配電臺區靈活資源多時間尺度優化調度方法
——以含虛擬儲能的建筑微網為例

黃 旭，祖國強，司 威，丁 琪，劉明陽，唐萬鑫，靳小龍

（1國網天津市電力公司城東供電分公司，天津 300250；2國網天津市電力公司電力科學研究院，天津 300384；3國網天津市電力公司濱海供電分公司，天津 300450；4天津大學，智能電網教育部重點實驗室，天津 300072）

分布式發電單元、電動汽車、微網以及智能建筑等越來越多的新元素在配電臺區接入，在給中低壓配網安全運行帶來挑戰的同時也蘊含著巨大的靈活調節潛力[1]。以智能建筑為例，我國建筑運行總能耗約占全社會能耗的33%[2]。伴隨我國城鎮化水平的提高，該比例仍會持續增長。組成建筑圍護結構的材料具有隔熱和蓄熱能力，使得建筑制冷/制熱設備可在一定范圍內進行功率調整而不影響用戶的溫度舒適度。因此，建筑是配電臺區靈活調控的重要資源之一，而如何對智能建筑進行能量優化管理從而挖掘其靈活潛力成為了研究熱點[3]。

微網是由分布式能源和負荷組成的小型低壓配電系統，其采用能源管理技術和智能通信技術，可為建筑內各類設備（例如建筑制冷設備）的運行和控制提供高效的基礎設施和能源管理服務[4]。因此，建筑微網是利用微網的能源管理理念來制定建筑的優化調度策略，通過對建筑內的多種類型供用能系統和單元進行協調優化調度，可實現清潔能源的充分利用、降低建筑運行費用等目標[5]。目前國內外已有部分關于建筑微網優化調度方法的研究[6]。文獻[7]提出了由熱儲能單元、吸收式制冷機、冷-熱-電聯供(combined cooling, heating and power system，CCHP)組成的建筑綜合能源一體化供能系統的日前優化調度方法。文獻[8]提出了建筑微網中電動汽車的充放電優化策略，所提方法可減少建筑微網系統對外部電網的依賴。文獻[9]提出了社區型獨立微網日前調度的動態規劃模型，通過協調可控電源、不可控電源、儲能裝置和用戶需求側響應能力來實現優化目標。文獻[10]進一步考慮了建筑微網中風電的不確定性，提出了基于場景生成的建筑微網日前優化調度模型。

然而，已有建筑微網優化調度及能量管理研究工作中，沒有充分考慮建筑制冷需求與用戶溫度舒適度及室外溫度之間的定量數學關系，忽略了需求側建筑的虛擬儲能系統在微網優化調度中的潛力。事實上，構成建筑圍護結構的材料具有良好的隔熱和蓄熱能力[11]，建筑圍護結構的蓄熱特性使得建筑室內溫度變化存在一定的滯后性和惰性[12]，從而使得建筑用能表現出一定的儲能特性及靈活性。因此，建筑的制冷需求可以根據微網的調度需求在一定用戶舒適度范圍內與調控環境下進行優化調整。因此，建筑可被視為一種天然的儲能系統 (本文統稱為虛擬儲能)，并具有相當大的靈活性潛力。為此，國內外學者探索在建筑微網的優化調度和能量管理中考慮建筑圍護結構所帶來的虛擬儲能特性。文獻[13]提出了考慮建筑相變儲能系統的建筑微網電-熱聯合日前優化調度方法，所提方法可以提高微網可再生能源的消納率，同時減少向電網的購電量，并降低建筑微網的運行成本。文獻[14]提出了考慮建筑圍護結構蓄熱特性的熱電聯供型微網多目標日前優化調度方法，所提方法可在減少經濟成本的同時實現較好的環境效益。文獻[15]則進一步在熱電聯供微網的優化規劃中考慮建筑圍護結構的蓄熱特性以及建筑熱水箱的熱力學特性，使得規劃方案降低熱電聯供微網所需配置的燃氣鍋爐和儲熱罐容量，從而使系統綜合成本明顯降低。文獻[16]建構了以發電成本、購售電成本與棄風成本最小為目標的建筑微網日前調度方法，所構建的日前調度模型考慮了建筑的虛擬儲能特性以及相變儲能的靈活性。文獻[17]考慮了我國北方地區集中供熱背景下的建筑微網日前優化調度方法，并充分考慮了建筑圍護結構所帶來的虛擬儲能特性。

上述研究對建筑虛擬儲能特性在其優化調度和能量管理中的高效利用提供了重要的借鑒意義。然而，上述研究只考慮了日前調度的單一時間尺度，建筑的虛擬儲能特性也只在日前優化調度中進行了利用?？紤]到建筑微網中可再生能源不同時間尺度的預測精度存在差異，單一時間尺度的優化調度無法全面考慮可再生能源出力預測誤差對系統運行的影響，從而使得優化結果可能與建筑微網的實際運行情況不符。為此，本文進一步挖掘配電臺區側的建筑微網靈活調控能力，提出了利用建筑虛擬儲能特性的建筑微網多時間尺度優化調度方法，分別在日前調度和日間修正兩個時間尺度對建筑虛擬儲能進行充分利用。首先，充分考慮建筑制冷需求與用戶溫度舒適度及室外溫度之間的定量數學關系，采用虛擬儲能模型實現對建筑靈活性的定量描述。虛擬儲能模型通過在建筑用戶舒適度范圍內對室內溫度進行調整，從而實現對虛擬儲能的充電和放電進行優化調控，最終實現對建筑微網的日前/日間多時間尺度優化調度。其次，本文進一步發掘需求側建筑的虛擬儲能系統在建筑微網優化調度及能量管理中的潛力，將建筑中的虛擬儲能系統整合到多時段優化的建筑微電網的數學模型中，從而在日前調度階段降低微網運行成本；在日間修正階段跟蹤日前調度生成的微網聯絡線設定值，使聯絡線功率因日前預測的誤差而產生波動的問題得到解決。

1 建筑虛擬儲能模型

構成建筑圍護結構的材料具有良好的隔熱和蓄熱能力，使得建筑室內外熱量傳遞具有一定的延時和熱動態特性，從而使得建筑用能表現出一定的儲能特性及靈活性。為了有效利用這一靈活性，本工作將建筑建模為與室外進行熱量交換的虛擬儲能單元。因此，建筑虛擬儲能系統的靈活調節特性主要來源于圍護結構的蓄熱特性。本文基于建筑的蓄熱特性，依據能量守恒得到建筑的熱平衡方程，如式(1)所示[18]：

式中，ΔQ為建筑室內空間的熱量變化量；ρ為空氣密度；C為空氣比熱容；V是室內空氣的體積；Tin為室內溫度，t為時間。

影響建筑物內部熱量的主要因素有：室內外溫度的差異、太陽輻射、建筑內人體和建筑設備的傳熱以及冷卻/加熱設備的冷卻/加熱能力等。以夏季某時段的制冷過程為例，式(1)可以表達成如式(2)所示。

式中，kwall為熱量從外墻傳導至室內的傳熱系數[18]；Fwall為墻體的總面積；kwin為窗戶傳熱系數；Fwin為窗戶的總面積；Tout為室外溫度；Tin為室內溫度；I為光照強度；SC為遮陽系數[19]；Qin為室內熱源發熱功率；Qcl為制冷設備功率。為了降低建筑熱平衡建模復雜度并簡化計算，本文采用了與文獻[20]類似的簡化處理方法，將建筑屋頂算作建筑外墻的一部分。

建筑內虛擬儲能系統充放電功率如式(3)所示[18]：

式中，Q′cl,t為不調節室內溫度的建筑制冷功率；Qcl,t為在熱舒適度范圍內調節室內溫度的建筑制冷功率；QVSS,t為虛擬儲能系統的充放電功率，充電為負，放電為正。

式(2)和式(3)共同構成了虛擬儲能系統的數學模型[18]：將建筑的環境溫度控制在用戶的室內溫度舒適范圍內，根據式(2)可以得到建筑的制冷需求(相當于制冷系統的制冷功率)的調整量，然后根據式(3)計算結果，得出等效模型中虛擬儲能系統的充放電功率。

2 建筑微網分層能量管理框架

本工作研究的建筑微網結構如圖1所示。本文所提建筑微網優化調度分為日前經濟優化調度及日間實時修正兩個時間尺度。

圖1 臺區下的某建筑微網結構圖Fig.1 Schematic diagram of a building microgrid connected to a distribution station

2.1 日前調度

2.1.1 目標函數

建筑微網在日前調度階段的優化目標是最小化其運行費用。因此含虛擬儲能系統的建筑微網日前調度目標設為運行成本最小，其目標函數見式(4)：

式中，Pex,t是建筑微網向上級配電變電站買電的功率，本文暫不考慮建筑微網向上級配電變電站賣電的場景；Cph,t為微網從配電變電站購電的價格；CPV_om為分布式光伏的維護成本；CEC_om為電制冷機的維護成本；PPV,t和PEC,t分別為t時刻光伏出力和制冷機電功率[21]。

2.1.2 約束條件

（1）電功率平衡：

式中，Pel為t時刻的電負荷。與很多研究微網能量管理的工作相同，本文將光伏出力考慮為不可控變量，不對其進行優化調控[10,13,15-18]。因此，在模型中不對光伏的出力進行約束，而是采用全部消納的策略，如式(5)所示。

（2）冷負荷平衡：

式中，Qcl,t是建筑的制冷負荷。

（3）建筑熱平衡如式(2)所示。

（4）電制冷機的運行約束：

（5）建筑室內溫度上下限約束：

2.2 日間修正

建筑微網在日間修正階段，通過實時記錄日前調度計算得到的微網聯絡線設定值，以及控制虛擬儲能系統充放電功率，降低日前預測結果(負荷及分布式電源)的偏差，從而平抑微網聯絡線功率的波動。優化目標設定為追蹤日前調度給定的微網聯絡線設定值，目標函數見式(9)：

圖1 所示建筑微網含虛擬儲能的日間修正階段，模型的約束條件與日前調度模型相同，之后不再贅述。

2.3 多時間尺度優化調度算法

本文所提建筑微網多時間尺度優化算法見圖2。優化調度算法包括日前經濟優化調度和日間實時修正兩個階段。為了有效調度虛擬儲能系統參與日間修正，提出包含上層調度和底層管理的雙層日間修正算法。具體流程如下。

圖2 建筑微網多時空優化調度方法Fig.2 Flowchart of the multi-temporal optimal scheduling method for the building microgrid

（1）初始化：日前調度中，以運行成本最小作為日前調度中的優化目標[見式(4)]；在日間修正中，將每日調度后的聯絡線指令作為每日修正的優化目標[見式(9)]。

（2）日前調度：以建筑微網負荷、可再生能源出力、室外環境及室內熱源得熱量日前預測結果為基礎，對日前優化調度模型進行計算，并生成日前調度計劃。

（3）日間修正：通過在建筑用戶溫度舒適度范圍內調節室溫，等效成虛擬儲能的充放電管理，從而跟蹤日前調度給定的微網聯絡線設定值，達到減小微網聯絡線功率波動的功能。

在上層調度中，主要任務是：以式(9)為目標，根據日前調度計劃中的日間實時量測數據及聯絡線功率，求解最優調度模型，生成建筑微網中的虛擬儲能系統目標運行設定點(包括虛擬儲能系統的充放電功率及室內溫度調節信號)；在底層管理中，主要任務是：底層管理系統一方面根據日前調度計劃中生成的建筑室內溫度調度指令及用戶的舒適度需求(室溫可調節范圍)，計算得到日間實際運行階段中，建筑用戶不參與日間修正的實際制冷負荷，將結果向上傳遞給上層調度系統，以供上層調度系統生成虛擬儲能系統運行設定點；另一方面，基于建筑虛擬儲能模型生成建筑微網中各個設備的功率調度指令。

圖3給出了多時間尺度優化調度算法的執行示意圖：日前調度階段的時間尺度為1小時，全天調度時間為24小時，因此日前調度階段共有n1=24個時段；日間修正階段的時間尺度為15 分鐘，全天調度時間為24小時，因此日間修正階段共有n2=96個時段。日前調度和日間修正的優化問題均為混合整數線性規劃問題，可直接調用商業優化求解器進行求解[22]。為此，本文基于MATLAB-YALMIP聯合仿真平臺，通過調用CPLEX 商業求解器對日前調度和日間修正的優化問題求解[22]。聯合仿真計算平臺示意圖如圖4所示。整個計算平臺包括兩個計算模塊：①多時間尺度優化調度建模模塊；②優化計算模塊。日前調度及日間修正的優化調度數學建模均在MATLAB-YALMIP 平臺實現。CPLEX 求解器集成在優化計算模塊中，通過與多時間尺度優化調度建模模塊的接口進行模塊之間的數據通信，從而完成對日前調度及日間修正的優化調度數學模型的求解。

圖3 多時間尺度優化調度算法的執行時間線Fig.3 Timeline of the multi-temporal optimal scheduling algorithm

圖4 多時間尺度優化調度算法計算平臺Fig.4 Calculation platform of the multi-temporal optimal scheduling algorithm

3 算例分析

3.1 算例數據

對圖1中建筑微網進行日前日間的多時間尺度模型分析。日前調度預測數據為小時級預測數據，日間調度實測數據為15 min 級數據。建筑相關參數見表1[18]。算例采用的光照強度曲線、室外溫度的日前預測及日間實測數據見圖5。建筑微網中建筑設定為獨棟辦公建筑，假定建筑用戶辦公時間為8:00—20:00。

表1 建筑參數信息表Table 1 Building parameters

圖5 室外的溫度及光照強度數據Fig.5 Data of the outdoor temperature and the solar radiation

某一典型日的光伏預測/實測曲線、電負荷預測/實測曲線以及室內得熱預測/實測曲線如圖6 所示。本文不對光伏出力進行優化調控，對其采用全部消納的策略。本文設定的光伏額定容量為100 kW，光伏的日前預測出力值為光照強度日前預測值乘以光伏額定容量，光伏的日間實際出力值為光照強度日間實際值乘以光伏額定容量。本工作日前優化調度中采用的日前實時電價如圖7 所示。圖中所示的數字為建筑微網從電網買電時的價格，在建筑微網向電網賣電時，價格為買電價格乘以某一系數，本文設定系數為0.8。微網中設備相關參數見表2[21,23]。

表2 相關設備參數Table 2 Parameters of the energy equipment

圖6 建筑微網的預測及實測曲線Fig.6 The forecasting and real data of the building microgird

圖7 日前電價Fig.7 Day-ahead prices

3.2 算例分析

3.2.1 日前調度

建筑微網日前調度計劃中，假定用戶在工作時間內可接受溫度在20～25 ℃內被調整。用戶在非工作時間尺度中，其對室內溫度無必須要求。如圖8 和圖9 所示為建筑微網融合虛擬儲能后的日前優化調度結果。

圖8 日前電能優化調度Fig.8 Optimal day-ahead scheduling of the electric power generation/consumption

圖9 日前制冷優化調度Fig.9 Optimal day-ahead scheduling of the cooling power generation

從圖8結果可以看出，在辦公時間內室內溫度在22.5 ℃上下波動，室內溫度的變化會影響電制冷機電功率的消耗。從圖9所示結果可以看出，虛擬儲能系統在工作時間內參與了日前優化調度，從而一定程度上降低運行成本。仿真計算結果表明，沒有引入虛擬儲能的建筑微網系統，其日前優化調度的運行成本為602.4元，而引入虛擬儲能的建筑微網，其運行成本為578.7元，與不引入虛擬儲能的優化調度情況下的結果相比較，運行成本下降3.93%。

日前調度算例的結果表明，通過在用戶舒適溫度范圍內調節室內溫度，可以在日前優化調度階段，調節虛擬儲能系統的充放電功率，從而在一定程度上減少建筑微網的運行費用。

3.2.2 日間修正

由圖5和圖6可知，建筑微網負荷、光伏出力、光照強度、室外溫度及室內熱源得熱量的預測數據與實際量測數據存在誤差，在日間的實際運行過程中，需要在日間修正中對功率指令進行調整，從而對經過日前調度計算而得到的微網聯絡線的設定值進行跟蹤，減小微網聯絡線功率波動。虛擬儲能參與建筑微網日間修正的調度結果見圖10 和圖11。從圖10 結果可以看出，電制冷機功率和室內溫度有明顯變化，即虛擬儲能系統中的充放電功率控制可以通過調節室內溫度而實現。而在日間修正階段中應用這種方法，可以達到減少微網聯絡線功率波動的效果。

圖10 日間電能優化調度Fig.10 Optimal intra-day scheduling of the electric power generation/consumption

圖11 日間制冷優化調度Fig.11 Optimal intra-day scheduling of the cooling power generation

從圖11 可以看到，底層管理中的日間修正階段，根據日間調度生成的室內溫度調度指令，和基于用公式(2)構建的虛擬儲能系統數學模型的日間實際測量數據(見圖11中的黑色實線)，計算出實際日間運行中不參與日間修正的虛擬儲能系統的制冷需求，并送入上級調度系統。在上級調度系統中，運用日間修正的最優調度模型來計算得到虛擬儲能系統參與日間修正的建筑制冷需求，該需求以圖11中的黑色虛線表示。

我們設定以下兩種比對場景進一步驗證本文所提方法的有效性。

場景一：系統根據日前調度生成的結果，進行日間實時修正。場景一虛擬儲能系統不參與日間實時修正，建筑用戶室內溫度保持22.5 ℃不參與調節，當系統中出現由于日前預測誤差而引起的電/冷功率缺額時，全部以電能作為補充能源。該場景下日間調度的聯絡線功率如圖12中所示；

圖12 建筑微網聯絡線功率Fig.12 Electric tie-line power of building microgrid

場景二：根據日前調度計劃，考慮虛擬儲能系統以式(9)為調度目標參與日間修正，所得功率結果如圖12所示。

對比場景一和場景二，不難看出，經過對虛擬儲能充放電功率的日間調度來參與日間修正，場景二聯絡線功率的跟蹤效果優于場景一，從而使得建筑微網聯絡線功率的波動有了一定程度的降低。對建筑室溫進行調節，可以在日間調度階段跟蹤日前調度給定的微網聯絡線設定點，從而減少微網聯絡線功率的波動。

從圖12 可以看到，場景二相對于場景一的室內溫度波動更加劇烈。這是因為場景一作為對比場景不對虛擬儲能做調控，即室內溫度一直保持為22.5 ℃而不做調節。場景二通過調節室內溫度來實現對虛擬儲能的調控，因此相較于場景一的室內溫度波動更加劇烈。雖然場景二的室內溫度變化比較劇烈，但是在建筑用戶的工作時間，室內溫度一直保持在用戶設定的20～25 ℃溫度舒適度范圍內，如圖12灰色框所示。

3.2.3 光伏接入容量影響分析

為充分體現建筑虛擬儲能在建筑微網優化調度中的作用，本文突出高比例光伏接入建筑微網系統所帶來的影響，分別分析了光伏接入的額定容量分別為100 kW、150 kW、200 kW、250 kW 以及300 kW 情況下，建筑微網在日間修正階段的聯絡線功率修正情況。5 組光伏額定容量下的光伏出力曲線如圖13 所示，其中實線表示光伏日前預測出力曲線，虛線則表示光伏日內的實測曲線。

圖13 不同光伏額定功率下的光伏出力曲線Fig.13 Power outputs of the PV units with different capacities

圖14 給出了在不同光伏額定功率下的微網聯絡線功率日間修正偏差，從圖中可以看到，隨著接入光伏額定容量的增大，微網聯絡線功率日間修正的偏差越來越大。以表3 所示的13:45 時刻為例，當光伏額定容量為100 kW 時，日間修正階段經過對虛擬儲能調度的微網聯絡線的功率偏差為0.69 kW；而隨著伏額定容量的逐漸增大到300 kW，微網在日間運行階段的聯絡線功率波動越大，其偏差也增加至3.19 kW。對表3 的16:00時刻的仿真結果分析可得到相同結論。因此，由于光伏出力存在預測誤差，其接入的額定容量越大，則微網在日間運行階段的聯絡線功率波動越大，相應的聯絡線功率波動平滑難度也越大。

表3 13:45和16:00兩個時刻的微網聯絡線功率日間修正偏差Table 3 Errors of the electric tie-line power of thebuilding microgrid at the intra-day stage at 13:45 and 16:00

圖14 不同光伏額定功率下的微網聯絡線功率日間修正偏差Fig.14 Errors of the electric tie-line power of the building microgrid at the intra-day stage with different PV capacities

圖15 給出了日間修正階段不同光伏額定功率下的建筑室內溫度?？梢钥闯?，由于接入光伏額定容量的增大，日間修正階段微網聯絡線功率的波動增加，因此需要對建筑虛擬儲能進行更加深度的調度以實現對聯絡線功率波動的平抑，因此建筑室內溫度的波動也會更加劇烈。從圖15可以明顯看到，當光伏的額定容量為300 kW 的時候，日間修正階段的建筑室內溫度的波動明顯大于光伏額定容量為100 kW 的室內溫度波動。需要注意的是，由于本工作考慮的日前預測誤差除了光伏出力外，還包括室外溫度、建筑常規電負荷、建筑室內的熱量等，這些預測誤差也會引起日間運行微網聯絡線功率的波動。

圖15 日間修正階段不同光伏額定功率下的建筑室內溫度Fig.15 Electric tie-line power of building microgrid

根據建筑虛擬儲能數學模型及上述分析可知，室內溫度調節范圍越大，虛擬儲能的效果越好。因此，室內溫度上下限值的選取會決定虛擬儲能的可調度潛力，而通過改變設定的室內溫度可調范圍，可實現虛擬儲能效果的控制。因此，建筑虛擬儲能模型具有一定的實用價值，其可以根據具體的使用場景來靈活調整其虛擬儲能效果。例如，如果用戶對于室內溫度調節比較敏感，則可以減小其溫度調節區間，反之亦然。此外，隨著我國用戶側商業模式和經濟補償制度的完善，越來越多的用戶會愿意參與到需求響應中來。因此，進一步完善引導樓宇用戶用能行為及激勵機制的方法可以擴大虛擬儲能系統的應用范圍及場景，也可以增強虛擬儲能系統的效果及潛力，從而為本文所提的虛擬儲能系統的實際應用提供可能。

4 結 論

本工作以建筑微網中夏季時段制冷負荷為建?；A，利用建筑物固有的儲熱能力，構建含有虛擬儲能的建筑模型。之后，建筑微網結合虛擬儲能，構建多時間尺度優化調度模型，結論如下。

（1）在日前調度階段，建立建筑微網日前優化調度模型，在溫度舒適度范圍內調控建筑室內溫度，可在一定程度上減少微網的運行費用。

（2）日間修正階段，通過在溫度舒適度范圍內對建筑室溫進一步調控，以此跟蹤日前調度生成的微網聯絡線設定值，從而在一定程度上緩解由日前預測誤差導致的聯絡線功率波動。

本工作取得了一些進展，但仍有若干問題需要進一步研究。

（1）本工作虛擬儲能系統主要來自于獨棟辦公型建筑的蓄熱能力，容量相對較小，類型較為單一。未來研究將探索更多類型建筑的蓄熱特性，形成容量更大，類型更為豐富的虛擬儲能系統，研究其在不同場景下參與微網優化運行的協調調度方法。

（2）本工作算例中所選取的典型日的光伏發電功率波動性較小，未來將探索多種氣候條件或者極端氣候條件中光伏出力波動較大的場景下，建筑微網融合虛擬儲能系統，實現多時間尺度優化調度的響應控制方法。

（3）本工作研究了夏季制冷場景，其中智能樓宇的制冷負荷是通過電制冷機實現。事實上，很多大型的智能樓宇的制冷/制熱負荷通過ICES中的區域集中供熱/供冷系統實現。因此，如何在集中供熱/供冷環境下，對單體智能樓宇及智能樓宇集群進行建模及能量管理，并考慮電-冷-熱耦合系統的運行優化和互動協同，需進一步研究。