De acordo com pt.wedoany.com-Em resposta a problemas como a resposta lenta de regulação em sistemas de aquecimento centralizado e temperaturas internas desiguais, investigadores propuseram um sistema de pico de aquecimento centralizado acoplado a energia verde distribuída. Através da introdução de um modelo de dois fatores "custo-conforto" para caracterizar o comportamento de racionalidade limitada dos utilizadores, foi construída uma estrutura de otimização de preços e agendamento em dois níveis para empresas e utilizadores, alcançando uma melhoria sinérgica no consumo de energia verde e nos lucros do aquecimento. Os resultados da simulação num bairro de Xi'an mostram que a potência média diária de consumo de energia verde atinge 10 a 18 megawatts, os custos operacionais da empresa de aquecimento diminuem 36,5% e a taxa de conformidade da temperatura dos utilizadores aumenta significativamente de 2,9% para 90,3%.
O aquecimento centralizado é uma infraestrutura essencial para o bem-estar da população no inverno nas cidades do norte da China. No entanto, devido a fatores como a longa distância de transmissão da rede de tubulações, o ajuste hidráulico e térmico apresenta forte histerese. O desequilíbrio hidráulico-térmico nas extremidades causa problemas frequentes de superaquecimento ou resfriamento excessivo no interior, resultando em baixas taxas de conformidade de temperatura e grave desperdício de energia. Para melhorar a capacidade de regulação, os sistemas de pico de aquecimento centralizado tornaram-se gradualmente uma das principais formas de aquecimento no norte. Este sistema utiliza o aquecimento centralizado para a carga térmica de base e configura fontes de calor de regulação rápida no lado da procura para responder às flutuações de carga.
Os sistemas de pico tradicionais geralmente adicionam fontes de calor nas comunidades ou no lado da rede secundária e implementam controlo unificado. Embora tenham desempenhado um papel na mitigação dos desvios de aquecimento nas extremidades, as suas estratégias de regulação baseiam-se na procura média do grupo, não conseguindo satisfazer as preferências individuais de conforto térmico dos utilizadores. Com base nisso, os sistemas de pico distribuídos alcançam uma regulação personalizada através de fontes de calor no lado do utilizador e resposta à procura, oferecendo vantagens como alta flexibilidade e baixas perdas de calor. No contexto de uma elevada proporção de energias renováveis na rede elétrica, a utilização de energia verde em sistemas de pico distribuídos pode não só promover a interação profunda entre edifícios e a rede elétrica e melhorar o consumo de energia verde, mas também incentivar a participação ativa dos residentes na resposta à procura da rede, reduzindo as flutuações da rede. Documentos relevantes a nível nacional na China já propuseram claramente a promoção da integração da energia verde com sistemas de aquecimento, apoiando prioritariamente o consumo de energia verde em setores não elétricos, como o aquecimento.
No entanto, nos estudos existentes, o comportamento de resposta do lado do utilizador é frequentemente idealizado como um processo totalmente racional e executável, ignorando os desvios cognitivos na tomada de decisão real. Para tal, este estudo baseia-se na modelagem da resposta térmica de utilizadores com racionalidade limitada, construindo uma estrutura de otimização de agendamento em dois níveis para o acoplamento aquecimento-energia verde, e resolve e valida sob o objetivo de maximização de lucros. Com base em 171 questionários de utilizadores em Xi'an, o estudo quantificou o preço do calor e as preferências de conforto, dividindo os utilizadores em quatro tipos típicos através de clustering K-means, fornecendo uma base para mecanismos de preços de calor diferenciados. O modelo de otimização em dois níveis considera a empresa como líder e o utilizador como seguidor. No nível superior, as empresas de aquecimento e fornecimento de energia otimizam independentemente o preço unitário do aquecimento e a tarifa horária da eletricidade sob restrições políticas e de mercado. No nível inferior, os utilizadores equilibram o preço do calor e o conforto para otimizar a satisfação, alcançando assim um feedback dinâmico entre oferta e procura e uma regulação em circuito fechado.
Os resultados da simulação mostram que, após a otimização do modelo proposto, o consumo de energia não renovável diminuiu de 39 MW para cerca de 27 MW, os lucros das empresas aumentaram significativamente, com os lucros das empresas de fornecimento de eletricidade e aquecimento a crescerem 135% e 101%, respetivamente, e a proporção de lucros da energia verde atingindo 78%. A taxa de conformidade da temperatura dos utilizadores subiu de 2,9% para 90,3%. O sistema pode orientar diferentes tipos de utilizadores a participar na regulação durante períodos de alta produção de energia verde, equilibrando conforto e capacidade económica, melhorando a equidade geral.
A equipa de investigação afirma que, no futuro, explorará ainda mais a robustez em condições climáticas extremas, a modelagem do comportamento dos utilizadores ao longo de vários dias e cenários de promoção sob mecanismos de mercado complexos.
