CN113642184A - 一种碳中和目标下的天然气管道操作优化方法 - Google Patents

一种碳中和目标下的天然气管道操作优化方法 Download PDF

Info

Publication number
CN113642184A
CN113642184A CN202110948661.7A CN202110948661A CN113642184A CN 113642184 A CN113642184 A CN 113642184A CN 202110948661 A CN202110948661 A CN 202110948661A CN 113642184 A CN113642184 A CN 113642184A
Authority
CN
China
Prior art keywords
compressor
pipeline
gas
carbon emission
natural gas
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110948661.7A
Other languages
English (en)
Other versions
CN113642184B (zh
Inventor
刘恩斌
彭勇
彭善碧
喻斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Petroleum University
Original Assignee
Southwest Petroleum University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Petroleum University filed Critical Southwest Petroleum University
Priority to CN202110948661.7A priority Critical patent/CN113642184B/zh
Publication of CN113642184A publication Critical patent/CN113642184A/zh
Application granted granted Critical
Publication of CN113642184B publication Critical patent/CN113642184B/zh
Priority to US17/871,980 priority patent/US20230071756A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • F17D5/005—Protection or supervision of installations of gas pipelines, e.g. alarm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种碳中和目标下的天然气管道操作优化方法，从能源结构调整角度出发，提出了一个完整的天然气长输管网低碳低耗优化模型，用于精细化计算天然气管网运输过程中多能源的碳排放量以及能耗；针对不同能源结构背景，建立相应的最小碳排放目标函数，采用优化算法求解所述最小碳排放目标函数并给出最优调度方案，例如压缩机类型选择、压缩机组合方式、站场压力以及沿线温度等相关参数。本发明能够实现管道运输过程中的节能减排，为中国整个天然气行业早日完成“碳达峰，碳中和”的目标提供技术支撑。

Description

一种碳中和目标下的天然气管道操作优化方法
技术领域
本发明涉及管网优化技术领域，特别涉及一种碳中和目标下的天然气管道操作优化方法。
背景技术
全球变暖会使全球降水量重新分配、冰川和冻土消融、海平面上升等，不仅危害自然生态系统的平衡，还影响人类健康，甚至威胁人类的生存。全球变暖主要是二氧化碳含量增加，产生温室效应，而通过植树造林、节能减排等形式，抵消自身产生的二氧化碳排放，实现二氧化碳的“零排放”，达到碳中和是阻止全球变暖的有效途径。
研究发现，二氧化碳的排放与能源消耗密切相关。在中国，能源供应链及其生产流程占二氧化碳排放总量的43.8％。中国在2011年到2019年期间，天然气进口量逐年增长，预计从2024年到2030年中国天然气平均需求总量将会从3153.78亿m3上升到4363.27亿m3，这会使得天然气管道运输过程中的碳排放量增加。为了应对日益增长的天然气需求量以及能源供应过程中碳排放量带来的新挑战，传统的天然气管网优化调度方案需进一步技术创新，以达到低碳排放标准。
发明内容
针对上述问题，本发明旨在提供一种碳中和目标下的天然气管道操作优化方法。
本发明的技术方案如下：
一种碳中和目标下的天然气管道操作优化方法，包括以下步骤：
S1：确定决策变量的类型，并获取初始压气站进口参数；所述决策变量为：
X＝(Q,N,R,S) (1)
式中：X为决策变量；Q为管线输量，m3/s；N为每个压气站中压缩机的开机数量；R为压缩机的转速，l/min；S为两条管道间的连接状态；
S2：判断两条管道间的连接状态，根据所述连接状态确定各管道的流量，然后计算压缩机站的出口压力和出口温度；
S3：使压缩机站的出口压力等于下一管段的进口压力，压缩机站的出口温度等于下一管段的进口温度，然后计算下一管段的终点温度和终点压力；
S4：使上一管段的终点压力等于下一段压缩机站的进口压力，上一管段的终点温度等于下一段压缩机站的进口温度，重复步骤S2-S4，直至计算得到系统中各压缩机站的压力和温度变化；
S5：设置约束条件，计算燃驱压缩机在管道系统中的耗气量和电驱压缩机的耗电量；
S6：引入碳排放系数，计算各不同能源驱动压缩机的碳排放量，建立最小碳排放目标函数；
S7：利用优化算法对所述最小碳排放目标函数进行求解，根据求解结果确定最小碳排放目标的天然气管道操作方案。
作为优选，步骤S1中，当S＝0时，表示两条管道间的连通阀门关闭，管道中没有流量分配；当S＝1时，表示两条管道间的连通阀门打开，管道之间存在流量分配。
作为优选，步骤S2中，所述压缩机站的出口压力和出口温度分别通过下式进行计算：
Figure BDA0003217793120000021
Figure BDA0003217793120000022
式中：Pout为压缩机出口压力，MPa；Pin为压缩机进口压力，MPa；H为压缩机的多变压头；Mw为气体分子量，kgmol-1；k为气体多变指数；Z为天然气压缩因子；R为气体常数，Jmol- 1K-1；Tin为压缩机入口温度，K；Tout为压缩机出口温度，K；kt为温升系数。
作为优选，步骤S3中，所述下一管段的终点温度和终点压力分别通过下式进行计算：
TZ＝T0+(TQ-T0)e-αL (4)
Figure BDA0003217793120000023
Figure BDA0003217793120000024
Figure BDA0003217793120000025
Figure BDA0003217793120000026
式中：TZ为输气管道终点温度，K；T0为管道埋深处低温，K；TQ为输气管道进口温度，K；α为中间参数；L为输气管道计算段长度，m；K为管道的总传热系数，W/(m2·K)；D为管道外径，m；M为气体质量流量，kg/s；cp为气体质量定压比热容，J/(kg·K)；PZ为输气管道终点压力，Pa；PQ为输气管道进口压力，Pa；a、b均为中间参数；ΔS为管道终点与起点的高程差，m；g为重力加速度，m/s2；Z为天然气压缩因子；R为气体常数，J mol-1K-1；Tcp为输气管道平均温度，K；λ为水力摩阻系数。
作为优选，公式(8)中，所述水力摩阻系数通过下式进行计算：
Figure BDA0003217793120000031
式中：lg为对数函数；k'为管壁的绝对当量粗糙度，mm；d为管道内径，m；Re为雷洛数。
作为优选，步骤S5中，所述约束条件包括：
(1)压缩机转速约束
Rmin≤Rn≤Rmax (10)
式中：Rmin为压缩机最小转速，l/min；Rn为第n个压气站中压缩机的转速；Rmax为压缩机最大转速，l/min；
(2)管道压力约束
Pm min≤Pm≤Pm max(m＝1,2,…,Nm) (11)
式中：Pm min为第m节点的最低允许压力，MPa；Pm为第m节点的压力，MPa；Pm max为第m节点的最大允许压力，MPa；Nm为管道节点总量；
(3)流量平衡约束
Figure BDA0003217793120000032
式中：Cm为与第m个节点相连元件集合；αmk为系数，当k元件流入m节点时为+1，当k元件流出m节点时为-1；M1mk为与第m个节点相连元件k流入/流出m节点的流量的绝对值，m3；M2m为m节点与外界交换的流量，流入时为正，流出时为负，m3；Cgj为第j个压气站自耗气的天然气质量，m3；
(4)压缩机功率约束
Nw-min≤Nw≤Nw-max (13)
式中：Nw-min为压缩机最小允许功率，MW；Nw为压缩机允许功率，MW；Nw-max为压缩机最大允许功率，MW；
或压缩机碳排放约束
Cmin≤C≤Cmax (14)
式中：Cmin为压缩机最小碳排放量，kgCO2；C为压缩机碳排放量，kg CO2；Cmax为压缩机最大碳排放量，kg CO2；
(5)压缩机出口温度约束
Tout＜Tout max (15)
式中：Tout为压缩机出口温度，K；Tout max为压缩机最大出口温度，K。
作为优选，步骤S5中，所述燃驱压缩机在管道系统中的耗气量通过下式进行计算：
Figure BDA0003217793120000041
式中：Cg为燃驱压缩机在管道系统中的耗气量，Nm3；Ng为压气站燃驱压缩机组功率，kW；tg为燃驱压缩机组运行时间，h；ηg为压气站压缩机驱动燃气轮机效率；ge为燃气轮机的耗气率，Nm3/(kW·h)；
所述电压缩机的耗电量通过下式进行计算：
Figure BDA0003217793120000042
式中：Ce为电驱压缩机的耗电量，kW·h；Ne为压气站电驱压缩机功率，kW；te为电驱压缩机组运行时间，h；ηe为压气站压缩机驱动电机效率。
作为优选，步骤S6中，建立最小碳排放目标函数时，假设如下条件：气体在管道内流动为稳态流动，各压气站压缩机之间流量均分；所述最小碳排放目标函数为：
Figure BDA0003217793120000043
Figure BDA0003217793120000044
式中：min C1为具备燃驱压缩机与电驱压缩机的管路的最小碳排放目标函数；minC2为具备燃驱压缩机与新能源驱压缩机的管路的最小碳排放目标函数；Ni为管线的总数；Nj为燃驱压缩机的总数；Nk为电驱压缩机的总数；Nu为新能源驱压缩机的总数；εg为天然气的碳排放系数，kg CO2/m3；εe为电网碳排放系数，kg CO2/KWh；εne为新能源碳排放系数；
Figure BDA0003217793120000045
为管线i上第j个燃驱压缩机的耗气量；
Figure BDA0003217793120000046
为管线i上第k个电驱压缩机的耗电量；
Figure BDA0003217793120000047
为管线i上第u个新能源驱压缩机的耗能量。
作为优选，所述新能源驱压缩机包括风电驱压缩机和/或光电驱压缩机；所述最小碳排放目标函数min C2则为：
Figure BDA0003217793120000048
式中：Nw为风电驱压缩机的总数；Nl为光电驱压缩机的总数；εe1为风电碳排放系数，kg CO2/KWh；εe2为光电碳排放系数，kg CO2/KWh；
Figure BDA0003217793120000051
为管线i上第w个风电驱压缩机的耗电量；
Figure BDA0003217793120000052
为管线i上第l个光电驱压缩机的耗电量。
作为优选，所述天然气的碳排放系数采用天然气的碳排放因子，所述电网碳排放系数采用区域电网平均排放因子，所述新能源碳排放系数采用新能源的碳足迹电网排放因子。
本发明的有益效果是：
本发明从能源结构调整角度出发，提出了一个完整的天然气长输管网低碳低耗优化模型，用于精细化计算天然气管网运输过程中多能源的碳排放量以及能耗；针对不同能源结构背景，建立相应的最小碳排放目标函数，采用优化算法求解所述最小碳排放目标函数并给出最优调度方案，从而在管道运输过程中实现节能减排，为中国整个天然气行业早日完成“碳达峰，碳中和”的目标提供技术支撑。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明碳中和目标下的天然气管道操作优化方法的流程示意图；
图2为一个具体实施例西气东输二三线并联管网示意图；
图3为一个具体实施例西气东输二三线高程-里程结果示意图；
图4为一个具体实施例西气东输二线各站场出口压力示意图；
图5为一个具体实施例西气东输三线各站场出口压力示意图；
图6为一个具体实施例西气东输二线各站场出口温度示意图；
图7为一个具体实施例西气东输三线各站场出口温度示意图；
图8为一个具体实施例西气东输二三线目标1优化结果示意图；
图9为图8中局部A的放大结果示意图；
图10为一个具体实施例西气东输二三线目标2优化结果示意图；
图11为图10中局部A的放大结果示意图；
图12为一个具体实施例不同优化方案的各站场天然气的碳排放量结果示意图；
图13为一个具体实施例不同优化方案的各站场天然气的能耗占比结果示意图；
图14为一个具体实施例不同优化方案的各站场电能的当量CO2排放量结果示意图；
图15为一个具体实施例不同优化方案的各站场电能的能耗占比结果示意图；
图16为一个具体实施例不同优化方案的CO2排放总量结果示意图；
图17为一个具体实施例最小碳排放目标的能源结构调整结果示意图；
图18为另一个具体实施例西气东输二三线目标1优化结果示意图；
图19为图18中局部A的放大结果示意图；
图20为另一个具体实施例西气东输二三线目标2优化结果示意图；
图21为图20中局部A的放大结果示意图；
图22为另一个具体实施例不同优化方案的各站场天然气的碳排放量结果示意图；
图23为另一个具体实施例不同优化方案的各站场天然气的能耗占比结果示意图；
图24为另一个具体实施例不同优化方案的各站场电能的当量CO2排放量结果示意图；
图25为另一个具体实施例不同优化方案的各站场电能的能耗占比结果示意图；
图26为另一个具体实施例不同优化方案的CO2排放总量结果示意图；
图27为另一个具体实施例最小碳排放目标的能源结构调整结果示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的技术特征可以相互结合。需要指出的是，除非另有指明，本申请使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。本发明公开使用的“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
如图1所示，本发明提供一种碳中和目标下的天然气管道操作优化方法，包括以下步骤：
S1：确定决策变量的类型，并获取初始压气站进口参数；所述决策变量为：
X＝(Q,N,R,S) (1)
式中：X为决策变量；Q为管线输量，m3/s；N为每个压气站中压缩机的开机数量；R为压缩机的转速，l/min；S为两条管道间的连接状态。
在一个具体的实施例中，当S＝0时，表示两条管道间的连通阀门关闭，管道中没有流量分配；当S＝1时，表示两条管道间的连通阀门打开，管道之间存在流量分配。需要说明的是，在其他实施例中，也可采用其他数字表达连通阀门的状态。
S2：判断两条管道间的连接状态，根据所述连接状态确定各管道的流量，然后计算压缩机站的出口压力和出口温度。
在一个具体的实施例中，所述压缩机站的出口压力和出口温度分别通过下式进行计算：
Figure BDA0003217793120000061
Figure BDA0003217793120000071
式中：Pout为压缩机出口压力，MPa；Pin为压缩机进口压力，MPa；H为压缩机的多变压头；Mw为气体分子量，kgmol-1；k为气体多变指数；Z为天然气压缩因子；R为气体常数，Jmol- 1K-1；Tin为压缩机入口温度，K；Tout为压缩机出口温度，K；kt为温升系数。
在一个具体的实施例中，所述气体多变指数k取值为1.28，所述温升系数kt取值为0.8。
S3：使压缩机站的出口压力等于下一管段的进口压力，压缩机站的出口温度等于下一管段的进口温度，然后计算下一管段的终点温度和终点压力。
在一个具体的实施例中，所述下一管段的终点温度(图1中的管道热力计算)和终点压力(图1中的管道水力计算)分别通过下式进行计算：
TZ＝T0+(TQ-T0)e-αL (4)
Figure BDA0003217793120000072
Figure BDA0003217793120000073
Figure BDA0003217793120000074
Figure BDA0003217793120000075
式中：TZ为输气管道终点温度，K；T0为管道埋深处低温，K；TQ为输气管道进口温度，K；α为中间参数；L为输气管道计算段长度，m；K为管道的总传热系数，W/(m2·K)；D为管道外径，m；M为气体质量流量，kg/s；cp为气体质量定压比热容，J/(kg·K)；PZ为输气管道终点压力，Pa；PQ为输气管道进口压力，Pa；a、b均为中间参数；ΔS为管道终点与起点的高程差，m；g为重力加速度，m/s2；Z为天然气压缩因子；R为气体常数，J mol-1K-1；Tcp为输气管道平均温度，K；λ为水力摩阻系数。
需要说明的是，在实际长输送管道中，管线较长且许多站场间的高程差超过200m，而在上述实施例中，采用公式(6)进行下一管段的终点压力计算，其考虑了高差和地形的影响，能够使得计算结果更加精确，符合实际。
在一个具体的实施例中，公式(8)中，所述水力摩阻系数通过下式进行计算：
Figure BDA0003217793120000081
式中：lg为对数函数；k'为管壁的绝对当量粗糙度，mm；d为管道内径，m；Re为雷洛数。
需要说明的是，对于干线输气管道来说，管内流动状态基本上都处于阻力平方区，采用上述实施例的公式(9)计算水力摩阻系数，能够提高水力摩阻系数的计算精度。
S4：使上一管段的终点压力等于下一段压缩机站的进口压力，上一管段的终点温度等于下一段压缩机站的进口温度，重复步骤S2-S4，直至计算得到系统中各压缩机站的压力和温度变化。
S5：设置约束条件，计算燃驱压缩机在管道系统中的耗气量和电驱压缩机的耗电量。
在一个具体的实施例中，所述约束条件包括：
(1)压缩机转速约束
Rmin≤Rn≤Rmax (10)
式中：Rmin为压缩机最小转速，l/min；Rn为第n个压气站中压缩机的转速；Rmax为压缩机最大转速，l/min；
(2)管道压力约束
Pm min≤Pm≤Pm max(m＝1,2,…,Nm) (11)
式中：Pm min为第m节点的最低允许压力，MPa；Pm为第m节点的压力，MPa；Pm max为第m节点的最大允许压力，MPa；Nm为管道节点总量；
(3)流量平衡约束
Figure BDA0003217793120000082
式中：Cm为与第m个节点相连元件集合；αmk为系数，当k元件流入m节点时为+1，当k元件流出m节点时为-1；M1mk为与第m个节点相连元件k流入/流出m节点的流量的绝对值，m3；M2m为m节点与外界交换的流量，流入时为正，流出时为负，m3；Cgj为第j个压气站自耗气的天然气质量，m3；
(4)压缩机功率约束
Nw-min≤Nw≤Nw-max (13)
式中：Nw-min为压缩机最小允许功率，MW；Nw为压缩机允许功率，MW；Nw-max为压缩机最大允许功率，MW；
或压缩机碳排放约束
Cmin≤C≤Cmax (14)
式中：Cmin为压缩机最小碳排放量，kgCO2；C为压缩机碳排放量，kg CO2；Cmax为压缩机最大碳排放量，kg CO2；
(5)压缩机出口温度约束
Tout＜Tout max (15)
式中：Tout为压缩机出口温度，K；Tout max为压缩机最大出口温度，K。
在一个具体的实施例中，所述燃驱压缩机在管道系统中的耗气量通过下式进行计算：
Figure BDA0003217793120000091
式中：Cg为燃驱压缩机在管道系统中的耗气量，Nm3；Ng为压气站燃驱压缩机组功率，kW；tg为燃驱压缩机组运行时间，h；ηg为压气站压缩机驱动燃气轮机效率；ge为燃气轮机的耗气率，Nm3/(kW·h)；
所述电压缩机的耗电量通过下式进行计算：
Figure BDA0003217793120000092
式中：Ce为电驱压缩机的耗电量，kW·h；Ne为压气站电驱压缩机功率，kW；te为电驱压缩机组运行时间，h；ηe为压气站压缩机驱动电机效率。
S6：引入碳排放系数，计算各不同能源驱动压缩机的碳排放量，建立最小碳排放目标函数。
在一个具体的实施例中，建立最小碳排放目标函数时，假设如下条件：气体在管道内流动为稳态流动，各压气站压缩机之间流量均分；所述最小碳排放目标函数为：
Figure BDA0003217793120000093
Figure BDA0003217793120000094
式中：min C1为具备燃驱压缩机与电驱压缩机的管路的最小碳排放目标函数；minC2为具备燃驱压缩机与新能源驱压缩机的管路的最小碳排放目标函数；Ni为管线的总数；Nj为燃驱压缩机的总数；Nk为电驱压缩机的总数；Nu为新能源驱压缩机的总数；εg为天然气的碳排放系数，kg CO2/m3；εe为电网碳排放系数，kg CO2/KWh；εne为新能源碳排放系数；Cij,g为管线i上第j个燃驱压缩机的耗气量；Cij,e为管线i上第k个电驱压缩机的耗电量；Ci,une为管线i上第u个新能源驱压缩机的耗能量。
可选地，所述新能源驱压缩机包括风电驱压缩机和/或光电驱压缩机；所述最小碳排放目标函数min C2则为：
Figure BDA0003217793120000101
式中：Nw为风电驱压缩机的总数；Nl为光电驱压缩机的总数；εe1为风电碳排放系数，kg CO2/KWh；εe2为光电碳排放系数，kg CO2/KWh；
Figure BDA0003217793120000102
为管线i上第w个风电驱压缩机的耗电量；
Figure BDA0003217793120000103
为管线i上第l个光电驱压缩机的耗电量。
需要说明的是，本发明其中一方面是通过引入碳排量更低的新能源从而降低天然气管道运输过程中的碳排量，上述实施例中的风电和光电仅为优选的两个比现有电网碳排放更低的新能源，除此之外，本发明也可根据天然气管道所处的位置、环境等选用当地适用的其他更低碳排放的新能源。
可选地，所述天然气的碳排放系数采用天然气的碳排放因子，所述电网碳排放系数采用区域电网平均排放因子，所述新能源碳排放系数采用新能源的碳足迹电网排放因子。需要说明的是，当今的碳排放因子较多，包括碳足迹电网排放因子、区域电网平均排放因子、区域电网基准线排放因子、中国低碳技术化石燃料并网发电区域电网基准线排放因子、省级电网排放因子等。不同的碳排放因子各具特色，采用不同的碳排放因子最小碳排放目标函数的计算结果也不相同。本实施例中不同能源选用的对应碳排放因子，能够使最小碳排放目标函数的计算结果更加准确。
S7：利用优化算法对所述最小碳排放目标函数进行求解，根据求解结果确定最小碳排放目标的天然气管道操作方案。
在一个具体的实施例中，所述优化算法采用粒子群算法，所述粒子群算法简单容易实现并且没有许多参数需要调整，能够更高效地求解获得结果。
可选地，所述粒子群算法采用NHPSO-JTVAC算法。所述NHPSO-JTVAC算法指的是具有跳跃时变加速系数的新型自组织分层粒子群算法。该算法是由另一种改进的粒子群算法HPSO-TVAC升级而来，相对于传统的粒子群算法PSO主要有两方面的不同。
(1)学习因子的计算方式不同
传统的粒子群算法中学习因子通常取得是定值，但是定值会使得粒子群算法的局部以及全局搜索能力不足，在NHPSO-JTVAC算法中的确定方式如下：
Figure BDA0003217793120000111
Figure BDA0003217793120000112
Figure BDA0003217793120000113
式中：w为一个标准正太随机数；cIter将会从c1＝ci＝0.5变化到cItermax＝cf＝0.0。从公式(21)-公式(23)可以看出两个学习因子均为指数型，这样会使得算法在计算过程中更容易跳跃出局部最优，增加了算法的搜索区域。
(2)更新速度公式不同
传统的粒子群算法速度计算公式容易使算法陷入局部最优，因此在NHPSO-JTVAC算法中Ghasemi等人又引入了随机粒子的最佳个体值，并使用替代了原来的，使得速度公式变形为如下：
Figure BDA0003217793120000114
经过Ghasemi验证，通过使用改进的速度更新公式，可以避免优化算法过早收敛到局部最优值，能够提高最终解的质量。
需要说明的是，本发明的优化算法主要是为了对所述最小碳排放目标函数进行求解，除了上述实施例的NHPSO-JTVAC算法外，也可采用其他现有技术中的其他粒子群算法或其他优化算法。
在一个具体的实施例中，以中国西气东输二三线西部管段为例，采用本发明所述的碳中和目标下的天然气管道操作优化方法进行天然气管道操作优化。
如图2所示，该管段的特点就是两条管线并联铺设，两条管线的压气站合建在一起，且该管道系统中同时含有电驱与燃驱两种压缩机类型。另外，该条管道会经过中国新疆与甘肃两个省份，由于气候因素，在政策引导下，新疆会大力发展风电，甘肃大力发展光电，不同能源的定能耗以及定碳排放量如表1所示：
表1风电以及光电定能耗以及定碳排放对照表
Figure BDA0003217793120000115
Figure BDA0003217793120000121
从表1可以看出，产生同样能量(基准1)，电的碳排放量更多，因此要减少碳排放量，则要减少电能的使用；排放同样的CO2(基准2)，天然气产生的能量更多，因此当系统需要的能量一定时，则需增加天然气的用量；由此可见，无论是减少碳排放还是能耗都需要增加天然气的用量，减少电能消耗。风电以及光电在产生同样的能耗(基准1)时，排放的CO2均小于天然气的CO2排放量；风电以及光电排放同样的CO2(基准2)时，产生的能量远大于天然气产生的能量。
综上，本实施例中，将风电以及光电这两种新能源电能引入天然气输送系统中，能够大幅度降低CO2排放量。基于此，建立并联管网系统运行过程中，现有能源结构的最小碳排放目标函数min C1(公式(18))和引入新能源的最小碳排放目标函数min C2(公式(20))。
所述中国西气东输二三线西部管段全线共有14个压气站，管道内径为1.177m，管线的走势图如图3所示。根据现场调研压气站运行数据可得，某年1月两条线路的运行数据如表2和表3所示：
表2某年1月西二线实际运行数据
Figure BDA0003217793120000122
表3某年1月西三线实际运行数据
Figure BDA0003217793120000131
根据本发明的步骤S2-步骤S4计算得到沿线压力与温度变化，结果如图4-7所示。
从图4和图5可以看出，西二线在站场11的出站压力差最大，其值为0.17MPa，即西二线最大压力误差为1.58％，西三线在站场2的出站压力差最大，其值为0.21MPa，即西三线最大压力误差为1.91％，计算压力与实际压力误差均小于2％，本发明的压力计算模型符合精度要求。
从图6和图7可以看出，西二线的站场7温度差值最大，其值为1.79℃，即西二线最大温度误差为3.79％，西三线中站场11温度差最大，其值为1.61℃，即西三线最大温度误差为3.38％，计算温度与实际温度的差值均在2℃以内，本发明的温度计算模型符合精度要求。
在一个具体的实施例中，步骤S5设置约束条件时的第(4)个约束条件采用公式(13)的压缩机功率约束，在本实施例中采用NHPSO-JTVAC算法进行优化，初始种群为50，迭代次数150次。天然气的碳排放系数为2.1622kg-CO2/m3，电网碳排放系数为0.6671kg-CO2/KWh(西北区域电网平均排放因子)，风电碳排放系数为0.0112kg CO2/kwh(碳足迹电网排放因子)，光电碳排放系数为0.0704kg CO2/kwh(碳足迹电网排放因子)。
min C1的优化结果如图8和图9所示，从图8和图9可以看出，当算法迭代到82步时，计算结果趋于稳定。将算法优化结果带入决策变量公式(1)中，得到了目标1的优化方案，结果如表4和表5所示：
表4目标1的西二线优化方案
Figure BDA0003217793120000141
表5目标1的西三线优化方案
Figure BDA0003217793120000142
Figure BDA0003217793120000151
min C2的优化结果如图10和图11所示，从图10和图11可以看出，当算法迭代到93步时，计算结果趋于稳定。将算法优化结果带入决策变量公式(1)中，得到了目标2的优化方案，结果如表6和表7所示：
表6目标2的西二线优化方案
Figure BDA0003217793120000152
表7目标2的西三线优化方案
Figure BDA0003217793120000153
Figure BDA0003217793120000161
对表2和表3的实际方案、表4和表5的目标1优化方案、以及表6和表7的目标2优化方案进行碳排放量以及能耗分析。
各站场天然气碳排放量及能耗占比结果如图12和图13所示。从图12可以看出，目标1的优化方案中天然气的碳排放量最少，目标2的优化方案中天然气的碳排放量较实际方案多。说明经优化后，在现有的能源组合中减少了天然气的碳排放量，如果改变能源结构，加入风电以及光电将会增加天然气的碳排放量。从图13可以看出，三种方案的能耗占比相差不大，其中目标1的优化方案消耗的天然气能耗比实际方案低2.5％，目标2的优化方案消耗的天然气能耗比实际方案高0.5％。
各站场电能的当量CO2排放量及能耗占比结果如图14和图15所示。从图14可以看出，三种方案中，实际方案整体的电能碳排放量最多，目标1所生成的优化方案中整体碳排放量小于实际方案，而目标2所生成的优化方案的碳排放量远小于其他两种方案，说明引入风电与光电两种电能大大减小了CO2排放量。从图15可以看出，目标1的优化方案消耗的电能比实际方案低15.62％，目标2的优化方案消耗的电能比实际方案低20.55％。
综上所述，当使用风电以及光电时(目标2)系统会更偏向于消耗天然气，在现有的能源结构中(目标1)会更偏向于消耗电能，各方案总碳排放量如图16所示。从图16可以看出，基于当前管道内的能源种类优化后可以降低CO2排放总量22.46％，其中天然气CO2排放量减少7.24％，电能的CO2排放量减少34.40％。若根据地区新能源发展趋势，将风电与光电能源引入系统中，可以降低CO2排放总量52.81％，其中天然气CO2排放量增加1.49％，电能的CO2排放量降低95.45％。说明该管线若要减少CO2排放量，应当对现有的能源进行优化分配，并且需尽快将风电以及光电等新能源引入天然气长输管道系统。
根据上述分析，将本实施例两种目标下的能源结构调整为如图17所示。调整后的能源结构目标1计算的总能耗比实际总能耗减少14.76％，目标2计算的总能耗比实际总能耗减少11.44％，说明当以CO2最小排量为最小目标时，引入新能源不会使能耗达到最小，但是相对于实际方案也能减少部分能耗。
在另一个具体的实施例中，步骤S5设置约束条件时的第(4)个约束条件采用公式(14)的压缩机碳排放约束，在本实施例中采用NHPSO-JTVAC算法进行优化，初始种群为50，迭代次数150次。天然气的碳排放系数为2.1622kg-CO2/m3，电网碳排放系数为0.6671kg-CO2/KWh(西北区域电网平均排放因子)，风电碳排放系数为0.0112kg CO2/kwh(碳足迹电网排放因子)，光电碳排放系数为0.0704kg CO2/kwh(碳足迹电网排放因子)。
min C1的优化结果如图18和图19所示，从图18和图19可以看出，当算法迭代到78步时，计算结果趋于稳定。将算法优化结果带入决策变量公式(1)中，得到了目标1的优化方案，结果如表8和表9所示：
表8目标1的西二线优化方案
Figure BDA0003217793120000171
表9目标1的西三线优化方案
Figure BDA0003217793120000181
min C2的优化结果如图20和图21所示，从图20和图21可以看出，当算法迭代到90步时，计算结果趋于稳定。将算法优化结果带入决策变量公式(1)中，得到了目标2的优化方案，结果如表10和表11所示：
表10目标2的西二线优化方案
Figure BDA0003217793120000182
Figure BDA0003217793120000191
表11目标2的西三线优化方案
Figure BDA0003217793120000192
对表2和表3的实际方案、表8和表9的目标1优化方案、以及表10和表11的目标2优化方案进行碳排放量以及能耗分析。
各站场天然气碳排放量及能耗占比结果如图22和图23所示。从图22可以看出，对于不同的方案，各站场中碳排放量均不一致。但是经过计算目标1的耗气量碳排放总量为16.39×104t CO2，目标2的耗气量碳排放总量为15.55×104t CO2，实际方案中耗气量碳排放总量为17.41×104t CO2；说明经优化后，三种方案的天然气碳排放量相差不大，优化方案中耗气量的碳排放略小于实际方案。从图23可以看出，三种方案的能耗占比相差不大，其中目标1的优化方案消耗的天然气能耗比实际方案低2％，目标2的优化方案消耗的天然气能耗比实际方案低3％。
各站场电能的当量CO2排放量及能耗占比结果如图24和图25所示。从图24可以看出，三种方案中，实际方案整体的电能碳排放量最多，目标1所生成的优化方案中整体碳排放量小于实际方案，而目标2所生成的优化方案的碳排放量远小于其他两种方案，说明引入风电与光电两种电能大大减小了CO2排放量。从图25可以看出，目标1的优化方案消耗的电能比实际方案低22％，目标2的优化方案消耗的电能比实际方案低13％。
综上所述，三种方案的耗气量的碳排放量相差不大，但是当引入风电以及光电后，优化目标2的耗电量明显大于优化目标1的耗电量，但是目标2的电能碳排放量大大减小，各方案总碳排放量如图26所示。从图26可以看出，基于当前管道内的能源种类优化后可以降低CO2排放总量29.90％，其中天然气CO2排放量减少7.75％，电能的CO2排放量减少48.78％。若根据地区新能源发展趋势，将风电与光电能源引入系统中，可以降低CO2排放总量57.89％，其中天然气CO2排放量减少10.74％，电能的CO2排放量降低94.90％。说明该管线若要减少CO2排放量，应当对现有的能源进行优化分配，并且需尽快将风电以及光电等新能源引入天然气长输管道系统。
根据上述分析，将本实施例两种目标下的能源结构调整为如图27所示。调整后的能源结构目标1计算的总能耗比实际总能耗减少17.73％，目标2计算的总能耗比实际总能耗减少15.48％，说明当以CO2最小排量为最小目标时，引入新能源不会使能耗达到最小，但是相对于实际方案也能减少部分能耗。
综上所述，本发明基于现有能源结构以及引入新能源(例如风电和/或光电)的能源结构，建立最小碳排放目标函数，以此减少管道系统的碳排放，从而指导现场工作人员制定操作策略，并能针对具体管道提出最优低碳排放的运行方式，与现有技术相比，具有显著的进步。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (10)

1.一种碳中和目标下的天然气管道操作优化方法，其特征在于，包括以下步骤：
S1：确定决策变量的类型，并获取初始压气站进口参数；所述决策变量为：
X＝(Q,N,R,S) (1)
式中：X为决策变量；Q为管线输量，m3/s；N为每个压气站中压缩机的开机数量；R为压缩机的转速，l/min；S为两条管道间的连接状态；
S2：判断两条管道间的连接状态，根据所述连接状态确定各管道的流量，然后计算压缩机站的出口压力和出口温度；
S3：使压缩机站的出口压力等于下一管段的进口压力，压缩机站的出口温度等于下一管段的进口温度，然后计算下一管段的终点温度和终点压力；
S4：使上一管段的终点压力等于下一段压缩机站的进口压力，上一管段的终点温度等于下一段压缩机站的进口温度，重复步骤S2-S4，直至计算得到系统中各压缩机站的压力和温度变化；
S5：设置约束条件，计算燃驱压缩机在管道系统中的耗气量和电驱压缩机的耗电量；
S6：引入碳排放系数，计算各不同能源驱动压缩机的碳排放量，建立最小碳排放目标函数；
S7：利用优化算法对所述最小碳排放目标函数进行求解，根据求解结果确定最小碳排放目标的天然气管道操作方案。
2.根据权利要求1所述的碳中和目标下的天然气管道操作优化方法，其特征在于，步骤S1中，当S＝0时，表示两条管道间的连通阀门关闭，管道中没有流量分配；当S＝1时，表示两条管道间的连通阀门打开，管道之间存在流量分配。
3.根据权利要求1所述的碳中和目标下的天然气管道操作优化方法，其特征在于，步骤S2中，所述压缩机站的出口压力和出口温度分别通过下式进行计算：
Figure FDA0003217793110000011
Figure FDA0003217793110000012
式中：Pout为压缩机出口压力，MPa；Pin为压缩机进口压力，MPa；H为压缩机的多变压头；Mw为气体分子量，kg mol-1；k为气体多变指数；Z为天然气压缩因子；R为气体常数，J mol-1K-1；Tin为压缩机入口温度，K；Tout为压缩机出口温度，K；kt为温升系数。
4.根据权利要求1所述的碳中和目标下的天然气管道操作优化方法，其特征在于，步骤S3中，所述下一管段的终点温度和终点压力分别通过下式进行计算：
TZ＝T0+(TQ-T0)e-αL (4)
Figure FDA0003217793110000021
Figure FDA0003217793110000022
Figure FDA0003217793110000023
Figure FDA0003217793110000024
式中：TZ为输气管道终点温度，K；T0为管道埋深处低温，K；TQ为输气管道进口温度，K；α为中间参数；L为输气管道计算段长度，m；K为管道的总传热系数，W/(m2·K)；D为管道外径，m；M为气体质量流量，kg/s；cp为气体质量定压比热容，J/(kg·K)；PZ为输气管道终点压力，Pa；PQ为输气管道进口压力，Pa；a、b均为中间参数；ΔS为管道终点与起点的高程差，m；g为重力加速度，m/s2；Z为天然气压缩因子；R为气体常数，J mol-1K-1；Tcp为输气管道平均温度，K；λ为水力摩阻系数。
5.根据权利要求4所述的碳中和目标下的天然气管道操作优化方法，其特征在于，公式(8)中，所述水力摩阻系数通过下式进行计算：
Figure FDA0003217793110000025
式中：lg为对数函数；k'为管壁的绝对当量粗糙度，mm；d为管道内径，m；Re为雷洛数。
6.根据权利要求1所述的碳中和目标下的天然气管道操作优化方法，其特征在于，步骤S5中，所述约束条件包括：
(1)压缩机转速约束
Rmin≤Rn≤Rmax (10)
式中：Rmin为压缩机最小转速，l/min；Rn为第n个压气站中压缩机的转速；Rmax为压缩机最大转速，l/min；
(2)管道压力约束
Pm min≤Pm≤Pm max(m＝1,2,…,Nm) (11)
式中：Pm min为第m节点的最低允许压力，MPa；Pm为第m节点的压力，MPa；Pm max为第m节点的最大允许压力，MPa；Nm为管道节点总量；
(3)流量平衡约束
Figure FDA0003217793110000031
式中：Cm为与第m个节点相连元件集合；αmk为系数，当k元件流入m节点时为+1，当k元件流出m节点时为-1；M1mk为与第m个节点相连元件k流入/流出m节点的流量的绝对值，m3；M2m为m节点与外界交换的流量，流入时为正，流出时为负，m3；Cgj为第j个压气站自耗气的天然气质量，m3；
(4)压缩机功率约束
Nw-min≤Nw≤Nw-max (13)
式中：Nw-min为压缩机最小允许功率，MW；Nw为压缩机允许功率，MW；Nw-max为压缩机最大允许功率，MW；
或压缩机碳排放约束
Cmin≤C≤Cmax (14)
式中：Cmin为压缩机最小碳排放量，kgCO2；C为压缩机碳排放量，kgCO2；Cmax为压缩机最大碳排放量，kg CO2；
(5)压缩机出口温度约束
Tout＜Tout max (15)
式中：Tout为压缩机出口温度，K；Tout max为压缩机最大出口温度，K。
7.根据权利要求6所述的碳中和目标下的天然气管道操作优化方法，其特征在于，步骤S5中，所述燃驱压缩机在管道系统中的耗气量通过下式进行计算：
Figure FDA0003217793110000032
式中：Cg为燃驱压缩机在管道系统中的耗气量，Nm3；Ng为压气站燃驱压缩机组功率，kW；tg为燃驱压缩机组运行时间，h；ηg为压气站压缩机驱动燃气轮机效率；ge为燃气轮机的耗气率，Nm3/(kW·h)；
所述电压缩机的耗电量通过下式进行计算：
Figure FDA0003217793110000041
式中：Ce为电驱压缩机的耗电量，kW·h；Ne为压气站电驱压缩机功率，kW；te为电驱压缩机组运行时间，h；ηe为压气站压缩机驱动电机效率。
8.根据权利要求1-7中任意一项所述的碳中和目标下的天然气管道操作优化方法，其特征在于，步骤S6中，建立最小碳排放目标函数时，假设如下条件：气体在管道内流动为稳态流动，各压气站压缩机之间流量均分；所述最小碳排放目标函数为：
Figure FDA0003217793110000042
Figure FDA0003217793110000043
式中：min C1为具备燃驱压缩机与电驱压缩机的管路的最小碳排放目标函数；min C2为具备燃驱压缩机与新能源驱压缩机的管路的最小碳排放目标函数；Ni为管线的总数；Nj为燃驱压缩机的总数；Nk为电驱压缩机的总数；Nu为新能源驱压缩机的总数；εg为天然气的碳排放系数，kg CO2/m3；εe为电网碳排放系数，kg CO2/KWh；εne为新能源碳排放系数；
Figure FDA0003217793110000049
为管线i上第j个燃驱压缩机的耗气量；
Figure FDA0003217793110000044
为管线i上第k个电驱压缩机的耗电量；
Figure FDA0003217793110000045
为管线i上第u个新能源驱压缩机的耗能量。
9.根据权利要求8所述的碳中和目标下的天然气管道操作优化方法，其特征在于，所述新能源驱压缩机包括风电驱压缩机和/或光电驱压缩机；所述最小碳排放目标函数min C2则为：
Figure FDA0003217793110000046
式中：Nw为风电驱压缩机的总数；Nl为光电驱压缩机的总数；εe1为风电碳排放系数，kgCO2/KWh；εe2为光电碳排放系数，kg CO2/KWh；
Figure FDA0003217793110000047
为管线i上第w个风电驱压缩机的耗电量；
Figure FDA0003217793110000048
为管线i上第l个光电驱压缩机的耗电量。
10.根据权利要求8所述的碳中和目标下的天然气管道操作优化方法，其特征在于，所述天然气的碳排放系数采用天然气的碳排放因子，所述电网碳排放系数采用区域电网平均排放因子，所述新能源碳排放系数采用新能源的碳足迹电网排放因子。
CN202110948661.7A 2021-08-18 2021-08-18 一种碳中和目标下的天然气管道操作优化方法 Active CN113642184B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110948661.7A CN113642184B (zh) 2021-08-18 2021-08-18 一种碳中和目标下的天然气管道操作优化方法
US17/871,980 US20230071756A1 (en) 2021-08-18 2022-07-24 Optimization method for natural gas pipeline operation under the carbon neutrality target

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110948661.7A CN113642184B (zh) 2021-08-18 2021-08-18 一种碳中和目标下的天然气管道操作优化方法

Publications (2)

Publication Number Publication Date
CN113642184A true CN113642184A (zh) 2021-11-12
CN113642184B CN113642184B (zh) 2022-05-20

Family

ID=78422635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110948661.7A Active CN113642184B (zh) 2021-08-18 2021-08-18 一种碳中和目标下的天然气管道操作优化方法

Country Status (2)

Country Link
US (1) US20230071756A1 (zh)
CN (1) CN113642184B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115982983A (zh) * 2022-12-21 2023-04-18 西南石油大学 一种原油管道优化碳排放的方法
CN116305853A (zh) * 2023-02-23 2023-06-23 西南石油大学 一种lng接收站气化外输工艺系统优化运行模型及求解方法
CN115982983B (zh) * 2022-12-21 2024-06-04 西南石油大学 一种原油管道优化碳排放的方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116992186B (zh) * 2023-06-01 2024-05-03 威凯认证检测有限公司 低环境温度空气源热泵机组碳效比计量方法及低碳性能评估方法
CN117114329B (zh) * 2023-09-01 2024-04-12 中科盖思数字科技有限公司 多气源智能调度方法与装置
CN117474263A (zh) * 2023-11-09 2024-01-30 北京航天拓扑高科技有限责任公司 一种基于燃气负荷预测的执行设备调度方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100217550A1 (en) * 2009-02-26 2010-08-26 Jason Crabtree System and method for electric grid utilization and optimization
KR20130044080A (ko) * 2011-10-21 2013-05-02 현대오토에버 주식회사 호스트디비 기반 개별 클라이언트디비 통합관리시스템
CN109102104A (zh) * 2018-06-29 2018-12-28 清华大学 一种基于碳排放流的多能源系统协同低碳规划方法
CN109494809A (zh) * 2019-01-07 2019-03-19 中国矿业大学(北京) 包含电转气装置的电-气互联系统及运行方法
US20190153823A1 (en) * 2016-02-23 2019-05-23 Sigan Peng Process and equipment of fossil fuel power generation with zero carbon emission
CN110163443A (zh) * 2019-05-27 2019-08-23 西南石油大学 考虑电-气综合需求响应的天然气调压站微能网优化调度方法
CN110210747A (zh) * 2019-05-28 2019-09-06 河海大学 一种电热气互联能源系统灵活性调度方法
CN110489708A (zh) * 2019-07-18 2019-11-22 西南石油大学 一种考虑空冷器影响的天然气管道稳态运行优化方法
CN111950122A (zh) * 2020-07-08 2020-11-17 国网(苏州)城市能源研究院有限责任公司 园区综合能源系统运行优化方法
US20200372588A1 (en) * 2019-05-20 2020-11-26 Singularity Energy, Inc. Methods and systems for machine-learning for prediction of grid carbon emissions
CN112332412A (zh) * 2020-10-26 2021-02-05 三峡大学 一种含p2g弃风启停的电-气互联综合能源系统优化调度方法
CN112417652A (zh) * 2020-10-30 2021-02-26 东北电力大学 一种电-气-热综合能源系统优化调度方法及系统
CN112749462A (zh) * 2020-12-31 2021-05-04 西安交通大学 一种综合能源系统当前运行参数的优化方法、系统及设备
CN112949903A (zh) * 2021-01-26 2021-06-11 华北水利水电大学 一种含电转气和储能的区域综合能源系统日前优化调度方法
CN113032935A (zh) * 2021-03-12 2021-06-25 西南石油大学 一种大型并联天然气管网优化运行模型及求解方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201615651D0 (en) * 2016-09-14 2016-10-26 Flexciton Ltd Integrated planning of production and utility systems in process industries

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100217550A1 (en) * 2009-02-26 2010-08-26 Jason Crabtree System and method for electric grid utilization and optimization
KR20130044080A (ko) * 2011-10-21 2013-05-02 현대오토에버 주식회사 호스트디비 기반 개별 클라이언트디비 통합관리시스템
US20190153823A1 (en) * 2016-02-23 2019-05-23 Sigan Peng Process and equipment of fossil fuel power generation with zero carbon emission
CN109102104A (zh) * 2018-06-29 2018-12-28 清华大学 一种基于碳排放流的多能源系统协同低碳规划方法
CN109494809A (zh) * 2019-01-07 2019-03-19 中国矿业大学(北京) 包含电转气装置的电-气互联系统及运行方法
US20200372588A1 (en) * 2019-05-20 2020-11-26 Singularity Energy, Inc. Methods and systems for machine-learning for prediction of grid carbon emissions
CN110163443A (zh) * 2019-05-27 2019-08-23 西南石油大学 考虑电-气综合需求响应的天然气调压站微能网优化调度方法
CN110210747A (zh) * 2019-05-28 2019-09-06 河海大学 一种电热气互联能源系统灵活性调度方法
CN110489708A (zh) * 2019-07-18 2019-11-22 西南石油大学 一种考虑空冷器影响的天然气管道稳态运行优化方法
CN111950122A (zh) * 2020-07-08 2020-11-17 国网(苏州)城市能源研究院有限责任公司 园区综合能源系统运行优化方法
CN112332412A (zh) * 2020-10-26 2021-02-05 三峡大学 一种含p2g弃风启停的电-气互联综合能源系统优化调度方法
CN112417652A (zh) * 2020-10-30 2021-02-26 东北电力大学 一种电-气-热综合能源系统优化调度方法及系统
CN112749462A (zh) * 2020-12-31 2021-05-04 西安交通大学 一种综合能源系统当前运行参数的优化方法、系统及设备
CN112949903A (zh) * 2021-01-26 2021-06-11 华北水利水电大学 一种含电转气和储能的区域综合能源系统日前优化调度方法
CN113032935A (zh) * 2021-03-12 2021-06-25 西南石油大学 一种大型并联天然气管网优化运行模型及求解方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QINGLU .ETAL: "Home energy management in smart households: Optimal appliance scheduling model with photovoltaic energy storage system", 《ENERGY REPORTS》 *
刘恩斌 等: "大型天然气管道稳态运行优化研究", 《西南石油大学学报（自然科学版）》 *
白云 等: "计及供气充裕性的电-气互联综合能源系统低碳经济调度", 《电测与仪表》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115982983A (zh) * 2022-12-21 2023-04-18 西南石油大学 一种原油管道优化碳排放的方法
CN115982983B (zh) * 2022-12-21 2024-06-04 西南石油大学 一种原油管道优化碳排放的方法
CN116305853A (zh) * 2023-02-23 2023-06-23 西南石油大学 一种lng接收站气化外输工艺系统优化运行模型及求解方法
CN116305853B (zh) * 2023-02-23 2024-02-09 西南石油大学 一种lng接收站气化外输工艺系统优化运行方法

Also Published As

Publication number Publication date
US20230071756A1 (en) 2023-03-09
CN113642184B (zh) 2022-05-20

Similar Documents

Publication Publication Date Title
CN113642184B (zh) 一种碳中和目标下的天然气管道操作优化方法
CN110163411B (zh) 一种区域综合能源系统运行优化方法
CN108960503B (zh) 基于内点法的综合能源系统多场景优化分析方法
Li et al. Reducing environmental pollution and fuel consumption using optimization algorithm to develop combined cooling heating and power system operation strategies
CN109255471A (zh) 一种含风电的电-气-热综合能源系统扩展规划优化方法
CN111832138B (zh) 一种区域管网拓扑优化方法
CN111860937B (zh) 基于改进多目标灰狼算法的冷热电联供型微电网优化方法
CN112633560A (zh) 一种含燃煤热电联产机组的电站优化调度方法
CN111125938B (zh) 基于次优算法的大型中央空调冷冻水管网优化设计方法
CN113032935B (zh) 一种大型并联天然气管网优化运行模型及求解方法
CN109636052A (zh) 一种气电联合系统的协同规划方法
CN111950122A (zh) 园区综合能源系统运行优化方法
CN113435095A (zh) 一种用于综合能源系统的优化调度的方法及系统
CN113240204A (zh) 考虑可再生能源消纳区域能源站容量优化配置方法及系统
CN114970964A (zh) 基于普适性㶲损模型的电热气综合能源系统优化调度方法
CN104978442B (zh) 集成动力站及装置产用汽的蒸汽动力系统优化方法及系统
CN113806972B (zh) 一种考虑供需双侧灵活性的综合能源系统可靠性分析方法
CN114742276A (zh) 一种考虑㶲效率的含orc的园区综合能源系统多目标优化调度方法
CN114048908A (zh) 统一电网-分布式热网系统多时间尺度加强区间优化方法
CN116341881B (zh) 计及热网灵活性的电-热系统鲁棒超前调度方法及系统
CN110796295B (zh) 一种能源互联网气网传输优化方法
CN107301275A (zh) 用于分布式能源系统技术选型的配置及容量优化方法
CN114781750B (zh) 一种低输量原油管道间歇输送优化运行模型及求解方法
CN111768036A (zh) 一种综合能源配电系统与上级电网交互运行的功率优化方法
CN116306194A (zh) 基于多目标优化理论的综合能源系统能效优化配置方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
OL01 Intention to license declared
OL01 Intention to license declared