商业楼宇用能控制策略研究及应用

龙 禹，阮文骏，朱宇超，甘春江

（1.国网江苏省电力有限公司，南京 210024；2.国网江苏省电力有限公司 南京供电分公司，南京 210000）

0 引言

近年来，江苏省电力负荷增长迅速，用电峰谷差不断扩大，且新能源、分布式电源大规模并网，电源侧调峰调差能力减弱，所以电网安全性形势日趋严峻。随着经济快速发展，我国建筑体总量和能耗强度在持续增长。据统计，从建筑业房屋施工面积来看，2020年我国建筑总面积约为700亿m2。其中，2020年商业楼宇建筑业房屋施工面积为149.5亿m2，比上年增加5.35亿m2，占建筑总面积的21%，单位能耗是其他建筑的2倍多。由此可见，商业楼宇用能占比较高，单位能耗也高。因此，建筑商业楼宇智能用能管理控制系统将楼宇群体用能设备整合为大规模可控柔性负荷，可参与电网互动，实现资源优化配置，保障电网安全稳定运行。针对目前商业楼宇自动化水平低，导致能源利用不充分、能耗高的普遍问题，以建设商业楼宇用能控制系统为切入点，为客户提供抑制需求侧不合理能源消费的整体解决方案，可推动商业楼宇用能设备、系统间的泛在联接，提升商业楼宇舒适度与智控能力，降低用能成本，提高综合能效水平［1］。

为解决商业楼宇能源管理和需求响应的问题，文献［2］提出了基于虚拟调峰管理中央空调系统的具体实施方法；文献［3］提出了基于负荷聚合商业务的需求响应资源整合方法及其商业模式的推广途径；文献［4］、文献［5］提出了计及规模化空调热平衡惯性的空调负荷参与削峰模型；文献［6］针对以往中央空调对终端整体调节的控制方法，提出了基于局部终端温度调节的控制策略；文献［7］提出了商务楼中央空调群轮停的市场运作模式及策略优化模型，不仅建立了满足舒适度及调峰需求的中央空调柔性调控优化决策模型，也建立了针对居民的同时考虑用电费用指标和用户舒适度指标的多目标空调优化模型。文献［8］提出需求响应（demand response，DR）可通过对用电负荷的灵活调整，达到削峰填谷的效果，缓解供需失衡的风险，对于系统可靠性的改善具有极大作用；文献［9］提出在区域能源互联系统中，需求响应改变了电力用户的常规用电习惯，增加了预测环境的不确定因素。

但是，目前的商业楼宇用能系统各硬件组成彼此独立，用能控制技术落后，优化策略算法应用不够充分，与泛在电力物联网技术发展要求不匹配，主要存在以下问题。

一是缺乏全域感知。对客户设备、系统状态的全面感知能力缺失，客户用能信息感知不及时、不全面、不精细，设备状态量、环境量感知覆盖不足，无法满足能效提升和各类资源参与电网互动。客户用能海量数据挖掘与应用还处于较低水平。

二是系统只监不控。据统计，目前国内智能建筑中仅有34%能实现用能系统的全局或局部自动优化，大部分处于只监不控状态；仅有7%的智能建筑应用自动化系统，实现对供冷、供热、末端设备的协同优化控制。手动调节设备运行状态实现节能控制仍是普遍现象，难以适应空调节能控制要求。

三是综合能效水平普遍低下。2018年我国商业楼宇运行能耗约占全社会能耗的1/8（约8000亿kWh），单位面积能耗为其他建筑的2～3倍。商业楼宇用能管理普遍存在能效管理粗放、节能技术短缺、缺乏优化调度等问题，不满足高质量发展要求，能效管理存在较大提升空间。

四是与电网普遍缺乏互动。现有商业楼宇用能控制系统以能源自我管理为主要目标，尚未建立需求响应和市场交易业务模型，无法实现楼宇用户与电网的友好互动和参与电力市场交易。

本文基于CPS架构技术，设计了商业楼宇CPS用能控制系统架构，以客户为中心，需求为导向，创新为驱动，安全为前提，以源网荷储协同服务为目标，加强关键性技术应用攻关，加快智能装备和系统平台建设，做好网络安全技术保障，推动客户侧用能设备深度感知、运行协调优化和电网友好互动，促进能源高效利用，提高终端用能效率、电网设备利用率和新能源消纳水平。

1 电力市场环境下的商业楼宇用能现状

自2015年发布《关于进一步深化电力体质改革的若干意见（中发〔2015〕9号）》后，我国开启了新一轮电力体制深化改革。电力供需互动，以及客户侧需求响应成为了当下电力市场化改革、智能电网建设、可再生能源大规模并网等电力系统新形势下的发展趋势，也是构建完善、健全、高效电力市场的必要条件，这对系统安全、可靠、绿色运行产生积极的影响。电力供需互动是一个“状态感知、实时分析、科学决策、精准执行”的过程，需要电力网与信息网相互作用、相互影响，其实质是一个信息物理融合过程。在电力供需互动的要求下，提升能源利用率需要掌握客户侧商业楼宇的用能情况。

目前，商业楼宇各种类型的空调得到了广泛应用，我国一些大中城市和经济发达省份的空调负荷已占夏季最大负荷的30%以上，某些地区甚至已经超过了40%，并且在未来几年还将呈现高速增长态势。受空调负荷影响，各电网用电负荷迅速增长，峰谷差进一步拉大，空调负荷的急剧增长已经成为夏季电网负荷特性恶化和电力紧缺的重要原因。

据统计，我国商业楼宇中央空调负荷占楼宇总负荷的40%左右，并且这些负荷主要集中在夏季用电高峰期的数百小时内，其负荷的快速增长和集中使用对电网安全和电力平稳运行产生较大影响。如果单纯依靠增加装机容量来满足短暂的尖峰用电，需要付出巨大的投资，同时导致设备利用率较低，能源的使用效率和整体经济性不高。因此通过技术手段在用电高峰期降低商业楼宇中央空调负荷，能够起到削减电网尖峰负荷、减少发电设备投资，提高电网供电安全性的重要作用。

一些地方虽然利用商业楼宇中央空调负荷的可控性，在电网高峰时对空调负荷进行调整，对电网削峰起到了一定作用，但是存在着以下不足：

（1）计算商业楼宇中央空调负荷的可调整负荷容量缺乏科学的方法，没有综合考虑空调运行和环境等多种因素，空调负荷调控缺乏客观依据。

（2）商业楼宇中央空调与电网之间缺少信息的动态交流和沟通，导致空调负荷调整的计划和执行孤立于电网，无法最大限度发挥商业楼宇中央空调对电网的削峰作用。

（3）由于在空调负荷调整过程中没有对环境参数进行实时跟踪监测和计算，所以空调控制策略不能动态随环境条件变化，这样很难保证空调负荷调整与环境的协调性。

因此，针对上述不足，结合当下市场环境现状，实现电力供需互动，利用信息物理融合理论（CPS理论），本文在此背景下对支撑电力供需的信息物理融合模型进行研究，该模型称为电力网与信息网融合模型或者电力CPS模型。

2 系统总体情况

通过调研，针对上述现有系统与技术的不足，本文设计出如图1所示的中央空调系统物理模型。

图1 中央空调系统物理模型Fig.1 Physical model of central air conditioning system

中央空调系统主要由冷热源主机系统（又称“制冷剂循环系统”）、冷冻水循环系统、冷却水循环系统以及多个空气调节系统（又称“末端空调箱系统”）组成，通常采用液体气化制冷的原理，为空气调节系统提供所需冷量，用以抵消室内环境的热负荷，通过将冷气集中处理并分别送到不同的区域，实现室内空气调节的目的。常用的制冷剂有：氨（R717）、氟利代烷（R22、R134a、R410A等）。

工作原理主要包括以下几点。

（1）制冷剂相变制冷：制冷剂被压缩机压缩成高温高压气体，经冷凝器放热液化，经膨胀阀减压后进入蒸发器，吸收冷冻水循环系统中常温水的热量，产生制冷用的冷冻水，冷冻水在风机盘管中吸收周围空气的热量，产生了低温空气，被风机送到房间中去，达到降温目的；

（2）冷却塔对流换热：制冷剂在冷凝器中液化放出的热量，通过冷却水循环系统吸收，冷却水通过这次热交换变成高温水，进入冷却塔进行冷却，变成常温水，以便再次利用。经蒸发器气化后的制冷剂再次进入压缩机，开始下一个循环。

模型特色有以下几点。

（1）采用“点-线-面”的全局调控。与之前单体设备节能改造不同，该模型不是着眼于一个关键设备或某一个关键子系统，而是真正把主机、循环系统以及末端管网有效的整合在一起，充分的挖掘了空调的节能潜力；

（2）突破能效瓶颈，动态寻优。本文搭建了热惯量与基线预测模型，提前预测温度走向，动态调整各子系统参数。

3 系统架构与建设思路

3.1 总体架构

整个系统的架构就是泛在电力物联网典型的“云-管-边-端”的架构体系，如图2所示，具体含义如下。

图2 CPS用能控制系统总体架构Fig.2 Overall architecture of CPS energy consumption control system

云：应用“大云物移智链”技术，部署省级客户侧智慧用能服务平台，汇聚海量客户侧数据资源，构建数据聚集、快速迭代、融合共享的泛在物联管理系统，实现客户用能状态的全息感知、全域物联以及多元化网荷互动。

管：通过混合组网方式，搭建平台与客户侧互联资源的能源流、业务流、数据流“多流合一”的交互枢纽。

边：部署边缘路由器，汇聚属地物联数据资源，构建自动化、智能化、模块化的属地自洽系统，因地制宜结合应用场景，提升客户侧物联资源管理的精细化和灵活性。

端：通过部署不同类型的采集传感器，实现客户侧设备资源的泛在互联和即时感知。

3.2 建设思路

从上述架构中可以看出主要硬件建设改造集中在“端”部，此部分各子系统的建设对于CPS用能控制系统起到很重要的作用，具体建设思路见表1。

表1 系统建设思路Table 1 System construction idea

4 模型与策略

4.1 模型策略总体架构

用能优化控制CPS系统，针对能效提升场景，在满足舒适度的前提上，通过热惯量模型，实现用户能效提升和运行用能成本降低；针对需求响应场景和现货市场交易场景，通过基线预测模型以及价格信号引导机制，在研判电网响应能力、用户用能成本以及舒适度的基础上，采用柔性负荷调控技术，实现对用户侧用能设备及负荷的调控。总体架构如图3所示。

图3 模型策略总体架构Fig.3 Overall architecture of model strategy

4.2 能效提升模型及算法

能效提升方面应用热惯量模型，实时预测空调系统温度及负荷走向，基于支持向量机（support vector machine，SVM）算法对冷冻水循环子系统、冷冻水循环子系统以及末端空调箱子系统3个子系统的调控策略进行动态寻优。模型内置的学习模式实时更新迭代历史数据库，实现冷热源主机、循环管网以及末端空调箱的持续优化控制。

冷冻水循环子系统的主要耗能设备包括主机和冷冻水泵两部分。为了能效提升，需要对冷冻水泵进行改造，改造前冷冻水泵都是50 Hz定频运行。改造后通过冷冻水主管出水、回水温度之间的温差对水泵进行变频控制（水泵运行频率在35～50 Hz之间），通过“大温差、小流量”的运行方式，在满足末端需冷量的前提下，降低水泵频率，减少水泵能耗。

冷却水循环子系统主要耗能设备包括冷却塔（冷却风机）和冷却水泵两部分，改造前只要冷水机组处于工作状态，所有冷却塔风机就会全开，水泵也是全部运行。为了提升能效，可通过加装室外温室度传感器，以及加装冷却水循环出回水温度传感器，实现冷却塔风机以及冷却水水泵的自动启停控制，减少能源浪费。

末端空调箱子系统，针对商业楼宇的餐饮区域，改造前末端空调箱的电磁阀和风机是全开的状态，不但造成了能源浪费，还造成了室内温度冷热不均。因此需要对末端空调箱的电磁阀和风机进行改造，在风管处加装温度传感器；通过采集不同区域的出风温度，控制调整各个区域的末端空调箱电磁阀开度，实现对各区域温度区间的合理匹配。在降低能耗的同时，用户的舒适度也得到了大幅提升。

基于上述模型，利用各设备运行状态、各采集点信息、水泵频率、电动阀阀位以及环境参数作为输入参数，通过SVM算法，可得到调控的优化策略，具体优化策略如表2所示。

表2 策略表Table 2 Strategy table

5 成效分析

（1）项目商业模式

项目采用合同能源管理模式，由投资方投资500万元，前3年获取节能收益的100%，从第4年起获取40%的收益。经推算，考虑客户节能与参与需求响应方面的收益，投资回收期约5年。未来，现货市场交易机制完善后，可进一步缩短投资回收期。

（2）能效收益分析

以某楼宇项目为例，目前年用电量超过3000万kW，年电费约为2 000万元，其中空调系统用能占比30%以上，年电费约为600万元。通过实施空调系统改造，冷冻水系统能效可提升30%、冷却水系统能效可提升15%、末端空调系统能效可提升10%，整体系统能效可提升15%～25%。按照20%的平均能效提升率计算，该楼宇项目每年的能效提升收益约为120万元。

（3）需求响应收益分析

以某实际楼宇项目为例，通过CPS参与自动需求响应，目前可调的最高负荷量达到2 800 kW。江苏地区目前参与实时需求响应的用户，按照相关政策，可获取30元/kW的补贴，依此测算，用户每次需求响应最高可获得8.4万元，按照每年1至2次的需求响应频次，该楼宇项目每年的需求响应收益约8万～16万元。

6 需求响应节能控制实例分析

基于用能优化控制CPS系统的实际计算方式，在接收调控需求指令后，自动匹配策略，现以某实际楼宇项目为例，选取2019年5月26日和5月27日开展节能算法试运行工作，一方面对算法进行验证，另一方面通过实际测试对算法进行调优，并验证各项功能是否正常。

6.1 冷却塔控制整体分析

（1）控制理论：冷却塔风机开启数量通过冷机负载比算基础运行数，通过室外温度和湿球温度进行优化调整。

（2）5月26日最高室外温度为28℃，最高室外湿球温度为19.82℃，系统算出来需要维持在10～11台冷却塔风机，当系统检测出现场当天气温较凉快时，系统自动调整运行8台左右即可。冷却塔运行情况如图4所示。

图4 5月26日商场冷却塔运行情况Fig.4 Operation situation of cooling tower in shopping mall on May 26

由图4可知，主机（额定功率833 kW）稳定运行后负荷一直维持在680 kW上下并有逐步降低的趋势，10:00打成自动，冷却塔风机个数一直维持在10至11台之间。冷却塔出水温度在25.8℃上下波动，整体散热效果较好，可适当调低。

（3）5月27日最高室外温度为31.2℃，最高湿球温度为21.63℃，系统算出来需要维持在10至13台冷却塔风机，在傍晚18:00左右较凉快时，系统自动调整运行8台即可，把冷却塔都打成了手动，剩余2台还是自动，这时候系统认为仍需要开13台风机，2台自动加上8台手动的，故实际运行了10台。冷却塔运行情况如图5所示。

图5 5月27日商场冷却塔运行情况Fig.5 Operation situation of cooling tower in shopping mall on May 27

由图5可知，系统计算出10至13台运行是较为合理的，冷却塔10:00打成自动，一开始因为主机负载高所以冷却塔风机个数会上升，但受制于每次波动的限制，上升较慢，之后上下波动也较慢。当主机功率下来时，室外温度和湿球温度上升了，故冷却塔个数一直维持在12台。因为主机在16:30—17:00停了0.5h。当再运转时，由于负荷较高，且室外湿球温度没怎么变化，温度也在28℃以上，所以冷却塔风机个数并没有减少。在傍晚温度下降时，可把风机个数调低。

（4）分析总结：该分析充分考虑了环境温度等因素，有时系统温度比经验值高，因此不能仅从冷却塔数量上来判断冷却塔是否节能。通过系统控制的冷却塔风机个数确实是略微偏大的，需要对调整因子略作优化，使其更贴近商业楼宇的实际优化需求。

6.2 冷冻水泵频率控制整体分析

通过冷冻水出回水温差，来对冷冻水泵频率进行比例、积分、微分（proportion integration differentia⁃tion，PID）调节。因商场压力需要，水泵频率暂不让控制，仍旧是定频运行，2台均以45 Hz运行。具体数据如下（27日主机在16:30—17:00停了0.5 h，故出回水温差出现较大变化）。

（1）控制理论：通过冷冻水出回水温差，来对冷冻水泵频率进行PID调节。

（2）5月26日商场冷冻水泵运行数据如图6。

图6 5月26日商场冷冻水泵运行数据折线Fig.6 Broken line of operation data of chilled water pump in shopping mall on May 26

（3）5月27日商场冷冻水泵运行数据如图7。

图7 5月27日商场冷冻水泵运行数据折线Fig.7 Broken line of operation data of chilled water pump in shopping mall on May 27

（4）分析总结：该分析充分考虑了环境温度等因素，且考虑一些商业楼宇的压力需要，水泵频率暂不调整，保持定频运行，即2台均以45 Hz运行。具体数据27日主机在16:30—17:00停了0.5 h，故出回水温差出现较大变化。

6.3 冷机出水温度控制分析

（1）控制理论：通过室外温湿度和冷量的历史数据建立预测模型，通过当前室外温湿度预测冷量，通过冷量需求、主机实际能效比情况、室内温度、当前冷冻水出水温度计算运行主机的出水温度。

（2）5月26日商场冷水机组数据如图8。

图8 5月26日商场冷水机组冷冻水温度折线Fig.8 Broken line of chilled water temperature of chiller in shopping mall on May 26

5月26日该商场4号主机的运行特性：9:00开机，设置冷冻水出水温度12℃，刚开机时负荷会较高，会高出额定功率833 kW，主机冷冻水出水温度在30 min内从22.1℃降到13.4℃，再经过30 min稳定在12℃。系统在运行期间算出来的数据一直维持原状不控。

（3）5月27日商场冷水机组数据如图9。

图9 5月27日商场冷水机组冷冻水温度折线Fig.9 Broken line of chilled water temperature of chiller in shopping mall on May 27

5月26日商场4号主机的运行特性：8:45开机，初始冷冻水出水温度为12℃，主机冷冻水出水温度在60 min内从22℃降到13.8℃，再用了90 min，从13.8℃降到12℃，相比较于26日在60 min就降到12℃。原因主要是室外温度和湿球温度都比26日同时段要高2～3℃左右，主机热交换效率变低。

（4）分析总结：该分析充分考虑了环境温度等因素，冷机的出水温度设定范围限定在7～12℃，因26日和27日的天气情况，系统计算出的冷机出水温度都在上限值12℃，或者不控，所以全天的冷机出水温度从一开始就一直是12℃，能够满足运行控制要求。

6.4 人工控制和系统智能化的对比

商业楼宇建筑面积较大，用电量很大，如空调系统全部通过人工操作的话，并不能控制好使用的时间段，能源浪费情况严重。

围绕客户侧泛在电力物联网总构架，以源网荷储协同服务为目标，加强关键性技术应用攻关，加快智能装备和系统平台建设，做好网络安全技术保障，推动客户侧用能设备深度感知、运行协调优化和电网友好互动，促进能源高效利用，提高终端用能效率、电网设备利用率和新能源消纳水平，支撑公司综合能源业务高质量发展。

7 结束语

本文研究了基于电力市场环境下的商业楼宇用能优化系统，设计了商业楼宇用能优化系统架构。本文充分考虑江苏省商业楼宇用能规模大、能耗强度高，能效提升及需求响应空间大等情况，解决了由于缺乏自动化系统，中央空调系统能源浪费情况严重，主要表现在采集监测不足、系统孤立运行、缺乏优化调度等客户痛点问题。

为了解决上述问题，需在电网互动方面，细化可调节负荷资源分类，完善需求响应场景设计，应用虚拟电厂、需求响应及智能控制技术，加强模型算法研究和关键设备研制，为源网荷储协同服务提供智慧支撑，实现楼宇30%最大负荷响应能力；在市场交易方面，采用自动竞价投标方式，参与电网自动需求响应和电力市场交易，根据中标负荷，实现楼宇不同设备电量分配及用能调节，同时实时结算对应负荷的中标收益，推动商业楼宇用户参与电力现货市场交易，指导用户最优化的响应电力市场的价格机制，降低自身用能成本。