可再生能源规划设计云平台的开发与测试

曾浩升 王璋元*

（ 广东工业大学土木与交通工程学院，广东 广州510006）

可再生能源是我国重要的能源资源，在满足能源需求、改善能源结构、减少环境污染、促进经济发展等方面已发挥了重要作用。可再生能源消费占我国能源消费比重还很低，可再生能源作为一种清洁能源对于我国这样的能源消耗大国来讲势必将占据越来越重要的角色。指导可再生能源发展和项目建设的发展需求将越来越大，故需要更加重视绿色城镇设计评价工具的开发。

1 国内外研究成果

绿色城镇和生态城市的概念日益得到重视，工程上也越来越追求建筑的设计互动与绿色技术的统筹利用，达成巨大的节能减排与环境保护效果。然而在绿色城镇实际工程领域，依然面临：(1)现有建筑能耗与碳排放预测模拟工具不适用于城镇尺度；(2)现有绿色城镇规划设计评价工具无法直观反映城镇节能环保性能等技术挑战。提升绿色城镇规划设计质量，有效控制成本，推动绿色建筑与城镇发展势在必行。建筑能源环境管理及绿色城镇设计评价工具在国内外均已得到极大关注，它们大部分由各大研究机构开展研发的以桌面软件的形式供用户使用。美国威斯康星大学与法国国际科学技术中心合作开发了TRNSYS[1]。这个软件通过将整个能源系统分解为单个组件来模拟整个能源系统的性能。TRNSYS 已被广泛用于分析原型太阳能热系统的性能与优化太阳能热系统的运行。DER-CAM是由伯克利实验室开发发展而形成的，它微电网供能成本与碳排放量最低为优化目标，能够确定建筑微电网内能源的最优容量组合及相应的运行计划，并成为了美国电力可靠性技术协会常用软件[2]。HOMER 是由NREL 资助开发的可再生能源混合发电经济技术环境优化分析计算模型，主要针对小功率可再生能源系统与常规能源发电系统组合形成的混合发电系统优化分析[3]。HYBRID2 是由NREL 与科罗拉多州立大学于1996 年合作开发的混合发电系统仿真软件。HYBRID2 采用概率时序仿真模型，能够对风、光、柴、蓄混合发电系统进行技术和经济分析，可用于并网、孤岛混合发电系统的工程级仿真[4]。H2RES 是由克罗地亚萨格勒布大学于2000 年开发的能 源 规 划 程 序。该程序能够模拟不同研究场景(可再生能源与间歇式能源的不同渗透率、不同发电技术)下能源需求(水、电、热、氢)、储能(氢储能、抽水蓄能、蓄电池)与供给(风、光、水、地热、生物质、化石燃料或电网)之间的平衡[5]。PDMG 是天津大学在其配电网规划软件平台基础上研制的一套实用软件，具备间歇性数据分析、分布式电源及储能容量优化、储能系统实现设计，以及结合专家干预的技术经济比较等较为完整的微网规划设计功能[6]。上海电气集团主导开发了DES-PSO 云端应用，它主要用于微电网计算运行成本与碳排放量最优化分析，输出系统优化方案与经济性参数，作为近年新研发的应用吸收了多个软件的优点[7]。

在前人的研究中有各种应用软件已经被开发，但事实上仍存在以下问题：

(1)能耗与碳排放预测模拟工具及设计软件大多仅限于独立建筑或单一系统，缺乏区域尺度的预测与设计工具；

(2)传统的绿色设计评价指标及方法无法直观反映设计是否合理与节能减排效果，易导致可持续建筑技术的低效“堆砌”，缺乏对建筑技术之间相互影响的研究；

(3)节能减排辅助设计与决策工具的缺失，使绿色城镇设计中易出现“经验导向”或陷入“反复计算模拟- 结果不理想- 修改设计- 再模拟- 再修改”的低效流程。开发一种基于中国绿色城镇设计现状、输入要求较少、输出指标可比性强的新型绿色城镇能源系统及城市规划的辅助设计工具显得尤为重要。

2 可再生能源数学模型

在选择模型依据时，为了优化用户体验增强实用性和普遍性。前期我们对多个国外知名的软件如：EnergyPlus、EnergyPlan、TRNSRS 等进行了分析参照，为了满足项目需求根据上述软件模拟过程，进行了独立的模型构建。

构建的模型考虑包含了三个部分：风电、光伏与光热。以上部分均能结合实际的太阳能辐射等天气文件用于计算模拟可再生能源模组所能供给的能量。

选定的公式如下所述：

2.1 风电模块

在实际应用中，一般依据风速统计数据来确定威布尔参数值，进而求取平均值风速v 及其标准方差σ，表达式为：

风力发电机组的额定功率为：

式中： ρ- 空气密度；A- 风轮横扫面积；Cp- 风能利用系数，由式（3）可知，额定功率与额定风速的3次方成正比，另外还与当地的空气密度、扫风面积、风能利用系数有关。若已知当地风速的威布尔分布函数, 全年有效风速小时数为T, 单台风力发电机组全年的理论发电量为：

已知双参数威布尔曲线最符合风速统计分布规律.它属于单峰的正偏态分布函数, 其概率密度函数为：

式中，k- 形状参数；c- 尺度参数, m/s.

将（5）代入（4）中可得

式中，vi, vr, vf- 切入风速, 额定风速, 切出风速

若某地区的风速分布已知, 形状参数k 和尺度参数c 为常数, 切入、切出风速一般情况下也为定值.当风轮直径一定的风力发电机组, 其效率为η 时, 实际发电量可以表示为：

2.2 光电模块

光伏发电站上网电量可按下式计算：

式中：HA为水平面太阳能总辐照量，kW·h/m2；Ep 为上网发电量，kW·h；Es 为标准条件下的辐照度，常数=1kW·h/m2；PAZ为组件安装容量，kWp；K 为综合效率系数。综合效率系数K 包括：光伏组件类型修正系数、光伏方阵的倾角、方位角修正系数、光伏发电系统可用率、光照利用率、逆变器效率、集电线路损耗、升压变压器损耗、光伏组件表面污染修正系数、光伏组件转换效率修正系数[8]。我们对综合效率系数K 值进行了大量的数据查阅总结得到以下的估值：

K1：光伏组件类型修正系数K1主要根据光伏组件类型来确定。光伏组件主要包括4 种类型：单晶硅、多晶硅、非晶硅和多元化光伏组件，现阶段主要采用多晶硅太阳电池，根据经验数据总结，多晶硅电池板的光伏组件功率匹配损失≤6%，此处我们取K1=95%。

K2：光伏方阵的倾角、方位角修正系数K2主要通过光伏方阵平面与水平地面的夹角（倾斜角）和方阵的垂直面与正南方向的夹角（方位角）来确定。此系数一般需要借助仿真软件计算，常用的软件有PVsystem、RETScreen 等，计算过程略过不表，软件仿真后得出数据：当倾斜角α=25°，方位角β=0°时，有最大值K2=106%。注：此处以固定式安装为例，未考虑固定可调式以及跟踪系统。

K3：光伏发电系统可用率K3计算方式类似于供电可靠性的计算。

K4：光照利用率体现了光伏阵列对太阳光的利用效率。光伏方阵排列不当相互遮挡或有其他遮蔽物等原因皆会导致光照利用率K4升高。在此，我们假设光伏阵列旁无遮蔽物且光伏阵列无相互遮挡现象，仅考虑早晚不可利用太阳辐射导致的辐射必然损失系数4%，即光照利用率K4=96%。

K5：为准确度考量，此处以逆变器的最大交流输出功率计算，此时交流输出功率接近逆变器额定功率，则K5取值为逆变器的最高效率。此数值可在所用逆变器产品说明或样品处查询，此处我们参照国内某光伏逆变器最高效率值，取K5=97.9%。

K6：集电线路损耗K6包括光伏方阵至逆变器间的直流电缆损耗以及逆变器至测量点之间的交流电缆损耗，直流电缆损耗根据经验值一般≤3%，在光伏发电系统的设计过程中，交流电缆损耗一般控制在1%左右，因此我们取集电线路损耗K6=97%*99%≈96%。

K7：变压器损耗K7由空载损耗（主要为铁损耗ηFe）和负载损耗（主要是铜损耗ηFe）组成，对于光伏系统的升压变压器来说，一般取铁损耗ηFe=0.1%，铜损耗ηFe=1%。则变压器损耗K7=1-0.1%-1%=98.9%。

K8：表面污染修正系数K8的主要影响因素是光伏组件表面各种污秽物对光的遮挡。这不仅影响光伏组件的受光面积，还会在光伏组件内部形成热斑效应，导致光伏组件发电效率降低甚至被烧毁。考虑到广东地区空气污染较轻粉尘颗粒较小且风力不大，此处取K8=97.5%。

K9：光伏组件转换效率修正系数K9主要考虑光伏组件衰减率ηA 以及光伏组件工作温度系数ηB。光伏组件衰减趋势为初期衰减快，后期衰减慢，此处我们假设第一年衰减值为3%，以后每年衰减0.7%。则十年衰减量为8.6%，对应衰减率为ηA10=91.4%；根据国家能源太阳能发电研究（实验）中心屋顶光伏电站组建的温度预测系统2012 年3 月以来的研究数据分析，光伏组件工作温度系数ηB 可取93.3%。

故最终我们可以将Ep 改写成：

大家都被眼前的景象惊呆了，一时不知该如何是好。陆叔叔先是愣了一下，紧接着不顾一切地冲到走廊尽头的房间，不幸中的万幸，珊珊安然无恙。

2.3 光热模块

光热上我们选取了CPC 集热器作为光热获取的主要途径，基于其原理进行光热获取能量的计算：

CPC 集热器主要由抛物面反射镜(聚光器)、接收器(包括真空玻璃管和金属吸热管)、驱动机构及保温材料组成。太阳光投射到聚光器并被其反射，然后在透过真空玻璃管到金属吸热管外表面的过程中存在光学损失和热力学损失。在聚光的过程中，光学损失主要有余弦损失、光损失和遮挡效应损失。光学效率是指在不考虑热力学损失的条件下，集热器所能达到的最大能量接收效率。

CPC 集热器的光学效率ηo 的表达式为：

式中，μa为光传播效率；ηb为阴影损失；cosθ 为太阳入射角的余弦值；S1为集热单元金属吸热管表面积，m2；β 为聚光器的跟踪角度；S2为集热单元采光面积，m2；kb为玻璃盖板的透光率；kg为真空玻璃管的透光率；ε 为抛物面反射镜的反射率；σc为集热管吸收率；Ir 为太阳直射辐射强度，W/m2；d0为相邻2 个CPC 的抛物面反射镜镜面中心距离m；n 为集热器的个数吸热管的能量平衡方程为：

式中，Aabs为金属吸热管的横截面积，m2；ρabs为金属吸热管的密度，kg/m3;Tabs为金属吸热管的温度，℃；kabs为金属吸热管的热传导系数；hw为工质流体与金属吸热管之间的对流换热系数；(τα) 为有效透过率与吸收率的乘积；Tw为工质流体的温度，℃；Tg为玻璃外管的温度，℃；hr,g,abs为玻璃外管与金属吸热管之间的辐射换热系数；t 为时间，s;x 为遮挡区域的宽度，m；Dabs,o 为金属吸热管的外径，m；Cp,abs为金属吸热管的比热容，kJ/ (kg·K)；Dabs,i为金属吸热管的内径，m；Ieff为有效太阳直接辐射强度，W/m2。

工质流体的能量平衡方程为：

式中，ρw为工质流体的密度，kg/m3；mw为工质流体的质量流量，kg/s；Cρ,w为工质流体的比热容，kJ/ (kg·K)；Aw为工质流体的横截面积，m2；Dabs,i为金属吸热管的内径，m。通过上述推导可得出，CPC 集热器的集热效率η 的表达式为：

式中，Tw,out为工质流体的出口温度，℃；Tw,in为工质流体的进口温度，℃；Ic为投射到抛物面上的太阳辐照度，W/m2；Ac 为抛物面开口面积，m2。

最终我们可以把集热量表示成

2.4 修正因子引入

除了上述所用我们改进出的计算模型，我们还对计算出的数据进行引入我们所构想的修正因子来增加计算结果的可靠性。

修正因子的定义：

式中：W'Res为修正后的可再生能源产能估计值值；Wres为初始的可再生能源产能估计值；Wres，his为初始的可再生能源产能估计值的平均值；FACres为修正因子的具体数值。其目的是为了均量化气候波动的不确定性对可再生能源产出造成的影响，从而使计算得到的产能估计值更加贴合实际。

2.5 选用依据

可靠性高：以上公式均以国内外标准为基础经过推导所得到，具备可靠性。

适用性广：只需要根据地区的差异改变少量参数即可实现计算，普遍适用于各个不同的地区和气候条件以及各个不同的场景。

参数量少：以上公式均只需输入少数几个设计参数与太阳辐射强度即可得到结果，大大简化了复杂的分析应用过程，更优化了用户的使用体验，极大的降低了使用门槛。

通过以上述公式为基础我们开始初步模型构建，为了同时兼顾到日后内容上的丰富与拓展，我们将其进行了相应的划分。

3 案例测试与分析

3.1 可再生电能

将有关电力的统一到一个框架内称为可再生电能部分。在这个框架内我们预设好部分的所需参数，用户只需要输入所用的机组容量，如：区域光伏板的装机容量或该地区风电机组的装机容量，并选择相应的天气数据文件如：小时平均风速或小时平均太阳辐射强度，即可完成计算。

当输入风电机组总装机容量为2000 MW 后，选择一个经过处理后某地区的风速数据文件对模型进行仿真，可得本区域内风电机组计算出的一年的总发电量为3.97 TW·h。

图1 可再生电能案例测试

3.2 可再生热能

对于光热部分我们将它设置于可再生热能的框架内。在这一部分，同样预设部分参数，如：进出口水温。用户需要输入该区域中太阳能集热器的装机容量，并选择相应处理后的太阳辐射强度文件以获得的可再生热能的量。这部分增加了是否考虑该区域中的水存储总量的选项，如果考虑了存储总量，即设置了每日太阳能热产出上限值，用户可根据使用率自主设置热的流失率使结果更贴合工程实际。

图2 可再生热能案例测试

如：当用户输入太阳能热的装机容量为2000 MW 并选择相应的太阳辐射强度文件进行仿真，计算得到的总热量为1.63 TW·h。如果考虑蓄热，将以区域蓄热能力为基准。如果区域蓄热能力小于每日热量输出，则多输出将被视为热量损失。当区域蓄热能力为7000 MW·h，热量的储存能力不足，不能增加有效的产能，有效产量仅为1.01TW·h。但是当区域蓄热能力为9000 MW·h 时，增大了该区域的蓄热能力，因此有效产量增大为1.304TW·h。

以上两个模块均以模式化的天气数据为主要数据，其他均可用简单的参数输入即可进行运算，其适用范围广泛且运算可靠。但需要完善的是提供更多的数据供用户选择，输出更为直观的以图表以具象化输出结果的详情。

4 结论

在日益重视绿色城镇建设的大背景下，本研究任务为研发一种能够整合能源及碳信息大数据与能耗及碳排放预测管理与能源系统设计优化的数值模拟拥有云计算能力的软件，辅助开发一种全新的绿色城镇能耗及碳排放预测管理与辅助设计智慧平台，实现基于高效云平台的绿色城镇能耗及碳排放预测、评估、优化及分析，并通过高品质绿色城镇设计方案选择及统筹规划，实现绿色城镇节能减排和能源利用率提高的目标。

前期构想出了初步的应用需求，参考国内外众多的标准作为参考经过改进后得到了独立的模型。在网页构建过程中应用Java 程序作为构建工具，将模型划分为可再生电能与可再生热能部分并将它们置于云端，通过输入合适的参数及天气数据如装机容量、叶轮面积、风速、太阳辐射强度等进行了案例测试，输出的可再生能源量随着如装机容量、太阳辐射强度的值的增大而增大，且随着天气数据的影响而发生改变。例如：以风电机组为例，设一型风电机组启动运行风速为2m/s，上限风速为8m/s，则风速在2-8m/s 这个区间内风电产电量随风速指数型增长，但小于2m/s 风电产电量为0，大于8m/s 风电量不再随着风速增大而增大而是一个固定值。与传统的软件如energyplus 需要大量软件本身提供的既定数据及繁琐的输入相比，发展出了以实用性与提高用户使用体验为目的的简便输入方式，用户可根据我们既定的输入形式简单自主完成数据处理进行输入，为用户提供实际性参考。