分布式冷热电联供系统集成设计与优化研究进展

王江江，王 壮,杨 颖,武 静

(华北电力大学能源动力与机械工程学院，河北 保定 071003)

分布式冷热电联供系统集成设计与优化研究进展

王江江，王 壮,杨 颖,武 静

(华北电力大学能源动力与机械工程学院，河北 保定 071003)

科学合理的系统集成与优化是一种提升分布式冷热电联供系统的能效、减少成本、降低温室气体排放的有效方法，文章综述了当前分布式冷热电联供系统的集成设计与优化研究进展。基于联供系统热(冷)电比输出特性与用户动态负荷供需匹配的原则，归纳总结了冷热电联供系统四种典型的集成设计方法，结合冷热电联供系统的运行策略，分析讨论了联供系统优化过程中的优化变量、目标函数、求解算法及约束条件等四方面的研究进展，提出了现有系统设计与优化研究的不足之处和研究趋势，为分布式冷热电联供系统的设计与运行提供一定的参考。鉴于能源可持续发展要求，多能互补的分布式冷热电联供系统将迎来新的发展，系统集成设计与优化方法研究也将成为必不可少的环节。

分布式冷热电联供系统；集成设计；运行策略；优化

0 引言

分布式供能系统是一种建在用户端的能源供应方式，可独立运行，也可并网运行，是以资源、环境效益最大化确定方式和容量的系统，将用户多种能源需求，以及资源配置状况进行系统整合优化，采用需求应对式设计和模块化配置的新型能源系统，是相对于集中供能的分散式供能方式[1]。其中， 分布式冷热电联供系统是其主要形式，具有节能、环保、经济、可靠和灵活等特点。传统的分布式冷热电联供系统常以天然气为燃料，但随着全球气候与环境问题的关注以及可再生能源技术的发展，多能互补的冷热电联供系统业已受到关注[2-3]。

分布式冷热电联供系统主要包括驱动发电装置(也称动力发电装置)、热回收装置、热驱动制冷设备或换热设备等。典型的驱动装置主要包括燃气轮机、内燃机、斯特林机和燃料电池等类型[4]；不同类型的驱动装置发电产生的废热形式及温度范围不同，则需匹配不同类型的热驱动制冷/热设备，典型的制冷设备包括吸收式制冷机组和吸附式制冷机组，吸收式制冷机组根据其驱动热源不同有烟气型、蒸汽或热水型、双源(烟气和热水)/三源(烟气、热水、天然气)型等诸多形式。因此，对于多种型式的驱动装置和余热利用装置，如何实现分布式冷热电联供系统的最佳集成配置，来满足用户的冷热电需求并取得最大的节能、经济等收益就显得尤为必要。另外，冷热电联供系统由于冷、热和电三种产品的耦合关系而使得其运行、管理、调节等多方面变得复杂化[5]。适宜的运行策略可提升联供系统在满足用户冷热电变负荷运行中的热力、经济及环保性能[6]。

综上，分布式冷热电联供系统的集成设计与运行策略是其实现资源、环境效益最大化的2个重要因素。本文围绕分布式冷热电联供系统的设计与运行这2个方面，就目前系统集成设计方法、运行策略、性能综合优化等方面的研究进展进行总结，为分布式冷热电联供系统的设计与应用提供参考。

1 分布式冷热电联供系统集成与设计方法

分布式冷热电联供系统遵循能量梯级利用的原则，燃料燃烧释放的高温热能首先通过驱动装置发电，中温、低温排烟余热可以通过吸收式制冷(热泵)、换热器等方式加以转换和利用。在能量梯级利用过程中，联供系统的热(冷)电产出比例是基本保持不变的。但是，冷热电联供系统是面向用户直接供能，当用户负荷需求变化时，用户负荷的热(冷)电比并不能完全与联供系统的热(冷)电比保持一致，就有可能造成“供不应求”或“供应过剩”的现象。

图1 冷热电联供系统与用户负荷动态变化之间的关系曲线Fig.1 Relationship between CCHP system anduser load dynamic change

图1为联供系统特性与用户动态负荷之间的关系示意图，这里负荷因子定义为用户负荷与系统提供最大功率之比。当系统变负荷运行时，联供系统的热(冷)电输出比例曲线近似为线性关系，而用户负荷的动态变化使得供需之间无法完全匹配。若系统首先满足电负荷需求，当用户负荷点位于曲线上方时，则需要其他子系统或者措施来补充热(冷)量；反之，当用户负荷点位于曲线下方时，联供系统会产出多余的热(冷)量。若用户瞬时热(冷)电负荷点与联供系统热(冷)电输出曲线相重合，则说明两者完全平衡，不存在补充或多余的现象，而且能源输入实现了100%能源梯级利用。

因此，基于冷热电联供系统与用户需求的热(冷)电比特性平衡匹配，联供系统的集成与设计方法可归纳为以下几种：

(1) 采用补电子系统的集成方法。为了避免驱动装置容量过大造成设备常时间低负荷运行的现象，通常在用户热电比较小或者用户电负荷大于驱动装置功率时，需要补电子系统为用户补充不足的电力。目前，除了采用集中电网并网补充[7]外，基于可再生能源的分布式发电也是一种可利用的补充方式[8-9]。Soheyli等[7]设计分析了太阳能光伏和风力发电与燃料电池驱动的冷热电联供系统集成，相比传统分供系统取得了较好的节能减排收益。

(2) 采用补热子系统的集成方法。当余热回收量不能满足用户热需求时，则需要其他子系统或设备来补充热量。目前，天然气补燃锅炉或者带有直燃功能的余热利用设备常用于补热子系统。除了以燃料补充方式外，还可与用户周边可利用的资源来进行补充，例如太阳能热利用[9]、地下水热源、土壤热源和空气热源等各种环境热源，可根据具体的环境条件尽可能地统筹安排作为补热子系统与联供系统集成[10]。Zeng等[11]将地源热泵与常规的冷热电联供系统集成，通过系统优化分析，地源热泵在冬夏补充比例分别达33%和44%，从而实现最大的节能减排收益。

(3) 采用电-热转换的集成方法。当用户热(冷)电比大于系统输出比时，可将部分热(冷)转换成电能的形式从而达到供需之间的匹配。最常用的方式是采用双源制冷，将热驱动吸收式机组制取的冷量部分转化为采用电驱动电制冷机组制取，这样将会把过多的热需求转化为电需求，从而平衡供需之间的差异[12-13]。对于两者之间的配备比例，WANG提出了固定的双源制冷运行比[12]，LIU等对其进行了变参数优化[13]。类似地，ZENG等[11]采用地源热泵将过多的冷和热需求转化为电需求，通过优化两者之间的比例达到系统的最佳性能。

(4) 采用蓄能调节手段的集成方法。将蓄能技术引入分布式供能系统，特别是基于可再生能源的分布式供能系统，可以有效地缓解非同步性引起的供需矛盾，提高系统变工况调节能力。联供系统的输出有冷、热和电三种，与其相配套的蓄能系统分别为蓄电[9]、蓄冷[14]和蓄热系统[9]。蓄电系统是将系统多余的电力或动力储存起来，然后在供应不足的时候提供给用户；通常联供系统的容量较小，一般采用电池、压缩空气蓄能等技术。蓄热系统和蓄冷系统则采用某种介质，利用一定温度变化下的热容量或一定温度下的相变热等特性，分别储存系统产生的多余冷和热能。蓄能在冷热电联供系统中的集成机理主要是通过时间序列上的调节，从而使得供能系统的热(冷)电比输出与用户需求匹配。因此，从供需平衡的角度来看，只有存在峰谷差的负荷波动，即用户负荷热(冷)电分布于系统特性曲线的两侧，蓄能系统的优势才能凸显出来。

2 分布式冷热电联供系统的运行策略

研究分布式冷热电联供系统运行策略的主要目的是在满足系统供能与用户动态需求两者之间达到平衡匹配的前提下，尽可能地取得最大的收益。最简单常用的运行策略是电跟随和热跟随[15]，电跟随模式即任意时刻系统发电量等于电负荷，则余热回收量可能多于或者少于用户热需求；热跟随模式即任意时刻系统产热量等于热负荷，则发电量可能多于或者少于用户电需求量。然而，单一的跟随模式往往存在问题，例如电跟随模式下的余热浪费以及热跟随模式下多余电量的处理，多余产品的输出可能会造成系统性能的下降，因此为了提升系统性能，诸如混合跟随模式、主动蓄能运行策略、折衷电热混合策略等不同的运行策略被提出和研究。目前，针对联供系统运行策略的研究主要集中在以下几个方面。

2.1 基于热(冷)电关系分析

在联供系统固有的热(冷)电比与用户需求不平衡时，通常通过比较联供系统在热跟随和电跟随两种基本的运行策略下的性能优劣来确定其最佳的运行策略[15-18]。但是，多余(通过蓄能)或者少于(通过其他方式补充)用户需求的运行并不一定使得系统性能最优，因此可通过分析用户的热(冷)电需求关系来确定较佳的运行策略。

WANG等[7]提出了固定的双源制冷运行比，来使得系统的热电特性与用户尽可能的平衡匹配，达到系统性能的最优；此基础上，LIU等[13]在对其进行了变参数优化，使得用户热电需求特性更加与系统匹配。ZHENG等[19]针对负荷热电分布点与系统热电比特性曲线的分布，提出依据两者最小距离的运行策略，并进行了性能验证分析。另外，基于比较系统热跟随和电跟随两种模式下的性能选其优的思路，MAGO等[20]提出了热电混合跟随模式；HAN等[21]基于混合跟随策略，提出了使用效率系数法的折衷混合策略，在对某酒店联供系统的分析中取得了较好的性能；同样在混合策略的思路下，LI等[22]提出通过比较逐时电热比与转换阀值来确定其跟随热负荷还是跟随电负荷运行。

2.2 基于蓄能装置的运行策略分析

为免受热电关系束缚，在多余产品不能输出外送的条件下，蓄能是一种改善其系统较有效的方法。刘方等[23]通过安装蓄热槽对热电约束进行解耦，在电能调节时实现热能的自由调节，可提高系统运行的可靠性与经济性。通常，蓄能装置的运行方式根据系统产出与用户需求之间的关系来确定其蓄能或释能的状态，具有被动性。

为了使蓄能有益于整个系统的性能提升，兼顾供能系统与用户需求的主动蓄能调控方法被提出[2]。WANG等[24]基于发电效率随负荷波动的现象，提出了一种平抑电负荷波动、主动蓄能、提高系统性能的蓄电装置运行策略。ZHENG等[25]基于用户需求与蓄热装置蓄能状态，提出一种新的蓄热装置蓄能策略，改变以往蓄热装置被动蓄能的状态，取得了较好的性能提升。

2.3 基于多种评价指标分析

2.4 基于碳排放及上网电价政策分析

基于传统评价指标的发展，已有学者开始从政府税收及上网电价政策的角度来探索跟随策略的适应性。KANG等[30]在考虑CO2排放纳税及电力补贴的基础上对电跟随、热跟随及混合跟随策略下的系统运行费用进行了简单对比。周任军[31]等引入将CO2作为可协调的资源，构建碳排放交易成本函数，通过模糊自修正粒子群算法探索冷热电联供系统的综合交易成本，为系统运行策略的选择开辟了新的思考角度。赵军等[32]构建了蓄能、电热泵与冷热电联供相结合的系统，将碳税引入电价中以运行费用为目标函数，指出当碳税完全附加至电价时热跟随策略运行经济最优。ZHENG等[33]提出了确保能源和经济性最优时的上网电价政策，并指出当以一次能源耗量为标准时，此政策下系统采用热跟随运行策略性能最优，同时政策对系统性能影响从冷区至热区逐渐降低。

2.5 基于不同建筑类型及气候分析

不同的建筑类型、不同的气候区等因素影响用户的负荷，并影响联供系统的系统配置、运行策略和性能。WANG等[34]针对中国5个典型气候区的4种建筑类型(宾馆、办公、医院和学习)的冷热电需求，分析比较了联供系统在电跟随运行模式下的能源、经济和排放这3方面的收益。LI等[27]利用权重法和模糊最优理论讨论了大连市酒店、办公楼和住宅建筑在热跟随、电跟随及混合策略下的运行性能，指出当地气候数据是影响联供系统设计和运行优化的重要因素，在同一策略下节能方面，酒店比办公室和住宅建筑贡献更大；经济性方面，办公室最优；综合评价方面，办公楼最优，酒店其次而住宅楼最末。为减小系统产出的多余电或热能，SMITH和MAGO[17]对联供系统提出了一种混合跟随策略，将其应用于某大型酒店建筑，并在美国 16个城市的不同气候条件中进行分析，指出在广泛的气候条件范围下，混合跟随策略下模拟建筑的系统效率均高于热跟随及电跟随。

2.6 基于优化方法的分析

通过对某些变量或者参数的优化，可获得最优的运行策略。例如WANG采用遗传优化算法对双源制冷比进行了优化，使得相比于未优化的系统提高4个百分点的综合收益[12]。为满足不同时段的供能需求，钱虹等[35]对带蓄能的联供系统进行分析，以总出力与各时段负荷需求差值最小为目标，通过改进的遗传算法提出了一种合理的逐时优化运行策略，策略主要考虑节能减排与峰谷电价利用。刘伟等[36]采用线性规划算法对上海某制造企业内燃机冷热电三联供项目实例进行优化，以运行燃料费用最低为优化目标，考虑能源价格、负荷特性、设备参数等因素，得到了企业冬季工作日和休息日最优的运行策略。孟金英等[37]以单纯形法对办公楼冷热电联供系统冬夏季典型日运行策略进行优化，指出在优化目标不同时，系统应选择的运行策略不同。魏大钧等[38]提出了一种考虑折旧运行成本、能源成本及环境成本的经济优化运行策略，并与电跟随相比，指出优化策略通过利用储热及分时电价机制有效提高了系统综合经济性。

3 分布式冷热电联供系统的优化研究

分布式冷热电联供系统的集成设计与运行策略的优化是一种提高能效、减少成本、降低温室气体排放的有效方法。图2[8]为基于供需平衡的冷热电联供系统优化流程，首先在建筑侧用能需求分析的基础上，提出冷热电联供系统的优化问题、目标及备选方案；其次针对联供系统的初始方案和配置，在满足用户需求的条件下对其性能进行分析计算；然后根据确定优化目标检验其性能是否达到要求，若不能满足优化目标，则采用寻优算法对初始联供系统进行修正；如此反复直到联供系统的性能达到优化目标。

图2 基于供需平衡的冷热电联供系统优化流程Fig.2 Optimization procedure of CCHP system based on demand-supply matching

联供系统的优化涉及多个方面，例如联供系统的结构优化[39]、设备容量优化[40]、设计参数优化[41]、运行策略优化[13]等。通常，一般的最优化问题的数学表示如下：

(1)

式中x=[x1, x2,…xn]T为优化变量，f(x)为优化目标函数，gi(x)≤0为不等式约束条件，hi(x)=0为等式约束条件。当求解多个目标的优化问题时，称为多目标优化，通常将多目标转化为单目标的形式，采用评价函数法、层次分析法等进行求解。

比对图2和式(1)的数学表述，可看出联供系统优化的一般性问题主要包含4个方面： (1)优化变量；(2)优化目标；(3)优化算法；(4)约束条件。四者之间的相互关系如图3所示,4个因素之间相互影响、密不可分。

图3 联供系统优化问题中典型的因素及关系Fig.3 Relationship between typical factors in CCHP system optimization

3.1 优化变量

根据优化问题的不同，分布式冷热电联供系统的优化研究主要可归为4类： (1)系统结构优化；(2)设备容量优化；(3)设计工况参数优化；(4)运行策略优化。

系统结构优化主要针对联供系统集成设计方案有多种类型的比选问题，通过优化的方法确定其最佳的系统流程、设备等。例如，可选择的驱动装置就包括燃气轮机、内燃机、燃料电池等多种类型，而驱动装置的选择取决于诸多因素：冷热电负荷，冷热需求种类、负荷波动情况、空间要求、环保要求等。采用优化的方法，可对不同组合形式下的性能进行计算，从而选择最佳的集成方案，通常这种优化方法也被称为超结构优化。ZHU等[39]建立了一种超结构的联供系统的多目标优化模型，在这一超结构系统构成中，驱动装置包括燃气透平、背压透平、冷凝透平，锅炉包括烟气余热锅炉、燃气蒸汽锅炉和热水锅炉，制冷机组包括电压缩制冷、蒸汽型吸收式制冷和热水型吸收式制冷这3种形式，以及中低温不同类型的换热设备来供暖，在不同优化目标下对系统进行了优化，从超结构系统中选取构建了不同的集成方案。肖小清等[42]将蓄能装置集成到超结构方法的分布式联供系统中，建立了混合整数线性优化模型，通过分支定界法求解，实现了系统结构的优化，并同时将系统运行策略、各设备与蓄能装置一并优化。

联供系统的设备容量优化通常是针对系统流程、方案基本确定的联供系统，通过对设备容量的优化配置，达到相互间的匹配，从而获得最佳的收益。冷热电联供系统优化研究文献中此类问题的研究最多。WANG等[7]针对由燃气驱动装置、余热回收系统、电压缩式制冷机组、吸收式制冷机组、补燃锅炉和电网构成的联供系统，采用遗传算法求解寻优，得到各设备的容量优化配置，从而获得在能效、经济和排放这3方面的最大综合收益。SANAYE和KHAKPAAY[43]将遗传算法和最大矩形法相结合，以相对年收益为优化目标，对包括燃气轮机台数和容量、锅炉、蓄热装置、制冷机组等设备的类型和容量进行了优化配置，比较探讨了在系统发电是否上网情况下的热跟随和电跟随运行性能。

联供系统运行策略的优化过程中，一般会与系统的结构、配置、容量等一并优化。运行策略的选择是以系统配置为基础，离开了系统无从谈起运行策略的优化，因此两者之间紧密联系。如第2部分所述，WANG[12]对双源制冷比的优化来指导联供系统的运行，但是与此同时也就确定了双源制冷机组的容量配置。

3.2 优化目标

优化目标是优化问题的导向、是优化求解算法寻优过程的指导。优化目标是系统优化的评价标准，冷热电联供系统作为一种供能系统，通常从能源、经济和环境这3方面评价。在冷热电联供系统优化研究文献中，常用的指标如表1所示。

表1 冷热电联供系统优化指标

注： * ∧表示最大化；∨表示最小化。

能源的可持续发展要求使得联供系统的性能不能仅在某一方面有较佳的性能，而应在多方面表现最佳，因此联供系统的优化研究也从传统单一目标优化向多目标优化转变。多目标优化的目的是找到一组解使得所有的目标函数的值对于设计者来说是都可以接受的，而不是所有目标都达到最优的“绝对最优解”。单一目标优化与多目标优化是有本质区别，但是也有相互联系。为了求解方便，在能源、经济和环境这3方面对联供系统多目标优化时，传统的方法是借助于加权的形式将多目标转化为单目标优化。WANG等[45]以传统分供系统为参照，分别采用一次能源节能率、年值费用节省率和CO2减排率来表征能源、经济和环境这3方面的性能，以同等权重求和的方式表示联供系统的综合性能，使其最大化来对联供系统进行了优化配置。EBRAHIMI和AHOOKHOSH[44]采用节能率和火用效率同一类指标加权求和的方法对集成设计的联供系统进行了优化。另外，指标权重的确定通常具有主观性，权重的大小直接影响优化结果，许多学者就指标权重的确定方法进行了大量的研究，提出了熵值法、主客观优化组合赋权法等多种方法[46]。WANG等[47]通过比较不同权重对联供系统优化配置的结果发现驱动发电装置的容量最大与最小间差1.6倍左右。

3.3 优化算法

在优化目标的指导下，为了获得分布式冷热电联供系统的最佳配置，则需要在约束条件下对优化变量进行求解，这个寻优过程则要借助于某种算法来进行。联供系统优化研究中应用的算法很多，一般可分为传统经典算法和人工智能算法。

传统经典优化算法一般针对结构化问题，有较为明确的问题和条件描述，有唯一明确的全局最优点。典型的经典算法包括单纯形法[48]，牛顿算法，拉格朗日松弛算法[49]等。WANG等[48]基于区域供热提出可再生能源利用和蓄能相结合的热电联供系统优化模型，采用修正单纯形法对其进行了优化求解。RONG等[49]对优化求解算法在联供系统优化中的性能表现进行了研究，采用拉格朗日松弛法对设有蓄能装置的冷热电联供系统网络供能规划进行了优化，通过周、月和年这3个不同时长的优化比较，发现各自的平均误差分别为0.048%，0.028%和0.024%，平均计算速度分别是0.093，0.63和11 s，该优化算法在寻优精度和速度上都有较好的性能。这些经典的优化算法在联供系统的优化中性能表现较好。但是，对于多目标优化(各个优化目标之间度量单位不同或各目标相互矛盾)或存在多极值优化问题，传统的经典优化算法则不如人工智能算法的表现。

加之冷热电联供系统中多模块、多设备、多工况等多因素的复杂性，目前越来越多人工智能算法已被应用到联供系统的优化设计中来，例如遗传算法[40]、进化算法、粒子群算法[45]、免疫算法[50]等。WANG等[40]对遗传算法在联供系统优化中的寻优误差和速度进行了探讨，与传统循环算法相比，发现优化目标的误差仅为0.000 41%，而速度却是传统算法的12.4倍。HAJABDOLLAHI等[51]采用粒子群优化算法对某冷热电联供系统的29个设计参数同时进行优化，并与遗传算法进行了比较，通过3次最优的结果比较发现粒子群算法优化结果要优于遗传算法，另外因为少去了遗传算法的解码过程而使得收敛速度较快。但是，在大多数优化算法中，特别是进化算法，有一些控制参数会极大地影响优化结果和收敛速度，因此，为了避免寻优陷入局部优化解应该恰当地对其进行设定。

3.4 约束条件

优化过程中优化变量的选择、目标函数的计算及优化算法的求解过程都受到某些约束条件的限制，例如优化变量有其寻优的范围、设备的输出小于其容量、热力参数的限制等。分布式冷热电联供系统优化中典型的约束条件包括设备工作性能、能量平衡等。由于联供系统优化问题的多样性，在此就不一一详述。

4 研究展望

许多学者就分布式冷热电联供系统集成设计与优化开展了大量的研究，主要集中在以下几个方面： (1)不同类型的冷热电联供系统的热力学分析；(2)冷热电联供系统性能计算与评价模型的建立；(3)冷热电联供系统设计与运行的优化模型[6]。结合分布式供能系统的发展趋势[52]，尚需从以下几点开展工作：

(1) 不确定性条件下联供系统的优化。分布式冷热电联供系统的优化配置面临诸多的不确定性因素，例如负荷变化、能源价格、市场环境等。不确定性因素的存在使联供系统的未来运行工况可能与设计偏离，存在潜在风险。尽管目前开展了一些不确定性敏感性分析，但涉及的不确定因素少、问题简单，没有形成完整的优化体系。因此，尚需在多种类不确定性条件下对冷热电联供系统开展优化研究，增加其优化的鲁棒性和适应性。

(2) 分布式冷热电联供系统协同控制技术。分布式冷热电联供系统变工况下高效、经济和低排放性能与先进的控制策略和技术是密不可分的。而目前控制思路和运行策略的研究较为广泛，但是分布式冷热电联供系统的调控品质与协同控制技术方面的研究尚不多见，无法适应联供系统的控制要求。

(3) 基于实时在线负荷预测的运行策略。目前，分布式冷热电联供系统的运行策略研究大部分是基于设计初期的建筑侧需求分析，而对于项目实际运行过程中，用户的冷热电负荷变化受到多种因素的影响，从而影响运行策略的稳定性和收益性。若能实行用户负荷的实时在线预测，则可以指导联供系统的运行，实时修正运行策略，从而提高系统性能。

(4) 多能互补耦合的分布式冷热电联供系统优化。随着我国节能减排力度不断加大，基于可再生能源的多能互补耦合的分布式冷热电联供系统必将得到深入的发展。目前，对于这种多设备、多耦合、多工况的复杂系统的研究尚在起步阶段，缺少相应的文献，不足以支撑多能互补系统的发展。今后应重点针对耦合了可再生能源、发电、制冷、供热和环境的多能互补系统，开展不同工况下的运行模式研究，从而协同控制各设备的运行情况，以达到最优的节能、经济和减排效应。

5 结语

本文围绕分布式冷热电联供系统的设计与运行两方面，就目前系统集成设计方法、运行策略分析、性能综合优化等方面的研究进展进行了总结，展望了分布式冷热电联供系统设计与优化的研究方向。目前，我国的分布式供能系统的应用相比于国外发达国家处于起步阶段，技术、规范、政策等尚不成熟和完善，但是随着《能源发展“十三五”规划》、《可再生能源发展“十三五”规划》等一系列的“十三五”规划的发布，分布式供能系统的示范与应用将迎来新的发展契机，就分布式供能系统的集成与优化研究应引起工业领域和学术领域的充分重视。

[1] 殷平. 冷热电三联供系统研究(1)： 分布式能源还是冷热电三联供[J]. 暖通空调, 2013, 43(4): 10-17. YIN Ping, Research of combined cooling heating and power system (1)：Distributed energy resource or combined cooling heating and power[J]. Journal of Heating, Ventilation and Air Conditioning, 2013, 43(4): 10-17.

[2] 金红光, 隋军, 徐聪, 等, 多能源互补的分布式冷热电联产系统理论与方法研究[J]. 中国电机工程学报, 2016, 36(12): 3150-3160. JIN Hongguang, SUI Jun, XU Cong, et al., Research on theory and method of muti-energy complementary distributed CCHP system[J]. Proceedings of the CSEE, 2016, 36(12): 3150-3160.

[3] 金红光, 隋军. 变革性能源利用技术——分布式能源系统[J]. 分布式能源, 2016, 1(1): 1-5. JIN Hongguang, SUI Jun, Transformational technology innovation—Distributed energy system[J]. Distributed Energy, 2016, 1(1): 1-5.

[4] WU D W, WANG R Z. Combined cooling, heating and power: A review[J]. Progress in Energy and Combustion Science, 2006, 32(5-6): 459-495.

[5] GU W, WU Z, BO R, et al. Modeling, planning and optimal energy management of combined cooling, heating and power microgrid: A review[J]. International Journal of Electrical Power & Energy Systems, 2014, 54(1): 26-37.

[6] CHO H, SMITH A D, MAGO P. Combined cooling, heating and power: A review of performance improvement and optimization[J]. Applied Energy, 2014, 136(12): 168-185.

[7] WANG J J, JING Y Y, ZHANG C F. Optimization of capacity and operation for CCHP system by genetic algorithm[J]. Applied Energy, 2010, 87(4): 1325-1335.

[8] SOHEYLI S,MAYAM M H S, MEHRJOO M. Modeling a novel CCHP system including solar and wind renewable energy resources and sizing by a CC-MOPSO algorithm[J]. Applied Energy, 2016, 184(12): 375-395.

[9] WANG J J, LU Y C, YANG Y, et al. Thermodynamic performance analysis and optimization of a solar-assisted combined cooling, heating and power system[J]. Energy, 2016, 115, Part 1(11): 49-59.

[10] 金红光, 林汝谋. 能的综合梯级利用与燃气轮机总能系统[M]. 北京: 科学出版社, 2008.

[11] ZENG R, LI H, JIANG R, et al. A novel multi-objective optimization method for CCHP-GSHP coupling systems[J]. Energy and Buildings, 2016, 112(1): 149-158.

[12] 王江江. 楼宇级冷热电联供系统优化及多属性综合评价方法研究[D]. 保定: 华北电力大学, 2011. WANG Jiangjiang, Optimal design of building cooling heating and power system and its multi-criteria integrated evaluation method [D]. 保定: 华北电力大学, 2011.

[13] LIU M, SHI Y, FANG F. A new operation strategy for CCHP systems with hybrid chillers[J]. Applied Energy, 2012, 95(7): 164-173.

[14] SONG X, LIU L, ZHU T, et al. Comparative analysis on operation strategies of CCHP system with cool thermal storage for a data center[J]. Applied Thermal Engineering, 2016, 108(12): 680-688.

[15] WANG J J, JING Y Y, ZHANG C F, et al. Performance comparison of combined cooling heating and power system in different operation modes[J]. Applied Energy, 2011, 88(12): 4621-4631.

[16] MAGO P J, FUMO N, CHAMRA L M. Performance analysis of CCHP and CHP systems operating following the thermal and electric load[J]. International Journal of Energy Research, 2009, 33(9): 852-864.

[17] SMITH A D, MAGO P J. Effects of load-following operational methods on combined heat and power system efficiency[J]. Applied Energy, 2014, 115(2): 337-351.

[18] LONG W C, LUCK R, MAGO P J. Uncertainty based operating strategy selection in combined heat and power systems[J]. Applied Thermal Engineering, 2016, 98(4): 1013-1024.

[19] ZHENG C Y, WU J Y, ZHAI X Q, A novel operation strategy for CCHP systems based on minimum distance[J]. Applied Energy, 2014, 128(9): 325-335.

[20] MAGO P J, CHAMRA L M. Analysis and optimization of CCHP systems based on energy, economical, and environmental considerations[J]. Energy and Buildings, 2009, 41(10): 1099-1106.

[21] HAN G, YOU S, YE T, et al. Analysis of combined cooling, heating, and power systems under a compromised electric-thermal load strategy[J]. Energy and Buildings, 2014, 84(9): 586-594.

[22] LI L, MU H, LI N, et al. Analysis of the integrated performance and redundant energy of CCHP systems under different operation strategies[J]. Energy and Buildings, 2015, 99: 231-242.

[23] 刘方, 杨秀, 黄海涛, 等. 含热电联产热电解耦运行方式下的微网能量综合优化[J]. 电力系统及其自动化, 2016, 28(1): 51-57. LIU Fang, YANG Xiu, HUANG Haitao, et al. Energy comprehensive optimization of micro-grid including CHP with thermoelectric decoupling operation mode [J]. Proceedings of the CSU-EPSA, 2016, 28(1): 51-57.

[24] WANG J, SUI J, JIN H. An improved operation strategy of combined cooling heating and power system following electrical load[J]. Energy, 2015, 85(6): 654-666.

[25] ZHENG C Y, WU J Y, ZHAI X Q, et al. A novel thermal storage strategy for CCHP system based on energy demands and state of storage tank[J]. International Journal of Electrical Power & Energy Systems, 2017, 85(2): 117-129.

[26] WEI D, CHEN A, SUN B, et al. Multi-objective optimal operation and energy coupling analysis of combined cooling and heating system[J]. Energy, 2016, 98(3): 296-307.

[27] LI M, MU H, LI N, et al. Optimal design and operation strategy for integrated evaluation of CCHP (combined cooling heating and power) system[J]. Energy, 2016, 99(3): 202-220.

[28] ROMAN K K, ALVEY J B. Selection of prime mover for combined cooling, heating, and power systems based on energy savings, life cycle analysis and environmental consideration[J]. Energy and Buildings, 2016, 110(1): 170-181.

[29] KANG S, LI H, LIU L, et al. Evaluation of a novel coupling system for various load conditions under different operating strategies[J]. Energy Conversion and Management, 2016, 109(2): 40-50.

[30] KANG L, YANG J, DENG S, et al. Energy, economical, environmental evaluation of a CCHP-Gshp system based on carbon tax and electric feed in tariff[J]. Energy Procedia, 2016, 88(1): 510-517.

[31] 周任军, 李绍金, 陈瑞先, 等. 采用模糊自修正粒子群算法的碳排放权交易冷热电多目标调度[J]. 中国电机工程学报, 2014, 34(34): 6119-6126. ZHOU Renjun, LI Shaojin, CHEN Ruixian, et al. Combined cool and heat and power multi-objective scheduling considering carbon emissions trading using algorithm of fuzzy self-correction particle swarm optimization[J]. Proceedings of the CSEE, 2014, 34(34): 6119-6126.

[32] 赵军, 王惠, 康利改, 等. 分布式能源系统最佳策略下碳税与气价敏感性分析[J]. 天津大学学报(自然科学与工程技术版), 2016, 49(2): 151-157. ZHAO Jun, WANG Hui, KANG Ligai, et al. Sensitivity analysis on carbon tax and gas price of distributed energy system under optimal strategy[J]. Journal of Tianjin University(Science and Technology), 2016, 49(2): 151-157.

[33] ZHENG C Y, WU J Y, ZHAI X Q, et al. Impacts of feed-in tariff policies on design and performance of CCHP system in different climate zones[J]. Applied Energy, 2016, 175(8): 168-179.

[34] WANG J J, ZHAI Z Q, JING Y Y, et al. Influence analysis of building types and climate zones on energetic, economic and environmental performances of BCHP systems[J]. Applied Energy, 2011, 88(9): 3097-3112.

[35] 钱虹, 杨明, 陈丹, 等. 分布式能源站三联供系统优化运行策略研究[J]. 热能动力工程, 2016, 31(6): 74-79. QIAN Hong, YANG Ming, CHEN Dan, et al. Optimization strategies for the operation of CCHP system in distributed energy station[J]. Journal of Engineering for Thermal Energy & Power, 2016, 31(6): 74-79.

[36] 刘伟, 古云蛟. 基于线性规划算法的燃气内燃机三联供系统运行策略优化[J]. 上海电气技术, 2016, 9(1): 9-13. LIU Wei, GU Yunjiao. Optimization of operation strategy of gas engine CCHP system based on linear programming algorithm[J]. Shanghai Electric Technology, 2016, 9(1): 9-13.

[37] 孟金英, 李惟毅, 任慧琴, 等. 微燃机冷热电三联供系统运行策略优化分析[J]. 化工进展, 2015, 34(3): 638-646. MENG Jinying, LI Weiyi, REN Huiqing, et al. Operation strategy optimization analysis of CCHP system based on micro gas turbine[J]. Chemical Industry and Engineering Progress, 2015, 34(3): 638-646.

[38] 魏大钧, 张承慧, 孙波. 计及变负荷特性的小型冷热电联供系统经济优化运行研究[J]. 电网技术, 2015, 39(11): 3240-3246. WEI Dajun, ZHANG Chenhui, SUN Bo. Economic optimal operation of micro combined cooling heating and power system considering off-design performance[J]. Power System Technology, 2015, 39(11): 3240-3246.

[39] ZHU Q, LUO X, ZHANG B, et al. Mathematical modelling and optimization of a large-scale combined cooling, heat, and power system that incorporates unit changeover and time-of-use electricity price[J]. Energy Conversion and Management, 2017, 133: 385-398.

[40] WANG J J, XU Z L, JIN H G, et al. Design optimization and analysis of a biomass gasification based CCHP system: A case study in Harbin, China[J]. Renewable Energy, 2014, 71(11): 572-583.

[41] JAVAN S, MOHAMADI V, AHMADI P, et al. Fluid selection optimization of a combined cooling, heating and power (CCHP) system for residential applications[J]. Applied Thermal Engineering, 2016, 96(3): 26-38.

[42] 肖小清, 阚伟民, 杨允, 等. 有蓄能的联供系统超结构优化配置[J]. 中国电机工程学报, 2012, 32(32): 8-14. XIAO Xiaoqing, KAN Weimin, YANG Yun, et al. Superstructure-based optimal planning of cogeneration systems with storage[J]. Proceedings of the CSEE, 2012, 32(32): 8-14.

[43] SANAYE S, KHAKPAAY N. Simultaneous use of MRM (maximum rectangle method) and optimization methods in determining nominal capacity of gas engines in CCHP (combined cooling, heating and power) systems[J]. Energy, 2014, 72(8): 145-158.

[44] EBRAHIMI M, AHOOKHOSH K. Integrated energy-exergy optimization of a novel micro-CCHP cycle based on MGT-ORC and steam ejector refrigerator[J]. Applied Thermal Engineering, 2016, 102(6): 1206-1218.

[45] WANG J J, ZHAI Z Q, JING Y Y, et al. Particle swarm optimization for redundant building cooling heating and power system[J]. Applied Energy, 2010, 87(12): 3668-3679.

[46] WANG J J, JING Y Y, ZHANG C F, et al. Review on multi-criteria decision analysis aid in sustainable energy decision-making[J]. Renewable and Sustainable Energy Reviews, 2009, 13(9): 2263-2278.

[47] WANG J J, ZHAI Z Q, JING Y Y, et al. Sensitivity analysis of optimal model on building cooling heating and power system[J]. Applied Energy, 2011, 88(12): 5143-5152.

[48] WANG H, YIN W, ABDOLLAHI E, et al. Modelling and optimization of CHP based district heating system with renewable energy production and energy storage[J]. Applied Energy, 2015, 159(12): 401-421.

[49] RONG A, LAHDELMA R, LUH P B. Lagrangian relaxation based algorithm fortrigeneration planning with storages[J]. European Journal of Operational Research, 2008, 188(1): 240-257.

[50] BASU M. Artificial immune system for combined heat and power economic dispatch[J]. International Journal of Electrical Power & Energy Systems, 2012, 43(1): 1-5.[51] HAJABDOLLAHI H, GANJEHKAVIRI A, JAAFAR M N M.

Assessment of new operational strategy in optimization of CCHP plant for different climates using evolutionary algorithms[J]. Applied Thermal Engineering, 2015, 75(1): 468-480.

[52] 李立浧, 张勇军, 徐敏. 我国能源系统形态演变及分布式能源发展[J]. 分布式能源, 2017, 2(1): 1-9. LI Licheng, ZHANG Yongjun, XU Min. Morphological evolution of energy system and development of distributed energy in China[J]. Distributed Energy, 2017, 2(1): 1-9

王江江

(编辑 蒋毅恒)

Review of Integrated Design and Optimization of Distributed Combined Cooling Heating and Power System

WANG Jiangjiang, WANG Zhuang, YANG Ying, WU Jing

(School of Energy, Power and Mechanical Engineering, North China Electric Power University, Baoding 071003, Hebei Province, China)

Scientific and reasonable integrated design and optimization is an effective method to improve the performances of distributed combined cooling heating and power (CCHP) system, as well as reduce the costs and greenhouse gas emissions. This paper reviews the current researches on the integrated design and optimization of CCHP system. Based on the output characteristics of heat (cool)-power-ratios in CCHP system and the balance principle of user dynamic load supply and demand, we summarize four typical integrated design methods of CCHP system, analyze and discuss the research progress of CCHP system including four aspects of variables, objective function, solve algorithm and constraint condition during optimization process with combining the operation strategy of CCHP system, and then present the shortcomings and research tendency of the existing system’s design and optimization research, which provides some reference for the integrated design and optimization of CCHP system. The development of multi-energy complementary CCHP systems for sustainable energy development requirements promotes the research on the integration design and optimization of CCHP system.

distributed combined cooling heating and power system; integrated design; operation strategy; optimization

TK 01

A

2096-2185(2017)02-0001-10

10.16513/j.cnki.10-1427/tk.2017.02.001

国家自然科学基金项目(5106054);中央高校基本科研业务费专项资金资助项目(2015MS119)

2017-02-20

王江江(1979—)，男，博士，副教授，研究方向为分布式供能系统与可再生能源应用， wangjj@ncepu.edu.cn；

王 壮(1992—)，男，硕士研究生，研究方向为太阳能空调；

杨 颖(1994—)，女，硕士，研究方向为太阳能与天然气互补冷热电联供系统；

武 静(1992—)，女，硕士研究生，研究方向为生物质分布式供能系统。

Project supported by National Natural Science Foundation of China(5106054), Fundamental Research Funds for the Central Universities(2015MS119)