梁海文 杨丽琴 沈俐

明阳智慧能源集团股份公司

经济的快速发展带来了公共建筑能耗的快速增加。在商业密集的中心城区，楼宇能耗占区域总能耗的65%以上[1]。通过建立建筑能耗大数据平台，开展需求响应管理，对于缓解公共建筑高峰用电负荷和实现社会整体节能增效具有重要意义。

需求响应的综合效益评估有助于准确量测需求响应的作用，从而精确指导制定科学合理的电价和激励措施。本文首先探讨了评估需求响应效益的指标体系，进一步，对支持该指标体系计算的基线负荷关键预测技术进行了分析。基于公共建筑能耗的精确计量和监测，本文给出了公共建筑综合效益评价的实例。基于评价结果，对需求响应的效益进行了综合评价，并对需求响应的优化调度策略进行了探讨。

1 需求响应评价指标体系

需求响应的指标评价对于需求响应策略、电力市场竞价等非常重要[2]。对于非供暖区域的大型公共建筑，暖通、动力和照明是主要的负荷类型。本章节主要从建筑能耗指标、需求响应效益指标两个方面，探索评价需求响应综合效益的指标体系。

1.1 建筑能耗指标

对于非供暖区域的大型公共建筑，根据《民用建筑能效测评标识标准》[3]（DG/TJ08-2078-2010）的相关规定，其典型的建筑能耗指标可以进一步定义和提炼，如表1 所示。

表1 大型公共建筑能耗指标

表1 中：

1）总体指标反应建筑的总体能耗、容量以及单位面积的能耗、容量水平。

2）分项指标中，主要计及暖通、照明、动力等主要负荷类型的分项总能耗，以及各分类负荷在建筑总能耗的占比水平。

3）负荷水平中，主要是建筑最大负荷系数、各分类负荷的最大负荷系数，以及分类负荷对总负荷的贡献水平。其中，负荷系数是实际负荷与该分项负荷所有时刻最大负荷的比值，负荷贡献度是该项实时负荷与所有时刻建筑最大负荷的比值。

1.2 需求响应效益指标

根据《需求响应效果监测与综合效益评价导则》（GB/T 32127-2015）和相关研究和实践成果[5]，需求响应效益的典型指标可以进一步定义和提炼，具体如表2 所示。

表2 需求响应效益指标

需求响应的成本指标如表3 所示。

表3 需求响应成本指标

2 基线负荷预测

基线负荷预测是决定需求响应效益评估精确度的核心内容[6]。在工程上，最常用的方法包括平均法、回归法[7]。此外，基于机器学习的数据挖掘方法也正在得到越来越多的应用。

2.1 平均值法

平均值法本质上是对需求响应时间前几天的时刻负荷值进行线性拟合[8]。对于受外部环境影响较大的用户类型，多采用典型比例因子方法进行二次修正。

平均值法的典型计算方法包括：

1）确定典型日，分为工作日、非工作日。

2）计算基线负荷：取典型日响应时段内各时刻的用户负荷数据，求取不同典型日中同一时刻负荷数据的平均值，进一步，将各负荷平均值按时间顺序排列，获得未修正基线负荷Pb’。

3）进行负荷修正

计算修正系数，见式（1）。

式中：P2b是需求响应日，响应期前2 h 内各采集时刻的负荷平均值，kW；P2b’是所有典型日中，与上述采集时刻对应历史负荷平均值，kW。

则修正后的基线负荷见式（2）。

2.2 回归法

一些用户的负荷特性与影响因素（温度、湿度等）的波动特性存在明显的类似性。在数据条件较好的情况下，可以通过建立用户负荷与影响因素之间的回归分析，获得更精确的预测结果[8]。

利用回归法进行基线负荷预测的主要方法：

1）确定典型日并获得对应时段的负荷数据、影响因素数据。

2）进行负荷分量分解

将每一个用电负荷拆分为基本分量、敏感分量（容易受气温、湿度等影响的分量），见式（3）。

式中：Ptj是响应期tj时刻基线负荷，kW；Ptj,b是tj时刻负荷值基本分量，kW，Ptj,s是tj时刻负荷值敏感分量，kW。tj是响应期的按周期T0分割的时刻。

然后确定分解比例，见式（4）。

式中：k 是分解比例；Ws是受影响因素影响的用电系统额定负荷容量，kW；Wb是不受影响因素影响的用电系统额定负荷容量，kW。

则每一个历史负荷可以被分解为：

式中：pn-1,j是响应期dn-1天j 时刻的基线负荷值，kW。

则响应期各时刻基线负荷值的基本分量为：

进一步，计算敏感分量的敏感因素加权指标：

式中：WTHIt是用户第t 时刻的影响因素加权指标；Tt是第t 时刻的气温；RHt是第t 时刻的湿度；pt是气温权重；qt是湿度权重，且pt＋qt=1。

对响应期第1 时刻历史负荷敏感分量序列P1s、权重序列WTHI1进行回归分析，得到：

式中：β0、β1是回归参数。

依次计算负荷响应日dn第1、2、…、j 时刻对应的WTHIn,j、pn,js。

在实际的工程应用中，可以根据实际需要确定采用合适的方法来确定响应日的基线负荷，也可以采用其他经过验证的具有良好效果的方法确定响应日的基线负荷[9]。

3 实例分析

3.1 研究对象

以上海某大型综合性商业建筑为例，选取其#1、#2 中央空调系统进行需求响应。对7 月1 日（工作日）的12:00～14:00 时段进行需求响应。

采用平均值法计算得到其需求响应结果数据，如表4 所示。响应日的空调负荷和建筑总负荷曲线具体见图1。

表4 典型商业建筑的需求响应结果

图1 建筑需求响应负荷曲线

3.2 指标及分析

3.2.1 效益指标

需求响应的效益指标见表5。需求响应为用户、电网、发电企业带来了显著的经济效益。同时，减少化石燃料消耗，降低二氧化碳排放2.18 吨。

表5 需求响应效益指标

3.2.2 能耗指标

以需求响应日为对象，进行和不进行需求响应的能耗指标见表6。从表6 可以看出，需求响应将当日建筑的能耗水平降低了8.46%。

表6 需求响应日的建筑能耗指标

3.2.2 基于负荷水平的有效性评价

建筑总负荷及分负荷的最大负荷曲线见图3。从图3 可以看出，需求响应策略有效降低了空调的最大负荷系数，进而降低了建筑的最大负荷系数，有助于平抑尖峰负荷。同时，需求响应期内的动力、照明最大负荷系数较高，存在一定的优化空间。

图3 最大负荷系数曲线

以建筑最大负荷为基准，空调、照明和动力设备的最大负荷贡献率曲线见图4。从图4 可以看出，空调负荷对最大负荷的贡献度最高。需求响应期空调负荷的“凹”型趋势表明，需求响应有效削弱了空调负荷的高峰同向性，起到了显著的削峰作用。照明、动力负荷的贡献度水平较低，但高峰期间的同向性较强。

图4 最大负荷贡献率曲线

4 结论

本文给出了综合能耗指标、需求响应效益成本指标在内的综合评价指标体系，总结了支持该指标计算的基线负荷预测工程方法。以某大型公共建筑为例，本文给出了实例分析，结果表明：

1）综合指标评价可以比较全面地评估公共建筑需求响应带来的能耗优化，经济效益和社会效益提升。

2）综合指标评价可以准确分析各分项负荷的组成、趋势以及对尖峰负荷的贡献，负荷的同向性特点。

3）综合指标评价可以客观评价需求响应策略的有效性，并可用于独栋、建筑群在内的需求响应策略优化决策指导。