太陽能輔助下熱電聯供熱負荷分配方法研究

王琪

摘 要： 隨著全球能源需求的不斷增長和氣候變化的威脅，可持續能源資源的利用變得尤為重要。太陽能作為一種無污染且可再生的能源，已經成為供熱和供電的一種有吸引力的選擇。旨在研究太陽能輔助下的熱電聯供熱系統，并探討不同的負荷分配方法，以優化能源利用和系統性能。通過綜合考慮太陽能、電力和熱能之間的關系，提出了一種基于模糊邏輯控制的分配方法，以實現能源的高效利用。最后，討論了未來研究方向和可持續能源系統的前景。

關鍵詞： 太陽能 熱電聯供熱 負荷分配 方法研究

中圖分類號： TK519；TU995文獻標識碼： A文章編號： 1679-3567（2023）11-0049-03

熱電聯供熱系統是一種將電力和熱能集成在一起的方式，以提高能源利用效率。隨著氣候變化問題的不斷加劇，減少溫室氣體排放已成為全球的共識。因此，熱電聯供熱系統的研究和應用變得尤為重要，其可以減少傳統能源的使用，并通過太陽能等可再生能源的利用來減少環境影響。

太陽能是一種清潔、可再生的能源，具有巨大的潛力。然而，太陽能的可變性和不穩定性使其在供能方面存在挑戰。因此，在研究和應用太陽能輔助的熱電聯供熱系統時，負荷分配方法變得至關重要。本文旨在探討太陽能輔助下的熱電聯供熱系統，并研究不同的負荷分配方法，以優化能源利用和系統性能。

1 太陽能輔助下的熱電聯供熱系統

太陽能輔助的熱電聯供熱系統是一種將太陽能、電力和熱能集成在一起的能源系統，為實現能源的綜合利用和綠色供能提供了新思路。該系統通常由太陽能光伏發電、太陽能熱能收集和儲能設備三部分組成。太陽能光伏發電通過將太陽能轉化為電能，為系統提供了電力來源，可用于驅動設備和供電。太陽能熱能收集則將太陽能轉化為熱能，用于供熱和供暖，滿足家庭和工業的熱能需求。儲能設備則能夠存儲多余的電力或熱能，以便在夜間或能源不足時使用，實現了能源的平衡和持續供能。通過這種綜合利用，太陽能輔助的熱電聯供熱系統為可再生能源的應用提供了可行性和可持續性，為未來能源系統的發展奠定了基礎[1]。

2 負荷分配方法

在太陽能輔助下的熱電聯供熱系統中，負荷分配方法的選擇對系統的性能和能源利用效率具有重要影響。合理的負荷分配可以最大程度地利用太陽能和電力資源，實現能源的高效轉化和利用[2]。不同的負荷分配方法會影響能源分配的靈活性和系統的穩定性，因此在選擇負荷分配方法時需充分考慮系統特性、能源供應情況以及用戶需求，以達到最優的能源利用效果。下面將討論幾種常見的負荷分配方法。

2.1 基于優先級的分配

基于優先級的分配方法是一種常見的負荷分配策略，它將不同負荷劃分為不同優先級，并根據優先級順序滿足需求。例如：對于太陽能輔助的熱電聯供熱系統，高優先級負荷可能是冬季供熱，而低優先級負荷可能是熱水供應。這種方法的優點在于簡單易實現，能夠快速響應高優先級需求，確保基本服務的穩定提供。然而，這種分配方法也存在一些局限性，主要表現在可能會導致低優先級負荷的能源浪費。例如：在冬季高優先級的供熱需求得到滿足后，剩余的能源可能被用于低優先級的需求（如熱水供應），這可能導致部分能源的浪費。為了克服這種潛在的能源浪費，可以在系統設計中引入智能控制和調度策略，實現對能源分配的動態優化[3]。

通過實時監測負荷情況和能源產生情況，智能控制系統可以實現對不同優先級負荷的動態調整，以最大程度地減少能源浪費，提高能源利用效率。因此，基于優先級的分配方法可以與智能控制策略結合，以實現在滿足高優先級需求的同時，盡量充分利用能源，實現系統的高效運行。

2.2 基于需求的分配

基于需求的分配方法是一種以負荷的實際需求為基礎來分配能源的策略。與基于優先級的方法不同，其關注的是負荷本身的能源需求。例如：在冬季可能優先滿足供熱系統的需求，而在夏季可能偏向供電系統的需求。這種方法的優點在于能夠確保滿足每個負荷的實際需求，減少了能源的浪費。然而，由于考慮了更多的實時需求因素，實現該分配方法可能需要更復雜、智能化的控制系統。這種系統需要實時監測負荷的能源需求，并根據需求的變化來動態調整能源的分配，以最優化地利用太陽能和電力資源[4]。

2.3 基于模糊邏輯的分配

基于模糊邏輯的分配方法是一種高度智能化的能源分配策略，它借助模糊邏輯控制器來動態調整能源分配，以滿足不同負荷的需求。

模糊邏輯允許在模糊情況下做出決策，這在太陽能輔助下的熱電聯供熱系統中尤其有用，因為能源產生和負荷需求常受多種不確定因素影響。模糊邏輯控制器基于模糊規則來調整能源分配，這些規則是基于專家經驗或系統性能數據構建的。通過考慮實時數據和系統性能，模糊邏輯控制器能夠智能地決定分配給各負荷的能源比例，以最大程度地提高能源利用效率。它能夠適應系統中的不同變化和不確定性，使能源分配更加靈活和高效。這種方法的優點包括適應性強，能夠適應不同環境條件、季節變化和負荷需求波動。

模糊邏輯控制可以應對實時的、復雜的系統情況，使系統能夠快速響應需求變化。需要注意的是，要構建準確且高效的模糊規則，關鍵是需要不斷優化和改進模糊邏輯控制器，使其更符合特定系統的要求，實現能源的最優分配。通過不斷改進和優化基于模糊邏輯的分配方法，可以進一步提高太陽能輔助下的熱電聯供熱系統的能源利用效率和性能。

3 基于模糊邏輯的負荷分配方法

在太陽能輔助下的熱電聯供熱系統中，基于模糊邏輯的負荷分配方法具有顯著的優勢，可以實現更高效的能源利用。模糊邏輯控制器基于模糊規則，能夠根據太陽能、電力和熱能的實時數據，以及各個負荷的需求情況，智能地調整能源的分配比例。太陽能的不確定性和電力、熱能需求的變化性使熱電聯供熱系統面臨復雜的控制問題。模糊邏輯控制允許以模糊集合的形式描述輸入和輸出，從而有效處理這種復雜性。它能夠將實時數據模糊化，基于模糊規則進行推理，并通過解模糊化得到能源的最優分配比例。通過模糊邏輯控制器智能調整能源分配，可以避免對系統參數的精確要求，降低系統復雜度。同時，該方法適應性強，能夠適應不同季節、天氣條件和負荷變化，實現能源的靈活分配。

3.1 定義模糊集合

為了實現基于模糊邏輯的負荷分配方法，需要定義各個輸入變量和輸出變量的模糊集合。這些模糊集合的設定對于模糊邏輯控制器的準確性和性能至關重要，具體如下。

對于輸入變量，首先考慮太陽能產生的電力（Pso？ lar）和太陽能產生的熱能（Hsolar）。這兩個變量可以分別劃分為多個模糊集合，如“低”“中”和“高”，用于描述太陽能產生的電力和熱能的強度。同時，考慮系統中儲存的能量（Estorage），也可以定義為“低”“中”和“高”三個模糊集合，以表示能量的儲存狀態。對于輸出變量，關注電力分配比例（Pratio）和熱能分配比例（Hratio）。這兩個變量可以分別劃分為多個模糊集合，如“少”“適中”和“多”，用于描述分配給電力和熱能的能源比例。

在定義這些模糊集合時，可以依據系統特性、能源產生和負荷需求的實際情況以及專業知識來確定集合的劃分和范圍。模糊集合的設定需要綜合考慮多方面因素，如太陽能的產生情況、能量儲存狀態、負荷需求的特征等。為了實現精確的模糊邏輯控制，需要建立一套完備的模糊規則，這些規則基于模糊集合間的邏輯關系。

模糊規則的制定和優化將決定模糊邏輯控制器的性能和效果。隨著系統運行過程中實時數據的積累，可以不斷優化模糊規則，以提高系統的響應速度和能源利用效率。總的來說，定義準確的模糊集合并制定合理的模糊規則是基于模糊邏輯的負荷分配方法的關鍵，為實現能源的智能化分配奠定了基礎。通過這種方式，能夠有效地適應系統復雜的動態變化，提高能源利用效率，為可持續能源系統的發展做出貢獻。

3.2 設定模糊規則

為了有效地利用模糊邏輯控制器來實現基于模糊邏輯的負荷分配方法，需要根據經驗和專業知識制定一組合理的模糊規則。這些規則將根據輸入變量的值來映射到輸出變量的模糊集合，以決定能源的分配比例[5]。

模糊規則的制定通常采用條件-結論的形式，類似于“如果……那么……”的邏輯結構。例如：如果太陽能產生的電力強度為“低”且太陽能產生的熱能強度為“低”，那么電力分配比例應為“適中”，熱能分配比例應為“適中”。如果太陽能產生的電力強度為“高”且能量儲存狀態為“低”，那么電力分配比例應為“多”，熱能分配比例應為“少”。如果系統中儲存的能量為“高”且太陽能產生的熱能強度為“中”，那么電力分配比例應為“適中”，熱能分配比例應為“適中”。

這些規則可以根據系統的實際需求和特性來制定。經驗和專業知識的結合有助于制定出合理的規則，以在不同情況下做出明智的決策。模糊規則的數量和復雜度可以根據系統的復雜性和需求進行調整，以平衡性能和計算復雜度。模糊規則的制定和不斷的優化是模糊邏輯控制器的關鍵部分，其決定了系統的響應速度和準確性。隨著系統運行時數據的積累，可以通過監控系統性能并根據實際情況來進一步改進模糊規則，以使系統更智能化、適應性更強，以及能源利用效率更高。這種基于模糊邏輯的負荷分配方法有望在太陽能輔助下的熱電聯供熱系統中發揮關鍵作用，實現能源的智能優化分配。

3.3 進行模糊推理

在基于模糊邏輯的負荷分配方法中，一旦模糊規則被定義，接下來的關鍵步驟是利用模糊推理方法來計算輸出變量的模糊集合。這一過程涉及模糊邏輯運算的應用，通常包括模糊與、模糊或和模糊推理規則的組合。

3.3.1 模糊與運算（Fuzzy AND）

在模糊推理中，模糊與運算是一種關鍵方法，用于確定多個模糊規則在給定輸入下的共同滿足程度。它模擬了現實世界中的邏輯交集。舉例來說，考慮一個規則，其條件為太陽能產生的電力強度為“高”且能量儲存狀態為“低”。對應的模糊變量可以用模糊集合來表示，如“高”和“低”。在模糊與運算中，對于這兩個條件，我們取它們的最小值，以反映共同滿足程度。如果太陽能產生的電力強度為“高”的隸屬度為0.7，能量儲存狀態為“低”的隸屬度為0.5，那么模糊與運算將得到最終的滿足程度為0.5。這表明：這個規則在當前輸入下的滿足程度受限于兩個條件中較低的隸屬度，即能量儲存狀態為“低”。

3.3.2 模糊或運算（Fuzzy OR）

模糊或運算是模糊邏輯中常用的合并規則，特別用于確定多個模糊規則的合并滿足程度。在模糊邏輯中，每個模糊規則都可以描述為一種條件-結果的關聯，其中輸入模糊集合經過模糊化處理后，根據規則產生對應的輸出模糊集合。當多個規則適用于同一輸入時，模糊或運算通過取多個規則中的最大值來確定最終的合并滿足程度。這種方式確保了在多個模糊規則的影響下，系統對輸入進行綜合評估，采取最強烈的規則響應作為最終輸出。這種合并方式具有較好的容錯性和適應性，使模糊邏輯能夠處理復雜的、不確定的輸入情況，為決策和控制提供了一種靈活而有效的工具。

3.3.3 模糊推理規則的組合

在模糊推理中，多個模糊規則往往同時適用于輸入變量的值，這種情況下，需要將這些規則的滿足程度進行合并，以計算輸出變量的模糊集合。模糊與運算用于確定多個規則的共同滿足程度，通常通過取多個規則中的最小值來確定最終的合并滿足程度。這種方式體現了規則間的“最不利”組合，即系統對于多個規則的適應程度受制于其中滿足程度最低的規則。

4 結語

太陽能輔助下的熱電聯供熱系統是一種創新且可持續的能源解決方案，能夠顯著提高能源利用效率、減少環境負擔。本文通過探討不同的負荷分配方法，重點介紹了基于模糊邏輯控制的分配方法。這種方法結合實時數據與模糊規則，以動態調整能源分配，實現了系統能源的智能化管理和最優化利用。然而，該領域仍有許多未探索的研究方向，如提高系統穩定性、優化模糊規則、整合更多可再生能源等。未來的工作應致力于進一步完善該系統，以推動綠色能源技術的發展，實現能源可持續發展目標。太陽能輔助的熱電聯供熱系統將在未來成為可再生能源領域的重要方向，為構建清潔、綠色、可持續的能源未來做出貢獻。

參考文獻

[1]丁澤宇.太陽能輔助供熱機組熱電聯供系統優化設計與調峰特性研究[D].北京：華北電力大學（北京），2022.

[2]張雪梅，黃永年，鄭銘樺.太陽能融合NY40機組的小型熱電聯供系統研究[J].城市燃氣，2022（1）：11-18.

[3]趙超寧.太陽能熱電聯供系統的建模與運行優化控制研究[D].哈爾濱：哈爾濱工業大學，2021.

[4]傅公柔.熱泵用甲醇燃料發動機控制系統研究[D].鄭州：華北水利水電大學，2022.

[5]董偉.學習驅動的多維不確定條件下微電網能量優化調控方法研究[D].杭州：浙江大學，2022.