程晨,張永熙,鄧友均,顏勤

(1.長沙理工大學(xué)電氣與信息工程學(xué)院,長沙市 410114;2. 西南石油大學(xué)電氣信息學(xué)院,成都市 610500)

0 引 言

國民經(jīng)濟(jì)和電力行業(yè)的快速發(fā)展帶動了居民用電量不斷上漲?！吨袊ㄖ芎呐c碳排放研究報告(2022)》數(shù)據(jù)顯示:2020年建筑運(yùn)行階段能耗10.6億t標(biāo)準(zhǔn)煤當(dāng)量,占全國能源消費(fèi)總量的比重為21.3%,累積碳排放量達(dá)21.6億t CO2,占全國碳排放總量的比重達(dá)21.7%[1]。建筑領(lǐng)域成為實(shí)施節(jié)能減碳的重要領(lǐng)域之一[2]。采取有效的控制優(yōu)化手段、引導(dǎo)用戶側(cè)優(yōu)化用電方式、提高建筑側(cè)能源利用效率具有重大意義[3]。隨著當(dāng)前能源互聯(lián)網(wǎng)技術(shù)的發(fā)展,智能終端設(shè)備的廣泛接入、電力通信技術(shù)的進(jìn)步及高級量測體系的建設(shè)為電網(wǎng)與用戶的雙向交互奠定了基礎(chǔ)[4],家庭能量管理系統(tǒng)(home energy management system,HEMS)應(yīng)運(yùn)而生。HEMS可實(shí)現(xiàn)分布式能源的高效消納、多能互補(bǔ)、負(fù)荷削減轉(zhuǎn)移,滿足用戶對住宅環(huán)境經(jīng)濟(jì)、環(huán)保、舒適的需求[5]。

目前學(xué)術(shù)界對于HEMS的研究主要聚焦在負(fù)荷建模、能量管理、求解算法方面[6-11]。隨著光伏發(fā)電成本及電池儲能成本的持續(xù)降低,戶用家庭已開始嘗試引入分布式光伏發(fā)電系統(tǒng)和儲能電池,用戶由單一的電力消費(fèi)者轉(zhuǎn)變?yōu)椤爱a(chǎn)消者”。對智能家庭開展優(yōu)化調(diào)度和能量管理可實(shí)現(xiàn)分布式能源和儲能系統(tǒng)與家庭負(fù)荷的協(xié)調(diào)運(yùn)行,有效提升其能源利用率和用電經(jīng)濟(jì)性。文獻(xiàn)[12-14]從日前優(yōu)化調(diào)度的角度構(gòu)建家庭能量管理模型。文獻(xiàn)[12]基于日前光伏出力預(yù)測和家庭負(fù)荷預(yù)測數(shù)據(jù)建立了家庭微網(wǎng)能量優(yōu)化模型,對儲能電池在各時段的充放電量和電動汽車的充電時間進(jìn)行優(yōu)化以降低家庭用電費(fèi)用,但沒有針對家庭負(fù)荷的運(yùn)行進(jìn)行優(yōu)化。文獻(xiàn)[13]在計及光伏、儲能設(shè)備的基礎(chǔ)上綜合考慮多類家居設(shè)備,建立了分時電價環(huán)境下不同類家居設(shè)備的優(yōu)化調(diào)度策略,仿真結(jié)果表明對家居設(shè)備運(yùn)行進(jìn)行合理優(yōu)化可達(dá)到提升用電經(jīng)濟(jì)性的效果,同時減小負(fù)荷峰谷差?？紤]到光伏預(yù)測數(shù)據(jù)的不確定性,文獻(xiàn)[14]采用不確定集的形式描述光伏出力,建立了家庭光伏并網(wǎng)系統(tǒng)魯棒優(yōu)化能量調(diào)度模型,實(shí)現(xiàn)了經(jīng)濟(jì)性與魯棒性的綜合提升。單一時間尺度的能量管理模型并不能完全反映可再生能源發(fā)電和負(fù)荷預(yù)測誤差對HEMS優(yōu)化運(yùn)行的影響。文獻(xiàn)[15]建立了從日前離線優(yōu)化到實(shí)時在線決策的能量管理方法,基于日前數(shù)據(jù)建立以運(yùn)行收益最大為目標(biāo)的離線優(yōu)化模型,根據(jù)離線優(yōu)化結(jié)果實(shí)時決策電動汽車充電功率及可平移負(fù)荷的工作狀況,以實(shí)現(xiàn)分布式光伏的最大就地消納。文獻(xiàn)[16]建立了基于模型預(yù)測控制的日內(nèi)、實(shí)時多時間尺度家庭能量管理模型,根據(jù)光伏實(shí)時出力不斷調(diào)整儲能電池的出力以減少負(fù)荷、光伏預(yù)測值與實(shí)際值之間誤差的影響。然而,上述研究未考慮用戶舒適度影響。

Robathan、Preiser等學(xué)者認(rèn)為智能建筑應(yīng)具備與用戶的交互能力,以滿足不同用戶的舒適性需求[17]。文獻(xiàn)[18]基于房屋熱平衡模型構(gòu)建考慮熱舒適約束的HEMS優(yōu)化模型,在節(jié)省用電費(fèi)用的同時進(jìn)行溫度管理。文獻(xiàn)[19]則引入熱感覺平均標(biāo)度預(yù)測指標(biāo)(predicted mean vote,PMV)以精確評估溫度對人體舒適度的影響,提出了一種考慮PMV約束的住宅能源管理模型。以上研究將用戶舒適度作為約束條件納入優(yōu)化模型中,采用混合整數(shù)線性規(guī)劃(mixed integer linear programming,MILP)方法實(shí)現(xiàn)對HEMS優(yōu)化問題的求解。然而,當(dāng)考慮多個優(yōu)化目標(biāo)或模型為非線性時,傳統(tǒng)優(yōu)化方法不再適用。文獻(xiàn)[20]從經(jīng)濟(jì)性和用電舒適度兩方面設(shè)計智能家居負(fù)荷調(diào)度策略,并采用多目標(biāo)粒子群算法(multi-objective particle swarm optimization,MOPSO)實(shí)現(xiàn)多目標(biāo)優(yōu)化。文獻(xiàn)[21]在文獻(xiàn)[20]的基礎(chǔ)上,采用功效系數(shù)法建立了考慮經(jīng)濟(jì)性、溫度舒適度和用電舒適度的HEMS多目標(biāo)優(yōu)化模型,并對MOPSO進(jìn)行改進(jìn)以提升其收斂速度。為避免負(fù)荷大量地向低電價時段轉(zhuǎn)移形成新的用電高峰,文獻(xiàn)[22]進(jìn)一步綜合考慮經(jīng)濟(jì)性、溫度舒適度、用電舒適度和負(fù)荷峰均比等優(yōu)化目標(biāo)構(gòu)建多目標(biāo)優(yōu)化調(diào)度模型,并采用改進(jìn)天牛須算法對模型進(jìn)行求解。本文在前期研究工作中[23]首次引入聽覺舒適度的概念以量化家庭負(fù)荷運(yùn)行噪聲對室內(nèi)聲環(huán)境的影響。然而,建筑室內(nèi)環(huán)境是聲環(huán)境、光環(huán)境、熱環(huán)境等多參數(shù)強(qiáng)耦合的復(fù)雜系統(tǒng),各個環(huán)境參數(shù)的變化都會對用戶舒適性產(chǎn)生影響。

當(dāng)前國內(nèi)外已有大量針對家庭能量管理的研究。然而,許多文獻(xiàn)都基于單一的能量平衡尺度進(jìn)行優(yōu)化調(diào)度[15-16]。住宅能源系統(tǒng)存在電、熱、氣等多個子網(wǎng)絡(luò),不同能源網(wǎng)絡(luò)之間運(yùn)行特性和響應(yīng)時間存在很大差異,電能供需要求實(shí)時平衡,而建筑圍護(hù)具有隔熱蓄熱特性,房間熱量耗散與溫度變化相較于電氣特征量不會迅速發(fā)生變化,存在一定延遲特性[24-25]。因此,可根據(jù)電、熱系統(tǒng)不同的傳輸特性和能量慣性對電、熱系統(tǒng)采取分時間尺度調(diào)度,充分利用熱能供需差異,進(jìn)一步提升住宅用能的靈活性。

考慮到上述問題,本文提出一種考慮多重舒適度的HEMS分時間尺度優(yōu)化調(diào)度策略。首先,基于負(fù)荷運(yùn)行特性對典型家庭用電設(shè)備進(jìn)行分類及建模;考慮到建筑室內(nèi)環(huán)境多參數(shù)耦合效應(yīng),創(chuàng)新性地提出熱-聲-光多維度舒適度指標(biāo)。針對電、熱能源系統(tǒng)傳輸特性和能量慣性差異,構(gòu)建分時間尺度優(yōu)化調(diào)度策略,對溫控負(fù)荷采取小時級的長時間尺度調(diào)度以滿足用戶的熱舒適,對非溫控負(fù)荷采取15 min級的短時間尺度調(diào)度以滿足用戶的視、聽舒適,并針對所提出的高維優(yōu)化模型提出相應(yīng)求解算法。最后,以某智能家庭在典型日的用電數(shù)據(jù)為例進(jìn)行仿真,驗(yàn)證本文所提策略的有效性。

1 家庭能源資源建模

本文考慮的HEMS整體結(jié)構(gòu)如圖1所示,其包括空調(diào)(heating, ventilation and air conditioning,HVAC)、電熱水器、洗碗機(jī)、洗衣機(jī)、電冰箱、干衣機(jī)、吸塵器等家庭用電負(fù)荷以及戶用電池儲能系統(tǒng),HEMS由戶用光伏和外部電網(wǎng)獲取電能。

圖1 HEMS結(jié)構(gòu)Fig.1 Structure of the home energy management system

1.1 光伏系統(tǒng)模型

戶用光伏電池板的輸出功率與太陽輻射強(qiáng)度、光伏板的面積和光電轉(zhuǎn)換效率有關(guān),可表示為:

(1)

1.2 家庭常用負(fù)荷建模

基于負(fù)荷特性將家庭負(fù)荷分為溫控負(fù)荷和非溫控負(fù)荷。根據(jù)非溫控負(fù)荷的用電彈性、負(fù)荷運(yùn)行特性及用戶對負(fù)荷使用的需求程度將非溫控負(fù)荷細(xì)分為基礎(chǔ)用電負(fù)荷(base appliance,BA)、可時移負(fù)荷(time-shiftable appliance,TSA)和功率可調(diào)負(fù)荷(power adjustable appliance,PAA)。

1.2.1 非溫控負(fù)荷建模

1)基礎(chǔ)用電負(fù)荷:基礎(chǔ)用電負(fù)荷在很大程度上反映了用戶的生活剛需,一般不參與需求響應(yīng)。

(2)

(3)

1.2.2 溫控負(fù)荷建模

1.2.2.1 HVAC系統(tǒng)建模

HVAC系統(tǒng)工作狀態(tài)取決于室內(nèi)溫度和用戶熱舒適度。室內(nèi)溫度變化主要受到室外溫度和建筑圍護(hù)結(jié)構(gòu)傳熱特性的影響。參考文獻(xiàn)[26],室內(nèi)溫度可由式(4)所示的微分方程計算:

(4)

(5)

(6)

(7)

式中:K為建筑圍護(hù)結(jié)構(gòu)的傳熱系數(shù);As為建筑圍護(hù)結(jié)構(gòu)面積;N為空氣交換次數(shù)。

1.2.2.2 電熱水器建模

電熱水器內(nèi)熱水的溫度變化需要考慮熱水使用量和與環(huán)境的熱交換兩部分的影響。其熱力學(xué)動態(tài)過程可用式(8)—(10)描述[6]。

(8)

(9)

當(dāng)用戶在第h個時段消耗熱水,水箱底部會注入一定量的冷水以保持家庭用水量充足,此時應(yīng)對水箱內(nèi)水溫進(jìn)行修正,表示為:

(10)

2 用戶多重舒適度建模

居民住宅作為一個以用戶為中心的多參數(shù)、強(qiáng)耦合復(fù)雜系統(tǒng),對人體的影響不僅體現(xiàn)在室內(nèi)溫度上,照明、室內(nèi)外噪聲均會對人體舒適度產(chǎn)生影響。為此,本文提出了考慮熱-聲-光的用戶多重舒適度模型。

2.1 熱舒適度

PMV指標(biāo)nPMV是評估室內(nèi)熱舒適度的國際通用指標(biāo),PMV指標(biāo)的大小與多種因素密切相關(guān),計算較為復(fù)雜,工程上常采用的簡化公式為:

(11)

式中:Ts為人體在熱舒適狀態(tài)下的平均皮膚溫度,取33.5 ℃;M為人體能量代謝率;Icl為服裝熱阻。

2.2 聽覺舒適度

聽覺舒適度除了與用戶的聽覺系統(tǒng)有關(guān),還與聲音的特性有關(guān)。通常噪聲帶來的不舒適度會隨著聲壓級的增大而增大,而用戶在樂音背景下的不舒適度隨聲壓級的增大而減小。其中室內(nèi)負(fù)荷聲壓級可表示為室內(nèi)所有負(fù)荷聲壓級之和[23]。

(12)

(13)

2.3 視覺舒適度

視覺舒適度是評價人體處于光和光介質(zhì)環(huán)境下視覺神經(jīng)系統(tǒng)是否感到舒適的主觀評價指標(biāo)。過于昏暗或明亮的光照環(huán)境都易引起視覺不適感。室內(nèi)光照強(qiáng)度主要由兩部分組成:自然光照強(qiáng)度Enl和室內(nèi)照明系統(tǒng)的光照強(qiáng)度Elight。前者主要與建筑結(jié)構(gòu)的窗墻比、房屋朝向等因素相關(guān);后者受照明系統(tǒng)的光源種類、燈具數(shù)量、房間面積、燈具的利用系數(shù)等因素的影響[27-28]。室內(nèi)總照度的計算公式為:

(14)

以韋伯-費(fèi)昔勒定律為基礎(chǔ),視覺舒適度指標(biāo)建模表示為[29]:

?t=a0+a1lnEt+a2(lnEt)2+…+an(lnEt)n

(15)

式中:?t為視覺舒適度指標(biāo);a0,a1,a2,…,an由實(shí)驗(yàn)數(shù)據(jù)確定;n與室內(nèi)光環(huán)境有關(guān),一般取3或4。

3 HEMS分時間尺度優(yōu)化調(diào)度模型

根據(jù)居民住宅電、熱系統(tǒng)不同的能源傳輸特性和能量慣性,構(gòu)建分時間尺度優(yōu)化調(diào)度模型,如圖2所示。分別包括:考慮熱能慢響應(yīng)特性的長時間尺度優(yōu)化模型與考慮電能快響應(yīng)特性的短時間尺度優(yōu)化模型。以運(yùn)行費(fèi)用最少為目標(biāo),長時間尺度模型決策溫控負(fù)荷的啟停與儲能電池的充、放電量,并考慮熱舒適約束;短時間尺度模型決策TSA的啟停狀態(tài)與PAA的出力,并考慮用戶聽覺和視覺舒適約束。長時間尺度優(yōu)化和短時間尺度優(yōu)化的時間間隔分別為Δh和Δt。

圖2 HEMS分時間尺度優(yōu)化調(diào)度示意Fig.2 Schematic diagram of HEMS scheduling optimization by time scale

3.1 長時間尺度優(yōu)化模型

3.1.1 目標(biāo)函數(shù)

結(jié)合氣象預(yù)測信息,同時考慮住宅溫度和用戶用能需要,以溫控負(fù)荷為調(diào)度對象構(gòu)建長時間尺度優(yōu)化調(diào)度模型。在保證住宅熱舒適和水溫舒適的同時,使得運(yùn)行費(fèi)用最小?？紤]到溫控負(fù)荷均為大功率負(fù)荷,因此光伏出力優(yōu)先為溫控負(fù)荷供電。

(16)

3.1.2 約束條件

1)功率平衡約束。

(17)

2)購電/售電功率約束。

(18)

3)儲能系統(tǒng)運(yùn)行約束。

(19)

(20)

(21)

4)溫控負(fù)荷運(yùn)行約束。

(22)

(23)

式中:Phvac,s、Pewh,s分別為HVAC和電熱水器的待機(jī)功率;Pewh,r為電熱水器的額定功率;Dhvac、Dewh分別為HVAC和電熱水器運(yùn)行時段集合。式(22)、(23)確保溫控負(fù)荷在用戶規(guī)定的時間范圍內(nèi)運(yùn)行。

5)電熱水器水溫約束。

(24)

6)熱舒適度約束。

我國《民用建筑供暖通風(fēng)與空氣調(diào)節(jié)設(shè)計規(guī)范》規(guī)定PMV值宜處于[-1,1]之間[30]:

-1≤nPMV≤1

(25)

3.2 短時間尺度優(yōu)化模型

3.2.1 目標(biāo)函數(shù)

短時間尺度優(yōu)化在長時間尺度優(yōu)化的基礎(chǔ)上,以住宅內(nèi)非溫控負(fù)荷為調(diào)度對象構(gòu)建優(yōu)化調(diào)度模型。在保證用戶聽覺舒適和視覺舒適的同時,使得非溫控負(fù)荷總運(yùn)行成本最小。

(26)

式中:T為短時間尺度優(yōu)化總時段數(shù)。

3.2.2 約束條件

短時間尺度優(yōu)化的約束條件包括功率平衡約束、購電功率約束、TSA運(yùn)行約束、PAA運(yùn)行約束、聽覺舒適度約束和視覺舒適度約束。

1)功率平衡約束。

(27)

2)購電功率約束。

(28)

3)TSA運(yùn)行約束。

(29)

式(29)確保每個TSA必須在完成任務(wù)后才可以關(guān)閉。

4)PAA運(yùn)行約束。

(30)

(31)

式(30)為PAA的運(yùn)行功率上下限約束;式(31)確保每個PAA必須在用戶規(guī)定的時間范圍內(nèi)運(yùn)行。

5)聽覺舒適度約束。

任一時刻室內(nèi)聲壓級不能超過用戶允許的最大聲壓級:

(32)

6)視覺舒適度約束。

視覺舒適度應(yīng)時刻維持在滿足用戶視覺舒適的范圍內(nèi):

?min≤?t≤?max

(33)

式中:?min、?max分別為滿足用戶視覺舒適的最小視覺舒適度和最大視覺舒適度。

3.3 模型求解方法

分時間尺度優(yōu)化模型包含多個等式約束和不等式約束,長時間尺度模型目標(biāo)函數(shù)、約束條件均為線性,可在MATLAB軟件中采用YALMIP工具箱進(jìn)行建模,通過調(diào)用Cplex求解器實(shí)現(xiàn)模型求解,得到溫控負(fù)荷的運(yùn)行決策和儲能電池在各時段的充放電量;短時間尺度模型為高維非線性0-1整數(shù)優(yōu)化問題,采用改進(jìn)二進(jìn)制粒子群算法 (binary particle swarm optimization,BPSO)[31]對模型進(jìn)行求解,以一天T個時段所有非溫控負(fù)荷的運(yùn)行狀態(tài)為決策變量,模型求解流程如圖3所示。

圖3 求解流程Fig.3 Solution flow chart

為避免BPSO在解決復(fù)雜高維優(yōu)化問題時陷入局部極值,本文對粒子慣性權(quán)重和學(xué)習(xí)因子等參數(shù)進(jìn)行自適應(yīng)調(diào)整以優(yōu)化粒子個體的尋優(yōu)能力[32]。

1)慣性權(quán)重ω的取值將影響整個迭代過程的收斂性與優(yōu)化結(jié)果。為平衡粒子的局部尋優(yōu)能力和全局尋優(yōu)能力,使慣性權(quán)重隨迭代次數(shù)線性遞減。

(34)

式中:ωmax、ωmin分別為預(yù)設(shè)的慣性權(quán)重的最大值和最小值;d為當(dāng)前迭代次數(shù);Dmax為最大迭代次數(shù)。

2)學(xué)習(xí)因子c1越大算法全局搜索能力越強(qiáng),c2越大越有利于算法的收斂。因此,為避免算法在前期陷入局部最優(yōu)的局面,在前期c1取較大值,c2取較小值,使粒子傾向于全局搜索;為實(shí)現(xiàn)后期算法快速收斂于全局最優(yōu)解,在后期c2取較大值,c1取較小值。因此,對c1、c2采取如下的動態(tài)調(diào)整策略:

(35)

式中:cmax、cmin分別為預(yù)設(shè)的學(xué)習(xí)因子的最大值和最小值。

4 算例仿真與分析

4.1 情景設(shè)定及參數(shù)設(shè)置

本算例以南方某民居為例,房屋面積為120 m2,層高4 m,外墻采用370 mm實(shí)心黏土磚,圍護(hù)結(jié)構(gòu)總面積為380 m2,窗戶面積為8 m2。戶用光伏太陽能電池板的面積為10 m2,光電轉(zhuǎn)換效率為18.6%,其中夏、冬典型日光伏發(fā)電曲線、室外溫度曲線如圖4所示。

圖4 夏、冬典型日光伏出力及室外溫度Fig.4 Photovoltaic output and outdoor temperature in typical summer and winter days

儲能系統(tǒng)選用容量為1.5 kW·h的LiFePO4電池,充放電效率均為95%,最大充、放電功率分別取1 kW和0.8 kW,電池初始SOC為0.4,SOC上下限分別為0.9和0.1,限制儲能電池每日最多完整充放電兩次。算例選取的分時電價及售電電價數(shù)據(jù)參考文獻(xiàn)[13]?；A(chǔ)用電負(fù)荷在典型日下的用電概況如圖5所示。溫控負(fù)荷運(yùn)行參數(shù)見表1。

表1 溫控負(fù)荷參數(shù)設(shè)置Table 1 TCAs parameter Settings

圖5 4種典型日下基礎(chǔ)用電負(fù)荷用電概況Fig.5 Profile of base electricity load in four typical days

本文選取8種TSAs,包括6種不可中斷負(fù)荷和2種可中斷負(fù)荷。PAAs為照明系統(tǒng),考慮住宅存在2種光源。非溫控負(fù)荷的可運(yùn)行時段及運(yùn)行參數(shù)如表2—4所示。住宅采光系數(shù)參考《建筑采光設(shè)計標(biāo)準(zhǔn)》取標(biāo)準(zhǔn)值2%[33],照明光源的選擇及參數(shù)設(shè)置參考《建筑照明設(shè)計標(biāo)準(zhǔn)》[34],夏,冬兩季住宅內(nèi)自然光照強(qiáng)度如圖6所示,照明方式采用均勻照明,光源色調(diào)為暖色調(diào),根據(jù)綠色照明理論[29],?min和?max分別取0.8和1.0?，F(xiàn)行規(guī)范規(guī)定[35],居民住宅晝間噪聲聲壓級最高不應(yīng)超過60 dB,夜間休息時不應(yīng)超過40 dB,各時段不可控環(huán)境噪聲聲壓及聲壓閾值如圖7所示。

表2 基礎(chǔ)用電負(fù)荷運(yùn)行參數(shù)Table 2 Operating parameters of BAs

表3 可時移負(fù)荷運(yùn)行參數(shù)Table 3 Operating parameters of TSAs

表4 功率可調(diào)負(fù)荷運(yùn)行參數(shù)Table 4 Operating parameters of PAAs

圖6 夏、冬典型日室內(nèi)自然光照強(qiáng)度Fig.6 Indoor natural light intensity in typical summer and winter days

圖7 各時段聲壓閾值及不可控環(huán)境噪聲聲壓Fig.7 Sound pressure threshold and ambient noise pressure in each period

算例選取4個典型日:夏季工作日、夏季休息日、冬季工作日、冬季休息日,調(diào)度區(qū)間為00:00—24:00。長時間尺度調(diào)度將一天均分為24個時間段;短時間尺度調(diào)度將一天均分為96個時間段,每個調(diào)度時段為15 min。

4.2 仿真結(jié)果分析

為驗(yàn)證本文所提多時間尺度優(yōu)化調(diào)度策略有效性,設(shè)定如下3種對比場景:

場景1:不采用任何優(yōu)化調(diào)度策略;

場景2:采用本文所提出的優(yōu)化調(diào)度模型,但只考慮用戶熱舒適度;

場景3:采用本文所提的優(yōu)化調(diào)度模型,考慮用戶多重舒適度。

4.2.1 長時間尺度優(yōu)化結(jié)果分析

值得提出的是,由于熱舒適度只作用于長時間尺度,故場景2、3下溫控負(fù)荷運(yùn)行方式基本一致。圖8展現(xiàn)了場景2、3下4個典型日的室溫變化,通過調(diào)節(jié)HVAC系統(tǒng)的運(yùn)行狀態(tài),可在減少用能成本的同時,最大程度地保證用戶熱舒適。從圖8可以看到,在工作日HVAC系統(tǒng)提前開啟進(jìn)行預(yù)熱/預(yù)冷。當(dāng)夏季室溫高于28 ℃,HVAC系統(tǒng)啟動制冷;當(dāng)冬季室溫低于18 ℃時,HVAC系統(tǒng)啟動制熱,保證室內(nèi)溫度在舒適范圍內(nèi)。

圖8 場景2、3下4種典型日的HVAC系統(tǒng)狀態(tài)優(yōu)化及室內(nèi)溫度變化Fig.8 HVAC operation states optimization and indoor temperature in four typical days under scenario 2 and 3

圖9為場景2、3下夏季休息日電熱水器水溫的變化曲線,算例中用戶夏季舒適水溫區(qū)間設(shè)置為35～45 ℃。從圖9可以看出,在07:00和18:00電熱水器提前開啟對水箱內(nèi)的水進(jìn)行預(yù)熱,以保證用戶在08:00—11:00和19:00—22:00的用水需求。在預(yù)熱后的下一時段,水溫下降較快,這主要是因?yàn)榇藭r電熱水器水溫已達(dá)水溫上限,電熱水器進(jìn)入保溫狀態(tài),此時為保證電熱水器水箱內(nèi)水量充足,會自動補(bǔ)充一定量的冷水,當(dāng)熱水器水溫到達(dá)水溫下限時,停止注入冷水。

圖9 場景2、3下夏季休息日電熱水器水溫變化Fig.9 Water temperature changes in the water heater during summer rest day under scenario 2 and 3

圖10展現(xiàn)了場景2、3下4個典型日儲能電池的充、放電功率。從圖10可以看到,儲能系統(tǒng)在工作日的充電行為主要為00:00—07:00的電價谷時段,放電行為集中于早/晚時段以滿足該時段溫控負(fù)荷出力;在休息日儲能系統(tǒng)的充放電行為多集中于10:00—15:00,此時段為光伏高發(fā)時段,在此時段充電以消納光伏出力;同時此時段也為電價峰值時段,因此儲能電池放電以滿足用電需求,減少溫控負(fù)荷用電費(fèi)用。

圖10 場景2、3下4個典型日儲能充放電功率Fig.10 Charging and discharging power of BESS in four typical days under scenario 2 and 3

4.2.2 短時間尺度優(yōu)化結(jié)果分析

圖11對比了3種場景下夏季休息日TSAs的運(yùn)行時間。從圖11(a)可以看到,場景1大部分TSAs的運(yùn)行集中在18:00—22:00的電價峰值期,TSAs的總用電費(fèi)用為8.21元。場景2下,TSAs都在低電價時段運(yùn)行,TSAs的總用電費(fèi)用下降至4.29元,較場景1降低了47.75%,但TSAs的集中運(yùn)行造成多個時段室內(nèi)聲壓超過閾值,用戶聽覺舒適較低。場景3下,運(yùn)行噪聲較大負(fù)荷如吸塵器的運(yùn)行時段被轉(zhuǎn)移至07:00—09:00和18:00—22:00,相較場景2用戶聽覺舒適度得到明顯改善,但TSAs的總運(yùn)行費(fèi)用略有上升至5.02元,較場景2上升了17.02%。

圖12對比了場景2和場景3下夏、冬休息日PAAs的出力及用戶視覺舒適度取值曲線。場景2中,PAAs始終以最低功率運(yùn)行以節(jié)省用電費(fèi)用,在夏季的早晚時段,室內(nèi)自然光照強(qiáng)度較小,若不增大PAAs出力會導(dǎo)致室內(nèi)過暗,而在10:00—15:00,室內(nèi)自然光照強(qiáng)度的增大又會導(dǎo)致室內(nèi)過亮;冬季的大部分時段,由于室內(nèi)自然光照強(qiáng)度較小,PAAs以最低功率運(yùn)行導(dǎo)致室內(nèi)光線過暗。場景3中,PAAs根據(jù)室內(nèi)自然光照強(qiáng)度調(diào)節(jié)運(yùn)行狀態(tài)及出力大小,使室內(nèi)照度始終維持在用戶視覺舒適度范圍內(nèi)。

圖12 場景2、3下夏、冬兩季休息日視覺舒適度對比Fig.12 Visual comfort comparison on summer and winter rest days under scenario 2 and 3

為驗(yàn)證本文所提優(yōu)化算法的有效性,表5給出了3個運(yùn)行場景下考慮不同舒適度時的總用電費(fèi)用。當(dāng)僅考慮用戶熱舒適度時,系統(tǒng)運(yùn)行成本最低,在4個典型日下的用電費(fèi)用較場景1分別下降了41.66%、39.98%、19.4%、36.78%。場景3下納入用戶聽覺舒適度與視覺舒適度后,4個典型日下用電費(fèi)用較場景2略有上升,但用戶綜合舒適度得到了保證。

表5 不同場景下的總用電費(fèi)用對比Table 5 Comparison of electricity cost in differerrt scenarios

5 結(jié) 論

本文提出了考慮用戶多重舒適度的分時間尺度家庭能量管理策略。所提策略考慮到建筑室內(nèi)環(huán)境多參數(shù)耦合效應(yīng),構(gòu)建了用戶熱-聲-光多維度舒適度指標(biāo)。針對電、熱能源系統(tǒng)傳輸特性和能量慣性差異,以總用電費(fèi)用最小為優(yōu)化目標(biāo),建立分時間尺度優(yōu)化調(diào)度模型,分別基于Cplex求解器和改進(jìn)BPSO對分時間尺度運(yùn)行模型進(jìn)行求解。算例計算結(jié)果表明,本文所提優(yōu)化策略能夠在保證用戶多重舒適度的同時優(yōu)化HEMS的運(yùn)行,滿足用戶對住宅環(huán)境經(jīng)濟(jì)、舒適的要求。將用戶聽覺舒適與視覺舒適納入優(yōu)化模型會造成家庭用電費(fèi)用略有上升,但用戶綜合舒適度得到了提升。