热力发电

车辆类型	最大行驶里程/km	储能容量
EVs	450	60.2 kW
HVs	502	5 kg

车辆类型	最大行驶里程/km	储能容量
EVs	450	60.2 kW
HVs	502	5 kg

设备	运行参数	经济参数
ICE	c₀=–0.000 002，c₁=2.872 5，c₂=–6.988 9，c₃=11.176 0，c₄=–9.046 8，c₅=2.872 5	985.00美元/kW
光伏板	η_pv=0.142	2 039.00美元/kW
太阳能集热器	η_sc=0.165	200.00美元/m²
电解槽	η_ele=0.740	900.00美元/kW
地源热泵	COP_gshp,c=4.5，COP_gshp,h=3.5	313.70美元/kW
吸收式制冷机	COP_ac=0.7	197.00美元/kW
热交换器	η_he=0.80	33.00美元/kW
储氢罐	η_hst=0.95	4.06美元/kW
储热罐	η_tst=0.80	38.00美元/kW
电制冷机	COP_ec=3.0	151.50美元/kW
锅炉	η_b=0.80	62.00美元/kW

设备	运行参数	经济参数
ICE	c₀=–0.000 002，c₁=2.872 5，c₂=–6.988 9，c₃=11.176 0，c₄=–9.046 8，c₅=2.872 5	985.00美元/kW
光伏板	η_pv=0.142	2 039.00美元/kW
太阳能集热器	η_sc=0.165	200.00美元/m²
电解槽	η_ele=0.740	900.00美元/kW
地源热泵	COP_gshp,c=4.5，COP_gshp,h=3.5	313.70美元/kW
吸收式制冷机	COP_ac=0.7	197.00美元/kW
热交换器	η_he=0.80	33.00美元/kW
储氢罐	η_hst=0.95	4.06美元/kW
储热罐	η_tst=0.80	38.00美元/kW
电制冷机	COP_ec=3.0	151.50美元/kW
锅炉	η_b=0.80	62.00美元/kW

项目	数值	项目	数值
内燃机容量/kW	971	锅炉容量/kW	478
光伏板容量/m²	432	太阳能集热器容量/m²	1 320
电解槽容量/kW	161	储氢罐容量/kW	2 103
地源热泵容量/kW	703	蓄热罐容量/kW	951
吸收式制冷机容量/kW	796	电制冷机容量/kW	236
热交换器1容量/kW	564	热交换器2容量/kW	895

项目	数值	项目	数值
内燃机容量/kW	971	锅炉容量/kW	478
光伏板容量/m²	432	太阳能集热器容量/m²	1 320
电解槽容量/kW	161	储氢罐容量/kW	2 103
地源热泵容量/kW	703	蓄热罐容量/kW	951
吸收式制冷机容量/kW	796	电制冷机容量/kW	236
热交换器1容量/kW	564	热交换器2容量/kW	895

考虑新能源汽车的住宅综合能源系统多目标优化配置研究

PDF下载

张晓烽 , 战钰 , 刘玉婷 , 赵廷波 , 傅昂 , 何栩

热力发电 | 热能科学研究 2023,52(12): 38-48

收起

热力发电 | 热能科学研究 2023, 52(12): 38-48

考虑新能源汽车的住宅综合能源系统多目标优化配置研究

全屏

张晓烽, 战钰, 刘玉婷, 赵廷波, 傅昂, 何栩

作者信息

长沙理工大学能源与动力工程学院，湖南　长沙　410114

张晓烽（1988），男，博士，副教授，主要研究方向为可再生能源耦合分布式能源系统，xiaofengzhang@csust.edu.cn。

Research on multi-objective optimization allocation of residential integrated energy system considering new energy vehicles

Xiaofeng ZHANG, Yu ZHAN, Yuting LIU, Tingbo ZHAO, Ang FU, Xu HE

Affiliations

College of Energy and Power Engineering, Changsha University of Science & Technology, Changsha 410114, China

出版时间: 2023-12-25 doi: 10.19666/j.rlfd.202307116

文章导航

摘要

收起

为满足建筑及电动汽车、氢燃料汽车多元负荷需求，构建了太阳能、地热能与天然气互补的区域综合能源系统，利用储氢罐及蓄热罐等储能设备对系统进行灵活性调节，在满足用能需求的基础上实现低碳经济运行。以住宅小区为例，考虑新能源汽车工作日与周末出行行为差异及出行频率随季节变化特点，模拟获取住宅与新能源汽车的整体负荷。以该系统一次能源节约率、二氧化碳减排率及年总成本节约率为优化目标，基于混合整数线性规划对系统进行容量配置优化，并从经济、能源、环境等方面对系统性能进行多维度评价。结果表明，优化后系统的一次能源节约率为42.95%，二氧化碳减排率为55.89%，年总成本节约率为50.82%，系统总投资收益为49.18%，本系统中电网输入电量仅占总电力负荷的16.93%。本研究为基于住宅建筑/新能源汽车耦合负荷的新型供能系统集成提供了重要理论依据，有助于进一步推动综合能源系统在建筑和交通领域的集成应用。

关键词

综合能源系统 / 多目标优化 / 混合整数线性规划 / 电动汽车 / 氢燃料汽车

Abstract

收起

A regional integrated energy system based on solar, geothermal and natural gas is constructed to meet the multi-load demands of buildings, electric vehicles and hydrogen fuel vehicles. Hydrogen storage tank and heat storage tank are used to adjust the system flexibility, and to achieve systematic low-carbon economic operation on the basis of meeting the energy demand. Taking the residential community as an example, the distinctions of travel behavior for new energy vehicles on weekday and weekend are investigated, the change of travel frequency with different seasons are also considered, and the yearly loads of residential and new energy vehicles are determined. Primary energy saving rate, CO₂ emission reduction ratio and total annual expenditure reduction ratio of the proposed system are set as optimization objectives, and the capacity configuration of integrated system is optimized based on the mixed integer linear programming so as to evaluate the system performances from the aspects of economy, energy and environment. The results show that, primary energy saving rate, CO₂ emission reduction ratio, total annual expenditure reduction ratio and total investment income of the optimized system are 42.95%, 55.89%, 50.82% and 49.18%. In the integrated system, the input power of public grid only accounts for 16.93% of the total power load. This study provides theoretical basis for the integration of novel energy supply system considering coupling loads of residential building and new energy vehicles, which is helpful to promote the application of integrated energy system in building and transportation areas.

Key words

integrated energy systems / multi-objective optimization / mixed-integer linear programming / electric vehicles / hydrogen fuel vehicles

引用本文

张晓烽, 战钰, 刘玉婷, 赵廷波, 傅昂, 何栩. 考虑新能源汽车的住宅综合能源系统多目标优化配置研究. 热力发电, 2023 , 52 (12) : 38 -48 . DOI: 10.19666/j.rlfd.202307116

Xiaofeng ZHANG, Yu ZHAN, Yuting LIU, Tingbo ZHAO, Ang FU, Xu HE. Research on multi-objective optimization allocation of residential integrated energy system considering new energy vehicles[J]. Thermal Power Generation, 2023 , 52 (12) : 38 -48 . DOI: 10.19666/j.rlfd.202307116

正文

收起

世界经济的快速发展伴随能源结构失衡、能源短缺与环境污染等问题日益凸显。综合能源系统（integrated energy system，IES）通过多能耦合机制，促进可再生能源消纳，有效提升能源利用效率并降低碳排放^[1-3]。新能源汽车（new energy vehicles，NEVs）的普及有利于减少对化石燃料的依赖并加速交通领域脱碳。截至2022年，我国新能源汽车保有量达1 310万辆，同比增长67.13%，电动汽车占新能源汽车总量的79.78%。电动汽车（electric vehicles，EVs）在NEVs中占比很大，具有充电便捷，充电站点靠近建筑物等特点^[4]。而氢燃料汽车（hydrogen vehicles，HVs）具有加氢时间短、储能装置小等特点，同样具有相当大的潜力，近年来发展迅速^[5]。

由于传统的建筑能源供应系统难以满足氢燃料汽车用能需求，且大规模电动汽车接入建筑会影响电网的稳定性，因此考虑构建包含EVs和HVs的IES，以同时满足建筑和新能源汽车用能需求^[6]，获得更好的能源经济效益^[7]。文献[8]将考虑剩余电量的EVs充电方式与碳交易机制相结合，可以显著降低IES的碳排放量与运行成本。文献[9]利用EVs并网策略，挖掘负荷侧可调度资源的削峰填谷能力，并探讨电动汽车不同并网方式对光热电站容量配置的影响。文献[10]构建了满足HVs及建筑用能需求的混合可再生能源系统，并分析该系统在2种不同运行策略下的能源、环境和经济性能。文献[11]以经济成本最小、供能不足最小和风光消纳率最大为优化目标，提出考虑风光不确定性及HVs需求的电-热-氢综合能源系统多目标规划方法。文献[12]针对包含EVs和HVs的多联产系统进行评估，以确定系统在节能、经济以及减排等方面的性能，并将所提出的系统与传统分产系统进行对比。文献[13]提出一种包含NEVs负荷反馈修正的IES多层协调优化策略，以消除EVs和HVs出行计划临时改变对系统经济运行带来的不利影响。上述研究均证明了EVs和HVs的引入，有利于提升系统性能，尤其是HVs的引入增加了氢能的输出，使不同能源形式之间的转换更加灵活。

单一的可再生能源具有波动不确定、间歇性、能量密度低等缺点，为克服上述问题，提出耦合多种可再生能源的IES，利用不同可再生能源之间的互补性，最大限度地提高系统的环境效益和可靠性。文献[14]构建了满足建筑和EVs负荷的冷热电联产系统，该系统利用风能和太阳能发电，并使用电池进行储能，提高系统的能源效益。文献[15]考虑区域综合能源系统源侧风光出力的不确定性，并利用分时电价引导EVs有序充电，降低系统的负荷峰谷差。文献[16]以天然气-风-光-氢IES为对象，考虑EVs随机充电需求，基于混合整数线性规划对系统进行容量配置优化。但在包含多种可再生能源的IES研究领域，兼顾EVs和HVs用能需求，且综合考虑经济、环境、能源效益等多目标优化研究较少。

以往的研究侧重于利用可再生能源满足EVs或HVs单一能源需求，未将建筑与新能源车辆负荷相结合协同考虑车辆、人员出行对建筑负荷的影响。现有的优化方法侧重于IES的经济性能，较少涉及系统的能源及环境性能，评价指标也较为单一。本文构建面向住宅与NEVs的太阳能、地热能与天然气互补的综合能源系统，综合考虑工作日与周末人员出行行为差异及出行频率随季节变化特性，获取住宅与NEVs负荷需求；构建多目标函数对系统设备容量进行优化，采用年总成本节约率、一次能源节约率和二氧化碳减排率以衡量IES的能源、经济和环境性能，并分析系统的独立性及收益。

1　基于NEVs的住宅小区IES建模

收起

图1为太阳能、地热能与天然气互补的综合能源系统。该系统采用内燃机（internal combustion engine，ICE）作为集成系统的原动机，利用天然气发电满足建筑及EVs的电力需求，同时将余热输送给热回收装置，经过转换后的热量驱动吸收式制冷机和热交换器进行制冷和制热。地源热泵（ground source heat pump，GSHP）消耗部分电力产生冷量或热量，以满足建筑供冷/热需求。电解槽通过消耗电力制备氢气，以满足HVs需求。光伏板、太阳能集热器利用太阳能，分别提供电量和热量。不足的热量、冷量及电量分别由锅炉、电制冷机和公共电网提供。

1.1　供能侧设备模型

1.1.1　内燃机

内燃机通过消耗天然气产生电力和热能，考虑其可变效率特性，引入相应的约束条件^[17]。内燃机数学模型为：

F m n,ICE = E m n,ICE η ICE

(1)

η m n,ICE = c 0 + c 1 f m n 1, ICE + c 2 f m n 2, ICE + c 3 f m n 3, ICE + c 4 f m n 4, ICE + c 5 f m n 5, ICE

(2)

Q m n,ICE = F m n,ICE (1 - η m n,ICE)

(3)

E m n,ICE ≤ CAP ICE

(4)

式中：F_mn,ICE为ICE的天然气消耗，kW；E_mn,ICE、Q_mn,ICE分别为ICE的发电功率及产热量，kW；η_mn,ICE为ICE的发电效率，由ICE负荷率f_ICE和相关系数c₀、c₁、c₂、c₃、c₄、c₅决定；CAP为设备装机容量，kW；下标m、n分别为某天（共365天）、某时刻（共24 h）。

1.1.2　太阳能设备

实现太阳能利用的设备包括光伏板及太阳能集热器。光伏板建模为：

E m n,pv = η pv A pv G

(5)

式中：E_mn,pv为光伏板提供的电量，kW；A_pv为屋顶光伏板面积，m²；η_pv为光伏组件发电效率；G为每小时的太阳辐射强度，W/m²。

太阳能集热器的数学模型为：

Q m n,sc = η sc A sc G

(6)

式中：Q_mn,sc为太阳能集热器所产生的热量，kW；η_sc为太阳能集热器的制热效率；A_sc为太阳能集热器的铺设面积，m²。

太阳能光伏板与集热器总安装面积受建筑屋顶面积的限制，需满足：

A pv + A sc ≤ A roof,building

(7)

1.1.3　锅炉

通过锅炉燃烧天然气，用于补充建筑用户所需额外热负荷，相应的数学模型为:

F m n,b = Q m n,b η b

(8)

Q m n,b ≤ CAP b

(9)

式中：F_mn,b、Q_mn,b分别为锅炉的燃料消耗和产生的热量，kW；η_b为锅炉的热效率。

1.2　多能互补系统设备模型

1.2.1　制冷设备

吸收式制冷机通过利用设备余热进行制冷，当制冷量不足以满足用户需求时，电制冷机进行补充，数学模型为：

Q m n,ac,output = COP ac Q m n,ac

(10)

Q m n,ec,output = COP ec E m n,ec

(11)

Q m n,ac ≤ CAP ac

(12)

E m n,ec ≤ CAP ec

(13)

式中：Q_mn,ac,output、Q_mn,ac分别为吸收式制冷机所产生的冷量及消耗的热量，kW；Q_mn,ec,output、E_mn,ec分别为电制冷机所产生的冷量及消耗的电量，kW；COP_ac、COP_ec分别为吸收式制冷机和电制冷机的COP。

1.2.2　热交换器

热交换器利用余热为用户提供热量，其中热交换器1满足用户供热需求，热交换器2满足用户生活热水需求，相应的数学模型为：

Q m n,he1,output + Q m n,he2,output = η he Q m n,he

(14)

Q m n,he ≤ CAP he

(15)

式中：Q_{mn,he1,output}、Q_{mn,he2,output}分别为热交换器1及热交换器2所提供的热量，kW；Q_mn,he为热交换器消耗的热量，kW。

1.2.3　地源热泵

地源热泵消耗电力产生冷量或热量，相关数学模型为：

E m n,gshp = Q m n,gshp,h COP gshp,h

(16)

E m n,gshp = Q m n,gshp,c COP gshp,c

(17)

Q m n,gshp ≤ CAP g s h p

(18)

式中：E_mn,gshp为地源热泵消耗的电力，kW；Q_mn,gshp,h、Q_mn,gshp,c分别为地源热泵所提供的热量和冷量，kW；COP_gshp,h、COP_gshp,c分别为地源热泵在制热和制冷模式下的性能系数。

1.2.4　电解槽

利用电解槽将电力转化为氢气以满足HVs的氢需求，其数学模型为：

E m n,ele = H m n,ele η ele

(19)

E m n,ele ≤ CAP ele

(20)

式中：E_mn,ele、H_mn,ele分别为电解槽消耗的电力和产生的氢气，kW；η_ele为电解槽的制氢效率。

1.3　储能侧设备模型

1.3.1　储氢罐

储氢罐储/释能数学模型为：

H m, n +1,hst = η hst H m n,hst + H m n,hst,input − H m n,hst,output

(21)

H m n,hst,output × H m n,hst,input = 0

(22)

H m n,hst ≤ CAP hst

(23)

式中：H_m,n+1,hst、H_mn,hst分别为下一时刻和当前时刻储氢罐中储存的氢气，kW；η_hst为储氢效率；H_mn,hst,input和H_{mn,hst,output}分别为储氢罐输入、输出的氢气量，kW。

1.3.2　蓄热罐

蓄热罐储/释能数学模型为：

Q m, n +1,tst = η tst Q m n,tst + Q m n,tst,input − Q m n,tst,output

(24)

Q m n,tst,output × Q m n,tst,input = 0

(25)

Q m n, t s t ≤ CAP tst

(26)

式中：Q_m,n+1,tst、Q_mn,tst分别为下一时刻和当前时刻蓄热罐中储存的热量，kW；η_tst为储热效率；Q_mn,tst,input和Q_{mn,tst,output}分别为蓄热罐输入、输出的热量，kW。

1.4　设备功率平衡约束

通过住宅小区综合能源系统全年逐时运行情况对设备容量进行优化，需在各时刻满足输出功率与负荷的能量平衡，根据不同能源种类差异，将能源需求约束分为电、热和氢平衡约束。其中，电平衡约束为：

E m n,pv + E m n,ICE + E m n,grid = E m n,gshp + E m n,ec + E m n,ele + E m n,buildings + E m n,EVs

(27)

式中：E_mn,grid为从电网购买的电量，kW；E_mn,buildings为建筑所需要的电负荷，kW；E_mn,EVs为EVs所需要的电负荷，kW。

对于由地源热泵、吸收式制冷机、电制冷机和热交换器提供的住宅小区冷热需求，热平衡约束可表示为：

Q m n,gshp,c + Q m n,ac,output + Q m n,ec,output = Q m n,buildings,c

(28)

Q m n,gshp,h + Q m n,he1,output = Q m n,buildings,h

(29)

Q m n,he2,output = Q m n,builings,hw

(30)

Q m n,ICE + Q m n,sc + Q m n,b + Q m n,tst,output = Q m n,he + Q m n,ac + Q m n,tst,input

(31)

式中：Q_{mn,buildings,c}、Q_{mn,buildings,h}分别为建筑所需要的冷负荷和热负荷，kW；Q_{mn,buildings,hw}为建筑所需要的生活热水负荷，kW。

氢平衡约束为：

H m n,ele + H m n,hst,output = H m n,HVs + H m n,hst,input

(32)

式中：H_mn,HVs为HVs所需要的氢负荷，kW。

2　多目标优化及评价指标

收起

2.1　优化目标

为全面评估面向建筑及新能源汽车的综合能源系统性能，本文利用参比系统进行对比分析。参比系统通过消耗公共电网电力，利用地源热泵制冷或供热，以满足建筑物冷、热负荷。通过一次能源节约率（primary energy saving rate，PESR）、年总成本节约率（total annual expenditure reduction ratio，TAERR）及二氧化碳减排率（CO₂ emission reduction ratio，CO₂ERR）3个指标构建目标函数以优化系统性能。

PESR指综合能源系统与参比系统的一次能源消耗量差值与参比系统的一次能源消耗量之比。

PESR = F ref − F sys F ref × 100 % {F ref = ∑ m ∑ n (F m n, ref,grid) F sys = ∑ m ∑ n (E m n,grid η grid η e + F m n,CE + F m n,b)

(33)

式中：η_grid为公共电网的转换效率；η_e为燃煤电厂发电效率。

采用TAERR对所提系统的经济效益进行优化，年度总支出包括资本CE和运营支出OE 2部分。

TAERR = TAE ref − TAE sys TAE ref × 100 % {TAE sys = CE sys + OE sys = CRF × ∑ k = 1 n CAP k × C k + ∑ m ∑ n (E m n,grid × C grid + (F m n,ICE + F m n,b) × C ng) CRF= i (1 + i) y (1 + i) y − 1

(34)

式中：CRF为年投资回收系数；C_k为单位设备价格，美元/kW；i为利率；y为设备服务年限；C_grid为电价，美元/kW；C_ng为天然气价格，美元/kW。

CO₂ERR用以优化所提系统的环境效益，本系统的CO₂排放主要来自公共电网的电力和天然气。

CO 2 ERR = CDE ref − CDE sys CDE ref × 100 % {CDE ref = ∑ m ∑ n (u CO 2,grid E m n, ref,grid) CDE sys = ∑ m ∑ n [u CO 2,grid E m n,grid + u CO 2,ng (F m n,ICE + F m n,b)]

(35)

式中：

u CO 2,grid

、

u CO 2,ng

分别为电和天然气的碳排放系数，g/(kW·h)。

为综合衡量系统的能源、经济和环境性能，引入多目标优化函数进行优化，目标函数可表示为：

OP = β 1 CO 2 ERR + β 2 TAERR + β 3 PESR

(36)

式中：β₁、β₂、β₃分别为CO₂ERR、TAERR和PESR的权重系数，0≤β₁、β₂、β₃≤1且β₁+β₂+β₃=1，β₁= β₂=β₃=1/3^[18]。

2.2　求解方法

根据上文所列约束条件及目标函数，求解各设备的最佳装机容量。系统设备的装机容量CAP为未知变量，主要由各设备出力的最大值决定，同时设备出力也受装机容量的约束，二者相互耦合。此外，由于部分约束的非线性增加了求解难度，因此采用分段线性化将非线性约束转换为线性约束^[19-20]。图2为综合能源系统优化配置流程，通过确定当地的可用资源及系统内相应设备，建立优化配置模型，以CO₂ERR、TAERR和PESR为优化目标，利用混合整数线性规划对系统进行容量配置优化，使用YALMIP和CPLEX求解器进行求解。

由于太阳辐射强度和负荷需求预测的误差对系统性能造成一定影响，考虑使用鲁棒方法研究不确定性对系统性能的影响特性（式(37)）。采用对偶变换和线性化转换，将鲁棒模型转化为混合整数线性规划模型，并利用列约束生成算法（C&CG）进行求解^[21]。

{Π = Z G + Z E + Z h, Q + Z c, Q + Z H G un = G − Z G Δ G un E m n,load,un = E m n,buildings + E m n,EVs + Z E Δ E m n,load,un Q m n,buildings,h,un = Q m n,buildings,h + Z h,Q Δ Q m n,buildings,h,un Q m n,buildings,c,un = Q m n,buildings,c + Z c,Q Δ Q m n,buildings,c,un H m n,HVs,un = H m n,HVs + Z H Δ H m n,HVs,un

(37)

式中：∏为不确定预算值；Δ为误差限值；Z_G、Z_E、Z_h,Q、Z_c,Q、Z_H分别为太阳辐射强度、电、热、冷及氢负荷的不确定性参数，且取值均为0或1。当∏=0时，表示基本场景；当∏=1时，Z_G为1；当∏=2时，Z_G、Z_E均为1；当∏=3时，Z_G、Z_E、Z_h,Q均为1；当∏=4时，Z_G、Z_E、Z_h,Q、Z_c,Q均为1；当∏=5时，Z_G、Z_E、Z_h,Q、Z_c,Q、Z_H均为1。

2.3　评价指标

本文所构建的IES与电网相连，当内燃机和光伏发电量难以满足用户电力需求时，由公共电网补足，因此该系统与公共电网之间电力交互将对电网造成一定波动性和不稳定性。为评价供能系统与电网之间的相互作用，以电网相互作用水平（grid interaction level，GIL）作为评价指标^[22]：

GIL= ∑ m ∑ n E m n,grid ∑ m ∑ n (E m n,buildings + E m n,EVs)

(38)

此外，为了更好评价综合能源系统的经济性，采用总投资收益（return of investment，ROI）来量化对外产生的整体效益^[23]。

ROI = B s + B c CE sys × 100 % {B s = ∑ m ∑ n [(E m n,ref,grid − E m n,grid) × C grid − (F m n,ICE + F m n,b) × C ng] B c = ∑ m ∑ n [u CO 2,grid × (E m n,ref,grid − E m n,grid) × C CO 2]

(39)

式中：

C CO 2

为CO₂的交易价格，美元/t；B_C、B_S分别为减少CO₂排放和一次能源消耗所带来的收益，美元。

3　案例分析

收起

为验证所提出的系统模型，本文以长沙某住宅小区为例进行研究，该小区包含5栋10层楼住宅，共200户家庭，总建筑面积为28 993.5 m²，可利用的屋顶面积约1 752 m²。该小区内设有电动汽车和氢燃料汽车供能装置，以满足用户充能需求。

3.1　小区建筑负荷模拟

结合气象参数、建筑热工特性、车辆出行状态等参数，利用DeST软件对小区内建筑进行负荷模拟。小区建筑全年冷、热、电和生活热水负荷分布情况如图3所示，长沙市全年太阳辐射分布情况如图4所示。

3.2　NEVs负荷模拟

根据小区住户数确定新能源汽车保有量，通过蒙特卡洛法模拟EVs和HVs的出行开始时间、结束时间以及日行驶里程。汽车的充能时间由居民到达和离开时间决定，对应于正态分布，平均到达时间是17:00，标准差为4 h；平均出发时间为08:00，标准差为4 h^[24]。日行驶里程符合概率密度分布，数学模型为：

g (d, u, σ) = 1 d 2 π σ 2 e − (ln d − u) 2 2 σ 2

(40)

式中：d为每日行驶距离，km；u为平均行驶距离，km；σ为概率函数的标准差。

相关车辆参数见表1^[25]。考虑汽车工作日和周末的出行差异，选取不同的概率密度分布参数，分别构建工作日和周末的负荷需求，具体如图5所示。此外，考虑EVs和HVs的能源消耗随季节变化，全年EVs和HVs逐时负荷如图6所示。

3.3　优化结果分析

系统设备运行及经济参数见表2^[26-27]。利用混合整数线性规划，对所提系统进行优化，优化结果显示OP为0.498 8。最优设备容量见表3。受屋顶面积限制，光伏板和太阳能集热器的总面积不得大于1 752 m²。优化后系统全年综合性能如图7所示。

与参比系统相比，优化后系统的一次能源节约率为42.95%，CO₂减排率为55.89%，年总成本节约率为50.82%，系统总投资收益为49.18%，该系统的各项性能均有所提升，具有更好的经济效益和环境效益。此外，该系统中电网输入仅占总电力负荷的16.93%，表明该系统对电网依赖程度较小，具有较好的独立性。

3.4　不同季节典型日工况分析

图8为系统典型日的电力分布。

由图8可见，ICE作为电力的主要来源，除部分电力供给电解槽制氢及驱动地源热泵和电制冷机以满足用户供热或制冷需求外，其余电力均用以满足建筑及电动汽车负荷。因此，ICE发电量的变化趋势与总电力需求的变化趋势基本一致。在用电高峰时段，特别是夏季工作日的晚上，由于电力需求过大需要从电网购买较多电量，而过渡季的电力需求较少，从电网购买的电量相对较少。除公共电网外，还有一部分电力来自光伏发电，受建筑屋顶面积限制光伏发电量所占比重较小，此外冬季光伏发电量小于夏季。

系统典型日冷/热量分布情况如图9所示。由图9可知，ICE产生的大量余热被回收，供给吸收式制冷机和热交换器1以满足部分冷、热负荷，多余的热量储存在蓄热罐中，当ICE余热不足时蓄热罐放热。地源热泵和热交换器2主要满足制冷和生活热水需求。在夏季制冷需求高峰时段，由于地源热泵难以满足全部的制冷需求，部分冷量由电制冷机及吸收式制冷机提供；而冬季供暖高峰时段，通常采用锅炉补充热量；过渡季的冷热量需求很少，地源热泵基本满足。相比于工作日，周末ICE产出的波动较大，且建筑负荷波动较小，蓄热罐的使用频率增加。受太阳辐射变化的影响，夏季太阳能集热器产生的热量明显大于冬季。

图10为系统典型日氢分布情况。受居民出行行为影响，工作日氢气需求量明显大于周末，相应地储氢罐的释氢时段也较长。由于工作日的氢负荷高峰出现在下午和晚上，与用电高峰重合，为避开用电高峰，作为主要供氢设备承担全部产氢任务的电解槽在用电低谷时制备氢气，储存在储氢罐中，在氢负荷高峰期释氢。周末的氢负荷波动较为平缓，而电解槽受其他用电设备影响，产氢波动较大，储氢罐的储/释氢行为更加频繁。

3.5　储能设备容量对系统性能的影响

蓄热罐及储氢罐容量对系统性能的影响分别如图11和图12所示。

由图11可知，当蓄热罐容量从0增加到951 kW时，GIL显著降低，而其他指标略有增加。这是由于蓄热罐容量较低时，难以完全储存多余的热量，从而产生不必要的浪费，随着蓄热罐的容量增加，充分利用余热，减少电制冷机的使用，系统各项性能均有所提升。当蓄热罐容量大于最佳装机容量时，没有多余的热量需要被储存，此时蓄热罐容量增加不再提升系统性能，反而会降低系统的经济效益。

从图12可见，当储氢罐容量从0增加到2 103 kW时，TAERR和ROI增长较为明显。这是由于氢需求依靠电解槽制氢来满足，在氢需求不变的情况下，储氢罐的引入可以削峰填谷，降低电解槽的装机容量，提升系统的经济效益。另外，随着储氢罐容量的增加，电解槽可利用建筑电负荷较少时的ICE发电量，以减少从电网购买电量，提升系统独立性。

3.6　屋顶光伏面积对系统性能的影响

屋顶光伏面积变化对系统性能影响如图13所示。由图13可见，随着屋顶光伏面积的增加，GIL大幅降低，PESR及CO₂ERR分别从40.07%、50.13%上升到42.95%、55.89%，而TAERR和ROI均呈先上升后下降的趋势。当光伏板及太阳能集热器的设备容量增加时，系统可以利用更多的太阳能，有利于降低系统对电网的依赖，提升系统独立性，且减少一次能源消耗和CO₂排放。但光伏板和太阳能集热器成本较高，大量安装会降低系统经济性，减少系统收益。

3.7　不确定性对系统性能的影响

不同不确定预算值下系统性能变化如图14所示。由图14可见，随着不确定性预算值的增加，系统性能均有不同程度的降低。当不确定性预算值从0增加到5时，PESR、ROI、TAERR、CO₂ERR分别降低了3.48、3.32、2.85、3.58百分点。当不确定性预算值从1增加到2时，系统性能下降明显，即电负荷不确定性对系统性能具有较大影响；而当不确定性预算值从4增加到5时，系统性能基本保持不变，即氢负荷的不确定性对系统的影响程度较小。此外，随着不确定因素的增加，尽管系统性能整体下降，但系统独立性呈现一定波动，其中电负荷和冷负荷对GIL的影响较大。

4　结论

收起

1）提出一种新能源汽车接入的住宅小区综合能源系统优化方案，综合考虑了系统的能源、经济和环境性能，构建多目标函数，利用混合整数线性规划求解最优配置容量。优化后系统一次能源节约率为42.95%，CO₂减排率为55.89%，年总成本节约率为50.82%。

2）构建太阳能、地热能与天然气互补的综合能源系统，在兼顾运行可靠性的前提下，降低系统对电网的依赖程度。本系统由电网输入的电量仅占总电力负荷的16.93%，具有较好的独立性。

3）对比典型日的电、热、氢逐时分布情况可知，由于车辆的出行行为差异导致工作日和周末的NEVs负荷差异明显。建筑负荷随季节波动较大，利用储能设备可削峰填谷，提升系统效益和运行灵活性。

4）在合适范围内增加储能设备和太阳能设备的装机容量，有利于提升系统性能。电负荷不确定性对系统性能具有较大影响。

基金

收起

国家自然科学基金项目(51806021)
湖南省教育厅科学研究项目(21B0348)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

［1］

赵乃新，顾文波，美合日阿依•穆太力普．考虑低碳经济运行的四联供综合能源系统优化调度[J]．热力发电，2023，52(4)：54-62．

ZHAO

Naixin

, GU

Wenbo

, MUTAILIPU

Meiheriayi

. Optimial dispatching of electricity-gas-heat-cooling integrated energy system considering low-carbon economy[J]. Thermal Power Generation, 2023, 52(4): 54-62.

［2］

吴福保，史如新，桑丙玉，等．考虑能量成本和污染排放的综合能源系统优化配置[J]．热力发电，2021，50(2)：10-17．

Fubao

, SHI

Ruxin

, SANG

Bingyu

, et al. Optimization of integrated energy system considering energy cost and pollution emission[J]. Thermal Power Generation, 2021, 50(2): 10-17.

［3］

降国俊，崔双喜，樊小朝，等．考虑电转氢气过程及综合需求响应的电-氢-气综合能源系统协调优化运行[J]．可再生能源，2021，39(1)：88-94．

JIANG

Guojun

, CUI

Shuangxi

, FAN

Xiaochao

, et al. Electric-hydrogen-gas integrated energy system considering E2H conversion process and comprehensive demand response coordination and optimization of operation [J]. Renewable Energy Resources, 2021, 39(1): 88-94.

［4］

李清涛，卢钺，刘洋，等．计及电动汽车的有源配电网新能源消纳两阶段调度策略[J]．热力发电，2022，51(9)：54-62．

Qingtao

, LU

Yue

, LIU

Yang

, et al. Two-stage dispatch strategy for new energy consumption in active distribution network considering electric vehicles[J]. Thermal Power Generation, 2022, 51(9): 54-62.

［5］

徐连兵．我国氢能源利用前景与发展战略研究[J]．洁净煤技术，2022，28(9)：1-10．

Lianbing

. Research on the prospect and development strategy of hydrogen energy in China[J]. Clean Coal Technology, 2022, 28(9): 1-10.

［6］

, HE

, ZHAO

. Energy management for hybrid energy storage system in electric vehicle: a cyber-physical system perspective[J]. Energy, 2021, 230: 120890.

［7］

ZHOU

, CAO

, HENSEN

J L M

, et al. Heuristic battery-protective strategy for energy management of an interactive renewables–buildings–vehicles energy sharing network with high energy flexibility[J]. Energy Conversion and Management, 2020, 214: 112891.

［8］

姚志力，江斌开，龚春阳，等．计及电动汽车充电负荷特性的区域多能源站规划设计[J]．电网技术，2022，46(9)：3304-3318．

YAO

Zhili

, JIANG

Binkai

, GONG

Chunyang

, et al. Planning and design of regional multi-energy stations considering electric vehicle charging load characteristics [J]. Power System Technology, 2022, 46(9): 3304-3318.

［9］

孟明，腊志源，王喜平，等．基于光热电站与电动汽车的综合能源系统风电消纳策略[J]．热力发电，2022，51(9)：42-53．

MENG

Ming

, LA

Zhiyuan

, WANG

Xiping

, et al. Wind power consumption strategy of integrated energy system based on concentrating solar power and electric vehicle[J]. Thermal Power Generation, 2022, 51(9): 42-53.

［10］

ZHANG

X F

, YAN

R S

, ZENG

, et al. Integrated performance optimization of a biomass-based hybrid hydrogen/thermal energy storage system for building and hydrogen vehicles[J]. Renewable Energy, 2022, 187: 801-818.

［11］

BUONOMANO

, CALISE

, CAPPIELLO

F L

, et al. Dynamic analysis of the integration of electric vehicles in efficient buildings fed by renewables[J]. Applied Energy, 2019, 245: 31-50.

［12］

RAMADHANI

, HUSSAIN

M A

, MOKHLIS

, et al. Evaluation of solid oxide fuel cell based polygeneration system in residential areas integrating with electric charging and hydrogen fueling stations for vehicles[J]. Applied Energy, 2019, 238: 1373-1388.

［13］

BASTIDA-MOLINA

, HURTADO-PÉREZ

, MOROS GÓMEZ

M C

, et al. Multicriteria power generation planning and experimental verification of hybrid renewable energy systems for fast electric vehicle charging stations[J]. Renewable Energy, 2021, 179: 737-755.

［14］

SAFFAR

, GHASEMI

. Energy management of a renewable-based isolated micro-grid by optimal utilization of dump loads and plug-in electric vehicles[J]. Journal of Energy Storage, 2021, 39: 102643.

［15］

李玲，曹锦业，NIKITA

，等．计及电动汽车接入的区域综合能源系统双层日前协调优化调度[J]．电力建设，2023，44(5)：23-33．

Ling

, CAO

Jingye

, NIKITA

, et al. Bi-level coordinated day-ahead optimal dispatch of regional integrated energy system considering the integrations of electric vehicles[J]. Electric Power Construction, 2023, 44(5): 23-33.

［16］

周建力，乌云娜，董昊鑫，等．计及电动汽车随机充电的风-光-氢综合能源系统优化规划[J]．电力系统自动化，2021，45(24)：30-40．

ZHOU

Jianli

, WU

Yunna

, DONG

Haoxin

, et al. Optimal planning of wind-photovoltaic-hydrogen integrated energy system considering random charging of electric vehicles[J]. Automation of Electric Power System, 2021, 45(24): 30-40.

［17］

WANG

, SUI

, JIN

. An improved operation strategy of combined cooling heating and power system following electrical load[J]. Energy, 2015, 85: 654-66.

［18］

杜传铭，陈孟石，杜尚斌，等．光-气互补冷热电联供系统容量配置与运行研究[J]．动力工程学报，2022，42(1)：83-93．

Chuanming

, CHEN

Mengshi

, DU

Shangbin

, et al. Study on capacity configuration and operation of hybrid CCHP system[J]. Journal of Chinese Society of Power Engineering, 2022, 42(1): 83-93.

［19］

肖秋瑶，杨騉，宋政湘．考虑碳交易和电动汽车充电负荷的工业园区综合能源系统调度策略[J]．高电压技术，2023，49(4)：1392-1401．

XIAO

Qiuyao

, YANG

Kun

, SONG

Zhengxiang

. Scheduling strategy of industrial parks integrated energy system considering carbon trading and electric vehicle charging load[J]. High Voltage Engineering, 2023, 49(4): 1392-1401.

［20］

杜永峰．计及风光不确定性的电气热综合能源系统日前区间优化[J]．热力发电，2022，51(2)：85-91．

Yongfeng

. Day-ahead interval optimization of electricity-gas-heat integrated energy system considering uncertainty of wind and PV[J]. Thermal Power Generation, 2022, 51(2): 85-91.

［21］

刘一欣，郭力，王成山．微电网两阶段鲁棒优化经济调度方法[J]．中国电机工程学报，2018，38(14)：4013-4022．

LIU

Yixin

, GUO

, WANG

Chengshan

. Economic dispatch of microgrid based on two stage robust optimization[J]. Proceedings of the CSEE, 2018, 38(14): 4013-4022.

［22］

YAN

, WANG

, et al. A two-stage stochastic-robust optimization for a hybrid renewable energy CCHP system considering multiple scenario-interval uncertainties[J]. Energy, 2022, 247: 123498.

［23］

FAN

, LU

. Benefit analysis and preliminary decision-making of electrical and thermal energy storage in the regional integrated energy system[J]. Journal of Energy Storage, 2022, 55: 105816.

［24］

AYYADI

, BILIL

, MAAROUFI

. Optimal charging of Electric Vehicles in residential area[J]. Sustainable Energy, Grids and Networks, 2019, 19: 100240.

［25］

LIU

, CAO

, CHEN

, et al. Energy planning of renewable applications in high-rise residential buildings integrating battery and hydrogen vehicle storage[J]. Applied Energy, 2021, 281: 116038.

［26］

ZHOU

, WANG

J J

, LIU

, et al. Incorporating deep learning of load predictions to enhance the optimal active energy management of combined cooling, heating and power system[J]. Energy, 2021, 233: 121134.

［27］

ZENG

, ZHANG

, DENG

, et al. An off-design model to optimize CCHP-GSHP system considering carbon tax[J]. Energy Conversion and Management, 2019, 189: 105-117.

2023年第52卷第12期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.19666/j.rlfd.202307116

接收时间：2023-07-16
首发时间：2026-01-26
出版时间：2023-12-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2023-07-16

基金

National Natural Science Foundation of China(51806021)

国家自然科学基金项目(51806021)

Scientific Research Project of Hunan Provincial Education Department(21B0348)

湖南省教育厅科学研究项目(21B0348)

作者信息

长沙理工大学能源与动力工程学院，湖南　长沙　410114

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/rlfd/CN/10.19666/j.rlfd.202307116

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT