考虑富氧燃烧碳捕集技术和源荷双侧响应的综合能源系统优化调度

04 富氧燃烧碳捕集技术综合能源系统优化调度模型

4.1  目标函数

系统以运行成本最小为优化目标，运行成本包括机组设备的运行维护成本C_om、购售能成本C_grid、碳封存成本C_C、弃风弃光惩罚成本C_cf和系统碳排放成本即

1）运行维护成本为

式中：I为设备集合；f_om,i为i类设备的单位维护费用；为设备i在t时刻的输出功率。

2）购售能成本为

式中：为t时刻气价；分别为t时刻购、售电价；为t时刻购气体积；为t时刻售电功率。

3）碳封存成本为

式中：为碳封存成本系数。

4）碳排放成本详见式（24）。

5）弃风弃光惩罚成本为

式中：h_cf为单位弃风弃光惩罚成本；分别为光伏、风机预测的t时刻输出功率；P_pv,t、P_wt,t分别为t时刻光伏、风机实际并网功率。

4.2  约束条件

4.2.1  运行约束

1）设备运行约束为

式中：P_i,min和P_i,max为设备i最小、最大输出功率。

2）储能约束详见式（9）。

3）购能约束为

式中：分别为购、售电功率的最大、最小限度；分别为购天然气的上下限；为t时刻系统购买天然气的量。

4.2.2  功率平衡约束

1）电功率平衡约束为

式中：分别光伏和风机在t时刻的出力；分别为t时刻蓄电池充放电功率；为系统电负荷。

2）热功率平衡约束为

式中：分别为储热罐的充放热量；为系统的热负荷。

3）天然气平衡约束为

4）氧气平衡约束为

式中：分别为储氧罐的充放氧气量。

5）用户用能满意度约束为

式中：为用户用能满意度最小值。

05算例分析

为验证所提方法的有效性，本文通过Matlab调用商业求解器Cplex搭建模型并进行求解验证，对包含平方项的公式进行分段线性化处理。本文所研究的IES结构如图1所示，以一天24 h作为系统优化调度的周期，时间间隔取1 h。系统相关参数如表1所示，储能参数如表2所示，分时交易电价如表3所示，新能源输出功率曲线如图3所示。价格型需求响应负荷占比为15%，替代型需求响应负荷占比为15%。

表1  系统相关系数

Table 1  System correlation coefficients

表2  储能参数

Table 2  Energy storage parameters

表3  分时交易电价

Table 3  Time-of-use electricity prices

图3

图3  系统功率预测

Fig.3  System power forecast

利用拉丁超立方抽样技术生成遵循概率分布约束的风电和光伏出力多个随机场景，基于Kantorovich距离的场景削减方法实现场景缩减，以此模拟风电和光伏出力的不确定性。风电和光伏发电场景聚类削减结果如图4所示。

图4  场景聚类削减结果

Fig.4  Scenario clustering reduction result

为验证所提模型和策略的有效性，本文提出4个场景进行分析。1）采用传统的CHP机组进行调度，源荷两侧不参与响应；2）采用富氧燃烧碳捕集机组进行调度，源荷两侧不参与响应；3）采用富氧燃烧碳捕集机组进行调度，源侧参与响应，负荷侧不参与需求响应；4）采用富氧燃烧碳捕集机组进行调度，源荷两侧参与响应。

5.1  调度结果分析

如表4所示，场景1采用传统的CHP进行调度，未考虑富氧燃烧捕集技术，导致CHP机组的碳排放明显超出碳排放配额，进而使碳交易成本达到最高水平。相较场景1，场景2在应用富氧燃烧碳捕集机组的情况下，碳排放量减少kg，碳交易成本降低元，表明富氧燃烧碳捕集机组能够有效捕捉和储存CHP机组产生的碳排放，降低碳排放量和碳交易成本。与场景2相比，场景3在总成本和碳排放方面分别降低了6.5%和21.5%，可调热电比使得CHP机组的发电和产热比例更加灵活，打破了传统机组的“以热定电”模式，相较于不可调运行模式，这种灵活性使得系统运行更低碳、经济。在场景4中，基于场景3引入了多能耦合的需求响应，该响应机制中的价格型需求响应和替代型需求响应有效地对负荷进行了优化调节，实现了削峰填谷的效果，降低了系统调度的购能成本，因此场景4中的总运行成本最低。

表4  各场景系统运行成本

Table 4  Operating costs of each scenario

5.2  富氧燃烧碳捕集机组调度分析

场景4中电力负荷的调度情况如图5所示，该系统在00:00—06:00时段内主要依赖于风力发电以及从上级电网购电，以满足蓄电池的充电需求、电转气系统的运行需求，以及电力负载的需求，从而维持电力的平衡。在负荷高峰期，即17:00—20:00时段内，富氧燃烧碳捕集机组的净输出在热电比最小的限制下，无法完全满足电负荷，因此需要蓄电池的储能能力以及从外部电网购电来满足电力负荷的要求。在多能耦合的需求响应下，电负荷曲线变得较为平缓，不仅有助于降低综合运营成本，还能有效地促进风力发电的消纳。

图5  电负荷基本调度

Fig.5  Basic dispatch of electric load

场景4下富氧燃烧碳捕集机组碳排放情况如图6所示，当CO₂被捕获后，大部分CO₂被封存，其余部分成为电转气设备的反应原料，从而有效降低了碳封存成本。通过电转气设备将CO₂转化为天然气，生成的天然气成为机组的原料，减少了对传统燃料的依赖，实现了碳资源的循环再利用，从而使系统在能源转化方面实现了双重收益。场景4下富氧燃烧碳捕集机组出力情况如图7所示，系统通过调整空分制氧设备和碳捕集设备的电力消耗，使机组能够灵活地调整净发电产出，这种灵活性使机组更好地适应电力负荷波动，有助于其更有效地参与电力系统的调度和调峰，从而提高整体能源系统的运行效率和可靠性。

图6  富氧机组碳排放情况

Fig.6  Carbon emissions of oxy-fuel combustion units

图7  富氧机组出力情况

Fig.7  Output of oxy-fuel combustion unit

5.3  源侧响应分析

为验证可变热电比机组的优势，在场景3的基础上提出场景5，场景5为恒定的热电比，其他条件不变。机组出力如图8所示，场景5机组的输出表现出较为稳定的特征，这是因为热电比保持不变，但这种运行方式在夜间风电功率与机组输出功率较大的情况下，易造成弃风现象。在场景3中，基于电价和电负荷的变化，灵活调整了富氧燃烧碳捕集机组的热电比，在电价高峰期，增加了富氧燃烧碳捕集机组的电出力，从而使热电比减小，以减少购电量，达到节约购电成本、减少碳排放并提升经济效益的目标。在夜间时段，调整热电比，使夜间时段增加热出力、增大热电比，从而在满足系统需求的前提下，有效解决夜间弃风的问题。

图8  机组出力对比

Fig.8  Comparison of unit output

图9  场景3的热电比

Fig.9  Electricity-to-heat ratio in scenario 3

由图8~9可知，富氧燃烧碳捕集机组的热电比呈现出与场景5中富氧燃烧碳捕集机组电出力变化相反的趋势。这是由于在夜间，系统热负荷需求较高，而电负荷需求相对较低，为了满足这一负荷需求，富氧燃烧碳捕集机组的热电比被调整为“热输出高，电输出低”。然而，在电价较高的时间段，系统会将富氧燃烧碳捕集机组的热电比调整为“电输出高，热输出低”，以减少购能需求。这种策略的调整能够有效平衡能源供需，提高系统的经济效益。

5.4  P2G影响性分析

P2G电解水阶段产生氧气以及系统氧气状况如图10所示，其中生成的氧气总量约占系统总消耗量的22.9%，这表明P2G电解水阶段一定程度上减少了对空分制氧设备的依赖性，提升了系统内部的能量耦合转换能力。储氧罐在氧气充裕时将氧气储存，在氧气需求较高时释放，实现“以氧定电”解耦，以保持富氧燃烧碳捕集机组的稳定输出。

图10  场景3氧气供求情况

Fig.10  Oxygen supply and demand in scenario 3

P2G甲烷化阶段产生余热与系统热负荷调度的情况如图11所示。其中由甲烷化产生的余热占据系统总热负荷需求的6.34%，通过对余热进行回收利用，系统能够向热负荷补充部分热能，从而减轻了富氧燃烧碳捕集机组的供热压力，使得富氧燃烧碳捕集机组的热电比能够与余热回收之间相互协调，以实现能源的经济高效利用。综合考虑，P2G的两阶段运行不仅可满足系统所需的氧气、甲烷和余热，同时还具备一定的CO₂吸收能力，呈现了较为协调的能源综合利用模式，因此在系统调度方面，特别是在电价较低的时间段，更倾向于优先考虑利用P2G的产能。

图11  场景3热平衡情况

Fig.11  Thermal balance of scenario 3

P2G容量对系统的影响如图12所示。随着P2G运行效率的增加，产生的氧气逐步增加，系统总运行成本随之减少。P2G运行效率从0.56到0.84，P2G产氧量从m³上升到m³，供氧占比从23.9%上升到33.42%，总运行成本从元降低至元。因此P2G的运行效率能够有效减轻空分制氧设备的供氧压力，并提高经济性。

图12  P2G运行效率对系统的影响

Fig.12  The impact of P2G operating efficiency on the system

5.5  需求侧响应分析

5.5.1  需求响应分析

引入多能耦合的响应策略可以有效平抑电价峰值，具体如图13 a)所示。在高电价时段，即12:00—14:00、20:00—22:00实施可削减负荷措施，从而降低负荷峰值；峰时电价引导负荷转移，将部分高电价时段的电力需求，即12:00—14:00、20:00—22:00迁移到00:00—06:00低电价时段，在降低高电价时段负荷压力的同时，也使低电价时段负荷水平有所提升，从而使负荷曲线更为平稳；通过替代型需求响应策略，在时段08:00—14:00部分电负荷被转换为热负荷或气负荷，从而实现资源的有效替代利用。

图13  需求响应情况

Fig.13  Demand response situation

如图13 b)所示，可转移负荷主要从较高负荷时段20:00—07:00向低负荷时段08:00—19:00转移，以降低夜间供热需求，从而减少机组的发电功率，促进系统对风电消纳。热负荷中的替代型负荷主要是由电能和气能实现转移，促进了电-热-气三者的耦合调度。图13 c)所示的气负荷需求响应，由于气价在各时段不变，因此气负荷并不参与价格型需求响应，主要是作为电-气、热-气之间的替代媒介。因此，在综合权衡价格型需求响应与替代型需求响应的协同作用下，使得负荷曲线得以平稳，进而实现了削峰填谷。

5.5.2  需求响应灵敏度分析

为分析系统成本受价格型需求响应和替代型需求响应负荷占比变化的影响，在基于场景4的基础上引入场景6和场景7。在场景6中，保持其他条件不变的前提下，对价格型需求响应和替代型需求响应的负荷占比进行调整，而替代型需求响应的占比则保持固定；在场景7中，则固定价格型负荷响应占比，而改变替代型需求响应的占比。

价格型需求响应和替代型需求响应对总运行成本的关系如图14所示。由图14 a)可知，随着可消减负荷和可转移负荷占比增加，系统总运行成本减少，呈负相关。总成本与价格型需求响应负荷之间的关系是因为在总负荷保持不变时，提高可消减负荷和可转移负荷的比例实质上扩大了价格型需求响应的规模，在高电价时段负荷有所下降；低电价时段的负荷则有所上升，从而降低总运行成本。

图14  需求响应灵敏度分析

Fig.14  Demand response sensitivity analysis

由图14  b)可知，当可消减负荷和可转移负荷占比设定为15%时，随着可替代负荷占比从10%增至30%，系统总运行成本上升，呈正相关。因此，在实际应用中，适当平衡价格型和替代型需求响应的比例，有助于优化系统经济性。

5.5.3  用户用能满意度分析

通过分析用户用能满意度来验证多元负荷之间的可替代型需求响应的有效性。本文提出3个子场景进行分析。1）场景A，不参与需求响应，即场景3；2）场景B，仅考虑价格型需求响应；3）场景C，考虑多能耦合的需求响应，即场景4。

由表5可知，仅考虑价格型需求响应和考虑多能耦合参与需求响应的运行成本分别下降了5.38%和12.13%。考虑多能耦合的需求响应较仅考虑价格型需求响应的综合用能满意度上升了3.09%。因此，考虑多元负荷之间的纵向可替代性能够减少运行成本，并且对用户用能满意度的影响较小。

表5  不同需求响应下的用户用能满意度

Table 5  User satisfaction with different demand responses

06 结论

本文在传统IES优化调度中引入富氧燃烧碳捕集技术，并对电转气的产气、制氧和产热特性进行了量化分析。在源侧引入可调的热电比特性，实现灵活热电响应，在负荷侧考虑含多元负荷之间的纵向可替代性的多能耦合的需求响应；并进一步提出含气负荷碳排放的阶梯式碳交易机制，在优化经济成本的同时能够实现深度碳减排。通过算例分析可得以下结论。

1）本文所提的富氧燃烧碳捕集技术能够显著降低系统碳排放，与电转气技术的协同运行使得系统内的碳资源循环再利用成为可能，进一步提高了系统的低碳运行性能，证明了富氧燃烧在低碳经济调度方面具有优势。

2）源侧考虑CHP的热电比可调特性，根据实际的用能需求，即时地调整电力和热能的产生比例，实现热电的灵活供能，相较于传统机组总成本降低了6.5%。

3）P2G技术的氧制备降低了对空分制氧设备的依赖，进一步提高了系统的经济性。此外，在甲烷化过程中，P2G系统的CO₂吸收机制拓展了P2G碳减排的潜力。

4）负荷侧引入多元能源耦合的需求响应，能够实现资源的优化利用，提升用户用能满意度。调整基于价格和替代性的需求响应比例能够提高多元能源需求响应的经济性。