智能樓宇場景下能量流運(yùn)行優(yōu)化調(diào)度

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)

0 引言

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。

1 模型建立

1.1 智慧能源大廈優(yōu)化調(diào)度

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。

1.2 風(fēng)力發(fā)電

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。

1.3 光伏發(fā)電系統(tǒng)

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/℃。

1.4 儲(chǔ)能電池

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；

1.5 冰蓄冷系統(tǒng)

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。

2.6 冷水機(jī)組

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。

3 能源大廈多設(shè)備協(xié)同優(yōu)化調(diào)度

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。

3.1 優(yōu)化問題的數(shù)學(xué)描述

(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)

3.2 采用改進(jìn)的遺傳算法進(jìn)行求解模型

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。

4 算例分析

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。

5 結(jié)論

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。