新型集成光伏、儲能系統和電熱泵系統研究

沈陽工程學院 李奇峰 高 陽

使用光伏（PV）系統作為減少建筑能源需求對化石燃料的依賴的解決方案引起了人們的注意。此外，在光伏系統中加入儲能系統（ESS），可以通過在電力峰值負載期間增加對光伏發電的依賴來優化電力成本。然而，當前的ESS容量有限，難以充分利用PV產生的能量。研究了為PV、ESS和電熱泵（EHP）提出的一種新型集成節能系統，可最大限度地利用PV能源，優化ESS使用并降低EHP能源消耗成本。其所提議的集成系統的組件與基于深度學習（DL）的算法相關聯，該算法可預測EHP的光伏發電和能源需求。提出的系統根據峰值負載時間、預測的EHP電力需求和光伏發電來安排ESS的充電/放電時間。提議的系統確保了一種有效的方法來最大化光伏發電，從而減少建筑能源需求對化石燃料的依賴。

1 儲能系統及電熱泵

建筑部門消耗了全球總能源的40%，大量能源用于冷卻、加熱和通風目的，為建筑提供足夠的舒適度和空氣質量水平。雖然為建筑居住者提供有利的室內環境至關重要，但避免調節過度或不必要的建筑能源消耗也很重要，特別是考慮到所述能源的來源，因為它可能直接或間接地對環境產生不利影響。例如，作為主要能源的化石燃料燃燒會導致溫室氣體 排放增加，最終導致全球變暖。因此，為了減少能源消耗，建筑居住者可以考慮使用節能的供暖、制冷和通風系統，并采用可再生能源發電系統與儲能機制相結合，將產生的能量儲存起來以備后用。

為了在考慮能耗的同時，有效地滿足加熱和冷卻需求，電熱泵（EHP）之所以受到歡迎，主要是因為其性能系數（COP）通常至少為2，即它產生的熱量或冷量多于消耗的能量，因此會減少電能消耗。此外，EHP系統具有可擴展性，可以使用不同類型的低質量熱源和散熱器，與傳統的天然氣鍋爐相比，EHP系統具有較高的轉換性能。例如，此前有研究人員比較了空氣對空氣EHP系統和鍋爐系統，并報告說與油加熱器相比，EHP系統具有更高的COP和更分散的溫度，并且波動更小。此前有報告指出，與傳統空氣相比，地源熱泵（GSHP）的使用可以在供暖期減少30%至70%的電能消耗，在冷卻期減少20%至50%的電能消耗。空調系統在CO2排放方面，研究人員在德國的區域范圍內進行的一項研究發現，與COP為4.0的EHP系統相關的CO2排放量比與傳統供暖系統相關的CO2排放量少25%。此外，歐洲熱泵協會預計，到2030大規模利用熱泵可使部分國家的CO2排放量減少34%至46%。

為了解決我們上面討論的能源問題，將可再生能源（RES）用于發電也引起了人們的關注，可以將其作為降低電能成本和化石燃料消耗的另一種選擇。然而，可再生能源的間歇性特征限制了它們在建筑物和城市中的滲透水平。為此，儲能系統（ESS）已被用作可能的解決方案之一。ESS具有穩壓、負載均衡、消除諧波和改善功率因數的能力。ESS廣泛應用于擁有光伏（PV）面板的建筑中。然而，ESS在光伏系統中通常是獨立應用，也就是說ESS用于存儲光伏系統產生的電能。因此，將光伏系統與ESS系統集成到電網已被證明可以提高光伏系統的效用，增強建筑能源平衡，從而為消費者帶來經濟效益。圖1顯示了EES沿著電力價值鏈的優勢。

2 智能節能系統

本文研究了一種基于深度學習的智能節能系統，用于管理由光伏組件、ESS和EHP組成的集成能源系統。通過研究了解到該系統的主要目標是通過最大限度地利用光伏能源和ESS來降低EHP的加熱和冷卻能源消耗成本，以提高電網產生的能源的可靠性。該系統由兩個模塊組成：預測模塊和調度模塊。預測模塊使用實時天氣信息，由兩個基于DNN的EHP能源消耗和光伏發電預測模型組成。來自預測模塊的結果被轉發到調度模塊，該模塊根據EHP要求、光伏發電能量、ESS充電狀態和電網電力成本來管理ESS的充電/放電。結果表明，所建立的EHP和PV預測模型可靠準確，R2均在0.95以上。每日結果顯示，該系統在夏季、冬季和春季分別節省了10%、1%和93%的電能消耗，從而在夏季節省了44%，冬季節省了5%，春季節省了93%能源成本。本文提議的系統，每年可以分別節省高達2%和12%的能源消耗和能源成本。

通過該研究取得的結果，對用于將RES集成到建筑系統中的方法具有廣泛的影響。典型的建筑系統通常由一個可再生能源組成，該可再生能源為建筑物提供能源以用于各種用途（例如：供暖/制冷和照明等）。但是，這種可再生能源產生的能源僅在一天或季節的某些時間可用，例如可以利用太陽能或風能，這使得很難完全依賴RES進行能源供應。作為一種解決方案，ESS系統通常被整合到建筑系統中以存儲額外的RES產生的能量，以便在RES產生的能量不可用的情況下使用（例如：在夜間或陰天）。此外，在韓國這樣的國家，電網發電價格因一天中的時間而異（即白天高），將ESS納入建筑系統提供了額外的優勢。例如，廉價的電網發電可用于為ESS充電，隨后可在電網發電成本高的高峰負荷時段使用。然而，挑戰在于如何有效地連接（a）RES、（b）電網、（c）ESS和（d）建筑系統組件（例如HVAC系統），以優化建筑能源消耗。四個系統之間有效連接的理想結果是主要依靠可再生能源發電為ESS充電并滿足建筑能源需求。

該研究的另一個重要因素與用于預測建筑能源需求和可再生能源發電的模型輸入有關。以前的研究采用多個變量來預測建筑能源需求和可再生能源發電。例如，它考慮了系統運行變量、室外和室內環境變量以及與時間相關的變量來預測蒸汽噴射熱泵的能量性能。此前有人使用九個輸入量并預測了空氣源熱泵的能耗。一些研究人員利用溫度、電流相位平均值、相對濕度、風速、風向、全球水平輻射和擴散水平輻射來預測光伏發電量。許多解釋變量的使用雖然必不可少，但可能會限制所開發模型的泛化能力或導致模型實際部署中的挑戰，尤其是在所用變量不易獲得的情況下。因此，所研究的系統在保持模型精度的同時，使用了很少的關鍵且容易獲得的變量，所提出的系統可以輕松部署，并適用于與此案例研究類似的建筑物。

3 系統的局限性及目前研究結論

此算法是為一種類型的可再生能源（即光伏系統）開發的，EHP預測模型是根據韓國一個地區的天氣條件進行評估的，這在一定程度上限制了其部署范圍。因此，為了使此算法適應其他公用事業、RES和氣候，未來的研究工作可以采用遷移學習方法。此外，該領域的未來研究也可能會考慮使用基于深度強化學習的方法并使其適應個人家庭。另一個限制是光伏系統的故障會導致算法無限期地切換到電網，未來的研究工作還應考慮添加通知機制，以便在發生故障時提醒用戶。未來的研究工作可以考慮使用從光伏系統收集的真實數據開發此類算法。

本文研究了一種集成的PV-ESS-EHP系統，該系統配備了調度算法，該系統利用DL技術并預測EHP電力消耗和光伏發電量，以最大限度地利用可再生能源并最大限度地降低電力成本。系統根據次日天氣情況，預測次日EHP用電量和光伏發電量，并在電價低時決定是否對ESS進行充電。在運行過程中，系統還根據特定時間的光伏發電量和ESS容量進行ESS、PV和電網的切換，為EHP供電。性能結果表明，所采用的DL預測模型具有準確可靠的預測能力，R2大于0.95。此外，能源消耗和成本評估表明，擬議的集成PV-ESS-EHP系統將能源成本降低了12%。但是，這種減少主要受EHP、PV和ESS規模的影響。提議的系統也是季節性響應的，也就是說季節的變化不影響其性能。因此，整體提議的集成系統減少了對主電網電力的依賴，提高了光伏的效用，增加了ESS的可用性，隨后帶來了經濟優勢和對RES使用的廣泛認識。

結語：傳統的社會供能系統條塊分割，相對各自獨立運行，不利于從全社會角度實現能源資源優化配置和總體最優的目標。社會能源的一體化供應和綜合能源系統是能源領域的未來發展趨勢。目前，我國電力系統中可再生能源的消納問題已經十分突出，電力系統調峰和分布式供能等問題也日益嚴重。通過引入大容量儲熱，實現電、熱兩個能源體系的協同優化，在電、熱聯合能源系統框架下，提高能源系統大時空范圍優化配置能力，可有效解決可再生能源消納和調峰等問題。深入開展包含大容量儲熱的電——熱聯合系統關鍵技術的研究工作，符合能源領域的發展趨勢，是對綜合能源系統的前瞻性研究和有益探索。