中国电机工程学报ProceedingsoftheCSEEISSN0258-8013,CN11-2107/TM《中国电机工程学报》网络首发论文题目：零能耗建筑电-氢-热双层能量优化调控方法作者：孔令国，王士博，蔡国伟，刘闯，郭小强DOI：10.13334/j.0258-8013.pcsee.211166网络首发日期：2021-11-26引用格式：孔令国，王士博，蔡国伟，刘闯，郭小强．零能耗建筑电-氢-热双层能量优化调控方法[J/OL]．中国电机工程学报.https://doi.org/10.13334/j.0258-8013.pcsee.211166网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出版管理条例》和《期刊出版管理规定》的有关规定；学术研究成果具有创新性、科学性和先进性，符合编辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为；稿件内容应基本符合国家有关书刊编辑、出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容，只可基于编辑规范进行少量文字的修改。出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络版）》是国家新闻出版广电总局批准的网络连续型出版物（ISSN2096-4188，CN11-6037/Z），所以签约期刊的网络版上网络首发论文视为正式出版。中国电机工程学报ProceedingsoftheCSEEDOI：10.13334/j.0258-8013.pcsee.211166零能耗建筑电-氢-热双层能量优化调控方法孔令国1，王士博1，蔡国伟1，刘闯1，郭小强2(1．现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学)，吉林省吉林市132012；2．燕山大学，河北省秦皇岛市066004)ZeroEnergyBuildingElectricity-hydrogen-heatDouble-layerEnergyOptimizationControlMethodKONGLingguo1,WANGShibo1,CAIGuowei1,LIUChuang1,GUOXiaoqiang2(1.KeyLaboratoryofModernPowerSystemSimulationandControl&RenewableEnergyTechnology,MinistryofEducation(NortheastElectricPowerUniversity),Jilin132012,JilinProvince,China;2.YanshanUniversity,Qinhuangdao066004,HebeiProvince,China)ABSTRACT:EnergysavingandcarbonreductioninthefieldofconstructionareveryimportantforChinatoachievethegoalof"carbonpeak,carbonneutral".Inordertomeettheneedofdecarbonizationandeconomyofbuildingterminalenergyconsumption,thispaperproposedanoptimalcontrolmethodofelectricity-hydrogen-heatdouble-layerenergyforzeroenergybuildingsystem.Firstly,thispaperconstructedazeroenergy(zerocarbon)buildingenergytopologystructurecontainingwind-photovoltaic-hydrogenaccordingtotheenergyusecharacteristicsofthebuilding.Secondly,theenergymanagementofzeroenergybuildingsystemwasdividedintoeconomicoptimizationlayerandreal-timepowercontrollayeraccordingtodifferenttimescales.Fortheeconomicoptimizationlayer,theelectricity-hydrogen-heateconomicoptimizationmanagementmethodwasproposed;forthereal-timepowercontrollayer,thereal-timepowerdeviationcorrectionstrategybasedonstatecontrolwasproposed.Finally,theeffectivenessoftheproposedmethodwasverifiedbythesimulationofatypicaldailyexample.Atthesametime,consideringtherecoveryandutilizationofwasteheatfromtheoperationofelectrolyzersandfuelcells,theoveralloperatingefficiencyofthesystemhasbeenincreasedfrom72.9%to87.5%.KEYWORDS：ZEB;wind-photovoltaic-hydrogensystem;economicoptimization;statecontrol;energymanagement摘要：建筑领域的节能减碳对于推动我国实现“碳达峰，碳中和”的目标至关重要。针对建筑终端用能去碳化、经济化的需求，本文提出了一种零能耗建筑（Zeroenergybuilding，ZEB）系统电-氢-热双层能量优化调控方法。首先，根据建筑用能特性，构建含风、光、氢的零能耗（零碳）建筑能源拓扑结构；其次，将零能耗建筑系统能量管理以不同时间尺度划分为经济优化层与实时功率调控层，针对经济优化层，提出电-氢-热经济优化管理方法；针对实时功率调控层，提出基于状态控制的实时功率偏差修正策略；最后，通过典型日算例仿真，验证了本文所提零能耗建筑系统能量优化调控方法的有效性。同时，考虑电解槽和燃料电池运行余热回收利用，系统综合运行效率从72.9%提升至87.5%。关键词：零能耗建筑；风光氢系统；经济优化；状态控制；能量管理0引言在第75届联合国大会一般性辩论中，中国提出“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”的目标[1]。目前，我国现有城镇总建筑存储量约650亿平方米，这些建筑在使用中的“运营碳排放”达到210亿吨，约占我国碳排放总量的20%[2]。实现建筑终端用能的深度脱碳是我国能源转型重要的一环[3-4]。近年来，因可再生能源具有高效、清洁、低碳的特点，得到了世界各国的高度重视和广泛应用，依托可再生能源相关技术支撑，世界多国相继开展ZEB系统的探索研究，其中ZEB系统异质能源耦合能量优化调控关键技术的研究逐渐成为国内外专家、学者关注的热点问题之一。基金项目：国家重点研发计划项目(2018YFB1503100)；国家自然科学基金项目(51907021)。NationalKeyR&DProgramofChina(2018YFB1503100);ProjectSupportedbyNationalNaturalScienceFoundationofChina(51907021).网络首发时间：2021-11-2614:15:03网络首发地址：https://kns.cnki.net/kcms/detail/11.2107.TM.20211126.1348.003.html风、光可再生能源发电具有较强随机性与波动性，合理的储能配备能平抑因风光出力不确定性而导致的负荷用电质量下降[5-8]。氢储能相较于其他形式储能方式具有清洁、易储存、能量密度高等特点，通过可再生能源与氢储能的协调配合，可实现电、氢间的双向能量转换，进一步提升再生能源利用率[9-10]。采用风光氢异质能源构建ZEB系统是一种理想的建筑能源解决方案。随可再生能源耦合氢能技术的不断发展，针对风光氢耦合系统能量管理，国外学者开展了一些相关研究。文献[11]提出了一种多时间尺度能量管理方案，长时间尺度为最优发电计划，实时能量管理由模型预测控制器实现，通过实验验证了控制策略有效性。文献[12]基于经济模型预测控制算法提出了一种用于独立风电/光伏混合动力系统的优化方法，仿真结果表明该方法降低了运行成本。文献[13]针对风光氢耦合微电网系统，提出一种基于模型预测控制的能量管理策略，并与状态控制策略进行长时间仿真对比，验证了控制策略的有效性。文献[14]提出一种风光氢耦合系统多时间尺度能量管理控制策略，控制器采用多级联结构，通过优化经济成本目标函数，降低了系统运行经济成本。文献[15]提出一种可再生能源混合系统电源管理控制器设计，实现了一个包含监督控制级、本地控制级的双级联控制策略。国内相关研究仍处于起步阶段。文献[16]提出了一种基于预测控制的家庭能源局域网结构能量管理方案，实现系统经济、高效运行。文献[17]针对离网风光氢耦合系统，通过优选状态变量、输出变量、控制变量等，构建系统状态空间模型，采用模型预测控制算法实现了电-氢耦合系统功率调控，并通过仿真验证了其有效性。文献[18]针对风电/制氢/燃料电池/超级电容器混合系统，提出10种不同运行模式，通过系统的协调控制，实现了基于状态控制的功率管理策略。综合国内外目前所开展的研究，针对ZEB系统，国内外并未对其开展能源结构及高效、经济运行的深入研究，在电-氢-热耦合能源管控方面，仅在分布式能源及微电网层面开展了调度模型构建、控制方法的研究，且鲜有考虑电氢混合储能系统的单元级设备动态适应特性。本文针对ZEB系统电-氢-热能量优化调控方法展开研究，构建基于风光氢耦合的ZEB系统能源拓扑结构，明确系统电、氢、热能量供需互动机制；建立系统多约束经济优化目标函数，提出经济优化能量管理方法；通过考虑不同设备动态特性，提出基于状态控制的功率偏差修正策略；进一步提出ZEB系统多时间尺度电-氢-热能量优化调控方法，仿真表明，所提方法通过多设备协调控制，实现了ZEB系统高效、经济运行。1ZEB系统结构本文所提ZEB系统结构如图1所示。电网蓄电池储氢罐燃料电池电解槽光伏板风机燃料电池汽车电动汽车储热罐热负荷功率流氢气流热力流电负荷图1零能耗建筑系统结构Fig.1StructureofzeroenergybuildingsystemZEB系统由分布式电源（风机、光伏）、储能系统（电池储能单元、氢储能单元、热储能单元）、电动汽车、燃料电池汽车构成。风机、光伏提供建筑系统全部供能和峰时并网协议功率。峰时并网协议为建筑系统与电网达成协议，在电网负荷峰时段，向电网输送功率，其并网指令及并网功率数值（协定并网功率上限值）由电网调度中心在协议功率限值内给定；由于ZEB系统能量完全来自可再生能源，故本文不考虑其从电网购电模式。ZEB系统耗能主要包括房屋用电负荷、生活热水负荷、电动汽车充电负荷及燃料电池汽车用氢负荷。本文所提ZEB系统能源结构，通过考虑电解槽、燃料电池设备运行余热的回收，可进一步提升可再生能源利用率和系统运行效率；利用本文所提出能源结构，通过对耦合系统可再生资源准确评估，以系统经济成本最优为主要目标，同时考虑系统多类负荷需求等系统稳定运行条件，优化配置氢储能与蓄电池容量[19-20]，可实现建筑系统电、热、氢能量的自供应，为单体建筑用能去碳化提供解决方案；同时ZEB系统在电网负荷峰时段，可将ZEB系统存储的盈余能量（电池储能、氢储能）反馈给电网，实现对电网的削峰，同时带来售电利润。2系统模型构建2.1碱性电解槽模型碱性电解槽U-I方程为[20]12elcellel,cellcell22123el123elel,cellcellelelcell//log(1)elelGrrTUIzFAttTtTssTsTIAUNU(1)式中：G为电化学反应过程的Gibbs自由能变，z为每次反应电子转移数，F为法拉第常数，r1和r2为电解液欧姆电阻参数，Tel为电解槽温度，Acell为电解模块面积，Iel,cell为单模块直流电流，Ucell为单模块电压，Nel为电解槽串联模块数，sn为电极过电压系数（n=1…3），tn为电极过电压系数（n=1…3），Uel为电解槽电压。碱性电解槽产氢速率为2elelAE,HFNInzF(2)式中：F为法拉第效率，Iel为电解槽直流电流。碱性电解槽的热能平衡方程为[20]eleltgen,elloss,elcool,eldTCQQQdt(3)其中，gen,elelelelloss,elelaeltcool,elcwcwicwo(1),()/()QIUQTTRQCTT(4)式中：Celt为电解槽的总热容量，Qgen,el为电堆内部产生热量，Qloss,el为电堆表面热损耗热量，Qcool,el为辅助冷却热量，el为电解槽的电能效率，Relt为电解槽的热电阻，Ta为环境温度，Ccw为冷却水的热容量，Tcwi和Tcwo分别为冷却水的进出口温度。2.2质子交换膜燃料电池模型质子交换膜燃料电池模块输出电压为[20]cellnernstactohmconcfcfccellVEUUUUNV(5)式中：Vcell为单模块输出电压，Enernst为热力学电动势，Uact为活化过电压，Uohm为欧姆过电压，Uconc为浓差过电压，Ufc为质子交换膜燃料电池电压，Nfc为串联电池的数量。质子交换膜燃料电池模块热能平衡方程为[20]fcfcttotalfccool,fcloss,fcdTCPPQQdt(6)其中，2fctotalHloss,fcfcafctfcw,infcw,outcool,fccondconvfcfcw,infcw,out,/2lnIPmHHQTTRFTTTTQhhITTTT(7)式中：Ptotal为模块总需功率，Pfc为燃料电池功率，Qcool,fc为冷却水冷却热量，Qloss,fc为模块损失热量，Cfct为燃料电池的总热容量，mH2为氢气反应速率，Rfct为燃料电池的热电阻，ΔH为氢气的焓变，Tw,in和Tw,out分别为冷却水的入口和出口温度，hcond和hconv分别为热交换器的导热和对流换热系数，Tfc为燃料电池温度。2.3蓄电池模型蓄电池荷电状态数学模型为b-sb-pn0b-sb-pn()100%tNNQidSOCNNQ(8)式中：Qn为蓄电池额定容量，i(t)为充放电电流，SOC为蓄电池剩余电量百分比（荷电状态），Nb-s与Nb-p分别为蓄电池组中电池串联和并联个数。2.4储氢模型任意Δt时间储氢罐储氢量为00H20H20H2,inH2,out()()tttnttntnnd(9)式中：H20nt为t0时刻储氢罐储氢量，H2,inn为储氢罐进口氢气变化率；H2,outn为储氢罐出口氢气变化率。氢水平定义为当前储氢量与最大储氢量的比值，表示为H2H2,max100%ntLOHtn(10)式中：H2nt为t时刻储氢罐的储氢量；H2,maxn为储氢罐最大储氢量。2.5储热模型任意Δt时间内储热罐储热量为00h0h0h,inh,outtttEttEtEEd(11)式中：h0Et为t0时刻储热罐储热量，h,inE为储热罐进口热量变化率，h,outE为储热罐出口热量变化率。2.6ZEB系统状态空间模型根据系统运行机理，将本文选取的控制变量、状态变量、输出变量、扰动变量写成标准矩阵形式为TThelfcbatTThH2h,,LOHSOCEPPPLOHSOCEWWxuyw(12)其中，hhloss,fcloss,elWwQQT(13)式中：x为状态变量，u为控制变量，y为输出变量，w为扰动变量，Wh为房屋热负荷扰动，Eh为储热罐储热量，WH2为氢负荷扰动，Pel为电解槽功率，Pbat为蓄电池功率，ΔT为采样时间间隔。线性离散系统状态空间标准表达为w111kkkkkkxAxBuMwyCx(14)式中：A与B分别为系统矩阵和控制矩阵，Mw为扰动矩阵，C为输出矩阵。ZEB系统中矩阵A，B，C，Mw矩阵表达为12345w1000010,00001010010010,0000101ABCM(15)其中，22FelFfc12elH,maxfcH,max34tranelelnbatfc5tranfc,2,10001360010002NTNTzFUnFUnTNTQUNHTFU(16)3电-氢-热耦合系统能量优化调控策略由风机、光伏以及电负荷超短期预测值，可求得ZEB系统的预测净功率值，表示为netwtpvloadevgridPPPPPP(17)式中：Pwt为风机预测功率值，Ppv为光伏预测功率值，Pload为建筑用电负荷预测值，Pev为电动汽车充电功率，Pgrid为峰时并网协议功率。ZEB系统风机、光伏、电负荷超短期预测值与实际值的偏差定义为净功率修正量，表示为netwtpvloadPPPP(18)式中：ΔPwt为风机功率修正量，ΔPpv为光伏功率修正量，ΔPload为建筑用电负荷修正量。ZEB系统功率平衡方程表示为elfcbatnetnetPPPPP(19)本文在经济优化中，分别设定蓄电池充放电功率变量，任意k时刻蓄电池经济优化功率可表示为bat,upbat,ch,upbat,dis,upPkPkPk(20)式中：Pbat,ch,up和Pbat,dis,up分别为蓄电池经济优化充放电功率。本文提出的功率调控方法为多时间尺度分层优化，控制器结构如图2所示。ZEB系统模型经济优化T=15min实时功率调控T=1minLOH(k+1)SOC(k+1)Eh(k+1)LOH(k+1)SOC(k+1)Eh(k+1)Wh(k)WH2(k)Pnet(k)Pfc(k)Pel(k)Pbat(k)ΔPnet(k)Wh(k)WH2(k)Pfc,up(k)Pel,up(k)Pbat,up(k)图2功率调控控制器结构Fig.2Structureofpowercontrolcontroller控制器采用双层控制结构，即经济优化层和实时功率调控层，第一层以系统运行成本最小为目标，通过对混合整数规划问题在线求解，得到各设备经济优化功率值，并将其作为第二层控制输入；控制器第二层为实时功率调控，基于状态控制策略对功率预测偏差进行实时修正，得到各设备运行参考功率值；采用实时功率偏差修正策略可以快速应对ZEB系统不同工况的功率波动，提升了系统运行稳定性。同时，本文采用直接对净功率进行优化控制，针对不同建筑类型与建筑参数下的电、热、氢负荷差异化需求[21]，亦可实现系统的稳定运行。3.1经济优化层3.1.1目标函数总经济优化目标函数由各控制设备经济目标函数之和构成，表示为totalelfcbatelelelel,o&mel,upel1elel,onel,onel,offel,offfcfcfcfc,o&mfc,upfc1fcfc,onfc,onfc,offfc,offbatbatbat,ch,upbat,ch1batbatbatbamin44JJJJCJkCPkkTLCkCkCJkCPkkTLCkCkCJPkkTHECHbat,dis,up1bat,distbatPkkTE(21)其中，,on,offel;fc11iiiiiiikkkkkk(22)式中：Pel,up为电解槽经济优化功率，Cel为电解槽投资成本，Cel,o&m为电解槽运维成本，Lel为电解槽运行寿命，Cel,on为电解槽启动成本，Cel,off为电解槽停机成本，δel为电解槽运行变量(0-1变量)，δel,on和δel,off分别为电解槽启动、停机变量(0-1变量)，Pfc,up为燃料电池经济优化功率，Cfc为燃料电池投资成本，Cfc,o&m为燃料电池运维成本，Lfc为燃料电池运行寿命，Cfc,on为燃料电池启动成本，Cfc,off为燃料电池停机成本，δfc为燃料电池运行变量(0-1变量)，δfc,on和δfc,off分别为燃料电池启动停机变量(0-1变量)，Cbat为蓄电池投资成本，Hbat为蓄电池最大循环充放次数，δbat,ch和δbat,dis分别为蓄电池充放电运行状态变量(0-1变量)，Ebat为蓄电池额定容量，T1为经济优化采样时间。3.1.2约束条件（1）功率平衡等式约束经济优化功率平衡等式约束el,upfc,upbat,upnetPkPkPkPk(23)（2）功率约束电解槽、燃料电池、蓄电池运行功率约束为,up,min,up=el;fc;,up,up,maxbat,ch;bat,dis;iiiiiiiiiPkkPkkPkkPkk(24)其中，el,up,minel,Nfc,up,minfc,Nbat,ch,up,minbat,dis,up,minmaxel,up,maxel,N1minfc,up,maxfc,N2maxbat,ch,up,maxbat,ch,N30.2,0.20,0min,min,min,PPPPPPLOHLOHkPkPLOHkLOHPkPSOCSOCkPkPminbat,dis,up,maxbat,dis,N3min,SOCkSOCPkP(25)式中：Pel,up,min和Pel,up,max分别为电解槽经济优化功率最小值和最大值，Pfc,up,min和Pfc,up,max分别为燃料电池经济优化功率最小值和最大值，Pbat,ch,up,min和Pbat,ch,up,max分别为蓄电池经济优化充电功率最小值和最大值，Pbat,dis,up,min和Pbat,dis,up,max分别为蓄电池经济优化放电功率最小值和最大值，Pel,N为电解槽额定功率，Pfc,N为燃料电池额定功率，Pbat,ch,N为蓄电池额定充电功率，Pbat,dis,N为蓄电池额定放电功率，SOCmin和SOCmax分别为荷电状态最小值和最大值，LOHmin和LOHmax分别为氢水平最小值和最大值。（3）启停约束将式(22)中定义的电解槽、燃料电池启停逻辑关系转换为启停约束，表示为,on,on,on,off,off,offel;fc01101111010111iiiiiiiiiiiiiiikkkkkkkkkkkkkk(26)（4）其他约束储热约束hh,max0()EkE(27)式中：Eh,max为储热罐储热最大值。电解槽、燃料电池不同时工作约束为elfc1kk(28)蓄电池不同时充放电约束为bat,disbat,ch1kk(29)3.1.3经济优化模型线性化由式(21)可知目标函数中存在Pi(k)δi(k)非线性项，为了简化求解问题，线性化求解问题，引入辅助变量Zi，定义为el;fc;,upbat,dis;bat,chiiiiZkPkk(30)通过混合逻辑动态模型，将Zi引入目标函数，同时将式(24)中非线性约束转换为线性约束[22]，线性化后功率约束表示为,up,min,up,up,max,up,up,up,maxel;fc;,up,up,up,minbat,dis;bat,ch11iiiiiiiiiiiiiiPkZkPkZkPkPkZkPkPk(31)3.2实时功率调控层在经济优化中，优化求解经济目标函数可得到各设备功率值，但因存在可再生能源和用电负荷的功率预测偏差，所以仅采用经济优化层不能保证系统功率的实时平衡。电解槽和燃料电池在功率频繁波动的情况下运行，不仅会缩减其使用寿命，亦可能影响其输出效率[23]。蓄电池输出具有动态响应迅速的特点，且其运行不受功率波动影响，为削弱短时宽功率波动对电解槽、燃料电池的不良影响，本文所提状态控制策略优先将净功率修正量分配给蓄电池吸收，当其荷电状态达到上下限值时，为保证系统功率平衡，由电解槽或燃料电池平抑功率差值。实时功率偏差修正状态控制策略如图3所示。Pbat,up(k)+ΔPnet(k)>-min[(SOC(k)-SOCmin)/α3,Pbat,dis,N]?Pbat,up(k)+ΔPnet(k)>min[(SOCmax-SOC(k))/α3,Pbat,ch,N]?ΔPnet(k)+Pnet(k)-Pbat(k+1)>-min[(LOH(k)-LOHmin)/α2,Pfc,N]?Pbat,up(k)+ΔPnet(k)>-min[(SOC(k)-SOCmin)/α3,Pbat,dis,N]?ΔPnet(k)>0?Pfc(k+1)=-min[(LOH(k)-LOHmin)/α2,Pfc,N]Pel(k+1)=Pel,up(k)Pbat,up(k)+ΔPnet(k)>min[(SOCmax-SOC(k))/α3,Pbat,ch,N]?Pbat(k+1)=min[(SOCmax-SOC(k))/α3,Pbat,ch,N]Pbat(k+1)=Pbat,up(k)+ΔPnet(k)Pel(k+1)=Pel,up(k)Pfc(k+1)=Pfc,up(k)ΔPnet(k)+Pnet(k)-Pbat(k+1)>min[(LOHmax-LOH(k))/α1,Pel,N]?Pel(k+1)=min[(LOHmax-LOH(k))/α1,Pel,N]Pfc(k+1)=Pfc,up(k)Pel(k+1)=ΔPnet(k)+Pnet(k)-Pbat(k+1)Pfc(k+1)=Pfc,up(k)NPbat(k+1)=Pbat,up(k)+ΔPnet(k)Pel(k+1)=Pel,up(k)Pfc(k+1)=Pfc,up(k)YPbat(k+1)=Pbat,up(k)+ΔPnet(k)Pel(k+1)=Pel,up(k)Pfc(k+1)=Pfc,up(k)Pfc(k+1)=ΔPnet(k)+Pnet(k)-Pbat(k+1)Pel(k+1)=Pel,up(k)Pbat(k+1)=-min[(SOC(k)-SOCmin)/α3,Pbat,dis,N]Pbat(k+1)=Pbat,up(k)+ΔPnet(k)Pel(k+1)=Pel,up(k)Pfc(k+1)=Pfc,up(k)开始Pnet(k)>0?YYYNPbat(k+1)=-min[(SOC(k)-SOCmin)/α3,Pbat,dis,N]ΔPnet(k)+Pnet(k)-Pbat(k+1)>0?Pel(k+1)=ΔPnet(k)+Pnet(k)-Pbat(k+1)Pfc(k+1)=Pfc,up(k)Pfc(k+1)=ΔPnet(k)+Pnet(k)-Pbat(k+1)Pel(k+1)=0YYNNYYNNΔPnet(k)+Pnet(k)-Pbat(k+1)<0?Pfc(k+1)=ΔPnet(k)+Pnet(k)-Pbat(k+1)Pel(k+1)=Pel,up(k)Pel(k+1)=ΔPnet(k)+Pnet(k)-Pbat(k+1)Pfc(k+1)=0Pbat(k+1)=min[(SOCmax-SOC(k))/α3,Pbat,ch,N]YYNNΔPnet(k)>0?NNNY结束图3基于状态控制的功率偏差修正策略Fig.3Powerdeviationcorrectionstrategybasedonstatecontrol3.3双层能量优化控制流程ZEB系统双层能量调控方法流程如图4所示。具体步骤如下：①初始化各储能单元状态（蓄电池荷电状态、氢水平、储热罐热量），计算预测净功率值，更新当前时刻氢负荷、热负荷值；②求解3.1节建立的混合整数规划经济目标函数，得到各单元设备经济优化功率值，并更新当前时刻净功率修正量值；③以经济优化功率值和净功率修正量值作为输入量，执行基于状态控制的实时功率偏差修正（图3），得到各设备运行功率参考值；④ZEB系统各设备执行运行功率参考值，得到状态变量更新值；⑤判断下层循环次数是否达到上限值15（经济优化采样间隔15min，实时功率调控采样间隔1min）；若未达到上限，返回继续执行功率偏差修正策略；若达到上限，跳出并返回。开始返回初始化当前时刻预测净功率值、氢水平、荷电状态、储热量、氢负荷、热负荷变量值在满足约束式(23)(26)(27)(28)(29)(31)条件下求解经济目标函数式(21)，得到经济优化功率值更新当前时刻净功率修正量ΔPnet(k)执行基于状态控制的功率偏差修正策略（图3），得到设备运行功率参考值Pi(k)i=bat,fc,el系统执行运行参考功率后更新状态变量，得到下时刻状态更新值k>15?YNk=k+1电解槽、燃料电池、蓄电池参考功率下发图4功率调控算法流程图Fig.4Flowchartofpowerregulationalgorithm4仿真分析4.1参数设定本文选取中国某地区典型单体住宅建筑进行仿真分析。经济优化采样时间为15min，状态控制采样时间为1min，仿真时间为24h，仿真主要参数如表1所示。表1仿真参数Tab.1Parametersofthesimulation名称数值Pel,N电解槽额定运行功率/kW25Cel电解槽投资成本/$31000Cel,o&m电解槽运维成本/($/kW·h)0.0573[14]Cel,on电解槽启动成本/$0.1496[14]Cel,off电解槽停机成本/$0.0075[14]Lel电解槽运行寿命/h30000Pfc,N燃料电池额定运行功率/kW15Cfc燃料电池投资成本/$18000Cfc,o&m燃料电池运维成本/($/kW·h)0.054[14]Cfc,on燃料电池启动成本/$0.012[14]Cfc,off燃料电池停机成本/$0.0061[14]Lfc燃料电池运行寿命/h30000Ebat蓄电池额定容量/(kW·h)20Pbat,ch,N蓄电池额定充电功率/kW10Pbat,dis,N蓄电池额定放电功率/kW10Cbat蓄电池投资成本/$3100Hbat蓄电池最大循环充放次数3000SOCmax荷电状态最大值/%100SOCmin荷电状态最小值/%0nH2,max储氢罐最大储氢量/Nm380LOHmax氢水平最大值/%100LOHmin氢水平最小值/%0Eh,max储热罐最大储热量/MJ300某典型日装机容量分别为10kW、25kW的风机和光伏超短期功率预测及真实功率曲线如图5所示。246810125101520250123456789101112131415161718192021222324t/h风功率实际值风功率预测值风机功率/kW光伏功率/kW光伏功率实际值光伏功率预测值图5可再生能源功率曲线Fig.5Powercurveofrenewableenergy由图5可知，风机功率波动较大，最大输出功率为9.6kW；光伏在7-19时发出功率，最大输出功率为21.7kW。ZEB系统负荷包括建筑用电负荷、电动汽车充电负荷、氢负荷、热负荷。本文中所考虑建筑仅由单台电动汽车与单台燃料电池汽车构成，其中电动汽车以恒功率（220V/7kW）完成充电，氢负荷为燃料电池汽车加氢负荷，加氢时间为5min，各类负荷及峰时并网功率曲线如图6所示。123456789功率/kW0123456789101112131415161718192021222324t/h电动汽车功率并网功率电负荷真实值电负荷预测值(a)电负荷及并网功率0.20.40.60.811.21.4氢气量/Nm3氢负荷6.577.5t/h(b)氢负荷100200300400500热负荷0123456789101112131415161718192021222324t/h热量/kJ(c)热负荷图6零能耗建筑系统负荷曲线Fig.6Loadcurveofzeroenergybuildingsystem4.2经济优化层仿真结果分析通过MATLAB调用GUROBI对本文所建立的经济优化目标函数求解，分别得到蓄电池、氢系统经济优化结果。蓄电池经济优化曲线如图7所示。荷电状态/%020406080100510150123456789101112131415161718192021222324t/h功率/kW蓄电池经济优化放电功率蓄电池经济优化充电功率荷电状态图7蓄电池经济优化曲线Fig.7Economicoptimalcurveofbattery由图7可知，蓄电池充电时段主要在2-7时、8-20时，最大充电功率7.6kW，放电时段主要在0-4时、7-8时、18-24时，最大放电功率9kW。日间蓄电池吸收功率，夜间蓄电池发出功率。在0-1时，分布式电源发出功率小于负荷所需功率（见图5、6），蓄电池放电提供能量，荷电状态在1时降至下限，在3-10时，系统功率剩余，蓄电池开始充电，荷电状态逐渐增加直至达到上限，在18-22时，系统处于功率缺额，蓄电池开始放电，22时荷电状态再次达到下限值。氢系统经济优化曲线如图8所示。510152025020406080100功率/kW燃料电池经济优化功率电解槽经济优化功率氢水平0123456789101112131415161718192021222324t/h氢水平/%图8氢系统经济优化曲线Fig.8Economicoptimizationcurveofhydrogensystem由图8可知，电解槽优化运行时段在9-19时，最大功率值为20.6kW，燃料电池优化运行时段在1-3时、22-24时，最大功率为13kW。在1-3时、22-24时，系统功率存在缺额（见图5、6），燃料电池启动运行，氢水平下降，在9-19时，系统功率剩余较多（见图5、6），电解槽启动运行，氢水平持续上升；在7-8时存在氢燃料电池汽车加氢扰动，氢水平出现明显快速下降。4.3实时功率调控层仿真结果分析依据经济优化求解功率值，执行图3基于状态控制的实时功率偏差修正策略，分别得到电解槽、燃料电池、蓄电池运行参考功率值。蓄电池实时功率调控仿真结果曲线如图9所示。-10-50510020406080100荷电状态/%功率/kW蓄电池功率荷电状态蓄电池经济优化功率0123456789101112131415161718192021222324t/h图9蓄电池功率与荷电状态曲线Fig.9Powerandstateofchargecurveofbattery由图9可知，蓄电池实时功率相较于经济优化功率值波动较大，整体趋势为围绕经济优化参考功率波动。在2-10时、18-22时，蓄电池荷电状态未达到上下限值，此时蓄电池具备充放双向调节能力，正负功率修正量均可参与调节吸纳；在1-3时、22-24时段，蓄电池荷电状态达到下限值，此时只吸收正功率修正量；在9-18时段，蓄电池荷电状态达到上限值，此时只吸收负功率修正量。氢系统实时功率调控仿真结果曲线如图10所示。-15-10-50510152025020406080100氢水平/%0123456789101112131415161718192021222324t/h电解槽功率燃料电池功率氢水平燃料电池经济优化功率电解槽经济优化功率功率/kW图10氢系统功率与氢水平曲线Fig.10Hydrogensystempowerandhydrogenlevelcurve由图10可知，电解槽和燃料电池实时功率值与经济优化功率值基本一致，功率波动较小。对于燃料电池，2-3时、21-23时运行时段，因存在蓄电池荷电状态达到下限值时刻（见图9），此时蓄电池无法吸收负功率修正量，由燃料电池完成负功率修正；对于电解槽，9-19时运行时段，存在蓄电池荷电状态达到上限值时刻（见图9），此时蓄电池无法吸收正功率修正量，由电解槽完成正功率修正。ZEB系统产耗热量与储热量变化仿真结果曲线如图11所示。200400600800100050100150200250储热量/MJ产耗热量/kJ产热量热负荷储热量0123456789101112131415161718192021222324t/h图11产耗热量与储热量曲线Fig.11Curveofheatgeneration,consumptionandstorage由图11可知，ZEB系统产热为电解槽和燃料电池运行余热回收，在0-3时、22-24时燃料电池启动运行（见图10），系统产热来自于燃料电池运行余热；在9-19时电解槽启动运行（见图10），系统产热来自于电解槽运行余热。在24小时仿真中，储热罐储热量由初始54MJ增加至151.2MJ。ZEB系统各单元功率曲线如图12所示。-15-10-50510152025功率/kW电解槽功率燃料电池功率蓄电池功率净功率真实值并网功率0123456789101112131415161718192021222324t/h图12零能耗建筑系统功率曲线Fig.12Powercurveofzeroenergybuildingsystem由图12可知，在任意时刻，系统运行均满足功率平衡等式条件，能量管理控制器根据实际净功率数值输出各调控设备运行参考功率。在0-3时、18-24时，由于夜间光伏不发出功率，系统净功率值为负值，此时由燃料电池、蓄电池参与平衡功率；在3-10时、18-22时，净功率分配给蓄电池；在9-19时，日间光伏出力较大，净功率为正值，此时由电解槽和蓄电池参与平衡功率。任意时刻并网功率均满足峰时协议并网功率值，ZEB系统以分布式电源的形式参与电网功率调节。4.4仿真对比分析为进一步验证本文所提能量优化调控方法的有效性，本文设置一组对比仿真，将本文提出的双层能量优化调控方法与仅考虑经济优化的传统优化调控方法进行对比分析[24]。本文所提方法与传统经济能量优化调控方法系统功率与储能状态仿真对比结果如图13所示。-15-10-50510152025050100传统方法电解槽功率本文方法电解槽功率传统方法燃料电池功率本文方法燃料电池功率氢水平/%0123456789101112131415161718192021222324t/h传统方法氢水平本文方法氢水平功率/kW(a)氢系统功率与氢水平-10-505100501000123456789101112131415161718192021222324t/h功率/kW荷电状态/%本文方法蓄电池功率本文方法荷电状态传统方法蓄电池功率传统方法荷电状态(b)蓄电池功率与荷电状态图13零能耗建筑系统功率及储能状态对比Fig.13Comparisonofpowerandenergystoragestateofzeroenergybuildingsystem由图13可知，本文优化方法与传统经济优化方法中电解槽、燃料电池、蓄电池功率趋势基本相同，功率主体分配值也基本保持一致，但在功率波动分配上有明显不同，在本文优化方法中电解槽、燃料电池运行功率更加平稳，蓄电池吸收大部分波动功率。为量化评估本文方法与传统经济优化方法在功率波动分配的差别，本文定义功率波动平均值，表达为tavg,t1el,fc,bat1/njjjkjePkPkn(32)式中：eavg,j为功率波动平均值，nt为仿真中实时运行总时刻数。根据图13仿真结果数据联立式（32）计算，分别得到本文方法与传统经济优化方法电解槽、燃料电池、蓄电池运行功率波动平均值，具体结果如表2所示。由表2可知，本文所提方法电解槽、燃料电池、蓄电池功率波动平均值分别为0.3kW/min、0.28kW/min、0.5kW/min，而传统经济优化方法电解槽、燃料电池、蓄电池功率波动平均值分别为0.58kW/min、0.35kW/min、0.41kW/min，由此可知，本文提出的实时功率调控方法将蓄电池作为功率平抑主体设备，相较于传统方法有效削减了电解槽、燃料电池的运行功率波动。表2系统功率波动平均值计算结果Tab.2Systempowerfluctuationaveragecalculationresult名称数值传统方法电解槽功率波动平均值/kW/min0.58本文方法电解槽功率波动平均值/kW/min0.3传统方法燃料电池功率波动平均值/kW/min0.35本文方法燃料电池功率波动平均值/kW/min0.28传统方法蓄电池功率波动平均值/kW/min0.41本文方法蓄电池功率波动平均值/kW/min0.54.5ZEB系统效率评价通过对本文仿真结果进行计算整理，得到系统能量优化结果如表3所示。表3系统能量优化结果Tab.3Systemenergyoptimizationresults名称数值分布式电源总发电量/kW·h240.2蓄电池储能变化/kW·h-4储氢系统能量变化/kW·h-23储热罐热量变化/kW·h27.1并网总电量/kW·h21.2电动汽车总耗电量/kW·h40.6建筑总用电负荷/kW·h86建筑总耗热量/kW·h39.1氢负荷输出能量/kW·h19.89为了评估本文提出的运行模式及能量调控方法的高效性，需计算系统的能量利用效率，系统效率表达为outtotalinEE(33)式中：Ein为系统总输入能量，Eout为系统总输出能量。通过表3所整理仿真结果数据联立式（33）计算可得，本文所提出系统在24h仿真中总运行效率为87.5%；当不考虑电解槽、燃料电池运行余热回收利用时，系统总运行效率为72.9%。通过以上计算对比，本文在考虑余热回收后，系统综合效率提升14.6%。5结论本文以风电、光伏、燃料电池、电解槽、蓄电池等设备，提出了一种ZEB系统能量优化调控方法。具体结论如下：（1）针对本文提出的ZEB系统能量优化调控方法，仿真表明，通过在线优化求解，得到各设备运行参考功率，通过实时功率调控，各设备能实现协调稳定运行，验证了本文所提方法的有效性。（2）本文所提出的实时功率偏差修正策略，考虑了电解槽、燃料电池的动态特性，优先以蓄电池平抑功率偏差，仿真和计算结果表明，电解槽和燃料电池运行功率比较平稳，功率波动大部分由蓄电池吸收，削弱了功率频繁波动工况下对电解槽、燃料电池的不良影响。（3）通过对仿真结果的数据计算分析，本文在考虑将电解槽、燃料电池运行余热回收利用后，系统综合运行效率提高了14.6%，使系统运行更加高效。本文下一步工作计划，考虑ZEB系统电-热-冷负荷季节特性，进一步探索冬季供暖与夏季制冷等季节性场景系统能量优化调控方法。参考文献[1]习近平．在第七十五届联合国大会一般性辩论上的讲话[EB/OL]．北京：新华社，2020．[2021-03-13]．http://www.gov.cn/xinwen/2020-09/22/content_5546168.htmXIJinping．Statementatthegeneraldebateofthe75thsessionoftheUnitedNationsGeneralAssembly[EB/OL]．Beijing：XinhuaNewsAgency，2020．[2021-03-13](inChinese)．http://www.gov.cn/xinwen/2020-09/22/content_5546168.htm[2]中国建筑能耗研究报告2020[J]．建筑节能(中英文)，2021，49(2)：1-6．ChinaBuildingEnergyConsumptionAnnualReport2020[J]．JournalofBEE，2021，49(2)：1-6(inChinese)．[3]SmritiMallapaty．HowChinacouldbecarbonneutralbymid-century[J]．Nature，2020，586：482-483．[4]陈国平，董昱，梁志峰．能源转型中的中国特色新能源高质量发展分析与思考[J]．中国电机工程学报，2020，40(17)：5493-5506．CHENGuoping，DONGYu，LIANGZhifeng．AnalysisandReflectiononHigh-qualityDevelopmentofnewenergywithchinesecharacteristicsinenergytransition[J]．ProceedingsofTheChinesesocietyforelectricalengineering，2020，40(17)：5493-5506(inChinese)．[5]潘光胜，顾伟，张会岩，等．面向高比例可再生能源消纳的电氢能源系统[J]．电力系统自动化，2020，44(23)：1-13．PANGuangsheng，GUWei，ZHANGHuiyan，etal．Electrichydrogenenergysystemforhighproportionofrenewableenergyconsumption[J]．AutomationofElectricPowerSystems，2020，44(23)：1-13(inChinese)．[6]曹蕃，郭婷婷，陈坤洋，等．风电耦合制氢技术进展与发展前景[J]．中国电机工程学报，2021，41(6)：2187-2201．CAOFan，GUOTingting，CHENKunyang，etal．ProgressanddevelopmentprospectofcoupledwindandHydrogenSystems[J]．ProceedingsofTheChinesesocietyforelectricalengineering，2021，41(6)：2187-2201(inChinese)．[7]许世森，张瑞云，程健，等．电解制氢与高温燃料电池在电力行业的应用与发展[J]．中国电机工程学报，2019，39(9)：2531-2537．XUShisen，ZHANGRuiyun，CHENGJian，etal．ApplicationanddevelopmentofelectrolytichydrogenproductionandhightemperaturefuelcellinelectricPowerindustry[J]．ProceedingsofTheChineseSocietyforElectricalEngineering，2019，39(9)：2531-2537(inChinese)．[8]李争，张蕊，孙鹤旭，等．可再生能源多能互补制-储-运氢关键技术综述[J]．电工技术学报，2021，36(3)：446-462．LIZheng，ZHANGRui，SUNHexu，etal．Reviewonkeytechnologiesofhydrogengeneration,storageandtransportationbasedonmulti-Energycomplementaryrenewableenergy[J]．TransactionsofChinaElectrotechnicalSociety，2021，36(3)：446-462(inChinese)．[9]段青熙，袁铁江，梅生伟，等．风电–氢储能与煤化工多能耦合系统能量协调控制策略[J]．高电压技术，2018，44(1)：176-186．DUANQingxi，YUANTiejiang，MEIShengwei，etal．Energycoordinationcontrolstrategyofwindpowerhydrogenstorageandcoalchemicalmulti-energycouplingsystem[J]．HighVoltageEngineering，2018，44(1)：176-186(inChinese)．[10]蒲雨辰，李奇，陈维荣，等．计及最小使用成本及储能状态平衡的电氢混合储能孤岛直流微电网能量管理[J]．电网技术，2019，43(3)：918-927．PUYuchen，LIQi，CHENWeirong，etal．EnergymanagementofDCmicrogridwithminimumcostandenergystoragestatebalance[J]．PowerSystemTechnology，2019，43(3)：918-927(inChinese)．[11]FangRuiming．Multi-objectiveoptimizedoperationofintegratedenergysystemwithhydrogenstorage[J]．InternationalJournalofHydrogenEnergy，2019，44(56)：29409-29417．[12]P.Rullo，L.Braccia，P.Luppi，etal．Integrationofsizingandenergymanagementbasedoneconomicpredictivecontrolforstandalonehybridrenewableenergysystems[J]．RenewableEnergy，2019，140：436-451．[13]JuanP.Torreglosa，PabloGarcía，LuisM.Fernandez，etal．Energydispatchingbasedonpredictivecontrollerofanoff-gridwindturbine/photovoltaic/hydrogen/batteryhybridsystem[J]．RenewableEnergy，2015，74：326-336．[14]FelixGarcia-Torres，CarlosBordons.OptimalEconomicalScheduleofHydrogen-BasedMicrogridswithHybridStorageUsingModelPredictiveControl[J]．IEEETransactionsOnIndustrialElectronics，2015，62(8)：5195-5207．[15]MilanaTrifkovic，MehdiSheikhzadeh，KhaledNigim，etal．ModelingandControlofaRenewableHybridEnergySystemWithHydrogenStorage[J]．IEEETransactionsonControlSystemsTechnology，2014，22(1)：169-179．[16]张彦，张涛，刘亚杰，等．基于模型预测控制的家庭能源局域网最优能量管理研究[J]．中国电机工程学报，2015，35(14)：3656-3666．ZHANGYan，ZHANGTao，LIUYajie，etal．Optimalenergymanagementofaresidentiallocalenergynetworkbasedonmodelpredictivecontrol[J]．ProceedingsofTheChineseSocietyforElectricalEngineering，2015，35(14)：3656-3666(inChinese)．[17]孔令国，于家敏，蔡国伟，等．基于模型预测控制的离网电氢耦合系统功率调控[J]．中国电机工程学报，2021，41(9)：3139-3149．KONGLingguo，YUJiamin，CAIGuowei，etal．PowerRegulationofoff-gridelectro-hydrogencoupledsystembasedonmodelpredictivecontrol[J]．ProceedingsofTheChineseSocietyforElectricalEngineering，2021，41(9)：3139-3149(inChinese)．[18]蔡国伟，陈冲，孔令国，等．风电/制氢/燃料电池/超级电容器混合系统控制策略[J]．电工技术学报，2017，32(17)：84-94．CAIGuowei，CHENChong，KONGLingguo，etal．Controlstrategyofhybridsystemofwindpower/hydrogenproduction/fuelcell/supercapacitor[J]．TransactionsofChinaElectrotechnicalSociety，2017，32(17)：84-94(inChinese)．[19]蔡国伟，孔令国，徐昂翾，等．基于改进化学反应优化算法的风/氢/燃并网系统功率平滑经济性评估[J]．电工技术学报，2017，32(20)：251-260．CAIGuowei，KONGLingguo，XUAngxuan，etal．Economicalevaluationofwind/hydrogen/fuelcellgrid-connectedsystempowersmoothingbasedonimprovedchemicalreactionoptimizationalgorithm[J]．TransactionsofChinaElectrotechnicalSociety，2017，32(20)：251-260(inChinese)．[20]孔令国．风光氢综合能源系统优化配置与协调控制策略研究[D]．北京：华北电力大学，2017．KONGLingguo．Researchonoptimalsizingandcoordinatedcontrolstrategyofintegratedenergysystemofwindphotovoltaicandhydrogen[D]．Beijing：NorthChinaElectricPowerUniversity，2017(inChinese)．[21]JINXiaolong，WUJianzhong，MUYunfei，etal．Hierarchicalmicrogridenergymanagementinanofficebuilding[J]．AppliedEnergy，2017，208．[22]AlbertoBemporad，ManfredMorari．Controlofsystemsintegratinglogic,dynamics,andconstraints[J]．Automatica，1999，35：407-427．[23]沈小军，聂聪颖，吕洪．计及电热特性的离网型风电制氢碱性电解槽阵列优化控制策略[J]．电工技术学报，2021，36(3)：463-472．SHENXiaojun，NIECongying，LÜHong．Coordinationcontrolstrategyofwindpower-hydrogenalkalineelectrolyzerbankconsideringelectrothermalcharacteristics[J]．TransactionsofChinaElectrotechnicalSociety，2021，36(3)：463-472(inChinese)．[24]RodolfoDufo-Lopeza，JoseL.Bernal-Agustina，JavierContrerasb．Optimizationofcontrolstrategiesforstand-alonerenewableenergysystemswithhydrogenstorage[J]．Renewableenergy，2007，32:1102-1126．作者简介：通信作者：孔令国（1984），男，博士，副教授，从事可再生能源耦合氢能关键技术研究，klgwin@neepu.edu.cn；王士博（1996），男，硕士研究生，从事可再生能源耦合氢能优化控制技术研究；蔡国伟（1968），男，博士，教授，从事电力系统安全分析与运行控制研究；