基于两级策略的双源分布式供能系统运行优化研究

姚哲豪，郑莆燕*，袁言周

（1.上海电力大学能源与机械工程学院，上海 201306；2.上海奉贤燃机发电有限公司，上海 201400）

0 引言

分布式供能系统可同时满足冷、热、电等多种能源负荷种类需求，因此供能方式复杂，同样的负荷需求会产生多种供能组合方式和运行策略［1-2］。分布式供能系统设计效率高［3］，相比传统供能方式具有较大优势［4］，但分布式供能企业的实际经济运行状况并不理想，与设计工况存在较大差异，能源利用率和经济性大打折扣［5-6］。要想分布式供能系统实现多种能源耦合理想化，就需要根据能量需求对系统运行模式进行优化调整来保证整体运行最优［7-9］，多位学者对此采用不同的优化策略进行研究，主要分为微增优化和总量优化。

微增优化方面，杨向劲等［10］对比了单纯进行供热负荷条件下，分布式供能系统中联产和分产的能耗，通过对比将能耗低的设备进行供能增量分配；吴强等［11］建立了单体设备的边际效益系数计算模型，以单个设备每小时运行收益大小与供能大小比值的最大化作为优化目标，判断系统运行负荷发生变化时该单个设备是否增加供能。

总量优化方面，陈云等［12］对用户供能进行总量负荷联合调度优化，减少了分供造成企业间协调操作所产生的额外成本；丁明等［13］研究了分布式供能系统发电的运行策略，给出分布式发电系统经济调度的目标函数并求解，得出了在满足约束条件下运行成本最经济时的总量优化方案；胡慧忠［14］在统筹考虑系统的经济性和节能性的基础上，建立了分布式供能系统的数学优化模型，通过总负荷量的分配优化得到经济性最优运行方案；崔亚［15］针对冬季能源综合利用效率不高的情况，进一步在优化问题中增加能源综合利用效率约束，使最优能源配置在经济指标和能耗指标之间达到平衡。

分析上述研究可知，采用微增优化启停调度机组较少，但不一定能获得最佳系统整体运行经济性；采用总量优化时系统整体经济效益很高，但几乎每台设备都需要调节，运行操作不便且在实际生产中难以满足各项约束，对设备性能的损伤也较为严重。本文针对某分布式供能企业的双源分布式供能系统，提出了结合总量优化和微增优化的两级运行策略优化模型，为企业实际运营提供有价值的参考［16-17］。

1 分布式供能系统案例与建模

某度假园区的双源分布式供能系统如图1 所示，由联产设备和分产设备组成。联产设备包括内燃机-溴化锂机组（A），设备的组合方式为1 拖1，即1台内燃机后面接1台烟水型溴化锂制冷机，分产设备包括电制冷机组（B）和燃气锅炉机组（C）。用户侧仅对冷热负荷有需求，其中，内燃机生产的电能一部分用作厂内的自用电，用以匹配电制冷机等设备的用电需求，多余的电直接进行上网售卖，电制冷机方面，所需电能如内燃机无法满足则再考虑从电网买入进行电能的供需匹配。

图1 某园区分布式供能系统示意Fig.1 Schematic of a distributed energy supply system for a park

各设备的运行参数见表1，其中循环效率针对联产设备指的是设备工作效率，针对分产则指的是运行循环性能系数（COP）值，该值来表示设备将燃料消耗转化为可被用户所利用能源的转化效率。

表1 分布式供能系统各设备运行参数Table 1 Operation parameters of different equipment in the distributed energy supply system

吸收式溴化锂机组为双效型制能机组，夏季主要用来给园区制冷，冬季则主要用来制热，吸收式溴化锂机组的能量来源为内燃机排烟中的热能。分产设备中，各台电制冷机通过消耗内燃机所发电能进行供冷，燃气热水锅炉通过消耗天然气进行供热。制冷机夏季供冷时冷水出口温度tco为12 ℃，冷水回水温度tci为6 ℃。冬季供热时热水出口温度tho为80 ℃，热水回水温度thi为65 ℃。

各季节典型日用能情况（将冷热负荷转换为流量）如图2所示，根据历史数据可以进行第一级总量优化的负荷数据处理。

图2 全年季节典型日园区冷热负荷变化曲线Fig.2 Variation curves of cooling and heating loads in typical days of all seasons

针对这一系统，应用Ebsilon 软件搭建系统仿真模型，内燃机和燃气热水锅炉采用软件自带模块，溴化锂机组和电制冷机组采用可编程模块，编程思路为：输入焓值和流量，通过拟定的（设备规程数据）COP 计算公式可以得出设备输出的制能量以及对应的能耗量。电制冷机负荷率为15%～100%，模拟误差为0.85%；内燃机溴化锂机组负荷率为40%～100%，模拟误差为0.30%；燃气热水锅炉的负荷率为10%～100%，模拟误差为0.23%。

2 运行优化模型

2.1 总量及微增优化模型

总量优化模型是针对典型日某小时分布式供能系统冷热负荷总量的一个优化方案，该优化最终目的是为了得出该时刻分布式供能系统的最大化收益

式中：E为某小时分布式供能系统总收益，元；EN为某小时联产设备内燃机-溴化锂机组收益，元；EL，EG为某小时分产设备电制冷机和燃气锅炉收益，元；m，n，s为各设备的总运行台套数，台。

总量优化方案通过改变联产和分产设备的分流比（占总回水流量比）λa，λb来实现。联产设备之间的分流比为λ1i（i=1，2，…，m），分产设备中电制冷机之间的分流比为λ2j（j=1，2，…，n），燃气锅炉之间的分流比为λ2k（k=1，2，…，s）。在系统运行过程中，一是联产设备即内燃机-溴化锂机组，消耗天然气量GA，同时产生电能PA，热能QHA或冷能QCA；二是分产设备，其中电制冷设备，消耗电能PB，产生冷能QCB，燃气锅炉则消耗天然气GC，产生热能QHC。各类供能单台设备在某小时内供电、供冷或供热所带来的收益可由以下公式得出

式中：ENi为某小时内第i台内燃机溴化锂机组运行收益，元；ELj为某小时内第j台电制冷机组运行收益，元；EGk为某小时内第k台燃气热水锅炉运行收益，元；CP为上网电价，元/（kW·h）；CH为供热价格，元/GJ；CC为供冷价格，元/GJ；Cg为标准状态下天然气价，元/m3；MC，MH为冷，热回水总流量，kg/s；ΔtC，ΔtH为冷，热回水温差，℃；c为水的比热容，kJ/（kg·℃）；α1为电费、检修费税率；α2为冷、热、气价税率；θ为综合厂用电率；mN为内燃机-溴化锂机组的材料费，元/（kW·h）；mL，mG为电制冷设备和燃气锅炉的设备维护成本，元/h；mLj，mGk为单小时的设备维修费用，元。

微增优化模型是将实际运行某一时刻的方案作为起始方案，根据下一时刻的负荷变化量对运行设备进行增量分配，最终使得负荷变化量带来的系统增加的收益达到最大值。

根据负荷微增之后需要分配的负荷量大小采用Ebsilon 自带的遗传算法进行优化，若需要增产，则将微增收益最大的设备优先增产，待增满时，如有需要则再增产其他设备（减产同理）。

微增优化本身的变量相比于总量优化额外添加了内燃机的发电负荷率（0.4～1.0），其约束与总量优化方案保持一致：各个设备的流量均不可以超过其额定流量，各个分产设备的总流量不可以超过规定的分产总流量之和（联产同理），同时内燃机排烟温度处于一个给定的合理区间内。基于上述得到的不等式和等式约束如下

式中：H和Φ为用户热负荷和冷负荷，kW；HG和HN为燃气热水锅炉、溴化锂机组的制热量，kW；ΦN和ΦL为溴化锂机组、电制冷机的制冷量，kW。

2.2 两级运行策略

针对上述2 种策略的研究表明，采用微增优化不能获得系统整体运行最佳效果；采用总量优化时不同工况下，几乎每台设备都需要调节，频繁地大规模启停对设备本身也会造成一定的损坏，因此结合上述2个方面原因提出了一种两级运行策略。

这里将季节中多个典型日各个时刻的负荷值进行了均值处理，考虑到典型日各个时刻的负荷差距可能比较大，针对园区企业项目划分为工作和非工作时段，分别对该2大时段内的总负荷取平均值，将该平均值作为下一级进行微增优化方案的负荷基准值，整体上看，是根据用户历史负荷数据对基准值进行预测，取基准值的目的在于只需要针对基准值进行一次总量优化，避免了逐时进行总量优化的繁琐操作，预测部分也仅是通过历史运行数据对基准值的预测计算，基准值表达式为

根据负荷值直接进行优化得到结果，从优化目标角度上看，本质上仍然是系统负荷总量分配方案优化，不满足对设备操作可行性的要求，负荷波动时各个设备需要逐时进行1 次总量优化，而两级运行策略可以让企业在隔日运行时优先将系统布置成第1 级总量优化最佳运行方案，再根据逐时负荷波动进行第2 级微增优化，这样减少了设备的调度次数，不需要对每个设备进行反复启停调节。

从全局上看，第1 级保证了企业分布式供能系统全天相对高水平的盈利，第1 级在将优化方案的实用性和可行性加以提升的同时可以更合理地进行设备间负荷调度，该两级优化策略具体模型如图3所示。

图3 两级策略优化模型Fig.3 Model of the two-level optimization strategy

通过典型日两级策略的实施，可以使全天的总收益达到一个理想值，全天总收益计算式为

式中：Eai和Ebj为工作时段和非工作时段内系统逐时收益，元；x，y为各时段包含的单位小时数，h；S为全天总收益，元。

3 算例优化结果分析

系统建成后分布式供能系统的经济效益达到最佳，见表2。

表2 分布式供能系统计算各设备价格体系Table 2 Price system for the equipment in the distributed energy supply system

不同策略下逐时调度的具体方案见表3，这里以夏季典型日为例，总量优化和微增优化均是基于实际运行方案进行的，括号内的值为设备对应的负荷率百分数（1 则代表设备以100%满负荷容量运行），A 和B 分别代表联产设备中的内燃机溴化锂机组和分产设备中的电制冷机。

表3 夏季典型日各时刻不同策略下的系统设备调度方案Table 3 Scheduling scheme for the equipment at different time in typical summer days under different strategies

其中两级优化的第2 级优化过程是基于基准负荷值下的总量优化方案，第1 级总量优化结果根据负荷基准值进行负荷分配，通过软件自带的遗传算法进行优化，结果为：工作时段为4 台电制冷以73%负荷率运行制冷，非工作时段为3 台电制冷以75%负荷率运行制冷，故优化方案中优先将系统布置成这种形式，再在这基础上进行第2 级微增优化。

由表3 可知，总量优化方案在各时刻对系统设备运行进行了频繁启停和负荷容量调整，每一个时段内的配置方案不尽相同；微增优化和两级优化方案仅在上一时刻运行方案的基础上进行相应调整，大部分设备仍然保留了上一时段的出力情况，而通过对比冬季和过渡季各个运行方案同样可以得出两级优化可以有效提高系统逐时运行稳定可行性的结论。

将夏季典型日全天收益总和进行计算汇总，将时刻划分为工作时段和非工作时段，各优化方案每小时收益结果如图4 所示，其中不同时段括号内数字代表典型日对应的不同时间段。

图4 夏季典型日各策略下分时段优化收益与实际运行收益对比Fig.4 Comparison of hourly optimized revenue and actual operating revenue in summer days under different strategies

结果表明，总量优化方案总收益为119 583 元，微增优化方案为103 372元，实际运行方案为103 175元，两级策略为118 181元，相比于仅使用微增优化策略以及实际运行策略，经济性方面有了显著提升。同理可以进一步得出不同季节典型日各个策略的具体收益，如图5所示。

图5 不同季节典型日在各策略下总收益对比Fig.5 Comparison of total revenue of typical days in different seasons under different strategies

由图5 可知，过渡季由于处于旅游淡季冷热负荷需求较低，故收益也同样低于夏季和冬季，不同策略下的日收益区别不大，均在75 000 元左右；冬季进行微增优化后日收益为136 615 元，总量优化为222 234元，两级策略优化为201 237元。

从全年经济性来看，分布式供能系统实际运行方案年总收益为3 081.3 万元，微增优化年总收益为3 549.9 万元，总量优化年总收益为4 498.5万元，两级优化策略下的年总收益为4 280.1万元。

4 结论

本文介绍了以内燃机为核心的双源分布式供能系统在运行中采用的不同优化策略，提出了一种新的两级运行优化策略。参考各季节冷热负荷历史数据，对分布式供能系统进行优化，得出了典型日全天在不同优化策略下的系统运行经济性和操作可行性2个方面的最优方案，得出以下结论。

（1）采用微增优化策略优化后，方案所带来的系统年总收益相对于实际运行提高15.2%，低于总量优化方案；采用两级优化策略，最终年总收益相比于实际运行方案提高38.9%，经济性上明显优于微增优化。

（2）采用总量优化方案会存在多台供能设备的启停，且各台设备的负荷容量相对于上一时刻也不尽相同；两级优化策略逐时调度围绕少数设备的微增展开，该策略使得实际运行中对各个设备的调度次数明显减少，运行操作可行性大为提高。

（3）在用户侧负荷值较大的时间段，相比于实际运行和微增优化收益，实施两级优化后分布式供能较负荷值小的时间段系统运行收益的提升幅度更大，两级优化策略实现了分布式供能系统经济性和操作可行性上的统筹最优。