空调器冷热负荷研究进展

doi:10.19784/j.cnki.issn1672-0172.2024.99.055

摘要/Abstract

摘要： 空调器负荷具有数量大、占比高、具备储能能力、使用周期与用电高峰期相对应等特点。空调器负荷研究已在我国电力系统调度中得到应用,提升电力系统灵活性,整体调控潜力巨大。空调器负荷建模是空调系统设计、运行和优化的基础,随着技术发展,模型将更加集成化和智能化。空调器作为用户侧柔性资源,在电力系统中发挥着重要作用,有助于提升电力系统的调节能力和运行效率。未来,空调器负荷建模将与多个学科交叉融合,推动创新技术的发展,为智能建筑提供更加智能化的解决方案。

关键词: 空调器, 空调负荷, 需求响应, 数学建模

Abstract: The load of air conditioners has the characteristics of large quantity, high proportion, energy storage capacity, and corresponding service life to peak electricity consumption periods. The study of air conditioner load has been applied in the dispatch of China's power system, improving the flexibility of the power system and having great potential for overall regulation. Air conditioner load modeling is the foundation of air conditioning system design, operation, and optimization. With the development of technology, models will become more integrated and intelligent. As a flexible resource on the user side, air conditioners play an important role in the power system, helping to improve the regulation capability and operational efficiency of the power system. In the future, air conditioner load modeling will be integrated with multiple disciplines to promote the development of innovative technologies and provide more intelligent solutions for smart buildings.

Key words: Air conditioning, Air conditioning loads, Demand response, Mathematics modeling

中图分类号:

TM925、TB6

孙轩, 张子祺, 蔡宁, 杨双, 叶至壮, 王伯燕. 空调器冷热负荷研究进展[J]. 家电科技, 2024, 0(zk): 272-276.

SUN Xuan, ZHANG Ziqi, CAI Ning, YANG Shuang, YE Zhizhuang, WANG Boyan. Research progress on cooling and heating loads of air conditioners[J]. Journal of Appliance Science & Technology, 2024, 0(zk): 272-276.

/ 推荐

参考文献

[1] 王可. 全球能源消费与排放双创新高[N]. 中国电力报, 2024-07-19(002).
[2] BP中国.《BP世界能源展望》2019年版[EB/OL].https://www.bp.com/zh_cn/china/home/news/reports/bp-energy-outlook-2019.html.
[3] 中国政府网. 习近平在第七十五届联合国大会一般性辩论上发表重要讲话[EB/OL]. http://www.gov.cn/xinwen/2020-09/22/content_5546168.htm.
[4] 中国政府网. 国务院印发《2030年前碳达峰行动方案》[EB/OL]. http://www.gov.cn/xinwen/2021-10/26/content_5645001.htm.
[5] 赵龙成. 中国能源绿色发展成为全球能源转型引擎[J]. 生态经济, 2024, 40(11): 9-12.
[6] Liu J, Zhang W, Liu Y.Primary frequency response from the control of LED lighting loads in commercial buildings[J]. IEEE Transactions on Smart Grid, 2017, 8(06): 2880-2889.
[7] Tamrakar U, Shrestha D, Maharjan M, et al.Virtual inertia: Current trends and future directions[J]. Applied Sciences, 2017, 7(07): 654.
[8] 周孝信, 陈树勇, 鲁宗相, 等. 能源转型中我国新一代电力系统的技术特征[J]. 中国电机工程学报, 2018, 38(07): 1893-1904.
[9] 国家能源局发布2023年全国电力工业统计数据[J]. 电力科技与环保, 2024,40(01): 95.
[10] 侯婷婷. 风随心动质由新生:2024年空调行业发展大会成功召开[J]. 家用电器, 2024(09): 68-73.
[11] 中国能源报. 夏季电力需求攀升,空调负荷来削峰[EB/OL].https://baijiahao.baidu.com/s?id=1769093312907114877&wfr=spider&for=pc.
[12] Galiana F, Handschin E, Fiechter A.Identification of stochastic electric load models from physical data[J]. IEEE Transactions on Automatic Control, 1974, 19(06): 887-893.
[13] Karlsson J F, Moshfegh B.Energy demand and indoor climate in a low energy building—Changed control strategies and boundary conditions[J]. Energy and Buildings, 2006, 38(04): 315-326.
[14] Li X, Wen J, Bai E.Developing a whole building cooling energy forecasting model for on-line operation optimization using proactive system identification[J]. Applied Energy, 2016, 164: 69-88.
[15] Malhame R, Chong C.Electric load model synthesis by diffusion approximation of a high-order hybrid-state stochastic system[J]. IEEE Transactions on Automatic Control, 1985, 30(09): 854-860.
[16] 宋梦, 高赐威, 苏卫华. 面向需求响应应用的空调负荷建模及控制[J]. 电力系统自动化, 2016, 40(14): 158-167.
[17] Sonderegger R C.Dynamic models of house heating based on equivalent thermal parameters[D]. USA, NJ, Princeton: Princeton University, 1978.
[18] 张晋芳, 钱诚, 王增平, 等. 基于广义基尔霍夫电流定律的电网系统拓扑分析新算法[J]. 电力自动化设备, 2013, 33(05): 43-49.
[19] Molina-Garcia A, Kessler M, Fuentes J A, et al.Probabilistic characterization of thermostatically controlled loads to model the impact of demand response programs[J]. IEEE Transactions on Power Systems, 2011, 26(01): 241-251.
[20] Lu N.An evaluation of the HVAC load potential for providing load balancing service[J]. IEEE Transactions on Smart Grid, 2012, 3(03): 1263-1270.
[21] Hao H, Sanandaji B M, Poolla K, et al.Aggregate flexibility of thermostatically controlled loads[J]. IEEE Transactions on Power Systems, 2015, 30(01): 189-198.
[22] Wang P, Wu D, Kalsi K.Flexibility estimation and control of thermostatically controlled loads with lock time for regulation service[J]. IEEE Transactions on Smart Grid, 2020, 11(04): 3221-3230.
[23] 辛洁晴, 吴亮. 商务楼中央空调周期性暂停分档控制策略[J]. 电力系统自动化, 2013, 37(05):49-54.
[24] 杨辰星. 公共楼宇空调负荷参与电网调峰关键技术研究[D]. 南京: 东南大学, 2017.
[25] 王江宇. 建筑数据驱动预测控制方法及其应用研究[D]. 武汉: 华中科技大学, 2020.
[26] 高岩, 范蕊, 赵立华. 多维传热的传递函数方法的建筑热模拟应用[J]. 暖通空调, 2009, 39(08): 48-50.
[27] 张春路, 丁国良, 陈芝久. 空调负荷计算的横向分解反应系数法[J]. 暖通空调, 2000, (02): 15-17.
[28] 罗银辉. 基于广义有限差分法的多孔介质墙体热湿耦合迁移数值模拟研究[D].南昌: 南昌大学, 2023.
[29] 祝晶晶. 基于扩展有限元法的复合墙体导热性能研究[D]. 南昌: 南昌航空大学, 2014.
[30] 韩庆华, 张鹏, 芦燕. 基于传递函数法的大跨建筑非结构构件动力性能研究[J]. 土木工程学报, 2014, 47(zk2):79-84.
[31] 谈莹莹, 王雨. 建筑墙体动态传热计算模型研究[J]. 能源研究与利用, 2008(06): 5-8.
[32] 赵忠超, 成华, 秦伯进, 等. 船舶空调负荷动态与稳态算法比较与分析[J]. 船舶工程, 2015, 37(04): 37-41.
[33] 何嘉鹏, 张源, 韩丽艳. 建筑节能墙体砌块空心率的热反应分析[J]. 解放军理工大学学报(自然科学版), 2009, 10(06): 623-627.
[34] 许景峰, 丁小中, 王鹏. 间歇采暖条件下建筑围护结构热工性能评价研究[J]. 建筑节能, 2007(06): 17-21.
[35] 杨石芪. 基于有限差分法的固定界面模态综合法及应用[D]. 成都: 西南交通大学, 2021.
[36] 罗银辉. 基于广义有限差分法的多孔介质墙体热湿耦合迁移数值模拟研究[D]. 南昌:南昌大学, 2023.
[37] 荣先成, 胡定科, 李亚宁. 大空间建筑空调置换通风有限元法数值模拟[J]. 石家庄铁道学院学报, 2004,(01): 48-52.
[38] 聂伟. 基于有限元法的高层民用建筑暖通空调管道应力分析及支撑优化研究[D]. 重庆: 重庆大学, 2019.
[39] 方永林. 基于有限元法的冷负荷温度确定研究[J]. 墙材革新与建筑节能, 2011(09): 48-50.