基于建筑物热能流的楼宇侧综合能源系统优化调度方法与流程

1.本发明涉及电力系统优化调度技术领域，更具体涉及一种基于建筑物热能流的楼宇侧综合能源系统优化调度方法，


背景技术：

2.作为典型的智慧能源系统，综合能源系统可促进源、网、荷深入融合，提升可再生能源的利用率。随着中国建筑总量的不断攀升和居住舒适度要求的不断提升，建筑能耗呈急剧上扬趋势。目前已与工业能耗、交通能耗并列，成为我国能源消耗的三大“能耗大户”之一，建筑节能迫在眉睫。必须要着力提高电能在终端多能源消费中的比重，尽最大限度减少终端化石能源的燃烧排放，以缓解污染物排放对环境造成的压力。在楼宇侧综合采用电能替代技术实现冷热电联合供应，构建综合能源系统，为楼宇系统的供能提供了一种低碳解决方案，是一种更加高效、环保的终端能源系统。基于多能互补，可再生能源消纳、需求侧响应的概念，提出了适用于智能楼宇的能效优化算法。
3.智能楼宇型用户侧分布式能源系统作为推进智能楼宇平台技术的基础产物，是构建用户侧分布式能源系统的重要组成部分。一般楼宇型用户中的设备包括楼顶的光伏、风电以及配置的储能设备、中央空调系统、各楼层有效负荷。其中各楼层的有效负荷包括电负荷、热负荷、冷负荷、气负荷等多种的综合能源形式。
4.对于楼宇侧综合用能用户而言，由于终端用能设备种类繁多，负荷需求多样，缺少整体架构上的优化调度平台，导致总体用能能效偏低，存在大量能源浪费的现象。目前的既有研究往往忽略了楼宇供能系统电、冷、热之间多时间尺度的差异性，对于建筑物的本身建模通常采用单层的简易模型，对于建筑蓄热特性考虑的不够完善，优化结果并不精准，且对多能源联合供应楼宇系统的联合优化目标不清。


技术实现要素：

5.为解决现有技术中存在的不足，本发明的目的在于，提供一种基于建筑物热能流的楼宇侧综合能源系统优化调度方法，对楼宇建筑物本身热能流进行建模，建立楼宇侧综合能源系统多目标优化模型，针对楼宇总体能效和用能成本两类目标，采用双层优化算法，使用双层kkt优化算法，得到楼宇综合能源用能系统最优调度方案。
6.本发明采用如下的技术方案：
7.一种基于建筑物热能流的楼宇侧综合能源系统优化调度方法，该方法包括如下步骤：
8.步骤s1，搭建基于建筑物热能流分析的建筑物热负荷模型；
9.步骤s2，根据建筑物的热负荷模型，建立以楼宇侧综合能源系统的总体能效最大和用能成本最小为目标的多目标优化模型；
10.步骤s3，以上层为总体能效最大、下层为运行成本最小，采用双层优化求解该多目标优化模型，得到优化结果；
11.步骤s4，根据优化结果调度运行楼宇侧综合能源系统。
12.优选的，步骤1中的建筑物热负荷模型包括外围护结构的热负荷模型和空调新风系统的热负荷模型。
13.优选的，外围护结构传热的热负荷模型的等效热电路中，室外空气与屋顶外表面的对流热阻屋顶外表面与内表面的传导热阻以及屋顶内表面与室内空气的对流热阻依次串联，之后与墙壁和窗户的总热阻并联形成并联结构，并联之后与室内空气与地下恒温层之间的热阻串联形成总串联结构；
14.室外温度γ
t
和地下恒温层γ
g
作为热压源分别施加在总串联电路的两端，分别与室外空气与屋顶外表面的对流热阻和室内空气与地下恒温层之间的热阻连接；
15.屋顶吸收太阳辐射的热功率作为热流源施加在室外空气与屋顶外表面的对流热阻和屋顶外表面与内表面的传导热阻之间的连接点处；
16.室内空气的等效热电容c
a,in
施加在并联结构与室内空气与地下恒温层之间的热阻的连接点处。
17.优选的，外围护结构的热负荷为：
[0018][0019]
其中，为窗户和墙壁的总热阻，为屋顶的总热阻，为屋顶内侧的等效热阻，为室外空气与屋顶外表面的对流热阻；为室内空气与地下恒温层之间的热阻；γ
t
为室外温度，室内温度，γ
g
为地下恒温层的温度，等效为热电路中的热压；为屋顶吸收太阳辐射的热功率，等效为热电路中的热流源。
[0020]
优选的，窗户和墙壁的总热阻为：
[0021][0022]
其中，分别为墙壁的总热阻和窗户的总热阻，两者并联即为窗户和墙壁的总热阻。
[0023]
优选的，墙壁的总热阻和窗户的总热阻分别为：
[0024][0025][0026]
其中，分别为室外空气与墙壁外表面的对流热阻、墙壁外表面与内表面的传导热阻、墙壁内表面与室内空气的对流热阻，三者相加即为墙壁的总热阻；分别为室外空气与窗户玻璃的对流热阻、窗户玻璃与室内空气的对流热阻，两者相加即为窗户的总热阻。
[0027]
优选的，屋顶的总热阻为：
[0028][0029]
其中，分别为室外空气与屋顶外表面的对流热阻、屋顶外表面与内表面的传导热阻、屋顶内表面与室内空气的对流热阻，三者相加即为屋顶的总热阻。
[0030]
优选的，屋顶内侧的等效热阻
[0031][0032]
其中，分别为屋顶外侧与室外空气发生传热时的传导热阻、屋顶内侧与室内空气发生对流时的等效热阻。
[0033]
优选的，空调新风系统的热负荷为：
[0034][0035]
其中，为房间内的人数，v
p
为每人每小时所需要的新风量；n
h
为房间内单位体积每小时的换气次数，为建筑物室内体积；为空气的密度；c
air
为空气的比热容。
[0036]
优选的，夏季建筑物室内所需要的冷负荷和冬季所需要的热负荷分别为：
[0037][0038][0039]
其中，和分别为在时间点t室外传递到室内的热负荷以及空调新风系统的热负荷，γ
t
为室外温度，室内温度。
[0040]
优选的，步骤s2包括：
[0041]
步骤s2
‑
1，建立楼宇侧综合能源系统多目标优化模型中的以总体能效最大为目标；
[0042]
步骤s2
‑
2，建立楼宇侧综合能源系统多目标优化模型中的以用能成本最效为目标。
[0043]
步骤s2
‑
3，建立楼宇侧综合能源系统多目标优化模型中的约束条件。
[0044]
优选的，步骤s2
‑
1中，楼宇侧综合总能系统的总体能效为：
[0045]
η
t
＝(q
dt
+h
dt
+p
dt
)/e
[0046]
其中，q
dt
、h
dt
、p
dt
分别为综合能源系统提供的供冷量、供热量和供电量。
[0047]
优选的，
[0048]
[0049][0050][0051]
其中，q
sys
(t)为系统的冷负荷需求；h
steam
(t)和h
water
(t)分别为系统的蒸气负荷和热水负荷；p
load
(t)为系统电负荷；q
dt
、h
dt
和p
dt
分别为系统在时段t内供冷、供热与供电量；e
gt
(t)和e
gb
分别为燃气轮机与燃气锅炉所消耗的天然气量；e
buy.e
(t)为向电网的实际购电量；e
buy.h
为外购蒸汽量；p
gas
、p
electric
和p
steam
分别为天然气、外购电和外购蒸汽的折煤系数。
[0052]
优选的，步骤s2
‑
2中，用能成本包括设备运行维护成本、购电成本、购热成本以及燃料成本。
[0053]
优选的，用能成本的计算如下：
[0054]
c
energy
＝c
om
+c
es
+c
hs
+c
f
ꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0055]
其中，c
energy
为用能成本，c
om
、c
es
、c
hs
、c
f
分别为设备运行维护成本、购电成本、购热成本以及燃料成本；其中，
[0056][0057]
c
es
＝∑
t
ξ
e
p
buy
(t]t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)
[0058]
c
hs
＝∑
t
ξ
h
h
buy
(t)t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(22)
[0059]
c
f
＝∑
t
ξ
gas
[f
gb
(t)+f
gt
(t)]t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)
[0060]
其中，ξ
e
、ξ
h
和ξ
gas
分别为设备s的维护单位成本、系统购电成本、系统购热成本和燃料成本；p
s
(t)、p
buy
、h
buy
(t)分别为设备s的输出功率、购电功率和购热功率；f
gb
(t)和f
gt
(t)分别为燃气轮机和燃气锅炉的天然气消耗量，t为时段t。
[0061]
优选的，步骤s2
‑
3中，约束条件包括设备本身的物理约束以及冷热电供需平衡约束。
[0062]
优选的，供需平衡约束和设备本身的约束分别为：
[0063]
w
provide
(t)＝w
demand
(t)
[0064]
p
output.s
(t)＝p
input.s
(t)η
out.s
[0065]
其中，w
provide
(t)为多能系统提供的能量；w
demand
(t)为用户需要的能量；p
input.s
(t)和p
output.s
(t)分别为设备s输入和输出的功率；η
out.s
为设备s的能量转换效率。
[0066]
优选的，步骤s3中，采用双层优化求解多目标优化模型时，使用kkt条件将下层优化目标附加到上层优化目标中，将上层问题转化为单层的mpec问题进行求解。
[0067]
优选的，在求解单层的mpec问题时，利用bmm法处理互补条件，将mpec问题转化为混合整数线性规划求解。
[0068]
本发明的有益效果在于，与现有技术相比：
[0069]
(1)本发明的基于建筑物热能流的楼宇侧综合能源系统优化调度方法搭建了基于建筑物热能流分析的建筑物热负荷模型，可以更加精准地描述建筑物本身的物理层面的用能耗能模型，进而对于双层模型中的能耗模型更具实际工程价值，整个优化模型的结果更加精准，对于实际的优化结果更具有现实意义；
[0070]
(2)本发明的基于建筑物热能流的楼宇侧综合能源系统优化调度方法以综合能源系统的总体能效最大和用能成本最小为目标，设置上层与下层两层目标，在优化结果中考
虑的范围更为广泛，更具实际的工程价值，目标综合考虑了总体能效和用能成本，相较于前人的舒适度模型，更关注实际的能源利用效率，与相应的碳排放量，与当前国内提出的双碳目标更相适应，更具有时代意义；
[0071]
(3)本发明的基于建筑物热能流的楼宇侧综合能源系统优化调度方法采用双层优化算法求解多目标优化模型，设置上层与下层两层目标，在优化结果中考虑的范围更为广泛，更具实际的工程价值；
[0072]
(4)本发明的基于建筑物热能流的楼宇侧综合能源系统优化调度方法使用双层kkt优化算法，转化为单层的mpec问题，并利用bmm法处理互补条件，本发明采用的kkt方法，占用内存少，消耗时间短，且不存在结果陷入局部最优的情况。相较于现有技术中双目标的权重加权，双层kkt方法完全通过数学方法求得结果，不存在权重设置过程的主观性较强等问题，更加客观高效。
附图说明
[0073]
附图1是基于建筑物热能流的楼宇侧综合能源系统优化调度方法的流程图；
[0074]
附图2是本发明的建筑物室外到室内热传导的示意图；
[0075]
附图3是本发明的建筑物等效热路图；
[0076]
附图4是本发明的具体示例中采用本发明的方法进行优化前后的能效对比。
具体实施方式
[0077]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0078]
如图1所示，一种基于建筑物热能流的楼宇侧综合能源系统优化调度方法，其包括如下步骤：
[0079]
步骤s1，搭建基于建筑物热能流分析的建筑物热负荷模型；
[0080]
步骤s2，根据建筑物的热负荷模型，建立以楼宇侧综合能源系统的总体能效最大和用能成本最小为目标的多目标优化模型；
[0081]
步骤s3，以上层为总体能效最大、下层为运行成本最小，采用双层优化求解该多目标优化模型，得到优化结果；
[0082]
步骤s4，根据优化结果调度运行楼宇侧综合能源系统。
[0083]
下面对本发明的基于建筑物热能流的楼宇侧综合能源系统优化调度方法进行详细描述。
[0084]
步骤s1，搭建基于建筑物热能流分析的建筑物热负荷模型。
[0085]
对于一般居民用户，中央空调系统满足的用户侧的热负荷需求是楼宇侧系统中的重要构成部分，与电负荷需求不同，热负荷需求具有需求变化缓慢、负荷需求粗略等特点，因此利用热负荷需求本身的特点进行总体能效优化是楼宇侧综合能源系统优化的重要手段。现有的优化模型中对于建筑物的本身建模通常采用单层的简易模型，这样对于本身的优化结果并不精准。这里使用基于热能流的建筑物模型，会使得优化模型中的结果更加精准，对于实际的优化结果更具有显示意义。
[0086]
当建筑物室内温度达到设定值后，热(冷)负荷为室内空气热量的散失，搭建基于
建筑物热能流分析的热负荷模型主要包括通过外围护结构的热传递和空调新风系统引起的负荷两部分。
[0087]
1)外围护结构传热
[0088]
室内外空气经过墙体进行热传递，包括2种传热方式和3个传递过程：室外空气与墙体外表面进行对流传热、墙体外表面与内表面进行传导传热、墙体内表面与室外空气进行对流传热。
[0089]
住宅型建筑物一般有多个楼层和多个房间，使用空调的房间内温度相近，可以看成如图2所示的单个房间，而将其它没开空调的房间视为室外。房间外围护结构包括墙壁、窗户、房顶和地板，当室内和室外有温差时，就会通过外围护结构进行热传导。此外，由于房屋的房顶受太阳照射影响较大，因此需要考虑屋顶吸收太阳辐射的热量。
[0090]
如图3所示，其示出了室内外空气经过墙体的热传递的等效热电路图。
[0091]
其中，γ
t
为室外温度，为屋顶外侧的温度，为屋顶内侧的温度，室内温度，γ
g
为地下恒温层的温度，等效为热电路中的热压，类似于电路中的电压，γ
t
室外温度和γ
g
地下恒温层的温度可等效为电压源；为屋顶吸收太阳辐射的热功率，等效为热电路中的热流源，类似于电路中的电流源；c
a,in
为室内空气的等效热电容，类似于电路中的电容。分别为室外空气与屋顶外表面的对流热阻、屋顶外表面与内表面的传导热阻、屋顶内表面与室内空气的对流热阻，为室内空气与地下恒温层之间的热阻。分别为墙壁的总热阻和窗户的总热阻。
[0092]
具体的，等效热电路图中，室外空气与屋顶外表面的对流热阻屋顶外表面与内表面的传导热阻以及屋顶内表面与室内空气的对流热阻依次串联，之后与墙壁和窗户的总热阻并联形成并联结构，并联之后与室内空气与地下恒温层之间的热阻串联形成总串联结构；室外温度γ
t
和地下恒温层γ
g
作为热压源分别施加在总串联电路的两端，分别与室外空气与屋顶外表面的对流热阻和室内空气与地下恒温层之间的热阻连接；屋顶吸收太阳辐射的热功率作为热流源施加在室外空气与屋顶外表面的对流热阻和屋顶外表面与内表面的传导热阻之间的连接点处，室内空气的等效热电容c
a,in
施加在并联结构与室内空气与地下恒温层之间的热阻的连接点处。
[0093]
根据图3，室外传递到室内的热能功率为：
[0094][0095]
其中，为窗户和墙壁的总热阻，为屋顶的总热阻，为屋顶内侧的等效热阻，为室外空气与屋顶外表面的对流热阻；为室内空气与地下恒温层之间的热阻；γ
t
为室外温度，室内温度，γ
g
为地下恒温层的温度，等效为热电路中的热压，类似于电
路中的电压；为屋顶吸收太阳辐射的热功率，等效为热电路中的热流源，类似于电路中的电流源。
[0096]
式(1)中，窗户和墙壁的总热阻进一步可以表示为：
[0097][0098]
其中，分别为墙壁的总热阻和窗户的总热阻，两者并联即为窗户和墙壁的总热阻，两者分别可以进一步表示为：
[0099][0100][0101]
其中，分别为室外空气与墙壁外表面的对流热阻、墙壁外表面与内表面的传导热阻、墙壁内表面与室内空气的对流热阻，三者相加即为墙壁的总热阻；分别为室外空气与窗户玻璃的对流热阻、窗户玻璃与室内空气的对流热阻，两者相加即为窗户的总热阻，由于窗户通常较薄，可不考虑其外表面到内表面的传导热阻。
[0102]
式(1)中，屋顶的总热阻进一步表示为：
[0103][0104]
其中，分别为室外空气与屋顶外表面的对流热阻、屋顶外表面与内表面的传导热阻、屋顶内表面与室内空气的对流热阻，三者相加即为屋顶的总热阻。
[0105]
式(1)中，屋顶内侧的等效热阻进一步表示为：
[0106][0107]
其中，分别为屋顶外侧与室外空气发生传热时的传导热阻、屋顶内侧与室内空气发生对流时的等效热阻。
[0108]
2)空调新风系统负荷
[0109]
空调处理新风系统的负荷大约占到空调总耗能的25％
‑
30％，对于酒店和办公建筑甚至高达40％，可见空调新风系统引起的负荷不可忽视。
[0110]
空调新风系统的新风量计算根据2个原则：一是按人数计算，即每人每小时所需新风量与人数的乘积；二是按房间体积容量计算，即房间体积与房间每小时完全换气次数的乘积。为了保证室内空气的清新，取2种计算结果中的较大值作为空调新风系统的负荷，即
[0111][0112]
其中，为房间内的人数，v
p
为每人每小时所需要的新风量；n
h
为房间内单位体积每小时的换气次数，为建筑物室内体积；ρ
air
为空气的密度；c
air
为空气的比热容。
[0113]
3)建筑物热负荷模型
[0114]
根据外围护结构传热的模型和空调信封系统的负荷模型，可以得到建筑物的热负
荷模型。
[0115]
选从室外向室内的热传递方向为正，则夏季的热负荷为正，冬季的热负荷为负。因此，夏季建筑物室内所需要的冷负荷和冬季所需要的热负荷分别表示为：
[0116][0117][0118]
其中，和分别对应于式(1)和(7)中的和即在时间点t室外传递到室内的热负荷以及空调新风系统的热负荷。
[0119]
步骤s2，根据建筑物的热负荷模型，建立以楼宇侧综合能源系统的总体能效最大和用能成本最小为目标的多目标优化模型。
[0120]
本发明的多目标优化模型综合考虑了总体能效和用能成本，相较于前人的舒适度模型，更关注实际的能源利用效率，与相应的碳排放量，与当前国内提出的双碳目标更相适应，更具有时代意义
[0121]
步骤s2
‑
1，建立楼宇侧综合能源系统多目标优化模型中的以总体能效最大为目标。
[0122]
多能互补的分布式能源系统通常包含冷、热、电、气等多种类型的能源输入，通过整合优化，能够以较高的综合能效向用户提供能量。综合能效是考察整个多能系统性能的重要指标。
[0123]
从物理学的角度出发，能效表示在能源利用过程中，发挥作用的能源与实际消耗的能源量的比值。而从消费的角度看，能效指的是系统为终端用户所提供的服务与所消耗的总能量的比值。一般来说，生产作业中投入的资源与任务的完成度是正相关的关系，但是过多的资源投入并不一定表征高能效水平，如资源空闲浪费，能源利用技术使用失当都会导致综合能效水平的下降。
[0124]
对于存在多能耦合的能源系统，输出能量包括冷、热、电需求负荷，输入能量包括来自电网的外购电能、本地接入的可再生能源电能以及煤气或天然气等能源。考虑冷热电各类储能的蓄能损耗(储能设备在进行充电过程到放电过程中间隔的一段时间内设备内部的电量损耗)，综合能源系统提供的供冷量q
dt
、供热量h
dt
、供电量p
dt
的表达式分别为：
[0125][0126][0127][0128]
式中：q
sys
(t)为系统的冷负荷需求，根据步骤1的建筑物的热负荷模型得到；h
steam
(t)和h
water
(t)分别为系统的蒸气负荷和热水负荷；p
load
(t)为系统电负荷；q
dt
、h
dt
和p
dt
分别为系统在时段t内供冷、供热与供电量，单位可以为kj。
[0129]
在已有场景的用能模型基础上，在已经确保源荷供需平衡的条件下，通过分析各
个场景及其设备的用能特性，生成相应的能效提升目标，具体包括：
[0130]
系统的能源利用率，即能源输入输出之比：
[0131][0132]
其中，λ为系统的能量利用率，q
out
和q
in
分别为系统的输出和输入能量。
[0133]
典型设备能效，为关于部分负荷率、环境温度、湿度的函数：
[0134]
η＝η
n
f(plr，t
am
,w
am
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0135]
其中，η为典型设备的能效，η
n
为某一台设备的能效，plr为部分负荷率，t
am
为环境温度，w
am
为环境湿度，f表示是部分负荷率、环境温度和湿度的函数。
[0136]
能耗节约率，即优化前后节省的能源占比：
[0137][0138]
其中，κ为能耗节约率，e0和e1分别为优化前后的能耗。
[0139]
在能耗计算中，通常采用“综合能耗”来表征用能实际消耗的各种能源。综合能耗是指用能单位的统计周期内实际消耗的各种能源实物量。用户综合能耗的计算公式为：
[0140][0141]
其中，e为综合能耗，可以采用千克标准煤来表示；n为消耗的能源品种数；e
i
为工业生产中消耗的第i种能源实物质量；p
i
为第i种能源的折标准煤系数。
[0142]
多能综合能源系统输入能源的综合能耗表达式为：
[0143][0144]
其中，e
gt
(t)和e
gb
分别为燃气轮机与燃气锅炉所消耗的天然气量；e
buy
.
e
(t(为向电网的实际购电量；e
buy
.h为外购蒸汽量；p
has
、p
electric
和p
steam
分别为天然气、外购电和外购蒸汽的折煤系数。
[0145]
则，多能系统的综合能效表达式为：
[0146]
η
t
＝(q
dt
+h
dt
+p
dt
)/e
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0147]
步骤s2
‑
2，建立楼宇侧综合能源系统多目标优化模型中的以用能成本最效为目标。
[0148]
用能经济性是用户自行进行用能策略调整的第一内部驱动力。在制订用户综合用能策略时，有必要考虑用户整体的用能成本。仅能保证用能低碳、环保的用能策略，在现实工业生产过程中几乎不存在落地的可能。在考虑楼宇侧用户的总体能效优化时，综合能源系统的用能成本应当也是优化目标之一。
[0149]
用能成本主要包括设备运行维护成本、购电成本、购热成本以及燃料成本。用能成本的计算如下：
[0150]
c
energy
＝c
om
+c
es
+c
hs
+c
f
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0151]
其中，c
energy
为用能成本，c
om
、c
es
、c
hs
、c
f
分别为设备运行维护成本、购电成本、购热成本以及燃料成本，具体的，其表达式分别为：
[0152]
[0153][0154]
c
hs
＝∑
t
ξ
h
h
buy
(t)t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(22)
[0155]
c
f
＝∑
t
ξ
gas
[f
gb
(t)+f
gt
(t)]t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)
[0156]
其中，ξ
e
、ξ
h
和ξ
gas
分别为设备s的维护单位成本、系统购电成本、系统购热成本和燃料成本；p
s
(t)、p
buy
、h
buy
(t)分别为设备s的输出功率、购电功率和购热功率；f
gb
(t)和f
gt
(t)分别为燃气轮机和燃气锅炉的天然气消耗量，t为时段t。
[0157]
步骤s2
‑
3，建立楼宇侧综合能源系统多目标优化模型中的约束条件。
[0158]
在多能综合能源系统的优化调度过程中，除了考虑设备本身的物理约束外，还应该考虑冷热电供需平衡约束。
[0159]
供需平衡约束和设备本身的约束的表达式为：
[0160]
w
provide
(t)＝w
demand
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(24)
[0161]
p
output.s
(t)＝p
input.s
(t)η
out.
s
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(25)
[0162]
其中，w
provide
(t)为多能系统提供的能量；w
demand
(t)为用户需要的能量；p
input.s
(t)和p
outp
ut
.s
(t)分别为设备s输入和输出的功率；η
out.s
为设备s的能量转换效率。
[0163]
此外，约束条件还包括不等式约束，例如各设备的最大最小出力约束，
[0164]
步骤s3，以上层为总体能效最大、下层为运行成本最小，采用双层优化求解该多目标优化模型，得到优化结果。
[0165]
双目标的优点在于设置上层与下层两层目标，在优化结果中考虑的范围更为广泛，更具实际的工程价值。双目标综合考虑总体能消与运行成本，能效的考虑更符合当前我国提出的双碳目标，更具有时代意义。在求解双目标优化模型时，本发明使用双层kkt优化算法，转化为单层的mpec问题，并利用bmm法处理互补条件。现有技术中一般采用的方法分为数学解析法和智能算法。智能算法就是启发式算法，启发式算法一般求得的最优解无法证明其为局部最优解还是全局最优解，且迭代次数过多，占用内存大，所耗时间长；数学解析法包括kkt算法、罚因子法、二阶锥等方法。本发明采用的kkt方法，占用内存少，消耗时间短，且不存在结果陷入局部最优的情况。相较于现有技术中双目标的权重加权，权重一般为专家系统或者通过层次分析法自行拟定权重系数，主观性较强，最终的优化结果并不一定是客观反应的结果，而双层kkt方法则是完全的通过数学方法求得结果，不存在权重设置过程的主观性较强等问题，更加客观高效。
[0166]
双层规划是双层决策的分层优化问题，在过去30年里双层规划理论发展迅速。双层规划中每层都可以代表一个利益群体，都有自己的决策变量、约束条件和目标函数。这两层利益群体采用非合作且有序的方式做出决策。上下两层间的关联性主要体现在，上层优化问题需要考虑下层优化问题中的约束条件，且上层的优化结果直接影响着下层问题的优化结果，下层问题的优化结果反馈给上层之后，也会对上层目标函数及约束条件产生影响。上下层之间的目标函数通常存在矛盾，但是下层决策者一般要服从上层决策者的决定，形成主从关系，根据上层决策者的决策调整约束条件，实现自身利益的最大化。
[0167]
对于楼宇侧综合能源系统，针对其总体能效与用能成本两类优化目标，采用双层优化分层进行优化，上层为总体能效最大，下层为用能成本最小。
[0168]
双层优化的一般数学模型如下：
[0169]
min fu(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(26)
[0170]
s.t.g(x,y)≤0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(27)
[0171]
min fl(x，y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(28)
[0172]
s.t.g(x，y)≤0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(29)
[0173]
其中，fu(x，y)表示上层优化问题的目标函数，x＝[x1，x2,...,x
n1
]表示上层优化问题的决策变量，g(x,y)表示上层问题的不等式约束条件。fl(x,y)表示下层优化问题的目标函数，y＝[y1,y2,...,y
n2
]表示下层优化问题的决策变量，g(x,y)表示下层问题的不等式约束条件。
[0174]
由于等式约束条件可以等价转化为两个不等式约束条件，故不再单独表示等式约束。
[0175]
式(26)
‑
(29)的松弛表达式如下：
[0176]
min fu(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(30)
[0177]
s.t.g(x,y)≤0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(31)
[0178]
g(x,y)≤0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(32)
[0179]
上式松弛表达式的最优解是原双层规划问题最优解的下界。松弛可行域ω为：
[0180]
ω＝{(x,y)|g(x,y)≤0 and g(x,y)≤0}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(33)
[0181]
对于一个给定的决策变量下层问题的可行域为：
[0182][0183]
对于给定的决策变量下层问题的理性反应集为
[0184][0185]
任意一个都是基于得到的理性反应。对于给定的得到的理性反应。对于给定的是一个多值隐函数，且有可能是空集。
[0186]
得到下层的理性反应后，可以得到整个双层规划问题的诱导域ira：
[0187]
ira＝{(x,y)|g(x,y)≤0 and y∈r(x)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(36)
[0188]
诱导域通常是一个非凸的集合，当上层问题含有约束条件时，它有可能是空集或者不连续的。若(x,y)∈ira，则称(x,y)为原双层问题的一个可行解。若(x
*
,y
*
)∈ira，对于均有
[0189]
fu(x
*
,y
*
)≤fu(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(37)
[0190]
则(x
*
,y
*
)为原问题的最优解。
[0191]
步骤s3中具体为，采用双层优化求解多目标优化模型时，使用kkt(karush
–
kuhn
–
tucker conditions)条件将下层优化目标附加到上层优化目标中，将上层问题转化为单层的mpec(mathematical programs with equilibrium constranints)问题，并利用bmm(big m method)法处理互补条件，得到优化结果。
[0192]
楼宇侧综合能源系统的双层优化模型可以简化为如下形式：
[0193]
max fu(x,y)
[0194]
s.t.d(x,y)≥0,g(x,y)＝0
[0195]
min fl(x，y)
[0196]
s.t.d(x,y)≥0,g(x,y)＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(38)
[0197]
其中，fu(x,y)、fl(x,y)分别表示上层、下层目标函数，对应于综合能效最大和用能成本最小，d(x,y)≥0和g(x,y)＝0分别表示上层问题中的不等式约束和等式约束，d(x,y)≥0和g(x,y)＝0分别表示下层问题中的不等式约束和等式约束。
[0198]
对于下层问题是凸的，可通过kkt条件给出一阶必要条件。因此，可以将下层问题用kkt条件替代，得到具有均衡约束的数学规划问题，如下所示：
[0199]
max fu(x,y)
[0200]
s.t.d(x,y)≥0,g(x,y)＝0
[0201][0202]
g(x,y)＝0
[0203][0204]
其中，δ和ξ分别表示下层问题中不等式约束和等式约束的拉格朗日乘子。互补约束0≤d(x,y)
⊥
δ≥0可以利用大m法(bmm)转化为d(x,y)≤my和δ≤m(1
‑
y)。其中m是一个足够大的正数，y是0
‑
1整型变量。
[0205]
根据互补条件的独立性，利用bmm法可将mpec模型等价转化为milp混合整数线性规划(mixed integer linear programming，milp)模型，从而求解得到优化结果。步骤s4，根据优化结果调度运行楼宇侧综合能源系统。
[0206]
为了对本发明的优化方法进行验证，以位于某市科技园的智能大厦为实例分析对象进行楼宇侧综合能源系统的优化。
[0207]
该大厦建筑面积93772平方米，主体建筑分为地下两层与地上六层。大楼外部安装有楼顶、围栏光伏，装机容量为1000kwp，光伏发电直接并网。内部装有400kwh全天候蓄电池，大厦的冷热源形式分别为地源热泵系统+冷水机组+多联机+分体空调。所有冷热源设备均以电作为能量输入，缺少冷热电联供系统，符合楼宇侧冷热电联供系统能效优化的要求。搭建适合大厦内部用能特性的综合用能系统，并基于大厦本体热能流分析对该楼宇侧综合能源系统进行优化。优化前后一日内运行成本即用能成本如表1所示：
[0208]
表1优化前后运行成本对比
[0209] 金额(元)优化前运行成本378999优化后运行成本308191
[0210]
参见附图2，优化后综合能效进一步提高。首先对楼宇建筑物本身热能流进行建模，建立楼宇侧综合能源系统多目标优化模型，针对楼宇总体能效和用能成本两类目标，采用双层优化算法，使用双层kkt优化算法，得到楼宇综合能源用能系统最优调度方案。楼宇建模更为精细，关注楼宇本身耗能方面，符合国家双碳的时代背景。
[0211]
本发明的有益效果在于，与现有技术相比，
[0212]
(1)本发明的基于建筑物热能流的楼宇侧综合能源系统优化调度方法搭建了基于建筑物热能流分析的建筑物热负荷模型，可以更加精准地描述建筑物本身的物理层面的用能耗能模型，进而对于双层模型中的能耗模型更具实际工程价值，整个优化模型的结果更加精准，对于实际的优化结果更具有现实意义；
[0213]
(2)本发明的基于建筑物热能流的楼宇侧综合能源系统优化调度方法以综合能源系统的总体能效最大和用能成本最小为目标，设置上层与下层两层目标，在优化结果中考虑的范围更为广泛，更具实际的工程价值，目标综合考虑了总体能效和用能成本，相较于前人的舒适度模型，更关注实际的能源利用效率，与相应的碳排放量，与当前国内提出的双碳目标更相适应，更具有时代意义；
[0214]
(3)本发明的基于建筑物热能流的楼宇侧综合能源系统优化调度方法采用双层优化算法求解多目标优化模型，设置上层与下层两层目标，在优化结果中考虑的范围更为广泛，更具实际的工程价值；
[0215]
(4)本发明的基于建筑物热能流的楼宇侧综合能源系统优化调度方法使用双层kkt优化算法，转化为单层的mpec问题，并利用bmm法处理互补条件，本发明采用的kkt方法，占用内存少，消耗时间短，且不存在结果陷入局部最优的情况。相较于现有技术中双目标的权重加权，双层kkt方法完全通过数学方法求得结果，不存在权重设置过程的主观性较强等问题，更加客观高效。
[0216]
本发明结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。