工业园区分布式综合能源系统的规划与调度

薛凯，王帅，马金鹏，胡晓阳，种道彤，王进仕，严俊杰

（西安交通大学动力工程多相流国家重点实验室，陕西 西安 710049）

为应对环境污染与气候变化，构建清洁低碳、安全高效的能源体系迫在眉睫[1]。天然气已在供热领域得到广泛应用，在能源结构调整中扮演重要角色。与传统能源供应方式相比，分布式综合能源系统具有清洁高效、多输入多输出、靠近用户等特点，通过多种能源互补利用，促进节能减排与碳中和目标的实现[2-3]。能量就地生产与消纳，能减少能源网络的建设与运营成本，提高能源利用效率[4]。

工业园区能耗集中、负荷多样且规律明显，供能设备与运行策略的选取决定了能量的分配及系统的运行成本与排放水平，其关键是保证能源供应稳定可靠的条件下使经济性与环保性最佳。由于日内负荷与光伏出力均不断波动，合理的容量规划与调度能充分发挥系统灵活调节的能力，提升可再生能源消纳和运行经济性[5]。罗艳玲等[6]采用列队竞争算法优化了某工业区的设备容量，验证了优化后的系统在经济性上的优越性。黄宗宏等[7]采用改进遗传算法分析了以内燃机和燃气锅炉为主体电源的工业园区经济调度，以发电成本最小为优化目标。潘华等[8]采用布谷鸟搜索算法对具有确定装机规模的含风机、光伏、燃气轮机、锂电池的虚拟电厂进行日前经济调度，发现分时电价相比于固定电价能降低成本，提高收益。贺庆等[9]通过ε-约束法对搭配3 种制冷设备的燃气蒸汽联合循环进行调度优化，使得系统经济性和能效性相比于常规的顺序启停模式有明显提升。陈厚合等[10]以工业园区运行成本最小为目标，在不多配置储能设备的前提下优化调度，降低上网购电量和运行成本。可见，目前对园区分布式综合能源系统的规划与调度多为单一目标，在多目标的研究案例中也主要以经济性和环保性为优化目标，很少考虑到与主网交互的稳定性。

光伏发电是目前极受青睐的能源利用形式，屋顶光伏系统与集中式光伏相比具有更低的安装成本，能通过自发自用和需求响应实现有效消纳[11]。此外，地源热泵是性能系数高、应用成熟的电热泵技术之一[12]，通过输入少量电能将陆地浅层低品位热能向高品位热能转移。本文考虑可再生资源禀赋与冷、热、电、蒸汽多负荷需求，因地制宜地提出了应用于工业园区的耦合光伏、地源热泵、天然气内燃机、电池的分布式综合能源系统，基于负荷需求特性，考虑分时电价和分季节气价，进行容量规划与日前调度，综合考虑各能量转换设备间的能源耦合与运行约束，提高可再生能源利用率的同时，通过天然气内燃机和储能来补充供能与平抑波动，保证能源供应的可靠性，以期为园区能源系统的规划调度提供理论指导。

1 分布式综合能源系统设计

1.1 系统结构

工业园区分布式综合能源系统由各能量生产、转化与存储元件、能量传输网络和各类负荷构成，主要设备包括天然气内燃机、余热锅炉、太阳能光伏、地源热泵、吸收式制冷机、换热器、锂离子电池等，与公共电网和天然气网连接，如图1 所示。输入能量包括太阳能、地热能、天然气和公共电网的电能，共同满足工业园区的电、热、冷、蒸汽需求。园区电力来源分为4个部分：光伏发电、内燃机发电、电池放电和上网购电。内燃机余热包括排气和缸套冷却水的热量，温度在400℃以上，热负荷由地源热泵和内燃机余热共同满足，冷量由地源热泵与吸收式制冷机联合供应。

图1 工业园区分布式综合能源系统能流图

1.2 设备模型

（1）天然气内燃机天然气内燃机技术成熟、发电效率高、启动快、设备集成度高、单位成本低，相比于燃气轮机，其部分负荷工况下运行性能更好，出力衰减受环境影响更小，在负荷波动频繁的多联供系统中应用广泛[13]。i时刻的负载率（βGE,i）、实时发电效率（ηGE,i）、消耗天然气能量（VGE,i，MW）、余热功率（QGE,i，MW）可用式(1)～式(4)计算[14]。

式中，PGE,i为内燃机i时刻的发电功率，MW；NGE为内燃机单机额定功率，MW；ηGE,R为内燃机额定发电效率；λGE为热电比。

（2）余热锅炉 余热锅炉用于回收内燃机余热，其i时刻的回收热功率（QWHB,i，MW）可表示为式(5)。

式中，ηWHB为余热锅炉的热效率。

（3）光伏 光伏出力受太阳辐射的影响，可通过式(6)来计算[15]。

式中，PPV,i为光伏组件在i时刻的输出功率，MW；IPV,i是水平面太阳能总辐照量，W/m2；NPV是光伏组件安装容量，MW；IPV,s是标准条件下的辐照度，W/m2；KPV是综合效率系数，包括光伏阵列效率、逆变器转化效率、交流并网效率等。

（4）地源热泵 电能驱动地源热泵利用地热能为用户供暖与制冷，i时刻供热功率（HGP,i，MW）与制冷功率（CGP,i，MW）分别可用式(7)和式(8)计算[16]。

式中，PGP,i为地源热泵i时刻消耗的电功率，MW；λGP,H和λGP,C分别是制热和制冷的性能系数。

（5）锂离子电池 储电设备常被用于降低可再生能源输出的波动性，有利于系统稳定运行。发电充足时可将盈余电量储存，依电力供应情况适时放电以满足园区电负荷需求。锂离子电池因能量密度高、运行稳定等特点，常被用于综合能源系统中，其i时刻的储电量（EES,i，MWh）可由式(9)计算得到[17]。

（6）吸收式制冷机 吸收式制冷机的制冷剂采用溴化锂水溶液，i时刻的制冷功率（CAC,i，MW）与其性能系数（λAC）有关，用式(10)计算。

式中，QAC,i为吸收式制冷机i时刻消耗的热功率，MW。

（7）换热器 换热器i时刻的供热功率（HHE,i，MW）与其消耗热功率（QHE,i，MW）有关，用式(11)计算。

式中，ηHE是换热器的换热效率。

2 优化模型

2.1 优化方法

分布式综合能源系统是具有多设备、多变量、多目标的复杂能源系统，本文采用遗传算法和二代非支配排序遗传算法分别对单目标和多目标优化进行求解，二者都有选择、交叉、变异等操作，通过种群进化更新产生全局最优解。调度优化模型考虑了经济性、环保性和与主网交互的稳定性3 个方面，以1h 为时间步长，一天可分为24 个决策阶段。多目标优化时对各评价指标均分权重，采用基于欧几里得距离的LINMAP方法获取最优点。具体求解过程如图2所示。

图2 求解过程示意图

（1）确定基本输入参数，包括负荷需求、气象和技术经济数据、种群设置等，根据指定的操作策略，给出设备模型和约束条件，构建适应度函数。

（2）种群初始化，获得每个粒子的适应度，找到该代的精英粒子，计算相应性能指标和目标函数，通过进化形成新的种群，满足终止条件或达到迭代次数上限时停止迭代。

（3）单目标优化通过遗传算法输出全局最优解；多目标优化通过二代非支配排序遗传算法得到帕累托解集，以各目标最优值组成虚拟的理想点，将帕累托解集中距离理想点最近的点确定为最优点。

2.2 评价指标

（1）费用年值 费用年值[Wac，万元（本文价格均以人民币计算）]被定义为年化投资成本、年运行成本和年维护成本之和减去年化补贴，常被用于衡量系统的经济性，如式(12)。

式中，Winv为年化投资成本，万元；Wope为年运行成本，万元；Wmai为年维护成本，万元；Wsub为光伏发电年化补贴，万元。具体计算如式(13)～式(16)。

式中，i0为年利率；y为设备寿命，年；un和分别是设备n的单位成本和单位维护成本，CNY/MW；Nn是设备n的容量，MW；Egrid,i是i时刻购入的电量，MWh；ugrid,i是上网购电的分时电价，CNY/MWh；Fng,i为i时刻的天然气消耗量，m3；ung,i是天然气的分季节气价，CNY/m3；EPV是太阳能光伏年总发电量，MWh；usPV是光伏发电单位补贴，CNY/MWh；ysub是光伏发电补贴年限，年。

（2）二氧化碳排放量 综合能源系统的CO2排放量（D，万吨）是天然气燃烧释放CO2与购电对应的CO2之和[18]，前者采用元素分析法，后者使用排放因子法进行计算，如式(17)～式(19)。

式中，Dng,i是i时刻天然气燃烧的CO2排放量，万吨；Dgrid,i是电网购电的CO2排放量，万吨；ωC是天然气收到基碳元素含量，t/104m3，可用式(20)计算；Ong是天然气的碳氧化率；θgrid是电网排放因子，t/MWh。

式中，Lng是天然气收到基低位发热量，GJ/104m3；αng是天然气单位热值含碳量，t/GJ。

（3）年均购电波动 年均购电波动（Z，kWh/h）被用于表征并网型分布式能源系统与主网交互的稳定性，可通过式(21)计算。该值越小，系统从电网购电量变化越平缓，电网所受影响越小，供电可靠性越高[19]。

2.3 决策变量

在系统设备容量规划过程中，根据费用年值、二氧化碳排放量和年均购电波动最小化的目标，设定决策变量计算如式(22)。

式中，NGP是地源热泵额定容量，MW；NES是电池安装容量，MW。

2.4 约束条件

根据热力学定律与设备特性，优化过程的约束主要包括能量平衡约束、设备与运行约束。电、热、冷、蒸汽负荷均需保持供需平衡，如式(23)～式(26)。

式中，Pu,i、Hu,i、Cu,i和Su,i分别是工业园区i时刻的电负荷、热负荷、冷负荷与蒸汽负荷，MW；SWHB,i是i时刻余热锅炉供应的蒸汽能量，MW。

此外，内燃机和地源热泵的运行功率均不小于其额定功率的10%，如式(27)、式(28)所示[13,20]。

荷电状态（γi）为电池实时剩余电量与标称容量之比。为避免过充过放对电池的影响，延长使用寿命，所储电量需保持在一定范围，且充放电功率不能超过其额定功率，如式(29)～式(31)。

3 案例分析

3.1 边界条件

本文以西安市某工业园区为例，电负荷以典型日运行负荷曲线循环，蒸汽需求为4.5t/h，全年逐时冷热负荷根据生产实际模拟获得，如图3 所示。供热期为每年的11 月15 日—次年3 月15 日，最大热负荷出现在1 月12 日10 点，为2693.62kW；供冷期为每年的5月15日—9月15日，最大冷负荷出现在8 月1 日13 点，为5153.55kW。相比于热负荷而言，冷负荷波动更为明显。由于该园区对温度控制较为严苛，冷热负荷需完全由园区分布式能源系统来满足，因此采用以热定电的运行策略。

图3 工业园区全年冷热负荷

西安市工商业用户采用分时电价原则进行电能交易，分为一般工商业用电和大工业用电两种，本工业园区属于后者。根据执行要求，110kV电压等级各时段及对应电价如表1 所示。其中，夏季的7月、8月和冬季的1月、12月各有2h为尖峰时段。

表1 110 kV大工业用电分时电价

工业园区天然气执行季节性价差，11月1日—次年3 月31 日的天然气单价为2.67CNY/m3，4 月1日—10月31日为2.23CNY/m3。通过市场询价与文献调研，各设备的主要性能及经济参数如表2所示。

表2 设备性能及经济参数[13,17,20,21]

3.2 容量规划结果

分别以费用年值最小、CO2排放量最少、年均购电波动最小3个指标与综合指标最优为目标，通过混合整数规划对系统设备进行容量配置，分别记为S1、S2、S3 和S4。根据建筑屋顶的可利用面积限制，光伏安装上限为24MW，按照10%的光伏装机容量为最低要求来配套储能设施，储能配置时间2h。4种目标规划下的容量配置与评价指标结果如表3所示。综合目标规划中的帕累托解集如图4所示，解集被分成了不连续的3段，这是由于内燃机数量的寻优为整数规划，3段解集从上到下分别对应内燃机数量为3台、4台、5台，经LINMAP法寻优得到的最优点位于内燃机为5台的解集内。

表3 容量配置与评价指标结果

图4 综合目标优化帕累托解集

由以上计算结果可知，以费用年值最小为目标时的光伏容量达上限值，冷热负荷均由地源热泵提供，因此吸收式制冷机和换热器的容量均为0，余热锅炉所需容量相对较小，2MW 的内燃机需要3台，储能容量为此时的光伏装机容量下的最低要求。以CO2排放量最少和以年均购电波动最小为单目标的优化结果相同，这是因为在当前的约束条件下二者优化方向均为减少上网购电量。此时光伏仍为上限值24MW，内燃机为5 台，由于此时内燃机余热量大，供热与制冷均利用余热，所以地源热泵为0，余热锅炉、吸收式制冷机、换热器的容量均相应增加，储电容量达上限32MWh。此时的最佳配置方案与费用年值单目标优化相比，CO2排放量减少0.26 万吨，年均购电波动降低198.49kWh/h，费用年值增加329.62万元。三目标综合优化下的容量配置更接近于后者，仅储能容量较小，这与兼顾经济性有关，此时费用年值为5116.51 万元，CO2排放量为3.57万吨，年均购电波动933.19kWh/h。

3.3 典型日调度

分布式综合能源系统的运行调度是指在对常规负荷与可再生能源出力进行预测的基础上，考虑电网购电的分时电价，辅以储能调控手段，使系统运行的综合性能最优。为直观反映该分布式能源系统的实际运行效果，以综合目标下的最优配置容量为设计方案，分别选取1月15日和7月15日为供热季与供冷季的典型日来分析一天24h 内的运行情况，其热负荷与冷负荷完全由吸收式制冷机与换热器来供应，如图5所示，横轴上方与下方分别表示供热季典型日热负荷与供冷季典型日冷负荷的供需匹配情况。

图5 典型日冷热负荷调度

典型日电负荷调度结果如图6所示，受太阳辐射条件的影响，2个典型日各时刻投运内燃机数量有所差异。在供热季典型日，太阳能的可利用时间为8:00—18:00，持续10h，最大小时输出功率为6.41MW，全天太阳能发电38.97MWh。2:00—21:00有3台内燃机满负荷运行，其他时间有2台满负荷运行。1:00—7:00 和中午12:00—13:00 有多余电量存储到电池中。9:00—11:00与15:00—24:00间需要上网购电，全天购电量为49.55MWh。供冷季典型日光照条件更佳，太阳能可利用时间高达14h，最大小时输出功率出现在14:00，为12.81MW，全天太阳能发电97.98MWh，为供热季典型日的2.51 倍。全天有2 台内燃机满负荷运行，7:00 与11:00—16:00有多余电量进行存储，全天购电量为34.73MWh，仅为供热季典型日的70.09%。

图6 典型日电负荷调度

两个典型日的电池荷电状态如图7所示，由于辐射强度和投运内燃机数量的不同，二者存在较大差异。供热季典型日时，电池在凌晨用电低谷时充电，于7:00 充满，在上午用电高峰9:00—10:00 放电。12:00—13:00的日照条件较好，电池经短暂充电后放出，之后荷电状态维持0.1 不变。在供冷季典型日，电池在7:00—9:00 间短暂充放电后，于11:00开始充电直至充满，17:00开始放电，达到最小荷电状态限制后保持不变。

图7 典型日电池荷电状态

3.4 年性能分析

通过系统最优容量配置下的运行调度，全年可利用光伏发电22550.81MWh，内燃机发电44746.47MWh，上网购电量共计25150.33MWh，分布式能源系统的用电自给率达到72.80%，冷热自给率均为100%。日内购电的最大峰谷差为10.36MWh，比全从电网购电减少了10.30%，使分布式系统与主网交互更为平稳。在CO2减排方面，分布式能源系统的内燃机和上网购电对应的CO2排放分别为2.11万吨和1.46万吨，相比于全从电网购电时的5.23 万吨而言减少了31.74%。在经济性方面，年最大支出为购气成本，最小支出为维护成本，具体经济性计算结果如表4所示。

表4 多目标优化配置年经济性

3.5 敏感性分析

能源系统的综合性能易受环境、市场等影响，本节对不同光伏容量、电价变化、气价变化3种因素下的储能配置与性能指标进行探讨。

3.5.1 光伏容量对系统性能的影响

根据以上计算可知，在以各单一目标及多目标优化下，光伏的最佳容量均为优化过程的上限值，因此光伏的利用对该系统的经济性、环保性、稳定性都是有益的。为验证这一结论，并得出不同光伏容量下的最佳储能配置，将光伏上限降低为20MW、16MW、12MW、8MW、4MW、0MW 分别进行配置，各场景下光伏的优化结果均达到最大值，其储能配置与各评价指标如图8所示。

图8 光伏容量对系统性能的影响

在光伏的装机容量变化过程中，内燃机保持5台不变，地源热泵、余热锅炉、吸收式制冷机、换热器的容量均不变，锂离子电池的容量分别降为7.15MWh、6.09MWh、5.13MWh、3.79MWh、2.78MWh、1.41MWh、0.70MWh。费用年值、CO2排放量、年均购电波动均随着光伏装机的下降呈现增大趋势。当光伏降为0 时，费用年值为5589.38万元，CO2排放量为4.77 万吨，年均购电波动为1022.24kWh/h，相比于光伏装机24MW时分别增加9.42%、33.61%、9.54%。可见，太阳能光伏的利用对碳减排具有十分重要的意义。

3.5.2 电价对系统性能的影响

分时电价作为重要的经济性参数，其波动通过对运行成本的影响而改变储能配置与各性能指标。以表1中的分时电价为基准，从当前价格分别增减10%与20%，分析购电价格对系统综合目标优化结果的影响，如图9所示。在电价变化过程中，光伏容量与内燃机台数不变，供热与制冷的来源依然是换热器与吸收式制冷机。当电价降低20%时，锂离子电池最佳容量为6.53MWh，此时的费用年值为4791.79 万元，年CO2排放量为3.5776 万吨，年均购电波动为933.90kWh/h。当电价增加20%时，锂离子电池最佳容量为8.90MWh，此时的费用年值为5446.98 万元，年CO2排放量为3.5622 万吨，年均购电波动为930.68kWh/h。可见，随着电价以基准值的80%增至120%，储能容量和费用年值逐渐增大，CO2排放量和年均购电波动逐渐减小，因此经济性变差而环保性和稳定性增强。在电价变化-20%～20%的过程中，3 个评价指标分别变化了13.67%、-0.43%、-0.34%。因此，费用年值对电价的变化最敏感，这是由于随着电价的增长，上网购电对应的年总购电费用增长明显，且电池容量增大了36.29%。

图9 电价对系统性能的影响

3.5.3 气价对系统性能的影响

天然气价格的改变会影响内燃机运行的经济性，从而改变系统的总体性能。以当前气价为基准，分别增减10%与20%，分析其敏感性，如图10 所示。在气价变化过程中，光伏容量与内燃机台数依旧保持不变。当气价降低20%时，锂离子电池最佳容量为6.18MWh，此时的费用年值为4637.55 万元，年CO2排放量为3.5802 万吨，年均购电波动为934.46kWh/h。当气价增加20%时，锂离子电池最佳容量为9.49MWh，此时的费用年值为5607.23 万元，年CO2排放量为3.5587 万吨，年均购电波动为929.76kWh/h。可见，当天然气价格从基准值的80%增至120%时，3 个评价指标分别变化了20.91%、-0.60%、-0.50%。CO2排放量和年均购电波动呈下降趋势，而费用年值对天然气价格的变化最为敏感。这是由于随着气价的增长，购气对应的费用增长明显，且电池容量增大了53.56%。

图10 气价对系统性能的影响

4 结论

本文提出了一种适用于工业园区分布式综合能源系统容量规划与运行调度的模型，以西安市某工业园区为案例，考虑当地资源禀赋与园区负荷特性，实现能量的协同供应。以CO2排放量、费用年值、年均购电波动为评价指标，采用分时电价与分季节气价，通过全时模拟获得各能源设备的最佳配置与运行调度，具有良好的经济与社会效益。主要结论如下。

（1）在当前案例条件下，多目标规划时的光伏装 机 为24MW，内 燃 机5 台，电 池 需 配 置7.15MWh，此时费用年值为5116.51 万元，全年排放CO2约3.57万吨，年均购电波动933.19kWh/h。

（2）通过运行调度，案例园区的年用电自给率可达72.80%，冷热自给率均为100%。日内购电的最大峰谷差为10.36MWh，比全从电网购电减少10.30%，使分布式系统与电网交互更为平稳。内燃机和上网购电对应的CO2排放分别为2.11 万吨、1.46万吨，总排放量比全购电减少31.74%。

（3）通过敏感性分析可知，光伏的利用可显著减少CO2排放，费用年值对电价和天然气价格的变化最为敏感。