兼顾群体热偏好敏感性与能源成本：面向以使用者为中心的需求响应

《ENERGY AND BUILDINGS》：Balancing collective thermal preference sensitivity and energy cost for occupant-centric demand response

　　

摘要

以居住者为中心的需求响应（DR）需要在能源灵活性与居住者热舒适度之间进行权衡，尤其是在偏好各异、存在固有热需求冲突的共享空间中。本研究提出了一种框架，将热偏好敏感度（TPS）模型集成到建筑能耗建模与模型预测控制（MPC）协同仿真中，从而平衡群体热偏好与动态电价成本。利用ASHRAE全球热舒适度数据库II，采用基于偏好的Griffiths常数作为阈值，定义了一个新指标——动态最适温度范围（PTR）。结果表明，随着群体人数从一人增加到六人，最优点处的群体敏感度从零上升至0.17 °C?1，而PTR宽度从2.9 °C缩小至1.6 °C。这一变化表明，在共享空间中满足不同偏好具有挑战性。随后，从可解释的成本-舒适度平衡中得出的动态温度约束被集成到MPC框架中。在具有预定占用情况的共享空间中，与匹配最偏好热状态的静态最优方案相比，动态MPC模式实现了27%的能源成本降低、22%的均值高峰冷负荷降低和22%的最大高峰冷负荷降低（个体环境与群体环境之间存在非对称的敏感度收益差异）。在单人占用场景中，最优设定温度可使热偏好敏感度趋近于零。然而，在共享空间中，即使达到群体最优温度，由于偏好异质性，仍存在非零敏感度。这表明共享空间为需求响应提供了独特的灵活性，动态设定温度调整可以在不牺牲群体热舒适度的前提下实现电网侧收益。

引言

美国建筑领域的大规模需求侧实施到2030年可节省高达2000亿美元的电费并减少8000万吨年度碳排放[61]。实现这些收益需要建筑作为灵活的电网资产运行，以容纳可再生能源的波动性并在极端需求事件期间降低电网故障或轮流停电的风险[8]、[63]。需求响应（DR）框架通过削峰和移峰来支持这种灵活性[2]、[4]，通常使用储能或直控负荷（DLC）手段[26]、[67]、[70]。暖通空调（HVAC）系统特别适合DLC，因为它们能耗巨大且具有建筑热惯性，可在不立即引起室内温度中断的情况下进行短期负荷调节[42]、[80]。

然而，激进的HVAC负荷削减可能损害居住者热舒适度[3]，导致生产力下降、认知能力受损以及更广泛的健康影响[24]、[30]、[36]、[73]、[78]。这些后果可能降低居住者接受度并削弱DR项目的长期效果。因此，先进的DR框架应超越单纯的能源优化，明确平衡电网灵活性与居住者福祉，即所谓的以居住者为中心的DR[1]、[15]、[50]。

以居住者为中心的DR的启发式方法通常依赖静态温度死区[21]、[51]、[66]或价格响应阈值[28]、[81]、[82]来定义负荷调整事件期间可接受的运行范围。虽然这些方法为以居住者为中心的控制建立了实用且可解释的基线，但其根本局限性在于无法考虑热感知的主体性[75]，因为固定的温度界限无法保证在多样化居住者和不同室内条件下都能实现热舒适度或舒适愉悦。为超越基于温度的界限，后续研究转向了基于感觉的模型，如预期平均投票（PMV）和预期不满意百分比（PPD），并将其作为优化约束，在DR事件期间保持预测热状态在中性范围内[27]、[39]、[74]、[79]。

尽管这些模型被广泛采用，但其适用于DR应用的适宜性从根本上值得质疑[84]、[88]。这些模型的限制之一源于其稳态热平衡假设[71]，无法捕捉需求响应固有的瞬态热动力学。在这种环境中，热变化率——定义为每单位时间的温度或感觉投票变化——成为居住者满意度的关键决定因素[72]、[84]。具体来说，高变化率会加速不适的发生，缩短HVAC设备可以在不超出预设舒适度阈值的情况下参与DR事件的时间窗口，从而直接降低整体需求侧灵活性[76]。

除稳态假设外，另一个关注点是使用热感觉作为DR控制的反馈信号。热感觉投票可能与居住者的热偏好或期望的控制动作不一致[43]，限制了其代表居住者愿意以温度变化换取电网侧激励的能力。因此，热偏好被认为更适合控制应用，因为它指示了期望的变化方向，而非仅仅描述当前的热状态[20]、[45]、[47]。

因此，热偏好模型已被应用于以居住者为中心的建筑控制，并显示出改善个人舒适度的效果[13]、[31]、[34]、[35]、[54]、[57]、[86]、[87]、[89]。这些进展推动了基于热偏好的DR探索。例如，Khorasani Zadeh等人[25]研究了住宅DR事件期间居住者-恒温器互动，证明了个人热需求在决定负荷调节灵活性中的关键作用。具体而言，偏好较冷室内环境的居住者其制冷负荷灵活性降低[6]。

然而，将基于热偏好的控制从住宅推广到商业和机构建筑引入了尚未得到充分解决的一系列挑战。与通常可以对其热环境进行直接个人控制的住宅居住者不同，商业建筑中的居住者通常共同共享一个HVAC设定温度，无法为每位居住者提供控制权限。在此类共享空间中实现群体热舒适度是一个重大挑战[46]、[53]，受制于个体偏好之间固有的冲突及其多样化的热敏感度。因此，确定这些环境中的最优温度范围需要一个稳健的聚合框架，能够最小化群体不满意度[33]、[74]。在DR事件期间，这一挑战将被放大，因为温度设定值需要根据电价时间表和当前居住者的演变偏好动态调整。在通常缺乏个人控制权限的共享空间中，可感知的变化会增加投诉频率[10]，可能导致生产力下降和长期不满。在这种情况下，保持设定温度调整的不可察觉性至关重要[44]、[48]，将控制目标扩展到了不仅是舒适度维持。

在这些不可察觉性界限内运行需要控制器考虑个人的热敏感度。在热舒适度研究中，敏感度传统上被定义为每单位温度变化引起的感觉投票变化[14]、[59]。然而，对于DR应用而言，热偏好敏感度提供了一个更具可操作性的指标，定义为每单位温度下偏好"不变化"概率的变化率[22]、[23]。通过利用这种概率敏感度，可以识别出允许削峰而不触发设定温度干预意愿的具体温度变化。尽管这种方法具有理论潜力，但仍存在一个实际障碍，即如何在共享环境中平衡这种群体热偏好敏感度与动态能源成本。

基于这些挑战，本工作提出了一种敏感度感知控制框架，通过平衡电价与群体热偏好敏感度来优化需求灵活性。本研究的主要贡献如下。首先，我们引入了基于偏好的Griffiths常数，并用其定义了一个具有可接受群体热偏好敏感度（TPS）的群体级温度范围（最适温度范围或PTR）。与主要表征个体敏感度的现有热敏感度研究不同，所提出的方法提供了一种可解释的阈值来定义群体中可接受的偏好变化。其次，本研究开发了一个EnergyPlus-MPC协同仿真框架，其中控制器在每个运行时刻确定最优区域温度设定值，受动态温度约束条件限制。这些约束条件从群体热偏好敏感度与随时间变化的电价之间的可解释权衡中推导得出，并量化了运行成本和群体热满意度结果。

本文组织结构如下：第2节介绍方法论，包括协同仿真框架和热偏好敏感度模型的开发。第3节展示了关于共享空间中群体热偏好和协同仿真性能的关键结果，重点关注敏感度模型和控制性能的发现。最后，第4节讨论这些发现的实际见解，第5节给出结论。

方法

本节介绍了在群体热偏好敏感度约束下探索建筑冷需求灵活性的框架，采用协同仿真方法。方法论结构如下：首先，第2.1节介绍协同仿真架构，详细说明EnergyPlus建筑模型与基于Python的模型预测控制（MPC）模块的集成。第2.2节描述具体的建筑模型和目标热区域，它们作为……

结果

本节展示了本研究的发现。首先，第3.1节详细介绍了所提出的TPS模型的结果，包括个体和群体所识别的PTR和最适温度。第3.2节描述了从成本-舒适度平衡中推导出的动态温度约束的确定。最后，第3.3节提供了不同测试案例中MPC协同仿真的结果，随后对电费、总体……

舒适研究中的热敏感度

热敏感度在不同的热舒适度研究中有不同的定义，取决于研究背景。例如，在生理舒适度研究中[40]，它被定义为热感觉投票相对于皮肤温度单位变化的变化：?TSV/?Tsk。在以居住者为中心的DR研究中，通常使用两类主要的热敏感度，即温度变化速率（设定值调整的速度）和基于Griffiths的斜率敏感度（即……

结论

本工作通过EnergyPlus-MPC协同仿真框架探索了群体热偏好与动态电价之间的权衡。具体而言，利用ASHRAE II数据集开发了热偏好敏感度模型。通过应用基于偏好的Griffiths常数所知的阈值，定义了群体的最适温度范围（PTR）。随着群体人数从一人增加到六人，最优点处的群体敏感度从……

CRediT作者贡献声明

Zhihao Ma：撰写——初稿、方法论、正式分析、数据整理、概念化。Hejia Zhang：方法论、数据整理、概念化。Athanasios Tzempelikos：撰写——审阅与编辑、监督、资源、项目管理、方法论、调查、经费获取、正式分析。

未引用参考文献

[9]、[29]、[65]

利益冲突声明

作者声明他们不存在任何可能影响本文报告工作的已知竞争性经济利益或个人关系。

Zhihao Ma|Hejia Zhang|Athanasios Tzempelikos