張愛平，趙利興，劉靜

（中國華電科工集團有限公司，北京 100070）

0 引言

隨著“碳達峰、碳中和”目標的提出，綜合能源服務項目的建設由小范圍試點向全國范圍推廣。綜合能源系統(tǒng)是與能源服務升級、多種能源互補發(fā)展、可再生能源大規(guī)模應用和綜合能效提升等相伴而生的。綜合能源服務面向能源系統(tǒng)終端，以用戶需求為導向，通過集成多種能源系統(tǒng)，提高能源的互補利用，使用戶用能滿意度得到提升。綜合能源服務旨在提供符合能源發(fā)展方向、契合用戶實際需求、提升綜合能源利用率的能源系統(tǒng)解決方案，是推動能源革命的重要舉措［1-4］。

歐洲最早提出綜合能源系統(tǒng)概念并付諸實施，早在歐盟第五框架（FP5）中就提及［5］，如分布式發(fā)電、運輸和能源（Distributed Generation Transport and Energy，DGTREN）項目、Energie 項目及Microgrid 項目對綜合能源系統(tǒng)進行研究，側重能源協(xié)調、協(xié)同優(yōu)化及靠近用戶側開發(fā)。美國注重綜合能源智能管理相關理論技術的研發(fā)，美國能源部2001 年即提出了綜合能源系統(tǒng)、智能管理系統(tǒng)的建設，注重各類能源系統(tǒng)間的協(xié)調配合。日本的綜合能源管理系統(tǒng)則致力于引導能源結構優(yōu)化，促進可再生能源規(guī)?；_發(fā)，這與日本能源嚴重依賴進口的現(xiàn)狀密不可分。

我國綜合能源服務尚處于起步階段，冷、熱、電、氣各自獨立供應，缺乏整體協(xié)調管理，存在能效低、運營成本高等問題。綜合能源服務系統(tǒng)貼近用戶側，供能負荷需要實時與用戶需求相匹配，而用戶負荷變化大，導致運行方式復雜［6-10］；同時，綜合能源系統(tǒng)機組耦合性強，邊際效益條件影響因素多［11-16］。因此，需采用一套智能化控制系統(tǒng)，用高度集成的智能化控制設備取代人工操作，快速響應用戶負荷需求變化，保障系統(tǒng)安全、經(jīng)濟運行。

樓宇型綜合能源服務系統(tǒng)服務于園區(qū)內建筑樓宇智慧用能需求，樓宇用能具有季度性、時段性等特點。優(yōu)化運行系統(tǒng)要實現(xiàn)供能與樓宇側用能一體化數(shù)據(jù)通信，協(xié)調優(yōu)化控制以及源、網(wǎng)、荷友好互動等功能。本文以某樓宇型綜合能源服務示范項目為例，對綜合能源服務系統(tǒng)優(yōu)化運行控制策略進行研究，為類似項目提供參考。

1 系統(tǒng)概述

示范項目位于北京市某科技園區(qū)，為AB座、CD座、EFG 座、HI 座4 棟獨立樓座供冷、熱、電、生活熱水，建筑規(guī)模為：地上約17 萬m2，地下約8 萬m2。綜合能源供能系統(tǒng)包括天然氣冷熱電三聯(lián)供系統(tǒng)、太陽能生活熱水系統(tǒng)、光儲系統(tǒng)及低溫煙氣余熱回收系統(tǒng)。

其中天然氣冷熱電三聯(lián)供系統(tǒng)建設2 臺3.300 MW 級內燃機+2 臺煙氣熱水型余熱溴化鋰機組（制冷2×2.908 MW，供熱2×1.257 MW（不含缸套水熱量））+2臺離心式電制冷機（供冷2×1.800 MW）+1臺直燃機（供冷3.490 MW，供熱2.800 MW）+1 臺直燃機（供冷3.490 MW，供熱2.800 MW，供生活熱水1.100 MW），為園區(qū)供冷、熱、電及生活熱水。太陽能生活熱水集熱器位于H 座屋頂，共44 組，作為酒店生活熱水的補充供應源。光伏裝機容量為187.22 kWp，儲能裝機為100 kW∕240 kW·h，光伏發(fā)電直接接入大樓低壓配電系統(tǒng)。低溫煙氣余熱回收系統(tǒng)為2 套內燃機組+1 臺熱泵機組及其輔助設備，每套內燃機組煙道設置1套煙氣板式換熱器。

園區(qū)綜合能源服務示范項目自2020 年開始策劃實施，計劃2021年年底完成建設。通過示范項目的建設，實現(xiàn)綜合能源服務系統(tǒng)的優(yōu)化運行。

2 研究目標

樓宇型綜合能源服務系統(tǒng)通過采集園區(qū)樓宇側、管網(wǎng)側數(shù)據(jù)建立負荷預測模型，利用大數(shù)據(jù)分析歷史用能數(shù)據(jù)，找出負荷隨季節(jié)和時間的變化規(guī)律；同時，結合天氣預報信息，通過已建立的負荷預測模型，給出冷、熱、電、生活熱水24 h 負荷預測曲線并根據(jù)實時負荷不斷進行修正。

在園區(qū)能源需求、供能設備運行、外購市電及天然氣價格等邊界條件的約束下，通過建立多目標函數(shù)，實現(xiàn)負荷分配尋優(yōu)，給出設備組合運行策略。

3 優(yōu)化運行技術方案設計原則

優(yōu)化運行技術方案決定了示范項目的運行模式以及各種運行模式下的優(yōu)化運行策略，設置以下設計原則：（1）天然氣供應不受限制，滿足機組不同負荷工況下天然氣的需求；（2）園區(qū)電采用并網(wǎng)上網(wǎng)模式，即園區(qū)多余電可以上網(wǎng)，不足電力可以從電網(wǎng)購買市電；（3）在滿足園區(qū)負荷需求的條件下，盡可能提高可再生能源利用率；（4）提高綜合能源利用，余熱要盡可能利用；（5）提高園區(qū)供能系統(tǒng)運行的經(jīng)濟性；（6）結合項目設備特點，限制部分設備的最低負荷。

4 聯(lián)供系統(tǒng)介紹

聯(lián)供設備主要由動力設備、余熱利用設備、調峰設備、多能互補系統(tǒng)及相關輔助設備構成。本項目動力設備采用2套燃氣內燃發(fā)電機組，1臺內燃機對應1臺煙氣熱水型溴化鋰機組（余熱機）。內燃機的缸套水和煙氣余熱經(jīng)三通閥連接至余熱機，通過調節(jié)缸套水、煙氣三通閥的開度，可分別調節(jié)余熱機缸套水及煙氣的送入量，即可調節(jié)余熱機的負荷。2 臺余熱機冬季可供空調熱水，夏季可供空調冷水；同時，余熱機集成了生活熱水板式換熱器，充分吸收煙氣的余熱，冬季設置低溫煙氣深度利用系統(tǒng)，利用低溫煙氣驅動熱泵，制取空調熱水。H座屋頂太陽能生活熱水系統(tǒng)充分利用可再生能源，供給酒店生活熱水系統(tǒng)。AB 座屋頂布置的分布式光伏系統(tǒng)為示范光儲系統(tǒng)，配置儲能系統(tǒng)。調峰設備配置2 臺電制冷機組、2 臺直燃機組，2 臺直燃機組可供空調冷熱水，其中一臺機組還可供生活熱水。系統(tǒng)配置了集成化板式換熱器，當室外溫度低于5 ℃時，獲得空調冷水，對數(shù)據(jù)機房供冷。

示范項目聯(lián)供系統(tǒng)結構如圖1所示。

圖1 聯(lián)供系統(tǒng)結構Fig.1 Structure of the cogeneration system

5 負荷預測模型設計

針對不同的負荷，結合具體負荷特點進行負荷預測；同時，根據(jù)不同負荷的運行時間進行分段和分類預測。

負荷預測模型主要計算步驟如下：（1）獲取冷、熱、電、生活熱水負荷歷史記錄；（2）分析冷、熱、電、生活熱水負荷歷史記錄；（3）確定趨勢因子（根據(jù)歷史記錄做出趨勢曲線）；（4）確定日內（工作時間段）和季節(jié)性方案；（5）預測負荷需求；（6）計算負荷預測誤差以及負荷與季節(jié)的相關性；（7）將負荷預測轉換至計劃期段；（8）模型不斷修正驗算，直至滿足預期結果。

負荷預測主要用于預測各類負荷在未來一段時間的變化情況，以便合理安排機組運行方式和機組的負荷調整方式，優(yōu)化、控制負荷。負荷預測子系統(tǒng)的預測對象有冷、熱、電、生活熱水負荷，預測內容包括各類負荷的峰谷時刻和持續(xù)時間、典型日24 h負荷、短時內的精確負荷預測等，具體負荷預測流程如圖2所示。

圖2 負荷預測流程Fig.2 Process of load forecasting

5.1 電負荷預測

電負荷預測采用基于線性外推法的短期負荷預測方法，該方法的數(shù)學模型為

5.2 冷熱負荷預測

冷熱負荷要結合樓宇型綜合能源的特性來考慮。影響冷熱負荷的參數(shù)可以分為2 類：第1 類是自由屬性參數(shù)，包括建筑的朝向、墻體和窗戶的熱阻、窗墻比等，建筑建造好后這類參數(shù)幾乎不變；第2 類是運行屬性參數(shù)，包括建筑的工作時間段、人員安排、人體舒適度要求、內部熱源（如照明等用電設備）等。

建立夏冬季單位面積平均冷熱負荷數(shù)學模型

式中：Qc，Qh為夏季和冬季單位面積平均冷、熱負荷，W∕m2；Qc，ba為冷負荷基準值，按6—8 月制冷需求計算，實際基準值可按具體時段進行調整；Tc為工作時段制冷量比例系數(shù)之和；θ為建筑正南方向與地理正南方向的夾角；Gc(θ)為制冷季建筑的朝向對制冷的影響；Sc(θ)為制冷時間段輻射系數(shù)之和；Sc(t)為制冷時間段溫差系數(shù)之和；Gc(r)為窗墻比對冷負荷的影響系數(shù)；Gc(Rwa)為外墻熱阻對冷負荷的影響系數(shù)；Gc(Rwi)為窗戶熱阻對冷負荷的影響系數(shù)；Qh，ba為熱負荷基準值，按12—2 月熱需求計算，實際基準值可按具體時段進行調整；Th為工作時段制熱量比例系數(shù)之和；Gh(θ)為制冷季建筑朝向對制熱的影響；Sh(θ)為制熱時段輻射系數(shù)之和；Sh(t)為制熱時段溫差系數(shù)之和；Gh(r)為窗墻比對熱負荷的影響系數(shù)；Gh(Rwa)為外墻熱阻對熱負荷的影響系數(shù)；Gh(Rwi)為窗戶熱阻對熱負荷的影響系數(shù)；k1為輻射轉換系數(shù)；k2，k3為墻體冷、熱傳導系數(shù)。

6 智能優(yōu)化運行方案設計

6.1 智能優(yōu)化系統(tǒng)功能

智能優(yōu)化系統(tǒng)負責信息的采集、通信及優(yōu)化策略的尋優(yōu)與顯示。系統(tǒng)采集綜合能源、空調管網(wǎng)、用戶側的數(shù)據(jù)，設有負荷預測、機組性能計算、負荷優(yōu)化指令分配、機組狀態(tài)監(jiān)測、機組特性曲線在線學習等功能模塊。智能優(yōu)化系統(tǒng)基本策略是通過采集源、網(wǎng)、荷側信息，預測未來24 h 負荷需求，完成機組特性曲線的學習、機組性能計算，進一步實現(xiàn)機組負荷的最優(yōu)分配并下達各負荷指令和設定參數(shù)到相關設備。

具體運行優(yōu)化策略如下：智能優(yōu)化系統(tǒng)采集綜合能源源側分散控制系統(tǒng)（DCS）和設備信息數(shù)據(jù)，網(wǎng)絡服務器采集空調管網(wǎng)數(shù)據(jù)、用戶用能數(shù)據(jù)、天氣數(shù)據(jù)等負荷相關數(shù)據(jù)，智能優(yōu)化系統(tǒng)通過智能學習算法，完成整個綜合能源系統(tǒng)主要設備運行特性的學習；采用智能尋優(yōu)算法完成機組最優(yōu)運行模式分析；通過優(yōu)化控制器向DCS 發(fā)送優(yōu)化控制指令（包括負荷優(yōu)化分配指令、供熱∕供冷方式優(yōu)化與調控指令），調整機組的運行模式，通過網(wǎng)絡服務系統(tǒng)發(fā)布綜合能源系統(tǒng)及空調管網(wǎng)的最佳運行優(yōu)化策略給運行值班人員，從而實現(xiàn)綜合能源系統(tǒng)的整體優(yōu)化控制，達到高效低耗、經(jīng)濟匹配、可靠安全的運行目的。

6.2 優(yōu)化技術路線

在考慮能源市場、能源資源供需平衡和設備可利用性等因素的基礎上確定技術路線，建立混合整數(shù) 線 性 規(guī) 劃（Mixed-Integer Linear Programming，MILP）模型，如圖3 所示。優(yōu)化內容包括最優(yōu)設備組合、最優(yōu)設備負荷、最優(yōu)運行策略，以經(jīng)濟成本最小為第1 優(yōu)化目標，節(jié)能和環(huán)境指數(shù)為第2 優(yōu)化目標。

圖3 綜合能源系統(tǒng)智能優(yōu)化技術路線Fig.3 Roadmap of the intelligent optimization technology for the integrated energy system

6.3 確立優(yōu)化目標函數(shù)

優(yōu)化可分為單目標優(yōu)化和多目標優(yōu)化，綜合能源系統(tǒng)中能源的協(xié)同優(yōu)化多為多目標優(yōu)化，求解多目標優(yōu)化問題的解法較多，基于分解的多目標進化算法就是一種常用解法。相比于一般的數(shù)學優(yōu)化方法，基于分解的多目標進化算法在解決非線性整數(shù)規(guī)劃問題以及多維目標優(yōu)化問題上具備很大的優(yōu)勢。一般情況下，多目標優(yōu)化問題可描述為

式中：X∈Ω，f∈Θ，實現(xiàn)從n維向量到m維向量的轉換，如圖4所示；Ω，Θ為n及m維向量域。

圖4 決策向量轉換Fig.4 Transformation of the decision vector

6.4 智能優(yōu)化運行計算模型

6.4.1 尋優(yōu)目標函數(shù)

（1）全年總運行成本Csys_year，目標是Csys_year最小。

式中：Csys_year為綜合能源系統(tǒng)的全年總運行成本；分別為外部能源供應成本、能源轉換設備成本、儲能總運行成本；Tan為該典型日在每季度所占的天數(shù)；n表示第n個季度；l為能源轉換設備；j為儲能設備。

（2）一天24 h 時序優(yōu)化目標函數(shù)，目標是使供能成本最小，盡可能利用可再生能源循環(huán)制取生活熱水、光伏發(fā)電。

式中：Csys_day為一天24 h供能成本。

6.4.2 優(yōu)化約束條件

（1）能量平衡約束條件。

1）電力平衡。園區(qū)上下網(wǎng)電功率、光伏發(fā)電功率、內燃機組發(fā)電功率、儲能放電功率之和，滿足廠用電負荷、園區(qū)用電負荷及充電負荷之和。

式中：Pe_net(t，a)為電網(wǎng)上下網(wǎng)電功率，下網(wǎng)為正，上網(wǎng)為負；Ppv(t，a)為園區(qū)光伏發(fā)電功率；Pmt(t，a)為園區(qū)內燃機發(fā)電功率；Pdis(t，a)為園區(qū)儲能充電功率；Pe(t，a)為園區(qū)用電負荷；Pchar(t，a)為園區(qū)充電負荷，包含儲能電池和充電樁；Pauxi(t，a)為廠用電負荷；a表示某天；t表示某時刻。

2）空調熱水平衡。

式中：Qh，yr(t，a)為余熱機組熱負荷；Qh，bh(t，a)為板換熱負荷；Qh，zr(t，a)為直燃機組熱負荷；Qh(t，a)為園區(qū)熱負荷需求。

3）空調冷凍水平衡。

式中：Qc，yr(t，a)為余熱機組冷負荷；Qc，dz(t，a)為電制冷機組冷負荷；Qc，zr(t，a) 為直燃機組冷負荷；Qc(t，a)為園區(qū)冷負荷需求。

4）生活熱水平衡。

式中：Qs_sun(t，a)為太陽能生活熱水負荷；Qs_sbh(t，a)為生活熱水水水板式換熱器負荷；Qs_ybh(t，a)為生活熱水煙氣板式換熱器負荷；Qs_h(t，a)為園區(qū)生活熱水負荷需求。

（2）能源轉換設備運行約束條件：每臺設備在最低負荷和滿負荷之間運行。

（3）能源價格約束：在優(yōu)化決策過程中，考慮電力峰谷電價和燃氣價格進行能源平衡。

6.4.3 優(yōu)化尋優(yōu)方法

粒子群算法（Particle Swarm Optimization，PSO）是求解優(yōu)化問題的常用方法，它具有收斂速度快、計算量小、易于實現(xiàn)等優(yōu)點，但也有早熟收斂、維數(shù)災難、易陷入局部極值等缺點［17-20］。為避免PSO 的缺點，采用如下解決辦法。

（1）調整PSO 的參數(shù)來平衡算法的全局探測和局部開采能力。

（2）設計不同類型的拓撲結構，改變粒子學習模式，從而提高種群的多樣性。

（3）將PSO 和其他優(yōu)化算法結合，形成混合PSO算法。

根據(jù)園區(qū)能源系統(tǒng)的特點，采用混合PSO 算法策略來尋優(yōu)。算法的基本思想是，采取一種機制，當陷入局部最優(yōu)或發(fā)生早熟時，能夠跳出此局部區(qū)域并進入解空間的其他區(qū)域繼續(xù)進行搜索，直到找到全局最優(yōu)解。算法具體流程如圖5所示。

圖5 混合PSO算法流程Fig.5 Flow chart of the mixed PSO algorithm

引入種群的適應度方差σ2反映粒子的聚集程度：σ2越小，空間中的粒子越收縮于局部；σ2越大，空間中粒子的多樣性越好。

式中：n為粒子個數(shù)；fi為第i個粒子的適應度；favg為前i個粒子適應度的平均值。

變異機制

式中：gbest(i)為局部最優(yōu)值；μ為隨機變量。

在算法運行過程中，找到最優(yōu)值后，進行一個是否是局部最優(yōu)的判斷，如果是局部最優(yōu)就隨機改變這個粒子的位置，從而讓粒子進入其他區(qū)域進行搜索。在搜索過程中，算法可能發(fā)現(xiàn)新的個體極值以及全局極值，然后再進行一次是否滿足平衡約束的判斷，最終找到全局最優(yōu)解。

實時優(yōu)化調度模型中，采集實時負荷值并通過優(yōu)化計算得到各機組出力指令值，每次求解變量相對較少，此時采用混合PSO 算法能夠較好地解決非線性少變量的優(yōu)化問題?；旌螾SO 優(yōu)化算法主要包括產(chǎn)生初始解、計算目標函數(shù)值、計算約束條件下的函數(shù)值、計算適應度值、篩選最優(yōu)粒子、粒子向最優(yōu)粒子移動等步驟。能源站空調水溫度和發(fā)電機出力可調節(jié)，使用混合PSO 算法求解，以空調水溫度和發(fā)電機功率作為決策變量，以經(jīng)濟性為核心目標函數(shù)，同時考慮環(huán)境溫度、機組效率、水泵功耗與供回水溫差，得到最優(yōu)解決方案，即最優(yōu)控制策略。

7 負荷預測及優(yōu)化運行

基于園區(qū)冷、熱、電、生活熱水特點建立負荷預測模型，同時結合外界環(huán)境溫度，繪制全天24 h 負荷預測曲線，如圖6—8 所示。由圖6—8 可以看出，負荷預測值與實際值的偏差控制在10%以內。

圖6 電負荷預測曲線Fig.6 Electricity load forecasting curve

圖7 空調水負荷預測曲線Fig.7 Forecasting curve of the load for air conditioning water load

圖8 生活熱水負荷預測曲線Fig.8 Hot water load forecasting curve

根據(jù)冷、熱負荷的需求，參考負荷預測值，在滿足所考核的能源利用效率的前提下，以實現(xiàn)能源站經(jīng)濟效益最優(yōu)為目標，對各供能設備及冷熱網(wǎng)進行動態(tài)負荷優(yōu)化分配，給出動態(tài)優(yōu)化分配策略，調整設備運行組合方式及負荷參數(shù)。初步優(yōu)化結果顯示：通過煙氣余熱深度利用，可節(jié)約直燃機供空調熱水的能耗，高峰時段每小時可節(jié)約50 m3天然氣；通過減少余電上網(wǎng)，可提高能源經(jīng)濟效益；供能初期，通過調整供能參數(shù)，實現(xiàn)大溫差小流量供能，可節(jié)約天然氣耗量及廠用電量。2021 年該園區(qū)采用優(yōu)化運行方案后，與2019 年相比，年能源綜合效率提升了6.51百分點，自耗電減少了2.24%，見表1。

表1 優(yōu)化運行前、后數(shù)據(jù)對比Table 1 Comparison of the data before and after optimized operation

智能優(yōu)化前期先開環(huán)運行，后期逐步閉環(huán)運行，直接自動調整、控制設備運行，減少人為干預。后期會進一步結合外界天氣情況，優(yōu)化冷塔運行，節(jié)約冷塔耗電量。

8 結論

本文結合樓宇綜合能源服務系統(tǒng)的建筑用能特性，考慮季節(jié)及時段等特點，同時結合外界天氣狀況，建立了冷、熱、電、生活熱水負荷預測模型。源側根據(jù)多能互補系統(tǒng)特點，考慮設備運行特性曲線、能源價格等邊界條件，建立優(yōu)化目標函數(shù)，優(yōu)化尋優(yōu)算法，實現(xiàn)運行優(yōu)化方案的尋優(yōu)。

目前，該優(yōu)化系統(tǒng)還在不斷自學習過程中，后期通過現(xiàn)場實際運行積累的數(shù)據(jù)，進一步優(yōu)化調整負荷預測及優(yōu)化運行算法，逐步細化每個設備的運行參數(shù)，為提高項目運行的經(jīng)濟性創(chuàng)造更大空間，以期能為類似項目的優(yōu)化運行提供借鑒。