冰蓄冷空调在微电网中的多时间尺度调度优化

1. 项目背景与核心价值

去年夏天参与某工业园区微电网项目时，我第一次深刻体会到冰蓄冷空调在能源调度中的"时间搬运工"作用。当光伏发电高峰期的廉价电力转化为冰槽中的冷量，在电价峰值时段释放，仅这一项技术就为园区节省了17%的用电成本。这种将冷、热、电三种能源形式在时间维度上耦合调度的思路，正是当前综合能源系统研究的核心方向。

冷热电联供型微网（CCHP-based microgrid）本质上是在传统微电网基础上，通过吸收式制冷机、冰蓄冷装置等设备，实现电能与冷/热能的相互转换与协同优化。其核心优势在于：

• 能源利用率提升：燃气轮机发电的余热可驱动制冷或直接供热，综合效率可达80%以上
• 需求响应能力增强：冰蓄冷装置相当于"冷量电池"，可平抑用电负荷峰谷差
• 运行成本降低：通过分时电价套利和可再生能源消纳实现经济性优化

而多时间尺度调度要解决的，正是这类系统在不同时间维度上的决策问题：

• 日前阶段（24小时尺度）：基于天气预报和负荷预测，制定机组启停计划和冰蓄冷策略
• 日内阶段（15分钟-1小时尺度）：跟踪可再生能源出力波动，滚动修正调度计划
• 实时阶段（秒级）：处理突发故障和功率偏差

2. 系统建模关键技术解析

2.1 设备数学模型构建

在Matlab中构建微网模型时，需要为每个设备建立准确的数学模型。以某医院微网项目为例，关键设备模型如下：

燃气轮机模型：

matlab复制% 热电联产机组功率-效率曲线
P_gt = linspace(100,1000,10); % 发电功率范围(kW)
eta_gt = 0.3 + 0.5*(P_gt/max(P_gt)); % 发电效率随负荷变化
Q_heat = P_gt.*(1-eta_gt)*0.8; % 可回收余热量(考虑80%热回收率)

冰蓄冷空调模型：

matlab复制% 蓄冰槽状态方程
SOC_ice(t) = SOC_ice(t-1) + (P_chg*eta_chg - P_dis/eta_dis)*delta_t / C_ice;
% SOC_ice: 蓄冰率(0-1)
% P_chg/P_dis: 充/放冷功率(kW)
% eta_chg/eta_dis: 充/放冷效率(典型值0.85/0.9)
% C_ice: 蓄冷槽总容量