基于分布式能源的工业园区能源规划

罗艳玲，鄢烈祥，卢 海，林子雄

（武汉理工大学化学工程学院，湖北 武汉 430070）

进入 21世纪以来，我国进入了一个快速发展的时期，在工业化和城镇化全面加速的同时，能源和环境的矛盾尤为突出。工业园区就是伴随着我国工业化和城市化进程的新产物，国内各地方政府和各类开发区都在大力建设工业园区，但是目前许多工业园都存在用分散的锅炉供热和 “高能低用”的问题，使得工业园区在能源综合利用和环境保护方面的问题突出。因此，如何在工业园区中经济合理、安全可靠地用能，是解决上述问题的关键。这就需要人们对工业园区进行合理地能源规划，通过能源规划来优化能源结构，提高能源利用效率，实现“高能高用、低能低用、梯级利用”的科学用能，并通过引入分布式的能源系统在提高用能经济性的同时保证能源供应的安全性。

对于区域能源规划，目前主要有两种方法：一是碳夹点分析法，二是数学规划法。贾小平等[1]运用目标导向的碳夹点分析技术对能源系统进行优化设计；施小妹等[2]采用图形方法合成了碳排放限制的能源规划问题的总组合曲线，同时为了弥补图形法的不足，提出了与图形法相对应的组合表格算法，所有清洁能源的目标可一步求解。但是夹点分析法只限于解决相对简单的问题，对于高度综合的能源和需求，它不能详尽地给出规划中的约束条件，而且结果的准确性较大地取决于给出图形的质量。现今，区域能源规划通常采用的是数学规划法。Song等[3]集中研究了工业园的废热网络，以总能源费用最少为目标建立了混合整数线性规划（MILP）模型，并将该模型成功地用于南韩丽水国际工业园废热网络的规划。Cormio等[4]提出了包含可再生能源和环境约束限制的区域能源线性规划模型，模型中将电、蒸汽、热的年需求量用负荷持续曲线（load duration curve，LDC）表示，这样不仅能够反映负荷波动，而且可以简化模型。Meneghetti等[5]提出了以生物质燃料为基础的区域热网络系统的优化方法，即用MILP最大化公用工程公司的利润，用线性规划（LP）最小化温室气体的排放量。Yoichi等[6]提出了以最小化燃料费用、设备投资费用和能源传输费用为目标函数的工业园区能源规划LP模型，该模型不仅考虑了电、蒸汽、热的需求，还考虑了冷需求。Dicorato等[7]综合考虑了分布式的热电装置，建立了某区域能源规划的LP模型，并评估了分布式发电技术对系统的贡献。Mavrotas等[8]建立了负荷需求不确定情况下建筑区能源规划的MILP模型，该模型中引入了热电联产技术，并用雅典某医院的能源规划验证了该模型的可靠性。Ren等[9]建立了集中规划分布式能量系统的MILP模型，并分析了能源需求量、能源价格等对能源转换设备的装机容量、CO2排放量和系统总费用的影响。

上述所提到的模型各有其特点，且侧重点各不相同。然而，却没有一个综合考虑可再生能源及不可再生能源，集中式与分布式能源转换技术相结合及热电冷联产的综合规划的模型。因此本文作者将建立以整个工业园区系统总费用最少为目标的MILP优化模型，在保障热、电、汽、冷各种负荷需求的情况下，从各种能源转换技术中寻找最优的集成系统，所建立的系统采用分布式的热电冷联产装置，并考虑传统的锅炉供热和电制冷机供冷。所建立的模型采用基于列队竞争算法的混合算法进行求解。

1 工业园区能源规划模型

1.1 问题描述

工业园能量系统优化可以表述为：在某个园区内有I个工厂，给定每个工厂电、蒸汽、热、冷负荷的需求数据，从可以利用的M种资源（如生物质燃料、煤、天然气等）及其相应的J种能源转化技术出发，对资源—转化—终端负荷的全过程进行系统分析和统筹规划。规划的目标是在满足园区各种负荷需求的前提下，整个园区系统的总费用最少。假定：①各种能源转化设备的投资费用与设备容量是线性化的关系，设备的操作费用与设备的操作时间和输出功率呈线性化关系；②设备的效率都是给定的常量，设备的寿命以20年计。

1.2 优化数学模型

考虑将一年为规划期，将一年分为K个时段（时段可以表示一年中任意几个月、周或是几天及一天钟几个小时的组合），以规划期内整个园区系统的总费用最少为目标，总费用包括全年内的各种能源费用与设备投资费用、设备操作费用及碳税之和并减去卖电收益。

目标函数为：

约束条件：

（1）满足高峰电需求

（2）设备j的能量平衡

（3）设备的能力限制

对于太阳能光伏电板：

（4）能量供应与需求平衡约束

（5）用户不能同时买电和卖电

（6）设备装机容量限制

上述优化模型为混合整数线性规划模型，通过求解可得到系统投入设备最优的的组合及容量，以及各种燃料的消耗量、CO2排放量。

2 模型的优化求解

本研究采用基于列队竞争算法[10]的混合算法对上述所建立的模型进行求解。这种混合算法是外层采用列队竞争算法通过优化整数变量确定园区内各工厂的投资和操作设备，内层采用线性规划方法中的单纯型算法确定各设备的输出功率。具体的求解步骤如下。

①随机产生p组二元整数向量y，用以确定园区内投资运行设备的编号，同时得到线性的优化子问题f(y)；

②用线性规划法求解f(y)子问题；

③根据计算f(y)值的优劣，对p个家族进行升序排列；

④应用列队竞争算法对二元整数向量进行变异，得到新的优化子问题f(y)，并用线性规划法计算目标函数值；

⑤将每个家族产生的子代与父代进行生存竞争，保留较优者；

⑥重复步骤③～⑤，直到达到预先规定的次数为止，并输出最优的结果。

3 实例求解

某工业区内有 20个工厂，各工厂年度负荷需求分为3个时段，时段1的能源需求如表1所示，时段2的电、蒸汽、热和冷负荷分别为夏季的0.8、1.3、1.2、0.8；时段3的则分别为夏季的0.7、1.7、1.5、0.6，碳税为300元/t。园区内各企业以前采用燃煤锅炉供热，电从附近电网购买，冷需求使用电制冷机供应。现为了提高用电的安全性、减少CO2排放量，决定在园区内部引入冷热电联产的分布式能源系统，并充分利用当地的可再生能源，现可用的燃料如表2所示，可供选择的能源转换设备如表3所示。作为对比考虑如下3种方案。

（1）原有系统 园区的热需求由原有的燃煤锅炉供应，冷需求由电制冷机供应，电需求从附近的电网购买。

（2）集中式热电系统 除方案（1）外，园区中引入以煤为燃料的锅炉和汽轮机热电联产系统。

（3）基于分布式的能源与集中式集成的能源系统：除情况（2）的设备外，备选的能源转换设备有燃气轮机组（GT）、燃油内燃机（GE）、太阳能光伏电板（PV）、单效吸收制冷机（SAR）、双效吸收制冷机（DAR）。

表4给出了在满足园区各种负荷需求的情况下，3种方案引入的能源转换设备组合。从表4中可以看出，在考虑碳税的情况下，方案（3）的CHP装机容量明显下降，仅为40 MW，说明分布式能源具有较强的优势；又从表4中看出方案（3）的装机容量小于电需求量，这意味着从经济的角度来看从外部电网买电是很划算的；此外，太阳能光伏电板PV由于投资费用较高而没有被采用。

表2 燃料价格及CO2排放因子

表1 工业园区时段1各工厂负荷需求表

表3 候选的能源转换设备及相应的设计参数

图1给出了3种方案系统的费用对比图（系统总费用、燃料费用、设备费用、买电及卖点费用和碳税）。由图1可以看出，与原有系统相比，引入热电联产系统后[方案（2）]，系统年度总费用减少了1.67%，而引入分布式能源系统后总费用则减少了13.17%。这是由于引入分布式能源后大大减少了煤的用量，从而减少了碳税和买电费用。虽然分布式系统设备投资费用增加了，但是在考虑碳税的情况下分布式能源系统总的费用是明显下降的。

表4 3种方案引入的能源转化设备

图2给出了3种方案的CO2排放量结果。从图中可以看出，引入分布式能源系统后，CO2排放量大大减少了，而采用集中的 CHP热电联产系统，CO2则显著增加了，这是由于分布式系统主要采用的是清洁燃料。

图3分析了 3种方案的一次能源及电的消耗量。由图中可以看出，引入分布式系统后系统消耗的总能源最少（18.39 PJ），比原有系统和集中式的供应分别减少了0.216 PJ和7.089 PJ，说明分布式能源系统的能源利用率较高。

4 结 论

以可再生能源、天然气等清洁能源及煤等常规能源为燃料，基于分布式能源建立了工业园区综合能源规划模型，通过列队竞争算法与线性规划法结合的混合算法对该模型进行求解。对3种能源供给方案就总费用、CO2排放量和能源消耗量进行了分析，结果表明：在考虑碳税的条件下，分布式能源系统在经济上是有优势的。本研究的方法不但能应用工业园区的能源规划，也能应用于市级区域的能源规划。

图1 系统费用对比图

图2 CO2排放量对比图

图3 能源消耗量对比图

[1] 贾小平，刘彩洪，钱宇. 碳夹点分析技术与化工园区能源规划[J].现代化工，2009，29（9）：81-86.

[2] 施小妹，廖祖维，王靖岱，等. 碳排放限制的能源划问题的图表优化法[J]. 化工学报，2009，60（5）：1237-1244.

[3] Chae Song Hwa，Kim Sang Hun，Yoon Sung-Geun，et al.Optimization of a waste heat utilization network in an eco-industrial park[J].Applied Energy，2010，87：1978–1988.

[4] Cormio C，Dicorato M，Minoia A，et al. A regional energy planning methodology including renewable energy sources and environmental constraints[J].Renewable and Sustainable Energy Reviews，2003，7：99-130.

[5] Chinese Damiana，Meneghetti Antonella. Optimisation models for decision support in the development of biomass-based industrial district-heating networks in Italy[J].Applied Energy，2005，82：228-254.

[6] Shimazaki. Model analysis of energy network system in zero emission industrial[J].JSME International Journal，2006，49（1）：84-91.

[7] Dicorato M，Forte G，Trovato M. Environmental-constrained energy planning using energy-efficiency and distributed-generation facilities[J].Renewable Energy，2008，33：1297-1313.

[8] Mavrotas George，Diakoulaki Danae，Florios Kostas，et al. A mathematical programming framework for energy planning in services’ sector buildings under uncertainty in load demand：The case of a hospital in Athens[J].Energy Policy，2008，36：2415-29.

[9] Ren Hongbo，Gao Weijun. A MILP model for integrated plan and evaluation of distributed energy systems[J].Applied Energy，2010，87：1001-1014.

[10] 史彬. 列队竞争算法在化工生产调度中的应用研究 [D]. 武汉：武汉理工大学，2006.