上海交通大学学报, 2024, 58(9): 1344-1356 doi: 10.16183/j.cnki.jsjtu.2022.428

新型电力系统与综合能源

考虑碳交易机制的海港综合能源系统电-热混合储能优化配置

林森1, 文书礼,2, 朱淼2, 戴群3, 鄢伦4, 赵耀1, 叶惠丽2

1.上海电力大学 电气工程学院,上海 200090

2.上海交通大学 电力传输与功率变换控制教育部重点实验室, 上海 200240

3.中船动力(集团)有限公司,上海 200129

4.武汉第二船舶设计研究所,武汉 430064

Optimal Allocation of Electric-Thermal Hybrid Energy Storage for Seaport Integrated Energy System Considering Carbon Trading Mechanism

LIN Sen1, WEN Shuli,2, ZHU Miao2, DAI Qun3, YAN Lun4, ZHAO Yao1, YE Huili2

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

2. Key Laboratory of Control of Power Transmission and Conversion of the Ministry of Education, Shanghai Jiao Tong University, Shanghai 200240, China

3. China Shipbuilding Power (Group) Co., Ltd., Shanghai 200129, China

4. Wuhan Second Ship Design and Research Institute, Wuhan 430064, China

通讯作者: 文书礼,助理教授,博士生导师;E-mail:wenshuli@sjtu.edu.cn.

责任编辑: 孙伟

收稿日期: 2022-10-28   修回日期: 2022-11-18   接受日期: 2022-12-5  

基金资助: 国家自然科学基金(52177101)

Received: 2022-10-28   Revised: 2022-11-18   Accepted: 2022-12-5  

作者简介 About authors

林森(1996—),硕士生,从事储能优化配置研究.

摘要

随着港口电气化进程逐渐加速,单一的港口供能方式正在向多种能源深度融合演变.为响应我国“碳达峰、碳中和”战略目标,进一步提升海港综合能源系统的经济与环境双重效益,提出一种考虑碳交易机制的电-热混合式储能优化配置方案.首先,建立海港综合能源系统模型,并给出计及碳交易市场的交易方案;其次,构建双层优化配置框架,上层优化配置混合式储能容量,下层引入碳交易机制,满足港口综合能源系统低碳经济运行需求;最后,结合网格自适应直接搜索法与自适应混沌粒子群算法优势,利用混合式优化算法对双层优化模型进行求解.以天津港的实际运行数据为例,验证该方法的有效性.算例结果表明,所提方法不仅可以降低系统的投入成本,还能显著减少港区碳排放,从而进一步提升港口经济和环境效益.

关键词: 海港综合能源系统; 碳交易机制; 混合储能; 网格自适应直接搜索算法; 自适应混沌粒子群算法

Abstract

With the continuous increase of electrification in seaports, the single energy supply mode of seaport microgrid is evolving towards multi-energy integration. Aimed to achieve the goals of peak carbon and carbon neutrality, an optimal carbon trading mechanism-based allocation scheme of hybrid electric and thermal storage system is proposed to further maximize the economic and environmental benefits. First, the integrated energy system model of a seaport is established, incorporating a scheme within the carbon trading market. Then, a bi-level optimization framework is proposed, in which the upper layer is utilized to optimize the allocation of the hybrid energy storage system and the lower layer is employed to optimize the operation. Afterwards, a combination algorithm of the mesh adaptive direct search and the adaptive chaotic particle swarm optimization is developed to solve the proposed problem. Finally, the real-world data of Tianjing port is utilized to verify the method. The numerical results demonstrate that with the help of the proposed method, both the cost and carbon emissions are dramatically reduced.

Keywords: seaport integrated energy system; carbon trading mechanism; hybrid energy storage; mesh adaptive direct search algorithm; adaptive chaotic particle swarm optimization algorithm

PDF (5125KB) 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

林森, 文书礼, 朱淼, 戴群, 鄢伦, 赵耀, 叶惠丽. 考虑碳交易机制的海港综合能源系统电-热混合储能优化配置[J]. 上海交通大学学报, 2024, 58(9): 1344-1356 doi:10.16183/j.cnki.jsjtu.2022.428

LIN Sen, WEN Shuli, ZHU Miao, DAI Qun, YAN Lun, ZHAO Yao, YE Huili. Optimal Allocation of Electric-Thermal Hybrid Energy Storage for Seaport Integrated Energy System Considering Carbon Trading Mechanism[J]. Journal of Shanghai Jiaotong University, 2024, 58(9): 1344-1356 doi:10.16183/j.cnki.jsjtu.2022.428

当前,我国能源结构、经济形势对碳中和目标的实现施加巨大压力[1].作为航运运输与海洋开发的重要能源交通枢纽,大型海港承担了全球近85%的贸易量[2].随着港口自身负荷的增长及电气化船舶的不断接入,港口电网单一的供能方式已经无法满足日益增长的港区用能需求,巨大能源消耗和环境污染给港口低碳运行带来严峻挑战.为助力实现碳中和,海港能源低碳结构性变革势在必行[3-4].

面向我国海洋“双碳”战略目标,将高比例风力发电(简称风电)引入海港电网,结合电热耦合,形成源-荷-储交通电气一体化的海港综合能源系统,可以有效提升港区能源利用效率并降低碳排放.然而,风电出力波动性和反调峰特性成为制约海港低碳发展的重要因素,如何有效规划不同能源形式储能容量,统筹考虑系统经济效益和环境效益,成为海港低碳可持续发展的关键.

一方面,针对海港能效提升方面的研究主要基于固定的能源配置,以优化运行为重点.文献[5]中提出一种海港优化调度方法,在计及电-氢能量转换与储存基础上,通过物流与能量的协同优化,提升系统灵活性和经济性.文献[6]中搭建了基于港船互动的港区综合能源系统模型,通过电、热储能参与系统运行,有效降低了港区用能成本.文献[7]中利用两阶段优化调度策略,优化泊位分配与海港电网的能量管理.文献[8-9]中建立了考虑港口需求侧响应和能源互联的能量枢纽模型,并利用混合整数线性规划方法,对能量枢纽进行优化,以此提高系统经济效益和运行灵活性.文献[10]中在考虑分时电价因素下,优化调节港区储能系统,有效降低海港能耗成本.上述研究往往考虑单一式储能系统的优化调节,但尚未关注港口“电-热”强耦合特性,未整体性评估混合式储能投资成本对系统经济效益的影响.

另一方面,涉及港口综合能源系统低碳优化的研究较少.文献[11]中基于多能流分布式综合能源系统优化配置电、热储能容量以提升经济性,但忽略系统环境效益.文献[12]中在对综合能源系统规划时,构建碳交易成本模型,对碳排放量进行制约;文献[13-14]中在综合能源系统优化运行中,引入碳交易机制来引导系统低碳减排,但上述文献尚未考虑多种能源的优化匹配,也未考虑能源经济性.文献[15-16]中针对高比例接入的综合能源系统,借助碳交易机制提升新能源消纳能力,忽略了不同能源形式储能投资成本,未兼顾系统经济性和环境友好性.

为降低港口综合能源系统投入成本,减少碳排放,围绕大型海港综合能源系统优化配置问题,提出一种计及碳交易机制的双层优化方法.主要创新点归纳为以下几个方面:

(1) 面向海洋“双碳”目标,首次将碳交易机制引入到海港综合能源系统中,搭建了新型海港综合能源系统双层优化模型.其中,上层优化配置混合式储能容量;下层给出计及碳交易市场的能源优化策略,以此提升海港环境友好性.

(2) 为求解海港综合能源系统多目标双层优化配置模型,将网格自适应直接搜索算法与自适应混沌粒子群相结合,提出一种混合式优化方法,确定混合储能系统最佳配置方案.

(3) 较以往研究不同,本文考虑了港口电-热耦合特性,设计了电-热混合式储能联合优化配置方案,避免了单一能源形式在经济性和环境效益方面的缺陷.

1 计及碳交易机制的海港综合能源系统

1.1 海港综合能源系统

随着海港电气化程度不断提升,以传统一次能源为驱动燃料的港口岸电和作业设备逐渐被电力化港机所取代,从而高度电气化的港口有效降低港口碳排放.同时,海港作为连接城市与海洋的重要交通枢纽,是典型的能量密集型扩展区域,具有独特拓扑结构,如图1所示.海港除了满足传统岸电、物流和工业造船活动的用电需求外,商业建筑和住宅办公区也伴随着典型季热、冷负荷需求,使得海港负荷呈现多样化发展.电力作为主要二次能源,由上级电网和海上风电提供.受联供机组容量限制,海港主要热源为电锅炉,相应的冷负荷需求则由电制冷机满足.在电、热、冷多能流融合的海港综合能源系统中, 配置不同能源形式储能来优化系统运行.

图1

图1   海港综合能源系统

Fig.1   Seaport integrated energy system


海港正在成为“以电力为主导,多能流融合,交通能源耦合”的大型综合能源系统,但同时也意味着巨大的日常用电负荷需求,从而产生高昂电费支出,尤其是海港高峰负荷需求与峰谷分时电价不匹配的情况,进一步加剧了海港经济负担,同时也增加了电源侧火电厂碳排放.因此,为了平衡海港综合能源系统的经济效益和环境效益,引入碳交易机制来引导海港综合能源系统的低碳经济发展.

1.2 海港综合能源系统组成

(1) 风电.作为海港综合能源系统能源供给侧之一,风电出力与空气密度、风速以及风力发电机设备参数有关,数学模型表示为

PW,t= 0,vtvc0.5ρCpvt3πR2,vc<vtvrPWr,t,vr<vtvf0,vt>vf

式中:PW,t为t时刻风电功率;ρ为空气密度;Cp为风能转化系数;vt为t时刻风速;R为风轮叶片半径;vc为切入风速;vr为额定风速;vf为切出风速;PWr,t为风电额定功率.

(2) 电锅炉.电锅炉将电能转换成热能,以满足热负荷需求,其工作模式为

PEBH,tEBPEB,t

式中:PEB,t为t时刻输入电功率;PEBH,t为t时刻输出热功率;ηEB为电锅炉电热转换效率.

(3) 电制冷机.电制冷机利用电能制冷以满足冷负荷需求,其工作模式为

PERC, tERPER, t

式中:PER, t为t时刻输入电功率;PERC, t为t时刻输出冷功率;ηER为电制冷机电冷转换效率.

(4) 电储能模型.目前,电池储能较为成熟且种类繁多,包括电化学储能和电磁储能等,以锂电池为代表的电化学储能已经进入商业并被大规模应用[17].选取锂电池作为电储能研究对象,其充电和放电模型分别为

SE,t=(1-∂E)SE,t-1+∂chaPEcha,t
SE,t=(1-∂E)SE,t-1-PEdis,t/∂dis

式中:SE,t、SE,t-1分别为t时刻和t-1时刻电储能容量;PEcha,t为t时刻充电功率;PEdis,t为t时刻放电功率;∂E为电储能自放电率;∂cha、∂dis分别为充电和放电效率.

(5) 热储能模型.显热储热、相变储热和热化学储热是3种典型的热储能方式,但热化学储能尚未普及.相比显热储热,相变储热具有能量密度高且体积小的特点[18],考虑海港占地面积约束,选取相变储热作为研究对象,其储热和放热模型分别为

SH,t=SH,t-1+(σchaHcha,t-klossSH, t-1)Δt
SH,t=SH,t-1-(σdisHdis,t+klossSH,t-1)Δt

式中:SH,t、SH,t-1分别为t时刻和t-1时刻热储能容量;Hcha,t为t时刻储热功率;Hdis,t为t时刻放热功率;kloss为热储能漏热损失系数;σchaσdis分别为储热和放热效率.

(6) 灵活性负荷.作为港口灵活性负荷,船舶在港口停泊期间,通过港口岸电可以实现船舶与港口的能量双向流动.当船载电力无法满足自身能源需求时,需通过线缆与海港岸桥设备连接港口综合能源系统,实现陆地能源侧与海港船舶侧的能源-交通耦合,此时船舶岸电负荷需求如下:

Pship,t= j=1Jηship,tjPship,tj

式中:Pship,t为t时刻总船舶岸电负荷功率;J为t时刻靠港船舶数量;Pship,tj为t时刻第j只船舶岸电负荷功率;ηship,tj为t时刻第j只船舶接入港口岸电状态,当船舶接入港口岸电时,ηship,tj=1,当船舶未接入港口岸电时,ηship,tj=0.

1.3 海港综合能源系统碳交易模型

碳交易机制是一种以碳配额为载体的配额交易体制[19].碳配额分配包括免费分配、拍卖分配、免费分配与拍卖混合分配3种方式,现阶段我国主要通过政府监管部门向有减排义务市场主体分配免费初始碳配额,市场主体根据自身实际碳排放参与碳交易市场进行碳配额自由交易.当免费分配碳配额大于实际碳排放量时,企业可通过出售碳配额以获得利润;反之,则要在市场购买碳排放额,通过经济性来引导企业低碳发展[20].基于当下市场主体碳交易模型,海港综合能源系统可参与到碳交易市场促进自身节能减排,为碳减排带来收益,其碳交易过程如图2所示.

图2

图2   海港综合能源系统碳交易过程

Fig.2   Process of carbon trading in seaport integrated energy system


作为清洁无污染的风电,海上风电可促进海港综合能源系统的低碳发展,因此,研究系统的碳排放源来自上级电网购电,包括船舶岸电负荷购电和海港陆上购电.上级电网购电均来源于燃煤机组发电,引入碳交易机制来降低上级电网用电量,并赋予海上风力发电全额免费碳排放额来提升风电消纳.海港综合能源系统碳交易模型主要包含免费碳配额模型、实际碳排放模型和碳交易成本计算模型3部分.

(1) 免费碳排放额模型.海港综合能源系统免费碳排放额包含海上风电和上级电网购电两部分,其计算模型为

C=CG+CWCG=q1t=1TPG,t=q1t=1T(Pship,tG+Pland,tG)CW=q1t=1TPWs,t

式中:C为总的免费碳配额;CG为电网购电免费碳配额;CW为风电免费碳配额;q1为碳排放权配额;PG,t为t时刻上级电网输出功率;Pship, tG为t时刻船舶岸电负荷购电;Pland,tG为t时刻海港陆上购电;PWs, t为t时刻风力实际发电功率;T为调度周期,T=24.

(2) 实际碳排放模型:

CG,a=q2t=1TPG,t

式中:CG,a为上级电网购电实际碳排放量;q2为单位购电电量的实际碳排放量.

(3) 海港综合能源系统碳交易成本计算模型.基于免费碳配额和实际碳排放量模型,引入阶梯碳交易机制进一步限制海港碳排放,给出海港综合能源系统参与到碳交易市场的碳交易成本模型[21]:

CCO2c(CG,a-C)
ρc= ρcb,CG,a<Cρcb,CCG,a<C+l(1+m)ρcb,C+lCG,a<C+2l(1+m)ρcb,C+2lCG,a<C+3l(1+um)ρcb,CG,a>C+ul

式中:CCO2为碳交易成本;ρc为阶梯碳价;ρcb为碳交易基价;l为碳排放量区间长度;m为碳交易价格增长幅度;u为阶梯数.

2 考虑碳交易机制的海港综合能源系统电-热混合储能双层优化模型

为确定最优电-热储能组合方案,采取规划-运行双层优化方法,其混合储能双层优化框架如图3所示.上层基于系统整体经济性最优确定电-热储能容量组合方案,并传递到下层;下层在计及储能出力约束、电网出力约束、设备出力约束以及功率平衡的条件下,引入碳交易机制参与系统优化运行,以保证系统环境效益,而后返回上层对混合储能容量进行修正.如此循环迭代,直到确定最佳经济效益和环境效益的电-热混合储能容量优化配置方案.

图3

图3   混合式储能双层优化框架

Fig.3   Bi-level optimization framework for hybrid energy storage systems


2.1 上层优化模型

2.1.1 上层模型目标函数

上层优化模型以电-热混合储能投资成本以及满足海港综合能源系统能量平衡的优化运行成本所构成的总成本最低为目标函数,决策变量为储能容量x,目标函数表达式为

min f(x)=min(f1(x)+f2(x, y))

式中:f(x)为储能投资成本和系统优化运行成本构成总成本;f1(x)为混合储能投资成本;f2(x, y)为给定储能容量下系统优化运行成本.

x=(SE,SH)f1(x)=(αESE+αHSH)r(1+r)w(1+r)w-1

式中:SE为电储能容量;SH为热储能容量;αE为电储能单位容量成本系数;αH为热储能单位容量成本系数;r为贴现率;w为储能规划周期.

2.1.2 上层模型约束条件

为确保系统正常运行,对电、热储能容量进行约束,其约束条件如下:

SEminSESEmaxSHminSHSHmax

式中:SEminSHmin分别为保证系统安全性能的最低电、热储能容量约束;SEmaxSHmax分别为考虑海港占地面积的最大电、热储能容量约束.

2.2 下层优化模型

2.2.1 下层模型目标函数

在上层优化架构给定电-热混合储能容量和系统自身各种约束条件下,下层架构优化各设备出力所确定的控制变量y以获得具有最小运行成本的系统最优运行方案,同时引入碳交易成本来保证海港的低碳运行,下层目标函数表达式为

y={PEdc, t,Hdc, t,Pship, tG,Pland, tG,PWs, t}f2(x, y)=365s(h, c)ns(Cg+CCO2+Com)
Cg= t=1T(Pship, tG+ Pland, tG) ptprice
Com= t=1TEPEdc, tESEloss, tHHdc, tHSHloss, tEBPEB, tERPER, t)
SEloss, t= E1-E(SE, t-SE, t-1),SE, tSE, t-1-E(SE, t-SE, t-1),SE, t<SE, t-1
SHloss, t=klossSH, t-1

式中:ns为s类季节在全年占比,针对本文研究,选取供热季(h)和供冷季(c);Cg为电网购电成本;Com为设备运行维护总成本;ptprice为t时刻购电单价;PEdc, t为电储能t时刻充放电功率绝对值;Hdc, t为热储能t时刻充放热功率绝对值;μE、μH、γEB、γER分别为电储能、热储能、电锅炉和电制冷机单位运行维护成本参数;SEloss, t、SHloss, t分别为电、热储能在充放功率时产生能量损耗;θE、θH分别为电、热储能能量损耗成本参数.

2.2.2 下层模型约束条件

分为以下7种约束.

(1) 上级电网输出功率约束:

0≤PG,t≤PGmax

式中:PGmax为上级电网输出功率最大值.

(2) 海上风电出力约束:

0≤PWs,t≤PWy,t

式中:PWy, t为海上风电t时刻出力预测值.

(3) 电转换装置出力约束:

0PEB, tPEBmax0PER, tPERmax

式中:PEBmaxPERmax分别为电锅炉和电制冷机输出功率最大值.

(4) 电功率平衡约束:

PG,t+PWs,t=PL,t+Pship,t+PEB,t+ PER,t+PEES,t

式中:PL,t为t时刻陆上电负荷需求;PEES,t为电储能t时刻充电或放电功率,当电储能充电时,PEES,t=Pcha,t,放电时,PEES,t=Pdis,t.

(5) 热功率平衡约束:

PEBh, t+PERc, t=Ht+Ct+HTES, t

式中:Ht、Ct分别为t时刻的热、冷负荷需求;HTES, t为热储能t时刻储热或放热功率,当热储能储热时,HTES, t=Hcha, t,放热时,HTES, t=Hdis, t.

(6) 电储能约束:

0PEdis, tPEmax, 0PEcha, tPEmaxSEminSE,tSEmaxPEdis, tPEcha, t=0CE, t=1=CE, t=24=θ'E

式中:PEmax为电储能充放电功率最大值;SEmax、SEmin分别为SE剩余电量的运行域上下限;PEdis, tPEcha,t=0限制电储能的运行状态;CE,t=1=CE,t=24表示电储能容量经过24 h运行后恢复到电储能容量初始值.

(7) 热储能约束:

0Hdis,tHmax, 0Hcha,tHmaxSHminSH,tSHmaxHdis, tHcha,=0CH, t=1=CH, t=24=θ'H

式中:Hmax为热储能充放热功率的最大值;SHmax、SHmin分别为SH剩余热量的运行域上下限;Hdis, tHcha, t=0限制热储能的运行状态;CH, t=1=CH, t=24表示热储能容量经过24 h运行后恢复到热储能容量初始值.

3 模型求解

在建立的双层优化模型中,上层电、热混合储能容量的确定属于最优组合问题,当前已有国内外学者采用多元宇宙[22-23]、Kriging代理优化[24]、变步长空间搜索[25]等算法确定综合能源系统中不同设备组合方案,并且已验证其有效性.针对上层电、热混合储能容量的确定呈现出难以优化求解的黑箱特性,本文采用全局搜索能力较强的网格自适应直接搜索算法[26]进行求解.针对下层优化调度问题,现阶段多采用粒子群算法、遗传算法等传统优化算法求解,但针对传统优化算法易于陷入局部最优解的问题,本文采用基于自适应Tent混沌搜索的粒子群优化算法来提高优化精度.

采用网格自适应直接搜索和自适应混沌粒子群相结合的规划-运行的双层优化算法,可有效降低系统优化模型计算难度,从而合理准确确定系统电-热混合储能规划方案.

3.1 上层优化求解

网格自适应直接搜索算法的原理和具体优化步骤如图4所示.网格自适应直接搜索算法的过程具体分为两步,即搜索步和探测步.基本原理为搜索步在网格M(由x={SE, SH}组成的集合)上选取有限个试探点集合,并比较由其确定的目标函数值f(x),确定函数值最小试验点.探测步为精确查找最优点,在以搜索步基点为网格中心所构造的poll点集PM上的试验点领域内,按照探测方向进行局部搜索.

Mk= {yk+ΔkDz:zNnD}Pk= {yk+Δkd:dD}

式中:Mk为第k次迭代时的网格;yk为第k次迭代时的基点;Δk为第k次迭代时的网格参数;D为搜索方向集;nDD的维数;znD维向量;任意dD且可以用D中列向量表示;NnD为维数集合.

图4

图4   网格自适应直接搜索算法原理和优化步骤

Fig.4   Principle and optimization steps of grid adaptive direct search algorithm


3.2 下层优化求解

下层基于电-热混合储能的系统优化运行属于一类混合整数非线性规划问题,采用全局搜索能力较强的自适应Tent混沌粒子群算法进行求解,Tent映射模型如下所示:

Xq+1= 2Xq,0Xq0.52(1-Xq),0.5<Xq1

粒子群优化算法速度和位置更新公式:

vin+1=ω'vin+c1r1(pibest,n-xin)+   c2r2(gnbest-xin)xin+1=xin+vin+1

式中:vin为粒子i在第n次迭代时速度;xin为粒子i在第n次迭代时位置;gnbest为群体最好位置;pibest,n为个体最好位置;r1r2为[0,1]区间内均匀分布随机数;c1c2为加速度常数;ω'为惯性权重.

3.3 双层优化求解流程

双层优化模型的求解流程如图5所示.采取网格自适应直接搜索和基于自适应Tent混沌粒子群优化算法求取最优电-热混合储能方案,具体优化步骤如下:

(1) 输入典型季用能负荷数据、风电出力、分时电价、各设备费用及运行参数.

(2) 上层设置储能容量上下限,初始化网格自适应直接搜索算法参数,形成试探点集X.

(3) 下层设定自适应混沌粒子群算法参数,基于上层传递X,初始化粒子群速度和位置.

(4) 下层若满足运行工况,则基于下层目标函数计算粒子群适应度值,否则返回上层修正X并传递至下层.

(5) 比较当前粒子个体极值pbest和适应度,若适应度优于pbest,则pbest设为新位置.

(6) 比较当前粒子全体极值gbest和适应度,若适应度优于gbest,则gbest设为新位置.

(7) 基于优化运行约束条件,按照式(30)更新粒子群速度和位置产生新一代粒子,并基于更新粒子,对其进行混沌搜索与更新产生新的pbest和gbest.

(8) 重复步骤(4)~(7),直到输出最优解并返回到上层模型.

(9) 依据下层返回数据,评估试探点和基点目标值,并更新上层函数目标值.

(10) 若目标函数值改进,则更新网格尺度参数Δt,并重复步骤(4)~(9);若未改进,则上层模型转到探测步.

(11) 下层评价poll点集目标函数值是否改进,若改进,则更新网格尺度参数Δt,并重复步骤(4)~(9);若未改进,则停止搜索,输出最优结果.

图5

图5   双层优化模型求解流程

Fig.5   Flow chart of solving the two-layer optimization model


4 算例分析

4.1 算例设置

图1所示的天津港综合能源系统为目标对象.根据海港典型季陆上电、热、冷负荷以及船舶岸电负荷需求的不同,采用模糊聚类算法对负荷以及海上风电出力聚类,分别形成供热季、供冷季典型日的风电出力和负荷需求曲线,如图6所示.其中,陆上电、热、冷负荷的峰值分别为17、11.5 和12 MW,船舶岸电负荷的峰值为8 MW.海港系统实际碳排放额度为1.08 kg/(kW·h),免费碳排放额度取值为0.59 kg/(kW·h),碳交易基价取值为200 元/t.电网峰、谷、平电价取值分别为1.35、0.47、0.9 元/(kW·h).系统中各设备的参数详如表1所示.

图6

图6   供热季和供冷季典型日风电出力和负荷需求

Fig.6   Typical daily wind power output and load demand in heating and cooling seasons


表1   各类设备主要参数

Tab.1  Main parameters of different types of equipment

参数数值参数数值
ηEB0.95γEB/(元·kW-1)0.0162
ηER0.95γER/(元·kW-1)0.0162
cha0.3αE/[元·(kW·h)-1]2000
dis0.3αH/[元·(kW·h)-1]500
σcha0.2μE/(元·kW-1)0.018
σdis0.2μH/(元·kW-1)0.016
θ'E0.4θE/[元·(kW·h)-1]0.6
θ'H0.2θH/[元·(kW·h)-1]0.42
E0.001kloss0.001

新窗口打开| 下载CSV


4.2 优化配置结果分析

通过5种不同算例的对比,验证所提计及碳交易机制的混合储能双层优化方法的有效性.算例1,仅考虑碳交易机制;算例2,仅考虑电储能和碳交易机制;算例3,仅考虑热储能和碳交易机制;算例4,未考虑碳交易机制下电-热混合储能;算例5(本文算例),考虑碳交易机制和电-热混合储能.5种算例的优化配置结果和碳排放情况如表2所示,系统优化成本构成比和经济效益、环境效益对比如图7所示.

表2   不同算例优化结果比较

Tab.2  Comparison of optimization results in different cases

算例总成本/
万元
购电成本/
万元
碳交易成本/
万元
维护成本/
万元
碳排
放量/t
购电量/
MW
弃风量/
MW
储电容量/
(MW·h)
储热容量/
(MW·h)
111360.0011344.20-76.8392.15111215.50102966.5051830.00
28323.105700.21-877.87375.8479588.2073693.508395.00156.00
38266.508243.16-583.75203.5592053.0085227.5023615.5079.00
48749.107822.300.00206.7386881.9080446.2024710.4021.0060.00
56743.746344.60-819.17318.2079234.2073365.0015987.0027.0073.00

新窗口打开| 下载CSV


图7

图7   不同算例下成本构成和效益比较

Fig.7   Comparison of cost composition and benefit in different cases


在储能容量优化配置方面,从表2优化比较结果可以看出,算例5的电储能和热储能容量分别从算例2中的156 MW·h和算例3中的79 MW·h降低至27 和73 MW·h,合理规划了储能容量,减小了海港占地面积;与算例4仅考虑电-热混合储能的方案相比,算例5在引入碳交易机制的条件下,电储能和热储能的优化配置容量则分别增加了6 和13 MW·h,从而加大了对风能和峰谷电的利用,降低上级电网的购电量,进一步提升海港综合能源系统的经济和环境效益.

在总成本方面,从表2图7可以看出,算例5总成本最低为 6743.74 万元,相较于算例2单一电储能和算例3单一热储能配置方案分别减小14%和13%,相较于算例1无储能配置方案减小了40%,与算例4未考虑碳交易机制的电-热混合储能方案相比则减少了17%.

在碳排放量比较方面,算例1碳排放量最多为 111215.5 t,算例5的碳排放量最低为 79234.2 t,相较于算例1、算例2、算例3和算例4分别减少了29%、1%、12%和7%.

综上所述,考虑碳交易机制电-热混合储能方案具有最佳经济效益和环境效益.

4.3 碳交易机制下经济性和环境性分析

针对本文考虑碳交易机制的电-热混合储能双层规划-运行方法,需结合系统运行方案进一步说明其提升经济性和环境性的有益效果.不同用能负荷季典型日的优化调度方案基本相似,因此,选取供热季典型日海港综合能源系统的优化运行情况对经济性和环境性进行分析.

算例5供热季典型日系统优化调度结果如图8所示.由图8可以看出,在1:00—8:00、23:00—24:00 风电大发时段,电、热储能消纳风电,并在9:00—12:00、19:00—22:00电网峰时电价时段释放,以满足负荷需求.电、热储能相互协同匹配加大了对峰谷电和风电的利用,从而提升系统经济性和环境性.

图8

图8   算例5供热季化调度结果

Fig.8   Dispatching results in heating season of Example 5


图9为考虑碳交易机制下,不同算例海港供热季典型日优化运行状态对比,其中SOC为荷电状态.结合图9对各算例经济性和环境性分析与比较.

图9

图9   碳交易机制下不同算例优化调度比较

Fig.9   Comparison of optimal dispatching of different examples under carbon trading mechanism


在经济性方面,从图9(a)9(b)可以看出,在算例2、算例3和算例5中,算例2凭借较大电储能容量,在弃风时段消纳更多风电,碳交易收益最多为877.87 万元,并且在8:00—22:00时段释放更多电能以满足电负荷需求,其购电成本最低为 5700.21 万元;算例3受电锅炉额定功率限制,仅能消纳有限的风电,碳交易收益最低为583.75 万元;算例5风电实际出力介于算例2和算例3之间,碳交易收益819.17 万元,低于算例2.尽管算例2碳交易收益和电网购电成本最优,但较大配置的储能电池容量使得系统运行产生的维护成本最多为375.84 万元,同时较高的储电投资成本进一步增加了总成本,使其与算例3相比并没有优势,且经济性远差于算例5.而在算例5中,引入成本相对较低的热储能来降低成本较高的储电容量的配置,同时电储能配合热储能解决因电锅炉额定功率限制而导致风电消纳低的问题.此外,与算例2电储能运行方式相比,从图9(b)中可以看出,算例5电储能为最大化自身经济效益,在13:00—16:00时段进行储电,并在电网电价较高19:00—22:00时段放电,通过低储高发方式套利,进一步提升系统经济性.

在环境性方面,受储能运行状态约束,为了确保储能系统稳定运行,电储能和热储能SOC状态在24:00需恢复到初始值.从图9(b)图9(c)可以看出,算例2电储能在23:00—24:00时段通过购买更多电量来恢复到SOC初始水平,使系统总购电量进一步加大到 73693.5 MW,从而增加系统碳排放.而与算例2和算例3相比,算例5电、热储能相互协调优化运行,购电量最低为 73365 MW,减小了碳排放,提升系统环境性.

综上所述,针对参与到碳交易市场的海港综合能源系统储能优化,单一储能配置方案在平衡系统经济性和环境性上能力欠佳,而电-热混合储能方案能够有效确定电储能、热储能相互匹配优化运行策略,并进一步提升系统经济效益和环境效益.

4.4 碳交易价格对系统优化的影响

在引入碳交易机制参与海港综合能源系统低碳、经济优化运行的模型中,碳交易机制参数的变化会直接影响系统的环境和经济效益.为进一步研究与探讨碳交易基价波动对海港综合能源系统优化的影响,绘制系统总成本和碳交易成本、电储能和热储能优化配置容量、碳排放量和弃风量关于碳交易基价的变化曲线,如图10所示.

图10

图10   碳交易机制参数变化影响分析

Fig.10   Analysis of influence of carbon trading mechanism parameters


在基于碳交易机制的低碳经济调度模型中,碳交易基价相当于权重.从图10(a)可以看出,随着碳交易基价增加,碳交易收益不断提升,而碳交易成本作为构成系统总成本的重要组成部分,直接影响系统总成本的变化,低碳经济目标函数权重的增大使得总成本呈现降低趋势.针对本文海港综合能源系统优化运行,碳交易基价的提高有利于提升系统经济效益.

图10(b)可以看出,碳交易基价的波动影响电、热储能容量的优化配置.在碳交易基价160元/t之前,电储能和热储能配置容量整体呈现下降趋势,储能容量的降低减少了储能投资成本,从而促使系统总成本进一步降低;碳交易基价为160~220 元/t时,储能容量基本不变;而当碳交易基价增加到较大值280元/t时,更大的权重系数促使电、热储能容量的增加,从而获得更大经济效益以提升系统总体经济性.

图10(c)中可以看出,系统碳排放量和弃风量关于碳交易基价变化的曲线与电、热储能配置容量的变化曲线呈现相反特性.在碳交易基价160元/t之前,系统碳排放量和弃风量整体呈现增长趋势,这主要是由于储能配置容量降低导致;而在碳交易基价260元/t之后,储能容量的增加促使风电消纳率提升,将更多的风电代替电网购电来满足负荷需求,降低电网购电量,从而减小碳排放量.但总体而言,碳排放量整体呈现增长趋势,针对本文海港综合能源系统的优化,碳交易基价的提高不利于系统环境效益改善.

综上所述,考虑碳交易机制的海港综合能源系统优化配置结果对碳交易基价表现敏感.因此,合理选择碳交易基价来平衡系统的经济性和环境性十分必要.

5 结论

在我国“双碳”目标愿景下,针对海港综合能源系统的优化配置问题,提出考虑碳交易机制的电-热混合储能双层优化方法.在保证海港低碳、经济运行的同时,通过上层构建以系统经济效益最优为目标,下层兼顾环境效益的双层规划-运行模型,确定了电-热混合式储能系统容量.对比分析不同算例,可以得出以下结论:

(1) 考虑碳交易机制的电-热混合储能优化配置有效提高了海港综合能源系统环境友好性.相较于海港原始优化运行,环境效益提升了29%,与传统电-热混合储能优化配置相比则提升了7%.

(2) 与单一储能方案相比,本文采取电-热混合储能方案,通过合理配置储能容量,提升系统经济性.相较于单一锂电池储能系统和单一储热系统,经济性分别提升了14%和13%,与未考虑碳交易机制的电-热混合储能优化配置相比则提升了17%.

(3) 针对电-热混合式储能双层规划与运行问题,采用网格自适应直接搜索和自适应混沌粒子群相结合的方法,能够有效确定电-热混合储能容量,同时减少系统成本,降低碳排放.

海港风电出力和船舶岸电负荷需求具有不确定性,后续研究将各类不确定因素纳入海港储能优化配置中以提升系统规划鲁棒性,进一步提升海港综合能源系统经济和环境效益.

参考文献

黄雨涵, 丁涛, 李雨婷, .

碳中和背景下能源低碳化技术综述及对新型电力系统发展的启示

[J]. 中国电机工程学报, 2021, 41 (Sup.1): 28-51.

[本文引用: 1]

HUANG Yuhan, DING Tao, LI Yuting, et al.

Decarbonization technologies and inspirations for the development of novel power systems in the context of carbon neutrality

[J]. Proceedings of the CSEE, 2021, 41 (Sup.1): 28-51.

[本文引用: 1]

International Maritime Organization. Third IMO GHS study 2014[EB/OL]. (2014-01-01)[2022-10-28]. https://www.imo.org/en/OurWork/Environment/Pages/Greenhouse-Gas-Studies-2014.aspx.

URL     [本文引用: 1]

FANG S D, WANG Y, GOU B, et al.

Toward future green maritime transportation: An overview of seaport microgrids and all-electric ships

[J]. IEEE Transactions on Vehicular Technology, 2020, 69(1): 207-219.

[本文引用: 1]

方斯顿, 赵常宏, 丁肇豪, .

面向碳中和的港口综合能源系统(一): 典型系统结构与关键问题

[J]. 中国电机工程学报, 2023, 43(1): 114-134.

[本文引用: 1]

FANG Sidun, ZHAO Changhong, DING Zhaohao, et al.

Port integrated energy systems toward carbon neutrality (I): Typical topology and key problems

[J]. Proceedings of the CSEE, 2023, 43(1): 114-134.

[本文引用: 1]

黄逸文, 黄文焘, 卫卫, .

大型海港综合能源系统物流-能量协同优化调度方法

[J]. 中国电机工程学报, 2022, 42(17): 6184-6195.

[本文引用: 1]

HUANG Yiwen, HUANG Wentao, WEI Wei, et al.

Logistics-energy collaborative optimization scheduling method for large seaport integrated energy system

[J]. Proceedings of the CSEE, 2022, 42(17): 6184-6195.

[本文引用: 1]

赵景茜, 米翰宁, 程昊文, .

考虑岸电负荷弹性的港区综合能源系统规划模型与方法

[J]. 上海交通大学学报, 2021, 55(12): 1577-1585.

DOI:10.16183/j.cnki.jsjtu.2021.293      [本文引用: 1]

建立考虑岸电负荷弹性的港区综合能源系统规划模型,精细化建模岸电负荷;其次,将模型解耦为岸电负荷弹性与综合能源系统规划两部分,计算港口-船只主从博弈模型下的岸电负荷曲线;最后,采用最佳响应法迭代求解考虑岸电负荷弹性的最优综合能源系统规划方案.仿真结果表明,该模型可以帮助合理配置港区资源,有效提升港区的用能效率,增加港区收益,助力港区节能减排.

ZHAO Jingqian, MI Hanning, CHEN Haowen, et al.

A planning model and method for an integrated energy system considering shore power load flexibility

[J]. Journal of Shanghai Jiao Tong University, 2021, 55(12): 1577-1585.

[本文引用: 1]

ZHANG Y, LIANG C J, SHI J, et al.

Optimal port microgrid scheduling incorporating onshore power supply and berth allocation under uncertainty

[J]. Applied Energy, 2022, 313: 118856.

[本文引用: 1]

SONG T L, LI Y, ZHANG X P, et al.

Integrated Port energy system considering integrated demand response and energy interconnection

[J]. International Journal of Electrical Power & Energy Systems, 2020, 117: 105654.

[本文引用: 1]

PU Y, CHEN W, ZHANG R C, et al. Optimal operation strategy of port integrated energy system considering demand response[C]//2020 IEEE 4th Conference on Energy Internet and Energy System Integration. Wuhan, China: IEEE, 2020: 518-523.

[本文引用: 1]

WANG X B, HUANG W T, WEI W, et al.

Day-ahead optimal economic dispatching of integrated port energy systems considering hydrogen

[J]. IEEE Transactions on Industry Applications, 2022, 58(2): 2619-2629.

[本文引用: 1]

任娜, 王雅倩, 徐宗磊, .

多能流分布式综合能源系统容量匹配优化与调度研究

[J]. 电网技术, 2018, 42(11): 3504-3511.

[本文引用: 1]

REN Na, WANG Yaqian, XU Zonglei, et al.

Component sizing and optimal scheduling for distributed multi-energy system

[J]. Power System Technology, 2018, 42(11): 3504-3511.

[本文引用: 1]

张晓辉, 刘小琰, 钟嘉庆.

考虑奖惩阶梯型碳交易和电-热转移负荷不确定性的综合能源系统规划

[J]. 中国电机工程学报, 2020, 40(19): 6132-6141.

[本文引用: 1]

ZHANG Xiaohui, LIU Xiaoyan, ZHONG Jiaqing.

Integrated energy system planning considering a reward and punishment ladder-type carbon trading and electric-thermal transfer load uncertainty

[J]. Proceedings of the CSEE, 2020, 40(19): 6132-6141.

[本文引用: 1]

张刚, 张峰, 张利, .

考虑碳排放交易的日前调度双阶段鲁棒优化模型

[J]. 中国电机工程学报, 2018, 38(18): 5490-5499.

[本文引用: 1]

ZHANG Gang, ZHANG Feng, ZHANG Li, et al.

Two-stage robust optimization model of day-ahead scheduling considering carbon emissions trading

[J]. Proceedings of the CSEE, 2018, 38(18): 5490-5499.

[本文引用: 1]

WANG R T, WEN X Y, WANG X Y, et al.

Low carbon optimal operation of integrated energy system based on carbon capture technology, LCA carbon emissions and ladder-type carbon trading

[J]. Applied Energy, 2022, 311: 118664.

[本文引用: 1]

陈曦, 袁梦玲, 王松, .

考虑碳交易影响风电消纳的综合能源系统优化运行

[J]. 重庆理工大学学报(自然科学), 2022, 36(1): 268-276.

[本文引用: 1]

CHEN Xi, YUAN Mengling, WANG Song, et al.

Optimal scheduling of integrated energy system considering impact of carbon trading on wind power consumption

[J]. Journal of Chongqing University of Technology(Natural Science), 2022, 36(1): 268-276.

[本文引用: 1]

GENNITSARIS S G, KANELLOS F D.

Emission-aware and cost-effective distributed demand response system for extensively electrified large ports

[J]. IEEE Transactions on Power Systems, 2019, 34(6): 4341-4351.

[本文引用: 1]

谢小荣, 马宁嘉, 刘威, .

新型电力系统中储能应用功能的综述与展望

[J]. 中国电机工程学报, 2023, 43(1): 158-168.

[本文引用: 1]

XIE Xiaorong, MA Ningjia, LIU Wei, et al.

Functions of energy storage in renewable energy dominated power systems: review and Prospect

[J]. Proceedings of the CSEE, 2023, 43(1): 158-168.

[本文引用: 1]

熊文, 刘育权, 苏万煌, .

考虑多能互补的区域综合能源系统多种储能优化配置

[J]. 电力自动化设备, 2019, 39(1): 118-126.

[本文引用: 1]

XIONG Wen, LIU Yuquan, SU Wanhuang, et al.

Optimal configuration of multi-energy storage in regional integrated energy system considering multi-energy complementation

[J]. Electric Power Automation Equipment, 2019, 39(1): 118-126.

[本文引用: 1]

李幸芝, 韩蓓, 李国杰, .

分布式绿色能源碳交易机制及碳数据管理的挑战

[J]. 上海交通大学学报, 2022, 56(8): 977-993.

DOI:10.16183/j.cnki.jsjtu.2021.450      [本文引用: 1]

为了实现&#x0201c;碳达峰、碳中和&#x0201d;双碳目标,需要加快构建以绿色能源为主体的电力系统.随着系统规模增长,基于区块链技术的分布式绿色能源碳交易机制和碳数据管理技术可有效鼓励绿色能源发展,成为低碳电力推行的有效手段.而精确实时的碳计量将进一步为交易信息的准确性和安全性提供数据支撑.介绍目前绿证交易和碳交易的研究现状,分析区块链技术在绿电追溯、绿证交易、碳交易、绿证与碳资产联合市场4个方向的关键技术适用性;研究当前碳计量方式的具体数学模型,讨论分析适用于区块链架构的碳源追溯计量数据可用性,并对碳计量方式的未来发展提出参考建议.

LI Xingzhi, HAN Bei, LI Guojie, et al.

Challenges of distributed green energy carbon trading mechanism and carbon data management

[J]. Journal of Shanghai Jiao Tong University, 2022, 56(8): 977-993.

[本文引用: 1]

王泽森, 石岩, 唐艳梅, .

考虑LCA能源链与碳交易机制的综合能源系统低碳经济运行及能效分析

[J]. 中国电机工程学报, 2019, 39(6): 1614-1626.

[本文引用: 1]

WANG Zesen, SHI Yan, TANG Yanmei, et al.

Low-carbon economic operation and energy efficiency analysis of comprehensive energy system considering LCA energy chain and carbon trading mechanism

[J]. Proceedings of the CSEE, 2019, 39(6): 1614-1626.

[本文引用: 1]

陈锦鹏, 胡志坚, 陈嘉滨, .

考虑阶梯式碳交易与供需灵活双响应的综合能源系统优化调度

[J]. 高电压技术, 2021, 47(9): 3094-3104.

[本文引用: 1]

CHEN Jinpeng, HU Zhijian, CHEN Jiabin, et al.

Optimal dispatch of integrated energy system considering ladder-type carbon trading and flexible double response of supply and demand

[J]. High Voltage Engineering, 2021, 47(9): 3094-3104.

[本文引用: 1]

曾贤强, 张警卫, 王晓兰.

计及多重不确定性及光热电站参与的区域综合能源系统配置与运行联合优化

[J]. 高电压技术, 2023, 49(1): 353-363.

[本文引用: 1]

ZENG Xianqiang, ZHANG Jingwei, WANG Xiaolan.

Optimal configuration of regional integrated energy system taking into account multiple uncertainties and the participation of concentrating solar power stations

[J]. High Voltage Engineering, 2023, 49(1): 353-363.

[本文引用: 1]

MIRJALILI S, MIRJALILI S M, HATAMLOU A.

Multi-Verse Optimizer: A nature-inspired algorithm for global optimization

[J]. Neural Computing and Applications, 2016, 27(2): 495-513.

[本文引用: 1]

XIAO H, PEI W, DONG Z M, et al.

Bi-level planning for integrated energy systems incorporating demand response and energy storage under uncertain environments using novel metamodel

[J]. CSEE Journal of Power and Energy Systems, 2018, 4(2): 155-167.

[本文引用: 1]

杨艳红, 裴玮, 齐智平.

基于动态运行策略的混合能源微网规划方法

[J]. 电力系统自动化, 2012, 36(19): 30-36.

[本文引用: 1]

YANG Yanhong, PEI Wei, QI Zhiping.

Planning method for hybrid energy microgrid based on dynamic operation strategy

[J]. Automation of Electric Power Systems, 2012, 36(19): 30-36.

[本文引用: 1]

肖浩, 裴玮, 杨艳红, .

计及电池寿命和经济运行的微电网储能容量优化

[J]. 高电压技术, 2015, 41(10): 3256-3265.

[本文引用: 1]

XIAO Hao, PEI Wei, YANG Yanhong, et al.

Energy storage capacity optimization for microgrid considering battery life and economic operation

[J]. High Voltage Engineering, 2015, 41(10): 3256-3265.

[本文引用: 1]

/