前言

工业生产中往往需消耗大量能源。而很多企业的用能结构中(诸如印染、食品加工等高耗能企业)，热能又占据非常大的比重[1-2]。近几年各地逐渐禁止使用燃煤锅炉，这给企业的生产供热造成了很多麻烦。虽然有很多替代技术，如天然气锅炉、生物质锅炉、热泵、光热、燃气轮机、谷电储热等[3]，但成本相比燃煤锅炉都会增加数倍。同时高耗能企业还面临着减排污染物，提高能源利用效率，及可能来临的降低碳排放等方面的政策限制[4]。

高耗能企业的用能特征都很复杂。一方面用能种类繁多，生产一种产品时会同时消耗热能、冷能、电能[5]，且热能还会分为不同细类(蒸汽，热水，热风等)与不同品质[6-7]。另一方面，同一产品在不同工段的用能差异、不同工段的时长不同导致同一生产线上所有工段不能都连续作业，及整个厂区各生产线之间的协调导致企业的能耗随时间波动很大[8]。这就要求厂区的综合能源解决方案不仅包含适合的供能技术组合方案，还要有具体的设备运行指导策略。这样的精细化能源管理对厂区降低供能成本具有重大意义。

现有的厂区综合能源解决方案大多沿用传统方法设计，工程师根据厂区最大用能负荷、供能技术限制条件及经济性等条件，按照经验在众多供能技术中选取一种或几种组合成设计方案，再进行系统方案校核计算。这种方法费时费力，且不能给出各供能设备的详细运行策略，难以实现供能和用能的精准匹配。并且最终方案往往也无法适用于其他厂区。针对工业生产领域缺乏供能系统的通用性设计方法、难以为供能设备匹配合适的运行策略，及不同厂区的用能需求与供能设备使用的限制条件都差距巨大等问题，开发出一套能提供工业生产中综合能源解决方案的通用算法具有重要意义。

1 算法搭建方法

1.1 整体要求与思路

首先，算法需要达到以下两方面的要求才能体现出相比传统人工设计的优势，以达到能源精细化管理的目标：一是在设计供能方案时要考虑用能负荷的波动性，不再简单地仅以负荷最大值为唯一条件；二是输出的综合能源解决方案不仅要包含供能技术组合方案，还需匹配具体每个设备的运行策略。

模型、供能设备与技术模型、技术组合方案初筛与初选模块模型及优化算法模型。

图1 算法设计结构与逻辑框架

2 算法开发(分模块)

2.1 厂区用能负荷预测模块

对于能源计量缺乏或者不充分的厂区，或者新建厂区，预测用能负荷是合理匹配综合能源解决方案的基础。由于实际生产中，不仅厂区中各条生产线之间存在用能差异，每条生产线上的负荷也是波动的，这都造成了负荷预测的困难。要对厂区用能负荷做准确预测，就要以每批产品在每个工段的能耗为基本单元。

表1 各类供能技术与设备的初筛条件

此外，考虑到用能企业可能会有一些特殊要求或者当地政策的刚性需求可能会与初筛结果相矛盾，在选用潜在的技术组合方法时还可选取手动初选的方式，用户按自己需求直接选取可用的供能技术并设置各自容量限制。

2.4 方案优化模块

通过厂区用能负荷预测模块和方案初筛与初选模块可以分别获得厂区用能负荷特征和可选的供能技术与其各自容量范围。但在供能方案中会有多种设备并行供一种热能，仅用能负荷数据无法确定各设备的容量。而MIQP模型需要给定容量的条件下，才能优化运行策略，而无法对技术组合方案中各设备的容量进行优化。因此在本部分算法里，需要预设各设备的容量。如图2所示，在满足容量之和不小于最大负荷的条件下，对每个设备的容量以10%最大负荷为步长枚举出多种设备容量的组合(也需满足在初筛模型中输出的容量范围)。

图2 优化目标算法的总体层次

对一种技术组合方案中的任一组预设供热容量方案，整体供能系统中其他设备(冷水机、变压器等)的容量还没确定，所以投资成本在这里还是变量。此处采用MIQP模型优化时选取的目标函数是年运行成本加运行年限内平摊到每年的投资成本，即以一年的综合供能成本最低为目标寻优。时间单元为一个小时，与负荷预测的输出结果相匹配。但由于对整年做全程的负荷匹配优化计算量会很大，因此在算法中选取非供暖非供冷日、供冷日、供暖日三个特征日共计72 h进行负荷匹配优化计算，再按三个特征日在全年各占的比例来拓展出全年的累计结果。

厂区用能包含了蒸汽、热水、热风、冷及电等5种形式的能源。一些厂区会将供应的蒸汽采用梯级利用来满足部分或者全部的热水负荷，即蒸汽的供应情况会影响对热水供应量的需求。因此对各类型的能耗负荷分别优化时，对蒸汽负荷的优化应该在逻辑顺序上优先于热水负荷。同理，热水负荷中热泵的使用会影响供冷技术方案的选择，因此对热水负荷的优化应该优先于冷负荷。而蒸汽负荷优化中，燃气轮机的使用会影响市政供电的需求量，且所有供冷/热设备的运行情况都会影响全厂的耗电量，因此对电负荷的计算应在其他所有负荷优化之后。

具体优化逻辑如图3所示，其中每一步的对供蒸汽或热水的技术组合采用MIQP模型优化时，所选取的目标函数是匹配全局所有能源负荷(热、冷、电)的供能成本而非只有供热成本。即热泵以外的冷负荷默认用冷水机补齐，热电联产以外的电负荷默认用市政供电补齐，再将所有供热(包括联产)设备的投资/运行成本加上这部分冷水机和市政供电的投资/运行成本作为最终目标函数。

图3 优化算法逻辑

在具体的优化算法逻辑中，首先对设备进行分类：

(1)若无蒸汽设备，则直接按虚线框内流程对热水负荷进行匹配优化。若热水负荷匹配优化结果中包含热泵类设备，则认为该热泵设备在供冷季能够提供与供暖季制热量等量的冷量。厂区的冷负荷核减掉热泵在供冷季提供的冷量后，用冷水机补齐。最后对厂区电负荷进行匹配计算。核减冷量时，若出现负值，则统一以0计算。

(2)若无热水设备，则将蒸汽负荷与热水负荷进行叠加后再用蒸汽设备进行匹配优化计算(默认蒸汽通过梯级利用来满足热水负荷)。若蒸汽负荷匹配优化结果中包含热电联产设备，则厂区的电负荷核减掉联产设备的发电量后，为实际需购买的市政电量。核减电量时，若出现负值，则统一以0计算(即发出的电仅供厂区自用，并网不上网)。

(3)若既存在蒸汽设备，又包含热水设备，则将蒸汽负荷与热水负荷分开计算。首先进行蒸汽负荷的匹配优化计算，但由于设备出力有下限限制，蒸汽出力大于蒸汽负荷的情况下，过剩的蒸汽热值默认梯级利用来满足部分热水负荷。随后再匹配优化核减过的热水负荷。如果设备中含有燃机或热泵，则按照(1)和(2)中提到的逻辑对厂区预测的电负荷与冷负荷进行核减。

图4算法的输出结果是一组预设容量下的最佳运行策略，再通过对比所有容量组合分别在最佳运行策略下综合供能成本而选出最优的结果，即是一种技术组合的最优容量分配方案与匹配的运行策略(如图3所示)。在这种计算方法下，如果是两种设备组合供同一种热能，容量组合方案最多会有11种；三种设备最多会有11×11种(办公电脑4线程并行计算需要3～4 min)，四种最多会有11×11×11种(办公电脑4线程并行计算需要30～40 min)，依此类推。因此考虑算法软件的实用性，一般在方案初筛与初选模型中供同一种热能的设备不超过3种，最多不超过4种。

图4 软件界面

2.5 结果输出与评价指标

图3的算法输出结果为技术组合的具体方案(各设备的容量分配)与匹配的最佳运行策略，同时输出其年运行成本、年燃料消耗量(换算为标煤)、设备初投资以及整体方案的综合能源利用效率。对初筛输出的多种技术组合，用户可以按照自己的需求或偏好以这些关键指标来选择方案，也可以通过将各项指标归一化并添加各自权重进行比选。

3 算法(软件)测试结果

基于本文的算法，在Matlab平台上开发了一款商用软件，软件的主界面如图4所示。将所有厂区边界条件分为四类：厂区基础条件、可输入能源成本、厂区生产耗能情况及默认参数。其中默认参数的数值为表1中所列出的技术初筛的特征参数，每类边界条件都有次级界面进行输入。输入边界条件后，可以点击初选设备对设备初选，再初选方案即得到推荐的组合方案，用户可选择不多于4个方案进行优化计算。另外，用户可进入“用户定义方案”自定义组合方案。其中，供热水和蒸汽的设备不超过7种，选择设备类型后，设备容量将从设备数据库中调用，用户可根据需求选择合适的设备容量进行计算。光热、冷水机、热风炉和市政供电会按照负荷需求自动添加为可用设备而不需要在这里选取。

选择的组合计算完成后，可以查看计算结果。以“燃气锅炉+燃气轮机+空气源热泵”的组合模型为例，当前负荷下，设备组合方案为：3 t蒸汽锅炉1台、2 100 kW燃气轮机热电联产一套、10 t热水锅炉1台、1 000 kW空气源热泵6台、420 kW冷水机4台，各设备的运行策略如图5所示。图5a中设备1与设备2，依次代表所选的供蒸汽设备，即燃气锅炉和燃气轮机；图5b中第三个特征日(供暖日)供热水采用空气源热泵，第一、二个特征日(非供暖日)采用热水锅炉；图5c中第一、三个特征日供冷采用冷水机，第二个特征日(供冷日)由空气源热泵制冷；图5d中由于燃气轮机热电联产的存在，因此市政供电只需要提供部分电力。

图5 设备运行策略输出结果:(a.供蒸汽设备，b.供热水设备，c.供冷设备，d.供电设备)

4 结论

本文以混合整数二次规划(MIQP)模型为核心算法，依托Matlab平台开发了一套基于清洁供热技术组合优化的厂区综合能源解决方案算法。算法包含了厂区负荷预测模型、供能设备与技术模型、设备初筛与技术组合方案初筛模型以及核心优化算法模型。各个模型之间信息相互传递调用，规定了不同设备供能的层级关系，最后运用优化算法得到运行策略。

软件测试结果显示，综合能源解决方案算法能够通过比选及优化得到满足厂区负荷条件下最为经济的供热技术组合方案及运行策略。该算法可以根据输入的边界条件，动态调整设备选择及部分运行参数，并快速提供经济的供热技术组合方式，很大程度改善了粗放的设备选择与运行的模式，为精细化能源管理提供了基础。