基于运行模式识别的热激活建筑能源系统多目标优化——集成可再生能源与储能技术

《Energy》：Operation mode-informed multi-objective optimization of thermally activated building energy systems with integrated renewable and storage technologies

　　

热激活建筑系统（Thermally Activated Building Systems, TABSs）集成混合地热-太阳能发电与储能技术，可提升能源性能并支持建筑灵活运行。现有研究对将多能互补系统集成至基于TABS的建筑中实现有效多能协调探究有限，且鲜有研究联合优化TABS及其关联能源系统的决策变量。本研究旨在基于逐日供热与供冷运行模式的识别，对TABS集成地源热泵-空气源热泵-光伏-电池（Ground Source Heat Pump-Air Source Heat Pump-Photovoltaic-Battery, GSHP-ASHP-PV-battery）系统开展多目标设计优化。研究采用非支配排序遗传算法-II（Non-dominated Sorting Genetic Algorithm-II, NSGA-II）结合逼近理想解排序法（Technique for Order Preference by Similarity to an Ideal Solution, TOPSIS）识别最优方案，以最大化热-环境-经济综合性能。同时，采用基于非层次逐步筛选的二元逻辑回归（Binary Logistic Regression, BLR）分析确定最佳预测模型，用以基于室内外环境参数估计系统运行模式的发生概率。评估结果表明，所开发回归模型在最优分类概率下表现出识别供热与供冷激活的最优性能。此外，与基线案例相比，最优设计实现了未满足小时比例（Unmet Hour Ratio, UHR）降低29.2%、外购二氧化碳排放量减少7.6%，同时总年化成本（Total Annual Cost, TAC）增加4.4%。最优案例还展现出对电网稳定性、建筑能源自主性及运行灵活性的积极影响。所提出的方法为优化系统设计以促进低碳发展与可持续性提供了有价值的指导。

**一、研究背景与问题提出**

促进经济发展与环境可持续性是建筑领域供暖、通风与空调（Heating, Ventilation, and Air Conditioning, HVAC）系统技术进步所面临的长远挑战。热激活建筑系统（Thermally Activated Building Systems, TABSs）集成可再生能源系统，在协调低碳能源利用方面展现出潜力。TABS通过将水循环系统嵌入墙体、天花板和楼板等建筑结构构件中，实现热能储存与辐射传热，使建筑结构成为热调节的主动组成部分。相较于快速响应型末端系统，TABS的高效实施可带来多方面的优势，包括增强能源灵活运行、提高空间利用率、改善室内卫生条件以及降低噪声水平。

然而，TABS固有的热惯性构成了其主要局限性，这限制了其对供热或供冷需求快速波动的响应能力，导致管理措施与可观测热工改善之间存在时间滞后。尽管早期研究主要聚焦于各类启停控制方法与供水温度控制的能源及热工性能，但研究重点逐渐转向数据驱动与预测性方法，推动了基于模型预测控制和自适应控制策略的智能控制器发展，而这些先进控制器通常伴随迭代复杂性、案例特异性实现需求和高计算量要求。

TABS的大面积蓄热体、热质量和负荷转移能力为其与可再生能源集成提供了机遇。鉴于地热能和太阳能的广泛可利用性，地源热泵（Ground Source Heat Pump, GSHP）系统与光伏发电（Photovoltaic, PV）系统与TABS的集成已被证实可行且有效。现有研究已在TABS与GSHP、PV系统的集成方面取得进展，但关于将多能互补系统与TABS集成建筑相结合以实现能源生成、存储以及热电子系统协同互动的研究仍显不足。在TABS多能源系统设计优化中，大多数研究主要关注能源系统相关参数，如GSHP系统运行阶段和容量等，而同时考虑TABS设计变量与物理特性的设计优化研究有限，且在设计过程中考虑TABS动态行为与运行特性的研究仍然缺乏。

**二、研究内容与技术方法**

为应对上述研究空白，研究人员开展了基于TABS-热泵系统运行模式识别的TABS集成多能源系统设计优化研究，该论文发表于《Energy》期刊。研究的主要技术方法包括三个核心部分：首先，利用SketchUp和TRNSYS软件建立TABS集成GSHP-ASHP-PV-battery能源系统的仿真模型，模型基于澳大利亚卧龙岗市可持续建筑研究中心的实际建筑；其次，采用二元逻辑回归分析结合k折交叉验证进行TABS-热泵系统逐日供热与供冷运行模式的建模与预测，通过z-score标准化处理室内外环境参数，利用非层次逐步筛选程序建立回归模型，以受试者工作特征曲线下面积（Area Under the receiver operating characteristic Curve, AUC）和F1分数评估模型性能；最后，运用NSGA-II算法进行多目标设计优化，以热舒适性、环境效益和经济性能为优化目标，并采用TOPSIS结合香农熵方法确定最优设计方案。样本数据来源方面，研究使用了悉尼西部特定的气候区数据。

**三、研究结果**

**3.1 运行模式识别结果**

研究人员基于TRNSYS仿真开发了用于识别TABS-热泵系统供热和供冷运行模式的二元逻辑回归模型。候选自变量包括逐日初始室内空气温度、逐日初始混凝土楼板表面温度、逐日平均环境温度、逐日最大和累计总水平辐照度及其交互项，此外供冷模型还考虑了逐日平均风速及其交互项。通过概率密度函数和累积分布函数的统计分析确定未满足小时比例（UHR）阈值，供热场景识别出Gamma分布为最优拟合，在概率水平0.05下确定UHR阈值为0.08299；供冷场景经Johnson变换正态化处理后，在相同概率水平下获得变换UHR阈值为-1.692。

建立的供热回归模型包含三个关键解释变量：逐日初始楼板表面温度（贡献率84.80%）、逐日最大总水平辐照度（贡献率4.79%）和逐日平均室外空气温度（贡献率2.45%）。供冷回归模型包含六个显著预测变量，其中逐日初始室内空气温度贡献率最高（60.56%），逐日平均室外空气温度次之（12.83%）。两个模型在10折交叉验证中AUC值均超过0.9，最优分类概率分别为0.594（供热）和0.207（供冷），对应F1分数分别为0.9772和0.9384，均优于默认概率阈值0.5下的表现，证实了模型良好的分类能力与预测性能。

**3.2 设计优化结果**

与基线案例相比，最优设计方案将单台GSHP单元的供冷和供热容量分别提高9.8%和7.8%，同时将ASHP容量分别降低17.7%和20.1%，使更大比例的容量配置于效率更高的GSHP单元。TABS最优设计表现为更高管道导热系数、更浅埋管深度以及更高导热系数但更低热容的混凝土材料，增强了系统动态响应能力。可再生能源集成方面，PV面板数量减少45块，电池容量从39.6 kWh适度增加至52.0 kWh。

性能优化方面，最优设计实现UHR降低29.2%（从0.24降至0.17），外购CO₂排放量减少7.6%（从30,589.1 kg降至28,271.4 kg），总年化成本增加4.4%（从19,574.8 AUD增至20,435.0 AUD）。能源灵活性方面，净交互水平（Net Interaction Level, NIL）降低16.8%，自消费率（Self-consumption Ratio, SCR）提高24.7%，自给率（Self-sufficiency Ratio, SSR）提高5.2%。热泵运行阶段分析显示，最优设计提高了Stage 1和Stage 2的运行时间占比（分别达22.9%和57.2%），降低了Stage 3占比（19.9%）。能源与成本分析表明，最优设计总电力消费降低4.3%，电网购电量和售电量分别减少7.6%和29.4%，年度外购碳排放减少2,317.7 kg，年度外购电力成本降低9.1%至6,783.5 AUD。

**四、讨论与结论**

研究人员指出，本研究提出的运行模式识别结合调度时间策略，为考虑TABS热质量和热惯性特征提供了一种计算高效的途径。所开发的回归模型在最优TABS配置的不同热惯性条件下仍保持了可靠的分类性能和稳健的预测能力，AUC值分别为0.9926（供热）和0.9913（供冷），F1分数分别为0.9773和0.9324。

研究的局限性在于：人员行为采用确定性日程建模，未考虑建筑占用率的随机固有时间变化特性及其导致的内热增益波动；混凝土导热系数和热容在优化范围内作为连续变量处理，而实际上这些参数是由特定材料组成决定的离散属性，优化值可视为通过水泥含量、骨料类型与比例及常规外加剂的可行变化所能达到的目标性能，未来研究可引入离散材料选项或混合整数公式以明确表征具体混凝土配比。

研究结论表明，该研究提出了一种基于运行模式识别的TABS集成多能源系统多目标设计优化方法，采用NSGA-II优化算法结合TOPSIS决策方法确定最优设计方案，以最大化热舒适性、减少环境影响并改善经济性能。决策变量同时涵盖了楼板TABS的设计参数与物理特性以及GSHP-ASHP-PV-battery能源系统的容量参数。二元逻辑回归分析结合非层次逐步筛选程序用于确定估算TABS-热泵系统冷却和加热激活概率的最佳模型。所开发的供热运行回归模型包含三个关键解释变量，供冷模型包含六个变量，分别解释了总方差的92.04%和92.59%。方差分析识别出逐日初始楼板表面温度为供热模型的主导因素，逐日初始室内空气温度为供冷模型的主要驱动因素。两个模型均获得高AUC值和F1分数，确认了有效预测系统激活模式的良好分类性能。此外，最优能源系统缓解了PV面板过大和电池容量不足的问题。与基线案例相比，最优案例展现了改善的热性能和性能结果，尽管经济成本略有增加：UHR降低29.2%，外购CO₂排放减少7.6%，TAC增加4.4%。最优案例还通过对NIL降低16.8%、SCR提高24.7%和SSR提高5.2%，展现出对电网稳定性、建筑能源自主性和运行灵活性的积极影响。这些发现可用于指导协调的热-电通路，以增强运行灵活性并支持减碳建筑设计。