陳程，林仕立，張先勇，李晟

(1.廣東技術(shù)師范大學(xué) 自動化學(xué)院，廣東 廣州 510450；2.水發(fā)興業(yè)能源(珠海)有限公司，廣東 珠海 519085)

提高綜合能源系統(tǒng)的能源利用效率，是實(shí)現(xiàn)“雙碳”目標(biāo)的重要舉措之一[1]。大型建筑、園區(qū)等多采用電網(wǎng)供電和集中供熱的供能方式，一次能源利用率不到40%，容易造成能源浪費(fèi)并產(chǎn)生額外的碳排放[2]，因而由可再生能源、中小型燃?xì)鈾C(jī)組等作為供能主體的分布式冷熱電聯(lián)產(chǎn)(combined cooling heating and power，CCHP)系統(tǒng)受到了越來越廣泛的關(guān)注[3-6]。相比傳統(tǒng)分供式系統(tǒng)，CCHP系統(tǒng)可以有效利用光伏、風(fēng)電等可再生能源和燃?xì)鈾C(jī)組余熱，實(shí)現(xiàn)能源的本地生產(chǎn)、就近消費(fèi)和梯次利用，從而有效減少系統(tǒng)運(yùn)行過程中的碳排放量并降低成本[7-11]。隨著CCHP系統(tǒng)在能源系統(tǒng)中的作用不斷增大，目前其已在海島、偏遠(yuǎn)地區(qū)等孤島型系統(tǒng)和智能園區(qū)、商業(yè)建筑群等并網(wǎng)型系統(tǒng)中得到了實(shí)際應(yīng)用[12]。

影響CCHP系統(tǒng)性能的因素眾多，所以合理的配置、控制和管理對其至關(guān)重要，而控制策略是實(shí)現(xiàn)系統(tǒng)低碳經(jīng)濟(jì)運(yùn)行的關(guān)鍵。當(dāng)前CCHP系統(tǒng)主要采用傳統(tǒng)內(nèi)燃機(jī)“以熱定電”或者“以電定熱”的規(guī)則運(yùn)行控制策略，在多數(shù)場景下無法高效發(fā)揮能源綜合利用的優(yōu)勢。為實(shí)現(xiàn)規(guī)則控制算法的優(yōu)化，馮樂軍等提出基于用戶負(fù)荷時間參數(shù)的CCHP用戶分類方法，根據(jù)用戶類型對傳統(tǒng)規(guī)則運(yùn)行策略進(jìn)行調(diào)節(jié)[13]。杜傳銘等分別在“以熱定電”和“以電定熱”2種運(yùn)行模式下開展實(shí)驗(yàn)分析，得出采用混合控制模式的CCHP系統(tǒng)各項(xiàng)指標(biāo)評價均優(yōu)于分供系統(tǒng)[14]。Feng等對“以熱定電”與“以電定熱”2種運(yùn)行模式下CCHP系統(tǒng)進(jìn)行評估，得出當(dāng)建筑物的冷熱負(fù)荷與電負(fù)荷之比遠(yuǎn)大于CCHP系統(tǒng)原動機(jī)的熱電比時，“以電定熱”運(yùn)行方式的控制效果更好[15]。劉星月等從能源、環(huán)境、經(jīng)濟(jì)和綜合4個方面評估系統(tǒng)的容量配置、控制策略，得出當(dāng)系統(tǒng)采用“以熱定電”運(yùn)行方式時，太陽能光伏光熱綜合利用的控制策略優(yōu)于“以電定熱”[16]。

上述基于規(guī)則的優(yōu)化策略在一定程度上提高了CCHP系統(tǒng)性能，但受限于供需側(cè)不平衡、負(fù)荷實(shí)時波動等的影響，往往難以使得產(chǎn)能設(shè)備運(yùn)行在理想狀態(tài)區(qū)間，因此，基于智能算法的CCHP系統(tǒng)控制策略逐漸開始被研究。Ghersi等提出一種改進(jìn)型電力負(fù)荷跟蹤策略，通過遺傳算法對CCHP系統(tǒng)容量進(jìn)行最優(yōu)匹配，降低了系統(tǒng)碳排放并具備更好的經(jīng)濟(jì)性[17]。Zheng等采用多目標(biāo)粒子群算法優(yōu)化CCHP系統(tǒng)控制策略，在降低累計(jì)投資成本的同時還可提供更好的供電可靠性和碳排放指標(biāo)[18]。Ji等通過改進(jìn)型蟻獅算法優(yōu)化CCHP系統(tǒng)設(shè)備容量和運(yùn)行策略，提高了一次能源利用率與綜合評價指標(biāo)[19]。Guo等提出基于質(zhì)子交換膜燃料電池的CCHP系統(tǒng)，并采用蜉蝣算法解決算法過早收斂的問題[20]。另外，非支配排序遺傳算法Ⅱ(non-dominated sorting genetic algorithm-Ⅱ，NSGA-Ⅱ)在系統(tǒng)多目標(biāo)優(yōu)化中也有著廣泛的應(yīng)用與研究[21-22]。

上述研究表明基于智能算法的分布式能源系統(tǒng)運(yùn)行控制策略，可以提高系統(tǒng)性能、節(jié)能率并降低運(yùn)行成本，但其應(yīng)用于實(shí)際系統(tǒng)時仍存在調(diào)試時間較長、控制器成本過高等問題，且多數(shù)僅針對獨(dú)立系統(tǒng)或并網(wǎng)不上網(wǎng)系統(tǒng)。因此，本文考慮CCHP系統(tǒng)并網(wǎng)且上網(wǎng)模式，研究基于NSGA-Ⅱ算法的運(yùn)行控制策略，提出結(jié)合融合擁擠度算子和初始約束條件的改進(jìn)型NAGA-Ⅱ算法，以此優(yōu)化NSGA-Ⅱ種群生成以及約束條件的計(jì)算方式，并分析其與傳統(tǒng)基于規(guī)則的運(yùn)行調(diào)度方法的控制效果，以有效實(shí)現(xiàn)電-氣綜合CCHP系統(tǒng)的低碳經(jīng)濟(jì)運(yùn)行。

1 CCHP系統(tǒng)拓?fù)浣Y(jié)構(gòu)

考慮到天然氣高熱值和低污染的優(yōu)點(diǎn)，當(dāng)前CCHP系統(tǒng)一般采用燃?xì)鈾C(jī)組作為供能主體，提供系統(tǒng)所需的電能和熱能；同時，電網(wǎng)和燃?xì)忮仩t作為輔助支撐系統(tǒng)，用于滿足系統(tǒng)電負(fù)荷、熱負(fù)荷、冷負(fù)荷的基本需求。此外，采用可再生能源聯(lián)合供能是CCHP系統(tǒng)發(fā)展的主流趨勢，面向屋頂、停車棚的光伏發(fā)電系統(tǒng)是其中最主要的應(yīng)用形式之一，適用于多數(shù)場景。典型CCHP系統(tǒng)如圖1所示，其中：燃?xì)鈾C(jī)組發(fā)電功率Ppgu、光伏發(fā)電功率Ppv、電網(wǎng)功率Pgrid共同組成用戶電負(fù)荷需求Pload的供給端；燃?xì)鈾C(jī)組發(fā)電過程會產(chǎn)熱，利用余熱回收系統(tǒng)可以回收熱功率Prec，并與燃?xì)忮仩t產(chǎn)生的熱功率Pb共同作為用戶熱負(fù)荷需求Pheat的供給端；而冷負(fù)荷Pac可由電制冷機(jī)和吸收式制冷機(jī)聯(lián)合提供；綠色、紅色、藍(lán)色線條分別表示電能、熱能、冷能的流動。

圖1 典型CCHP系統(tǒng)結(jié)構(gòu)Fig.1 Typical CCHP system structure

CCHP系統(tǒng)與電網(wǎng)之間有不并網(wǎng)、并網(wǎng)不上網(wǎng)、并網(wǎng)且上網(wǎng)3種模式。并網(wǎng)即CCHP系統(tǒng)連接至電網(wǎng)，兩者共同滿足用戶的電負(fù)荷需求；上網(wǎng)即當(dāng)CCHP系統(tǒng)產(chǎn)生的電能仍然有剩余時，能夠反向售電給電網(wǎng)，并獲取一定收益。在無蓄電池的CCHP系統(tǒng)中，并網(wǎng)且上網(wǎng)模式一方面使得設(shè)備控制更加靈活，另一方面也可以降低系統(tǒng)運(yùn)行成本，因此成為CCHP系統(tǒng)的發(fā)展趨勢；但由于各地并網(wǎng)上網(wǎng)政策、售電價格等的差異較大，目前大部分實(shí)際案例未有效考慮上網(wǎng)過程的相關(guān)因素。鑒于并網(wǎng)且上網(wǎng)模式的優(yōu)勢以及CCHP系統(tǒng)發(fā)展的需求，本文研究以并網(wǎng)且上網(wǎng)作為系統(tǒng)的基本運(yùn)行模式，重點(diǎn)考慮能源消耗指標(biāo)對CCHP系統(tǒng)運(yùn)行控制策略的影響，旨在提高系統(tǒng)綜合能源利用效率，降低碳排放量和運(yùn)行成本。

2 CCHP系統(tǒng)控制策略

CCHP系統(tǒng)的運(yùn)行控制是一個多變量、多約束、多目標(biāo)問題，需要綜合考慮負(fù)荷波動、設(shè)備效率、運(yùn)行成本、環(huán)境指標(biāo)等多個因素，調(diào)度模型較為復(fù)雜。對于CCHP系統(tǒng)的運(yùn)行控制策略，一方面需要保證用戶電、冷、熱負(fù)荷需求得到滿足，另一方面需要綜合考慮多個因素耦合影響下的優(yōu)化問題。

2.1 基于規(guī)則的控制策略

傳統(tǒng)“以電定熱”或“以熱定電”的控制策略均屬基于規(guī)則(rule-based，RB)的控制策略之一。RB控制策略實(shí)施簡單，可通過設(shè)定具體判據(jù)(如系統(tǒng)運(yùn)行費(fèi)用、能源利用效率、污染物排放等)進(jìn)行系統(tǒng)控制?？紤]到在并網(wǎng)且上網(wǎng)模式下，可以通過電網(wǎng)調(diào)控實(shí)現(xiàn)CCHP系統(tǒng)電能的實(shí)時平衡，“以電定熱”控制策略更加靈活，有利于發(fā)揮燃?xì)鈾C(jī)組的效率優(yōu)勢，而如何結(jié)合售電價格實(shí)現(xiàn)系統(tǒng)運(yùn)行成本最小化，則是該運(yùn)行控制策略的重要考量指標(biāo)。

CCHP系統(tǒng)的上網(wǎng)售電價格，根據(jù)時段不同可分為高售價、平售價和低售價3個區(qū)間，根據(jù)上述目標(biāo)，通過將上網(wǎng)售電價格和“以電定熱”控制方式相結(jié)合，提出并網(wǎng)且上網(wǎng)模式下CCHP系統(tǒng)的RB控制策略。規(guī)則如下：

①在高售價時段，燃?xì)鈾C(jī)組以最大發(fā)電功率運(yùn)行，在滿足用戶電負(fù)荷需求的情況下，若有多余電量將全部上網(wǎng)售電。

②在平售價時段，燃?xì)鈾C(jī)組優(yōu)先滿足電負(fù)荷需求，在此基礎(chǔ)上，充分考慮系統(tǒng)冷熱負(fù)荷所對應(yīng)的熱能需求，并以該熱能需求確定燃?xì)鈾C(jī)組的輸出功率，該工況下控制策略類似于傳統(tǒng)“以熱定電”模式。

③在低售價時段，電網(wǎng)購電價格一般也較低，此時CCHP系統(tǒng)主要通過電網(wǎng)購電方式運(yùn)行，燃?xì)鈾C(jī)組僅維持最低輸出功率運(yùn)行。

基于上述控制規(guī)則，得到CCHP系統(tǒng)的RB控制策略判斷步驟如圖2所示。

圖2 基于規(guī)則的控制策略流程Fig.2 RB control strategy flow chart

燃?xì)鈾C(jī)組產(chǎn)生的熱能通過余熱回收機(jī)組回收，并通過換熱器和吸收式制冷機(jī)組提供用戶所需的熱負(fù)荷和冷負(fù)荷，不足部分由燃?xì)忮仩t補(bǔ)充。而在該系統(tǒng)拓?fù)浼軜?gòu)下，冷負(fù)荷50%由電制冷機(jī)提供，該部分能量等效轉(zhuǎn)化為電負(fù)荷；另外50%由吸收式制冷機(jī)組提供，等效轉(zhuǎn)化為熱負(fù)荷。由此，可以得到t時刻最終需要生產(chǎn)的新電負(fù)荷Pnload(t)與新熱負(fù)荷Pnheat(t)分別為：

(1)

(2)

式中：Pload(t)、Pheat(t)、Pcold(t)分別為t時刻用戶所需的電負(fù)荷、熱負(fù)荷與冷負(fù)荷；σec為電制冷機(jī)的能效比；ηab為吸收式制冷機(jī)的轉(zhuǎn)換效率；ηeheat為換熱器換熱效率。

2.2 基于NSGA-Ⅱ的控制策略

由于不同的CCHP系統(tǒng)具有不一樣的特征，且各地上網(wǎng)售電價格也不盡相同，上述RB控制策略更適用于特定系統(tǒng)，其控制方法不具備普適性和移植性，需要根據(jù)不同的CCHP系統(tǒng)進(jìn)行特定的判據(jù)分析。智能算法可以解決規(guī)則算法的問題，通過算法中的基本搜索單元實(shí)現(xiàn)不同系統(tǒng)控制策略的智能優(yōu)化，具有更好的應(yīng)用價值。智能算法包括遺傳算法、粒子群算法、深度學(xué)習(xí)等，考慮到系統(tǒng)復(fù)雜性、算法實(shí)時性和收斂性以及硬件成本等因素，本文采用NSGA-Ⅱ算法實(shí)現(xiàn)CCHP控制策略優(yōu)化[23]。

NSGA-Ⅱ是一種改進(jìn)型遺傳算法，其選擇、交叉和變異環(huán)節(jié)仍保持遺傳算法的特點(diǎn)，但在選擇算子執(zhí)行前，則根據(jù)個體之間的支配關(guān)系進(jìn)行分層。由于選擇算子可以利用個體組成的解集間存在的支配與非支配關(guān)系，對種群進(jìn)行層數(shù)分割，因此能夠支配的解將處于高等級層數(shù)內(nèi)，而被支配的解處于低等級層數(shù)內(nèi)，且同一層內(nèi)解集互不支配；非支配層數(shù)越高的個體被選擇概率越大，由此可以保證解的多樣性，并使個體能均勻分布在Pareto前沿。

在本文實(shí)際執(zhí)行過程中，NSGA-Ⅱ算法采用擁擠度實(shí)現(xiàn)策略上的優(yōu)化，計(jì)算每個個體與其相鄰的2個個體在每個子目標(biāo)函數(shù)上的距離差之和，求取其擁擠距離。在本文中，2個目標(biāo)函數(shù)具備相同的權(quán)重，累加二者的擁擠度，同時考慮個體在子目標(biāo)函數(shù)的表現(xiàn)，能夠有效優(yōu)化程序運(yùn)行。此外，在初始化過程生成種群時，增加了代入約束條件進(jìn)行判斷的環(huán)節(jié)，能夠有效減少錯誤解的生成，達(dá)到對種群的初步篩選，以此改進(jìn)NSGA-Ⅱ算法。改進(jìn)型NSGA-Ⅱ算法通過觀測個體對各約束條件的違反情況，經(jīng)過疊加及歸一化處理，可以對違反約束條件系數(shù)較大的個體給予更低的Pareto等級，減小其被選擇的概率，從而優(yōu)化算法的整體迭代搜索過程。改進(jìn)型NSGA-Ⅱ算法的流程如圖3所示。

圖3 NSGA-Ⅱ算法流程Fig.3 NSGA-Ⅱ algorithm flow chart

步驟1，初始化當(dāng)前等級下所有個體的擁擠度P(i)=0，其中i為個體。

步驟2，遍歷所有個體和對應(yīng)的目標(biāo)值，根據(jù)該目標(biāo)函數(shù)對該等級中的個體進(jìn)行排序。

步驟3，將個體排序后的2個邊界值的擁擠度置為∞，即P(1)=∞，P(N)=∞，其中N為種群最大數(shù)量。

2.3 目標(biāo)函數(shù)

CCHP系統(tǒng)運(yùn)行控制受到諸多因素的影響，同時存在多個相互對立的優(yōu)化目標(biāo)，如一次能源利用率、運(yùn)行成本、投資成本、污染物排放量等，各個目標(biāo)又包含各自的子模塊或參數(shù)，如運(yùn)行成本包含了各個單元消耗的燃料費(fèi)用、各設(shè)備的運(yùn)行維護(hù)費(fèi)用、設(shè)備投資折舊成本、與外部電網(wǎng)交互(購電或售電)的收益等。因此，利用NSGA-Ⅱ算法解決CCHP系統(tǒng)優(yōu)化控制問題，還應(yīng)建立各個目標(biāo)的數(shù)學(xué)模型，獲得相應(yīng)的目標(biāo)函數(shù)。

本文CCHP系統(tǒng)優(yōu)化控制策略以運(yùn)行成本和燃料消耗量作為雙重優(yōu)化目標(biāo)，一方面考慮CCHP系統(tǒng)運(yùn)行成本費(fèi)用的最小化，包括燃?xì)鈾C(jī)組發(fā)電與維護(hù)費(fèi)用、有害污染物處理排放費(fèi)用、電網(wǎng)交互費(fèi)用和燃?xì)忮仩t燃料費(fèi)用，另一方面也需要減少一次能源消耗量以降低綜合能源系統(tǒng)的總體碳排放量，其可由天然氣消耗量以及等效煤炭消耗量來表示。

根據(jù)上述分析，CCHP系統(tǒng)t時刻運(yùn)行費(fèi)用由4個部分組成，分別為t時刻的燃料費(fèi)用ffuel(t)、運(yùn)行維護(hù)費(fèi)用fm(t)、污染物處理費(fèi)用fenv(t)、電網(wǎng)交互費(fèi)用fex(t)，計(jì)算式分別如下。

(3)

式中：CL為天然氣單價；ηt、ηb分別為燃?xì)鈾C(jī)組和燃?xì)忮仩t的功率系數(shù)；PMT(t)、PB(t)分別為t時刻燃?xì)鈾C(jī)組和燃?xì)忮仩t的功率。

fm(t)=FMTPMT(t)+FBPB(t)+

FPVPPV(t)+FABPAB(t).

(4)

式中：FMT、FB、FPV、FAB分別為燃?xì)鈾C(jī)組、燃?xì)忮仩t、光伏發(fā)電和吸收式制冷機(jī)的運(yùn)行維護(hù)費(fèi)用單價；PPV(t)、PAB(t)分別為t時刻光伏發(fā)電和吸收式制冷機(jī)的功率。

fenv(t)=μCO2，g(PMT(t)+PB(t))+

μCO2，e|Pgrid(t)|.

(5)

式中：μCO2，g為燃?xì)猱a(chǎn)生二氧化碳的系數(shù)；μCO2，e為電網(wǎng)供電所產(chǎn)生的二氧化碳系數(shù)；Pgrid(t)為t時刻電網(wǎng)供或購電功率。

(6)

式中fb(t)、fs(t)分別為t時刻購電價格與售電價格。

由此得到t時刻CCHP系統(tǒng)的總運(yùn)行成本

Ftotal(t)=ffuel(t)+fm(t)+fenv(t)+fex(t).

(7)

此外，t時刻燃料消耗總量Ffossil主要由燃?xì)忮仩t和燃?xì)鈾C(jī)組2部分組成，如下：

(8)

根據(jù)上述目標(biāo)函數(shù)，由于在考慮Pareto最優(yōu)解集的NSGA-Ⅱ算法中，不需要對各目標(biāo)函數(shù)設(shè)置特定的權(quán)重，也即NSGA-Ⅱ算法自動搜索最優(yōu)解集的過程不依賴于目標(biāo)函數(shù)權(quán)重值，系統(tǒng)目標(biāo)函數(shù)可表示為：

minF=Ftotal(t)⊕Ffossil(t).

(9)

2.4 約束條件

目標(biāo)函數(shù)的優(yōu)化過程受到各參量相互關(guān)系、運(yùn)行邊界條件等的限制，因此需要建立相關(guān)約束條件，使得算法搜索過程排除不符合系統(tǒng)需求的解集。根據(jù)圖1的CCHP系統(tǒng)拓?fù)浣Y(jié)構(gòu)，可以得到保持系統(tǒng)正常運(yùn)行的平衡約束條件和不平衡約束條件。

電力供需平衡是保證CCHP系統(tǒng)正常運(yùn)行的首要約束條件，當(dāng)電功率不平衡時，易造成頻率不穩(wěn)定，進(jìn)而影響系統(tǒng)的穩(wěn)定性。因此，建立電功率平衡約束條件如下：

Pnload(t)=PMT(t)+Pgrid(t)+PPV(t).

(10)

其次，系統(tǒng)的熱能也需要滿足平衡約束條件，即產(chǎn)生的熱能等于消耗的熱能；而若某時刻存在多余熱能，則需要綜合考慮浪費(fèi)的熱能。因此，建立熱能平衡約束條件如下：

Pnheat(t)=PB(t)+Prec(t)-Pwaste(t).

(11)

式中；Prec(t)為t時刻燃?xì)鈾C(jī)組余熱回收的熱流量；Pwaste(t)為t時刻浪費(fèi)的熱流量。

此外，各單元的設(shè)備都受到硬件條件限制，需要處于一定的工作區(qū)間。因此，可列出燃?xì)鈾C(jī)組、燃?xì)忮仩t等控制單元輸出功率的約束條件，如式(12)、(13)所示：

PMT，min≤PMT(t)≤PMT，max；

(12)

PB，min≤PB(t)≤PB，max.

(13)

式中：PMT，min、PMT，max分別為燃?xì)鈾C(jī)組的最低運(yùn)行功率和最高運(yùn)行功率；PB，min、PB，max分別為燃?xì)忮仩t的最低運(yùn)行功率和最高運(yùn)行功率。

3 算例分析

3.1 基礎(chǔ)數(shù)據(jù)

本算例以廣東省某賓館CCHP系統(tǒng)夏季典型日作為研究對象，該賓館CCHP系統(tǒng)采用并網(wǎng)且上網(wǎng)的運(yùn)行模式，其逐時電、熱、冷負(fù)荷以及屋頂光伏發(fā)電系統(tǒng)發(fā)電量如圖4所示。單位時間間隔Δt=1 h，調(diào)度時間周期T=24 h。

圖4 用戶負(fù)荷及光伏發(fā)電曲線Fig.4 User’s load and PV generation curves

由圖4可知：用戶電負(fù)荷需求峰值為88.66 kW，平均值為66.75 kW；熱負(fù)荷需求峰值為167.76 kW，平均值為81.10 kW；冷負(fù)荷需求峰值為192.27 kW，平均值為92.45 kW；光伏系統(tǒng)以最大功率跟蹤點(diǎn)運(yùn)行，光伏發(fā)電峰值為57.68 kW，平均值為19.76 kW。由于本案例以小時為單位，未充分考慮光伏發(fā)電短時的波動和間隙性，均統(tǒng)一折算至單位時間內(nèi)。

該系統(tǒng)采取的電價費(fèi)用實(shí)行峰段、平段、谷段三段式電價政策，且購電電價段和售電電價段一致。其中，第0至第6時段、第23時段為谷段用電時間，第7至第9時段、第14至16時段和第22時段為平段用電時間，第10至第13時段、第17至第21時段為峰段用電時間。購電價格與售電價格見表1。

表1 各時段購售電價格Tab.1 Electricity purchase and sale prices for each time period

對于NSGA-Ⅱ算法來說，最重要的3個環(huán)節(jié)是遺傳、交叉和變異，在交叉環(huán)節(jié)和變異環(huán)節(jié)需要分別設(shè)置交叉概率和變異概率。本文NSGA-Ⅱ算法相關(guān)參數(shù)設(shè)定包括：種群規(guī)模為50個個體，最大迭代次數(shù)500，交叉概率0.7，變異概率0.05。

懲罰元素則通過程序中的約束條件進(jìn)行判斷。在程序運(yùn)行過程中，將變量設(shè)置在合理的區(qū)間內(nèi)，對于違反約束條件的個體，依據(jù)種群個體違反程度，采取降低Pareto等級的方式，使其排在種群較后的位置，以最大限度避免選取這一類個體。此外，該系統(tǒng)的主要排放物為二氧化碳、二氧化硫以及氮氧化物，處理單價分別為0.210 元/kg、14.842元/kg和62.964元/kg。表2、表3分別給出了各單元的排放系數(shù)以及各發(fā)電單元特性參數(shù)。

表2 各單元排放系數(shù)Tab.2 Emission coefficient of each unit

表3 各單元運(yùn)行維護(hù)費(fèi)用Tab.3 Operation and maintenance cost for each unit

3.2 仿真結(jié)果分析

利用MATLAB軟件對CCHP系統(tǒng)的RB控制策略和NSGA-Ⅱ控制策略進(jìn)行算法編程，通過導(dǎo)入該賓館以及算法的基礎(chǔ)數(shù)據(jù)進(jìn)行仿真分析，得到該賓館夏季典型日RB控制策略和NSGA-Ⅱ控制策略中各設(shè)備單元的逐時功率調(diào)度情況，分別如圖5、圖6所示。

圖5 RB控制策略調(diào)度曲線Fig.5 Dispatch curves of RB control strategy

圖6 NSGA-Ⅱ控制策略調(diào)度曲線Fig.6 Dispatch curves of NSGA-Ⅱ control strategy

對比圖5和圖6可知：在第1至7時段中，RB控制策略將燃?xì)鈾C(jī)組按最低運(yùn)行功率運(yùn)行，電網(wǎng)在這段時間為供電主力；而在第8至10時段、第15至17時段以及23時段中，燃?xì)鈾C(jī)組與電網(wǎng)共同為用戶提供電能；在其余時段中，燃?xì)鈾C(jī)組作為用戶供電的主力，不足時再通過電網(wǎng)補(bǔ)充。對于NSGA-Ⅱ控制策略，燃?xì)鈾C(jī)組均沒有運(yùn)行在最低功率下，在第1至7時段，以燃?xì)鈾C(jī)組為供電主力，多余的電量出售給電網(wǎng)；在其余大部分時段，燃?xì)鈾C(jī)組均以較高的功率運(yùn)行，并輔以電網(wǎng)提供部分電負(fù)荷；而在12、19、20以及23時段中，電網(wǎng)購電功率均大于燃?xì)鈾C(jī)組功率，原因是在這3個時間段中，冷、熱負(fù)荷所需要的能量由燃?xì)忮仩t提供，相較于通過燃?xì)鈾C(jī)組產(chǎn)能以提供余熱，前者更加具有經(jīng)濟(jì)性。

圖7、圖8分別為2種控制策略下的逐時成本對比和逐時燃料消耗量對比。從圖7可以看出：在谷電價時段，NSGA-Ⅱ所花費(fèi)的運(yùn)行成本相比RB控制策略高一些，而其他時間段均低于RB控制策略或者持平。從圖8可以看出：NSGA-Ⅱ所得到的逐時能源消耗普遍低于RB控制策略所得到的逐時消耗，也即運(yùn)行過程中整體碳排放量較低，這得益于NSGA-Ⅱ充分利用電網(wǎng)對CCHP系統(tǒng)進(jìn)行調(diào)控，在電價較低時段盡可能購電來滿足用戶電負(fù)荷需求；冷、熱負(fù)荷則通過燃?xì)鈾C(jī)組提供，并輔以燃?xì)忮仩t進(jìn)行補(bǔ)充。

圖7 逐時成本對比Fig.7 Hourly cost comparisons

圖8 逐時燃料消耗對比Fig.8 Hourly fuel consumption comparisons

燃?xì)鈾C(jī)組的負(fù)載率是衡量CCHP系統(tǒng)一次能源利用率的重要參數(shù)，2種控制策略下的燃?xì)鈾C(jī)組效率如圖9所示。由圖9可以看出：在NSGA-Ⅱ控制策略下，燃?xì)鈾C(jī)組的負(fù)載率保持在70%～100%之間，處在一個相對平穩(wěn)且高負(fù)載率的工況中；在RB控制策略下，燃?xì)鈾C(jī)組在谷段以最低負(fù)載率運(yùn)行，在峰段以最高負(fù)載率運(yùn)行。通過比較可知，在NSGA-Ⅱ控制策略下的燃?xì)鈾C(jī)組運(yùn)行工況更加平衡，有效減少了燃機(jī)機(jī)組運(yùn)行過程的波動。

圖9 燃?xì)鈾C(jī)組負(fù)載率對比Fig.9 Gas turbine load rate comparisons

分別按照RB算法和NSGA-Ⅱ算法得出系統(tǒng)的運(yùn)行控制策略后，可以得到CCHP系統(tǒng)夏季典型日運(yùn)行總費(fèi)用及總?cè)剂舷?，具體數(shù)值見表4。

表4 2種策略調(diào)度結(jié)果Tab.4 Scheduling results of two strategies

由表4可以看出：在日運(yùn)行成本上，NSGA-Ⅱ算法所得出的運(yùn)行控制策略相比RB算法減少了6.63%；在能源消耗上，NSGA-Ⅱ算法的消耗量比RB算法減少了31.58%，系統(tǒng)低碳運(yùn)行效果更加顯著。因此，NSGA-Ⅱ算法得到的運(yùn)行控制策略在降低碳排放和運(yùn)行成本方面均具有較大的優(yōu)勢，更適用于該CCHP系統(tǒng)。

此外，在迭代過程中，采用誤差函數(shù)實(shí)現(xiàn)算法收斂性檢測。誤差函數(shù)的計(jì)算公式如下：

(17)

圖11 迭代曲線Fig.11 Iterative curve

4 結(jié)束語

本文研究了并網(wǎng)且上網(wǎng)模式下，配有燃?xì)鈾C(jī)組、光伏發(fā)電以及燃?xì)忮仩t等設(shè)備的電-氣綜合CCHP系統(tǒng)的運(yùn)行策略，分別使用RB算法和NSGA-Ⅱ算法對系統(tǒng)控制策略進(jìn)行求解。根據(jù)仿真結(jié)果得出結(jié)論，將Pareto方法與遺傳算法相結(jié)合所形成的NSGA-Ⅱ算法得出的運(yùn)行控制策略，比基于RB算法的控制策略具備更好的適應(yīng)能力，且系統(tǒng)的調(diào)度結(jié)果也不會受到人為偏好的影響。在降低系統(tǒng)碳排放量和運(yùn)行成本方面，NSGA-Ⅱ算法所得到的運(yùn)行控制策略體現(xiàn)出更好的調(diào)度效果，可以更好地推廣應(yīng)用到CCHP系統(tǒng)中。