摘要

綜合能源系統(tǒng)可以實(shí)現(xiàn)電、熱、氣等多種能源形式的互補(bǔ)供能和滿足負(fù)荷需求的多能調(diào)度,從而促進(jìn)可再生能源消納能力,提高能源綜合利用率。針對含電、熱、氣并相互耦合的分布式多能流綜合能源系統(tǒng)的設(shè)備容量匹配優(yōu)化問題,建立以系統(tǒng)各能量成本最低為目標(biāo),以能量平衡和設(shè)備工作特性為約束的優(yōu)化模型,采用一種區(qū)域收縮算法加速尋優(yōu)收斂速度。以西安市某廠房辦公樓為例,采用所建模型和所提算法得到綜合能源系統(tǒng)最小能量成本下的最優(yōu)容量匹配和調(diào)度策略。結(jié)果表明,通過系統(tǒng)的容量匹配優(yōu)化可以大大減少電、熱、氣的單位價(jià)格,降低多級儲熱器、可逆固體氧化物燃料電池的設(shè)備成本,提高太陽能電池的利用率,可有效提高系統(tǒng)經(jīng)濟(jì)性。

關(guān)鍵詞 : 多能流; 綜合能源系統(tǒng); 容量匹配; 優(yōu)化調(diào)度; 能量成本;

0 引言

目前,能源互聯(lián)網(wǎng)的興起推動著全球能源體系的變革,能源互聯(lián)網(wǎng)是基于互聯(lián)網(wǎng)思維和方法構(gòu)建的多能流綜合能源系統(tǒng),它的出現(xiàn)極大地推動了綜合能源系統(tǒng)(integrated energy system,IES)的發(fā)展?；陔?、熱、氣互聯(lián)互通的多能互補(bǔ)供能是綜合能源系統(tǒng)的關(guān)鍵特征之一,其主要收益來自于多能量流互補(bǔ)協(xié)同效應(yīng)提升系統(tǒng)的能效和穩(wěn)定性[1]。近年來,隨著信息技術(shù)的快速發(fā)展,綜合能源系統(tǒng)已經(jīng)成為能源變革的重要發(fā)展趨勢[2],它的發(fā)展極大地推動了可再生能源的大規(guī)模應(yīng)用,并引領(lǐng)能源供應(yīng)和消費(fèi)革命[3]。

綜合能源系統(tǒng)將太陽能、風(fēng)能、生物質(zhì)能等多種能源形態(tài),轉(zhuǎn)化為消費(fèi)主體所需的電、氣、熱(冷)等多種能量形式[4],能夠促進(jìn)可再生能源的就地消納,實(shí)現(xiàn)資源的優(yōu)化利用,提高能源綜合利用率[5-6]。

近年來針對綜合能源系統(tǒng)的建模分析、統(tǒng)籌規(guī)劃、性能評估等課題成為國內(nèi)外研究熱點(diǎn)[7-9]。黎靜華等[4]構(gòu)思了一種以電為核心的綜合能源系統(tǒng)框架,并提出一種協(xié)調(diào)優(yōu)化運(yùn)行模式和能源轉(zhuǎn)換方式,探討了多能運(yùn)行存在的關(guān)鍵問題。張濤[10]等基于分布式能源系統(tǒng)的主要設(shè)備建立了不同的冷熱電能源系統(tǒng),并建立了能源系統(tǒng)的優(yōu)化模型,求解得到不同系統(tǒng)的最優(yōu)配置、運(yùn)行策略和評價(jià)指標(biāo)值。Mehleri E D等[11]設(shè)計(jì)了一個以家庭冷熱負(fù)荷為依托的綜合能源系統(tǒng),利用混合整數(shù)線性規(guī)劃方法進(jìn)行優(yōu)化設(shè)計(jì),確定了系統(tǒng)主要設(shè)備類型以及裝機(jī)容量。Salimi M等[12]建立了包含冷熱電的多能系統(tǒng)機(jī)組,并解決了該系統(tǒng)的容量配置問題。綜上所述,目前對綜合能源系統(tǒng)的研究大多局限于單純的電力系統(tǒng)或者冷熱電聯(lián)供系統(tǒng),鮮有對耦合電、熱、氣多能流的綜合能源系統(tǒng)的研究。但是,隨著燃料電池的商業(yè)化、燃料電池汽車的問世以及電轉(zhuǎn)氣(power to gas,P2G)技術(shù)的不斷成熟[13],氫氣的需求越來越廣泛,未來的IES以及能源互聯(lián)網(wǎng)的建立必然包括氫氣能量流,所以對包含電、熱、氣多能流綜合能源系統(tǒng)的優(yōu)化設(shè)計(jì)具有深遠(yuǎn)意義。

可逆固體氧化物燃料電池(reversible solid oxide cells,RSOC)[14]是燃料電池中最先進(jìn)的一種,它是在同一設(shè)備上既可以作為燃料電池(solid oxide fuel cells,SOFC)對外界供電[15]或者進(jìn)行熱電聯(lián)產(chǎn)[16],又能作為電解池(solid oxide electrolysis cells,SOEC)利用電能電解水生成氫氣和氧氣[17]。具有能量密度高、使用壽命長、轉(zhuǎn)換率高、使用中無自放電現(xiàn)象且無放電深度及電池容量限制等優(yōu)點(diǎn),是目前比能量最高的儲能系統(tǒng)[18]。同時,它配合太陽能、風(fēng)能、潮汐能等可再生能源可以實(shí)現(xiàn)自給工作,因而被認(rèn)為是解決可再生能源時間和地域不連續(xù)性的一種有效途徑。RSOC集電、熱、氣多種能流為一體,可以實(shí)現(xiàn)電、熱、氣的靈活轉(zhuǎn)化,是構(gòu)建綜合能源系統(tǒng)的關(guān)鍵設(shè)備之一。但是目前大多數(shù)綜合能源系統(tǒng)是基于單獨(dú)的燃料電池[19]或者是基于燃料電池和電解池2個組件[20],極少有基于RSOC的綜合能源系統(tǒng)的優(yōu)化設(shè)計(jì)研究。

結(jié)合以上背景,本文針對耦合電、熱、氣的包含可逆固體氧化物燃料電池的多能流分布式綜合能源系統(tǒng),考慮電、熱、氣多種能源形式的需求,建立以各能量成本最小為目標(biāo)的系統(tǒng)容量匹配優(yōu)化和調(diào)度策略模型,并基于一種區(qū)域收縮算法[21-22]和序列二次規(guī)劃法(sequence quadratic program,SQP)進(jìn)行優(yōu)化求解。最后與具體實(shí)例相結(jié)合,實(shí)現(xiàn)經(jīng)濟(jì)性條件下該綜合能源系統(tǒng)的最優(yōu)容量匹配和相應(yīng)的調(diào)度策略。

1 系統(tǒng)結(jié)構(gòu)與運(yùn)行模式

1.1 系統(tǒng)結(jié)構(gòu)

圖1為多能流分布式綜合能源系統(tǒng)的能量流圖。 根據(jù)文獻(xiàn)[23]中子系統(tǒng)的概念,本文將該系統(tǒng)分為電、熱、氣3個子系統(tǒng),主要由RSOC、太陽能電池組(photovoltaic,PV)、壓縮式熱泵(compression heat pump,CHP)、換熱器(heat exchanger,HE)、蓄電池(storage battery,BT)、多級儲熱器(multistage heat reservoir,MHR)、儲氫罐(hydrogen tank,HT)等設(shè)備構(gòu)成,并接入大電網(wǎng),其中電、熱、氣能流相互耦合并以清潔能源為載體向外界提供電、熱、氣多種能源中的一種或多種,也可以進(jìn)行能源的轉(zhuǎn)化和存儲。

1.2 系統(tǒng)運(yùn)行模式

運(yùn)行模式的選擇對綜合能源系統(tǒng)運(yùn)行性能的好壞起著決定性作用。目前存在2種典型的運(yùn)行模式：“電跟隨(following the electrical loads,FEL)”和“熱跟隨(following the thermal loads,FTL)”[24]。傳統(tǒng)聯(lián)供系統(tǒng)采用“電跟隨”模式會產(chǎn)生多余的熱量,采用“熱跟隨”模式會產(chǎn)生多余的電量,本系統(tǒng)配備有蓄電池、儲熱器和儲氫罐等儲能設(shè)備,可將多余的能量儲存起來,不會造成能源的浪費(fèi)。但在本文中,為了滿足各負(fù)荷需求,優(yōu)先采用“熱跟隨”運(yùn)行模式,具體運(yùn)行模式如下：

1)RSOC在SOFC模式下運(yùn)行,產(chǎn)生的余熱和壓縮式熱泵共同滿足用戶熱負(fù)荷,多余熱量儲存在多級儲熱器當(dāng)中。當(dāng)用熱高峰熱量不足時,優(yōu)先使用儲熱器當(dāng)中的熱量,若還不滿足需求,則使用壓縮式熱泵作為輔助熱源來提供熱量。

2)RSOC在SOEC模式下運(yùn)行,產(chǎn)生的氫氣供用戶氣負(fù)載和系統(tǒng)內(nèi)設(shè)備使用,多余氫氣儲存在儲氫罐當(dāng)中,以備RSOC產(chǎn)生的氫氣不足時使用。

3)將PV作為首要供電設(shè)備,RSOC作為輔助供電設(shè)備,共同向用戶電負(fù)載和系統(tǒng)內(nèi)設(shè)備供電,多余電量儲存在蓄電池中。當(dāng)系統(tǒng)產(chǎn)生的電量不足時,優(yōu)先使用蓄電池中的電量,若還不滿足需求,則接入大電網(wǎng)來提供電量。

2 系統(tǒng)優(yōu)化模型

為了更好地對分布式綜合能源系統(tǒng)進(jìn)行優(yōu)化設(shè)計(jì),本文在建模分析中做出如下假設(shè)[25]：

1)系統(tǒng)各設(shè)備的可選容量連續(xù)分布。

2)設(shè)備在優(yōu)化期間內(nèi)均無故障運(yùn)行。

3)在各自的運(yùn)行范圍內(nèi),各設(shè)備的運(yùn)行效率為定值,不隨負(fù)荷率的改變而改變。

4)忽略各設(shè)備的啟停及變工況時間。

2.1 目標(biāo)函數(shù)

3 系統(tǒng)優(yōu)化算法

IES的優(yōu)化設(shè)計(jì)需要從供需平衡角度依據(jù)電、熱、氣3種能量的需求和可再生能源的資源情況,對系統(tǒng)內(nèi)的各設(shè)備容量進(jìn)行匹配優(yōu)化。同時,系統(tǒng)運(yùn)行的調(diào)度策略對優(yōu)化質(zhì)量也有顯著影響,且設(shè)備容量和調(diào)度策略的耦合度較高。在上文中建立的系統(tǒng)優(yōu)化模型中,對于每一級優(yōu)化目標(biāo),都存在設(shè)備容量ωω和單位時間間隔ΔtΔt內(nèi)各設(shè)備的供能量a 2個變量,其中a即代表系統(tǒng)運(yùn)行調(diào)度策略,其值也存在最優(yōu)解且隨著ωω的改變而改變。

對于這樣一個多約束多目標(biāo)耦合的非線性優(yōu)化問題,本文采用一種新的算法—區(qū)域收縮算法,結(jié)合SQP算法依次對多級優(yōu)化問題進(jìn)行求解,該方法可對上述2個變量分別求解。算法流程如圖2所示,算法的主循環(huán)是從“開始”到“結(jié)束”部分,主要利用區(qū)域收縮算法計(jì)算設(shè)備容量組合ωω,即根據(jù)優(yōu)化結(jié)果不斷縮小ωω的取值范圍,最終確定出ωω的最優(yōu)值,其本質(zhì)上是尋找取值范圍內(nèi)的最優(yōu)域,區(qū)別于其他群智能算法,區(qū)域收縮算法并不是對單個點(diǎn)使用尋優(yōu)算子不斷迭代的,而是將取值范圍作為迭代的基本單位,加快了收斂速度。其間,依據(jù)目標(biāo)函數(shù)和約束條件,利用SQP算法來求解a。

4 實(shí)例分析

4.1 負(fù)荷需求

將所建立的分布式IES模型應(yīng)用于西安市某廠房辦公樓的能源供應(yīng)中,該建筑總建筑面積約為3692m2,共分3層,1層為廠房,2~3層為辦公室。根據(jù)建筑情況,利用eQUEST軟件可得該建筑全年逐時熱、電負(fù)荷。同時,該廠房主要用于粗苯加氫工業(yè),則根據(jù)廠房的實(shí)際情況可得其氫氣負(fù)荷,負(fù)荷情況如附錄A的圖A1所示。由于優(yōu)化計(jì)算全年逐時8760 h較為復(fù)雜,本文選取熱負(fù)荷較大的冬季1月份的5個工作日,進(jìn)行最小時間間隔為1 h的模擬計(jì)算,優(yōu)化得出系統(tǒng)內(nèi)各設(shè)備的最優(yōu)容量配比和相應(yīng)的調(diào)度策略。根據(jù)文獻(xiàn)[32]描述的方法計(jì)算出的模擬周期內(nèi)太陽輻射能隨時間的變化如附錄A的圖A2所示,從圖A2中可以看出第1天為陰天,太陽輻射能不足,其余4天為晴天,太陽輻射能較為充足,較全面地反應(yīng)了實(shí)際天氣情況。

4.2 設(shè)備經(jīng)濟(jì)技術(shù)參數(shù)

通過對文獻(xiàn)和設(shè)備產(chǎn)品的調(diào)查研究,總結(jié)各個設(shè)備的經(jīng)濟(jì)技術(shù)參數(shù)[10,16,33-35]如附錄A中表A1所示。本文假設(shè)當(dāng)RSOC處于SOEC運(yùn)行模式時,SOEC在熱中性電壓下工作,則其電解效率為1[36]。且由于RSOC尚未得到大規(guī)模商業(yè)化運(yùn)用,其價(jià)格是根據(jù)M.Beccali[33]發(fā)表的研究中的數(shù)據(jù)評估而來,因此關(guān)于RSOC價(jià)格的計(jì)算僅能評估當(dāng)前情況,不具有未來指導(dǎo)性。

4.3 優(yōu)化結(jié)果及分析

4.3.1 優(yōu)化結(jié)果

利用上述模型和算法,在Matlab軟件中對該實(shí)例進(jìn)行優(yōu)化計(jì)算,得到的系統(tǒng)各設(shè)備最優(yōu)容量配比如表1所示。電、熱、氣的單位價(jià)格如圖3所示,從圖3可以看出,優(yōu)化得到的IES電能單位價(jià)格為0.4628元/(kW•h),熱能單位價(jià)格為0.02元/(kW•h),氫氣單位價(jià)格為0.51元/m3。而目前西安市的工商業(yè)用電平均價(jià)格為0.7704元/(kW•h),非居民用熱的計(jì)量熱價(jià)為0.21元/(kW•h),氫氣價(jià)格為1.98元/m3[37]。可以看出,利用分布式IES可以使電能的單位價(jià)格降低39.9%,熱能的單位價(jià)格降低90.5%,氫氣的單位價(jià)格降低74.2%。由于系統(tǒng)基本使用RSOC在SOFC運(yùn)行模式下產(chǎn)生的余熱來滿足熱負(fù)荷,大大降低了系統(tǒng)的熱能單價(jià)。

4.3.2 系統(tǒng)成本組成分析

最優(yōu)容量配比下的系統(tǒng)成本組成見圖4。

由圖4可知,在最優(yōu)容量配比的條件下,系統(tǒng)熱子系統(tǒng)的成本主要花費(fèi)在MHR上,氣子系統(tǒng)的主要花費(fèi)在RSOC上,故降低MHR和RSOC的設(shè)備成本可以有效提高IES的經(jīng)濟(jì)性。在電子系統(tǒng)中,大電網(wǎng)的電費(fèi)花費(fèi)了超過50%的成本,而PV一旦建成后便無需消耗額外成本,所以提高IES中PV的利用率也可以提高系統(tǒng)的經(jīng)濟(jì)性。

4.3.3 系統(tǒng)調(diào)度策略分析

圖5為系統(tǒng)最優(yōu)容量配比下5個工作日的逐時供熱、供氣、供電調(diào)度策略。從圖5(a)可以看出：在晚上用熱低谷期,主要由CHP來滿足熱負(fù)荷,產(chǎn)生的多余熱量存在多級儲熱器當(dāng)中;在白天的用熱高峰期,RSOC產(chǎn)生的余熱滿足了大部分的熱負(fù)荷,不足的熱量由MHR和CHP進(jìn)行補(bǔ)充。從

圖4 最優(yōu)容量配比下的系統(tǒng)成本組成

Fig. 4 Composition of the cost of energy for the system under optimum components size

圖5(b)可以看出：RSOC在SOEC運(yùn)行模式下產(chǎn)生的氫氣大部分在RSOC處在SOFC運(yùn)行模式下被消耗,可見RSOC在系統(tǒng)中更多地用做能量轉(zhuǎn)換設(shè)備。從圖5(c)可以看出：白天RSOC和PV共同滿足了所有的電負(fù)載,并將多余的電能充入蓄電池備用;到了晚上,RSOC和PV均停止工作,電負(fù)載首先由蓄電池中存儲的電量來滿足,不足的電量由大電網(wǎng)進(jìn)行補(bǔ)充。

圖5中任意時刻系統(tǒng)的供熱量等于耗熱量,供氣量等于耗氣量,供電量等于耗電量,說明本文采用的計(jì)算模型滿足了系統(tǒng)物理上的限制條件,基本實(shí)現(xiàn)了模擬實(shí)際的過程。

圖6表示了蓄電池、儲熱器和儲氫罐的儲能狀態(tài)曲線,從圖6可以看出3種儲能設(shè)備的運(yùn)用量均較多。對于蓄電池,基本每天都會經(jīng)歷1次完整的充放電循環(huán),總是存儲部分白天的電能來供應(yīng)夜晚

的負(fù)載需求。這是因?yàn)橄到y(tǒng)白天的熱負(fù)荷較大,且系統(tǒng)采用的是FTL運(yùn)行模式,所以如圖7所示,RSOC總是在白天處于SOFC模式來滿足系統(tǒng)的熱負(fù)荷,產(chǎn)生的多余電能充入蓄電池中。同時,PV也只是在白天工作,產(chǎn)生的多余電能也會被充入蓄電池當(dāng)中。到了晚上,RSOC處于SOEC模式,需要利用白天儲存在蓄電池當(dāng)中的電量來電解制氫,有時蓄電池中的電量會被消耗至本文設(shè)定的最大放電深度0.4,不足的電量由大電網(wǎng)來補(bǔ)充。對于儲熱器,在模擬的5天內(nèi)沒有被充滿過,總是在晚上儲存少量的熱量在白天釋放,來削減白天的用熱

圖5 最優(yōu)容量配比下的系統(tǒng)調(diào)度策略

Fig. 5 Scheduling strategy of the system under optimum components size

高峰。對于儲氫罐,本文設(shè)定初始時氣罐中存有一定量的氫氣,則結(jié)合圖6和圖7可以看出,RSOC在晚上處于SOEC模式來電解制氫,產(chǎn)生的氫氣儲存在儲氫罐當(dāng)中,在白天釋放出來供處于SOFC模式下的RSOC使用,同時滿足廠房的氫氣負(fù)荷。

5 結(jié)論

本文建立了以電、熱、氣能量成本最低為目標(biāo)的多能流分布式綜合能源系統(tǒng)容量匹配優(yōu)化模型。采用區(qū)域收縮算法結(jié)合SQP算法對模型進(jìn)行優(yōu)化求解,得到系統(tǒng)各設(shè)備的最優(yōu)容量配比和模擬周期內(nèi)電、熱、氣的優(yōu)化調(diào)度策略,使系統(tǒng)在滿足負(fù)載的同時具有最低的能量成本。以西安市某廠房辦公樓運(yùn)行15年為例進(jìn)行分析,結(jié)果表明：與目前市場能量單價(jià)相比,利用該綜合能源系統(tǒng)可以降低電能單價(jià)39.9%,降低熱能單價(jià)90.5%,降低氫氣單價(jià)74.2%。通過對系統(tǒng)成本組成的分析可知,降低MHR和RSOC的設(shè)備成本和提高太陽能電池的利用率可以有效提高系統(tǒng)的經(jīng)濟(jì)性。

參考文獻(xiàn)

[1] 孫宏斌,潘昭光,郭慶來.多能流能量管理研究:挑戰(zhàn)與展望[J].電力系統(tǒng)自動化,2016,40(15):1-8. Sun Hongbin,Pan Zhaoguang,Guo Qinglai.Energy management for multi-energy flow: challenges and prospects[J].Automation of Electric Power Systems,2016,40(15):1-8(in Chinese).

[2] Zhang X,Chan S H,Ho H K,et al.Towards a smart energy network: the roles of fuel/electrolysis cells and technological perspectives[J].Hydrogen Energy,2015,40(21):6866-6919.

[3] Ellabban O,Abu-Rub H,Blaabjerg F.Renewable energy resources: current status, future prospects and their enabling technology[J].Renewable and Sustainable Energy Reviews,2014,39(2):748-764.

[4] 黎靜華,桑川川.能源綜合系統(tǒng)優(yōu)化規(guī)劃與運(yùn)行框架[J].電力建設(shè),2015,36(8):41-48. Li Jinhua,Sang Chuanchuan.Discussion on optimal planning and operation framework for integrated energy system[J].Electric Power Construction,2015,36(8):41-48(in Chinese).

[5] Jin H,Hong H,Wang B,et al.A new principle of synthetic cascade utilization of chemical energy and physical energy[J].Science in China,2005,48(2):163-179.

[6] Stanislav P,Bryan K,Tihomir M.Smart grids better with integrated energy system[C]//Electrical Power & Energy Conference (EPEC).Montreal: IEEE,2010:1-8.

[7] 張旭. 基于區(qū)域供能的多能源系統(tǒng)模型研究分析[D].上海:上海交通大學(xué),2015.

[8] Alabdulwanhab A,Abusorrah A,Zhang X,et al.Coordination of interdependent natural gas and electricity infrastructures for firming the variability of wind energy in stochastic day-ahead scheduling[J].IEEE Transactions on Sustainable Energy,2015,6(2):606-615.

[9] Zhang X,Shahldehpour M,Alabdulwahab A,et a1.Optimal expansion planning of energy hub with multiple energy infrastructures[J].IEEE Transactions on Smart Grid,2017,6(5):2302-2311.

[10] 張濤,朱彤,高乃平,等.分布式冷熱電能源系統(tǒng)優(yōu)化設(shè)計(jì)及多指標(biāo)綜合評價(jià)方法的研究[J].中國電機(jī)工程學(xué)報(bào),2015,35(14):3706-3713. Zhang Tao,ZhuTong,Gao Naiping,et a1.Optimization design and multi-criteria comprehensive evaluation method of combined cooling heating and power system[J].Proceedings of the Chinese Soscity for Electrical Engineering,2015,35(14):3706-3713(in Chinese).

[11] Mehleri E D,Sarimveis H,Markatos N C,et a1.A mathematical programming approach for optimal design of distributed energy systems at the neighborhood level[J].Energy,2012,44(1):96-104.

[12] Salimi M,Ghasemi H,Adelpour M,et a1.Optimal planning of energy hubs in interconnected energy systems: a case study for natural gas and electricity[J].IET Generation Transmission&Distribution,2015,9(8):695-707.

[13] Belderbos A,Delarue E,D'Haeseleer W.Possible role of power-to-gas in future energy systems[C]//European Energy Market.Lisbon:IEEE,2015:1-5.

[14] Singaravelu E,Hartvigsen J J,Frost L J.Intermediate temperature reversible fuel cells[J].International Journal of Applied Ceramic Technology,2010,4(2):109-118.

[15] Stambouli A B,Traversa E.Solid oxide fuel cells (SOFCs): a review of an environmentally clean and efficient source of energy[J].Renewable & Sustainable Energy Reviews,2002,6(5):433-455.

[16] Burer M,Tanaka K,Favrat D,et al.Multi-criteria optimization of a district cogeneration plant integrating a solid oxide fuel cell-gas turbine combined cycle, heat pumps and chillers[J].Energy,2003, 28(6):497-518.

[17] Liang M,Yu B,Wen M,et al.Preparation of LSM-YSZ composite powder for anode of solid oxide electrolysis cell and its activation mechanism[J].Journal of Power Sources,2009,190(2):341-345.

[18] Mitlitsky F,Blake Myers A,Weisberg A H.Regenerative fuel cell systems[J].Energy Fuels,1998,12(1):56-71.

[19] Barbir,Frano,Tolj,et al.Techno-economic analysis of PEM fuel cells role in photovoltaic-based; systems for the remote base stations[J].International Journal of Hydrogen Energy,2013,38(1):417-425.

[20] Dursun B.Determination of the optimum hybrid renewable power generating systems for Kavakli campus of Kirklareli University, Turkey[J].Renewable & Sustainable Energy Reviews,2012,16(8):6183-6190.

[21] Zhang X W,Tan S C,Li G J,et al.Components sizing of hybrid energy systems via the optimization of power dispatch simulations[J].Energy,2013(52):165-172.

[22] Zhang X,Li M,Ge Y,et al.Techno-economic feasibility analysis of solar photovoltaic power generation for buildings[J].Applied Thermal Engineering,2016(108):1362-1371.

[23] Ju L,Tan Z,Li H,et al.Multi-objective operation optimization and evaluation model for CCHP and renewable energy based hybrid energy system driven by distributed energy resources in China[J].Energy,2016(111):322-340.

[24] Wang J J,Zhai Z Q,Jing Y Y,et al.Particle swarm optimization for redundant building cooling heating and power stem[J].Applied Energy,2010,87(12):3668-3679.

[25] 李赟,黃興華.冷熱電三聯(lián)供系統(tǒng)配置與運(yùn)行策略的優(yōu)化[J].動力工程,2006,26(6):894-898. LiZhe,Huang Xinghua.Integrated optimization of scheme and operation strategy for CCHP system[J].Journal of Power Engineering,2006,26(6):894-898(in Chinese).

[26] Seeling-Hochmuth G.Optimization of hybrid energy system sizings and operation control[D].Kassel:University of Kassel,1998.

[27] 王成山,洪博文,郭力,等.冷熱電聯(lián)供微網(wǎng)優(yōu)化調(diào)度通用建模方法[J].中國電機(jī)工程學(xué)報(bào),2013,33(31):26-33. Wang Chengshan,Hong Bowen,Guo Li,et al.A general modeling method for optimal dispatch of combined cooling, heating and power microgrid[J].Proceedings of the Chinese Soscity for Electrical Engineering,2013,33(31):26-33(in Chinese).

[28] 周燦煌,鄭杰輝,荊朝霞,等.面向園區(qū)微網(wǎng)的綜合能源系統(tǒng)多目標(biāo)優(yōu)化設(shè)計(jì)[J].電網(wǎng)技術(shù),2018,42(6):1687-1696. Zhou Canhuang,Zheng Jiehui,Jin Zhaoxia,et al.Multi-objective optimal design of integrated energy system for park-level microgrid[J].Power System Technology,2018,42(6):1687-1696 (in Chinese).

[29] 鐘杰,張莉,徐宏,等.SOFC熱電聯(lián)供系統(tǒng)應(yīng)用模擬[J].動力工程學(xué)報(bào),2015,35(10):846-852. ZhongJie,Zhang Li,Xu Hong,et al.Application simulation of SOFC-CHP systems[J].Journal of Chinese Society of Power Engineering,2015,35(10):846-852(in Chinese).

[30] 張文強(qiáng),于波,陳靖,等.高溫固體氧化物電解水制氫技術(shù)[J].化學(xué)進(jìn)展,2008,20(5):778-787. ZhangWenqiang,Yu Bo,Chen Jing,et al.Hydrogen production through solid oxide electrolysis at elevated temperatures[J].Progress in Chemistry,2008,20(5):778-787(in Chinese).

[31] Yousefi H,Ghodusinejad M H,Noorollahi Y.GA/AHP-based optimal design of a hybrid CCHP system considering economy, energy and emission[J].Energy & Buildings,2017(138):309-317.

[32] Zhang X.A statistical approach for sub-hourly solar radiation reconstruction[J].Renewable Energy,2014,71(71):307-314.

[33] Beccali M,Brunone S,Cellura M,et al.Energy, economic and environmental analysis on RET-hydrogen systems in residential buildings[J].Renewable Energy,2008,33(3):366-382.

[34] 李裕,葉爽,王蔚國.基于天然氣自熱重整的SOFC系統(tǒng)性能分析[J].化工學(xué)報(bào),2016,67(4):1557-1564.Li Yu,Ye Shuang,Wang Weiguo.Performance analysis of SOFC system based on natural gas autothermal reforming[J].CIESC Journal,2016,67(4):1557-1564(in Chinese).

[35] 鄭衛(wèi)東. 分布式能源系統(tǒng)分析與優(yōu)化研究[D].南京:東南大學(xué),2016.

[36] 梁明德,于波,文明芬,等.陰極支撐Ni-YSZ/YSZ/LSM-YSZ固體氧化物電解池制氫性能研究[J].中國稀土學(xué)報(bào),2009,27(5):647-651. Liang Mingde,Yu Bo,Wen Mingfen,et al.Properties of cathode-supported solid oxide electrolysis cells for hydrogen production[J].Journal of the Chinese Rare Earth Society,2009,27(5):647-651(in Chinese).

[37] 宇博智業(yè)集團(tuán).2012—2016年中國氫氣行業(yè)發(fā)展及預(yù)測報(bào)告[R].北京:宇博智業(yè)集團(tuán),2012.