[发明专利]基于递推最小二乘法的空调所属建筑物一阶模型实时参数辨识方法

说明书

技术领域

本发明属于电力系统调度部分的参数辨识技术，尤其涉及负荷聚合商对空调负荷的实时参数辨识。

背景技术

在硬件支持方面，负荷聚合商可以通过智能电网的高级测量终端和双向通信网络获取用户空调的开关状态、室内外温度的实时变化情况，并对空调负荷进行实时控制与调度。在在线辨识方法方面，目前常用的方法有最小二乘法、人工智能法、卡尔曼滤波法等，但由于人工智能法其本身的复杂性，在实际应用中较少使用，而卡尔曼滤波法在迭代过程中也要做大量计算工作，因此在多种参数辨识方法中，最小二乘法的原理简单，计算量少，被广泛应用于各个领域的在线参数辨识。为了减少实时参数辨识过程中的计算量，一种非常实用的改进的最小二乘法—递推最小二乘法被提了出来。依托于智能电网的硬件支持和相关的在线辨识技术，负荷聚合商的空调负荷在线辨识对空调负荷参与需求响应起着至关重要的作用。

空调负荷作为一种重要的需求响应资源，其所属建筑物ETP模型已经被广泛应用于空调负荷控制的各个领域，但其模型中的一些参数与建筑物的墙体的厚度、窗户面积、体积大小等因素密切相关，无法通过测量获得，因此需要通过一定的参数辨识手段对空调负荷模型的参数进行识别。但由于我国需求响应工作起步较晚，目前有关空调负荷模型的参数辨识还未提及，忽视了空调负荷的实时在线建模。

发明内容

发明目的：为了弥补现有需求响应过程中空调所属建筑物一阶模型参数在线识别技术的空白，本发明提供一种基于递推最小二乘法的空调模型实时参数辨识方法，将空调负荷的ETP模型等效为标准差分方程，确定输入输出序列及待辨识序列，通过智能电网的高级计量终端对输入输出序列进行实时数据采集，并向负荷聚合商进行数据传递，负荷聚合商利用递推最小二乘法对空调负荷模型的实时参数辨识，实时建立负荷聚合商管辖范围内的空调负荷模型，用以进行空调负荷的实时控制与调度。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于递推最小二乘法的空调所属建筑物一阶模型实时参数辨识方法，实时建立负荷聚合商管辖范围内的空调负荷模型，用以进行空调负荷的实时控制与调度；将空调所属建筑物ETP模型等效为标准差分方程，同时确定输入输出序列及待辨识参数序列；通过智能电网的高级计量终端对输入输出序列进行实时数据采集，并向负荷聚合商进行数据传递，负荷聚合商利用递推最小二乘法对空调负荷模型的实时参数进行辨识。

上述方法具体包括如下步骤：

(1)将空调所属建筑物ETP模型等效为单输入/输出线性系统，并使用差分方程的标准形式进行描述，确定k时刻的输入输出序列为[u(k),y(k)]，k时刻的随机变量序列为e(k)，待辨识参数数量为2n+1，待辨识参数为a₁...a_n和b₀...b_n，负荷聚合商管辖范围内的空调负荷模型为：

式中：n为差分方程的阶数；

(2)负荷聚合商通过智能电网的高级计量终端采集输入输出数据，并对采集的输入输出数据进行预处理形成输入输出序列；

(3)获取k-2n-3～k-3时刻的N＝2n+1个输入输出序列，根据式(1)列出N个差分方程为：

y(n+1)＝-a₁y(n)-…a_ny(1)+b₀u(n+1)+…+b_nu(1)+e(n+1)

y(n+2)＝-a₁y(n+1)-…a_ny(2)+b₀u(n+2)+…+b_nu(2)+e(n+2) (2)

y(n+N)＝-a₁y(n+N-1)-…a_ny(N)+b₀u(n+N)+…+b_nu(N)+e(n+N)

将式(2)写成矩阵的形式为：

Y(N)＝Φ(N)η(N)+E(N) (3)

式中：

Y(N)＝[y(n+1),y(n+2),…,y(n+N)]^T (4)

η(N)＝[a₁,…,a_n,b₀,…,b_n]^T (5)

E(N)＝[e(n+1),e(n+2),…,e(n+N)]^T (6)