分布式供能系統(tǒng)裝機(jī)規(guī)模及運(yùn)行策略優(yōu)化設(shè)計

廖宇峰，黃曉彤，何吉彪，劉育權(quán)，李亞軍

?

分布式供能系統(tǒng)裝機(jī)規(guī)模及運(yùn)行策略優(yōu)化設(shè)計

廖宇峰1，黃曉彤1，何吉彪1，劉育權(quán)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(xué)化學(xué)與化工學(xué)院，廣東 廣州 510000）

為解決分布式供能系統(tǒng)（DES）運(yùn)行過程中因能源供求不匹配、供需不平衡而產(chǎn)生的能量浪費(fèi)和經(jīng)濟(jì)效益差的問題，以綜合性能參數(shù)最優(yōu)為目標(biāo)函數(shù)，以系統(tǒng)逐時能量平衡為約束條件，建立了滿足多建筑業(yè)態(tài)用能需求的DES裝機(jī)規(guī)模和運(yùn)行策略的優(yōu)化模型，并將建立的模型及編制的算法應(yīng)用到某金融中心的供能系統(tǒng)設(shè)計中。結(jié)果表明：滿足該金融中心終端能源需求時的DES最佳裝機(jī)容量為15.22 MW；與傳統(tǒng)供能系統(tǒng)相比，使用本文提出的模型優(yōu)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(jī)容量優(yōu)化模型和求解策略能夠?yàn)镈ES的設(shè)計和運(yùn)行方案提供理論依據(jù)。

分布式供能系統(tǒng)；模型；優(yōu)化；運(yùn)行策略；裝機(jī)容量；綜合性能參數(shù)；逐時能量平衡

相對于傳統(tǒng)供能方式，由于靈活分散布置的分布式供能系統(tǒng)（DES）具有能源利用率高、節(jié)能減排效果顯著等優(yōu)勢，近年來被世界各國大力推進(jìn)，以促進(jìn)能源產(chǎn)業(yè)優(yōu)化升級[1-3]。然而，DES在發(fā)展過程中仍然面臨一些技術(shù)癥結(jié)，如裝機(jī)規(guī)模設(shè)計和運(yùn)行策略等，而系統(tǒng)設(shè)計規(guī)模的合理可靠性及運(yùn)行策略的科學(xué)性決定了系統(tǒng)的運(yùn)行效率和經(jīng)濟(jì)效益是否能達(dá)到預(yù)期效果。

為合理利用DES，發(fā)揮其經(jīng)濟(jì)、環(huán)保、高效的優(yōu)勢，國內(nèi)外不少學(xué)者致力于相關(guān)研究，提出了許多在不同優(yōu)化目標(biāo)或?qū)ο笙碌腄ES模型，旨在通過模型優(yōu)化獲取合理的DES裝機(jī)規(guī)模和最優(yōu)運(yùn)行策略。Rong等人[4]采用Tri-Commodity Simplex（TCS）算法對冷熱電三聯(lián)供系統(tǒng)（CCHP）進(jìn)行了優(yōu)化分析，最大限度地降低了冷、熱、電的生產(chǎn)成本和碳排放成本；而Wang等人[5]則是通過遺傳算法優(yōu)化CCHP的裝機(jī)規(guī)模。楊婉玉[6]建立了優(yōu)化模型，以10%為跨度，分別以30%~90%的尖峰冷、熱負(fù)荷裝機(jī)，并對其運(yùn)行策略進(jìn)行了優(yōu)化設(shè)計。梁文豪[7]從能源生產(chǎn)設(shè)備、能源轉(zhuǎn)換設(shè)備和儲能設(shè)備出發(fā)，構(gòu)建了1個多能互補(bǔ)的DES通用模型。Liu等人[8]使用矩陣建模的方法對CCHP進(jìn)行優(yōu)化。Li等人[9]提出了一種新型的CCHP余熱利用優(yōu)化模型，用于分布式能源系統(tǒng)的規(guī)劃和運(yùn)行優(yōu)化。Somma等人[10]為含可再生能源的多種能源設(shè)備的分布式供能系統(tǒng)建立了一個隨機(jī)多目標(biāo)線性規(guī)劃模型。孫可等[11]重點(diǎn)研究了冰蓄冷多種工作模式，針對工廠區(qū)域能源系統(tǒng)進(jìn)行了多目標(biāo)協(xié)同優(yōu)化。王建[12]采用分布式供能系統(tǒng)為醫(yī)院供應(yīng)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(jié)能效果。Mago等人[13]分別以能耗、運(yùn)行成本和環(huán)境污染最小為優(yōu)化目標(biāo)對CCHP進(jìn)行了優(yōu)化。Wang等人[14]研究了一種生物質(zhì)分布式能源系統(tǒng)，對系統(tǒng)在夏季、冬季和過渡季分別進(jìn)行能量和?評價，進(jìn)而分析全年的性能表現(xiàn)。

通過分析近年來學(xué)者們對DES建模及優(yōu)化所做的研究可知，大部分優(yōu)化模型只針對單一建筑業(yè)態(tài)的DES進(jìn)行研究，系統(tǒng)結(jié)構(gòu)相對簡單，只有發(fā)電設(shè)備或制熱設(shè)備和制冷設(shè)備，且優(yōu)化模型未考慮終端能源需求的逐時負(fù)荷波動特性，只能粗放地解決一定時間內(nèi)能源供求累積總量的匹配問題，而不能解決能源供應(yīng)及需求側(cè)能量的逐時匹配問題。面對用能負(fù)荷的波動，這類機(jī)組在實(shí)際工況運(yùn)行時，會出現(xiàn)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(yuǎn)大于用戶需求的問題，簡單結(jié)構(gòu)的DES難以適應(yīng)多變的運(yùn)行工況，導(dǎo)致機(jī)組的實(shí)際運(yùn)行能效低于理論計算能效。

對此，本文在供能系統(tǒng)中引入儲能設(shè)施解決系統(tǒng)的穩(wěn)定性，建立了1個多建筑業(yè)態(tài)的DES模型，并以系統(tǒng)綜合性能參數(shù)（）最小為目標(biāo)函數(shù)，以終端用戶逐時負(fù)荷需求作為約束條件，求解系統(tǒng)的最佳裝機(jī)規(guī)模和運(yùn)行策略；最后，基于建立的優(yōu)化模型，對北方某金融中心的供能方案進(jìn)行分析，并對該金融中心的DES裝機(jī)規(guī)模和運(yùn)行策略進(jìn)行優(yōu)化設(shè)計。

1 DES裝機(jī)規(guī)模及運(yùn)行優(yōu)化模型建立

1.1 DES建模原則

DES常用的原動機(jī)類型包括燃?xì)廨啓C(jī)、內(nèi)燃機(jī)、蒸汽輪機(jī)和燃料電池等。本文選用燃?xì)廨啓C(jī)構(gòu)建DES模型，該系統(tǒng)供能結(jié)構(gòu)如圖1所示。

圖1 DES供能結(jié)構(gòu)

系統(tǒng)設(shè)備在變負(fù)荷工況運(yùn)行時，效率一般會偏離銘牌效率。但在建模時，若考慮各種設(shè)備的變負(fù)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(yōu)解。因此，本文建模時對DES設(shè)備的性能特性進(jìn)行簡化，做出恒定效率假設(shè)，即多臺設(shè)備的聯(lián)合運(yùn)行效率始終保持在一個接近銘牌效率的水平，從而提高優(yōu)化模型的求解效率和質(zhì)量。再運(yùn)用優(yōu)化模型在滿足冷、熱、電各種用能需求的前提下，求解最佳運(yùn)行策略，使系統(tǒng)的經(jīng)濟(jì)性和節(jié)能減排效益達(dá)到最大。

1.2 多目標(biāo)評價指標(biāo)模型

經(jīng)濟(jì)性是DES能否實(shí)現(xiàn)運(yùn)行的重要影響因素，DES的節(jié)能優(yōu)勢雖明顯，但系統(tǒng)投資偏大，導(dǎo)致其發(fā)展受到一定限制。本文在優(yōu)化建模時，將系統(tǒng)的年總成本（）作為經(jīng)濟(jì)評價指標(biāo)，同時選取系統(tǒng)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(biāo)。然而，、和是3個獨(dú)立的評價指標(biāo)，不一定呈正相關(guān)關(guān)系，因此無法同時達(dá)到最優(yōu)。為權(quán)衡各評價指標(biāo)的重要性，本文采用綜合性能參數(shù)為優(yōu)化目標(biāo)。為DES與傳統(tǒng)供能系統(tǒng)（SPS）的、和的比值加權(quán)：

式中：、和分別為、和的權(quán)重系數(shù)。

不同性質(zhì)終端用戶的經(jīng)濟(jì)、能耗及環(huán)保等指標(biāo)的權(quán)重不同，需根據(jù)具體的區(qū)域要求，調(diào)整各權(quán)重系數(shù)，以確定具體的目標(biāo)函數(shù)。當(dāng)終端負(fù)荷需求確定時，傳統(tǒng)供能系統(tǒng)的、和都為固定值。因此當(dāng)值最小時，DES的、和這3個獨(dú)立評價指標(biāo)可協(xié)同達(dá)到1個最小平衡值，此時系統(tǒng)的節(jié)能減排效果和經(jīng)濟(jì)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(yùn)行成本和年維護(hù)成本（式(3)），其中年維護(hù)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(yùn)行成本，萬元；m為年維護(hù)成本，萬元。

DES的年投資成本為所有設(shè)備總投資折舊到系統(tǒng)運(yùn)行期內(nèi)每一年的成本：

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

年運(yùn)行成本包括燃?xì)廨啓C(jī)的能耗總成本（即燃?xì)廨啓C(jī)消耗天然氣的總費(fèi)用）、燃?xì)忮仩t的燃料總成本和電網(wǎng)購電總費(fèi)用：

式中：ng,i為時刻天然氣價格，元/m3（標(biāo)準(zhǔn)狀態(tài)，下同）；GT,i為時刻燃?xì)廨啓C(jī)天然氣總耗量，m3；AB,i為時刻燃?xì)忮仩t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(wǎng)的補(bǔ)電量，kW·h。

燃?xì)廨啓C(jī)時刻的實(shí)際功率為：

燃?xì)廨啓C(jī)時刻天然氣總耗量和產(chǎn)生余熱量為：

式中：ng為天然氣熱值，kJ/m3；GT,E為燃?xì)廨啓C(jī)發(fā)電效率；WHB,i為時刻余熱鍋爐供熱量，kW·h；為燃?xì)廨啓C(jī)熱電比；WHB為余熱鍋爐效率；GT,H為燃?xì)廨啓C(jī)供熱效率。

燃?xì)廨啓C(jī)的發(fā)電效率和供熱效率[15]為：

燃?xì)忮仩t時刻的天然氣總耗量為

式中：AB,i是時刻燃?xì)忮仩t的補(bǔ)燃總量，kW·h；AB為燃?xì)忮仩t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(wǎng)電消耗：

因?yàn)椴煌淮文茉雌肺徊煌瑢⑺械妮斎肽茉慈哭D(zhuǎn)換為等量的標(biāo)準(zhǔn)煤消耗，系統(tǒng)總能耗為：

式中：ng為天然氣的折算標(biāo)準(zhǔn)煤系數(shù)，kg/m3；e為網(wǎng)電的折算標(biāo)準(zhǔn)煤系數(shù)，kg/(kW·h)。

系統(tǒng)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(wǎng)電（全部折算為標(biāo)準(zhǔn)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(chǎn)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(wǎng)電的CO2排放因子，kg/(kW·h)。

1.3 約束條件

建立的DES優(yōu)化模型需考慮滿足用戶終端用能需求，即系統(tǒng)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(tǒng)每小時的輸入電量包括燃?xì)廨啓C(jī)簡單循環(huán)發(fā)電總量和電網(wǎng)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(jī)制冷，系統(tǒng)的燃?xì)廨啓C(jī)逐時運(yùn)行負(fù)荷的變化范圍為0~100%。電約束關(guān)系為：

式中：GT,i為時刻燃?xì)廨啓C(jī)發(fā)電量，kW·h；EC,i為時刻電壓縮制冷補(bǔ)充的制冷量，kW·h；EC為電壓縮制冷機(jī)的制冷系數(shù)。

供暖季系統(tǒng)每小時的輸入熱量包括燃?xì)廨啓C(jī)余熱供熱總量、燃?xì)忮仩t的補(bǔ)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(guān)系為：

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

供冷季系統(tǒng)每小時的輸入冷量包括蒸汽吸收式制冷量、電制冷機(jī)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(fù)荷存于蓄冷箱，冷約束關(guān)系為：

根據(jù)熱約束和冷約束關(guān)系，可以進(jìn)一步確定供熱換熱器、燃?xì)忮仩t、電壓縮制冷機(jī)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?xì)忮仩t額定功率，MW；EC為電壓縮制冷機(jī)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(yōu)化模型算法

由上述目標(biāo)函數(shù)及約束條件構(gòu)建的優(yōu)化模型屬于混合整數(shù)非線性規(guī)劃模型，本文通過MATLAB編制了DES最佳裝機(jī)規(guī)模優(yōu)化模型的求解算法，如圖2所示。

優(yōu)化模型采用遺傳算法，首先生成初始化種群，根據(jù)終端負(fù)荷大致確定初始燃?xì)廨啓C(jī)額定容量，進(jìn)一步得出余熱鍋爐、吸收式制冷機(jī)組及供熱換熱器等設(shè)備的額定容量，隨后進(jìn)入逐時優(yōu)化模塊。在逐時運(yùn)行優(yōu)化模塊中，基于典型日各終端逐時負(fù)荷值，得出發(fā)電設(shè)備、制冷設(shè)備、供熱設(shè)備和儲能設(shè)備等逐時運(yùn)行負(fù)荷，并判斷其是否滿足逐時能量供需約束；若不滿足，則需調(diào)整各設(shè)備的逐時運(yùn)行負(fù)荷值，直至滿足約束進(jìn)入系統(tǒng)評價模塊。根據(jù)氣價、電價、CO2排放系數(shù)、折算標(biāo)準(zhǔn)煤系數(shù)及設(shè)備參數(shù)等輸入數(shù)據(jù)，分別計算系統(tǒng)的、、和值；然后根據(jù)各影響因素的權(quán)重確定第個種群的值，并進(jìn)行迭代次數(shù)的判斷，若迭代次數(shù)大于或等于設(shè)定的迭代次數(shù)，則輸出值，否則生成新一代子代種群，通過改變?nèi)細(xì)廨啓C(jī)額定容量，進(jìn)一步迭代計算。遺傳算法每一次迭代結(jié)果都比上一代更優(yōu)，因此輸出的值最小。

圖2 優(yōu)化模型求解算法

3 DES運(yùn)行策略優(yōu)化案例分析

以中國北方某一金融中心的分布式供能系統(tǒng)設(shè)計為案例，采用本文建立的模型，對該金融中心DES的裝機(jī)規(guī)模和運(yùn)行策略進(jìn)行優(yōu)化設(shè)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(yè)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(fù)荷分析

某金融中心電負(fù)荷波動情況隨季節(jié)變化較小，而冷、熱負(fù)荷隨季節(jié)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(jù)該金融中心建筑業(yè)態(tài)用能特點(diǎn)，獲得全年逐時冷、熱負(fù)荷需求如圖3所示，其中正值代表冷負(fù)荷，負(fù)值代表熱負(fù)荷。供冷季和供暖季的日冷、熱負(fù)荷峰值統(tǒng)計如圖4所示。

圖3 某金融中心全年逐時冷、熱負(fù)荷需求

圖4 某金融中心供冷季和供暖季的日冷、熱峰值負(fù)荷統(tǒng)計

結(jié)合圖3、圖4，分析供冷季和供暖季逐時負(fù)荷波動規(guī)律，獲得該金融中心供冷季和供暖季典型日各建筑業(yè)態(tài)的逐時冷、熱、電負(fù)荷波動，結(jié)果如圖5所示。圖5中橫坐標(biāo)上、下方分別代表供冷季和供暖季的典型日逐時冷、熱負(fù)荷波動，冷、熱負(fù)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(fù)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(fù)荷

圖6 某金融中心典型日逐時電負(fù)荷

3.2 模型相關(guān)參數(shù)

根據(jù)該金融中心的業(yè)態(tài)特點(diǎn)，目標(biāo)函數(shù)中的評價指標(biāo)權(quán)重系數(shù)、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(qū)不同時段的電價見表1。各種輸入能源對應(yīng)的折算標(biāo)準(zhǔn)煤系數(shù)和CO2排放因子以及系統(tǒng)中各設(shè)備的單位成本和性能參數(shù)見 表2、表3[16]。

表1 某金融中心區(qū)不同時段電價

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

表2 折算標(biāo)準(zhǔn)煤系數(shù)和CO2排放因子

Tab.2 The standard coal and CO2 emission conversion factors

表3 各設(shè)備單位成本價格和性能參數(shù)

Tab.3 The cost and performance parameters of each device

3.3 分布式供能系統(tǒng)裝機(jī)規(guī)模優(yōu)化設(shè)計

根據(jù)建立的DES優(yōu)化設(shè)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(fù)荷時，依據(jù)綜合性能指標(biāo)最小原則，目標(biāo)函數(shù)達(dá)到最小值時，求解對應(yīng)的GT值為15.22 MW，即該金融中心DES的最佳燃?xì)廨啓C(jī)裝機(jī)容量為15.22 MW，此時系統(tǒng)的節(jié)能減排效果和經(jīng)濟(jì)效益最佳，機(jī)組在供冷季和供暖季的運(yùn)行策略如圖7—圖10所示，DES各設(shè)備容量見表4。

圖7 某金融中心供冷季典型日逐時電負(fù)荷供給

圖8 某金融中心供冷季典型日逐時冷負(fù)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(xiàn)在19:00，最高冷負(fù)荷為27.81 MW，此時吸收式制冷機(jī)組供冷21.10 MW，電制冷機(jī)組補(bǔ)充供冷0.47 MW，蓄冷箱放冷負(fù)荷6.24 MW。從冷量的供需情況可知，系統(tǒng)大部分時間都要用電制冷補(bǔ)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(bǔ)白天的供冷缺口。供冷季該金融中心的最高電負(fù)荷達(dá)15.12 MW，而發(fā)電機(jī)組滿負(fù)荷運(yùn)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(tǒng)夜間的電負(fù)荷由低谷電價的網(wǎng)電供給，并采用網(wǎng)電制冷、儲冷；系統(tǒng)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(fù)荷供給

圖10 某金融中心供暖季典型日逐時熱負(fù)荷供給

表4 DES各設(shè)備額定容量

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

依據(jù)圖9—圖10，該金融中心供暖季的供熱高峰出現(xiàn)在8:00，最高熱負(fù)荷為17.84 MW，此時機(jī)組供熱能力達(dá)7.14 MW，儲熱罐放熱量為9.19 MW，燃?xì)忮仩t提供額外的1.51 MW滿足用熱需求。在11:00—22:00期間，由優(yōu)化模型設(shè)計的運(yùn)行策略為采用以電定熱原則，優(yōu)先滿足電需求，多余的熱負(fù)荷由儲熱罐儲存起來。夜間燃?xì)廨啓C(jī)不啟用，電負(fù)荷全由廉價的網(wǎng)電供給，熱負(fù)荷由儲熱罐放熱滿足。此外供暖季與供冷季的運(yùn)行策略不同，系統(tǒng)大部分時間產(chǎn)生的電量都與需求量保持平衡，不會為產(chǎn)生更多的熱而采取多發(fā)電的方式。

3.4 分布式供能系統(tǒng)裝機(jī)規(guī)模優(yōu)化比較

若滿足終端用戶同樣的熱、電、冷負(fù)荷，采用傳統(tǒng)的供能方式，其燃?xì)廨啓C(jī)裝機(jī)負(fù)荷為0，即電負(fù)荷通過網(wǎng)電滿足，供暖季由燃?xì)忮仩t供熱，供冷季采用網(wǎng)電制冷。DES系統(tǒng)的、、、和等評價指標(biāo)的優(yōu)化結(jié)果見圖11和表5。

圖11 不同裝機(jī)規(guī)模下系統(tǒng)的Z值

表5 DES與SPS的評價指標(biāo)比較

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

由圖11可見：裝機(jī)容量為0時，即傳統(tǒng)供能系統(tǒng)，根據(jù)計算可知其值為1.00；當(dāng)系統(tǒng)裝機(jī)容量為15.22 MW時，值達(dá)到最低0.74。在滿足終端用戶能源需求的情況下，系統(tǒng)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(jié) 論

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

2）與傳統(tǒng)供能系統(tǒng)相比，采用本文提出的模型優(yōu)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(tǒng)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(tǒng)運(yùn)行策略的優(yōu)化[D]. 廣州: 華南理工大學(xué), 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(bǔ)的分布式供能系統(tǒng)建模與優(yōu)化[D]. 廣州: 華南理工大學(xué), 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(diào)多模式的工廠綜合能源系統(tǒng)多能協(xié)同優(yōu)化模型[J]. 電力建設(shè), 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?xì)夥植际侥茉丛谀翅t(yī)院中的應(yīng)用分析[J]. 上海節(jié)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(fā)電能耗狀況及展望[J]. 中國電機(jī)工程學(xué)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(tǒng)裝機(jī)規(guī)模及運(yùn)行策略優(yōu)化設(shè)計[J]. 熱力發(fā)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(diǎn)研發(fā)計劃項(xiàng)目(2016YFB0901300)；廣州市供電局科技項(xiàng)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?yàn)殡娏ο到y(tǒng)分析和運(yùn)行，519761448@163.com。

李亞軍(1969—)，女，副教授，主要研究方向?yàn)槟茉椿み^程系統(tǒng)工程能量優(yōu)化，liyajun@scut.edu.cn。

（責(zé)任編輯 李園）