計(jì)及分時(shí)電價(jià)的冷熱電聯(lián)供系統(tǒng)三級協(xié)同優(yōu)化

張 杭，袁旭峰，禹洪波

（貴州大學(xué) 電氣工程學(xué)院，貴陽 550025）

0 引言

2020 年9 月22 日，中國國家主席習(xí)近平在第七十五屆聯(lián)合國大會一般性辯論上宣布了中國碳中和目標(biāo)，提出中國將提高國家自主貢獻(xiàn)力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030 年前達(dá)到峰值，努力爭取2060 年前實(shí)現(xiàn)碳中和?！笆奈濉碧幱谥袊歼_(dá)峰、碳中和目標(biāo)的第一個(gè)五年，該階段的能源電力科技創(chuàng)新部署將為中國能源實(shí)現(xiàn)高質(zhì)量發(fā)展指明方向。當(dāng)前，化石能源作為中國的主要能源消耗，結(jié)構(gòu)不盡合理，在現(xiàn)有的調(diào)度優(yōu)化中，多以經(jīng)濟(jì)性為目標(biāo)。對傳統(tǒng)能源系統(tǒng)進(jìn)行調(diào)度優(yōu)化，一方面由于能源危機(jī)和環(huán)境的雙重壓力，研究者越來越關(guān)注節(jié)能減排的問題；另一方面隨著可再生能源在系統(tǒng)中滲透率的提高，對可再生能源的充分利用，降低化石能源污染物排放就顯得尤為重要。因此，多目標(biāo)優(yōu)化被引入到可再生能源冷熱電聯(lián)供微網(wǎng)運(yùn)行優(yōu)化。

冷熱電聯(lián)供系統(tǒng)（Combined Cooling Heating and Power，CCHP）設(shè)計(jì)遵循“合理分布、各取所需、溫度相適應(yīng)、梯級利用”的原則，既能使能源利用率得以提升，減少系統(tǒng)運(yùn)行成本，對能源實(shí)現(xiàn)了梯級利用；而且也減輕了環(huán)境的污染，實(shí)現(xiàn)了節(jié)能減排，為能源的可持續(xù)發(fā)展做出了巨大的貢獻(xiàn)。由于CCHP 具有顯著的優(yōu)勢，近年來受到了國內(nèi)外學(xué)者的廣泛關(guān)注。

從經(jīng)濟(jì)性入手，考慮系統(tǒng)的運(yùn)行成本和環(huán)境成本，以總成本最低為目標(biāo)對系統(tǒng)進(jìn)行優(yōu)化。文獻(xiàn)［3］建立以太陽能和儲能電池的冷熱電聯(lián)供系統(tǒng)，以系統(tǒng)的燃料成本、購電量、排放污染氣體產(chǎn)生的環(huán)境成本為優(yōu)化模型，并采用空間粒子群算法來求解。文獻(xiàn)［4］計(jì)及經(jīng)濟(jì)性與環(huán)保性，以運(yùn)行成本和環(huán)境成本為最小建立了多目標(biāo)優(yōu)化模型，綜合考慮了燃料費(fèi)用和購售電費(fèi)用的結(jié)構(gòu)，采用改進(jìn)粒子群算法進(jìn)行求解，但只考慮了電儲能和二氧化碳?xì)怏w的排放。文獻(xiàn)［5］考慮了儲能裝置對運(yùn)行成本的影響，計(jì)及了環(huán)境成本，以系統(tǒng)總成本最小為目標(biāo)，采用混合整數(shù)規(guī)劃方法在Cplex 中進(jìn)行求解。文獻(xiàn)［6］采用改進(jìn)的蝙蝠算法，以系統(tǒng)的運(yùn)行成本與環(huán)境成本之和最小為目標(biāo)，在滿足各種運(yùn)行約束的情況下，合理分配各個(gè)模塊的出力情況，并使總的經(jīng)濟(jì)效益達(dá)到最優(yōu)。文獻(xiàn)［7］提出一種得到逐時(shí)電制冷比的新方法，以DeST 模擬得到建筑物的能量負(fù)荷分布為基礎(chǔ)，綜合考慮了能源節(jié)省率、年費(fèi)用節(jié)省率、以及二氧化碳減排率三個(gè)標(biāo)準(zhǔn)來評價(jià)系統(tǒng)的性能，通過粒子群算法得出電制冷比與不同種類負(fù)荷的關(guān)系式，從而減少了運(yùn)行參數(shù)，并對不同種類負(fù)荷對于電制冷比的影響進(jìn)行了分析。文獻(xiàn)［8］運(yùn)用遺傳算法，考慮了一次能源節(jié)約率、二氧化碳減排率、費(fèi)用年值節(jié)約率，采用線性加權(quán)的方法對系統(tǒng)進(jìn)行了系統(tǒng)配置和評價(jià)方法的優(yōu)化分析。文獻(xiàn)［9］建立了運(yùn)行成本、能源利用率和污染物排放的多目標(biāo)優(yōu)化模型，采用線性加權(quán)法來綜合考慮這幾個(gè)因素，基于Tent 映射的混沌搜索和非線性自適應(yīng)粒子群算法相結(jié)合的優(yōu)化算法，對冷熱電聯(lián)供系統(tǒng)中的各設(shè)備的出力進(jìn)行更好的優(yōu)化調(diào)度。文獻(xiàn)［10］在給定系統(tǒng)結(jié)構(gòu)的情況下，對設(shè)備的型號和臺數(shù)進(jìn)行優(yōu)化。文獻(xiàn)［11-12］則是在給定系統(tǒng)結(jié)構(gòu)的情況下，對設(shè)備的定容問題進(jìn)行優(yōu)化。文獻(xiàn)［13］提出可再生能源CCHP 系統(tǒng)的兩級嵌套優(yōu)化配置方法，運(yùn)用線性加權(quán)法綜合考慮能源、經(jīng)濟(jì)和環(huán)境三個(gè)優(yōu)化目標(biāo)，建立求解模型。文獻(xiàn)［14］針對CCHP 系統(tǒng)的供能側(cè)熱電一定的情況下，對系統(tǒng)在“以電定冷”和“以冷定電”兩種運(yùn)行策略下的節(jié)能效益與需求側(cè)冷電比的關(guān)系進(jìn)行了分析，結(jié)果表明CCHP 系統(tǒng)冷電比達(dá)到某一定值時(shí)，節(jié)能效益存在最優(yōu)值。文獻(xiàn)［15］通過不同的峰谷價(jià)和固定電價(jià)，建立總成本為目標(biāo)的CCHP 系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度模型，對比分析冷熱電聯(lián)供系統(tǒng)在不同電價(jià)體系下的能量優(yōu)化管理方案。文獻(xiàn)［16］將太陽能與傳統(tǒng)的內(nèi)燃機(jī)驅(qū)動的冷熱電聯(lián)供系統(tǒng)相整合，對系統(tǒng)設(shè)備容量與運(yùn)行策略進(jìn)行了優(yōu)化設(shè)計(jì)。文獻(xiàn)［17］提出了混沌多目標(biāo)遺傳算法，對包含風(fēng)力發(fā)電、光伏發(fā)電、微燃?xì)廨啓C(jī)、儲能裝置的獨(dú)立運(yùn)行微網(wǎng)容量進(jìn)行優(yōu)化配置。文獻(xiàn)［18］提出了冷熱電聯(lián)供的三級協(xié)同優(yōu)化方法，分別對系統(tǒng)的設(shè)備選型、容量配置和運(yùn)行策略進(jìn)行優(yōu)化分析，考慮的是固定電價(jià)，采用粒子群算法對系統(tǒng)進(jìn)行求解。

綜上所述，目前對冷熱電聯(lián)供系統(tǒng)的研究大都集中在能源、經(jīng)濟(jì)和環(huán)保等方面，很多都是對其中一個(gè)因素的研究，即使考慮了多個(gè)因素，大多采用的是線性加權(quán)的方法。而冷熱電聯(lián)供系統(tǒng)的設(shè)備選型、容量配置及運(yùn)行策略之間相互影響、相互耦合、密不可分，但是只考慮固定電價(jià)，卻會使得出的結(jié)果與實(shí)際存在一定的偏差，且采用的傳統(tǒng)粒子群算法具有一定的局限性，易于陷入局部最優(yōu)。因此，本文計(jì)及分時(shí)電價(jià)，并采用改進(jìn)的粒子群算法對其進(jìn)行求解，并以某所學(xué)校的冷熱電聯(lián)供系統(tǒng)作為算例，對計(jì)及分時(shí)電價(jià)和固定電價(jià)時(shí)設(shè)備的選型、容量的配置以及運(yùn)行策略上的結(jié)果進(jìn)行對比分析，得到計(jì)及分時(shí)電價(jià)后的CCHP 系統(tǒng)的最優(yōu)優(yōu)化方案，對在實(shí)際中確定節(jié)能減排的方案具有實(shí)際意義。

1 計(jì)及分時(shí)電價(jià)的冷熱電聯(lián)供系統(tǒng)模型

1.1 冷熱電聯(lián)供原理介紹

冷熱電聯(lián)供系統(tǒng)CCHP 是分布式電源的一種，使用這種系統(tǒng)的目的是實(shí)現(xiàn)能源的梯級利用，能夠更好地提高能源的利用率，對環(huán)境也是十分友好。CCHP 的組成方式比較多，結(jié)構(gòu)形式也較為復(fù)雜。本文選取典型的CCHP 系統(tǒng)，系統(tǒng)簡圖如圖1 所示，由圖1 可看到，系統(tǒng)中包含天然氣內(nèi)燃發(fā)電機(jī)組、吸收式制冷機(jī)組、燃?xì)忮仩t、電制冷機(jī)組和余熱回收裝置。其中，附加的電制冷機(jī)組用來補(bǔ)充吸收式制冷機(jī)組不能提供用戶所需的冷負(fù)荷時(shí)的缺額；余熱回收裝置回收的煙氣余熱經(jīng)換熱器產(chǎn)生的熱負(fù)荷不足以供給用戶所需的熱負(fù)荷時(shí)，采用輔助的燃?xì)忮仩t補(bǔ)充用戶所需的熱負(fù)荷缺額；內(nèi)燃發(fā)電機(jī)組通過燃燒天然氣發(fā)電，為用戶提供電負(fù)荷，當(dāng)其所提供的電負(fù)荷不能滿足需求時(shí)，才會由電網(wǎng)進(jìn)行供電；若其產(chǎn)生的電負(fù)荷超過用戶所需的電負(fù)荷時(shí)，可以將多余的電量出售給電網(wǎng)，獲得相應(yīng)的收益；吸收式制冷機(jī)和換熱器所需的能量是來源于余熱回收裝置所吸收的天然氣供給電負(fù)荷的時(shí)候產(chǎn)生的高溫余熱。

圖1 典型CCHP 系統(tǒng)簡圖Fig.1 Typical CCHP system diagram

1.2 冷熱電聯(lián)供三級優(yōu)化目標(biāo)及優(yōu)化變量

設(shè)備的選型得滿足式（2）和式（3）的約束條件，即：

1.2.2 第二級優(yōu)化目標(biāo)—二氧化碳排放量

優(yōu)化目標(biāo)是各個(gè)選中設(shè)備的選中品牌的容量，各個(gè)設(shè)備的容量受到式（5）～（9）的約束，即5 種設(shè)備的額定容量等于每類設(shè)備被選中的產(chǎn)品種類乘以該產(chǎn)品的優(yōu)化容量。各約束公式的數(shù)學(xué)表述見如下：

1.2.3 第三級優(yōu)化目標(biāo)—年總費(fèi)用

考慮經(jīng)濟(jì)性，所以采用年總費(fèi)用最低來對進(jìn)行優(yōu)化，其中包括初投資費(fèi)用C，設(shè)備的維修費(fèi)用C和運(yùn)行費(fèi)用C（年消耗的燃?xì)赓M(fèi)用和年消耗電量的費(fèi)用），即年總費(fèi)用為式（11）：

式（11）中，為等額支付系列資金恢復(fù)系數(shù)，該值由式（12）計(jì)算求出：

其中，為年利率，為使用壽命。接下來，研究推得的C的計(jì)算公式可寫為：

在此基礎(chǔ)上，研究又推得了C、C的數(shù)學(xué)公式具體如下：

其中， C，C，C，C，C分別為內(nèi)燃發(fā)電機(jī)、吸收式制冷機(jī)組、電制冷機(jī)組、燃?xì)忮仩t和余熱回收裝置的費(fèi)用。

1.3 約束條件

除了上述的容量和設(shè)備的約束條件，CCHP 系統(tǒng)的冷熱電平衡約束可進(jìn)行研究分述如下。

（1）電平衡。數(shù)學(xué)公式見式（16）：

（2）熱平衡。數(shù)學(xué)公式見式（17）：

（4）冷平衡。數(shù)學(xué)公式見式（19）：

（7）余熱回收設(shè)備的額定容量要大于內(nèi)燃機(jī)產(chǎn)生的最大的余熱。數(shù)學(xué)計(jì)算公式見式（26）：

2 模型求解

2.1 改進(jìn)粒子群算法

根據(jù)對鳥群的捕食行為的研究，提出了粒子群算法PSO，設(shè)計(jì)一種無質(zhì)量的粒子來模擬鳥群中的鳥，該算法是通過群體的信息共享與個(gè)體自身經(jīng)驗(yàn)的總結(jié)來對個(gè)體行動策略進(jìn)行修正，最終求取優(yōu)化問題的解。本文在粒子群算法的基礎(chǔ)上，對慣性權(quán)重和學(xué)習(xí)因子進(jìn)行改進(jìn)，進(jìn)而使用改進(jìn)的粒子群算法進(jìn)行求解，改進(jìn)策略如式（27）～（29）所示：

其中，，是慣性權(quán)重的最小值和最大值；采用式（27）的慣性權(quán)重策略，在迭代初期利于全局搜索，而在迭代后期利于局部搜索，提高了算法的收斂性；，分別為自我學(xué)習(xí)因子的最大值和最小值；，分別為群體學(xué)習(xí)因子的最大值和最小值；是總迭代次數(shù)；是當(dāng)前迭代次數(shù)。

2.2 模型求解流程

由于所設(shè)計(jì)的模型中涉及對設(shè)備的選型問題，是一個(gè)離散型的變量，所以采用離散粒子群算法對第一級目標(biāo)進(jìn)行優(yōu)化求解。結(jié)合所建立的數(shù)學(xué)模型及改進(jìn)粒子群算法，得到模型求解流程圖，如圖2 所示。

圖2 模型求解流程圖Fig.2 Flow chart of the model solution

3 算例驗(yàn)證

3.1 冷熱電聯(lián)系統(tǒng)所需設(shè)備選取

本文根據(jù)需要，選擇的內(nèi)燃機(jī)組品牌參數(shù)和額定容量關(guān)系曲線如圖3～圖5 所示，選擇的余熱回收裝置、吸收式制冷機(jī)組、電制冷機(jī)組、燃?xì)忮仩t裝置的相關(guān)參數(shù)見表1～表4。

圖3 MGTA 品牌參數(shù)和額定容量關(guān)系曲線Fig.3 Relationship between MGTA brand parameters and rated capacity

圖4 MGTB 品牌參數(shù)和額定容量關(guān)系曲線Fig.4 Relationship between MGTB brand parameters and rated capacity

圖5 MGTC 品牌參數(shù)和額定容量關(guān)系曲線Fig.5 Relationship between MGTC brand parameters and rated capacity

表1 備選余熱回收裝置參數(shù)Tab.1 Parameters of the alternative waste heat recovery devices

表2 備選吸收式制冷機(jī)組參數(shù)Tab.2 Parameters of alternative absorption refrigeration units

表3 備選電制冷機(jī)組參數(shù)Tab.3 Parameters of alternative electric refrigeration units

表4 備選燃?xì)忮仩t的參數(shù)Tab.4 Parameters of alternative gas boiler

3.2 算例信息

在進(jìn)行算例分析時(shí)，已經(jīng)選定了設(shè)備，還需要對算例進(jìn)行選取，學(xué)校一年四季中的冷熱電負(fù)荷的需求都比較穩(wěn)定，適合作為驗(yàn)證本次優(yōu)化方法的算例，即采用在本文設(shè)計(jì)方法得到的CCHP 為其供能。學(xué)校一年的典型日的負(fù)荷，其中供冷季是6 月、7 月和8 月，共3 個(gè)月，供冷季典型日24 h 的負(fù)荷曲線如圖6 所示；采暖季是1 月、2 月、3 月、11 月和12 月，共5個(gè)月，供暖季典型日24 h 的負(fù)荷曲線如圖7 所示；過渡季是4 月、5 月、9 月和10 月，共4 個(gè)月，過渡季典型日24 h 的負(fù)荷曲線如圖8～圖9 所示。圖6～圖9 中，橫坐標(biāo)代表一天的24 小時(shí)，縱坐標(biāo)代表對應(yīng)時(shí)刻的負(fù)荷值，曲線中黑色代表熱負(fù)荷，紅色代表電負(fù)荷，藍(lán)色代表冷負(fù)荷。

圖6 供冷季6～8 月典型日24 h 的負(fù)荷曲線Fig.6 24 h load curves of a typical day from June to August in the cooling season

圖7 采暖季典型日的24 h 的負(fù)荷曲線Fig.7 24 h load curves of a typical day in the heating season

圖8 過渡季4～5 月典型日的負(fù)荷曲線Fig.8 24 h load curves of a typical day from April to May in the transition season

圖9 過渡季9～10 月典型日的負(fù)荷曲線Fig.9 24 h load curves of a typical day from September to October in the transition season

通過上述曲線，可以看出在采暖季和過渡季，冷負(fù)荷都為0，只含有電負(fù)荷和熱負(fù)荷；在供冷季，含有電、熱、冷三種負(fù)荷。因?yàn)閷W(xué)校的負(fù)荷是比較穩(wěn)定的，所以可以采用典型日的數(shù)據(jù)來計(jì)算對應(yīng)季節(jié)的負(fù)荷，進(jìn)而計(jì)算全年的運(yùn)行數(shù)據(jù)。

3.3 參數(shù)選取及購售電分時(shí)電價(jià)

采用分時(shí)電價(jià)時(shí)，一天的時(shí)刻為24 h，峰谷平時(shí)段的劃分為：峰時(shí)段為10：00-15：00，20：00-24：00；谷時(shí)段為00：00-07：00，15：00-18：00；平時(shí)段為07：00-10：00，18：00-20：00。各個(gè)時(shí)刻的購售電價(jià)格如圖10 所示。圖10 中，黑色代表購電價(jià)格，紅色代表售電價(jià)格。

圖10 購售電的分時(shí)電價(jià)曲線Fig.10 TOU price curves of electricity purchase and sale

3.4 固定電價(jià)及分時(shí)電價(jià)結(jié)果對比

對建立的模型及采用的算法，使用Matlab 軟件編程求解。擬做研究論述如下。

3.4.1 固定電價(jià)

當(dāng)購售電價(jià)格固定時(shí)，得到的一次能源利用率、二氧化碳排放量、以及年總費(fèi)用的優(yōu)化曲線分別如圖11～圖13 所示。

圖11 一次能源利用率優(yōu)化曲線Fig.11 Optimization curve of primary energy utilization

圖12 二氧化碳排放量優(yōu)化曲線Fig.12 Optimization curve of carbon dioxide emissions

圖13 年總費(fèi)用優(yōu)化曲線Fig.13 Total cost optimization curve

采用固定電價(jià)的優(yōu)化變量最佳運(yùn)行參數(shù)為2.309 3，一次能源利用率為91.20，二氧化碳排放量為1.548×10kg，年總費(fèi)用為3 852.56 萬元。

3.4.2 分時(shí)電價(jià)

采用分時(shí)電價(jià)后，得到的一次能源利用率、二氧化碳排放量、以及年總費(fèi)用的優(yōu)化曲線分別如圖14～圖16 所示。

圖14 一次能源利用率優(yōu)化曲線Fig.14 Optimization curve of primary energy utilization

圖15 二氧化碳排放量優(yōu)化曲線Fig.15 Optimization curve of carbon dioxide emissions

圖16 年總費(fèi)用優(yōu)化曲線Fig.16 Total cost optimization curve

采用分時(shí)電價(jià)之后的最佳運(yùn)行參數(shù)為4.546 8。運(yùn)行后得到的優(yōu)化的結(jié)果是：一次能源利用率為91.27%，二氧化碳排放量為1.686×10kg，年總費(fèi)用為1 877.83萬元。固定電價(jià)和分時(shí)電價(jià)實(shí)驗(yàn)結(jié)果對比見表5、表6。

表5 品牌選型和容量配置對比Tab.5 Comparison of brand selection and capacity configuration

表6 三級優(yōu)化結(jié)果Tab.6 Three-level optimization results

通過以上對比，可以發(fā)現(xiàn)，采用分時(shí)電價(jià)之后，選用的吸收制冷機(jī)和電制冷機(jī)組都和固定電價(jià)時(shí)不一樣，這是由于電價(jià)影響了成本，本模型是三級協(xié)同優(yōu)化，每一級優(yōu)化變量都會影響其他兩級，所以設(shè)備的選型和容量會有變化。由表6 可以看出，考慮分時(shí)電價(jià)時(shí)，成本降低了1 974.73 萬，能源利用率提高了0.07%，二氧化碳的排放量也增加了0.138×10kg，但是與二氧化碳排放相比，系統(tǒng)的經(jīng)濟(jì)性和能效性得到更大的提升，三級的協(xié)同優(yōu)化作用的整體而言，在計(jì)及分時(shí)電價(jià)之后，能夠?qū)υO(shè)備進(jìn)行更好的選型與容量的配置，在能源利用率和環(huán)境友好性上變化不大的情況下，提高了系統(tǒng)的經(jīng)濟(jì)性。

4 結(jié)束語

本文針對CCHP 系統(tǒng)的設(shè)備選型、容量的配置及運(yùn)行模式的確定，設(shè)計(jì)了三級協(xié)同優(yōu)化的方法，同時(shí)兼顧了系統(tǒng)的能效性、環(huán)保性和經(jīng)濟(jì)性。采用改進(jìn)的粒子群算法，對慣性權(quán)重因子、自我學(xué)習(xí)因子和群體學(xué)習(xí)因子進(jìn)行實(shí)時(shí)的更新，可以避免進(jìn)入局部最優(yōu)，能提升收斂速度。價(jià)格是影響成本的因素，由于是三級協(xié)同優(yōu)化，每一級的結(jié)果都會影響其他兩級，與固定電價(jià)相比，采用分時(shí)電價(jià)能夠使經(jīng)濟(jì)性得到明顯提升，能夠?yàn)樵O(shè)備選型和容量配置提供更好的支持。本文研究為在后續(xù)考慮運(yùn)行負(fù)荷的影響時(shí)、計(jì)及分時(shí)電價(jià)之后，對系統(tǒng)設(shè)備的出力及運(yùn)行優(yōu)化研究奠定了基礎(chǔ)。