李雁菲
(杭州市錢江新城建設管理委員會,浙江 杭州 310016)
隨著社會經濟的發展,能源問題成為了人類面臨的嚴峻挑戰。同時,溫室效應、霧霾等環境問題突出,使得人們亟待選擇新的清潔能源。分布式能源成為解決能源短缺和環境污染問題的有效途徑[1,2]。結合光伏發電和冷熱電三聯供的綜合分布式能源系統,通過綜合分布式能源系統科學合理的容量配置以及優化運行,取得最大的經濟、節能、減排等綜合效益。
太陽能電池組件是光伏系統的基礎,其數學模型可表示為:

式中,Pph為太陽能電池組件輸出功率;Pst為標準條件下的太陽能電池組件輸出功率;I為光照強度;Ist為標準條件下的光照強度;T為光伏電池表面溫度;Tst為標準條件下的光照強度;k為電池板的溫度系數。
光伏發電總發電率為:

式中,PPV為光伏發電總輸出功率;I為光照強度;Sp為單個光伏電池板的面積;N為電池板總數量;ηPV為發電轉化效率系數;Ist為標準條件下的光照強度。
燃氣輪機是一種將天然氣燃燒產生的熱能轉變為動能的動力裝置[3]。其數學模型可描述為:

式中,PGT為燃氣輪機發電功率;QGT為燃氣輪機熱輸出功率;ηeGT為燃氣輪機的發電效率;ηhGT為燃氣輪機的發熱效率;Vg為天然氣消耗量;qg為天然氣熱值。
燃氣內燃機也是一種將天然氣燃燒產生的熱能轉化為機械能的動力裝置,數學模型可描述為:

式中,PGE為燃氣內燃機發電功率;QGE為燃氣內燃機熱輸出功率;ηeGE為燃氣內燃機的發電效率;ηhGT為燃氣內燃機的發熱效率。
余熱鍋爐是熱冷電三聯供系統的重要余熱利用裝置。燃氣輪機燃燒后釋放的高溫煙氣進入余熱鍋爐機組實現再次利用,提升能源利用的總效率,產生的蒸汽可以用于發電、供熱以及制冷等,數學模型可描述為:

式中,QGB為余熱鍋爐輸出熱功率;QGT為燃氣輪機熱輸出功率;ηGB為余熱鍋爐運行效率。
燃氣鍋爐的原理是天然氣進入鍋爐內燃燒后產生熱能,數學模型可描述為:

式中,QCB為燃氣鍋爐輸出熱功率;ηCB為燃氣鍋爐運行效率。
溴化鋰機組能夠充分利用煙氣中的余熱,提升聯供系統的綜合能源利用水平,實現節能環保效益,數學模型可描述為:

式中,QAC為溴化鋰機組輸出冷功率;QHAC為溴化鋰機組輸入熱功率;ηAC為溴化鋰機組制冷系數。
電制冷機通過壓縮機做功,將電能轉換為冷,數學模型可描述為:

式中,QEC為電制冷機輸出冷功率;PEC為電制冷機輸入電功率;ηEC為電制冷機制冷系數。
綜合分布式能源系統容量優化的指標主要包括經濟性和節能性等[4]。
2.1.1 經濟性目標
經濟性是最重要的優化目標,體現綜合能源系統的經濟投資成本和收益的大小。通過經濟性優化使系統生命周期內原始成本、運行成本、更換成本以及維護成本的總成本最小。常見的指標主要有初投資、運行費用、年平均成本、生命周期成本、能源標準化成本、凈現值、凈現成本、內部收益率和投資回收期等。
經濟性目標函數包含初始投資Cini與運行費用Cmo,表達式為:

式中,Cto為系統總費用;Cini為初始投資費用;Cmo為系統年運行費用;Cma為設備運行維護費用;CiniGT、CmaGT、PGT,ij分別為燃機輪機初始投資費用、單位運行維修費用、第j天第i時實際運行熱功率;CiniGE、CmaGE、PGE,ij分別為燃機內燃機初始投資費用、單位運行維修費用、第j天第i時實際運行熱功率;CiniGB、CmaGB、QGB,ij分比為余熱鍋爐初始投資費用、單位運行維修費用、第j天第i時實際運行熱功率;CiniCB、CmaCB、QCB,ij分比為燃氣鍋爐初始投資費用、單位運行維修費用、第j天第i時實際運行熱功率;CiniAC、CmaAC、QAC,ij分比為溴化鋰機組初始投資費用、單位運行維修費用、第j天第i時實際運行冷功率;CiniEC、CmaEC、QEC,ij分比為電制冷機初始投資費用、單位運行維修費用、第j天第i時實際運行冷功率;CiniPV、CmaPV、PPV,ij分比為光伏初始投資費用、單位運行維修費用、第j天第i時實際運行熱功率;Cgas為天然氣燃料費用,Cel為由熱網購買熱量費用。
2.1.2 節能性目標
考慮將年能源消耗量作為節能的衡量指標,將一次能源轉換為標準煤耗量,計算公式為:

式中,λj為第j種能源的標準煤耗量轉換系數。
電能平衡約束條件為綜合分布式能源系統的發電量和電網系統購買電量的總供給與用戶側電負荷需求和電制冷機電功率的總需求相平衡,對應的公式為:

式中,PGT為燃氣輪機發電功率;PGE為燃氣內燃機發電功率;PPV為光伏發電功率;Pel為電網系統購買電量;Pcus為用戶側電負荷需求;PEC為電制冷機輸入電功率。
熱能平衡約束條件為綜合分布式能源系統的熱負荷量和普通鍋爐的總供給與用戶側熱負荷需求相平衡,對應的公式為:

式中,QGB為余熱鍋爐輸出熱功率;QCB為燃氣鍋爐輸出熱功率;Qcus為用戶側熱負荷需求。
冷負荷平衡約束條件為綜合分布式能源系統的冷負荷量和電制冷器的總供給與用戶側冷負荷需求相平衡,對應的公式為:

式中,QAC為溴化鋰機組輸出冷功率;QEC為電制冷機輸出冷功率;Ccus為用戶側冷負荷需求。
此外,各設備運行約束條件為:

式中,PGTmin、PGTmax為燃氣輪機功率上下限;PGEmin、PGEmax為燃氣內燃機功率上下限;QGBmin、QGBmax為余熱鍋爐功率上下限;QCBmin、QCBmax為燃氣鍋爐功率上下限;QACmin、QACmax為吸收式制冷機組功率上下限;QECmin、QECmax為電制冷機組功率上下限;PPVmin、PPVmax為光伏功率上下限;Pelmin、Pelmax為電網購買電量上下限。
2.3.1 常用算法
系統規劃常用的算法有粒子群優化算法、蒙特卡洛隨機模擬以及模擬退火算法等。本文首先需設置冷熱負荷、各設備參數、天然氣價格、購熱價格等,其次采用蒙特卡洛隨機模擬分析參數的分布特性,產生各時刻冷熱負荷等,再次利用粒子群算法進行計算,通過系統不斷迭代,最后產生最優解,重復以上步驟,輸出最優配置[5]。
2.3.2 系統變量
綜合分布式能源系統大致包含發電設備、供熱設備、制冷設備、儲能設備以及調節裝置等。其中:發電設備是核心單元,使用最廣泛的發電裝置有光伏、燃氣輪機、內燃機;供熱設備主要為燃氣鍋爐和余熱鍋爐;制冷設備常用的為電制冷機組和溴化鋰吸收式機組。
考慮綜合分布式能源系統所需設備,要確定系統所選各設備的類型、容量以及數量,將系統變量分為離散變量和連續變量,表示為:

式中,NGT、NGE、NGB為各設備數量;PGT、PGE、PGB為各設備額定容量。
2.3.3 模型線性化
模型中蓄電池存在非線性特征,主要是二進制變量和連續變量的乘積。由于以非線性模型代入運算,系統運行將需要很長的時間,相比于線性的求解難度也大,為此本文針對此進行線性化處理,線性化方程為:

式中:ymin和ymax分別為變量y的下限和上限。
2.3.4 模型求解步驟
模型求解的步驟:(1)設置系統冷熱電負荷參數和光伏的分布參數、投資參數、天然氣價格、電價、粒子群算法的參數等;(2)通過蒙特卡洛隨機模擬,生成系統冷熱電各負荷和光伏功率的數量;(3)采用粒子群算法,通過更新粒子的速度和位置,達到最大迭代次數,得出系統的最優解;(4)重復以上步驟(2)和步驟(3),達到系統最大模擬次數;(5)輸出最優配置結果,并進行分析。
本文以某園區作為仿真模型,主要涵蓋冷、熱和電3種負荷,供冷設備包括電制冷和吸收式制冷,供熱設備包括燃氣鍋爐和余熱鍋爐,供電設備包括光伏發電設備、內燃機、燃氣輪機和大電網購電,外部能源主要為天然氣和光照。能量流動和設備的供給關系如圖1所示。

圖1 能量流動和設備的供給關系
根據冷熱電和光伏的數據通過蒙特卡洛隨機模擬,生成系統冷熱電各負荷和光伏的日負荷曲線,如圖2所示。圖2中光照僅能在06:00—18:00供能給光伏發電,并在12:00—13:00時左右達到頂峰。電力負荷也呈現明顯的峰谷特征,凌晨呈現低谷,在傍晚呈現峰值,相比電力負荷,熱負荷和冷負荷波動較為平緩。

圖2 典型能源日負荷曲線
系統中各設備的參數設置如表1所示。

表1 設備參數
電力分時電價信息如表2所示,天然氣價格為0.387元 /(kW·h)。

表2 分時電價
通過運用優化模型,算法收斂曲線如圖3所示,目標大約在9次以后變得比較平緩,50次時目標函數值的差值小于精度要求,規劃結果如表3所示。

表3 系統規劃結果

圖3 迭代收斂曲線
圖4、圖5和圖6分別為系統規劃中供用電、供用熱和供用冷的分析,圖中○代表供能,△代表用能。

圖4 各設備日供用電

圖5 各設備日供用熱

圖6 各設備日供用冷
圖4為供用電情況,共涉及6種設備,供電設備主要包含光伏發電、內燃機、燃氣輪機以及大電網購電,用電設備包含電制冷和電負荷。凌晨和夜晚無光照時,內燃機、燃氣輪機發電量和大電網購電量均較大,隨著光照強度不斷增強,光伏出力越大,其他3種電能來源則會減少出力,實現系統經濟性最優。由于燃氣輪機和內燃機燃料為天然氣,其成本比電力要低,因此光伏功率增大時,優先減少從電網獲取的電能。
圖5為各設備的供用熱情況。熱能由燃氣鍋爐和余熱鍋爐提供,以燃氣鍋爐供應為主,余熱鍋爐起輔助作用。由于余熱鍋爐出力受限于燃氣輪機產生的余熱量,白天隨著光照強度的增加,光伏出力增加,燃氣輪機出力減少,因此余熱鍋爐出力也會相應減少。
圖6為各設備的供用冷情況。冷能由電制冷和吸收式制冷提供,以電制冷為主,吸收式制冷作為補充。電價峰值時,為實現經濟性最優,電制冷出力減少,吸收式制冷出力增加。
本文對綜合分布式能源系統所需的各設備進行數學建模分析,包括對太陽能設備、發電設備、供能設備、制冷設備等的模型分析,建立綜合分布式能源系統的規劃模型。系統規劃的目標函數有經濟性和節能性等方面,約束目標主要為系統的各能量平衡及設備自身約束,運用粒子群算法,實現綜合分布式能源系統的最優規劃配置。通過案例驗證了規劃方法的可行性,并選取系統規劃的最優配置。