基于熱濕負(fù)荷與自適應(yīng)預(yù)測(cè)時(shí)域微網(wǎng)優(yōu)化調(diào)度

林俊光，周雅敏，馮彥皓，馬聰，吳凡，鄭夢(mèng)蓮，俞自濤

(1.浙江浙能技術(shù)研究院有限公司，浙江 杭州 311100；2.浙江大學(xué) 熱工與動(dòng)力系統(tǒng)研究所，浙江 杭州 310027)

2020年，我國(guó)建筑能耗占所有行業(yè)總能耗的31%[1].基于天然氣的冷熱電聯(lián)供（combined cooling,heating and power microgrid，CCHP）系統(tǒng)為建筑提供多種類型的能源，能夠?qū)崿F(xiàn)電、熱、冷等多種形式能源的靈活轉(zhuǎn)化和綜合利用.CCHP中多種形式的能源間存在多時(shí)間尺度特性，為建筑能源的高效優(yōu)化調(diào)度帶來(lái)挑戰(zhàn).在微網(wǎng)的優(yōu)化調(diào)度中，有多種技術(shù)能夠提升調(diào)度經(jīng)濟(jì)性和供能穩(wěn)定性：需求響應(yīng)作為供給側(cè)和需求側(cè)的互動(dòng)方法，能夠提升微網(wǎng)系統(tǒng)的靈活性，保障供能的穩(wěn)定性；日前-日內(nèi)調(diào)度能夠降低由于日前負(fù)荷預(yù)測(cè)不準(zhǔn)確導(dǎo)致的調(diào)度偏差，減少負(fù)荷不確定性對(duì)調(diào)度結(jié)果帶來(lái)的影響[2].

建筑作為柔性虛擬儲(chǔ)能，能夠有效參與冷熱負(fù)荷的調(diào)度過(guò)程[3].樓宇虛擬儲(chǔ)能作為重要的需求響應(yīng)資源被廣泛應(yīng)用于微網(wǎng)優(yōu)化調(diào)度中.靳小龍等[4]通過(guò)約束溫度舒適性區(qū)間，構(gòu)建基于樓宇虛擬儲(chǔ)能的調(diào)度模型；樓宇虛擬儲(chǔ)能有保證低壓配電網(wǎng)系統(tǒng)電壓穩(wěn)定性和降低運(yùn)行成本的雙重作用[5]；葛少云等[6]通過(guò)構(gòu)建綜合考慮室內(nèi)空氣和建筑圍護(hù)結(jié)構(gòu)的精細(xì)化虛擬儲(chǔ)能模型，全面分析了樓宇虛擬儲(chǔ)能的需求響應(yīng)效果；陳厚合等[7]基于熱阻熱容網(wǎng)絡(luò)提出考慮太陽(yáng)輻射方向性的多區(qū)域建筑虛擬儲(chǔ)能模型.盡管已有研究推進(jìn)了建筑模型的發(fā)展，預(yù)測(cè)了動(dòng)態(tài)環(huán)境條件的建筑熱慣性，也提出了樓宇虛擬儲(chǔ)能作為需求響應(yīng)方法參與能源系統(tǒng)優(yōu)化調(diào)度的方法，但很少有研究關(guān)注室內(nèi)含濕量變化對(duì)樓宇虛擬儲(chǔ)能的作用.室內(nèi)含濕量變化將導(dǎo)致室內(nèi)濕空氣的焓值(即潛熱焓值)發(fā)生變化，建筑中因潛熱焓值變化造成的室內(nèi)暖通系統(tǒng)(heating, ventilation, and air conditioning,HVAC)額外運(yùn)行能耗占比可達(dá)39%[8].當(dāng)HVAC同時(shí)控制室內(nèi)溫度和相對(duì)濕度時(shí)，由于室內(nèi)相對(duì)濕度發(fā)生變化，相應(yīng)的除濕或加濕過(guò)程將產(chǎn)生濕負(fù)荷，濕負(fù)荷的變化能夠引起水蒸氣攜帶的潛熱焓值變化，最終導(dǎo)致熱負(fù)荷或冷負(fù)荷的計(jì)算偏差[9].因此僅考慮室內(nèi)溫度約束的方法，不適用于熱/濕負(fù)荷同時(shí)參與需求響應(yīng)的場(chǎng)景，需要額外將濕負(fù)荷引入需求響應(yīng)中，發(fā)揮潛熱在調(diào)度中的價(jià)值.

模型預(yù)測(cè)控制(model predictive control, MPC)被廣泛應(yīng)用于微網(wǎng)日內(nèi)調(diào)度.預(yù)測(cè)時(shí)域的選擇是MPC的關(guān)鍵，它對(duì)日內(nèi)調(diào)度結(jié)果有顯著影響.預(yù)測(cè)時(shí)域越長(zhǎng)，用于優(yōu)化調(diào)度的信息越充足，得到的經(jīng)濟(jì)性越好，但計(jì)算成本將大幅上升；預(yù)測(cè)時(shí)域越短，模型計(jì)算成本越低，調(diào)度結(jié)果卻不令人滿意[10-12].預(yù)測(cè)時(shí)域主要有滾動(dòng)預(yù)測(cè)時(shí)域[13-18]和縮短預(yù)測(cè)時(shí)域[19-20]2種，其中滾動(dòng)預(yù)測(cè)時(shí)域采用固定值，縮短預(yù)測(cè)時(shí)域采用的時(shí)域長(zhǎng)度隨時(shí)間逐漸減小.上述文獻(xiàn)均未提出均衡計(jì)算成本和調(diào)度結(jié)果的預(yù)測(cè)時(shí)域確定方法，且少有研究針對(duì)不同負(fù)荷隨機(jī)性下的預(yù)測(cè)時(shí)域長(zhǎng)度變化問(wèn)題展開(kāi)討論.自適應(yīng)預(yù)測(cè)時(shí)域方法能夠在室內(nèi)熱/濕負(fù)荷波動(dòng)較大時(shí)自動(dòng)拓寬預(yù)測(cè)時(shí)域，保證用戶熱舒適得到滿足并降低系統(tǒng)運(yùn)行經(jīng)濟(jì)成本；該方法還能夠在室內(nèi)熱/濕負(fù)荷波動(dòng)減小時(shí)自動(dòng)減少預(yù)測(cè)時(shí)域，降低整體計(jì)算成本.本研究提出基于考慮濕負(fù)荷的冷負(fù)荷需求響應(yīng)和自適應(yīng)預(yù)測(cè)時(shí)域的冷熱電聯(lián)供微網(wǎng)日前-日內(nèi)優(yōu)化調(diào)度模型.探索冷負(fù)荷的潛熱和顯熱部分協(xié)同作用下微網(wǎng)系統(tǒng)經(jīng)濟(jì)成本和設(shè)備供能靈活性的影響.采用改進(jìn)粒子群優(yōu)化算法(particle swarm optimization, PSO)求解優(yōu)化調(diào)度計(jì)算模型.以杭州某典型商業(yè)建筑的夏季制冷工況為例，驗(yàn)證所提模型的性能.

1 冷熱電聯(lián)供微網(wǎng)系統(tǒng)結(jié)構(gòu)及建模

1.1 冷熱電聯(lián)供微網(wǎng)系統(tǒng)結(jié)構(gòu)

如圖1所示，本研究構(gòu)建的冷熱電聯(lián)供微網(wǎng)系統(tǒng)為樓宇型微網(wǎng).電負(fù)荷主要由燃?xì)鈨?nèi)燃機(jī)消耗天然氣進(jìn)行發(fā)電來(lái)承擔(dān)，多余電力可以送入蓄電池，不足部分由電網(wǎng)或蓄電池供應(yīng).夏季冷負(fù)荷主要由燃?xì)鈨?nèi)燃機(jī)排放的煙氣驅(qū)動(dòng)吸收式制冷機(jī)制冷來(lái)承擔(dān)，不足部分由電制冷機(jī)和蓄能水罐補(bǔ)充；冬季熱負(fù)荷主要由燃?xì)鈨?nèi)燃機(jī)的余熱和蓄能水罐供應(yīng).本研究?jī)H考慮夏季工況下的多時(shí)間尺度優(yōu)化調(diào)度問(wèn)題，因此僅對(duì)冷負(fù)荷和電負(fù)荷進(jìn)行建模.

圖1 冷熱電聯(lián)供微網(wǎng)系統(tǒng)結(jié)構(gòu)Fig.1 Schematic of combined cooling, heating and power microgrid

1.2 冷熱電聯(lián)供微網(wǎng)系統(tǒng)建模

1.2.1 燃?xì)鈨?nèi)燃機(jī) 燃?xì)鈨?nèi)燃機(jī)的發(fā)電效率ηgt(τ)和余熱回收效率ηht(τ)均為機(jī)組負(fù)荷率ωgt(τ)的函數(shù)，

式中：Pgt,e(τ)為燃?xì)鈨?nèi)燃機(jī)出力，為燃?xì)鈨?nèi)燃機(jī)額定電功率.τ時(shí)刻燃?xì)鈨?nèi)燃機(jī)的余熱產(chǎn)熱功率Pgt(τ)和耗氣體積流量vgt(τ)分別表示為

式中：ζ為天然氣熱值，取ζ=38 931 kJ/m3.燃?xì)鈨?nèi)燃機(jī)滿足約束：

1.2.2 吸收式制冷機(jī)和電制冷機(jī) 采用溴化鋰吸收式制冷機(jī)和電制冷機(jī)作為冷源滿足冷負(fù)荷，其中溴化鋰吸收式制冷功率Pac,c(τ)和電制冷機(jī)制冷功率Pec,c(τ)分別為各自制冷系數(shù)e的函數(shù)，

式中：Pac(τ)、Pec,e(τ)分別為τ時(shí)刻從燃?xì)鈨?nèi)燃機(jī)中得到的吸熱功率和電功率；eac、e,ec分別為吸收式制冷機(jī)和電制冷機(jī)的制冷系數(shù)，其中eac為常數(shù)，eec為電制冷機(jī)負(fù)荷率ωec(τ)的函數(shù)，

吸收式制冷機(jī)和電制冷機(jī)的約束分別為

1.2.3 蓄電池和蓄能水罐 蓄電池和蓄能水罐分別提供儲(chǔ)電和儲(chǔ)冷，τ時(shí)刻的蓄電量Wbt(τ)和蓄冷量Wwt(τ)分別由上一時(shí)刻Wbt(τ-1)和Wwt(τ-1)得到，

式中：Pbt、Pwt分別為蓄電池和蓄能水罐的充放電功率，正值代表充電，負(fù)值代表放電；δwt為蓄能水罐能量損失率，假設(shè)蓄能水罐為理想狀況，即δwt= 0；下標(biāo)bt_c、bt_d分別代表蓄電池充、放電過(guò)程，下標(biāo)wt_c、wt_d分別代表蓄能水罐儲(chǔ)冷、釋冷過(guò)程.蓄電池和蓄能水罐分別滿足的約束為

1.3 電負(fù)荷與包含濕負(fù)荷的冷負(fù)荷建模

典型的日前建筑逐時(shí)電負(fù)荷Pe_l(τ)和逐時(shí)冷負(fù)荷Pc_l(τ)計(jì)算均以恒定室內(nèi)溫濕度設(shè)定值為前提.為了充分挖掘建筑柔性儲(chǔ)能參與需求響應(yīng)的潛力，本研究提出包含濕負(fù)荷的冷負(fù)荷建模方法，使日前建筑負(fù)荷能夠在調(diào)度中同時(shí)調(diào)整室內(nèi)溫濕度設(shè)定值以響應(yīng)分時(shí)電價(jià).

1.3.1 包含濕負(fù)荷的日前冷負(fù)荷分布 濕負(fù)荷為根據(jù)室內(nèi)相對(duì)濕度設(shè)定值進(jìn)行相對(duì)濕度調(diào)控產(chǎn)生的供濕量或除濕量.在傳統(tǒng)考慮熱負(fù)荷的需求響應(yīng)基礎(chǔ)上，根據(jù)HVAC濕度控制的特點(diǎn)，1）將室內(nèi)熱負(fù)荷的平衡式由溫度自變量改寫為比焓值(顯熱部分)自變量，2）將濕負(fù)荷通過(guò)濕空氣的水蒸氣潛熱效應(yīng)等效轉(zhuǎn)換為比焓值(潛熱部分)的形式.因此，本研究構(gòu)建的冷負(fù)荷由2個(gè)部分構(gòu)成：文獻(xiàn)中廣泛采用的顯熱部分和本研究提出的由濕負(fù)荷產(chǎn)生的潛熱部分.在滿足文獻(xiàn)[21]規(guī)定的室內(nèi)熱舒適溫濕度區(qū)間內(nèi)，通過(guò)調(diào)整室內(nèi)溫濕度設(shè)定值，達(dá)到充分利用建筑圍護(hù)結(jié)構(gòu)熱濕慣性并使得冷負(fù)荷進(jìn)行削峰填谷，最終減少系統(tǒng)運(yùn)行成本的作用.基于濕空氣中水蒸氣的高汽化潛熱這一特性，考慮濕慣性能夠進(jìn)一步發(fā)揮建筑作為虛擬儲(chǔ)能單元的需求響應(yīng)潛力.在基于額定室內(nèi)溫濕度得到的冷負(fù)荷基礎(chǔ)上，通過(guò)包含濕負(fù)荷，可以起到進(jìn)一步平移負(fù)荷的作用.

基于熱濕平衡方程得到顯熱和潛熱平衡分別為

式中：Psen(τ)、M(τ)分別為室內(nèi)冷負(fù)荷的顯熱部分和濕負(fù)荷，cp、ρ分別為比定壓熱容和密度，V為室內(nèi)容積，vS為回風(fēng)體積流量，、分別為室內(nèi)空氣溫度和送風(fēng)溫度，、分別為室內(nèi)空氣含濕量和送風(fēng)含濕量(含濕量定義為單位質(zhì)量干空氣中含有水蒸氣的質(zhì)量與干空氣質(zhì)量之比).根據(jù)熱濕平衡方程，得到室內(nèi)逐時(shí)冷負(fù)荷(考慮顯熱和潛熱)Pc_l(τ)為

式中：h為濕空氣比焓，由熱濕平衡方程獲得的溫度θ和含濕量d確定，關(guān)聯(lián)式為h= 1.01θ+0.001d×(2 500+1.84θ)[22].相較于傳統(tǒng)僅考慮溫度變化產(chǎn)生的冷負(fù)荷，式(15)同時(shí)考慮溫度和濕度變化的冷負(fù)荷.式(15)表明，τ時(shí)刻冷負(fù)荷由該時(shí)刻參與響應(yīng)后的送風(fēng)比焓與上一時(shí)刻回風(fēng)比焓確定(顯熱和潛熱的室內(nèi)逐時(shí)熱負(fù)荷模型形式與式(15)一致，僅替換式(14)等號(hào)右側(cè)與熱流相關(guān)的設(shè)備功率，即可得到相應(yīng)的比焓變化和室內(nèi)逐時(shí)熱負(fù)荷).根據(jù)文獻(xiàn)[21]的規(guī)定，有約束：

1.3.2 日內(nèi)負(fù)荷預(yù)測(cè)分布 根據(jù)文獻(xiàn)[23]，由于天氣和人員活動(dòng)具有不確定性，建筑負(fù)荷的波動(dòng)范圍為10%～20%.因此，設(shè)置室內(nèi)電/冷負(fù)荷服從方差為10%的正態(tài)分布，即N(μ, 0.1μ)，其中μ為日前預(yù)測(cè)的負(fù)荷期望值.

2 日內(nèi)自適應(yīng)預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制

在日內(nèi)階段，由于負(fù)荷的不確定性，經(jīng)典的MPC一般采用恒定的控制時(shí)域和預(yù)測(cè)時(shí)域修正日前調(diào)度結(jié)果.雖然預(yù)測(cè)時(shí)域長(zhǎng)度對(duì)日內(nèi)調(diào)度結(jié)果的影響較大，但現(xiàn)有文獻(xiàn)對(duì)最佳預(yù)測(cè)時(shí)域長(zhǎng)度尚無(wú)定論.預(yù)測(cè)時(shí)域長(zhǎng)度對(duì)日內(nèi)調(diào)度結(jié)果的影響表現(xiàn)為1）拓寬預(yù)測(cè)時(shí)域雖然能獲取全面的預(yù)測(cè)數(shù)據(jù)和最佳經(jīng)濟(jì)成本，但會(huì)產(chǎn)生高昂的計(jì)算成本，不利于日內(nèi)調(diào)度的實(shí)施；2）減小預(yù)測(cè)時(shí)域雖然能夠加快系統(tǒng)調(diào)度響應(yīng)，但往往以損失系統(tǒng)經(jīng)濟(jì)成本為代價(jià).本研究提出自適應(yīng)預(yù)測(cè)時(shí)域MPC方法，旨在尋找最優(yōu)的預(yù)測(cè)時(shí)域，使計(jì)算時(shí)間和經(jīng)濟(jì)成本均達(dá)到較小值.

根據(jù)負(fù)荷的波動(dòng)情況，假設(shè)單位預(yù)測(cè)時(shí)域長(zhǎng)度為1 h，預(yù)測(cè)時(shí)域總長(zhǎng)為L(zhǎng)i，定義從i至i+Li的預(yù)測(cè)負(fù)荷方差為

如圖2所示為自適應(yīng)預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制示意圖，其中控制時(shí)域?yàn)? h，為閾值(取0.01).自適應(yīng)預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制方案的執(zhí)行步驟如下.

圖2 自適應(yīng)預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制示意圖Fig.2 Schematic of adaptive prediction horizon for model predictive control

1）當(dāng)控制時(shí)域?yàn)棣?=i時(shí)刻(如0∶00)時(shí)，給定初始預(yù)測(cè)時(shí)域長(zhǎng)度L0，并指定Li=L0，計(jì)算.

2）當(dāng)控制時(shí)域?yàn)棣?=i+1 時(shí)刻(如1∶00)時(shí)，給定預(yù)測(cè)時(shí)域長(zhǎng)度Li+1=Li，計(jì)算.

4）保持預(yù)測(cè)時(shí)域長(zhǎng)度不變，即Li+1=Li，執(zhí)行步驟7）.

5）負(fù)荷波動(dòng)在增大，因此增大預(yù)測(cè)時(shí)域?yàn)長(zhǎng)i+1=Li+1，以提供全面的預(yù)測(cè)信息，執(zhí)行步驟7）.

6）負(fù)荷波動(dòng)在減小，因此減小預(yù)測(cè)時(shí)域?yàn)長(zhǎng)i+1=Li-1，以增加優(yōu)化計(jì)算效率，執(zhí)行步驟7）.

7）隨控制時(shí)域進(jìn)行滾動(dòng)執(zhí)行步驟2）～6），直至i+Li時(shí)刻到達(dá)日內(nèi)調(diào)度周期停止.

日內(nèi)優(yōu)化調(diào)度不考慮次日情形，因此在滾動(dòng)執(zhí)行步驟2）～6）過(guò)程中，當(dāng)模型預(yù)測(cè)時(shí)域超出日前調(diào)度周期時(shí)，預(yù)測(cè)時(shí)域長(zhǎng)度需要相應(yīng)縮短，即截?cái)喑鋈涨罢{(diào)度周期的預(yù)測(cè)時(shí)域長(zhǎng)度.

3 模型求解

3.1 日前優(yōu)化調(diào)度數(shù)學(xué)模型及約束

日前優(yōu)化調(diào)度使得系統(tǒng)達(dá)到最小運(yùn)行成本，包括燃料成本Cgas(τ)、購(gòu)電成本Cgrid(τ)以及運(yùn)行維修成本Com(τ).

式中：Rgas為天然氣價(jià)，Rgrid(τ)為τ時(shí)刻電網(wǎng)分時(shí)電價(jià)，Rom_gt、Rom_ac、Rom_ec、Rom_bt和Rom_wt分別為燃?xì)鈨?nèi)燃機(jī)、吸收式制冷機(jī)、電制冷機(jī)、蓄電池和蓄能水罐的運(yùn)行維修價(jià)格.日前調(diào)度除了滿足各設(shè)備運(yùn)行約束和上下限約束外，還要滿足各負(fù)荷平衡約束，包括

3.2 日內(nèi)優(yōu)化調(diào)度數(shù)學(xué)模型及約束

日內(nèi)優(yōu)化調(diào)度在日前調(diào)度結(jié)果上使系統(tǒng)在滿足負(fù)荷需求的前提下進(jìn)一步降低運(yùn)行成本，根據(jù)自適應(yīng)預(yù)測(cè)時(shí)域，有目標(biāo)函數(shù)：

此外，系統(tǒng)的約束條件與日前調(diào)度保持一致.

3.3 改進(jìn)粒子群優(yōu)化算法

采用改進(jìn)的粒子群優(yōu)化算法對(duì)優(yōu)化模型進(jìn)行求解.傳統(tǒng)粒子群優(yōu)化算法雖然廣泛用于優(yōu)化調(diào)度問(wèn)題求解，但其求解速度較慢，且如早熟收斂和陷入局部極值的問(wèn)題導(dǎo)致其收斂能力較差[24].為了提升搜尋全局最優(yōu)值的能力，進(jìn)行如下改進(jìn).

1) 優(yōu)化慣性權(quán)重(Opt1)：對(duì)慣性權(quán)重w進(jìn)行更新，表達(dá)式為

式中：wk為第k次迭代采用的慣性權(quán)重，wa、wz分別為初始慣性權(quán)重和終止慣性權(quán)重；k、kmax分別為第k次迭代數(shù)和總迭代次數(shù).慣性權(quán)重能夠使優(yōu)化在迭代初期擁有較大的搜索慣性和搜索空間，并在迭代后期能夠快速收斂至全局最優(yōu)值.

2) 設(shè)置罰函數(shù)(Opt2)：通過(guò)在目標(biāo)函數(shù)式(18)、(20)中各自額外增加罰函數(shù)項(xiàng)m·G快速過(guò)濾不滿足約束的粒子，使帶約束問(wèn)題轉(zhuǎn)變?yōu)闊o(wú)約束問(wèn)題.其中m為罰函數(shù)權(quán)重，G為罰函數(shù).罰函數(shù)的形式定義如下：對(duì)于等式約束f(A) =a，G= [f(A) -a]2，對(duì)于不等式約束f(B) ≤b，G= max[0,f(B) -b].

3) 設(shè)置自調(diào)節(jié)設(shè)備出力(Opt3)：針對(duì)等式約束難以滿足的問(wèn)題，在粒子群優(yōu)化中計(jì)算粒子適應(yīng)度步驟前，加入自調(diào)節(jié)步驟以增大可行解比例[25].由于同一設(shè)備可能既能提供冷負(fù)荷也能提供電負(fù)荷，優(yōu)先對(duì)供冷設(shè)備進(jìn)行自調(diào)節(jié)過(guò)程，即優(yōu)先保障冷負(fù)荷平衡.

4) 引入粒子突變(Opt4)：粒子突變是避免傳統(tǒng)粒子群算法存在早熟收斂和局部最優(yōu)的改進(jìn)方法，其特點(diǎn)為犧牲部分效率換取更大的搜索空間[26].粒子突變規(guī)則：若種群最優(yōu)解變化連續(xù)k次迭代均小于一定值εk，則從種群中隨機(jī)抽取部分粒子進(jìn)行突變.

4 算例分析

4.1 算例數(shù)據(jù)

以某典型商業(yè)建筑為例，基于室內(nèi)溫度25℃/相對(duì)濕度50%情形，通過(guò)EnergyPlus軟件建模預(yù)測(cè)獲得日前階段電負(fù)荷、冷負(fù)荷(顯熱部分)、濕負(fù)荷和分時(shí)電價(jià)如圖3所示(需求響應(yīng)前).微網(wǎng)系統(tǒng)各設(shè)備的相關(guān)參數(shù)取值如表1所示，濕負(fù)荷和經(jīng)濟(jì)成本的相關(guān)參數(shù)取值如表2所示.PSO的參數(shù)包括種群數(shù)目100，kmax= 2 000，PSO學(xué)習(xí)因子分別為2.8、1.2，wa= 0.9，wz= 0.2，約束式(11)～(12)的罰函數(shù)權(quán)重m= 1 000，其余約束的罰函數(shù)權(quán)重m= 100；粒子突變參數(shù)為最優(yōu)解變化連續(xù)200步迭代小于0.1.

表1 微網(wǎng)系統(tǒng)各設(shè)備的相關(guān)參數(shù)設(shè)置Tab.1 Techno-economic parameters for each device in microgrid

表2 濕負(fù)荷參與需求響應(yīng)和經(jīng)濟(jì)成本的相關(guān)參數(shù)設(shè)置Tab.2 Parameter settings for humidity load demand response and costs

圖3 日前階段電、冷（顯熱部分）、濕負(fù)荷及分時(shí)電價(jià)Fig.3 Electricity, cold (sensible heat part), humidity load and timeof-use tariff during day-ahead scheduling

為了對(duì)比本研究提出的考慮濕負(fù)荷后的冷負(fù)荷需求響應(yīng)在日前階段中的作用，除了包含濕負(fù)荷的冷負(fù)荷需求響應(yīng)方案S2外，在日前階段計(jì)算中平行設(shè)置以下方案：無(wú)負(fù)荷需求響應(yīng)方案S0(室內(nèi)無(wú)任何負(fù)荷需求響應(yīng))和僅考慮傳統(tǒng)冷負(fù)荷需求響應(yīng)方案S1(僅冷負(fù)荷參與需求響應(yīng)，濕負(fù)荷不參與需求響應(yīng)).為了對(duì)比自適應(yīng)預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制在日內(nèi)階段中的作用，在日內(nèi)階段設(shè)置固定預(yù)測(cè)時(shí)域進(jìn)行對(duì)比.

4.2 算例結(jié)果與分析

4.2.1 改進(jìn)粒子群優(yōu)化算法效果分析 在日前階段采用經(jīng)典粒子群算法和各種改進(jìn)粒子群算法的比較如圖4所示.可以看出，經(jīng)典粒子群算法的收斂效果較差，僅采用優(yōu)化慣性權(quán)重(Opt1)改進(jìn)后，約迭代次數(shù)N= 800后可得到較好的收斂效果.進(jìn)一步采用優(yōu)化慣性權(quán)重(Opt1)、設(shè)置罰函數(shù)(Opt2)和自調(diào)節(jié)設(shè)備出力(Opt3)后，在N= 100內(nèi)即可達(dá)到收斂(收斂時(shí)間較經(jīng)典PSO縮短約72%).增加粒子突變(Opt4)后，雖然可在N= 1 500跳出局部最優(yōu)解并達(dá)到全局最優(yōu)值，但對(duì)目標(biāo)函數(shù)降低范圍有限但收斂時(shí)間較經(jīng)典PSO延長(zhǎng)87%，因此針對(duì)本研究涉及的優(yōu)化調(diào)度問(wèn)題不建議采用粒子突變方法.

圖4 不同粒子群優(yōu)化算法的日前階段優(yōu)化結(jié)果比較Fig.4 Comparisons between optimization results obtained by different particle swarm optimization algorithms for dayahead scheduling

4.2.2 日前階段包含濕負(fù)荷的冷負(fù)荷需求響應(yīng)結(jié)果與分析 需求響應(yīng)方案S0、S1和S2的日前總運(yùn)行成本分別為12 028、11 341、11 096元.在包含室內(nèi)濕負(fù)荷參與冷負(fù)荷需求響應(yīng)后，總運(yùn)行成本相比方案S0下降了7.75%，且比方案S1額外下降了2.04%.這一結(jié)果表明，在暖通設(shè)計(jì)中，考慮空調(diào)等設(shè)備的熱/冷、濕負(fù)荷并使之同時(shí)參與需求響應(yīng)，可以達(dá)到更好的經(jīng)濟(jì)效益.原因是濕空氣中的水蒸氣具有較高的潛熱，被視為建筑中的虛擬儲(chǔ)能，這一舉措在高濕地區(qū)有較好的經(jīng)濟(jì)效益.

以方案S0為參照，方案S1和S2日前調(diào)度中冷負(fù)荷的負(fù)荷轉(zhuǎn)移情況對(duì)比如圖5所示.不同需求響應(yīng)方案根據(jù)分時(shí)電價(jià)進(jìn)行相應(yīng)的冷負(fù)荷轉(zhuǎn)移，日總冷負(fù)荷均為17456 kW·h.可以看到，考慮濕負(fù)荷參與冷負(fù)荷需求響應(yīng)后，冷負(fù)荷轉(zhuǎn)移量明顯增大，因而較大的負(fù)荷轉(zhuǎn)移量使得冷負(fù)荷能夠有效避開(kāi)分時(shí)電價(jià)中高峰電價(jià)時(shí)段，降低了日前階段總經(jīng)濟(jì)成本.圖5中在低谷電價(jià)時(shí)段冷負(fù)荷出現(xiàn)回彈效應(yīng)，但是總體經(jīng)濟(jì)成本并未上升，反而最大化“移峰填谷”的作用.3種方案的室內(nèi)溫濕度波動(dòng)情況如圖6所示.可以看出，室內(nèi)溫濕度在夏季考慮濕負(fù)荷作為冷負(fù)荷的一部分參與需求響應(yīng)后呈上升趨勢(shì)，但未超過(guò)文獻(xiàn)[21]規(guī)定的熱舒適溫度和相對(duì)濕度區(qū)間，因此方案S2能夠在保證熱舒適要求的前提下共同轉(zhuǎn)移冷負(fù)荷中的顯熱和潛熱負(fù)荷(濕負(fù)荷).

圖5 日前階段各需求響應(yīng)方案的冷負(fù)荷轉(zhuǎn)移情況Fig.5 Cooling load shifting of each case during day-ahead scheduling

圖6 日前階段各需求響應(yīng)方案的室內(nèi)溫濕度情況Fig.6 Indoor temperature and relative humidity of each case during day-ahead scheduling

3種方案的電網(wǎng)負(fù)荷變化和蓄能水罐蓄冷量變化如圖7所示.考慮包含濕負(fù)荷的冷負(fù)荷需求響應(yīng)后，方案S2在高峰電價(jià)時(shí)段平均購(gòu)電量?jī)H為方案S0的2.5% (19:00—21:00的平均值)，幾乎可以實(shí)現(xiàn)高峰時(shí)段離網(wǎng)運(yùn)行，緩解了電網(wǎng)壓力.方案S2在平峰電價(jià)時(shí)段的購(gòu)電量也大幅下降，與方案S0相比平均下降幅度為26.3%.在高峰和平峰電價(jià)時(shí)段，方案S2中蓄能水罐的蓄冷量相比方案S0、S1也呈現(xiàn)大幅提升的效果，原因是濕空氣潛熱較大，在高峰時(shí)段適當(dāng)放松室內(nèi)相對(duì)濕度要求后，其冷負(fù)荷能夠大幅降低，使蓄能水罐在高峰時(shí)段也能進(jìn)行蓄冷，保證了蓄能水罐的工作穩(wěn)定性.如果考慮式(10)的蓄能水罐能量損失率，蓄能水罐的蓄冷量Wwt(τ)將隨時(shí)間進(jìn)一步降低，方案S0、S1中的蓄冷量可能無(wú)法滿足用戶冷負(fù)荷，方案S2能夠在實(shí)際工況下保證蓄能水罐的工作穩(wěn)定性和冷負(fù)荷的滿足.

圖7 日前各需求響應(yīng)方案的電網(wǎng)負(fù)荷和蓄能水罐蓄冷量Fig.7 Grid electricity load and stored cooling energy in water tank of each case during day-ahead scheduling

4.2.3 日內(nèi)階段考慮自適應(yīng)預(yù)測(cè)時(shí)域結(jié)果與分析 在日內(nèi)階段，在日前階段采用方案S2后，探討考慮自適應(yīng)預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制后的經(jīng)濟(jì)性和計(jì)算成本變化.考慮包含濕負(fù)荷的冷負(fù)荷需求響應(yīng)后的日前電、冷負(fù)荷(包含顯熱和潛熱)及日內(nèi)階段引入不確定度后的電、冷負(fù)荷(包含顯熱和潛熱部分)如圖8(a)所示，不同固定預(yù)測(cè)時(shí)域長(zhǎng)度下日內(nèi)總運(yùn)行成本和計(jì)算時(shí)長(zhǎng)如圖8(b)所示.可以看出，在預(yù)測(cè)時(shí)域長(zhǎng)度為3～9 h時(shí)，算例的總成本和總計(jì)算時(shí)長(zhǎng)均呈現(xiàn)線性變化，并在7 h處產(chǎn)生交點(diǎn)，結(jié)果與文獻(xiàn)[9]～[11]的趨勢(shì)類似.

圖8 日前/日內(nèi)負(fù)荷和不同固定預(yù)測(cè)時(shí)域結(jié)果Fig.8 Day-ahead/intra-day loads and results of different constant prediction horizons

采用自適應(yīng)預(yù)測(cè)時(shí)域后，預(yù)測(cè)時(shí)域在日內(nèi)的變化情況如圖9所示.預(yù)測(cè)時(shí)域變化范圍為 3～7 h，且其長(zhǎng)度與預(yù)測(cè)冷負(fù)荷方差的變化規(guī)律基本一致(除20:00—24:00受調(diào)度周期T的限制，預(yù)測(cè)時(shí)域發(fā)生截?cái)?.表明采用自適應(yīng)預(yù)測(cè)時(shí)域后，日內(nèi)調(diào)度不再完全依賴于超短時(shí)期的負(fù)荷預(yù)測(cè)精確度，即當(dāng)負(fù)荷預(yù)測(cè)精度發(fā)生變化時(shí)自適應(yīng)方法能夠自動(dòng)調(diào)整預(yù)測(cè)時(shí)域，以減少預(yù)測(cè)誤差對(duì)日內(nèi)結(jié)果的影響.對(duì)固定預(yù)測(cè)時(shí)域?yàn)?、7 h和采用自適應(yīng)預(yù)測(cè)時(shí)域方法在日內(nèi)階段的運(yùn)行成本和計(jì)算時(shí)長(zhǎng)進(jìn)行對(duì)比，提出預(yù)測(cè)時(shí)域選擇評(píng)價(jià)因子以量化方法間的對(duì)比，結(jié)果如表3所示.預(yù)測(cè)時(shí)域選擇評(píng)價(jià)因子的定義式為

表3 自適應(yīng)預(yù)測(cè)時(shí)域與不同固定預(yù)測(cè)時(shí)域的結(jié)果對(duì)比Tab.3 Comparison of results obtained by constant and adaptive prediction horizons

式中：w1、w2為權(quán)重系數(shù)，均取0.5；為日內(nèi)階段負(fù)荷方差，本研究為10%；C2、C2_max分別為該方法的總運(yùn)行成本和3個(gè)方法中最大的運(yùn)行成本；ta、ta_max分別為該方法的總計(jì)算時(shí)間和3個(gè)方法中最大的計(jì)算時(shí)間.不同日內(nèi)階段的負(fù)荷波動(dòng)下通過(guò)改變預(yù)測(cè)時(shí)域降低的運(yùn)行成本不同，負(fù)荷波動(dòng)越大，長(zhǎng)預(yù)測(cè)時(shí)域看到的全局信息轉(zhuǎn)化得到的成本優(yōu)勢(shì)就越明顯，因此在預(yù)測(cè)時(shí)域選擇評(píng)價(jià)因子中運(yùn)行成本一項(xiàng)除以.表3的結(jié)果表明，采用自適應(yīng)預(yù)測(cè)時(shí)域方法后，預(yù)測(cè)時(shí)域選擇評(píng)價(jià)因子最低，即運(yùn)行成本和計(jì)算時(shí)長(zhǎng)兩者達(dá)到均衡狀態(tài)，能夠從整體上獲得低運(yùn)行成本和計(jì)算時(shí)長(zhǎng).

進(jìn)一步從各設(shè)備層面對(duì)自適應(yīng)預(yù)測(cè)時(shí)域進(jìn)行評(píng)估.采用自適應(yīng)預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制與3 h固定預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制的結(jié)果對(duì)比如圖10所示.圖10(a)顯示采用本研究提出的自適應(yīng)預(yù)測(cè)時(shí)域后，電網(wǎng)在高峰電價(jià)時(shí)段的功率下降，有助于進(jìn)一步降低電網(wǎng)負(fù)荷，并且在低谷和平段電價(jià)時(shí)段有較高的功率，有助于電網(wǎng)在日內(nèi)各時(shí)段達(dá)到穩(wěn)定負(fù)荷.圖10(b)顯示在自適應(yīng)預(yù)測(cè)時(shí)域中燃?xì)鈨?nèi)燃機(jī)在高峰時(shí)段出力大幅降低，同時(shí)在整個(gè)調(diào)度周期上(特別是9:00—18:00)有更平穩(wěn)的輸出功率)；圖10(d)、(e)顯示蓄電池和蓄能水罐的蓄能量波動(dòng)，可以看出自適應(yīng)預(yù)測(cè)時(shí)域使得蓄電量和蓄冷量在低谷電價(jià)和平段電價(jià)時(shí)段大幅上升，即自適應(yīng)預(yù)測(cè)時(shí)域能夠預(yù)測(cè)到更長(zhǎng)時(shí)間范圍內(nèi)的負(fù)荷波動(dòng)以及電價(jià)變化，從而提前進(jìn)行蓄能設(shè)備的蓄能或者釋能，有效增加了儲(chǔ)能設(shè)備的利用率，并在考慮蓄能水罐能量損失后更能確保在高峰用冷時(shí)段(圖10(e)中10:00—12:00和16:00—20:00)的供冷穩(wěn)定性.

圖10 各設(shè)備結(jié)果在自適應(yīng)與固定預(yù)測(cè)時(shí)域中的對(duì)比Fig.10 Comparison of results for each device by adaptive and constant prediction horizons

5 結(jié) 論

(1) 引入濕負(fù)荷作為新的負(fù)荷需求響應(yīng)方法，有效降低系統(tǒng)在日前階段的總運(yùn)行成本7.75%；濕負(fù)荷的需求響應(yīng)有效地降低了分時(shí)電價(jià)下對(duì)電網(wǎng)的負(fù)荷壓力，大幅提升了蓄能水罐蓄冷量和穩(wěn)定性.

(2) 提出新的自適應(yīng)預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制方法，該方法能夠基于負(fù)荷波動(dòng)方差自動(dòng)調(diào)整預(yù)測(cè)時(shí)域，對(duì)合理選擇預(yù)測(cè)時(shí)域有指導(dǎo)意義.

(3) 所提出的自適應(yīng)預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制方法在日內(nèi)階段平衡了計(jì)算時(shí)間和經(jīng)濟(jì)性成本；自適應(yīng)模型預(yù)測(cè)控制方法對(duì)減少對(duì)電網(wǎng)負(fù)荷、平穩(wěn)燃?xì)鈨?nèi)燃機(jī)輸出功率、增加蓄能水罐和蓄電池等儲(chǔ)能設(shè)備的利用率等有一定貢獻(xiàn)；為了對(duì)比自適應(yīng)預(yù)測(cè)時(shí)域與固定時(shí)域的效果，提出預(yù)測(cè)時(shí)域選擇評(píng)價(jià)因子.

（4）所提的濕負(fù)荷需求響應(yīng)方法和自適應(yīng)預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制方法對(duì)于不同微網(wǎng)形式、不同季節(jié)和不同負(fù)荷狀況下均適用.后續(xù)研究計(jì)劃基于不同微網(wǎng)形式/季節(jié)/工況考察濕負(fù)荷需求響應(yīng)的能力，在不同負(fù)荷狀況下評(píng)估自適應(yīng)預(yù)測(cè)時(shí)域模型預(yù)測(cè)控制方法的作用.