垃圾能源利用與城市多能源系統協同優化模型

王澤鏑 滕 云 閆佳佳 陳 哲

垃圾能源利用與城市多能源系統協同優化模型

王澤鏑1滕 云1閆佳佳1陳 哲2

（1. 沈陽工業大學電氣工程學院 沈陽 110870 2. 丹麥奧爾堡大學能源技術學院 奧爾堡 DK-9220）

隨著城市級多能源系統的快速發展和城市垃圾處理設施供能規模的不斷擴大，考慮垃圾處理過程的多種能源供能協調優化，并將其與城市多能源系統協同優化進行綜合考慮，是提高城市垃圾處理能力和資源化利用水平及綜合能源利用效率的重要途徑之一。該文將垃圾處理系統等效為一個以垃圾為輸入的供能系統，建立城市垃圾能源化利用供能系統（WRESS）、城市多能源系統和城市多源儲能系統三者協同優化模型。首先，研究一定時間尺度內可用于供能的城市垃圾產量、最大允許堆存量與其對應的供能種類和供能特性之間的關系，建立垃圾能源化利用供能優化模型；其次，針對垃圾能源化利用可調節特性與多能源系統、多能源儲能系統自身協調能力間關系，建立以運行和調節成本最小為目標的城市垃圾能源化利用與多能源系統協同優化模型；最后，以中國某城市實際垃圾處理與多能源運行數據為基礎，通過三個場景仿真驗證所提模型的有效性。仿真結果表明，該模型在提高城市垃圾處理能力的同時，能夠有效降低多能源系統運行成本，并提升系統調節能力。

多能源系統 垃圾能源化利用 能源利用效率 多源儲能

0 引言

在能源互聯網的背景下，針對高比例可再生能源并網后城市電、熱、氣系統間的互補協調及調節能力弱的問題[1-4]，一方面，多源轉換與存儲裝置所構成的多源儲能系統接入，可作為一種靈活性資源為城市多能源系統提供較大的調節能力；另一方面，隨著垃圾能源化利用技術的發展，考慮城市垃圾的處理及堆存能力，利用垃圾供能具有成為靈活性資源的潛力[5-8]。而如何利用垃圾能源化利用特性與城市多能源供給、轉換、存儲間協同運行，以提高城市能源利用效率和系統運行經濟性，是城市多能源系統研究的一個關鍵問題。

目前國內外針對垃圾再利用供能的研究主要集中在垃圾供能系統設計、生物質垃圾處理供能特性分析及優化運行等方面。文獻[9]為提高太陽能供電效率，提出了一種光伏-光熱-沼氣聯合發電系統模型；文獻[10]建立了生物質沼氣池電熱輸出模型，為促進可再生能源消納，提出含沼氣池供能的全可再生能源系統優化調度模型；文獻[11]為充分利用偏遠地區的垃圾廢物產生的生物質能資源，構建了風柴儲生物質獨立微網系統并提出雙模式優化控制方案；文獻[12]針對生物質發電效率低的問題，提出考慮生物質能供能特性的綜合能源系統優化模型。上述文獻多是對垃圾能源化利用后自身供能特性與效率的研究，并沒有考慮在城市的垃圾堆存及處理能力約束下與多能源系統間的協同。

針對多源儲能系統的研究，文獻[13]為提高多源儲能規劃后的投資效益，建立了多源儲能容量優化配置模型；文獻[14]通過構建電轉氣（Power to Gas, P2G）的能量轉換的模型，實現電能到氣能的存儲，為電氣耦合運行提供一定的理論支撐；文獻[15]提出風氫混合儲能與煤化工多能系統耦合優化模型，以提高多源儲能系統投資建設的經濟性；文獻[16]提出電熱氫多源儲能優化運行模型，實現在城市多能源系統中對電池儲能的替代。而目前對于多源儲能系統的研究，多是儲能系統中多源轉換與存儲間的優化運行。

考慮城市存在的電、熱、氫、氣等多種能源類型，目前，國內外研究人員在多能源網規劃、建模以及多能源系統優化運行與調度等方面開展了較多研究。對于多能源網絡建模優化方面，文獻[17]基于能源集線器的數學建模，對城市多能源系統的電熱氣網進行擴展規劃，可有效減少多能源網間的傳輸損耗；文獻[18]提出考慮可再生能源供能不確定性的城市多能源網規劃模型，并進行可靠性評估。針對多能源系統優化運行與調度，文獻[19]考慮電熱氣多源負荷需求，建立了考慮綜合能源服務商的多能源優化調度模型，可降低系統的運行成本及碳排放量；文獻[20]給出了計及電熱氣三網可靠性與不確定性約束的多能源系統優化運行模式；文獻[21]以提高多能源系統運行經濟性為目標，建立了多能源系統中的電熱氣最優能量模型。

上述有關垃圾能源化利用、多源儲能及多能源系統優化的研究為本文的研究奠定一定基礎，但仍有些問題需要解決：

（1）對于垃圾處理系統的研究多是考慮垃圾處理系統自身的供能特性與效率，而對于一個城市，垃圾所產生的能量占城市能源供能總量的比例較小，進而考慮其城市垃圾的堆存與處理能力，在一定程度上可當作一種調節資源。但如何與城市能源生產、轉換、存儲與消費協同運行，以及在完成垃圾處理任務的同時，能夠給予多能源系統一定的調節彈性，是本文要解決的關鍵問題之一。

（2）垃圾能源供給的調節能力取決于城市垃圾的處理量和堆存量，在可再生能源并網比例不斷提高后，對于如何協調城市垃圾供能與多種類能源供需間的關系，并提高城市能源利用效率，有待進一步研究。

（3）在考慮電、熱、氣三網間安全穩定運行的前提下兼容多源儲能與垃圾能源化利用供能系統，將使現有城市能源系統構架與形態特征發生根本變化，如何協同多能源系統與這兩種調節資源間的優化運行，對整個城市能源系統運行的經濟性和調節能力將面對更高挑戰。

針對上述問題，首先本文同時考慮城市多能源系統的經濟性、廢物處理能力，構建了多源儲能模型與垃圾能源化供能系統（Waste Resourceful Energy Supply System, WRESS）模型，并提出了垃圾能源化供能、多源儲能及多能源系統協同運行策略。然后，建立了垃圾能源利用與城市多能源系統協同優化模型。最后，通過設置三種場景進行仿真，驗證了本文提出模型的可行性和有效性。

1 系統構成

本文提出的WRESS、多源儲能系統及多能源系統的協同拓撲結構如圖1所示。考慮到一個城市的人口、規模等因素，其垃圾處理和堆存能力是在一定范圍內。然而利用高比例可再生能源為城市供給具有高不確定性，所以在城市多能源系統中，考慮城市垃圾再利用后的供能特性，通過WRESS與多源儲能系統兩種調節資源與多能源系統的協同優化，可應對可再生能源的不確定性和波動性，滿足城市多源負荷需求，提高城市能源利用效率。

圖1 拓撲結構

1.1 城市垃圾能源化供能系統模型

城市垃圾處理系統在通過垃圾的轉運之后，將可燃垃圾輸入到垃圾焚燒電廠，作為能源的供給側，在處理垃圾的同時進行供電供熱，考慮建設成本及城市垃圾的產生量，其裝機容量在城市供能系統比例較小，在一些時刻可以當作備用機組參與電網調峰。

對于城市中的糞污污水類垃圾，目前處理系統較為完善，在通過干濕分離、轉移等措施之后，利用生物質技術對其進行處理得到沼氣，而沼氣可通過提純得到天然氣，進行天然氣的配送。

整個垃圾處理系統運行中，日常耗能與產能相比，所消耗的電能、熱能、氣能較小，可歸算到廠用電中。因此，本文將其整個垃圾處理系統等效為一個垃圾能源化利用的供能系統。本文將垃圾廢物以能量的形式進行計算，考慮廢物的能源轉換效率，得到WRESS的能量供給模型為

1.2 多源儲能系統模型

考慮WRESS的調節能力有限，且不具備多種類能源存儲能力，本文基于文獻[16]的模型，構建適用于與WRESS和城市多能源系統協同運行的多源儲能系統如圖2所示。

圖2 多源儲能系統

可對城市中多種能源進行儲存、釋放與轉換，則多源儲能系統的功率平衡模型為

1.3 垃圾供能與多能源系統協同運行策略

考慮城市多能源系統運行和垃圾處理過程的差異性，這種差異主要體現在垃圾產量及轉運和整個能源系統的實時優化上。垃圾的產量、轉運通常以天為單位進行預測和計算，而垃圾堆存和WRESS的供能可以根據垃圾處理過程進行實時的更新。

因此，本文所提出垃圾供能與多能源系統協同運行的策略，首先需要對城市一天的垃圾產量和轉運量進行計算；然后根據垃圾處理量和堆存量的實時更新分析WRESS的供能特性；最后根據整個城市的能源需求的實時狀態，需要多能源系統、WRESS和多源儲能系統在各自協調的基礎上，對三者進行協同優化，得到最優運行方案。本文給出的協同運行策略如圖3所示。

圖3 協同運行策略

由圖3可知，考慮垃圾運輸與能源系統運行是各自獨立的管理系統，在優化過程中，通過確定WRESS處理量與供能量，根據城市多類能源間的供需關系，充分利用WRESS與多源儲能系統的調節能力，可實現三者間的協同運行。

2 WRESS、多源儲能與多能源系統協同優化模型

為提高城市能源利用效率及運行經濟性，考慮城市垃圾的產出、運輸、處理、堆存與城市的多種類能源的供給、轉換、存儲特性，利用WRESS與多源儲能系統和多能源系統協同運行策略，以經濟性最優為目標進行協同優化。

2.1 目標函數

綜上，構建系統運行總成本最小的優化目標函數為

2.2 約束條件

2.2.1 運行功率平衡約束

針對城市多能源系統中存在的電、熱、氫、氣負荷，考慮多源儲能系統與WRESS的調節靈活性，在優化時需滿足多種類能源在每個時段的供需平衡，得到系統的運行功率平衡約束為

2.2.2 WRESS約束

WRESS作為一種調節資源參與城市能源系統的運行，考慮城市垃圾處理和堆存能力，在每個時段WRESS與多源儲能和多能源系統協同運行過程中，其調節能力也在一定的范圍內，則WRESS的電熱氣出力功率約束為

WRESS在進行垃圾到能源化利用的過程中，考慮垃圾處理設施建設數量與城市的堆存能力的制約，在優化過程的垃圾處理與堆存量約束式為

2.2.3 多源儲能系統約束

針對多源儲能系統中的制氫、電鍋爐、燃料電池、儲熱、儲氣、儲氫等能源轉換與存儲裝置的功率和容量約束為

2.2.4 可再生能源功率波動約束

高比例可再生能源接入系統時，城市中風光的出力變化需滿足國家標準的規定，則可再生能源功率波動約束為

2.2.5 網絡約束

針對WRESS與多源儲能和多能源系統協同運行過程中其電網和氣網的能量交互，則電網聯絡線和天然氣管網約束為

除了整個系統與上級電網、氣網的交互功率之外，WRESS和多源儲能設施與城市多能源系統中能源在傳輸過程的網絡約束為

2.3 求解

針對本文所建立的WRESS、多源儲能與多能源系統協同優化模型，為提高求解過程的搜索能力及收斂速度，利用混沌增強煙花算法進行求解[22]，求解流程如圖4所示。

3 仿真

3.1 基礎數據

本文利用中國東北某城市數據進行仿真分析。該城市的可再生能源裝機容量4 000MW，其中風電機組裝機容量2 500MW，光伏機組裝機容量1 500MW，熱電聯產機組容量3 000MW。該城市最大用電負荷7 000MW、熱負荷1000MW、氫負荷500MW、氣負荷800MW。日處理3000t垃圾的垃圾焚燒電廠兩座，每個垃圾焚燒電廠的裝機容量為200MW。該城市糞污污水處理系統可日處理350萬m3污水和3 000t糞便，整個系統每天可為城市提供天然氣40萬m3，可滿足城市日氣負荷需求的10%。該城市有可燃類垃圾堆存量為700萬t。多源儲能系統運行功率上、下限見表1；多源儲能系統中的能源轉換與存儲裝置的參數見附表1；熱電聯產機組的成本系數取值見附表2；城市垃圾處理補貼見附表3，城市對外進行供能儲能收益均值見附表4，污染物處排放系數及治理成本參考文獻[22]見附表5。選取該城市某冬季典型日可再生能源出力曲線及日電、熱、氫、氣負荷的曲線分別如圖5和圖6所示，城市像上級電網、氣網的分時購電購氣價格如圖7所示。

圖4 混沌增強煙花算法求解流程

表1 多源儲能系統儲放功率上、下限

Tab.1 The power limits of multi-energy storage system

圖5 可再生能源出力

圖6 負荷曲線

圖7 分時電價氣價

3.2 優化運行分析

針對本文提出的WRESS、多源儲能與多能源系統協同優化模型，本文分為以下三個場景進行仿真分析：

場景一：只考慮多源儲能與城市多能源系統協調運行，垃圾處理方式采用傳統的填埋、焚燒、轉運等，垃圾處理過程并未有能源輸出。

場景二：在場景一的基礎上加入WRESS，但城市垃圾處理系統按照自己的處理需求運行，并未考慮其能源供需特性與城市多能源系統協同。

場景三：同時將WRESS和多源儲能系統當作調節資源，并利用本文提出的運行策略與多能源系統進行協同優化。

在滿足城市日負荷的需求的基礎上，得到三種場景的優化運行結果分別如圖8～圖10所示。三種場景的聯絡線功率優化結果對比如圖11所示。

圖9 場景二運行結果

由三種場景的運行結果對比可知，場景一不使用WRESS，為滿足城市的能源需求，熱電機組需要高負荷運轉，增加煤耗量；場景二雖然利用WRESS，但并沒有考慮與城市多能源系統協調，考慮多源儲能系統的容量限制，場景一和場景二相比于場景三其電、氣外購的功率較大，且在1∶00～4∶00和22∶00～24∶00時刻產生棄風現象，給上級電網氣網帶來壓力。

圖10 場景三優化運行結果

對于場景二和場景三存在的WRESS，場景二沒有考慮協同運行策略，WRESS沒有與城市多能源系統協調，只是根據城市垃圾一天的處理任務進行處理，其每個時刻供能相對平穩。而場景三中的WRESS在協同運行策略下，考慮垃圾轉運和處理與多能源系統的運行差異性及多源儲能容量限制，對WRESS、多源儲能與多能源系統進行協同優化。通過對比可知，在1∶00～4∶00和22∶00～24∶00時刻，可再生能源出力較大，而電負荷需求較小，此時場景三中的WRESS可減少垃圾處理供能，而多源儲能系統可以消納棄風電量，進行能源的存儲與轉換，相比場景一和場景二可以大規模減少棄風電量及電網和氣網的調節壓力。在8∶00～13∶00和16∶00～19∶00電網、氣網峰值及用氫需求量較大時刻，相比場景二和場景一，場景三可以增加WRESS出力，并與多源儲能協調運行進行多種類能源的轉換，滿足電、熱、氫、氣負荷需求，可減少熱電聯產機組出力進而降低煤耗量，在能源充足時可進行能源外售并獲得相應的供能收益，可提高城市整體能源利用率。三種場景能源利用效率對比如圖12所示。

圖12 能源利用效率對比

3.3 優化結果分析

場景三通過WRESS、多源儲能和多能源系統三者協同優化運行，考慮氫能和熱能遠距離傳輸困難，城市首先會滿足城市的熱、氫負荷需求。而對于電、氣負荷需求，在電、氣負荷峰值時，場景三通過WRESS與多源儲能系統協調供能，可減少向上級電網和氣網的購電購氣量及熱電聯產機組的煤耗成本；而在電、氣負荷谷值時，考慮整個城市的垃圾堆存量與處理能力，在滿足整個城市垃圾處理需求的前提下，可減少垃圾焚燒電廠及糞污污水垃圾的供能量，并利用多源儲能系統進行儲能，提高城市電網、氣網調節能力，大概率實現電、熱、氫、氣等城市能源的自給自足，充分利用WRESS和多源儲能的調節靈活性，降低了總運行成本。三種場景的總運行成本對比見表2。

表2 總運行成本優化對比

Tab.2 Total operating cost optimization comparison（單位：萬元）

4 結論

本文通過建立WRESS與多源儲能系統模型，并考慮城市的垃圾產量和堆存量，提出WRESS、多源儲能系統、城市多能源系統協同運行策略；考慮WRESS與多源儲能系統的調節靈活性，建立垃圾能源利用與城市多能源系統協同優化模型；在仿真驗證中設立三種場景進行分析，得到以下結論：

1）本文利用WRESS與多源儲能系統作為靈活性資源參與多能源系統進行協同優化，充分利用WRESS與多源儲能的調節能力，同時提高垃圾處理能力與城市能源利用率。

2）考慮城市的垃圾處理與能源系統運行的差異性，提出WRESS、多源儲能與多能源系統協同運行策略，利用城市垃圾的能源利用特性與多源儲能系統和多能源系統進行協同優化，可減少熱電機組的煤耗量及外購電量、氣量，有效降低了城市能源系統的運行成本。

3）本文提出的WRESS、多源儲能與多能源系統協同優化模型，在滿足城市能源供需平衡的基礎上，可提高城市內電網、氣網的調節靈活性并減少上級電網、氣網的壓力，在未來能源互聯網及城市垃圾資源化的建設中提供一定理論支持。

附 錄

附表1 多源儲能系統參數

App.Tab.1 Multi-energy storage system parameters

類型容量單位維護成本效率（%）壽命/年 制氫裝置400MW20.2元/MW8530 電鍋爐650MW15.3元/MW9515

（續）

類型容量單位維護成本效率（%）壽命/年 燃料電池300MW19.6元/MW705 儲氫8 000m318.5元/m39535 儲熱1 500MW·h20.4元/(MW·h)9010 儲氣5000m319.6元/m39530

附表2 熱電聯產機組運行成本系數

App.Tab.2 Operating cost parameters of CHP

成本系數數值 7.6×10-5 0.26 0.75 0.2 4.2×10-5 1.13×10-4

附表3 垃圾處理補貼

App.Tab.3 Waste disposal subsidy

電廠焚燒垃圾/(元/t)糞污污水類垃圾/(元/t) 950.55

附表4 供能儲能收益均值

App.Tab.4 Energy storage and supply benefit

參數數值 儲電價格/(kW·h)0.85 供電價格/(kW·h)0.98 儲氣價格/(kW·h)1.8 供氣價格/(kW·h)1.9 供氫價格/(元/kg)62

附表5 污染物氣體排放系數及治理費用

App.Tab.5 The pollutional gas abating parameters

氣體類型排放系數/[g/(kW·h)]治理費用/(元/kg) CO0.170 20.012 5 CO2335.082 90.021 SO20.000 092 814.842 NOx0.618 80.023

[1] 蔡游明, 李征, 蔡旭. 計及控制時間窗內功率波動的風電場群無功電壓分層優化控制[J]. 電工技術學報, 2019, 34(6): 1240-1250.

Cai Youming, Li Zheng, Cai Xu. Voltage hierarchical optimal control of a wind farm cluster in account of voltage fluctuation in control time window[J]. Transactions of China Electrotechnical Society, 2019, 34(6): 1240-1250.

[2] 滕云, 張鐵巖, 陳哲. 多能源互聯系統優化運行與控制技術研究現狀與前景展望[J]. 可再生能源, 2018, 36(3): 467-474.

Teng Yun, Zhang Tieyan, Chen Zhe. Research status and prospects of the optimization and operation of multi-energy interconnected systems[J]. Renewable Energy, 2018, 36(3): 467-474.

[3] Huang Wujing, Zhang Ning, Yang Jingwei, et al. Optimal configuration planning of multi-energy systems considering distributed renewable energy[J]. IEEE Transactions on Smart Grid, 2017, 10(2): 1452-1464.

[4] 金紅洋, 滕云, 冷歐陽, 等. 基于源荷不確定性狀態感知的無廢城市多能源協調儲能模型[J]. 電工技術學報, 2020, 35(13): 2830-2842.

Jin Hongyang, Teng Yun, Leng Ouyang, et al. Multi-energy coordinated energy storage model in zero-waste cities based on situation awareness of source and load uncertainty[J]. Transactions of China Electrotechnical Society, 2020, 35(13): 2830-2842.

[5] 張羽飛, 邵蕾, 冷凇凝, 等. 山東省畜禽糞便資源評估及肥料化與能源化利用潛力分析[J]. 中國沼氣, 2019, 37(3): 93-99.

Zhang Yufei, Shao Lei, Leng Songning, et al. Assessment of livestock and poultry excrement resources in shandong and its fertilizer and enemy utilization potential[J]. China Biogas, 2019, 37(3): 93-99.

[6] 冉毅, 蔡萍, 黃家鵠. 國內外沼氣提純生物天然氣技術研究及應用[J]. 中國沼氣, 2016, 34(5): 61-66.

Ran Yi, Cai Ping, Huang Jiahu. A review on research and application of biogas upgrading technologies in china and abroad[J]. China Biogas, 2016, 34(5): 61-66.

[7] 許文君, 胡俊峰. 垃圾焚燒發電廠環境問題應對措施[J]. 山西電力, 2017(6): 56-58.

Xu Wenjun, Hu Junfeng. Treatment of environmental problems caused by waste incineration power plants[J]. Shanxi Electric Power, 2017(6): 56-58.

[8] 林大衛. 生活垃圾焚燒發電廠的建筑設計新探索——以上海老港再生能源利用中心二期為例[J]. 建筑技藝, 2019(6): 118-120.

Lin Dawei. Design exploration about waste incineration power plant: Shanghai Laogang renewable energy utilization center phase II[J]. Architecture Technique, 2019(6): 118-120.

[9] 張露嵐, 吳仕宏, 吳佳文, 等. 光伏/光熱與沼氣聯合發電系統的設計與仿真[J]. 可再生能源, 2017, 35(9): 1296-1303.

Zhang Lulan, Wu Shihong, Wu Jiawen, et al. Design and simulation of the photovoltaic/thermal with biogasunit power generation system[J]. Renewable Energy Resources, 2017, 35(9): 1296-1303.

[10] 馮智慧, 呂林, 許立雄. 基于能量樞紐的沼–風–光全可再生能源系統日前–實時兩階段優化調度模型[J]. 電網技術, 2019, 43(9): 3101-3109.

Feng Zhihui, Lü Lin, Xu Lixiong. Two-stage optimal dispatch model of day-ahead and real-time for biogas-wind-solar fully renewable energy system based on energy hub[J]. Power System Technology, 2019, 43(9): 3101-3109.

[11] 周志超, 王成山, 焦冰琦, 等. 風柴儲生物質獨立微網系統的優化控制[J]. 中國電機工程學報, 2015, 35(14): 3605-3615.

Zou Zhichao, Wang Chengshan, Jiao Bingqi, et al. Optimal control of wind/biomass/diesel/battery stand-alone microgrid system[J]. Proceedings of the CSEE, 2015, 35(14): 3605-3615.

[12] 許健, 施錦月, 張建華, 等. 基于生物質熱電混合供能的城鎮綜合能源雙層優化[J]. 電力系統自動化, 2018, 42(14): 23-31.

Jiang Chao, Xue Yusheng, Huang Jie, et al. Carbon market risk analysis and control part II sand table simulation[J]. Automation of Electric Power Systems, 2018, 42(14): 23-31.

[13] 李建林, 牛萌, 周喜超, 等. 能源互聯網中微能源系統儲能容量規劃及投資效益分析[J]. 電工技術學報, 2020, 35(4): 874-884.

Li Jianlin, Niu Meng, Zhou Xichao, et al. Energy storage capacity planning and investment benefit analysis of micro-energy system in energy interconnection[J]. Transactions of China Elect-rotechnical Society, 2020, 35(4): 874-884.

[14] Clegg S, Mancarella P. Integrated modeling and assessment of the operational impact of power-to-gas(P2G)on electrical and gas transmission networks[J]. IEEE Transactions on Sustainable Energy, 2015, 6(4): 1234-1244.

[15] 袁鐵江, 李國軍, 張增強, 等. 風電-氫儲能與煤化工多能耦合系統設備投資規劃優化建模[J]. 電工技術學報, 2016, 31(14): 21-30.

Yuan Tiejiang, Li Guojun, Zhang Zengqiang, et al. Optimal modeling on equipment investment planning of wind power-hydrogen energy storage and coal chemical pluripotent coupling system[J]. Transactions of China Electrotechnical Society, 2016, 31(14): 21-30.

[16] 滕云, 王澤鏑, 金紅洋, 等. 用于電網調節能力提升的電熱氫多源協調儲能系統模型[J]. 中國電機工程學報, 2019, 29(24): 7209-7217.

Teng Yun, Wang Zedi, Jin Hongyang, et al. Multi energy storage system model based on electricity heat and hydrogen coordinated optimization for power grid flexibility[J]. Proceedings of the CSEE, 2019, 29(24): 7209-7217.

[17] 周賢正, 郭創新, 董樹鋒, 等. 考慮配電網重構的城市多能源配電/氣/熱網擴展規劃[J]. 電力系統自動化, 2019, 43(7): 23-37.

Zhou Xianzheng, Chen Wei, Guo Chuangxin, et al. Expansion planning of urban multi-energy electricity-gas-heating distribution network incorporating electrical reconfiguration[J]. Automation of Electric Power Systems, 2019, 43(7): 23-37.

[18] 周賢正, 陳瑋, 郭創新. 考慮供能可靠性與風光不確定性的城市多能源系統規劃[J]. 電工技術學報, 2019, 34(17): 3672-3686.

Zhou Xianzheng, Chen Wei, Guo Chuangxin. An urban multi-energy system planning method incorporating energy supply reliability and wind-photovoltaic generators uncertainty[J]. Transactions of China Electrotechnical Society, 2019, 34(17): 3672-3686.

[19] 胡靜哲, 王旭, 蔣傳文, 等. 計及綜合能源服務商參與的電力系統低碳經濟調度[J]. 電網技術, 2020, 44(2): 514-521.

Hu Jingzhe, Wang Xu, Jiang Chuanwen, et al. Low-carbon economic dispatch of power system considering participation of integrated energy service providers[J]. Power System Technology, 2020, 44(2): 514-521.

[20] Eduardo A, Martínez C, Pierluigi M. Energy systems integration in smart districts: robust optimisation of multi-energy flows in integrated electricity, heat and gas networks[J]. IEEE Transactions on Smart Grid, 2019, 10(1): 1122-1131.

[21] 韓佶, 苗世洪, 李超, 等. 計及相關性的電-氣-熱綜合能源系統概率最優能量流[J]. 電工技術學報, 2019, 34(5): 1055-1067.

Han Ji, Miao Shihong, Li Chao, et al. Probabilistic optimal energy flow of electricity-gas-heat integrated energy system considering correlation[J]. Transactions of China Electrotechnical Society, 2019, 34(5): 1055-1067.

[22] 雍靜, 趙瑾, 郇嘉嘉, 等. 基于混沌增強煙花算法的多能源系統并網優化調度[J]. 電網技術, 2019, 43(10): 3725-3733.

Yong Jing, Zhao Jin, Huan Jiajia, et al. Multi-energy system optimal dispatch based on chaos enhanced firework algorithm in grid-connected[J]. Power System Technology, 2019, 43(10): 3725-3733.

The Optimal Model Based on Waste Resourceful and Urban Multi-Energy System Collaborative

Wang Zedi1Teng Yun1Yan Jiajia1Chen Zhe2

（1. School of Electrical Engineering Shenyang University of Technology Shenyang 110870 China 2. Depth Energy Technology Aalborg University Aalborg DK-9220 Denmark)

With the promotion of urban multi-energy system and the expansion of energy supply scale of waste disposal facilities. Considering the coordinated optimization of waste resourceful with urban multi-energy system, which is one of the important ways to improve waste disposal capacity and resource utilization level and the comprehensive energy supply efficiency. The waste disposal system is equivalent to a waste resourceful energy supply system (WRESS) in this paper, and a collaborative optimization model between multi-energy system and multi-energy storage system and waste resourceful energy supply system is established. Firstly, a waste resourceful energy supply model is established by the research of the relationship between the refuse output, the maximum permitted stock, the corresponding energy supply types and characteristics in a certain time scale. Then, in allusion to the relationship between the regulation characteristics of waste resourceful energy and the coordination of multi-energy system and multi-energy storage system, a collaborative optimization model with the lowest total operation and regulation cost of multi-energy system and waste resourceful energy supply system is established. Finally, based on the actual waste disposal and multi energy operation data of a city in China, through three different scenarios of the numerical example to verify the effectiveness of the proposed model. The optimal simulation results show that the model can improve the waste disposal ability, meanwhile it can also reduce the operation cost of multi energy system and enhance the system regulation.

Multi-energy system, waste resourceful, energy effciency, multi-energy storage

10.19595/j.cnki.1000-6753.tces.201258

TM711

國家重點研發計劃資助項目（2017YFB0902100）。

2020-09-22

2020-10-22

王澤鏑 男，1992年生，博士研究生，研究方向為多能源系統規劃及運行優化等。E-mail：316788633@qq.com

滕 云 男，1973年生，博士，教授，博士生導師，研究方向為可再生能源發電、多能源系統優化運行與控制等。E-mail：tengyun@sut.edu.cn（通信作者）

（編輯 赫蕾）