負荷預測在分布式能源系統中的應用

陳雪薇

（國網江蘇省電力有限公司南京供電分公司 江蘇省南京市 210000）

隨著人口的快速增長和現代生活水平的提高，能源枯竭和全球變暖對環境的影響成為21世紀重要挑戰。根據國際能源機構的報告[1]，建筑相關的能耗占比已超過30%。因此，實施綜合能量管理，以提高建筑能源供應系統的性能，是緩解能源供給挑戰的必要條件。一般建筑供能系統通過電力公司和天然氣公司使用集中能源供應系統向建筑需求端提供供能服務。集中供電系統雖然能量轉換效率高，但存在許多不足。首先，由于城市規模的大容量需求，城市規模的儲能系統建設難度很大。能源儲存系統的缺乏將降低能源供應的靈活性。此外，集中能源供應系統的可再生能源應用不可避免地會導致設施的浪費。例如，為保證供電，大型電廠的容量必須隨時滿足能源需求。然而，可再生能源的發電是間歇性的。這導致了大量設備閑置，特別是在可再生能源發電高峰期。另一個需要考慮的缺點是集中發電系統與終端用戶之間距離較長，存在傳輸損耗的問題。

近些年的研究說明分布式能源系統在服務于地區級建筑群方面存在優勢[2]。這是在一個足夠大的規模，形成一個穩定的格局，能源供應和需求，對于區域規模級別不同類型的建筑物存在互補效應，避免了負荷的急劇變化，相對于單個建筑的負荷變化可為能源供應的穩定性提供了保障。同時區域級別分布式能源系統由于供能范圍相對于主電網仍然較小，可避免上述集中能源供應系統存在的問題[3]。同時區域級分布式能源系統提供了利用當地可再生能源產出的機會，增加了能源系統靈活性，且傳輸損耗顯著降低。因此，分布式能源系統比傳統的集中式能源系統具有更好的性能。隨著智能電網或智能城市概念的普及，能源系統控制的重要性日益凸顯，準確的負荷預測和先進的控制策略可以更好的服務于分布式能源系統的運行控制優化。因此，本文總結了建筑負荷預測方法和供能系統控制策略。

1 分布式能源系統

電力、供暖和制冷是建筑需求端的主要能源消耗，分布式能源系統可滿足建筑需求端的各種能源需求，可集供電、熱、冷為一體，具有整體效率高、可靠性高、靈活性強、低二氧化碳排放等優點。圖1示出了分布式能源系統的一般配置。它通常由帶熱回收裝置的原動機、蓄冷系統、冷水機組及相應的控制系統組成。分布式能源系統通過利用余熱，從同一熱源產生電能和熱能。因此，它比傳統的供能系統具有更高的整體效率。表1列出了分布式能源系統的一般優點。

圖1：一般分布式能源系統原理圖

表1：分布式能源系統主要優點

2 負荷預測

分布式能源系統的設計和控制取決于需求側負荷分布。一方面，精確的負荷預測有助于確定分布式能源系統的最佳配置。另一方面，有助于優化系統控制策略，達到節約成本、節約一次能源消耗或減少二氧化碳排放的目的。因此，建筑負荷預測是分布式能源系統優化的重要依據。然而，建筑負荷受眾多因素影響，如天氣條件、運行機制或人員用能行為。這些因素增加了建筑負荷預測的復雜性。在本節中，總結了建筑負荷的影響因素和預測模型。

2.1 影響因素

建筑能耗可以看作是一個多輸入的數學函數影響建筑負荷主要包含四類因素：

（1）建筑結構和建筑材料的熱工性能；

（2）樓宇設備及其運作時間表，例如供暖、通風及空調系統、人工照明、升降機及自動梯等；

（3）人員行為；

（4）天氣情況。

在這些影響因素中，第一類因素（即建筑圍護結構）是在建筑竣工后確定的，它包括建筑幾何、方向和建筑材料等信息；第二和第三類因素是內部影響因素，包括運營計劃、使用模式、使用者行為和室內環境設置。這些因素對建筑能源需求有重大影響[4]-[7]。最后一類因素是天氣條件，它被認為是外部影響因素。Krarti[8]提出了七個氣候參數作為建筑負荷的影響因素，包括干球溫度、濕球溫度、全球太陽輻射、降雨量、天空晴朗度、云層狀況和風速。Guo等人[9]研究表明建筑負荷的主要影響因素是干球溫度、濕度和太陽輻射。然而，Bagnasco 等人[10]發現濕度對能源消耗的影響很小。同樣，Kandil 等人[11]報告說，當平均風速較低時，風速的臨界值較小。因此，影響因素的影響不是普遍的，必須根據具體情況來確定。

2.2 負荷預測模型

負荷預測模型一般分為三類，即經典工程方法（白盒）、數據驅動統計方法（黑盒）和混合方法（灰盒）[12]是建筑負荷預測最常用的方法，如圖2所示。

圖2：能源預測模型分類

白盒模型是一種經典模型，也稱為工程方法。顧名思義，這種方法利用流體力學、熱力學、傳熱學、能量和質量守恒定律等物理原理構建負荷預測模型[13]。白盒模型分為兩個子類：正演法和校正法。正演法通過已知結構和參數的特定建筑模型來預測建筑荷載。由于真實建筑的復雜性，建筑模型往往比較復雜。這種方法需要對各種物理現象和多個相互作用的參數有詳細的了解。但建筑物不需要實際建造，這是正向方法的主要優點。許多基于此方法的軟件工具已經被開發來模擬建筑能耗，例如DOE-2、Energy Plus、TRNSYS 和ESP-r 等流行的模擬工具。這些工具已廣泛應用于建筑設施能耗分析、建筑負荷模擬、建筑節能措施等方面。校準方法是調整現有建筑模擬計算機程序以進行負荷預測的過程。通過校準應用模擬程序的各種輸入，實際能耗用于調整模擬結果，以便更好地匹配[14]。

如前所述，多個因素（如天氣條件、建筑幾何結構、建筑材料的熱物理性質、占用率和建筑服務設施）共同作用影響建筑負荷。白盒方法需要對這些因素進行參數化。然而，缺失的參數可能會降低負荷預測的準確性。此外，工程方法需要繁瑣的工作和專業知識。因此，科研工程人員提出了其他替代方法，即黑盒建模方法。黑箱模型屬于數據驅動方法，即建筑負荷預測模型是利用歷史數據而不是依據物理規律建立的。灰盒模型是黑盒模型和白盒模型的結合。這種混合方法有幾種策略。第一種策略是使用數據驅動方法作為白盒模型的物理參數估計；第二種策略是使用白盒模型來挖掘建筑特征，并在黑盒模型中使用。第三種策略是在工程方法不實用或不夠精確的情況下使用數據驅動方法。

前述負荷預測方法已經在許多文獻中進行了綜合比較[15]-[19]。表2列出了它們的優缺點。一般來說，黑盒模型比白盒模型更精確。然而，在建立黑盒負荷預測模型時，需要用到歷史能耗數據。白盒模型能更自然地解釋預測結果，有助于評估建筑物的改造性能。然而，它們需要一套完整的建筑信息和環境參數。它們還需要廣泛的專業知識，這使得它們難以得到推廣應用。灰箱模型既有工程模型的缺點，又有數據驅動模型的缺點。因為現代建筑中安裝了越來越多的傳感器，可以記錄每個終端用戶的具體能耗，因此在所有負荷預測模型中，數據驅動方法是目前最流行的方法。

表2：建筑負荷預測方法比較

3 分布式能源系統控制策略

本節介紹了各種控制策略，包括傳統的負荷跟蹤控制策略、基于優化算法的控制策略和模型預測控制策略。

3.1 負荷跟隨策略

傳統的分布式能源系統的控制策略是負荷跟蹤控制策略。“跟隨電力負荷策略”（FEL）和“跟隨熱負荷策略”（FTL）[20]-[21]是兩種最常用的策略。這兩種控制策略的原理是相似的。它們通過調控分布式能源系統輸出來準確地滿足一種類型負荷，通過其他輔助設備來彌補另一種負荷。在“跟隨電力負荷策略”下，原動機產生的電能隨時滿足電力需求。在FTL 控制策略下，原動機的熱能輸出等于需求端的熱能負荷。然而，由于電能負荷與熱負荷之間的不匹配，導致FEL 和FTL 策略下的分布式能源系統運行性能惡化。因此，一些研究者提出了混合電力熱負荷（FHL）的控制策略，該策略依賴于熱能需求與電能需求之間的實際比率[22]-[23]，以克服FEL 或FTL 策略下的不足。

3.2 基于優化算法的控制策略

為了進一步提高分布式能源系統性能，基于優化算法的控制策略被不斷提出。這些優化算法包括MILP[24]、GA[25]、調和搜索算法[26]、粒子群算法[27]和超球面搜索算法[28]。這些控制策略遵循相同的過程：給定各部件的性能數據和負荷曲線，用目標函數求解優化問題，確定最優運行控制策略。這些方法從理論上為分布式能源系統提供了最優控制策略。然而，當實際能源需求發生變化時，這類優化算法并不適合于實時控制。

3.3 模型預測控制（MPC）

為滿足實際系統控制的要求，模型預測控制方法（MPC）被逐漸關注[29]-[30]。傳統的MPC 策略的原理是應用負荷預測模型來預測需求側負荷。然后采用優化算法得到控制序列。然而，傳統的MPC 策略依賴于預測負荷，無法處理預測與實際需求之間的偏差。因此，兩階段MPC 策略，即基于滾動優化和反饋校正的概念來解決預測誤差[34]-[35]帶來的問題。表3總結了相關分布式能源系統MPC 控制策略的相關研究。

表3：基于MPC 控制策略的分布式能源系統研究

4 結論

本文介紹了建筑負荷預測方法和分布式能源系統控制策略，文獻綜述表明了分布式能源系統相對傳統能源系統存在眾多優勢。通過準確的負荷預測和良好的系統控制策略調控，可帶來顯著的分布式能源系統性能提升，但分布式能源系統的應用還需要進一步的研究才能充分發揮其潛力。