引言与分供系统相比，近零能耗社区供能系统能够显著提高能源利用效率，减少各类大气污染物的排放[1]。有研究表明，近零能耗社区供能系统能够进一步提升可再生能源消纳规模和系统能源效率，降低系统投运成本与各类污染物排放量[2-3]。目前，针对近零能耗社区供能系统优化研究的文献大多只针对系统配置或运行策略进行优化，两者兼顾考虑的研究较少。对供能系统的评估也都仅从经济性、能效性或环保性单方面进行评估，对经济性、能效性、环保性的综合评估较少[4-5]。文中构建一种结合储热、储电和蓄冷的近零能耗社区供能系统。针对该系统提出一种兼顾系统优化配置和运行的双层迭代优化方法，通过上层优化得到收敛值并带入下层优化，再将下层优化结果带回上层，以此循环迭代。利用该系统向不同公共建筑占比的北京某近零能耗社区供能，并对系统的敏感性进行分析，运用层次分析法对不同公共建筑占比的近零能耗社区供能系统进行综合评价。1近零能耗社区供能系统近零能耗社区供能系统主要由内燃机(ICE)、光伏(PV)、集热器(ST)、燃气锅炉(GB)、空气源热泵(ASHP)、吸收式热泵(ABS)、蓄热水箱(HST)、蓄冷水箱(CST)和蓄电池(Battery)等组成，可生产并为用户提供冷、热、电能量，实现社区内热电调蓄，近零能耗社区供能系统结构如图1所示。10.3969/j.issn.1004-7948.2023.12.020.F001图1近零能耗社区供能系统结构各设备热力学模型参见文献[6]和文献[7]。系统优先使用光伏供电，其次由蓄电池、内燃机和市政电网依次为用户供应电负荷。光伏多余发电用蓄电池存储，如有剩余，则并入市政电网。系统依次采用内燃机回收余热、蓄热水箱和燃气锅炉为用户供应热负荷。其中，内燃机回收余热大于用户热负荷时，用蓄热水箱蓄热。用户冷负荷由空气源热泵和吸收式热泵联合供应。利用内燃机回收余热、蓄热水箱和燃气锅炉依次为吸收式热泵提供热源，并用蓄冷水箱存储吸收式热泵多余制冷量。采用分供系统作为参照系统，采用空气源热泵、燃气锅炉和市政电网为用户提供冷、热、电量。2双层迭代协同优化方法2.1决策变量上层选取内燃机额定容量GICE、光伏个数m、集热器个数n和电制冷占比x为决策变量。下层选取蓄热水箱额定容量EHST,max、蓄冷水箱额定容量ECST,max和蓄电池额定容量EBattery,max为决策变量。2.2约束条件系统与用户之间需满足逐时的冷热电能量供需平衡。m⋅PPV+EICE+EGrid+PBattery,out≥EUser+PBattery,in (1)QICE+n⋅QST+QGB+PHST,out≥QUser+QABS+PHST,in (2)CABS+CASHP+PCST,out≥CUser+PCST,in (3)式中：m——光伏个数；PPV——光伏发电量，kW；EICE——内燃机发电量，kWh；EGrid——电网购电量，kW；PBbattery,in、PBattery,out——分别为蓄电池蓄、放电量，kW；EUser——用户电负荷，kW；QICE——内燃机供热量，kW；n——集热器个数；QST——集热器集热量，kW；QGB——锅炉供热量，kW；PHST,in、PHST,out——分别为蓄热水箱蓄、放热量，kW；QUser——用户热负荷，kW；QABS——吸收式热泵需热量，kW；CABS、CASHP、CUser——分别为吸收式热泵、空气源热泵、用户需冷量，kW；PCST,in、PCST,out——分别为蓄冷水箱蓄和放冷量，kW。2.3目标函数上、下两层均选择近零能耗社区供能系统的一次能源节约率(PESR)和系统的年值节约率(ACSR)作为优化目标。PESR=FSP-FNZESFSP (4)ACSR=ACSP-ACNZESACSP (5)AC=CInv+COpe+CNg+CGrid (6)式中：FSP、FNZES——分别为分供系统和近零能耗社区供能系统的能耗，kWh；ACSP、ACNZES——分别为分供系统和近零能耗社区供能系统的年总成本，元；AC——系统年度成本，元；CInv——系统年投资成本，元；COpe——系统年维护成本，元；CNg——系统全年消耗天然气成本，元；CGrid——购电成本，元。2.4优化算法与传统的优化方法（枚举、启发式等）相比，遗传算法[8]以生物进化为原型，具有操作简单、方便、计算时间短、鲁棒性高等优点。多目标遗传算法[9]是目前流行的智能算法之一，具有通用性强、避免陷入局部最优、解集的收敛性好等优点。2.5优化过程基于系统的数学模型，采用遗传算法和多目标遗传算法对系统的配置参数和运行参数进行设计优化。配置参数和运行参数的优化流程如图2所示。10.3969/j.issn.1004-7948.2023.12.020.F002图2配置参数和运行参数的优化流程步骤一：基本参数设置。确定系统运行策略，设置系统设备的技术和经济参数，设置各优化变量的优化范围。步骤二：确定上层变量优化结果。计及系统与用户之间的能量供需约束，得到目标函数下的最优解，进一步得到上层优化变量GICE、m、n和x的收敛值。步骤三：确定下层变量优化结果。将上层变量优化后的收敛值代入下层，得到目标函数在下层的最优解，计算系统的优化目标，得到EHST,max、ECST,max和EBattery,max的收敛值。步骤四：更新迭代。将下层变量优化后的收敛值返回上层，再次计算步骤二和步骤三的值并与最优值比较，更新收敛值如此循环。步骤五：确定最优变量值和系统最佳运行状态。经过多次迭代，直至目标函数和优化变量收敛。收敛值即为最优目标值，其对应的优化变量即为系统在经济、节能目标下的最佳组合，同时确定系统典型年的最佳逐时运行状态。3案例研究3.1项目概况以北京某近零能耗社区为研究对象，总建筑面积为16万m2。研究对象分为3个案例，案例1、案例2、案例3分别为公共建筑占比为30%、40%和50%的社区。利用DeST软件对建筑能耗进行模拟，有效预测建筑的冷、热、电负荷。近零能耗社区逐月冷、热、电负荷预测结果如图3所示。10.3969/j.issn.1004-7948.2023.12.020.F003图3近零能耗社区逐月冷、热、电负荷预测结果由图3可知，随着公共建筑占比的增大，社区对冷、热、电负荷的需求也随之增大。社区的电负荷全年基本保持不变，而冷和热负荷的波动性较大。社区冷负荷需求主要在5~8月，并在7~8月达到顶峰。而热负荷需求在11月至次年2月，并在12月达到顶峰。在3~4月和9~10月，社区对电负荷需求较大，对冷热负荷需求较少。3.2系统参数设置近零能耗社区供能系统的技术和经济参数参考文献[6]。设置系统优化的决策变量取值范围，在上层，内燃机额定功率、光伏个数、集热器个数和电制冷占比的优化范围分别为50~700 kW、0~6 000个、0~2 000个和0~1；在下层，蓄热水箱容量、蓄冷水箱容量、蓄电池容量优化范围分别为0~3 000 kWh、0~3 000 kWh和0~4 000 kWh。4结果与讨论4.1协同优化结果近零能耗社区供能系统上层和下层优化结果如表1和表2所示。随着公共建筑占比从30%增加到50%，光伏和集热器的个数分别增加了1 133个和188个。但内燃机额定容量的变化趋势相反，减少83 kW。蓄热水箱额定容量增加2 240 kWh，蓄电池额定容量减少430 kWh。在夏季，内燃机回收的大部分余热直接被用户使用，因此不需要太大的蓄冷容量。公共建筑占比为30%时，一次能源节约率和年值节约率达到最大，分别为51.1%和18.8%。随着公共建筑占比不断增加，一次能源节约率和年值节约率均降低，从案例1到案例3，系统的一次能源节约率和年值节约率分别下降1.8%和2.4%。公共建筑占比的增加可以增大可再生能源利用规模，但社区的热负荷主要集中在清晨的情况变得更加明显。这与太阳能利用曲线不同步，使近零能耗社区供能系统需要消耗更多的天然气去供热，导致系统的年值节约率下降。10.3969/j.issn.1004-7948.2023.12.020.T001表1近零能耗社区供能系统上层优化结果案例内燃机额定容量/kW光伏个数集热器个数电制冷占比案例16054 6121 6360.45案例25635 2521 7800.43案例35225 7451 8240.5010.3969/j.issn.1004-7948.2023.12.020.T002表2近零能耗社区供能系统下层优化结果案例蓄热水箱额定容量/kWh蓄冷水箱额定容量/kWh蓄电池额定容量/kWh一次能源节约率/%年值节约率/%案例14144071 33951.118.8案例21 1114001 18351.017.5案例32 65441890949.316.44.2敏感性分析系统的电价和气价的敏感性分析结果如图4所示。在案例2的基础上，对电价和气价进行敏感性分析。随着电价或气价的增加，系统的一次能源率随之增大，单位面积供能成本随之增加。由于系统主要使用天然气，气价波动对系统性能的影响比电价波动大。气价波动从-30%增加到30%时，近零能耗社区供能系统的一次能源节约率增大10.1%，而单位面积供能成本增加10.2元。为了降低系统的年总成本，系统在优化过程中会尽量多利用可再生能源。但由于购买能源费用增加，近零能耗社区供能系统的初始投资较大，使单位面积供能成本随之增加。10.3969/j.issn.1004-7948.2023.12.020.F004图4系统的电价和气价的敏感性分析结果5综合评价多层次综合评价能够实现对系统的全面客观评价[9]。运用层次分析法，从能源效益、经济效益、环境效益方面对系统进行综合评价。能源效益根据一次能源利用率和节能率进行分析；经济效益根据初始投资成本和年值节约率进行分析；环境效益根据CO2排放量和NOx排放量进行分析。首先对各评价指标结果进行计算。为了消除由各个指标的单位不同以及其数值量级之间的悬殊差别带来的影响，必须对评价指标进行归一化。评价指标归一化结果如图5所示。10.3969/j.issn.1004-7948.2023.12.020.F005图5评价指标归一化结果归一化后对各评价指标进行赋权，文中采取主观赋权法，即赋权值来自专家咨询，利用专家的知识和经验对各评价指标进行赋权。多层次分析法大致步骤如下：分析综合评价问题中各因素之间的关系，建立系统的评价矩阵；将评价矩阵的各项指标进行归一化，得到归一化矩阵；根据归一化矩阵计算各评价指标的信息熵值和熵权，结果如表3所示；根据各评价指标的信息熵值和熵权对系统进行综合评价，结果如表4所示。10.3969/j.issn.1004-7948.2023.12.020.T003表3各评价指标的信息熵值和熵权评价指标信息熵值熵权一次能源利用率0.997 30.163 3节能率0.999 90.007 5初始投资0.998 50.090 6年值节约率0.998 60.086 9CO2排放量0.994 50.339 3NOX排放量0.994 90.312 310.3969/j.issn.1004-7948.2023.12.020.T004表4综合评价结果案例综合评价值案例10.300 6案例20.342 1案例30.357 3由表3和表4可知，随着公共建筑占比的增加，系统的综合评价值也有所提高。其中，公共建筑占比为50%系统最优，与案例1相比，其综合评价值提高0.056 7。6结语文中构建结合储热、储电和蓄冷的近零能耗社区供能系统，提出一种两层协同优化方法，使用该系统为零能耗社区供能。与分供系统相比，近零能耗社区供能系统能够实现社区内热电调蓄，有效提升能源利用效率、降低投运成本。新型系统向公共建筑占比为30%的近零能耗社区供能时，一次能源节约率和年值节约率分别为51.1%和18.8%，且随着近零能耗社区中公共建筑占比的增大，系统利用可再生能源的规模随之增大，系统的一次能源节约率和年值节约率有所降低。运用层次分析法，从能源效益、经济效益、环境效益方面对系统进行综合评价，随着公共建筑占比的增加，综合评价值逐渐提升。公共建筑占比为50%时系统的综合评价值最优，相比于公共建筑占比为30%的系统，综合评价值提高0.056 7。