💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
⛳️赠与读者
👨💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎
💥1 概述
考虑需求侧响应的智慧楼宇多时间尺度调度策略研究
上世纪末期，需求响应技术初次介入电力市场参与用电调控。需求响应技术参与市场调控可保障电力系统运行的稳定性，降低电网峰谷差、负荷均方差，同时降低需求侧用电成本及提高能源消纳率[10]。其调控市场的方式是运用价格机制和补偿机制，在满足用户需求响应满意度的前提下，优化楼宇综合能源系统运行方案与用电效率。需求侧响应根据不同的驱动源，可以分为激励型需求响应(Incentive-based DemandResponse, IDR)与价格型需求响应(Price-based Demand Response, PDR)两类[11]。激励型需求响应指电网或售电公司直接采用政策激励或用电补偿的方式，引导需求侧参与电力系统的调度，比如在电力系统的负荷高峰时，接受政策激励或用电补偿，实现削减负荷。用户以此可获得电费折扣或直接得到削减负荷补偿金[12]。价格型需求响应机制指通过定制分时电价、实时电价等措施，改变不同时段的电价，用户依据电价信息主动改变自身的电力消费行为[13]。IDR 侧重于实时控制，在电力系统运行的紧急时刻，通过控制中心直接向下发送调节命令，参与实时需求响应的用户响应快速削减用电或停止用电，IDR 具有响应速度快、可靠性高等优点[14]。PDR 则主要是通过电价机制，培养用户的用电习惯，让用户主动参与调控。这种方式的调节能力较低，适合长期调度，不适用于突发故障处理[15]。
我们的研究聚焦于智慧楼宇多时间尺度调度问题，考虑了需求侧的响应。具体而言，我们关注楼宇综合能源系统的设备组成结构，包括屋顶光伏系统、冷-热-电联供系统中的燃气轮机、燃气锅炉、光伏溴化锂制冷机、卡琳娜余热发电系统、中央空调系统以及外网交互系统的配电网电功率交互与天然气管网交互。同时，我们考虑了冷-热-电负荷侧的弹性电价需求响应，包括电动汽车负荷、可平移电负荷以及可削减的温控需求响应负荷等。我们通过数学建模，将这些因素融入多时间尺度优化调度中，以获得日前、日内和实时不同阶段的最佳调度结果。
我们采用Matlab和YALMIP进行求解，使用Gurobi作为求解器，将程序分为四个部分：日前调度、日内非滚动调度、日内滚动调度以及实时修正。
近年，可再生能源的发展加快，并网规模也大幅度增加，其带来的不确定性也在增加综合能源系统运行的波动性。综合能源系统为了解决可再生能源带来的不确定性，会产出高于用电需求的电量用以备用，这造成了弃风弃光量的增加[22]。如今多时间尺度调度策略多为滚动调度，国内外主流学派常将多时间尺度调度分为以下几个阶段：第一阶段是日前调度，研究各类机组出力、需求测响应资源量等各个方面 [23]；第二类是日内调度阶段，主要针对短时间尺度的调度协调问题，研究各类机组的调度成本、需求侧响应速度、系统稳定运行的约束及对日前调度计划的修正[24]；第三类是实时修正阶段，利用真实的源荷曲线，进行优化调度，制定修正偏差的实时调度计划，更贴合实际控制需求。
一、多时间尺度调度的基本框架
智慧楼宇作为能源系统的关键节点，其多时间尺度调度策略通过将日前、日内非滚动、日内滚动和实时修正调度有机结合，实现对可再生能源波动性和需求侧灵活性的动态响应。各阶段时间分辨率逐级细化（小时→15分钟→5分钟→秒级），形成“预测-计划-执行-修正”闭环。需求侧响应（DR）作为核心调节手段，贯穿于各阶段，通过价格信号（如分时电价）和激励补偿机制引导用户负荷调整，提升系统经济性与可靠性。
二、各阶段调度策略的技术要点
1. 日前调度
定义与目标
以24小时为周期，以小时为单位制定机组启停、储能充放电及负荷响应计划，目标包括：
- 经济性：最小化运行成本（燃料、维护、购电成本）；
- 环保性：降低碳排放，例如通过虚拟电厂整合分布式能源；
- 可靠性：平衡供需波动，考虑光伏出力预测、室外温度等参数。
优化方法
- 多场景随机规划：生成风光出力及负荷预测的典型场景，优化期望成本；
- 模糊机会约束：处理预测不确定性，如模糊化负荷波动范围；
- 分层优化：分阶段制定日前计划与日内调整。
智慧楼宇应用现状
- 动态电价激励：通过分时电价（TOU）引导可转移负荷（如电动汽车充电）削峰填谷；
- 虚拟储能集成：将温控负荷（TCLs）和电动汽车虚拟化为储能，参与日前调度；
- 多目标优化：以运行成本与净负荷波动方差最小为目标，结合储能损耗成本、激励成本等。
挑战
- 可再生能源预测精度不足导致计划偏差；
- 用户舒适度与负荷削减的权衡。
2. 日内非滚动调度
定义与特点
在日前计划基础上，以15分钟为间隔制定未来数小时的非滚动调整计划，仅执行首个时段指令，不进行滚动更新。其核心是静态修正，重点解决风光出力与负荷的短期偏差。
优化目标
- 最小化系统综合成本（能源购买、设备维护、激励型DR成本）；
- 平滑楼宇与电网交互功率波动。
技术实现
- 输入数据：超短期风光出力预测、实时负荷数据；
- 约束条件：继承日前模型的能量平衡、设备运行约束；
- 修正策略：调整储能充放电计划、可中断负荷（如空调群）。
智慧楼宇案例
- 动态激励电价模型：基于等效负荷峰谷差重新划分电价时段，激励负荷转移；
- 空调群优先级控制：根据热惯性评估负荷响应能力，动态调整出力。
挑战
- 非滚动优化对突发波动的适应性有限；
- 设备频繁启停可能增加维护成本。
3. 日内滚动调度
定义与特点
以15分钟为滚动窗口，结合最新预测数据动态更新未来1小时内的调度计划，执行首个15分钟指令后再次滚动优化。其核心是 模型预测控制（MPC） ，通过反馈校正提升计划精度。
优化模型
- 目标函数：最小化偏差惩罚成本与调整成本（如公式：min∑(C偏差惩罚+C调整)min∑(C偏差惩罚+C调整)）；
- 约束条件：能量平衡、设备变工况运行限制（如燃气轮机最小启停时间）。
关键技术
- 分层滚动优化：针对电、热、气不同响应速度，分慢速、中速、快速层修正；
- 调整成本建模：考虑设备状态频繁切换对寿命的影响（如氢储能系统电解槽）。
智慧楼宇应用
- 电-氢协同：日前安排电解槽制氢计划，日内根据风电偏差调整储氢罐释放策略；
- 温控负荷预测控制：基于室内温度反馈滚动调整空调群出力。
挑战
- 高频优化导致计算复杂度高；
- 设备状态切换成本与调度经济性的平衡。
4. 实时修正调度
定义与特点
以分钟级时间尺度，基于实时测量数据（如风光出力、负荷）快速修正日前和日内计划，平抑秒级波动。其核心是动态反馈机制，依赖快速响应的DR资源（如直接负荷控制）。
优化目标
- 最小化运行偏差（如发电机出力偏差、储能充放电偏差）；
- 保障电网安全约束（潮流、电压稳定性）。
实施方式
- 分层修正：慢速层（热负荷）、中速层（气负荷）、快速层（电负荷）依次平抑波动；
- 强化学习应用：基于多智能体深度强化学习（MADDPG）实现分布式实时调整。
智慧楼宇案例
- V2B系统实时响应：电动汽车根据电网频率信号快速调整充放电功率；
- 中央空调群控：通过模糊逻辑控制实时调节送风量，维持室内温湿度。
挑战
- 实时通信延迟影响控制效果；
- 用户隐私与负荷控制权限的冲突。
三、需求侧响应的多阶段协同机制
需求侧响应贯穿各调度阶段，其协同策略如下：
| 调度阶段 | DR类型 | 实施方式 |
|---|---|---|
| 日前 | 价格型（TOU） | 提前发布分时电价，引导用户转移负荷 |
| 日内非滚动 | 激励型（IDR） | 签订可中断负荷协议，补偿用户短期负荷削减 |
| 日内滚动 | 混合型 | 结合实时电价（RTP）与直接负荷控制（DLC），动态调整空调、照明等负荷 |
| 实时修正 | 紧急型（EDR） | 通过需求侧竞价（DSB）快速调用备用容量 |
四、多时间尺度协同优化方法
-
模型预测控制（MPC）
在日内和实时阶段采用滚动优化，通过有限时域预测与反馈校正降低不确定性影响。例如，冷热电联供系统通过MPC动态调整储热罐与燃气轮机出力。 -
跨时间尺度配额修正
在碳交易机制下，将日前碳排放配额传递至日内和实时阶段，动态调整机组出力权重。 -
虚拟储能聚合
将楼宇的可控负荷（如电梯、水泵）虚拟化为储能，参与多时间尺度功率平衡。
五、研究挑战与未来方向
-
关键挑战
- 预测精度与成本权衡：高精度预测需高昂监测设备，如何在成本约束下提升预测可靠性；
- 多主体利益协调：楼宇用户、电网、能源服务商的目标冲突，需设计公平的利益分配机制；
- 算法实时性瓶颈：复杂优化模型难以满足分钟级计算需求，需开发轻量化算法。
-
未来方向
- 数字孪生技术：构建楼宇能源系统的数字镜像，实现调度策略的虚拟测试与优化；
- 区块链与DR结合：通过智能合约自动执行需求响应协议，提升交易透明度。
结论
智慧楼宇多时间尺度调度通过“粗调→细调→微调”的分级策略，实现了从长期计划到秒级控制的闭环管理。需求侧响应作为核心柔性资源，需与储能、可再生能源深度协同，未来需进一步突破跨尺度耦合建模、分布式优化算法等技术瓶颈，推动楼宇能源系统向“零碳”目标演进。
📚2 运行结果
2.1 日前调度
2.2 日内非滚动调度
2.3 日内滚动调度
2.4 实时修正
部分代码：
%% 基础参数
T=96;
%燃气轮机
k_up=-0.5; %燃气轮机电热耦合区间的上限斜率
k_down=0.8; %燃气轮机电热耦合区间的下限斜率
H_CHP_max=400; %燃气轮机最大产热
E_CHP_max=380; %燃气轮机最大发电
E_CHP_min=100; %燃气轮机最小发电
E_CHP_O=180; %燃气轮机最大产热时的发电功率
P_gas=3.5; %天然气单价/m3
n_E_CHP=0.4; %燃气轮机发电效率
Q_gas=3.60E+07; %天然气的热值J/m3
P_on_CHP=50;%燃气轮机单次开机成本
P_off_CHP=50;%燃气轮机单次关机成本
P_E_CHP=0.05;%燃气轮机单位发电功率维护成本
P_H_CHP=0.05;%燃气轮机单位产热功率维护成本
k_CO2_gas =1.885e-3; %单位体积天然气完全燃烧释放CO2的质量 吨/m3
%燃气锅炉
n_GB=0.9; %燃气锅炉产热效率
%碳交易
lamda=50;%阶梯正负碳交易基价
a=0.2; %碳交易价格增长倍率因子
l=5;%碳交易区间长度 t
%溴化锂制冷机
n_L_XHL=0.327; %溴化锂制冷机余热制冷效率
P_XHL=0.05; %溴化锂制冷机的单位制冷功率维护成本
%卡琳娜余热发电
n_E_KLN=0.25; %卡琳娜余热发电效率
P_KLN=0.05;%单位卡琳娜余热发电运行成本
%主网购售电、天然气
E_Grid_max=20000; %主网购售电功率限制
G_Grid_max=2000; %主网购买天然气功率限制
%磷酸铁锂电池组
n_Eess_zfd=0.995;n_EessC=0.95;n_EessDisC=0.95;%电储能容量/自损/充热/放热；
PEEss=0.05;
EEssC_max=200;%磷酸铁锂电池组充电功率限制
EEssD_max=200;%磷酸铁锂电池组放电功率限制
S_EEss_max=2000;%磷酸铁锂电池组荷电量上限
S_EEss_min=400;%磷酸铁锂电池组荷电量下限
S_Eess_o=1000;%磷酸铁锂电池组荷电量初始值
%固体储热装置
n_Hess_zfr=0.995;n_HessC=0.95;n_HessDisC=0.95;%热储能容量/自损/充热/放热；
PHEss=0.05;
K_HEssD_E = 0.02; %鼓风机
HEssC_max=200;%固体储热装置充热功率限制
HEssD_max=150;%固体储热装置放热功率限制
S_HEss_max=1500;%固体储热装置荷热量上限
S_HEss_min=400;%固体储热装置荷热量下限
S_Hess_o=600;%固体储热装置荷热量初始值
%冰蓄冷装置
n_Less_zfl=0.995;n_LessC=0.95;n_LessDisC=0.95;%冷储能容量/自损/充热/放热；
PLEss=0.05;
K_LEssD_E = 0.02; %鼓风机
LEssC_max=200;%冰蓄冷装置充冷功率限制
LEssD_max=200;%冰蓄冷装置放冷功率限制
S_LEss_max=2000;%冰蓄冷装置荷冷量上限
S_LEss_min=400;%冰蓄冷装置荷冷量下限
S_Less_o=1000;%冰蓄冷装置荷冷量初始值
%室内可削减温控负荷 %电空调
k_PY=10; %可平移负荷削峰效果的单位补偿费用
L_EL_max=2000;%中央电空调最大制冷功率
H_EH_max=2000;%中央电空调最大制热功率
Fset=25; %室内理想温度
n_kongtiao=0.8; %空调的电热/冷转化效率
n_L_EL=0.02; %室内每升高单位温度，所需要消耗的电空调的电能
n_H_EH=0.02; %
L_Fset = max(F0-Fset,0)/n_L_EL;
H_Fset = -min(F0-Fset,0)/n_H_EH;
k_F=0.1; %可削减温控负荷的单位功率补偿费用
L_Fmax = 1000; %温控系统调控冷功率上限值
H_Fmax = 1000; %温控系统调控热功率上限值
Flim = 5;
%% 设置变量
%光伏发电
E_PV=sdpvar(1,T,'full');%光伏出力功率 C0
%燃气轮机发电产热
E_CHP=sdpvar(1,T,'full');%燃气轮机发电功率C96
H_CHP=sdpvar(1,T,'full');%燃气轮机产热功率C192
H_CHP_YR=sdpvar(1,T,'full');%燃气轮机余热功率C288
Vgas_CHP_t=sdpvar(1,T,'full');%燃气轮机消耗天然气体积功率C384
U_CHP=binvar(1,T,'full');%燃气轮机的运行状态。0代表停止，1代表运行C480
U_CHP_onoff=binvar(1,T,'full');%燃气轮机的启停状态标识位C576
U_CHP_on=binvar(1,T,'full');%燃气轮机的启动状态标识位C672
U_CHP_off=binvar(1,T,'full');%燃气轮机的停止状态标识位C768
m_CO2_CHP=sdpvar(1,1,'full');%燃气轮机的碳排放量C864
m_CO2=sdpvar(1,1,'full');%系统总碳排放量C865
W_CHP=sdpvar(1,1,'full');%燃气轮机的综合运行成本C866
W_CHP_gas=sdpvar(1,1,'full');%燃气轮机的天然气成本C867
W_CHP_onoff=sdpvar(1,1,'full');%燃气轮机的启停成本C868
W_CHP_wh=sdpvar(1,1,'full');%燃气轮机的维护成本C869
%燃气锅炉产热
H_GB=sdpvar(1,T,'full');%燃气锅炉产热功率C870
H_GB_YR=sdpvar(1,T,'full');%燃气锅炉余热功率C966
Vgas_GB_t=sdpvar(1,T,'full');%燃气锅炉消耗天然气功率C1062
m_CO2_GB=sdpvar(1,1,'full');%燃气轮锅炉的碳排放总量C1158
W_GB=sdpvar(1,1,'full');%燃气锅炉的天然气成本C1159
W_CO2=sdpvar(1,1,'full');%系统碳排放成本C1160
%光伏溴化锂制冷机
H_PV=sdpvar(1,T,'full');%光伏产热功率C1161
H_XHL=sdpvar(1,T,'full');%光伏溴化锂制冷机消耗的热功率C1257
L_XHL=sdpvar(1,T,'full');%光伏溴化锂制冷机生产的冷功率C1353
W_XHL=sdpvar(1,1,'full');%光伏溴化锂制冷机运行成本C1449
%中央空调耗电、制冷、制热
L_EL=sdpvar(1,T,'full');%中央空调制冷功率C1450
E_EL=sdpvar(1,T,'full');%中央空调制冷耗电功率C1546
H_EH=sdpvar(1,T,'full');%中央空调制热功率C1642
E_EH=sdpvar(1,T,'full');%中央空调制热耗电功率C1738
U_EL=binvar(1,T,'full');%中央空调制冷状态标识位C1834
U_EH=binvar(1,T,'full');%中央空调制热状态标识位C1930
%卡琳娜耗热、发电
E_KLN=sdpvar(1,T,'full');%卡琳娜余热发电系统的发电量C2026
H_KLN=sdpvar(1,T,'full');%卡琳娜余热发电系统的耗热量C2122
W_KLN=sdpvar(1,1,'full');%卡琳娜余热发电系统的运行成本C2218
%主网购电
🎉3 参考文献
文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。
[1]吕帅帅.考虑需求侧响应的楼宇综合能源系统多时间尺度调度策略[D].长春工程学院,2022.DOI:10.27834/d.cnki.ggccc.2022.000024.
扫一扫
1004
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
