高速公路服务区冷热电联供技术研究

摘 要：在我国积极稳妥推进碳达峰碳中和的背景下，重新思考如何规划设计高速公路服务区的供能体系，使其成为交通运输领域低能耗、零碳排放的典范，意义重大。该文详细介绍冷热电联供技术的结构及其优势，着重分析锅炉、制冷设备（包括压缩式制冷机等）等设备的数学模型，以及由这些设备组成的系统的约束条件和优化思路。该文提出冷热电联供的研究思路，并选取燃气轮机额定容量、电制冷占比和燃气锅炉额定容量等作为优化变量，以满足服务区需求为目标函数。该研究对于提高高速公路服务区能源利用效率、降低能源消耗和环境污染具有重要的理论指导和实践意义。

关键词：冷热电三联供;高速公路服务区;以电定热;约束条件;遗传算法;优化变量

中图分类号：TM611 文献标志码：A 文章编号：2095-2945（2024）30-0095-05

Abstract： In the context of China's active and steady promotion of carbon peaking and carbon neutrality， it is of great significance to rethink how to plan and design the energy system of the expressway service area to make it a model of low energy consumption and zero carbon emissions in the field of transportation. The combined cooling， heating and power supply （CCHP） systemcontains a core thermoelectric device and a variety of distributed power supply devices （power generation equipment， load， energy storage equipment， etc.）， and there are multiple forms of energy coupling. In recent years， the combined cooling， heating and power supply microgrid has become a research hotspot in the world because of its advantages of high energy efficiency， high power supply reliability， low pollutant emission level and flexible scheduling. In this study， the cold， hot and electric load of the expressway service area is selected as the adaptation object of the system. The optimization of the system is krxaU2tCbvSKP+lQsTGOORqOpFTubmKAvrHJHlhQC2o=carried out on the principle of meeting the needs of the adaptation object. Based on this principle， parameters are selected and objective functions are established.

Keywords： combined cooling， heating and power supply （CCHP） system; highway service area; use electricity to determine heat; constraints; genetic algorithm; optimization variable

冷热电联供技术（Combined Cooling， Heating and Power， CCHP）是一种集成了制冷、制热和发电功能的微网系统，其能够在单个系统中同时提供多种形式的能量，从而提高能源的综合利用效率，减少能源浪费，并具有显著的节能和环保效果[1-3]。

唐沂媛[4]在其论文中采用了包含光伏和储热系统的冷热电联供微网结构。基于此，本文选择高速公路服务区的冷热电负荷作为该系统的适配对象，如图1所示。本系统优化均以满足适配对象的需求为原则进行优化，基于该原则进行参数的选择及目标函数的建立。

1 微电源及辅助设备数学模型

1.1 电源设备（燃气轮机）数学模型

燃气轮机是联合供能系统中的核心热电装置，以其卓越的耐用性、高清洁度的燃料适应性、低排放的环境友好性及高效的运行性能而著称。此外，其紧凑的设计和轻盈的构造使其成为理想的分布式发电解决方案，不仅适用于城市中心，也适合偏远的乡村地区，实现能源的广泛覆盖和高效利用。燃气轮机的投资费用与其额定容量的关系式如下所示[4-5]

式中：Pcap，GT代表燃气轮机的额定容量，kW;Ccap，GT代表燃气轮机在某额定容量下的初始投资成本。在探讨燃气轮机的性能参数时，本文更关注的是其额定电力效率η与热效率η，这2项指标共同描绘了该设备的能源转换效能。值得注意的是，燃气轮机的热电效率并非恒定不变，而是与设备在不同负荷下的运行状态息息相关。为了精确量化这一变化，引入热电效率的计算公式，其反映了燃气轮机在各种工作负荷下的效率表现，从而为优化能源利用提供了科学的依据。这一公式的应用，使得人们能够在实际操作中更加灵活地调整燃气轮机的运行模式，以达到最佳的能源产出和经济效益。

η和η分别为燃气轮机的额定电力效率和热效率。燃气轮机的热电效率均和设备的部分负荷率相关，因此燃气轮机的热电效率公式如下

，（4）

， （5）

， （6）

式（4）—式（7）揭示了燃气轮机性能的关键参数及其相互作用。首先，定义了η为燃气轮机的电力效率，其反映了电能产出的效能;PLR即部分负荷率，其衡量了设备在非满载状态下的工作情况;而HPR则代表了燃气轮机的热电比，其是热能与电能产出比例的直观体现。此外，ηrec是能源系统的余热回收率，这一参数体现了系统对废热的二次利用效率。进一步地，引入了2个关键的能量转换量：Q和PGT，前者代表燃气轮机回收的余热功率，其量化了系统从废热中提取的有用能量;后者则是燃气轮机的电功率，展示出电能的产生能力。在这一复杂的能量转换体系中，还嵌入了一系列系数，即a、b、c、d，其数值分别为0.826 4、-2.334、2.329和0.179 7。这些系数如同精密仪器中的齿轮，通过精确的数学运算，将各个变量紧密相连，形成了一个综合反映燃气轮机热电效率的复杂公式。

1.2 辅助设备数学模型

1.2.1 吸收式制冷机模型

吸收式制冷机是一种巧妙地将热能转化为冷却效果的技术装置，其不依赖于电力，而是通过引入外部热源来推动整个制冷过程。在这个过程中，热能被精心引导和转化，最终转变为人们所需的冷空气。这一转化的效率，即热能投入与冷能产出的比率，被称为热力系数（Coefficient of Performance，COP），用COPAC表示。COPAC表示衡量吸收式制冷机性能的关键指标，其值高低直接关系到设备的经济性和环保性。其计算式如下[6]

， （8）

式中：QAC表示吸收式制冷机的输出冷功率，kW;Q表示用于驱动吸收式制冷机所需要的热功率，kW。简而言之，热力系数是评价这种制冷技术效能的黄金标准，其揭示了在给定热能输入下，能够获得多少冷能输出。

1.2.2 电制冷机模型

电制冷压缩机，这一现代制冷技术的核心组件，按照其精巧的内部结构，可分为活塞压缩机、螺杆式压缩机、离心式压缩机等多种类型。在全球范围内，螺杆式与离心式冷水机组因其卓越的性能和可靠性而广受青睐。这些机组的核心工作原理是通过机械力量将制冷剂气体压缩至液态，进而利用液态制冷剂在蒸发过程中的吸热特性，实现热量的有效转移。在这一过程中，电能的输入与冷能的输出之间的转换效率，被精准地量化为制冷系数，通常用符号COPEC来表示。COPEC是衡量电制冷机组效能的重要指标，其反映了每单位电能消耗所能产生的冷能量，是评价制冷系统经济性和效率的关键参数。电制冷机组的制冷公式为[4]

， （9）

式中：QEC表示电制冷压缩机的输出冷功率，kW;PEC表示用于电制冷压缩机制冷的输入电功率，kW。

1.2.3 燃气锅炉模型

燃气锅炉作为一种高效的热能转换设备，其输出功率的动态变化与其内在的工作特性和外部负荷条件紧密相连。这种关联性体现在式（10）中，该表达式不仅揭示了燃气锅炉如何将化学能转化为热能的过程，而且还反映了其在不同工作状态下的响应能力

Q=ηGB×FGB ， （10）

式中：Q表示燃气锅炉的输出热功率，kW;ηGB表示燃气锅炉的制热效率，kW;FGB表示燃气锅炉消耗的燃料量，kW。

1.2.4 蓄热槽

在冷热电联供技术体系下，热电负荷比的动态平衡对系统效率至关重要。当热电比与燃气轮机的固有热电比发生偏差时，系统运行可能面临挑战。在此背景下，蓄热槽作为一种有效的能量缓冲装置，能够平滑系统负荷波动，实现能量的时空重分配。在电力需求高峰而冷热负荷低谷时段，若余热利用不足，燃气轮机的发电潜力受到限制，导致热电利用率下降;反之，在冷热需求高涨而电力需求低迷时，过剩电力难以消纳，机组无法充分发挥发电潜能，余热回收亦不足以支撑系统的热需求，致使系统运行效率和经济性受损。

蓄热槽的性能参数涵盖容量、储能速率、能量损失及储能热效率等多个维度。构建蓄热槽的数学模型，需综合考量这些参数，以精确模拟蓄热槽在冷热电联供技术中的行为。该模型不仅为系统设计与优化提供了理论基础，也为实时控制策略的制定提供了决策支持。通过精细调节蓄热槽的运行，可以显著提升冷热电联供技术的整体性能，确保其在复杂多变的负荷环境下保持高效经济的运行状态。蓄热槽装置的数学模型如下所示

式中：W为蓄热槽在t时段储存的热量，kWh;Δt为时间间隔;Q为t时段蓄热槽的蓄热功率，kW; Q为t时段蓄热槽的放热功率，kW;η为蓄热槽的散热系数;ηTST为蓄热槽的热效率。

2 约束条件

2.1 电能平衡约束

， （12）

式中：PEC，j为电制冷机制冷所消耗的电功率，kW;Pe为微网用户侧的电力负荷需求，kW。微网的电力负荷和电制冷机的电力需求由燃气轮机和大电网的电功率来提供。

2.2 热能平衡约束

在冷热电联供技术体系下，维持热能的均衡分配是确保系统高效运作的关键。这一平衡通过整合燃气轮机的余热回收、燃气锅炉的加热功能以及蓄热槽的能量存储与释放机制来实现，以满足系统的动态负荷需求，并支持吸收式制冷机的运行。由于蓄热槽能够进行能量的储存与释放，热能平衡的条件相应地展现出2种不同的模式。这就要求各个系统在多个运行周期内，对蓄热槽的操作进行适时的调控，以促进热能在系统中的顺畅传输和优化配置，保障系统的持续稳定和高性能表现。

。（13）

2.3 冷能平衡约束

， （14）

式中：Qc为微网用户侧的冷负荷需求，kW。微网中用户侧的冷负荷需求由吸收式制冷机和电制冷机来满足。

2.4 燃气轮机电功率约束

， （15）

式中：P和P分别为燃气轮机电功率的上、下限值，kW。这里按照以电定热策略确定燃气轮机额定容量为1 124～2 077 kW。

3 以电定热的思路

基于以上模型数据，本文进行系统运行思路的设计，主要确定系统采用以电定热的计算思路。同时设计了一个关于PLR及n的迭代子函数，以便确定燃气轮机的实际运行效率。

3.1 以电定热的具体思路

以电定热思路如图2所示。

以上过程首先假定了一个8 760 h周期，燃气轮机的额定运行功率。随后在任意1 h内，确定燃气轮机运行的PLR和实际运行功率。之后利用确定好的燃气轮机运行功率，对目标函数进行计算。之后，不停改变燃气轮机的额定运行功率，利用编程和优化算法确定最优的燃气轮机额定功率。

3.2 优化变量

燃气轮机额定容量：燃气轮机为系统核心部件，影响发电量、负荷率、购电量和投资成本等，过小会导致电能供给及热量供给不足，同时降低系统的独立性，过大则会大幅提高成本，造成余热浪费。

电制冷占比：影响购电量及吸收式制冷占比，从而影响燃气锅炉发热量以及燃气轮机发电量。

燃气锅炉额定容量：供热主要设备。规模过大会造成热量浪费，规模过小会造成热量供给不足。影响热量供给和投资成本及天然气的消耗量。

4 优化算法

4.1 算法条件

本次优化使用的算法为遗传算法，优化变量包括燃气轮机额定容量（Pcap，GT）、电制冷占比（PmASHP）、燃气锅炉额定容量（Q），ABC三类为间接约束条件，DE为直接约束条件，前者在算法中主要体现在适应度计算中罚因子判别中，后者则直接在每次生成新个体时限制个体基因的范围。

电能平衡约束为

P+P=P+P。（16）

热能平衡约束为

Q+Q-+Q≥Q。（17）

燃气轮机电功率约束为

P（0.4P）≤P≤P（1.25P）。（18）

燃气锅炉热功率约束为

Q（0.4Q）≤Q≤Q（1.25Q）。（19）

目标函数为

minfcost=Cinf+Com+Cf+Cgrid，（20）

即目标极小化。

4.2 编程思路

4.2.1 算法设计

遗传算法优化时主要分为以下几步：①设置种群规模150个和进化代数100代。②编码，此处采用实数编码，将3个优化变量直接作为染色体上的基因。③初始化种群，生成G=0，即生成一个规模为150的种群，其中个体染色体上的基因均满足直接约束条件（变量范围）。④对初始种群进行选择操作，先计算出初代种群所有个体的适应度，然后采用轮盘赌法（即个体被选中概率和个体适应度成正比）进行选择，选择过后，种群规模褒词不变。⑤在选择过后，记录选择后的种群适应度的最高值、最低值及平均值，计算出动态交叉率和动态变异率。⑥进行变异操作，根据变异率，判断哪些个体进行变异，采用迭代变异，即第i个个体的第j个基因进行变异，r为[0，1]随机数，gen为当前迭代次数，max_gen为最大迭代次数。⑦判断是否达到收敛条件，若未达到，则回到选择操作，再次循环进行之后操作，直至进化到最大设定代数，结束算法，输出最优适应度及其对应基因组。

4.2.2 补充说明

1）图3中先为主函数展示，后为子函数展示，%后为注释内容，黑色粗体文字部分为函数输入变量。

2）算法采用实数编码，交叉率和变异率采用动态形式计算。

3）适应度函数为

F（X）=-σg（x），（21）

式中：f（x）为目标函数，且f（x）>0，故直接倒数处理;σ为惩罚因子;g（x）为以上所划分的简介约束条件（在编程中主要在fun函数，即适应度计算函数中体现），具体程序展示如图3所示。

5 结束语

基于以上系统结构、设备模型、系统运行思路、约束条件、具体目标函数及查得资料整理，运行编程及优化算法，从理论上可以解决高速公路服务区冷电热联供系统结构的优化问题，结合具体数据可得年成本最低的各个系统子设备的安装数据。

参考文献：

[1] 葛晨晨，丁历威，吕洪坤，等.基于多种余能资源的冷热电联供系统设计与优化[J].全球能源互联网，2023，6（5）：490-500.

[2] 余婷.冷热电联供微网优化调度综述[J].科技与创新，2022（1）：79-81.

[3] 罗平，周濠炳，徐林，等.基于区间优化的冷热电联供型多微网日前优化调度[J].电力系统自动化，2022，46（9）：137-146.

[4] 唐沂媛.冷热电联供/综合能源系统的规划研究[D].南京：东南大学，2016.

[5] 吴迪.综合能源系统优化设计方法与运行特性研究[D].北京：华北电力大学，2021.

[6] 李龙锡.楼宇及区域型分布式能源系统效益评价研究[D].大连：大连理工大学，2017.

基金项目：陕西省交通厅科技项目（无编号）

作者简介：马青（1984-），女，博士，高级工程师，副所长。研究方向为绿色低碳建筑、清洁能源和低碳技术、新型节能技术开发等。