电能量和旋转备用市场下电-热综合能源系统低碳优化运行
Low-Carbon Optimal Operation of an Integrated Electricity-Heat Energy System in Electric Energy and Spinning Reserve Market
通讯作者: 王 旭,男,副教授,电话(Tel.):18801903426;E-mail:wangxu1989@sjtu.edu.cn.
责任编辑: 石易文
收稿日期: 2021-08-12
基金资助: |
|
Received: 2021-08-12
作者简介 About authors
江婷(1998-),女,湖北省黄石市人,硕士生,主要从事电力市场和电力系统优化运行研究.
建立电-热综合能源系统,同时参与电能量市场和旋转备用市场的日前优化决策模型,并将阶梯式碳交易引入该模型中.模型采用条件风险价值方法对新能源和电负荷不确定性风险进行管理,以电-热综合能源系统运营方案成本和碳排放成本最低为目标函数,制定运行计划和安排备用资源.算例分析表明,该模型通过发挥综合能源系统多能互补优势和合理安排备用资源应对不确定性因素引发的风险,提高了能源供应的可靠性、经济性和低碳性.
关键词:
A day-ahead optimal decision-making model is established for an integrated electricity-heat energy system to participate in both the electric energy market and the spinning reserve market, and the step-by-step carbon trading is introduced into the proposed model. The conditional value at risk method is used to manage the uncertainty risk of renewable energy and electrical load. With the objective to minimize the operation scheme cost and carbon emission cost, an operation plan is developed and the reserve resources are arranged for the integrated electricity-heat energy system. The results of a case study show that the proposed model improves the reliability, economy, and low-carbon level by taking the complementary advantages of the integrated energy system and reasonably arranging reserve resources to deal with the risks caused by uncertain factors.
Keywords:
本文引用格式
江婷, 邓晖, 陆承宇, 王旭, 蒋传文, 龚开.
JIANG Ting, DENG Hui, LU Chengyu, WANG Xu, JIANG Chuanwen, GONG Kai.
多能耦合综合能源系统由于对提升能源系统经济性和清洁性的显著作用[4],被认为是节能减排的最有效举措之一[5],电-热综合能源系统的低碳运行一直是该领域的研究热点.目前,有关电-热综合能源系统的研究集中在经济调度方面.文献[6]建立了考虑电-热负荷波动的不确定性的电网和热网的基础稳态潮流模型.文献[7]和[8]分别采用区间数和模糊向量描述风力发电出力及电、热负荷的不确定性,分别基于区间优化和模糊机会约束规划建立了考虑热网热损失和热延迟动态特征的区域电-热综合能源系统模型,并量化了热电协调和动态热网运行的经济效益和环保效益.文献[9]以经济性和环保性最优为目标,建立了考虑电热传输损耗与网络传输约束的电-热综合能源系统优化调度模型,并设计了双层双Lagrange乘子迭代算法对该问题进行有效求解.上述模型尽管考虑了电-热综合能源系统的工作特性并实现了兼顾环保性的同时经济性最优,但对环境问题描述不够详尽,且缺乏合理的市场机制以促进市场主体向低碳环保转型.
碳交易被认为是减少碳排量的有力举措,与此同时,低碳优化运行也成为兼顾能量生产经济性和系统排放低碳性的重要手段.目前我国碳市场尚处于摸索阶段,其主要分为传统碳交易机制和阶梯式碳交易机制[5].在传统碳交易机制的基础上,文献[10]在机组组合优化目标中加入了碳排放成本,提出了考虑碳排放权交易的智能电网机组组合模型.文献[11]结合我国实际地理环境因素和电力行业特殊,提出了基于区域比较的两级分配机制,保证了碳排放权分配的合理性和高效性.文献[12]提出了考虑场景概率的含风电系统低碳经济调度模型,通过改进的多目标粒子群算法验证了本文所提模型具有的社会效益和经济效益.文献[13]在综合能源系统电-气耦合调度中引入阶梯式碳交易机制,研究发现综合需求响应和天然气市场有利于减少电力系统碳排放量,但考虑碳排放量后综合需求响应可能会导致电力负荷出现反向特性.然而,电-热综合能源系统在运行过程中面临可再生能源出力和负荷波动等多种不确定因素,给决策和系统安全运行带来巨大挑战,上述文献均未在碳交易中考虑这些不确定因素.
本文在前人研究的基础上,引入阶梯式碳交易机制,提出综合考虑经济性和环保性的电能量和旋转备用市场下电-热综合能源系统低碳优化运行模型.针对该综合能源系统面临的不确定性问题和由此带来的风险,采用随机优化处理风电出力和电负荷的不确定性,并通过条件风险价值(CVaR)量化风险,降低不确定性决策的盲目性;在此基础上,重点讨论不同综合能源系统决策方案和风险系数对系统利润的影响,以及各分布式能源的优化情况.最后,通过仿真算例和对比分析验证了阶梯式碳交易机制下综合能源系统低碳优化运行模型的合理性,并分析了储能容量对系统决策的影响.
1 电-热综合能源系统结构和基本原理
电-热综合能源系统通过能量转换设备将传统的电网和热网耦合起来,对各种能源的产生、传输、转换、消费、交易等环节实施有机协调与优化,实现经济可靠运行.其中,电负荷由微型燃气轮机(MT)、燃料电池(FC)、热电联产(CHP)机组、电储能(ES)和风电机组(WT)供给,热负荷由CHP机组、锅炉和热储能(TS)供给.电负荷包括固定负荷部分和参与电力需求响应(EDR)部分,其中EDR主要考虑的是可中断类型,综合能源系统可中断EDR,但需向用户支付补偿费用.而热负荷包括固定负荷部分和参与热力需求响应(HDR)的灵活热负荷部分,其中HDR主要考虑的是的热水负荷类型.综合能源系统可通过调整内部MT、FC、CHP机组备用容量和EDR水平,在保证供电供热稳定的前提下向旋转备用市场提供一定备用,从而提高决策灵活性,进而获取更大收益[14].典型的电-热综合能源系统结构如图1所示,其中:箭头方向为能量流动方向.
图1
2 电-热综合能源系统低碳优化运行模型
2.1 碳交易机制及其分配原则
碳交易是通过建立合法的碳排放权并允许对其进行买卖,从而实现碳排放量控制的交易机制[15].在碳交易机制下,碳排放量成为可以进行自由交易的商品.首先,政府或者监管部门以控制碳排放总量为目标,为各个碳排放源分配碳排放份额.电力行业碳排放权分配一般根据发电机组有功出力确定初始的无偿碳排放份额,实际超出或者不足的部分则根据当日的碳交易价格(即单位碳排放量价格)在碳交易市场完成购买或出售[16].碳交易机制利用市场手段对碳排放量进行控制,可极大地激发企业节能减排的积极性[17].在借鉴阶梯电价的基础上,本文采取的阶梯式碳交易模型如图2所示.其中:S为碳排放量区间数;
图2
阶梯式碳交易是指将CO2排放量设置为若干个阶梯分段或分档次定价计算费用,通过分段CO2排放量可以实现细分市场的差别定价,提高能源效率.
基于以上模型,碳交易成本Ccm可表示为
式中:E0为无偿碳排放额.
2.2 电-热综合能源系统多目标优化模型
2.2.1 目标函数 电-热综合能源系统以参与电能量和旋转备用市场获得的经济收益Fsys最大化为目标进行决策,因此优化模型的目标函数如下:
式中:t=1,2,…,T,为时段;ω为场景;nω 和nt 分别为场景数和时段数;πω 为场景ω的发生概率;
式中:
MT和FC成本
式中:ni为MT和FC单元数;
假设CHP机组以天然气为燃料,则CHP机组成本
式中:nk为CHP机组数;860为kW·h转化为kcal的单位转换比率;
同理,锅炉成本
式中:nl 为锅炉单元数;
储能成本
式中:nm 和nn 分别为ES和TS单元数;
EDR成本
式中:qp 为中断水平级数;
碳交易成本
CVaR值FCVaR可用来度量由于电价不确定性以及风电出力不确定性导致总收益变动的风险.对于一个离散的收益分布来说,当置信水平为α时,FCVaR对应小概率1-α场景集合的期望收益[19]:
式中:ξ为风险价值(VaR);φω为场景ω下总收益与ξ的差额.
2.2.2 约束条件
(1) MT和FC约束.
式中:
(2) CHP机组约束.
式中:
(3) 锅炉约束.
式中:
(4) ES和TS约束.
式中:
由于TS与ES约束条件式(31)~(37)一致,在此不再赘述.
(5) EDR约束.
图3
因此EDR约束可以表示为
式中:
(6) HDR约束.
热水负荷用户对水温有一个可接受的范围[22],可表示为
式中:
(7) 电、热功率平衡约束.
式中:
(8) 竞标备用容量
(9) 电-热综合能源系统备用约束.
除向旋转备用市场竞标的备用容量
式中:
(10) 碳交易约束.
(11) CVaR相关约束.
2.3 模型求解
图4
3 算例分析
3.1 参数设置
图5
3.2 优化结果对比及分析
以β=0.6为例,求解得到电-热综合能源系统的优化结果如下.图6为各时段所有CHP机组供电功率和备用容量, 其中:
图6
图6
各时段CHP机组供电功率和备用容量
Fig.6
Electric power output and reserve capacity of CHPs in each period
图7
图7
各时段MT和FC输出功率和备用容量
Fig.7
Electric power output and reserve capacity of MT and FC generators in each period
图8给出了各时段锅炉供热功率,其中:
图8
图9为各时段ES荷电状态和TS储热状态优化结果,其中:
图9
图9
各时段ES荷电状态和TS储热状态
Fig.9
Electric storage capacity of ESs and thermal storage capacity of TSs in each period
图10
3.2.1 不同模型优化结果对比
模型1 不采用CVaR来应对风电出力与电负荷的不确定性,在阶梯型碳交易模型下,目标函数仅包含系统运行成本,不包含碳交易成本.
模型2 不采用CVaR来应对风电出力与电负荷的不确定性,但将阶梯型碳交易成本计入目标函数中.
模型3 采用CVaR处理风电和负荷预测不确定性问题,且不将阶梯型碳交易成本计入目标函数中.
模型4 采用CVaR处理风电和负荷预测的不确定性,并将阶梯型碳交易成本计入目标函数中.
表1 不同模型优化结果对比
Tab.1
模型 编号 | 电能量 市场收 益/欧元 | 旋转备用 市场收益/ 欧元 | MT和 FC成本/ 欧元 | CHP机 组成本/ 欧元 | 锅炉成本/ 欧元 | 储能成本/ 欧元 | DR成本/ 欧元 | 碳交易成 本/欧元 | 碳排 放量/t | CVaR/ 欧元 | 总收益/ 欧元 |
---|---|---|---|---|---|---|---|---|---|---|---|
1 | -4242.77 | 120983.34 | 5734.82 | 2697.99 | 1947.66 | 1004.55 | 976.41 | 909.56 | 918.33 | — | 99230.48 |
2 | -5951.53 | 120947.99 | 4301.35 | 2706.44 | 1746.37 | 991.92 | 976.52 | 188.71 | 857.61 | — | 99712.72 |
3 | -4935.42 | 120713.24 | 6000.63 | 2650.66 | 2040.06 | 991.98 | 944.67 | 930.4 | 923.61 | 42748.05 | 124511.26 |
4 | -6546.11 | 121121.77 | 5184.85 | 2631.99 | 1945.57 | 1077.63 | 954.65 | 202.21 | 881.69 | 39123.7 | 127679.36 |
与模型1相比,模型2的碳排放得到改善,碳排放量降低6.61%,同时碳交易成本减少720.85欧元,这说明在低碳市场背景下综合能源系统充分考虑碳排放环境效益对其经济效益的影响十分重要.
采取风险管理措施的模型3相较于不采取任何风险规避措施的模型1总收益提高了25.48%;但碳排放量有小幅增加,碳排放成本增加了0.57%;一个调度周期内电能量市场收益和总备用收益分别减少了692.65欧元和270.10欧元.由于模型1没有有效的风险规避措施,为保证系统安全运行,所提供的备用容量较大.总体上DR调用水平与碳交易和风险因素无关.
3.2.2 风险偏好系数对优化结果的影响分析 为比较不同风险偏好系数的设置对电-热综合能源系统优化运行及收益的影响,求解得到β=0.6和β=0时,电-热综合能源系统在电能量市场的交易电如图11(a)所示; 在旋转备用市场的交易电量如图11(b)所示,不同风险偏好系数β下系统整体预期收益及CVaR有效前沿如图12所示.其中:Pte和Rts分别为t时段向电能量申报功率和向旋转备用市场申报容量.经过分析可以看出,当β=0时,系统决策较为激进,电价高时在电能量市场的购电量总体少于β=0.6时,而电价高时在电能量市场的购电量则比β=0.6时高一些,这反映了偏好风险的电-热综合能源系统更倾向于在电价高时减少购电以降低成本,但其剩余能够提供备用的容量就会相应减少,因此 β=0时留有的备用容量低于β=0.6时.这是由于电能量市场价格反映了主网的电力能源紧缺情况,综合能源系统根据电价信号调整不同时段的购电量以降低综合能源系统的运营成本;在高电能量市场价格时段,虽然旋转备用市场价格也处于最高水平,但由于从电能量市场需求电量较大,系统减少预留备用以减少成本.随着β的增加,系统预期总收益逐渐较少,CVaR逐渐增加,且当β较小时,系统预期总收益随CVaR的增加减少缓慢;但当β较大时,CVaR即使增加较小的数值仍会使系统预期总收益大幅下降.
图11
图11
各时段电能量和旋转备用市场竞标量
Fig.11
Bids for electric energy market and spinning reserve market in each period
图12
图12
CVaR及电-热综合能源系统预期收益的有效前沿
Fig.12
Efficient frontier of CVaR versus expected profits of integrated electricity-heat energy system
3.2.3 储能不同容量时的优化结果对比 为分析在接入不同容量的电、热储能设备时电—热综合能源系统的运行状态,本节比较分析当β=0.6时原本系统和电、热储能设备容量放大3倍下系统的在各时段向电能量和旋转备用市场投标量,如图13所示.对比可知,当各类储能容量较大时,由于储能调节能力变大,系统在电价低谷时增加购电,在电价较高时将这一部分电能转移出售, 进而在电能量市场套利.当各类储能容量较小时,由于储能调节能力不足,系统减小旋转备用量以保证经济运行.
图13
图13
储能不同容量时各时段电能量和旋转备用市场竞标量
Fig.13
Bids for electric energy market and spinning reserve market in each period at different energy storage capacities
图14~18为各时段所有CHP机组供电功率和备用容量、MT和FC供电功率及备用容量、ES荷电状态和TS储热状态优化结果、电负荷和热负荷优化结果.对比图6~10和图14~18可见,总体上当储能接入容量较大时,应对实际情况与日前预测结果的偏差有更充分的旋转备用空间,对日前优化方案进行调整,增大各设备备用容量,保障系统供需平衡和运行稳定,由此可见储能设备有利于增加系统灵活性;而由于热力系统需要考虑的不确定性因素可以近似忽略,电、热储能容量对热力供应的影响不大.对于低概率场景,若特地为其配置较多的储能容量以提升可支配的旋转备用容量,这一部分会有很大概率被浪费,且储能成本会随着配置储能容量的增加而大幅增加.因此,在实际决策中,需要权衡好储能容量与旋转备用容量的配置.
图14
图14
储能容量较高时各时段CHP机组供电功率和备用容量
Fig.14
Electric power output and reserve capacity of CHPs in each period at a higher energy storage capacity
图15
图15
储能容量较高时各时段MT和FC输出功率和备用容量
Fig.15
Electric power output and reserve capacity of MT and FC generators in each period at a higher energy storage capacity
图16
图16
储能容量较高时各时段锅炉供热功率
Fig.16
Heating power output of boils in each period at a higher energy storage capacity
图17
图17
储能容量较高时各时段ES荷电状态和TS储热状态
Fig.17
Electric storage capacity of ES and thermal storage capacity of TS in each period at a higher energy storage capacity
图18
图18
容量较高时各时段EDR和HDR优化结果
Fig.18
Optimization results of EDR and HDR in each period at a higher energy storage capacity
4 结论
针对电—热综合能源系统在能源转换以及碳排放管理方面的作用,本文提出了考虑电—热综合能源系统参与的电力系统低碳优化运行策略模型,并采用条件风险价值度量其决策风险,主要结论有.
(1) 本文综合考虑阶梯型碳交易机制对电—热综合能源系统优化运行的影响,在兼顾经济性的同时,有效提高了系统运行的环保性,符合我国电力行业节能减排、低碳环保的发展理念.
(2) 新能源出力和负荷存在的不确定性造成了电—热综合能源系统运行的风险.所提模型利用条件风险价值衡量风电出力与电负荷日前预测的不确定性造成的经济影响,通过风险偏好系数表征决策者对风险的重视程度.随着风险偏好系数的增大,系统的风险收益不断增大,但总预期收益大幅减小,反应了决策者对风险的厌恶程度持续升高.
(3) 电、热储能容量大小对电—热综合能源系统的优化运行有影响,主要体现在系统留有备用容量上,在做运行决策时考虑储能的接入容量能够更好地提高系统经济性.
参考文献
推进能源消费供给技术体制革命
[EB/OL].(
Promoting the technological system revolution of energy consumption and supply
[EB/OL]. (
全球碳排放权交易市场建设不断加快(国际视点)
[EB/OL].(
The construction of global carbon emission trading market is accelerating (International perspective)
[EB/OL].(
习近平:中国承诺实现从碳达峰到碳中和的时间, 远远短于发达国家所用时间
[EB/OL].(
President Xi Jinping: China has committed to move from carbon peak to carbon neutrality in a much shorter time span than what might take many developed countries
[EB/OL].(
多能源市场耦合交易研究综述及展望
[J].
Review and prospects of coupled transactions in multi-carrier energy systems
[J].
考虑阶梯式碳交易的电-气-热综合能源系统低碳经济调度
[J].
Low-carbon economic dispatch of electricity-gas-heat integrated energy system based on ladder-type carbon trading
[J].
电-热互联综合能源系统区间潮流计算方法
[J].
Interval energy flow calculation method of integrated electro-thermal system
[J].
Interval optimal scheduling of integrated electricity and district heating systems considering dynamic characteristics of heating network
[J].DOI:10.1049/iet-esi.2019.0046 URL [本文引用: 1]
考虑区域供热系统及不确定性因素的综合能源系统日前调度
[J].
Day-ahead scheduling of integrated energy system considering districted heating system and uncertain factors
[J].
计及网络传输损耗的电热综合能源系统多目标优化调度
[J].
Multi-objective optimization dispatch for integrated electro-heating systems including network transmission losses
[J].
Unit commitment model in smart grid environment considering carbon emissions trading
[J].DOI:10.1109/TSG.2015.2401337 URL [本文引用: 1]
含风电场多目标低碳电力系统动态经济调度研究
[J].
Research on multi-objective scheduling for low-carbon power system with wind farms
[J].
基于场景概率的含风电系统多目标低碳经济调度
[J].
Scenario probability based multi-objective optimized low-carbon economic dispatching for power grid integrated with wind farms
[J].
计及综合能源服务商参与的电力系统低碳经济调度
[J].
Low-carbon economic dispatch of power system considering participation of integrated energy service providers
[J].
参与双重市场的区域综合能源系统日前优化调度
[J].
Day-ahead optimal scheduling of regional integrated energy system participating in dual market
[J].
基于碳交易的含风电系统低碳经济调度
[J].
Carbon trading based low-carbon economic dispatching for power grid integrated with wind power system
[J].
基于碳交易机制的电—气互联综合能源系统低碳经济运行
[J].
Carbon trading based low-carbon economic operation for integrated electricity and natural gas energy system
[J].
基于碳交易的电—热—气综合能源系统低碳经济调度
[J].
Carbon trading based low-carbon economic dispatch for integrated electricity-heat-gas energy system
[J].
能量和旋转备用市场下虚拟电厂热电联合调度鲁棒优化模型
[J].
Thermal and electrical scheduling of a virtual power plant for participating in energy and spinning reserve markets based on robust optimization
[J].
基于合作博弈论的风储联合参与现货市场优化运行策略
[J].
Optimization operation strategy of wind-storage coalition in spot market based on cooperative game theory
[J].
考虑源荷双端灵活性的电力系统优化调度研究
[D].
Optimal dispatch of power system considering the flexibility of demand side and power generation side
[D].
Demand response scheduling by stochastic SCUC
[J].DOI:10.1109/TSG.2010.2046430 URL [本文引用: 1]
基于综合需求响应和主从博弈的多微网综合能源系统优化调度策略
[J].
Optimal dispatch of multi-microgrids integrated energy system based on integrated demand response and stackelberg game
[J].
新型城镇下含热电联产机组的配电网两阶段鲁棒优化调度
[J].
Two-stage robust optimization scheduling of distribution network with combined heat and power units in new-type towns
[J].
Bidding strategy of microgrid with consideration of uncertainty for participating in power market
[J].DOI:10.1016/j.ijepes.2014.01.033 URL [本文引用: 1]
/
〈 |
|
〉 |
