一种生物质气化多联产系统的协同运行方法及其系统与流程

本发明属于分布式能源系统的能量供给分配技术领域，具体涉及一种生物质气化多联产系统的协同运行方法及其系统。

背景技术：

随着我国新型城市化建设不断深化，能源转型也在不断深入推进，人们生产与生活中对新能源(氢气、甲醇)多种能源需求越来越强烈。因此，综合能源系统建设需要创新发展，同时考虑到各地区具有丰富的可再生能源资源(生物质、地热能、太阳能)，进而需要根据当地的自然资源情况，因地制宜的研究并发展基于分布式能源系统的多能互补利用，推动各地区能源利用与应用技术的不断提高。

其中，分布式能源系统由于其能源利用效率高和污染物排放低的特点是满足制冷、供热和供电的有效途径。除了建筑中的常规制冷、供热和供电需求外，来自氢能地区的氢需求和电动三轮车的电需求成为交通用能领域中新的增长趋势，而加氢站和充电站通常靠近建筑。因此，必须考虑利用可再生能源为基础的多联产系统，同时满足冷、热、电、氢的需求。且多联产系统的性能不仅受到系统结构的影响，还受到系统中各能源耦合情况的影响，故多联产系统的构建不仅要选择更灵活多变的运行方法，以及考虑能源、经济、环境的多重影响。

技术实现要素：

本发明综合考虑到多能源需求(氢燃料电池汽车，电动汽车，建筑冷热电负荷)以及供能端和需求端之间的能源匹配，提供一种生物质气化多联产系统的协同运行方法及其系统。

一方面，本发明提供的一种生物质气化多联产系统的协同运行方法，

包括以下内容：

step1：构建生物质气化多联产系统，其中所述生物质气化多联产系统的供能端包括建筑冷热供能端、氢能供能端以及电能供能端；

step2：采用协同运行策略运行所述生物质气化多联产系统；

其中，所述协同运行策略为：

氢能需求：所述生物质气化多联产系统中的氢能由储氢设备和/或电解槽供给；

热能需求：获取原动机负荷率，若原动机负荷率小于预设最小开启参数，原动机不启动，由储热设备和/或生物质锅炉提供热能；若原动机负荷率大于或等于最小开启参数且小于最大开启参数1时，原动机处于部分开启状态，由原动机和/或储热设备提供热能；若原动机大于最大开启参数1，所述原动机完全开启，由所述储热设备和/或原动机和/或生物质锅炉提供热能；

其中，原动机驱动地源热泵和/或余热回收系统回收原动机产生的余热以驱动热交换器和吸收式制冷机，实现冷热供给；

电能需求：所述生物质气化多联产系统中电能由原动机和/或公共电网和/或燃料电池供给。

本发明提供的生物质气化多联产系统实现了建筑冷热供给、电能供给以及氢能供给，即多能源需求的氢、电、冷、热负荷模型，构建的氢、电、冷、热负荷模型的输出具有耦合性，并综合各能源需求、建筑区域的经济发展以及整体的环境效益制定了上述协同运行策略。

可选地，氢能需求供给规则为：判断所述生物质气化多联产系统中的储氢设备是否满足氢能需求，若满足，由所述储氢设备单独供应所述氢能；若不满足，由所述储氢设备和电解槽共同供应；

电能需求供给规则为：获取原动机的发电量，以及电解槽的电能需求、地源热泵的电能需求及剩余电能需求；再判断电能是否平衡，若不平衡，由公共电网和/或燃料电池补充电能；若平衡，由所述原动机供给电能。

可选地，该方法还包括：采用多目标遗传算法优化所述生物质气化多联产系统的配置；

其中，将所述生物质气化多联产系统中汽车类型比例、原动机容量、地源热泵输出负荷比为优化参数，并设置为粒子位置参数；在所述多目标遗传算法中以所述生物质气化多联产系统的运行状态确定粒子的适应度，以及在粒子迭代更新过程中所述生物质气化多联产系统均采用协同运行策略运行；

其中，所述汽车类型比例为建筑区域范围内氢能汽车/电动汽车保有量的比例。

汽车类型比例：氢能汽车/电动汽车保有量的比例，因为氢能汽车与电动汽车用能需求的不同以及两者的减排效益不同，所以考虑氢能汽车与电动汽车的比例来探究引入多少氢能汽车和电动汽车对系统的环境效益最优是必要的。

原动机容量：原动机作为系统的主要供能设备，其容量大小决定了各设备的出力状况以及电网的参与程度，进而决定了系统的整体性能，因此考虑原动机容量是必要的。

地源热泵输出比例：地源热泵一方面给系统带来的环境效益同时其成本由对系统的经济性有一定影响，因此考虑地源热泵输出比例是必要的。

因此，本发明选择汽车类型比例、原动机容量、地源热泵输出负荷比为优化参数，创造性考虑到了氢车电车模型的比例问题，将汽车类型比例协同原动机容量、地源热泵输出负荷比作为待优化参数，从而使得优化后的生物质气化多联产系统更能兼具经济、环境效益。

可选地，采用多目标遗传算法确定汽车类型比例、原动机容量、地源热泵输出负荷比的最优组合的过程如下：

s1-1：初始化多目标遗传算法的参数以及初始化粒子种群；

s1-2：基于每个粒子的位置参数确定的生物质气化多联产系统，分别采用协同运行策略运行所述生物质气化多联产系统，计算出每个粒子的适应度；

s1-3：基于每个粒子的适应度对粒子进行选择、交叉、变异；

其中，若是满足迭代终止条件，则根据适应度选择出最佳粒子，所述最佳粒子对应的汽车类型比例、原动机容量、地源热泵输出负荷比为所述最优组合；否则，返回s1-2进入下一次迭代计算。

可选地，粒子的适应度由一次能源节约率、二氧化碳排放减少率、年总成本节约率加权求和得到。

可选地，原动机未启动时，热能的补给优先级为：储热设备、生物质锅炉；原动机启动后，热能的补给优先级为：储热设备、原动机、生物质锅炉；

原动机未启动时，电能的补给优先级为：燃料电池、公共电网；原动机启动后，电能的补给优先级为：原动机、燃料电池、公共电网。

第二方面，本发明还提供一种基于上述方法的生物质气化多联产系统，：包括：生物质气化炉、原动机、生物质锅炉、燃料电池、电解槽、储氢罐、储热罐；

其中，向所述生物质气化炉和生物质锅炉通入生物质，所述生物质气化炉与所述原动机连接；所述原动机与地源热泵、电解槽连接，提供电能；且所述地源热泵、所述电解槽均与公共电网连接；所述地源热泵供给热负荷和冷负荷；

所述电解槽与所述储氢罐连通，提供氢能至所述储氢罐；所述储氢罐与氢能需求设备和燃料电池连接，提供氢能；所述燃料电池与电能需求设备连接；

所述生物质锅炉与所述储热罐连通，提供热能。

可选地，生物质气化多联产系统还包括余热回收装置、吸收式制冷机组和热交换器；

还包括余热回收装置、吸收式制冷机组和热交换器；

其中，所述余热回收装置与所述原动机连接，回收原动机的余热，并驱动所述吸收式制冷机组和热交换器。

有益效果

1.本发明提供的一种生物质气化多联产系统的协同运行方法，其生物质气化多联产系统实现了多能源需求供给，构建氢、电、冷、热负荷模型，满足了(氢燃料电池汽车，电动汽车，建筑冷热电负荷)以及供能端和需求端之间的能源匹配，制定的协同运行策略满足各能源需求的同时，考虑到了建筑区域的经济发展以及整体的环境效益的影响。

2.本发明进一步优选方案中，将汽车类型比例、原动机容量、地源热泵输出负荷比为优化参数，采用多目标遗传算法优化所述生物质气化多联产系统。在考虑到传统的冷热电需求上，尤其是创造性的考虑到了氢车电车的比例问题，进而引入汽车类型比例作为待优化参数，协同原动机容量、地源热泵输出负荷比优化生物质气化多联产系统，使得优化后的生物质气化多联产系统更能兼具经济、环境效益，以及指导建筑区域的氢车、电车的增长规划。

附图说明

图1是生物质气化多联产系统的结构示意图；

图2是本发明提供的协同运行策略的流程示意图；

图3是本发明提供的多目标遗传算法的流程示意图。

具体实施方式

下面将结合实施例对本发明做进一步的说明。应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。

实施例1：

本实施例提供的生物质气化多联产系统为氢能汽车(氢燃料电池汽车及氢燃料电池三轮车)、电动汽车和建筑需求的生物质气化多联产系统，如图1所示，多联产系统主要设备包括生物质气化炉、原动机、余热回收装置、吸收式制冷机组、热交换器、生物质锅炉、地源热泵、电解槽、燃料电池，并选择储氢罐、储热罐作为蓄能装置以实现需求侧能量管理，有效提高系统能量利用效率。并以原动机为核心供能设备并输出冷、热、电和氢能。

其中，氢负荷包括氢燃料电池汽车及氢燃料电池三轮车，所述电负荷包括建筑电负荷、电动汽车和电动三轮车，所述冷负荷和热负荷为建筑冷负荷和热负荷。

如图1所示，原动机与地源热泵、余热回收装置、电解槽连接。生物质通入气化炉转化为生物质气作为原动机产能的原动力。原动力产生的余热被余热回收装置回收，并用于驱动热交换器和吸收式制冷机，吸收式制冷机供给建筑冷负荷，热交换器供给建筑热负荷。此外，原动力的发电量除了满足建筑用电需求外，还用于供给电解槽和地源热泵，其中，电解槽与储氢罐连通，转换为氢气存储在储氢罐中，以满足用户氢需求。地源热泵供给建筑热负荷和冷负荷。

生物质通入生物质锅炉，生物质锅炉与储热罐和热交换器连接，一方面，储存多余热量在储热罐中，另一方面，通过热交换器提供建筑热负荷。

综上可知，本实施例中热能供给由地源热泵、热交换器和吸收式制冷机以及储热罐(生物质锅炉)供给。

针对电能，本发明中原动机、地源热泵以及电解槽均与公共电网连接，公共电网用于补给电能；此外，燃料电池与储氢罐连接，用于将储氢管内部分氢能转化为电能，以满足部分电需求。

从上可知，本实施例中上述能源供给规律为：热能供给由地源热泵、热交换器和吸收式制冷机以及储热罐(生物质锅炉)供给；电能供给由原动机、公共电网以及燃料电池提供；氢能供给由储氢罐以及电解槽提供。

进而上述生物质气化多联产系统基于上述能源供给规律可以实现多种能源协同供给。

实施例2：

本实施例基于能源供给规律，设定了协同运行策略，即一种生物质气化多联产系统的协同运行方法，包括以下内容：

step1：构建生物质气化多联产系统，其中所述生物质气化多联产系统的供能端包括建筑冷热供能端、氢能供能端以及电能供能端；

step2：采用协同运行策略运行所述生物质气化多联产系统。

其优先满足建筑冷负荷和热负荷，如果储热设备提供的热能能够满足建筑热需求，则原动机处于不启动状态，此时需考虑储氢设备提供的氢能能否满足用户氢需求；如果储氢设备提供的氢能能够满足用户氢需求，则仍需考虑储氢设备剩余氢能通过燃料电池转化为的电能是否能够满足用户电需求；如果储氢设备提供的氢能无法满足用户氢需求，则优先利用储氢设备提供的氢能给用户供氢，以保证储氢设备氢能充分利用；公共电网提供电能以及通过电解槽将部分电能转化为氢能，以补充用户电需求和氢需求的不足部分。具体如图2所示：

当原动机负荷率小于最小开启参数(预设已知参数)时，原动机处于不启动状态以避免能量浪费，生物质锅炉提供建筑热需求的不足部分，储氢设备输出氢能优先满足用户氢需求，公共电网提供电能以及通过电解槽将部分电能转化为氢能，以补充用户电需求和氢需求的不足部分；

当原动机负荷率大于或等于最小开启参数且小于最大开启参数1时，原动机处于部分开启状态，此时原动机提供的热能刚好满足建筑热需求，生物质锅炉此时处于不工作状态；储氢设备输出氢能优先满足用户氢需求，原动机提供的电能满足电需求以及补充用户氢需求的不足部分，此时进一步判断原动机输出电能是否满足需求，如果原动机输出电能过剩时通过电解槽将电能转化为氢能储存于储氢设备，如果原动机输出电能不足，则剩余电能由公共电网补充；

当原动机负荷率大于最大开启参数1时，原动机处于完全开启状态提供热能满足建筑热需求，生物质锅炉提供热能满足建筑热需求的不足部分；储氢设备输出氢能优先满足用户氢需求，原动机提供电能满足用户电需求以及补充氢需求的不足部分；此时进一步判断原动机输出电能是否满足需求，如果原动机输出电能过剩时通过电解槽将电能转化为氢能储存于储氢设备，如果原动机输出电能不足，则公共电网提供电能以及通过电解槽将电能转化为氢能，以补充用户电需求和氢需求的不足部分。

综上所述，本公开通过建立了基于氢能汽车、电动汽车和建筑需求的生物质气化多联产系统模型，考虑需求端氢、电、冷、热负荷的波动情况，并考虑到可再生能源供能系统的冷、热、电、氢能耦合情况，以系统冷、热、电和氢能平衡构建了多联产系统协同运行方法。

实施例3：

基于上述生物质气化多联产系统以及能源供给规律，本实施例的目的在于确定生物质气化多联产系统的最优配置，其中，选择生物质气化多联产系统中汽车类型比例、原动机容量、地源热泵输出负荷比为可变配置参数，本发明采用下述方法确定生物质气化多联产系统中汽车类型比例、原动机容量、地源热泵输出负荷比的最优组合，如下：

s1-0：构建生物质气化多联产系统；其中，构建如图1所示的生物质气化多联产系统的架构，其他可行的实施例中，可以根据实际需求对其架构的部分进行适应性调整，本发明对此不进行具体的限定。

s1-1：初始化多目标遗传算法的参数以及初始化粒子种群；

s1-2：基于每个粒子的位置参数确定的生物质气化多联产系统，分别采用协同运行策略运行所述生物质气化多联产系统，计算出每个粒子的适应度；

其中，本发明由所述生物质气化多联产系统的运行状态确定粒子的适应度。本实施例中选择一次能源节约率、二氧化碳排放减少率、年总成本节约率加权求和作为适应度值，其他可行的实施例中，可以选择均值或者其他计算方式或者其他与运行相关的参数作为适应度，应当理解，适应度应当是可以反应系统的运行状态以及性能，可以用其表征能源、经济或环境多重因素与系统的相关性。

s1-3：基于每个粒子的适应度对粒子进行选择、交叉、变异；

其中，若是满足迭代终止条件，则根据适应度选择出最佳粒子，所述最佳粒子对应的汽车类型比例、原动机容量、地源热泵输出负荷比为所述最优组合；否则，返回s1-2进入下一次迭代计算。

本实施例中以一次能源节约率、二氧化碳减排率、年总成本节约率作为系统评价指标，以汽车类型比例、原动机容量、地源热泵输出负荷比作为优化变量，采用多种群遗传算法进行求解，得到多联产系统各设备最优变量以及系统的协同优化运行状态，使得生物质气化多联产系统更兼具经济、环境优势。

本实施例中优选如图3所示，设置多个粒子种群，进而人工依据适应度挑选出精英种群，进进一步挑选出满足需求的最佳粒子。其他可行的实施例中，可以设置一个粒子种群，再通过适应度选择出最佳粒子，本发明对此不进行具体的限定。

需要强调的是，本发明所述的实例是说明性的，而不是限定性的，因此本发明不限于具体实施方式中所述的实例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，不脱离本发明宗旨和范围的，不论是修改还是替换，同样属于本发明的保护范围。