基于能源互聯網的辦公建筑源荷一體式監控系統研究

郭凌穎

上海建科建筑節能技術股份有限公司

1 研究背景

大型公共建筑能耗是區域綜合能源互聯網的重要組成部分。建筑能源消耗總量巨大、能耗日益增長、分布分散且負荷特性多樣，可實現能量短時存儲及不同類型能源互相轉化，其自身也可產生能源。如：可再生能源、分布式發電裝置等[1]。可再生能源在建筑中的應用日益廣泛。但是，可再生能源具有不連續、不穩定、低密度的特點，一般的做法是通過并網逆變器將可再生能源所發的電直接并入市政電網為建筑供電，但建筑用電的負荷多樣性和可再生能源的不穩定性，會對電網的安全造成沖擊。能源互聯網技術能解決以上問題[2-3]。

在能源互聯網內，每個用電主體既是能源的消費者，也是能源的生產者。信息技術作為一種監測控制手段，使建筑內的源（光伏、光熱、風電、化石能源和電網配電等）與荷（空調負荷、照明負荷和動力負荷等）之間實現供需平衡，最大限度利用可再生能源，在保障用戶的舒適性的同時，能有效降低建筑用能成本，提高整個能源網內能源的安全性、高效利用和可持續性[4]。

2 研究目的

通過研究探討辦公類建筑內可再生能源與常規能源的耦合應用的關鍵技術，在保證建筑內用戶舒適度的前提下，減少用電負荷的波動性，減少建筑用電對電網的沖擊。

3 研究內容

1）建立用戶用能預測模型。根據對建筑長期能耗監測數據的分析，掌握不同類型建筑內用戶的用能特性，結合采集到的實時室內外環境參數、室內人員數量等數據，計算用戶用能預測曲線。

2）研究可再生能源與常規能源的耦合應用關鍵技術。研究基于模型預測的建筑能源系統控制策略，調整可再生能源及蓄能設施的運行控制策略，制定優化的建筑能源系統的控制策略，進一步保證電網的穩定性。

4 研究模型

4.1 研究對象概況

研究對象為夏熱冬冷區域的大型辦公建筑，該建筑使用了以太陽能光伏發電為代表的可再生能源，建筑冷熱源來源為熱泵系統，輔助以燃氣鍋爐，儲能設備為冷/熱保溫水箱。圖1和圖2是該建筑夏季和冬季的能量模型圖，圖3是該建筑空調系統示意圖。

圖1 夏季能量模型圖

圖2 冬季能量模型圖

圖3 空調系統簡圖

4.2 負荷特性

辦公建筑的用電負荷隨時間的變化具有一定的規律性，圖4是某辦公建筑一典型周的電消耗曲線，由圖4可見，辦公建筑工作日電耗明顯高于休息日電耗，夏季電耗略高于冬季電耗。

圖4辦公建筑典型工作周能耗曲線

圖5 是某辦公建筑一個典型工作日24小時的用電曲線（分夏季和冬季），表明上午6:00至8:00能耗增長率最大，中午12:00能耗增長至峰值，然后緩慢下降，19:00至20:00的能耗下降率最大，23:00至凌晨5:00處于一天中的能耗低谷。

圖5辦公建筑典型工作日能耗柱狀圖

圖6 和圖7是辦公建筑用電的分項統計。夏季空調用電占總用電的51%，冬季空調用電占總用電的50%，均超過了照明和插座用電。在熱泵機組為建筑提供冷/熱量的案例中，當夏季和冬季冷/熱量需求量較大的情況下，空調用電量占總用電的50%以上，可見空調能耗對建筑能耗的影響較大。

圖6 夏季典型工作日分項能耗統計

圖7 冬季典型工作日分項能耗統計

4.3 能源間轉換

本研究對象為各類能源之間的轉換關系（圖8）包括：

（1）可再生能源轉變為電能：光伏發電裝置將光伏轉變為電能，為用戶側供電；

（2）電能轉變為冷量（夏季）：通過熱泵機組及水蓄冷裝置為用戶側提供冷量；

（3）電能轉變為熱量（冬季）：通過熱泵機組及水蓄熱裝置為用戶側提供熱量；

（4）燃氣轉變為熱量（冬季）：通過燃氣鍋爐輔助熱泵機組為用戶側提供熱量。

圖8 夏季和冬季建筑內能量轉換示意圖

4.4 建筑能源互聯網系統架構

要實現研究對象的建筑內能源互聯，需要安裝圖9所示的硬件設備架構。包括用戶負荷監測、環境監測設備、光伏發電監控設備和主要用能設備的控制器。其中用戶負荷監測設備可實現數據實時遠傳，包括用電能耗監測、用氣量監測、用水量監測、冷熱量監測和環境監測儀表等。以上儀表通過數據采集網關將建筑內各項能耗數據及環境參數傳輸至建筑能源綜合管理系統；光伏發電監控系統監測包括系統電流、電壓、功率和發電量，以及現場及周邊的監控和氣象監測等；設備控制主要完成能源管理系統下達的各項控制指令，主要包括水箱三通閥的控制、熱泵及水泵的啟停控制等。

圖9 建筑能源互聯網系統架構

4.5 光伏發電預測模型

光伏發電的預測主要包括提前預測第二日的光伏發電曲線，以及光伏發電超短期預測。

1)日預測曲線

根據天氣預報信息，結合近日光伏發電狀況，繪制出第二天24小時的光伏發電預測曲線。

2)超短期預測

光伏陣列的輸出功率主要受太陽能輻射能量和電池板的工作溫度[4]的影響，具體關系為：

式中，PSTC為標準測試條件（太陽光入射強度GSTC：1000W/m2，環境參考溫度TSTC：25℃）下的最大功率；GT為入射到電池板的輻射量；kc為功率溫度系數，可取值為-0．0047；Tc為電池板的工作溫度。Tc的計算方法采用文獻[5]中的經驗公式：

式中，Ta為當前環境溫度；βv=c1+c2ec3v為風速v的指數函數；c、c、c3分別為常數。

光伏發電量可根據以上公式，結合實時采集的輻照度、環境溫度、風速等參數，實時計算預測光伏發電功率。

4.6 用戶側需求預測模型

用戶側需求預測主要包括前日預測第二日的用戶用能需求，以及當前時刻預測下一時刻的用能需求，簡稱超短期預測。

1)日前負荷預測曲線

日前預測即前一日預測第二日的用戶用能需求，主要是根據第二日的天氣預報溫度T、濕度D、風速V等信息和預估的建筑內人員數量P，檢索數據庫中不同的室外環境參數下的歷史負荷，估算出第二日的用戶負荷預測曲線。將以上各參數的歷史數據提供給機器自學習程序，通過機器自學習和不斷與實際情況進行對比校正，最終形成無限接近實際情況的日前負荷預測曲線。

數據庫存儲的建筑室外環境參數見表1，一日用電能耗數據見表2。

表1 建筑室外環境參數表

表2 一日用電能耗數據

2)實時負荷預測

實時預測用戶負荷主要根據當前建筑內空調通風和照明設備的實時運行情況，結合環境參數的實時監測數據、實時用戶人數監測數據、臨時下達的開關設備指令等，對日前用戶側需求預測曲線進行修正。

5 優化控制策略及效果

優化控制策略主要分為日前調度控制策略和實時修正控制策略，可以根據多種優化目標和約束條件制定不同的策略。

5.1 日前調度控制策略

日前調度控制策略是根據第二天24小時光伏發電日預測曲線和負荷日預測曲線制定第二天24小時的靜態調度控制策略，在不同的時間段合理分配光伏出力，并確定合理的儲熱量或儲冷量以及空調運行的方式。

大樓總用電曲線、空調用電曲線、光伏發電量曲線和電網出力曲線見圖10。

圖10 大樓總用電曲線、空調用電曲線、光伏發電量曲線和電網出力曲線

從預測曲線計算出的電網出力曲線，可直觀看到電網出力曲線波動較大，電網穩定性較差，電網出力每小時增長/減少率統計見圖11。

圖11 電網波動速率曲線

電網出力穩定性即電網波動速率，記為PL’是由當前超短期時間單位內電網出力減去上一時間單位內電網出力，其占上一時間單位內電網出力的比值來衡量。該比值作為判定電網實時穩定性的參數，可通過調整閾值來改變建筑用能設備的調控策略。

在制定日前調度控制策略時，時間單位設定為1小時。當制定實時調度控制策略時，時間單位設定為15分鐘或30分鐘。根據設定的閾值，將電網波動率調整到理想范圍以內，假設給定電網波動閾值為[-30%，30%]（可調）。

調整后的電網波動率如圖12所示：

圖12 調整后的電網波動速率曲線

通過計算初始用戶側總用電預測曲線UL(t)和反推的用戶用電修正曲線UL2(t)之間的差值，可得到優化調控的節電目標量C(t)。具體的計算過程如圖13和圖14所示。

圖13 節電目標量計算流程圖

圖14 節電目標量曲線

根據日前預測曲線制定靜態調控策略的過程如圖15。

圖15 日前調控策略流程圖

節電有效措施：使用蓄冷/蓄熱水箱中提前儲存的冷/熱水對大樓進行供冷/熱，停止/降低熱泵機組運作功率從而達到節電的效果。

余電消耗采取蓄熱蓄冷策略：半夜使用谷電開啟熱泵機組，對蓄冷/熱水箱內的介質進行制冷/加熱的操作，實現蓄冷/熱。

5.2 實時修正調度控制策略

實時修正控制策略是根據系統當前的實時運行狀況，以及光伏發電超短期預測、負荷超短期預測、儲熱/冷狀態等，對用戶需求預測曲線進行修正，然后對日前調度控制策略制定的日調度方案進行修正。

最終實現的空調系統運行策略如表3所示。

實施優化控制前后用戶總用電曲線對比如圖16所示。優化調控后，用戶用電量趨勢與光伏發電量曲線趨勢相近，光伏發電量峰值時用戶用電量也達到峰值。

表3 空調系統運行策略及調整

圖16 優化調控前后用戶用電量

實施優化控制前后電網出力曲線如圖17所示。可見隨著閾值范圍取值越小，電網出力的曲線越平緩，電網出力波動越小。

圖17 優化調控后電網出力曲線對比

6 結束語

建筑作為用能主體，也是能源的生產者，可利用能源互聯網手段解決辦公類建筑內可再生能源與常規能源的耦合。由于可再生能源的不穩定性，容易對電網造成一定的沖擊，在保證用戶能源需求的前提下盡量減少用戶用電對電網的沖擊。研究使用熱泵機組及光伏發電系統的辦公建筑在實際運行中的能耗情況，提出了一種基于能源互聯網的建筑源荷一體式監管系統，首先使用機器自學習法對建筑能耗及可再生能源發電量進行日預測，然后基于預測制定優化運行日前調度控制策略，并在實際運行時進行超短期預測并實時修正控制策略，實施優化調控后有效實現電網波動速率在設定閾值范圍內，使電網出力趨于平緩。