分布式热电联产系统装机容量及运行策略分析

张 健，徐玉杰，李 斌，陈海生，纪 律，郭 丛

分布式热电联产系统装机容量及运行策略分析

张 健1,2，徐玉杰2，李 斌1，陈海生2，纪 律2，郭 丛2

（1华北电力大学，河北 保定 071003；2中国科学院工程热物理研究所，北京 100190）

分布式热电联产系统是一种临近用户的先进能源系统，系统构型、装机容量和运行策略的选择对系统节能性、环保性和经济性有重要影响。本研究以某办公大楼为对象，根据其全年实时运行数据，分析了其热电负荷特征；同时，为该办公楼构建了分别以微燃机和内燃机为动力单元的两种不同CHP系统构型方案，建立了相应的变工况能量平衡模型。进一步探讨了系统在以热定电与以电定热、变工况运行与额定运行、有储热与无储热、24 h连续运行与早起晚停等不同运行策略下动力机组装机容量对该办公楼经济性、节能性和环保性的影响规律。同时运用多目标评价指标来对系统不同装机容量和运行策略下的收益综合评估，并引入了混沌粒子群优化算法来找到系统最大的综合收益，结果表明，该办公楼应用CHP系统后全年的经济性、节能性和环保性较传统的单一功能模式分别提高了22.85%、17.45%、25.06%。

分布式热电联产系统；负荷特征；系统构型；容量优化；粒子群算法

近年来随着我国经济的快速发展，能源结构的优化、环境问题改善、节能减排以及提高供电安全性已经成为我国能源领域的热点问题[1-2]。

分布式热电联产（combined heating and power，CHP）系统作为一项新型节能减排技术，可同时满足用户热电负荷，系统具有小而灵活的特点，可变换不同构型，同时也易与可再生能源等多种能源耦合，具有较大的发展潜力[3-5]。

然而，用户的冷热电负荷需求属于三维波动，且三者之间无内在联系，而CHP系统的冷热电负荷按一定比例输出，属于一维变化；用户负荷的三维变化与系统一维输出间往往会造成负荷的供需不匹配，导致系统节能性下降[6-10]，因而系统输出和用户需求之间的匹配关系是配置系统的重要参考。根据文献调研，影响匹配关系的主要因素有3个：系统构型（设备选型及装机容量）[12,25]、气候和用户类型[13,26]、运行策略[16,27]。

用户的冷热电负荷需求特征对于系统的节能性、经济性和碳排放有重要的影响。然而，不同类型用户在不同地区则表现出不同的负荷需求特征。其中公共建筑能耗较大，具有较大的节能潜力，CHP系统在该类型建筑中的应用也得到广泛关注。公共建筑的负荷波动性大，随机性强，且不同季节有一定的差异。欧美国家根据用户在不同的气候区域对用户进行了分区，例如美国将用户所在区域分为7个气候区[29]；而我国《民用建筑热工设计规范》中也把我国建筑划分为5个不同的气候区（严寒、寒冷、夏热冬冷、夏热冬暖和温和地区）[13]。其中，ZHANG等[2]以寒冷地区的一座办公楼为案例，通过对该建筑的供电和供热系统进行集成来为电网提供灵活性，最后确定了最优的设备容量和运行方式；因此，寒冷地域用户应用分布式系统的潜力还有待进一步研究。

微燃机和内燃机是分布式系统的两大核心设备，对系统性能起关键作用。JING等[4]研究了微燃机、燃机和燃料电池为动力单元的分布式能源系统在中国不同气候区的经济性、节能性和环保性。MOUSSAWI等[5]对比了微燃机、内燃机、燃机和汽轮机等不同动力设备在分布式能源系统上的应用，并通过案例分析研究了分布式多联产系统的系统 构型。

从系统构型的角度讲，储热系统的引入在缓解系统与用户间负荷不匹配的同时，也可以减小系统装机容量，可以保证系统始终以额定负荷高效运 行[8-11]，总的来说，对系统起到“减容增效，移峰填谷”的效果。而系统设备装机容量的选择则在一定程度上决定节能情况，容量过大则系统偏离额定工况运行，运行效率低，过小则需通过补燃措施补足。因此，合理的选择系统装机容量大小，对系统性能的提升起到至关重要作用。任洪波等[6]提出了CHP系统相对不同参考系统节能率的理论表达式。BARBIERI等[7]建立了一个带储热装置的CHP系统，评估了储热装置带来的节能性。SMITH等[8]在8种不同类型的公共建筑下配置带储热的CHP系统，结果表明低热电比的公共建筑配置带储热的CHP系统收益较小。VERDA等[10]发现储热装置提高了CHP系统的运行时长，减少了补燃量，提升了系统的节能率。WU等[16]研究发现微型CHP系统在热负荷高于12 kW以后的节能性要高于分产系统。LAI等[18]讨论了带储热装置的联产系统其子系统内部联系和容量选取。金红光等[28]分析了补燃量和各设备性能对分布式联产系统的影响，讨论了蓄能装置对系统变工况性能的改善。

在系统构型一定前提下，系统运行策略决定了系统不同的运行方式，MAGO等[9,16]提出了FEL（以电定热）和FTL（以热定电）两种运行策略，而在这两种运行策略对应不同的用户则系统表现出不同的节能性，因此，两种运行策略的选择间接影响着系统的节能性。

因此，本研究基于某办公楼实际的负荷数据为用户研究对象，建立了适用于办公楼用户的CHP系统的不同构型方案。同时，以年总成本节约率、一次能源节约率和二氧化碳减排量为评价指标，引入多目标评价来计算系统的综合收益，深入研究了系统装机容量的设计方法和系统的运行策略选择。最后，采用混沌粒子群多目标优化算法得到系统综合收益最高点下的系统构型、装机容量和运行策略。

1 用户负荷分析

本研究以美国某办公楼实测的热电负荷为研究对象，如图1所示为2012年全年实测运行的热电负荷数据。根据当地的气候特征，将其负荷分为冬季负荷、夏季负荷和过渡季负荷，其中，冬季为1～4月和12月；夏季为7～9月；过渡季则为5月、6月、10月和11月。可以看出：每月电负荷需求均大于热负荷，且电负荷波动不大，维持在70000～85000 kW·h之间；热负荷受季节性影响很大，冬季由于采暖，热负荷需求最大，而夏季则几乎为零；得益于气候和良好的通风条件，该办公楼几乎没有冷负荷需求。

图1 某大楼2012年逐月热电负荷需求

为方便分析该办公楼的负荷特征，本研究以典型日为例。图2分别给出了不同季节典型日热电负荷逐时变化，由图可知：夏季热负荷几乎为零，冬季和过渡季均有热电负荷需求；3个季度电负荷需求大小稳定，用电高峰期维持在190 kW左右，热负荷变化较大，冬季尖峰热负荷达到334 kW，过渡季尖峰热负荷214 kW；热电负荷有明显的昼夜峰谷现象，3个季节用电高峰期均分布在8:00～19:00之间，而热负荷则具有较大差异，冬季和过渡季热负荷需求高峰期为7:00～18:00之间，7:00达到尖峰负荷；热电高峰负荷出现和消失存在时间位差，由于存在提前暖房等措施，热负荷高峰期往往早于电负荷。

图2 不同季节典型日热电负荷变化

2 热电联产系统描述及模型建立

2.1 系统流程简图

该办公楼负荷主要为电和热，因此所配置的CHP系统主要由发电单元和制热单元组成。图3为分别基于微燃机（micro-turbine，MT）和内燃机（internal-combustion engine，ICE）的分布式供能系统流程图、能流图和热流图，其中图3(a-1)和3(b-1)为流程简图，图3(a-2)和图3(b-2)为能流图，图3(a-3)和图3(b-3)为热流图。系统主要包括动力单元（微燃机和内燃机）和余热回收单元（余热锅炉、补燃锅炉和储热罐）两部分组成。动力单元发电提供给办公楼，不足的电力由电网弥补；排气余热通过余热锅炉回收，并进行供热；当机组供热量大于热需求时，多余的热储存于储热罐，当机组供热量不足时，储热罐释热与机组一同供热；如果储热罐与机组供热仍不足，不足部分由补燃补足。

2.2 关键部件建模

采用文献[20]提出的微燃机变工况模型，微燃机部分负荷时的发电效率与设计效率有关，具体模型如式(1)所示

采用文献[22,24]提出的内燃机模型，通过式(2)～(4)的建模可以得到微燃机在选定容量后的变工况性能，其中不同容量下内燃机的设计发电效率ICE-e0和实设计余热回收效率ICE-h0的计算公式如式(3)和式(4)所示，具体模型如下文所述。

（4）

对补燃锅炉：

对储热罐，当余热回收量（rec）大于热负荷需求（req）时，此时为储热过程，即在原有储热（storage-old）的基础上增加储热量，因此，新时刻的储热量（storage-new）如式(6)所示。

当rec (req−rec)，则新时刻储热量由式(7)表示

若storage-old<(req−rec),则storage-new=0，补燃锅炉补足的供热量即为补燃量（boiler）。补燃量可由式(8)来表示

微燃机和内燃机的储热罐储释热过程如图3(a)、3(b)所示。其中内燃机相比微燃机而言，余热利用部分除了有尾气余热回收量（rec）外，还多了缸套水供热量（jw）。

微燃机：设计效率MT0=33%[20]，余热回收前的损失率=5%，MT0为微燃机额定功率，MT为微燃机实际功率，MT为发电效率，为实际功率与额定功率的比值。MT为微燃机消耗的燃料量，kW；下标0表示设计值。

内燃机：ICE0表示内燃机额定功率，ICE表示内燃机实际功率，ICE-e表示发电效率，ICE-h表示余热回收效率，ICE表示内燃机消耗的燃料量，kW。

余热回收单元：热交换器效率rec=80%，补燃锅炉效率boiler=90%。boiler表示补燃锅炉消耗的燃料量，kW。

2.3 系统评价指标

本文对CHP系统性能综合评价从经济性（annual total cost saving，ATCS）、节能性（primary energy saving，PES）和环保性（CO2emission reduction，CO2ER）三个方面入手。为了更方便地评价分布式热电联产系统的性能，本文将传统单一供能模式定义为参考系统，即办公楼电负荷来自外购电，由补燃锅炉供热。

（1）年总成本节约率 ATCS 年总成本（annual total cost，ATC）是一种动态的评价方法，是指把不同时间内资金的流入和流出换算成同一时间内资金的价值。包括设备折旧费（annual capital cost，ACC）和年运行能量费用（annual energy cost，AEC），即

设备折旧费把总的设备投资成本在系统使用寿命年限内各年均摊。可表示为

式中，N为第个设备的额定功率，kW；C为第个设备的单位折旧费用，元/kW，其中微燃机（包括热回收系统）、内燃机（包括热回收系统）、储热罐、热交换器、补燃锅炉的单位折旧费分别取值6800元/kW、4800元/kW、230元/kW、200元/kW、300元/kW[13,15]。折现率=8%，设备寿命年限=20[13,15]。

系统的年运行能量费用（annual energy cost，AEC）包括整个系统消耗的燃料费用以及外购电费用。可表示为

式中，表示三个季节，夏季、冬季和过渡季；T表示系统在该季节的运行天数；外购电价e在6:00～21:00为0.964元/(kW·h)，在22:00～5:00为0.435元/(kW·h)，天然气价f=0.194元/(kW·h)[13,15]。

年总成本节约率ATCS由参考系统的年总成本ATCref与CHP系统的年总成本ATC表示，即

（2）一次能源节约率PES

一次能源消耗量（primary energy consumption，PEC）将电量和燃料量统一折算成的一次能源。参考系统的一次能源消耗量PECref，CHP系统的一次能源消耗量PEC以及PES可表示为

式中，电量折算系数PEC,e=3.546，燃料量折算系数PEC,f=1.092[8,11]。

（3）二氧化碳减排量CO2ER

将CO2排放量（CO2emission，CO2E）作为环保性评价指标。参考系统的CO2排放量CO2Eref，CHP系统的CO2排放量CO2E以及CO2ER可表示为

式中，单位外购电消耗的CO2排放量e=768.9 g/(kW·h)，单位天然气消耗的CO2排放量f=199.6 g/(kW·h)[8,11]。

2.4 多目标评价指标

针对CHP系统的评价指标涉及经济、节能和环保等多个方面，基于ATCS、PES和CO2ER等多个评价指标相互结合的多目标评价指标（multi-objective evaluation index，MEI）可表示为[21]

式中，、、表示ATCS、PES和CO2ER等评价指标在MEI中的权重系数。权重系数由层次分析法求得。层次分析法将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础上将定性分析和定量分析相结合，分解复杂的系统。WANG等[21]利用层次分析法得到了ATCS、PES和CO2ER在不同运行策略下的权重系数，在以电定热的运行策略下，ATCS、PES和CO2ER等评价指标在MEI中的权重系数可取0.362、0.321、0.317；在以热定电的运行策略下，ATCS、PES和CO2ER等评价指标在MEI中的权重系数可取0.382、0.309、0.309[21]。

3 系统性能分析

CHP系统最典型的运行策略有两种：以热定电（following the electric load，FEL）和以电定热（following the thermal load，FTL）。同时，针对于本研究的办公楼负荷特征系统也有两种停开机状态，即24 h连续运行和早起晚停（7:00～19:00）。因此，本节将分析系统在不同装机容量下两种运行策略和停开机状态对系统的影响规律；同时也将对比分析储热系统对系统的贡献；最后，运用混沌粒子群优化方法对系统进行了优化分析。

3.1 不同装机容量对系统性能影响规律

本研究基于用户的负荷特征，对峰谷负荷进行划分[17]：将负荷平均值ave以上的负荷定为峰负荷，反之为谷负荷。本研究根据冬季典型日的负荷特征，选取5个典型负荷作为装机容量进行计算，例如以电定热时选最大电负荷max，电峰负荷平均值ave，75%电峰负荷平均值0.75ave，50%电峰负荷平均值0.5ave，25%电峰负荷平均值0.25ave。如图4所示。

系统在以电定热的运行策略下，不同装机容量不同停开机状态及有无储热设备时的经济性（ATCS）、节能性（PES）和环保性（CO2ER）分别如图5所示，其中储变、储定、无储变分别是有储热装置变工况运行、有储热装置额定工况运行、无储热装置变工况运行的简写。可以看出在不同停开机状态下系统ATCS、PES和CO2ER均具有极大值，即存在最优装机容量，但其系统各项性能变化有所差异。对比系统两种停开机状态，从整体上可以看出系统在最优装机容量下24 h连续运行性能优于早起晚停（7:00～18:00运行）。这是由于连续运行较早起晚停避免系统晚间购电的同时，也可将夜间多余的热量通过储热设备迁移到白天使用，能量得到合理调度，系统整体性能较好。而对于系统不同的构型及调控策略，可以看出配有储热设备的系统在变工况调控状态下各项收益最高。究其原因，相较传统加储热后系统以额定工况运行方式，随着用户的电负荷需求进行变工况运行，减少购电量或多余电产生的同时，也能最大限度避免多余热量的产生。对比内燃机和燃机两种不同的动力设备，其运行方式和系统构型对系统性能表现出相同的变化规律，但燃机在节能性和碳排放当面优于内燃机。

图4 负荷划分及典型负荷的选取

图6 不同容量下储热对系统性能的影响

与此同时，图6为综合考虑系统的ATCS、PES和CO2ER的MEI指标。可以看出，系统配有储热装置后的MEI值要高于无储热设备，且连续运行优于早起晚停，这与上文原因分析一致。因此，对于本文所分析的办公楼，系统建议采取以燃机为主要的动力设备，且配备储热设备后以24 h连续运行变工况的调控方式其收益最高。

3.2 不同运行策略对系统性能影响规律

与此同时，系统不同的运行策略对动力单元最优容量的选择也具有重要影响。图7为系统采取储变以电定热和无储以热定电两种运行策略下动力单元最优装机容量变化趋势。从图中可以看出，微燃机早起晚停时在以电定热模式下的最优MEI要高于以热定电，同时也高于内燃机；连续运行也表现出相同的变化趋势。因此，系统加储热时建议采取以电定热的运行策略。

图7 不同方式下系统性能随装机容量的变化

3.3 混沌粒子群优化模型

粒子群优化算法不同于遗传算法等优化算法，它通过种群间的信息共享来完成寻优。相比遗传算法，没有交叉和变异操作，粒子通过内部速度来更新，调整参数少，优化速度快，容易实现。缺点是容易陷入局部最优。而混沌粒子群优化算法改善了粒子陷入局部最优的情况，提高了算法的收敛速度和精度。因此，为得到各个停开机状态下动力机组的最优装机容量。引入混沌粒子群优化方法来寻求系统最优装机容量。具体优化模型如下：设粒子的飞行速度和位置分别为v=(v,1,v,2, …,v,n)和x=(x,1,x,2, …,x,n)，粒子和种群的历史最优位置分别为p=(p,1,p,2, …,p,n)和g=(g,1,g,2, …,g,n)，在第次迭代过程中，粒子位置和速度更新方式为

式中，1、2为加速系数；为惯性权重，1和2是[0,1]的随机数。

对粒子群的历史最优解进行混沌处理。研究采用了混沌系统Logistic方程

式中，为控制参量。由任意初值0∈[0,1]，可迭代出一个确定的时间序列1,2,3,…。

利用混沌粒子群算法建立CHP系统的MEI模型，约束条件为设备容量，建立优化模型如下

表1 FEL运行策略下微燃机最优装机容量以及性能指标

式中，1为CHP系统的MEI，是装机容量，1和1为常数，为时间步长。设初始种群规模为50，最大进化代数为200，加速因子1、2取默认值2，惯性权重取定值0.5。如图8所示。

优化结果见表1。结果表明动力单元选择带储热装置的121 kW的微燃机，以电定热24 h变工况连续运行的运行策略，CHP系统的综合效益最好。此时系统在全年的经济性、节能性和环保性较传统的单一供能模式（参考系统）分别提高22.85%、17.45%、25.06%。

4 结 论

（1）本文构建了以微燃机和内燃机为动力单元的两种不同CHP系统构型方案，同时建立了相应的变工况能量平衡模型；

（2）基于某办公楼实际的热电负荷数据，分析了两种构型方案下的装机容量和运行策略对节能性、环保性和经济性的影响规律。研究结果表明，对于冷负荷需求较少的用户，系统动力单元选择微燃机要优于内燃机，以电定热运行策略要优于以热定电；因此，对于本文所分析的办公楼，系统建议采取以微燃机为主要的动力设备，且配备储热设备后以24 h连续运行变工况的调控方式其收益最高。

（3）引入混沌粒子群多目标优化算法，得到该办公楼的24 h连续运行状态下最佳装机容量为121 kW，最优运行策略为FEL。该办公楼应用CHP系统后全年的经济性、节能性和环保性较传统的单一供能模式了分别提高22.85%，17.45%和25.06%。

[1] 国家能源局. 国家能源局召开《能源发展“十三五”规划》及《可再生能源发展“十三五”规划》新闻发布会[J]. 电器与能效管理技术, 2017(1): 74-75.

National Energy Board. National Energy Board held the "Energy Development" thirteenth five years "planning" and "renewable energy development" thirteen five "planning" press conference[J]. Electrical and Energy Efficiency Management Technology, 2017(1): 74-75.

[2] ZHANG Y, CAMPANA P E, YANG Y, et al. Energy flexibility from the consumer: Integrating local electricity and heat supplies in a building[J]. Applied Energy, 2018, 223: 430-442.

[3] 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 H G, SUI J, XU C, et al. Research on theory and method of mutienergy complementary distributed CCHP system[J]. Proceedings of the CSEE, 2016, 36(12): 3150-3160.

[4] JING R, WANG M, BRANDON N, et al. Multi-criteria evaluation of solid oxide fuel cell based combined cooling heating and power (SOFC-CCHP) applications for public buildings in China[J]. Energy, 2017, 141: 273-289.

[5] MOUSSAWI H A, FARDOUN F, LOUAHLIA H. Selection based on differences between cogeneration and trigeneration in various prime mover technologies[J]. Renewable & Sustainable Energy Reviews, 2017, 74: 491-511.

[6] 任洪波, 吴琼, 任建兴. 基于需求侧视角的天然气分布式热电联产系统节能效益研究[J]. 中国电机工程学报, 2015, 35(17): 4430-4438. REN H B, WU Q, REN J X, et al. Energy performance assessment of combined heat and power system based on demand-side viewpoint[J]. Proceedings of the CSEE, 2015, 35(17): 4430-4438.

[7] BARBIERI E S, MELINO F, MORINI M. Influence of the thermal energy storage on the profitability of micro-CHP systems for residential building applications[J]. Applied Energy, 2012, 97(9): 714-722.

[8] SMITH A D, MAGO P J, FUMO N. Benefits of thermal energy storage option combined with CHP system for different commercial building types[J]. Sustainable Energy Technologies & Assessments, 2013, 1: 3-12.

[9] MAGO P J, CHAMRA L M, RAMSAY J. Micro-combined cooling, heating and power systems hybrid electric-thermal load following operation[J]. Applied Thermal Engineering, 2010, 30(8): 800-806.

[10] VERDA V, COLELLA F. Primary energy savings through thermal storage in district heating networks[J]. Energy, 2011, 36(7): 4278-4286.

[11] CHO H, MAGO P J, LUCK R, et al. Evaluation of CCHP systems performance based on operational cost, primary energy consumption, and carbon dioxide emission by utilizing an optimal operation scheme[J]. Applied Energy, 2009, 86(12): 2540-2549.

[12] JIANG X Z, ZENG G, LI M, et al. Evaluation of combined cooling, heating and power (CCHP) systems with energy storage units at different locations[J]. Applied Thermal Engineering, 2016, 95: 204-210

[13] WANG J J, ZHAI Z, JING 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

[14] 蒋润花, 曾蓉, 李洪强, 等. 考虑气候条件及建筑类型等因素的分布式冷热电三联产系统的多目标优化及评估[J]. 中国电机工程学报, 2016, 36(12): 3206-3213.

JIANG R H, ZENG R, LI H Q, et al. Multi-objective optimization and evaluation of distributed CCHP system considering influence of climate condition and building type[J]. Proceedings of the CSEE, 2016, 36(12): 3206-3213.

[15] WANG J J, LI M, REN F K, et al. Modified exergoeconomic analysis method based on energy level with reliability consideration: Cost allocations in a biomass trigeneration system[J]. Renewable Energy, 2018, 123: 104-116.

[16] WU J Y, WANG J L, LI S. Multi-objective optimal operation strategy study of micro-CCHP system[J]. Energy, 2012, 48(1): 472-483.

[17] FENG L J, JIANG X Z, CHEN J, et al. Time-based category of combined cooling, heating and power (CCHP) users and energy matching regimes[J]. Applied Thermal Engineering, 2017, 127: 266-274.

[18] LAI S M, HUI C W. Integration of trigeneration system and thermal storage under demand uncertainties[J]. Applied Energy, 2010, 87(9): 2868-2880.

[19] WIDMANN C, LÖDIGE D, TORADMAL A, et al. Enabeling CHP units for electricity production on demand by smart management of the thermal energy storage[J]. Applied Thermal Engineering, 2016, 114: 1487-1497.

[20] TICHI S G, ARDEHALI M M, NAZARI M E. Examination of energy price policies in Iran for optimal configuration of CHP and CCHP systems based on particle swarm optimization algorithm[J]. Energy Policy, 2010, 38(10): 6240-6250.

[21] WANG J J, ZHANG C F, JING Y Y. Multi-criteria analysis of combined cooling, heating and power systems in different climate zones in China[J]. Applied Energy, 2010, 87(4): 1247-1259.

[22] WANG J L, WU J Y, ZHENG C Y. Analysis of tri-generation system in combined cooling and heating mode[J]. Energy & Buildings, 2014, 72(2): 353-360.

[23] Capstone Turbine Corporation. C200 high pressure NATGAS product literature[EB/OL]. [2010-02-16]. http://www.capstoneturbine.com/products/ C2005.

[24] WU Q, REN H B, GAO W J, et al. Multi-criteria assessment of building combined heat and power systems located in different climate zones: Japan-China comparison[J]. Energy, 2016, 103: 502-512.

[25] KANG L G, YANG J H, AN Q S, et al. Complementary configuration and performance comparison of CCHP-ORC system with a ground source heat pump under three energy management modes[J]. Energy Conversion & Management, 2017, 135: 244-255.

[26] WANG J J, MAO T, SUI J, et al. Modeling and performance analysis of CCHP (combined cooling, heating and power) system based on co-firing of natural gas and biomass gasification gas[J]. Energy, 2015, 93: 801-815.

[27] WANG Z F, HAN W, ZHANG N, et al. Proposal and assessment of a new CCHP system integrating gas turbine and heat-driven cooling/power cogeneration[J]. Energy Conversion & Management, 2017, 144: 1-9.

[28] 冯志兵, 金红光. 冷热电联产系统节能特性分析[J]. 工程热物理学报, 2006, 27(4): 541-544. FENG Z B, JIN H G. Performance assessment of combined cooling, heating and power[J]. Journal of Engineering Thermophysics, 2006, 27(4): 541-544.

[29] YANG G, ZHENG C Y, ZHAI X Q. Influence analysis of building energy demands on the optimal design and performance of CCHP system by using statistical analysis[J]. Energy & Buildings, 2017, 153: 297-316.

Analysis of installed capacity and operation strategy for distributed combined heating and power systems

1,2,2,1,2,2,2

(1North China Electric Power University, Baoding 071003, Hebei, China;2Institute of Engineering Thermophysics, Chinese Academy of Sciences, Beijing 100190, China)

A distributed combined heating and power (CHP) system is an advanced energy system which is close to end users. The selection of system configuration, capacity and operation strategy has an important impact on energy saving, environmental protection and economics of the system. This research took a building as an example and analyzed the characteristics of the thermal and electric loads using real time data. At the same time, two different configurations were constructed for the CHP system using respectively a micro-turbine and an internal-combustion engine as the power source, and corresponding variable-condition energy balance models were established. Furthermore, the influence of the power unit capacity on the economics, energy saving and environmental protection of the office building was discussed under different operation strategies, such as Following Thermal Load and Following Electric Load, operating under varying operating conditions and rated operation, with and without heat storage, 24-hour continuous operation and early rising and late stopping. Meanwhile, a multi-objective evaluation index was used to evaluate the benefits of the system under different installed capacities and operation strategies, and a chaotic particle swarm optimization algorithm was introduced to find the maximum comprehensive benefits of the system. The results showed that the economic, energy-saving and environmental protection performance of the office building with the CHP system was better than the traditional single function model, and the enhancements were 22.85%, 17.45% and 25.06%, respectively.

distributed combined heating and power system; load character; configuration scheme; capacity optimization; particle swarm optimization algorithm

10.12028/j.issn.2095-4239.2018.0190

TM 611

A

2095-4239（2019）01-083-09

2018-09-13；

2018-10-18。

国家重点研发计划项目（2017YFB0903602），中国科学院洁净能源先导科技专项项目（XDA21070200），中国科学院前沿科学重点研究项目（QYZDB-SSW-JSC023），中国科学院国际合作局国际伙伴计划项目（182211KYSB20170029）。

张健（1990—），男，工学硕士，主要研究方向为分布式热电联产系统的仿真与优化。E-mail：jzhang211@163.com。

李斌，副教授，主要从事电站系统及分布式系统的研究工作，E-mail：libin@ncepu.edu.cn。