0 引言

能源保障关系到经济社会发展，全球气候变化带来的挑战已成为国际共识，在全球经济高速发展、人口规模持续扩大的情况下，能源需求呈现出迅猛增长的态势。这种增长不仅对能源供应提出了更高的要求，也对能源系统的稳定性和可靠性提出了更大的挑战。为了适应不断增长的各类能源需求，多个能源站之间实现互联协同，共同应对能源供需矛盾已成为大趋势，分布式能源站（distributed energy system，DES）互联互通协同规划已经成为能源领域未来发展的新方向[1-3]。

能源系统内部耦合随着高效清洁能源转换技术的快速发展而深化，如热电联产、燃气锅炉、热泵等，更加严格地要求DES规划研究加速开展。DES作为区域综合能源系统的关键组成部分，将各种能源耦合设备从能源供应、转换和存储等多个方面综合在一起[4-7]。因此，对于综合能源系统不论是经济效益还是环境效益上的提升，选择合理的规划位置供分布式能源站使用，在能源站内选择合适的型号和容量供各种耦合设备使用，都是有利的。

DES规划研究在持续推进中，但需要进一步探索的研究方向还很多。这些研究方向包括对规划过程中不确定因素的合理探讨以及如何更有效地进行DES的规划等等。文献[8]介绍了通过综合评价体系对能源、经济以及环境等各种因素进行综合考量来规划CHP（combined heat and power）机组和燃气锅炉配置台数的一种太阳能冷热电联供能源站规划模型。另外已有研究在规划过程中采用混合整数线性规划方法以及进行双层多阶段扩容规划[9-10]，这些方法旨在综合考虑各种耦合设备在分布式能源站内部的投资成本和运营费用，从而实现配置-运营的协同优化。文献[11]以降低设备投资、优化能源利用结构、降低碳排放为目标，通过粒子群算法进行优化。综上，DES规划研究在持续推进中，但需要进一步探索的研究方向还很多。这些研究方向包括对规划过程中不确定因素的合理探讨以及如何更有效地进行DES的规划等等，这些规划方面的研究对于实现高效能源系统至关重要。

DES设备规划通常以特定区域的能源供应系统为重点，根据该区域的电力需求进行规划和优化。但城镇在开发建设过程中，通常将性质相近、功能相近的负荷集中在一起，受资源分配、市场经济等多种因素的影响而形成地域的差异。这些不同类型的地区往往会因为资源和负荷特性的不同而呈现出供需能力的明显差异。如果仅仅考虑单个地区的规划，则可能将DES的规划限制在了特定的范围，限制DES规划的全面性。

为了克服这一局限，可以通过精心设计的规划策略，在相邻区域的DES之间构建连接管道，创建一个能源交流的通道，促进区域间的能源互动和互助。这种结构如图1所示，主要包括上级能源网络、各个区域的能源站、能源站之间的互联管道以及多元化的负荷。各个区域的能源站能够从上级网络购买能源，经过转换后供给多种负荷，同时在产能过剩时，通过互联管道将能源输送至其他区域。通过跨区域的调度合作，可以优化多区域系统的整体能源供应模式，减少不必要的能源站投资，提高系统的经济效益。由此DES互联协同规划就产生了，DES互联协同就是通过构建多区域能源站点之间的互联管道，让不同区域的能源需求和供应能够高效对接，打造一个能源互联互通的平台。这种对接不仅能够实现能源资源在各区域间的优化配置，而且还能通过协同作用提高能源利用效率，进一步促进经济和环境的可持续发展。在这个过程中，能源互补和互济的原则被充分应用，确保了能源供应的稳定性和可靠性，同时也为减少能源损耗进而减少污染做出了贡献。这些措施将促成一个更加高效、环保的能源系统，带来经济和环境效益[12]。

图1 多区域能源站互联协同系统示意图
Fig. 1 Schematic diagram of multi-regional energy station interconnection and collaboration system

国内外对多能源站的规划已经展开了研究，文献[13]考虑了能源站互联特性，但未考虑将设备型号加入规划，导致模型出现非线性，不利于算法求解。文献[14]进行了站网协同规划，建立了多能互补的能源站模型，考虑能源站内多种多能耦合设备配置，但是未考虑能源站之间能够进行能源传输的优势。文献[15]研究了DES协同优化，但对内部设备的配置方案没有进行讨论。文献[16]将储能站引入多能源站系统的优化调度，充分计及能源站与储能电站之间的能量交互，但是未考虑能源站间的能量交互同样可以达到相同目标，有些舍近求远。文献[17]对DES互联规划进行了研究，包括设备与管网选型定容规划，但建立模型较简单，在耦合设备选择和互联类型选择上没有考虑。文献[18]考虑到区域负荷特性和站间管线联通互补，建立了区域分布式能源系统站网布局规划模型，但是在运行分析时采用的确定性规划，未考虑系统的动态特性，难以形成精准的规划和运行仿真结果。文献[19]研究DES互联优化多目标模型包含能源站设备选型定容，但没有涉及互联管道的规划。文献[20]在多能源互通共享的基础上，建立了分布式能源网络的多目标协同优化模型，但是对于能源站选址方面未进行分析，且是确定性规划。文献[21]表达了多区域能源站协同规划难度上升，能源站协同建设成本高的观点，并提出基于改进遗传算法的多区域能源站协同规划方法，可以减小规划成本。但是算法效率可能较低，随着人工智能的兴起，未来可以考虑更加高效的算法。

已有相关研究讨论了DES协同规划方法并且考虑了能源站之间的管线规划，但已有的研究将连接在能源站之间的管线长度设置为直线距离，这明显是不合理的[22]。此外以上研究都未充分考虑到可再生能源的变化以及用户负荷需求的不确定性，通常在传统的DES选型定容规划中采用确定性规划方法[23-25]。这种规划方法可能导致在实际运行中得到的配置并不是最优的。

综上，本文研究了考虑不确定性的DES互联协同低碳优化配置以提高能源利用效率，进而减少规划投资成本和环境成本。首先在单一DES规划模型基础上增加互联管线的传输模型并对其互联运行过程中传输方式和容量进行讨论和分析并建立相应模型；其次，采用合理的不确定性场景合成方法构建不确定性场景来模拟实际系统中能源不确定性；然后构建低碳分布式能源站互联协同优化配置模型，在生成的不确定性场景下对模型进行求解，通过分析对比对所提方法的合理性和可实施性进行验证。

1 DES互联协同低碳多目标规划模型

1.1 目标函数

规划采用多目标规划模型，模型的上层为投资成本优化，该目标函数为[26-27]

式中：Zall表示DES年规划的成本；表示DES中的各个设备年投资成本；表示不确定性场景下能源年购置成本；表示不确定性场景下DES中的各个设备年运维成本；Zpl表示互联管线的建设成本；P表示DES待规划的个数；H表示不确定性场景数；h为第h个不确定性场景条件。

DES年投资成本公式为

式中：ξd表示设备类型；Γ表示设备种类；表示设备规划容量；表示单位功率容量的成本；表示设备使用年限；表示设备折旧系数；表示设备折旧率；式中的c和d分别表示c类型的设备和设备d。

不确定性场景下DES年能源购置成本为

式中：表示天然气购入量，单位换算为kWh；表示电能购入量；πg表示天然气的价格，πe表示电价，单位都为元/kWh。不确定性场景下DES设备年运维成本为

式中：表示设备单位功率运维成本；表示设备的输出功率。

该模型的下层目标函数为使各个分布式能源站在随机场景下CO2排放强度最小，下层目标函数由如下公式表示：

式中：和分别表示电能和天然气的购买量；We和Wg分别为发电厂和天然气的碳排放强度，单位kg/kWh。

1.2 目标约束

1.2.1 目标约束（规划过程）

1） 设备容量约束。

投运设备容量约束可表示为

2）设备选型约束。

DES中每种设备限制一种类型，可表示为

式中：为0-1整型变量；Nd表示设备类型数量。

3） 互联管线的型号与容量约束。

互联管线传输的电功率和热功率应不大于管线允许通过的最大功率，相应的约束为

1.2.2 目标约束（运行过程）

1）DES设备出力约束。

设备的实时出力应小于各设备的规划容量，相应的约束可表示为

2）DES电母线功率平衡约束。

各能源站输入电功率应与电负荷功率保持平衡，相应的约束可表示为

3） DES气母线功率平衡约束。

各能源站购气量应与各设备耗气总功率保持平衡，相应的约束可表示为

4） DES热母线功率平衡约束。

各能源站输入热功率应与热负荷功率保持平衡，相应的约束可表示为

1.3 求解算法

本文利用NSGA-Ⅱ遗传算法在MATLAB仿真平台上迭代求解。上述目标函数的决策变量为能源站协同优化配置，变量确定与求解的流程如图2所示[28]。

图2 考虑DES互联协同的多目标低碳最优配置模型求解
Fig. 2 Solution process for solving multi-objective low-carbon optimal configuration model considering DES interconnection and collaboration

1） 步骤1，原始数据导入和初步设计。这涉及从TA-MCRSGOM技术生成的随机环境变量数据，如风力、光照、电力、热能分布，以及规划中的设备类型及其备选型号数量，还包括设备的性能参数（如效率系数）、单位容量的成本估算、设备的使用寿命，以及相关的能源定价信息。

2） 步骤2，构建能源站规划多目标函数，并输入规划以及运行相关约束条件。

3） 步骤3，确定各能源站建设位置及容量，以能源站互联协同优化配置方案作为染色体。

4） 步骤4，针对每个染色体，对每个随机场景进行综合成本和碳排放计算，然后对随机场景集的所有场景结果求和得到目标函数值。

5） 步骤5，对当前种群中的每一个基因串执行全面评估，通过比较和计算得出每个个体的优劣势等级。

6） 步骤6，在选择繁衍对象时，采取一种竞争性策略。每次挑选2个个体，优先选择排名靠前的，若排名相同，则倾向于选择拥挤度较高的个体。

7） 步骤7，通过交叉变异操作，将选定的父代基因组合创造出新一代基因池。然后，将新旧两代融合，构建新的种群，进入下一个迭代循环。

8） 步骤8，这一系列步骤会反复执行，直至达到预设的最大迭代次数。最终，获得帕累托前沿图和最优解决方案集，从而得出最优化的能源站互联与协同配置方案。

2 算例分析

2.1 算例设置

以国内某城区为例，如图3所示，进行考虑不确定性的DES互联协同低碳最优配置多目标规划，探究DES互联管线以及站内设备的型号和容量规划方案。现状年2020年系统的电力总负荷为24.5 MW，热负荷为88.2 MW。本文算例中设置规划年限为10 a，采用等年自然增长率法对2030年的负荷进行预测[29]。结果显示到2030年，系统总电力负荷将达到54.6 MW，热负荷将达到121.7 MW。各DES都包含CHP机组、热泵、锅炉设备且都有多种型号和容量待选择，另外风力发电、光伏发电、储电储热设备只规划其容量。结合待规划城区的地理位置、安装环境DES供能能力，为适应负荷的需求，对各种设备的规划容量进行了限制，如表1所示。各种设备的型号容量等信息如附表A1—A3所示[27]。

表1 DES中各设备待规划容量上限
Table 1 The upper limit of planned capacity for each device in DES

光伏 风机 CHP机组 电储能 热储能 燃气锅炉 热泵12 000 kW 12 000 kW 30 000 kW 18 000 kWh 18 000 kWh 22 000 kW 14 000 kW

图3 城区俯视模拟图
Fig. 3 Top view simulation diagram of the city

未考虑源荷不确定性可能影响到DES在实际规划中无法实现最优配置。本文采用TA-MCRSGOM方法构建不确定性场景[30]，然后根据能源站最短路径选址方案设置以下3个方案进行分析。① 方案1，选定能源站10、12、14；② 方案2，选定能源站7、15、18；③ 方案3，选定能源站8、14、15。

2.2 DES互联协同低碳多目标规划结果分析

采用NSGA-Ⅱ算法对上述多目标低碳优化配置问题进行求解，以方案1为例得到帕累托解集如图4所示。由图中可以得到系统的趋势为随着CO2排放量减少，成本逐渐增加。当系统中未规划新能源发电时，CO2年排放量最大为178.3 t，此时系统规划成本最小，为3.513亿元。风光设备投入成本增加减少了上级购电从而减少了碳排放，由于风光规划有最大容量约束，系统运行过程中一直存在上级购电，CO2年排放量最小减小至62.7 t，此时系统规划成本最大，为3.905亿元。

图4 多目标优化结果
Fig. 4 Multi objective optimization results

表2展示了3种方案下DES是否考虑互联协同时规划结果并将其进行了比较。

表2 3种方案下DES优化配置结果
Table 2 DES optimization configuration results under three schemes

方案 运行方式能源站编号 CHP/MW GB/MW HP/MW 光伏/MW风电/MW电储能/MW热储能/MW方案1互联协同10号 CHP-A（27.72） GB-B（22） HP-B（14） 12 12 18 18 12号 CHP-A（5.16） GB-B（15.92） HP-B（14） 7.92 10.63 0 0.96 14号 CHP-A（11.82） GB-A（6.16） HP-B（14） 12 12 20 16.18独立运行10号 CHP-C（30） GB-B（22） HP-B（14） 3.82 10 15.72 18 12号 CHP-A（6.28） 0 HP-A（11.53） 5.94 9.85 18 18 14号 CHP-A（11.93） GB-B（8.64） HP-B（14） 12 12 12.29 18方案2互联协同7号 CHP-A（26.73） GB-B（22） HP-B（14） 12 12 18 18 15号 CHP-A（9.47） GB-B（5.73） HP-B（14） 7.82 12 0 18 18号 CHP-A（8.14） GB-B（8.57） HP-B（14） 12 12 16.46 2.97独立运行7号 CHP-A（27.94） GB-B（22） HP-B（14） 9.27 12 18 18 15号 CHP-A（8.77） GB-B（5.74） HP-B（14） 12 12 15.37 18 18号 CHP-A（10.24） GB-B（2.48） HP-A（13.36） 12 12 16.02 18方案3互联协同8号 CHP-A（27.51） GB-B（22） HP-B（14） 12 12 18 11.63 14号 CHP-A（2.94） GB-B（1.75） HP-B（14） 6.29 12 0 18 15号 CHP-A（16.50） GB-A（12.84） HP-B（14） 10 10 8.67 9.75独立运行8号 CHP-A（30） GB-B（22） HP-B（14） 4.71 12 18 18 14号 CHP-A（2.01） 0 HP-B（14） 5.38 9.21 18 18 15号 CHP-A（14.79） GB-B（9.36） HP-A（12.70） 12 12 11.12 18

在方案1中，3个分布式能源站之间的距离十分接近，是为了它们之间能够实现多能互补，通过能源站之间的互联管道实现了能量的紧密交换。1号DES的规划容量是最大的，因为它需要满足所有的商业和大多数的工业负载需求，而且覆盖的范围很广。由于这一供应区域的热负荷需求较多而且已经超过了电负荷需求，因此方案将GB、HP、热储能设备等所有热生产设备都规划到最大容量，并且选用了热转换率相对更高的GB-B和HP-B。同样采用转换效率相对更高的CHP-A提高CHP机组补充热能时的供热效率。为降低该地区的碳排放，该地区计划将光伏和风力发电利用到最大程度，并通过CHP装置对电力供应进行弥补。另外规划电储能设备容量至最大，以实现电网平稳运行，应对能源波动。

2号DES能够满足负荷较小的部分居民对电力的需求。这一带热负荷比电负荷大，所以规划的热生产设备容量比较高。优先选用转换系数高的设备，所以选择HP-B并规划最大容量，剩下需要补充供给的热负荷由CHP机组提供，另外这一区域的电力供应比较富余，也不需要CHP机组额外供能，因此其相应的规划容量较小。

3号DES供应区域为部分居民负荷以及少量的工业负荷，所以选择成本较低的GB-A型号，因GB机组规划容量较小，CHP装置则规划容量较大，因此采用提高机组运行经济性但成本更高的CHP-A。该地区的电力平衡依赖于能够实现削峰平谷、提高系统运行稳定性的分布式能源，因此规划中将也电力储能装置规划到最大容量。需要注意的是，通过DES互联管道，分布式能源站之间相互协调，既提供各自区域的能源，同时也提供其他区域的能源，能够提升其他区域的备用容量。

在方案1中，根据该区域的用能特点，每个DES独立运行时，只需负责其所供能区域的负荷，提供相应的能源即可，相应规划也都是在综合考虑了源荷不确定性后的结果。在1号DES中，GB和HP分别采用了效率系数相对较高的GB-B和HP-B，而CHP机组则选择了经济实惠的CHP-C。2号DES规划容量比较低，因为它的负荷比较轻。由于HP的转换效率高于GB，且该地区电力供应充足，因此只需规划CHP和HP机组，无需添加GB机组就可以满足热能供应需求。3号DES将风力发电、光伏发电以及电储能都规划到了最大容量，且选用了CHP-A、GB-B、HP-B 3种在各个设备中能源转换效率最高的设备以满足能源需求。

在方案2中，每个DES都规划在其供电范围内的负荷中心，以减少负荷与能源站之间的能源管道建设成本，因此3个DES之间的距离要远一些。1号DES涵盖了能源供应范围广、规划容量最大的所有商业和部分工业用电需求。由于这一供应区域的热负荷高，所以优先考虑转换效率较高的设备，因此选用了GB-B、HP-B这2种在各个设备中能源转换效率最高的设备以满足能源需求，并且与热储能设备一同规划为最大容量。选择CHP-A机组弥补热能缺口，以提高供热效率，保证能源利用效率的提高。该地区已经充分利用太阳能光伏发电技术，以减少该地区的碳排放，但由于风力发电具有很大的波动性，因此没有对其进行规划。联合发电机组将在动力不足的情况下进行补充。由于大规模光伏发电的引入，电能储存设备的容量也被规划扩大到最大，以达到能源削峰填谷、增强系统稳定性的目的。2号DES供应部分居民负荷以及少量的工业负荷，对该地区的热能需求较高，所以规划选择了HP-B和GB-B 2种容量大、效率高的能源。由于CHP装置的规划容量较低，而HP的耗电量较高，因此并未引入储能设备，因为这一区域的电力负荷较大，同时供电稳定性较高。3号分布式能源站提供了大部分居民的用电需求，并将效率系数最高的能源供应设备配置在所有设备。各能源站仍主要依靠自身为该地区提供能源，因为每个分布式能源站之间的距离较远，导致相互间的协作受到限制。所以，在这种情况下，各能源站各自独立运营的规划结果，与考虑互联互通、协同发展的规划结果，没有太大区别。

方案3全面充分考虑了DES间的建设距离和负荷与DES间的建设成本，所规划的3个DES供能范围有比较明显的差别。1号DES规划容量是最高的，覆盖了市区所有的商业用户，也覆盖了大部分的工业用户。规划容量最小的2号DES，仅能满足有限的供能范围内的少量工业负载需求；而规划容量相对较大的3号DES，可满足区域内的所有居民用户。在这种情况下，3个DES规划容量在考虑独立运行时存在巨大差异，而各个DES一旦考虑联网，就需要提供一定的备用容量给其他分散站，所以相互之间的供能差别就比较小。

从表3的数据可以得出，与DES建设距离密切相关能源站互联管线规划结果。方案1中，能源交互频繁，各DES分布集中。尤其是1-3以及2-3号之间的能源站电热交互关系最为紧密。因此，需要选用最大尺寸的管线。1-2号DES之间的电能交互比较紧密，所以将电力线路规划成最大尺寸，而供热管线则选择中间型号的方案。在方案2中，由于热传递的损耗比较大，热能之间的互动比较弱，电能之间的互动受到的影响比较小，所以各个DES分散排布。1-2号DES之间的换能十分频繁，所以选用了最大尺寸管线规划电力线路和供热管线。方案3中每个DES分布均匀，2-3号DES之间电能交流频繁，但没有热能交换，所以只规划电力线路的最大尺寸而不规划热力管道。由于热能交换频繁电能交换少，所以1-3号DES相应管线分别选用最大和最小尺寸。

表3 各方案下DES互联管线规划结果
Table 3 Results of DES interconnection pipeline planning under various schemes

方案 类型 1-2 2-3 1-3方案1电力线路 150 150 150供热管道 150 200 200方案2电力线路 150 25 150供热管道 — 100 200方案3电力线路 150 150 150供热管道 200 — 200

表4比较了3种方案的年均规划成本。在每个方案中，DES考虑互联协同时的经济性都要明显优于DES独立运行，这主要体现在能源购买成本上。这表明，通过考虑DES之间的互联和协同，有利于促进能源的相互交流和互补，提高系统能源效率、降低成本。另外需要注意的是，相对于DES独立运行，考虑到互联协同规划时的DES通常会略微增加投资成本，原因之一是增加了DES连接管道的成本，另一方面是设备投资有所增加，但方案2是个例外，主要是因为方案2中的DES分布较广，相互之间的互动较少，且不需要向其他能源站提供大量的备用容量，以独立运行的运行方式为主。

表4 各方案下DES年规划成本
Table 4 Annual equivalent planning cost of DES

方案 考虑互联协同投资成本/亿元能源购置/亿元运行维护/亿元总成本/亿元方案1是 1.528 2.257 0.132 3.905否 1.503 2.548 0.165 4.216方案2是 1.546 2.245 0.133 3.924否 1.578 2.380 0.166 4.124方案3是 1.494 2.310 0.133 3.937否 1.502 2.654 0.163 4.319

2.3 考虑互联协同的DES运行特性分析

因为在方案1中，每个DES之间距离最近，能量交互最频繁，所以选取方案1中规划结果作为例子，研究DES之间在不确定场景下的互联协同分析。图5—7分别展示了方案1中1号DES在过渡季、夏季、冬季的电力、热力平衡关系，以及DES之间的能源互动关系。

图5 过渡季1号DES电、热功率平衡
Fig. 5 Electricity and thermal power balance of DES No.1 during the transition season

图6 夏季1号DES电、热功率平衡
Fig. 6 Electricity and thermal power balance of DES No.1 in summer

图7 冬季1号DES电、热功率平衡
Fig. 7 Electricity and thermal power balance of DES No.1 in winter

图5—7对DES过渡季、夏季、冬季电量以及热量均衡状况进行了描绘，对图中的情况做出以下分析。

1） 为了提高系统运行的经济性，利用电网出力供电或者为电储能充电时，通常会选择低谷电价时段。

2） 日间阳光充足，光伏发电可以获得更高收益所以日间利用率较高；而风力发电主要受风速的影响晚上利用率更高，所以晚上风力发电出力较大。

3） 由于大部分时段气价优于电价，所以1号DES的主要供电设备选择CHP机组，至于冬季出现的下午时段电网也出力的情况，是因为此时光伏发电和风机发电受不确定因素的影响处理不足，而且CHP机组此时已达到最大供能水平，所以不得不增加电网出力来维持电力平衡。

4） 1号能源站与其他能源站在电力负载高峰期进行协同互联互通，可在高峰时段获得满足负载需求的额外电能。在负载较轻的情况下，为了保证整个系统的能量平衡，也可以将部分电能输送到其他能源站。

5） 一般情况下过渡季和夏季的负荷需求仅使用CHP机组和HP机组都可以满足，在冬季则需要GB参与共同供热。

6） 由于1号DES承担了所有的商业负荷和大部分的工业负荷，产生了大量的热需求，单靠站点本身，要满足这一区域的供暖需求是非常困难的，因此，为满足1号能源站供能区域的热能需求，需要与其他DES协同联动，在大部分时间是获取热能的状态。

3 结论

本文基于DES单站规划模型构建了不确定性场景下DES互联协同低碳多目标优化配置模型，并且采用不确定性场景合成方法构建不确定性场景模拟能源不确定性，在生成不确定性场景中对模型进行求解，并将各个规划方案与能源站独立运行方式相比较，通过分析对所提方法的合理性和可实施性进行了验证。

本文所做工作总结如下：

1） 构建了不确定性场景下DES互联协同低碳多目标规划模型，旨在实现综合成本最优以及环境效益最优。

2） 构建了不确定性场景来模拟实际系统中能源不确定性，在生成不确定性场景中将各个规划方案与能源站独立运行方式以及确定性方案相比较，验证了通过考虑DES之间的互联和协同，有利于促进能源的相互交流和互补。

3） DES位置分布会影响到能源站之间互联管线规划结果。DES分布密集时（例如方案1），为适应能源站在运行过程中的能源密切交互，互联管线均采用较大的尺寸；DES分布分散时（例如方案2），能源站在运行过程中的能源交互不频繁，采用较小尺寸的互联管线。

附录A

图 A1 TA-MCRSGOM法生成随机场景集
Fig. A1 TA-MCRSGOM method for generating random scene sets

表A1 热泵、燃气锅炉各型号待规划设备参数
Table A1 Equipment parameters for various models of heat pumps and gas boilers to be planned

设备 燃气锅炉-A型热泵-A型燃气锅炉-B型热泵-B型规划容量范围/kW 0～300 0～300 0～300 0～300产热效率/% 90 440 90 300年运行及维修成本/ （元·(kW)-1） 0.02 0.009 7 0.02 0.009 7设备成本/ （元·(kW)-1） 340 3000 320 1200年限/a 25 25 25 25

表A2 CHP机组各型号待规划设备参数
Table A2 Equipment parameters for various models of CHP units to be planned

设备 CHP-A型 CHP-B型 CHP-C型规划容量范围/kW 0-300 0～300 0～300年运行及维修成本/ （元·(kW)-1） 0.025 0.025 0.025产热效率/% 40 42 45设备成本/ （元·(kW)-1） 5227 5946 6500机组发电效率/% 33 37 40年限/a 25 25 25

表A3 可再生能源和储能待规划设备
Table A3 Renewable energy and energy storage equipment to be planned

设备 电储能 热储能 风机 光伏规划容量 0～300 kWh 0～300 kWh 0～200 kW 0～200 kW设备成本 1000元/kWh 35元/kWh 4000元/kW 10 000元/kW自损失率 0.1% 1%年运行与维修成本0.01元/kW年限/a 10 25 25 25 0.001 8 0.001 6元/kW 元/kW 0.049元/kW