基于电力需求侧管理的建筑智能能源管理系统季政庆

基于电力需求侧管理的建筑智能能源管理系统季政庆

季政庆

（上海源惠电气自动化工程有限公司上海市200233）

摘要：本文主要针对基于电力需求侧管理的建筑智能能源管理系统展开分析，思考了如何进一步建立更加科学合理的建筑只能能源管理系统，提出了一些比较可行的管理系统构建方法和应用对策。

关键词：电力需求侧管理；建筑；智能；能源管理系统

前言

在电力需求侧管理的过程中，建筑智能能源管理系统可以更好的建立起来，从而确保基于电力需求侧管理的建筑智能能源管理系统可以更加符合需求，提高其应用效果。

1建筑智能能源管理系统的必要性

统计表明，我国至少80%的智能建筑内的BAS系统只用于两方面，即监控设备运行状态以及自动控制，很少甚至不应用于能源管理及计量方面，因此，BAS系统运行过程中，电能浪费情况极为严重。现阶段，电能、气、水、油等是建筑能源的主要构成成分，其中，电能仍旧是能耗最大的部分。因此，在智能建筑中构建独立能耗计量系统，能够实现各类建筑能耗的监测、分项计量以及能耗数据信息共享，建筑设备管理系统在分析处理所接收到的能耗数据之后，就能选择出最佳的优化方案，从而维持系统的节能高效，实现“绿色智能建筑”。

目前，全国现有房屋建筑面积已达430亿平方米。在建筑的建造和使用中，能源消耗高、利用效率低的问题十分突出。相关部门的调查数据表明，2009年建筑耗能占全社会耗能总量的比例由1978年的10%上升到30%左右。我国每年竣工建筑面积约为20亿m,其中公共建筑约有4亿m。2万m以上的大型公共建筑面积占城镇建筑面积的比例不到4%，但是能耗却占到建筑能耗的20%以上，中国工程院的相关人士在对居民住宅、公共建筑的用电量进行比较之后发现，一些写字楼、饭店等大型公共建筑的单位平方米年耗电量在100度~300度之间，是居民住宅的10~15倍。在公共建筑（特别是大型商场、高档旅馆酒店、高档办公楼等）的全年能耗中，大约50%~60%消耗于空调制冷与采暖系统，20%~30%用于照明。

在我国现有的建筑中，只有4%采取了能源效率措施，单位建筑面积采暖能耗为发达国家新建建筑的3倍以上。根据测算，如果不采取有力措施，到2020年中国建筑能耗是现在的3倍以上。在国家大力推行节约型社会之时，酒店、大型办公楼、商场等能耗量较大的公共建筑开始意识到设备运行中能耗过高的问题。因此，做好大型公共建筑的节能管理工作，对实现国家建筑节能规划目标具有重要意义

2系统的关键技术

随着我国经济社会的发展和环境资源压力越来越大，节能减排形势严峻，在大力推进建筑领域节能工作中，公共建筑高耗能的问题日益突出。建设资源节约型社会，这是中央根据我国的社会、经济发展状况，在对国内政治经济和社会发展历史进行深入研究之后，做出的战略决策。节约能源是资源节约型社会的重要组成部分，建筑的运行能耗大约为全社会商品能耗的三分之一。目前在建筑的不同阶段采用了不同的节能管理手段，这些管理手段存在节能总目标不明确、节能管理相互脱节等问题。实际上在不同的建筑阶段，建筑节能的目标和本质都是一致的，都是要将建筑能耗控制。由于浪费与管理粗放，使这类建筑的耗电更加突出，针对大型公共建筑电能耗的监测及能源管理的研究，显得愈加迫在眉睫。

传统的建筑能源管理主要以能源的计量、统计、分析为主，基于电力需求侧管理的建筑智能能源管理系统在这些技术基础上，进一步实现了精细化能源计量、多类型通信集成、能耗趋势分析、负荷优化控制、多能源互动利用等功能。因此，基于电力需求侧管理的建筑智能能源管理涉及的技术众多、涵盖面广，从数据源采集到分析、预测、优化控制等角度，主要包括以下几个方面的关键技术。

2．1多类型用户的能源综合数据采集与感知

利用终端精细化计量技术、多类型用户耗能分析技术以及多协议多介质转换与融合技术，实现不同建筑类型用户的能源与环境参数采集、建筑内部公共区域及各单元用户的室内外环境信息感知，并实现多协议多通信方式的信息转换与融合。通过大范围、多层次能源的实时监测、传输、融合技术，实现合理的精细化数据采集，为建筑智能能源管理系统实现合理的电力需求侧管理策略提供依据。

2．2能耗数据的实时处理和统计分析

通过对采集到的能耗基础信息进行整合和可视化，为使用者提供友好的信息界面，通常采用饼图、柱状图或者曲线图等形式来提高信息传递效率。同时预留可配置空间，使用户可自主选择所要查看的数据进行分析和对比等操作，帮助用户分析用电合理性。

在统计分析过程中，系统将采用智能化算法，通过对海量历史数据进行挖掘，设计高效、高精度的预测算法进行未来负荷能耗预测。另一方面，影响负荷预测结果精度的因素很多，主要包括天气因素、节假日因素、突发故障状况等，在建立历史负荷样本集时系统会充分考虑到这些因素的影响。主要的负荷预测算法为基于神经网络的智能算法，算法首先确定神经网络结构，然后确定神经网络训练算法，最后为了预测指定日的能耗状况，只需输入参考日的能耗数据，经神经网络拟合后即可得到指定日的能耗状况。对这些数据的合理统计、分析、预测将为下一步实现基于电力需求侧的能源管理提高合理基础。

2．3电力需求侧负荷优化控制

2．3．1需量管理技术

需量管理技术是指在对用户实时能耗数据进行精细化采集、统计、分析、运算后，实现对用户需量的实时监测和管理。

首先，需要通过通信传输系统采集负荷实时功率，通过积分求和与平均求出实时用户的当前需量，并且保持在每一分钟的滑动窗口计算出一个需量值。其次，根据计算的实时需量通过一定运算后，与当月用户申请的需量进行比较，当数值接近系统发出报警。最后，通过人工干预或自动控制的方式切除部分非重要负载，保证实际需量不超过申报需量。

从需求侧角度，使用需量管理技术能够避免由于超出申报需量而额外支付的罚款费用;而从供电侧角度，用户降低了最大峰值用电负荷，也可缓解整个电网用电高峰时期供电容量压力。

2．3．2负荷优化控制

负荷优化控制是一种基于用电分析技术之上提出的负荷优化运行方案，通过对系统负载进行运、停控制，及时控制需求侧的负荷尖峰，并同时保证重点设备的用电安全。负荷优化控制是在用电分析技术和用电预测技术之上的一种高级应用，系统能够结合当前能源信息、用电预测信息等自动提出合理调节负载的运行方案，目的是帮助用户合理有效地降低能源费用支出，提高能源使用效率，提高需求侧负荷曲线平滑度。

2．4多类型能源的高效互动利用

随着智能电网的不断发展，分布式能源的接入也将越来越普及。因此建筑也可能存在能源类型众多的情况，而分布式能源的间断特征和缺少供电规划往往造成能源利用率低下。通过不同类型能源间的互动利用以及预测未来时段用户侧负荷运行状况制定能源高效利用策略，综合分布式能源发电状况和用户侧负荷能耗状况制定相应的分布式能源供电规划，可实现优化能源利用效率，从而也能帮助电网削峰填谷，实现合理的需求侧管理。

3结束语

综上所述，在基于电力需求侧管理的建筑智能能源管理系统的建设过程中，需要更加明确其系统建设的要求和建设的具体方法，本文总结了管理系统的建设方法和应用要点，可供今后的工作参考。

参考文献：

[1]谭涛,史佳琪,刘阳,张建华.能源互联网的特征及其能量管理平台关键技术[J].电力建设,2017(12):20-30.

[2]刘惠萍.“互联网+智慧能源”行动助力生活更美好[J].上海节能,2017(11):623-629.