商业建筑 HVAC 电力需求响应综述与分析

摘要

针对空调系统参与电网需求响应所面临的问题，从暖通空调( HVAC) 系统特性的角度，对建筑电网下多种能源交互的 HVAC 需求响应( demand response，DR) 进行综述性研究与分析。概述了 HVAC需求响应的定义和分类，并论述了利用模型预测控制算法、遗传算法等多种算法预测 HVAC 需求响应潜力的方法。针对区域温度重设、提高送风温度、重设冷冻水水温等 DR 策略的原理与适用性进行归纳分析。分析表明: 对于实施 DR 后用户热舒适度提升的 DR 项目，可考虑在系统运行时采用该策略来降低能耗; 主动储能策略与常规的 DR 策略结合使用能有效解决 DR 事件的负荷反弹问题; 对于拥有较大可调度空调负荷的用户，应该考虑提供 DR 辅助服务。

关键词

暖通空调; 需求响应; B2G; 潜力预测; 响应策略

引言

目前中国新增非化石能源发电装机占新增总装机的 73%，全国并网太阳能发电、风电分别为1 775、3 660 亿千瓦时，同比分别增长 50. 8%、20. 2%。用电峰谷差持续增大，电网面临时段性调峰能力不足，需进一步挖掘调峰潜力，提升系统的调节能力，促进供需平衡[1]。需求响应(demand response，DR) 从电力需求侧入手，利用需求侧的弹性用电资源，通过调控手段实现高峰用电的削减或转移，为应对季节性和临时性的电力需求高峰、解决电网供需不平衡问题提供了一种创新的调控手段[2]。需求响应可有效消纳分布式能源，降低电网运行成本[3]。

建筑用电是导致城市电力负荷侧峰谷差值变化的主要原因之一，受季节和天气等因素影响，建筑用电峰谷差在夏季愈加明显。夏季高温引起的建筑空调用电负荷的增长已成为导致电力需求高峰的主要原因，这也是造成电力供需不平衡的重要因素之一。随着智能电网的发展、智能电表的普及以及建筑能源管理控制系统( energy management control system，EMCS) 的优化，建筑-电网( building to grid，B2G) 的互动性不断增强。如图1 所示，建筑可通过参与 DR 项目，利用冷热电协同形成虚拟电网为城市电力调峰提供有效途径。图 1 中发电机发电量分别处于基础段、高效段和峰值段。

建筑作为耗能大户是参与需求响应的优质资源。建筑耗电资源按照其用电量能否在指定区间内变化或在不同时段内转移，分为柔性 DR 资源( 照明、HVAC 等) 和刚性 DR 资源( 电梯、打印机、电脑等) 。相较于刚性 DR 资源，柔性 DR 资源在缓解电网供需矛盾时，能有效增加电网调控的灵活性且对社会生产和人民生活影响较小。作为柔性 DR 资源，HVAC 系统已成为最优良的需求响应资源，主要表现在: ①空调能耗占建筑总能耗比重大，尤其在商业建筑中该比重高达 40%～60%(夏季负荷高峰比重会更大) ; ②建筑本身储能和空调热惯性的“热飞轮效应”允许短时降载，甚至暂停 HVAC 系统，且对人体热舒适影响小; ③多数建筑具有能源管理系统( EMCS) ，可对建筑内包括 HVAC 系统进行监控，这是实施需求响应既有硬件平台。

目前国内的学者大多从电力需求响应的运营模式、建筑群控和空调负荷聚合集中调度的角度对需求响应进行综述和研究[4]。当商业建筑参与需求响应时，缺乏对空调系统需求响应策略的研究和特性分析。本文旨在从 HVAC 系统特性的角度对 B2G 下多种能源交互的 HVAC 需求响应进行综述分析，探索更灵活的建筑用能方法，挖掘商业建筑在参与需求响应项目时的调峰潜力，为商业建筑中 HVAC 系统参与电力需求响应项目时的具体方案设计和实施过程提供参考。

1、HVAC 需求响应

HVAC 需求响应定义为建筑通过调控 HVAC系统用电负荷响应电网需求。HVAC 需求响应是多种能源交互的 DR 资源，源端多能互补，末端柔性可调，通过消纳不同的能源，在尽可能不影响用户热舒适的前提下响应电网需求。源端可利用电力驱动低品位能源( 地热能、空气能、工业余热等) 热泵机组、利用太阳能蓄热或蓄电等。末端可通过调节区域设定温度和送风温度等策略降低用电需求。HVAC 需求响应下建筑和空调系统的关系如图 2 所示，由于空调系统各部件间存在耦合，因此在实施 HVAC 需求响应时需要考虑部件间的相互影响，避免系统出现紊乱。

HVAC 需求响应按实施方法可分为负荷暂停、负荷转移、负荷削减 3 种类型，如图 3 所示。Shan等［5］从空调负荷、建筑本地产能和主动储能 3 个方面将 HVAC 需求响应分为 A、B、C 类，其关系见图 4。

对于单体建筑的 HVAC 需求响应策略，美国劳伦斯伯克利国家实验室( LBNL) ［6］通过对 28个非居住建筑的 DR 项目进行研究，总结和归纳了 HVAC 系统可以实施的需求响应策略，如全局温度调节( global temperature adjustment，GTA) 、提高送风温度( supply air temperature，SAT) 、降低管道静压( duct static pressure，DSP) 、被动冷热储能
(cool thermal energy storage，CTES) 等。除了单个建筑内 HVAC 需求响应外，还需要考虑建筑群需求响应的优化调度。

2、HVAC 需求响应潜力预测方法

常见的 HVAC 需求响应潜力预测方法见表 1，这些方法按对 HVAC 系统的调控可分为直接负荷控制(DLC) 和基于设定值调节两类。而较为新颖的方法是基于机器学习预测和评估需求响应潜力。