商業(yè)建筑虛擬電廠可調(diào)資源特性分析評估研究

陳凱玲，顧 聞，王海群

(1.國網(wǎng)上海市電力公司經(jīng)濟技術研究院，上海 200233；2.上海市黃浦區(qū)發(fā)展和改革委員會，上海 200001)

上海是一座有高耗能需求的現(xiàn)代化城市，提高能源利用效率、降低建筑使用能耗、實現(xiàn)經(jīng)濟和社會的可持續(xù)發(fā)展，建筑節(jié)能勢在必行。虛擬電廠(Virtual Power Plant，簡稱VPP)是指通過先進的協(xié)調(diào)控制、智能計量以及信息通信等技術，有效聚合協(xié)調(diào)控制各類分布式資源所組成的，以實現(xiàn)資源高效利用為目的的，具備一定規(guī)模及性能，能夠直接接受電力系統(tǒng)調(diào)度機構調(diào)度的特殊集成性電廠。虛擬電廠的出現(xiàn)正好為上海這樣一座公共建筑集聚的超大型城市找到了解決問題的出路[1-2]。自2016年起，上海市積極開展國家級需求側(cè)管理示范項目“上海黃浦區(qū)商業(yè)建筑虛擬電廠示范項目”建設，推進虛擬電廠運營平臺的開發(fā)及項目試點實施，截至2020年2月底，黃浦虛擬電廠最大總調(diào)節(jié)容量為59 638 kW，需求響應資源調(diào)節(jié)容量占比為99.7%，在需求資源總量挖掘、調(diào)峰計劃達成率方面取得了重要進展。

本文基于已投入日常運行的黃浦區(qū)城市公共建筑群的可調(diào)資源，通過現(xiàn)場信息采集、用戶走訪等方式，調(diào)研樓宇50幢，覆蓋辦公、酒店、綜合體、商場不同類型，進行可調(diào)資源相關特性的分析、評估，并總結虛擬發(fā)電成功率及負荷削減率大小與可調(diào)資源參數(shù)的關聯(lián)，在此基礎上為將來樓宇實施虛擬發(fā)電等節(jié)能增效項目提供指導建議。

1 研究背景及意義

伴隨著電力市場化改革進程的加速，國家電網(wǎng)公司在智能電網(wǎng)建設領域的全面推進，對信息化、自動化、互動化提出了更高的要求，需求響應是智能電網(wǎng)的核心手段，也是智能電網(wǎng)的最佳應用之一?；陔娋W(wǎng)的不斷優(yōu)化和需求響應的持續(xù)發(fā)展，近年來虛擬電廠技術應運而生，具有狀態(tài)全面感知、信息高效處理、調(diào)度便捷精準的特征。

上海市城區(qū)(黃浦)商業(yè)建筑需求側(cè)管理示范項目現(xiàn)已投入運營，在夏季用電高峰期多次參與電網(wǎng)削峰，取得了良好的成效。考慮建筑設備復雜多樣等客觀情況，面向黃浦區(qū)城市公共建筑群的可調(diào)資源，以加強建筑節(jié)能增效尤其是商業(yè)樓宇節(jié)能增效為導向，調(diào)研黃浦區(qū)虛擬電廠可調(diào)資源情況，結合虛擬發(fā)電實際運行狀況，科學分析虛擬發(fā)電結果，評估可調(diào)資源技術經(jīng)濟參數(shù)，挖掘資源更深層次、更多維度的價值，旨在提升未來建筑節(jié)能改造水平以及虛擬電廠技術調(diào)控精細化水平，為增強電網(wǎng)、用戶、虛擬電廠間的交互方式，提升電網(wǎng)調(diào)度的靈活性和及時性作基礎參考。

2 可調(diào)資源主要信息

2.1 調(diào)研建筑類型

本次調(diào)研樣本根據(jù)黃浦虛擬電廠商業(yè)建筑總體建筑類型分布比例(辦公、酒店、商業(yè)、綜合)，抽取50個建筑，總建筑面積近250萬m2，選取辦公建筑22 棟，占樣本容量的 44%；酒店14棟，占樣本容量的28%；綜合體建筑10幢，占樣本容量20%；商場建筑4幢，占樣本容量 8%。

2.2 調(diào)研可調(diào)資源

目前，商業(yè)建筑的主要用能設備包括空調(diào)系統(tǒng)、照明系統(tǒng)、動力設備系統(tǒng)等多個系統(tǒng)，空調(diào)大多使用中央空調(diào)系統(tǒng)。中央空調(diào)系統(tǒng)由空調(diào)主機、風柜、風機盤管等末端設備組成。照明系統(tǒng)則是由照明、燈具等組成，動力系統(tǒng)主要由電梯、通風機等系統(tǒng)組成。隨之產(chǎn)生了一定的建筑能耗，包括用于采暖、通風、空調(diào)、照明、熱水等所消耗的能量。對黃浦虛擬電廠樣本樓宇客戶用能設備開展普查，從中挖掘具有價值的可調(diào)資源并研究相關特性，空調(diào)資源作為商業(yè)建筑內(nèi)主要的柔性負荷可調(diào)資源，可以最大程度保證在不影響建筑環(huán)境舒適度的情況下，具備短時間內(nèi)降負荷明顯的特征，可以在用電緊缺時段較為迅速地緩解用電壓力，在目前的黃浦商業(yè)建筑虛擬電廠中發(fā)揮重大效用。

空調(diào)冷源形式主要有冷水機組、風冷熱泵、VRV等，空調(diào)系統(tǒng)冷源形式分布比例如表1所示；空調(diào)熱源形式主要有電鍋爐、燃氣鍋爐、風冷熱泵、VRV、柴油鍋爐等，空調(diào)系統(tǒng)熱源形式分布比例如表2所示。

表1 空調(diào)系統(tǒng)冷源形式分布比例

表2 空調(diào)系統(tǒng)熱源形式分布比例

2.2.2 空調(diào)系統(tǒng)冷源機組構成

空調(diào)冷源系統(tǒng)一般設計大小額定功率機組構成或單一額定功率機組構成，兩種方式經(jīng)常出現(xiàn)在建筑日常運營供能中，可以調(diào)節(jié)空調(diào)系統(tǒng)部分負荷時的供冷量并提高系統(tǒng)效率。

50個調(diào)研建筑中，除3幢為VRV外，在其余47幢建筑內(nèi)，28幢采用大小匹配構成方式，占60%；19幢建筑使用單一構成，占40%。

按照辦公、酒店、商場、綜合體進行統(tǒng)計見表3。在表3中，占比=機組構成形式(各建筑類型)對應的數(shù)量/(各建筑類型)總數(shù)。

表3 照辦公、酒店、商場和綜合體的統(tǒng)計表

2.2.3 空調(diào)系統(tǒng)末端分類形式

按照不同的末端空氣處理方式，空調(diào)系統(tǒng)可分為風機—盤管(Fan-Coil)+新風、全空氣系統(tǒng)、變風量(Variable Water Volume，簡稱VAV)、分體空調(diào)系統(tǒng)、定風量(Constant Air Volume，簡稱CAV)系統(tǒng)等。經(jīng)調(diào)研，在本次黃浦區(qū)商業(yè)建筑虛擬電廠調(diào)研樣本內(nèi)較為常見的是風機盤管+新風系統(tǒng)，具體分部比例見表4。

表4 空調(diào)系統(tǒng)形式分布比例

3 可調(diào)資源特性分析

3.1 可調(diào)資源發(fā)電事件數(shù)據(jù)總覽

本次調(diào)研的50幢建筑作為入駐黃浦商業(yè)建筑虛擬電廠的建筑均有參與執(zhí)行發(fā)電，參與次數(shù)440次，累計發(fā)電量超8.9萬kW，約占總發(fā)電量的45%；其中，累計量最高的建筑虛擬發(fā)電量為10 986 kW，參與14次。

將牽引電動機固定在切割機行進線路前方的任何地方（渠坡、渠底、施工路）上，通過滑輪連接于切割機，切割機車輪放置于臨時軌道凹槽中。對于坡長較長的渠道在渠坡上布設卷揚機，其他情況下盡量選擇在渠頂或施工路邊布設卷揚機，卷揚機可安置在三輪車上方便行走，柴油三輪車經(jīng)過簡易改裝可直接用作發(fā)電機使用，更為方便施工。三輪車可加裝固定支撐腿防止車輛溜滑。卷揚機拉線順水流方向長度不短于50m，否則斜向拉力將影響施工質(zhì)量。

調(diào)研50個建筑發(fā)電情況、參與次數(shù)及參與成功率可以發(fā)現(xiàn)，建筑參與需求響應發(fā)電事件的發(fā)電量、發(fā)電次數(shù)及參與成功率都有不同。就目前階段而言，商業(yè)建筑虛擬電廠虛擬發(fā)電事件執(zhí)行成功與否、負荷削減量值達標與否是判定虛擬電廠運營效果的主要參考依據(jù)，本次研究的可調(diào)資源參數(shù)關聯(lián)優(yōu)先度評估，資源關鍵參數(shù)提取也圍繞這一目標開展分析和測算。

3.2 可調(diào)資源相關性分析

通過可調(diào)資源聚類分析，歷史發(fā)電數(shù)據(jù)分析中知道，不同建筑類型有著不同的用電規(guī)律，不同的用電規(guī)律會影響需求響應虛擬發(fā)電的效果。然而除了建筑類型外，還有哪些因素會影響到虛擬發(fā)電的最終執(zhí)行效果，這可以通過可調(diào)資源基本信息進行相關性分析。

3.2.1 基于信息熵算法分析可調(diào)資源相關性

本次評估利用50個樓宇需求響應事件(2019年夏季)數(shù)據(jù)，結合調(diào)研的可調(diào)資源信息，包括事件、建筑、時段、削減量、溫度、削減率、年代、類型、面積、空調(diào)制式、末端形式、單位能耗、有效削減、搭配形式等，采用 “ID3算法”利用計算歷史數(shù)據(jù)中每個類別或?qū)傩缘摹靶畔㈧亍鲍@得“互信息”，依據(jù)得到的“互信息量”來分析判斷需求響應事件執(zhí)行成功/失敗與商業(yè)建筑可調(diào)資源特性之間的相關性。信息熵是用來衡量一元模型中信息不確定性的指標。信息的不確定性越大，熵的值也就越大，而影響熵值的主要因素是概率。信息熵技術公式：

(1)

一元模型的熵如表5所示。

表5 一元模型的熵

由表5可得出，一元模型的熵為0.80；由于一元熵的不確定性太大，繼續(xù)按溫度、建筑、類型、裝機容量、空調(diào)制式、單位能耗和機組匹配模式，由式(1)可以分別得出條件熵H(Y|X)。條件熵如表6所示。在表6中，量值注釋：溫度表示日均溫度；建筑表示樣本建筑；類型表示建筑類型；容量表示裝機容量；空調(diào)表示空調(diào)系統(tǒng)類型；能耗表示建筑單位平米能耗；機組表示空調(diào)機組類型。

表6 條件熵

基于信息熵及條件熵，代入I(X,Y)=H(Y)-H(Y|X)，得到互信息I(X,Y)?；バ畔⑷绫?所示。在表7中，量值注釋：溫度表示日均溫度；建筑表示樣本建筑；類型表示建筑類型；容量表示裝機容量；空調(diào)表示空調(diào)系統(tǒng)類型；能耗表示建筑單位平米能耗；機組表示空調(diào)機組類型。

表7 互信息

3.2.2 基于相關系數(shù)分析可調(diào)資源相關性

基于50個建筑需求響應事件(2019年夏季)數(shù)據(jù)，再結合調(diào)研的可調(diào)資源信息，包括發(fā)電時間、發(fā)電基準值、發(fā)電實際值、負荷削減量、環(huán)境溫度、負荷削減率、裝機容量、有效削減、累計削減量、參與次數(shù)、最小削減量、最大削減量、建筑年代、建筑類型、建筑面積、空調(diào)制式、空調(diào)機組數(shù)量、空調(diào)機組總功率、空調(diào)機組構成、大空調(diào)機組數(shù)量、大空調(diào)機組制冷量、大空調(diào)機組功率、大空調(diào)機組品牌、小空調(diào)機組數(shù)量、小空調(diào)機組制冷量、小空調(diào)機組功率、小空調(diào)機組品牌、空調(diào)末端類型等參數(shù)信息。

采用“相關系數(shù)(Correlation coefficient )”算法，該算法反應變量之間關系密切程度的統(tǒng)計指標，相關系數(shù)的取值區(qū)間為1～-1。1表示兩個變量完全線性相關，-1表示兩個變量完全負相關，0表示兩個變量不相關。數(shù)據(jù)越趨近于0，表示相關關系越弱。相關系數(shù)的計算公式：

(2)

式中rxy——樣本相關系數(shù)；Sxy——樣本協(xié)方差；Sx——x的樣本標準差；Sy——y的樣本標準差。

下面分別是Sxy協(xié)方差，Sx和Sy標準差的計算公式。由于計算的是樣本協(xié)方差和樣本標準差，因此分母使用的是n-1。

Sxy樣本協(xié)方差計算公式：

(3)

Sx樣本標準差計算公式：

(4)

Sy樣本標準差計算公式：

(5)

通過分別計算x，y變量的協(xié)方差以及各自的標準差，并求得相關系數(shù)值，在式(3)至式(5)中代入相應數(shù)據(jù)，計算并分析各代入?yún)⑴c削減量的相關性，得出每項參考值與削減量的相關系數(shù)，見表8至表10。

表8 空調(diào)總功率與削減量相關性

表9 空調(diào)大機組功率與削減量相關性

表10 空調(diào)小機組功率與削減量相關性

以3項參數(shù)為關聯(lián)度最大的特性參數(shù)，考量參數(shù)如表11所示。其中，發(fā)電時間：虛擬發(fā)電的執(zhí)行日期；發(fā)電基準值：虛擬發(fā)電前測算預計負荷值；發(fā)電實際值：虛擬發(fā)電時實際發(fā)生負荷值；負荷削減量：虛擬發(fā)電實際削減量(發(fā)電基準值—發(fā)電實際值)；環(huán)境溫度：執(zhí)行發(fā)電事件的當天氣象溫度；負荷削減率：負荷削減量與發(fā)電基準值占比；有效削減：執(zhí)行發(fā)電事件，削減負荷率達標與否：負荷累計削減量：入駐虛擬電廠參與虛擬發(fā)電建筑歷史發(fā)電事件的累計負荷削減量；負荷最小削減量：入駐虛擬電廠參與虛擬發(fā)電建筑單次削減量最大值；負荷最大削減量：入駐虛擬電廠參與虛擬發(fā)電建筑單次削減量最大值；建筑年代：入駐虛擬電廠參與虛擬發(fā)電建筑建造年份；建筑類型：入駐虛擬電廠參與虛擬發(fā)電建筑分類(主要為辦公、酒店、商場、綜合體)；建筑面積：入駐虛擬電廠參與虛擬發(fā)電建筑面積；空調(diào)制式：入駐虛擬電廠參與虛擬發(fā)電建筑冷源形式；空調(diào)機組組合構成：空調(diào)大、小功率機組組合或單一功率組合形式；空調(diào)機組數(shù)量：空調(diào)冷源設備臺數(shù)(如大小空調(diào)構成模式，則包含所有大小空調(diào)機組冷源設備)；空調(diào)機組總功率：空調(diào)總額定功率數(shù)據(jù)(如大小空調(diào)構成模式，則包含所有大小空調(diào)機組冷源設備)；大空調(diào)機組數(shù)量：大額定功率值空調(diào)功率機組數(shù)量；大空調(diào)機組制冷量：大額定功率值空調(diào)功率機組制冷量；大空調(diào)機組功率：大額定功率值空調(diào)機組對應的額定功率；大空調(diào)機組品牌：大額定功率值空調(diào)機組品牌；小空調(diào)機組數(shù)量：小額定功率值空調(diào)功率機組數(shù)量；小空調(diào)機組制冷量：小額定功率值空調(diào)功率機組制冷量；小空調(diào)機組功率：小額定功率值空調(diào)機組對應的額定功率；小空調(diào)機組品牌：小額定功率值空調(diào)機組品牌；空調(diào)末端類型：包括風機盤管+新風、全空氣系統(tǒng)、變風量、分體空調(diào)系統(tǒng)、定風量系統(tǒng)等。

表11 考量參數(shù)

由表11可見，建筑類型、環(huán)境溫度、機組數(shù)量、建筑年代等參數(shù)代入分析得出的相關系數(shù)皆小于0.1，與削減量大小的關聯(lián)度較弱。

通過分析發(fā)現(xiàn)，影響虛擬發(fā)電執(zhí)行成功的最大相關因素是“建筑”，即“用戶”行為本身，第二、第三影響因素是單位平米能耗和執(zhí)行需求響應當天的溫度。這說明當前階段，虛擬發(fā)電執(zhí)行的有效程度仍主要依賴于建筑業(yè)主管理方的具體執(zhí)行情況，應當增加自動需求響應技術的覆蓋率，提升用戶自動化參與的可控性；同時，得出空調(diào)機組總額定功率、大空調(diào)機組額定功率、小空調(diào)機組額定功率與虛擬發(fā)電負荷削減量大小關系密切，可列為可調(diào)資源關鍵參數(shù)指標，作為是否可參與虛擬發(fā)電調(diào)度的重要參考因素。

4 結語

本文通過實地調(diào)研與數(shù)據(jù)分析，統(tǒng)計了所調(diào)研建筑空調(diào)設備的主要參數(shù)、占比情況，圍繞虛擬電廠發(fā)電執(zhí)行成功率及負荷削減率大小，結合虛擬發(fā)電實際運行狀況，科學分析虛擬發(fā)電結果，運用信息熵算法及相關系數(shù)分析方法進行了可調(diào)資源特性參數(shù)的相互關聯(lián)度量化分析、評估。對挖掘從可調(diào)資源特性維度來參與虛擬發(fā)電活動具有一定的指導價值，為進一步提升未來虛擬電廠技術調(diào)控精細化、自動化水平提供支持。