1. 网站地图
  2. 设为首页
  3. 关于我们


考虑综合需求响应和多元结构三联供系统建 模与优化研究

发布时间:2022-11-20 16:52
目录
致谢 I
摘要 III
Abstract V
主要符号表 VIII
目录 XI
图目录 XIV
表目录 XVII
1绪论 1
1.1 研究背景及意义 1
1.2考虑多元结构和综合需求响应的 CCHP 系统研究现状 3
1.2.1多原动机 CCHP 系统研究现状 3
1.2.2多子系统 CCHP 系统研究现状 4
123综合需求响应下的CCHP研究现状 5
124现有研究的不足 7
1.3主要研究内容 7
2冷热电三联供系统模型 9
2.1系统结构框架和能量平衡方程 9
2.2 系统设备物理建模 1 0
2.2.1燃气轮机模型 1 0
2.2.2余热锅炉模型 1 4
2.2.3吸收式制冷机模型 1 4
2.2.4电制冷机模型 1 4
2.2.5燃气锅炉模型 1 5
2.2.6储能模型 1 5
2.3系统运行策略 1 5
2.4系统规划模式 1 8
XI
2.5遗传算法 20
2.5.1 优化目标 21
2.5.2单目标遗传算法 22
2.5.3 算法优化 24
2.6 负荷数据和技术经济性数据 26
2.6.1 不分组用户负荷数据 26
2.6.2 分组用户负荷数据 27
2.6.3 系统运行及设备参数 29
2.7 本章小结 32
3考虑多原动机、多子系统的 CCHP 系统规划优化 33
3.1 常规 CCHP 系统在各运行策略下的优化结果 33
3.1.1 设备容量优化结果 33
3.1.2经济性优化结果 39
3.2 多原动机 CCHP 系统在各运行策略下优化结果 41
3.2.1 设备容量优化结果 41
3.2.2经济性优化结果 43
3.3 多子系统 CCHP 系统在各运行策略下优化结果 45
3.3.1 设备容量优化结果 45
3.3.2经济性优化结果 50
3.4 两种多元结构 CCHP 系统的对比分析 52
3.5本章小结 52
4 考虑综合需求响应的 CCHP 系统规划优化 54
4.1 CCHP 系统在分时电价下优化结果 54
4.1.1 设备容量优化结果 54
4.1.2经济性优化结果 56
4.2考虑综合需求响应的系统运行 58
4.2.1 余能经济利用的系统运行 58
4.2.2 规划优化的系统运行 59
4.3考虑综合需求响应的优化结果 61
XII
4.3.1设备容量优化结果 61
4.3.2经济性优化结果 65
4.4 本章小结 69
5 全文总结与展望 70
5.1全文总结 70
5.2研究创新性 72
5.3研究展望 72
参考文献 73
作者简历 80
XIII
图目录
图 1.1 典型 CCHP 系统结构图 2
图 1.2 含有辅助设备的 CCHP 系统结构图[12] 2
图 1.3 综合能源系统物理规划模型[27] 5
图 2.1 冷热电三联供系统结构框架图 9
图 2.2 非聚类燃气轮机性能曲线 11
图 2.3 不同簇数量下的簇内误方差曲线 12
图 2.4 燃气轮机性能曲线聚类拟合结果 12
图 2.5 CCHP 系统以电定热运行策略流程图 17
图 2.6 CCHP 系统以热定电运行策略流程图 18
图 2.7 多原动机 CCHP 系统结构框架图 19
图 2.8 多原动机分配示意图 20
图 2.9 多子系统 CCHP 系统结构框架图 20
图 2.10 SOGA 算法流程图 22
图 2.11 SOGA 算法优化变量个数示意图 24
图 2.12 SOGA 算法变量个数优化前后收敛性对比 25
图 2.13 经济性目标函数值进化过程 26
图 2.14 不分组年负荷曲线图 27
图 2.15 分组与不分组冷需求协方差 28
图2.16子系统用户年负荷曲线图:(a)分组用户电需求、(b)分组用户冷需求和(c)分 组用户热需求 29
图3.1常规CCHP系统在不同运行策略下设备容量优化结果:(a)供能设备和(b)储能 设备 34
图3.2用户需求曲线及不同运行策略下燃气轮机最大出力 35
图 3.3 用户电需求与等效热需求的平均值和方差 35
图3.4电能和等效热需求的年持续负荷曲线、平均值以及燃气轮机供能区:(a)以电定热 策略和(b)以热定电策略 36
XIV
图3.5燃气轮机在不同运行策略下根据需求平均值确定以及基于遗传算法优化的供能示意
图:(a)以电定热-需求平均值、(b)以电定热-遗传算法优化、(c)以热定电-需求平均值
和( d )以热定电-遗传算法优化 3 7
图3.6以热定电运行策略下储电设备荷电状态图 38
图3.7以电定热运行策略下储冷、储热设备储能状态图 38
图3.8常规CCHP系统在不同运行策略下总年成本及各成本组成 39
图3.9常规CCHP系统在不同运行策略下各设备的投资成本 40
图3.10常规CCHP系统在不同运行策略下各部分供能 40
图3.11常规CCHP系统在以电定热策略下消耗的天然气与电量组成:(a)天然气消耗和
(b)电量消耗 40
图3.12多原动机CCHP系统在不同策略下系统设备容量优化结果:(a)以电定热-供能设 备、(b)以电定热-储能设备、(c)以热定电-供能设备和(d)以热定电-储能设备 42 图3.13多原动机CCHP系统在不同策略下年成本结果 43
图3.14多原动机CCHP系统在以电定热策略下各设备投资成本 43
图3.15多原动机CCHP系统在以电定热策略下供冷和供热能量组成 44
图3.16多原动机CCHP系统在以电定热策略下消耗的天然气与电量组成:(a)天然气消 耗和(b)电量消耗 44
图3.17多原动机CCHP系统燃气轮机24小时部分负载率 45
图3.18多子系统CCHP系统在不同策略下系统设备容量优化结果:(a)以电定热-供能设 备、(b)以电定热-储能设备、(c)以热定电-供能设备和(d)以热定电-储能设备 46 图3.19多子系统CCHP系统的电需求平均值和方差以及子系统年持续负荷曲线和燃气轮 机供能区:(a)电需求的平均值和方差、(b)子系统1、(c)子系统2和(d)子系统3
47 图3.20多子系统CCHP系统的等效热需求平均值和方差以及各子系统年持续负荷曲线和 燃气轮机供能区:(a)等效热需求的平均值和方差、(b)子系统1、(c)子系统2和(d)
子系统3 48
图3.21多子系统CCHP系统中电制冷机和燃气锅炉全年运行工况曲线图:(a)电制冷机 和(b)燃气锅炉 49
图3.22多子系统CCHP系统在不同策略下年成本结果 50
XV
图3.23多子系统CCHP系统在以电定热策略下各设备的投资成本 50
图3.24多子系统CCHP系统在以电定热策略下供冷和供热能量组成 51
图3.25多子系统CCHP系统在以电定热策略下消耗的天然气与电量组成:(a)天然气消 耗和(b)电量消耗 51
图4.1常规CCHP系统在不同电价下系统设备容量优化结果:(a)以电定热-供能设备、(b) 以电定热-储能设备、(c)以热定电-供能设备和(d)以热定电-储能设备 55
图4.2用户 24小时电需求和分时电度电价曲线图 5 5
图4.3常规CCHP系统在不同策略下年成本结果 56
图4.4不同电价下各设备的投资成本 57
图4.5不同电价下各设备供能:(a)燃气轮机和(b)其他设备 57
图4.6常规CCHP系统在不同电价下消耗的天然气与电量组成:(a)天然气消耗和(b) 电量消耗 57
图 4.7余能经济利用运行策略 59
图 4.8谷电停机运行策略(电价谷值期间) 60
图 4.9谷电停机运行策略(电价平值和峰值期间) 6 1
图4.10不同综合需求响应下系统设备容量优化结果:(a)供能设备和(b)储能设备..62 图4.12不同电价期间余热利用顺序 63
图4.13 CCHP系统24小时供热和冷能示意图:(a)余热锅炉、(b)吸收式制冷机、(c) 燃气锅炉和(d)电制冷机 64
图4.14不同综合需求响应策略下总年成本及各成本组成 65
图4.15不同综合需求响应下各设备投资成本 66
图4.16不同综合需求响应在不同电价期间供能组成:(a)冷能、(b)热能和(c)电能68 图4.17不同综合需求响应在不同电价期间运行成本和变动成本 68
XVI
表目录
表2.1 典型燃气轮机热电比[44] 1 3
表2.2建筑物分组结果 28
表2.3 CCHP系统运行参数 30
表2.4 CCHP系统经济性参数 31
XVII
1 绪论
1.1 研究背景及意义
为进一步推进我国现代能源体系的建设,《中华人民共和国国民经济和社会发展第十 四个五年规划和 2035 年远景目标纲要》[1]指出应“坚持集中式和分布式并举”、“加快发 展东中部分布式能源”。此外,国务院发展研究中心在《2020 年中国能源革命进展报告》
[2]中提到要“大力发展天然气分布式能源,加大力度推动天然气发电与风力、太阳能发电、 生物质发电、储能等新能源深度融合发展”。在“双碳”目标背景下,积极推进分布式能 源系统小型化转型以及建设智慧电网已成为共识,“能源互联网”也应运而生[3-4]。灵活的 制造工艺、先进的材料研发以及通信控制系统等新技术一方面使得小型化和分布式能源系 统得到快速发展,另一方面也为需求侧参与能源系统的运行调度提供了坚实的技术支持。
随着分布式能源系统理念越来越广泛的应用,冷热电三联供系统(Combined cooling, heating, and power systems, CCHP)作为一种分布式能源系统,获得了学术界和产业界的广 泛关注。CCHP系统通常安装在用户附近,以中、小型系统为主,适用于小范围内的用户 能量供应,以“梯级利用”为核心思想,以天然气为主要燃料,一次能源利用率高达75% 以上[5]。此外, CCHP 系统还具有环境友好[6-7]、能源传输损失小[8-9]、较高的供能可靠性 和鲁棒性、易于集成新能源等优点[&10]。典型CCHP的系统结构如图1.1所示,原动机通 常采用燃气轮机(0.25〜300 MW)、内燃机(0.03〜5 MW)、微燃机(0.025〜0.3 MW)等[11], 发电过程中产生的余热可进一步通过余热回收装置进行利用,如采用余热锅炉为用户提供 热能,或采用溴化锂吸收式制冷机将余热转化成用户所需的冷能。此外,如图 1.2 所示, 在典型的CCHP系统结构上,通常会加入电制冷机和燃气锅炉等辅助供能设备以补充供冷 和供热。
 
 
图 1.1 典型 CCHP 系统结构图
 
 
图1.2含有辅助设备的CCHP系统结构图[12]
 
随着微燃机等小型原动机技术的逐渐成熟,CCHP系统既可采用单台容量较大的原动 机,也可采用多台小型原动机的组合方案。前者可能带来一定的规模效应,具有较高的循 环热效率和较低的单位投资成本;后者旨在提升供能系统的灵活性和可靠性。与采用多台 原动机的方案类似,在进行CCHP系统的设备容量优化时,也可将较大的供能区域分为多 个供能子系统,分别设计小型CCHP系统,实现供能系统的小型化,从而提升供能区域整 体供能的灵活性和可靠性。采用多台原动机以及在较大区域范围内采用多个CCHP子系统 等设计因素及条件将对CCHP系统的设备容量优化带来挑战。
另一方面,在能源互联网的高速发展背景下,作为多能协同能源系统之一的CCHP系 统积极参与需求响应也将成为未来的发展趋势。需求响应将逐渐渗透到CCHP系统的运行
2
调度中,以提高系统设备间能量流动的灵活性,这也对CCHP的系统容量优化产生了影响。 因此,对计及需求响应的CCHP系统进行设备容量优化研究具有重要意义。
1.2考虑多元结构和综合需求响应的CCHP系统研究现状
为了使CCHP系统在改变系统结构和系统运行、提高系统可靠性和灵活性后获得更好 的系统经济性,已经有学者在考虑多原动机、多子系统以及参与需求响应等因素下开展了 CCHP 系统设备容量优化的相关研究。
1.2.1多原动机CCHP系统研究现状
目前已有研究中的 CCHP 系统大多采用单台原动机,如燃气轮机[13-15]、内燃机[16]等, 采用混合整数规划( Mixed-Integer Programing, MIP)[16]、 混合整数非线性规划
(Mixed-Integer Nonlinear programming, MINLP)[13]和遗传算法(Genetic Algorithm, GA) [17-18]等优化算法以经济、能源与环境[13]等为优化目标进行系统设备容量优化。也有部分学 者对多台原动机的CCHP系统的设备容量优化开展了研究。Sepehr Sanaye等[19]对全年电 负荷和热负荷进行CCHP系统设备容量优化,从11种不同型号的微燃机中进行原动机的 选择,并对原动机数量进行优化,同时提出了一种优化原动机每月负载运行情况和估算系 统年成本的新方法。模拟结果显示含有两台微燃机的CCHP系统具有更大的年利润和更短 的投资回收期。Shilei Lu等[20]基于双层模拟方法建立了 CCHP系统设备容量优化和运行优 化的计算模型,以典型日的逐时用能负荷对预设的特定容量型号原动机的数量及其运行过 程进行优化。Navid Khakpaay等[21 ]提出了 一种结合新型梯级朗肯循环热回收发电的CCHP 系统,并对该综合能源系统的设备容量进行优化。从装机容量在322 kW至2000 kW之间 的8种不同型号的燃气发动机中进行原动机选择,最终选择3台393 kW的燃气发动机以 获得更高的能源利用效率和经济性。
以上研究均表明多原动机联用能够有效提升CCHP系统的经济性和能源利用效率,但 是并未深入阐明经济性提升的关键原因,一些学者在此基础上开展了更进一步的模拟和分 析。Mohammad Abbasi等[22]对混合使用容量为1 MW或2 MW的不同类型原动机(燃气 发动机、燃气轮机、柴油发动机)的CCHP系统通过能源利用率、畑效率和经济性进行综 合性评估。采用逐月的负荷曲线对六种不同场景进行模拟,结果表明,与含有单台原动机
3
的CCHP系统相比,采用2台原动机组合的CCHP系统具有更高的畑效率和燃料节约率。 此外, 2台原动机可产生更多的余热用以回收,从而降低了辅助锅炉的容量并降低了系统 的燃料消耗。Shuhei Yamano等[23]采用总数为3台的单一转速(高速、中速)以及不同转 速的原动机组合并结合设备运行特点和实际设备维护情况对CCHP系统设备容量进行优 化模拟,结果表明CCHP系统在混合原动机模式下具有更低的年运行成本。因为中速型原 动机效率较高,维护费用较低,故中速型原动机优先运行,系统中的高速型原动机可在中 速型原动机进行维护时提高系统稳定性。Sepehr Sanaye等[24]采用遗传算法对CCHP系统 中原动机和锅炉的设备容量、电制冷与总制冷的比值以及全年时间内原动机逐月部分负载 分别在1台或2台原动机的条件下以经济性为目标进行优化,结果表明CCHP系统在单台 原动机的情况下具有更好的经济性。虽然2台原动机条件下所采用的原动机总容量小于单 台原动机,而小容量原动机的单位投资成本更大,因此单台原动机的CCHP系统经济性优 于2台原动机的系统。
1.2.2多子系统CCHP系统研究现状
根据系统额定发电功率,CCHP系统可分为微型规模(小于20 kW)、小型规模(20 kW-1 MW)、中型规模(1 MW-10 MW)和大型规模(大于10 MW) [25]。在用能负荷较大的区 域,可以安装单个大型CCHP系统,也可设计多个中小型CCHP系统进行区域供能。如 1993年至2002年在伊利诺伊大学芝加哥分校建设了一个大型CCHP供能系统,主要分为 东校区系统和西校区系统。在东校区的CCHP系统中采用了 2台6.3 MW的双燃料往复式 活塞发动机和2台3.8 MW的天然气往复式活塞发动机作为系统的原动机。西校区由于医 院和部分楼宇具有较大的用能负荷,额外增加了 3台5.4 MW的Wartsila燃气发动机和3 台7 MW Solar Taurus燃气轮机[25]。Moritz Wegener等[26]在西班牙的一个历史建筑物群采 用含有生物质的小规模CCHP子系统和热泵子系统的综合能源系统结构,并比较了不同规 模子系统组合的系统经济性,结果表明规模较小的CCHP系统具有较高的畑效率和经济性, 有利于系统运行。目前也已经有学者对基于CCHP系统的区域能源系统优化进行了相关研 究。如图1.3所示,权超等[27]提出了一种以多个CCHP子系统为基础,耦合了电力和天然 气的综合能源系统的规划优化模型。模型中考虑了 CCHP系统的设备容量优化、燃气管道 铺设和配电线路的规划,以系统总投资和年运行成本最低为优化目标,该综合能源系统与 传统分供系统相比具有更高的经济性。
4
 
 
图1.3综合能源系统物理规划模型[27]
 
王珺等[28]对由多CCHP子系统和连结区域系统之间的环状热网构成的综合能源系统进 行了规划优化研究。该研究采用MINLP方法,考虑环状热网中各能量节点的能流平衡及 相关能量-流量约束,并对CCHP系统进行设备容量优化。研究以天津市某综合区域为算 例,发现此能源系统可提高燃气轮机的利用率,降低能量传输损失。Farid Varasteh等[29] 将一个含有42幢建筑物的建筑群划分成5个区域,为每个区域的用户负荷分别规划设计 CCHP子系统。该研究采用双层迭代优化算法,对由多个区域能源子系统组成的微电网进 行优化扩展和运行规划,每个区域能源子系统都能以较高的效率与电网交互购电、售电, 同时可以参与基于分时电价(Time of Use, TOU)或直接负荷控制的需求响应。与传统规 划方法相比,该方法使得系统的总投资和运行成本降低了约54.7%。除了对多区域能源系 统的规划优化研究,吴志佳[30]对综合能源系统中的区域多CCHP微网的调度做了相关优化 研究。该研究并未考虑CCHP系统的设备容量优化,而是通过遗传算法以经济性和综合能 效为优化目标计算各微网间复杂的能量调度,并将区域内各微网在独立运行方式下的优化 结果与各区域能源协调运行方式下进行对比。
1.2.3综合需求响应下的CCHP研究现状
传统的需求响应以电力负荷为主要研究对象,当电力用户具有可转移负荷或可削减负 荷时可对响应信号进行响应,但是只具有固定负荷的非弹性电力用户却无法参与需求响应 计划。此外,由于高昂的不舒适成本,大多数电力用户不愿意中断或延迟用电。
5
可同时提供多种能源的能源系统,如CCHP系统,为需求响应的实施带来了新的可能。 综合了电能、热能、冷能、天然气等多种形式能源的供能系统由于其具有能源互补性,可 通过使用不同供能设备,灵活切换系统消耗能源的来源以实现从运行侧进行需求响应,从 而使得用户的所有用能负荷(可转移负荷、可削减负荷和固定非弹性负荷)均可参与需求 响应[31]。在高峰时段,可减少从电力系统购买的电力,转而使用通过能源系统中供能设备 消耗燃料所生产的电力,不仅降低了在用电高峰期电力系统的供电压力,同时用户的用能 负荷并未受到影响,保证了用户的舒适度,这种需求响应实施的新形式被称为“综合需求 响应"(Integrated Demand Response, IDR) [32]。IDR将打破电力和其他形式能源之间的壁 垒,从而实现多种能源和信息流的深度融合,IDR也将各种能源供应方式互相沟通联结, 形成一个更经济、更可靠的能源供应模式。IDR在多能源系统中可发挥以下重要作用:1) 提高能源系统经济性[33];(2)提高能源系统可靠性[34];(3)开发需求侧资源的潜能。目前, 多能源系统中IDR的应用研究已经引起了广泛关注。
Martinez Cesena等[35]基于电-热-气一体化的CCHP模型,对英国某小区的多能源系统 进行仿真模拟,在不影响终端用户舒适度的情况下,对智能建筑中IDR的经济效益进行了 评估,结果表明通过切换不同的设备予以供能可以进一步降低小区的运行成本。Michiel Houwing等[36]探究了微型热电联供系统应用IDR后产生的经济效益,研究案例表明微型 热电联产是应对家庭用能需求的节能技术,IDR的实施可将运行成本降低14%。Pierluigi Mancarella等【辺通过不同类型设备的组合将能量负荷在不同设备间进行灵活分配,赋予系 统运行操作极大的灵活性,随着能量在热负荷、冷负荷和电负荷之间转换,热电联产系统 能够在不降低能源消费者舒适性的情况下进行需求响应。同时提出了一种分析建模框架, 对分布式CCHP系统参与实时需求响应的潜力进行了量化,该方法以运行成本为优化 目标对系统所需提供的不同类型能量进行优化。Aras Sheikhi等[38-39]针对电力和天然 气管网制定了 IDR计划。智慧能源枢纽之间的相互作用通过序数势博弈进行建模。仿真模 拟结果表明,除了负荷转移外,智慧能源枢纽中的供能系统还可以通过在用电高峰时段使 用不同供能设备来参与IDR计划。IDR可降低电力和天然气负荷的高峰负荷需求,既有利 于用户侧降低电力和燃气的消耗成本,也有利于降低供给侧的供电和供天然气压力。 Xiaolong Jin等[40]发现可以通过使用不同的能源供应和转换设备大幅度降低日前运营成本。
1.2.4现有研究的不足
目前CCHP系统设备容量优化研究大多集中在单原动机的系统中,较少研究涉及多原 动机的情况,多原动机对系统设备容量以及经济性优化目标产生的作用及其原因仍有待进 一步研究。当CCHP系统设备容量优化涉及多子系统的应用场景时,现有研究较多关注能 源系统中复杂的能量流动,而并未详细分析CCHP系统中设备容量优化的变化及其原因, 对多子系统的CCHP系统设备容量优化与等效的单个CCHP系统设备容量优化的经济性比 较仍有待开展研究,研究结果也将为大型用能场景建设含有多子系统的CCHP能源系统或 者单一 CCHP系统提供一定的现实参考意义。同时,随着“能源互联网”的发展,综合需 求响应在将出现在未来CCHP系统的实际应用之中。CCHP系统可通过不同能源形式之间 的互补运行提高系统灵活性和经济性,但优化后的运行也将对CCHP系统的设备容量优化 带来新的影响。现有研究大多着眼于综合需求响应在CCHP系统运行中的应用,而未考虑 综合需求响应的应用对CCHP系统设备容量优化的影响。
此外,现有CCHP系统设备容量优化的研究大多数是对设备容量在所罗列的较少型号 中的简单选择,缺乏对原动机在较大设备容量范围内的容量优化。在对系统进行模拟时, 多采用典型日需求或者全年范围内的逐月用能需求进行全年运行模拟,忽略了用户用能行 为随时间、天气以及现实生产生活等不确定因素对用能曲线所带来的影响。
1.3主要研究内容
针对上述问题,本研究对不同多元结构(多原动机和多子系统)的CCHP系统进行建 模仿真,分析了系统设备容量和经济性的优化结果及其原因,并探究了综合需求响应的影 响。本研究主要包括以下内容:
(1)构建含多原动机和多子系统的CCHP系统设备容量优化模型,探究不同多元结构下 CCHP系统设备容量和经济性的优化结果及其原因。
本研究计划采用考虑规模效应的燃气轮机物理模型和经济模型,可在较大范围内进行 燃气轮机的选择。提出基于程序优化的多原动机分配方式以及基于平滑用户负荷曲线的多 子系统分组方式,构建多原动机和多子系统的CCHP系统结构框架,分析不同运行策略下 的系统设备容量和经济性优化结果及其原因。
(2)提出综合需求响应运行策略,探究综合需求响应对CCHP系统设备容量和经济性产
7
生的作用及其原因。
本研究计划提出三种基于多能互补的综合需求响应运行策略(余能经济利用、谷电停 机以及两者组合),通过系统设备容量和经济性优化结果来分析不同综合需求响应运行策 略对优化结果产生的影响及其原因。
2冷热电三联供系统模型
本章主要介绍了冷热电三联供系统的构建,包括系统结构框架和能量平衡方程、系统 中各设备物理建模和系统运行策略。此外,本章还提出了考虑原动机规模效应的多原动机 建模方式和基于负荷曲线分组的多子系统规划模式,以及对遗传算法的优化方法,并介绍 了系统优化目标、案例分析中采用的用户需求和关键技术经济参数。
2.1系统结构框架和能量平衡方程
原动机是将热能、电能等其他形式的能量转化成机械能的机械设备,是CCHP能源系 统的“心脏",常用的有内燃机和燃气轮机[25]。本研究中的 CCHP 系统结构框架如图 2.1 所示,采用燃气轮机为原动机,以天然气为燃料进行发电,燃烧后的高温烟气中携带的余 热可通过余热锅炉进行热量回收。回收后的热量可用于驱动吸收式制冷机制冷,也可直接 为用户供热。电制冷机和燃气锅炉可在前述设备无法满足用户需求时进行供冷和供热的补 充,电网可在原动机供电不足时为系统补充电能。同时,系统中加入了储电、储冷和储热, 其中以电定热策略以储电为主,以热定电策略以储冷和储热为主。不同策略下的主要储能 设备可对剩余的电能、冷能和热能进行储存,在系统供能设备无法满足用户用能需求时释 放储存的能量。
 
9
 
本研究中CCHP系统的能量平衡方程为: 冷平衡:
CAC(t)+CEC(t)+CCES,out(t) =Cdemand(t)+CCES,in(t)
热平衡:
HWHB (t) + HGB(t) + HTES,out (t) = H
demand (t) + HTES,in (t)
电平衡:
EGT (t) + Egrid (t) + EEES,out (t) = Edemand (t) + EEES,in (t)
其中,Cac(/)为t时刻吸收式制冷机供冷功率,单位为kW; Cec(/)为t时刻电制冷机 供冷功率,单位为kW; CcES,out(t)为t时刻储冷放能功率,单位为kW; Cdemand(t)为t时刻 用户冷需求,单位为kW; CcES,in(t)为t时刻储冷充能功率,单位为kW; HWHB(t)为t时刻 余热锅炉供热功率,单位kW; Hgb(t)为t时刻燃气锅炉供热功率,单位为kW; HTES,out(t) 为t时刻储热放能功率,单位为kW; Hdemand(t)为t时刻用户热需求,单位为kW; HrES,m(t) 为t时刻储热充能功率,单位为kW; EGT(t)为t时刻燃气轮机供电功率,单位为kW; Egrid(t) 为t时刻电网购电功率,单位为kW;EEES,out(t)为t时刻储电放能功率,单位为kW; Edemand(t) 为t时刻用户电需求,单位为kW; EEES,m(t)为t时刻储电充能功率,单位为kW。
2.2系统设备物理建模
2.2.1 燃气轮机模型
燃气轮机(Gas Turbine, GT)作为CCHP系统的原动机,通过压气机从环境中吸入并 压缩空气,在燃烧室中与天然气混合并燃烧产生高温烟气,烟气进入涡轮进行膨胀做功发 电,其中排烟中的热量可通过余热回收加以利用。燃气轮机的发电效率具有非线性的特点, 即发电效率并非部分负载率的一次函数[41]。Mohammad Abbasi等[22], Sepehr Sanaye等[24] 和 Qiong Cui 等[42]指出燃气轮机的发电效率可视为部分负载率的二次函数,因此据德国 STEAG电力公司开发的EBSILON®热力计算软件数据库中燃气轮机的运行数据,对其中 75台容量在1 MW至44 MW之间的燃气轮机的发电效率-部分负载率进行二次函数拟合, 如图2.2所示可获得一条燃气轮机性能曲线,其拟合公式为:
10
仏=—0.2757厂 $ + 0.5349厂 + 0.08304 (2.4)
其中,nele为燃气轮机发电效率;7为燃气轮机部分负载率。
 
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
部分负载率
 
图2.2非聚类燃气轮机性能曲线
图 2.2 中的拟合曲线虽较好地描述了燃气轮机的性能曲线形状,但是各燃气轮机的工 况点与该拟合曲线在数值上仍有较大偏差,曲线拟合的R2仅为0.77,因此对所有型号的 燃气轮机采用非聚类能曲线进行系统运行模拟将会带来较大误差。由于燃气轮机的效率具 有容量规模效应,即相同负荷率条件下,燃气轮机的容量越大,其对应的电效率也普遍更 高,本研究采用聚类的方式,将燃气轮机按容量从小到大进行划分,对不同范围内的燃气 轮机性能曲线分别进行拟合,得到不同范围的特征性能曲线。
K-Means 算法是一种应用较为广泛的无监督聚类算法,无监督是指该算法在学习过程 中没有对应的数据标签,只能从算法的输入进行一些数据特征发现或者预处理,聚类将特 征相似的对象聚集为同一簇,该算法具有易于实现、快速收敛、聚类效果较好、调参个数 少等优点。 K-Means 算法流程如下:
(1)输入样本特征向量;
(2)设定聚类个数 k;
(3)初始化k个簇的中心;
(4)计算输入的每个样本与k个簇中心的距离,将其分配到距离最近的簇中;
(5)重新计算k个簇中心;
( 6 ) 迭代直至结果收敛。
11
 
本研究采用K-Means算法对燃气轮机的性能曲线进行聚类分析。首先对燃气轮机的原 始数据点进行发电效率-部分负载率曲线拟合,再以 0.01 的部分负载率步长均匀取点构成 该机组性能曲线的特征向量。将75个特征向量作为输入,采用K-Means算法进行聚类, 按不同容量区间进行分类,即将位于该区间内的发电效率-部分负载率曲线拟合为一条曲 线。不同簇数量下的簇内误方差值如图2.3所示。由图可知,簇数量k=2,3,4时出现曲线 的肘型,因此该范围内的簇数量较为合理。通过 K-Means 算法分别在 k=2,3,4 条件下对 75 个特征向量进行聚类并获得结果,同时由于各簇内的燃气轮机容量不考虑间断这一约束条 件,通过对聚类结果的分析,当簇数量k=3时可兼顾分组效果和分组数量,因此本研究采 用k=3。通过聚类分组后的燃气轮机性能曲线如图2.4所示。
 
图2.4燃气轮机性能曲线聚类拟合结果
12
 
各条聚类拟合性能曲线公式如下:
1 MW<CoPgt < 17 MW: 養b = —0.2638x 尸 + 0.5051 x y + 0.05776
17 MW<Ca^GT <27 MW: = —0.1675x才 + 0.3691xy + 0.1365 (2.5)
27 MW<C% < 44 MW: 7^ = —0.2176xr2 + 0.4409xy + 0.1432
其中,CapGT为燃气轮机额定容量,单位为kW;其余参数见公式(2.4)。
拟合后的三组曲线的R2分别为0.90、0.92和0.94,与非聚类能曲线相比有了显著提高, 即拟合效果更好。
除发电效率外,热电比也是燃气轮机的一个重要参数。热电比可用于估算燃气轮机的 可利用余热量,其大小通常随燃气轮机容量大小而有所变化,机组容量越大,热电比越小 [43]。一些典型的燃气轮机容量与相对应的热电比如表2.1所示[44]。本研究中的燃气轮机所 用热电比,可按照其容量大小采用插值法进行计算获得。
表2.1典型燃气轮机热电比[44]
燃气轮机容量(kW) 热电比
1000 1.96
5000 1.47
10000 1.37
25000 1.05
40000 0.93
 
由燃气轮机单位时间内的发电功率、发电效率和天然气的低位热值,可得到单位时间
内所消耗的天然气量:
 
其中,Mgt为燃气轮机单位时间内消耗天然气量,单位为m3; Egt为燃气轮机发电功 率,单位为kW; “为单位时间,单位为h; LHV为天然气低位热值,单位为kWh/m3。
根据燃气轮机的发电功率和燃气轮机的热电比可计算得到产热功率:
Hgt = Egt x a (2.7)
其中Hgt为燃气轮机余热功率,单位为kW; a为燃气轮机热电比。
13
2.2.2余热锅炉模型
燃气轮机的排烟仍具有较高的温度,其中携带的热量可通过余热锅炉(Waste Heat Boiler, WHB)进一步加以利用。高温烟气进入烟道,经过热器、蒸发器等将管道中的水 通过换热过程加热成过热蒸汽,从而为用户提供热能,此外,加热后的蒸汽也可用于驱动 吸收式制冷机进行供冷。余热锅炉模型如公式(2.8)所示:
Hwhb = Hgt x 7whb (2.8)
其中, HWHB 为余热锅炉供热功率,单位为 kW; HGT 为燃气轮机烟气余热功率,即进 入余热锅炉的热源功率,单位为kW; “WHB为余热锅炉转换效率。
2.2.3吸收式制冷机模型
吸收式制冷机(Absorption Chiller, AC)可利用发电余热进行供冷,从而提高能源系 统的一次能源利用效率。吸收式制冷机主要包括了发生器、冷凝器、蒸发器和吸收器等设 备,由制冷剂和吸收剂组成工作介质对,如氨和水,水和溴化锂。吸收式制冷机利用溶液 对溶液中沸点较低的组分的蒸气具有吸收作用的特点进行制冷[45],其首先通过热源对工质 溶液进行加热,使溶液中低沸点的制冷剂大量汽化进入冷凝器,冷凝成液体后再经节流过 程降压至蒸发压力进入蒸发器并大量吸收热量,从而起到制冷的目的。制冷剂与经汽化过 程的高浓度溶液在吸收器中汇集,从而降低溶液浓度,完成整个循环。目前的吸收式制冷 机以溴化锂吸收式制冷机的应用最为广泛。吸收式制冷机的模型如公式(2.9)所示[46]:
CAC = HAC,in % COPAC (2.9)
其中, CAC 为吸收式制冷机制冷功率,单位为 kW; HAC,in 为进入吸收式制冷机的热源 功率,单位为kW; COPac为吸收式制冷机的制冷系数。
2.2.4电制冷机模型
电制冷机(Electric Chiller, EC)消耗高品位的电能驱动压缩机工作,经压缩机后压力 提高,从而完成制冷循环,按照压缩机类型可分为离心式、螺杆式、活塞式、涡旋式等。 在本研究中,电制冷机作为吸收式制冷机和储冷供冷不足时的补充供能设备,其模型如公 式(2.10)所示[46]:
14
 
CEC =EEC xCOPEC (2.10)
其中,Cec为电制冷机的供冷功率,单位为kW; Eec为电制冷机的耗电功率,单位为 kW; COPec为电制冷机的制冷系数。
2.2.5 燃气锅炉模型
燃气锅炉(Gas Boiler, GB)以天然气为燃料,通过燃烧产生高温烟气,经过受热面与
工质进行热交换,从而生成蒸汽或热水,为用户进行热量供给,其模型如公式(2.11)所示[46]:
 
其中,Hgb为燃气锅炉供热功率,单位为kW; Mgb为燃气锅炉单位时间内消耗的天
然气量,单位为m3; nGB为燃气锅炉转换效率。
2.2.6 储能模型
本研究中的CCHP系统结构框架包含了储冷(Cooling Energy Storage, CES)、储热 (Thermal Energy Storage, TES)、储电(Electric Energy Storage, EES)等三种储能,可在 系统产能满足用户用能需求后有富余时,对多余能量进行存储,在系统供能不足时释放内 部存储的能量加以供能补充。三种储能设备的模型均可由公式(2.12)表示[47]:
Sstor(/ + 1) = SstMX1-£°r) + [7ch x Qh(t) - — x Qdisch(/)] xAt (2.12)
stor stor stor ch ch 7disch disch
其中,Sstor(t+1)为储能在(t+1)时刻储存的能量,单位为kWh; Sstor(t)为储能在t时刻储 存的能量,单位为kWh;5stor为储能自放能率;"ch为充能效率;Qch (t)为t时刻的充能功率, 单位为kW; "disch为放能效率;Qdisch(t)为t时刻的放能功率,单位为kW; At为单位时间, 单位为 h。
2.3 系统运行策略
目前已有大量学者对CCHP系统的运行策略进行了相关研究。其中最典型且应用最为
广泛的系统运行策略为以电定热(Following the electric load, FEL)和以热定电(Following
the thermal load, FTL) [48]。其中,按照以电定热策略运行的CCHP系统优先满足用户电需
15 求,产电过程中的余热可为用户提供一定的热能和冷能;按照以热定电策略运行的CCHP 系统优先满足用户热需求(冷需求),原动机产生的电量可为用户提供一定的电能。此外, 还有学者提出了混合运行策略,即将以电定热和以热定电相结合,CCHP系统可在两种运 行策略中切换,以降低多余产能[49]。此类基于规则的策略使得CCHP系统具有固定的运行 方式,易于模拟,减少了模拟计算量。虽然以上策略在CCHP系统中应用最为普遍,但是 这些策略并不能保证 CCHP 系统的最佳运行,因此可通过使用优化算法的数学模型对 CCHP系统的运行在各种优化目标下进行优化。Jiangjiang Wang等[50]以提高能源节约量和 降低环境影响为目标,通过遗传算法进行运行优化;Hui Li等[51]以年成本、一次能源消耗 量和二氧化碳排放量为优化目标,通过MILP进行运行优化;S.G. Tichi等[52]以粒子群算 法(Particle swarm optimization, PSO)在不同能源价格政策下优化CCHP系统运行。
由于本研究的原动机建模较为复杂,且用户需求为全年的逐时负荷(见 2.6 节),数 据量较大,若在研究 CCHP 系统的设备容量优化的基础上采用数学优化算法同时考虑 CCHP系统的运行优化,则会为系统模拟带来巨大的计算量。同时,国家能源局印发的《关 于发展热电联产的规定》[53]中指出,热电联产规划应以供热为主要任务,以“以热定电和 适度规模”为原则,但是仅考虑以热定电策略可能导致系统规模较大,因此本研究同时采 用最典型的以电定热和以热定电运行策略对CCHP系统运行进行模拟。两种运行策略流程 图如图 2.5 和图 2.6 所示。
( 1 ) 以电定热运行策略
如图 2.5 所示,在以电定热运行策略下, CCHP 系统优先满足用户的电需求。当电需 求小于储电中的电量与燃气轮机的最大产电量之和时,储电放电,同时燃气轮机产电以满 足用户需求;当电需求更大时,储电放电,燃气轮机按照额定功率运行以提供其最大产电 量,不足供电量从电网购入。
在本研究中,燃气轮机的高温烟气可经余热锅炉对烟气余热进行回收利用。由图 2.1 可知,用户全年均同时存在照明和电子设备等电需求、冷气和冷水等冷需求、暖气和热水 等热需求,因此所有回收的余热将按照由冷需求和热需求计算得到的比例p分别进入吸收 式制冷机进行产冷和直接为用户供热,计算方式如下所示:
CdM)/gc
Hdemand(t) + CdM)/gc
其中,0(t)为t时刻进入吸收式制冷机的热量与总回收余热之比;Cdemand(t)为t时刻用
16 户冷需求,单位为kW ; COP AC为吸收式制冷机的制冷系数,Hdemand (t)为t时刻用户热需 求,单位为 kW。
计算此时可利用的余热,并与当前时刻的等效热需求(冷需求和热需求均由燃气轮机 的烟气余热满足)进行比较。若回收热量更大,则回收热量按照比值P直接由余热锅炉为 用户供热以及进入吸收式制冷机产冷为用户供冷,多余的热量和冷量则由储热和储冷进行 存储;若回收热量更小,则在余热锅炉和吸收式制冷机供热供冷之外,由燃气锅炉和电制 冷机满足剩余的用户需求。
 
图2.5 CCHP系统以电定热运行策略流程图
 
( 2 ) 以热定电运行策略
如图 2.6 所示,在以热定电运行策略下, CCHP 系统优先满足用户的冷、热需求。当 等效热需求小于储冷的等效热量、储热和余热锅炉的最大产热量之和时,储冷和储热放能, 余热锅炉生产剩余所需热量,并直接为用户供热以及驱动吸收式制冷机产冷为用户供冷; 反之,储冷和储热放能,余热锅炉以额定功率产热,与吸收式制冷机一起为用户供热供冷, 同时通过燃气锅炉补充供热,电制冷机补充供冷。计算此时的燃气轮机产电量,若电需求 小于燃气轮机产电,燃气轮机产电以满足用户需求,储电存储多余电量;当电需求更大时, 燃气轮机产电供用户使用,同时储电放电,若仍有供电不足,则从电网购电。
17
 
 
图2.6 CCHP 系统以热定电运行策略流程图
 
2.4 系统规划模式
为探究多原动机CCHP以及多子系统CCHP的能源系统设备容量优化问题,本研究设 计了两种系统规划模式,分别为多原动机模式和多子系统模式,现将两种系统规划模式介 绍如下:
(1)多原动机规划模式
由于多原动机可提高CCHP系统的灵活性和可靠性,因此实际应用中会采用多台原动 机同时供能的方式,考虑到系统调度的复杂性,一般原动机数量不超过3台。如图2.7所 示,在多原动机规划模式下,CCHP系统可采用单台、2台和3台原动机的系统结构框架, 其中在多台原动机情况下,采用的各台原动机容量大小相等。
18
 
 
在多原动机的系统规划条件下,系统将在以电定热和以热定电的运行策略下按照多原 动机分配原则对系统中各燃气轮机运行进行调度。
本研究中的多原动机分配原则由程序模拟获取。将1 MW与44 MW之间的燃气轮机 以2 MW的容量间隔选取共22种不同大小的容量,让每一种容量分别在一倍容量出力需 求(单原动机)、一倍到2倍容量出力需求(双原动机)之间以及2倍容量到3倍容量出 力需求之间(3台原动机)等三种不同燃气轮机数量下,以0.5 MW的出力间隔计算在该 容量下不同燃气轮机出力分配方式的天然气消耗量。模拟结果显示,在多原动机的情况下, 当供能要求无法由单台燃气轮机满足时,使用最少数量的燃气轮机并将供能需求在这些燃 气轮机之间平均分配可消耗最少的天然气,运行更为经济。
多原动机分配原则如图 2.8 所示:当系统采用以电定热运行策略时,若用户的电需求 小于1 台原动机最高供电量,则只开启第1台原动机,第2台原动机与第3台原动机均处 于关闭状态;若用户的电需求在1台原动机和 2台原动机最高供电量之间,则电需求将由 2台原动机平均承担,第3台原动机处于关闭状态;若用户的电需求在2台原动机和 3台 原动机最高供电量之间,则用户的电需求将由 3台原动机平均承担。当系统采用以热定电
19
 
运行策略时,将所有燃气轮机需要承担的供热量换算为供电量,再按照前述规则进行运行。
 
图2.8多原动机分配示意图
 
2)多子系统规划模式
如图2.9所示,在多子系统规划模式下,将区域中的总建筑分为 3 个子建筑群,为每 个建筑群规划对应的子系统,其中各子系统均采用单台燃气轮机。各子系统通过区域内的 物理供能网络为其对应的子建筑群进行供能。
各子CCHP系统为对应用户群供能
 
图2.9多子系统CCHP系统结构框架图
 
2.5 遗传算法
CCHP系统供能侧多样化的技术组合以及复杂的运行过程使得计算机无法对所有可能 的设备容量组合进行模拟并比较,以找出最优解,因此学者们提出了一些优化算法以加速 寻找CCHP系统的最佳组合和运行[54]。用于求解CCHP系统设备容量优化的算法主要可
20 分为线性和非线性两类。线性算法[16]的适用前提假设为相关设备的输出能量和输入能量成 正比,而混合整数非线性算法[15,55]则可以解决非线性优化问题。此外,遗传算法也较为广 泛地应用于CCHP系统的规划优化问题[56-57]。
由于本研究将考虑多种情况下的CCHP系统的设备容量组合,且原动机模型并非简单 的线性模型,系统以全年逐时需求数据为输入,模拟计算量大,因此采用遗传算法,使用 开源编程语言Python对CCHP系统的设备容量优化问题进行求解。
2.5.1 优化目标
经济效益是衡量CCHP系统规模设计与运行策略的一个重要因素,该指标受到设备投 资、设备运行效率、购电成本、天然气成本等因素的影响。因此,本研究以CCHP系统的 经济性年成本为优化目标,计算公式如下:
Costtotal = ICannual + OCannual + MCannual +VCannual (2.14)
ICannual =[[黑 E £ X Cap, (2.15)
8760
OCannual = EMGT(t)+MGB(t)XPriNG(t)+Egrid XPrigrid(t) t=1 (2.16)
m
MCannual =EMCjXCapj
j=1 (2.17)
m
VCannual =EVCjXGEj (2.18)
j=1
 
其中,Costtotal为经济性年成本,由设备年平均投资成本、系统运行成本、系统维护成 本和系统变动成本组成,单位为元/年;ICannual为系统设备年化投资成本,即将系统设备购 买所需的固定投资通过税率和系统寿命换算成年平均成本,单位为元/年;OCannual为系统 年运行成本,由各个设备从天然气网购气和电网购电的成本组成,单位为元/年; MCannual 为系统年维护成本,单位为元/年;VCannual为系统年变动成本,单位为元/年;r为税率;T 为设计系统寿命,单位为年;ICi为系统中设备i的单位投资成本,单位为元/kW; Capi为 系统中设备i的容量,单位为kW; Mgt(t)为t时为燃气轮机在t时刻消耗的天然气量,单 位为m3; Mgb(/)为t时为燃气锅炉在t时刻消耗的天然气量,单位为m3; PriNG(t)为t时刻
21
的天然气价,单位为元/m3; Egrid(t)为t时刻从电网的购电量,单位为kWh; Prignd(t)为t 时刻的电价,单位为元/kWh; MG为设备j的单位维护成本,单位为元/kW; VCj为设备j 的单位变动成本,单位为元/kWh; GEj为设备j的全年出力,单位为kWh。
2.5.2 单目标遗传算法
本研究系统模型选取含有“精英策略"(Elitist Selection)的单目标遗传算法(Single
Objective Genetic Algorithm, SOGA),算法流程如图 2.10 所示:
 
图2.10 SOGA算法流程图
 
流程中各步骤解释如下:
( 1 )参数初始化
输入设定参数数值,如种群中个体数目、迭代次数、精英解保留率、交叉率、系统运 行策略、变异率、原动机数量等。
(2)随机生成初始种群 通过随机函数在程序设定的各设备容量搜索范围内随机生成染色体编码,代表不同的 系统设备容量组合方式。
22
(3)遗传变异
每一次迭代中的父代染色体按照设定参数进行交叉、变异,并与生成的新染色体共同 构成本次迭代的备选种群。
(4)目标函数计算 对备选种群中的染色体进行翻译,即将染色体中的数值转换成系统中各设备的容量数
值,并以设定的系统运行策略进行模拟,计算优化的目标函数值。
(5)个体适应度计算
个体适应度是个体在种群中优秀程度的度量指标,用于区分个体的“好”与“坏”,适 应度越大则表示该个体越优秀。适应度通过适应度函数进行计算。本研究的单目标遗传算 法以系统经济性为优化目标,采用的适应度函数如下所示:
fitness = 1 (2.19)
Costannual
(6)精英策略 比较遗传变异后备选种群中每个染色体的适应度大小,将所有个体适应度从大到小排
列,按照设定的精英解保留率保留适应度较大的 L 个个体, L 的计算如公式(2.20)所示, 构成种群Fl,同时从备选种群中删除这部分被保留的染色体。
(2.20)
其中EN为精英解保留个体数量;pop为种群中个体数量;久为精英解保留率。
(7)轮盘赌策略
轮盘赌策略又称比例选择方法,其基本思想是:每个个体被选择的概率与其适应度大 小成正比,适应度越大,个体越优秀,被选择并在迭代中被保留的概率越高。某一个体Xi 的适应度值表示为fxd,该个体被选中的概率为p(Xi),累积概率为q(Xi),表示每个个体之 前所有个体的选择概率之和,对应的计算公式如下:
 
 
 
计算每个个体Xi被选中的概率p(Xi)和累积概率q(Xi)。随机生成mi € (0,1)。若mi < q(xi),
则个体1被选中,否则选择个体k进行保留,使得q(xk-i)< mi < q(xk)。重复多次,直至选 出的下一代种群 F2 与精英策略选择的种群 F1 一起满足种群个体数目的要求。
(8)得到下一代种群
精英策略选择的种群F1和轮盘赌策略选择的种群F2构成了下一代种群。
(9)判断是否达到迭代次数
重复步骤(2)—(8),若程序判定已到达最大迭代次数,则计算终止,输出最终优 化结果;若未到达,则继续计算。
经过以上流程计算后可得到本研究模型的经济性目标最优解。
2.5.3算法优化
将 CCHP 系统中的所有产能、储能设备容量均列为遗传算法的优化变量,通过交叉、 变异进行迭代获得最优解的方式会导致收敛缓慢,优化过程较长。减少优化变量的个数将 有效提高模型运算速度,使得通过遗传算法优化的目标函数较快收敛。如图 2.11 所示,通 过对系统运行策略的分析可知,燃气锅炉和电制冷机是CCHP系统的辅助供能设备,燃气 轮机、余热锅炉、吸收式制冷机以及各种储能根据运行策略运行并供能,燃气锅炉和电制 冷机对不足的供热和供冷予以补充,因此燃气锅炉和电制冷机的运行工况和所需容量由燃 气轮机、余热锅炉、吸收式制冷机和储能等设备的容量和运行工况决定。因此本研究将燃 气锅炉和电制冷机的容量从遗传算法的优化变量中移除去,采用前文2.1 节所述的能量平 衡方程,可得到每个时刻燃气锅炉和电制冷机的出力,从全年的出力中选取最大的出力作 为该设备的容量。SOGA算法变量个数优化前后收敛性对比如图2.12所示,减少优化变量 个数后,优化目标收敛加快。
 
 
24
 
 
图2.12 SOGA算法变量个数优化前后收敛性对比
在遗传算法中,种群大小、交叉率、变异率、迭代次数等参数将对程序模拟过程产生 显著影响。遗传算法的本质是遍历各种有可能的算子组合,种群大小和迭代次数将从遍历 的可能性上影响最终的模拟结果。若种群数量过小,则程序在运算过程中易陷入局部最优 解,若种群数量过大,虽然可产生较多的种群个体,但程序运算量将成倍增长,耗时较长。 同样地,迭代次数过少,则可能结果仍未收敛,若迭代次数过多,则增加了不必要的计算 量,耗时过长。交叉率是指在遗传过程中,两个个体交换部分基因,产生新的优良品种的 概率。交叉率过小则无法产生较多的新个体以供选择,因此交叉率不宜选择较小。变异率 是指改变遗传基因(表示个体符号串的某一位)的概率。变异率较小,则很难产生新的基 因,阻碍个体的进化,变异率较大,则种群进化随机性过大,迭代收敛性可能较差,当变 异率达到1 时,遗传算法退化为随机算法。经过长时间的参数组合尝试,目前种群大小为 30,迭代次数为 600,交叉率为 0.8,遗传率为 0.3,以上参数可在考虑运算时长的基础上 获得较好的收敛运算结果。
在以电定热和以热定电策略下的经济性目标函数值进化过程如图2.13所示。在当前程 序参数设置下,目标值可在600代内获得收敛,故后续研究均以此参数进行模拟。
25
 
 
0.00 b 1 1 1 u
0 500 1000 1500 2()00
代数
图2.13经济性目标函数值进化过程
2.6 负荷数据和技术经济性数据
2.6.1 不分组用户负荷数据
CCHP 系统的模拟需要输入用户用能曲线,而此类需求曲线主要包括典型日负荷曲线 和典型年负荷曲线。
(1) 典型日负荷
通常来说, CCHP 系统中的典型日负荷是在三个类型的季节(冬季、夏季、过渡季) 中各选择一个典型日,将各季节中用户在典型日的用能行为作为代表用以估计全年的用能 情况[58-59]。此外,有学者根据一年12个月每个月各选择一个典型日[55,60],或者选择24个 典型日[61]。
(2) 典型年负荷
典型年负荷曲线通常难以获得,而且会增加程序的复杂性与运算量,但该曲线是由全 年的逐时用户负荷数据构成的用能特性曲线,反映了生产活动、天气等不确定因素对用户 用能需求的影响,可由该用能特性曲线直接计算全年系统经济性指标,因此相比采用一天 的数据代表一个季节以及忽略天气、用户行为模式等不确定因素影响的典型日负荷曲线, 典型年负荷曲线更能准确描述用户在全年范围内的用能行为。Guangya Zhu等[62]同时采用 了典型日和全年连续数据的方法,Maria Uris等[63]对全年数据进行了详细分析,同时也阐 明了年负荷曲线获取的困难。
本研究通过美国亚利桑那州立大学的Campus Metabolism网站平台[64]获取了 Tempo校
26
区中 16 栋建筑物的全年逐时负荷数据,负荷数据完整且同时具有电需求、热需求和冷需 求,并将这 16 栋建筑物按照 1 至 16 的顺序进行编号。其中,电能主要用于照明、电子设 备的使用,通过建筑内的电表进行测量获得;热能主要用于加热水和空气,通过热水和空 气出口和入口的温度以及流量计算获得;冷能主要用于冷却水和空气,由于亚利桑那州天 气炎热,因此冷能需求量极大,计算方式与热能一致。将所有建筑物的各种用能需求累加 后,得到本研究案例中的不分组年负荷曲线,如图 2.14 所示。
 
 
 
图 2.14 不分组年负荷曲线图
2.6.2 分组用户负荷数据
为研究多子系统的 CCHP 能源系统规划优化问题,拟将 16 栋建筑物分为 3 组,作为 各个子系统的用户用能需求数据°Shilei Lu等[20]指出将不同特征的负荷互相组合可获得更 加平滑的需求曲线,有利于系统的长期运行。由图 2.14 可得,亚利桑那州立大学全年的 冷需求远大于热需求和电需求,本研究以平滑冷需求负荷曲线为目标,将 16 栋建筑物进 行分为 3 组,使得 3 个组的冷需求协方差之和最小。该二次规划问题的计算方法如下:
 
Y + Y + Y = 1 (2.25)
f Y1、 T f Q 0 0、 f Y1 ]
min < 丫2 0 Q 0 丫2 ‘ (2.26)
'Y3丿 、0 0 Q 丿 'Y3丿
其中Covtotal为3个组的总协方差;Covk为第k组的协方差;Yk为第k组的决策变量; yk,/£{0,1}, yk,i = 1表示第l栋建筑物的需求属于第k组,yk,i = 0表示第l栋建筑物的需求 不属于第k组;Q为16栋建筑物之间的协方差矩阵;公式(2.25)为约束条件,即每一栋建 筑物只可属于一个分组;公式(2.26)为优化目标。
本研究使用IBM ILOG CPLEX Optimizer进行分组问题的求解,分组结果如表2.2所 示。
 
表 2.2建筑物分组结果
组别 建筑物序号
第一组 No.1, No.11, No.13, No.14
第二组 No.2, No.4, No.6, No.7, No.9
No.3, No.5, No.8, No.10, No.12,
第三组
No.15, No.16
不分组 No.1-No.16
2.15 分组与不分组冷需求协方差
28
 
 
图2.16子系统用户年负荷曲线图:(a)分组用户电需求、(b)分组用户冷需求和(c)分
组用户热需求
分组与不分组的协方差如图 2.15所示,由图可知,分组后的协方差总和远小于不分组 的协方差,因此通过建筑物分组的方式可有效降低冷需求负荷曲线的波动性。分组后三种 用能需求曲线如图 2.16所示。
2.6.3 系统运行及设备参数
燃气轮机是CCHP系统的核心设备,与其他设备相比,其规划容量相对较大,单位投
资相对较高,因此其经济性参数将对年成本造成显著影响,同时美国能源信息署的《建筑
29
中的分布式热电联产系统特点和成本》[65]以及《2021 GTW Handbook》[66]指出,燃气轮机
的单位投资具有显著的规模效应,较小容量的燃气轮机所需的材料和制作工艺更加昂贵, 因此燃气轮机容量越大,单位投资越低。考虑了燃气轮机规模效应对系统经济性的影响后, 本研究中燃气轮机的单位投资计算如公式(2.27)[66]所示:
_J16.373 xlO4 x Cap-0.0064 —15.015 xlO4 Cap,T<105 kW
GT =[ 7.56x105 xCap-t53 + 343 Cap^>105 kW ( . )
其中,ICgt为燃气轮机的投资成本,单位为元/kW;其余参数见公式(2.5)。
本研究中CCHP系统的设备运行参数及经济性参数如表2.3和表2.4所示。
表2.3 CCHP系统运行参数
类别 名称 符号 单位 参考文献
余热锅炉 热效率 "WHB 0.8 - [67]
吸收式制冷机 制冷系数 COPAC 0.7 - [68]
电制冷机 制冷系数 COPEC 4.4 - [69]
燃气锅炉 热效率 nGB 0.9 - [70]
充能效率 "TES,ch 0.98 - [70]
储热 放能效率 nTES,disch 0.98 - [71]
自放能效率 〃TES 0.02 - [71]
充能效率 nCES,ch 0.97 - [71]
储冷 放能效率 nCES,disch 0.95 - [71]
自放能效率 〃CES 0.02 - [71]
充能效率 nEES,ch 0.96 - [71]
储电 放能效率 nEES,disch 0.96 - [71]
自放能效率 Sees 0.01 - [71]
天然气 低位热值 LHV 35038 kJ/m3 [72]
 
30
表 2.4 CCHP 系统经济性参数
类别 名称 符号 单位 参考文献
燃气轮机 维护成本 MCgt 385 元/kW/年 [65]
变动成本 VCGT 0.049 元 /kWh [67]
余热锅炉 投资成本 ICWHB 910 元/kW [73]
维护成本 MCWHB 36 元/kW/年 [74]
变动成本 VCWHB 0.0189 元 /kWh [74]
吸收式制
冷机 投资成本 ICAC 1505 元/kW [69]
维护成本 MCAC 47 元/kW/年 [69]
变动成本 VCAC 0.007 元 /kWh [74]
投资成本 ICEC 1393 元/kW [70]
电制冷机 维护成本 MCEC 69 元/kW/年 [70]
变动成本 VCEC 0.0105 元 /kWh [74]
投资成本 ICGB 1141 元/kW [70]
燃气锅炉 维护成本 MCGB 63 元/kW/年 [70]
变动成本 VCGB 0.0189 元 /kWh [74]
投资成本 ICTES 161 元 /kWh [74]
储热 维护成本 MCTES 0 元/kW/年 [74]
变动成本 VCTES 0.0091 元 /kWh [74]
投资成本 ICCES 161 元 /kWh [71]
储冷 维护成本 MCCES 0 元/kW/年 [74]
变动成本 VCCES 0.0091 元 /kWh [74]
投资成本 ICEES 1911 元 /kWh [71]
储电 维护成本 MCEES 70 元/kW/年 [72]
变动成本 VCEES 0.0021 元 /kWh [72]
天然气 价格 PriNG 1.8 元 /m3 [75]
固定电价 Prigrid,fix 0.7912 元 /kWh [76]
电网 电价峰值 Prigrid,peak 1.3688 元 /kWh [76]
电价平值 Prigrid,flat 1.0207 元 /kWh [76]
电价谷值 Prigrid,valley 0.4273 元 /kWh [76]
其他 系统寿命 T 20 [54]
税率 r 0.0615 - [77]
 
2.7 本章小结
本章介绍了研究中所采用的CCHP系统优化建模方法,主要内容如下:
(1) 描述了 CCHP系统框架结构、系统能量平衡方程以及各设备的建模方法。其中,通 过 K-Means 算法并依据实际性能曲线对燃气轮机进行聚类建模。
(2) 为提高CCHP系统运行计算模拟的可行性,选择以电定热和以热定电作为系统运行 策略,并为含多原动机的CCHP系统提出了多原动机分配方式。
(3) 选取含有“精英策略”的单目标遗传算法以系统经济性为优化目标对CCHP系统设 备容量优化问题进行求解,并通过分析CCHP系统运行特点,改变优化变量个数, 改进遗传算法。
(4) 在模型参数的选择上,选取了亚利桑那州立大学的16栋建筑物作为用户需求数据, 同时使用IBM ILOG CPLEX Optimizer以平滑用能曲线为目标,将16栋建筑物划 分为3组,分别进行CCHP系统的设备容量优化。
(5) 最后对模拟中所需的其他设备运行参数和经济性参数进行总结。
32
3考虑多原动机、多子系统的 CCHP 系统规划优化
由第一章对现有文献的分析可知,为提高系统灵活性和可靠性,CCHP系统可采用多 元结构。目前CCHP系统设备容量优化较少考虑多元系统结构,多元结构对系统设备容量 以及经济性优化目标产生的作用及其原因仍有待进一步研究。因此本章将在多元结构下对 CCHP 系统进行设备容量进行模拟和优化。 3.1 节、3.2 节和 3.3节分别对常规和不同多元 结构的CCHP系统的优化结果进行分析,并探究多元结构对设备容量和经济性优化结果的 作用及其原因。 3.4 节对两种多元结构 CCHP 系统进行分析对比和总结归纳。本研究以 CCHP系统的总年成本(含年化设备成本和年运行成本)为优化目标对系统设备容量进行 优化。系统设备容量指主要供能设备(燃气轮机、余热锅炉和吸收式制冷机)、辅助供能 设备(燃气锅炉和电制冷机)以及储能设备(储冷、储热和储电)的容量,主要供能设备 和辅助供能设备以下统称为供能设备。
3.1常规CCHP系统在各运行策略下的优化结果
常规CCHP系统指仅含有单台原动机的CCHP系统(无子CCHP系统),本节将分析 固定电价下的常规CCHP系统的设备容量优化和经济性结果。
3.1.1 设备容量优化结果
常规CCHP系统在不同运行策略下的设备容量优化结果如图3.1 (a)所示,与以电定 热运行策略下所得到的结果相比,以热定电运行策略下的燃气轮机、余热锅炉和吸收式制 冷机等主要供能设备容量更大,分别增加了8.2%、6.4%和 6.3%,而电制冷机和燃气锅炉 容量等辅助供能设备容量更小,分别减小了 2.6%和 1.0%。此外,燃气锅炉的容量远小于 其他设备,而电制冷机的容量远大于其他设备。由图3.1 (b)可知,在以电定热运行策略 下,CCHP系统的储能设备以储冷和储热为主;在以热定电运行策略下,CCHP系统的储 能设备以储电为主,同时,三种储能设备的容量远小于系统中的其他设备。
33
 
设备
 
图3.2为用户负荷曲线以及不同运行策略下的燃气轮机容量优化结果。由图可知,以 电定热策略优先满足的电需求整体小于以热定电策略优先满足的等效热需求(冷需求和热 需求均由燃气轮机的烟气余热满足),因此在以热定电策略下,燃气轮机需要提供更多的 出力,故而在以热定电策略下燃气轮机的优化容量比以电定热策略下的容量更大。由于用 户的冷需求较大,在夏季达到的峰值远大于电需求和热需求,因此需要电制冷机补充大量 冷能,使得电制冷机的容量远大于其他供能设备。同理,由于用户的热需求较小,因此燃 气锅炉所需补充的供热量较少,使得燃气锅炉的容量小于其他供能设备。
用能负荷是 CCHP 系统约束条件中的关键约束, Moritz Wegener 等[15]就用能需求对 CCHP系统性能所产生的影响进行了敏感性分析,研究结果表明,CCHP系统的最佳燃气 轮机容量和经济性主要取决于平均用能需求。由图3.2可知,虽然用户的等效热需求整体 远大于用户的电需求,但是两种运行策略下的燃气轮机容量并未表现出如两种需求之间一 般显著的差距:以电定热策略下的燃气轮机容量与电需求曲线基本持平,而以热定电策略 下的燃气轮机容量位于等效热需求曲线的下部。
34
 
 
图 3.3 为用户电需求与等效热需求的平均值和方差(基于8760 小时的逐时需求数据计 算获取),其中等效热需求的平均值为电需求的 2.2 倍,而方差为 6 倍,由此可见等效热 需求的波动性比电需求更大。由于电需求的方差更小,因此如图3.4所示,燃气轮机单位 新增容量可延长的供能时间较长,电需求平均值位于曲线中部,位于平均值以下的电需求 持续时间约为 4700 小时。而等效热需求的方差较大,即燃气轮机单位新增容量可延长的 供能时间较短,平均值位于曲线上部,位于平均值以下的等效热需求持续时间约为 4900 小时。在以电定热运行策略下,燃气轮机的最大供电量略高于电需求的平均值,而以热定 电运行策略下,燃气轮机的最大供热量远低于等效热需求的平均值。
 
3.3用户电需求与等效热需求的平均值和方差
35
 
 
图3.4电能和等效热需求的年持续负荷曲线、平均值以及燃气轮机供能区:(a)以电定热
策略和(b)以热定电策略
如图3.5所示,当两种策略下燃气轮机的供电量和供热量可满足对应需求的平均值时, 均可满足全年时间范围内大部分的用户用能需求。由于电需求的方差较小,在满足电需求 平均值的基础上增大燃气轮机的最大供电量(0.5 MW),可满足用户电需求的时长将延长 至6200小时,增长率约为3000小时/MW。虽然燃气轮机新增容量的运行时间缩短,但是 可覆盖更多时间段内的用户电需求,降低延长时间段内的电网购电量,同时可产生更多的 余热用于供冷和供热,降低燃气锅炉和电制冷机等补充设备的供能压力。因此在这个新增 容量范围内,新增容量带来的边际效益大于边际投资,可提高系统的经济性。而在以热定 电运行策略下,由于等效热需求的方差较大,为延长覆盖用能需求的时长,需要大幅增大 燃气轮机的供热量,因此为提升供热量需要大幅增大燃气轮机容量。以增长至平均值为例, 需提高17.6 MW的供热量以获得3300小时的时间延长,增长率仅为187.5小时/MW。
由公式(2.7)可知,燃气轮机产电后可利用的烟气余热量与燃气轮机发电功率及其热电 比有关,发电功率和热电比越大,余热量越大。在不同运行策略下所优化的燃气轮机热电 比并未有明显变化,由上文分析可知,在以热定电运行策略下的燃气轮机优化容量比以电 定热运行策略下的容量更大,燃气轮机出力更多,因此高温烟气余热量也有所上升。为充 分利用这部分余热,余热锅炉和吸收式制冷机的容量增加。当余热锅炉为用户提供的热量 和吸收式制冷机为用户提供的冷量上升时,燃气锅炉的供热出力和电制冷机的供冷出力也 将随之下降,因此这两种设备的容量大小均降低。
36
 
 
图 3.5 燃气轮机在不同运行策略下根据需求平均值确定以及基于遗传算法优化的供能示意
图:(a)以电定热-需求平均值、(b)以电定热-遗传算法优化、(c)以热定电-需求平均值
和(d)以热定电-遗传算法优化
在以电定热运行策略下, CCHP 系统的运行首先满足电能的供需平衡,存在储冷、储 热需求,而无储电需求。由于在运行策略中,余热是按照一定比例(余热合理分配利用对 CCHP系统设备容量以及经济性产生的影响将在第四章展开叙述)进行产冷和产热的分配, 同时冷需求远大于热需求,因此多余的产冷将大于多余的产热,导致储冷容量大于储热容 量。同理,在以热定电运行策略下存在储电需求,而无储冷、储热需求,但是由于遗传算 法在进行CCHP系统设备容量优化时需要将变量进行映射,使其从基因型转化为表现型, 因此代表储冷和储热的染色体编码虽然已经接近 0,但是经过染色体翻译后仍表现出较小 的容量。因此,在本研究中,仅分析以电定热模式下的储冷和储热容量,以及以热定电模 式下的储电容量。
37
 
在以热定电运行策略下,当燃气轮机所产生的大量电能在满足用户电需求之后仍有盈 余时,还可向补充供冷的电制冷机提供电能,若仍有多余的电能则可存储于储电之中。由 图 3.6 可知,以 24 小时运行为例,在以热定电运行策略下,燃气轮机供电量总是在连续 性的时间段内大于或小于总电需求(用户电需求和电制冷机所需的电能之和),且较少出 现供电过多和供电不足的状态交替,因此储电大部分时间都处于满电或无电状态,只有极 少部分时间在进行充放电。从全年范围来看,储电仅可在前4000小时以及后1000小时(对 应过渡季和冬季)发挥作用。在夏季期间,由于冷需求的急剧上升,极大地增加了电制冷 机的出力,燃气轮机的供电量已经无法满足用户电需求和电制冷机的耗电量,需要从电网 购电以满足用户的所有用能需求,此时储电并未发挥任何作用。因此相比其他设备,储电
的容量较小。
 
图 3.7以电定热运行策略下储冷、储热设备储能状态图
38
由图 3.7可知,在以电定热运行策略下,在全年范围内都较少存在储冷、储热之中含 有能量的情况。这是由于燃气轮机产生的烟气余热与用户的冷热需求对应的等效热需求相 比仍较少,因此较少存在多余冷能和热能进行存储的情况,导致储冷和储热的容量较小。
综上,燃气轮机的容量主要由运行策略对应的用户年持续负荷曲线的平均值和方差决 定,在以热定电策略下还需考虑燃气轮机的热电比;辅助供能设备的容量由燃气轮机产生 的余热量决定;以热定电运行策略下的储电设备容量和以电定热运行策略下的储冷、储热 设备容量由运行过程中充放能交替频率决定。
3.1.2 经济性优化结果
常规CCHP系统在不同运行策略下总年成本及各成本组成优化结果如图3.8所示。由 图3.8可知,与以电定热经济性结果相比,以热定电策略下的设备成本略有升高,而购电 成本显著下降,天然气成本显著上升,变动成本和维护成本占比较小且无明显变化,总年 成本有所下降。
 
 
图3.8常规CCHP系统在不同运行策略下总年成本及各成本组成
常规CCHP系统在不同运行策略下的设备成本结果如图3.9所示。虽然燃气轮机的单 位投资成本随容量增大而降低,但是在以热定电运行策略下优化所得的燃气轮机容量更大, 燃气轮机的投资成本受到其容量的影响,仍高于以电定热运行策略下的结果。由于其余供 能设备的单位投资成本和单位维护成本在本研究中采用常数、且数值与燃气轮机的相关成 本相比较小,其设备成本和维护成本变化趋势与容量变化趋势一致,且变化较小。虽然储 电的单位成本较大,储冷和储热的各单位成本较小,但由于本研究结果中的各储能设备容 量较小,因此由储能产生的设备成本较小,对结果并未产生显著影响。
39
 
3.9常规CCHP系统在不同运行策略下各设备的投资成本
 
图 3.10 常规 CCHP 系统在不同运行策略下各部分供能
 
 
 
图3.11常规CCHP系统在以电定热策略下消耗的天然气与电量组成:(a)天然气消耗和
(b)电量消耗
由图 3.10 可知,以热定电策略下燃气轮机容量增大,吸收式制冷机和余热锅炉的供
40
冷量和供热量增大,降低了电制冷机的供冷量和燃气锅炉的供热量。常规CCHP系统消耗 的天然气构成如图3.11 (a)所示,燃气轮机消耗的天然气量在以热定电策略下明显增加, 虽然燃气锅炉由于供热量的降低,消耗的天然气量有所下降,最终天然气成本上升。常规 CCHP系统消耗的电能构成如图3.11 (b)所示,燃气轮机的供电量在以热定电策略下显 著增加,但是由于其也可供电制冷机使用,使得电网购电量下降,购电成本下降。
3.2多原动机CCHP系统在各运行策略下优化结果
多原动机 CCHP 系统通过增加原动机的数量改变系统结构,影响系统中各设备的优化 容量以及系统经济性。本节将在固定电价下对多原动机CCHP系统进行优化,考虑到工程 实际的限制,原动机最多为 3台。
3.2.1 设备容量优化结果
多原动机CCHP系统在不同策略下系统设备容量优化结果如图3.12所示。随着原动机 数量的增加,燃气轮机的容量逐渐减小,在以电定热策略下, 2 台原动机的容量总和与 1 台原动机的情况相比下降37 kW (约为0.3%), 3台原动机时下降74 kW (约为0.6%); 在以热定电策略下,2台原动机的容量总和与1台原动机的情况相比上升37 kW (约为 0.3%), 3台原动机时下降37 kW (约为0.3%)。由于此时从基因型转化为表现型变量的映 射步长为37 kW,上述变化可视为燃气轮机容量总和无显著变化。相应地,余热锅炉和吸 收式制冷机的容量则逐渐增大,电制冷机和燃气锅炉容量逐渐减小。
由前文分析可知,燃气轮机的优化容量与用户需求有关。在多原动机CCHP的系统优 化模拟中,用户的冷需求、热需求和电需求并未发生改变,因此多原动机条件下燃气轮机 的容量总和不变。燃气轮机所产生的烟气余量与其供电功率和热电比有关,在两种运行策 略下,随着燃气轮机数量的增加,热电比增加,所产生的烟气余热量也随之增加。随着可 用余热的增多,为充分利用余热,余热锅炉和吸收式制冷机的容量也将增大。
41
 
 
单原动机 双原动机 三原动机 单原动机 双原动机 三原动机
图3.12多原动机CCHP系统在不同策略下系统设备容量优化结果:(a)以电定热-供能设
备、(b)以电定热-储能设备、(c)以热定电-供能设备和(d)以热定电-储能设备
在多原动机的CCHP系统中,由于余热锅炉容量增大,产热量增多,直接向用户供热 量增大,降低了对燃气锅炉的供热要求,但是由于用户热需求相对较小,因此燃气锅炉容 量较小且略有下降。同理,由于吸收式制冷机容量增大,产冷量增多,直接向用户供冷量 增大,降低了对电制冷机的供冷要求,但是由于用户冷需求相对较大,因此电制冷机容量 较大且有明显下降。
在以电定热策略下,由于多原动机CCHP系统中的燃气轮机将产生更多的烟气余热通 过余热锅炉和吸收式制冷机进行产热和产冷,因此在部分供热和供冷大于用户的冷热需求 的时刻,多余的热能和冷能将进一步增加。由前文分析可知,烟气余热用于产热的比例较 小,因此增加的多余产热较少,而增加的多余产冷较多,因此储冷容量增大,储热容量并 未有明显变化。而在以热定电运行策略下,虽然在部分供电大于用户的电需求的时刻,多 余的电能将进一步增加,但储电投资成本较高,因此容量并未明显变化。
42
 
3.2.2 经济性优化结果
多原动机CCHP系统在不同策略下年成本结果如图3.13所示。由图3.13可知,在两 种运行策略下,总成本变化趋势一致:随着原动机数量的增加,系统年成本下降。由于多 原动机CCHP系统的经济性变化在两种运行策略下相似,下文采用以电定热策略结果进行 分析。
 
图3.13多原动机CCHP系统在不同策略下年成本结果
由于燃气轮机的单位投资成本随着容量的减小而显著增大,因此随着燃气轮机数量的 增加,如图 3.14 所示,燃气轮机的投资成本显著上升。其余设备成本与前文所述的容量 变化趋势一致,且升降幅度较小,储能设备由于容量很小、其设备成本极小。因此CCHP 系统的设备成本主要受到燃气轮机的影响,在多原动机的情况下升高。
 
图3.14多原动机CCHP系统在以电定热策略下各设备投资成本
如图 3.15 所示,随着燃气轮机数量的增加,吸收式制冷机和余热锅炉的供冷量和供热
43
 
量逐渐增大,降低了电制冷机的供冷量和燃气锅炉的供热量。多原动机CCHP系统消耗的 天然气构成如图3.16 (a)所示,燃气轮机消耗的天然气量在不同数量原动机下并未有明 显变化,而燃气锅炉由于供热量的降低,消耗的天然气量有所下降,从而降低了天然气成 本。多原动机CCHP系统消耗的电能构成如图3.16 (b)所示,燃气轮机的产电量是系统 电能的主要来源,但是在多原动机条件下供电量并未有明显变化,由于电制冷机供冷量随 原动机数量的增加而降低,使得电网购电量随着原动机数量的增加有所下降,因此购电成 本下降。
 
在多原动机情况下, CCHP 系统中各设备的运行不仅会受到设备容量的影响,还会受 到多原动机分配原则的影响。采用多原动机时燃气轮机 24 小时部分负载率曲线如图 3.17 所示。在本研究所采用的多原动机分配原则中,CCHP系统中正在运行的燃气轮机均处于 相同工况,未运行的燃气轮机则处于停机状态,因此仅以处于运行状态的燃气轮机部分负
44
 
载率曲线作为代表。由图3.17可知,当电需求较大时, 1台原动机、 2台原动机和3台原 动机的部分负载率几乎相同。这是由于用能需求较大,CCHP系统中的所有燃气轮机均处 于运行状态,而在多原动机的规划条件下,燃气轮机的容量与其数量的乘积并未产生明显 变化,因此在多原动机分配原则下,所需要的产能将在所有燃气轮机之间平均分配,由于 燃气轮机的容量也约等于同等比例缩小,因此部分负载率及其运行效率都几乎相同。但是 当用能需求下降时,1台原动机的CCHP系统只能在较低的负载率下运行,而采用多原动 机的CCHP系统则可灵活调度系统内的燃气轮机,使得燃气轮机可在较高的部分负载率和 运行效率下运行,有利于设备运行,同时可节约天然气消耗,带来经济效益。
 
图3.17多原动机CCHP系统燃气轮机24小时部分负载率
综上,含多原动机的CCHP系统设备投资成本上升,但是由于燃气轮机容量减小,热 电比增大,产热量增多,降低了燃气锅炉的供热量和电制冷机的供冷量,从而降低了天然 气成本和购电成本,使得系统经济性年成本下降。
3.3多子系统CCHP系统在各运行策略下优化结果
多子系统CCHP系统由3个子系统构成(见图2.9),分别为各个子系统中的用户进行 供能,本节将在固定电价下对多子系统CCHP系统进行优化并分析其结果及原因。
3.3.1 设备容量优化结果
多子系统CCHP系统在不同策略下系统设备容量优化结果如图3.18所示。与以单系统
45
规划模式下所得到的设备优化容量相比,在多子系统规划模式下,各子系统中的燃气轮机 容量减小且各不相同,在以电定热策略下,子系统的燃气轮机容量总和下降了 234 kW (约 为2.0%);在以热定电策略下,各子系统的燃气轮机容量总和下降了 298 kW(约为2.4%)。 在子系统的计算模拟中,由于用户需求减小,从基因型转化为表现型变量的映射步长分别 为13 kW、10 kW和13 kW,因此上述变化表明燃气轮机容量总和在不同运行策略下均明 显下降。
在以电定热策略和以热定电策略下,余热锅炉容量分别增加了 17.4%和 17.2%;吸收 式制冷机容量分别增加了 16.2%和 18.1%;燃气锅炉容量分别增加了 32.5%和 32.2%;而 电制冷机容量分别下降了 0.38%和0.6%,无显著变化。由图3.18 (b)和图3.18 (d)可知, 在不同运行策略下,多个子系统的储热、储冷和储电容量总和都大于单系统中的容量。
 
 
在多子系统CCHP系统的模拟中,用户的总需求被分为3组,因此用户的需求曲线发 生变化。图 3.19 为多子系统 CCHP 系统的用户的电需求平均值和方差以及各子系统年持 续负荷曲线和燃气轮机供能区。在以电定热运行策略下,单系统的用户电需求平均值分别 为各个子系统的 2.7、 3.7和 2.8倍,而方差仅为 5.3、 7.3 和 7.1 倍,小于平均值倍数的平 方。由此可知,采用多子系统的CCHP系统后,各子系统的电需求方差增大,与单系统相 比,燃气轮机单位新增容量可延长的供能时间较短,新增容量带来的边际成本降低量减小, 各子系统的燃气轮机容量总和下降。
 
图3.19多子系统CCHP系统的电需求平均值和万差以及子系统年持续负荷曲线和燃气轮
机供能区:(a)电需求的平均值和方差、(b)子系统1、(c)子系统2和(d)子系统3
图3.20为多子系统CCHP系统的用户的等效热需求平均值和方差以及各子系统年持续 负荷曲线和燃气轮机供能区。在以热定电运行策略下,单系统的用户等效热需求平均值分 别为各个子系统的2.8、 3.2和 3.0倍,而方差分别为 8.5、 8.4和 9.7倍,在子系统1 和子
47
 
系统3中小于平均值倍数的平方,在子系统2中大于平均值倍数的平方。由此可知,子系 统1和子系统3的等效热需求曲线方差减小,而子系统2的等效热需求曲线方差增大。与 单系统相比,在子系统1和子系统3中燃气轮机新增容量将带来更大的经济性增长,虽然 子系统2中的经济性增长更小,但是由于其用户需求量最小(见2.6.2节),其影响较小。 由于采用多子系统的CCHP系统结构,各子系统中的燃气轮机容量较单系统的显著下降, 使得子系统中燃气轮机的热电比大于单系统,因此虽然需要提升燃气轮机的容量,但是由 于更大的热电比,仅需较小的燃气轮机容量即可满足需求,因此燃气轮机容量下降。多子
系统的CCHP系统的烟气余热量更大,因此需要更大容量的余热锅炉和吸收式制冷机。
 
图3.20多子系统CCHP系统的等效热需求平均值和方差以及各子系统年持续负荷曲线和
燃气轮机供能区:(a)等效热需求的平均值和方差、(b)子系统1、(c)子系统2和(d)
子系统 3
在多子系统的CCHP系统中,各子系统中的优化的燃气锅炉和电制冷机容量为这两种
48
 
设备在全年运行工况下的最大出力。燃气锅炉和电制冷机的全年运行工况曲线如图 3.21 所示,图中黄色虚线为各子系统中设备最大出力点的延长线,与横轴的红色交点为最大出 力对应的时间。
在本研究中,仅考虑了各子系统与对应需求曲线之间的供需关系,并未设计子系统之 间的能量交互。由图3.21 (a)可知,在3个最大出力时刻下,3个子系统中的电制冷机出 力较为接近,因此将其出力峰值进行简单累加后,各子系统中的电制冷机容量也可得到有 效利用,与单系统并无明显区别。由图3.21 (b)可知,在3个最大出力时刻下,3个子 系统中的燃气锅炉出力相差较大,由于各子系统之间无法互相补充能量,因此燃气锅炉的 容量无法得到充分利用,即在其他子系统热量不足时无法进行跨系统供能,使得设备容量 有一定冗余。同理,子系统中储冷和储热容量也存在一定的冗余量,而储电由于投资成本 较高、设备容量较小,并无显著不同。
 
图3.21多子系统CCHP系统中电制冷机和燃气锅炉全年运行工况曲线图:(a)电制冷机
和(b)燃气锅炉
49
 
3.3.2 经济性优化结果
多子系统CCHP系统在不同策略下系统设备容量优化结果如图3.22所示。由图3.22 可知,在两种运行策略下,总成本变化趋势一致:采用多子系统结构后,系统年成本下降。 由于多子系统CCHP系统的经济性变化在两种运行策略下相似,下文采用以电定热策略结 果进行分析。
 
 
 
图3.22多子系统CCHP系统在不同策略下年成本结果
多子系统各设备的投资成本如图3.23所示。由前文分析可知,当CCHP系统从单系统 分为多个子系统进行规划和运行时,三个子系统的吸收式制冷机、余热锅炉和燃气锅炉的 容量之和均大幅增加,而电制冷机容量并未有明显变化,因此吸收式制冷机、余热锅炉和 燃气锅炉的设备成本有所增加,电制冷机的设备成本并无明显变化。多子系统下燃气轮机 容量之和下降,但是燃气轮机容量下降,单位投资成本上升,多子系统条件下燃气轮机的 投资成本显著上升。以上经济性变化使得系统的设备投资总成本在多子系统结构下有所上
 
图3.23多子系统CCHP系统在以电定热策略下各设备的投资成本
50
如图 3.24所示,在多子系统结构下,由于燃气轮机产生的余热量增多,吸收式制冷机 和余热锅炉的供冷量和供热量增大,电制冷机的供冷量和燃气锅炉的供热量下降。由前文 分析可知,多子系统时燃气轮机总量之和较小,因此如图 3.25 所示,燃气轮机消耗的天 然气量下降。同时,燃气锅炉供热量减少,消耗的天然气量下降,使得多子系统CCHP消 耗更少的天然气,天然气成本下降。电制冷机供冷减小,使得电制冷机耗电量下降,多子 系统条件下电网购电量减少,购电成本下降。
 
图3.24多子系统CCHP系统在以电定热策略下供冷和供热能量组成
 
 
 
图3.25多子系统CCHP系统在以电定热策略下消耗的天然气与电量组成:(a)天然气消
耗和(b)电量消耗
如前文所述,本研究不涵盖子系统之间的能量交互,即某子系统存在某一种能量短缺
时,该部分短缺能量不可由其他子系统中多余部分进行满足,因此存在能量并未得到完全 利用的情况。若将这部分能量利用在多个子系统之间综合考量,构建子系统之间的能量交 互网络,多子系统规划模式所带来的经济性效益将进一步得到提升。
51
3.4两种多元结构CCHP系统的对比分析
本研究中的两种多元结构分别为多原动机和多子系统,其本质均为采用了更小容量的 燃气轮机作为系统的原动机。同时,由于燃气轮机容量越小,热电比越大这一特性,在多 元结构的CCHP系统中可产生更多的余热,使得余热锅炉和吸收式制冷机供能增加,辅助 供能设备供能下降,降低了天然气成本和购电成本,系统经济性有所提升。
虽然两种多元结构影响系统设备容量和经济性优化结果的本质原因相同,但是由于两 种多元结构在系统设备部署方面有所区别,使得CCHP系统在这两种系统结构下的其他方 面有以下不同:
(1) 多原动机结构中各燃气轮机容量相同,但是多原动机分配方式使得各燃气轮机运行 与多子系统结构相比灵活性有所下降,即仅存在停机或平均分配工况;而在多子系统结构 中各燃气轮机容量各不相同且运行更加独立、灵活,不受其他燃气轮机的影响。
(2) 多原动机结构中系统设备容量均尽可能予以利用,且能量利用率较多子系统更高; 由于多子系统结构并未考虑子系统之间的能量交互,系统中辅助供能设备的优化容量总和 有所冗余,且各子系统中产能无法互补造成更大的能量浪费。
(3) 在实际应用中,多原动机结构更适用于用能较为集中的区域;多子系统结构更适用 于用能较为分散的区域,可减少实际铺设的管路,降低系统构建的复杂性,提高区域用能 的可靠性。
3.5 本章小结
本章研究了含多原动机、多子系统的CCHP系统设备容量和经济性优化结果,主要结 论如下:
(1) 燃气轮机的容量与用户需求的平均值和方差有关,方差越小,燃气轮机新增容量带 来的边际成本降低量增加,燃气轮机最大供能量位于平均值上方,反之则位于平均 值下方。
(2) 燃气轮机产生的余热量由其容量和热电比共同决定;余热量越高,余热锅炉和吸收 式制冷机供能增加,容量增大,燃气锅炉和电制冷机供能减少,容量减小。
(3) 在多原动机条件下,需求年负荷曲线形状不变,因此燃气轮机容量下降,但容量总
52 和不变,由于小原动机具有更大的热电比,因此余热量增加,余热锅炉和吸收式制 冷机供能上升,容量增大,燃气锅炉和电制冷机补充供能下降,容量减小。
4)在多子系统条件下,由于子系统的电需求年负荷曲线方差减小,燃气轮机新增容量 带来的边际成本降低量减小,因此在以电定热策略下容量总和下降;用户等效热需 求年负荷曲线方差减小,但是子系统中燃气轮机容量减小、热电比增加,仅需较小 的燃气轮机容量即可满足需求,因此以热定电策略下容量总和下降。由于余热量增 加,余热锅炉和吸收式制冷机容量总和增加。本研究中各子系统之间无法进行能量 交互,因此燃气锅炉的容量总和增大,有一定冗余,而各子系统中的电制冷机容量 均可得到充分利用,因此容量总和无明显变化。
5)在多原动机条件下,系统经济性年成本下降。其中,由于小容量燃气轮机的单位投 资成本更高,因此在燃气轮机容量总和不变的情况下设备投资上升。燃气锅炉供热 量下降,消耗的天然气量减少,系统天然气成本下降;电制冷机供冷量下降,消耗 的电量减少,降低了电网购电量,系统购电成本下降。
6)在多子系统条件下,系统经济性年成本下降。其中余热锅炉、吸收式制冷机和燃气 锅炉容量均显著上升,燃气轮机容量虽然下降,但是单位投资成本上升,使得设备 投资上升。由于系统中余热回收量增大,燃气锅炉和电制冷机补充供能量下降,天 然气成本和购电成本下降,且降幅大于设备投资的增幅。
53
4考虑综合需求响应的 CCHP 系统规划优化
如前文所述,可通过改变系统结构以及系统运行等方式提高CCHP系统的灵活性和可 靠性。第三章介绍了采用多元结构后CCHP系统的优化结果,并对其作用结果和原因进行 分析,本章将从改变系统运行的角度,分析综合需求响应对CCHP系统设备容量和经济性 产生的作用。4.1节分析了采用分时电价后CCHP系统的设备容量优化结果和经济性。4.2 节提出了 3种应用综合需求响应的系统运行策略。4.3节分析了 CCHP系统在所提出的3 种不同综合需求响应运行策略下的设备容量优化结果和经济性。
4.1CCHP 系统在分时电价下优化结果
4.1.1设备容量优化结果
通过第三章案例的模拟结果可知,购电成本占据年成本的20%以上,不同电价将通过 电网购电这一过程对系统经济性产生显著影响,并影响设备容量优化。
如图 4.1 所示,与固定电度电价条件下所得到的设备优化容量相比,分时电度电价条 件下主要设备容量更大,辅助设备容量更小,在以热定电策略下表现更为明显,两种运行 策略下所对应的储能容量增大,且在以电定热策略下表现更为明显。
本研究使用的电价均来自《国网浙江省电力有限公司代理购电工商业用户电价表》[76], 采用一般工商业及其他用电分类下的电度用电价格以及分时电度用电价格。如图 4.2所示, 固定电度电价在全天时间范围内均为0.7912元/kWh,而分时电度电价则将全天时间划分 为尖峰时段(19:00-21:00)、高峰时段(8:00-11:00、13:00-19:00、21:00-22:00)和低谷时 段(0:00-8:00、11:00-13:00、22:00-24:00),尖峰电价为 1.3688 元/kWh,高峰电价为 1.0207 元/kWh,低谷电价为0.4273元/kWh。选取用户24小时的电需求与电价进行比较,由图
4.2可知,电需求的变化趋势与分时电价的变化趋势接近,在电价较高时用电量大,在电 价较低时用电量小。因此在分时电价下,当电需求处于较高值时,燃气轮机由于供电不足, CCHP系统需要从电网购电进行补充供能,而此时的电价也相对较高,使得购电费用上升, 因此燃气轮机的容量增大,以降低电网购电量。由于主要供能设备容量增大,因此辅助供 能设备容量减小。
54
 
 
图4.1常规CCHP系统在不同电价下系统设备容量优化结果:(a)以电定热-供能设备、(b)
以电定热-储能设备、(c)以热定电-供能设备和(d)以热定电-储能设备
 
图 4.2 用户 24 小时电需求和分时电度电价曲线图
由 3.1 节分析可知,在本研究案例中,以热定电策略下得到的燃气轮机容量比以电定 热策略下所得到的容量更大,而更大容量的燃气轮机具有更高的效率,可生产更多的电能。
55 因此,在以热定电运行策略下,分时电价使得主要供能设备的容量大幅上升,供冷和供热 增加,辅助供能设备的容量下降较以电定热策略更为明显。由于在两种运行策略下,主要 供能设备容量均增大,因此两种运行策略所对应的储能容量有所增大。但是在以热定电策 略下的储电增长远小于以电定热策略下的储冷和储热增长,这是由于储电的单位容量投资 成本远高于储冷和储热的单位容量投资成本。
4.1.2 经济性优化结果
常规CCHP系统在不同电价下系统年成本如图4.3所示。由图可知,在两种运行策略 下,年成本在分时电价条件下均有所上升。由于多子系统CCHP系统的经济性变化在两种 运行策略下相似,且以热定电策略下变化更为明显,因此下文采用以热定电策略结果进行 分析。
 
图4.3常规CCHP系统在不同策略下年成本结果
 
不同电价下CCHP系统中各设备的设备成本结果如图4.4所示。由前文分析可知,与 固定电价下的结果相比,在分时电价下,燃气轮机容量增大,燃气轮机的平均年投资成本 显著上升。其余设备的设备成本与其容量的变化趋势一致,由于储能容量较小,设备投资 占比小,影响较小,系统设备成本有所上升。
如图 4.5 所示,分时电价下燃气轮机容量更大,因此供电量和余热量更高,可用于供 冷和供热,使得电制冷机的供冷量和燃气锅炉的供热量下降。常规CCHP系统在不同电价 下消耗的天然气和电量构成如图4.6所示。由于燃气轮机在分时电价下供能量更大,因此 消耗的天然气量显著增大,天然气成本升高,电网购电量显著降低,购电成本下降。
56
 
 
6 6 6 6 6 6 6 D ooooooo
X X X X X X X
7 6 5 4 3 2 1
图 4.4 不同电价下各设备的投资成本
1.4x10s
1.2x10*
l.OxlO8
8,0xl07
6.0x13
4.0x107
2.0xl07
图4.5不同电价下各设备供能:(a)燃气轮机和(b)其他设备
(b)
 
4xl07
^3xl07
纂 2xlO7
IxlO7
固定电价
分时电价
匚二I电网
:陋燃气轮机
固定电价
分时电价
图4.6常规CCHP系统在不同电价下消耗的天然气与电量组成:
(a)天然气消耗和(b)
电量消耗
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
4.2考虑综合需求响应的系统运行
4.2.1 余能经济利用的系统运行
本研究中的用户用能需求同时涵盖冷需求和热需求,其中冷需求可由吸收式制冷机利 用燃气轮机余热产冷进行供能,也可由电制冷机消耗电能产冷进行补充;热需求可由余热 锅炉利用燃气轮机余热产热进行供能,也可由燃气锅炉消耗天然气产热进行补充。在综合 需求响应的背景下,用户的冷能和热能可由不同设备消耗天然气或者电能进行供应。由于 在以电定热策略下,冷能和热能的供需不平衡情况更为显著,因此本研究在以电定热运行 策略的基础上设计了余能经济利用的CCHP系统运行策略,使得CCHP系统可根据电价的 变化在供冷和供热时灵活切换供能的设备。在以电定热运行策略中,燃气轮机的运行工况 由燃气轮机容量和用户电需求确定,且并未产生多余电量,在产电过程中产生的烟气余热 可通过以下公式进行计算,从而获取余热利用优先级(即余热优先供热或余热优先供冷)。
Cost(/) = Mgb(/)XPriNG(/) + Eec(/)XPgdQ) + 工 VCj XGEj(t)X△/ (4.1)
j=GB,AC,EC
c 〃八 Costcold first
CS() = |cos—
Costop(t) = min{Costcold_first(t),Costheat_first(t)} (4.3)
其中,Cost(t)为t时刻供冷供热所需的运行成本和变动成本之和,单位为元;Mgb(/)为 t时刻燃气锅炉消耗的天然气量,单位为m3; P〃NG(t)为t时刻天然气价格,单位为元/m3; Eec(/)为t时刻电制冷机消耗的电量,单位为kWh; Prignd(t)为t时刻电价,单位为元/kWh; VCj为设备j的单位变动成本,单位为元/kWh; GEj(t)为t时刻设备j的出力,单位为kW; Costcold_first(t)为t时刻余热优先供冷条件下所需的运行成本和变动成本之和,单位为元; Costheat_first(t)为t时刻余热优先供冷条件下所需的运行成本和变动成本之和,单位为元。
余能经济利用运行策略如图 4.7 所示。在此种运行策略下,由以电定热策略和用户电 需求确定燃气轮机的运行工况,并计算此时通过余热锅炉产生的可利用回收热量,分别按 照以下能量利用路径将余热分配给吸收式制冷机或余热锅炉:
( 1 ) 余热优先供冷 回收热量优先分配给吸收式制冷机进行供冷,若此时冷需求可由吸收式制冷机满足, 则剩余热量直接向用户供热,若供热不足,则由燃气锅炉补充供热,若供热充足,则将多
58
余能量储存;若吸收式制冷机供冷不足,则由电制冷机补充供冷。
(2) 余热优先供热
回收热量优先通过余热锅炉直接向用户供热,若此时可满足热需求,则剩余热量通过 吸收式制冷机产冷进行供冷,若供冷不足,则由电制冷机补充供冷,若供冷充足,则将多 余能量储存;若直接供热不足,则由电制冷机补充供冷。
比较以上两种路径的成本(运行成本和变动成本之和),选择更为经济的路径对燃气
轮机的余热进行利用。
 
 
图 4.7 余能经济利用运行策略
4.2.2 规划优化的系统运行
CCHP系统作为融合了多种能源需求以及多种能源供给的多能源系统,具有较大的综 合需求响应潜力,目前已经有许多学者就CCHP系统的综合需求响应运行策略展开了广泛 的研究。Jinxia Li等[78]分别对联网与否的热电联产系统建立了联合经济运行优化模型,研
59 究了典型建筑在采暖期的优化运行。研究结果表明在电价谷值期间,热电联产系统停止运 行,电力负荷全部由电网提供;在其他电价期间,全部电力负荷由热电联产系统提供。 Xu Song等[79]以具有平稳冷负荷和电负荷的数据中心为例设计CCHP系统的运行策略,通过 TRNSYS 软件获得的模拟结果表明,在电价谷值期间主要通过电网购电来满足负荷,在电 价峰值期间使用CCHP系统进行供能。此外,Yansong Liu等[80]、Xingguo Wei等[81 ]和Xueqin Tian 等[82]对 CCHP 系统在分时电价下的经济性运行研究结果也表明,在电价谷值时关闭 CCHP系统、采用电网购电以及直接供热,在电价峰值时主要由CCHP系统供能较为经济。
根据已有文献的研究结果,本研究在以电定热基础上设计了谷电停机的系统运行策略, 不同电价时段的运行策略如图4.8和图4.9所示。在此种运行策略下,在电价谷值期间停 用原动机,通过电网购电满足用户电需求,燃气锅炉燃烧天然气产热满足用户热需求,电 制冷机从电网购电产冷满足用户冷需求。在其他时期则按照前文所述的以常规电定热策略 运行满足用户的各种用能需求。
 
图4.8谷电停机运行策略(电价谷值期间)
 
60
 
图4.9谷电停机运行策略(电价平值和峰值期间)
 
4.3考虑综合需求响应的优化结果
4.3.1 设备容量优化结果
本研究考虑了三种综合需求响应实施策略,并将其结果与4.1节中获得的结果(单台 原动机,无子系统,以电定热运行策略,分时电价)进行比较。所有运行策略表述如下:
(1) Base-case:常规以电定热运行策略
(2) Sur-Eco:余能经济利用策略
(3) Gen-Off:谷电停机策略
(4) Hybrid-sol:电价谷值期间采用谷电停机策略,其余电价期间采用余能经济利用策 略
不同综合需求响应下设备优化结果如图4.10 (a)所示。与Base-case策略相比,Sur-Eco 策略中燃气轮机和余热锅炉容量并未有明显变化,吸收式制冷机、燃气锅炉和电制冷机容 量增大; Gen-Off 策略中主要供能设备容量均增大,而辅助供能设备容量显著增大; Hybrid-sol策略中余热锅炉和吸收式制冷机容量略高于Gen-Off策略,辅助供能设备容量
61
 
与Gen-Off策略接近。不同综合需求响应下储能设备优化结果如图4.10(b)所示oBase-case 策略中储热容量小于储冷;Sur-Eco策略中储热容量大于储冷;Gen-Off中储热容量小于储 冷,且储热和储冷容量均大于 Base-case 策略; Hybrid-sol 策略中储热容量大于储冷,且储 热和储冷容量均大于Sur-Eco策略。
(a) (b)
 
 
 
4.10不同综合需求响应下系统设备容量优化结果:(a)
Sur-Eco 策略为余能经济利用策略,主要影响了燃气轮机烟气余热在不同电价时期的 能量利用顺序,但并未改变用户负荷曲线形状,因此燃气轮机的容量与 Base-case 策略相 比无明显变化。如图4.11所示,Sur-Eco策略中燃气轮机的运行工况与Base-case策略接近, 因此产生的烟气余热量也无明显变化,故而余热锅炉容量与 Base-case 策略接近。本研究 中的天然气价格为固定值,电价为分时电价,经过计算,在不同时间段余热分别优先通过 某一设备用于供冷或者供热,如图 4.12 所示,在电价谷值和平值期间,余热优先供热, 在电价峰值期间,余热优先供冷。
电价峰值期间,Sur-Eco策略中余热优先用于供冷,因此如图4.13 (a)所示,余热锅 炉在此期间供热量减小;燃气锅炉供热量在此期间达到最大值,如图4.13 (c)所示,因 此燃气锅炉容量增大;大量余热通过吸收式制冷机为用户供冷,吸收式制冷机供冷量在此 期间增大,如图4.13 (b)所示,因此其容量增大。在电价谷值和平值期间,余热优先用 于供热,因此相比Base-case策略,Sur-Eco策略中的电制冷机需要补充更多的冷能,使得 其优化容量增大。在 Sur-Eco 策略中,当烟气余热在供冷供热后仍有多余时,优先储热, 再通过吸收式制冷机空余容量部分转化为储冷进行储能,因此储热容量大于储冷。
Gen-Off 策略为谷电停机运行策略,在该运行策略下,燃气轮机、余热锅炉和吸收式
62
制冷机仅在电价平值和峰值期间运行,用户负荷曲线由此发生改变。由图4.2可知,在此 期间,用户负荷较大,因此燃气轮机容量与Base-case策略相比有所增长。如图4.11所示, 燃气轮机产生了更多的烟气余热,因此余热锅炉和吸收式制冷机容量也增大。由于主要供 能设备在电价谷值期间均处于停机状态,由图4.13 (c)和图4.13 (d)可知,在此期间仅 由燃气锅炉和电制冷机供能,辅助供能设备容量因此显著上升。Hybrid-sol策略在电价谷 值期间停用原动机基础上结合了余能经济利用,因此同时具有两种运行方式所带来的影响: 各设备容量结果与Gen-Off策略接近;吸收式制冷机容量略大于Gen-Off策略;储热容量 大于储冷;由于燃气轮机容量增大,储热和储冷容量相比Sur-Eco策略有所增大。
 
时间(h)
图 4.11 燃气轮机24小时运行工况
 
 
 
图4.12不同电价期间余热利用顺序
 
 
 
(a)
Sur-Eco 匚 Gen-Off Hybrid-sol*
 
电价平值 电价峰值 电价谷值 -
.0.5.0.5
2.1 1 O
O
24
2
2
20
时间(h)
60 - ||~ Base-ca$e
Sur-Ec; Gen-Off H^brid-solF
电价平值 电价峰值 电价谷值 -
50
(乡皂)僉華屋僉Btf
o o O
4 3 2
10
12 14
时间(h)
16
18
20
22
24
图4.13 CCHP系统24小时供热和冷能示意图:(a)余热锅炉、(b)吸收式制冷机、(c)
燃气锅炉和(d)电制冷机
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
4.3.2 经济性优化结果
不同综合需求响应下的系统总年成本及各成本组成如图 4.14 所示,总年成本:
Base-case>Sur-Eco>Gen-Off>Hybrid-sol ; 设 备 成 本 和 维 护 成 本 : Base-case<Sur-Eco<Gen-Off<Hybrid-sol;购电成本:Base-case<Sur-Eco<Gen-Off<Hybrid-sol; 天然气成本: Base-case>Sur-Eco>Gen-Off>Hybrid-sol ; 变动成本: Base-case>Sur-Eco>Gen-Off>Hybrid-sol。
1.2x10s
 
图4.14不同综合需求响应策略下总年成本及各成本组成
不同综合需求响应策略下CCHP系统中各设备的设备成本如图4.15所示。虽然燃气 轮机的容量有所变化,但是此种容量变化并未引起较大的燃气轮机单位投资成本变化,因 此包括燃气轮机在内的所有设备的设备成本与其容量变化情况一致。储能设备由于容量较 小,因此其设备成本较小,并未产生显著影响。由于在Gen-Off策略和Hybrid-sol策略中 电制冷机容量显著增大,因此在这两种策略下的系统设备成本有所增长。
65
 
 
GT AC WHB GB EC TES CES EES
图4.15不同综合需求响应下各设备投资成本
不同综合需求响应策略在不同电价期间供能组成如图4.16所示。在Sur-Eco策略中, 如图4.13所示,余热在电价峰值期间先通过吸收式制冷机进行供冷,与Base-case策略相 比,如图4.16 (a)所示,吸收式制冷机供冷量增大,电制冷机供冷量下降,因此如图4.16 (c)所示,电网购电量下降,购电成本下降。同时,用户热能负荷主要由燃气锅炉提供, 因此增加了天然气消耗,天然气成本上升。虽然单位供冷成本下降量大于单位供热成本上 升量,但是由于电价峰值时段较短(仅为2小时)且电价较高,Sur-Eco策略在电价峰值 期间的运行成本和变动成本如图 4.17 所示,并无明显变化。在电价平值期间,如图 4.13 所示,余热优先通过余热锅炉直接向用户供热,因此如图4.16 (b)所示,燃气锅炉供热 量下降,天然气消耗减少,天然气成本下降,而电制冷机供冷量如图4.16 (a)所示上升, 电网购电量上升,购电成本上升。如图 4.17 所示,虽然系统运行成本由于电价较高而无 明显变化,但由于燃气锅炉供热量显著降低,系统变动成本下降,使得运行成本和变动成 本之和下降。而在电价谷值期间,由于电价较低,因此增加的购电成本显著小于减少的天 然气成本,使得系统运行成本小于Base-case策略中的运行成本。
在Gen-Off策略中,主要供能设备仅在用户需求较大的电价峰值和平值期间运行,设 备容量与 Base-case 相比有所增长且得到更加充分的利用,辅助供能设备在此期间供能量 减少,变动成本下降。因此如图 4.17 所示,系统的运行成本和变动成本在电价平值期间 略有下降,由于电价峰值时间较短,电价峰值期间的经济性并未有明显变化。在电价谷值 期间,主要供能设备均停机,仅由电网、电制冷机和燃气锅炉进行供电、供冷和供热。由 于仅有辅助供能设备运行,变动成本下降,且大量使用低价电能,减少了高价天然气的消 耗,此时单位供能成本下降,经济性提高。由图 4.17 可知,此时的运行成本和变动成本
66 小于Base-case策略中的值,且大于Sur-Eco中的值。这是由于Base-case策略中的主要供 能设备虽然在电价谷值期间仍运行,但是根据用户冷热需求进行余热分配的运行方式并未 充分利用电价谷值可带来的经济性提升(即从电网低价购入电能可降低天然气消耗,从而 在较低运行成本下满足用户用能需求),使得此时的运行成本与变动成本之和较高。而 Sur-Eco 策略中的主要供能设备在较高的一次能源利用率下运行,且系统运行充分考虑了 此时低电价可提升系统经济性的特点,使得此时的运行成本和变动成本有所降低。虽然 Gen-Off策略中的运行成本并非最低,但是由于此时仅有辅助供能设备运行,系统变动成 本较小,因此系统运行成本与变动成本之和显著低于Base-case策略和Sur-Eco策略。
Hybrid-sol策略在电价峰值和谷值期间由于和Sur-Eco策略运行相同,如前文分析所 述,其运行成本与变动成本之和与Gen-Off策略相比略有降低;在电价低谷期间和Gen-Off 策略运行相同,因此运行成本与变动成本之和与Gen-Off策略相比无明显变化。
67
 
 
7.0x104
6.0x104
aAvgtf^
5.0x104
4.0x104
3.0x104
2.0x10°
 
I 1 Hybrid-sol-Gridl
Hybrid-sol-GT
I | Gen Off Grid fe^Gen-Off-GT
Sur-Eco-Grid MSur-Eco-GT I | Base-case-Grid
Base-casc-GT |
l.OxlO4
氏 8.0x103
6.0x103
4.0x103
1.2x104
8.0x104
5 6.0x104
4.0x104
l.OxlO5
0.0
峰值期间
1.2xl05
l.OxlO4
谷值期间
 
| I Hybrid® EC
Hybrid-sol-AC
| Gen-Off・ EC 悅%j Gen-Off・ AC Sur-Eco-EC Sur-Eco-AC
I | Base-case-EC
Base-case-sol-AC
 
平值期间
4.16 不同综合需求响应在不同电价期间供能组成:( a)
@/lk舊
I | Hybrid-sol-GB Hybrid-sol-WHB
| |Gen-Off-GB Gen-Off-WHB Sur-Eco-GB
^HSur-Eco-WHB
〔 I Base-case-GB
冷能、(b)热能和(c)电能
4X1
4.17 不同综合需求响应在不同电价期间运行成本和变动成本
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
4.4 本章小结
本章研究了考虑综合需求响应的CCHP系统设备容量和经济性优化结果,分析得到以 下主要结论:
(1)在余能经济利用运行策略下,用户负荷年持续负荷曲线形状并未改变,因此燃气轮 机容量不变,从而产生的烟气余热量不变,余热锅炉容量也不变。电价峰值期间余 热优先供冷,因此吸收式制冷机容量增大;燃气锅炉补充供热上升,容量增大。电 制冷机在电价平值和谷值期间补充供冷上升,容量增大。
(2)在谷电停机运行策略下,主要供能设备仅用于满足电价平值和峰值期间较大的用户 负荷,因此主要供能设备容量增大。在电价谷值期间仅通过辅助供能设备供热和供 冷,因此辅助供能设备容量显著增大。
(3)在余能经济利用运行策略下,电价峰值期间余热优先供冷,燃气锅炉供能上升,天 然气成本增加,电制冷机供能下降,购电成本下降,单位供冷成本下降量大于单位 供热成本上升量,但是由于电价峰值时段较短且电价较高,运行成本和变动成本无 明显变化。其余时间余热优先供热,电制冷机供冷上升,购电成本增加,燃气锅炉 供热下降,天然气成本下降,单位供热成本下降量大于单位供冷成本上升量,最终 系统经济性年成本下降。
(4)在谷电停机运行策略下,由于辅助供能设备容量显著增大,系统设备成本上升。在 电价谷值期间,由于从电网大量购入低电价电能,同时燃气轮机停机,降低了天然 气的消耗,增加的购电成本小于下降的天然气成本,使得系统运行成本降低,同时 由于仅有辅助供能设备运行,系统变动成本降低。由于辅助供能设备在电价平值期 间供能减少,变动成本下降;由于电价峰值时间较短,此时间段内的经济性并未有 明显变化。最终系统经济性年成本下降。
69
5全文总结与展望
5.1 全文总结
本研究通过遗传算法对CCHP系统在多原动机、多子系统以及考虑综合需求响应等条 件下进行建模仿真,并对CCHP系统的设备容量和经济性优化结果进行分析。主要结论如 下:
(1)常规CCHP系统设备容量和经济性优化结果及其原因总结如下:
i.燃气轮机的容量与用户需求的平均值和方差有关,方差越小,燃气轮机新增容 量带来的边际成本降低量增加,燃气轮机容量位于平均值上方,反之则位于平 均值下方。
ii.燃气轮机产生的余热量由其容量和热电比共同决定;余热量越高,余热锅炉和 吸收式制冷机容量增大,燃气锅炉和电制冷机容量越小。
(2)多原动机的CCHP系统设备容量和经济性优化结果及其原因总结如下:
i.需求年持续负荷曲线形状不变,燃气轮机总和不变。由于燃气轮机容量越小, 热电比越大,因此余热量增加,使得余热锅炉和吸收式制冷机容量增大,辅助 供能设备容量减小。
ii.燃气轮机容量越小,单位投资成本越高,设备投资上升;燃气轮机供热量下降, 减少了天然气消耗,使得天然气成本下降;电制冷机供冷量下降,降低了电网 购电量,使得购电成本下降;多原动机CCHP系统的经济性年成本下降。
(3)多子系统的CCHP系统设备容量和经济性优化结果及其原因总结如下:
i.由于子系统的电需求年负荷曲线方差增大,燃气轮机新增容量带来的边际成本 降低量减小,因此在以电定热运行策略下燃气轮机容量总和下降;在以热定电 策略下,等效热需求年持续负荷曲线方差减小,但是由于燃气轮机容量下降, 热电比上升,仅需较小的燃气轮机容量总和即可满足需求,因此燃气轮机容量 总和下降。
ii.燃气轮机的余热量增加,使得余热锅炉和吸收式制冷机容量总和增加。由于未 考虑子系统之间的能量交互运行,因此燃气锅炉的容量总和增大,有一定冗余,
70
而各子系统中的电制冷机容量均可得到充分利用,因此容量总和无明显变化。
iii.余热锅炉、吸收式制冷机和燃气锅炉容量上升以及燃气轮机更大的单位投资使 得设备投资上升;燃气轮机和电制冷机供能减少,天然气成本和购电成本下降; 由于运行成本的降幅大于设备成本的增幅,多子系统的CCHP系统经济性年成 本下降。
(4)在CCHP系统运行中加入综合需求响应后,系统设备容量和经济性结果及其原因总 结如下:
i.在余能经济利用运行策略下,由于未改变用户负荷年持续负荷曲线形状,燃气 轮机和余热锅炉容量并无明显变化。电价峰值期间余热优先供冷,吸收式制冷 机容量增大;燃气锅炉补充供热上升,容量增大。电制冷机在电价平值和谷值 期间补充供冷上升,容量增大。
ii.在谷电停机运行策略下,主要供能设备仅用于满足电价平值和峰值期间较大的 用户负荷,因此主要供能设备容量增大。电价谷值期间仅由电网和辅助供能设 备进行供能,因此辅助供能设备容量显著增大。
iii.在余能经济利用运行策略下,电价峰值期间余热优先供冷,燃气锅炉补充供热 上升,天然气成本上升,电制冷机补充供冷下降,购电成本下降,单位供冷成 本下降量大于单位供热成本上升量,但是由于电价峰值时段较短且电价较高, 期间运行成本和变动成本均无明显变化。其余时间余热优先供热,电制冷机补 充供冷上升,购电成本增加,燃气锅炉补充供热下降,天然气成本下降,单位 供热成本下降量大于单位供冷成本上升量,最终系统经济性年成本下降。
iv.在谷电停机运行策略下,辅助供能设备容量显著增大,系统设备成本上升。在 电价谷值期间,由于从电网大量购入低电价电能,同时燃气轮机停机,降低了 天然气的消耗,增加的购电成本小于下降的天然气成本,使得系统运行成本降 低,同时由于仅有辅助供能设备运行,系统变动成本降低。由于辅助供能设备 在电价平值期间供能减少,变动成本下降;由于电价峰值时间较短,此时间段 内的经济性并未有明显变化,最终系统经济性年成本下降。
71
5.2 研究创新性
本研究主要有以下创新点:
( 1 ) 提出了多原动机和多子系统的 CCHP 系统设备容量优化方法,厘清了多原动机和多 子系统对CCHP系统设备容量和经济性的影响及原因,可为三联供系统的优化设计 提供指导。
(2) 提出了三种基于多能互补的综合需求响应方式的 CCHP 系统运行策略,实现了系统 运行过程中各设备的供能互补,提高了运行经济性。
5.3 研究展望
本研究在前人基础上,探究了 CCHP系统在多原动机、多子系统以及考虑综合需求响 应等条件下的系统设备容量和经济性优化问题。但是现有的工作仍旧存在以下不足和有待 深入探究之处:
(1) 本文在多子系统规划模式下仅考虑了各个子系统分别供能,而并未考虑各子系统之 间的能量交互,因此,未来可在多子系统规划模式下设计子系统之间的能量交互路 径,从而使得系统产能得到更加充分的利用以提高系统经济性。
(2) 本文在建模过程中以实际性能曲线为基础构建原动机模型,但是设备建模与实际仍 有一定差距。未来可将CCHP系统中各设备模型加以细化,使其更加符合实际运行 工况,从而使得模拟结果更具现实意义。
(3) 本文所采用的CCHP系统以天然气和电网为主要能量来源,并未加入光伏、风电等 新能源。未来可在系统中添加多种新能源供能设备,并在此基础上进行系统设备容 量规划,为新能源在CCHP系统中的应用提供相关指导。
(4) 本文从运行侧探究了综合需求响应对系统设备容量和经济性优化的作用,而未从需 求侧探究需求响应的影响。未来可在相关政策的支持下,探究激励型需求响应通过 改变用户用能行为对冷热电三联供系统设备容量和经济性产生的影响。
72
参考文献
[1]中华人民共和国国民经济和社会发展第十四个五年规划和 2035年远景目标纲要_滚动 新闻_中国政府网 [EB/OL]. [2022-1-28]. http:: //www.gov.cn/xinwen/2021-03/13/content _5592681.htm.
[2]国务院发展研究中心资源与环境政策研究所.中国能源革命进展报告[M].北京:石油 工业出版社, 2020.
[3]YU X H, XUE Y S. Smart Grids: A Cyber-Physical Systems Perspective[J]. Proceedings of the IEEE, 2016, 104(5): 1058-1070.
[4]KONG F X, DONG C S, LIU X, et al. Quantity Versus Quality: Optimal Harvesting Wind Power for the Smart Grid[J]. Proceedings of the IEEE, 2014, 102(11): 1762-1776.
[5]WANG L, LU J F, WANG W L, et al. Feasibility Analysis of CCHP System with Thermal Energy Storage Driven by Micro Turbine[J]. Energy Procedia, 2017, 105: 2396-2402.
[6]AL MOUSSAWI H, FARDOUN F, LOUAHLIA H. Selection based on differences between cogeneration and trigeneration in various prime mover technologies[J]. Renewable and Sustainable Energy Reviews, 2017, 74: 491-511.
[7]刘浩.分布式冷热电联产系统互联运行的主动调控机制研究[D].中国科学院大学(中国 科学院工程热物理研究所), 2019.
[8]陈强.分布式冷热电三联供系统全工况特性与主动调控机理及方法[D].中国科学院研 究生院(工程热物理研究所), 2014.
[9]孙思宇,于成琪,孙涛,等.冷热电三联供分布式能源系统研究进展[J].华电技术,2019, 41(11): 26-31.
[10]杨允.区域型分布式供能系统优化配置研究及不确定性优化探索[D].中国科学院研究 生院(工程热物理研究所), 2016.
[11]卢艳超.基于变负荷工况下冷热电联供系统蓄能策略研究[D].华北电力大学,2018.
[12]CAO Y W, WANG L Y, JIANG S G, et al. Optimal operation of cold-heat-electricity multi-energy collaborative system based on price demand response[J]. Global Energy Interconnection, 2020, 3(5): 430-441.
[13]ZHENG X Y, WU G C, ZHAN X Y et al. A MINLP multi-objective optimization model for operational planning of a case study CCHP system in urban China[J]. Applied Energy, 2018,
73
210: 1126-1140.
[14]EBRAHIMI M, MAJIDI S. Exergy-energy-environ evaluation of combined cooling heating and power system based on a double stage compression regenerative gas turbine in large scales[J]. Energy Conversion and Management, 2017, 150: 122-133.
[15]LI C Z, SHI Y M, HUANG X H. Sensitivity analysis of energy demands on performance of CCHP system[J]. Energy Conversion and Management, 2008, 49(12): 3491-3497.
[16]ARCURI P, FLORIO G, FRAGIACOMO P. A mixed integer programming model for optimal design of trigeneration in a hospital complex[J]. Energy, 2007, 32(8): 1430-1447.
[ 1 7] OOKA R, KOMAMURA K. Optimal design method for building energy systems using genetic algorithms[J]. Building and Environment, 2009, 44: 1538-1544.
[ 1 8] 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.
[ 1 9] SANAYE S, ARDALI M R. Estimating the power and number of microturbines in small-scale combined heat and power systems[J]. Applied Energy, 2009, 86(6): 895-903.
[20]LU S L, LI Y W, XIA H W. Study on the configuration and operation optimization of CCHP coupling multiple energy system[J]. Energy Conversion and Management, 2018, 177: 773-791.
[2 1 ]SANAYE S, KHAKPAAY N. Thermo-economic multi-objective optimization of an innovative cascaded organic Rankine cycle heat recovery and power generation system integrated with gas engine and ice thermal energy storage[J]. Journal of Energy Storage, 2020, 32: 1101697.
[22]ABBASI M, CHAHARTAGHI M, HASHEMIAN S M. Energy, exergy, and economic evaluations of a CCHP system by using the internal combustion engines and gas turbine as prime movers[J]. Energy Conversion and Management, 2018, 173: 359-374.
[23]YAMANO S, NAKAYA T, IKEGAMI T, et al. Optimization modeling of mixed gas engine types with different maintenance spans and costs: Case study OF CCHP to evaluate optimal gas engine operations and combination of the types[J]. Energy, 2021, 222: 119823.
[24]SANAYE S, GHAFURIAN M M. Applying relative equivalent uniform annual benefit for optimum selection of a gas engine combined cooling, heating and power system for residential buildings[J]. Energy and Buildings, 2016, 128: 809-818.
[25]LIU M X, YANG S, FANG F. Combined cooling, heating and power systems: A survey[J]. Renewable and Sustainable Energy Reviews, 2014, 35: 1-22.
[26]WEGENER M, ISALGUE A, MALMQUIST A, et al. Exergetic model of a small-scale,
74
biomass-based CCHP/HP system for historic building structures[J]. Energy Conversion and Management: X, 2021, 12: 100148.
[27]权超,董晓峰,姜彤.基于CCHP耦合的电力、天然气区域综合能源系统优化规划[J].电 网技术, 2018, 42(08): 2456-2466.
[28]王珺,顾伟,陆帅,等.结合热网模型的多区域综合能源系统协同规划[J].电力系统自动 化, 2016, 40(15): 17-24.
[29]VARASTEH F, NAZAR M S, HEIDARI A, et al. Distributed energy resource and network expansion planning of a CCHP based active microgrid considering demand response programs[J]. Energy, 2019, 172: 79-105.
[30]吴志佳.含CCHP的区域多微网协调优化调度研究[D].天津大学,2017.
[31]YANG H M, XIONG T L, QIU J, et al. Optimal operation of DES/CCHP based regional multi-energy prosumer with demand response[J]. Applied Energy, 2016, 167: 353-365.
[32]WANG J X, ZHONG H W, MA Z M, et al. Review and prospect of integrated demand response in the multi-energy system[J]. Applied Energy, 2017, 202: 772-782.
[33]BEHBOODI S, CHASSIN D P, CRAWFORD C, et al. Renewable resources portfolio optimization in the presence of demand response[J]. Applied Energy, 2016, 162: 139-148.
[34]MAZIDI M, MONSEF H, SIANO P. Robust day-ahead scheduling of smart distribution networks considering demand response programs[J]. Applied Energy, 2016, 178: 929-942.
[35]CESENA E A M, MANCARELLA P. Distribution network support from multi-energy demand side response in smart districts [C]. Innovative Smart Grid Technologies-Asia. IEEE, 2016: 753-758.
[36]HOUWING M, NEGENBORN R R, SCHUTTER B D. Demand Response With Micro-CHP Systems[J]. Proceedings of the IEEE, 2014, 99(1): 200-213.
[3 7] MANCARELLA P, CHICCO G. Real-Time Demand Response From Energy Shifting in Distributed Multi-Generation[J]. IEEE Transactions on Smart Grid, 2013, 4(4): 1928-1938.
[38]SHEIKHI A, RAYATI M, BAHRAMI S, et al. Integrated Demand Side Management Game in Smart Energy Hubs[J]. IEEE Transactions on Smart Grid, 2015, 6(2): 675-683.
[39]SHEIKHI A, BAHRAMI S, RANJBAR A M. An autonomous demand response program for electricity and natural gas networks in smart energy hubs[J]. Energy, 2015, 89: 490-499.
[40]JIN X L, MU Y F, JIA H J, et al. Optimal day-ahead scheduling of integrated urban energy systems[J]. Applied Energy, 2016, 180: 1-13.
[41]荆朝霞,袁灼新,胡荣兴,等.供能设备模型对冷热电联供微网系统经济调度的影响[J].
75
南方电网技术, 2016, 10(08): 32-39.
[42]CUI Q, MA P P, HUANG L, et al. Effect of device models on the multiobjective optimal operation of CCHP microgrids considering shiftable loads[J]. Applied Energy, 2020, 275: 115369.
[43]U.S. Department of Energy, Combined Heat and Power Technology Fact Sheet Serie s—Gas Turbines, 2016[R/OL]. [2022-1-28]. https:: //www.energy.gov/sites/prod/files/201 6/09/f33/CHP-Gas%20Turbine.pdf.
[44]U.S. Department of Energy, Gas-Fired Distributed Energy Resource Technology Char acterizations, 2003[R/OL]. [2022-2-25]. https:: //www.nrel.gov/docs/fy04osti/34783.pdf.
[45]唐沂媛.冷热电联供/综合能源系统的规划研究[D].东南大学,2016.
[46]曾艾东.冷热电混合能源联合优化运行与调度策略研究[D].东南大学,2017.
[47]BRAHMAN F, HONARMAND M, JADID S. Optimal electrical and thermal energy management of a residential energy hub, integrating demand response and energy storage system[J]. Energy and Buildings, 2015, 90: 65—75.
[48]CARDONA E, PIACENTINO A, CARDONA F. Matching economical, energetic and environmental benefits: An analysis for hybrid CHCP-heat pump systems[J]. Energy Conversion and Management, 2006, 47(20): 3530-3542.
[49]SMITH A D, MAGO P J. Effects of load-following operational methods on Combined heat and power system efficiency[J]. Applied Energy, 2014, 115: 337-351.
[50]WANG J J, ZHAI Z J Q, JING Y Y, et al. Optimization design of BCHP system to maximize to save energy and reduce environmental impact[J]. Energy, 2010, 35(8): 3388-3398.
[51]LI H, FU L, GENG K C, et al. Energy utilization evaluation of CCHP systems[J]. Energy and Buildings, 2006, 38(3): 253-257.
[52]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.
[53]国家能源局.关于印发《关于发展热电联产的规定》的通知[EB/OL]. [2022-3-8]. http:: //www.nea.gov.cn/2011-11/22/c_131262611.htm.
[54]CHO H, SMITH A D, MAGO P. Combined cooling, heating and power: A review of performance improvement and optimization[J]. Applied Energy, 2014, 136: 168-185.
[55]ZHANG B H, LONG W D. An optimal sizing method for cogeneration plants[J]. Energy
76
and Buildings, 2006, 38(3):189-195.
[56]SAKAWA M, KATO K, USHIRO S. Operational planning of district heating and cooling plants through genetic algorithms for mixed 0-1 linear programming[J]. European Journal of Operational Research, 2002, 137(3): 677-687.
[57]WEBER C, MARECHAL F, FAVRAT D, et al. Optimization of an SOFC-based decentralized polygeneration system for providing energy services in an office-building in Tokyo[J]. Applied Thermal Engineering, 2006, 26: 1409-1419.
[58]FANG F, WEI L, LIU J H, et al. Complementary configuration and operation of a CCHP-ORC system[J]. Energy, 2012, 46(1): 211-220.
[59]YANG X H, LENG Z Y, XU S P, et al. Multi-objective optimal scheduling for CCHP microgrids considering peak-load reduction by augmented ^-constraint method[J]. Renewable Energy, 2021, 172: 408-423.
[60]SEO H, SUNG J, OH S D, et al. Economic optimization of a cogeneration system for apartment houses in Korea[J]. Energy and Buildings, 2008, 40(6): 961-967.
[61]LOZANO M A, RAMOS J C, CARVALHO M, et al. Structure optimization of energy supply systems in tertiary sector buildings[J]. Energy and Buildings, 2009, 41(10): 1063-1075.
[62]ZHU G Y, CHOW T T, FONG K F, et al. Design optimisation and performance appraisal of a Combined cooling, heating and power system primed with Maisotsenko combustion turbine cycle[J]. Energy Conversion and Management, 2018, 177: 91-106.
[63]URIS M, LINARES J I, ARENAS E. Size optimization of a biomass-fired cogeneration plant CHP/CCHP (Combined heat and power/Combined heat, cooling and power) based on Organic Rankine Cycle for a district network in Spain[J]. Energy, 2015, 88: 935-945.
[64]Arizona State University Campus Metabolism[DB/OL]. [2022-1-28]. https:: //cm.asu.edu/.
[65]U.S. Energy Information Administration. Distributed Generation and Combined Heat and Power System Characteristics and Costs in the Buildings Sector[R/OL]. [2022-1-28]. https:: //www.eia.gov/analysis/studies/buildings/distrigen/pdf/dg_chp.pdf.
[66]2021 GTW Handbook, Volume 36[M]. Gas Turbine World, 2021: 21.
[67]LIU M X, SHI Y, FANG F. A new operation strategy for CCHP systems with hybrid chillers[J]. Applied Energy, 2012, 95: 164-173.
[68]WU D W, WANG R Z. Combined cooling, heating and power: A review[J]. Progress in Energy and Combustion Science, 2006, 32: 459-495.
[69]U.S. Energy Information Administration. Updated Buildings Sector Appliance and Eq
77
uipment Costs and Efficiency[R/OL]. [2022-1-28]. https:: //www.eia.gov/analysis/studie s/buildings/equipcosts/.
[70]SABERI K, PASHAEI-DIDANI H, NOUROLLAHI R, et al. Optimal performance of CCHP based microgrid considering environmental issue in the presence of real time demand response[J]. Sustainable Cities and Society, 2019, 45: 596-606.
[71]KENDALL M, VILAYANUR V, PATRICK B, et al. Energy Storage Technology and Cost
Characterization Report[R/OL]. [2022-1-28]. https::
//www.osti.gov/biblio/1573487-energy-storage-technology-cost-characterization-report.
[72]U.S. Energy Information Administration. Natural Gas Information 2019[R/OL]. [2022-1-28]._https:: //www.oecd.org/publications/natural-gas-information-16834267.htm.
[73]YANG Y, ZHANG S J, XIAO Y H. Optimal design of distributed energy resource systems coupled with energy distribution networks[J]. Energy, 2015, 85: 433-448.
[74]LIU Z H, GAO W J, QIAN F Y, et al. Potential analysis and optimization of Combined Cooling, Heating, and Power (CCHP) systems for eco-campus design based on comprehensive performance assessment[J]. Frontiers in Energy Research, 2021, 9: 781634.
[75]U.S. Energy Information Administration. Annual Energy Outlook 2021[R/OL]. [2022-1-28]. https:: //www.eia.gov/outlooks/aeo/data/browser/#/?id=3-AEO2021andsourcekey=0.
[76]国家电网公司. 国网浙江省电力有限公司关于2022年1月代理工商业用户购电价格的 公告[EB/OL]. [2022-1-28]. https:: //osg-web.sgcc.com.cn/osgweb/ipSupportDetailltems? url=%2Fomg-static%2F98112291507044529593602038997296.jpgandpartNo=P2003.
[77]WANG J J, MAO T Z, 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.
[78]LI J X, ZHU S Z, ZHENG J H, et al. Combined economic operation research of CCHP system and energy storage[C]. International Conference on Information Science. IEEE, 2014.
[79]XU S, LIU L C, ZHU T, et al. Comparative analysis on operation strategies of CCHP system with cool thermal storage for a data center[J]. Applied Thermal Engineering, 2016, 108: 680-688.
[80]LIU Y S, ZHU F, FU J Q, et al. Influence Analysis of Electricity Price Mechanisms on CCHP Investment and Operation Planning[C]. 2020 2nd International Conference on Smart Power and Internet Energy Systems, 2020.
[81]WEI X G, LI K, ZHANG C H et al. Operation Strategy and Economic Analysis of Biogas
78
CCHP System including Compressed Air Energy Storage[C]. 2017 36th Chinese Control Conference, 2017.
[82]TIAN X Q, XU T, MU L H, et al. Research on Optimal Scheduling Model and Peak Regulating Strategy of Micro Energy Network Based on TOU Policy[C]. 2018 International Conference on Applied Mechanics, Mathematics, Modeling and Simulation, 2018.
【本文地址:https://www.xueshulunwenwang.com//shuoshilunwenzhuanti/dianlixitongjiqizidonghua/5263.html

上一篇:计及静态安全分析的综合能源系统优化运行研究

下一篇:没有了

相关标签: