基于IPSO算法的建筑级综合能源系统优化调度

张雪纯 李文升 张智晟

摘要：为节约建筑级综合能源系统的运营成本，提高电网供电的可靠性，本文提出了一种基于随机权重粒子群算法的建筑级综合能源系统优化调度策略，构建了建筑级综合能源系统优化调度模型，以运行能源成本最小化为目标函数，采用随机权重粒子群算法对模型进行求解，并引入实际算例进行仿真，对基于规则的控制策略和优化调度控制策略进行比较。仿真结果表明，与基于规则的控制策略相比，本文提出的优化调度策略可以显著降低运行能源成本，对电网的削峰填谷起到一定的促进作用。该研究为建筑级综合能源系统优化调度问题提供了理论依据。

关键词：建筑级综合能源系统; 粒子群算法; 优化调度策略; 削峰填谷

中图分类号： TM73; TM734文献标识码： A

文章编号： 10069798（2019）01006406; DOI： 10.13306/j.10069798.2019.01.011

随着未来低碳社会的建设和可再生能源的普及化利用，光伏系统[1]（photovoltaic system，PV）、风力发电机组[2]（wind turbine，WT）、冷热电联供系统[3]（combined cooling， heating and power system，CCHP）、冷电联供系统[4]（combined cooling and power system，CCP）和热能储存系统[5]（thermal energy storage，TES）等新技术开始用于各种类型的建筑物。这些集成在建筑物中的能源系统被认为是建筑级综合能源系统[6]，建筑级综合能源系统的优化调度，对于节约运营成本和提高电网的可靠性具有重要意义[78]。然而可再生能源技术和能源储存技术在建筑物中的应用，导致了建筑级综合能源系统的复杂性显著增加，给系统的优化调度带来了较大的挑战[9]。例如，光伏发电和风力发电提供的可再生能源具有较大的随机性和波动性，难以根据运行中所需的负荷进行有效控制。在CCHP系统中，以热定电和以电定热作为应用中的两个基本控制策略[10]，然而热和电负载的不匹配问题难以通过两种策略来解决。热能储存系统安装在建筑物中，将能源需求从高峰期转移到非高峰期，热能储存系统的最佳控制策略可以显著降低电力峰值负荷[1112]，建筑级综合能源系统的优化调度是亟待解决的关键性问题[13]。因此，本文提出了一种基于随机权重粒子群算法的建筑级综合能源系统优化调度策略，构建了建筑级综合能源系统优化调度模型，模型以运行能源成本最小化为目标函数，采用随机权重粒子群算法对模型进行求解，并引入实际算例进行仿真。仿真结果表明，该系统有效降低了能源运行成本，对电网的削峰填谷具有一定的促进作用。

4算例分析

4.1建筑能源系统仿真算例

采用山东青岛某超高层建筑作为实际算例，对本文提出的基于IPSO算法的建筑级综合能源系统优化调度策略进行仿真验证。该超高层建筑总建筑面积为12万平方米，建筑物容积为125 m3的消防池作为分层式冷冻水箱，采用生物柴油发电机/CCP废热驱动的吸收式制冷机，代替原建筑中的吸附式制冷机。建筑中，CCP发电过程中的余热，全部用于吸收式制冷机的制冷，建筑物中的电冷却器、暖通空調及其他设备（照明、计算机等）的电力消耗由现场发电系统即PV和冷电联供系统提供。当现场发电系统发电量不足时，从电网购电;当现场发电系统发电量有盈余时，向电网售电。建筑制冷需求主要由电冷却器和吸收式制冷机提供，当电力价格较高时，蓄冷系统也可通过冷水机组提供制冷。

4.2基于规则的控制策略与优化调度控制策略的比较

对基于规则的控制策略与优化调度控制策略进行比较。在基于规则的控制策略下，CCP根据建筑物冷负荷进行控制，吸收式制冷机的制冷能力取决于CCP的运行情况。当电价较低时，电冷却器为了满足高峰期的建筑物需求而采取储能操作，当吸收式制冷机不能满足制冷需求时，电冷却器提供制冷[20]。两种策略所确定的实时冷却量如图3所示。

由图3可以看出，采用基于规则的控制策略，TES在非高峰期（上午1∶007∶00）由电动冷却器完全充电，并且在接通吸收式制冷机和电冷却器之前，完全放电以提供制冷，当吸收式制冷机的容量不足时，电冷却器作为补充开始运行（16∶0018∶00），采用优化调度控制策略，在TES完全充电之后，电冷却器继续工作，提供小部分制冷（8∶0010∶00）。当电价较高时（12∶0017∶00），吸收式制冷机提供制冷，而剩余时间则由TES提供制冷。电能实时功率情况如图4所示。

由图4可以看出，采用基于规则的控制策略，电冷却器在非高峰期（上午1∶007∶00）每小时消耗大约40 kW电力为TES充电，TES充电完毕后，CCP继续供电6 h（下午13∶0019∶00）。采用优化调度控制策略，电冷却器的电力消耗不是恒定运行，当电价较高时，CCP以额定功率运行5 h（下午12∶0017∶00）。采用基于规则的控制策略与优化调度控制策略，两种控制策略的运营成本和节约成本如表1所示。由表1可以看出，采用基于规则的控制策略，日运营成本为2 870元;而采用优化调度控制策略，日运营成本显著降低，可以获得154%左右的成本节约。

5结束语

本文提出了一种基于随机权重粒子群算法的建筑级综合能源系统优化调度策略。采用实际算例进行仿真，对基于规则的控制策略和优化调度控制策略进行比较，结果表明，本文提出的优化调度策略显著降低了运行能源成本，可节约154%左右的成本，且对电网的削峰填谷起到了积极的促进作用，提高了电网供电的可靠性。该研究对建筑级综合能源系统的优化调度具有一定的指导意义。

参考文献：

[1]戴锦， 肖文波， 胡芳雨， 等. 光伏发电性能物理預测模型的研究[J]. 电源技术， 2018， 42（2）： 262266.

[2]彭亮. 影响风力发电机组并网系统稳定性的因素分析[J]. 电子设计工程， 2017， 25（15）： 8589.

[3]薛新白. 含光伏蓄电池的冷热电联供系统运行模式评估[J]. 电源技术， 2017，41（7）： 10351038.

[4]兰立雄， 刘力卿， 米增强. 冷电联供系统的多目标运行优化[J]. 电力系统及其自动化学报， 2016， 28（5）： 6268.

[5]Pelay U， Luo L， Fan Y， et al. Thermal energy storage systems for concentrated solar power plants[J]. Renewable and Sustainable Energy Reviews， 2017， 79：82100.

[6]史庆祥， 霍继宝， 左兴堂. 小型分布式能源系统的优化设计[J]. 黑龙江科技信息， 2016（3）： 6868.

[7]司文伟. 小型分布式能源系统中夹点技术的应用研究[J]. 中外企业家， 2016（11）： 225226.

[8]朱海强. 小型天然气分布式能源系统的方案选择及性能[J]. 中国科技投资， 2017（25）： 266.

[9]刘健， 牛东晓， 邢棉， 等. 基于动态电价的新能源实时调度定价与策略研究[J]. 电网技术， 2014， 38（5）： 13461351.

[10]郭晔， 石峻玮， 毛安家. 考虑需求响应的CCHP系统中分布式电源的选址定容[J]. 电力建设， 2017， 38（12）： 4350.

[11]冯明灿， 谢宁， 王承民， 等. 考虑瞬时性峰值负荷特性的配电网可靠性规划[J]. 电网技术， 2015， 39（3）： 757762.

[12]Khushairi M M， Abdullah H， Hazran H. A Study on the optimization of control strategy of a thermal energy storage system for building airconditioning[J]. Procedia Engineering， 2011， 20： 11824.

[13]朱红， 刘东， 凌万水， 等. 有源配电网的馈线自动化效果评价方法[J]. 电力建设， 2015， 36（1）： 148152.

[14]卜凡鹏， 田世明， 方芳， 等. 基于能源集线器模型的园区混合能源系统日前优化调度方法[J]. 电力系统及其自动化学报， 2017， 29（10）： 123129.

[15]张斌， 丁玉娟， 韩硕， 等. 国内外溴化锂吸收式冷水机组产品标准简要对比[J]. 制冷与空调， 2014， 14（7）： 911.

[16]王安山. 蒸汽型溴化锂冷水机组替代电动模块化水冷机组的应用分析[C]∥2017热电联产节能减排技术交流研讨会. 长春： 中国节能协会， 2017： 6670.

[17]李刚， 李峰， 孔亮， 等. 不同电价下含储能系统的微电网经济调度[J]. 中国电力，2018， 51（2）： 125132.

[18]黄轩， 张军， 詹志辉. 基于随机惯量权重的快速粒子群优化算法[J]. 计算机工程与设计， 2009， 30（3）： 647650.

[19]赵志刚， 黄树运， 王伟倩. 基于随机惯性权重的简化粒子群优化算法[J]. 计算机应用研究，2014， 31（2）： 361363.

[20]高扬， 艾芊. 含多微网稀疏通信优化的主动配电网分层分布式协调控制[J]. 电力系统自动化， 2018， 42（4）： 135141.