需求側管理下的公共建筑空調用電負荷預測

李 昌

（1. 上海申瑞繼保電氣有限公司，上海 200233；2. 上海卓源節能科技有限公司，上海 200233）

電力需求側管理（demand side management，DSM），是指通過提高終端用電效率和優化用電方式，在完成同樣用電功能的同時減少電量消耗和電力需求，達到節約能源和保護環境，實現低成本電力服務所進行的用電管理活動[1]。DSM目標主要集中在資源和能源的節約上，要求控制電網最大負荷的增長速度，減少新增裝機容量，在滿足能源服務質量的同時減少負荷用電量。減少新增裝機容量基本措施是減少用戶在電網高峰時段電力需量。在公共建筑中，總能耗中電耗比例為96%，其中空調能耗比例為 40%左右，單位面積耗能平均值為114.0kWh/m2a[2]。控制空調負荷、減少空調高峰時段的需量：對電力企業而言，不僅可減少用電需量，起到削峰填谷作用，還可以減少輸配電設備備用容量[3]。

空調負荷的準確預測，是空調機組負荷最優分配、最優運行的先決條件，同時動態的負荷預測也有利于減少空調系統的運行費用，改善空調的自動控制性能和調節精度，提高室內環境的舒適度。

文獻[4]采用遞歸 BP網絡對建筑輻射分量，建立輻射和散射逐日、逐時預測模型，結合建筑結構進行空調冷負荷預測。文獻[5]把冰蓄冷空調作為預測對象，采用季節性時間序列模型，對連續運行的空調、負荷波動有規律的建筑空調進行負荷預測，該方法實現簡單，易于工程實際運用。文獻[6]提出了基于滑差同調等值的負荷建模方法和模型，用阻尼最小二乘法對含空調啟動特性的空調群綜合負荷進行建模。文獻[7]分析了空調負荷的高溫季節和低溫季節累積效應的基本規律，建立了量化的累積效應后評估模型；文獻[8]提出人體舒適度、空調指數等概念，分析空調負荷的變化規律；文獻[9]提出了氣溫影響電力負荷的累積效應，及一日高溫可對連續多日的電力空調負荷產生比較顯著的影響，并提出了考慮累積效應的負荷預測模型。文獻[10]采取數學統計方法進行分析電力負荷的變化規律，研究了不同負荷類型對氣溫的敏感度，文獻[11]通過分析多種氣象因子與電網負荷的相關性，找出氣象因素與電網負荷的對應關系，得出針對氣象因素的短期負荷預測修正模型。

公共建筑本體具備蓄能和散熱（冷）的特點，根據這一特性，公共建筑的空調系統可以在一定時間上進行預見性控制。在DSM負荷需求管理下，公共建筑空調負荷預測曲線可能不滿足需量管理要求，或者客戶有進一步降低負荷需量的需求，管理者就必須采取修正措施對負荷預測結果進行轉移，以滿足客戶減少負荷需量的需求，從而減少購電成本。修正后的負荷預測結果，直接作為空調運行的控制負荷曲線，可以提前安排空調開啟機組臺數和一、二次水泵的運行方式，對用電設備的組合進行尋優，可以適時、適量的開啟空調，滿足客戶舒適度的需求。本文把公共建筑制冷空調作為研究對象，基于歷史空調溫度-功率數據進行分析，把空調負荷分解為固定負荷、氣溫負荷和動態負荷，對這三種負荷分別進行預測，結合需求側的負荷管理，加入需量控制來修正結果，以滿足限制負荷需量目的。

1 公共建筑空調用電負荷建模

公共建筑空調本體面積較大，可以充當儲能體，同時建筑外立面較大，具備能量散失特點，即使建筑空調使用者不需空調制冷熱的功能，空調也必須維持能量散失平衡。根據公共建筑空調用電負荷特點，把空調負荷分解為固定負荷、氣溫負荷和能量交換負荷三部分。固定負荷包括空調系統運行必須的能耗監控和照明系統、輸送系統、空調最小運行方式下的一二次水泵冷凍、冷卻等基本動力系統，這部分負荷幾乎固定不變，實現空調最基本的正常運行。氣溫負荷指建筑本體散失的能量，與室內外溫度差密切相關，這部分負荷用來以抵消空調場所外部冷熱交換量，和空調場所內是否有冷熱需求者無關；動態負荷用以建筑內部的空調供冷熱對象的能量消耗，其用電負荷和建筑內空調制冷熱量的需求正相關，能耗包括空調冷凍介質與供冷對象的能量交換，供冷對象包括公共建筑辦公及流動人員、有生命動物等，空調機組包括制冷機組、空調冷卻系統、冷凍系統。

1.1 公共建筑負荷模型建立

建筑空調日用電負荷由建筑空調用電固定負荷、空調用電氣溫負荷、空調用電動態負荷三部分組成。

式中，Wall為建筑空調用電負荷，Wsta為建筑空調用電固定負荷，Wtmp為建筑空調用電氣溫負荷，Wchg為建筑內部空調用電動態負荷。

負荷數據采用空調溫度-負荷曲線歷史數據，建筑空調日用電負荷采用等間隔數據點，通常選擇分鐘間隔的數據曲線，以完成空調運行方式的精確、及時控制。

1.2 空調用電固定負荷模型建立

建筑空調用電固定負荷由能耗監控和照明系統、輸送系統、空調最小運行方式下的空調機組、一二次冷凍、冷卻水泵等動力。

式中，Wsta1為空調監控系統用電負荷，Wsta2為空調照明系統負荷，Wsta3為空調輸送系統負荷，Wsta4為最小運行方式下空調機組、一二次冷凍、冷卻水泵系統負荷，Wsta5為其他消防、應急等固定負荷。

Wsta1、Wsta2、Wsta3、Wsta5由用電設備所在的分項計量表計讀取，Wsta4指在空調最小運行方式下的耗電量，數值從空調的分項計量系統或者空調設備銘牌參數獲得。

1.3 空調用電氣溫負荷模型建立

建筑本體需要耗費空調部分負荷以抵消建筑散失的能量，這部分能量通過輻射、對流方式流失。流失的速度于建筑本體與室外溫差有關，在空調啟動過程和空調恒溫過程中負荷大小也不一樣。

式中，β為熱量-電能換算系數，λ為導熱系數，S為建筑本體散熱面積，ΔT為建筑本體與環境溫差，β、λ、S為常量，建筑表面積的多樣性，難以取得精確值，則定義k1為空調散熱系數，令k1=βλS，根據歷史空調溫度-功率曲線，可計算出建筑本體空調面積的k1值。

1.4 空調用電動態負荷模型建立

用以建筑內部的空調供冷對象的能量消耗，其用電負荷和建筑內空調制冷熱量的需求正相關。負荷完全用于建筑體內部的能源消耗者的冷熱源交換。當建筑內部流動人員、辦公人員數量增加，則此部分負荷增加，當人員減少此部分負荷減少，甚至為0。

建筑內部空調動態負荷Wchg為

式中，m為建筑空調面積內，時刻t的人員或者動物體數目，單位為千人（個），k2為空調內部人員單位分鐘熱交換系數，單位為kW/千人·min，Tm為統計時間，積分步長可采用1min，如果m取平均值，則式（4）為

1.5 需求側負荷管理約束及負荷轉移

需求側負荷管理指標要求客戶終端負荷必須低于購買的契約需量值，此契約需量值通常按月申報。客戶管理終端根據契約需量進行分項分攤，最終實現終端負荷的需量控制。

需求側負荷管理下空調負荷約束為

式中，Wlim為空調契約需量，根據負荷管理要求對申報的契約需量進行分項分攤后得到。

如果t時刻出現不滿足式（6）的不等式約束，必須將t時刻的空調負荷向t′=t-1時刻的空調負荷進行轉移。

轉移負荷只能轉移動態負荷部分，其他兩部分負荷不可轉移，轉移最大值為Wchg，如果Wchg=0，式（6）成立，表示即使空調失去建筑內制冷功能也不能滿足負荷控制要求。負荷轉移后t時刻不等式約束情況如下：

式中，ΔWchg為空調負荷轉移量，轉移部分全部分攤到建筑內部空調動態負荷部分。負荷轉移后t′時刻不等式約束情況如下：

轉移后t′時刻負荷如果不滿足式（7），則繼續向t′-1時刻轉移，直到滿足式（7）為止。

1.6 空調需量預測流程

空調用電日負荷為

式中，Wsta為建筑空調功能常量，m、ΔT為建筑內部時變量，為一個時間變化曲線，通過物業系統和實時氣象系統可以獲取；k1、k2為該建筑空調功能常量。在一定時間內Wsta、k1、k2可以通過歷史溫度-負荷數據求解。

預測過程為：獲取建筑內日人員數目曲線、日氣象預測曲線、建筑空調內部空調期望溫度、空調最小運行方式的能值，由式（9）可計算出日建筑空調用電1440點負荷曲線，采用式（6）的負荷管理約束進行負荷轉移，完成空調用電負荷預測。

完整空調用電負荷預測流程圖如圖1所示。

圖1 空調用電負荷預測流程圖

2 算例分析

算例選取上海虹橋樞紐某商務小區中央空調用電數據，空調系統運行3年。該小區有能耗監控和照明系統，分項能耗空調需量為40000kW，空調系統有 4臺離心式冷水機組，每臺機組額定功率7350kW，一次冷卻、冷凍水泵功率8×200kW，二次冷卻、冷凍水泵功率16×150kW，其他輔助用電設備 8000kW，最小運行方式為一臺冷水機組 40%功率運行，固定功率 40%×7350kW+2×200kW+4×150kW=3940kW，用戶建筑管理規定的辦公時間09∶00—18∶00空調溫度26℃。物業管理信息小區常駐辦公人員 16800人，日流動人口 5000人，共21800人。

2.1 模型初始化及樣本選擇

機組運行規程中，每臺冷水機組配置一次冷卻、冷凍水泵各一臺，二次水泵各2臺，冷水機組啟動時間為 06∶00—17∶00，一二次水泵啟動時間為06∶00—18∶00，空調機組、一二次冷凍、冷卻水泵等所有用電額定功率為41400kW。

歷史日中，選取進入建筑內人員少（少于正常人員的10%）的日期作為求解常量k1的樣本日期，其他日期作為求解常量k2的樣本日期。歷史日數據為溫度-功率曲線數據。歷史日2014年7月、8月共18個休息日，辦公人數少于1000人，可作為計算k1的樣本日期，其他44個日期作為計算k2的樣本日期。

2.2 建筑固定負荷求解

由式（2），從分項用電計量系統直接讀取歷史數據，進行Wsta1、Wsta2、Wsta3、Wsta4、Wsta5統計計算。時間選擇2014年7—8月，建筑外部平均溫度小于26℃的時間段，數據見表1。

表1 固定負荷7—8月平均值/kW

可得出固定負荷Wsta1=4002.6kW。

2.3 建筑氣溫負荷散熱系數k1求解

對7—8月18個休息日，選擇建筑內部平均溫度在25～27℃的10∶00—16∶00時間段作為計算k1的樣本日期。把室外溫度和空調平均用電負荷Wall繪制成曲線如圖2所示。

忽略Wchg，則Wall=Wsta+Wtmp，令Wsta=4002.6kW，則在氣溫在 25℃～35℃之間氣溫負荷Wtmp的表達式為

式中，Wtmp,35、Wtmp,25為氣溫 35℃、25℃的氣溫負荷，Wall,35、Wall,25為氣溫 35℃、25℃的空調用電負荷。計算出7月k1為508kW，8月k1為456kW，平均值k1=482kW。

圖2 室外溫度及空調負荷Wall曲線圖

2.4 建筑動態負荷熱交換系數k2求解

對7—8月44個工作日，選擇建筑內部平均溫度在 25～27℃的 10∶00—16∶00時間段，并且時間段內辦公人數能夠相對穩定，此時間段內的負荷數據作為計算k2的樣本。為方便計算，空調氣溫負荷Wtmp歸一化到氣溫為30℃的氣溫負荷Wtmp,30。

式中，x為氣溫，Wtmp,x為氣溫x的氣溫負荷。

建筑內的辦公人數和空調平均用電負荷Wall,30繪制成曲線如圖3所示。

圖3 室內辦公人數及空調負荷Wall曲線圖

在m=1時，7月Wall,30=6748，8月Wall,30=6364，m=15，7月Wall,30=35897，8月Wall,30=34861，由式（5）得

計算出7月、8月k2分別為2082kW和2035kW，取平均值k2=2058kW。

2.5 空調需量預測計算

計算出固定用電負荷Wsta、氣溫負荷散熱系數k1、動態負荷熱交換系數k2后，由式（9）計算建筑空調日用電負荷預測表達式為

該大樓空調需量Wlim為40000kW，當室內外氣溫差10℃，m=15.5時，Wall=40733kW，空調負荷超過空調需量，需要進行負荷轉移。

對8月5日進行負荷預測，結果見表2。

表2 8月5日負荷預測結果/kW

3 預測結果分析

由式（9）可知，誤差結果受到建筑內外溫差及建筑內的辦公人數影響，建筑內外溫差可以選取建筑內若干關鍵點作為室內溫度參考值，關鍵點可能需要調整。如果室內外溫差誤差為 1℃，則建筑內的負荷預測結果將偏離k1數值。建筑空調面積內的辦公人數包括各種熱能交換的動物，需要參照人類活動量進行換算，目前尚無特別公式，建議按照體重進行換算。

3.1 誤差分析

建筑內部辦公人員熱交換和辦公時間有關，時間長熱交換量多，反之則少。精確統計辦公人員的時長是難以實現的，但在出入口裝設傳感器，由物業管理系統統計分析可以獲得大致的 24h的人流值，逐分鐘計算辦公人員數目，以減少預測誤差。

3.2 熱能交換滯后問題

室內外溫差變化和人員變化，并不能及時反饋到空調負荷，需要考慮空調負荷的響應時間，響應時間由物業系統給出，通常在30～60min之間，因此負荷預測結果需要進行響應時間處理，才能精確完成空調運行方式的切換。

3.3 負荷轉移問題

在需求側管理下，建筑需量不允許突破，空調負荷超過需量后，采取措施有：轉移時間段負荷和限制時間段負荷。前者可以提前控制空調運行方式，后者采用限制其他照明、動力等分項需量，增加空調需量做法，保證總的需量滿足要求。

3.4 極端氣溫下容納辦公人員計算

容納辦公人員m計算如下：

當氣溫差在1～14℃時，辦公人員m計算如下。

表3 容納辦公人員分析計算/千人

由計算結果可知，當氣溫差達到 14℃時，m=14.2，要滿足辦公環境舒適度，極限辦公人員為14200人，要增加建筑內流動人員，就必須減少氣溫差，不能保證環境的舒適度。

4 結論

本文提出公共建筑空調負荷預測模型，采用固定負荷、氣溫負荷和動態負荷模型，根據需求側負荷管理要求，進行負荷轉移,最終實現負荷預測。該預測方法輸入量為氣溫和建筑內的辦公人數，實現方法簡單，易實現。算例采用上海虹橋樞紐商務區空調運行數據為例，計算結果表明，該方法具備較好的可行性，可實現分鐘空調負荷預報，預報精度較高，計算出的空調用電負荷對空調運行方式的安排和需求管理具有重要的現實意義。

[1] 辛潔晴, 吳亮. 商務樓中央空調周期性暫停分檔控制策略[J]. 電力系統自動化, 2013, 37(5): 49-54.

[2] 徐強, 莊智, 朱偉峰, 等. 上海市大型公共建筑能耗統計分析[C]. 城市發展研究——第7屆國際綠色建筑與建筑節能大會論文集, 2011.

[3] 沈南飛. 需量控制在電力經濟運行中的應用[J]. 電力需求側管理, 2003(6): 41-43.

[4] 曹雙華. 基于室外氣象參數復合預測技術的空調負荷預測方法研究[D]. 上海: 東華大學, 2004.

[5] 孫靖, 程大章. 基于季節性時間序列模型的空調負荷預測[J]. 電工技術學報, 2004, 19(3): 88-93.

[6] 鄭競宏, 朱守真. 基于滑差同調等值的空調群負荷建模[J]. 電力系統自動化, 2008, 32(16): 11-15.

[7] 黎燦兵, 尚金成, 朱守真, 等. 氣溫影響空調負荷的累積效應導致能耗的分析[J]. 電力系統自動化,2010, 34(20): 30-33.

[8] CHU C M, JONG T L, HUANG Y W. A direct load control of air-conditioning loads with thermal comfort control[J]. Proceedings of IEEE Power Engineering Society General Meeting, June 12-16, 2005, San Francisco, CA, USA.

[9] 黎燦兵, 楊朋, 劉瑋, 等. 短期負荷預測中考慮夏季氣溫累積效應的方法[J]. 電力系統自動化, 2009,33(9): 96-99.

[10] 王治華, 楊曉梅, 李揚, 等. 氣溫與典型季節電力負荷關系的研究[J]. 電力自動化設備, 2002, 22(3):16-18.

[11] 王鵬, 邰能靈, 王波, 等. 針對氣象因素的短期負荷預測修正方法[J]. 電力系統自動化, 2008, 32(13):92-96.