评价住宅HVAC控制战略需求响应计

摘要

对于个别房主以及住房人口，为了分析需求响应方案的好处 ，一个详细的模拟程序被开发。本文描述了用于模拟模型的方法开发，和对于暖气，通风和空调（HVAC）系统，当应用负载形状不同的控制策略时，对经济利益和影响配电馈线模拟模型的应用研究 。使用模拟程序，各种住宅HVAC控制 对单户住宅和多人住宅进行战略分析。结果表明，削减控制策略提供了最需要救济。但是，紧接削减事件，这个需求缓解以安慰和差异为代价。预冷几乎提供了削减策略的需求缓解，但是消耗了更多的能源和成本。随着预冷控制策略实施，没有舒适性和多样性在削减前和后被保持。

简介

在过去的一些年，许多公用事业和独立的系统运营商（ISOs）开始市场需求的反应（DR）程序。程序可以提高电力需求弹性，它可以温和的供应商的能力行使市场的力量来操纵电价和减少对纺纱储备的需要。在放松管制市场，对DR方案通常有两种目标：减缓价格波动和供需平衡。传统上，如纺纱储备、负载以下和频率调节这些服务由发电机提供。

当低于某一阈值，在高频继电器被触发，摆脱负荷恢复到平衡发电机，为此目的使用负荷控制系统频率下降。（陆和Hammerstrom2005年）。在调整电源系统，可提供的服务也许是市场根基。由于负荷控制能够起到与在维护电力系统的平衡方面，发电机的功率控制作用非常相似角色，它也可以参与在低频率减少负荷程序中作为紧急情况下的快速补救行动（约万诺维奇等。1994年，德尔菲诺等人。 2001年）。

虽然DR程序可以提高需求弹性并提供救济的需求，许多家庭和楼宇业主和建筑商有很少信息，他们可以提供多少救济的需求或什么经济上的回报，将会是一个DR计划的参与。此外，设计者和DR程序的实施者（公共事业佣金，公用事业，和ISO）也有DR程序广泛采用对传输和分配系统影响的一些小知识。为了更好地了解广泛参与，准确，详细的能源资源分布模型的潜在影响，在分布馈线水平是必要。

在DR控制策略的应用程序（博恩1982;施瓦耶普等。 1989年; Daryanina等。 1989年，路和Chassin2004年，路等。 2005）可分为三类：削减负荷，负荷转移和替代（燃料转换）。负荷削减，顾名思义，减少负荷，高峰期间，预计价格或高峰负荷期和关闭用户或在削减期装置用电消耗削减。负荷转移，顾名思义，高峰期前转移用电，或者高峰期后在预期的消费高峰期价格期减少用电。一个负载转移战略的一个重要特点是，它可以针对温控设备，如循环荷载（TCAs）。

（循环荷载）包括住宅供暖，通风，和空调（HVAC）系统，电热水器，冰箱，冰柜。变化的一个TCA恒温器设定能够转移数以万计的三氯乙酸的消耗，这取决于产品。如果设定值控制在应对市场价格，转移三氯乙烷的能源消耗有助于减少那个时期的负荷。一般来说，三氯乙酸的能源消耗被及时转移，而不是减少，因此，在这事件前或者后电将要不得不被消耗。

能源消耗可减少或转移，从高价位时期到低价位时期，以减少高峰负荷和合理选择控制战略的能源成本。本文重点对各住宅空调负荷控制策略评价，这种策略可被用来减轻价格波动。在下一节中，我们提供了一个简要的概述各种造型已经由他人使用，研究人员还描述了该方法被用于这项研究。对一些关键投入该模型的灵敏度空调在下面的部分进行了详细分析。然后，多变的
住宅空调控制策略制定，实施，并评估了单户住宅。这个控制策略对服务多户住宅配电馈线的影响也进行了分析。

虽然本文的分析是对住宅空调的DR控制策略方案有限的评价，该方法也可用于研究其他住宅设备的影响。此外，该模型也可用于评价来自小型商业建筑物的影响。

家用电器建模

住宅设备分为那些恒温控制的和那些没有恒温控制。在一个居住空调系统有四个主要的循环荷载，电热水器，冰箱，和冰柜。估计一个三氯乙烷的能源消耗，一准确的模型是至关重要的。许多不同类型的建模方法已被用于家电能源消费模式。在下一节中，我们回顾了一些建模方法和用于当前的分析描述方法。

TCAs建模方法

几乎所有今天的分配负荷预测是根据经验确定的一些组合测量和概率。（Heunis和赫尔曼2002年;威利斯1997年; Hatziargyriou等。 1990年）。一些研究人员已申请的统计分析历史数据模型，用于TCAs模型结束使用负荷，（Gellings和泰勒1981年底使用的负载布赖斯1985;井原和施瓦耶普1981;郎等人。 1982年）。因为从所有的馈线载荷部件内的贡献与一个单一的集总模型结合，不允许从总负荷（Guttromson等。2003）提取或回归的各部分。基于一个工作周期方法的模型（Ryan等。1989年）也已经形成直接负荷控制。这些模型也是基于一些在变电所收集到的历史数据。虽然这些模型比数据模型灵活，因为它们能占非工程因素，例如天气模式和顾客的行为，他们是经验驱动和非交互式。

为预测每小时或每小时住宅最终使用的负荷 ，以第一原则为基础的或以物理为基础的方法 ，也被用来评价负荷管理方案的影响 。陈等人，（1981年）用于多元化的负荷， 该负荷从数量有限的个别住户负荷形状到形成一个负载的多样化模式。这种方法考虑到这些设备的热特性，导致以自下而上的方法。基于第一原则的负荷建模方法， 更适合DR效益分析 因为这些模型预测个别负荷动态响应，同时提供的这些合理准确地负载聚合反应（莫利纳等。2003年）。

TCAs作为时间函数的能量消耗也可以准确估计，采用简化的第一原则模型，如等效热参数（Sonderegger1978年的Subbarao1981;威尔逊等人。 1985年，普拉特和泰勒1994年）。

这种方法模型的制冷和制热负荷的居住或小型商业建筑作为一些集总参数的函数（有效信封电导，有效热质量，有效的太阳能孔）和性能系数（缔约方大会），天气，内部收益和恒温器设定点。热水器，冰箱的负荷冷冻机也可以使用这种简化的建模​​方法。

研究在各种载荷下的住宅价格的反应的分析 ，仿真模型被开发出来，这种策略是基于等效热参数（ETP）的方法。如图1所示，它是一个自下而上 方法，其中ETP模型是用来预测每种类型的电器设备负荷。每个电气设备的单独负荷，每个家庭的负荷，及对某一组的家庭总负荷能够利用该模型进行估计。虽然这种方法有 许多优点，它是计算机密集，对大量的负荷不能处理好（大于10000）。欲了解更多关于仿真模型详情 ， Guttromson等涉及到。 （2003年）。

暖通空调系统的等效热物性参数模型

由于对住宅负荷模型和能源消耗ETP方法已被证实，还因为它是基于第一原理，这种建模方法已为目前的工作所选择（1978年Sonderegger选择;1981年的Subbarao;威尔逊等人。 1985年，普拉特和泰勒1994年）。一个ETP电路模拟模型用来模拟一个典型住宅加热和冷却负荷显示于图2。传热性能由用于建模的恒温控制空调系统的相关参数的等效电气元件来代表。

ETP模型的状态空间描述正在解决ETP模型，我们可以得到的冷却/加热负荷，因此能量被消耗，从而保持住宅在要求的舒适度水平。使用空调系统的ETP模型，作为单个家庭时间函数的热负荷可以计算。然后通过使用典型生产商提供的空调部分负荷性能数据热负荷转换为能量。使用相同的仿真模型，对多人家庭的能源消费也可以计算。虽然模拟一人口的家庭，每个家庭的能源消耗在每个时间段被计算机模拟。因此，当电力负荷汇总时，我们得到一个准确的配电馈线表示。

由于热参数广泛的多样性（质量，效率，设备和oversizing因子）用于计算整个家庭负荷，建立了这些参数（见表1）的范围。由于在建设实践中的区域分歧和差异很大，即使在一个地区，一个值的范围被分配为基于计量研究上的关键参数（普拉特等人。1990）。虽然估计个人住宅的能源消耗，热参数是随机（从既定的范围利用均匀分布）分配给每个家庭。在人口简单，支持使用多个ETP模型仿真程序的所有房子中，但是同样的ETP模型被用来表示。因此，除了改变输入参数，同时模拟一个家庭人口，在ETP模型也可以更改为准确反映一给定建筑存量。这将确保它准确地再现负载多样性的影响。

暖通空调模型的灵敏度分析

之前仿真模型可用于研究各种DR方案HVAC控制策略，一般该模型的反应必须是通过仔细分析验证。因此，在本节中，该模型的敏感性，在估计能源消耗和其他关键产出作为一个主要热和控制参数时被表示。 在一分钟间隔和每小时、每天恰当汇集值作为需要，模拟进行。

敏感性分析通过一次改变一个关键的输入，同时保持其他投入恒定在典型值而进行，（表1第3栏）。暖通空调系统平均功耗和室内温度响应，为一个典型的夏季的一天绘制三种不同的UA值在图3。相应的室外温度配置文件也绘制，正如预期的那样，耗电量增加与UA有关。对于所有的模拟运行时，室内冷温度设定为75华氏度（23.9℃），但在夜晚，在室内温度被允许浮动低至60华氏度（15.6℃）加热开启以前。因此，室内白天温度通常约为75华氏度（23.9℃）（正/负死区），并在晚上为浮动低至60华氏度（15.6℃）。居住的室内温度衰减，正如预期，随着UA增加。

当住宅内部热质量增加时（BTU /小时⋅华氏度或W/ ° C），它储存热量的能力也增加。图4显示了作为一个时间函数的室内温度响应，随着热质量作为住宅的一个参数（三个不同的热质量值），平均功率消耗不随着热质量一致改变，然而，具有较高质量的住所在晚上室内温度有较慢的衰变（图4）。在三个不同值的暖通空调设备的尺寸情况下平均功率消耗的大小显示在图5。

模拟住宅的设计冷却能力约3.5吨。所以，3吨单位将略有不足的，而4吨股将超大。3吨单位的平均功率能耗是比3.5吨的功率使用和由于长时间的3吨用完的4吨是低的。此外，由于部分负荷性能， 所有这三个设备的COPd 大小被认为是相同的，在一天的能源消费量与所有三种情况几乎相等。然而，规模较小的单位比较大的单位循环频率低。平均功耗和三死区恒温器的室内温度值如图6所示。随着温控器死区增加，功耗作为有略有增加。 Zuòzhě: ETP móxíng shì jiějué ETP móxíng zhuàngtài kōngjiān miáoshù, wǒmen kěyǐ dédào de lěngquè/jiārè
Fùzǎi xiāohào, cóngér bǎochí zài lǐxiǎng de jūzhù shūshì dù de néngliàng.

虽然与实际测量一户响应的模拟模型尚未校准，立足于敏感性分析了模拟一般反应模型被预期，并会提供有用的结果，需求响应以及比较可以采用的不同的控制战略。本文的其余部分将分析对与单户住宅以及多人的住宅不同的住宅空调控制策略。

暖通空调控制对策

需求的缓解金额，缓解期限是可以实现的，和舒适的损失取决于许多因素，包括使用的控制策略的类型。有许多暖通空调控制策略可以用来要求的提供救济。一些控制策略明显的影响舒适性，同时增加能源其他消费。对于这个分析，下面的控制策略进行了评价：

1 恒定室内温度设定值75华氏度（23.9℃）。
2 恒室内温度设定值80华氏度（26.7℃）。
3 总的削减高峰时段的价格。
4 在价格高峰期复位温度（从75华氏度[23.9℃]增加至80华氏度
   [26.7℃]）。
5 在价格高峰期前预冷（从75华氏度[23.9℃]下降到65华氏度[18.3℃]）。

图7显示了作为一个室内温度设定值，一天中的时间函数的评估了这项研究各种空调控制策略。

此分析的高峰期价格被假定为下午三时至8时，前两个控制策略是基于一个固定的室内设定值，即室内温度设定值保持不变，无论是在低价格和高峰时段的价格。对于削减控制策略，室内温度被人为复位高值，使该单位不会拒绝在关于高峰期的价格，基本上锁定了空调系统。对于温度复位控制策略，室内冷却设定点在价格高峰期由原来的75华氏度（23.9摄氏度）到80华氏度（26.7℃）。修改后的复位控制策略是类似的复位控制策略，但价格高峰后，立即期结束，气温降低1华氏度（0.56℃），而不是每小时立即降低到75华氏度（23.9℃）。对于预冷控制战略，降低室内温度从75华氏度（23.9° C）到65华氏度（18.3℃）高峰期的价格开始前的几个小时，然后在高峰期允许温度浮动到80华氏度（26.7℃）。同样，在事件发生后完成，温度降低到75华氏度（23.9℃）。该修改控制预冷是与预冷类似的控制，但相反，降低温度和温度升高是在几个小时逐步完成的。

复位温度控制评价与总缩减

为了评估各种暖通空调控制的有效性战略，一个单独的住所（第3栏使用的输入表1）在所有上述控制策略下模拟（预冷控制在下一节讨论）。根据各种HVAC控制室内的温度响应策略是如图7（右）。相应的平均每小时的能源消耗作为时间的函数如图8所示（左）。虽然削减负荷控制战略提供了最需要缓解， 在削减期间室内温度超过正常人体舒适的水平。此外，请注意，在削减结束有一个明显的能源消费的增加。 如果有大量的住宅削减总体战略，这个“回报“的影响效果，立即可以有一个明显的时期对配电线路的影响，因为所有的空调负荷将增加在那个时候（没有100％占空比多样性）一致。更多的多样性对负荷控制的影响的讨论在稍后提供的文件。在80华氏度（26.7℃）室内居住设定值相比75华氏度（23.9℃）设定值，能源消费只有30％的跌幅。

在一个典型的能源消耗累计夏季各种暖通空调控制策略在表2列出。虽然削减控制策略提供高峰期间的价格最大的缓解，住所采用这种控制策略消耗的大部分能量。与80华氏度（26.7℃）室内设定居住在一天消耗最少的能量，但缓解在高峰期的价格也是最低的。修改后的温度复位控制策略使用最少的能源，同时提供在繁忙缓解中度价格的时期。平均要求减免的各种控制策略提供相对于设定值不变的情况（75华氏度[23.9℃]）是图8（右）。如前所述，削减控制战略提供了最需要救济，而温度复位控制策略提供约一半的缓解削减控制策略。

预冷温度控制与总缩减

通过预冷室内温度为65华氏度（18.3℃），居住温度可维持在或低于80 °F的高峰价格大部分时间（26.7℃）不使用暖通空调的能源。当室内温度超过80华氏度（26.7 °C）时，空调机接通。使用这些控制策略的一个居住的能源消耗的比较如图9（左）。的预冷控制策略提供缓解的需求的是类似的削减，但没有舒适程度下降（虽然温度降低到65华氏度[18.3℃]前的高峰期价格几个小时）。还请注意，修改后的预冷可以导致严重的需求的影响，因为失去了多样性中的高峰时间。对于这些控制能源消耗累计战略见表3。累计能源无论是预冷或模型预冷的能量消费是明显比（30％）更大，同时缩减无控制选项。通过预冷控制策略提供平均需求缓解较常数设定（75华氏度[23.9℃]）如图9所示（右）。与设定值事件相比，这三个控制策略提供了类似的缓解需求水平。

各种控制策略能源成本的比较

在上一节，典型的每日能量消耗的各种暖通空调控制策略提出了。几乎所有的控制策略消耗更多的能量比不变设定点控制。但是，所有的控制策略提供在高峰期提供一些缓解需要。客户经济影响取决于高峰和非高峰期电价。在一些住宅关键峰定价方案（图10），各种控制策略经济影响的评估采用典型夏季价格从纽约ISO4和利率组合使用。

对于选定住宅HVAC控制策略运用典型，使用纽约国际标准组织夏季价格，在一个典型的夏季的一天累积的能源成本列于表4。由于纽约国际标准组织的高峰期价格期为中午十二时至下午6时，控制（温度设定点）进行了调整高峰期。尽管所有的三个控制策略提供在高峰期间价格期间缓解需求，所有策控略的能源成本比通常控制设定值高（达50%）。虽然价格高峰期为典型的夏季高峰期的定价方案是略不同，每天的能量消耗相类似于纽约国际标准组织的方案（见表5）。然而，每天能量不同的控制策略是更接近恒温情况。

控制策略配电馈线

到目前为止，所有的分析是基于一个单一的居住地;，然而，同样重要的是评估各控制策略对一组或配电反馈的多人家庭的影响。仿真模型模拟100甚至1000个家庭的模拟反应。三种不同的人口规模进行了模拟：10家，100家和1000家。报告的结果是平均基于10个不同的样本。例如，为10家的人口，进行了仿真10每10家不同样品的结果平均（包括在家庭和整个样本）。由于热物性参数中在多人的住宅有广泛的变化，在表1款设立的使用范围而模拟的人口反应。仿真随机模型（使用过每均匀分布范围）赋值的家庭人口。每个人的所选属性平均值根据10个样本的平均值列于表6。

表7和8比较累计每日能量 消费，日常能源成本，平均缓解需求量在繁忙时间每居住三种人口规模 两种不同的电价文件（纽约ISO和关键 峰值定价），并比较纾缓需求的不断 设定点控制情况（75华氏度[23.9℃]）的两种定价 场景。不同人口的总体趋势大小相似（图11和12）。在削减控制策略比其他 控制策略使用最少量的能量，并提供了最大的需要缓解。 救济的平均需求提供的削减控制 战略比在大多数情况下预冷控制策略高约20％至25％。缓解的需求对不同的人口规模几乎是相同的。 虽然有削减控制策略家庭的能源使用成本比其他控制策略下低，对舒适程度有重大影响。这些结果是 根据两间电力价格概况，并应注意预冷，对于控制策略，绝对成本高峰期间的费用少与非高峰期有关 对峰的价格。如果在非繁忙时间和非高峰期之间选择，具有较高的电动差异成本为预冷的将更加少。此外，它是重要的是开始时间不预冷优化如果开始时进行了优化，能源消费量可能已经下降。

荷载多样性探讨

配电系统的设计要充分利用电器的自然循环，因为任何给定时间的平均负荷比最可能大的连接负荷低。负荷控制的一个副作用是，它可以明显影响自然占空调比，这破坏了自然连接负载（Ryan等1989;。韦勒1988; Chassin等。 2004年）的多样性。这种现象说明在图9在削减控制选择高峰价格期，其中空调装置完全关闭期间。到控件事件结束，在所有参与住宅的室内温度，远高于常规的温控器设定值75华氏度（23.9℃）。因此，控制期结束一结束，所有空调单位将尽快启动。控制周期结束后，将创建一个巨大的立即负载（有时也被称为回报的现象），并继续直到负载多样性实现。另一方面，恒温控制期结束后，修改后的控制选项逐步降低。从而降低了投资回报的现象。增加多样性的另一种选择是在控制时期后，随机的暖通空调的开始时间。

总结和未来工作

为了在一个竞争性的电力市场实施负荷控制我们已经研究了各种HVAC控制策略。以简化的第一原理为基础的热负荷模型已开发使用模拟空调负载响应和空调系统负荷聚合反应。对缓解需求，室内温度响应（舒适），以及能源成本的影响进行了评价的四个不同的控制策略：（1）恒温控制，（2）总缩减，（3）温度复位控制，（4）预冷控制。结果表明，暖通空调系统的温度控制和复位预冷的控制可以显著的缓解需求，但是能有能量和费用的花费。缩短控制需求提供了最大缓解，但室内温度迅速超过了大多数的舒适程度人类。因此，这种控制类型只能用于短期内（不超过一小时）。预冷控件显示对需求缓解需要几个小时的哪些情况下是最适合。

今后的工作是开发控制策略以尽量减少实时市场能源成本。这需要优化控制启动时间，尽量减少能源成本，但仍提供需求缓解。TCAs的使用提供配套的可能性服务，其中负载需要响应频率偏差，也将进行研究。

进一步的工作还需要校准住宅负荷模型与实际现场数据以及需求反应方案的数据。尽管一些住宅负载建模工作将适用于商业楼宇，自定义性质的商业楼宇设备和配置，这意味着模型这些负载货物将有可能需要大量的定制。对其他增强造型包括分布式发电和存储模型的发展。

致谢

本文的工作报告部分由在GridWise™计划在电传动办公室和分布美国能源部赞助。太平洋西北国家实验室是美国能源部的操作由巴特尔纪念研究所的能源合约的DE -AC05-76RL01830。笔者要感谢大卫提供Chassin在发展提供的在模拟环境中的宝贵支持，迈克尔R Brambley提供有价值的反馈，并且编辑苏珊阿里提供支持。