智能工况动态寻优技术在分布式能源系统中的应用

王海军 1 陶凡 2

1 国家电力投资集团公司湖北分公司 湖北 武汉 430062 2 武汉光谷绿动能源有限公司 湖北 武汉 430062

摘要：随着各方对节能减排日益渐增的重视以及不断成熟的新能源应用技术，天然气分布式能源+太阳能光伏发电多能互补分布式能源系统已然成为国家在工程设计中积极推广的应用技术。本文将结合项目主体对冷、热、热水以及电负荷的需求分析，对标环境、高效、经济等绿色要求，利用智能工况动态寻优技术对分布式能源系统进行“负荷预测、日前调度、实时修正”三步化智能化控制，以实现分布式能源系统的工况智能调优，保证项目主体供能的高效率、可靠性和经济性。

关键词：分布式能源系统；工况动态寻优；智能化控制

1. 用户用能需求分析

图1 制冷季典型日负荷变化图 图2 采暖季典型日负荷变化图

图3 过渡季典型日负荷变化图

图1~图3为制冷季、采暖季、过渡季典型日负荷变化，分析得出项目主体用能情况如下：

1. 冷负荷。制冷季典型日图中，最大冷负荷值出现在14点附近，白天营业期间冷负荷高于其余时间段，晚间仍有冷负荷使用情况。

2. 热负荷。采暖季典型日图中，最大热负荷出现在8点左右，白天随着室外温度升高热负荷使用减少，15点开始温度降低热负荷增加，晚间热负荷使用少于其他时段。

3. 生活热水负荷。峰值分别出现于三个时间段，分别为早上8点、中午13点及晚上19点左右。

4. 电负荷。制冷季白天用电负荷高于夜间，其变化趋势与冷负荷使用情况相关。采暖季与过渡季由于供热和供生活热水耗电量较小，其变化趋势主要取决于用户使用情况。

2. 分布式能源系统概述

   1. 系统组成

分布式能源系统主要由以下几部分组成，原动机、余热机、燃气锅炉、蒸汽型溴化锂吸收式制冷机、制冷机、换热设备等^[1]。

图4 分布式能源系统

供电原则：原动机产能带动发电机组发电，以提供站内及系统电能需求。发电机组供能不足时，由市电供电。

供冷原则：原动机产城高温烟气进入余热机及吸收式制冷机转化为供冷能源，还可通过电制冷机组供给冷负荷。

供热及热水原则：主要由发电预热及燃气锅炉提供热能，同时考虑缸套水的可行性，优先用于供冷设备，多余部分供应热水。

1. 2. 必要性分析

1. 从能源效率和质量角度分析。对比低利用率的传统火力发电形式和低品热能输出的燃气锅炉供热形式，分布式能源系统的产能效率高达70%~90%，同时提供高质量、清洁性能源，响应节能减排号召^[2]。

2. 从能源结构角度分析。原有的夏季用电高峰+冬季用气高峰结构，造成市政公用工程配套设施使用率失衡。而采用分布式能源供能可以满足电能供给的削峰填谷，并改善冬夏用气平衡。

3. 从运行安全性角度分析。目前多数用户仍依赖于电网集中供电形式，当电网出现故障时用户相对应会受到停电等影响。而选用天然气发电且灵活性布置的分布式能源系统供能，相比于传统模式增加了一路供电、供冷和供热线路，在遇到故障事件仍可保证供能可靠性和用户用电安全型^[3]。

3. 智能工况动态寻优系统

分布式能源系统在运行过程中应根据各类负荷使用情况来调整系统供能设备的调度与分配，因此在本项目中采用智能工况动态寻优技术，实现分布式能源系统的效益最大化运行。

1. 1. 核心功能

负荷预测：根据往年气象及对应负荷数据，预测未来一个供热季或者一个月的负荷变化曲线及热负荷数据。

电热负荷优化分配以及调度控制：建立负荷调度模型，对能源站系统的电、热负荷进行优化调度，得到电热负荷在原动机、余热机、燃气锅炉、电制冷机之间的最优分配策略。同时将计算结果转换为设备运行优化指令，并通过DCS系统调控对应机组设备，以实现经济效益最优目的。

寻优模型的自学习：利用机组设备的海量运行数据，如耗气量、耗电量、发电量、供热量、制冷量，结合数据驱动理念及数据统计法，对内燃机热电效率等设备动态特性进行拟合，提高各数字模型对设备性能的逼近程度、优化寻优计算以及经济性分析的精度。

经济性评价：运行经济性评价的指标综合考虑系统气耗、厂用电、水耗和项目供电、供热收入，形成全面反映项目运行成本和收益的经济性指标模型。进而结合寻优结果与设备实际运行数据，进行经济性指标的计算，分别计算实际工况、理想工况、分供系统工况和“以热定电”运行模式工况的经济性指标，展现工况寻优结果的有效性与可信度，同时为项目运营优化提供依据。

1. 2. 寻优系统架构

智能工况动态寻优系统分为管理子系统和寻优子系统，两个子系统分别部署、独立运行。

智能工况动态寻优系统根据用户的需求进行个性化部署。工况寻优相关的核心功能模块，包括工况寻优引擎、负荷优化分配、性能评价体系等，通过增减其中的功能模块以应对不同的需求。

管理子系统部署于管理区，并与SIS系统数据库进行通讯，通过寻优工作站实现预测、计划、报表等功能。寻优子系统部署于生产区，依托服务器、网络外设、隔离网闸、下位机和协调控制器等计算机设备接入DCS过程控制网络，实现预测、计划、寻优、下控等功能。

1. 3. 基于神经网络BP的寻优算法

系统建立了考虑输入数据为日气象特征数据与设备历史数据等相关的三层BP神经网络拓扑进行负荷预测输出，其网络拓扑结构如图5所示。为保证预测误差不高于10%，系统在计算时不仅引用海量用户历史负荷数据，同时输入与负荷相关的天气、日期、季节等关联数据。在计算时，还会引入未来天气数据作为附加输入条件。模型的预测精度会随着历史数据量的增大而提高。

图5 基于神经网络算法的寻优技术模型

1. 4. 智能工况动态寻优的实现

利用调度员账号登录进入运行态页面，读取配置态生成信息文件，实现各功能模块调度（包括运行、暂停和停止等功能），同时为保证系统稳定性并支撑模块测试，运行态平台集成了启动自检（通用运行模块）、日志、结果展示、数据监测、历史曲线读取以及快照等功能。

智能寻优算法采用独立设计模块，每个算法运行模块独立负责一个算法DLL的运行控制，当启动算法运行模块时程序实例化一个全新的算法运行模块，读取项目配置中的运行参数，并自动进入自动运行模式。

利用图表结合方式对用户负荷、天气、日期、气象预测、设备配置预测结果等数据进行展示，同时通过与工艺图关键设备的操作指令对照，优化指令和实际参数相对应，利用颜色差异，直观给出操作员调优提示。负荷预测的结果需经过调度员确认后，进行下一步系统设置确认。

图6 分布式能源系统调度平台界面

4. 结束语

现阶段国家愈发重视节能减排的分布式供能系统转型，这对智能化设备调度提出了更高的要求，这就需要企业及设备集成厂家提升智能化技术的成熟度，保证系统运行的稳定性，推动绿色化、经济化分布式能源系统的稳步发展。

5. 参考文献

1. 宋少华. 冷热电分布式供能系统方案研究及性能仿真[D]. 大连理工大学, 2013

2. 周金顺,鞠明.燃气分布式能源站智能化建设思考[J]. 华电技术,2019, 41(11):80-84

[3] 刘锋.燃气分布式能源站环保管理要点和关键环节探析[J].华电技术,2017,39(12):70-72,76.

作者简介：姓名：王海军（1977.11--）；性别：男，民族：汉，籍贯：河南省信阳人，学历：本科；现有职称：电力中级工程师；研究方向：电力系统生产管理及综合能源运营技术、投资。