集成能源网络协同规划的多目标优化方法

《Sustainable Energy, Grids and Networks》：A multi-objective optimization approach to integrated energy network co-planning

　　

本文提出了一种受约束的多目标优化方法，用于大都市区域集成能源网络（IEN）的协同规划。所有三种能源网络（区域供热网络、天然气网络和电力网络）均被建模和模拟。因此，研究整合了大都市区域的空间分辨率。随后，采用遗传算法和代理算法处理模拟结果，以寻找最优的IEN配置。优化问题受网络扩展和供热技术扩展的限制。该研究方法以现有IEN为起点。由于模拟每一栋建筑都纳入模型的IEN不可行，因而开发了一种类似于文献[15][20]的将建筑聚合成地理分区的方法。与文献[20]相比，该分区方法纳入了网络损耗。通过调整分区数量，可影响优化计算时间和精度。因此，该研究提出的方法在大都市区域消费者数量方面具有可扩展性。本研究的贡献如下：基于能源枢纽（EH）的IEN分区聚合方法；包含多种发电单元（如垃圾焚烧厂、燃气热电联产（CHP）机组和大型热泵（LSHP））的IEN自动扩展与一年期模拟；考虑既有网络的受约束多目标优化方法。

**研究背景与问题**
随着欧洲绿色新政的实施，欧盟设定了到2030年温室气体排放较1990年减少至少50%的目标。建筑部门在2021年承担了欧洲35%的温室气体排放，亟需在短期内实现减排。大都市区域建筑存量的脱碳不仅影响建筑本身，还涉及现有能源网络（如区域供热网络DHN、天然气网络和电力网络）的规划。然而，现有集成能源网络（IEN）规划方法大多聚焦于小规模区域，忽略既有网络，或采用简化假设（如忽略损耗、省略空间分辨率），难以应对大都市区域中DHN的复杂非线性动态、海量优化变量及扩展限制。因此，亟需一种可扩展、基于物理模型且考虑既有网络的多目标协同规划方法。

**研究内容与结论**
研究人员提出了一种受约束的多目标优化方法，用于大都市区域IEN的协同规划。该方法将大都市区域划分为地理分区，每个分区通过扩展能源枢纽（EH）模型建模，并借助自动化算法生成和参数化DHN拓扑。所有三个能源网络（DHN、天然气、电力）均采用准稳态物理模型模拟，以精确计算损耗和过载。优化目标为最小化年化总成本和二氧化碳排放，约束条件包括网络扩展限制、供热技术安装数量及DHN物理可行性。案例研究以约25万栋建筑、10个分区的大都市区域为对象，在五年规划期内寻找最优IEN配置。结果表明：当注重成本降低时，DHN连接比例增加，尤其是高密度分区；当注重减排时，热泵（HP）比例上升，且优化器倾向于将HP安装于高供热需求的多户住宅。大型热泵（LSHP）虽使用率低，但因灵活性优于CHP而被优先选择。通过调整供给温度参数，可影响DHN热损失和系统效率。该研究发表在《Sustainable Energy, Grids and Networks》。

**主要技术方法**
研究人员采用了以下关键技术方法：（1）基于能源枢纽（EH）的IEN分区聚合方法，将大都市区域划分为若干地理分区，每个分区内通过简化拓扑模型（含低压LV和中压MV电力网络、DHN供给/回水管及两个换热站）模拟，并集成物理模型计算损耗与过载；（2）DHN拓扑自动扩展算法，基于Steiner树近似算法从现有网络和潜在路径图中求解最优连接，并通过预设流速（2.5 m/s）确定管径；（3）基于规则的运行控制策略，通过供给温度线性特征（T_t^PR=u₀+u₁T_air）和质流分配调节发电单元（垃圾焚烧厂、CHP、LSHP）的出力；（4）结合代理优化算法（ParMOO，基于高斯径向基函数）和遗传算法（NSGA-II）的约束多目标优化框架，在模拟循环中迭代寻优。

**研究结果**
- **帕累托前沿分析**：优化得到11个帕累托最优解，其中6个解的年化成本低于现状。成本最低的解（方案1和2）通过增加高密度分区C的DHN连接（新增7200户）提升了CHP出力，减少了电力进口，但天然气进口增加。随CO₂排放目标收紧，HP安装数量显著增加，HP从低密度分区（A）的单户住宅向高密度分区（C）的多户住宅转移，以最大化每台HP的减排效果。
- **供热技术选择**：颗粒锅炉在所有方案中比例下降；DHN换热站（HS）在成本导向方案中增加，但在减排导向方案中减少（尤其是高密度分区C），因HP限制导致优化器优先在多户住宅安装HP；HP是减排关键，其安装数量随CO₂目标增加而上升，但受限于32,000台的约束；天然气锅炉数量随减排目标降低，但成本导向方案中其减少被DHN HS替代。
- **供给温度参数**：成本导向方案中供给温度参数u₀较高（117-120°C）；减排导向方案中u₀降低至约111°C，但方案10和11中u₁降低，使得寒冷天气下温度更高、炎热天气下温度更低。模拟显示DHN回水温度偏高（52-79°C），导致热损失占全年8.6%，主要源于保守的固定回水温度假设（70°C）。
- **发电单元**：LSHP在所有方案中（除方案3外）均被安装，但利用率低，仅当电价相对天然气价较低时启用；额外的CHP仅在方案1和2中出现，以应对DHN扩展后的热需求。LSHP因灵活性优于CHP而被优先选择。
- **电力进口**：与现状相比，方案1的天然气进口增加1.311 TWh，而方案9的天然气进口减少6.148 TWh，电力进口从2.717 TWh增至6.774 TWh，导致CO₂排放减少1.15 mil.t，同时系统能量损失降低1.013 TWh，环境热能利用增加2.66 TWh，体现了效率在脱碳中的关键作用。

**讨论与结论**
讨论部分指出，该方法通过物理网络模型准确计算损耗和管道/线路极限，能够根据分区特征和空间位置智能选择供热技术（如将低密度但靠近现有DHN和LSHP的分区A接入DHN）。然而，结果高度依赖价格假设（高电价促使DHN优先而非HP）和模拟参数（如分区数量、固定回水温度导致的保守性）。未来需验证实际数据，并考虑更多分区和更高级的控制策略（如模型预测控制）。研究结论为：本文提出了一种受约束的多目标优化方法，用于IEN协同规划，通过将大都市区域划分为可扩展分区，并整合既有网络，实现了可扩展性。案例研究表明，该方法能够根据成本或CO₂排放目标，自动选择最优的供热技术组合和网络扩展方案，例如在成本导向下增加DHN连接，在减排导向下增加HP安装，并利用空间邻近性扩展DHN。未来研究应进行实际数据验证，并考虑更多分区。