考虑需求侧管理的建筑EMS源-荷协调优化控制策略

刘晓丽， 陈奇芳， 王 飞,2， 任 惠， 苏 适，严玉廷， 陆 海， N.A.Engerer， 董 凌

(1.华北电力大学 新能源电力系统国家重点实验室，河北 保定 071003； 2.美国伊利诺伊大学厄巴纳-香槟分校，美国伊利诺伊州厄巴纳 61802； 3.云南电网有限责任公司电力科学研究院，云南 昆明 650217；4.澳大利亚国立大学环境与社会学院，澳大利亚堪培拉 2601； 5.国网青海省电力公司，青海 西宁 810008)

考虑需求侧管理的建筑EMS源-荷协调优化控制策略

刘晓丽1， 陈奇芳1， 王 飞1,2， 任 惠1， 苏 适3，严玉廷3， 陆 海3， N.A.Engerer4， 董 凌5

(1.华北电力大学 新能源电力系统国家重点实验室，河北 保定 071003； 2.美国伊利诺伊大学厄巴纳-香槟分校，美国伊利诺伊州厄巴纳 61802； 3.云南电网有限责任公司电力科学研究院，云南 昆明 650217；4.澳大利亚国立大学环境与社会学院，澳大利亚堪培拉 2601； 5.国网青海省电力公司，青海 西宁 810008)

随着建筑用能的不断增加，建筑系统节能降耗，提高经济性已经成为迫切需要解决的问题。利用EnergyPlus软件建立建筑三维立体模型，分析室内环境参数与建筑能耗的关系。通过需求侧管理中的直接负荷控制方法在用户允许的范围内适当改变室内环境参数来实现建筑系统的节能降耗。建立经济性最优的优化模型，通过YALMIP求解器对各电源功率出力进行优化。将需求侧管理控制策略与电源的优化相结合，从负荷及电源两个角度对建筑能量系统进行优化管理，在几乎不影响用户舒适度的前提下降低建筑能耗，提高系统经济性，最后通过算例验证了该优化控制方法的有效性。

建筑能耗模拟； 需求侧管理； 优化控制； 可控负荷； 经济性优化

0 引 言

随着经济的快速发展以及城镇化的不断推进，建筑用能越来越受到大家的关注，如何在不影响建筑物室内环境舒适度的前提下降低建筑能耗，提高建筑整体的经济性已经成为讨论和研究的热点。需求侧管理是在满足用电功能的同时，减少电量消耗和电力需求，以达到节约资源、保护环境、实现社会效益最低、成本最低的能源服务所进行的管理活动[1]，是将需求方节约能源和科学合理使用能源作为供应侧一种可替代资源的方法[2]，其主要包括能效服务、负荷管理、能源替代、余能回收及新能源发电等方面。在建筑节能的过程中结合需求侧管理策略进行控制是一种有效的控制方法。

文献[3]运用需求侧管理策略通过改变恒温器的温度设定点及可平移负荷的启动时间来减少用电高峰期的电负荷值，以高峰负荷值最小为目标，使用混合整数线性规划方法进行求解。文献[4]提出了一种交互式的建筑电力需求管理策略，运用TRNSYS软件与Matlab软件相结合模拟实际建筑用能及其与其他电源及外部电网的互动，旨在促进商业建筑与智能电网之间的互动和电网优化。文献[5]采用需求侧管理中的直接负荷控制的方法根据新能源发电量及建筑的热舒适度来改变用电高峰期用于加热的电负荷，进行电负荷峰值调节来提高系统整体的经济性。文献[6]使用EnergyPlus软件建立了建筑变风量空调模型，并且结合BCVTB软件和Matlab软件运用模型预测控制方法对建筑的供热、供冷及通风模型进行了优化控制，达到了节约能源与提高经济性的目的。文献[7]运用DIALux Evo软件建立了教室的三维立体模型，通过自然太阳光照与人工照明之间的互动对室内的照度进行控制，达到节约能源与降低能耗费用的目的。文献[8]使用EnergyPlus软件建立建筑模型，采用模型预测控制方法，实时模拟建筑能耗，结合BCVTB软件进行协同仿真，数据表明能耗预测值与实际值的偏差在可接受的范围内，控制算法有效。

以上文献将需求侧管理运用到建筑节能降耗、提高经济性的控制中，达到了预先设定的控制目标，但是在研究的过程中对建筑室内环境参数与建筑能耗之间的相关性考虑的较为欠缺，本文在此研究基础上，运用EnergyPlus软件建立建筑三维立体模型模拟建筑运行，建立建筑室内环境参数与建筑能耗之间的关系。优化控制方法可表述为：(1)通过需求侧管理中的直接负荷控制方法在用户设定的允许的范围内适当改变室内环境参数进而对建筑负荷进行控制达到建筑节能降耗的目的。(2)对供电电源建立经济性最优的优化模型，通过YALMIP求解器进行求解，优化各供电电源的功率出力，提高建筑系统的经济性。本文所提优化控制方法的特点在于将需求侧管理控制策略与电源的优化运行相结合，从负荷及电源两个角度对建筑能量系统进行优化管理，在不影响用户舒适度的前提下降低了建筑能耗，提高了系统经济性。

1 建筑能量系统结构

本文所建立的建筑能量系统结构如图1所示。电源包括光伏建筑一体化系统(Building Integrated Photovoltaic，BIPV)、微型燃气轮机(Micro Turbine，MT)及外部电网(GRID)，建筑内部电负荷按照负荷运行特性分类，可分为不可控负荷和参与需求侧管理的负荷，本文重点研究参与需求侧管理的负荷。

图1 建筑能量系统结构图 Fig.1 Structure diagram of building energy system

2 需求侧管理策略

电力需求侧管理是智能电网的一个重要功能，使消费者能够根据能源消耗做出用电决策，并帮助能源供应商改变负荷分布，减少高峰负荷需求[9]。负荷管理是需求侧管理的一个重要组成部分，本文主要研究负荷管理中的直接负荷控制策略，建立室内环境参数与负荷功率的关系模型，在不影响舒适度的前提下通过直接负荷控制策略来改变负荷曲线，达到建筑节能降耗的目的。

照明系统所耗功率在建筑总功耗中占较大比例，对照明系统进行节能控制可以节约20%～50%的电能[10]。在对照明系统的控制中要充分利用太阳光照，控制亮度可调节的照明装置以达到设定的照度标准，从而降低照明所耗功率[7]。

温度控制系统通过改变室内温度值到温度预设值来满足用户对室内热舒适度的要求，其功耗占建筑总功耗的36%～54%[10]。其温度设定值的变化范围由用户根据其实际需求进行设定，例如制冷季将室内温度设定值从24 ℃提高到26 ℃，供热季将室内温度设定值从20 ℃降低到19 ℃，不明显影响舒适度，但可较大程度实现建筑节能降耗[11]。

室内空气质量可以用室内CO2浓度值来表征[12]。通过改变通风量来改变室内CO2浓度进一步改变通风设备所消耗功率[13]。在控制过程中保证CO2浓度在室内用户可接受范围内通过适当降低通风量来降低通风设备所耗功率，在不影响舒适度的前提下，达到节能降耗的目的。

3 优化控制策略

3.1目标函数

建筑能量系统优化的总体目标是在满足用户舒适度的前提下提高系统经济性，本文优化模型以经济性最优为目标，其目标函数可表示为

(1)

式中：以10 min 为一个优化控制时段，一个优化周期即一天被分为144个时段；C表示优化周期内的经济成本，CF(t)、COM(t)、CEN(t)和CEX(t)分别为t时段微燃机燃料成本、设备运行维护成本、环保折算成本和与电网交互功率成本(收益)。

3.1.1 燃料成本

微型燃气轮机的燃料成本可表示为[14]

(2)

式中：CF、PMT(t)和ηMT(t)分别为微燃机在t时段的燃料成本、输出电功率及发电效率，LHVNG为天然气的低位热值，取9.78kW·h/m3，PNG为单位天然气价格，取2.2元/m3。

3.1.2 运行维护成本

运行维护成本包括光伏发电设备的运行维护成本与微型燃气轮机的运行维护成本。

(3)

式中：COM(t)表示t时段运行维护成本，Pi(t)为时段t发电单元i的输出功率，Cmi为发电单元i的单位运行维护成本，分别取光伏单位运行维护成本为0.0 096元/kW，微燃机单位运行维护成本为0.0 401元/kW[14]。

3.1.3 环保折算成本

环保折算成本涉及外部电网与微型燃气轮机，需折算的主要污染物包括CO2、SO2及NOX，其表达式为[15]

(4)

式中：i表示第i个电源，j表示第j种污染物，αj表示第j种污染物的折算系数，元/kg，βi,j表示第i个电源产生的第j种污染物的单位排放因子，kg/kW，Pi(t)表示t时段第i个电源的输出功率。具体折算系数和排放因子见表1[14]。

表1 折算系数和排放因子

3.1.4 与电网交互功率成本

与电网交互功率成本可表示为[16]

(5)

式中：PEX(t)表示t时段与外部电网的交互功率，其大于零时表示从外网购电，小于零时表示向外网售电，Cb(t)和Cs(t)表示t时段购电电价和售电电价。

3.2约束条件

(1)功率平衡约束

(6)

式中：PL(t)和PBIPV(t)分别表示t时段建筑总负荷功率和建筑光伏发电功率。

(2)微燃机输出功率约束

(7)

式中：PMT，max和PMT，min分别表示微燃机的最大和最小出力。

(3)与电网交互功率约束

(8)

式中：PEX，min为与外网交互功率下限，其绝对值表示向外网售电功率上限，PEX，max为向外网购电功率上限。

3.3优化控制策略

本文的优化控制策略基于EnergyPlus软件建立建筑三维立体模型模拟实际建筑运行，通过对建筑模型进行能耗分析及优化控制实现对建筑室内环境的控制及对实际建筑能耗的预测与优化。

使用EnergyPlus软件建立三维立体模型，根据预测的气象参数，模拟实际建筑运行，以10分钟为一个优化控制时段，通过对室内环境参数进行控制进而控制建筑负荷。建立建筑电源供电经济性最优的优化模型，根据模型中的优化目标及约束条件，对可控电源进行优化，确定可控电源功率出力。其优化控制结果作为实际建筑的运行依据。优化控制策略如图2所示。

图2 优化控制结构图Fig.2 Chart of optimization and control

本文中所建立的优化模型为线性优化模型，其优化目标可由决策变量表示为

(9)

优化控制模型采用YALMIP求解器进行求解，其求解流程图如图3所示。优化控制步骤可表述为：(1)运用EnergyPlus软件建立建筑的三维立体模型，获取待优化日的气象参数作为模型的输入。(2)确定各室内区域所要控制的环境参数及控制目标，以10 min为一个优化控制时段，运行EnergyPlus软件。(3)生成各时段的室内环境参数值及其对应的建筑负荷值，同时模拟得到BIPV功率出力。(4)根据确定的优化模型，在Matlab中使用YALMIP求解器对此优化问题进行编程，对各供电电源的功率出力进行优化求解，生成各电源功率优化值。

图3 优化控制流程图 Fig.3 Flow chart of optimization and control process

4 算例分析

本文以北京某建筑为研究对象，使用EnergyPlus软件建立其模型，其三维结构图及平面结构图如图4所示。

图4 建筑立体及平面结构图Fig.4 Three-dimensional structure and plane structure of building

建筑内部基本结构及配置如表2所示，建筑内人数因子及各电器设备工作因子如图5所示。

表2建筑内部基本结构及配置

Tab.2 The basic structure of the building interior and configuration

参数区域1区域2区域3总计面积/m237163716557413006人员/个33410设备照明/W87862521464375878625232216电器设备/W29287511464375878625273219

图5 人数因子及设备工作因子Fig.5 The number factor of people and work factor of equipment

4.1建筑供能系统

4.1.1 外部电网

此建筑模型与外部大电网相连接，与其进行功率交换，分时电价见图6。

图6 分时电价及光伏功率出力Fig.6 TOU price and BIPV output power

4.1.2 建筑光伏发电系统

光伏建筑一体化，是太阳能发电应用的一种新概念。光伏组件在满足光伏发电的功能要求的同时还必须兼顾建筑的基本结构和功能要求。本文的例子中，屋顶光伏发电系统配置容量为24 kW，由于其为可再生能源，所以采取优先消纳利用的策略。本文选取夏季(制冷季)典型日和冬季(供热季)典型日进行分析，模拟的光伏发电预测量如图6所示。

4.1.3 微型燃气轮机

本文模型中选取Capstone公司的C65型微型燃气轮机为例，其容量为65 kW，不考虑外部环境对其发电及燃烧效率的影响，数学关系式已有文献做出详尽介绍[14]，本文不再赘述。

4.2需求侧管理

本文中参与需求侧管理的负荷主要包括照明负荷及空调负荷，其对应的室内环境参数为室内照度，室内温度及室内CO2浓度，算例中分别对区域1进行照度控制，对区域2进行温度控制，对区域3进行CO2浓度控制。

4.2.1 照明系统

为了充分利用太阳光照，对区域1进行照度控制，取其几何中心点作为参考点，其工作日工作时间照度基准值设定为500 lux，其照明设备功率的连续变化范围为[0.3 1]，制冷季和供热季控制前后照明设备所耗功率对比如图7所示。

图7 照明设备所耗功率对比图Fig.7 Power consumption comparison chart of lighting equipment

4.2.2 温度控制系统

对区域2进行温度控制，工作时段供热温度设定为20 ℃，制冷温度设定为24 ℃，为了减小空调供热及制冷能耗，在保证用户室内温度舒适度的前提下，将供热季供热温度降低到19 ℃，制冷季制冷温度提高到26 ℃。制冷季和供热季控制前后室内温度对比如图8所示。

图8 室内温度对比图Fig.8 Indoor temperature comparison chart

4.2.3 室内CO2浓度控制系统

对区域3进行CO2浓度控制，设定的CO2浓度基准值为800 ppm，为了减小空调新风系统的能耗，将送风量降低系数设置为0.9。制冷季和供热季控制前后室内CO2浓度对比如图9所示。

图9 室内CO2浓度对比图Fig.9 Indoor CO2 concentration comparison chart

4.2.4 控制结果分析

控制前后空调能耗对比及建筑总能耗对比如图10～11所示。

图10 空调所耗功率对比图Fig.10 Power consumption comparison chart of air conditioning

图11 建筑消耗总功率对比图Fig.11 Building total power consumption comparison chart

结合图7～9的控制结果及图10～11可以看出，无论是在制冷季还是供热季需求侧管理策略通过适当改变室内环境参数对可控负荷进行削峰，降低了建筑内电气设备使用的峰值功率[17]，在节能降耗的同时也降低了峰时电费。

控制前后总能耗对比如表3所示，制冷季建筑总功耗降低了12.27%，供热季建筑总功耗降低了8.14%，结果表明在不影响用户室内舒适度的前提下通过需求侧管理控制适当改变室内环境参数可以在节能降耗，降低峰值功率方面起到很大作用。

表3控制前后总功耗对比

Tab.3 Total power consumption comparison chart before and after control

功耗供热季制冷季控制前控制后控制前控制后总功耗/kW8594917895621132591993658百分比/%8141227

4.3电源优化

在通过需求侧管理策略对负荷进行直接控制后，根据控制后的建筑负荷值，预测的BIPV功率值及分时电价在满足系统优化目标及约束条件的情况下，运用YALMIP求解器求解该优化问题，确定各电源的功率出力。制冷季和供热季的优化结果如图12～13所示。

图12 制冷季优化前后功率对比图Fig.12 Power comparison chart of cooling season before and after the optimization

图13 供热季优化前后功率对比图Fig.13 Power comparison chart of heating season before and after the optimization

由图12～13的优化结果可知，无论在制冷季还是供热季，优化后与优化前相对比，优化后使系统在电价低的时段优先使用电网供电，在电价高的时段优先使用微燃机供电，这样既提高了建筑系统自身的经济性，同时对电网供电起到了削峰填谷的作用，有利于电网安全经济运行。

优化前后建筑总成本对比如表4所示，优化后与优化前相对比，各经济成本大都有所降低，优化后的运维成本提高是因为微燃机的功率出力明显增大所导致。

由表4分析可知，通过优化各电源出力，经济性成本指标得到了较大幅度提高，供热季经济性提高10.1%，制冷季经济性提高17.23%，达到了优化电源出力，提高经济性的目的。

表4优化前后总成本对比

Tab.4 Total cost comparison before and after optimization

成本供热季制冷季优化前优化后优化前优化后能耗成本/元51973464365743046323运维成本/元245224791835272污染物折算成本/元0888088609350865总成本/元545138490036593585491295百分比/%1011723

5 结 论

本文提出了一种基于需求侧管理的建筑能量系统优化控制方法，该方法分别从电源和负荷的角度对建筑系统进行优化控制。使用EnergyPlus软件建立建筑三维立体模型模拟建筑运行，建立建筑室内环境参数与建筑能耗之间的关系。采用直接负荷控制方法在用户设定的允许范围内通过适当改变室内环境参数达到改变建筑负荷，降低建筑能耗的目的。针对建筑供电电源建立经济性最优的优化模型并使用YALMIP求解器进行优化求解，提高建筑系统的经济性。

通过需求侧管理控制策略与电源的优化控制相结合，从负荷及电源两个角度对建筑能量系统进行优化管理，实现了建筑系统节能降耗，提高系统整体的经济性的目的，同时对外部电网起到了削峰填谷，缓解用电高峰时期电力供应紧张的状况，有利于建筑系统与外部电网安全、经济运行。

算例分析表明，该优化控制方法不仅在很大程度上降低了建筑能耗，而且较大程度的提高了系统的经济性，有效地改善了整个建筑系统的能耗量及经济成本。

[1] 刘振亚．智能电网技术[M]．北京：中国电力出版社，2010．

[2] 吴雄，王秀丽，崔强．考虑需求侧管理的微网经济优化运行[J]．西安交通大学学报，2013，(6)：90-96．

[3] KRYSTIAN X Perez，MICHAEL Baldea，THOMAS F Edgar.Integrated HVAC management and optimal scheduling of smart appliances for community peak load reduction[J].Energy and Buildings，123：34-40.

[4] XUE Xue， WANG Shengwei， SUN Yongjun，et al．An interactive building power demand management strategy for facilitating smart grid optimization[J]．Applied Energy， 2014，116(1):297-310．

[5] FRANCESCA Verrilli，GIOVANNI Gambino，SESHADHRI Srinivasan，et al．Demand Side Management for heating controls in Microgrids[C]．IFAC-Papers OnLine，2016，49(1): 611-616．

[6] MA Jingran， QIN Joe， SALSBURY Timothy，et al．Demand reduction in building energy systems based on economic model predictive control[J]．Chemical Engineering Science， 2012，67(1):92-100．

[7] FERDINANDO Salata，IACOPO Golasi，MAICOL di Salvatore，et al．Energy and reliability optimization of a system that combines daylighting and artificial sources．A case study carried out in academic buildings[J]．Applied Energy， 2016，69(1): 250-266．

[8] KWAK Younghoon， HUH Jung-Ho， JANG Cheolyong．Development of a model predictive control framework through real-time building energy management system data[J]．Applied Energy，2015，68(155):1-13．

[9] ESTHER B Priya， KUMAR K Sathish．A survey on residential Demand Side Management architecture，approaches，optimization models and methods[J]．Renewable and Sustainable Energy Reviews， 2016，59: 342-351．

[10] VSKV Harish，ARUN Kumar．A review on modeling and simulation of building energy systems[J]．Renewable and Sustainable Energy Reviews， 2016，56: 1272-1292．

[11] YANG LIU， YAN Haiyan， LAM Joseph C．Thermal comfort and building energy consumption implications - A review [J]．Applied Energy， 2014，67(115): 164-173．

[12] YANG Rui， WANG Lingfeng．Multi-zone building energy management using intelligent control and optimization [J]．Sustainable Cities and Society， 2013，6: 16-21．

[13] PRASHANT Kumar，CLAUDIO Martani，LIDIA Morawska，et al．Indoor air quality and energy management through real-time sensing in commercial buildings[J]．Energy and Buildings， 2016，111(1): 145-153．

[14] 廖名洋．含CCHP的微网经济运行优化研究[D]．广州：华南理工大学，2014．

[15] 李鹏，徐伟娜，周泽远，等．基于改进万有引力搜索算法的微网优化运行[J]．中国电机工程学报，2014，34(19)：3073-3079．

[16] 李正茂，张峰，梁军，等．含电热联合系统的微电网运行优化[J]．中国电机工程学报，2015，35(14)：3569-3576．

[17] 何舜，郑毅，蔡旭，等．基于荷-储型微网的需求侧管理系统运行优化[J]．电力系统自动化，2015，19: 15-20.

Source-load Coordinating Optimal Control Strategy for Source and Load of Building Energy Management System Considering Demand Side Management

LIU Xiaoli1，CHEN Qifang1，WANG Fei1, 2，REN Hui1，SU Shi3，YAN Yuting3，LU Hai3，N.A. Engerer4，Dong Ling5

(1. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Source,North China Electric Power University, Baoding 071003, China; 2. University of Illinois at Urbana-Champaign, Urbana IL 61802, USA; 3. Electric Power Research Institute of Yunnan Power Grid Co., Ltd., Kunming 650217, China; 4. Fenner School of Environment and Society, the Australian National University, Canberra 2601, Australia; 5.State Grid Qinghai Electric Power Company, Xining 810008, China)

With the increase of building energy consumption, saving energy and improving the efficiency of building system have become an urgent problem to be solved. This paper analyzes the relationship between indoor environmental parameters and building energy consumption with the aid of three-dimensional architectural model built by EnergyPlus software. Then the indoor environment parameters are changed within the allowable range set by the occupants through direct load control methods which belong to the demand side management. Such changes can achieve energy saving. The optimal economic optimization model for power was established, and power outputs were optimized by YALMIP solver.Then a method is put forward that to combine the demand side management and the optimization of power so as to optimize the management of the building energy system from loads and power system. This method can reduce building energy consumption and improve the overall efficiency without affecting indoor comfort. Finally, an example is proposed to demonstrate the feasibility of the method.

building energy simulation; demand side management; optimal control; controllable load; economic optimization

2017-01-09.

国家自然科学基金资助项目(51577067，51277075)；北京市自然科学基金资助项目(3162033)；河北省自然科学基金资助项目(E2015502060)；河北省科技支撑计划重点项目(12213913D)；云南省新能源重大科技专项(2013ZB005)；新能源电力系统国家重点实验室开放课题(LAPS15009, LAPS16007, LAPS16015)；中央高校基本科研业务费重点项目(2014ZD29)；云南电网有限责任公司科技项目(YNKJQQ00000280).

TU111.195

A

1007-2691(2017)05-0091-08

刘晓丽(1989-)，女，硕士研究生，研究方向智能建筑能量管理系统优化运行；陈奇芳(1986-)，男，博士研究生，研究方向电动汽车并网技术、微网运行控制；王 飞(1973-)，男，博士后，副教授，美国伊利诺伊大学厄巴纳-香槟分校访问学者，研究方向为智能电网能量管理、微网优化运行与控制、电力市场与需求侧响应、光伏发电功率预测。