吳晨曦，何章露，葉劍雄，洪晗笑

基于?評(píng)估的多能流節(jié)能調(diào)度

吳晨曦，何章露，葉劍雄，洪晗笑

（杭州電子科技大學(xué) 自動(dòng)化學(xué)院，浙江 杭州 310018）

多能流系統(tǒng)可以實(shí)現(xiàn)能源的整體規(guī)劃、多能互補(bǔ)和梯級(jí)利用，提高能源利用率。在此背景下，構(gòu)建冷、熱、電多能流系統(tǒng)模型，并引入壓縮空氣消納風(fēng)電，平衡能量。以熱力學(xué)第二定律的“?分析”方法評(píng)估系統(tǒng)的節(jié)能指標(biāo)，確定多能流系統(tǒng)的最節(jié)能調(diào)度方法。以某園區(qū)冬夏季節(jié)的典型風(fēng)電出力和冷、熱、電需求為例，采用模擬退火算法進(jìn)行系統(tǒng)的節(jié)能調(diào)度并計(jì)算系統(tǒng)?效率。對(duì)系統(tǒng)是否使用先進(jìn)絕熱壓縮空氣對(duì)系統(tǒng)節(jié)能性的影響進(jìn)行對(duì)比研究。研究結(jié)果表明，系統(tǒng)采用?評(píng)估節(jié)能指標(biāo)，在具有先進(jìn)絕熱壓縮空氣時(shí)?效率更高，約為38%～58%。

先進(jìn)絕熱壓縮空氣；?效率；風(fēng)電；多能流；模擬退火算法；節(jié)能

0 引言

社會(huì)生活對(duì)能源的需求越來(lái)越大，供需關(guān)系矛盾逐漸增加，這是社會(huì)經(jīng)濟(jì)發(fā)展、科技生活進(jìn)步的必然結(jié)果。為了保持人類(lèi)社會(huì)發(fā)展的可持續(xù)性，需要對(duì)可再生清潔能源進(jìn)行充分利用并提高能源利用率避免浪費(fèi)。其中，新一代能源系統(tǒng)對(duì)傳統(tǒng)能源系統(tǒng)的一些經(jīng)典模式進(jìn)行突破，打破單獨(dú)設(shè)計(jì)和獨(dú)立運(yùn)行模式的多能流系統(tǒng)和綜合能源系統(tǒng)等已經(jīng)成為當(dāng)下研究的熱點(diǎn)[1-3]。

傳統(tǒng)電力系統(tǒng)大多只針對(duì)能源的數(shù)量進(jìn)行節(jié)能調(diào)度，然而對(duì)于新一代的多能流系統(tǒng)，輸入、輸出的能源種類(lèi)不只有一種，所以在多種能源的調(diào)度上，不應(yīng)該只專(zhuān)注數(shù)量的減少，更應(yīng)該兼顧質(zhì)量上的節(jié)約[4-6]。能量的數(shù)量和質(zhì)量在轉(zhuǎn)換過(guò)程中發(fā)生變化，熱力學(xué)第二定律揭示了在該過(guò)程中“質(zhì)”的下降，即能量的品質(zhì)貶值。能量中可連續(xù)并且完全轉(zhuǎn)化為其他任何形式能量的一部分稱(chēng)為?[7]。

對(duì)能源系統(tǒng)進(jìn)行熱效率分析可以評(píng)估系統(tǒng)的能源利用率，而?分析法可對(duì)系統(tǒng)進(jìn)行熱效率分析。能量在傳遞和轉(zhuǎn)換的過(guò)程中有一定的損耗，?分析法基于熱力學(xué)第一、第二定律，有機(jī)結(jié)合能量的“量”和“質(zhì)”，深入描述該過(guò)程中能質(zhì)退化的本質(zhì)。

現(xiàn)有研究沒(méi)有考慮在多能流系統(tǒng)中引入先進(jìn)絕熱壓縮空氣儲(chǔ)能系統(tǒng)（AA-CAES，advanced adiabatic compressed air energy storage）進(jìn)行?評(píng)估的節(jié)能調(diào)度。本文根據(jù)熱力學(xué)第二定律，對(duì)多能流系統(tǒng)進(jìn)行建模分析：采用?分析法對(duì)此系統(tǒng)建立節(jié)能指標(biāo)，對(duì)該系統(tǒng)進(jìn)行?效率評(píng)估；引入AA-CAES作為儲(chǔ)能系統(tǒng)，用模擬退火算法求解系統(tǒng)模型，求解出系統(tǒng)最節(jié)能的調(diào)度方法。結(jié)果表明，系統(tǒng)風(fēng)電消納能力得到提高的同時(shí)，系統(tǒng)的能源利用率也得到了提高。

1 多能流系統(tǒng)節(jié)能調(diào)度模型

1.1 多能流系統(tǒng)模型

如圖1所示。本文的多能流系統(tǒng)輸入能源為可再生分布式能源，如風(fēng)能和天然氣，需求端為冷、熱、電負(fù)載。為應(yīng)對(duì)風(fēng)力發(fā)電的不確定性，本系統(tǒng)采用AA-CAES方法，不僅可作為平衡風(fēng)力發(fā)電隨機(jī)性的儲(chǔ)能系統(tǒng)[8]，同樣可以作為供熱設(shè)備進(jìn)行供熱。

圖1 多能流系統(tǒng)模型

1.1.1 AA-CAES電站模型

壓縮空氣儲(chǔ)能系統(tǒng)由空氣壓縮機(jī)、儲(chǔ)氣系統(tǒng)、膨脹機(jī)和儲(chǔ)熱系統(tǒng)（換熱器與儲(chǔ)熱系統(tǒng)）組成。儲(chǔ)能時(shí)，利用多余的風(fēng)電對(duì)空氣進(jìn)行壓縮，產(chǎn)生壓縮熱并進(jìn)行回收，將壓縮產(chǎn)生的熱能存儲(chǔ)和經(jīng)過(guò)壓縮后的空氣存儲(chǔ)進(jìn)行解耦；釋能時(shí)，將高壓空氣和壓縮熱能輸入膨脹機(jī)進(jìn)行發(fā)電。AA-CAES最高可達(dá)70%[9]的綜合效率。

（1）壓縮階段

大部分AA-CAES電站中的壓縮機(jī)使用多級(jí)壓縮、級(jí)間冷卻模式，采用這種模式，每級(jí)壓縮都被視為可逆絕熱過(guò)程[10-11]。級(jí)壓縮的AA-CAES電站在時(shí)刻的第級(jí)壓縮功率為：

式中：c表示壓縮過(guò)程效率；通過(guò)第級(jí)壓縮機(jī)的空氣質(zhì)量為a；p表示空氣的定壓比熱；c,i,in表示第級(jí)壓縮機(jī)的進(jìn)氣溫度；c表示壓縮機(jī)的額定壓縮比；表示空氣比熱比。

（2）換熱階段

經(jīng)過(guò)換熱器和載熱介質(zhì)的壓縮熱和高溫高壓空氣會(huì)進(jìn)行換熱。其中，換熱過(guò)程的關(guān)鍵參數(shù)[12-13]，即換熱效能參數(shù)定義如式（2）：

式中：表示流體的質(zhì)量；表示流體的溫度，熱、冷流體分別對(duì)應(yīng)含有下標(biāo)1、2的參數(shù)；流體進(jìn)入和離開(kāi)換熱器分別對(duì)應(yīng)含有下標(biāo)in、out的參數(shù)。

（3）儲(chǔ)熱階段

壓縮階段產(chǎn)生的壓縮熱在經(jīng)過(guò)換熱階段后進(jìn)入儲(chǔ)熱裝置。在儲(chǔ)熱過(guò)程中，級(jí)換熱器吸收且存儲(chǔ)到儲(chǔ)熱器中的總熱量如式（3）：

式中：TES表示級(jí)換熱器吸收且存儲(chǔ)到儲(chǔ)熱器中的總熱量；c,i表示第級(jí)換熱器換熱時(shí)吸收的熱量。

（4）釋熱階段

在釋能過(guò)程，儲(chǔ)氣室內(nèi)溫度as以及從流入第一級(jí)換熱器的進(jìn)氣溫度近似相等。所以釋能階段第一級(jí)膨脹機(jī)的進(jìn)氣溫度為：

式中：wc為儲(chǔ)能階段儲(chǔ)熱器中存儲(chǔ)熱的最高溫度。

（5）膨脹階段

AA-CAES系統(tǒng)在時(shí)刻第級(jí)膨脹功率為[14]：

式中：t表示膨脹過(guò)程效率；t表示膨脹機(jī)額定膨脹比。

1.1.2 CHP機(jī)組建模

對(duì)于CHP機(jī)組，其能源轉(zhuǎn)換關(guān)系為：

1.1.3 其他建模

燃?xì)鉅t、吸收式制冷機(jī)組和電制冷機(jī)組，能源轉(zhuǎn)換描述如下：

式中：GB為燃?xì)鉅t的效率；EC和AC分別為電制冷機(jī)和吸收式制冷機(jī)的性能系數(shù)；GB()為時(shí)刻燃?xì)忮仩t的耗氣量。

1.2 目標(biāo)函數(shù)

對(duì)多能流系統(tǒng)進(jìn)行節(jié)能調(diào)度，其目的不僅僅是節(jié)約能量數(shù)量，更重要的是質(zhì)的節(jié)省。?效率是系統(tǒng)中輸入?和輸出?的比值。對(duì)各類(lèi)能源進(jìn)行?分析，即質(zhì)量評(píng)估，目的是實(shí)現(xiàn)整個(gè)系統(tǒng)?效率最大。本文系統(tǒng)模型的能源負(fù)載預(yù)測(cè)結(jié)果足夠準(zhǔn)確，即不考慮負(fù)載不確定性。節(jié)能目標(biāo)從系統(tǒng)?效率最大轉(zhuǎn)變成系統(tǒng)?輸入最小。

如圖1所示，由風(fēng)力發(fā)電與天然氣給冷、熱、電負(fù)荷供能。在時(shí)刻系統(tǒng)的負(fù)荷端需求?和系統(tǒng)輸入端輸入?的關(guān)系為：

在系統(tǒng)模型中，除了電能是高品位能量，即電能可以完全轉(zhuǎn)換為其他種類(lèi)能，電能與電?相等，其他的冷能和熱能相對(duì)而言是低品位能量，?值小于能值。因此，系統(tǒng)輸出端在時(shí)刻?描述為[15]：

系統(tǒng)輸入端輸入的天然氣中的?[22]，可表示為：

系統(tǒng)輸入端的風(fēng)能是可再生清潔能源，系統(tǒng)輸入不關(guān)注風(fēng)能的?，而關(guān)注風(fēng)電的?。使用AA-CAES平抑風(fēng)電出力的波動(dòng)，對(duì)風(fēng)電–壓縮空氣進(jìn)行整體性的?分析，可表示為：

系統(tǒng)?效率的計(jì)算表示為：

系統(tǒng)的目標(biāo)函數(shù)為：

1.3 約束條件

1.3.1 能量約束

系統(tǒng)在以節(jié)能為目標(biāo)的調(diào)度過(guò)程中，首先需要滿足系統(tǒng)冷、熱、電的能量平衡約束，既輸入的能量一定要滿足負(fù)載所需的能量。

其中，冷能的能量平衡約束為：

熱能負(fù)載的能流約束要考慮AA-CAES和系統(tǒng)整體的熱量平衡，表示為：

電能的平衡約束為：

1.3.2 設(shè)備約束

CHP機(jī)組出力限制和爬坡約束，如下所示：

對(duì)于燃?xì)鉅t、電制冷和吸收式制冷機(jī)組，考慮其能源轉(zhuǎn)化關(guān)系和處理限制約束，模型描述如下：

考慮輸入輸出關(guān)系及容量限制，換熱器約束表示為：

AA-CAES的約束可分別表示為電站充放電功率約束、儲(chǔ)氣室和儲(chǔ)熱器約束：

式中：CAESC,min和CAESC,max分別為壓縮功率的下上限；C,t為表示壓縮工況的二進(jìn)制變量；CAESG,max和CAESG,min分別為發(fā)電功率的上下限；G,t為表示發(fā)電工況的二進(jìn)制變量；st,max和st,min分別為儲(chǔ)氣室氣壓的上下限；H,max為儲(chǔ)熱器儲(chǔ)熱量的上限值。

2 多能流系統(tǒng)的節(jié)能調(diào)度

為實(shí)現(xiàn)多能流系統(tǒng)的節(jié)能調(diào)度運(yùn)行，采用模擬退火算法對(duì)上述的多目標(biāo)優(yōu)化調(diào)度模型進(jìn)行求解，獲得系統(tǒng)最節(jié)能的運(yùn)行方案，即基于?評(píng)估的最節(jié)能運(yùn)行方案。

2.1 模擬退火法對(duì)約束的處理

模擬退火法是一種非線性無(wú)約束問(wèn)題的求解方法，約束條件有不等式約束和等式約束。因此，需要將非線性有約束規(guī)劃問(wèn)題轉(zhuǎn)換為非線性無(wú)約束規(guī)劃問(wèn)題，利用罰函數(shù)法將其轉(zhuǎn)化為增廣目標(biāo)函數(shù)極小值問(wèn)題。

目標(biāo)函數(shù)和約束條件可表示為：

轉(zhuǎn)化為增廣目標(biāo)函數(shù)極小值問(wèn)題后，可表示為：

式中：{M}為單調(diào)遞增的正序列；()為原始的目標(biāo)函數(shù)；()為施加在原始目標(biāo)函數(shù)上的罰函數(shù)；M為作用于罰函數(shù)的懲罰因子；MP()為懲罰項(xiàng)。在()中，不滿足約束條件，懲罰項(xiàng)MP()>0，并且由于{M}單調(diào)遞增，懲罰項(xiàng)會(huì)越來(lái)越大。當(dāng)滿足約束條件時(shí)，MP()=0，即沒(méi)有懲罰。因此，當(dāng)()足夠小時(shí)，(M)將充分接近約束區(qū)域的邊界時(shí)，可認(rèn)為(M)是滿足約束條件的最小點(diǎn)。

式（30）中的g()為式（21）、式（23）～（26）、式（27）的第二條和式（28）的變化形式，即：

式（30）中的h()為式（18）、式（19）和式（21）的變化形式，即：

2.2 算法過(guò)程

模擬退火算法的核心思想是首先隨機(jī)選擇一個(gè)解作為開(kāi)始，然后產(chǎn)生一個(gè)隨機(jī)擾動(dòng)，如果找到比上一個(gè)解更接近最優(yōu)解的解，那么直接接受這個(gè)解。如果找到的解不如最優(yōu)解，以一定的概率接受，算法過(guò)程如圖2所示。

具體步驟如下：

步驟1：初始化迭代次數(shù)。溫度參數(shù)0，參數(shù)要足夠大，使其對(duì)任意一個(gè)初始解的接受概率都接近1。

步驟2：令初始可行解等于當(dāng)前解，計(jì)算對(duì)應(yīng)的目標(biāo)函數(shù)值。

步驟3：若此時(shí)達(dá)到平衡條件，則跳至步驟6；否則執(zhí)行步驟4和5。

步驟4：進(jìn)行隨機(jī)擾動(dòng)，產(chǎn)生一個(gè)試驗(yàn)解new作為的鄰域解，new作為其對(duì)應(yīng)的目標(biāo)函數(shù)值。

步驟6：若滿足終止條件，則停止迭代；否則，減小溫度參數(shù)，然后回到步驟3。

圖2 模擬退火法流程圖

3 算例分析

3.1 系統(tǒng)配置

以圖1所示的多能流系統(tǒng)為例：包含如電制冷、吸收式制冷等能量轉(zhuǎn)換設(shè)備和AA-CAES，用來(lái)滿足輸出側(cè)的多種能源需求。在輸入能源中，天然氣的?系數(shù)為0.95[16]，低位熱取值為50 MJ/kg[17]；壓縮空氣采用的給定壓縮機(jī)效率為80%[18]，透平效率為85%的條件，采用?效率中值0.63，caes為0.63，負(fù)荷側(cè)的冷熱媒體溫度分別為280.52 K和312.89 K。認(rèn)為風(fēng)力發(fā)電的預(yù)測(cè)足夠準(zhǔn)確，如圖3和圖4所示。以夏天和冬季的負(fù)荷需求為例，系統(tǒng)冷熱電負(fù)荷如表1和表2所示[19]。

圖3 夏季風(fēng)電出力

圖4 冬季風(fēng)電出力

3.2 模型求解與仿真分析

采用MATLAB進(jìn)行仿真，使用模擬退火算法進(jìn)行求解，在迭代過(guò)程中趨近最優(yōu)解，迭代過(guò)程中以一定的概率接受非最優(yōu)解以防止陷入局部最優(yōu)。以1 h為時(shí)間尺度，求得1天內(nèi)的系統(tǒng)最小?輸入。圖5和圖6所示為系統(tǒng)冷能調(diào)度的數(shù)據(jù)，其中AC和EC分別為吸收式制冷和電制冷所產(chǎn)生冷能的數(shù)值?？梢钥吹较募疚帐街评浜碗娭评洚a(chǎn)生一定數(shù)量的冷能，冬季則沒(méi)有冷能產(chǎn)生。

表1 夏季系統(tǒng)負(fù)載

表2 冬季系統(tǒng)負(fù)載

圖5 夏季冷能調(diào)度結(jié)果

圖6 冬季冷能調(diào)度結(jié)果

圖7和圖8所示為GB為燃?xì)鉅t所產(chǎn)生熱能，CHP為熱電聯(lián)產(chǎn)裝置產(chǎn)生熱能，CAES為壓縮空氣的儲(chǔ)熱裝置輸出熱能，AC為吸收式制冷所消耗的熱能。其中，在冬季，吸收式制冷不會(huì)消耗熱量。

圖7 夏季熱能調(diào)度結(jié)果

圖8 冬季熱能調(diào)度結(jié)果

圖9和圖10所示為CAES為壓縮空氣的發(fā)電功率，CHP為熱電聯(lián)產(chǎn)的發(fā)電功率，WIND為風(fēng)力發(fā)電的電功率，EC為電制冷的耗電功率?？梢钥闯?，冬季的電制冷耗電量為0。

圖9 夏季電能調(diào)度

圖10 冬季電能調(diào)度

圖11和圖12分別是夏季、冬季多能流調(diào)度的?輸入值，24 h內(nèi)以1 h為時(shí)間尺度，以系統(tǒng)?最小為目標(biāo)的節(jié)能調(diào)度結(jié)果。從結(jié)果上可以看到，00:00—05:00系統(tǒng)的能源需求最低；06:00—10:00系統(tǒng)能源需求呈現(xiàn)明顯上升趨勢(shì)，并在10:00達(dá)到一個(gè)相對(duì)平穩(wěn)的能源需求狀態(tài)；10:00—20:00是系統(tǒng)能源需求最高的時(shí)間段，并在22:00開(kāi)始系統(tǒng)能源需求急劇降低。這一現(xiàn)象也正好驗(yàn)證了本系統(tǒng)能源調(diào)度的合理性。并且，根據(jù)式（17）可求出本多能流系統(tǒng)?效率為38%～58%。

圖11 夏季系統(tǒng)?輸入

圖12 冬季系統(tǒng)?輸入

表3為AA-CAES對(duì)多能流系統(tǒng)?輸入值的影響，?1列是本系統(tǒng)有壓縮空氣儲(chǔ)能系統(tǒng)時(shí)的系統(tǒng)?輸入，?2列是系統(tǒng)沒(méi)有壓縮空氣儲(chǔ)能系統(tǒng)時(shí)的?輸入。從數(shù)據(jù)上可以看出，在有壓縮空氣平衡能量時(shí)，系統(tǒng)的?效率更高，節(jié)能性更好。在沒(méi)有AA-CAES時(shí)，根據(jù)式（17）可以算出系統(tǒng)?效率為28%～47%。

表3 夏季不同情況對(duì)比

4 結(jié)論

本文首先將熱力學(xué)第二定律的概念引入到多能流系統(tǒng)的能源調(diào)度中，基于?評(píng)估對(duì)多能流系統(tǒng)進(jìn)行以最節(jié)能的目標(biāo)的優(yōu)化調(diào)度，建立以系統(tǒng)輸入?最小的目標(biāo)函數(shù)。在多能流系統(tǒng)中，采用AA-CAES作為儲(chǔ)能系統(tǒng)，采用模擬退火算法對(duì)系統(tǒng)模型進(jìn)行求解，求出系統(tǒng)最節(jié)能的能源調(diào)度方法：

（1）引入熱力學(xué)第二定律的?概念評(píng)估系統(tǒng)的節(jié)能性，發(fā)展多能流系統(tǒng)最節(jié)能的調(diào)度方法，并且求出本多能流系統(tǒng)?效率為38%～58%。

（2）通過(guò)對(duì)夏季和冬季兩個(gè)?能特點(diǎn)明顯的季節(jié)性多能流系統(tǒng)進(jìn)行節(jié)能調(diào)度，可以得出多能流系統(tǒng)的節(jié)能調(diào)度可行并且正確。

（3）通過(guò)是否使用AA-CAES的多能流系統(tǒng)?輸入作對(duì)比研究，表明在具有壓縮空氣時(shí)，系統(tǒng)的節(jié)能性更好。

[1] 丁濤, 牟晨璐, 別朝紅, 等. 能源互聯(lián)網(wǎng)及其優(yōu)化運(yùn)行研究現(xiàn)狀綜述[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2018, 38(15): 4318-4328.

DING TAO, MU CHENLU, BIE ZHAOHONG, et al. Review of energy internet and its operation[J]. Proceedings of the CSEE, 2018, 38(15): 4318-4328(in Chinese).

[2] 王永真, 張靖, 潘崇超, 等. 綜合智慧能源多維績(jī)效評(píng)價(jià)指標(biāo)研究綜述[J]. 全球能源互聯(lián)網(wǎng), 2021, 4(3): 207-225.

WANG YONGZHEN, ZHANG JING, PAN CHONGCHAO, et al. Multi-dimensional performance evaluation index review of integrated and intelligent energy[J]. Journal of Global Energy Interconnection, 2021, 4(3): 207-225(in Chinese).

[3] 孫宏斌, 郭慶來(lái), 潘昭光. 多能流能量管理研究: 挑戰(zhàn)與展望. 電力系統(tǒng)自動(dòng)化, 2016, 40(15): 1-8.

SUN HONGBIN, GUO QINGLAI, PAN ZHAOGUANG. Energy management for multi-energy flow: challenges and prospects[J]. Automation of Electric Power Systems, 2016, 40(15): 1-8(in Chinese).

[4] 胡偉, 楊梓俊, 王瑾然, 等. 園區(qū)綜合能源系統(tǒng)日前多目標(biāo)優(yōu)化調(diào)度[J]. 電力科學(xué)與技術(shù)學(xué)報(bào), 2021, 36(1): 13-20.

HU WEI, YANG ZIJUN, WANG JINRAN, et al. Multi-objective optimal scheduling of integrated energy system in the industry park[J]. Journal of Electric Power Science and Technology, 2021, 36(1): 13-20(in Chinese).

[5] 黃秋立, 劉蕓. 基于混合價(jià)格型需求響應(yīng)的隨機(jī)經(jīng)濟(jì)調(diào)度[J]. 電力科學(xué)與工程, 2020, 36(12): 30-36.

HUANG QIULI, LIU YUN. Stochastic economic dispatch considering hybrid price-driven demand response[J]. Electric Power Science and Engineering, 2020, 36(12): 30-36(in Chinese).

[6] 檀勤良, 丁毅宏. 考慮碳交易的火電節(jié)能調(diào)度優(yōu)化模型及應(yīng)對(duì)模式[J]. 電力自動(dòng)化設(shè)備, 2018, 38(7): 175-181.

TAN QINLIANG, DING YIHONG. Optimal energy-saving dispatching model for thermal power considering carbon trading and its coping mode[J]. Electric Power Automation Equipment, 2018, 38(7): 175-181(in Chinese).

[7] 關(guān)欣, 黃素逸. 節(jié)能技術(shù)及案例分析[M]. 北京: 中國(guó)電力出版社, 2016.

[8] 吳晨曦, 陳澤昊, 張杰,等. 考慮先進(jìn)絕熱壓縮空氣儲(chǔ)能的風(fēng)力發(fā)電系統(tǒng)成本/供電可靠性評(píng)估[J]. 電力自動(dòng)化設(shè)備, 2020, 40(2): 62-68.

WU CHENXI, CHEN ZEHAO, ZHANG JIE, et al. Cost/power supply reliability assessment of wind power generation system considering advanced adiabatic compressed air energy storage[J]. Electric Power Automation Equipment, 2020, 40(2): 62-68(in Chinese).

[9] 蔡杰, 張松巖, 杜治, 等. 含光熱集熱模塊的先進(jìn)絕熱壓縮空氣儲(chǔ)能系統(tǒng)容量配置策略[J]. 電力自動(dòng)化設(shè)備, 2020, 40(7): 165-173.

CAI JIE, ZHANG SONGYAN, DU ZHI, et al. Capacity allocation strategy of advanced adiabatic compressed air energy storage system with solar thermal collector module[J]. Electric Power Automation Equipment, 2020, 40(7): 165-173(in Chinese).

[10] LUO X, WANG J H, KRUPKE C, et al. Modelling study, efficiency analysis and optimization of large-scale adiabatic compressed air energy storage systems with low-temperature thermal storage[J]. Applied Energy, 2016, 162: 589-600.

[11] 薛小代, 陳曉弢, 梅生偉, 等. 采用熔融鹽蓄熱的非補(bǔ)燃?jí)嚎s空氣儲(chǔ)能發(fā)電系統(tǒng)性能[J]. 電工技術(shù)學(xué)報(bào), 2016, 31(14): 11-20.

XUE XIAODAI, CHEN XIAOTAO, MEI SHENGWEI, et al. Performance of non-supplementary fired compressed air energy storage with molten salt heat storage[J]. Transactions of China Electrotechnical Society, 2016, 31(14): 11-20(in Chinese).

[12] 李瑞, 陳來(lái)軍, 梅生偉, 等. 先進(jìn)絕熱壓縮空氣儲(chǔ)能變工況運(yùn)行特性建模及風(fēng)儲(chǔ)協(xié)同分析[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(11): 25-33.

LI RUI, CHEN LAIJUN, MEI SHENGWEI, et al. Modelling the off-design operation characteristics of advanced adiabatic compressed air energy storage and cooperative analysis of hybrid wind power and energy storage system[J]. Automation of Electric Power Systems, 2019, 43(11): 25-33(in Chinese).

[13] 韓中合, 龐永超. AA-CAES中蓄熱系統(tǒng)模型改進(jìn)與分析[J]. 太陽(yáng)能學(xué)報(bào), 2018, 39(6): 1566-1573.

HAN ZHONGHE, PANG YONGCHAO. Model modification and analysis of heat storage system in AA-CAES[J]. Acta Energiae Solaris Sinica, 2018, 39(6): 1566-1573(in Chinese).

[14] JIANG R, CAI Z, PENG K, et al. Thermo-economic analysis and multi-objective optimization of poly generation system based on advanced adiabatic compressed air energy storage system[J]. Energy Conversion and Management, 2021, 229: 113724.

[15] 鄭亞鋒, 魏振華, 高宇峰, 等. 多能流系統(tǒng)經(jīng)濟(jì)-節(jié)能多目標(biāo)最優(yōu)運(yùn)行[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2020, 32(9): 77-85.

ZHENG YAFENG, WEI ZHENHUA, GAO YUFENG, et al. Multi-objective optimal operation of multi-energy carrier system considering economy and energy conservation[J]. Proceedings of the CSU-EPSA, 2020, 32(9): 77-85(in Chinese).

[16] 郭艷飛, 吳強(qiáng), 程林, 等. 基于?效率的綜合能源系統(tǒng)能效分析模型[J]. 可再生能源, 2017, 35(9): 1387-1394.

GUO YANFEI, WU QIANG, CHENG LIN, et al. Efficiency analysis model of integrated energy system based on the exergy efficiency[J]. Renewable Energy Resources, 2017, 35(9): 1387-1394(in Chinese).

[17] SHEHZAD M F, DAN M, MARIANI V, et al. A heuristic algorithm for combined heat and power system operation management[J]. Energies, 2021, 14(6): 1588.

[18] 徐玉杰, 陳海生, 劉佳, 等. 風(fēng)光互補(bǔ)的壓縮空氣儲(chǔ)能與發(fā)電一體化系統(tǒng)特性分析[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2012, 32(20): 88-95.

XU YUJIE, CHEN HAISHENG, LIU JIA, et al. Performance analysis on an integrated system of compressed air energy storage and electricity production with wind-solar complementary method[J]. Proceedings of the CSEE, 2012, 32(20): 88-95(in Chinese).

[19] 代憲亞. 天然氣冷熱電聯(lián)供能源系統(tǒng)運(yùn)行優(yōu)化研究[D]. 上海: 上海電力學(xué)院, 2017.

Energy-saving Scheduling of Multi-energy Flow Based on Exergy Evaluation

WU Chenxi, HE Zhanglu, YE Jianxiong, HONG Hanxiao

(School of Automation, Hangzhou Dianzi University, Hangzhou 310018, China)

Multi-energy flow system can realize the overall energy planning, multi-energy complementation and cascade utilization, and improve the energy utilization rate. In such a circumstance, a multi-energy flow system model of cooling, heating and power is established in this paper. Advanced adiabatic compressed air energy storage system (AA-CAES) is employed to balance the wind power and electrical power demand. Exergy analysis method of the second law of thermodynamics is used to evaluate the energy-saving index of the system to determine the most energy saving scheduling method for the multi-energy flow system. Taking typical wind power generation and cooling, heating and electricity demand of a park in winter and summer season as an example, simulated annealing arithmetic is adopted to carry out energy-saving scheduling of the system and exergy efficiency of the system is calculated. This paper makes a comparative study on the influence of advanced adiabatic compressed air on the energy-saving of the system. The results show that the system uses exergy efficiency to evaluate energy-saving index, and the efficiency is higher when the system has advanced adiabatic compressed air, which is about 38%～58%.

advanced adiabatic compressed air energy storage; exergy efficiency; wind power; multi-energy flow; simulated annealing arithmetic; energy-saving

10.3969/j.ISSN.1672-0792.2021.08.006

TM614;TK02

A

1672-0792(2021)08-0041-10

2021-05-10

國(guó)家自然科學(xué)基金（U1766201）；浙江省自然科學(xué)基金（LY20E070002）

吳晨曦（1978—），女，副教授，主要研究方向?yàn)樾履茉措娏Α⒍嗄芰髡{(diào)度等；

何章露（1996—），男，碩士研究生，主要研究方向?yàn)樾履茉措娏?、多能流調(diào)度；

葉劍雄（1996—），男，碩士研究生，主要研究方向?yàn)樾履茉措娏Α⒍嗄芰髡{(diào)度；

洪晗笑（1999—），女，碩士研究生，主要研究方向?yàn)樾履茉措娏?、多能流調(diào)度。