基于能源互联网的办公建筑源荷一体式监控系统研究

郭凌颖

上海建科建筑节能技术股份有限公司

1 研究背景

大型公共建筑能耗是区域综合能源互联网的重要组成部分。建筑能源消耗总量巨大、能耗日益增长、分布分散且负荷特性多样，可实现能量短时存储及不同类型能源互相转化，其自身也可产生能源。如：可再生能源、分布式发电装置等[1]。可再生能源在建筑中的应用日益广泛。但是，可再生能源具有不连续、不稳定、低密度的特点，一般的做法是通过并网逆变器将可再生能源所发的电直接并入市政电网为建筑供电，但建筑用电的负荷多样性和可再生能源的不稳定性，会对电网的安全造成冲击。能源互联网技术能解决以上问题[2-3]。

在能源互联网内，每个用电主体既是能源的消费者，也是能源的生产者。信息技术作为一种监测控制手段，使建筑内的源（光伏、光热、风电、化石能源和电网配电等）与荷（空调负荷、照明负荷和动力负荷等）之间实现供需平衡，最大限度利用可再生能源，在保障用户的舒适性的同时，能有效降低建筑用能成本，提高整个能源网内能源的安全性、高效利用和可持续性[4]。

2 研究目的

通过研究探讨办公类建筑内可再生能源与常规能源的耦合应用的关键技术，在保证建筑内用户舒适度的前提下，减少用电负荷的波动性，减少建筑用电对电网的冲击。

3 研究内容

1）建立用户用能预测模型。根据对建筑长期能耗监测数据的分析，掌握不同类型建筑内用户的用能特性，结合采集到的实时室内外环境参数、室内人员数量等数据，计算用户用能预测曲线。

2）研究可再生能源与常规能源的耦合应用关键技术。研究基于模型预测的建筑能源系统控制策略，调整可再生能源及蓄能设施的运行控制策略，制定优化的建筑能源系统的控制策略，进一步保证电网的稳定性。

4 研究模型

4.1 研究对象概况

研究对象为夏热冬冷区域的大型办公建筑，该建筑使用了以太阳能光伏发电为代表的可再生能源，建筑冷热源来源为热泵系统，辅助以燃气锅炉，储能设备为冷/热保温水箱。图1和图2是该建筑夏季和冬季的能量模型图，图3是该建筑空调系统示意图。

图1 夏季能量模型图

图2 冬季能量模型图

图3 空调系统简图

4.2 负荷特性

办公建筑的用电负荷随时间的变化具有一定的规律性，图4是某办公建筑一典型周的电消耗曲线，由图4可见，办公建筑工作日电耗明显高于休息日电耗，夏季电耗略高于冬季电耗。

图4办公建筑典型工作周能耗曲线

图5 是某办公建筑一个典型工作日24小时的用电曲线（分夏季和冬季），表明上午6:00至8:00能耗增长率最大，中午12:00能耗增长至峰值，然后缓慢下降，19:00至20:00的能耗下降率最大，23:00至凌晨5:00处于一天中的能耗低谷。

图5办公建筑典型工作日能耗柱状图

图6 和图7是办公建筑用电的分项统计。夏季空调用电占总用电的51%，冬季空调用电占总用电的50%，均超过了照明和插座用电。在热泵机组为建筑提供冷/热量的案例中，当夏季和冬季冷/热量需求量较大的情况下，空调用电量占总用电的50%以上，可见空调能耗对建筑能耗的影响较大。

图6 夏季典型工作日分项能耗统计

图7 冬季典型工作日分项能耗统计

4.3 能源间转换

本研究对象为各类能源之间的转换关系（图8）包括：

（1）可再生能源转变为电能：光伏发电装置将光伏转变为电能，为用户侧供电；

（2）电能转变为冷量（夏季）：通过热泵机组及水蓄冷装置为用户侧提供冷量；

（3）电能转变为热量（冬季）：通过热泵机组及水蓄热装置为用户侧提供热量；

（4）燃气转变为热量（冬季）：通过燃气锅炉辅助热泵机组为用户侧提供热量。

图8 夏季和冬季建筑内能量转换示意图

4.4 建筑能源互联网系统架构

要实现研究对象的建筑内能源互联，需要安装图9所示的硬件设备架构。包括用户负荷监测、环境监测设备、光伏发电监控设备和主要用能设备的控制器。其中用户负荷监测设备可实现数据实时远传，包括用电能耗监测、用气量监测、用水量监测、冷热量监测和环境监测仪表等。以上仪表通过数据采集网关将建筑内各项能耗数据及环境参数传输至建筑能源综合管理系统；光伏发电监控系统监测包括系统电流、电压、功率和发电量，以及现场及周边的监控和气象监测等；设备控制主要完成能源管理系统下达的各项控制指令，主要包括水箱三通阀的控制、热泵及水泵的启停控制等。

图9 建筑能源互联网系统架构

4.5 光伏发电预测模型

光伏发电的预测主要包括提前预测第二日的光伏发电曲线，以及光伏发电超短期预测。

1)日预测曲线

根据天气预报信息，结合近日光伏发电状况，绘制出第二天24小时的光伏发电预测曲线。

2)超短期预测

光伏阵列的输出功率主要受太阳能辐射能量和电池板的工作温度[4]的影响，具体关系为：

式中，PSTC为标准测试条件（太阳光入射强度GSTC：1000W/m2，环境参考温度TSTC：25℃）下的最大功率；GT为入射到电池板的辐射量；kc为功率温度系数，可取值为-0．0047；Tc为电池板的工作温度。Tc的计算方法采用文献[5]中的经验公式：

式中，Ta为当前环境温度；βv=c1+c2ec3v为风速v的指数函数；c、c、c3分别为常数。

光伏发电量可根据以上公式，结合实时采集的辐照度、环境温度、风速等参数，实时计算预测光伏发电功率。

4.6 用户侧需求预测模型

用户侧需求预测主要包括前日预测第二日的用户用能需求，以及当前时刻预测下一时刻的用能需求，简称超短期预测。

1)日前负荷预测曲线

日前预测即前一日预测第二日的用户用能需求，主要是根据第二日的天气预报温度T、湿度D、风速V等信息和预估的建筑内人员数量P，检索数据库中不同的室外环境参数下的历史负荷，估算出第二日的用户负荷预测曲线。将以上各参数的历史数据提供给机器自学习程序，通过机器自学习和不断与实际情况进行对比校正，最终形成无限接近实际情况的日前负荷预测曲线。

数据库存储的建筑室外环境参数见表1，一日用电能耗数据见表2。

表1 建筑室外环境参数表

表2 一日用电能耗数据

2)实时负荷预测

实时预测用户负荷主要根据当前建筑内空调通风和照明设备的实时运行情况，结合环境参数的实时监测数据、实时用户人数监测数据、临时下达的开关设备指令等，对日前用户侧需求预测曲线进行修正。

5 优化控制策略及效果

优化控制策略主要分为日前调度控制策略和实时修正控制策略，可以根据多种优化目标和约束条件制定不同的策略。

5.1 日前调度控制策略

日前调度控制策略是根据第二天24小时光伏发电日预测曲线和负荷日预测曲线制定第二天24小时的静态调度控制策略，在不同的时间段合理分配光伏出力，并确定合理的储热量或储冷量以及空调运行的方式。

大楼总用电曲线、空调用电曲线、光伏发电量曲线和电网出力曲线见图10。

图10 大楼总用电曲线、空调用电曲线、光伏发电量曲线和电网出力曲线

从预测曲线计算出的电网出力曲线，可直观看到电网出力曲线波动较大，电网稳定性较差，电网出力每小时增长/减少率统计见图11。

图11 电网波动速率曲线

电网出力稳定性即电网波动速率，记为PL’是由当前超短期时间单位内电网出力减去上一时间单位内电网出力，其占上一时间单位内电网出力的比值来衡量。该比值作为判定电网实时稳定性的参数，可通过调整阈值来改变建筑用能设备的调控策略。

在制定日前调度控制策略时，时间单位设定为1小时。当制定实时调度控制策略时，时间单位设定为15分钟或30分钟。根据设定的阈值，将电网波动率调整到理想范围以内，假设给定电网波动阈值为[-30%，30%]（可调）。

调整后的电网波动率如图12所示：

图12 调整后的电网波动速率曲线

通过计算初始用户侧总用电预测曲线UL(t)和反推的用户用电修正曲线UL2(t)之间的差值，可得到优化调控的节电目标量C(t)。具体的计算过程如图13和图14所示。

图13 节电目标量计算流程图

图14 节电目标量曲线

根据日前预测曲线制定静态调控策略的过程如图15。

图15 日前调控策略流程图

节电有效措施：使用蓄冷/蓄热水箱中提前储存的冷/热水对大楼进行供冷/热，停止/降低热泵机组运作功率从而达到节电的效果。

余电消耗采取蓄热蓄冷策略：半夜使用谷电开启热泵机组，对蓄冷/热水箱内的介质进行制冷/加热的操作，实现蓄冷/热。

5.2 实时修正调度控制策略

实时修正控制策略是根据系统当前的实时运行状况，以及光伏发电超短期预测、负荷超短期预测、储热/冷状态等，对用户需求预测曲线进行修正，然后对日前调度控制策略制定的日调度方案进行修正。

最终实现的空调系统运行策略如表3所示。

实施优化控制前后用户总用电曲线对比如图16所示。优化调控后，用户用电量趋势与光伏发电量曲线趋势相近，光伏发电量峰值时用户用电量也达到峰值。

表3 空调系统运行策略及调整

图16 优化调控前后用户用电量

实施优化控制前后电网出力曲线如图17所示。可见随着阈值范围取值越小，电网出力的曲线越平缓，电网出力波动越小。

图17 优化调控后电网出力曲线对比

6 结束语

建筑作为用能主体，也是能源的生产者，可利用能源互联网手段解决办公类建筑内可再生能源与常规能源的耦合。由于可再生能源的不稳定性，容易对电网造成一定的冲击，在保证用户能源需求的前提下尽量减少用户用电对电网的冲击。研究使用热泵机组及光伏发电系统的办公建筑在实际运行中的能耗情况，提出了一种基于能源互联网的建筑源荷一体式监管系统，首先使用机器自学习法对建筑能耗及可再生能源发电量进行日预测，然后基于预测制定优化运行日前调度控制策略，并在实际运行时进行超短期预测并实时修正控制策略，实施优化调控后有效实现电网波动速率在设定阈值范围内，使电网出力趋于平缓。