基于主從博弈的差異化建筑集群與微網協同優化調度方法

郝志方，安佳坤，侯若松，曹媛，靳小龍，董曉紅

（1.國網河北省電力有限公司經濟技術研究院，石家莊 050021；2.天津大學智能電網教育部重點實驗室，天津 300072）

在城市化快速發展的今天，城市規模不斷擴大，建筑能耗及碳排放持續增長，建筑具有相當大的節能減排潛力，有望成為邁向全球碳中和“最后一公里”的關鍵領域。我國建筑運行總能耗約占全社會能耗的23%[1]。如今，隨著我國城市化進程的不斷加快，城市建筑能耗逐漸加大，為城市能源系統的低碳、經濟、安全運行帶來巨大挑戰[2]。因此，如何降低建筑能耗并提高其綜合能效成了研究熱點。

建筑的暖通HVAC（heating，ventilation and air conditioning）系統多用于制冷及制熱，其能耗大約占據了建筑總能耗的一半[3]。建筑的圍護結構具有隔熱與蓄熱的特性，使得建筑用電具有一定的熱慣性，從而使得建筑HVAC 系統在不影響用戶舒適度的前提下進行靈活的功率調整。因此，建筑的節能減排可以通過靈活調節HVAC系統的工作方式來實現。

在碳達峰和碳中和的目標背景下，電動汽車EV（electric vehicle）作為一種綠色交通工具，具有巨大的潛力和優勢[4]。根據調查顯示，EV大多數時間停放在商業或者居民建筑附近且一天內90%的時間處在靜止狀態。因此，對于建筑領域，EV是一種可靈活調控的寶貴資源。通過充分利用EV電池的調節特性，可以實現EV 對建筑物V2B（vehicle-to-building）供能[5]，也即實現EV 充放電功率與建筑用電功率的靈活互補互濟。當智能建筑的能源管理系統進行協調管理時，能夠實現引導和優化管理EV 充電負載，從而實現建筑供能與用能系統之間的優勢互補，有助于提高智能建筑的能源管理效率和效果。

微網是由分布式能源（例如分布式發電單元）和負荷（例如EV和建筑HVAC系統）組成的小型低壓配電系統[6]。微網采用能源管理技術和智能通信技術，為建筑內各類設備的運行和控制及接入建筑的EV提供高效的基礎設施和能源管理服務。微網能量管理使得能源在建筑內部得到高效的分配和利用，為建筑的能源使用和設備運行提供了可更持續和智能化的解決方案。近年來，國內外學者圍繞微網與建筑協同優化調度方面展開了大量研究。文獻[7]基于樓宇微網系統提出了一種經濟優化調度方法，有效地降低了微網運行的成本，該方法可以有效地分配和利用能源資源，使微網系統運行更加經濟高效。文獻[8]提出了一種適用于住宅樓宇的能量管理方法，由于采用了模型預測控制的技術，該方法對能源使用進行預測，并在未來一段時間內實施相應的控制策略，以優化能源的利用和管理。這種模型預測控制方法能夠提高住宅樓宇能源系統的效率，使其更加智能化和可持續。研究結果表明，通過住宅樓宇中的各種可控設備對EV、HVAC 系統等進行協同管理，使得建筑樓宇能量的利用效率得以提高，最終減少住宅樓宇的能量消耗并降低其運維成本。文獻[9]考慮辦公樓宇周圍EV不同的充電策略，提出了一種辦公樓宇微網系統集成能量管理方法，減少了辦公樓宇微網系統對外部電網的依賴。文獻[10]提出了一種用于辦公建筑微網聯絡線的功率平滑控制方法，所提方法分別在不同時間尺度上對建筑和EV 進行優化調度，有效平抑了辦公建筑微網的聯絡線功率波動。文獻[11]提出了一種基于EV移動儲能共享特性的兩階段智能樓宇群能量管理方法，所提方法可提升建筑群的運行經濟性及可再生能源利用效率。

上述研究為微網與建筑的協同優化提供了重要的借鑒意義。然而，建筑和微網屬于不同的利益主體，在二者協同運行中的優化目標往往不同，傳統的集中式優化算法難以兼顧二者的差異化利益訴求。為此，已有研究采用博弈論的方法來建模和求解建筑和微網的協同優化運行問題。文獻[12]構建了一個雙層優化模型來實現微網運營商和電采暖用戶之間的協同優化，該模型能夠兼顧用戶用能成本和微網的總收益。文獻[13]提出了一種基于主從博弈的多微網系統能量調度策略，以應對多微網系統經濟優化中的各方決策者的差異化利益訴求。文獻[14]提出了考慮多主體主從博弈的多微網協調優化調度的多時間尺度模型，從日前和日間兩個時間尺度促進微網之間的能量互濟。文獻[15]針對微網運營商、共享儲能服務商及用戶聚合商，構建了滿足多方利益訴求的主從博弈優化運行方法，所提策略在有效平衡微網運營商與用戶聚合商利益的同時，也成功實現了用戶聚合商與共享儲能運營商的雙贏收益。文獻[16]從綜合能源的視角出發，提出了基于主從博弈的負荷聚合商與綜合能源微網運營商的雙層優化博弈模型，在提高用戶側用能滿意度的同時，也提高了綜合能源微網供能側的收益。文獻[17]進一步將上述主從博弈方法引入到建筑和綜合能源微網的協同優化中，所提方法可有效促進建筑參與微網的綜合能源需求響應，在降低建筑用能成本的同時，可增加綜合能源微網的收益。文獻[18]則在此基礎上考慮了建筑和綜合能源微網協同運行過程中所面臨的不確定及由此帶來的風險，采用基于機會約束規劃的主從博弈模型對建筑和綜合能源微網的協同優化進行建模和求解。

上述研究對微網與建筑的差異化利益訴求進行了充分的考慮。然而，在我國由于已有建筑的建筑商、建成時間、施工質量、建筑標準、老化程度不同，導致不同社區內建筑的絕熱性能存在差異。建筑的絕熱性能是量化建筑用戶的熱需求響應能力和積極性的重要影響因素。同時，針對不同絕熱性能的差異化建筑制定定制化的電價方案，可以更好地激勵差異化建筑參與需求響應的積極性。然而已有研究未對建筑的差異化需求響應特性進行充分考慮，也未針對差異化建筑提出定制化的電價方案。

為此，本文結合我國不同社區建筑絕熱性能存在差異的實際情況，提出基于主從博弈的差異化建筑集群與微網協同優化調度方法，以及針對不同絕熱性能建筑采用定制化的電價方案。通過將不同絕熱性能的建筑集群視為建筑用能差異化的用戶，進而分析微網與不同建筑集群之間的協同優化調度方法，可最大限度降低用戶的用電成本，并提高微網的收益。

1 差異化建筑集群與微網協同優化調度框架

1.1 集成差異化建筑集群的微網系統結構

本文以主從博弈論為基礎建立了一個主導者（即上層微網）與多個考慮EV充能需求的差異化跟隨者（即不同絕熱特性的有EV 充能需求的建筑集群）之間的雙層模型。集成下層建筑集群的微網整體系統結構見圖1。

圖1 集成差異化建筑集群的微網系統結構Fig.1 Structure of microgrid system incorporating heterogeneous building aggregations

從圖1 可以看出，在這個場景中涉及3 種不同的能源參與方，即配電網運營商、微網及具有差異化絕熱性能的建筑集群。微網主要有通過光伏系統發電和直接從配電網運營商購買電能兩種獲取電能方式。此外，微網還可以通過向下層建筑集群售賣電能來獲取利潤。微網向絕熱性能差異化的建筑集群提供不同電價的電能，不同建筑集群中的HVAC 系統及V2B 系統會根據電價調整其工作狀態，從而改變建筑集群的電功率消耗。其次，每個建筑集群會將其用電功率反饋至微網，并等待微網進一步的電價反饋。在下層，每個建筑內部包含可調節的設備（例如HVAC 系統和EV）及不可調節的設備（例如照明負荷）兩類用電負荷。通過圖1所示結構，建筑集群內部可以更加靈活地管理能源的使用和調配，從而實現能源的高效利用。通過這種分布式的能源參與方協同合作，整個系統中的能源交互和管理過程形成了一個可持續且智能化的能源生態系統。其中，HVAC 系統可在建筑用戶室內溫度舒適度范圍內進行功率調整，而EV 通過V2B 技術在滿足用戶出行需求的前提下調整其充放電行為，進而實現降低建筑整體用電成本的目的。此外，本文的微網和建筑協同優化調度框架考慮了針對差異化絕熱性能的建筑采用定制化的電價方案，從而有效激勵差異化建筑參與需求響應的積極性。

1.2 基于主從博弈的協同優化調度策略

不同建筑集群和微網具有差異化的利益訴求，本文采用主從博弈理論來對建筑集群和微網的協調優化進行建模。在該能源系統中，上層微網（領導者）可以通過優化購電策略和設定售電價格來最大化其收益。微網作為領導者，可以根據市場情況和能源供需來靈活地購買電能或使用光伏系統發電，同時設定合理的售電價格，以便向下層建筑集群銷售電能。而下層建筑集群（跟隨者）根據上層微網設定的售電價格，優化其用能設備的控制策略，包括HVAC系統控制和EV充電策略。通過根據售電價格來調整用能設備的運行模式，建筑集群可以降低自身的用能成本。這樣整個系統實現了上層微網和下層建筑集群之間的協調合作，優化了能源的購銷和利用效率，達到能源成本最小化和收益最大化的目的。

2 基礎模型

2.1 建筑能耗模型

本文通過一種基于熱阻-熱容RC（resistor-capacitor）網絡[19]的方法模擬建筑圍護結構中的熱動態過程。每個制熱區域在建筑中被建模成一個RC網絡，如圖2 所示。以第g個建筑集群內某個建筑的制熱區域1 為例，節點1 表示室內空氣溫度，周圍其他制熱區域的溫度分別為（節點2）、（節點3）、（節點4）、（節點5）。

圖2 單個制熱區域RC 網絡模型示意Fig.2 Schematic of RC network model for one heating zone

單個制熱區域的熱平衡約束為

單個制熱區域j在t時刻的HVAC 系統功率消耗和總用電功率分別為

假設每個建筑集群有I個制熱區域及M臺EV，則第g個建筑集群的總負荷可表示為

建筑室內溫度和HVAC 系統的送風出口溫度需要滿足如下約束：

2.2 V2B 模型

V2B 模型主要由EV 電池充電模型和EV 交通出行行為模型兩部分構成。

2.2.1 EV 電池模型

考慮到本文研究的應用場景為辦公樓宇，假設建筑中接入的EV 類型為M1，出行目的為居家上班通勤HBW（home based work）[20]。M1類型EV的電池容量Cap 的概率密度函數PDF（probability density function）可以通過分段伽瑪分布進行建模[21]，即

式中：f(C ap,α,β)為 電池容量的概率密度函數；f0(C ap,α,β)為電池容量的概率密度函數的初值；α和β分別為伽瑪分布概率密度函數的形狀參數和尺度參數；Capmin、Capmax分別為電池容量最小值和最大值。表1為M1類型EV電池容量相關的概率密度函數參數。

表1 M1型EV 電池容量的概率密度函數Tab.1 Probability density function for M1 EV battery capacity

2.2.2 EV 交通出行模型

假設EV 白天停靠在辦公樓宇，晚上在家進行充電，且每輛EV 在離開家去辦公樓宇之前已經充滿電，其在家充電時的儲能狀態SOCd,home在區間[80%，90%]內均勻分布[22]。考慮到EV 的SOC 隨著行駛距離呈線性減少，可以通過下式來計算每輛EV到達辦公室時的SOC值(SOCin)：

式中，Dh-w為每輛EV 從家到辦公室的行駛距離。表2列出了M1型EV每公里能耗Ce的分布情況[22]。

表2 M1型電動汽車每公里里程能耗分布Tab.2 Distribution of M1 EV energy consumption per kilometer

假設每輛EV從家到辦公室的行駛距離Dh-w等于其全天行駛距離D的一半[22]，即

式中：μd為EV 全天行駛距離的平均值；σd為EV全天行駛距離的標準差。對于具有HBW 特性的EV，μd取35.9 km，σd取19.6 km[23]。

辦公時間決定了每輛EV到達辦公室的時間tin及離開辦公室的時間tout，假設辦公時間遵循正態分布[24]。根據上述EV 電池容量、EV 交通出行特性及其對應的概率密度參數，使用蒙特卡羅方法進行仿真，可以獲得所有從家到達辦公室的EV 的Cap、SOCin、tin及tout。

每臺EV 的約束包括額定充放電功率約束、實時SOC上下限約束及最小充電需求約束，即

式中：SOCin,m為EVm到達辦公室時的SOC值；為單個制熱區域j在t時刻的電池容量；tin,m、tout,m分別為EVm到達和離開辦公室的時間。

3 建筑集群與微網協同優化調度模型

3.1 領導者模型（微網）

3.1.1 目標函數

上層微網作為領導者，可以向具有EV 充電需求的不同絕熱性能的建筑集群售賣電能。上層微網的目標函數是最大化售賣電能的利潤，即

式中：Csale,g,t為t時刻微網向建筑集群g的售電價格，微網在制定售電價格時，針對不同需求響應能力的建筑，分別給出不同的售電價格；Cbuy,t為t時刻微網從上層配電網的購電價格，＄/（kW·h）；Pbuy,t為t時刻微網從上層配電網購電的總功率，kW；Δt為優化調度的時間間隔，本文取Δt=15 min。本文仿真總時長設為一天24 h，則T=96。

3.1.2 約束條件

微網的約束條件包括功率平衡約束和定制化電價約束。

功率平衡約束為

式中，PPV,t為t時刻微網內的光伏發電功率。

定制化電價約束包括每個時刻的電價約束和平均電價約束，可分別表示為

式中：Csale_min、Csale_max分別為微網在t時刻的售電價格下限、上限；Csale_avg為微網售電價格的平均價格約束。

式（18）為t時刻的電價約束[25]，不同絕熱性能建筑的售電價格Csale,g,t均不同；式（19）為平均電價約束[25]，目的是確保建筑集群用戶的供熱成本不會太高。假設建筑集群向微網購買電能的平均電價要低于向微網更上層的配電網購買電能的平均電價。

3.2 跟隨者模型（建筑集群）

本文用能品質差異化的用戶為不同絕熱性能的建筑集群，每個建筑集群的優化調度問題建模如下。

3.2.1 目標函數

為了實現每個建筑集群的用電用能成本最小化，其目標函數可表示為

3.2.2 約束條件

每個建筑集群的約束條件包括建筑熱平衡約束（見式（1）和式（2））、室內溫度約束（見式（6））、HVAC 系統送風溫度約束（見式（7））、EV 充放電功率約束（見式（12））、EV實時SOC上下限約束（見式（13））及EV最小充電需求約束（見式（14））。

3.3 協調優化調度求解算法

由于本文的優化調度模型是一個雙層優化問題，故采用迭代算法對其進行求解[26]。在上層，微網根據購電價格和差異化的建筑集群用電需求，制定定制化的售電價格；在下層，微網所制定的差異化電價引導建筑用戶做出差異化的需求響應，從而影響建筑用戶的用電需求。在協調優化調度過程中，上層微網將定制化的售電價格信息提供給建筑集群，然后建筑集群把EV 及建筑HVAC 系統的用電功率信息反饋給上層微網，分別求解上層與下層問題并迭代計算。當迭代滿足收斂條件（即兩次迭代之間上層微網制定的售電價格足夠接近）時，所得解為滿足上下兩層目標和約束的均衡解。對應的收斂條件[26]為

式中：σ為公差；上標k為迭代次數；為t時刻第k次迭代差異化建筑集群g的售電價格。所提算法的具體步驟如下。

步驟1針對每個差異化的建筑集群，設定售電價格初始值Csale,g,t，并通過解決下層目標來最小化用能成本，由此得到PL,g,t作為上層問題的初始值，并設置參數k為1。

步驟2將初始值PL,g,t代入式（16）來求解上層問題，然后更新Csale,g,t值。

步驟3將更新后的Csale,g,t代入式（20）繼續進行求解下層問題，從而得到下層問題中更新后的PL,g,t值。

步驟4當迭代k次時，判斷求解算法是否達到收斂條件，或當k達到最大值上限時，停止循環；否則將k+1 賦給k，重復步驟1 和步驟2 直至滿足收斂條件，得到符合預期的雙層優化解。

由于上下兩層的優化問題均為混合整數線性規劃問題，可直接調用商業優化求解器進行求解[27]。為此，本文基于Matlab-YALMIP 聯合仿真平臺，通過調用CPLEX 商業求解器對上層和下層優化問題進行求解[27]。優化問題計算平臺如圖3 所示。上下兩層的優化問題數學建模均在Matlab-YALMIP 平臺實現。CPLEX 求解器通過與上下兩層的優化問題數學模型的接口進行模塊之間的數據通信，從而完成對上下兩層的優化調度數學模型的求解。

圖3 優化問題計算平臺Fig.3 Calculation platform for optimization problem

4 算例分析

4.1 算例設置

圖4 展示了本文所采用的算例結構，算例包括3 個具有EV 充電需求的絕熱性能不同的建筑集群及兩個分布式光伏系統。節點2連接建筑集群A和4 組光伏發電系統；節點3 連接建筑集群B；節點4連接建筑集群C和4組光伏發電系統。每組光伏系統的額定功率為20 kW。

圖4 測試算例示意Fig.4 Schematic of testing example

建筑集群A、B 和C 分別集成了20 輛EV，每輛EV 的充放電額定功率為3.3 kW。EV 的相關參數如表3所示。

表3 EV 參數Tab.3 Parameters of EV

假設每個集群由10 個相同的獨棟辦公建筑組成，每個建筑都有10 層，每層分為4 個制熱區域。每個制熱區域長、寬、高分別為8 m、8 m、3 m。根據文獻[28]中提供的數據，3種不同絕熱性能的建筑集群的相關參數如表4所示，其中絕熱性能由高到低的建筑集群排序為A ＞B ＞C。

表4 不同建筑集群參數Tab.4 Parameters of different building aggregations

表5為HVAC系統參數[29-30]。根據文獻[31-32]，建筑室內溫度舒適區間設定為20～22 ℃。

表5 HVAC 系統參數Tab.5 Parameters of HVAC system

圖5 為某典型日的太陽光照強度[33]和室外溫度[34]。圖6為光伏發電系統的出力曲線[34]。根據文獻[16]設定微網售電價格的上下限及平均售電價格約束。為保證上層微網能夠盈利，平均售電價格Csale_avg設定為上層微網從配電網購電價格Cbuy,t的1.1倍。圖7 為每個建筑集群的用電消耗和其他室內產生的熱量，其中不可控負荷功率不包括HVAC系統（供暖、通風和空調系統）和EV充電負荷的能耗。

圖5 光照強度和室外溫度Fig.5 Solar radiation and outdoor temperature

圖6 微網購電價格及光伏系統出力Fig.6 Purchasing prices of microgrid and output from PV system

圖7 建筑內隨機熱量與不可控電負荷功率Fig.7 Random heat in one building and uncontrollable electricity load power

4.2 結果分析

4.2.1 基礎結果分析

建筑集群A、B和C優化結果及微網的售電價格如圖8～圖10所示。由圖8（a）可知，當HVAC系統的送風出口溫度升高時，相應的建筑室內溫度也會同步升高。對比圖8（a）、圖9（a）和圖10（a）可以發現，絕熱性能高的建筑允許室內溫度和HVAC 系統送風溫度進行更加頻繁的調節，使得建筑根據電價進行用電負荷的調整空間也更大，經濟性也更好，結果如表6所示。建筑集群的絕熱性能從高到低的排序為A＞B＞C，因此建筑室內溫度和HVAC 系統送風溫度的調節頻繁程度和調節深度從高到低的排序為A＞B＞C，且建筑集群用電成本從低到高的排序為A＜B＜C。

表6 微網收益及不同建筑集群的用電花費Tab.6 Profit of microgrid and electricity costs of different building aggregations

圖8 建筑集群A 優化結果及微網的售電價格Fig.8 Optimization results of building aggregation A and sale prices of microgrid

圖9 建筑集群B 優化結果及微網的售電價格Fig.9 Optimization results of building aggregation B and sale prices of microgrid

圖10 建筑集群C 優化結果及微網的售電價格Fig.10 Optimization results of building aggregation C and sale prices of microgrid

從圖8（b）、圖9（b）和圖10（b）可以看出，為了降低建筑的用電成本，在微網售電價格較高時段（見圖8（b）的14：00—16：00時段），HVAC系統功率較低；在售電價格較低的時段（見圖8（b）的20：30），HVAC系統功率較高。此外，HVAC系統用電功率的高峰一般出現在微網售電價格突然增加之前，例如圖8（b）的16：30對應的HVAC系統用電功率從上一時刻增加至373.04 kW，緊接著下一時刻17：00的微網售電價格也突然增大。建筑物能夠降低用電成本，這是因為其具有一定的蓄熱能力。通過這種特性，HVAC系統可以在售電價格較高的時段之前提前增加功率，將多余的熱量儲存起來；然后，在售電價格較高的時段，HVAC 系統可以利用之前儲存的熱量來滿足建筑內部的供暖或其他熱能需求，從而在保證用戶舒適性的同時，降低用電成本。可見，絕熱性能較好的建筑可以更為頻繁調整其HVAC 系統用電負荷，其對應的微網售電價格的波動也更為頻繁。

進一步對比圖8（b）、圖9（b）和圖10（b）可以看出，針對絕熱性能存在差異的建筑集群A、B、C，微網制定了定制化的售電價格，即針對建筑集群A、B、C 的售電價格存在差異。建筑集群A 的售電價格波動最大且調節最為頻繁，而建筑集群C的售電價格波動最小。這是因為3 個建筑集群的絕熱性能從高到低的排序為A＞B＞C，而絕熱性能高的建筑可以更為頻繁調整其HVAC系統用電負荷，其參與需求響應的能力也更強，因此微網可以制定更為頻繁波動的電價來激勵其參與需求響應，反之亦然。

各建筑集群的EV的充放電功率及SOC如圖11所示。EV在接入辦公建筑期間（即[tin,m,tout,m]）根據微網售電價格進行充放電功率的優化調度，在微網售電價格較高時，EV 降低充電功率或增大放電功率；而在微網售電價格較低時，EV增加充電功率或降低放電功率，從而降低建筑的用電成本。值得注意的是，由于EV 離開辦公室的SOC 值必須滿足其最小充電需求約束（見式（14）），其在臨近離開辦公室的時刻均以最大的充電功率進行充電，如圖11中標識區域所示。

圖11 EV 的充放電功率及實時SOCFig.11 Charging/discharging power and real-time SOC values of EVs

4.2.2 對比結果分析

為了驗證采用主從博弈協同優化的優勢，本文設置如下兩個場景進行對比分析。

場景1 采用本文所提的主從博弈協同優化方法。該場景下微網通過優化的售電價格來引導建筑進行需求響應，從而實現二者的協同互動。

兩個場景下微網收益及3 個建筑集群的用電成本對比結果如表7和圖12所示。可以看出，由于場景Ⅱ中微網完全決定售電價格，與場景I相比，當微網電價過低（見圖12 中0.9Ctest,t對應的數據點）時，雖然建筑集群A、B、C在場景Ⅱ中的用電成本均比場景I 低，但微網收益也顯著低于場景Ⅰ；反之，當微網電價過高（見圖12 中1.1Ctest,t對應的數據點）時，雖然在場景Ⅱ中微網收益顯著高于場景Ⅰ，但在場景Ⅱ中建筑集群A、B、C 的用電成本均明顯高于場景Ⅰ的建筑用電成本。由此可見，相較于場景Ⅱ，場景Ⅰ不會明顯偏向于微網和建筑其中一方的利益訴求，能夠較好地平衡雙方的利益。這是因為場景Ⅰ采用了主從博弈協同優化方法，可同時保證微網和建筑的利益，使得雙方均得到滿意的優化方案。然而由于場景Ⅱ不考慮微網與建筑的主從博弈協同互動，使得微網和建筑的利益難以平衡，也難以激勵建筑有效參與需求響應。

表7 兩種場景下微網收益及不同建筑集群的用電花費Tab.7 Profit of microgrid and electricity costs of different building aggregations in two scenarios

圖12 兩種場景下的微網收益和建筑集群用電成本對比結果Fig.12 Results of comparison of profit of microgrid and electricity costs of building aggregations in two scenarios

5 結論

本文基于主從博弈理論提出了一種可集成不同絕熱性能建筑集群的微網協同優化調度方法，所提方法兼顧了建筑用戶和微網雙方的利益。主要結論如下。

（1）所提方法使得微網可根據不同絕熱性能的建筑提供差異化的售電價格方案，從而在降低建筑用電成本的同時，最大限度提高微網運營商的收益。主從博弈協同優化方法可同時保證微網和建筑協同優化中的利益，使得雙方均得到滿意的優化方案。

（2）提出了不同絕熱性能的建筑采用定制化的電價方案，從而有效激勵差異化建筑參與需求響應的積極性。同時，絕熱性能良好的建筑集群相比于絕熱性能差的建筑集群可以更靈活地調節自身的用能情況，從而降低運營成本。

（3）所提的V2B 控制策略可在不影響EV 出行需求的前提下，根據微網的售電價格對EV 的充放電功率進行優化調度，從而降低建筑用電成本。