CCHP系统多目标优化与MOPSO算法实践

1. 冷热电联供系统（CCHP）运行优化背景与挑战

冷热电联供型综合能源系统（Combined Cooling, Heating and Power, CCHP）作为区域能源供应的核心解决方案，正在经历从单一供能向多能协同的转型。传统能源系统存在三个典型痛点：首先，电、热、冷系统独立运行导致综合能效普遍低于50%，大量余热被直接排放；其次，可再生能源渗透率提高后，系统需要同时应对光伏/风电的波动性和负荷的多时间尺度变化；最后，碳排放政策收紧使得单纯追求经济性的运行模式难以为继。

我们在北方某商业综合体项目中实测发现，传统"以电定热"运行模式下，燃气轮机余热利用率不足40%，即便配置了吸收式制冷机，夏季总能效也仅达到65%。这促使我们采用多目标优化方法，通过三个关键改进实现系统升级：

1. 建立电-热-冷多时间尺度耦合模型，精确反映设备间的动态约束
2. 引入储能系统作为柔性调节单元，破解"热电耦合"刚性约束
3. 构建经济-能效-环保三维目标体系，采用改进MOPSO算法求解Pareto前沿

2. CCHP系统建模与多目标优化框架

2.1 系统架构与设备建模

典型CCHP系统包含以下核心组件（以某医院能源站为例）：

发电单元：

• 燃气轮机：Capstone C65微燃机（65kW），发电效率29%，余热温度280℃
• 光伏阵列：250kWp，配备5%容量的锂电池储能

热力单元：

• 余热锅炉：设计回收率85%，最大制热量180kW
• 燃气锅炉：作为调峰热源，效率92%

制冷单元：

• 溴化锂机组：制冷系数1.4，热驱动温度≥75℃
• 电制冷机：COP 5.2，用于平抑制冷负荷尖峰

关键耦合约束：

matlab复制% 热电联产约束示例
P_GT_min = 0.3 * P_GT_rated; % 最低运行负荷
Q_waste_heat = P_GT * 0.61 * eta_hr; % 可用余热量
assert(Q_absorption_chiller <= Q_waste_heat, '余热不足导致制冷机受限');

2.2 多目标函数体系构建

我们建立三维优化目标函数：

经济性目标：

matlab复制C_total = sum(C_gas + C_gri