电池储能技术在完全集成、优化控制的微能源社区中的作用及其二氧化碳减排成本

《Energy and Buildings》：The role and CO 2 emission reduction cost of battery energy storage in fully integrated, optimally controlled micro energy communities

提出整合热电服务的非线性物理模型，分析比利时微能源社区中电池储能（BES）与热泵的协同效应。通过33种系统布局对比发现，仅采用集体热泵无BES系统可降低11.6吨/年排放，成本效益比BES高50倍，揭示BES在特定场景下的边际减排价值。

　　

卢卡斯·维尔莱恩（Lucas Verleyen）| 莉芙·赫尔森（Lieve Helsen）

鲁汶大学（KU Leuven）- 机械工程系，Celestijnenlaan 300，Heverlee，3001，比利时

摘要

电池储能（BES）通常被视为住宅（区域）能源系统中一个有吸引力的组成部分。通常，BES被认为是灵活性的唯一来源。然而，热能系统通过建筑物的热容量和水力系统本身就提供了显著的灵活性。因此，本文提出了一种完全集成的方法，该方法将所有相关的能源服务（空间供暖、生活热水和电器用电）结合在一起，使用详细的建筑模型来表示灵活的需求侧，并在所有组件之间建立适当的水力和电气连接，形成一个基于物理的非线性能源系统模型。最优控制器作为系统集成器，充分利用系统的固有灵活性，并利用热能和电能之间的协同效应。所提出的方法应用于比利时边界条件下的微能源社区（MEC）。通过对33种能源系统布局进行比较分析，研究了BES在完全集成的MEC中减少二氧化碳排放的作用和成本。分析表明，忽视热系统的灵活性会导致结果偏差。最具有成本效益的减排系统是使用集体热泵且不采用BES的方案，该系统的年排放量减少了11.6吨，成本为215欧元/吨。集体BES进一步减少了0.1吨的排放量，但成本显著增加至5,430欧元/吨。因此，对于建筑物而言，BES在减排方面并不具有成本效益。然而，当考虑电网支持或应用其他政策框架时，这一结论可能会改变。

引言

2019年，欧盟（EU）提出了欧洲绿色协议，目标是在2050年前实现气候中和[1]。尽管与2019年相比，2022年欧盟的温室气体排放量减少了7%[2]，但实现绿色协议的目标仍然是一个重大挑战。2022年，欧盟家庭占最终能源使用的25.8%，其中63.5%用于空间供暖（SH），14.9%用于生活热水（DHW），13.9%用于照明和电器用电，6.3%用于烹饪，0.6%用于空间冷却（SC），0.9%用于其他用途。化石燃料提供了52.2%的SH和DHW最终能源使用[3]。比利时的情况更加糟糕，因为SH和DHW占住宅能源使用的85.6%，其中81.8%直接由化石燃料提供[3]。

欧盟委员会研究了多种可再生能源供暖和冷却方案，以实现到2050年的全面脱碳，并得出结论，对于像比利时这样的国家来说，最具成本效益的解决方案包括使用热泵（HPs）对SH、SC和DHW进行分散式（个体）和集中式（通过热网络）的直接电气化[4]、[5]。此外，欧盟委员会认为能源社区是住宅部门脱碳的一个有吸引力的概念，因为它们能够促进集体和公民驱动的能源行动，支持清洁能源转型，提高能源效率并降低当地社区的账单[6]。

住宅能源系统中的一个主要问题是电力需求与可再生能源发电之间的时间不匹配，尤其是在SH和DHW供应电气化的情况下。因此，电池储能（BES）似乎是一种改善这种匹配的吸引人的技术。短期电力存储通过储存多余的本地光伏（PV）电力以供后续使用，进一步减少了二氧化碳排放。然而，在电气化的能源社区中，BES并不是灵活性的唯一来源。热泵可以通过利用建筑物的热质量和水力系统的容量以灵活的方式运行，从而将能源需求与可再生能源发电更加紧密地结合在一起。因此，本文研究了BES在完全集成的微能源社区（MECs）中的好处和二氧化碳减排成本。具体来说，考虑了比利时背景下一个由三栋房屋组成的小型住宅集群，同时包括了所有相关的住宅能源服务，即SH、DHW和电力，并考虑了整个MEC的能源系统。第1.3节进一步阐述了本文的目标和贡献。

已经对住宅领域的BES进行了大量研究。然而，典型的PV-BES研究仅包括PV面板、BES和家用电器，其中BES作为灵活性的唯一来源，完全忽略了建筑物的热系统[7]、[8]、[9]、[10]、[11]、[12]。由于在电气化热供应的情况下，建筑物的热能和电能子系统是相互连接的，因此两个子系统之间会产生协同效应。因此，这项工作包括了比利时住宅环境中的所有相关能源服务，即SH、DHW和家用电器（包括烹饪，以下简称插电负载（PL）），这些服务占欧盟住宅最终能源使用的98.5%[3]。由于欧盟住宅中只有0.6%的最终能源用于SC，并且2019年只有9%的弗拉芒家庭配备了SC系统[13]，因此SC不在研究范围内。本文考虑了三种主要能源技术，即PV、HP和BES，通过热能和电能子系统提供所需的能源服务。此外，这项工作考虑了一个小型建筑集群，而不是单一建筑，以包括它们之间的能源交换。在本文中，“建筑物”一词指的是单户住宅，不包括高层公寓楼。与相关研究工作的范围对比见表1。未考虑热子系统的研究被排除在外。

表1中的第二类定义了能源系统的数学表示方法。许多研究依赖于静态能源需求曲线，这可以合理描述PL。然而，热能系统的特点是具有热惯性（例如建筑物的热质量、水力系统的容量），这本身就提供了显著的灵活性。当热需求由静态需求曲线描述时，这种灵活性就无法被利用。此外，在典型的PV-BES研究中，静态热需求曲线被转换为热泵的静态电力需求曲线，使得BES成为唯一的灵活组件。这种方法偏向于夸大BES的灵活性。因此，需求侧的动态模型，即建筑物，以及整个能源系统的动态模型是必不可少的。本文采用基于物理的（白盒）模型进行仿真和优化，并将质量流量和温度作为单独变量进行建模，从而能够区分与各种热能服务相关的温度水平。这种方法与传统的能源枢纽模型形成对比，后者通常将质量流量和温度汇总为一个热功率变量[14]、[15]、[16]。

许多研究在住宅多载能源系统中采用基于规则的控制（RBC）或基于混合整数线性规划（MILP）方法的最优控制（OC）作为控制算法。然而，Jorissen等人[17]和Jansen等人[18]强调了捕捉建筑能源系统中重要非线性行为的重要性。因此，本文采用非线性规划（NLP）OC方法。此外，本文进行了全年模拟，时间步长为15分钟，消除了预先选择代表性日子或时期的需要，避免了由于评估时间范围较短而可能导致的过高或过低估计。15分钟的时间步长足以捕捉最重要的系统动态和峰值，同时避免了计算时间的不必要的增加。此外，比利时住宅零售电力市场也以15分钟的时间步长运行，确保与现实世界市场条件保持一致。

表1中的第三类定义了能源系统性能评估的关键性能指标（KPIs），如年能源使用量、二氧化碳排放量和成本，提供了对系统性能的全面了解。

本文的主要贡献是开发了一种完全集成的、基于物理的方法来建模和优化多矢量能源系统，从而能够评估BES在MEC中的作用。该方法将多个子模型集成到一个单一的整个能源系统模型中，包括多种住宅能源服务（SH、DHW和PL）、各种能源技术、所有所需的能源载体（热能和电能）以及热能和电能子系统的动态需求侧。通过明确建模水力网络中的质量流量和温度，准确表示所有单独组件之间的热能和电气连接，并包括重要的非线性¹行为，该方法能够分析可行且技术上可行的集成能源系统。将这些动态模型与适当的系统集成器（即非线性最优预测控制器）结合使用，可以最大化热能和电能子系统之间的协同效应，充分利用系统的灵活性，并实现需求响应。对多个KPI的年度评估最终提供了对整个能源系统的全面评估。这种方法通过在设计阶段就明确考虑系统运行来支持能源系统设计。本研究的关键贡献在于模型开发、最优控制设计和系统集成。

为了展示开发的完全集成方法，本文对33种能源系统布局进行了比较分析，以确定在比利时边界条件下BES在MEC中的作用和二氧化碳减排成本。为此，开发了一个基于第一原理的连续非线性BES模型，该模型与优化框架完全兼容。这种基于仿真的分析的目的不是提供BES的通用评估，而是了解其与完全灵活的热子系统结合时的行为，以及当系统运行优化以最小化二氧化碳排放时的行为。热子系统包括以建筑物热容量和水力网络容量形式存在的短期热存储。因此，最优控制器必须决定是将能量存储在电能子系统中还是热子系统中。优化成本最低超出了本研究的范围，因为重点在于评估MEC作为减少气候影响的途径。同样，电网支持服务也是BES的另一个重要贡献，但未在本文范围内考虑。

第2.2节介绍了小型集群用例和分类为四种情景的能源系统布局。第3节详细介绍了建模方法和为本工作开发的非线性连续BES模型。第4节讨论了结果，重点关注BES的作用和二氧化碳减排成本。第5节总结了主要发现和对未来研究的建议。

部分摘录

小型集群用例

本研究基于Verleyen等人[29]提出的相同用例，涉及位于比利时Genk的一个由三栋实际单户住宅组成的小型住宅集群。图1展示了一栋代表性建筑的形象。表2总结了每栋房屋的关键建筑特性，包括总生活面积、受保护的体积和建筑物的总热传递率或UA值。每栋房屋都有独特的占用情况。

方法论

为了分析不同的小型集群能源系统配置，采用了一种基于仿真的方法，结合了确定性的、动态的、白盒模型和最优控制策略。这些集成的白盒模型是在Modelica中开发的，Modelica是一种面向对象的、基于方程的建模语言，同时使用了现有的开源库，包括IDEAS [33]、Modelica Buildings库[34]和MoPED [35]、[36]。这些非线性白盒模型实现了

结果分析

例如，图11可视化了全年优化的时间序列，时间分辨率为15分钟。结果对应于具有集体热泵、集体BES和PV选项B的能源社区情景。虽然优化涵盖了整个年份，但仅显示了2月9日至2月23日的快照。在第一周，热需求很高。OC安排热泵和BES的运行以最小化运营过程中的二氧化碳排放。

结论

本文提出了一种完全集成的建模和优化方法，该方法结合了所有相关的能源服务（空间供暖、生活热水和电器用电）、详细的建筑模型来表示灵活的需求侧，以及在所有组件之间建立适当的水力和电气连接，形成一个基于物理的非线性能源系统模型。最优控制器作为系统集成器，充分利用系统的固有灵活性，并

CRediT作者贡献声明

卢卡斯·维尔莱恩（Lucas Verleyen）：撰写 – 审稿与编辑、撰写 – 原始草稿、可视化、验证、软件、方法论、调查、形式分析、概念化。莉芙·赫尔森（Lieve Helsen）：撰写 – 审稿与编辑、监督、项目管理、资金获取、概念化。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。