商业建筑部门能源灵活性潜力评估、优化与预测的集成方法

《ENERGY AND BUILDINGS》:An integrated approach for evaluation, optimization and prediction of energy flexibility potential in the commercial building sector

【字体: 大 中 小 】 时间:2026年03月26日 来源:ENERGY AND BUILDINGS 8.0

编辑推荐:

  随着对可再生能源依赖的增加,利用能源灵活性是管理间歇性发电、确保可靠性以及优化能源使用的关键。本研究开发并实施了一种评估和管理商业部门能源灵活性的方法,特别关注位于西班牙瓦伦西亚的一家超市。该研究基于实时数据对总电力负荷进行初始分析和分解,并结合从技术文献和对

  
随着对可再生能源依赖的增加,利用能源灵活性是管理间歇性发电、确保可靠性以及优化能源使用的关键。本研究开发并实施了一种评估和管理商业部门能源灵活性的方法,特别关注位于西班牙瓦伦西亚的一家超市。该研究基于实时数据对总电力负荷进行初始分析和分解,并结合从技术文献和对所分析设施技术人员的访谈中收集的信息。随后,开发了优化工具OpTool——这是一个使用线性规划(Linear Programming,LP)在Python中实现的确定性优化模型,能够模拟涉及柔性负荷增加或减少的情景,包括低温和中温制冷、供暖和制冷系统,同时完全遵守运行约束和时序补偿逻辑。结果显示,最大的灵活性可用性集中在工作日和夏季月份,系统响应存在显著变化。在所分析的超市案例中,工作日的灵活性显著高于周末:约50–52%的情景在周一至周五可行,而周六至周日仅为41%。季节性方面,7月表现最佳,可行情景占比约为74%,而10月该百分比下降至约15%。此外,为扩展预测能力,研究人员开发了PredicTool,这是一个人工神经网络(Artificial Neural Network,ANN)模型,它集成了一个可行性分类器,用于评估负荷调整是否可能,以及一个回归器,用于提供由此产生的负荷变化的定量估计。基于OpTool生成的200,000次模拟数据集进行训练,分类器达到了87%的准确率,而回归器在细化小时预测方面显示出有前景的潜力。总体结果表明,确定性优化与预测模型的集成可以促进商业消费者积极参与灵活性服务,从而为智能电网的稳定性、效率和可持续性做出贡献。
**研究背景、问题与意义**
随着可再生能源在电力系统中渗透率的不断提高,其发电的间歇性和不可预测性对电网的稳定性和可靠性构成了严峻挑战。传统的被动负荷管理模式已无法满足需求,迫切需要将用户侧的电力需求从被动的消耗者转变为主动的灵活性资源。欧洲政策框架(如《能源效率指令》及相关更新,REPowerEU计划)积极推动终端用户和聚合商参与灵活性服务和动态定价机制,认可结构化、可验证的负荷响应的价值。商业建筑用户(如超市、办公楼、零售店)因其负荷曲线规律性强、运行程序规范、能源子系统(如暖通空调HVAC、制冷、照明、内部流程)清晰可辨,展现出比住宅用户更独特的灵活性潜力。然而,现有研究在理论向运营实施转化时存在若干空白:第一,大多数研究假设可获得各终端用途的详细子计量数据,但现实中许多商业设施(尤其是现有超市)仅有总用电量计量,缺乏从汇总数据重建可靠小时级终端用途负荷的方法;第二,尽管需求侧管理(DSM)策略被广泛讨论,但缺乏将理论灵活性潜力转化为量化、可操作的消耗包络(Consumption Envelopes)并明确纳入技术约束(热惯性、温度阈值)、业务连续性要求和干预时长的结构化框架;第三,优化模型(如线性规划LP、混合整数线性规划MILP)虽被广泛应用,但文献中很少将确定性优化与可快速预测灵活性请求可行性的预测层集成,决策者需要既最优、透明又可复现、计算高效的日常运营工具。
为填补上述空白,研究人员开展了本研究。该研究开发并验证了一套完整的、从负荷分解到可行性预测的运营方法论,并成功应用于西班牙瓦伦西亚的一家超市。该论文发表在《ENERGY AND BUILDINGS》。研究将确定性优化与人工神经网络预测相结合,实现了从灵活性潜力评估到行动计划的闭环,验证了商业消费者积极参与电网灵活性服务的可行性,有助于提升智能电网的稳定性、效率和可持续性,为商业建筑需求响应(Demand Response,DR)提供了可复制、可审核的技术路线。

**关键技术方法**
研究人员采用了以下主要关键技术方法:
1. **小时级负荷重构方法**:基于CESI报告提供的超市典型日终端用途小时级负荷曲线,结合历史温度数据(2005-2023年瓦伦西亚当地)进行季节性参考日选取和循环距离插值(圆形距离dds),生成全年的日终端用途小时级负荷分布,并通过按小时比例缩放至实测总负荷,实现负荷分解。
2. **基于线性规划(LP)的确定性优化工具OpTool**:使用Python(Pyomo包)和GLPK求解器,建立线性规划模型,考虑灵活子系统(低/中温制冷、冷却/供暖)的功率变化界限、干预时段功率目标约束、可选能量补偿约束(在补偿区间C内部分或全部平衡干预时段I的减少/增加能量)以及时间连续性约束(相邻小时最大变率ρx,h),最小化加权总调整量(权重wx反映子系统优先级)。
3. **人工神经网络(ANN)预测工具PredicTool**:使用OpTool生成200,000次模拟的标记数据集(包含可行性标签和最优小时级变化向量),训练一个二阶段神经网络:第一阶段为多层感知器(MLP)分类器,输出可行性概率;第二阶段为多变量回归器(残差连接与门控模块),输出4个灵活负荷(LT、NT、冷却、供暖)的28小时(干预日24小时+次日4小时)的功率变化预测。分类器采用Binary Cross Entropy(BCE)损失,回归器使用加权多分量损失函数(含MSE、能量平衡、平滑性、季节性、排他性等惩罚项)。

**研究结果**
**1. 优化工具:代表性情景与行为**
通过对三种代表性情景(减少10kW启补偿/减少10kW无补偿/增加5kW近午夜且48小时补偿)的测试,OpTool能够在满足所有约束(功率界限、爬坡率、能量平衡)的前提下,将要求的功率变化最优地分配给各灵活子系统。例如,在有补偿的减少情景中,调整量(Δ)集中在干预时段,并在相邻小时进行恢复补偿;无补偿情景中调整仅为一次性减少。
**2. 优化工具:大规模验证**
对200,000次日模拟结果的月度与周度可行性热力图分析表明:
- **每周分布**:工作日(周一至周五)的可行比例约50-52%,高于周末的约41%,周末负荷较低导致灵活性裕度减小。
- **每月分布**:夏季月份(6-7月)可行性最高(7月约74%),秋季(10-11月)最低(10月约15%),秋季负荷低且HVAC需求处于最小值附近,对于以负荷减少请求为主的模拟集更为关键。春季与秋季的差异具有案例和年份特异性。
**3. 预测工具(ANN):训练与验证**
- **分类器**:基于30,000个测试样本,分类器准确率为0.87,对不可行类(类别0)的精确率0.89、召回率0.86、F1-0.87;对可行类(类别1)的精确率0.85、召回率0.89、F1-0.87,宏观和加权平均均为0.87。
- **回归器**:回归器在训练约300个epoch后收敛,输出的功率变化曲线与OpTool的最优解高度一致,能够正确捕捉干预区间的响应和补偿期间的能量恢复动态(见图18a-h)。早期epoch(如50-150)预测不稳定,随着训练推进逐渐稳定。

**讨论总结与结论翻译**
**讨论总结**:研究人员指出,该研究的主要价值在于方法论验证——展示了即使只有小时级总用电量数据,通过结合基准负荷分解、现场技术知识和显式运行约束,也可以实现连贯的灵活性评估流程。从方法论角度,三个核心结论为:(i) 负荷分解能在数据有限的情况下提供结构化的灵活性研究所需的小时级重建,前提是使用当地运营信息校准基准;(ii) 可接受的消耗包络将技术和运维约束直接转化为优化可用的形式;(iii) OpTool-PredicTool流程允许通过确定性模拟生成标记数据集进行事前可行性预测,同时保持与约束模型的一致性。案例同时阐明了方法的局限性:分解质量取决于基准的代表性和现场输入的准确性,向其他商业用户迁移需要重新校准。未来工作可考虑:(a) 向其他服务行业迁移(需校准轮廓与约束);(b) 结合电价信号进行多目标扩展(功率与成本);(c) 显式建模可转移负荷(开/关)以扩展服务范围;(d) 采用更先进的预测模型架构(如集成方法)提升准确性和鲁棒性。
**研究结论(翻译)**:
本研究开发并验证了一种用于商业部门灵活性潜力评估、优化和预测的可操作方法,并应用于西班牙瓦伦西亚的一家超市。研究起点是通过小时级分解描述负荷特征:从消费者提供的总用电曲线出发,结合文献基准和现场访谈重建各终端用途的贡献。分析显示制冷负荷占主导(总43%,其中低温13%、常温30%),其次是内部流程(17%)、HVAC(11%)、照明(9%)、抽风机(6%)、其他用户(13%)以及剩余的生活热水(<1%)。基于分解负荷轮廓,按照符合技术标准的方**(基于UNE-EN 14825热泵标准)确定了灵**活负荷的变化范围,各子系统按最小/标准/最大三种配置进行热性能建模,得到低温制冷平均灵活度约14%、常温制冷约26%、供暖/冷却约11%。这些数值定义了真实的时间包络,作为后续管理工具的基础。随后开发了线性优化工具,能够响应功率减少或增加请求(带或不带能量补偿),并相对时间目标最优重新分配灵活负荷。通过自动约束满足检查和超过200,000次日历与季节性模拟的验证显示:干预的可行性在工作日高于周末,且在夏季月份增加,这与场地热-气候动态一致。为使工具在运营中可扩展,研究人员使用预测模型(由两个神经网络组成)模拟最优行为:分类器估计干预可行性,回归器仅对可行案例预测小时级功率波动曲线。分类器在测试中表现良好(准确率≈0.87);回归器提供了有前景的结果,但与参考轮廓的一致性仍有改进空间。除了案例研究的数值结果,超市应用的主要价值在于对所提出工作流程的方法论验证。案例表明,即使只有小时级总计量数据,结合基于基准的分解、场地特定技术知识和显式运行约束,也可以实施连贯的灵活性评估流程。在此意义上,超市不仅是一个应用示例,更是一个方法论丰富的试验田。从方法论视角,三个核心方面浮现:(i) 分解可以生成足够结构化的灵活度研究所需的小时级重建,前提是使用当地运营信息校准基准;(ii) 可接受的消耗包络使得技术和运维约束直接可用于优化;(iii) OpTool–PredicTool流程允许通过确定性模拟生成标记数据集进行事前可行性预测,同时保持与约束模型的一致性。同时,案例阐明了方法论的局限性:分解的质量依赖于基准的代表性和现场输入的准确性。因此,向其他商业用户的迁移需要校准轮廓、约束和灵活性假设至应用场景。总之,耗电分解、基于技术标准的灵活性包络、线性优化与神经预测的集成表明,即使缺乏子计量终端用途测量,也可以实施DSM策略,获得可信且可复现的响应。主要经验教训包括:数据质量(测量与运行元数据)对细化包络至关重要;热-气候成分对连接日历和季节性与电力轮廓的价值;以及确定性求解器(透明可验证)与预测模型(快速适合实时使用)的互补性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号