以光伏空调为中心的建筑能源系统控制优化

黄猛，赵柏扬，李勇，赵志刚，刘霞，王如竹*

（1-珠海格力电器股份有限公司，广东珠海 519070；2-上海交通大学制冷与低温工程研究所，上海 200240）

0 引言

太阳能光伏在制冷领域的应用广泛，主要包括光伏驱动冰箱[1-2]和光伏驱动空调[3-5]。而光伏空调是绿色建筑的重要组成成分。随着光伏组件效率的提高和价格的降低，分布式光伏发电作为一种清洁发电形式，成为可再生建筑的主要能量来源；而在一般的建筑（非工业）能源系统中，暖通空调是主要的能耗来源。光伏空调将光伏发电用于驱动空调系统运行[6]，大大降低了建筑系统对于外部能源（如电网）的需求[7]，实现了建筑的高效能源自给。另外，光伏空调系统的光伏发电还可用于其余用电设备，甚至可以与蓄电池储能结合，提高可再生能源的利用率。因此，可将光伏空调作为建筑能源系统的中心，对整个家居/楼宇的能源系统进行统一管理和控制，实现建筑能源系统的高效运行和节能优化。

近年来，以光伏空调为中心的建筑能源系统研究受到了工业界和学术界的广泛关注。2017年，格力电器推出了G-IEMS局域能源互联网系统[8]，以光伏空调为能源中枢将清洁能源便利惠及到家庭用电的每一个方面，大大推动了能源互联和智能控制的发展，为相关研究的推广应用奠定了重要基础。理论研究方面，VRETTOS等[9]研究了包含光伏空调、热水器负荷、蓄电池的建筑能源系统优化控制策略，对空调和热水器的运行功率进行优化控制。张彦等[10]对类似的建筑能源系统的优化控制进行了研究，还考虑了开关电器、可控发电装置和电动车的情况。SALSBURY等[11]同时考虑了建筑能源系统的经济性和节能性指标。OLDEWURTEL等[12]使用预测控制对建筑能源系统中的空调系统、百叶窗、灯光进行了控制。DONG等[13]通过建立精确的非线性空调系统模型，并基于天气和人员行为预测，使用动态规划的方法对非线性问题进行求解。

本文将对以光伏空调为中心的建筑能源管理策略与控制算法进行研究，基于预测控制的思想[14]，对一个包含光伏发电、蓄电池储能、可调节负荷（暖通空调）、可转移负荷（开关电器）和固定负荷的家庭能源系统进行优化运行控制；以MATLAB平台建立家庭能源系统模型，其中空调模型通过基于实际运行数据的系统辨识方法得出。最后对控制优化前后的建筑能源系统的运行结果进行分析比较。

1 模型构建

下图为本文研究的建筑能源系统结构图，该能源系统用于一座居住建筑，建筑的用电负荷包括可调节负荷（暖通空调）、可转移负荷（洗衣机、热泵热水器）和固定负荷（电灯、电磁炉、电冰箱、电视、电脑）；系统的电能供应可由新能源发电（光伏系统）、电网和储能蓄电池（铅炭电池）联合实现，其中光伏系统可为建筑用电设备提供电能，当光伏电能盈余时，多余的电能被存储于蓄电池或反馈电网，光伏电能不足时，不足的电能可由电网和蓄电池联合提供。本节将对建筑能源系统的各个模块的数学模型进行介绍。

1.1 固定负荷

如室内照明、冰箱等，这部分负荷不参与能源系统的集中控制，在负荷分析时，一般以固定功率曲线给出。此类设备产生的热量会对建筑室内的热负荷产生影响，从而增加空调制冷能耗。本文研究对象的固定负荷包括照明、冰箱、电视、电脑、电磁炉，以Pfix(k)表示第k时刻的固定负荷功率，其数值和产热负荷（包括人体散热）如图2所示。

1.2 可转移负荷

如洗衣机、热泵热水器等，其工作过程中功率曲线固定，但工作时段可调节，存在一定的时间范围，且工作过程中不可停止。本文研究对象的可转移负荷为以下两项：1）洗衣机，功率250 W，时间21：00～24：00或0：00～8：00，工作40 min；2）热泵热水器，功率1,500 W，时间8：00～20：00，工作90 min。以Pshift(k)表示第k时刻的可转移负荷功率。

1.3 可调节负荷

如空调、通风设备等，这些设备的运行功率存在一定弹性范围，可通过调节设定温度或转速的方法进行控制。本文研究对象的可调节负荷为空调负荷，对于空调控制系统，系统的状态量取为室内温度，输入量为空调运行电功率，扰动量为太阳辐照与环境温度。最终控制系统可表达成以下式子：

式中：

Tin(k)——第k时刻的室温，℃；

PAC(k)——第k时刻的空调电功率，W；

V(k)——第k时刻的扰动向量，包含太阳辐照和气温,W/m2和℃。

空调负荷模型根据事前调研，得到建筑尺寸、围护结构、空调COP曲线等参数，并使用建筑负荷计算软件如BIM[15]或eQUEST[16]进行构建，但这种方法费时费力，且与实际情况不一定符合。事实上，在建筑运行数据足够的情况下，可通过系统辨识[17]的方法对上式中的A、B、E的数值进行识别，从而得到空调负荷的黑箱模型，模型往往能得到较好的拟合结果。本文采用一座上海交通大学闵行校区公寓的实验数据用作系统辨识，将辨识后的系统模型作为本文的空调模型，该公寓占地约60 m2，室内采用5匹的冷暖中央变频空调。

另外，有关研究显示[18]，对于夏季空调，以25 ℃为设计标准，室内设定温度每提高1 ℃，空调能耗将减少6%。而相关标准显示[19]，夏季室内舒适温度区间为24 ℃～28 ℃。因此，当光伏发电不足时，可在人体舒适性的范围内，适量升高室内的温度来减少空调能耗，从而减少系统的运行费用。

1.4 光伏系统

建筑能源系统的光伏发电组件采用传统的晶硅组件，第k时刻光伏系统的发电功率PPV(k)和背板温度TPV(k)的表达式及相关参数如下式与下表所示：

表1 光伏系统参数

1.5 蓄电池

蓄电池系统采用铅炭电池，是一种在高倍率部分荷电状态下具有长寿命性能的新型铅酸蓄电池[20]，第k时刻的电池电量Ebat(k)与电池充放电功率Pbat(k)的关系式、约束和相关参数如下：

表2 蓄电池系统参数

2 控制算法

光伏空调作为建筑能源系统的中心，其运行特性受气候条件与天气状况影响明显。随着外界气象参数的改变，光伏空调系统的发电与用电情况将出现明显的变化与波动，为实现建筑能源系统的控制优化，有必要根据光伏空调的运行情况预测，基于某种控制目标，对能源系统中的其余可控设备的运行模式进行提前规划和实时控制，为实现这种控制，可采用预测控制技术。

对于模型预测，一般的控制系统可由以下的状态空间表达式（或系统模型）表示：

其中X(k)为第k时刻的系统状态向量，U(k)为第k时刻的系统输入向量，Y(k)为第k时刻的系统输出向量。由此，可得到Y(k+1)为：

因此，可根据初始时刻系统状况和后续的系统输入递推得到第k+n时刻的系统状态和输出，即通过系统模型实现系统的预测。

在建筑能源系统中，系统优化的目标一般为经济性最优，即运行费用最小，可表达为：

其中，Pgrid为并网功率（kW），ρbuyl为购电价格（元/kWh），ρsell为卖电价格（元/kWh），两者均为正值。建筑能源系统的经济性主要是与电网的电量交易有关；购电时，电费依据上海地区居民分时电价，即峰电价格为0.977元/kWh，时间为6：00～22：00；其余时间为谷电，价格为0.487元/kWh。卖电价格取上海的脱硫煤电价0.40元/kWh，光伏发电补贴由总发电量决定，与具体的能源控制策略无关，在此不作考虑。

最后，通过使用MATLAB最优化工具箱，在保证满足系统约束的情况下，调整系统输入，使系统在一定时域内的优化指标最小化，从而实现系统的性能最优。

3 算例分析

本文选取了上海某天的气温与光伏发电功率数据作为已知预测数据（如图3）。仿真时，需对建筑能源系统的状态量设置初值，本文中，状态量室温的初值为26 ℃，蓄电池荷电状态（State of Charge，SOC）初值为60%。

图3 光伏功率与环境温度

预测控制优化前，建筑能源系统各部件的功率曲线和室温、电池SOC变化曲线分别如图4和图5所示。可见，在控制优化前，空调设定温度维持在26 ℃，空调能耗随气温、太阳辐照的变化而改变。在6点以前，建筑的负荷由蓄电池供电满足；之后，由于电池电量达到最低，建筑负荷由光伏系统和电网共同满足，白天峰电时段的购电量较多。另外，由于该天光伏发电功率一直低于建筑负荷，没有盈余的光伏电能进行蓄电池的充电，电池放电结束后维持在40%的最低SOC。

预测控制优化后，建筑能源系统各部件的功率曲线和室温、电池SOC变化曲线分别如图6和图7所示。由于预测到该天光伏发电较低，为了减低空调能耗，室内设定温度调高到了27 ℃。同时，蓄电池在谷电期间提前充电到90%容量，并在白天峰电期间联合光伏系统进行能源系统供电，使峰电期间的购电量降低为0。同时，可转移负荷的运行时段也进行了调整，平缓了并网功率曲线。

在经济性方面，优化前后能源系统的运行费用分别是15.8元和4.7元。经预测控制，建筑系统的运行费用降低了70%。

图4 优化前建筑能源系统各部件功率曲线

图5 优化前室温与电池SOC变化曲线

图6 优化后建筑能源系统各部件功率曲线

图7 优化后室温与电池SOC变化曲线

4 结论

本文建立了以光伏空调为中心的建筑能源系统模型，并使用预测控制方法对建筑能源系统的空调负荷、可转移负荷、蓄电池的控制策略进行了优化。研究结果表明，通过本文提出的控制方法，建筑能源系统根据光伏发电、气温、电价等的预测数据，可有效优化蓄电池的充放电功率、空调能耗和可转移负荷的运行时间，实现了建筑能源系统各子部件的高效联动，大大降低了以光伏空调为中心的建筑能源系统的运行费用。