室內照明系統全天需求響應潛力的計算方法

唐濤南，陳宇衡

(1.國網北京市電力公司，北京 100031;2.哈爾濱工業大學 電氣工程及自動化學院，黑龍江 哈爾濱 150001)

0 引言

隨著電力行業的發展和改革，新能源的大規模并網，電力系統的不確定性由傳統的單側(荷側)不確定性轉變為雙側(源荷兩側)不確定性，電網實時供需平衡問題愈發嚴重。隨著，源側資源的開發達到瓶頸階段，人們開始越來越多地思考負荷側資源的平衡作用，并達成共識：需求側資源在系統平衡所起的作用不弱于傳統源側資源。在這一背景下，需求響應快速發展。需求響應脫胎于需求側管理，在市場化改革的浪潮下，以行政手段為主的需求側管理顯然有悖于市場發展的趨勢，因此以正常參與電力市場為前提的需求響應應運而生[1-2]。區別于源側機組確定的裝機容量，我們難以直觀獲知某個區域內需求側資源的需求響應潛力，甚至我們可以定型地認識到不同需求側資源的需求響應潛力不同，同一類型需求側資源參與不同時間尺度電力市場的需求響應潛力也不同。因此無論是開放需求側資源參與電力市場還是實施需求響應試點項目，都應事先計算擬參與者的參與能力即提供需求響應的潛力。

以辦公樓為代表的商業建筑用電是城市用電負荷峰谷差變化的主要原因，此類商業建筑參與電力市場不僅具有較大的需求響應潛力，參與后對平衡電網供需關系也有著顯著的作用。此外，商業營利的本質使得以商業建筑為主體的需求響應具有較強的可行性。因此，如何充分有效地挖掘商業建筑的需求響應潛力顯得尤為重要。

目前，大量研究工作致力于分析商業建筑中的供暖、通風和空調(HVAC)系統在電力市場中提供靈活需求響應的潛力[3-9]。同樣，也有許多研究關于功耗僅次于暖通空調的照明系統。文獻[10]作者分析了當前的市場驅動因素，確定商業建筑的照明系統具有參與需求響應的強烈意愿和能力，然后概述了實施照明需求響應項目的社會效益。文獻[11]介紹了南加州大型辦公樓中參與需求響應的自動燈光控制系統的測試結果。此外，一些研究人員分析了住宅建筑的需求響應能力，指出照明系統的負荷減少占很大比例[12]。然而，由于居民用電量相對較小，對照明系統需求響應潛力的探索仍應集中于商業建筑。

隨著科技的進步、技術的發展，照明設備也開始更新換代，許多先進的電子設備和控制策略被應用于照明設備，如分布式智能照明系統。在此發展趨勢下，許多學者分析了各種新型照明系統的需求響應潛力[13-14]，但這些論文分析的都是帶有傳感器的智能照明系統，由于價格較為昂貴，目前尚未普及。因此，本文提出了一種適用于可調照明系統(無光學傳感器)的響應潛力計算方法。該方法結合日光全天照明模型，在滿足基本室內照明要求的前提下，計算照明設備全天需求響應潛力，為負荷聚合商參與日前市場提供一定參考。

1 照明系統負荷模型

本節將介紹如何建立照明系統的負荷模型。顯然，我們可以發現室內空間存在兩個光源：照明系統和陽光。照明系統引起的照明與電力負荷線性相關，需要建立兩者間的函數聯系，太陽光強全天變化，本文使用神經網絡來預測和模擬這種變化。參與日前市場的負荷聚合商可以使用該模型預測聚集照明系統的負荷減少能力。

1.1 室內照度模型

辦公樓中的每個房間通常都是相似的正方形，因此僅對一個房間進行分析就足夠具有代表性。將一個正方形房間劃分為具有固定邊長的小正方形區域，任何正方形區域的照明都由照明系統和陽光引起。下面介紹這兩部分對空間照明的影響。

如圖1所示，由室內區域的可調節照明系統引起的照度和光與區域之間的距離有關。如果主體與光源間距離變為2倍，則照度變為原來的1/4，如果距離變為10倍，則照度變為原來的1/100，即滿足平方反比定律。在本文中，我們使用平方反比定律來計算在時間t時由室內照明系統在方形光斑i中引起的照度Ii,t,in

圖1 室內照明裝置引起的光照度計算示意圖

(1)

式中Ilight,j,t——來自照明設備j的照度;

Hi,j和Di,j——照明設備j到區域i中心的垂直距離和水平距離。

一般來說，光照度與其功耗具有線性關系。以熒光燈為例，其照度的電功率函數如式(2)所示

(2)

式中γj——照明設備j的發光效率；

Plight,j,t——設備的用電功率。

因此，我們可以得到該區域室內照明設備產生的照度與其功耗之間的關系，如式(3)所示

(3)

接著分析陽光對室內區域照度的影響。辦公樓的大多數房間只有一面窗戶。因此，通過一個側窗的室內區域的陽光照射照度可由式(4)計算

Ii,t,out=τφiIsun,t

(4)

式中τ——窗戶的凈透光率；

φi——室外光照利用系數，與區域中心距離窗戶的位置有關；

Isun,t——室外太陽光照度。

至此，我們得到了計算方形區域i照度的公式

(5)

1.2 太陽光照度模型

如果負荷聚合商聚合照明系統已參與日前市場，則需要有效評估照明系統在次日各時段內照明系統的減載能力，其中關鍵是預測第二天陽光的照度。人工神經網絡是模擬生物神經網絡結構生成的一種計算模型，具有非線性、非局限性、非常定性等特點，具有較強的自適應自學習能力，目前廣泛應用于自動控制、預測估計、生物、經濟等領域，發展出各類型神經網絡算法模型。在眾多神經網絡模型中，前饋-反向傳播(BP)神經網絡模型被廣泛使用。它的主要特點是將誤差反向傳播，解決了多層神經網絡隱含層連接權學習問題，且具有完善的理論推導支撐。BP網絡雖然具有高度非線性和較強的泛化能力，但也存在收斂速度慢、迭代步驟多、易陷入局部極小、全局搜索能力差等缺點。因此，需要將其結合其他優化算法使用，通常是先采用遺傳算法、粒子群算法或模擬退火算法等優化算法縮小搜索空間，最后再采用BP神經網絡在縮小后的解集空間中尋得最優解。

粒子群優化(PSO)算法是一種基于群體智能的全局優化技術，起源于鳥類覓食行為，具有收斂速度快、參數少、算法易實現等優點，能夠比常用的遺傳算法更快收斂于最優解，可以更好地與BP神經網絡互補使用，許多學者已將其應用于訓練神經網絡[16-17]。它通過粒子之間的相互作用智能地搜索解空間，從而找到最優解。粒子群優化算法的基本思想是通過群體中個體之間的合作和信息共享來尋找最優解，速度和位置是粒子的兩大屬性。群中每個粒子的位置向量表示解空間中的一組解向量。通過目標函數計算粒子的適應值，更新并保存粒子的個體/群體最優適應值及其對應位置，采用粒子速度和位置更新表達式更新每個粒子的速度和位置，重復上述過程，直至得到最優解。

本文采用結合粒子群算法的BP神經網絡建立預測模型。由于辦公樓的日工作時間主要為08:00至18:00，本文在預測日前一天08:00-18:00期間，每15 min選取一個采樣點的最高溫度、最低溫度和相對濕度等18個網絡輸入節點。預測日08:00至18:00對應時間點的太陽光照度為網絡輸出層節點。顯然，晴天照明系統的需求響應能力很強，因此我們主要介紹晴天的陽光照明模型?；谏窠浘W絡預測的數據，我們可以擬合(6)中的全天陽光照明模型

(6)

式中a，b，c——系數。

1.3 模型求解

負荷聚合商利用經濟激勵聚合對象調整自己的用電行為來實現負荷削減，因此如何獲得最大的負荷削減是我們關注的問題。一般來說，用戶更喜歡明亮的環境。然而，工作所需的照度低于用戶最舒適的照度，因此，照明系統實現需求響應的行為可以描述為：在滿足最小照度要求的情況下，最小化照明系統的功耗。公式表述如式(7)和式(8)所示

(7)

s.t.Ii,t≥Imin

(8)

式中P——照明系統的總功耗。

最終照明系統的負荷削減等于響應前后的用電功率差值。

2 算例分析

在本節中，設計算例以辦公樓為對象，計算照明系統可以提供的全天需求響應潛力。商業建筑(辦公樓)可被視為由具有類似結構的房間組成，因此本示例僅適用于單個房間。共有四個照明設備均勻分布在房間內，假設原四個燈的使用功率為100 W。辦公樓的工作時間為08:00～18:00。

神經網絡預測的全天日照照度模型擬合系數如表1所示。室內照度要求依據國家標準《建筑照明設計標準》GB 50034-2004進行設置，可調照明系統參數和運行所需的最小照度如表2所示。影響陽光利用系數的因素很多，在本例中，假設房間深度與窗戶高度之比為3，窗戶的長寬比也為3。該假設下的陽光利用系數如表3所示。

表1 全天日照照度模型擬合系數

表2 可調照明系統參數和運行所需的最小照度

表3 陽光利用系數

我們假設房屋面積為100 m2，高度為3.5 m，并將房間劃分為100個單元，如圖2所示。

圖2 房間模型

通常，房間邊緣的照明需求小于房間中心的照明需求。因此，針對房間的不同位置設置了三種照明要求。在圖2中，深色部分對應于Imin,1，顏色較深部分對應于Imin,2，淺色部分對應于Imin,3。求解(7)和(8)所述的模型，獲得響應前后的所有工作時間段中的光負載，如圖3所示。

圖3 在工作時段內提供需求響前后照明設備的負荷

照明設備1和照明設備3與窗戶的距離相同，因此它們的用電負荷相同，同理照明設備2和照明設備4的用電負荷相同。此外，照明設備1和照明設備3的負荷較低，這是由于更靠近窗口，離室外太陽光源更近。當中午陽光最強時，兩個照明設備可以完全關閉。

全天工作時間內該房間內所有燈光的需求響應潛力如圖4所示，一般來說，在日照較強的中午，響應潛力達到峰值，在早晚自然日照較弱的階段，響應潛力較小。此外，響應潛力曲線的形狀與陽光照度之間存在很大的相關性。

圖4 工作時段下房間照明設備響應潛力與陽光照度

圖5繪制了一天中兩個典型時段，可調照明系統提供需求響應后的房間各區域照度。與上午相比，中午時間可以輕松滿足照明要求。換句話說，陽光對房間的照明有相當大的影響。事實上，陽光對室內區域的照明有高達80%的影響。因此，可以得出這樣一個結論：照明設備的位置分布應考慮陽光的影響，而不是均勻分布在空間中。

3 結論與建議

本文首先分析了室內照明系統對區域照度的影響，建立了照明設備光照度與功耗之間的函數關系，然后，考慮了太陽光照明對室內照度的影響，之后，將兩者結合起來，建立了室內照度的計算模型。最后，本文引入太陽光照明模型來模擬室外自然光照明的變化，擴展了室內照明計算模型的時間維度，可適用于計算全天各時段下的室內區域照度。并使用上述模型設計了一個算例，用以計算可調照明系統的全天負荷減少能力。結果表明，可調照明系統具有不俗的響應潛力，且太陽光照度對響應潛力有很大影響。必須表明的是，本文中假設的研究對象是沒有光學傳感器的照明設備且其功率線性可調，這一假設符合照明設備當前安裝狀態。負荷聚合商可以采用文中所介紹的方法結合天氣數據，預測其所聚合的照明設備的響應潛力，定量分析其參與日前市場的能力。