太阳能辅助下热电联供热负荷分配方法研究

王琪

摘 要： 随着全球能源需求的不断增长和气候变化的威胁，可持续能源资源的利用变得尤为重要。太阳能作为一种无污染且可再生的能源，已经成为供热和供电的一种有吸引力的选择。旨在研究太阳能辅助下的热电联供热系统，并探讨不同的负荷分配方法，以优化能源利用和系统性能。通过综合考虑太阳能、电力和热能之间的关系，提出了一种基于模糊逻辑控制的分配方法，以实现能源的高效利用。最后，讨论了未来研究方向和可持续能源系统的前景。

关键词： 太阳能 热电联供热 负荷分配 方法研究

中图分类号： TK519；TU995文献标识码： A文章编号： 1679-3567（2023）11-0049-03

热电联供热系统是一种将电力和热能集成在一起的方式，以提高能源利用效率。随着气候变化问题的不断加剧，减少温室气体排放已成为全球的共识。因此，热电联供热系统的研究和应用变得尤为重要，其可以减少传统能源的使用，并通过太阳能等可再生能源的利用来减少环境影响。

太阳能是一种清洁、可再生的能源，具有巨大的潜力。然而，太阳能的可变性和不稳定性使其在供能方面存在挑战。因此，在研究和应用太阳能辅助的热电联供热系统时，负荷分配方法变得至关重要。本文旨在探讨太阳能辅助下的热电联供热系统，并研究不同的负荷分配方法，以优化能源利用和系统性能。

1 太阳能辅助下的热电联供热系统

太阳能辅助的热电联供热系统是一种将太阳能、电力和热能集成在一起的能源系统，为实现能源的综合利用和绿色供能提供了新思路。该系统通常由太阳能光伏发电、太阳能热能收集和储能设备三部分组成。太阳能光伏发电通过将太阳能转化为电能，为系统提供了电力来源，可用于驱动设备和供电。太阳能热能收集则将太阳能转化为热能，用于供热和供暖，满足家庭和工业的热能需求。储能设备则能够存储多余的电力或热能，以便在夜间或能源不足时使用，实现了能源的平衡和持续供能。通过这种综合利用，太阳能辅助的热电联供热系统为可再生能源的应用提供了可行性和可持续性，为未来能源系统的发展奠定了基础[1]。

2 负荷分配方法

在太阳能辅助下的热电联供热系统中，负荷分配方法的选择对系统的性能和能源利用效率具有重要影响。合理的负荷分配可以最大程度地利用太阳能和电力资源，实现能源的高效转化和利用[2]。不同的负荷分配方法会影响能源分配的灵活性和系统的稳定性，因此在选择负荷分配方法时需充分考虑系统特性、能源供应情况以及用户需求，以达到最优的能源利用效果。下面将讨论几种常见的负荷分配方法。

2.1 基于优先级的分配

基于优先级的分配方法是一种常见的负荷分配策略，它将不同负荷划分为不同优先级，并根据优先级顺序满足需求。例如：对于太阳能辅助的热电联供热系统，高优先级负荷可能是冬季供热，而低优先级负荷可能是热水供应。这种方法的优点在于简单易实现，能够快速响应高优先级需求，确保基本服务的稳定提供。然而，这种分配方法也存在一些局限性，主要表现在可能会导致低优先级负荷的能源浪费。例如：在冬季高优先级的供热需求得到满足后，剩余的能源可能被用于低优先级的需求（如热水供应），这可能导致部分能源的浪费。为了克服这种潜在的能源浪费，可以在系统设计中引入智能控制和调度策略，实现对能源分配的动态优化[3]。

通过实时监测负荷情况和能源产生情况，智能控制系统可以实现对不同优先级负荷的动态调整，以最大程度地减少能源浪费，提高能源利用效率。因此，基于优先级的分配方法可以与智能控制策略结合，以实现在满足高优先级需求的同时，尽量充分利用能源，实现系统的高效运行。

2.2 基于需求的分配

基于需求的分配方法是一种以负荷的实际需求为基础来分配能源的策略。与基于优先级的方法不同，其关注的是负荷本身的能源需求。例如：在冬季可能优先满足供热系统的需求，而在夏季可能偏向供电系统的需求。这种方法的优点在于能够确保满足每个负荷的实际需求，减少了能源的浪费。然而，由于考虑了更多的实时需求因素，实现该分配方法可能需要更复杂、智能化的控制系统。这种系统需要实时监测负荷的能源需求，并根据需求的变化来动态调整能源的分配，以最优化地利用太阳能和电力资源[4]。

2.3 基于模糊逻辑的分配

基于模糊逻辑的分配方法是一种高度智能化的能源分配策略，它借助模糊逻辑控制器来动态调整能源分配，以满足不同负荷的需求。

模糊逻辑允许在模糊情况下做出决策，这在太阳能辅助下的热电联供热系统中尤其有用，因为能源产生和负荷需求常受多种不确定因素影响。模糊逻辑控制器基于模糊规则来调整能源分配，这些规则是基于专家经验或系统性能数据构建的。通过考虑实时数据和系统性能，模糊逻辑控制器能够智能地决定分配给各负荷的能源比例，以最大程度地提高能源利用效率。它能够适应系统中的不同变化和不确定性，使能源分配更加灵活和高效。这种方法的优点包括适应性强，能够适应不同环境条件、季节变化和负荷需求波动。

模糊逻辑控制可以应对实时的、复杂的系统情况，使系统能够快速响应需求变化。需要注意的是，要构建准确且高效的模糊规则，关键是需要不断优化和改进模糊逻辑控制器，使其更符合特定系统的要求，实现能源的最优分配。通过不断改进和优化基于模糊逻辑的分配方法，可以进一步提高太阳能辅助下的热电联供热系统的能源利用效率和性能。

3 基于模糊逻辑的负荷分配方法

在太阳能辅助下的热电联供热系统中，基于模糊逻辑的负荷分配方法具有显著的优势，可以实现更高效的能源利用。模糊逻辑控制器基于模糊规则，能够根据太阳能、电力和热能的实时数据，以及各个负荷的需求情况，智能地调整能源的分配比例。太阳能的不确定性和电力、热能需求的变化性使热电联供热系统面临复杂的控制问题。模糊逻辑控制允许以模糊集合的形式描述输入和输出，从而有效处理这种复杂性。它能够将实时数据模糊化，基于模糊规则进行推理，并通过解模糊化得到能源的最优分配比例。通过模糊逻辑控制器智能调整能源分配，可以避免對系统参数的精确要求，降低系统复杂度。同时，该方法适应性强，能够适应不同季节、天气条件和负荷变化，实现能源的灵活分配。

3.1 定义模糊集合

为了实现基于模糊逻辑的负荷分配方法，需要定义各个输入变量和输出变量的模糊集合。这些模糊集合的设定对于模糊逻辑控制器的准确性和性能至关重要，具体如下。

对于输入变量，首先考虑太阳能产生的电力（Pso？ lar）和太阳能产生的热能（Hsolar）。这两个变量可以分别划分为多个模糊集合，如“低”“中”和“高”，用于描述太阳能产生的电力和热能的强度。同时，考虑系统中储存的能量（Estorage），也可以定义为“低”“中”和“高”三个模糊集合，以表示能量的储存状态。对于输出变量，关注电力分配比例（Pratio）和热能分配比例（Hratio）。这两个变量可以分别划分为多个模糊集合，如“少”“适中”和“多”，用于描述分配给电力和热能的能源比例。

在定义这些模糊集合时，可以依据系统特性、能源产生和负荷需求的实际情况以及专业知识来确定集合的划分和范围。模糊集合的设定需要综合考虑多方面因素，如太阳能的产生情况、能量储存状态、负荷需求的特征等。为了实现精确的模糊逻辑控制，需要建立一套完备的模糊规则，这些规则基于模糊集合間的逻辑关系。

模糊规则的制定和优化将决定模糊逻辑控制器的性能和效果。随着系统运行过程中实时数据的积累，可以不断优化模糊规则，以提高系统的响应速度和能源利用效率。总的来说，定义准确的模糊集合并制定合理的模糊规则是基于模糊逻辑的负荷分配方法的关键，为实现能源的智能化分配奠定了基础。通过这种方式，能够有效地适应系统复杂的动态变化，提高能源利用效率，为可持续能源系统的发展做出贡献。

3.2 设定模糊规则

为了有效地利用模糊逻辑控制器来实现基于模糊逻辑的负荷分配方法，需要根据经验和专业知识制定一组合理的模糊规则。这些规则将根据输入变量的值来映射到输出变量的模糊集合，以决定能源的分配比例[5]。

模糊规则的制定通常采用条件-结论的形式，类似于“如果……那么……”的逻辑结构。例如：如果太阳能产生的电力强度为“低”且太阳能产生的热能强度为“低”，那么电力分配比例应为“适中”，热能分配比例应为“适中”。如果太阳能产生的电力强度为“高”且能量储存状态为“低”，那么电力分配比例应为“多”，热能分配比例应为“少”。如果系统中储存的能量为“高”且太阳能产生的热能强度为“中”，那么电力分配比例应为“适中”，热能分配比例应为“适中”。

这些规则可以根据系统的实际需求和特性来制定。经验和专业知识的结合有助于制定出合理的规则，以在不同情况下做出明智的决策。模糊规则的数量和复杂度可以根据系统的复杂性和需求进行调整，以平衡性能和计算复杂度。模糊规则的制定和不断的优化是模糊逻辑控制器的关键部分，其决定了系统的响应速度和准确性。随着系统运行时数据的积累，可以通过监控系统性能并根据实际情况来进一步改进模糊规则，以使系统更智能化、适应性更强，以及能源利用效率更高。这种基于模糊逻辑的负荷分配方法有望在太阳能辅助下的热电联供热系统中发挥关键作用，实现能源的智能优化分配。

3.3 进行模糊推理

在基于模糊逻辑的负荷分配方法中，一旦模糊规则被定义，接下来的关键步骤是利用模糊推理方法来计算输出变量的模糊集合。这一过程涉及模糊逻辑运算的应用，通常包括模糊与、模糊或和模糊推理规则的组合。

3.3.1 模糊与运算（Fuzzy AND）

在模糊推理中，模糊与运算是一种关键方法，用于确定多个模糊规则在给定输入下的共同满足程度。它模拟了现实世界中的逻辑交集。举例来说，考虑一个规则，其条件为太阳能产生的电力强度为“高”且能量储存状态为“低”。对应的模糊变量可以用模糊集合来表示，如“高”和“低”。在模糊与运算中，对于这两个条件，我们取它们的最小值，以反映共同满足程度。如果太阳能产生的电力强度为“高”的隶属度为0.7，能量储存状态为“低”的隶属度为0.5，那么模糊与运算将得到最终的满足程度为0.5。这表明：这个规则在当前输入下的满足程度受限于两个条件中较低的隶属度，即能量储存状态为“低”。

3.3.2 模糊或运算（Fuzzy OR）

模糊或运算是模糊逻辑中常用的合并规则，特别用于确定多个模糊规则的合并满足程度。在模糊逻辑中，每个模糊规则都可以描述为一种条件-结果的关联，其中输入模糊集合经过模糊化处理后，根据规则产生对应的输出模糊集合。当多个规则适用于同一输入时，模糊或运算通过取多个规则中的最大值来确定最终的合并满足程度。这种方式确保了在多个模糊规则的影响下，系统对输入进行综合评估，采取最强烈的规则响应作为最终输出。这种合并方式具有较好的容错性和适应性，使模糊逻辑能够处理复杂的、不确定的输入情况，为决策和控制提供了一种灵活而有效的工具。

3.3.3 模糊推理规则的组合

在模糊推理中，多个模糊规则往往同时适用于输入变量的值，这种情况下，需要将这些规则的满足程度进行合并，以计算输出变量的模糊集合。模糊与运算用于确定多个规则的共同满足程度，通常通过取多个规则中的最小值来确定最终的合并满足程度。这种方式体现了规则间的“最不利”组合，即系统对于多个规则的适应程度受制于其中满足程度最低的规则。

4 结语

太阳能辅助下的热电联供热系统是一种创新且可持续的能源解决方案，能够显著提高能源利用效率、减少环境负担。本文通过探讨不同的负荷分配方法，重点介绍了基于模糊逻辑控制的分配方法。这种方法结合实时数据与模糊规则，以动态调整能源分配，实现了系统能源的智能化管理和最优化利用。然而，该领域仍有许多未探索的研究方向，如提高系统稳定性、优化模糊规则、整合更多可再生能源等。未来的工作应致力于进一步完善该系统，以推动绿色能源技术的发展，实现能源可持续发展目标。太阳能辅助的热电联供热系统将在未来成为可再生能源领域的重要方向，为构建清洁、绿色、可持续的能源未来做出贡献。

参考文献

[1]丁泽宇.太阳能辅助供热机组热电联供系统优化设计与调峰特性研究[D].北京：华北电力大学（北京），2022.

[2]张雪梅，黄永年，郑铭桦.太阳能融合NY40机组的小型热电联供系统研究[J].城市燃气，2022（1）：11-18.

[3]赵超宁.太阳能热电联供系统的建模与运行优化控制研究[D].哈尔滨：哈尔滨工业大学，2021.

[4]傅公柔.热泵用甲醇燃料发动机控制系统研究[D].郑州：华北水利水电大学，2022.

[5]董伟.学习驱动的多维不确定条件下微电网能量优化调控方法研究[D].杭州：浙江大学，2022.