[发明专利]一种商业楼宇空调负荷集中调度方法

说明书

本发明公开了一种商业楼宇空调负荷集中调度方法，包括获得历史数据样本，进一步得到最优特征集；将各历史数据样本提取的特征元素的特征值进行归一化处理；选择极限学习机参数，并对其进行训练分类；根据公共楼宇的行为特性，对各时段的楼宇空调负荷进行削峰优先级评估；基于各公共楼宇各时段的优先级和调度模型进行初步的公共楼宇降负荷指标分配；各公共楼手段，对空调负荷进行虚拟优化预调控；对各楼宇的调控状况进行评价，根据宇根据降负荷指标和其空调负荷调控模型和约束，利用自身的柔性和刚性调控评价值调整降负荷指标，并重新进行各楼宇的优化调控，直至所有楼宇满足调控目标。

技术领域

本发明涉及电力系统负荷调度领域，具体涉及一种商业楼宇空调负荷集中调度方法。

背景技术

近年来，随着经济的飞速发展，公共楼宇空调负荷日益增加，且体现为负荷峰值集中，逐渐成为夏季电力短缺的主要原因之一。且由于负荷峰值集中，其带来的夏季负荷峰谷差也十分明显，给电力系统的安全稳定也带来了一定的挑战。

随着电力改革如火如荼的进行，电力市场以及需求侧响应技术近年来得到了广泛的研究。让用户参与需求响应，一定程度上确实能实现削峰填谷，缓解夏季用电压力，但由于需求响应技术在应用层面的不普及以及用户参与度和参与热情等因素的影响，仅仅依靠需求响应来进行用户侧的削峰填谷显然具有随机性和不可控的风险，也可能会造成更大的备用成本和风险成本。

根据公共楼宇自身属性以及其空调主要为中央，其空调主要为中央空调，这就为电网侧集中调控公共楼宇空调负荷提供了可能，且这种集中调控手段无疑是具有可行性和调控潜力的。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种商业楼宇空调负荷集中调度方法。

本发明采用极限学习机技术，根据近年来某市的用户负荷数据，对公共楼宇负荷进行行为分析和分类；基于用户的用电行为，根据下发组合调峰的指令；将指令进行优化分解，在各楼宇分别预执行分解后的调控指令；最后对优化调控的结果进行评估，根据评估结果修正下发的指令直至所有楼宇用户能确定有效地执行下发的指令，再将最后的各楼宇调控指令下发至各楼宇用户。

本发明采用如下技术方案：

一种商业楼宇空调负荷集中调度方法，包括如下步骤：

采集某电网系统的用户历史数据，获得历史数据样本；

对历史数据进行特征提取，并获得最优特征集；

将各历史数据样本提取的特征元素的特征值进行归一化处理，所述特征元素包括最优特征集中日用电量、日最大负荷、日最小负荷、日最大负荷出现时刻、日最小负荷出现时刻、年度用电数据、季节用电数据及日用电类型数据；

选择极限学习机的参数，其参数包括核函数和隐含层节点个数；

采用极限学习机对归一化的最优特征集进行训练分类，得到按照实际使用情况，商业楼宇空调负荷的分类；

根据公共楼宇的行为特性，对各时段的楼宇空调负荷进行削峰优先级评估；

基于各公共楼宇各时段的优先级和削峰优化模型进行初步的公共楼宇降负荷指标分配；

各公共楼宇根据降负荷指标、空调负荷调控模型和削峰优化模型约束，然后利用自身的柔性和刚性调控手段，对空调负荷进行虚拟优化预调控；

对各楼宇的调控状况进行评价，根据评价值调整降负荷指标，并重新进行各楼宇的优化调控，直至所有楼宇满足调控目标。

所述历史数据是指夏季用电高峰的负荷数据以及春季入夏前的用电负荷数据。

本发明采用启发式算法及向前添加搜索，并同步评价，不断迭代的方式对历史数据进行特征提取，并获得最优特征集。