建筑物的结构质量提供了固有的蓄热能力，通过扇形耦合，建筑体量可以为电力系统提供额外的灵活性，例如，使用热电联产或电转热。

用于集成到优化智能电网控制中的建筑惯性热能存储（BITES）的数学模型，展示了如何使用基于可测量建筑数据的广义加性建模（GAM）获得必要的模型参数。

为此，证明了天花板表面温度可以作为当前能量状态的代表，这允许仅使用温度传感器作为额外所需的硬件进行实际实施。

今天，小星就带领大家，一起了解建筑惯性热能存储的广义建模，是如何被用于集成智能电网控制的？

与线性建模相比，GAM能够改进对非线性特征和影响存储操作的外部因素相互作用的建模，两个案例研究展示了使用建筑存储作为虚拟发电厂（VPP）的一部分来优化智能电网控制的潜力。

在第一个案例研究中，将BITES与传统使用的热水箱进行了比较，揭示了VPP和建筑运营商的经济效益。

第二个案例研究调查了节省一氧化碳的潜力排放和电网连接能力,与使用电池存储相比，使用BITES时显示出类似的好处，而无需硬件投资。

鉴于建筑物的无处不在以及建筑控制系统的最新进展，BITES作为未来低碳能源系统的额外灵活性来源提供了巨大的潜力。

在追求低碳能源供应的过程中，需要结合各种存储技术，以在能源系统中的不同时间和空间尺度上提供灵活性。

将热能存储（TES）与电热（P2H）技术结合使用可以实现电力系统和供热部门的脱碳，传统上，建筑物的灵活性主要通过控制加热，通风和空调（HVAC）服务或区域供热系统中的热水箱（HWT）来考虑。

建筑物惯性的被动热能存储潜力是迄今为止尚未使用的低成本灵活性来源，需要存储的数学模型，以便将建筑惯性热能存储（BITES）集成到优化的智能电网控制中。

适当的模型应考虑外部影响，此外，从可测量数据中估计必要参数的已定义过程对于实现实际应用至关重要。

虽然这个中心思想和用于集成到混合整数线性规划（MILP）优化问题的BITES模型的数学公式仍然与会议版本相似，但此显著扩展了建模，参数估计和评估过程。

在先前的工作中，用于生成案例研究输入数据的动态建筑模拟仅考虑了缩放到全尺寸办公楼的单个房间，并模拟了外部温度的外部影响。

动态仿真扩展到由相邻区域组成的整个建筑楼层，这些相邻区域具有不同的主要方向，此外，还考虑了外部因素，例如太阳辐射，建筑物使用和通风。

在这项工作的早期版本中，使用多元线性回归模型来确定描述建筑物能量状态（SoE）的BITES参数。

但是，这导致了影响SoE的外部因素的几个限制，因此，在这项工作中，使用广义加性模型（GAM）方法代替线性回归。

这些灵活的加性模型允许保持决策变量的线性关系，同时对与外部因素的复杂非线性关系进行建模并保持高可解释性，除了使用更新的数据集和新颖的BITES模型进行的成本优化案例研究外，第二个案例研究还调查了CO的潜力2进行减排和减少并网容量。

建筑物的结构质量作为热能存储（即BITES）的利用通过各种方法来解决，现有工作的大部分重点是根据建筑物的静态特征，量化可用存储和移动容量方面的灵活性潜力。

例如，LeDréau和Heiselberg表明，隔热不良的建筑物可以提供更大的调制电位，但只能在非常短的时间内，相比之下，隔热良好的建筑物可以提供较少的灵活性，但持续时间更长。

在以前的工作中，展示了建筑物的传热系统如何影响其可用存储容量和负载转移潜力，只有少数现有工作涉及如何在实际应用中实际操作BITES作为灵活性。

其中，大多数人提出了简单的基于规则的控制策略，例如，容克等人正式描述智能楼宇控制的灵活性功能，该功能会降低成本、CO2排放或能源消耗。

它们激励在仿真研究中使用频率或电压控制等辅助服务，表明建筑惯性可以用作具有扇形耦合的集成能源系统中的虚拟存储。

他们将BITES与在不同的案例研究中使用电池和蓄热器进行了比较，并表明它的性能与蓄热器相似，以降低运营成本。

只有少数作品考虑集成到更复杂的基于预测优化的控制方案中，为建筑物的SoE提供MILP模型，Zhang和Luo提出了在具有热电联产（CHP）的综合能源系统中利用BITES的完整公式，并在仿真研究中展示了所提供的灵活性如何减少风力发电厂的弃风率。

布洛斯在综述中比较和分类不同的基于模型的扇区耦合方法，也为在优化问题中使用BITES提供了数学公式，但是，该模型侧重于非常短期的操作，并且未进行评估。

罗曼琴科引入具有浅层和深层存储概念的MILP配方，并将BITES与常规TES进行比较，他们发现，HWT通常提供比BITES更大的存储容量，并且更适合在超过48h的范围内存储能量。

现有的优化模型依赖于热损失系数以及充电和放电效率等参数，但是，他们没有充分讨论如何在实际操作中获取特定建筑物的存储模型参数。

此外，对外部因素（例如外部温度和太阳辐射）的依赖性没有建模，研究BITES的利用主要是为了为区域供热和热能系统提供灵活性，而忽略了利用这些灵活性参与电力系统和能源市场参与的潜力，例如通过虚拟发电厂集成。

为了将BITES集成到优化的智能电网控制中，需要定义操作概念和存储特性建模，概述了本工作先前版本中最初提出的操作概念。

它示意性地展示了BITES作为智能电网控制的额外灵活性的集成，建筑物既是热能的消耗者，也是电能的消费者，因此，热负荷得到控制，以满足建筑用户对室温的期望舒适度。

热能从散热器或其他传热系统传递到房间，随着时间的推移，热能也被建筑物的结构质量吸收，即能量被充电到BITES。

由于热过程的惯性和热能供应的暂时暂停或降低，存储在建筑物结构质量中的能量会放电，因此，这种排出的能量支持加热系统将室温保持在所需的舒适范围内。

排放率受到建筑物的物理特性、使用的供暖系统和外部因素的显着影响，主要的外部因素是外部温度，太阳辐射和建筑物的利用率，因为电气设备和人通过辐射和对流提供热量。

BITES可用作HWT的扩展或替代方案，与控制建筑物供热的扇形耦合智能电网资产相结合，这些额外的灵活性可以提供给智能电网运营商和电力系统。

例如，在能源市场参与中，如果市场价格较低，热电联产的运行可能会停止或调低，同时，先前充电的BITES提供连续的供热并保持室温，在与电转热（P2H）资产的联合运营中，BITES也可用于存储可再生能源的剩余能源。

所提出的存储模型的参数是特定建筑结构和外部因素的函数，具体取决于其用途和位置，因此，进行了动态建筑仿真，以演示如何使用GAM从可测量的建筑数据中获得这些参数。

动态模拟从单个房间扩展到具有多个方向的多个区域，此外，除了室外温度外，还模拟了太阳照射、建筑物使用和通风。

使用这种逼真的模拟数据构成了概念的证明，并为未来可能将该方法转移到现实世界的建筑奠定了基础。

该建筑基于柏林EUREF校园的真实办公楼进行建模，使用动态模拟软件IDA室内气候和能源（IDAICE4.8），该模型代表EUREF校园12/13号楼的一部分。

模拟两个区域，虽然标准区域只有一个外墙，但角落区域有两个立面方向和更高的外墙比例，窗墙比分别为52%和55%，外壁传热系数（U值）为0.W/(m2K)，玻璃的太阳热增益系数（g值）为0.54。

外部防晒根据太阳辐射自动控制，小角窗的U值为1.4W/(m2K)和1.47W/(m2K)，并且没有防晒装置，该区域的所有其他墙壁都是内部结构。

假设相邻区域具有相同的热条件，机械通风确保进入该区域的最小外部空气量，该部分通过集成到28厘米钢筋混凝土天花板中的混凝土芯激活来加热和冷却，为了能够考虑主要方向和对外部因素，特别是太阳辐射的相关影响，这两个区域被投影到一个建筑楼层。

因此，这两个区域旋转到四个不同的方向（东北、东南、西南和西北），相应地更改区域数以表示每个方向的区域面积，并计算面积加权平均值。

其中显示了CHP，HWT和超过一周的BITES建筑物的仿真结果，热电联产在没有任何活动存储系统的情况下调度，只允许在建筑物高热能需求的时间范围内运行，例如周一和周二。

然而，由于CHP以最大功率运行，因此灵活性的潜力很小，将存储系统添加到发电厂组合中，随着总热能需求的增加，热电联产可以在一周内的每一天运行，超过其运行区域的下限。

这是通过对HWT或BITES充电来实现的，因此，主动存储系统允许热电联产运行跟随能源市场价格趋势，在市场价格高企的时候，发电量会增加，因为电能的销售利润更高。

反之亦然，在低市场价格下，热电联产的运行停止，而主动存储系统的SoE要么通过HWT主动降低，要么通过BITES自放电而降低。

显示了一周内整个发电厂组合的电气和热调度的仿真结果，如果没有主动存储系统，热电联产是唯一产生本地电能的灵活单元类型，即积极促进自给自足。

然而，由于其工作区域，它只在高热能需求的时间范围内运行，如前一个案例所述，因此，从周三到周五，只有本地光伏生产可用于电力建筑能源需求，而剩余部分则从能源市场进口。

固定式电池系统作为缓冲器运行，在中午存储光伏发电盈余，并在热电联产无法运行的日子减少市场进口，类比，P2H将中午光伏发电的剩余转化为存储在BITES中的热能。

虽然仅此一项对自给自足几乎没有帮助，因为以后不会使用存储能源来减少能源市场进口，但这种效应显示了BITES在增加可再生能源利用率方面的好处。

通过BITES提高自给自足的主要效果是用当地产生的能源取代能源市场进口，在这里，CHP的操作是通过BITES激活实现的，因为可以超过操作区域的下边界。

同样的效果也会导致峰值电力需求的降低，因为热电联产能够在比BAT从光伏提供缓冲能量更长的时间内运行，例如在周三和周四。

虽然性能指标的值可能因安装的存储容量而异，但证明了BITES在优化智能电网控制中的适用性和优势。

在这项工作中，开发，实施和评估了一种用于建筑惯性热能存储的操作集成的新方法，作为电力系统的额外灵活性，扩展先前的工作，制定了更通用的数学模型，并使用基于可测量建筑数据的广义加法模型获得了相应的参数。

除了自放电损耗和充电效率外，外部温度、太阳辐射和内部负载也被认为是对能量状态的外部影响。

此外，研究表明天花板表面温度可以作为估计建筑物当前能量状态的代表，这允许以较低的附加成本实现实际实施，因为只需要温度传感器作为额外的必要硬件。

作为未来研究的一部分，应进行实际实施和中试，从而进一步调查外部因素，例如内部建筑使用和各自对能源状态的影响。