陳正建,張 清,李世友,紀(jì)虎軍
(深圳能源智慧能源科技有限公司,廣東 深圳 518000)
隨著計(jì)算機(jī)、通信、數(shù)據(jù)處理和網(wǎng)絡(luò)等ICT領(lǐng)域的快速發(fā)展和變革[1-2],在ICT技術(shù)的支持和推動(dòng)下,綜合能源系統(tǒng)、虛擬電廠等形式的能源綜合利用應(yīng)運(yùn)而生。通過將多種能源負(fù)荷聯(lián)系在一起,利用能源間的互補(bǔ)特性使這些原本彼此獨(dú)立的系統(tǒng)形成一個(gè)整體,從整個(gè)能源系統(tǒng)的角度減少能源轉(zhuǎn)換間的損耗,提高了能源利用率、系統(tǒng)的安全性,解決了自愈能力不強(qiáng)的問題。實(shí)現(xiàn)了能源互補(bǔ),提高了整體利用率。
能源大廈是信息技術(shù)和建筑技術(shù)共同發(fā)展的產(chǎn)物,是一種利用計(jì)算機(jī)對(duì)建筑物內(nèi)部的設(shè)備和信息資源根據(jù)樓宇的實(shí)際情況按照需求進(jìn)行管理和自動(dòng)控制。智能樓宇被歐洲智能樓宇協(xié)會(huì)定義為:樓宇在被使用的情況下,能夠用最少的硬件和設(shè)備消耗,在實(shí)現(xiàn)最大使用效率的同時(shí)實(shí)現(xiàn)資源的高效管理。能源大廈作為樓宇功能和控制技術(shù)的結(jié)合產(chǎn)物,國外研發(fā)和應(yīng)用較早:美國聯(lián)合科技公司在上世紀(jì)80年代就已經(jīng)對(duì)康涅狄格州的一幢老舊的金融大廈進(jìn)行了改造[3];2005年加拿大學(xué)者馬克可貝爾發(fā)明了一種控制系統(tǒng),能通過對(duì)樓宇中的設(shè)備的運(yùn)行狀態(tài)的監(jiān)控,來調(diào)控樓宇中各個(gè)電器設(shè)備,使之在合理的時(shí)段運(yùn)行,從而使樓宇的用電峰值得到了有效的降低,為智慧樓宇的發(fā)展奠定了基礎(chǔ)[4];2008年底美國科羅拉多州實(shí)現(xiàn)了智能電表的全州覆蓋;2009年末,一款家庭用智能管理系統(tǒng)由微軟推出[5]。
我國在能源大廈領(lǐng)域起步較晚[6-8],2010年國家電網(wǎng)在河北、重慶、上海和北京這四座城市進(jìn)行了智能樓宇和智能小區(qū)的首次示范工程建設(shè)[9],并在2010年末建成了6座示范智能小區(qū)和2棟示范智能樓宇,為后續(xù)在全國開展智能樓宇的推廣建設(shè)奠定了堅(jiān)實(shí)的基礎(chǔ)。
本文以智能樓宇為研究對(duì)象,展開能源系統(tǒng)運(yùn)行優(yōu)化調(diào)度的研究。首先,建立了智能樓宇大廈所需要的新設(shè)備的數(shù)學(xué)模型,包括風(fēng)機(jī)、光伏、冰蓄冷設(shè)備、冷水機(jī)組、儲(chǔ)能設(shè)備等(風(fēng)機(jī)1 MW,光伏發(fā)電機(jī)1.5 MW,電空調(diào)額定功率1 MW,冷水機(jī)組3 MW,蓄電池額定容量800 kW,蓄冰裝置額定容量8 MW),形成較為系統(tǒng)的綜合能源系統(tǒng)架構(gòu);然后,建立了智能樓宇運(yùn)行優(yōu)化調(diào)度模型,優(yōu)化目標(biāo)為智能樓宇整體運(yùn)行經(jīng)濟(jì)性的評(píng)價(jià)指標(biāo),采用改進(jìn)的遺傳算法求解,并形成了智能樓宇冷、電負(fù)荷的運(yùn)行調(diào)度方案;結(jié)果表明,對(duì)大廈用能負(fù)荷有一定的削減。
本文針對(duì)能源大廈的具體設(shè)備如風(fēng)力發(fā)電機(jī),光伏能發(fā)電設(shè)備,儲(chǔ)能電池,冰蓄冷空調(diào),水冷機(jī)組進(jìn)行了數(shù)學(xué)建模并進(jìn)行了嚴(yán)格調(diào)控。以下是各個(gè)設(shè)備的數(shù)學(xué)模型。
風(fēng)力發(fā)電機(jī)的發(fā)電系統(tǒng)的發(fā)電能力和風(fēng)速大小有著密切的關(guān)系,風(fēng)機(jī)在一定范圍的風(fēng)速內(nèi)運(yùn)行時(shí),切入風(fēng)速和切出風(fēng)速將影響發(fā)電機(jī)的發(fā)電功率。并且風(fēng)機(jī)發(fā)電的功率還由它的額定功率和風(fēng)能密度所決定。本文將風(fēng)力發(fā)電機(jī)的數(shù)學(xué)模型用分段函數(shù)表示,數(shù)學(xué)模型如下
(1)
式中Pwt(v)——風(fēng)力發(fā)電的機(jī)輸出功率/kW;
v——實(shí)際的風(fēng)速/m·s-1;
vr——額定的風(fēng)速/m·s-1;
vco——切出的風(fēng)速/m·s-1;
vci——切入的風(fēng)速/m·s-1;
PWT——風(fēng)力發(fā)電機(jī)額定的輸出功率/kW。
光伏發(fā)電系統(tǒng)的發(fā)電功率歸根到底與其所在的環(huán)境溫度、輻射強(qiáng)度和其額定功率有關(guān)。光伏發(fā)電系統(tǒng)輸出的功率計(jì)算公式如下
(2)
式中Ppv——光伏陣列的實(shí)際輸出功率/kW;
GSTC——標(biāo)準(zhǔn)情況下的光輻射強(qiáng)度/kW·m-2,取1 kW/m2;
GC——實(shí)際的太陽輻射強(qiáng)度/W·m-2;
PPV——光伏電池板的額定輸出功率/kW;
k——功率溫度系數(shù)/℃,取-0.004 7 ℃;
TSTC——標(biāo)準(zhǔn)條件下的光伏電池板組件表面溫度/℃,取25 ℃;
Tc——實(shí)際光伏電池板的溫度/℃。
由于電能的充放與相鄰兩時(shí)段儲(chǔ)電設(shè)備的能量存儲(chǔ)量有關(guān),是一個(gè)動(dòng)態(tài)過程,因此儲(chǔ)電設(shè)備采用動(dòng)態(tài)數(shù)學(xué)模型
(3)
式中EBAT(t)——蓄電池實(shí)時(shí)容量/kWh;
kl——蓄電池的自損耗系數(shù);
ηbat.cha——蓄電池的充電效率;
ηbat.dis——蓄電池的放電效率;
冰蓄冷系統(tǒng)作為一種集成制冷與蓄冷為一體的設(shè)備,它的模型如下
(4)
(5)
COPDC,ice、COPDC,cooling——制冰能效比;
uDC∈{0,1}——制冷機(jī)運(yùn)行工況,0代表制冷,1代表制冰
(6)
式中PDC,R——冷機(jī)的額定輸入功率/kW;
(7)
σIS——蓄冰裝置的自放熱率;
QIS,C、QIS,D——蓄冰裝置的蓄冰功率和冰制冷功率/kW;
ηIS,C、ηIS,D——蓄冰裝置蓄冰和冰制冷效率。
冷水機(jī)組常作為綜合能源系統(tǒng)中供冷設(shè)備之一,冷水機(jī)組作為冷調(diào)峰設(shè)備,滿足系統(tǒng)內(nèi)額外的冷能需求。冷水機(jī)組工作效率高,受負(fù)荷變化的影響較小,因此,將其數(shù)學(xué)模型表示為耗電量與制冷量之間的關(guān)系,可用制冷系數(shù)來表示。冷水機(jī)組的數(shù)學(xué)模型如下
QWC(t)=COPWC×PWC(t)
(8)
式中QWC——電制冷機(jī)的輸出冷功率/kW;
COPWC——電制冷機(jī)的制冷系數(shù);
PWC——電制冷機(jī)的輸入電能/kW。
由于能源大廈具有多種類型的設(shè)備,而且不同設(shè)備的組合方式的多種多樣,導(dǎo)致整體系統(tǒng)的運(yùn)行方式將會(huì)復(fù)雜多變,如果按照以往的方式并不能夠闡述清楚系統(tǒng)組成單元之間的組合方式與能量流關(guān)系。為此,各個(gè)設(shè)備按照能量在轉(zhuǎn)換過程中所能發(fā)揮的作用進(jìn)行分類。
(1)目標(biāo)函數(shù)
本文以智能樓宇整體購電成本最低為優(yōu)化目標(biāo)
(9)
式中C_buy(t)——購電電價(jià);
C_sell(t)——售電電價(jià),這里假設(shè)
C_buy(t)=0.8×C_sell(t)
(10)
兩者均為典型日的分時(shí)電價(jià)。
(2)能量流平衡方程
電功率平衡方程式
(11)
式中Pgrid——電網(wǎng)購電或售電功率/kW,購電時(shí)刻值為正,售電時(shí)值為負(fù);
PEL——系統(tǒng)得電負(fù)荷/kW;
冷功率平衡方程式
(12)
QCS,C、QCS,D——蓄冷裝置輸入和輸出的冷功率/kW;
QWC——冷水機(jī)組輸出的冷功率/kW;
QCL——系統(tǒng)冷負(fù)荷/kW。
(3)安全性約束條件
為了保證設(shè)備的持續(xù)穩(wěn)定運(yùn)行,智能樓宇中各類設(shè)備的約束條件如下
(13)
(14)
(15)
(16)
(17)
(18)
(19)
智慧能源大廈的優(yōu)化求解屬于綜合能源優(yōu)化調(diào)度的一種場景,一般情況下求解該類問題有兩種優(yōu)化方法,分別是數(shù)學(xué)規(guī)劃方法和智能算法作為典型代表;但是,智能算法恰好克服了數(shù)學(xué)規(guī)劃方法在處理組合、非線性等問題的不足,或者所寫的數(shù)學(xué)公式并不能夠很準(zhǔn)確描述數(shù)學(xué)優(yōu)化問題,因此將優(yōu)化變量和優(yōu)化結(jié)果之間的相互關(guān)系進(jìn)行合理的建模,也能確保從概率意義上找到問題的最優(yōu)解。本文采用的智能優(yōu)化算法是遺傳算法[10]。
結(jié)合前述建立的能源大廈協(xié)同優(yōu)化數(shù)學(xué)模型,構(gòu)建基于遺傳算法的具體操作流程如下:
(2)根據(jù)種群大小N,隨機(jī)產(chǎn)生N和串成的群體,并將式(11)作為適應(yīng)度函數(shù),由于本文存在多個(gè)等式約束,需要將適應(yīng)值函數(shù)進(jìn)行改寫,首先將等式約束改為左右兩側(cè)變量的差值,然后采用大M法將差值以罰函數(shù)的形式添加到適應(yīng)值函數(shù)中;根據(jù)改寫好的適應(yīng)度函數(shù),計(jì)算得到每一個(gè)串的值;
(3)根據(jù)事先規(guī)定的可能性,將編碼好的串遵循這復(fù)制的可能性尋找一個(gè)適合自身的編碼串進(jìn)行有選擇的復(fù)制,按照這樣的方式復(fù)制N個(gè)串,適應(yīng)度的大小會(huì)影響到復(fù)制可能性大??;
(4)將復(fù)制得到的編碼串互相組合,按照交叉概率進(jìn)行交叉并且將每個(gè)串中的編碼進(jìn)行變異;
(5)從(2)開始不停的循環(huán)往復(fù),迭代到最后以滿足事先制定的規(guī)則或者遺傳代數(shù)達(dá)到某一數(shù)值為終止條件;
所設(shè)計(jì)的優(yōu)化算法對(duì)遺傳算法的改進(jìn):
(1)二進(jìn)制編碼有一定的不足:由于二進(jìn)制編碼的隨機(jī)性導(dǎo)致局部搜索不夠精細(xì),變化跨度較大,假設(shè)遇到一些對(duì)精度要求較高的問題,由于其變異后變化的跨度很大,取值不連續(xù)和精細(xì),會(huì)導(dǎo)致錯(cuò)離最優(yōu)解。格雷碼就是可以大幅度降低交叉變異的區(qū)間,相比二進(jìn)制編碼可以很好的得到最優(yōu)解。
(2)采用大M法將差值以罰函數(shù)的形式添加到適應(yīng)值函數(shù)中,可以克服傳統(tǒng)遺傳算法不可以直接進(jìn)行等式約束的弊端。
采用前文所建立的規(guī)劃模型和方法,在滿足各類設(shè)備約束的基礎(chǔ)上,在滿足用電負(fù)荷和用冷負(fù)荷的基礎(chǔ)上,以大廈整體經(jīng)濟(jì)效益最大化為優(yōu)化目標(biāo),進(jìn)行規(guī)劃優(yōu)化,本文對(duì)樓宇系統(tǒng)進(jìn)行日前優(yōu)化調(diào)度分析。調(diào)度時(shí)間域考慮為一天,每個(gè)一小時(shí)取一個(gè)時(shí)間斷面。算例選取南方夏季的某一棟大樓的典型日冷電負(fù)荷為研究案例,接入的風(fēng)機(jī)1 MW,光伏發(fā)電機(jī)1.5 MW,電空調(diào)額定功率1 MW,冷水機(jī)組3 MW,蓄電池額定容量800 kW,蓄冰裝置額定容量8 MW。
某一典型日的風(fēng)電預(yù)測曲線、光伏預(yù)測曲線、典型日購電電價(jià)曲線、日常規(guī)用電(不含制冷用電)曲線,及制冷負(fù)荷需求曲線如圖1~圖5所示。
圖1 典型光伏預(yù)測曲線
圖2 典型風(fēng)電預(yù)測曲線
圖3 典型日用電負(fù)荷預(yù)測曲線
圖4 典型日冷負(fù)荷預(yù)測曲線
圖5 典型日分時(shí)電價(jià)
根據(jù)前文所建立的目標(biāo)函數(shù)和約束條件,選擇改進(jìn)后的遺傳算法求解該智能樓宇的綜合能源系統(tǒng)優(yōu)化調(diào)度問題。冷、電負(fù)荷分配結(jié)果如下:
圖6 典型日的電負(fù)荷分配結(jié)果
圖7 典型日的冷負(fù)荷分配結(jié)果
假設(shè)所有電負(fù)荷和冷負(fù)荷所需電力全部由電網(wǎng)提供,在一天內(nèi)所需電費(fèi)為25 810元,經(jīng)過本文的優(yōu)化之后,所需電費(fèi)為14 588元。通過結(jié)果對(duì)比發(fā)現(xiàn)智慧能源大廈的經(jīng)濟(jì)性得到了有效的提高。
本文以智能樓宇為研究對(duì)象,展開能源系統(tǒng)運(yùn)行優(yōu)化調(diào)度的研究。首先,建立了智能樓宇大廈所需要的新設(shè)備的數(shù)學(xué)模型,包括風(fēng)機(jī)、光伏、冰蓄冷設(shè)備、冷水機(jī)組、儲(chǔ)能設(shè)備等,形成較為系統(tǒng)的綜合能源系統(tǒng)架構(gòu);然后,建立了智能樓宇運(yùn)行優(yōu)化調(diào)度模型,優(yōu)化目標(biāo)為智能樓宇整體運(yùn)行經(jīng)濟(jì)性的評(píng)價(jià)指標(biāo),采用混合整數(shù)規(guī)劃方法求解,并形成了智能樓宇冷、電負(fù)荷的運(yùn)行調(diào)度方案。
實(shí)際結(jié)果表明,通過合理的經(jīng)濟(jì)調(diào)度,可以提高能源大廈的經(jīng)濟(jì)效益,可以對(duì)大廈內(nèi)部各個(gè)單元的調(diào)度有著一定的指導(dǎo)意義,另外對(duì)用能負(fù)荷有一定的削減作用。