分布式冷熱電聯(lián)供系統(tǒng)集成設(shè)計(jì)與優(yōu)化研究進(jìn)展

王江江，王 壯,楊 穎,武 靜

(華北電力大學(xué)能源動(dòng)力與機(jī)械工程學(xué)院，河北 保定 071003)

分布式冷熱電聯(lián)供系統(tǒng)集成設(shè)計(jì)與優(yōu)化研究進(jìn)展

王江江，王 壯,楊 穎,武 靜

(華北電力大學(xué)能源動(dòng)力與機(jī)械工程學(xué)院，河北 保定 071003)

科學(xué)合理的系統(tǒng)集成與優(yōu)化是一種提升分布式冷熱電聯(lián)供系統(tǒng)的能效、減少成本、降低溫室氣體排放的有效方法，文章綜述了當(dāng)前分布式冷熱電聯(lián)供系統(tǒng)的集成設(shè)計(jì)與優(yōu)化研究進(jìn)展。基于聯(lián)供系統(tǒng)熱(冷)電比輸出特性與用戶動(dòng)態(tài)負(fù)荷供需匹配的原則，歸納總結(jié)了冷熱電聯(lián)供系統(tǒng)四種典型的集成設(shè)計(jì)方法，結(jié)合冷熱電聯(lián)供系統(tǒng)的運(yùn)行策略，分析討論了聯(lián)供系統(tǒng)優(yōu)化過(guò)程中的優(yōu)化變量、目標(biāo)函數(shù)、求解算法及約束條件等四方面的研究進(jìn)展，提出了現(xiàn)有系統(tǒng)設(shè)計(jì)與優(yōu)化研究的不足之處和研究趨勢(shì)，為分布式冷熱電聯(lián)供系統(tǒng)的設(shè)計(jì)與運(yùn)行提供一定的參考。鑒于能源可持續(xù)發(fā)展要求，多能互補(bǔ)的分布式冷熱電聯(lián)供系統(tǒng)將迎來(lái)新的發(fā)展，系統(tǒng)集成設(shè)計(jì)與優(yōu)化方法研究也將成為必不可少的環(huán)節(jié)。

分布式冷熱電聯(lián)供系統(tǒng)；集成設(shè)計(jì)；運(yùn)行策略；優(yōu)化

0 引言

分布式供能系統(tǒng)是一種建在用戶端的能源供應(yīng)方式，可獨(dú)立運(yùn)行，也可并網(wǎng)運(yùn)行，是以資源、環(huán)境效益最大化確定方式和容量的系統(tǒng)，將用戶多種能源需求，以及資源配置狀況進(jìn)行系統(tǒng)整合優(yōu)化，采用需求應(yīng)對(duì)式設(shè)計(jì)和模塊化配置的新型能源系統(tǒng)，是相對(duì)于集中供能的分散式供能方式[1]。其中， 分布式冷熱電聯(lián)供系統(tǒng)是其主要形式，具有節(jié)能、環(huán)保、經(jīng)濟(jì)、可靠和靈活等特點(diǎn)。傳統(tǒng)的分布式冷熱電聯(lián)供系統(tǒng)常以天然氣為燃料，但隨著全球氣候與環(huán)境問(wèn)題的關(guān)注以及可再生能源技術(shù)的發(fā)展，多能互補(bǔ)的冷熱電聯(lián)供系統(tǒng)業(yè)已受到關(guān)注[2-3]。

分布式冷熱電聯(lián)供系統(tǒng)主要包括驅(qū)動(dòng)發(fā)電裝置(也稱動(dòng)力發(fā)電裝置)、熱回收裝置、熱驅(qū)動(dòng)制冷設(shè)備或換熱設(shè)備等。典型的驅(qū)動(dòng)裝置主要包括燃?xì)廨啓C(jī)、內(nèi)燃機(jī)、斯特林機(jī)和燃料電池等類型[4]；不同類型的驅(qū)動(dòng)裝置發(fā)電產(chǎn)生的廢熱形式及溫度范圍不同，則需匹配不同類型的熱驅(qū)動(dòng)制冷/熱設(shè)備，典型的制冷設(shè)備包括吸收式制冷機(jī)組和吸附式制冷機(jī)組，吸收式制冷機(jī)組根據(jù)其驅(qū)動(dòng)熱源不同有煙氣型、蒸汽或熱水型、雙源(煙氣和熱水)/三源(煙氣、熱水、天然氣)型等諸多形式。因此，對(duì)于多種型式的驅(qū)動(dòng)裝置和余熱利用裝置，如何實(shí)現(xiàn)分布式冷熱電聯(lián)供系統(tǒng)的最佳集成配置，來(lái)滿足用戶的冷熱電需求并取得最大的節(jié)能、經(jīng)濟(jì)等收益就顯得尤為必要。另外，冷熱電聯(lián)供系統(tǒng)由于冷、熱和電三種產(chǎn)品的耦合關(guān)系而使得其運(yùn)行、管理、調(diào)節(jié)等多方面變得復(fù)雜化[5]。適宜的運(yùn)行策略可提升聯(lián)供系統(tǒng)在滿足用戶冷熱電變負(fù)荷運(yùn)行中的熱力、經(jīng)濟(jì)及環(huán)保性能[6]。

綜上，分布式冷熱電聯(lián)供系統(tǒng)的集成設(shè)計(jì)與運(yùn)行策略是其實(shí)現(xiàn)資源、環(huán)境效益最大化的2個(gè)重要因素。本文圍繞分布式冷熱電聯(lián)供系統(tǒng)的設(shè)計(jì)與運(yùn)行這2個(gè)方面，就目前系統(tǒng)集成設(shè)計(jì)方法、運(yùn)行策略、性能綜合優(yōu)化等方面的研究進(jìn)展進(jìn)行總結(jié)，為分布式冷熱電聯(lián)供系統(tǒng)的設(shè)計(jì)與應(yīng)用提供參考。

1 分布式冷熱電聯(lián)供系統(tǒng)集成與設(shè)計(jì)方法

分布式冷熱電聯(lián)供系統(tǒng)遵循能量梯級(jí)利用的原則，燃料燃燒釋放的高溫?zé)崮苁紫韧ㄟ^(guò)驅(qū)動(dòng)裝置發(fā)電，中溫、低溫排煙余熱可以通過(guò)吸收式制冷(熱泵)、換熱器等方式加以轉(zhuǎn)換和利用。在能量梯級(jí)利用過(guò)程中，聯(lián)供系統(tǒng)的熱(冷)電產(chǎn)出比例是基本保持不變的。但是，冷熱電聯(lián)供系統(tǒng)是面向用戶直接供能，當(dāng)用戶負(fù)荷需求變化時(shí)，用戶負(fù)荷的熱(冷)電比并不能完全與聯(lián)供系統(tǒng)的熱(冷)電比保持一致，就有可能造成“供不應(yīng)求”或“供應(yīng)過(guò)?！钡默F(xiàn)象。

圖1 冷熱電聯(lián)供系統(tǒng)與用戶負(fù)荷動(dòng)態(tài)變化之間的關(guān)系曲線Fig.1 Relationship between CCHP system anduser load dynamic change

圖1為聯(lián)供系統(tǒng)特性與用戶動(dòng)態(tài)負(fù)荷之間的關(guān)系示意圖，這里負(fù)荷因子定義為用戶負(fù)荷與系統(tǒng)提供最大功率之比。當(dāng)系統(tǒng)變負(fù)荷運(yùn)行時(shí)，聯(lián)供系統(tǒng)的熱(冷)電輸出比例曲線近似為線性關(guān)系，而用戶負(fù)荷的動(dòng)態(tài)變化使得供需之間無(wú)法完全匹配。若系統(tǒng)首先滿足電負(fù)荷需求，當(dāng)用戶負(fù)荷點(diǎn)位于曲線上方時(shí)，則需要其他子系統(tǒng)或者措施來(lái)補(bǔ)充熱(冷)量；反之，當(dāng)用戶負(fù)荷點(diǎn)位于曲線下方時(shí)，聯(lián)供系統(tǒng)會(huì)產(chǎn)出多余的熱(冷)量。若用戶瞬時(shí)熱(冷)電負(fù)荷點(diǎn)與聯(lián)供系統(tǒng)熱(冷)電輸出曲線相重合，則說(shuō)明兩者完全平衡，不存在補(bǔ)充或多余的現(xiàn)象，而且能源輸入實(shí)現(xiàn)了100%能源梯級(jí)利用。

因此，基于冷熱電聯(lián)供系統(tǒng)與用戶需求的熱(冷)電比特性平衡匹配，聯(lián)供系統(tǒng)的集成與設(shè)計(jì)方法可歸納為以下幾種：

(1) 采用補(bǔ)電子系統(tǒng)的集成方法。為了避免驅(qū)動(dòng)裝置容量過(guò)大造成設(shè)備常時(shí)間低負(fù)荷運(yùn)行的現(xiàn)象，通常在用戶熱電比較小或者用戶電負(fù)荷大于驅(qū)動(dòng)裝置功率時(shí)，需要補(bǔ)電子系統(tǒng)為用戶補(bǔ)充不足的電力。目前，除了采用集中電網(wǎng)并網(wǎng)補(bǔ)充[7]外，基于可再生能源的分布式發(fā)電也是一種可利用的補(bǔ)充方式[8-9]。Soheyli等[7]設(shè)計(jì)分析了太陽(yáng)能光伏和風(fēng)力發(fā)電與燃料電池驅(qū)動(dòng)的冷熱電聯(lián)供系統(tǒng)集成，相比傳統(tǒng)分供系統(tǒng)取得了較好的節(jié)能減排收益。

(2) 采用補(bǔ)熱子系統(tǒng)的集成方法。當(dāng)余熱回收量不能滿足用戶熱需求時(shí)，則需要其他子系統(tǒng)或設(shè)備來(lái)補(bǔ)充熱量。目前，天然氣補(bǔ)燃鍋爐或者帶有直燃功能的余熱利用設(shè)備常用于補(bǔ)熱子系統(tǒng)。除了以燃料補(bǔ)充方式外，還可與用戶周邊可利用的資源來(lái)進(jìn)行補(bǔ)充，例如太陽(yáng)能熱利用[9]、地下水熱源、土壤熱源和空氣熱源等各種環(huán)境熱源，可根據(jù)具體的環(huán)境條件盡可能地統(tǒng)籌安排作為補(bǔ)熱子系統(tǒng)與聯(lián)供系統(tǒng)集成[10]。Zeng等[11]將地源熱泵與常規(guī)的冷熱電聯(lián)供系統(tǒng)集成，通過(guò)系統(tǒng)優(yōu)化分析，地源熱泵在冬夏補(bǔ)充比例分別達(dá)33%和44%，從而實(shí)現(xiàn)最大的節(jié)能減排收益。

(3) 采用電-熱轉(zhuǎn)換的集成方法。當(dāng)用戶熱(冷)電比大于系統(tǒng)輸出比時(shí)，可將部分熱(冷)轉(zhuǎn)換成電能的形式從而達(dá)到供需之間的匹配。最常用的方式是采用雙源制冷，將熱驅(qū)動(dòng)吸收式機(jī)組制取的冷量部分轉(zhuǎn)化為采用電驅(qū)動(dòng)電制冷機(jī)組制取，這樣將會(huì)把過(guò)多的熱需求轉(zhuǎn)化為電需求，從而平衡供需之間的差異[12-13]。對(duì)于兩者之間的配備比例，WANG提出了固定的雙源制冷運(yùn)行比[12]，LIU等對(duì)其進(jìn)行了變參數(shù)優(yōu)化[13]。類似地，ZENG等[11]采用地源熱泵將過(guò)多的冷和熱需求轉(zhuǎn)化為電需求，通過(guò)優(yōu)化兩者之間的比例達(dá)到系統(tǒng)的最佳性能。

(4) 采用蓄能調(diào)節(jié)手段的集成方法。將蓄能技術(shù)引入分布式供能系統(tǒng)，特別是基于可再生能源的分布式供能系統(tǒng)，可以有效地緩解非同步性引起的供需矛盾，提高系統(tǒng)變工況調(diào)節(jié)能力。聯(lián)供系統(tǒng)的輸出有冷、熱和電三種，與其相配套的蓄能系統(tǒng)分別為蓄電[9]、蓄冷[14]和蓄熱系統(tǒng)[9]。蓄電系統(tǒng)是將系統(tǒng)多余的電力或動(dòng)力儲(chǔ)存起來(lái)，然后在供應(yīng)不足的時(shí)候提供給用戶；通常聯(lián)供系統(tǒng)的容量較小，一般采用電池、壓縮空氣蓄能等技術(shù)。蓄熱系統(tǒng)和蓄冷系統(tǒng)則采用某種介質(zhì)，利用一定溫度變化下的熱容量或一定溫度下的相變熱等特性，分別儲(chǔ)存系統(tǒng)產(chǎn)生的多余冷和熱能。蓄能在冷熱電聯(lián)供系統(tǒng)中的集成機(jī)理主要是通過(guò)時(shí)間序列上的調(diào)節(jié)，從而使得供能系統(tǒng)的熱(冷)電比輸出與用戶需求匹配。因此，從供需平衡的角度來(lái)看，只有存在峰谷差的負(fù)荷波動(dòng)，即用戶負(fù)荷熱(冷)電分布于系統(tǒng)特性曲線的兩側(cè)，蓄能系統(tǒng)的優(yōu)勢(shì)才能凸顯出來(lái)。

2 分布式冷熱電聯(lián)供系統(tǒng)的運(yùn)行策略

研究分布式冷熱電聯(lián)供系統(tǒng)運(yùn)行策略的主要目的是在滿足系統(tǒng)供能與用戶動(dòng)態(tài)需求兩者之間達(dá)到平衡匹配的前提下，盡可能地取得最大的收益。最簡(jiǎn)單常用的運(yùn)行策略是電跟隨和熱跟隨[15]，電跟隨模式即任意時(shí)刻系統(tǒng)發(fā)電量等于電負(fù)荷，則余熱回收量可能多于或者少于用戶熱需求；熱跟隨模式即任意時(shí)刻系統(tǒng)產(chǎn)熱量等于熱負(fù)荷，則發(fā)電量可能多于或者少于用戶電需求量。然而，單一的跟隨模式往往存在問(wèn)題，例如電跟隨模式下的余熱浪費(fèi)以及熱跟隨模式下多余電量的處理，多余產(chǎn)品的輸出可能會(huì)造成系統(tǒng)性能的下降，因此為了提升系統(tǒng)性能，諸如混合跟隨模式、主動(dòng)蓄能運(yùn)行策略、折衷電熱混合策略等不同的運(yùn)行策略被提出和研究。目前，針對(duì)聯(lián)供系統(tǒng)運(yùn)行策略的研究主要集中在以下幾個(gè)方面。

2.1 基于熱(冷)電關(guān)系分析

在聯(lián)供系統(tǒng)固有的熱(冷)電比與用戶需求不平衡時(shí)，通常通過(guò)比較聯(lián)供系統(tǒng)在熱跟隨和電跟隨兩種基本的運(yùn)行策略下的性能優(yōu)劣來(lái)確定其最佳的運(yùn)行策略[15-18]。但是，多余(通過(guò)蓄能)或者少于(通過(guò)其他方式補(bǔ)充)用戶需求的運(yùn)行并不一定使得系統(tǒng)性能最優(yōu)，因此可通過(guò)分析用戶的熱(冷)電需求關(guān)系來(lái)確定較佳的運(yùn)行策略。

WANG等[7]提出了固定的雙源制冷運(yùn)行比，來(lái)使得系統(tǒng)的熱電特性與用戶盡可能的平衡匹配，達(dá)到系統(tǒng)性能的最優(yōu)；此基礎(chǔ)上，LIU等[13]在對(duì)其進(jìn)行了變參數(shù)優(yōu)化，使得用戶熱電需求特性更加與系統(tǒng)匹配。ZHENG等[19]針對(duì)負(fù)荷熱電分布點(diǎn)與系統(tǒng)熱電比特性曲線的分布，提出依據(jù)兩者最小距離的運(yùn)行策略，并進(jìn)行了性能驗(yàn)證分析。另外，基于比較系統(tǒng)熱跟隨和電跟隨兩種模式下的性能選其優(yōu)的思路，MAGO等[20]提出了熱電混合跟隨模式；HAN等[21]基于混合跟隨策略，提出了使用效率系數(shù)法的折衷混合策略，在對(duì)某酒店聯(lián)供系統(tǒng)的分析中取得了較好的性能；同樣在混合策略的思路下，LI等[22]提出通過(guò)比較逐時(shí)電熱比與轉(zhuǎn)換閥值來(lái)確定其跟隨熱負(fù)荷還是跟隨電負(fù)荷運(yùn)行。

2.2 基于蓄能裝置的運(yùn)行策略分析

為免受熱電關(guān)系束縛，在多余產(chǎn)品不能輸出外送的條件下，蓄能是一種改善其系統(tǒng)較有效的方法。劉方等[23]通過(guò)安裝蓄熱槽對(duì)熱電約束進(jìn)行解耦，在電能調(diào)節(jié)時(shí)實(shí)現(xiàn)熱能的自由調(diào)節(jié)，可提高系統(tǒng)運(yùn)行的可靠性與經(jīng)濟(jì)性。通常，蓄能裝置的運(yùn)行方式根據(jù)系統(tǒng)產(chǎn)出與用戶需求之間的關(guān)系來(lái)確定其蓄能或釋能的狀態(tài)，具有被動(dòng)性。

為了使蓄能有益于整個(gè)系統(tǒng)的性能提升，兼顧供能系統(tǒng)與用戶需求的主動(dòng)蓄能調(diào)控方法被提出[2]。WANG等[24]基于發(fā)電效率隨負(fù)荷波動(dòng)的現(xiàn)象，提出了一種平抑電負(fù)荷波動(dòng)、主動(dòng)蓄能、提高系統(tǒng)性能的蓄電裝置運(yùn)行策略。ZHENG等[25]基于用戶需求與蓄熱裝置蓄能狀態(tài)，提出一種新的蓄熱裝置蓄能策略，改變以往蓄熱裝置被動(dòng)蓄能的狀態(tài)，取得了較好的性能提升。

2.3 基于多種評(píng)價(jià)指標(biāo)分析

2.4 基于碳排放及上網(wǎng)電價(jià)政策分析

基于傳統(tǒng)評(píng)價(jià)指標(biāo)的發(fā)展，已有學(xué)者開(kāi)始從政府稅收及上網(wǎng)電價(jià)政策的角度來(lái)探索跟隨策略的適應(yīng)性。KANG等[30]在考慮CO2排放納稅及電力補(bǔ)貼的基礎(chǔ)上對(duì)電跟隨、熱跟隨及混合跟隨策略下的系統(tǒng)運(yùn)行費(fèi)用進(jìn)行了簡(jiǎn)單對(duì)比。周任軍[31]等引入將CO2作為可協(xié)調(diào)的資源，構(gòu)建碳排放交易成本函數(shù)，通過(guò)模糊自修正粒子群算法探索冷熱電聯(lián)供系統(tǒng)的綜合交易成本，為系統(tǒng)運(yùn)行策略的選擇開(kāi)辟了新的思考角度。趙軍等[32]構(gòu)建了蓄能、電熱泵與冷熱電聯(lián)供相結(jié)合的系統(tǒng)，將碳稅引入電價(jià)中以運(yùn)行費(fèi)用為目標(biāo)函數(shù)，指出當(dāng)碳稅完全附加至電價(jià)時(shí)熱跟隨策略運(yùn)行經(jīng)濟(jì)最優(yōu)。ZHENG等[33]提出了確保能源和經(jīng)濟(jì)性最優(yōu)時(shí)的上網(wǎng)電價(jià)政策，并指出當(dāng)以一次能源耗量為標(biāo)準(zhǔn)時(shí)，此政策下系統(tǒng)采用熱跟隨運(yùn)行策略性能最優(yōu)，同時(shí)政策對(duì)系統(tǒng)性能影響從冷區(qū)至熱區(qū)逐漸降低。

2.5 基于不同建筑類型及氣候分析

不同的建筑類型、不同的氣候區(qū)等因素影響用戶的負(fù)荷，并影響聯(lián)供系統(tǒng)的系統(tǒng)配置、運(yùn)行策略和性能。WANG等[34]針對(duì)中國(guó)5個(gè)典型氣候區(qū)的4種建筑類型(賓館、辦公、醫(yī)院和學(xué)習(xí))的冷熱電需求，分析比較了聯(lián)供系統(tǒng)在電跟隨運(yùn)行模式下的能源、經(jīng)濟(jì)和排放這3方面的收益。LI等[27]利用權(quán)重法和模糊最優(yōu)理論討論了大連市酒店、辦公樓和住宅建筑在熱跟隨、電跟隨及混合策略下的運(yùn)行性能，指出當(dāng)?shù)貧夂驍?shù)據(jù)是影響聯(lián)供系統(tǒng)設(shè)計(jì)和運(yùn)行優(yōu)化的重要因素，在同一策略下節(jié)能方面，酒店比辦公室和住宅建筑貢獻(xiàn)更大；經(jīng)濟(jì)性方面，辦公室最優(yōu)；綜合評(píng)價(jià)方面，辦公樓最優(yōu)，酒店其次而住宅樓最末。為減小系統(tǒng)產(chǎn)出的多余電或熱能，SMITH和MAGO[17]對(duì)聯(lián)供系統(tǒng)提出了一種混合跟隨策略，將其應(yīng)用于某大型酒店建筑，并在美國(guó) 16個(gè)城市的不同氣候條件中進(jìn)行分析，指出在廣泛的氣候條件范圍下，混合跟隨策略下模擬建筑的系統(tǒng)效率均高于熱跟隨及電跟隨。

2.6 基于優(yōu)化方法的分析

通過(guò)對(duì)某些變量或者參數(shù)的優(yōu)化，可獲得最優(yōu)的運(yùn)行策略。例如WANG采用遺傳優(yōu)化算法對(duì)雙源制冷比進(jìn)行了優(yōu)化，使得相比于未優(yōu)化的系統(tǒng)提高4個(gè)百分點(diǎn)的綜合收益[12]。為滿足不同時(shí)段的供能需求，錢(qián)虹等[35]對(duì)帶蓄能的聯(lián)供系統(tǒng)進(jìn)行分析，以總出力與各時(shí)段負(fù)荷需求差值最小為目標(biāo)，通過(guò)改進(jìn)的遺傳算法提出了一種合理的逐時(shí)優(yōu)化運(yùn)行策略，策略主要考慮節(jié)能減排與峰谷電價(jià)利用。劉偉等[36]采用線性規(guī)劃算法對(duì)上海某制造企業(yè)內(nèi)燃機(jī)冷熱電三聯(lián)供項(xiàng)目實(shí)例進(jìn)行優(yōu)化，以運(yùn)行燃料費(fèi)用最低為優(yōu)化目標(biāo)，考慮能源價(jià)格、負(fù)荷特性、設(shè)備參數(shù)等因素，得到了企業(yè)冬季工作日和休息日最優(yōu)的運(yùn)行策略。孟金英等[37]以單純形法對(duì)辦公樓冷熱電聯(lián)供系統(tǒng)冬夏季典型日運(yùn)行策略進(jìn)行優(yōu)化，指出在優(yōu)化目標(biāo)不同時(shí)，系統(tǒng)應(yīng)選擇的運(yùn)行策略不同。魏大鈞等[38]提出了一種考慮折舊運(yùn)行成本、能源成本及環(huán)境成本的經(jīng)濟(jì)優(yōu)化運(yùn)行策略，并與電跟隨相比，指出優(yōu)化策略通過(guò)利用儲(chǔ)熱及分時(shí)電價(jià)機(jī)制有效提高了系統(tǒng)綜合經(jīng)濟(jì)性。

3 分布式冷熱電聯(lián)供系統(tǒng)的優(yōu)化研究

分布式冷熱電聯(lián)供系統(tǒng)的集成設(shè)計(jì)與運(yùn)行策略的優(yōu)化是一種提高能效、減少成本、降低溫室氣體排放的有效方法。圖2[8]為基于供需平衡的冷熱電聯(lián)供系統(tǒng)優(yōu)化流程，首先在建筑側(cè)用能需求分析的基礎(chǔ)上，提出冷熱電聯(lián)供系統(tǒng)的優(yōu)化問(wèn)題、目標(biāo)及備選方案；其次針對(duì)聯(lián)供系統(tǒng)的初始方案和配置，在滿足用戶需求的條件下對(duì)其性能進(jìn)行分析計(jì)算；然后根據(jù)確定優(yōu)化目標(biāo)檢驗(yàn)其性能是否達(dá)到要求，若不能滿足優(yōu)化目標(biāo)，則采用尋優(yōu)算法對(duì)初始聯(lián)供系統(tǒng)進(jìn)行修正；如此反復(fù)直到聯(lián)供系統(tǒng)的性能達(dá)到優(yōu)化目標(biāo)。

圖2 基于供需平衡的冷熱電聯(lián)供系統(tǒng)優(yōu)化流程Fig.2 Optimization procedure of CCHP system based on demand-supply matching

聯(lián)供系統(tǒng)的優(yōu)化涉及多個(gè)方面，例如聯(lián)供系統(tǒng)的結(jié)構(gòu)優(yōu)化[39]、設(shè)備容量?jī)?yōu)化[40]、設(shè)計(jì)參數(shù)優(yōu)化[41]、運(yùn)行策略優(yōu)化[13]等。通常，一般的最優(yōu)化問(wèn)題的數(shù)學(xué)表示如下：

(1)

式中x=[x1, x2,…xn]T為優(yōu)化變量，f(x)為優(yōu)化目標(biāo)函數(shù)，gi(x)≤0為不等式約束條件，hi(x)=0為等式約束條件。當(dāng)求解多個(gè)目標(biāo)的優(yōu)化問(wèn)題時(shí)，稱為多目標(biāo)優(yōu)化，通常將多目標(biāo)轉(zhuǎn)化為單目標(biāo)的形式，采用評(píng)價(jià)函數(shù)法、層次分析法等進(jìn)行求解。

比對(duì)圖2和式(1)的數(shù)學(xué)表述，可看出聯(lián)供系統(tǒng)優(yōu)化的一般性問(wèn)題主要包含4個(gè)方面： (1)優(yōu)化變量；(2)優(yōu)化目標(biāo)；(3)優(yōu)化算法；(4)約束條件。四者之間的相互關(guān)系如圖3所示,4個(gè)因素之間相互影響、密不可分。

圖3 聯(lián)供系統(tǒng)優(yōu)化問(wèn)題中典型的因素及關(guān)系Fig.3 Relationship between typical factors in CCHP system optimization

3.1 優(yōu)化變量

根據(jù)優(yōu)化問(wèn)題的不同，分布式冷熱電聯(lián)供系統(tǒng)的優(yōu)化研究主要可歸為4類： (1)系統(tǒng)結(jié)構(gòu)優(yōu)化；(2)設(shè)備容量?jī)?yōu)化；(3)設(shè)計(jì)工況參數(shù)優(yōu)化；(4)運(yùn)行策略優(yōu)化。

系統(tǒng)結(jié)構(gòu)優(yōu)化主要針對(duì)聯(lián)供系統(tǒng)集成設(shè)計(jì)方案有多種類型的比選問(wèn)題，通過(guò)優(yōu)化的方法確定其最佳的系統(tǒng)流程、設(shè)備等。例如，可選擇的驅(qū)動(dòng)裝置就包括燃?xì)廨啓C(jī)、內(nèi)燃機(jī)、燃料電池等多種類型，而驅(qū)動(dòng)裝置的選擇取決于諸多因素：冷熱電負(fù)荷，冷熱需求種類、負(fù)荷波動(dòng)情況、空間要求、環(huán)保要求等。采用優(yōu)化的方法，可對(duì)不同組合形式下的性能進(jìn)行計(jì)算，從而選擇最佳的集成方案，通常這種優(yōu)化方法也被稱為超結(jié)構(gòu)優(yōu)化。ZHU等[39]建立了一種超結(jié)構(gòu)的聯(lián)供系統(tǒng)的多目標(biāo)優(yōu)化模型，在這一超結(jié)構(gòu)系統(tǒng)構(gòu)成中，驅(qū)動(dòng)裝置包括燃?xì)馔钙健⒈硥和钙?、冷凝透平，鍋爐包括煙氣余熱鍋爐、燃?xì)庹羝仩t和熱水鍋爐，制冷機(jī)組包括電壓縮制冷、蒸汽型吸收式制冷和熱水型吸收式制冷這3種形式，以及中低溫不同類型的換熱設(shè)備來(lái)供暖，在不同優(yōu)化目標(biāo)下對(duì)系統(tǒng)進(jìn)行了優(yōu)化，從超結(jié)構(gòu)系統(tǒng)中選取構(gòu)建了不同的集成方案。肖小清等[42]將蓄能裝置集成到超結(jié)構(gòu)方法的分布式聯(lián)供系統(tǒng)中，建立了混合整數(shù)線性優(yōu)化模型，通過(guò)分支定界法求解，實(shí)現(xiàn)了系統(tǒng)結(jié)構(gòu)的優(yōu)化，并同時(shí)將系統(tǒng)運(yùn)行策略、各設(shè)備與蓄能裝置一并優(yōu)化。

聯(lián)供系統(tǒng)的設(shè)備容量?jī)?yōu)化通常是針對(duì)系統(tǒng)流程、方案基本確定的聯(lián)供系統(tǒng)，通過(guò)對(duì)設(shè)備容量的優(yōu)化配置，達(dá)到相互間的匹配，從而獲得最佳的收益。冷熱電聯(lián)供系統(tǒng)優(yōu)化研究文獻(xiàn)中此類問(wèn)題的研究最多。WANG等[7]針對(duì)由燃?xì)怛?qū)動(dòng)裝置、余熱回收系統(tǒng)、電壓縮式制冷機(jī)組、吸收式制冷機(jī)組、補(bǔ)燃鍋爐和電網(wǎng)構(gòu)成的聯(lián)供系統(tǒng)，采用遺傳算法求解尋優(yōu)，得到各設(shè)備的容量?jī)?yōu)化配置，從而獲得在能效、經(jīng)濟(jì)和排放這3方面的最大綜合收益。SANAYE和KHAKPAAY[43]將遺傳算法和最大矩形法相結(jié)合，以相對(duì)年收益為優(yōu)化目標(biāo)，對(duì)包括燃?xì)廨啓C(jī)臺(tái)數(shù)和容量、鍋爐、蓄熱裝置、制冷機(jī)組等設(shè)備的類型和容量進(jìn)行了優(yōu)化配置，比較探討了在系統(tǒng)發(fā)電是否上網(wǎng)情況下的熱跟隨和電跟隨運(yùn)行性能。

聯(lián)供系統(tǒng)運(yùn)行策略的優(yōu)化過(guò)程中，一般會(huì)與系統(tǒng)的結(jié)構(gòu)、配置、容量等一并優(yōu)化。運(yùn)行策略的選擇是以系統(tǒng)配置為基礎(chǔ)，離開(kāi)了系統(tǒng)無(wú)從談起運(yùn)行策略的優(yōu)化，因此兩者之間緊密聯(lián)系。如第2部分所述，WANG[12]對(duì)雙源制冷比的優(yōu)化來(lái)指導(dǎo)聯(lián)供系統(tǒng)的運(yùn)行，但是與此同時(shí)也就確定了雙源制冷機(jī)組的容量配置。

3.2 優(yōu)化目標(biāo)

優(yōu)化目標(biāo)是優(yōu)化問(wèn)題的導(dǎo)向、是優(yōu)化求解算法尋優(yōu)過(guò)程的指導(dǎo)。優(yōu)化目標(biāo)是系統(tǒng)優(yōu)化的評(píng)價(jià)標(biāo)準(zhǔn)，冷熱電聯(lián)供系統(tǒng)作為一種供能系統(tǒng)，通常從能源、經(jīng)濟(jì)和環(huán)境這3方面評(píng)價(jià)。在冷熱電聯(lián)供系統(tǒng)優(yōu)化研究文獻(xiàn)中，常用的指標(biāo)如表1所示。

表1 冷熱電聯(lián)供系統(tǒng)優(yōu)化指標(biāo)

注： * ∧表示最大化；∨表示最小化。

能源的可持續(xù)發(fā)展要求使得聯(lián)供系統(tǒng)的性能不能僅在某一方面有較佳的性能，而應(yīng)在多方面表現(xiàn)最佳，因此聯(lián)供系統(tǒng)的優(yōu)化研究也從傳統(tǒng)單一目標(biāo)優(yōu)化向多目標(biāo)優(yōu)化轉(zhuǎn)變。多目標(biāo)優(yōu)化的目的是找到一組解使得所有的目標(biāo)函數(shù)的值對(duì)于設(shè)計(jì)者來(lái)說(shuō)是都可以接受的，而不是所有目標(biāo)都達(dá)到最優(yōu)的“絕對(duì)最優(yōu)解”。單一目標(biāo)優(yōu)化與多目標(biāo)優(yōu)化是有本質(zhì)區(qū)別，但是也有相互聯(lián)系。為了求解方便，在能源、經(jīng)濟(jì)和環(huán)境這3方面對(duì)聯(lián)供系統(tǒng)多目標(biāo)優(yōu)化時(shí)，傳統(tǒng)的方法是借助于加權(quán)的形式將多目標(biāo)轉(zhuǎn)化為單目標(biāo)優(yōu)化。WANG等[45]以傳統(tǒng)分供系統(tǒng)為參照，分別采用一次能源節(jié)能率、年值費(fèi)用節(jié)省率和CO2減排率來(lái)表征能源、經(jīng)濟(jì)和環(huán)境這3方面的性能，以同等權(quán)重求和的方式表示聯(lián)供系統(tǒng)的綜合性能，使其最大化來(lái)對(duì)聯(lián)供系統(tǒng)進(jìn)行了優(yōu)化配置。EBRAHIMI和AHOOKHOSH[44]采用節(jié)能率和火用效率同一類指標(biāo)加權(quán)求和的方法對(duì)集成設(shè)計(jì)的聯(lián)供系統(tǒng)進(jìn)行了優(yōu)化。另外，指標(biāo)權(quán)重的確定通常具有主觀性，權(quán)重的大小直接影響優(yōu)化結(jié)果，許多學(xué)者就指標(biāo)權(quán)重的確定方法進(jìn)行了大量的研究，提出了熵值法、主客觀優(yōu)化組合賦權(quán)法等多種方法[46]。WANG等[47]通過(guò)比較不同權(quán)重對(duì)聯(lián)供系統(tǒng)優(yōu)化配置的結(jié)果發(fā)現(xiàn)驅(qū)動(dòng)發(fā)電裝置的容量最大與最小間差1.6倍左右。

3.3 優(yōu)化算法

在優(yōu)化目標(biāo)的指導(dǎo)下，為了獲得分布式冷熱電聯(lián)供系統(tǒng)的最佳配置，則需要在約束條件下對(duì)優(yōu)化變量進(jìn)行求解，這個(gè)尋優(yōu)過(guò)程則要借助于某種算法來(lái)進(jìn)行。聯(lián)供系統(tǒng)優(yōu)化研究中應(yīng)用的算法很多，一般可分為傳統(tǒng)經(jīng)典算法和人工智能算法。

傳統(tǒng)經(jīng)典優(yōu)化算法一般針對(duì)結(jié)構(gòu)化問(wèn)題，有較為明確的問(wèn)題和條件描述，有唯一明確的全局最優(yōu)點(diǎn)。典型的經(jīng)典算法包括單純形法[48]，牛頓算法，拉格朗日松弛算法[49]等。WANG等[48]基于區(qū)域供熱提出可再生能源利用和蓄能相結(jié)合的熱電聯(lián)供系統(tǒng)優(yōu)化模型，采用修正單純形法對(duì)其進(jìn)行了優(yōu)化求解。RONG等[49]對(duì)優(yōu)化求解算法在聯(lián)供系統(tǒng)優(yōu)化中的性能表現(xiàn)進(jìn)行了研究，采用拉格朗日松弛法對(duì)設(shè)有蓄能裝置的冷熱電聯(lián)供系統(tǒng)網(wǎng)絡(luò)供能規(guī)劃進(jìn)行了優(yōu)化，通過(guò)周、月和年這3個(gè)不同時(shí)長(zhǎng)的優(yōu)化比較，發(fā)現(xiàn)各自的平均誤差分別為0.048%，0.028%和0.024%，平均計(jì)算速度分別是0.093，0.63和11 s，該優(yōu)化算法在尋優(yōu)精度和速度上都有較好的性能。這些經(jīng)典的優(yōu)化算法在聯(lián)供系統(tǒng)的優(yōu)化中性能表現(xiàn)較好。但是，對(duì)于多目標(biāo)優(yōu)化(各個(gè)優(yōu)化目標(biāo)之間度量單位不同或各目標(biāo)相互矛盾)或存在多極值優(yōu)化問(wèn)題，傳統(tǒng)的經(jīng)典優(yōu)化算法則不如人工智能算法的表現(xiàn)。

加之冷熱電聯(lián)供系統(tǒng)中多模塊、多設(shè)備、多工況等多因素的復(fù)雜性，目前越來(lái)越多人工智能算法已被應(yīng)用到聯(lián)供系統(tǒng)的優(yōu)化設(shè)計(jì)中來(lái)，例如遺傳算法[40]、進(jìn)化算法、粒子群算法[45]、免疫算法[50]等。WANG等[40]對(duì)遺傳算法在聯(lián)供系統(tǒng)優(yōu)化中的尋優(yōu)誤差和速度進(jìn)行了探討，與傳統(tǒng)循環(huán)算法相比，發(fā)現(xiàn)優(yōu)化目標(biāo)的誤差僅為0.000 41%，而速度卻是傳統(tǒng)算法的12.4倍。HAJABDOLLAHI等[51]采用粒子群優(yōu)化算法對(duì)某冷熱電聯(lián)供系統(tǒng)的29個(gè)設(shè)計(jì)參數(shù)同時(shí)進(jìn)行優(yōu)化，并與遺傳算法進(jìn)行了比較，通過(guò)3次最優(yōu)的結(jié)果比較發(fā)現(xiàn)粒子群算法優(yōu)化結(jié)果要優(yōu)于遺傳算法，另外因?yàn)樯偃チ诉z傳算法的解碼過(guò)程而使得收斂速度較快。但是，在大多數(shù)優(yōu)化算法中，特別是進(jìn)化算法，有一些控制參數(shù)會(huì)極大地影響優(yōu)化結(jié)果和收斂速度，因此，為了避免尋優(yōu)陷入局部?jī)?yōu)化解應(yīng)該恰當(dāng)?shù)貙?duì)其進(jìn)行設(shè)定。

3.4 約束條件

優(yōu)化過(guò)程中優(yōu)化變量的選擇、目標(biāo)函數(shù)的計(jì)算及優(yōu)化算法的求解過(guò)程都受到某些約束條件的限制，例如優(yōu)化變量有其尋優(yōu)的范圍、設(shè)備的輸出小于其容量、熱力參數(shù)的限制等。分布式冷熱電聯(lián)供系統(tǒng)優(yōu)化中典型的約束條件包括設(shè)備工作性能、能量平衡等。由于聯(lián)供系統(tǒng)優(yōu)化問(wèn)題的多樣性，在此就不一一詳述。

4 研究展望

許多學(xué)者就分布式冷熱電聯(lián)供系統(tǒng)集成設(shè)計(jì)與優(yōu)化開(kāi)展了大量的研究，主要集中在以下幾個(gè)方面： (1)不同類型的冷熱電聯(lián)供系統(tǒng)的熱力學(xué)分析；(2)冷熱電聯(lián)供系統(tǒng)性能計(jì)算與評(píng)價(jià)模型的建立；(3)冷熱電聯(lián)供系統(tǒng)設(shè)計(jì)與運(yùn)行的優(yōu)化模型[6]。結(jié)合分布式供能系統(tǒng)的發(fā)展趨勢(shì)[52]，尚需從以下幾點(diǎn)開(kāi)展工作：

(1) 不確定性條件下聯(lián)供系統(tǒng)的優(yōu)化。分布式冷熱電聯(lián)供系統(tǒng)的優(yōu)化配置面臨諸多的不確定性因素，例如負(fù)荷變化、能源價(jià)格、市場(chǎng)環(huán)境等。不確定性因素的存在使聯(lián)供系統(tǒng)的未來(lái)運(yùn)行工況可能與設(shè)計(jì)偏離，存在潛在風(fēng)險(xiǎn)。盡管目前開(kāi)展了一些不確定性敏感性分析，但涉及的不確定因素少、問(wèn)題簡(jiǎn)單，沒(méi)有形成完整的優(yōu)化體系。因此，尚需在多種類不確定性條件下對(duì)冷熱電聯(lián)供系統(tǒng)開(kāi)展優(yōu)化研究，增加其優(yōu)化的魯棒性和適應(yīng)性。

(2) 分布式冷熱電聯(lián)供系統(tǒng)協(xié)同控制技術(shù)。分布式冷熱電聯(lián)供系統(tǒng)變工況下高效、經(jīng)濟(jì)和低排放性能與先進(jìn)的控制策略和技術(shù)是密不可分的。而目前控制思路和運(yùn)行策略的研究較為廣泛，但是分布式冷熱電聯(lián)供系統(tǒng)的調(diào)控品質(zhì)與協(xié)同控制技術(shù)方面的研究尚不多見(jiàn)，無(wú)法適應(yīng)聯(lián)供系統(tǒng)的控制要求。

(3) 基于實(shí)時(shí)在線負(fù)荷預(yù)測(cè)的運(yùn)行策略。目前，分布式冷熱電聯(lián)供系統(tǒng)的運(yùn)行策略研究大部分是基于設(shè)計(jì)初期的建筑側(cè)需求分析，而對(duì)于項(xiàng)目實(shí)際運(yùn)行過(guò)程中，用戶的冷熱電負(fù)荷變化受到多種因素的影響，從而影響運(yùn)行策略的穩(wěn)定性和收益性。若能實(shí)行用戶負(fù)荷的實(shí)時(shí)在線預(yù)測(cè)，則可以指導(dǎo)聯(lián)供系統(tǒng)的運(yùn)行，實(shí)時(shí)修正運(yùn)行策略，從而提高系統(tǒng)性能。

(4) 多能互補(bǔ)耦合的分布式冷熱電聯(lián)供系統(tǒng)優(yōu)化。隨著我國(guó)節(jié)能減排力度不斷加大，基于可再生能源的多能互補(bǔ)耦合的分布式冷熱電聯(lián)供系統(tǒng)必將得到深入的發(fā)展。目前，對(duì)于這種多設(shè)備、多耦合、多工況的復(fù)雜系統(tǒng)的研究尚在起步階段，缺少相應(yīng)的文獻(xiàn)，不足以支撐多能互補(bǔ)系統(tǒng)的發(fā)展。今后應(yīng)重點(diǎn)針對(duì)耦合了可再生能源、發(fā)電、制冷、供熱和環(huán)境的多能互補(bǔ)系統(tǒng)，開(kāi)展不同工況下的運(yùn)行模式研究，從而協(xié)同控制各設(shè)備的運(yùn)行情況，以達(dá)到最優(yōu)的節(jié)能、經(jīng)濟(jì)和減排效應(yīng)。

5 結(jié)語(yǔ)

本文圍繞分布式冷熱電聯(lián)供系統(tǒng)的設(shè)計(jì)與運(yùn)行兩方面，就目前系統(tǒng)集成設(shè)計(jì)方法、運(yùn)行策略分析、性能綜合優(yōu)化等方面的研究進(jìn)展進(jìn)行了總結(jié)，展望了分布式冷熱電聯(lián)供系統(tǒng)設(shè)計(jì)與優(yōu)化的研究方向。目前，我國(guó)的分布式供能系統(tǒng)的應(yīng)用相比于國(guó)外發(fā)達(dá)國(guó)家處于起步階段，技術(shù)、規(guī)范、政策等尚不成熟和完善，但是隨著《能源發(fā)展“十三五”規(guī)劃》、《可再生能源發(fā)展“十三五”規(guī)劃》等一系列的“十三五”規(guī)劃的發(fā)布，分布式供能系統(tǒng)的示范與應(yīng)用將迎來(lái)新的發(fā)展契機(jī)，就分布式供能系統(tǒng)的集成與優(yōu)化研究應(yīng)引起工業(yè)領(lǐng)域和學(xué)術(shù)領(lǐng)域的充分重視。

[1] 殷平. 冷熱電三聯(lián)供系統(tǒng)研究(1)： 分布式能源還是冷熱電三聯(lián)供[J]. 暖通空調(diào), 2013, 43(4): 10-17. YIN Ping, Research of combined cooling heating and power system (1)：Distributed energy resource or combined cooling heating and power[J]. Journal of Heating, Ventilation and Air Conditioning, 2013, 43(4): 10-17.

[2] 金紅光, 隋軍, 徐聰, 等, 多能源互補(bǔ)的分布式冷熱電聯(lián)產(chǎn)系統(tǒng)理論與方法研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2016, 36(12): 3150-3160. JIN Hongguang, SUI Jun, XU Cong, et al., Research on theory and method of muti-energy complementary distributed CCHP system[J]. Proceedings of the CSEE, 2016, 36(12): 3150-3160.

[3] 金紅光, 隋軍. 變革性能源利用技術(shù)——分布式能源系統(tǒng)[J]. 分布式能源, 2016, 1(1): 1-5. JIN Hongguang, SUI Jun, Transformational technology innovation—Distributed energy system[J]. Distributed Energy, 2016, 1(1): 1-5.

[4] WU D W, WANG R Z. Combined cooling, heating and power: A review[J]. Progress in Energy and Combustion Science, 2006, 32(5-6): 459-495.

[5] GU W, WU Z, BO R, et al. Modeling, planning and optimal energy management of combined cooling, heating and power microgrid: A review[J]. International Journal of Electrical Power & Energy Systems, 2014, 54(1): 26-37.

[6] CHO H, SMITH A D, MAGO P. Combined cooling, heating and power: A review of performance improvement and optimization[J]. Applied Energy, 2014, 136(12): 168-185.

[7] 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.

[8] SOHEYLI S,MAYAM M H S, MEHRJOO M. Modeling a novel CCHP system including solar and wind renewable energy resources and sizing by a CC-MOPSO algorithm[J]. Applied Energy, 2016, 184(12): 375-395.

[9] WANG J J, LU Y C, YANG Y, et al. Thermodynamic performance analysis and optimization of a solar-assisted combined cooling, heating and power system[J]. Energy, 2016, 115, Part 1(11): 49-59.

[10] 金紅光, 林汝謀. 能的綜合梯級(jí)利用與燃?xì)廨啓C(jī)總能系統(tǒng)[M]. 北京: 科學(xué)出版社, 2008.

[11] ZENG R, LI H, JIANG R, et al. A novel multi-objective optimization method for CCHP-GSHP coupling systems[J]. Energy and Buildings, 2016, 112(1): 149-158.

[12] 王江江. 樓宇級(jí)冷熱電聯(lián)供系統(tǒng)優(yōu)化及多屬性綜合評(píng)價(jià)方法研究[D]. 保定: 華北電力大學(xué), 2011. WANG Jiangjiang, Optimal design of building cooling heating and power system and its multi-criteria integrated evaluation method [D]. 保定: 華北電力大學(xué), 2011.

[13] LIU M, SHI Y, FANG F. A new operation strategy for CCHP systems with hybrid chillers[J]. Applied Energy, 2012, 95(7): 164-173.

[14] SONG X, LIU L, ZHU T, et al. Comparative analysis on operation strategies of CCHP system with cool thermal storage for a data center[J]. Applied Thermal Engineering, 2016, 108(12): 680-688.

[15] WANG J J, JING Y Y, ZHANG C F, et al. Performance comparison of combined cooling heating and power system in different operation modes[J]. Applied Energy, 2011, 88(12): 4621-4631.

[16] MAGO P J, FUMO N, CHAMRA L M. Performance analysis of CCHP and CHP systems operating following the thermal and electric load[J]. International Journal of Energy Research, 2009, 33(9): 852-864.

[17] SMITH A D, MAGO P J. Effects of load-following operational methods on combined heat and power system efficiency[J]. Applied Energy, 2014, 115(2): 337-351.

[18] LONG W C, LUCK R, MAGO P J. Uncertainty based operating strategy selection in combined heat and power systems[J]. Applied Thermal Engineering, 2016, 98(4): 1013-1024.

[19] ZHENG C Y, WU J Y, ZHAI X Q, A novel operation strategy for CCHP systems based on minimum distance[J]. Applied Energy, 2014, 128(9): 325-335.

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

[21] HAN G, YOU S, YE T, et al. Analysis of combined cooling, heating, and power systems under a compromised electric-thermal load strategy[J]. Energy and Buildings, 2014, 84(9): 586-594.

[22] LI L, MU H, LI N, et al. Analysis of the integrated performance and redundant energy of CCHP systems under different operation strategies[J]. Energy and Buildings, 2015, 99: 231-242.

[23] 劉方, 楊秀, 黃海濤, 等. 含熱電聯(lián)產(chǎn)熱電解耦運(yùn)行方式下的微網(wǎng)能量綜合優(yōu)化[J]. 電力系統(tǒng)及其自動(dòng)化, 2016, 28(1): 51-57. LIU Fang, YANG Xiu, HUANG Haitao, et al. Energy comprehensive optimization of micro-grid including CHP with thermoelectric decoupling operation mode [J]. Proceedings of the CSU-EPSA, 2016, 28(1): 51-57.

[24] WANG J, SUI J, JIN H. An improved operation strategy of combined cooling heating and power system following electrical load[J]. Energy, 2015, 85(6): 654-666.

[25] ZHENG C Y, WU J Y, ZHAI X Q, et al. A novel thermal storage strategy for CCHP system based on energy demands and state of storage tank[J]. International Journal of Electrical Power & Energy Systems, 2017, 85(2): 117-129.

[26] WEI D, CHEN A, SUN B, et al. Multi-objective optimal operation and energy coupling analysis of combined cooling and heating system[J]. Energy, 2016, 98(3): 296-307.

[27] LI M, MU H, LI N, et al. Optimal design and operation strategy for integrated evaluation of CCHP (combined cooling heating and power) system[J]. Energy, 2016, 99(3): 202-220.

[28] ROMAN K K, ALVEY J B. Selection of prime mover for combined cooling, heating, and power systems based on energy savings, life cycle analysis and environmental consideration[J]. Energy and Buildings, 2016, 110(1): 170-181.

[29] KANG S, LI H, LIU L, et al. Evaluation of a novel coupling system for various load conditions under different operating strategies[J]. Energy Conversion and Management, 2016, 109(2): 40-50.

[30] KANG L, YANG J, DENG S, et al. Energy, economical, environmental evaluation of a CCHP-Gshp system based on carbon tax and electric feed in tariff[J]. Energy Procedia, 2016, 88(1): 510-517.

[31] 周任軍, 李紹金, 陳瑞先, 等. 采用模糊自修正粒子群算法的碳排放權(quán)交易冷熱電多目標(biāo)調(diào)度[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(34): 6119-6126. ZHOU Renjun, LI Shaojin, CHEN Ruixian, et al. Combined cool and heat and power multi-objective scheduling considering carbon emissions trading using algorithm of fuzzy self-correction particle swarm optimization[J]. Proceedings of the CSEE, 2014, 34(34): 6119-6126.

[32] 趙軍, 王惠, 康利改, 等. 分布式能源系統(tǒng)最佳策略下碳稅與氣價(jià)敏感性分析[J]. 天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版), 2016, 49(2): 151-157. ZHAO Jun, WANG Hui, KANG Ligai, et al. Sensitivity analysis on carbon tax and gas price of distributed energy system under optimal strategy[J]. Journal of Tianjin University(Science and Technology), 2016, 49(2): 151-157.

[33] ZHENG C Y, WU J Y, ZHAI X Q, et al. Impacts of feed-in tariff policies on design and performance of CCHP system in different climate zones[J]. Applied Energy, 2016, 175(8): 168-179.

[34] WANG J J, ZHAI Z Q, JING Y Y, et al. Influence analysis of building types and climate zones on energetic, economic and environmental performances of BCHP systems[J]. Applied Energy, 2011, 88(9): 3097-3112.

[35] 錢(qián)虹, 楊明, 陳丹, 等. 分布式能源站三聯(lián)供系統(tǒng)優(yōu)化運(yùn)行策略研究[J]. 熱能動(dòng)力工程, 2016, 31(6): 74-79. QIAN Hong, YANG Ming, CHEN Dan, et al. Optimization strategies for the operation of CCHP system in distributed energy station[J]. Journal of Engineering for Thermal Energy & Power, 2016, 31(6): 74-79.

[36] 劉偉, 古云蛟. 基于線性規(guī)劃算法的燃?xì)鈨?nèi)燃機(jī)三聯(lián)供系統(tǒng)運(yùn)行策略優(yōu)化[J]. 上海電氣技術(shù), 2016, 9(1): 9-13. LIU Wei, GU Yunjiao. Optimization of operation strategy of gas engine CCHP system based on linear programming algorithm[J]. Shanghai Electric Technology, 2016, 9(1): 9-13.

[37] 孟金英, 李惟毅, 任慧琴, 等. 微燃機(jī)冷熱電三聯(lián)供系統(tǒng)運(yùn)行策略優(yōu)化分析[J]. 化工進(jìn)展, 2015, 34(3): 638-646. MENG Jinying, LI Weiyi, REN Huiqing, et al. Operation strategy optimization analysis of CCHP system based on micro gas turbine[J]. Chemical Industry and Engineering Progress, 2015, 34(3): 638-646.

[38] 魏大鈞, 張承慧, 孫波. 計(jì)及變負(fù)荷特性的小型冷熱電聯(lián)供系統(tǒng)經(jīng)濟(jì)優(yōu)化運(yùn)行研究[J]. 電網(wǎng)技術(shù), 2015, 39(11): 3240-3246. WEI Dajun, ZHANG Chenhui, SUN Bo. Economic optimal operation of micro combined cooling heating and power system considering off-design performance[J]. Power System Technology, 2015, 39(11): 3240-3246.

[39] ZHU Q, LUO X, ZHANG B, et al. Mathematical modelling and optimization of a large-scale combined cooling, heat, and power system that incorporates unit changeover and time-of-use electricity price[J]. Energy Conversion and Management, 2017, 133: 385-398.

[40] WANG J J, XU Z L, JIN H G, et al. Design optimization and analysis of a biomass gasification based CCHP system: A case study in Harbin, China[J]. Renewable Energy, 2014, 71(11): 572-583.

[41] JAVAN S, MOHAMADI V, AHMADI P, et al. Fluid selection optimization of a combined cooling, heating and power (CCHP) system for residential applications[J]. Applied Thermal Engineering, 2016, 96(3): 26-38.

[42] 肖小清, 闞偉民, 楊允, 等. 有蓄能的聯(lián)供系統(tǒng)超結(jié)構(gòu)優(yōu)化配置[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2012, 32(32): 8-14. XIAO Xiaoqing, KAN Weimin, YANG Yun, et al. Superstructure-based optimal planning of cogeneration systems with storage[J]. Proceedings of the CSEE, 2012, 32(32): 8-14.

[43] SANAYE S, KHAKPAAY N. Simultaneous use of MRM (maximum rectangle method) and optimization methods in determining nominal capacity of gas engines in CCHP (combined cooling, heating and power) systems[J]. Energy, 2014, 72(8): 145-158.

[44] EBRAHIMI M, AHOOKHOSH K. Integrated energy-exergy optimization of a novel micro-CCHP cycle based on MGT-ORC and steam ejector refrigerator[J]. Applied Thermal Engineering, 2016, 102(6): 1206-1218.

[45] WANG J J, ZHAI Z Q, JING Y Y, et al. Particle swarm optimization for redundant building cooling heating and power system[J]. Applied Energy, 2010, 87(12): 3668-3679.

[46] WANG J J, JING Y Y, ZHANG C F, et al. Review on multi-criteria decision analysis aid in sustainable energy decision-making[J]. Renewable and Sustainable Energy Reviews, 2009, 13(9): 2263-2278.

[47] WANG J J, ZHAI Z Q, JING Y Y, et al. Sensitivity analysis of optimal model on building cooling heating and power system[J]. Applied Energy, 2011, 88(12): 5143-5152.

[48] WANG H, YIN W, ABDOLLAHI E, et al. Modelling and optimization of CHP based district heating system with renewable energy production and energy storage[J]. Applied Energy, 2015, 159(12): 401-421.

[49] RONG A, LAHDELMA R, LUH P B. Lagrangian relaxation based algorithm fortrigeneration planning with storages[J]. European Journal of Operational Research, 2008, 188(1): 240-257.

[50] BASU M. Artificial immune system for combined heat and power economic dispatch[J]. International Journal of Electrical Power & Energy Systems, 2012, 43(1): 1-5.[51] HAJABDOLLAHI H, GANJEHKAVIRI A, JAAFAR M N M.

Assessment of new operational strategy in optimization of CCHP plant for different climates using evolutionary algorithms[J]. Applied Thermal Engineering, 2015, 75(1): 468-480.

[52] 李立浧, 張勇軍, 徐敏. 我國(guó)能源系統(tǒng)形態(tài)演變及分布式能源發(fā)展[J]. 分布式能源, 2017, 2(1): 1-9. LI Licheng, ZHANG Yongjun, XU Min. Morphological evolution of energy system and development of distributed energy in China[J]. Distributed Energy, 2017, 2(1): 1-9

王江江

(編輯 蔣毅恒)

Review of Integrated Design and Optimization of Distributed Combined Cooling Heating and Power System

WANG Jiangjiang, WANG Zhuang, YANG Ying, WU Jing

(School of Energy, Power and Mechanical Engineering, North China Electric Power University, Baoding 071003, Hebei Province, China)

Scientific and reasonable integrated design and optimization is an effective method to improve the performances of distributed combined cooling heating and power (CCHP) system, as well as reduce the costs and greenhouse gas emissions. This paper reviews the current researches on the integrated design and optimization of CCHP system. Based on the output characteristics of heat (cool)-power-ratios in CCHP system and the balance principle of user dynamic load supply and demand, we summarize four typical integrated design methods of CCHP system, analyze and discuss the research progress of CCHP system including four aspects of variables, objective function, solve algorithm and constraint condition during optimization process with combining the operation strategy of CCHP system, and then present the shortcomings and research tendency of the existing system’s design and optimization research, which provides some reference for the integrated design and optimization of CCHP system. The development of multi-energy complementary CCHP systems for sustainable energy development requirements promotes the research on the integration design and optimization of CCHP system.

distributed combined cooling heating and power system; integrated design; operation strategy; optimization

TK 01

A

2096-2185(2017)02-0001-10

10.16513/j.cnki.10-1427/tk.2017.02.001

國(guó)家自然科學(xué)基金項(xiàng)目(5106054);中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(2015MS119)

2017-02-20

王江江(1979—)，男，博士，副教授，研究方向?yàn)榉植际焦┠芟到y(tǒng)與可再生能源應(yīng)用， wangjj@ncepu.edu.cn；

王 壯(1992—)，男，碩士研究生，研究方向?yàn)樘?yáng)能空調(diào)；

楊 穎(1994—)，女，碩士，研究方向?yàn)樘?yáng)能與天然氣互補(bǔ)冷熱電聯(lián)供系統(tǒng)；

武 靜(1992—)，女，碩士研究生，研究方向?yàn)樯镔|(zhì)分布式供能系統(tǒng)。

Project supported by National Natural Science Foundation of China(5106054), Fundamental Research Funds for the Central Universities(2015MS119)