【最新EI复现】基于共享储能服务的智能楼宇双层优化配置附Matlab代码-优快云博客

本文链接：https://blog.youkuaiyun.com/matlab_dingdang/article/details/148348461

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

随着城市化进程加速，智能楼宇（Intelligent Buildings, IBs）在现代城市建设中愈发普遍。为降低 IBs 储能投资成本，提升储能资源利用效率，本文提出一种基于共享储能服务的 IBs 双层优化配置方法。构建计及寿命周期的共享储能电站（Shared Energy Storage Station, SESS）模型，结合楼宇建筑物热惯性构建含空调系统的 IBs 数学模型，考虑 SESS 与 IBs 的不同利益诉求，搭建双层优化模型。上层模型以降低 SESS 规划成本为目标，下层模型旨在削减 IBs 年运行成本，利用卡罗需 - 库恩 - 塔克（Karush-Kuhn-Tucher, KKT）条件将双层问题转化为单层混合整数线性规划问题求解。以三个 IBs 社区四季典型日数据为例展开分析，结果表明该方法在保障 IBs 用户温度舒适性的同时，可满足 SESS 运营商与 IBs 的利益需求，实现双赢。

一、引言

在可持续发展理念推动下，智能楼宇作为高效节能的建筑形式，得到了广泛应用。IBs 配备了先进的能源管理系统，能够整合分布式能源资源，实现能源的高效利用。然而，储能系统投资成本高昂，成为限制 IBs 进一步发展的关键因素。若每个 IBs 单独配置储能，不仅投资巨大，还可能因不同 IBs 能量产消特性的差异，导致储能资源在某些时段闲置或短缺。

共享储能服务模式的出现，为解决这一问题提供了新思路。通过整合多个 IBs 的储能需求，共享储能电站可以实现规模效应，降低单位储能成本，提高储能资源的整体利用率。与此同时，在构建共享储能相关模型时，需充分考虑多种因素。一方面，建筑物本身具有热惯性，尤其是空调系统在楼宇能耗中占比较大，合理利用建筑物热惯性对优化 IBs 能耗意义重大；另一方面，SESS 运营商与 IBs 用户存在不同的利益诉求，需要在优化配置中予以平衡。

目前，已有诸多学者针对共享储能展开研究。部分研究提出共享储能容量优化配置模型以提升储能资源利用率，也有研究建立储能站参与调度决策的多能源站协调优化运行模型。但现有研究在考虑用户用能需求的差异性与互补性方面存在不足，且未充分将 IBs 的灵活性资源整合到 SESS 的优化模型中。因此，开展基于共享储能服务的智能楼宇双层优化配置研究，具有重要的现实意义与理论价值。

二、共享储能电站与智能楼宇模型构建

2.1 计及寿命周期的共享储能电站模型

共享储能电站为多个 IBs 提供储能服务，其运行模式和盈利机制直接影响着配置方案。在建立 SESS 模型时，需考虑投资成本、运维成本、储能电池回收收益、与 IBs 交易电量的费用以及向 IBs 收取的共享储能服务费等因素。

投资成本包括储能设备购置成本、安装成本等，与储能容量和充放电功率相关；运维成本涵盖日常维护、设备检修等费用，可根据经验数据或历史运维记录进行估算；储能电池回收收益则依据电池回收市场价格以及电池剩余寿命等确定。

在充放电过程中，SESS 需满足荷电状态（State of Charge, SOC）约束，即：

\(SOC_{min} \leq SOC_t \leq SOC_{max}\)

其中，\(SOC_{min}\)和\(SOC_{max}\)分别为电池允许的最小和最大荷电状态，\(SOC_t\)为\(t\)时刻电池的荷电状态。

同时，充放电功率也受到限制：

\(-P_{disch,max} \leq P_{t}^{disch} \leq P_{ch,max}\)

式中，\(P_{disch,max}\)和\(P_{ch,max}\)分别为最大放电功率和最大充电功率，\(P_{t}^{disch}\)为\(t\)时刻的放电功率。

此外，还需考虑储能电站倍率约束和充放电功率平衡约束等，以确保 SESS 安全、稳定运行。

2.2 基于建筑物热惯性的智能楼宇模型

智能楼宇的能耗主要来源于常规电负荷和空调负荷，其中空调系统能耗占比较大。基于热容 - 热阻网络模型，构建考虑建筑物热惯性的 IBs 详细热动态模型。

对于墙体热平衡，可表示为：

\(C_w \frac{dT_w}{dt} = \frac{T_{out} - T_w}{R_{out - w}} + \frac{T_i - T_w}{R_{w - i}}\)

式中，\(C_w\)为墙体热容，\(T_w\)为墙体温度，\(T_{out}\)为室外温度，\(T_i\)为室内温度，\(R_{out - w}\)为室外与墙体间的热阻，\(R_{w - i}\)为墙体与室内间的热阻。

室内热平衡方程为：

\(C_i \frac{dT_i}{dt} = Q_{ac} + Q_{solar} + \sum_{j = 1}^{n} Q_{elec,j} - \frac{T_i - T_w}{R_{w - i}} - \frac{T_i - T_{vent}}{R_{vent}}\)

其中，\(C_i\)为室内热容，\(Q_{ac}\)为空调系统制冷 / 制热功率，\(Q_{solar}\)为太阳辐射得热，\(Q_{elec,j}\)为第\(j\)个常规用电设备功率，\(T_{vent}\)为通风空气温度，\(R_{vent}\)为通风热阻。

空调运行需满足其自身的运行约束，如最小运行时间、最大制冷 / 制热功率等。同时，考虑到用户对室内温度的舒适性要求，设定温度舒适区间约束：

\(T_{i,min} \leq T_i \leq T_{i,max}\)

式中，\(T_{i,min}\)和\(T_{i,max}\)分别为用户可接受的室内最低和最高温度。

三、双层优化模型建立

3.1 上层优化模型

上层模型以降低 SESS 的规划成本为目标函数，可表示为：

\(min \ F_{SESS} = C_{inv} + C_{OM} - C_{rec} + \sum_{t = 1}^{T} (C_{sell,t} P_{sell,t} - C_{buy,t} P_{buy,t}) + \sum_{n = 1}^{N} C_{ser,n} P_{ser,n}\)

其中，\(C_{inv}\)为 SESS 投资成本，\(C_{OM}\)为运维成本，\(C_{rec}\)为储能电池回收收益，\(C_{sell,t}\)和\(C_{buy,t}\)分别为\(t\)时刻向 IBs 售电和从电网购电的价格，\(P_{sell,t}\)和\(P_{buy,t}\)分别为\(t\)时刻向 IBs 售电和从电网购电的功率，\(C_{ser,n}\)为向第\(n\)个 IBs 收取的单位功率共享储能服务费，\(P_{ser,n}\)为第\(n\)个 IBs 使用的共享储能功率，\(T\)为调度周期内的时段数，\(N\)为接入 SESS 的 IBs 数量。

3.2 下层优化模型

下层模型旨在降低 IBs 的年运行成本，目标函数为：

\(min \ F_{IBs} = \sum_{t = 1}^{T} (C_{grid,t} P_{grid,t} + C_{buy,t} P_{buy,t} - C_{sell,t} P_{sell,t}) + \sum_{n = 1}^{N} C_{ser,n} P_{ser,n}\)

式中，\(C_{grid,t}\)为\(t\)时刻从电网购电的价格，\(P_{grid,t}\)为\(t\)时刻从电网购电的功率。

IBs 需满足电功率平衡约束、爬坡约束、从电网购电功率约束以及与 SESS 间购售电功率约束等，以保证电力供应的稳定性和可靠性。

四、模型求解

原双层优化问题较为复杂，直接求解难度较大。采用卡罗需 - 库恩 - 塔克（KKT）条件将其转换为单层混合整数线性规划问题。通过构建下层 IBs 模型的拉格朗日函数，利用 KKT 条件代替下层模型，并作为上层模型的附加约束，将双层问题转化为单层问题。

然后，可选用成熟的优化算法，如 Gurobi 等商业优化软件进行求解。在求解过程中，设置合理的运行时间限制，如\(ops.gurobi.TimeLimit = 600\)（运行时间限制为\(10min\)），以提高计算效率。

五、案例分析

5.1 案例设置

选取三个具有代表性的 IBs 社区作为研究对象，收集其四季典型日的用电数据、气象数据以及建筑物相关参数。假设每个 IBs 社区内配备有分布式光伏、风电等可再生能源发电设备，且接入共享储能电站。

设置共享储能电站的投资成本、运维成本等参数，以及与 IBs 交易的电价、共享储能服务费率等。同时，确定各 IBs 社区的空调系统、常规用电设备等能耗参数，以及室内温度舒适区间等。

5.2 结果分析

对比不同优化配置方法下 IBs 的运行情况和 SESS 的配置结果。在满足 IBs 用户温度舒适性的前提下，分析所提双层优化配置方法对 SESS 规划成本和 IBs 年运行成本的影响。

结果显示，采用基于共享储能服务的双层优化配置方法，SESS 的规划成本显著降低，同时 IBs 的年运行成本也得到有效削减。与未采用共享储能服务或未进行优化配置的情况相比，该方法充分利用了 SESS 与 IBs 之间的协同效应，提高了储能资源利用率，实现了双方的共赢。

此外，通过分析不同季节、不同时段的优化结果，进一步验证了该方法在不同工况下的有效性和适应性。例如，在夏季用电高峰时段，SESS 能够合理调配储能资源，满足 IBs 空调系统等的用电需求，降低 IBs 从电网的购电成本；在冬季可再生能源发电充裕时，IBs 可将多余电能存储至 SESS，提高能源利用效率。

六、结论

本文提出的基于共享储能服务的智能楼宇双层优化配置方法，有效解决了智能楼宇储能投资成本高、资源利用效率低的问题。通过构建计及寿命周期的共享储能电站模型和基于建筑物热惯性的智能楼宇模型，建立考虑双方利益诉求的双层优化模型，并利用 KKT 条件转化为单层问题求解。案例分析表明，该方法在保障用户温度舒适性的同时，能够实现 SESS 运营商与 IBs 的双赢，为智能楼宇储能系统的优化配置提供了新的解决方案。