潘帥琪，魏繁榮，林湘寧，李正天，隨 權(quán)，徐海波

光伏建筑一體化社區(qū)熱電聯(lián)供調(diào)度策略

潘帥琪1，魏繁榮2，林湘寧2，李正天2，隨 權(quán)2，徐海波3

(1.三峽大學(xué)電氣與新能源學(xué)院，湖北 宜昌 443002；2.強(qiáng)電磁工程與新技術(shù)國家重點實驗室(華中科技大學(xué))，湖北 武漢 430074；3.易事特集團(tuán)股份有限公司，廣東 東莞 523808)

針對冬季寒冷條件下光伏建筑一體化社區(qū)(Building Integrated Photovoltaic, BIPV)的電輔熱裝置性能系數(shù)(Coefficient of Performance, COP)大幅下降的問題，提出一種新型光伏建筑一體化社區(qū)熱電聯(lián)供調(diào)度策略。首先，提出一種含可翻轉(zhuǎn)熱電聯(lián)供模式(Reversible Solar Thermal Electricity Cogeneration Mode, RSTECM)和相變儲能系統(tǒng)的新型熱電聯(lián)供系統(tǒng)，量化分析了熱泵性能系數(shù)和光伏出力隨環(huán)境條件的變化情況。然后，引入一種含等效熱參數(shù)(Equivalent Thermal Parameters, ETP)的建筑熱力網(wǎng)絡(luò)，由此建立一種含熱力系統(tǒng)和電力系統(tǒng)的社區(qū)微網(wǎng)模型，并以社區(qū)運(yùn)行成本最小化為優(yōu)化目標(biāo)。最后，引入差分化處理和熱力側(cè)-電力側(cè)問題交互迭代的算法，實現(xiàn)優(yōu)化模型的高效求解。算例仿真驗證了所提能源供給模式及協(xié)調(diào)調(diào)度策略的可行性和優(yōu)越性。

光伏建筑一體化社區(qū)；熱電聯(lián)供；相變儲能系統(tǒng)；差分化；交互迭代

0 引言

近年來，隨著可再生能源[1-3]的不斷發(fā)展，集成分布式光伏[4-5]等能量單元的光伏建筑一體化社區(qū)飽受關(guān)注，為推動“雙碳”目標(biāo)下建設(shè)新型電力系統(tǒng)提供方向，建筑在能源網(wǎng)中由被動消耗者朝向主動生產(chǎn)者的角色過渡。然而，由于新能源[6-7]出力的間歇性和波動性[8-9]，發(fā)電側(cè)出力與用戶側(cè)負(fù)荷不匹配[10-11]，富余能源消納矛盾逐漸凸顯。從電網(wǎng)側(cè)角度，新能源饋電可能給大電網(wǎng)動態(tài)平衡和安全穩(wěn)定運(yùn)行造成風(fēng)險，并且?guī)碚{(diào)峰壓力；從社區(qū)業(yè)主角度，當(dāng)光伏大發(fā)時，社區(qū)業(yè)主未必處于用能高峰期，用戶側(cè)將面臨大量棄光或以低價余量上網(wǎng)等經(jīng)濟(jì)損失。在社區(qū)微電網(wǎng)內(nèi)增設(shè)儲能設(shè)備解決社區(qū)微網(wǎng)富余能源消納問題是一個可行思路。然而，傳統(tǒng)儲能設(shè)備存在較高的充放電能量和壽命損耗，在并網(wǎng)型微網(wǎng)中作為消納方式尚不具備較好的經(jīng)濟(jì)性。

考慮到社區(qū)建筑本身作為熱能利用的終端，制熱負(fù)荷[12-15]占社區(qū)建筑能耗約為60%，如使用儲熱裝置替代儲電裝置滿足用戶側(cè)熱能需求，不失為一種更加適配現(xiàn)代建筑特點，且經(jīng)濟(jì)可行的優(yōu)選方案。實際上，具備長時間尺度儲能能力的相變材料(Phase Change Material, PCM)作為一種新型儲熱介質(zhì)，在實際中已有相關(guān)應(yīng)用。文獻(xiàn)[16]開展了一項關(guān)于含相變材料的太陽能蒸餾器實驗研究，文獻(xiàn)[17]采用相變材料降低數(shù)據(jù)中心冷卻成本，文獻(xiàn)[18]提出一種利用相變材料潛熱提高功率半導(dǎo)體暫態(tài)熱容的集成方案。PCM具有價格低廉、狀態(tài)穩(wěn)定、儲能容量大等優(yōu)勢，集成于社區(qū)建筑內(nèi)部的復(fù)合PCM可以在相變過程中釋放或吸收熱量，在實現(xiàn)室內(nèi)控溫、余熱儲存、富余能源消納等功能的同時，大幅降低對高成本儲能系統(tǒng)的需求。

在儲熱過程中，社區(qū)微網(wǎng)大量應(yīng)用諸如熱泵或空調(diào)等具有較高能效比的供暖設(shè)備來實現(xiàn)電熱轉(zhuǎn)換并開展能量調(diào)度工作。目前已有不少學(xué)者對該領(lǐng)域進(jìn)行探究，并取得了豐碩的研究成果[19-23]。文獻(xiàn)[19]構(gòu)建智能樓宇的空調(diào)系統(tǒng)優(yōu)化調(diào)控模型，通過在溫度舒適度范圍內(nèi)對樓宇室溫進(jìn)行優(yōu)化調(diào)節(jié)；文獻(xiàn)[20]提出一種聚合大規(guī)模空調(diào)負(fù)荷實現(xiàn)虛擬調(diào)峰的3層控制系統(tǒng)結(jié)構(gòu)；文獻(xiàn)[21]為實現(xiàn)大規(guī)模空調(diào)負(fù)荷參與需求響應(yīng)，提出一種基于主從一致性的多智能體分散式協(xié)同控制策略；文獻(xiàn)[22]根據(jù)空調(diào)熱負(fù)荷模型建立輪空策略下空調(diào)削負(fù)荷能力的概率模型；文獻(xiàn)[23]提出一種考慮儲能系統(tǒng)和空調(diào)負(fù)荷的主動配電網(wǎng)多目標(biāo)調(diào)度優(yōu)化方法。上述文獻(xiàn)均研究了傳統(tǒng)電輔熱設(shè)備向建筑的供暖行為。

然而，受嚴(yán)寒地區(qū)氣候條件等因素制約，在冬季時，熱泵的電輔熱設(shè)備性能系數(shù)會大幅下降[24-26]，以上問題在我國高緯度地區(qū)尤為突出。利用分布式電源尤其是光伏配合熱泵轉(zhuǎn)化為熱能存儲的傳統(tǒng)方式，其效率難言最優(yōu)，不利于實現(xiàn)社區(qū)微網(wǎng)長期可持續(xù)發(fā)展。加之傳統(tǒng)熱電聯(lián)供型微網(wǎng)[27-28]存在熱電比固定，調(diào)節(jié)能力較弱等不足，難以適配社區(qū)用戶強(qiáng)耦合的電熱用能需求。如若在用戶側(cè)引入可翻轉(zhuǎn)熱電聯(lián)供模式，在制熱和產(chǎn)電之間靈活切換，在完全適配能源網(wǎng)電?熱負(fù)荷需求的前提下，將能夠優(yōu)化綜合能源系統(tǒng)的總體效率，充分發(fā)揮太陽能光伏光熱系統(tǒng)的內(nèi)在優(yōu)勢。

針對以上問題，本文首先提出一種基于RSTECM的新型熱電聯(lián)供系統(tǒng)，并考慮社區(qū)建筑的蓄熱特性，建立一個精細(xì)的含熱力系統(tǒng)和電力系統(tǒng)的社區(qū)微網(wǎng)模型。然后，設(shè)計一種新型熱電聯(lián)供調(diào)度策略，并針對復(fù)雜的熱電聯(lián)合模型，采用一種差分化和交互迭代的算法框架。最后，仿真驗證所提調(diào)度策略的可行性和優(yōu)越性。

1 新型熱電聯(lián)供系統(tǒng)

1.1 靈活翻轉(zhuǎn)型熱電聯(lián)供模式

針對居住建筑供暖時間長、熱負(fù)荷高等特點，本文提出一種靈活翻轉(zhuǎn)型熱電聯(lián)供模式(Reversible Solar Thermal Electricity Cogeneration Mode, RSTECM)，如圖1所示。由圖可知，系統(tǒng)由光伏組件、聚光集熱器和支架組成，能夠參照實時光照強(qiáng)度及環(huán)境溫度，通過自動控制系統(tǒng)在光伏和集熱兩種模式下切換運(yùn)行，提高系統(tǒng)對太陽能的利用率并滿足用戶電、熱兩種用能需求。當(dāng)其處于集熱模式時，采用聚光反射鏡將太陽能匯聚至集熱管，集熱循環(huán)介質(zhì)輸出熱量；當(dāng)其處于光伏模式時，利用光伏組件產(chǎn)生電能并上傳至微網(wǎng)。該模式還將覆蓋熱泵運(yùn)行所需部分電力供應(yīng)，降低微網(wǎng)系統(tǒng)購電量，提高系統(tǒng)節(jié)能效果。需要指出，該模式相較已有社區(qū)建筑熱電聯(lián)供模式需要追加建設(shè)投資，市場回收期有一定延長。另外，集熱器溫度對系統(tǒng)整體性能影響較為顯著，因此對集熱器隔熱性能要求較高。

圖1 靈活翻轉(zhuǎn)型熱電聯(lián)供模式示意圖

1.2 相變儲能系統(tǒng)

相變儲能系統(tǒng)是一種新型的建筑室溫控制系統(tǒng)，可以在相變過程中儲存大量潛熱。該系統(tǒng)既能儲存富余能源，也能通過主動的熱調(diào)節(jié)以降低整體能源需求[29]。在長時間尺度上，相變儲能系統(tǒng)具有儲能容量大，狀態(tài)穩(wěn)定等優(yōu)勢；在短時間尺度上，相變儲能系統(tǒng)響應(yīng)速度快，熱力側(cè)和電力側(cè)平衡互不影響[30]。

參照室內(nèi)舒適溫度，本文制備相變點在20 ℃的復(fù)合相變材料，參照地暖管道敷設(shè)原理，在建筑墻體夾層內(nèi)嵌入封裝PCM的管道和熱管。PCM焓差-溫升關(guān)系及相變建筑墻體結(jié)構(gòu)如圖2所示。

圖2 PCM焓差-溫升及相變建筑墻體圖

1.3 靈活翻轉(zhuǎn)型熱電聯(lián)供與相變儲能系統(tǒng)協(xié)調(diào)調(diào)度

含RSTECM與相變儲能系統(tǒng)的光伏建筑一體化社區(qū)微網(wǎng)拓?fù)淙鐖D3所示。RSTECM針對每個時刻微網(wǎng)電力/熱力負(fù)荷和環(huán)境條件，優(yōu)化每個時刻的工作狀態(tài)(光伏/集熱)和輸出功率，并通過傳動裝置來驅(qū)動系統(tǒng)版面的翻轉(zhuǎn)。當(dāng)RSTECM處于光伏狀態(tài)時，光伏組件側(cè)朝上，系統(tǒng)輸出功率輸送至微電力網(wǎng)；當(dāng)RSTECM處于集熱狀態(tài)時，聚光集熱器朝上，此時傳熱工質(zhì)經(jīng)由集熱器吸收熱能并進(jìn)入熱力管網(wǎng)。高溫傳熱工質(zhì)流經(jīng)敷設(shè)于相變材料內(nèi)的熱/冷管與相變材料進(jìn)行熱交換，通過改變閥門開度來調(diào)節(jié)供熱工質(zhì)壓力和流量，相變儲能能夠吸收、儲存供熱管網(wǎng)的熱能，并控制電風(fēng)扇滿足熱力側(cè)制熱需求，使得建筑室內(nèi)溫度長期保持在人體舒適溫度范圍內(nèi)。

圖3 光伏建筑一體化社區(qū)微網(wǎng)拓?fù)?/p>

需要說明，在實時運(yùn)行時，調(diào)節(jié)輔助熱泵跟隨電力側(cè)光伏出力，可以消解光照強(qiáng)度的隨機(jī)性和波動性引起的不利影響。

2 熱電聯(lián)供系統(tǒng)模型

本節(jié)對該文所提的含熱力系統(tǒng)和電力系統(tǒng)的社區(qū)建筑精細(xì)模型展開分析。

2.1 光伏模型

當(dāng)RSTECM處于光伏狀態(tài)時，其輸出功率由光照強(qiáng)度、環(huán)境溫度決定。

基于式(1)、式(2)，分析不同光照強(qiáng)度和環(huán)境溫度下的光伏功率，如圖4(b)所示。由圖可知，光伏效率與光照強(qiáng)度呈正向關(guān)聯(lián)性，與溫度呈負(fù)向關(guān)聯(lián)性。例如，當(dāng)氣溫為10 ℃時，光照強(qiáng)度從200 W·m-2遞次上升至1 000 W·m-2，光伏效率增大47.1%。上述結(jié)果驗證了光伏效率對環(huán)境因子的敏感性。

2.2 熱傳遞系統(tǒng)模型

熱傳遞系統(tǒng)結(jié)構(gòu)如圖5所示，該系統(tǒng)由太陽能

集熱器、熱泵和相變儲能系統(tǒng)組成。其中，太陽能集熱器將吸收的熱量通過換熱傳輸至相變墻體中。

圖5 熱傳遞系統(tǒng)模型圖

熱傳遞系統(tǒng)約束如下。

1) 太陽能聚光器約束

2) 水箱運(yùn)行約束

3) 貯熱罐約束

相變儲能系統(tǒng)吸收來自太陽能集熱器輸出熱功率和輔助熱泵功率。

2.3 室內(nèi)熱力模型

室內(nèi)建筑結(jié)構(gòu)熱力交換包括熱傳導(dǎo)和熱輻射，且以強(qiáng)制對流作為相變儲能釋放熱量的方式。如圖6所示，本文以一種含等效熱參數(shù)(Equivalent Thermal Parameters, ETP)的典型建筑熱力網(wǎng)絡(luò)[32]模型進(jìn)行說明。該熱網(wǎng)節(jié)點含墻體節(jié)點和空氣節(jié)點，節(jié)點間經(jīng)由熱阻連接，并均經(jīng)過熱容節(jié)點。

圖6 典型建筑熱力網(wǎng)絡(luò)模型圖

具體熱力學(xué)約束如下。

1) PCM墻體空氣約束

2) PCM墻體約束

3) 室內(nèi)空氣約束

4) 其他墻體約束

相變儲能系統(tǒng)充放熱前后系統(tǒng)儲熱量關(guān)系為

考慮到為下一個調(diào)度周期預(yù)留一定的調(diào)節(jié)裕量，使得儲能系統(tǒng)在該周期開始時能夠滿足用戶側(cè)對其充放熱的需求，設(shè)置儲能系統(tǒng)運(yùn)行一個調(diào)度周期后的儲熱量恢復(fù)至起始儲熱量，即添加調(diào)度可持續(xù)性約束：

式中，0和SOC分別為調(diào)度周期始、末時刻的荷電狀態(tài)。

社區(qū)建筑由多個制熱模型聚合而成，本文假設(shè)在同種控制方法以及相同光照強(qiáng)度、溫度等環(huán)境參數(shù)下，社區(qū)中每個制熱區(qū)域的熱力負(fù)荷相同。相變儲能系統(tǒng)熱量釋放通過可控的強(qiáng)制對流方式對風(fēng)扇的空氣流量進(jìn)行靈活調(diào)節(jié)，從而使得冬季室內(nèi)溫度處于人體舒適溫度范圍內(nèi)。

式中：a,max為最大空氣對流量；min和max分別為室內(nèi)舒適溫度區(qū)間下界和上界，可由文獻(xiàn)[33]的體感溫度模型得出。式(22)為風(fēng)扇轉(zhuǎn)速約束，式(23)為室內(nèi)溫度約束。

2.4 電力側(cè)模型

社區(qū)建筑的電力需求由屋頂光伏和大電網(wǎng)兩部分供應(yīng)。參照文獻(xiàn)[34]設(shè)置峰時段(07：00—12：00，17：00—21：00)、平時段(01：00—17：00)、谷時段(00：00—07：00，21：00—24：00)購電電價及售電電價，如圖7所示。

圖7 購電和售電價

電力側(cè)存在以下約束。

1) 電能守恒關(guān)系

2) 功率交換約束

式中，e,max為聯(lián)絡(luò)線的最大傳輸功率，取值為3 kW。

3) 電熱轉(zhuǎn)換約束

式中，COP為熱泵性能系數(shù)。

4) 熱泵功率約束

2.5 協(xié)調(diào)調(diào)度模型

本文所提含新型熱電聯(lián)供模式的社區(qū)微網(wǎng)優(yōu)化調(diào)度，其中聯(lián)絡(luò)線功率和風(fēng)扇轉(zhuǎn)速分別受不同因素主導(dǎo)。

1) 熱力側(cè)調(diào)度子問題

注意到相變儲能系統(tǒng)的能量釋放由可控的強(qiáng)制空氣對流和不可控的熱泄漏構(gòu)成，因此需要對可控和不可控部分占比進(jìn)行協(xié)調(diào)，在滿足室內(nèi)溫度控制需求的約束下，實現(xiàn)對該能量釋放過程的優(yōu)化。熱力側(cè)以最小化所有時刻空氣對流速度之和為目標(biāo)。

式中，為調(diào)度時段數(shù)，本文取為24。

通過求解熱力學(xué)子問題，可獲得相變儲能系統(tǒng)熱力學(xué)輸出的最小值，而儲能系統(tǒng)的熱力學(xué)輸入由集熱器和熱泵消耗電力提供，因此熱力學(xué)和電力子問題可由儲能系統(tǒng)的SOC進(jìn)行耦合，可表示為

2) 電力側(cè)調(diào)度問題

電力側(cè)從經(jīng)濟(jì)性最優(yōu)角度出發(fā)，即最小化所有時刻社區(qū)建筑微網(wǎng)從大電網(wǎng)購買電能成本之和。

3 模型求解

3.1 模型轉(zhuǎn)換

含動態(tài)約束的微網(wǎng)調(diào)度是含微分代數(shù)方程(Differential Algebraic Equations, DAE)的優(yōu)化數(shù)學(xué)問題[35]。此類問題可根據(jù)泛函優(yōu)化理論求取時域解析解，也可以進(jìn)行離散化代數(shù)處理，求取沿時域離散的代數(shù)解[36]。考慮到本文熱傳遞的慢動態(tài)過程，可將微分方程約束進(jìn)行差分化處理，此處以式(14)為例，經(jīng)過差分化處理轉(zhuǎn)變?yōu)槭?32)。

至此，原模型被轉(zhuǎn)換為一個典型的混合整數(shù)線性規(guī)劃(Mixed integer Linear Program, MILP)模型。

3.2 交互迭代求解算法

為提高上述模型求解效率，本文提出一種交互迭代算法求解熱力側(cè)和電力側(cè)問題。迭代算法如圖8所示。

圖8 迭代算法流程圖

步驟1：初始化

步驟2：求解熱力側(cè)問題

目標(biāo)函數(shù)式(29)和約束條件式(3)—式(23)被轉(zhuǎn)化為

求解以上優(yōu)化問題并得到目標(biāo)函數(shù)值和熱泵功率hp,i。

步驟3：檢查終止條件

步驟4：求解電力側(cè)問題

添加約束：

以式(1)—式(2)、式(24)—式(28)、式(37)為約束，求解目標(biāo)函數(shù)(31)。

步驟5：更新

4 仿真分析

4.1 仿真條件

為驗證本文所提調(diào)度策略的有效性，本文以我國黑龍江省某地區(qū)并網(wǎng)型社區(qū)微網(wǎng)系統(tǒng)為例進(jìn)行仿真。圖9為該地區(qū)冬季晴天、陰天典型光照和氣溫分布[37]曲線。考慮該地區(qū)居民為1 000戶，室內(nèi)熱力模型參數(shù)詳見文獻(xiàn)[38]。

經(jīng)過文獻(xiàn)調(diào)研發(fā)現(xiàn)該地夏季氣溫處于人體舒適溫度區(qū)間范圍內(nèi)，故不設(shè)置制冷負(fù)荷，設(shè)置冬季內(nèi)晴朗天氣和陰云天氣兩種供熱負(fù)荷。該地區(qū)每年中有5個月存在制熱需求。參考文獻(xiàn)[39]擬定不同溫度條件下電負(fù)荷和熱負(fù)荷的相對比例以及24 h的分布情況。

根據(jù)美國可再生能源實驗室開發(fā)的System Advise Model軟件參數(shù)，設(shè)置光伏電池在額定運(yùn)行條件下的光照強(qiáng)度、環(huán)境溫度和表面溫度[40]分別為0.8 kW/m2、20 ℃和50 ℃，標(biāo)準(zhǔn)測試條件下光伏電池溫度和光照強(qiáng)度分別為為25℃和1 kW/m2，玻璃板透過率和太陽能吸收率均為90%，光伏最大跟蹤點效率為20%，光伏電池額定容量為2 kW，光伏電池溫度系數(shù)為-0.47%。集熱器傳熱工質(zhì)比熱容和密度分別為4.2 kJ/(kg·℃)和103kg/m3，集熱器額定容積為120 m3，太陽能熱水箱容積為90 m3，貯熱罐容積為31 m3，高溫保護(hù)溫度為50 ℃，相鄰容器溫差上限和下限分別為8 ℃和3 ℃。

圖9 環(huán)境溫度、光照典型曲線

本文仿真環(huán)境為Intel Core i7-8750H，16GB內(nèi)存，Windows11 64位操作系統(tǒng)，并在Matlab R2016a下的Yalmip工具箱建模調(diào)用Gurobi進(jìn)行求解，運(yùn)行一次計算，求解時間約為50～60 s。

為凸顯相變儲能系統(tǒng)優(yōu)越性，作為對比引入空調(diào)制熱滿足建筑溫控需求，并讓空調(diào)電熱轉(zhuǎn)換效率與相變儲能系統(tǒng)所配置的熱泵保持一致。設(shè)置以下3種策略。

策略1：建設(shè)光伏系統(tǒng)，采用空調(diào)供暖。

策略2：建設(shè)光伏系統(tǒng)，采用相變儲能系統(tǒng)供暖。

策略3：建設(shè)含RSTECM和相變儲能的聯(lián)合系統(tǒng)，采用該系統(tǒng)供暖。

根據(jù)天氣情況，將仿真驗證分為兩個場景。

場景1：晴朗場景。

場景2：多云到陰天場景。

4.2 仿真結(jié)果

4.2.1微網(wǎng)運(yùn)行分析

1) 晴朗天氣場景

晴朗天氣下，微網(wǎng)光伏發(fā)電量充足，3種策略的仿真結(jié)果如圖10所示。

圖10 晴朗天氣電-熱出力和電力交換

由圖10可以得出，策略1中的空調(diào)功率緊隨室內(nèi)熱負(fù)荷變化情況。微網(wǎng)在午間光伏大發(fā)時，富余能源以0.08元/kW×h低價上網(wǎng)，而在光伏出力不足時，不得不以高價從外電網(wǎng)購進(jìn)電力，以滿足社區(qū)電力側(cè)和熱力側(cè)平衡。由此可見，在現(xiàn)有建筑熱力網(wǎng)模型下，策略1由于僅依靠空調(diào)設(shè)備調(diào)節(jié)室溫，購電功率緊隨電負(fù)荷和空調(diào)負(fù)荷的波動，策略1中熱負(fù)荷幾乎是現(xiàn)制現(xiàn)用，且調(diào)節(jié)能力不足，無法在長時間尺度上就地規(guī)?；{富余能源。策略2為了應(yīng)對熱負(fù)荷的高峰，相變儲能系統(tǒng)不得不在早晨大量產(chǎn)熱以應(yīng)對社區(qū)熱負(fù)荷需求，此時聯(lián)絡(luò)線會出現(xiàn)峰值功率。

策略3中的熱電聯(lián)供系統(tǒng)處于光伏狀態(tài)時，相變儲能系統(tǒng)能夠保持對較高光伏功率的密切跟蹤，即時消納富余能源。當(dāng)系統(tǒng)由光伏狀態(tài)切換至集熱狀態(tài)時，相變儲能系統(tǒng)大量吸收并存儲熱能，此時聯(lián)絡(luò)線僅傳輸少量功率以滿足微網(wǎng)電力側(cè)和熱力側(cè)需要，與此同時，相變儲能系統(tǒng)釋放熱能滿足制熱需求，實現(xiàn)了業(yè)主側(cè)能源規(guī)?；偷叵{的愿景。策略3相較前兩種策略，聯(lián)絡(luò)線的交換功率更加平穩(wěn)。

加裝新型熱電聯(lián)供系統(tǒng)之后，微網(wǎng)與外電網(wǎng)之間的交換功率峰值大幅下降，其中策略1為1 405.3 kW，策略2為3 000 kW，策略3僅為501.9 kW，相較策略1和策略2分別減少了64.3%和83.3%。從表1可以得出，在購買電量上，策略3為4 100 kW×h，策略1為13 554 kW×h，策略2為10 863 kW×h，策略3相較策略1和策略2分別減少了69.8%和62.3%。在余量上網(wǎng)方面，策略3的微網(wǎng)余量上網(wǎng)為348.43 kW×h，相較策略1的2 691.7 kW×h，減少了87.1%，新型熱電聯(lián)供系統(tǒng)的富余能源就地化消納能力大幅增強(qiáng)。

表1 晴朗天氣3種策略的日運(yùn)行費(fèi)用

2) 陰云天氣場景

陰云天氣下，富余能源不足，微網(wǎng)消納更多谷時段電能制熱并儲存于相變儲能系統(tǒng)。陰云天氣下微網(wǎng)用電負(fù)荷如圖11所示。由圖可知，策略1的制熱負(fù)荷仍然集中在峰時段，并未發(fā)生明顯的偏移。熱電聯(lián)供系統(tǒng)選擇在電價相對便宜的谷時段補(bǔ)充能量。

在交換功率峰值上，策略1為1 495.6 kW，策略2為3 000 kW，策略3僅為501.9 kW，相較策略1和策略2分別降低了66.4%和83.3%。由表2可以得出，在購買電量上，策略3為4 827 kW×h，策略1為16 053 kW×h，策略2為15 041 kW×h，策略3相較策略1和策略2分別減少了69.9%和67.9%。在余量上網(wǎng)方面，策略1的上網(wǎng)電量為1 012.3 kW×h，策略3的上網(wǎng)電量為82.2 kW×h，相較策略1減少了91.9%。

表2 陰云天氣3種策略的日運(yùn)行費(fèi)用

4.2.2經(jīng)濟(jì)性分析

本節(jié)考慮各類設(shè)備的投資成本，在上文各種運(yùn)行策略日運(yùn)行成本分析的基礎(chǔ)上，進(jìn)一步對三種策略的投資經(jīng)濟(jì)性展開對比分析。

年安裝成本需考慮資金的貼現(xiàn)率，參照文獻(xiàn)[41-42]的年平均安裝費(fèi)用和投資回收期(Payback Period, PBP)計算方法。本文將資金貼現(xiàn)率設(shè)置為5%，每套空調(diào)設(shè)備計0.5萬元；每套相變儲能系統(tǒng)單元計0.9萬元[38]，其中相變材料為0.4萬元，輔助熱泵0.15萬元，電風(fēng)扇0.05萬元，相變儲能系統(tǒng)的建筑預(yù)制件為0.2萬元，人工安裝成本計0.1萬元，翻轉(zhuǎn)電機(jī)、熱水罐和太陽能集熱器批發(fā)成本分別為0.035萬元、0.065萬元和0.1萬元。光伏設(shè)備改造成本取0.2萬元較為合理。本文將翻轉(zhuǎn)裝置的后期維護(hù)成本設(shè)為0.1萬元/年。

年制熱時長為150天，其中晴朗和多云到陰天氣[43]分別占比60%、40%，3種策略的等值年成本如表3所示。較之策略1和策略2，策略3可分別節(jié)省52.69萬元和17.26萬元。策略3相較策略1和策略2的投資回收期分別為11.39年和11.59年，遠(yuǎn)低于相變儲能系統(tǒng)30 年以上的設(shè)計使用壽命，在經(jīng)濟(jì)性上具備明顯優(yōu)勢。

表3 3種策略的等值年成本

4.3 靈敏性分析

4.3.1環(huán)境影響

對RSTECM的若干重要參數(shù)，如光照強(qiáng)度和環(huán)境溫度進(jìn)行靈敏性分析，分析結(jié)果如圖12所示。計算結(jié)果表明，光照強(qiáng)度對發(fā)電成本的影響較大，這是因為光照強(qiáng)度會直接影響光伏發(fā)電效率和光伏發(fā)電產(chǎn)出；環(huán)境溫度對運(yùn)行成本影響相對較小，這是由于在嚴(yán)寒地區(qū)，氣溫波動不會給光伏效率和光伏產(chǎn)出造成顯著差異。

圖12 環(huán)境因子對運(yùn)行成本的影響

4.3.2電價影響

此處分析RSTECM運(yùn)行成本隨電價波動的影響，如圖13所示。由圖可知，隨著電價上升，微網(wǎng)運(yùn)行成本也在上升，其中，陰天的運(yùn)行成本對電價的變化更為敏感。

圖13 電價對運(yùn)行成本的影響

5 結(jié)論

本文建立RSTECM與相變儲能系統(tǒng)聯(lián)合運(yùn)行模型，提出一種光伏建筑一體化社區(qū)熱電聯(lián)供調(diào)度策略。通過理論與仿真分析得出如下結(jié)論。

1) 本文所提的新型熱電聯(lián)供系統(tǒng)與空調(diào)制熱相比，具有熱電解耦、柔性可調(diào)等優(yōu)越特性。在每個時刻優(yōu)化熱電聯(lián)供系統(tǒng)光伏/集熱狀態(tài)可實現(xiàn)光伏的最大消納，提升能量利用率和社區(qū)微網(wǎng)的運(yùn)行經(jīng)濟(jì)性。

2) 新型熱電聯(lián)供系統(tǒng)的投資回收期遠(yuǎn)小于相變儲能系統(tǒng)的使用壽命，具備較高的經(jīng)濟(jì)價值。

3) 差分化處理和熱力側(cè)-電力側(cè)問題交互迭代算法，能夠高效求解優(yōu)化模型。

[1] 劉德旭, 劉艷, 潘永旗, 等.基于可再生能源發(fā)電優(yōu)先消納的電力電量平衡模型研究[J].電網(wǎng)與清潔能源, 2020, 36(1): 64-71.

LIU Dexu, LIU Yan, PAN Yongqi, et al.Research on power balance model based on priority consumption of renewable energy power generation[J].Power System and Clean Energy, 2020, 36(1): 64-71.

[2] 盧操, 管霖, 陳恒安, 等.考慮儲能調(diào)度的可再生能源獨立微電網(wǎng)電源規(guī)劃[J].電測與儀表, 2021, 58(4): 84-91.

LU Cao, GUAN Lin, CHEN Heng'an, et al.Generation planning for renewable energy isolated micro-grid considering energy storage dispatching[J].Electrical Measurement & Instrumentation, 2021, 58(4): 78-83.

[3] 李國武, 許健, 吉小鵬.計及光伏的配電網(wǎng)多級無功聯(lián)動協(xié)調(diào)優(yōu)化[J].電網(wǎng)與清潔能源, 2020, 36(8): 103-111.

LI Guowu, XU Jian, JI Xiaopeng.Coordinated optimization of multi-level reactive power in the distribution network considering photovoltaic[J].Power System and Clean Energy, 2020, 36(8): 103-111.

[4] 張家安, 王琨玥, 陳建, 等.基于空間相關(guān)性的分布式光伏出力預(yù)測[J].電力建設(shè), 2020, 41(3): 47-53.

ZHANG Jia'an, WANG Kunyue, CHEN Jian, et al.Research on prediction of distributed photovoltaic output considering spatial relevance[J].Electric Power Construction, 2020, 41(3): 47-53.

[5] 盧仁軍, 李然, 王健, 等.考慮需求側(cè)響應(yīng)的新能源接入下的配電網(wǎng)無功規(guī)劃研究[J].電測與儀表, 2020, 57(6): 46-51.

LU Renjun, LI Ran, WANG Jian, et al.Reactive power planning of distribution network with renewable energy resource considering demand side response[J].Electrical Measurement & Instrumentation, 2020, 57(6): 46-51.

[6] 王李龑, 許強(qiáng), 黃開藝, 等.計及新能源及負(fù)荷不確定性的多能微網(wǎng)系統(tǒng)兩階段隨機(jī)規(guī)劃方法[J].電力建設(shè), 2020, 41(4): 100-108.

WANG Liyan, XU Qiang, HUANG Kaiyi, et al.A two-stage stochastic programming method for multi-energy microgrid system considering the uncertainty of new energy and load[J].Electric Power Construction, 2020, 41(4): 100-108.

[7] 陳建華, 王磊, 巨云濤.基于Mean-shift聚類的大規(guī)模新能源對電網(wǎng)線損影響評估方法[J].供用電, 2021, 38(2): 59-64, 76.

CHEN Jianhua, WANG Lei, JU Yuntao.Evaluation method of large scale new energy impact on power grid line loss based on Mean-shift clustering[J].Distribution & Utilization, 2021, 38(2): 59-64, 76.

[8] 舒印彪, 張智剛, 郭劍波, 等.新能源消納關(guān)鍵因素分析及解決措施研究[J].中國電機(jī)工程學(xué)報, 2017, 37(1): 1-8.

SHU Yinbiao, ZHANG Zhigang, GUO Jianbo, et al.Study on key factors and solution of renewable energy accommodation[J].Proceedings of the CSEE, 2017, 37(1): 1-8.

[9] MUNIAPPAN M.A comprehensive review of DC fault protection methods in HVDC transmission systems[J].Protection and Control of Modern Power Systems, 2021, 6(1): 1-20.

[10] FUNDE N A, DHABU M M, DESHPANDE P S, et al.SF-OEAP: starvation-free optimal energy allocation policy in a smart distributed multimicrogrid system[J].IEEE Transactions on Industrial Informatics, 2018, 14(11): 4873-4883.

[11] SU H I, GAMAL A E.Modeling and analysis of the role of energy storage for renewable integration: power balancing[J].IEEE Transactions on Power Systems, 2013, 28(4): 4109-4117.

[12] 張偉晨, 熊永新, 李程昊, 等.基于改進(jìn)VDCOL的多饋入直流系統(tǒng)連續(xù)換相失敗抑制及協(xié)調(diào)恢復(fù)[J].電力系統(tǒng)保護(hù)與控制, 2020, 48(13): 63-72.

ZHANG Weichen, XIONG Yongxin, LI Chenghao, et al.Continuous commutation failure suppression and coordinated recovery of multi-infeed DC system based on improved VDCOL[J].Power System Protection and Control, 2020, 48(13): 63-72.

[13] HANIF S, MASSIER T, GOOI H B, et al.Cost optimal integration of flexible buildings in congested distribution grids[J].IEEE Transactions on Power Systems, 2017, 32(3): 2254-2266.

[14] 李軍徽, 馮喜超, 嚴(yán)干貴, 等.高風(fēng)電滲透率下的電力系統(tǒng)調(diào)頻研究綜述[J].電力系統(tǒng)保護(hù)與控制, 2018, 46(2): 163-170.

LI Junhui, FENG Xichao, YAN Gangui, et al.Survey on frequency regulation technology in high wind penetration power system[J].Power System Protection and Control, 2018, 46(2): 163-170.

[15] 何黎君, 程杉, 陳梓銘.考慮交互功率控制和雙邊競價交易的多微電網(wǎng)雙層優(yōu)化調(diào)度[J].電力系統(tǒng)保護(hù)與控制, 2020, 48(11): 10-17.

HE Lijun, CHENG Shan, CHEN Ziming.A scheduling model of a multi-microgrid system based on bi-layer optimization with consideration of PCC power control and bilateral bidding[J].Power System Protection and Control, 2020, 48(11): 10-17.

[16] ABUELNUOR A A A, OMARA A A M, MUSA H M H, et al.Experimental study on solar still desalination system integrated with solar collector and phase change material[C] // 2020 International Conference on Computer, Control, Electrical, and Electronics Engineering (ICCCEEE), February 26-March 1, 2021, Khartoum, Sudan.

[17] SKACH M, ARORA M, HSU C H, et al.Thermal time shifting: decreasing data center cooling costs with phase-change materials[J].IEEE Internet Computing, 2017, 21(4): 34-43.

[18] REN H, SHAO W, RAN L, et al.A phase change material integrated press pack power module with enhanced overcurrent capability for grid support a study on FRD[J].IEEE Transactions on Industry Applications, 2021, 57(4): 3956-3968.

[19] 陳厚合, 李澤寧, 靳小龍, 等.集成智能樓宇的主動配電網(wǎng)建模及優(yōu)化方法[J].中國電機(jī)工程學(xué)報, 2018, 38(22): 6550-6562.

CHEN Houhe, LI Zening, JIN Xiaolong, et al.Modeling and optimization of active distribution network with integrated smart buildings[J].Proceedings of the CSEE, 2018, 38(22): 6550-6562.

[20] 王永權(quán), 張沛超, 姚垚.聚合大規(guī)?？照{(diào)負(fù)荷的信息物理建模與控制方法[J].中國電機(jī)工程學(xué)報, 2019, 39(22): 6509-6520.

WANG Yongquan, ZHANG Peichao, YAO Yao.Cyber- physical modeling and control method for aggregating large-scale ACLs[J].Proceedings of the CSEE, 2019, 39(22): 6509-6520.

[21] 王蓓蓓, 胡曉青, 顧偉揚(yáng), 等.分層控制架構(gòu)下大規(guī)?？照{(diào)負(fù)荷參與調(diào)峰的分散式協(xié)同控制策略[J].中國電機(jī)工程學(xué)報, 2019, 39(12): 3514-3528.

WANG Beibei, HU Xiaoqing, GU Weiyang, et al.Hierarchical control architecture and decentralized cooperative control strategy for large scale air conditioning load participating in peak load regulation[J].Proceedings of the CSEE, 2019, 39(12): 3514-3528.

[22] 肖天穎, 裴瑋, 陳乃仕, 等.考慮空調(diào)削負(fù)荷能力不確定性的孤島最大運(yùn)行時長評估[J].中國電機(jī)工程學(xué)報, 2019, 39(17): 4982-4994, 5280.

XIAO Tianying, PEI Wei, CHEN Naishi, et al.Maximum operation duration assessment of isolated island considering the uncertainty of load reduction capability of air conditioner[J].Proceedings of the CSEE, 2019, 39(17): 4982-4994, 5280.

[23] 韓笑, 周明, 李庚銀.計及儲能和空調(diào)負(fù)荷的主動配電網(wǎng)多目標(biāo)優(yōu)化調(diào)度[J].電力系統(tǒng)保護(hù)與控制, 2018, 46(7): 14-23.

HAN Xiao, ZHOU Ming, LI Gengyin.Multi-objective optimal dispatching of active distribution networks considering energy storage systems and air-conditioning loads[J].Power System Protection and Control, 2018, 46(7): 14-23.

[24] LI N, ZHANG W, WANG L, et al.Experimental study on energy efficiency of heat-source tower heat pump units in winter condition[C] // 2011 Third International Conference on Measuring Technology & Mechatronics Automation, Shanghai, China.

[25] 陳磊, 何慧雯, 王磊, 等.基于限流器與斷路器協(xié)調(diào)的混合直流輸電系統(tǒng)故障隔離方法[J].電力系統(tǒng)保護(hù)與控制, 2020, 48(19): 119-127.

CHEN Lei, HE Huiwen, WANG Lei, et al.Fault isolation method of a hybrid HVDC system based on the coordination of a fault current limiter and a DC circuit breaker[J].Power System Protection and Control, 2020, 48(19): 119-127.

[26] 孫立明, 楊博.蓄電池/超導(dǎo)混合儲能系統(tǒng)非線性魯棒分?jǐn)?shù)階控制[J].電力系統(tǒng)保護(hù)與控制, 2020, 48(22): 76-83.

SUN Liming, YANG Bo.Nonlinear robust fractional-order control of battery/SMES hybrid energy storage systems[J].Power System Protection and Control, 2020, 48(22): 76-83.

[27] 吳鳴, 駱釗, 季宇, 等.基于模型預(yù)測控制的冷熱電聯(lián)供型微網(wǎng)動態(tài)優(yōu)化調(diào)度[J].中國電機(jī)工程學(xué)報, 2017, 37(24): 7174-7184.

WU Ming, LUO Zhao, JI Yu, et al.Optimal dynamic dispatch for combined cooling, heating and power microgrid based on model predictive control[J].Proceedings of the CSEE, 2017, 37(24): 7174-7184.

[28] 李欣悅, 李鳳婷, 尹純亞, 等.直流雙極閉鎖故障下送端系統(tǒng)暫態(tài)過電壓計算方法[J].電力系統(tǒng)保護(hù)與控制, 2021, 49(1): 1-8.

LI Xinyue, LI Fengting, YIN Chunya, et al.Transient overvoltage calculation method of HVDC sending-end system under DC bipolar blocking[J].Power System Protection and Control, 2021, 49(1): 1-8.

[29] SHCHUKINA E M, GRAHAM M, ZHENG Z, et al.Nanoencapsulation of phase change materials for advanced thermal energy storage systems[J].Chemical Society Reviews, 2018, 47(11).

[30] ARC M, BILGIN F, NIETI S, et al.PCM integrated to external building walls: an optimization study on maximum activation of latent heat[J].Applied Thermal Engineering, 2019, 165.

[31] EPDF M.Heating and cooling with a heat pump[M].Canada: Natural Resources, 2004.

[32] LU Ning.An evaluation of the HVAC load potential for providing load balancing service[J].IEEE Transactions on Smart Grid, 2012, 3(3): 1263-1270.

[33] LUO Fengji, DONG Zhaoyang, MENG Ke, et al.An operational planning framework for large-scale thermostatically controlled load dispatch[J].IEEE Transactions on Industrial Informatics, 2017, 13(1): 217-227.

[34] 國家發(fā)展改革委關(guān)于2020年光伏發(fā)電上網(wǎng)電價政策有關(guān)事項的通知[EB/OL].[2020-03-31].https://www.ndrc.gov.cn/xxgk/zcfb/tz/202004/t20200402_1225031.html.

[35] GENG G, AJJARAPU V, JIANG Q.A hybrid dynamic optimization approach for stability constrained optimal power flow[J].IEEE Transactions on Power Systems, 2014, 29(5): 2138-2149.

[36] 王孟夏, 韓學(xué)山, 楊朋朋, 等.計及電熱耦合的動態(tài)最優(yōu)潮流模型與算法[J].電力系統(tǒng)自動化, 2010, 34(3): 28-32.

WANG Mengxia, HAN Xueshan, YANG Pengpeng, et al.Dynamic optimal power flow model considering electro-thermal coupling and its algorithm[J].Automation of Electric Power Systems, 2010, 34(3): 28-32.

[37] 中國氣象數(shù)據(jù)網(wǎng)綜合實況[EB/OL].http://data.cma.cn/ dataGis/static/gridgis/#/pcindex.

[38] WEI Fanrong, LI Yuanzheng, SUI Quan, et al.A novel thermal energy storage system in smart building based on phase change material[J].IEEE Transactions on Smart Grid, 2019, 10(3): 2846-2857.

[39] 于波.微網(wǎng)與儲能系統(tǒng)容量優(yōu)化規(guī)劃[D].天津: 天津大學(xué), 2012.

YU Bo.Optimal planning of microgird and energy storage system[D].Tianjin: Tianjin University, 2012.

[40] System Advisor Model[EB/OL].https://sam.nrel.gov/.

[41] 黃南天, 包佳瑞琦, 蔡國偉, 等.多主體聯(lián)合投資微電網(wǎng)源-儲多策略有限理性決策演化博弈容量規(guī)劃[J].中國電機(jī)工程學(xué)報, 2020, 40(4): 1212-1225, 1412.

HUANG Nantian, BAO Jiaruiqi, CAI Guowei, et al.Multi-agent joint investment microgrid source-storage multi-strategy bounded rational decision evolution game capacity planning[J].Proceedings of the CSEE, 2020, 40(4): 1212-1225, 1412.

[42] HUI Z, VITTAL V, HEYDT G T, et al.A mixed-integer linear programming approach for multi-stage security- constrained transmission expansion planning[J].IEEE Transactions on Power Systems, 2012, 27(2): 1125-1133.

[43] 游陽, 荊朝霞.考慮電動汽車的車-站-路-網(wǎng)多主體聯(lián)合優(yōu)化[J].新能源汽車供能技術(shù), 2019, 3(1): 7-12.

YOU Yang, JING Zhaoxia.Vehicle-station-road-network multi-agent joint optimization considering electric vehicles[J].Energy Supply Techniques of New Energy Vehicles, 2019, 3(1): 7-12.

Dispatch strategy of heat and power cogeneration in building integrated photovoltaic

PAN Shuaiqi1, WEI Fanrong2, LIN Xiangning2, LI Zhengtian2, SUI Quan2, XU Haibo3

(1.College of Electrical Engineering and New Energy, China Three Gorges University, Yichang 443002, China;2.State Key Laboratory of Advanced Electromagnetic Engineering and Technology, Huazhong University of Science and Technology, Wuhan 430074, China; 3.East Group Co., Ltd., Dongguan 523808, China)

Given the problem that the coefficient of performance of electric auxiliary heating devices in building integrated photovoltaic decreases significantly under cold winter conditions, a novel combined heat and power supply scheduling strategy for building integrated photovoltaic is proposed.First, a new combined heat and power system with a reversible solar thermal electricity cogeneration mode and a phase change energy storage system is established.The variation of coefficient of performance of the heat pump and photovoltaic output with environmental conditions is quantified and analyzed.Secondly, a building thermal network with equivalent thermal parameters is introduced to establish a community micro-grid model with heat and power systems, and the optimization objective is to minimize the community operation cost.Finally, an algorithm of differential processing and interactive iteration of the thermodynamic-electrical side problem is introduced to achieve an efficient solution of the optimization model.The simulation verifies the feasibility and superiority of the proposed energy supply mode and coordinated scheduling strategy.This work is supported by the National Natural Science Foundation of China (No.52107095).

building integrated photovoltaic; heat and power cogeneration; phase change material energy storage system; difference method; interactive iteration

10.19783/j.cnki.pspc.210634

2021-05-27；

2021-11-08

潘帥琪(1994—), 男, 碩士研究生, 研究方向為新能源微網(wǎng)技術(shù)。E-mail:1103516574@qq.com

國家自然科學(xué)基金項目資助(52107095)；東莞市引進(jìn)創(chuàng)新科研團(tuán)隊計劃資助(201536000200036)

(編輯 許 威)