(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211161957.5 (22)申请日 2022.09.23 (71)申请人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 黄文焘　杨莉　余墨多　李然　 邰能灵　 (74)专利代理 机构 上海交达专利事务所 31201 专利代理师 王毓理　王锡麟 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 30/02(2012.01) G06Q 50/06(2012.01) (54)发明名称 港口冷箱负荷群用电一致性分层优化调度 方法与系统 (57)摘要 一种港口冷箱负荷群用电的一致性分层优 化调度方法及系统， 对冷箱进行热电耦合并建立 包括： 冷箱热力学动态模型、 冷箱用电功率模型 和冷箱温度模 型的单台冷箱模型； 然后采用集群 等效建模的方法， 按照货物类型划分为若干个 冷 箱集群， 再采用冷箱负荷群分层调度架构， 通过 动态电价与集群预调度功率迭代优化方法与制 冷效率主从一致性算法(LREC)进行冷箱一致性 分层优化调度， 实现冷箱多智体一致性功率动态 分配。 本发明对冷箱用电行为进行有序引导， 综 合集中式控制和分布式控制的优势， 采用基于终 端负荷群分散自治的分层控制， 降低冷箱控制维 度与信息交 互量级， 同时保证优化效果。 权利要求书4页 说明书9页 附图9页 CN 115470998 A 2022.12.13 CN 115470998 A 1.一种港口冷箱负荷群用电的一致性分层优化调度方法， 其特征在于， 对冷箱进行热 电耦合并建立包括： 冷箱热力学动态模型、 冷箱用电功率模型和冷箱温度模型 的单台冷箱 模型； 然后采用集群等效建模的方法， 按照 货物类型划分为若干个冷箱 集群， 再采用冷箱负 荷群分层调度架构， 通过制冷效率主从一致性算法(LREC)进行冷箱一致性分层优化调度， 实现冷箱多智体一 致性功率动态分配； 所述的冷箱热力学动态模型为 其中： Δt为单位调度时段(s)； T为冷箱的内部温度(℃)； Tamb为外部环境温度(℃)； σ 为考虑太阳辐射影响而引入的修正系数； A为冷箱的外表面积(m2)； kt为传热系数(W/m2· K)； m和c分别为箱内货物的质量(kg)和比热容(kJ/kg ·K)； PR为制冷量(k W)； 所述的冷箱用电功率模型为 其中： StR(t)为冷箱的运行 状态， StR(t)＝1为制冷， StR(t)＝0为不制冷； PeR为冷箱用电功率； 和 分别为冷箱用 电功率上、 下限； ER R为制冷能效比， 不同设定温度下冷箱的ER R也有所不同； 所述的冷箱温度模型为Tmin≤T(t)≤Tmax， 其中： Tmax和Tmin分别为箱内温度上、 下限。 2.根据权利要求1所述的港口冷箱负荷群用电的一致性分层优化调度方法， 其特征是， 具体包括： 步骤1)对冷箱进行热电耦合， 建立包括： 冷箱热力学动态模型、 冷箱用电功率模型和冷 箱温度模型的单台冷箱模型； 步骤2)采用集群效建模的方法， 按照货物类型划分为若干个冷箱集群， 被编入 同一集 群的每台冷箱具有相同的货物比热容、 温度设定值以及温度允许范围， 通过将集群内所有 冷箱效成一个大容量的冷箱集合， 各CR的用电模型便采用单台冷箱用电模型 的框架， 其质 量和尺寸取集群内所有冷箱质量和尺寸的和； 步骤3)建立冷箱负荷群分层调度架构， 通过制冷效率主从一致性方法进行冷箱一致性 分层优化调度， 避免全部经 由调度中心构成 “采集—处理—控制 ”回路的常规管理方式， 自 下而上达 到良好的分散自治 ‑集中协调的目的； 所述的分层调度架构包括港口调度中心、 冷箱负荷聚合商和冷箱负荷群； 所述的顶层港口调度中心为管辖范围内的基础负荷和冷箱供电， 并通过发布分时电价 信号引导冷箱功率需求进行响应， 从而平抑负荷功率波动； PDC接收优化时段的基础电价、 基础负荷信息和聚合的冷箱负荷需求， 然后根据港区内总负荷和电价对港口功 率需求的弹 性计算新电价并下发至负荷聚合商； 通过电价信号引导， 可使冷箱尽可能在负荷低谷期用 电； 所述的中层负荷聚合商上接调度中心， 下达冷箱负荷群； RFA接收到电价信号后， 以成 本最低作为优化计算目标， 根据电价和 CR模型参数计算各CR的最优功率曲线， 即预调度计 划并下达至相应集群； 同时， RFA收集、 整合冷箱负荷信息， 将各CR负荷需求曲线聚合为总需 求曲线， 上报给P DC； 所述的底层冷箱负荷群将一定数量具有相似用电特性的冷箱聚合为一个集群， 并在集 群内各冷箱间增加通信网络； 为集群中每台冷箱分配一个智能体， 在每个调 度周期， 每个冷权　利　要　求　书 1/4 页 2 CN 115470998 A 2箱智能体只跟相邻的智能体进 行通信交流， 并通过主导型冷箱智能体接收上层下发的该CR 的预调度计划指令， 作为一致性控制的目标； 通过执行一定的协议后， 结合自身实际约束， 每台冷箱即可 得到自己的用电功率需求； 然后CR将自身的实际需求曲线上传至上层； 所述的集群分层优化调度方法包括： 3.1)更新PDC调控信号： PDC的调控目标是减少系统负荷峰谷差； 利用合理的虚拟电价 调控信号， 引导冷箱负荷从港口电网运行高峰向低谷转移， 不仅可削减系统负荷峰谷差， 降 低港口电网运行风险， 而且可降低冷箱运行成本； 优化时段的预测电价和电价对冷箱电力 需求的弹性是已知的， 则第n次迭代时虚拟电价调控信号更新为 其中： i＝1,2, …,M， j＝1,2, …,Ni， M为集群数量， Ni为CRi的冷箱数量； EP(t,n)为第n次迭代 时PDC计算所得t时刻的电价； 为预测电价； a为电价弹性因子， 为电力需求变化1kW时单 位电价的变化； TSL 为负载系数； 3.2)当港区总负荷功率超过高负载阈值时增加负载系数， 从而使冷箱负荷从峰时转移 到其他时段， 具体为： 其中： Ptotal为港区内总负荷功率； Pload为港区内除冷箱外的基础负荷； Pthres为港区高负载阈 值； ρ 为超负载惩罚因子； 3.3)根据PDC发布的电价信息和各CR的用电行为特性， RA制定各CR的预调度策略:每次 迭代时， RA的目标为在满足充电要 求的情况下， 尽可能降低运行成本， 具体为： 其中： PeR,i为RA制定的CRi的预调度计划； 各CR的用电特性由单台冷箱模型描述； 此外， 为在连续周期内进行优化调度， 令各CR的 调度周期末的效温度与初始温度相同， 具体 为： Ti(t0)＝Ti(tf)， 其中： Ti(t0)和Ti(tf)分别为 CRi在调度周期始末的效温度； 步骤4)冷箱多智体一 致性功率动态分配， 包括： 4.1)计算冷箱制 冷效率因子以进行功率分配， 使集群内冷箱充分响应RA的调度指令， CRi的第j个冷箱的制冷效率因子 其中： 分子为冷却 速率， 分母为t时刻 该冷箱的降温裕度； 以总功 率分配后的同一集群内冷箱同一时刻的制冷效率因子达到一致 作为正确分配的标准， 降温裕度越大的冷箱冷却速度越高， 相应的功率需求 也越大； 4.2)通过多智体制冷效率主从一致性方法， 将集中控制问题以分布式方式解决， 将每 个CR都看成一个多智能体系统网络， 分每个冷箱分配一个智能体， 具体为： 通过拉普拉斯矩 阵L＝[ljv]反映多智能体网络 的拓扑结构， 其中： B＝[bjv]为多 智能体网络的邻 接矩阵， bjv>0为智能体j和智能体v之间的连接权重； 选择制冷效率因子作 为CR内各冷箱的一致变量， 使用离散时间一阶一致性算法框架， CRi的第j个跟随型冷箱智 能体第k+1次迭代时的制冷效率因子 其中： Ni是CRi的冷箱个数； 行随权　利　要　求　书 2/4 页 3 CN 115470998 A 3