摘 要：針對北京某大型商場構(gòu)建的光-氣-儲互補(bǔ)的綜合能源系統(tǒng)展開研究，提出全生命周期優(yōu)化方法，以全生命周期最小環(huán)境影響為目標(biāo)函數(shù)，優(yōu)化設(shè)備變工況運(yùn)行下的容量配置?；陔姼S、熱跟隨兩種運(yùn)行策略，考慮多余的熱、電產(chǎn)品是否計入環(huán)境收益構(gòu)建4種場景；計算分析4種場景下的能耗和污染物排放，并研究全球變暖、酸雨和人體呼吸系統(tǒng)3種環(huán)境影響因素對全生命周期環(huán)境的影響程度。研究結(jié)果表明：電跟隨運(yùn)行策略在考慮剩余產(chǎn)品的環(huán)境收益方面優(yōu)于熱跟隨策略，電跟隨策略的效益案例對全生命周期環(huán)境的影響較小。

關(guān)鍵詞：綜合能源系統(tǒng)；優(yōu)化；太陽能；生命周期評估；能源消耗；污染排放

中圖分類號：TK01+9 文獻(xiàn)標(biāo)志碼：A

0 引 言

在“雙碳”目標(biāo)背景下［1］，可再生能源的開發(fā)與利用是減緩氣候變化的關(guān)鍵［2］。因此，將可再生能源與傳統(tǒng)能源技術(shù)相結(jié)合是一種有效的方案，可提供低碳可持續(xù)能源以滿足不斷增長的能源需求［3］。綜合能源系統(tǒng)（integrated energysystem， IES）是分布式能源的一種新型架構(gòu)形式，能夠促進(jìn)不同能源子系統(tǒng)之間的交互響應(yīng)［ 4-5］。能源系統(tǒng)的發(fā)展逐步趨向分布式能源，不同能源交互轉(zhuǎn)化是未來發(fā)展的大方向［6］。

由于IES 中不同設(shè)備之間耦合的多樣性及可再生能源的不確定性，給IES 的可靠性和正常運(yùn)行帶來極大困難。為克服新能源出力不穩(wěn)定性的缺點(diǎn)，許多研究學(xué)者提出不同耦合類型的IES，并對其進(jìn)行配置和運(yùn)行優(yōu)化研究。沈昊天等［7］建立基于電跟隨（following electric load，F(xiàn)EL）、熱跟隨（following thermal load，F(xiàn)TL）兩種策略的綜合能源系統(tǒng)容量優(yōu)化配置模型，采用NSGA-Ⅱ算法對系統(tǒng)進(jìn)行多目標(biāo)優(yōu)化；任?？档龋?］采用多目標(biāo)優(yōu)化方法來優(yōu)化系統(tǒng)的配置和運(yùn)行，用地源熱泵的可變輸出比來匹配系統(tǒng)和用戶之間的熱電比；陳玉柱等［9］提出燃?xì)廨啓C(jī)、太陽能光伏、熱泵、電制冷機(jī)和儲能的綜合能源系統(tǒng)，采用多目標(biāo)優(yōu)化方法，在電跟隨模式下通過生命周期評估（life cycle assessment，LCA）來尋找能源、經(jīng)濟(jì)、環(huán)境指標(biāo)的最佳解決方案。

還有不少學(xué)者對綜合能源系統(tǒng)進(jìn)行了全生命周期評估。Marques 等［10］對微型綜合能源系統(tǒng)進(jìn)行從設(shè)備到能量流的生命周期評估，指出內(nèi)燃機(jī)和蒸汽發(fā)生器對環(huán)境影響最大；方仍存等［11］提出一種將能源和設(shè)備在生產(chǎn)制造、運(yùn)輸、運(yùn)行等全生命周期過程中的碳排放成本納入優(yōu)化目標(biāo)的規(guī)劃方法，并對園區(qū)綜合能源系統(tǒng)進(jìn)行逐時仿真優(yōu)化；劉昌榮等［12］提出全生命周期規(guī)劃與運(yùn)行的多目標(biāo)協(xié)同優(yōu)化方法，從低碳、生命周期和優(yōu)化方法３個方面對綜合能源系統(tǒng)生命周期低碳優(yōu)化方法進(jìn)行研究；陳玉柱等［13］提出一種能值-環(huán)境成本法，從生態(tài)學(xué)角度考慮整個生命周期鏈的當(dāng)量排放，基于特定工況優(yōu)化廢氣分配比。上述研究很少有學(xué)者關(guān)注綜合能源系統(tǒng)全生命周期優(yōu)化的問題。該研究將優(yōu)化問題延伸到生命周期有助于提高綜合能源系統(tǒng)的性能并最大限度地減少對環(huán)境的影響，可為后期的研究提供相應(yīng)的參考。

在上述研究的基礎(chǔ)上，本文利用DeST 軟件模擬北京某商場的冷熱電負(fù)荷，并構(gòu)建一種光-氣-儲互補(bǔ)的綜合能源系統(tǒng)，從而提出全生命周期優(yōu)化方法，以全生命周期最小環(huán)境影響為目標(biāo)函數(shù)，優(yōu)化設(shè)備變工況運(yùn)行下的容量配置。計算分析4 種場景下的能耗與污染物排放，并研究全球變暖、酸雨和人體呼吸系統(tǒng)3 種環(huán)境影響因素對全生命周期環(huán)境的影響程度。

1 綜合能源系統(tǒng)

1.1 系統(tǒng)描述

光-氣-儲互補(bǔ)的結(jié)合能源系統(tǒng)能量流程如圖1 所示，其中光伏發(fā)電機(jī)組、燃?xì)鈨?nèi)燃機(jī)、電網(wǎng)共同滿足用戶的電負(fù)荷；蓄熱罐、太陽能集熱器、熱回收設(shè)備、燃?xì)忮仩t、熱交換器共同滿足用戶的熱負(fù)荷；電制冷機(jī)和吸收式制冷機(jī)共同滿足用戶的冷負(fù)荷。燃?xì)忮仩t的使用與電網(wǎng)供電增加了綜合能源系統(tǒng)運(yùn)行的可靠性。蓄熱罐作為系統(tǒng)的能量緩沖裝置可提高系統(tǒng)運(yùn)行的靈活性，對系統(tǒng)中的冷量和熱量有多存少補(bǔ)的功能，以實現(xiàn)系統(tǒng)的冷熱調(diào)節(jié)。

1.2 設(shè)備數(shù)學(xué)模型

1.2.1 燃?xì)鈨?nèi)燃機(jī)

燃?xì)鈨?nèi)燃機(jī)的數(shù)學(xué)模型［6］為：

Epgu =ηpguFpgu =ηpguqV，gasqgas （1）

Qpgu =σ （1-ηpgu ）Fpgu （2）

ηpgu =a5 fp5gu +a4 fp4gu +a3 fp3gu +a2 fp2gu +a1 fp1gu +a0 （3）

fpgu = Epgu／Enom（4）

式中：Epgu——內(nèi)燃機(jī)的實際功率，kW；ηpgu——內(nèi)燃機(jī)產(chǎn)電效率；Fpgu——內(nèi)燃機(jī)消耗天然氣量，kW；qV，gas——天然氣消耗體積流量，Nm3/h；qgas—— 天然氣的低位發(fā)熱量，kWh/Nm3；Qpgu—— 內(nèi)燃機(jī)余熱回收量，kW；σ—— 余熱回收系數(shù)；fpgu——內(nèi)燃機(jī)的負(fù)載率；a0～a5——內(nèi)燃機(jī)產(chǎn)電效率擬合參數(shù)；Enom——內(nèi)燃機(jī)額定產(chǎn)電功率，kW。

1.2.2 光伏發(fā)電機(jī)組

光伏實際輸出功率［6］為：

Ppv =PSTC （GAC /GSTC ） [1+KT （Tc -TSTC ）] （5）

Tc =Tenv +kGAG （6）

式中：Ppv——光伏實際輸出功率，kW；PSTC——標(biāo)準(zhǔn)測試條件下光伏發(fā)電的額定功率，kW；GSTC——標(biāo)準(zhǔn)測試條件下太陽輻照度，W/m2；GAC——實際瞬時光伏組件接收到的太陽輻照度，W/m2；KT——功率溫度系數(shù)，%/℃；Tc——實際光伏組件表面溫度，℃；TSTC——標(biāo)準(zhǔn)測試條件下光伏組件表面溫度，取25 ℃；Tenv——環(huán)境溫度，℃；k——光伏組件安裝系數(shù)。

光伏發(fā)電機(jī)組的瞬時負(fù)載率fpv、發(fā)電效率ηpv 及發(fā)電量Epv［14］分別為：

fpv =Ppv /PSTC （7）

ηpv =b1 fpv +b2 f b3 pv （8）

Epv =βStotalGACηpv （9）

式中：b1、b2、b3——光伏發(fā)電效率系數(shù)；β——光伏的耦合率；Stotal——總有效輻射面積，m2。

1.2.3 太陽能集熱器

太陽能集熱器產(chǎn)熱功率［6］為：

Qsc =（1-β ）StotalGACηsc （10）

式中：Qsc——太陽能集熱器產(chǎn)熱功率，kW；ηsc——太陽能集熱器的集熱效率。

1.2.4 燃?xì)忮仩t

燃?xì)忮仩t的數(shù)學(xué)模型［6］為：

QIbES =ηbFbIES =ηbqV，gasqgas （11）

ηb =g1 fb +g0 （12）

fb = QIbES／Qnom（13）

式中：QIbES——綜合能源系統(tǒng)中燃?xì)忮仩t的實際產(chǎn)熱功率，kW；ηb——燃?xì)忮仩t的產(chǎn)熱效率；FbIES——燃?xì)忮仩t消耗的天然氣量，kW；fb——燃?xì)忮仩t的瞬時負(fù)載率；g0、g1——燃?xì)忮仩t產(chǎn)熱效率系數(shù)；Qnom——燃?xì)忮仩t的額定產(chǎn)熱功率，kW。

1.2.5 吸收式制冷機(jī)

吸收式制冷機(jī)的數(shù)學(xué)模型為：

Qac =ηcop，acQha （14）

ηcop，ac =c3 fa3c +c2 fa2c +c1 fac +c0 （15）

fac = Qac／Qnom，ac（16）

式中：Qac——吸收式制冷機(jī)的實際制冷功率，kW；ηcop，ac——吸收式制冷機(jī)的制冷效率；Qha——吸收式制冷機(jī)吸收的熱功率，kW；Qnom，ac——吸收式制冷機(jī)的額定制冷功率，kW；fac——吸收式制冷機(jī)的瞬時負(fù)載率；c0～c3——吸收式制冷機(jī)制冷效率系數(shù)。

1.2.6 電制冷機(jī)

電制冷機(jī)的數(shù)學(xué)模型為：

QIeEcS =ηcop，ecEec （17）

ηcop，ec =d3 fe3c +d2 fe2c +d1 fec +d0 （18）

fec = QIeEcS／Qnom，ec（19）

式中：QIeEcS——電制冷機(jī)的實際制冷功率，kW；ηcop，ec——電制冷機(jī)的制冷性能系數(shù)；Eec—— 電制冷機(jī)的耗電功率，kW；Qnom，ec——電制冷機(jī)額定制冷功率，kW；fec——電制冷機(jī)的瞬時負(fù)載率；d0～d3——電制冷機(jī)制冷效率系數(shù)。

1.2.7 蓄熱罐

蓄熱罐的能量平衡為：

Q1h，wst =ηwstQ0h，wst +Qh，wst，in -Qh，wst，out （20）

式中：Q0h，wst 和Q1h，wst——蓄熱罐儲/放熱前后的儲能功率，kW；ηwst——蓄熱罐的熱效率；Qh，wst，in 和Qh，wst，out——蓄熱罐的儲熱和放熱功率，kW。

2 全生命周期優(yōu)化方法

全生命周期研究方法主要包括4 個階段：確定目標(biāo)和邊界、生命周期清單分析、生命周期影響評估、生命周期結(jié)果解釋。

2.1 目標(biāo)和邊界

本文的目標(biāo)是在綜合能源系統(tǒng)全生命周期20 a 內(nèi)比較分析4 種場景下的能源消耗與污染物排放。圖2 為全生命周期的范圍與邊界。生命周期過程包括原材料獲取、設(shè)備制造、工廠建設(shè)、系統(tǒng)運(yùn)行、物質(zhì)回收。運(yùn)輸是綜合能源系統(tǒng)生命周期循環(huán)中不可或缺的環(huán)節(jié)，鐵路和公路是主要的運(yùn)輸方式，消耗的能源以柴油為主。運(yùn)輸階段的能源消耗如表1 所示［15］。

生命周期過程包括原材料獲取、設(shè)備制造、工廠建設(shè)、系統(tǒng)運(yùn)行、物質(zhì)回收。運(yùn)輸是綜合能源系統(tǒng)生命周期循環(huán)中不可或缺的環(huán)節(jié)，鐵路和公路是主要的運(yùn)輸方式，消耗的能源以柴油為主。運(yùn)輸階段的能源消耗如表1 所示［15］。

2.1.1 原材料的獲取

本階段考慮綜合能源系統(tǒng)制造所有設(shè)備需要的原材料以及獲取原材料的能源消耗和污染物排放。設(shè)備制造所消耗的原材料主要有鐵、銅、鋁、PVC、玻璃，其余原料消耗過少不予考慮。原材料獲取階段能源消耗與污染物排放如表2所示［15-16］。

2.1.2 設(shè)備制造

設(shè)備制造階段的生命周期清單是通過對每個設(shè)備單元進(jìn)行生命周期分析來獲得。此階段包括IES 設(shè)備制造的所有過程，這一階段消耗的能源主要是來自電網(wǎng)的電能，相應(yīng)的污染物排放來自燃煤電廠。設(shè)備制造過程能源與原材料消耗如表3 所示［15-18］。

2.1.3 工廠建設(shè)

工廠建設(shè)所需時間較長，本階段根據(jù)裝機(jī)容量估算廠房和設(shè)備安裝的材料和能耗。廠房建設(shè)施工時能耗主要考慮來自電網(wǎng)的電能，所對應(yīng)的污染物排放來自燃煤電廠。

2.1.4 系統(tǒng)運(yùn)行

能源消耗主要為太陽能、天然氣和煤炭，污染物排放來自天然氣與煤炭。電力的消耗來自燃煤電廠，考慮了輸電效率和發(fā)電效率，天然氣的消耗是IES 輸入的能量。能源消耗對應(yīng)污染物排放如表4 所示［17-18］。

2.1.5 物質(zhì)回收

最后一個階段發(fā)生在IES 達(dá)到其使用壽命時，根據(jù)工廠管理部門的政策，將有可能繼續(xù)進(jìn)行恢復(fù)。一些有用的、可回收的材料在拆遷現(xiàn)場立即回收。經(jīng)過破碎、分揀后，再到回收廠進(jìn)一步回收，回收的材料在下一個生命周期交付到第一階段。

2.2 生命周期清單

生命周期清單旨在確定能源輸入和污染物排放，能量輸入和污染物排放可表示為：

FLC =F1 +F2 +F3 +F4 +F5 +FT =Fgas +Fcoal +Foil （21）

[ MLC ]=[ M1 ]+[ M2 ]+[ M3 ]+[ M4 ]+[ M5 ]+[ MT ] （22）

式中：FLC——全生命周期內(nèi)一次能源消耗量，kWh；F1、F2、F3、F4、F5、FT——全生命周期5 個階段及運(yùn)輸過程的一次能源消耗量，kWh；MLC——全生命周期內(nèi)污染物排放量，g；M1、M2、M3、M4、M5、MT——全生命周期5 個階段及運(yùn)輸過程的污染物排放量，g。

式中：Ri， j——第i 個階段第j 種物質(zhì)或設(shè)備的單位能耗，kJ/kg或kJ/kW；Ci， j——第i 個階段第j 種物質(zhì)或設(shè)備的物質(zhì)消耗或容量，kg 或kW；M5， j——可回收的物質(zhì)，kg；E4——IES 運(yùn)行期間年度補(bǔ)充電量，kJ/a；N—— 系統(tǒng)設(shè)備運(yùn)行壽命，N=20a；ηceoal——燃煤電廠發(fā)電效率；ηgrid——電網(wǎng)的傳輸效率。

minFTEIP =W · I·M （X ） ／N （34）

式中：FTEIP——總環(huán)境影響潛力；M （X ）——污染物排放的計算函數(shù)。

由于運(yùn)行過程中存在剩余的電力和熱力，考慮以下兩種排放計算情景：

1）情景A（效益案例）：燃煤電廠的污染物排放量超過綜合能源系統(tǒng)產(chǎn)生相同電力的排放量。如果系統(tǒng)的剩余電力可返回電網(wǎng)，那么燃煤電廠的污染物排放量將減少。因此，從系統(tǒng)的總排放量中減去燃煤電廠產(chǎn)生相同剩余電量的排放量。同理，綜合能源系統(tǒng)的余熱轉(zhuǎn)換為燃?xì)忮仩t的排放，然后從總排放中減去。

2）情景B（非效益案例）：綜合能源系統(tǒng)中不包括剩余產(chǎn)品的環(huán)境收益。

3.3 約束條件

3.3.1 等式約束

1）電力平衡的表達(dá)式為：

EIgEriSd =（Eu +Eec ）-（Epv +Epgu ） （35）

EIeExcS =（Epv +Epgu ）-（Eu +Eec ） （36）

FgIrEidS = EIgEriSd／ηeηgrid = （Eu +Eec ）-（Epv +Epgu ）／ηeηgrid（37）

式中：EIgEriSd——綜合能源系統(tǒng)從城市電網(wǎng)的購電量，kW；EIeExcS——綜合能源系統(tǒng)向城市電網(wǎng)的售電量，kW；Eu——用戶所需的電負(fù)荷，kW；FgIrEidS——綜合能源系統(tǒng)從城市電網(wǎng)購電的一次能源消耗量，kW；ηe——燃煤電廠的發(fā)電效率；ηgrid——城市電網(wǎng)的傳輸效率。

2）用戶的熱負(fù)荷主要由儲能罐、太陽能集熱器、燃?xì)忮仩t與熱回收設(shè)備提供，熱量平衡方程為：

Qh =Qsc +Qrec +QIbES +Qh，wst，out -Qh，wst，in -Qha （38）

Qrec =Qpguηrec （39）

式中：Qh——用戶需要的熱負(fù)荷，kW；Qha——吸收式制冷機(jī)吸收的熱功率，kW；Qrec—— 熱回收設(shè)備回收的熱量，kW；ηrec——熱回收設(shè)備的效率。

3）用戶的冷負(fù)荷主要由電制冷機(jī)和吸收式制冷機(jī)提供，系統(tǒng)的冷量平衡方程為：

Qc =QIeEcS +Qac （40）

式中：Qc——用戶所需的冷負(fù)荷，kW。

3.3.2 不等式約束

不等約束包括設(shè)備特性和參數(shù)限制。

1）儲能裝置約束

Pstore，min ≤Pi，store ≤Pstore，max （41）

式中：Pstore，min 和Pstore，max—— 儲能設(shè)備的最小和最大容量，kW；Pi，store——儲能設(shè)備i 時刻的容量，kW。

2）設(shè)備功率輸出約束

Pj，min ≤Pj ≤Pj，max （42）

式中：Pj，min 和Pj，max——第j 個設(shè)備的最小和最大工作功率，kW。

3）參數(shù)約束

0≤θ ≤1 （43）

3.4 優(yōu)化算法

本文采用改進(jìn)的加速粒子群（adaptive particle swarmoptimization，APSO）算法對光-氣-儲互補(bǔ)的綜合能源系統(tǒng)進(jìn)行優(yōu)化求解。該算法根據(jù)適應(yīng)度值選擇加速系數(shù)，避免了粒子群算法更新過程中隨機(jī)加速系數(shù)對算法能力的影響。這里主要討論APSO 算法中加速系數(shù)的選取，計算公式［20］為：

式中：χ——變化的概率；ω、φ——系數(shù)因子；fmax、fmin、favg——粒子最大、最小、平均適應(yīng)度。

APSO 算法的速度更新公式為：

vk +1 id =vkid +n1 ?r1 ?（a'1 ）+n2 ?r2 ?（a'2 ） （48）

式中：a'1、a'2——通過將適應(yīng)度值最小的粒子與局部最優(yōu)粒子值進(jìn)行比較計算得出，如果兩個粒子具有相同的值則a'1 和a'2的值為0，否則值為1。

3.5 生命周期優(yōu)化過程

全生命周期優(yōu)化過程如圖3 所示。生命周期優(yōu)化問題是根據(jù)一些初始信息進(jìn)行制定，包括建筑負(fù)荷需求、設(shè)備技術(shù)特性、太陽能輻射、生命周期數(shù)據(jù)清單等。決策變量、目標(biāo)函數(shù)、約束條件以及求解算法等在圖3 中給出。

4 案例分析

4.1 建筑描述與參數(shù)設(shè)置

本文選取北京某商場為研究案例，對其進(jìn)行全生命周期優(yōu)化、能源消耗和環(huán)境影響分析。北京地區(qū)全年逐時環(huán)境參數(shù)如圖4 所示，北京市太陽輻照度最大為1229.83 W/m2，年平均溫度為12.65 ℃，最冷月平均溫度為-3.83 ℃，最熱月平均溫度為26.44 ℃，此建筑可利用太陽能的面積為2000 m2。建筑負(fù)荷如圖4 所示，冷負(fù)荷峰值大于熱負(fù)荷峰值，夏季和冬季的用電負(fù)荷普遍小于熱負(fù)荷與冷負(fù)荷。

在全生命周期過程中，運(yùn)輸距離T0、T2、T3、T4 均為100 km，T1 為500 km，運(yùn)輸階段污染物排放與能耗量如表7所示［16-18］。天然氣、煤炭和柴油的低位發(fā)熱量分別為35.588 MJ/Nm3、20.934 MJ/kg、42.705 MJ/kg。系統(tǒng)設(shè)備技術(shù)參數(shù)如表8 所示［21-22］。

4.2 優(yōu)化結(jié)果分析

4.2.1 全生命周期優(yōu)化結(jié)果

為比較不同運(yùn)行策略下系統(tǒng)的性能，構(gòu)建4 種場景，如表9 所示。

全生命周期優(yōu)化計算結(jié)果如表10 所示。效益案例的TEIP 值為負(fù)，表明綜合能源系統(tǒng)不僅不影響環(huán)境，而且補(bǔ)償了采用燃煤電廠和燃?xì)忮仩t的常規(guī)能源系統(tǒng)對環(huán)境造成的損失。在不考慮剩余產(chǎn)品環(huán)境收益的情況下，F(xiàn)EL 策略的TEIP大于FTL 策略；相反，在考慮收益的情況下FTL 策略更優(yōu)。

然后對系統(tǒng)的最優(yōu)配置進(jìn)行比較分析。產(chǎn)生相同的電熱產(chǎn)品時，綜合能源系統(tǒng)通常比傳統(tǒng)的燃煤電廠和燃?xì)忮仩t排放更少的污染物。因此，從TEIP 與環(huán)境收益的角度來看，內(nèi)燃機(jī)收益案例的容量均大于非收益案例。在考慮環(huán)境收益的情況下，F(xiàn)TL 策略的內(nèi)燃機(jī)容量大于FEL 策略；反之，不考慮收益的情況下，F(xiàn)EL 策略的內(nèi)燃機(jī)容量較大。效益案例的內(nèi)燃機(jī)最低負(fù)荷率略高于非效益案例。

FTL 策略中無論收益案例還是非收益案例，光伏的容量與太陽能光伏比均大于FEL 策略。FEL 策略中太陽能比率約為0.02，所吸收的太陽能大多都用于產(chǎn)熱，這是熱回收器回收熱量較少的結(jié)果。FTL 策略中太陽能主要用于產(chǎn)電。

4.2.2 能耗分析

年能源消耗與剩余能源產(chǎn)量如圖5 所示。FTL 策略中非收益案例消耗最少的能源來滿足建筑負(fù)荷需求，同時輸出最少的剩余產(chǎn)品。FEL 策略中效益案例消耗最多的能量并制造最多的剩余產(chǎn)品。系統(tǒng)在FEL 策略下運(yùn)行，太陽能與天然氣消耗量遠(yuǎn)高于FTL 策略，然而FTL 煤炭消耗量更多；柴油在能源消耗中最少，因為柴油只在運(yùn)輸階段消耗。FTL 策略中燃?xì)鈨?nèi)燃機(jī)和光伏會產(chǎn)生多余的電力，因為太陽能光伏比接近于1；FEL 策略中綜合能源系統(tǒng)從熱回收設(shè)備和太陽能集熱器輸出多余的熱量，因為太陽能主要用于產(chǎn)熱。FTL、FEL策略的非收益案例產(chǎn)生多余的熱、電比收益案例低。從滿足建筑負(fù)荷的角度，F(xiàn)TL 策略的非收益案例是消耗最少能源和輸出最少太陽能的最佳配置。

除系統(tǒng)運(yùn)行階段的能耗外，生命周期各階段與運(yùn)輸過程能耗如圖6 所示。原材料獲取、運(yùn)輸階段、工廠建設(shè)為能源消耗的前3 名。設(shè)備制造階段的能耗量最少。在物質(zhì)回收階段也有部分能量被消耗，但回收的材料會進(jìn)入下一個生命周期，一些能量被等效的回收，如圖6a 中5-rec 所示，其中5-rec 表示生命周期物質(zhì)回收階段可重新利用的能量。運(yùn)輸過程中能源消耗如圖6b 所示。FTL 策略的效益案例在運(yùn)輸階段的能耗最高，而FEL 策略的效益案例在運(yùn)輸過程的能耗最低。FTL 策略運(yùn)輸階段的能耗遠(yuǎn)高于FEL。FTL 策略在煤炭運(yùn)輸過程能耗最高而在天然氣運(yùn)輸過程能耗最低，F(xiàn)EL 策略與之相反，在天然氣運(yùn)輸過程能耗最高而在煤炭運(yùn)輸過程能耗最低。

4 種能源消耗占比如表11 所示。天然氣和太陽能是主要能源，F(xiàn)TL 策略平均比例大于60%，F(xiàn)EL 策略平均比例大于99%。太陽能的年利用量約占總能耗的41.33%。FTL 策略中煤炭消耗量遠(yuǎn)高于FEL 策略，柴油的消耗量是生命周期中最少的。

4.2.3 環(huán)境影響分析

生命周期污染物排放和能源消耗清單如表12 所示。FEL 策略的效益案例對全生命周期環(huán)境影響潛力最小，F(xiàn)EL策略的非效益案例次之，F(xiàn)TL 策略的非效益案例最差。除原材料獲取、運(yùn)輸階段產(chǎn)生CO 外，其余生命周期過程CO 產(chǎn)生量可忽略不計。系統(tǒng)運(yùn)行階段產(chǎn)生的CO2 量高于其他階段，因為運(yùn)行階段會消耗天然氣、煤炭等能源以滿足建筑的冷、熱、電負(fù)荷需求。此外，CO2 排放量明顯大于其他污染物排放，而PM2.5、CO、CH4 的排放量相差不大。

生命周期各階段對環(huán)境的影響如圖7、圖8 所示。除運(yùn)行階段外，全生命周期各階段3 種污染物氣體的排放趨勢相似。從總的排放量來看，F(xiàn)TL 策略的排放量遠(yuǎn)高于FEL 策略。FEL 策略的效益案例排放的污染物氣體最少，其次是FEL 策略的非效益案例，而FTL 策略的效益案例排放的污染物氣體最多，而在系統(tǒng)運(yùn)行階段，F(xiàn)TL 策略的非效益案例排放的污染物氣體最多。FEL 策略的效益案例對GWP、AP、REP 的影響最小，而FTL 策略的效益案例相反。GWP與AP、REP 相比，SO2 和PM2.5 當(dāng)量排放量是CO2 當(dāng)量排放量的百分之一量級。全生命周期5 個階段之間比較，運(yùn)行階段污染物氣體排放最多；除運(yùn)行階段外，原材料獲取階段污染物排放最多；設(shè)備制造階段排放最少，因為在此階段能源消耗最少。運(yùn)輸階段對環(huán)境的影響大于設(shè)備制造和物質(zhì)回收兩個階段。回收的原材料有效的轉(zhuǎn)換為減排量，如圖7 中5-rec 所示。

運(yùn)輸階段對環(huán)境的影響如圖9 所示。運(yùn)輸階段總CO2 排放量高于其他污染物氣體；對環(huán)境的3 種影響中，全球變暖對環(huán)境影響最大，酸雨最小。FTL 運(yùn)行策略的在運(yùn)輸階段對環(huán)境的影響遠(yuǎn)大于FEL 策略。FTL 策略的非效益案例對環(huán)境影響最大，而FEL 策略兩種案例對環(huán)境影響程度相似。FTL 策略在煤炭運(yùn)輸過程對環(huán)境影響最大，因為FTL 策略所消耗的煤炭多；天然氣運(yùn)輸對環(huán)境影響次之，運(yùn)輸回收的物質(zhì)影響最小。而在FEL 運(yùn)行策略下，天然氣的運(yùn)輸對環(huán)境影響最大，在此運(yùn)行策略下，天然氣的消耗量大，運(yùn)輸過程能耗較多。

不同污染物氣體對環(huán)境的影響如圖10 所示。CO2 排放是造成溫室效應(yīng)的主要因素，CH4 次之，而CO 影響最小。雖然CO、CH4 對全球變暖影響的當(dāng)量因子大于CO2，但由于排放量較少，因此對全球變暖的貢獻(xiàn)較少。在構(gòu)建的4 個場景中，F(xiàn)TL 的非效益案例對全球變暖影響最嚴(yán)重，F(xiàn)EL 的效益案例影響最小。從對AP 的影響來看，SO2、NOX 的排放是造成酸雨的主要影響氣體；FTL 策略對酸雨影響明顯大于FEL 策略。SO2 對人體呼吸系統(tǒng)影響的當(dāng)量因子較大，也是影響人體呼吸健康的主要污染物，而NOX、PM2.5 排放影響較小。

5 結(jié) 論

本文基于構(gòu)建的光-氣-儲互補(bǔ)的綜合能源系統(tǒng)，提出全生命周期優(yōu)化方法，以全生命周期最小環(huán)境影響為目標(biāo)函數(shù)，優(yōu)化設(shè)備變工況運(yùn)行下的容量配置?；贔EL、FTL 兩種運(yùn)行策略，考慮多余熱、電產(chǎn)品算入環(huán)境收益與否構(gòu)建的4 種場景下，計算分析生命周期能源消耗和環(huán)境影響。主要得出以下結(jié)論：

1）改進(jìn)的加速粒子群算法有良好的優(yōu)化求解能力，可有效求解系統(tǒng)設(shè)備變工況運(yùn)行下的容量配置。為滿足變動的用戶負(fù)荷，F(xiàn)EL 策略中50% 以上的電負(fù)荷需求由燃?xì)鈨?nèi)燃機(jī)提供，內(nèi)燃機(jī)產(chǎn)生的余熱滿足FTL 策略下約25% 的建筑熱負(fù)荷。

2）在能源消耗方面，天然氣和太陽能是消耗最多的兩種能源，F(xiàn)EL 運(yùn)行策略所消耗的這兩種能源高于FTL 策略。生命周期各階段能耗中，運(yùn)行階段的能源消耗量最高；除運(yùn)行階段外，原材料獲取、運(yùn)輸階段、工廠建設(shè)為能源消耗的前3名。在分析生命周期能耗過程中運(yùn)輸階段的能耗需考慮在內(nèi)。

3）分析生命周期各階段對環(huán)境影響方面，系統(tǒng)運(yùn)行階段排放的污染物氣體最多，除此階段外，原材料獲取階段排放的最高。運(yùn)輸階段的幾個過程中，F(xiàn)EL 運(yùn)行策略下天然氣的運(yùn)輸對環(huán)境影響最大，而FTL 策略中煤炭運(yùn)輸對環(huán)境影響最大。

4）分析一次能源消耗對環(huán)境影響方面，GWP 是環(huán)境影響的最大因素，REP 是第二大影響因素。運(yùn)行階段的污染物排放量在整個生命周期中占比最高。CO2 氣體排放對全球變暖影響最大，SO2 氣體排放對酸雨和人體呼吸系統(tǒng)影響最大。

［參考文獻(xiàn)］

［1］ 張盛， 鄭津洋， 戴劍鋒， 等. 可再生能源大規(guī)模制氫及儲氫系統(tǒng)研究進(jìn)展［J］. 太陽能學(xué)報， 2024， 45（1）： 457-465.

ZHANG S， ZHENG J Y， DAI J F， et al. Researchprogress on renewable energy system coupled with largescalehydrogen production and storage［J］. Acta energiaesolaris sinica， 2024， 45（1）： 457-465.

［2］ XIA W J， APERGIS N， BASHIR M F， et al. Investigatingthe role of globalization， and energy consumption forenvironmental externalities： empirical evidence fromdeveloped and developing economies［J］. Renewable energy，2022， 183： 219-228.

［3］ WANG J J， QI X L， REN F K， et al. Optimal design ofhybrid combined cooling， heating and power systemsconsidering the uncertainties of load demands andrenewable energy sources［J］. Journal of cleanerproduction， 2021， 281： 125357.

［4］ LI J W， YU T， ZHANG X S. Coordinated load frequencycontrol of multi-area integrated energy system using multiagentdeep reinforcement learning［J］. Applied energy，2022， 306： 117900.

［5］ 安源， 鄭申印， 蘇瑞， 等. 風(fēng)光水儲多能互補(bǔ)發(fā)電系統(tǒng)雙層優(yōu)化研究［J］. 太陽能學(xué)報， 2023， 44（12）： 510-517.

AN Y， ZHENG S Y， SU R， et al. Research on two-layeroptimization of wind-solar-water-storage multi energycomplementary power generation system［J］. Acta energiaesolaris sinica， 2023， 44（12）： 510-517.

［6］ 杜傳銘， 陳孟石， 杜尚斌， 等. 光-氣互補(bǔ)冷熱電聯(lián)供系統(tǒng)容量配置與運(yùn)行研究［J］. 動力工程學(xué)報， 2022， 42（1）： 83-93.

DU C M， CHEN M S， DU S B， et al. Study on capacityconfiguration operation of hybrid CCHP system［J］. Journalof Chinese Society of Power Engineering， 2022， 42（1）：83-93.

［7］ SHEN H T， ZHANG H L， XU Y J， et al. Multi-objectivecapacity configuration optimization of an integrated energysystem considering economy and environment with harvestheat［J］. Energy conversion and management， 2022， 269：116116.

［8］ REN F K， WANG J J， ZHU S T， et al. Multi-objectiveoptimization of combined cooling， heating and powersystem integrated with solar and geothermal energies［J］.Energy conversion and management， 2019， 197： 111866.

［9］ CHEN Y Z， XU Z C， WANG J， et al. Multi-objectiveoptimization of an integrated energy system against energy，supply-demand matching and exergo-environmental costover the whole life-cycle［J］. Energy conversion andmanagement， 2022， 254： 115203.

［10］ MARQUES A S， CARVALHO M， OCHOA A A V， et al.Life cycle assessment and comparativeexergoenvironmental evaluation of a micro-trigenerationsystem［J］. Energy， 2021， 216： 119310.

［11］ 方仍存， 楊潔， 周奎， 等. 計及全生命周期碳成本的園區(qū)綜合能源系統(tǒng)優(yōu)化規(guī)劃方法［J］. 中國電力， 2022， 55（12）： 135-146.

FANG R C， YANG J， ZHOU K， et al. An optimalplanning method for park IES considering life cycle carboncost［J］. Electric power， 2022， 55（12）： 135-146.

［12］ LIU C R， WANG H Q， WANG Z Y， et al. Research onlife cycle low carbon optimization method of multi-energycomplementary distributed energy system： a review［J］.Journal of cleaner production， 2022， 336： 130380.

［13］ CHEN Y Z， XU J Z， WANG J， et al. Exergoenvironmentalcost optimization of a combined cooling，heating and power system using the emergy concept andequivalent emissions as ecological boundary［J］. Energy，2021， 233： 121124.

［14］ 王文新， 張珊， 秦超凡， 等. 基于風(fēng)光氣能源協(xié)同互補(bǔ)系統(tǒng)參數(shù)耦合研究［J］. 太陽能學(xué)報， 2023， 44（12）：544-551.

WANG W X， ZHANG S， QIN C F， et al. Research onparameter coupling of wind， solar and natural gas energycooperative complementary systems［J］. Acta energiaesolaris sinica， 2023， 44（12）： 544-551.

［15］ WANG J J， YANG Y， MAO T Z， et al. Life cycleassessment （LCA） optimization of solar-assisted hybridCCHP system［J］. Applied energy， 2015， 146： 38-52.

［16］ JING Y Y， BAI H， WANG J J. Multi-objectiveoptimization design and operation strategy analysis ofBCHP system based on life cycle assessment［J］. Energy，2012， 37（1）： 405-416.

［17］ JING Y Y， BAI H， WANG J J， et al. Life cycleassessment of a solar combined cooling heating and powersystem in different operation strategies［J］. Appliedenergy， 2012， 92： 843-853.

［18］ PIERAGOSTINI C， MUSSATI M C， AGUIRRE P. Onprocess optimization considering LCA methodology［J］.Journal of environmental management， 2012， 96（1）： 43-54.

［19］ WANG J J， ZHANG C F， JING Y Y. Multi-criteriaanalysis of combined cooling， heating and power systemsin different climate zones in China［J］. Applied energy，2010， 87（4）： 1247-1259.

［20］ GAO Y F， DENG Y， YAO W Q， et al. Optimization ofcombined cooling， heating and power systems for ruralscenario based on a two-layer optimization model［J］.Journal of building engineering， 2022， 60： 105217

［21］ ROSATO A， SIBILIO S， SCORPIO M. Dynamicperformance assessment of a residential building-integratedcogeneration system under different boundary conditions.part I： energy analysis［J］. Energy conversion andmanagement， 2014， 79： 731-748.

［22］ WANG J J， ZHOU Y， ZHANG X T， et al. Robust multiobjectiveoptimization with life cycle assessment of hybridsolar combined cooling， heating and power system［J］.Energy conversion and management， 2021， 232： 113868.

基金項目：河北省自然科學(xué)基金（E2018502059）