基于数据驱动负荷预测与鲁棒 MPC 的热泵调频方法

随着接入电网的波动性可再生能源增多以及化石燃料电厂的逐步淘汰，对频率调节的需求日益增加。在需求侧，配备电加热或冷却系统的建筑或区域可通过利用其热惯性来提供频率调节服务。挖掘该潜力的现有方法通常依赖动态建筑模型，而实践中获取与维护此类模型颇具挑战。因此，这类系统的实际部署很少。此外，主动控制建筑需要大量控制基础设施，并可能在区域能源系统中引发隐私担忧。受此驱动，我们利用缓冲储热的热惯性作为储备，此处将建筑模型简化为负荷预测。通过结合基于鲁棒模型预测控制（Robust Model Predictive Control）与仿射策略的控制方案，以及基于人工神经网络（Artificial Neural Networks）并带在线校正方法的供热需求预测，我们利用由热泵与缓冲储热组成的系统提供频率调节储备并维持用户舒适度。鲁棒方法确保了居住者舒适度，而仿射策略的使用降低了扰动不确定性对系统状态的影响。在一个前所未有的类真实区域建筑能源系统实验中，我们证明该方案能够在多种条件下提供储备，并在满足连接建筑供热需求的同时跟踪调节信号。13.4% 的耗电为柔性。在额外的数值研究中，我们证明使用仿射策略显著降低了代价函数并增加了所提供的储备量，并相较于全知控制系统考察了其次优性。