實時電價環(huán)境下太陽能建筑夏季用電優(yōu)化

徐敏姣，徐青山，李國棟，王旭東，蔣　菱，戚　艷

(1. 東南大學(xué)電氣工程學(xué)院，江蘇南京　210096；2.國網(wǎng)天津市電力公司電力科學(xué)研究院，天津　300384)

0　引　言

空調(diào)負荷作為季節(jié)性負荷是造成夏季負荷峰谷差加劇的主要原因之一，致使夏季電網(wǎng)的發(fā)電成本急劇升高，因此采用有效手段降低空調(diào)負荷的用電需求迫在眉睫[1]。而太陽能建筑，作為一種部分或全部依賴太陽能制冷或供暖的節(jié)能建筑，可節(jié)省電力、煤炭等能源，不污染環(huán)境，對于年日照時間長、空氣潔凈度高、陽光充足而缺乏其他能源的地區(qū)，太陽能建筑更能發(fā)揮巨大優(yōu)勢。

在太陽能輔助制冷方面，文獻[2-4]中研究了太陽能輔助空調(diào)系統(tǒng)模型，利用trnsys建模分析其熱力學(xué)特性，并對水箱水溫、房間制冷制熱溫度等參數(shù)進行靈敏度分析，結(jié)果表明太陽能輔助空調(diào)系統(tǒng)月平均節(jié)電量在25%～42%之間[2]。文獻[5]中分析改進了光伏光熱一體化系統(tǒng)的熱電性能，改進后光熱轉(zhuǎn)換效率約60%，光電部分的轉(zhuǎn)換效率約11%，綜合性能效率明顯高于獨立的光伏或光熱系統(tǒng)?？梢姙榭照{(diào)系統(tǒng)配置太陽能輔助設(shè)備可有效降低電費成本。但是在大多數(shù)文獻中關(guān)于太陽能輻射利用主要基于確定性方法[6-8]，研究中忽略了其自有的不確性特性。

此外，在用電優(yōu)化方面，文獻[9-10]提出了針對實時電價環(huán)境的家庭負荷的能量管理策略。實時電價作為市場化的產(chǎn)物，在國外部分國家已經(jīng)實行，而我國發(fā)改委近日也下發(fā)了《關(guān)于擴大輸配電價改革試點范圍有關(guān)事項的通知》，提出穩(wěn)慎推進上網(wǎng)電價與銷售電價市場化的要求。實時電價通過市場手段進行負荷調(diào)節(jié)，對降低夏季峰谷差造成的高發(fā)電成本具有一定積極意義，而另一方面，關(guān)于用電優(yōu)化的研究也只有在波動的電價環(huán)境下才更具有意義。

為了充分利用太陽能資源，本文研究的太陽能建筑配置了光伏/光熱一體化系統(tǒng)，該系統(tǒng)光熱部分收集的熱能用于降低建筑空調(diào)系統(tǒng)對電量的需求，光電部分產(chǎn)生的電能被存儲于蓄電池中，負責向晚間負荷供電。同時針對不確定性問題，引入了誤差概率模型，采用蒙特卡洛模擬方法計算太陽能建筑的日用電成本，并且考慮不同可控負荷的用電特性，優(yōu)化建筑內(nèi)部電氣設(shè)備的用電時段，以實現(xiàn)降低實時電價環(huán)境下用戶的用電成本的目標。算例分析中，對比分析了配置有光伏/光熱一體化設(shè)備的太陽能輔助系統(tǒng)和傳統(tǒng)系統(tǒng)的用電經(jīng)濟性。

1　太陽輻射的預(yù)測誤差概率分布

影響太陽輻照強度大小的因素有很多，其中尤以天空云層的遮蓋情況為主[6-7, 11]，因此在考慮太陽輻射強度預(yù)測時分別就晴朗天氣和突變天氣兩種天氣類型進行討論，采用EMD(經(jīng)驗?zāi)B(tài)分解，empirical mode decomposition)和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法[6]對不同天氣情況下的太陽輻照強度進行預(yù)測。

分別對兩類天氣類型的預(yù)測相對誤差進行統(tǒng)計，其概率分布如圖1柱狀圖所示，可以發(fā)現(xiàn)，晴朗天氣下的預(yù)測誤差普遍較小，其概率分布比較集中；相比而言突變天氣下的預(yù)測誤差較大，其概率分布比較分散。根據(jù)文獻[12-13]，太陽輻射強度的預(yù)測誤差主要服從高斯分布，利用最大似然估計方法由歷史數(shù)據(jù)進行曲線擬合，得到其概率分布參數(shù)并做出概率分布曲線如圖1(a)實線所示，可以發(fā)現(xiàn)，該曲線能較好地反映原始統(tǒng)計得到的預(yù)測相對誤差的概率分布。

因此修正太陽輻射強度的表達式：

(1)

式中：λIt為t時刻的預(yù)測相對誤差值，服從高斯分布。

2　太陽能建筑用電經(jīng)濟性模型

本節(jié)給出太陽能建筑的用電經(jīng)濟模型。該模型中太陽能建筑配置了太陽能光伏光熱一體化設(shè)備，光熱部分收集的熱能用于降低建筑空調(diào)系統(tǒng)對電量的需求，降低建筑內(nèi)部溫度調(diào)節(jié)和制備熱水時的電量消耗；光電部分產(chǎn)生的電能被存儲于蓄電池中，負責向晚間負荷供電。本文將配合光熱組件的空調(diào)系統(tǒng)稱為太陽能輔助空調(diào)系統(tǒng)。該系統(tǒng)主要包括太陽能光熱組件、蓄熱水箱、直接蒸發(fā)式空調(diào)，其工作原理參考文獻[2]。由于太陽輻射強度受天氣影響呈現(xiàn)較大隨機性和波動性，因此在該系統(tǒng)中考慮配置輔助電加熱器，作為后備熱源。

此外，本文所研究的用電環(huán)境中還包括一些具有不同性質(zhì)的可控負荷。圖2為太陽能建筑用電系統(tǒng)示意圖，本文主要從空調(diào)系統(tǒng)和可控負荷兩方面著手進行用電經(jīng)濟性優(yōu)化。

將一天24 h作為一個能量優(yōu)化周期，將其分成NT個時間長度為τ的等距時間段，每個時間段中的電價值由實時電價決定?？紤]太陽輻射的不確定性，采用蒙特卡洛模擬方法，生成NS個隨機場景，優(yōu)化不同時段的用電量，反復(fù)求解不同場景下各個時刻的用電成本，即對模型進行滾動求解。

2.1　目標函數(shù)

本文詳細討論了計及實時電價不確定性的太陽能建筑用電經(jīng)濟性問題，在保證用戶體感舒適度要求得到滿足的條件下，將建筑用電成本最小作為優(yōu)化目標，對一天24 h進行用電成本優(yōu)化，其目標函數(shù)表示為

(2)

式中：ps表示場景s的概率;Pi,t0表示負荷i在初始時間段t0的電量消耗;et0表示t0時的電價;Pi,t,s表示場景s中t時刻的電量消耗;et,s表示場景s中t時刻的電價;D表示用電設(shè)備的集合，包括空調(diào)系統(tǒng)、輔助加熱器和其他可控用電負荷;NS和NT分別表示場景總數(shù)和考察的單位時間個數(shù)。

2.2　約束條件

2.2.1PV/PT一體化系統(tǒng)

① 光熱組件

光熱組件主要為太陽能集熱器，太陽能由集熱器收集并轉(zhuǎn)化為水箱的熱能，為簡化模型，集熱器收集的能量由下式計算得到：

Psl,t,s=ηsl,sAslIt,s

(3)

式中：Asl為集熱器的面積(下文算例中Asl取35 m2)；It,s為場景s中t時刻的太陽輻射預(yù)測值，由式(1)得到；轉(zhuǎn)換效率ηsl,s為二階曲線，與室外溫度及太陽參數(shù)有關(guān)，為了簡化計算，本文采用線性形式近似表示：

ηsl,s=ηsl,0-asl(Twt,t,s-To,t,s)

(4)

式中：asl為溫差系數(shù)；ηsl,0為集熱器的標準集熱效率；Twt,t,s和To,t,s分別為場景s中的t時刻的水箱溫度和室外溫度。

② 光電組件

光電組件由光伏板組成，光伏板將太陽能轉(zhuǎn)化為電能存儲到蓄電池中，用于晚間可延遲可中斷負荷的供電。光伏板的發(fā)電功率可由下式計算：

Pe,t,s=ηe,sAeIt,s

(5)

式中：Ae為集熱器的面積，下文算例中Ae取35m2；ηe,s為轉(zhuǎn)換效率，取0.11。

2.2.2蓄電池

蓄電池作為電量存儲設(shè)備，可實現(xiàn)光伏發(fā)電量利用時間的轉(zhuǎn)移。為保證蓄電池的正常工作，其荷電狀態(tài)需保證在一定范圍內(nèi)，即

SOCmin≤SOCt,s≤SOCmax

(6)

式中：SOCmin、SOCmax分別為蓄電池荷電狀態(tài)的上、下限約束。此外，為了避免蓄電池出現(xiàn)同時充、放電狀態(tài)，規(guī)定蓄電池在晚間運行的可延遲可中斷負荷允許工作起始時間之前結(jié)束充電，定義蓄電池允許充電時間段為[αbat,βbat]，晚間運行的可延遲可中斷負荷允許工作時段為[αCDCI,βCDCI]，則需滿足約束：

βbat<αCUCI

(7)

(8)

(9)

式中：Pin,t,s為蓄電池在場景s中t時刻的充電功率;Ebat、ηin分別為蓄電池的額定容量和充電效率。

充電結(jié)束時(即t=βbat時)，蓄電池中存儲的電量為

Ebat，βbat,s=SOCβbat,sEbat

(10)

2.2.3儲熱水箱

儲熱水箱通常采用熱分層結(jié)構(gòu)以提高儲熱容量[14]，但該模型較為復(fù)雜，且不適用于長時仿真。因此本文采用一階單層模型描述水箱的熱動態(tài)特征。水箱從太陽能集熱器、后備輔助加熱器吸收能量，并將能量供給空調(diào)系統(tǒng)(HVAC)和滿足用戶的熱水需求，水箱的動態(tài)微分方程為式(11)，將其離散化得到式(12)，同時水箱溫度需保證在一定范圍內(nèi)(式(13))，因而有如下約束條件：

(11)

(12)

Twt,min≤Tw t,t,s≤Twt,max

(13)

式中：Twt,t,s、Tr,t,s、Ph,t,s、Psl,t,s、Psh,t,s和Pwd,t,s分別為場景s中t時刻的水箱溫度、室內(nèi)溫度、加熱器的功率、集熱器功率、HVAC系統(tǒng)從儲熱水箱中獲得的熱量和熱水需求；Uwt為水箱熱輻射損失因子；Awt為水箱熱損失面積；Cwt為水箱的比熱容量。

為了應(yīng)對太陽能輸出隨機性的影響，水箱采用了電輔助加熱作為后備熱源，輔助加熱器的功率消耗應(yīng)滿足其最大出力約束：

Ph，minuh,t,s≤Ph,t,s≤Ph,maxuh,t,s

(14)

式中：uh,t,s為場景s中t時刻加熱器的開關(guān)狀態(tài)變量。

2.2.4空調(diào)系統(tǒng)

當室內(nèi)有人員活動時，需維持室溫在規(guī)定范圍內(nèi)以保證用戶體感舒適度要求。假定空調(diào)系統(tǒng)的運行時間段αHAVC,βHAVC，體感舒適度允許范圍Tr,min,Tr,max，即

Tr,min≤Tr,t,s≤Tr,max，t∈αHAVC,βHAVC

(15)

室溫的動態(tài)微分方程如式(16)，將其離散化得到式(17)。

(16)

(17)

式中：Tr,t,s、To,t,s、Pu,t,s分別為場景s中t時刻的室內(nèi)溫度、室外溫度及制冷熱傳遞；Ra為房間的等效熱阻；Cr為房間的比熱容量；ηw為太陽輻射透過窗戶的效率；Aw房間有效窗戶面積；σ取-1表示制冷。

定義傳熱Pu,t與消耗的電能之間的比例為HAVC的COP，即COP=Pu,t/PHAVC，PHAVC為空調(diào)額定功率。

通過太陽能輔助設(shè)備集熱為HVAC供能，可極大提高系統(tǒng)的COP值[2]。定義COPa和COPc分別為系統(tǒng)獨立運行時和配備了太陽能輔助供能聯(lián)合運行時的COP。當HVAC工作在獨立運行模式時，Pu=COPaPHVAC。當HVAC工作在聯(lián)合運行模式時，其所需的一部分能量來源于儲熱水箱，可表示為

Pu=COPa(PHVAC+Psh)=COPcPHVAC

(18)

因此，HVAC系統(tǒng)的約束條件如下：

Pu,t,s=COPaPHVAC,a,t,s+COPcPHVAC,c,t,s

(19)

uHVAC,a,t,s+uHVAC,c,t,s≤1

(20)

uHVAC,a,t,sPHVAC,min≤PHVAC,a,t,s≤uHVAC,a,t,sPHVAC,max

(21)

uHVAC,c,t,sPHVAC,min≤PHVAC,c,t,s≤uHVAC,c,t,sPHVAC,max

(22)

式中：PHVAC,a,t,s與PHVAC,c,t,s分別為場景s中t時刻的系統(tǒng)獨立運行功率及聯(lián)合運行功率;uHVAC,a,t,s與uHVAC,c,t,s分別為場景s中t時刻系統(tǒng)獨立運行的開關(guān)狀態(tài)變量及聯(lián)合運行的開關(guān)狀態(tài)變量。約束(19)與(20)說明HVAC可以工作在獨立模式和具有其他熱量供應(yīng)的聯(lián)合模式下，但是在任一時間段中只能選擇一種工作模式。約束(21)和(22)分別代表HVAC的上下限功率約束。

HVAC系統(tǒng)的電量消耗可表示為

PHVAC,t,s=PHVAC,a,t,s+PHVAC,c,t,s

(23)

儲熱水箱提供的能量為

(24)

可以發(fā)現(xiàn)，在單位時間段中太陽能輔助空調(diào)的電量消耗來自于水箱的輔助加熱器的電量消耗與HVAC的電量消耗。

2.2.5其他可控負荷

在建筑用電環(huán)境中，可以根據(jù)用戶的不同需求，將負荷按其是否可延遲、是否可中斷分成以下3種負荷類型：可延遲可中斷負荷(CDCI)，如電動汽車等工作時段靈活且工作過程可分階段完成的用電設(shè)備；可延遲不可中斷負荷(CDUI)，如洗衣機等啟動時間相對靈活，但工作過程需一次性完成的用電設(shè)備；不可中斷不可延遲負荷(UDUI)，即必須在用戶規(guī)定時間開始工作且過程無中斷的用電設(shè)備，通常在用戶有特殊需求時出現(xiàn)，如當電器設(shè)備被設(shè)置為定時啟動時。

假如要求每個可控負荷i在時間窗口αi,βi范圍運行，那么需滿足如下約束：

Pi,t=0,t?αi,βi

(25)

對于具有最大延遲裕度DEi的可延遲負荷i，有如下約束：

(26)

式中：ui,t,s為負荷i在場景s中t時刻的開關(guān)狀態(tài)變量，并且如果負荷設(shè)備i是不可延遲的，則DEi=0。

① 可中斷可延遲負荷CUCI(I類)：

以電動汽車為例，僅考慮其單向從電網(wǎng)取電的充電工作狀態(tài)，其充電任務(wù)可以延遲及中斷，有如下約束：

(Ebat，βbat,s-SOCminEbat)ηoutηev+Eev,βi,s≥Ed

(27)

Eev,t+1,s=Eev,t,s+ηeviPev,t,sτ

(28)

Eev,min≤Eev,t,s≤Eev,max

(29)

式中：ηev表示充電效率；Eev,βi,s表示βi時刻電動汽車存儲的能量；ηout表示蓄電池的放電效率；Eev,min(max)表示電動汽車所需能量(kWh)的下(上)限值；Eev,t,s表示場景s中t時刻的電動汽車的存儲能量；Ed表示電動汽車的充電需求；Pev,t,s為場景s中t時刻的電動汽車充電功率。

② 不可中斷可延遲負荷約束CDUI(II類)：

該類負荷有如下約束：

(30)

式中：t∈αi,βi;Hi表示負荷i運行的時間段數(shù)量。

③ 不可中斷不可延遲負荷UDUI(III類)：

這類負荷的運行時間約束為

(31)

2.2.6系統(tǒng)約束

系統(tǒng)約束方面，由于電網(wǎng)與用戶之間聯(lián)絡(luò)線輸送的功率是有限的，因此在各個時刻負荷的總功率消耗受上限約束。假定其他不可控負荷的功率消耗可以從歷史數(shù)據(jù)中統(tǒng)計獲得，則有系統(tǒng)約束如下：

(32)

式中：PNCL,t,s是場景s中t時刻的不可控負荷的總功率消耗;AC表示可控負荷集合。

2.3　實時電價對用電方式的影響

實時電價作為電力市場化的產(chǎn)物，充分利用市場供需的影響，反饋調(diào)節(jié)用戶負荷。對于電力公司而言，通過實行實時電價有利于拉平負荷曲線，縮小用電負荷的峰谷差，從而降低發(fā)電成本；對于電力用戶而言，為了獲得更大的經(jīng)濟效益，用戶可能會根據(jù)電價的漲落重新規(guī)劃用電設(shè)備的用電時段，其用電行為將發(fā)生改變。因此，在實時電價的激勵下，將形成不同于當前電價機制下的用戶負荷曲線。可見電價與負荷之間存在有著密切的聯(lián)系，一方面實時電價的波動會引起負荷的某些變化，另一方面目前的負荷曲線也影響著電價的制定，即用電高峰時電價較高，用電低谷時電價較低。

基于實時電價與負荷之間的影響關(guān)系，采用文獻[9]提出的實時電價預(yù)測方法，假定單位時段中電價服從分段函數(shù)，其分段函數(shù)中的關(guān)鍵參數(shù)由待預(yù)測日前一日、前兩日及上周同日對應(yīng)時段的電價信息進行加權(quán)得到，該預(yù)測方法基于文獻中提供的電價數(shù)據(jù)，通過統(tǒng)計分析分別得到周一至周日各天的關(guān)鍵參數(shù)值。算例中采用的實時電價曲線如圖3所示。

圖3　預(yù)測電價波動曲線

2.4　求解方法

上述用電優(yōu)化模型屬于混合整數(shù)規(guī)劃，利用CPLEX工具箱求解。優(yōu)化問題的目標函數(shù)為式(2)，約束條件分別為：PV/PT一體化系統(tǒng)約束(3)～(5)；蓄電池約束(6)～(10)；太陽能輔助空調(diào)系統(tǒng)約束(12)～(15)、(17)～(24)；系統(tǒng)約束(32)；其他可控負荷約束(25)～(31)。

本文采用蒙特卡洛仿真方法[15-16]產(chǎn)生數(shù)量足夠多的隨機場景，以保證計算的有效性，但此時由于計算量過于龐大，會降低求解效率。為了使得計算量與有效性之間得以平衡，采用場景縮減方法[17]對所有場景進行聚類，以減輕計算負擔。算例中場景縮減由通用代數(shù)建模系統(tǒng)(GAMS，general algebraic modeling system)優(yōu)化軟件模型庫中的場景類算法scnred01和scnred02實現(xiàn)。

3　算例分析

算例分析部分比較了傳統(tǒng)系統(tǒng)場景與太陽能輔助系統(tǒng)場景下的建筑用電經(jīng)濟性。

本文氣象數(shù)據(jù)采用可再生能源實驗室(NREL)網(wǎng)站提供的數(shù)據(jù)。算例中選取A地2010年8月19日(晴)為預(yù)測日，通過上文提到的預(yù)測方法得到該日各時刻的實時電價和太陽輻射強度的預(yù)測數(shù)據(jù)，假設(shè)太陽輻射強度預(yù)測的相對誤差概率密度分布服從N(0,0.2)，采用蒙特卡洛方法生成隨機場景，通過GAMS場景類算法對場景進行縮減后得到20個聚類場景，各場景對應(yīng)的發(fā)生概率如表1所示。

表1　聚類場景的發(fā)生概率

以15min為單位間隔將每天24h分成96個時間段。設(shè)置用戶體感舒適溫度為20.5℃，允許溫度波動范圍在±1.5℃；蓄電池SOC允許范圍[0.2，1]，額定容量Ebat=10kWh，充、放電功率分別為ηin=0.7、ηout=0.9，充電允許時段：6:00～18:00；建筑參數(shù)Ra= 46.5℃/kW，Cr= 8.10kWh/℃，ηw=0.3，Aw=18.51m2。各類可控負荷的運行參數(shù)如表1所示，太陽能輔助空調(diào)系統(tǒng)的各項參數(shù)如表2所示。傳統(tǒng)空調(diào)的COP取3，太陽能輔助空調(diào)的COP取5[2]。

表2　各類負荷運行參數(shù)

表3　太陽能輔助空調(diào)系統(tǒng)配置參數(shù)

3.1　太陽能輔助系統(tǒng)場景下的用電分析

通過對優(yōu)化模型進行求解，得到太陽能輔助空調(diào)系統(tǒng)用電情況如圖4所示，其他可控負荷運行狀態(tài)如圖5所示，室溫溫度變化曲線如圖6所示，儲能系統(tǒng)充電時段的SOC變化曲線如圖7所示。經(jīng)計算，該場景下總用電成本為26.18元，且室溫波動在允許范圍內(nèi)。

如圖4(b)所示，8:00～16:00由于太陽輻照情況較好，水箱水溫上升，輔助加熱器停止工作；16:00～21:00由于水箱的保溫作用，溫度下降較緩慢，該時段仍可滿足水箱溫度約束。

圖4　太陽能輔助空調(diào)場景下的空調(diào)系統(tǒng)用電情況

圖5　其他可控負荷運行狀態(tài)

如圖5所示，可延遲可中斷負荷的啟動時間為21:30，整個工作過程分3次完成；不可中斷不可延遲負荷啟動時間為17:15，工作過程無中斷無延遲；可延遲不可中斷負荷啟動時間為13:45，延遲1h15min啟動，延遲時間在允許范圍內(nèi)，工作過程無中斷。

如圖7所示，由于晴天輻照情況較好，光伏發(fā)電量較大，蓄電池在靠近正午時就已經(jīng)完成充電，顯然充沛的太陽能資源未被充分利用。若建筑所在地區(qū)處于光照資源豐富地區(qū)，則算例中蓄電池的配置欠缺一定合理性。由于篇幅限制，此處不再對蓄電池容量進行深入探討。

圖6　室溫變化曲線

圖7　儲能SOC變化曲線

3.2　傳統(tǒng)系統(tǒng)場景下的用電分析

圖8為傳統(tǒng)系統(tǒng)場景下的空調(diào)系統(tǒng)工作情況以及可延遲可中斷負荷各時刻的運行狀態(tài)，該場景下用電成本為33.64元。

圖8　傳統(tǒng)空調(diào)場景下的空調(diào)系統(tǒng)及輔助加熱器用電情況

對比圖5，圖8中負荷的用電情況和運行狀態(tài)，可以發(fā)現(xiàn)可延遲可中斷負荷的工作時間在傳統(tǒng)系統(tǒng)場景下明顯延長，空調(diào)負荷的總體耗電量也明顯增加，兩者同時作用，導(dǎo)致傳統(tǒng)系統(tǒng)場景下電費成本明顯增高。

通過比較發(fā)現(xiàn)，傳統(tǒng)系統(tǒng)場景下的單日電費成本比太陽能輔助空調(diào)系統(tǒng)場景下的電費多7元左右。太陽能輔助空調(diào)系統(tǒng)場景下由于光伏、光熱組件產(chǎn)生的替代能量而使總體電費成本下降，隨著用電優(yōu)化時間的延長，得到的經(jīng)濟效益會更加可觀，大約每月可節(jié)約210元左右。

4　結(jié)束語

本文提出了配置太陽能光伏/光熱一體化系統(tǒng)的建筑用電優(yōu)化方法，提出了將太陽能儲熱水箱和蓄電池作為動態(tài)儲能設(shè)備以降低系統(tǒng)消耗的外部電網(wǎng)電量。得到的結(jié)論如下：

① 提出了光伏/光熱一體化系統(tǒng)與蓄電池配合的策略，實現(xiàn)光伏組件發(fā)電量利用時間的轉(zhuǎn)移，同時規(guī)避蓄電池頻繁充放電的問題；

② 提出了建筑用電優(yōu)化的復(fù)雜模型，能夠?qū)崿F(xiàn)在保證用戶體感舒適度條件下用電成本最小的目標。該模型考慮了熱力學(xué)動態(tài)特性以及太陽輻射不確定性等問題，對混合太陽能輔助空調(diào)-熱水系統(tǒng)進行了精細化建模；

③ 研究了太陽能輔助HVAC-熱水系統(tǒng)和其他家庭負荷智能調(diào)度的潛在經(jīng)濟效益，配備太陽能光伏/光熱一體化系統(tǒng)在電費成本的縮減上效果顯著。

[1]徐青山，楊辰星，顏慶國. 計及規(guī)?；照{(diào)熱平衡慣性的電力負荷日前削峰策略[J]. 電網(wǎng)技術(shù), 2016(1): 156-163.

[2]Vakiloroaya V, Ha Q P, Skibniewski M. Modeling and experimental validation of a solar-assisted direct expansion air conditioning system[J]. Energy and Buildings, 2013, 66: 524-536.

[3]Vakiloroaya V, Ha Q P. Modeling and control of an energy-efficient hybrid solar-assisted air conditioning system[J]. 2013 Australasian Universities Power Engineering Conference(AUPEC). 2013.

[4]Zhang B, Lv J, Yang H, et al. Performance analysis of a heat pipe PV/T system with different circulation tank capacities[J]. Applied Thermal Engineering,2015, 87: 89-97.

[5]李光明，劉祖明，李景天，等. 一種新型PT/T復(fù)合系統(tǒng)電、熱性能對比研究[J]. 現(xiàn)代電力, 2013, 30(4): 33-38.

[6]王守相，王亞旻，劉巖，等. 基于經(jīng)驗?zāi)B(tài)分解和ELM神經(jīng)網(wǎng)絡(luò)的逐時太陽能輻照量預(yù)測[J]. 電力自動化設(shè)備,2014(8): 7-12.

[7]代倩，段善旭，蔡濤，等. 基于天氣類型聚類識別的光伏系統(tǒng)短期無輻照度發(fā)電預(yù)測模型研究[J]. 中國電機工程學(xué)報,2011(34): 28-35.

[8]徐青山，臧海祥，卞海紅. 太陽輻射實用模型的建立與可行性研究[J]. 太陽能學(xué)報,2011(8): 1180-1185.[9]Mohsenian-Rad A, Leon-Garcia A. Optimal residential load control with price prediction in real-time electricity pricing environments[J]. IEEE Transactions on Smart Grid,2010, 1(2): 120-133.

[10]吳偉坡. 基于實時電價的智能家庭能源優(yōu)化控制

[D]. 上海：上海交通大學(xué), 2013.

[11]趙書強，謝宇琪，劉大正，等. 基于模糊隨機理論的短期太陽輻射強度預(yù)測[J]. 電力自動化設(shè)備,2015(7): 101-105.

[12]呂尊富，劉小軍，湯亮，等. 區(qū)域氣候模型數(shù)據(jù)修訂方法及其在作物模擬中的應(yīng)用[J]. 中國農(nóng)業(yè)科學(xué), 2013, 46(16): 3334-3343.

[13]趙唯嘉，張寧，康重慶，等. 光伏發(fā)電出力的條件預(yù)測誤差概率分布估計方法[J]. 電力系統(tǒng)自動化, 2015(16): 8-15.

[14]鄭春元，翟曉強，吳靜怡，等. 基于TRNSYS的冷熱電聯(lián)供系統(tǒng)建模與蓄能策略分析[J]. 化工學(xué)報, 2015(S2): 311-317.

[15]Shapiro A. Stochastic programming approach to optimization under uncertainty[J]. Mathematical Programming, 2007, 112(1): 183-220.

[16]雷宇，楊明，韓學(xué)山. 基于場景分析的含風(fēng)電系統(tǒng)機組組合的兩階段隨機優(yōu)化[J]. 電力系統(tǒng)保護與控制, 2012(23): 58-67.

[17]Dupa Ov J, Gr We-Kuska N, R Misch W. Scenario reduction in stochastic programming[J]. Mathematical Programming,2003, 95(3): 493-511.