CN104881712A - 多能互补分布式能源系统及其设备配置与运行优化方法 - Google Patents

Abstract

本发明涉及能源系统规划设计领域，公开了一种多能互补分布式能源系统及其设备配置与运行优化方法。本发明中，通过将化石能源、未利用能源、再生能源等能源载体的能源，采用传统发电技术、可再生能源技术、热电联产技术或热力技术等能源转换技术转换之后，满足电力、制冷、供暖、热水等终端负荷的需求，克服了现有技术中能源载体单一，供能技术单一的缺陷，提供了多种分布式供能技术的耦合利用模式，形成了能源的互补。进一步地，在进行系统设备配置与运行优化时，建立的优化模型综合考虑了设备性能、政策性指标或经济指标，结合经济、环境与政策边界条件，解决了现有技术中设备选型与运行策略脱钩的问题，为相关政策的制定提供了科学依据。

Description

多能互补分布式能源系统及其设备配置与运行优化方法

技术领域

本发明涉及分布式能源系统规划设计领域，特别涉及基于化石能源和可再生能源互补耦合的多能互补型分布式能源系统及其设备配置与运行策略的协同优化方法。

背景技术

多能互补分布式能源系统是以冷热电联供和分布式光伏为主体的常规分布式能源技术的衍生与拓展，是一体化整合理念在能源系统工程领域的具象化。具体而言，多能互补分布式能源系统是指可包容多种能源资源输入，并具有多种产出功能和输运形式的互补耦合型分布式供能体系。为此，它不是多种分布式能源或技术的简单叠加，而要在系统层面按照不同能源品味、特性进行综合互补利用，并统筹安排好各种能量之间的配合关系与转换使用，以取得最合理能源利用效果与效益。

要使得多能互补分布式能源系统可以发挥其潜在的节能减排效果，科学、合理的系统规划与设计至关重要。能源系统建模、分析与优化是提高能源系统综合能效、确保供需平衡、资源和技术协同优化整合，实现系统科学规划与设计的有效手段。然而，多能互补分布式能源系统是一个具有多尺度结构特性的复杂能源利用体系，其规划与设计过程中既要考虑系统内产能、换能、蓄能、用能等各个环节之间的相互依赖关系，又要考虑冷、热、电等多元能源流的互动与耦合，同时还要兼顾系统物理边界与经济、环境和政策边界的联系。

既有技术的公开文献检索表明，公开号为CN 103728881A的中国专利提出了一种适用于多楼宇组成的分布式冷热电联供系统的运行优化方法，该方法以运行费用最小作为目标函数，综合考虑不同楼宇间的能量交互，确立整个多楼宇联供系统的全局优化运行方式。公开号为CN 103778485A的中国专利公开了一种适用于孤网型分布式供能系统的运行优化方法，该方法建立了最小化运行成本和最小化温室气体排放两个目标函数，为兼顾经济和环境效益的孤网型分布式能源系统提供了一个优化管理方法。公开号为CN103617460A的中国专利公开了一种以冷热电联供设备为核心的冷热电联供微网系统的优化规划设计方法，该方法以全生命周期经济现值和CO₂排放量作为双优化目标，构建双层优化规划设计模型，从而实现冷热电联供微网系统的配置和运行策略的联合优化。综合上述技术方案可以看出，国内外针对分布式能源系统及其优化规划与设计方法进行了大量研究，取得了很大的进展，提出了很多新概念﹑新技术和新方法。虽然这些方法和技术都具有一定的应用成效，但在某些方面仍存在一定的局限：

(1)未能体现化石能源和可再生能源的互补功效。既有优化设计方法大多以冷热电联供系统为研究对象，某些甚至只针对燃气轮机、燃气内燃机等某一特定分布式供能技术。由于单一分布式供能技术的局限性日益凸显，多种能源的互补耦合利用已成为当前分布式能源领域的主流。为此，有必要确立多能互补型分布式能源系统的优化规划与设计方法，从而为决策者的科学决策提供方法论基础。

(2)未能达成系统结构设计、设备配置与运行策略的协同优化。既有优化设计方法大多基于固有的系统工艺流程和设备配置，着力于分布式能源系统的运行优化，以年运行成本、年CO₂排放或年一次能源费用最小化作为目标函数。然而，系统工艺流程的设计和设备配置的确定是这个系统优化设计的第一步也是至关重要的一部，而且其与系统运行优化也互为前提、互相影响。因此，有必要将系统的工艺流程、设备配置和运行策略纳入一个整体框架进行协同优化。

(3)未能将体制、机制和政策革新方案融入整体分析框架。现有的体制、机制和政策环境均在动态变化，为了使得所确立的优化方法能够适应上述变化，有必要将这些可能的体制、机制和政策革新方案融入所建立的优化分析体系中。

发明内容

本发明的目的在于提供一种多能互补分布式能源系统及其设备配置与运行优化方法，使得多能互补分布式能源系统能够提供多种分布式供能技术，形成能源的互补，设备配置与运行优化方法综合考虑了设备性能、政策性指标或经济指标，结合经济、环境与政策边界条件，解决了现有技术中设备选型与运行策略脱钩的问题，为相关政策的制定提供了科学依据。

为解决上述技术问题，本发明的实施方式提供了一种多能互补分布式能源系统，包含：相互连通的电源设备、热源设备、储能设备，能源载体以及终端负荷；

所述能源载体的能源通过能源转换技术转换后分别输出至电源设备、热源设备或储能设备；

所述电源设备、热源设备或储能设备为所述终端负荷提供不同的能源；

其中，所述能源载体包含化石能源、未利用能源、再生能源；

所述终端负荷包含电力负荷、制冷负荷、供暖负荷、热水负荷；

所述能源转换技术包含以下技术中任意之一种或任意组合：

传统发电技术、可再生能源技术、热电联产技术或热力技术。

本发明的实施方式还提供了一种多能互补分布式能源系统的设备配置与运行优化方法，包含：以下步骤：

建立优化模型；其中，所述优化模型包含目标函数和约束条件；所述目标函数表示决策变量与输入变量和/或中间变量之间的数学等式关系；所述约束条件采用决策变量、输入变量或中间变量表示能源关系、设备性能、政策性指标或经济指标；

从预先构建的多能互补分布式能源系统规划设计数据库获取输入变量的参数值；

根据所述输入变量的参数值，求解所述优化模型，得到决策变量的输出数据；

对所述决策变量的输出数据进行分析，得到设备配置与运行优化结果。

本发明实施方式相对于现有技术而言，通过将化石能源、未利用能源、再生能源等能源载体的能源，采用传统发电技术、可再生能源技术、热电联产技术或热力技术等能源转换技术转换之后，满足电力负荷、制冷负荷、供暖负荷、热水负荷等终端负荷的需求，克服了现有技术中能源载体单一，供能技术单一的缺陷，提供了包括常规分布式冷热电联产技术和太阳能光伏等可再生能源技术在内的各类分布式供能技术，形成了化石能源与可再生能源的互补优势。进一步地，在进行系统的设备配置与运行优化时，建立的优化模型综合考虑了设备性能、政策性指标或经济指标，结合系统的经济、环境与政策边界条件，可以对系统的经济、节能和环保性能进行分析，解决了现有技术中设备选型与运行策略脱钩的问题，为相关政策的制定提供了科学依据。

另外，所述电源设备包含：大电网或区域电网；

所述电力负荷的能源来自所述大电网或区域电网，或者两者并用。

另外，所述供暖负荷或热水负荷通过所述热电联产技术产生的余热，或者常规热力设备来满足。

另外，所述制冷负荷通过热电联产设备产生的高温余热推动吸收式制冷机制冷，或者，电制冷空调系统来满足。

另外，所述目标函数包含经济性目标函数、节能性目标函数和/或环境性目标函数；

其中，所述经济性目标函数选取全年总费用最小为目标；

所述节能性目标函数选用年总化石能源消费量最小作为目标；

所述环境性目标函数选用年总二氧化碳CO₂排放量最小作为目标。

另外，所述约束条件包含能源资源赋存量、能源供需平衡、能源设备转换与利用效率、环境排放指标、投资总额、设备启停特性。

另外，所述决策变量包括整数变量和连续变量；其中，所述整数变量包括设备的数量、起停状态，以及储能设备的有无；所述连续变量表示系统内设备间能源流的输入与输出。

另外，所述设备配置与运行优化结果包含最优技术组合、最优设备容量、最优运行策略、经济性评价或环境性评价。

另外，所述多能互补分布式能源系统规划设计数据库以用户逐时能源负荷﹑区域能源资源赋存信息﹑能源设备性能特性和价格信息﹑电力和天然气等能源价格信息为基础，借助地理信息系统GIS软件、负荷模拟软件进行构建。

附图说明

图1是根据本发明第一实施方式的多能互补分布式能源系统的结构示意图；

图2是根据本发明第二实施方式的多能互补分布式能源系统的设备配置与运行优化方法中优化模型的整体框架示意图；

图3是根据本发明第二实施方式的多能互补分布式能源系统的设备配置与运行优化方法中的规划设计数据库示意图；

图4是根据本发明第二实施方式的多能互补分布式能源系统的设备配置与运行优化方法的数学模型概念图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。

本发明的第一实施方式涉及一种多能互补分布式能源系统，该系统包含：相互连通的电源设备、热源设备、储能设备，能源载体以及终端负荷。能源载体的能源通过能源转换技术转换后分别输出至电源设备、热源设备或储能设备。电源设备、热源设备或储能设备为终端负荷提供不同的能源。其中，能源载体包含化石能源、未利用能源、再生能源；终端负荷包含电力负荷、制冷负荷、供暖负荷、热水负荷；能源转换技术包含以下技术中任意之一种或任意组合：传统发电技术、可再生能源技术、热电联产技术或热力技术。系统结构如图1所示。

具体地说，本实施方式的多能互补分布式能源系统包括相互连通的电源设备、热源设备、储能设备(比如，蓄电与蓄热)，由化石能源(煤、石油、天然气等)、未利用能源(城市废热、工业副产物等)、可再生能源(太阳能、风能等)等所构成的能源载体，以及多种终端负荷类型。从供给侧来看，中间能源转换层可包括燃料电池、燃气轮机等热力发电技术以及光伏发电、风力发电等可再生能源技术。这些技术的选择取决于后续所选取的目标函数：如果侧重于系统的经济性能，那么就倾向于选择价格相对便宜的技术；如果目标是降低环境排放，则环境友好型技术则得到优先选择。从需求侧来看，该系统可满足用户多样的能源需求。例如，包括照明、电器在内的电力需求可以本地生产或从大电网购买或两者并用。包括供暖和热水在内的热负荷可以通过热电联产设备产生的余热来满足，不足部分由备用锅炉补充。类似地，制冷负荷可以通过两种途径来满足：一方面，热电联产设备产生的高温余热可以推动吸收式制冷机制冷；另一方面，电制冷空调系统也可满足部分供冷负荷。

通过耦合包括供给侧、转换侧、缓冲侧等基本单元，可以得到一系列备选分布式能源系统方案。显然，如果可选技术数量较大的话，从众多备选系统中选择最佳方案将是一项艰巨的任务，依靠传统的穷举法很难实现，有必要借助现代数学方法进行处理。然而，多能互补分布式能源系统的优化决策问题是一个复杂的系统问题，很大程度上取决于决策者偏好及其所确立的优化目标。从时间尺度上，多能互补分布式能源系统的优化可以分为长期战略优化、中期策略优化及短期操作优化；从优化范畴来看，多能互补分布式能源系统的优化可分为结构优化、设计优化与运行优化。

结构优化层面主要决定系统组成单元及其相互联系。当系统集成方案确定后，便可绘制其流程图。因此，结构优化为综合考虑技术、社会、经济、自然条件等诸因素的宏观分析。

设计优化层主要确定系统组成单元的技术特性(容量等)以及进出各组成单元的物质性能。

运行优化层则对于系统结构与组成单元已确定的给定系统，根据系统组成单元的技术特性、经济和环境条件等，便可确定系统的运行策略。

然而，在实际分布式能源系统优化过程中，上述各优化层次并不能孤立存在，它们总是相互嵌套、相互影响。运行策略会一定程度影响特定设备的选择；设备的选择亦会影响系统整体运行状况。为此，本发明的最终目的是建立系统整体框架、其组成单元的设计特性、以及运行策略的协同优化方法。

与现有技术相比，本实施方式通过将化石能源、未利用能源、再生能源等能源载体的能源，采用传统发电技术、可再生能源技术、热电联产技术或热力技术等能源转换技术转换之后，满足电力负荷、制冷负荷、供暖负荷、热水负荷等终端负荷的需求，克服了现有技术中能源载体单一，供能技术单一的缺陷，提供了包括常规分布式冷热电联产技术和太阳能光伏等可再生能源技术在内的各类分布式供能技术的耦合利用模式，形成了化石能源与可再生能源的互补优势。

本发明的第二实施方式涉及一种多能互补分布式能源系统的设备配置与运行优化方法。该方法先建立优化模型，从预先构建的多能互补分布式能源系统规划设计数据库获取输入变量的参数值，根据输入变量的参数值，求解该优化模型，得到决策变量的输出数据；对决策变量的输出数据进行分析，得到设备配置与运行优化结果。在进行系统的设备配置与运行优化时，建立的优化模型综合考虑设备性能、政策性指标或经济指标，结合系统的经济、环境与政策边界条件，可以对系统的经济、节能和环保性能进行分析，解决了现有技术中设备选型与运行策略脱钩的问题，为相关政策的制定提供了科学依据。

具体地说，优化模型包含目标函数和约束条件。目标函数表示决策变量与输入变量和/或中间变量之间的数学等式关系。目标函数包含经济性目标函数、节能性目标函数和/或环境性目标函数；其中，经济性目标函数选取全年总费用最小为目标；节能性目标函数选用年总化石能源消费量最小作为目标；环境性目标函数选用年总二氧化碳CO₂排放量最小作为目标。约束条件采用决策变量、输入变量或中间变量表示能源关系、设备性能、政策性指标或经济指标。约束条件包含能源资源赋存量、能源供需平衡、能源设备转换与利用效率、环境排放指标、投资总额等。其中的决策变量包括整数变量和连续变量；整数变量包括设备的数量、起停状态，以及储能设备的有无；连续变量表示系统内设备间能源流的输入与输出。

图2给出了一个优化模型的整体框架示意图，基于所确立的目标函数，在考虑能源资源的供需平衡、设备可获得性、供应份额和费用等因素的基础上，该模型可以对系统全年每个小时的运行特性进行模拟计算。该优化过程的结果包括最优技术组合、最优设备容量、最优运行策略、经济性评价或环境性评价等，比如：本地发电量、余热回收量等的最佳组合，所导入设备的容量、设备的初步运行策略，以及其他特征参数。除此之外，根据所得出的系统配置与运行策略，还可以对系统的经济、节能与环境性能进行评价。

优化模型需要获得一些输入参数。比如说，可以通过估算、模拟和实测，获得能源需求，包括电力、供冷、供热等需求；可以从公共能源公司获得电价和燃料价格；可以从设备厂商获得分布式能源设备技术参数；可以通过市场调查获得经济参数(包括投资利率、成本等)；可以从政策机构获取一些补助等优惠政策。

在实际实现中，可以构建多能互补分布式能源系统规划与设计数据库系统来存储输入参数，以方便后续模型求解中读取。如图3所示，作为优化模型的主要输入参数，用户逐时能源负荷﹑区域能源资源赋存信息﹑能源设备性能特性和价格信息﹑电力和天然气等能源价格信息等数据是分布式能源系统规划设计的基础。为此，可借助地理信息系统(GIS)软件、负荷模拟软件等工具，建立多能互补分布式能源系统规划设计数据库系统。

对于民用建筑而言，可采用单位面积指标法、历史数据外推法、软件模拟法、逐时负荷系数预测法等方法对其冷热电负荷进行预测。对于工业企业而言，最好是基于实测结果推算，亦可通过对同地区同类型企业能耗状况的分析获得。

另一方面，从能源供给源的角度，需要对常规能源的供应能力及区域内可获得的可再生能源资源量(太阳能﹑风能﹑地热能和生物能等)和未利用能源资源量(工厂废热﹑江河湖海的温差能﹑垃圾焚烧热等)的可开发潜力进行评估。

分布式能源设备特性信息主要包括既有电源和热源设备的类型﹑导入时间﹑容量﹑技术参数，以及其他有可能导入的分布式电源·热源设备的性能(额定容量﹑效率﹑部分负荷特性等)和价格参数(初期投资﹑维护费用等)。

此外，数据库系统还应包含各个区域的气象数据﹑能源价格信息﹑分布式能源导入的财政补贴政策等。

在构建好数据库之后，在求解优化模型时，从该数据库中读取输入变量的参数值。如图4所示，这些输入变量包含：区域气象信息、用户相对位置信息、用户逐时能源负荷、能源资源赋存信息、设备性能特性与价格信息、能源市场信息和政策等其他信息。根据这些输入变量，在约束条件下，求解目标函数。以下具体说明本实施方式的一些目标函数和约束条件：

(1)目标函数

①经济性目标函数

若经济因素是关注的重点，可以选取全年总费用最小为目标函数，如式(1)所示。

Min C_Total＝C_Inv+C_Elec+C_Fuel+C_OM+C_Ctax+C_Ss-C_Sal     (1)

式中：C_Total为系统全年总费用；C_Inv为年投资费用；C_Elec为年买电费用；C_Fuel为年燃料购买费用；C_OM为年运行维护费用；C_Ctax为年CO₂税费；C_Ss为设备的起停费用；C_Sal为年卖电收益。式中C_Total、C_Inv、C_Elec、C_Fuel、C_OM、C_Ctax、C_Ss、C_Sal均为中间变量。

年投资费用C_Inv是将总投资费用在设备的全生命周期内进行分配，同时考虑货币的时间价值，可用式(2)计算。

$C_{\mathrm{Inv}}=\underset{i}{\mathrm{\Σ}}\mathrm{NInv}\left(i\right)\·[\mathrm{FCostf}\left(i\right)+\mathrm{FMaxp}\left(i\right)\·(\mathrm{FCostv}\left(i\right)-\mathrm{FSubs}\left(i\right))]\·\frac{\mathrm{IRate}}{(1-\frac{1}{{(1+\mathrm{IRate})}^{\mathrm{FLTim}\left(i\right)}})}---\left(2\right)$

式中：i为分布式能源设备的代码；NInv为导入的分布式能源设备的数量；FCostf为设备投资的固定部分；FCostv为设备投资的可变部分；FSubs为设备投资的补助费用；FMaxp为设备的额定容量；IRate为投资利率；FLTim为设备的使用寿命。式中NInv为决策变量，FCostf、FCostv、FSubs、FMaxp、IRate、FLTim为输入变量。

外部电力购买费用(也就是，年买电费用C_Elec)是每时间段的电力购买量与相应时间段电价的乘积，可用式(3)。

$C_{\mathrm{Elec}}=\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}\underset{u}{\mathrm{\Σ}}\mathrm{PElec}(m,d,h,u)\·\mathrm{Eprice}(m,d,h)---\left(3\right)$

式中：m代表月份；d代表天；h代表小时；u指代终端负荷类型；PElec为电网购电量(在不同月份，不同日的不同时间段，不同终端负荷类型的电网购电量可能不同)；Eprice为小时电价(在不同月份，不同日的不同时间段，小时电价可能不同)；分别表示对月份、天和小时求和。式中PElec为决策变量，Eprice为输入变量。

类似地，燃料费用(也就是，年燃料购买费用C_Fuel)由总燃料消费(包括分布式能源设备用能与其他设备用能)与相应的燃料价格决定。

$C_{\mathrm{Fuel}}=\underset{f}{\mathrm{\Σ}}\left[\begin{array}{c}\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}\underset{u}{\mathrm{\Σ}}\mathrm{PFuel}(f,m,d,h,u)+\\ \underset{i}{\mathrm{\Σ}}\left(\frac{\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}\underset{u}{\mathrm{\Σ}}\mathrm{EGen}(i,m,d,h,u)+\mathrm{ESal}(i,m,d,h)+\mathrm{IEne}(i,j,m,d,h)}{\mathrm{Eff}(i,f)}\right)\end{array}\right]\·\mathrm{Fprice}\left(f\right),j\∈\left\{\mathrm{elec}\right\}---\left(4\right)$

式中：f为燃料种类；PFuel为燃料消耗；EGen为发电量；ESal为卖电量；IEne为充电量；Fprice为燃料价格；Eff为发电效率；j表示蓄能技术类型，j∈{elec}说明针对蓄电技术。式中PFuel、EGen、ESal、IEne为决策变量，Fprice、Eff为输入变量。

运行和维护费用(也就是，年运行维护费用C_OM)可分为固定费用和可变费用两部分。固定费用由分布式能源设备的容量所决定；而可变费用则由其发电量决定。

$\begin{array}{c}{C}_{\mathrm{OM}}=\underset{i}{\mathrm{\Σ}}\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}(\underset{u}{\mathrm{\Σ}}\mathrm{EGen}(i,m,d,h,u)+\mathrm{ESal}(i,m,d,h)+\mathrm{IEne}(i,j,m,d,h))\·\mathrm{OMv}\left(i\right)\\ +\underset{i}{\mathrm{\Σ}}\mathrm{NInv}\left(i\right)\·\mathrm{FMaxp}\left(i\right)\·\mathrm{OMf}\left(i\right)\end{array}---\left(5\right)$

式中：OMv为可变运维费用系数；OMf为固定运维费用系数，两者均为输入变量。

CO₂税费(也就是，年CO₂税费C_Ctax)由系统所消耗的各种类型能源乘以相应的碳排放系数所求的，如式(6)所示。

$\begin{array}{c}{C}_{\mathrm{Ctax}}=\underset{f}{\mathrm{\Σ}}\left(\begin{array}{c}\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}\underset{u}{\mathrm{\Σ}}\mathrm{PFuel}(f,m,d,h,u)+\\ \underset{i}{\mathrm{\Σ}}\frac{\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}(\underset{u}{\mathrm{\Σ}}\mathrm{EGen}(i,m,d,h,u)+\mathrm{ESal}(i,m,d,h)+\mathrm{IEne}(i,j,m,d,h))}{\mathrm{Eff}(i,j)}\end{array}\right)\\ \·\mathrm{CTax}\·\mathrm{FCInt}\left(f\right)+\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}\underset{u}{\mathrm{\Σ}}\mathrm{PElec}(m,d,h,u)\·\mathrm{CTax}\·\mathrm{ECInt},j\∈\left\{\mathrm{elec}\right\}\end{array}---\left(6\right)$

式中：FCInt为燃料的碳排放系数；ECInt为系统电力的碳排放系数；CTax为碳税率，三者均为输入变量。

此外，本实施方式还考虑了设备的起停所引发的额外费用增量，如式(7)所示。

$C_{\mathrm{Ss}}=\underset{i}{\mathrm{\Σ}}\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}(\mathrm{FStart}(i,m,d,h)-\mathrm{FStop}(i,m,d,h))\·\mathrm{\ω}---\left(7\right)$

式中：FStart为设备启动的指示变量；FStop为设备停止的指示变量；ω为单位起停费用。式中FStart、FStop为决策变量，ω为输入变量。

当电力允许上网时，通过卖电还可获得一定收入，用式(8)表示。

$C_{\mathrm{Sal}}=\underset{i}{\mathrm{\Σ}}\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}\mathrm{ESal}(i,m,d,h)\·\mathrm{Sprice}(m,d,h)---\left(8\right)$

式中：ESal为上网电量，是决策变量；Sprice为上网电价，是输入变量。

②节能性目标函数

若系统节能性更受关注，则可选用年总化石能源消费量最小作为目标函数，如式(9)所示。

Min E_Total＝E_Elec+E_Fuel          (9)

式中：E_Total为年总化石能源消费量；E_Elec为电网购电所消耗化石燃料量；E_Fuel为本地燃料直接消费量。式中E_Total、E_Elec、E_Fuel均为中间变量。

电网购电所消耗化石燃料量E_Elec由购电量和电网发电效率决定，如下式所示：

$E_{\mathrm{Elec}}=\frac{\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}\underset{u}{\mathrm{\Σ}}\mathrm{PElec}(m,d,h,u)}{\mathrm{\η}}---\left(10\right)$

式中：η为电网发电效率，是一个输入变量。

本地燃料直接消费量E_Fuel主要是指天然气消费量，包括燃气分布式发电设备、直燃式吸收式制冷机、补燃锅炉等所消耗的燃气量，如式(11)所示：

$E_{\mathrm{Fuel}}=\underset{f}{\mathrm{\Σ}}\left(\begin{array}{c}\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}\underset{u}{\mathrm{\Σ}}\mathrm{PFuel}(f,m,d,h,u)+\\ \underset{i}{\mathrm{\Σ}}\frac{\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}(\underset{u}{\mathrm{\Σ}}\mathrm{EGen}(i,m,d,h,u)+\mathrm{ESal}(i,m,d,h)+\mathrm{IEne}(i,j,m,d,h))}{\mathrm{Eff}(i,j)}\end{array}\right),f\∈\left\{\mathrm{gas}\right\}---\left(11\right)$

式中：f∈{gas}表示燃料为天然气。

③环境性目标函数

若系统环境性更受关注，则可选用年总CO₂排放量最小作为目标函数，如式(12)所示。

Min CO_Total＝CO_Elec+CO_Fuel           (12)

式中：CO_Total为年总CO₂排放量；CO_Elec为电网购电所排放CO₂量；CO_Fuel为本地燃料直接燃烧所排放CO₂量。式中CO_Total、CO_Elec、CO_Fuel均为中间变量。

电网购电所排放CO₂量可由下式计算：

${\mathrm{CO}}_{\mathrm{Elec}}=\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}\underset{u}{\mathrm{\Σ}}\mathrm{PElec}(m,d,h,u)\·\mathrm{ECInt}---\left(13\right)$

本地燃料直接燃烧所排放CO₂量可由下式计算：

${\mathrm{CO}}_{\mathrm{Fuel}}=\underset{f}{\mathrm{\Σ}}\left(\begin{array}{c}\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}\underset{u}{\mathrm{\Σ}}\mathrm{PFuel}(f,m,d,h,u)+\\ \underset{i}{\mathrm{\Σ}}\frac{\underset{m}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}\underset{h}{\mathrm{\Σ}}(\underset{u}{\mathrm{\Σ}}\mathrm{EGen}(i,m,d,h,u)+\mathrm{ESa}(i,m,d,h)+\mathrm{IEne}(i,j,m,d,h))}{\mathrm{Eff}(i,f)}\end{array}\right)\·\mathrm{FCInt}\left(f\right)---\left(14\right)$

(2)约束条件

该优化模型的约束条件主要包括能源的供求平衡以及设备的性能特性两大部分。

模型最主要的约束条件之一就是任一时间段的能源需求必须通过以下三种方式之一满足：从公共能源公司购买，运行所选择的某个或多个分布式能源设备，或者上述两者兼顾。可用下式描述：

$\begin{array}{c}\mathrm{Cload}(m,d,h,u)=\underset{i}{\mathrm{\Σ}}\mathrm{EGen}(i,m,d,h,u)+\mathrm{PElec}(m,d,h,u)+\underset{f}{\mathrm{\Σ}}\mathrm{\β}(f,u)\·\mathrm{PFuel}(f,m,d,h,u)\\ +\underset{i}{\mathrm{\Σ}}(\mathrm{\γ}(i,u)\·\mathrm{RHeat}(i,m,d,h,u))+\underset{j}{\mathrm{\Σ}}\mathrm{\δ}(j,u)\·\mathrm{OEne}(j,m,d,h,u),\∀m,d,h,u\end{array}---\left(15\right)$

式中：Cload为用户负荷；RHeat为余热回收量；OEne为储能设备输出；β为燃料直接燃烧效率；γ为余热利用效率；δ为储能的使用效率；表示对每月、每天、每小时的任意终端用能形式，式中Cload为输入变量，RHeat、OEne为决策变量，γ、δ为输入变量。

此外，在电力可以上网的前提下，为避免用户同时买电与卖电，特设定如式(16)所示的约束条件。同时，根据特定的协议，还可限定所购买电力为总需求的一定比例以下。

$\begin{array}{ccc}\mathrm{ESal}(i,m,d,h)=0& \mathrm{if}& \underset{u}{\mathrm{\&Sigma;}}\underset{i}{\mathrm{\&Sigma;}}\mathrm{EGen}(i,m,d,h,u)<\underset{u}{\mathrm{\&Sigma;}}\mathrm{Cload}(m,d,h,u)\\ \&ForAll;i,m,d,h& \mathrm{if}& u\&Element;\left\{\mathrm{electricity}\right\}\end{array}---\left(16\right)$

如式(16)所示，对于任一时间段，如果系统总发电量小于电力负荷，则卖电量为零，从而抑制了同时买电与卖电。

作为第二组约束条件，系统组成的性能特性可表述为能源流输入与输出间的关系。以下分别说明：

①一般分布式能源设备

对所导入分布式能源技术的一个重要性能约束是其运行必须位于所规定的上下限之间，如式(17)所示。式(18)表示每个时间段处于运行状态的设备数量。

$\begin{array}{c}\mathrm{Operate}(i,m,d,h)\&CenterDot;\mathrm{FMinp}\left(i\right)\&le;\underset{u}{\mathrm{\&Sigma;}}\mathrm{EGen}(i,m,d,h,u)+\mathrm{ESal}(i,m,d,h)+\mathrm{IEne}(i,j,m,d,h)\\ \&le;\mathrm{Operate}(i,m,d,h)\&CenterDot;\mathrm{FMaxp}\left(i\right),\&ForAll;j\&Element;\left\{\mathrm{elec}\right\},i,m,d,h\end{array}---\left(17\right)$

Operate(i,m,d,h)∈{0,1,2,…,NInv(i)}               (18)

式中：Operate为运行中设备的数量；FMinp为设备的最小负荷率；FMaxp为设备的最大负荷率。式中Operate为决策变量，FMinp、FMaxp为输入变量。

②光伏发电设备

太阳能光伏发电设备的发电量为系统容量与太阳辐射的函数，用式(19)和式(20)计算。

$\begin{array}{c}\underset{u}{\mathrm{\&Sigma;}}\mathrm{EGen}(i,m,d,h,u)+\mathrm{ESal}(i,m,d,h)+\mathrm{IEne}(i,j,m,d,h)\&le;\mathrm{NInv}\left(i\right)\&CenterDot;\mathrm{PVp}(i,m,d,h)\\ \&ForAll;i\&Element;\left\{\mathrm{PV}\right\},j\&Element;\left\{\mathrm{elec}\right\},m,d,h\end{array}---\left(19\right)$

$\mathrm{PVp}(i,m,d,h)=\min \{\mathrm{FMaxp}\left(i\right),R(m,d,h)\&CenterDot;\mathrm{Eff}\left(i\right)\},\&ForAll;i\&Element;\{\mathrm{PV}\},m,d,h---\left(20\right)$

式中：PVp为光伏设备的发电量；R为太阳辐射；Eff为发电效率；表示每月、每日、每时对所有光伏发电技术。式中EGen、ESal、IEne、NInv为决策变量，PVp、FMaxp、R、Eff为输入变量。

③风力发电

风力发电系统的发电量由本地风速与设备特性所决定，可用式(21)-式(24)计算。式(21)表示对于风力发电技术而言，其发电自用量、卖电量、蓄电量之和小于其发电量；式(22)表示当实时风速处于最小风速和额定风速之间时，风力发电量的计算方法；式(23)表示当实时风速处于额定风速和最大风速之间时，风力发电量为额定风速；式(24)表示当实时风速超过最大风速或小于最小风速时，风力发电量为零。

$\begin{array}{c}\underset{u}{\mathrm{\&Sigma;}}\mathrm{EGen}(i,m,d,h,u)+\mathrm{ESal}(i,m,d,h)+\mathrm{IEne}(i,j,m,d,h)\&le;\mathrm{NInv}\left(i\right)\&CenterDot;\mathrm{Wp}(i,m,d,h)\\ \&ForAll;i\&Element;\left\{\mathrm{wind}\right\},j\&Element;\left\{\mathrm{elec}\right\},m,d,h\end{array}---\left(21\right)$

$\mathrm{Wp}(i,m,d,h)=\mathrm{FMaxp}\left(i\right)\&CenterDot;\frac{V^k(m,d,h)-V_{C\left(i\right)}^k}{V_{R\left(i\right)}^k-V_{C\left(i\right)}^k},\&ForAll;i\&Element;\left\{\mathrm{wind}\right\},V_{C\left(i\right)}\&le;V(m,d,h)\&le;V_{R\left(i\right)}---\left(22\right)$

$\mathrm{Wp}(i,m,d,h)=\mathrm{FMaxp}\left(i\right),\&ForAll;i\&Element;\left\{\mathrm{wind}\right\},V_{R\left(i\right)}\&le;V(m,d,h)\&le;V_{F\left(i\right)}---\left(23\right)$

$\mathrm{Wp}(i,m,d,h)=0,\&ForAll;i\&Element;\left\{\mathrm{wind}\right\},V(m,d,h)<V_{C\left(i\right)}\&cup;V(m,d,h)>V_{F\left(i\right)}---\left(24\right)$

式中：Wp为风力发电量；V为实时风速；V_R为额定风速；V_C为最小风速；V_F为最大风速。

④余热回收单元

对于余热利用的约束如式(25)所示，其一部分被实时利用，另外一部分储存在蓄热设备中满足其他时间段需求。

$\underset{u}{\mathrm{\&Sigma;}}\mathrm{RHeat}(i,m,d,h,u)+\mathrm{IEne}(i,j,m,d,h)\&le;\mathrm{\&alpha;}\left(i\right)\&CenterDot;\underset{u}{\mathrm{\&Sigma;}}\mathrm{EGen}(i,m,d,h,u),\&ForAll;i,j\&Element;\left\{\mathrm{heat}\right\},m,d,h---\left(25\right)$

式中：α为余热回收效率。

⑤储能单元

对系统的储能单元(蓄热和蓄电)也必须设定相应的约束条件。式(26)所示为能源平衡约束。它表明某一时间段初储能设备的能源等于上一时间段初未放出的能量与净能量流(输入和输出能量之差)之和。

$\begin{array}{c}\mathrm{SEne}(j,m,d,h+1)=\mathrm{\&epsiv;}\left(j\right)\&CenterDot;\mathrm{SEne}(j,m,d,h)+\underset{i}{\mathrm{\&Sigma;}}\mathrm{IEne}(i,j,m,d,h)-\underset{u}{\mathrm{\&Sigma;}}\mathrm{OEne}(j,m,d,h,u)\\ \&ForAll;j,m,d,h\end{array}---\left(26\right)$

式中：SEne为储能设备的实时储能存量，是决策变量；ε为储能设备的保存率。

同时，储能设备的存量值必须位于规定值的上下限之间，如式(27)所示。

$\mathrm{ESMin}\&le;\mathrm{SEne}(m,d,h)\&le;\mathrm{ESMax},\&ForAll;m,d,h---\left(27\right)$

式中：ESMin、ESMax分别为储能设备的最小、最大存量，均为输入变量。

⑥设备的起停

操作经验表明，设备的频繁起停将加速其劣化。本研究为特显此点，为设备的起停设定了一个费用系数，通过以下两式的约束，期望使设备起停时间最小化。

$D(i,m,d,h+1)-D(i,m,d,h)=\mathrm{FStart}(i,m,d,h)-\mathrm{FStop}(i,m,d,h),\&ForAll;i,m,d,h---\left(28\right)$

$\begin{array}{c}\underset{u}{\mathrm{\&Sigma;}}\mathrm{EGen}(i,m,d,h,u)+\mathrm{IEne}(i,j,m,d,h)+\mathrm{ESal}(i,m,d,h)-M\&CenterDot;D(i,m,d,h)\&le;0\\ \&ForAll;i,j=\left\{\mathrm{elec}\right\},m,d,h\end{array}---\left(29\right)$

式中：D指代设备的运行状态，是一个决策变量；M为一较大整数，一般比计算所涉及参数大2-3个数量级即可。

在获得输入变量之后，可对上述优化模型求解，得到决策变量的输出数据；基于获得的输出数据进行优化分析，优化分析包括系统最佳技术组合及相应设备台数、容量；以及选定设备单元的逐时运行策略。举例说明如下：

1)设备优化组合配置与设备容量相关决策变量均为NInv。NInv为导入的分布式能源设备的数量。一方面，数量为0表示不选择该设备，所有选择的设备构成了整个系统的优化配置方案；另一方面，在输入数据库中，某一种技术其所对应的容量是已知的，因此确定了其台数后，乘以其单机容量，即为该设备总容量。

2)设备启停状态相关决策变量为：FStart、FStop和D。

3)设备逐时运行策略相关决策变量为：PElec、PFuel、EGen、IEne、OEne、ESal、RHeat、Operate、SEne。

4)评价层面主要是根据上述决策变量的优化结果进行的再计算得到的一系列结果，并不涉及独立的决策变量。

本实施方式的多能互补分布式能源系统的设备配置与运行优化方法，结合分布式能源系统的经济、环境与政策边界条件，可以对系统的经济、节能和环保性能进行分析。同时，还可通过对某些参数的敏感性分析，探究体制、机制和政策变革对推进多能互补分布式能源系统应用与推广的激励效果。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包含相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种多能互补分布式能源系统，其特征在于，包含：相互连通的电源设备、热源设备、储能设备，能源载体以及终端负荷；

所述能源载体的能源通过能源转换技术转换后分别输出至电源设备、热源设备或储能设备；

所述电源设备、热源设备或储能设备为所述终端负荷提供不同的能源；

其中，所述能源载体包含化石能源、未利用能源、再生能源；

所述终端负荷包含电力负荷、制冷负荷、供暖负荷、热水负荷；

所述能源转换技术包含以下技术中任意之一种或任意组合：

传统发电技术、可再生能源技术、热电联产技术或热力技术。

2.根据权利要求1所述的多能互补分布式能源系统，其特征在于，所述电源设备包含：大电网或区域电网；

所述电力负荷的能源来自所述大电网或区域电网，或者两者并用。

3.根据权利要求1所述的多能互补分布式能源系统，其特征在于，所述供暖负荷或热水负荷通过所述热电联产技术产生的余热，或者常规热力设备来满足。

4.根据权利要求1所述的多能互补分布式能源系统，其特征在于，所述制冷负荷通过热电联产设备产生的高温余热推动吸收式制冷机制冷，或者，电制冷空调系统来满足。

5.一种如权利要求1至4任意一项所述的多能互补分布式能源系统的设备配置与运行优化方法，其特征在于，包含以下步骤：

建立优化模型；其中，所述优化模型包含目标函数和约束条件；所述目标函数表示决策变量与输入变量和/或中间变量之间的数学等式关系；所述约束条件采用决策变量、输入变量或中间变量表示能源关系、设备性能、政策性指标或经济指标；

从预先构建的多能互补分布式能源系统规划设计数据库获取输入变量的参数值；

根据所述输入变量的参数值，求解所述优化模型，得到决策变量的输出数据；

对所述决策变量的输出数据进行分析，得到设备配置与运行优化结果。

6.根据权利要求5所述的设备配置与运行优化方法，其特征在于，所述目标函数包含经济性目标函数、节能性目标函数和/或环境性目标函数；

其中，所述经济性目标函数选取全年总费用最小为目标；

所述节能性目标函数选用年总化石能源消费量最小作为目标；

所述环境性目标函数选用年总二氧化碳CO₂排放量最小作为目标。

7.根据权利要求5中所述的设备配置与运行优化方法，其特征在于，所述约束条件包含能源资源赋存量、能源供需平衡、能源设备转换与利用效率、环境排放指标、投资总额、设备启停特性。

8.根据权利要求5中所述的设备配置与运行优化方法，其特征在于，所述决策变量包括整数变量和连续变量；其中，所述整数变量包括设备的数量、起停状态，以及储能设备的有无；所述连续变量表示系统内设备间能源流的输入与输出。

9.根据权利要求5中所述的设备配置与运行优化方法，其特征在于，所述设备配置与运行优化结果包含最优技术组合、最优设备容量、最优运行策略、经济性评价或环境性评价。

10.根据权利要求5中所述的设备配置与运行优化方法，其特征在于，所述多能互补分布式能源系统规划设计数据库以用户逐时能源负荷﹑区域能源资源赋存信息﹑能源设备性能特性和价格信息﹑电力和天然气等能源价格信息为基础，借助地理信息系统GIS软件、负荷模拟软件进行构建。