CN112016728A - 一种基于混合储能技术的建筑需求侧能源供给技术方法 - Google Patents

一种基于混合储能技术的建筑需求侧能源供给技术方法 Download PDF

Info

Publication number
CN112016728A
CN112016728A CN201910462018.6A CN201910462018A CN112016728A CN 112016728 A CN112016728 A CN 112016728A CN 201910462018 A CN201910462018 A CN 201910462018A CN 112016728 A CN112016728 A CN 112016728A
Authority
CN
China
Prior art keywords
building
model
power
energy storage
follows
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910462018.6A
Other languages
English (en)
Inventor
田喆
牛纪德
甄成
祝捷
岳麓
文丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201910462018.6A priority Critical patent/CN112016728A/zh
Publication of CN112016728A publication Critical patent/CN112016728A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于混合储能技术的建筑需求侧能源供给技术方法，首先针对系统构建以系统运行费用为目标函数的建筑能源系统的优化调度模型，模型需遵从对应的约束条件；其次对优化调度模型进行线性化处理；其次依次进行构建ARX模型、对ARX模型做参数辨识、确定模型选择标准以实现对ARX模型的训练和验证；接着计算所提出不同温度设定方案下的FIT值，以FIT值校验模型预测精度；借助ARX模型及优化调度模型实现建筑动态蓄热在建筑能源系统灵活供能处理。本发明ARX模型可很好地预测建筑动态冷负荷需求，同时基于混合储能技术能有效降低建筑供能系统的运行费用。

Description

一种基于混合储能技术的建筑需求侧能源供给技术方法
技术领域
本发明涉及建筑能源供给技术，尤其涉及一种基于混合储能技术的建筑需求侧能源供给技术方法。
技术背景
随着全球能源需求的增长及化石能源地枯竭，可再生能源被越来越多地开发及利用。而可预见的大量可再生能源系统的配置将会严重威胁能源网络的稳定性。由于能源供给及需求需要实时平衡，而可再生能源总是不确定的，因此高比例的可再生能源渗透问题将会面临挑战。为了提高可再生能源消纳比例，保证供给与需求的实时平衡，灵活能源技术越来越多地被应用在能源系统的调度及调控过程中。在众多的灵活供能技术中，建筑及热网已经存在于供能系统中，因此并不需要二次投资及运行维护，所以越来越多的研究关注于建筑在能源系统中的灵活性潜力。
为了实施建筑能源系统的灵活性，首先要构建建筑热动态模型。目前，大量建筑性能仿真平台被用于建筑灵活性潜力的预测之中。目前，常用RC灰箱模型、ARX模型、NARX模型预测建筑室内温度。相对于灰箱模型，ARX及NARX模型表现出更好的拟合优度，特别是ARX模型。由此可见，拟合优度并不是随着模型复杂度增加而增加，而模型结构的选择是提升模型预测精度的关键，同时是降低求解问题的关键。然而上述问题很少被关注。
获得建筑热动态仿真模型之后，另一个关键问题是如何构建建筑综合能源系统与建筑热动态模型的整体优化模型并借助优化算法，在时间允许的条件下，获得综合能源系统的优化调度策略。通常，联合仿真技术被应用于解决上述问题。虽然，联合仿真可以提升建筑能源系统中各个部件的仿真精度，然而由于启发式的算法(如粒子群算法等)被应用在求解复杂模型问题中，因此计算耗时的问题同时出现。简化模型可以一定程度上提高模型求解效率，但能源系统的模型构建方法往往被忽略。由于，建筑的蓄热效应最终需要通过能量转换设备实现与电网或微电网的交互，因此，建筑冷热负荷的改变并不能直接反映在电力需求的变化中。事实上，冷水机组的COP以及冷却塔的耗电量不仅仅与其运行负荷率相关，同时还受到气象参数的影响。因此，只有同时构建相对精确的建筑动态模型以及能量转换设备的模型，才能实现建筑蓄热灵活供能潜力的准确评估、预测及实施。
发明内容
本发明的目的在于克服已有技术的缺点，提供一种基于混合储能技术的需求侧灵活供能技术方法。
本发明是这样实现的，一种基于混合储能技术的需求侧灵活供能技术方法，包括如下步骤：
(1)构建建筑能源系统的优化调度模型，明确冷量平衡约束，电力平衡约束，设备模型及运行约束；
(2)对优化调度模型进行线性化处理；
(3)依次进行构建用于描述建筑动态蓄能过程的ARX模型用于预测建筑动态冷负荷需求、对ARX模型做参数辨识、确定模型选择标准以实现对ARX模型的训练和验证；
(4)提出多类室内温度设定方案，计算所提出不同温度设定方案下的FIT值，采用拟合优度评价ARX模型的预测精度，校验ARX模型的预测精度；
(5)结合ARX模型预测的建筑动态冷负荷需求，利用建筑能源系统的优化调度模型计算，由储电设备与建筑动态蓄能组合成的多种方案下建筑能源系统的运行费用，最终实现建筑能源系统灵活供能配置。
其中，所述步骤(1)具体为，以系统运行费用为目标函数构建用于系统优化调度的优化调度模型，目标函数如下；
Figure BDA0002078320620000031
式中，
Figure BDA0002078320620000032
为电网购电的费用，
Figure BDA0002078320620000033
为光伏发电系统及供冷系统的维护费用，εPV为光伏维护成本系数；
Figure BDA0002078320620000034
为光伏发电功率；εCS为冷机维护成本系数；
Figure BDA0002078320620000035
为冷机制冷量；
Figure BDA0002078320620000036
代表τ时刻的建筑与电网的联络线功率，
Figure BDA0002078320620000037
表功率上限值；
Figure BDA0002078320620000038
代表τ时刻的电网分时电价；Δτ为持续时间；
优化调度模型需满足冷量平衡约束与电力平衡约束；冷量平衡约束，采用下式：
Figure BDA0002078320620000039
CLτ＝f(Tdry,RH,SR,Occu,Equip,Troom)
式中，
Figure BDA00020783206200000310
代表第i台冷水机组τ时刻的制冷功率；CLτ为建筑τ时刻的冷负荷；Tdry,RH,SR,Occu,Equip,Troom为影响建筑冷负荷的随机因素及可控变量，分别代表干球温度、相对湿度、太阳辐射强度、设备使用计划、人员活动规律及室内设定温度；
电力平衡约束，采用下式表示：
Figure BDA00020783206200000311
式中，
Figure BDA00020783206200000312
分别表示τ时刻的第i台制冷机组耗电功率，第i台冷却塔耗电功率，第i台冷却水泵耗电功率以及第i台冷冻水泵耗电功率；ELτ代表建筑内τ时刻非空调设备耗电功率；
Figure BDA0002078320620000041
分别代表τ时刻与电网、光伏发电系统的交互功率；
Figure BDA0002078320620000042
分别为τ时刻的蓄电池充电及放电功率；
离心式冷水机组模型及约束表示如下：
Figure BDA0002078320620000043
Figure BDA0002078320620000044
Tci,τ＝Twb+4
Figure BDA0002078320620000045
式中，
Figure BDA0002078320620000046
表示冷水机组标准工况下冷水机组COP；Teo,τ,Tci,τ,Twb分别为冷冻水出水温度、冷却水进水温度以及环境湿球温度；λ1i,λ2i,λ3i为系数；冷水机组制冷量存在一个容量上限约束及容量下限约束,表示如下：
Figure BDA0002078320620000047
式中，
Figure BDA0002078320620000048
为表征机组启停状态的二元变量，机组开启，
Figure BDA0002078320620000049
等于1，机组关闭
Figure BDA00020783206200000410
等于0，
Figure BDA00020783206200000411
表示冷水机组的额定制冷量；
水泵及冷却塔模型及约束如下所示：
Figure BDA00020783206200000412
Figure BDA00020783206200000413
Figure BDA00020783206200000414
式中，
Figure BDA00020783206200000415
为冷却塔额定功率，kW；
Figure BDA00020783206200000416
为冷却塔额定冷却量；
Figure BDA00020783206200000417
均为拟合系数；
Figure BDA0002078320620000051
为水泵额定流量，
Figure BDA00020783206200000517
为水泵流量；cp水的比热；
光伏模型及约束如下所示：
Figure BDA0002078320620000053
式中，NPV为屋顶光伏组件数量；
Figure BDA0002078320620000054
为测试工况下单光伏组件的发电功率；SRτ为光照强度；
Figure BDA0002078320620000055
为测试工况下的光照强度；ηc为综合考虑逆变器、交流线损等因素后的效率；
蓄电池模型及约束如下所示：
Figure BDA0002078320620000056
Figure BDA0002078320620000057
Figure BDA0002078320620000058
Figure BDA0002078320620000059
式中，
Figure BDA00020783206200000510
分别为放电功率及充电功率；
Figure BDA00020783206200000511
为充放电上限；SOC为荷电状态；SOC为其下限值；
Figure BDA00020783206200000512
为其上限值；
Figure BDA00020783206200000513
为蓄电池当前容量；
Figure BDA00020783206200000514
为蓄电池的额定容量。
其中，所述步骤(2)中，对优化调度模型进行线性化处理时，其中直接构建冷水机组制冷功率与制冷量的关系式如下：
Figure BDA00020783206200000515
构建设备耗电功率与制冷量的关联关系，如下：
Figure BDA00020783206200000516
Figure BDA0002078320620000061
其中，所述步骤(3)具体为，以人员活动规律、室内设备运行计划、干球温度、湿球温度、太阳辐射强度、室内温度的作为ARX模型的输入变量构建ARX模型；所述ARX模型表达方式如下：
Figure BDA0002078320620000062
y(t)采用矩阵形式表示如下：
Figure BDA0002078320620000063
θ＝[a1，a2，...，aNA，bi，1，bi，2，...，bi，NB]T(i∈P)
Figure BDA0002078320620000064
其中，y(t)代表t时刻的建筑冷负荷；u(t)为影响因素P在t时刻的输入值，θ为参数矩阵；P为影响因素的集合，P＝{Tdry，RH，SR，Occu，Equip，Troom}，代表干球温度、相对湿度、太阳辐射强度、设备使用计划、人员活动规律及室内设定温度，NA，NB，nk分别为负荷阶数、输入参数阶数、输入参数的滞后阶数。
其中，所述步骤(2)中，基于历史数据计算y(t)的过程，是依据参数矩阵θ对y(t)作出的估计，表示如下：
Figure BDA0002078320620000065
通过历史监测数据获取最优的参数矩阵，采用最小二乘法求解系数矩阵：具体是，设在L时长内，输入变量及输出变量的观测数据矩阵如下：
ZL＝{u1(1)，u2(1)，...，ui(1)，y(1)，...，u1(L)，u2(L)，...，ui(L)，y(L)}
然后，选择θ以便将计算出的值
Figure BDA0002078320620000066
尽可能地拟合到最小二乘法LSM的测量输出，如下式所示：
Figure BDA0002078320620000071
Figure BDA0002078320620000072
其中，所述步骤(3)中，采用R2描述模型精度，采用赤池准则数AIC指标描述模型复杂度，其中：
Figure BDA0002078320620000073
Figure BDA0002078320620000074
其中，其中k为模型参数个数；
Figure BDA0002078320620000075
是似然函数；SSresidual为残差平方和；SStotal为总残差平方和。
其中，所述步骤(3)中，
Figure BDA0002078320620000076
其中，所述步骤(5)具体设置四种方案：
方案一为不考虑储电设备；方案二为考虑储电设备；方案三为即考虑储电设备又考虑建筑动态蓄热；方案四为不考虑储电设备，考虑建筑动态蓄能。
基于分时电价政策，依次比较室内温度设定计划及建筑冷负荷的变化情况，前三个方案的耗电量及运行费用。之后，依据方案四设置不同室内热舒适区间，讨论不同舒适区间下建筑动态蓄能对建筑能源系统运行费用的影响。对方案二设置不同容量的储能设备，探讨不同储能设备容量对建筑能源系统运行费用的影响。最终，通过比较上述两个方案下的运行费用，实现建筑动态蓄能与电储能的等效；
基于峰谷值约束，在方案二及方案三中分别设置不同的联络线功率峰谷差约束条件，探讨峰谷差约束条件下的储能技术支撑系统灵活供能的潜力。
本发明具有以下的优点和积极效果：
1.本发明提出的ARX模型可以很好地预测建筑动态冷负荷需求，拟合优度大于80％。因此可采用数据驱动建模代替建筑性能软件模拟的方式实现建筑动态蓄能描述，从而使得建筑能源系统调度模型成为求解效率较高的混合整数模型。
2.以运行费用最小为目标优化调度建筑能源系统，系统耗电量会少量增加，但可以显著节省运行费用。以目标等效为原则(本例中以运行费用为目标)，发现该建筑动态蓄能可等效为3799kWh的电储能。
3.相同联络线功率峰谷差约束条件下，考虑电储能(案例2)及建筑动态蓄能(案例3)可以实现系统运行费用降低4.4％及6.7％。
附图说明
图1为本发明的实施流程图；
图2为本发明的能源系统方案示意图；
图3为本发明实施例中建立ARX模型测试及校验数据干球温度、相对湿度变化图；
图4为本发明实施例中建立ARX模型测试及校验数据冷负荷、太阳辐射变化图；
图5为本发明实施例中建立ARX模型测试及校验数据人员在室率、非空调电负荷率变化图；
图6为本发明实施例中建立ARX模型测试及校验数据不同方案下室内温度变化图；
图7为本发明实施例中建立ARX模型结构评价指标R2结果图；
图8为本发明实施例中建立ARX模型结构评价指标AIC结果图；
图9为本发明实施例中建立ARX模型模拟室内冷负荷及Energypuls模拟室内冷负荷对比图；
图10为本发明实施例中建立ARX模型优化调度时长选择示意图；
图11为本发明实施例中三种调度方案下，建筑冷负荷及室内温度设定策略示意图；
图12为本发明实施例中不同方案下的耗电功率结果示意图；
图13为本发明实施例中不同方案下运行费用及耗电量结果示意图；
图14为本发明实施例中方案1不同电价时段的耗电量比重结果示意图；
图15为本发明实施例中方案2不同电价时段的耗电量比重结果示意图；
图16为本发明实施例中方案3不同电价时段的耗电量比重结果示意图；
图17为本发明实施例中设立不同室内热舒适区间示意图；
图18为本发明实施例方案2下，不同电储能设备容量下系统运行费用结果示意图；
图19为本发明实施例中建筑动态蓄能与电储能的等效结果示意图；
图20为本发明实施例中不同方案下的联络线功率结果示意图；
图21为本发明实施例中不同联络线峰谷差约束条件下的系统运行费用示意图。
具体实施方式
下面结合附图和具体实施案例对本发明中基于混合储能技术的需求侧灵活供能技术方法的具体步骤进行详细描述。
步骤一、构建建筑能源系统的优化调度模型；
图2所示为建筑能源系统的示意图。本发明以经济性为目标构建了混合整数规划模型用于该系统的优化调度。
(1)系统运行费用
该系统的运行费用主要包含从电网购电的电量，系统维护费用。计算方式如公式(1)所示。
Figure BDA0002078320620000101
公式(1)中的第一项为电网购电的费用，第二项为光伏发电系统及供冷系统的维护费用。式中，
Figure BDA0002078320620000102
代表建筑与电网的联络线功率，kW；
Figure BDA0002078320620000103
代表电网分时电价，元/kWh；Δτ为持续时间，小时。
(2)冷量平衡约束
该供冷系统位于建筑内，因此忽略管网的延迟，认为冷机的制冷量与建筑冷负荷之间是实时平衡。三台冷机的总供冷量要大于等于建筑冷负荷，冷负荷是随机参数(气象参数，内扰等)及可控变量(室内温度)的函数，如公式(3)所示。
Figure BDA0002078320620000104
CLτ＝f(Tdryτ，RHτ，...，Troomτ)(3)
式中，
Figure BDA0002078320620000105
代表第i台冷水机组τ时刻的制冷功率，kW；CLτ为建筑τ时刻的冷负荷，kW；Tdryτ，RHτ，...，Troomτ为影响建筑冷负荷的随机因素及可控变量。
(3)电力平衡约束
该系统中的电力消费单元包括，冷水机组、冷冻/冷却水泵，冷却塔以及建筑内非空调设备用电。而电力供给主要来自光伏发电，不足部分从电网购入。其中蓄电池既可以作为电负荷单元(充电过程)又可以作为电力供给单元(放电过程)。系统的电力平衡如公式(4)所示。
Figure BDA0002078320620000111
式中，
Figure BDA0002078320620000112
分别表示制冷机组耗电功率，冷却塔耗电功率，冷却水泵耗电功率以及冷冻水泵耗电功率，kW；ELτ代表建筑内非空调设备耗电功率，kW；
Figure BDA0002078320620000113
分别代表与电网、光伏发电系统的交互功率；kW。
Figure BDA0002078320620000114
分别为蓄电池充电及放电功率，kW。
针对分布式建筑能源系统而言，电网公司通常规定园区与电网的联络线功率要控制在一定范围之内，即：
Figure BDA0002078320620000115
(4)设备模型及运行约束
1)离心式冷水机组模型及约束
冷水机组耗电功率通过机组性能系数进行计算，如公式(6)所示。
Figure BDA0002078320620000116
冷水机组的COP函数表达式，如公式(7)所示
Figure BDA0002078320620000117
本发明冷冻水出水温度为7℃，冷却水温度通过湿球温度计算得到，如公式(8)所示。
Tci,τ＝Twb+4(8)
负荷率为冷水机组当前制冷量与额定制冷量的比值，如公式(9)所示。
Figure BDA0002078320620000118
式中，
Figure BDA0002078320620000119
表示冷水机组标准工况下冷水机组COP；Teo,τ,Tci,τ,Twb分别为冷冻水出水温度、冷却水进水温度以及环境湿球温度，℃；λ1i,λ2i,λ3i为系数。
冷水机组制冷量存在一个容量上限约束及容量下限约束，如下式所述。
Figure BDA0002078320620000121
式中，
Figure BDA0002078320620000122
为表征机组启停状态的二元变量，机组开启，
Figure BDA0002078320620000123
等于1，机组关闭
Figure BDA0002078320620000124
等于0。
2)水泵及冷却塔模型及约束条件
通常冷却塔风机耗电功率与冷却塔的冷却量存在明确的函数关系，如下公式所示。
Figure BDA0002078320620000125
其中冷却量为：
Figure BDA0002078320620000126
本发明供冷系统中水泵均为变频水泵。水泵耗电功率受水泵阻力及水泵流量的影响，针对冷冻水泵而言，冷冻水量为：
Figure BDA0002078320620000127
式中，
Figure BDA0002078320620000128
为水泵流量。
针对闭式系统而言，水泵流量与扬程存在二次函数关系，因此水泵耗电功率可以表示为流量的函数表达式：
Figure BDA0002078320620000129
式中，
Figure BDA00020783206200001210
均为拟合系数；
Figure BDA00020783206200001211
为水泵额定流量。
3)光伏模型及约束
Figure BDA0002078320620000131
式中，NPV为屋顶光伏组件数量；
Figure BDA0002078320620000132
为测试工况下单光伏组件的发电功率，kW；SRτ为光照强度，kW/m2；
Figure BDA0002078320620000133
为测试工况下的光照强度，1kW/m2；ηc为综合考虑逆变器、交流线损等因素后的效率。
4)蓄电池模型及约束
Figure BDA0002078320620000134
Figure BDA0002078320620000135
Figure BDA0002078320620000136
Figure BDA0002078320620000137
式中，
Figure BDA0002078320620000138
分别为放电功率及充电功率，kW；
Figure BDA0002078320620000139
为充放电上限，kW；SOC为荷电状态；
Figure BDA00020783206200001310
为蓄电池当前容量，kWh；
步骤二、对优化调度模型进行线性化处理；
公式(6)、(7)、(9)、(11)、(12)、(14)中存在变量相乘及二次函数等非线性项。为了使得系统模型为混合整数线性规划模型，对上述公式进行线性化处理。
冷水机组的性能系数(COP)是联系冷水机组制冷量与冷水机组制冷功率的过程量，为了降低模型复杂度，本发明直接构建冷水机组制冷功率与制冷量的关系。整合公式(6)、(7)、(9)得到：
Figure BDA00020783206200001311
同样，对于冷却塔及水泵而言，本发明同样构建了设备耗电功率与制冷量的关联关系，公式(11)、(12)与公式(14)经过等效转换得到：
Figure BDA0002078320620000141
Figure BDA0002078320620000142
由公式(20)-(22)可见，冷水机组耗电功率，冷却塔耗电功率及水泵耗电功率都为制冷机组制冷量的一元非线性函数。本发明采用分段线性化方式对公式(20)-(22)进行线性化处理。
步骤三、构建用于描述建筑动态蓄能过程的线性化ARX模型；
以人员活动规律、室内设备运行计划作为ARX模型的输入变量。其他输入变量包括干球温度、湿球温度、太阳辐射强度、室内温度。
(1)构建ARX模型
ARX是一类线性模型。其表达方式如下：
Figure BDA0002078320620000143
系数及输入变量可采用矩阵形式表示，
θ＝[a1，a2，...，aNA，bi，1，bi，2，…，bi，NB]T(i∈P)(24)
Figure BDA0002078320620000144
Figure BDA0002078320620000145
其中，y(t)代表t时刻的建筑冷负荷，kW；u(t)为影响因素P在t时刻的输入值。P为影响因素的集合，本发明中代表干球温度、相对湿度、太阳辐射强度、设备使用计划、人员活动规律及室内设定温度，
即P＝{Tdry，RH，SR，Occu，Equip，Troom}。
na，nb，nk分别为负荷阶数，输入参数阶数；输入参数的滞后阶数。
(2)对ARX模型做参数辨识
基于历史数据计算y(t)的过程，本质是依据参数矩阵θ对y(t)作出的估计，即
Figure BDA0002078320620000151
因此可以通过历史监测数据获取最优的参数矩阵。本发明采用最小二乘法求解系数矩阵。具体步骤如下。设在L时长内，输入变量及输出变量的观测数据矩阵为：
ZL＝{u1(1)，u2(1)，...，ui(1)，y(1)，...，u1(L)，u2(L)，...，ui(L)，y(L)}(28)
然后，应选择θ以便将计算出的值
Figure BDA0002078320620000152
尽可能地拟合到最小二乘法(LSM)的测量输出。
Figure BDA0002078320620000153
目标函数表达式如下：
Figure BDA0002078320620000154
(3)确定模型选择标准
采用R2描述模型精度，采用赤池准则数(AIC)指标描述模型复杂度。R2与AIC的计算公式如下。
Figure BDA0002078320620000155
Figure BDA0002078320620000156
其中，其中k为模型参数个数，
Figure BDA0002078320620000157
是似然函数，从可供选择的模型中选择最佳模型(R2越大越好)时，通常选择AIC最小的模型。
步骤四、校验ARX模型的预测精度。
为了测试不同室内温度设定计划下，本ARX模型在预测建筑动态冷负荷方面的精度，提出多类室内温度设定方案用于更加全面地校验模型预测精度。对比采用Energyplus及本发明提出ARX模型对建筑冷负荷的计算结果。
采用拟合优度评价ARX模型的预测精度，计算所提出不同温度设定方案下的FIT值。公式如下：
Figure BDA0002078320620000161
步骤五、结合ARX模型预测的建筑动态冷负荷需求，利用建筑能源系统的优化调度模型计算，由储电设备与建筑动态蓄能组合成的多种方案下建筑能源系统的运行费用，最终实现建筑能源系统灵活供能配置。
对于建筑能源系统，冷负荷需求是其计算的边界条件，ARX模型就是用于预测这一边界条件，然后当做已知量进行输入。同时，建筑动态蓄能也是基于ARX模型体现的，因为有无考虑动态蓄能，其冷负荷需求是不一样的。优化调度建筑能源系统(即图2所示系统)的目标函数是运行费用，再利用GAMS/Cplex求解器进行目标函数寻优计算，具体的，设置四种方案：
方案一：不考虑储电设备；方案二：考虑储电设备；方案三：即考虑储电设备又考虑建筑动态蓄热；方案四不考虑储电设备，考虑建筑动态蓄能。
基于分时电价政策，依次比较室内温度设定计划及建筑冷负荷的变化情况，前三个方案的耗电量及运行费用，之后采用基于目标的建筑动态蓄能量化方法，认为只要建筑动态蓄能与电储能实现的目标相同，则两者具有相同支撑灵活供能的潜力：
方案四：设置不同室内热舒适区间，讨论不同舒适区间下建筑动态蓄能对建筑能源系统运行费用的影响。对方案二设置不同容量的储电设备，探讨不同储能设备容量对建筑能源系统运行费用的影响。最终，通过比较两个方案下的运行费用，实现建筑动态蓄能与电储能的等效。
基于峰谷值约束，在方案2及方案3中分别设置不同的联络线功率峰谷差约束条件，探讨峰谷差约束条件下的储能技术支撑系统灵活供能的潜力。
实施例：
以某工厂厂房为例，该建筑共四层，总建筑面积23600m2。该建筑内主要进行3C锂电池Pack生产。该建筑的供能系统如图2所示，制冷设备参数如表1所示，光伏及蓄电池参数如表2所示。厂房所在地区实行峰谷平分时电价，参数如表3所示。该建筑制冷机房内有三台离心式冷水机组，水泵等设备，同时有配电机房；光伏布置于屋顶。
表1制冷设备技术参数
Figure BDA0002078320620000171
表2光伏及蓄电池参数
Figure BDA0002078320620000172
Figure BDA0002078320620000181
表3分时电价参数
Figure BDA0002078320620000182
(1)验证建筑等效模型
采用Energyplus进行建筑冷负荷模拟，此后，假定Energyplus模型为真实建筑，仿真时间步长为1小时。图5为典型日建筑人员在室率及非空调电负荷率。采用两周的数据进行模型训练及校验，其中一周数据作为训练数据，另外一周作为校验数据，如图3及4所示。
确定模型选择标准，假定nk等于0。na,nb分别从1变化到24。通过观测不同na,nb组合情况下R2及AIC指标的变化，确定ARX模型结构。测试结果图7、8所示。本案例选取na等于6，nb等于4。公式(24)中的拟合参数如表4所示。
表4ARX模型参数
Figure BDA0002078320620000183
验证精度。设定三类室内温度设定方案，其余边界条件如图6所示。
方案1：全天供冷，室内温度设置为26℃；
方案2：间歇供冷，工作时间室内温度设定为26℃，其余时间室内温度；
方案3：夜间预冷，工作时间室内温度设定为26℃，22点到次日6点预冷，预冷温度为15℃。
Energyplus及提出ARX模型对建筑冷负荷进行计算的结果如图9所示。不同室内温度设定计划下预测的建筑动态热负荷基本与Energyplus得到的结果一致。在所有的验证方案中，96％以上的负荷均位于±5％误差限以内。
依据方案1到方案3的模拟结果，计算得到上述两个指标的统计结果，如表4所示。由表中结果可见，在三种方案下，ARX模型的拟合优度均大于80％。因此，本发明提出ARX模型可以很好地预测建筑动态热负荷，同时保证了模型线性化。
表5验证结果
Figure BDA0002078320620000191
(2)基于建筑蓄热的供能系统灵活性测试。
借助GAMS/Cplex求解器实现建筑动态蓄热在建筑能源系统灵活供能中的作用。选择四种案例：
案例一：不考虑储电设备；案例二：考虑储电设备；案例三：既考虑储电设备又考虑建筑动态蓄热；案例四：不考虑储电设备，考虑建筑动态蓄能。
如图10所示，所提出的ARX模型，τ时刻的冷负荷与τ-1,τ-2,...,τ-6时刻的负荷相关，并且与τ,τ-1,τ-2,τ-3的外生参数项及τ,τ-1,τ-2,τ-3时刻的外生变量项相关。因此在进行动态冷负荷变量与室内设定温度变量存在时序子相关性。对未来四天(共96小时)的建筑能源系统进行优化调度。其中第一天的前6小时数据作为模型的已知参数，剩余90小时的变量参与优化。
1)基于电价的灵活供能
图11展示了三种调度方案下，室内温度设定计划及建筑冷负荷的变化情况。可见建筑蓄热体可以很好地跟随电价的变动，实现供能系统冷负荷的平移。
图12描述了建筑供能系统电网购电功率，电储能可以实现电力负荷的平移，而考虑建筑动态蓄能之后，可以仅以增大电力负荷平移的程度。
图13及图14-16分别对三个方案的耗电量及运行费用进行了统计。
设置不同的室内热舒适区间，如图17所示的RTS1-RTS13。RTS1在工作时间段内室内温度最高不超过28℃(RTS1)，最低不低于22℃(RTS13)。图18显示了方案2中配置不同容量的电储能设备时，建筑能源系统的运行费用变化。结果显示，随着电储能设备容量的增加，系统运行费用降低，然而，当电储能设备容量大于9000kWh时，系统运行费用不会继续降低，这是由于联络线功率限制导致。
图19中的趋势向下直线显示了不同室内热舒适区间约束条件下系统的运行费用。结果显示，随着热舒适区间的放宽，建筑动态蓄能的潜力增大，因此系统运行费用降低。基于系统运行费用相同的原则，可以得到不同热舒适区间约束条件下，对应的电储能设备容量，如图19中趋势向上线条所示。结果显示，RTS1约束下的等效电储能容量达到3977kWh。考虑到目前电储能设备的经济性，建筑动态蓄能可以成为建筑能源系统灵活供能的重要技术。
2)基于峰谷约束的灵活供能
图20显示了方案1,方案2,，方案3中，联络线功率的变化情况。
再方案2和方案3中分别设置不同的联络线功率峰谷差约束条件，探讨峰谷差约束条件下的储能技术支撑系统灵活供能的潜力。图21显示了不同联络线功率峰谷差约束条件下，方案2及方案3的运行费用变化，其中deltaP表示联络线功率最大峰谷差。可看出在本案例环境条件下(如室外温度、室内温度设定计划等)deltaP＝1200kW是保证储电设备及建筑动态蓄能发挥最大灵活供能潜力的最大峰谷差需求。方案1中联络线功率峰谷差为714kW。当调整方案2与方案3中峰谷差约束714kW时，方案2及方案3的运行费用仍然比方案1降低4.4％及6.7％。
需要声明的是，本发明内容及具体实施方式意在证明本发明所提供技术方案的实际应用，不应解释为对本发明保护范围的限定。
本领域技术人员在本发明的精神和原理启发下，可作各种修改、等同替换、或改进。但这些变更或修改均在申请待批的保护范围之内。

Claims (8)

1.基于混合储能技术的建筑需求侧能源供给技术方法，其特征在于，包括步骤：
(1)构建建筑能源系统的优化调度模型，明确冷量平衡约束，电力平衡约束，设备模型及运行约束；
(2)对优化调度模型进行线性化处理；
(3)依次进行构建用于描述建筑动态蓄能过程的ARX模型用于预测建筑动态冷负荷需求、对ARX模型做参数辨识、确定模型选择标准以实现对ARX模型的训练和验证；
(4)提出多类室内温度设定方案，计算所提出不同温度设定方案下的FIT值，采用拟合优度评价ARX模型的预测精度，校验ARX模型的预测精度；
(5)结合ARX模型预测的建筑动态冷负荷需求，利用建筑能源系统的优化调度模型计算由储电设备与建筑动态蓄能组合成的多种方案下建筑能源系统的运行费用，最终实现建筑能源系统灵活供能配置。
2.根据权利要求1所述基于混合储能技术的建筑需求侧能源供给技术方法，其特征在于，所述步骤(1)具体为，以系统运行费用为目标函数构建用于系统优化调度的优化调度模型，目标函数如下；
Figure FDA0002078320610000011
式中，
Figure FDA0002078320610000012
为电网购电的费用，
Figure FDA0002078320610000013
为光伏发电系统及供冷系统的维护费用，εPV为光伏维护成本系数；
Figure FDA0002078320610000014
为光伏发电功率；εCS为冷机维护成本系数；
Figure FDA0002078320610000015
为冷机制冷量；
Figure FDA0002078320610000016
代表τ时刻的建筑与电网的联络线功率，
Figure FDA0002078320610000017
Figure FDA0002078320610000018
表功率上限值；
Figure FDA0002078320610000019
代表τ时刻的电网分时电价；Δτ为持续时间；
优化调度模型需满足冷量平衡约束与电力平衡约束；冷量平衡约束，采用下式：
Figure FDA0002078320610000021
CLτ＝f(Tdry,RH,SR,Occu,Equip,Troom)
式中，
Figure FDA0002078320610000029
代表第i台冷水机组τ时刻的制冷功率；CLτ为建筑τ时刻的冷负荷；Tdry,RH,SR,Occu,Equip,Troom为影响建筑冷负荷的随机因素及可控变量，分别代表干球温度、相对湿度、太阳辐射强度、设备使用计划、人员活动规律及室内设定温度；
电力平衡约束，采用下式表示：
Figure FDA0002078320610000022
式中，
Figure FDA00020783206100000210
分别表示τ时刻的第i台制冷机组耗电功率，第i台冷却塔耗电功率，第i台冷却水泵耗电功率以及第i台冷冻水泵耗电功率；ELτ代表建筑内τ时刻非空调设备耗电功率；
Figure FDA0002078320610000023
分别代表τ时刻与电网、光伏发电系统的交互功率；
Figure FDA0002078320610000024
分别为τ时刻的蓄电池充电及放电功率；
离心式冷水机组模型及约束表示如下：
Figure FDA0002078320610000025
Figure FDA0002078320610000026
Tci,τ＝Twb+4
Figure FDA0002078320610000027
式中，
Figure FDA0002078320610000028
表示冷水机组标准工况下冷水机组COP；Teo,τ,Tci,τ,Twb分别为冷冻水出水温度、冷却水进水温度以及环境湿球温度；λ1i,λ2i,λ3i为系数；冷水机组制冷量存在一个容量上限约束及容量下限约束,表示如下：
Figure FDA0002078320610000031
式中，
Figure FDA0002078320610000032
为表征机组启停状态的二元变量，机组开启，
Figure FDA0002078320610000033
等于1，机组关闭
Figure FDA0002078320610000034
等于0，
Figure FDA0002078320610000035
表示冷水机组的额定制冷量；
水泵及冷却塔模型及约束如下所示：
Figure FDA0002078320610000036
Figure FDA0002078320610000037
Figure FDA0002078320610000038
式中，
Figure FDA0002078320610000039
为冷却塔额定功率，kW；
Figure FDA00020783206100000310
为冷却塔额定冷却量；
Figure FDA00020783206100000311
均为拟合系数；
Figure FDA00020783206100000312
为水泵额定流量，
Figure FDA00020783206100000313
为水泵流量；cp水的比热；
光伏模型及约束如下所示：
Figure FDA00020783206100000314
式中，NPV为屋顶光伏组件数量；
Figure FDA00020783206100000315
为测试工况下单光伏组件的发电功率；SRτ为光照强度；
Figure FDA00020783206100000316
为测试工况下的光照强度；ηc为综合考虑逆变器、交流线损等因素后的效率；
蓄电池模型及约束如下所示：
Figure FDA00020783206100000317
Figure FDA00020783206100000318
Figure FDA00020783206100000319
Figure FDA0002078320610000041
式中，
Figure FDA0002078320610000042
分别为放电功率及充电功率；
Figure FDA0002078320610000043
为充放电上限；SOC为荷电状态；SOC为其下限值；
Figure FDA0002078320610000044
为其上限值；
Figure FDA0002078320610000045
为蓄电池当前容量；
Figure FDA0002078320610000046
为蓄电池的额定容量。
3.根据权利要求2所述基于混合储能技术的建筑需求侧能源供给技术方法，其特征在于，所述步骤(2)中，对优化调度模型进行线性化处理时，其中直接构建冷水机组制冷功率与制冷量的关系式如下：
Figure FDA0002078320610000047
构建设备耗电功率与制冷量的关联关系，如下：
Figure FDA0002078320610000048
Figure FDA0002078320610000049
4.根据权利要求3所述基于混合储能技术的建筑需求侧能源供给技术方法，其特征在于，所述步骤(3)具体为，以人员活动规律、室内设备运行计划、干球温度、湿球温度、太阳辐射强度、室内温度的作为ARX模型的输入变量构建ARX模型；所述ARX模型表达方式如下：
Figure FDA00020783206100000410
y(t)采用矩阵形式表示如下：
Figure FDA0002078320610000051
θ＝[a1,a2,…,aNA,bi,1,bi,2,…,bi,NB]T(i∈P)
Figure FDA0002078320610000052
其中，y(t)代表t时刻的建筑冷负荷；u(t)为影响因素P在t时刻的输入值，θ为参数矩阵；P为影响因素的集合，P＝{Tdry,RH,SR,Occu,Equip,Troom}，代表干球温度、相对湿度、太阳辐射强度、设备使用计划、人员活动规律及室内设定温度，NA，NB，nk分别为负荷阶数、输入参数阶数、输入参数的滞后阶数。
5.根据权利要求4所述基于混合储能技术的建筑需求侧能源供给技术方法，其特征在于，所述步骤(2)中，基于历史数据计算y(t)的过程，是依据参数矩阵θ对y(t)作出的估计，表示如下：
Figure FDA0002078320610000053
通过历史监测数据获取最优的参数矩阵，采用最小二乘法求解系数矩阵：具体是，设在L时长内，输入变量及输出变量的观测数据矩阵如下：
ZL＝{u1(1),u2(1),…,ui(1),y(10,…,u1(L),u2(L),…,ui(L),y(L)}
然后，选择θ以便将计算出的值
Figure FDA0002078320610000054
尽可能地拟合到最小二乘法LSM的测量输出，如下式所示：
Figure FDA0002078320610000055
Figure FDA0002078320610000056
6.根据权利要求5所述基于混合储能技术的建筑需求侧能源供给技术方法，其特征在于，所述步骤(3)中，采用R2描述模型精度，采用赤池准则数AIC指标描述模型复杂度，其中：
Figure FDA0002078320610000061
Figure FDA0002078320610000062
其中，其中k为模型参数个数；
Figure FDA0002078320610000063
是似然函数；SSresidual为残差平方和；SStotal为总残差平方和。
7.根据权利要求6所述基于混合储能技术的建筑需求侧能源供给技术方法，其特征在于，所述步骤(3)中，
Figure FDA0002078320610000064
8.根据权利要求1所述基于混合储能技术的建筑需求侧能源供给技术方法，其特征在于，所述步骤(5)具体设置四种方案：
方案一为不考虑储电设备；方案二为考虑储电设备；方案三为即考虑储电设备又考虑建筑动态蓄热；方案四为不考虑储电设备，考虑建筑动态蓄能。
CN201910462018.6A 2019-05-30 2019-05-30 一种基于混合储能技术的建筑需求侧能源供给技术方法 Pending CN112016728A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910462018.6A CN112016728A (zh) 2019-05-30 2019-05-30 一种基于混合储能技术的建筑需求侧能源供给技术方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910462018.6A CN112016728A (zh) 2019-05-30 2019-05-30 一种基于混合储能技术的建筑需求侧能源供给技术方法

Publications (1)

Publication Number Publication Date
CN112016728A true CN112016728A (zh) 2020-12-01

Family

ID=73501460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910462018.6A Pending CN112016728A (zh) 2019-05-30 2019-05-30 一种基于混合储能技术的建筑需求侧能源供给技术方法

Country Status (1)

Country Link
CN (1) CN112016728A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113094907A (zh) * 2021-04-15 2021-07-09 天津大学 一种用于空调负荷和电动汽车充电负荷联合调度方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830743A (zh) * 2018-05-25 2018-11-16 天津大学 考虑多种蓄冷装置的园区综合能源系统优化调度方法
CN109059193A (zh) * 2018-05-25 2018-12-21 天津大学 考虑机组启停费用的园区综合能源系统优化调度方法
CN109523137A (zh) * 2018-10-29 2019-03-26 天津大学 考虑楼宇热负荷需求响应的园区综合能源优化调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830743A (zh) * 2018-05-25 2018-11-16 天津大学 考虑多种蓄冷装置的园区综合能源系统优化调度方法
CN109059193A (zh) * 2018-05-25 2018-12-21 天津大学 考虑机组启停费用的园区综合能源系统优化调度方法
CN109523137A (zh) * 2018-10-29 2019-03-26 天津大学 考虑楼宇热负荷需求响应的园区综合能源优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIDE NIU ETAL: "Flexible dispatch of a building energy system using building thermal storage and battery energy storage", APPLIED ENERGY, pages 274 - 287 *
程婵娟: "系统辨识的线性规划方法研究", 中国优秀硕士学位论文全文数据库 基础科学辑, pages 3 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113094907A (zh) * 2021-04-15 2021-07-09 天津大学 一种用于空调负荷和电动汽车充电负荷联合调度方法

Similar Documents

Publication Publication Date Title
US11522487B2 (en) Building and building cluster energy management and optimization system and method
CN110619110B (zh) 一种含热泵的综合能源系统协调运行优化方法
McLarty et al. Micro-grid energy dispatch optimization and predictive control algorithms; A UC Irvine case study
CN110400059B (zh) 一种综合能源系统联络线功率控制方法
Cole et al. Use of model predictive control to enhance the flexibility of thermal energy storage cooling systems
CN110110904A (zh) 考虑经济性、独立性和碳排放的综合能源系统优化方法
CN111768032B (zh) 基于双模式热泵储能协调的综合能源系统双层优化方法
CN110659788A (zh) 一种用户侧综合能源系统的供需平衡分析方法和系统
CN110474370B (zh) 一种空调可控负荷、光伏储能系统的协同控制系统及方法
CN113987734A (zh) 机会约束条件的园区综合能源系统多目标优化调度方法
Chapaloglou et al. Microgrid energy management strategies assessment through coupled thermal-electric considerations
CN110486793A (zh) 一种基于热网五级监控的智能分析调度方法及系统
CN112182887A (zh) 一种综合能源系统规划优化仿真方法
CN112600253A (zh) 基于用能效率最优的园区综合能源协同优化方法及设备
Hakimi et al. Smart virtual energy storage control strategy to cope with uncertainties and increase renewable energy penetration
CN112329260A (zh) 一种多能互补微网多元多目标优化配置与优化运行方法
Srithapon et al. Predictive control and coordination for energy community flexibility with electric vehicles, heat pumps and thermal energy storage
Hayati et al. A Two-Stage Stochastic Optimization Scheduling Approach for Integrating Renewable Energy Sources and Deferrable Demand in the Spinning Reserve Market
Bai et al. Flexibility quantification and enhancement of flexible electric energy systems in buildings
Zachar et al. Nonlinear economic model predictive control for microgrid dispatch
CN112016728A (zh) 一种基于混合储能技术的建筑需求侧能源供给技术方法
Al-Aali et al. Decarbonizing the electricity sector in Qatar using PV combined with ice thermal and battery storage
CN115187018A (zh) 一种园区综合能源系统双层优化调度方法及装置
Dang et al. Energy optimization in an eco-district with electric vehicles smart charging
Bando et al. Impact of various characteristics of electricity and heat demand on the optimal configuration of a microgrid

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination