張涌新，沈弘，馬靜

(新能源電力系統(tǒng)國家重點實驗室(華北電力大學)，北京市 102206)

0 引 言

能源是人類社會經濟過程合理、有效運轉和持續(xù)進步的基本條件，如何在確保能源可持續(xù)供應同時，減少產生的環(huán)境污染，促進新能源消納以推動環(huán)保進程，是各國共同關注的議題[1-4]。由電、熱、冷、氣等能源供應網絡耦合形成，發(fā)揮多種能源優(yōu)勢互補潛力，促進太陽能、風能等可再生能源就地消納，實現資源優(yōu)化利用，提高能源利用率的綜合能源系統(tǒng)，成為應對資源緊缺、氣候變化、環(huán)境污染等問題的關鍵[5-7]。

綜合能源系統(tǒng)是以電力系統(tǒng)為核心，打破電、氣、冷、熱等能源供應系統(tǒng)單獨規(guī)劃、設計和運行的既有模式，在規(guī)劃、設計、建設和運行過程中，對各類能源分配、轉化、存儲、消費等環(huán)節(jié)進行有機協(xié)調與優(yōu)化，充分利用可再生能源的新型區(qū)域能源供應系統(tǒng)[5,8]。開展綜合能源系統(tǒng)負荷特性及應用研究是綜合能源系統(tǒng)設計和運行的重要環(huán)節(jié)，將在綜合能源系統(tǒng)選型及定容等設計工作、設備與負荷控制策略及負荷預測、需求側響應等方面發(fā)揮重要作用。

針對綜合能源系統(tǒng)負荷特性分析及其關鍵應用負荷預測、綜合需求響應問題，國內外學者開展了詳細研究。在分析綜合能源系統(tǒng)負荷特性，探尋其規(guī)律影響上：文獻[9]分析了綜合能源系統(tǒng)冷、熱、電負荷不確定性對燃氣輪機等設備配置的影響；文獻[10]給出了不同容量范圍和不同負荷熱電比下，燃氣輪機的適應范圍不同的結論；文獻[11-12]分析負荷特性規(guī)律，構建了綜合能源系統(tǒng)設備容量配置優(yōu)化模型；文獻[13]、文獻[14]分別對廣東、南京的建筑負荷特性進行分析，為綜合能源系統(tǒng)在建筑上的配置和運行提供基礎保障。在綜合能源系統(tǒng)負荷預測上：文獻[15]設計了考慮多元負荷多變量耦合關系的冷熱電聯供系統(tǒng)負荷預測方法；文獻[16]考慮影響負荷特性的運行、自有屬性因素,建立典型建筑冷、熱負荷計算快速預測模型；文獻[17]提出了能改進天然氣長期需求信息以進行短期精確預測的去趨勢算法；文獻[18]引入深度學習，提出了短期電、熱、氣負荷聯合預測方法。在綜合能源系統(tǒng)綜合需求響應上：文獻[19-20]提出了改變能源消費類型來進行響應的綜合需求響應概念；文獻[21]分析了家庭小型供能系統(tǒng)綜合需求響應的能力；文獻[22]研究了綜合能源系統(tǒng)的可移峰負荷，并給出移峰潛力評價解析化模型；文獻[23]建立了多能源系統(tǒng)綜合需求響應的隨機性模型，并提出響應系統(tǒng)不平衡量的控制方法。綜上，現有研究主要集中在特定綜合能源系統(tǒng)負荷特性分析及應用上，在面對各個具體形式不一的實際綜合能源系統(tǒng)及其不同時間尺度下的負荷特性以及負荷預測和需求側響應等應用問題時，需要有統(tǒng)一研究分析框架、方法、指標，指導研究、規(guī)劃、運行人員的相關工作。

因此，本文首先梳理國內外學者在綜合能源系統(tǒng)負荷特性分析及應用方面的研究情況；之后針對目前研究關鍵問題，給出綜合能源系統(tǒng)負荷特性分析及應用研究框架；結合分析框架對美國亞利桑那州立大學Tempe校區(qū)實際綜合能源系統(tǒng)進行研究，利用小波分析自動辨識和處理壞數據，計算分析該系統(tǒng)短/中長期單獨及融合負荷形態(tài)規(guī)律、不同類型用能數據增強負荷可預測性的可行性，及冷、電負荷綜合需求響應潛力，以期在對綜合能源系統(tǒng)負荷特性分析、負荷預測、綜合需求側響應等問題提供參考依據方面，起到積極作用。

1 關鍵問題

綜合能源系統(tǒng)具有和傳統(tǒng)單一能源系統(tǒng)不同的負荷特性，同時不同用能負荷的負荷特性間又存在聯系，如何合理全面地分析綜合能源系統(tǒng)負荷特性，充分發(fā)掘利用多種負荷間耦合信息是需要深入研究的課題。目前，綜合能源系統(tǒng)負荷特性分析及應用研究存在以下關鍵問題：(1)如何分析綜合能源系統(tǒng)多種負荷的負荷特性，在不同時間尺度下，探尋短/中長期負荷形態(tài)規(guī)律；(2)如何充分挖掘不同負荷間隱含關聯關系，用不同類型用能數據增強綜合能源系統(tǒng)負荷的可預測性；(3)如何利用綜合能源系統(tǒng)負荷形態(tài)特征，分析進行綜合需求響應的潛力，為充分利用多種負荷間互補特性進行綜合需求響應提供參考依據。

2 研究框架

針對上述關鍵問題，本文提出綜合能源系統(tǒng)負荷特性分析及應用關鍵問題的研究框架。

考慮到綜合能源系統(tǒng)負荷具有較為繁雜的多時間尺度特性與多屬性特性，分別針對綜合能源系統(tǒng)短/中長期負荷形態(tài)及規(guī)律、不同類型用能數據增強負荷可預測性、綜合能源系統(tǒng)需求響應潛力分析關鍵問題，構建以用能行為尺度(小時級)、工作周期尺度(周級)、季節(jié)尺度(月級)組成的時間維度坐標軸，與以負荷形態(tài)指標、負荷間關聯度指標、函數關系、峰谷互補程度指標、單獨負荷及負荷間轉換約束組成的指標維度坐標軸，相應提出指標綜合計算分析、負荷間變量關聯分析、可轉移負荷量計算分析的分析方法，分析框架如圖1所示。

2.1 綜合能源系統(tǒng)短/中長期負荷形態(tài)規(guī)律

對綜合能源系統(tǒng)短/中長期負荷形態(tài)及規(guī)律問題，針對常見電、冷、熱負荷，在時間維度各尺度下，定義負荷間融合負荷形態(tài)指標：Lheat-Lcold、Lheat-Lelec、Lcold-Lelec分別為熱冷差、熱電差、冷電差；Lheat/Lcold、Lheat/Lelec、Lcold/Lelec分別為熱冷比、熱電比、冷電比。定義單獨負荷形態(tài)指標：|Lheat|、|Lcold|、|Lelec|分別為某時間點熱、冷、電負荷絕對量大?。籨Lheat/dt、dLcold/dt、dLelec/dt分別為某時間點熱、冷、電負荷的變化速度；Lheat(max)、Lheat(min)分別為熱負荷分析范圍內的最大值和最小值；Lcold(max)、Lcold(min)分別為冷負荷分析范圍內的最大值和最小值；Lelec(max)、Lelec(min)分別為電負荷分析范圍內的最大值和最小值；Lheat(norm)、Lcold(norm)、Lelec(norm)分別為熱、冷、電負荷的方差。分析上述指標在各時間尺度下數值規(guī)律，即分“單獨負荷形態(tài)”與“融合負荷形態(tài)”，利用指標進行綜合計算分析，得到全面的綜合能源系統(tǒng)短/中長期負荷形態(tài)及規(guī)律，分析示意圖如圖2所示，對應負荷指標綜合計算分析如表1所示。

圖1 綜合能源系統(tǒng)負荷特性分析及應用關鍵問題研究框架Fig.1 Research framework of load characteristics analysis and key issues of integrated energy system

圖2 負荷形態(tài)分析示意圖Fig.2 A schematic diagram of load profile analysis

利用表1所示的指標及其計算公式，反映負荷間融合負荷特性，能夠比較全面地體現綜合能源系統(tǒng)的負荷特性。電/冷比等融合負荷形態(tài)指標反映分析時間范圍內不同負荷間關聯關系，便于進一步獲取不同負荷的關聯函數，為不同負荷間相互壞數據檢驗、基于負荷關聯函數的協(xié)同負荷預測、各時間范圍內綜合需求響應潛力分析提供基礎。

以電負荷形態(tài)分析為例，在不同時間尺度下，既能夠通過單獨負荷形態(tài)指標計算分析電負荷絕對量大小等單獨電負荷的形態(tài)規(guī)律，也能夠利用融合負荷形態(tài)指標研究電與熱、冷的融合負荷形態(tài)規(guī)律，充分利用綜合能源系統(tǒng)多元信息，刻畫更立體的負荷形態(tài)。

2.2 不同類型用能數據增強負荷可預測性

因綜合能源系統(tǒng)獨特的結構特性，不同類型負荷間存在著關聯性，利用對不同類型用能數據挖掘得到的隱含關聯信息，以趨勢修正、壞數據檢驗等方式，相互增強各負荷可預測性。在各時間尺度下，定義負荷間關聯度指標(負荷間絕對量大小、變化率等的關聯度)，通過擬合、物理模型推導等方法獲取負荷間函數關系，描繪各負荷在各時間尺度下的關聯情況，并利用關聯規(guī)律及多種負荷數據，對各負荷單獨負荷預測進行優(yōu)化，形成協(xié)同負荷預測，增強綜合能源系統(tǒng)負荷的可預測性，具體示意圖如圖3所示。

表1 負荷指標綜合計算分析表Table 1 Comprehensive calculation andanalysis of load index

圖3 不同用能數據增強負荷可預測性Fig.3 Using different energy data to enhance load predictability

以電負荷預測為例，在各時間尺度下，用電熱、電冷負荷關聯度指標得到的電熱、電冷負荷關聯規(guī)律及熱、冷負荷數據，修正電負荷預測基值和變化值，構建協(xié)同電負荷預測。利用電冷比、電冷差進行電冷協(xié)同電負荷預測公式為

(1)

2.3 綜合能源系統(tǒng)需求響應潛力分析

本文綜合能源系統(tǒng)需求響應潛力分析主要以綜合需求響應為對象，在時間維度各尺度下，定義負荷間峰谷互補程度指標以計算理論最大可轉移負荷量；結合由設備、傳輸容量等分析得到的單獨負荷轉換約束與負荷間的轉換約束，計算實際最大可轉移負荷量；探究各時間段可轉移負荷量規(guī)律特征，為需求響應潛力及相應措施研究提供參考結果，示意圖如圖4所示。

圖4 綜合能源系統(tǒng)需求響應潛力分析Fig.4 Analysis of the demand response potential of integrated energy system

以電冷間綜合需求響應潛力分析為例，各時間尺度下，由電、冷互補程度指標計算理論電、冷負荷間最大可轉移負荷量，考慮具體實際綜合能源系統(tǒng)單獨電、冷負荷轉換約束以及負荷間轉換約束，求解實際電、冷間最大可轉移負荷量，量化衡量該綜合能源系統(tǒng)進行電、冷綜合需求響應的能力。電、冷綜合需求響應潛力分析模型為

(2)

式中：Scold為分析時間范圍內電、冷負荷間實際可轉移負荷量(電、冷綜合需求響應潛力)；γ為分析時間范圍內冷負荷能量與電負荷能量間轉換效率，滿足能量轉換設備特性帶來的負荷間轉換約束γ(min)<γ<γ(max)；scold為分析時間范圍內電、冷互補程度指標(電、冷負荷曲線峰谷面積)反映的負荷間可轉移負荷量，滿足儲能設備特性帶來的能量存儲約束scold(min)

3 實證分析

3.1 數據描述

實例分析以美國亞利桑那州立大學Tempe校區(qū)綜合能源系統(tǒng)為對象。Tempe校區(qū)設于Tempe市，擁有288個建筑、52 255名學生與教學人員。Tempe校區(qū)所處地屬熱帶沙漠氣候，夏熱冬暖，全年降雨量較少[24]，相對于其他地區(qū)，冷負荷需求較大。本文采用數據是Tempe校區(qū)綜合能源系統(tǒng)記錄的2013—2017年每天24 h的冷、熱、電負荷數據，均來源于該校Campus Metabolism項目網絡平臺[25]，冷、熱、電負荷數據單位分別是冷噸、mmBtu/h、kW。

后續(xù)分析時，需統(tǒng)一不同負荷的單位進行“單位統(tǒng)一化”，按照Campus Metabolism項目網站提供的單位轉換計算公式1 kW=0.284 冷噸=0.003 4 mmBtu/h，將熱、冷負荷單位統(tǒng)一至kW。分析周級與小時級負荷特性時，為防止季節(jié)因素造成干擾，對分析數據進行“標幺化”處理，標幺化的方式為：用每天每小時級的某種(電、熱、冷)負荷數據，除以當天所有小時級該負荷數據的最大值，得到該負荷當天每個小時負荷數據對應的標幺值。后文中用到的“單位統(tǒng)一化”、“標幺化”均采用上述方式。標幺化具體公式為

(3)

3.2 壞數據處理

實際系統(tǒng)測量、存儲數據過程中，難免產生壞數據，將對后續(xù)分析產生極不利影響，分析負荷特性前，需要進行壞數據處理，本文提出利用小波系數與RGB數值的壞數據處理方法，通過編程實現壞數據處理的自動化，在對大量負荷數據進行處理時，比人工操作速度快、效率高。方法如下詳述。

(1)辨識。因為小波系數能反映曲線突兀程度，同時matlab可將小波系數值用圖像中不同顏色及其對應RGB值表示，便可用含壞數據的負荷曲線中正常數據RGB值接近，突兀壞數據RGB值遠不同于正常數據這一特點，遍歷所有數據點RGB值，結合數據點位置信息(數據在所有數據中位置)，即可找出突兀點。對原始數據經小波變換得到的各層小波系數作如下處理：

(4)

式中：Cmn為第n個數據對應的第m層小波系數；m為小波系數所在層數；n為數據點在所有數據中的位置；Cmin、Cmax分別為所有數據所有層小波系數的最小值和最大值。

通過式(4)，將數值很小的小波系數值轉換成范圍為1～64的RGB數值，以便發(fā)現突兀程度不明顯的壞數據。將經過標幺化和RGB值轉換處理后前5層小波系數中數值大于1(考慮經過上述處理后，正常數據對應的數值均小于1)的對應數據判定為壞數據。按上述方法繪制Tempe校區(qū)2017年每天24 h電負荷曲線和各點小波系數對應RGB值圖，如圖5所示。

采用不同的尺度，可得不同層數(層數不同，對是否是壞數據的判別標準不同)下Tempe校區(qū)2017年電負荷數據中壞數據的位置。

(2)修正。已知壞數據位置后，通過將壞數據前5個和后5個正常數據作為基礎數據并做多項式擬合，用得到的擬合曲線計算替換壞數據的修正數據進行數據修正。同樣以Tempe校區(qū)2017年每天24 h的電負荷數據為例，對壞數據進行修正，修正前、后情況如圖6所示。圖6中，經過壞數據處理，波動較大的壞數據得到修正，處理后數據更能反映實際情況。后續(xù)計算分析所用數據均經過上述壞數據處理。

圖6 壞數據的修正Fig.6 Bad data correction

3.3 綜合能源系統(tǒng)負荷特性

結合第2節(jié)分析框架，分別在季節(jié)(月級)、工作周期(周級)、用能行為(小時級)時間尺度下，通過單獨、融合負荷指標，以箱線圖形式分析負荷特性。每個箱中間線代表該箱包含數據中值，箱上下邊界值分別表示該箱第三四分位點、第一四分位點，與箱通過虛線相連的兩條黑實線為內限值，內限值之外的數值點為異常值。

(1)月級負荷特性。利用日平均負荷代表該日負荷情況，構成其所屬月分析數據組，即每月數據組由電、冷、熱各30個左右的日均負荷數值組成，如1月數據組由該月31天的電、冷、熱日平均負荷數據組成。對冷、熱負荷進行單位統(tǒng)一化，以月為分析對象，對Tempe校區(qū)2016年3月到2017年2月的月電、冷、熱負荷進行箱線圖繪制，如圖7所示。

以3—5月為春，6—8月為夏，9—11月為秋，12—次年2月為冬進行季節(jié)劃分，分析可知：電、冷負荷均呈現夏高冬低負荷特征，熱負荷則相反。熱負荷與冷負荷、電負荷在季節(jié)上的互補性較明顯。負荷較高季節(jié)月負荷大部分變化范圍較大，反之較小，該特點在熱負荷上體現得更明顯。

用能反映某個時間點負荷間關系的負荷比來分析融合負荷特性，同時考慮熱負荷數值數量級相對較小，電、冷負荷數量級相當，如下的負荷比分析，關注電冷比。根據單位統(tǒng)一化的日均電、冷負荷計算每天的電冷比，進而構成其所屬月的電冷比數據組，即每個月數據組包含30個左右的電冷比數據。以月為分析對象，對Tempe校區(qū)2016年3月—2017年2月的電冷比進行箱圖繪制，如圖8所示。

圖7 2016年3月至2017年2月月級電、冷、熱負荷箱圖Fig.7 Monthly power,cold and heat load box diagrams from March 2016 to February 2017

圖8 2016年3月—2017年2月月級電冷比箱圖Fig.8 Box diagram of monthly load ratio of power and cold load from March 2016 to February 2017

月級電冷比反映的融合負荷特性在不同季節(jié)之間差異明顯，月級電冷比夏季小、冬季大，同一季節(jié)同一月內電冷比波動范圍較小，較穩(wěn)定。在同一月內，利用電冷比分析電、冷負荷間關系的可信度較高。利用前面得到的月級單獨電、冷負荷特性可推出類似結論，相互印證了結果的正確性。

(2)周級負荷特性。利用電、冷、熱負荷各7個日平均負荷構成其所屬周分析數據組，如第1周由2017年1月2日至2017年1月8日每天電、冷、熱日平均負荷數據組成。對冷、熱負荷進行單位統(tǒng)一化，對電、冷、熱負荷進行標幺化，以周為分析對象，對2017年52周(去除2017年1月1日)電、冷、熱負荷進行箱圖繪制，如圖9所示。

圖9 2017年周級電、熱、冷負荷箱圖Fig.9 Weekly power,cold and heat load boxdiagrams in 2017

冷、熱負荷平均值均在29周左右達到最大，且29周負荷波動范圍不大。熱負荷呈現出在29周(7月份)附近平均值相對高，與圖7中熱負荷箱圖形狀正好相反的情況，考慮到前者數據經過了標幺化，圖9中不能反映絕對數值，故能理解這種看似矛盾的結果：圖9中29周附近熱負荷平均值高，說明29周及其臨近周每天每小時的熱負荷數值大都接近當天的最高值，而不代表這些天每小時的實際用熱很大。

通過負荷比分析周級融合負荷特性。利用單位統(tǒng)一化、標幺化后的日均電、冷負荷計算每天的電冷比，進而構成其所屬周的負荷比。以周為分析對象，對2017年52周的電冷比進行箱圖繪制，如圖10所示。

圖10 2017年周級電冷比Fig.10 Box diagram of monthly load ratio of power and cold load in 2017

即便采用標幺化抹去季節(jié)造成的影響，還是有在29周附近電冷比明顯下降的情況，考慮到29周附近是暑假，這很可能跟學校內人員的節(jié)假日工作方式有關。觀察52周的電冷比情況，發(fā)現部分周周內每天的電冷比變動范圍較大，在這些周利用電冷比和電、冷負荷數據，對周內每天的電、冷負荷進行協(xié)同預測具有較大提升空間。

(3)小時級負荷特性。對Tempe校區(qū)2017年8 760 h，每小時對應的電、冷、熱負荷先后進行單位統(tǒng)一化、標幺化后，按一天24 h分別進行分組，例如 00:00時刻數據組由365天每天00:00時的電、冷、熱負荷數據組成。以小時為分析對象，對2017年電、冷、熱負荷進行箱圖繪制如圖11所示。

盡管標幺化抹去季節(jié)因素影響，電、冷、熱負荷依然表現出與每天生活習慣、天氣、溫度等相關的變化規(guī)律。電負荷在每天14：00左右出現高峰，03：00左右出現最低值；冷、熱負荷小時級規(guī)律與每天各小時氣溫變化規(guī)律相關性強，冷負荷在15:00左右出現高峰，03：00左右出現最低值；熱負荷高峰出現在 06:00，15:00左右出現最低值，3種負荷高峰區(qū)域波動大的點也較多。從1天24 h整體來看，各個小時間負荷均值的波動程度冷負荷最大，熱負荷次之，電負荷最小。

圖11 2017年小時級電、冷、熱負荷箱圖Fig.11 Hourly power,cold and heat load box diagrams in 2017

對Tempe校區(qū)2017年每小時對應的電、冷負荷先后進行單位統(tǒng)一化、標幺化，進而計算電冷比，并按小時進行分組，即1天24 h每個小時由365個電冷比組成。以小時為分析對象，對Tempe校區(qū)2017年的電冷比進行箱圖繪制，如圖12所示。

圖12 2017年小時級電冷比Fig.12 Box diagram of hourly load ratio of power and cold load in 2017

從各個小時數據看，電冷比在平均數值高的小時，波動范圍也較大。從一天整體看，電冷比均值在16：00左右出現最低值，04:00左右出現峰值，考慮電負荷均值在一天的波動范圍較冷負荷均值小，由電冷比定義及電、冷負荷數據規(guī)律可理解這種特征產生的原因：電負荷變動較小，電冷比主要受冷負荷變化的影響。同時，圖12中幾乎每個小時都有波動很大的異常值，表明小時級電冷比具有一定的隨機性。

此外，還按季節(jié)對Tempe校區(qū)2013—2017年5年每天每小時冷、電負荷分布，采用稀疏方法進行了繪制，如圖13所示。圖13中，每個點在橫、縱軸上的投影對應的數值分別是其所代表小時的電、冷負荷數值。繪圖用到的稀疏方法是：從大量數據點中均勻隨機選取較少固定數量的點代表數據整體。圖13中，冷電負荷在各季節(jié)下分布形態(tài)不一，但呈現出在電冷比較大時，冬季點占比多，在電冷比較小時，夏季點占比多，即之前夏季電冷比相對較小，冬季電冷比相對較大的規(guī)律得以體現。

圖13 2013—2017年各季節(jié)每天每小時冷、電負荷分布Fig.13 Distribution of daily and hourly cold and power load marked in different seasons from 2013 to 2017

結合第2節(jié)所提分析框架及上述綜合能源系統(tǒng)負荷特性計算分析結果，可總結得到：不同時間尺度下綜合能源系統(tǒng)不同負荷單獨及負荷間的負荷特性，存在隨機波動性的同時，也具有規(guī)律性。仿真結果也證明了按不同時間尺度劃分，利用單獨及融合指標計算分析，對綜合能源系統(tǒng)短/中長期負荷形態(tài)及規(guī)律進行探究的實用性與全面性。

3.4 不同類型用能數據增強負荷可預測性

考慮到現階段的負荷預測，負荷隨機波動值的規(guī)律探尋具有很重要的研究意義，結合2.2節(jié)內容，對利用不同負荷波動值之間的關系以增強系統(tǒng)整體負荷的可預測性這一方法，進行可行性計算。對2013—2017年Tempe校區(qū)每天的電、冷、熱日平均負荷數據，自2013年1月2日起，取每天與前一天日平均負荷的差值作為負荷波動值，即利用電、冷、熱負荷各得到1 825個負荷差值，分析不同負荷差值之間的關聯關系。分別在電、冷、熱負荷差值坐標系下對應繪圖，如圖14所示。

圖14 電、冷、熱負荷差值圖Fig.14 The diagrams of difference between power,cold and heat load

圖14中一個點即代表2013—2017年某天對應的電、冷、熱負荷差值數據。利用相關度函數corrcoef計算得到冷與電、電與熱、冷與熱負荷差值間的相關系數分別為0.746 1、-0.042 0、-0.285 9?？紤]到相關系數大于0.7，利用冷、電負荷間較強的相關關系及電、冷負荷數據來增強系統(tǒng)的電、冷負荷可預測性是可行的。結論與3.3節(jié)中所得的冷、電負荷具有較強關聯特性結論吻合，實際工程中可考慮利用2.2節(jié)公式(1)進行冷電協(xié)同負荷預測增強負荷可預測性。

3.5 綜合能源系統(tǒng)需求響應潛力

本節(jié)在3.3、3.4節(jié)的基礎上，以電、冷綜合需求響應為例進行計算分析。本節(jié)所提的綜合需求響應概念，是指能源消費者不僅僅通過削減能源消費量進行需求響應，還可通過改變能源消費類型來進行響應，即不同能源負荷都可以通過其他形式能源與電能之間的轉換來參與需求響應[19-20]。

Tempe校區(qū)提供的冷負荷數據，來源于電能驅動的產冷設備，即電負荷數據與冷負荷數據之和為真正的耗電負荷數據。考慮到可通過在用冷低谷時，用電產生冰并存儲其能量，在用冷高峰時利用之前存儲的冰代替電來制冷，則通過移動冷負荷，來實現電與冷負荷之和(實際真正電負荷)的削峰填谷。

因為冷負荷數據與電、冷負荷數據之和的比，即為實際電能用于產冷部分占總體的比，若設在各時段冷負荷100%可用于電、冷綜合需求響應，則上述比值也是實際可調電能占總電能的比，Tempe校區(qū)2013年至2017年每天的可調比例曲線如圖15所示。

圖15 可調比例曲線Fig.15 The curve of adjustable proportional

可調比例曲線反映出的規(guī)律性為大致按1年的周期循環(huán)，隨機性為日期接近的各天之間也存在可調比例差異過大的情況，能為實際電、冷綜合需求響應提供啟示和參考。

考慮到不同季節(jié)電冷比分布規(guī)律不同，在2017年的春分(3月21日)、夏至(6月22日)、秋分(9月23日)、冬至(12月22日)分別進行電、冷間的綜合需求響應，對Tempe校區(qū)電、冷負荷之和曲線進行削峰填谷，希望將電、冷負荷之和曲線峰的80%的能量(此處80%和20%只是算例分析時的典型數值，實際工程可將其設定為x可調的x%與(100-x)%)轉移至其谷處。具體方法如下詳述。

(1)計算電、冷負荷之和曲線的日平均值，定義日平均值線與電、冷負荷之和曲線高于日平均值線的部分所圍成的區(qū)域為峰，設峰的面積為S0。

(2)設計一條平行于水平軸，自電、冷負荷之和曲線的峰的最高點水平向下移動的截取線，當截取線與電、冷負荷之和曲線在截取線以上的部分所圍成的區(qū)域的面積為80%S0時，該區(qū)域即為要移去的峰。

(3)設計另一條平行于水平軸，自電、冷負荷之和曲線的最低點水平向上移動的截取線，當截取線與電、冷負荷之和曲線在截取線以下的部分所圍成區(qū)域的面積為80%S0時，該區(qū)域即為要填滿的谷。

(4)利用步驟(2)和步驟(3)得到的2條截取線，以直線替換曲線的形式替換對應部分的曲線，得到電、冷綜合需求響應后的電、冷負荷之和曲線。

(5)保持電負荷曲線不變，根據“電負荷+冷負荷=電、冷負荷之和”關系等式以及步驟(4)中結果，得到綜合需求響應后冷負荷曲線。

上述過程中，80%S0即為公式(2)中scold，計算時設γ=1，負荷轉換滿足負荷轉換約束與能量存儲約束，具體結果如圖16—19所示。

圖16 春分日電、冷綜合需求響應Fig.16 Integrated demand response of power and cold load in vernal equinox

圖17 夏至日電、冷綜合需求響應Fig.17 Integrated demand response of power and cold load in summer solstice

圖18 秋分日電、冷綜合需求響應Fig.18 Integrated demand response of power and cold load in autumnal equinox

圖19 冬至日電、冷綜合需求響應Fig.19 Integrated demand response of power and cold load in winter solstice

經過電、冷綜合需求響應后，電、冷負荷之和曲線較之前明顯更平坦，波動程度得到降低，達到了需求響應目的。4天的負荷轉移量分別為：春分為52 904.45 kW·h，夏至為73 658.31 kW·h，秋分為59 806.03 kW·h，冬至為21 806.92 kW·h，即這4天電、冷綜合需求響應最大潛力，也是以后春分、夏至、秋分、冬至日Tempe校區(qū)綜合能源系統(tǒng)進行電、冷綜合需求響應的儲冰設備規(guī)劃運行的參考數據。同樣地，可以計算得到消去電、冷負荷之和曲線峰的80%時，Tempe校區(qū)綜合能源系統(tǒng)電、冷綜合需求響應2013—2017年每天的儲冰量。由計算結果可知，通過充分利用多能負荷間關聯性與轉換靈活性，綜合能源系統(tǒng)進行綜合需求響應具有極大潛力價值，將助力未來能源高效合理利用。

4 結 語

開展綜合能源系統(tǒng)負荷特性及應用研究是綜合能源系統(tǒng)設計和運行的重要環(huán)節(jié)。針對目前綜合能源系統(tǒng)負荷特性分析及應用的關鍵問題，本文考慮綜合能源系統(tǒng)負荷的多時間尺度與多屬性特性，給出了綜合能源系統(tǒng)負荷特性分析及應用研究分析框架及其分析方法與指標。利用負荷特性分析框架、指標、方法，對美國亞利桑那州立大學Tempe校區(qū)實際綜合能源系統(tǒng)經壞數據處理的負荷數據進行分析，探究了該系統(tǒng)月、周、小時級單獨及融合負荷形態(tài)規(guī)律，并證明了冷、電負荷數據及其關聯關系，增強了冷、電負荷可預測的可行性及冷、電負荷進行綜合需求響應的潛力，結果表明所提研究分析框架能較全面地挖掘和利用綜合能源系統(tǒng)負荷特性規(guī)律，這將在提升負荷可預測性、充分發(fā)揮綜合需求響應潛力等方面起到積極作用。

致謝

本文中實驗數據得到了美國亞利桑那州立大學Campus Metabolism項目理事Robert Vandling、Karl Edelhoff等工作人員的大力支持，在此向他們表示衷心的感謝。