一种用于集中式空调负荷分布式控制的深度代理建模方法

《Scientific Reports》：A deep surrogate modeling approach for distributed control of aggregated air-conditioning loads

　　

摘要

随着间歇性可再生能源的广泛应用，充分利用空调负载的灵活性对于维持电网稳定至关重要。然而，现有的控制策略往往需要在保护用户隐私与为电网调度提供标准化、无需模型依赖的接口之间做出权衡。本文提出了一种深度替代建模方法来解决这一难题。我们设计了一种三层“聚合器-边缘节点-最终用户”架构，并采用数据驱动的工作流程。该框架的核心是一个混合深度学习模型，结合了时间卷积网络和双向长短期记忆网络。该模型能够整合电网调控信号以及用户意愿因素，从而在无需敏感物理参数的情况下生成可靠的功率响应映射。针对实时功率分配问题，我们提出了一种改进的分布式粒子群优化算法，该算法嵌入了LightGBM模型来预测热动态特性，进而减少对传统热力学模型的依赖。大规模仿真结果表明，所提出的方法具有较低的功率跟踪误差（平均相对误差＜0.2%），并且能够有效应对用户端的干扰。通过将控制逻辑与物理模型解耦，这项工作提供了一种可扩展且符合市场需求的需求响应框架，可通过边缘节点聚合来降低用户级数据的直接暴露风险。