智能楼宇场景下能量流运行优化调度

陈正建,张 清,李世友,纪虎军

(深圳能源智慧能源科技有限公司，广东 深圳 518000)

0 引言

随着计算机、通信、数据处理和网络等ICT领域的快速发展和变革[1-2]，在ICT技术的支持和推动下，综合能源系统、虚拟电厂等形式的能源综合利用应运而生。通过将多种能源负荷联系在一起，利用能源间的互补特性使这些原本彼此独立的系统形成一个整体，从整个能源系统的角度减少能源转换间的损耗，提高了能源利用率、系统的安全性，解决了自愈能力不强的问题。实现了能源互补，提高了整体利用率。

能源大厦是信息技术和建筑技术共同发展的产物，是一种利用计算机对建筑物内部的设备和信息资源根据楼宇的实际情况按照需求进行管理和自动控制。智能楼宇被欧洲智能楼宇协会定义为：楼宇在被使用的情况下，能够用最少的硬件和设备消耗，在实现最大使用效率的同时实现资源的高效管理。能源大厦作为楼宇功能和控制技术的结合产物，国外研发和应用较早：美国联合科技公司在上世纪80年代就已经对康涅狄格州的一幢老旧的金融大厦进行了改造[3]；2005年加拿大学者马克可贝尔发明了一种控制系统，能通过对楼宇中的设备的运行状态的监控，来调控楼宇中各个电器设备，使之在合理的时段运行，从而使楼宇的用电峰值得到了有效的降低，为智慧楼宇的发展奠定了基础[4]；2008年底美国科罗拉多州实现了智能电表的全州覆盖；2009年末，一款家庭用智能管理系统由微软推出[5]。

我国在能源大厦领域起步较晚[6-8]，2010年国家电网在河北、重庆、上海和北京这四座城市进行了智能楼宇和智能小区的首次示范工程建设[9]，并在2010年末建成了6座示范智能小区和2栋示范智能楼宇，为后续在全国开展智能楼宇的推广建设奠定了坚实的基础。

本文以智能楼宇为研究对象，展开能源系统运行优化调度的研究。首先，建立了智能楼宇大厦所需要的新设备的数学模型，包括风机、光伏、冰蓄冷设备、冷水机组、储能设备等(风机1 MW，光伏发电机1.5 MW，电空调额定功率1 MW，冷水机组3 MW，蓄电池额定容量800 kW，蓄冰装置额定容量8 MW)，形成较为系统的综合能源系统架构；然后，建立了智能楼宇运行优化调度模型，优化目标为智能楼宇整体运行经济性的评价指标，采用改进的遗传算法求解，并形成了智能楼宇冷、电负荷的运行调度方案；结果表明，对大厦用能负荷有一定的削减。

1 模型建立

1.1 智慧能源大厦优化调度

本文针对能源大厦的具体设备如风力发电机，光伏能发电设备，储能电池，冰蓄冷空调，水冷机组进行了数学建模并进行了严格调控。以下是各个设备的数学模型。

1.2 风力发电

风力发电机的发电系统的发电能力和风速大小有着密切的关系，风机在一定范围的风速内运行时，切入风速和切出风速将影响发电机的发电功率。并且风机发电的功率还由它的额定功率和风能密度所决定。本文将风力发电机的数学模型用分段函数表示，数学模型如下

(1)

式中Pwt(v)——风力发电的机输出功率/kW；

v——实际的风速/m·s-1；

vr——额定的风速/m·s-1；

vco——切出的风速/m·s-1；

vci——切入的风速/m·s-1；

PWT——风力发电机额定的输出功率/kW。

1.3 光伏发电系统

光伏发电系统的发电功率归根到底与其所在的环境温度、辐射强度和其额定功率有关。光伏发电系统输出的功率计算公式如下

(2)

式中Ppv——光伏阵列的实际输出功率/kW；

GSTC——标准情况下的光辐射强度/kW·m-2，取1 kW/m2；

GC——实际的太阳辐射强度/W·m-2；

PPV——光伏电池板的额定输出功率/kW；

k——功率温度系数/℃，取-0.004 7 ℃；

TSTC——标准条件下的光伏电池板组件表面温度/℃，取25 ℃；

Tc——实际光伏电池板的温度/℃。

1.4 储能电池

由于电能的充放与相邻两时段储电设备的能量存储量有关，是一个动态过程，因此储电设备采用动态数学模型

(3)

式中EBAT(t)——蓄电池实时容量/kWh；

kl——蓄电池的自损耗系数；

ηbat.cha——蓄电池的充电效率；

ηbat.dis——蓄电池的放电效率；

1.5 冰蓄冷系统

冰蓄冷系统作为一种集成制冷与蓄冷为一体的设备，它的模型如下

(4)

(5)

COPDC,ice、COPDC,cooling——制冰能效比；

uDC∈{0,1}——制冷机运行工况，0代表制冷，1代表制冰

(6)

式中PDC,R——冷机的额定输入功率/kW；

(7)

σIS——蓄冰装置的自放热率；

QIS,C、QIS,D——蓄冰装置的蓄冰功率和冰制冷功率/kW；

ηIS,C、ηIS,D——蓄冰装置蓄冰和冰制冷效率。

2.6 冷水机组

冷水机组常作为综合能源系统中供冷设备之一，冷水机组作为冷调峰设备，满足系统内额外的冷能需求。冷水机组工作效率高，受负荷变化的影响较小，因此，将其数学模型表示为耗电量与制冷量之间的关系，可用制冷系数来表示。冷水机组的数学模型如下

QWC(t)=COPWC×PWC(t)

(8)

式中QWC——电制冷机的输出冷功率/kW;

COPWC——电制冷机的制冷系数;

PWC——电制冷机的输入电能/kW。

3 能源大厦多设备协同优化调度

由于能源大厦具有多种类型的设备，而且不同设备的组合方式的多种多样，导致整体系统的运行方式将会复杂多变，如果按照以往的方式并不能够阐述清楚系统组成单元之间的组合方式与能量流关系。为此，各个设备按照能量在转换过程中所能发挥的作用进行分类。

3.1 优化问题的数学描述

(1)目标函数

本文以智能楼宇整体购电成本最低为优化目标

(9)

式中C_buy(t)——购电电价;

C_sell(t)——售电电价,这里假设

C_buy(t)=0.8×C_sell(t)

(10)

两者均为典型日的分时电价。

(2)能量流平衡方程

电功率平衡方程式

(11)

式中Pgrid——电网购电或售电功率/kW，购电时刻值为正，售电时值为负;

PEL——系统得电负荷/kW;

冷功率平衡方程式

(12)

QCS,C、QCS,D——蓄冷装置输入和输出的冷功率/kW；

QWC——冷水机组输出的冷功率/kW；

QCL——系统冷负荷/kW。

(3)安全性约束条件

为了保证设备的持续稳定运行，智能楼宇中各类设备的约束条件如下

(13)

(14)

(15)

(16)

(17)

(18)

(19)

3.2 采用改进的遗传算法进行求解模型

智慧能源大厦的优化求解属于综合能源优化调度的一种场景，一般情况下求解该类问题有两种优化方法，分别是数学规划方法和智能算法作为典型代表；但是，智能算法恰好克服了数学规划方法在处理组合、非线性等问题的不足，或者所写的数学公式并不能够很准确描述数学优化问题，因此将优化变量和优化结果之间的相互关系进行合理的建模，也能确保从概率意义上找到问题的最优解。本文采用的智能优化算法是遗传算法[10]。

结合前述建立的能源大厦协同优化数学模型，构建基于遗传算法的具体操作流程如下：

(2)根据种群大小N，随机产生N和串成的群体，并将式(11)作为适应度函数，由于本文存在多个等式约束，需要将适应值函数进行改写，首先将等式约束改为左右两侧变量的差值，然后采用大M法将差值以罚函数的形式添加到适应值函数中；根据改写好的适应度函数，计算得到每一个串的值；

(3)根据事先规定的可能性，将编码好的串遵循这复制的可能性寻找一个适合自身的编码串进行有选择的复制，按照这样的方式复制N个串，适应度的大小会影响到复制可能性大小；

(4)将复制得到的编码串互相组合，按照交叉概率进行交叉并且将每个串中的编码进行变异；

(5)从(2)开始不停的循环往复，迭代到最后以满足事先制定的规则或者遗传代数达到某一数值为终止条件；

所设计的优化算法对遗传算法的改进：

(1)二进制编码有一定的不足：由于二进制编码的随机性导致局部搜索不够精细，变化跨度较大，假设遇到一些对精度要求较高的问题，由于其变异后变化的跨度很大，取值不连续和精细，会导致错离最优解。格雷码就是可以大幅度降低交叉变异的区间，相比二进制编码可以很好的得到最优解。

(2)采用大M法将差值以罚函数的形式添加到适应值函数中，可以克服传统遗传算法不可以直接进行等式约束的弊端。

4 算例分析

采用前文所建立的规划模型和方法，在满足各类设备约束的基础上，在满足用电负荷和用冷负荷的基础上，以大厦整体经济效益最大化为优化目标，进行规划优化，本文对楼宇系统进行日前优化调度分析。调度时间域考虑为一天，每个一小时取一个时间断面。算例选取南方夏季的某一栋大楼的典型日冷电负荷为研究案例，接入的风机1 MW，光伏发电机1.5 MW，电空调额定功率1 MW，冷水机组3 MW，蓄电池额定容量800 kW，蓄冰装置额定容量8 MW。

某一典型日的风电预测曲线、光伏预测曲线、典型日购电电价曲线、日常规用电(不含制冷用电)曲线，及制冷负荷需求曲线如图1～图5所示。

图1 典型光伏预测曲线

图2 典型风电预测曲线

图3 典型日用电负荷预测曲线

图4 典型日冷负荷预测曲线

图5 典型日分时电价

根据前文所建立的目标函数和约束条件，选择改进后的遗传算法求解该智能楼宇的综合能源系统优化调度问题。冷、电负荷分配结果如下：

图6 典型日的电负荷分配结果

图7 典型日的冷负荷分配结果

假设所有电负荷和冷负荷所需电力全部由电网提供,在一天内所需电费为25 810元，经过本文的优化之后，所需电费为14 588元。通过结果对比发现智慧能源大厦的经济性得到了有效的提高。

5 结论

本文以智能楼宇为研究对象，展开能源系统运行优化调度的研究。首先，建立了智能楼宇大厦所需要的新设备的数学模型，包括风机、光伏、冰蓄冷设备、冷水机组、储能设备等，形成较为系统的综合能源系统架构；然后，建立了智能楼宇运行优化调度模型，优化目标为智能楼宇整体运行经济性的评价指标，采用混合整数规划方法求解，并形成了智能楼宇冷、电负荷的运行调度方案。

实际结果表明，通过合理的经济调度，可以提高能源大厦的经济效益，可以对大厦内部各个单元的调度有着一定的指导意义，另外对用能负荷有一定的削减作用。