面向近零能耗建筑的可再生多联产系统集成设计、模拟与人工智能优化

《Energy Conversion and Management-X》：Integrated design, simulation, and artificial intelligence optimization of renewable polygeneration systems for near-zero energy buildings

　　

本研究针对不同气候条件下的近零能耗建筑，提出了一种气候自适应的混合可再生能源多联产系统框架。研究人员将EnergyPlus与TRNSYS集成，分别用于模拟建筑能耗需求及太阳能-风能辅助能源系统的性能。通过定制化的控制策略，协调可再生能源发电、电池储能、电网交互及建筑能源需求之间的关系。研究人员将人工神经网络（ANN）代理模型与遗传算法（GA）相结合，实现了计算高效的多目标系统优化。该框架同时兼顾了近零能耗建筑的经济性能、环境影响及供电可靠性。具体而言，该框架优先利用现场可再生能源发电，并协调电池储能与双向电网交互，从而在降低对电网依赖的同时最小化系统成本率、年二氧化碳排放量及电网依赖率（GDR）。研究结果表明，所提出的优化框架能够在不同气候条件下有效平衡经济性、环境效益与供电可靠性，为近零能耗建筑的可持续设计提供了重要参考。

**研究背景与问题**

全球能源需求持续增长、能源成本上升以及化石资源日益枯竭，使得能源安全与环境可持续性问题愈发严峻。建筑部门在全球能源消耗中占据重要地位，其运行能耗占全球最终能源使用的三分之一以上，并贡献了超过40%的直接和间接CO₂排放。因此，零能耗建筑与净零能耗建筑概念逐渐成为降低能源需求并维持室内舒适性的有效途径。将可再生能源技术，特别是太阳能和风能系统，集成于建筑尺度，是减少化石燃料依赖、降低生命周期排放和总体环境影响的策略之一。已有研究在建筑能源模拟、可再生能源并网和智能控制方面取得了显著进展，但现有方法大多针对单一环节或特定技术。对于在一个统一的多联产框架内，同时考虑可再生电力生产、电池存储、空间供暖与制冷、太阳能辅助生活热水生产以及双向电网交互，并进行代理辅助的多目标优化（经济性、CO₂排放、电网依赖性）的研究尚显不足。此外，不同气候条件对这类集成多能源系统最优设计与性能的影响也缺乏系统探讨。这些研究空白促使研究人员开发了本研究所提出的集成模拟与优化框架。

**研究内容与结论**

本研究的核心目标是建立一个集成的电-热多联产系统设计优化框架。研究对象为一栋连接电网并具备电力输出能力的近零能耗大学建筑。研究首先利用EnergyPlus生成建筑在四种不同气候（阿瓦士、大不里士、亚兹德、阿巴斯港）下的逐时电力、供暖、制冷及生活热水需求。随后在TRNSYS中构建多联产系统模型，包括光伏（PV）板、风力发电机、电池组、热泵、真空管太阳能集热器及储热水箱。通过三个运行控制器（电力控制器、暖通空调控制器、生活热水控制器）实现多能流的协同管理。优化层面，研究人员利用Sobol序列准随机采样生成样本数据集，训练人工神经网络（ANN）作为代理模型，并与遗传算法（GA）耦合进行多目标优化，以最小化系统成本率、年CO₂排放量和电网依赖率（GDR）。研究结果显示，建筑的热负荷特性表现出显著的气候依赖性：阿瓦士夏季制冷需求最高，大不里士冬季供暖需求最大。年度电力消耗在不同城市间差异显著，阿瓦士最高（1235.777 MWh），亚兹德最低（469.817 MWh）。可再生电力占比从大不里士的57%到阿瓦士的66%不等。电池储能显著降低了电网购电量，提升了可再生电力的时间匹配度。多目标优化揭示了成本、排放与电网依赖之间的权衡关系，选定的折中方案（B点）实现了GDR为0.34、年CO₂排放为279.11吨、成本率为34.16美元/小时的性能。该研究的重要意义在于，其提供了一种气候响应性的可再生能源与电池储能集成设计方法，能够有效平衡经济、环境与可靠性目标，支持不同气候条件下近零能耗建筑的可持续发展。

**主要技术方法**

研究人员采用的主要技术方法包括：基于OpenStudio-EnergyPlus的建筑能耗动态模拟，以获取建筑逐时负荷；基于TRNSYS 18的多能源系统瞬态仿真，模拟光伏、风电、太阳能集热器、热泵、电池及控制策略的协同运行；利用MATLAB中的Sobol序列算法进行准随机采样，生成设计空间样本；构建ANN代理模型以快速映射设计参数与系统性能指标间的关系；应用遗传算法（GA）进行三目标（成本、CO₂排放、GDR）Pareto优化。样本队列涵盖伊朗四个代表性城市：阿瓦士（热干）、大不里士（冷半干旱）、亚兹德（半干旱）和阿巴斯港（热湿），气象数据来源于Meteonorm数据库。

**研究结果**

* **建筑模型验证**：研究人员将本研究建筑能耗模拟结果与ASHRAE 90.1-2013基准案例（费尔班克斯和迈阿密）进行了对比，主要负荷构成部分的偏差低于1.5%，验证了建筑模型的准确性。
* **能源系统模型验证**：研究人员将光伏组件、风力发电机、真空管集热器及热泵的模拟输出与已发表文献数据进行对比，最大偏差分别低于3%、2.5%、3%，热泵运行COP在供暖模式下为3.3-4.0，制冷模式下为2.9-3.5，电池SOC范围在32%-87%，均显示了模型结果的物理一致性与可靠性。
* **系统性能与气候影响分析**：研究比较了四个城市的月均温度、太阳辐射及建筑冷热负荷。结果显示，阿瓦士和阿巴斯港以制冷负荷为主导，大不里士冬季供暖需求最强，亚兹德则呈现中间季节模式。电力供应构成方面，阿瓦士可再生电力（太阳能和风能）占其总电力需求的47%，而大不里士仅为33%。电池储能在不同城市发挥了程度不同的作用，在大不里士供应约23%的电力需求以缓解可再生电力的间歇性。研究人员以阿瓦士为例展示了电池储能的作用，结果表明配置电池后，电网购电量在代表月份中显著下降，例如1月从22,740 kWh降至14,120 kWh。
* **多目标优化结果**：ANN代理模型具有较高的预测精度，在独立测试集上，成本率、CO₂排放和GDR的平均绝对百分比误差（MAPE）分别为1.10%、1.15%和1.30%。三目标Pareto前沿明确展示了成本、CO₂排放与电网依赖度之间的权衡。A点（高可靠、高成本，GDR=0.25，成本为41.10 $/hr）与C点（低成本、高依赖，GDR=0.92，成本为8.69 $/hr）为两个极端。B点作为最佳折衷方案，在GDR为0.34的情况下，实现了年排放279.11吨和成本率34.16 $/hr的平衡。通过10次独立GA运行验证了优化算法的鲁棒性，成本率、CO₂排放和GDR的变异系数（CV）分别仅为0.61%、0.98%和1.17%。

**讨论与结论**

研究人员对该优化系统进行了敏感性分析，以评估关键参数变化对系统性能的影响。结果显示，经济可行性对融资条件（利率）最为敏感，利率从8%升至16%会使系统成本率从约29.8增至39.0 $/h。其次为电价和项目寿命期。能源与环境绩效则主要受电池效率、可再生资源可用性和电网碳强度影响，可再生资源可用性从基准值的90%提升至110%，可使GDR从大约0.38降至0.30。电网碳强度不改变系统购电量，但会显著影响总CO₂排放。该研究最终得出以下结论：建筑冷热负荷呈现强烈的气候依赖性，须进行气候特定性设计；电池储能是提高可再生利用率和降低电网依赖的有效手段；ANN-GA优化框架能够有效识别平衡成本、排放与可靠性的系统配置。该研究提出的整合框架，为在不同气候条件下设计和优化多联产近零能耗建筑能源系统提供了新的方法论参考。该系统在实现经济、环境和技术性能平衡方面表现出潜力，有助于推动建筑部门的可持续能源转型。