融合蓄热的空调系统实时灵活性以实现需求侧光伏跟踪:基于物理信息的预测与实地调研
《Journal of Energy Storage》:Real-time flexibility of air-conditioning integrated with thermal energy storage for demand-side photovoltaic tracking: Physics-informed prediction and field investigation
【字体:
大
中
小
】
时间:2026年09月30日
来源:Journal of Energy Storage 10.7
编辑推荐:
•基于储能—空调(TES-AC)预测的光伏跟踪实时调节已实现。•在为期3天的现场测试中,TES-AC功率调节将光伏匹配率从7%提升至40%。•基于TES-AC效率曲线提出了静态灵活性回归模型。•通过嵌入齿轮切换动态,建立了动态齿轮感知预测模型。•在连续TES控制下,响应延迟存
•基于储能—空调(TES-AC)预测的光伏跟踪实时调节已实现。•在为期3天的现场测试中,TES-AC功率调节将光伏匹配率从7%提升至40%。•基于TES-AC效率曲线提出了静态灵活性回归模型。•通过嵌入齿轮切换动态,建立了动态齿轮感知预测模型。•在连续TES控制下,响应延迟存在变异性且与状态相关。
**引言**
分布式光伏(PV)在2025年全球新增装机容量中占比达41%[1],为低碳建筑提供了重要机遇。然而,光伏发电的间歇性及其与建筑需求在时间上的错配,对就地光伏利用和电网侧供需平衡构成了严峻挑战。因此,建筑需要更大的需求侧灵活性,以协调其电力消耗与本地光伏发电及电网需求。由于空调(AC)系统是建筑能耗的主导部分[2],将蓄冷/蓄热储能(TES)与空调系统集成,可在不影响室内热舒适性的前提下提供显著的需求侧灵活性,同时避免了电化学电池相关的安全隐患[3]。在众多TES技术中,基于水的蓄冷/蓄热技术因其技术成熟度[4]、成本效益[5]以及全年制冷制热能力[6]而尤为引人注目,被视为需求侧管理的一个有前景且实用的解决方案[7]。
尽管TES已广泛部署并具备巨大的灵活性潜力,但其应用主要还是限于计划性能源转移,而非主动功率调节[8]。传统TES运行主要面向分时电价下的削峰和降低电费,通常在固定运行规则下于低谷期充电、高峰期放热,如冷机优先或储能优先策略[9]、[10]。近期研究将TES的应用拓展至就地光伏利用和能源管理优化。例如,Odufuwa等人[11]优化了光伏空调系统中冰蓄冷的运行模式以提升就地光伏利用率;Lu等人[12]采用双时间尺度调度框架用于集成TES的供暖系统,从而改善了热供需匹配并降低了运行成本。这些应用主要关注在预定义调度时段内的能源分配。随着分布式可再生能源渗透率不断提高,以及电网互动建筑需求的日益增长,灵活性要求正变得更具功率导向性和时间敏感性。在这种情况下,建筑负荷不仅需要传统意义上的能源转移,还日益需要提供短期功率调节。例如,在光伏集成建筑中,空调功率可能需要根据时变光伏出力进行动态调整;在需求侧管理项目中,可能需要跟随外部指定的功率调节信号。这一演变要求TES突破传统能源转移资源的角色,向一种能够提供动态、精确千瓦级功率响应的主动灵活性资源转变,以响应外部调节目标。
然而,将TES-AC作为追踪外部功率目标的主动灵活性资源的应用仍然有限,主要因为精确的功率调节难以实现[13]。与能够提供直接且透明功率调节的电化学电池不同,TES通过间接的热过程来调节空调功率。TES控制首先改变空调系统承担的热负荷,然后通过冷冻水回路、制冷循环和设备控制逻辑实现电功率响应。在此过程中,系统热状态[14]、能效[15]和控制状态[16]也是可变的,这些都会对功率响应和负荷灵活性产生影响[17]。这使得TES控制与系统功率之间的关系既不简单也不固定[18],面向外部目标的精确功率调节尤为困难。
因此,精确的功率调节需要预测方法来快速可靠地刻画TES控制下空调的功率响应。表1总结了现有TES集成空调及热泵系统在预测目标、时间分辨率和物理耦合方面的预测方法。全面的基于物理的模型,从数学方程[19]、[20]到Modelica[21]和TRNSYS[22]等仿真平台,都能详细描述热力学和功率行为,但其巨大的计算负担阻碍了其实时功率调节的应用[23]。数据驱动的代理模型提供了更计算高效的替代方案[24]。神经网络包括人工神经网络(ANN)[25]、[26]、长短期记忆(LSTM)神经网络[27]和Elman神经网络(ENN)[28]已被应用于预测TES-AC功率或能耗。然而,大多数现有研究关注静态运行性能或小时级及更长时程的功率预测,而TES控制下短期亚小时级功率响应的预测仍然相对有限。这种预测具有挑战性,因为短期空调响应强烈受当前运行状态和物理运行约束[29]的影响,包括热惯性和设备控制逻辑。不显式表征这些机制的纯数据驱动模型[30]可能难以捕捉短期或瞬态功率响应以实现精确调节[31]。近期研究开始将物理信息融入数据驱动模型。例如,Habib等人[32]将数据驱动的TES传热线性状态空间模型纳入供暖系统的能量平衡中;Huang等人[33]开发了用运行数据校准的准二维变阻容(VRC)模型,用于充放热速率控制。然而,这些研究主要关注TES单元的热行为,系统级功率响应未被考虑或简化为恒定效率处理。因此,仍然需要计算高效且融入空调运行机制的数据驱动模型,以准确预测TES控制下的短期功率响应。
除预测能力外,现场调研对于评估TES-AC在功率调节下的实际可行性和响应特性也是必要的。与主要跟随室内热需求的传统空调运行不同,将TES-AC作为主动灵活性资源需要对外部功率目标的持续变化做出连续调整。由于TES通过空调热过程间接调节电功率,这种调节可能干扰整体空调运行,包括冷冻水动态[29]、末端运行[34]以及室内热环境[35]。因此,现场调研对于评估系统运行稳定性和能效同时实现目标调节性能至关重要。此外,连续TES调节还可能引入响应延迟等动态效应。由于空调系统的热惯性,空调系统的调节会改变系统热状态并影响后续功率响应。Wang等人[36]表明累积的热状态变化影响后续功率响应和恢复。此类响应行为理解尚不充分,可能无法在理想化仿真条件下被充分捕捉[37]。表1从调节方式和实验验证角度总结了现有TES集成空调及热泵系统在灵活性方面的应用。如表1所示,先前研究已在实验中验证了TES负荷调节的可行性,但大多数研究关注单个调节事件、离散模式切换和相对简单的控制策略。例如,Peng等人[38]在单事件实验中通过调节TES水箱流量实现空调系统的灵活功率变化;Da等人[39]通过调整TES放热泵在两个速度等级之间的切换来改善光伏自消纳;Feng等人[40]通过改变运行冷机数量来调节充放热速率。因此,TES-AC在持续变化的外部功率目标下的现场调研仍然有限。因此,建立TES-AC作为可靠的功率灵活性资源需要进一步研究其在此目标导向调节下的运行稳定性和动态响应特性。
总体而言,进一步将TES-AC作为主动灵活性资源利用,仍需要融合物理信息的短期功率调节预测以及持续目标导向调节下的现场调研。本研究因此从这两个方面推进了TES-AC从传统能源转移向主动功率调节的转化。具体而言,本研究将TES-AC运行机制与数据驱动建模相结合,开发了兼具高预测精度和计算效率的短期功率响应预测模型。随后开展真实场景下的光伏跟踪实验,以研究TES-AC在持续功率调节下的可行性、运行稳定性和动态响应特性。主要贡献总结如下:
(1)开发了一种融合物理信息的预测方法,通过两个互补模型支持TES-AC系统的精确功率调节。针对小时平均功率灵活性的快速估算,构建了静态灵活性回归模型。该模型公式源于TES-AC协同运行机制及热泵的非线性效率特性。为进一步捕捉短期动态,通过融入变转速热泵的离散齿轮切换行为,开发了动态齿轮感知LSTM模型。功率预测问题被重构为齿轮分类和残差回归两个任务,并利用齿轮参考功率与室外温度之间的物理关系来确定齿轮功率等级。这使得可以在分钟级别预测TES控制下的功率响应轨迹。
(2)通过为期3天的光伏跟踪实验展示了TES-AC的实时功率调节能力和响应特性。据我们所知,这是首次通过TES-AC功率调节实现实时光伏跟踪的现场实验研究。实验表明,预测引导的TES调节可以对变化的光伏出力实现灵活精确的空调功率调节,同时保持稳定的系统运行和可接受的室内热条件。此外,现场测量揭示了连续TES调节下响应延迟的显著变异性及其与状态相关的特性,并量化了其与系统初始冷冻水温度和TES流量调整之间的相关性。
总体而言,这些贡献将TES的储能潜力转化为更可预测和可控制的功率灵活性,支持TES-AC作为光伏跟踪和建筑能源管理中的一种主动灵活性资源。
**研究路线**
为利用TES-AC系统的功率灵活性潜力,如图1所示,建立了以下研究框架。(1)融合物理信息的功率预测:开发了两个互补的预测模型用于TES-AC调节——一个用于小时级灵活性评估的静态灵活性回归模型,以及一个用于分钟级响应预测的动态齿轮感知模型。(2)现场调研:进行了为期三天的光伏跟踪实验,以评估可行性、运行稳定性……
**TES-AC功率调节的融合物理信息预测**
短期TES控制下的空调功率响应强烈受系统物理运行机制的影响。因此,将这些机制纳入对于准确的功率预测至关重要,特别是在分钟级尺度,此时动态响应行为强烈受空调物理约束的影响。据此,针对不同的调节场景开发了两个互补的融合物理信息的数据驱动模型:用于快速灵活性……
**现场调研与约束识别**
在本节中,基于静态模型的预测对TES-AC功率进行光伏跟踪实验中的调节,以评估功率调节可行性并识别真实TES-AC运行的响应特性。
**仿真目标与案例设置**
为全面分析TES-AC的功率灵活性,在各种气象条件下分析了TES-AC的光伏跟踪性能,并对比了静态和动态模型的预测性能。采用高保真Modelica仿真平台(如图16所示),因为需要跨多种气象和负荷条件进行公平比较。该平台将经过验证的空调组件与物理一致的水力和热连接相连接,从而……
**结论**
缺乏有效的短期功率响应预测和目标导向功率调节应用,阻碍了TES-AC系统作为主动功率灵活性资源的使用。通过融入TES-AC运行机制,包括温度依赖的热泵效率和压缩机齿轮切换动态,开发了两种融合物理信息的预测模型用于TES调节下的功率预测。随后进行了现场光伏跟踪实验和高保真仿真……
**CRediT作者贡献声明**
Wanfang Zhao:撰写初稿、方法论、调研、形式化分析。Zhengyi Luo:监督、调研。Bin Zou:监督、方法论。Rongxin Yin:软件、方法论、形式化分析。Jingyu Cao:撰写–审阅与编辑、监督、调研。Jinqing Peng:撰写–审阅与编辑、资金获取、概念设计、方法论。
**利益冲突声明**
作者声明无利益冲突。
**致谢**
本研究得到国家重点研发计划(2024YFC3810103)、国家自然科学基金(52278104和52208105)以及湖南省教育厅科学研究基金(24B0042)的支持。
Wanfang Zhao | Zhengyi Luo | Bin Zou | Rongxin Yin | Jingyu Cao | Jinqing Peng
生物通微信公众号
生物通新浪微博
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