模型和数据驱动结合的暖通空调需求响应成本分析.pdfVIP

第26卷第2期电电力力需需求求侧侧管管理理Vol.26，No.2Mar.15，2024

2024年3月15日PowerDemandSideManagement文献标志码：B

DOI：10.3969/j.issn.1009-1831.2024.02.005文章编号：1009-1831（2024）02-0027-07中图分类号：TM714；TK018

模型和数据驱动结合的暖通空调需求响应成本分析

赵本源，赵建立，张沛超，姚刚，杜江12311

（1.贵州电网有限责任公司电力调度控制中心，贵阳550002；2.国网上海市电力公司，上海

200030；3.电力传输与功率变换控制教育部重点实验室（上海交通大学），上海200240）

摘要：为实现楼宇暖通空调与电网友好互动，提出了模型与数据驱动相结合的需求响应成本分析。首先，利用人工神经网络的

拟合能力，从物理模型中自动学习并构建动态模型。然后，考虑温度变化对楼宇人员工作效率的影响，建立暖通空调设定温度

的优化模型并基于粒子群优化算法进行求解。最后，将用户因偏离最优设定温度而产生的额外成本定义为响应成本，据此提出

暖通空调的需求响应成本分析方法。仿真结果表明，通过设定暖通空调的最优温度，可显著降低用户的总成本；响应成本曲线

可反映用户的工作效率损失因素，从而帮助用户在需求响应中理性确定投标价格。

关键词：暖通空调；需求响应成本；人工神经网络；工作效率

DemandresponsecostassessmentofHVACbasedonmodelanddatadriven

ZHAOBenyuan,ZHAOJianli,ZHANGPeichao,YAOGang,DUJiang12311

（1.PowerDispatchingandControlCenter,GuizhouPowerGridCo.,Ltd.,Guiyang550002,China；

2.StateGridShanghaiMunicipalElectricPowerCompany,Shanghai200030,China；3.KeyLaboratoryof

MinistryofEducationonControlofPowerTransmissionandPowerConversionControl（ShanghaiJiaoTong

University）,Shanghai200240,China）

Abstract：Torealizefriendlyinteractionbetweenbuildingheating,ventilationandairconditioning（HVAC）andthepowergrid,ademand

responsecostassessmentmethodcombiningmodelanddatadrivenisproposed.Firstly,thefittingabilityofartificialneuralnetwork（ANN）

isusedtoautomaticallylearnfromthephysicalmodelandbuildadynamicmodelofHVAC.Then,consideringtheimpactoftemperature

changesonthepersonnelefficiencyofbuilding,anoptimizationmodeloftheHVACsettingtemperatureisestablishedandsolvedbasedon

particleswarmoptimization（PSO）algorithm.Finally,additionalcostincurredbyusersduetodeviationfromtheoptimalsettemperatureis

definedasresponsecost,anddemandresponsecostassessmentforHVACisproposedaccordingly.Simulationresultsshowthatbysetting

optimaltemperatureofHVAC,totalc