分布式熱電聯(lián)產(chǎn)系統(tǒng)裝機(jī)容量及運(yùn)行策略分析

張 健，徐玉杰，李 斌，陳海生，紀(jì) 律，郭 叢

分布式熱電聯(lián)產(chǎn)系統(tǒng)裝機(jī)容量及運(yùn)行策略分析

張 健1,2，徐玉杰2，李 斌1，陳海生2，紀(jì) 律2，郭 叢2

（1華北電力大學(xué)，河北 保定 071003；2中國科學(xué)院工程熱物理研究所，北京 100190）

分布式熱電聯(lián)產(chǎn)系統(tǒng)是一種臨近用戶的先進(jìn)能源系統(tǒng)，系統(tǒng)構(gòu)型、裝機(jī)容量和運(yùn)行策略的選擇對系統(tǒng)節(jié)能性、環(huán)保性和經(jīng)濟(jì)性有重要影響。本研究以某辦公大樓為對象，根據(jù)其全年實(shí)時(shí)運(yùn)行數(shù)據(jù)，分析了其熱電負(fù)荷特征；同時(shí)，為該辦公樓構(gòu)建了分別以微燃機(jī)和內(nèi)燃機(jī)為動力單元的兩種不同CHP系統(tǒng)構(gòu)型方案，建立了相應(yīng)的變工況能量平衡模型。進(jìn)一步探討了系統(tǒng)在以熱定電與以電定熱、變工況運(yùn)行與額定運(yùn)行、有儲熱與無儲熱、24 h連續(xù)運(yùn)行與早起晚停等不同運(yùn)行策略下動力機(jī)組裝機(jī)容量對該辦公樓經(jīng)濟(jì)性、節(jié)能性和環(huán)保性的影響規(guī)律。同時(shí)運(yùn)用多目標(biāo)評價(jià)指標(biāo)來對系統(tǒng)不同裝機(jī)容量和運(yùn)行策略下的收益綜合評估，并引入了混沌粒子群優(yōu)化算法來找到系統(tǒng)最大的綜合收益，結(jié)果表明，該辦公樓應(yīng)用CHP系統(tǒng)后全年的經(jīng)濟(jì)性、節(jié)能性和環(huán)保性較傳統(tǒng)的單一功能模式分別提高了22.85%、17.45%、25.06%。

分布式熱電聯(lián)產(chǎn)系統(tǒng)；負(fù)荷特征；系統(tǒng)構(gòu)型；容量優(yōu)化；粒子群算法

近年來隨著我國經(jīng)濟(jì)的快速發(fā)展，能源結(jié)構(gòu)的優(yōu)化、環(huán)境問題改善、節(jié)能減排以及提高供電安全性已經(jīng)成為我國能源領(lǐng)域的熱點(diǎn)問題[1-2]。

分布式熱電聯(lián)產(chǎn)（combined heating and power，CHP）系統(tǒng)作為一項(xiàng)新型節(jié)能減排技術(shù)，可同時(shí)滿足用戶熱電負(fù)荷，系統(tǒng)具有小而靈活的特點(diǎn)，可變換不同構(gòu)型，同時(shí)也易與可再生能源等多種能源耦合，具有較大的發(fā)展?jié)摿3-5]。

然而，用戶的冷熱電負(fù)荷需求屬于三維波動，且三者之間無內(nèi)在聯(lián)系，而CHP系統(tǒng)的冷熱電負(fù)荷按一定比例輸出，屬于一維變化；用戶負(fù)荷的三維變化與系統(tǒng)一維輸出間往往會造成負(fù)荷的供需不匹配，導(dǎo)致系統(tǒng)節(jié)能性下降[6-10]，因而系統(tǒng)輸出和用戶需求之間的匹配關(guān)系是配置系統(tǒng)的重要參考。根據(jù)文獻(xiàn)調(diào)研，影響匹配關(guān)系的主要因素有3個：系統(tǒng)構(gòu)型（設(shè)備選型及裝機(jī)容量）[12,25]、氣候和用戶類型[13,26]、運(yùn)行策略[16,27]。

用戶的冷熱電負(fù)荷需求特征對于系統(tǒng)的節(jié)能性、經(jīng)濟(jì)性和碳排放有重要的影響。然而，不同類型用戶在不同地區(qū)則表現(xiàn)出不同的負(fù)荷需求特征。其中公共建筑能耗較大，具有較大的節(jié)能潛力，CHP系統(tǒng)在該類型建筑中的應(yīng)用也得到廣泛關(guān)注。公共建筑的負(fù)荷波動性大，隨機(jī)性強(qiáng)，且不同季節(jié)有一定的差異。歐美國家根據(jù)用戶在不同的氣候區(qū)域?qū)τ脩暨M(jìn)行了分區(qū)，例如美國將用戶所在區(qū)域分為7個氣候區(qū)[29]；而我國《民用建筑熱工設(shè)計(jì)規(guī)范》中也把我國建筑劃分為5個不同的氣候區(qū)（嚴(yán)寒、寒冷、夏熱冬冷、夏熱冬暖和溫和地區(qū)）[13]。其中，ZHANG等[2]以寒冷地區(qū)的一座辦公樓為案例，通過對該建筑的供電和供熱系統(tǒng)進(jìn)行集成來為電網(wǎng)提供靈活性，最后確定了最優(yōu)的設(shè)備容量和運(yùn)行方式；因此，寒冷地域用戶應(yīng)用分布式系統(tǒng)的潛力還有待進(jìn)一步研究。

微燃機(jī)和內(nèi)燃機(jī)是分布式系統(tǒng)的兩大核心設(shè)備，對系統(tǒng)性能起關(guān)鍵作用。JING等[4]研究了微燃機(jī)、燃機(jī)和燃料電池為動力單元的分布式能源系統(tǒng)在中國不同氣候區(qū)的經(jīng)濟(jì)性、節(jié)能性和環(huán)保性。MOUSSAWI等[5]對比了微燃機(jī)、內(nèi)燃機(jī)、燃機(jī)和汽輪機(jī)等不同動力設(shè)備在分布式能源系統(tǒng)上的應(yīng)用，并通過案例分析研究了分布式多聯(lián)產(chǎn)系統(tǒng)的系統(tǒng) 構(gòu)型。

從系統(tǒng)構(gòu)型的角度講，儲熱系統(tǒng)的引入在緩解系統(tǒng)與用戶間負(fù)荷不匹配的同時(shí)，也可以減小系統(tǒng)裝機(jī)容量，可以保證系統(tǒng)始終以額定負(fù)荷高效運(yùn) 行[8-11]，總的來說，對系統(tǒng)起到“減容增效，移峰填谷”的效果。而系統(tǒng)設(shè)備裝機(jī)容量的選擇則在一定程度上決定節(jié)能情況，容量過大則系統(tǒng)偏離額定工況運(yùn)行，運(yùn)行效率低，過小則需通過補(bǔ)燃措施補(bǔ)足。因此，合理的選擇系統(tǒng)裝機(jī)容量大小，對系統(tǒng)性能的提升起到至關(guān)重要作用。任洪波等[6]提出了CHP系統(tǒng)相對不同參考系統(tǒng)節(jié)能率的理論表達(dá)式。BARBIERI等[7]建立了一個帶儲熱裝置的CHP系統(tǒng)，評估了儲熱裝置帶來的節(jié)能性。SMITH等[8]在8種不同類型的公共建筑下配置帶儲熱的CHP系統(tǒng)，結(jié)果表明低熱電比的公共建筑配置帶儲熱的CHP系統(tǒng)收益較小。VERDA等[10]發(fā)現(xiàn)儲熱裝置提高了CHP系統(tǒng)的運(yùn)行時(shí)長，減少了補(bǔ)燃量，提升了系統(tǒng)的節(jié)能率。WU等[16]研究發(fā)現(xiàn)微型CHP系統(tǒng)在熱負(fù)荷高于12 kW以后的節(jié)能性要高于分產(chǎn)系統(tǒng)。LAI等[18]討論了帶儲熱裝置的聯(lián)產(chǎn)系統(tǒng)其子系統(tǒng)內(nèi)部聯(lián)系和容量選取。金紅光等[28]分析了補(bǔ)燃量和各設(shè)備性能對分布式聯(lián)產(chǎn)系統(tǒng)的影響，討論了蓄能裝置對系統(tǒng)變工況性能的改善。

在系統(tǒng)構(gòu)型一定前提下，系統(tǒng)運(yùn)行策略決定了系統(tǒng)不同的運(yùn)行方式，MAGO等[9,16]提出了FEL（以電定熱）和FTL（以熱定電）兩種運(yùn)行策略，而在這兩種運(yùn)行策略對應(yīng)不同的用戶則系統(tǒng)表現(xiàn)出不同的節(jié)能性，因此，兩種運(yùn)行策略的選擇間接影響著系統(tǒng)的節(jié)能性。

因此，本研究基于某辦公樓實(shí)際的負(fù)荷數(shù)據(jù)為用戶研究對象，建立了適用于辦公樓用戶的CHP系統(tǒng)的不同構(gòu)型方案。同時(shí)，以年總成本節(jié)約率、一次能源節(jié)約率和二氧化碳減排量為評價(jià)指標(biāo)，引入多目標(biāo)評價(jià)來計(jì)算系統(tǒng)的綜合收益，深入研究了系統(tǒng)裝機(jī)容量的設(shè)計(jì)方法和系統(tǒng)的運(yùn)行策略選擇。最后，采用混沌粒子群多目標(biāo)優(yōu)化算法得到系統(tǒng)綜合收益最高點(diǎn)下的系統(tǒng)構(gòu)型、裝機(jī)容量和運(yùn)行策略。

1 用戶負(fù)荷分析

本研究以美國某辦公樓實(shí)測的熱電負(fù)荷為研究對象，如圖1所示為2012年全年實(shí)測運(yùn)行的熱電負(fù)荷數(shù)據(jù)。根據(jù)當(dāng)?shù)氐臍夂蛱卣鳎瑢⑵湄?fù)荷分為冬季負(fù)荷、夏季負(fù)荷和過渡季負(fù)荷，其中，冬季為1～4月和12月；夏季為7～9月；過渡季則為5月、6月、10月和11月?？梢钥闯觯好吭码娯?fù)荷需求均大于熱負(fù)荷，且電負(fù)荷波動不大，維持在70000～85000 kW·h之間；熱負(fù)荷受季節(jié)性影響很大，冬季由于采暖，熱負(fù)荷需求最大，而夏季則幾乎為零；得益于氣候和良好的通風(fēng)條件，該辦公樓幾乎沒有冷負(fù)荷需求。

圖1 某大樓2012年逐月熱電負(fù)荷需求

為方便分析該辦公樓的負(fù)荷特征，本研究以典型日為例。圖2分別給出了不同季節(jié)典型日熱電負(fù)荷逐時(shí)變化，由圖可知：夏季熱負(fù)荷幾乎為零，冬季和過渡季均有熱電負(fù)荷需求；3個季度電負(fù)荷需求大小穩(wěn)定，用電高峰期維持在190 kW左右，熱負(fù)荷變化較大，冬季尖峰熱負(fù)荷達(dá)到334 kW，過渡季尖峰熱負(fù)荷214 kW；熱電負(fù)荷有明顯的晝夜峰谷現(xiàn)象，3個季節(jié)用電高峰期均分布在8:00～19:00之間，而熱負(fù)荷則具有較大差異，冬季和過渡季熱負(fù)荷需求高峰期為7:00～18:00之間，7:00達(dá)到尖峰負(fù)荷；熱電高峰負(fù)荷出現(xiàn)和消失存在時(shí)間位差，由于存在提前暖房等措施，熱負(fù)荷高峰期往往早于電負(fù)荷。

圖2 不同季節(jié)典型日熱電負(fù)荷變化

2 熱電聯(lián)產(chǎn)系統(tǒng)描述及模型建立

2.1 系統(tǒng)流程簡圖

該辦公樓負(fù)荷主要為電和熱，因此所配置的CHP系統(tǒng)主要由發(fā)電單元和制熱單元組成。圖3為分別基于微燃機(jī)（micro-turbine，MT）和內(nèi)燃機(jī)（internal-combustion engine，ICE）的分布式供能系統(tǒng)流程圖、能流圖和熱流圖，其中圖3(a-1)和3(b-1)為流程簡圖，圖3(a-2)和圖3(b-2)為能流圖，圖3(a-3)和圖3(b-3)為熱流圖。系統(tǒng)主要包括動力單元（微燃機(jī)和內(nèi)燃機(jī)）和余熱回收單元（余熱鍋爐、補(bǔ)燃鍋爐和儲熱罐）兩部分組成。動力單元發(fā)電提供給辦公樓，不足的電力由電網(wǎng)彌補(bǔ)；排氣余熱通過余熱鍋爐回收，并進(jìn)行供熱；當(dāng)機(jī)組供熱量大于熱需求時(shí)，多余的熱儲存于儲熱罐，當(dāng)機(jī)組供熱量不足時(shí)，儲熱罐釋熱與機(jī)組一同供熱；如果儲熱罐與機(jī)組供熱仍不足，不足部分由補(bǔ)燃補(bǔ)足。

2.2 關(guān)鍵部件建模

采用文獻(xiàn)[20]提出的微燃機(jī)變工況模型，微燃機(jī)部分負(fù)荷時(shí)的發(fā)電效率與設(shè)計(jì)效率有關(guān)，具體模型如式(1)所示

采用文獻(xiàn)[22,24]提出的內(nèi)燃機(jī)模型，通過式(2)～(4)的建模可以得到微燃機(jī)在選定容量后的變工況性能，其中不同容量下內(nèi)燃機(jī)的設(shè)計(jì)發(fā)電效率ICE-e0和實(shí)設(shè)計(jì)余熱回收效率ICE-h0的計(jì)算公式如式(3)和式(4)所示，具體模型如下文所述。

（4）

對補(bǔ)燃鍋爐：

對儲熱罐，當(dāng)余熱回收量（rec）大于熱負(fù)荷需求（req）時(shí)，此時(shí)為儲熱過程，即在原有儲熱（storage-old）的基礎(chǔ)上增加儲熱量，因此，新時(shí)刻的儲熱量（storage-new）如式(6)所示。

當(dāng)rec (req?rec)，則新時(shí)刻儲熱量由式(7)表示

若storage-old<(req?rec),則storage-new=0，補(bǔ)燃鍋爐補(bǔ)足的供熱量即為補(bǔ)燃量（boiler）。補(bǔ)燃量可由式(8)來表示

微燃機(jī)和內(nèi)燃機(jī)的儲熱罐儲釋熱過程如圖3(a)、3(b)所示。其中內(nèi)燃機(jī)相比微燃機(jī)而言，余熱利用部分除了有尾氣余熱回收量（rec）外，還多了缸套水供熱量（jw）。

微燃機(jī)：設(shè)計(jì)效率MT0=33%[20]，余熱回收前的損失率=5%，MT0為微燃機(jī)額定功率，MT為微燃機(jī)實(shí)際功率，MT為發(fā)電效率，為實(shí)際功率與額定功率的比值。MT為微燃機(jī)消耗的燃料量，kW；下標(biāo)0表示設(shè)計(jì)值。

內(nèi)燃機(jī)：ICE0表示內(nèi)燃機(jī)額定功率，ICE表示內(nèi)燃機(jī)實(shí)際功率，ICE-e表示發(fā)電效率，ICE-h表示余熱回收效率，ICE表示內(nèi)燃機(jī)消耗的燃料量，kW。

余熱回收單元：熱交換器效率rec=80%，補(bǔ)燃鍋爐效率boiler=90%。boiler表示補(bǔ)燃鍋爐消耗的燃料量，kW。

2.3 系統(tǒng)評價(jià)指標(biāo)

本文對CHP系統(tǒng)性能綜合評價(jià)從經(jīng)濟(jì)性（annual total cost saving，ATCS）、節(jié)能性（primary energy saving，PES）和環(huán)保性（CO2emission reduction，CO2ER）三個方面入手。為了更方便地評價(jià)分布式熱電聯(lián)產(chǎn)系統(tǒng)的性能，本文將傳統(tǒng)單一供能模式定義為參考系統(tǒng)，即辦公樓電負(fù)荷來自外購電，由補(bǔ)燃鍋爐供熱。

（1）年總成本節(jié)約率 ATCS 年總成本（annual total cost，ATC）是一種動態(tài)的評價(jià)方法，是指把不同時(shí)間內(nèi)資金的流入和流出換算成同一時(shí)間內(nèi)資金的價(jià)值。包括設(shè)備折舊費(fèi)（annual capital cost，ACC）和年運(yùn)行能量費(fèi)用（annual energy cost，AEC），即

設(shè)備折舊費(fèi)把總的設(shè)備投資成本在系統(tǒng)使用壽命年限內(nèi)各年均攤?？杀硎緸?/p>

式中，N為第個設(shè)備的額定功率，kW；C為第個設(shè)備的單位折舊費(fèi)用，元/kW，其中微燃機(jī)（包括熱回收系統(tǒng)）、內(nèi)燃機(jī)（包括熱回收系統(tǒng)）、儲熱罐、熱交換器、補(bǔ)燃鍋爐的單位折舊費(fèi)分別取值6800元/kW、4800元/kW、230元/kW、200元/kW、300元/kW[13,15]。折現(xiàn)率=8%，設(shè)備壽命年限=20[13,15]。

系統(tǒng)的年運(yùn)行能量費(fèi)用（annual energy cost，AEC）包括整個系統(tǒng)消耗的燃料費(fèi)用以及外購電費(fèi)用?？杀硎緸?/p>

式中，表示三個季節(jié)，夏季、冬季和過渡季；T表示系統(tǒng)在該季節(jié)的運(yùn)行天數(shù)；外購電價(jià)e在6:00～21:00為0.964元/(kW·h)，在22:00～5:00為0.435元/(kW·h)，天然氣價(jià)f=0.194元/(kW·h)[13,15]。

年總成本節(jié)約率ATCS由參考系統(tǒng)的年總成本ATCref與CHP系統(tǒng)的年總成本ATC表示，即

（2）一次能源節(jié)約率PES

一次能源消耗量（primary energy consumption，PEC）將電量和燃料量統(tǒng)一折算成的一次能源。參考系統(tǒng)的一次能源消耗量PECref，CHP系統(tǒng)的一次能源消耗量PEC以及PES可表示為

式中，電量折算系數(shù)PEC,e=3.546，燃料量折算系數(shù)PEC,f=1.092[8,11]。

（3）二氧化碳減排量CO2ER

將CO2排放量（CO2emission，CO2E）作為環(huán)保性評價(jià)指標(biāo)。參考系統(tǒng)的CO2排放量CO2Eref，CHP系統(tǒng)的CO2排放量CO2E以及CO2ER可表示為

式中，單位外購電消耗的CO2排放量e=768.9 g/(kW·h)，單位天然氣消耗的CO2排放量f=199.6 g/(kW·h)[8,11]。

2.4 多目標(biāo)評價(jià)指標(biāo)

針對CHP系統(tǒng)的評價(jià)指標(biāo)涉及經(jīng)濟(jì)、節(jié)能和環(huán)保等多個方面，基于ATCS、PES和CO2ER等多個評價(jià)指標(biāo)相互結(jié)合的多目標(biāo)評價(jià)指標(biāo)（multi-objective evaluation index，MEI）可表示為[21]

式中，、、表示ATCS、PES和CO2ER等評價(jià)指標(biāo)在MEI中的權(quán)重系數(shù)。權(quán)重系數(shù)由層次分析法求得。層次分析法將與決策總是有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)上將定性分析和定量分析相結(jié)合，分解復(fù)雜的系統(tǒng)。WANG等[21]利用層次分析法得到了ATCS、PES和CO2ER在不同運(yùn)行策略下的權(quán)重系數(shù)，在以電定熱的運(yùn)行策略下，ATCS、PES和CO2ER等評價(jià)指標(biāo)在MEI中的權(quán)重系數(shù)可取0.362、0.321、0.317；在以熱定電的運(yùn)行策略下，ATCS、PES和CO2ER等評價(jià)指標(biāo)在MEI中的權(quán)重系數(shù)可取0.382、0.309、0.309[21]。

3 系統(tǒng)性能分析

CHP系統(tǒng)最典型的運(yùn)行策略有兩種：以熱定電（following the electric load，F(xiàn)EL）和以電定熱（following the thermal load，F(xiàn)TL）。同時(shí)，針對于本研究的辦公樓負(fù)荷特征系統(tǒng)也有兩種停開機(jī)狀態(tài)，即24 h連續(xù)運(yùn)行和早起晚停（7:00～19:00）。因此，本節(jié)將分析系統(tǒng)在不同裝機(jī)容量下兩種運(yùn)行策略和停開機(jī)狀態(tài)對系統(tǒng)的影響規(guī)律；同時(shí)也將對比分析儲熱系統(tǒng)對系統(tǒng)的貢獻(xiàn)；最后，運(yùn)用混沌粒子群優(yōu)化方法對系統(tǒng)進(jìn)行了優(yōu)化分析。

3.1 不同裝機(jī)容量對系統(tǒng)性能影響規(guī)律

本研究基于用戶的負(fù)荷特征，對峰谷負(fù)荷進(jìn)行劃分[17]：將負(fù)荷平均值ave以上的負(fù)荷定為峰負(fù)荷，反之為谷負(fù)荷。本研究根據(jù)冬季典型日的負(fù)荷特征，選取5個典型負(fù)荷作為裝機(jī)容量進(jìn)行計(jì)算，例如以電定熱時(shí)選最大電負(fù)荷max，電峰負(fù)荷平均值ave，75%電峰負(fù)荷平均值0.75ave，50%電峰負(fù)荷平均值0.5ave，25%電峰負(fù)荷平均值0.25ave。如圖4所示。

系統(tǒng)在以電定熱的運(yùn)行策略下，不同裝機(jī)容量不同停開機(jī)狀態(tài)及有無儲熱設(shè)備時(shí)的經(jīng)濟(jì)性（ATCS）、節(jié)能性（PES）和環(huán)保性（CO2ER）分別如圖5所示，其中儲變、儲定、無儲變分別是有儲熱裝置變工況運(yùn)行、有儲熱裝置額定工況運(yùn)行、無儲熱裝置變工況運(yùn)行的簡寫?？梢钥闯鲈诓煌ｉ_機(jī)狀態(tài)下系統(tǒng)ATCS、PES和CO2ER均具有極大值，即存在最優(yōu)裝機(jī)容量，但其系統(tǒng)各項(xiàng)性能變化有所差異。對比系統(tǒng)兩種停開機(jī)狀態(tài)，從整體上可以看出系統(tǒng)在最優(yōu)裝機(jī)容量下24 h連續(xù)運(yùn)行性能優(yōu)于早起晚停（7:00～18:00運(yùn)行）。這是由于連續(xù)運(yùn)行較早起晚停避免系統(tǒng)晚間購電的同時(shí)，也可將夜間多余的熱量通過儲熱設(shè)備遷移到白天使用，能量得到合理調(diào)度，系統(tǒng)整體性能較好。而對于系統(tǒng)不同的構(gòu)型及調(diào)控策略，可以看出配有儲熱設(shè)備的系統(tǒng)在變工況調(diào)控狀態(tài)下各項(xiàng)收益最高。究其原因，相較傳統(tǒng)加儲熱后系統(tǒng)以額定工況運(yùn)行方式，隨著用戶的電負(fù)荷需求進(jìn)行變工況運(yùn)行，減少購電量或多余電產(chǎn)生的同時(shí)，也能最大限度避免多余熱量的產(chǎn)生。對比內(nèi)燃機(jī)和燃機(jī)兩種不同的動力設(shè)備，其運(yùn)行方式和系統(tǒng)構(gòu)型對系統(tǒng)性能表現(xiàn)出相同的變化規(guī)律，但燃機(jī)在節(jié)能性和碳排放當(dāng)面優(yōu)于內(nèi)燃機(jī)。

圖4 負(fù)荷劃分及典型負(fù)荷的選取

圖6 不同容量下儲熱對系統(tǒng)性能的影響

與此同時(shí)，圖6為綜合考慮系統(tǒng)的ATCS、PES和CO2ER的MEI指標(biāo)?？梢钥闯觯到y(tǒng)配有儲熱裝置后的MEI值要高于無儲熱設(shè)備，且連續(xù)運(yùn)行優(yōu)于早起晚停，這與上文原因分析一致。因此，對于本文所分析的辦公樓，系統(tǒng)建議采取以燃機(jī)為主要的動力設(shè)備，且配備儲熱設(shè)備后以24 h連續(xù)運(yùn)行變工況的調(diào)控方式其收益最高。

3.2 不同運(yùn)行策略對系統(tǒng)性能影響規(guī)律

與此同時(shí)，系統(tǒng)不同的運(yùn)行策略對動力單元最優(yōu)容量的選擇也具有重要影響。圖7為系統(tǒng)采取儲變以電定熱和無儲以熱定電兩種運(yùn)行策略下動力單元最優(yōu)裝機(jī)容量變化趨勢。從圖中可以看出，微燃機(jī)早起晚停時(shí)在以電定熱模式下的最優(yōu)MEI要高于以熱定電，同時(shí)也高于內(nèi)燃機(jī)；連續(xù)運(yùn)行也表現(xiàn)出相同的變化趨勢。因此，系統(tǒng)加儲熱時(shí)建議采取以電定熱的運(yùn)行策略。

圖7 不同方式下系統(tǒng)性能隨裝機(jī)容量的變化

3.3 混沌粒子群優(yōu)化模型

粒子群優(yōu)化算法不同于遺傳算法等優(yōu)化算法，它通過種群間的信息共享來完成尋優(yōu)。相比遺傳算法，沒有交叉和變異操作，粒子通過內(nèi)部速度來更新，調(diào)整參數(shù)少，優(yōu)化速度快，容易實(shí)現(xiàn)。缺點(diǎn)是容易陷入局部最優(yōu)。而混沌粒子群優(yōu)化算法改善了粒子陷入局部最優(yōu)的情況，提高了算法的收斂速度和精度。因此，為得到各個停開機(jī)狀態(tài)下動力機(jī)組的最優(yōu)裝機(jī)容量。引入混沌粒子群優(yōu)化方法來尋求系統(tǒng)最優(yōu)裝機(jī)容量。具體優(yōu)化模型如下：設(shè)粒子的飛行速度和位置分別為v=(v,1,v,2, …,v,n)和x=(x,1,x,2, …,x,n)，粒子和種群的歷史最優(yōu)位置分別為p=(p,1,p,2, …,p,n)和g=(g,1,g,2, …,g,n)，在第次迭代過程中，粒子位置和速度更新方式為

式中，1、2為加速系數(shù)；為慣性權(quán)重，1和2是[0,1]的隨機(jī)數(shù)。

對粒子群的歷史最優(yōu)解進(jìn)行混沌處理。研究采用了混沌系統(tǒng)Logistic方程

式中，為控制參量。由任意初值0∈[0,1]，可迭代出一個確定的時(shí)間序列1,2,3,…。

利用混沌粒子群算法建立CHP系統(tǒng)的MEI模型，約束條件為設(shè)備容量，建立優(yōu)化模型如下

表1 FEL運(yùn)行策略下微燃機(jī)最優(yōu)裝機(jī)容量以及性能指標(biāo)

式中，1為CHP系統(tǒng)的MEI，是裝機(jī)容量，1和1為常數(shù)，為時(shí)間步長。設(shè)初始種群規(guī)模為50，最大進(jìn)化代數(shù)為200，加速因子1、2取默認(rèn)值2，慣性權(quán)重取定值0.5。如圖8所示。

優(yōu)化結(jié)果見表1。結(jié)果表明動力單元選擇帶儲熱裝置的121 kW的微燃機(jī)，以電定熱24 h變工況連續(xù)運(yùn)行的運(yùn)行策略，CHP系統(tǒng)的綜合效益最好。此時(shí)系統(tǒng)在全年的經(jīng)濟(jì)性、節(jié)能性和環(huán)保性較傳統(tǒng)的單一供能模式（參考系統(tǒng)）分別提高22.85%、17.45%、25.06%。

4 結(jié) 論

（1）本文構(gòu)建了以微燃機(jī)和內(nèi)燃機(jī)為動力單元的兩種不同CHP系統(tǒng)構(gòu)型方案，同時(shí)建立了相應(yīng)的變工況能量平衡模型；

（2）基于某辦公樓實(shí)際的熱電負(fù)荷數(shù)據(jù)，分析了兩種構(gòu)型方案下的裝機(jī)容量和運(yùn)行策略對節(jié)能性、環(huán)保性和經(jīng)濟(jì)性的影響規(guī)律。研究結(jié)果表明，對于冷負(fù)荷需求較少的用戶，系統(tǒng)動力單元選擇微燃機(jī)要優(yōu)于內(nèi)燃機(jī)，以電定熱運(yùn)行策略要優(yōu)于以熱定電；因此，對于本文所分析的辦公樓，系統(tǒng)建議采取以微燃機(jī)為主要的動力設(shè)備，且配備儲熱設(shè)備后以24 h連續(xù)運(yùn)行變工況的調(diào)控方式其收益最高。

（3）引入混沌粒子群多目標(biāo)優(yōu)化算法，得到該辦公樓的24 h連續(xù)運(yùn)行狀態(tài)下最佳裝機(jī)容量為121 kW，最優(yōu)運(yùn)行策略為FEL。該辦公樓應(yīng)用CHP系統(tǒng)后全年的經(jīng)濟(jì)性、節(jié)能性和環(huán)保性較傳統(tǒng)的單一供能模式了分別提高22.85%，17.45%和25.06%。

[1] 國家能源局. 國家能源局召開《能源發(fā)展“十三五”規(guī)劃》及《可再生能源發(fā)展“十三五”規(guī)劃》新聞發(fā)布會[J]. 電器與能效管理技術(shù), 2017(1): 74-75.

National Energy Board. National Energy Board held the "Energy Development" thirteenth five years "planning" and "renewable energy development" thirteen five "planning" press conference[J]. Electrical and Energy Efficiency Management Technology, 2017(1): 74-75.

[2] ZHANG Y, CAMPANA P E, YANG Y, et al. Energy flexibility from the consumer: Integrating local electricity and heat supplies in a building[J]. Applied Energy, 2018, 223: 430-442.

[3] 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]. 中國電機(jī)工程學(xué)報(bào), 2016, 36(12): 3150-3160. JIN H G, SUI J, XU C, et al. Research on theory and method of mutienergy complementary distributed CCHP system[J]. Proceedings of the CSEE, 2016, 36(12): 3150-3160.

[4] JING R, WANG M, BRANDON N, et al. Multi-criteria evaluation of solid oxide fuel cell based combined cooling heating and power (SOFC-CCHP) applications for public buildings in China[J]. Energy, 2017, 141: 273-289.

[5] MOUSSAWI H A, FARDOUN F, LOUAHLIA H. Selection based on differences between cogeneration and trigeneration in various prime mover technologies[J]. Renewable & Sustainable Energy Reviews, 2017, 74: 491-511.

[6] 任洪波, 吳瓊, 任建興. 基于需求側(cè)視角的天然氣分布式熱電聯(lián)產(chǎn)系統(tǒng)節(jié)能效益研究[J]. 中國電機(jī)工程學(xué)報(bào), 2015, 35(17): 4430-4438. REN H B, WU Q, REN J X, et al. Energy performance assessment of combined heat and power system based on demand-side viewpoint[J]. Proceedings of the CSEE, 2015, 35(17): 4430-4438.

[7] BARBIERI E S, MELINO F, MORINI M. Influence of the thermal energy storage on the profitability of micro-CHP systems for residential building applications[J]. Applied Energy, 2012, 97(9): 714-722.

[8] SMITH A D, MAGO P J, FUMO N. Benefits of thermal energy storage option combined with CHP system for different commercial building types[J]. Sustainable Energy Technologies & Assessments, 2013, 1: 3-12.

[9] MAGO P J, CHAMRA L M, RAMSAY J. Micro-combined cooling, heating and power systems hybrid electric-thermal load following operation[J]. Applied Thermal Engineering, 2010, 30(8): 800-806.

[10] VERDA V, COLELLA F. Primary energy savings through thermal storage in district heating networks[J]. Energy, 2011, 36(7): 4278-4286.

[11] CHO H, MAGO P J, LUCK R, et al. Evaluation of CCHP systems performance based on operational cost, primary energy consumption, and carbon dioxide emission by utilizing an optimal operation scheme[J]. Applied Energy, 2009, 86(12): 2540-2549.

[12] JIANG X Z, ZENG G, LI M, et al. Evaluation of combined cooling, heating and power (CCHP) systems with energy storage units at different locations[J]. Applied Thermal Engineering, 2016, 95: 204-210

[13] WANG J J, ZHAI Z, JING 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

[14] 蔣潤花, 曾蓉, 李洪強(qiáng), 等. 考慮氣候條件及建筑類型等因素的分布式冷熱電三聯(lián)產(chǎn)系統(tǒng)的多目標(biāo)優(yōu)化及評估[J]. 中國電機(jī)工程學(xué)報(bào), 2016, 36(12): 3206-3213.

JIANG R H, ZENG R, LI H Q, et al. Multi-objective optimization and evaluation of distributed CCHP system considering influence of climate condition and building type[J]. Proceedings of the CSEE, 2016, 36(12): 3206-3213.

[15] WANG J J, LI M, REN F K, et al. Modified exergoeconomic analysis method based on energy level with reliability consideration: Cost allocations in a biomass trigeneration system[J]. Renewable Energy, 2018, 123: 104-116.

[16] WU J Y, WANG J L, LI S. Multi-objective optimal operation strategy study of micro-CCHP system[J]. Energy, 2012, 48(1): 472-483.

[17] FENG L J, JIANG X Z, CHEN J, et al. Time-based category of combined cooling, heating and power (CCHP) users and energy matching regimes[J]. Applied Thermal Engineering, 2017, 127: 266-274.

[18] LAI S M, HUI C W. Integration of trigeneration system and thermal storage under demand uncertainties[J]. Applied Energy, 2010, 87(9): 2868-2880.

[19] WIDMANN C, L?DIGE D, TORADMAL A, et al. Enabeling CHP units for electricity production on demand by smart management of the thermal energy storage[J]. Applied Thermal Engineering, 2016, 114: 1487-1497.

[20] TICHI S G, ARDEHALI M M, NAZARI M E. Examination of energy price policies in Iran for optimal configuration of CHP and CCHP systems based on particle swarm optimization algorithm[J]. Energy Policy, 2010, 38(10): 6240-6250.

[21] WANG J J, ZHANG C F, JING Y Y. Multi-criteria analysis of combined cooling, heating and power systems in different climate zones in China[J]. Applied Energy, 2010, 87(4): 1247-1259.

[22] WANG J L, WU J Y, ZHENG C Y. Analysis of tri-generation system in combined cooling and heating mode[J]. Energy & Buildings, 2014, 72(2): 353-360.

[23] Capstone Turbine Corporation. C200 high pressure NATGAS product literature[EB/OL]. [2010-02-16]. http://www.capstoneturbine.com/products/ C2005.

[24] WU Q, REN H B, GAO W J, et al. Multi-criteria assessment of building combined heat and power systems located in different climate zones: Japan-China comparison[J]. Energy, 2016, 103: 502-512.

[25] KANG L G, YANG J H, AN Q S, et al. Complementary configuration and performance comparison of CCHP-ORC system with a ground source heat pump under three energy management modes[J]. Energy Conversion & Management, 2017, 135: 244-255.

[26] WANG J J, MAO T, SUI J, et al. Modeling and performance analysis of CCHP (combined cooling, heating and power) system based on co-firing of natural gas and biomass gasification gas[J]. Energy, 2015, 93: 801-815.

[27] WANG Z F, HAN W, ZHANG N, et al. Proposal and assessment of a new CCHP system integrating gas turbine and heat-driven cooling/power cogeneration[J]. Energy Conversion & Management, 2017, 144: 1-9.

[28] 馮志兵, 金紅光. 冷熱電聯(lián)產(chǎn)系統(tǒng)節(jié)能特性分析[J]. 工程熱物理學(xué)報(bào), 2006, 27(4): 541-544. FENG Z B, JIN H G. Performance assessment of combined cooling, heating and power[J]. Journal of Engineering Thermophysics, 2006, 27(4): 541-544.

[29] YANG G, ZHENG C Y, ZHAI X Q. Influence analysis of building energy demands on the optimal design and performance of CCHP system by using statistical analysis[J]. Energy & Buildings, 2017, 153: 297-316.

Analysis of installed capacity and operation strategy for distributed combined heating and power systems

1,2,2,1,2,2,2

(1North China Electric Power University, Baoding 071003, Hebei, China;2Institute of Engineering Thermophysics, Chinese Academy of Sciences, Beijing 100190, China)

A distributed combined heating and power (CHP) system is an advanced energy system which is close to end users. The selection of system configuration, capacity and operation strategy has an important impact on energy saving, environmental protection and economics of the system. This research took a building as an example and analyzed the characteristics of the thermal and electric loads using real time data. At the same time, two different configurations were constructed for the CHP system using respectively a micro-turbine and an internal-combustion engine as the power source, and corresponding variable-condition energy balance models were established. Furthermore, the influence of the power unit capacity on the economics, energy saving and environmental protection of the office building was discussed under different operation strategies, such as Following Thermal Load and Following Electric Load, operating under varying operating conditions and rated operation, with and without heat storage, 24-hour continuous operation and early rising and late stopping. Meanwhile, a multi-objective evaluation index was used to evaluate the benefits of the system under different installed capacities and operation strategies, and a chaotic particle swarm optimization algorithm was introduced to find the maximum comprehensive benefits of the system. The results showed that the economic, energy-saving and environmental protection performance of the office building with the CHP system was better than the traditional single function model, and the enhancements were 22.85%, 17.45% and 25.06%, respectively.

distributed combined heating and power system; load character; configuration scheme; capacity optimization; particle swarm optimization algorithm

10.12028/j.issn.2095-4239.2018.0190

TM 611

A

2095-4239（2019）01-083-09

2018-09-13；

2018-10-18。

國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2017YFB0903602），中國科學(xué)院潔凈能源先導(dǎo)科技專項(xiàng)項(xiàng)目（XDA21070200），中國科學(xué)院前沿科學(xué)重點(diǎn)研究項(xiàng)目（QYZDB-SSW-JSC023），中國科學(xué)院國際合作局國際伙伴計(jì)劃項(xiàng)目（182211KYSB20170029）。

張?。?990—），男，工學(xué)碩士，主要研究方向?yàn)榉植际綗犭娐?lián)產(chǎn)系統(tǒng)的仿真與優(yōu)化。E-mail：jzhang211@163.com。

李斌，副教授，主要從事電站系統(tǒng)及分布式系統(tǒng)的研究工作，E-mail：libin@ncepu.edu.cn。