CN114362158B - 一种基于时变虚拟储能的建筑微网系统日前优化控制方法 - Google Patents

Abstract

本发明公开了一种基于时变虚拟储能的建筑微网系统日前优化控制方法及装置，方法包括：考虑时变虚拟储能的建筑微网系统进行模型建立，分别构建时变建筑虚拟储能模型、屋顶光伏预测模型、及建筑微网系统除居民用电负荷之外的其他电负荷预测模型；针对建筑微网系统构建日前优化控制的目标函数，并对约束条件进行选取；通过MATLAB使用内点法进行求解，得到建筑微网考虑时变虚拟储能后的优化控制方案；基于得到的优化控制方案，安排建筑微网运行，达到最优运行的目的。装置包括：处理器和存储器。本发明将时变虚拟储能融入建筑微网系统优化控制模型中，更好的利用建筑围护结构的热惰性为建筑微网系统提供功率调节潜力，支撑光伏发电就地消纳。

Description

一种基于时变虚拟储能的建筑微网系统日前优化控制方法

技术领域

本发明涉及建筑微网系统领域，尤其涉及一种基于时变虚拟储能的建筑微网系统日前优化控制方法。

背景技术

典型的建筑微网系统包括：屋顶光伏、变频空调和其他电负荷。配电网和屋顶光伏为建筑提供日常所需用电；变频空调用于建筑采暖，确保建筑内温度维持在用户热舒适度范围内；其他电负荷为照明及插座负荷，指建筑微网系统中除变频空调以外的其他室内设备用电。

在现有建筑微网系统运行模式下，光伏发电具有强不确定性，导致光伏发电的峰谷时间和建筑用能的峰谷时间存在不同步问题，从而建筑微网系统负荷水平较低，无法实现光伏发电的就地消纳。光伏发电和建筑用能的峰谷时间不同步问题在增加建筑微网系统用户购电成本的同时，会导致严重的弃光现象。针对这一问题，目前的解决措施为给建筑微网系统配备电储能系统，从功率平衡角度看，在光伏发电功率较高但建筑微网系统无法实现就地消纳时，可将多余光伏发电储存在电储能系统内；当光伏发电功率较低无法满足建筑微网系统用电需求时，电储能系统将光伏发电高峰时段储存的电能释放以供给建筑微网系统用能需求，以此实现建筑微网系统光伏就地消纳率的提高。同时，利用电储能系统结合峰谷电价的时间分布能够提升建筑微网系统运行经济性，降低用户购电成本，例如：在谷值电价时段将光伏发电电能储存在电储能系统中，在峰值电价时段释放储存电能，降低峰值电价时段购电成本。但电储能系统安装、维护等费用比较昂贵，且电储能系统需要占据空间较大，限制了电储能系统在建筑微网系统中应用。

[参考文献]

[1]贾宏杰，穆云飞，余晓丹.对我国综合能源系统发展的思考[J].电力建设，2015，36(01)：16-25.

[2]British Petroleum.Statistical review of world energy 2021[EB/OL].2021-07-01[2021-09-31].

https://www.bp.com/content/dam/bp/business-sites/en/global/corporate/pdfs/energy-economics/statistical-review/bp-stats-review-2021-full-report.pdf.

[3]Lizana J,Chacartegui R,Barrios-Padura A,et al Advances in thermalenergy storage materials and their applications towards zero energybuildings:A critical review[J].Applied Energy,2017,203:219-239.

[4]Pokhrel S R,Hewage K,Chhipi-Shrestha G,et al.Carbon capturing foremissions reduction at building level:A market assessment from a buildingmanagement perspective[J].Journal of Cleaner Production,2021,294,126323.

[5]International Energy Agency.Renewables 2020[EB/OL].InternationalEnergy Agency,https://www.iea.org/reports/renewables-2020.

[6]清华大学建筑节能研究中心.中国建筑节能年度发展报告2020(农村住宅专题)[M].北京：中国建筑工业出版社，2020.

[7]欧阳志远，史作廷，石敏俊，等.“碳达峰碳中和”：挑战与对策[J/OL].河北经贸大学学报，1-11[2021-08-27].https://doi.org/10.14178/j.cnki.issn1007-2101.20210826.001.

[8]International Energy Agency.Tracking buildings 2020[EB/OL].International Energy Agency,https://www.iea.org/reports/tracking-buildings-2020.

[9]Rifkin J.The third industrial revolution:how lateral power istransforming energy,the economy,and the world[M].Palgrave MacMillan,New York,2011.

[10]方时姣，朱云峰.“碳达峰”“碳中和”视域下能源经济发展论析[J/OL].新疆师范大学学报(哲学社会科学版)，

1-10[2021-08-27].https://doi.org/10.14100/j.cnki.65-1039/g4.20210823.001.

[11]杨经纬，张宁，王毅，等.面向可再生能源消纳的多能源系统:述评与展望[J].电力系统自动化，2018，42(04)：11-24.

[12]李阳波，胡伟国.屋顶分布式光伏发电技术应用研究[J].现代工业经济和信息化，2018，8(15)：46-47+52.

[13]Solar Power Europe.Global market outlook 2020-2024[EB/OL].SolarPower Europe,available from:https://www.solarpowereurope.org/global-market-outlook-2020-2024/.

[14]Hong T,Koo C,Park J,et al.A GIS(geographic information system)-based optimization model for estimating the electricity generation of therooftop PV(photovoltaic)system[J].Energy,2014,65:190-199.

[15]中商产业研究院.2021-2025年中国光伏产业链发展战略及供需格局研究预测报告[R].深圳：中商产业研究院，2021.

[16]林伯强.中国能源发展报告2020[M].北京：北京大学出版社，2020.

发明内容

本发明提供了一种基于时变虚拟储能的建筑微网系统日前优化控制方法，本发明将时变虚拟储能融入建筑微网系统优化控制模型中，更好的利用建筑围护结构的热惰性为建筑微网系统提供功率调节潜力，支撑光伏发电就地消纳，详见下文描述。

一种基于时变虚拟储能的建筑微网系统日前优化控制方法，所述方法包括：

考虑时变虚拟储能的建筑微网系统进行模型建立，分别构建时变建筑虚拟储能模型、屋顶光伏预测模型、及建筑微网系统除居民用电负荷之外的其他电负荷预测模型；

针对建筑微网系统构建日前优化控制的目标函数，并对约束条件进行选取；

通过MATLAB使用内点法进行求解，得到建筑微网考虑时变虚拟储能后的优化控制方案；基于得到的优化控制方案，安排建筑微网运行，达到最优运行的目的。

其中，所述时变建筑虚拟储能模型具体为：

1)虚拟充放电功率

P_dismax(k)＝P_base(k)-P_min

P_cmax(k)＝P_max-P_base(k)

式中，P_c/dis(k)为第k个优化控制时段内时变虚拟储能的虚拟充放电功率；P_IAC(k)为第k个优化控制时段内变频空调的耗电功率；P_com(k)为第k个优化控制时段内建筑微网系统从配电网购电功率；P_PV(k)为第k个优化控制时段内屋顶光伏实际输出功率；P_s(k)为第k个优化控制时段内电储能设备充放电功率；P_other(k)为第k个优化控制时段内建筑微网系统除变频空调中以外其他在使用电负荷；P_base(k)为第k个优化控制时段的基准耗电功率；P_dismax(k)为第k个优化控制时段内时变虚拟储能的最大放电功率；P_cmax(k)为第k个优化控制时段内时变虚拟储能的最大充电功率；P_max为变频空调出力上限；P_min为变频空调出力下限；

2)虚拟容量

式中，t_k为第k个优化控制时段的初始时刻；Δτ_ca(k)是当变频空调关闭时，室内温度从Tmax减少到Tmin对应的时间；P_diss(t)为t时刻时变虚拟储能自放电功率；

3)虚拟荷电状态

式中，

式中，Δτ_E(k)是当变频空调关闭时，室内温度从T_in(k)减小到T_min对应的时间。

其中，所述目标函数为：

minf＝C_e+C_PV

式中，

式中，P_storage(k)为电储能系统电功率；P_c/dis(k)为时变虚拟储能的虚拟充放电功率；P_base(k)为基准耗电功率；P_other(k)为其他电负荷功率；P_PV(k)为光伏实际电功率；Δt为单位优化控制时段；p(k)为分时电价；

式中，

式中，p_PV为惩罚因子；P_{PV_fore}(k)为光伏预测电功率。

进一步地，所述约束条件为：

虚拟荷电状态约束：

0≤VSOC(k)≤1

虚拟充放电功率约束：

-P_dismax(k)≤P_c/dis(k)≤P_cmax(k)

光伏输出功率约束：

0≤P_PV(k)≤P_{PV_fore}(k)

系统电平衡约束：

P_com(k)+P_PV(k)＝P_storage(k)+P_c/dis(k)+P_base(k)+P_other(k)

一种基于时变虚拟储能的建筑微网系统日前优化控制装置，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使装置执方法中的步骤。

本发明提供的技术方案的有益效果是：

1、本发明考虑到建筑室外温度、室内温度等时变环境因素对建筑围护结构热惰性提供的调节潜力的影响，并将这一调节潜力以时变虚拟储能的形式加以刻画，可在不增加额外投资及占用空间的基础上，为建筑微网系统运行优化提供一种新颖灵活的功率调节能力，从而降低建筑微网系统运行成本；

2、在光伏出力功率较高时可以增加建筑电采暖功率，在保障用户热舒适度的前提下，将提高采暖功率产生的热能储存在建筑围护结构内；在光伏出力功率较低时通过降低建筑电采暖功率，将储存在围护结构内的热能释放，以此实现屋顶光伏发电在建筑微网系统的就地消纳率的提升；

3、可实现不为建筑微网系统配备电储能系统或仅配备较小容量的电储能系统，从而降低建筑微网系统的建设成本。

附图说明

图1为典型并网建筑微网系统示意图；

图2为考虑时变虚拟储能的并网建筑微网系统示意图；

图3为时变虚拟储能参数定义示意图；

其中，(a)为虚拟充放电功率定义示意图；(b)为C_ca(k)定义示意图；(c)为E(k)定义示意图。

图4为日前优化控制方法的流程图；

图5为室外预测温度示意图；

图6为预测光伏最大可输出功率示意图；

图7为分时电价示意图；

图8为配电网购电功率示意图；

图9为光伏用电量的变化示意图；

图10为总电功率的变化示意图；

图11为室内温度变化示意图；

图12为场景I的虚拟容量与场景II的热容量比较示意图；

其中，(a)为场景I的虚拟容量；(b)为场景II的热容量。

图13为场景I和场景II的虚拟充放电功率及其约束条件示意图；

其中，(a)为场景I的虚拟充放电功率及其约束条件；(b)为场景II的虚拟充放电功率及其约束条件。

图14为场景I和场景II的虚拟荷电状态比较示意图。

具体实施方式

本发明提出一种基于时变虚拟储能的建筑微网系统日前优化控制方法。首先，本发明考虑室内温度、室外温度对建筑围护结构可提供的调节潜力的影响，构建了包含虚拟充放电共功率、虚拟容量以及虚拟SOC三个时变参数的建筑围护结构时变虚拟储能模型。然后，考虑时变虚拟储能三个参数的可调节范围提出基于时变虚拟储能的建筑微网系统日前优化控制方法。本发明在已有建筑微网优化控制方法研究工作基础上，进一步发掘建筑围护结构的时变虚拟储能潜力，辅助降低建筑微网系统购电成本、提高建筑微网系统光伏就地消纳率。

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。所描述的具体实施例仅对本发明进行解释说明，并不用以限制本发明。

本发明针对图1示出的包括屋顶光伏、变频空调和其他电负荷的典型并网建筑微网系统，通过考虑室内外温度的变化以及建筑围护结构(包括墙、窗、屋顶和门)的热惯性带来的蓄热能力，提出图2示出的考虑时变虚拟储能的建筑微网系统。基于图2示出的建筑微网系统，考虑建筑围护结构为建筑微网系统优化控制提供的时变调节潜力，构建了基于时变虚拟储能的建筑微网优化控制方法，包括以下步骤：

步骤一、针对图2所示的考虑时变虚拟储能的建筑微网系统进行系统模型建立，构建系统模型分别如下：

1、时变建筑虚拟储能模型

首先，提出基于建筑围护结构的热耗散功率。然后，提出变频空调模型来描述变频空调中耗电功率和制热功率的关系，该模型可以将建筑围护结构蓄热能力转换为储电能力。考虑建筑围护结构的热耗散功率和变频空调模型，构建时变虚拟储能模型来量化建筑围护结构储电能力。

1)建筑围护结构热耗散功率

当变频空调工作在制热模式时，建筑室内温度高于建筑围护结构的内表面温度，这会导致建筑室内空气与建筑围护结构之间产生热交换。定义建筑室内空气与建筑围护结构之间的热交换为建筑围护结构的热耗散功率Q_diss(t)，如式(1)中所示。

1≤i≤4,i∈N

式中，t为时刻t，h；i为图1中第i类建筑围护结构，i等于1到4分别对应墙、窗、屋顶和门；Fⁱ为第i类建筑围护结构的内表面面积，m²；α_in为建筑内表面换热系数，W/(m²·℃)；T_in(t)为t时刻建筑室内温度，℃；

为t时刻第i类建筑围护结构的内表面温度，℃。

如图2所示，

受室内温度和室外温度的影响，计算公式如式(2)所示。

式中，

为第i类建筑围护结构的内表面日平均温度，℃；ΔTⁱ _sur.out(t)为t时刻第i类建筑围护结构内表面温度受室外温度波动影响发生的改变量，℃；ΔTⁱ _sur.in(t)为t时刻第i类建筑围护结构内表面温度受室内温度波动影响发生的改变量，℃。

式中，

与日均室外温度和日均室内温度有关，如式(3)所示。

式中，R_in为建筑围护结构内表面热阻，内表面换热系数倒数，(m²·℃)/W；Rⁱ ₀为第i类建筑围护结构传热阻，(m²·℃)/W；T_out为室外温度，℃；

为日均室外温度，℃；/>

为日均室内温度，℃。

由冬季典型日全天室外温度确定，/>

由用户设定室温方案确定，因为建筑物室内温度通常保持在用户设定室温值。

式中，ΔTⁱ _sur.out(t)的计算公式如式(4)所示：

式中，υⁱ _out为温度由室外传至通过第i类建筑围护结构内表面时的衰减倍数；

为温度由室外传至通过第i类建筑围护结构内表面时的延迟系数。υⁱ _out和/>

由建筑围护结构的材料决定。

式中，ΔTⁱ _sur.in(t)计算公式如式(5)所示：

式中，υⁱ _in为温度由室内传至第i类建筑围护结构内表面时的衰减倍数；

为温度由室内传至第i类建筑围护结构内表面时的延迟系数。

2)变频空调模型

变频空调的耗电功率和制热功率可以简化为式(6)所示的线性关系。

Q_IAC(t)＝mP_IAC(t)+d (6)

式中，P_IAC(t)为t时刻变频空调的耗电功率，P_IAC的取值范围如式(7)所示，kW；Q_IAC(t)为t时刻变频空调的制热功率，kW；m，d为变频空调模型的常系数，分别取2.00，-15.65。

P_min≤P_IAC(t)≤P_max (7)

式中，P_min为变频空调最小耗电功率，kW；P_max为变频空调最大耗电功率，kW。

3)时变建筑虚拟储能模型

式(8)中描述的时变虚拟储能模型从储电的角度对建筑围护结构的可调节灵活性进行量化。

式中，k为典型日第k个优化控制时段，1≤k≤48,k∈N；VSOC(k)为第k个优化控制时段内时变虚拟储能的虚拟荷电状态；Cca(k)为第k个优化控制时段内时变虚拟储能的虚拟容量，kWh；P_c/dis(k)为第k个优化控制时段内时变虚拟储能的虚拟充放电功率，kW。

3-1)虚拟充放电功率

当变频空调的制热功率与热耗散功率相等时，室内温度能够维持用户设定温度不变。定义维持室内温度为用户设定温度的制热功率为基准制热功率，基准制热功率的计算公式如式(9)所示。

式中，Q_base(t)为基准制热功率，kW；T_set为用户设定室内温度，℃，Fⁱ为第i类建筑围护结构内表面面积，m²；α_in为建筑内表面换热系数，W/(m²·℃)。

需要注意的是，Q_base(t)随Tⁱ _sur(t)而变化。然而，当室内温度在T_set恒定时，Tⁱ _sur(t)随时间变化较慢，在特定优化控制时段k内(kΔt≤t≤(k+1)Δt)变化量小，可视为常数。因此，在第k个优化控制时段内，Q_base(t)也可被视为常数，如式(10)所示。

式中，Q_base(k)为第k个优化控制时段的基准制热功率，kW；Tⁱ _sur(k)为第k个优化控制时段内第i类建筑围护结构的内表面温度，℃。

将式(10)带入式(6)中，可以得到与基准制热功率Qbase(k)相对应的基准耗电功率，如式(11)所示。

式中，P_base(k)为第k个优化控制时段的基准耗电功率，kW。

如图3中(a)所示，当P_IAC＝P_base时，T_in保持在T_set。如果P_IAC≠P_base，如图3中(a)所示的P’，在P_IAC和P_base之间会产生功率偏差，这一偏差被定义为虚拟充放电功率，如式(12)所示。当P_c/dis(k)>0时，时变虚拟储能处于充电状态。相反，时变虚拟储能处于放电状态。可以注意到在图3中(a)，当T_in保持在T_set时，P_base随T_out而变化。然而，由于建筑围护结构的传热延迟，P_base的变化和T_out的变化存在一个时间延迟，通过在式(4)中引入

这一参数将建筑围护结构的传热延迟考虑在时变虚拟储能模型中。

假设在第k个优化控制时段内建筑微网系统从配电网购电功率、屋顶光伏实际输出功率、电储能设备充放电功率以及其他电负荷均保持不变。考虑图1所示的AC母线的电功率平衡，第k个优化控制时段内变频空调的耗电功率如式(13)所示。

P_IAC(k)＝P_com(k)+P_PV(k)-P_s(k)-P_other(k) (13)

式中，P_IAC(k)为第k个优化控制时段内变频空调的耗电功率，kW；P_com(k)为第k个优化控制时段内建筑微网系统从配电网购电功率，kW；P_PV(k)为第k个优化控制时段内屋顶光伏实际输出功率，kW；P_s(k)为第k个优化控制时段内电储能设备充放电功率，kW；P_other(k)为第k个优化控制时段内建筑微网系统除变频空调中以外其他在使用电负荷，kW。

将式(13)代入式(12)可得式(14)。

由式(12)可得，虚拟充放电功率受到变频空调耗电功率范围的限制，时变虚拟储能的最大放电功率和最大充电功率如式(15)-(16)所示。

P_dismax(k)＝P_base(k)-P_min (15)

P_cmax(k)＝P_max-P_base(k) (16)

式中，P_dismax(k)为第k个优化控制时段内时变虚拟储能的最大放电功率，kW；P_cmax(k)为第k个优化控制时段内时变虚拟储能的最大充电功率，kW；P_max为变频空调出力上限，kW；P_min为变频空调出力下限，kW。

3-2)虚拟电容量

虚拟容量用于量化时变虚拟储能的容量，受时变虚拟储能自放电功率的影响。时变虚拟储能自放电功率定义为与热耗散功率对应的电功率，如式(17)所示。

式中，P_diss(t)为t时刻时变虚拟储能自放电功率，kW。

虚拟容量同时受用户设定的室内温度舒适范围[Tmin,Tmax]约束。

下面提出虚拟容量的定义，如图3中(b)所示，假设虚拟容量和室外温度在第k个优化控制时段内保持恒定，当变频空调关闭，室内温度从Tmax减少到Tmin对应的自放电耗电量被定义为虚拟容量，计算公式如式(18)所示。

式中，t_k为第k个优化控制时段的初始时刻，h；Δτ_ca(k)是当变频空调关闭时，室内温度从Tmax减少到Tmin对应的时间(如图3中(b)所示)，可由式(21)确定，h。假设Q_IAC和Tⁱ _sur在第k个优化控制时段内保持不变，结合式(19)中所示的建筑物热平衡方程，可以得到t时刻室内温度T_in(t)和Q_IAC(k)之间的关系，如式(20)所示。根据Δτ_ca(k)的定义和式(20)，可以得到Δτ_ca(k)。

/>

式中，C为建筑等效热容，kJ/℃；e为自然对数。

3-3)虚拟荷电状态

虚拟荷电状态定义为时变虚拟储能实际储存电能与虚拟容量的比值，如式(22)所示，其范围为0到1。当T_in＝T_min时，VSOC＝0，当T_in为T_max时，VSOC＝1。

式中，E(k)为时变虚拟储能实际储存电能，kWh。

与虚拟容量的定义类似，如图3中(c)所示，假设时变虚拟储能实际储存电能和室外温度在第k个优化控制时段内保持恒定，当变频空调关闭，室内温度从k优化控制时段内实际室温Tin(k)减少到Tmin对应的自放电耗电量被定义为时变虚拟储能实际储存电能，计算公式如式(23)所示。

式中，Δτ_E(k)是当变频空调关闭时，室内温度从T_in(k)减小到T_min对应的时间(如图3中(c)所示)，h。结合式(20)中所示的T_in(t)和Q_IAC(k)之间的关系，Δτ_E(k)计算公式如式(24)所示。

2、屋顶光伏预测模型

屋顶光伏预测模型如式(25)所示。

/>

式中，S_ref为光照辐射度参考值，为1000W/m2；ΔT(k)为第k优化控制时段内实际光伏电池温度相对于参考条件的差值，℃；ΔS(k)为第k优化控制时段内实际光照辐射度相对于参考条件的差值，1000W/m2；P_{PV_fore}(k)为第k优化控制时段内屋顶光伏最大可输出功率，kW；P_{PV_max}为标准条件下，屋顶光伏最大可输出功率，kW；a，b，c为预测模型的补偿系数，分别为：0.0025℃-1，0.0005m2/W，0.00288℃-1。

由于光伏就地消纳问题，光伏实际输出功率可能小于光伏最大可输出功率。因此引入式(26)所示的光伏利用率η来描述建筑微网系统的光伏就地消纳情况。

3、其他电负荷预测模型

其他电负荷能耗的预测一般采用计及不确定因素的负荷同时率进行预测计算，采用文献中提出的居民用电负荷指标对建筑其他电负荷进行预测。预测模型如式(27)所示。

P_other(k)＝η_other(k)×P_other.all (27)

式中，η_other(k)为第k个优化控制时段内建筑微网系统的其他电负荷同时率；P_other.all为建筑微网系统中除变频空调以外所有用电设备功率之和，kW。

步骤二、优化控制方法目标函数构建

针对图2示出的建筑微网系统构建日前优化控制的目标函数。日前优化控制的目标是在最小化用电成本的基础上进一步提高光伏就地消纳，目标函数如式(28)所示。具体日前优化控制方法的流程图如图4所示。

minf＝C_e+C_PV (28)

式中，C_e为购电成本，元；C_PV为弃光惩罚成本，元。

式中，C_e计算公式如式(29)所示。

式中，P_storage(k)为电储能系统电功率，kW；P_c/dis(k)为时变虚拟储能的虚拟充放电功率，kW；P_base(k)为基准耗电功率，kW；P_other(k)为其他电负荷功率，kW；P_PV(k)为光伏实际电功率，kW；Δt为单位优化控制时段；p(k)为分时电价，元。

式中，C_PV计算公式如式(30)所示。

式中，p_PV为惩罚因子，元；P_{PV_fore}(k)为光伏预测电功率，kW。

步骤三、优化控制方法约束条件选取

图2所示考虑时变虚拟储能的建筑微网系统的优化控制模型的约束条件包括：

1)时变虚拟储能约束

(1)虚拟荷电状态约束

虚拟荷电状态约束对应用户热舒适约束，需满足式(31)。当VSOC＝1时，实际室温等于用户热舒适度范围上限；当VSOC＝0时，实际室温等于用户热舒适度范围下限。

0≤VSOC(k)≤1 (31)

(2)虚拟充放电功率约束

虚拟充放电功率约束受时变虚拟储能最大充电功率和最大放电功率影响，如下式所示：

-P_dismax(k)≤P_c/dis(k)≤P_cmax(k) (32)

2)光伏输出功率约束

光伏输出功率受光伏最大输出功率约束，如下式所示：

0≤P_PV(k)≤P_{PV_fore}(k) (33)

3)系统电平衡约束

如图1所示，优化控制过程中应满足式(34)所示AC母线的电平衡约束。

P_com(k)+P_PV(k)＝P_storage(k)+P_c/dis(k)+P_base(k)+P_oth_er(k) (34)

步骤四、优化控制模型求解，得到日前优化控制方案，指导建筑微网运行

在MATLAB软件环境下调用fmincon函数使用内点法对上述步骤二和步骤三共同构成的优化数学模型进行求解，得到建筑微网考虑时变虚拟储能后的优化控制方案；基于得到的优化控制方案，安排建筑微网运行，从而达到最优运行的目的。

实施例：针对本发明提出的基于时变虚拟储能的建筑微网系统日前优化控制方法形成的优化控制结果进行分析。

1、基础数据

选取一栋6层公寓楼来验证日前优化调方法的有效性和经济性。本算例中考虑了墙、窗、屋顶和门四个建筑围护结构的影响。

表1时变虚拟储能和光伏相关参数

典型日室外预测温度和预测光伏最大可输出功率如图5和图6所示。电价政策采用冬季典型分时电价政策，具体各时刻电价如图7所示。

考虑到公寓建筑中用户活动时间特点，室内温度方案设置如下：在4:00-9:00、11:00-13:00、16:00-24:00时段内，室内温度设定点设置为18℃，室内温度舒适范围设置为[18℃,20℃]。剩余时间内，室内温度设定点设置为16℃，室内温度舒适范围设置为[16℃,20℃]。时变虚拟储能和光伏相关参数见表1。

各类建筑围护结构的延迟系数如表2所示。与各类围护结构的

相比，/>

相对较小/>

中最大值仅为0.0373h，即2.24min。为简化计算，算例中忽略各类围护结构的/>

各类围护结构的/>

中最小值为0.3698h，约为22min。考虑到延迟系数和计算时间，本小节算例以30min(Δt)为一个优化控制时段对图1所示建筑微网系统进行一天24h的优化控制方案制定。

表2各种建筑围护结构的延迟系数

2、针对图2所示考虑时变虚拟储能的建筑微网系统优化控制结果分析

为了对比分析本发明提出的基于时变虚拟储能的日前优化控制方法与不考虑虚拟储能时变特性的日前优化控制方法的优势，设置了场景I和场景II。同时为了验证本发明提出的优化控制方法能够促进光伏就地消纳，设置了场景III。三个场景具体设置如下：

场景I：利用基于时变虚拟储能的日前优化控制方法对建筑微网系统进行调度。

场景II：利用考虑建筑虚拟储能但忽略虚拟储能时变特性的日前优化控制方法对建筑微网进行调度。

场景III：不考虑建筑围护结构提供的虚拟储能对建筑微网系统进行调度，室内温度随用户设定温度而变化。

1)优化控制结果的经济性分析

场景I至场景III的P_com，P_PV，P_IAC和T_in控制结果如图8-11所示。场景I至三的η、购电成本及电费如表3所示。

与场景II和场景III相比，场景I的η分别提高了4.46％和23.98％。在不考虑虚拟储能的情况下，场景III的光伏就地消纳量仅通过维持T_in＝T_set来执行。场景I和场景II的虚拟储能被考虑并用于提高光伏发电的利用率。与场景II相比，进一步考虑了室内/室外温度对虚拟容量的影响，以提高光伏发电的利用率。

与场景II和场景III相比，场景I的电力成本分别降低了0.55％和19.45％。如图8-10所示。光伏发电被优先用于降低电力成本。当光伏发电不能保证建筑供暖时，控制结果倾向于在电价较低时期购买更多P_com，以降低电力成本。与场景III相比，场景I和场景II的控制策略考虑虚拟储能，并且室内温度在[Tmin,Tmax]内调节，这可以进一步降低电成本。同时，与场景II相比，场景I考虑了虚拟容量的时变特性，可以更准确地量化虚拟储能，降低用户用电成本。

表3情景I、II、III的光伏消纳率、购电量以及购电费用

2)场景I的时变虚拟容量与场景II的虚拟热容量对比分析

场景I的虚拟容量和场景II的定量容量如图12所示。应注意的是，虚拟容量是电容量，而场景II的定量容量是热容量。

图12中(b)的控制结果显示，场景II的容量变化仅与[T_min,T_max]相关。而控制结果表明，场景I的虚拟容量变化与T_in，T_out和[T_min,T_max]有关。如图12中(a)所示，8:00时虚拟容量的突然增加是由于此时T_in较高，导致P_diss增加，然后导致虚拟容量增加。当光伏预测功率较高时，建筑微网系统的虚拟储能充电以提高光伏功率的利用率，然后T_in增加，如图10所示。然后，场景I中图12中(a)所示的虚拟容量增加，这可以进一步提高光伏功率的利用率(如图9所示)，并降低电力成本。

3)场景I和场景II对应的虚拟充放电功率、虚拟荷电状态对比分析

场景I和场景II的虚拟充放电功率和虚拟荷电状态如图13和14所示。如图14所示，场景I的虚拟荷电状态在8:00时小于场景II的虚拟荷电状态，场景I的虚拟充放电功率小于场景II的虚拟充放电功率小于0，即在8:00至8:30的优化控制时段内，场景I的虚拟储能放电能量大于场景II的虚拟储能放电能量。然而，在8:30时，场景I和场景II的VSOC＝0，这是由于场景I的虚拟容量具有时变特征。8:00时，对应于相同[T_min,T_max]在4:00到7:30之间大于虚拟容量。然后，场景I的虚拟储能提供的最大放电能量大于场景II在8:00时的最大放电能量。场景I和场景II的优化控制结果表明，场景I可以在确保用户热舒适的同时进一步降低用户的用电成本。

应注意的是，在场景II中，虚拟充放电功率从电力的角度对虚拟储能进行量化，而定量容量从热量的角度对虚拟储能进行量化。这为优化控制结果分析带来了从电到热的复杂转换。

一种基于时变虚拟储能的建筑微网系统日前优化控制装置，装置包括：处理器和存储器，存储器中存储有程序指令，处理器调用存储器中存储的程序指令以使装置执行方法中的步骤：

考虑时变虚拟储能的建筑微网系统进行模型建立，分别构建时变建筑虚拟储能模型、屋顶光伏预测模型、及建筑微网系统除居民用电负荷之外的其他电负荷预测模型；

针对建筑微网系统构建日前优化控制的目标函数，并对约束条件进行选取；

通过MATLAB使用内点法进行求解，得到建筑微网考虑时变虚拟储能后的优化控制方案；基于得到的优化控制方案，安排建筑微网运行，达到最优运行的目的。

这里需要指出的是，以上实施例中的装置描述是与实施例中的方法描述相对应的，本发明实施例在此不做赘述。

上述的处理器和存储器的执行主体可以是计算机、单片机、微控制器等具有计算功能的器件，具体实现时，本发明实施例对执行主体不做限制，根据实际应用中的需要进行选择。

存储器和处理器之间通过总线传输数据信号，本发明实施例对此不做赘述。

本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于时变虚拟储能的建筑微网系统日前优化控制方法，其特征在于，所述方法包括：

考虑时变虚拟储能的建筑微网系统进行模型建立，分别构建时变建筑虚拟储能模型、屋顶光伏预测模型、及建筑微网系统除居民用电负荷之外的其他电负荷预测模型；

针对建筑微网系统构建日前优化控制的目标函数，并对约束条件进行选取；

通过MATLAB使用内点法进行求解，得到建筑微网考虑时变虚拟储能后的优化控制方案；基于得到的优化控制方案，安排建筑微网运行，达到最优运行的目的；

其中，所述时变建筑虚拟储能模型具体为：

1)虚拟充放电功率

P_dismax(k)＝P_base(k)-P_min

P_cmax(k)＝P_max-P_base(k)

式中，P_c/dis(k)为第k个优化控制时段内时变虚拟储能的虚拟充放电功率；P_com(k)为第k个优化控制时段内建筑微网系统从配电网购电功率；P_PV(k)为第k个优化控制时段内屋顶光伏实际输出功率；P_s(k)为第k个优化控制时段内电储能设备充放电功率；P_other(k)为第k个优化控制时段内建筑微网系统除变频空调中以外其他在使用电负荷；P_base(k)为第k个优化控制时段的基准耗电功率；P_dismax(k)为第k个优化控制时段内时变虚拟储能的最大放电功率；P_cmax(k)为第k个优化控制时段内时变虚拟储能的最大充电功率；P_max为变频空调出力上限；P_min为变频空调出力下限；

2)虚拟容量

式中，t_k为第k个优化控制时段的初始时刻；Δτ_ca(k)是当变频空调关闭时，室内温度从Tmax减少到Tmin对应的时间；P_diss(t)为t时刻时变虚拟储能自放电功率；

3)虚拟荷电状态

式中，

式中，Δτ_E(k)是当变频空调关闭时，室内温度从T_in(k)减小到T_min对应的时间；

所述目标函数为：

min f＝C_e+C_PV

式中，

式中，C_e为购电成本；C_PV为弃光惩罚成本；P_storage(k)为电储能系统电功率；P_c/dis(k)为时变虚拟储能的虚拟充放电功率；△t为单位优化控制时段；p(k)为分时电价；

式中，

式中，p_PV为惩罚因子；P_{PV_fore}(k)为光伏预测电功率；

所述约束条件为：

虚拟荷电状态约束：

0≤VSOC(k)≤1

虚拟充放电功率约束：

-P_dismax(k)≤P_c/dis(k)≤P_cmax(k)

光伏输出功率约束：

0≤P_PV(k)≤P_{PV_fore}(k)

系统电平衡约束：

P_com(k)+P_PV(k)＝P_storage(k)+P_c/dis(k)+P_base(k)+P_other(k)。

2.一种基于时变虚拟储能的建筑微网系统日前优化控制装置，其特征在于，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使装置执行权利要求1中的方法步骤。

Images