计及短期运行灵活性的城市能源系统扩展规划

doi:10.16183/j.cnki.jsjtu.2022.259

计及短期运行灵活性的城市能源系统扩展规划

卫志农¹, 杨立¹, 陈胜^,¹, 马骏超², 彭琰², 费有蝶¹

1.河海大学能源与电气学院,南京 211100

2.国网浙江省电力有限公司电力科学研究院,杭州 310014

Urban Energy System Expansion Planning Considering Short-Term Operational Flexibility

WEI Zhinong¹, YANG Li¹, CHEN Sheng^,¹, MA Junchao², PENG Yan², FEI Youdie¹

1. College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, China

2. Electric Power Research Institute, State Grid Zhejiang Electric Power Co., Ltd., Hangzhou 310014, China

通讯作者: 陈胜,教授;E-mail:chensheng2019@hhu.edu.cn.

责任编辑: 孙伟

收稿日期: 2022-07-5 修回日期: 2022-09-13 接受日期: 2022-09-19

基金资助:

国家自然科学基金资助项目(52007051)
中国科协青年人才托举工程项目(2021QNRC001)
中央高校基本科研业务费项目(B220202006)

Received: 2022-07-5 Revised: 2022-09-13 Accepted: 2022-09-19

作者简介 About authors

卫志农(1962-),教授,博士生导师,从事综合能源系统研究.

摘要

城市是能源消费与碳排放的主力.在“双碳”背景下,促进城市能源系统低碳转型已成为当前城市规划的首要任务.然而,在新能源出力占比增加的同时,系统的灵活性需求也随之增加.为此,提出一种考虑长短期不确定性的城市能源系统扩展规划模型,涵盖电、气、热多种能源形态,在规划的层面计及实时运行阶段的不确定性及运行灵活性,并采用随机优化方法进行求解.模型考虑新能源机组和能源枢纽中各类能源转换设备的容量扩建,通过施加碳排放配额约束来确保达成碳减排目标.算例结果表明,该模型能有效提高城市能源系统的经济性和新能源消纳率,并且可以满足不同的碳减排需求.

关键词： 城市能源系统; 碳排放配额; 短期运行灵活性; 扩展规划; 能源枢纽

Abstract

Urban cities are the main force of energy consumption and carbon emission. In the context of “dual carbon”, promoting low-carbon transformation of urban energy systems has become the top priority of urban planning. However, while the share of renewable energy output increases, the requirement for system flexibility also increases. To this end, an urban energy system expansion planning model that accounts for both long-term and short-term uncertainties is proposed. Multiple forms of energy, including electricity, gas, and heat are encompassed in this model. At the planning level, uncertainty and operational flexibility during the real-time operation stage are estimated, and a stochastic optimization approach is employed for solving. The capacity expansion of renewable energy generators and energy hubs (EHs) is considered by the model, with the imposition of carbon emission quota constraints to ensure the attainment of carbon emission reduction targets. The results show that the model can effectively improve the economy of urban energy system and the rate of consumption of renewable energy, and can meet different carbon-emission reduction requirements.

Keywords： urban energy system; carbon emission quota; short-term operational flexibility; expansion planning; energy hub (EH)

PDF (1939KB) 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

卫志农, 杨立, 陈胜, 马骏超, 彭琰, 费有蝶. 计及短期运行灵活性的城市能源系统扩展规划[J]. 上海交通大学学报, 2024, 58(5): 659-668 doi:10.16183/j.cnki.jsjtu.2022.259

WEI Zhinong, YANG Li, CHEN Sheng, MA Junchao, PENG Yan, FEI Youdie. Urban Energy System Expansion Planning Considering Short-Term Operational Flexibility[J]. Journal of Shanghai Jiaotong University, 2024, 58(5): 659-668 doi:10.16183/j.cnki.jsjtu.2022.259

随着全球能源需求增加,化石燃料消耗和温室气体排放导致能源消费成本增加以及全球变暖等问题日益凸出.构建绿色、低碳、可持续发展的能源体系已成为各国共识^[1].我国提出碳达峰、碳中和“3060”目标^[2],强调构建以新能源为主体的新型电力系统^[3].在上述政策背景下,建立清洁、低碳、安全、高效的能源体系已然成为我国未来能源发展的主要目标.

城市用能占全球能源使用量的60%~80%,且城市是温室气体的主要排放源,我国有70%的碳排放来自城市,预计在2030年这一比例升至80%^[4].因此,合理规划城市用能、促进能源系统转型有望在“碳达峰、碳中和”中发挥关键作用.

当前对于城市能源系统规划的研究侧重于配网侧,文献[5]中在配电网规划中考虑了各环节的低碳要素,剖析了电网侧的碳减排潜力.文献[6-7]中在规划中计及了配电网重构,但未充分考虑分布式新能源出力波动以及碳排放因素.文献[8]中研究了交通网与城市能源系统的协同规划,发掘了协同规划对缓解网络拥堵的潜在效益.文献[9]中在多阶段规划中分析了长期不确定性以及投资顺序对规划方案的影响.值得注意的是,规划过程中一般需要考虑源荷等多重不确定性,例如通过随机优化^[10]、鲁棒优化^[11]或机会约束^[12]模型进行表征与求解.

另一方面,能源枢纽(Energy Hub,EH)作为城市能源系统的关键组成部分,其规划问题也是研究重点.文献[13]中在优化能源枢纽配置规划时,分析设备投资需求和设备间的连接关系不同对能源利用效率以及可再生能源消纳的影响.文献[14-15]中分别从校园和港区层面提出综合能源系统的低碳规划模型.文献[16]中从运行的角度研究灵活爬坡产品与碳交易机制对能源枢纽调度经济性的影响,但额外碳排放权交易可能会导致系统无法满足阶段碳减排要求.为了解决高比例新能源并网对系统灵活性要求较高的问题,在城市能源系统规划中考虑储能设备配置^[13,17]以及需求侧响应^[15,18]也是较为可行的方案.除常规电、气、热储能外,文献[19]中还考虑了储碳设备模型以提高新能源消纳率和降低碳排放.

上述研究工作中仍存在以下不足:一是当前研究侧重考虑规划的长期不确定性,而忽视了实际运行阶段风光出力的短期出力波动给系统带来的灵活性需求,易导致实际运行中由于灵活性不足存在新能源消纳难题;二是当前城市能源系统规划的研究对多能网络的协同规划与低碳转型需求考虑不足.

针对以上不足,建立基于随机优化的城市综合能源系统扩展规划模型,同时考虑负荷增长的长期不确定性以及风光波动的短期不确定性,计及配电网与配气网的运行约束;通过限制规划阶段的碳排放量,实现城市的低碳能源转型目标;同时通过扩建能源枢纽设施,利用多能互补协同提高新能源消纳率,提高系统运行阶段的经济性.算例结果验证了所提模型的有效性.

1 城市综合能源系统运行模型

首先介绍能源枢纽中各类能源转换设备的等效模型,其次介绍配电网以及配气网运行约束.

1.1 能源枢纽模型

能源枢纽的概念在VoFEN项目^[20]中首次被提出,作为城市能源系统的多能源耦合元件,能源枢纽内部包含各类型能源转换设备.相较于以燃气轮机组作为电网和气网耦合元件的输网侧,城市能源系统则侧重于以能源枢纽作为电-气-热能的耦合元件,系统间耦合关系更深.能源枢纽结构如图1所示,城市能源系统的多能耦合关系如下:①电负荷视角下,部分电负荷由热电联产机组供应,在电负荷侧,配电网与配气网运行耦合;②热负荷视角下,热负荷既可以由电锅炉供应,也可由燃气锅炉或者热电联产(Combined Heat and Power,CHP)机组供应,因而配电网与配气网的运行在热负荷侧间接耦合.同时考虑电、热负荷的供应,能源系统之间的耦合协同更为充分.

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 能源枢纽结构示意图

Fig.1 Structure diagram of EH

能源枢纽中各设备的具体能量转换关系如下.

(1) 变压器.变压器的能量转换方程为

(1)

P_{t r, t}^{o u t}

=η_ee

P_{t r, t}^{i n}

式中:下标t表示时刻; $P_{t r, t}^{i n}$ , $P_{t r, t}^{o u t}$ 分别表示变压器进出端电量;η_ee表示变压器的能量转换效率.

(2) 电锅炉(Electric Boiler,EB)

(2)h_eb_,t=η_ehP_eb_,t

(3)

P_{e b}^{m i n}

≤P^eb^,t≤

P_{e b}^{m a x}

式中:h_eb_,t表示电锅炉产生的热量;η_eh表示电锅炉的能量转换效率;P_eb_,t表示电制热设备消耗的电量; $P_{e b}^{m a x}$ 和 $P_{e b}^{m i n}$ 分别表示电锅炉的功率上下限.式(2)表示电热能量转换关系,式(3)限制了电锅炉所消耗的电功率.

(3) CHP机组.传统CHP机组通常选用以热定电(背压式机组)或以电定热(凝汽式机组)的生产模式,只能顾及电或热其中一种能源需求,无法较好地匹配四季温差较大的城市用能需求.已建CHP机组为传统以热定电式,运行约束如下:

(4)P_chp_,t=η_geF^chp^,t

(5)h_chp_,t=η_ghF^chp^,t

式中:P_chp_,t和h_chp_,t分别表示CHP机组输出的电功率与热功率;η_ge和η_gh分别表示CHP机组气电、气热转换效率常数;F_chp_,t表示CHP机组消耗的天然气量.式(4)和(5)分别表示气-电和气-热转换方程.

考虑上述缺陷,拟投资建设的CHP机组为抽汽凝汽式,此类型机组建设成本虽然较传统机组高,但运行灵活性更强,能够在较大范围内同时满足电负荷和热负荷需求.此类型CHP机组的电热可行域示意图如图2所示^[21],P和h分别表示电功率与热功率.

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 CHP机组热电比可行域^[21]

Fig.2 Thermoelectric ratio feasible domain of CHP unit^[21]

结合图2,候选CHP机组的运行约束如下:

(6)

\frac{η_{g e, t} - D_{p}}{η_{g h, t} - D_{h}}

≥

\frac{C_{p} - D_{p}}{C_{h} - D_{h}}

(7)

\frac{η_{g e, t} - A_{p}}{η_{g h, t} - A_{h}}

≤

\frac{A_{p} - B_{p}}{A_{h} - B_{h}}

(8)

\frac{η_{g e, t} - B_{p}}{η_{g h, t} - B_{h}}

≥

\frac{C_{p} - B_{p}}{C_{h} - B_{h}}

(9)η_ge_,t≥0, η_ge_,t≥0

(10)P_chp_,t=η_ge_,tF^chp^,t

(11)h_chp_,t=η_gh_,tF^chp^,t

(12)

F_{c h p}^{m i n}

≤F_chp_,t≤

F_{c h p}^{m a x}

(13)-

R_{c h p}^{r a m p} F_{c h p}^{m a x}

≤F_chp_,t-F_chp_,t-1≤

R_{c h p}^{r a m p} F_{c h p}^{m a x}

式中:η_ge_,t和η_gh_,t分别表示天然气转电和转热的能量转换效率变量;A、B、C、D'为图2电热可行域等效四边形的4个顶点,下标p和h分别表示P轴和h轴,如A_p表示A点对应P轴的数值; $F_{c h p}^{m a x}$ 和 $F_{c h p}^{m i n}$ 分别表示CHP机组的进气量上下限; $R_{c h p}^{r a m p}$ 表示CHP机组的爬坡极限率.式(6)~(9)限制了CHP机组气-电转换效率和气-热转换效率的范围,式(10)和式(11)分别表示气-电和气-热转换方程,式(12)限制了CHP机组的进气容量,式(13)约束了各个时段间的CHP机组爬坡上下限.

(4) 燃气锅炉(Gas Boiler,GB)

(14)h_gb_,t=η_gbF^gb^,t

(15)

F_{g b}^{m i n}

≤F^gb^,t≤

F_{g b}^{m a x}

式中:h_gb_,t表示燃气锅炉产生的热量;η_gb表示燃气锅炉的能量转换效率;F_gb_,t表示燃气锅炉消耗的天然气量; $F_{g b}^{m a x}$ 和 $F_{g b}^{m i n}$ 分别表示燃气锅炉进气量上下限.式(14)表示表示气-热转换方程,式(15)表示燃气锅炉的进气量上下限.

归纳后,能源枢纽的输入输出关系如下:

(16)

P_{i n, t}^{E H}

P_{t r, t}^{i n}

+P_eb_,t

(17)

F_{i n, t}^{E H}

=F_chp_,t+F_gb_,t

(18)

P_{L, t}^{E H}

P_{t r, t}^{o u t}

+P_chp_,t

(19)

h_{L, t}^{E H}

=h_eb_,t+h_chp_,t+h_gb_,t

式中: $P_{i n, t}^{E H}$ 和 $F_{i n, t}^{E H}$ 分别表示流入能源枢纽的电能和天然气量; $P_{L, t}^{E H}$ 和 $h_{L, t}^{E H}$ 分别表示能源枢纽的电负荷和热负荷.式(16)和(17)分别表示能源枢纽的电输入和气输入,式(18)和(19)分别表示能源枢纽的电输出和热输出.

1.2 配电网运行约束

采用常用的辐射状DistFlow配电网潮流模型^[22],运行约束如下:

(20)P_E_,_j_,_t+P_res_{, j, t}+P_MT_{, j, t}+

\sum_{i : i \to j}

(P_ij,t-ℓ_{ij, t}r_ij)=P_L,_j_,_t+

\sum_{l : j \to l}

P_jl_,_t+

P_{E H, j, t}^{C a n d i}

P_{E H, j, t}^{E x i s t}

(21)Q_E_,_j_,_t+Q_MT_{, j, t}+

\sum_{i : i \to j}

(Q_ij_,_t-ℓ_ij_,_tx_ij)=

\sum_{l : j \to l}

Q_jl_,_t+Q_L_{, j, t}

(22)U_j_,_t=U_i_,_t-2(P_ij_,_tr_ij+Q_ij_,_tx_ij)+(

r_{i j}^{2}

x_{i j}^{2}

)ℓ_ij_,_t

(23)

P_{i j, t}^{2}

Q_{i j, t}^{2}

=ℓ_ij_,_tU_i_,_t

(24)

U_{j}^{m i n}

≤U_j_,_t≤

U_{j}^{m a x}

(25)0≤ℓ_ij_,_t≤

l_{i j}^{m a x}

(26)

P_{E, i}^{m i n}

≤P_E_,_i_,_t≤

P_{E, i}^{m a x}

(27)0≤P_res_{, t}≤

P_{r e s, t}^{F}

(28)

P_{M T, i}^{m i n}

≤P_MT_{, i, t}≤

P_{M T, i}^{m a x}

(29)

Q_{M T, i}^{m i n}

≤Q_MT_{, i, t}≤

Q_{M T, i}^{m a x}

(30)-

P_{M T, i}^{r a m p}

≤P_MT_{, i, t}-P_MT_{, i, t-1}≤

P_{M T, i}^{r a m p}

式中:P_E_,_j_,_t和Q_E_,_j_,_t分别表示城市配电网从节点j所连配电站E向上级电网购入的有功和无功功率;P_res_{, j, t}表示节点j所连风光等新能源实际出力;P_MT_{, j, t}和Q_MT_{, j, t}分别表示微型燃气轮机的有功和无功出力;P_ij_,_t和Q_ij_,_t分别表示流经线路ij的有功和无功功率;ℓ_ij_,_t表示流经线路ij的电流的平方;r_ij和x_ij分别表示线路的电阻和电抗参数;P_L_{, j, t}和Q_L_{, j, t}分别表示与节点j直接相连的有功和无功负荷;i: i→j表示从节点i流向节点j为正方向; $P_{E H, j, t}^{C a n d i}$ 和 $P_{E H, j, t}^{E x i s t}$ 分别表示流入候选和已建能源枢纽的有功电功率;U_j_,_t表示节点j的电压值; $U_{j}^{m a x}$ 和 $U_{j}^{m i n}$ 分别表示节点电压上下限; $l_{i j}^{m a x}$ 表示支路电流上限的平方; $P_{E, i}^{m a x}$ 和 $P_{E, i}^{m i n}$ 分别表示配电站购入有功功率的上下限; $P_{r e s, t}^{F}$ 表示风光等分布式新能源的最佳预测出力值; $P_{M T, i}^{m a x}$ 、 $P_{M T, i}^{m i n}$ 、 $Q_{M T, i}^{m a x}$ 和 $Q_{M T, i}^{m i n}$ 分别表示微型燃气轮机组的有功出力和无功出力极限; $P_{M T, i}^{r a m p}$ 表示机组爬坡极限.

式(20)和(21)分别表示节点有功和无功平衡方程.支路潮流与流经电流和两端节点电压的关系如式(22)和(23)所示.式(24)为配电节点电压上下限约束,式(25)表示支路电流平方的上下限,式(26)限制了各时段向上级电网的购电量,式(27)考虑了新能源的弃用,式(28)和(29)分别表示微型燃气轮机的有功和无功功率约束^[23],式(30)描述了其运行爬坡约束.

1.3 配气网运行约束

由于配气网络管道较短,管道存储的天然气量相对有限,配气网的动态特性不明显^[24],所以采用稳态天然气流量模型,具体约束如下:

(31)

\sum_{n \in N (m)}

F_mn_,_t+

\sum_{k \in C (m)}

F_Ck_,_t+

\sum_{k \in C (m)}

τ_k_,_t= F_G_,_m_,_t-

F_{E H, m, t}^{C a n d i}

F_{E H, m, t}^{E x i s t}

(32)

F_{m n, t}^{2}

C_{m n}^{2}

=Π_m_,_t-Π_n_,_t

(33)τ_k_,_t=ϑ_kF_Ck_,_t

(34)(

Z_{k}^{m i n}

)²

Π_{k, t}^{i n}

≤

Π_{k, t}^{o u t}

≤(

Z_{k}^{m a x}

)²

Π_{k, t}^{i n}

(35)

Π_{m}^{m i n}

≤Π_m_,_t≤

Π_{m}^{m a x}

(36)0≤F_Ck_,_t≤

F_{C k}^{m a x}

(37)

F_{G, m}^{m i n}

≤F_G_,_m_,_t≤

F_{G, m}^{m a x}

(38)-

F_{G, m}^{r a m p}

≤F_G_,_m_,_t-F_G_,_m_,_t_-1≤

F_{G, m}^{r a m p}

式中:N(m)表示与节点m直接相连的所有节点的集合;C(m)表示与节点m直接相连的所有加压站的集合;F_mn_,_t表示节点m所连的管道流出流量;F_Ck_,_t表示节点m所连的加压站流入的流量;τ_k_,_t表示节点m所连的加压站k在时刻t所消耗的天然气量;F_G_,_m_,_t表示节点m所连的配气站G在时刻t向上级气网的购气量; $F_{E H, m, t}^{C a n d i}$ 和 $F_{E H, m, t}^{E x i s t}$ 分别表示节点m所连的候选和已建EH在时刻t所需的天然气量;C_mn表示管道mn的Weymouth常数;Π_m_,_t表示节点m的压力的平方;ϑ_k表示加压站消耗天然气与流经天然气的比值常数; $Z_{k}^{m a x}$ 和 $Z_{k}^{m i n}$ 分别表示加压站的压缩比上下限; $Π_{k, t}^{i n}$ 和 $Π_{k, t}^{o u t}$ 分别表示加压站进出口的压力平方; $Π_{m}^{m a x}$ 和 $Π_{m}^{m i n}$ 分别表示各节点压力上下限的平方; $F_{C k}^{m a x}$ 表示管道流经的最大气流量; $F_{G, m}^{m a x}$ 和 $F_{G, m}^{m i n}$ 分别表示上级气网向城市配气网供气上下限; $F_{G, m}^{r a m p}$ 表示上级气网向城市配气网供气的爬坡极限.

式(31)表示天然气节点的流量平衡方程,式(32)描述了管道流量和首末端节点压力的非线性关系,式(33)表示加压站的天然气消耗量,式(34)描述了加压站首末端升压比约束,式(35)表示各节点压力上下限约束,式(36)表示加压站流量上限约束,式(37)表示配气站供气约束,式(38)表示配气站供气爬坡约束.

2 城市综合能源系统扩展规划

首先介绍表征不确定性的场景生成方法,然后介绍碳排放约束和投资约束,结合前文约束共同构成城市综合能源系统的扩展规划模型.

2.1 规划场景生成

长期规划决策须满足规划周期内各年的负荷需求,一般以目标年的负荷为负荷上限^[25].为表征负荷增长的长期不确定性,需采用随机优化方法构建由若干负荷增长率构成的典型场景及场景概率.

此外,扩展规划的规划周期一般为10~20 a,传统规划方法中往往采用负荷块(load block)或负荷持续时间曲线(load duration curve)表示负荷需求^[26].在规划层面完整考虑运行灵活性需求,即新能源出力的小时级波动和负荷在不同季节不同时段的差异,构建多个短期不确定性场景以保证规划后的城市能源系统能够适应各种运行工况.

综上所述,前述模型中各个约束均需考虑长短期不确定性的双重影响^[27],场景构建示意图如图3所示.在实时运行中,为减少配电站从上级电网购电方案的复杂性,本文模型中,配电站从上级电网的购电量P_E_,_j_,_t只考虑长期场景的不确定性,而不考虑日内场景的净负荷波动,短期不确定性所导致的实时波动由城市能源系统中多能转化设备如微型燃气轮机、CHP机组等平衡.

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 长短期不确定性场景构建

Fig.3 Construction of long- and short-term uncertainty scenarios

2.2 投资规划约束

假设城市能源系统的线路管道等输能设施在规划周期内具备充足的传输能力,即不考虑输能设施的扩展建设,投资扩建的设施包括:新能源机组、CHP机组、电锅炉和燃气锅炉.假设各类型设施的选址都已确定,所提模型仅用于确定其投资扩建容量.并且投资成本按年化投资成本计算^[28],即可假设某设施达到退役年限时立即有一相同设施建设完成,从而忽略各设施的使用寿命对投资规划的影响.各设备总投资成本计算如下:

(39)C^inv=

C_{r e s}^{i n v} P_{r e s, c a p}^{c a n d i}

C_{c h p}^{i n v} F_{c h p, c a p}^{c a n d i}

C_{e b}^{i n v} P_{e b, c a p}^{c a n d i}

C_{g b}^{i n v} F_{g b, c a p}^{c a n d i}

式中:C^inv表示所有设施的总投资成本; $C_{r e s}^{i n v}$ 、 $C_{c h p}^{i n v}$ 、 $C_{e b}^{i n v}$ 和 $C_{g b}^{i n v}$ 分别表示新能源机组、CHP机组、电锅炉和燃气锅炉的年化单位容量投资成本; $P_{r e s, c a p}^{c a n d i}$ 、 $F_{c h p, c a p}^{c a n d i}$ 、 $P_{e b, c a p}^{c a n d i}$ 和 $F_{g b, c a p}^{c a n d i}$ 分别为新能源机组、CHP机组、电锅炉和燃气锅炉的投资建设容量.

在城市中,受限于各类设施的建设选址面积,各设施建设容量上限为

(40)0≤

P_{r e s, c a p}^{c a n d i}

≤

P_{r e s, c a p}^{m a x}

(41)0≤

F_{c h p, c a p}^{c a n d i}

≤

F_{c h p, c a p}^{m a x}

(42)0≤

P_{e b, c a p}^{c a n d i}

≤

P_{e b, c a p}^{m a x}

(43)0≤

F_{g b, c a p}^{c a n d i}

≤

F_{g b, c a p}^{m a x}

式中: $P_{r e s, c a p}^{m a x}$ 、 $F_{c h p, c a p}^{m a x}$ 、 $P_{e b, c a p}^{m a x}$ 和 $F_{g b, c a p}^{m a x}$ 分别表示新能源机组、CHP机组、电锅炉和燃气锅炉的建设容量上限值.

2.3 碳排放约束

基于“碳达峰、碳中和”的目标导向,城市能源系统的规划思路要实现从“自上而下”往“自下而上”的路径转变^[29]:规划建设合适容量的分布式可再生能源,通过风光等清洁能源就地式消纳,最大程度满足城市综合能源系统的用能需求,从而减少向上级电网和气网购入能量引起的碳排放转移.规划年城市综合能源系统的年碳排放约束为

(44)N_day

\sum_{Y} \sum_{D} \sum_{t} \sum_{E}

ρ_Yρ_D

C_{e}^{C O_{2}} P_{E, i, t}^{Y, D}

+N_day

\sum_{Y} \sum_{D} \sum_{t} \sum_{G}

ρ_Yρ_D

C_{g}^{C O_{2}} F_{G, m, t}^{Y, D}

≤

C_{c a p}^{C O_{2}}

式中:N_day表示规划目标年的天数;Y和D分别表示长期和短期不确定性场景集合;ρ_Y和ρ_D分别表示长期和短期不确定性场景的概率; $C_{e}^{C O_{2}}$ 和 $C_{g}^{C O_{2}}$ 分别表示从上级电网和上级气网购入单位能量时所产生的碳排放量; $C_{c a p}^{C O_{2}}$ 表示城市能源系统在规划目标年的碳排放配额.

2.4 目标函数

城市综合能源系统扩展规划以经济性最佳为目标,即年化投资费用与年运行费用之和最小:

(45)min(C^inv+N_dayC^ope)

式中:C^ope为日运行成本.具体计算公式为

(46)C^ope=

\sum_{Y} \sum_{D} \sum_{t} \sum_{E}

ρ_Yρ_DC_E_,_i

P_{E, i, t}^{Y, D}

\sum_{Y} \sum_{D} \sum_{t} \sum_{G}

ρ_Yρ_DC_G_,_m

F_{G, m, t}^{Y, D}

式中:C_E_,_i和C_G_,_m分别表示城市综合能源系统向外部能源网络购入电能和天然气的单价.

综上所述,城市综合能源系统扩展规划模型包括:

(1) 目标函数,式(45).

(2) 约束条件,式(1)~(38) ∀Y, ∀D;式(39)~(44)和式(46).

归纳而言,本文扩展规划模型为非线性规划问题,可采用通用代数建模系统(GAMS)^[30]软件中的内点法优化器(IPOPT)求解.

3 算例分析

3.1 算例系统介绍

城市综合能源系统拓扑图如图4所示,由26节点配电网和18节点配气网组成^[24,31].规划周期为 15 a,主要规划目标是满足未来城市新增电、热负荷需求.城市能源系统中包括1个配电站和4个配气站.当前城市能源系统包括2台微型燃气轮机组、6个能源枢纽、1个风电场和2个光伏电站;规划候选新建6个能源枢纽、7个风电场和6个光伏电站,且每个具备电负荷需求的EH均配置了候选新能源机组.假设除CHP机组外,其余多能转换设备的转换效率恒定.具体的投资规划参数见附录表A1与A2所示^[13,18,28].

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 城市综合能源系统26节点配电网与18节点配气网耦合示意图

Fig.4 Coupling diagram of 26-bus distribution network and 18-node gas distribution network

规划年电力和供暖的小时级负荷峰值分别为32.1和26.5 MW.根据我国城市历史负荷增长速率^[32],构建6类目标年多能负荷增长场景表征长期不确定性,如附录表A3所示.对江苏某地的年光伏出力历史数据和丹麦西部地区的历史风力发电(简称风电)数据^[33]采用K-means聚类方法进行场景削减至5类场景,同时选取5个负荷日内场景^[34],考虑极端气候条件下供应不足的风险,负荷场景除3个典型日场景(春/秋季、夏季和冬季)外,还包括夏季和冬季的两个极端日场景,具体数据见附录图A1~A3.风、光和负荷的小时级波动场景表征短期不确定性,随机规划模型包含6×5=30个规划场景.假设向上级电网购电的价格采用分时电价,天然气价格采用日前固定气价,如表1所示^[28].

表1 购电购气价格^[28]

Tab.1 Prices of electricity and natural gas^[28] 元/(kW·h)

时段	电价	气价
峰时(12:00—14:00, 19:00—22:00)	1.188	0.459
平时(8:00—11:00, 15:00—18:00)	0.871	0.459
谷时(1:00—7:00, 23:00—24:00)	0.475	0.459

新窗口打开| 下载CSV

根据甲烷的化学成分,天然气的碳排放强度为0.181 t/(MW·h);假设上级电网的碳排放强度固定为0.6 t/(MW·h)^[14].根据负荷预计值,设置城市能源系统目标年的碳排放限额为 10 730 t,即阶段总碳排放限额为10 730 t×15=160 950 t.

3.2 城市综合能源系统规划结果

图5为城市综合能源系统中各类能源设备的规划结果.其中,风电机组和光伏电站新增装机容量分别达到各自总容量的87.5%和70.6%,以满足城市低碳化转型需求.同时,为满足多元化用能负荷及运行灵活性需求,各候选能源枢纽中均扩建了气锅炉、电锅炉以及CHP机组,新建容量分别达到各自总容量的59.6%、63.8%和79.1%.

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 各类型设施装机容量

Fig.5 Installed capacity of each type of facility

表2为投资运行费用及碳排放量,规划周期内总成本为4.61亿元,其中投资成本1.17亿元,占总成本的25.4%.由表2可以看出,为满足未来城市能源系统的碳减排要求,新能源机组的建设投资较高,约占总投资成本的76.9%.另一方面,由于新能源发电占比增加,为提供充裕的运行灵活性,避免在电负荷低谷时段弃风弃光,投资扩建共13.95 MW的电锅炉,以保证在电负荷低谷时段剩余的新能源出力转化为热能,达到促进新能源的消纳率与降低购气成本的目的.此外,随着新能源机组投资建设,城市能源系统的上级电网购电量显著减少,虽然购电的单位碳排放强度高于购气,但在该规划方案下,购电对应的总碳排放量低于购气对应的总碳排放量.

表2 投资运行费用及碳排放量明细

Tab.2 Breakdown of investment, operating costs, and carbon emissions

类型	设备	费用/万元	碳排放量×10^-4/t
运行	电网	11 610	71.06
运行	气网	22 788	89.86
规划	光伏	3 656	—
规划	风力发电机	5 337	—
规划	CHP	23	—
规划	电锅炉	1 658	—
规划	气锅炉	1 025	—

新窗口打开| 下载CSV

3.3 短期运行灵活性分析

对比传统不计及短期不确定性的规划模型与本文模型的结果.为使两个模型具有可比性,上级电网的碳排放强度固定为0.5 t/(MW·h),风光出力以及负荷预测等参数均相同,传统模型无灵活爬坡约束式(13)、(30)和(38),且配电站购电量各日内场景独立.将传统规划方案代入本文模型并考虑切负荷,求得如表3所示的运行结果.表3展示了规划周期内运行阶段的风光弃用、切负荷和碳排放情况.可知,本文模型在实时运行中可以满足实际负荷需求,而传统模型则需切除部分负荷.同时,本文模型结果中碳排放量和弃光量均低于传统模型,虽然弃风量略高于传统模型1.2%,但新能源总弃用量减少6.7%.上述结果验证了城市能源系统在规划阶段考虑实时运行灵活性的必要性.

表3 传统模型与本文所提模型实时运行结果对比

Tab.3 Comparison of real-time operation results of traditional model and proposed model

参数	传统模型	本文模型	减少/%
切负荷量/(MW·h)	1.112	0	—
碳排放量×10^-3/t	149	132	11.4
弃风量/(GW·h)	39.585	40.072	-1.2
弃光量/(GW·h)	15.068	10.904	27.6
新能源弃用量/(GW·h)	54.653	50.977	6.7

新窗口打开| 下载CSV

3.4 碳配额对规划的影响

通过施加碳排放约束实现城市能源系统的低碳能源转型.设置不同的碳配额值,分析碳排放配额对扩展规划的影响,具体场景及算例结果分别如表4和图6所示.场景1为无碳排放配额限制的情况,从场景2~6逐步减少碳排放配额,新能源机组投资额从场景4即碳配额为 8 000 t/a 开始显著提高,而系统运行成本则开始下降.综合表4与图6的结果表明:

表4 碳配额场景

Tab.4 Scenarios for carbon-emission cap

场景	碳配额×10^-3/(t·a^-1)
1	无限制
2	10
3	9
4	8
5	7
6	6

新窗口打开| 下载CSV

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 不同碳配额下各项成本变化

Fig.6 Changes in various costs at different carbon-emission caps

(1) 由于新能源机组较高的投资成本和较低的年利用小时数,城市能源系统在碳排放配额较为充足时倾向于从上级电网购电来满足负荷需求.而当城市往能源系统面临低碳转型时,从上级电网购入的高碳强度电难以满足碳配额约束,此时城市能源系统通过增加购气量,通过气-电耦合(微型燃气轮机、CHP机组)供应电负荷,例如场景3中购气费用相较于场景2增加了0.87%.

(2) 随着碳配额的进一步削减,城市能源系统更倾向于投资建设新能源机组替代上级电网购电.由于新能源边际发电成本为0,所以城市能源系统的运行成本降低,例如相比于场景3,场景5与6的运行成本分别降低了79.2%与69.0%.

(3) 通过投资扩建电锅炉,电网无法消纳的新能源可转换成热能供应热负荷,间接减少了城市能源系统的购气量,支撑了城市气网的低碳化转型.例如场景6中,电锅炉的投资建设容量相较于场景3增加了21.5%,气网碳排量减少了14.7%.

3.5 上级电网碳排放强度对规划结果的影响

实际运行时,向上级电网购电的碳排放强度随系统边缘发电机的特性而变化^[14].分析购入不同碳排放强度电对规划结果的影响,结果如图7所示,x表示年碳配额.

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 不同碳强度下购电的各项成本变化

Fig.7 Changes in various costs due to power purchase at different carbon intensities

由图7可知,随着上级电网碳排放强度增加,系统须增加新能源机组的扩建容量以满足城市碳配额约束,因而总投资成本增加.当年碳配额为7 300 t时,新能源机组投资量随电碳强度快速增长;当年碳配额降低至5 840 t时,新能源机组投资费用仍随电碳强度增加,但容量趋于饱和,此时电锅炉等多能转换设备投资增加显著,并且将无法消纳的电能转换为热能,从而减少气网购气量,通过同步降低气网的碳排放支撑城市能源系统低碳化转型.

3.6 规划模型求解效率

在Inter Core i5-8400 CPU和16 GB RAM计算环境下开展测试.所提规划问题包含365 937个优化变量和335 163个约束条件,平均求解时间为425 s.同时,对比GAMS平台多个非线性求解器(IPOPT、CONOPT、BARON)的求解结果,所得优化结果一致,从而验证了所得结果的最优性.

4 结语

在城市能源系统低碳化转型的背景下,提出考虑多个EH和新能源机组扩建的城市电-气混合综合能源系统扩展规划模型.与当前研究相比,本文模型具有以下特点:①在对城市能源系统进行扩展规划时,考虑未来负荷增长的长期不确定性与高比例新能源接入系统所造成的短期灵活性需求;②扩建多个具有多能转换灵活性的EH设施,通过多能互补提高新能源消纳率与支撑气网低碳化转型.算例测试结果表明,规划模型中考虑短期运行灵活性可降低新能源弃用率与碳排放分别达到6.7%和11.4%.城市能源系统的规划决策中,新能源机组的投资容量取决于低碳化转型需求;同时为满足高比例新能源渗透率下的运行灵活性,城市能源系统需投资多能转换设备.未来研究将深入分析电热储能、线路管道等设施的扩建对运行灵活性的影响,构建线性化/凸优化规划模型,评估多阶段投资规划对结果的影响,为低碳视角下的城市能源转型提供多元化规划路径.

附录见本刊网络版(xuebao.sjtu.edu.cn/article/2024/1006-2467/1006-2467-58-05-0659.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]

CHU

, MAJUMDAR

Opportunities and challenges for a sustainable energy future

[J]. Nature, 2012, 488(7411): 294-303.