分布式供能系统可以实现能源的梯级利用，是一种具备能源利用效率高、污染少等特点的综合产能(冷、热、电等)系统．为实现可持续发展，达到我国双碳目标，可再生能源与分布式供能系统相结合已成为一种有效解决方案．与传统分布式供能系统相比，该系统必须考虑更多因素，对系统内各设备容量配置要求更加严格．因此基于可再生能源的分布式供能系统的合理设备配置对提高系统整体运行性能有很大帮助．分布式供能系统的配置与用户所在地区的气候特征、负荷需求、能源价格以及供应情况密切相关．不恰当的系统配置会导致系统设备投资浪费、经济效益无法充分发挥、系统运行效率低下等问题[1]．目前，多数分布式系统的优化策略主要以系统成本为目标函数，以可靠性指标或环境影响指标为约束条件建立数学模型，利用多种算法分析多能互补系统最优化问题[2]．Ma等[3]基于差分进化和粒子群优化的混合算法，结合层次分析法建立了一种多目标优化方法，揭示不同优化条件下的联供系统效益变化规律．文献[4]采用改进的多目标遗传算法对混合式冷热电联供系统求解多目标优化模型的Pareto前沿解，采用TOPSIS法进行决策．西北地区具有丰富的生物质能、太阳能及空气能，本研究基于这几种可再生能源互补的分布式供能系统最佳容量配置．以满足农村建筑全年逐时负荷为基础，系统关键部件容量为决策变量，选用环境、热力和经济对比性指标为优化目标，采用改进的多目标遗传算法(improved non-dominated sorting in genetic algorithm，NSGA-Ⅱ)对系统进行优化改进．结合熵权-TOPSIS法(technique for order preference by similarity to ideal solution，TOPSIS[5])，求解系统优化后Pareto非劣解集[6]，通过综合性能指标CI衡量系统优化前后的优劣，揭示系统最优设备配置．1 系统模型1.1　系统构建考虑用户侧能量需求、当地环境及气象参数等因素，建立多种可再生能源互补的分布式供能系统模型，其原理图如1所示．系统模型同时考虑了内燃机、热泵及其他部件在不同气候条件下的动态性能(启动-停止)和运行过程中的影响(如机房温度对内燃机电效率、热效率和散热功率的影响等)．生物质原料在厌氧发酵罐中厌氧消化产生沼气，沼气经过净化器脱水除硫后进入储气装置，一部分通过输气管道直接送入用户家中进行炊事，另一部分进入内燃机实现热电联产．内燃机发电结合光伏板给用户及系统供电，当发电超过需求负荷时并入电网，产生一部分经济收益；当电量不足时从电网购电，从而保证电能供给的稳定性．蓄热器中一部分热量返回厌氧反应器加热物料和反应物使其维持恒定的温度，另一部分通过供热管道送入用户家中满足其生活热水与建筑供暖需求．当热量不足时，采用空气源热泵进行补热；当热泵补热仍不能满足时，采用生物质锅炉补燃，保证能量供应的可靠性．厌氧发酵产生的沼液沼渣经处理后制成沼肥售往市场、沼液还田，由此可以获得一定的经济收益．10.13245/j.hust.220204.F001图1生物质能、太阳能及空气能互补的分布式供能系统1.2　用户负荷以甘肃省兰州市50户单户面积117m2的新农村住宅作为供能对象，满足日常的热、电、气需求[7]．利用DeST软件模拟，通过设置相关参数，计算50户全年的热电气负荷需求(P)，如图2所示，图中：P为热、电负荷需求；P' 为沼气需求．10.13245/j.hust.220204.F002图2兰州农村住宅全年热、电、气需求寒冷地区居民采暖负荷波动大，非采暖季波动小，电负荷全年无较大浮动，月末由于农业机械用电，有阶跃上升情况．沼气主要用于炊事，其负荷全年保持不变，50户每日总用气量为90 m3．兰州冷热负荷有明显季节性差异，热负荷远大于冷负荷，因此冷负荷可忽略．本文采用供暖期内燃机满负荷发电，非供暖期(4~10月)采用电跟随的运行模式．1.3　系统初始容量配置基于特定农村住户用能需求，考虑热、电、气能源需求及主次关系，对系统进行初始设备容量选择，容量选择关系整个分布式供能系统各方面效益．兰州地区热电比较大，采用热跟随必然导致设备容量超大，采暖季过剩的电能难以消化，而非采暖季内燃机在极低负荷下，发电效率低．当采用电跟随确定设备容量时设备较小，导致采暖季补热量较大，但一定程度上保证内燃机在较高负荷工况下，便于系统及时调控，同时减少系统初投资，具有较好的经济性，因此本研究采用电跟随模式进行系统主要设备初始容量的确定．方案Z为优化前系统初始容量参数，内燃机2台，厌氧反应器高度和直径均为8 m，空气源热泵为10台，太阳能光伏板为1 887块．分布式供能系统基本参数见表1．10.13245/j.hust.220204.T001表1分布式供能系统基本参数单元参数数值厌氧发酵罐反应器有效容积系数0.8发酵物浓度/(kg∙m-3)54发酵温度/℃35内燃机气缸容积/cm3952转速/(r∙min-1)1 600~1 800额定发电功率/kW0.3~6.0空气源热泵额定电功率/kW7.5生物质锅炉热功率/kW1601.4　参比系统为评价多种可再生能源互补的分布式供能系统的性能，选取西北农村地区传统分供系统为参比系统．分供系统采用煤炉子采暖，秸秆在土灶中燃烧做饭并提供生活热水，家庭电能消耗从电网购买．分布式供能系统与分供系统设备费用如表2所示，表中V为厌氧发酵罐体积.10.13245/j.hust.220204.T002表2分供系统与分布式供能系统设备费用供能系统设备单位成本联供系统厌氧发酵系统73.853 68+0.464 58V(万元/m3)内燃机系统4 300(元/kW)空气源热泵4 500(元/kW)生物质锅炉263.6(元/kW)蓄热器850(元/m3)沼气灶128(元/个)分供系统煤炉1 000(元/个)土灶2 000(元/个)1.5　评价指标1.5.1　环境效益指标本研究主要分析燃料燃烧过程中CO2排放及产生沼气过程中对污粪(牛粪等)自然排放CH4的减排潜力[8]．污染物的排放量可以通过基于排放因子的预测模型进行计算[9-11]，即my=uyE，式中：my为y气体污染物的排放量；uy为基于能量输出的污染物y的排放因子；E为系统输出能量．为评价分布式供能系统的环境效益，对比分供系统，定义多种可再生能源互补的分布式供能系统CO2相对减排率为C=(mTS-mDS)/mTS，式中mTS和mDS分别为分供系统和分布式供能系统的CO2排放量．1.5.2　热力学性能指标一次能源利用率是输出能量与输入的一次能源消耗量比值，其值越高，系统热性能越好．传统分供系统与分布式供能系统的一次能源利用率计算公式为RTS=Qo/Fi,TS；RDS=Qo/Fi,DS，式中：Qo为建筑的采暖、生活热水、炊事热水及用电负荷；Fi,TS和Fi,DS分别为分供系统和分布式供能系统的一次能源消耗量．一次能源节约率是产生相同能量下，分布式供能系统与分供系统一次能源消耗量比值，定义为P=(RDS-RTS)/RDS．1.5.3　经济效益指标年值法是动态评价方法的一种，将某种系统在寿命周期内的现金流按照标准折现率折现到每一年进行评价，其中费用年值通常用于多种系统的比较，定义为KDS=It,DSi0(1+i0)l(1+i0)l-1+ODS，式中：KDS为分布式供能系统的费用年值；It，DS为供能系统初投资；i0为基准折现率；l为系统寿命年限；ODS为分布式供能系统运行费用，包括生物质原料输入、电网购电、年运行管理费用及系统沼液沼渣效益之和．分供系统费用年值与联供系统类似．为了比较两个系统的费用年值相对节省情况，定义费用年值节省率A=(KTS-KDS)/KTS，式中KTS为分供系统的费用年值．2 系统优化设计2.1　决策变量结合用户侧用能需求、内燃机机组运行特性、厌氧发酵罐产气能力及光伏板发电单元，综合热电平衡情况确定空气源热泵、生物质锅炉等设备容量．这些设备间存在此消彼长的关系，当内燃机容量较大时，其发电、余热量均增加，需求沼气量也增加，厌氧发酵罐容积增大．相应地，光伏发电单元、空气源热泵及生物质锅炉容量就减少．如何在选择合理内燃机容量下兼顾适合的空气源热泵容量及光伏板块数以提高系统整体性能是本系统设计的关键．综上，选取内燃机台数、厌氧发酵罐高度和直径、光伏板块数及空气源热泵台数为优化变量．2.2　优化目标为衡量供能系统优劣，优化系统的设计和选择须设定优化目标．以分供系统为参比系统，对比优化前后系统性能，选取C，P和A三个相对指标分别作为环境友好、节约能源和收益良好的数值体现．以实现系统环境效益、热力性能及经济较优，即Cmax,Pmax,Amax．2.3　约束条件供能系统的优化，约束条件主要为系统能量平衡、需求侧约束、设备运行约束等．a．热、电、气负荷平衡约束系统产热量应大于或等于系统总热需求,即Qice+Qhp+Qb≥Quser+Qloss，式中：Qice，Qhp，Qb分别为内燃机发电余热量、空气源热泵及生物质锅炉补热量；Quser和Qloss分别为用户侧热负荷需求和各设备散热损失之和．系统内燃机发电量、光伏板发电量及电网购电量应大于或等于系统用电总需求，即Tice+TPV+Tgrid≥Tuser+Tp+Thp式中：Tice，TPV和Tgrid分别为内燃机实际发电量、光伏板发电量及电网补电量；Tuser，Tp和Thp为用户侧电负荷需求、供能系统伴随电耗及空气源热泵电耗量．系统储气装置储气量不小于系统总气需求，即Bcon≥Bice+Buser，式中：Bcon为储气罐储气量；Bice和Buser分别为内燃机耗气量及用户炊事沼气量．b．设备运行约束内燃机实际输出电功率不大于额定电功率(Tice，m），实际输出热功率不大于最大输出热能（Qice，m），即：0≤Tice≤Tice,m；0≤Qice≤Qice,m．发酵罐内生物质实际体积小于其有效容积以确保产气连续，即Vcow≤xvV，式中：Vcow为发酵罐内生物质实际体积；xv为厌氧发酵罐的有效容积系数．光伏板实际发电量不大于额定输出电功率(TPV,m)，空气源热泵实际需求电功率不大于额定电功率(Thp,m)．生物质锅炉输出热功率小于额定热功率(Qb,m)，即：0≤TPV≤TPV,m；0≤Thp≤Thp,m；0≤Qb≤Qb,m．c．需求侧约束对于分布式供能系统，用户侧是所有能量汇集点，能为系统提供反馈．用户侧需求与当地气候条件、建筑类型及人们生活习性等密切相关，因此计算用户负荷时需要尽可能地贴近实际用能习惯．2.4　优化算法及优化参数设定多目标遗传算法NSGA-Ⅱ是一种基于Pareto最优解的多目标优化算法．相对于传统遗传算法，NSGA-Ⅱ改进了计算时间、个体评价指标及采样空间大小；相对于粒子群算法，则具有最优解集更均匀、没有记忆性且收敛性分析方法完善等优点．本研究优化构成中设计参数见表3．10.13245/j.hust.220204.T003表3优化过程设计参数参数方案A方案B方案C决策变量个数444种群大小50100100繁衍代数100100200目标函数个数333交叉率0.90.90.9变异率0.050.050.05优化过程中内燃机、光伏板及空气源热泵的单位容量与表1一致，生物质锅炉容量根据热量供需关系确定，会随着优化变量的改变而变化．待优化的参数和目标函数选择：内燃机个数为2~8个；厌氧发酵罐直径和高度为6~9m；光伏板块数为1 000~1 887；空气源热泵台数为4~12．设计基于不同种群数和繁衍代数的计算过程：a．种群H=50，代数G=100；b．种群H=100，代数G=100；c．种群H=100，代数G=200．2.5　熵权-TOPSIS法求解技术TOPSIS法是基于理想解的决策方法，被广泛应用于Pareto前沿中寻找一个理想解[5]．该方法基本思路是定义决策问题中的理想解与负理想解，在所有可行方案中找到一个最优方案．TOPSIS法中涉及权重的加权决策矩阵，相较选用主观赋权，熵权法更具客观性，能更好对结果进行解释[12-13]．熵权法求解Pareto最优前沿得出客观权重，降低决策者主观影响，最后利用TOPSIS法进行方案的排序．Pareto最优解集中H个种群就有H种方案，优化函数有n个．标准化决策矩阵为zij=rij/∑i=1Hrij2，式中：zij为规范化的属性值，i =1，2，…，H，j =1，2，…，n；rij为第i个方案在第j个目标的规范化属性值．之后计算加权标准化决策矩阵，引入权重向量Wj，即Vij=Wjzij．确定理想解V +与负理想解V -：V+=(V1+,V2+,⋯,Vn+)；V-=(V1-,V2-,⋯,Vn-)．每个方案到理想解Di+与负理想解Di-的距离：Di+=∑j=1nVij-Vj+2; Di-=∑j=1nVij-Vj-2．每个方案接近理想解的相对接近程度为Oi=Di-/(Di++Di-)．3 结果与讨论3.1　多目标优化结果通过已建立的多目标优化模型优化结果如图3，结合求解技术熵权-TOPSIS法，求解方案A，B和C的Pareto非劣解集．方案A，B和C的非劣解集利用熵权法求得二氧化碳减排率分别为0.21，0.40和0.37，一次能源节约率分别为0.21，0.28和0.28，费用年值节省率权重分别为0.58，0.32和0.35．对系统容量配置进行排序，选择最终容量方案，多目标优化结果不同方案下容量配置方案见表4．10.13245/j.hust.220204.F003图3种群分布10.13245/j.hust.220204.T004表4不同方案下多目标优化结果容量配置方案A方案B方案C内燃机/台323光伏板/块1 1051 7131 761空气源热泵/台81210厌氧发酵罐直径和高度/m7.908.408.60生物质锅炉总容量/kW1251701803.2　多目标优化对比分析3.2.1　环境效益分析图4为传统分供系统和分布式供能优化前后CO2排放量(m)．分供系统及分布式系统全年变化趋势大致相同，但分供系统的CO2排放量显著高于分布式供能系统，主要原因是分布式供能系统对粪污消纳减少了CH4排放而折合CO2减排量．10.13245/j.hust.220204.F004图4传统分供系统和分布式供能优化前后CO2排放量全年CO2总排放量的排序分别为：分供系统(9.072 30×105 kg)方案A(8.724 0×104 kg)方案B(3.955 0×104 kg)方案Z(1.490 0×104 kg)方案C(3 060 kg)．对于分布式供能系统，全年CO2排放量均存在小于0 kg的情况，这表明系统消纳当地牛粪等生物质原料抵消了碳排放，因此基于多种可再生能源互补的分布式供能系统是个环境友好、能实现碳中和的供能系统．其中，对于系统的4种方案，方案A的CO2排放量最多，且随着种群数和迭代次数的增加，方案C的CO2排放量最少，比初始容量配置方案Z小1.184 0×104 kg．图5为多种可再生能源互补的分布式供能系统优化前后不同方案下全年CO2减排率．优化前后分布式供能系统在过渡区Ⅰ和Ⅱ存在减排率达到最大值的情况．4种容量配置的分布式供能系统全年CO2减排率均在40%以上，最大的是方案C，全年均值可以达到108.43%，最大值在Ⅰ区域达到了146.47%．当采用方案C时，分布式供能系统具有巨大的CO2减排潜力，全年总计CO2减排量可以达到10.13245/j.hust.220204.F005图5分布式供能系统优化前后不同方案下全年CO2减排率9.041 70×105 kg，年碳减排率由原来的103.25%增加至108.43%．3.2.2　热力性能分析分布式供能系统优化前后全年一次能源节约率如图6所示．优化后分布式供能系统的一次能源节约率虽然仍存在负值，但是相较于优化前提高了很多，表明优化后的联供系统较分供系统节约了更多的一次能源消耗．分布式供能系统在Ⅰ和Ⅱ区域出现较大的波动，归因于该区域间歇性存在进料及发电过剩或不足的现象．10.13245/j.hust.220204.F006图6分布式供能系统优化前后全年一次能源节约率全年一次能源节约率均值排序为：方案B(40.10%)方案C(32.79%)方案A(31.69%)方案Z(12.74%)．优化后各方案分布式供能系统相较于优化前系统，一次能源节约率改善很多，最大为方案B，其均值可以达到40.10 %．全年在Ⅰ和Ⅱ区域存在分布式供能系统的一次能源节约率有多个交叉．全年来看，分布式供能系统较分供系统优化前后均存在一次能源节约率低于0的情况，并不能说明本系统不节能，还须综合考虑其环境效益．3.2.3　经济效益分析本研究分布式供能系统全年总净收益(K)包括卖电、气、热收益，电量上网收益及减排收益，图7为优化前后不同方案下分布式供能系统全年净收益．分布式供能系统在采暖季净收益大于非采暖季，优化前后全年总净收益：方案Z(99.56万元)方案A(94.52万元)方案B(87.95万元)方案C(73.19万元)．优化前的分布式供能系统经济效益优于优化后．费用年值节省率相较于方案Z的29.34%，方案A、方案B和方案C分别为23.42%，11.64%以17.89%，方案B下降最多而方案A下降最小，但这并不能表示方案B或者方案C不值得投资，还须综合结合分布式供能系统的环境及热力性能进行综合分析．10.13245/j.hust.220204.F007图7优化前后不同方案下分布式供能系统全年净收益3.2.4　综合性能分析为了更好地比较不同方案的分布式供能系统，综合指标(comprehensive index，CI)将分布式供能系统环境、热力及经济效益结合起来．综合指标中权重的取值会影响系统综合性能，研究表明，通常取相同权重因子可以使综合指标达到综合最优[14]．综合指标表达式为CI=ξ1C+ξ2P+ξ3A，(1)式中ξ1，ξ2和ξ3为权重因子．单独某一方面优化后比优化前好，或优化后比优化前差，并不能说明系统优化前后优劣．可能存在牺牲经济效益缓解环境压力的现象，或存在为了增强经济效益而降低热力情况．因此，要对比系统优化前后总体表现，利用综合性能来说明．取三个权重因子分别为1/3，1/3，1/3，可以得到方案Z，A，B，C的综合性能CI分别为48.4%，51.5%，52.4%及53.0%，此时优化后系统综合性能明显优于优化前，且随着种群个数和繁衍代数的增大，综合性能越来越好．据式(1)可知综合性能排序：方案C方案B方案A方案Z．4 结语本研究采用NSGA-Ⅱ对系统进行优化，结合熵权-TOPSIS决策方法求解系统容量配置方案．多目标优化结果表明：方案C的综合性能指标最佳，由优化前的48.4%增加到了优化后的53.0%．基于生物质能、太阳能及空气能互补的分布式供能系统的经济效益仍是阻碍其发展的主要因素．高昂的初投资费用导致单靠居民难以承担，需分级承担，利益共享，才能使基于多种可再生能源互补的分布式供能系统在我国得到推广．