向玉 張國強(qiáng)

摘要：基于含復(fù)合蓄能裝置（蓄熱/蓄電）的天然氣與太陽能耦合冷熱電三聯(lián)供系統(tǒng)，從節(jié)能、經(jīng)濟(jì)、環(huán)保層面對(duì)其建立了優(yōu)化模型.選取原動(dòng)機(jī)額定容量、原動(dòng)機(jī)啟停比、太陽能光熱/光伏面積、電制冷機(jī)供冷比為優(yōu)化變量，利用量子粒子群算法對(duì)優(yōu)化模型進(jìn)行求解，獲取了耦合系統(tǒng)的優(yōu)化容量及優(yōu)化運(yùn)行模式，并對(duì)其在兩種運(yùn)行策略下的結(jié)果進(jìn)行了對(duì)比分析，以廣州的一棟賓館建筑為例進(jìn)行了案例分析.研究結(jié)果表明：兩種優(yōu)化運(yùn)行模式下的耦合系統(tǒng)性能均優(yōu)于分產(chǎn)系統(tǒng)，且以“電”定熱模式的性能（年一次能源節(jié)約率為37.9%，年總成本節(jié)約率為39.9%，年二氧化碳減排率為55.1%，綜合性能為44.3%）優(yōu)于以“熱”定電模式（年一次能源節(jié)約率為30.7%，年總成本節(jié)約率為36.1%，年二氧化碳減排率為42.1%，綜合性能為36.3%）.

關(guān)鍵詞：太陽能;冷熱電三聯(lián)供系統(tǒng);蓄能;量子粒子群算法

中圖分類號(hào)：TK01? 文獻(xiàn)標(biāo)志碼：A

Optimization of Natural Gas and Solar Energy Coupled CCHP System Based on Hybrid Energy Storage

XIANG Yu，ZHANG Guoqiang?

（College of Civil Engineering，Hunan University，Changsha 410082，China）

Abstract：Based on the natural gas and solar energy coupled CCHP system with hybrid energy storage （heat storage/power storage），an optimization model is established from the aspects of energy saving，economy and envi?ronmental protection. The rated capacity of the prime mover，the start stop ratio of the prime mover，the solar ther?mal / photovoltaic area and the cooling ratio of the electric refrigerator are set as the optimization variables，and the quantum particle swarm optimization algorithm is used to solve the optimization model. After optimization，the opti?mal capacity and operation mode of the coupled system are obtained，and a hotel building in Guangzhou is taken as an example to verify the optimal model. The results show that the performance of the coupled system under the two optimal operation modes is better than that of the separate production system，and the performance under follow “electricity”demand mode （ annual primary energy saving ratio：37.9%;annual total cost saving ratio：39.9%;an?nual CO2 reduction ratio：55.1%;overall performance：44.3%） is better than that under follow“thermal”demand mode （ annual primary energy saving ratio：30.7%;annual total cost saving ratio：36.1%;annual CO2 reduction ra?tio：42.1%;overall performance：36.3%）.

Key words：solar energy;combined cooling，heating and power system;energy storage;quantum particle swarm optimization

環(huán)境污染和能源短缺已成為當(dāng)今世界的重要議題.2020年9月中國在聯(lián)合國大會(huì)上提出“2030年前實(shí)現(xiàn)碳達(dá)峰，2060年前實(shí)現(xiàn)碳中和”.建筑是能源消耗大戶，除采取相應(yīng)“節(jié)流”措施外，“開源”也應(yīng)成為實(shí)現(xiàn)“碳達(dá)峰、碳中和”的重要途徑，這使得研究基于可再生能源的多能源供能系統(tǒng)勢(shì)在必行[1-2].太陽能作為清潔能源，受到了廣泛關(guān)注，但其受天氣影響，不能持續(xù)供應(yīng)，天然氣基冷熱電三聯(lián)供系統(tǒng)因能源綜合利用率高和可穩(wěn)定輸出而被廣泛研究，因此，耦合上述兩者的多能源供能系統(tǒng)既可保證能源的穩(wěn)定持續(xù)輸出，同時(shí)能充分利用太陽能資源，取長(zhǎng)補(bǔ)短，充分發(fā)揮各自優(yōu)勢(shì).

楊曉輝等[3]對(duì)太陽能光熱輔助三聯(lián)供系統(tǒng)（ST- CCHP ）、太陽能光伏輔助三聯(lián)供系統(tǒng)（PV-CCHP ）、太陽能光伏光熱輔助三聯(lián)供系統(tǒng)（PV/T-CCHP ）三種系統(tǒng)進(jìn)行了熱力學(xué)分析.李薇等[4]利用區(qū)間數(shù)理論從經(jīng)濟(jì)和環(huán)境兩個(gè)方面，對(duì)集成了光伏系統(tǒng)的三聯(lián)供系統(tǒng)進(jìn)行了具體的效益分析和影響因素的敏感性分析.研究表明，集成了光伏系統(tǒng)的綜合能源系統(tǒng)具有更高的經(jīng)濟(jì)優(yōu)勢(shì)和減排能力. Song 等[5]基于年成本節(jié)約率（CSR ）和一次節(jié)能率（PESR ）的目標(biāo)函數(shù)，對(duì)太陽能冷熱電三聯(lián)產(chǎn)系統(tǒng)進(jìn)行多目標(biāo)優(yōu)化. Yang 等[6]研究了集成光伏面板和太陽能集熱器的冷熱電三聯(lián)供系統(tǒng)在不同氣候區(qū)和不同建筑類型下的性能，并利用粒子群算法尋找太陽能混合冷熱電三聯(lián)供系統(tǒng)關(guān)鍵組件的最佳尺寸.武家輝等[7]為了對(duì)集成了太陽能的冷熱電三聯(lián)供系統(tǒng)（PV/T-CCHP ）的運(yùn)行性能進(jìn)行評(píng)估提出了一種基于 Fuzzy-AHP 的多目標(biāo)決策法.研究表明，該方法可為 PV/T-CCHP 系統(tǒng)的設(shè)計(jì)運(yùn)行提供參考.在上述研究中，包含太陽能的冷熱電三聯(lián)供系統(tǒng)并未考慮相關(guān)蓄能裝置，太陽能受氣候條件限制，且供能系統(tǒng)的熱電比往往不能與建筑的熱電比完美契合，因此，有必要在供能系統(tǒng)中加入蓄能裝置.

張本啟等[8]設(shè)計(jì)了一種帶有儲(chǔ)能裝置的耦合天然氣和太陽能的冷熱電三聯(lián)供系統(tǒng)，運(yùn)用遺傳算法對(duì)所設(shè)計(jì)的系統(tǒng)進(jìn)行了系統(tǒng)配置和評(píng)價(jià)方法的優(yōu)化分析.和樹森等[9]建立了包含可再生能源、儲(chǔ)能設(shè)備、微型燃?xì)廨啓C(jī)和吸收式制冷機(jī)的冷熱電聯(lián)供微網(wǎng)模型，充分考慮了分時(shí)電價(jià)對(duì)系統(tǒng)運(yùn)行的影響，以系統(tǒng)運(yùn)行成本為目標(biāo)函數(shù)，構(gòu)建了經(jīng)濟(jì)最優(yōu)模型.陳錦濤等[10]則以系統(tǒng)運(yùn)行成本最小化為目標(biāo)函數(shù)，運(yùn)用粒子群算法對(duì)集成蓄電的多能源系統(tǒng)進(jìn)行了優(yōu)化.耿健等[11]以帶有儲(chǔ)能設(shè)備的冷熱電三聯(lián)供系統(tǒng)的一個(gè)運(yùn)行周期內(nèi)運(yùn)維總成本和 CO2總排放量為優(yōu)化目標(biāo)進(jìn)行多目標(biāo)優(yōu)化，并分析了儲(chǔ)能容量對(duì)分布式綜合能源微網(wǎng)（DIEM ）運(yùn)行優(yōu)化的影響.在上述研究中，包含蓄能裝置的太陽能冷熱電三聯(lián)供系統(tǒng)，并未對(duì)不同運(yùn)行策略的結(jié)果進(jìn)行對(duì)比研究.

本文對(duì)含復(fù)合蓄能裝置（蓄熱/蓄電）的天然氣與太陽能耦合冷熱電三聯(lián)供系統(tǒng)進(jìn)行了優(yōu)化研究，且對(duì)其在兩種運(yùn)行策略下的研究結(jié)果進(jìn)行了比較分析.

1 系統(tǒng)介紹

1.1分產(chǎn)供能系統(tǒng)

為了更好地展示含復(fù)合蓄能裝置的太陽能冷熱電三聯(lián)供系統(tǒng)的優(yōu)勢(shì)，選取了分產(chǎn)系統(tǒng)作為對(duì)比系統(tǒng)，如圖1所示.

電制冷機(jī)組提供建筑所需的冷負(fù)荷，鍋爐提供建筑所需熱負(fù)荷，建筑和系統(tǒng)所需要的電負(fù)荷全部由電網(wǎng)提供，分產(chǎn)系統(tǒng)的電平衡為：

式中：E S（x）p，g 為分產(chǎn)系統(tǒng)中大電網(wǎng)供給電量，kWh;Ex 為建筑電負(fù)荷，kWh;E S（x）p，a 為分產(chǎn)系統(tǒng)運(yùn)行所需的附加電量，kWh;E S（x）p，ec為分產(chǎn)系統(tǒng)驅(qū)動(dòng)電制冷機(jī)組的電負(fù)荷，kWh，其計(jì)算式如下：

式中：Qc（x）為建筑的冷負(fù)荷，kWh;COPS（x）p，ec為電制冷機(jī)組的性能系數(shù)，其計(jì)算式如下[12]：

式中：COP 為電制冷機(jī)組額定工況下的性能系數(shù);a 1、a2為電制冷機(jī)效率系數(shù);η S（x）p，ec為分產(chǎn)系統(tǒng)中電制冷機(jī)的部分負(fù)載系數(shù)，可表示為：

式中：Q 為分產(chǎn)系統(tǒng)中電制冷機(jī)組的額定容量.? 考慮到能量轉(zhuǎn)換和傳輸，分產(chǎn)系統(tǒng)的逐時(shí)能耗為：

式中：η e 和ηt 分別為大電網(wǎng)的發(fā)電效率和傳輸效率，分別取0.35和0.92;NS（x）p，b 為分產(chǎn)系統(tǒng)中鍋爐消耗的天然氣量，kWh.

1.2 含蓄能系統(tǒng)的天然氣與太陽能耦合 CCHP 系統(tǒng)

該耦合系統(tǒng)包括原動(dòng)機(jī)、吸收式制冷機(jī)、熱交換器、光伏、光熱、蓄電裝置、蓄熱裝置以及燃?xì)忮仩t，如圖2所示，可分別在制冷模式和制熱模式下運(yùn)行.供能主體為原動(dòng)機(jī)、吸收式制冷機(jī)、熱交換器、光伏、光熱，蓄電裝置和蓄熱裝置分別用于儲(chǔ)存多余電量和熱量，由大電網(wǎng)和燃?xì)忮仩t補(bǔ)充耦合系統(tǒng)不足電量和熱量.

系統(tǒng)電平衡公式如下：

式中：E g（x）為來自大電網(wǎng)的電量，kWh;E p（x）v 為光伏板產(chǎn)電量，kWh;E p（x）gu為原動(dòng)機(jī)所產(chǎn)電量，kWh;E e（x）sb，out 為電池釋放的電量，kWh;E e（x）sb，in 為儲(chǔ)存至電池的電量， kWh;E a（x）為系統(tǒng)運(yùn)行所需電量，kWh;E e（x）c 為電制冷機(jī)組所需電量，kWh，可表示為：

式中：Qe（x）c，c 為電制冷機(jī)組提供的冷負(fù)荷，kWh，可表示為：

式中：m 表示電制冷機(jī)組提供冷量占冷負(fù)荷比例，為決策變量.

COPe（x）c 表示電制冷機(jī)組的性能系數(shù)，其計(jì)算式如下[12]：

式中：COPec（m）ax 為電制冷機(jī)組額定工況下的性能系數(shù); a 1、a2為電制冷機(jī)效率系數(shù);η e（x）c 為電制冷機(jī)的部分負(fù)載系數(shù)，可表示為：

式中：Qec（m）ax 為電制冷機(jī)組的額定容量，kWh.

原動(dòng)機(jī)消耗的天然氣為：

式中：E p（x）gu為原動(dòng)機(jī)實(shí)際發(fā)電量，kWh，可表示為：

式中：t 表示原動(dòng)機(jī)的啟動(dòng)因子，決定著原動(dòng)機(jī)是否啟動(dòng)，為決策變量;fpg（x）u 為原動(dòng)機(jī)的部分負(fù)載系數(shù)，可表示為：

式中：E pgu（max）為原動(dòng)機(jī)的額定發(fā)電量，kWh.

η p（x）gu為原動(dòng)機(jī)發(fā)電效率，可表示為[13]：

式中：b0、b 1、b2為原動(dòng)機(jī)效率系數(shù).

Q p（x）gu是原動(dòng)機(jī)的回收余熱（kWh），可表示為：

式中：Nxpgu為原動(dòng)機(jī)消耗的天然氣量，kWh;η rec 為熱回收系統(tǒng)的效率.

耦合系統(tǒng)的熱平衡為：

式中：Qb（x）為鍋爐提供的熱量，kWh;Qs（x）t 為太陽能集熱板提供的熱量，kWh;Qts（x）t，out 為從儲(chǔ)熱罐輸出的熱量， kWh;Qts（x）t，in 為儲(chǔ)存到儲(chǔ)熱罐的熱量，kWh;Qa（x）c，c 為吸收式制冷機(jī)提供的冷負(fù)荷，kWh;Qh（x）為熱交換器提供的熱負(fù)荷，kWh;η he 為換熱器的效率;COPa（x）c 為吸收式制冷機(jī)的性能系數(shù)，可表示為[14]：

式中：c0、c 1、c2為吸收式制冷機(jī)效率系數(shù);η a（x）c 為吸收式制冷機(jī)的部分負(fù)荷率，可表示為：

式中：Qac（m）ax 為吸收式制冷機(jī)的額定容量.

鍋爐消耗的天然氣為：

式中：η b 為鍋爐的效率.

因此，系統(tǒng)的一次能源總消耗包括三個(gè)部分：原動(dòng)機(jī)和鍋爐消耗的天然氣，以及大電網(wǎng)消耗的化石燃料，其可表示為：

光伏產(chǎn)電通過公式（21）進(jìn)行計(jì)算[5]： EPV = APV GηPV =

式中：APV 為光伏模塊的總面積，m2;η PV 為在基準(zhǔn)溫度下的基準(zhǔn)模塊效率;TREF 為25℃;TPV 為環(huán)境溫度，℃;μ為光伏組件的太陽輻照度系數(shù)，取值0.005;

η REF 為0.125;G 為單位面積光伏板接受輻射量，W/m2，計(jì)算式如下[15-17]：

式中：Sb 和 Sd 分別為在水平表面上的直射輻射和漫射輻射，W/m2，取值來源于氣象參數(shù);ρ為地面反射系數(shù);β為太陽能板傾斜角度（在本文中取為當(dāng)?shù)鼐暥龋?Rb 為太陽能輻射傾斜系數(shù)，可以按下式計(jì)算：

式中：φ為當(dāng)?shù)鼐暥?ω為太陽時(shí)角;δ為太陽傾斜角.太陽光熱系統(tǒng)的產(chǎn)熱量（kWh）按下式計(jì)算[3]：

式中：η solar取0.615.

蓄電裝置計(jì)算式如下[18]：

式中：E 為下一個(gè)時(shí)刻的電量，kWh;E e（x）sb 為當(dāng)前時(shí)刻的電量，kWh;η esb，loss 為損失率;Eesb，in 為進(jìn)入蓄電裝置的電量，kWh，0≤ Eesb，in ≤0.2Ees（m）b（ax）;η esb，in 為充電效率;Eesb，out 為蓄電裝置釋放的電量，kWh，0≤ Eesb，out ≤0.4Ees（m）b（ax）;η esb，out 為放電效率;Δt =1h.

蓄熱裝置計(jì)算式如下：

式中：Q 為下一個(gè)時(shí)刻的熱量，kWh;Qts（x）t 為當(dāng)前時(shí)刻的熱量，kWh;ηtst為蓄熱裝置效率;Qtst，in 為進(jìn)入蓄熱裝置的熱量，kWh;Qtst，out 為蓄熱裝置輸出的熱量，kWh.

2優(yōu)化

2.1優(yōu)化算法

粒子群優(yōu)化算法（PSO）是一種進(jìn)化智能算法，在對(duì)動(dòng)物集群活動(dòng)行為觀察的基礎(chǔ)上，利用群體中的個(gè)體對(duì)信息的共享使整個(gè)群體的運(yùn)動(dòng)在問題求解空間中產(chǎn)生從無序到有序的演化過程，從而獲得最優(yōu)解.量子粒子群算法取消了粒子移動(dòng)方向的屬性，增加了粒子移動(dòng)的隨機(jī)性，從而更好地避免了粒子陷入局部最優(yōu)值.

因此，本文基于量子粒子群算法，以原動(dòng)機(jī)額定容量、原動(dòng)機(jī)啟停比、太陽能光熱/光伏面積、電制冷機(jī)供冷比為決策變量來對(duì)系統(tǒng)進(jìn)行整體優(yōu)化，利用MATLAB 軟件實(shí)現(xiàn)整個(gè)計(jì)算過程，如圖3所示.

2.2 決策變量和運(yùn)行策略

為獲取系統(tǒng)的優(yōu)化容量和運(yùn)行方式，選取了原動(dòng)機(jī)額定容量、原動(dòng)機(jī)啟停比、太陽能光熱/光伏面積、電制冷機(jī)供冷比為本文的優(yōu)化變量，其中原動(dòng)機(jī)額定容量、太陽能光熱/光伏面積比為與設(shè)備容量相關(guān)的變量，原動(dòng)機(jī)啟停比為與系統(tǒng)運(yùn)行相關(guān)的變量，電制冷機(jī)供冷比為與設(shè)備容量和系統(tǒng)運(yùn)行均相關(guān)的變量.

結(jié)合決策變量，系統(tǒng)可在以“電”定熱和以“熱”定電兩種運(yùn)行策略下運(yùn)行，以“電”定熱優(yōu)先考慮滿足建筑電負(fù)荷、驅(qū)動(dòng)電制冷機(jī)制冷的電量以及系統(tǒng)的附加電量，可由光伏、蓄電裝置、原動(dòng)機(jī)提供，不足電量由大電網(wǎng)補(bǔ)給.以“熱”定電優(yōu)先考慮滿足驅(qū)動(dòng)吸收式制冷機(jī)的熱量（制冷模式）或驅(qū)動(dòng)熱交換器的熱量（制熱模式），可由光熱、蓄熱裝置、原動(dòng)機(jī)余熱回收裝置提供，不足熱量由燃?xì)忮仩t補(bǔ)給.

2.3優(yōu)化目標(biāo)

2.3.1年一次能源節(jié)約率

選擇年一次能源節(jié)約率作為能源指標(biāo).耦合系統(tǒng)能源消耗包括原動(dòng)機(jī)和鍋爐消耗的天然氣，電網(wǎng)消耗的化石燃料.耦合系統(tǒng)年一次能源消耗量可以表示為：

分產(chǎn)系統(tǒng)的年一次能源消耗量可表示為：

年一次能源節(jié)約率為：

2.3.2年總成本節(jié)約率

選擇年總成本節(jié)約率作為經(jīng)濟(jì)指標(biāo).耦合系統(tǒng)的年總成本包含天然氣成本、碳稅和系統(tǒng)初投資，耦合系統(tǒng)年度總成本可以表示為：

式中：Ngas為天然氣的單位價(jià)格，元/kWh;Nxb為鍋爐消耗的天然氣量，kWh;Ngr（x）id 為電價(jià)的逐時(shí)價(jià)格，元/ kWh;ER，total 為耦合系統(tǒng)二氧化碳排放量，kg;T 為碳稅價(jià)格，元/kg;p 為投資回報(bào)率;Ca，k 為耦合系統(tǒng)中各設(shè)備的額定容量，kW;Co，k 為各設(shè)備的單位價(jià)格，元/kW.

分產(chǎn)系統(tǒng)的年總成本可以表示為：

式中：ER，Sp為分產(chǎn)系統(tǒng)二氧化碳排放量，kg;Ca，Sp，k 為分產(chǎn)系統(tǒng)中各設(shè)備的額定容量，kW;Co，Sp，k 為各設(shè)備的單位價(jià)格，元/kW.

投資回報(bào)率p 可以定義為：

式中：I 為利率;d 為設(shè)備的使用壽命.

年總成本降低率為：

2.3.3年二氧化碳減排率

選擇年二氧化碳減排率作為環(huán)境指標(biāo).耦合系統(tǒng)二氧化碳排放量包含原動(dòng)機(jī)和鍋爐消耗的天然氣以及公共電網(wǎng)消耗的化石燃料，耦合系統(tǒng)二氧化碳排放量可以表示為：

式中：Mgas為單位天然氣排放的二氧化碳量，g/kWh;Mgrid為單位電量排放的二氧化碳量，g/kWh.

分產(chǎn)系統(tǒng)的二氧化碳排放量可以表示為：

年二氧化碳減排量率為：

2.3.4綜合性能

為了反映耦合系統(tǒng)的綜合性能，將能源、經(jīng)濟(jì)和環(huán)境指標(biāo)組合為以下表達(dá)式：

式中：δ1、δ2和δ3是加權(quán)因子（0≤δ1，δ2，δ3≤1，δ1+δ2+δ3=1），它們的值分別代表能源、經(jīng)濟(jì)和環(huán)境指標(biāo)的重要性，δ1、δ2和δ3均設(shè)置為1/3[19].本文將最大化問題轉(zhuǎn)化為最小化問題.因此，該模型的優(yōu)化目標(biāo)可表示為：

3案例分析

3.1建筑信息

以廣州地區(qū)的一棟賓館建筑為例進(jìn)行案例分析，建筑面積為9600 m2，層數(shù)為6層，建筑圍護(hù)結(jié)構(gòu)和功能參數(shù)設(shè)置均依據(jù)《民用建筑熱工設(shè)計(jì)規(guī)范》，并在DesignBuilder軟件中實(shí)現(xiàn)建筑負(fù)荷的模擬.建筑的逐時(shí)冷熱電負(fù)荷如圖4所示.

3.2參數(shù)輸入

系統(tǒng)設(shè)備成本以及能源價(jià)格見表1;系統(tǒng)設(shè)備參數(shù)見表2;能源碳排放量見表3.

3.3結(jié)果與討論

利用量子粒子群優(yōu)化算法對(duì)優(yōu)化模型進(jìn)行求解后，可獲得系統(tǒng)的各設(shè)備容量以及逐時(shí)運(yùn)行策略.表4展示了兩種運(yùn)行策略下的電制冷機(jī)占比和原動(dòng)機(jī)啟動(dòng)因子，電制冷占比均較小，意味著建筑冷負(fù)荷主要由吸收式制冷機(jī)滿足.以“電”定熱模式下的原動(dòng)機(jī)啟停因子為0.36，意味著只有當(dāng)電量需求大于等于0.36 E pgu（max）（ E pgu（max）為原動(dòng)機(jī)額定容量）時(shí)，原動(dòng)機(jī)才開啟，否則原動(dòng)機(jī)處于關(guān)閉狀態(tài);以“熱”定電模式下的原動(dòng)機(jī)啟停因子為0，意味著只要當(dāng)熱量需求大于0時(shí)，原動(dòng)機(jī)就開啟.

3.3.1 系統(tǒng)設(shè)備容量

圖5展示了優(yōu)化后的系統(tǒng)各設(shè)備容量，以“電”定熱下的原動(dòng)機(jī)容量大于以“熱”定電下的容量;電制冷機(jī)占比較小（見表4），因此，建筑的冷負(fù)荷主要由吸收式制冷機(jī)提供，且以“熱”定電運(yùn)行模式下的吸收式制冷機(jī)組容量大于以“電”定熱運(yùn)行模式下的吸收式制冷機(jī)組容量;建筑熱負(fù)荷由熱交換器提供，因此兩種運(yùn)行策略下的熱交換容量相同;以“熱”定電模式下的鍋爐容量大于以“電”定熱模式下的鍋爐容量;以“電”定熱模式優(yōu)先滿足系統(tǒng)的電需求，在這種情況下，可能有多余的熱量?jī)?chǔ)存進(jìn)蓄熱裝置，且以“電”定熱模式下的光熱板面積大于以“熱”定電模式下的光熱板面積，綜合作用下，以“電”定熱模式下的蓄熱裝置容量大于以“電”定熱模式下的蓄熱裝置容量;以“電”定熱模式下的蓄電裝置容量為零，說明在該模式下運(yùn)行時(shí)，系統(tǒng)并無多余電量?jī)?chǔ)存至蓄電裝置，在以“熱”定電模式下，優(yōu)先滿足系統(tǒng)的熱需求 （驅(qū)動(dòng)吸收式制冷機(jī)供冷或驅(qū)動(dòng)熱交換器供熱），由圖4可知，廣州的建筑冷負(fù)荷較大且持續(xù)時(shí)間長(zhǎng)，電負(fù)荷相對(duì)平穩(wěn)，此時(shí)可能有多余的電量?jī)?chǔ)存至蓄電裝置中.

如圖6所示，在以“電”定熱模式和以“熱”定電模式下，光熱面積均大于光伏面積，這是因?yàn)閺V州的建筑冷負(fù)荷較大，且持續(xù)時(shí)間較長(zhǎng)，在制冷模式下，太陽能資源往往相對(duì)比較豐富，且從表4可看出，兩種模式下的電制冷機(jī)占比較小，意味著更多的冷負(fù)荷是由吸收式制冷機(jī)滿足，綜合作用下，使得兩種模式下的太陽能光熱面積均大于光伏面積.

3.3.2 系統(tǒng)運(yùn)行策略

為了更清晰地展示優(yōu)化后的逐時(shí)電/熱運(yùn)行策略，分別選取冬季、夏季以及過渡季典型日進(jìn)行分析.圖7展示了冬季典型日的逐時(shí)電/熱運(yùn)行策略，在以“電”定熱運(yùn)行模式下，原動(dòng)機(jī)全天開啟，電需求主要由原動(dòng)機(jī)提供，由于光伏占比較小，因此光伏僅在白天的某幾個(gè)時(shí)刻提供電量，無需從大電網(wǎng)購電;由于在該模式下優(yōu)先滿足系統(tǒng)的電需求，除原動(dòng)機(jī)余熱外，由于光熱占比較大，白天光熱較充足，多余的熱量?jī)?chǔ)存至蓄熱裝置中，不需要鍋爐補(bǔ)充熱量.在以“熱”定電運(yùn)行模式下，由于光伏占比為零，除因滿足熱需求開啟原動(dòng)機(jī)時(shí)，由原動(dòng)機(jī)提供電量外，電需求多數(shù)時(shí)刻由大電網(wǎng)滿足，且在熱需求負(fù)荷較大時(shí)，原動(dòng)機(jī)產(chǎn)電量較大，有多余的電量?jī)?chǔ)存至蓄電裝置中;由于在該模式下優(yōu)先滿足系統(tǒng)的熱需求，少數(shù)時(shí)刻熱需求由蓄熱裝置滿足，原動(dòng)機(jī)僅需在有熱需求時(shí)開啟，白天光熱較充足，多余的熱量?jī)?chǔ)存至蓄熱裝置中，在個(gè)別時(shí)刻（此時(shí)原動(dòng)機(jī)已在滿負(fù)荷工況運(yùn)行，無太陽能光熱，且蓄熱裝置中沒有可輸出熱量）需要開啟鍋爐.

圖8展示了夏季典型日的逐時(shí)電/熱運(yùn)行策略，該典型日電需求較穩(wěn)定，用于驅(qū)動(dòng)吸收式制冷機(jī)制冷的熱需求較大，在以“電”定熱運(yùn)行模式下，電需求主要由原動(dòng)機(jī)提供，大電網(wǎng)補(bǔ)充不足電量，由于光伏占比較小，因此光伏僅在白天的某幾個(gè)時(shí)刻提供電量;由于在該模式下優(yōu)先滿足系統(tǒng)的電需求，除原動(dòng)機(jī)余熱外，白天光熱較充足，在白天光熱最充足的3個(gè)時(shí)刻儲(chǔ)存多余的熱量至蓄熱裝置中，而晚上不足熱量由鍋爐補(bǔ)充.在以“熱”定電運(yùn)行模式下，由于光伏占比為零，且該典型日的熱需求較大，原動(dòng)機(jī)全天在額定工況運(yùn)行，不足電需求由大電網(wǎng)滿足;由于在該模式下優(yōu)先滿足系統(tǒng)的熱需求，且該典型日熱需求較大，原動(dòng)機(jī)全天在額定工況運(yùn)行，白天光熱較充足，不足熱量由鍋爐補(bǔ)充，因夏季典型日驅(qū)動(dòng)吸收式制冷機(jī)制冷的熱需求較大，此時(shí)沒有多余熱量?jī)?chǔ)存.

圖9展示了過渡季典型日的逐時(shí)電/熱運(yùn)行策略.該典型日電需求較穩(wěn)定，熱需求很小，在以“電”定熱運(yùn)行模式下，電需求主要由原動(dòng)機(jī)提供，由于光伏占比較小，因此光伏僅在白天的某幾個(gè)時(shí)刻提供電量;由于在該模式下優(yōu)先滿足系統(tǒng)的電需求，除原動(dòng)機(jī)余熱外，由于光熱占比較大，白天光熱較充足，且因該典型日熱需求較小，多余的熱量存儲(chǔ)至蓄熱裝置中，不需要鍋爐補(bǔ)充熱量.在以“熱”定電運(yùn)行模式下，由于光伏占比為零，且該典型日的熱需求較小，此時(shí)電需求主要由大電網(wǎng)滿足，原動(dòng)機(jī)僅在個(gè)別時(shí)刻運(yùn)行;由于在該模式下優(yōu)先滿足系統(tǒng)的熱需求，且該典型日熱需求很小，原動(dòng)機(jī)僅需在少數(shù)時(shí)刻開啟，白天光熱較充足，且因該典型日熱需求較小，此時(shí)蓄熱僅在白天有光熱時(shí)發(fā)生，晚上可利用蓄熱裝置中的熱量供熱，不需要鍋爐補(bǔ)充熱量.

3.3.3 系統(tǒng)性能

圖10所示為兩種運(yùn)行策略下的年一次能源節(jié)約率、年總成本節(jié)約率、年二氧化碳減排率以及綜合性能，結(jié)果表明：兩種運(yùn)行策略下的系統(tǒng)性能均優(yōu)于分產(chǎn)系統(tǒng)，但以“電”定熱模式下的各指標(biāo)均優(yōu)于以“熱”定電模式下的各指標(biāo).

4結(jié)論

本文對(duì)基于蓄能裝置的太陽能冷熱電三聯(lián)供系統(tǒng)建立了優(yōu)化模型，優(yōu)化目標(biāo)綜合考慮了年一次能源節(jié)約率、年總成本減少率以及年二氧化碳排放減少率，優(yōu)化變量為原動(dòng)機(jī)額定容量、原動(dòng)機(jī)啟停比、太陽能光熱/光伏面積、電制冷機(jī)供冷比，量子粒子群算法用于求解該優(yōu)化模型，并對(duì)系統(tǒng)在兩種運(yùn)行策略下（以“電”定熱和以“熱”定電）的優(yōu)化結(jié)果和性能進(jìn)行了比較分析.

為驗(yàn)證該優(yōu)化模型，用位于廣州的一棟賓館建筑進(jìn)行了案例分析，獲取了系統(tǒng)優(yōu)化設(shè)備容量以及典型日逐時(shí)運(yùn)行策略.結(jié)果表明：1）原動(dòng)機(jī)、電制冷機(jī)組、蓄熱裝置、光伏/光熱面積在以“電”定熱下較以“熱”定電下大，而吸收式制冷機(jī)組、熱交換器、鍋爐、蓄電裝置在以“熱”定電下較以“電”定熱下大;2）冬季、夏季、過渡季典型日在兩種運(yùn)行策略下呈現(xiàn)出不同的特征;3）兩種運(yùn)行策略下的系統(tǒng)性能均優(yōu)于分產(chǎn)系統(tǒng)性能，且以“電”定熱下的性能（年一次能源節(jié)約率：37.9%;年總成本節(jié)約率：39.9%，年二氧化碳減排率：55.1%，綜合性能：44.3%）優(yōu)于以“熱”定電下的性能（年一次能源節(jié)約率：30.7%，年總成本節(jié)約率：36.1%，年二氧化碳減排率：42.1%，綜合性能：36.3%）.

參考文獻(xiàn)

[1] 陸海，楊洋，李耀華，等.一種可再生能源接入的多端口變換器及其能量協(xié)同管理[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，48（2）：103-111.

LU H，YANG Y，LI Y H，et al. A multi-port converter for renew? able energy access and its energy cooperative control[J]. Journal of Hunan University（Natural Sciences），2021，48（2）：103-111.（In Chinese）

[2] 牛東曉，趙東來，楊尚東，等.考慮綜合成本的海上風(fēng)電與遠(yuǎn)方清潔能源協(xié)同優(yōu)化模型[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，46（12）：16-24.

NIU D X，ZHAO D L，YANG S D，et al. Collaborative optimization model of offshore wind power and remote clean energy considering comprehensive cost in power system[J]. Journal of Hunan Univer? sity（Natural Sciences），2019，46（12）：16-24.（In Chinese）

[3] 楊曉輝，劉康.不同類型太陽能輔助三聯(lián)供系統(tǒng)的評(píng)價(jià)與案例分析[J].實(shí)驗(yàn)技術(shù)與管理，2021，38（3）：51-56.

YANG X H，LIU K. Evaluation and case analysis of different types of solar-assisted triple generation systems[J].Experimen? tal Technology and Management，2021，38（3）：51-56.（In Chi? nese）

[4] 李薇，包哲，楊涵晟，等.基于區(qū)間數(shù)理論的園區(qū)分布式綜合能源系統(tǒng)效益及影響因素分析[J].太陽能學(xué)報(bào)，2020，41（2）：339-346.

LI W，BAO Z，YANG H S，et al. Cost-benefit and influencing fac ? tors analysis of distributed comprehensive energy system based on interval number theory[J]. Acta Energiae Solaris Sinica，2020，41（2）：339-346.（In Chinese）

[5]? SONG Z H，LIU T，LIN Q Z. Multi-objective optimization of a so ?lar hybrid CCHP system based on different operation modes[J]. Energy，2020，206：118125.

[6]? YANG G，ZHAI X Q. Optimal design and performance analysisof solar hybrid CCHP system considering influence of building type and climate condition[J]. Energy，2019，174：647-663.

[7] 武家輝，張強(qiáng)，王維慶，等.太陽能冷熱電聯(lián)供系統(tǒng)的綜合性能評(píng)價(jià)與研究[J].電力系統(tǒng)保護(hù)與控制，2019，47（21）：179-186.

WU J H，ZHANG Q，WANG W Q，et al. Evaluation and research on the comprehensive performance of a PV/T-CCHP system[J]. Power System Protection and Control，2019，47（21）：179-186.（In Chinese）

[8] 張本啟，王佳豪.基于遺傳算法的太陽能和天然氣互補(bǔ)冷熱電聯(lián)供系統(tǒng)優(yōu)化[J].電力科學(xué)與工程，2021，37（6）：45-52.

ZHANG B Q，WANG J H. Optimization of solar and natural gas complementarity combined cooling，heating and power system based on genetic algorithm[J]. Electric Power Science and Engi? neering，2021，37（6）：45-52.（In Chinese）

[9] 和樹森，劉天羽.基于改進(jìn)蝴蝶算法的冷熱電聯(lián)供微網(wǎng)日前優(yōu)化調(diào)度研究[J].電氣技術(shù)，2021，22（3）：14-19.

HE S S，LIU T Y. Research on optimized scheduling of combined cooling heating and power microgrid based on improved butterfly algorithm[J]. Electrical Engineering，2021，22（3）：14-19.（ In Chinese）

[10] 陳錦濤，楊蘋，陳瀅，等.基于綜合需求側(cè)響應(yīng)策略的園區(qū)多能源系統(tǒng)優(yōu)化運(yùn)行[J].可再生能源，2021，39（2）：222-228.

CHEN J T，YANG P，CHEN Y，et al. Optimized operation of multi-energy system in the industrial park based on integrated de ? mand response strategy[J]. Renewable Energy Resources，2021，39（2）：222-228.（In Chinese）

[11]耿健，楊冬梅，高正平，等.含儲(chǔ)能的冷熱電聯(lián)供分布式綜合能源微網(wǎng)優(yōu)化運(yùn)行[J].電力工程技術(shù)，2021，40（1）：25-32.

GENG J，YANG D M，GAO Z P，et al. Optimal operation of dis? tributed integrated energy microgrid with CCHP considering en ? ergy storage[J]. Electric Power Engineering Technology，2021，40（1）：25-32.（In Chinese）

[12] CUI Q，MA P P，HUANG L，et al. Effect of device models on themultiobjective optimal operation of CCHP microgrids considering shiftable loads[J]. Applied Energy，2020，275：115369.

[13]周王斌.多能協(xié)同冷熱電三聯(lián)供系統(tǒng)優(yōu)化配置及不確定性運(yùn)行研究[D].西安：西安建筑科技大學(xué)，2018.

ZHOU W B. Research on optimal design and uncertain operating of combined cooling heating and power system with synergy of mul ? tiple energy sources[ D]. Xi′an：Xi′an University of Architecture and Technology，2018.（In Chinese）

[14] WEN Q M，LIU G，WU W，et al. Genetic algorithm-based opera?tion strategy optimization and multi-criteria evaluation of distrib ? uted energy system for commercial buildings[J]. Energy Conver? sion and Management，2020，226：113529.

[15]季杰，何偉.光伏墻體年發(fā)電性能及年得熱動(dòng)態(tài)預(yù)測(cè)[J].太陽能學(xué)報(bào)，2001，22（3）：311-316.

JI J，HE W. Dynamic prediction of the annual heat gain and power output of a PV-wall [J]. Acta Energiae Solaris Sinica，2001，22（3）：311-316.（In Chinese）

[16]朱丹丹，燕達(dá).太陽能板放置最佳傾角研究[J].建筑科學(xué)，2012，28（ S2）：277-281.

ZHU D D，YAN D. Calculation of solar radiation and generated energy on inclined plane and optimal inclined angle[J]. Building Science，2012，28（ S2）：277-281.（In Chinese）

[17] KALOGIROU S A. Solar energy engineering：processes and sys?tems[ M]. Salt Lake City，USA：Academic Press，2013.

[18] REN F K，WEI Z Q，ZHAI X Q. Multi-objective optimization andevaluation of hybrid CCHP systems for different building types [J]. Energy，2021，215：119096.

[19] ZHENG C Y，WU J Y，ZHAI X Q. A novel operation strategy forCCHP systems based on minimum distance[J]. Applied Energy，2014，128：325-335.

[20] ZENG R，ZHANG X F，DENG Y，et al. An off-design model tooptimize CCHP-GSHP system considering carbon tax[J]. Energy Conversion and Management，2019，189：105-117.