综述：区域供热网络中的可再生能源集成与建模方法

《ENERGY CONVERSION AND MANAGEMENT》：Renewable energy integration and modeling approaches in district heating networks: a review

　　

将可再生能源（RES）集成到区域供热网络（DHNs）中，是实现全球脱碳目标的一项有前景的策略。这需要了解DHNs中可行的RES选项，以指导特定情境下的选择。此外，投资者和运营商必须评估基于RES的DHNs的性能，需要准确的模型来支持最优投资决策和运营策略。本文涵盖了这两个方面。研究人员对五种选定RES在DHNs中的集成进行了综述，同时探讨了用于分析和表征这些系统的各种建模技术。基于详细的文献综述和技术见解，提出了一种建模方法的多标签分类。包含一个决策树，以帮助基于DHNs中的具体目标/任务选择合适的建模技术。此外，研究人员讨论了RES在DHNs中的集成路径。同时，从六个关键标准——成本、效率、存储潜力、系统复杂性、灵活性和碳足迹——对DHNs中的RES进行了定性概述。多标准概述表明，混合系统似乎为将RES集成到DHNs中提供了更实用和有效的解决方案。然而，其技术、经济和环境性能高度依赖于具体情境。

论文主体部分总结如下：

**1. 引言**
1.1 动机：国际能源署（IEA）数据显示，建筑运营（包括供暖、制冷等）占全球能源相关排放的26%和最终能源消耗的30%。建筑供暖约占全球能源消耗的9%，其中约90%仍来自化石燃料。区域供热网络（DHNs）可用于高效满足供暖需求并减少排放。DHNs具有燃料灵活性，其脱碳对实现2050年净零排放（NZE）至关重要。将可再生能源（RES）集成到DHNs是脱碳的有效途径，包括可持续热源（太阳能热、地热、可持续生物质）和可再生电力输入（用于热泵、电转热、绿氢生产）。集成RES面临挑战：间歇性RES和废热的不确定性、热泵和温度提升器的技术挑战、向低温配电网转型以减少损失。投资者和运营商需了解可行技术并具备建模能力，以支持投资决策和优化运行。

1.2 背景与研究空白：综述了RES集成和DHN建模的文献。RES集成方面，已有研究从国家政策、可持续性分类、特定能源（如太阳能、地热）、文献计量趋势、供应链和生命周期评估（LCA）等角度进行综述，但缺乏不同RES物理集成路径的综合性多标准评估。DHN建模方面，现有综述主要关注软件工具（如Modelica、TRANSYS、TERMIS）和组件建模，但缺乏基于模型物理本质（稳态、动态、能量分析等）的分类，且数据驱动模型关注不足，缺少结构化、面向决策的建模技术选择指导。

1.3 贡献：本文聚焦两个核心领域：RES在DHNs中的集成和建模技术分类。主要贡献包括：通过文献计量分析选取五种RES（太阳能、地热、风能、生物质、绿氢），提供多标准概述并突出其集成路径、优势与局限；提出DHN建模方法的新分类框架；分析不同建模方法并给出决策流程图，以帮助针对特定目标选择建模技术。

**2. DHNs的组成部分与一般分类**
2.1 热源与工作温度：DHNs可使用多种热源（化石燃料、地热、RES加热系统、废热、垃圾焚烧），形成基于热源的分类（如燃气型、地热型）。温度水平提供分类：高温DHNs（≥100°C，蒸汽或加压水）、中温DHNs（65°C至95°C）、低温DHNs（50°C至70°C）、超低温DHNs（30°C至50°C）。更低温网络支持供暖和制冷，称为区域供暖和制冷网络（DHCNs），其中“产消者网络”允许用户同时作为热能生产者和消费者。温度范围构成“代际分类”：第一代（蒸汽，≥100°C）、第二代（加压过热水，≥100°C）主要依赖化石燃料或热电联产（CHP）；第三代（热水低于100°C）开始集成RES；第四代（4GDH）低于70°C，促进RES集成；第五代（5GDHC）为超低温网络，IEA将其视为4GDH的专门子集，倡导“热源网络”术语，通过热泵等分散技术实现供暖和制冷。

2.2 输配网络：DHNs由地下管道系统组成。管道配置分类：单管（一根供水管，一根回水管）、双管（供回水在同一绝缘套管内）、三管（三根管道，分别用于主供水、峰值需求供水和共用回水），三管配置可提高灵活性和效率。

2.3 终端用户：用户通过热接口单元（HIUs）提取热能，其中包括换热器、泵、控制和流量计。用户数量和密度提供规模分类：小型DHN服务于低密度区域（如村庄），大型DHN服务于高密度城市区域，中型介于两者之间。用户密度是定义规模的最常用标准。

2.4 热存储系统：热存储系统（TES）增强灵活性、支持RES集成并管理供需波动。按存储时长分类：日/短期（几小时）、周/中期（几天）、季节（几周或几个月）。季节TES常采用地下热能存储（UTES），如钻孔热能存储（BTES）、含水层热能存储（ATES）、坑式热能存储（PTES）。按类型分类：显热存储（水罐）、潜热存储（相变材料）、热化学存储（化学反应）。

**3. 方法**
本文为结构化叙述性综述，聚焦RES集成和建模方法。文献检索分两阶段：首先，使用VOSviewer对Web of Science数据进行文献计量分析，识别关键词频率和相互关系。结果显示“区域供热网络”使用频率最高；RES中太阳能、风能、地热最为突出，生物质和氢紧随其后；系统建模相关关键词显著存在。其次，在Web of Science中进行主要检索，并补充ScienceDirect、SCOPUS等数据库，时间跨度约2005-2026年，限于英文文献。检索词包括“district heating”与“renewable energy”及“modeling”等。筛选后共143篇关键文献，其中48篇用于RES集成分析，50篇用于建模方法分析，其余45篇用于背景、分类和历史发展。

**4. RES在DHNs中的集成**
4.1 RES在DHNs中的集成路径：RES通过不同路径集成到DHNs中。直接热集成：热直接供应给DHNs，通常效率更高、配置更简单。包括太阳能热收集器（STCs）（如平板收集器、真空管收集器、聚光太阳能热发电（CSP）技术），其输出间歇性依赖热存储（TES），特别是季节存储；地热能（浅层到深层，直接热供应，排除地源热泵和发电系统）；生物质燃料（直接燃烧或与CHP联用，可配备中短期或季节存储）。电转热：RES电力转化为热。包括太阳能光伏（PV）面板（通过电锅炉或热泵转化为热，适用于低温DHNs）；风能（通过风力涡轮机发电，再用热泵或电锅炉转化为热，利用电池存储稳定输出）。能源载体路径：可再生电力先转化为中间能源载体（如绿氢），再存储并转化为热。绿氢通过电解槽生产，可用于锅炉、燃气轮机或燃料电池，总体效率较低，作为系统级灵活性选项。

4.2 RES在DHNs中的评估：从六个关键标准评估。成本：以平准化热成本（LCOH）衡量，不同RES的LCOH值因系统配置而异，如太阳能热系统约0.031-0.054美元/kWh，风电系统约0.016-0.056美元/kWh，地热系统约0.042-0.071美元/kWh，生物质系统约0.037美元/kWh，氢系统约0.059美元/kWh（混合）或更高（仅氢）。热效率：太阳能热系统约50-60%，光伏系统电效率约17-20%，CHP热效率约40-50%；风电转换效率约40%（通过热泵）；地热系统COP可达8-10，但完整系统热效率约40%；生物质锅炉效率高达92%，CHP约44%；氢燃料电池热效率15-45%，燃气轮机约30%。存储潜力：各RES均具备存储能力，但成本差异大，TES的LCOS范围为0.10-208.70美元/kWh，电池储能约164-215美元/kWh，热化学存储约0.92-2.37美元/kWh，氢存储约0.732-9美元/kWh。复杂性：基于能量转换步骤和组件数量评估，太阳能热直接热转换组件较少，光伏和风电需多步转换，地热需要大量基础设施，生物质涉及燃料处理，氢系统包含电解槽、存储等。灵活性：太阳能光伏和风电依赖天气，但可通过存储和需求侧措施提供灵活性；地热和生物质可调度，可直接匹配需求；氢作为连接电力和热系统的长期灵活性促进者。碳足迹：所有RES显著低于化石燃料，但非零排放。地热约10 g CO₂/kWh_th，太阳能热10-35 g CO₂/kWh_th，生物质5-200 g CO₂/kWh_th；风电约11 g CO₂/kWh_e，光伏约48 g CO₂/kWh_e，转换为热后（考虑热泵COP=2.5）分别为4.4、19.2、13.6 g CO₂/kWh_th。总体而言，没有单一RES普遍最优，混合系统结合多种RES和集成路径，可提供更稳健灵活的方案，但性能高度依赖具体情境。

**5. DHNs建模方法分类**
提出多标签分类框架，基于四个技术维度：时间表示、空间分辨率、热力学视角、数学结构，以及数据驱动模型。这些维度并非互斥，一个模型可同时属于多个类别。

5.1 基于时间表示的分类：稳态模型假设平衡，动态模型考虑时间变化。稳态模型计算量低，适用于设计和规划；动态模型捕捉瞬态变化，适用于分析灵活性、控制策略和系统响应，对RES集成尤为重要。许多研究结合两者，如水力学用稳态、热力学用动态。

5.2 基于空间分辨率的分类：1D模型沿管道轴向近似，计算量低，适用于整体损失评估；2D模型包括径向-轴向分布，适用于地下管道分析；3D模型提供最详细表示，适用于设计优化、故障分析。选择取决于精度和计算成本之间的权衡。

5.3 基于能量分析视角的分类：能量分析基于热力学第一定律，量化总能量；火用分析基于第二定律，评估能量质量并识别不可逆损失。能量分析简单、计算量低，适用于早期设计；火用分析用于深度效率评估，尤其适用于低温热源和RES集成。许多研究联合使用两者。

5.4 基于参数关系的分类：DHN本质是非线性的，因为热-水力学方程包含非线性项。非线性模型提供高精度和物理真实性，适用于控制器设计和RES集成。线性模型通常用于简化优化子问题或模型预测控制（MPC）应用，如混合整数线性规划（MILP）用于管道布局优化。

5.5 数据驱动模型：利用智能电表、监控与数据采集（SCADA）系统数据，进行热负荷预测、需求侧管理、客户细分、异常检测、泄漏检测等。方法包括线性回归、人工神经网络（ANN）、支持向量机（SVM）、聚类（k-shape、k-means）、卷积神经网络（CNN）等。随着AI集成，这些方法在RES集成和实时控制中日益重要。

5.6 建模方法分析与选择策略：提供决策树，以建模目标、RES集成路径和网络情境（新建或改造）为指导，选择合适建模方法。决策树作为定性筛选工具，最终选择需结合任务特定要求、数据可用性和计算资源。还提供了表格链接RES集成路径与潜在适用建模方法，如太阳能热系统需动态模型捕捉间歇性和TES行为，地热系统需2D/3D模型分析管道和钻孔传热，生物质可用稳态模型进行规模规划，光伏/风电需动态模型耦合电热系统，氢系统需能量/火用分析评估转换损失。

**6. 结论**
本文综述了RES集成和DHN建模方法，提出全新分类框架和决策树。RES集成方面，评估五种RES在成本、效率、存储、复杂性、灵活性和碳足迹上的表现，指出混合系统是可行方案但依赖情境。建模方面，分类框架帮助研究者选择合适模型。研究局限性包括未涵盖所有RES（如废热）、比较数据受限于假设、分类框架存在重叠、数据驱动模型与物理模型结合尚需探索。未来研究方向包括开发混合建模方法、先进储能方案、预测控制系统、多商品（热和电）建模、市场建模以及政策支持。