Print

发布时间: 2022-12-25
摘要点击次数:
全文下载次数:
DOI: 10.3969/j.issn.2096-8299.2022.06.014
2022 | Volume 38 | Number 6




    储能技术    




  <<上一篇 




  下一篇>> 




基于分时电价的建筑虚拟储能利用
expand article info 石蔚杰, 刘青荣
上海电力大学 能源与机械工程学院, 上海 200090
收稿日期: 2022-03-18
中图法分类号: TU-9;TU18
文献标识码: A
文章编号: 2096-8299(2022)06-0601-04

摘要

定义了两个指标, 分别从填谷功率和调峰功率来说明虚拟储能的填谷能力和调峰能力。采用建筑能耗模拟软件EnergyPlus对一栋二层办公楼进行模拟, 通过设置时间计划表来量化建筑虚拟储能的能力, 从而实现对建筑虚拟储能的利用。模型得出了虚拟储能的关键性指标, 其中填谷功率为40.9 kW, 调峰功率为43.8 kW。根据分时电价制定策略, 在虚拟储能运行策略下建筑空调电费单日节省34.6元, 节省率为12.7%。虚拟储能净效益为1.8%。

关键词

虚拟储能; 能源灵活性; EnergyPlus

Utilization of Building Virtual Energy Storage Based on Time-of-Use Electricity Price
expand article info SHI Weijie, LIU Qingrong
School of Energy and Mechanical Engineering, Shanghai University of Electric Power, Shanghai 200090, China

Abstract

In this paper, two metrics are defined to illustrate the valley-filling capacity and peak-shaving capacity of virtual energy storage in terms of vally-filling power and peak-shaving power, respectively. In this paper, a two-story office building is simulated using EnergyPlus, a building energy simulation software, to quantify the capability of building virtual energy storage by setting up a time schedule to utilize the building virtual energy storage.The model yielded key metrics for virtual energy storage, including 40.9 kW of valley-filling power and 43.8 kW of peak-shaving power, and a savings of 34.6 RMB per day on the building air conditioning electricity bill under the virtual energy storage operation strategy according to the Shanghai time-of-use tariff, with a savings rate of 12.7%.The net benefit of virtual energy storage is 1.8%.

Key words

virtual energy storage; energy flexibility; EnergyPlus

全球变暖问题正在引起全世界的关注, 能源需求正在从化石能源向可再生能源过渡。根据中国国家统计局发布的数据, 到2020年, 煤炭仍将占能源消费总量的56.8%。推广使用可再生能源已成为全球发展趋势。但是, 可再生能源大量接入电网会影响电网的稳定性[1]。供给侧和需求侧的灵活性措施可以使综合能源系统更加稳定[2]。建筑能耗是能源消耗的重要组成部分, 作为需求响应资源的潜力在于其热惰性[3]。当前智慧建筑主要向环境友好型的绿色建筑方向发展[4]。智慧建筑应充分利用其能源的灵活性, 但要想利用建筑能源的灵活性, 就需要分析其影响因素, 如建筑物结构参数、内部热增益、制冷末端等。甚至建筑所在的气候区也会对建筑的能源灵活性产生影响[5]。同时, 合理利用建筑虚拟储能, 还能为用户侧带来一定的经济效益[6]。

如何量化建筑能源柔性是当前建筑柔性资源最重要的关注点。文献[7]定义了一个无量纲指数以反映建筑物的能量灵活性, 该指数包含各种边界条件的影响。文献[8]提出了一个柔性函数, 通过使用惩罚信号来调节需求。文献[9]提出了3个指标来反映能源灵活性的特征。文献[10]提出了2套灵活指标, 以反映能源灵活性的5个特征。

建筑的热惰性以及人体对于舒适温度有一个可接受的范围, 均使建筑有着与蓄电池等实体储能相似的负荷在时间尺度的迁移特性, 将这部分特性称为建筑的虚拟储能。为了评价虚拟储能在建筑能源灵活性上的可用能力, 本文提出了填谷功率(Pvally-filling)和调峰功率(Ppeak-shaving)两个指标, 同时基于分时电价, 定义了净收益指标来评价采用虚拟储能的空调运行策略的经济性。

1 虚拟储能的指标量化

1.1 填谷功率和调峰功率

本文将建筑运行策略分为参考策略和虚拟储能策略。其中: 参考策略表示建筑日常办公时的空调控制策略; 虚拟储能策略表示在参考策略基础上依据分时电价作为信号, 制定的利用建筑虚拟储能特性的运行策略。本文定义的两个评价指标填谷时间(Δtvally-filling)和调峰时间(Δtpeak-shaving)分别为

$ P_{\text {vally-filling }} =\frac{\int_{t_0}^{t_0+\Delta t_{\text {vally-filing }}}\left(P_{\mathrm{VES}}-P_{\text {reference }}\right) \mathrm{d} t}{\Delta t_{\text {vally-filling }}} $ (1)

$ P_{\text {peak-shaving }} =\frac{\int_{t_1}^{t_1+\Delta t_{\text {peak-shaving }}}\left(P_{\text {reference }}-P_{\mathrm{VES}}\right) \mathrm{d} t}{\Delta t_{\text {peak-shaving }}} $ (2)

式中: PVES, Preference——空调系统采用虚拟储能控制策略运行的平均制冷功率和采用参考控制策略运行的平均制冷功率, kW。

t0, t1——虚拟储能运行策略中填谷时段的起始时间和调峰时段的起始时间。

填谷时段结束时也就是调峰时段的起始时刻的计算公式为

$ {t_1} = {t_0} + \mathit{\Delta }{t_{{\rm{vally - filling }}}} $ (3)

1.2 虚拟储能策略经济性指标

采用建筑虚拟储能必将带来建筑空调系统控制运行策略的改变。运行策略的改变将使业主在经济上有一定的收益, 这些收益主要由两个方面提供: 一是虚拟储能的低价充能、高价放能而产生的收益; 二是改变运行策略而产生的空调耗电量的改变。因此, 本文提出净效益指标来反映基于分时电价的虚拟储能的经济性, 即

$ \eta_{\mathrm{tu}}=\eta_{\text {total }}-\eta_{\mathrm{f}} $ (4)

式中: ηtu——单纯虚拟储能充放能行为产生的收益率;

ηtotal——虚拟储能策略相对参考策略的电费总节省率;

ηf——改变运行策略导致空调耗电量改变而产生的收益率。

2 建筑模型概述

2.1 建筑信息

本文使用EnergyPlus能耗模拟软件模拟了一栋香港的二层办公建筑, 如图 1所示。由图 1可知, 该办公建筑总面积为1 940.95 m2, 窗墙面积比为0.31, 单位面积能耗为347.04 MJ/m2。每层楼分为22个区域。建筑结构相关参数如表 1所示。



图 1 办公建筑模型

表 1 建筑结构相关参数

下载CSV
建筑构件 结构 传热系数/[W·(m2·K)-1]
外墙 25.4 mm粉饰灰泥+203.2 mm水泥+0.11 m隔热层+12.7 mm石膏 0.450
屋顶 防水层+隔热层+1.5 mm金属面板 0.220
地板 200 mm混凝土+2 mm地毯 2.144
窗 3 mm玻璃+10 mm空气层+3 mm玻璃 2.245
门 不透明门板 1.600

2.2 天气条件

本文天气数据来源于办公建筑所在地的实测数据。模拟环境选取2021年7月12日的气象数据, 当日具体室外干球温度如图 2所示。由图 2可知, 当日上午7∶00室外达到最低温度32.1 ℃, 15∶00室外达到最高温度34.8 ℃。



图 2 7月12日室外干球温度

3 建筑运行策略

将建筑运行策略分为参考策略和虚拟储能策略两种模式。在整个办公期间(6∶00~18∶00), 参考策略温度设定为24 ℃, 并基于分时电价提出了虚拟储能控制策略, 如表 2所示。该运行策略包含温度设定和风机盘启停两种控制模式, 表中的数字“1”和“0”分别表示风机盘管的开启和关闭。

表 2 基于各时间段的空调控制策略

下载CSV
时间段 参考策略 虚拟储能策略
温度/℃ 启停 温度/℃ 启停
1∶00~5∶00 29.4 0 29.4 0
5∶00~6∶00 29.4 1 20.0 1
6∶00~7∶00 24.0 1 24.0 0
7∶00~18∶00 24.0 1 24.0 1
18∶00~24∶00 29.4 0 29.4 0

分时电价示意如图 3所示。



图 3 分时电价示意

通过改变空调系统的控制策略, 在低电价时段, 增加空调的制冷功率, 使建筑达到一个较低的温度。本文利用的电价转换时段为图 3中5∶00~6∶00谷电价时段和6∶00~7∶00平电价时段。在电价相对较高的时段, 关闭风机盘管, 释放建筑物自身的冷量, 温度升高但仍然保持在舒适区间。因此, 在低电价时增大用能, 较高电价时减少用能, 在保证人体舒适的同时可以达到节约电费的效果。

类比于实体储能电池的充放电过程, 在低电价时段对建筑物进行预冷却, 将室内设定温度调整为20 ℃。如在上午5∶00, 虚拟储能策略室内温度呈现预冷却的情况。这样让建筑物进行充电以实现类似实体储能电池充电的过程。在电价高峰时段, 风机盘管关闭一段时间, 让建筑释放冷量实现类似于实体储能电池放电的过程。具体如图 4所示。



图 4 两种运行策略下当日室内温度变化情况

4 结果与讨论

4.1 填谷功率与调峰功率

基于所研究的二层办公楼, 模拟了夏季7月21日一天内的制冷功率。图 5显示了在参考运行策略和虚拟储能运行策略两种模式下建筑空调系统的制冷功率差异。虚拟储能策略与参考策略产生的制冷功率差异可以作为灵活性资源参与到需求响应中。



图 5 两种控制策略下的制冷功率差异

本文的需求响应事件是根据分时电价作为响应信号来制定的运行策略。其中, 虚拟储能策略的预冷时段与参考策略产生的制冷功率差异的平均功率为填谷功率, 而虚拟储能策略的关闭风机盘管时段与参考策略的制冷功率差异的平均功率为调峰功率。例如, 在虚拟储能策略运行期间, 产生了两次需求响应事件, 分别为填谷事件和调峰事件。这两个需求响应事件同时又分别对应了虚拟储能的预冷时段和关闭风机盘管时段。其中, 第1个需求响应事件发生在5∶00~6∶00, 第2个需求响应事件发生在6∶00~7∶00;其填谷功率为40.9 kW, 调峰功率为43.8 kW。

4.2 虚拟储能的经济性

虚拟储能运行策略的经济性是影响用户侧考虑参与需求响应的重要指标。良好的经济性意味着更多的灵活性资源能够参与到需求响应事件中, 为平抑大量可再生能源接入电网所产生的间歇性波动提供保障。

本文主要分析两种运行策略下的制冷电耗差异对应分时电价的电费情况。由模拟结果可知, 参考策略下的空调系统耗电量为276.14 kWh, 虚拟储能策略下的空调系统耗电量为245.98 kWh。根据分时电价, 在虚拟储能运行策略下建筑空调电费单日节省34.6元, 节省率为12.7%。两种运行策略下的电费节省来源于两部分, 一是不同运行策略产生的耗电量差异, 二是由虚拟储能低电价充能、高电价放能特性节省的费用, 其中电耗影响占比10.9%。因此, 本文办公模型的虚拟储能净效益为1.8%。

5 结语

本文使用建筑能耗模拟软件EnergyPlus模拟了一栋二层办公楼, 以量化基于分时电价的虚拟储能的性能指标和经济性。提出了填谷功率、调峰功率和基于分时电价的虚拟储能净经济效益3个指标。前2个指标反映了虚拟储能作为需求响应事件的调峰和填谷能力的大小, 而第3个指标则反映了虚拟储能的经济性; 并对模拟结果进行了分析和讨论。模型得出了虚拟储能的关键性指标, 填谷功率为40.9 kW, 调峰功率为43.8 kW。根据分时电价, 在虚拟储能运行策略下建筑空调电费单日节省34.6元, 节省率为12.7%。虚拟储能净效益为1.8%。

参考文献

  • [1]
    魏妍萍, 王军, 李南帆. 可再生能源接入对电网电能质量的影响分析[J]. 电网与清洁能源, 2022, 38(1): 108-114. DOI:10.3969/j.issn.1674-3814.2022.01.014
  • [2]
    高强, 刘畅, 金道杰, 等. 考虑综合需求响应的园区综合能源系统优化配置[J]. 高压电器, 2021, 57(8): 159-168.
  • [3]
    罗为, 许鹏, 李为林, 等. 单体建筑需求响应研究[J]. 建筑节能, 2019, 47(11): 31-35.
  • [4]
    王珏, 方正, 范磊, 等. 基于电力物联网的智慧建筑能耗管理研究进展[J]. 上海电力大学学报, 2021, 37(3): 235-240.
  • [5]
    HURTADO L A, RHODES J D, NGUYEN P H, et al. Quantifying demand flexibility based on structural thermal storage and comfort management of non-residential buildings: a comparison between hot and cold climate zones[J]. Applied Energy, 2017, 195: 1047-1054. DOI:10.1016/j.apenergy.2017.03.004
  • [6]
    葛少云, 刘静仪, 刘洪, 等. 需求响应机制下含建筑虚拟储能的能源站经济调度[J]. 电力系统自动化, 2020, 44(4): 35-43.
  • [7]
    ARTECONI A, MUGNINI A, POLONARA F. Energy flexible buildings: a methodology for rating the flexibility performance of buildings with electric heating and cooling systems[J]. Applied Energy, 2019, 251: 113387.
  • [8]
    JUNKER R G, AZAR A G, LOPES R A, et al. Characterizing the energy flexibility of buildings and districts[J]. Applied Energy, 2018, 225: 175-182.
  • [9]
    REYNDERS G, DIRIKEN J, SAELENS D. Generic characterization method for energy flexibility: applied to structural thermal storage in residential buildings[J]. Applied Energy, 2017, 198: 192-202.
  • [10]
    TANG H, WANG S. Energy flexibility quantification of grid-responsive buildings: energy flexibility index and assessment of their effectiveness for applications[J]. Energy, 2021, 221: 119756.