图1 拓扑结构
Fig.1 Topological structure
摘要 随着城市级多能源系统的快速发展和城市垃圾处理设施供能规模的不断扩大，考虑垃圾处理过程的多种能源供能协调优化，并将其与城市多能源系统协同优化进行综合考虑，是提高城市垃圾处理能力和资源化利用水平及综合能源利用效率的重要途径之一。该文将垃圾处理系统等效为一个以垃圾为输入的供能系统，建立城市垃圾能源化利用供能系统（WRESS）、城市多能源系统和城市多源储能系统三者协同优化模型。首先，研究一定时间尺度内可用于供能的城市垃圾产量、最大允许堆存量与其对应的供能种类和供能特性之间的关系，建立垃圾能源化利用供能优化模型；其次，针对垃圾能源化利用可调节特性与多能源系统、多能源储能系统自身协调能力间关系，建立以运行和调节成本最小为目标的城市垃圾能源化利用与多能源系统协同优化模型；最后，以中国某城市实际垃圾处理与多能源运行数据为基础，通过三个场景仿真验证所提模型的有效性。仿真结果表明，该模型在提高城市垃圾处理能力的同时，能够有效降低多能源系统运行成本，并提升系统调节能力。
关键词：多能源系统 垃圾能源化利用 能源利用效率 多源储能
在能源互联网的背景下，针对高比例可再生能源并网后城市电、热、气系统间的互补协调及调节能力弱的问题[1-4]，一方面，多源转换与存储装置所构成的多源储能系统接入，可作为一种灵活性资源为城市多能源系统提供较大的调节能力；另一方面，随着垃圾能源化利用技术的发展，考虑城市垃圾的处理及堆存能力，利用垃圾供能具有成为灵活性资源的潜力[5-8]。而如何利用垃圾能源化利用特性与城市多能源供给、转换、存储间协同运行，以提高城市能源利用效率和系统运行经济性，是城市多能源系统研究的一个关键问题。
目前国内外针对垃圾再利用供能的研究主要集中在垃圾供能系统设计、生物质垃圾处理供能特性分析及优化运行等方面。文献[9]为提高太阳能供电效率，提出了一种光伏-光热-沼气联合发电系统模型；文献[10]建立了生物质沼气池电热输出模型，为促进可再生能源消纳，提出含沼气池供能的全可再生能源系统优化调度模型；文献[11]为充分利用偏远地区的垃圾废物产生的生物质能资源，构建了风柴储生物质独立微网系统并提出双模式优化控制方案；文献[12]针对生物质发电效率低的问题，提出考虑生物质能供能特性的综合能源系统优化模型。上述文献多是对垃圾能源化利用后自身供能特性与效率的研究，并没有考虑在城市的垃圾堆存及处理能力约束下与多能源系统间的协同。
针对多源储能系统的研究，文献[13]为提高多源储能规划后的投资效益，建立了多源储能容量优化配置模型；文献[14]通过构建电转气（Power to Gas, P2G）的能量转换的模型，实现电能到气能的存储，为电气耦合运行提供一定的理论支撑；文献[15]提出风氢混合储能与煤化工多能系统耦合优化模型，以提高多源储能系统投资建设的经济性；文献[16]提出电热氢多源储能优化运行模型，实现在城市多能源系统中对电池储能的替代。而目前对于多源储能系统的研究，多是储能系统中多源转换与存储间的优化运行。
考虑城市存在的电、热、氢、气等多种能源类型，目前，国内外研究人员在多能源网规划、建模以及多能源系统优化运行与调度等方面开展了较多研究。对于多能源网络建模优化方面，文献[17]基于能源集线器的数学建模，对城市多能源系统的电热气网进行扩展规划，可有效减少多能源网间的传输损耗；文献[18]提出考虑可再生能源供能不确定性的城市多能源网规划模型，并进行可靠性评估。针对多能源系统优化运行与调度，文献[19]考虑电热气多源负荷需求，建立了考虑综合能源服务商的多能源优化调度模型，可降低系统的运行成本及碳排放量；文献[20]给出了计及电热气三网可靠性与不确定性约束的多能源系统优化运行模式；文献[21]以提高多能源系统运行经济性为目标，建立了多能源系统中的电热气最优能量模型。
上述有关垃圾能源化利用、多源储能及多能源系统优化的研究为本文的研究奠定一定基础，但仍有些问题需要解决：
（1）对于垃圾处理系统的研究多是考虑垃圾处理系统自身的供能特性与效率，而对于一个城市，垃圾所产生的能量占城市能源供能总量的比例较小，进而考虑其城市垃圾的堆存与处理能力，在一定程度上可当作一种调节资源。但如何与城市能源生产、转换、存储与消费协同运行，以及在完成垃圾处理任务的同时，能够给予多能源系统一定的调节弹性，是本文要解决的关键问题之一。
（2）垃圾能源供给的调节能力取决于城市垃圾的处理量和堆存量，在可再生能源并网比例不断提高后，对于如何协调城市垃圾供能与多种类能源供需间的关系，并提高城市能源利用效率，有待进一步研究。
（3）在考虑电、热、气三网间安全稳定运行的前提下兼容多源储能与垃圾能源化利用供能系统，将使现有城市能源系统构架与形态特征发生根本变化，如何协同多能源系统与这两种调节资源间的优化运行，对整个城市能源系统运行的经济性和调节能力将面对更高挑战。
针对上述问题，首先本文同时考虑城市多能源系统的经济性、废物处理能力，构建了多源储能模型与垃圾能源化供能系统（Waste Resourceful Energy Supply System, WRESS）模型，并提出了垃圾能源化供能、多源储能及多能源系统协同运行策略。然后，建立了垃圾能源利用与城市多能源系统协同优化模型。最后，通过设置三种场景进行仿真，验证了本文提出模型的可行性和有效性。
本文提出的WRESS、多源储能系统及多能源系统的协同拓扑结构如图1所示。考虑到一个城市的人口、规模等因素，其垃圾处理和堆存能力是在一定范围内。然而利用高比例可再生能源为城市供给具有高不确定性，所以在城市多能源系统中，考虑城市垃圾再利用后的供能特性，通过WRESS与多源储能系统两种调节资源与多能源系统的协同优化，可应对可再生能源的不确定性和波动性，满足城市多源负荷需求，提高城市能源利用效率。
图1 拓扑结构
Fig.1 Topological structure
城市垃圾处理系统在通过垃圾的转运之后，将可燃垃圾输入到垃圾焚烧电厂，作为能源的供给侧，在处理垃圾的同时进行供电供热，考虑建设成本及城市垃圾的产生量，其装机容量在城市供能系统比例较小，在一些时刻可以当作备用机组参与电网调峰。
对于城市中的粪污污水类垃圾，目前处理系统较为完善，在通过干湿分离、转移等措施之后，利用生物质技术对其进行处理得到沼气，而沼气可通过提纯得到天然气，进行天然气的配送。
整个垃圾处理系统运行中，日常耗能与产能相比，所消耗的电能、热能、气能较小，可归算到厂用电中。因此，本文将其整个垃圾处理系统等效为一个垃圾能源化利用的供能系统。本文将垃圾废物以能量的形式进行计算，考虑废物的能源转换效率，得到WRESS的能量供给模型为
（1）式中，
、
、
分别为垃圾焚烧电厂提供的电能、热能和甲烷化设备所产生的天然气能；
、
、
分别为可燃垃圾进入量、粪污垃圾进入量和污水垃圾进入量；
、
分别为可燃垃圾的所能产生的电能和热能的转换系数；
、
分别为粪污和污水垃圾转换为天热气能的转换系数；
、
、
、
、
分别为垃圾焚烧电厂的电、热运行效率、粪便处理设施的处理效率、污水处理设施的处理效率和甲烷化设备的提纯效率。
考虑WRESS的调节能力有限，且不具备多种类能源存储能力，本文基于文献[16]的模型，构建适用于与WRESS和城市多能源系统协同运行的多源储能系统如图2所示。
图2 多源储能系统
Fig.2 Multi-energy storage system
可对城市中多种能源进行储存、释放与转换，则多源储能系统的功率平衡模型为
（2）式中，
、
、
、
分别为电能输出、热能输出、氢气输出、天然气输出；
、
、
、
分别为电能输入、热能输入、氢气输入、天然气输入；
、
分别为电能输入到制氢和电锅炉的分配系数；
、
、
、
分别为制氢之后氢气分配到储氢、燃料电池、氢气供应、氢气甲烷化的分配系数；
、
分别为热能输入储能系统后到储热和热能供应的分配系数；
、
分别为天然气输入储能系统后到储气和天然气供应的分配系数；
、
、
、
分别为制氢、燃料电池、电锅炉、氢气甲烷化设备的能量转换效率；
、
、
分别为储氢、储热和储气装置的运行效率。
考虑城市多能源系统运行和垃圾处理过程的差异性，这种差异主要体现在垃圾产量及转运和整个能源系统的实时优化上。垃圾的产量、转运通常以天为单位进行预测和计算，而垃圾堆存和WRESS的供能可以根据垃圾处理过程进行实时的更新。
因此，本文所提出垃圾供能与多能源系统协同运行的策略，首先需要对城市一天的垃圾产量和转运量进行计算；然后根据垃圾处理量和堆存量的实时更新分析WRESS的供能特性；最后根据整个城市的能源需求的实时状态，需要多能源系统、WRESS和多源储能系统在各自协调的基础上，对三者进行协同优化，得到最优运行方案。本文给出的协同运行策略如图3所示。
图3 协同运行策略
Fig.3 Collaborative operation strategy
由图3可知，考虑垃圾运输与能源系统运行是各自独立的管理系统，在优化过程中，通过确定WRESS处理量与供能量，根据城市多类能源间的供需关系，充分利用WRESS与多源储能系统的调节能力，可实现三者间的协同运行。
为提高城市能源利用效率及运行经济性，考虑城市垃圾的产出、运输、处理、堆存与城市的多种类能源的供给、转换、存储特性，利用WRESS与多源储能系统和多能源系统协同运行策略，以经济性最优为目标进行协同优化。
本文构建城市能源系统运行经济性的目标函数主要考虑五个方面：①WRESS、多源储能系统和多能源系统的运行维护成本
；②在城市自身能源供给不足时，向上级电网、气网进行购电、购气的成本
；③对于WRESS及热电联产机组进行供能时产生的污染物的处理成本
；④热电机组运行时的煤耗成本
；⑤为满足上级电网、气网调节需求所获得的供能和储能收益，以及进行多种类垃圾处理所获得的政府补贴构成的总收益
。
综上，构建系统运行总成本最小的优化目标函数为
（3）
（4）
（5）
（6）
式中，
为城市中能源设备i的单位维护成本；
为t时段城市中能源设备i的能量存储或供给量；
为城市中能源设备总数；
、
、
分别为城市在t时刻的购电、购气和购氢价格；
、
、
分别为城市在t时刻的购电、购气和购氢功率；T为调度时段；λj为j污染物排放系数；
为j污染物单位功率污染物的治理成本；
、
、
分别为设备i产生污染物j输出的电能、热能和气能；
、
、
、
、
、
为热电联产机组的运行成本系数；
和
分别为热电联产机组在t时刻的电出力和热出力；
、
、
分别为t时刻对外进行供电、供氢、供气的单位收益；
、
、
分别为t时刻对外的供电、供氢、供气的功率；
和
分别为t时刻的储电和储气收益；
和
分别为t时刻的储电和储气功率；
为垃圾处理周期；
为处理m类垃圾所获得政府的单位补贴；
为t时刻处理m类垃圾总量。
2.2.1 运行功率平衡约束
针对城市多能源系统中存在的电、热、氢、气负荷，考虑多源储能系统与WRESS的调节灵活性，在优化时需满足多种类能源在每个时段的供需平衡，得到系统的运行功率平衡约束为
（10）
（11）
（12）式中，
、
、
、
分别为t时刻电负荷、热负荷、氢负荷和气负荷的需求；
、
、
分别为t时刻风电、光伏、垃圾供能系统输出的电功率；
为t时刻垃圾供能系统的供热功率；
为t时刻垃圾供能系统的供气功率；
、
、
、
分别为t时刻多源储能系统的储能和供能功率，且正值代表供能，负值代表储能。
2.2.2 WRESS约束
WRESS作为一种调节资源参与城市能源系统的运行，考虑城市垃圾处理和堆存能力，在每个时段WRESS与多源储能和多能源系统协同运行过程中，其调节能力也在一定的范围内，则WRESS的电热气出力功率约束为
（13）WRESS在进行垃圾到能源化利用的过程中，考虑垃圾处理设施建设数量与城市的堆存能力的制约，在优化过程的垃圾处理与堆存量约束式为
（14）
式中，为t时刻m类垃圾的处理量；
为m类垃圾为垃圾处理量的上限；
为t时刻m类垃圾的堆存量；
为m类垃圾的堆存量上限。
2.2.3 多源储能系统约束
针对多源储能系统中的制氢、电锅炉、燃料电池、储热、储气、储氢等能源转换与存储装置的功率和容量约束为
（15）式中，
和
分别为多源储能系统装置k在t时刻的运行功率和容量；
、
、
、
分别为多源储能系统中装置k的运行功率和容量上、下限。
2.2.4 可再生能源功率波动约束
高比例可再生能源接入系统时，城市中风光的出力变化需满足国家标准的规定，则可再生能源功率波动约束为
（16）
（17）
式中，
、
分别为t时刻风电和光伏的功率变化量；
、
分别为国家标准规定的风电和光伏的最大功率变化值。WRESS、多源储能与多能源系统协同优化模型能够有效应对高比例可再生能源最大功率波动性。
2.2.5 网络约束
针对WRESS与多源储能和多能源系统协同运行过程中其电网和气网的能量交互，则电网联络线和天然气管网约束为
（18）
（19）
（20）
式中，
和
分别为t时刻城市多能源系统与上级电网和气网联络线传输功率；
、
、
、
分别为城市多能源系统与上级电网和气网联络线传输功率上、下限；
为t时刻管道i节点到j节点的流量；
为管道系数，与管道温度、直径、长度等有关；
为流量方向，当从i流向j时取1，当从j流向i时取-1；
为t时刻的节点i和节点j间压力的二次方差。
除了整个系统与上级电网、气网的交互功率之外，WRESS和多源储能设施与城市多能源系统中能源在传输过程的网络约束为
（21）式中，
、
、
分别为t时刻城市多能源系统中电力网络ij的功率及其功率的上、下限；
、
、
分别为t时刻城市多能源系统中天然气网络ij的气压及其上、下限；
、
、
分别为t时刻城市多能源系统中热力网络中ij温度及其上、下限。
针对本文所建立的WRESS、多源储能与多能源系统协同优化模型，为提高求解过程的搜索能力及收敛速度，利用混沌增强烟花算法进行求解[22]，求解流程如图4所示。
本文利用中国东北某城市数据进行仿真分析。该城市的可再生能源装机容量4 000MW，其中风电机组装机容量2 500MW，光伏机组装机容量1 500MW，热电联产机组容量3 000MW。该城市最大用电负荷7 000MW、热负荷1000MW、氢负荷500MW、气负荷800MW。日处理3000t垃圾的垃圾焚烧电厂两座，每个垃圾焚烧电厂的装机容量为200MW。该城市粪污污水处理系统可日处理350万m³污水和3 000t粪便，整个系统每天可为城市提供天然气40万m³，可满足城市日气负荷需求的10%。该城市有可燃类垃圾堆存量为700万t。多源储能系统运行功率上、下限见表1；多源储能系统中的能源转换与存储装置的参数见附表1；热电联产机组的成本系数取值见附表2；城市垃圾处理补贴见附表3，城市对外进行供能储能收益均值见附表4，污染物处排放系数及治理成本参考文献[22]见附表5。选取该城市某冬季典型日可再生能源出力曲线及日电、热、氢、气负荷的曲线分别如图5和图6所示，城市像上级电网、气网的分时购电购气价格如图7所示。
图4 混沌增强烟花算法求解流程
Fig.4 Flow chart of chaos enhanced firework algorithm
表1 多源储能系统储放功率上、下限
Tab.1 The power limits of multi-energy storage system
类型储能上限/MW储能下限/MW 电300-1 000 热600-600 氢900-900 气500-500
图5 可再生能源出力
Fig.5 The actual output of renewable energy
图6 负荷曲线
Fig.6 Load curves
图7 分时电价气价
Fig.7 The time-of-day gas and electricity price
针对本文提出的WRESS、多源储能与多能源系统协同优化模型，本文分为以下三个场景进行仿真分析：
场景一：只考虑多源储能与城市多能源系统协调运行，垃圾处理方式采用传统的填埋、焚烧、转运等，垃圾处理过程并未有能源输出。
场景二：在场景一的基础上加入WRESS，但城市垃圾处理系统按照自己的处理需求运行，并未考虑其能源供需特性与城市多能源系统协同。
场景三：同时将WRESS和多源储能系统当作调节资源，并利用本文提出的运行策略与多能源系统进行协同优化。
在满足城市日负荷的需求的基础上，得到三种场景的优化运行结果分别如图8～图10所示。三种场景的联络线功率优化结果对比如图11所示。
图8 场景一运行结果
Fig. 8 Optimization results of scenario one
图9 场景二运行结果
Fig.9 Optimization results of scenario two
由三种场景的运行结果对比可知，场景一不使用WRESS，为满足城市的能源需求，热电机组需要高负荷运转，增加煤耗量；场景二虽然利用WRESS，但并没有考虑与城市多能源系统协调，考虑多源储能系统的容量限制，场景一和场景二相比于场景三其电、气外购的功率较大，且在1∶00～4∶00和22∶00～24∶00时刻产生弃风现象，给上级电网气网带来压力。
图10 场景三优化运行结果
Fig.10 Optimization results of scenario three
对于场景二和场景三存在的WRESS，场景二没有考虑协同运行策略，WRESS没有与城市多能源系统协调，只是根据城市垃圾一天的处理任务进行处理，其每个时刻供能相对平稳。而场景三中的WRESS在协同运行策略下，考虑垃圾转运和处理与多能源系统的运行差异性及多源储能容量限制，对WRESS、多源储能与多能源系统进行协同优化。通过对比可知，在1∶00～4∶00和22∶00～24∶00时刻，可再生能源出力较大，而电负荷需求较小，此时场景三中的WRESS可减少垃圾处理供能，而多源储能系统可以消纳弃风电量，进行能源的存储与转换，相比场景一和场景二可以大规模减少弃风电量及电网和气网的调节压力。在8∶00～13∶00和16∶00～19∶00电网、气网峰值及用氢需求量较大时刻，相比场景二和场景一，场景三可以增加WRESS出力，并与多源储能协调运行进行多种类能源的转换，满足电、热、氢、气负荷需求，可减少热电联产机组出力进而降低煤耗量，在能源充足时可进行能源外售并获得相应的供能收益，可提高城市整体能源利用率。三种场景能源利用效率对比如图12所示。
图11 联络线功率优化效果对比
Fig.11 Optimization effect comparison of tie-line power
图12 能源利用效率对比
Fig.12 Comparison of energy effciency
场景三通过WRESS、多源储能和多能源系统三者协同优化运行，考虑氢能和热能远距离传输困难，城市首先会满足城市的热、氢负荷需求。而对于电、气负荷需求，在电、气负荷峰值时，场景三通过WRESS与多源储能系统协调供能，可减少向上级电网和气网的购电购气量及热电联产机组的煤耗成本；而在电、气负荷谷值时，考虑整个城市的垃圾堆存量与处理能力，在满足整个城市垃圾处理需求的前提下，可减少垃圾焚烧电厂及粪污污水垃圾的供能量，并利用多源储能系统进行储能，提高城市电网、气网调节能力，大概率实现电、热、氢、气等城市能源的自给自足，充分利用WRESS和多源储能的调节灵活性，降低了总运行成本。三种场景的总运行成本对比见表2。
表2 总运行成本优化对比
Tab.2 Total operating cost optimization comparison（单位：万元）
类型场景一场景二场景三 运行维护成本C1433.2713.4756.5 购能成本C2717.4369.147.4 污染物处理成本C345.338.935.7 CHP煤耗成本C4907.4823.6715.3 总收益C545.253.460.2 总运行成本f2 058.11891.61494.7
本文通过建立WRESS与多源储能系统模型，并考虑城市的垃圾产量和堆存量，提出WRESS、多源储能系统、城市多能源系统协同运行策略；考虑WRESS与多源储能系统的调节灵活性，建立垃圾能源利用与城市多能源系统协同优化模型；在仿真验证中设立三种场景进行分析，得到以下结论：
1）本文利用WRESS与多源储能系统作为灵活性资源参与多能源系统进行协同优化，充分利用WRESS与多源储能的调节能力，同时提高垃圾处理能力与城市能源利用率。
2）考虑城市的垃圾处理与能源系统运行的差异性，提出WRESS、多源储能与多能源系统协同运行策略，利用城市垃圾的能源利用特性与多源储能系统和多能源系统进行协同优化，可减少热电机组的煤耗量及外购电量、气量，有效降低了城市能源系统的运行成本。
3）本文提出的WRESS、多源储能与多能源系统协同优化模型，在满足城市能源供需平衡的基础上，可提高城市内电网、气网的调节灵活性并减少上级电网、气网的压力，在未来能源互联网及城市垃圾资源化的建设中提供一定理论支持。
附表1 多源储能系统参数
App.Tab.1 Multi-energy storage system parameters
类型容量单位维护成本效率（%）寿命/年 制氢装置400MW20.2元/MW8530 电锅炉650MW15.3元/MW9515
（续）
类型容量单位维护成本效率（%）寿命/年 燃料电池300MW19.6元/MW705 储氢8 000m318.5元/m39535 储热1 500MW·h20.4元/(MW·h)9010 储气5000m319.6元/m39530
附表2 热电联产机组运行成本系数
App.Tab.2 Operating cost parameters of CHP
成本系数数值 7.6×10-5 0.26 0.75 0.2 4.2×10-5 1.13×10-4
附表3 垃圾处理补贴
App.Tab.3 Waste disposal subsidy
电厂焚烧垃圾/(元/t)粪污污水类垃圾/(元/t) 950.55
附表4 供能储能收益均值
App.Tab.4 Energy storage and supply benefit
参数数值 储电价格/(kW·h)0.85 供电价格/(kW·h)0.98 储气价格/(kW·h)1.8 供气价格/(kW·h)1.9 供氢价格/(元/kg)62
附表5 污染物气体排放系数及治理费用
App.Tab.5 The pollutional gas abating parameters
气体类型排放系数/[g/(kW·h)]治理费用/(元/kg) CO0.170 20.012 5 CO2335.082 90.021 SO20.000 092 814.842 NOx0.618 80.023
参考文献
[1] 蔡游明, 李征, 蔡旭. 计及控制时间窗内功率波动的风电场群无功电压分层优化控制[J]. 电工技术学报, 2019, 34(6): 1240-1250.
Cai Youming, Li Zheng, Cai Xu. Voltage hierarchical optimal control of a wind farm cluster in account of voltage fluctuation in control time window[J]. Transactions of China Electrotechnical Society, 2019, 34(6): 1240-1250.
[2] 滕云, 张铁岩, 陈哲. 多能源互联系统优化运行与控制技术研究现状与前景展望[J]. 可再生能源, 2018, 36(3): 467-474.
Teng Yun, Zhang Tieyan, Chen Zhe. Research status and prospects of the optimization and operation of multi-energy interconnected systems[J]. Renewable Energy, 2018, 36(3): 467-474.
[3] Huang Wujing, Zhang Ning, Yang Jingwei, et al. Optimal configuration planning of multi-energy systems considering distributed renewable energy[J]. IEEE Transactions on Smart Grid, 2017, 10(2): 1452-1464.
[4] 金红洋, 滕云, 冷欧阳, 等. 基于源荷不确定性状态感知的无废城市多能源协调储能模型[J]. 电工技术学报, 2020, 35(13): 2830-2842.
Jin Hongyang, Teng Yun, Leng Ouyang, et al. Multi-energy coordinated energy storage model in zero-waste cities based on situation awareness of source and load uncertainty[J]. Transactions of China Electrotechnical Society, 2020, 35(13): 2830-2842.
[5] 张羽飞, 邵蕾, 冷凇凝, 等. 山东省畜禽粪便资源评估及肥料化与能源化利用潜力分析[J]. 中国沼气, 2019, 37(3): 93-99.
Zhang Yufei, Shao Lei, Leng Songning, et al. Assessment of livestock and poultry excrement resources in shandong and its fertilizer and enemy utilization potential[J]. China Biogas, 2019, 37(3): 93-99.
[6] 冉毅, 蔡萍, 黄家鹄. 国内外沼气提纯生物天然气技术研究及应用[J]. 中国沼气, 2016, 34(5): 61-66.
Ran Yi, Cai Ping, Huang Jiahu. A review on research and application of biogas upgrading technologies in china and abroad[J]. China Biogas, 2016, 34(5): 61-66.
[7] 许文君, 胡俊峰. 垃圾焚烧发电厂环境问题应对措施[J]. 山西电力, 2017(6): 56-58.
Xu Wenjun, Hu Junfeng. Treatment of environmental problems caused by waste incineration power plants[J]. Shanxi Electric Power, 2017(6): 56-58.
[8] 林大卫. 生活垃圾焚烧发电厂的建筑设计新探索——以上海老港再生能源利用中心二期为例[J]. 建筑技艺, 2019(6): 118-120.
Lin Dawei. Design exploration about waste incineration power plant: Shanghai Laogang renewable energy utilization center phase II[J]. Architecture Technique, 2019(6): 118-120.
[9] 张露岚, 吴仕宏, 吴佳文, 等. 光伏/光热与沼气联合发电系统的设计与仿真[J]. 可再生能源, 2017, 35(9): 1296-1303.
Zhang Lulan, Wu Shihong, Wu Jiawen, et al. Design and simulation of the photovoltaic/thermal with biogasunit power generation system[J]. Renewable Energy Resources, 2017, 35(9): 1296-1303.
[10] 冯智慧, 吕林, 许立雄. 基于能量枢纽的沼–风–光全可再生能源系统日前–实时两阶段优化调度模型[J]. 电网技术, 2019, 43(9): 3101-3109.
Feng Zhihui, Lü Lin, Xu Lixiong. Two-stage optimal dispatch model of day-ahead and real-time for biogas-wind-solar fully renewable energy system based on energy hub[J]. Power System Technology, 2019, 43(9): 3101-3109.
[11] 周志超, 王成山, 焦冰琦, 等. 风柴储生物质独立微网系统的优化控制[J]. 中国电机工程学报, 2015, 35(14): 3605-3615.
Zou Zhichao, Wang Chengshan, Jiao Bingqi, et al. Optimal control of wind/biomass/diesel/battery stand-alone microgrid system[J]. Proceedings of the CSEE, 2015, 35(14): 3605-3615.
[12] 许健, 施锦月, 张建华, 等. 基于生物质热电混合供能的城镇综合能源双层优化[J]. 电力系统自动化, 2018, 42(14): 23-31.
Jiang Chao, Xue Yusheng, Huang Jie, et al. Carbon market risk analysis and control part II sand table simulation[J]. Automation of Electric Power Systems, 2018, 42(14): 23-31.
[13] 李建林, 牛萌, 周喜超, 等. 能源互联网中微能源系统储能容量规划及投资效益分析[J]. 电工技术学报, 2020, 35(4): 874-884.
Li Jianlin, Niu Meng, Zhou Xichao, et al. Energy storage capacity planning and investment benefit analysis of micro-energy system in energy interconnection[J]. Transactions of China Elect-rotechnical Society, 2020, 35(4): 874-884.
[14] Clegg S, Mancarella P. Integrated modeling and assessment of the operational impact of power-to-gas(P2G)on electrical and gas transmission networks[J]. IEEE Transactions on Sustainable Energy, 2015, 6(4): 1234-1244.
[15] 袁铁江, 李国军, 张增强, 等. 风电-氢储能与煤化工多能耦合系统设备投资规划优化建模[J]. 电工技术学报, 2016, 31(14): 21-30.
Yuan Tiejiang, Li Guojun, Zhang Zengqiang, et al. Optimal modeling on equipment investment planning of wind power-hydrogen energy storage and coal chemical pluripotent coupling system[J]. Transactions of China Electrotechnical Society, 2016, 31(14): 21-30.
[16] 滕云, 王泽镝, 金红洋, 等. 用于电网调节能力提升的电热氢多源协调储能系统模型[J]. 中国电机工程学报, 2019, 29(24): 7209-7217.
Teng Yun, Wang Zedi, Jin Hongyang, et al. Multi energy storage system model based on electricity heat and hydrogen coordinated optimization for power grid flexibility[J]. Proceedings of the CSEE, 2019, 29(24): 7209-7217.
[17] 周贤正, 郭创新, 董树锋, 等. 考虑配电网重构的城市多能源配电/气/热网扩展规划[J]. 电力系统自动化, 2019, 43(7): 23-37.
Zhou Xianzheng, Chen Wei, Guo Chuangxin, et al. Expansion planning of urban multi-energy electricity-gas-heating distribution network incorporating electrical reconfiguration[J]. Automation of Electric Power Systems, 2019, 43(7): 23-37.
[18] 周贤正, 陈玮, 郭创新. 考虑供能可靠性与风光不确定性的城市多能源系统规划[J]. 电工技术学报, 2019, 34(17): 3672-3686.
Zhou Xianzheng, Chen Wei, Guo Chuangxin. An urban multi-energy system planning method incorporating energy supply reliability and wind-photovoltaic generators uncertainty[J]. Transactions of China Electrotechnical Society, 2019, 34(17): 3672-3686.
[19] 胡静哲, 王旭, 蒋传文, 等. 计及综合能源服务商参与的电力系统低碳经济调度[J]. 电网技术, 2020, 44(2): 514-521.
Hu Jingzhe, Wang Xu, Jiang Chuanwen, et al. Low-carbon economic dispatch of power system considering participation of integrated energy service providers[J]. Power System Technology, 2020, 44(2): 514-521.
[20] Eduardo A, Martínez C, Pierluigi M. Energy systems integration in smart districts: robust optimisation of multi-energy flows in integrated electricity, heat and gas networks[J]. IEEE Transactions on Smart Grid, 2019, 10(1): 1122-1131.
[21] 韩佶, 苗世洪, 李超, 等. 计及相关性的电-气-热综合能源系统概率最优能量流[J]. 电工技术学报, 2019, 34(5): 1055-1067.
Han Ji, Miao Shihong, Li Chao, et al. Probabilistic optimal energy flow of electricity-gas-heat integrated energy system considering correlation[J]. Transactions of China Electrotechnical Society, 2019, 34(5): 1055-1067.
[22] 雍静, 赵瑾, 郇嘉嘉, 等. 基于混沌增强烟花算法的多能源系统并网优化调度[J]. 电网技术, 2019, 43(10): 3725-3733.
Yong Jing, Zhao Jin, Huan Jiajia, et al. Multi-energy system optimal dispatch based on chaos enhanced firework algorithm in grid-connected[J]. Power System Technology, 2019, 43(10): 3725-3733.
The Optimal Model Based on Waste Resourceful and Urban Multi-Energy System Collaborative
Abstract With the promotion of urban multi-energy system and the expansion of energy supply scale of waste disposal facilities. Considering the coordinated optimization of waste resourceful with urban multi-energy system, which is one of the important ways to improve waste disposal capacity and resource utilization level and the comprehensive energy supply efficiency. The waste disposal system is equivalent to a waste resourceful energy supply system (WRESS) in this paper, and a collaborative optimization model between multi-energy system and multi-energy storage system and waste resourceful energy supply system is established. Firstly, a waste resourceful energy supply model is established by the research of the relationship between the refuse output, the maximum permitted stock, the corresponding energy supply types and characteristics in a certain time scale. Then, in allusion to the relationship between the regulation characteristics of waste resourceful energy and the coordination of multi-energy system and multi-energy storage system, a collaborative optimization model with the lowest total operation and regulation cost of multi-energy system and waste resourceful energy supply system is established. Finally, based on the actual waste disposal and multi energy operation data of a city in China, through three different scenarios of the numerical example to verify the effectiveness of the proposed model. The optimal simulation results show that the model can improve the waste disposal ability, meanwhile it can also reduce the operation cost of multi energy system and enhance the system regulation.
keywords：Multi-energy system, waste resourceful, energy effciency, multi-energy storage
DOI:10.19595/j.cnki.1000-6753.tces.201258
中图分类号：TM711
国家重点研发计划资助项目（2017YFB0902100）。
收稿日期 2020-09-22
改稿日期 2020-10-22
王泽镝 男，1992年生，博士研究生，研究方向为多能源系统规划及运行优化等。E-mail：316788633@qq.com
滕 云 男，1973年生，博士，教授，博士生导师，研究方向为可再生能源发电、多能源系统优化运行与控制等。E-mail：tengyun@sut.edu.cn（通信作者）
（编辑 赫蕾）