面向分布式能源系統優化的負荷預測研究進展

趙 軍 ，蘇鵬偉 ，安青松 ，王 丹 ，穆云飛 ，鄧 帥

（1.天津大學中低溫熱能高效利用教育部重點實驗室，天津 300350；2.天津大學智能電網教育部重點實驗室，天津 300072；3.分布式能源和微網國際聯合實驗室，天津 300072）

隨著經濟的快速發展，大量消耗化石能源而引發的全球氣候變暖已開始威脅全球的生態平衡，這促使世界各國能源系統向低碳化轉型。2014年9月，中國發布了國家應對氣候變化規劃，提出在2020年非化石能源占一次能源消費比重15%[1]。同年11月，中美兩國元首發表中美氣候變化聯合聲明，中國承諾2030年左右二氧化碳排放達到峰值并爭取盡早實現，2030年非化石能源占一次能源消費的20%[2]。

在發展和環境的雙重壓力下，能源系統清潔化促使分布式能源系統呈現一些新的特征：①源側可再生能源的比例增加，可再生能源的不穩定性和間歇性給分布式能源系統的設計和運行帶來很大的影響；②供應側蓄電、蓄熱等新型技術的大量集成，此類新型技術的應用使得分布式能源系統在供應側結構上相對傳統三聯供系統發生了一定的改變；③需求側呈現出多樣化的特征，需求側除了傳統的冷熱電需求之外，部分園區和用戶甚至還有淡水、碳產品、清潔空氣等其他需求要素。綜上，亟需對分布式能源系統的設計、應用、運行策略等方面進行優化和更新。

2015年9月習近平主席在聯合國發展峰會上發表重要講話，表示中國倡議探討構建全球能源互聯網[3]。在此背景下，能源互聯網、泛能網、主動配電網、微網等新型概念開始出現，且受到了廣泛的關注。在這樣的能源新形勢下，“分布式能源系統如何在未來能源互聯網的研究中尋找自己的定位”，“新型技術如何與傳統的分布式能源研究體系銜接”等問題成為新的研究命題。

綜上，分布式能源領域所面臨的挑戰可以歸納為分布式能源系統的拓撲結構面臨著豐富化、多元化的趨勢，并且隨著可再生能源的引入，分布式能源系統在設計、應用、運行等方面面臨著挑戰。在能源互聯網的背景下，強調能源互聯互通的新技術發展迅猛，對傳統分布式能源系統的內涵產生深刻的影響。

如何通過技術途徑應對上述挑戰是近年來相關領域的研究熱點。筆者從分布式能源系統優化運行中的熱點問題之一入手，對負荷預測在分布式能源系統中的研究和應用進行綜述與分析，嘗試將“負荷預測技術與傳統分布式能源系統優化運行集成”作為一個研究案例，來梳理能源新形勢下分布式能源系統的研究方法，同時對已拓展的分布式能源技術邊界進行了探索。本文首先對分布式能源系統的拓撲結構變化進行分析，得到其數學表達，在此基礎之上，對分布式能源系統運行優化關鍵技術之一的負荷預測進行分析，得到其數學表達和研究方法，再對其應用現狀和發展趨勢進行總結。

1 分布式能源系統拓撲結構和數學表達

1.1 拓撲結構

圖1 分布式能源系統拓撲結構的變化Fig.1 Change of topological structure of distributed energy system

分布式能源系統拓撲結構的變化如圖1所示。利用熱電冷聯產輸出冷、熱、電的傳統分布式能源系統開始向新的分布式能源系統發生轉變，供給側不只由天然氣等傳統能源構成，還有生物質、太陽能等可再生能源，需求側除了冷熱電之外，還有淡水、碳產品等，中間的能源供應系統也由單一的動力機向多種技術（蓄能）集成轉變。表1為近年來涉及分布式能源系統拓撲結構的研究現狀進行了總結，可以看出，大部分研究都涉及可再生能源，這種特性在文獻[4]的典型結構中可以明確看出；所有研究均考慮了蓄能，甚至包含電熱兩種，這種特性在文獻[9]的典型結構中可以明確看出；典型供應側至少包含兩種能源產品需求，這與傳統三聯供分布式能源系統的結構有明確不同。因此，對分布式能源系統元素豐富化、多元化趨勢可以通過對其拓撲結構的研究進行直接把握。通過拓撲結構進行基本構型與元素表達也成為新型分布式能源系統研究中常用的輔助表達工具。

表1 分布式能源系統組成結構研究現狀Tab.1 Research status of structure of distributed energy system

1.2 數學表達

傳統分布式能源系統能量平衡[12]可表示為

式中：L為建筑負荷矩陣，包含冷熱電等建筑需求；P為能源供給矩陣，包含常規能源和可再生能源；C為供能系統的性能參數矩陣，是一個由各子系統性能曲線系數組成的矩陣。式（1）左側為負荷側，右側為能源供應側。隨著分布式能源系統的發展，出現了蓄能裝置，系統中蓄能裝置的能量平衡可表示為

式中：M為蓄能裝置能量輸出矩陣；A為儲能供給矩陣，包含冷熱電等蓄能；S為蓄能裝置性能參數矩陣，是一個由各蓄能子性能曲線系數組成的矩陣。

分布式能源系統中能源的供給、輸送、利用等環節可表示為

以上進展說明，矩陣數學表達是分布式能源研究領域中常用的數學工具，表達式的變化實際上是分布式能源系統新特征的數值化體現。

2 負荷預測

在明確分布式能源系統內涵發生變化的基礎上，以負荷預測技術為切入點，討論集成新技術后，分布式能源系統技術邊界的拓展和關于優化運行方面研究方法等的變化。

2.1 負荷預測基礎研究

2.1.1 概念和分類

負荷預測是根據系統的運行特性、增容決策、自然條件與社會影響等諸多因素，在滿足一定精度要求的條件下，確定未來某特定時刻的負荷數據[13]。負荷預測被認為是一種有效的決策支持方法，可用來調整能源系統的供應，通過運行策略的改變針對負荷精確調整。

負荷預測根據預測時間長短可以分為長期負荷預測、中期負荷預測和短期負荷預測。長期負荷預測一般指提前1～10 a的預測，常用來作為制定未來能源需求與規劃政策的依據。中期負荷預測一般指提前幾周到幾個月的預測，用來指導企業制定計劃。短期負荷預測是指提前幾小時到幾天的預測，可以用來指導分布式能源系統的運行與控制。預測算法可以分為線性回歸算法、時間序列分析算法、指數平滑法、以及人工神經網絡法[14]等。近年來負荷預測典型研究如表2所示，結合2013年前既有領域的綜述文獻[15-16]可以看出，關于該領域的研究正在從單純的電負荷預測向冷熱負荷預測拓展，越來越多的新型算法被繼承，研究正在向更有挑戰的短時預測過渡。

表2 負荷預測類型總結Tab.2 Summary of load types in forecasting

2.1.2 研究方法

負荷預測研究的主要內容可表示為

式中：Lt為建筑負荷，包含冷熱電等建筑需求；F為負荷影響因素的參數，是一個由室外天氣條件、人員數量、節假日等影響因素組成的矩陣；ΔE為系統供需能量之間的差異；τ1、τ2分別為起始時間與終止時間。

式（4）左側為t+1時刻的負荷，式（4）右邊的矩陣F為系數矩陣，Lt為t時刻的負荷。將式（4）與式（3）結合，對式（4）左側的負荷矩陣進行修正，如式（5）所示，最小化供需之間的差異。隨著預測時間尺度的減小，匹配在更小時間尺度上完成，向即時匹配的理想情況靠近，可表示為

式中：Esup為可再生能源供給系統的能量；Edem為系統運行所需的能量。

一般來說，負荷預測應用在分布式能源系統的研究中，往往是按照以下步驟展開，如圖2所示。首先進行數據預處理，預處理的主要內容包括數據清洗、數據集成、數據變換和數據規約；其次是挖掘建模，通過對數據進行有效的監督和學習，建立變量和負荷的關系；然后是誤差分析，通過分析模型預測值與真實值的誤差，修正模型使模型的精度得到提高[27]；之后根據預測應用的條件進行對預測的誤差進行判定，滿足條件之后進行實際的應用，否則將在挖掘建模環節進行調整。

圖2 負荷預測流程Fig.2 Flow chart of load forecasting

2.1.3 研究現狀

近年來，負荷預測在分布式能源領域的應用研究日趨活躍，呈現明顯的交叉學科特性，其知識體系的構成，如圖3所示。主要來自3個技術領域：①數據挖掘研究；②控制領域的模型預測控制MPC（model predictive control）；③制冷空調等建筑服務系統的機組群優化運行領域。三者交疊區域促成了負荷預測技術在分布式能源系統優化運行方面的快速發展。

圖3 交叉學科中的負荷預測Fig.3 Load forecasting in cross disciplines

數據挖掘是指從大量數據中發現有用知識的過程，其所發現的知識是未知和潛在的，挖掘知識的過程是一個復雜的過程，需要人機交互、反復調整，以發現高質量的知識[28]。利用數據挖掘的方法從建筑能耗的歷史數據中挖掘出有價值的信息，分析建筑設備的運行情況并進行負荷預測是目前最常用的方法之一[29-30]。

MPC是一種基于模型的先進控制技術[31]，模型預測控制算法主要由3個關鍵部分組成：預測模型、滾動優化、在線校正[32]。文獻[33]利用SMITH預估器作為模型預測控制算法中的預測模型，運用廣義最小二乘算法對預測模型進行在線辨識，改進模型預測控制算法，結果表明采用此控制方法能夠提高系統抗干擾能力，保證制冷系統安全穩定運行。

空調能耗一般占建筑總能耗的60%[34]，降低空調能耗對實現建筑節能起著決定性的作用，當系統冷量需求較大時，通常需要多臺機組群組運行，借助負荷預測來找出各機組的最優負荷分配方案，對建筑節能的研究具有一定得指導意義。文獻[35]利用神經網絡工具箱對空調系統負荷的預測進行了研究，分析了常用制冷機組的部分負荷特性，給出了“系統機組能耗-負荷系數曲線”，并通過此曲線結合預測得到的負荷系數給出了機組運行方案。

2.1.4 發展趨勢

近年來，在分布式能源優化運行領域，負荷預測技術發展呈現了3個新的發展趨勢：①系統運行與氣候、人類行為活動有著很大的關聯，因此基于天氣與人行為的混合預測是未來的發展方向；②通過數據驅動和云存儲技術來提升負荷預測可以覆蓋的空間尺度并降低時間尺度，是未來的發展趨勢之一；③預測將不僅僅針對傳統意義上的負荷，而將覆蓋用氣負荷、電動汽車充電負荷、光伏和風電等可再生能源發電系統、污染物排放，實現多能源系統綜合預測[36-37]。

在上述3個方面，麻省理工學院學者[38]提出了能量箱（energy box）的概念，能量箱用在以家庭住戶為單位的分布式能源系統中，通過對系統中的風電、光伏等可再生能源進行發電預測來調節系統，使其達到供需平衡。除此之外，能量箱考慮電價波動和人的喜好，以經濟性和人的舒適性為目標優化系統運行。因此精確的發電預測可以有助于解決可再生能源的不穩定性和不連續性問題。負荷預測與可再生能源發電預測相結合，將使豐富化、多元化的分布式能源系統更加完善。

2.2 負荷預測應用研究

2.2.1 應用現狀

目前，負荷預測在分布式能源系統的應用研究受限于調控成本較高等因素，還在起步階段。既有代表性成果如表3所示，大多數研究停留在了圖2中的階段Ⅰ，有少數研究發展到了階段Ⅱ。翟文鵬等[33]以制冷系統機理模型的特性分析為基礎，引入負荷預測值，在制冷系統工況變化時，在線優化系統各狀態變量控制回路的設定值，運行結果表明該方法能使系統很好地跟隨工況的變化，在變工況的部分負荷情況下，制冷系統平均能耗降低11.8%。陳益哲等[47]提出了一種基于短期負荷預測的微網儲能系統主動控制策略，對微網中的負荷進行短期預測，在考慮蓄電池容量、充放電特性以及充放電次數限制的條件下，主動控制儲能系統的充放電，優化微網負荷曲線，實現了削峰填谷，保證分布式電源的穩定運行，提高微網的電能質量。

表3 負荷預測研究應用現狀Tab.3 Current status of researches and applications of load forecasting

2.2.2 既有案例

天津中新生態城2號能源站系統運行優化項目是一個典型的基于負荷預測結果展開優化運行調度的研究案例，主要通過氣象預報數據對負荷進行預判，預測模型如圖4所示。該能源站系統結構如圖5所示，由冷熱電三聯供CCHP（combined cool?ing，heating，and power）、地源熱泵機組、電制冷機組和蓄能設備組成。通過歷史負荷、環境溫度、天氣狀況、日類型等數據建立負荷預測模型，得到未來24 h的負荷值，并輸入到能源站基于氣象預報的運行調度平臺，平臺依據負荷預測的結果對相關機組進行調控，優化系統運行。圍繞該項目的工作證明了負荷預測技術在分布式能源系統展開應用的可行性。

圖4 預測模型示意Fig.4 Schematic of forecasting model

圖5 能源站系統結構Fig.5 Structure of energy station system

2.2.3 發展趨勢

在實踐應用方面，負荷預測未來可開展的工作將集中在以下幾個方面：①技術方案的開發，開發基于氣象數據短時高精度的預測方案，并將其使用范圍提升至社區或城市級別；②產品的開發，將蓄能與分布式能源結合起來，開發集成優化運行策略的成套產品；③通過負荷與供能預測、系統模擬、優化分析、示范應用等手段，可由政府主導，開發建設能源系統調度平臺，甚至以城市為對象建立互聯互通中心。

3 結論

分布式能源系統的拓撲結構發生了很大改變，并且隨著可再生能源的引入，分布式能源系統在設計、應用、運行策略等方面亟待更新。本文從基礎研究和應用研究兩方面對分布式能源系統優化運行關鍵技術中的負荷預測進行了總結和分析，得出以下結論。

（1）負荷預測可用來調整能源系統的供應，通過運行策略的改變針對負荷精確調整，但目前負荷預測的現有研究大多停留在理論階段，較少有實驗研究，距規模化使用仍存在明顯差距。通過融合大數據和云存儲技術，不僅可針對傳統的冷熱電負荷進行預測，還可對氣負荷、電動汽車充電負荷等多能源系統綜合預測，并與可再生能源發電預測相結合，使可再生能源得到極大的利用。

（2）針對負荷預測的研究大多數停留在優化算法、提高精度的階段，將預測模型應用到實際系統中還有很多工作需要完成。因此未來將側重于技術方案、產品的開發，并且由政府主導開展示范應用，從而使負荷預測發揮其巨大作用，使分布式能源系統得到更好的發展。