住宅社区空调基于不确定性的能量灵活性潜力预测方法

《Energy》：An uncertainty-based energy flexibility potential prediction approach for air conditioners in a residential community

　　

摘要：住宅社区的柔性能源利用对于提升可再生能源利用率及平衡智能电网供需至关重要。然而，现有研究较少探讨住宅空调（Air Conditioner, AC）的灵活性潜力，尤其在运行时间、设定温度、能效及用户参与意愿等不确定性因素显著影响的情境下，这些因素会严重降低预测精度。本研究提出了一种基于不确定性的预测方法，用以量化住宅空调的灵活性调度潜力。研究人员通过实地测量与问卷调查收集了空调用能行为数据，结合K-means聚类与蒙特卡arlo方法构建随机预测模型，以表征运行与行为不确定性。从削峰、节能及经济性能三个维度建立了灵活性评估指标，形成综合评估框架。以中国夏热冬冷地区某住宅社区为案例进行验证。结果表明：负荷削减策略可显著提升制冷灵活性潜力，而负荷暂停策略则更有效提升制热灵活性潜力；用户参与意愿对结果影响显著。在“不考虑意愿”情景下，制冷最大削峰率可达28%、制热100%，制冷最大节能率29%、制热81%，制冷最大成本节约率14%、制热43%。与不考虑意愿相比，“考虑意愿”情景下，制冷与制热季的削峰率分别差异9%与27%，节能率差异8%与22%，成本节约率差异4%与12%。

论文解读：住宅社区空调基于不确定性的能量灵活性潜力预测研究

一、研究背景与意义

随着全球人口增长与城市化进程加快，能源需求快速上升，生态环境压力加剧。为应对气候变化，截至2024年5月，198个国家在《巴黎协定》框架下制定了碳减排目标。中国于2020年提出“2030碳达峰、2060碳中和”目标。推动可再生能源成为建筑领域减碳关键路径，但太阳能与风能等具有间歇性与随机性，导致发用电实时匹配困难，常出现弃电现象。同时，受供需、经济、气候及突发事件影响，电力系统峰谷差扩大，短期电网升级成本高昂，需求侧管理（Demand Side Management, DSM）愈发重要。

能量灵活性（Energy Flexibility）被定义为“根据用户需求、当地气候及能源网络要求管理其用能与产出的能力”，可重塑负荷曲线、削峰填谷、提升可再生能源消纳、缓解电网压力。住宅建筑是建筑部门节能减碳重点，英国居民用电约占总电量三分之一、峰值负荷60%；中国城市住宅（不含北方采暖）占建筑总能耗26%、相关碳排放24%。住宅负荷通过聚合器参与需求响应（Demand Response, DR）潜力巨大。空调（Air Conditioner, AC）是住宅关键柔性设备，约占住宅总能耗40%，可通过调温、调整启停时间及利用围护结构热惯性实现预冷/预热来提供灵活性。

然而，既有研究多聚焦公共建筑集中式空调，对住宅分体式空调灵活性潜力研究有限，主因在于其强随机性与多源不确定性：设备容量与能效异质、运行时间与设定温度多变、用户参与意愿差异大。现有预测方法多基于能耗模拟（TRNSYS、EnergyPlus）、统计或智能算法、实地测量，常忽略设备多样性、温度设定随机性及用户意愿，导致预测偏差大、泛化性不足。因此，研究人员开展了此项研究，以更全面地量化社区级住宅空调灵活性调度潜力，成果发表于《Energy》。

二、主要关键技术方法

研究人员选取中国夏热冬冷（Hot Summer and Cold Winter, HSCW）地区某住宅社区为对象，通过入户测量与问卷获取空调用能及意愿数据。研究构建了四重随机预测模型，涵盖运行时间、设定温度、设备能效及用户参与意愿四类不确定性。采用K-means聚类划分典型行为模式，结合蒙特卡洛（Monte Carlo）模拟进行随机抽样与多次迭代求解。建立削峰、节能、成本节约三类灵活性评估指标，形成综合框架。设置两情景对照：“不考虑意愿”（全参与）与“考虑意愿”（基于问卷参与概率）。通过典型单策略与组合策略模拟，对比制冷/制热季灵活性表现。

三、研究结果

1. 灵活性调度潜力预测方法框架

研究人员提出四步法：①柔性用能信息采集；②空调柔性用能不确定性预测；③空调灵活性调度潜力计算；④情景对比与评估。概念框架整合设备异质性、随机运行与行为不确定性于统一预测流程。

2. 典型单体建筑灵活性调度潜力

单策略中，制冷以负荷削减、制热以负荷暂停表现最优；据此构造组合策略。两情景对比显示，用户意愿明显缩小潜力规模。不考虑意愿时，制冷最大削峰率28%、节能率29%、成本节约率14%；制热对应为100%、81%、43%。考虑意愿后，制冷与制热季削峰率分别降低9%与27%，节能率降低8%与22%，成本节约率降低4%与12%。

3. 预测灵活调度潜力的意义

通过纳入设备能效变异、随机运行行为及居民不确定参与意愿，该方法可更真实地评估社区级灵活性，为未来智能能源系统需求侧灵活性的可靠部署与精细化估计提供框架支撑。

四、讨论与结论翻译

研究人员讨论指出，既有研究常忽略跨户空调性能异质、温度设定随机性及用户意愿，而本研究同步量化运行时间、设定温度、设备能效与参与意愿多源不确定性，较单源不确定性研究更全面。将设备多样性、随机运行与行为不确定性集成于统一方法，提升了社区级空调灵活性评估的现实性与工程可操作性，可为削峰、可再生能源消纳及成本节约提供方法支持。

结论：

需求侧柔性负荷调度在促进大规模可再生能源并网与电网削峰中具有重要战略与实践价值。本研究提出一种基于不确定性的住宅空调灵活性调度潜力预测方法。研究人员首先通过入户测量与问卷调查收集家庭空调用能数据，随后构建四个随机模型，分别表征运行时间、设定温度、设备能效及用户参与意愿的不确定性，并结合K-means聚类和蒙特卡洛方法进行随机预测。以中国夏热冬冷地区某社区验证表明：负荷削减策略显著提升制冷灵活性潜力，负荷暂停策略更有效提升制热灵活性潜力；用户参与意愿对结果影响显著。不考虑意愿情景下，制冷最大削峰率28%、制热100%，制冷最大节能率29%、制热81%，制冷最大成本节约率14%、制热43%。与不考虑意愿相比，考虑意愿情景下制冷与制热季削峰率分别差异9%与27%，节能率差异8%与22%，成本节约率差异4%与12%。该方法可为住宅社区空调柔性运行、电网削峰及可再生能源集成提供方法论支撑。