CN113315135A - 低碳楼宇优化调度方法、系统、终端及介质 - Google Patents

Abstract

本发明提供了一种低碳楼宇优化调度方法及系统，包括：建立基于V2B的单个电动汽车充放电过程模型，构建电动汽车相关约束；建立电动汽车价格激励模型，获得电动汽车参与楼宇综合调控的响应度；建立温控负荷模型，构建温控负荷相关约束；建立光伏建筑一体化模型，构建光伏建筑一体化相关约束；根据所述电动汽车相关约束、温控负荷相关约束以及光伏建筑一体化相关约束，建立最大需量约束；根据所述电动汽车参与调控的响应度以及最大需量约束，建立优化调度模型。同时提供了一种相应的终端及介质。本发明能有效降低楼宇的月度需量阈值，同时通过空调节能和光伏利用等措施，显著降低楼宇的碳排放量。

Description

低碳楼宇优化调度方法、系统、终端及介质

技术领域

本发明涉及楼宇可控负荷优化调度技术领域，具体地，涉及一种考虑V2B智慧充电桩群的低碳楼宇优化调度方法、系统、终端及介质。

背景技术

二氧化碳等温室气体的大量排放将引起全球变暖，世界各国十分重视节能减排和可持续发展议题。2020年9月，我国在第75届联合国大会提出我国“二氧化碳排放力争于2030年前达到峰值，2060年前实现碳中和”的目标。我国电力行业碳排放量占全社会总碳排放量的41％，是完成碳达峰目标的绝对主力。此前，电力行业的碳研究多集中于发电侧，基于碳配额制等市场机制或碳捕集电厂等技术手段实现电力行业减排。然而，电力需求侧同样需要以减少高碳能耗的方式建立清洁低碳社会。因此，用户侧的碳排放量评估具有实际意义。

建筑减排在国家低碳战略中占据重要地位。全国建筑碳排放数据分析 (2000-2016)显示，我国建筑能耗占能源消费总量的比重为20.6％，建筑减排潜力巨大。《绿色建筑评价标准》规定：“绿色建筑应采取措施降低部分负荷、部分空间使用下的供暖、空调系统能耗”，即，绿色建筑内部必须具备负荷主动调控能力。负荷侧的主动调节能力恰恰也是新型电力系统的发展趋势和要求。

电动汽车(Electric Vehicle，EV)的迅速发展也为建设低碳社会提供强大助推。EV替代燃油车能大幅减少交通领域的碳排放量。政策催化下，EV发展迅速，但同时也为电力系统带来巨大压力。以办公或商业楼宇的停车场充电桩群为例，未经管控的EV充电负荷的接入使得楼宇负荷大幅提升，需量电费激增，更有可能造成楼宇配电变压器负载率超过正常范围，造成配网资源寿命减损，配网升级成本激增。

针对上述问题，技术文献“徐智威，胡泽春，宋永华，等.充电站内电动汽车有序充电策略[J].电力系统自动化，2012，36(11):38-43.”和“李秋硕，肖湘宁，郭静，等.电动汽车有序充电方法研究[J].电网技术，2012，36(12):32-38.”提出通过允许充电暂停和优化充电开始时间满足用户充电需求且不超过配电变压器容量限制。但EV作为需求侧资源，潜力不止于有序充电，有研究表明在电动汽车入网技术(Vehicle to Grid，V2G)的支持下，EV作为移动储能单元，能够向电网返送电能并提供辅助服务。但V2G涉及较为复杂的并网模块，因此，现阶段电动汽车向楼宇反向服务技术(Vehicle-to-Building，V2B)、电动汽车与家庭互动技术 (Vehicle-to-Home，V2H)模式更具有可行性。

低碳建筑中，除EV充电负荷外通常还存在其他体量不可忽略的可控负荷。以温控负荷为例，考虑楼宇热损耗和热容，以电力系统调峰为目标建立包含空调和储热罐的楼宇温控负荷最优调度模型。研究含热电联供系统的综合能源楼宇，以运行成本最低为目标建立经济调度模型，对有供暖需求区域的楼宇改造有借鉴意义。计及电动汽车调度成本构建区域综合能源系统模型，通过改进的CSPO算法求解，但未考虑车主补贴激励对参与率的影响。

总结发现，现有技术通常存在以下技术问题：

(1)较少关注电动汽车与楼宇中其他可控负荷的联合优化调度策略；

(2)较少在楼宇级优化中考虑V2B技术；

(3)较少评估楼宇运行中的环境效益。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

本发明针对现有技术中存在的上述不足，提供了一种考虑V2B智慧充电桩群的低碳楼宇优化调度方法、系统、终端及介质。

根据本发明的一个方面，提供了一种低碳楼宇优化调度方法，包括：

建立基于V2B的单个电动汽车充放电过程模型，构建电动汽车相关约束；

建立电动汽车价格激励模型，获得电动汽车参与楼宇综合调控的响应度；

建立温控负荷模型，构建温控负荷相关约束；

建立光伏建筑一体化模型，构建光伏建筑一体化相关约束；

根据所述电动汽车相关约束、温控负荷相关约束以及光伏建筑一体化相关约束，建立最大需量约束；

根据所述电动汽车参与调控的响应度以及最大需量约束，建立优化调度模型，实现低碳楼宇优化调度方法。

优选地，所述建立基于V2B的单个电动汽车充放电过程模型，构建电动汽车相关约束，包括：

将单个电动汽车的充电过程划分为多个时段，充电桩的控制状态在每个时段点进行调整，每个控制区间内的充放电功率及充放电状态保持一致，则建立单个电动汽车充放电过程模型为：

其中，

为时段t第i辆车的充电功率和放电功率；

为表征充电状态的0-1变量，

为第i辆车到达和离开的时间；

设定V2B模式下电动汽车荷电状态的最低和最高值为：

设定充放电功率与电动汽车荷电状态间的关系为：

其中，S_ev为电动汽车动力电池容量，η^evc和η^evd为充放电效率；

记一天中在楼宇中充电的电动汽车总数为n^ev，则电动汽车智慧充电桩群的总充放电功率为：

其中，式(1)～式(8)即为电动汽车相关约束。

优选地，所述建立电动汽车价格激励模型，获得电动汽车参与楼宇综合调控的响应度，包括：

所述电动汽车参与楼宇综合调控的响应程度根据激励价格划分为如下三个阶段：

第一阶段，为不敏感区，激励价格区间为(0，a)，电动汽车参与调控的响应程度接近零；

第二阶段，为响应区，激励价格区间为[a，b]，电动汽车参与调控的响应程度明显增大；

第三阶段，为饱和区，激励价格大于b，电动汽车参与调控的响应程度不再增加；

建立响应比例β与激励费用ρ之间的关系为：

其中，k为效用系数，代表用户对激励措施的响应程度，效用系数越高，则用户对激励费用越敏感；

参与楼宇综合调控的电动汽车数量为：

N^ev＝βn^ev (10)

电动汽车总调控费用C_s为：

其中，n_T为一天中的总时段数。

优选地，所述建立温控负荷模型，构建温控负荷相关约束，包括：

建立空调资源的简化热参数模型为：

其中，

为t+1时刻的室内温度，

为t+1时刻的室外温度，

为t时刻的室外温度，

为t时刻的室内温度，Δt为时间分度，R_b为房间热阻，C_b为房间热容，

为空调制冷量；空调的制冷量与空调电功率间的关系为：

其中，

为时段t空调电功率，CoP(t)为时段t空调能效比；设空调能效比仅与室外机所处温度相关，则：

其中，

为空调额定情况及基准情况，温度与能效比对应参数；

当室内温度保持在Tⁱⁿ时，即

时，根据式(12)得到此时空调的制冷量为：

当室内温度变化时，空调最大制冷量由额定制冷功率

决定，则：

其中，式(12)～式(14)即为温控负荷相关约束。

优选地，建立光伏建筑一体化模型，构建光伏建筑一体化相关约束，包括：

建立光伏建筑一体化模型为：

其中，P_t ^pv表示时段t内光伏建筑一体化的有功出力，

表示光伏建筑一体化的有功出力最大值，

为时段t光伏有功出力典型值，

为屋顶光伏容量，

为玻璃幕墙光伏容量，

为最大允许光伏预测功率误差；

其中，式(17)～式(18)即为光伏建筑一体化相关约束。

优选地，根据所述电动汽车相关约束、温控负荷相关约束以及光伏建筑一体化相关约束，建立最大需量约束，包括：

以约束条件形式限制楼宇从电网购电功率阈值，则：

P_t ^buy＝(P_t ^evc-P_t ^evd+P_t ^ac+P_t ^pv+P_t ^regular)Δt (19)

P_t ^buy≤ζ (20)

其中，P_t ^buy为时段t楼宇从电网购电功率，

为时段t单个电动汽车的充电功率，

为时段t单个电动汽车的放电功率

为时段t空调电功率，

为时段t内光伏建筑一体化的有功出力，P_t ^regular代表照明负荷及电梯等设备负荷，Δt为时间分度，ζ为模型楼宇用电最大需量阈值；

其中，式(19)～式(20)即为最大需量约束。

优选地，所述根据所述电动汽车参与调控的响应度以及最大需量约束，建立优化调度模型，包括：

低碳楼宇电能管理中心优化运行的目标函数Obj包括C_e和C_s两部分：

Obj＝min(C_e+C_s) (21)

其中，C_e为从电网购电费用，C_s为用户激励费用；

结合分时电价计算用能成本，得到：

其中，n_T为一天中的总时段数，P_t ^buy为时段t楼宇从电网购电功率，ρ_t为时刻t从电网购电价格。

优选地，所述方法还包括：

根据建立的所述优化调度模型，测算用户侧的二氧化碳减排量。

优选地，所述根据建立的所述优化调度模型，测算用户侧的二氧化碳减排量，包括：

空调的碳减排量表示为：

E^ac＝λW^acΔt (23)

λ＝ω₁OM+ω₂BM (24)

其中，E^ac为空调的日碳减排量；W^ac为空调负荷日削减量，λ为单位电量综合边际排放因子，

为空调负荷基线在时刻t的取值，

为空调电功率，，Δt为时间分度，OM为电量边际排放因子，BM为容量边际排放因子，ω₁为电量边际排放因子权重，ω₂为容量边际排放因子权重，n_T为一天中的总时段数

光伏发电设备的碳减排量为日总发电功率乘以单位电量边际排放因子：

其中，

为时段t内光伏建筑一体化的有功出力。

根据本发明的另一个方面，提供了一种低碳楼宇优化调度系统，包括：

电动汽车相关约束建立模块，该模块建立基于V2B的单个电动汽车充放电过程模型，构建电动汽车相关约束；

电动汽车响应度获取模块，该模块建立电动汽车价格激励模型，获得电动汽车参与楼宇综合调控的响应度；

温控负荷相关约束建立模块，该模块建立温控负荷模型，构建温控负荷相关约束；

光伏建筑相关约束建立模块，该模块建立光伏建筑一体化模型，构建光伏建筑一体化相关约束；

最大需量约束建立模块，该模块根据所述电动汽车相关约束、温控负荷相关约束以及光伏建筑一体化相关约束，建立最大需量约束；

优化调度模型建立模块，该模块根据所述电动汽车参与调控的响应度以及最大需量约束，建立优化调度模型，实现低碳楼宇优化调度方法。

根据本发明的第三个方面，提供了一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时可用于执行上述任一项所述的方法，或，运行上述的系统。

根据本发明的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可用于执行上述任一项所述的方法，或，运行上述的系统。

由于采用了上述技术方案，本发明与现有技术相比，具有如下至少一项的有益效果：

本发明提供的低碳楼宇优化调度方法、系统、终端及介质，能有效降低楼宇的月度需量阈值，同时通过空调节能和光伏利用等措施，显著降低楼宇的碳排放量。

本发明提供的低碳楼宇优化调度方法、系统、终端及介质，在分时电价背景下，能够利用V2B智慧充电桩群的调节弹性与温控负荷的储热效应有效降低楼宇日常用电费用和月度需量电费。

本发明提供的低碳楼宇优化调度方法、系统、终端及介质，考虑V2B技术的智慧充电桩群有助于楼宇经济运行；极端天气日，V2B能够缓解楼宇负荷高峰压力；平常日，V2B能够通过调节峰电价和谷电价时段的用电量，降低楼宇用能成本。

本发明提供的低碳楼宇优化调度方法、系统、终端及介质，通过光伏玻璃幕墙、温控负荷温度限制、V2B等措施能够有效提升楼宇的环境友好程度。

本发明提供的低碳楼宇优化调度方法、系统、终端及介质，能够为楼宇带来实际经济利益。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一实施例提供的低碳楼宇优化调度方法流程图。

图2为本发明一优选实施例中低碳楼宇电气结构示意图。

图3为本发明一优选实施例中EV智慧充电过程示意图。

图4为本发明一优选实施例中用户响应度与充电折扣的关系示意图。

图5为本发明一具体应用实例中空调负荷基线变化曲线图。

图6为本发明一具体应用实例中车辆离开到达楼宇时间的概率密度变化曲线图。

图7为本发明一具体应用实例中上海市工商业分时电度电价变化曲线图。

图8为本发明一具体应用实例中光伏低发日的楼宇运行情况示意图。

图9为本发明一具体应用实例中光伏大发日的楼宇运行情况示意图。

图10为本发明一具体应用实例中综合调控后楼宇运行情况示意图。

图11为本发明一具体应用实例中室温及制冷功率变化示意图。

图12为本发明一实施例提供的低碳楼宇优化调度系统组成模块示意图。

具体实施方式

下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

图1为本发明一实施例提供的低碳楼宇优化调度方法流程图。

如图1所示，该实施例提供的低碳楼宇优化调度方法，可以包括如下步骤：

S100，建立基于V2B的单个电动汽车充放电过程模型，构建电动汽车相关约束；

S200，建立电动汽车价格激励模型，获得电动汽车参与楼宇综合调控的响应度；

S300，建立温控负荷模型，构建温控负荷相关约束；

S400，建立光伏建筑一体化模型，构建光伏建筑一体化相关约束；

S500，根据电动汽车相关约束、温控负荷相关约束以及光伏建筑一体化相关约束，建立最大需量约束；

S600，根据电动汽车参与调控的响应度以及最大需量约束，建立优化调度模型，实现低碳楼宇优化调度方法。

在该实施例中，作为一优选实施例，该方法还可以包括如下步骤：

S700，根据建立的优化调度模型，测算用户侧的二氧化碳减排量。

在该实施例的S100中，作为一优选实施例，建立基于V2B的单个电动汽车充放电过程模型，构建电动汽车相关约束，包括：

将单个电动汽车的充电过程划分为多个时段，充电桩的控制状态在每个时段点进行调整，每个控制区间内的充放电功率及充放电状态保持一致，则建立单个电动汽车充放电过程模型为：

其中，

为时段t第i辆车的充电功率和放电功率；

为表征充电状态的0-1变量，

为第i辆车到达和离开的时间；

设定V2B模式下电动汽车荷电状态的最低和最高值为：

设定充放电功率与电动汽车荷电状态间的关系为：

其中，S_ev为电动汽车动力电池容量，η^evc和η^evd为充放电效率；

记一天中在楼宇中充电的电动汽车总数为n^ev，则电动汽车智慧充电桩群的总充放电功率为：

其中，式(1)～式(8)即为电动汽车相关约束。

在该实施例的S200中，作为一优选实施例，建立电动汽车价格激励模型，获得电动汽车参与楼宇综合调控的响应度，包括：

电动汽车参与楼宇综合调控的响应程度根据激励价格划分为如下三个阶段：

第一阶段，为不敏感区，激励价格区间为(0，a)，电动汽车参与调控的响应程度接近零；

第二阶段，为响应区，激励价格区间为[a，b]，电动汽车参与调控的响应程度明显增大；

第三阶段，为饱和区，激励价格大于b，电动汽车参与调控的响应程度不再增加；

建立响应比例β与激励费用ρ之间的关系为：

其中，k为效用系数，代表用户对激励措施的响应程度，效用系数越高，则用户对激励费用越敏感；

参与楼宇综合调控的电动汽车数量为：

N^ev＝βn^ev (10)

电动汽车总调控费用C_s为：

其中，n_T为一天中的总时段数。

在该实施例的S300中，作为一优选实施例，建立温控负荷模型，构建温控负荷相关约束，包括：

建立空调资源的简化热参数模型为：

其中，

为t+1时刻的室内温度，

为t+1时刻的室外温度，

为t时刻的室外温度，

为t时刻的室内温度，Δt为时间分度，R_b为房间热阻，C_b为房间热容，

为空调制冷量；空调的制冷量与空调电功率间的关系为：

其中，

为时段t空调电功率，CoP(t)为时段t空调能效比；设空调能效比仅与室外机所处温度相关，则：

其中，

为空调额定情况及基准情况，温度与能效比对应参数；

当室内温度保持在Tⁱⁿ时，即

时，根据式(12)得到此时空调的制冷量为：

当室内温度变化时，空调最大制冷量由额定制冷功率

决定，则：

其中，式(12)～式(14)即为温控负荷相关约束。

在该实施例的S400中，作为一优选实施例，建立光伏建筑一体化模型，构建光伏建筑一体化相关约束，包括：

建立光伏建筑一体化模型为：

其中，P_t ^pv表示时段t内光伏建筑一体化的有功出力，

表示光伏建筑一体化的有功出力最大值，

为时段t光伏有功出力典型值，

为屋顶光伏容量，

为玻璃幕墙光伏容量，

为最大允许光伏预测功率误差；

其中，式(17)～式(18)即为光伏建筑一体化相关约束。

在该实施例的S500中，作为一优选实施例，根据电动汽车相关约束、温控负荷相关约束以及光伏建筑一体化相关约束，建立最大需量约束，包括：

以约束条件形式限制楼宇从电网购电功率阈值，则：

P_t ^buy＝(P_t ^evc-P_t ^evd+P_t ^ac+P_t ^pv+P_t ^regular)Δt (19)

P_t ^buy≤ζ (20)

其中，P_t ^buy为时段t楼宇从电网购电功率，

为时段t单个电动汽车的充电功率，

为时段t单个电动汽车的放电功率，

为时段t空调电功率，

为时段t内光伏建筑一体化的有功出力，P_t ^regular代表照明负荷及电梯等设备负荷，Δt为时间分度，ζζ为模型楼宇用电最大需量阈值；

其中，式(19)～式(20)即为最大需量约束。

在该实施例的S600中，作为一优选实施例，根据电动汽车参与调控的响应度以及最大需量约束，建立优化调度模型，包括：

低碳楼宇电能管理中心优化运行的目标函数Obj包括C_e和C_s两部分：

Obj＝min(C_e+C_s) (21)

其中，C_e为从电网购电费用，C_s为用户激励费用；

结合分时电价计算用能成本，得到：

其中，n_T为一天中的总时段数，P_t ^buy为时段t楼宇从电网购电功率，ρ_t为时刻t从电网购电价格。

在该实施例的S700中，作为一优选实施例，根据建立的优化调度模型，测算用户侧的二氧化碳减排量，包括：

空调的碳减排量表示为：

E^ac＝λW^acΔt (23)

λ＝ω₁OM+ω₂BM (24)

其中，E^ac为空调的日碳减排量；W^ac为空调负荷日削减量，λn_T为单位电量综合边际排放因子，

为空调负荷基线在时刻t的取值，

为空调电功率，，Δt为时间分度， OM为电量边际排放因子，BM为容量边际排放因子，ω₁为电量边际排放因子权重，ω₂为容量边际排放因子权重，为一天中的总时段数

光伏发电设备的碳减排量为日总发电功率乘以单位电量边际排放因子：

其中，

为时段t内光伏建筑一体化的有功出力。

本实施例提供的低碳楼宇优化调度方法，建立了一种高比例光伏接入的低碳楼宇电能管理框架，楼宇可控负荷包含电动汽车智慧充电桩群和温控负荷。考虑用户响应度和楼宇用电最大需量约束，建立基于电动汽车向楼宇反向服务(Vehicle-to-Building，V2B)技术的电动汽车智慧充电桩群模型和基于舒适度范围的温控负荷模型，以购电费用与激励费用之和最小为目标，求解楼宇的日发用电计划。并基于二氧化碳减排量，设计需求侧的环境友好评估指标，衡量楼宇的节能效果。

本发明一优选实施例以办公属性的低碳楼宇为研究对象，楼宇负荷包括照明负荷、设备负荷、温控负荷和EV充电负荷等。楼宇电能管理中心对所有用电设备及发电设备实时监测，对可控负荷进行集中优化调度。楼宇电气结构如图2所示。

楼宇内温控负荷使用节能性能优异的变频空调，其承担冷负荷与热负荷调节的双重功能。楼宇通过节能宣传使得住户让渡调节室内温度的权利，楼宇内温度和空调运行状态由电能管理中心统一设定和控制。

楼宇配置的EV智慧充电桩支持电能双向传输。当待充电车辆接入充电桩时，监测装置记录车辆接入时间，同时屏幕显示V2B活动说明和激励措施，若用户选择服从楼宇调控，则用户需要上传提车时间及预期充电电量。根据车辆信息和充电需求信息，楼宇电能管理中心将对EV充电过程进行优化控制。需要说明的是，V2B充电桩支持电能双向传输，但返送电能仅供楼宇负荷管理系统所控范围内部使用。楼宇与电网只存在单向能量传输，不支持电能返送电网。

一、考虑V2B的EV智慧充电桩群模型

1.1、V2B充电桩群智慧充放电模型

智慧柔性充电桩群可以通过延迟起始充电时间，灵活变换充电功率等方式灵活调整充电过程，通过聚合多个充电桩，形成体量较大的可平移负荷资源，直接或与其他负荷侧的调节资源配合参与电网削峰填谷，助力建设新型电力系统。

首先建立考虑V2B的单个EV充放电过程模型。如图3所示，模型将充电过程按划分为多个时段，充电桩的控制状态可以在每个时段点进行调整，每个控制区间内的充放电功率及充放电状态保持一致。以下模型适用于接受楼宇调度的电动汽车：

其中，

为时段t第i辆车的充电功率和放电功率；

为表征充电状态的0-1变量，式(1)和(2)限制了充放电功率的上下限，式(3)和(4)说明充放电状态的逻辑关系。

为第i辆车到达和离开的时间。

为延长动力电池的使用寿命，式(5)设定V2B模式下电动汽车荷电状态的最低和最高值，式(6)表征充放电功率与电动汽车荷电状态间的关系：

其中，S_ev为电动汽车动力电池容量，η^evc和η^evd为充放电效率。为保证用户的充电效果，在车辆离开时刻，车辆的荷电状态必须达到预期值。

记一天中在楼宇中充电的电动汽车总数为n^ev，式(7)和(8)给出了EV智慧充电桩群的总充放电功率：

1.2、电动汽车价格激励模型

楼宇通过给予用户补贴的方式激励电动汽车参与综合调控。如果把电动汽车提供的电力调控看作是一种商品，那么可控负荷即为这种商品的供给方。车主的响应程度根据激励价格可以划分为3个阶段，如图4所示。在第一阶段激励价格较小在(0,a)区间，未达到用户的心理预期，几乎没有用户参与调控。到第二阶段，激励折扣力度不断加大，越来越多的用户选择将控制权交给楼宇。第三阶段，由于总存在一定比例的用户，由于自身的紧急用车需求，不愿意参与楼宇综合调控，因此无论激励价格如何升高，响应用户数量也不会增加。响应比例β与激励费用ρ间的关系如式(9)所示：

其中，k为效用系数，代表用户对激励措施的响应程度。效用系数越高，则用户对激励费用越敏感。

参与楼宇综合调控的电动汽车数量为：

N^ev＝βn^ev (10)

电动汽车总调控费用C_s为：

其中，n_T为一天中的总时段数。

2、低碳楼宇可调容量建模

2.1、温控负荷模型

变频空调是具备良好调节性能的需求侧资源。通过集中控制楼宇内的空调资源，可以实现用电合理分配，节能减排的目标。变频空调的简化热参数模型为：

其中，R_b为房间热阻，C_b为房间热容，

为空调制冷量，不同于传统制冷功率为定值的定频空调，变频空调可以连续变换功率满足不同时刻的制冷需求。相较于定频空调的连续启停调节，定频空调的可调节灵活性更高。空调的制冷量与空调电功率间的关系为：

其中，CoP(t)为空调能效比，本优选实施例中，假设能效比仅与室外机所处温度相关，则：

其中，

为空调额定情况及基准情况，温度与能效比对应参数。当室内温度保持在Tⁱⁿ时，即

时，根据式(12)可得此时空调的制冷量为：

当室内温度变化时，空调最大制冷量由额定制冷功率

决定:

低碳楼宇通常采用隔热性能良好的建筑材料，因此保温保冷效果往往较好。以此为背景，低碳楼宇可以被视为巨型的储热罐。正常运行时，空调将电能以热能形式存储于所属建筑物中，储能量大小与室内温度成正比。也就是说，空调可以通过提前降温，将能量存储于空气中，降低负荷高峰时空调的用电量，一定程度起到负荷平移的作用，但该过程中存在能量损耗，带来额外碳排放。

2.2、BIPV模型

光伏建筑一体化技术(Building Integrated Photovoltaics,BIPV)是指光伏组件作为建筑的一部分(屋顶、玻璃幕墙等)与楼宇的用能系统相连，产生清洁电力供楼宇内部负荷使用。目前普遍装设的屋顶光伏可利用面积有限，低碳楼宇可以通过装设光伏玻璃幕墙显著提高光伏配置容量，从而提升楼宇清洁电能比例。光伏出力模型如下：

其中，P_t ^pv表示时段t内BIPV的有功出力，

表示BIPV有功出力最大值，计算方法见式(18)。

为时段t光伏有功出力典型值，

为屋顶光伏容量，

为玻璃幕墙光伏容量，

为最大允许光伏预测功率误差。

2.3、最大需量约束

为降低楼宇的最大需量电费，模型以约束条件形式限制楼宇从电网购电功率阈值：

P_t ^buy＝(P_t ^evc-P_t ^evd+P_t ^ac+P_t ^pv+P_t ^regular)Δt (19)

P_t ^buy≤ζ (20)

其中，P_t ^buy为时段t楼宇从电网购电功率，P_t ^regular代表照明负荷及电梯等设备负荷，ζ为模型楼宇用电最大需量阈值。

2.4、优化调度模型

低碳楼宇电能管理中心优化运行的目标函数见式(21)：

Obj＝min(C_e+C_s) (21)

优化目标由两部分组成，其中，C_e为从电网购电费用，C_s为用户激励费用。式(22)结合分时电价计算用能成本，ρ_t为时刻t从电网购电价格。

约束条件方面，式(1)-(8)为电动汽车相关约束，式(12)-(14)为温控负荷相关约束，式(17)-(18)为BIPV相关约束，式(19)-(20)为最大需量约束，数学模型为混合整数线性规划问题。

3、环境友好指标——碳减排量

目前电网发电侧一般使用二氧化碳排放量作为电源的环境友好程度评估指标，但用户侧缺乏过程量化指标。本优选实施例借鉴京都议定书规定的清洁发展机制项目减排量计算方法，测算用户侧的二氧化碳减排量。根据楼宇运行情况，模型中楼宇碳减排量由两部分组成，一部分由空调节能产生，一部分由低碳楼宇自身配备的可再生能源产生。空调的碳减排量可以表示为：

E^ac＝λW^acΔt (23)

λ＝ω₁OM+ω₂BM (24)

其中，E^ac为空调的日碳减排量；W^ac为空调负荷日削减量，计算公式见式(25)；λ为单位电量边际排放因子，由电量边际排放因子OM和容量边际排放因子BM加权得出，其 取值采用国家发改委发布的中国区域电网基准线排放因子。

为空调负荷基线在时刻t 的取值。

光伏发电设备的碳减排量计算方法与之类似，为日总发电功率乘以单位电量边际排放因子：

智慧充电桩群为可平移负荷而非可削减负荷，并不直接减排，而是通过以下途径产生间接的环境效益：一是通过灵活调控电动汽车充电负荷，使得在高比例光伏接入情况下，楼宇内部可再生能源能够得到100％消纳，减碳效果提升；二是减少空调在负荷高峰前的主动降温行为，提升空调节能效果；三是提供了便利的充电基础设施，减少车主里程焦虑，起到电动汽车推广作用，该减碳效果是不可量化的。

下面结合一具体应用实例，对本发明上述实施例提供的技术方案进一步说明如下。

一、具体应用实例参数：

该具体应用实例基于Gurobi求解器求解，将全天划分为96个时段，每时段15分钟。为分析极端天气下楼宇的调控能力，该具体应用实例背景设置为高温工作日的低碳办公楼宇。楼宇建筑参数如表1所示，楼宇配置空调100台，用户的舒适调温范围为 24℃-28℃，楼宇内房间的平均热阻为5.56℃/kW，平均热容为0.18kW·h/℃，单台空调最大电功率1500W，正常空调的开机时间为8:00-22:00，开机后达到舒适温度的时间为 1小时。假设有50％的空调允许延迟开机时间达到节能减排效果。取调控前，即始终维持室温在26℃的空调负荷为负荷基线，曲线如图5所示。

表1楼宇建筑参数

楼宇电动汽车日均到达30辆。电动汽车参数如表2所示，车辆到达和离开时间概率分布基于出行链方法预测得到，如图6所示。车辆到达时的荷电状态服从均值为0.4，方差为0.1的正态分布。激励函数的效用系数为3.25。

表2电动汽车参数

根据楼宇建筑参数，楼宇屋顶光伏容量取100MW，光伏玻璃幕墙容量取300MW，光伏出力曲线标准值取自PVoutput.org中国区域项目的实际出力，最大允许光伏预测功率误差取15％。电价数据采用上海市工商业用户两部制电价，电度电价曲线如图7所示，最大需量电价为42元/千瓦·月。经测试，楼宇可行最大需量限制取275kVA。

二、在楼宇综合调度前：

进行低碳楼宇综合调控前，且楼宇停车场未配置智慧充电桩时，光伏低发情形楼宇各负荷及BIPV的发用电情况如图8所示，光伏大发情形发用电情况如图9所示。

无论光伏大发或低发，全天购电功率的峰值总出现在9:45左右。因为此时上班族涌入办公楼宇，同时极端高温天气使得空调等温控负荷高于平日。于是，空调启动带来的负荷峰值与电动汽车无序充电负荷峰值叠加，造成负荷峰上加峰。分析认为，夏季办公楼宇的月度负荷高峰往往出现在高温的光伏低发日，将该天认定为月度负荷峰值出现日，计算得到月度需量电费为16359元。该日的购电费用为3067.4元。

三、楼宇综合调度结果分析：

以计算月度需量电费的高温光伏低发日为例，经电能管理中心综合调度后，楼宇的发用电情况如图10所示。

通过综合调控，楼宇负荷峰值被控制在275kW，需量电费11550元，对比调控前降低了4809元。日购电费用为2546.5元，降低了520.9元。而激励费用为109.4元，购电费用与激励费用之和，即总运营费用下降。平均每辆参与调控的车辆单次充电可以得到 9.1元的补贴，十分可观。

通过图10可知，电动汽车充电负荷与温控负荷在高峰时段出现一定程度的互补，出现“此消彼长”的现象。楼宇电能管理中心通过控制大功率负荷错峰用电，降低楼宇的需量电费。

智慧充电桩的V2B功能也为极端天气下的楼宇用电提供了新的解决方案。楼宇用电高峰时段10:00-11:00，楼宇控制已让渡充电管理权的电动汽车放电，作为光伏发电和电网购电的补充，使得即使在光伏低发情形下，楼宇最大需量也能维持在较低水平。非用电高峰时刻，电动汽车的V2B功能则类似储能起到峰谷套利的作用，在电价较低时多充，在电价较高时放电供给楼宇其他负荷，使得楼宇总用电成本降低。在满足车主充电需求的前提下，电动汽车车群总计放电电量累计48kW·h。

如图11所示，观察室温和空调电功率变化情况发现，室内温度并不会总维持在舒适度上限，而是随着楼宇其他负荷和电价灵活变化。空调会通过在平电价时段多消耗电能，降低室内温度，将能量存储与空气中，使得在维持用户舒适度的前提下，在峰电价时段能够适当减少用电量，节约购电成本。空调的灵活性也保证了楼宇在大量电动汽车接入情形下总购电功率仍然能够维持在最大需量限制以下。

四、碳减排量分析：

以楼宇电能集中管理为背景构建碳减排指标，为评估楼宇实际减排效果提供了量化方案，为改进以技术为导向的绿色建筑评价体系提供支撑。

表3碳减排量影响因素

如表3所示，对比Case 1和Case 2，发现V2B技术能够缓解空调负荷调节压力，从而产生可量化的环境效益。对比Case 1、3、4，发现配置光伏，尤其是光伏玻璃幕墙，能够显著提升楼宇的碳减排量。Case 5碳减排量较Case 4有显著提升，说明经综合调控的楼宇通过设定舒适温度范围等手段深度挖掘空调负荷的节能减排空间。

五、电动汽车激励价格变化的影响：

当EV激励价格变化，参与楼宇综合调控的电动汽车数量变化，楼宇降低需量电费的能力也将随之变化。记每月工作日天数为22，表4记录EV激励价格与月度需量电费间的关系。

表4 EV激励价格与需量电费间关系

当EV激励单价由0.25元/kW·h提升至0.3元/kW·h时，月度激励电费多花销了632元，月度需量电费节约了840元，总成本下降。但当EV激励单价由0.3元/kW·h提升至0.4元/kW·h,月度激励电费多花销了1398元，月度需量电费节约了1260元，总成本上升。不难发现，需量削减量与EV激励呈非线性关系，因此，需要合理设置EV的激励费用，达到成本最小的目标。

图12为本发明一实施例提供的低碳楼宇优化调度系统组成模块示意图。

如图12所示，该实施例提供的低碳楼宇优化调度系统，可以包括：电动汽车相关约束建立模块、电动汽车响应度获取模块、温控负荷相关约束建立模块、光伏建筑相关约束建立模块、最大需量约束建立模块、优化调度模型建立模块。其中：

电动汽车相关约束建立模块，该模块建立基于V2B的单个电动汽车充放电过程模型，构建电动汽车相关约束；

电动汽车响应度获取模块，该模块建立电动汽车价格激励模型，获得电动汽车参与楼宇综合调控的响应度；

温控负荷相关约束建立模块，该模块建立温控负荷模型，构建温控负荷相关约束；

光伏建筑相关约束建立模块，该模块建立光伏建筑一体化模型，构建光伏建筑一体化相关约束；

最大需量约束建立模块，该模块根据电动汽车相关约束、温控负荷相关约束以及光伏建筑一体化相关约束，建立最大需量约束；

优化调度模型建立模块，该模块根据电动汽车参与调控的响应度以及最大需量约束，建立优化调度模型，实现低碳楼宇优化调度方法。

在该实施例中，作为一优选实施例，该系统还可以包括：碳减排量计算模块。其中：

碳减排量计算模块，该模块根据建立的优化调度模型，测算用户侧的二氧化碳减排量。

根据本发明的第三个方面，提供了一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时可用于执行本发明上述实施例中任一项的方法，或，运行本发明上述实施例中的系统。

可选地，存储器，用于存储程序；存储器，可以包括易失性存储器(英文：volatilememory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)，如静态随机存取存储器(英文：static random-access memory，缩写：SRAM)，双倍数据率同步动态随机存取存储器(英文：Double Data Rate Synchronous Dynamic Random Access Memory，缩写：DDR SDRAM)等；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)。存储器用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。

上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。

处理器，用于执行存储器存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。

处理器和存储器可以是独立结构，也可以是集成在一起的集成结构。当处理器和存储器是独立结构时，存储器、处理器可以通过总线耦合连接。

根据本发明的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可用于执行本发明上述实施例中任一项的方法，或，运行本发明上述实施例中的系统。

本发明上述实施例提供的低碳楼宇优化调度方法、系统、终端及介质，提出了一种低碳楼宇电能综合管理框架，以削减需量电费和楼宇碳排放量为建模目标，以最小化楼宇日运行成本为管理目标，建立基于V2B的智慧充电桩群模型和基于舒适度范围的温控负荷模型，并制定相应的用户激励措施。在分时电价背景下，本发明上述实施例提供的技术方案，能够利用V2B智慧充电桩群的调节弹性与温控负荷的储热效应有效降低楼宇日常用电费用和月度需量电费。考虑V2B技术的智慧充电桩群有助于楼宇经济运行；极端天气日，V2B能够缓解楼宇负荷高峰压力；平常日，V2B能够通过调节峰电价和谷电价时段的用电量，降低楼宇用能成本。光伏玻璃幕墙、温控负荷温度限制、V2B 等措施能够有效提升楼宇的环境友好程度。未来，碳减排量经核证后参与碳市场交易，能够为楼宇带来实际经济利益。

需要说明的是，本发明提供的方法中的步骤，可以利用系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照方法的技术方案实现系统的组成，即，方法中的实施例可理解为构建系统的优选例，在此不予赘述。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (12)

1.一种低碳楼宇优化调度方法，其特征在于，包括：

建立基于V2B的单个电动汽车充放电过程模型，构建电动汽车相关约束；

建立电动汽车价格激励模型，获得电动汽车参与楼宇综合调控的响应度；

建立温控负荷模型，构建温控负荷相关约束；

建立光伏建筑一体化模型，构建光伏建筑一体化相关约束；

根据所述电动汽车相关约束、温控负荷相关约束以及光伏建筑一体化相关约束，建立最大需量约束；

根据所述电动汽车参与调控的响应度以及最大需量约束，建立优化调度模型，实现低碳楼宇优化调度方法。

2.根据权利要求1所述的低碳楼宇优化调度方法，其特征在于，所述建立基于V2B的单个电动汽车充放电过程模型，构建电动汽车相关约束，包括：

将单个电动汽车的充电过程划分为多个时段，充电桩的控制状态在每个时段点进行调整，每个控制区间内的充放电功率及充放电状态保持一致，则建立单个电动汽车充放电过程模型为：

其中，

为时段t第i辆车的充电功率和放电功率；

为表征充电状态的0-1变量，

为第i辆车到达和离开的时间；

设定V2B模式下电动汽车荷电状态的最低和最高值为：

设定充放电功率与电动汽车荷电状态间的关系为：

其中，S_ev为电动汽车动力电池容量，η^evc和η^evd为充放电效率；

记一天中在楼宇中充电的电动汽车总数为n^ev，则电动汽车智慧充电桩群的总充放电功率为：

其中，式(1)～式(8)即为电动汽车相关约束。

3.根据权利要求1所述的低碳楼宇优化调度方法，其特征在于，所述建立电动汽车价格激励模型，获得电动汽车参与楼宇综合调控的响应度，包括：

所述电动汽车参与楼宇综合调控的响应程度根据激励价格划分为如下三个阶段：

第一阶段，为不敏感区，激励价格区间为(0，a)，电动汽车参与调控的响应程度接近零；

第二阶段，为响应区，激励价格区间为[a，b]，电动汽车参与调控的响应程度明显增大；

第三阶段，为饱和区，激励价格大于b，电动汽车参与调控的响应程度不再增加；

建立响应比例β与激励费用ρ之间的关系为：

其中，k为效用系数，代表用户对激励措施的响应程度，效用系数越高，则用户对激励费用越敏感；

参与楼宇综合调控的电动汽车数量为：

N^ev＝βn^ev (10)

电动汽车总调控费用C_s为：

其中，n_T为一天中的总时段数。

4.根据权利要求1所述的低碳楼宇优化调度方法，其特征在于，所述建立温控负荷模型，构建温控负荷相关约束，包括：

建立空调资源的简化热参数模型为：

其中，

为t+1时刻的室内温度，

为t+1时刻的室外温度，

为t时刻的室外温度，

为t时刻的室内温度，Δt为时间分度，R_b为房间热阻，C_b为房间热容，

为空调制冷量；空调的制冷量与空调电功率间的关系为：

其中，

为时段t空调电功率，CoP(t)为时段t空调能效比；设空调能效比仅与室外机所处温度相关，则：

其中，

为空调额定情况及基准情况，温度与能效比对应参数；

当室内温度保持在Tⁱⁿ时，即

时，根据式(12)得到此时空调的制冷量为：

当室内温度变化时，空调最大制冷量由额定制冷功率

决定，则：

其中，式(12)～式(14)即为温控负荷相关约束。

5.根据权利要求1所述的低碳楼宇优化调度方法，其特征在于，建立光伏建筑一体化模型，构建光伏建筑一体化相关约束，包括：

建立光伏建筑一体化模型为：

其中，P_t ^pv表示时段t内光伏建筑一体化的有功出力，

表示光伏建筑一体化的有功出力最大值，

为时段t光伏有功出力典型值，

为屋顶光伏容量，

为玻璃幕墙光伏容量，

为最大允许光伏预测功率误差；

其中，式(17)～式(18)即为光伏建筑一体化相关约束。

6.根据权利要求1所述的低碳楼宇优化调度方法，其特征在于，根据所述电动汽车相关约束、温控负荷相关约束以及光伏建筑一体化相关约束，建立最大需量约束，包括：

以约束条件形式限制楼宇从电网购电功率阈值，则：

P_t ^buy＝(P_t ^evc-P_t ^evd+P_t ^ac+P_t ^pv+P_t ^regular)Δt (19)

P_t ^buy≤ζ (20)

其中，P_t ^buy为时段t楼宇从电网购电功率，

为时段t单个电动汽车的充电功率，

为时段t单个电动汽车的放电功率，

为时段t空调电功率，

为时段t内光伏建筑一体化的有功出力，P_t ^regular代表照明负荷及电梯等设备负荷，Δt为时间分度，ζ为模型楼宇用电最大需量阈值；

其中，式(19)～式(20)即为最大需量约束。

7.根据权利要求1所述的低碳楼宇优化调度方法，其特征在于，所述根据所述电动汽车参与调控的响应度以及最大需量约束，建立优化调度模型，包括：

低碳楼宇电能管理中心优化运行的目标函数Obj包括C_e和C_s两部分：

Obj＝min(C_e+C_s) (21)

其中，C_e为从电网购电费用，C_s为用户激励费用；

结合分时电价计算用能成本，得到：

其中，n_T为一天中的总时段数，P_t ^buy为时段t楼宇从电网购电功率，ρ_t为时刻t从电网购电价格。

8.根据权利要求1-7中任一项所述的低碳楼宇优化调度方法，其特征在于，还包括：

根据建立的所述优化调度模型，测算用户侧的二氧化碳减排量。

9.根据权利要求8所述的低碳楼宇优化调度方法，其特征在于，所述根据建立的所述优化调度模型，测算用户侧的二氧化碳减排量，包括：

空调的碳减排量表示为：

E^ac＝λW^acΔt (23)

λ＝ω₁OM+ω₂BM (24)

其中，E^ac为空调的日碳减排量；W^ac为空调负荷日削减量，λ为单位电量综合边际排放因子，

为空调负荷基线在时刻t的取值，

为空调电功率，，Δt为时间分度，OM为电量边际排放因子，BM为容量边际排放因子，ω₁为电量边际排放因子权重，ω₂为容量边际排放因子权重，n_T为一天中的总时段数

光伏发电设备的碳减排量为日总发电功率乘以单位电量边际排放因子：

其中，

为时段t内光伏建筑一体化的有功出力。

10.一种低碳楼宇优化调度系统，其特征在于，包括：

电动汽车相关约束建立模块，该模块建立基于V2B的单个电动汽车充放电过程模型，构建电动汽车相关约束；

电动汽车响应度获取模块，该模块建立电动汽车价格激励模型，获得电动汽车参与楼宇综合调控的响应度；

温控负荷相关约束建立模块，该模块建立温控负荷模型，构建温控负荷相关约束；

光伏建筑相关约束建立模块，该模块建立光伏建筑一体化模型，构建光伏建筑一体化相关约束；

最大需量约束建立模块，该模块根据所述电动汽车相关约束、温控负荷相关约束以及光伏建筑一体化相关约束，建立最大需量约束；

优化调度模型建立模块，该模块根据所述电动汽车参与调控的响应度以及最大需量约束，建立优化调度模型，实现低碳楼宇优化调度方法。

11.一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时可用于执行权利要求1-9中任一项所述的方法，或，运行权利要求10所述的系统。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时可用于执行权利要求1-9中任一项所述的方法，或，运行权利要求10所述的系统。

Images