趙永杰，林仕立，涂小琳，宋文吉?，馮自平

（1.中國(guó)科學(xué)技術(shù)大學(xué) 熱科學(xué)和能源工程系，合肥 230026；2.中國(guó)科學(xué)院廣州能源研究所，廣州 510640；3.中國(guó)科學(xué)院可再生能源重點(diǎn)實(shí)驗(yàn)室，廣州 510640；4.廣東省新能源和可再生能源研究開發(fā)與應(yīng)用重點(diǎn)實(shí)驗(yàn)室，廣州 510640）

0 引 言

能源環(huán)境危機(jī)與電冷熱能源需求之間的矛盾是社會(huì)發(fā)展面臨的重要問題。分布式系統(tǒng)具有分散布局、就近利用的優(yōu)勢(shì)，對(duì)提高能源利用效率、減小環(huán)境污染具有重要意義[1-3]。冷熱電聯(lián)供系統(tǒng)（combined cooling, heating and power, CCHP）集供電、供熱、供冷于一體，通過電、冷、熱三聯(lián)供的方式可實(shí)現(xiàn)能源的梯級(jí)利用[4]，綜合能源利用率可達(dá)70%以上。因此，CCHP系統(tǒng)是分布式能源系統(tǒng)發(fā)展的主流趨勢(shì)[5-6]。

國(guó)內(nèi)外學(xué)者針對(duì)分布式系統(tǒng)優(yōu)化運(yùn)行問題，在CCHP系統(tǒng)建模、運(yùn)行控制策略、優(yōu)化算法改進(jìn)等方面開展了相關(guān)研究。文獻(xiàn)[7]以微電網(wǎng)系統(tǒng)運(yùn)行成本為優(yōu)化調(diào)度目標(biāo)，采用混合整數(shù)線性規(guī)劃方法對(duì)提出的聯(lián)供系統(tǒng)經(jīng)濟(jì)性目標(biāo)進(jìn)行優(yōu)化求解。文獻(xiàn)[8]綜合考慮電費(fèi)、天然氣不同費(fèi)率結(jié)構(gòu)，建立了風(fēng)-光-儲(chǔ)-氣互補(bǔ)發(fā)電的冷熱電聯(lián)供優(yōu)化協(xié)調(diào)模型，根據(jù)夏季和冬季費(fèi)率結(jié)構(gòu)的差異采取不同的協(xié)調(diào)策略，采用改進(jìn)的粒子群算法對(duì)提出的經(jīng)濟(jì)性目標(biāo)優(yōu)化求解，以實(shí)例顯示了多能互補(bǔ)的分布式能源發(fā)電的作用與優(yōu)勢(shì)。文獻(xiàn)[9]引入供熱當(dāng)量系數(shù)，將電、熱、冷進(jìn)行能量等價(jià)轉(zhuǎn)換，并設(shè)立了冷熱電協(xié)調(diào)成本目標(biāo)函數(shù)，與建立的冷熱電聯(lián)供生產(chǎn)成本以及環(huán)境成本函數(shù)組成多目標(biāo)優(yōu)化調(diào)度模型，采用隸屬度函數(shù)模糊算法將多目標(biāo)優(yōu)化轉(zhuǎn)化為單目標(biāo)優(yōu)化，利用二次規(guī)劃法求解的結(jié)果驗(yàn)證了該模型與方法對(duì)節(jié)能減排、電網(wǎng)的經(jīng)濟(jì)調(diào)度和能源高效利用的有效性。

CCHP系統(tǒng)在供電的同時(shí)能夠?qū)崿F(xiàn)冷、熱的供應(yīng)，在微電網(wǎng)內(nèi)部很難將這些能量完全利用。現(xiàn)有研究表明儲(chǔ)能技術(shù)是實(shí)現(xiàn)分布式系統(tǒng)能量?jī)?yōu)化調(diào)度的關(guān)鍵，但由于CCHP電、冷熱產(chǎn)能具有較強(qiáng)的耦合關(guān)系，單一類型儲(chǔ)能方式難以實(shí)現(xiàn)不同類型能源的高效轉(zhuǎn)換和利用[10]。因此，提出采用儲(chǔ)電、儲(chǔ)熱相結(jié)合的復(fù)合儲(chǔ)能技術(shù)，基于含復(fù)合儲(chǔ)能的CCHP系統(tǒng)拓?fù)浼案鹘M成部分?jǐn)?shù)學(xué)模型，研究系統(tǒng)電、冷熱能量關(guān)系及約束條件，同時(shí)以運(yùn)行成本、一次能源消耗量為優(yōu)化目標(biāo)建立目標(biāo)函數(shù)，并采用遺傳算法進(jìn)行調(diào)度策略求解分析，從而實(shí)現(xiàn)復(fù)合儲(chǔ)能對(duì)CCHP系統(tǒng)能量的優(yōu)化調(diào)度，有效減少了系統(tǒng)運(yùn)行成本，并提高了分布式系統(tǒng)的能源利用率。

1 CCHP系統(tǒng)拓?fù)浼澳Ｐ?/h2>

含復(fù)合儲(chǔ)能的CCHP分布式系統(tǒng)拓?fù)浣Y(jié)構(gòu)如圖1，圖中箭頭表示能量流動(dòng)方向。微型燃?xì)廨啓C(jī)（micro turbine, MT）作為主要供能設(shè)備，利用天然氣為原料進(jìn)行發(fā)電，排出的余熱可用于提供生活熱水及供暖等熱能需求，同時(shí)通過溴化鋰制冷機(jī)組提供冷能。復(fù)合儲(chǔ)能系統(tǒng)（hybrid energy storage system,HESS）包括儲(chǔ)電裝置（battery energy storage system,BESS）和儲(chǔ)熱裝置（thermal energy storage system,TESS），通過控制BESS充放電和TESS蓄熱釋熱實(shí)現(xiàn)系統(tǒng)產(chǎn)能用能的平衡。大電網(wǎng)及燃?xì)夤芫W(wǎng)作為系統(tǒng)后備支撐，在分布式能源產(chǎn)能不足時(shí)可提供電能、熱能以滿足用戶負(fù)荷需求；而當(dāng)分布式系統(tǒng)產(chǎn)生過余電能時(shí)，可通過調(diào)節(jié)光伏陣列（photovoltaic array, PVA）發(fā)電量或者電力上網(wǎng)方式，實(shí)現(xiàn)系統(tǒng)電能的進(jìn)一步調(diào)節(jié)。為實(shí)現(xiàn)CCHP系統(tǒng)功率/能量的分配調(diào)度，以下首先對(duì)各產(chǎn)能模塊及儲(chǔ)能系統(tǒng)進(jìn)行建模。

圖1 CCHP系統(tǒng)拓?fù)銯ig.1 Topology of CCHP distributed system

1.1 微型燃?xì)廨啓C(jī)模型

微型燃?xì)廨啓C(jī)是CCHP分布式系統(tǒng)的供能主體，根據(jù)定義的運(yùn)行邊界以及微型燃?xì)廨啓C(jī)發(fā)電、產(chǎn)熱特性，可由Matlab/Simulink建立仿真模型，得到電效率、發(fā)熱量等與負(fù)載率之間的關(guān)系，由仿真結(jié)果擬合可知其滿足式（1）和式（2）：

式中：ηMT(t)與PMT(t)分別為t時(shí)段微型燃?xì)廨啓C(jī)的發(fā)電效率與電功率；PMT為微型燃?xì)廨啓C(jī)的額定功率；λi與A分別為負(fù)載率與發(fā)電效率的三次多項(xiàng)式系數(shù)與常數(shù)；ηL為散熱損失系數(shù)；QMT(t)為微型燃?xì)廨啓C(jī)的余熱量。

1.2 光伏系統(tǒng)模型

光伏系統(tǒng)輸出功率受太陽輻射強(qiáng)度、環(huán)境溫度以及風(fēng)速等因素影響，一般可在標(biāo)準(zhǔn)測(cè)試條件（standard test condition, STC）輸出功率范圍內(nèi)進(jìn)行調(diào)節(jié)，其輸出功率可由式（3）表示[11]：

式中：PPV為輸出功率；PSTC為光伏電池在STC下的最大輸出功率；fPV為光伏發(fā)電系統(tǒng)功率降額因數(shù)，一般取0.9；G為實(shí)際太陽輻射強(qiáng)度，W/m2；GSTC、TSTC、Treal分別為STC下太陽輻射強(qiáng)度、STC下環(huán)境溫度、實(shí)際環(huán)境溫度；T為當(dāng)前光伏電池表面溫度；k為光伏功率溫度系數(shù)，%/℃，可取-0.47%/℃；V為風(fēng)速，m/s。

1.3 燃?xì)忮仩t模型

燃?xì)忮仩t的產(chǎn)熱量與其設(shè)備效率和燃?xì)膺M(jìn)氣量有關(guān)，一般可認(rèn)為其呈式（4）所示線性關(guān)系：

式中：PGB(t)、ηGB分別為燃?xì)忮仩t熱功率和熱效率；LGB為天然氣熱值；FGB(t)為燃?xì)忮仩t在t時(shí)間段消耗的燃?xì)饬俊?/p>

1.4 復(fù)合儲(chǔ)能系統(tǒng)模型

采用儲(chǔ)電和儲(chǔ)熱兩種不同類型儲(chǔ)能設(shè)備組成復(fù)合儲(chǔ)能系統(tǒng)，其中，儲(chǔ)電器件為蓄電池，儲(chǔ)熱器件為蓄熱水箱。由于系統(tǒng)模型主要考慮儲(chǔ)能設(shè)備的蓄能釋放功率以及系統(tǒng)容量，兩種類型儲(chǔ)能系統(tǒng)區(qū)別在于蓄能釋放效率與功率之間的差異性，因此可認(rèn)為其具有相似的運(yùn)行特性，輸出功率可由式（5）表示[12-13]：

式中：PE(t)為儲(chǔ)電或者儲(chǔ)熱裝置的出力；下標(biāo)E代表儲(chǔ)能設(shè)備的種類；分別為蓄能效率和釋能效率，與儲(chǔ)能系統(tǒng)實(shí)時(shí)狀態(tài)相關(guān)；分別為輸入功率與輸出功率。

同時(shí)，系統(tǒng)整體調(diào)控策略應(yīng)考慮蓄能釋能過程中儲(chǔ)能裝置配置容量的限制，儲(chǔ)電系統(tǒng)和儲(chǔ)熱系統(tǒng)的剩余能量統(tǒng)一由能量狀態(tài)（state of energy, SOE）進(jìn)行表示，其表達(dá)式如式（6）所示：

式中：SOEE(t)與SOEE(t-1)分別為時(shí)間點(diǎn)t與t- 1（充放能前后）的能量狀態(tài)；δE為儲(chǔ)能系統(tǒng)自身能量耗散率；EC為儲(chǔ)能系統(tǒng)的額定容量，kW·h。

2 CCHP系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行

分布式系統(tǒng)的運(yùn)行控制包含經(jīng)濟(jì)性、環(huán)保性、節(jié)能率、可再生能源滲透率等多個(gè)指標(biāo)，各個(gè)指標(biāo)之間存在相互制約的關(guān)系，可通過多目標(biāo)求解方式實(shí)現(xiàn)系統(tǒng)優(yōu)化運(yùn)行。綜合考慮了運(yùn)行經(jīng)濟(jì)性及一次能源消耗量?jī)蓚€(gè)指標(biāo)，通過建立目標(biāo)函數(shù)及其約束條件，采用遺傳算法實(shí)現(xiàn)系統(tǒng)功率/能量的優(yōu)化調(diào)度。

2.1 目標(biāo)函數(shù)

2.1.1 運(yùn)行經(jīng)濟(jì)性

CCHP分布式系統(tǒng)運(yùn)行經(jīng)濟(jì)性一般指其運(yùn)行費(fèi)用最小，系統(tǒng)運(yùn)行費(fèi)用由燃料成本、管理成本、污染物排放成本以及分布式系統(tǒng)與大電網(wǎng)的交互成本組成，總運(yùn)行費(fèi)用FM可由式（7）得到：

式中：T為運(yùn)行時(shí)段的周期；FFU(t)、FOM(t)、FEN(t)和FEX(t)分別為t時(shí)段燃料成本、運(yùn)行管理成本、污染物排放處理成本以及CCHP型微電網(wǎng)與大電網(wǎng)的交互費(fèi)用。更具體地：

式中：CL為天然氣單價(jià)；fm,i為分布式電源單位功率維護(hù)系數(shù)；PDG,i(t)為t時(shí)段分布式電源功率；N為分布式電源個(gè)數(shù)；M為污染物種類的數(shù)量；fp,j為處理單位第j種污染物的費(fèi)用；Ri,j為第i種分布式電源單位發(fā)電量排放的第j種污染物的量；fb(t)、fs(t)分別為t時(shí)段電網(wǎng)的購(gòu)電價(jià)格和售電價(jià)格；PEX為t時(shí)段與電網(wǎng)的交互功率，若為正則表示向電網(wǎng)售電，若為負(fù)則表示從電網(wǎng)購(gòu)電。

2.1.2 一次能源消耗量

一次能源消耗量可由化石燃料消耗量表示，在CCHP分布式系統(tǒng)中包括微型燃?xì)廨啓C(jī)、燃?xì)忮仩t消耗的天然氣量以及與大電網(wǎng)交互時(shí)大電網(wǎng)發(fā)電產(chǎn)生的燃煤量的總和，具體可由式（12）表示：

式中：Ffossil為總的一次能源消耗量；λMT、λGB分別為微型燃?xì)廨啓C(jī)和燃?xì)忮仩t單位功率一次能源消耗量；λE為大電網(wǎng)單位功率發(fā)電所消耗的燃煤量。

2.1.3 多目標(biāo)優(yōu)化模型

為使得系統(tǒng)控制策略滿足優(yōu)化運(yùn)行要求，針對(duì)運(yùn)行成本和一次能源消耗量?jī)蓚€(gè)指標(biāo)，可采用兩者綜合最小化作為運(yùn)行目標(biāo)。因此，建立目標(biāo)函數(shù)如式（13）所示：

式（13）為包含兩個(gè)優(yōu)化目標(biāo)的多目標(biāo)函數(shù)，可采用線性加權(quán)和法將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)問題進(jìn)行求解[14]。線性加權(quán)和法首先需獲取每個(gè)目標(biāo)的權(quán)重系數(shù)，由于運(yùn)行成本與一次能源消耗量?jī)蓚€(gè)目標(biāo)的量綱不同，應(yīng)將目標(biāo)函數(shù)進(jìn)行標(biāo)幺化，再結(jié)合判斷矩陣法對(duì)權(quán)重系數(shù)進(jìn)行定量求解[15-16]。綜合上述分析及計(jì)算，可將本文多目標(biāo)函數(shù)轉(zhuǎn)化為式（14）所示單目標(biāo)最優(yōu)化函數(shù)。

2.2 約束條件

目標(biāo)函數(shù)優(yōu)化過程受各參量相互關(guān)系、運(yùn)行邊界條件等的限制，根據(jù)圖1所示CCHP系統(tǒng)拓?fù)浼案鹘M成部分的功率、能量等參數(shù)，可建立電功率平衡、冷熱功率平衡、線網(wǎng)交互功率、可再生電源功率、混合儲(chǔ)能系統(tǒng)功率和容量等約束條件，其具體表達(dá)式分別如式（15）～ 式（19）所示：

式中：PL(t)為聯(lián)供系統(tǒng)電負(fù)荷總功率；PBS(t)為t時(shí)段儲(chǔ)電設(shè)備的功率，若為正則表示放電，負(fù)則為充電；QL,H(t)為聯(lián)供系統(tǒng)中冷熱負(fù)荷之和（冷負(fù)荷轉(zhuǎn)化為熱負(fù)荷）；QGB為燃?xì)忮仩t提供的熱功率；QTS為儲(chǔ)熱設(shè)備能量存/放功率，若為正則表示放熱，負(fù)則為存熱；Pline,min與Pline,max分別為聯(lián)絡(luò)線功率的最小值和最大值；Pi,min、Pi,max分別為分布式電源功率的下限值和上限值；PE,minin與PE,minout分別為復(fù)合儲(chǔ)能裝置的最大輸入與輸出功率；SOEi(t)為儲(chǔ)能設(shè)備的容量狀態(tài)；SOEi,min、SOEi,max為儲(chǔ)能設(shè)備容量狀態(tài)的最小值與最大值。

2.3 求解方法

CCHP系統(tǒng)優(yōu)化調(diào)度屬于非線性多目標(biāo)優(yōu)化求解問題，而傳統(tǒng)求解方法[17-19]如最速下降法、二次逼近法等在求解全局優(yōu)化時(shí)會(huì)面臨諸多問題?？紤]到遺傳算法在求解多峰、非線性問題上具有求解精確、收斂快等優(yōu)勢(shì)，采用遺傳算法對(duì)上述CCHP系統(tǒng)優(yōu)化調(diào)度問題求解，過程如下：

（1）確定系統(tǒng)優(yōu)化調(diào)度問題。研究對(duì)象是CCHP系統(tǒng)的運(yùn)行成本和一次能源消耗量?jī)蓚€(gè)指標(biāo)。

（2）目標(biāo)函數(shù)映射為適應(yīng)度函數(shù)。由于不等式與等式約束條件的存在，并不能把目標(biāo)函數(shù)直接作為適應(yīng)度函數(shù)，通過懲罰函數(shù)法把約束條件加入到目標(biāo)函數(shù)中來構(gòu)建適應(yīng)度函數(shù)。

（3）設(shè)置初始數(shù)據(jù)。設(shè)置CCHP系統(tǒng)初始數(shù)據(jù)，包括負(fù)荷信息、各種分布式電源信息（儲(chǔ)能系統(tǒng)初值、分布式電源約束等）。

（4）種群初始化。通過二進(jìn)制編碼方式對(duì)染色體進(jìn)行編碼，隨機(jī)產(chǎn)生種群規(guī)模為N的初始種群。

（5）適應(yīng)度計(jì)算。計(jì)算群體中各個(gè)體的適應(yīng)度。

（6）遺傳操作。通過遺傳算子進(jìn)行選擇、交叉、變異，進(jìn)化出適應(yīng)度更高的個(gè)體種群。

（7）種群迭代。將經(jīng)過遺傳操作后的種群代替原有種群，并進(jìn)行個(gè)體適應(yīng)度評(píng)價(jià)，保存最優(yōu)個(gè)體。

（8）終止條件判斷。判斷是否滿足結(jié)束條件，若達(dá)到設(shè)置的精度或者最大迭代次數(shù)，則停止迭代，否則轉(zhuǎn)入步驟5。

（9）輸出24 h最優(yōu)出力。

圖2 遺傳算法流程圖Fig.2 Flow chart of genetic algorithm

3 算例分析

3.1 算例數(shù)據(jù)

以廣東省廣州（N23°20'，E113°30'）某賓館作為研究對(duì)象，對(duì)其采用的CCHP系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行進(jìn)行求解分析。該賓館某典型日電、冷、熱負(fù)荷，光伏發(fā)電量預(yù)測(cè)值以及分時(shí)電價(jià)如圖3和圖4所示。單位時(shí)間間隔Δt=1 h，調(diào)度周期T=24 h。其中，為提高可再生能源利用率，光伏系統(tǒng)以最大功率跟蹤點(diǎn)運(yùn)行，而CCHP系統(tǒng)中的其他供能子系統(tǒng)則按照表1所示功率上下限進(jìn)行優(yōu)化調(diào)節(jié)。復(fù)合儲(chǔ)能系統(tǒng)中，設(shè)計(jì)儲(chǔ)電系統(tǒng)的最大充放電功率為15 kW，容量為250 kW·h；儲(chǔ)熱系統(tǒng)的最大蓄熱釋熱功率為40 kW，容量為500 kW·h。

圖3 典型日冷、熱、電負(fù)荷及光伏出力預(yù)測(cè)值Fig.3 Cooling heating power and solar power prediction of the typical day

圖4 分時(shí)電價(jià)圖Fig.4 Diagram of different power prices of times

表1 CCHP系統(tǒng)供能模塊參數(shù)Table 1 Characteristics of distributed sources

表2 復(fù)合儲(chǔ)能裝置參數(shù)Table 2 Parameters of hybrid energy storage devices

3.2 運(yùn)行優(yōu)化結(jié)果分析

3.2.1 功率優(yōu)化調(diào)度

為驗(yàn)證本模型的有效性，選取無混合儲(chǔ)能系統(tǒng)的CCHP系統(tǒng)運(yùn)行調(diào)度策略進(jìn)行對(duì)比分析。圖5所示為無復(fù)合儲(chǔ)能的CCHP系統(tǒng)運(yùn)行控制策略，圖6為含復(fù)合儲(chǔ)能的CCHP系統(tǒng)優(yōu)化運(yùn)行控制策略。

根據(jù)圖5和圖6功率曲線可知，在1～7 h時(shí)段和23～24 h時(shí)段，由于用戶的電、冷、熱需求較低，微型燃?xì)廨啓C(jī)以接近設(shè)置的最小運(yùn)行功率15 kW運(yùn)行；由于此時(shí)微型燃?xì)廨啓C(jī)產(chǎn)生的余熱仍大于用戶冷熱負(fù)荷的需求，則不含儲(chǔ)熱設(shè)備的CCHP系統(tǒng)中多余的余熱向外界排放，而含儲(chǔ)熱設(shè)備的CCHP系統(tǒng)則可將多余熱量存儲(chǔ)至儲(chǔ)熱系統(tǒng)中，減少了能量的浪費(fèi)。微型燃?xì)廨啓C(jī)按照該工況運(yùn)行時(shí)，產(chǎn)生電量無法滿足用戶用電需求，因此通過外部電網(wǎng)購(gòu)電進(jìn)行補(bǔ)充，同時(shí)給儲(chǔ)電設(shè)備充電以有效利用低谷電價(jià)降低整體運(yùn)行成本。

在8～9 h，由于供熱與耗熱的不平衡，不含儲(chǔ)熱設(shè)備的CCHP系統(tǒng)仍然按照最小功率對(duì)微型燃?xì)廨啓C(jī)進(jìn)行調(diào)度控制，而對(duì)電網(wǎng)電能的需求則進(jìn)一步加大，導(dǎo)致系統(tǒng)運(yùn)行成本較高；而由于儲(chǔ)熱系統(tǒng)在夜間存儲(chǔ)了一定熱能，此時(shí)通過釋能控制可以實(shí)現(xiàn)余熱的利用，同時(shí)有效提高了微型燃?xì)鈾C(jī)組的負(fù)載率并減少了從電網(wǎng)的購(gòu)電量。

由圖5與圖6對(duì)比可知，含復(fù)合儲(chǔ)能的CCHP系統(tǒng)，由于其儲(chǔ)熱設(shè)備的存在，在冷、熱需求低時(shí)，儲(chǔ)熱設(shè)備儲(chǔ)存熱量，避免了能量的浪費(fèi)，同時(shí)避免了燃?xì)忮仩t的停機(jī)，在冷、熱需求量較大時(shí)，通過儲(chǔ)熱設(shè)備的放熱，燃?xì)忮仩t峰值功率由99 kW降低到59 kW，大大降低了燃?xì)忮仩t的峰值功率；由于儲(chǔ)電設(shè)備的存在，充分利用低谷電，增加了從電網(wǎng)購(gòu)買的低谷電功率，在用電高峰時(shí)放電，增大了峰時(shí)向電網(wǎng)的售電功率，有效地對(duì)電網(wǎng)進(jìn)行移峰填谷。

圖5 無復(fù)合儲(chǔ)能的CCHP系統(tǒng)功率調(diào)度圖Fig.5 Dispatch diagram of system power without hybrid energy storage system

圖6 含復(fù)合儲(chǔ)能的CCHP系統(tǒng)功率調(diào)度圖Fig.6 Dispatch diagram of system power with hybrid energy storage system

3.2.2 運(yùn)行成本與一次能源消耗量比較

根據(jù)上述得到的運(yùn)行調(diào)度策略逐時(shí)功率，經(jīng)計(jì)算得到無復(fù)合儲(chǔ)能與含復(fù)合儲(chǔ)能裝置的CCHP系統(tǒng)運(yùn)行成本與一次能源消耗量如圖7與圖8所示。通過計(jì)算及對(duì)比分析可知：含復(fù)合儲(chǔ)能的CCHP系統(tǒng)日運(yùn)行費(fèi)用約為2 335元，一次能源消耗量約為477 kg；不含復(fù)合儲(chǔ)能的CCHP系統(tǒng)的日運(yùn)行費(fèi)用約為2 543元，一次能源消耗量約為524 kg（表3）；與不含復(fù)合儲(chǔ)能的CCHP系統(tǒng)相比，兩者分別下降了8.2%和9.0%，表明在該優(yōu)化運(yùn)行策略下，CCHP系統(tǒng)具有較好的經(jīng)濟(jì)效益，并能節(jié)約一次能源。

圖7 CCHP系統(tǒng)運(yùn)行成本曲線對(duì)比圖Fig.7 Comparative curves of operation cost of CCHP

圖8 CCHP系統(tǒng)一次能源消耗曲線對(duì)比圖Fig.8 Comparative curves of primary energy consumption of CCHP

表3 考慮與未考慮混合儲(chǔ)能的運(yùn)行成本、一次能源消耗量對(duì)比分析Table 3 Comparative analysis of operation cost and primary energy consumption with and without hybrid energy storage

為進(jìn)一步驗(yàn)證CCHP系統(tǒng)引入復(fù)合儲(chǔ)能的優(yōu)勢(shì)，對(duì)系統(tǒng)的節(jié)能性以及移峰填谷指標(biāo)進(jìn)行分析。為了量化節(jié)能性與移峰填谷指標(biāo)，節(jié)能性指標(biāo)采用一次能源利用效率進(jìn)行評(píng)估[20]，具體表達(dá)式如式（20）所示。削峰填谷指標(biāo)采用系統(tǒng)從電網(wǎng)購(gòu)買的低谷電量及在用電高峰期向電網(wǎng)的售電量之和表示。兩種調(diào)度策略下節(jié)能性及移峰填谷指標(biāo)對(duì)比結(jié)果如表4所示。由表4可知，復(fù)合儲(chǔ)能裝置能提高CCHP微電網(wǎng)系統(tǒng)能源利用率，這是由于儲(chǔ)熱設(shè)備能儲(chǔ)存冷、熱低谷時(shí)不能完全利用的熱量，在冷、熱需求量大時(shí)進(jìn)行供熱，減少了能源消耗量，提高了能源利用率；由于分時(shí)電價(jià)機(jī)制的存在，聯(lián)供系統(tǒng)具有移峰填谷的作用，復(fù)合儲(chǔ)能系統(tǒng)中的儲(chǔ)電設(shè)備在用電低谷時(shí)充電，用電高峰期放電，移峰填谷量提高了66.3%。綜上所述，在CCHP微電網(wǎng)中引入復(fù)合儲(chǔ)能裝置能帶來良好的收益，降低系統(tǒng)的運(yùn)行成本，減少機(jī)組的燃料消耗量，提高能源利用率。

表4 能源利用率和移峰填谷量對(duì)比分析Table 4 Energy-saving indicators and peak load shifting comparative analysis

4 結(jié) 論

提出了含復(fù)合儲(chǔ)能的CCHP系統(tǒng)多目標(biāo)運(yùn)行優(yōu)化模型，建立了系統(tǒng)模型、多目標(biāo)函數(shù)和約束條件，采用線性加權(quán)和法將多目函數(shù)轉(zhuǎn)化為單目標(biāo)函數(shù)，利用遺傳算法進(jìn)行優(yōu)化求解。仿真算例表明，將復(fù)合儲(chǔ)能裝置引入CCHP系統(tǒng)，系統(tǒng)運(yùn)行成本由2 543元降低到2 335元，一次能源消耗量由524 kg降低到477 kg，有效改善了CCHP系統(tǒng)中冷、熱、電之間的耦合關(guān)系，實(shí)現(xiàn)了微電網(wǎng)內(nèi)不同能量間的協(xié)調(diào)調(diào)度。同時(shí)，通過對(duì)系統(tǒng)節(jié)能性及削峰填谷指標(biāo)分析，儲(chǔ)熱設(shè)備能儲(chǔ)存熱（冷）負(fù)荷低谷時(shí)的多余能量，能源利用率由78.5%提高到82.8%；儲(chǔ)電裝置能有效調(diào)節(jié)電網(wǎng)峰谷差，移峰填谷量提高了66.3%。