收稿日期：2021-12-06

基金項目：河北省重點研發(fā)計劃項目（20327307D）；河北省教育廳科學技術研究項目資助（ZD2020145）；河北省省屬高等學?；究蒲袠I(yè)務費

研究項目（KY2021118；KY2021020）

通信作者：霍利民（1965—），男，博士、教授、博士生導師，主要從事電力系統(tǒng)自動化技術和計算機網(wǎng)絡與智能信息處理等方面的研究。

huolimin@126.com

DOI：10.19912/j.0254-0096.tynxb.2021-1493 文章編號：0254-0096（2023）04-0231-07

摘 要：針對雙碳目標下養(yǎng)殖場糞污資源化處理、能源供需間協(xié)調(diào)優(yōu)化的問題，提出一種考慮糞污處理設施供能特性與動態(tài)熱需求協(xié)同的優(yōu)化運行模型。首先，根據(jù)數(shù)據(jù)擬合得到沼氣產(chǎn)量與進料量的關系，構建以內(nèi)燃機為動力系統(tǒng)的沼氣熱電聯(lián)供系統(tǒng)的數(shù)學模型。其次，考慮進料量、發(fā)酵溫度以及外界環(huán)境溫度對熱負荷需求的影響，建立厭氧罐動態(tài)熱負荷熱平衡模型。在此基礎上，考慮進料量、外界環(huán)境溫度等因素的不確定性，以系統(tǒng)投資收益率最大為目標函數(shù)，構建熱電聯(lián)供系統(tǒng)優(yōu)化運行模型。通過合理調(diào)配進料量，該模型可實現(xiàn)能源供給側設備的最佳運行參數(shù)和能源需求側的能量需求。算例結果表明，所提優(yōu)化運行模型可實現(xiàn)沼氣熱電聯(lián)供系統(tǒng)經(jīng)濟性的提升，同時能促進余熱的有效利用。

關鍵詞：生物質能；沼氣；厭氧發(fā)酵；熱電聯(lián)供系統(tǒng)；供需關系；優(yōu)化

中圖分類號：TK01" """"""""""""""""" """"""文獻標志碼：A

0 引 言

能源和環(huán)境問題制約著當今社會的快速發(fā)展，實現(xiàn)能源、環(huán)保和經(jīng)濟的協(xié)調(diào)發(fā)展已成為迫切需求。目前，養(yǎng)殖行業(yè)規(guī)模化、集中度越來越高，農(nóng)業(yè)面源污染嚴重。同時，農(nóng)村能源結構大多仍以化石燃料為主要能源，難以實現(xiàn)“雙碳目標”下鄉(xiāng)村振興戰(zhàn)略規(guī)劃以及快速發(fā)展的目標任務。如何合理利用能源，成為中國能源領域內(nèi)研究的關鍵問題。

基于沼氣的熱電聯(lián)供系統(tǒng)的優(yōu)化運行是解決農(nóng)村能源系統(tǒng)轉型升級的有效手段［1］。將養(yǎng)殖場糞污作為原料，產(chǎn)生沼氣，通過熱電聯(lián)供系統(tǒng)產(chǎn)生電能和熱能，供給負荷需求。由于其充分利用系統(tǒng)的能量輸入輸出特性在時間尺度上的可調(diào)節(jié)特性，進行系統(tǒng)供能設施與動態(tài)熱需求間的協(xié)調(diào)優(yōu)化，在解決環(huán)境污染的同時，有效提升能源的利用水平。國內(nèi)外學者已在熱電聯(lián)供系統(tǒng)建模、優(yōu)化等方面開展了研究工作。在系統(tǒng)建模方面，現(xiàn)階段諸多學者分別從微型燃氣輪機發(fā)電系統(tǒng)、厭氧反應器、沼氣產(chǎn)率與發(fā)酵溫度的擬合關系等方面建立模型［2-4］。由于系統(tǒng)各部件建模困難，使多數(shù)研究未能充分分析系統(tǒng)動態(tài)性能。大多文獻未將生物質原料（如動物糞便）、沼氣發(fā)酵、沼氣凈化、內(nèi)燃機組熱電聯(lián)供、燃氣鍋爐、需求側熱負荷等整體有機地結合在一起，從而建立系統(tǒng)的全工況運行模型。在系統(tǒng)優(yōu)化運行方面，現(xiàn)有文獻多應用于醫(yī)院、樓宇、工業(yè)園區(qū)等傳統(tǒng)用能場景中大規(guī)模冷熱電聯(lián)供系統(tǒng)［5-8］，缺乏以生物質為能源的小型冷熱電聯(lián)供系統(tǒng)的優(yōu)化研究。對于養(yǎng)殖場分布式冷熱電聯(lián)供系統(tǒng)來說，因供能系統(tǒng)結構復雜、運行模式種類繁多，為了使系統(tǒng)高效經(jīng)濟運行，對設備進行優(yōu)化配置至關重要。考慮進料量、環(huán)境溫度等因素的不確定性，其供能側能量和需求側隨時間尺度的不同而變化，能源供需間需協(xié)調(diào)優(yōu)化。因此，有必要建立系統(tǒng)運行優(yōu)化模型，在提高系統(tǒng)經(jīng)濟性的同時實現(xiàn)供需關系的平衡，能避免能源的浪費，有效提高能源利用水平。

綜上，本文建立養(yǎng)殖場沼氣熱電聯(lián)供系統(tǒng)的全工況數(shù)學模型。考慮多因素對熱負荷需求的影響，建立動態(tài)的厭氧罐熱負荷模型，并在此基礎上采用遺傳算法對進料量合理調(diào)配以調(diào)節(jié)沼氣產(chǎn)量，求解系統(tǒng)各設備的最佳運行功率，實現(xiàn)初始投資收益率的最大化，可有效提升系統(tǒng)的經(jīng)濟效益。

1 養(yǎng)殖場沼氣熱電聯(lián)產(chǎn)系統(tǒng)的結構及工作原理

圖1所示為河北省某養(yǎng)殖場沼氣熱電聯(lián)產(chǎn)系統(tǒng)結構。其主要由沼氣發(fā)酵模塊、沼氣凈化模塊、內(nèi)燃機組發(fā)電供熱模塊、發(fā)電機組余熱熱量的利用模塊等組成。

圖中，長虛線代表氣流流動，短虛線代表熱能流動，點線代表電能流動。

系統(tǒng)的工作過程：首先，生物質原料（如牛糞）經(jīng)處理后通入?yún)捬豕拗羞M行發(fā)酵產(chǎn)氣，經(jīng)過凈化環(huán)節(jié)，去除其中的水分、硫化氫等雜質之后作為內(nèi)燃發(fā)動機的燃料，內(nèi)燃發(fā)動機通過燃燒膨脹做功產(chǎn)生原動力，帶動發(fā)電機發(fā)電。發(fā)電機缸套水換熱器和煙氣換熱器對發(fā)電機組進行余熱回收，二者分開進行供熱，其中發(fā)電機缸套水換熱器加熱厭氧罐加熱系統(tǒng)的循環(huán)水，達到為厭氧罐增溫的目的；煙氣換熱器的熱量主要用于烘干牛臥床墊料。

除冬季外，發(fā)電機余熱充足，完全可滿足沼氣發(fā)酵罐的熱需求量。冬季外界氣溫較低、熱需求量較大時，增設沼氣燃氣鍋爐，在發(fā)電機余熱不充足時作為輔助增溫設備。發(fā)酵料液剩余通過固液分離系統(tǒng)可將沼液和沼渣分開，沼液可用于有機飼料種植，沼渣用作生產(chǎn)牛臥床墊料的原料。

2 沼氣熱電聯(lián)產(chǎn)系統(tǒng)模型建立

2.1 系統(tǒng)數(shù)學模型的建立

基于上述熱電聯(lián)產(chǎn)系統(tǒng)建立熱電聯(lián)產(chǎn)模型，主要由沼氣發(fā)酵模型、沼氣凈化模型、內(nèi)燃發(fā)電機組和鍋爐供熱模型組成。

2.1.1 沼氣發(fā)酵模型

沼氣產(chǎn)量受多種因素影響，如進料量、發(fā)酵溫度、外界環(huán)境溫度等。該工程現(xiàn)有控制系統(tǒng)已將發(fā)酵罐內(nèi)溫度控制在一定適宜范圍內(nèi)，下面利用SPSS軟件對進料量、發(fā)酵溫度以及外界環(huán)境溫度等實測數(shù)據(jù)對沼氣產(chǎn)量的影響程度進行比較分析，發(fā)現(xiàn)進料量對沼氣產(chǎn)量具有顯著影響，而進料量濃度對產(chǎn)氣量也會有所影響。夏季因溫度較高，需給牛噴灑淋水分以降低體表溫度，料液中混入水分導致成分稀釋，這和其他季節(jié)的雨水問題一樣，均會使進料濃度降低，從而對分析結果造成影響。

通過查找當?shù)貧庀笈_降水數(shù)據(jù)發(fā)現(xiàn)2021年1月無降水日，故選用2021年1月的實測數(shù)據(jù)對進料量和沼氣產(chǎn)量關系進行數(shù)據(jù)擬合。本項目選擇4種相同型號的厭氧罐，分析該月進料量與產(chǎn)氣量關系，得到擬合關系曲線，以此代表該月每個罐體進料量與產(chǎn)氣量的關系。由多種模型的曲線擬合關系比較得知，當進料量和產(chǎn)氣量滿足線性關系時，[R2=0.904]，可說明該月的進料量與產(chǎn)氣量有明顯的線性相關關系。擬合關系如式（1）所示。

[Qg=am+b]""" （1）

式中：[Qg]——沼氣產(chǎn)量，[m3/h]；[a]——擬合系數(shù)，取a=14.240；[m]——進料量，t；[b]——擬合系數(shù)，取b=772.415。

由圖2可見，沼氣產(chǎn)量的擬合結果與實際數(shù)據(jù)曲線重合度較高，通過成對樣本[T]檢驗（[P]）得出，相關性0.951gt;0.8，顯著性0.000lt;0.1，標準誤差0.007，平均值相差0.105，由統(tǒng)計學數(shù)據(jù)分析可知，2組數(shù)據(jù)具有較高的顯著性和相關性。

2.1.2 沼氣凈化模型

沼氣主要由甲烷、二氧化碳以及少量其他氣體構成［9］。沼氣需經(jīng)過凈化后再利用，一般主要去除其中的水蒸氣和硫化氫等雜質［10］。沼氣在進入發(fā)電機之前通過生物脫硫系統(tǒng)，再經(jīng)干法脫硫處理，運行費用低、脫硫效率高。凈化后的沼氣產(chǎn)量按式（2）計算。

[Qg′=1-xH2O-xH2SQg]"""" （2）

式中：[Qg′]——干燥、除臭、除H2S后的沼氣產(chǎn)量，[m3/d]；[xH2O]——沼氣中H2O的含量；[xH2S]——沼氣中H2S的含量。

2.1.3 供熱設備模型

供能側提供的熱量包括內(nèi)燃發(fā)電機組的發(fā)電余熱[QA]和鍋爐提供的熱量[QB]。

[QA=Qg，dqbηαηβ] （3）

[QB=Qg′-Qg，dqbηg] （4）

式中：[QA]——發(fā)電機提供的熱量，MJ；[Qg，d]——用以發(fā)電的沼氣量，[m3/d]；[qb]——沼氣熱值，MJ/m3；[ηα]——發(fā)電機組缸套水熱量與發(fā)電機組所用燃氣總熱量之比；[ηβ]——發(fā)電機組熱回收量與缸套水熱量之比；[QB]——鍋爐提供的熱量，MJ；[ηg]——鍋爐換熱效率。

3 動態(tài)熱負荷模型的建立

本文熱負荷主要是厭氧發(fā)酵罐的保溫以及牛臥床墊料的烘干，所需熱量分別來自缸套水換熱器以及發(fā)電機出口煙氣。由于煙氣烘干牛臥床墊料后仍有余溫50～80 ℃，完全滿足熱量需求，且烘干墊料所需熱量基本不變，故假設其負荷需求為定值；而由于其受進料量、發(fā)酵溫度、環(huán)境溫度多種因素的影響，厭氧發(fā)酵罐熱負荷是動態(tài)變化的，因此本節(jié)只考慮建立厭氧發(fā)酵罐動態(tài)熱負荷模型，首先進行發(fā)酵罐熱平衡分析。

對于沼氣工程，根據(jù)能量守恒定律可知，輸出和輸入能量應相等。沼氣工程每天損失的能量由每天新增投料所需熱量、厭氧發(fā)酵罐罐體和管道的散熱以及排出水蒸氣和排出沼氣帶走的熱量組成［11］，其中投料損失和罐體散熱為主要部分。加熱厭氧發(fā)酵罐所需總熱量按式（5）計算。

[QN=Q1+Q2+Q3+Q4]"" （5）

式中：[QN]——加熱厭氧發(fā)酵罐所需總熱量，MJ/d；[Q1]——加熱發(fā)酵料液所需熱量，MJ/d；[Q2]——發(fā)酵罐罐體散熱熱量，MJ/d；[Q3]——排出水蒸氣帶走的熱量，MJ/d；[Q4]——排出沼氣帶走的熱量，MJ/d。

3.1 加熱發(fā)酵料液所需熱量

加熱發(fā)酵料液所需熱量是加熱發(fā)酵料液從進料溫度到發(fā)酵溫度所需的熱量，按式（6）計算。厭氧發(fā)酵罐投料損失的熱量受進料量、發(fā)酵溫度和進料溫度的影響。

[Q1=cmTb-Tsc=4.17×1-0.00812×VTS]""" （6）

式中：[Tb]——厭氧發(fā)酵罐內(nèi)料液的溫度，℃；[Ts]——新鮮料液的溫度，近似為環(huán)境溫度，℃；[c]——料液比熱容，kJ/（kg·℃）；[VTS]——料液含固率，%。

3.2 發(fā)酵罐罐體散熱損失

厭氧發(fā)酵罐罐體散失的熱量由罐頂、罐壁和罐底3部分負荷組成［12］，按式（7）計算，受發(fā)酵溫度和環(huán)境溫度影響。

[Q2=Qt+Qm+Qb=KiSiTb-Ti]"""""" （7）

式中：[Ki]——罐頂、罐壁和罐底各部分的綜合傳熱系數(shù)，[W/m2?℃]，取決于發(fā)酵罐內(nèi)外表面?zhèn)鳠嵯禂?shù)和罐壁導熱系數(shù)；[Si]——各部分的傳熱面積，[m2]；[Ti]——各部分發(fā)酵罐外綜合溫度，℃。

3.3 水分蒸發(fā)熱量損失

水分蒸發(fā)熱量損失是由排出沼氣伴隨的水蒸氣導致的，受排出沼氣攜帶的水蒸氣含量、對應發(fā)酵溫度下水的汽化潛熱值、發(fā)酵罐的有效容積等參數(shù)的影響，按式（8）計算［13］。

[Q3=mwHw+cwTb-Tamw=0.804vb?γζwf1-ζw]"" （8）

式中：[mw]——沼氣攜帶水蒸氣的質量流量，kg/d；[Hw]——發(fā)酵溫度下水蒸氣的汽化潛熱值，MJ/kg；[cw]——水蒸氣的比熱容，[kJ/kg?℃]；[Ta]——外界空氣溫度，℃；[vb]——發(fā)酵罐的有效容積，[m3]；[γ]——沼氣的體積產(chǎn)量，[kg/m3?d]；[f]——沼氣體積占排出沼氣體積的比例；[ζw]——沼氣中水分子份數(shù)。

3.4 沼氣帶走的熱量損失

沼氣主要由[CH4]和[CO2]組成，沼氣帶走的熱量損失主要為二者熱量之和［13］，按式（9）計算。

[Q4=vb?γ1676+17721-ffT-Ta]"""""" （9）

4 基于遺傳算法的養(yǎng)殖場沼氣熱電聯(lián)供系統(tǒng)優(yōu)化模型與求解

在沼氣熱電聯(lián)供系統(tǒng)中，冬季厭氧發(fā)酵罐主要由發(fā)電機余熱和沼氣鍋爐提供熱負荷所需熱量。在供能側方面，進料量作為沼氣產(chǎn)量的重要影響因素；在需求側方面，進料量又影響厭氧罐的熱負荷需求量，進料量在系統(tǒng)中起到重要的樞紐作用。因而，有必要計及進料量的不確定性，分析供需關系，以實現(xiàn)能源供給側設備的最佳運行參數(shù)和能源需求側的能量需求，以提升經(jīng)濟效益和能源利用水平。

4.1 目標函數(shù)

以投資收益率[R]的最大化為目標函數(shù)［14］，構建沼氣熱電聯(lián)供系統(tǒng)優(yōu)化模型，如式（10）所示。

[maxR=P-II]"" （10）

[I=α+β+Γ+λ/365α=PAxAβ=PBxB]"" （11）

式中：[P]——每日純收益，元；[I]——初始投資中平均到每日的初始投資額度，元；[α]——發(fā)電機組的投資，元；[β]——沼氣鍋爐的投資，元；[Γ]——厭氧反應器改造費用，元；[λ]——牛臥床可再生系統(tǒng)設備費用，元；[PA]——發(fā)電機單價，元/kW；[xA]——發(fā)電機的運行功率，kW；[PB]——鍋爐單價，元/kW；[xB]——鍋爐的運行功率，kW。

初始投資中平均到每日的初始投資額度[I]包括發(fā)電機組、沼氣鍋爐等設備的投資、厭氧反應器改造費用以及牛臥床可再生系統(tǒng)設備費用。每日純收益[P]如式（12）所示，包括發(fā)電機組發(fā)電產(chǎn)生的收益減去牧場和廠區(qū)用電費用、沼氣鍋爐為厭氧罐提供熱量產(chǎn)生的收益折算成使用燃煤鍋爐提供相同熱量的燃煤費用、牛臥床墊料產(chǎn)生的收益三者之和減去運行費用。

[P=A+B+C-E/365A=A1-A2A1=Qg，dldPdB=Pcoalqcoal×ηcoal×QBC=V×Pcow]""""" （12）

式中：[A]——發(fā)電純收益，元；[B]——沼氣鍋爐為厭氧罐提供熱量產(chǎn)生的收益，元；[C]——生產(chǎn)牛臥床墊料產(chǎn)生的收益，元；[E]——系統(tǒng)年運行費用，包括人工費和設備維護費等，元；[A1]——發(fā)電機組發(fā)電產(chǎn)生的收益，元；[A2]——廠區(qū)和牧場用電產(chǎn)生的費用，元；[ld]——每立方沼氣發(fā)電量，kWh/m3；[Pd]——電價，元/kWh；[Pcoal]——煤的價格，元/t；[qcoal]——煤的熱值，MJ/kg；[ηcoal]——煤的燃燒效率；[V]——每日產(chǎn)牛臥床墊料量，[m3]；[Pcow]——牛臥床墊料單價，元/[m2]。

4.2 約束條件

以發(fā)電機運行功率、鍋爐運行功率、用于發(fā)電的沼氣量以及進料量為變量，以滿足厭氧反應器的熱需求量、發(fā)電機組最大功率和沼氣鍋爐最大功率為約束條件，求解每日投資收益率的最大值。

厭氧反應器的熱需求量[QN]：

[QN≤QA+QB-QX]""""" （13）

式中：[QX]——損失的熱量，MJ。

發(fā)電機組最大功率約束條件：

[Qg，d×ld/24≤xA]"""""" （14）

燃氣鍋爐最大功率約束條件：

[Qg-Qg，dqb×ηg/24/3.6≤xB]""" （15）

用于發(fā)電的沼氣量約束條件：

[0lt;Qg，d≤Qg]"""""" （16）

4.3 基于遺傳算法的沼氣熱電聯(lián)供系統(tǒng)優(yōu)化流程

采用遺傳算法求解初始投資收益率最大化，其優(yōu)化流程如圖3所示。

遺傳算法主要步驟：

1）參數(shù)設置：首先計算出厭氧發(fā)酵罐的熱需求量，并輸入熱電聯(lián)供系統(tǒng)的設備運行參數(shù)、成本參數(shù)，設置種群規(guī)模、變量數(shù)量、交叉概率、變異概率，迭代次數(shù)等遺傳參數(shù)。

2）設置適應度函數(shù)：定義初始投資收益率最大化為適應度函數(shù)，便于計算適應值。

3）設置約束條件：以每日熱需求量不小于設備提供的總熱量減去損失熱量，發(fā)電機組及沼氣鍋爐的最大運行功率，用于發(fā)電的沼氣量小于沼氣產(chǎn)量作為不等式約束條件。

4）參數(shù)初始化：隨機產(chǎn)生初始化種群。

5）染色體解碼，計算發(fā)電機和鍋爐的運行功率。

6）判斷是否滿足熱負荷需求。滿足則到下一步；否則返回上一步。

7）計算個體適應度并記錄最優(yōu)值。

8）判斷是否達到遺傳算法的終止迭代次數(shù)，滿足即到輸出結果；否則到第9）步。

9）經(jīng)選擇、交叉、變異形成下一代種群。

10）輸出進料量、用于發(fā)電的沼氣量、各設備運行功率以及初始投資收益率優(yōu)化結果。

5 算例分析

以河北省某養(yǎng)殖場沼氣熱電聯(lián)供系統(tǒng)2021年1月實際運行數(shù)據(jù)為基礎，以投資收益率最大化為目標，采用遺傳算法實現(xiàn)各設備的最優(yōu)配置優(yōu)化并進行對比分析。由于系統(tǒng)每天進料一次，因此系統(tǒng)優(yōu)化運行的時間尺度為天。系統(tǒng)中關鍵設備參數(shù)如表1所示。

由于冬季的熱需求量較大，發(fā)電機余熱不足以為厭氧發(fā)酵罐提供足夠熱量，需開啟沼氣鍋爐作為輔助增溫方式，共同為厭氧發(fā)酵罐增溫。圖4所示為2021年1月厭氧發(fā)酵罐的熱負荷需求。由于排出水蒸氣和排出沼氣帶走的熱量在熱負荷中占比較小，可忽略不計，因此熱負荷主要由加熱發(fā)酵料液負荷和發(fā)酵罐罐體散熱負荷2部分組成。其中加熱進入料液所需熱量最大，占沼氣工程的總加熱負荷的80%～90%，為發(fā)酵罐罐體散熱損失的6～7倍。

1）優(yōu)化后的發(fā)電機及鍋爐的運行功率

圖5為優(yōu)化后的發(fā)電機及鍋爐的運行功率。從圖5可看出，每天鍋爐運行功率大于發(fā)電機運行功率。原因在于，相對于發(fā)電機來說，鍋爐運行成本低，為滿足收益率最大，在滿足熱負荷需求的條件下，鍋爐的出力應大于發(fā)電機組的出力，即鍋爐運行功率高于發(fā)電機運行功率。

2）優(yōu)化后的每天沼氣分配量比值

圖6為分配給發(fā)電機組和鍋爐的沼氣量對比情況。每天用于發(fā)電機與鍋爐的沼氣產(chǎn)量分配比例是實時變化的，且投入設備的沼氣量與其設備運行功率正相關，變化趨勢相同。

3）優(yōu)化前后進料量與收益率對比分析

通過SPSS軟件已求解出進料量與產(chǎn)氣量的擬合關系，由于收益率受沼氣產(chǎn)量的影響，因此通過合理調(diào)配進料量來控制沼氣產(chǎn)量可實現(xiàn)收益率的最大化。

如圖7和圖8所示，優(yōu)化后的每日收益率均較原收益率有所提高，且達到每日最佳進料量時，對應的收益率最高。例如，第1天實際進料量為972 t、收益率為1.295，優(yōu)化后進料量為1247 t、收益率為1.763。原因在于實際進料量低于最佳進料量時，此時熱需求量不滿足使收益率較低。第2天，實際進料量為1303 t、收益率為1.581；優(yōu)化后進料量為1228 t、收益率為1.756。原因在于當實際進料量超過最佳進料量時，存在熱量剩余的情況，在未對余熱進一步回收處理的前提下，雖然進料量增加，但是缺失了賣熱部分的收益，使得收益率下降?？梢姡M料量的多少直接影響到收益率的高低，因此合理調(diào)配進料量，對提高收益率具有至關重要的作用。

綜上，本文所提優(yōu)化模型通過合理調(diào)配進料量以調(diào)節(jié)沼氣產(chǎn)量，實現(xiàn)產(chǎn)氣量供給發(fā)電機和鍋爐的最佳配比，從而使設備處于最佳功率運行狀態(tài)，可達到投資收益率最大化，優(yōu)化后收益率較原收益率有明顯提高，具有良好的經(jīng)濟效益。

6 結 論

本文通過對養(yǎng)殖場沼氣熱電聯(lián)供系統(tǒng)和厭氧罐動態(tài)熱負荷的建模和分析，構建了考慮糞污處理設施供能特性與動態(tài)熱需求協(xié)同的優(yōu)化運行模型。通過算例分析，驗證了該模型的正確性、有效性，并得到如下主要結論：

1）根據(jù)數(shù)據(jù)擬合得到進料量與產(chǎn)氣量的關系，構建了以內(nèi)燃機為動力系統(tǒng)的沼氣熱電聯(lián)供系統(tǒng)全工況數(shù)學模型。

2）計及進料量、發(fā)酵溫度、外界環(huán)境溫度等多因素的影響，建立厭氧罐熱負荷模型，反映了熱負荷的動態(tài)特性。

3）考慮進料量、外界環(huán)境溫度等因素的不確定性，以系統(tǒng)投資收益率最大為目標函數(shù)，構建了熱電聯(lián)供系統(tǒng)優(yōu)化運行模型。通過合理調(diào)配進料量，可實現(xiàn)能源供給側設備的最佳運行參數(shù)和能源需求側的能量需求。通過算例驗證了優(yōu)化模型的有效性。

本文只分析了進料濃度基本保持恒定時，進料量對沼氣產(chǎn)量的影響。接下來將進一步分析其他季節(jié)進料濃度、酸堿度等對沼氣產(chǎn)量的影響。

［參考文獻］

［1］"""" 辛禾. 考慮多能互補的清潔能源協(xié)同優(yōu)化調(diào)度及效益均衡研究［D］. 北京： 華北電力大學， 2019.

XIN H. The synergetic optimal scheduling and benefit equilibrium model for clean energy absorptive considering multi-energy hybrid［D］. Beijing： North China Electric Power University， 2019.

［2］"""" 張曉華. 商業(yè)建筑微燃機冷熱電三聯(lián)供系統(tǒng)仿真研究［D］. 武漢： 華中科技大學， 2018.

ZHANG X H. Simulation research of micro-turbine CCHP system for commercial building［D］. Wuhan： Huazhong University of Science and Technology， 2018.

［3］"""" 韓中合， 祁超， 丁敬， 等. 基于太陽能和生物質能的農(nóng)村分布式供能系統(tǒng)研究［J］. 太陽能學報， 2019， 40（11）： 3164-3171.

HAN Z H， QI C， DING J， et al. Research on distributed energy supply system based on solar energy and biomass energy in rural area［J］. Acta energiae solaris sinica， 2019， 40（11）： 3164-3171.

［4］"""" 譚洪， 顏偉， 王浩. 基于建筑物熱能流分析的沼-風-光孤立微能網(wǎng)優(yōu)化調(diào)度模型［J］. 電網(wǎng)技術， 2020， 44（7）： 2483-2492.

TAN H， YAN W， WANG H. Optimal dispatch model of biogas-wind-solar isolated multi-energy micro-grid based on thermal energy flow analysis of buildings［J］. Power system technology， 2020， 44（7）： 2483-2492.

［5］"""" ZHANG J H， ZHANG S Y， NIU Y U. A high proportion of new energy access-combined cooling， heating， and power system planning method［J］. International journal of energy research， 2019， 43（14）： 7942-7955.

［6］"""" 胡榮， 馬杰， 李振坤， 等. 分布式冷熱電聯(lián)供系統(tǒng)優(yōu)化配置與適用性分析［J］. 電網(wǎng)技術， 2017， 41（2）： 418-425.

HU R， MA J， LI Z K， et al. Optimal allocation and applicability analysis of distributed combined cooling-heating-power" "system［J］." "Power" "system" "technology， 2017， 41（2）： 418-425.

［7］"""" 宋祉慧， 林其釗， 劉濤， 等. 基于動態(tài)負荷的冷熱電聯(lián)供系統(tǒng)優(yōu)化研究［J］. 工程熱物理學報， 2020， 41（10）： 2372-2379.

SONG Z H， LIN Q Z， LIU T， et al. Study on optimization of CCHP system based on dynamic load［J］. Journal of engineering thermophysics， 2020， 41（10）： 2372-2379.

［8］"""" HYEUNGUK A， JAMES D F， DONGHYUN R. Economic feasibility of combined cooling， heating， and power（CCHP）systems considering electricity standby tariffs［J］. Energy， 2019， 169： 420-432.

［9］"""" AWE O W， ZHAO Y Q， NZIHOU A， et al. A review of biogas utilisation， purification and upgrading technologies［J］. Waste and biomass valorization， 2017， 8（2）： 267-283.

［10］""" MISHRA A， KUMAR M， BOLAN N S， et al. Multidimensional approaches of biogas production and up-gradation：" opportunities" and" challenges［J］." Bioresource technology， 2021， 338： 125514-125514.

［11］""" 羅濤， 黃海龍， 孟曦， 等. 畜禽養(yǎng)殖場沼氣工程發(fā)酵溫度的確定方法［J］. 熱科學與技術， 2017， 16（2）： 166-172.

LUO T， HUANG H L， MENG X， et al. Method determinating operation temperature of biogas plant in livestock" "farms［J］." "Journal" "of" "thermal" "science" "and technology， 2017， 16（2）： 166-172.

［12］""" 羅濤， 孟曦， 龍恩深， 等. 地上式沼氣罐罐壁熱負荷分析及工程運行［J］. 太陽能學報， 2017， 38（8）： 2069-2076.

LUO T， MENG X， LONG E S， et al. Wall thermal load analysis and engineering operation of ground type biogas tank［J］. Acta energiae solaris sinica， 2017， 38（8）： 2069-2076.

［13］""" 張帥兵， 任繩鳳， 王子偉. 沼氣發(fā)酵罐熱負荷特性研究與排料余熱回收裝置設計［J］. 環(huán)境工程， 2017， 35（6）： 161-165，174.

ZHANG S B， REN S F， WANG Z W. Research on heat load characteristics of biogas fermentation tank and design of waste heat recovery device for discharge of methane fermentation tank［J］. Environmental engineering， 2017， 35（6）： 161-165，174.

［14］""" 張亞鵬， 劉青榮， 吳家正， 等. 養(yǎng)殖場熱電聯(lián)產(chǎn)沼氣綜合利用模式研究［J］. 中國沼氣， 2014， 32（3）： 69-71.

ZHANG Y P， LIU Q R， WU J Z， et al. Study on biogas comprehensive utilization coupling with cogeneration on farms［J］. China biogas， 2014， 32（3）： 69-71.

RESEARCH ON OPTIMIZATION OF BIOGAS COGENERATION

SYSTEM FOR FARMS BASED ON CHARACTERISTICS OF

SUPPLY AND DEMAND COORDINATION

Fei Fan1，2，Gao Liai1，2，Zhang Ruiqiang3，Zhou Jiadong3，Wen Peng1，2，Huo Limin1，2

（1. College of Electrical Mechanical Engineering， Hebei Agricultural University， Baoding 071000， China；

2. Hebei Provincial Key Laboratory of Livestock and Poultry Breeding Intelligent Equipment and New Energy Utilization， Baoding 071000， China；

3. Hebei Jutan Biotechnology Co.， Ltd.， Hengshui 053000， China）

Abstract：Aiming at the problems of waste resource treatment and coordination and optimization between energy supply and demand in livestock farms under the two-carbon target， an optimal operation model was proposed which considered the coordination between energy supply characteristics and dynamic thermal demand of waste treatment facilities. Firstly， the relationship between the biogas production and the feeding volume is obtained according to the data fitting， and the mathematical model of the biogas cogeneration system is established with the internal combustion engine as the power system. Secondly， the dynamic heat load and balance model of the anaerobic tank is established， considering the influence of feeding volume， fermentation temperature and external environment temperature on the heat load demand. On this basis， considering the uncertainty of factors such as the feeding volume and the external environment temperature，an optimal operation model of the combined heat and power system is constructed， taking the maximum return of system investment as the objective function. Through reasonable adjustment of the feeding volume， the model realizes the optimal operating parameters of the equipment on the energy supply side and the energy requirements on the energy demand side. The results of the calculation examples show that the proposed optimized operation model realizes the economical improvement of the biogas cogeneration system， and promotes the effective use of waste heat in the meantime.

Keywords：bioenergy； biogas； anaerobic fermentation； cogeneration system； supply-demand relationship； optimization