面向智慧城市的多能源系统供需特性分析及综合效益评估

周鹏程，程怡心，曾 鸣

（1.南方电网物资有限公司，广东 广州 510620；2.华北电力大学，北京 102206）

0 引言

随着我国城镇化的不断推进，交通拥堵、能源消耗、环境污染、资源分配不均等问题日益显著，给城市的社会治理带来巨大挑战。智慧城市建设将有助于有效解决城市化进程带来的一系列问题，实现社会和经济的可持续发展。

智慧能源是智慧城市建设的重要基石，随着智慧城市建设的推进，通过“智慧能源”实现的节能减排经济效益将占据越来越重要的地位。目前，智慧城市是开展多能源系统综合利用最好的实验载体，智慧城市具有高渗透率分布式可再生能源、分布式储能、大规模电动汽车接入等特征，同时还存在多种典型终端用户。因此，开展面向智慧城市的多能源系统综合利用将成为未来构建智慧城市能源融合生态体系的重要手段，对于建设能源优化配置网络和智慧公共服务网络，实现能源互联与服务互动，成功打造城市能源互联网示范样本具有重要的意义［1-3］。

智慧城市多能源系统利用模式复杂，应用场景多样，在研究面向智慧城市的多能源系统综合利用和协同规划时，应根据不同类型的能源利用调控的经济性、环保性和可靠性等目标效益，分析区域多能源系统中不同能源供需特性，构建能够涵盖各个环节的智慧城市多能源利用综合效益评估指标体系，为提出智慧城市场景下的多能源综合系统优化方案奠定理论和实践基础［4-6］。

鉴于此，在充分挖掘实现智慧城市多能源综合利用价值的基础上，分析智慧城市中不同类型的多能源供给和需求特性；提出考虑不同供需特性的多能源系统利用综合效益评估指标体系；建立基于组合赋权模型和模糊综合评价法的面向智慧城市能源互联下的多能源系统综合效益评估模型；最后，选取某生态工业园区2015—2018 年多能源系统的相关数据进行算例分析，验证了所提模型的有效性和实用性，为未来面向智慧城市的多能源系统的综合利用和协调发展提供借鉴。

1 智慧城市不同类型的多能源供需特性

1.1 不同类型多能源的供给特性

传统城市的能源供给类型主要以传统化石能源（煤炭、石油）以及冷能、热能、电能、气能为主。通常，各类型的能源供给特性可表述为冷能、热能、电能、气能等多种能量的产生及相互转换。然而，随着智慧城市的不断发展，多能源系统耦合设备和利用技术在智慧城市建设中的重要性越来越突出［7-9］。多能源系统联合供给区别于单一能源系统以及普通的冷-热-电三联供系统，存在多种能量耦合，相同的负荷可以由不同或者多种设备联合供给，增强了各个能源设备之间的耦合性和协同性，相关联供设备为响应间歇性能源的快速波动而变工况运行，也加大了问题的研究难度。

多能源系统能源供给架构。面向智慧城市的多能源系统能源供给架构及设备单元如图1 所示。多能源系统中的各类设备可以分为独立型设备和耦合型设备，独立型设备中电能、热能、气能、冷能维持自身特有的能质属性，不存在异质能流之间的耦合转化和互补利用，耦合型设备则可以实现电能、热能、气能、冷能相互间的转化利用。

多能源系统供给应用场景。智慧城市多能源联合供给应用场景中主要存在冷能、热能、电能和天然气4 种形式的能源进行传输、转换、储存和消耗。图2 为某生态城的智慧城市多能源联合供给典型应用场景。

图1 多能源系统能源供给架构和设备单元

图2 多能源系统能源供给典型应用场景

在智慧城市多能源联合供给应用场景中，有3个多能源微网系统接入同一个区域配电网，分别为冷-电联供型系统（Combined Cold and Power，CCP）、冷-热-电联供型系统（Combined Cooling Heating and Power，CCHP）、热-电联供型系统（Combined Heat and Power，CHP）。假设各个微网系统之间通过电缆线彼此相连，可以进行电能的交易，也可以与电网进行大规模的电能交易，但各个微网系统间没有冷能和热能的传输通道，各个微网系统的冷能和热能传输相互独立。

1.2 不同类型多能源的需求特性

智慧城市中不同类型的能源需求特性可表现为各类用户根据其生产生活需要，对冷能、热能、电能、气能等多种能源的消耗特性。以3 种典型的多能源用户（工业企业、公共机构、居民用户）为例，深入分析面向智慧城市的多能源消费特性，并研究其负荷需求的波动特点。

工业企业。工业企业用电量占全社会用电总量的60%左右。对于连续性生产企业，全年负荷处于较高水平，具有一定的波动性，但总体而言负荷较为平稳，没有明显的峰谷。对于非连续性生产企业，负荷集中于日间工作时间，负荷峰值出现在09∶00—11∶00 和14∶00—17∶00，且在13∶00 左右呈现波谷；夜间负荷主要用于必要的用电设施，基本为常数。工业企业夏季典型日负荷需求曲线如图3 所示。

图3 工业企业夏季典型日负荷需求曲线

公共机构。政府、事业单位等办公机构每天固定的使用时段为工作日时段。负荷运行时长一般为8 h。公共机构的冷、热、电负荷变化和办公人员的上班活动规律呈正相关性。与大型商业用户类似，公共机构的能耗组成主要为空调能耗、照明能耗和其他动力设备能耗。这些设备单元不受室外环境的影响，电负荷的需求全年稳定，而空调系统能耗受季节变化、室外环境变化的影响会产生波动。公共机构冬夏两季典型日负荷需求曲线如图4 所示。

图4 公共机构冬、夏两季典型日负荷需求曲线

居民用户。居民用户的用电量分为高峰时段和低谷时段。用电低谷一般在09∶00—17∶00，居民由于出外工作和学习等原因，家庭用电量较小；用电高峰时段出现在18∶00—23∶00，家庭用电量较高。居民用户冬季典型日负荷需求曲线如图5 所示。

图5 居民用户冬季典型日负荷需求曲线

2 考虑供需特性的多能源系统综合效益指标体系

充分考虑智慧城市中能源供需特性，结合多能源系统能量价值的分类体系，将反映经济效益、社会效益、环境效益等的指标融入各到能源能效、能源设备、终端用户等环节中，构建多层次维度的智慧城市多能源利用综合效益评估指标体系，为建立多能源系统综合效益评估模型奠定基础。

2.1 能源能效环节

多能源转换效率。能源转换效率（Energy Efficiency Ratio，EER）是反映能源在加工和转换过程中能源利用效果的重要指标，它建立在能质系数概念和能源品位的基础上。在满足区域内相同的电能、热能、气能供应的前提下，EER 的数值越大，则多能源综合利用的能耗越低，间接反映了智慧城市内整个能源系统的能源利用转换效率。

污染物排放水平。多能源系统根据冷能、热能、电能来源可分为燃烧型和新能源型，由于生产技术及自然条件的限制，多能源设备装置多以传统的CHP 和CCHP 等混合系统为主。为此，将CO2减排率（CO2Reduction Ratio，CRR）、SO2减 排 率（SO2Reduction Ratio，SRR）及NOx减排率（NOxReduction Ratio，NRR）等指标作为衡量多能源系统的节能环保水平的评价指标。

能源经济性水平。能源系统的投入成本和能源收益决定了其经济性水平。能源经济性水平（Energy Economy Level，EEL）是指一段时间内各类型能源的总经济收益与总能源投入成本之比。与传统能源系统相比，多能源综合利用在降低成本费用的同时，也带来了可观的经济效益。

2.2 能源设备环节

能源设备利用率。能源设备利用率（Energy Equipment Utilization，EEU）是指一段时间内设备的实际工作时间与计划工作时间的比值，该指标体现了多能源系统内该设备的工作状态和生产效率的指标，其值大小与投资效益直接相关。

能源设备故障率。由于智慧城市多能源系统中涉及多个能源环节的多种设备，在数据获取和计算方面，采用在单位工作时间内能源设备故障率（Energy Equipment Failure Rate，EEFR）能够简化评估流程并同时满足评估精度。

管网负载率水平。管网负载率水平（Energy Network Load Rate Level，ENLRL）是指平均负载容量和额定负载容量之比，既反映了多能源系统承受大负荷运行的能力，又能够体现智慧城市中能源设备是否得到最大利用。此外，由于技术水平限制和能源特性，在能源传输环节会存在一定程度的损耗。

2.3 终端用户环节

用户端能源质量。终端用户用能质量（End User Energy Quality，EUEQ）主要包括了电能、热能及燃气等能源质量，用户端能源质量的高低直接决定了该能源是否能够被用户消费及用户的用能体验。

终端用户满意度。终端用户满意度（End User Satisfaction，EUS）是指用户能源消费过程中参与能源互动的直接感受，是一项重要的评估指标。该评价指标可通过在固定周期内，发放线下调查问卷或线上意见反馈等方式进行信息采集，并终端用户在此段时间内消费能源的满意程度及合理建议。

智能表计普及程度。智能表计（热表、电表、水表、燃气表等）是终端用户能源消费计费的智能终端，具有用户信息数据采集多费率双向计量以及用户终端控制等智能化功能，能够优化终端用户的用能途径和体验，更好地适应智慧城市的多能源综合利用与发展。因此，智能表计普及程度可以反映终端用户环节需求响应的完善度，代表智慧城市中多能源综合利用智能化、综合化的发展进程。

综上所述，考虑供需特性的多能源系统综合效益指标体系如表1 所示。

表1 多能源系统综合效益指标体系

3 智慧城市多能源系统综合效益评估模型

3.1 组合赋权优化模型

3.1.1 层次分析法

层次分析法（Analytic Hierarchy Process，AHP）是一种将与决策有关的元素分解成目标、准则、方案等层次权重决策分析方法，既包含专家对指标重要性的主观判断，又遵循指标间的客观关系。

步骤1）：在考虑上、下层逻辑关系的基础上，将每一个上层元素与下层元素之间进行两两判断，并构造出判断矩阵C=（cij）n×n。

步骤2）：通过对矩阵中各元素进行归一化处理，计算判断矩阵的最大特征值λmax与特征向量

步骤3）：检验判断矩阵的随机一致性比率CR是否满足CR＜0.1，若满足则通过一致性检验。其中，CI为一致性检验指标，RI为平均随机一致性指标，n 为判断矩阵的阶数。

步骤4）：利用同一层次单排序的结果，从上到下逐层进行总层次排序。

3.1.2 反熵权法

熵权法是一种根据各项指标观测值所提供的信息量大小来确定指标权重的方法。类似，反熵权法（Anti-entropy Weight，AEW）与熵权法原理类似，但其求得的反熵值和指标包含的信息量、权重值均成正比，便于理解和运算。

步骤1）：计算指标的反熵值Ek，如式（3）—式（4）所示。

式中：K 为评价方案的个数；vtk为评价指标值，t=1，2，…，T，且k=1，2，…，K；qtk为归一化的接近度值；n 为评价指标的个数。

步骤2）：计算各指标权重值ηt，即

3.1.3 基于最小二乘法的组合赋权优化

主观赋权体现了评价指标的价值量，客观赋权体现了评价指标的信息量，而组合赋权综合了2 种赋权方法的特点。最小二乘法（Least Squares Method，LSM）以误差绝对值之和为最小优化目标，能够真实反映主客观权重值与真值的偏离程度，因此，采用LSM 进行组合赋权优化。

式中：L（ω）为主客观权重偏差；ω 为LSM 组合赋权优化后的权重值；λj1为AHP 法确定的客观权重值；λj2为AEW 法确定的主观权重值；dij为平衡系数，通常取0.5。

对构建的组合赋权优化评价模型作Langrange函数变换，即

3.2 基于FCE 法的综合效益评估模型

模糊综合评价（Fuzzy Comprehensive Evaluation，FCE）能够从定性、定量角度去解决评价对象模糊性和多样性。为此，采用多级FCE 法建立多能源系统综合能效评估模型。

1）确定因素集。将所有评价指标分成n 个因素集，建立因素集U=｛U1，U2，…，Un｝，满足Ui∩Uj=Ø，（i≠j）。再将Ui划分为子因素集Ui=｛Ui1，Ui2，…，Uij，…，Uin｝。

2）确定评价集。根据指标的性质和程度，建立评价集V＝｛V1，V2，…，Vm｝，各元素Vi代表各种可能的总的评价结果。

3）构建评价表和隶属度矩阵。

假设邀请专家对单个因素进行评价，并形成隶属度评价表，如表2 所示。表中，xij表示第k 个专家对第i 个因素Ui得到的第j 个评语Vj的隶属度。

构建隶属度矩阵R，即

表2 隶属度评价表

4）给出Ui中各评价指标的权重向量Ai=（ai1，ai2，…，ain）。

5）若对Ui的n 个因素进行单因素评价后得到单因素评价矩阵Ri，采用相同的模糊算子将Ri和权重向量Ai模糊合成，计算出该层次因素集Ui的评价结果为

6）将Ui视为一个单独元素，Bi表示Ui的单指标评价向量，可构成U 到V 的模糊评价矩阵，即

因此U 的综合评价为B=AoR＝（b1，b2，…，bm）。将模糊综合评价结果B 与评价集V 进行模糊运算，确定智慧城市多能源系统利用综合效益评估的最优值。

4 智慧城市多能源系统综合效益评估算例

4.1 算例描述

选取某生态工业园区为研究对象，该园区拥有若干家多能源密集需求型的大用户，园区内以电力能源为基础，充分应用太阳能发电、太阳能空调、太阳能热水、地源热泵、蓄热、蓄冷等技术，能够满足工业大用户冷、热、电多种需求的柔性调控，满足分布式能源、储能系统参与智慧城市多能源联合供给的典型应用场景。以生态工业园区2015—2018 年多能源综合利用的相关数据为基础，开展多能源系统综合效益评估研究。

4.2 算例分析

4.2.1 指标规范化处理

构建的智慧城市多能源系统综合效益评估指标体系是一个多层次维度的评价指标体系，因此需要对指标矩阵进行规范化处理，消除各指标之间的单位和量级差异理。具体来说：

1）针对极大型指标和极小型指标选取极值处理方法，分别如式（10）和式（11）所示，且变换后，指标的极大值为1，极小值为0。

2）针对中间型指标采用隶属函数法，a、d 为函数的下、上限，b、c 为适度区间［b，c］的两端值。

根据式（9）—式（11），对生态工业园区多能源系统利用情况的基础数据进行规范化处理，具体结果如表3 所示。

表3 园区多能源系统基础数据规范化处理结果

4.2.2 组合赋权优化求解

由于篇幅限制，AHP、AEW、LSM 组合赋权优化的计算过程在不再详细展开叙述。面向智慧城市的多能源系统利用综合效益评估指标权重值如表4所示。

4.2.3 综合评价模型求解

1）建立评价集。按评标指标的性质和程度将其划分为5 个等级，评价集为V=｛V1，V2，…，V5｝。Vj＝｛高水平［80，100），较高水平［60，80），中等水平［40，60），较低水平［20，40），低水平［0，20）｝。取等级分数区间的上限值构成评价集，即V=｛V1，V2，…，V5｝＝｛100，80，60，40，20｝。

2）建立隶属度评价表。以生态工业园区2018 年的数据为例，给出模糊隶属度矩阵，如表5 所示。

表4 多能源系统综合效益指标体系权重集

表5 隶属度评价表

当权重集A（即得到的组合赋权值）和单因素隶属度矩阵R 为已知时，可作模糊变换来进行综合评价，即由Bi=AioRi可求得第一层次因素集的隶属度矩阵R：

3）进行模糊综合评判。

对R2018进行模糊运算可得，B2018=AoR2018=（0.555，0.293，0.091，0.068，0）。

同理可得，2015—2017 年生态工业园区多能源系统综合效益评估的模糊综合评判分别为：

4）综合评判结果。根据最大隶属度原则，2018 年生态工业园区多能源系统综合效益评估的综合隶属度值为0.555，评语为“高水平”。

同理可知，2015—2017 年生态工业园区多能源系统综合效益评估的综合隶属度值分别为0.410、0.437、0.405，评语分别为“中等水平”“较高水平”“较高水平”。

5）评价结果分值分析。基于综合评判结果，将各年度生态园区多能源系统综合效益评估结果分别转化为分值，2015—2018 年评价分值分别为66.98、76.22、82.46、87.14。

基于算例结果可知，生态工业园区的多能源系统利用综合效益逐年递增，从2015 年“中等水平”上升至2016—2017 年“较高水平”和2018 年“高水平”，从侧面反映了园区在多能源供需平衡、电网削峰填谷、新能源消纳等方面实现了能源利用和协调发展，成功实现智慧城市能源互联网建设成果“落地”。

5 结语

智慧城市是开展多能源系统综合利用最好的实验载体。科学的多能源系统效益评估是挖掘综合能源利用价值、构建智慧城市能源融合生态体系的关键问题之一。针对智慧城市多能源系统综合效益评估问题展开研究，研究成果如下：

在充分挖掘实现智慧城市多能源综合利用价值的基础上，研究分析了智慧城市中不同类型的多能源供给和需求特性：在不同能源供给特性分析方面，重点研究了多能源系统能源供给架构和典型应用场景；在需求特性分析方面，以工业企业、公共机构、居民用户为例，深入研究面向智慧城市的多能源消费特性。

在充分考虑智慧城市中能源供需特性的基础上，结合多能源系统能量价值的分类体系，将反映经济效益、社会效益、环境效益等指标融入各到能源能效、能源设备、终端用户等环节中，构建多层次维度的智慧城市多能源利用综合效益评估指标体系，为建立多能源系统综合效益评估模型奠定基础。

考虑到主客观赋权下的评价指标权值偏差越小越好，建立了基于AHP-AEW-LSM 的组合赋权模型。结合模糊隶属度理论，构建了基于FCE 法的智慧城市多能源系统综合效益评估模型。为所提模型的有效性和实用性，选取某生态工业园区2015—2018 年多能源系统能效数据进行算例分析，为未来面向智慧城市的多能源系统的综合利用和协调发展提供借鉴。