[go: up one dir, main page]

CN109002957B - 具有经济负载需求响应(eldr)优化的建筑物能量优化系统 - Google Patents

具有经济负载需求响应(eldr)优化的建筑物能量优化系统 Download PDF

Info

Publication number
CN109002957B
CN109002957B CN201810586645.6A CN201810586645A CN109002957B CN 109002957 B CN109002957 B CN 109002957B CN 201810586645 A CN201810586645 A CN 201810586645A CN 109002957 B CN109002957 B CN 109002957B
Authority
CN
China
Prior art keywords
hours
hour
electrical load
engagement
cbl
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810586645.6A
Other languages
English (en)
Other versions
CN109002957A (zh
Inventor
穆罕默德·N·埃尔布萨特
迈克尔·J·文策尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Johnson Controls Tyco IP Holdings LLP
Original Assignee
Johnson Controls Technology Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Johnson Controls Technology Co filed Critical Johnson Controls Technology Co
Publication of CN109002957A publication Critical patent/CN109002957A/zh
Application granted granted Critical
Publication of CN109002957B publication Critical patent/CN109002957B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/008—Circuit arrangements for AC mains or AC distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/12—Circuit arrangements for AC mains or AC distribution networks for adjusting voltage in AC networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for AC mains or AC distribution networks for adjusting voltage in AC networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46—Improving electric energy efficiency or saving
    • F24F11/47—Responding to energy costs
    • H02J2103/30—
    • H02J2105/12—
    • H02J2105/42—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances
    • Y04S20/244—Home appliances the home appliances being or involving heating ventilating and air conditioning [HVAC] units
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10—Energy trading, including energy flowing from end-user application to grid

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

一种用于建筑物的能量成本优化系统包括HVAC设备和控制器，所述HVAC设备被配置用于在所述建筑物内进行操作。所述控制器被配置用于根据所述HVAC设备的一个或多个电负载而生成限定在优化时段上操作所述HVAC设备的成本的成本函数。所述控制器被进一步配置用于生成参与小时。所述参与小时指示所述HVAC设备将参与经济负载需求响应(ELDR)项目的一个或多个小时。所述控制器被进一步配置用于基于所述参与小时生成ELDR项，所述ELDR项指示通过参与所述ELDR项目而生成的收入。所述控制器被进一步配置用于修改所述成本函数以包括所述ELDR项以及使用所述经修改成本函数来执行优化以确定对于所述参与小时中的每个小时的最佳电负载。

Description

具有经济负载需求响应(ELDR)优化的建筑物能量优化系统
相关申请的交叉引用
本申请要求于2017年6月7日提交的美国专利申请号15/616,616的权益和优先权，所述申请的全部披露通过援引并入本文。
背景技术
本披露总体上涉及用于建筑物、建筑物集合或中央设施的能量成本优化系统。本披露更具体地涉及一种考虑了从参与基于激励的需求响应(IBDR)项目生成的收入的能量成本优化系统。
IBDR项目包括各种基于激励的项目，如频率调节(FR)和经济负载需求响应(ELDR)。典型地，ELDR项目由区域输电组织(RTO)和/或独立系统运营商(ISO)来运营。RTO和/或ISO可以奖励客户以便在一天的某些小时内减少其电负载。RTO和/或ISO可以用出价系统进行操作，在所述出价系统中各个客户与RTO和/或ISO一起定出价，以在选定小时期间减少客户电负载。基于所接收到的出价，RTO和/或ISO可以将奖励小时分派给各个客户。
参与ELDR项目的客户可以在奖励小时(即，客户已经出价并被奖励的小时)期间由RTO和/或ISO基于客户的电负载来进行奖励或惩罚。客户可以在其出价中包括缩减量。缩减量可以是客户将相对于基线负载减少其电负载的量。如果客户在奖励小时期间根据他们的出价来缩减他们的电负载，则客户将得到补偿。但是，如果客户在奖励小时期间没有根据他们的出价来缩减他们的电负载，则客户将受到惩罚。
发明内容
本披露的一种实施方式是一种用于建筑物的能量成本优化系统。所述系统包括：HVAC设备，所述HVAC设备被配置用于在建筑物内进行操作；以及控制器。所述控制器被配置用于：根据所述HVAC设备的一个或多个电负载设定值而生成限定在优化时段上操作所述HVAC设备的成本的成本函数。电负载设定值是所述成本函数的决策变量、并且是对于所述优化时段中的每个小时的设定值。所述控制器被进一步配置用于生成参与小时。所述参与小时指示所述HVAC设备将参与经济负载需求响应(ELDR)项目的一个或多个小时。所述控制器被进一步配置用于基于所述参与小时来生成ELDR项。所述ELDR项指示通过参与所述ELDR项目而生成的收入。所述控制器被进一步配置用于修改所述成本函数以包括所述ELDR项以及使用所述经修改成本函数来执行优化以确定对于所述参与小时中的每个小时的最佳电负载设定值。
在一些实施例中，所述控制器被配置用于通过以下各项来生成用于参与所述ELDR项目的出价：对于所述参与小时中的每个小时从客户基线负载(CBL)中减去所述最佳电负载设定值；以及生成所述出价以作为所述参与小时中排除某些小时之后的参与小时。在一些实施例中，所述某些小时是所述CBL与所述最佳电负载设定值之间的差值小于或等于零时的小时。所述控制器可以被进一步配置用于将所述出价发送至激励项目。在一些实施例中，所述控制器被配置用于使所述HVAC设备基于从所述激励项目接收到的奖励参与小时和所述最佳电负载进行操作。
在一些实施例中，所述控制器被配置用于通过在所述成本函数中将参与所述ELDR项目表示为电费率调整来修改所述成本函数以包括所述ELDR项。所述电费率调整可以取决于所述参与小时、CBL、所预测日前节点边际价格(locational marginal price，LMP)、以及所预测实时LMP中的至少一个。在一些实施例中，所述控制器被配置用于使用所述经修改成本函数来执行所述优化，以基于所述电费率调整来确定对于所述参与小时中的每个小时的所述最佳电负载。
在一些实施例中，所述控制器被配置用于从激励项目接收净收益测试(NBT)、LMP、以及实时LMP。所述控制器可以被进一步配置用于通过将NBT与基于一个或多个所接收日前LMP的所预测日前LMP和基于一个或多个所接收实时LMP的所预测实时LMP进行比较来生成所述参与小时。
在一些实施例中，所述控制器被配置用于通过以下各项来生成所述参与小时：将NBT与所预测日前LMP和所预测实时LMP进行比较；确定对于事件开始小时和事件结束小时使方程最小化的值；以及确定所述参与小时是在所述事件开始小时与所述事件结束小时之间的小时。在一些实施例中，所述方程包括客户基线负载(CBL)、所预测实时LMP、以及所预测电负载中的至少一个。在一些实施例中，所述参与小时被用作用于使所述方程最小化的搜索空间、并且是通过将所述NBT与所述所预测日前LMP和所述所预测实时LMP中的一个或两个进行比较而生成的小时。
在一些实施例中，所述CBL取决于所述事件开始小时和所述事件结束小时。所述CBL可以是当日CBL和对称加性调整(SAA)CBL中的至少一个。
在一些实施例中，所述CBL是SAA CBL，并且所述控制器被配置用于通过以下各项来确定所述SAA CBL：如果所述参与小时发生在工作日，则将平均电负载确定为在所述参与小时之前的最近发生的五个工作日中的四个工作日的平均电负载；如果所述参与小时发生在周末或假日，则将所述平均电负载确定为最近发生的三个周末或假日中的两个周末或假日的平均电负载；基于在所述事件开始小时之前一个小时之前的连续三个小时的所预测电负载来确定调整；以及将所述SAA CBL确定为所述平均电负载与所述调整的总和。
在一些实施例中，所述CBL是当日CBL。在一些实施例中，所述控制器被配置用于基于在所述参与小时之前一个小时之前的连续三个小时的所预测电负载和在所述参与小时之后一个小时之后的连续两个小时的所预测电负载来确定所述当日CBL。
在一些实施例中，所述参与小时是对于多个小时的一和零构成的向量，一指示对于特定小时参与所述ELDR项目，而零指示对于特定小时不参与所述ELDR项目。在一些实施例中，所述经修改成本函数将参与所述ELDR项目表示为电费率调整。
本披露的另一实施方式是一种用于优化建筑物的能量成本的方法。所述方法包括：根据HVAC设备的一个或多个电负载而生成限定在优化时段上操作HVAC设备的成本的成本函数。所述电负载是所述成本函数的决策变量、并且包括对于所述优化时段中的每个小时的电负载。所述方法进一步包括生成参与小时，所述参与小时指示所述HVAC设备将参与经济负载需求响应(ELDR)项目的一个或多个小时。所述方法进一步包括基于所述参与小时来生成ELDR项。所述ELDR项指示通过参与所述ELDR项目而生成的收入。所述方法进一步包括修改所述成本函数以包括所述ELDR项以及使用所述经修改成本函数来执行优化以确定对于所述参与小时中的每个小时的最佳电负载。
在一些实施例中，所述方法进一步包括通过以下各项来生成用于参与所述ELDR项目的出价：对于所述参与小时中的每个小时从客户基线负载(CBL)中减去所述最佳电负载；以及生成所述出价以作为所述参与小时中排除某些小时之后的参与小时。在一些实施例中，所述某些小时是所述CBL与所述最佳电负载之间的差值小于或等于零时的小时。在一些实施例中，所述方法进一步包括将所述出价发送至激励项目。在一些实施例中，所述方法进一步包括使所述HVAC设备基于所述奖励参与小时和所述最佳电负载设定值进行操作。在一些实施例中，所述经修改成本函数将参与所述ELDR项目表示为电费率调整。
在一些实施例中，修改所述成本函数以包括所述ELDR项包括在所述成本函数中将参与所述ELDR项目表示为电费率调整。所述电费率调整可以取决于所述参与小时、CBL、所预测日前节点边际价格(LMP)、以及所预测实时LMP中的至少一个。在一些实施例中，使用所述经修改成本函数来执行所述优化以确定对于所述参与小时中的每个小时的所述最佳电负载是基于所述电费率调整进行的。
在一些实施例中，所述方法进一步包括从激励项目接收净收益测试(NBT)、日前LMP、以及实时LMP。在一些实施例中，所述方法进一步包括通过将NBT与基于一个或多个所接收日前LMP的所预测日前LMP和基于一个或多个所接收实时LMP的所预测实时LMP进行比较来生成所述参与小时。
在一些实施例中，所述方法包括通过将NBT与所预测日前LMP和所预测实时LMP中的至少一个进行比较来确定所述参与小时。在一些实施例中，所述方法包括确定对于事件开始小时和事件结束小时使方程最小化的值，所述方程包括客户基线负载(CBL)、所预测实时LMP、以及所预测电负载中的至少一个。所述参与小时可以被用作用于使所述方程最小化的搜索空间、并且可以是通过将所述NBT与所述所预测日前LMP和所述所预测实时LMP中的至少一个进行比较而生成的小时。在一些实施例中，所述方法包括确定所述参与小时是在所述事件开始小时与所述事件结束小时之间的小时。
在一些实施例中，所述方法进一步包括通过以下各项来确定所述SAA CBL：如果所述参与小时发生在工作日，则将平均电负载确定为在所述参与小时之前的最近发生的五个工作日中的四个工作日的平均电负载；如果所述参与小时发生在周末或假日，则将所述平均电负载确定为最近发生的三个周末或假日中的两个周末或假日的平均电负载；基于在所述事件开始小时之前一个小时之前的连续三个小时的所预测电负载来确定调整；以及将所述SAA CBL确定为所述平均电负载与所述调整的总和。
在一些实施例中，所述CBL是当日CBL。在一些实施例中，所述方法进一步包括基于在所述参与小时之前一个小时之前的连续三个小时的所预测电负载和在所述参与小时之后一个小时之后的连续两个小时的所预测电负载来确定所述当日CBL。
本披露的另一实施方式是一种用于建筑物的能量成本优化系统。所述系统包括：HVAC设备，所述HVAC设备被配置用于满足所述建筑物的建筑物能量负载；以及控制器。所述控制器被配置用于根据所述HVAC设备的一个或多个电负载而生成限定在优化时段上操作所述HVAC设备的成本的成本函数。所述电负载是所述成本函数的决策变量、并且包括对于所述优化时段中的每个小时的电负载。所述控制器可以被配置用于从激励项目接收净收益测试(NBT)、日前节点边际价格(LMP)、以及实时LMP。所述控制器可以被配置用于生成参与小时。所述参与小时指示所述HVAC设备将参与经济负载需求响应(ELDR)项目的一个或多个小时。所述控制器可以被配置用于通过将NBT与基于一个或多个所接收日前LMP的所预测日前LMP和基于一个或多个所接收实时LMP的所预测实时LMP进行比较来生成所述参与小时。所述控制器被配置用于基于所述参与小时来生成ELDR项。所述ELDR项指示通过参与所述ELDR项目而生成的收入。所述控制器被配置用于修改所述成本函数以包括所述ELDR项以及使用所述经修改成本函数来执行优化以确定对于所述参与小时中的每个小时的最佳电负载。
在一些实施例中，所述控制器被配置用于通过以下各项来生成用于参与所述ELDR项目的出价：对于所述参与小时中的每个小时从客户基线负载(CBL)中减去所述最佳电负载；以及生成所述出价以作为所述参与小时中排除某些小时之后的参与小时。在一些实施例中，所述某些小时是所述CBL与所述最佳电负载之间的差值小于或等于零时的小时。所述控制器可以被配置用于将所述出价发送至激励项目以及使所述HVAC设备基于从所述激励项目接收到的奖励参与小时和所述最佳电负载进行操作。
在一些实施例中，所述控制器被配置用于通过确定对于事件开始小时和事件结束小时使方程最小化的值来确定所述参与小时。在一些实施例中，所述方程包括客户基线负载(CBL)、所预测实时LMP、以及所预测电负载中的至少一个。在一些实施例中，所述参与小时被用作用于使所述方程最小化的搜索空间、并且是通过将所述NBT与所述所预测日前LMP和所述所预测实时LMP进行比较而生成的小时。在一些实施例中，所述控制器被配置用于通过确定所述参与小时是在所述事件开始小时与所述事件结束小时之间的小时来确定所述参与小时。
在一些实施例中，所述CBL是SAA CBL或当日CBL。在一些实施例中，所述控制器被配置用于通过以下各项来确定所述SAA CBL：如果所述参与小时发生在工作日，则将平均电负载确定为在所述参与小时之前的最近发生的五个工作日中的四个工作日的平均电负载；如果所述参与小时发生在周末或假日，则将所述平均电负载确定为最近发生的三个周末或假日中的两个周末或假日的平均电负载；基于在所述事件开始小时之前一个小时之前的连续三个小时的所预测电负载来确定调整；以及将所述SAA CBL确定为所述平均电负载与所述调整的总和。所述控制器可以被配置用于基于在所述参与小时之前一个小时之前的连续三个小时的所预测电负载和在所述参与小时之后一个小时之后的连续两个小时的所预测电负载来确定所述当日CBL。
附图说明
通过参照结合附图进行的详细说明，本披露的各个对象、方面、特征和优点将变得更加明显并且更好理解，其中，贯穿全文相同的参考符号标识相应的元件。在附图中，相同的参考号通常指示完全相同的、功能相似的和/或结构相似的元件。
图1是根据示例性实施例的频率响应优化系统的框图。
图2是根据示例性实施例的可以被提供至图1的系统的调节信号和可以由图1的系统生成的频率响应信号的曲线图。
图3是根据示例性实施例的光伏能量系统的框图，所述光伏能量系统被配置用于在将电池的荷电状态维持在期望范围内时而同时执行缓变率控制和频率调节两者。
图4是图示，展示了根据示例性实施例的到能量网的电力供应和来自能量网的电力需求，所述电力供应和电力需求必须平衡以便维持电网频率。
图5A是根据示例性实施例的包括热能储存设备和电能储存设备的能量储存系统的框图。
图5B是根据示例性实施例的不具有热能或电能储存设备的能量成本优化系统的框图。
图6A是根据示例性实施例的可以用于操作图5A的能量储存系统的能量储存控制器的框图。
图6B是根据示例性实施例的可以用于操作图5B的能量成本优化系统的控制器的框图。
图7是根据示例性实施例的规划工具的框图，所述规划工具可用于确定投资于电池资产的收益并计算与所述投资相关的各种财务指标。
图8是图示，展示了根据示例性实施例的图7的规划工具的操作。
图9是根据示例性实施例的高级优化器的框图，所述高级优化器可以被实施为图6A至图6B的控制器或图7的规划工具的部件。
图10是根据示例性实施例的包括用于参与经济负载需求响应(ELDR)项目的部件的控制器的框图。
图11A是根据示例性实施例的用于确定ELDR项目中的参与小时并且将出价发送至激励项目的过程的流程图。
图11B是根据示例性实施例的可由图10的控制器执行的用于生成和修改成本函数以确定参与ELDR项目的最佳电负载的过程的流程图。
图12是展示了根据示例性实施例的参与ELDR项目的电负载减少的曲线图。
图13是展示了根据示例性实施例的可由图10的控制器确定的当日客户基线负载(CBL)的曲线图。
图14是展示了根据示例性实施例的可由图10的控制器确定的对称加性调整(SAA)CBL的曲线图。
图15是根据示例性实施例的供用户调整对ELDR项目的参与的界面。
图16是根据示例性实施例的供用户调整对ELDR项目的参与的界面，所述界面展示了由ELDR项目生成的收入。
具体实施方式
概述
总体上参照附图，示出了用于建筑物能量优化系统的系统、方法和装置，所述优化系统被配置用于参与经济负载需求响应(ELDR)项目。如本文所说明的，用于建筑物的控制器被配置用于有助于参与ELDR项目。控制器可以被配置用于确定所述控制器确定建筑物应当参与ELDR项目的多个参与小时。基于所确定参与小时，控制器可以被配置用于将出价分派给激励项目。激励项目可以是由缩减服务提供商(CSP)管理的项目。CSP可以充当客户与RTO和/或ISO之间的媒介。CSP、RTO、和/或ISO可以是管理和/或操作ELDR项目的一个或多个系统、服务器、或计算机。激励项目可以将所述出价的一些和/或全部小时奖励给控制器，并且将奖励小时的指示发送至控制器。
控制器可以被配置用于基于称为“节点边际价格”(LMP)的值来生成所述参与小时。LMP可以指示为了缩减建筑物的电负载将对控制器进行补偿的费率。LMP可以由控制器接收。在各个实施例中，控制器被配置用于使用LMP来判定控制器应当在哪些小时参与ELDR项目。在一些实施例中，基于过去几天接收到的LMP值，控制器可以被配置用于预测将来的LMP值并且基于所预测LMP值生成参与小时。
控制器可以被配置用于基于所述参与小时来确定最佳电负载。HVAC设备、照明设备、和/或建筑物中的任何其他电力消耗或生产设备可以运行以满足所述电负载。在一些实施例中，控制器被配置用于生成指示在优化时段(例如，单日)上操作建筑物的HVAC设备的成本的成本函数。所述参与小时可以是在优化时段期间的小时，即，一天中控制器确定其应当参与ELDR项目的特定小时。控制器可以被配置用于优化所述成本函数并且确定指示在所述优化时段(包括所述参与小时)上的电负载的多个决策变量。
基于所述最佳电负载，控制器可以被配置用于确定对于所述优化时段的特定参与小时的出价。所述出价可以包括控制器确定其应当参与ELDR项目的小时，并且可以进一步包括缩减量。所述缩减量可以是建筑物的典型电负载(例如，基线)与由控制器确定的最佳电负载之间的差值。典型电负载(例如，基线)可以基于由RTO和/或ISO指定的方法来确定。控制器可以被配置用于从RTO和/或ISO接收奖励小时，所述出价中包括的一个、一些或全部小时。控制器可以被配置用于基于所述奖励小时来操作建筑物的HVAC设备。控制器可以被配置用于操作HVAC设备，使得建筑物的电负载满足最佳电负载。
频率响应优化
现在参照图1，根据示例性实施例，示出了频率响应优化系统100。系统100被示出为包括校园102和能量网104。校园102可以包括从能量网104中接收功率的一个或多个建筑物116。建筑物116可以包括在操作期间消耗电力的设备或装置。例如，建筑物116可以包括HVAC设备、照明设备、安全设备、通信设备、自动售货机、计算机、电子设备、电梯或其他类型的建筑物设备。
在一些实施例中，建筑物116由建筑物管理系统(BMS)服务。BMS通常是被配置用于对建筑物或建筑物区域中或周围的设备进行控制、监测和管理的装置的系统。例如，BMS可以包括HVAC系统、安全系统、照明系统、火情报警系统和/或能够管理建筑物功能或装置的任何其他系统。可以用于监测并控制建筑物116的示例性建筑物管理系统在于2015年5月20日提交的美国专利申请号14/717,593中进行了描述，所述美国专利申请的全部披露通过引用结合在此。
在一些实施例中，校园102包括中央设施118。中央设施118可以包括消耗来自公共设施的资源(例如，水、天然气、电力等)以满足建筑物116的负载的一个或多个子设施。例如，中央设施118可以包括加热器子设施、热回收冷却器子设施、冷却器子设施、冷却塔子设施、高温热能储存(TES)子设施和低温热能储存(TES)子设施、蒸汽子设施和/或被配置用于服务建筑物116的任何其他类型的子设施。子设施可以被配置用于将输入资源(例如，电力、水、天然气等)转换成被提供至建筑物116的输出资源(例如，冷水、热水、冷却空气、加热空气等)。可以用于满足建筑物116的负载的示例性中央设施在于2015年2月27日提交的美国专利申请号14/634,609中进行了描述，所述美国专利申请的全部披露通过引用结合在此。
在一些实施例中，校园102包括能量生成设备120。能量生成设备120可以被配置用于生成能量，所述能量可以由建筑物116使用、由中央设施118使用和/或被提供至能量网104。在一些实施例中，能量生成设备120生成电力。例如，能量生成设备120可以包括发电站、光伏能量场或其他类型的发电系统或装置。由能量生成设备120生成的电力可以由校园102(例如，由建筑物116和/或中央设施118)内部使用以减少校园102从外部源(比如，能量网104或电池108)接收的电力量。如果通过能量生成设备120生成的电量超过校园102的电力需求，则过量的电力可以被提供至能量网104或被储存在电池108中。校园102的功率输出在图1中示出为P校园。P校园可以在校园102正输出电力的情况下为正或者在校园102正接收电力的情况下为负。
仍然参照图1，系统100被示出为包括电力逆变器106和电池108。电力逆变器106可以被配置用于将电力在直流(DC)与交流(AC)之间进行转换。例如，电池108可以被配置用于储存和输出DC电力，而能量网104和校园102可以被配置用于消耗和生成AC电力。电力逆变器106可以用于将来自电池108的DC电力转换成与能量网104的电网频率同步的正弦AC输出。电力逆变器106还可以用于将来自校园102或能量网104的AC电力转换成可以储存在电池108中的DC电力。电池108的电力输出被示出为P电池。P电池可以在电池108正向电力逆变器106提供电力的情况下为正，或者在电池108正从电力逆变器106接收电力的情况下为负。
在一些实施例中，电力逆变器106接收来自电池108的DC电力输出，并且将DC电力输出转换为AC电力输出。AC电力输出可以用于满足校园102的能量负载和/或可以被提供至能量网104。电力逆变器106可以使用本机振荡器来使AC电力输出的频率与能量网104的频率(例如，50Hz或60Hz)同步，并且可以将AC电力输出的电压限制为不高于电网电压。在一些实施例中，电力逆变器106是谐振逆变器，所述谐振逆变器包括或使用LC电路来从简单的方波中移除谐波以便实现与能量网104的频率匹配的正弦波。在各个实施例中，电力逆变器106可以使用高频变换器、低频变换器或不使用变换器进行操作。低频变换器可以将来自电池108的DC输出直接转换为提供至能量网104的AC输出。高频变换器可以采用多步骤过程，所述多步骤过程涉及将DC输出转换为高频AC，然后回到DC，并且然后最终转换为提供至能量网104的AC输出。
系统100被示出为包括互连点(POI)110。POI 110是校园102、能量网104和电力逆变器106所电连接至的点。从电力逆变器106供应至POI 110的电力被示出为P供应。P供应可以被限定为P电池+P损耗，其中，P电池是电池电力，并且P损耗是在电池系统中的电力损耗(例如，在电力逆变器106和/或电池108中的损耗)。P电池和P供应可以在电力逆变器106正向POI 110提供电力的情况下为正的，或者在电力逆变器106正从POI 110接收电力的情况下为负。P校园和P供应在POI 110处组合以形成PPOI。PPOI可以被限定为从POI 110提供至能量网104的电力。PPOI可以在POI 110正向能量网104提供电力的情况下为正，或者在POI 110正从能量网104接收电力的情况下为负。
仍然参照图1，系统100被示出为包括频率响应控制器112。控制器112可以被配置用于生成并且将电力设定值提供至电力逆变器106。电力逆变器106可以使用电力设定值来控制提供至POI 110或从POI 110汲取的电量P供应。例如，电力逆变器106可以被配置用于响应于接收到来自控制器112的负电力设定值而从POI 110汲取电力并将所述电力储存在电池108中。相反，电力逆变器106可以被配置用于响应于接收到来自控制器112的正电力设定值而从电池108汲取电力并将所述电力提供至POI 110。电力设定值的大小可以限定提供至电力逆变器106或从所述电力逆变器提供的电量P供应。控制器112可以被配置用于生成并提供电力设定值，所述电力设定值在时间范围上优化操作系统100的值。
在一些实施例中，频率响应控制器112使用电力逆变器106和电池108来执行用于能量网104的频率调节。频率调节是维持电网频率(例如，在美国为60Hz)的稳定性的过程。只要能量网104的总电力供应和需求平衡，电网频率就可以保持稳定和平衡。任何与此平衡的偏离都可能导致电网频率偏离其期望值。例如，需求增加可能导致电网频率降低，而供应增加可能导致电网频率增大。频率响应控制器112可以被配置用于通过使电力逆变器106将来自电池108的能量供应至能量网104(例如，以抵消电网频率的降低)或者将来自能量网104的能量储存在电池108中(例如，以抵消电网频率的增大)来抵消电网频率的波动。
在一些实施例中，频率响应控制器112使用电力逆变器106和电池108来执行针对校园102的负载转移。例如，控制器112可以使电力逆变器106：当能量价格较低时将能量储存在电池108中，并且在当能量价格较高时从电池108取回能量，以便降低为校园102供电所需的电力成本。负载转移还可以允许系统100减少所引发的需量电费。需量电费是由某些公共设施提供商基于在可适用需量电费时段期间的最大功耗而强加的附加费用。例如，需量电费费率可以按照每单位电力美元(例如，$/kW)来指定，并且可以在需量电费时段期间乘以高峰电力使用(例如，kW)来计算所述需量电费。负载转移可以允许系统100通过从电池108中汲取能量来平滑校园102的电力需求中的瞬时尖峰，以便减少从能量网104汲取的高峰电力，从而减少所引发的需量电费。
仍然参照图1，系统100被示出为包括激励提供商114。激励提供商114可以是公共设施(例如，电力公共设施)、区域输电组织(RTO)、独立系统运营商(ISO)或提供用于执行频率调节的激励的任何其他实体。例如，激励提供商114可以针对参与频率响应项目来向系统100提供货币激励。为了参与频率响应项目，系统100可以维持可以提供至能量网104的所储存能量(例如，在电池108中)的储备容量。系统100还可以维持用于从能量网104中汲取能量和将能量储存在电池108中的容量。储备这两种容量可以通过管理电池108的荷电状态来实现。
频率响应控制器112可以向激励提供商114提供价格出价和容量出价。价格出价可以包括用于储备或储存允许系统100参与由激励提供商114提供的频率响应项目的电力的每单位电力价格(例如，$/MW)。由频率响应控制器112提供的每单位电力价格出价在此被称为“容量价格”。价格出价还可以包括实际性能的价格，在此被称为“性能价格”。容量出价可以限定系统100将储备或储存在电池108中以便执行频率响应的电量(例如，MW)，在此被称为“容量出价”。
激励提供商114可以向频率响应控制器112提供容量清算价格CP容量、性能清算价格CP性能以及调节奖励Reg奖励，其分别对应于容量价格、性能价格和容量出价。在一些实施例中，CP容量、CP性能和Reg奖励与由控制器112给出的相应出价相同。在其他实施例中，CP容量、CP性能和Reg奖励可以不与由控制器112给出的出价相同。例如，可以由激励提供商114基于从频率响应项目中的多个参与者中接收的出价来生成CP容量、CP性能和Reg奖励。控制器112可以使用CP容量、CP性能和Reg奖励来执行频率调节。
频率响应控制器112被示出为接收到来自激励提供商114的调节信号。调节信号可以指定调节奖励Reg奖励的频率响应控制器112将添加至能量网104或从所述能量网移除的部分。在一些实施例中，调节信号是指定Reg奖励的比例的归一化信号(例如，-1与1之间)。调节信号的正值可以指示添加至能量网104的电量，而调节信号的负值可以指示从能量网104移除的电量。
频率响应控制器112可以通过生成用于电力逆变器106的最佳电力设定值来响应调节信号。最佳电力设定值可以考虑参与频率响应项目的潜在收入和参与成本两者。参与成本可以包括例如电池降级的货币化成本以及将引发的能量费用和需量电费。可以使用序列二次规划、动态规划或任何其他优化技术来执行优化。
在一些实施例中，控制器112根据提供至电力逆变器106的电力设定值使用电池寿命模型来对电池降级进行量化和货币化。有利地，电池寿命模型允许控制器112执行对参与频率响应项目的创收潜力与参与的电池降级和其他成本(例如，对校园102可用的较少电池电力、增加的电力成本等)进行加权的优化。参照图2更详细地描述了示例性调节信号和电力响应。
现在参照图2，根据示例性实施例，示出了一对频率响应曲线图200和250。曲线图200展示了作为时间的函数的调节信号Reg信号202。Reg信号202被示出为从-1变化至1(即，-1≤Reg信号≤1)的归一化信号。Reg信号202可以由激励提供商114生成并且被提供至频率响应控制器112。Reg信号202可以限定控制器112将相对于被称为中点b256的基线值而向能量网104添加或从所述能量网移除的调节奖励Reg奖励254的比例。例如，如果Reg奖励的值254为10MW，则调节信号值0.5(即，Reg信号＝0.5)可以指示请求系统100相对于中点b(例如，
Figure BDA0001687380280000141
)在POI 110处添加5MW电力，而调节信号值-0.3可以指示请求系统100相对于中点b(例如，
Figure BDA0001687380280000142
Figure BDA0001687380280000151
)从POI 110移除3MW电力。
曲线图250展示了作为时间的函数的期望互连电力
Figure BDA0001687380280000152
可以由频率响应控制器112基于Reg信号202、Reg奖励254和中点b256来计算
Figure BDA0001687380280000153
例如，控制器112可以使用以下方程来计算
Figure BDA0001687380280000154
Figure BDA0001687380280000155
其中，
Figure BDA0001687380280000156
表示在POI 110处的期望电力(例如，
Figure BDA0001687380280000157
)并且b是中点。中点b可以由控制器112进行限定(例如，设置或优化)并且可以表示调节中点，响应于Reg信号202而围绕所述调节中点来修改负载。中点b的优化调整可以允许控制器112主动地参与频率响应市场，同时还考虑将引发的能量和需量电费。
为了参与频率响应市场，控制器112可以执行若干任务。控制器112可以生成包括容量价格和性能价格的价格出价(例如，$/MW)。在一些实施例中，控制器112每天大约15:30时将价格出价发送至激励提供商114，并且所述价格出价在整个第二天保持有效。在开始频率响应时段之前，控制器112可以生成容量出价(例如，MW)，并且将容量出价发送至激励提供商114。在一些实施例中，在频率响应时段开始之前的大约1.5小时，控制器112生成容量出价并将其发送至激励提供商114。在示例性实施例中，每个频率响应时段具有一个小时的持续时间；然而，设想频率响应时段可以具有任何持续时间。
在每个频率响应时段开始时，控制器112可以生成中点b，控制器112围绕所述中点来计划执行频率调节。在一些实施例中，控制器112生成将使电池108维持在恒定荷电状态(SOC)的中点b(即，将导致电池108在频率响应时段开始和结束时具有相同SOC的中点)。在其他实施例中，控制器112使用优化过程生成允许电池108的SOC在频率响应时段开始和结束时具有不同值的中点b。例如，控制器112可以使用电池108的SOC作为取决于中点b的约束变量，以便优化考虑频率响应收入、能量成本和电池降级成本的值函数。用于在恒定SOC场景和变量SOC场景两种情况下计算和/或优化中点b的示例性技术在于2016年8月25日提交的美国专利申请号15/247,883、于2016年8月25日提交的美国专利申请号15/247,885、以及于2016年8月25日提交的美国专利申请号15/247,886中进行了详细描述。这些专利申请中的每一个的完整披露通过引用结合于此。
在每个频率响应时段期间，控制器112可以周期性地生成电力逆变器106的电力设定值。例如，控制器112可以在频率响应时段中的每个时间步长上生成电力设定值。在一些实施例中，控制器112使用以下方程生成电力设定值：
Figure BDA0001687380280000161
其中，
Figure BDA0001687380280000162
Figure BDA0001687380280000163
的正值指示能量从POI 110流向能量网104。P供应和P校园的正值分别指示能量从电力逆变器106和校园102流向POI 110。
在其他实施例中，控制器112使用以下方程生成电力设定值：
Figure BDA0001687380280000164
其中，ResFR是通过优化值函数生成的最佳频率响应。控制器112可以从
Figure BDA0001687380280000165
中减去P校园来生成电力逆变器106的设定值(即，
Figure BDA0001687380280000166
)。电力逆变器106的电力设定值指示电力逆变器106将添加至POI 110(如果电力设定值为正)或者从POI 110移除(如果电力设定值为负)的电量。可以由控制器112用来计算电力逆变器设定值的示例性技术在于2016年8月25日提交的美国专利申请号15/247,793、于2016年8月25日提交的美国专利申请号15/247,784、以及于2016年8月25日提交的美国专利申请号15/247,777中进行了详细描述。这些专利申请中的每一个的完整披露通过引用结合于此。
具有频率调节和缓变率控制的光伏能量系统
现在参照图3和图4，根据示例性实施例，示出了使用电池储存设备来同时执行缓变率控制和频率调节两者的光伏能量系统300。缓变率控制是抵消落在由监督能量网的电力部门确定的依从限制之外的缓变率(即，能量系统(如光伏能量系统)的电力输出的增加或减少)的过程。缓变率控制通常需要使用允许通过向电网供应附加电力或消耗来自电网的更多电力来抵消缓变率的能量源。在一些情况下，设施因不符合缓变率要求而受到惩罚。
频率调节是维持电网频率(例如，在美国为60Hz)的稳定性的过程。如图4中所示出的，只要存在来自能量网的需求与到能量网的供应之间的平衡，电网频率就可以在60Hz处保持平衡。需求增加导致电网频率降低，而供应增加导致电网频率增大。在电网频率波动期间，系统300可以通过从能量网汲取更多能量(例如，如果电网频率太高)或者通过向能量网提供能量(例如，如果电网频率太低)来抵消波动。有利地，系统300可以在同时符合缓变率要求并将电池储存设备的荷电状态维持在预定期望范围内的同时使用电池储存设备结合光伏发电来执行频率调节。
具体地参照图3，系统300被示出为包括光伏(PV)场302、PV场电力逆变器304、电池306、电池电力逆变器308、互连点(POI)310以及能量网312。PV场302可以包括光伏电池单元的集合。光伏电池单元被配置用于使用光伏材料(诸如单晶硅、多晶硅、非晶硅、碲化镉、铜铟镓硒/硫或展现光伏效应的其他材料)将太阳能(即，日光)转换成电力。在一些实施例中，光伏电池单元包含在形成太阳能板的封装式组件内。每个太阳能板可以包括多个链接的光伏电池单元。太阳能板可以组合以形成光伏阵列。
PV场302可以具有各种面积/或位置中的任何一种。在一些实施例中，PV场302是能够向大量消费者提供能量供应的大规模光伏发电站的一部分(例如，太阳能公园或农场)。当被实施为大规模系统的一部分时，PV场302可以覆盖多公顷并且可以具有数十或数百兆瓦的电力输出。在其他实施例中，PV场302可以覆盖较小面积并且可以具有相对较小的电力输出(例如，在一兆瓦与十兆瓦之间、小于一兆瓦等)。例如，PV场302可以是能够提供足够的电力来为单个家庭或建筑物供电的安装于屋顶的系统。如可能在不同的实施方式中所期望的，设想PV场302可以具有任何面积、规模和/或电力输出。
PV场302可以取决于太阳能板暴露于其中的日光的强度和/或直射性而生成直流(DC)输出。日光的直射性可以取决于日光相对于太阳能板表面的入射角度。日光的强度可以受各种环境因素的影响，诸如一天的时辰(例如，日出和日落)和天气变量(比如在PV场302上投射阴影的云)。当PV场302被阴影部分或完全覆盖时，PV场302的电力输出(即，PV场电力PPV)可能由于太阳能强度的降低而下降。
在一些实施例中，PV场302被配置用于使太阳能收集最大化。例如，PV场302可以包括太阳能跟踪器(例如，GPS跟踪器、日光传感器等)，所述太阳能跟踪器调整太阳能板的角度以使得太阳能板在一整天都直接对准太阳。太阳能跟踪器可以允许太阳能板在一天的大部分时间接收直射日光，并且可以增加由PV场302产生的总电量。在一些实施例中，PV场302包括被配置用于将日光引导和/或集中在太阳能板上的反射镜、透镜或太阳能集光器的集合。由PV场302生成的能量可以储存在电池306中或者被提供至能量网312。
仍然参照图3，系统300被示出为包括PV场电力逆变器304。电力逆变器304可以被配置用于将PV场302的DC输出PPV转换成可以被馈送至能量网312或者由本地(例如，离网)电网络使用的交流(AC)输出。例如，电力逆变器304可以是被配置用于将来自PV场302的DC输出转换成与能量网312的电网频率同步的正弦AC输出的太阳能逆变器或并网逆变器。在一些实施例中，电力逆变器304接收来自PV场302的累积DC输出。例如，电力逆变器304可以是串逆变器或中央逆变器。在其他实施例中，电力逆变器304可以包括连接至每个太阳能板或太阳能电池单元的微型逆变器的集合。PV场电力逆变器304可以将DC电力输出PPv转换成AC电力输出uPV，并且将AC电力输出uPV提供至POI 310。
电力逆变器304可以接收来自PV场302的DC电力输出PPV并且将DC电力输出转换为可以被馈送至能量网312的AC电力输出。电力逆变器304可以使用本机振荡器来使AC电力输出的频率与能量网312的频率(例如，50Hz或60Hz)同步，并且可以将AC电力输出的电压限制为不高于电网电压。在一些实施例中，电力逆变器304是谐振逆变器，所述谐振逆变器包括或使用LC电路来从简单的方波中移除谐波以便实现与能量网312的频率匹配的正弦波。在各个实施例中，电力逆变器304可以使用高频变换器、低频变换器或不使用变换器进行操作。低频变换器可以将来自PV场302的DC输出直接转换为提供至能量网312的AC输出。高频变换器可以采用多步骤过程，所述多步骤过程涉及将DC输出转换为高频AC，然后回到DC，并且然后最终转换为提供至能量网312的AC输出。
电力逆变器304可以被配置用于执行最大电力点跟踪和/或防孤岛效应。最大电力点跟踪可以允许电力逆变器304从PV场302产生最大可能AC电力。例如，电力逆变器304可以对来自PV场302的DC电力输出进行采样，并且施加可变电阻来找到最佳最大电力点。防孤岛效应是当不再存在到电力消耗负载的连接时立即关闭电力逆变器304(即，防止电力逆变器304生成AC电力)的保护机制。在一些实施例中，PV场电力逆变器304通过限制由PV场302生成的电力来执行缓变率控制。
仍然参照图3，系统300被示出为包括电池电力逆变器308。电池电力逆变器308可以被配置用于从电池306汲取DC电力P电池、将DC电力P电池转换成AC电力u电池、并且将AC电力u电池提供至POI 310。电池电力逆变器308还可以被配置用于从POI 310汲取AC电力u电池、将AC电力u电池转换成DC电池电力P电池、并且将DC电池电力P电池储存在电池306中。DC电池电力P电池可以在电池306正向电池电力逆变器308提供电力(即，如果电池306正在放电)的情况下为正，或者在电池306正从电池电力逆变器308接收电力(即，如果电池306正在充电)的情况下为负。类似地，AC电池电力u电池可以在电池电力逆变器308正向POI 310提供电力的情况下为正，或者在电池电力逆变器308正从POI 310接收电力的情况下为负。
AC电池电力u电池被示出为包括用于频率调节的电量(即，uFR)和用于缓变率控制的电量(即，uRR)，这两个电量一起形成AC电池电力(即，u电池＝uFR+uRR)。DC电池电力P电池被示出为包括uFR和uRR两者以及表示电池306和/或电池电力逆变器308中的电力损耗的附加项P损耗(即，P电池＝uFR+uRR+P损耗)。PV场电力uPV和电池电力u电池在POI 110处组合以形成表示提供至能量网312的电量的PPOI(即，PPOI＝uPV+u电池)。PPOI可以在POI 310正向能量网312提供电力的情况下为正，或者在POI 310正从能量网312接收电力的情况下为负。
仍然参照图3，系统300被示出为包括控制器314。控制器314可以被配置用于生成PV场电力逆变器304的PV电力设定值uPV和电池电力逆变器308的电池电力设定值u电池。贯穿本披露，变量uPV用于指代由控制器314生成的PV电力设定值和PV场电力逆变器304的AC电力输出两者，因为这两个量具有相同的值。类似地，变量u电池用于指代由控制器314生成的电池电力设定值和电池电力逆变器308的AC电力输出/输入两者，因为这两个量具有相同的值。
PV场电力逆变器304使用PV电力设定值uPV来控制将提供至POI 110的PV场电力的量PPb。uPV的大小可以与PPV的大小相同或者小于PPV的大小。例如，如果控制器314确定PV场电力逆变器304将向POI 310提供全部的光伏电力PPV，则uPV可以与PPV相同。然而，如果控制器314确定PV场电力逆变器304将向POI 310提供少于全部的光伏电力PPV，则uPV可以小于PPV。例如，控制器314可以确定期望PV场电力逆变器304向POI 310提供少于全部的光伏电力PPV，以便防止缓变率超过限制和/或以防止在POI 310处的电力超过电力限制。
电池电力逆变器308使用电池电力设定值u电池来控制电池306充电或放电的电量。电池电力设定值u电池可以在控制器314确定电池电力逆变器308将从电池306汲取电力的情况下为正，或者在控制器314确定电池电力逆变器308将电力储存在电池306的情况下为负。u电池的大小控制电池306对能量进行充电或放电的速率。
控制器314可以基于各种不同的变量而生成uPV和u电池，所述不同变量包括例如来自PV场302的电力信号(例如，PPb的当前值或之前值)、电池306的当前荷电状态(SOC)、最大电池电力限制、在POI 310处的最大电力限制、缓变率限制、能量网312的电网频率和/或可以由控制器314用来执行缓变率控制和/或频率调节的其他变量。有利地，控制器314生成uPV和u电池的值，所述值在参与电网频率的调节并将电池306的SOC维持在预定期望范围内的同时将PV电力的缓变率维持在缓变率依从限制内。
可以用作控制器314的示例性控制器和可以由控制器314执行以生成PV电力设定值uPV和电池电力设定值u电池的示例性过程在于2016年8月25日提交的美国专利申请号15/247,869、于2016年8月25日提交的美国专利申请号15/247,844、于2016年8月25日提交的美国专利申请号15/247,788、于2016年8月25日提交的美国专利申请号15/247,872、于2016年8月25日提交的美国专利申请号15/247,880以及于2016年8月25日提交的美国专利申请号15/247,873中进行了详细描述。这些专利申请中的每一个的完整披露通过引用结合于此。
具有热能和电能储存设备的能量储存系统
现在参照图5A，根据示例性实施例，示出了能量储存系统500的框图。能量储存系统500被示出为包括建筑物502。建筑物502可以与如参照图1所描述的建筑物116相同或类似。例如，建筑物502可以配备有HVAC系统和/或操作用于控制建筑物502内的状况的建筑物管理系统。在一些实施例中，建筑物502包括由能量储存系统500服务的多个建筑物(即，校园)。建筑物502可能需要各种资源，包括例如高温热能(例如，热水)、低温热能(例如，冷水)和/或电能。这些资源可以由建筑物502内的设备或子系统或者由为建筑物502提供服务(例如，加热、冷却、空气循环、照明、电力等)的外部系统所需。能量储存系统500操作以满足与建筑物502相关联的资源需求。
能量储存系统500被示出为包括多个公共设施510。公共设施510可以向能量储存系统500提供资源，诸如电力、水、天然气或可以由能量储存系统500用来满足建筑物502的需求的任何其他资源。例如，公共设施510被示出为包括电力公共设施511、供水公共设施512、天然气公共设施513以及公共设施M 514，其中，M是公共设施510的总数量。在一些实施例中，公共设施510是商品供应商，可以从所述商品供应商中采购资源和其他类型的商品。从公共设施510采购的资源可以由发生器子设施520用来产生储存在储存子设施530中以供稍后使用或直接提供至建筑物502的所生成资源(例如，热水、冷水、电力、蒸汽等)。例如，公共设施510被示出为向建筑物502和储存子设施530直接提供电力。
能量储存系统500被示出为包括多个发生器子设施520。在一些实施例中，发生器子设施520是中央设施(例如，中央设施118)的部件。发生器子设施520被示出为包括加热器子设施521、冷却器子设施522、热回收冷却器子设施523、蒸汽子设施524、电力子设施525以及子设施N，其中，N是发生器子设施520的总数量。发生器子设施520可以被配置用于通过发生器子设施520内的设备操作而将一个或多个输入资源转换成一个或多个输出资源。例如，加热器子设施521可以被配置用于通过使用电力或天然气加热水来生成高温热能(例如，热水)。冷却器子设施522可以被配置用于通过使用电力来冷却水而生成低温热能(例如，冷水)。热回收冷却器子设施523可以被配置用于通过从一个水供应中移除热量并向另一水供应添加热量来生成高温热能和低温热能。蒸汽子设施524可以被配置用于通过使用电力或天然气使水沸腾来生成蒸汽。电力子设施525可以被配置用于使用机械发电机(例如，蒸汽涡轮机、气驱动发电机等)或其他类型的发电设备(例如，光伏设备、水电设备等)来发电。
由发生器子设施520使用的输入资源可以由公共设施510提供、从储存子设施530中获取和/或由其他发生器子设施520生成。例如，蒸汽子设施524可以产生蒸汽作为输出资源。电力子设施525可以包括使用由蒸汽子设施524生成的蒸汽作为输入资源来发电的蒸汽涡轮机。由发生器子设施520产生的输出资源可以储存在储存子设施530中、被提供至建筑物502、卖给能量采购者504和/或由其他发生器子设施520使用。例如，由电力子设施525生成的电力可以储存在电能储存设备533中、由冷却器子设施522用来生低温热能、被提供至建筑物502和/或卖给能量采购者504。
能量储存系统500被示出为包括储存子设施530。在一些实施例中，储存子设施530是中央设施(例如，中央设施118)的部件。储存子设施530可以被配置用于储存能量和其他类型的资源以供稍后使用。储存子设施530中的每一个都可以被配置用于储存不同类型的资源。例如，储存子设施530被示出为包括高温热能储存设备531(例如，一个或多个热水储存罐)、低温热能储存设备532(例如，一个或多个低温热能储存罐)、电能储存设备533(例如，一个或多个电池)和资源类型P储存设备534，其中，P是储存子设施530的总数量。储存在子设施530中的资源可以直接从公共设施510采购或者由发生器子设施520生成。
在一些实施例中，储存子设施530由能量储存系统500用来利用基于价格的需求响应(PBDR)项目。PBDR项目鼓励消费者在发电、输电和配电成本高时减少消耗。通常(例如，由公共设施510)以能量价格随时间变化的形式实施PBDR项目。例如，公共设施510可以在高峰使用小时期间增大每单位电力的价格来鼓励客户在高峰时间期间减少电力消耗。一些公共设施还基于在预定需量电费时段期间的任何时间的最大电力消耗率而向消费者收取单独的需量电费。
有利地，将能量和其他类型的资源储存在子设施530中允许在资源相对较便宜的时候(例如，在非高峰电力小时期间)采购资源，并且在资源相对更昂贵的时候(例如，在高峰电力小时期间)储存资源以供使用。将资源储存在子设施530中还允许建筑物502的资源需求及时转移。例如，在加热或冷却的需求较低的时候可以从公共设施510采购资源，并且由发生器子设施520立即将所述资源转换成高温热能或低温热能。热能可以储存在储存子设施530中，并且在加热或冷却需求较高时取回热能。这允许能量储存系统500将建筑物502的资源需求平滑化，并且降低发生器子设施520的最大所需容量。将需求平滑化还允许能量储存系统500减少高峰电力消耗，这导致较低的需量电费。
在一些实施例中，储存子设施530由能量储存系统500用来利用基于激励的需求响应(IBDR)项目。IBDR项目向具有基于请求来储存能量、生成能量或缩减能量使用的能力的客户提供激励。通常采用由公共设施510或由独立服务运营商(ISO)支付的货币化收入的形式提供激励。IBDR项目补充了传统的公共设施拥有的发电、输电和配电资产，以及用于修改需求负载曲线的附加选项。例如，所储存的能量可以卖给能量采购者504(例如，能量网)以补充由公共设施510生成的能量。在一些情况下，参与IBDR项目的激励基于系统可以如何快速地响应改变电力输出/消耗的请求而变化。更快的响应可以在更高层次上获得补偿。有利地，电能储存设备533允许系统500通过将所储存的电能迅速释放至能量采购者504来快速地响应对电力的请求。
仍然参照图5A，能量储存系统500被示出为包括能量储存控制器506。能量储存控制器506可以被配置用于控制在能量储存系统500中的资源的分配、生产、储存和使用。在一些实施例中，能量储存控制器506执行优化过程以在优化时段内的每个时间步长上确定控制决策的最佳设置。控制决策可以包括例如从公共设施510采购的每种资源的最佳量、使用发生器子设施520产生或转换的每种资源的最佳量、从储存子设施530储存或移除的每种资源的最佳量、卖给能量采购者504的每种资源的最佳量、和/或提供至建筑物502的每种资源的最佳量。在一些实施例中，控制决策包括用于发生器子设施520中的每个子设施的每种输入资源和输出资源的最佳量。
控制器506可以被配置用于在优化时段的持续时间上使操作能量储存系统500的经济价值最大化。经济价值可以由值函数来限定，所述值函数表示经济价值作为由控制器506作出的控制决策的函数。值函数可以考虑从公共设施510采购的资源成本、通过将资源卖给能量采购者504而生成的收入、以及操作能量储存系统500的成本。在一些实施例中，操作能量储存系统500的成本包括由于对电能储存设备533进行充电和放电导致的电池容量的损耗成本。操作能量储存系统500的成本还可以包括在优化时段期间过多的设备启动/停止的成本。
子设施520至530中的每一个都可以包括可以由能量储存控制器506控制以优化能量储存系统500的性能的设备。子设施设备可以包括例如加热装置、冷却器、热回收热交换器、冷却塔、能量储存装置、泵、阀门和/或子设施520至530的其他装置。可以开启或关掉发生器子设施520的单独装置以调整每个发生器子设施的资源生产。在一些实施例中，发生器子设施520的单独装置可以根据从能量储存控制器506中接收的操作设定值以可变容量进行操作(例如，以10％容量或60％容量操作冷却器)。
在一些实施例中，子设施520至530中的一个或多个子设施包括被配置用于控制相应子设施的设备的子设施级控制器。例如，能量储存控制器506可以确定子设施设备的开/关配置和全局操作设定值。响应于开/关配置和所接收全局操作设定值，子设施控制器可以开启或关掉其对应设备的单独装置，并且实施特定的操作设定值(例如，气闸位置、叶片位置、风扇速度、泵速度等)以达到或维持全局操作设定值。
在一些实施例中，控制器506在参与PBDR项目、IBDR项目或同时参与PBDR项目和IBDR项目两者的同时使能量储存系统500的寿命周期经济价值最大化。针对IBDR项目，控制器506可以使用过去清算价格、里程率和事件概率的统计估计来确定将所储存的能量卖给能量采购者504的创收潜力。针对FBDR项目，控制器506可以使用所安装设备的环境条件、设施热负载和热力学模型的预测来估计子设施520的资源消耗。控制器506可以使用资源消耗的预测来将运行设备的成本货币化。
控制器506可以自动确定(例如，无需人为干预)在优化时段上参与的PBDR项目和/或IBDR项目的组合以便使经济价值最大化。例如，控制器506可以考虑IBDR项目的创收潜力、PBDR项目的成本降低潜力以及将由参与IBDR项目和PBDR项目的各种组合产生的设备维护/更换成本。控制器506可以对参与的收益与参与的成本进行加权以确定将参与的项目的最佳组合。有利地，这允许控制器506确定使操作能量储存系统500的整体价值最大化的控制决策的最佳设置。
在一些情况下，控制器506可以确定当创收潜力较高和/或参与成本较低时，参与IBDR项目将是有益的。例如，控制器506可以从IBDR项目接收需要能量储存系统500削减预定电量的同步储备事件的通知。如果低温热能储存设备532具有足够的容量为建筑物502提供冷却，同时减少冷却器子设施522上的负载以便消减预定电量，则控制器506可以确定参与IBDR项目是最佳的。
在其他情况下，当参与所需的资源被更好地分配至其他地方时，控制器506可以确定参与IBDR项目将不是有益的。例如，如果建筑物502接近于设定将大大增加PBDR成本的新高峰需求，则控制器506可以确定储存在电能储存设备533中的电能的仅一小部分将被卖给能量采购者504以便参与频率响应市场。控制器506可以确定其余电能将用于为冷却器子设施522供电以防止设置新的高峰需求。
在一些实施例中，能量储存系统500和控制器包括在于2016年8月25日提交的美国专利申请号15/247,875、于2016年8月25日提交的美国专利申请号15/247,879以及于2016年8月25日提交的美国专利申请号15/247,881中描述的部件和/或特征中的一些或全部。这些专利申请中的每一个的完整披露通过引用结合于此。
能量成本优化系统
现在参照图5B，根据示例性实施例，示出了能量成本优化系统550的框图。除了储存子设施530之外，能量成本优化系统550被示出为包括许多与能量储存系统500(参照图5A所描述的)相同的部件。系统550是不具有热能或电能储存设备的系统的示例，可以在所述系统中实施高峰负载贡献成本优化技术。
能量成本优化系统550被示出为包括建筑物502。建筑物502可以与如参照图1所描述的建筑物116相同或类似。例如，建筑物502可以配备有HVAC系统和/或操作用于控制建筑物502内的状况的建筑物管理系统。在一些实施例中，建筑物502包括由能量成本优化系统550服务的多个建筑物(即，校园)。建筑物502可能需要各种资源，包括例如高温热能(例如，热水)、低温热能(例如，冷水)和/或电能。这些资源可以由建筑物502内的设备或子系统或者由为建筑物502提供服务(例如，加热、冷却、空气循环、照明、电力等)的外部系统所需。能量成本优化系统550操作用于满足与建筑物502相关联的资源需求。
能量成本优化系统550被示出为包括多个公共设施510。公共设施510可以向系统550提供资源，诸如电力、水、天然气或可以由系统550用来满足建筑物502的需求的任何其他资源。例如，公共设施510被示出为包括电力公共设施511、供水公共设施512、天然气公共设施513以及公共设施M 514，其中，M是公共设施510的总数量。在一些实施例中，公共设施510是商品供应商，可以从所述商品供应商中采购资源和其他类型的商品。从公共设施510采购的资源可以由发生器子设施520用来产生所生成的资源(例如，热水、冷水、电力、蒸汽等)，或者直接提供至建筑物502。例如，公共设施510被示出为向建筑物502直接提供电力。
能量成本优化系统550被示出为包括多个发生器子设施520。发生器子设施520被示出为包括加热器子设施521、冷却器子设施522、热回收冷却器子设施523、蒸汽子设施524、电力子设施525以及子设施N，其中，N是发生器子设施520的总数量。发生器子设施520可以被配置用于通过发生器子设施520内的设备操作而将一个或多个输入资源转换成一个或多个输出资源。例如，加热器子设施521可以被配置用于通过使用电力或天然气加热水来生成高温热能(例如，热水)。冷却器子设施522可以被配置用于通过使用电力来冷却水而生成低温热能(例如，冷水)。热回收冷却器子设施523可以被配置用于通过从一个水供应中移除热量并向另一水供应添加热量来生成高温热能和低温热能。蒸汽子设施524可以被配置用于通过使用电力或天然气使水沸腾来生成蒸汽。电力子设施525可以被配置用于使用机械发电机(例如，蒸汽涡轮机、气驱动发电机等)或其他类型的发电设备(例如，光伏设备、水电设备等)来发电。
由发生器子设施520使用的输入资源可以由公共设施510提供和/或由其他发生器子设施520生成。例如，蒸汽子设施524可以产生蒸汽作为输出资源。电力子设施525可以包括使用由蒸汽子设施524生成的蒸汽作为输入资源来发电的蒸汽涡轮机。由发生器子设施520产生的输出资源可以提供至建筑物502、卖给能量采购者504和/或由其他发生器子设施520使用。例如，由电力子设施525生成的电力可以由冷却器子设施522用来生低温热能、提供至建筑物502和/或卖给能量采购者504。
仍然参照图5B，能量成本优化系统550被示出为包括控制器1000。控制器1000可以被配置用于控制在系统550中的资源的分配、生产和使用。在一些实施例中，控制器1000执行优化过程以在优化时段内的每个时间步长上确定控制决策的最佳设置。控制决策可以包括例如从公共设施510采购的每种资源的最佳量、使用发生器子设施520产生或转换的每种资源的最佳量、卖给能量采购者504的每种资源的最佳量和/或提供至建筑物502的每种资源的最佳量。在一些实施例中，控制决策包括用于发生器子设施520中的每个子设施的每种输入资源和输出资源的最佳量。
控制器1000可以被配置用于在优化时段的持续时间上使操作能量成本优化系统550的经济价值最大化。经济价值可以由值函数来限定，所述值函数表示经济价值作为由控制器1000作出的控制决策的函数。值函数可以考虑从公共设施510采购的资源成本、通过将资源卖给能量采购者504而生成的收入以及操作系统550的成本。在一些实施例中，操作系统550的成本包括在优化时段期间过多的设备启动/停止的成本。
子设施520中的每一个都可以包括可以由控制器1000控制以优化系统550的性能的设备。子设施设备可以包括例如加热装置、冷却器、热回收热交换器、冷却塔、泵、阀门和/或子设施520的其他装置。可以开启或关掉发生器子设施520的单独装置以调整每个发生器子设施的资源生产。在一些实施例中，发生器子设施520的单独装置可以根据从控制器552中接收的操作设定值以可变容量进行操作(例如，以10％容量或60％容量操作冷却器)。
在一些实施例中，子设施520中的一个或多个子设施包括被配置用于控制相应子设施的设备的子设施级控制器。例如，控制器552可以确定子设施设备的开/关配置和全局操作设定值。响应于开/关配置和所接收全局操作设定值，子设施控制器可以开启或关掉其对应设备的单独装置，并且实施特定的操作设定值(例如，气闸位置、叶片位置、风扇速度、泵速度等)以达到或维持全局操作设定值。
在一些实施例中，能量成本优化系统550和控制器552包括在于2016年8月25日提交的美国专利申请号15/247,875、于2016年8月25日提交的美国专利申请号15/247,879以及于2016年8月25日提交的美国专利申请号15/247,881中描述的部件和/或特征中的一些或全部。这些专利申请中的每一个的完整披露通过引用结合于此。
能量储存控制器
现在参照图6A，根据示例性实施例，示出了更详细地展示能量储存控制器506的框图。能量储存控制器506被示出为向建筑物管理系统(BMS)606提供控制决策。在一些实施例中，BMS 606与参照图1所描述的BMS相同或类似。提供至BMS 606的控制决策可以包括公共设施510的资源采购量、发生器子设施520的设定值和/或储存子设施530的装载率/释放率。
BMS 606可以被配置用于在受控建筑物或建筑物区域内监测状况。例如，BMS 606可以从贯穿建筑物分布的各种传感器(例如，温度传感器、湿度传感器、气流传感器、电压传感器等)中接收输入，并且可以向能量储存控制器506报告建筑物状况。建筑物状况可以包括例如建筑物或建筑物某区域的温度、建筑物的功耗(例如，电负载)、被配置用于影响建筑物内的受控状态的一个或多个致动器的状态、或者与受控建筑物有关的其他类型的信息。BMS 606可以操作子设施520至530来影响建筑物内所监测状况并且服务建筑物的热能负载。
BMS 606可以从能量储存控制器506中接收指定子设施设备的开/关状态、装载率/释放率和/或设定值的控制信号。BMS 606可以根据由能量储存控制器506提供的控制信号来控制设备(例如，经由致动器、电力继电器等)。例如，BMS 606可以使用闭环控制来操作设备以便实现由能量储存控制器506指定的设定值。在各个实施例中，BMS 606可以与能量储存控制器506组合，或者可以是单独的建筑物管理系统的一部分。根据示例性实施例，BMS606是如由江森自控有限公司(Johnson Controls,Inc.)售卖的
Figure BDA0001687380280000291
品牌建筑物管理系统。
能量储存控制器506可以使用从BMS 606接收的信息来监测受控建筑物的状态。能量储存控制器506可以被配置用于在优化时段中的多个时间步长上(例如，使用来自天气服务604的天气预报)预测建筑物的热能负载(例如，加热负载、冷却负载等)。能量储存控制器506还可以使用来自激励项目602的激励事件历史(例如，过去清算价格、里程率、事件概率等)来预测IBDR项目的创收潜力。能量储存控制器506可以生成控制决策，所述控制决策在受制于优化过程的约束(例如，能量平衡约束、负载满足约束等)的优化时段的持续时间上对操作能量储存系统500的经济价值进行优化。以下更详细描述了由能量储存控制器506执行的优化过程。
根据示例性实施例，能量储存控制器506集成在单个计算机(例如，一个服务器、一个外壳等)内。在各个其他示例性实施例中，能量储存控制器506可以跨多个服务器或计算机(例如，其可以存在于分布式位置中)分布。在另一示例性实施例中，能量储存控制器506可以与管理多个建筑物系统的智能建筑物管理器集成和/或与BMS 606组合。
能量储存控制器506被示出为包括通信接口636和处理电路607。通信接口636可以包括用于与各种系统、装置或网络进行数据通信的有线或无线接口(例如，插座、天线、发射器、接收器、收发器、电线端子等)。例如，通信接口636可以包括用于经由基于以太网的通信网络发送和接收数据的以太网卡和端口和/或用于经由无线通信网络进行通信的WiFi收发器。通信接口636可以被配置用于经由局域网或广域网(例如，互联网、建筑物WAN等)进行通信并且可以使用各种通信协议(例如，BACnet、IP、LON等)。
通信接口636可以是被配置用于促进能量储存控制器506与各种外部系统或装置(例如，BMS 606、子设施520至530、公共设施510等)之间的电子数据通信的网络接口。例如，能量储存控制器506可以从BMS 606接收指示受控建筑物的一个或多个经测量状态(例如，温度、湿度、电负载等)以及子设施520至530的一个或多个状态(例如，设备状态、功耗、设备可用性等)的信息。通信接口636可以接收来自BMS 606和/或子设施520至530的输入，并且可以经由BMS 606向子设施520至530提供操作参数(例如，开/关决策、设定值等)。操作参数可以使子设施520至530对其各种装置的设定值进行激活、去激活或调整。
仍然参照图6A，处理电路607被示出为包括处理器608和存储器610。处理器608可以是通用或专用处理器、专用集成电路(ASIC)、一个或多个现场可编程门阵列(FPGA)、一组处理部件或其他合适的处理部件。处理器608可以被配置用于执行存储在存储器610中或从其他计算机可读介质(例如，CDROM、网络存储设备、远程服务器等)接收到的计算机代码或指令。
存储器610可以包括用于存储数据和/或计算机代码以完成和/或促进本披露中所描述的各个过程的一个或多个装置(例如，存储器单元、存储器装置、存储装置等)。存储器610可以包括随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动器存储设备、临时存储设备、非易失性存储器、闪存、光学存储器、或用于存储软件对象和/或计算机指令的任何其他合适的存储器。存储器610可以包括数据库组件、目标代码组件、脚本组件、或用于支持本披露中所描述的各种活动和信息结构的任何其他类型的信息结构。存储器610可以经由处理电路607可通信地连接至处理器608并且可以包括用于(例如，由处理器608)执行本文中所描述的一个或多个过程的计算机代码。
存储器610被示出为包括建筑物状态监测器624。能量储存控制器506可以经由建筑物状态监测器624接收与待由系统500加热或冷却的整体建筑物或建筑物空间有关的数据。在示例性实施例中，建筑物状态监测器624可以包括被配置用于向用户提供图形用户界面以供选择建筑物要求(例如，整体温度参数、建筑物的选择安排表、选择不同建筑物区域的不同温度水平等)的图形用户界面部件。
能量储存控制器506可以确定开/关配置和操作设定值以满足从建筑物状态监测器624接收的建筑物要求。在一些实施例中，建筑物状态监测器624接收、收集、存储和/或传输冷却负载要求、建筑物温度设定值、占用数据、天气数据、能量数据、安排表数据和其他建筑物参数。在一些实施例中，建筑物状态监测器624存储关于能量成本的数据，比如可从公共设施510获得的定价信息(能量费用、需量电费等)。
仍然参照图6A，存储器610被示出为包括负载/费率预测器622。负载/费率预测器622可以被配置用于在优化时段中的每个时间步长k(例如，k＝1…n)上预测建筑物或校园的热能负载
Figure BDA0001687380280000311
负载/费率预测器622被示出为接收来自天气服务604的天气预报。在一些实施例中，负载/费率预测器622根据天气预报来预测热能负载
Figure BDA0001687380280000313
在一些实施例中，负载/费率预测器622使用来自BMS 606的反馈来预测负载
Figure BDA0001687380280000312
来自BMS 606的反馈可以包括各种类型的感官输入(例如，温度、流动、湿度、焓值等)或与受控建筑物有关的其他数据(例如，来自HVAC系统的输入、照明控制系统、安全系统、供水系统等)。
在一些实施例中，负载/费率预测器622(例如，经由建筑物状态监测器624)接收来自BMS 606的经测量电负载和/或之前的经测量负载。负载/费率预测器622可以根据给定天气预报
Figure BDA0001687380280000321
每日类型(day)、一天的时间(t)以及之前的经测量负载数据(Yk-1)来预测负载
Figure BDA0001687380280000322
用以下方程表示这种关系：
Figure BDA0001687380280000323
在一些实施例中，负载/费率预测器622使用从历史负载数据中训练的确定性加随机性模型来预测负载
Figure BDA0001687380280000324
负载/费率预测器622可以使用各种预测方法中的任何一种来预测负载
Figure BDA0001687380280000325
(例如，确定性部分的线性回归和随机部分的AR模型)。负载/费率预测器622可以预测建筑物或校园的一个或多个不同类型的负载。例如，负载/费率预测器622可以在预测窗口内的每个时间步长k上预测热水负载
Figure BDA0001687380280000326
和冷水负载
Figure BDA0001687380280000327
在一些实施例中，负载/费率预测器622使用在美国专利申请号14/717,593中描述的技术来进行负载/费率预测。
负载/费率预测器622被示出为接收来自公共设施510的公共设施费率。公共设施费率可以指示在预测窗口中每个时间步长k处由公共设施510提供的每单位资源(例如，电力、天然气、水等)的成本或价格。在一些实施例中，公共设施费率是时变费率。例如，电力的价格在一天的某些时间或一周的某几天(例如，在高需求时段)较高，并且在一天的其他时间或一周的其他几天(例如，在低需求时段)较低。公共设施费率可以限定各种时间段以及在每个时间段期间的每单位资源的成本。公共设施费率可以是从公共设施510接收的实际费率或由负载/费率预测器622估计的所预测的公共设施费率。
在一些实施例中，公共设施费率包括由公共设施510提供的一种或多种资源的需量电费。需量电费可以限定由公共设施510基于在需量电费时段期间的特定资源的最大使用(例如，最大能耗)而强加的单独成本。公共设施费率可以限定各种需量电费时段和与每个需量电费时段相关联的一个或多个需量电费。在一些情况下，需量电费时段可以彼此和/或与预测窗口部分地或完全地重叠。有利地，需求响应优化器630可以被配置用于考虑在由高级优化器632执行的高级优化过程中的需量电费。可以由时变(例如，每小时)价格、最高服务水平(例如，由物理基础设施或由合同允许的最大消耗速率)以及(在电力的情况下)需量电费或在一定时段内高峰消耗速率的费用来限定公共设施510。负载/费率预测器622可以将所预测负载
Figure BDA0001687380280000331
和公共设施费率存储在存储器610中和/或将所预测负载
Figure BDA0001687380280000332
和公共设施费率提供至需求响应优化器630。
仍然参照图6A，存储器610被示出为包括激励估计器620。激励估计器620可以被配置用于估计参与各种基于激励的需求响应(IBDR)项目的创收潜力。在一些实施例中，激励估计器620接收来自激励项目602的激励事件历史。激励事件历史可以包括来自激励项目602的过去IBDR事件的历史。IBDR事件可以包括来自激励项目602的用于参与IBDR项目以便交换货币化激励的邀请。激励事件历史可以指示过去IBDR事件发生的时间以及描述IBDR事件的属性(例如，清算价格、里程率、参与要求等)。激励估计器620可以使用激励事件历史来在优化时段期间估计IBDR事件概率。
激励估计器620被示出为向需求响应优化器630提供激励预测。激励预测可以包括经估计IBDR概率、经估计参与要求、参与经估计IBDR事件的估计收入量、和/或所预测IBDR事件的任何其他属性。需求响应优化器630可以使用激励预测连同所预测负载
Figure BDA0001687380280000333
和来自负载/费率预测器622的公共设施费率一起在优化时段内的每个时间步长上确定控制决策的最佳设置。
仍然参照图6A，存储器610被示出为包括需求响应优化器630。需求响应优化器630可以执行级联优化过程以优化能量储存系统500的性能。例如，需求响应优化器630被示出为包括高级优化器632和低级优化器634。高级优化器632可以控制级联优化的外部(例如，子设施级)回路。高级优化器632可以在预测窗口中的每个时间步长上确定控制决策的最佳设置以便优化(例如，最大化)操作能量储存系统500的值。由高级优化器632作出的控制决策可以包括例如发生器子设施520中的每个子设施的负载设定值、储存子设施530中的每个子设施的装载率/释放率、从公共设施510采购的每种类型资源的资源采购量、和/或卖给能量采购者504的每种资源的量。换言之，控制决策可以限定在每个时间步长处的资源分配。由高级优化器632作出的控制决策基于激励事件概率和各种IBDR事件的创收潜力的统计估计以及负载预测和费率预测。
低级优化器634可以控制级联优化的内部(例如，设备级)回路。低级优化器634可以确定如何以由高级优化器632确定的负载设定值最佳地运行每个子设施。例如，低级优化器634可以确定子设施设备的各种装置的开/关状态和/或操作设定值，以便在满足子设施的资源分配设定值的同时优化(例如，最小化)每个子设施的能耗。在一些实施例中，低级优化器634接收来自激励项目602的实际激励事件。低级优化器634可以基于由高级优化器632设置的资源分配来判定是否参与激励事件。例如，如果已经由高级优化器632将不足的资源分配给特定IBDR项目，或者如果所分配资源已经被使用，则低级优化器634可以确定能量储存系统500将不参与IBDR项目并且可以忽略IBDR事件。然而，如果所需资源已经分配给IBDR项目并且可用于储存子设施530，则低级优化器634可以确定系统500将响应于IBDR事件而参与IBDR项目。由需求响应优化器630执行的级联优化过程在美国专利申请号15/247,885中进行了更详细的描述。
仍然参照图6A，存储器610被示出为包括子设施控制模块628。子设施控制模块628可以存储与过去操作状态、过去操作设定值和用于计算和/或实施子设施520至530的控制参数的指令有关的历史数据。子设施控制模块628还可以接收、存储和/或传输与子设施设备的单独装置的状况有关的数据，诸如，运行效率、设备降级、自上次服务以来的日期、寿命参数、条件等级或其他装置特定数据。子设施控制模块628可以经由通信接口636接收来自子设施520至530和/或BMS 606的数据。子设施控制模块628还可以接收并存储来自低级优化器634的开/关状态和操作设定值。
来自需求响应优化器630、子设施控制模块628或能量储存控制器506的其他模块的数据和处理结果可以由监测和报告应用626进行访问(或推送至所述监测和报告应用)。监测和报告应用626可以被配置用于生成可以由用户(例如，系统工程师)查看和导航的实时“系统状态”仪表盘。例如，监测和报告应用626可以包括基于web的监测应用，所述监测应用具有若干图形用户界面(GUI)元素(例如，小部件、仪表盘控制、窗口等)以便向GUI的用户显示关键性能指标(KPI)或其他信息。另外，GUI元素可以对跨不同建筑物(真实的或模拟的)、不同校园等中的能量储存系统的相对能量使用和强度进行总结。可以基于允许用户从一个屏幕对跨一个或多个能量储存系统的性能进行评估的可用数据而生成和显示其他GUI元素或报告。用户界面或报告(或底层数据引擎)可以被配置用于通过建筑物、建筑物类型、设备类型等来聚合并分类运行状况。GUI元素可以包括允许用户对能量储存系统的装置的操作参数和功耗进行视觉分析的图表或直方图。
仍然参照图6A，能量储存控制器506可以包括一个或多个GUI服务器、web服务612或GUI引擎614以便支持监测和报告应用626。在各个实施例中，应用626、web服务612和GUI引擎614可以作为能量储存控制器506外部的单独部件(例如，作为智能建筑物管理器的一部分)来提供。能量储存控制器506可以被配置用于维护相关数据的详细历史数据库(例如，关系数据库、XML数据库等)并且包括计算机代码模块，所述计算机代码模块不断地、频繁地或不经常地查询、聚合、变换、搜索或以其他方式处理在详细数据库中维护的数据。能量储存控制器506可以被配置用于将任何这种处理的结果提供至其他数据库、表、XML文件或其他数据结构以供由例如外部监测和报告应用来进一步查询、计算或访问。
能量储存控制器506被示出为包括配置工具616。配置工具616可以允许用户(例如，经由图形用户界面、经由提示驱动的“向导程序”等)限定能量储存控制器506应当如何针对改变能量储存子系统中的变化条件作出反应。在示例性实施例中，配置工具616允许用户构建和存储条件响应场景，所述条件响应场景可以使多个能量储存系统装置、多个建筑物系统和多个企业控制应用(例如，工作命令管理系统应用、实体资源规划应用等)交叉。例如，配置工具616可以使用各种条件逻辑为用户提供组合数据(例如，来自子系统、来自事件历史)的能力。在不同的示例性实施例中，条件逻辑的范围可以从条件之间的简单逻辑运算符(例如，AND(与)、OR(或)、XOR(异或)等)到伪代码构造或复杂编程语言函数(允许更复杂的交互、条件语句、循环等)。配置工具616可以呈现用户界面以构建这种条件逻辑。用户界面可以允许用户以图形方式限定策略和响应。在一些实施例中，用户界面可以允许用户选择预存储或预构造的策略并对所述策略进行调整或使其能够与其系统一起使用。
能量成本优化控制器
现在参照图6B，根据示例性实施例，示出了更详细地展示控制器552的框图。控制器552被示出为向建筑物管理系统(BMS)606提供控制决策。在一些实施例中，BMS 606与参照图1所描述的BMS相同或类似。提供至BMS 606的控制决策可以包括公共设施510的资源采购量和/或发生器子设施520的设定值。
BMS 606可以被配置用于在受控建筑物或建筑物区域内监测状况。例如，BMS 606可以从贯穿建筑物分布的各种传感器(例如，温度传感器、湿度传感器、气流传感器、电压传感器等)中接收输入，并且可以向控制器552报告建筑物状况。建筑物状况可以包括例如建筑物或建筑物某区域的温度、建筑物的功耗(例如，电负载)、被配置用于影响建筑物内的受控状态的一个或多个致动器的状态、或者与受控建筑物有关的其他类型的信息。BMS 606可以操作子设施520来影响在建筑物内所监测的状况并且服务建筑物的热能负载。
BMS 606可以从控制器552中接收指定子设施设备的开/关状态和/或设定值的控制信号。BMS 606可以根据由控制器552提供的控制信号来控制设备(例如，经由致动器、电力继电器等)。例如，BMS 606可以使用闭环控制来操作设备以便实现由能量储存控制器552指定的设定值。在各个实施例中，BMS 606可以与控制器552组合，或者可以是单独的建筑物管理系统的一部分。根据示例性实施例，BMS 606是如由江森自控有限公司(JohnsonControls,Inc.)售卖的
Figure BDA0001687380280000371
品牌建筑物管理系统。
控制器552可以使用从BMS 606接收的信息来监测受控建筑物的状态。控制器552可以被配置用于在优化时段中的多个时间步长上(例如，使用来自天气服务604的天气预报)预测建筑物的热能负载(例如，加热负载、冷却负载等)。控制器552可以生成控制决策，所述控制决策在受制于优化过程的约束(例如，能量平衡约束、负载满足约束等)的优化时段的持续时间上对操作系统550的经济价值进行优化。以下更详细描述了由控制器552执行的优化过程。
控制器552被示出为包括通信接口636和具有处理器608和存储器610的处理电路607。这些部件可以与如参照图6A所描述的部件相同。例如，控制器552被示出为包括需求响应优化器630。需求响应优化器630可以执行级联优化过程以优化系统550的性能。例如，需求响应优化器630被示出为包括高级优化器632和低级优化器634。高级优化器632可以控制级联优化的外部(例如，子设施级)回路。高级优化器632可以在预测窗口中的每个时间步长上确定控制决策的最佳设置以便优化(例如，最大化)操作能量储存系统500的值。由高级优化器632作出的控制决策可以包括例如发生器子设施520中的每个子设施的负载设定值、从公共设施510采购的每种类型资源的资源采购量、和/或卖给能量采购者504的每种资源的量。换言之，控制决策可以限定在每个时间步长处的资源分配。
低级优化器634可以控制级联优化的内部(例如，设备级)回路。低级优化器634可以确定如何以由高级优化器632确定的负载设定值最佳地运行每个子设施。例如，低级优化器634可以确定子设施设备的各种装置的开/关状态和/或操作设定值，以便在满足子设施的资源分配设定值的同时优化(例如，最小化)每个子设施的能耗。由需求响应优化器630执行的级联优化过程在美国专利申请号15/247,885中进行了更详细的描述。控制器552的这些和其他部件可以与如之前参照图6A所描述的部件相同。
规划工具
现在参照图7，根据示例性实施例，示出了规划系统700的框图。出于规划、预算和/或设计考虑，规划系统700可以被配置用于使用需求响应优化器630作为规划工具702的一部分来在预定时间段(例如，一天、一个月、一周、一年等)上模拟中央设施的操作。当在规划工具702中实施时，可以采用如参照图6A至图6B所描述的类似方式来操作需求响应优化器630。例如，需求响应优化器630可以使用建筑物负载和公共设施费率来确定最佳资源分配以便将模拟时段上的成本最小化。然而，规划工具702可以不负责建筑物管理系统或中央设施的实时控制。
规划工具702可以被配置用于确定投资电池资产的收益和与所述投资相关联的财务指标。这类财务指标可以包括例如内部回报率(IRR)、净现值(NPV)和/或简单投资回收期(SPP)。规划工具702还可以辅助用户确定产生最佳财务指标(比如最大NPV或最小SPP)的电池的规模。在一些实施例中，规划工具702允许用户指定电池规模并自动确定在执行PBDR的同时参与所选IBDR项目产生的电池资产的收益，如参照图5A所描述的。在一些实施例中，规划工具702被配置用于在给定所选IBDR项目和执行PBDR的要求的情况下确定使SPP最小化的电池规模。在一些实施例中，规划工具702被配置用于在给定所选IBDR项目和执行PBDR的要求的情况下确定使NPV最大化的电池规模。
在规划工具702中，高级优化器632可以在整个模拟时段上接收经规划负载和公共设施费率。可以由经由客户端装置722从用户中接收的(例如，用户限定的、用户选择的等)和/或从规划信息数据库726中获取的输入来限定经规划负载和公共设施费率。高级优化器632使用经规划负载和公共设施费率结合来自低级优化器634的子设施曲线来确定在模拟时段的一部分上的最佳资源分配(即，最佳分派安排表)。
可以通过在时间范围处结束的预测窗口限定模拟时段的被高级优化器632优化资源分配的那部分。对于优化的每次迭代，预测窗口向前移，并且分派安排表的不再在预测窗口中的部分被接受(例如，作为模拟的结果被存储或输出)。负载和费率预测可以针对整个模拟预定义，并且可能不受制于每次迭代中的调整。然而，在时间上将预测窗口向前移可能在预测窗口结束时的新增时间片上引入附加规划信息(例如，经规划负载和/或公共设施费率)。新的规划信息可能对最佳分派安排表没有显著的影响，因为只有一小部分的预测窗口随着每次迭代而改变。
在一些实施例中，在模拟开始时，高级优化器632从低级优化器634请求在模拟中使用的所有子设施曲线。因为经规划负载和环境条件在整个模拟时段是已知的，所以高级优化器632可以在模拟开始时获取所有的相关子设施曲线。在一些实施例中，当子设施曲线被提供至高级优化器632时，低级优化器634生成将子设施生产映射到设备级生产和资源使用的函数。这些子设施到设备的函数可以用于基于模拟的结果来计算单独的设备生成和资源使用(例如，在后处理模块中)。
仍然参照图7，规划工具702被示出为包括通信接口704和处理电路706。通信接口704可以包括用于与各种系统、装置或网络进行数据通信的有线或无线接口(例如，插座、天线、发射器、接收器、收发器、电线端子等)。例如，通信接口704可以包括用于经由基于以太网的通信网络发送和接收数据的以太网卡和端口和/或用于经由无线通信网络进行通信的WiFi收发器。通信接口704可以被配置用于经由局域网或广域网(例如，互联网、建筑物WAN等)进行通信并且可以使用各种通信协议(例如，BACnet、IP、LON等)。
通信接口704可以是被配置用于促进规划工具702与各种外部系统或装置(例如，客户端装置722、结果数据库728、规划信息数据库726等)之间的电子数据通信的网络接口。例如，规划工具702可以经由通信接口704接收来自客户端装置722和/或规划信息数据库726的经规划负载和公共设施费率。规划工具702可以使用通信接口704将模拟的结果输出至客户端装置722和/或将所述结果存储在结果数据库728中。
仍然参照图7，处理电路706被示出为包括处理器710和存储器712。处理器710可以是通用或专用处理器、专用集成电路(ASIC)、一个或多个现场可编程门阵列(FPGA)、一组处理部件或其他合适的处理部件。处理器710可以被配置用于执行存储在存储器712中或从其他计算机可读介质(例如，CDROM、网络存储设备、远程服务器等)接收到的计算机代码或指令。
存储器712可以包括用于存储数据和/或计算机代码以完成和/或促进本披露中所描述的各个过程的一个或多个装置(例如，存储器单元、存储器装置、存储装置等)。存储器712可以包括随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动器存储设备、临时存储设备、非易失性存储器、闪存、光学存储器、或用于存储软件对象和/或计算机指令的任何其他合适的存储器。存储器712可以包括数据库组件、目标代码组件、脚本组件、或用于支持本披露中所描述的各种活动和信息结构的任何其他类型的信息结构。存储器712可以经由处理电路706可通信地连接至处理器710并且可以包括用于(例如，由处理器710)执行本文中所描述的一个或多个过程的计算机代码。
仍然参照图7，存储器712被示出为包括GUI引擎716、web服务714和配置工具718。在示例性实施例中，GUI引擎716包括被配置用于向用户提供图形用户界面以供选择或限定用于模拟的规划信息(例如，经规划负载、公共设施费率、环境条件等)的图形用户界面部件。Web服务714可以允许用户经由web门户和/或从远程系统或装置(例如，企业控制应用)与规划工具702交互。
配置工具718可以允许用户(例如，经由图形用户界面、经由提示驱动的“向导程序”等)限定各种模拟参数，诸如子设施的数量和类型、在每个子设施内的装置、子设施曲线、装置特定效率曲线、模拟的持续时间、预测窗口的持续时间、每个时间步长的持续时间、和/或与模拟有关的各种其他类型的规划信息。配置工具718可以呈现用户界面以构建这种模拟。用户界面可以允许用户以图形方式限定模拟参数。在一些实施例中，用户界面允许用户选择预存储的或预构造的模拟设施和/或规划信息(例如，来自规划信息数据库726)，并且对所述信息进行调整或使其能够用于模拟。
仍然参照图7，存储器712被示出为包括需求响应优化器630。需求响应优化器630可以使用经规划负载和公共设施费率来确定在预测窗口上的最佳资源分配。需求响应优化器630的操作可以与如之前参照图6至图8所描述的相同或类似。对于优化过程的每次迭代，需求响应优化器630可以将预测窗口前移，并且在模拟时段不再在预测窗口中的部分上应用最佳资源分配。需求响应优化器630可以在预测窗口结束时使用新规划信息来执行优化过程的下一次迭代。需求响应优化器630可以将所应用的资源分配输出至报告应用730以用于(例如，经由用户界面724)向客户端装置722呈现或存储在结果数据库728中。
仍然参照图7，存储器712被示出为包括报告应用730。报告应用730可以从需求响应优化器630接收经优化资源分配以及在一些实施例中与经优化资源相关联的成本。报告应用730可以包括基于web的报告应用，所述报告应用具有若干图形用户界面(GUI)元素(例如，小部件、仪表盘控制、窗口等)以便向GUI的用户显示关键性能指标(KPI)或其他信息。另外，GUI元素可以对跨各种设施、子设施等的相对能量使用和强度进行总结。可以基于允许用户对模拟结果进行评估的可用数据而生成和显示其他GUI元素或报告。用户界面或报告(或底层数据引擎)可以被配置用于对资源分配和与所述资源分配相关联的成本进行聚合并分类，并且经由GUI将所述结果提供至用户。GUI元素可以包括允许用户对模拟的结果进行视觉分析的图表或直方图。图8中示出了可以由报告应用730生成的示例性输出。
现在参照图8，根据示例性实施例，示出了展示规划工具702的操作的若干曲线图800。对于优化过程的每次迭代，规划工具702选择执行优化的优化时段(即，模拟时段的一部分)。例如，规划工具702可以选择优化时段802以用于第一次迭代。一旦已经确定最佳资源分配810，规划工具702就可以选择资源分配810的部分818以发送至设施分派830。部分818可以是资源分配810的第一b时间步长。规划工具702可以在时间上将优化时段802向前移，从而产生优化时段804。预测窗口移动的量可以与时间步长的持续时间b相对应。
规划工具702可以在优化时段804上重复优化过程以确定最佳资源分配812。规划工具702就可以选择资源分配812的部分820以发送至设施分派830。部分820可以是资源分配812的第一b时间步长。规划工具702然后可以在时间上将预测窗口向前移，从而产生优化时段806。可以在每个随后的优化时段(例如，优化时段806、808等)上重复此过程，以便生成更新的资源分配(例如，资源分配814、816等)，并且选择每个资源分配的部分(例如，部分822、824)以发送至设施分派830。设施分派830包括来自优化时段802至808中的每一个的第一b时间步长818至824。一旦在整个模拟时段上编辑了最佳资源分配，就可以将结果发送至报告应用730、结果数据库728、和/或客户端装置722，如参照图7所描述的。
资源分配优化
现在参照图9，根据示例性实施例，示出了更详细地展示高级优化器632的框图。在一些实施例中，高级优化器632可以被实施为能量储存控制器506的部件，如参照图5A和图6A所描述的。在其他实施例中，高级优化器632可以被实施为控制器552的部件，如参照图5B和图6B所描述的。在其他实施例中，高级优化器632可以被实施为规划工具702的部件，如参照图7至图8所描述的。
高级优化器632可以接收来自负载/费率预测器622的负载和费率预测、来自激励估计器620的激励预测以及来自低级优化器634的子设施曲线。高级优化器632可以根据负载和费率预测、激励预测和子设施曲线来确定跨能量储存系统500的最佳资源分配。最佳资源分配可以包括从公共设施510采购的每种资源量、发生器子设施520的每个输入和输出资源量、储存的或从储存子设施530抽取的每种资源量、和/或卖给能量采购者504的每种资源量。在一些实施例中，最佳资源分配在满足建筑物或校园的所预测负载的同时使操作能量储存系统500的经济价值最大化。
高级优化器632可以被配置用于优化电池资产的利用率，诸如电池108、电池306和/或电能储存子设施533。电池资产可以用于参与产生收入的IBDR项目，并且用于降低能量成本和由高峰负载贡献费用引发的成本。高级优化器632可以使用优化算法以最佳方式分配电池资产(例如，通过以最佳方式对电池进行充电和放电)以便使其总值最大化。在规划工具框架中，高级优化器632可以迭代地执行优化以在整个模拟时段上(例如，一整年)确定最佳电池资产分配，如参照图8所描述的。优化过程可以被扩展用于包括经济负载需求响应(ELDR)并且可以考虑高峰负载贡献费用。高级优化器632可以在给定范围上的每个时间步长(例如，每小时)处分配电池资产，以使得将能量成本和需求成本最小化并将频率调节(FR)收入最大化。以下更加详细地描述了高级优化器632的这些特征和其他特征。
成本函数
仍然参照图9，高级优化器632被示出为包括成本函数模块902。成本函数模块902可以生成成本函数或目标函数，所述成本函数或目标函数表示系统在时间范围(例如，一个月、一年、一天等)上的总操作成本。所述系统可以包括之前所描述的系统中的任何系统(例如，频率响应优化系统100、光伏能量系统300、能量储存系统500、规划系统700等)或实施高级优化器632的任何其他系统。在一些实施例中，通常可以使用以下方程来表示成本函数：
Figure BDA0001687380280000431
其中，J(x)如下进行限定：
Figure BDA0001687380280000432
前一方程中的第一项表示在优化范围上采购的所有资源的总成本。资源可以包括例如水、电力、天然气或从公共设施或其他外部实体采购的其他类型的资源。方程中的第二项表示通过在优化范围上参与激励项目(例如，IBDR项目)生成的总收入。收入可以基于储备用于参与激励项目的电量。因此，总成本函数表示所采购资源的总成本减去由参与激励项目生成的任何收入。
高级优化器632可以对受制于以下约束的成本函数J(x)进行优化，这保证了在优化范围上的所采购、所产生、所释放、所消耗和所请求资源之间的平衡：
Figure BDA0001687380280000441
其中，x内部,时间和x外部,时间是内部决策变量和外部决策变量，并且v不受控,时间包括不受控变量。
在前一方程中的第一项表示在优化范围上从每个源(例如，公共设施510)采购的每种资源(例如，电力、水、天然气等)的总量。第二项表示在优化范围上系统内(例如，发生器子设施520内)的每种资源的总消耗。第三项表示在优化范围上从储存设备(例如，储存子设施530)释放的每种资源的总量。正值指示从储存设备释放资源，而负值指示资源被装载或储存。第四项表示由各种资源汇(例如，建筑物502、能量采购者504或其他资源消费者)在优化范围上请求的每种资源的总量。因此，这种约束确保所采购、所产生或从储存设备释放的每种资源的总量等于所消耗、所储存或提供至资源汇的每种资源的量。
在一些实施例中，成本函数模块902将一种或多种资源的采购成本分成多个项。例如，成本函数模块902可以将资源采购成本分成与每单位所采购资源的成本(例如，电力为$/kWh、水为$/升等)相对应的第一项以及与一个或多个需量电费相对应的第二项。需量电费是对取决于给定时段(即，需量电费时段)上的最大或高峰资源消耗的资源消耗的单独收费。成本函数模块902可以使用以下方程来表示成本函数：
Figure BDA0001687380280000442
其中，r需求,s,q是与在需量电费时段上由源s提供的资源的高峰需求相关联的第q个需量电费，w需求,s,q是与源s相关联的第q个需量电费的权重调整，并且max()项指示在需量电费时段期间在任何时间步长i处从源s采购的资源的最大量。变量rs,i指示从源s采购的资源的每单位成本，并且变量采购s,i指示在优化时段的第i个时间步长期间从源s采购的资源量。
在一些实施例中，实施高级优化器632的能量系统包括被配置用于储存和释放电力的电池资产(例如，一个或多个电池)。如果电池资产是能量储存的唯一类型，则成本函数模块902可以将成本函数J(x)简化为以下方程：
Figure BDA0001687380280000451
其中，h是优化范围的持续时间，
Figure BDA0001687380280000452
是在优化范围的第i个时间步长期间从电池资产释放的用于减少从电力公共设施采购的电量的电量(例如，kW)，
Figure BDA0001687380280000453
是在时间步长i处的电价(例如，$/kWh)，PFR,i是在时间步长i期间致力于频率调节参与的电池电力(例如，kW)，
Figure BDA0001687380280000454
是在时间步长i期间参与频率调节的激励费率(例如，$/kWh)，rd是在相应的需量电费时段期间与最大电力消耗相关联的可适用需量电费(例如，$/kWh)，wd是在所述范围上的需量电费的权重调整，并且max()项在可适用需量电费时段的任何时间步长i期间选择从电力公共设施采购的最大电量(例如，kW)。
在成本函数J(x)的前一表达式中，第一项表示由使用电池电力来满足设施的电力需求相对于如果从电力公共设施采购电力则会引发的成本的成本节约。第二项表示由参与频率调节项目推导出的收入量。第三项表示在连续时间步长之间切换电池电力Pbat所强加的切换惩罚。第四项表示与从电力公共设施采购的最大电量相关联的需量电费。所采购的电量可以等于在时间步长i处的设施的电负载e负载i(即，所需总电量)与在时间步长i处从电池资产
Figure BDA0001687380280000455
释放的电量之间的差。在规划工具框架中，电负载e负载在所述范围上的历史数据可以被提供为已知输入。在运行模式中，可以在优化时段的每个时间步长上预测电负载e负载。
优化约束
仍然参照图9，高级优化器632被示出为包括电力约束模块904。电力约束模块904可以被配置用于对目标函数J(x)强加一个或多个电力约束。在一些实施例中，电力约束模块904生成并强加以下约束：
Figure BDA0001687380280000461
Figure BDA0001687380280000462
Figure BDA0001687380280000463
其中，
Figure BDA0001687380280000464
是在时间步长i处从电池释放的用于满足电力需求并减少需量电费的电量，
Figure BDA0001687380280000465
是在时间步长i处致力于频率调节的电池电量，P有效是有效可用电力(例如，可以对电池进行充电或放电的最大速率)，并且e负载i是在时间步长i处的总电力需求。
前两个电力约束确保不会以超过最大电池充电/放电率P有效的速率对电池进行充电或放电。如果系统包括光伏(PV)发电设备，则可以如下计算有效可用电力P有效：
P有效＝P额定-PPV紧固储备
其中，P额定是电池的额定容量，并且PPV紧固储备是PV紧固储备电力。第三电力约束确保不会将储存在电池中的能量卖给或输出至能量网。在一些实施例中，如果将能量卖回能量网是系统的期望特征或行为，则电力约束模块904可以移除第三电力约束。
仍然参照图9，高级优化器632被示出为包括容量约束模块906。容量约束模块906可以被配置用于对目标函数J(x)强加一个或多个容量约束。容量约束可以用于将在每个时间步长期间充电或放电的电池电力P电池与电池的容量和荷电状态(SOC)进行关联。容量约束可以确保电池的SOC维持在可接受的下限和上限内，并且确保充足的电池容量可用于频率调节。在一些实施例中，下限和上限基于在每个时间步长i期间储备致力于频率调节
Figure BDA0001687380280000466
的电量所需的电池容量。
在一些实施例中，容量约束模块906生成两组容量约束。一组容量约束可以应用于在每个时间步长i结束时的边界条件，而另一组容量约束可以应用于在下一时间步长i+1开始时的边界条件。例如，如果第一数量的电池容量被储备用于时间步长i期间的频率调节并且第二数量的电池容量被储备用于在时间步长i+1期间的频率调节，则在时间步长i与i+1之间的边界点可能需要满足时间步长i和时间步长i+1两者的容量约束。这确保针对在当前时间步长i和下一时间步长i+1期间致力于频率调节的电力所作出的决策表示电池SOC的连续变化。
在一些实施例中，容量约束模块906生成以下容量约束：
Figure BDA0001687380280000471
Figure BDA0001687380280000472
其中，Ca是可用电池容量(例如，kWh)，CFR是将致力于频率调节的电池电量PFR转化成需要储备的能量的量的频率调节储备容量(例如，kWh/kW)，并且C有效是电池的有效容量。
第一组约束确保将在每个时间步长i结束时的电池容量(即，可用容量Ca减去贯穿时间步长i所放电的电池电力)在时间步长i上维持在容量下限
Figure BDA0001687380280000473
与容量上限
Figure BDA0001687380280000474
之间。容量下限
Figure BDA0001687380280000475
表示在时间步长i期间针对频率调节需要储备
Figure BDA0001687380280000476
的最小容量，而容量上限
Figure BDA0001687380280000477
表示在时间步长i期间针对频率调节需要储备
Figure BDA0001687380280000478
的最大容量。类似地，第二组约束确保将在每个时间步长i结束时的电池容量(即，可用容量Ca减去贯穿时间步长i所放电的电池电力)在时间步长i+1上维持在容量下限
Figure BDA0001687380280000479
与容量上限
Figure BDA00016873802800004710
之间。容量下限
Figure BDA00016873802800004711
表示在时间步长i+1期间针对频率调节需要储备
Figure BDA00016873802800004712
的最小容量，而容量上限
Figure BDA00016873802800004713
表示在时间步长i+1期间针对频率调节需要储备
Figure BDA00016873802800004714
的最大容量。
在一些实施例中，容量约束模块906计算电池的有效容量C有效作为电池的额定容量的百分比。例如，如果频率调节和光伏发电两者都启用并且SOC控制裕度为非零，则容量约束模块906可以使用以下方程来计算电池的有效容量C有效：
C有效＝(1-CFR-2CsocCM)C额定-CPV紧固储备
其中，CsocCM是控制裕度，并且CPV紧固储备是储备用于光伏紧固的容量。
仍然参照图9，高级优化器632被示出为包括切换约束模块908。切换约束模块908可以被配置用于对成本函数J(x)强加一个或多个切换约束。如之前所描述的，成本函数J(x)可以包括以下切换项：
Figure BDA0001687380280000481
其充当在连续时间步长i与i-1之间切换电池电力P电池的惩罚。值得注意的是，由于绝对值函数，切换项是非线性的。
切换约束模块908可以以线性格式强加表示非线性切换项的约束。例如，切换约束模块908可以引入辅助切换变量si，并且将所述辅助切换变量约束为大于在时间步长i处的电池电力
Figure BDA0001687380280000482
与在时间步长i-1处的电池电力
Figure BDA0001687380280000483
之间的差，如在以下方程中所示出的：
Figure BDA0001687380280000484
切换约束模块908可以使用以下线性化项替换成本函数J(x)中的非线性切换项：
Figure BDA0001687380280000485
这可以使用受制于辅助切换变量si的约束的各种线性优化技术(例如，线性规划)中的任何一种来进行优化。
需量电费合并
仍然参照图9，高级优化器632被示出为包括需量电费模块910。需量电费模块910可以被配置用于对成本函数J(x)和优化约束进行修改以考虑一个或多个需量电费。如之前所描述的，需量电费是由公共设施510基于在各种需量电费时段期间来自公共设施510的资源的高峰消耗(即，在可适用需量电费时段的任何时间步长期间从公共设施采购的资源的高峰量)而强加的成本。例如，电力公共设施可以限定一个或多个需量电费时段，并且可以基于在每个需量电费时段期间的高峰电力消耗而强加单独的需量电费。电能储存设备可以在能耗较低时通过将电力储存在电池中并且在能耗较高时从电池释放所储存电力来帮助减少高峰消耗，从而减少在需量电费时段的任何时间步长期间从公共设施采购的高峰电力。
在一些情况下，从公共设施510采购的资源中的一种或多种资源受制于需量电费或多个需量电费。因为存在不同类型的能量费率结构，所以存在多种类型的潜在需量电费。最常见的能量费率结构为恒定定价、使用时间(TOU)和实时定价(RTP)。每个需量电费都可以与在其期间需量电费有效的需量电费时段相关联。需量电费时段可以彼此和/或与优化时段部分或完全重叠。需量电费时段可以包括相对较长时段(例如，月度、季度、年度等)或相对较短时段(例如，几天、几小时等)。这些时段中的每一个都可以被划分成若干子时段，包括非高峰时段、部分高峰时段和/或高峰时段。一些需量电费时段是连续的(例如，从2017年1月1日开始到2017年1月31日结束)，而其他需量电费时段是非连续的(例如，一个月的每天从11:00AM到1:00PM)。
在给定优化时段上，一些需量电费可能在优化时段内发生的一些时间步长期间是有效的，并且在优化时段期间发生的其他时间步长期间是无效的。一些需量电费可能在优化时段内发生的所有时间步长上都是有效的。一些需量电费可以应用于在优化时段期间发生的一些时间步长以及在优化时段以外发生的其他时间步长(例如，在优化时段之前或之后)。在一些实施例中，需量电费时段的持续时间与优化时段的持续时间明显不同。
有利地，需量电费模块910可以被配置用于考虑在由高级优化器632执行的高级优化过程中的需量电费。在一些实施例中，需量电费模块910使用需量电费掩码和需量电费费率加权因子将需量电费合并到优化问题和成本函数J(x)中。每个需量电费掩码可以与特定需量电费相对应，并且可以指示在其期间相应的需量电费有效的时间步长和/或在其期间需量电费无效的时间步长。每个费率加权因子还可以与特定需量电费相对应，并且可以将相应的需量电费费率缩放至优化时段的时间尺度。
如以上所描述的，成本函数J(x)的需量电费项可以表示为：
Figure BDA0001687380280000501
其中，max()函数选择在优化时段期间发生的任何时间步长i期间从源s采购的最大资源量。然而，与需量电费q相关联的需量电费时段可能不覆盖在优化时段期间发生的所有时间步长。为了将需量电费q仅应用于在其期间需量电费q有效的时间步长，需量电费模块910可以将需量电费掩码添加至需量电费项，如以下方程中所示出的：
Figure BDA0001687380280000502
其中，gs,q,i是需量电费掩码的元素。
需量电费掩码可以是包括在优化时段期间发生的每个时间步长i上的元素gs,q,i的逻辑向量。需量电费掩码的每个元素gs,q,i都可以包括二进制值(例如，一或零)，所述二进制值指示源s的需量电费q在优化时段的相应时间步长i期间是否有效。例如，如果需量电费q在时间步长i期间有效，则元素gs,q,i的值可以为一(即，gs,q,i＝1)，并且如果需量电费q在时间步长i期间无效，则值为零(即，gs,q,i＝0)。以下方程中示出了需量电费掩码的示例：
gs,q＝[0,0,0,1,1,1,1,0,0,0,1,1]T
其中，gs,q,1、gs,q,2、gs,q,3、gs,q,8、gs,q,9和gs,q,10的值为零，而gs,q,4、gs,q,5、gs,q,6、gs,q,7、gs,q,11和gs,q,12的值为一。这指示需量电费q在时间步长i＝1,2,3,8,9,10期间无效(即，
Figure BDA0001687380280000503
)，并且在时间步长i＝4,5,6,7,11,12期间有效(即，
Figure BDA0001687380280000504
)。因此，在max()函数内的项gs,q,i采购s,i可以在需量电费q无效的所有时间步长上具有值零。这使得max()函数选择仅在需量电费q有效的时间步长期间发生的来自源s的最大采购。
在一些实施例中，需量电费模块910针对成本函数J(x)中的每个需量电费q计算加权因子w需求,s,q。加权因子w需求,s,q可以是在优化时段期间相应需量电费q有效的时间步长的数量与在优化时段结束之后的其余需量电费时段(如果有的话)中相应的需量电费q有效的时间步长的数量之比。例如，需量电费模块910可以使用以下方程来计算加权因子w需求,s,q：
Figure BDA0001687380280000511
其中，分子是在优化时段中需量电费q有效的时间步长(即，从时间步长k到时间步长k+h-1)的数量总和，并且分母是在优化时段之后发生的需量电费时段的一部分中需量电费q有效的时间步长(即，从时间步长k+h到需量电费时段结束时)的数量。以下示例展示了需量电费模块910可以如何将多个需量电费合并到成本函数J(x)中。在此示例中，单个电源(例如，电网)被认为具有可适用于电源的多个需量电费(即，q＝1…N，其中，N是需量电费的总数量)。系统包括可以通过在各个时间步长期间对电池进行充电或放电而在优化时段上进行分配的电池资产。对电池进行充电增加从电网采购的电量，而对电池进行放电减少从电网采购的电量。
需量电费模块910可以修改成本函数J(x)来考虑N个需量电费，如以下方程中所示出的：
Figure BDA0001687380280000512
其中，
Figure BDA0001687380280000513
表示在时间步长i期间从电网采购的电力总量(即，总电力负载eLoadi减去从电池释放的电力
Figure BDA0001687380280000514
)。可以通过在成本函数J(x)中针对N需量电费中的每一个包括单独max()函数来单独地考虑每个需量电费q＝1…N。参数
Figure BDA0001687380280000515
指示与第q个需量电费(例如，$/kW)相关联的需量电费费率，并且加权因子
Figure BDA0001687380280000516
指示应用于第q个需量电费的权重。
需量电费模块910可以使用相应需量电费的需量电费掩码的元素
Figure BDA0001687380280000517
来增强每个max()函数。每个需量电费掩码可以是二进制值的逻辑向量，其指示相应的需量电费在优化时段的每个时间步长i处是有效还是无效。因此，每个max()函数可以选择仅在相应的需量电费有效的时间步长期间的最大电力采购。每个max()函数可以与相应的需量电费费率
Figure BDA0001687380280000521
和相应的需量电费加权因子
Figure BDA0001687380280000522
相乘，以便确定由在优化时段的持续时间上的电池分配P电池产生的总需量电费。
在一些实施例中，需量电费模块910通过针对每个需量电费q引入辅助变量dq来使成本函数J(x)的需量电费项线性化。在前一示例的情况下，这将导致N辅助变量d1…dN作为决策变量被引入到成本函数J(x)中。需量电费模块910可以修改成本函数J(x)以便包括线性化需量电费项，如以下方程中所示出的：
Figure BDA0001687380280000523
需量电费模块910可以对辅助需量电费变量d1…dN强加以下约束来确保每个辅助需量电费变量表示在可适用需量电费时段期间从电力公共设施采购的最大电量：
Figure BDA0001687380280000524
Figure BDA0001687380280000525
Figure BDA0001687380280000526
在一些实施例中，与每个需量电费q相对应的约束数量依赖于在优化时段期间有多少时间步长期间的需量电费q是有效的。例如，需量电费q的约束数量可以等于需量电费掩码gq的非零元素的数量。此外，辅助需量电费变量dq在优化的每次迭代时的值可以用作辅助需量电费变量dq在接下来的迭代时的值的下限。
考虑多个需量电费结构的以下示例。在此示例中，电力公共设施强加三个月度需量电费。第一需量电费是15.86$/kWh的全时月度需量电费，其适用于整个月内的所有时间。第二需量电费是1.56$/kWh的高峰时月度需量电费，其适用于每天从12:00至18:00。第三需量电费是0.53$/kWh的部分高峰时月度需量电费，其适用于每天从9：00至12：00以及从18：00至22：00。
对于一天的优化时段和一小时的时间步长(即，i＝1…24)，需量电费模块910可以引入三个辅助需量电费变量。第一辅助需量电费变量d1与全时月度需量电费相对应；第二辅助需量电费变量d2与高峰时月度需量电费相对应；并且第三辅助需量电费变量d3与部分高峰时月度需量电费相对应。需量电费模块910可以使用以上所述的不等式约束将每个辅助需量电费变量约束为大于或等于在相应的需量电费有效的小时期间的最大电力采购。
需量电费模块910可以针对这三个需量电费(即，q＝1…3)中的每一个生成需量电费掩码gq，其中，gq包括在优化时段的每个时间步长上的元素(即，
Figure BDA0001687380280000531
Figure BDA0001687380280000532
)。可以如下限定这三个需量电费掩码：
Figure BDA0001687380280000533
Figure BDA0001687380280000534
Figure BDA0001687380280000535
其中，需量电费掩码的所有其他元素都等于零。在此示例中，显然，多于一个需量电费约束将在与多个需量电费时段重叠的小时期间是有效的。而且，每个需量电费在优化时段上的权重可以基于需量电费有效的小时数量而改变，如之前所描述的。
在一些实施例中，当将多个需量电费合并到成本函数J(x)和优化约束中时，需量电费模块910考虑若干不同的需量电费结构。需量电费结构可以从一个公共设施到另一个公共设施变化，或者公共设施可以提供若干需量电费选项。为了将多个需量电费合并在优化框架内，可以如之前所描述的来限定普遍适用的框架。需量电费模块910可以将任何需量电费结构转化到此框架中。例如，需量电费模块910可以通过费率、需量电费时段开始、需量电费时段结束和有效小时来表征每个需量电费。有利地，这允许需量电费模块910以普遍适用的格式合并多个需量电费。
以下是需量电费模块910可以如何将多个需量电费合并到成本函数J(x)中的另一示例。例如，考虑具有全时、高峰时、部分高峰时和非高峰时的月度需量电费。在这种情况下，存在四个需量电费结构，其中，通过十二个月度费率、十二个需量电费时段开始(例如，每月开始时)、十二个需量电费时段结束(例如，每月结束时)和有效小时来表征每个需量电费。有效小时是在一年上需量电费有效的小时被设置为一的逻辑向量。当在给定范围上运行优化时，需量电费模块910可以使用有效小时掩码、相关时段和相应费率来实施可适用需量电费。
在年度需量电费的情况下，需量电费模块910可以将需量电费时段开始和时段结束设置为一年的开始和结束。对于年度需量电费，需量电费模块910可以应用单一年度费率。有效小时需量电费掩码可以表示需量电费有效的小时。对于年度需量电费，如果存在全时、高峰时、部分高峰时和/或非高峰时，则将此转化成具有相同的时段开始和结束但不同的有效小时和不同的费率的最多四个年度需量电费。
在季度需量电费的情况下(例如，在指定季节时段上确定最大高峰的需量电费)，需量电费模块910可以将需量电费表示为年度需量电费。需量电费模块910可以将需量电费时段开始和结束设置为一年的开始和结束。需量电费模块910可以在属于所述季节的小时期间将有效小时设置为一，并且其他情况下设置为零。对于季节需量电费，如果存在全时、高峰时、部分高峰时和/或非高峰时，则将此转化成具有相同的时段开始和结束但不同的有效小时和不同的费率的最多四个季节需量电费。
在对当前月份的最大值与前十一个月的这些最大值的平均值求平均的情况下，需量电费模块910可以将需量电费结构转化为月度需量电费和年度需量电费。月度需量电费的费率可能是给定月度费率的一半，并且年度费率可能是给定月度费率除以二的总和。需量电费模块910的这些和其他特征在于2017年1月12日提交的美国专利申请号15/405,236中进行了更详细的描述，所述美国专利申请的全部披露通过引用结合在此。
激励项目合并
再次参照图9，高级优化器632被示出为包括激励项目模块912。激励项目模块912可以修改优化问题以考虑参与基于激励的需求响应(IBDR)项目的收入。IBDR项目可以包括提供收入以交换资源(例如，电力)或减少这种资源需求的任何类型的基于激励的项目。例如，作为频率响应项目(例如，PJM频率响应)或同步储备市场的一部分，能量储存系统500可以向能量网或独立服务运营商提供电力。在频率响应项目中，参与者与电力供应商签订合同，以便通过跟踪所供应信号来维持可以供应至能量网或从所述能量网中移除的储备电力容量。参与者按维持储备所需的电力容量的量来进行支付。在其他类型的IBDR项目中，作为减载项目的一部分，能量储存系统500可以减少其对来自公共设施的资源的需求。设想能量储存系统500可以参与任何数量和/或类型的IBDR项目。
在一些实施例中，激励项目模块912修改成本函数J(x)以便包括由参与经济负载需求响应(ELDR)项目生成的收入。ELDR是一种类型的IBDR项目，并且类似于频率调节。在ELDR中，目标是在使用电池来参与其他项目并执行需求管理和能量成本降低的同时使由项目生成的收入最大化。为了考虑ELDR项目参与，激励项目模块912可以修改成本函数J(x)以便包括以下项：
Figure BDA0001687380280000551
其中，bi是指示是否在时间步长i期间参与ELDR项目二元决策变量，
Figure BDA0001687380280000552
是补偿参与的ELDR激励费率，并且adjCBLi是在基线负载上的对称加性调整(SAA)。之前的表达式可以重写为：
Figure BDA0001687380280000553
其中，eli和elp是在运行当天的第l小时的电负载。
在一些实施例中，激励项目模块912将ELDR到优化问题中的集成作为具有两个乘法决策变量的双线性问题进行处理。为了使成本函数J(x)线性化并将ELDR问题定制到优化框架，可以进行若干假设。例如，激励项目模块912可以假设：ELDR仅参与实时市场、忽略了平衡操作储备费用和整个支付、在范围上使用日前价格、在通过优化算法作出决策之后使用实时价格计算ELDR的总收入、以及提前作出参与ELDR的决策并传递至分配电池资产所基于的优化算法。
在一些实施例中，激励项目模块912如下计算参与向量bi：
Figure BDA0001687380280000561
其中，
Figure BDA0001687380280000562
是在第i小时的每小时日前价格，NBTi是与相应的小时所属的月份相对应的净收益测试值，并且S是非事件日的集合。对于给定的日期类型，可以通过选择y天数中具有最高日前价格的每x天数而参与来确定一年的非事件日。这种方法可以确保在针对事件日计算CBL时，在给定事件日之前的45天中存在非事件日。
给定这些假设和由激励项目模块912采用以确定何时参与ELDR的方法，激励项目模块912可以如下调整成本函数J(x)：
Figure BDA0001687380280000563
其中，bi和m在给定范围上是已知的。所产生的与ELDR相对应的项示出在第i参与小时处的费率翻了一倍，并且与SAA相对应的费率被降低。这意味着预期高级优化器632将倾向于在SAA小时期间对电池进行充电，并且在参与小时期间对电池进行放电。值得注意的是，即使给定小时被设置为ELDR参与小时，高级优化器632也可能在这个小时期间决定不分配任何电池资产。这是因为此时参与另一个激励项目或执行需求管理可能更有利的事实。
高峰负载贡献合并
仍然参照图9，高级优化器632被示出为包括高峰负载贡献模块914。高峰负载贡献(PLC)是客户对在基本时段内的某些小时处在由区域输电组织(RTO)或独立系统运营商(ISO)管理的地理区域中发生的区域性需求高峰的贡献。在给定小时处的区域性需求可以是客户的需求(即，客户从公共设施采购电力或其他资源的费率)以及在这个小时期间地理区域中的其他建筑物的需求的总和。除了之前所描述的能耗费用和需量电费之外，可以基于客户对高峰区域性需求的贡献(例如，客户的PLC的$/kW)来对所述客户进行收费。
PLC模块914可以被配置用于修改成本函数J(x)以考虑与客户的PLC相关联的成本。通过将PLC成本合并到成本函数J(x)中，PLC模块914使得高级优化器632能够分配资源消耗和资源采购以降低客户的PLC。高级优化器632可以通过将客户的负载转移至非高峰时间或削减客户的高峰负载来降低PLC成本。例如，这可以通过在非高峰时间期间预冷却建筑物、使用热能储存设备和/或使用电能储存设备(比如电池资产)来完成。
考虑与客户的PLC相关联的成本可能比考虑能耗成本和需量电费更加困难。不像在预定需量电费时段期间基于客户的最大需求而计算的需量电费，计算PLC的小时可能不会提前知道。高峰区域性需求的小时(即，重合高峰(CP)小时)可能直到计算PLC的基本时段结束才是已知的。例如，可以由RTO在基本时段结束时基于在基本时段期间由RTO管理的地理区域内的所有建筑物的需求(例如，通过选择具有最高区域性需求的小时)来确定对于给定基本时段(例如，一年)的CP小时。客户的PLC然后可以基于在指定CP小时期间的客户需求来确定，并且用于计算客户PLC的成本。此成本然后可以在下一时间段期间(例如，下一年，被称为计费时段)对客户进行收费。
考虑PLC成本的另一困难在于基本时段、计费时段、CP小时和用于计算PLC成本的其他因素可能从一个RTO到另一个RTO有所不同。例如，宾夕法尼亚州、泽西岛和马里兰州(PJM)地理区域的RTO可以将基本时段(即，高峰设置时段)限定为从Y年6月1日至Y+1年5月31日。计费时段(即，交付时段)可以被限定为Y+1年6月1日至Y+2年5月31日。PJM可以将CP小时限定为在跨PJM地理区域的五个最高高峰负载日上具有最高负载的五个小时。
PJM区域中的客户PLC可以被计算为在五个CP小时期间的客户的平均电负载与容量损耗因子(CLF)的乘积，如在以下方程中所示出的：
Figure BDA0001687380280000581
其中，PLC客户是在Y年期间计算的客户的高峰负载贡献，CLF是容量损耗因子(例如，CLF＝1.05)，并且
Figure BDA0001687380280000582
是在第iCP小时期间的客户的电负载(例如，kW)。
PJM区域中的客户的PLC成本可以被计算为在Y年期间客户的PLC与PLC费率的乘积，如在以下方程中所示出的：
PLC成本＝rPLC×PLC客户
其中，PLC成本t是在交付年Y+1收取客户的PLC费用(例如，$)，并且rPLC是针对客户的PLC而向客户收取的费率(例如，$/kW)。
PJM区域中的附加复杂性与PLC成本与经济负载需求响应(ELDR)收入之间的相互作用有关。在一些实施例中，可能禁止在CP小时之一期间参与PJM区域中的ELDR的客户降低所述客户的PLC而同时赚取ELDR收入。因此，想要出于降低其容量、传输和/或需量电费成本的目的在假设的CP小时期间减少其负载的客户可能在ELDR市场中的相同假设CP小时上被限制进行出价。
征收PLC成本的组织的另一示例是加拿大安大略省的独立电力系统运营商(IESO)。相对于PJM，IESO可以使用不同的基准时段、计费时段、CP小时、以及用于计算PLC成本的其他因素。例如，IESO可以将基本时段或高峰设置时段限定为Y年5月1日至Y+1年4月30日。IESO的计费时段或调整时段可以被限定为Y+1年7月1日至Y+2年6月30日。IESO可以将CP小时限定为具有跨IESO地理区域最高区域性需求的五个小时。
在基本时段结束时，IESO可以计算客户的高峰需求因子(θPDF)。高峰需求因子可以被限定为这五个CP小时期间客户的高峰需求的总和与区域宽度需求高峰的总和之比，如在以下方程中所示出的：
Figure BDA0001687380280000591
其中，
Figure BDA0001687380280000592
是在第iCP小时期间的区域宽度高峰负载，并且
Figure BDA0001687380280000593
是在第iCP小时期间的客户的高峰负载。
IESO区域中的客户的PLC成本已知为全局调整(GA)费用。GA费用可以被强加为在计费时段期间的月度费用。在一些实施例中，通过将客户的高峰需求因子与月度区域宽度全局调整成本相乘来计算GA费用，如以下方程中所示出的：
GA成本,月＝θPDF×GA总,月
其中，GA成本,月是客户的月度PLC成本(例如，$)，并且GA总,月是区域宽度全局调整成本(例如，$)。GA总,月的值可以由IESO指定。在一些实施例中，GA总,月具有已知值。在其他实施例中，GA总,月的值可能直到基本时段结束时才已知。
为了将PLC成本合并到成本函数J(x)中并且提前分配资源消耗/采购，PLC模块914可以在即将到来的基本时段上生成或获得CP小时的预估。所预估的CP小时然后可以由高级优化器632用作实际CP小时的估计。高级优化器632可以使用所预估的CP小时来分配一个或多个资产(例如，电池、热能储存设备、HVAC设备等)以便使在所预估CP小时期间的客户需求最小化。PLC模块914的这些和其他特征在于2017年1月12日提交的美国专利申请号15/405,234中进行了更详细的描述，所述美国专利申请的全部披露通过引用结合在此。
资产规模调整合并
仍然参照图9，高级优化器632被示出为包括资产规模调整模块916。资产规模调整模块916可以被配置用于确定在建筑物、建筑物群或中央设施中的各种资产的最佳规模。资产可以包括单独的设备件或设备组。例如，资产可以包括建筑物或中央设施中的锅炉、冷却器、热回收冷却器、蒸汽发生器、发电机、热能储存罐、电池、空气处理单元或其他类型的设备(例如，HVAC设备、BMS设备等)。在一些实施例中，资产包括形成中央设施(例如，中央设施118)的子设施的设备集合。例如，资产可以包括加热器子设施521、冷却器子设施522、热回收冷却器子设施523、蒸汽子设施524、电力子设施525或任何其他类型的发生器子设施520。在一些实施例中，资产包括高温热能储存设备531(例如，一个或多个热水储存罐)、低温热能储存设备532(例如，一个或多个低温热能储存罐)、电能储存设备533(例如，一个或多个电池)、或任何其他类型的储存子设施530。
资产规模可以包括资产的最大加载和/或资产的最大容量。一些资产(如储存子设施530)可以具有最大加载和最大容量两者。例如，电池资产可以具有最大电池电力(例如，可以对电池充电或放电的最大速率)和最大荷电状态(电池的最大能量储存)。类似地，热能储存资产可以具有最大装载率/释放率和最大容量(例如，最大流体储存等)。其他资产(如发生器子设施520)可能只具有最大加载。例如，冷却器可以具有冷却器可以产生低温热能的最大速率。类似地，发电机可以具有发电机可以产生电力的最大速率。资产规模调整模块916可以被配置用于当确定资产的最佳规模时确定资产的最大加载和/或最大容量。
在一些实施例中，资产规模调整模块916被实施为规划工具702的部件。在规划工具框架中，资产规模调整模块916可以针对给定应用确定资产的最佳规模。例如，考虑参照图7至图8描述的规划问题，其中，在给定时间范围h上的给定时刻k解决了高级优化。对于高级优化的每次迭代，可以将时间范围h前移等于b时间步长的块大小，并且可以保留前b组决策变量。在这种规划问题中，通常连同历史负载数据、公共设施定价和其他相对数据一起给定待以最佳方式分配的资产规模。然而，存在许多待分配的资产规模是未知的情况。例如，当针对给定应用采购新资产(例如，将热能储存设备或电能储存设备添加至建筑物或中央设施)时，用户可能想要确定将采购的资产的最佳规模。
资产规模调整模块916可以被配置用于通过考虑资产的潜在收益和成本来确定资产的最佳规模。潜在收益可以包括例如降低的能量成本、降低的需量电费、降低的PLC费用和/或参与IBDR项目(比如频率调节(FR)或经济负载需求响应(ELDR))所增加的收入。潜在成本可以包括固定成本(例如，资产的最初采购成本)以及在时间范围上的边际成本(例如，使用资产的持续成本)。资产的潜在收益和成本可以基于资产和/或所述资产将用于其中的系统的应用而改变。例如，参与FR项目的系统可以实现所增加的IBDR收入的益处，而未参与任何IBDR项目的系统可能无法实现这种益处。
资产的收益和成本中的一些可以通过原始成本函数J(x)来捕获。例如，成本函数J(x)可以包括与能量成本、多个需量电费、PLC费用和/或IBDR收入相对应的项，如之前所描述的。添加一个或多个新资产可能影响在原始成本函数J(x)中的这些项中的一些或全部的值。例如，添加电池资产可以增加IBDR收入并且降低能量成本、需量电费和PLC费用。然而，原始成本函数J(x)可能不考虑由新资产采购引起的固定成本和边际成本。为了考虑这些固定成本和边际成本，资产规模调整模块916可以向原始成本函数J(x)添加新的项。
资产规模调整模块916可以被配置用于使用与采购新资产的成本相对应的两个新的项来增强成本函数J(x)，从而产生经增强成本函数Ja(x)。附加项在以下方程中示出：
Figure BDA0001687380280000611
其中，J(x)是原始成本函数，x是优化问题的决策变量在所述范围上的向量，cf是购买任何规模的资产的固定成本的向量(例如，针对每个潜在资产采购的一个元素)，v是指示是否采购相应资产的二元决策变量的向量，cs是每单位资产规模的边际成本的向量(例如，每单位加载的成本、每单位容量的成本)，并且sa是与所述资产规模相对应的连续决策变量的向量。有利地，二元采购决策和资产规模决策被视为可以连同向量x中的决策变量一起被优化的决策变量。这允许高级优化器632执行单个优化来确定在经增强成本函数Ja(x)中的所有决策变量的最佳值。
在一些实施例中，资产规模调整模块916将资产采购成本
Figure BDA0001687380280000612
和
Figure BDA0001687380280000613
缩放至优化时段h的持续时间。采购资产的成本通常在整个投资回收期SPP上支付，而运营成本仅在优化时段h上支付。为了将资产采购成本缩放至优化时段，资产规模调整模块916可以将项
Figure BDA0001687380280000621
和
Figure BDA0001687380280000622
与费率
Figure BDA0001687380280000623
相乘，如以下方程中所示出的：
Figure BDA0001687380280000624
其中，h是以小时为单位的优化时段的持续时间，SPP是以年为单位的投资回收期的持续时间，并且8760是一年中的小时数量。
高级优化器632可以执行优化过程来确定在向量v中的二元决策变量中的每一个的最佳值和向量sa中的连续决策变量中的每一个的最佳值。在一些实施例中，高级优化器632使用线性规划(LP)或混合整数线性规划(MILP)来优化财务指标，比如净现值(NPV)、简单投资回收期(SPP)或内部回报率(IRR)。向量cf、v、cs和sa的每个元素可以与特定资产和/或特定资产规模相对应。因此，高级优化器632可以通过识别在向量v中的二元决策变量的最佳值和向量sa中的连续决策变量的最佳值来确定将采购的最佳资产和将采购的最佳规模。
子设施曲线合并
仍然参照图9，高级优化器632被示出为包括子设施曲线模块930。在最简单的情况下，可以假设每个子设施的资源消耗是由子设施产生的热能负载的线性函数。然而，这种假设对于某个子设施设备可能不是真实的，更不用说对于整个子设施。子设施曲线模块930可以被配置用于修改高级优化器问题以便考虑在资源消耗与负载生产之间具有非线性关系的子设施。
子设施曲线模块930被示出为包括子设施曲线更新器932、子设施曲线数据库934、子设施曲线线性化器936和子设施曲线合并器938。子设施曲线更新器932可以被配置用于针对子设施520至530中的每一个子设施从低级优化器634请求子设施曲线。每个子设施曲线可以指示由特定子设施消耗的资源量(例如，kW中测量的电力使用、L/s中测量的水使用等)作为子设施负载的函数。
在一些实施例中，低级优化器634通过针对子设施负载和天气条件的各种组合运行低级优化过程以生成多个数据点来生成子设施曲线。低级优化器634可以将曲线拟合至数据点以生成子设施曲线，并且将子设施曲线提供至子设施曲线更新器832。在其他实施例中，低级优化器634可以将数据点提供至子设施曲线更新器932，并且子设施曲线更新器932使用所述数据点生成子设施曲线。子设施曲线更新器932可以将子设施曲线存储在子设施曲线数据库934中以用于高级优化过程。
在一些实施例中，通过对子设施的单独装置的效率曲线进行组合来生成子设施曲线。装置效率曲线可以指示由装置消耗的资源量为负载的函数。装置效率曲线可以由装置制造商提供或者使用实验数据生成。在一些实施例中，装置效率曲线基于由装置制造商提供的最初效率曲线，并且使用实验数据进行更新。装置效率曲线可以存储在设备模块618中。对于一些装置，装置效率曲线可以指示资源消耗是负载的U形函数。因此，当多个装置效率曲线组合到整个子设施的子设施曲线中时，所产生子设施曲线可能是波形曲线。所述波形是在更高效地开启另一装置来满足子设施负载之前由单个装置加载而引起的。
子设施曲线线性化器936可以被配置用于将子设施曲线转换成凸形曲线。凸形曲线是连接曲线上任何两点的线总是高于或沿所述曲线(即，不低于所述曲线)的曲线。凸形曲线在高级优化中使用时可能是有利的，因为所述凸形曲线允许在计算上相对于使用非凸形函数的优化过程更便宜的优化过程。子设施曲线线性化器936可以被配置用于将子设施曲线分成分段的线性片段，所述分段的线性片段组合以形成分段限定的凸形曲线。子设施曲线线性化器936可以将线性化子设施曲线存储在子设施曲线数据库934中。
子设施曲线合并器938可以被配置用于修改高级优化问题以将子设施曲线合并到优化中。在一些实施例中，子设施曲线合并器938修改决策变量以便包括表示每个子设施的资源消耗的一个或多个决策向量。子设施曲线合并器938可以修改不等式约束以确保消耗适当的每种资源量来服务所预测热能负载。在一些实施例中，子设施曲线合并器938制定不等式约束，所述不等式约束强制规定在相应的线性化子设施曲线的上图像中的每种资源的资源使用。例如，冷却器子设施522可以具有线性化子设施曲线，所述线性化子设施曲线指示冷却器子设施522的电力使用(即，输入资源输入1)为冷却器子设施522的冷水生产(即，输出资源输出1)的函数。线性化子设施曲线可以包括连接点[u1,Q1]至点[u2,Q2]的第一线段、连接点[u2,Q2]至点[u3,Q3]的第二线段、以及连接点[u3,Q3]至点[u4,Q4]的第三线段。
子设施曲线合并器938可以针对子设施曲线的每个分段片段制定不等式约束，所述不等式约束对表示将大于或等于由冷水生产的相应值的线段限定的电力使用量的冷却器电力使用的决策变量值进行约束。可以针对其他子设施曲线制定类似的不等式约束。例如，子设施曲线合并器938可以针对冷却器子设施522的水消耗使用根据冷水生产而限定冷却器子设施522的水消耗的线性化子设施曲线的点来生成一组不等式约束。在一些实施例中，冷却器子设施522的水消耗等于冷水生产，并且水消耗的线性化曲线包括连接点[u5,Q5]至点[u6,Q6]的单条线段。子设施曲线合并器938可以针对冷却器子设施522以及中央设施的其他子设施的每条子设施曲线重复此过程以限定每个子设施曲线的一组不等式约束。
由子设施曲线合并器938生成的不等式约束确保高级优化器632使资源消耗保持高于相应子设施曲线的所有线段。在大多数情况下，由于与资源消耗相关联的经济成本，高级优化器632没有理由选择位于相应子设施曲线以上的资源消耗值。因此可以预期高级优化器632选择位于相应子设施曲线上而不是高于所述子设施曲线的资源消耗值。
这种通用规则的例外是热回收冷却器子设施523。热回收冷却器子设施523的等式约束提供了热回收冷却器子设施523以与子设施的冷水生产加上子设施的电力使用相等的速率产生热水。由子设施曲线合并器938针对热回收冷却器523生成的不等式约束允许高级优化器632过度使用电力来制造更多热水而不会增大冷水生产的量。这种行为非常低效，并且只有当热水需求较高并且无法使用更高效的技术来满足时才存在变成现实的可能性。然而，这不是热回收冷却器子设施523实际操作的方式。
为了防止高级优化器632过度使用电力，子设施曲线合并器938可以检查热回收冷却器子设施523的经计算(通过优化算法确定的)电力使用量是否高于相应的子设施曲线。在一些实施例中，在优化算法的每次迭代之后执行检查。如果热回收冷却器子设施523的经计算电力使用量高于子设施曲线，则子设施曲线合并器938可以确定高级优化器632正过度使用电力。响应于确定高级优化器632正过度使用电力，子设施曲线合并器938可以对热回收冷却器子设施523的生产在其当前值进行约束，并且将子设施523的电力使用约束为子设施曲线上的相应值。高级优化器632然后可以使用新的等式约束来重新运行优化。子设施曲线模块930的这些和其他特征在于2015年2月27日提交的美国专利申请号14/634,609中进行了更详细的描述，所述美国专利申请的全部披露通过引用结合在此。
经济负载需求响应(ELDR)
ELDR项目是一种IBDR项目，其允许由提供ELDR项目的RTO和/或ISO管理的区域内的客户能够在一天中的特定小时期间通过减少客户拥有的建筑物、设施、或校园的电力消耗来产生收入。客户可以选择一天中客户想要参与ELDR项目的特定小时。这些小时可以是客户拥有的建筑物的电负载将减少到低于基线负载的时间。图12提供了参与ELDR项目的建筑物随着时间推移的电负载的图示。
在ELDR项目中，在ELDR项目参与过程中基于建筑物的电负载，对客户补偿相对于客户基线负载(CBL)的电负载减少。CBL可以是特定于具体客户的负载和客户的典型电负载。进一步地，可能存在不同类型的CBL。在某些情况下，存在两种类型的CBL，即当日CBL和对称加性调整(SAA)CBL。当日CBL可能完全依赖于客户参与ELDR项目那日、参与日的电负载。除参与日的电负载外，SAA CBL可能还依赖于前几天的电负载。当日CBL如图13所示，而SAA CBL如图14所示。
ELDR项目(比如本文所讨论的ELDR项目)可以包括客户可参与的多个市场。在某些情况下，所述市场是日前市场和实时市场。
日前市场
在日前市场中，客户可以在预定时间(例如，上午10:30)向RTO和/或ISO提交第二天(参与日)的出价。所述出价可以经由缩减服务提供商(CSP)提交。CSP可以充当客户与RTO和/或ISO之间的媒介。所述出价可以包括客户想要参与ELDR项目的小时、客户将缩减其电负载的量、客户想要参与的最少小时数、和/或客户想要获得补偿的量或费率。在各种情况下，允许顾客调整他们的出价，但是仅在预定时间(例如，在参与日前市场的前一天的上午10:30)之前。
在出价日的预定时间(例如参与日前一天的下午1:30)，所述出价可能被锁定，并且RTO和/或ISO可以将日前节点边际价格(LMP)发布给顾客。进一步地，RTO和/或ISO可以指示客户出价的参与小时中的哪一个已被批准。所批准小时可以指示客户需要基于其出价来减少其电负载的小时。如果客户在所批准小时期间没有减少其电负载，则客户可能会受到惩罚。
客户接收到的日前LMP指示客户将在参与日获得补偿的价格。客户可以生成的收入可以是基于如客户出价中所承诺的客户电负载的减少。这由下面的分段函数来说明。分段函数被显示包括项
Figure BDA0001687380280000661
Figure BDA0001687380280000662
可以表示客户在参与日期间生成的收入量。项
Figure BDA0001687380280000663
(kW)可以表示客户(在第i小时)降低电负载的功率量(单位为千瓦)，而项
Figure BDA0001687380280000664
($/kWh)可以表示(在第i小时)单位为美元每千瓦时的日前LMP。值NBT(净收益测试)是可以与日前LMP具有相同单位的阈值。NBT可以指示对RTO和/或ISO允许客户参与ELDR项目有益的值。NBT阈值可以是供应曲线上的点，NBT阈值可以指示净收益超过负载成本的地方。NBT阈值可以指示供应曲线的弹性为一。只能对于NBT小于或等于日前LMP的小时补偿客户。NBT可以是任何客户可以经由RTO、ISO和/或CSP的网站获得的值。在一些实施例中，RTO、ISO、和/或CSP在每个月的15号在网站上公布下个月的NBT。
Figure BDA0001687380280000665
实时市场
RTO和/或ISO可提供给客户的实时ELDR市场可以允许客户在当日定出价并参与实时ELDR市场。实时ELDR市场可能需要至少在参与小时的开始点之前的三个小时将出价(例如，与日前市场的出价相似和/或相同的出价)提交给RTO和/或ISO。ELDR项目可以允许客户参与实时ELDR市场和日前ELDR市场两者。在一些实施例中，RTO和/或ISO可能要求在参与日的前一天的预定时间(例如，下午6:00)之前提交针对实时ELDR市场的出价，以便对于实时ELDR市场和日前ELDR市场两者补偿客户。
对于参与实时ELDR市场，可以基于上文先前所描述的NBT、上文先前所描述的
Figure BDA0001687380280000671
量、以及实时LMP来补偿客户。在一些实施例中，在实时市场中，如果客户出价包括大于NBT的补偿费率，则客户将被奖励参与小时，或者很有可能(例如，99％)被奖励参与小时。实时LMP可以是对于参与实时ELDR市场而补偿客户的量。
实时LMP在本文中可以被称为
Figure BDA0001687380280000672
($/kWh)，具体地，在下面的分段方程中可以指示对于参与实时ELDR市场的补偿。下面的项
Figure BDA0001687380280000673
($)可以指示对于参与ELDR项目而补偿客户的数额。在下面的方程中，
Figure BDA0001687380280000674
(kW)可以是客户在第i小时减少其电负载的量，而
Figure BDA0001687380280000675
可以是在第i小时补偿客户的量。
Figure BDA0001687380280000676
除了接收到参照以上方程描述的收入之外，客户还可以接收“整个支付”(MWP)。MWP可以是在满足特定条件时针对区段进行的支付。MWP可以是可供参与日前ELDR市场和实时ELDR市场的中的任一个或两个的客户使用。条件可以是客户的电负载缩减在出价电负载缩减的20％内。区段可以是连续的参与小时(例如，上午11点到下午3点)。在下面的方程中，项
Figure BDA0001687380280000677
($)可以表示在第i小时对于MWP的补偿客户的数额。值
Figure BDA0001687380280000678
($)可以表示在第i小时的实时负载响应出价，
Figure BDA0001687380280000679
($)可以表示在第i小时高于成本的平衡同步储备收入，
Figure BDA00016873802800006710
可以表示在第i小时的实时分派功率、可由客户出价的电负载。
Figure BDA00016873802800006711
上面方程的项
Figure BDA00016873802800006712
可以基于下面的方程计算出。下面的方程为两个功率值(即，上述
Figure BDA0001687380280000681
($)和
Figure BDA0001687380280000682
)中的最小值乘以值
Figure BDA0001687380280000683
值
Figure BDA0001687380280000684
可以是客户先前已经发送至RTO和/或ISO的出价，指示客户想要得到补偿的费率。
Figure BDA0001687380280000685
MWP区段的全部支付可以通过以下方程来说明。项j可以表示特定区段，而项i可以指示特定小时。项
Figure BDA0001687380280000686
($)表示第j个区段MWP对客户的补偿，而项C关停($)可以是可在客户出价中提交的关停成本。如果区段的至少一个小时的电负载减少偏差大于电负载出价(例如，公共设施分派的电力)的20％，则关停成本可能无法作为补偿(例如，下面的分段函数的顶部项)获得。
Figure BDA0001687380280000687
对于实时ELDR市场和日前ELDR市场两者，如果客户未能将其电负载减少适当的量，则可能会受到惩罚。RTO和/或ISO可能对于客户的所减少的电负载偏离出价电负载(例如公共设施分派的电力)超过20％的小时收取平衡操作储备(BOR)费用。在某些情况下，客户可能会被收取两次BOR惩罚，即，“RTO BOR”以及“东部BOR”偏差费率或“西部BOR”偏差费率之一。可以基于客户的位置来应用“东部BOR”和“西部BOR”偏差费率。BOR可以由下面的方程定义。在下面的方程中，项
Figure BDA0001687380280000688
表示在特定费率和小时下的BOR惩罚。项
Figure BDA0001687380280000689
表示客户在特定小时i上受到惩罚的费率。在一些情况下，对于特定小时，一个或多个费率是可适用的。在这些情况下，对于那个小时，可能计算出若干个费用并求和。在许多情况下，所述费率小于一美元每兆瓦时($/MWh)。
Figure BDA00016873802800006810
经济负载需求响应(ELDR)项目优化
现在参照图10，根据示例性实施例，控制器1000被更详细地示出为包括被配置用于执行ELDR优化的部件。控制器1000可以与参照图6A所描述的能量储存控制器506、参照图6B所描述的控制器552、和/或参照图7所描述的规划工具702相同和/或类似。图10进一步示出为包括与控制器1000进行通信的激励项目1012和用户装置1013。激励项目1012可以是RTO、ISO、和/或CSP的计算机系统或服务器，所述计算机系统或服务器被配置用于允许控制器(例如，控制器1000)参与RTO、ISO和/或CSP可提供的ELDR项目。在一些情况下，激励项目1012是处理RTO的出价和结算的CSP。用户装置1013可以是诸如智能电话、膝上型计算机、台式计算机、平板计算机、和/或任何其他类型的计算装置等用户装置。控制器1000的关于参与ELDR项目的功能可以由能量储存控制器506和/或规划工具702来实施。
存储器610被示出为包括建筑物状态监测器624，如进一步参照图6所描述的。建筑物状态监测器624被示出为向基线生成器1002和负载/费率预测器622提供指示建筑物(例如，建筑物116)的电负载的信息、历史电负载信息。在一些实施例中，建筑物状态监测器624向负载/费率负载预测器1016提供历史电负载信息。建筑物状态监测器624可以与建筑物管理系统进行通信。在一些实施例中，建筑物状态监测器624与建筑物管理系统606通信并且从建筑物管理系统606接收电负载信息(如图6A和图6B所示)。基于建筑物状态监测器624接收到的电负载信息，建筑物状态监测器624可以被配置用于生成多年、多月、多天、多小时、多分钟、多秒等的电负载信息日志。所存储的电负载日志可以是建筑物状态监测器624提供给基线生成器1002和负载/费率预测器622的历史电负载信息。
负载/费率预测器622被示出为包括负载预测器1016。负载预测器1016可以被被配置用于从建筑物状态监测器624接收电负载信息。在一些实施例中，负载预测器1016被配置用于基于从建筑物状态监测器624接收到的历史电负载信息来预测负载信息。在一些实施例中，所预测负载信息指示在未来特定时间和/或未来时间段的电负载。在一些实施例中，负载预测器1016使用天气预报、负载信息、和/或建筑物状态监测器624已经记录的任何其他信息等。负载/费率预测器622可以被配置用于基于2015年5月20日提交的美国申请号14/717,593中披露的方法来预测电负载，所述申请的全部内容通过援引并入本文。
负载/费率预测器622被进一步示出为包括节点边际价格(LMP)预测器1014。LMP预测器1014被示出为从激励项目1012接收指示LMP的信息。在一些实施例中，LMP信息包括日前LMP和实时LMP中的一个和/或两个。日前LMP可以是对于基于参与日前市场(在参与时间提前一天提交出价的ELDR市场)的能量使用减少而可补偿控制器522的价格。类似地，实时LMP可以是对于实时ELDR市场(不需要在参与前一天提交而是参与当天提交出价的市场)的能量使用减少而补偿控制器1000的价格。在上文和本文其他地方进一步说明了日前ELDR市场和实时ELDR市场。
LMP预测器1014可以被配置用于基于从激励项目1012接收到的LMP生成所预测LMP。LMP预测器1014可以被配置用于生成所预测日前LMP和所预测实时LMP。在一些实施例中，LMP预测器1014存储从激励项目1012接收到的LMP的历史。在一些实施例中，基于日期、当前天气、或其他信息，LMP预测器1014可以被配置用于生成所预测实时LMP和所预测日前LMP。LMP预测器1014可以被配置用于基于天气预报和/或过去的LMP的历史日志来预测实时LMP和/或日前LMP。LMP预测器1014可以被配置用于基于2015年5月20日提交的美国申请号14/717,593中披露的方法来预测LMP(例如，实时LMP和/或日前LMP)。在一些实施例中，LMP预测器1014使用随机模型来预测LMP。例如，LMP预测器1014可以使用预测模型并且可以训练预测模型以基于历史LMP来生成LMP模型以确定所述模型的系数。LMP预测器1014可以被配置用于向参与预测器1004提供所预测LMP。在此示例中，LMP预测器1014可以预测某一工作日的LMP是最近发生的工作日的LMP。类似地，对于周末，所述周末的LMP可以是最近发生的周末的LMP。
LMP预测器1014可以被配置用于为未来一天的每个小时生成所预测LMP。例如，对于未来的特定一天(例如，第二天)，LMP预测器1014可以被配置用于确定这天的每个小时的所预测实时LMP和所预测日前LMP。LMP可以由LMP预测器1014提供给参与预测器1004。就此而言，LMP可以是长度为24的向量，其中用索引(例如1-24)指示每个小时的LMP值。在一些实施例中，LMP预测器1014可以被配置用于生成多天(例如，是多天的优化时段)的所预测LMP。例如，LMP预测器1014可以被配置用于生成未来一周、未来一个月、和/或未来一年的预测LMP。
激励项目模块912可以被配置用于使控制器1000参与由激励项目1012提供的ELDR项目。激励项目模块912可以被配置用于从激励项目1012接收LMP(例如，实时LMP和日前LMP)并且从激励项目1012接收NBT。基于此信息和电负载信息，激励项目模块912可以被配置为用于生成出价并将所述出价发送至激励项目1012。出价可以包括参与小时、缩减量、以及出价数额。出价数额可以是补偿费率(例如，$/kWh)。基于提供给激励项目1012的出价，激励项目模块912可以被配置用于从激励项目1012接收奖励给激励项目模块912的奖励小时。在所述奖励小时期间，激励项目模块912可以被配置用于使HVAC设备进行操作以满足出价的削减量。
激励项目模块912可以以特定间隔产生出价(或修改出价)。所述间隔可以是每15分钟一次、每小时一次、或每天一次。在一些实施例中，激励项目模块912在激励项目1012发布日前LMP时生成用于参与ELDR项目的单一出价。所述出价可以指示由激励项目模块912作出的关于何时参与ELDR项目(例如，参与ELDR项目的事件日的哪些小时或优化时段)以及激励项目模块912确定其缩减电负载(例如，电网负载)的量的决策。这可能在特定时间(例如，在下午1:30之后)。
参照图9所描述的激励项目模块912在图10中示出为包括基线生成器1002。基线生成器1002可以被配置用于基于参与小时、所预测电负载、以及历史电负载信息来生成CBL。在一些实施例中，基线生成器1002与参与预测器1004通信以确定参与ELDR项目的事件开始小时和事件结束小时。就此而言，参与预测器1004可以生成参与小时并且使用所述参与小时作为搜索空间来确定事件开始小时和事件结束小时。就此而言，基线生成器1002可以被配置用于对于多个小时生成CBL值，使得参与预测器1004可以确定事件开始小时和事件结束小时。
基线生成器1002可以被配置用于从建筑物状态监测器624接收历史电负载信息。历史电负载信息可以在一天或多天一次或多次指示建筑物(例如，建筑物116)、校园(例如，校园12)、中央设施(例如，中央设施118)、以及能量发生设备(例如，能量发生器120)的电负载((例如，每小时电负载、一天电负载、一天平均电负载等)。基线生成器1002进一步示出为被配置用于从负载预测器1016接收所预测负载。所预测负载可以预测未来(例如，在控制器522将参与ELDR项目的那天)的负载。
基线生成器1002可以被配置用于生成当日CBL和/或SAA CBL，并且将所生成CBL提供给参与预测器1004。对于SAA CBL，基线生成器1002可以被配置用于生成工作日SAA CBL或周末/假日CBL。下面表1中描述了工作日SAA CBL、周末/假日CBL与当日CBL之间的差异。
CBL可以是激励项目1012确定客户(例如，控制器1000)对于每个参与小时将其电负载减少多少所依据的阈值。出于此原因，客户可以由激励项目1012基于特定参与日的CBL进行补偿。CBL可以是一个特定参与日的基线，即，CBL可以每天都变化。一般地，CBL可以是基于参与结束和/或开始的小时。
在表1中，说明了SAA CBL与当日CBL之间的差异。如可看到的，存在两种不同类型的SAA CBL，即工作日SAA CBL和周末/假日SAA CBL。如果参与日是工作日，则工作日SAACBL可能是适当的，而如果参与日是周末/假日，则周末/假日SAA可能是可适用的。
表1：SAA与当日CBL之间的参数差异
Figure BDA0001687380280000721
Figure BDA0001687380280000731
对于所有三种类型的CBL，可以基于平均计算来确定CBL。对于SAA CBL，可以存在45天的时间窗口(参与日之前的日期)以便选择用于生成CBL的日期(例如，确定平均值)。此外，对于SAA CBL，选择用于生成CBL的日期可以是在参与日之前的至少一天。对于SAA CBL，可以排除任何参与日以免用于生成CBL。
对于周末/假日SAA CBL，可以排除作为夏令时日的任何日期以免用于生成周末/假日SAA CBL。对于工作日SAA CBL和周末/节假日SAA CBL，可以使用25％的阈值来移除用于生成SAA CBL的特定日。这将在下面进一步详细描述。在生成工作日SAA CBL或周末/节假日SAA CBL时，可以移除一个最低能量负载参与日以免用于生成工作日SAA CBL或周末/节假日SAA CBL。这也将在下面进一步描述。
在45天窗口中没有可用于生成SAA CBL的日期的情况下，对于工作日SAA CBL和周末/节假日SAA CBL两者，包括参与ELDR项目的日期可以用于生成SAA CBL。所使用的参与日可以是包括参与ELDR项目的最高电负载日。对于两种SAA CBL，表1指明SAA CBL中可以使用特定抵消，SAA抵消。表1进一步指明此抵消可以是负的。对于当日CBL，可能没有抵消。所述调整可以基于在参与ELDR项目开始前四个小时开始的小时来确定。对于SAA CBL，计算SAA调整可以使用三个小时。
基线生成器1002可以被配置用于生成客户基线负载(CBL)。基线生成器1002可以被配置用于生成SAA基线和/或当日基线。在一些实施例中，用户可以经由用户装置1013指示对SAA或当日基线的选择。基于所述选择，基线生成器1002可以被配置用于生成指示所选择CBL类型的CBL。在一些实施例中，基线生成器1002从激励项目1012接收对CBL类型的选择。就此而言，基线生成器1002可以被配置用于基于由激励项目1012的选择所指示的CBL类型来生成CBL。在一些实施例中，激励项目1012判定控制器1000应当使用哪个基线。激励项目1012可以向用户提供工具(例如，网络工具)以判定哪种类型的CBL(即，SAA CBL或当日CBL)适用于特定客户。
当日CBL
基线生成器1002可以被配置用于基于从负载预测器1016接收到的所预测负载和/或从参与预测器1004接收到的参与小时来生成当日CBL。所预测负载信息可以在未来的各个小时、分钟、秒、日、周、月等指示建筑物(例如，建筑物116)的电负载。
基线生成器1002可以被配置用于使用下面的方程来生成当日CBL。当日CBL可以是在第一参与小时之前一个小时之前的三个小时和在参与之后一个小时之后的两个小时的平均值。在一些实施例中，基线生成器1002可以被配置用于使用下面的方程来生成当日CBL。在下面的方程中，eCBL,k表示当日CBL。值ES和EE表示参与ELDR项目的时间段的开始小时(ES)和结束小时(EE)(例如，特定日的第一参与小时和最后参与小时)。所述开始小时和结束小时可以是从参与预测器1004接收到的参与小时的开始小时和结束小时。在一些实施例中，参与预测器1004向基线生成器1002提供参与小时的ES小时和EE小时，以为了最佳小时而“搜索”所述参与小时。
项ei是在第i小时期间的电负载。在一些实施例中，ei是从负载预测器1016接收到的所预测电负载值。类似地，ej可以是指示在第j小时期间建筑物(例如，建筑物116)的所预测电负载的值。在一些实施例中，ej是从负载预测器1016接收到的所预测负载值。
Figure BDA0001687380280000751
激励项目模块912可以被配置用于不参与一天中的最早三个小时和这天中的最后两个小时。这可以是由激励项目1012设置的规则，以确保基线生成器1002使用足够的时间来生成当日CBL。出于此原因，ELDR项目可能不允许客户参与一天中的前三个小时和一天中的最后两个小时以确保可以在任何一天计算出当日CBL。当日CBL可以是常量CBL，即，对于每个参与小时，CBL可以是相同的。这在图13中示出，其中当日CBL被示出为水平线。
基线生成器1002可以被配置用于生成SAA CBL。SAA CBL可以是CBL，其是标准收费定义的CBL、可以适用于大多数不可变的经济需求资源。基线生成器1002可以被配置用于基于从建筑物状态监测器624接收到的电负载信息生成SAA CBL。在一些实施例中，基线生成器1002存储从建筑物状态监测器624接收到的电负载信息和从负载预测器1016接收到的所预测负载信息并且使用所述电负载信息和所预测负载信息来生成SAA CBL。
基线生成器1002可以被配置用于基于参与ELDR项目发生的日期生成SAA CBL。基线生成器1002可以被配置用于判定ELDR项目中的参与时间是发生在工作日还是周末和/或假日、并且基于参与ELDR项目是落在工作日、周末、还是假日而生成SAA CBL(即生成工作日SAA CBL或周末/假日CBL)。
SAA CBL可以基于参与ELDR项目发生日的类型(例如，工作日、周末或假日)对不同天数求平均(参见表1，CBL基础日)。如果参与ELDR项目发生的日期是工作日，则基线生成器1002可以被配置用于对控制器1000没有参与ELDR项目的作为最近工作日的五天中的具有最高电负载的四天求平均。如果参与ELDR项目发生的日期是周末或假日，则基线生成器1002可以被配置用于对控制器1000没有参与ELDR项目的最近发生的三个周末或假日中的具有最高电负载的两个周末或假日求平均(参见表1，排除使用率低的天数X)。
工作日SAA CBL
下面的描述是基线生成器1002确定工作日SAA CBL的示例。基线生成器1002可以被配置用于基于以下说明的方程来生成工作日SAA CBL。下面第一个方程可以指示没有参与ELDR项目的最近发生的五天。基线生成器1002可以被配置用于当参与日是工作日时将这些天标识为五个工作日以及当参加日是周末或假日时将这些天标识为三个周末或假日。在此示例中，参与日是工作日，而项D是工作日(不包括工作日假日)的集合，即d1,d2,d3,d4,d5。这些天可以是控制器1000未参与ELDR项目并且作为最近发生的工作日的日期。基线生成器1002可以存储工作日、周末、以及假日的历史日志。所述日志可以指示所包括的特定日是否参与ELDR项目。基线生成器1002可以被配置用于从历史日志中检索最近的五个非参与日。
D＝{d1,d2,d3,d4,d5}
基线生成器1002可以被配置用于从建筑物状态监测器624接收过去多日和多小时的电负载。下面的方程指示上述日期集合中的每一天的小时，其中di是每小时负载向量。因此，下面的方程可以表示一天(即，上述方程中的日期集合的每一天)中每个小时的电负载。在下面的方程中，日期项di可以是具有在第i天的每个小时的电负载集合的日期。项eij可以表示在第i天的第j小时的电负载，其可以是从建筑物状态监测器624接收到的电负载。
di＝[ei1 … ei24]
基线生成器1002可以被配置用于生成日期集合D中的每一天的日平均事件时段电负载。基线生成器1002可以被配置用于使用下面的方程来生成每一天的日平均值。对于控制器1000参与ELDR项目的特定日，基线生成器1002可以被配置用于生成日平均事件时段电负载。在下面的方程中，项
Figure BDA0001687380280000761
表示日平均事件时段电负载。项k∈参与表示控制器1000将参与ELDR项目的日期的参与小时，所述参与小时从参与预测器1004接收。这些小时可能不需要是连续的。项n可以表示控制器1000将参与ELDR项目的小时总数(例如，从参与预测器1004接收到的参与小时的总数)。这可能导致日平均事件时段电负载基于控制器1000将参与ELDR项目的小时。
Figure BDA0001687380280000771
在确定日平均事件时段电负载之后，基线生成器1002可以被配置用于对日期集合D的五天中的每一天的日平均事件时段电负载求平均。项
Figure BDA0001687380280000772
表示各日平均事件时段平均电负载
Figure BDA0001687380280000773
的平均值。
Figure BDA0001687380280000774
在确定平均值
Figure BDA0001687380280000775
之后，基线生成器1002可以被配置用于从日期集合D.中移除日期。基线生成器1002可以被配置用于使用关系式
Figure BDA0001687380280000776
从日期集合D中移除日期(参见表1中0.25，排除小于阈值的平均事件时段使用率)。如果日期
Figure BDA0001687380280000777
中的任一天符合所述关系式的要求，则将从日期集合D中移除这些日期，并且使用最近的非事件日来第二次确定
Figure BDA0001687380280000778
在一些实施例中，基线生成器1002仅使用在控制器1000参与ELDR项目的那天前45天发生的最近的非事件日。基线生成器1002可以根据需要执行此过程的多次迭代，直到日期集合D中的所有日期大于和/或等于
Figure BDA0001687380280000779
一旦基线生成器1002最终确定日期集合D，基线生成器1002就可以被配置用于确定五天中的四天的每小时平均值，这四天具有最高电负载。如果基线生成器1002在控制器1000将参加ELDR项目的那天之前的45天不能确定不满足条件
Figure BDA00016873802800007710
的五天，而是只能找到四天，则基线生成器1002可以对这四天求平均并且可以不将任何日期排除在求平均之外。如果基线生成器1002仅在四十五天窗口内发现三天或更少天不符合标准，则基线生成器1002可以被配置用于选择最近的事件日(即，控制器1000参与ELDR项目的日期)并且在确定CBL时使用所述事件日。这些事件日可以是过去45天中的最高电负载事件日。基线生成器1002可以被配置用于使用事件日，以使得日期集合D中至少四天不符合标准
Figure BDA00016873802800007711
基线生成器1002可以使用以下方程来生成初步CBL。初步CBL可以是五天中不符合标准
Figure BDA00016873802800007712
的四天的每小时平均值。这四天可以是使关系式
Figure BDA00016873802800007713
成立的日期，即这四天不会使
Figure BDA00016873802800007714
成为最小值。在下面的方程中，项
Figure BDA00016873802800007715
表示对于多个小时的每小时平均值。
Figure BDA0001687380280000781
基线生成器1002可以被配置用于抵消初步CBL以确定CBL、“标准CBL”(例如，基线生成器1002提供给参与预测器1004的CBL)。标准CBL用下面的项eCBL表示，其是对于一天中每个小时的CBL值集合。
eCBL＝[eCBL,1…eCBL,24]
基线生成器1002可以被配置用于通过用SAA值eSAA抵消初步
Figure BDA0001687380280000782
来生成CBL。
Figure BDA0001687380280000783
基线生成器1002可以被配置用于通过首先确定SAA值eSAA来确定eCBL,j。下面的方程说明了基线生成器1002可以被配置用于确定eSAA的一种方法。在下面的方程中，项EE可以表示控制器1000参与ELDR项目的开始小时，而ES可以表示参与ELDR项目的结束小时(例如，由参与小时限定的小时)。EE-2与ES-4之间的时间可以表示SAA小时(例如，图14的SAA小时1406)。项e0k可以表示参与日的第k小时的电负载，而值
Figure BDA0001687380280000784
可以表示在所述小时上的平均电负载。值e0k和
Figure BDA0001687380280000785
可以是和/或可以基于从负载预测器1016接收到的所预测负载信息。在一些实施例中，值e0k和
Figure BDA0001687380280000786
由基线生成器1002基于从负载预测器1016接收到的所预测负载信息来确定。
Figure BDA0001687380280000787
应当指出的是，在SAA小时期间、即在ES-4与EE-2之间的电负载影响CBL eCBL，使得在SAA小时期间的高电负载导致较高的基线。因此，增加了缩减量并且增加了来自参与EDLR项目的收入。类似地，SAA小时期间的低电负载导致较低的基线，因此减少了减少量并且减少了参与ELDR项目所赚取的收入。出于此原因，激励项目1012可以具有适当的规则，所述规则禁止控制器1000在SAA小时期间人为地升高建筑物(例如，建筑物116)的电负载，以人为地增加CBL并因此增加收入。激励项目1012可以使用多个规则来判定控制器1000是否在SAA小时期间异常地升高电负载并且可能拒绝与控制器1000结算，其中控制器1000人为地升高电负载。然而，激励项目1012可以允许控制器1000在SAA期间响应于能量价格变化而增加电负载而不会惩罚(即拒绝结算)控制器1000。
周末/假日SAA CBL
基线生成器1002可以被配置用于生成周末/假日SAA CBL。基线生成器1002可以被配置为基于从建筑物状态监测器624接收到的电负载信息和从负载预测器1016接收到的所预测负载信息来生成周末/假日SAA CBL。基线生成器1002可以以与其生成工作日SAA CBL一样的方式来生成周末/假日SAA CBL。然而，基线生成器1002可以被配置用于使用最近的三个星期六、星期日或假日，与使用工作日相反，这些日期不是控制器522已经参与ELDR项目的日期。在基线生成器1002为生成周末/节假日SAA CBL而选择的三天中，基线生成器1002可以以与基线生成器1002在生成工作日CBL时使用集合D的五天中的四天相同的方式使用这三天中具有最高电负载的两天。基线生成器1002可以被配置用于不使用落在夏令时日(例如，所述日期开始于夏令时时段或结束于夏令时时段)(例如，时钟在所述日期的开始或结束时向后或向前调动)的任何周六、周日或假日。
激励项目模块912被示出为包括参与预测器1004。参与预测器1004被示出为从基线生成器接收CBL。此外，参与预测器1004被示出为从LMP预测器1014接收所预测LMP(例如，所预测日前LMP和所预测实时LMP)。参与预测器1004可以被配置用于生成参与小时。参与预测器1004可以被配置用于向选择器1008提供所述参与小时。
参与预测器1004可以被配置用于生成和/或确定(例如，预测)参与小时。在一些实施例中，所述参与小时是一和零构成的向量或掩码(例如，参与掩码)。参与小时可以表示一整天，例如，参与掩码可以包括总共二十四个一和零，其中在特定小时一表示参与并且零表示没有参与。将所述参与小时提供给选择器1008。参与预测器1004可以被进一步配置用于向基线生成器1002提供参与小时。参与预测器1004可以被配置用于使用从基线生成器1002接收到的CBL来进一步确定参与小时。
参与预测器1004可以被配置用于将参与小时的所有小时设置为0(例如，特定日的所有小时都不参与)，指示没有参与任何小时。基于从激励项目1012接收到的NBT值，从LMP预测器1014接收到的所预测LMP、和/或从基线生成器1002接收到的CBL，参与预测器1004可以被配置用于选择控制器1000将参与ELDR项目的小时。在一些实施例中，激励项目模块912每月一次在当月15号之后从激励项目1012检索NBT值，该NBT是用于下个月的NBT。在一些实施例中，参与预测器1004可以将参与小时中的零个、一个、一些或全部设置为1，指示除受激励项目1012限制的小时(例如，基于CBL类型受激励项目1012限制的小时)之外均参与。
参与预测器1004可以被配置用于将对于一天的每个小时的所预测日前LMP和所预测实时LMP与NBT值进行比较，以判定相关联的小时是否应当是参与小时。下面的步骤说明了参与预测器1004可以被配置用于执行以确定参与小时的步骤。图11A进一步展示了这些步骤。在一些实施例中，步骤1104和1106的条件中的仅一个需要成立，以将小时设置为参与。参与预测器1004可以被配置用于执行步骤1102-1112以生成参与小时，或者仅执行步骤1102-1108以生成参与小时。由参与预测器1004生成的参与掩模可以提供给选择器1008。参与小时可以是其中pi＝1的小时。
现在参照图11A，根据示例性实施例，示出了用于确定参与小时并将出价传送至激励项目1012的过程1100。控制器1000和控制器1000的各个部件可以被配置用于执行过程1100。此外，能量储存控制器506、控制器552、和/或规划工具702可以被配置用于执行过程1101。在一些实施例中，规划工具702可以不将任何出价发送至激励项目1012，即可以不可执行过程1100的步骤1120。在一些实施例中，参与预测器1004可以被配置用于执行过程1100的步骤1102-1108或步骤1102-1112，以仅基于NBT而不基于CBL来生成参与小时。
步骤1102：将所有参与小时设置为不参与，即初始化参与掩码pi并设置pi＝0
步骤1104：设置pi＝1，其中
Figure BDA0001687380280000801
步骤1106：设置pi＝1，其中
Figure BDA0001687380280000811
步骤1108：参与小时是步骤1104或步骤1106中的条件成立的小时
在步骤1102中，参与预测器1004可以将所有参与小时设置为零或以其他方式设置为不参与。在一些实施例中，参与小时用参与掩码pi表示。参与掩码可以是指示在优化时段(例如，一天)的各个小时参与或不参与的一个和零构成的向量。在步骤1118中，参与预测器1004可以初始化参与掩码并且将整个参与掩码设置为零(例如，将参与掩码的所有小时设置为零)。
在步骤1104和1106中，参与预测器1004可以确定参与小时是从LMP预测器1014接收到的所预测日前LMP大于NBT或从LMP预测器1014接收到的所预测实时LMP大于NBT的小时。在一些实施例中，过程1100可以包括步骤1104和1106中的一个或两个。就此而言，参与小时可以基于所预测实时LMP和/或日前LMP。在步骤1108中，参与预测器1004可以确定参与小时是步骤1104或1106的条件成立的小时。
在一些实施例中，参与预测器1004可以被配置用于执行步骤1102-1112以生成参与小时。此途径可以假定常量最大能量减少。
步骤1102：将所有参与小时设置为不参与，即初始化参与掩码pi并设置pi＝0
步骤1104-1108：确定参与小时是
Figure BDA0001687380280000812
或
Figure BDA0001687380280000813
成立的小时。
步骤1110：从以下方程确定ES和EE：
Figure BDA0001687380280000814
其中pi为搜索小时
步骤1112：参与小时是所确定的ES和EE之间的小时
在上面的步骤1102-1108中，参与预测器1004可以确定参与被允许的小时。这些小时可以充当用于步骤1110的搜索空间。搜索小时可以由参与预测器1004提供给基线生成器1002以确定
Figure BDA0001687380280000815
以便确定用于细化参与小时的ES和EE。
在步骤1110中，参与预测器1004可以用在步骤1120-1124中确定的参与小时来使方程最小化。步骤1126的方程被示出为依赖于CBL、所预测电负载、以及实时LMP。进一步地，所述方程依赖于P电网限制和Pmax。使方程最小化可以使来自参与ELDR项目的潜在收入最大化。项
Figure BDA0001687380280000821
可以是由基线生成器1002确定的CBL。这可以是对于基于在步骤1104-1108中确定的搜索小时的多个小时的CBL。CBL是事件开始小时ES和事件结束小时EE的函数。CBL可以是对于多个小时(例如第i小时)的CBL。在一些实施例中，CBL是SAA CBL，在其他实施例中，CBL是当日CBL。项
Figure BDA0001687380280000822
可以是从LMP预测器1014接收到的对于多个小时(例如，第i小时)的所预测实时LMP，而
Figure BDA0001687380280000823
可以是从LMP预测器1014接收到的对于多个小时(例如，第i小时)的所预测日前LMP。
进一步地，
Figure BDA0001687380280000824
项可以表示所预测电负载。所预测电负载可以从负载预测器1016接收。进一步地，步骤1110的方程被示出为包括项Pmax和P电网限制。这些项可以是由参与预测器1004存储的常量值。在一些实施例中，Pmax是基于客户的值。此量可以指示客户可减少其电负载的最大量。Pmax可以基于客户的设备。例如，对于有两个热电联产机组的客户，Pmax的值可以是12MW。在一些实施例中，P电网限制是从公共设施接收到的值。值P电网限制可以是公共设施强加给客户的最小值。在一些实施例中，Pmax和P电网限制在所有小时上都是常量。在不同实施例中，Pmax和P电网限制是每小时值。基于由参与预测器1004确定的ES和EE值，参与预测器1004可以在步骤1112中确定参与小时位于ES小时与EE小时之间。
再次参照图10，选择器1008可以被配置用于从参与预测器1004接收参与小时。选择器1008可以被配置用于进一步从用户装置1013接收用户小时。选择器1008可以是可被配置用于在用户小时与参与小时之间进行选择的部件。用户小时数可以具有高于参与小时的优先级。当选择器1008接收用户小时但未收参与小时时，不管从参与预测器1004接收到的参与小时如何，选择器1008都可以被配置用于输出参与小时作为用户小时。如果选择器1008未接收到用户小时，则选择器1008可以被配置用于输出从参与预测器1004接收到的参与小时。
选择器1008可以被配置用于向成本函数修改器1010和出价控制器1006提供参与小时。出价控制器1006可以被配置用于接收来自选择器1008的参与小时以及来自成本函数调节器1010的负载信息。基于所述负载信息和参与小时，出价控制器1006可以被配置用于生成出价以发送至激励项目1012。
出价控制器1006可以被配置用于基于从选择器1008接收到的参与小时生成用于参与ELDR项目的出价，并且将所述出价发送至激励项目1012。在一些实施例中，出价控制器1006被配置用于通过基于CBL判定从选择器1008接收到的参与小时是否应当包括在出价中来细化参与小时。在一些实施例中，CBL由出价控制器1006基于参与小时和从成本函数修改器1010接收到的电负载来确定。由于出价控制器1006可以被配置用于生成用于其接收到的参与小时的CBL，所以出价控制器1006可以包括基线生成器1002的实例化和/或可以以其他方式包括基线生成器1002的全部功能。
再次参照图11A，出价控制器1006可以被配置用于执行步骤1114-1120。出价控制器1006可以基于如上所述的ELDR项目的规则将出价发送至激励项目1012。出价控制器1006可以执行过程1101的步骤1114-1120以生成出价并将出价发送至激励项目1012。
步骤1114：基于参与小时确定CBL
步骤1116：从用于参考小时的CBL值中减去负载
步骤1118：移除其中差值小于或等于零的参与小时
步骤1120：将出价传送至激励项目
在步骤1114中，出价控制器1006可以对于从选择器1008接收到的参与小时的每个小时计算CBL值。出价控制器1006在图10中被示出为包括基线生成器1002的实例化。就此而言，出价控制器1006可以使用从选择器1008和基线生成器1002接收到的参与小时来生成CBL。在一些实施例中，出价控制器1006使用所述参与小时来确定对于所述参与小时的每个小时的CBL。出价控制器1006可以使用其生成的CBL和参与小时来确定对于所述参与小时的CBL值。
在步骤1116中，出价控制器1006可以从CBL负载值中减去对于参与小时的每个小时的从成本函数修改器1010接收到的负载。这可以是缩减量。在1118中，响应于确定对于特定小时的差异小于或等于零，出价控制器1006可以从参与小时移除那个小时。在步骤1120中，基于经修改的参与小时(或未修改的参与小时)，出价控制器1006可以在每个参与小时将指示参与小时和/或缩减量的出价传送至激励项目1012(例如，基线量减去从成本函数修改器1010接收到的负载)。
再次参照图10，基于由出价控制器1006传送至激励项目1012的出价，激励项目1012可以被配置用于批准或拒绝所述出价。激励项目1012确定为适当的任何小时都可以传送至参与者1018作为奖励小时。这些小时可以是可基于最初经由出价控制器1006传送至激励项目1012的对于奖励小时的每个小时的电负载和/或电负载减少来要求控制器1000减少建筑物(例如，建筑物116)的电负载的小时。
参与者1018可以被配置用于从激励项目1012接收奖励小时，并且进一步从成本函数修改器1010(或从高级优化器632)接收对于每个奖励小时的电负载。奖励小时可以指示控制器1000必须以特定的电负载量参与ELDR项目的小时。这些小时可以是控制器1000不能改变参与或不参与ELDR项目的决策的小时。参与者1018可以被配置用于使HVAC设备在奖励小时期间进行操作以满足电负载。在一些实施例中，HVAC设备包括如本文所描述的或本领域已知的消耗电力的电池、热电联产机组、照明系统、燃气涡轮机、冷却器、空气处理机、和/或HVAC或建筑物设备的任何其他件。
高级优化器632被示出为包括成本函数修改器1010。成本函数修改器1010可以被配置用于修改高级优化器632可被配置用于生成的成本函数。图9中进一步描述的成本函数(例如，成本函数模块902)可以是包括来自操作各个子设施和参与各个项目(例如频率调节项目和/或ELDR项目)的成本和收益的成本函数。如本文其他地方所描述的，成本函数可以采取以下方程的形式。
Figure BDA0001687380280000851
如本文其他地方所描述的，成本函数可以基于不同约束进行优化。这些约束可以是下面和/或本文其他地方所说明的约束。这些限制可以对在优化时段上购买、生产、排放、消耗、以及请求的资源之间进行平衡。
Figure BDA0001687380280000852
成本函数修改器1010可以被配置用于生成用于所述成本函数的项、ELDR项。ELDR项可以具有以下格式，其中k是优化时段小时的长度(例如，一整天为24)，k是优化时段的时刻(例如，对于一天的每个小时为1、2、3……24)，h是优化时段的长度，pi包括对于每个小时的参与小时(例如，1或0)，eCBL,i是每个时间间隔的CBL的值，并且ei是优化时段的每个时间间隔(例如，每个小时)的电负载。在一些实施例中，CBL是从出价控制器1006接收到的CBL，其是基于参与小时的CBL。在一些实施例中，成本函数修改器1010包括基线生成器1002的一些和/或全部功能、并且可以被配置用于基于从选择器1008接收到的参与小时来生成CBL。项
Figure BDA0001687380280000853
可以是由LMP预测器1014生成的所预测实时LMP。
Figure BDA0001687380280000854
成本函数可以具有任意数量的项，与各个项目(例如，其他IBDR项目)、资源消耗等有关的项。下面的成本函数强调了包括ELDR项的成本函数。根据一些实施例，可以由成本函数修改器1010将ELDR项添加到成本函数。项
Figure BDA0001687380280000855
可以是每个时刻的实际电费率或者每个时刻的所预测电费率。项ei可以是电负载、并且可以是成本函数的决策变量，所述决策变量可以通过优化所述成本函数来对于多个小时进行优化。成本函数可以包括其他决策变量，例如用于电池分配、冷冻水生产的决策变量和/或任何其他决策变量。就此而言，成本函数的电负载可以取决于成本函数的其他决策变量。
Figure BDA0001687380280000861
ELDR项可以是双线性项，因为所述项是参与小时和电负载两者的函数。双线性成本函数可以使用混合整数线性规划(MILP)来求解。在一些实施例中，成本函数可以通过级联方法来求解。在一些实施例中，为了使用线性规划求解优化问题，可能有必要将ELDR项线性化。线性化可以通过假设参与小时是已知的并且不是优化问题的决策变量的一部分来实现。出于此原因，参与预测器1004可以做出关于参与小时的初步决策，并且由成本函数修改器1010使用这些小时。这可以是用于求解优化问题的级联方法。
成本函数修改器1010(或高级优化器632)可以被配置用于将成本函数线性化，使得可以通过线性规划或任何其他优化来优化所述成本函数。上述成本函数可以被线性化成以下方程。
Figure BDA0001687380280000862
其中
Figure BDA0001687380280000863
Figure BDA0001687380280000864
ai＝0其他
在上面的方程中可以看出，项ai是对电费率
Figure BDA0001687380280000865
的调整。出于此原因，可以理解的是，参与ELDR项目相当于费率调整，即调整ai。参与ELDR项目可以在成本函数中表示为电费率调整。电费率调整可以是参与小时和用于确定基线的小时期间的电费率调整。高级优化器632可以被配置用于基于所述费率调整来确定对于各个小时的电负载。在一些实施例中，成本函数修改器1010使用参与小时来确定在参与小时期间和/或在基线小时期间的必要电费率调整。在一些实施例中，电费率调整是基线、参与小时、所预测实时LMP和/或日前LMP的函数。
高级优化器632可以被配置用于优化由成本函数修改器1010修改后的成本函数。在一些实施例中，所述优化至少部分地基于电费率调整。在一些实施例中，高级优化器632可以被配置用于使用线性规划来优化经修改成本函数。在各个实施例中，高级优化器632在优化经修改成本函数时使用不同约束。高级优化器632可以被配置用于使用优化算法(例如，线性规划、二次规划等)、迭代方法、全局收敛、和/或启发法和/或任何其他优化算法或方法来优化成本功能。参照图9和本文其他地方进一步描述了优化和成本函数。高级优化器632可以被配置用于确定多个决策变量(例如，ei、电负载)并且将电负载提供给出价控制器1006。此外，控制器1000(例如参与者1018)可以被配置用于使建筑物设备进行操作以满足所述电负载。
为了说明优化，考虑了以下示例。成本函数修改器1010可以从选择器1008接收对于24小时优化时段的参与小时。参与小时可以指示在一天中的第十个小时至第十八个小时参与ELDR项目。参与小时可以用向量pi表示，并且将在下面进行说明。
Figure BDA0001687380280000871
在此示例中，CBL是常量CBL、当日CBL。CBL通过以下方程进行说明。
Figure BDA0001687380280000872
成本函数修改器1010可以被配置用于修改由高级优化器632生成的成本函数。下面的方程中示出了经修改成本函数。从基线生成器1002接收到的CBLeCBL,i是下面的成本函数的EDLR项的输入。进一步地，参与小时pi是ELDR项的另一个二进制输入。从下面的成本函数中可以看出，优化时段是一天，即24小时。出于此原因，下面的求和函数包括了索引1-24。在各个实施例中，优化时段是一天、一个月、一年、和/或任何其他时间长度。
Figure BDA0001687380280000873
作为示例，上面的方程中所说明的CBL可以直接代入上面说明的成本函数中。结果是以下方程。
Figure BDA0001687380280000881
从上面的方程可以看出，电费率
Figure BDA0001687380280000882
通过负费率调整、正费率调整进行调整或不进行调整。对于CBL小时，费率调整可以是负的。对于参与小时，费率调整可以是正的。对于既不是CBL小时也不是参与小时的小时，可以不进行费率调整。例如，基于上面的方程，对于小时6-8以及小时20和21，因为这些小时是CBL小时，所以，所以费率调整可以是
Figure BDA0001687380280000883
对于小时10-18，因为这些小时是参与小时，所以费率调整可以是
Figure BDA0001687380280000884
进一步地，对于既不是CBL小时也不是参与小时的小时，可以不进行费率调整。
在此示例中，由于在CBL小时期间电费率较低并且在参与小时期间较高，应预期到所述优化将作出在参与小时期间降低电力使用的决策。作为物理示例，如果建筑物(例如，建筑物116)中存在电池，则基于所述优化(例如，电负载)，控制器1000将倾向于在CBL小时期间对电池充电并且在参与小时期间使电池放电。进一步地，如果建筑物中存在热电联产机组，则基于所述优化(例如，电负载)，控制器1000将倾向于在参与小时期间开启热电联产机组并且在CBL小时期间关闭热电联产机组。
现在参照图11B，示出了根据示例性实施例的用于使用成本函数来确定用于参与ELDR项目的最佳电负载的过程1101的流程图。控制器1000和控制器1000的各个部件可以被配置用于执行过程1101。在一些实施例中，可以由如参照图9至图10所描述的高级优化器632的各个部件(例如，资产规模调整模块916、成本函数模块902等)执行过程1101。可以由频率响应优化系统100、光伏能量系统300、能量储存系统500、规划系统700或任何其他类型的能量储存系统来执行过程1101。
在步骤1122中，过程1101被示出为包括根据HVAC设备的电负载(例如，决策变量)而生成限定操作HVAC设备的成本的成本函数。在一些实施例中，成本函数是原始成本函数J(x)。成本函数J(x)可以包括考虑能量采购成本、需量电费和高峰负载贡献(PLC)费用的项。在一些实施例中，成本函数J(x)考虑参与IBDR项目(诸如频率调节(FR))的收入。
HVAC设备可以包括单独的HVAC装置(例如，冷却器、锅炉、风扇、泵、阀门、电池、热电联产机组等)或HVAC装置的集合(例如，冷却器子设施、加热器子设施、冷却塔子设施等)。在一些实施例中，HVAC设备包括能量储存设备，诸如热能储存设备和/或电能储存设备(例如，电池)。虽然HVAC设备作为示例用于过程1101，但应当理解，可以使用任何类型的设备。例如，在步骤1122中生成的成本函数可以考虑与操作任何类型的设备相关联的成本。
在步骤1124中，LMP预测器1014可以生成所预测实时LMP和所预测日前LMP。在一些实施例中，LMP预测器1014基于从激励项目1012接收到的实际实时LMP和/或实际日前LMP来生成所预测实时LMP和日前LMP。LMP预测器1014可以被配置用于每十五分钟从激励项目检索和/或接收实时LMP和/或每天一次从激励项目检索和/或接收日前LMP。在一些实施例中，基于天气数据(例如，每日温度、湿度、降雨预报等)进行预测。在一些实施例中，LMP预测器1014基于从激励项目1012接收到的LMP数据存储历史LMP数据、并且使用历史LMP数据来训练LMP预测器1012可用来生成所预测LMP的预测模型。
在步骤1126中，参与预测器1004可以生成参与小时。参与预测器1004可以使用CBL、所预测实时LMP、所预测日前LMP、所预测电负载、和/或NBT值。在一些实施例中，参与预测器1004通过确定参与小时是所预测实时LMP大于或等于NBT值或所预测日前LMP大于或等于NBT值的小时来确定参与小时。
在一些实施例中，参与预测器1004通过使用CBL、所预测电负载、最大电力限制、以及电网电力限制来进一步细化参与小时。使用参与小时作为搜索空间(例如，搜索小时)，参与预测器1004可以使下面的方程最小化以确定限定参与小时的开始时间(例如，事件开始ES)和结束时间(例如，事件结束EE)。
Figure BDA0001687380280000901
在步骤1128中，基于所述参与小时，成本函数修改器1010可以基于参与小时和CBL生成所述成本函数的ELDR项。成本函数修改器可以用参与小时、基于参与小时的CBL、以及所预测实时LMP来代替ELDR项的各个项。项eCBL,i可以用CBL代替，项
Figure BDA0001687380280000902
可以用所预测实时LMP代替，而pi可以用参与小时(例如，在第i小时指示参与的向量)代替。
Figure BDA0001687380280000903
在步骤1130中，成本函数修改器1010可以用在步骤1110中生成的ELDR项修改所述成本函数。在一些实施例中，修改所述成本函数涉及将ELDR项添加到所述成本函数。包括ELDR项的经修改成本函数的示例是下面的方程。
Figure BDA0001687380280000904
在步骤1132中，高级优化器632优化步骤1130的经修改成本函数。高级优化器632可以使用本领域已知的多个不同类型的优化中的一个或多个。在一些实施例中，通过线性规划和/或混合整数线性规划来执行所述优化。在一些实施例中，高级优化器632在执行所述优化时使用一个或多个约束。优化的结果可以是一个或多个电负载ei，其中ei是多个小时i的电负载。
在步骤1134中，出价控制器1006可以生成出价以发送至激励项目1012。可以基于参与小时和/或电负载来生成所述出价。在一些实施例中，所述出价进一步基于所预测实时LMP和所预测日前LMP。在一些实施例中，所述出价包括出价控制器1006可确定的缩减量。缩减量可以是CBL与在多个小时中的每一个小时的电负载之间的差值。所述出价可以进一步包括参与小时。最后，所述出价可以包括对于每个小时的补偿量和/或费率。补偿费率可以是所预测实时LMP、和/或所预测当日LMP、和/或基于所预测实时LMP和/或所预测当日LMP确定的补偿量。在一些实施例中，出价控制器1006可以从所述出价移除参与小时，其中所述参与小时具有小于或等于零的对应缩减。
在步骤1136中，参与者1018可以接收奖励小时。奖励小时可以是出价控制器1006发送至激励项目1012的小时。参与者1018、高级优化器和/或否则控制器1000可以基于奖励小时和与奖励小时相对应的电负载来控制HVAC设备。在一些实施例中，参与者1018使用操作约束来基于对于奖励小时的电负载来操作HVAC设备。
现在参照图12，示出了根据示例性实施例的展示了参与ELDR项目的曲线图1200。曲线图1200被示出为包括在竖直y轴上以千瓦为单位的电负载和在水平x轴上以小时为单位的时间。实线电负载1202表示校园(例如，校园102)、建筑物、或设施的典型电负载。虚线指示当参加ELDR项目时校园的电负载、即ELDR负载1204。电负载1202可以表示校园102的典型电负载。如可以看出的，与典型电负载、即电负载1202相比，ELDR负载1204是电负载减少。ELDR负载1204指示在参与时间1206期间校园的电负载减少。
现在参照图13，示出了根据示例性实施例的展示了当日CBL的曲线图1300。曲线图1300被示出为包括CBL 1302和电负载1304。CBL 1302被示出为常量值。电负载1304可以随时间推移表示校园(例如，校园102)的电负载。开始时间1306和结束时间1308被示出为标记ELDR项目中多次参与的开始和结束的竖直线。在曲线图1300中，开始时间1306是小时11，而结束时间1308是小时20。CBL小时1310表示当计算当日CBL时可配置基线生成器1002使用的小时。CBL小时1310是在参与时间开始之前一个小时之前的三个小时。类似地，基线生成器1002可以使用CBL小时1312来生成当日CBL。这些小时表示在参与时段结束之后一个小时之后发生的两小时。图13中指示出缩减量。电负载1304与当日CBL 1302之间的差值是缩减量。
现在参照图14，示出了根据示例性实施例的展示了SAA CBL 1402的曲线图1400。SAA CBL 1402可以是基线生成器1002向参与预测器1004提供的CBL的示例。在曲线图1400中，除了电负载1404之外，还示出了SAA CBL 1402。如可以看出的，电负载1404在开始时间1410与结束时间1412之间减少。开始时间1410与结束时间1412之间的时间长度可以表示控制器1000参与ELDR项目的时间、即CBL小时1408。SAA CBL 1402可以由基线生成器1002确定。下面的方程可以表示SAA CBL 1402。
eCBL＝[eCBL,1…eCBL,24]
开始时间1410和结束时间1412可以表示控制器(例如，控制器1000)参与ELDR项目的时间。曲线图1400被示出为包括SAA小时1406。SAA小时1406可以是在开始时间1410之前一个小时之前发生的三个小时的持续时间。在SAA小时1406期间的电负载1404可以用于计算eSAA，如参照图10所描述的，具体是基线生成器1002。基线生成器1002可以使用下面的方程来生成eSAA。开始时间1410可以对应于项ES，而结束时间1412可以对应于项EE。项e0k和
Figure BDA0001687380280000921
可以由电负载1404推导出。
Figure BDA0001687380280000922
CBL小时1408可以是由基线生成器1002用来生成对于每天的平均电负载的小时。在下面的方程中，CBL时间1408可以用项k∈参与表示。然而，应理解的是，在CBL小时1408中的某一小时的电负载eik不是电负载1404。而是，所述电负载是对于第i天(其是曲线图1400中所展示的参与ELDR项目那天之前的某一天)的电负载。
Figure BDA0001687380280000923
现在参照图15和图16，示出了根据示例性实施例的用于控制器1000的界面1500，用于将用于参与ELDR项目的信息输出至用户并且接收用户输入。界面1500可以是由GUI引擎614生成的界面。在各个实施例中，界面1500是显示在与控制器1000相连接的终端上的界面，GUI引擎614被配置用于操作所述终端。在各个实施例中，界面1500是移动装置或计算机(例如，用户装置1013)上的应用的界面。图15是在特定日参与ELDR项目期间界面1500的图示。图16是控制器1000参与ELDR项目的前一天的界面1500的图示。
在图15和图16中，界面1500展示了在特定日的各个小时的电负载。沿界面1500中所示的曲线图的水平轴定位的小时1502包括对于一天中的每个小时的多个框。这些框允许用户选择用户想要控制器1000参与ELDR项目的一个或多个时间。用户可能只能够选择时间，而控制器1000可以被配置用于确定对于所选择时间的缩减。在各个实施例中，用户还可以查看控制器1000已经自动确定其将参与ELDR项目的小时。就此而言，用户可以“取消选择”指示参与的框，以在一个或多个特定小时撤销对ELDR项目的参与。用户可以查看未来和/或过去的多个不同的日期。用户可以与项目可用性图标1504交互，以导航到多个不同的日期、周、月、或年以查看对于特定日期、周、月、和/或年的ELDR项目参与信息。
在界面1500中，竖直线开始时间1520指示参与ELDR项目的开始时间，而竖直线结束时间1522指示参与ELDR项目的结束时间。当前时间线1524指示一天的当前时间。缩减区域1510指示实际电负载1506与基线1508之间的差值。在一些实施例中，参与小时不是连续的，在此实施例中，可以存在多个缩减区域。所预测电负载1512以图解方式展示了所预测电负载。这可以是高级优化器632通过优化成本函数确定的多个电力设定值。界面1500被进一步示出为包括日前LMP 1516。日前LMP 1516可以是控制器1000从激励项目1012接收到的实际日前LMP。界面1500中示出的实时LMP 1514是从激励项目1012接收到的实时LMP。所预测实时LMP 1518可以是由LMP预测器1014预测的实时LMP。
在一些实施例中，界面1500指示涉及参与ELDR项目的各种信息。在一些实施例中，在界面1500上显示当前操作日的日期，显示操作日的NBT值，并且显示所预测缩减量。在一些实施例中，界面1500包括指示哪些小时被锁定并且不能被用户修改以及哪些小时用户可以修改(例如，其中当前时间在小时始点之前至少三小时的小时)的指示器。如果可经由界面1500实现用户撤销，则用户可撤销的小时可以是特定颜色的和/或具有特定阴影。在一些实施例中，当用户悬停在缩减区域1510上时，可以出现指示(例如对于参与时段和/或对于特定小时)所做出的缩减量和当前收入的弹出窗口。
当特定日结束和/或ELDR参与结束时，界面1500可以显示关于ELDR参与的性能的度量。在一些实施例中，度量包括平均缩减量和/或ELDR收入(参见图16)。在各个实施例中，界面1500、特别是当前操作日，是默认主屏幕。在各个实施例中，用户可以选择要在界面1500上显示的数据并且可以放大界面1500的各个位置。
在一些实施例中，界面1500包括多个设置，所述设置在界面1500的代码中由编程器进行设置或者由接口1500基于控制器1000所生成的基线的类型来设置。所述设置可以包括“计算”设置。计算设置可以是使用中位数或平均值来计算CBL的设置。在已经标识使用日并排除任何低使用率日之后，可以使用所述平均值或中位数来计算CBL。设置“CBL基础窗口”可以是指示典型电负载的显示。CBL基础窗口可以是五天的电负载，这五天用于计算CBL。这五天可以是用于计算CBL的全部五天，或者可以包括通常从CBL计算中排除的任何一天(例如，低使用率日、参与日等)。“CBL基础窗口限制”可以指示将是基线生成器1002在确定CBL时从中选择的日期池的天数。在一些实施例中，参与日之前的天数是45个日历日。这可以向用户显示，说明45天确保在预测未来能量消耗(例如生成CBL)时使用最近的信息。
“从事件发生之前的日期开始选择”显示可以向用户指明基线生成器1002选择具有与参与日相似的日期类型(例如，周末、假日、工作日)的最近日期。显示可以指示“1”或“2”。“1”可以指明基线生成器1002将选择最近一天来计算CBL，而“2”可以指明基线生成器1002当选择用于计算CBL的日期时将跳过最近一天。
“排除先前缩减日”设置可以是“是”或“否”。当“排除先前缩减日”为“是”时，基线生成器1002可以排除包括至少一小时参与ELDR项目的任何先前日期(例如，对于所述日期，未决或经确认经济结算)，以免用于计算CBL。当它是“否”时，基线生成器1002可以在确定CBL时使用包括至少一小时参与ELDR项目的先前日期。
设置“排除长/短DST日”可以为“是”或“否”。如果所述设置被设定为“是”，则基线生成器1002可以排除任何DST日以免用于确定CBL。如果所述设置被设定为“否”，则基线生成器1002可以被配置用于在确定CBL时使用DST日。显示“排除小于阈值的平均事件时段使用率”可以指明如果对于所选择CBL日的平均每日事件时段使用率小于所指示的阈值，则此日将从CBL基础窗口中排除。
设置“排除低使用率日天数”可以是基线生成器1002用来确定CBL的日期的、将被排除的天数，即，要被排除的最低日期的天数(例如，1、2、3、或4)。设置“如果CBL基础窗口不完整则使用先前缩减”可以被设定为“是”，以便如果基线生成器1002在45天内无法找到足够的未参与日来生成CBL则使用包括参与ELDR项目的先前日期来确定CBL。如果“如果CBL基础窗口不完整则使用先前缩减”为“是”，则可能还需要将设置“排除先前缩减日”设定为“是”。
设置“使用最高或最近的先前缩减日”的设置可以是如果设置“如果CBL不完整则使用先前缩减”为“是”则可进行设定的设置。对于“使用最高或最近的先前缩减日”的“最高”的设置可以使基线生成器1002基于CBL基础日限制内的事件时段使用率对先前缩减日进行排序、并且以降序将所述先前缩减日添加至CBL基础日，直至CBL基础日包含计算CBL所需的最少天数为止。设置“最近”可以使基线生成器1002开始将日期添加到从被排除的最近缩减日开始的CBL基础日，直到CBL基础日包含计算CBL所需的最少天数为止。
显示“调整”可以指明对称加性调整是对于事件日的CBL平均使用率除以对于相同小时的调整基础小时。所述显示可以进一步指明天气敏感度调整将CBL日上的天气与事件日上的天气进行比较、并且然后基于天气敏感度来计算所述调整。
设置“允许负调整”可以被设定为“是”，在这种情况下，调整可能是正的或负的。如果此设置不是“是”，则调整可能始终大于零。显示“调整开始(HE0-x)”可以指示对于在计算所述调整时要使用的小时的开始点。如果事件以HE13开始并且调整开始为4，则HE9可以是用于计算调整的第一个小时。显示“调整基础小时”可以指示用于从“调整开始”确定所述调整的小时总数。如果事件处于HE13，“调整开始”是4，并且“调整基础小时”是3，则所述调整可以基于从HE9至HE11的负载。
示例性实施例的配置
如各示例性实施例中所示出的系统和方法的构造和安排仅是说明性的。尽管本披露中仅详细描述了几个实施例，但是许多修改是可能的(例如，各种元件的大小、尺寸、结构、形状和比例、参数的值、安装安排、材料的使用、颜色、取向等的变化)。例如，元件的位置可以颠倒或以其他方式变化，并且离散元件的性质或数量或位置可以更改或变化。因此，所有这类修改旨在被包括在本披露的范围之内。可以根据替代实施例对任何过程或方法步骤的顺序或序列进行改变或重新排序。在不脱离本披露范围的情况下，可以在示例性实施例的设计、操作条件和安排方面作出其他替代、修改、改变、和省略。
本披露假设了用于完成各操作的方法、系统和任何机器可读介质上的程序产品。可以使用现有计算机处理器或由结合用于此目的或另一目的的适当系统的专用计算机处理器或由硬接线系统来实施本披露的实施例。本披露范围内的实施例包括程序产品，所述程序产品包括用于携带或具有存储在其上的机器可执行指令或数据结构的机器可读介质。这种机器可读介质可以是可由通用或专用计算机或具有处理器的其他机器存取的任何可用介质。举例来讲，这类计算机可读介质可以包括RAM、ROM、EPROM、EEPROM、CD-ROM或其他光盘存储装置、磁盘存储装置或其他磁存储装置等，或者可以用来以机器可执行指令或数据结构的形式携带或存储所期望的程序代码并且可以由通用或专用计算机或具有处理器的其他机器访问的任何其他介质。上述内容的组合也包括在机器可读介质的范围内。机器可执行指令包括例如使得通用计算机、专用计算机或专用处理机执行特定功能或功能组的指令和数据。
尽管附图示出了指定顺序的方法步骤，但是步骤的顺序可以不同于所描绘的。还可以同时或部分同时地执行两个或更多个步骤。这种变型将取决于所选软件和硬件系统以及设计者的选择。所有此类变型都在本披露的范围内。同样地，可以用具有基于规则的逻辑和用以实现各连接步骤、处理步骤、比较步骤和判定步骤的其他逻辑的标准编程技术来实现软件实施方式。

Claims (23)

1.一种用于建筑物的能量成本优化系统，所述系统包括：
HVAC设备，所述HVAC设备被配置用于在所述建筑物内进行操作；以及
控制器，所述控制器被配置用于：
根据所述HVAC设备的一个或多个电负载而生成限定在优化时段上操作所述HVAC设备的成本的成本函数，其中，所述电负载是所述成本函数的决策变量并且包括对于所述优化时段的每个小时的电负载；
选择所述优化时段的小时子集作为参与小时，其中，所述参与小时指示所述HVAC设备将参与经济负载需求响应(ELDR)项目的一个或多个小时；
基于所述参与小时生成ELDR项并且包括所述决策变量，其中，所述ELDR项指示通过参与所述ELDR项目而生成的收入，所述收入根据所述参与小时的所述决策变量并且与所述优化时段的非参与小时的所述决策变量无关地生成；
修改所述成本函数以包括所述ELDR项；
使用包括所述ELDR项的所述成本函数来执行优化，以确定对于所述参与小时的每个小时的最佳电负载；以及
根据所述最佳电负载为所述HVAC设备提供设定值。
2.如权利要求1所述的能量成本优化系统，其中，所述控制器被配置用于：
通过以下各项来生成用于参与所述ELDR项目的出价：
对于所述参与小时的每个小时从客户基线负载(CBL)中减去所述最佳电负载；以及
生成所述出价以作为所述参与小时中排除某些小时之后的参与小时，其中，所述某些小时是所述CBL与所述最佳电负载之间的差值小于或等于零时的小时；
将所述出价发送至激励项目；以及
使所述HVAC设备基于从所述激励项目接收到的奖励参与小时和所述最佳电负载进行操作。
3.如权利要求1所述的能量成本优化系统，其中，所述控制器被配置用于：
通过在所述成本函数中将参与所述ELDR项目表示为电费率调整来修改所述成本函数以包括所述ELDR项，其中，所述电费率调整取决于所述参与小时、客户基线负载(CBL)、所预测日前节点边际价格(LMP)、以及所预测实时LMP中的至少一个；以及
使用经修改的成本函数来执行所述优化，以基于所述电费率调整来确定对于所述参与小时中的每个小时的所述最佳电负载。
4.如权利要求1所述的能量成本优化系统，其中，所述控制器被配置用于：
从激励项目接收净收益测试(NBT)、日前节点边际价格(LMP)、以及实时LMP；以及
通过将所述NBT与以下各项进行比较来生成所述参与小时：
基于一个或多个所接收日前LMP的所预测日前LMP；以及
基于一个或多个所接收实时LMP的所预测实时LMP。
5.如权利要求1所述的能量成本优化系统，其中，所述控制器被配置成将所述参与小时表示为对于所述优化时段的每个小时的一和零构成的向量，其中，一指示相应的小时是参与小时，而零指示相应的小时是非参与小时；并且
其中，所述控制器被配置成使用所述向量生成ELDR项。
6.如权利要求1所述的能量成本优化系统，其中，所述控制器被配置用于通过以下各项来选择所述参与小时：
将净收益测试(NBT)与所预测日前节点边际价格(LMP)和所预测实时LMP中的一个或两个进行比较；
确定对于事件开始小时和事件结束小时使方程最小化的值，其中，所述方程包括客户基线负载(CBL)、所预测实时LMP、以及所预测电负载中的至少一个，其中，所述参与小时被用作用于使所述方程最小化的搜索空间、并且是通过将所述NBT与所述所预测日前LMP和所述所预测实时LMP中的一个或两个进行比较而生成的小时；以及
确定所述参与小时是在所述事件开始小时与所述事件结束小时之间的小时。
7.如权利要求6所述的能量成本优化系统，其中，所述CBL取决于所述事件开始小时和所述事件结束小时，其中，所述CBL是当日CBL和对称加性调整(SAA)CBL中的至少一个。
8.如权利要求6所述的能量成本优化系统，其中，所述CBL是对称加性调整(SAA)CBL，并且所述控制器被配置用于通过以下各项来确定所述SAA CBL：
如果所述参与小时发生在工作日，则将平均电负载确定为在所述参与小时之前的最近发生的五个工作日中的四个工作日的平均电负载；
如果所述参与小时发生在周末或假日，则将所述平均电负载确定为最近发生的三个周末或假日中的两个周末或假日的平均电负载；
基于在所述事件开始小时之前一个小时之前的连续三个小时的所预测电负载来确定调整；以及
将所述SAA CBL确定为所述平均电负载与所述调整的总和。
9.如权利要求6所述的能量成本优化系统，其中，所述CBL是当日CBL；
其中，所述控制器被配置用于基于在所述参与小时之前一个小时之前的连续三个小时的所预测电负载和在所述参与小时之后一个小时之后的连续两个小时的所预测电负载来确定所述当日CBL。
10.一种用于优化建筑物的能量成本的方法，所述方法包括：
根据HVAC设备的一个或多个电负载而生成限定在优化时段上操作HVAC设备的成本的成本函数，其中，所述电负载是所述成本函数的决策变量并且包括对于所述优化时段中的每个小时的电负载；
生成参与小时，其中，所述参与小时指示所述HVAC设备将参与经济负载需求响应(ELDR)项目的所述优化时段的一个或多个小时；
基于所述参与小时生成ELDR项，所述ELDR项包括所述决策变量，其中，所述ELDR项指示通过参与所述ELDR项目而生成的收入，所述收入根据所述优化时段的所述参与小时的所述决策变量并且与所述优化时段的非参与小时的所述决策变量无关地生成；
修改所述成本函数以包括所述ELDR项；
使用包括所述ELDR项的所述成本函数来执行优化，以确定对于所述优化时段中的每个小时的最佳电负载，所述优化时段包括所述参与小时和所述优化时段的非参与小时的一个或多个小时；并且
根据所述最佳电负载为所述HVAC设备提供设定值。
11.如权利要求10所述的方法，其中，所述方法进一步包括：
通过以下各项来生成用于参与所述ELDR项目的出价：
对于所述参与小时中的每个小时从客户基线负载(CBL)中减去所述最佳电负载；以及
生成所述出价以作为所述参与小时中排除某些小时之后的参与小时，其中，所述某些小时是所述CBL与所述最佳电负载之间的差值小于或等于零时的小时；
将所述出价发送至激励项目；以及
使所述HVAC设备基于从所述激励项目接收到的奖励参与小时和所述最佳电负载进行操作。
12.如权利要求10所述的方法，其中，修改所述成本函数以包括所述ELDR项包括在所述成本函数中将参与所述ELDR项目表示为电费率调整，其中，所述电费率调整取决于所述参与小时、客户基线负载(CBL)、所预测日前节点边际价格(LMP)、以及所预测实时LMP中的至少一个；并且
其中，使用所述经修改成本函数来执行所述优化以确定对于所述参与小时中的每个小时的所述最佳电负载是基于所述电费率调整进行的。
13.如权利要求10所述的方法，进一步包括：
从激励项目接收净收益测试(NBT)、日前节点边际价格(LMP)、以及实时LMP；以及
通过将所述NBT与以下各项进行比较来生成所述参与小时：
基于一个或多个所接收日前LMP的所预测日前LMP；以及
基于一个或多个所接收实时LMP的所预测实时LMP。
14.如权利要求10所述的方法，所述方法包括通过以下各项来确定所述参与小时：
将净收益测试(NBT)与所预测日前LMP和所预测实时节点边际价格(LMP)中的至少一个进行比较；
确定对于事件开始小时和事件结束小时使方程最小化的值，其中，所述方程包括客户基线负载(CBL)、所预测实时LMP、以及所预测电负载中的至少一个，其中，所述参与小时被用作用于使所述方程最小化的搜索空间、并且是通过将所述NBT与所述所预测日前LMP和所述所预测实时LMP中的至少一个进行比较而生成的小时；以及
确定所述参与小时是在所述事件开始小时与所述事件结束小时之间的小时。
15.如权利要求14所述的方法，其中，所述CBL是对称加性调整(SAA)CBL，所述方法进一步包括通过以下各项来确定所述SAACBL：
如果所述参与小时发生在工作日，则将平均电负载确定为在所述参与小时之前的最近发生的五个工作日中的四个工作日的平均电负载；
如果所述参与小时发生在周末或假日，则将所述平均电负载确定为最近发生的三个周末或假日中的两个周末或假日的平均电负载；
基于在所述事件开始小时之前一个小时之前的连续三个小时的所预测电负载来确定调整；以及
将所述SAA CBL确定为所述平均电负载与所述调整的总和。
16.如权利要求14所述的方法，其中，所述CBL是当日CBL；
其中，所述方法进一步包括基于在所述参与小时之前一个小时之前的连续三个小时的所预测电负载和在所述参与小时之后一个小时之后的连续两个小时的所预测电负载来确定所述当日CBL。
17.一种用于建筑物的能量成本优化系统，所述系统包括：
HVAC设备，所述HVAC设备被配置用于满足所述建筑物的建筑物能量负载；以及
控制器，所述控制器被配置用于：
根据所述HVAC设备的一个或多个电负载而生成限定在优化时段上操作所述HVAC设备的成本的成本函数，其中，所述电负载是所述成本函数的决策变量并且包括对于所述优化时段中的每个小时的电负载；
从激励项目接收净收益测试(NBT)、日前节点边际价格(LMP)、以及实时LMP；
通过将所述NBT与以下各项进行比较来生成参与小时，其中，所述参与小时指示所述HVAC设备将参与经济负载需求响应(ELDR)项目的所述优化时段的一个或多个小时：
基于一个或多个所接收日前LMP的所预测日前LMP；以及
基于一个或多个所接收实时LMP的所预测实时LMP；
基于所述参与小时生成ELDR项，所述ELDR项包括所述决策变量，其中，所述ELDR项指示通过参与所述ELDR项目而生成的收入，所述收入根据所述参与小时的所述决策变量而生成，并且防止所述优化时段中不属于参与小时的一个或多个小时的所述决策变量对所述ELDR项做出贡献；
修改所述成本函数以包括所述ELDR项；
使用包括所述ELDR项的所述成本函数来执行优化，以确定对于所述优化时段中的每个小时的最佳电负载；以及
根据所述最佳电负载为所述HVAC设备提供设定值。
18.如权利要求17所述的能量成本优化系统，其中，所述控制器被配置用于：
通过以下各项来生成用于参与所述ELDR项目的出价：
对于所述参与小时中的每个小时从客户基线负载(CBL)中减去所述最佳电负载；以及
生成所述出价以作为所述参与小时中排除某些小时之后的参与小时，其中，所述某些小时是所述CBL与所述最佳电负载之间的差值小于或等于零时的小时；
将所述出价发送至所述ELDR项目；以及
使所述HVAC设备基于从所述激励项目接收到的奖励参与小时和所述最佳电负载进行操作。
19.如权利要求17所述的能量成本优化系统，其中，所述控制器被配置用于通过以下各项来确定所述参与小时：
确定对于事件开始小时和事件结束小时使方程最小化的值，其中，所述方程包括客户基线负载(CBL)、所预测实时LMP、以及所预测电负载中的至少一个，其中，所述参与小时被用作用于使所述方程最小化的搜索空间、并且是通过将所述NBT与所述所预测日前LMP和所述所预测实时LMP进行比较而生成的小时；以及
确定所述参与小时是在所述事件开始小时与所述事件结束小时之间的小时。
20.如权利要求18所述的能量成本优化系统，其中，所述CBL是对称加性调整(SAA)CBL或当日CBL，其中，所述控制器被配置用于：
通过以下各项来确定所述SAA CBL：
如果所述参与小时发生在工作日，则将平均电负载确定为在所述参与小时之前的最近发生的五个工作日中的四个工作日的平均电负载；
如果所述参与小时发生在周末或假日，则将所述平均电负载确定为最近发生的三个周末或假日中的两个周末或假日的平均电负载；
基于在事件开始小时之前一个小时之前的连续三个小时的所预测电负载来确定调整；以及
将所述SAA CBL确定为所述平均电负载与所述调整的总和；以及
基于在所述参与小时之前一个小时之前的连续三个小时的所预测电负载和在所述参与小时之后一个小时之后的连续两个小时的所预测电负载来确定所述当日CBL。
21.一种用于建筑物的能量成本优化系统，所述系统包括：
HVAC设备，所述HVAC设备被配置用于在所述建筑物内进行操作；以及
控制器，所述控制器被配置用于：
根据所述HVAC设备的一个或多个电负载而生成限定在优化时段上操作所述HVAC设备的成本的成本函数，其中，所述电负载是所述成本函数的决策变量并且包括对于所述优化时段的每个小时的电负载；
生成参与小时，其中，所述参与小时指示所述HVAC设备将参与经济负载需求响应(ELDR)项目的一个或多个小时；
基于所述参与小时生成ELDR项，其中，所述ELDR项指示通过参与所述ELDR项目而生成的收入；
修改所述成本函数以包括所述ELDR项；以及
使用所述经修改成本函数来执行优化，以确定对于所述参与小时的每个小时的最佳电负载；
其中，所述控制器被配置用于通过以下各项来生成所述参与小时：
将净收益测试(NBT)与所预测日前节点边际价格(LMP)和所预测实时LMP中的一个或两个进行比较；
确定对于事件开始小时和事件结束小时使方程最小化的值，其中，所述方程包括客户基线负载(CBL)、所预测实时LMP、以及所预测电负载中的至少一个，其中，所述参与小时被用作用于使所述方程最小化的搜索空间、并且是通过将所述NBT与所述所预测日前LMP和所述所预测实时LMP中的一个或两个进行比较而生成的小时；以及
确定所述参与小时是在所述事件开始小时与所述事件结束小时之间的小时；
其中，所述CBL是当日CBL；
其中，所述控制器被配置用于基于在所述参与小时之前一个小时之前的连续三个小时的所预测电负载和在所述参与小时之后一个小时之后的连续两个小时的所预测电负载来确定所述当日CBL。
22.一种用于优化建筑物的能量成本的方法，所述方法包括：
根据HVAC设备的一个或多个电负载而生成限定在优化时段上操作HVAC设备的成本的成本函数，其中，所述电负载是所述成本函数的决策变量并且包括对于所述优化时段中的每个小时的电负载；
生成参与小时，其中，所述参与小时指示所述HVAC设备将参与经济负载需求响应(ELDR)项目的一个或多个小时；
基于所述参与小时生成ELDR项，其中，所述ELDR项指示通过参与所述ELDR项目而生成的收入；
修改所述成本函数以包括所述ELDR项；以及
使用所述经修改成本函数来执行优化，以确定对于所述参与小时中的每个小时的最佳电负载；以及
通过以下各项来确定所述参与小时：
将净收益测试(NBT)与所预测日前LMP和所预测实时LMP中的至少一个进行比较；
确定对于事件开始小时和事件结束小时使方程最小化的值，其中，所述方程包括客户基线负载(CBL)、所预测实时LMP、以及所预测电负载中的至少一个，其中，所述参与小时被用作用于使所述方程最小化的搜索空间、并且是通过将所述NBT与所述所预测日前LMP和所述所预测实时LMP中的至少一个进行比较而生成的小时；以及
确定所述参与小时是在所述事件开始小时与所述事件结束小时之间的小时；其中所述CBL是当日CBL；
其中，所述方法进一步包括基于在所述参与小时之前一个小时之前的连续三个小时的所预测电负载和在所述参与小时之后一个小时之后的连续两个小时的所预测电负载来确定所述当日CBL。
23.一种用于建筑物的能量成本优化系统，所述系统包括：
HVAC设备，所述HVAC设备被配置用于满足所述建筑物的建筑物能量负载；以及
控制器，所述控制器被配置用于：
根据所述HVAC设备的一个或多个电负载而生成限定在优化时段上操作所述HVAC设备的成本的成本函数，其中，所述电负载是所述成本函数的决策变量并且包括对于所述优化时段中的每个小时的电负载；
从激励项目接收净收益测试(NBT)、日前节点边际价格(LMP)、以及实时LMP；
通过将所述NBT与以下各项进行比较来生成参与小时，其中，所述参与小时指示所述HVAC设备将参与经济负载需求响应(ELDR)项目的一个或多个小时：
基于一个或多个所接收日前LMP的所预测日前LMP；以及
基于一个或多个所接收实时LMP的所预测实时LMP；
基于所述参与小时生成ELDR项，其中，所述ELDR项指示通过参与所述ELDR项目而生成的收入；
修改所述成本函数以包括所述ELDR项；
使用所述经修改成本函数来执行优化，以确定对于所述参与小时中的每个小时的最佳电负载；
通过以下各项来生成用于参与所述ELDR项目的出价：
对于所述参与小时中的每个小时从客户基线负载(CBL)中减去所述最佳电负载；以及
生成所述出价以作为所述参与小时中排除某些小时之后的参与小时，
其中，所述某些小时是所述CBL与所述最佳电负载之间的差值小于或等于零时的小时；
将所述出价发送至激励项目；以及
使所述HVAC设备基于从所述激励项目接收到的奖励参与小时和所述最佳电负载进行操作；
其中，所述CBL是对称加性调整(SAA)CBL或当日CBL，其中，所述控制器被进一步配置用于：
通过以下各项来确定所述SAA CBL：
如果所述参与小时发生在工作日，则将平均电负载确定为在所述参与小时之前的最近发生的五个工作日中的四个工作日的平均电负载；
如果所述参与小时发生在周末或假日，则将所述平均电负载确定为最近发生的三个周末或假日中的两个周末或假日的平均电负载；
基于在事件开始小时之前一个小时之前的连续三个小时的所预测电负载来确定调整；以及
将所述SAA CBL确定为所述平均电负载与所述调整的总和；以及
基于在所述参与小时之前一个小时之前的连续三个小时的所预测电负载和在所述参与小时之后一个小时之后的连续两个小时的所预测电负载来确定所述当日CBL。
CN201810586645.6A 2017-06-07 2018-06-06 具有经济负载需求响应(eldr)优化的建筑物能量优化系统 Active CN109002957B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/616,616 US10949777B2 (en) 2017-06-07 2017-06-07 Building energy optimization system with economic load demand response (ELDR) optimization
US15/616,616 2017-06-07

Publications (2)

Publication Number Publication Date
CN109002957A CN109002957A (zh) 2018-12-14
CN109002957B true CN109002957B (zh) 2022-01-11

Family

ID=62563071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810586645.6A Active CN109002957B (zh) 2017-06-07 2018-06-06 具有经济负载需求响应(eldr)优化的建筑物能量优化系统

Country Status (3)

Country Link
US (1) US10949777B2 (zh)
EP (1) EP3413421B1 (zh)
CN (1) CN109002957B (zh)

Families Citing this family (81)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9509176B2 (en) 2012-04-04 2016-11-29 Ihi Inc. Energy storage modeling and control
US10740775B2 (en) 2012-12-14 2020-08-11 Battelle Memorial Institute Transactive control and coordination framework and associated toolkit functions
US10031494B2 (en) 2014-08-15 2018-07-24 Honeywell International Inc. Dashboard and button/tile system for an interface
AU2018243311B2 (en) 2017-03-31 2021-06-17 Honeywell International Inc. Providing a comfort dashboard
US10146237B2 (en) 2017-04-28 2018-12-04 Johnson Controls Technology Company Smart thermostat with model predictive control
US11274849B2 (en) 2017-04-28 2022-03-15 Johnson Controls Tyco IP Holdings LLP Smart thermostat with model predictive control and demand response integration
US11159044B2 (en) * 2017-07-14 2021-10-26 Battelle Memorial Institute Hierarchal framework for integrating distributed energy resources into distribution systems
US10935940B2 (en) 2017-08-03 2021-03-02 Johnson Controls Technology Company Building management system with augmented deep learning using combined regression and artificial neural network modeling
US10734811B2 (en) 2017-11-27 2020-08-04 Ihi Inc. System and method for optimal control of energy storage system
CN109900003A (zh) * 2017-12-08 2019-06-18 丹佛斯（天津）有限公司 流体喷射控制系统和流体循环系统
US11923681B2 (en) * 2018-03-16 2024-03-05 Total Solar International System, device, and method for off-grid microgrids management
AU2019267454A1 (en) 2018-05-06 2021-01-07 Strong Force TX Portfolio 2018, LLC Methods and systems for improving machines and systems that automate execution of distributed ledger and other transactions in spot and forward markets for energy, compute, storage and other resources
US11669914B2 (en) 2018-05-06 2023-06-06 Strong Force TX Portfolio 2018, LLC Adaptive intelligence and shared infrastructure lending transaction enablement platform responsive to crowd sourced information
US12412120B2 (en) 2018-05-06 2025-09-09 Strong Force TX Portfolio 2018, LLC Systems and methods for controlling rights related to digital knowledge
US11550299B2 (en) 2020-02-03 2023-01-10 Strong Force TX Portfolio 2018, LLC Automated robotic process selection and configuration
US11544782B2 (en) 2018-05-06 2023-01-03 Strong Force TX Portfolio 2018, LLC System and method of a smart contract and distributed ledger platform with blockchain custody service
JP6835905B2 (ja) 2018-05-07 2021-02-24 ジョンソン コントロールズ テクノロジー カンパニーＪｏｈｎｓｏｎ Ｃｏｎｔｒｏｌｓ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｍｐａｎｙ 費用標的が最適化されるシステム、方法及び非一時的コンピュータ可読媒体
US11009252B2 (en) 2018-05-07 2021-05-18 Johnson Controls Technology Company HVAC control system with cost target optimization
US11002457B2 (en) 2018-05-07 2021-05-11 Johnson Controls Technology Company Variable refrigerant flow, room air conditioner, and packaged air conditioner control systems with cost target optimization
US12007732B2 (en) 2019-07-12 2024-06-11 Johnson Controls Tyco IP Holdings LLP HVAC system with building infection control
US11269306B2 (en) 2019-07-12 2022-03-08 Johnson Controls Tyco IP Holdings LLP HVAC system with building infection control
US11960261B2 (en) 2019-07-12 2024-04-16 Johnson Controls Tyco IP Holdings LLP HVAC system with sustainability and emissions controls
US12393992B2 (en) 2018-10-18 2025-08-19 Tyco Fire & Security Gmbh Systems and methods for assessing and controlling sustainability of an energy plant
US10978199B2 (en) 2019-01-11 2021-04-13 Honeywell International Inc. Methods and systems for improving infection control in a building
US11592792B2 (en) 2019-01-30 2023-02-28 Johnson Controls Tyco IP Holdings LLP Energy control system with energy provider level demand optimization
US11761660B2 (en) 2019-01-30 2023-09-19 Johnson Controls Tyco IP Holdings LLP Building control system with feedback and feedforward total energy flow compensation
GR1010085B (el) 2019-02-15 2021-09-24 Αριστοτελειο Πανεπιστημιο Θεσσαλονικης - Ειδικος Λογαριασμος Κονδυλιων Ερευνας Μεθοδος για βελτιωμενη διαχειριση της ενεργειας ενος σχεδον ενεργειακα αυτοδυναμου κτιριου
CN110263981B (zh) * 2019-05-30 2023-04-07 天津大学 考虑弹性调度策略的气-电耦合综合能源系统规划方法
EP3994780A1 (en) * 2019-07-03 2022-05-11 Eaton Intelligent Power Limited Demand response of loads having thermal reserves
CN110380405B (zh) * 2019-07-04 2023-04-25 上海交通大学 考虑需求响应与储能协同优化微电网运行方法
US11226600B2 (en) 2019-08-29 2022-01-18 Johnson Controls Tyco IP Holdings LLP Building control system with load curtailment optimization
US11714393B2 (en) 2019-07-12 2023-08-01 Johnson Controls Tyco IP Holdings LLP Building control system with load curtailment optimization
US12529490B2 (en) 2019-07-12 2026-01-20 Tyco Fire & Security Gmbh Infection control tool for HVAC system
US11274842B2 (en) 2019-07-12 2022-03-15 Johnson Controls Tyco IP Holdings LLP Systems and methods for optimizing ventilation, filtration, and conditioning schemes for buildings
US12264828B2 (en) 2019-07-12 2025-04-01 Tyco Fire & Security Gmbh Air quality control and disinfection system
US11144020B2 (en) 2019-08-23 2021-10-12 Johnson Controls Tyco IP Holdings LLP Central plant control system with geometric modeling of operational sequences
US11099530B2 (en) 2019-08-23 2021-08-24 Johnson Controls Technology Company Central plant control system with device geometric modeling and control
US10749372B1 (en) 2019-11-01 2020-08-18 3B Energy, Llc Mechanical renewable green energy production
US10900540B1 (en) 2019-11-01 2021-01-26 Phos Global Energy Solutions, Inc. Mechanical renewable green energy production
CN110930073B (zh) * 2019-12-14 2022-09-20 东北电力大学 计及价格型需求响应的风-光-光热联合发电系统日前调度方法
CN111275285B (zh) * 2019-12-30 2024-02-20 昆明电力交易中心有限责任公司 一种计及可中断负荷容量的用电量调控方法和系统
US11982993B2 (en) 2020-02-03 2024-05-14 Strong Force TX Portfolio 2018, LLC AI solution selection for an automated robotic process
KR102573714B1 (ko) * 2020-03-20 2023-09-01 한양대학교 에리카산학협력단 에너지 관리 시스템 및 에너지 관리 방법
CN111563828B (zh) * 2020-04-14 2023-08-04 浙江大学 一种基于需求响应的蒸汽热网调度优化方法
US11181289B2 (en) * 2020-04-14 2021-11-23 Vigilent Corporation System and method for controlling the heating, ventilation, and air conditioning (HVAC) in a building to defend against pathogens
US11031781B1 (en) 2020-05-04 2021-06-08 8Me Nova, Llc Method for implementing power delivery transaction for potential electrical output of integrated renewable energy source and energy storage system facility
US20210390474A1 (en) 2020-06-15 2021-12-16 Honeywell International Inc. Dashboard for multi site management system
US11913659B2 (en) 2020-06-15 2024-02-27 Honeywell International Inc. Systems and methods for monitoring operation of an HVAC system
US11823295B2 (en) 2020-06-19 2023-11-21 Honeywell International, Inc. Systems and methods for reducing risk of pathogen exposure within a space
US12131828B2 (en) 2020-06-22 2024-10-29 Honeywell Internationa Inc. Devices, systems, and methods for assessing facility compliance with infectious disease guidance
CN111968010B (zh) * 2020-08-15 2022-07-29 中国建筑第五工程局有限公司 一种加压给水设备的管控方法、系统、以及存储介质
CN112036616A (zh) * 2020-08-17 2020-12-04 国网江苏省电力有限公司营销服务中心 一种基于动态过程优化的综合能源系统需求响应方法
EP4214450B1 (en) 2020-09-16 2025-11-05 Tyco Fire & Security GmbH System and method to mitigate infection risk using air purification
US11894145B2 (en) 2020-09-30 2024-02-06 Honeywell International Inc. Dashboard for tracking healthy building performance
US11747037B2 (en) 2020-10-09 2023-09-05 Johnson Controls Tyco IP Holdings LLP Building system with an in-zone plume control system
CN112180731B (zh) * 2020-10-13 2024-05-31 天津大学 能源设备运行控制方法及系统
CN112556109B (zh) * 2020-11-25 2022-07-12 国网上海市电力公司 一种基于全局温度调整的中央空调需求响应方案优化方法
US11372383B1 (en) 2021-02-26 2022-06-28 Honeywell International Inc. Healthy building dashboard facilitated by hierarchical model of building control assets
CN113091217B (zh) * 2021-03-22 2022-04-12 珠海格力电器股份有限公司 空调系统能力输出的寻优控制方法、装置、系统和空调
CN113007868B (zh) * 2021-03-30 2022-10-21 新奥数能科技有限公司 中央空调系统的控制方法、装置和电子设备
DE102021110036A1 (de) * 2021-04-21 2022-10-27 ebm-papst neo GmbH & Co. KG Gebäudesteuersystem für wenigstens ein Gebäude
US12398905B2 (en) 2021-05-28 2025-08-26 Tyco Fire & Security Gmbh Building control system with multi-objective control of carbon emissions and occupant comfort
US12261434B2 (en) 2022-02-10 2025-03-25 Tyco Fire & Security Gmbh Control system with multi-factor carbon emissions optimization
US12529492B2 (en) 2021-05-28 2026-01-20 Tyco Fire & Security Gmbh Building control system with predictive control of carbon emissions using marginal operating emissions rate
US12248291B2 (en) 2021-06-09 2025-03-11 Tyco Fire & Security Gmbh Central energy system with expert subplant models
EP4388251A1 (en) 2021-08-16 2024-06-26 Tyco Fire & Security GmbH Hvac system with building infection control and sustainability and emissions controls
CN113765098B (zh) * 2021-08-19 2024-03-05 国网陕西省电力公司电力科学研究院 一种基于需求侧负荷响应的荷源互动调峰控制方法
WO2023044134A1 (en) 2021-09-20 2023-03-23 Johnson Controls Tyco IP Holdings LLP Systems and methods for sustainability planning for a building
US12105487B2 (en) 2021-12-06 2024-10-01 Tyco Fire & Security Gmbh Control system for building equipment with optimization search reduction based on equipment models and parameters
US12292723B2 (en) 2022-01-21 2025-05-06 Tyco Fire & Security Gmbh Generating set of curtailment actions predicted to achieve net consumption target for a subperiod
US12099350B2 (en) 2022-03-04 2024-09-24 Tyco Fire & Security Gmbh Central plant with automatic subplant models
US12474070B2 (en) 2022-04-28 2025-11-18 Tyco Fire & Security Gmbh Direct evaporative cooling system for data center with fan and water optimization
US12282306B2 (en) 2022-04-29 2025-04-22 Tyco Fire & Security Gmbh Control system for building equipment with dynamic capacity constraints
CN115051389A (zh) * 2022-07-19 2022-09-13 阳光新能源开发股份有限公司 一种储能控制方法及相关装置
CN115441459B (zh) * 2022-10-17 2025-05-16 东南大学 一种基于负荷准线的电力系统安全约束机组组合决策方法
CN115630753B (zh) * 2022-12-19 2023-03-03 西南交通大学 基于新能源多时空场景下电解制氢的负荷基线预测方法
US12431621B2 (en) 2023-01-26 2025-09-30 Honeywell International Inc. Compact dual band antenna
CN117277582A (zh) * 2023-10-24 2023-12-22 国网安徽省电力有限公司 一种基于大数据的电力企业运营监测分析系统
CN119231596B (zh) * 2024-09-26 2025-06-17 南通国轩新能源科技有限公司 基于阶梯式价格需求响应的配电网储能双层优化运行方法
CN119965916B (zh) * 2025-02-09 2025-11-25 新疆大学 基于负荷准线型需求响应的共享储能优化配置方法及系统
CN119983486B (zh) * 2025-04-14 2025-08-05 成都轨道交通产业技术研究院有限公司 地铁站空调供冷调控方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679357A (zh) * 2013-12-06 2014-03-26 国网山东省电力公司 基于价格和激励的电力需求响应的智能决策方法
CN105844367A (zh) * 2016-04-08 2016-08-10 国电南瑞科技股份有限公司 一种基于灵敏度因子的电网节点边际电价计算方法
CN106503842A (zh) * 2016-10-18 2017-03-15 国网上海市电力公司 一种考虑关键指标和收益管理的分时电价定价方法
CN106529769A (zh) * 2016-10-17 2017-03-22 上海电力设计院有限公司 基于综合评价的电网规划方法

Family Cites Families (101)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7062361B1 (en) 2000-05-02 2006-06-13 Mark E. Lane Method and apparatus for controlling power consumption
JP2001357112A (ja) 2000-06-15 2001-12-26 Kinden Corp 設備管理システム
US7457762B2 (en) 2001-09-04 2008-11-25 Accenture Global Services Gmbh Optimization of management of maintenance, repair and overhaul of equipment in a specified time window
US9729639B2 (en) 2001-08-10 2017-08-08 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US7797062B2 (en) 2001-08-10 2010-09-14 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
JP3909817B2 (ja) 2001-11-05 2007-04-25 鹿島建設株式会社 建築物の設計支援システム及びプログラム
US20040054564A1 (en) 2002-09-17 2004-03-18 Fonseca Adolfo M. Systems and methods for the optimization of resources in energy markets
US7894943B2 (en) 2005-06-30 2011-02-22 Sloup Charles J Real-time global optimization of building setpoints and sequence of operation
US20070203860A1 (en) 2006-02-24 2007-08-30 Gridpoint, Inc. Energy budget manager
WO2007136456A2 (en) 2006-03-24 2007-11-29 Rtp Controls Method and apparatus for controlling power consumption
US7580775B2 (en) 2006-07-11 2009-08-25 Regen Energy Inc. Method and apparatus for implementing enablement state decision for energy consuming load based on demand and duty cycle of load
US8527108B2 (en) 2006-07-11 2013-09-03 Regen Energy Inc. Method and apparatus for managing an energy consuming load
US8527109B2 (en) 2006-07-11 2013-09-03 Regen Energy Inc. Method and apparatus for managing an energy consuming load
US8396571B2 (en) 2007-03-19 2013-03-12 United Technologies Corporation Process and system for multi-objective global optimization of maintenance schedules
EP2220740B1 (en) 2007-11-30 2022-11-16 Telecom Italia S.p.A. Electricity supply apparatus of a telecommunication site
US20090313083A1 (en) 2008-06-13 2009-12-17 Honeywell International Inc. Renewable energy calculator
US8600571B2 (en) 2008-06-19 2013-12-03 Honeywell International Inc. Energy optimization system
US8694409B2 (en) 2008-09-29 2014-04-08 Battelle Memorial Institute Using bi-directional communications in a market-based resource allocation system
US20110178643A1 (en) 2008-09-29 2011-07-21 Malcolm Stuart Metcalfe System, method, and computer readable medium for regulating demand for electricity
US8706650B2 (en) 2009-01-14 2014-04-22 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
US8352094B2 (en) 2009-03-17 2013-01-08 Palo Alto Research Center Incorporated Technique for aggregating loads with time-varying operating cycles
RU2568377C2 (ru) 2009-06-02 2015-11-20 ШНАЙДЕР ЭЛЕКТРИК ЮЭсЭй, ИНК. Способ интеграции нескольких доменов управления
US9159108B2 (en) * 2009-10-23 2015-10-13 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets
US8892264B2 (en) * 2009-10-23 2014-11-18 Viridity Energy, Inc. Methods, apparatus and systems for managing energy assets
WO2011072332A1 (en) 2009-12-16 2011-06-23 Commonwealth Scientific And Industrial Research Organisation Hvac control system and method
US20110231320A1 (en) 2009-12-22 2011-09-22 Irving Gary W Energy management systems and methods
KR101774205B1 (ko) 2009-12-31 2017-09-04 에이비비 리써치 리미티드 전력 플랜트를 위한 프로세스 최적화 방법 및 시스템
US9372482B2 (en) 2010-05-14 2016-06-21 Harnischfeger Technologies, Inc. Predictive analysis for remote machine monitoring
WO2011162554A2 (ko) 2010-06-22 2011-12-29 엘지전자 주식회사 네트워크 시스템을 위한 컴포넌트 및 그의 제어방법
US8423637B2 (en) 2010-08-06 2013-04-16 Silver Spring Networks, Inc. System, method and program for detecting anomalous events in a utility network
US8903554B2 (en) 2011-02-22 2014-12-02 The Board Of Trustees Of The Leland Stanford Junior University Energy plant design and operation
US20120245968A1 (en) 2011-03-21 2012-09-27 Honeywell International Inc. Building system control and equipment fault and degradation monetization and prioritization
WO2012145563A1 (en) 2011-04-19 2012-10-26 Viridity Energy, Inc. Methods, apparatus and systems for managing energy assets
US20120310860A1 (en) 2011-06-06 2012-12-06 Alcatel-Lucent Cloud-Based Demand Response
US8755943B2 (en) 2011-09-30 2014-06-17 Johnson Controls Technology Company Systems and methods for controlling energy use in a building management system using energy budgets
EP2776771B1 (en) 2011-10-21 2019-12-25 Prime Datum Inc. Method for operating a cooling tower and associated variable process control system
US9153847B2 (en) 2011-11-04 2015-10-06 Honda Motor Co., Ltd. Grid connected solar battery charging device for home and vehicle energy management
US9235847B2 (en) 2011-12-16 2016-01-12 Palo Alto Research Center Incorporated Energy-disutility modeling for agile demand response
US8880962B2 (en) 2012-04-24 2014-11-04 International Business Machines Corporation Maintenance planning and failure prediction from data observed within a time window
US9690312B2 (en) 2012-05-04 2017-06-27 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets using an engineering-based energy asset model
US20130103481A1 (en) * 2012-09-14 2013-04-25 Endorse Corp. Systems and methods for campaign offers and rewards with offer serving engine based on digitized receipt data
US20140081704A1 (en) 2012-09-15 2014-03-20 Honeywell International Inc. Decision support system based on energy markets
FI128899B (en) 2012-09-19 2021-02-26 Konecranes Oyj Predictive maintenance method and system
US9058568B2 (en) 2012-12-11 2015-06-16 International Business Machines Corporation System and method for maintenance planning and failure prediction for equipment subject to periodic failure risk
WO2014138178A1 (en) 2013-03-07 2014-09-12 Siemens Corporation Demand shaping in an electrical power grid using day ahead market and real time market prices
US10418833B2 (en) 2015-10-08 2019-09-17 Con Edison Battery Storage, Llc Electrical energy storage system with cascaded frequency response optimization
US9595070B2 (en) * 2013-03-15 2017-03-14 Google Inc. Systems, apparatus and methods for managing demand-response programs and events
US9807099B2 (en) * 2013-03-15 2017-10-31 Google Inc. Utility portals for managing demand-response events
EP2973932A4 (en) 2013-03-15 2016-11-16 Bosch Gmbh Robert System and method for energy distribution
WO2015031581A1 (en) 2013-08-28 2015-03-05 Robert Bosch Gmbh System and method for energy asset sizing and optimal dispatch
JP6160957B2 (ja) * 2013-09-30 2017-07-12 パナソニックＩｐマネジメント株式会社 電力管理装置、電力管理方法、プログラム
CA2891802A1 (en) 2013-11-14 2015-05-21 Nortek Air Solutions, Llc Predictive monitoring and control of an environment using cfd
US9424693B2 (en) 2014-03-10 2016-08-23 Embraer S.A. Maintenance planning optimization for repairable items based on prognostics and health monitoring data
US20150311713A1 (en) * 2014-04-28 2015-10-29 Nec Laboratories America, Inc. Service-based Approach Toward Management of Grid-Tied Microgrids
US10101730B2 (en) 2014-05-01 2018-10-16 Johnson Controls Technology Company Incorporating a load change penalty in central plant optimization
JP6211994B2 (ja) 2014-05-30 2017-10-11 株式会社東芝 スケジュール決定装置及びスケジュール決定プログラム
US20150371328A1 (en) * 2014-06-20 2015-12-24 Honeywell Internatioanl Inc. Demand bidding operation and bid generation
US10205317B2 (en) * 2014-08-08 2019-02-12 Nec Corporation Management of grid-scale energy storage systems for multiple services
US9514577B2 (en) 2014-09-26 2016-12-06 International Business Machines Corporation Integrating economic considerations to develop a component replacement policy based on a cumulative wear-based indicator for a vehicular component
US10607303B2 (en) 2014-09-26 2020-03-31 Battelle Memorial Institute Coordination of thermostatically controlled loads
US9959514B2 (en) 2014-11-24 2018-05-01 International Business Machines Corporation Optimized asset maintenance and replacement schedule
US9612601B2 (en) 2015-01-16 2017-04-04 Johnson Controls Technology Company Systems and methods for adaptive capacity constraint management
CA2979193C (en) 2015-03-11 2021-09-14 Siemens Industry, Inc. Diagnostics in building automation
JP2016177682A (ja) 2015-03-20 2016-10-06 株式会社東芝 設備評価装置、設備評価方法、コンピュータプログラム
US10094586B2 (en) 2015-04-20 2018-10-09 Green Power Labs Inc. Predictive building control system and method for optimizing energy use and thermal comfort for a building or network of buildings
US10761547B2 (en) 2015-04-23 2020-09-01 Johnson Controls Technology Company HVAC controller with integrated airside and waterside cost optimization
US20160329708A1 (en) 2015-05-05 2016-11-10 Trane International Inc. Day ahead load nomination system
JP6276732B2 (ja) 2015-07-03 2018-02-07 横河電機株式会社 設備保全管理システムおよび設備保全管理方法
US10438303B2 (en) 2015-09-01 2019-10-08 Fujitsu Limited Optimization and distribution of coupons in residential demand response
US10416662B2 (en) 2015-09-22 2019-09-17 International Business Machines Corporation Maintenance optimization for asset performance management
US10429830B2 (en) 2015-10-02 2019-10-01 Aquasight LLC Systems and methods for optimizing water utility operation
US10197632B2 (en) 2015-10-08 2019-02-05 Taurus Des, Llc Electrical energy storage system with battery power setpoint optimization using predicted values of a frequency regulation signal
US10283968B2 (en) 2015-10-08 2019-05-07 Con Edison Battery Storage, Llc Power control system with power setpoint adjustment based on POI power limits
US10190793B2 (en) 2015-10-08 2019-01-29 Johnson Controls Technology Company Building management system with electrical energy storage optimization based on statistical estimates of IBDR event probabilities
US10222083B2 (en) 2015-10-08 2019-03-05 Johnson Controls Technology Company Building control systems with optimization of equipment life cycle economic value while participating in IBDR and PBDR programs
US10564610B2 (en) 2015-10-08 2020-02-18 Con Edison Battery Storage, Llc Photovoltaic energy system with preemptive ramp rate control
US11210617B2 (en) * 2015-10-08 2021-12-28 Johnson Controls Technology Company Building management system with electrical energy storage optimization based on benefits and costs of participating in PDBR and IBDR programs
US10700541B2 (en) 2015-10-08 2020-06-30 Con Edison Battery Storage, Llc Power control system with battery power setpoint optimization using one-step-ahead prediction
US10554170B2 (en) 2015-10-08 2020-02-04 Con Edison Battery Storage, Llc Photovoltaic energy system with solar intensity prediction
US10418832B2 (en) 2015-10-08 2019-09-17 Con Edison Battery Storage, Llc Electrical energy storage system with constant state-of charge frequency response optimization
US10222427B2 (en) 2015-10-08 2019-03-05 Con Edison Battery Storage, Llc Electrical energy storage system with battery power setpoint optimization based on battery degradation costs and expected frequency response revenue
US10250039B2 (en) 2015-10-08 2019-04-02 Con Edison Battery Storage, Llc Energy storage controller with battery life model
US10742055B2 (en) 2015-10-08 2020-08-11 Con Edison Battery Storage, Llc Renewable energy system with simultaneous ramp rate control and frequency regulation
US10389136B2 (en) 2015-10-08 2019-08-20 Con Edison Battery Storage, Llc Photovoltaic energy system with value function optimization
US10101050B2 (en) 2015-12-09 2018-10-16 Google Llc Dispatch engine for optimizing demand-response thermostat events
US10181165B2 (en) 2016-02-12 2019-01-15 Fujitsu Limited Critical peak pricing demand response participant assessment
JP2017167847A (ja) 2016-03-16 2017-09-21 株式会社東芝 運用計画案作成装置、運用計画案作成方法、プログラムおよび運用計画案作成システム
US10592833B2 (en) * 2016-04-01 2020-03-17 Enel X North America, Inc. Extended control in control systems and methods for economical optimization of an electrical system
US20170351234A1 (en) 2016-06-03 2017-12-07 Bosch Energy Storage Solutions Llc Methods and systems for reducing a peak energy purchase
US10700942B2 (en) 2016-06-21 2020-06-30 Johnson Controls Technology Company Building management system with predictive diagnostics
US20180082373A1 (en) 2016-09-19 2018-03-22 Industry-University Cooperation Foundation Hanyang University Erica Campus Real-time demand bidding for energy management in discrete manufacturing system
US10359748B2 (en) 2017-02-07 2019-07-23 Johnson Controls Technology Company Building energy cost optimization system with asset sizing
US10324483B2 (en) 2017-01-12 2019-06-18 Johnson Controls Technology Company Building energy storage system with peak load contribution cost optimization
US10282796B2 (en) 2017-01-12 2019-05-07 Johnson Controls Technology Company Building energy storage system with multiple demand charge cost optimization
US11900287B2 (en) 2017-05-25 2024-02-13 Johnson Controls Tyco IP Holdings LLP Model predictive maintenance system with budgetary constraints
US11747800B2 (en) 2017-05-25 2023-09-05 Johnson Controls Tyco IP Holdings LLP Model predictive maintenance system with automatic service work order generation
EP4421695A3 (en) 2017-05-25 2024-11-27 Johnson Controls Tyco IP Holdings LLP Model predictive maintenance system for building equipment
US10969775B2 (en) 2017-06-23 2021-04-06 Johnson Controls Technology Company Predictive diagnostics system with fault detector for preventative maintenance of connected equipment
EP3447258B1 (en) 2017-08-25 2023-05-17 Johnson Controls Tyco IP Holdings LLP Central plant control system with equipment maintenance evaluation
US20190338972A1 (en) 2018-05-01 2019-11-07 Johnson Controls Technology Company Building management system and methods for predicting catastrophic hvac equipment failures
US11703815B2 (en) 2018-07-12 2023-07-18 Johnson Controls Tyco IP Holdings LLP Building control system with predictive maintenance based on time series analysis

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679357A (zh) * 2013-12-06 2014-03-26 国网山东省电力公司 基于价格和激励的电力需求响应的智能决策方法
CN105844367A (zh) * 2016-04-08 2016-08-10 国电南瑞科技股份有限公司 一种基于灵敏度因子的电网节点边际电价计算方法
CN106529769A (zh) * 2016-10-17 2017-03-22 上海电力设计院有限公司 基于综合评价的电网规划方法
CN106503842A (zh) * 2016-10-18 2017-03-15 国网上海市电力公司 一种考虑关键指标和收益管理的分时电价定价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
考虑CBL误差不确定性的PJM电力市场经济需求响应模型研究;王健 等;《电力建设》;20161030;全文 *

Also Published As

Publication number Publication date
US20180357577A1 (en) 2018-12-13
EP3413421A1 (en) 2018-12-12
US10949777B2 (en) 2021-03-16
CN109002957A (zh) 2018-12-14
EP3413421B1 (en) 2021-05-19

Similar Documents

Publication Publication Date Title
CN109002957B (zh) 具有经济负载需求响应(eldr)优化的建筑物能量优化系统
US12181848B2 (en) Building energy storage system with planning tool
US11861741B2 (en) Central plant control system with equipment maintenance evaluation
US12393999B2 (en) Asset sizing with utility use constraints
US11699903B2 (en) Building energy optimization system with economic load demand response (ELDR) optimization and ELDR user interfaces
US11068821B2 (en) Building energy optimization system with capacity market program (CMP) participation
US11036249B2 (en) Building energy storage system with peak load contribution cost optimization
CN108416503B (zh) 具有资产规模调整的建筑物能量成本优化系统
US10732584B2 (en) Building energy optimization system with automated and dynamic economic load demand response (ELDR) optimization
CN108306418B (zh) 具有多需量计费型成本优化的建筑物能量存储系统
EP3547234A1 (en) Building energy optimization system with capacity market program (cmp) participation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230414

Address after: Wisconsin

Patentee after: Johnson Controls Tyco intellectual property holdings limited liability partnership

Address before: Michigan, USA

Patentee before: JOHNSON CONTROLS TECHNOLOGY Co.