[发明专利]基于部分线性模型的建筑暖通空调负荷优化控制方法

说明书

本发明提出一种基于部分线性模型的建筑暖通空调负荷优化控制方法，属于电力需求响应的技术领域；该方法首先分别建立建筑的热惰性模型和暖通空调系统模型，对两个模型进行转化得到包含线性部分和数据驱动部分的暖通空调负荷预测模型，利用历史数据拟合得到负荷预测模型的参数；然后根据该荷预测模型，建立建筑室内温度的优化模型，对优化模型求解，计算得到下一个时间点的最优建筑室内温度，实现对建筑暖通空调负荷的优化控制。本方法通过结合物理模型与数据驱动模型使暖通空调预测模型同时具有可解释性与较高的预测精度，从而在实时电价下能够根据该模型对室内温度进行优化，在室内温度保持在一定舒适范围内的前提下降低建筑物能耗成本。

技术领域

本发明属于电力需求响应领域，特别提出了一种基于部分线性模型的建筑暖通空调负荷优化控制方法。

背景技术

随着全球城市化进程的加快，建筑业消耗着越来越多的能源，造成了全球近40％的温室气体排放。在建筑的能耗中，暖通空调系统的占比达到了近50％。由于建筑的热惰性，暖通空调是一种典型的电热耦合负荷，可以在短时间内调整用电需求而几乎不影响用户舒适度，具有向电网提供灵活性的潜力。适当的需求侧管理可以极大地提高电网运行的经济性，而这需要暖通空调负荷的建模与优化控制。

许多文献证实了暖通空调系统在需求响应方面的应用，如针对实时价格执行室内温度的最优控制(Hao H,Corbin C D,Kalsi K,et al.Transactive Control ofCommercial Buildings for Demand Response[J].IEEE Transactions on PowerSystems,2017:1-1.)。然而，现有文献大多是基于建筑物暖通空调负荷的电热特性已知的假设，且所使用的模型较为简单，难以描述真实建筑的暖通空调负荷。一些研究讨论了实际建筑物的监测和模型参数估计，例如基于卡尔曼滤波的建筑能耗模型参数和未知状态的双重估计(Baldi S,Yuan S,Endel P,et al.Dual estimation:Constructing buildingenergy models from data sampled at low rate[J].Applied Energy,2016,169:81-92.)。暖通空调负荷模型的参数可以通过分析或实验方法估算，但需要完整的建筑结构信息或者专门的实验。在大规模应用中，这两种方法都是难以实施的。一些研究采用数据驱动的方法进行建模和优化控制，如使用机器学习预测暖通空调负荷并将其作为虚拟电池进行控制(Wang J,Huang S,Wu D,et al.Operating a Commercial Building HVAC Load as aVirtual Battery through Airflow Control[J].IEEE Transactions on SustainableEnergy,2020,PP(99):1-1.)，训练人工神经网络预测办公楼室内温度以实现暖通空调系统的最优需求响应(Kim Y J.A Supervised-Learning-Based Strategy for OptimalDemand Response of an HVAC System in a Multi-Zone Office Building[J].IEEETransactions on Smart Grid,2020,PP(99):1-1.)。这些数据驱动方法具有更好的预测性能，但通常缺乏可解释性，并且需要较大的计算量才能找到最优控制策略。

综上，已有的暖通空调负荷的简单模型无法应用于真实场景；数据驱动模型过于复杂，难以在此基础上进行优化控制。

发明内容

本发明的目的是为克服已有技术的不足之处，提出一种基于部分线性模型的建筑暖通空调负荷优化控制方法。本发明建立的暖通空调模型同时具有可解释性与较高的预测精度，该方法计算简便，得到的优化结果可在提升电网运行效率的同时降低建筑物的能耗成本。