電網交互建筑及電力協調調度優化策略研究*

潘毅群 王 皙 尹茹昕 黃治鐘 曾 菲 周明春

(1.同濟大學,上海;2.上海市建筑科學研究院有限公司,上海;3.美的集團樓宇科技研究院,佛山)

0 引言

近年來,全球氣候變化引起的各種問題紛至沓來,全球變暖成為世界關注的焦點。根據聯合國氣候變化框架公約(UNFCCC)發布的《2022年全球氣候狀況報告》,2021年全球溫室氣體濃度達到歷史最高水平,而2022年仍在持續上升,使得過去8年(2015—2022年)成為有記錄以來最熱的8年[1]。根據《2022年世界能源統計年鑒》(BP 2022)的數據,2021年,來自能源使用、工業過程、燃燒和甲烷的碳排放量(以二氧化碳當量計)上升5.7%,達到39.0 Gt,其中能源使用產生的二氧化碳排放量增長了5.9%,達到33.9 Gt[2]。為了應對氣候變化,巴黎協定已經提出要將全球平均氣溫上升控制在工業化前水平的2 ℃以內,并努力將升溫幅度限制在1.5 ℃以內[3]。中國也在聯合國氣候峰會上提出了“雙碳”目標,即2030年實現碳達峰,2060年完成碳中和。

建筑行業能耗作為能源消耗的重要組成部分,其對“雙碳”目標的實現有著重要影響[4]。據統計,建筑能耗約占全球最終總能耗的36%,由此產生的碳排放量幾乎占碳排放總量的40%[5]。隨著節能標準的進一步普及和強化,建筑圍護結構的性能和設備效率得到了顯著提升,供暖和空調能耗占比已大幅減小[6],現階段單純提高建筑圍護結構性能和設備能效在建筑節能減碳中的貢獻度逐漸減弱。可再生能源的利用被廣泛認可為減少碳排放和實現可持續建筑的重要途徑。根據國際能源署發布的《2050年凈零:全球能源行業路線圖》,到2050年,將近90%的電力發電來自可再生能源[7],這一趨勢表明可再生能源在能源產業中的地位和作用將不斷增強。中國建筑節能年度發展研究報告指出,建筑能源系統要在前期建筑節能的基礎上改革,即充分利用自身可再生能源并提升建筑電氣化、增加建筑柔性[8]。許多國內外專家學者也表示,在現階段利用可再生能源和對現有建筑進行能源改造,構建電網交互建筑是最具前景的節能減碳途徑之一[9-11]。國務院[12]、國家發展改革委[13]、住房和城鄉建設部[14-15]等國家機構和部門在“雙碳”“十四五”規劃等相關政府文件中均提及要積極發展低碳建筑和“新能源+儲能”系統、推進源網荷儲一體化和多能互補、提升建筑電氣化等。

構建電網交互建筑并確定其合理的協調運行方案是構建低碳建筑的重要途徑之一,相關政策的提出為電網交互建筑的建立提供了重要支撐,也為相關技術的發展完善提出了迫切的需求。本文對電網交互建筑的系統框架和模型構建方法進行總結和回顧,探討電力協調調度優化策略,并以一個小型居住社區為案例進行調度優化策略研究,最后對電網交互建筑的未來發展進行討論和展望,為推動建筑能源可持續發展提供參考。

1 電網交互建筑

電網交互建筑利用智能技術和分布式能源技術實現建筑能源高效利用,通過協同優化能源成本、電網服務和居民需求與偏好之間的關系,提供持續和綜合的需求靈活性[16]。其系統框架如圖1所示,相較于傳統建筑,電網交互建筑將分布式能源與電網的相互耦合考慮在內。通過綜合利用可再生能源發電、公共電網供電及儲能設備等技術手段,實現最大程度地節約和優化建筑能源使用,減輕電網壓力[17]。同時,由于太陽能光伏光熱系統、風力發電等可再生能源技術的引入,電網交互建筑同時具備了能源消費者和能源生產者的雙重角色[18],降低了對傳統能源的依賴,促使能源消費結構向更清潔、可持續和低碳狀態的轉變。

美國能源部(DOE)制定了一項關于電網交互建筑的國家路線圖,并總結了電網交互建筑提供的電網服務,包括效率、削減、轉移、調節和發電5種模式[19],如圖2所示,這些模式使得建筑能夠靈活適應不同情況下的能源管理需求。在效率模式下,建筑采用能源高效設備和技術來降低能源消耗,提高能源利用效率,從而減少建筑能耗。削減模式通過臨時減少電力需求來提供輔助服務,例如在電網緊張時降低用電量,為電網提供應急儲備。轉移模式允許建筑在電網需求高峰時將部分負荷轉移到其他時間段,以降低電網負荷,減少能源成本。調節模式用于輔助服務,建筑可以根據電網操作者的信號,在短時間內自主平衡有功功率需求或提供無功功率支持。發電模式允許建筑自主產生電力供自用,并通過響應電網的信號,將多余的電力注入電網,為發電服務作出貢獻。隨著智能控制和優化技術的進一步發展和應用的推廣,電網交互建筑有望在未來的能源領域扮演更加重要的角色。

2 電網交互建筑模型構建

隨著太陽能光伏和風力發電等現場可再生能源的廣泛應用,建筑可以逐漸實現電力的自給自足,甚至能將多余的電力賣給電網。然而,可再生能源具有間歇性和不可控性[20-21],隨著可再生能源在電網中的滲透率的增長,建筑電力需求靈活性的提升變得越發迫切。模型構建成為為能源管理提供協助和解決方案的重要途徑。近年來,許多學者從不同角度對該領域進行了深入研究。本章將對電網交互建筑模型建立進行討論,模型子系統的建立方法和應用總結如表1[22]所示。

表1 電網交互建筑系統模型構建方法[22]

2.1 源側

電網交互建筑中常見的“源側”包括市政電網和分布式能源系統。可再生能源發電(如太陽能光伏、風力發電)和熱電聯產(combined heat and power,CHP)是建筑領域廣泛采用的2類分布式能源技術[42]。無論是只提供電力還是同時提供電力和熱能,建筑負荷都可以部分甚至完全由自發的能源覆蓋,降低對電網的凈需求,實現負荷覆蓋的靈活性。

一般來說,分布式能源系統模型的建立主要有2種方法:基于物理的方法和基于統計的方法[43]。基于物理的方法是結合光伏板、風力渦輪機、CHP機組等的性能參數和天氣參數等數據,依據機組的發電和產熱原理建立模型。這種簡化模型不需要大量的歷史數據,也較為簡單,但是其準確性極大地取決于設備廠家提供的設備參數的準確性和天氣預報的準確性。基于統計的方法是指對機組發電產熱的歷史數據進行統計分析,找出其內在規律。隨著計算機技術的快速發展,許多學者引入各種算法進行統計分析,建立能源出力預測模型。雖然這類基于統計的方法在預測時采用的算法各不相同,但其輸入參數通常包含天氣數據和機組發電產熱歷史數據。與基于物理的方法相比,基于統計的方法通常能有更高的準確性[28],但毫無疑問其需要較為龐大的歷史數據。

可再生能源發電的不穩定性會導致供需不平衡問題,此時電網則發揮了重要作用。在許多電力和建筑交互的研究中,電網扮演了商家的角色,這意味著建筑物可以從電網購買或銷售電力。因此,許多學者更加關注電力價格和電力供應等因素[22],并將其與電池和建筑負荷等子系統的能量平衡模型結合起來。還有一些研究強調建筑物與電網互動的友好性[44],即減少電網和建筑物之間的波動,從而緩解電力平衡方面的壓力。這種友好互動通常以建筑物與電網之間的能量交換作為評估指標,通過優化電力交易策略和能量平衡模型,使得建筑物更好地應對電力供需的波動。

2.2 儲能側

在平衡電力系統和可再生能源方面,能源儲存對建筑能源調度的靈活性和可靠性至關重要[45]。電儲能和熱儲能是建筑中能源儲存系統的2種主要形式。受到存儲難度和容量成本的限制,電儲能適用于具有高時效性需求的短期能源儲存(例如幾小時或幾天),而熱儲能適用于大容量和長期能源儲存(例如幾個月或幾個季節),其靈活性更高,并且能夠提供更好的熱舒適性[44]。

在建筑能源儲存系統中,電儲能形式涉及復雜的化學變化,在模型建立時通常需要進行適當的簡化。一般采用基于能量平衡原理的方法來處理電儲能系統[25,31],即將電池的內部儲存電量與各個時刻充放電量的累積量建立等式,從而清晰地描述電儲能的運行狀態和能量儲存情況,為系統優化和能量管理提供基礎。除了靜態的電儲能系統,一些研究將電動汽車(EVs)視為移動能源儲存設備[46-48],從空間上擴展了能源儲存系統的范圍,實現了在不同建筑之間進行能量交換和共享。與電儲能類似,熱儲能模型在構建時也會更關注熱量的輸入和輸出,一般也是基于能量平衡原理建立模型。以蓄冷水池為例,將當前蓄冷水池的蓄能量建模為前一時刻水池的蓄能量與當前時刻蓄能和釋能之和,從而描述蓄冷水池的熱能儲存和釋放過程[32-33]。此外,一些研究探討了將建筑本身視為一種熱儲能形式的可能性[49-51],利用建筑的熱慣性來實現短期內對建筑能源消耗能力的調整,提高能源系統的適應性和響應性。

2.3 負荷側

準確的建筑負荷預測模型是建筑能源系統實時控制和建筑電網集成的關鍵[52]。對于建筑及園區而言,其負荷主要包括冷負荷、熱負荷,以及燈光、插座等的電負荷,而其預測模型通常有3種:白箱模型、黑箱模型和灰箱模型。

白箱模型是指利用熱量和質量方程所建立的建筑能量模型。目前已有許多較為成熟的軟件可以方便和快捷地求解這些方程以獲得負荷和能耗數據,如EnergyPlus、Dymola、TRNSYS、DeST等[31,53],其優點在于其具有較強的解釋性,但是輸入所有詳細的建筑參數往往需要耗費大量的時間。黑箱模型通常是指使用歷史數據來構建模型,其無需建筑的詳細物理信息,而是根據歷史數據,從數學上找到其輸入和輸出之間的復雜關系。其中,常見的輸入參數為氣象參數、建筑物理參數、時間序列特征等,而輸出參數一般是冷負荷、熱負荷或者是電能消耗量[54]。近年來,由于計量設備的快速發展,建筑能耗變得更加容易獲取,因此也推動了黑箱模型的使用[35],許多機器學習算法被引入到能源模型的構建中,如人工神經網絡(ANN)[36]、支持向量機(SVM)[37]、循環神經網絡(RNN)[38]、分布式梯度增強庫(XGBoost)[39]等。與白箱模型相比,黑箱模型雖然開發過程更為簡單,但其模型泛化能力較差,通常需要大量的歷史數據。灰箱模型介于白箱模型和黑箱模型之間,使用簡化的物理模型和易于獲得的數據進行模擬求得能耗需求。電容電阻(RC)模型是最常見的灰箱模型。Bay等人采用3R2C模型來建立目標建筑物的熱性能模型[40],而Dong等人則采用了2R1C模型[41]。灰箱模型在白箱模型和黑箱模型之間進行一定的取舍,所以當其他2個模型所需的信息不足時,灰箱模型可能會是更好的選擇。

3 電力協調調度優化策略

3.1 需求響應策略

建筑需求響應(demand response,DR)是指在電力價格變化或面臨高批發市場價格或電力系統可靠性受到威脅時,需求側根據激勵或電力價格的變化,從其正常的電力消耗模式中調整電力使用的行為[55]。其主要目標是將部分高峰負荷轉移到低峰時段,從而在短期內解決供需平衡問題,與此同時DR執行者和DR參與者都可以獲得利益或補償。根據德國航空航天中心對30種不同的DR計劃進行的深入分析[56],歐洲的理論最小靈活性能力約為61 GW的負荷減少和68 GW的負荷增加,凸顯了DR在電力系統中實現靈活性的重要性。尤其對于存在高比例的間歇性可再生能源的智能電網,通過調整需求以匹配資源的波動性,可以大大減少棄電并增加可再生能源的整體份額[20]。

需求響應策略主要分為2種類型:基于價格和基于激勵[20,42,44],其響應方式和特點如表2所示。基于價格的需求響應策略是指用戶根據電力動態價格,包括分時電價、尖峰電價和實時電價等[42],調整其能源使用行為,適用于住宅、工業和商業領域[44]。這些策略的主要特點是電力價格與時間和電力消費相關聯,從而激勵用戶在不同電價時段進行用電行為的調整。基于激勵的需求響應策略主要控制負荷,包括直接負荷控制和可中斷/可切斷負荷控制等,其主要適用于商業和工業領域,很少應用于居住區[44]。激勵型DR策略強調客戶功率負荷調整的速度,并相應地調節參與者的獎勵和懲罰。不同激勵型計劃之間存在差異,涉及用戶的合同簽署、負荷減少是否自愿及是否受到懲罰等方面,避免懲罰的心理將促使用戶積極回應并減少自己的電力需求[42]。

3.2 能量管理策略

電網交互建筑的協調調度策略實際上是確定各部件系統之間的能量流,即確定一種能量管理策略,而常見的能量管理策略主要包括基于規則的能量管理策略和基于優化的能量管理策略[57],如表3所示。

表3 能量管理策略

3.2.1基于規則的能量管理策略

基于規則的能量管理策略是指根據專家經驗或根據目標來設計其能量流動形式和流向,遵循“如果初始條件,那么執行動作”的預設規則[71]。規則可以通過實驗或數值研究控制輸出(例如負荷減少)和控制變量(例如區域溫度)之間的關系而預先定義。總體而言,基于規則的能源管理策略因其簡單高效而在工程實踐中得到廣泛應用,由于不涉及復雜的計算和優化過程,其可以快速作出響應,并實時調整能源系統的運行狀態。但是,受限于其自身“規則”,這類方法很難應用于復雜的分布式能源系統[63]。

3.2.2基于優化的能量管理策略

電網交互建筑調度優化問題是一個具有大量約束和變量的非線性問題,而基于優化的能量管理策略則能將該問題抽象為數學形式,再選擇合適的優化算法求解。近年來,大量技術已應用于該領域,一般可分為以下幾類:傳統技術、啟發式算法、模型預測控制等[72]。

1) 傳統技術。

傳統技術是指利用基于確定性算法的數學優化技術,其解決方案通常是使用商業求解器獲得的。在電網交互建筑協調調度問題中可用傳統技術解決的常見優化問題包括線性規劃、混合整數線性規劃、動態規劃及求解不確定優化的隨機優化等[61-62]。此類傳統技術可以利用優化問題的解析性質收斂到全局最優解,但是,當其用于求解復雜系統或解決大規模時間尺度優化問題時,確定性優化方法將導致較長的計算時間和較高的計算成本。

2) 啟發式算法和元啟發式算法。

啟發式算法是指使用容易獲取的信息來解決人和機器的問題,從而在允許的時間長度內獲得足夠好的結果的策略,而元啟發式算法從屬于啟發式算法,通常使用亂數搜尋技巧,可以更廣泛地應用到函數優化中[73]。在研究電網交互建筑協調調度問題中較為常見的該類算法包括粒子群優化算法、遺傳算法及其改進算法等[65-66]。這類算法可以在可接受的時間內給出所優化問題的解,但是該類算法所求的結果不一定是全局最優解,而可能是局部最優解[74]。

3) 模型預測控制。

近年來,模型預測控制(model predict control,MPC)也被廣泛應用于建筑環境控制和建筑能源管理領域[75]。MPC是一種約束控制方法,它能夠預測受控系統的未來行為,并通過優化目標函數來確定適當的控制行為,以比較不同控制策略并選擇最佳策略[76]。MPC在每次迭代時,僅執行控制策略的第一步,并在下一個時刻再次進行優化來增強其魯棒性和控制精度[77]。其優勢在于它能夠考慮系統的動態特性,對未來的變化進行預測,從而能更準確地響應系統的需求和變化。此外,MPC適用于復雜系統,能夠處理多變量和多個約束條件,為建筑環境控制和能源管理提供更靈活的控制策略。但同時MPC計算復雜性較高,需要大量計算資源和時間,因此在實際應用中可能會受到限制。此外,在實際應用中,預測誤差可能會導致控制的不穩定性,因此需要謹慎處理預測誤差的影響,以確保系統的穩定性和性能。

3.3 調度策略

在電網交互建筑的調度中,需要合理地安排建筑能量的生產、儲存和消費,以實現能源的高效利用和供需平衡。這涉及到多個建筑之間的協同調度和優化,并且影響到整個能源系統的高效運行。電網交互建筑的調度策略可以分為集中式和分布式2種,如表4所示。

表4 調度策略對比

3.3.1集中式調度

集中式調度是指通過一個中心控制器或優化器來協調和管理所有建筑的能量調度。在集中式調度中,所有建筑的能量需求、能源產生和儲存等信息都匯總到一個中心節點進行綜合優化和決策。這種方法可以全局性地考慮所有建筑的能源互補和協同作用,實現整體性能的最優化。集中式調度的優點在于它能夠通過全局優化實現整個系統的最優效率,尤其在面對大規模建筑群的復雜調度問題時,集中式調度能夠顯著提高能源利用效率和經濟性[85]。然而,集中式調度也存在一些局限性[86]。首先,集中式調度需要大量的信息交互和計算資源。所有建筑的信息都需要傳輸到中心節點,這將帶來大量的通信負擔,尤其當中心節點出現故障或通信中斷時,整個能量管理系統可能會受到影響。同時,由于集中式調度需要全局信息,可能會引發隱私和安全方面的顧慮,特別是涉及用戶個人信息和能源數據的情況[87]。

3.3.2分布式調度

在分布式調度中,每個建筑擁有一定程度的自治權和決策能力[83],能夠根據自身的需求和能源情況作出獨立的調度決策,無需依賴中心控制器。這使得分布式調度具有較高的靈活性和實時性,每個建筑可以根據實際情況作出快速決策,適應能源需求的變化和不確定性。此外,分布式調度在數據隱私和安全性方面也具有一定優勢。每個建筑只需要共享必要的信息和數據,而不必向中心節點披露所有細節,因此可以減少敏感信息的傳輸和暴露的風險[88]。然而,分布式調度也面臨一些挑戰。首先,分布式調度相比集中式調度而言,需要進行反復迭代求解,計算量較大,尤其是在建筑數量眾多、系統規模龐大的情況下,計算復雜度會顯著增加[87]。如果迭代次數很多甚至不收斂,還會對算法的穩定性造成影響,不利于調度的實現[81]。其次,由于分布式調度需要建筑之間進行信息交換和協調,通信量較大,特別是在實時調度和快速響應的情況下,通信負擔會更加顯著。高負載的通信網絡可能會導致通信延遲,影響系統的準確性和穩定性,從而影響能源調度的效果。

4 案例研究

4.1 案例概況

本文針對上海市一個小型居住社區進行案例研究,該園區共含3種類型建筑:多層居住建筑(1#建筑)、雙層小別墅(2#建筑)和超市(3#建筑)。考慮建筑的功能區劃分和工作日與非工作日的差異,參考相關標準[89-90]設定了不同的建筑參數和運行狀況,如表5所示。采用EnergyPlus軟件模擬計算得到該園區全年8 760 h的逐時冷熱負荷,如圖3所示,全年最大冷負荷為453.27 kW,最大熱負荷為221.44 kW。

表5 園區建筑參數

圖3 全年逐時冷/熱負荷

園區建筑能源系統整體結構如圖4所示,包含供電單元、電儲能設備、熱儲能設備和制冷供暖設備等,可以滿足園區內建筑的冷、熱、電負荷需求。供電單元包括市政電網和光伏發電系統,其中,市政電網系統采用峰平谷“三部制”分時電價,各電價時間分布如表6所示[91];假設該園區所有建筑屋頂面積的70%鋪設有光伏板,鋪設總面積為1 600 m2,光伏鋪設時傾角為25°,光伏板轉換效率為15%,溫度系數α為0.005 ℃-1,光伏發電系統可發電供給該園區使用,也可向電網售賣多余電量以獲取利益。根據上海市燃煤發電基準價(0.415 5元/(kW·h))[92]和光伏發電上網項目補貼價格(0.05元/kW)[93],本文設定該園區的上網電價為0.465 5元/(kW·h)。電儲能設備采用蓄電池裝置,可存儲來自光伏發電的多余電能,并可向負荷側供電。熱儲能設備為蓄冰槽,該裝置與雙工況機組聯合作用,利用冰的潛熱儲存冷量并適時滿足冷負荷需求。制冷供暖設備包含雙工況機組、空氣源熱泵及其配套風機、水泵、冷卻塔等設備,滿足各個季節的冷熱負荷需求。

表6 三部制電價

4.2 優化目標

在案例研究中分別以經濟性最優和碳排放最優為目標進行調度。在經濟性最優的調度中,優化目標是最小化園區電力調度總費用,其主要包括購電成本和售電獲益兩部分。其中,購電成本代表園區在調度時間內購買電力所需支付的費用,而售電獲益表示園區通過售出多余電力而獲得的收益。在碳排放最優的調度中,優化目標是使調度周期內的碳排放量最少。由于在案例中僅涉及電能的消耗,并且假設光伏發電不產生碳排放,因此碳排放最優意味著最小化向電網購買電力的數量。優化目標函數如式(1)和式(2)所示。

經濟性最優:

(1)

碳排放最優:

(2)

式(1)、(2)中Cb(i)、Cs(i)分別為第i個時間步長下向電網買電和向電網賣電價格;Pg,b(i)、Pg,s(i)分別為第i個時間步長向電網買電和向電網賣電的電量;F為電力碳排放因子。

滾動時域優化(receding-horizon optimization,RHO)是應對電網交互建筑協調調度中新能源和負荷不確定性的方法之一[94]。在本案例中將采用滾動時域優化的方法,以集中式調度的方式在典型日的基礎上分析多日之間相互協作的可能性,以期達成更長時間尺度上的共贏。

4.3 調度優化策略結果分析

4.3.1經濟性最優

經濟性最優條件下各典型日的電力調度如圖5所示。在制冷季的經濟性最優調度中,蓄冰槽首先在電價峰值時段承擔冷負荷,在電價平值時段輔助其他制冷主機滿足冷負荷需求。同時,蓄電池僅在電價峰值和平值時段放電,以優化經濟性。此外,在制冷季工作日、過渡季工作日和過渡季周末,通過光伏發電、蓄電池及蓄冰槽的協調配合,能夠滿足典型日電價峰值和平值時段的電負荷需求。然而,在制冷季周末、供暖季工作日和供暖季周末,無法僅僅依賴光伏發電量和蓄電池的協調來滿足當日所有電價峰值和平值時段的負荷需求,因此需要電網來分擔部分負荷。

圖5 經濟性最優電力調度

此外,本文還對滾動優化方法進行了探討,通過調整滾動優化中的預測域時間,更改其預測域長度(包括24、48、72 h),從而針對每個季節的工作日和周末單日的運行情況進行了詳細分析。研究發現,在制冷季的周四至周日將預測域調整為72 h的滾動時域優化,能夠增強工作日和周末之間的協同配合,從而顯著提高調度的經濟性。而對于其他情況,選擇預測域時間為24 h的滾動時域優化即可達到預期目標。

4.3.2碳排放最優

碳排放最優條件下各典型日的電力調度如圖6所示。在碳排放最優調度中,其調度優化結果是以下兩部分的綜合作用:首先,從源頭上減小整體電負荷,即在滿足冷負荷的基礎上盡可能減少冷水機組耗電;其次,盡可能就地消納光伏發電量,因為光伏發電量進出電池會產生能量損耗。在涉及熱儲能的制冷季中,其優化調度更為復雜,并且更關注如何從源頭減少整體電負荷及如何最大限度地就地消納光伏發電量。因此,在制冷季的調度中,一方面需要選擇與冷負荷更匹配且綜合性能系數更高的機組組合來承擔冷負荷,另一方面要選擇在太陽輻射較強的時段啟動雙工況機組的制冰模式,及時消耗光伏發電量并將其轉化為冷量進行儲存。

圖6 碳排放最優電力調度

由于碳排放最優調度不需要考慮向電網賣電的情況,因此一旦光伏發電板有多余電量,就會將其儲存到電池中,然后在后續需要時釋放出來。在制冷季和供暖季,其整日發電量始終小于整日能耗,一日結束時蓄電池的電量也會完全消耗。而在過渡季,其單日光伏發電總量大于電負荷,所以對于任何蓄電池有余電且光伏板發電量小于此刻電負荷的情況都將由蓄電池承擔電負荷。因此,在碳排放最優調度中,選擇預測域時間為24 h的滾動時域優化即可。

4.3.3調度結果對比

各個典型日下經濟性最優和碳排放最優調度方案下的費用支出和所產生的碳排放量如表7所示。在經濟性最優調度中,由于考慮了電力價格因素,蓄電池放電通常會選擇在電價峰值或平值時段進行。相比之下,在碳排放最優調度中,蓄電池放電情況是基于電負荷的預測值,應綜合考慮哪幾個時間步長下電負荷的總和與蓄電池內儲存電量的差異最小。而對于供暖季周末這種任何時刻其光伏發電量均小于電負荷的情況,則碳排放最優調度結果與經濟性最優調度結果一致。

表7 經濟性最優與碳排放最優調度結果比較

5 討論與展望

5.1 多能源互補與協同優化

多能源互補實現不同能源形式之間的資源優化配置和協同利用,并將各個子系統的調度和運行納入整體考慮,實現系統的整體性能最優化。然而,多能源互補與協同優化也面臨著一系列挑戰。首先,多能源互補涉及到多個能源形式的集成和協調,需要解決不同能源之間的時空耦合和不確定性問題[95]。在實際應用中,如何準確地確定不同能源之間的互補關系,以及如何在不同時間尺度上進行協同調度,仍需深入研究并且實踐。其次,協同優化涉及到多個子系統之間的協調和決策,面臨著復雜的優化問題[96]。如何建立合適的優化模型,考慮不同子系統的約束和耦合關系,以及設計高效的優化算法,還需要進一步的探索。因此,為了有效實現多能源互補與協同優化,需要采用跨學科方法,結合能源系統工程、優化方法、博弈論等理論和方法,并且進行實際應用和大規模實驗驗證,探索多能源之間的協同機制和優化策略。

5.2 多個利益主體之間的博弈

隨著能源轉型和智能電網的發展,電網交互建筑涉及到多個主體之間的博弈,建筑業主、能源供應商、電網運營商等利益主體之間的利益關系變得更加復雜[97]。在這樣的多利益主體博弈背景下,如何實現資源優化配置、維護系統穩定性及保障各方利益是一個需要深入探討的問題。靈活的電價政策和獎懲機制可以激勵建筑業主在高峰時段減少能源消耗,緩解電網負荷壓力。然而,制定經濟激勵機制時需要考慮不同利益主體的需求和目標,確保激勵政策平衡各方利益,避免出現偏向某一方的情況。同時,多利益主體之間的協作與競爭關系也需要進一步考慮,建筑之間可以通過能源交換和協同調度實現資源互補,提高能源利用效率,但也可能出現競爭導致合作難度增加。因此,如何建立合理的合作與競爭機制,對實現多方利益的均衡和最大化至關重要。

5.3 能源政策和市場機制

能源政策和市場機制是綜合能源系統發展的關鍵影響因素。建立健全的能源市場是實現能源資源優化配置和市場競爭的重要手段,差異化的電價政策、能源交易平臺及市場競爭機制都是推動能源市場健康運行的關鍵因素[98],因此需要建立開放的能源市場,為新能源技術和綜合能源系統的應用提供更廣闊的發展空間。同時,相關部門對能源政策的穩定性和可持續性的關注,將為企業和投資者提供一個可預見的政策環境,從而促進能源市場的健康發展。能源生產者和消費者之間可以更加靈活地進行資源交換和能源協同優化,提高能源的綜合效率和運營靈活性。因此未來需要進一步探索更具有市場競爭性和透明度的市場設計,為不同能源形式的生產、儲存和消費提供更公平、高效的交易平臺,加強能源政策和市場機制的協同配合,形成更加有力的政策措施和市場推動,推進綜合能源系統的廣泛應用。

6 結論

本文回顧了電網交互建筑的系統框架和模型構建方法,對電力協調調度優化策略進行探討,并以一個小型居住社區為案例進行調度優化策略研究,總結如下:

1) 電網交互建筑通過建筑與電網之間的互動和協作,為建筑提供了效率、削減、轉移、調節和發電5種模式的電網服務。這使得建筑能夠靈活適應不同情況下的能源管理需求,為電力系統的平衡運行提供了有效手段。

2) 電網交互建筑系統框架包含了分布式能源系統、儲能系統、建筑系統、市政電網等多個子系統,它們相互耦合構成了電網交互建筑模型,通過綜合考慮各個子系統之間的協調調度和優化,實現建筑能源的高效利用和供需平衡。

3) 需求響應策略可以調整用戶用電行為,降低能源成本;能量管理策略通過規則或優化方法實現能源的最優利用;調度策略可以協助分配建筑間的能源資源,優化整體能源效率。綜合運用這些策略,電網交互建筑能夠靈活應對復雜多變的電力系統運行情況,促進能源的可持續發展和電力系統的穩定運行。

4) 在電網交互建筑的未來發展中,需要深入探討多能源互補與協同優化,實現各種能源形式的互補利用,并解決多個利益主體之間的博弈,實現共贏。科學制定能源政策和市場機制也是至關重要的,從而為電網交互建筑的推廣和應用提供有力支持。這些因素的綜合考慮將為電網交互建筑的普及和推廣奠定堅實基礎,同時也為清潔能源的可持續利用和建筑能源的高效管理提供支持。