal load management and control; Non-intrusive load monitoring; Unified control

0 引言

清潔能源发展迅速但利用率低，建立储能系统是解决清洁能源消纳问题的主要方法[1]。然而，该方法缺乏灵活性。电热水器、空调等热控负荷可将电能以热能形式短暂存储[2]，经集群管控后等效为需求侧储能系统，是配合清洁能源上网的经济可行方法[3]。相关研究提出通过负荷聚合商，对负荷资源进行集中管控来平抑系统波动，促进可再生电力消纳[4]，为电网提供辅助服务。文献[5]以需求侧管理为基础，利用聚合空调消纳清洁能源。在异质热控负荷研究中，文献[6]将负荷群划分为多个同质簇，各簇由独立的控制器控制。通过负荷管控进行清洁能源消纳，形成电网、聚合商、需求侧三者之间的信息交互体系。此外，实际中同种负荷的型号规格差异很大，需要在同质聚合模型的基础完善异质聚合模型。同时，不同种类负荷之间的协同控制研究能最大程度发掘热控负荷潜力。

本文第一章构建了基于电网-聚合商-需求侧信息交互的热控负荷分组协同管理实现架构。第二章介绍了架构模型建立方法，包括通过非侵入式负荷自动在线监测对入网热控负荷容量做在线评估，多聚合商消纳任务的协同分配和异质热控负荷的聚合管控。

1 电力物联网支撑下的热控负荷资源管控架构

随着智能家电的发展，家电厂商可通过云平台获取本品牌负荷信息，对分散的负荷资源进行管控。本文建立电力物联网支撑下的热控负荷资源管控架构，其由电网，聚合商，需求侧热控负荷组成。如图1所示，电网与聚合商进行信息交互，同时通过非侵入负荷监测终端与需求侧交互，评估入网热控负荷容量，制定任务分配策略向聚合商发布指令;聚合商一方面获取负荷信息向电网反馈，另一方面对所属负荷资源建立聚合模型，通过云平台向负荷发布控制信号;需求侧负荷作为受控对象，是清洁能源出力跟踪任务的直接执行者。

2 电力物联网支撑下的热控负荷资源管控问题的解决方法

2.1 自适应用户的非侵入式负荷自动在线监测机理研究

在用户电力入口处安装非侵入监测终端，通过辨识每个负荷的运行情况并将数据发送到电网，实现居民用电负荷的实时跟踪与管理。在非侵入式负荷监测模式下，负荷辨识是关键。如图2所示，首先将非侵入负荷分解看作电流信号欠定分离，依据信号理论，结合负荷电流信号特征进行求解，获取独立负荷电流波形;再将电流波形类别判断看作模式分类问题，基于贝叶斯分类理论构建类别判别函数;最后将辨识问题看作寻优问题实现负荷辨识。

2.2 多聚合商分组协同的消纳容量分配机制研究

电网作为任务的决策者，同时与需求侧和聚合商交互评估可调度负荷容量，并将分配后的任务下发给聚合商。任务分配应考虑两种情况：当聚合商上报的可调度负荷容量总和远小于电网的评估值时，电网应提高对聚合商的补偿以调动用户参与积极性，直到上报的可调度负荷容量总和满足要求，进而进行消纳任务分配;当聚合商上报的可调度负荷容量总和大于或近似电网评估值时，以聚合商提供的负荷容量范围为准，进行消纳任务分配。如图3所示，以实际容量最接近目标容量构建目标函数，用户舒适度和聚合组消纳能力作为约束，寻优目标函数得到最优解。

2.3 异质热控负荷集群的协同管控模型研究

在聚合商与需求侧负荷进行交互时，负荷参数存在较大差异，需要在同质负荷模型基础上建立异质负荷聚合模型。本文提出了基于机器学习的异质负荷聚合系统辨识方法，具体过程如图4所示，负荷集群控制过程看作未知系统的控制，每个云平台下所属的同种类异质负荷群作为一个未知系统，通过系统辨识确定其系统模型;构建异质聚合模型特征参数看作参数的学习问题，通过机器学习理论对异质负荷集群的特征参数训练学习以辅助系统辨识;系统模型确定后，可通过调整控制激励使输出响应接近跟踪目标，看作目标拟合问题。

3 总结

本文构建了电力物联网支撑下的需求侧热控负荷资源管控架构，该架构由电网，聚合商，需求侧共同参与，可用于为电网提供辅助服务。电网与需求侧交互，通过非侵入终端获得入网热控负荷容量;聚合商与需求侧交互，得到聚合负荷容量并反馈至电网;电网与聚合商交互，分配消纳任务，协同各聚合商消纳清洁能源。本文综合考虑用户舒适度、任务完成度及负荷消纳能力，研究聚合组消纳任务的最优分配问题，提出了利用系统辨识理论确定异质聚合模型，研究不同类异质负荷的协同控制，构建联合管控模型，充分利用热控负荷资源。

【参考文献】

[1]Mahdavi N ， Braslavsky J H ， Seron M M ， et al. Model predictive control of distributed air-conditioning loads to compensate fluctuations in solar power[J].IEEE Transactions on Smart Grid， 2017：8（6）：3055-3065.

[2]Alhaider M， Fan L.Planning Energy Storage and Photovoltaic Panels for Demand Response With Heating Ventilation and Air Conditioning Systems[J].IEEE Transactions on Industrial Informatics，2018，14（11）：5029-5037.

[3]Kondoh， Junji， Lu， et al. An Evaluation of the Water Heater Load Potential for Providing Regulation Service[J].IEEE Transactions on Power Systems，26（3）：1309-1316，2011，26（3）：1309-1316.

[4]高賜威，张良杰，杨晓梅.中央空调负荷聚合及平抑风电出力波动研究[J].中国电机工程学报，2017，37（11）：3184-3191+3373.

[5]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.

[6]Hu J， Cao J， Chen M Z Q， et al. Load Following of Multiple Heterogeneous TCL Aggregators by Centralized Control[J].IEEE Transactions on Power Systems， 2017， 32（4）：3157-3167.