楼宇可调节负荷研究与应用

袁金斗，陈宋宋

（需求侧多能互补优化与供需互动技术北京市重点实验室（中国电力科学研究院有限公司），北京 100192）

0 引言

能源互联网是互联网和能源生产、传输、存储、消费及能源市场深度融合的能源发展新业态［1］。用户处于能源消费端，用户侧可调节负荷互动是能源互联网的重要应用场景［2］，可调节负荷的广泛连接、精准感知、实时在线、互动交易、智能调节是能源互联网建设的重要目标。

楼宇是能源消费大户，第二十一届联合国气候变化大会指出:在现阶段寿命周期内，楼宇建造及运行能耗占全球总能耗的30%，预计到2050年，这一指标将达到50%［3］。2017年，我国楼宇总面积约为592亿m2，能耗总量约为9.6亿tce，约占全国能耗总量的21%，用电总量约1.5 万亿kWh，占全国用电总量的24.3%［4］。未来，我国楼宇用电负荷预计会持续上升。从快速城镇化的角度看，我国城镇建筑（不含北方供暖地区建筑）单位面积耗电量为21.3 kWh，而农村住宅仅为9.9 kWh［5］，随着城镇化率进一步提升，高耗电强度的城镇、公共建筑用电负荷会继续增加；从国家经济结构转型的角度看，第三产业将持续快速发展，单位面积耗电量高达60.5 kWh的公共商业建筑（不含北方供暖地区建筑）将进一步拉动用电负荷；从清洁取暖的角度看，中央提出加快提高清洁供暖比重，给出宜气则气、宜电则电的方针，北方供暖地区建筑的用电负荷将有明显提升。

楼宇用电负荷的提升同时也意味着可调节负荷规模的增加，研究证明，大型商业综合体、酒店、商场、办公楼的可调潜力可达到30%～35%，医院、学校等其它楼宇的可调潜力为15%～20%，楼宇中空调、电热水器、电热锅炉、照明、冰箱（冷库）等设备均具有可调节潜力，深化应用这些可调节负荷，可以帮助用户进行用能优化，并通过需求响应参与电网削峰填谷、促进新能源消纳等场景［6］。美国LEED绿色楼宇评价标准［7］已经明确将建筑物需求响应能力及可调节电力负荷容量规模作为两项评价指标，以此推动建筑物可调节负荷能力建设；澳大利亚已实施楼宇可调节负荷设备接口强制性标准［8］。我国2019年刚颁布的绿色建筑评价标准［9］尚未考虑建筑物的可调节负荷能力建设。

目前我国楼宇可调节负荷应用存在一些壁垒，一是楼宇可调节负荷容量普查缺少准确便捷的手段；二是现在没有系统性可实操的楼宇可调节负荷调控模型，现有模型仅停留在理论和仿真层面，例如，文献［10］建立了分散式变频空调负荷调控模型，并对空调群组参与需求响应进行了仿真；文献［11］通过构建舒适度指标决定响应优先级，对空调、热水器、电动汽车3种负荷参与需求响应作了仿真；文献［12］通过粒子群算法以最小化用电成本为目标对包含空调、热水器等家庭可调负荷的智能用电系统进行了建模和仿真；三是楼宇中可调节负荷通信接口不规范、不统一，导致可调节能力建设成本居高不下。亟需开展针对性的研究，以楼宇可调节负荷为切入点，推动能源互联网在用户侧落地。

1 总体思路

针对引言中提出的3方面问题，本文提出如图1所示的总体技术路线。资源普查体系、负荷建模理论、信息交换规范是支撑楼宇可调节负荷应用的基础和关键，通过资源普查体系给出准确便捷的楼宇可调节负荷普查方法，负荷建模理论给出实际调控过程中简单可操作的楼宇负荷调控模型，信息交互规范规定楼宇可调节负荷参与需求响应的标准架构。另外，图1 红色框中的负荷预测、负荷量测、动态聚合、负荷控制等技术的进步将使可调节负荷应用向更加智能化的方向发展，例如国家电网公司已建成包含1.8 亿只智能电能表的高级测量体系［13］，采集频度和精度大幅提高，设备独立控制、大范围公共传呼网系统、多信号源和信号中继站、可编程终端设备等新技术的发展使负荷控制技术更加成熟复杂［14］。只有在关键问题得到解决的前提下，楼宇可调节负荷的大规模实践应用才能开展，海量的楼宇可调节负荷资源将为能源系统的运行优化、电网削峰填谷以及促进新能源的消纳等多个场景应用起到推动作用。

图1 楼宇可调节负荷应用技术Fig.1 Application technologies for adjustable load in buildings

2 楼宇可调节负荷普查体系

对现存楼宇的可调节负荷进行普查是开展后续可调节负荷聚合的基础，例如，在对需求的数据项进行收集、整理和分析后，才能制定出具体的需求响应方案。普查项的设计按照树状结构展开，如图2 和图3 所示。图2 中，以单个用户的基础信息、负荷信息和用电设备信息3 项作为根节点，负荷聚合商是对一片区域内所有单个用户的聚合，一些聚合商已经完全掌握了所属用户的详细信息，这时普查只需到负荷聚合商一级，对于还未被聚合的单个用户，则需要普查到该户。基础信息、负荷信息两类信息的普查，可以从电网公司营销系统中导出与用户户号关联的用户档案信息和基本用电负荷信息，形成一套脱敏的标准数据结构放入普查软件的数据库中，在普查时，普查员只需在现场校验户号后，即可从后台自动导入。

图2. 楼宇可调节负荷数据普查架构Fig.2 Architecture of the adjustable load data census of building

每一类设备需要普查的信息包括设备基本信息、调节方式、响应类型、响应实时性，设备的准备时间和响应容量可由模型自动计算得到（详细计算方法和指标见第3 节）。以集中式空调为例，如图3所示，基本信息包括:设备类型、生产厂家、电压等级、额定电压、额定功率因数、额定功率、能效系数、可运行工况等；调节方式包括:调节主机输入电流百分比、调节主机出水温度、设备变频调节、直接关停主机等，调节方式决定了设备的响应准备时间和响应容量；响应类型包括参与电网削峰和填谷两类；响应实时性包括实时响应和邀约响应，如果参与实时响应，会提前30 min 或者不提前通知用户，若参与约定响应，则会提前24 h 通知用户，这两种方式需要获得用户的可响应时段。

图3 集中式空调设备数据普查项Fig.3 Data census items of central air-conditioning

有了普查的信息后，经过单个用户级、负荷聚合商级的数据分类和累计可以得到楼宇可调节负荷资源池，由于采用树状结构进行数据普查，数据根据字段的分类将会大大简化对资源池数据处理的难度。当出现来自电力市场的需求响应激励信号的时候，资源池中的可调节负荷根据调控模型发生动作，对事件进行响应，在规定的时间内完成规定的响应容量。

3 楼宇可调节负荷调控模型

本节将建立简单可行的可调节负荷模型，能够应用在可调节负荷资源普查和真实的需求响应事件中，以图2给出的主要楼宇可调负荷，分别进行建模。

3.1 空调系统

3.1.1 集中式空调

集中式空调一般安装在公共建筑中，负荷占比可达40%以上，可调潜力占比5%～20%。假设在实施需求响应前，建筑物内集中式空调系统已经处于平稳运行状态，则考虑室内环境的舒适度，集中式空调的可调负荷约束模型为

式中:PDR为集中式空调系统可削减或增加的最大有功功率；t为需求响应持续时间；当为制热工况时，ηCOP,EER为集中式空调系统制热能效比，当为制冷工况时，ηCOP,EER为集中式空调系统制冷能效比；c为空气的比热容，一般选取温度为300 K 时空气的定压比热容，值为1.005 kJ∕（kg·K）；S为建筑物的采暖面积；H为建筑物的平均层高；ρ为空气的密度，一般选取温度为300 K时的干空气密度，值为1.177 kg∕m3；Tset为用户设置的采暖温度；Tlimit为室内允许的温度。

（1）在实际调节过程中，以制冷工况为例（制热工况与制冷类似），对应于图3 中的调节方式，当改变主机输入电流百分比，从冷水机组接收响应指令到完成功率调节的时间，即响应准备时间为分钟级，响应容量ΔP1为

式中:δ1为修正参数；Pm为主机运行功率；N1为主机限定电流加载值；Nr为主机运行输出值。

（2）当通过远程或本地控制提高冷水机组控制面板中的冷冻水温度，则响应准备时间为分钟级，响应容量ΔP2为

式中:δ2为修正参数；ΔT为温度调整值。

（3）当通过变频方式调节压缩机转速，则响应准备时间为分钟级，响应容量ΔP3为

式中:Δf为频率变化值；fe为额定频率。

（4）当直接关停部分机组时，则响应准备时间为分钟级，响应容量为∑Pm。

3.1.2 VRV空调

变制冷剂流量多联式空调（variable refrigerant volume，VRV）的调节方式包括温度调节和变频调节。温度调节响应准备时间均为秒级，每调节1 ℃，电负荷变化7%，响应容量ΔP4为

变频调节响应准备时间为分钟级，响应容量同式（3）—式（4）。

3.1.3 分散式空调

分散式空调的调节方式包括温度调节和直接开关控制，其响应准备时间均为秒级。响应容量计算同上。

3.2 电热锅炉

蓄热式电热锅炉一般用于办公写字楼、宾馆、商场等大型公共建筑的生活热水使用或取暖，其负荷占比在冬季可达30%～40%，可调潜力达到15%。当电热锅炉没有蓄热能力时，其约束模型计算方法同式（1）；当电热锅炉有蓄热能力时，假设响应下达时刻蓄热介质的温度为T0，则响应持续t时刻后蓄热介质的热量变化Q为

式中:c′为介质的比热容；ρ为介质的密度；V为介质的体积；T(t)为t时刻介质的温度。这个热量可以弥补需求响应带来的电锅炉功率变化，将其引入可调节负荷模型约束条件中

在实际调节过程中，蓄热式电锅炉有制热、保温、关机3 种运行模式，其调节方式一般为模式转变，准备时间为分钟级，响应容量为不同模式下的功率差ΔP5= |Pmod1-Pmod2|。

3.3 照明系统

照明系统负荷占比在15%～25%左右，可调潜力占比3%～10%，其响应准备时间为秒级，响应容量主要来自两个方面，一是保证用户正常的工作生产，采用分路区域控制的方法，关闭一部分照明设备P1，二是在非工作时段，本可以关闭而未关闭的灯具（如人为疏忽，部分走廊灯）P2

式中:Plight为工作时原本开启的灯具功率；λ1为由光学测量得到合理的可关闭系数；Pi为统计得到非工作时段的可关闭灯具。

3.4 电梯

电梯系统负荷占比4%～10%，可调潜力占比1%～5%。电梯系统的响应容量主要来自关闭夜间部分闲置的电梯，响应时间为秒级，响应容量为∑Pn，其中数量n由对夜间乘坐电梯频次的统计分析来确定。

3.5 冷库

冷库系统负荷占比3%～5%，可调潜力占比1%。除了保存特殊食材的冷库以外，在非备餐时间短时间关停冷库，其温度上升并不明显，响应时间为分钟级，响应容量即为其额定运行功率Pm。

4 楼宇需求响应信息交互规范

楼宇可调节负荷存在各类设备通信接口不规范、不统一的问题，使得设备聚合难度大，增加了可调节负荷应用的成本［15］。本节给出了楼宇可调节负荷参与需求响应的整体架构，并基于DL∕T1867标准［16］，建立了楼宇可调节负荷参与需求响应的信息交换规范。

4.1 整体架构

楼宇可调节负荷参与需求响应的整体架构如图4 所示。终端层包含楼宇可调节负荷设备，本架构对最底层设备的通信协议不作规定，他们可以通过适合自身的通信方式与边缘层的需求响应终端设备进行通信，边缘层与主站之间的的通信一般采用电力光纤、4G专网、230 M专网等。需求响应各层级之间的信息交换规范以DL∕T1867为框架，对交换哪些信息（信息模型）和怎么交换这些信息（信息交互模型）给出规定。

图4 楼宇可调节负荷参与需求响应整体架构Fig.4 Overall architecture of building adjustable load’s participation in demand response

4.2 信息模型

需求响应终端与可调节负荷之间信息交互的的数据类型包括基本类数据、属性类数据、业务类数据，如表1 所示。基本型数据给出了所有需要用到的数据表示方式，属性类数据规定了楼宇负荷参与需求响应的量测物理量，业务类数据包含了与需求响应业务流程相关的数据类型，需要注意的是，在可扩展的需求响应协议类数据中，DL∕T1867是推荐选项。

表1 楼宇可调节负荷设备信息模型数据类型Table 1 Data type of information model of building adjustable load equipment

基于以上数据类型，可以构建需求响应终端往下与可调节负荷信息交互的通用包和专用包，即信息交互过程中实际交换的主体，如表2所示。通用包对于楼宇涉及到的设备或系统是统一的，设备的通信方式以及与终端、网关、远程需求响应主站通信时的协议都包含在通用包的设备自动化能力信息类中；专用包的差别在于其关联了设备或系统的本体特征，需要在设备组成、工作模式、运行状态、本体参数、响应能力等方面给与区分。

表2 楼宇可调节负荷设备信息模型包Table 2 Information model package of building adjustable load equipment

需求响应终端往上与需求响应服务系统、聚合系统之间交互的信息模型包括:域包、注册包、事件包、报告包、参与包、询问包。域包由表1 中的基本类数据构成，是所有包的基础；注册包涵盖了传输协议类型、服务规范、服务类型；事件包给出了需求响应事件的详细描述，包括事件应答、事件状态、有效时段、事件信息、事件基线以及事件信号（信号名称和信号类型）；报告包主要针对需求响应设备、测点、量测数据给出描述，为需求响应业务提供实时量测数据支撑；参与包给出了是否参与响应以及原因，询问包定义了事件响应方式以及有效事件。

4.3 信息交互模型

对需要交换的信息（包）进行标准化的封装是信息交互的关键，信息交换服务规定了不同主体间信息交换所采用的数据封装格式，其中包括通用服务、注册服务、事件服务、报告服务、参与服务、询问服务7 种，通用服务规定协议版本和响应代码编码原则；注册服务用于用户注册的创建和取消；事件服务用于下发事件的查询和响应；报告服务用于系统下节点向上节点请求有关注册信息、资源信息、单个瞬时数据、随时间变化的数据曲线以及上节点的回复；参与服务用于下节点向上节点发送创建或取消参与需求响应的请求以及上节点的回复；询问服务由下节点向上节点定期发送，以满足下节点知晓有关注册、事件、报告等服务的更新需求。其封装的核心逻辑为“根描述（root）+具体描述+上下节点ID”，根描述决定了服务的类型，具体描述给出对应该类型服务在完成交互过程时所必须的信息，上下节点给定了交互的对象。

至于信息交换的机制，宜采用实时通信协议REST∕HTTP 和MQTT，这两种方式均针对远程调用和计算能力有限的终端设备，适合应用在需求响应业务中。同时，底层协议需满足OSI 参考模型的要求，各个信息服务对应的JSON报文分别经过HTTP、TCP、IP、数据帧封装。

5 应用场景验证

5.1 楼宇设备参与需求响应标准化

应用4.2 节中标准化信息模型和信息交互模型，设计楼宇设备与需求响应系统信息交互的关键环节，可以规范化楼宇参与需求响应的流程，主要包括楼宇资源信息注册、系统调用楼宇资源信息、楼宇设备反馈参与信号。

规范化JSON代码格式包括:

POST∕HTTP∕1.1

Host:

Connection:

Accept:application∕json（发送请求时包含）

Content-Type:application∕json

Content-Length:

{

"root":"字符串"，

"version":

"requestID":"8位字符串-4位字符串-4位字符串-4位字符串-12位字符串"，

"dnID":"字符串"

}

5.2 中央空调功率向下调节参与削峰

在满足信息交互规范的基础上，利用式（1）的约束条件和关停部分主机的方法进行调节，在南京某商场（总建筑面积约8 万m2）实施需求响应。如图5所示，需求响应执行前以8台空调主机运行，14:30降低1 台主机负荷10%，关停主机2 台，15:00 响应结束，恢复8台主机运行。从主机功率曲线可以看出，短时内最大降低空调负荷400 kW；从温度曲线可以看出，温度变化存在滞后效应，温度从15:00开始由23.80 ℃升高，到16:00 后达到顶点24.49 ℃后开始下降，整个调节过程对舒适度无影响。将相关参数代入式（1）约束条件，可以得出在0.5 h内降低400 kW空调负荷，商场内的最大温升区间为［0，2.25］，实验得到的温升为0.69 ℃，在该区间内，证明了模型的所给约束条件的准确性。

图5 中央空调参与需求响应削峰场景Fig.5 Scenarios of central air conditioning participating in peak-cutting demand response

5.3 蓄热式电锅炉功率向上调节参与填谷

在满足5.1节信息交互规范的基础上，以东北某商用水蓄热锅炉（额定功率630 kW）为实验对象，实验结果如图6所示，蓄热介质设定最高温度85 ℃，最低温度50 ℃，按照式（6）和式（7），通过监测蓄热介质温度及二次侧出水温度，保证蓄热介质不超温且供应到客户的二次水温保持在45 ℃左右。实验结果表明，锅炉在夜间谷电时段（21:00—次日6:00）为制热模式，功率全开消纳谷段的电量达到5 000 kWh，蓄热介质温度从50.77 ℃上升到81.15 ℃。白天（6:00—21:00）电锅炉关机模式运行，蓄热介质放热给一次侧，根据式（7），在锅炉功率全关的状态下，维持二次侧水温在45 ℃，在锅炉二次侧工质的质量流量在4 t∕h的情况下，响应时间最大可达到19 h，能够满足峰段15 h的削峰响应需求。

图6 蓄热式电锅炉参与需求响应填谷场景Fig.6 Scenarios of regenerative electric boilers participate in valley filling demand response

6 结论

在能源互联网快速发展的背景下，本文以深化楼宇可调节负荷应用为目标，对楼宇可调节负荷普查体系、调控模型、信息交互规范等3个关键点进行了研究，得出以下结论:

（1）通过构建楼宇可调节负荷普查体系，明确了普查的树状数据架构和具体的数据普查项，不同可调节负荷数据普查项的主要区别在于其调节方式及对应的响应容量，在知道基本数据项的前提下，响应容量可由模型计算得到，降低了普查和数据分类处理的难度。

（2）建立简便可操作的楼宇可调节负荷调控模型，不同设备调节方式对应了不同的响应容量和响应速度，在满足模型约束条件的基础上，开展了有效的中央空调削峰调节以及蓄热式电锅炉填谷调节实验验证，在两种特定工况下，削减负荷可达400 kW，累计增加低谷电量达到5 000 kWh。

（3）楼宇可调节负荷参与需求响应遵循云-管-边-端架构，在此架构下，底层可调节负荷与需求响应终端，需求响应终端与上层需求响应聚合系统、服务系统之间的信息交换规范作了明确的规定，通过构建标准的信息模型和信息交互模型，为需求响应业务搭建起了标准框架。

（4）下阶段，随着可调节负荷普查的广泛开展以及需求响应软硬件能力提升，楼宇可调节负荷潜力将会充分释放，成为能源互联网在用户侧的显著标志。后续，将考虑空调系统的多个系统耦合调节、不同工况下能效比变化对负荷调节的影响，完善负荷调节模型，提高对用户负荷调节的精准性。D