研究披露日本北九州科研园区分布式能源系统20年运行分析成果

原创 CADSLAB 2024-12-25 10:44 河南

研究框架

研究背景

1. 研究问题

   本文探讨了分布式能源资源（DERs）在向去中心化和脱碳能源系统转型中的重要性，尤其是长期高分辨率数据集的缺乏限制了对分布式能源系统的描述性分析。

2. 研究难点

   由于缺乏覆盖分布式电源发电机整个生命周期的长期高分辨率数据集，现有研究对分布式能源系统的性能评估存在显著不足。

3. 关键论点

   • 本研究收集并描述了一个涵盖2002年至2021年、包括校园分布式能源系统的20年数据集，提供了高分辨率的电力、气体和热能消耗数据。

   • 该数据集不仅包括发电侧的数据，还涵盖了来自各类建筑的实际电力、热水、空间供暖和制冷负荷的资料。

   • 通过对长期数据的分析，研究人员和设计者可以识别模式、改进领域，并评估不同分布式能源技术的有效性。

4. 相关工作

   目前可用的开放数据通常仅涵盖有限的监测年份，且长期数据集通常以低分辨率监测，导致对分布式能源系统的长期可持续性和适应性缺乏深入理解。

研究方法

本文通过以下几个方面详细描述了所采用的方法：

1. 数据收集

   数据来自位于日本九州的北九州科学研究园区的分布式能源系统，涵盖了2001年至2022年的监测期。数据包括电力、城市气体消耗、热回收、建筑负荷及天气数据等。
   

2. 系统结构

   该能源系统由多种组件组成，包括屋顶太阳能光伏（PV）面板、燃料电池、燃气发动机、燃气锅炉和吸收式冷却器。燃气发动机的额定功率为160 kW，燃料电池的额定功率为200 kW。
   

3. 数据格式

   所有数据以Excel工作表（xlsx格式）记录，并按文件夹组织，便于公众访问。数据的每个文件夹专注于特定类型的信息，如电力生成、气体使用、热回收等。
   

4. 数据质量分析

   对数据质量进行了分析，并提供了如何有效重用数据集的指南，以确保数据的可靠性和技术有效性。

实验设计

本文的实验设计包括以下几个关键细节：

1. 样本选择

   数据集包括来自六座建筑的电力、热水、空间供暖和制冷负荷数据，样本选择覆盖了整个监测期。
   

2. 监测参数

   监测了气体和热水流的压力和温度，以转换标准流量，确保数据的准确性和完整性。

3. 时间序列分析

   通过对不同时间尺度（从小时到年）的负荷值范围和变异性进行可视化，评估测量的可靠性。
   

4. 设备性能评估

   通过分析不同设备的20年运行数据，将数据分为前十年和后十年，以便更全面地描述和理解电力和气体消耗的变化。

结果与分析

本文对实验结果进行了详细总结，以下是关键发现：

1. 电力负荷分析

   电力负荷的时间序列显示，2014年和2018年的电力负荷模式相似，平均差异在0.3%以内，验证了数据的可靠性。
   

2. 气体消耗模式

   气体消耗的季节性和每日模式表明，夏季和冬季的气体消耗显著增加，主要用于空间供暖和制冷。
   

3. 室内温度分布

   对室内空气温度、供水/回水温度及流量的分析显示，夏季和冬季的室内温度保持稳定，验证了HVAC系统的有效性。
   

4. 能源消耗与供应

   通过对20年期间的电力和气体消耗的分解分析，发现电网进口电力的依赖性在第二个十年显著增加，支持了设备操作变化对电力消耗的影响。
   

总体结论

本文通过收集和分析长达20年的分布式能源系统数据，揭示了分布式能源资源在实现能源灵活性和可持续性方面的重要性。研究结果不仅为未来的研究提供了基础数据，也为政策制定者和设计者提供了有价值的见解，以促进向更高效的分布式能源系统的转型。

论文点评

优点与创新

1. 本研究提供了一个为期20年的高分辨率数据集，涵盖了校园分布式能源系统的能量生成和消费情况，为相关领域的研究提供了重要的实证基础。

2. 数据集包含多种能源供应数据（如燃气消耗、太阳能发电等），能够全面反映分布式能源系统的运行效率和适应性。

3. 论文通过长时间的数据分析，揭示了分布式能源系统在应对气候变化和极端天气事件中的灵活性和韧性，具有较强的现实意义。

不足与反思

1. 数据集可能未能充分代表最新的能源技术，限制了对新兴技术的深入分析。

2. 论文中对数据质量的分析较为简单，缺乏对潜在数据偏差和不确定性的深入探讨。

3. 对于分布式能源系统的经济性分析不够详尽，未能充分考虑不同情境下的成本效益。

4. 研究的地理范围局限于日本，可能影响其结果在其他地区的适用性。

论文十问

1. 论文试图解决什么问题

• 本文旨在填补关于分布式能源系统在其生命周期内的描述性分析的知识空白，尤其是在长期高分辨率数据集的缺乏情况下。

2. 这是否是一个新的问题？

• 是的，当前关于分布式能源系统的长期运行性能的描述性分析相对较少，尤其是缺乏覆盖整个生命周期的高分辨率数据。

3. 这篇文章要验证一个什么科学假设？

• 文章假设分布式能源系统在长期运行中能够展现出良好的能源效率和适应性，尤其是在面对气候变化的挑战时。

4. 有哪些相关研究？如何归类？谁是这一课题在领域内值得关注的研究员？

• 相关研究主要集中在分布式能源系统的运行效率、能源经济性及其在应对极端天气事件中的表现，值得关注的研究员包括在该领域有突出贡献的学者，如F. Creutzig等。

5. 论文中提到的解决方案之关键是什么？

• 关键在于建立一个涵盖多种能源供应和消费模式的长期高分辨率数据集，以便进行全面的性能评估和分析。

6. 论文中的实验是如何设计的？

• 实验通过收集2002年至2021年间的校园分布式能源系统的能量生成和消费数据，结合气象数据进行长期分析。

7. 用于定量评估的数据集是什么？代码有没有开源？

• 数据集包括电力、燃气和热能消耗的详细记录，代码已在GitHub上开源，供研究人员使用。

8. 论文中的实验及结果有没有很好地支持需要验证的科学假设？

• 是的，实验结果表明分布式能源系统在长期运行中表现出良好的能源效率和适应性，支持了研究的科学假设。

9. 这篇论文到底有什么贡献？

• 论文为分布式能源系统的长期性能分析提供了重要的数据支持，填补了相关领域的知识空白，并为未来的研究提供了基础。

10. 下一步呢？有什么工作可以继续深入？

• 下一步可以考虑扩展数据集的地理范围，纳入更多新兴技术的评估，以及进行更深入的经济性分析和模型预测。

​

阅读原文

跳转微信打开