收稿日期：2022-10-17

基金項目：國家自然科學基金（52006108）

通信作者：葛暉駿（1990—），男，博士、副教授，主要從事碳捕集及全生命周期評價方面的研究。gehuij@163.com

DOI：10.19912/j.0254-0096.tynxb.2022-1567 文章編號：0254-0096（2023）06-0170-08

摘 要：基于終端型冷熱電多聯(lián)產的特性與南京師范大學地理特性，在能流平衡、設備運行等約束條件下建立多能互補系統(tǒng)數學模型。從系統(tǒng)的經濟性、環(huán)保性以及熱力性能等維度構建多能互補系統(tǒng)評價指標體系，將典型日數據、權重系數等數據納入體系，形成南京師范大學能源優(yōu)化配置模型。通過模擬分析，可使目標園區(qū)日運行的經濟性能提升7.24%，環(huán)境性能提升14.55%，全年碳排放量可減少3071.1 t，同比能耗降低18.5%。

關鍵詞：能源管理；節(jié)能；能源利用；碳排放量

中圖分類號：TK01+8 """"""" 文獻標志碼：A

0 引 言

建筑節(jié)能減碳是實現雙碳目標的必然選擇［1］，然而受設備、材料等多種因素影響，致使建筑全生命周期碳計量變得復雜。另外，針對建筑選取合適的算法及精準的能源配置和優(yōu)化模型仍存在一定困難［2-3］。多能互補供能系統(tǒng)是區(qū)域內多建筑能源配置方案中具有優(yōu)勢的解決方案之一［4］。為深入挖掘多能互補供能系統(tǒng)的潛力與優(yōu)勢，國內外諸多學者對此開展了相應研究。龍虹毓等［5］針對終端采暖負荷管理，拓展了采暖熱負荷和非采暖電力負荷的邊界條件，建立了新的熱電聯(lián)產供能調度模型。周任軍等［6］以能流函數作為約束條件，建立了經濟環(huán)保調度優(yōu)化模型，實現了冷熱電聯(lián)供系統(tǒng)的優(yōu)化調度。Stadler等［7］對超低能耗建筑的能源管理進行建模，實現了優(yōu)化運行費用與溫室氣體排放控制的功能。本文在充分考慮南京師范大學所在地區(qū)能源結構的基礎上，選取終端型多能互補系統(tǒng)作為優(yōu)化結構，構建碳排放計量模型，規(guī)定系統(tǒng)的目標函數和約束條件后，在充分考慮建筑周邊資源情況、能源成本、系統(tǒng)設備配置等因素的基礎上，擬定不同調度方案并進行結果分析，給出在能滿足總供能需求的前提下，綜合性能最佳的能源調度方案的碳收益，并研究分析優(yōu)化目標、能源價格、儲能設備以及清潔能源對系統(tǒng)性能的影響。

1 建筑供能系統(tǒng)描述

對建筑供能系統(tǒng)建模是優(yōu)化系統(tǒng)運行與調度策略的基礎部分，而系統(tǒng)建模主要由系統(tǒng)架構與設備供能模型組成。對于系統(tǒng)架構，本文選擇直接面向終端用戶的集成多能互補系統(tǒng)［8］作為主要研究對象進行構建，并對系統(tǒng)的能流進行模型架構和能流描述，如圖1所示，主要由能量輸入端、能量轉換環(huán)節(jié)與負荷端3部分組成。電源系統(tǒng)端的電能由光能、風電、天然氣與供電系統(tǒng)等共同供給；設備端的用電負載由光伏、風力機、上級設備和儲能裝置等共同負擔；熱負荷由電熱源爐、空氣源熱泵、余熱鍋爐等儲熱裝置來供應；而冷負載由電制冷機、溴化鋰吸收式制冷機等設備聯(lián)合供應。同時，該系統(tǒng)通過儲能裝置直接接入上級電網，既減少了供電工作壓力，也提高了其運行的安全可靠性。

1.1 供電設備模型

考慮到中國建筑所處區(qū)域的可用能源來源多為上級電網、氣網、太陽能與風能。其中，太陽輻照度-出力模型和風速-出力模型能夠通過對某時間內部分物理量參數的確定得到其輸出功率［9］。另外，在燃氣輪機的發(fā)電量與耗氣量的關系計算中，考慮到區(qū)域型的冷熱電聯(lián)產系統(tǒng)中多采用燃氣輪機作為原動機［10］，因此本文不考慮燃氣內燃機，而僅對燃氣輪機進行數學建模。又考慮到燃氣輪機的發(fā)電效率與實際情況有關，因此針對多能互補供能系統(tǒng)的供電模塊，設備端選取光伏、風力發(fā)電設備以及燃氣輪機設備進行數學建模，詳見附錄表1［11］。

1.2 供暖/冷設備模型

在對用于建筑供能的多能互補系統(tǒng)中的供暖、供冷方面，設備端一般涉及到的設備有燃氣輪機、電熱爐、空氣源熱泵吸收式制冷設備以及電動冷水機組，其數學模型見附錄表2。

1.3 儲能設備模型

考慮到建筑供能的波動性及其購入能源價格的時段性，本文采取混合儲能系統(tǒng)、綜合能量型和功率型儲能設備的特性，以提升供能系統(tǒng)運行的穩(wěn)定性和經濟性。

其中，蓄電池能量轉換的數學模型如式（1）所示［12］。

[W1es=W0es1-σes+Pes，chηes，ch-Pes，dischηes，dischΔt]" （1）

式中：[W0es]、[W1es]——蓄電池充放電前、后的存電容量，kWh；[σes]——蓄動力電池的最大自放電量；[Pes，ch]——蓄能池的最大充能功率，kW；[Pes，disch]——蓄能池的最大釋放能量功率，kW；[ηes，ch]——蓄能池的最大充能效率；[ηes，disch]——蓄電池的最大放電效率。

儲熱裝置與電熱爐等裝置配合，其供能模型如式（2）所示。

[PHS，t=1-ηCHSPHS，t-1+HHS，tΔt] （2）

式中：[PHS，t]——儲熱裝置在單位時間[t]內的總儲熱能量，kW；[ηCHS]——貯熱的自耗功率；[HHS，t]——時段[t]的儲、放熱階段功率，kW，貯熱時其值為正，放熱時其值為負。

1.4 碳排放計量模型

考慮到建筑運營維護階段產生的碳排放在建筑全生命周期中占比最大，因此本文的碳排放計量模型僅將運維階段的碳排放納入計量范圍，并將此作為多能互補供能系統(tǒng)的碳指標進行探討研究。

運維階段碳排放量的計算公式如式（3）所示。

[Ca=i=1nEi×Ai-Sp×CCO2×Y] （3）

式中：[Ca]——系統(tǒng)計量的運維階段碳排放總量，kg；[Ei]——某種能源的碳排放因子；[Ai]——某種能源的年平均消耗量，kg；[Sp]——目標建筑群中主要植被的覆蓋面積，[m2;][CCO2]——植被的二氧化碳吸收系數；[Y]——建筑運維年限，a。

2 系統(tǒng)目標函數描述

2.1 約束條件

考慮到本文選取的建筑供能系統(tǒng)中的能源輸入端以及設備端涉及到的設施，約束條件包括能量流平衡約束、供能設備運行的功率約束、儲能設備的容量約束等，其中，由于儲能設備的控制采取閉環(huán)控制方式，因此認為儲能設備在符合運行約束條件和容量約束條件的同時，也應滿足在每個循環(huán)周期T內儲能設備初始值應與終止值相等［13］。具體函數見附錄表3。

2.2 目標函數

建筑供能方案的構成與影響因素繁多，受到諸多條件限制。因此，為科學合理地評判調度方案的可行性，本文通過對方案的經濟性、環(huán)保性以及節(jié)能性能進行數學描述并通過線性組合的方式組成目標函數，建立以綜合指標最佳為目標的優(yōu)化模型，以實現對供能方案進行有效評估。

其中方案的經濟性能指標主要由能源設備成本、能源購入成本等構成?；诖耍疚牟捎媚曛捣▽洕б嬖O定函數模型；對于環(huán)保性能指標，由于系統(tǒng)的燃料排放物中以CO2為主，因此本文基于已建立碳排放計量模型進行搭建；針對節(jié)能性能指標，基于的角度將不同品位的能量耦合起來進行計量比較，以實現對于不同能量形式之間的統(tǒng)一評價，進而建立節(jié)能性能指標。

3個性能指標的數學描述如式（4）～式（6）所示。

[CPSA=CPSI，totali（1+i）n（1+i）n-1+CPSORACS=CCSA-CPSACCSA] （4）

[EC=i=1nEi×Ai×YRCER=EC，SP-EC，MESEC，SP]""" （5）

[Qr=iQf，i+jQnf，jηcnf，jηcnf，j=1-T0Tnf，jQa=Pηe，ref+Cηre，refηe，ref+Hηb，refRES=Qa-QrQa×100%] （6）

式中：[CCSA]、[CPSA]——分供與聯(lián)供的費用年值，元/a；[CPSI，total]——分供系統(tǒng)初投資，元；i——年利率；n——系統(tǒng)運行年限，a；[CPSO]——聯(lián)供系統(tǒng)年運行費用，元；[RACS]——經濟性能指標；[RCER]——環(huán)保性能指標；[EC，SP]——分產系統(tǒng)年CO2排放量，kg；[EC，MES]——多能互補系統(tǒng)年CO2排放量，kg；RES——節(jié)能性能指標；[Qa]——參比系統(tǒng)能耗，kJ；[Qr]——多能互補系統(tǒng)能耗，kJ；[Qf，i]——某種燃料總發(fā)熱量，kJ；[Qnf，j]——以熱的形式輸入系統(tǒng)的某種低品位非化石能源的能量，kJ；T0——環(huán)境溫度，K；[Tnf，j]——輸入溫度，K；P——參比系統(tǒng)供電量，kJ；C——參比系統(tǒng)制冷量，kJ；H——參比系統(tǒng)供熱量，kJ；[ηcnf，j]——輸入溫度下卡諾循環(huán)效率；[ηe，ref]、[ηre，ref]、[ηb，ref]——參比系統(tǒng)的供電效率、制冷系數、供熱效率。

綜合上述3個方面的性能，本文將采用一綜合指標對優(yōu)化方案進行整體評價，組成目標函數，表達式如式（7）所示。

[COM=ω1×RACS+ω2×EC+ω3×RES]""" （7）

式中：[ω1]、[ω2]、[ω3]——各項的權重因子。

3 優(yōu)化計算

3.1 優(yōu)化對象

本文選取南京師范大學仙林校區(qū)為例進行分析，基本負荷數據由南京師范大學后勤管理處統(tǒng)計數據后進行整理分析得來；南京地區(qū)典型日太陽輻照強參考PVsyst軟件數據庫繪制而得。目標園區(qū)總建筑面積約為167萬m2，主要負荷形式包括冷、熱、電3種形式，考慮到檢測系統(tǒng)存在誤差，致使監(jiān)測數據存在偏差，進而導致對于后續(xù)的分析處理產生一定的影響，因此本文首先對相關數據進行預處理和歸一化［14］處理。

目標園區(qū)典型日的負荷如圖2所示，由于高校校區(qū)的特殊性，熱、電負荷的高峰出現于19：00—23：00，符合高校人員的用能習慣。考慮到南京市屬于風能資源貧乏地區(qū)，而太陽能資源豐富，屬于“太陽能資源三類地區(qū)”，同時南京市的氣候條件為空氣源熱泵等設備的運行提供了較佳的環(huán)境條件［15］，因此本文將光能、上級電網以及燃氣納入到能源輸入端。典型日太陽輻照度如圖3所示，分時電價與燃氣價格如表1所示。

綜合上述基本數據，系統(tǒng)所選的設備及其參數如表2所示。

3.2 調度方案優(yōu)化設計

為探討優(yōu)化模型相較于原始供能方案的優(yōu)化效益以及不同評價指標權重帶來的影響，本文設置4種情形的調度方案：方案1僅采取從上級電網與氣網中購入能源，代表未優(yōu)化前的供能方案；方案2在方案1的基礎上將光伏設備納入系統(tǒng)之中，增強系統(tǒng)對光能的利用能力；方案3是將儲能設備納入系統(tǒng)之中，增強系統(tǒng)的“削峰填谷”的能力；方案4則是將光伏設備與儲能設備均納入系統(tǒng)之中，增強系統(tǒng)對光能利用能力的同時，提高消納光能與“削峰填谷”的能力。

基于表3所列調度方案中確定參與調度的機組以及賦予的相應權重，結合前文所述的各項機組模型與約束條件，綜合算例基本數據，應用數學計算軟件Matlab進行求解。

各方案的典型日功率平衡以及碳排放量情況如圖4所示。由圖4a可知，由于方案1中無儲能以及光伏設備，因此全天的購電量與購氣量均較大，且用能高峰期與電價高峰期有較大的重合部分，因而在方案1的規(guī)劃下，系統(tǒng)會產生較多的碳排放量與較高的運行成本，典型日碳排放量達70.6 t；對于加入光伏設備的方案2，系統(tǒng)在08：00—16：00時段的能源購入量得到下降，同時也降低了10.31 t的碳排放量，這是由于在有效光照時間段的太陽能得以充分利用，用以滿足系統(tǒng)能耗，但由于儲能設備的缺少，也存在一定的棄光現象；圖4c中購電量在02：00—06：00時段出現了峰值，而在原購能高峰期的能源購入量出現下降，達7.24%，這是因為方案3中加入了儲能設備，選擇在電價低谷時期購入能源，在用能高峰期進行供能操作，滿足負荷需求；針對同時加入了綜合以上2種方案特點的方案4，從圖4d可知，總購入能源量下降了約

6.03%，電價低谷時期的購入能源量有一定的提高，高峰時段的購入能源量出現明顯下降，碳排放量則減少了10.27 t。

同時，通過對各方案碳排放等數據的分析對比可知，經全年模擬運算后，引入光伏設備以及儲能設備進行優(yōu)化運行的方案4相較于未優(yōu)化前的方案1，全年可減少碳排放量3071.1 t，同比能耗降低18.5%。

綜上可知，光伏設備的引入可有效減少光照有效時間區(qū)間中對能效較低、碳排放較大的上級電網以及氣網中能源的購入與利用，進而降低系統(tǒng)的碳排放量；而儲能設備的引入打破了“以熱定電”的約束，在電價低谷時段購入電量，降低制熱成本，進而降低整個系統(tǒng)的運行成本。

表4比較了4種方案的系統(tǒng)性能。由4種方案的系統(tǒng)性能數據可知，后3種方案的綜合性能相較于方案1均有長足提升。通過將儲能設備納入能源調度方案中，可減少供能系統(tǒng)中廢光、廢熱、廢冷、廢煙等情況的出現，可使日運行的經濟性能提升7.24%；將光伏設備納入調度方案中，可有效減少供能系統(tǒng)中對于傳統(tǒng)能源的利用，使得日運行的環(huán)境性能提升14.61%。而方案4在所有配置方案中綜合性能達到最佳。

同時，通過分析方案2、3、4的優(yōu)化結果可得到，光伏設備的引入可有效提升環(huán)保性能以及能效性能，但因初期較高的投資成本也會帶來經濟性能的降低，而儲能設備的引入可較大程度提升經濟性能，但因電量購入時段的轉移并不會對能源消耗方面產生太大影響，故而環(huán)保性能以及能效性能的提升并不顯著。

此外，從方案2和方案3的環(huán)保性能以及節(jié)能性能中可看出，盡管對二者賦予了不同的比重，但二者的環(huán)保性能以及節(jié)能性能仍相差不大，具有一致性。這是因為在提升能效的同時會降低化石燃料的燃燒，進而減少CO2的排放。同時在提高經濟性能所占權重時會降低環(huán)保性能以及能效性能，也進一步佐證了二者具有一致性。

3.3 設備優(yōu)化配置

本文對南京師范大學建立的系統(tǒng)結構如圖1所示，各設備的配合運行過程見1.3節(jié)。

在雙碳目標與環(huán)保要求愈發(fā)嚴格的時代背景下，建筑的熱能利用成為行業(yè)人員的關注焦點［16］。同時，由于空氣源熱泵具備操作便利、節(jié)能效益顯著優(yōu)勢溴化鋰冷水機組有著環(huán)境友好、可利用余熱的特性，二者勢必能夠在建筑供能系統(tǒng)的節(jié)能減排方面發(fā)揮較大作用。因此，本文選取空氣源熱泵與溴化鋰冷水機組取代傳統(tǒng)設備，并以此為代表對設備的優(yōu)化配置進行敘述。二者運行模擬結果如圖5所示。在節(jié)能性方面，從圖5可看出，通過對熱泵與冷水機組設備進行優(yōu)化配置，可有效降低設備的能耗量，由模擬可得，溴化鋰冷水機組可降低34.6%的耗能量，空氣源熱泵可減少21.8%的能耗。

但如前文所述，方案2經濟性能的下降主要是由于引入了太陽能設備所致，二者的配合使用可有效降低將溴化鋰冷水機組納入系統(tǒng)中增加的初始投資與運維費用，從而在一定程度上影響系統(tǒng)經濟性能。本文認為這可能是由于引入空氣源熱泵帶來的低運維成本、資本回收周期短的優(yōu)勢彌補了溴化鋰冷水機組給系統(tǒng)帶來的損失。這也提醒著人們，在實際應用中還需結合具體情況對設備的配合應用進行調整。

4 結 論

本文在對現有的終端型多能互補系統(tǒng)研究的基礎上，對系統(tǒng)中的設備基于所選系統(tǒng)特性進行數學建模，同時將流引入系統(tǒng)的評價體系中，建立基于綜合性能最優(yōu)的多能互補模型，對南京師范大學仙林校區(qū)進行計算分析，研究在不同性能指標權重以及設備配置下多能互補系統(tǒng)的綜合性能，得到如下主要結論：

1）通過基于年值法、碳指標以及流建立的系統(tǒng)的評價體系，不僅實現了不同種類能量之間成本與碳排放之間的有效計量，同時將品位不同的能量通過“黑箱模型”耦合在一起，實現了對于不同能量形式之間的統(tǒng)一評價，有效提升了評價指標的科學性。

2）在算例數據下，通過將光伏設備納入調度方案中，可有效減少供能系統(tǒng)中對于傳統(tǒng)能源的利用，使得日運行的環(huán)境性能提升14.55%；將儲能設備納入能源調度方案中，可減少供能系統(tǒng)中廢光、廢熱、廢冷、廢煙等情況的出現，使日運行的經濟性能提升7.24%，并在一定程度上減少由于光伏設備成本過高問題帶來的經濟性能降低的影響。而即使對環(huán)保性能與節(jié)能性能賦予不同的權重系數，經運算后兩種方案的環(huán)保性能與節(jié)能性能指標相差不大，表明二者具有一定正相關性。同時認識到通過空氣源熱泵與溴化鋰冷水機組的配合應用，可以在一定程度上實現高能效與低成本的有機統(tǒng)一。

［參考文獻］

［1］" 中國建筑能耗研究報告2020［J］. 建筑節(jié)能（中英文）， 2021， 49（2）： 1-6.

China building energy consumption annual report 2020［J］. Building energy efficiency， 2021， 49（2）： 1-6.

［2］" 張秀敏， 吳朝暉. 建筑物碳排放核算方法探析［J］. 工業(yè)技術經濟， 2019， 38（10）： 31-40.

ZHANG X M， WU Z H. A study of carbon emission accounting method of buildings［J］. Industrial technology amp; economy， 2019， 38（10）： 31-40.

［3］" JRADI M， ARENDT K， SANGOGBOYE F C， et al. ObepME： an online building energy performance monitoring and evaluation tool to reduce energy performance" gaps［J］. Energy" amp;" buildings，" 2018，" 166： 196-209.

［4］" 張偉波， 謝玉榮， 楊帆， 等. 多能互補供能系統(tǒng)及典型開發(fā)方案研究［J］. 發(fā)電技術， 2020， 41（3）： 245-251.

ZHANG W B， XIE Y R， YANG F， et al. Research on multi-energy complementary distributed integrated energy supply system and typical development scheme［J］. Power generation technology， 2020， 41（3）： 245-251.

［5］" 龍虹毓， 何國軍， 徐瑞林， 等. 計及分布式電源熱泵的熱電聯(lián)產協(xié)調優(yōu)化調度與能效分析［J］. 電力系統(tǒng)自動化， 2013， 37（14）： 38-42.

LONG H Y， HE G J， XU R L， et al. Cogeneration coordination optimal dispatch and energy efficiency analysis" containing" distributed" electric" heat" pumps［J］. Automation of electric power systems， 2013， 37（14）： 38-42.

［6］" 周任軍， 康信文， 李紹金， 等. 冷熱電聯(lián)供系統(tǒng)能量流函數及運行策略［J］. 電力自動化設備， 2014， 34（1）： 1-5.

ZHOU R J， KANG X W， LI S J， et al. Energy flow function" and" operational" strategy" of" CCHP" system［J］. Electric power automation equipment， 2014， 34（1）： 1-5.

［7］" STADLER M， SIDDQUI A， MARNAY C， et al. Control of greenhouse gas emissions by optimal DER technology investment and energy management in zero-net-energy， buildings［J］. European transactions on electrical power， 2011， 21（2）： 1291-1309.

［8］" 劉秀如. 多能互補集成優(yōu)化系統(tǒng)分析與展望［J］. 節(jié)能， 2018， 37（9）： 28-33.

LIU X R. Analysis and prospect of multi-energy complementary system［J］. Energy conservation， 2018， 37（9）： 28-33.

［9］" 邢敖， 邢果霖. 基于混合粒子群的風-光互補多周期發(fā)電調度系統(tǒng)設計［J］. 現代電子技術， 2022， 45（2）：120-124.

XING A， XING G L. Design of wind-light complementary multi-period power generation scheduling system based on hybrid particle swarm［J］. Modern electronics technique， 2022， 45（2）： 120-124.

［10］" 呂春杰， 楊俊， 楊遠昭， 等. 基于燃氣輪機冷熱電三聯(lián)產系統(tǒng)的優(yōu)化運行［J］. 計算機仿真， 2016， 33（7）： 175-179.

LYU C J， YANG J， YANG Y Z， et al. The optimal operation of the system which is combined by cooling， heating and power based on the gas turbine［J］. Computer simulation， 2016， 33（7）： 175-179.

［11］" 曹又敏. 基于多能互補的園區(qū)綜合能源系統(tǒng)優(yōu)化調度［D］. 西安： 西安理工大學， 2020.

CAO Y M. Optimal scheduling of integrated energy system based on multi-energy complementarity［D］. Xi’an： Xi’an University of Technology， 2020.

［12］" 陳宜， 徐英新， 徐東杰， 等. 終端型多能互補系統(tǒng)的最優(yōu)配置與性能分析［J］. 發(fā)電技術， 2022， 43（6）： 823-833.

CHEN Y， XU Y X， XU D J， et al. Optimal configuration and"" performance"" analysis"" of"" terminal"" multi-energy complementary system［J］. Power generation technology，2022， 43（6）： 823-833.

［13］" 曾艾東. 冷熱電混合能源聯(lián)合優(yōu)化運行與調度策略研究［D］. 南京： 東南大學， 2017.

ZENG A D. Research on the optimized operation and schedule strategy of CCHP system［D］. Nanjing： Southeast University， 2017.

［14］" BENMOUIZA K， TADj M， CHEKNANE A. Classification of hourly solar radiation using fuzzy C-means algorithm for optimal" stand-alone" PV" system" sizing［J］." International journal of electrical power and energy systems， 2016， 82： 233-241.

［15］" 劉清， 張建忠， 張少凡. 南京地區(qū)可再生能源資源條件分析［C］//2011江蘇省暖通空調制冷學術年會論文集， 南京， 2011： 379-385.

LIU Q， ZHANG J Z， ZHANG S F. Analysis of renewable energy""" resource""" conditions""" in""" Nanjing""" area［C］//Proceedings of the 2011 Jiangsu Provincial HVACR Academic Conference， Nanjing， 2011： 379-385.

［16］" 張一帆， 李明， 梁歡， 等. 基于蒙特卡洛的區(qū)域供熱系統(tǒng)不確定熱需求場景研究［J］. 建筑科學， 2022， 38（10）： 243-250.

ZHANG Y F， LI M， LIANG H， et al. Study on the uncertainty of thermal scenarios in district heating system based on monte carlo method［J］. Building science， 2022， 38（10）： 243-250.

OPTIMAL ALLOCATION STUDY OF BUILDING ENERGY

SYSTEM BASED ON CARBON INDEX

Yue Jiahe，Chen Guo，Song Tao，Zhang Zhaorui，Zhang Wenxu，Ge Huijun

（School of Energy and Mechanical Engineering， Nanjing Normal University， Nanjing 210023， China）

Keywords：energy management; energy"conversation； energy utilization； carbon"dioxide"emission

附錄