基于分布式光伏的建筑智能微电网能量管理系统优化设计

一、引言

随着全球对清洁能源需求的不断增长以及 “ 双碳” 目标的推进，分布式光伏发电技术凭借其清洁、高效、灵活的特点，在建筑领域得到广泛应用。将分布式光伏与建筑相结合，构建建筑智能微电网，能够实现能源的就地生产与消纳，降低对大电网的依赖，提高建筑能源利用效率 。然而，由于分布式光伏输出功率受光照强度、天气等因素影响具有波动性和间歇性，建筑负荷需求也存在不确定性，导致微电网内能量供需不平衡，影响供电稳定性和能源利用效率。因此，设计高效的能量管理系统，对基于分布式光伏的建筑智能微电网进行优化控制，实现能量的合理分配与高效利用，具有重要的现实意义。

二、基于分布式光伏的建筑智能微电网系统架构

2.1 系统组成

基于分布式光伏的建筑智能微电网主要由分布式光伏阵列、储能装置、负荷设备、双向变流器、能量管理系统以及与大电网的连接装置等组成 。分布式光伏阵列安装在建筑屋顶或外立面，将太阳能转化为电能；储能装置（如锂电池、超级电容器等）用于存储多余电能，在光伏输出不足或负荷高峰时释放电能，平滑功率波动；负荷设备包括建筑内的照明、空调、办公设备等；双向变流器实现微电网与大电网之间的能量双向流动；能量管理系统是微电网的核心，负责实时监测系统运行状态，优化能量分配策略。

2.2 分层分布式架构设计

为提高系统的可靠性和灵活性，采用分层分布式架构设计能量管理系统。该架构分为就地控制层、协调控制层和中央管理层 。就地控制层由各分布式电源、储能装置和负荷的本地控制器组成，负责实时采集设备运行数据，执行本地控制策略，实现设备的基本运行控制；协调控制层接收就地控制层上传的数据，根据中央管理层下达的优化指令，协调各分布式电源和储能装置的运行，实现微电网内局部能量的优化调配；中央管理层根据天气预测、负荷预测等信息，结合微电网的运行目标，制定全局能量管理策略，并将优化指令下发至协调控制层，同时与大电网进行交互，实现微电网与大电网的协同运行。

三、建筑智能微电网能量管理策略

3.1 光伏功率预测

准确的光伏功率预测是能量管理系统优化运行的基础。采用基于气象数据和历史功率数据的混合预测方法，结合机器学习算法（如神经网络、支持向量机等）对分布式光伏的输出功率进行预测 。首先，收集光照强度、温度、湿度等气象数据以及光伏阵列的历史输出功率数据；然后，利用机器学习算法对数据进行训练，建立光伏功率预测模型；最后，根据实时气象数据和预测模型，预测未来一段时间内光伏阵列的输出功率，为能量管理策略的制定提供依据。

3.2 负荷需求响应

通过实施负荷需求响应策略，调节建筑负荷的用电行为，实现负荷与分布式光伏输出的匹配。将建筑负荷分为可控负荷（如空调、热水器等）和不可控负荷（如照明、医疗设备等） 。对于可控负荷，根据光伏功率预测结果和储能状态，制定负荷调度计划。在光伏输出充足时，增加可控负荷的用电量；在光伏输出不足或储能电量较低时，减少可控负荷的用电量。同时，通过与用户签订需求响应协议，给予用户一定的经济激励，引导用户主动参与负荷调节，提高微电网的运行效率。

3.3 储能充放电优化

储能装置的充放电策略直接影响微电网的能量平衡和运行成本。建立以储能充放电功率、荷电状态（SOC）等为变量的优化模型，以微电网运行成本最小或光伏消纳率最大为目标函数，采用粒子群优化算法（PSO）

或模型预测控制（MPC）方法求解优化模型 。在光伏输出功率大于负荷需求时，控制储能装置充电；在光伏输出功率小于负荷需求或电价较高时，控制储能装置放电。同时，考虑储能装置的充放电次数和寿命，优化充放电策略，延长储能装置的使用寿命。

四、能量管理系统优化设计与实现

4.1 优化目标确定

能量管理系统的优化目标主要包括提高分布式光伏消纳率、降低建筑用电成本、保证微电网供电可靠性等 。在不同的运行场景下，可根据实际需求调整各目标的权重。例如，在光伏大发时段，以提高光伏消纳率为主要目标；在电价高峰时段，以降低用电成本为主要目标。

4.2 优化算法应用

选择粒子群优化算法和模型预测控制方法作为能量管理系统的优化算法。粒子群优化算法具有收敛速度快、易于实现等优点，适用于求解多变量、非线性的优化问题，可用于储能充放电策略的优化 。模型预测控制方法能够根据系统的预测模型和未来一段时间内的约束条件，滚动优化控制策略，具有较强的鲁棒性和适应性，适用于处理光伏功率和负荷的不确定性，实现微电网的实时优化控制。

4.3 系统软件设计

基于 MATLAB/Simulink 平台开发能量管理系统软件，实现数据采集、处理、分析以及控制策略的执行 。软件界面设计包括系统运行状态监测、数据显示、控制参数设置等功能模块，方便操作人员实时了解微电网运行情况，并对系统进行远程控制和优化调整。同时，通过建立与硬件设备的通信接口，实现能量管理系统与分布式电源、储能装置、负荷设备等的实时数据交互。

五、仿真验证与结果分析

5.1 仿真模型搭建

在 MATLAB/Simulink 平台上搭建基于分布式光伏的建筑智能微电网仿真模型，模拟不同天气条件和负荷场景下微电网的运行情况 。模型中包括分布式光伏阵列、锂电池储能装置、典型建筑负荷等组件，并设置相应的参数。

5.2 仿真结果分析

仿真结果表明，优化后的能量管理系统能够有效提高分布式光伏的消纳率，在光照充足时段，光伏消纳率提升了 25% ，减少了弃光现象；通过合理调度储能装置和负荷，建筑用电成本降低了 18% 。同时，在光伏功率波动和负荷突变时，系统能够快速调整能量分配策略，保证微电网的稳定供电，验证了优化设计的有效性和可行性。

六、结论

本论文对基于分布式光伏的建筑智能微电网能量管理系统进行了优化设计，通过构建分层分布式系统架构，提出包含光伏功率预测、负荷需求响应、储能充放电优化的能量管理策略，并利用粒子群优化算法和模型预测控制方法实现系统的优化运行。仿真结果表明，优化后的能量管理系统在提高光伏消纳率、降低用电成本和保证供电可靠性等方面取得了良好效果。未来可进一步研究考虑更多因素（如电动汽车接入、电网电价实时变化等）的能量管理策略，提高建筑智能微电网的综合性能和经济效益。

参考文献

[1]胡耀兵.面向微电网的飞轮储能系统能量管理控制策略研究[D].华中农业大学,2023.

[2]孙迪康.基于光伏-储能电池的台区能量管理优化研究[D].东北石油大学,2023.

[3]Jamshed M .基于模型预测控制的含燃料电池的微电网能量管理系统[D].华北电力大学(北京),2023.