一种微电网中能量管理系统的温控成本优化算法

摘要

一种微电网中能量管理系统的温控成本优化算法，首先，建立室内供热系统的热回路等值参数模型，求解室内供热系统的状态空间方程；然后，建立微电网中智能楼宇的成本优化模型，求解满足成本最优的基本功率最优解与满足成本最优的功率消耗灵活性上下限的最优解；其次，建立微电网管理中心的成本优化模型，求解微电网管理中心对用户的灵活性需求；在建立的微电网管理中心的成本优化模型基础上，得到时间参数约束和优化约束。本发明将智能楼宇用户也纳入功率平衡的调节过程中，使得整个系统的功率平衡调节更加灵活；采用模型预测控制的这一优化方法，使得建模过程得以简化，并通过滚动优化，动态性能较好；并能够减少购买电力的成本。

说明书

技术领域

本发明属于未来电网形态演进中微电网的优化控制领域，涉及一种微电网中能量管理系统的温控成本优化算法。

背景技术

21世纪以来，能源与环境的关系日益受到人们的重视，人们所面临的挑战是如何平衡间歇性新能源的供应与多变的能源需求之间的矛盾。这一矛盾主要体现在以下三个方面：

1)随着人口的增长和经济发展而日益增加的能源需求；

2)因风电和光电类的分布式电源接入电力系统而引发的系统规划问题；

3)传统化石能源的碳排放问题。

在所有能源消耗者中，楼宇是不可忽视的重要组成部分。据美国能源部门统计，楼宇所消耗的能源占世界能源消耗总量的40％，其中，采暖、通风和空调(HVAC)系统消耗的能源约占楼宇总消耗的50％。也就是说，HVAC系统消耗的能源约占世界能源消耗总量的20％，由此可见，这个系统(即HVAC系统)所需要的能源量不容忽视，而结合当今能源供需及环境形势，对此系统的能源消耗的优化刻不容缓。然而，新能源的出现不仅让人们找到了缓解化石能源不足问题的解决途径，也让人们可以通过使用环境友好的方式来生产能源。因此，越来越多的新能源被应用于楼宇系统中，用以满足楼宇自身的部分能源消耗。但这也带来了一些问题：一方面，新能源所具有的间歇性特点让其能源供应不能实时满足楼宇的能源需求；另一方面，新能源的引入让能源供给更加多样，这也使得电力的价格有更大的波动。综上所述，亟需设计出一个能量管理系统(EMS)的最优控制模型来对楼宇温度进行优化控制，以保证楼宇舒适性的同时也能保证经济性。

能量管理系统(EMS)按遵循的策略可分为两类：一类基于需求的跟随策略(demand-following strategy)，一类基于供应的跟随策略(supply-followingstrategy)。第一类策略是一种传统方法。电力需求的变化与人类的生产活动规律是密不可分的，也就是说，人们往往会在相同的时间段内以相似的方式使用电能，由此便会产生电力使用高峰。而第一类策略是以电力需求为准则，在电力高峰期投入更多的供电能源以满足电能的需求。而可选择的供电能源主要有以下三种：传统的电厂、新能源以及储能电池。第一种使用传统电厂的方法，虽然满足了电力需求，但其经济性和环境友好性并不符合能源发展的新要求；如果使用新能源供能，的确可以弥补上述的缺点，但其波动性、不确定性以及间歇性的属性给其直接整合接入电网系统带来了很大的困难；最后，储能电池可以储存多余的新能源产生的电量并在电力负荷高峰期给系统供能，但其经济性和环境友好性也不够乐观。另一类策略为新型方法，即电能供应方给电能消耗方提供一些激励措施来鼓励后者在电能高峰期时减少电能的使用。这一策略上的变化可以通过智能电网与智能楼宇的信息和数据交互得以实现。一方面，智能电网可以通过产生、控制和转换电能来为电能的生产、供应以及传输提供基本保障；另一方面，智能楼宇中的设备(如智能电表)可以在提供微电网管理中心需求的功率消耗灵活性(flexibility)的同时，满足住户的舒适性。因此，智能楼宇的功率消耗灵活性(flexibility)是值得发掘的，需要以更高效的方式融入能量管理系统(EMS)中，用以降低成本并保证舒适性。在现有的技术研究中，使用模型预测控制(MPC)的方法与功率消耗灵活性结合，来降低微电网中智能楼宇和管理中心双方的成本的研究并不成熟，还停留在理论性概念层面，并未真正得到可以付诸实践的、降低成本且减少微电网电能消耗的算法。

发明内容

本发明的目的在于发掘智能楼宇的功率消耗灵活性的应用方法，以获得智能楼宇和微电网管理中心双方成本上的节约，同时减少电能的消耗。基于此，本发明提出了一种微电网中能量管理系统的温控成本优化算法，对于能量管理系统中对楼宇温度的控制方法有以下两方面的改进：第一、采用基于供应的跟随策略(supply-following strategy)，使整个系统的功率消耗更加灵活；第二、引入合约概念，初步形成微电网中管理中心和智能楼宇的市场化模式。

为实现上述目的，本发明采用的技术方案是：

一种微电网中能量管理系统的温控成本优化算法，包括以下步骤：

步骤I：建立室内供热系统的热回路等值参数模型，求解室内供热系统的状态空间方程；

室内供热系统的热回路等值模型是将房间和墙壁作为节点，在回路中体现为电压，将输入的功率作为电流源，并结合功率与温度的关系及室内的温度分布特点，给出热阻与热容的等值参数，由此得到室内供热系统的状态空间方程；

步骤II：建立微电网中智能楼宇的成本优化模型，求解满足成本最优的基本功率最优解与满足成本最优的功率消耗灵活性上下限的最优解；

步骤III：建立微电网管理中心的成本优化模型，求解微电网管理中心对用户的灵活性需求；

步骤IV：在步骤III建立的微电网管理中心的成本优化模型基础上，得到时间参数约束和优化约束。

本发明进一步的改进在于，步骤I中室内供热系统的状态空间方程如下：

其中，C_res1和C_s1分别反映房间中的热容和房间墙壁的热容，R_f1、R_i1和R₀₁分别表示室外和房间、房间内和墙壁以及室外和墙壁间的热阻大小，是状态变量，控制输入功率U由MPC控制器给出，控制输入的最大功率表示为P_max，室外温度T_out是可测量的干扰，输出矢量y＝T_in。

本发明进一步的改进在于，步骤II的具体过程为：对室内供热系统的状态空间方程离散化，然后，进行以下步骤：

1)：建立智能楼宇基本功率的成本优化模型，求解满足成本最优的基本功率最优解；

2)：建立智能楼宇功率消耗灵活性的成本优化模型，求解满足成本最优的功率消耗灵活性上下限的最优解。

本发明进一步的改进在于，智能楼宇的基本功率的优化模型如下：

s.t.:

X(i+1)＝A_mX(i)+B_mU(i)+B_dmd(i),i＝k,…,k+h-1>

T_ip(i+1)＝C_mX(i+1),i＝k,…,k+h-1>

T_ip(i+1)+ε(i+1)≥T_ref(i+1),i＝k,…,k+h-1>

ε(i+1)≥0,i＝k,…,k+h-1 (4e)

U_min≤U(i)≤U_max,i＝k,…,k+h-1>

其中，分别是时刻i、i+1的状态变量向量，k为时刻i的初始时刻；U是房间供热系统的输入向量；d(i)是系统的扰动，T_ip(i+1)是时刻i+1的预测内部温度；预测优化时长为h，矩阵A_m、B_m、B_dm和C_m是离散化后的系统矩阵；式(4a)和式(4b)构成楼宇模型，式(4c)和式(4d)是对输出的约束，式(4e)表示对松弛变量的约束，式(4f)是对输入的约束，即U_min为基本功率的下限，U_max为基本功率的上限；在式(3)中，α是智能楼宇用户所缴纳的基本功率的价格，ε为松弛变量，β为惩罚价格。

本发明进一步的改进在于，智能楼宇功率消耗灵活性的成本优化模型如下：

s.t.：

T_ip(i+1)＝C_mX(i+1)>

δ_l(i+1)≥0>

δ_u(i+1)≥0>

其中，i＝k，…，k+h-1；在式(5)中，γ_l和γ_u是微电网向智能楼宇提供的少消耗功率灵活性和多消耗功率灵活性的激励；ξ_l和ξ_u分别是低于低温参考值和高于高温参考值的惩罚；式(6a)-(6d)是智能楼宇考虑灵活性后的模型，其中U_opt是从步骤1)中优化得到的基本功率的最优解，T_ref和为无灵活性功率要求时室内温度需求范围的下限和上限；X为使用灵活性功率下限后的状态变量向量的值，则为使用灵活性功率上限后的状态变量向量的值；T_ip和为使用灵活性功率下限和上限后室内温度的预测值；式(6e)和式(6f)表示智能楼宇因提供灵活性而牺牲的温度舒适度的范围，即和为考虑灵活性功率要求时室内温度需求范围的下限和上限；式(6g)和式(6h)分别给出少消耗功率灵活性和多消耗功率灵活性的约束范围，式(6i)和式(6j)是对松弛变量δ_l和δ_u的约束。

本发明进一步的改进在于，步骤III的具体过程为：设定目标函数为最小化微电网管理中心的成本，并考虑功率平衡、上级系统的功率供给范围及功率消耗灵活性范围的约束条件，求解出微电网管理中心对用户的灵活性需求。

本发明进一步的改进在于，微电网管理中心的成本优化模型如下：

其中，

s.t.：

0≤P_gp(k+i)≤P_gmax，P_gmin≤P_gn(k+i)≤0，i＝1，…，T_g-1>

其中，式(7)给出了微电网管理中心给上级配电网和智能楼宇所花费的成本，P_gp和P_gn分别是上级配电网卖给微电网的功率以及微电网管理中心反送给上级配电网的功率，和是微电网管理中心向智能楼宇提出的多消耗功率灵活性和少消耗功率灵活性的需求，α_gridp(k+i)、α_gridn(k+i)分别表示微电网管理中心买入配电网电力的价格和卖给配电网电力的价格，γ_u(k+i)、γ_l(k+i)分别是微电网向智能楼宇提供的多消耗功率灵活性和少消耗功率灵活性的激励；T_g是微电网管理中心侧MPC模型的预测优化长度；P_pl是微电网系统的普通楼宇负载，P_s代表了该系统中的太阳能所提供的功率；式(9a)给出微电网中的功率平衡约束；式(9b)为从上级配电网获得或反送功率的范围，式(9c)为多消耗功率灵活性和少消耗功率灵活性的范围。

与现有技术相比，本发明具有的有益效果为：

本发明采取分步建模，逐一求解，统一计算对比的思想，首先对室内供热系统进行热回路等值参数的建模；在此基础上，针对智能楼宇用户侧，建立一个两步的成本优化模型：第一步计算出智能楼宇为保持温度在舒适的范围内所需要的基本功率，第二步则求解出智能楼宇用户可以给出的功率消耗灵活性的上下界限；然后，建立微电网管理中心的成本优化模型，求解出其对智能楼宇的灵活性需求，最终计算出微电网管理中心和智能楼宇双方的成本。

本发明采用的新型供需策略——基于供应的跟随策略(supply-followingstrategy)，将智能楼宇用户也纳入功率平衡的调节过程中，使得整个系统的功率平衡调节更加灵活；同时，本发明采用模型预测控制的这一优化方法，使得建模过程得以简化，并通过滚动优化，来及时弥补由于室内供热系统模型失配、室外温度干扰等引起的不确定性，动态性能较好；其次，本发明提出的新型能量管理系统的最优温控模型，通过分步求解不同变量的最优解，达到简化优化问题的目的，同时也能全面地考虑不同的约束条件。此外，本发明能实现研究的最终目标，即降低成本和减小电能消耗。在降低成本方面，智能楼宇和微电网管理中心均能获利：智能楼宇通过提供微电网管理中心所需要的灵活性功率来获得激励以降低成本，微电网管理中心则根据从上级配电网获得功率的价格和向智能楼宇要求灵活性功率的激励的高低，来选择更为廉价的功率，以减少购买电力的成本。在减小电能消耗方面，整个微电网由于内部有自身的功率流动，因此对上级配电网要求的电力会有所减少，即可以实现减小电能消耗。

附图说明

图1为房间的供热系统模型。

图2为智能楼宇侧两步的成本优化模型。

图3为微电网管理中心侧的成本优化模型。

图4为能量管理系统的温控成本优化算法。

图5为一天中上级配电网价格与灵活性功率激励的变化对应关系。

图6为有MPC控制的一天中的室内温度变化。

图7为有MPC控制的一天中的智能楼宇的控制输入功率、基本功率。

具体实施方式

下面结合附图对本发明进行详细描述。

本发明采取分步搭建模型，逐一求解，统一计算对比的思想，首先对室内供热系统进行热回路等值参数的建模；在此基础上，针对智能楼宇用户侧，建立一个两步的成本优化模型：第一步计算出智能楼宇为保持温度在舒适的范围内所需要的基本功率，第二步则求解出智能楼宇用户可以给出的功率消耗灵活性的上下界限；然后，建立微电网管理中心的成本优化模型，求解出其对智能楼宇的灵活性需求，最终计算出微电网管理中心和智能楼宇双方的成本。

具体包括以下步骤：

步骤I：建立室内供热系统的热回路等值参数模型，求解室内供热系统的状态空间方程；

室内供热系统的热回路等值模型是将房间和墙壁作为节点，在回路中体现为电压，将输入的功率作为电流源，并结合功率与温度的关系及室内的温度分布特点，给出热阻与热容的等值参数，由此列出室内供热系统的状态空间方程；

步骤II：建立微电网中智能楼宇的成本优化模型，求解满足成本最优的基本功率最优解与满足成本最优的功率消耗灵活性上下限的最优解；

首先列出室内温度控制模型的状态空间方程，需要对供热系统的状态空间方程离散化，然后，需要分为两个次步骤完成，现解释如下：

次步骤I：建立智能楼宇基本功率的成本优化模型，求解满足成本最优的基本功率最优解；

设定目标函数为在智能楼宇侧模型预测控制的预测优化时长中，成本取得最小值，并考虑给每时刻针对温度范围引入一个松弛变量，给出一系列约束条件，包括室内温度控制模型、温度的舒适范围以及基本功率的约束范围，由此可求解出满足成本最优的基本功率最优解；

次步骤II：建立智能楼宇功率消耗灵活性的成本优化模型，求解满足成本最优的功率消耗灵活性上下限的最优解；

此步骤的目标函数为在最大化灵活性激励的同时，最小化楼宇的温度不舒适度，针对用户为提供功率消耗灵活性后所做出的舒适温度范围的扩大范围引入两个松弛变量，同时，考虑一系列类似的约束条件，求解出满足成本最优的功率消耗灵活性上下限的最优解；

步骤III：建立微电网管理中心的成本优化模型，求解微电网管理中心对用户的灵活性需求；

设定目标函数为最小化微电网管理中心的成本，并考虑功率平衡、上级系统的功率供给范围及功率消耗灵活性范围的约束条件，求解出微电网管理中心对用户的灵活性需求；

步骤IV：添加基于合约形式的系统约束，得到时间参数约束和优化约束；

在步骤III建立的模型基础上，基于合约的概念给出微电网管理中心与智能楼宇用户间所达成的两部分约束条件，这两部分约束条件为系统约束，即时间参数约束和优化约束。

步骤V：验证微电网中能量管理系统的最优温控模型的经济性和实用性：

针对一个简单的微电网系统，计算出智能楼宇和管理中心双方的成本，通过与没有智能楼宇灵活性参与的情形对比，检验提出的算法的经济性和实用性。

下面对本发明进行详细说明。

1.建立室内供热系统的热回路等值参数模型，求解室内供热系统的状态空间方程；

为了计算建筑物的能耗和成本，采用电路节点方法得到智能楼宇的供热系统的模型。在这种方法中，供热系统被认为是包含房间和墙壁作为节点的热回路，如图1所示。

由此，可以建立该回路的状态空间方程：

其中，C_res1和C_s1分别反映房间中的热容和房间墙壁的热容，R_f1、R_i1和R₀₁则分别表示室外和房间、房间内和墙壁以及室外和墙壁间的热阻大小，是状态变量，控制输入功率U由MPC控制器给出，控制输入的最大功率表示为P_max，在本发明中它被视为无量纲系统的基准功率。室外温度T_out是可测量的干扰，输出矢量为y＝T_in。

上述状态空间方程即为热回路等值参数模型。

2.建立微电网中智能楼宇的成本优化模型，求解满足成本最优的基本功率最优解与满足成本最优的功率消耗灵活性上下限的最优解；

根据智能楼宇功率消耗灵活性的定义，本研究提出了一个基本功率和功率消耗灵活性的两步优化方法，其基本优化流程如图2所示。

1)建立智能楼宇基本功率的成本优化模型，求解满足成本最优的基本功率最优解；

参见图2，首先便是要建立对于智能楼宇的基本功率的优化模型，其优化目标是最小化购买电力用于楼宇供热系统的成本，获得满足条件所需功率。以此为目的，基于模型预测控制(MPC)理论，可得到如下的数学优化模型：

s.t.:

X(i+1)＝A_mX(i)+B_mU(i)+B_dmd(i)，i＝k，…，k+h-1>

T_ip(i+1)＝C_mX(i+1)，i＝k，…，k+h-1>

T_ip(i+1)+ε(i+1)≥T_ref(i+1)，i＝k，…，k+h-1>

ε(i+1)≥0，i＝k，…，k+h-1 (4e)

U_min≤U(i)≤U_max，i＝k，…，k+h-1>

其中，分别是时刻i、i+1的状态变量向量，k为时刻i的初始时刻；U是房间供热系统的输入向量；d(i)是系统的扰动(即外部温度)，T_ip(i+1)是时刻i+1的预测内部温度。此外，预测优化时长为h，矩阵A_m、B_m、B_dm和C_m是离散化后的系统矩阵。式(4a)和式(4b)构成楼宇模型，式(4c)和式(4d)是对输出的约束，式(4e)表示对松弛变量的约束，式(4f)是对输入的约束，即U_min为基本功率的下限，U_max为基本功率的上限。在式(3)中，α是智能楼宇用户所缴纳的基本功率的价格。此外，增加了松弛变量ε，以保证最优控制问题的可行性。在方程(3)中，使用松弛变量是有惩罚价格β的。因此，当β的值较大时，优化问题的解强制松弛变量的取值接近于0。在优化过程中，ε不是一个预先确定的值，但是，选择足够大的β值，可以保证与要求的温度界限的偏差最小。

2)建立智能楼宇功率消耗灵活性的成本优化模型，求解满足成本最优的功率消耗灵活性上下限的最优解；

在求得基本功率的最优解后，接下来便需要建立对于功率消耗灵活性的优化模型，其优化目标是在最大化微电网管理中心给予的激励的同时也最小化因此所产生的温度不舒适度，由此可以得到智能楼宇所能提供的功率消耗灵活性上下限的最优解。这一优化同样基于MPC理论，求解功率消耗灵活性上下限的最优解的数学模型为：

s.t.：

T_ip(i+1)＝C_mX(i+1)>

δ_l(i+1)≥0>

δ_u(i+1)≥0>

其中，i＝k，…，k+h-1。在等式(5)中，γ_l和γ_u是微电网向智能楼宇提供的少消耗功率灵活性和多消耗功率灵活性的激励。此外，ξ_l和ξ_u分别是低于低温参考值和高于高温参考值的惩罚。与步骤1)中智能楼宇基本功率成本优化模型类似，也引入两个松弛变量(δ_l和δ_u)来保证优化问题的可行性，惩罚价格β的取值与步骤1)中相同。式(6a)-(6d)是智能楼宇考虑灵活性后的模型，其中U_opt是从步骤1)中优化得到的基本功率的最优解，T_ref和为无灵活性功率要求时室内温度需求范围的下限和上限；X为使用灵活性功率下限后的状态变量向量的值，则为使用灵活性功率上限后的状态变量向量的值；T_ip和为使用灵活性功率下限和上限后室内温度的预测值。式(6e)和式(6f)表示智能楼宇因提供灵活性而牺牲的温度舒适度的范围，即和为考虑灵活性功率要求时室内温度需求范围的下限和上限，比式(4c)和式(4d)范围更大。式(6g)和式(6h)则分别给出少消耗功率灵活性和多消耗功率灵活性的约束范围，而式(6i)和式(6j)是对松弛变量δ_l和δ_u的约束。

3.建立微电网管理中心的成本优化模型，求解微电网管理中心对用户的灵活性需求；

这一模型的优化目标为最小化微电网管理中心因电力而所需的成本，由此所求得对智能楼宇的功率消耗灵活性需求，该需求会作为信息反馈给智能楼宇，这一过程的设计流程如图3所示。

具体的数学模型如下：

其中，

s.t.:

0≤P_gp(k+i)≤P_gmax，P_gmin≤P_gn(k+i)≤0,i＝1，…，T_g-1>

其中，式(7)给出了微电网管理中心给上级配电网和智能楼宇所花费的成本，P_gp和P_gn分别是上级配电网卖给微电网的功率以及微电网管理中心反送给上级配电网的功率，和是微电网管理中心向智能楼宇提出的多消耗功率灵活性和少消耗功率灵活性的需求，α_gridp(k+i)、α_gridn(k+i)分别表示微电网管理中心买入配电网电力的价格和卖给配电网电力的价格，γ_u(k+i)、γ_l(k+i)分别是微电网向智能楼宇提供的多消耗功率灵活性和少消耗功率灵活性的激励。T_g是微电网管理中心侧MPC模型的预测优化长度。P_pl是微电网系统的普通楼宇负载，P_s代表了该系统中的太阳能所提供的功率。式(9a)给出微电网中的功率平衡约束。式(9b)为从上级配电网获得或反送功率的范围，式(9c)为多消耗功率灵活性和少消耗功率灵活性的范围。

4.添加基于合约形式的系统约束，得到时间参数约束和优化约束；

这一部分基于合约的概念，给出了智能楼宇与微电网管理中心所达成的协议的主要内容。

1)时间参数的选取

由于上述智能楼宇和微电网管理中心的两个优化模型都是基于模型预测控制理论所提出的，因此，首先需要选取采样时间τ_B来离散化供热模型，得到MPC所需的离散模型，同时，微电网中智能楼宇的成本优化模型的预测优化长度(prediction>g；除此之外，合约还确定了整体优化的时间长度，记作T_c，表示上述的两个优化每T_c的时间更新一次。可选取参数值如下：h＝5小时,T_g＝3小时,τ_B＝0.25小时,T_c＝1小时。

2)合约中的假设与约束条件

合约中还规定了智能楼宇和微电网管理中心的假设与约束条件，具体阐述如下：

(1)智能楼宇侧的假设条件与约束条件

a.假设条件

微电网管理中心每隔T_c都能提供不少于微电网中智能楼宇的成本优化模型的预测优化长度h的基本功率的价格向量α以及功率消耗灵活性上下限的激励向量γ_u,γ_l。

b.约束条件

无灵活性功率要求时的室内温度需求范围：其中，T_int为室内温度的实际值，T_ref和为无灵活性功率要求时室内温度需求范围的下限和上限。

MPC基本功率的范围：U_min≤U(k+i)≤U_max,i＝0，…,h-1。其中，U_min为基本功率的下限，U_max为基本功率的上限

在整体优化的时间长度T_c内，满足的条件(整体优化的时间长度起始和结束时间分别为t_cs和t_ce,k_c∈{t_cs,…,t_ce}):

其中，和为考虑灵活性功率要求时室内温度需求范围的下限和上限，T_int为使用灵活性功率下限后室内温度的实际值，其使用灵活性功率上限后室内温度的实际值。

(2)微电网管理中心的假设条件与约束条件

a.假设条件

智能楼宇每隔整体优化的时间长度T_c都能提供不少于微电网管理中心的成本优化模型的预测优化长度T_g的灵活性容量上下限

b.约束条件

每一时刻的功率平衡：

其中，P_g＝P_gp+P_gn，P_gp和P_gn分别是上级配电网卖给微电网的功率以及微电网管理中心反送给上级配电网的功率；和是微电网管理中心向智能楼宇提出的多消耗功率灵活性和少消耗功率灵活性的需求。

微电网侧的灵活性要求(flexibility requirement)的范围：

5.能量管理系统的最优温控模型的经济性和实用性的验证

在上述模型与合约的基础上，提出了能量管理系统最优控制的全局算法，在每个优化控制长度T_c内，执行如图4所示的流程。

下面以一个简单的微电网系统来说明本发明的具体实施步骤。

采用含一个智能楼宇、一个普通楼宇、一个太阳能发电装置和微电网管理中心组成的微电网系统来进行算例验证。具体参数选取如下表1和表2所示：

表1微电网系统的基本参数及优化时间参数的选取

表2微电网系统的价格向量参数选取

图5表示出一天中从配电网买电的价格(或向上级配电网送电的价格)与少消耗功率的灵活性(或多消耗功率的灵活性)的激励间的变化对应关系，更加直观。

图6表示出一天中室内温度变化。

图7反映出微电网管理中心在12时到16时之间希望智能楼宇可以提供少消耗功率的灵活性，即要求智能楼宇少消耗部分功率，以缓解整个系统中的电力不足的压力，因为这一时段中少消耗功率的灵活性的单位激励比从配电网买电的更低，因此微电网管理中心会向智能楼宇提出少消耗功率的灵活性的需求。

由表3可以看出，当微电网管理中心可以使用灵活性时，无论智能楼宇的基本功率的价格有多高，微电网管理中心和智能楼宇都可以节省成本。此外，随着智能楼宇的基本功率价格的增大，微电网管理中心将节省越来越多的钱，这是因为智能楼宇将支付更多的费用以使用基本功率。

表3有MPC和无MPC控制时的关键参数对比

综上所述，在使用本发明提出的能量管理系统的温控成本优化算法时，可以减少本微电网系统对上级系统的电功率需求，达到节能减排的目的。同时，也可以为智能楼宇和微电网管理中心带来减少经济成本的良好效益。因此，可以得出，本发明提出的方法具有适用性和有效性。