电网交互建筑及电力协调调度优化策略研究*

潘毅群 王 皙 尹茹昕 黄治钟 曾 菲 周明春

(1.同济大学,上海;2.上海市建筑科学研究院有限公司,上海;3.美的集团楼宇科技研究院,佛山)

0 引言

近年来,全球气候变化引起的各种问题纷至沓来,全球变暖成为世界关注的焦点。根据联合国气候变化框架公约(UNFCCC)发布的《2022年全球气候状况报告》,2021年全球温室气体浓度达到历史最高水平,而2022年仍在持续上升,使得过去8年(2015—2022年)成为有记录以来最热的8年[1]。根据《2022年世界能源统计年鉴》(BP 2022)的数据,2021年,来自能源使用、工业过程、燃烧和甲烷的碳排放量(以二氧化碳当量计)上升5.7%,达到39.0 Gt,其中能源使用产生的二氧化碳排放量增长了5.9%,达到33.9 Gt[2]。为了应对气候变化,巴黎协定已经提出要将全球平均气温上升控制在工业化前水平的2 ℃以内,并努力将升温幅度限制在1.5 ℃以内[3]。中国也在联合国气候峰会上提出了“双碳”目标,即2030年实现碳达峰,2060年完成碳中和。

建筑行业能耗作为能源消耗的重要组成部分,其对“双碳”目标的实现有着重要影响[4]。据统计,建筑能耗约占全球最终总能耗的36%,由此产生的碳排放量几乎占碳排放总量的40%[5]。随着节能标准的进一步普及和强化,建筑围护结构的性能和设备效率得到了显著提升,供暖和空调能耗占比已大幅减小[6],现阶段单纯提高建筑围护结构性能和设备能效在建筑节能减碳中的贡献度逐渐减弱。可再生能源的利用被广泛认可为减少碳排放和实现可持续建筑的重要途径。根据国际能源署发布的《2050年净零:全球能源行业路线图》,到2050年,将近90%的电力发电来自可再生能源[7],这一趋势表明可再生能源在能源产业中的地位和作用将不断增强。中国建筑节能年度发展研究报告指出,建筑能源系统要在前期建筑节能的基础上改革,即充分利用自身可再生能源并提升建筑电气化、增加建筑柔性[8]。许多国内外专家学者也表示,在现阶段利用可再生能源和对现有建筑进行能源改造,构建电网交互建筑是最具前景的节能减碳途径之一[9-11]。国务院[12]、国家发展改革委[13]、住房和城乡建设部[14-15]等国家机构和部门在“双碳”“十四五”规划等相关政府文件中均提及要积极发展低碳建筑和“新能源+储能”系统、推进源网荷储一体化和多能互补、提升建筑电气化等。

构建电网交互建筑并确定其合理的协调运行方案是构建低碳建筑的重要途径之一,相关政策的提出为电网交互建筑的建立提供了重要支撑,也为相关技术的发展完善提出了迫切的需求。本文对电网交互建筑的系统框架和模型构建方法进行总结和回顾,探讨电力协调调度优化策略,并以一个小型居住社区为案例进行调度优化策略研究,最后对电网交互建筑的未来发展进行讨论和展望,为推动建筑能源可持续发展提供参考。

1 电网交互建筑

电网交互建筑利用智能技术和分布式能源技术实现建筑能源高效利用,通过协同优化能源成本、电网服务和居民需求与偏好之间的关系,提供持续和综合的需求灵活性[16]。其系统框架如图1所示,相较于传统建筑,电网交互建筑将分布式能源与电网的相互耦合考虑在内。通过综合利用可再生能源发电、公共电网供电及储能设备等技术手段,实现最大程度地节约和优化建筑能源使用,减轻电网压力[17]。同时,由于太阳能光伏光热系统、风力发电等可再生能源技术的引入,电网交互建筑同时具备了能源消费者和能源生产者的双重角色[18],降低了对传统能源的依赖,促使能源消费结构向更清洁、可持续和低碳状态的转变。

美国能源部(DOE)制定了一项关于电网交互建筑的国家路线图,并总结了电网交互建筑提供的电网服务,包括效率、削减、转移、调节和发电5种模式[19],如图2所示,这些模式使得建筑能够灵活适应不同情况下的能源管理需求。在效率模式下,建筑采用能源高效设备和技术来降低能源消耗,提高能源利用效率,从而减少建筑能耗。削减模式通过临时减少电力需求来提供辅助服务,例如在电网紧张时降低用电量,为电网提供应急储备。转移模式允许建筑在电网需求高峰时将部分负荷转移到其他时间段,以降低电网负荷,减少能源成本。调节模式用于辅助服务,建筑可以根据电网操作者的信号,在短时间内自主平衡有功功率需求或提供无功功率支持。发电模式允许建筑自主产生电力供自用,并通过响应电网的信号,将多余的电力注入电网,为发电服务作出贡献。随着智能控制和优化技术的进一步发展和应用的推广,电网交互建筑有望在未来的能源领域扮演更加重要的角色。

2 电网交互建筑模型构建

随着太阳能光伏和风力发电等现场可再生能源的广泛应用,建筑可以逐渐实现电力的自给自足,甚至能将多余的电力卖给电网。然而,可再生能源具有间歇性和不可控性[20-21],随着可再生能源在电网中的渗透率的增长,建筑电力需求灵活性的提升变得越发迫切。模型构建成为为能源管理提供协助和解决方案的重要途径。近年来,许多学者从不同角度对该领域进行了深入研究。本章将对电网交互建筑模型建立进行讨论,模型子系统的建立方法和应用总结如表1[22]所示。

表1 电网交互建筑系统模型构建方法[22]

2.1 源侧

电网交互建筑中常见的“源侧”包括市政电网和分布式能源系统。可再生能源发电(如太阳能光伏、风力发电)和热电联产(combined heat and power,CHP)是建筑领域广泛采用的2类分布式能源技术[42]。无论是只提供电力还是同时提供电力和热能,建筑负荷都可以部分甚至完全由自发的能源覆盖,降低对电网的净需求,实现负荷覆盖的灵活性。

一般来说,分布式能源系统模型的建立主要有2种方法:基于物理的方法和基于统计的方法[43]。基于物理的方法是结合光伏板、风力涡轮机、CHP机组等的性能参数和天气参数等数据,依据机组的发电和产热原理建立模型。这种简化模型不需要大量的历史数据,也较为简单,但是其准确性极大地取决于设备厂家提供的设备参数的准确性和天气预报的准确性。基于统计的方法是指对机组发电产热的历史数据进行统计分析,找出其内在规律。随着计算机技术的快速发展,许多学者引入各种算法进行统计分析,建立能源出力预测模型。虽然这类基于统计的方法在预测时采用的算法各不相同,但其输入参数通常包含天气数据和机组发电产热历史数据。与基于物理的方法相比,基于统计的方法通常能有更高的准确性[28],但毫无疑问其需要较为庞大的历史数据。

可再生能源发电的不稳定性会导致供需不平衡问题,此时电网则发挥了重要作用。在许多电力和建筑交互的研究中,电网扮演了商家的角色,这意味着建筑物可以从电网购买或销售电力。因此,许多学者更加关注电力价格和电力供应等因素[22],并将其与电池和建筑负荷等子系统的能量平衡模型结合起来。还有一些研究强调建筑物与电网互动的友好性[44],即减少电网和建筑物之间的波动,从而缓解电力平衡方面的压力。这种友好互动通常以建筑物与电网之间的能量交换作为评估指标,通过优化电力交易策略和能量平衡模型,使得建筑物更好地应对电力供需的波动。

2.2 储能侧

在平衡电力系统和可再生能源方面,能源储存对建筑能源调度的灵活性和可靠性至关重要[45]。电储能和热储能是建筑中能源储存系统的2种主要形式。受到存储难度和容量成本的限制,电储能适用于具有高时效性需求的短期能源储存(例如几小时或几天),而热储能适用于大容量和长期能源储存(例如几个月或几个季节),其灵活性更高,并且能够提供更好的热舒适性[44]。

在建筑能源储存系统中,电储能形式涉及复杂的化学变化,在模型建立时通常需要进行适当的简化。一般采用基于能量平衡原理的方法来处理电储能系统[25,31],即将电池的内部储存电量与各个时刻充放电量的累积量建立等式,从而清晰地描述电储能的运行状态和能量储存情况,为系统优化和能量管理提供基础。除了静态的电储能系统,一些研究将电动汽车(EVs)视为移动能源储存设备[46-48],从空间上扩展了能源储存系统的范围,实现了在不同建筑之间进行能量交换和共享。与电储能类似,热储能模型在构建时也会更关注热量的输入和输出,一般也是基于能量平衡原理建立模型。以蓄冷水池为例,将当前蓄冷水池的蓄能量建模为前一时刻水池的蓄能量与当前时刻蓄能和释能之和,从而描述蓄冷水池的热能储存和释放过程[32-33]。此外,一些研究探讨了将建筑本身视为一种热储能形式的可能性[49-51],利用建筑的热惯性来实现短期内对建筑能源消耗能力的调整,提高能源系统的适应性和响应性。

2.3 负荷侧

准确的建筑负荷预测模型是建筑能源系统实时控制和建筑电网集成的关键[52]。对于建筑及园区而言,其负荷主要包括冷负荷、热负荷,以及灯光、插座等的电负荷,而其预测模型通常有3种:白箱模型、黑箱模型和灰箱模型。

白箱模型是指利用热量和质量方程所建立的建筑能量模型。目前已有许多较为成熟的软件可以方便和快捷地求解这些方程以获得负荷和能耗数据,如EnergyPlus、Dymola、TRNSYS、DeST等[31,53],其优点在于其具有较强的解释性,但是输入所有详细的建筑参数往往需要耗费大量的时间。黑箱模型通常是指使用历史数据来构建模型,其无需建筑的详细物理信息,而是根据历史数据,从数学上找到其输入和输出之间的复杂关系。其中,常见的输入参数为气象参数、建筑物理参数、时间序列特征等,而输出参数一般是冷负荷、热负荷或者是电能消耗量[54]。近年来,由于计量设备的快速发展,建筑能耗变得更加容易获取,因此也推动了黑箱模型的使用[35],许多机器学习算法被引入到能源模型的构建中,如人工神经网络(ANN)[36]、支持向量机(SVM)[37]、循环神经网络(RNN)[38]、分布式梯度增强库(XGBoost)[39]等。与白箱模型相比,黑箱模型虽然开发过程更为简单,但其模型泛化能力较差,通常需要大量的历史数据。灰箱模型介于白箱模型和黑箱模型之间,使用简化的物理模型和易于获得的数据进行模拟求得能耗需求。电容电阻(RC)模型是最常见的灰箱模型。Bay等人采用3R2C模型来建立目标建筑物的热性能模型[40],而Dong等人则采用了2R1C模型[41]。灰箱模型在白箱模型和黑箱模型之间进行一定的取舍,所以当其他2个模型所需的信息不足时,灰箱模型可能会是更好的选择。

3 电力协调调度优化策略

3.1 需求响应策略

建筑需求响应(demand response,DR)是指在电力价格变化或面临高批发市场价格或电力系统可靠性受到威胁时,需求侧根据激励或电力价格的变化,从其正常的电力消耗模式中调整电力使用的行为[55]。其主要目标是将部分高峰负荷转移到低峰时段,从而在短期内解决供需平衡问题,与此同时DR执行者和DR参与者都可以获得利益或补偿。根据德国航空航天中心对30种不同的DR计划进行的深入分析[56],欧洲的理论最小灵活性能力约为61 GW的负荷减少和68 GW的负荷增加,凸显了DR在电力系统中实现灵活性的重要性。尤其对于存在高比例的间歇性可再生能源的智能电网,通过调整需求以匹配资源的波动性,可以大大减少弃电并增加可再生能源的整体份额[20]。

需求响应策略主要分为2种类型:基于价格和基于激励[20,42,44],其响应方式和特点如表2所示。基于价格的需求响应策略是指用户根据电力动态价格,包括分时电价、尖峰电价和实时电价等[42],调整其能源使用行为,适用于住宅、工业和商业领域[44]。这些策略的主要特点是电力价格与时间和电力消费相关联,从而激励用户在不同电价时段进行用电行为的调整。基于激励的需求响应策略主要控制负荷,包括直接负荷控制和可中断/可切断负荷控制等,其主要适用于商业和工业领域,很少应用于居住区[44]。激励型DR策略强调客户功率负荷调整的速度,并相应地调节参与者的奖励和惩罚。不同激励型计划之间存在差异,涉及用户的合同签署、负荷减少是否自愿及是否受到惩罚等方面,避免惩罚的心理将促使用户积极回应并减少自己的电力需求[42]。

3.2 能量管理策略

电网交互建筑的协调调度策略实际上是确定各部件系统之间的能量流,即确定一种能量管理策略,而常见的能量管理策略主要包括基于规则的能量管理策略和基于优化的能量管理策略[57],如表3所示。

表3 能量管理策略

3.2.1基于规则的能量管理策略

基于规则的能量管理策略是指根据专家经验或根据目标来设计其能量流动形式和流向,遵循“如果初始条件,那么执行动作”的预设规则[71]。规则可以通过实验或数值研究控制输出(例如负荷减少)和控制变量(例如区域温度)之间的关系而预先定义。总体而言,基于规则的能源管理策略因其简单高效而在工程实践中得到广泛应用,由于不涉及复杂的计算和优化过程,其可以快速作出响应,并实时调整能源系统的运行状态。但是,受限于其自身“规则”,这类方法很难应用于复杂的分布式能源系统[63]。

3.2.2基于优化的能量管理策略

电网交互建筑调度优化问题是一个具有大量约束和变量的非线性问题,而基于优化的能量管理策略则能将该问题抽象为数学形式,再选择合适的优化算法求解。近年来,大量技术已应用于该领域,一般可分为以下几类:传统技术、启发式算法、模型预测控制等[72]。

1) 传统技术。

传统技术是指利用基于确定性算法的数学优化技术,其解决方案通常是使用商业求解器获得的。在电网交互建筑协调调度问题中可用传统技术解决的常见优化问题包括线性规划、混合整数线性规划、动态规划及求解不确定优化的随机优化等[61-62]。此类传统技术可以利用优化问题的解析性质收敛到全局最优解,但是,当其用于求解复杂系统或解决大规模时间尺度优化问题时,确定性优化方法将导致较长的计算时间和较高的计算成本。

2) 启发式算法和元启发式算法。

启发式算法是指使用容易获取的信息来解决人和机器的问题,从而在允许的时间长度内获得足够好的结果的策略,而元启发式算法从属于启发式算法,通常使用乱数搜寻技巧,可以更广泛地应用到函数优化中[73]。在研究电网交互建筑协调调度问题中较为常见的该类算法包括粒子群优化算法、遗传算法及其改进算法等[65-66]。这类算法可以在可接受的时间内给出所优化问题的解,但是该类算法所求的结果不一定是全局最优解,而可能是局部最优解[74]。

3) 模型预测控制。

近年来,模型预测控制(model predict control,MPC)也被广泛应用于建筑环境控制和建筑能源管理领域[75]。MPC是一种约束控制方法,它能够预测受控系统的未来行为,并通过优化目标函数来确定适当的控制行为,以比较不同控制策略并选择最佳策略[76]。MPC在每次迭代时,仅执行控制策略的第一步,并在下一个时刻再次进行优化来增强其鲁棒性和控制精度[77]。其优势在于它能够考虑系统的动态特性,对未来的变化进行预测,从而能更准确地响应系统的需求和变化。此外,MPC适用于复杂系统,能够处理多变量和多个约束条件,为建筑环境控制和能源管理提供更灵活的控制策略。但同时MPC计算复杂性较高,需要大量计算资源和时间,因此在实际应用中可能会受到限制。此外,在实际应用中,预测误差可能会导致控制的不稳定性,因此需要谨慎处理预测误差的影响,以确保系统的稳定性和性能。

3.3 调度策略

在电网交互建筑的调度中,需要合理地安排建筑能量的生产、储存和消费,以实现能源的高效利用和供需平衡。这涉及到多个建筑之间的协同调度和优化,并且影响到整个能源系统的高效运行。电网交互建筑的调度策略可以分为集中式和分布式2种,如表4所示。

表4 调度策略对比

3.3.1集中式调度

集中式调度是指通过一个中心控制器或优化器来协调和管理所有建筑的能量调度。在集中式调度中,所有建筑的能量需求、能源产生和储存等信息都汇总到一个中心节点进行综合优化和决策。这种方法可以全局性地考虑所有建筑的能源互补和协同作用,实现整体性能的最优化。集中式调度的优点在于它能够通过全局优化实现整个系统的最优效率,尤其在面对大规模建筑群的复杂调度问题时,集中式调度能够显著提高能源利用效率和经济性[85]。然而,集中式调度也存在一些局限性[86]。首先,集中式调度需要大量的信息交互和计算资源。所有建筑的信息都需要传输到中心节点,这将带来大量的通信负担,尤其当中心节点出现故障或通信中断时,整个能量管理系统可能会受到影响。同时,由于集中式调度需要全局信息,可能会引发隐私和安全方面的顾虑,特别是涉及用户个人信息和能源数据的情况[87]。

3.3.2分布式调度

在分布式调度中,每个建筑拥有一定程度的自治权和决策能力[83],能够根据自身的需求和能源情况作出独立的调度决策,无需依赖中心控制器。这使得分布式调度具有较高的灵活性和实时性,每个建筑可以根据实际情况作出快速决策,适应能源需求的变化和不确定性。此外,分布式调度在数据隐私和安全性方面也具有一定优势。每个建筑只需要共享必要的信息和数据,而不必向中心节点披露所有细节,因此可以减少敏感信息的传输和暴露的风险[88]。然而,分布式调度也面临一些挑战。首先,分布式调度相比集中式调度而言,需要进行反复迭代求解,计算量较大,尤其是在建筑数量众多、系统规模庞大的情况下,计算复杂度会显著增加[87]。如果迭代次数很多甚至不收敛,还会对算法的稳定性造成影响,不利于调度的实现[81]。其次,由于分布式调度需要建筑之间进行信息交换和协调,通信量较大,特别是在实时调度和快速响应的情况下,通信负担会更加显著。高负载的通信网络可能会导致通信延迟,影响系统的准确性和稳定性,从而影响能源调度的效果。

4 案例研究

4.1 案例概况

本文针对上海市一个小型居住社区进行案例研究,该园区共含3种类型建筑:多层居住建筑(1#建筑)、双层小别墅(2#建筑)和超市(3#建筑)。考虑建筑的功能区划分和工作日与非工作日的差异,参考相关标准[89-90]设定了不同的建筑参数和运行状况,如表5所示。采用EnergyPlus软件模拟计算得到该园区全年8 760 h的逐时冷热负荷,如图3所示,全年最大冷负荷为453.27 kW,最大热负荷为221.44 kW。

表5 园区建筑参数

图3 全年逐时冷/热负荷

园区建筑能源系统整体结构如图4所示,包含供电单元、电储能设备、热储能设备和制冷供暖设备等,可以满足园区内建筑的冷、热、电负荷需求。供电单元包括市政电网和光伏发电系统,其中,市政电网系统采用峰平谷“三部制”分时电价,各电价时间分布如表6所示[91];假设该园区所有建筑屋顶面积的70%铺设有光伏板,铺设总面积为1 600 m2,光伏铺设时倾角为25°,光伏板转换效率为15%,温度系数α为0.005 ℃-1,光伏发电系统可发电供给该园区使用,也可向电网售卖多余电量以获取利益。根据上海市燃煤发电基准价(0.415 5元/(kW·h))[92]和光伏发电上网项目补贴价格(0.05元/kW)[93],本文设定该园区的上网电价为0.465 5元/(kW·h)。电储能设备采用蓄电池装置,可存储来自光伏发电的多余电能,并可向负荷侧供电。热储能设备为蓄冰槽,该装置与双工况机组联合作用,利用冰的潜热储存冷量并适时满足冷负荷需求。制冷供暖设备包含双工况机组、空气源热泵及其配套风机、水泵、冷却塔等设备,满足各个季节的冷热负荷需求。

表6 三部制电价

4.2 优化目标

在案例研究中分别以经济性最优和碳排放最优为目标进行调度。在经济性最优的调度中,优化目标是最小化园区电力调度总费用,其主要包括购电成本和售电获益两部分。其中,购电成本代表园区在调度时间内购买电力所需支付的费用,而售电获益表示园区通过售出多余电力而获得的收益。在碳排放最优的调度中,优化目标是使调度周期内的碳排放量最少。由于在案例中仅涉及电能的消耗,并且假设光伏发电不产生碳排放,因此碳排放最优意味着最小化向电网购买电力的数量。优化目标函数如式(1)和式(2)所示。

经济性最优:

(1)

碳排放最优:

(2)

式(1)、(2)中Cb(i)、Cs(i)分别为第i个时间步长下向电网买电和向电网卖电价格;Pg,b(i)、Pg,s(i)分别为第i个时间步长向电网买电和向电网卖电的电量;F为电力碳排放因子。

滚动时域优化(receding-horizon optimization,RHO)是应对电网交互建筑协调调度中新能源和负荷不确定性的方法之一[94]。在本案例中将采用滚动时域优化的方法,以集中式调度的方式在典型日的基础上分析多日之间相互协作的可能性,以期达成更长时间尺度上的共赢。

4.3 调度优化策略结果分析

4.3.1经济性最优

经济性最优条件下各典型日的电力调度如图5所示。在制冷季的经济性最优调度中,蓄冰槽首先在电价峰值时段承担冷负荷,在电价平值时段辅助其他制冷主机满足冷负荷需求。同时,蓄电池仅在电价峰值和平值时段放电,以优化经济性。此外,在制冷季工作日、过渡季工作日和过渡季周末,通过光伏发电、蓄电池及蓄冰槽的协调配合,能够满足典型日电价峰值和平值时段的电负荷需求。然而,在制冷季周末、供暖季工作日和供暖季周末,无法仅仅依赖光伏发电量和蓄电池的协调来满足当日所有电价峰值和平值时段的负荷需求,因此需要电网来分担部分负荷。

图5 经济性最优电力调度

此外,本文还对滚动优化方法进行了探讨,通过调整滚动优化中的预测域时间,更改其预测域长度(包括24、48、72 h),从而针对每个季节的工作日和周末单日的运行情况进行了详细分析。研究发现,在制冷季的周四至周日将预测域调整为72 h的滚动时域优化,能够增强工作日和周末之间的协同配合,从而显著提高调度的经济性。而对于其他情况,选择预测域时间为24 h的滚动时域优化即可达到预期目标。

4.3.2碳排放最优

碳排放最优条件下各典型日的电力调度如图6所示。在碳排放最优调度中,其调度优化结果是以下两部分的综合作用:首先,从源头上减小整体电负荷,即在满足冷负荷的基础上尽可能减少冷水机组耗电;其次,尽可能就地消纳光伏发电量,因为光伏发电量进出电池会产生能量损耗。在涉及热储能的制冷季中,其优化调度更为复杂,并且更关注如何从源头减少整体电负荷及如何最大限度地就地消纳光伏发电量。因此,在制冷季的调度中,一方面需要选择与冷负荷更匹配且综合性能系数更高的机组组合来承担冷负荷,另一方面要选择在太阳辐射较强的时段启动双工况机组的制冰模式,及时消耗光伏发电量并将其转化为冷量进行储存。

图6 碳排放最优电力调度

由于碳排放最优调度不需要考虑向电网卖电的情况,因此一旦光伏发电板有多余电量,就会将其储存到电池中,然后在后续需要时释放出来。在制冷季和供暖季,其整日发电量始终小于整日能耗,一日结束时蓄电池的电量也会完全消耗。而在过渡季,其单日光伏发电总量大于电负荷,所以对于任何蓄电池有余电且光伏板发电量小于此刻电负荷的情况都将由蓄电池承担电负荷。因此,在碳排放最优调度中,选择预测域时间为24 h的滚动时域优化即可。

4.3.3调度结果对比

各个典型日下经济性最优和碳排放最优调度方案下的费用支出和所产生的碳排放量如表7所示。在经济性最优调度中,由于考虑了电力价格因素,蓄电池放电通常会选择在电价峰值或平值时段进行。相比之下,在碳排放最优调度中,蓄电池放电情况是基于电负荷的预测值,应综合考虑哪几个时间步长下电负荷的总和与蓄电池内储存电量的差异最小。而对于供暖季周末这种任何时刻其光伏发电量均小于电负荷的情况,则碳排放最优调度结果与经济性最优调度结果一致。

表7 经济性最优与碳排放最优调度结果比较

5 讨论与展望

5.1 多能源互补与协同优化

多能源互补实现不同能源形式之间的资源优化配置和协同利用,并将各个子系统的调度和运行纳入整体考虑,实现系统的整体性能最优化。然而,多能源互补与协同优化也面临着一系列挑战。首先,多能源互补涉及到多个能源形式的集成和协调,需要解决不同能源之间的时空耦合和不确定性问题[95]。在实际应用中,如何准确地确定不同能源之间的互补关系,以及如何在不同时间尺度上进行协同调度,仍需深入研究并且实践。其次,协同优化涉及到多个子系统之间的协调和决策,面临着复杂的优化问题[96]。如何建立合适的优化模型,考虑不同子系统的约束和耦合关系,以及设计高效的优化算法,还需要进一步的探索。因此,为了有效实现多能源互补与协同优化,需要采用跨学科方法,结合能源系统工程、优化方法、博弈论等理论和方法,并且进行实际应用和大规模实验验证,探索多能源之间的协同机制和优化策略。

5.2 多个利益主体之间的博弈

随着能源转型和智能电网的发展,电网交互建筑涉及到多个主体之间的博弈,建筑业主、能源供应商、电网运营商等利益主体之间的利益关系变得更加复杂[97]。在这样的多利益主体博弈背景下,如何实现资源优化配置、维护系统稳定性及保障各方利益是一个需要深入探讨的问题。灵活的电价政策和奖惩机制可以激励建筑业主在高峰时段减少能源消耗,缓解电网负荷压力。然而,制定经济激励机制时需要考虑不同利益主体的需求和目标,确保激励政策平衡各方利益,避免出现偏向某一方的情况。同时,多利益主体之间的协作与竞争关系也需要进一步考虑,建筑之间可以通过能源交换和协同调度实现资源互补,提高能源利用效率,但也可能出现竞争导致合作难度增加。因此,如何建立合理的合作与竞争机制,对实现多方利益的均衡和最大化至关重要。

5.3 能源政策和市场机制

能源政策和市场机制是综合能源系统发展的关键影响因素。建立健全的能源市场是实现能源资源优化配置和市场竞争的重要手段,差异化的电价政策、能源交易平台及市场竞争机制都是推动能源市场健康运行的关键因素[98],因此需要建立开放的能源市场,为新能源技术和综合能源系统的应用提供更广阔的发展空间。同时,相关部门对能源政策的稳定性和可持续性的关注,将为企业和投资者提供一个可预见的政策环境,从而促进能源市场的健康发展。能源生产者和消费者之间可以更加灵活地进行资源交换和能源协同优化,提高能源的综合效率和运营灵活性。因此未来需要进一步探索更具有市场竞争性和透明度的市场设计,为不同能源形式的生产、储存和消费提供更公平、高效的交易平台,加强能源政策和市场机制的协同配合,形成更加有力的政策措施和市场推动,推进综合能源系统的广泛应用。

6 结论

本文回顾了电网交互建筑的系统框架和模型构建方法,对电力协调调度优化策略进行探讨,并以一个小型居住社区为案例进行调度优化策略研究,总结如下:

1) 电网交互建筑通过建筑与电网之间的互动和协作,为建筑提供了效率、削减、转移、调节和发电5种模式的电网服务。这使得建筑能够灵活适应不同情况下的能源管理需求,为电力系统的平衡运行提供了有效手段。

2) 电网交互建筑系统框架包含了分布式能源系统、储能系统、建筑系统、市政电网等多个子系统,它们相互耦合构成了电网交互建筑模型,通过综合考虑各个子系统之间的协调调度和优化,实现建筑能源的高效利用和供需平衡。

3) 需求响应策略可以调整用户用电行为,降低能源成本;能量管理策略通过规则或优化方法实现能源的最优利用;调度策略可以协助分配建筑间的能源资源,优化整体能源效率。综合运用这些策略,电网交互建筑能够灵活应对复杂多变的电力系统运行情况,促进能源的可持续发展和电力系统的稳定运行。

4) 在电网交互建筑的未来发展中,需要深入探讨多能源互补与协同优化,实现各种能源形式的互补利用,并解决多个利益主体之间的博弈,实现共赢。科学制定能源政策和市场机制也是至关重要的,从而为电网交互建筑的推广和应用提供有力支持。这些因素的综合考虑将为电网交互建筑的普及和推广奠定坚实基础,同时也为清洁能源的可持续利用和建筑能源的高效管理提供支持。