1、能源互联网下商业楼宇能量管理优化算法 郑宇 赵俊华 董朝阳 王德志 潘振宁 李正佳 南方电网科学研究院 苏州华天国科电力科技有限公司 摘 要： 文章提出能源互联网下商业楼宇能量管理优化模型, 该模型具有多能源融合的特点, 并考虑了在商业分时电价机制下, CCHP 与储能装置的协调配合策略。在优化目标函数上综合考虑了楼宇舒适度与能源费用支出。最后, 对某市某综合商业楼宇的仿真算例表明:该模型能够有效满足楼宇舒适度的需求, 同时能够降低商业楼宇在能源费用的支出;在求解算法上, 文中所用灰狼优化算法明显比GA、PSO 算法具有更大的优势。关键词： 能源互联网; 商业楼宇能量管理; 多能源融合; CC
2、HP; 作者简介：郑宇 (1987) , 男, 工学博士, 主要从事电力系统规划、智能电网、能源互联网等方面的研究工作。Email:作者简介：赵俊华 (1980) , 男, 工学博士, 主要研究方向为电力系统分析与计算、智能电网、数据挖掘与计算智能、电力市场。Email:作者简介：董朝阳 (1971) , 男, “千人计划”特聘专家, 主要研究方向为电力系统安全性、电力系统规划与管理、电力市场仿真与风险管理、数据挖掘。Email:Joe.Dongsydney.edu.au收稿日期：2016-12-24基金：中国南方电网科技项目 (WYKJ00000027) Energy management
3、optimization algorithm for commercial buildings under energy InternetZheng Yu Zhao Junhua Dong Zhaoyang Wang Dezhi Pan Zhenning Li Zhengjia Electric Power Research Institute, China Southern Power Grid Co., Ltd.; Suzhou Huatian Power Technology Co., Ltd.; Abstract： This paper puts forward the energy
4、management optimization model of commercial buildings under the energy Internet, which has the characteristics of multi-energy fusion, and considers the coordination strategy of CCHP and energy storage devices under the commercial TOU mechanism. Building comfort and energy expenditure are considered
5、 in the optimization objective function. Finally, a simulation of a comprehensive commercial buildings shows that the model can effectively meet the needs of building comfort, also can reduce the expenditure of energy costs in commercial buildings; for the algorithm, the Grey optimization algorithm
6、obviously has more advantages than the GA and PSO algorithm.Keyword： energy Internet; commercial building energy management; multi energy fusion; CCHP; Received： 2016-12-240 引言随着世界能源的不断消耗, 传统的石油能源十分紧缺, 同时伴随着各类新能源的开发和信息技术的发展, 全球的能源格局正在从以往的单一能源供应走向分布式小能源与集中式大能源共同供应的能源互联网模式。在这种模式下, 电力网、天然气网络等能源网是能源互联网的
7、重要组成部分, 通过多能流的互相融合使用, 能够使得能量管理变得更为可靠和灵活1-2。在能源互联网下的需求侧, 工商业用户是电力消费的重要成分。工商业负荷具有总量大, 用电规律和具有十分可观的需求响应潜力的特点。研究工商业的能量管理, 能够将能源侧与需求侧结合起来, 通过工商业负荷的需求响应, 不仅能够有效优化电网的负荷曲线, 达到削峰填谷的效果, 而且能够给予工商业用户一定的补贴, 减轻其在能源方面的费用支出。由于商业负荷多为大量集中的照明负荷、空调负荷等, 在不影响商业运营的前提下, 集中式的控制手段与调节方式更为灵活多样, 还能够减少对电网造成的冲击, 是需求响应实施的理想用户3。而工业
8、用户由于其生产线及相关生产设备不能频繁开关, 从而其可调性不如商业用户来得灵活。商业负荷是区域用电负荷的重要组成部分, 由于商业用户的高度集中, 使得商业负荷呈现高密度的特点, 相比于分散的社区与家庭负荷, 商业负荷能够实现集中的控制与调节, 基于电价与激励报酬的需求侧响应更容易实现, 经济效益更为客观4-5。因此, 本文以综合商业楼宇负荷与多种能源为研究对象, 考虑多能源融合的能源供应模式, 建立商业楼宇能量管理 (commercial building energy management, CBEM) 优化模型, 以商业楼宇的舒适度和经济性为目标函数, 同时考虑在分时电价机制下其主动通过储
9、能装置来进行负荷转移抑制负荷曲线波动6-7。最后利用灰狼优化算法8 (grey wolf optimizer, GWS) 对某市某综合商业楼宇的模型进行求解仿真。1 CBEM 模型在 CBEM 模型中, 综合商业楼宇用电主要包括制冷系统、供热系统、照明系统、动力系统、办公设备及其他用电。其中照明系统、动力系统、办公设备及其他用电与季节没有太大相关性, 因此认为其电负荷全年基本稳定, 但空调系统和供热系统作为与人体舒适度相关的重要设备, 其负荷与季节和温度有十分紧密的联系。在本文所提的综合商业楼宇中, 还包括了储能系统和冷热电联产 (combined cool、heat and power, C
10、CHP) 系统, 其中 CCHP 与储能装置作为电力生产与储存的装置, 与电网配合供电;热能供给系统主要由 CCHP 的余热供给。因此, 本文的 CBEM 是一个多能源融合的能量管理模型, 其框架图如图 1 所示。图 1 CBEM 框架图 Fig.1 Framwork of CBEM 下载原图本文所提的 CCHP 的工作原则是以热定电, 根据当前时刻的商业楼宇所需热负荷, 通过燃气发电机与热回收装置来提供所需的热能与一定比例的电能1。基于该种工作模式, 楼宇所需的电负荷由电网、CCHP 与储能系统协调配合供给, 其基本原则为:楼宇电负荷优先由 CCHP 提供的电能满足, 不足的电量则通过电网供
11、电;若 CCHP 提供的电能有所富余, 则通过储能装置进行存储电能;储能系统则根据 CCHP 的工作状态与当前总负荷量与电价信息, 确定其充放电状态。储能系统在商业楼宇能量管理系统中起到了转移负荷的作用。2 CBEM 组件模型本文的 CBEM 模型由基本负荷、室温调节负荷、热水负荷以及储能系统与燃气发电机等组件组成。其中基本负荷由照明系统、动力系统、办公设备及其他电负荷基本稳定的部分组成, 在考虑电价激励的管理策略下, 其基本不受电价波动影响。2.1 室温调节负荷模型商业楼宇的室温调节负荷需将室内温度控制在满足用户舒适度的范围内。根据能量守恒定理可知, 单位时间内室内空气从室外吸收的热量为:式
12、中 Qt为 t 时刻室内从室外吸收的热量;T t和 Tt分别为 t 时刻室外和室内的温度;R 为房屋热阻。在制冷机工作时, 其从室内吸收热量从而降低室内温度, 室内的温度变化为:式中 Pt为 t 时刻制冷功率;C air为空气比热容;t 为时间步长。其离散化表达式为9:在供暖时, 由 CCHP 提供热量, 室内的温度变化为:式中 ht为 t 时刻供暖功率。其离散化表达式为:2.2 热水负荷模型热水负荷考虑为储水箱, 其主要为了使水箱储存的热水随时能够处于用户可接受的温度范围内, 并假设当热水被消耗后, 会立即有等量冷水注入。根据热力学第二定律, 可得到水温的表达式为10:式中 Tt为 t 时刻
13、的热水温度;、V、C w分别为水的密度、水箱容积和水的比热容;V t是 t 时刻注入冷水的体积;T 是注入冷水温度;h t是 t 时刻加热功率。2.3 储能模型本文考虑的储能模型为蓄电池组, 并假设其t 时段内充放电功率恒定, 以其荷电状态 (state of charge, SOC) 作为评估变量, 其充放电模型数学表达式为11:式中 SOCt为 t 时刻的蓄电池荷电状态;P t和 Pt为蓄电池 t 时刻的充放电功率; ch和 dch分别为充放电效率;B batt为蓄电池容量。同时, 考虑蓄电池不工作时, 会产生一定的静态损耗, 本文考虑 1%/小时的静态损耗。2.4 CCHP 模型CCHP
14、 集成了发电、制热、制冷等功能, 其输出的电功率和热功率满足1:式中 Pt, ht, ft分别为 t 时刻 CCHP 输出的电功率、热功率和天然气消耗速率; e和 h分别为 CCHP 的电转化效率和热转化效率; gas为天然气的热值。3 多目标 CBEM 优化模型3.1 目标函数CBEM 优化模型以商业楼宇的舒适度及支出费用成本作为目标函数。其中舒适度目标即楼宇的室内温度能够控制在人体可接受范围内, 本文以实际温度与人体最舒适温度的差值最小为舒适度目标函数;而支出费用成本函数则包括了电网购电费用及天然气消耗费用, 本文以两者费用之和最小为经济性目标函数, 两个目标函数可表达如下:式中 Tt和
15、Tt为室温和水温的在 t 时刻期望值;TOU t为 t 时刻的商业分时电价;P t为 t 时刻网购电功率;prc t为 t 时刻天然气价格。3.2 约束条件(1) 电力有功功率平衡电力能量交换需满足能量守恒定律, 即:式中 Pe为电负荷功率之和。(2) 室温调节负荷和热水负荷约束室温调节系统与储水箱需分别满足功率约束与舒适度约束如下:式中 Pmax和 hmax分别为制冷功率和供暖功率上限;h max为热水器加热功率上限;Tt、T min和T max分别为室温与期望值的偏差及其上下限;T t、T min和Tmax分别为水温与期望值的偏差及其上下限。(3) 储能充放电功率约束考虑到安全因素, 蓄电
16、池充放电功率须时刻控制在安全范围之内, 并且其 SOC不能低于一定的值:式中 Pmax为蓄电池的充放电功率;P max和 Pmax分别为充放电功率极限;SOC min为SOC 允许最低值。(4) CCHP 运行约束:当室温调节系统处于制热时, CCHP 除了为储水箱提供热功率 ht外, 还为室内供暖提供了热功率 ht, 其需要满足能量守恒定律, 即:此外, CCHP 工作与以热定电模式, 其输出的电功率与热功率还需满足以下关系:式中 hmax和 hmin分别为 CCHP 输出的热功率最大值和最小值;P max和 Pmin分别为CCHP 输出的热功率最大值和最小值。4 CBEM 模型求解算法本文
17、采用 GWO 算法来求解上述 CBEM 优化模型。GWO 算法是 Seyedali Mirjalili等人受狼群社会组织和捕猎策略行为启发而提出的群搜索智能算法。该算法将每个解视作一匹狼, 最优解视作“猎物”, 以“狼群”为依托对猎物进行搜索捕食, 借鉴狼群社会的等级制度对各解进行分级, 参照狼群捕食时的包围策略和进攻策略确定各解的位置和搜索方向, 从而得到最优解。GWO 算法中, 每一个解视作一匹狼, 将每轮迭代适应度最好的解设为 狼, 次优和第三优的解分别设为 狼和 狼, 其余解皆为 狼。、 和 共同领导狼群的行进方向并找出最优解。GWO 算法流程图如图 2 所示。图 2 灰狼优化算法流程
18、图 Fig.2 Framwork of CBEM 下载原图5 算例分析5.1 仿真参数设置对南方某市某栋综合商业楼宇在夏季与冬季的典型日进行仿真分析。假设该市商业电价采用分时电价机制, 其电价曲线如图 3 所示。天然气价格为 3.6 元/m。储水箱及室温调节系统的相关参数设置如表 1 所示, CCHP 的相关参数设置如表 2 所示, 储能系统的相关参数设置如表 3 所示。本文优化时间尺度为t=1 h, 仿真时间一天 24 小时。图 3 商业分时电价曲线 Fig.3 Commercial TOU curve 下载原图表 1 储水箱及室温调节系统的相关参数设置 Tab.1 Parameter se
19、tting of water tank and room temperature regulation system 下载原表 表 2 CCHP 相关参数设置 Tab.2 CCHP related parameter settings 下载原表 表 3 储能系统相关参数设置 Tab.3 Parameter setting of energy storage system 下载原表 5.2 仿真结果比较分析在夏季典型日中, 综合商业楼宇中供暖系统不会启用, 故 CCHP 产生的热功率仅供热水负荷使用。由图 4 可知, 一天 24 小时内, 该楼宇的室内温度基本能够维持在 23上下, 而热水温度则
20、由于热水的使用, 冷热水混合而导致其温度在45上下波动。两者均能够满足式 (13) 、式 (14) 的温度约束条件。由图 5可知, 楼宇的电负荷主要由基本负荷与制冷负荷组成, 其电能来源包括 CCHP 出力、储能出力与网购电。由于楼宇的电负荷量大, 而 CCHP 与储能装置由于其出力及容量限制, 大部分电负荷还是需要由网购电来满足, 但由于 CCHP 与储能装置的配合, 从图 5 中可以看出, 楼宇电负荷曲线能够有效的进行负荷转移, 尤其是在分时电价的激励下, 储能装置能够有效地通过高电价放电、低电价充电的方式来降低整体电费支出, 假如所有电负荷及热负荷均有电网供电, 其电费支出需 20 62
21、8 元, 而在当前条件下, 由表 4 可知, 电费加燃气费总共为 19 295 元, 从而使得楼宇的能源费用支出减少。由表 4 可以看出, 夏季总负荷曲线标准差值为 383.28 k W, 而电网供电曲线标准差值为 319.66 k W, 由此可以看出, 由于 CCHP 与储能装置的加入, 使得电网的负荷曲线波动程度得到一定的抑制。图 6 是 CCHP 的热功率、电功率及天然气消耗速率曲线, 由于夏天无暖气需求, 该热功率全部用来加热热水, 并由于 CCHP 工作于“以热定电”的模式, 从而其电功率曲线与天然气消耗曲线与热功率曲线一致。CCHP 的加入使得天然气燃烧产生的热能得以利用, 在一定
22、程度上实现了电气转化的效果。图 4 热水温度及室内外温度曲线 (夏季) Fig.4 Hot water temperature and indoor and outdoor temperature curves (Summer) 下载原图图 5 负荷及出力曲线 (夏季) Fig.5 Load and output curve (Summer) 下载原图在冬季典型日中, 由于室外气温相对较低, 因此综合商业楼宇启用供暖系统, 与此同时制冷系统关闭, 且供暖系统所需的热功率和热水负荷均有 CCHP 产生的热功率提供。由图 7 可知, 冬季由于室外温度较低, 室内温度基本能够维持在22上下;而由于冬
23、季热水使用量较大较频繁, 热水温度维持在相对较低的水平, 在 41上下波动, 但也能够满足式 (14) 的温度约束条件。从图 8 可以看出, 相比于夏季, CCHP 的热负荷出力增长了 23 倍, 并且其电能出力及天然气消耗速率也相对提高了 23 倍。从图 9 可以看出, 冬季与夏季的基本负荷相同, 这是因为该部分用电设备的使用与季节基本无关, 因此其负荷曲线在本文中假设不变。同时, 由表 5 可知, 冬季的电网负荷曲线与楼宇负荷曲线相比, 其标准差降低了约 40 k W。图 6 CCHP 输出热功率、电功率及天然气消耗速率曲线 (夏季) Fig.6 CCHP output thermal p
24、ower, electrical power and natural gas consumption rate curve (Summer) 下载原图图 7 热水温度及室内外温度曲线 (冬季) Fig.7 Hot water temperature and indoor and outdoor temperature curves (Winter) 下载原图为了比较本文所用 GWO 优化算法的效果, 加入了遗传算法 (Genetic Algorithm, GA) 12与粒子群算法 (Particle Swarm Optimization, PSO) 13两种典型优化算法进行比较, 其比较结果如
25、表 4 和表 5 所示。从两个表格中可以看出, GWO 的优化结果, 商业楼宇的电费与燃气总支出低于 GA 与 PSO 的优化结果。而在通过负荷转移来抑制负荷曲线波动的效果上, GWO 同样具有一定的优势。综上所述, 本文所选 GWO 优化算法对于求解 CBEM 模型具有良好的效果。图 8 CCHP 输出热功率、电功率及天然气消耗速率曲线 (冬季) Fig.8 CCHP output thermal power, electrica power and natural gas consumption rate curve (Winter) 下载原图图 9 负荷及出力曲线 (冬季) Fig.9
26、Load and output curve (Winter) 下载原图表 4 算法效果对比 (夏季) Tab.4 Comparison of algorithm results (Summer) 下载原表 表 5 算法效果对比 (冬季) Tab.5 Comparison of algorithm results (Winter) 下载原表 6 结束语在能源互联网的背景下, 提出了一种商业楼宇能量管理优化模型, 该模型具有多能源融合的特点, 并考虑了在分时电价机制下, CCHP 与储能装置的协调配合策略。由 GWO 求解 CBEM 模型的仿真结果可知, 该模型能够有效满足楼宇舒适度的需求, 同时
27、能够降低商业楼宇在能源费用的支出。参考文献1张华一, 文福拴, 张璨, 等.计及舒适度的家庭能源中心运行优化模型J.电力系统自动化, 2016, 40 (20) :32-39.Zhang Huayi, Wen Fushuan, Zhang Can, et al.Operation Optimization Model of Home Energy Hubs Considering Comfort Level of CustomersJ.Automation of Electric Power Systems, 2016, 40 (20) :32-39. 3Perez-Lombard L, Ortiz J, Pout C, A review on buildings energy consumption informationJ.Energ Buildings, 2008, 40 (3) :394-398.
