區(qū)域綜合能源系統(tǒng)多目標(biāo)優(yōu)化及改進(jìn)主客觀評(píng)價(jià)

摘 要：以區(qū)域綜合能源系統(tǒng)為研究對(duì)象，首先開展能源系統(tǒng)的優(yōu)化策略分析工作，然后針對(duì)能效、經(jīng)濟(jì)、環(huán)境進(jìn)行多目標(biāo)優(yōu)化求解，最后引入猶豫評(píng)價(jià)，建立并應(yīng)用改進(jìn)最優(yōu)最劣法（HBWM）-熵權(quán)法的主客觀權(quán)重評(píng)價(jià)體系，得到最優(yōu)系統(tǒng)配置和運(yùn)行規(guī)劃。結(jié)果表明：優(yōu)化設(shè)計(jì)策略有效解決了多能協(xié)同問題；相較于傳統(tǒng)冷熱電聯(lián)供系統(tǒng)，最優(yōu)系統(tǒng)減少14.9%化石燃料消耗、8.9%年投資成本、4.7%度能成本、14.9%碳排放量和18.1%用水消耗，在能源、經(jīng)濟(jì)、環(huán)保3個(gè)方面有明顯優(yōu)勢(shì)。

關(guān)鍵詞：區(qū)域綜合能源系統(tǒng)；多目標(biāo)優(yōu)化；猶豫評(píng)價(jià)；主客觀權(quán)重法

中圖分類號(hào)：TK01+8 " " " " " " " "文獻(xiàn)標(biāo)志碼：A

0 引 言

區(qū)域綜合能源系統(tǒng)作為一種針對(duì)區(qū)域的能源供應(yīng)系統(tǒng)，包括傳統(tǒng)冷熱電聯(lián)供系統(tǒng)、新能源設(shè)備和儲(chǔ)能系統(tǒng)，其規(guī)劃設(shè)計(jì)較為復(fù)雜。針對(duì)于區(qū)域負(fù)荷需求，設(shè)計(jì)出包括容量配置及運(yùn)行規(guī)劃在內(nèi)的系統(tǒng)方案具有重要研究意義。

在開展區(qū)域綜合能源系統(tǒng)的優(yōu)化工作時(shí)，一些學(xué)者采用經(jīng)濟(jì)性指標(biāo)作為優(yōu)化目標(biāo)。吳江等［1］和汪德成等［2］采用經(jīng)濟(jì)成本為優(yōu)化目標(biāo)建立目標(biāo)函數(shù)。但從實(shí)際來看，區(qū)域綜合能源系統(tǒng)的優(yōu)化是一個(gè)典型的多目標(biāo)優(yōu)化問題，涉及到經(jīng)濟(jì)、環(huán)境、能源等多個(gè)因素。為開展多目標(biāo)優(yōu)化工作，韓旭等［3］引入碳稅，將二氧化碳排放量和年總成本多目標(biāo)優(yōu)化轉(zhuǎn)換為單目標(biāo)優(yōu)化；黃宇等［4］以效率和運(yùn)行成本為目標(biāo)函數(shù)，采用TOPSIS法對(duì)帕累托前沿進(jìn)行最優(yōu)決策。從上述研究中可發(fā)現(xiàn)，目前多目標(biāo)優(yōu)化對(duì)能源、經(jīng)濟(jì)、環(huán)境3個(gè)方面綜合考慮的多目標(biāo)優(yōu)化仍有不足，同時(shí)，對(duì)于帕累托解集的最優(yōu)決策工作仍可進(jìn)一步開展。

在能源系統(tǒng)的評(píng)價(jià)研究中，常采用指標(biāo)權(quán)重法來評(píng)價(jià)不同設(shè)計(jì)方案。沈萌等［5］采用主客觀結(jié)合的“層次分析法-熵權(quán)法”來確定指標(biāo)組合權(quán)重。然而，最優(yōu)最劣法（best worst method，BWM）有著一致性較高的優(yōu)勢(shì)卻很少用于主客觀權(quán)重法。同時(shí)，猶豫決策也是評(píng)價(jià)體系中的重要內(nèi)容，因此指標(biāo)權(quán)重法中可引入BWM及猶豫評(píng)價(jià)。

本文在上述研究的基礎(chǔ)上，針對(duì)區(qū)域綜合能源系統(tǒng)的優(yōu)化設(shè)計(jì)，首先綜合考慮新能源及儲(chǔ)能系統(tǒng)的協(xié)同性，提出包含容量配置和運(yùn)行規(guī)劃的優(yōu)化策略，然后采用效率、年投資成本、年碳排放總量分別作為能效、經(jīng)濟(jì)、環(huán)境目標(biāo)函數(shù)，開展多目標(biāo)優(yōu)化工作，最后引入猶豫評(píng)價(jià)，建立改進(jìn)BWM法-熵權(quán)法的主客觀評(píng)價(jià)模型，完成帕累托解集的最優(yōu)決策工作，并對(duì)最優(yōu)方案進(jìn)行討論。

1 系統(tǒng)架構(gòu)及優(yōu)化策略

1.1 系統(tǒng)架構(gòu)

區(qū)域綜合能源系統(tǒng)由供能來源、耦合供能系統(tǒng)和用戶側(cè)負(fù)荷3個(gè)部分構(gòu)成，系統(tǒng)架構(gòu)如圖1所示。

供能來源包括太陽能、風(fēng)能、天然氣燃燒和一次能源消耗；耦合供能系統(tǒng)包括市政電網(wǎng)供電、風(fēng)力發(fā)電系統(tǒng)［6］、光伏發(fā)電系統(tǒng)［7］、天然氣冷熱電聯(lián)供系統(tǒng)［8］（由燃?xì)廨啓C(jī)、余熱鍋爐和溴化鋰吸收式制冷機(jī)組構(gòu)成）、電制冷機(jī)組［8］、地源熱泵［8］、燃?xì)忮仩t［8］、蓄電池［8］、蓄熱水箱［8］和冰蓄冷系統(tǒng)［9］（由雙工況冷水機(jī)組和蓄冰罐構(gòu)成），其熱力學(xué)建模參考文獻(xiàn)［6-9］；用戶側(cè)負(fù)荷包括用戶所需的冷、熱、電負(fù)荷。

3個(gè)部分的協(xié)同工作，形成“能量供給-供能轉(zhuǎn)換-滿足用能”的綜合能源供應(yīng)模式。

1.2 優(yōu)化策略分析

整體優(yōu)化策略如圖2所示。優(yōu)化策略分為容量規(guī)劃策略和運(yùn)行規(guī)劃策略。容量規(guī)劃策略為：容量范圍內(nèi)隨機(jī)確定初始配置，經(jīng)過運(yùn)行規(guī)劃，實(shí)現(xiàn)容量配置的更新迭代。運(yùn)行規(guī)劃策略按順序分為基本運(yùn)行策略、儲(chǔ)熱運(yùn)行策略、儲(chǔ)冷運(yùn)行策略、儲(chǔ)電運(yùn)行策略4步，考慮到的因素包括供需平衡性、電價(jià)波動(dòng)性、新能源優(yōu)先性、儲(chǔ)能協(xié)同性、能質(zhì)優(yōu)先性。

2 優(yōu)化方法

2.1 優(yōu)化模型

2.1.1 待優(yōu)化變量

初始優(yōu)化變量為配置決策量，系統(tǒng)的待優(yōu)化變量包括配置決策量和每一個(gè)規(guī)劃時(shí)段的運(yùn)行決策量。配置決策量包括容量固定的風(fēng)力渦輪機(jī)數(shù)量[Nwt]和光伏組件數(shù)量[Npv]，容量連續(xù)的其他設(shè)備的容量[Wgt]、[Wwhb]、[Wgb]、[Wab]、[Whp]、[Wec]、[Wbs]、[Whs]、[Wdc]、[Wis]。運(yùn)行決策量包括：1） 除儲(chǔ)能外的其他設(shè)備出力情況[Etws]、[Etpvs]、[Etcchp]、[Etec]、[Ethp]、[Htcchp]、[Hthp]、[Ctcchp]、[Ctec]、[Cthp]；2） 儲(chǔ)能裝置的功率交換值[Etbs]、[Hths]、[Ctis]、[Ctcm]、[Ctim]、[Etbs，ch]、[Etbs，dch]、[Ctis，ch]、[Ctis，dch]；3） 儲(chǔ)能設(shè)備的剩余能量值[Wtbs，t]、[Wths，t]、[Wtis，t]；4） 電網(wǎng)購電量[Etgrid]。

2.1.2 約束條件

約束條件包括供需平衡約束和設(shè)備約束。供需平衡約束［8］主要為電負(fù)荷、熱負(fù)荷和冷負(fù)荷的平衡，設(shè)備約束包括設(shè)備容量范圍約束和運(yùn)行出力約束。設(shè)備容量范圍約束是指在進(jìn)行設(shè)備容量配置時(shí)，每個(gè)設(shè)備的最小和最大容量的界限；運(yùn)行出力約束類型主要包括運(yùn)行功率約束（非全工況機(jī)組同時(shí)存在最小功率限制）、設(shè)計(jì)約束（能量消耗不能高于能量來源）、爬坡約束、工作時(shí)間約束、狀態(tài)約束（不能同時(shí)出現(xiàn)兩種工作狀態(tài)）、周期循環(huán)約束（儲(chǔ)能裝置循環(huán)初始儲(chǔ)能量不得低于指定值）。

2.1.3 目標(biāo)函數(shù)

1）能效目標(biāo)函數(shù)

采用效率進(jìn)行能效性評(píng)估。效率計(jì)算常采用能質(zhì)系數(shù)法［10］，能質(zhì)系數(shù)[λ]是反映能量中有用功大小與能量大小的關(guān)系的無量綱值，定義為值與總能量的比值，如式（1）所示。其中，電能的能質(zhì)系數(shù)為1，熱能和冷能的能質(zhì)系數(shù)如式（2）、式（3）所示。

[λ=Ex/Q] （1）

[λh=1-Tenv/（Tsu-Tba）×lnTsu/Tba] （2）

[λc=Tenv/（Tsu-Tba）×lnTsu/Tba-1] （3）

效率[ηex]可定義為輸出可用能與輸入可用能的比值，基于能效系數(shù)，計(jì)算如式（4）～式（6）所示。輸入的計(jì)算公式見表1。

[ηex=Exout/Exin] （4）

[Exout=∑Qout×λout] （5）

[Exin=Excoal+Exng+Exwt+Expv+ Exg] （6）

2）經(jīng)濟(jì)目標(biāo)函數(shù)

采用設(shè)備年投資成本進(jìn)行經(jīng)濟(jì)性評(píng)估。設(shè)備年投資成本[can]包括系統(tǒng)年折合初投資成本[cinv]、年總?cè)剂铣杀綶cfu]、年運(yùn)行維護(hù)成本[com]，如式（7）～式（11）所示。

[can=cinv+cfu+com] （7）

[cinv= kcinv，k×Wk×Fcr] （8）

[Fcr=i×1+iyk/1+iyk-1] （9）

[cfu=t（pgrid×Etgrid+pgas×Vtgas，gt+pgas×Vtgas，gb）] （10）

[com=ktcom，k×Qtk] （11）

3）環(huán)境目標(biāo)函數(shù)

采用年碳排放總量進(jìn)行環(huán)保性評(píng)估。碳排放（CE）來自天然氣燃燒時(shí)產(chǎn)生的直接碳排放和電網(wǎng)購電產(chǎn)生的間接碳排放，如式（12）所示。

[FCE=tτgas×Qtgas，gt+Qtgas，gb+τcoal×Etgrid] （12）

2.2 多目標(biāo)優(yōu)化算法

本文求解采取文獻(xiàn)［11］提出的D2MOPSO，如圖3所示。

2.3 多目標(biāo)綜合評(píng)價(jià)方法

2.3.1 定義評(píng)價(jià)指標(biāo)

在能源系統(tǒng)優(yōu)化領(lǐng)域，綜合評(píng)價(jià)指標(biāo)大致可分為能效指標(biāo)、經(jīng)濟(jì)指標(biāo)和環(huán)境指標(biāo)三類。指標(biāo)類型見表2，指標(biāo)計(jì)算方法見表3。指標(biāo)中涉及到的參照對(duì)象為傳統(tǒng)冷熱電聯(lián)供系統(tǒng)，其構(gòu)架如圖4所示。

2.3.2 主觀層權(quán)重確定

最優(yōu)最劣法（BWM）由層次分析法（analytic hierarchy process，AHP）衍生而來，因其減少比較次數(shù)和提高一致性的優(yōu)勢(shì)而受到學(xué)者的廣泛關(guān)注［12］。BWM降低了決策者可能出現(xiàn)的思維混亂問題，提高了決策準(zhǔn)確性，不足之處是計(jì)算時(shí)只涉及一個(gè)最優(yōu)指標(biāo)和一個(gè)最劣指標(biāo)，決策不夠客觀?？紤]到?jīng)Q策者更傾向于保留幾個(gè)可能的值來代表一些判斷，而不是清晰的或間隔的值［13］，因此可引入猶豫評(píng)價(jià)使結(jié)果更切合決策者，從而增加評(píng)價(jià)的客觀性。

本文在確定主觀層權(quán)重時(shí)引入猶豫決策［14］，提出猶豫改進(jìn)最優(yōu)最劣法（hesitant fuzzy best worst method，HBWM）。相較于傳統(tǒng)BWM，HBWM考慮到?jīng)Q策者在決策時(shí)的猶豫性，增加了模糊化和去模糊化步驟，從而既保留了決策準(zhǔn)確性，又提升了決策的客觀真實(shí)性。HBWM的具體步驟如下：

1）設(shè)有n個(gè)評(píng)價(jià)和m位專家，基于標(biāo)度法進(jìn)行專家評(píng)價(jià)，標(biāo)度值及其含義見表4。

在最優(yōu)和最劣兩組評(píng)分矩陣中，第[i]位專家對(duì)第[j]個(gè)評(píng)價(jià)指標(biāo)的評(píng)分如式（13）、式（14）所示。

[Ai，B=ai，B1，ai，B2，…，ai，Bj，…，ai，Bn] （13）

[Ai，W=ai，1W，ai，2W，…，ai，jW，…，ai，nW] （14）

2）采用正數(shù)[fra]作為特定的猶豫模糊范圍［15］，將每個(gè)評(píng)分模糊化成一個(gè)三角形模糊數(shù)。設(shè)[fi，Bj]和[fi，jW]分別表示第i位專家對(duì)第j個(gè)評(píng)價(jià)指標(biāo)的模糊最優(yōu)、最劣評(píng)分，k表示模糊數(shù)的下界、中值和上界。則模糊成對(duì)比較矩陣[ABfuzzy]和[AWfuzzy]如式（15）～式（20）所示。

[ABfuzzyi，j，k=ai，Bj-fra，ai，Bj，ai，Bj+fra] （15）

[AWfuzzyi，j，k=ai，jW-fra，ai，jW，ai，jW+fra] （16）

[ABfuzzyi，j，k=fi，Bj，k] （17）

[AWfuzzyi，j，k=fi，jW，k] （18）

[fi，Bj，k=ai，Bj-fra，ai，Bj，ai，Bj+fra] （19）

[fi，jW，k=ai，jW-fra，ai，jW，ai，jW+fra] （20）

3）計(jì)算歸一化的模糊比較矩陣[FB]和[FW]如式（21）、式（22）所示。

[FBi，j，k=fi，Bj，k/jfi，Bj，k] （21）

[FWi，j，k=fi，jW，k/jfi，jW，k] （22）

4）模糊權(quán)重向量[KWBR]如式（23）所示。

[KWBRj，k=iFB1m/iFW1m] （23）

5）采用質(zhì)心法對(duì)模糊權(quán)重向量[KWBR]進(jìn)行去模糊化處理，得到清晰權(quán)重向量[KCrisp，WBR]，如式（24）所示。

[KCrisp，WBRj=kKWBR/3] （24）

6）歸一化清晰權(quán)重向量，得到最終的主觀權(quán)重向量[Kw，F(xiàn)BWM]，如式（25）所示。

[Kw，F(xiàn)BWMj=KCrisp，WBRj/jKCrisp，WBR] （25）

7）一致性檢驗(yàn)是指檢查通過HBWM方法得到的權(quán)重向量與專家實(shí)際給出的評(píng)分是否一致。計(jì)算一致性比率[KCR]如式（26）所示。

[KCR=iminwFBWMmaxwFBWM-minjai，jWmaxjai，jWn×RI] （26）

隨機(jī)一致性指數(shù)可從文獻(xiàn)［16］中獲取。若[KCRlt;0.1]，則認(rèn)為滿足一致性需求，否則認(rèn)為不滿足一致性需求。

2.3.3 客觀層權(quán)重確定

客觀層權(quán)重通過熵權(quán)法確定，步驟如下：

1）假設(shè)數(shù)據(jù)集[X]由[n]個(gè)評(píng)價(jià)指標(biāo)和[m]個(gè)評(píng)價(jià)對(duì)象組成，如式（27）所示。

[X=xijn×m，i=1，2，…，n; j=1，2，…，m] （27）

若數(shù)據(jù)集中有負(fù)數(shù)，則需對(duì)數(shù)據(jù)進(jìn)行處理，再對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，如式（28）、式（29）所示。

[x'ij=xij-minxj] （28）

[x''ij=x'ij/i=1mx'ij] （29）

2）求信息熵

熵值是隨機(jī)變量不確定性的度量，如式（30）、式（31）所示。

[Ej=-kj=1mx″ij×lnx″ij] （30）

[k=1/lnm] （31）

3）差異度是指標(biāo)重要性的度量，如式（32）所示。

[dj=1-Ej] （32）

4）熵權(quán)法確定客觀層權(quán)重如式（33）所示。

[wenj=dj/j=1ndj] （33）

2.3.4 綜合權(quán)重確定

綜合權(quán)重法確定權(quán)重[KCW]如式（34）～式（36）所示。

[KCW，j=wsub，j×wobj，j/j=1nwsub，j×wobj，j] （34）

[wsub=wFBWM] （35）

[wobj=wen] （36）

3 案例分析

3.1 系統(tǒng)參數(shù)

3.1.1 區(qū)域負(fù)荷數(shù)據(jù)

某區(qū)域的全年負(fù)荷分布如圖5所示。

在優(yōu)化區(qū)域綜合能源系統(tǒng)時(shí)，首要關(guān)注的是系統(tǒng)的負(fù)荷需求?？紤]到處理全年逐時(shí)數(shù)據(jù)的復(fù)雜性，選取春、夏、秋、冬四季各一個(gè)代表日，并基于這4日的負(fù)荷數(shù)據(jù)進(jìn)行優(yōu)化。這種計(jì)算方法在保證結(jié)果準(zhǔn)確性的同時(shí)，簡化了過程，代表日的負(fù)荷數(shù)據(jù)如圖6所示。

3.1.2 氣候數(shù)據(jù)

氣候數(shù)據(jù)包括風(fēng)速、太陽輻照度和氣溫，如圖7所示。

3.1.3 主要技術(shù)參數(shù)

設(shè)備容量范圍見表5；設(shè)備技術(shù)參數(shù)主要包括效率、額定功率、工作輸出溫度等，見表6；其他技術(shù)參數(shù)見表7；能質(zhì)系數(shù)的計(jì)算結(jié)果如圖8所示。

3.1.4 主要經(jīng)濟(jì)參數(shù)

設(shè)備經(jīng)濟(jì)參數(shù)主要包括使用壽命、初始投資成本、運(yùn)行維護(hù)成本等，見表8。天然氣價(jià)格為2.8元/m3，資本折合率取5%，該區(qū)域分時(shí)電價(jià)見表9。

3.2 優(yōu)化結(jié)果

3.2.1 多目標(biāo)優(yōu)化結(jié)果及分析

多目標(biāo)優(yōu)化得到包含50組解的帕累托解集，如圖9所示。從圖9可看到，解集在3個(gè)目標(biāo)函數(shù)上的分布表現(xiàn)出一定的離散性。引入皮爾遜相關(guān)系數(shù)［19］以量化目標(biāo)函數(shù)之間的相關(guān)性，可得效率對(duì)年投資成本和年碳排放總量的皮爾遜系數(shù)分別為0.7612、0.9765，年投資成本對(duì)年碳排放總量的皮爾遜系數(shù)為0.7825。

皮爾遜系數(shù)說明在優(yōu)化綜合能源系統(tǒng)時(shí)，提高效率通常會(huì)導(dǎo)致年投資成本和年碳排放總量的增加，而增加年投資成本也會(huì)導(dǎo)致年碳排放總量的增加。出現(xiàn)這種相關(guān)性的可能原因如下：

1）從圖9可發(fā)現(xiàn)，燃?xì)廨啓C(jī)的效率更高，同時(shí)燃?xì)廨啓C(jī)也是碳排放的主要來源，因此效率和年碳排放總量之間存在極強(qiáng)的正相關(guān)關(guān)系。

2）受技術(shù)現(xiàn)狀限制，光伏、風(fēng)電、地源熱泵、蓄電池等低碳裝置存在最大容量較小、單價(jià)高、效率較低等特點(diǎn)。因此，較高單價(jià)、高效率、較高碳排放的燃?xì)廨啓C(jī)成為主要供能設(shè)備時(shí)會(huì)使效率、投資成本和碳排放同時(shí)增大。

3.2.2 基于主客觀權(quán)重法的最優(yōu)解選擇

各評(píng)價(jià)指標(biāo)權(quán)重值見表10，最優(yōu)、最劣系統(tǒng)方案部分參數(shù)的對(duì)比見表11。

圖9標(biāo)明了最優(yōu)、最劣方案在帕累托解集中的位置關(guān)系。最優(yōu)方案對(duì)應(yīng)于最小效率、最小年投資成本、最小年碳排放，最劣方案對(duì)應(yīng)于最大效率、最大年投資成本、最大年碳排放。由表11可發(fā)現(xiàn)，最優(yōu)方案光伏組件和風(fēng)力機(jī)組的數(shù)量達(dá)到了容量限制的最大值，地源熱泵的容量接近最劣方案的2倍，燃?xì)廨啓C(jī)的容量與最劣方案相近，電網(wǎng)購電量則遠(yuǎn)小于最劣方案。

這表明評(píng)價(jià)模型的最優(yōu)方向趨向于高新能源占比和低外部依賴。通過對(duì)比參數(shù)，進(jìn)一步驗(yàn)證了評(píng)價(jià)模型在尋求最優(yōu)解時(shí)的有效性。

3.2.3 最優(yōu)系統(tǒng)方案分析

最優(yōu)系統(tǒng)的冷熱電供能分布如圖10所示，儲(chǔ)能裝置能量系數(shù)隨時(shí)間的變化如圖11所示。

由供能情況分析，新能源裝置會(huì)優(yōu)先滿功率運(yùn)行，其中風(fēng)電、光伏保持最大功率運(yùn)行，地源熱泵的能量輸出在工作范圍內(nèi)隨負(fù)荷波動(dòng)而出現(xiàn)一定波動(dòng)；冷熱電聯(lián)供系統(tǒng)中滿足了大部分負(fù)荷需求；儲(chǔ)能裝置在需求量突變的時(shí)刻出力，如夏季代表日的01：00、20：00和冬季代表日的01：00、09：00，因此儲(chǔ)能裝置始終起到調(diào)節(jié)作用，在需求高峰期提供能量（削峰），在需求低谷期儲(chǔ)存能量（填谷）。

整體供能系統(tǒng)具有“新能源優(yōu)先，冷熱電聯(lián)供系統(tǒng)為主，儲(chǔ)能調(diào)節(jié)”的特點(diǎn)，從而證明運(yùn)行策略可有效滿足系統(tǒng)的冷熱電需求，同時(shí)保持系統(tǒng)運(yùn)行的穩(wěn)定性和高效率。

最優(yōu)系統(tǒng)和傳統(tǒng)CCHP系統(tǒng)的指標(biāo)對(duì)比見表12。

從表12可發(fā)現(xiàn)，相對(duì)于傳統(tǒng)CCHP系統(tǒng)，最優(yōu)系統(tǒng)在能源、經(jīng)濟(jì)、環(huán)保方面均有優(yōu)勢(shì)。從節(jié)約率來看，最優(yōu)系統(tǒng)減少了14.9%的化石燃料消耗、8.9%的年投資成本、4.7%的度能成本、14.9%的碳排放量和18.1%的用水消耗。因此，在保證供需平衡的同時(shí)，最優(yōu)系統(tǒng)進(jìn)一步優(yōu)化了傳統(tǒng)CCHP系統(tǒng)，這一結(jié)果驗(yàn)證了本文中的優(yōu)化運(yùn)行策略、優(yōu)化方法和多目標(biāo)評(píng)價(jià)體系的有效性和優(yōu)越性。

4 結(jié) 論

針對(duì)區(qū)域綜合能源系統(tǒng)的優(yōu)化設(shè)計(jì)，本文建立系統(tǒng)熱力學(xué)模型，提出新能源裝置、傳統(tǒng)CCHP系統(tǒng)、冷熱電儲(chǔ)能裝置協(xié)同運(yùn)行的系統(tǒng)優(yōu)化策略，建立并應(yīng)用多目標(biāo)評(píng)價(jià)體系進(jìn)行最優(yōu)決策。通過對(duì)某區(qū)域的案例分析，主要得出以下結(jié)論：

1）建立了區(qū)域綜合能源系統(tǒng)模型，制定了區(qū)域綜合能源系統(tǒng)從容量配置到運(yùn)行規(guī)劃的優(yōu)化設(shè)計(jì)策略，既保證了系統(tǒng)的供能穩(wěn)定性、高效性，又考慮到新能源和儲(chǔ)能系統(tǒng)在能源系統(tǒng)中的協(xié)同性，有效解決了區(qū)域綜合能源系統(tǒng)設(shè)計(jì)中的多能協(xié)同問題。

2）建立了基于模糊主客觀權(quán)重法的多目標(biāo)評(píng)價(jià)體系，綜合考慮能效、經(jīng)濟(jì)、環(huán)境3個(gè)方面指標(biāo)，確定了最優(yōu)、最劣系統(tǒng)，分析了評(píng)價(jià)指標(biāo)的相關(guān)性，對(duì)比表明了多目標(biāo)評(píng)價(jià)體系的有效性，為多目標(biāo)優(yōu)化帕累托解集的分析選優(yōu)工作提供了思路和方法。

3）最優(yōu)系統(tǒng)的新能源利用程度高，對(duì)外部購電、購氣的依賴程度相對(duì)更小，對(duì)環(huán)境更加友好，儲(chǔ)能系統(tǒng)在其中有效實(shí)現(xiàn)了調(diào)節(jié)作用。對(duì)比于傳統(tǒng)CCHP系統(tǒng)，最優(yōu)系統(tǒng)減少了14.9%的化石燃料消耗、8.9%的年投資成本、4.7%的度能成本、14.9%的碳排放量和18.1%的用水消耗，在能源、經(jīng)濟(jì)、環(huán)保3個(gè)方面都有明顯優(yōu)勢(shì)。

符號(hào)表

[N] 數(shù)量，個(gè)

[W] 設(shè)備容量，kW

[E] 電量，kWh

[H] 熱量，kWh

[C] 冷量，kWh

[Ex] ?，kJ

[T] 溫度，K

[M] 質(zhì)量消耗，kg/kWh

[A] 面積，m2

[G] 輻照度，W/m2

[c] 比熱容或成本

[i] 資本折合率

[p] 單位價(jià)格，元

[τ] 碳排放因子，kg/kWh

[K] 向量

上標(biāo)

[t] t時(shí)段

下標(biāo)

[wt] 風(fēng)力渦輪機(jī)

[pv] 光伏組件

[gt] 燃?xì)廨啓C(jī)

[whb] 余熱鍋爐

[gb] 燃?xì)忮仩t

[ab] 溴化鋰吸收式制冷

[hp] 地源熱泵

[ec] 電制冷

[bs] 蓄電池

[hs] 蓄熱水箱

[dc] 雙工況冷水機(jī)組

[is] 冰蓄冷系統(tǒng)

[ws] 風(fēng)力發(fā)電系統(tǒng)

[pvs] 光伏發(fā)電系統(tǒng)

[cchp] 冷熱電聯(lián)供系統(tǒng)

[cm] 雙工況冷水機(jī)組制冷

[im] 雙工況冷水機(jī)組制冰

[ch] 充能

[dch] 放能

[t] 儲(chǔ)能裝置儲(chǔ)能量

[grid] 電網(wǎng)購電

[h] 熱能參數(shù)

[env] 外界環(huán)境

[su] 換熱中的供水參數(shù)

[ba] 換熱中的回水參數(shù)

[c] 冷能參數(shù)

[ex] ?參數(shù)

[out] 輸出參數(shù)

[in] 輸入?yún)?shù)

[coal] 煤炭化學(xué)能參數(shù)

[ng] 天然氣化學(xué)能參數(shù)

[air] 空氣

[s] 太陽

[g] 大地

[an] 年總投資

[inv] 年折合初始投資

[fu] 燃料

[om] 運(yùn)行維護(hù)

[k] 能量設(shè)備

[cr] 資本回收

[PE] 一次能源利用

[FESR] 化石能源節(jié)約

[AICSR] 年投資成本節(jié)約

[CkWhSR] 度能成本節(jié)約

[OMSR] 運(yùn)維成本節(jié)約

[CESR] 碳排放節(jié)約

[WSR] 用水量節(jié)約

[PCES] 清潔能源占比

[FE] 化石能源

[kWh] 單位能量

[water] 清潔能源

[clean] 參考系統(tǒng)

[eva] 被評(píng)估系統(tǒng)

[CE] 碳排放量

［參考文獻(xiàn)］

［1］ 吳江， 王晶晶， 張強(qiáng)， 等. 考慮電轉(zhuǎn)氣消納風(fēng)電的電-氣綜合能源系統(tǒng)兩階段魯棒協(xié)同調(diào)度［J］. 太陽能學(xué)報(bào)， 2022， 43（2）： 436-443.

WU J， WANG J J， ZHANG Q， et al. Two-stage robust cooperative scheduling for electricity-gas integrated energy system considering power-to-gas for wind power accommodation［J］. Acta energiae solaris sinica， 2022， 43（2）： 436-443.

［2］ 汪德成， 李妍， 張群， 等. 冷熱電儲(chǔ)一體化綜合能源系統(tǒng)優(yōu)化研究［J］. 太陽能學(xué)報(bào)， 2023， 44（6）： 130-136.

WANG D C， LI Y， ZHANG Q， et al. Research on optimization of cooling， heating， electricity and storage multi-energy "coupling "system［J］. Acta "energiae "solaris sinica， 2023， 44（6）： 130-136.

［3］ 韓旭， 周峻毅， 李奇， 等. 計(jì)及碳排放成本的風(fēng)光燃儲(chǔ)綜合能源系統(tǒng)規(guī)劃［J］. 動(dòng)力工程學(xué)報(bào)， 2022， 42（9）： 873-880.

HAN X， ZHOU J Y， LI Q， et al. Study on optimization of wind， solar， fuel and storage integrated energy system taking "into "account "the "cost "of "carbon "emissions［J］. Journal of Chinese Society of Power Engineering， 2022， 42（9）： 873-880.

［4］ 黃宇， 王宇濤， 李淑琴， 等. 計(jì)及（）分析的綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度［J］. 太陽能學(xué)報(bào)， 2022， 43（7）： 30-38.

HUANG Y， WANG Y T， LI S Q， et al. Multi-objective optimal scheduling of integrated energy system with thermodynamic exergy analysis method［J］. Acta energiae solaris sinica， 2022， 43（7）： 30-38.

［5］ 沈萌， 張干， 張可愛. 園區(qū)級(jí)區(qū)域綜合能源系統(tǒng)綜合評(píng)價(jià)方法及應(yīng)用［J］. 北京理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2022， 24（4）： 52-65.

SHEN M， ZHANG G， ZHANG K A. Comprehensive evaluation method and application study of campus-level regional integrated energy system［J］. Journal of Beijing Institute of Technology （social sciences edition）， 2022， 24（4）： 52-65.

［6］ BAMISILE O， HUANG Q， DAGBASI M， et al. Steady-state and process modeling of a novel wind-biomass comprehensive energy system： an energy conservation， exergy "and "performance "analysis［J］. "Energy "conversion and management， 2020， 220： 113139.

［7］ KUCZYNSKI W， CHLISZCZ K. Energy and exergy analysis "of "photovoltaic "panels "in "northern "Poland［J］. Renewable and sustainable energy reviews， 2023， 174： 113138.

［8］ 任?？担?陳宜， 王江江. 耦合太陽能和地?zé)崮艿睦錈犭娐?lián)供系統(tǒng)優(yōu)化［J］. 工程熱物理學(xué)報(bào)， 2021， 42（1）： 16-24.

REN F K， CHEN Y， WANG J J. Optimization of combined cooling， heating， and power system coupled with " solar " and " "geothermal " "energies［J］. " "Journal " "of engineering thermophysics， 2021， 42（1）： 16-24.

［9］ 程杉， 黃天力， 魏榮宗. 含冰蓄冷空調(diào)的冷熱電聯(lián)供型微網(wǎng)多時(shí)間尺度優(yōu)化調(diào)度［J］. 電力系統(tǒng)自動(dòng)化， 2019， 43（5）： 30-38.

CHENG S， HUANG T L， WEI R Z. Multi-time-scale optimal scheduling of CCHP microgrid with ice-storage air-conditioning［J］. Automation of electric power systems， 2019， 43（5）： 30-38.

［10］ WANG Y L， HUANG F F， TAO S Y， et al. Multi-objective planning of regional integrated energy system aiming "at "exergy "efficiency "and "economy［J］. "Applied energy， 2022， 306： 118120.

［11］ COELLO C A C， PULIDO G T， LECHUGA M S. Handling multiple objectives with particle swarm optimization［J］. IEEE transactions on evolutionary computation， 2004， 8（3）： 256-279.

［12］ TAN Y T， WANG X L， LIU X G， et al. Comparison of AHP and BWM methods based on ArcGIS for ecological suitability assessment of Panax notoginseng in Yunnan Province， China［J］. Industrial crops and products， 2023， 199： 116737.

［13］ HEIDARY-DAHOOIE J， RAFIEE M， MOHAMMADI M， et al. Proposing a new LSGDM framework based on BWM with hesitant fuzzy information for prioritizing blockchain adoption " barriers " in " supply " chain［J］. "Technology " in society， 2022， 71： 102146.

［14］ XU Y， LIU S F， WANG J， et al. Consensus checking and improving methods for AHP with q-rung dual hesitant fuzzy preference relations［J］. Expert systems with applications， 2022， 208： 117902.

［15］ ALI A， RASHID T. Hesitant fuzzy best-worst multi-criteria decision-making " "method " "and " "its " "applications［J］. International journal of intelligent systems， 2019， 34（8）： 1953-1967.

［16］ DONEGAN H A， DODD F J. A note on saaty’s random indexes［J］. Mathematical and computer modelling， 1991， 15（10）： 135-137.

［17］ YANG J Z， YANG Z， DUAN Y Y. Optimal capacity and operation strategy of a solar-wind hybrid renewable energy system［J］. Energy conversion and management， 2021， 244： 114519.

［18］ LIU Z J， LI Y， FAN G Y， et al. Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios［J］. Energy， 2022， 247： 123553.

［19］ PEARSON K. VⅡ. Note on regression and inheritance in the "case "of "two "parents［J］. Proceedings "of "the "Royal Society of London， 1895， 58（347-352）： 240-242.

MULTI-OBJECTIVE OPTIMIZATION AND IMPROVED

SUBJECTIVE-OBJECTIVE EVALUATION FOR REGIONAL

INTEGRATED ENERGY SYSTEMS

Han Zhonghe1，2，Zhao Xin1，2，Yang Shiming1，2，Li Rui1，2

（1. Department of Power Engineering， North China Electric Power University， Baoding 071003， China；

2. Hebei Key Laboratory of Low Carbon and High Efficiency Power Generation Technology，

North China Electric Power University， Baoding 071003， China）

Abstract：Taking the regional integrated energy system as the research object， the study firstly conducts an optimization strategy analysis. Then， a multi-objective optimization is carried out， specifically targeting energy efficiency， economy， and environment. Subsequently， using an improved BWM method （HWBM） combined with the entropy weight method， an objective-subjective weight evaluation system is established， leading to the determination of an optimal system configuration and operational planning. Findings reveal that the design strategy effectively addresses the multi-energy coordination issue. Compared to the traditional combined cooling， heating， and power system， the optimal system achieves a 14.9% reduction in fossil fuel consumption， 8.9% in annual investment costs， 4.7% in energy costs per degree， 14.9% in carbon emissions， and 18.1% in water consumption. The outcomes emphasize the notable advantages in energy， economy， and environmental protection.

Keywords：regional integrated energy systems； multi-objective optimization； hesitant evaluation； subjective and objective weighting method