冷熱電蓄能聯供微網系統優化配置的影響因素

汪偉，段紹輝，張兆鵬，劉瑋，田艷華，宋春暉

（1．深圳供電局有限公司，深圳 518000；2．天津天大求實電力新技術股份有限公司，天津 300384）

冷熱電蓄能聯供微網系統優化配置的影響因素

汪偉1，段紹輝1，張兆鵬2，劉瑋2，田艷華2，宋春暉2

（1．深圳供電局有限公司，深圳 518000；2．天津天大求實電力新技術股份有限公司，天津 300384）

冷熱電蓄能聯供微網系統具有環保、節能、經濟等特點，有著良好的發展前景和應用價值。但存在多方面因素不同程度地影響著系統的優化配置結果。以經濟性為優化目標，構建冷熱電蓄能聯供的微網系統優化模型，運用DER-CAM軟件對系統進行優化仿真測算。分析了燃氣價格、電價和分布式能源投資三個關鍵因素對優化配置的影響。通過應用DER-CAM軟件的優化仿真測算得出結論，在5%的變動率范圍內，電價是最為敏感的因素，當變動率超過5%后，分布式能源投資成為最敏感因素。

冷熱電蓄能聯供；優化配置；影響因素；敏感性分析

隨著經濟的發展，世界各國對能源供應安全和能源效率的關注，以及人們對熱、電、冷負荷需求的逐步普通化，冷熱電聯供微網系統受到了各界的高度關注，在國內外都得到了大力推廣。冷熱電蓄能聯供微網系統是建立在能源梯級利用的概念基礎上，同時解決電能和冷、熱能的供應問題，是一種經濟節能、環境友好的用能方式，具有良好的社會和經濟效益。

冷熱電蓄能聯供技術的研究，除了主要設備，諸如燃料電池等先進高效的發電設備、高性能除濕機等的研發外，主要集中在系統評價、系統配置和運行優化等方面[1-3]。

對于冷熱電蓄能聯供系統配置與運行優化研究的內容非常廣泛，主要是系統配置優化、運行優化等內容。文獻[4]根據微燃機冷熱電聯供的優化配置步驟和影響因素，對其多種方案進行對比分析，并以經濟性為目標進行仿真測算，得到最優方案后對其策略進行分析，并討論天然氣價格等因素對經濟的影響。文獻[5]選取了冷電聯供分布式供能系統，在提出優化控制模型的基礎上，分析了購電價格、上網發電價格及燃氣價格等因素對經濟運行的影響。文獻[6]從設計優化方面出發，對樓宇熱電冷聯供系統進行研究，主要是對提出的幾種配置方案進行節能方面的對比。文獻[7]分析了樓宇熱電冷聯供系統的優化運行和設計。文獻[8]設計了太陽能冷熱電三聯供系統，并建立了多目標優化模型，對不同目標函數下的優化設計和運行策略進行了研究。文獻[9]對含可再生能源的熱電聯供模型微網經濟運行優化進行了研究。文獻[10]對于冷熱電蓄能聯供系統的研究，主要從運行模式優化和最優結構配置兩個方面綜合考慮。綜合來看，對于冷熱電聯供系統的優化配置的研究比較單一，研究對象主要是冷熱電聯供系統。

為此，本文構建了冷熱電蓄能聯供微網系統優化模型，以經濟性為優化目標，利用混合整數線性規劃進行模型優化，并以燃氣價格、電價和分布式能源投資三個關鍵影響因素為主，對系統優化配置進行分析。

1 系統的優化模型

1.1 系統構成

本文構建的冷熱電蓄能聯供微網系統模型如圖1所示。主要包含有光伏（PV）、電儲能、微型燃氣輪機、吸收式制冷機等設備以及冷熱電負荷。

圖1 冷熱電蓄能聯供微網系統框架Fig.1The framework of CCHP system

其中燃機內包含熱交換器，為一體裝置。熱能轉換為可以加和的熱功率形式（kW），匯集于熱能母線。在電能方面，不考慮交直流之間的轉換。

此系統與電儲能之間存在雙向功率流動，根據需求進行充放電；與大電網之間進行單向功率流動，系統可以根據需要從大電網買電。

負荷類型分為純電負荷、冷負荷和熱負荷三種。同時，按時間不同分為工作日負荷、休息日負荷和高峰日負荷。工作日負荷指周一到周五的典型日負荷平均值；休息日負荷指周六、周日的典型日負荷平均值；高峰日負荷為一個月中最高的三個工作日的負荷平均值。

1.2 優化目標

本文構建的冷熱電蓄能聯供微網系統的成本主要包含設備的初始投資、購電成本、天然氣成本、供熱費用、年運行維護成本。

式中：Csys表示系統年均成本，指系統在壽命周期內的所有成本的年值；CI表示設備投資年值，指所有設備的購買成本之和的年值；Cte表示系統年均購電費用；CO&M表示年均運行維護費用；CF表示年均燃料費用；CFT表示年均供熱費用。

1.3 約束條件

電功率平衡：

分布式能源的運行約束：

1.4 優化算法

根據選取的冷熱電蓄能聯供微網系統優化模型，應用DER-CAM軟件對系統進行優化仿真測算。DER-CAM軟件是伯克利實驗室在2000年開發，從用戶用電需求考慮，用于對冷熱電蓄能聯供微網系統進行優化配置的軟件[11]。

2 系統優化的影響因素

2.1 天然氣價格

從式（1）可以看出，在系統的各項成本構成中，燃料費用包含了天然氣的成本。表1中顯示了燃機和吸收式制冷機的各項費用的組成比例。

表1 系統年運行費用的組成Tab.1The composition of the system annual operation cost

從表1可看出，燃料費用在年運行成本中占有相當大比例，最高比例已達到81%。因此天然氣價格的波動將直接影響系統的年均發電成本。在系統以經濟性為目標的容量優化過程中，同樣會對系統內各設備的容量確定產生直接影響。

2.2 電價

在對冷熱電蓄能聯供微網系統進行優化配置過程中，需要考慮系統的調度運行情況。由于系統是并網運行，因此在配置容量時，建筑物所需的部分負荷可由大電網購電獲得滿足，即式（1）中提到的Cte為年購電費用，在購電量一定的情況下，電價的上下浮動會直接影響系統的運行成本。同樣，電價的高低變化會直接影響系統設備的構成及其容量的大小。

2.3 分布式能源投資

從式（1）中可以看出，系統的設備投資CI對系統的經濟性有直接影響，主要是設備購買成本和安裝成本，按照是否與容量相關又可按照固定成本、可變成本和資本成本進行劃分。

在進行冷熱電蓄能聯供微網系統優化配置時，分布式能源成本主要有光伏、儲能、燃機、制冷機設備成本。光伏和儲能的投資屬于連續型投資，不存在固定成本，可變成本可視為設備的單位購買和安裝成本之和，按照行業內的平均水平計取。制冷機的設備投資為離散型投資，存在固定成本和可變成本；燃機可以按照單位資本成本來確定設備的投資。由于光伏和儲能在行業內的單價水平浮動較小，而燃機和制冷機由于技術不同，單價存在很大差異，同時較光伏和儲能的投資來說占比較大，因此燃機和制冷機的設備投資是容量優化的關鍵影響因素。

由上述分析可看出，改變分布式能源的成本，會對其容量選擇、系統的經濟性產生直接影響。

3 算例分析

3.1 研究對象

圖2 電負荷預測數據曲線Fig.2Forecasting data curve of electric load

圖3 工作日冷負荷預測數據曲線Fig.3Forecasting data curve of cold load in week day

基于構建的冷熱電蓄能聯供微網系統優化模型，本文選取深圳某區域辦公大樓的調研數據，其中工作日、休息日和高峰日的電負荷相同，冷負荷不同。具體負荷曲線如圖2～圖5所示。

另外，設定光伏最大可利用面積為350 m2。根據調研得到的當地電價信息，采取峰谷分時電價為基準電價，周末采取和工作日相同電價。當地的商用天然氣價格為基準天然氣價格，具體情況如表2、表3所示。基準收益率按照當地電力行業水平，按照6%計取。天然氣價格按3.7元/m3計。分時電價、能源技術及熱電聯產參數見表2和表3。

圖4 高峰日冷負荷預測數據曲線Fig.4Forecasting data curve of cold load in peak day

圖5 休息日冷負荷預測數據曲線Fig.5Forecasting data curve of cold load in weekend day

表2 分時電價參數Tab.2Parameters of time-of-use electricity price

表3 能源技術及熱電聯產參數Tab.3Parameter of demand response and CHP

3.2 系統配置的優化

根據選取的冷熱電蓄能聯供微網系統優化模型，應用DER-CAM軟件對系統進行優化仿真測算，測算結果見表4。

表4 系統優化配置結果Tab.4The result of optimal configuration for system

表4中的系統年均成本，是考慮資金時間價值后的系統投資成本的年值。從結果中可以看出，微型燃氣輪機總功率為120 kW，即系統中采用兩臺微型燃氣輪機；吸收式制冷機的制冷功率為109.2 kW，儲能電池容量較低，為48.9 kWh。

3.3 結果分析

3.3.1 天然氣價格變化

圖6、圖7為天然氣價格上下浮動對優化結果的影響。

圖6 天然氣價格變化對年均成本的影響Fig.6Influence of the gas price on the annual cost

圖7 天然氣價格變化對設備容量的影響Fig.7Influence of the gas price on the capacity

從圖6中可以看出，天然氣價格降幅10%，系統年均成本降幅高達4%。從圖7中可以看出，當天然氣價格降幅35%時，燃機容量會增加一半的容量；當天然氣價格僅上浮5%時，系統內的燃機系統會停止運行。這表明，若電價不變的情況下，當天然氣的價格超過0.189元/kWh時，除光伏發電外，剩余負荷均由電網購電滿足較為經濟。這一結果和系統的運行適應性結果一致。

3.3.2 電價變化

圖8、圖9分別為電價的變化對優化結果的影響，其中橫坐標顯示的是以平時電價為例，價格上下浮動。

圖8 平時電價變化對年均成本的影響Fig.8 Influence of the electricity price on the annual cost

圖9 平時電價變化對設備容量的影響Fig.9Influence of the electricity price on the capacity

從圖8中可以看出，隨著電價的增長，系統的年均成本逐漸增加；當電價向上變動10%，系統的年均成本向上浮動5%。從圖9中可以看出，隨著電價的增長，三類設備的裝機容量都產生了較大幅度的變動。從圖中可以看出，隨著電價增長，燃機和制冷機的容量隨之變大。這表明，在天然氣價格一定的前提下，系統更傾向于利用燃機和制冷機。這和系統的工作原理和運行特點相符合。

3.3.3 分布式能源投資變化

按照行業內的中等價格水平，選取微型燃氣輪機的資本成本進行計算，主要包括設備購買投資和安裝費用。圖10為微型燃氣輪機的資本成本變化對系統年均成本的影響。

從圖10可以看出，相對于制冷機的投資成本來說，燃機的資本成本的變化，對年均成本產生較大的影響。

從圖11可以看出，對于系統的優化目標經濟性最低來說，電價是最敏感的因素，在分布式能源投資增加到5%以后，對系統的優化結果影響較大，成為最敏感的因素。

圖10 設備投資成本變化對年均成本的影響Fig.10Influence of the investment on the annual cost

圖11 系統經濟性的敏感性分析Fig.11The sensitivity analysis of the system efficiency

4 結語

本文從天然氣價格、電價和分布式能源投資三個關鍵影響因素分析了其對冷熱電蓄能聯供微網系統優化的影響及變化趨勢。從分析結果可以看出，電價和分布式能源投資是較為敏感的因素。因此，隨著國家政策的完善和技術的發展，電價和分布式能源成本將隨之發生較大變動，對冷熱電蓄能聯供微網系統的建設將是一個很好的機遇。

[1]張蓓紅，龍惟定（Zhang Beihong，Long Weiding）.熱電（冷）聯產系統優化配置研究（Optional unit sizing of combined cooling heating and power systems）[J]．暖通空調（HV&AC），2005，35（4）：1-4，12．

[2]Tsay Ming-Tong．Applying the multi-objective approach for operation strategy of cogeneration systems under environmental constraints[J]．International Journal of Electrical Power and Energy Systems，2003，25（3）：219－226．

[3]黃錦濤，豐鎮平，劉莉（Huang Jintao，Feng Zhenping，Liu Li）．微型燃氣輪機冷熱電聯產系統運行模式研究（Study on operating mode of cool&heat cogeneration system by using microgas turbines）[J]．熱力發電（Thermal Power Generation），2004，（10）：1-3，46．

[4]魏兵，王志偉，蔣露，等（Wei Bing，Wang Zhiwei，Jiang Lu，et al）．微型燃氣輪機冷熱電聯供系統的優化運行研究（Research of optimal operation on micro-turbineCCHP systems）[J]．華北電力大學學報（自然科學版）（Journal of North China Electric Power University（Natural Science Edition）），2007，34（2）：138－144．

[5]郭力，王守相，許東，等（Guo Li，Wang Shouxiang，Xu Dong，et al）．冷電聯供分布式供能系統的經濟運行分析（Economical Operation Analysis of CCP Distributed Energy Supply System）[J]．電力系統及其自動化學報（Proceedings of CSU-EPSA），2009，21（5）：8-12．

[6]劉長軍（Liu Changjun）．樓宇熱電冷聯供系統的節能分析與應用研究（Application Research and Energy Saving Analysis of Building Combined Cooling，Heating and Power System）[D]．成都：西南交通大學電氣工程學院（Chengdu：School of Electrical Engineering of Southwest Jiaotong University），2006．

[7]李永紅（Li Yonghong）．蓄能模式下樓宇熱電冷聯供系統的優化運行和設計分析（Optimal Operation and Design Analysis on BCHP System with Energy Storage）[D]．北京：清華大學土木水利學院（Beijing：School of Civil Engineering of Tsinghua University），2005．

[8]荊有印，白鶴，張建良（Jing Youyin，Bai He，Zhang Jianliang）．太陽能冷熱電聯供系統的多目標優化設計與運行策略分析（Multi-objective optimization design and operation strategy analysis of a solar combined cooling heating and power system）[J]．中國電機工程學報（Proceedings of the CSEE），2012，32（20）：82-87．

[9]王銳，顧偉，吳志（Wang Rui，Gu Wei，Wu Zhi）．含可再生能源的熱電聯供型微網經濟運行優化（Economic and optimal operation of a combined heat and power microgrid with renewable energy resources）[J]．電力系統自動化（Automation of Electric Power Systems），2011，35（8）：22－27．

[10]王慶華（Wang Qinghua）.基于綜合性能指標的天然氣冷熱電聯供系統優化運行與配置（Optimal Operation and Configuration of Nature Gas-fired Combined Cooling，Heating and Power System Based on Integrated Performance Criterion）[D]．北京：華北電力大學控制與計算機工程學院（Beijing：School of Control and Computer Engineering of North China Electric Power University），2012．

[11]Michael Stadle．Effect of heat and electricity storage and reliability on micro-grid viability：A study of commercial buildings in California and New York States[EB/OL]．http：//www.science.smith.edu/～jcardell/Readings/uGrid/micro-Grid/uGridReliability%20Bldgs%20Cal&NY.pdf，2008．

Influential Factors of Optimal Configuration for Combined Cooling Heating and Power Systems

WANG Wei1，DUAN Shao-hui1，ZHANG Zhao-peng2，LIU Wei2，TIAN Yan-hua2，SONG Chun-hui2
（1.Shenzhen Power Supply Bureau Co.，Ltd.，Shenzhen 518000，China；2.Tianjin Tianda Qiushi Electric Power High Technology Co.，Ltd.，Tianjin 300384，China）

Combined cooling heating and power（CCHP）system has the characteristics of energy saving and environment protection.In process of optimization for CCHP，many factors will influence the result of the system configuration in different degree.In order to optimize the economy，an optimization model for the CCHP system is constructed，and the simulation calculation for the system is obtained by using the DER-CAM software.Meanwhile three key factors of the gas price，the electricity price and distributed energy investment are analyzed to influence the optimization results. By applying the DER-CAM software to optimize the simulation calculation，the main conclusion is that the most sensitive factors is the electricity price in the changing rate of 5%，and the most sensitive factor is distributed energy investment when the changing rate is above 5%.

combined cooling heating and power（CCHP）；optimal configuration；influential factors；sensitivity analysis

TM73

A

1003-8930（2013）04-0156-06

汪偉（1985—），男，碩士，工程師，研究方向為智能電網新技術。Email：romanstart@gmail.com

2013-03-06；

2013-04-11

段紹輝（1961—），男，碩士，高級工程師，研究方向為智能電網新技術。Email：13502821051@139.com

張兆鵬（1987—），女，碩士，助理工程師，研究方向為微網系統優化研究、電網評估和經濟評價。Email：jackie6855@163. com