CN116227739A - 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法 - Google Patents

计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法 Download PDF

Info

Publication number
CN116227739A
CN116227739A CN202310491993.6A CN202310491993A CN116227739A CN 116227739 A CN116227739 A CN 116227739A CN 202310491993 A CN202310491993 A CN 202310491993A CN 116227739 A CN116227739 A CN 116227739A
Authority
CN
China
Prior art keywords
power
constraint
energy
heat pump
heat
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.)
Granted
Application number
CN202310491993.6A
Other languages
English (en)
Other versions
CN116227739B (zh
Inventor
黄庆
周宝贵
钟华斌
黄应广
冯胜权
陈炫伊
许庆江
黄世林
田立
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.)
China Construction Industrial and Energy Engineering Group Co Ltd
Original Assignee
China Construction Industrial and Energy Engineering Group Co Ltd
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 China Construction Industrial and Energy Engineering Group Co Ltd filed Critical China Construction Industrial and Energy Engineering Group Co Ltd
Priority to CN202310491993.6A priority Critical patent/CN116227739B/zh
Publication of CN116227739A publication Critical patent/CN116227739A/zh
Application granted granted Critical
Publication of CN116227739B publication Critical patent/CN116227739B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06315—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
    • G06Q50/06—Energy or water supply

Landscapes

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

Abstract

本发明提供一种计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，属于建筑微能源网规划设计技术领域；包括：建立室内空调换热模型、计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求、构建双层优化配置模型、求解模型并输出微能源网优化配置方案。本发明基于一阶ETP模型计算房间温度通过三档风量调节的建筑逐时空调负荷需求，更贴近实际场景，为微能源网的优化配置提供更准确的空调负荷需求数据；构建模型时考虑非标准工况对热泵运行效率的影响，尤其是热泵处于直接供冷和蓄冷两种不同模式时冷冻出水温度差异导致的能效差异，获得建筑微能源网优化配置方案，提升了建筑微能源网的全寿命周期经济性、运行经济性与能效性。

Description

计及能效的含热泵与电热混合储能的建筑微能源网双层优化 配置方法
技术领域
本发明属于建筑微能源网规划设计技术领域，尤其涉及一种计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法。
背景技术
应用风电、光伏、地热能等可再生能源是建筑业碳减排的必要途径。建筑微能源网将新型储能、新能源发电、集中供冷/热有机结合，实现多能互补，具有运行经济高效的优势，发展前景广阔。微能源网的规划设计至关重要，在满足用户负荷需求的前提下，存在多种系统配置方案，不仅关乎初投资成本，也影响将来运行的经济性和能效性。
专利文献（CN112800519A）提出基于二阶ETP模型空气源热泵类负荷蒙特卡洛建模方法，公开了一种采用二阶等效热参数（equivalent thermal parameter，ETP）模型与蒙特卡洛模拟的空调负荷建模方法，但是该方法将房间空调的温度调节策略简化为通断控制，区别于实际应用中风机盘管采用三档风量+电磁阀通断调节的形式，简化模式会导致房间温度的频繁波动，与实际情况差异较大。
《含热泵和相变储能的多能互补微能源网运行优化方法研究》（张彼德, 陈颖倩,李孟洁, 等. 含热泵和相变储能的多能互补微能源网运行优化方法研究[J]. 电力系统保护与控制,2021,49(01):106-114.）提出了一种含空气-土壤源热泵与相变储能的多能互补微能源网运行优化模型，以全寿命周期成本为目标开展优化研究，但是忽略了热泵为相变材料充冷的冷冻水供水温度相对于额定供水温度偏低，会降低热泵运行能效。
由此可见，现有的基于ETP的空调负荷建模方法，存在末端空调的温控策略偏离实际的弊端，而现有含相变储能的综合能源系统模型，又忽略了环境温度、负荷率、冷冻出水温度等因素对热泵或冷机运行效率的影响，优化结果可能会高估相变储能的效益。基于上述问题，本发明提出一种计及能效的含热泵与电热混合储能的微能源网双层优化配置方法。
发明内容
针对现有技术中存在不足，本发明提供了一种计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，构建了室内根据温度偏差自动切换风量档位的空调负荷计算方法，获得建筑逐时空调负荷数据，建立微能源网双层优化配置模型，上层模型优化目标为全寿命周期经济性最优，下层模型优化目标为年运行经济性与能效性最优，构建了能源设备性能约束，考虑了非标准工况对热泵运行能效的负面影响，尤其是热泵为蓄冷罐充冷模式时的效率降低，通过对模型的求解，获得微能源网的优化配置方案，综合考虑了经济性与能效性，具有更优的适用性，客观性，准确性，有效解决了现有研究中存在的末端空调的温控策略偏离实际、因忽略环境温度、负荷率、冷冻出水温度等因素对热泵或冷机运行效率的影响而导致相变储能效益预估不准确等问题。
本发明是通过以下技术手段实现上述技术目的的。
计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，包括：
步骤1：基于一阶ETP模型建立风机盘管采用3档风量调控室温的室内空调换热模型；
步骤2：基于步骤1建立的室内空调换热模型，计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求，包括冷负荷、热负荷；
步骤3：基于步骤2获取的建筑典型日逐时空调负荷需求，构建建筑微能源网的双层优化配置模型；双层优化配置模型包括上层模型和下层模型，上层模型为配置优化模型，以建筑微能源网的全寿命周期成本净现值最小化为目标函数，以能源设备的配置类型和数量为决策变量，约束条件包括能源设备的安装空间约束或安装数量约束、初投资约束；下层模型为运行优化模型，以典型日运行成本和典型日综合能效为目标函数，以典型日能源设备的运行状态和出力为决策变量，约束条件包括功率平衡约束、能源设备性能约束、子系统出力约束；
步骤4：对步骤3构建的双层优化配置模型进行求解，输出微能源网优化配置方案。
进一步地，所述步骤1中，室内空调换热模型公式如下式（1）所示：
Figure SMS_1
（1）
式中，
Figure SMS_4
、/>
Figure SMS_9
分别为/>
Figure SMS_12
时刻室内空气温度、室外空气温度；/>
Figure SMS_5
为外围护结构的综合热阻；/>
Figure SMS_10
为室内空气热容；/>
Figure SMS_13
为时间步长；/>
Figure SMS_15
为/>
Figure SMS_2
时刻的室内人员散热；/>
Figure SMS_3
为/>
Figure SMS_7
时刻太阳辐射得热量，包括窗户的太阳辐射得热量/>
Figure SMS_8
与外墙或屋顶的太阳辐射得热量/>
Figure SMS_6
；/>
Figure SMS_11
为
Figure SMS_14
时刻的空调的出力，制冷为正，制热为负；
设定各房间的温度调节方式相同，均为房间空调器监测室内温度偏差自动调整风量为3档及关闭状态，调整空调的供冷/热量以适应温度变化，其中，制冷模式下末端空调的供冷量随室内温度的变化如下式（4-1）所示，制热模式下末端空调的供热量随室内温度变化的规律如下式（4-2）所示：
Figure SMS_16
（4-1）
Figure SMS_17
（4-2）
式中，
Figure SMS_18
、/>
Figure SMS_19
、/>
Figure SMS_20
分别为风量为高、中、低档位时末端空调器的供冷量；/>
Figure SMS_21
为末端空调的温度控制鲁棒区；/>
Figure SMS_22
为/>
Figure SMS_23
时刻房间的室内温度设定值。
进一步地，所述步骤2中，计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求的具体过程如下：
选取1年中的
Figure SMS_24
个典型日，将其中的典型日/>
Figure SMS_25
在一年中出现的频次记为/>
Figure SMS_26
，将典型日/>
Figure SMS_27
的人员占有率数据、室外逐时气象数据以及外墙、屋顶、外窗上的太阳辐射强度数据导入到步骤1中的室内空调换热模型中；
根据建筑各房间围护结构的尺寸与设计热工参数，计算获得各房间外围护结构的综合热阻；以1分钟为时间步长，以1天为计算周期，根据室内空调换热模型计算获得各房间1440分钟的空调供冷量或供热量数据，然后将各房间
Figure SMS_28
时刻的空调负荷需求累加获得目标建筑/>
Figure SMS_29
时刻总的空调负荷需求，最后将建筑1440分钟的空调负荷需求数据逐时平均处理，获得以小时为时间尺度的典型日建筑逐时空调负荷需求数据；
将典型日
Figure SMS_31
的逐时冷负荷数据集合记为/>
Figure SMS_34
，/>
Figure SMS_36
，将典型日
Figure SMS_32
的逐时热负荷数据集合记为/>
Figure SMS_33
，/>
Figure SMS_35
，其中，/>
Figure SMS_37
表示时刻，/>
Figure SMS_30
、/>
Figure SMS_38
分别表示典型日/>
Figure SMS_39
第/>
Figure SMS_40
时刻的空调冷负荷与空调热负荷；
参照相似建筑电负荷历史数据，计算目标建筑典型日
Figure SMS_41
的逐时电负荷/>
Figure SMS_42
，
Figure SMS_43
，其中/>
Figure SMS_44
表示典型日/>
Figure SMS_45
第/>
Figure SMS_46
时刻的电负荷。
进一步地，所述步骤3中，上层模型的目标函数如下式（5）所示：
Figure SMS_47
（5）
式中，
Figure SMS_48
表示全寿命周期成本净现值目标函数；/>
Figure SMS_49
、/>
Figure SMS_50
、/>
Figure SMS_51
分别表示初投资成本、规划期结束设备剩余价值的净现值、逐年运行成本的净现值，分别如下式（6）～（8）所示：
Figure SMS_52
（6）
Figure SMS_53
（7）
Figure SMS_54
（8）/>
式中，
Figure SMS_57
和/>
Figure SMS_61
别为能源设备种类编号和数量，能源设备包括光伏、热泵、相变蓄冷、相变蓄热、蓄电池；/>
Figure SMS_64
为第/>
Figure SMS_56
种能源设备的配置状态；/>
Figure SMS_62
、/>
Figure SMS_67
、/>
Figure SMS_68
分别为第/>
Figure SMS_55
种能源设备的单位容量价格、单位功率价格、配置数量；/>
Figure SMS_59
、/>
Figure SMS_63
分别为第/>
Figure SMS_66
种能源设备的单台额定容量（针对储能设备）、单台额定功率；/>
Figure SMS_58
为终值-现值转换系数；/>
Figure SMS_60
为能源设备/>
Figure SMS_65
的残值率；
Figure SMS_73
、/>
Figure SMS_82
、/>
Figure SMS_89
、/>
Figure SMS_76
分别表示典型日/>
Figure SMS_85
的购售电成本、维护成本、碳排放税、弃光惩罚成本；/>
Figure SMS_92
为典型日/>
Figure SMS_95
的运行成本；/>
Figure SMS_75
为年金-净现值转换系数；/>
Figure SMS_88
和/>
Figure SMS_94
分别为/>
Figure SMS_96
时刻的购电单价和售电单价；/>
Figure SMS_74
、/>
Figure SMS_84
、/>
Figure SMS_91
、/>
Figure SMS_93
、/>
Figure SMS_70
、/>
Figure SMS_77
、/>
Figure SMS_81
、
Figure SMS_87
分别为典型日/>
Figure SMS_69
在/>
Figure SMS_79
时刻的售电功率、购电功率、光伏实际出力、光伏预测出力、热泵电功率、相变蓄冷罐释冷功率、相变蓄热罐释热功率、蓄电池放电功率；/>
Figure SMS_97
、/>
Figure SMS_98
、/>
Figure SMS_71
、
Figure SMS_80
、/>
Figure SMS_83
分别为光伏、热泵、相变蓄冷、相变蓄热、蓄电池的维护单价；/>
Figure SMS_90
为单位碳排放税；/>
Figure SMS_72
为购电的等效碳排放系数；/>
Figure SMS_78
为弃光惩罚单价；/>
Figure SMS_86
为时间步长。
进一步地，所述上层模型的约束条件具体包括热泵的空间约束、光伏的空间约束、蓄电池数量约束、相变蓄冷罐的空间约束、相变蓄热罐的空间约束、建筑微能源网的初投资约束；
热泵的空间约束如式（9）所示：
Figure SMS_99
（9）
式中，
Figure SMS_102
为热泵群组的最大功率；/>
Figure SMS_103
和/>
Figure SMS_106
分别为热泵的类型编号和种数；/>
Figure SMS_101
为
Figure SMS_105
类热泵的配置状态；/>
Figure SMS_107
、/>
Figure SMS_109
、/>
Figure SMS_100
分别为/>
Figure SMS_104
类热泵单元的额定功率、配置数量、占地面积；/>
Figure SMS_108
表示热泵群组的最大占地面积；
光伏的空间约束如式（10）所示：
Figure SMS_110
（10）
式中，
Figure SMS_111
和/>
Figure SMS_112
分别为光伏群组的最大功率和最大占地面积；/>
Figure SMS_113
和/>
Figure SMS_114
分别为光伏单元的额定发电功率和占地面积；/>
Figure SMS_115
为光伏板配置数量；
蓄电池的数量约束如式（11）所示：
Figure SMS_116
（11）
式中：
Figure SMS_120
、/>
Figure SMS_123
、/>
Figure SMS_127
分别为蓄电池组的最大容量、最大充电功率、最大放电功率；/>
Figure SMS_119
、/>
Figure SMS_121
、/>
Figure SMS_125
分别为单节/>
Figure SMS_128
类型蓄电池的额定容量、额定充电功率、额定放电功率；/>
Figure SMS_117
和/>
Figure SMS_122
分别为/>
Figure SMS_126
类型蓄电池的数量和最大配置数量；/>
Figure SMS_129
为/>
Figure SMS_118
类蓄电池的配置状态；/>
Figure SMS_124
、/>
Figure SMS_130
分别表示蓄电池的类型编号和种数；
相变蓄冷罐的数量约束如下式（12）所示：
Figure SMS_131
（12）
式中，
Figure SMS_135
和/>
Figure SMS_141
分别为相变蓄冷的类型标号和种数；/>
Figure SMS_143
、/>
Figure SMS_134
、/>
Figure SMS_136
、/>
Figure SMS_139
分别为相变蓄冷罐群组的最大容量、最大蓄冷功率、最大释冷功率、最大占地面积；/>
Figure SMS_144
、
Figure SMS_132
、/>
Figure SMS_137
、/>
Figure SMS_140
分别为/>
Figure SMS_145
类相变蓄冷罐单元的额定容量、额定蓄冷功率、额定释冷功率、额定占地面积；/>
Figure SMS_133
为/>
Figure SMS_138
类相变蓄冷的配置状态；/>
Figure SMS_142
为/>
Figure SMS_146
类相变蓄冷的配置数量；
建筑微能源网的初投资满足式（13）所示约束：
Figure SMS_147
（13）/>
式中，
Figure SMS_148
表示初投资成本上限。
进一步地，所述步骤3中，下层模型的目标函数如下式（14）、（15）所示：
Figure SMS_149
（14）
Figure SMS_150
（15）
式中，
Figure SMS_151
为典型日/>
Figure SMS_152
的综合运行能效；/>
Figure SMS_153
为下层模型的目标函数。
进一步地，所述下层模型的约束条件具体包括微能源网的功率平衡约束、蓄电池性能约束、蓄电池系统的出力约束、双向变流器的性能约束、相变蓄冷罐的性能约束、相变蓄冷系统的出力约束、相变蓄热罐的性能约束、相变蓄热系统的出力约束、光伏的性能约束、光伏系统的出力约束、光伏逆变器的性能约束、热泵的性能约束、热泵系统的出力约束、市电的出力约束；
热泵处于制冷模式时，所述热泵的性能约束如下式（28）所示：
Figure SMS_154
（28）
热泵系统的出力约束如下式（29）所示：
Figure SMS_155
（29）
式中，
Figure SMS_189
和/>
Figure SMS_190
分别为典型日/>
Figure SMS_195
在/>
Figure SMS_161
时刻处于直接供冷模式的热泵编号和台数；/>
Figure SMS_165
和
Figure SMS_174
分别为典型日/>
Figure SMS_183
在/>
Figure SMS_172
时刻处于热泵充冷模式的热泵编号和台数；/>
Figure SMS_177
、/>
Figure SMS_162
分别为典型日/>
Figure SMS_167
在/>
Figure SMS_188
时刻热泵/>
Figure SMS_197
和/>
Figure SMS_194
的负荷率；/>
Figure SMS_199
、/>
Figure SMS_163
分别为典型日/>
Figure SMS_166
在/>
Figure SMS_176
时刻热泵/>
Figure SMS_186
和/>
Figure SMS_156
的制冷量；/>
Figure SMS_164
、/>
Figure SMS_173
分别为典型日/>
Figure SMS_179
在/>
Figure SMS_175
时刻热泵/>
Figure SMS_182
和/>
Figure SMS_160
的非标准工况修正系数；/>
Figure SMS_169
、
Figure SMS_168
分别为典型日/>
Figure SMS_178
在/>
Figure SMS_185
时刻热泵/>
Figure SMS_187
和/>
Figure SMS_181
的部分负荷修正系数；/>
Figure SMS_191
、/>
Figure SMS_157
分别为典型日/>
Figure SMS_171
在/>
Figure SMS_192
时刻热泵/>
Figure SMS_196
和/>
Figure SMS_193
的制冷上限；/>
Figure SMS_198
、/>
Figure SMS_180
分别为典型日/>
Figure SMS_184
在/>
Figure SMS_159
时刻热泵的制冷量、相变蓄冷罐蓄冷的功率；/>
Figure SMS_170
为热泵的配置台数；/>
Figure SMS_158
为热泵单元的额定电功率。/>
进一步地，所述微能源网的功率平衡约束如下式（16）所示：
Figure SMS_200
（16）
式中，
Figure SMS_202
、/>
Figure SMS_206
、/>
Figure SMS_207
分别为典型日/>
Figure SMS_203
在/>
Figure SMS_205
时刻光伏逆变器、双向变流器、市电的电功率；/>
Figure SMS_208
、/>
Figure SMS_209
分别为典型日/>
Figure SMS_201
在/>
Figure SMS_204
时刻热泵制热、相变储热装置蓄热的功率；
相变蓄冷罐的性能约束如下式（20）所示：
Figure SMS_210
（20）
相变蓄冷系统的出力约束如下式（21）所示：
Figure SMS_211
（21）
式中，
Figure SMS_213
为/>
Figure SMS_217
时刻相变蓄冷罐的蓄冷容量；/>
Figure SMS_218
为相变蓄冷罐的自损耗率；
Figure SMS_215
、/>
Figure SMS_220
分别为相变蓄冷罐的蓄冷效率与释冷效率；/>
Figure SMS_221
为蓄冷容量下限；/>
Figure SMS_223
与
Figure SMS_212
分别为相变蓄冷罐的始末时刻的蓄冷容量；/>
Figure SMS_216
为典型日/>
Figure SMS_219
在/>
Figure SMS_222
时刻相变蓄冷罐的运行状态；/>
Figure SMS_214
为相变蓄冷罐的最大蓄冷容量；
市电的出力约束如下式（30）所示：
Figure SMS_224
（30）
式中，
Figure SMS_225
为典型日/>
Figure SMS_226
在/>
Figure SMS_227
时刻电力母线运行模式；/>
Figure SMS_228
、/>
Figure SMS_229
分别为最大售电功率、最大购电功率。
进一步地，所述蓄电池性能约束如下式（17）所示：
Figure SMS_230
（17）
蓄电池系统的出力约束如下式（18）所示：
Figure SMS_231
（18）/>
式中，
Figure SMS_235
为典型日/>
Figure SMS_237
在/>
Figure SMS_240
时刻蓄电池的储电量；/>
Figure SMS_233
为蓄电池的自损耗率；/>
Figure SMS_239
、
Figure SMS_242
分别为蓄电池充电效率与放电效率；/>
Figure SMS_244
为蓄电池运行状态；/>
Figure SMS_232
与/>
Figure SMS_238
分别为始末时刻的储电量；/>
Figure SMS_241
、/>
Figure SMS_243
分别为储电容量上限和下限；/>
Figure SMS_234
、/>
Figure SMS_236
分别为最大充电功率、最大放电功率；
双向变流器的性能约束如式（19）所示：
Figure SMS_245
（19）
式中，
Figure SMS_246
为双向变流器运行状态；/>
Figure SMS_247
为典型日/>
Figure SMS_248
在/>
Figure SMS_249
时刻双向变流器的电功率；/>
Figure SMS_250
、/>
Figure SMS_251
为双向变流器的逆变效率与整流效率。
光伏的性能约束如下式（22）所示：
Figure SMS_252
（22）
光伏系统的出力约束如下式（23）所示：
Figure SMS_253
（23）
光伏逆变器的性能约束如式（24）所示：
Figure SMS_254
（24）
式中，
Figure SMS_257
为光伏逆变器的效率；/>
Figure SMS_259
、/>
Figure SMS_261
分别为典型日/>
Figure SMS_256
在/>
Figure SMS_260
时刻的光伏温度、实际光照强度；/>
Figure SMS_262
为标准测试工况下光伏输出的额定功率；/>
Figure SMS_263
为参考光照强度；/>
Figure SMS_255
为功率温度系数；/>
Figure SMS_258
为参考温度。
进一步地，所述步骤4的具体过程如下：
首先对上层模型进行求解，获得光伏的数量配置、热泵、蓄电池、相变蓄冷、相变蓄热的类型与数量配置，并根据各类能源设备的配置结果，计算出各类能源设备总的额定配置容量、总的额定功率，作为各类能源设备的运行约束传递到下层优化模型中；
然后通过二代非支配排序遗传算法对下层模型进行求解，获取某一典型日的1组能源设备运行状态与出力及对应的运行成本；然后按照同样的方法求解获得
Figure SMS_264
个典型日的能源设备运行状态与出力及对应的运行成本；
然后将
Figure SMS_265
个典型日的能源设备运行状态与出力及对应的运行成本返回到上层模型中，上层模型根据下层模型返回的运行成本计算全寿命周期成本，再次优化能源设备的配置方案；循环迭代，当迭代次数达到限定值时输出建筑微能源网的优化配置方案，否则继续迭代求解。
本发明具有如下有益效果：
本发明根据建筑围护结构的热工参数，结合一阶ETP模型，计算房间通过三档风量+通断控制调节室温的建筑逐时空调负荷需求，更贴近于实际场景，为微能源网的优化配置提供了更准确的空调负荷需求数据；本发明构建了建筑微能源网双层优化配置模型，上层为容量配置优化模型，目标函数为全寿命周期成本净现值最小，下层为运行调度优化模型，目标函数为典型日运行成本和典型日综合运行能效最优，建立了能源设备的性能约束，考虑非标准工况对热泵运行效率的影响，尤其是热泵处于直接供冷和蓄冷两种不同模式时，冷冻出水温度差异导致的能效差异，通过对双层模型求解，能够获得建筑微能源网优化配置方案。本发明所获得的优化配置方案能够提升建筑微能源网的全寿命周期经济性、运行经济性与能效性，为含热泵和电、冷、热混合储能的建筑微能源网的优化配置提供指导建议，有效解决了现有研究中存在的末端空调的温控策略偏离实际、因忽略环境温度、负荷率、冷冻出水温度等因素对热泵或冷机运行效率的影响而导致相变储能效益预估不准确等问题。
附图说明
图1为本发明所述建筑微能源网双层优化配置方法流程图；
图2为建筑微能源网系统架构图；
图3为建筑微能源网的双层优化配置模型示意图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
建筑微能源网系统如图2所示，是由电网、光伏、热泵、相变蓄冷、相变蓄热及蓄电池构成的冷、热、电混合储能系统；建筑微能源网系统包含电负荷、冷负荷、热负荷3类负荷；电负荷由电网、光伏、蓄电池联合供给，电网与电力母线直接连接，并网运行；光伏通过光伏逆变器与电力母线连接；蓄电池通过双向变流器与电力母线连接，实现充/放电；热负荷由热泵、相变蓄热联合供给，冷负荷由热泵与相变蓄冷联合供给，冷/热能通过冷/热母线输配至各空调房间，满足用户的热环境舒适性需求。
本发明所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法如图1所示，包括如下过程：
步骤1：基于一阶ETP模型，建立风机盘管采用3档风量调控室温的室内空调换热模型，获取
Figure SMS_266
，也就是确定考虑建筑内环境换热特性的空调负荷需求；
其中，室内空调换热模型公式如下式（1）所示：
Figure SMS_267
（1）
式中，
Figure SMS_270
、/>
Figure SMS_272
分别为/>
Figure SMS_275
时刻室内空气温度、室外空气温度；/>
Figure SMS_269
为外围护结构的综合热阻；/>
Figure SMS_271
为室内空气热容；/>
Figure SMS_273
为时间步长；/>
Figure SMS_274
为/>
Figure SMS_268
时刻的室内人员散热；
Figure SMS_276
为/>
Figure SMS_277
时刻太阳辐射得热量，包括窗户的太阳辐射得热量/>
Figure SMS_278
与外墙或屋顶的太阳辐射得热量/>
Figure SMS_279
，具体如下式（2）、（3）所示：/>
Figure SMS_280
（2）
Figure SMS_281
（3）
式中，
Figure SMS_282
为外窗的太阳辐射得热系数；/>
Figure SMS_283
为外墙或屋顶的吸收系数；/>
Figure SMS_284
与
Figure SMS_285
分别为窗和墙的面积；/>
Figure SMS_286
与/>
Figure SMS_287
分别为/>
Figure SMS_288
时刻外窗、外墙或屋顶上的光照强度；
Figure SMS_289
为/>
Figure SMS_290
时刻的空调的出力，制冷为正，制热为负；设定各房间的温度调节方式相同，均为房间空调器监测室内温度偏差自动调整风量为高、中、低3档及关闭状态，调整空调的供冷/热量以适应温度变化；制冷模式，末端空调的供冷量随室内温度变化的规律如下式（4-1）所示；制热模式，末端空调的供热量随室内温度变化的规律如下式（4-2）所示；
Figure SMS_291
（4-1）
Figure SMS_292
（4-2）
式中，
Figure SMS_293
、/>
Figure SMS_294
、/>
Figure SMS_295
分别为风量为高、中、低档位时末端空调器的供冷/热量；/>
Figure SMS_296
为末端空调的温度控制鲁棒区；/>
Figure SMS_297
为/>
Figure SMS_298
时刻房间的室内温度设定值。
步骤2：计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求（包括冷负荷、热负荷），便于后续针对性地配置能源供给；
选取1年中的
Figure SMS_299
个典型日，将其中的典型日/>
Figure SMS_300
在一年中出现的频次记为/>
Figure SMS_301
，/>
Figure SMS_302
满足/>
Figure SMS_303
，计算目标建筑典型日逐时空调负荷需求和逐时电负荷需求，具体过程如下：
将典型日
Figure SMS_304
的人员占有率数据、室外逐时气象数据（包括空气干球温度参数）以及外墙、屋顶、外窗上的太阳辐射强度数据导入到步骤1中的室内空调换热模型中；
根据建筑各房间围护结构的尺寸与设计热工参数，计算获得各房间外围护结构的综合热阻；设定房间温度均为
Figure SMS_318
，假定各房间空调的初始温度/>
Figure SMS_306
满足/>
Figure SMS_320
（/>
Figure SMS_312
，
Figure SMS_314
）的均匀分布，以1分钟为时间步长，以1天为计算周期，根据公式（1）~（4）计算获得各房间 1440分钟（即1天）的空调供冷量或供热量数据，然后将各房间/>
Figure SMS_322
时刻的空调负荷需求累加获得目标建筑/>
Figure SMS_323
时刻总的空调负荷需求，最后将建筑1440分钟的空调负荷需求数据（包括夏季冷负荷与冬季热负荷）逐时平均处理，获得以小时为时间尺度的典型日建筑逐时空调负荷需求数据；将典型日/>
Figure SMS_311
的逐时冷负荷数据集合记为/>
Figure SMS_316
，/>
Figure SMS_305
，将典型日/>
Figure SMS_315
的逐时热负荷数据集合记为/>
Figure SMS_308
，/>
Figure SMS_321
，其中，/>
Figure SMS_310
表示时刻，/>
Figure SMS_317
，/>
Figure SMS_307
、/>
Figure SMS_319
分别表示典型日/>
Figure SMS_309
第/>
Figure SMS_313
时刻的空调冷负荷与空调热负荷。
参照相似建筑电负荷历史数据，计算目标建筑典型日
Figure SMS_324
的逐时电负荷/>
Figure SMS_325
，
Figure SMS_326
，其中/>
Figure SMS_327
表示典型日/>
Figure SMS_328
第/>
Figure SMS_329
时刻的电负荷，为常规电负荷，不包括空调系统的电功率。
步骤3：构建如图3所示的建筑微能源网的双层优化配置模型；
双层优化配置模型包括上层模型和下层模型，上层模型为配置优化模型，以建筑微能源网的全寿命周期成本净现值最小化为目标函数，以能源设备的配置类型和数量为决策变量，约束条件包括能源设备的安装空间约束或安装数量约束、初投资约束；下层模型为运行优化模型，包含
Figure SMS_330
个子问题，以典型日运行成本和典型日综合能效为目标函数，以典型日能源设备的运行状态和出力为决策变量，约束条件包括功率平衡约束、能源设备性能约束、子系统出力约束；
步骤3.1：构建上层模型；
上层模型的目标函数如下式（5）所示：
Figure SMS_331
（5）
式中，
Figure SMS_332
表示全寿命周期成本净现值目标函数；/>
Figure SMS_333
、/>
Figure SMS_334
、/>
Figure SMS_335
分别表示初投资成本、规划期结束设备剩余价值的净现值、逐年运行成本的净现值；
Figure SMS_336
为建筑微能源网的所有设备的购置成本，如下式（6）所示：
Figure SMS_337
（6）
Figure SMS_338
与设备初投资相关，具体如下式（7）所示：
Figure SMS_339
（7）
式中，
Figure SMS_343
和/>
Figure SMS_344
别为能源设备种类编号和数量，能源设备包括光伏、热泵、相变蓄冷、相变蓄热、蓄电池；/>
Figure SMS_353
为第/>
Figure SMS_341
种能源设备的配置状态，为布尔变量，取值为1表示是，取值为0表示否；/>
Figure SMS_356
、/>
Figure SMS_342
、/>
Figure SMS_354
分别为第/>
Figure SMS_350
种能源设备的单位容量价格、单位功率价格、配置数量；/>
Figure SMS_355
、/>
Figure SMS_340
分别为第/>
Figure SMS_352
种能源设备的单台额定容量（仅针对蓄电池与相变储能设备）、单台额定功率；/>
Figure SMS_346
为终值-现值转换系数，/>
Figure SMS_348
，/>
Figure SMS_347
表示折现率，/>
Figure SMS_349
表示规划年限；/>
Figure SMS_345
为能源设备/>
Figure SMS_351
的残值率，为回收价值与初投资的比值；
Figure SMS_357
为建筑微能源网规划期限内累计运行成本的净现值，通过将各个典型日的运行成本加权求和计算获得，包括购售电成本、能源设备维护成本、碳排放税成本和弃光惩罚成本，具体如下式（8）所示：
Figure SMS_358
（8）
式中，
Figure SMS_365
、/>
Figure SMS_367
、/>
Figure SMS_373
、/>
Figure SMS_362
分别表示典型日/>
Figure SMS_371
的购售电成本、维护成本、碳排放税、弃光惩罚成本；/>
Figure SMS_378
为典型日/>
Figure SMS_384
的运行成本；/>
Figure SMS_361
为年金-净现值转换系数，/>
Figure SMS_377
；/>
Figure SMS_386
和/>
Figure SMS_389
分别为/>
Figure SMS_366
时刻的购电单价和售电单价，根据当地的分时电价数据获得；/>
Figure SMS_369
、/>
Figure SMS_374
、/>
Figure SMS_383
、/>
Figure SMS_360
、/>
Figure SMS_370
、/>
Figure SMS_379
、/>
Figure SMS_385
、/>
Figure SMS_359
分别为典型日/>
Figure SMS_372
在/>
Figure SMS_381
时刻的售电功率、购电功率、光伏实际出力、光伏预测出力、热泵电功率、相变蓄冷罐释冷功率、相变蓄热罐释热功率、蓄电池放电功率；/>
Figure SMS_387
、/>
Figure SMS_364
、/>
Figure SMS_376
、/>
Figure SMS_382
、/>
Figure SMS_388
分别为光伏、热泵、相变蓄冷、相变蓄热、蓄电池的维护单价；/>
Figure SMS_363
为单位碳排放税；/>
Figure SMS_368
为购电的等效碳排放系数；
Figure SMS_375
为弃光惩罚单价；/>
Figure SMS_380
为时间步长，取值1小时。
上层模型的决策变量为能源设备的配置类型和数量，具体包括光伏板的配置数量，热泵（本实施例中指的是空气源热泵）、相变蓄冷罐、相变蓄热罐、蓄电池的配置类型和数量；约束条件为能源设备的安装空间约束或安装数量约束、初投资约束，具体如下：
针对热泵的选型，当确定热泵的冷热源形式后（主要有空气源热泵、土壤源热泵、水源热泵3种形式），需要确定热泵的型号，主要取决于热泵单元（指单台设备，下同）的额定功率，将影响部分负荷工况下热泵的负荷率，从而影响热泵的运行能效；根据热泵拟布置位置，综合考虑热岛效应问题、运维空间预留、管道及附件敷设等因素，确定热泵的空间约束如式（9）所示：
Figure SMS_390
（9）/>
式中，
Figure SMS_393
为热泵群组的最大功率；/>
Figure SMS_399
和/>
Figure SMS_400
分别为热泵的类型编号和种数；/>
Figure SMS_392
为
Figure SMS_395
类热泵的配置状态，为布尔变量，取值为1表示配置，取值为0表示否；/>
Figure SMS_397
、/>
Figure SMS_398
、
Figure SMS_391
分别为/>
Figure SMS_394
类热泵单元的额定功率、配置数量、占地面积；/>
Figure SMS_396
表示热泵群组的最大占地面积；
根据光伏拟安装位置，确定光伏的空间约束如式（10）所示：
Figure SMS_401
（10）
式中：
Figure SMS_402
和/>
Figure SMS_403
分别为光伏群组的最大功率和最大占地面积；/>
Figure SMS_404
和/>
Figure SMS_405
分别为光伏单元的额定发电功率和占地面积；/>
Figure SMS_406
为光伏板配置数量；
目前主流的蓄电池有铅酸蓄电池、磷酸铁锂电池、三元锂电池三种，根据电池室的空间大小，确定上述三种蓄电池可安装的最大节数，建立如式（11）所示的蓄电池数量约束：
Figure SMS_407
（11）
式中：
Figure SMS_411
、/>
Figure SMS_414
、/>
Figure SMS_417
分别为蓄电池组的最大容量、最大充电功率、最大放电功率；/>
Figure SMS_410
、/>
Figure SMS_413
、/>
Figure SMS_415
分别为单节/>
Figure SMS_416
类型蓄电池的额定容量、额定充电功率、额定放电功率；/>
Figure SMS_408
和/>
Figure SMS_412
分别为/>
Figure SMS_419
类型蓄电池的数量和最大配置数量；/>
Figure SMS_420
为/>
Figure SMS_409
类蓄电池的配置状态，为布尔变量，取值为1表示配置，取值为0表示否；/>
Figure SMS_418
、/>
Figure SMS_421
分别表示蓄电池的类型编号和种数；
对相变蓄冷的选型，首先根据空调末端的形式，确定相变温度的范围，然后确定选择符合要求的几种相变蓄冷材料及对应的相变蓄冷罐。而相变温度将影响热泵为相变蓄冷罐充注冷量时的冷冻水供水温度，将影响热泵的运行能效。相变蓄冷罐的数量约束如下式（12）所示，相变蓄热罐的数量约束与相变蓄冷罐的数量约束相类似，区别仅在于公式参数下标表示不同，本实施例不再赘述；
Figure SMS_422
（12）
式中，
Figure SMS_425
和/>
Figure SMS_428
分别为相变蓄冷的类型标号和种数；/>
Figure SMS_433
、/>
Figure SMS_426
、/>
Figure SMS_429
、/>
Figure SMS_432
分别为相变蓄冷罐群组的最大容量、最大蓄冷功率、最大释冷功率、最大占地面积；/>
Figure SMS_434
、
Figure SMS_423
、/>
Figure SMS_427
、/>
Figure SMS_431
分别为/>
Figure SMS_437
类相变蓄冷罐单元的额定容量、额定蓄冷功率、额定释冷功率、额定占地面积；/>
Figure SMS_424
为/>
Figure SMS_430
类相变蓄冷罐单元的配置数量；/>
Figure SMS_435
为/>
Figure SMS_436
类相变蓄冷的配置状态，为布尔变量，取值为1表示配置，取值为0表示否；
建筑微能源网的初投资满足式（13）所示约束：
Figure SMS_438
（13）
式中，
Figure SMS_439
表示初投资成本上限。
步骤3.2：构建下层模型；
下层模型的优化目标为典型日的运行成本最小和综合能效最高，其目标函数如下式（14）、（15）所示：
Figure SMS_440
（14）
Figure SMS_441
（15）
式中，
Figure SMS_443
为典型日/>
Figure SMS_445
的综合运行能效；/>
Figure SMS_448
为下层模型的目标函数；/>
Figure SMS_444
、/>
Figure SMS_446
、
Figure SMS_447
分别表示典型日/>
Figure SMS_449
在/>
Figure SMS_442
时刻的蓄电池充电功率、相变蓄热罐的蓄热功率、相变蓄冷罐的蓄冷功率。
下层模型的决策变量为典型日能源设备的运行状态和出力，具体包括光伏群组的实际功率和弃光功率、热泵群组中处于直接供冷模式和处于为相变蓄冷/蓄热充冷模式的台数及其电功率、相变蓄冷的运行模式与蓄/释冷功率、相变蓄热罐的运行模式与蓄/释热功率、蓄电池的运行模式与充/放电功率、电网购/售电模式与电功率；约束条件具体包括功率平衡约束、能源设备的性能约束、子系统出力约束。
微能源网的功率平衡约束如下式（16）所示：
Figure SMS_450
（16）
式（16）第1、2、3行分别为电功率、热功率、冷功率平衡约束；
Figure SMS_453
、/>
Figure SMS_457
、/>
Figure SMS_458
分别为典型日/>
Figure SMS_454
在/>
Figure SMS_455
时刻光伏逆变器、双向变流器、市电的电功率；/>
Figure SMS_459
、/>
Figure SMS_460
分别为典型日/>
Figure SMS_451
在/>
Figure SMS_461
时刻热泵制热、相变储热装置蓄热的功率；/>
Figure SMS_462
、/>
Figure SMS_463
分别为典型日/>
Figure SMS_452
在/>
Figure SMS_456
时刻热泵制冷、相变蓄冷罐蓄冷的功率。
蓄电池性能约束如下式（17）所示：
Figure SMS_464
（17）
蓄电池系统的出力约束如下式（18）所示：
Figure SMS_465
（18）
式（18）的第1行为蓄电池储能容量约束，第2行为蓄电池充放电功率约束，第3行表示一个调度周期（24h）始末时刻蓄电池容量相等；
Figure SMS_469
为典型日/>
Figure SMS_473
在/>
Figure SMS_475
时刻蓄电池的储电量；/>
Figure SMS_468
为蓄电池的自损耗率；/>
Figure SMS_472
、/>
Figure SMS_476
分别为蓄电池充电效率与放电效率/>
Figure SMS_477
为蓄电池运行状态，为布尔变量，为0放电，为1充电；/>
Figure SMS_466
与/>
Figure SMS_471
分别为始末时刻的储电量；/>
Figure SMS_474
、
Figure SMS_478
分别为储电容量上限和下限；/>
Figure SMS_467
为最大充电功率；/>
Figure SMS_470
为最大放电功率。
双向变流器的性能约束如式（19）所示：
Figure SMS_479
（19）
式中，
Figure SMS_480
为双向变流器运行状态，为布尔变量，为0整流，为1逆变；/>
Figure SMS_481
、/>
Figure SMS_482
为双向变流器的逆变效率与整流效率。
相变蓄冷罐的性能约束如下式（20）所示：
Figure SMS_483
（20）/>
相变蓄冷系统的出力约束如下式（21）所示：
Figure SMS_484
（21）
式（21）中，第1行为相变蓄冷罐的储能容量约束，第2行相变蓄冷罐充能、释能功率约束，第3行表示一个调度周期始末时刻相变蓄冷罐的蓄冷容量相等；
Figure SMS_486
为/>
Figure SMS_491
时刻相变蓄冷罐的蓄冷容量；/>
Figure SMS_494
为相变蓄冷罐的自损耗率；/>
Figure SMS_488
、/>
Figure SMS_492
分别为相变蓄冷罐的蓄冷效率与释冷效率；/>
Figure SMS_496
为蓄冷容量下限；/>
Figure SMS_498
与/>
Figure SMS_485
分别为相变蓄冷罐的始末时刻的蓄冷容量；/>
Figure SMS_489
为典型日/>
Figure SMS_493
在/>
Figure SMS_497
时刻相变蓄冷罐的运行状态，为布尔变量，取值1表示蓄冷，取值0表示释冷；/>
Figure SMS_487
为相变蓄冷罐的最大蓄冷容量；/>
Figure SMS_490
、/>
Figure SMS_495
分别为相变蓄冷罐的最大蓄冷功率与最大释冷功率。
相变蓄热罐的性能约束以及相变蓄冷系统的出力约束与相变蓄冷罐的相类似，区别仅在于公式下标表示不同，本实施例不再赘述。
光伏的性能约束如下式（22）所示：
Figure SMS_499
（22）
光伏系统的出力约束如下式（23）所示：
Figure SMS_500
（23）
式中，
Figure SMS_503
、/>
Figure SMS_504
分别为典型日/>
Figure SMS_506
在/>
Figure SMS_502
时刻的光伏温度、实际光照强度；/>
Figure SMS_505
为标准测试工况下光伏输出的额定功率；/>
Figure SMS_507
为参考光照强度，取1kW/m2；/>
Figure SMS_508
为功率温度系数；/>
Figure SMS_501
为参考温度。
光伏逆变器的性能约束如式（24）所示：
Figure SMS_509
（24）
式中，
Figure SMS_510
为光伏逆变器的效率。
热泵在制冷模式时向室外空气排放热量，制热模式时吸收热量，其运行能效主要与冷冻水出水温度、冷冻水流量、室外空气温度、风机风量、负荷率等因素相关，设定经过热泵的冷冻水流量恒定，风机定转速运行，则热泵在非标准工况下满负荷运行时的制冷量如式（25）所示，热泵的负荷率如式（26）所示，热泵在非标准工况部分负荷运行时的电功率如式（27）所示：
Figure SMS_511
（25）
Figure SMS_512
（26）
Figure SMS_513
（27）
式中，
Figure SMS_520
～/>
Figure SMS_521
、/>
Figure SMS_526
～/>
Figure SMS_518
、/>
Figure SMS_522
～/>
Figure SMS_528
均为系数，根据热泵单元的样本数据，通过线性回归分析拟合获得；/>
Figure SMS_533
、/>
Figure SMS_519
分别为在非标准工况和标准工况下的热泵单元满负荷运行时的制冷量上限；/>
Figure SMS_525
为典型日/>
Figure SMS_529
在/>
Figure SMS_534
时刻热泵单元的电功率；/>
Figure SMS_515
、/>
Figure SMS_527
、/>
Figure SMS_532
分别为典型日/>
Figure SMS_535
在/>
Figure SMS_516
时刻的冷冻水出水温度、室外空气温度、负荷率；/>
Figure SMS_524
、/>
Figure SMS_531
为热泵单元的额定制冷量、额定电功率；/>
Figure SMS_536
、/>
Figure SMS_514
分别为标准工况下的室外空气温度、冷冻出水温度；/>
Figure SMS_523
为非标准工况修正系数；/>
Figure SMS_530
为部分负荷率修正系数；/>
Figure SMS_538
为典型日/>
Figure SMS_517
在/>
Figure SMS_537
时刻热泵单元的冷功率；
在夏季，热泵处于制冷模式，当热泵直接向用户输送冷冻水，设定冷冻出水温度为
Figure SMS_539
，相变蓄冷罐的相变温度为/>
Figure SMS_540
，热泵为相变蓄冷罐充冷时，供水温度应当比相变温度低，差值为/>
Figure SMS_541
，则热泵为相变蓄冷充冷时的冷冻出水温度为/>
Figure SMS_542
，则热泵的性能约束如下式（28）所示：
Figure SMS_543
（28）
热泵系统的出力约束如下式（29）所示：
Figure SMS_544
（29）/>
式中，
Figure SMS_551
和/>
Figure SMS_561
分别为典型日/>
Figure SMS_569
在/>
Figure SMS_548
时刻处于直接供冷模式的热泵编号和台数；/>
Figure SMS_556
和
Figure SMS_565
分别为典型日/>
Figure SMS_575
在/>
Figure SMS_563
时刻处于热泵充冷模式的热泵编号和台数；/>
Figure SMS_573
、/>
Figure SMS_549
分别为典型日/>
Figure SMS_554
在/>
Figure SMS_571
时刻热泵/>
Figure SMS_577
和/>
Figure SMS_581
的负荷率；/>
Figure SMS_585
、/>
Figure SMS_568
分别为典型日/>
Figure SMS_572
在/>
Figure SMS_579
时刻热泵/>
Figure SMS_584
和/>
Figure SMS_545
的制冷量；/>
Figure SMS_555
、/>
Figure SMS_564
分别为典型日/>
Figure SMS_578
在/>
Figure SMS_576
时刻热泵/>
Figure SMS_582
和/>
Figure SMS_562
的非标准工况修正系数；/>
Figure SMS_570
、
Figure SMS_580
分别为典型日/>
Figure SMS_586
在/>
Figure SMS_583
时刻热泵/>
Figure SMS_587
和/>
Figure SMS_559
的部分负荷修正系数；/>
Figure SMS_566
、/>
Figure SMS_547
分别为典型日/>
Figure SMS_558
在/>
Figure SMS_552
时刻热泵/>
Figure SMS_557
和/>
Figure SMS_567
的制冷上限；/>
Figure SMS_574
为典型日/>
Figure SMS_550
在/>
Figure SMS_560
时刻热泵的制冷量；/>
Figure SMS_546
为热泵的配置台数；/>
Figure SMS_553
为热泵单元的额定电功率。
制热模式下的热泵性能约束与上述制冷模式下类似，本实施例中不再赘述。
市电的出力约束如下式（30）所示：
Figure SMS_588
（30）
式中，
Figure SMS_589
为典型日/>
Figure SMS_590
在/>
Figure SMS_591
时刻电力母线运行模式，为布尔变量，取值为0表示购电，取值为1表示售电，购电与售电不可同时进行；/>
Figure SMS_592
最大售电功率；/>
Figure SMS_593
为最大购电功率。
步骤4：对步骤3构建的双层优化配置模型进行求解，输出微能源网优化配置方案；
步骤4.1：上层模型为单目标优化问题，将不等式约束通过KKT条件转换为等式约束，使用拉格朗日乘子法将等式约束问题转换为无约束优化问题，然后对其进行求解，获得光伏的数量配置、热泵、蓄电池、相变蓄冷、相变蓄热的类型与数量配置，并根据各类能源设备的配置结果，计算出各类能源设备总的额定配置容量、总的额定功率，作为各类能源设备的运行约束传递到下层优化模型中；
步骤4.2：下层模型为多目标优化问题，通过NSGAII（二代非支配排序遗传算法）对问题进行求解，获得Pareto最优解集及对应的运行成本与能效；权衡选取最优解集中的1组能源设备运行状态与出力及对应的运行成本；
步骤4.3：将
Figure SMS_594
个典型日的多目标优化问题分别按照步骤4.2的方法进行求解；
步骤4.4：将步骤4.3计算得到的
Figure SMS_595
个典型日的能源设备运行状态与出力及对应的运行成本返回到上层模型中，上层模型再根据下层模型返回的运行成本计算全寿命周期成本，再次优化能源设备的配置方案；如此循环迭代，只有当迭代次数达到限定值后，输出建筑微能源网的优化配置方案，否则继续迭代求解。
所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (10)

1.一种计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，其特征在于，包括如下过程：
步骤1：基于一阶ETP模型建立风机盘管采用3档风量调控室温的室内空调换热模型；
步骤2：基于步骤1建立的室内空调换热模型，计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求，包括冷负荷、热负荷；
步骤3：基于步骤2获取的建筑典型日逐时空调负荷需求，构建建筑微能源网的双层优化配置模型；双层优化配置模型包括上层模型和下层模型，上层模型为配置优化模型，以建筑微能源网的全寿命周期成本净现值最小化为目标函数，以能源设备的配置类型和数量为决策变量，约束条件包括能源设备的安装空间约束或安装数量约束、初投资约束；下层模型为运行优化模型，以典型日运行成本和典型日综合能效为目标函数，以典型日能源设备的运行状态和出力为决策变量，约束条件包括功率平衡约束、能源设备性能约束、子系统出力约束；
步骤4：对步骤3构建的双层优化配置模型进行求解，输出微能源网优化配置方案。
2.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，其特征在于，所述步骤1中，室内空调换热模型公式如下式（1）所示：
Figure QLYQS_1
（1）
式中，
Figure QLYQS_5
、/>
Figure QLYQS_8
分别为/>
Figure QLYQS_11
时刻室内空气温度、室外空气温度；/>
Figure QLYQS_4
为外围护结构的综合热阻；/>
Figure QLYQS_9
为室内空气热容；/>
Figure QLYQS_12
为时间步长；/>
Figure QLYQS_15
为/>
Figure QLYQS_2
时刻的室内人员散热；/>
Figure QLYQS_6
为/>
Figure QLYQS_10
时刻太阳辐射得热量，包括窗户的太阳辐射得热量/>
Figure QLYQS_14
与外墙或屋顶的太阳辐射得热量/>
Figure QLYQS_3
；/>
Figure QLYQS_7
为/>
Figure QLYQS_13
时刻的空调的出力，制冷为正，制热为负；
设定各房间的温度调节方式相同，均为房间空调器监测室内温度偏差自动调整风量为3档及关闭状态，调整空调的供冷/热量以适应温度变化，其中，制冷模式下末端空调的供冷量随室内温度的变化如下式（4-1）所示，制热模式下末端空调的供热量随室内温度变化的规律如下式（4-2）所示：
Figure QLYQS_16
（4-1）
Figure QLYQS_17
（4-2）/>
式中，
Figure QLYQS_18
、/>
Figure QLYQS_19
、/>
Figure QLYQS_20
分别为风量为高、中、低档位时末端空调器的供冷量；/>
Figure QLYQS_21
为末端空调的温度控制鲁棒区；/>
Figure QLYQS_22
为/>
Figure QLYQS_23
时刻房间的室内温度设定值。
3.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，其特征在于，所述步骤2中，计算考虑室内空调换热特性的建筑典型日逐时空调负荷需求的具体过程如下：
选取1年中的
Figure QLYQS_24
个典型日，将其中的典型日/>
Figure QLYQS_25
在一年中出现的频次记为/>
Figure QLYQS_26
，/>
Figure QLYQS_27
，将典型日/>
Figure QLYQS_28
的人员占有率数据、室外逐时气象数据以及外墙、屋顶、外窗上的太阳辐射强度数据导入到步骤1中的室内空调换热模型中；
根据建筑各房间围护结构的尺寸与设计热工参数，计算获得各房间外围护结构的综合热阻；设定房间温度均为
Figure QLYQS_29
，各房间空调的初始温度/>
Figure QLYQS_30
满足/>
Figure QLYQS_31
（/>
Figure QLYQS_32
，/>
Figure QLYQS_33
）的均匀分布，以1分钟为时间步长，以1天为计算周期，根据室内空调换热模型计算获得各房间1440分钟的空调供冷量或供热量数据，然后将各房间/>
Figure QLYQS_34
时刻的空调负荷需求累加获得目标建筑/>
Figure QLYQS_35
时刻总的空调负荷需求，最后将建筑1440分钟的空调负荷需求数据逐时平均处理，获得以小时为时间尺度的典型日建筑逐时空调负荷需求数据；
将典型日
Figure QLYQS_37
的逐时冷负荷数据集合记为/>
Figure QLYQS_40
，/>
Figure QLYQS_43
，将典型日/>
Figure QLYQS_38
的逐时热负荷数据集合记为/>
Figure QLYQS_41
，/>
Figure QLYQS_44
，其中，/>
Figure QLYQS_46
表示时刻，/>
Figure QLYQS_36
、/>
Figure QLYQS_39
分别表示典型日/>
Figure QLYQS_42
第/>
Figure QLYQS_45
时刻的空调冷负荷与空调热负荷；
参照相似建筑电负荷历史数据，计算目标建筑典型日
Figure QLYQS_47
的逐时电负荷/>
Figure QLYQS_48
，
Figure QLYQS_49
，其中/>
Figure QLYQS_50
表示典型日/>
Figure QLYQS_51
第/>
Figure QLYQS_52
时刻的电负荷。
4.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，其特征在于，所述步骤3中，上层模型的目标函数如下式（5）所示：
Figure QLYQS_53
（5）
式中，
Figure QLYQS_54
表示全寿命周期成本净现值目标函数；/>
Figure QLYQS_55
、/>
Figure QLYQS_56
、/>
Figure QLYQS_57
分别表示初投资成本、规划期结束设备剩余价值的净现值、逐年运行成本的净现值，分别如下式（6）～（8）所示：
Figure QLYQS_58
（6）
Figure QLYQS_59
（7）/>
Figure QLYQS_60
（8）
式中，
Figure QLYQS_65
和/>
Figure QLYQS_69
别为能源设备种类编号和数量，能源设备包括光伏、热泵、相变蓄冷、相变蓄热、蓄电池；/>
Figure QLYQS_72
为第/>
Figure QLYQS_64
种能源设备的配置状态；/>
Figure QLYQS_73
、/>
Figure QLYQS_68
、/>
Figure QLYQS_75
分别为第/>
Figure QLYQS_63
种能源设备的单位容量价格、单位功率价格、配置数量；/>
Figure QLYQS_71
、/>
Figure QLYQS_61
分别为第/>
Figure QLYQS_70
种能源设备的单台额定容量、单台额定功率；/>
Figure QLYQS_66
为终值-现值转换系数；/>
Figure QLYQS_74
为能源设备/>
Figure QLYQS_67
的残值率；/>
Figure QLYQS_76
为典型日/>
Figure QLYQS_62
在一年中出现的频次；
Figure QLYQS_82
、/>
Figure QLYQS_87
、/>
Figure QLYQS_95
、/>
Figure QLYQS_84
分别表示典型日/>
Figure QLYQS_85
的购售电成本、维护成本、碳排放税、弃光惩罚成本；/>
Figure QLYQS_93
为典型日/>
Figure QLYQS_101
的运行成本；/>
Figure QLYQS_83
为年金-净现值转换系数；/>
Figure QLYQS_86
和
Figure QLYQS_94
分别为/>
Figure QLYQS_102
时刻的购电单价和售电单价；/>
Figure QLYQS_80
、/>
Figure QLYQS_91
、/>
Figure QLYQS_99
、/>
Figure QLYQS_105
、/>
Figure QLYQS_79
、/>
Figure QLYQS_89
、/>
Figure QLYQS_97
、/>
Figure QLYQS_104
分别为典型日/>
Figure QLYQS_78
在/>
Figure QLYQS_90
时刻的售电功率、购电功率、光伏实际出力、光伏预测出力、热泵电功率、相变蓄冷罐释冷功率、相变蓄热罐释热功率、蓄电池放电功率；/>
Figure QLYQS_98
、/>
Figure QLYQS_106
、/>
Figure QLYQS_81
、/>
Figure QLYQS_88
、
Figure QLYQS_96
分别为光伏、热泵、相变蓄冷、相变蓄热、蓄电池的维护单价；/>
Figure QLYQS_103
为单位碳排放税；
Figure QLYQS_77
为购电的等效碳排放系数；/>
Figure QLYQS_92
为弃光惩罚单价；/>
Figure QLYQS_100
为时间步长。
5.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，其特征在于，所述上层模型的约束条件具体包括热泵的空间约束、光伏的空间约束、蓄电池数量约束、相变蓄冷罐的数量约束、相变蓄热罐的数量约束、建筑微能源网的初投资约束；
热泵的空间约束如式（9）所示：
Figure QLYQS_107
（9）
式中，
Figure QLYQS_109
为热泵群组的最大功率；/>
Figure QLYQS_111
和/>
Figure QLYQS_114
分别为热泵的类型编号和种数；/>
Figure QLYQS_110
为/>
Figure QLYQS_113
类热泵的配置状态；/>
Figure QLYQS_116
、/>
Figure QLYQS_117
、/>
Figure QLYQS_108
分别为/>
Figure QLYQS_112
类热泵单元的额定功率、配置数量、占地面积；/>
Figure QLYQS_115
表示热泵群组的最大占地面积；
光伏的空间约束如式（10）所示：
Figure QLYQS_118
（10）
式中，
Figure QLYQS_119
和/>
Figure QLYQS_120
分别为光伏群组的最大功率和最大占地面积；/>
Figure QLYQS_121
和/>
Figure QLYQS_122
分别为光伏单元的额定发电功率和占地面积；/>
Figure QLYQS_123
为光伏板配置数量；
蓄电池的数量约束如式（11）所示：
Figure QLYQS_124
（11）
式中：
Figure QLYQS_126
、/>
Figure QLYQS_130
、/>
Figure QLYQS_134
分别为蓄电池组的最大容量、最大充电功率、最大放电功率；
Figure QLYQS_128
、/>
Figure QLYQS_132
、/>
Figure QLYQS_136
分别为单节/>
Figure QLYQS_138
类型蓄电池的额定容量、额定充电功率、额定放电功率；/>
Figure QLYQS_125
和/>
Figure QLYQS_129
分别为/>
Figure QLYQS_133
类型蓄电池的数量和最大配置数量；/>
Figure QLYQS_137
为/>
Figure QLYQS_127
类蓄电池的配置状态；/>
Figure QLYQS_131
、/>
Figure QLYQS_135
分别表示蓄电池的类型编号和种数；
相变蓄热罐的数量约束与相变蓄冷罐相同，其中，相变蓄冷罐的数量约束如下式（12）所示：
Figure QLYQS_139
（12）
式中，
Figure QLYQS_142
和/>
Figure QLYQS_146
分别为相变蓄冷的类型标号和种数；/>
Figure QLYQS_150
、/>
Figure QLYQS_141
、/>
Figure QLYQS_144
、/>
Figure QLYQS_148
分别为相变蓄冷罐群组的最大容量、最大蓄冷功率、最大释冷功率、最大占地面积；/>
Figure QLYQS_152
、/>
Figure QLYQS_140
、
Figure QLYQS_147
、/>
Figure QLYQS_151
分别为/>
Figure QLYQS_154
类相变蓄冷罐单元的额定容量、额定蓄冷功率、额定释冷功率、额定占地面积；/>
Figure QLYQS_143
为/>
Figure QLYQS_145
类相变蓄冷罐单元的配置数量；/>
Figure QLYQS_149
为/>
Figure QLYQS_153
类相变蓄冷的配置状态；
建筑微能源网的初投资满足式（13）所示约束：
Figure QLYQS_155
（13）
式中，
Figure QLYQS_156
表示初投资成本上限；/>
Figure QLYQS_157
表示初投资成本。
6.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，其特征在于，所述步骤3中，下层模型的目标函数如下式（14）、（15）所示：
Figure QLYQS_158
（14）
Figure QLYQS_159
（15）
式中，
Figure QLYQS_166
为典型日/>
Figure QLYQS_167
的综合运行能效；/>
Figure QLYQS_178
为下层模型的目标函数；/>
Figure QLYQS_163
、/>
Figure QLYQS_177
、/>
Figure QLYQS_168
分别表示典型日/>
Figure QLYQS_176
第/>
Figure QLYQS_164
时刻的空调冷负荷、空调热负荷、电负荷；/>
Figure QLYQS_175
为典型日/>
Figure QLYQS_160
的运行成本；
Figure QLYQS_172
、/>
Figure QLYQS_170
、/>
Figure QLYQS_179
、/>
Figure QLYQS_169
、/>
Figure QLYQS_180
、/>
Figure QLYQS_162
、/>
Figure QLYQS_173
、/>
Figure QLYQS_165
、/>
Figure QLYQS_174
分别为典型日/>
Figure QLYQS_161
在/>
Figure QLYQS_171
时刻的光伏实际出力、蓄电池放电功率、蓄电池充电功率、购电功率、售电功率、相变蓄热罐释热功率、相变蓄热罐的蓄热功率、相变蓄冷罐的蓄冷功率、相变蓄冷罐释冷功率。
7.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，其特征在于，所述下层模型的约束条件具体包括微能源网的功率平衡约束、蓄电池性能约束、蓄电池系统的出力约束、双向变流器的性能约束、相变蓄冷罐的性能约束、相变蓄冷系统的出力约束、相变蓄热罐的性能约束、相变蓄热系统的出力约束、光伏的性能约束、光伏系统的出力约束、光伏逆变器的性能约束、热泵的性能约束、热泵系统的出力约束、市电的出力约束；
热泵处于制冷模式时，所述热泵的性能约束如下式（28）所示：
Figure QLYQS_181
（28）
热泵系统的出力约束如下式（29）所示：
Figure QLYQS_182
（29）
式中，
Figure QLYQS_192
和/>
Figure QLYQS_200
分别为典型日/>
Figure QLYQS_208
在/>
Figure QLYQS_186
时刻处于直接供冷模式的热泵编号和台数；/>
Figure QLYQS_202
和/>
Figure QLYQS_187
分别为典型日/>
Figure QLYQS_197
在/>
Figure QLYQS_210
时刻处于热泵充冷模式的热泵编号和台数；/>
Figure QLYQS_222
、/>
Figure QLYQS_188
分别为典型日
Figure QLYQS_199
在/>
Figure QLYQS_207
时刻热泵/>
Figure QLYQS_218
和/>
Figure QLYQS_215
的负荷率；/>
Figure QLYQS_225
、/>
Figure QLYQS_193
分别为典型日/>
Figure QLYQS_204
在/>
Figure QLYQS_194
时刻热泵/>
Figure QLYQS_206
和/>
Figure QLYQS_183
的制冷量；
Figure QLYQS_196
、/>
Figure QLYQS_190
分别为典型日/>
Figure QLYQS_203
在/>
Figure QLYQS_185
时刻热泵/>
Figure QLYQS_195
和/>
Figure QLYQS_191
的非标准工况修正系数；/>
Figure QLYQS_205
、/>
Figure QLYQS_189
分别为典型日/>
Figure QLYQS_201
在/>
Figure QLYQS_213
时刻热泵/>
Figure QLYQS_223
和/>
Figure QLYQS_214
的部分负荷修正系数；/>
Figure QLYQS_224
、/>
Figure QLYQS_209
分别为典型日/>
Figure QLYQS_219
在/>
Figure QLYQS_212
时刻热泵/>
Figure QLYQS_221
和/>
Figure QLYQS_216
的制冷上限；/>
Figure QLYQS_226
、/>
Figure QLYQS_211
分别为典型日/>
Figure QLYQS_220
在/>
Figure QLYQS_184
时刻热泵的制冷量、相变蓄冷罐蓄冷的功率；/>
Figure QLYQS_198
为热泵的配置台数；/>
Figure QLYQS_217
为热泵单元的额定电功率；制热模式下的热泵相关约束与制冷模式下相同。
8.根据权利要求7所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，其特征在于，所述微能源网的功率平衡约束如下式（16）所示：
Figure QLYQS_227
（16）
式中，
Figure QLYQS_234
、/>
Figure QLYQS_230
、/>
Figure QLYQS_240
分别为典型日/>
Figure QLYQS_235
在/>
Figure QLYQS_248
时刻光伏逆变器、双向变流器、市电的电功率；/>
Figure QLYQS_237
为典型日/>
Figure QLYQS_241
在/>
Figure QLYQS_236
时刻的热泵电功率；/>
Figure QLYQS_247
、/>
Figure QLYQS_228
、/>
Figure QLYQS_239
分别表示典型日/>
Figure QLYQS_233
第/>
Figure QLYQS_245
时刻的空调冷负荷、空调热负荷、电负荷；/>
Figure QLYQS_232
、/>
Figure QLYQS_243
分别为典型日/>
Figure QLYQS_229
在/>
Figure QLYQS_242
时刻的相变蓄热罐释热功率、相变蓄冷罐释冷功率；/>
Figure QLYQS_238
、/>
Figure QLYQS_246
分别为典型日/>
Figure QLYQS_231
在/>
Figure QLYQS_244
时刻热泵制热、相变储热装置蓄热的功率；
相变蓄冷罐的性能约束如下式（20）所示：
Figure QLYQS_249
（20）
相变蓄冷系统的出力约束如下式（21）所示：
Figure QLYQS_250
（21）
式中，
Figure QLYQS_252
为/>
Figure QLYQS_256
时刻相变蓄冷罐的蓄冷容量；/>
Figure QLYQS_261
为相变蓄冷罐的自损耗率；/>
Figure QLYQS_253
、
Figure QLYQS_257
分别为相变蓄冷罐的蓄冷效率与释冷效率；/>
Figure QLYQS_260
为时间步长；/>
Figure QLYQS_264
为蓄冷容量下限；
Figure QLYQS_251
与/>
Figure QLYQS_255
分别为相变蓄冷罐的始末时刻的蓄冷容量；/>
Figure QLYQS_259
为典型日/>
Figure QLYQS_263
在/>
Figure QLYQS_254
时刻相变蓄冷罐的运行状态；/>
Figure QLYQS_258
为相变蓄冷罐的最大蓄冷容量；/>
Figure QLYQS_262
、/>
Figure QLYQS_265
分别为相变蓄冷罐的最大蓄冷功率与最大释冷功率；相变蓄热罐的相关约束与相变蓄冷罐相同；
市电的出力约束如下式（30）所示：
Figure QLYQS_266
（30）
式中，
Figure QLYQS_268
为典型日/>
Figure QLYQS_272
在/>
Figure QLYQS_274
时刻电力母线运行模式；/>
Figure QLYQS_269
、/>
Figure QLYQS_271
分别为最大售电功率、最大购电功率；/>
Figure QLYQS_273
、/>
Figure QLYQS_275
分别为典型日/>
Figure QLYQS_267
在/>
Figure QLYQS_270
时刻购电功率、售电功率。
9.根据权利要求7所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，其特征在于，所述蓄电池性能约束如下式（17）所示：
Figure QLYQS_276
（17）
蓄电池系统的出力约束如下式（18）所示：
Figure QLYQS_277
（18）
式中，
Figure QLYQS_286
为典型日/>
Figure QLYQS_281
在/>
Figure QLYQS_293
时刻蓄电池的储电量；/>
Figure QLYQS_287
为蓄电池的自损耗率；/>
Figure QLYQS_292
、/>
Figure QLYQS_285
分别为蓄电池充电效率与放电效率；/>
Figure QLYQS_294
为蓄电池运行状态；/>
Figure QLYQS_282
与/>
Figure QLYQS_288
分别为始末时刻的储电量；/>
Figure QLYQS_278
、/>
Figure QLYQS_289
分别为储电容量上限和下限；/>
Figure QLYQS_280
、/>
Figure QLYQS_291
分别为最大充电功率、最大放电功率；/>
Figure QLYQS_284
、/>
Figure QLYQS_295
分别为典型日/>
Figure QLYQS_279
在/>
Figure QLYQS_290
时刻的蓄电池放电功率、蓄电池充电功率；/>
Figure QLYQS_283
为时间步长；
双向变流器的性能约束如式（19）所示：
Figure QLYQS_296
（19）
式中，
Figure QLYQS_297
为双向变流器运行状态；/>
Figure QLYQS_298
为典型日/>
Figure QLYQS_299
在/>
Figure QLYQS_300
时刻双向变流器的电功率；/>
Figure QLYQS_301
、
Figure QLYQS_302
为双向变流器的逆变效率与整流效率；
光伏的性能约束如下式（22）所示：
Figure QLYQS_303
（22）
光伏系统的出力约束如下式（23）所示：
Figure QLYQS_304
（23）
光伏逆变器的性能约束如式（24）所示：
Figure QLYQS_305
（24）
式中，
Figure QLYQS_313
为典型日/>
Figure QLYQS_312
在/>
Figure QLYQS_317
时刻的光伏预测出力；/>
Figure QLYQS_315
为光伏逆变器的效率；式中，
Figure QLYQS_323
、/>
Figure QLYQS_314
分别为典型日/>
Figure QLYQS_322
在/>
Figure QLYQS_308
时刻的光伏温度、实际光照强度；/>
Figure QLYQS_319
为标准测试工况下光伏输出的额定功率；/>
Figure QLYQS_306
为参考光照强度；/>
Figure QLYQS_316
为功率温度系数；/>
Figure QLYQS_311
为参考温度；/>
Figure QLYQS_320
为典型日
Figure QLYQS_309
在/>
Figure QLYQS_318
时刻的光伏实际出力；/>
Figure QLYQS_310
为典型日/>
Figure QLYQS_321
在/>
Figure QLYQS_307
时刻光伏逆变器的电功率。
10.根据权利要求1所述的计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法，其特征在于，所述步骤4的具体过程如下：
首先对上层模型进行求解，获得光伏的数量配置、热泵、蓄电池、相变蓄冷、相变蓄热的类型与数量配置，并根据各类能源设备的配置结果，计算出各类能源设备总的额定配置容量、总的额定功率，作为各类能源设备的运行约束传递到下层优化模型中；
然后通过二代非支配排序遗传算法对下层模型进行求解，获取某一典型日的1组能源设备运行状态与出力及对应的运行成本；然后按照同样的方法求解获得D个典型日的能源设备运行状态与出力及对应的运行成本；
然后将D个典型日的能源设备运行状态与出力及对应的运行成本返回到上层模型中，上层模型根据下层模型返回的运行成本计算全寿命周期成本，再次优化能源设备的配置方案；循环迭代，当迭代次数达到限定值时输出建筑微能源网的优化配置方案，否则继续迭代求解。
CN202310491993.6A 2023-05-05 2023-05-05 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法 Active CN116227739B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310491993.6A CN116227739B (zh) 2023-05-05 2023-05-05 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310491993.6A CN116227739B (zh) 2023-05-05 2023-05-05 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法

Publications (2)

Publication Number Publication Date
CN116227739A true CN116227739A (zh) 2023-06-06
CN116227739B CN116227739B (zh) 2023-09-12

Family

ID=86585837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310491993.6A Active CN116227739B (zh) 2023-05-05 2023-05-05 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法

Country Status (1)

Country Link
CN (1) CN116227739B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862154A (zh) * 2021-01-04 2021-05-28 天津大学 一种考虑需求响应的区域能源系统双层规划优化方法
WO2021232734A1 (zh) * 2020-05-19 2021-11-25 山东建筑大学 一种热泵与电蓄热设备自适应优化控制方法、系统及装置
CN114676894A (zh) * 2022-03-15 2022-06-28 北京金茂绿建科技有限公司 基于设备热力学特性模型的建筑区域能源系统配置优化方法
CN115036953A (zh) * 2022-07-25 2022-09-09 沈阳工业大学 消纳冬季夜间弃风的热泵储能系统及其优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021232734A1 (zh) * 2020-05-19 2021-11-25 山东建筑大学 一种热泵与电蓄热设备自适应优化控制方法、系统及装置
CN112862154A (zh) * 2021-01-04 2021-05-28 天津大学 一种考虑需求响应的区域能源系统双层规划优化方法
CN114676894A (zh) * 2022-03-15 2022-06-28 北京金茂绿建科技有限公司 基于设备热力学特性模型的建筑区域能源系统配置优化方法
CN115036953A (zh) * 2022-07-25 2022-09-09 沈阳工业大学 消纳冬季夜间弃风的热泵储能系统及其优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
倪平波 等: "智能楼宇中的电-热储能系统双层优化配置模型研究", 《电测与仪表》, vol. 58, no. 9, pages 122 - 128 *
李坚 等: "基于排序交叉优化算法的冷热电联供微电网经济调度", 《电力系统保护与控制》, vol. 49, no. 18, pages 137 - 145 *

Also Published As

Publication number Publication date
CN116227739B (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
Baniasadi et al. Optimal sizing design and operation of electrical and thermal energy storage systems in smart buildings
Ren et al. Improving energy flexibility of a net-zero energy house using a solar-assisted air conditioning system with thermal energy storage and demand-side management
Xie et al. Optimal sizing of battery energy storage system in smart microgrid considering virtual energy storage system and high photovoltaic penetration
CN110619110B (zh) 一种含热泵的综合能源系统协调运行优化方法
WO2018156700A1 (en) Building energy management and optimization
CN109752953B (zh) 一种集成电制冷机的楼宇供能系统模型预测调控方法
Solano et al. Assessing the potential of PV hybrid systems to cover HVAC loads in a grid-connected residential building through intelligent control
CN112419087B (zh) 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法
CN105337303A (zh) 一种含热泵的热电联产型微电网容量优化配置方法
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
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN110807588B (zh) 一种多能源耦合综合能源系统的优化调度方法
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
CN113255198B (zh) 一种含虚拟储能的冷热电联供微电网多目标优化方法
Pinzon et al. An MILP model for optimal management of energy consumption and comfort in smart buildings
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
CN115857348A (zh) 考虑两联供热泵舒适供能的分布式能量系统容量优化方法
Luo et al. A two-stage energy management strategy for CCHP microgrid considering house characteristics
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
Ren et al. Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers
CN110046821A (zh) 相变储能墙系统的电热联合调度方法
CN116972521A (zh) 基于商业楼宇太阳能光伏中央空调系统控制方法
Kalantar-Neyestanaki et al. Uncertainty-cognizant model predictive control for energy management of residential buildings with pvt and thermal energy storage
CN116227739B (zh) 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法

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
GR01 Patent grant
GR01 Patent grant