余倩，黃亮，2

(1.武漢理工大學(xué)，湖北 武漢430070；2.復(fù)變時(shí)空(武漢)數(shù)據(jù)科技有限公司，湖北 武漢430070)

0 引 言

近年來(lái)，隨著傳統(tǒng)化石能源的大量消耗以及人們對(duì)環(huán)境問(wèn)題的密切關(guān)注,各類可再生能源被廣泛地研究并投入使用。現(xiàn)有的能源系統(tǒng)往往都是單獨(dú)規(guī)劃、單獨(dú)運(yùn)行，導(dǎo)致能源利用率低、污染高。研究如何把各獨(dú)立供能系統(tǒng)進(jìn)行協(xié)同優(yōu)化，并且兼顧經(jīng)濟(jì)性和環(huán)保性成為學(xué)者們研究的重點(diǎn)[1-2]。冷熱電聯(lián)供系統(tǒng)可以提高能源一次利用率，并且減少CO2和污染氣體的排放。冷熱電聯(lián)供系統(tǒng)(combined cooling heating and power，CCHP)的能源利用率可達(dá)到90%，沒(méi)有輸電損耗；因此，研究CCHP對(duì)實(shí)現(xiàn)多種能源的互補(bǔ)高效利用具有積極的作用。

目前，國(guó)內(nèi)外學(xué)者對(duì)于利用可再生能源的多能互補(bǔ)的CCHP已有一些研究[3-6]。文獻(xiàn)[7]考慮了儲(chǔ)能技術(shù)，解決了可再生能源發(fā)電的間歇性和隨機(jī)波動(dòng)性問(wèn)題。文獻(xiàn)[8]根據(jù)費(fèi)率的結(jié)構(gòu)，在能量管理方面就不能按照滿足負(fù)荷來(lái)控制，還應(yīng)當(dāng)制定隨費(fèi)率結(jié)構(gòu)改變而調(diào)整的協(xié)調(diào)策略。文獻(xiàn)[9]針對(duì)冷熱電聯(lián)產(chǎn)系統(tǒng)的投資規(guī)劃優(yōu)化問(wèn)題，提出了以最小投資成本和最小運(yùn)行成本為目標(biāo)基于遺傳算法優(yōu)化模型，該方法響應(yīng)速度較快，但局部尋優(yōu)能力較差，并且沒(méi)有考慮環(huán)境成本，只以經(jīng)濟(jì)成本為優(yōu)化目標(biāo)，沒(méi)有兼顧環(huán)境效應(yīng)。

本文以系統(tǒng)經(jīng)濟(jì)成本和環(huán)境成本最小建立了目標(biāo)函數(shù)，并構(gòu)建約束條件，建立了冷熱電聯(lián)供系統(tǒng)的優(yōu)化模型。本模型以天然氣、可再生能源和儲(chǔ)能設(shè)備互補(bǔ)進(jìn)行發(fā)電，考慮了費(fèi)率結(jié)構(gòu)對(duì)發(fā)電成本的影響，利用粒子群算法對(duì)系統(tǒng)進(jìn)行模型優(yōu)化求解。最后結(jié)合算例，研究系統(tǒng)在多目標(biāo)下系統(tǒng)的運(yùn)行結(jié)果，為綜合能源的協(xié)同優(yōu)化提供了參考。

1 冷熱電聯(lián)供型綜合能源系統(tǒng)

CCHP集冷負(fù)荷、熱負(fù)荷、電負(fù)荷于一體。電負(fù)荷由風(fēng)力發(fā)電機(jī)、光伏發(fā)電機(jī)和電網(wǎng)供電，多余或不足的部分有蓄電池組存儲(chǔ)或提供；熱負(fù)荷由燃?xì)獍l(fā)電機(jī)組的熱回收系統(tǒng)提供，不足的部分由燃?xì)忮仩t補(bǔ)充；冷負(fù)荷由吸收制冷機(jī)供給，不足的部分由電制冷機(jī)補(bǔ)足。模型中包含風(fēng)能和太陽(yáng)能可再生能源。系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 冷熱電聯(lián)供系統(tǒng)結(jié)構(gòu)

1.1 燃?xì)獍l(fā)電機(jī)模型

燃?xì)獍l(fā)電機(jī)作為CCHP提供電能的主要設(shè)備，效率受機(jī)組出力影響較大，采用三階模型效率能夠較好地體現(xiàn)機(jī)組出力波動(dòng)對(duì)系統(tǒng)產(chǎn)生的影響。

燃?xì)獍l(fā)電機(jī)的數(shù)學(xué)模型為

式中：FGt—燃?xì)獍l(fā)電機(jī)的燃?xì)夂牧浚?/p>

ηGt—燃?xì)獍l(fā)電機(jī)的效率系數(shù);

ai，bi，ci，di—第i臺(tái)燃?xì)獍l(fā)電機(jī)系數(shù)。

1.2 燃?xì)忮仩t模型

燃?xì)忮仩t充當(dāng)冷熱電聯(lián)供系統(tǒng)的備用熱源，當(dāng)冷熱電聯(lián)供系統(tǒng)所產(chǎn)生的熱能不滿足需求時(shí)，可通過(guò)燃?xì)忮仩t進(jìn)行熱能補(bǔ)充。燃?xì)忮仩t出力與自身輸出特性和負(fù)荷情況相關(guān)。燃?xì)忮仩t的數(shù)學(xué)模型為

FBoi=QBoi/ηBoi

(2)

式中：FBoi—燃?xì)忮仩t的燃?xì)夂牧浚?/p>

QBoi—燃?xì)忮仩t的熱功率；

ηBoi—燃?xì)忮仩t的效率系數(shù)。

1.3 電制冷機(jī)模型

電制冷機(jī)是目前在各類建筑物中最常見(jiàn)的供冷設(shè)備，典型代表為壓縮式電制冷機(jī)。壓縮式電制冷機(jī)通過(guò)電力驅(qū)動(dòng)壓縮機(jī)做功來(lái)完成一系列制冷流程，從而將輸入電能轉(zhuǎn)換為冷量輸出。電制冷機(jī)的數(shù)學(xué)模型為

QEC=COPECPEC

(3)

式中：QEC—電制冷機(jī)輸出功率；

COPEC—電制冷機(jī)制冷能效系數(shù)；

PEC—電制冷機(jī)輸入電功率。

1.4 吸收式制冷機(jī)模型

吸收式制冷機(jī)將輸入的熱量轉(zhuǎn)換為冷量輸出。吸收式制冷機(jī)的數(shù)學(xué)模型為

QAC=COPACPAC

(4)

式中:QAC—吸收式制冷機(jī)輸出功率；

COPAC—吸收式制冷機(jī)制冷能效系數(shù);

PAC—吸收式制冷機(jī)輸入電功率。

1.5 熱回收系統(tǒng)模型

熱回收系統(tǒng)將燃?xì)獍l(fā)電機(jī)產(chǎn)生的熱能進(jìn)行收集，提供的熱能與回收效率有關(guān)：

(5)

式中:QHrs—熱回收系統(tǒng)的熱功率;

ηHrs—熱回收系統(tǒng)的熱回收效率;

NGt—燃?xì)獍l(fā)電機(jī)的臺(tái)數(shù)。

1.6 蓄電池模型

蓄電池作為常用的儲(chǔ)能設(shè)備，電量與自放電率、充放電容量有關(guān)[10-11]，剩余容量公式：

(6)

μBat—蓄電池組的自放電率；

2 冷熱電聯(lián)供能源協(xié)同優(yōu)化模型

2.1 目標(biāo)函數(shù)

以運(yùn)行成本和環(huán)境成本最小為目標(biāo)，運(yùn)行成本包含燃?xì)赓M(fèi)用，與主網(wǎng)交互費(fèi)用，燃?xì)獍l(fā)電機(jī)的運(yùn)行維護(hù)費(fèi)用。在實(shí)際運(yùn)行中，冷熱聯(lián)供系統(tǒng)燃燒天然氣排放的氣體主要是CO2，故只考慮CO2對(duì)環(huán)境造成的影響。

目標(biāo)函數(shù)為

minCtotal=min(CJ+CH)

(7)

運(yùn)行成本為

環(huán)境成本為

CH=WCO2[εePEC+εl(PGt+QBoi)]

(9)

式中：Ctotal、CJ、CH、CElc、CLng、CM—總成本、運(yùn)行成本、環(huán)境成本、購(gòu)電費(fèi)用、購(gòu)氣費(fèi)用、運(yùn)行維護(hù)費(fèi)用；

PElc—正數(shù)時(shí)，表示聯(lián)供系統(tǒng)從大電網(wǎng)購(gòu)電；負(fù)數(shù)時(shí)，表示發(fā)電多余，系統(tǒng)向大電網(wǎng)賣電;

rElc—購(gòu)電或售電單價(jià)；

rLng—天然氣單價(jià)；

KOM—燃?xì)獍l(fā)電機(jī)單位電功率的運(yùn)行維護(hù)費(fèi)用，取0.038元/kW;

εe—單位電功率下CO2的排放系數(shù)，取值0.872 kg/(kW·h)；

εl—單位體積天然氣的CO2的排放系數(shù), 取值1.95 kg/m3。

2.2 約束條件

CCHP系統(tǒng)能量?jī)?yōu)化運(yùn)行主要考慮功率平衡的約束條件和各設(shè)備的運(yùn)行約束條件[12-14]。

2.2.1 功率約束

2.2.2 功率平衡約束

該系統(tǒng)的電能、熱能、冷能的功率平衡約束關(guān)系為

式中：Pe、Qh、Qc—系統(tǒng)需要的預(yù)測(cè)電功率、熱功率、冷功率。

2.3 粒子群算法原理

粒子群算法就是在D維空間下，隨機(jī)生成N個(gè)粒子,并對(duì)其進(jìn)行初始化作為所求問(wèn)題的解集，然后通過(guò)所定義的適應(yīng)度函數(shù)進(jìn)行粒子群迭代尋優(yōu)，找到粒子群的適應(yīng)度函數(shù)值最小或最大的粒子作為粒子群的全局最優(yōu)解Gbest，迭代過(guò)程中每個(gè)粒子的適應(yīng)度函數(shù)值作為個(gè)體最優(yōu)解Pbest，在整個(gè)粒子群迭代的過(guò)程中，每個(gè)粒子通過(guò)式(12)和式(13)進(jìn)行自身位置和速度的更新：

(13)

式中：ω—慣性權(quán)重；

c1、c2—兩個(gè)學(xué)習(xí)因子；

r1、r2—迭代過(guò)程中的隨機(jī)生成數(shù)。

范圍為[0,1]，同時(shí)為了防止粒子在迭代過(guò)程中超出其搜索空間，一般要對(duì)粒子的速度和位置進(jìn)行限制，一般規(guī)定為：Vmin

2.3.1 基本粒子群的參數(shù)設(shè)定

基于標(biāo)準(zhǔn)粒子群算法進(jìn)行Matlab數(shù)學(xué)建模仿真，經(jīng)過(guò)多次取值試驗(yàn)，最終給定粒子群初始化條件：c1，c2取2；ω取0.7；D為空間維度，取8，分別是燃?xì)廨啓C(jī)功率、燃?xì)忮仩t功率、電制冷機(jī)功率等。

2.3.2 改進(jìn)慣性因子的粒子群算法

ω,=ωstart(ωstart-ωend)(Tmax-k)/Tmax

(14)

為了更好地平衡算法的全局搜索與局部搜索能力，在基本的粒子群算法中將原有固定值的ω改為線性遞減慣性權(quán)重，ωstart為初始慣性權(quán)重，取0.9；ωend為迭代至最大次數(shù)時(shí)的慣性權(quán)重，取0.4；k為當(dāng)前迭代次數(shù)。迭代初期較大的慣性權(quán)重使算法保持了較強(qiáng)的全局搜索能力，而迭代后期較小的慣性權(quán)重有利于算法進(jìn)行更精確的局部搜索。

3 系統(tǒng)仿真結(jié)果及分析

仿真計(jì)算選取風(fēng)力、光伏、儲(chǔ)電、天然氣互補(bǔ)發(fā)電的CCHP系統(tǒng)為模型。該系統(tǒng)中包含2臺(tái)燃?xì)獍l(fā)電機(jī)，1臺(tái)燃?xì)忮仩t，1組蓄電池組，1臺(tái)電制冷機(jī)，1臺(tái)吸收制冷機(jī)。各相關(guān)設(shè)備的參數(shù)及取值見(jiàn)文獻(xiàn)[15]，各設(shè)備功率上限見(jiàn)表1。以某一地區(qū)夏季的某一天的能量調(diào)度為例，計(jì)算周期和時(shí)間間隔分別為24 h和1 h。采用粒子群算法，參數(shù)設(shè)定取值如下：種群規(guī)模N為100，迭代次數(shù)Tmax為1 000代。天然氣屬于消耗性能源，從激勵(lì)使用天然氣的層面出發(fā)，費(fèi)率結(jié)構(gòu)的設(shè)置一般為使用量越大，價(jià)格約低。模型使用的是某天然氣公司的價(jià)格費(fèi)率結(jié)構(gòu)，如圖2所示。在夏季電力供應(yīng)緊張時(shí)將供售電價(jià)格分為峰、平、谷3檔，對(duì)應(yīng)的時(shí)間段的價(jià)格見(jiàn)圖3，實(shí)線表示購(gòu)電價(jià)格，虛線表示售電價(jià)格。

表1 各設(shè)備功率上限

圖2 天然氣價(jià)格費(fèi)率結(jié)構(gòu)

圖3 電費(fèi)價(jià)格費(fèi)率結(jié)構(gòu)

夏季光照強(qiáng)度大，氣溫較高，所需的電負(fù)荷和冷負(fù)荷很大，熱負(fù)荷則較小，同時(shí)用電高峰期的電費(fèi)高，此時(shí)，光伏出力可以在一定程度上減少燃?xì)獍l(fā)電機(jī)及其他設(shè)備的出力。本文選擇的場(chǎng)景為夏季，夏季日負(fù)荷與風(fēng)光出力預(yù)測(cè)見(jiàn)圖4。

圖4 夏季冷、熱、電負(fù)荷及風(fēng)電、光伏出力預(yù)測(cè)

分別用基本PSO算法和改進(jìn)慣性權(quán)重的PSO算法對(duì)冷熱電聯(lián)供的能源優(yōu)化模型仿真求解，結(jié)果見(jiàn)圖5。

圖5 適應(yīng)度值進(jìn)化情況

由圖5可知，改進(jìn)PSO的收斂速度好于基本PSO算法。由表2可知基本PSO算法得到的成本為13.64萬(wàn)元，改進(jìn)PSO算法的成本為13.54萬(wàn)元，改進(jìn)算法得到的總成本比基本PSO算法低1 000元。

表2 不同算法系統(tǒng)優(yōu)化結(jié)果對(duì)比

24 h內(nèi)提供的冷功率設(shè)備出力情況見(jiàn)圖6。

圖6 冷功率優(yōu)化結(jié)果

圖7 熱功率優(yōu)化結(jié)果

首先是燃?xì)廨啓C(jī)提供熱功率，燃?xì)忮仩t作為補(bǔ)充，燃?xì)忮仩t在用熱高峰期功率達(dá)450 kW，最終產(chǎn)生的熱負(fù)荷基本滿足熱負(fù)荷要求，由于夏季對(duì)熱負(fù)荷需求較少，主要是燃?xì)忮仩t經(jīng)換熱器提供熱負(fù)荷。

由圖8可知，用電高峰時(shí)，系統(tǒng)的2臺(tái)燃?xì)獍l(fā)電機(jī)均處于工作發(fā)電狀態(tài)，蓄電池組既可充電，也可進(jìn)行放電，這樣減少了由于天然氣機(jī)組發(fā)電和可再生能源出力產(chǎn)生的電負(fù)荷帶來(lái)的不確定性和負(fù)荷波動(dòng)，當(dāng)系統(tǒng)用電需求滿足后，儲(chǔ)電設(shè)備所存儲(chǔ)的多余電負(fù)荷可反向給電網(wǎng)供電，提高系統(tǒng)的經(jīng)濟(jì)性。白天電負(fù)荷需求較高，由于是夏季，冷負(fù)荷需求也會(huì)非常高，所以燃?xì)獍l(fā)電機(jī)一直處于發(fā)電強(qiáng)度較高的狀態(tài)，10：00左右2臺(tái)燃?xì)獍l(fā)電機(jī)功率之和可達(dá)1 MW。用電低峰時(shí)，系統(tǒng)僅有1臺(tái)燃?xì)廨啓C(jī)處于發(fā)電工作狀態(tài)，減少系統(tǒng)發(fā)電帶來(lái)的環(huán)境污染。夜晚，電負(fù)荷需求隨之降低，燃?xì)廨啓C(jī)的發(fā)電量會(huì)減少很多,燃?xì)獍l(fā)電機(jī)1臺(tái)出力即可,當(dāng)電負(fù)荷不夠可以從電網(wǎng)購(gòu)電以滿足電負(fù)荷需求。

圖8 燃?xì)獍l(fā)電機(jī)和蓄電池功率

4 結(jié) 論

由于可再生能源的隨機(jī)性和波動(dòng)性，在并網(wǎng)運(yùn)行中進(jìn)行利用增加了能源協(xié)調(diào)難度，故本文的互補(bǔ)模型配以適當(dāng)容量的蓄電池組來(lái)解決可再生能源的消納問(wèn)題?？紤]到能源的費(fèi)率結(jié)構(gòu)是影響運(yùn)行成本的重要因素，引入了天然氣和電費(fèi)的三梯度的費(fèi)率結(jié)構(gòu)。以經(jīng)濟(jì)成本和環(huán)境成本最小為目標(biāo)，利用冷熱電三聯(lián)供系統(tǒng)的能源梯級(jí)結(jié)構(gòu)，建立了冷熱電聯(lián)供的能源優(yōu)化模型，同時(shí)考慮了夏季的風(fēng)光出力和冷、熱、電負(fù)荷，從冷熱電功率平衡和各設(shè)備的運(yùn)行出力的約束下進(jìn)行研究計(jì)算。使用了空間維度為8的粒子群算法，實(shí)現(xiàn)了燃?xì)獍l(fā)電機(jī)電功率、燃?xì)忮仩t熱功率、電制冷機(jī)電功率等多個(gè)變量的協(xié)同優(yōu)化。通過(guò)算例表明，該算法滿足負(fù)荷需求，兼顧了經(jīng)濟(jì)性和環(huán)保性，對(duì)提高能源利用率以及減少環(huán)境污染提供了幫助，滿足用戶多樣性優(yōu)化需求。