高温布雷顿循环卡诺电池耦合数据中心废热利用集成能源系统的优化调度

《Renewable Energy》：Optimal scheduling of the high-temperature Brayton cycle Carnot battery coupled data center waste heat utilization integrated energy system

　　

卡诺电池（Carnot battery）作为一种创新的储能技术，能够有效回收数据中心的低品位废热，同时通过可逆的充放电循环实现灵活的电-热转换。本研究提出了一种基于高温布雷顿循环（Brayton cycle）的卡诺电池-数据中心废热利用系统，旨在提高集成能源系统（IES）的经济性能并增强可再生能源利用率，同时系统性地研究了在该系统中卡诺电池辅助灵活电-热转换的可行性。首先，系统的热力学分析表明，基于布雷顿循环使卡诺电池实现了高达53.6%的往返效率（round-trip efficiency）。其次，基于热力学分析建立了系统的数学模型，并在此基础上进行了日优化调度。多目标粒子群优化（multi-objective particle swarm optimization, MOPSO）结果表明，卡诺电池的平准化储能成本（levelized cost of storage, LCOS）范围为0.10924 $/kWh至0.45359 $/kWh，而自我消耗率（self-consumption rate, SCR）变化范围为0.831至0.96。此外，通过结合帕累托前沿（Pareto frontier），制定了两个目标的加权策略，提供了一个灵活的决策框架，允许利益相关者根据实际运行需求调整目标优先级。最后，对关键运行指标，包括卡诺电池的充放电行为，进行了深入评估，证实了所提方案在提升系统整体性能方面的技术可行性和系统级有效性。

**论文解读文章**

在全球能源转型背景下，可再生能源如风能和太阳能的发电占比持续上升，但同时也面临低利用率和高弃电率的挑战，导致资源浪费。为应对这一问题，需要在大规模风光储基地中部署数据中心（data center, DC）进行气象和发电数据的实时分析，但数据中心本身耗电量巨大（2022年中国数据中心用电量达2700亿千瓦时），且服务器产生大量废热，需投入大量冷却电力。现有废热利用研究多限于直接热应用（如建筑供暖、吸收式制冷），由于供需不匹配和可再生能源的间歇性，低品位热能常被浪费。因此，集成储能系统（尤其是热存储）成为必要，以实现灵活调度并提升综合能源利用效率。本研究提出一种高温布雷顿循环（Brayton cycle）卡诺电池（Carnot battery, CB）耦合数据中心废热利用系统（CB-DCS），旨在提高集成能源系统（integrated energy system, IES）的经济性能并增强可再生能源利用率。研究人员通过热力学分析、数学建模和多目标优化，评估了系统的技术经济可行性。结果表明，布雷顿循环使CB实现了53.6%的往返效率（round-trip efficiency）；多目标粒子群优化（multi-objective particle swarm optimization, MOPSO）得到平准化储能成本（levelized cost of storage, LCOS）范围为0.10924–0.45359 $/kWh，自我消耗率（self-consumption rate, SCR）为0.831–0.96；通过帕累托前沿（Pareto frontier）制定加权策略，为利益相关者提供了灵活决策框架。该研究为大规模风光储基地中的能量管理提供了运行指导。论文发表在《Renewable Energy》。

**主要关键技术方法**（不超过250字）：研究人员采用Aspen Plus软件对包含光伏（PV）、风电（WT）、CB和DC的IES进行仿真建模与热力学分析，建立以能量平衡和热力学特性为基础的数学模型。基于该模型，运用MOPSO算法在MATLAB 2018b中求解日前调度问题，优化目标为最小化LCOS和最大化SCR。通过帕累托前沿分析，制定两目标加权策略，实现灵活决策。案例研究基于代表性日期的系统参数设置，包括可再生能源出力及负荷曲线。

**研究结果**（保留每个小标题）：
**系统描述（System description）**：研究人员建立了PV-WT-CB-DC集成能源系统，包括光伏电站、风电场、逆变器、空调系统、CB和DC。DC负荷分为服务器电负荷和冷却负荷，分别由不间断电源（UPS）和空调及CB系统供应。服务器产生的低品位废热被CB回收作为热源，通过热力学分析，基于布雷顿循环的CB实现了53.6%的往返效率。
**目标函数（Objective function）**：选取LCOS和SCR作为双目标，前者反映CB系统的经济性，后者衡量整体系统自消耗可再生能源的比例。采用PSO算法进行多目标优化，形成优化框架。
**多目标优化（Multi-objective optimization）**：MOPSO结果显示，LCOS值介于0.10924 $/kWh与0.45359 $/kWh之间，SCR介于0.831与0.96之间，两目标呈现相互约束关系。通过帕累托前沿，研究人员制定了加权策略，允许根据实际需求调整目标优先级。对CB充放电行为等关键指标的深入评估，证实了该方案在提升系统整体性能方面的技术可行性及系统级有效性。

**总结讨论部分**：研究人员分析了LCOS与SCR的权衡关系，指出高SCR往往伴随较高的LCOS，反之亦然。通过帕累托前沿提供的非支配解集，利益相关者可以根据具体运行场景（如优先经济性或优先自消纳）选择最优调度策略。该讨论强调了CB-DC系统在大规模风光储基地中的灵活协调潜力，并确认了其在实际工业园区的适用性。

**研究结论部分翻译**：本研究提出了一种集成能源系统框架，用于高温布雷顿循环卡诺电池储能系统耦合数据中心废热利用。所提出的CB-DC系统有效回收了数据中心的低品位废热，其作为热源比基于空气的系统更高效，并且适合作为卡诺电池的低品位热源。这减轻了数据中心的冷却负担，同时相比独立卡诺电池系统，为集成能源系统应用提供了更大潜力。CB-DC系统基于热力学分析进行建模，并采用多目标粒子群优化进行日前调度优化。优化结果揭示了平准化储能成本与自我消耗率之间的权衡关系，并通过帕累托前沿提供了灵活决策框架。对充放电行为等关键指标的评估证实了技术可行性。