CN116047898A - 一种含分布式能源的商业楼宇负荷日前节能优化策略 - Google Patents

Abstract

本发明属于业楼宇负荷日前节能优化技术领域，具体涉及一种含分布式能源的商业楼宇负荷日前节能优化策略；包括步骤1采用温度排序法实现空调负荷的控制策略；步骤2建立计及分布式能源的商业楼宇日前用电协同优化模型；步骤3采用粒子群算法对建立的计及分布式能源的商业楼宇日前用电协同优化模型进行求解；本发明的一种含分布式能源的商业楼宇负荷日前节能优化策略，定量衡量运行方案中的用户环境舒适度的优劣，使用户灵活的在舒适性与经济性之间进行控制，有效的降低楼宇用电系统整体运行费用，使用户能够灵活的平衡用电经济性和舒适度之间的关系，生成满足不同类型楼宇用户需求的用电系统运行优化策略。

Description

一种含分布式能源的商业楼宇负荷日前节能优化策略

技术领域

本发明属于业楼宇负荷日前节能优化技术领域，具体涉及一种含分布式能源的商业楼宇负荷日前节能优化策略。

背景技术

目前，楼宇用电设备优化运行控制的主要方式是在用户设定的范围内，以使用户用电费用最小为目标，并考虑电价变化，可再生能源出力状况，外界环境变化等多种因素对用电系统的运行的影响，形成用电系统优化控制策略。但这种控制方式仅将热舒适度，照明舒适度等作为最优化问题中的一组约束条件，求取用户用电费用最低的方案，只能定性的得知运行方案是否在用户设定的约束范围之内，无法定量衡量运行方案中的用户环境舒适度的优劣，使得用户无法灵活的在舒适性与经济性之间进行控制。

发明内容

本发明的目的是为了克服现有技术的不足，而提供一种含分布式能源的商业楼宇负荷日前节能优化策略，定量衡量运行方案中的用户环境舒适度的优劣，使用户灵活的在舒适性与经济性之间进行控制，有效的降低楼宇用电系统整体运行费用，使用户能够灵活的平衡用电经济性和舒适度之间的关系，生成满足不同类型楼宇用户需求的用电系统运行优化策略。

本发明的目的是这样实现的：一种含分布式能源的商业楼宇负荷日前节能优化策略，它包括以下步骤：

步骤1、采用温度排序法实现空调负荷的控制策略；

步骤2、建立计及分布式能源的商业楼宇日前用电协同优化模型；

步骤3、采用粒子群算法对建立的计及分布式能源的商业楼宇日前用电协同优化模型进行求解。

所述步骤1采用温度排序法实现空调负荷的控制策略具体包括：

温度排序法指将所有空调房间的温度按从高到低排序，按照给定总功率指标，在t时刻时所有的空调负荷功率为P(t)，则按照顺序开启前n台空调使它们总负荷功率为P(t)，然后关闭剩余的空调；每一组聚合模型的聚合功率可以由下式表示：

式中，P_i(t)表示按温度排序后第i台空调的功率(kW)；

空调的聚合功率与其开关状态矩阵的关系为：

P_ag＝[P_ag1,P_ag2,P_ag3,...,P_agT](2)

P_i＝[P₁,P₂,P₃,...,P_n](4)

P_ag＝P_i·S(5)

式中，P_ag为空调负荷聚合功率，S为空调的开关状态矩阵，P_i为每台空调开启时的额定功率。

所述步骤2建立计及分布式能源的商业楼宇日前用电协同优化模型包括：

在实时电价的背景下，构建公共楼宇分布式能源系统的数学模型，分析并给出了实时电价的区段划分方法，提出不同场景下的用户分布式能源系统运行优化策略，以公共楼宇用电系统综合用电费用及用户舒适度优化为目标，建立实时电价下含分布式能源的公共楼宇日前用电负荷优化模型，求解得出实时电价下的公共楼宇设备的优化运行策略，实现公共楼宇内部用电设备的经济运行；具体包括建立分布式光伏发电模型，确定空调系统能耗指标、照明系统能耗指标和电梯系统能耗指标；

在建立计及实时电价的商业楼宇用电系统优化控制的目标函数时，计及实时电价的商业楼宇用电系统优化控制的目标中包含用电系统运行费用及用户综合舒适度两个因素；其中，用电系统运行费用包括中央空调系统用电费用，照明系统用电费用，电梯系统用电费用及储能系统的充电费用、放电收益及日运行成本；用户综合舒适度也包含三点，分别是热舒适度，照明舒适度及乘客平均候梯时间满意度；由于加入了日前实时电价因素，综合舒适度的变化将考虑到电价改变的因素，因此计及外界输入的不确定性变化，采用机会约束的方法来计及这些不确定性。

所述建立分布式光伏发电模型包括：

分布式光伏发电的总输出功率以下式子表示：

E_pv＝D_j·A·η          (6)

式中，D_j表示太阳辐射量，A表示光伏阵列的总有效面积，η为光伏阵列的光电转换效率；

光伏阵列通常由多个单体光伏组件构成，设光伏阵列的组件数量为M，每个组件的面积和光电转换效率分布为A_m和η_m(m＝1,2,...,M)，总有效面积A及光伏阵列光电转化效率η由下式进行计算。

所述确定空调系统能耗指标包括：

空调系统能耗等于每台空调的能耗总和，考虑到不同用户对热舒适度要求存在差异，充分发挥评估指标引导高能耗用户在不影响舒适度的前提下适量合理降低能耗的调节作用，将空调系统能耗等价于每个房间的能耗总和；

建立如下形式的空调系统能耗指标：

式中，τ₀为起始时段，h；τ₁为终止时段，h；E_AC,τ为第τ时段空调系统能耗，kWh；η为空调系统能耗系数；Q_AC,τ为第τ时段空调系统的冷/热负荷，kJ；N为建筑内部房间数量，个；Q_ACn,τ为第n个房间第τ时段的冷/热负荷，kJ；c为空气比热容；m_n为第n个房间空气质量；ΔT_n,τ为第n个房间第τ个时段的温度变化量，℃；以上参数的采样周期为每小时。

所述确定照明系统能耗指标包括：

照明系统能耗主要用于提供维持室内清晰明亮的光照度所需要的电能；照明系统能耗等于建筑内部所有光源的能耗总和，室外光线强弱、楼层、朝向及室内工作属性的差异使得不同房间保持清晰明亮所需的光照度不同，从而造成不同房间所需的照明功率不同；对光照度偏强的房间适当降低照明功率，对光照度偏弱的房间适当增加照明功率，通过微调使整栋建筑内部的照明舒适度与照明系统能耗达到协调优化；

建立如下形式的照明系统能耗指标：

式中E_LG,τ为第τ时段照明系统能耗，kWh；E_LGn,τ为第n个房间第τ时段照明系统能耗，kWh；P_LGn,τ为第n个房间第τ时段的照明设备功率，kW；τ_n,τ为第n个房间第τ时段的照明设备运行时间。

所述确定电梯系统能耗指标包括：

电梯系统能耗主要用于提供建筑内部用户方便、快捷乘梯的机械负荷所消耗的电能；电梯系统能耗与电梯运行台数、启停次数以及待机时间密切相关，等于每台电梯的能耗总和；建立如下形式的电梯系统能耗指标：

式中，E_LF,τ为第τ时段电梯系统能耗，kWh；B为电梯数量，台；E_LFi,τ为第i台电梯第τ时段的能耗，kWh；E_1i,τ为第i台电梯第τ时段运行能耗，kWh；E_2i,τ为第i台电梯第τ时段启停能耗，kWh；E_3i,τ为第i台电梯第τ时段待机能耗，kWh；P_1i,τ为第i台电梯第τ时段运行功率，kW；t_1i,τ为第i台电梯第τ时段运行时间，h；P_2i,τ为第i台电梯第τ时段启停功率，kW；t_2i,τ为第i台电梯第τ时段启停时间，h；P_3i,τ为第i台电梯第τ时段待机功率，kW；t_3i,τ为第i台电梯第τ时段待机时间，h。

所述采用机会约束的方法来计及这些不确定性包括：

建立计及实时电价的商业楼宇用电系统优化控制目标函数如下：

式中，ω_co为用电系统整体运行费用权重系数，Pr_τ为该时刻的实时电价；在约束函数中，着重考虑用户舒适度，采用机会约束的方法来计及这些不确定性；

热舒适度约束条件如下：

P{TC_τ≤TC_bv,τ}≥β_ac(13)

式中，TC_τ为楼宇内用户在该时段的热舒适度值；TC_bv,τ为该时段用户热舒适度边界值；β_ac为事先给定的用户热舒适度的置信水平；T_id,τ为室内温度；T_od,τ为室外温度；T_idd,τ为室内期望温度；

光舒适度约束条件如下：

P{LC_τ≤LC_bv,τ}≥β_lg(15)

式中，LC_τ为楼宇内用户在该时段的热舒适度值；LC_bv,τ为该时段用户热舒适度边界值；β_lg为事先给定的用户热舒适度的置信水平；L_id,τ为室内光照强度；L_od,τ为室外光照强度；L_idd,τ为室内期望光照强度；

乘梯舒适度约束条件如下：

P{EC_τ≤EC_bv,τ}≥β_lf(17)

式中，t_w为候梯时间；t_e为电梯在楼层间运行时间；t_r为电梯在楼层间启停时间；t_s为电梯在楼层间上下客时间；t_s为电梯第m次启停时间；a_m为第m次启停后实际乘客人数；A为最大载客人数；a_m/A为拥挤度系数；t_sm为第m次启停乘客上下梯时间；C为电梯在楼层间启停总次数。

所述步骤3采用粒子群算法对建立的计及分布式能源的商业楼宇日前用电协同优化模型进行求解包括以下步骤：

步骤31、输入基础数据及预测数据：首先，输入各项初始参数，实时电价数据，日前预测的外界温度数据，外界光照强度数据及人流量变化数据，以及各项预测数据的随机偏差量的概率分布函数；

步骤32、粒子种群初始化：随机生成各时段中央空调的设定温度，人工照明系统补光量，电梯运行台数，根据式(6)计算出光伏发电量；将上述几个决策变量组成一个粒子，并进行机会约束验证，若不符合要求，则重新选择决策变量，进而初始化全部粒子；

步骤33、种群状态更新：根据线性递减惯性权重和反余弦调整策略更新粒子的位置和速度，同时检测粒子飞行速度和粒子位置是否超过限值，若飞行速度越限，则限制为限值；若粒子位置出现越限，则重新对粒子进行更新；此外，还要对验证粒子是否满足给定的置信水平，若不满足，需要重新更新粒子的位置和速度，并根据式(12)计算适应度值更新Pbest和Gbest；

步骤34、判断是否已达迭代上限：若达到迭代上限，则输出各用电系统的设定结果，否则，转步骤33；

步骤35、楼宇各用电设备分配策略计算：由上一步输出得到的各系统的建议设定值，分别优化计算其所对应的系统内的设备分配策略和控制策略，并输出计算结果；

步骤36、判断是否达运行周期上限：判断是否已经对整个运行周期进行计算，若已达上限，则转下一步，否则，运行时段数加1，转步骤2；

步骤37、输出计算结果：将整个运行周期内的各系统设定值及设备运行策略输出。

本发明的有益效果：本发明的一种含分布式能源的商业楼宇负荷日前节能优化策略，包括步骤1采用温度排序法实现空调负荷的控制策略；步骤2建立计及分布式能源的商业楼宇日前用电协同优化模型；步骤3采用粒子群算法对建立的计及分布式能源的商业楼宇日前用电协同优化模型进行求解；本发明的一种含分布式能源的商业楼宇负荷日前节能优化策略，定量衡量运行方案中的用户环境舒适度的优劣，使用户灵活的在舒适性与经济性之间进行控制，有效的降低楼宇用电系统整体运行费用，使用户能够灵活的平衡用电经济性和舒适度之间的关系，生成满足不同类型楼宇用户需求的用电系统运行优化策略。

附图说明

图1为本发明一种含分布式能源的商业楼宇负荷日前节能优化策略的流程示意图。

图2为温度排序法求解流程的示意图。

图3为四种不同天气下光伏出力的示意图。

图4为商业楼宇用电系统控制结构的示意图。

图5为光伏发电量曲线的示意图。

具体实施方式

下面结合附图对本发明做进一步的说明。

如图1所示，一种含分布式能源的商业楼宇负荷日前节能优化策略，它包括以下步骤：

步骤1、采用温度排序法实现空调负荷的控制策略；

步骤2、建立计及分布式能源的商业楼宇日前用电协同优化模型；

步骤3、采用粒子群算法对建立的计及分布式能源的商业楼宇日前用电协同优化模型进行求解。

目前空调的控制策略分为三种：启停控制、温度控制、周期性暂停控制。启停控制，一般用于紧急情况下的直接关闭或开启空调负荷，消除了馈线恢复过程中的负荷功率的大幅振荡；温度控制，即调整空调的设定温度来控制空调负荷，可以将空调集群中的个体温度上下限单独控制，有效改善聚集负荷波动的现象；周期性暂停控制，即按照一定的时间比例周期性开关空调群，通常将一个控制周期内的空调运行时间所占比例称为“占空比”；通过对比其他方法，本发明最终采用温度排序法来实现空调负荷的控制策略。

所述步骤1采用温度排序法实现空调负荷的控制策略具体包括：

温度排序法指将所有空调房间的温度按从高到低排序，按照给定总功率指标，在t时刻时所有的空调负荷功率为P(t)，则按照顺序开启前n台空调使它们总负荷功率为P(t)，然后关闭剩余的空调；每一组聚合模型的聚合功率可以由下式表示：

式中，P_i(t)表示按温度排序后第i台空调的功率(kW)；

空调的聚合功率与其开关状态矩阵的关系为：

P_ag＝[P_ag1,P_ag2,P_ag3,...,P_agT](2)

P_i＝[P₁,P₂,P₃,...,P_n](4)

P_ag＝P_i·S(5)

式中，P_ag为空调负荷聚合功率，S为空调的开关状态矩阵，P_i为每台空调开启时的额定功率，求解流程如附图2所示。

所述步骤2建立计及分布式能源的商业楼宇日前用电协同优化模型包括：

在实时电价的背景下，构建公共楼宇分布式能源系统的数学模型，分析并给出了实时电价的区段划分方法，提出不同场景下的用户分布式能源系统运行优化策略，以公共楼宇用电系统综合用电费用及用户舒适度优化为目标，建立实时电价下含分布式能源的公共楼宇日前用电负荷优化模型，求解得出实时电价下的公共楼宇设备的优化运行策略，实现公共楼宇内部用电设备的经济运行；具体包括建立分布式光伏发电模型，确定空调系统能耗指标、照明系统能耗指标和电梯系统能耗指标；

在建立计及实时电价的商业楼宇用电系统优化控制的目标函数时，计及实时电价的商业楼宇用电系统优化控制的目标中包含用电系统运行费用及用户综合舒适度两个因素；其中，用电系统运行费用包括中央空调系统用电费用，照明系统用电费用，电梯系统用电费用及储能系统的充电费用、放电收益及日运行成本；用户综合舒适度也包含三点，分别是热舒适度，照明舒适度及乘客平均候梯时间满意度；由于加入了日前实时电价因素，综合舒适度的变化将考虑到电价改变的因素，因此计及外界输入的不确定性变化，采用机会约束的方法来计及这些不确定性。

光伏发电(PV)是一种利用半导体光生伏特效应将太阳光能直接转变成其他电能的新型发电技术，其主要包括太阳电池板(组件)、控制器和逆变器三部分，是一种绿色可再生能源。光伏发电安全可靠、无污染排放，不仅可以为电力系统补充能量，还可以提高供电的可靠性。随着建设成本的下降和国家大力支持，光伏发电也有了较快发展。

附图3给出了一个装机容量为500kW的分布式光伏发电站除去夜间光伏没有出力的时间段(19:00～5:00)，在雨天、雨转阴、多云和晴天四种天气状态下的日出力曲线，从图中不难看出，光伏电站的输出受天气影响较大，且具有明显波动性。不同的太阳光照和温度下，当其迅速发生变化时，输出功率也会随之快速地波动。而太阳能具有交替性、波动性和周期性，无法进行有功调节，对大规模光伏并网发电有着严重的影响。光伏发电的随机性直接影响电力系统的稳定性和实际负荷需求。因此，准确预测光伏并网发电系统的发电量是非常重要的，对整个系统的规划和运行都很有帮助。

所述建立分布式光伏发电模型包括：

分布式光伏发电的总输出功率以下式子表示：

E_pv＝D_j·A·η         (6)

式中，D_j表示太阳辐射量，A表示光伏阵列的总有效面积，η为光伏阵列的光电转换效率；

光伏阵列通常由多个单体光伏组件构成，设光伏阵列的组件数量为M，每个组件的面积和光电转换效率分布为A_m和η_m(m＝1,2,...,M)，总有效面积A及光伏阵列光电转化效率η由下式进行计算。

所述确定空调系统能耗指标包括：

空调系统能耗等于每台空调的能耗总和，考虑到不同用户对热舒适度要求存在差异，充分发挥评估指标引导高能耗用户在不影响舒适度的前提下适量合理降低能耗的调节作用，将空调系统能耗等价于每个房间的能耗总和；

建立如下形式的空调系统能耗指标：

式中，τ₀为起始时段，h；τ₁为终止时段，h；E_AC,τ为第τ时段空调系统能耗，kWh；η为空调系统能耗系数；Q_AC,τ为第τ时段空调系统的冷/热负荷，kJ；N为建筑内部房间数量，个；Q_ACn,τ为第n个房间第τ时段的冷/热负荷，kJ；c为空气比热容；m_n为第n个房间空气质量；ΔT_n,τ为第n个房间第τ个时段的温度变化量，℃；以上参数的采样周期为每小时。

室外温度、阳光，室内人流量、用电设备使用等因素是随时间变化的，这些因素的变化影响室内房间的换热量变化，包括玻璃辐射热、用电设备散热，人体散热等形式，从而对空调能耗产生影响。要降低空调系统能耗，应尽量利用阳光、自然风等自然资源的作用调节室内温度，并根据室外温度的变化灵活调整空调系统的工作负荷。

所述确定照明系统能耗指标包括：

照明系统能耗主要用于提供维持室内清晰明亮的光照度所需要的电能；照明系统能耗等于建筑内部所有光源的能耗总和，室外光线强弱、楼层、朝向及室内工作属性的差异使得不同房间保持清晰明亮所需的光照度不同，从而造成不同房间所需的照明功率不同；对光照度偏强的房间适当降低照明功率，对光照度偏弱的房间适当增加照明功率，通过微调使整栋建筑内部的照明舒适度与照明系统能耗达到协调优化；

建立如下形式的照明系统能耗指标：

式中E_LG,τ为第τ时段照明系统能耗，kWh；E_LGn,τ为第n个房间第τ时段照明系统能耗，kWh；P_LGn,τ为第n个房间第τ时段的照明设备功率，kW；τ_n,τ为第n个房间第τ时段的照明设备运行时间。

要降低照明系统能耗，应尽量利用自然光的照明效果，使自然光与照明系统照度叠加的效果实现所需的综合照度，应根据自然光的变化灵活调整照明系统的工作负荷。

所述确定电梯系统能耗指标包括：

电梯系统能耗主要用于提供建筑内部用户方便、快捷乘梯的机械负荷所消耗的电能；电梯系统能耗与电梯运行台数、启停次数以及待机时间密切相关，等于每台电梯的能耗总和；建立如下形式的电梯系统能耗指标：

式中，E_LF,τ为第τ时段电梯系统能耗，kWh；B为电梯数量，台；E_LFi,τ为第i台电梯第τ时段的能耗，kWh；E_1i,τ为第i台电梯第τ时段运行能耗，kWh；E_2i,τ为第i台电梯第τ时段启停能耗，kWh；E_3i,τ为第i台电梯第τ时段待机能耗，kWh；P_1i,τ为第i台电梯第τ时段运行功率，kW；t_1i,τ为第i台电梯第τ时段运行时间，h；P_2i,τ为第i台电梯第τ时段启停功率，kW；t_2i,τ为第i台电梯第τ时段启停时间，h；P_3i,τ为第i台电梯第τ时段待机功率，kW；t_3i,τ为第i台电梯第τ时段待机时间，h。

要降低电梯系统能耗，应尽可能减少电梯运行台数，减少电梯运行过程中的启停次数，以及减少电梯的待机时间。

所述采用机会约束的方法来计及这些不确定性包括：

建立计及实时电价的商业楼宇用电系统优化控制目标函数如下：

式中，ω_co为用电系统整体运行费用权重系数，Pr_τ为该时刻的实时电价；在约束函数中，着重考虑用户舒适度，采用机会约束的方法来计及这些不确定性；

热舒适度约束条件如下：

P{|TC_τ|≤|TC_bv,τ|}≥β_ac     (13)

式中，TC_τ为楼宇内用户在该时段的热舒适度值；TC_bv,τ为该时段用户热舒适度边界值；β_ac为事先给定的用户热舒适度的置信水平；T_id,τ为室内温度；T_od,τ为室外温度；T_idd,τ为室内期望温度；

光舒适度约束条件如下：

P{LC_τ≤LC_bv,τ}≥β_lg(15)

式中，LC_τ为楼宇内用户在该时段的热舒适度值；LC_bv,τ为该时段用户热舒适度边界值；β_lg为事先给定的用户热舒适度的置信水平；L_id,τ为室内光照强度；L_od,τ为室外光照强度；L_idd,τ为室内期望光照强度；

乘梯舒适度约束条件如下：

P{EC_τ≤EC_bv,τ}≥β_lf(17)

式中，t_w为候梯时间；t_e为电梯在楼层间运行时间；t_r为电梯在楼层间启停时间；t_s为电梯在楼层间上下客时间；t_s为电梯第m次启停时间；a_m为第m次启停后实际乘客人数；A为最大载客人数；a_m/A为拥挤度系数；t_sm为第m次启停乘客上下梯时间；C为电梯在楼层间启停总次数。

计及分布式能源的商业楼宇采用基于分层多代理的用电系统优化控制结构，在系统层中增加了用户侧分布式能源系统控制模型，其根据与中央优化控制器处通讯得到的实时电价信息，动态的控制储能装置的充放电行为及光伏阵列所发电量的流向，同时将光伏阵列的运行状态等信息上传中央优化控制器，用以协调层中央优化控制器进行总体优化计算。

中央优化智能体向系统层智能体输出各系统运行状态建议，系统层智能体同时也向上传输其运行状态信息，系统层智能体根据建议对设备层各类设备进行控制，得到最终的优化运行控制策略。具体的控制结构如附图4所示。

所述步骤3采用粒子群算法对建立的计及分布式能源的商业楼宇日前用电协同优化模型进行求解包括以下步骤：

步骤31、输入基础数据及预测数据：首先，输入各项初始参数，实时电价数据，日前预测的外界温度数据，外界光照强度数据及人流量变化数据，以及各项预测数据的随机偏差量的概率分布函数；

步骤32、粒子种群初始化：随机生成各时段中央空调的设定温度，人工照明系统补光量，电梯运行台数，根据式(6)计算出光伏发电量；将上述几个决策变量组成一个粒子，并进行机会约束验证，若不符合要求，则重新选择决策变量，进而初始化全部粒子；

步骤33、种群状态更新：根据线性递减惯性权重和反余弦调整策略更新粒子的位置和速度，同时检测粒子飞行速度和粒子位置是否超过限值，若飞行速度越限，则限制为限值；若粒子位置出现越限，则重新对粒子进行更新；此外，还要对验证粒子是否满足给定的置信水平，若不满足，需要重新更新粒子的位置和速度，并根据式(12)计算适应度值更新Pbest和Gbest；

步骤34、判断是否已达迭代上限：若达到迭代上限，则输出各用电系统的设定结果，否则，转步骤33；

步骤35、楼宇各用电设备分配策略计算：由上一步输出得到的各系统的建议设定值，分别优化计算其所对应的系统内的设备分配策略和控制策略，并输出计算结果；

步骤36、判断是否达运行周期上限：判断是否已经对整个运行周期进行计算，若已达上限，则转下一步，否则，运行时段数加1，转步骤2；

步骤37、输出计算结果：将整个运行周期内的各系统设定值及设备运行策略输出。

下面以具体算例分析对本发明作进一步说明。

算例采用某写字楼的运行数据，其中包含光伏发电设备，楼宇屋顶光伏发电系统中光伏阵列的总面积为875m²，光伏最大发电功率为100kW。

算例采用日前预测的外界温度数据，太阳辐射量数据及楼宇人流量变化数据作为外部数据输入，同时输入日前实时电价数据，假设实时电价数据如下表1所示：

表1实时电价(元/kWh)

根据外界太阳辐射量变化，由式(6)计算得到光伏发电量曲线，如附图5所示，对比光照预测曲线可以看出，在11～12点时，由于此时光照强度较大，屋顶光伏系统的发电量已达到其最大发电功率，因此，此时光伏系统的发电功率取其发电功率上限。

本发明基于日前给出的实时电价信息，考虑商业楼宇中包含分布式发电与储能的情况，从用户自身利益出发，最大限度的节约公共楼宇用电系统整体运行费用，并可以由用户灵活设置经济性与舒适性的关系，以适应各类用户的不同要求，得出适合用户的商业楼宇用电设备运行策略。

同样的，基于相等原则，本发明设定中央空调系统的置信水平β_ac，照明系统的置信水平β_lg及电梯系统的置信水平β_lf为相同的置信水平，均为0.90。并设定粒子种群数量为300，最大迭代次数为200。为体现不同用户对经济性的不同要求，算例选取三个不同用户对目标函数中的权重设定方案，进行仿真优化运行后的不同类型用户的用电方案结果如表2所示：

表2不同用户权重设定

由结果可知，经优化运行后，三类用户的运行费用在整个运行周期内的各时段均较原始方案有很大程度的降低，验证了所提控制策略的可行性。同时，根据各类型用户设置权重方案的不同，当权重系数的权值越大时，最终得到的用户用电设备运行方案的整体运行费用越低，因此，A用户方案各时段用电系统运行费用最低，B用户方案次之，C用户方案的运行费用相对较高。

从表中可以看出，用户A的用电方案的用电费用最低，仅为15406.54元，但其对应的基本热舒适度、光舒适度及平均候梯满意度指数可能会相对较差。用户C的用电方案的用电费用最高，为16835.61元，其对应的各项舒适度指标均处于较为舒适的水平。

可以给出优化得到的三类商业楼宇用户的用电系统优化运行方案，如表3所示。

表3不同用户用能方案

综述，本发明的一种含分布式能源的商业楼宇负荷日前节能优化策略，包括步骤1采用温度排序法实现空调负荷的控制策略；步骤2建立计及分布式能源的商业楼宇日前用电协同优化模型；步骤3采用粒子群算法对建立的计及分布式能源的商业楼宇日前用电协同优化模型进行求解；本发明的一种含分布式能源的商业楼宇负荷日前节能优化策略，定量衡量运行方案中的用户环境舒适度的优劣，使用户灵活的在舒适性与经济性之间进行控制，有效的降低楼宇用电系统整体运行费用，使用户能够灵活的平衡用电经济性和舒适度之间的关系，生成满足不同类型楼宇用户需求的用电系统运行优化策略。

Claims (9)

1.一种含分布式能源的商业楼宇负荷日前节能优化策略，其特征在于,它包括以下步骤：

步骤1、采用温度排序法实现空调负荷的控制策略；

步骤2、建立计及分布式能源的商业楼宇日前用电协同优化模型；

步骤3、采用粒子群算法对建立的计及分布式能源的商业楼宇日前用电协同优化模型进行求解。

2.如权利要求1所述的一种含分布式能源的商业楼宇负荷日前节能优化策略，其特征在于，所述步骤1采用温度排序法实现空调负荷的控制策略具体包括：

温度排序法指将所有空调房间的温度按从高到低排序，按照给定总功率指标，在t时刻时所有的空调负荷功率为P(t)，则按照顺序开启前n台空调使它们总负荷功率为P(t)，然后关闭剩余的空调；每一组聚合模型的聚合功率可以由下式表示：

式中，P_i(t)表示按温度排序后第i台空调的功率(kW)；

空调的聚合功率与其开关状态矩阵的关系为：

P_ag＝[P_ag1,P_ag2,P_ag3,...,P_agT] (2)

P_i＝[P₁,P₂,P₃,...,P_n] (4)

P_ag＝P_i·S (5)

式中，P_ag为空调负荷聚合功率，S为空调的开关状态矩阵，P_i为每台空调开启时的额定功率。

3.如权利要求1所述的一种含分布式能源的商业楼宇负荷日前节能优化策略，其特征在于，所述步骤2建立计及分布式能源的商业楼宇日前用电协同优化模型包括：

在实时电价的背景下，构建公共楼宇分布式能源系统的数学模型，分析并给出了实时电价的区段划分方法，提出不同场景下的用户分布式能源系统运行优化策略，以公共楼宇用电系统综合用电费用及用户舒适度优化为目标，建立实时电价下含分布式能源的公共楼宇日前用电负荷优化模型，求解得出实时电价下的公共楼宇设备的优化运行策略，实现公共楼宇内部用电设备的经济运行；具体包括建立分布式光伏发电模型，确定空调系统能耗指标、照明系统能耗指标和电梯系统能耗指标；

在建立计及实时电价的商业楼宇用电系统优化控制的目标函数时，计及实时电价的商业楼宇用电系统优化控制的目标中包含用电系统运行费用及用户综合舒适度两个因素；其中，用电系统运行费用包括中央空调系统用电费用，照明系统用电费用，电梯系统用电费用及储能系统的充电费用、放电收益及日运行成本；用户综合舒适度也包含三点，分别是热舒适度，照明舒适度及乘客平均候梯时间满意度；由于加入了日前实时电价因素，综合舒适度的变化将考虑到电价改变的因素，因此计及外界输入的不确定性变化，采用机会约束的方法来计及这些不确定性。

4.如权利要求3所述的一种含分布式能源的商业楼宇负荷日前节能优化策略，其特征在于，所述建立分布式光伏发电模型包括：

分布式光伏发电的总输出功率以下式子表示：

E_pv＝D_j·A·η    (6)

式中，D_j表示太阳辐射量，A表示光伏阵列的总有效面积，η为光伏阵列的光电转换效率；

光伏阵列通常由多个单体光伏组件构成，设光伏阵列的组件数量为M，每个组件的面积和光电转换效率分布为A_m和η_m(m＝1,2,...,M)，总有效面积A及光伏阵列光电转化效率η由下式进行计算。

5.如权利要求3所述的一种含分布式能源的商业楼宇负荷日前节能优化策略，其特征在于，所述确定空调系统能耗指标包括：

空调系统能耗等于每台空调的能耗总和，考虑到不同用户对热舒适度要求存在差异，充分发挥评估指标引导高能耗用户在不影响舒适度的前提下适量合理降低能耗的调节作用，将空调系统能耗等价于每个房间的能耗总和；

建立如下形式的空调系统能耗指标：

式中，τ₀为起始时段，h；τ₁为终止时段，h；E_AC,τ为第τ时段空调系统能耗，kWh；η为空调系统能耗系数；Q_AC,τ为第τ时段空调系统的冷/热负荷，kJ；N为建筑内部房间数量，个；Q_ACn,τ为第n个房间第τ时段的冷/热负荷，kJ；c为空气比热容；m_n为第n个房间空气质量；ΔT_n,τ为第n个房间第τ个时段的温度变化量，℃；以上参数的采样周期为每小时。

6.如权利要求3所述的一种含分布式能源的商业楼宇负荷日前节能优化策略，其特征在于，所述确定照明系统能耗指标包括：

照明系统能耗主要用于提供维持室内清晰明亮的光照度所需要的电能；照明系统能耗等于建筑内部所有光源的能耗总和，室外光线强弱、楼层、朝向及室内工作属性的差异使得不同房间保持清晰明亮所需的光照度不同，从而造成不同房间所需的照明功率不同；对光照度偏强的房间适当降低照明功率，对光照度偏弱的房间适当增加照明功率，通过微调使整栋建筑内部的照明舒适度与照明系统能耗达到协调优化；

建立如下形式的照明系统能耗指标：

式中E_LG,τ为第τ时段照明系统能耗，kWh；E_LGn,τ为第n个房间第τ时段照明系统能耗，kWh；P_LGn,τ为第n个房间第τ时段的照明设备功率，kW；τ_n,τ为第n个房间第τ时段的照明设备运行时间。

7.如权利要求3所述的一种含分布式能源的商业楼宇负荷日前节能优化策略，其特征在于，所述确定电梯系统能耗指标包括：

电梯系统能耗主要用于提供建筑内部用户方便、快捷乘梯的机械负荷所消耗的电能；电梯系统能耗与电梯运行台数、启停次数以及待机时间密切相关，等于每台电梯的能耗总和；建立如下形式的电梯系统能耗指标：

式中，E_LF,τ为第τ时段电梯系统能耗，kWh；B为电梯数量，台；E_LFi,τ为第i台电梯第τ时段的能耗，kWh；E_1i,τ为第i台电梯第τ时段运行能耗，kWh；E_2i,τ为第i台电梯第τ时段启停能耗，kWh；E_3i,τ为第i台电梯第τ时段待机能耗，kWh；P_1i,τ为第i台电梯第τ时段运行功率，kW；t_1i,τ为第i台电梯第τ时段运行时间，h；P_2i,τ为第i台电梯第τ时段启停功率，kW；t_2i,τ为第i台电梯第τ时段启停时间，h；P_3i,τ为第i台电梯第τ时段待机功率，kW；t_3i,τ为第i台电梯第τ时段待机时间，h。

8.如权利要求3所述的一种含分布式能源的商业楼宇负荷日前节能优化策略，其特征在于，所述采用机会约束的方法来计及这些不确定性包括：

建立计及实时电价的商业楼宇用电系统优化控制目标函数如下：

式中，ω_co为用电系统整体运行费用权重系数，Pr_τ为该时刻的实时电价；在约束函数中，着重考虑用户舒适度，采用机会约束的方法来计及这些不确定性；

热舒适度约束条件如下：

P{TC_τ|≤|TC_bv,τ}≥β_ac (13)

式中，TC_τ为楼宇内用户在该时段的热舒适度值；TC_bv,τ为该时段用户热舒适度边界值；β_ac为事先给定的用户热舒适度的置信水平；T_id,τ为室内温度；T_od,τ为室外温度；T_idd,τ为室内期望温度；

光舒适度约束条件如下：

P{LC_τ|≤|LC_bv,τ}≥β_lg (15)

式中，LC_τ为楼宇内用户在该时段的热舒适度值；LC_bv,τ为该时段用户热舒适度边界值；β_lg为事先给定的用户热舒适度的置信水平；L_id,τ为室内光照强度；L_od,τ为室外光照强度；L_idd,τ为室内期望光照强度；

乘梯舒适度约束条件如下：

P{EC_τ|≤|EC_bv,τ}≥β_lf (17)

式中，t_w为候梯时间；t_e为电梯在楼层间运行时间；t_r为电梯在楼层间启停时间；t_s为电梯在楼层间上下客时间；t_s为电梯第m次启停时间；a_m为第m次启停后实际乘客人数；A为最大载客人数；a_m/A为拥挤度系数；t_sm为第m次启停乘客上下梯时间；C为电梯在楼层间启停总次数。

9.如权利要求1所述的一种含分布式能源的商业楼宇负荷日前节能优化策略，其特征在于，所述步骤3采用粒子群算法对建立的计及分布式能源的商业楼宇日前用电协同优化模型进行求解包括以下步骤：

步骤31、输入基础数据及预测数据：首先，输入各项初始参数，实时电价数据，日前预测的外界温度数据，外界光照强度数据及人流量变化数据，以及各项预测数据的随机偏差量的概率分布函数；

步骤32、粒子种群初始化：随机生成各时段中央空调的设定温度，人工照明系统补光量，电梯运行台数，根据式(6)计算出光伏发电量；将上述几个决策变量组成一个粒子，并进行机会约束验证，若不符合要求，则重新选择决策变量，进而初始化全部粒子；

步骤33、种群状态更新：根据线性递减惯性权重和反余弦调整策略更新粒子的位置和速度，同时检测粒子飞行速度和粒子位置是否超过限值，若飞行速度越限，则限制为限值；若粒子位置出现越限，则重新对粒子进行更新；此外，还要对验证粒子是否满足给定的置信水平，若不满足，需要重新更新粒子的位置和速度，并根据式(12)计算适应度值更新Pbest和Gbest；

步骤34、判断是否已达迭代上限：若达到迭代上限，则输出各用电系统的设定结果，否则，转步骤33；

步骤35、楼宇各用电设备分配策略计算：由上一步输出得到的各系统的建议设定值，分别优化计算其所对应的系统内的设备分配策略和控制策略，并输出计算结果；

步骤36、判断是否达运行周期上限：判断是否已经对整个运行周期进行计算，若已达上限，则转下一步，否则，运行时段数加1，转步骤2；

步骤37、输出计算结果：将整个运行周期内的各系统设定值及设备运行策略输出。

Images