一种通过智能整合V2G、负荷调度及光伏发电,帮助家庭能源管理系统优化成本、减排并提升舒适度的新方法

《Energy and Buildings》:A New Approach for HEMS to Optimize Cost, Emissions and Comfort through a Smart Integration of V2G, Load Scheduling, and PVT Generation

【字体: 大 中 小 】 时间:2026年02月03日 来源:Energy and Buildings 8.0

编辑推荐:

  罗德里戈·菲奥罗蒂|朱萨拉·F·法尔丁|赫尔德·R·O·罗查|奥古斯托·C·鲁埃达-梅迪纳|安东尼奥·M·潘塔莱奥|穆罕默德·R·纳萨布|塞尔吉奥·布鲁诺 巴西圣马特乌斯,埃斯皮里图桑托联邦理工学院 摘要 本文提出了一种专为智能家居设计的新型家庭能源管理系统策略,该

  罗德里戈·菲奥罗蒂|朱萨拉·F·法尔丁|赫尔德·R·O·罗查|奥古斯托·C·鲁埃达-梅迪纳|安东尼奥·M·潘塔莱奥|穆罕默德·R·纳萨布|塞尔吉奥·布鲁诺
巴西圣马特乌斯,埃斯皮里图桑托联邦理工学院

摘要
本文提出了一种专为智能家居设计的新型家庭能源管理系统策略,该系统能够进行负荷调度,并整合光伏/热能发电与电动汽车技术。针对单向充电器和双向充电器分别设计了相应方案,后者可实现车辆对电网的供电功能。该问题通过非支配排序遗传算法III这一元启发式方法以及长短期记忆网络来预测光伏/热能发电量。在模拟用户行为方面,研究采用了3个特征参数来确定可控负荷的使用模式,识别出用户最适宜使用设备的时段,从而量化其舒适度,同时分析不同负荷之间的关联关系。电气负荷和热负荷被分为不可控负荷、可延迟负荷以及热可控负荷。一项年度案例研究表明,在排放量和用户舒适度保持相近的情况下,利用双向充电器的灵活性可实现14.57%的平均成本降低。这一降幅得益于分时电价机制(可带来22.23%的平均节省)以及最大负荷的降低(可带来21.73%的平均下降)。这些节省额足以弥补因实施车辆对电网供电而带来的电池损耗和老化成本。最后,通过对不同家庭能源管理系统架构的比较,本文强调了通过车辆对电网供电方式采用电动汽车的优势,认为其在推动住宅建筑实现清洁且经济高效的能源供应方面具有更强的竞争力。

引言
在可再生能源发展及能效提升的推动下,经济领域的电气化在减少温室气体排放、缓解气候变化影响方面发挥着关键作用[1]。建筑产业链在全球温室气体排放中所占的37%比例[2]凸显了实现建筑领域可持续运营的迫切需求。为此,各国已出台多项政策来解决这一问题。在此背景下,“近零能耗建筑”概念应运而生,这类建筑要求几乎所有的能源需求都通过本地可再生能源得到满足[3]。

光伏技术因其成本效益高(尤其适用于小型建筑)、模块化设计以及较低的维护需求,成为现场发电最常用的技术[4],对于为相关领域提供廉价且清洁的能源具有重要意义[5]。不过,目前商业用光伏系统的转换效率约为22%,其余能量多以热能形式流失[6]。利用现有的热能,光伏/热能技术可通过换热器捕获部分热量,用于低温应用,比如为家庭生活提供热水[7]。若能有效管理,该技术还能降低光伏电池的工作温度,延长其使用寿命并提高发电量。与传统的光伏系统和太阳能热水系统相比,光伏/热能系统具有诸多优势,包括更短的投资回报周期、更高的效率以及更低的环境影响,因而成为实现碳减排目标的可持续且具有竞争力的解决方案[8]。

然而,太阳辐射强度在中午时分达到峰值,而住宅建筑的用电高峰则出现在晚上7点左右。因此,光伏/热能系统产生的大量电能通常会被输送给电网运营商[9]。为提升自用率、降低能源成本和排放,家庭能源管理系统作为一种极具前景的解决方案应运而生。这类系统通过数字处理平台将智能技术融入建筑运营流程,实现优化控制,同时确保用户获得适当的舒适度[10]。家庭能源管理系统可利用分时电价机制降低能源成本,通过负荷调度将负荷从高电价时段转移到低电价时段或发电过剩时段,从而进一步提升自用率[11]。此外,负荷调度还能帮助降低最大负荷,合理管理由光伏/热能系统加热的储水罐中的热水,进而减少或消除使用电能加热水的需求。

随着太阳能和风能发电规模的不断扩大,其间歇性特性给电力系统稳定性带来了新的挑战。而负荷调度和电动汽车所具备的灵活性则有助于实现快速频率响应,从而改善频率调控能力,促进这些可再生能源的更大规模整合[12]。在本文的研究中,预测未来一天的光伏/热能发电量是一项艰巨任务,它会给家庭能源管理系统带来不确定性,因此该系统必须具备应对这一挑战的能力[13]。目前,人工神经网络是文献中最常用于进行此类气象预测的方法[14]。

汽车电气化是实现交通领域碳减排的关键因素,这也推动了电动汽车的快速普及。在家庭能源管理系统的框架下,电动汽车因其电池在连接家庭充电器时所具备的更高灵活性,被视为一种特殊的可控负荷[15]。这种管理方式的另一个重要优点在于,只要操作得当,就不会给用户带来不便。目前的电动汽车充电器均为单向设计,仅能在连接电源时为汽车电池充电(电网向车辆供电)。近年来,许多研究开始探讨双向充电的概念,即电动汽车既能充电(电网向车辆供电),又能放电(车辆向电网供电),这为家庭能源管理系统提供了更大的灵活性,有助于优化算法的目标函数结果[16]。

为了解决如何开发出能够同时管理电能和热能的有效家庭能源管理系统的难题,本文提出了一种三目标优化方法,其目标分别为降低能源成本和碳排放,以及提升用户舒适度,进而通过负荷调度、光伏/热能发电以及电动汽车电池管理,为智能家居制定未来一天的能源计划。

家庭能源管理系统是一个重要的研究领域,相关方法不断进步,逐步涵盖了多种能源形式和发电技术的管理,以及新目标函数和约束条件的整合。最初,这些方法主要侧重于通过利用分时电价降低智能家居的运营成本[17],或是减少峰值负荷[18]。在实施负荷调度时,考虑用户舒适度至关重要,因为在不合适的时间安排设备使用可能会降低用户对管理措施的配合度。为模拟用户行为,罗查等人[19]提出了一个舒适度矩阵,该矩阵中的离散舒适度等级(1至3级)是通过K均值聚类算法,以电器的能耗数据作为输入来确定的。而罗等人[20]则通过特定的特征参数来描述可延迟负荷和热可控负荷的行为特征。

在家庭能源管理系统中,还需要对某些负荷的热动态特性进行建模,比如空调为维持室内适宜温度所消耗的能源,以及家庭热水的使用情况。杜等人[21]采用了简化的等效热阻热容模型(1R1C)来计算建筑内的室内温度以及空调的能耗。相比之下,另一项研究[22]则采用了更为复杂的模型来描述建筑的热动态特性,其中窗户采用1R0C模型,墙壁采用3R2C模型,室内空气则采用2R1C模型。

大多数研究都选择利用光伏发电来满足智能家居的能源需求,因为它具有成本优势,而热负荷则通过热泵、空调、电热水器等将电能转换为热能的技术来处理[23]。不过,本地生产热能(或部分热能)可以降低能源获取成本和碳排放。在这方面,光伏/热能系统是一种可行的替代方案,其适用性取决于建筑所处的生物气候区以及用户的使用习惯。例如,在热带气候地区的建筑中,基于水的光伏/热能系统是满足热水需求的绝佳选择[24]。此外,储水罐的热储存功能还能为家庭能源管理系统提供更多灵活性,进一步提升智能家居的运行效率。

在天气条件变化的情况下,准确的参数预测对于提升家庭能源管理系统的性能至关重要。一些先进方法,比如基于几何形状的太阳辐射估算技术[25],有助于优化光伏系统的安装位置。人工神经网络则被广泛用于短期预测任务。有研究指出[26],时间卷积网络在预测光伏发电量、电压和效率方面,其性能优于长短期记忆网络和双向长短期记忆网络,不仅能够获得较低的均方误差,而且在训练数据较少的情况下仍能保持良好的稳定性。还有研究[27]对天气预报如何融入微电网能源管理系统进行了全面分析,研究了数据来源、预测方法、不确定性处理方法,并提出了未来的改进建议,同时还与其他能源预测应用进行了比较。

菲奥罗蒂等人[28]通过该系统实现了66.09%的成本降低,同时所有光伏/热能发电量都在本地被利用。通过优化负荷调度、光伏/热能发电以及固定式电池的管理,该系统还在电价最高和最大负荷最高的时段降低了能源消耗。而另一项仅考虑负荷调度和光伏/热能发电的案例研究[22]则显示,虽然未使用电池,也未对用户行为进行建模,但仍实现了23%的电力成本降低,并减少了电网负荷的波动。

在家庭能源管理系统中应用电池的做法已在众多研究中得到探讨,其目的是提升系统的灵活性,相关研究可见[29]和[30]。不过,仅为单个智能家居的能源管理而购置电池可能在经济上并不划算,而且其安装和运行还会带来空间和安全隐患。在考虑使用电池时,必须将其老化问题纳入模型考量,因为相关的成本和碳排放会对电池的最佳设计以及充放电策略产生重要影响。有研究[30]针对配备光伏发电功能的智能家居,采用了由另一项研究[31]开发的电池老化模型,该模型认为电池老化受两个因素的影响:日历老化(时间因素)和循环老化(充放电频率因素)。

随着电动汽车使用的日益普及,利用其电池提升家庭能源管理系统的灵活性,为解决传统电池在智能家居中的局限性提供了一种解决方案。由于电动汽车电池原本就是为驾驶目的而购买的,因此除了可能需要额外花费少量资金购买双向充电器外,无需再投入其他资金。不过,这种方法也会因以下四个关键因素而增加家庭能源管理系统的复杂性[32]:
•只有当电动汽车连接到充电器时,才能对其电池进行能量管理;
•电动汽车充电器的拓扑结构要么支持单向供电模式,要么同时支持双向供电模式;
•必须在模型中考虑电池的老化成本和碳排放,因为进行车辆对电网供电操作会因充放电次数的增加而降低电池的健康状态;
•需要确保电动汽车电池始终拥有足够的电量,以满足用户的出行需求。

许等人[33]提出了一种基于监督学习的家庭能源管理系统方法,该方法通过混合整数线性规划求解器来降低能源成本。该方法结合了负荷调度、电池管理、电动汽车以及双向充电器和光伏发电功能。另有研究[34]对比了四种能源管理策略,并在一个拥有四种不同类型建筑、配备并网型光伏-电池系统以及单向电动汽车充电站的能源中心进行了测试。测试结果表明,最适合的策略因建筑类型而异,同时指出,对于Prosumer社区而言,点对点能源共享策略是最具成本效益的选择。

将多个用户单元整合到一个能源中心或虚拟发电厂中,是一种有效的提升能源管理策略灵活性的方法,通过集中控制共享的分布式能源资源,可以优化各Prosumer之间的能源需求和市场交易[35]。此外,由此产生的规模经济效应还能提高盈利能力,便于为电网提供各类辅助服务。

另有研究[36]提出了一种新的家庭能源管理系统方法,该方法能够高效地整合多个家庭的灵活能源资源,形成一个微型能源中心。该研究采用了多目标两阶段稳健优化方法,旨在同时实现能源节约、碳排放减少以及负荷曲线的平滑处理。研究结果表明,能源消耗减少了13.34%,碳排放降低了8.06%,充分体现了微能源中心概念的 effectiveness。本文采用了目标导向的启发式动态规划方法,来解决兼具电能和热能管理功能以及智能停车场的虚拟能源中心的调度问题[37]。所提出的方法有效提升了集成系统的利润。在[38]中,通过整合13个具有不同能耗和发电特性的用户单元,构建了一个虚拟电厂。通过区块链系统中的智能合约,将聚合和集中式电池管理所产生的利润分配给用户。这种利润分享机制激励用户优化其需求模式,从而提升效率并增加经济收益。鉴于缓解气候变化影响的必要性,考虑碳排放问题至关重要。在[39]中对电动汽车所使用的各类电池(首次使用)进行了生命周期评估。结果显示,为这些电池提供二次利用并确保妥善回收可以显著降低其对环境的影响。在[40]中还进行了类似的研究,比较了使用不同燃料的电动汽车与内燃机汽车。研究结果强调了为了减少排放,应选择生物燃料或电动汽车而非传统的汽油车。在能源管理系统方面,Kassab等人[41]应用混合整数线性规划方法,以最小化微电网的能源成本和排放。最后,表1将本文提出的方法与相关文献中的其他方法进行了比较,突出了本文的贡献,这些内容将在后续小节中详细阐述。近期有一些研究将先进的优化方法应用于住宅能源系统。在[20]中,采用了非支配排序遗传算法III(NSGA-III)和基于理想解相似性排序法等元启发式算法进行负荷调度,而在[16]中则运用粒子群优化技术,旨在最小化配备电动汽车和储能装置的智能家居的能源成本。在[19]和[28]中分别采用了非支配排序遗传算法II和NSGA-III来实现多目标能源管理。此外,[22]将该问题建模为混合整数线性规划问题,而[23]则将其扩展为混合整数二次规划模型,对于这类模型,各种现有的方法和工具都可以得到有效应用。从相关研究中可以看出,目前尚未有文章探讨过将光伏、光热发电与电动汽车电池进行最优组合,以管理智能住宅中的热能和电能,因此本文填补了这一研究空白。该框架使得家庭能源管理系统能够找到非支配解,在平衡能源成本、排放量及用户舒适度的同时,无需在系统中配备固定电池。本文的其他主要贡献如下:•提出了两种用于管理电动汽车能源的新策略:一种针对仅具备单向转换器(只能实现从电池向车辆供电)的电动汽车,称为单向电动汽车能源策略系统(Mono-EVESS);另一种针对具备双向转换器(既能实现从电池向车辆供电,也能实现从车辆向电网供电)的电动汽车,称为双向电动汽车能源策略系统(Bi-EVESS)。这两种策略均基于同一作者在[42]中提出的混合电池管理模型以及[32]中的EVESS模型。由于加入了排放量这一新的目标函数,形成了三目标优化模型,同时还考虑了电池老化带来的成本和排放问题,因此对该方法的调整十分重要;•通过性能分析对比了Mono-EVESS和Bi-EVESS两种策略在不同运行条件下的优势。该方法通过模拟365天的情况,利用真实的气象数据、排放因子,以及基于实际分布的电动汽车外出行驶时段、每日行驶距离、不可控负载的电能和热能消耗数据;•在[28]中开发的随机行为建模技术得到了进一步改进。改进后的模型还考虑了某些可控负载之间的依赖关系,以确保为用户正确安排调度时间,从而更真实地反映用户使用家用电器的行为模式。此外,还对某些负载的使用频率分布进行了划分,以便合理安排一天中不同时间段的运行次数;•实现了对光伏、光热发电量的提前一天预测,通过长短期记忆递归神经网络来预测下一天的太阳辐射强度和环境温度,作为发电模型的输入参数。•分析了四种不同的家庭能源管理系统架构的性能,这四种架构的区别在于是否使用电动汽车(Bi-EVESS或Mono-EVESS)、传统内燃机汽车,以及是否在具备光伏、光热发电功能的智能家居中配备固定电池,并进行负荷调度。本文的其余结构如下:第2节介绍所设计的家庭能源管理系统架构;第3节讨论问题的建模方式以及优化算法的数学表达式;第4节阐述案例研究的设计及输入数据,第5节则展示并分析研究结果;最后,第6节对全文进行总结。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号