公共建筑参与电力需求响应策略及应用研究*

阎 俏， 张桂青， 袁银雪， 陈 浩

(1. 山东建筑大学， 济南 250101；2. 山东省智能建筑技术重点实验室，济南 250101；3. 山东省建筑设计研究院有限公司，济南 250001；4. 济南历下控股集团有限公司， 济南 250014)

0 引言

未来的智慧建筑不再仅仅局限于建立舒适的建筑内部环境，而是更加关注与城市公共信息进行互动。 电力需求响应(Demand Response)通过改变用户的用电行为，调动负荷资源参与电网调峰，是电网和用户之间构建能量和信息流动的典型应用，体现了智慧建筑的社会效益。 在调动空调负荷参与电力需求响应方面，国内外都开展了大量研究和实证工作。 文献[1-4]调研了美国电力市场开展需求响应的实施情况，并对其关键技术和设备进行了研究。 Mark Goldsworthy 分析了澳大利亚境内空调负荷的规模、地域分布等特性，为开展需求响应做出了有益的评估[5]。 文献[6]采用人工神经网络方法(ANN)将舒适性参数和需求响应市场的投标价格关联建模，提出了一种基于价格的空调末端控制策略。 文献[7-8]从负荷聚合商的角度提出了空调集群优化控制模型，既满足响应功率的需求，又兼顾温度控制。 文献[9-10]给出了江苏电网开展大规模非生产性空调负荷参与电网有序调峰、需求响应的系统框架和应用效果。

现有研究大多集中在电网层面分析空调负荷的集群调控以及电网需求响应的顶层设计，但从用户角度分析建筑或园区参与响应的技术手段、调控策略以及开展实例验证的工作还远远不足。大型公共建筑体量大、单位能耗强度高、负荷调控方式灵活，是参与电力需求响应的优质资源。 当电网出现供应缺口，需要启动响应时，在响应前向电力用户发出响应邀约，告知其需要增加(或削减)的负荷值和响应时段。 对于参与响应的公共建筑用户来说，可以采取多种策略去响应这一数值，如关停某些设备、调整设备的运行参数等等。执行不同的响应策略会给建筑运维管理带来不同程度的影响。 如何在这些策略中选取适当的策略组合，以及如何调整设备运行参数，使之既能满足电网的要求，又尽量降低对用户的不利影响，是亟待解决的问题。

本文在对公共建筑内的空调、动力、照明等各类电力负荷综合分析的基础上，形成不同设备的响应控制策略，并计算策略的响应功率，提出了一种基于响应优先级的双层优化方法来得到建筑的综合响应能力，极大地提高了响应负荷的控制精度，为智慧建筑参与电网调度，助力碳中和目标积累了宝贵经验。

1 响应控制策略及响应能力评估

1.1 响应负荷分类

为便于需求响应管理，首先需要分析建筑对象的负荷特点和用电规律，将可控容量较大、响应模式运行下对用户的工作和生活影响较小的用电设备作为参与需求响应的调控对象。 本文按照能否参与需求响应的程度将公共建筑内用电负荷分为三个类别，如表1 所示，推荐第一、二类负荷参与响应。

表1 公共建筑内参与响应的用电负荷分类

1.2 响应策略

设备的响应控制方式可以分为刚性和柔性两种。 刚性控制是直接关停全部或部分设备；柔性调节是通过改变单一或多个设备运行参数或运行方式等手段调整设备的运行情况。 对于公共建筑来说，照明负荷和动力负荷的控制方式基本采用刚性控制；相比之下，空调系统的设备数量大、参数多，调控方式多样，最终可以形成多种需求响应策略。表2 给出了中央空调系统在电网削峰指令下主要的需求响应策略。

表2 中央空调系统需求响应(削峰)策略

1.3 响应能力评估

响应能力评估是指在需求响应的情况下，与基线负荷相比较，对用户能够削减的实际负荷大小进行计算。 每个建筑的响应能力根据调控策略的不同而存在差异。

基线负荷是指用户如果没有参加需求响应时的有功功率负荷曲线，是进行响应能力计算和补偿结算的依据。 国内外学者对于用户基线负荷预测的方法进行了大量的研究，大致可分为两大类:基于传统模型的基线负荷计算[11-12]和基于人工智能的基线负荷预测[13-14]。 本文采用基于CNN-LSTM模型[15]来进行基线负荷的预测，根据调控设备的不同，此处的基线负荷可分为制冷(制热)主机、送风机、新风机、整个建筑等基线负荷。

此处重点讨论暖通空调系统在柔性调控策略下的响应能力。 空调系统的响应能力可以采用建筑能耗软件模拟[16]或数学模型计算[17]的方法来确定。 在建筑能耗模拟软件中，首先建立建筑围护结构、暖通空调系统及其他环境控制系统等的仿真模型，然后通过模拟各种控制方式，得到空调系统的动态能耗以及建筑环境的变化情况。 采用能耗模拟软件在离线情况下进行仿真分析；利用数学模型在线运行来计算空调系统的响应能力。 下面给出中央空调系统几种柔性调控策略下的响应能力的数学模型。

(1)提高机组冷冻水的供水温度

当中央空调主机采用冷水机组时，在制冷量不变的情况下，机组功率在一定范围内会随着蒸发温度的提高而减小。 因此，本文采用与冷凝温度、蒸发温度以及制冷负荷相关联的能耗模型[18]来计算功率的变化，模型的表达式如式(1)所示:

式中，P为冷水机组的能耗，kW；tcwj为冷却水进水温度，℃；tchws为冷冻水供水温度，℃；Qe为制冷负荷，kW；β0～β5为能耗模型系数。

采用二次完全回归模型对式(1)进行拟合，可得到系数βi的数值。

在制冷负荷不变的情况下，当改变冷冻水出水温度时，机组功率相应变化，与基线负荷比较后就得到响应功率。 另外，模型使用时要考虑冷冻水出水温度变化的约束条件，其下限受机组制冷能力限制，上限受末端除湿要求的限制，则响应功率为:

式中，Pra1为本条策略下机组的响应能力，kW。Pchiller为冷水机组的基线负荷均值，kW。

(2)提高送风温度的设定值[17]

对于变风量空调机组的控制过程中，空调风机的响应能力可按能保证最末端房间送风量的变频电机的最低频率来考虑，同时还需考虑末端空调机组负荷的改变对于主机功率的影响，用影响系数δ来表示。 则响应功率为:

式中，fmin.i为第i台变频风机响应时段允许的最低频率，Hz；fbase.i为第i台变频风机正常运行时的频率，Hz；PFAN.i为第i台风机正常运行时的基线负荷，kW；δ为空调末端负荷变化对主机的影响系数；Pchiller为制冷主机正常运行的功率，kW。

(3)提高房间温度的设定值

风机盘管的温控器通过传感器测得室内温度，与设定温度比较，当室温低于设定值时，控制器关闭冷冻水管路上的电动阀和风机，风机盘管停止对室内空气的制冷。 当设定温度提高后，风机盘管关闭的次数增多，用电量减少。 根据文献[16]的统计数据，室内设定温度提高1℃，单位面积的平均建筑负荷会降低6.6%。 则响应能力如式(4)所示:

式中，Δtda为房间温度提高差值；δ2为风机盘管负荷变化对基线负荷的影响系数，可取0.06；Pbase为建筑的基线负荷均值，kW。

2 基于响应优先级的综合响应能力双层优化

2.1 确定响应优先级

对于每个公共建筑，经过分析后形成的响应策略较多，为便于后期的综合决策，需要为每条策略确定响应优先级。 假定某个建筑共有n条响应策略，将最先执行的那条策略的优先级确定为1 级，1即为最高级，然后向后逐条递增，直至最后n级。 每条策略的优先级唯一，响应时根据优先级由高到低执行策略。

确定优先级的基本原则是对用户的工作或生活影响越小的策略具有越高的优先级。 空调负荷对于用户的影响主要体现在室内温度变化对人体舒适度的影响。 为了量化这种影响，此处引入舒适度评价因子Dcomf[19]，如式(5)所示:

其中n表示某建筑内带有空调末端的房间总个数；δi由式(6)确定:

式中，δi为单个房间的舒适度偏差因子；θi为室内实际温度，℃；θset为室内温度的设定值，℃，也是每个房间内用户对室内温度的期望值。 考虑到室内温度在设定值范围内小范围波动不影响人体舒适性，因此，引入了温度上波动偏差Δθ1和下波动偏差Δθ2。 由式(5)可以看出，舒适度评价因子Dcomf越小，用户的舒适度越高。

对应空调系统的每个响应策略，都可以通过建筑能耗模拟软件，调整控制参数得到系统的响应能力并模拟出执行响应后室内温度的变化，然后由式(5)和(6)来确定每条响应策略的舒适度评价因子，因子越小，说明对用户的影响越小，可以赋予较高的需求响应优先级。

2.2 综合响应能力的双层优化方法

当每条策略的响应能力和优先级确定以后，系统需要根据认缴负荷(目标值Pgoal)的大小，确定策略执行的具体方案，此时仅执行一种策略并不能满足要求，需要综合考虑多个策略的组合结果。 本文提出一种双层决策优化方法以得到最优的策略组合。 双层决策分为两部分，第一层为某一种响应策略内部运行参数的调整，第二层为多种策略类型的组合优化。 流程图如图1 所示。 具体过程如下。

图1 综合响应能力双层决策优化方法流程图

(1)在计算得到每种策略响应能力的基础上，首先考虑对用户影响较小的第1 优先级的策略，即i＝1，i为优先级，最大值为n。 此时运行参数j按该参数可调整的最大值m 考虑；例如对于表2 中“提高冷水机组出水温度”策略，本条策略是通过提高中央空调系统冷冻水出水温度来降低空调机组的用电量，假定出水温度的可调范围为3℃，如果当前的出水温度为7℃，则最大可调整上限为10℃。 按10℃来计算，可以得到该优先级策略的响应能力Pi.j。

(2)将Pi.j和目标值Pgoal比较，如果Pi.j大于目标值，则下调一级参数数值，j＝j-1，重新计算Pi.j，再进行比较。 这种单一策略的内层参数调整直至可调参数达到下限为止，此时得到的Pi.j即是和目标值最匹配的系统综合响应能力Pi.sum。

(3)如果Pi.j小于目标值，说明单一策略的响应能力不足以满足电网需要，还需进一步考虑对用户影响次之的第2 优先级的策略，并根据式(7)得到系统的综合响应能力Pi.sum。 当多种策略实施时，系统所呈现的响应能力并不是每种策略实施效果的直接相加，因此，考虑同时系数kΣ来体现这种影响。

式中，Pl.j为不同策略的响应能力，可以通过前文描述的响应能力评估模型得到。

(4)将Pi.sum和目标值Pgoal比较，如果Pi.sum大于目标值，则将第i优先级的参数下调，重新进行优化计算。 否则，再叠加第i+1 优先级的策略，直至达到或刚刚超过电网调峰的目标值，优化过程结束。

通过运行参数的调整(第一层优化)以及多种策略的组合(第二层优化)，就能找到公共建筑最终的综合响应能力Pi.sum，这个数值与电网需要的目标负荷最为匹配，并且也是建筑自身多种响应策略的最优组合。 因为在方法中考虑了用户的响应意愿以及对用户舒适度的影响，在满足电网要求的同时，可将用户的工作或生活带来的影响降到最低。

3 需求响应的效果评价指标

每次需求响应事件执行后，可以从响应负荷的精确度和响应延迟时间两方面进行评价，以判定响应事件的有效性。 响应负荷的精确度指标可分为:绝对指标和相对指标。 绝对指标就是以响应时段内用户实际用电曲线与基线负荷的差值作为最终结算的实际响应负荷。 通常电网企业将绝对指标作为补偿结算的依据。 相对指标又称为认缴性能指标(subscribed performance index，SPI)，为用户削减的平均负荷与其认缴负荷削减量之比，是评价响应结果的重要指标。 响应延迟时间指标可以从响应事件开始计时直到达到或接近削减的平均负荷时的时间，是衡量响应事件执行快慢的参考指标。

4 应用实例

4.1 项目简介

本文选取山东省济南市某公共建筑为对象，设计并开发了电力需求响应系统。 该大楼建筑面积5.46 万m2，主要作办公用途。 夏季采用水冷式中央空调机组制冷，其中包含螺杆式冷水机组2 台，每台额定制冷量1 504.41kW，额定电功率为282kW；定风量风机盘管约为310 个。 该建筑已经安装了建筑设备监控系统BAS(Building Automation System)，因此，可将BAS 主控制器接入需求响应系统，即可实现对空调、照明、热水器、电梯等设备的数据采集和监控；同时选取合适地点安装物联网网关，与照明控制器、电能表和室内温控器进行信息通信。

4.2 效果分析

针对本工程的实际情况，确定了三条电力调峰响应策略，分别是:提高冷冻水供水温度、减少运行机组数量、关闭楼层电热水器；其中，前两条响应策略的执行都会影响室内的温度。 图2 为TRNSYS 软件模拟2020 年夏季某日该建筑平均室内热负荷变化情况。

图2 室内热负荷仿真图

可以看出，与27℃的室温相比，要将室内温度维持在25℃时，所需冷负荷更多，最大差值为1 734kW。

通过采集一段时间的冷冻水出水温度、冷却水出水温度及制冷量，将冷水机组的能耗模型进行参数拟合，能够得到式(1)中系数β0～β5的数值，如表3 所示。

表3 冷水机组能效模型拟合参数

图3 是利用机组的能耗模型得到的功率和实测功率的对比，两组数据的均方根误差RMSE 为9.53，可以满足工程应用的需要。

图3 冷水机组实际能耗与模型预测能耗对比图

根据舒适度评价因子Dcomf的大小来确定前两条策略的响应优先级，计算结果如表4 所示。

表4 济南市某建筑需求响应(调峰)策略实施情况

对应于第一条策略的舒适度评价因子数值较小，说明执行本条策略给室内温度带来的影响小于第二条策略。 此时，室内温度设定值θset为25℃，上下波动偏差都为2℃。 按冷机出水温度可调整参数的最上限4℃来计算，响应时长为60min。

图4 为公共建筑需求响应管理系统进行电网互动的人机界面。

图4 电网互动界面

系统可在当日对电网的需求邀约进行响应，功率采集时间为10min。 界面上显示接收到的电网邀约指令，包含响应类型、容量、响应时间及最高限价等信息，根据电网的响应时间，计算出基线负荷并以曲线形式展示。 同时将经过决策后的调控策略和响应能力显示在界面上，最终系统操作员将参与响应的信息上报给电网。 进行调试工作时，将响应目标确定为150kW，经过优化决策后，确定了前两条响应优先级的策略，即:“关闭楼层电热水器”和“提高冷冻水出水温度”，参与最后的执行，这两条策略的综合响应能力能达到184kW。

为了查看某次响应事件的详细信息，系统还设计了响应追踪功能，如图5 所示，可以通过选择时间查询到历史上执行过的响应事件，查看事件详细参数，基线负荷、响应后负荷以曲线形式直观展示。

图5 响应追踪界面

图6 为基线负荷和响应后实际的负荷曲线，响应时间为12 ∶30-13 ∶30，考虑到水空调系统有较大的热惯性，实际执行策略的时间比响应时间提前了10min，因此响应延迟时间指标处于理想值0min。

图6 响应前后的负荷曲线

从曲线图中可以看出，响应期间，该建筑的用电负荷从平均值1 217kW 降至987kW，负荷下降达175kW，完全满足认缴负荷的目标要求。

为了追踪响应策略对建筑内环境的影响，图7对比了两种策略实施情况下的室内温度的变化。

图7 室内温度的变化曲线

可以看到，在实施“关停机组”策略后，室内温度上升较快，温度偏差在3.5℃，舒适性下降严重，且响应结束后的温度恢复过程也较慢；在“提高冷冻水温度”策略实施情况下，室内温度的波动很小，在1℃左右，对于建筑环境的不利影响较小。

5 结束语

本文设计和开发了一套面向公共建筑的电力需求响应管理系统，提出了一种确定建筑综合响应能力的双层决策方法，该方法通过为每条策略建立响应优先级，来保证策略执行的先后顺序。 通过工程实例，验证了这种方法的可行性和有效性，既能够在多个响应策略中优选出与响应目标值最匹配的执行策略，又尽可能降低对用户的不利影响。 目前，对于部分策略的响应优先级的确定主要依赖用户的主观意愿，客观评价标准还有待于完善，需要进一步对需求响应给建筑用户带来的影响进行深入研究。