考虑能源和水可靠性的住宅小区优化设计外文翻译资料

 2022-02-27 10:02

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

应用能源194 (2017)751-764

内容列表可在ScienceDirect上找到

应用能源

期刊主页:www.elsevier .com/locate /apenergy

考虑能源和水可靠性的住宅小区优化设计

Pietro Elia Campana a,uArr;, Steven Jige Quan b,c, Federico Ignacio Robbio d, Anders Lundblad a,e, Yang Zhang e, Tao Ma f, Bjouml;rn Karlsson a, Jinyue Yan a,e

马拉达伦大学商业、社会和工程学院，瑞典韦斯特拉斯SE-72123号信箱883号

中美美国乔治亚理工学院建筑学院生态城市实验室，亚特兰大北路，GA 30332同济大学建筑与城市规划学院生态城市实验室，上海200092

达博AB, Tvarleden 2, Vasteras SE-72159，瑞典

2 .上海交通大学制冷与低温研究所，上海200240

重点

提出了一种新的住宅小区可持续性标准优化模型。

研究了混合可再生能源发电系统和集水系统的最优容量，优化使生命周期成本最小化，可靠性最大化。

混合可再生能源电力系统的可靠性可以在40%到95%之间变化，最大集水系统的可靠性在30%到100%之间变化。

文章历史:

2016年3月26日

于2016年9月16日收到修改后的表格

2016年10月1日

2016年10月20日在线

关键词:

优化

遗传算法可再生能源

混合动力系统集水

住宅市区

世界上许多城市在能源和水资源供应方面都面临着严峻的形势，威胁着城市的可持续发展。从工程和建筑的角度来看，设计城市必须考虑到能源和水的问题，以达到高生活和可持续发展的标准。本文的目的是建立一个考虑可再生能源和集水一体化的城市居住区规划优化模型。该优化模型是一个多目标优化模型，采用遗传算法使系统的生命周期成本最小化，并通过动态仿真使可再生能源和集水可靠性最大化。该模型可用于城市新区的空间优化设计。该方法也可用于从能源-水经济的角度分析现有城市小区的性能。

优化结果表明，基于混合可再生能源的电力系统的可靠性，可以根据考虑的建设环境区域的场景和整体电力负荷的情况，在40 - 95%之间变化。电力的平均成本在0.096美元到0.212美元/千瓦小时之间。最大集水系统的可靠性在30%到100%之间，取决于建筑环境区域的分布。对于低于20%的可靠性，水的稳定成本保持在1美元/立方米以下，使之与网络水费具有竞争力。

2016年爱思唯尔有限公司

1. 介绍

根据世界卫生组织的数据，目前世界上超过一半的人口(53%)生活在城市[1]，而联合国预测为63亿。到2050年，人们将生活在城市。因此，世界各地城市的可持续性受到对能源、水和粮食供应日益增长的需求的威胁。城市水能食品联动发展需要一个综合的设计过程，不仅包括政策，还包括技术解决方案[3]。从工程师和建筑师的角度来看，上述数据给我们如何设计现代和未来的城市带来了很大的压力。

本文的目的是分析可再生混合动力系统和集水技术作为城市水资源和能源自给自足的可持续解决方案融入城市环境的问题。特别是，本研究的目的是分析可再生能源和水收割机的可靠性与电力和水负荷在住宅区相比。

混合动力系统已经得到了深入的研究，特别是在离网应用中。Ma等人在香港一个偏远的小岛上研究了几百千瓦微电网的太阳能、风能和水力抽水蓄能系统的最佳集成。作者的结论是，一个独立的混合电源系统的优化设计，风能和太阳能的结合是必不可少的[5]。Shang等人使用粒子群优化算法研究了新加坡[6]附近热带岛屿太阳能/风能/柴油独立混合动力系统中电池容量的最优大小。作者特别关注单机系统的优化调度，以最大限度地降低运行成本，同时提高可再生能源的普及率。Gan等人以苏格兰的一个地点为例，开发了一个软件工具来评估离网混合可再生能源系统的规模。所开发的工具旨在支持项目管理，根据可再生的短期和长期可用资源，使用生命周期成本方法，评估电池和柴油发电机的能力。mali -eki和Pourfayaz研究了伊朗[8]南部某特定地区基于混合可再生能源的电力系统优化。特别地，作者着重于评估不同进化算法的优化规模的太阳能/风能/电池混合系统，以满足负荷需求，同时最小化总年度成本和供电概率的损失。

将混合动力系统作为分布式发电系统集成到并网区域已成为近年来高性能建筑的研究课题。Gonzalez等人以加泰罗尼亚[9]为例，研究了基于电网连接的混合可再生能源电力系统与给定电力需求的优化。Garcia-Trivino等人使用粒子群优化方法研究了太阳能/风能混合动力系统供电的并网逆变器的最优功率控制问题。

Lu等人对近/净零能耗建筑的设计和控制方法进行了全面的综述，强调了[11]缺乏最优设计和控制策略。Car-lucci等人提出了一种多目标优化模型，用于意大利南部一幢独立式净零能耗住宅的设计，采用非主导排序遗传算法[12]，将热和视觉不适最小化。作者强调了使用具有许多目标函数的复杂优化问题来评估大量可用建筑变体的效果的重要性。Lu等人以两个案例研究[13]为例，比较了单目标优化设计和多目标优化设计。作者的结论是，使用可再生能源系统的建筑优化可以比他们研究中考虑的基准建筑带来更好的性能。验证了单目标优化可以提供最优解，而多目标优化可以指导设计人员找到更好的权衡解。Lu等人利用分布式能源系统来满足能源需求，提出了一种基于遗传算法的多目标优化方法，用于杭州某网零火用区。优化模型的目的是使系统的生命周期成本最小化，同时使包括12个供热供电系统在内的(火用)效率最大化。优化模型基于各能源供应技术的运行时间。

同样，雨水收集系统的评估和优化也作为技术解决方案来面对城市地区水问题加剧。Mehrabadia等人评估了伊朗三个不同气候条件(地中海、潮湿和干旱气候)的城市的住宅雨水收集效率，以满足非饮用水的需求。研究表明，储水箱容量是实现雨水蓄积最大化的关键因素，最优储水箱严格依赖于降水量和屋面面积，雨水收集效率与气候有关。Hashim等人专注于大型雨水收集[16]的模拟和优化，描述了一种新的设计技术。优化模型的基础是系统总成本最小化，其中包括满足用水需求的公用水补充成本。模拟结果表明，屋面面积和需水量是影响储罐尺寸的主要因素。Chiu等人提出了一种雨水收集系统的优化方法，特别考虑了山地社区[17]的节能方法。利用水-能关系方法，作者认为雨水收集系统既是一种节水方法，也是一种丘陵地区的节能技术。

与以往的研究相比，据作者所知，本研究的新颖之处在于开发了一种通用的优化工具来研究混合动力系统和集水技术在城市环境中的优化集成，以达到高可持续性标准。该工具允许研究可再生能源的可靠性，配备了蓄能和集水系统的住宅小区相比，电力和水的负荷，分别。本文的一个新的方面是分析水和电力之间的相互关系，主要假设地面安装光伏系统作为集水区。优化工具的另一个新方面是使用空间视角，而不是以前研究工作中使用的动力和水采集器系统视角，来优化能源和水的需求和供应之间的匹配。该优化模型在考虑部分居住区作为城市休闲用地和路网的情况下，找到了建筑环境区域与可再生能源安装区域之间1平方公里内的最优区域分布。该模型考虑了以下可再生能源和储能系统:建筑附属光伏(BAPV)系统(建筑环境区域的功能)、地面光伏系统、风力涡轮机和电池储能系统。集水系统包括集水面积，假设等于屋顶面积(建筑环境面积的功能)、有效地安装在地面上的光伏区和水箱。该优化模型是基于可再生能源、能源和水储存系统的年度小时动态模拟。以瑞典哥德堡某典型住宅小区为例，确定主要建筑环境面积参数。

所建立的模型可用于城市新区的设计，或从能源、水和经济的角度对现有的城市小区进行性能评价，并为现有的城市小区提供建议，促进可再生能源和集水一体化。必须指出的是，所开发的工具代表了一种通用的综合模型，可以应用于任何地方和不同类型的地区的能源和集水性能，因此，它可以代表一个方便的工具，为工程师、建筑师和城市规划者。

本文组织如下:第2节研究了本文的研究方法，特别是在对建筑、光伏发电、风电、蓄电池充电状态、集水器充水状态等子模型进行仿真的基础上，建立了优化模型;第三节给出了优化结果并进行了讨论;第四部分总结了本研究的成果，并对未来的研究方向进行了探讨。

2. 方法

在一个典型的住宅平方公里中，可以结合不同的区域，以不同的预期用途、比例和布局作为概念框架，如图1所示。建筑环境区域根据给定区域内居住单元的数量确定电力和水的消耗情况。同时，构建的环境区域对BAPV区域(BAPVA)施加了约束。在本研究中，我们考虑了一半的屋顶用于安装BAPV系统。同样，建筑综合集水区是建筑环境面积的函数，因为假设整个屋顶用于收集雨水。集水区也是安装地面光伏系统的区域。在本研究中，我们假设有效的地面光伏系统区域被用作进一步的水收集区域。绿色休闲1区和小区路网所占面积已分别设定为整个km2的10%和建筑环境面积的10%。这些假设是基于哥德堡一个典型住宅区的光解译，如图2所示。同样的方法也被用于评估典型住宅的建筑和花园区域。由于哥德堡地处高纬度地区，地面光伏的安装面积考虑了33%的土地利用系数(定义为太阳能电池板面积与总面积的比值)。风力机面积是指每台安装的风力机的声影响面积。根据瑞典法规[18]，假设噪声排放低于40db，从发电机的声压级计算出声影响面积。电池平衡了能量生产和消耗之间的不匹配。电网被认为是PV-wind-battery系统的后备，而倾倒的电力生产则被假定注入电网。类似地，水收获器平衡了收获和消耗之间的不匹配。所研究的混合动力/集水系统的原理图如图3所示。

在优化过程中，找到了使混合集水系统和集水系统的生命周期成本(LCC)最小，同时又使其可靠性最大化的最优面积分布。优化问题的决策变量包括:建筑环境面积(作为敏感参数)、地基光伏系统面积、风力发电机组面积、电池和集水器容量。模型的当前版本允许优化区域分布，但是它没有提供关于决策变量空间位置的任何信息。选定地点的天气数据，包括全球水平辐射(W/m2)、扩散水平辐(W/m2)、风速(m/s)、环境温度(C)、降水(mm)和雪深(mm)，均取自全球气候数据库Meteonorm[19]。

2.1、优化模型

优化问题找到最优区域分布(在建筑环境区域,地面光伏系统领域,风力涡轮机区域),减少基于可再生能源的混合动力系统的LCC LCCren和LCC的集雨系统LCCwhs同时最大化他们的可靠性,分别“和Rwhs和最小化剩余功率注入电网的年代,这意味着可再生能源self-consumption最大化。Rren表示可再生能源产品满足电力消耗的小时数。

图1所示，1平方公里居住区概念框架。

安装电池存储系统。同样，Rwhs指的是水收集系统所覆盖的用水量小时数。所提出的优化方法的数学公式如下:

mineth;LCCrenTHORN; eth;1THORN;

mineth;LCCwhsTHORN; eth;2THORN;

maxeth;RrenTHORN; eth;3THORN;

maxeth;RwhsTHORN; eth;4THORN;

mineth;STHORN; eth;5THORN;

constraints

BEA frac14; 25;50;75% of 1 km2 0 6 PVA 6 0:75 km2

0 6 WTA 6 0:75 km2

BEAthorn; PVAthorn;WTAthorn; RNAthorn; GLA frac14; 1 km2 RNA frac14; 12% BEA

0 6 BC 6 10 MW h 0 6 WHC 6 4000 m3

8 gt; gt; gt; gt; gt; gt; gt; lt; gt; gt; gt; gt; gt; gt; gt; :

eth;6THORN;

其中BEA为建筑环境区，PVA为地面光伏系统区，WTA为风力发电机组区，RNA为路网区，GLA为绿色休闲区，BC为电池容量，WHC为集水器容量。LCCren由地面光伏系统的生命周期成本LCCpv, LCCbapv BAPV系统,风力涡轮机LCCwt,电池LCCbatt和电力来自电网,以满足负载LCCen同时LCCren考虑生命周期收入LCC由于碳税LCCct惩罚电力来自电网和电力盈余产生的混合动力系统和输入网格电感电容电阻测量。LCCwhs包括水采集器和相关装置的生命周期成本，以及从水网络LCCwn中抽取的水。LCCren和LCCwhs的计算公式如下[20,21]:

图2所示 住宅区的摄影解译。

LCCren frac14; ICCren

X N

nfrac14;1

dt

eth;1thorn; iTHORN;n tr thorn;

X N

tfrac14;1

at

eth;1thorn; iTHORN;n eth;1 trTHORN;

s

eth;1thorn; iTHORN;n eth;7THORN;

LCCwhs frac14; ICCwhs

X N

nfrac14;1

dt

eth;1thorn; iTHORN;n TRthorn;

X N

tfrac14;1

at

eth;1thorn; iTHORN;n eth;1 TRTHORN;

s

eth;1thorn; iTHORN;n

eth;8THORN;

ICCren是基于可再生能源系统的初始资本成本(美元),ICCwhs是水收集系统的初始资本成本(美元),N是项目的生命周期(年),dt是一年一度的折旧(美元),我是利率(%),tr税率(%),是一年一度的成本(美元),和s残值(美元)。N、i和tr分别设置为30年、1%和22%[22]。折旧假设为直线折旧，残值为ICC[18]的10%。LCCren和LCCwhs由下式给出:

LCCrenfrac14;LCCpvthorn;LCCbapvthorn;LCCwtthorn;LC

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[432246]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章