计及电动汽车充电方式与多能耦合的综合能源系统低碳经济优化运行

doi:10.16183/j.cnki.jsjtu.2022.364

计及电动汽车充电方式与多能耦合的综合能源系统低碳经济优化运行

张程^,¹^,², 匡宇¹, 陈文兴³, 郑杨¹

1.福建理工大学电子电气与物理学院,福州 350118

2.智能电网仿真分析与综合控制福建省高校工程研究中心,福州 350118

3.国网福建省电力有限公司宁德供电公司, 福建宁德 352100

Low Carbon Economy Optimization of Integrated Energy System Considering Electric Vehicle Charging Mode and Multi-Energy Coupling

ZHANG Cheng^,¹^,², KUANG Yu¹, CHEN Wenxing³, ZHENG Yang¹

1. School of Electronic, Electrical Engineering and Physics, Fujian University of Technology, Fuzhou 350118, China

2. Fujian Provincial University Engineering Research Center for Simulation Analysis and Integrated Control of Smart Grid, Fuzhou, 350118, China

3. Ningde Power Supply Company, State Grid Ningde Electric Power Co., Ltd., Ningde 352100, Fujian, China

责任编辑: 王历历

收稿日期: 2022-09-19 修回日期: 2023-01-2 接受日期: 2023-02-6

基金资助:

国家自然科学基金项目(51977039)

Received: 2022-09-19 Revised: 2023-01-2 Accepted: 2023-02-6

作者简介 About authors

张程(1982-),博士,副教授,研究方向为电力系统稳定与控制、新能源等;E-mail:zhangcheng@fjut.edu.cn.

摘要

为使多能耦合的综合能源系统(IES)在低碳经济运行下可满足负荷多样性的需求,提出一种在电动汽车(EV)不同充电方式下多能耦合的IES低碳经济运行双层优化配置方法.首先,搭建涵盖冷-热-电-气耦合的IES模型.然后,在日内调度运行阶段考虑阶梯碳交易机制以及EV不同充电方式等因素,实现日调度成本最低;在配置规划阶段以设备投资成本与年运行费用总和最低为目标配置设备容量.最后,利用Cplex求解上述两阶段目标函数并通过相互迭代得到最优配置方案与调度结果.结果表明:考虑剩余电量的EV充电方式与碳交易机制能显著降低碳排放量与系统运行成本,所提配置方法可实现多能耦合的IES低碳经济运行.

关键词： 综合能源系统; 电动汽车; 双层优化; 配置; 低碳调度

Abstract

In order to enable a multi-energy coupling integrated energy system (IES) to meet the needs of load diversity in low-carbon economic operation, a bi-level optimal configuration method for low-carbon economic operation of multi-energy coupling IES in different charging modes of electric vehicles (EVs) is proposed. First, an IES including cold-thermal-electric-gas coupling is established. Then, in the day-to-day operation stage, factors such as hierarchical carbon trading mechanism and different charging modes of EVs are considered to achieve the lowest daily scheduling cost. In the configuration planning stage, based on the daily operation cost, the equipment capacity is configured with the lowest equipment investment cost and annual operation cost. Finally, Cplex is used to solve the above two-stage objective functions and obtain the optimal configuration scheme and scheduling results through mutual iteration. The results show that the charging method considering the remaining charge of EVs and carbon trading mechanism can significantly reduce carbon emissions and operating costs of the system. The proposed configuration approach can well realize low-carbon economic operation of the multi-energy coupling IES.

Keywords： integrated energy system (IES); electric vehicle (EV); bi-level optimization; configuration; low-carbon dispatch

PDF (4514KB) 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

张程, 匡宇, 陈文兴, 郑杨. 计及电动汽车充电方式与多能耦合的综合能源系统低碳经济优化运行[J]. 上海交通大学学报, 2024, 58(5): 669-681 doi:10.16183/j.cnki.jsjtu.2022.364

ZHANG Cheng, KUANG Yu, CHEN Wenxing, ZHENG Yang. Low Carbon Economy Optimization of Integrated Energy System Considering Electric Vehicle Charging Mode and Multi-Energy Coupling[J]. Journal of Shanghai Jiaotong University, 2024, 58(5): 669-681 doi:10.16183/j.cnki.jsjtu.2022.364

在全国“双碳”目标的大环境下,电力行业面临更多机遇与挑战^[1].为实现碳中和这一目标,多类能源互联耦合与互补的综合能源系统(Integrated Energy System, IES)应运而生.该系统改善了传统能源系统中电网、热网、天然气网等供能模式单一、供能灵活性差的问题;此外,还能促进可再生能源消纳与降低系统碳排放量^[2-3].目前,IES研究重点主要分为两个方面,一是如何协调优化IES中的耦合能源与设备出力来提高IES的低碳经济性;二是如何对系统进行科学、合理的规划配置^[4].

IES的优化运行研究主要包括冷、热、电、天然气与氢气等能源形式的耦合优化,系统优化目标也具有多样性,主要分为单目标与多目标.单目标优化主要以经济性为主,文献[5 ⇓⇓-8]中研究了电气热系统,分别采取不同措施实现多能源耦合系统以经济性最优为目标的优化调度.关于IES多目标优化,文献[9]中针对煤矿IES的低碳化问题,考虑碳排放与经济效益,实现了系统多能源的高效利用与节能减排,得到最佳系统配置与调度方案.文献[10]中针对热电联供系统“以热定电”易增加弃风及运行成本的问题,利用燃补装置实现系统高风光消纳率与低成本运行.文献[11]中利用多目标灰狼算法对电-热-冷-储系统进行优化配置,通过改进求解算法,获得更合理的优化配置结果.上述文献中的IES模型仅涉及两种或3种能源耦合,对冷-热-电-气之间的耦合并未进行全面研究.

低碳可持续发展成为我国能源系统的主攻方向.目前主要通过引入碳交易机制与节能减排设备来实现清洁、绿色调度.文献[12-13]中考虑电转气(Power-to-Gas, P2G)装置,提出考虑系统经济性与碳排放最优的调度模型,虽达到低碳经济目标,但其研究对象仅考虑电气、电热.文献[14-15]中将碳交易机制引入电气联合系统模型,分析了碳交易价格对电气联合系统的影响;结果表明,碳交易机制可兼顾系统的经济性与环保性.文献[16-17]中利用碳捕集设备与封存(Carbon Capture and Storage, CCS)技术收集与保存CO₂,并将其提供给电转气设备实现甲烷化(Methanation, MET);这样不仅可降低系统运行成本,还能提高环境效益,实现能量的多级利用.此外,电采暖设备在这方面也大有可为,相对传统采暖方式,使用电能作为采暖能源不仅不需要建锅炉房、储煤、堆灰、管网等设施,而且不产生废气、废水、废物等污染物,从而使废气等污染的排放直接降为0.电采暖炉中的电磁采暖炉节能省电,运行成本低廉.在峰谷电价优惠的地区可使用蓄热式电磁锅炉节约运行成本,帮助企业节能减排.

近年来,电动汽车(Electric Vehicle, EV)已经成为IES中一种常见负荷.在我国锂资源储量丰富以及国家政策支持的优势下,电动汽车由于具有污染少、能源转化率高、可晚间低谷充电的特点,已经成为主流的新能源汽车.电动汽车节能技术具有再生制动的特性,可以降低制动能量损耗.同时推广的车身轻量化、绿色轮胎等技术,可进一步降低汽车能耗,减少温室气体排放.此外,交通情况也会影响碳排放量,交通拥堵时电动汽车的能耗为正常运行时能耗的数倍,因此在发展电动汽车的同时,也应合理布局城市交通道路以及有效控制城市车辆总数.当下电动汽车的充电行为主要分为3类,分别是无序充电、参与电网优化调度的有序充电和有序充放电^[18].无序充电会提高电网负荷峰谷差,影响电力系统稳定运行,因此一般需要进行有序调度.文献[19]中指出电动汽车参与IES调度可降低IES调度成本,若对可再生能源进行充分消纳,还可减少碳排量.目前,考虑不同充电方式对系统低碳经济配置、调度影响的研究并不全面^[20].

基于上述问题,提出冷-热-电-气IES配置、调度的双层优化方法.在日内运行阶段,考虑购能、碳交易、运维以及电动汽车不同充电方式等因素,以运行成本最小为目标进行优化;在系统配置规划阶段,根据日运行最优成本,最小化设备投资成本与年运行成本.通过两层交替迭代求解出最优年总费用与系统配置结果,并分析该结果下典型季节的系统运行曲线.

1 IES的结构与模型

构建的IES集成了冷-热-电-气多种负荷,具体结构如图1所示.系统内电负荷由上级电网、风力机(Wind Turbine, WT)、光伏 (Photovoltaic, PV)、储电(Electricity Storage, ES)以及燃气轮机(Gas Turbine, GT)供给,热负荷由燃气锅炉(Gas Boiler, GB)、电锅炉(Electric Boiler, EB)^[17]、余热锅炉(Waste Heat Boiler, WHB)以及储热(Heat Storage, HS)设备供给,冷负荷由吸收式制冷(Absorption Chiller, AC)、电制冷(Electric Chiller, EC)与储冷(Cold Storage, CS)设备供给,碳捕集设备将从燃气轮机、燃气锅炉和电网捕捉到的CO₂传送给P2G设备或存入碳封存设备,储氢罐(Hydrogen Storage Tank, HST)用于存储P2G电解水过程产生的氢气,也可用于MET生成甲烷.

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 IES架构

Fig.1 Architecture of IES

1.1 P2G与CCS

P2G设备运行过程主要包括两个方面,一是电解水(Electrolyzed Water, EW )产生氢气与氧气,二是MET过程,即CO₂与氢气反应产生甲烷和水.两阶段的能量转化效率都可达到75%,并且附加设备需求较少.其产生天然气与消耗电能之间的关系式^[21]如下:

$\begin{array}{l} W_{t}^{P 2 G} = η_{P 2 G} P_{P 2 G, t} / σ \\ Q_{C H_{4}, t}^{P 2 G} = 0.725 η_{M E T} W_{M E T} δ \end{array}\}$

(1)

式中: $W_{t}^{P 2 G}$ 为t时刻生成的氢气量;η_P₂_G为电转气的效率;P_P₂_G_,t为t时刻电转气的能耗;σ为电能转化成相同能量氢气的换算系数,取39.65 kW·h/kg; $Q_{C H_{4}, t}^{P 2 G}$ 为t时刻MET产生的甲烷流量,由《城市煤气规划参考资料》可知天然气(即甲烷)流量与质量的转化系数为0.725;η_MET为MET转化效率;W_MET为MET耗氢量;δ为氢气与甲烷转化系数,参照文献[21]取2.

CCS是目前最有效的减排技术之一,有利于实现电力系统的碳中和,具有低碳性与环保性.CCS的能耗关系^[22]如下:

$\begin{array}{l} P_{C C S, t} = P_{B} + P_{S, t} \\ P_{S, t} = η_{c} {M^{C}}_{t} \end{array}\}$

(2)

式中:P_CCS_{, t}为t时刻碳捕集设备的能耗;P_B为CCS的固定耗能;P_S_{, t}为t时刻捕集CO₂的能耗;η_c为CO₂单位处理能耗; ${M^{C}}_{t}$ 为t时刻系统CO₂捕集量.

利用碳封存技术将CCS捕集到的CO₂储存起来,一部分通过P2G实现循环利用,进而减少系统整体的碳排放量.该技术所需封存成本如下:

C_CCS_{, t}=η_ch

$C_{t}^{C C S}$

(3)

式中:C_CCS_{, t}为t时刻CO₂封存成本;η_ch为碳捕集装置封存CO₂的成本系数; $C_{t}^{C C S}$ 为t时刻CO₂封存量.

1.2 燃气轮机

燃气轮机是IES的核心设备之一,可满足多种能量的多级利用,其余热通过利用吸收式制冷机以及余热锅炉分别向冷负荷与热负荷供能,其数学模型^[23]如下:

$\begin{array}{l} P_{G T, t} = η_{G T} Q_{C H_{4}, t}^{G T} H_{H V} \\ H_{G T, t} = (1 - η_{G T} - η_{l o s s}^{G T}) Q_{C H_{4}, t}^{G T} H_{H V} \end{array}\}$

(4)

式中:P_GT_{, t}、H_GT_{, t}分别为t时刻燃气轮机的发电功率与热功率;η_GT为燃气轮机的发电效率; $η_{l o s s}^{G T}$ 为其热损失系数; $Q_{C H_{4}, t}^{G T}$ 为t时刻燃气轮机的耗气量;H_HV为天然气热值,为9.7 kW·h/m³.

1.3 制冷机组

电制冷机与吸收式制冷机提供冷量,两者共同组成制冷机组.吸收式制冷机通过氨水和溴化锂水溶液将燃气轮机与燃气锅炉的高温余热转化为冷能量输出,其输出冷功率关系式^[24]如下:

P_AC_,t=η_AC

$P_{A C, t}^{i n}$

(5)

式中:P_AC_{, t}、 $P_{A C, t}^{i n}$ 分别为t时刻吸收式制冷机的输出冷量与输入热量;η_AC为吸收式制冷机的冷热能转化效率.

电制冷机利用电驱动压缩机,通过等熵过程将能量的品位提高,其数学模型如下:

P_EC_{, t}=η_EC

$P_{E C, t}^{i n}$

(6)

式中:P_EC_{, t}为电制冷机t时刻制冷功率;η_EC为电制冷机制冷效率; $P_{E C, t}^{i n}$ 为t时刻电制冷机消耗的电功率.

1.4 燃气锅炉

燃气锅炉是利用天然气燃烧加热的蒸汽锅炉,是IES热能量的供热单元.其中立式锅炉的排烟量低、换热量大、热效率较高,其输出热量与负荷的变化率有关,数学表达式^[9]如下:

P_GB_{, t}=η_GB

$Q_{C H_{4}, t}^{G B}$ H_HV

(7)

式中:P_GB_{, t}为燃气锅炉在t时刻的热功率;η_GB为燃气锅炉的效率; $Q_{C H_{4}, t}^{G B}$ 为t时刻天然气的消耗量.

1.5 余热锅炉

余热锅炉是在联合机组中利用其余设备的余热进行制热的设备,回收燃气轮机发电后的烟气热量并将其进行制热,其数学模型^[8]为

P_YR_{, t}=η_YR

$P_{Y R, t}^{i n}$

(8)

式中:P_YR_{, t}为t时刻系统的余热功率;η_YR为余热锅炉的制热效率; $P_{Y R, t}^{i n}$ 为t时刻余热锅炉回收的热功率.

1.6 储能数学模型

储能设备主要为储电、储热、储气以及储冷.储能设备主要在负荷水平较高时为IES提供能量,有利于减少其他可控供能设备的运转压力;在负荷水平较低时储存IES多余能量,为IES的经济调度提供灵活选择方案.不同储能设备的能量转换方式可认为具备相似性,表达式^[9,25]如下:

S_i_,_t=S_i_,_t_-1+η_c_{, i}P_c_{, i, t}-P_d_{, i, t}/η_d_{, i}

(9)

式中:S_i_,_t为第i种储能设备在t时刻的储能状态;P_c_{, i, t}、P_d_{, i, t}分别为第i种储能设备在t时刻的充放能功率;η_c_{, i}与η_d_{, i}分别为第i种储能设备的充放能效率.

1.7 电动汽车负荷模型

电动汽车充电负荷由用户最终到家时间与日行驶里程决定,利用蒙特卡罗抽样模拟电动汽车负荷.电动汽车随机充电数学模型参数参考文献[19].假设电动汽车在 8:00—17:00 出门在外不参与调度,电负荷在22:00—24:00、1:00—7:00 处于低谷状态,电动汽车可在这个时段进行集中充电.但是相当数量的电动汽车接入电网会使低负荷转为高负荷,对电网安全稳定造成影响,故考虑电动汽车第二日出行里程,若第一天剩余电量不满足第二日需求就进行充电,否则不采取充电操作.若考虑有序充放电过程,则在 18:00—21:00 高峰时段考虑电动汽车放电行为,充电时间不变.如果电动汽车荷电状态满足第二日出行需求,就不考虑其进行放电,若不满足第二日出行需求就进行放电并保证在出行前电量充满.有序充放电流程如图2所示.此外,考虑剩余电量的电动汽车有序充电或放电还需满足以下方面的约束:①电动汽车必须在回家后才能进行调度;②充放电功率必须在电池限值约束范围内;③离开家时必须达到第二天出行的电量.

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 电动汽车有序充放电

Fig.2 Organized charging and discharging for EVs

2 IES双层优化模型

IES的设备容量配置规划会影响经济、环保调度策略中的决策变量,反过来也会受限于系统的经济、低碳环保性,故两者相辅相成,可建立基于配置与调度的双层优化模型.

2.1 IES运行优化模型

2.1.1 日运行目标函数

在各能源设备容量配置给定的基础上,IES运行阶段以日运行经济性最优为目标:

min F₁=C_DR+C_GN+C_M+

$C_{C O_{2}}$ +C_CCS

(10)

式中:F₁为日运行成本;C_DR为需求响应成本;C_GN为购能成本;C_M为设备的总维护费用; $C_{C O_{2}}$ 为碳交易成本;C_CCS为碳封存成本.

(1) 需求响应成本

C_DR=

$\overset{T}{\sum_{t = 1}}$ r₁

$P_{z d, t}^{e}$ +

$\overset{h}{\sum_{j = 1}} \overset{T}{\sum_{t = 1}}$ r₂

$P_{t r, t}^{j}$

(11)

式中:r₁为中断成本系数; $P_{z d, t}^{e}$ 为t时刻的中断电负荷;r₂为转移成本系数; $P_{t r, t}^{j}$ 为第j类负荷在t时刻的转移量.

(2) 购能成本

C_GN=

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

$P_{b u y, t}^{e}$ p_t+

$Q_{b u y, t}^{g}$ q)

(12)

式中: $P_{b u y, t}^{e}$ 为t时刻的购电量;p_t为t时刻的电价; $Q_{b u y, t}^{g}$ 为t时刻购买的天然气流量;q为天然气单价.

(3) 维护费用

C_M=

$\overset{T}{\sum_{t = 1}} \overset{I}{\sum_{i = 1}}$ m_iP_i_,_t

(13)

式中:m_i为设备i的单位维护费用;P_i_,_t为第i类设备在t时刻的输出功率.

(4) 碳交易成本与封存成本.目前采取的碳交易配额分配主要为免费与拍卖有偿分配,我国一般采取免费的方式.采取基础线法^[26]求出碳配额总量,然后对碳配额进行优化分配.碳交易成本与封存成本可以表示为

Z_t=M_e_{, t}-D_t

(14)

$C_{C O_{2}}$ =

$\{\begin{array}{l} c_{t r, 1} Z_{t}, 0 < Z_{t} < λ_{1}, \\ c_{t r, 1} λ_{1} + c_{t r, 2} (Z_{t} - λ_{1}), λ_{1} < Z_{t} < λ_{2} \\ c_{t r, 1} λ_{1} + c_{t r, 2} λ_{2} + c_{t r, 3} (Z_{t} - λ_{1} - λ_{2}), \\ λ_{2} < Z_{t} < λ_{3} \\ - c_{t r, 1} λ_{1}, - λ_{1} < Z_{t} < 0 \\ - c_{t r, 1} λ_{1} - c_{t r, 2} (- Z_{t} - λ_{1}), \\ - λ_{2} < Z_{t} < - λ_{1} \end{array}$

(15)

C_CCS=

$\overset{T}{\sum_{t = 1}}$ C_CCS_{, t}

(16)

式中:Z_t为实际碳排量;M_e_{, t}为t时刻IES的碳排放量;D_t为t时刻IES的碳配额; $C_{C O_{2}}$ 为碳交易成本;c_tr_{, w}为第w区间的碳交易价格;λ_w为第w区间的边界值;w=1,2,3.

2.1.2 约束条件

IES优化模型的约束主要包含耦合设备约束、能量平衡约束、储能设备约束、EV充放电约束等.

(1) 能量平衡约束.IES在运行过程中应满足冷、热、电、气平衡约束,表达式如下:

$P_{b u y, t}^{e}$ +

$P_{d i c, t}^{E S}$ +

$P_{z d, t}^{e}$ +

$P_{t}^{V W}$ +P_GT_{, t}+

$P_{d, t}^{E V}$ =

$P_{L, t}^{E}$ +

$P_{c h, t}^{E S}$ +

$P_{c, t}^{E V}$ +P_CCS_{, t}+

$P_{t r, t}^{E L}$ +

$P_{E B, t}^{i n}$ +

$P_{E C, t}^{i n}$ +P_P₂_G_{, t}

(17)

$P_{d i c, t}^{H S}$ +P_GB_{, t}+P_EB_{, t}+P_YR_{, t}=

$P_{t}^{H L}$ +

$P_{t r, t}^{H}$ +

$P_{c h, t}^{H S}$ +

$P_{A C, t}^{i n}$

(18)

P_AC_{, t}+P_EC_{, t}+

$P_{d i c, t}^{E C}$ =

$P_{t}^{C L}$ +

$P_{c h, t}^{E C}$

(19)

$Q_{b u y, t}^{g}$ +

$Q_{C H_{4}, t}^{P 2 G}$ =

$Q_{C H_{4}, t}^{G T}$ +

$Q_{C H_{4}, t}^{G B}$ +

$P_{t r, t}^{G}$ +

$P_{t}^{G L}$

(20)

式中: $P_{c h, t}^{E S}$ 、 $P_{d i c, t}^{E S}$ 分别为储电设备的充放电功率; $P_{t}^{V W}$ 为t时刻的风光总功率; $P_{L, t}^{E}$ 为t时刻的电负荷; $P_{c, t}^{E V}$ 、 $P_{d, t}^{E V}$ 分别为电动汽车充放电功率; $P_{t r, t}^{E L}$ 为时移电负荷; $P_{c h, t}^{H S}$ 、 $P_{d i c, t}^{H S}$ 分别为储热设备的蓄、放热功率; $P_{t}^{H L}$ 为t时刻的热负荷; $P_{t r, t}^{H}$ 为时移热负荷; $P_{c h, t}^{E C}$ 、 $P_{d i c, t}^{E C}$ 分别为蓄、放冷功率; $P_{t}^{C L}$ 为 t时刻的冷负荷; $P_{t}^{G L}$ 为t时刻的气流量; $P_{t r, t}^{G}$ 为时移气流量.

(2) 碳捕集与封存设备约束

M_e_{, t}=

$M_{t}^{G T}$ +

$M_{t}^{g r i d}$ +

$M_{t}^{G B}$ -

${M^{C}}_{t}$

(21)

$M_{t}^{i n}$ -

$M_{t}^{o u t}$ =

$C_{t}^{C C S}$

(22)

${M^{C}}_{t}$ -

$M_{t}^{i n}$ =

$M_{t}^{P 2 G 1}$

(23)

$M_{t}^{o u t}$ +

$M_{t}^{P 2 G 1}$ =M_P₂_G_{, t}

(24)

$M_{t}^{G T}$ =μ_GTP_GT_{, t}

(25)

$M_{t}^{g r i d}$ =μ_gridP_grid_{, t}

(26)

$M_{t}^{G B}$ =μ_GBP_GB_{, t}

(27)

M_P₂_G_{, t}=αη_P₂_GP_P₂_G_{, t}/H_HV

(28)

$C_{t}^{C C S, m i n}$ ≤

$C_{t}^{C C S}$ ≤

$C_{t}^{C C S, m a x}$

(29)

$M_{t, m i n}^{o u t}$ ≤

$M_{t}^{o u t}$ ≤

$M_{t, m a x}^{o u t}$

(30)

$M_{t, m i n}^{i n}$ ≤

$M_{t}^{i n}$ ≤

$M_{t, m a x}^{i n}$

(31)

0≤

${M^{C}}_{t}$ ≤η_c(

$M_{t}^{G T}$ +

$M_{t}^{g r i d}$ +

$M_{t}^{G B}$ )

(32)

式中: $M_{t}^{G T}$ 、 $M_{t}^{g r i d}$ 、 $M_{t}^{G B}$ 分别为燃气轮机、电网与燃气锅炉在t时刻的碳排放量; $M_{t}^{i n}$ 、 $M_{t}^{o u t}$ 分别为t时刻碳封存设备的输出、输入量; $M_{t}^{P 2 G 1}$ 为t时刻碳捕集设备为P2G提供的碳量;M_P₂_G_{, t}为t时刻P2G设备的耗碳量;μ_GT为燃气轮机的碳排放强度;μ_grid为电网的碳排放强度;μ_GB为燃气锅炉的碳排放强度;α为P2G生成每单位天然气所需CO₂量; $C_{t}^{C C S, m i n}$ 、 $C_{t}^{C C S, m a x}$ 分别为t时刻CO₂封存量的最小、最大值; $M_{t, m i n}^{o u t}$ 、 $M_{t, m a x}^{o u t}$ 分别为t时刻碳封存设备输出量的最小、最大值; $M_{t, m i n}^{i n}$ 、 $M_{t, m a x}^{i n}$ 分别为t时刻碳封存设备输入量的最小、最大值.

(3) 储能设备约束.储能设备会受到最大充放电功率的制约,不具备同时充放能功能,同时容量也无法超过设备规定的上下限.即:

$\begin{array}{l} 0 \leq P_{c, i, t} \leq P_{c, i, t}^{m a x} \\ 0 \leq P_{d, i, t} \leq P_{d, i, t}^{m a x} \\ ϕ_{i}^{m i n} C_{C N, i} \leq S_{i, t} \leq ϕ_{i}^{m a x} C_{C N, i} \end{array}\}$

(33)

式中: $P_{c, i, t}^{m a x}$ 、 $P_{d, i, t}^{m a x}$ 分别为t时刻第i种储能设备的最大充放能功率; $ϕ_{i}^{m i n}$ 、 $ϕ_{i}^{m a x}$ 分别为储能设备最小、最大比例;C_CN_{, i}为第i种储能设备的安装容量.IES与上级网络的交互、需求侧响应等约束与文献[9]类似.

(4) EV约束

$\begin{array}{l} C_{t + 1}^{E V} = C_{t}^{E V} + (η_{c h}^{E V} P_{c, t}^{E V} - P_{d, t}^{E V} / η_{d c}^{E V}) Δ t \\ C_{m i n}^{E V} \leq C_{t}^{E V} \leq C_{m a x}^{E V} \\ 0 \leq P_{d, t}^{E V} \leq P_{d, t m a x}^{E V} \\ 0 \leq P_{c, t}^{E V} \leq P_{c, t m a x}^{E V} \\ C_{0}^{E V} + η_{c h}^{E V} P_{c, t}^{E V} T_{c h} - P_{d, t}^{E V} T_{d c} / η_{d c}^{E V} = C_{m a x}^{E V} \end{array}\}$

(34)

式中: $η_{c h}^{E V}$ 、 $η_{d c}^{E V}$ 分别为电动汽车充放电效率; $C_{t}^{E V}$ 为电动汽车在t时刻电池容量; $C_{m a x}^{E V}$ 、 $C_{m i n}^{E V}$ 分别为电动汽车电池容量上下限; $P_{c, t m a x}^{E V}$ 、 $P_{d, t m a x}^{E V}$ 分别为t时段电动汽车最大充放电功率;T_ch、T_dc分别为充放电时长; $C_{0}^{E V}$ 为进行放电行为的电动汽车到家时的电量.

2.2 IES配置优化模型

2.2.1 配置目标函数

配置阶段以经济性成本最低为目标,主要包括系统内各发电、储能设备的投资成本以及年运行成本.其目标函数表达为

min F₂=F_inv+F_ope

(35)

F_inv=

$\overset{N}{\sum_{i = 1}}$ c_i,_rlc_i,_g

$\frac{r {(1 + r)}^{Y}}{{(1 + r)}^{Y} - 1}$

(36)

F_ope=

$\overset{m}{\sum_{s = 1}}$ n_m_{, s}F_{1, s,}_day

(37)

式中:F₂为年总费用;F_inv为所有能源设备的投资成本;F_ope为系统年运行成本;N为设备种类个数;c_i,_rl表示第i种设备容量;c_i,_g为不同设备的单位容量价格;r为折现率;Y为设备生命周期;s为典型场景数;n_m,_s为典型场景对应的时间;F_{1, s,}_day为场景s中的日运行成本.

2.2.2 配置约束条件

考虑场地、资金以及用能需求的情况,需要对机组设备的安装容量进行约束:

$C_{a, i}^{m i n}$ ≤C_a_{, i}≤

$C_{a, i}^{m a x}$

(38)

式中:C_a_{, i} 为设备i的安装容量; $C_{a, i}^{m i n}$ 和 $C_{a, i}^{m a x}$ 分别表示设备i的最小与最大安装容量.

2.3 双层优化流程

所提计及电动汽车充电方式与多能耦合的IES双层优化配置方法总体运行流程如图3所示.

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 双层优化流程图

Fig.3 Flow chart of bi-layer optimization

首先,考虑风光不确定性,根据历史数据,利用Frank-Copula函数^[27]与核密度估计生成出力场景,再采用K均值算法获得削减场景.第1阶段在日优化尺度下,根据初始配置以日运行经济性最优为目标产生日调度策略;第2阶段以年经济成本最低为目标对安装设备的容量配置进行优化.最后,将第2阶段获取的配置信息输入第1阶段,将第1阶段的调度信息传输到第2阶段,两阶段的信息不断循环,在满足迭代次数后输出最佳的容量配置与调度策略.

3 算例分析

对建立的IES进行仿真,根据采集的气象数据以及各种类型的负荷需求,将整年的时段规划为3种典型季节,分别为夏季(6—8月,共92 d)、冬季(12—2月, 共90 d)和过渡季(3—5月和9—11月, 共183 d).燃气轮机与燃气锅炉的碳排放强度都为0.85 kg/(kW·h), 主网的碳排放强度为0.9 kg/(kW·h), CCS捕集单位CO₂的功率为0.27 kW·h/kg.每日的分时电价如表1所示.系统内各个能源设备参数^[9,21,24]如表2所示.表中:空白表示不适用.

表1 电网分时电价

Tab.1 Time-of-use tariffs of grid

时段	具体时间	电价/(元·kW^-1·h^-1)
峰时段	8:00—11:00,18:00—21:00	0.804
平时段	6:00—7:00,12:00—17:00	0.550
谷时段	1:00—5:00,22:00—24:00	0.295

新窗口打开| 下载CSV

表2 设备参数^[9,21,24]

Tab.2 Parameters of devices^[9,21,24]

能源设备	寿命/a	投资成本/ (元·kW^-1)	维护成本/ (元·kW^-1)	效率
WT	25	10000	0.01
PV	25	12000	0.01
GB	20	8000	0.01	0.9
AC	15	1000	0.01	0.99
EC	15	1500	0.02	3
ES	20	800	0.15	0.9
HS	20	50	0.05	0.95
CS	20	100	0.05	0.95
WHB	15	200	0.05	0.4
HST	20	600	0.15	0.95
GT	15	7800	0.01	0.7
EB	15	7500	0.01	0.9
EW	15	13500	0.01	0.8
MET	15	15000	0.01	0.8

新窗口打开| 下载CSV

根据3类季节的历史风光数据,对各种季节分别进行风光不确定性与相关性的场景生成,利用K均值聚类削减生成的风光场景,场景阈值选取为3.3个季节典型日风电削减结果如图4(a)~4(c)所示,在削减场景与概率的基础上进行加权(图例括号内数值为权重),得到最终风电出力.以此类推可得每种季节典型日加权后的风光出力,如图4(d)所示.图中:P为功率.每种季节的冷、热、电负荷与气流量(Q)数据^[24]如图5所示.

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 典型日风电聚类结果与风光数据

Fig.4 Typical daily wind power clustering results and wind and solar data

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 典型日负荷^[24]

Fig.5 Typical daily load^[24]

进行算例分析时,一共考虑80辆电动汽车.图6所示为电动汽车不同充电方式下的负荷.由图可知,采用蒙特卡罗无序采样得到的充电负荷最多,集中在 16:00—21:00,该时间段包含居民用电高峰期,易加大电力系统负荷峰谷差,威胁电力系统安全运行.当不考虑剩余电量充电时,在 22:00—7:00 产生的巨大负荷易导致负荷低谷变为用电高峰,影响电力系统正常运行.考虑剩余电量的有序充电负荷相比前两者都显著降低,可显著减少电动汽车充电对电网的影响.

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 电动汽车负荷

Fig.6 Load of EV

3.1 IES运行优化调度分析

在所提考虑剩余电量的EV充放电方式下,以夏季典型日场景为例,其调度结果分别如图7~10所示.

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 电负荷日前调度结果

Fig.7 Day-ahead scheduling results of power load

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 热负荷日前调度结果

Fig.8 Day-ahead scheduling results of heat load

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 冷负荷日前调度结果

Fig.9 Day-ahead scheduling results of cooling load

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 天然气日前调度结果

Fig.10 Day-ahead scheduling results of Natural gas

由图7可知,受峰谷电价影响,在8:00—10:00点峰时段购电量相对较少,此阶段主要由风光与燃气轮机提供电能.在峰谷时段移出与移入部分负荷协调各机组出力,缓解机组出力压力.对比碳捕集设备能耗发现,其主要工作在谷时段与中午12:00—13:00,工作在谷时段是因为谷时段的电负荷与电价都比较低,此时运行有利于降低成本,工作在中午12:00—13:00是因为夏季中午风光出力大,其他设备的能耗较低,系统有能力运转碳捕集设备进行碳捕捉.在 3:00—7:00,碳捕集设备由于需要捕捉足够的CO₂供给P2G,所以此时段能耗最高.电动汽车在考虑剩余电量模式下,为了保证第2天出行与提高系统运行经济性,在18:00—21:00进行放电,补充缺额的电功率.

由图8可知,夏季燃气锅炉不出力,一方面是因为夏季热负荷偏低,燃气轮机的余热回收与其他供热设备可满足需求;另一方面是因为燃气锅炉的单位出力成本高,不利于系统经济运行.在18:00—20:00时段,电负荷较大,提供给电制热的电能减少,电制热供热量降低,热量缺额由储热罐提供,此时也转出部分热量,缓解调节压力.在热量过剩时,储热罐存储多余热量,这样不仅降低系统制热成本,还提高能源利用率.

因为吸收式制冷设备进行供冷需要燃气轮机与燃气锅炉产热,所以其单位出力成本高于电制冷设备.又因为吸收式制冷设备的能量转化效率低于电制冷设备,所以图9显示系统的冷负荷主要由电制冷设备提供.当电制冷设备出力减少时,冷负荷缺额由储冷罐提供.

由图10可知,夏季天然气除了供给气负荷外,主要给燃气轮机供能.在早晨、晚间时段,燃气轮机耗气量大,是因为这些时段风光出力减少,燃气轮机的供能压力增大.中午风光出力充足时,燃气轮机耗气量减少.在18:00—20:00,利用MET过程提供天然气并转移少量气负荷来满足整体供需平衡.

综上所述,通过对冷热电气联供型IES的运行结果分析可知,由于多种设备之间存在耦合,不同系统之间互联互通,所以系统调度结果较为复杂.3种季节的系统日运行成本如表3所示.

表3 系统日运行成本

Tab.3 Daily operation costs of the system 元

季节	C_DR	C_GN	C_M	$C_{C O_{2}}$	C_CCS	F₁
冬季	242	20141	348	2210	128	23069
过渡季	266	17537	329	2065	343	20540
夏季	428	19005	408	2720	718	23279

新窗口打开| 下载CSV

由表3可知,夏季的每日运行总成本最高为 23279元,过渡季的每日运行总成本最低为 20540元.3个季节的运行成本主要来自购能费用,夏季由于总负荷量大,所以其购电、购气量与燃气轮机的出力偏大,进而导致夏季的碳交易成本最高.过渡季由于冷热负荷相对较少,系统衍生能源可满足系统需求,有效降低系统运行成本与碳交易成本.

3个季节的日电负荷调度结果如图11和表4所示.

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 电负荷优化结果

Fig.11 Optimization results of electric load

表4 3个季节电负荷的峰谷差

Tab.4 Peak-valley differences of electric load in three seasons

季节	峰谷差/kW
季节	初始	优化后	考虑EV
夏季	579.1	415.0	493.2
冬季	341.0	242.5	272.1
过渡季	378.9	254.0	310.0

新窗口打开| 下载CSV

由图11和表4可以看出,考虑电动汽车负荷后增加了谷时段的电负荷,前文双层优化方法求得调度策略后,夏季、过渡季、冬季的负荷峰谷差与初始负荷相比分别减少约164、125、99 kW,起到削峰填谷的作用,有利于提高发电设备利用效率,降低发电设备的调峰容量.另外,3个季节在考虑剩余电量的电动汽车充电负荷后,其电负荷的峰谷差比初始电负荷的峰谷差分别降低约14.8%、20.2%以及18.2%,说明电动汽车充放电调度具有一定合理性.

3.2 不同充电方式下的配置与成本

在无序充电、参与电网优化调度的有序充电和有序充放电3种电动汽车充电模式下设置4种情景进行双层优化调度.场景1为无序充电;场景2为不考虑剩余电量充电;场景3为不考虑剩余电量充放电;场景4为考虑剩余电量充放电.得到的系统配置与年成本分别如表5~6所示.

表5 4种场景的配置结果

Tab.5 Configuration results of four cases

负荷类型	配置容量/(kW·h)
负荷类型	场景1	场景2	场景3	场景4
WT	290	290	290	280
PV	290	280	277	272
GB	13	24	25	26
AC	104	104	75	66
EC	225	224	223	227
ES	125	126	127	107
HS	364	397	383	243
CS	304	243	266	200
WHB	106	96	85	74
HST	271	260	262	263
GT	837	722	631	536
EB	257	262	264	270
EW	102	103	90	92
MET	440	443	423	423

新窗口打开| 下载CSV

表6 4种场景的年成本

Tab.6 Annual costs of four cases 元

场景	C_DR	C_GN	C_M	$C_{C O_{2}}$	C_CCS	F_inv
1	142051	7439914	141550	1114890	206504	2580400
2	131559	7163903	133932	959132	184592	2486810
3	110846	6776861	129983	840743	147061	2365655
4	109834	6770421	129063	827035	140345	2280380

新窗口打开| 下载CSV

根据表5~6中的结果,电动汽车的不同充放电方式会对系统设备的配置与运行成本产生显著影响.不考虑剩余电量充放电的投资成本比不考虑剩余电量充电与无序充电的投资成本分别降低4.9%与8.3%,因此考虑电动汽车的充放电模式比仅考虑充电的模式投资成本更低,另外在谷时段充电的方式比无序充电的方式也有更好的经济效益.场景4与3相比,场景4降低投资成本约3.6%,表明在场景3基础上考虑剩余电量的电动汽车充放电能进一步降低投资成本,提高系统运行的经济效益.在具体配置中,提高电动汽车的负荷会减少电制热装置的容量,增加吸收式制冷和余热回收的容量,这是因为系统消耗大量电功率供给电负荷,只能依赖回收热和冷满足热、冷负荷.同时增加的天然气需要MET过程补充,因此MET与电制氢设备容量也略微增加.

综合系统运行成本与配置结果,场景1与2的充电方式与场景3、4相比增加了系统的电负荷,导致其需要提高需求响应负荷调节量来实现灵活调度.同时,系统也需要高电价购买电力和增大燃气轮机、燃气锅炉的出力来满足电力平衡需求.这些会造成购气量需求量与碳排放量的增加,因此,前两种充电模式的购能成本同比场景3的购能成本分别提高8.9%与5.4%.场景4通过考虑剩余电量的电动汽车充放电行为协调各个设备的出力,使系统的购能成本与碳交易成本分别比场景3减少约6 440元与13 708元,年总费用与其他三者比较也分别降低11.7%、7.2%与1.1%,实现系统的低碳经济运行.

3.3 低碳经济调度分析

考虑以下3种场景下低碳经济调度情况:场景5为不考虑碳捕集与考虑固定碳交易价格的调度运行情况;场景6为不考虑碳捕集与考虑本文碳交易作用的调度运行情况;场景7为考虑碳捕集与碳交易作用的调度运行情况.表7为各场景的成本对比.

表7 3种场景年成本对比

Tab.7 Annual cost comparison of three cases 元

场景	C_DR	C_GN	C_M	$C_{C O_{2}}$	C_CCS	F₂
5	110235	6785386	120879	1167834	0	10348724
6	110846	6778248	128699	1117250	0	10281593
7	109834	6770421	129063	827035	140345	10257078

新窗口打开| 下载CSV

由表7可知,3种场景的需求响应成本相差无几.场景5未考虑本文碳交易机制,所以其对碳排的惩罚相对较低,导致其碳交易成本比场景6提高4.5%,场景6的年总费用比场景5低6.7万元,可见本文碳交易机制有利于促进系统低碳经济运行.场景7加装碳捕集装置虽然导致购能成本高于场景6,但是其通过结合碳捕集设备与碳交易机制有效降低了碳交易成本,碳交易成本较场景6减少约25%,在经济性上,场景7的年总费用比场景5和场景6分别减少约9.2万元与2.5万元.综上,验证了所提优化模型在低碳经济调度上的优势.图12展示了不同碳交易价格下的年总费用与碳交易成本.

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 不同碳价的运行费用

Fig.12 Operating costs of different carbon prices

由图12可知,系统的年运行成本与碳交易成本随碳价的提高呈现先快后慢的增长趋势.碳价小于0.4元/kg时,年总费用与碳交易成本几乎是线性增长,年总费用的增加主要是由于碳交易成本的上浮.碳交易价格大于0.5元/kg时,碳价对年碳交易成本的影响减弱,原因是单位碳排放成本高于碳捕集设备的单位捕集成本,导致碳捕集设备捕捉一部分的CO₂,使得碳配额与碳排放之间的差值减少.因此,通过设置合理的碳交易价格可以兼顾系统的经济性与低碳性.

3.4 电动汽车数量对低碳经济性的影响

为了分析不同充电汽车负荷占比对系统低碳经济性的影响,将电动汽车数量设置为30、40、50、60、70和80分别进行实验,结果如图13所示.由图可知, 随着电动汽车数量的减少,系统的年运行成本、年碳交易成本、年需求响应与维护费用成本都有所降低.特别是在当电动汽车数量由70变为60时,上述4种年成本的减少幅度变化相对较大,说明在此区间内电动汽车负荷与整体负荷较为协调,各个机组之间可以实现效率较高的协调运行,实现多能互补.

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13 系统在不同电动汽车数量下的部分成本

Fig.13 Partial costs of the system with different EV quantities

4 结论

以冷-热-电-气多能耦合的IES为基础,考虑阶梯碳交易机制与电动汽车不同充电方式,提出以年总费用最低的双层优化方法,通过算例仿真,结论如下:

(1) 建立的冷-热-电-气耦合的IES可实现不同能量间的协调运行,增强多能互补的能力,能够满足多类别负荷需求,有利于系统的低碳经济运行.

(2) 通过有序充放电模式可以引导电动汽车在谷时段充电,结合需求响应过程,实现削峰填谷目标,提高发电设备的利用效率.同时,考虑剩余电量的电动汽车有序充放电与其他充放电行为相比,其系统投资成本与碳交易成本均最低,年总费用与其他三者比较也分别降低11.7%、7.2%与1.1%,实现系统的低碳经济运行.

(3) 阶梯碳交易机制对系统的低碳经济作用显著,利用阶梯碳交易机制与碳捕集设备可有效降低碳交易成本与年总费用;碳交易成本随碳价的变化呈现先快后慢的增长趋势,通过设置合理的碳交易价格可以兼顾系统的经济性与低碳性.

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]

臧海祥, 耿明昊, 黄蔓云, 等.

电-热-气混联综合能源系统状态估计研究综述与展望

[J]. 电力系统自动化, 2022, 46(7): 187-199.