基于互動能力曲線的暖通空調(diào)集群協(xié)調(diào)控制策略

趙建立，趙本源，顧 霈，張沛超

（1.國網(wǎng)上海市電力公司，上海 200030；2.上海交通大學(xué) 電力傳輸與功率變換控制教育部重點實驗室，上海 200240；3.上海交通大學(xué) 電子信息與電氣工程學(xué)院，上海 200240）

0 引言

伴隨常規(guī)發(fā)電建設(shè)緊縮、空調(diào)負荷穩(wěn)定增長和電動汽車負荷的爆發(fā)式增長，我國電網(wǎng)的季節(jié)性尖峰負荷、時段性高峰負荷矛盾日益突出。同時，風、光等可再生能源發(fā)電比例正在迅速增加，導(dǎo)致發(fā)電側(cè)調(diào)節(jié)能力大幅下降。為應(yīng)對這種趨勢，需要大規(guī)模需求側(cè)資源參與電網(wǎng)運行［1—2］，一方面降低電網(wǎng)峰谷差，提高運行效率和延遲廠網(wǎng)投資，另一方面輔助電網(wǎng)調(diào)峰、調(diào)頻，保障電網(wǎng)安全運行。

空調(diào)負荷已成為十分重要的需求側(cè)資源。一方面，空調(diào)負荷在負荷結(jié)構(gòu)中的占比越來越高，已占我國夏季高峰負荷的30%～40%，經(jīng)濟發(fā)達地區(qū)甚至能夠達到50%；另一方面，由于建筑物具有熱慣性，對空調(diào)負荷進行短時調(diào)控對舒適度影響較小。因此，使空調(diào)負荷規(guī)?；瘏⑴c電網(wǎng)調(diào)度，是實現(xiàn)夏季用電高峰時段電網(wǎng)負荷削減的有效方式［3］。

作為空調(diào)負荷中的重要組成部分，商業(yè)樓宇暖通空調(diào)（heating ventilation and air conditioning,HVAC）系統(tǒng)因負荷容量較大、對社會生產(chǎn)影響較小，是參與電力系統(tǒng)調(diào)峰等輔助服務(wù)的重要資源［4—5］?，F(xiàn)有HVAC調(diào)控策略主要源自美國勞倫斯-伯克利國家實驗室需求響應(yīng)中心在2007年發(fā)布的技術(shù)報告［6］。國內(nèi)的實踐中大多采用直接控制HVAC主機、水泵、冷水塔等設(shè)備的策略［7—8］。但以上策略存在如下問題：一是很多控制策略實施后對用戶舒適度的影響具有未知性，例如難以預(yù)知關(guān)閉1臺制冷主機后對用戶的影響程度；二是不同類型HVAC系統(tǒng)的控制方法不具有通用性，并可能需對HVAC各子系統(tǒng)進行聯(lián)控，否則由于實際負荷需求未發(fā)生變化，造成最終仍達不到調(diào)控效果；三是需求響應(yīng)系統(tǒng)需直接控制HVAC主機等設(shè)備，易導(dǎo)致系統(tǒng)低效運行并存在控制風險。

針對上述問題，本文面向削峰填谷應(yīng)用，基于全局溫度調(diào)節(jié)（global temperature adjustment,GTA）策略提出了商業(yè)樓宇HVAC與電網(wǎng)的雙向互動策略。本文創(chuàng)新點主要有3個方面：一是提出了商業(yè)樓宇互動能力的物理建模預(yù)測方法，解決了因?qū)嶋H響應(yīng)樣本不足而難以進行數(shù)據(jù)回歸預(yù)測的問題；二是利用上述物理建模方法，基于GTA策略建立了互動能力曲線，能統(tǒng)一表示各種商業(yè)樓宇HVAC的靈活性，并有助于保護用戶隱私；三是基于互動能力曲線，提出了互動能力的聚合與分解算法，方便聚合商對大規(guī)模商業(yè)樓宇實施協(xié)調(diào)控制。

1 HVAC調(diào)控策略

國內(nèi)的實踐中大多采用直接控制HVAC主機、水泵、冷水塔等設(shè)備的策略，表1給出了部分調(diào)控策略及其經(jīng)驗性效果［7—8］。

表1 HVAC的典型調(diào)控策略Table 1 Typical control strategies for HVAC

GTA策略是指由HVAC的能源管理控制系統(tǒng)（energy management and control system,EMCS）向所有末端溫區(qū)控制器發(fā)送統(tǒng)一的溫度調(diào)節(jié)值。與其他策略相比，GTA具有如下優(yōu)點：一是GTA對用戶舒適度的影響是可預(yù)知、可控的，且各溫區(qū)均勻承擔調(diào)控指令。此外，GTA既可采用絕對調(diào)整法（即將設(shè)定值調(diào)至同一溫度），也可采用相對調(diào)整法（即將現(xiàn)有設(shè)定值調(diào)整相同度數(shù)），從而適應(yīng)個性化要求較高的商業(yè)樓宇；二是GTA是EMCS的通用功能，能夠廣泛適應(yīng)于各類HVAC系統(tǒng)，無需為了滿足電網(wǎng)互動需要而對系統(tǒng)做專門改造；三是在實施GTA時，仍由原有EMCS協(xié)調(diào)HVAC各子系統(tǒng)，更容易保證HVAC系統(tǒng)運行的安全性與經(jīng)濟性。

因此，文獻［6］將GTA列為優(yōu)先調(diào)控策略。但相對其他策略，GTA方法不容易得到HVAC預(yù)期的功率變化。本文將重點解決這個問題，為不失一般性，本文針對夏季制冷場景開展研究。

2 HVAC互動能力的統(tǒng)一表示方法

2.1 HVAC互動能力

定義HVAC的互動功率如下

圖1 HVAC互動過程Fig.1 Interacting process of HVAC

式中：T為互動時段Γ的總時長。

HVAC的互動能力用如下函數(shù)表示

式中：ΔTG為全局溫度調(diào)節(jié)值；ξ為影響互動能力的擾動變量。

本文考慮如下兩類擾動變量：一是環(huán)境溫度、濕度；二是樓宇內(nèi)熱負荷，包括基本熱負荷和隨機熱負荷。隨機負荷包括樓宇內(nèi)人員和照明等，其波動特征與建筑類型具有較強相關(guān)性。

2.2 HVAC互動能力的物理建模預(yù)測方法

針對特定商業(yè)樓宇的HVAC系統(tǒng)，為了獲得式（3）所描述的預(yù)測模型，可采用數(shù)據(jù)回歸法、灰箱建模法以及物理建模法。

數(shù)據(jù)回歸法根據(jù)歷史數(shù)據(jù)構(gòu)造預(yù)測模型，該模型與樓宇及HVAC的物理結(jié)構(gòu)不存在直接聯(lián)系，是一種黑箱模型［9—10］。該方法的困難在于，影響HVAC響應(yīng)能力的外部環(huán)境和內(nèi)部熱負荷的場景眾多，實際中難以獲得足夠的用于預(yù)測的樣本數(shù)量。

物理建模法需要建立樓宇的三維圍護結(jié)構(gòu)模型以及HVAC的物理模型［11—12］，該模型屬于白箱模型。該方法在理論上能夠建立精準的預(yù)測模型，但實際中對于大型樓宇，建模工作量十分巨大。

灰箱模型介于黑箱與白箱模型之間，代表性灰箱模型為等效熱參數(shù)（equivalent thermal parameter,ETP）模型［13—14］，這類模型需將樓宇熱工模型做降階等值，因而僅適應(yīng)于居民住宅等小型建筑物。

為提高商業(yè)樓宇互動能力的預(yù)測精度，本文采用物理建模法，并以EnergyPlus［15］作為建筑能耗模擬軟件，該軟件經(jīng)過了國際能源組織的性能驗證項目的評估，具有較強的實用性。如圖2所示，仿真中需要輸入兩類固定模型信息和兩類擾動信息。

圖2 仿真建模過程Fig.2 Simulation modeling process

兩類固定模型包括建筑圍護結(jié)構(gòu)以及HVAC系統(tǒng)模型。前者包括建筑物外形、朝向、結(jié)構(gòu)、材料以及遮陽等詳細信息；后者包括HVAC主機、水或空氣回路以及末端設(shè)備等信息。

兩類擾動信息包括環(huán)境溫濕度和內(nèi)部熱負荷，通過日前預(yù)測得到。對不同功能屬性的商業(yè)樓宇，其運營時間以及人員、照明的變化規(guī)律不同，故預(yù)測方法與難度各異。限于篇幅，本文不對環(huán)境和負荷預(yù)測問題展開討論。

EnergyPlus仿真引擎基于熱平衡原理［16］。實際的商業(yè)樓宇包含很多溫區(qū)，EnergyPlus會自動將其轉(zhuǎn)換為多個耦合的單溫區(qū)模型聯(lián)立求解，從而實現(xiàn)全樓宇能耗的精確仿真。隨著智慧城市建設(shè)進程的推進，建筑信息建模（building information modeling,BIM）技術(shù)在現(xiàn)代建筑中得到了越來越廣泛的應(yīng)用［17］。為大幅度降低物理建模的工作量，可以自動或半自動方式從BIM中提取EnergyPlus所需的能效仿真數(shù)據(jù)［18］。對于已建成樓宇，這類模型一旦建立則在很長時間內(nèi)保持不變。

2.3 HVAC互動能力曲線

HAVC互動能力曲線的構(gòu)造步驟如下。

（1）參考建筑施工圖紙以及暖通平面圖初步構(gòu)建特定商業(yè)樓宇以及內(nèi)部HVAC系統(tǒng)EnergyPlus模型；

（2）在日前預(yù)測式（3）中的擾動變量ξ，并輸入到模型中進行精細化仿真；

（3）針對互動時段Γ，在用戶允許的溫度范圍內(nèi)設(shè)定不同GTA值ΔTG，然后通過EnergyPlus模型仿真得到相應(yīng)的HVAC運行功率曲線；

（4）結(jié)合負荷基線（即ΔTG=0℃）計算互動時段G的互動能力ΔPDR，并以ΔPDR、ΔTG為橫、縱坐標，構(gòu)造圖3所示的HVAC互動能力曲線。將該曲線記為d-1(ΔTG)，顯然有d-1(ΔTG)=f(ΔTG；ξ)。

圖3 HVAC互動能力曲線Fig.3 Interaction capability curve of HVAC

上述互動能力曲線具有兩個優(yōu)點：一是能直觀統(tǒng)一地表示各種商業(yè)樓宇內(nèi)任意類型HVAC系統(tǒng)的靈活性；二是有效屏蔽了樓宇和HVAC系統(tǒng)的結(jié)構(gòu)與關(guān)鍵參數(shù)，有助于保護用戶隱私。

3 互動能力的聚合與分解策略

設(shè)由負荷聚合商對多個商業(yè)樓宇進行聚合后再參與電網(wǎng)互動，該聚合商采用如下兩個算法。

（1）自下而上的聚合算法

聚合與分解算法如圖4所示。HVAC互動能力曲線如圖4（a）所示。日前階段，聚合商收集各商業(yè)樓宇HVAC的互動能力曲線和基準功率，總互動能力D-1(ΔTG)如下所示

式中：m為HVAC負荷；M為HVAC總數(shù)。

圖4（b）是根據(jù)式（4）聚合形成的總互動能力曲線，向調(diào)度可視化展示了聚合商的總互動能力。同時，在大規(guī)模應(yīng)用中，式（4）算法還支持從配網(wǎng)片區(qū)、區(qū)域電網(wǎng)到省級電網(wǎng)的多級聚合。

（2）自上而下的分解算法

圖4 聚合與分解算法Fig.4 Aggregation and de-aggregation algorithms

對聚合與分解方法有如下討論：

4 仿真分析

4.1 算例設(shè)計

選擇美國能源部提供的中型辦公樓、酒店、單體零售店、購物中心等4類典型商業(yè)樓宇模型進行仿真，各類樓宇對比如表2所示。詳細參數(shù)以美國能源部提供的模型數(shù)據(jù)為基準進行設(shè)置［19］，HVAC機組采用DOE2模型［20］，內(nèi)部熱負荷根據(jù)樓宇特征隨機設(shè)置。選擇夏季典型日（7月23日）進行仿真，考慮10:00—11:00、11:00—12:00、12:00—13:00等3個互動時段，仿真步長為10 min。仿真軟件為Energy-Plus［15］和matlab。

表2 典型商業(yè)樓宇Table 2 Typical commercial buildings

4.2 擾動變量預(yù)測誤差的影響

本文的物理建模預(yù)測法的性能會受到擾動變量預(yù)測誤差的影響。本文以酒店為例進行仿真分析。

目前室外溫度的日前預(yù)測誤差可達到±1.2oC以內(nèi)［21］。圖5給出了室外溫度和HVAC功率的預(yù)測值與實際值。

圖5 室外溫度預(yù)測誤差對HVAC功率的影響Fig.5 Impact of outdoor temperature prediction error on HVAC power

圖6給出了樓宇內(nèi)人員數(shù)量預(yù)測誤差對于HVAC功率的影響。結(jié)果表明，20%的人員預(yù)測誤差將導(dǎo)致約3%的HVAC功率預(yù)測誤差。

圖6 人員數(shù)量預(yù)測誤差對HVAC功率的影響Fig.6 Impact of personnel number prediction error on HVAC power

圖7給出了樓宇內(nèi)部照明預(yù)測誤差對于HVAC功率的影響。結(jié)果表明，20%的照明預(yù)測誤差將導(dǎo)致約0.8%的HVAC功率預(yù)測誤差，可見，照明對HVAC功率的影響相對較小。

圖7 照明預(yù)測誤差對HVAC功率的影響Fig.7 Impact of lighting prediction error on HVAC power

綜上可知，結(jié)合環(huán)境溫度和內(nèi)部熱負荷的預(yù)測技術(shù)，本文的仿真方法能較好預(yù)測商業(yè)樓宇的HVAC功率，這樣即可在日前預(yù)測HVAC的互動能力。

4.3 互動能力預(yù)測曲線

本節(jié)根據(jù)各類擾動因素的日前預(yù)測數(shù)據(jù)，形成了12個商業(yè)樓宇HVAC在10:00—11:00、11:00—12:00、12:00—13:00這3個響應(yīng)時段的互動能力預(yù)測曲線。其中，室外溫度取圖5的預(yù)測值；對于人員預(yù)測誤差，中型辦公樓取±10%（±代表隨機取正誤差或負誤差，下同），其余類型樓宇取±20%；對于照明預(yù)測誤差，辦公樓和購物中心取±10%，其余類型樓宇取±20%。

圖8給出了每類商業(yè)樓宇的一個代表性互動能力曲線，由于10:00—13:00期間室外溫度在逐漸升高，因此HVAC的互動能力也呈增加趨勢。基于式（4）的聚合算法，形成了圖8中的總互動能力預(yù)測曲線。

圖8 互動能力預(yù)測曲線Fig.8 Prediction of interaction capability curves

由圖8可見，在較小的ΔTG范圍內(nèi)，互動功率ΔPDR與ΔTG近似滿足式（5）的線性關(guān)系。對于圖8（d）所示的購物中心，當ΔTG低于-1℃時，可觀察到由于HVAC制冷量不足，無法進一步增大功率。

4.4 日內(nèi)實際功率響應(yīng)情況

設(shè)互動時段為11:00—12:00，HVAC的溫度調(diào)節(jié)分辨率為0.5℃，圖9給出了ΔTG為-2～2℃時聚合商的實際響應(yīng)功率。圖9中總目標響應(yīng)功率為ΔPDR+1 262.2 kW，前者為該時段互動能力的預(yù)測值，后者為在互動初始時刻的基準功率的預(yù)測值。由圖9可見，HVAC集群能夠較好的跟蹤目標響應(yīng)功率；采用GTA策略，HVAC的功率響應(yīng)存在約10 min的延遲；在互動結(jié)束后，HVAC功率會發(fā)生一定程度的反彈。

圖9 不同GTA時的聚合商響應(yīng)功率Fig.9 Aggregated response power under each GTA

4.5 舒適度影響分析

本文方法的優(yōu)勢是對用戶舒適度的影響是可預(yù)知、可控的。圖10是日內(nèi)響應(yīng)階段在不同ΔTG設(shè)定值下，從各類樓宇取一個代表性建筑統(tǒng)計了內(nèi)部各溫區(qū)的溫度分布情況。

圖10 樓宇內(nèi)部溫度分布Fig.10 Indoor temperature distributions of buildings

總體上看樓宇內(nèi)部平均溫度都在目標ΔTG附近，縱向比較，各樓宇無論規(guī)模大小，室溫受影響程度基本均衡，但隨著|ΔTG|的增大，部分樓宇的某些空間溫度并未達到設(shè)定ΔTG。原因分析如下：

（2）圖8中，互動能力曲線的縱坐標ΔTG表示互動時段末期望調(diào)整的溫度值。由于空間溫度的變化存在滯后性，為了客觀評價HVAC響應(yīng)過程對于用戶舒適度的影響，圖10中縱坐標取互動時段的平均溫度，因此低于設(shè)定值。

（3）檢查仿真結(jié)果可見，各末端溫區(qū)所處位置不同，受到室外條件變化的影響程度也不同。樓宇體量越大、溫區(qū)數(shù)量越多，上述現(xiàn)象越明顯。如圖10所示，由于中型辦公樓和酒店的溫區(qū)相比單體零售店和購物中心較多，因此前兩者內(nèi)部各溫區(qū)受到室外的影響程度更大，在|ΔTG|較大時，其空間均溫更不易達到設(shè)定ΔTG。

5 結(jié)束語

本文根據(jù)BIM技術(shù)在現(xiàn)代建筑中獲得日益廣泛應(yīng)用的情況，提出了商業(yè)樓宇互動能力的物理建模預(yù)測方法，結(jié)合環(huán)境溫度和內(nèi)部熱負荷的預(yù)測技術(shù)，對HVAC互動能力做出預(yù)測。

相較于其他調(diào)控策略，GTA策略對用戶舒適度的影響具有可預(yù)知性。利用上述物理建模方法，本文基于GTA策略建立了互動能力曲線，能夠統(tǒng)一表示各種商業(yè)樓宇HVAC的靈活性，并有助于保護用戶隱私。

基于互動能力曲線，提出了多個商業(yè)樓宇互動能力的聚合與分解算法，該算法面向削峰填谷應(yīng)用，具有計算量小、可擴展性高、通用性強的優(yōu)點，方便聚合商對大規(guī)模商業(yè)樓宇實施協(xié)調(diào)控制。

本文方法依賴于準確的樓宇能耗仿真模型，下一步將研究基于實測數(shù)據(jù)的樓宇模型自動校正方法。D