分布式供能系統裝機規模及運行策略優化設計

廖宇峰，黃曉彤，何吉彪，劉育權，李亞軍

?

分布式供能系統裝機規模及運行策略優化設計

廖宇峰1，黃曉彤1，何吉彪1，劉育權1，李亞軍2

（1.廣州供電局有限公司，廣東 廣州 510000；2.華南理工大學化學與化工學院，廣東 廣州 510000）

為解決分布式供能系統（DES）運行過程中因能源供求不匹配、供需不平衡而產生的能量浪費和經濟效益差的問題，以綜合性能參數最優為目標函數，以系統逐時能量平衡為約束條件，建立了滿足多建筑業態用能需求的DES裝機規模和運行策略的優化模型，并將建立的模型及編制的算法應用到某金融中心的供能系統設計中。結果表明：滿足該金融中心終端能源需求時的DES最佳裝機容量為15.22 MW；與傳統供能系統相比，使用本文提出的模型優化配置的金融中心的DES年總能耗可降低17.4%，能源利用率可提高21.1%。本文建立的裝機容量優化模型和求解策略能夠為DES的設計和運行方案提供理論依據。

分布式供能系統；模型；優化；運行策略；裝機容量；綜合性能參數；逐時能量平衡

相對于傳統供能方式，由于靈活分散布置的分布式供能系統（DES）具有能源利用率高、節能減排效果顯著等優勢，近年來被世界各國大力推進，以促進能源產業優化升級[1-3]。然而，DES在發展過程中仍然面臨一些技術癥結，如裝機規模設計和運行策略等，而系統設計規模的合理可靠性及運行策略的科學性決定了系統的運行效率和經濟效益是否能達到預期效果。

為合理利用DES，發揮其經濟、環保、高效的優勢，國內外不少學者致力于相關研究，提出了許多在不同優化目標或對象下的DES模型，旨在通過模型優化獲取合理的DES裝機規模和最優運行策略。Rong等人[4]采用Tri-Commodity Simplex（TCS）算法對冷熱電三聯供系統（CCHP）進行了優化分析，最大限度地降低了冷、熱、電的生產成本和碳排放成本；而Wang等人[5]則是通過遺傳算法優化CCHP的裝機規模。楊婉玉[6]建立了優化模型，以10%為跨度，分別以30%~90%的尖峰冷、熱負荷裝機，并對其運行策略進行了優化設計。梁文豪[7]從能源生產設備、能源轉換設備和儲能設備出發，構建了1個多能互補的DES通用模型。Liu等人[8]使用矩陣建模的方法對CCHP進行優化。Li等人[9]提出了一種新型的CCHP余熱利用優化模型，用于分布式能源系統的規劃和運行優化。Somma等人[10]為含可再生能源的多種能源設備的分布式供能系統建立了一個隨機多目標線性規劃模型。孫可等[11]重點研究了冰蓄冷多種工作模式，針對工廠區域能源系統進行了多目標協同優化。王建[12]采用分布式供能系統為醫院供應冬季所需的各終端能源，冬季的能源成本降低了30%，具有顯著的節能效果。Mago等人[13]分別以能耗、運行成本和環境污染最小為優化目標對CCHP進行了優化。Wang等人[14]研究了一種生物質分布式能源系統，對系統在夏季、冬季和過渡季分別進行能量和?評價，進而分析全年的性能表現。

通過分析近年來學者們對DES建模及優化所做的研究可知，大部分優化模型只針對單一建筑業態的DES進行研究，系統結構相對簡單，只有發電設備或制熱設備和制冷設備，且優化模型未考慮終端能源需求的逐時負荷波動特性，只能粗放地解決一定時間內能源供求累積總量的匹配問題，而不能解決能源供應及需求側能量的逐時匹配問題。面對用能負荷的波動，這類機組在實際工況運行時，會出現部分單位小時能源供給不能滿足終端用戶能源需求，而部分單位小時供給卻遠大于用戶需求的問題，簡單結構的DES難以適應多變的運行工況，導致機組的實際運行能效低于理論計算能效。

對此，本文在供能系統中引入儲能設施解決系統的穩定性，建立了1個多建筑業態的DES模型，并以系統綜合性能參數（）最小為目標函數，以終端用戶逐時負荷需求作為約束條件，求解系統的最佳裝機規模和運行策略；最后，基于建立的優化模型，對北方某金融中心的供能方案進行分析，并對該金融中心的DES裝機規模和運行策略進行優化設計。

1 DES裝機規模及運行優化模型建立

1.1 DES建模原則

DES常用的原動機類型包括燃氣輪機、內燃機、蒸汽輪機和燃料電池等。本文選用燃氣輪機構建DES模型，該系統供能結構如圖1所示。

圖1 DES供能結構

系統設備在變負荷工況運行時，效率一般會偏離銘牌效率。但在建模時，若考慮各種設備的變負荷特性，則會引入大量的非線性約束，增加模型的求解難度，甚至無法得到全局最優解。因此，本文建模時對DES設備的性能特性進行簡化，做出恒定效率假設，即多臺設備的聯合運行效率始終保持在一個接近銘牌效率的水平，從而提高優化模型的求解效率和質量。再運用優化模型在滿足冷、熱、電各種用能需求的前提下，求解最佳運行策略，使系統的經濟性和節能減排效益達到最大。

1.2 多目標評價指標模型

經濟性是DES能否實現運行的重要影響因素，DES的節能優勢雖明顯，但系統投資偏大，導致其發展受到一定限制。本文在優化建模時，將系統的年總成本（）作為經濟評價指標，同時選取系統的一次能源消耗量（）和CO2排放總量（）作為模型的另外2個評價指標。然而，、和是3個獨立的評價指標，不一定呈正相關關系，因此無法同時達到最優。為權衡各評價指標的重要性，本文采用綜合性能參數為優化目標。為DES與傳統供能系統（SPS）的、和的比值加權：

式中：、和分別為、和的權重系數。

不同性質終端用戶的經濟、能耗及環保等指標的權重不同，需根據具體的區域要求，調整各權重系數，以確定具體的目標函數。當終端負荷需求確定時，傳統供能系統的、和都為固定值。因此當值最小時，DES的、和這3個獨立評價指標可協同達到1個最小平衡值，此時系統的節能減排效果和經濟效益最佳：

1.1.1 年總成本

DES的年總成本包括年投資成本、年運行成本和年維護成本（式(3)），其中年維護成本占比很小，為簡化計算，本文將其忽略。

式中：c為年投資成本，萬元；o為年運行成本，萬元；m為年維護成本，萬元。

DES的年投資成本為所有設備總投資折舊到系統運行期內每一年的成本：

式中：為年利率，本文取10%；N為各設備的使用年限；C為各設備的投資成本，萬元。

年運行成本包括燃氣輪機的能耗總成本（即燃氣輪機消耗天然氣的總費用）、燃氣鍋爐的燃料總成本和電網購電總費用：

式中：ng,i為時刻天然氣價格，元/m3（標準狀態，下同）；GT,i為時刻燃氣輪機天然氣總耗量，m3；AB,i為時刻燃氣鍋爐的天然氣總耗量，m3；e,i為時刻電價，元/(kW·h)；gp,i為時刻電網的補電量，kW·h。

燃氣輪機時刻的實際功率為：

燃氣輪機時刻天然氣總耗量和產生余熱量為：

式中：ng為天然氣熱值，kJ/m3；GT,E為燃氣輪機發電效率；WHB,i為時刻余熱鍋爐供熱量，kW·h；為燃氣輪機熱電比；WHB為余熱鍋爐效率；GT,H為燃氣輪機供熱效率。

燃氣輪機的發電效率和供熱效率[15]為：

燃氣鍋爐時刻的天然氣總耗量為

式中：AB,i是時刻燃氣鍋爐的補燃總量，kW·h；AB為燃氣鍋爐效率。

1.2.2 一次能源消耗量及利用率

DES的一次能源消耗量主要包括天然氣總耗量和網電消耗：

因為不同一次能源品位不同，將所有的輸入能源全部轉換為等量的標準煤消耗，系統總能耗為：

式中：ng為天然氣的折算標準煤系數，kg/m3；e為網電的折算標準煤系數，kg/(kW·h)。

系統的輸出能量包括冷量、熱量和電量，輸入的能源包括天然氣和網電（全部折算為標準煤量）,由此可得DES的一次能源利用率為

1.2.3 CO2排放量

DES在生產終端能源過程中CO2排放量為

式中：為天然氣的CO2排放因子，kg/m3；為網電的CO2排放因子，kg/(kW·h)。

1.3 約束條件

建立的DES優化模型需考慮滿足用戶終端用能需求，即系統輸出的冷量、熱量和電量必須大于等于用戶終端用能，因此能量供需約束主要包括逐時電約束、熱約束和冷約束。

系統每小時的輸入電量包括燃氣輪機簡單循環發電總量和電網購電總量，每小時的輸出電量一部分供給終端用戶使用，一部分用于電壓縮制冷機制冷，系統的燃氣輪機逐時運行負荷的變化范圍為0~100%。電約束關系為：

式中：GT,i為時刻燃氣輪機發電量，kW·h；EC,i為時刻電壓縮制冷補充的制冷量，kW·h；EC為電壓縮制冷機的制冷系數。

供暖季系統每小時的輸入熱量包括燃氣輪機余熱供熱總量、燃氣鍋爐的補熱總量和儲熱罐放熱總量，輸出熱量主要供給終端用戶使用，富余的熱量存于儲熱罐中，熱約束關系為：

此外，儲熱罐不能同時處于儲熱和放熱2種狀態，且設計日總儲熱量必須大于放熱量，即滿足：

供冷季系統每小時的輸入冷量包括蒸汽吸收式制冷量、電制冷機組制冷量和蓄冷箱放冷量，輸出冷量主要供給終端用戶使用，富余的冷負荷存于蓄冷箱，冷約束關系為：

根據熱約束和冷約束關系，可以進一步確定供熱換熱器、燃氣鍋爐、電壓縮制冷機組、儲熱罐和蓄冷箱的額定容量：

式中：HC為供熱換熱器額定功率，MW；GB為燃氣鍋爐額定功率，MW；EC為電壓縮制冷機組額定功率，MW；HS為儲熱罐的額定容量，MW；CS為蓄冷箱的額定容量，MW；HS,i和CS,i分別為時刻儲熱罐和蓄冷箱的相對剩余量。

2 優化模型算法

由上述目標函數及約束條件構建的優化模型屬于混合整數非線性規劃模型，本文通過MATLAB編制了DES最佳裝機規模優化模型的求解算法，如圖2所示。

優化模型采用遺傳算法，首先生成初始化種群，根據終端負荷大致確定初始燃氣輪機額定容量，進一步得出余熱鍋爐、吸收式制冷機組及供熱換熱器等設備的額定容量，隨后進入逐時優化模塊。在逐時運行優化模塊中，基于典型日各終端逐時負荷值，得出發電設備、制冷設備、供熱設備和儲能設備等逐時運行負荷，并判斷其是否滿足逐時能量供需約束；若不滿足，則需調整各設備的逐時運行負荷值，直至滿足約束進入系統評價模塊。根據氣價、電價、CO2排放系數、折算標準煤系數及設備參數等輸入數據，分別計算系統的、、和值；然后根據各影響因素的權重確定第個種群的值，并進行迭代次數的判斷，若迭代次數大于或等于設定的迭代次數，則輸出值，否則生成新一代子代種群，通過改變燃氣輪機額定容量，進一步迭代計算。遺傳算法每一次迭代結果都比上一代更優，因此輸出的值最小。

圖2 優化模型求解算法

3 DES運行策略優化案例分析

以中國北方某一金融中心的分布式供能系統設計為案例，采用本文建立的模型，對該金融中心DES的裝機規模和運行策略進行優化設計。金融中心的建筑類型主要包括寫字樓、文化娛樂、博物館、餐廳、商業中心和酒店等建筑，終端能源主要為冷、熱、電。

3.1 終端用能逐時負荷分析

某金融中心電負荷波動情況隨季節變化較小，而冷、熱負荷隨季節變化較大，全年可分為供冷季和供暖季。供冷季為每年5月15日至10月15日，供暖季為每年11月15日至次年3月15日，暫不考慮過渡期。根據該金融中心建筑業態用能特點，獲得全年逐時冷、熱負荷需求如圖3所示，其中正值代表冷負荷，負值代表熱負荷。供冷季和供暖季的日冷、熱負荷峰值統計如圖4所示。

圖3 某金融中心全年逐時冷、熱負荷需求

圖4 某金融中心供冷季和供暖季的日冷、熱峰值負荷統計

結合圖3、圖4，分析供冷季和供暖季逐時負荷波動規律，獲得該金融中心供冷季和供暖季典型日各建筑業態的逐時冷、熱、電負荷波動，結果如圖5所示。圖5中橫坐標上、下方分別代表供冷季和供暖季的典型日逐時冷、熱負荷波動，冷、熱負荷需求峰值分別為27.81 MW和17.84 MW。圖6所示該金融中心總的電負荷需求峰值為15.12 MW。

圖5 某金融中心供冷季和供暖季典型日逐時冷熱負荷

圖6 某金融中心典型日逐時電負荷

3.2 模型相關參數

根據該金融中心的業態特點，目標函數中的評價指標權重系數、和均取1/3。金融中心DES以天然氣為一次能源，其熱值為34 750 kJ/m3，氣價為2.86 元/m3，中心區不同時段的電價見表1。各種輸入能源對應的折算標準煤系數和CO2排放因子以及系統中各設備的單位成本和性能參數見 表2、表3[16]。

表1 某金融中心區不同時段電價

Tab.1 Theelectricity prices at different time periods in the financial center

表2 折算標準煤系數和CO2排放因子

Tab.2 The standard coal and CO2 emission conversion factors

表3 各設備單位成本價格和性能參數

Tab.3 The cost and performance parameters of each device

3.3 分布式供能系統裝機規模優化設計

根據建立的DES優化設計模型及算法，滿足該金融中心終端15.12 MW的電、27.81 MW的冷及17.84 MW的熱負荷時，依據綜合性能指標最小原則，目標函數達到最小值時，求解對應的GT值為15.22 MW，即該金融中心DES的最佳燃氣輪機裝機容量為15.22 MW，此時系統的節能減排效果和經濟效益最佳，機組在供冷季和供暖季的運行策略如圖7—圖10所示，DES各設備容量見表4。

圖7 某金融中心供冷季典型日逐時電負荷供給

圖8 某金融中心供冷季典型日逐時冷負荷供給

從圖7—圖8看出，該金融中心供冷季的用冷高峰出現在19:00，最高冷負荷為27.81 MW，此時吸收式制冷機組供冷21.10 MW，電制冷機組補充供冷0.47 MW，蓄冷箱放冷負荷6.24 MW。從冷量的供需情況可知，系統大部分時間都要用電制冷補充冷量，夜間完全采用電制冷供冷，蓄冷箱將富余冷量儲存以填補白天的供冷缺口。供冷季該金融中心的最高電負荷達15.12 MW，而發電機組滿負荷運行時，最大供電功率為15.22 MW，完全滿足終端用戶用電需求。系統夜間的電負荷由低谷電價的網電供給，并采用網電制冷、儲冷；系統在白天大部分時間的供電量都大于需求量，并將富余電用于電制冷。

圖9 某金融中心供暖季典型日逐時電負荷供給

圖10 某金融中心供暖季典型日逐時熱負荷供給

表4 DES各設備額定容量

Tab.4 The rated capacity of each equipment in the DES

依據圖9—圖10，該金融中心供暖季的供熱高峰出現在8:00，最高熱負荷為17.84 MW，此時機組供熱能力達7.14 MW，儲熱罐放熱量為9.19 MW，燃氣鍋爐提供額外的1.51 MW滿足用熱需求。在11:00—22:00期間，由優化模型設計的運行策略為采用以電定熱原則，優先滿足電需求，多余的熱負荷由儲熱罐儲存起來。夜間燃氣輪機不啟用，電負荷全由廉價的網電供給，熱負荷由儲熱罐放熱滿足。此外供暖季與供冷季的運行策略不同，系統大部分時間產生的電量都與需求量保持平衡，不會為產生更多的熱而采取多發電的方式。

3.4 分布式供能系統裝機規模優化比較

若滿足終端用戶同樣的熱、電、冷負荷，采用傳統的供能方式，其燃氣輪機裝機負荷為0，即電負荷通過網電滿足，供暖季由燃氣鍋爐供熱，供冷季采用網電制冷。DES系統的、、、和等評價指標的優化結果見圖11和表5。

圖11 不同裝機規模下系統的Z值

表5 DES與SPS的評價指標比較

Tab.5 Comparison of evaluation indexes between the DES and SPS

由圖11可見：裝機容量為0時，即傳統供能系統，根據計算可知其值為1.00；當系統裝機容量為15.22 MW時，值達到最低0.74。在滿足終端用戶能源需求的情況下，系統的年總成本可減少11.9%，年總能耗可降低17.4%，CO2排放總量可減少47.8%，能源利用率提高21.1%。

4 結 論

1）裝機容量的設計選擇對DES性能的影響顯著。綜合考慮各評價指標，本文金融中心DES的最優裝機容量為15.22 MW。

2）與傳統供能系統相比，采用本文提出的模型優化配置的金融中心的DES在滿足終端用戶能源需求的情況下，系統的年總成本可減少11.9%，年總能耗可降低17.4%，CO2排放總量可減少47.8%，能源利用率從0.649提高到0.786。

［1］ FU L, ZHAO X L, ZHANG S G, et al. Laboratory research on combined cooling, heating and power (CCHP) systems[J]. Energy Conversion and Management, 2009, 50(4): 977-982.

［2］ MAGO P J, CHAMRA L M, HUEFFED A. A review on energy, economical, and environmental benefits of the use of CHP systems for small commercial buildings for the North American climate[J]. International Journal of Energy Research, 2009, 33(14): 1252-1265.

［3］ LI Y, XIA Y. DES/CCHP: the best utilization mode of natural gas for china’s low carbon economy[J]. Energy Policy, 2013, 53: 477-483.

［4］ RONG A, LAHDELMA R. An efficient linear programming model and optimization algorithm for trigeneration[J]. Applied Energy, 2005, 82(1): 40-63.

［5］ WANG J J, JING Y Y, ZHANG C F. Optimization of capacity and operation for CCHP system by genetic algorithm[J]. Applied Energy, 2010, 87(4): 1325-1335.

［6］ 楊婉玉. 分布式供能系統運行策略的優化[D]. 廣州: 華南理工大學, 2016: 36. YANG Wanyu. Optimization for the operation strategy of distributed energy system[D]. Guangzhou: South China University of Technology, 2016: 36.

［7］ 梁文豪. 多能互補的分布式供能系統建模與優化[D]. 廣州: 華南理工大學, 2018: 44.LIANG Wenhao. Modeling and optimization of distributedenergy system with complementation of multiple energy[D]. Guangzhou: South China University of Technology, 2018: 44.

［8］ LIU M, SHI Y, FANG F. Optimal power flow and PGU capacity of CCHP systems using a matrix modeling approach[J]. Applied Energy, 2013, 102: 794-802.

［9］ LI F, BO S, ZHANG C H, et al. Operation optimization for combined cooling, heating, and power system with condensation heat recovery[J]. Applied Energy, 2018, 230: 305-316.

［10］ DI SOMMA M, GRADITI G, HEYDARIAN- FORUSHANI E, et al. Stochastic optimal scheduling of distributed energy resources with renewables considering economic and environmental aspects[J]. Renewable Energy, 2018, 116: 272-287

［11］ 孫可, 何德, 李春筱, 等. 考慮冰蓄冷空調多模式的工廠綜合能源系統多能協同優化模型[J]. 電力建設, 2017, 38(12): 12-19. SUN Ke, HE De, LI Chunxiao, et al. Multi-energy cooperative optimization model of factory IES consideringmulti-model of ice storage[J]. Electric Power Construction, 2017, 38(12): 12-19.

［12］ 王健. 燃氣分布式能源在某醫院中的應用分析[J]. 上海節能, 2018(9): 748-752. WANG Jian. Application analysis of gas distributed energy in a hospital[J]. Shanghai Energy Conservation, 2018(9): 748-752.

［13］ MAGO P J, CHAMRA L M. Analysis and optimization of CCHP systems based on energy, economical, and environmental considerations[J]. Energy & Buildings, 2009, 41(10): 1099-1106.

［14］ WANG J J, YANG K, XU Z L, et al. Energy and exergy analyses of an integrated CCHP system with biomass air gasification[J]. Applied Energy, 2015, 142: 317-327.

［15］ DARROW K, TIDBALL R, WANG J, et al. Catalog of CHP technologies[R]. Washington D.C.: US Environmental Protection Agency, 2015: 5-6.

［16］ 楊勇平, 楊志平, 徐鋼, 等. 中國火力發電能耗狀況及展望[J]. 中國電機工程學報, 2013, 33(23): 1-11.YANG Yongping, YANG Zhiping, XU Gang, et al. Situation and prospect of energy consumption for China’s thermal power generation[J]. Proceedings of the CSEE, 2013, 33(23): 1-11.

Optimal design of installation capacity and operation strategy for distributed energy system

LIAO Yufeng1, HUANG Xiaotong1, HE Jibiao1, LIU Yuquan1, LI Yajun2

(1. Guangzhou Power Supply Bureau Co., Ltd., Guangzhou 510000, China; 2. School of Chemistry and Chemical Engineering, South China University of Technology, Guangzhou 510000, China)

Aiming at solving the problem of energy waste and poor economic benefits caused by mismatch of energy supply and demand in distributed energy system (DES), an optimization model of the DES installation capacity and operation strategy is built for multi-form buildings in this paper, where the optimal comprehensive performance parameter is taken as the objective function and the hourly energy balance is chosen as constraint. Furthermore, the model and algorithm are applied to an actual case study of the DES in one financial center, where the optimal installation capacity is 15.22 MW when satisfying the energy demand of terminal users. Compared with the conventional energy system, the annual total cost of the DES can be reduced by 17.4 % and the primary energy ratio can be increased by 21.1 %. The established model of installation capacity and operation strategy can provide theoretical basis for design and operation of the DES.

distributed energy system, model, optimization, operation strategy, installation capacity, comprehensive performance parameter, hourly energy balance

TE09

A

10.19666/j.rlfd.201812226

廖宇峰, 黃曉彤, 何吉彪, 等. 分布式供能系統裝機規模及運行策略優化設計[J]. 熱力發電, 2019, 48(5): 89-96. LIAO Yufeng, HUANG Xiaotong, HE Jibiao, et al. Optimal design of installation capacity and operation strategy for distributed energy system[J]. Thermal Power Generation, 2019, 48(5): 89-96.

2018-12-27

國家重點研發計劃項目(2016YFB0901300)；廣州市供電局科技項目(083000KK52170001)

National Key Research and Development Program of China (2016YFB0901300); Science and Technology Project of Guangzhou Power Supply Bureau (083000KK52170001)

廖宇峰(1974—)，男，碩士，工程師，主要研究方向為電力系統分析和運行，519761448@163.com。

李亞軍(1969—)，女，副教授，主要研究方向為能源化工過程系統工程能量優化，liyajun@scut.edu.cn。

（責任編輯 李園）