商业楼宇负荷可调能力与负荷特征的相关性研究

熊真真，刘晓春，张 皓，田英杰，吴 裔，李 凡

(1.上海腾天节能技术有限公司，上海 200336；2.国网上海市电力公司电力科学研究院院，上海 200437)

“2030年碳达峰、2060年碳中和”目标任务达成时间节点明确，我国正处在能源生产和消费革命的关键时期，在电力系统上已经明确将构建清洁低碳安全高效的能源体系，控制化石能源总量，着力提高利用效能，实施可再生能源替代行动，深化电力体制改革，构建以新能源为主体的新型电力系统。未来终端用能结构中，电气化水平持续提升，电能逐步成为最主要的能源消费品种。根据有关机构预测，2025年后电能将取代煤炭在终端能源消费中的主导地位，电能占终端能源消费比重在2035年和2060年有望分别达到约45%和70%。围绕着满足人民对美好生活的向往，电能替代、电动汽车、清洁供暖、屋顶光伏、家用储能设备及智能家居的广泛应用使用电负荷朝着多元化方向发展[1-2]。在能源互联网背景下，既是消费者，又是生产者的全新模式改变着能源电力服务形态，负荷灵活性的进一步提升，对需求侧负荷可调性提出更高的要求。

本文基于对上海市中心城区商业楼宇用能系统的调研，覆盖办公、酒店、综合体、商场不同类型的楼宇50幢，通过楼宇负荷聚类分析进行特征类别划分，研究商业楼宇负荷调控中调节率和负荷分类特性、波动率之间的相关性，为将来楼宇在以新能源为主新型电力系统下开展供需互动，需求侧灵活管理、虚拟电厂等“双碳”项目执行发挥效用，推动实现能源消费精细化管理。

1 样本选择

目前，“双碳”及新经济形势下，我国面临着能源环境和经济发展双重压力，能源生产与消费革命升级迫切，运用大数据分析技术对楼宇负荷状态、电能负载等数据进行分析挖掘与预测，开展基于楼宇用户特征的预测性调度，在楼宇用能运行管理信息化建设领域提升智慧能源体系中“用”能环节的精细度，从而基于数据积累进行分析，进一步地尽可能发挥效用，有较大的业务开展需求。

本次调研分析的商业楼宇，主要集中在城市中心区域，采集到50幢数据样本，其中经营性质为办公的22个，占样本总量的44%；经营性质为酒店的14个，占样本总量的28%；经营性质为综合建筑的10个，占样本总量的20%；经营性质为商场的4个，占样本总量的8%。

2 调研全样本数据分析

本次研究重点为基于用户负荷调控能力相关性研究，负荷调节率和负荷波动率是个关键的参考因数，因此作为分析重点进行探讨研究。

2.1 负荷调节率

负荷调节率反映的是样本数据在虚拟电厂需求响应时间中可调节能力的一种指标。样本数据中调节量反映该楼宇调节的绝对能力，而调节率则是楼宇相对能力。

根据本次参与研究的50个商业楼宇数据样本，在样本需求响应事件中累计负荷调控超过5.5万kWh，平均调节率22.43%。负荷调节计算公式：

(1)

式中Pa——单次调节负荷；Pc——当前基线负荷。

2.2 负荷波动率

负荷波动率反映的是样本数据在虚拟电厂需求响应期间能耗负荷的波动情况。样本数据中波动率越大说明楼宇在调节期间能耗峰谷落差比例越大，这种落差波动可能会影响到其调节能力。

根据本次参与研究的50个商业楼宇数据样本可计算其负荷波动率，负荷波动率公式：

(2)

式中x——日均负荷均值。

日平均负荷均方差：

(3)

2.3 相关性分析

对用户负荷调控能力相关性进行研究，其中相关性分析主要分三个步骤。

2.3.1 计算样本协方差

协方差用于衡量两个变量之间的总体误差，计算调节率和负荷波动率的协方差可以在一定程度上反应两组数据之间的关系。

协方差公式：

Cov(X,Y)=E[(X-μx)(Y-μy)]

(4)

式中X——调节率；Y——波动率；μx,y——调节率或波动率与之均值差。

2.3.2 计算样本标准差

标准差用于衡量数据的离散程度，分别计算样本数据的调节率和符合率的标准差可以有效地推论数据的稳定程度。

样本标准差公式：

(5)

式中x——样本数据(负荷率或调节率)。

2.3.3 计算样本相关性

相关性系数，是反应两组变量(负荷率和调节率)之间关系密切程度的统计指标，相关系数的取值区间在[1，-1]。1表示两个变量完全线性相关，-1表示两个变量完全负相关，0表示两个变量不相关。数据越趋近于0表示相关关系越弱。

计算样本相关性公式：

(6)

式中Sxy——协方差；Sx和Sy——样本的标准差。

2.4 全样本相关性分析

通过计算单个楼的调节量和调节率可以得到计算结果(见表1)。表1中包括调节量、波动率和调节率。

通过表1中波动率和调节率的相关性分析研究发现，负荷波动率和负荷调节率相关性系数为rxy=0.47。0.47的相关性比较低，因此有必要进一步通过类别细化对样本数据进行研究。

表1 单幢用户负荷调节能力计算表

3 调研分类样本数据分析

3.1 基于建筑类型的相关性分析

在样本数据中，分为办公、商场、酒店和综合4种业态类型，将样本按相关类别进行分类处理，得到分类计算平均波动率和调节率如表2所示。

经过拆分建筑类型，由表2数据可知，不同建筑类型其相关性有所不同，其中酒店类型相关性提高，而商场类型相关性有所降低，但其整体相关性依然是弱相关。

对于商业楼宇负荷来说，空调能耗是主要可调资源，需要进一步进行分析空调能耗。

3.2 基于空调负荷聚类的相关性分析

空调系统作为商业楼宇内主要的用能系统，可以最大程度保证在不影响建筑环境舒适度的情况下，具备短时间内降负荷明显的特征，在电力高峰时段可较为迅速地缓解用电压力，本次分析商业楼宇和负荷可控电因子为空调制冷系统负荷数据。

由于2020年受疫情影响数据不能真实反应正常工况下的负荷情况，因此选取2019年全年夏季空调系统负荷数据进行分析，分析算法为典型K-means聚类算法。

3.2.1 空调负荷聚类分析过程

空调负荷聚类分析过程如下。

(1)首先将所有负荷数据每15 min一个点，每天96个负荷点作为样本集；

(2)将所有样本归一化处理；

(3)选择初始化的k个样本，作为初始化聚类中心a=a1,a2,a3,…,ak。根据实际情况令k=5；

(4)每个数据样本xi计算它到k个聚类中的距离，并将其分到距离最小的聚类中心对应的类中；

(6)重复步骤5和步骤6，直到中止条件(令误差小于5%)。

3.2.2 空调负荷聚类分析结果

(1)特征1——正态分布1型。特征描述：早7:00开机负荷较大，晚5:30之后平稳下降，日间负荷保持平稳。代表建筑类型：办公类型。办公类型空调负荷聚类分析结果如图1所示。

图1 类型1空调负荷聚类分析结果

(2)特征2——正态分布2型。特征描述：负荷高峰较早，早4:00空调开机负荷较大，中午前后出现高峰，晚6:00负荷迅速降低。与类型1相比负荷高峰较早发生。代表建筑类型：综合体，商业+办公类型。类型2空调负荷聚类分析结果如图2所示。

图2 类型2空调负荷聚类分析结果

(3)特征3——全天平缓1型。特征描述：7:00～15:00之间，用能平缓，22:00后用能略有上升。代表建筑类型：以酒店为主。类型3空调负荷聚类分析结果如图3所示。

图3 类型3空调负荷聚类分析结果

(4)特征4——全天平缓2型。特征描述：7：00—15：00之间，用能平缓，22：00后用能略有上升。相较于全天平缓2型，全天用能功率变化幅度较低。代表建筑类型：以酒店为主。类型4空调负荷聚类分析结果如图4所示。

图4 类型4空调负荷聚类分析结果

(5)特征5——正态分布3型。特征描述：早7：30半开机负荷较大，日间负荷呈现8：00～10：00，10：00～12：30，12：30～15：00三阶段式递增，达到最高值后下降。该类型相较于类型2开机时间较晚。代表建筑类型：综合体、办公为主。类型5空调负荷聚类分析结果如图5所示。

图5 类型5空调负荷聚类分析结果

3.2.3 空调负荷聚类分析结果

将聚类结果代入负荷波动率，得到调节率及其相关系数计算结果如表3所示。

表3 空调负荷聚类分析结果

按用能特征类型进行分类后，发现除特征1相关性极低外，特征2至特征5的相关性分别为0.63，0.77，0.68和0.75，相关性都明显提升。因此，通过研究空调用能的运行趋势，可以找到负荷调节率和负荷波动率之间的关系。样本数据中已经呈现出从相关性0.47提高到最高0.77的现象。

3.3 负荷调控未来研究方向

通过负荷数据聚类和分类分析，同时结合负荷调控率及负荷波动率的分析发现，不同用户类型在不同条件下其负荷调节率和波动率呈现一定的相关性。由于目前分析的对象为整个楼宇，无论是数据广度还是数据深度都有继续拓展的空间。

研究还发现通过拆分不同的特征类型，出现了部分特征相关性明显提示，因此继续拆分研究对象负荷构成可能对提示相关性研究有积极意义。由于本文中已经发现通过细分空调能耗可以有效提高负荷可调性和特征的相关性，因此下一步可以继续研究具体可调设备在这方面的相关性，将有助于实现更精确的负荷调节能力的预测和控制。

4 结语

本文以调研楼宇负荷控制数据为研究对象，通过负荷资源分析、历史事件分析，对整个系统负荷优化的潜力进行了研究。运用了描述统计、方差分析、聚类分析、相关性分析等方法进行研究，并结合多个需求响应事件执行的实际情况，得出以下结论。

(1)样本商业楼宇负荷可调性和建筑类型有一定的关系。

(2)通过对空调系统的聚类和分类研究，发现相较于建筑类型其空调负荷运行分类相关性更高。

(3)研究发现商业楼宇负荷数据越是精细化分类，其表现得相关性程度越高。

这些结论反映了商业楼宇在调节用电负荷能力方面与用电负荷特征方面具显式相关性，并通过进一步精细化特征分类可有效丰富负荷调节能力的预测策略，对未来负荷精准调控、快速需求响应及虚拟电厂发展起到了积极作用，聚合的商业楼宇群因其零排放和负排放的特性可以为“碳达峰、碳中和”建设提供助力。