考虑高比例新能源消纳的多能源园区日前低碳经济调度

doi:10.16183/j.cnki.jsjtu.2021.339

考虑高比例新能源消纳的多能源园区日前低碳经济调度

吕祥梅¹, 刘天琪¹, 刘绚², 何川^,¹, 南璐², 曾红³

1.四川大学电气工程学院,成都 610065

2.湖南大学电气与信息工程学院, 长沙 410000

3.国网四川省电力公司天府新区供电公司,成都 610213

Low-Carbon Economic Dispatch of Multi-Energy Park Considering High Proportion of Renewable Energy

LÜ Xiangmei¹, LIU Tianqi¹, LIU Xuan², HE Chuan^,¹, NAN Lu², ZENG Hong³

1. College of Electrical Engineering, Sichuan University, Chengdu 610065, China

2. College of Electrical and Information Engineering, Hunan University, Changsha 410000, China

3. Tianfu Power Supply Company, State Grid Sichuan Electric Power Company, Chengdu 610213, China

通讯作者: 何川,男,副教授,博士生导师;E-mail:he_chuan@scu.edu.cn.

责任编辑: 石易文

收稿日期: 2021-09-7

基金资助:

四川省科技计划资助项目(2021YFSY0051)

Received: 2021-09-7

作者简介 About authors

吕祥梅(1997-),女,云南省曲靖市人,硕士生,主要从事综合能源系统方面研究.

摘要

为提高清洁能源利用率和降低碳排放,缓解全球能源危机和温室效应,提出一种考虑高比例新能源消纳的多能源园区日前低碳经济调度模型.首先,向园区引入储气设备和储热设备后,进一步挖掘能源耦合设备的潜力,探究电动汽车充电方式的影响;其次,基于阶梯型价格曲线建立了价格型联合热电需求响应模型;然后,考虑综合能源系统低碳运行,构建了碳捕集和储碳设备模型;最后,提出多能源园区日前低碳经济调度混合整数线性规划模型.算例分析表明,所提模型能提高能源利用率和园区调度灵活性,有效降低园区碳排放量,增加园区收益,促进高比例新能源的消纳.

关键词： 新能源消纳; 电动汽车; 价格型联合热电需求响应; 碳交易; 经济调度

Abstract

To improve the utilization rate of clean energy, reduce carbon emissions, and alleviate the global energy crisis and greenhouse effect, a low-carbon economic dispatch model of multi-energy park considering high proportion of new energy consumption is proposed. First, after introducing the gas storage and heat storage equipment to the park, the potential of energy coupled devices is further tapped, and the impact of electric vehicle charging mode is explored. Then, based on the stepwise price curve, a price-based integrated thermo-electric demand response model is established. Moreover, considering the low-carbon operation of the integrated energy system, a carbon capture and storage equipment model is built. Furthermore, a mixed integer linear programming model for low-carbon economic dispatch before the day of the multi-energy park is proposed. The example analysis shows that the proposed model can improve the energy utilization rate and the scheduling flexibility of the park, effectively reduce the carbon emissions of the park, increase the income of the park, and promote the consumption of high proportion of new energy.

Keywords： renewable energy consumption; electric vehicles; price-based integrated thermo-electric demand response; carbon trading; economic dispatch

PDF (1674KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

吕祥梅, 刘天琪, 刘绚, 何川, 南璐, 曾红. 考虑高比例新能源消纳的多能源园区日前低碳经济调度[J]. 上海交通大学学报（自然版）, 2021, 55(12): 1586-1597 doi:10.16183/j.cnki.jsjtu.2021.339

LÜ Xiangmei, LIU Tianqi, LIU Xuan, HE Chuan, NAN Lu, ZENG Hong. Low-Carbon Economic Dispatch of Multi-Energy Park Considering High Proportion of Renewable Energy[J]. Journal of shanghai Jiaotong University, 2021, 55(12): 1586-1597 doi:10.16183/j.cnki.jsjtu.2021.339

多能源园区是能源互联网最末端的直观表现形式^[1],其耦合多种能源,协调调度多样供能系统,提升能源利用率和降低能源系统的经济成本^[2].近年来,随着全球能源危机和温室效应的加重,发展清洁能源和提高用能质量已经成为各国共识.因此,为持续推进我国能源转型升级,促进用能高质量发展,多能源园区有望成为“十四五”期间能源发展的关键^[3].同时,我国力争2030年前实现碳达峰,2060年前实现碳中和,多能源园区的碳排放逐渐成为研究热点^[4].此外随着多能源园区的逐渐发展,风电(WT)、光伏(PV)等可再生能源接入比例不断增加,园区内供需平衡出现新的挑战,高比例新能源消纳问题亟待解决^[5].在此背景下,研究考虑高比例新能源消纳的多能源园区日前低碳经济调度问题具有重要意义.

为解决多能源园区高比例新能源消纳问题,专家学者提出向多能源园区引入能源耦合设备,增强园区多能互补.热电联产(CHP)能够实现能源的梯级利用,充分挖掘电热关系,提高电能和热能的利用率;电转气设备(P2G)能够消纳园区内过剩的新能源出力,增加电-气能量交换效率;储能设备利用“时移特性”一定程度打破了各能源间的耦合制约,增加能量传输和中转的灵活性.文献[5,6]建立CHP模型,利用储热装置解耦热电关系,提出促进可再生能源消纳的优化方法.文献[7]为促进能源耦合利用率,从P2G两阶段运行入手,构建了含P2G的热电联产变效率模型.文献[8]中P2G的耗电功率由弃风功率提供,直接消纳弃风功率.文献[9]引入储热设备且用储热因子描述储热设备的状态,进而给出一种分层优化调度策略.文献[10]考虑供能管网和储能水罐的储能特性,建立了工业园区多能源系统日前优化调度模型.虽然向多能源园区引入CHP、P2G等能源耦合设备能有效促进高比例新能源的消纳,但是各耦合设备的潜能还可以进一步挖掘.

此外,发展清洁无污染的电动汽车是促进多能源园区经济运行的重要一步.文献[11]采用电动汽车与地源热泵协同作用促进风电消纳.文献[12]从供需平衡和多能互补的角度出发,研究电动汽车的接入对园区经济性的影响.另一方面,随着需求响应技术的不断成熟,需求响应逐渐成为增加高比例新能源消纳的有效手段.文献[13,14,15]采用价格型需求弹性矩阵来表示电价变化率对负荷变化率的影响,进而建立电价型需求响应模型.文献[16]建立包含可转移可中断电负荷、可转移不可中断电负荷、灵活的热负荷和冷负荷等多类型负荷的综合需求响应模型.文献[17]为促进电网和气网的协调调度运行,建立了气电联合需求响应.可见,已有的考虑需求响应的多能源园区优化调度研究,较多文献只考虑电需求响应对园区运行的影响,对多元负荷需求响应研究较少,价格型需求响应多以需求弹性矩阵为基础进行建模.

多能源园区的低碳经济运行需要各类低碳技术和合理的市场机制共同作用.文献[18]将捕集的二氧化碳供给P2G消耗,剩余部分制成液态二氧化碳和干冰,提升了系统的综合能效.文献[19]给出一种以储碳设备为枢纽连接碳捕集电厂和P2G的灵活运行模式.文献[20]挖掘富氧燃烧技术对综合能源系统低碳排放的优势,以综合成本最小为目标建立系统低碳经济调度模型.碳中和是我国现代能源转型的关键因素,多能源园区的低碳经济调度仍是目前研究的重点.

在上述研究基础上,为进一步促进多能源园区高比例新能源的消纳和低碳经济运行,首先,本文引入热储能和气储能设备分别配合电锅炉和P2G,充分发挥各能源耦合设备的优势;其次,对园区电动汽车进行有序充电建模,探究电动汽车的可控性对园区负荷“削峰填谷”的影响;再次,考虑不同能源形式的需求响应资源,基于阶梯型价格曲线建立价格型联合热电需求响应模型;然后,借鉴综合能源系统碳交易机制实现碳捕集设备、储碳设备和P2G的协调配合,并建立了多能源园区碳交易模型;最后,以考虑碳交易成本的园区社会福利最大为目标函数建立了多能源园区日前低碳经济调度模型,并通过算例仿真验证了所提模型在园区高比例新能源消纳和低碳经济运行方面的积极作用.

1 多能源园区组成

本文构建的多能源园区是电-气-热耦合系统,具体如图1所示.园区内电负荷由风机、光伏阵列、热电联产机组、燃气轮机和上级电网供给,热负荷由热电联产机组、电锅炉和储热设备供能.碳捕集设备把从热电联产机组和燃气轮机捕集的二氧化碳直接供给电转气设备或者存入储碳设备.多能源园区与上级电网、气网进行双向能量交换.为了进一步促进能源利用,向园区引入电动汽车并考虑电、热需求响应.

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 多能源园区具体组成

Fig.1 Specific composition of a multi-energy park

2 考虑碳交易的多能源园区日前经济调度模型

2.1 目标函数

多能源园区日前低碳经济调度模型的目标函数是社会效益最大化,即价格型联合热电需求响应收益减去二氧化碳相关成本、园区运行成本、弃风弃光惩罚成本与失负荷惩罚成本之和最大.其中,二氧化碳相关成本由碳交易成本、购碳成本与售碳收益组成,园区运行成本包括机组发电成本、启停成本、购电/气成本、售电/气收益.

$\max (C^{dr} - C^{C O_{2}} - C^{o} - C^{cur} - C^{los})$

(1)

$C^{dr} = \sum_{t} {\sum_{e} \sum_{k} C_{ekt}^{dr} P_{ekt}^{dr} + \sum_{h} \sum_{k} C_{hkt}^{dr} H_{hkt}^{dr}}$

(2)

$C^{C O_{2}} = \sum_{t} [C^{tra} ({M^{e}}_{t} - D_{t}) + C^{buy} {M^{b}}_{t} - C^{sel} {M^{s}}_{t}]$

(3)

$C^{o} = \sum_{t} {\sum_{i \notin U} {C^{f}}_{i} [\sum_{k} c_{ik} P_{ikt} + N_{i} I_{it} + {C^{u}}_{it} + {C^{d}}_{it}] + C_{et}^{buy} P_{et}^{in} - C_{et}^{sel} P_{et}^{out} + C_{g}^{buy} P_{gt}^{in} - C_{g}^{sel} P_{gt}^{out}}$

(4)

$C^{cur} = \sum_{t} [\sum_{r} (C_{r}^{cur} P_{rt}^{cur}) + \sum_{w} (C_{w}^{cur} P_{wt}^{cur})]$

(5)

$C^{los} = \sum_{t} [\sum_{e} (C_{et}^{los} v_{et}) + \sum_{h} (C_{ht}^{los} v_{ht})]$

(6)

$\begin{array}{l} D_{t} = r^{c} (\sum_{p} P_{pt}^{CHP} + \sum_{q} P_{qt}^{GT}) \end{array}$

(7)

式中:C^dr为价格型联合热电需求响应获得的收益; $C^{C O_{2}}$ 为二氧化碳相关成本;C^o为园区运行成本;C^cur为弃风/光惩罚成本;C^los为失负荷惩罚成本; $t$ 为调度时间;e为电负荷;h为热负荷;k为分段数; $C_{ekt}^{dr} 和 C_{hkt}^{dr}$ 分别为第k段的需求响应电负荷、热负荷在t时刻的投标价格; $P_{ekt}^{dr} 和 H_{hkt}^{dr}$ 分别为第k段的需求响应电、热负荷在t时刻的电、热功率; $C^{tra}$ 为碳交易价格; ${M^{e}}_{t}$ 为园区t时刻的碳排放量; $D_{t}$ 为园区t时刻的碳排放配额; $C^{buy}$ 为向碳市场购碳的单位价格; $C^{sel}$ 为向碳市场售碳的单位价格; ${M^{b}}_{t}$ 为t时刻购碳量; ${M^{s}}_{t}$ 为t时刻售碳量; i为发电机组索引;U为非燃气机组合集; ${C^{f}}_{i}$ 为非燃气机组的购能价格; $c_{ik}$ 为机组i在第k段的耗能增量; $P_{ikt}$ 为机组i在t时刻第k段的发电功率; $N_{i}$ 为机组i不带负荷时的能耗量; $I_{it}$ 为机组i在t时刻的启停状态; ${C^{u}}_{it} 和 {C^{d}}_{it}$ 分别为机组i在t时刻的启、停费用; $C_{et}^{buy} 和 C_{et}^{sel}$ 分别为园区向上级电网购电、售电价格; $P_{et}^{in} 和 P_{et}^{out}$ 分别为园区向上级电网购电、售电功率; $C_{g}^{buy} 和 C_{g}^{sel}$ 分别为购气价和售气价; $P_{gt}^{in} 和 P_{gt}^{out}$ 分别为园区向上级气网购气、售气功率;r为风机索引;w为光伏索引; $C_{r}^{cur} 、 C_{w}^{cur}$ 分别为弃风和弃光惩罚单位价格; $P_{rt}^{cur} 、 P_{wt}^{cur}$ 分别为园区t时刻的弃风功率和弃光功率; $C_{et}^{los} 和 C_{ht}^{los}$ 分别为失电、热负荷的惩罚价格;v_et 和v_ht 分别为失电负荷、热负荷变量;r^c 为单位电量的碳排放基准额度;p为CHP机组索引;q为燃气轮机索引; $P_{pt}^{CHP} 、 P_{qt}^{GT}$ 分别为第p台CHP机组和第q台燃气轮机的发电功率.式(1)为社会效益最大化;式(2)为价格型联合热电需求响应收益;式(3)为二氧化碳相关成本;式(4)为园区运行成本;式(5)为弃风弃光惩罚成本;式(6)为失负荷惩罚成本;式(7)为园区碳排放配额计算式.

2.2 约束条件

2.2.1 电量平衡约束

$\begin{array}{l} \sum_{r} (P_{rt}^{WT} - P_{rt}^{cur}) + \sum_{w} (P_{wt}^{PV} - P_{wt}^{cur}) + \sum_{i} P_{it} + \\ \sum_{p} P_{pt}^{CHP} + \sum_{q} P_{qt}^{GT} + \sum_{l} P_{lt}^{EV, d} + P_{et}^{in} = \\ \sum_{e} P^{et} + \sum_{m} P_{mt}^{P 2 G} + \sum_{n} P_{nt}^{EB} + \\ \sum_{l} P_{lt}^{EV, c} + {P^{c}}_{t} + P_{et}^{out} \end{array}$

(8)

式中: $P_{rt}^{WT} 和 P_{wt}^{PV}$ 分别为第r台风机和第w台光伏t时刻的出力;P_it 为非燃气机组i在t时刻的出力;l为电动汽车索引; $P_{lt}^{EV, c} 、 P_{lt}^{EV, d}$ 分别为电动汽车在t时刻的充、放电功率;P^et 为t时刻考虑需求响应后的实际电负荷量;m为P2G索引; $P_{mt}^{P 2 G}$ 为第m台P2G在t时刻的耗电功率;n为电锅炉索引; $P_{nt}^{EB}$ 为第n台电锅炉在t时刻的耗电功率; ${P^{c}}_{t}$ 为碳捕集设备的能耗.

在多能源园区内,不考虑网络潮流约束,燃气轮机和P2G相当于连接在一个节点上,燃气机组和P2G不能同时运行^[17].

热电联产机组、燃气轮机、电锅炉与电转气设备约束、天然气平衡约束、热量平衡约束、储能约束、失负荷约束、弃风光约束和园区与上级网络功率交换约束与文献[21]类似,此处不再赘述.

2.2.2 电动汽车有序充放电约束

$\begin{array}{l} I_{lt} = I_{lt}^{arr} + I_{lt}^{all} \\ I_{lt}^{EV, c} \leq I_{lt}^{all} \\ I_{lt}^{EV, d} \leq I_{lt}^{all} \\ I_{lt}^{EV, c} + I_{lt}^{EV, d} \leq 1 \end{array}\}$

(9)

$0 \leq P_{lt}^{EV, c} \leq I_{lt}^{EV, c} P_{l}^{c, ra}$

(10)

$0 \leq P_{lt}^{EV, d} \leq I_{lt}^{EV, d} P_{l}^{d, ra}$

(11)

$- (1 - I_{lt}^{arr}) M \leq S_{lt}^{EV} - S_{l, 0}^{EV} \leq (1 - I_{lt}^{arr}) M$

(12)

$- (1 - I_{lt}^{all}) M \leq S_{lt}^{EV} - S_{l (t - 1)}^{EV} - \frac{η_{l}^{EV, c} P_{lt}^{EV, c}}{E_{l}^{EV}} + \frac{P_{lt}^{EV, d}}{η_{l}^{EV, d} E_{l}^{EV}} \leq (1 - I_{lt}^{all}) M$

(13)

$- (1 - I_{lt}^{dep}) M \leq S_{lt}^{EV} - S_{l, T}^{EV} \leq (1 - I_{lt}^{dep}) M$

(14)

$\begin{array}{l} S_{l}^{EV, \min} I_{lt} \leq S_{lt}^{EV} \leq S_{l}^{EV, \max} I_{lt} \end{array}$

(15)

式中: $I_{lt}^{arr}$ 为电动汽车接入时刻的0-1变量,接入时刻为1,其余时刻为0; $I_{lt}^{all}$ 为电动汽车充、放电时间,在接入时间后一时刻到离开时间为1,其余时间为0;I_lt 为接入时刻和充、放电时间之和; $I_{lt}^{EV, c}$ 为电动汽车充电状态,充电为1,否则为0; $I_{lt}^{EV, d}$ 为电动汽车放电状态,放电为1,否则为0; $P_{l}^{c, ra} 、 P_{l}^{d, ra}$ 分别为电动汽车额定充、放电功率;M为足够大正数; $S_{lt}^{EV}$ 为电动汽车电池荷电状态; $S_{l, 0}^{EV}$ 为电动汽车初始荷电状态; $S_{l (t - 1)}^{EV}$ 为电动汽车t-1时刻的电池荷电状态; $η_{l}^{EV, c} 和 η_{l}^{EV, d}$ 分别为电动汽车充、放电效率; $E_{l}^{EV}$ 为电动汽车电池容量; $I_{lt}^{dep}$ 为电动汽车离开时刻,离开时刻为1,其余时刻为0; $S_{l, T}^{EV}$ 为电动汽车离开时刻电池荷电状态; $S_{l}^{EV, \min} 和 S_{l}^{EV, \max}$ 分别为电池荷电状态的下限和上限.式(9)为电动汽车充放电状态约束;式(10)和(11)分别为充、放电功率约束;式(12)为电动汽车电池初始荷电状态计算式;式(13)为电动汽车电池荷电状态约束;式(14)为电动汽车充电完成离开园区时电池荷电状态约束;式(15)为电动汽车电池荷电状态上下限约束.

2.2.3 碳捕集与碳储存约束

${M^{e}}_{t} = \sum_{p} M_{pt}^{CHP} + \sum_{q} M_{qt}^{GT} + M_{t}^{gri} - {M^{c}}_{t}$

(16)

${M^{c}}_{t} + M_{t}^{out} - M_{t}^{in} + {M^{b}}_{t} = \sum_{m} M_{mt}^{P 2 G} + {M^{s}}_{t}$

(17)

$0 \leq {M^{c}}_{t} \leq η^{c} (\sum_{p} M_{pt}^{CHP} + \sum_{q} M_{qt}^{GT})$

(18)

$M_{pt}^{CHP} = μ_{p}^{CHP} P_{pt}^{CHP}$

(19)

$M_{qt}^{GT} = μ_{q}^{GT} P_{qt}^{GT}$

(20)

$M_{t}^{gri} = μ^{coa} P_{et}^{in}$

(21)

$M_{mt}^{P 2 G} = α_{m}^{C O_{2}} η_{m}^{P 2 G} P_{mt}^{P 2 G} / L_{HAN}$

(22)

$E_{t}^{st} = E_{t - 1}^{st} + (1 - λ^{st}) M_{t}^{in} - M_{t}^{out}$

(23)

$E^{st, \min} \leq E_{t}^{st} \leq E^{st, \max}$

(24)

$M^{in, \min} \leq M_{t}^{in} \leq M^{in, \max}$

(25)

$M^{out, \min} \leq M_{t}^{out} \leq M^{out, \max}$

(26)

$0 \leq {M^{b}}_{t} \leq M^{b, \max}$

(27)

$0 \leq {M^{s}}_{t} \leq M^{s, \max}$

(28)

$\begin{array}{l} {P^{c}}_{t} = θ {M^{c}}_{t} + {I^{c}}_{t} {P^{c}}_{0} \end{array}$

(29)

式中: $M_{pt}^{CHP}$ 为第p台CHP在t时刻的碳排放量; $M_{qt}^{GT}$ 为第q台燃气轮机在t时刻的碳排放量; $M_{t}^{gri}$ 为从上级电网购电产生的碳排放量; ${M^{c}}_{t}$ 为二氧化碳捕集量; $M_{t}^{in} 和 M_{t}^{out}$ 分别为储碳设备的碳存入、输出量; $M_{mt}^{P 2 G}$ 为第m台P2G在t时刻的碳消耗量;η^c 为碳捕集率; $μ_{p}^{CHP} 、 μ_{q}^{GT} 和 μ^{coa}$ 分别为CHP、燃气轮机和主网的碳排放强度; $α_{m}^{C O_{2}}$ 为生成单位功率天然气需要的二氧化碳量; $η_{m}^{P 2 G}$ 为第m台P2G的电转气效率;L_HAN 为天然气低热值,取值9.7(kW·h)/m³; $E_{t}^{st}$ 为储碳设备储碳量;λ^st 为储碳损耗系数; $E^{st, \min} 和 E^{st, \max}$ 分别为储碳设备的最小、最大储碳量; $M^{in, \min} 和 M^{in, \max}$ 为储碳设备最小、最大碳存入量; M^out,min和M^out,max为储碳设备最小、最大碳输出量;M^b,max为园区外购碳量的最大值;M^s,max 为园区售碳量的最大值;θ为处理单位二氧化碳的能耗; ${I^{c}}_{t} 为$ 碳捕集设备启停状态,开机为1,关机为0; ${P^{c}}_{0}$ 为碳捕集设备运行的维持功率.式(16)为园区实际碳排放量的计算公式;式(17)为园区碳交易碳平衡约束;式(18)为碳捕集量约束;式(19)和式(20)分别为CHP、燃气轮机的碳排放量计算式;式(21)把上级电网等效为燃煤电厂计算碳排放量^[22,23], 式(22)为P2G耗电量与耗碳量间的关系;式(23)为储碳设备储碳量计算;式(24)为储碳设备最小、最大储碳量约束;式(25)和式(26)分别为储碳设备的碳存入量、碳输出量上下限约束;式(27)为购碳量最小、最大约束;式(28)为售碳量最小、最大约束,式(29)为碳捕集设备的能耗计算式.

2.2.4 价格型联合热电需求响应约束价格响应型负荷的能耗会随着电价的上涨而单调下降,可以用如图2所示需求响应阶梯型价格曲线直观表示价格响应负荷相对于电价变化的变化^[24].其中:α_et 为可响应电负荷比例; $P_{et}^{loa}$ 为预测电负荷功率;P_et 为园区实际电负荷功率; $P_{et}^{dr}$ 为可响应电负荷功率; $P_{et}^{loa, \max}$ 为t时刻最大电负荷功率; $P_{t}^{ld}$ 为t时刻的电负荷功率.根据能源市场价格的变化,价格型响应负荷可以被削减或者转移到其他的运行时间段,即当需求响应投标价格小于分时电价时,价格型可响应负荷参与园区运行调度.可响应负荷为正值时表示电负荷被削减或者转移到其他运行时刻,可响应负荷为负值时表示该时刻获得从其他时刻转移的负荷而增加.

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 需求响应阶梯型价格曲线

Fig.2 A stepwise price curve of demand response

$(X_{(t - 1)}^{on} - T_{e}^{on}) (Y_{e (t - 1)} - Y_{et}) \geq 0$

(30)

$(X_{e (t - 1)}^{off} - T_{e}^{off}) (Y_{et} - Y_{e (t - 1)}) \geq 0$

(31)

$P_{et} = (1 - α_{et}) P_{et}^{loa} + \sum_{k} P_{ekt}$

(32)

$P_{et} = P_{et}^{loa} - P_{et}^{dr}$

(33)

$0 \leq P_{ekt} \leq P_{ek}^{\max}$

(34)

$- (1 - Y_{et}) M \leq P_{et}^{dr} \leq α_{et} P_{et}^{loa} + (1 - Y_{et}) M$

(35)

$- Y_{et} M + P_{et}^{loa} - P_{et}^{loa, \max} \leq P_{et}^{dr} \leq Y_{et} M$

(36)

$\begin{array}{l} 0 \leq \sum_{t} P_{et}^{dr} \leq E_{e}^{\max} \end{array}$

(37)

式中: $X_{e (t - 1)}^{on} 和 X_{e (t - 1)}^{off}$ 分别为电负荷转入、转出时间; $T_{e}^{on} 和 T_{e}^{off}$ 分别为电负荷最小转入、转出时间;Y_et 为电负荷t时刻转移状态的0-1变量,转出为1;P_ekt 为电负荷在第k段t时刻的电功率; $P_{ek}^{\max}$ 为第k段最大电功率; $E_{e}^{\max}$ 为整体可削减量.式(30)和(31)为价格型可响应电负荷转出/转入最小持续时间限制;式(32)为需求响应后电负荷功率P_et 、非弹性负荷功率 $(1 - α_{et}) \cdot P_{et}^{loa}$ 和分段电负荷功率P_ekt 间的关系;式(33)为需求响应后的电负荷功率、预测电负荷功率和可响应电负荷功率间的关系;式(34)为分段电负荷功率的范围限制;式(35)和(36)为可响应电负荷变化范围约束;式(37)为调度周期内可响应电负荷整体可消减量限制,整体可削减量 $E_{e}^{\max}$ 为正值表示调度周期内电负荷允许被削减,整体可削减量 $E_{e}^{\max}$ 为0则表示某些调度时段所有减少的电负荷需全部转移到其他调度时段.

价格型热需求响应建模和价格型电需求响应类似,如下式所示:

$(X_{h (t - 1)}^{on} - T_{h}^{on}) (Y_{h (t - 1)} - Y_{ht}) \geq 0$

(38)

$(X_{h (t - 1)}^{off} - T_{h}^{off}) (Y_{ht} - Y_{h (t - 1)}) \geq 0$

(39)

$H_{ht} = (1 - α_{ht}) H_{ht}^{loa} + \sum_{k} H_{hkt}$

(40)

$H_{ht} = H_{ht}^{loa} - H_{ht}^{dr}$

(41)

$0 \leq H_{hkt} \leq H_{hk}^{\max}$

(42)

$- (1 - Y_{ht}) M \leq H_{ht}^{dr} \leq α_{ht} H_{ht}^{loa} + (1 - Y_{ht}) M$

(43)

$- Y_{ht} M + H_{ht}^{loa} - H_{ht}^{loa, \max} \leq H_{ht}^{dr} \leq Y_{ht} M$

(44)

$\begin{array}{l} 0 \leq \sum_{t} H_{ht}^{dr} \leq E_{h}^{\max} \end{array}$

(45)

式中: $X_{h (t - 1)}^{on} 和 X_{h (t - 1)}^{off}$ 分别为热负荷转入、转出时间; $T_{h}^{on} 和 T_{h}^{off}$ 分别为热负荷最小转入、转出时间;Y_ht 为热负荷t时刻转移状态的0-1变量,转出为1;H_ht 为园区实际热负荷功率;α_ht 为可响应热负荷比例; $H_{ht}^{loa}$ 为预测热负荷功率;H_hkt 为热负荷在第k段t时刻的热功率; $H_{ht}^{dr}$ 为可响应热负荷; $H_{hk}^{\max}$ 为第k段最大热功率; $H_{ht}^{loa, \max}$ 为t时刻最大热负荷功率; $E_{h}^{\max}$ 为热负荷整体消减量.

3 算例分析

3.1 算例系统介绍

本文仿真对象为多能源园区系统(见图1),风、光出力预测值如图3所示,其中:P为电功率.电、热负荷预测值和电动汽车无序接入后总电负荷值如图4所示,其中:调度时间为24 h;弃风、弃光惩罚价格为1元/kW;电动汽车30辆;电动汽车接入园区时刻服从 ${正态分布}_{T}^{l} ~N (7.75,1 . 5^{2}); 离开园区时刻满足正态分布 T_{l}^{dep} ~N (17.36,3 . 4^{2}); 初始荷电状态符合正态分布 S_{l, 0}^{EV} ~N (0.5,0 . 05^{2});$ 电动汽车其余参数可见文献[25].电、热需求响应阶梯价格最大分别为0.25,0.20元/(kW·h),最小分别为0.10,0.10元/(kW·h),共分5段.调度时间内可响应负荷整体削减量 $E_{e}^{\max} 和 E_{h}^{\max}$ 为0,燃气轮机和CHP机组碳排放强度分别为0.85 kg/(kW·h)、0.78kg/(kW·h),主网碳排放强度为0.90kg/(kW·h),碳捕集装置的固定能耗为1.5 kW,捕集单位二氧化碳所需功率0.269 (kW·h)/kg,P2G装置产生单位功率天然气需要二氧化碳0.96 kg/(kW·h), 储碳损耗系数为0.01,最大碳捕集水平为0.85,其余设备的组件类型与参数和相关能源转换效率详见文献[17].园区分时电价设置如表1所示.

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 风电和光伏出力

Fig.3 Outputs of WT and PV

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 电、热负荷预测值和电动汽车无序接入后总电负荷

Fig.4 Predicted value of electric and heat load and total electric load of electric vehicle after unordered access

表1 分时电价

Tab.1 Time-of-use electricity price

时段	时间/h	购电/[元· (kW·h)^-1]	售电/[元· (kW·h)^-1]
谷时	1:00—7:00,23:00—24:00	0.17	0.13
平时	8:00—9:00,14:00—15:00, 21:00—22:00	0.49	0.38
峰时	10:00—13:00,16:00—20:00	0.83	0.65

新窗口打开| 下载CSV

图4为对电动汽车无序接入后的总电负荷与预测电负荷的对比.从图4可以看到,电动汽车6:00接入园区后进行无序充电,13:00所有电动汽车充电结束.相对于未考虑电动汽车的预测电负荷,电动汽车无序充电后电负荷第一次峰值增99.54 kW,园区出现“峰上加峰”现象.因此,电动汽车无序充电会增大园区电负荷峰谷差,增加园区负荷调度的难度,不利于多能源园区的安全运行.

3.2 多能源转换设备对高比例新能源消纳的影响

为探究储热设备、电转气设备及储气设备对高比例新能源的消纳作用,本节在假设电动汽车无序接入的情况下,对如表2所示4种运行方式进行仿真分析,其中:“×”表示未接入该设备;“√”表示接入该设备.

表2 方式1~4设置

Tab.2 Setting of Mode 1 to 4

设备	方式1	方式2	方式3	方式4
储热设备	×	√	×	√
P2G及储气设备	×	×	√	√

新窗口打开| 下载CSV

表3为方式1~4条件下的园区成本,由表3可知,方式1~4均没有失负荷.方式1未引入储热设备、P2G及储气设备,产生弃光功率66.60 kW·h.方式2~4未出现弃风和弃光现象,且相对于方式1,方式2~4总成本分别减小149.38元、78.29元和160.97元,这是因为方式2比方式1多考虑储热设备,储热设备在电价低谷时段把电能转换为热能储存起来,在电价高峰时段释放热能以降低电锅炉的用电需求,从而减少园区购电成本,增加售电收益,促进新能源消纳;方式3在方式1的基础上接入P2G及储气设备,P2G将剩余的风光出力转换为天然气储存于储气设备中,避免弃风弃光现象的发生;方式4同时考虑储热设备、P2G及储气设备,相同调度时间内电热转换、电气转换的频次增加,园区多能互补能力增强,进一步降低购电成本,增加售电收益.因此,储热设备、P2G及储气设备等能源耦合设备的引入,增强了园区多能耦合能力,提高了高比例新能源利用率,降低了园区运行成本.

表3 方式1~4成本(元)

Tab.3 Cost of Mode 1 to 4 (RMB Yuan)

运行方式	总成本	购电成本	售电收益	购气成本	机组启停成本	弃光惩罚
方式1	956.93	385.46	525.40	1025.59	4.68	66.6
方式2	807.55	322.19	606.39	1076.10	15.64	0
方式3	878.64	385.46	526.18	1014.67	4.68	0
方式4	795.96	298.62	621.52	1103.22	15.64	0

新窗口打开| 下载CSV

图5和6分别为方式2与3下,CHP出力、燃气轮机出力、电锅炉耗电和P2G耗电情况.由图5可知,方式2加入储热设备,电锅炉可以在电价低谷时段将电能转换为热能储存在储热设备中供给电价高峰时的热负荷,不必24 h均开机,即在电价低谷时段 23:00—7:00和风光出力较大时段10:00—17:00,电锅炉电制热成本低,电锅炉消耗电能产生热能,8:00—9:00和18:00—20:00的电价高于购气价格,电锅炉不开机,CHP出力增加,而 21:00—22:00 虽然电价比购气价格贵但风电出力较大,因而电锅炉开机消纳剩余的风电.由于园区接入高比例新能源,风光出力和CHP出力可以满足电负荷需求,且园区的购气价格高于谷时电价,为使园区运行经济性最优,燃气轮机不开机.但在 18:00—21:00 时间段内,风光出力大幅度减小,CHP满发仍不能满足园区电负荷用电需求,燃气轮机需开机以维持电量平衡.由图6可知,方式3未考虑储热设备,CHP不能满足园区热量平衡,电锅炉需24 h开机,在4:00、13:00和 16:00 风电/光伏出力达到峰值时,电锅炉不能消纳的剩余风电由P2G消纳.在 17:00—21:00,电锅炉耗电使得园区晚高峰的用电需求增加,但此时风光出力较小无法维持电量平衡,燃气轮机开机并且出力大于方式2.综上,储热设备可以减少电锅炉开机时间,延长电锅炉寿命的同时促进新能源消纳,P2G及储气设备可以进一步消纳剩余新能源,增加新能源的渗透率.

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 方式2下CHP出力、燃气轮机出力和电锅炉耗电功率

Fig.5 CHP output, gas turbine output, and power consumption of electric boiler in Mode 2

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 方式3下CHP、燃气轮机出力和电锅炉、P2G耗电功率

Fig.6 CHP output, gas turbine output, and power consumption of electric boiler and P2G in Mode 3

3.3 电动汽车充电方式对多能源园区调度的影响

为探究电动汽车充电方式对园区运行的影响,在方式4的基础上设置有序充电比例分别为20%、40%和60%得到方式4.1~4.3.

图7描述电动汽车不同有序充电比例下的净电负荷变化情况.由图7可知,与方式4相比,方式4.1~4.3的电动汽车有序充电功率大部分从 6:00—10:00平移到11:00—16:00,其余有序充电功率转移到23:00—24:00,即电动汽车采用有序充电后,园区净电负荷在6:00—10:00减小,在 11:00—16:00增加,园区净电负荷峰谷差分别减小66.06 kW,118.85 kW和123.40 kW.这是因为 13:00 光伏出力达到峰值,11:00、13:00 和 16:00 风电出力也是峰值,风光出力富余,且 14:00—15:00 电价便宜,充电费用较低,所以电动汽车进行大量有序充电;18:00—22:00 电价较高,而 23:00—24:00 属于电价谷时段,少量电动汽车在 23:00—24:00 充电.再结合表4可知,随着电动汽车有序充电比例的增加,园区运行成本不断减少.综合以上,有序充电方式增强了电动汽车的可控性,有效避免电动汽车在园区用电高峰时段进行充电,实现园区净电负荷“削峰填谷”,降低多能源园区运行成本,有利于园区安全运行,且随着有序充电比例的增加,其产生的积极作用更明显.

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 EV有序充电对净电负荷的影响

Fig.7 Influence of EV ordered charge on net power load

表4 方式4~4.3的园区成本

Tab.4 Cost of park in Mode 4 to 4.3

运行方式	成本/元
方式4	795.96
方式4.1	773.49
方式4.2	750.09
方式4.3	744.03

新窗口打开| 下载CSV

3.4 价格型联合热电需求响应模型的优势

为验证本文所提联合热电需求响应模型的优势,在方式4.3的基础上设置电需求响应比例为0.1得到方式5,又在方式5的基础上考虑联合热电需求响应得到如下设置.

方式5.1 考虑联合热电需求响应,且响应比例为0.1;

方式5.2 在方式5.1的基础上,增大响应比例为0.2.

图8为考虑需求响应后净电负荷变化情况图.从图8可以看到,方式5考虑电需求响应,根据分时电价和需求响应阶梯价格曲线引导,平时和峰时电价高于需求响应阶梯型价格,可响应电负荷在 8:00—22:00 转出或中断,在电价谷时段 23:00—7:00 转入;相对于方式5,方式5.1考虑联合热电需求响应,电热耦合增强,在电价谷时段转入的电负荷增多,一定程度上减少高峰时段电负荷,有效缓解园区用电高峰期用电紧张情况;在方式5.1的基础上,方式5.2增加联合需求响应比例后,园区内可响应负荷的调度灵活性增强,在峰时段转出或者中断的负荷量增多,在谷时段转入的负荷也增加.此外,由表5可得,相对于不考虑需求响应的方式4.3,方式5减少园区购气费用,增加电需求响应收益,成本降低了145.73元.在方式5的基础上,方式5.1联合热电需求响应收益增加的同时有效降低园区购电费用,成本减少105.03元;方式5.2联合热电需求响应的比例增大到20%后,成本比方式5降低了313.20元.因此,采用联合热电需求响应比仅采用电需求响应更能灵活调度园区内可响应负荷,有效缓解系统运行压力,增加园区收益.

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 考虑需求响应后净电负荷变化情况

Fig.8 Change of net power load considering demand response

表5 方式4.3~5.2成本对比(元)

Tab.5 Cost comparison in Mode 4.3 to 5.2 (RMB Yuan)

运行方式	总成本	购电成本	售电收益	购气成本	机组启停成本	需求响应收益
方式4.3	744.03	192.37	677.66	1213.68	15.64	-
方式5	598.30	266.82	637.11	1035.78	15.64	82.83
方式5.1	493.27	207.50	596.39	1045.03	15.64	178.51
方式5.2	285.10	219.24	643.91	1044.34	15.64	350.20

新窗口打开| 下载CSV

3.5 多能源园区日前低碳经济调度仿真分析

3.5.1 碳交易价格变化对多能源园区低碳性的影响为分析碳交易价格变化对园区低碳性的影响,在方式5.1条件下引入碳交易机制,设单位电量的碳排放基准额度为0.36 kg/kW,改变碳交易价格分别为0.50、1.00、1.50、2.00、2.50和3.00元/kg得到方式6.1~6.6.

图9~11为方式6.1~6.6下园区各项费用、园区与主网交换功率和燃气轮机出力变化情况.图9中正值表示成本,负值表示收益,由于机组启停成本和联合热电需求响应收益不变,所以未画出.图10中,正值表示园区向主网购电,负值表示园区向主网售电.表6为方式6.1~6.6下园区实际碳排放量.从图9可以看到,随碳交易价格的增加,购电成本不断减小,售电收益逐渐减小为0,购气成本先保持不变后增加,这是因为碳交易价格的增加使碳交易成本在目标函数中的比重逐渐增大,园区优先采取更清洁的供电方式使整体目标最优,又因为上级电网单位碳排放强度大于燃气轮机大于CHP,所以园区优先采用减少主网购电功率、增加CHP出力的供电方式.但CHP机组为满足园区热负荷需求一直处于满发状态,无剩余可调节出力,因此为维持系统电量平衡,园区先减少售电功率,当售电功率不能减少后,原本由外购电功率供给的电负荷转为燃气轮机供给,燃气轮机出力随碳交易价格的增加而增加.购气成本在燃气轮机未开机前保持不变,后随燃气机组出力的增加而增加,购电成本随主网购电功率的减小而减少,售电收益随售电功率逐渐降低到 0 kW 而逐渐减少到0元.此外,由表6可知,随碳交易价格的增加,碳排放量先减少后略微增加,碳交易成本不断减小.因为在方式6.1~6.3的条件下,购电功率不断减小,燃气轮机未产生碳排放,园区碳排放量随购电功率减小而减少,碳排放量与碳排放配额差值从正值变为负值,且差值逐渐扩大,所以碳交易成本随碳交易价格增加而减小.而在方式 6.4~6.6条件下,燃气轮机出力相对方式6.3分别增加542.21 kW、1005.52 kW和 1086.7 kW,园区内生成的二氧化碳增多,但据表6可知碳排放量略微增加,再结合碳排放配额计算式可知碳排放配额增加幅度大于碳排放量增长幅度,碳交易成本仍然降低.从图9中还可以看到,园区总成本随碳交易价格的增加先略微增加后逐渐降低,这是因为方式6.1~6.2条件下,碳交易成本降低值小于购电成本增长值与售电收益减小值之和,总成本略微增加,而在方式 6.3~6.6条件下,碳交易成本不断减小,且其减少值大于购电成本增长值,园区总成本逐渐降低.

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 方式6.1~6.6下园区各项费用变化情况

Fig.9 Change of park expenses in Mode 6.1 to 6.6

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 方式6.1~6.6主网交换功率

Fig.10 Exchange power of major network in Mode 6.1 to 6.6

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 方式6.1~6.6燃气轮机出力变化

Fig.11 Change of gas turbine output in Mode 6.1 to 6.6

表6 方式6.1~6.6碳排放量

Tab.6 Carbon emissions in Mode 6.1 to 6.6

运行方式	碳排放量/kg
方式6.1	996.80
方式6.2	483.01
方式6.3	472.33
方式6.4	508.32
方式6.5	544.70
方式6.6	552.00

新窗口打开| 下载CSV

未考虑碳交易约束的园区二氧化碳生成量为 2021.56 kg,表6所示方式6.1~6.6的碳排放量分别降低50.69%、76.11%、76.64%、74.86%、73.06%和72.69%.因此,向多能源园区引入碳交易约束后明显降低园区碳排放量,实现园区低碳经济运行.

3.5.2 单位电量的碳排放基准额度变化对多能源园区低碳性的影响为探究单位电量碳排放基准额度变化的影响,在方式5.1基础上设置碳交易价格为0.50元/kg,改变单位电量的碳排放基准额度分别为0.26,0.36,0.46,0.56,0.66,0.76 kg/kW得到方式7.1~7.6.

表7为园区在方式7.1~7.6运行条件下的各成本明细和碳排放量变化情况,由于机组启停成本和联合热电需求响应收益不变,未包含在表7中.由表7可知,随着单位电量碳排放基准额度的增加,购电成本、碳交易收益、总成本和碳排放量逐渐增加,结合图12所示园区购电功率变化情况可知,园区购电功率随单位电量的碳排放基准额度的增加而增加,购电成本不断增加.而单位电量的碳排放基准额度的增加使得园区碳排放配额扩大,碳排放约束逐渐宽松,碳排放量略微增加,但碳排放配额增长幅度大于碳排放量增长幅度,所以碳排放配额逐渐大于碳排放量,碳交易费用由成本转为收益,且收益逐渐增大.综上,园区收益增加的幅度大于成本增加的幅度,园区总成本随单位电量的碳排放基准额度的增加而降低.

表7 式7.1~7.6成本明细和碳排放量

Tab.7 Detailed cost and carbon emissions in Mode 7.1 to 7.6

运行方式	购电成本/元	售电收益/元	购气成本/元	碳交易收益/元	总成本/ 元	碳排放量/kg
方式7.1	93.61	414.37	1218.27	-224.25	955.32	980.35
方式7.2	109.58	411.54	1206.53	-113.14	850.78	996.80
方式7.3	114.07	406.95	1202.22	0.61	742.66	1005.49
方式7.4	177.56	494.91	1194.29	86.66	626.17	1189.38
方式7.5	178.75	497.28	1194.29	207.49	504.40	1195.72
方式7.6	382.38	497.28	1194.29	329.51	382.38	1195.72

新窗口打开| 下载CSV

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 方式7.1~7.6购电功率

Fig.12 Purchasing power in Mode 7.1 to 7.6

4 结论

本文针对多能源园区高比例新能源消纳和低碳经济调度问题,在考虑储热设备、电转气及储气设备的基础上,建立了园区电动汽车有序充电模型、联合热电需求响应模型、碳捕集和储碳模型,然后计及碳交易约束提出一种考虑高比例新能源消纳的多能源园区日前低碳经济调度模型,并通过算例分析验证了所提模型的有效性,具体结论如下.

(1) 考虑储热设备、电转气及储气设备后,多能源园区能源转换效率进一步提升,多能互补能力增强,促进了高比例新能源的消纳.

(2) 通过有序充电可以引导电动汽车在电价低谷和新能源出力较大时充电,实现削峰填谷,增加园区运行的安全性和经济性.

(3) 考虑联合热电需求响应后,系统电-热耦合增强,可响应资源增加,调度灵活性有效增强,购电成本明显降低,园区收益增加.

(4) 碳交易约束对多能源园区低碳经济作用显著.考虑碳交易约束后,园区碳排放量明显降低;园区总成本随碳交易价格的增加先增加后减小,随单位电量的碳排放基准额度的增加而减小.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

孙秋野, 胡杰, 胡旌伟, 等.

中国特色能源互联网三网融合及其“自-互-群”协同管控技术框架

[J]. 中国电机工程学报, 2021, 41(1):40-51.