考虑阶梯式碳交易机制的混氢天然气综合能源系统低碳经济运行

doi:10.16183/j.cnki.jsjtu.2022.377

考虑阶梯式碳交易机制的混氢天然气综合能源系统低碳经济运行

范宏¹, 杨忠权^,¹, 夏世威²

1.上海电力大学电气工程学院,上海 200090

2.华北电力大学电气与电子工程学院,北京 102206

Low Carbon Economic Operation of Hydrogen-Enriched Compressed Natural Gas Integrated Energy System Considering Step Carbon Trading Mechanism

FAN Hong¹, YANG Zhongquan^,¹, XIA Shiwei²

1. College of Electrical Engineering, Shanghai University of Electric Power, Shanghai 200090, China

2. School of Electrical and Electronic Engineering, North China Electric Power University, Beijing 102206, China

通讯作者: 杨忠权,硕士生;E-mail:861161438@qq.com.

责任编辑: 孙伟

收稿日期: 2022-09-26 修回日期: 2022-11-25 接受日期: 2022-12-5

基金资助:

国家自然科学基金(52077075)

Received: 2022-09-26 Revised: 2022-11-25 Accepted: 2022-12-5

作者简介 About authors

范宏(1978-),副教授,从事综合能源系统规划及优化运行研究.

摘要

氢能是实现“双碳”目标的重要能源载体,碳捕集技术是能源行业减排的重要技术手段.将氢气、天然气掺混形成混氢天然气,可以实现氢能的有效输运与利用,同时应用碳捕集技术对火电机组进行改造,有助于推动可再生能源的大规模消纳并降低碳排放水平.在此背景下,建立制氢设备和燃料电池的精细模型,针对系统碳排放问题,建立碳捕集火电机组的碳排放、出力模型以及掺氢热电联产的数学模型,并引入阶梯式碳交易机制控制碳排放.基于此,以购能成本、碳排放成本、弃风成本和碳封存成本之和最低为目标,计及管网掺氢比、碳捕集等约束,建立混氢天然气综合能源系统优化调度模型,采用粒子群算法结合CPLEX求解.通过不同场景对所构建的模型进行分析,验证调度模型在推进低碳经济发展方面的优势.

关键词： 混氢天然气; 风电消纳; 综合能源系统; 低碳经济

Abstract

Hydrogen energy plays a crucial role in meeting the “carbon peaking and carbon neutrality” goals, and the carbon capture technology is a vital technique for emission reduction in the energy industry. Blending hydrogen with natural gas to produce hydrogen-enriched compressed natural gas (HCNG) facilitates the transportation and utilization of hydrogen energy. At the same time, applying the carbon capture technology to retrofit thermal power units can effectively promote the large-scale consumption of renewable energy and reduce carbon emissions. For this purpose, a detailed model of hydrogen production equipment and fuel cells is established. Then, aimed at the problem of system carbon emissions, a carbon emission and output model of carbon capture thermal power units and a mathematical model of hydrogen doped cogeneration are established, and a stepped carbon trading mechanism is introduced to control carbon emissions. Based on this, an optimal scheduling model for hydrogen-enriched compressed natural gas integrated energy system is established with the goal of minimizing the sum of energy purchase cost, carbon emission cost, wind abandonment cost, and carbon sequestration cost, and taking into account the constraints such as hydrogen blending ratio and carbon capture in the pipeline network, which is solved by using the particle swarm optimization algorithm in conjunction with CPLEX. The analysis of the models built in different scenarios verifies the advantages of the proposed scheduling model in low-carbon economy.

Keywords： hydrogen-enriched compressed natural gas (HCNG); wind power consumption; integrated energy system; low-carbon economy

PDF (3488KB) 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

范宏, 杨忠权, 夏世威. 考虑阶梯式碳交易机制的混氢天然气综合能源系统低碳经济运行[J]. 上海交通大学学报, 2024, 58(5): 624-635 doi:10.16183/j.cnki.jsjtu.2022.377

FAN Hong, YANG Zhongquan, XIA Shiwei. Low Carbon Economic Operation of Hydrogen-Enriched Compressed Natural Gas Integrated Energy System Considering Step Carbon Trading Mechanism[J]. Journal of Shanghai Jiaotong University, 2024, 58(5): 624-635 doi:10.16183/j.cnki.jsjtu.2022.377

当今世界碳排量与日俱增,减少碳排放已成为各国共识.能源行业的碳排放量在全国总碳排放量中占比较大^[1],为降低能源领域的碳排放,实现“2030年前碳达峰、2060年前碳中和”的目标,我国一直积极推动能源系统低碳转型发展.而可再生能源制氢结合天然气管网掺氢输送、碳捕集与封存(Carbon Capture and Storage,CCS)等技术,是支持能源系统低碳发展的有效手段.

氢能是支撑能源系统低碳转型的重要二次能源之一,氢气利用的方式包括本地储氢和氢能运输.文献[2]中提出考虑电-气-热-氢需求响应的多时间尺度运行策略,关注电气热之外的氢负荷需求,通过优化燃气轮机的热电比,建立三阶段的优化模型.文献[3]中考虑光热电站和氢储能协调运行,通过光热电站的储热特性和氢储能提高系统运行灵活性和能源利用率.文献[4]中建立了含电转气-碳捕集系统耦合和燃气掺氢的虚拟电厂,利用碳捕集系统捕获CO₂进行甲烷化反应,产生的氢气供给燃气锅炉和燃气轮机掺氢运行,实现系统的低碳化.但上述文献对氢能的利用存在高成本和维护艰难等局限性,且多关注氢能在系统中的局部耦合,尚未实现氢能的全系统利用,使得氢能的发展普及存在困难.因此,基于现有天然气基础设施,以氢气掺混天然气的形式参与到综合能源系统(Integrated Energy System,IES)中^[5],为建立满足人类多种能源需求的低碳可持续能源系统提供一种新的技术手段,于是作为电-气耦合设备的热电联产(Combined Heat and Power,CHP)将发展为混氢热电联产(Hydrogen Mixed Gas CHP,HMCHP).

碳捕集作为一种低碳化技术,在能源行业低碳化的趋势下具有重要研究意义.文献[6]中分析碳捕集电厂内部的能量流,发现其具有更深的调节范围和更快的响应速度,并结合多时间尺度特性的需求响应资源同碳捕集电厂协调调度.文献[7]中建立了配置储液设备的CCS, 利用储液设备解除碳吸收与再生过程的耦合,具有更大的净出力调节范围,利用其参与系统调峰时,能够提供的灵活性容量更为充裕.文献[8]中针对碳捕集会产生较大捕获能耗问题,采用灵活捕获模式调节碳捕集设备的捕获水平,降低捕获能耗.文献[9]中在CCS与电转气(P2G)技术耦合基础上,利用CCS和垃圾焚烧电厂的烟气处理进行负荷转移,以平抑可再生能源波动.上述文献多利用CCS同其他单元的耦合挖掘其出力范围的调节灵活性和低碳特性,或者利用CCS同需求响应机制结合提高系统低碳潜力,但少有研究CCS与碳交易机制的联合分析,使得其对碳排放的抑制能力未充分发挥.

我国碳市场历经政策准备、地方试点后,进入全国碳市场建设并于2021年成功落地,国内一级市场采用“基准线+预发放”的碳配额模式,二级交易市场以现货交易为主.文献[10]中认为当前碳市场主要分为单一价格碳交易机制和阶梯式碳交易机制,并且对碳交易机制原理进行分析,引入电-气-热综合能源系统,分析了碳交易价格对系统碳排放的影响.文献[11]中基于碳权交易机制,提出计及含热电联产机组热电特性的弃风消纳策略.文献[12]中在综合能源系统规划模型中引入奖惩碳交易机制,再利用两阶段鲁棒优化模型应对电-热负荷的不确定性,并验证该模型的低碳性和经济性.文献[11,13]中提出了阶梯式碳交易机制,并进一步在政策方面限制系统碳排放.以上文献主要将碳交易机制引入综合能源系统,尚未分析对混氢天然气(Hydrogen-Enriched Compressed Natural Gas,HCNG)综合能源系统(HCNG-IES)掺氢运行的影响.

针对上述问题,提出考虑阶梯式碳交易机制的混氢天然气渗透的综合能源系统.首先,考虑氢能的具体生产利用环节,建立制氢设备和燃料电池的精细化模型.其次,充分考虑系统碳排放,建立碳捕集火电机组出力和碳排放模型,并引入阶梯式碳交易机制优化设备出力.最后,以购能成本、碳排放成本、弃风成本和碳封存成本之和最低为目标,通过IEEE 39节点电力系统耦合8节点混氢天然气系统进行算例仿真,验证HCNG-IES在低碳经济方面的优势.

1 HCNG-IES数学模型描述

混氢天然气综合能源系统基本结构如图1所示.该系统的电-混氢天然气耦合节点由制氢设备(Hydrogen Production Equipment,HPE)、燃料电池(Hydrogen Fuel Cell,HFC)和HMCHP构成,源侧包括风力发电(简称风电)、含碳捕集的火力发电(简称火电)与HCNG,负荷侧包括电、气、热共3种能源需求,电负荷由风电、火电机组、燃料电池和HMCHP满足,热负荷由燃料电池和HMCHP协调供应.

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 混氢天然气综合能源系统结构

Fig.1 Framework of HCNG-IES

1.1 氢能生产、利用环节建模

氢能作为一种纯净、高效的能源,在工业、民用和交通等领域具有较大的利用潜力.氢能的生产、利用环节包括电解制氢与氢转热-电.

(1) 制氢设备.制氢设备将电解水制取的氢气与天然气混合注入到天然气网络,能提高风电消纳.由文献[14]可知,制氢设备的效率呈非线性关系,随着输入功率增大,制氢效率逐步降低,虽然产量攀升,但低效使得制氢成本升高.因此,应考虑其产出经济性问题,制定灵活的运行方式,寻找最优运行效率.建模如下:

(1)

\begin{array}{l} Q_{H_{2}, t}^{H P E} = η_{t}^{H P E} P_{t}^{H P E} \\ η_{t}^{H P E} = φ_{x}^{H P E} {(\frac{P_{t}^{H P E}}{P_{t, m a x}^{H P E}})}^{x} \\ P_{t, m i n}^{H P E} \leq P_{t}^{H P E} \leq P_{t, m a x}^{H P E} \\ Δ P_{m i n}^{H P E} \leq P_{t}^{H P E} - P_{t - 1}^{H P E} \leq Δ P_{m a x}^{H P E} \end{array}\}

式中: $P_{t}^{H P E}$ 为t时段输入HPE的电能; $Q_{H_{2}, t}^{H P E}$ 为t时段HPE输出的氢能; $η_{t}^{H P E}$ 为t时段HPE的产氢效率; $φ_{x}^{H P E}$ 表示产氢效率函数的多项式系数; $P_{t, m a x}^{H P E}$ 、 $P_{t, m i n}^{H P E}$ 分别为输入HPE的电能上、下限;Δ $P_{m a x}^{H P E}$ 、Δ $P_{m i n}^{H P E}$ 分别为HPE的爬坡上、下限.

(2) 燃料电池.燃料电池可实现氢能与热能、电能间的耦合,加强系统中不同形式能源间的协同.氢能转化为电、热能时,不会产生传统热电联产机组所产生的污染物及CO₂,因此可以推动系统清洁运行.文献[15]中提出燃料电池的热电产出关系与氢气流速和散热工质流速相关,并构建其运行区间,基于该运行区间建立本文HFC模型:

(2)

\begin{array}{l} P_{t}^{H F C} = η_{P, t}^{H F C} Q_{H_{2}, t}^{H F C} \\ H_{t}^{H F C} = η_{H, t}^{H F C} Q_{H_{2}, t}^{H F C} \\ κ_{m i n}^{H F C} \leq \frac{P_{t}^{H F C}}{H_{t}^{H F C}} \leq κ_{m a x}^{H F C} \\ Q_{H_{2}, m i n}^{H F C} \leq Q_{H_{2}, t}^{H F C} \leq Q_{H_{2}, m a x}^{H F C} \\ Δ Q_{m i n}^{H F C} \leq Q_{t}^{H F C} - Q_{t - 1}^{H F C} \leq Δ Q_{m a x}^{H F C} \end{array}\}

式中: $Q_{H_{2}, t}^{H F C}$ 为t时段燃料电池消耗的氢能功率; $P_{t}^{H F C}$ 、 $H_{t}^{H F C}$ 分别为t时段燃料电池的发电功率和产热功率; $η_{P, t}^{H F C}$ 、 $η_{H, t}^{H F C}$ 分别为t时段HFC转换为电、热能的效率; $κ_{m a x}^{H F C}$ 、 $κ_{m i n}^{H F C}$ 分别为燃料电池的热电比上、下限; $Q_{H_{2}, m a x}^{H F C}$ 、 $Q_{H_{2}, m i n}^{H F C}$ 分别为燃料电池的能耗上、下限;Δ $Q_{m a x}^{H F C}$ 、Δ $Q_{m i n}^{H F C}$ 为燃料电池的爬坡上、下限.

(3) 混氢热电联产.混氢热电联产通过燃烧混氢天然气进行热、电的生产,混氢天然气的使用降低了其碳排放,建模如下:

(3)

\begin{array}{l} P_{t}^{C H P} = η_{P}^{C H P} Q_{H C N G, t}^{C H P} \\ H_{t}^{C H P} = η_{H}^{C H P} Q_{H C N G, t}^{C H P} \\ Q_{H C N G, m i n}^{C H P} \leq Q_{H C N G, t}^{C H P} \leq Q_{H C N G, m a x}^{C H P} \\ Δ Q_{H C N G, m i n}^{C H P} \leq Q_{H C N G, t}^{C H P} - Q_{H C N G, t - 1}^{C H P} \leq Δ Q_{H C N G, m a x}^{C H P} \end{array}\}

式中: $η_{P}^{C H P}$ 和 $η_{H}^{C H P}$ 分别为混氢热电联产的电、热效率; $P_{t}^{C H P}$ 和 $H_{t}^{C H P}$ 分别为t时段的产电和产热功率; $Q_{H C N G, t}^{C H P}$ 为t时段消耗的HCNG功率; $Q_{H C N G, m a x}^{C H P}$ 、 $Q_{H C N G, m i n}^{C H P}$ 分别为混氢热电联产能耗上、下限;Δ $Q_{H C N G, m a x}^{C H P}$ 和Δ $Q_{H C N G, m i n}^{C H P}$ 分别为爬坡上、下限.

1.2 碳捕集火电机组模型

在本文构建的HCNG-IES中,燃料电池在生产运行过程不产生CO₂,混氢热电联产燃烧HCNG后碳排放强度也有所降低.因此,为减少系统中机组的碳排放,对火电机组运用碳捕集技术进行改进,形成碳捕集火电机组.

1.2.1 出力模型

碳捕集火电机组内部能量流动情况如图2所示.

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 碳捕集火电机组内部能流

Fig.2 Internal energy flow of carbon capture thermal power units

碳捕集火电机组总出力包括净电出力、捕集能耗,捕集能耗包括运行能耗与固定能耗.根据图2,建立其出力模型:

(4)

\begin{array}{l} P_{B, t} = λ E_{C O_{2}, t}^{t o t a l} \\ P_{J, t} = P_{u, t}^{t u} - P_{D, t} - P_{B, t} \end{array}\}

式中: $P_{u, t}^{t u}$ 为碳捕集火电机组u在t时段产生的电功率; $E_{C O_{2}, t}^{t o t a l}$ 为碳捕集在t时段捕获的CO₂总量;P_B_{, t}为t时段机组的运行能耗;λ为捕集单位CO₂的能耗,取λ=0.269 MW·h/t;P_J_{, t}为t时段碳捕集火电机组净输出电功率;P_D_{, t}为固定能耗.

1.2.2 碳排放模型

(5)

\begin{array}{l} E_{G, t} = e P_{u, t}^{t u} \\ E_{C O_{2}, t}^{t o t a l} = E_{C G, t} + β δ E_{G, t} \end{array}\}

式中:δ为烟气分流比;β为碳捕集效率,取90%;e为火电机组碳排放系数;E_G,_t为火电机组在t时段的CO₂总产生量;E_CG,_t为溶液存储器在t时段供给的待捕集CO₂量.

1.3 阶梯式碳排放权交易机制

碳排放权交易实质为根据环境条件,赋予主体一定的碳排放权,并且允许主体对碳排放权进行商品交易,当主体对碳排放权的交易有利可图时,将追求生产时的碳排放量的降低,以此达到社会总碳排放量控制的目的.

1.3.1 碳排放权配额

对于主要碳排放源的燃煤机组和热电联产机组,采用基准线法确定其无偿碳排放权配额;对于可再生能源机组的碳排放配额,可参考上海市等地区发展和改革委员会出台的有关碳排放权配额分配方案.

碳排放权配额根据发电量或供热量乘以碳排放权分配系数得到:

(6)M_t=λ^CHP(

P_{t}^{C H P}

+α

H_{t}^{C H P}

)+ λ ^tu

\sum_{u \in Ω_{t u}} P_{u, t}^{t u}

+λ^wind

P_{t}^{w i n d}

式中:M_t为t时段系统的碳排放权配额;α为供热量转换为发电量的系数;Ω_tu为火电机组u的集合; $P_{t}^{w i n d}$ 为t时段风电机组的输出功率;λ^CHP、λ^tu、λ^wind分别为混氢热电联产、火电机组、风电机组的碳排放权分配系数.

1.3.2 碳排放量计算

生命周期评价法可以记录能源链各个环节的碳排放轨迹,运用该方法充分考虑每条能源链的碳轨迹可以更加精准计算系统的总碳排放量^[16].

实际碳排放量指系统产生的CO₂减去碳捕集系统封存的CO₂后的净排放量:

(7)E_t=

P_{t}^{w i n d}

c^wind+

\sum_{u \in Ω_{t u}} P_{u, t}^{t u}

c^tu+

\sum_{n \in Ω_{e s}} P_{n, t}^{e s}

c^es+

Q_{w, t}^{w e l l}

c^well-

E_{C O_{2}, t}^{t o t a l}

式中:E_t为系统t时段的碳排放量;c^wind为风能碳排放系数;c^tu为火电碳排放系数; $Q_{w, t}^{w e l l}$ 为t时段气源w出力;c^well为天然气碳排放系数;Ω_es为储能装置n的集合;c^es为储能装置的碳排放系数; $P_{n, t}^{e s}$ 为t时段储能装置n的充/放功率.

1.3.3 阶梯式碳排放权交易模型

计算出碳排权配额和系统实际碳排放量后,可计算每个时段参与到碳交易市场中的碳排放权:

(8)M_jy_{, t}=E_t-M_t

单一碳价交易机制指碳排放权的交易价格在整个调度周期内为定值,可表示为

(9)$f_{1}=\tilde{\omega} M_{\mathrm{jy}, t}$

式中:f₁为t时段的碳交易费用;$ \tilde{\omega}$为碳排放权交易价格,取0.25元/kg.

为进一步限制碳排放,建立阶梯式碳排放权交易模型,如图3所示.图中,横坐标表示实际碳排放量,其超出碳排放权配额越多,交易价格越高. 该模型对碳排放量进行区间划分,当碳排放量超过碳排放权配额时,需以对应区间的碳排放权交易价格购买配额,当碳排放量低于配额时,获得对应区间的减排激励收益.阶梯式碳排放权交易模型可表示为

(10) $ f_{1}=\left\lvert\, \begin{array}{c} -\tilde{\omega}(1+\chi) l+\tilde{\omega}(1+2 \chi)\left(M_{\mathrm{jy}, t}+l\right), \\ -2 l \leqslant M_{\mathrm{j}, t}<-l \\ \tilde{\omega}(1+\chi) M_{\mathrm{jy}, t}, \quad-l \leqslant M_{\mathrm{jy}, t}<0 \\ \tilde{\omega} M_{\mathrm{jy}, t}, \quad 0 \leqslant M_{\mathrm{jy}, t} \quad l \\ \begin{array}{c} \tilde{\omega}(1+\chi)\left(M_{\mathrm{jy}, t}-l\right)+\tilde{\omega} l, \\ l \leqslant M_{\mathrm{jy}, \mathrm{l}}<2 l \\ \tilde{\omega}(1+2 \chi)\left(M_{\mathrm{jy}, t}-2 l\right)+\tilde{\omega}(2+\chi) l, \\ 2 l \leqslant M_{\mathrm{jy}, t} <3 l \end{array} \end{array}\right.$

式中:l为碳排放量区间长度,取100 t;χ为价格增长率, 取0.25.

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 阶梯式碳排放权交易机制示意图

Fig.3 Schematic diagram of stepped carbon emission trading mechanism

2 混氢天然气综合能源系统低碳经济优化运行模型

2.1 目标函数

HCNG-IES低碳经济调度模型的优化目标为碳交易成本F₁、碳封存成本F₂、购能成本F₃和弃风成本F₄之和最小:

(11)min F=min(F₁+F₂+F₃+F₄)

(12)F₁=

\overset{T}{\sum_{t = 1}}

f₁

(13)F₂=

\overset{T}{\sum_{t = 1}}

k_s

E_{C O_{2}, t}^{t o t a l}

(14)$ \begin{aligned} F_{3}= & \sum_{t=1}^{T}\left\{\sum _ { u \in \Omega _ { \mathrm { tu } } } \left[a_{u}\left(P_{u, t}^{\mathrm{tu}}\right)^{2}+\right.\right. \\ & \left.\left.b_{u} P_{u, t}^{\mathrm{tu}}+c_{u}\right]+k_{w}^{\mathrm{well}} Q_{w, t}^{\mathrm{well}}\right\} \end{aligned}$

(15)F₄=δ^wind

\overset{T}{\sum_{t = 1}} P_{c u t, t}^{w i n d}

式中:F为系统总运行成本; a_u、b_u、c_u为火电机组煤耗成本系数;k_s为碳封存成本系数; $k_{w}^{w e l l}$ 为购气成本系数,取350元/(MW·h);δ^wind为单位弃风惩罚成本; $P_{c u t, t}^{w i n d}$ 为t时段的弃风功率;T为调度周期.

2.2 约束条件

(1) 功率平衡约束.系统内部包括电、热、氢、气、HCNG能量流,应保证源侧和负荷侧的供需平衡:

(16)

\begin{array}{l} \sum P_{J, t} + \sum_{u \in Ω_{t u}} P_{u, t}^{t u} + P_{t}^{w i n d} + P_{d i s, t}^{e s} + P_{t}^{C H P} = \\ P_{t}^{H P E} + P_{L, t} + P_{c h a, t}^{e s} \\ H_{t}^{C H P} + H_{t}^{H F C} + H_{d i s, t}^{e s} = H_{c h a, t}^{e s} + H_{L, t} \\ Q_{w, t}^{w e l l} + Q_{H_{2}, t}^{H P E} - Q_{H_{2}, t}^{H F C} = Q_{H C N G, t} \\ Q_{H C N G, t} = Q_{H C N G, t}^{C H P} + Q_{L, t} \end{array}\}

式中:P_L_{, t}、H_L_{, t}和Q_L_{, t}分别为t时段电、热、气负荷; $P_{c h a, t}^{e s}$ 、 $P_{d i s, t}^{e s}$ 分别为电储能装置t时段的充、放功率; $H_{c h a, t}^{e s}$ 、 $H_{d i s, t}^{e s}$ 分别为热储能装置t时段的充放功率;Q_HCNG,_t为t时段混氢装置输出的HCNG功率.

(2) HPE、HFC、CHP的约束见式(1)~(3).

(3) 储能运行约束.建立合适的储能容量可以提升系统调节灵活性,电、热储能设备建模类似,以电储能为例建模如下:

(17)

\begin{array}{l} 0 \leq P_{c h a, t}^{e s} \leq B_{c h a, t}^{e s} P_{m a x}^{e s} \\ 0 \leq P_{d i s, t}^{e s} \leq B_{d i s, t}^{e s} P_{m a x}^{e s} \\ S_{t} = S_{t - 1} + P_{c h a, t}^{e s} η^{e s} - \frac{P_{d i s, t}^{e s}}{η^{e s}} \\ B_{c h a, t}^{e s} + B_{d i s, t}^{e s} = 1 \\ S^{m i n} \leq S_{t} \leq S^{m a x} \end{array}\}

式中:P^es为单次充、放最大功率; $B_{c h a, t}^{e s}$ 、 $B_{d i s, t}^{e s}$ 均为二进制变量,为电储能装置t时段充、放状态参数, $B_{c h a, t}^{e s}$ =1、 $B_{d i s, t}^{e s}$ =0表示处于充能状态,反之表示处于放能状态;η^es为充放电效率;S_t为电储能装置的容量;S^max、S^min分别为电储能装置容量的上、下限.

(4) 火电机组约束:

(18)

\begin{array}{l} P_{u, m i n}^{t u} \leq P_{u, t}^{t u} \leq P_{u, m a x}^{t u} \\ Δ P_{u, m i n}^{t u} \leq P_{u, t}^{t u} - P_{u, t - 1}^{t u} \leq Δ P_{u, m a x}^{t u} \end{array}\}

式中: $P_{u, m a x}^{t u}$ 、 $P_{u, m i n}^{t u}$ 分别为t时段火电机组u的出力上、下限;Δ $P_{u, m i n}^{t u}$ 、Δ $P_{u, m a x}^{t u}$ 分别为火电机组u的爬坡上、下限.

(5) 碳捕集约束.碳捕集系统配置的储液装置是综合灵活运行方式的重要组成部分,相关约束如下:

(19)

\begin{array}{l} V_{F, t} = V_{F, t - 1} - V_{C A, t} \\ V_{P, t} = V_{P, t - 1} + V_{C A, t} \\ 0 \leq V_{P, t}, V_{F, t} \leq V_{m a x} \\ V_{P, 0} = V_{P, 24} \\ V_{F, 0} = V_{F, 24} \\ V_{C A, t} = ζ E_{C G, t} / ρ_{C O_{2}} \end{array}\}

式中:V_CA_{, t}为储液装置在t时段释放CO₂所需的体积; $ρ_{C O_{2}}$ 为CO₂密度;ζ为单位体积富液吸收单位体积CO₂的倍数;V_F_{, t}、V_P_{, t}分别为富液存储器和贫液存储器在t时段的溶液体积;V_max为储液装置的容量上限;V_{F, 0}、V_{P, 0}分别为富液存储器和贫液存储器的初始溶液体积;V_{F, 24}、V_{P, 24}分别为调度周期结束时富液存储器和贫液存储器的溶液体积.

(6) 混氢天然气网约束.管网掺氢比上限受燃气标准、燃气组分和传输及用户的使用制约,一般通过燃气华白数和燃烧势衡量燃气互换性.根据文献[17]可知,掺氢比小于23%可保证终端的等效气源供给,文献[18]中认为氢气和天然气混合工艺中的在线混合系统可以快速、精确地调节混合比例,在1 h的调度时间内可满足23%以内的掺氢比变化.假设掺氢体积分数为y₁,则HCNG相关参数计算如下:

(20)

\begin{array}{l} ρ_{H C N G} = (1 - y_{1}) ρ_{C H_{4}} + y_{1} ρ_{H_{2}} \\ h_{m i x} = (1 - y_{1}) h_{C H_{4}} + y_{1} h_{H_{2}} \end{array}\}

式中:ρ_HCNG、 $ρ_{C H_{4}}$ 、 $ρ_{H_{2}}$ 分别为HCNG、甲烷、氢气的密度;h_mix、 $h_{C H_{4}}$ 、 $h_{H_{2}}$ 分别为HCNG、甲烷、氢气的热值.

对于气网中HCNG的建模,因为稳态模型会导致次优的调度方案,而描述传输网络动态的模型需要求解复杂偏微分方程,所以采用基于统一能路理论动态建模方法^[19]对HCNG的传输进行描述,并参考文献[20]的相量法进行求解:

(21)

\begin{array}{l} G_{i, ω} = Y_{i, ω} p_{ω} \\ G_{b, ω} = y_{b, ω} (A^{T} p_{ω} + E_{b, ω} - k_{b, ω} A_{+}^{T} p_{ω}) \end{array}\}

式中:p_ω为节点压力相量;G_i_,_ω和G_b_,_ω为节点注入流量相量和管道支路流量相量;Y_i_,_ω为节点导纳矩阵;y_b_,_ω支路导纳矩阵,与管道参数和气体参数以及频率ω相关;E_b_,_ω为各管道支路气压源参数组成的矩阵;k_b_,_ω为受控气压源参数组成的矩阵;A为节点-支路关联矩阵;A₊为保留A中的非负元素矩阵.受气网结构影响,管道流量、节点压力、压缩机存在限制,表示为

(22)-G_b,_max≤G_b≤G_b,_max

(23)p_min≤p≤p_max

(24)

\begin{array}{l} p_{i} = r_{i j} p_{j} \\ r_{i j, m i n} \leq r_{i j} \leq r_{i j, m a x} \end{array}\}

式中:G_b,_max为管道流量G_b上限;p_max、p_min分别为管道节点压力上、下限;r_ij为节点i与j间的压缩比;r_ij,_max、r_ij,_min分别为节点i与j之间的压缩比上、下限.

2.3 制氢设备、燃料电池折旧成本

制氢设备和燃料电池折旧成本为固定成本,未在优化目标函数中体现,该成本用于与不加入制氢设备和燃料电池的场景进行成本效益比较.采用年限平均法,日折旧额为

(25)D_z=

\frac{C_{I} - C_{R}}{365 Y}

式中:C_I为设备原值;C_R为残值,取10%C_I;Y为预计使用年限,取15 a.

3 算法求解

式(11)~(15)所示目标函数和式(1)~(3)、式(16)~(24)所示的约束条件构成本文所建立的优化调度模型.以系统总运行成本最小和CO₂排放量最低为目标,实现各设备的联合优化调度,采用粒子群算法结合CPLEX进行求解,粒子位置代表的是管网掺氢比,适应度函数是优化调度函数的封装.算法流程图如图4所示.具体求解步骤如下:

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 粒子群算法结合YAMILP求解流程

Fig.4 Solving process of particle swarm optimization in combination with YAMILP

步骤1 为保证采样的均匀性和合理性,基于拉丁超立方采样(Latin Hypercube Sampling,LHS)生成初始样本点,即初始管网掺氢比.

步骤2 根据步骤1中的初始样本点,调用CPLEX计算适应度函数的适应度.

步骤3 根据适应度将样本点划分区域,缩小优异样本点的范围,提高寻优效率.

步骤4 在每个区域上,采用粒子群算法寻找局部最优样本点和对应适应度.

步骤5 比较所有区域的最优适应度,得到当前迭代步的全局最优样本点.

步骤6 判断是否满足收敛条件,即适应度不再变化或者到达最大迭代次数,若满足则停止迭代,输出全局最优样本点和适应度,否则将局部最优样本点加入样本集并返回步骤2.

4 算例分析

4.1 原始数据

采用如图5所示系统进行仿真验证,该系统由改进的IEEE 39节点电力、7节点气网组成.改进的IEEE 39将标准IEEE 39节点的35、37节点处的火电机组改为风电机组和HPE,30、38、39节点处的火电机组改为HMCHP,31、36节点处的火电机组改造为碳捕集火电机组.制氢设备生产氢气通过管道供给HFC和注入气网4号节点进行混氢.电、气、热负荷和风电预测出力如图6所示,设备参数详见附录表A1,管网参数见附录表A2.

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 HCNG-IES拓扑图

Fig.5 Topology diagram of HCNG-IES

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 风电出力及负荷大小预测数据

Fig.6 Basic data of wind power output and load size

4.2 结果分析

为了体现天然气网掺氢运输对风电消纳的优势,设置3种运行场景,碳交易机制均为单一碳价交易.场景1为传统IES场景,不考虑HPE和HFC;场景2为HCNG-IES场景,固定管网10%掺氢比和燃料电池电热比运行;场景3为HCNG-IES场景,考虑管网掺氢比以及燃料电池电热比优化.不同场景下HCNG-IES的总风电消纳情况和调度结果如图7和表1所示;场景2和3具体设备调度计划如图8所示.

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 不同场景下的风电出力

Fig.7 Wind power output in different scenarios

表1 不同场景调度结果对比

Tab.1 Comparison of scheduling results in different scenarios

场景	风电利用率/%	煤耗成本/ 万元	购气成本/ 万元	碳交易成本/ 万元	总成本/ 万元
1	77.57	192.59	790.17	199.71	1490.14
2	97.56	273.56	651.80	47.74	1048.57
3	100.00	303.33	575.85	33.53	960.49

新窗口打开| 下载CSV

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 场景2和场景3的调度计划

Fig.8 Scheduling plan for Scenario 2 and Scenario 3

对比分析图7和表1可知,场景2和场景3的风电利用率分别为97.56%和100.00%,与风电出力预测值接近.相较于场景1~3均可以通过电解水的方式将弃风功率用于生产氢气,供给燃料电池使用和通过混氢装置输入管道,促进风电消纳;且场景3的总成本相比场景2降低了88.08万元,因此场景3的经济性更优.其原因在于场景2掺氢比固定,在风电出力不足时,需要火电机组出力供应HPE制氢,从而满足掺氢比需求,在1:00—6:00 时段的风电出力较大,场景2受固定掺氢比影响,HPE消纳风电的能力下降,导致风电利用率相对降低,总成本较场景3优化掺氢比后高.

在系统碳排放方面,场景2碳交易成本相对于场景3增加了14.21万元,这是因为场景2固定了掺氢比和燃料电池的电热比,导致HPE强制生产和燃料电池低功率运行的问题,在净负荷较大时,火电需要提高出力满足产氢需求,根据能源链碳排放系数可知,火电的碳排放系数较高,所以其碳排放量较火电出力少的场景1更高.在场景2的基础上,场景3根据负荷和风电波动优化掺氢比和燃料电池电热比,场景2中HPE和HFC强制生产和消耗问题在采用掺氢比和电热比随时间变化后得到解决.可以看出,采用变掺氢比后煤耗成本增加了29.77万元, 这是由于场景3在整个调度周期的平均掺氢比较场景2高,导致火电煤耗增加.但购气成本下降了75.95万元,碳交易成本下降了29.76%,购气成本和碳交易成本的下降足以弥补煤耗成本的上升,这说明变掺氢比能够有效降低系统运行成本,减少碳排放.

4.3 管道掺氢分析

由图8(b)和图9可见,在热负荷处于高峰状态,即电负荷充足的夜间时段,由于燃料电池由氢能转化为电、热能无CO₂产生,大部分热负荷由燃料电池进行供应,所以系统掺氢比在1:00—3:00时段较低;而在4:00突然提高则是由于该时刻的净负荷低,且燃料电池热电比在最低水平,导致氢能过剩,掺氢比提高.在1:00—7:00时段,燃料电池电热比一直维持在较低水平,多产热、少发电,从而满足热负荷需求,不足部分由CHP和热储供应;在20:00—21:00时段,热负荷需求骤然降低,导致燃料电池电热比突然上升至较高值.

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 场景3掺氢比、电热比变化

Fig.9 Hydrogen doping ratio and electric heating ratio of Scenario 3

为分析系统掺氢对CHP运行碳排放的影响,设置场景4为场景3CHP出力情况下燃烧天然气供应电、热.结合图9掺氢比曲线和图10可知,在CHP耗能相近的15:00—17:00时段,场景3的CHP碳排放随掺氢比升高而下降,说明天然气网中掺入氢气可降低碳排放.混氢热电联产机组比燃烧天然气的热电联产碳排放在整个调度周期内减少4%,随着天然气管网与氢气的适应性进一步提高,可大幅降低设备的碳排放.

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 CHP碳排放量

Fig.10 Carbon emissions of CHP

4.4 碳交易机制分析

为验证阶梯碳交易模型的效益,设置3个场景进行对比分析:场景4考虑本文的阶梯碳交易机制下优化掺氢比和热电比运行,场景5考虑单一碳价交易机制,场景6不考虑碳交易成本.其中,场景5和场景6采用固定掺氢比.

由表2可知,考虑碳交易后能够有效减少CO₂的排放,而阶梯型碳交易能更进一步减少排放量,阶梯碳交易、传统碳交易相比不考虑碳交易排放CO₂的量分别少11.97%和5.86%,碳封存成本多6.89万元和1.25万元,说明考虑碳交易后能减少直接排入大气的CO₂,增加可封存和利用的CO₂量.

表2 场景4、5、6下的优化调度成本及碳排放

Tab.2 Optimized scheduling costs and carbon emissions in Scenarios 4, 5 and 6

场景	煤耗成本/万元	购气成本/万元	弃风成本/万元	碳封存成本/万元	碳交易成本/万元	总成本/万元	CO₂排放总量/t
4	352.52	551.29	0	58.75	-56.07	906.49	17696.54
5	292.29	573.07	6.15	53.11	28.28	952.90	18925.11
6	284.31	578.72	6.15	51.86	0	921.04	20104.41

新窗口打开| 下载CSV

结合火电机组的煤耗成本和气价分析,场景6不考虑碳交易成本,系统会在满足掺氢要求的基础上,尽量减少氢气的产生和燃料电池的使用,降低火电机组的发电,主要通过CHP为电、热负荷供能.因此,场景6中总购能成本最小,但大量燃烧天然气导致产生的碳排放量高于碳排放权配额.

考虑单一碳价交易的场景5虽然能够降低排入大气的CO₂,但从总成本看,场景5的成本高于场景6.这是因为碳捕集带来的能耗增加,从而增加了火电机组煤耗的成本和捕集后封存成本.

场景4总成本最低,相比场景5和6分别减少46.41万元和14.55万元.由于阶梯价格的存在,系统调节掺氢比和各设备出力减少碳排放,售出碳排放权配额的收益又大于增加的其他支出成本,说明阶梯碳交易机制和碳捕集技术、混氢天然气输送在政策和技术层面对碳排放的降低和经济效应的提高起到了较大作用.

4.5 成本效益分析

表3为场景1、2、4计及设备折旧后的成本,分析结果如下:

表3 三种场景下的经济成本对比

Tab.3 Comparison of economic costs in three scenarios

场景	燃煤成本/ 万元	购气成本/ 万元	制氢设备、燃料电池折旧成本之和/万元	购能、折旧成本之和/ 万元
1	192.59	790.17	0	982.76
2	273.56	651.80	29	954.36
4	352.52	551.29	29	932.81

新窗口打开| 下载CSV

(1) 场景1火电机组的煤耗成本少于场景2和3,但是在一个调度周期内存在大量弃风没有得到充分利用,没有转化为发电或制氢,因此需要购买大量天然气生产热、电,导致总成本没有实现最优.

(2) 场景2制氢设备的工作效率被掺氢比限制,消纳弃风生产出来的氢气量少,并且制氢装置的折旧成本后,不能体现其经济性优势.

(3) 场景4加入制氢设备后系统根据实际情况合理分配功率,生产的氢气获得相当大的经济收益,虽然煤耗成本有所增加,但通过煤耗成本和制氢、碳交易收益之间均衡,使得购气成本降低,其总体经济性优于没有制氢设备的场景1和制氢设备低效的场景2.

5 结论

针对混氢天然气渗透的综合能源系统,提出一种考虑掺氢比优化和阶梯式碳交易机制的调度模型,在对火电机组进行碳捕集改进的基础上,优化制氢设备运行效率和燃料电池电、热比,将制取的氢气混入燃气进行运输和使用,并引入阶梯式碳交易机制,可有效实现低碳排放,提升风电消纳和能力.通过对比不同场景,得出以下结论:

(1) 制氢设备和燃料电池连接电力网络和燃气网络,在电负荷低谷期利用剩余风电制氢,能够起到对系统的“填谷”作用,并提升风电利用率.

(2) 验证掺氢的低碳和经济效应,在管道掺氢时,混氢热电联产机组比燃烧天然气的热电联产碳排放减少4%;系统优化掺氢较固定掺氢减少29.76%的碳排放,发挥了氢能高能效的优势,并促使系统低碳化运行.

(3) 单一碳价交易机制与碳捕集火电机组结合虽然能减少碳排放,但会增加系统总成本,而阶梯式碳交易机制因阶梯价格和碳交易收入的存在,在约束碳排放的同时使系统经济效应增高.

附录见本刊网络版(xuebao.sjtu.edu.cn/article/2024/1006-2467/1006-2467-58-05-0624.shtml)

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]

杨金刚, 刘维妙, 李顺昕, 等.

风氢耦合发电系统优化运行策略与效益分析

[J]. 电力建设, 2017, 38(1): 106-115.

DOI:10.3969/j.issn.1000－7229.2017.01.014 [本文引用: 1]

 为提高新能源高占比电网中的风电利用率，研究风氢耦合发电系统，建立考虑风电出力随机性的混合整数规划模型，并提出就地消纳风电的新模式。模型中以风氢耦合发电的系统收益最大化为目标，兼顾风电场与氢气储能系统联合出力的跟随特性。结合实际设计算例，利用风电场独立运行的对照仿真验证氢气储能系统的有效性，提升系统收益27%，并测试电解槽与燃料电池容量对系统的影响。

YANG

Jingang

, LIU

Weimiao

, LI

Shunxin

, et al.

Optimal operation scheme and benefit analysis of wind-hydrogen power systems

[J]. Electric Power Construction, 2017, 38(1): 106-115.

DOI:10.3969/j.issn.1000－7229.2017.01.014 [本文引用: 1]

 To improve the utilization of wind power in power grid with high penetration of renewable sources, this paper studies wind-hydrogen power system, constructs a mixed integer programming model with considering the randomness of wind power output, and proposes the new mode of wind power absorption on the spot. The model takes the maximum revenue of the wind-hydrogen power system as target and takes into account the following performance of the combined output of wind farm and hydrogen energy storage system. Combining with the actual design example, we use the simulation of the stand-alone operation of wind farm to verify the effectiveness of hydrogen energy storage system, where revenue increases by 27%. And we test the influence of electrolyzers and fuel cells capacity on the system.<div><span style="font-size: 12px;"><br></span></div>

[2]

李天格, 胡志坚, 陈志, 等.

计及电-气-热-氢需求响应的综合能源系统多时间尺度低碳运行优化策略

[J]. 电力自动化设备, 2023, 43(1): 16-24.