CN115099473A - 近零碳区域综合能源系统多目标优化方法 - Google Patents
近零碳区域综合能源系统多目标优化方法 Download PDFInfo
- Publication number
- CN115099473A CN115099473A CN202210657384.9A CN202210657384A CN115099473A CN 115099473 A CN115099473 A CN 115099473A CN 202210657384 A CN202210657384 A CN 202210657384A CN 115099473 A CN115099473 A CN 115099473A
- Authority
- CN
- China
- Prior art keywords
- energy
- carbon
- model
- power generation
- cost
- 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.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 102
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical group [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 90
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005265 energy consumption Methods 0.000 claims abstract description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 82
- 238000004146 energy storage Methods 0.000 claims description 44
- 238000010248 power generation Methods 0.000 claims description 43
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 41
- 239000001569 carbon dioxide Substances 0.000 claims description 41
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 239000000446 fuel Substances 0.000 claims description 21
- 230000005611 electricity Effects 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 6
- 230000008676 import Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000033228 biological regulation Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 8
- 238000006386 neutralization reaction Methods 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000011234 economic evaluation Methods 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 36
- 239000003345 natural gas Substances 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 16
- 238000010438 heat treatment Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 6
- 239000007789 gas Substances 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 4
- 239000001257 hydrogen Substances 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005485 electric heating Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005338 heat storage Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005262 decarbonization Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及近零碳区域综合能源系统多目标优化方法，属于能源系统运行技术领域，首先梳理了碳达峰与碳中和目标对于传统能源系统的影响，明确了采用新能源平衡多种负荷的必要性；在此基础上，整理了目前全世界常用的零(低)碳能源规划模型及其重要特点，为后续建立模型提供技术框架以及理论依据。接着建立了近零碳综合能源系统经济性评估模型，能够为给定用户设计制定不同目标下的近零碳综合能源系统设计方案和运行方案。通过模型的计算表明，环境约束下的综合能源系统能够减少能源消费、降低能源消耗带来的碳排放，这是综合能源项目具有投资经济性的前提和基础。
Description
技术领域
本发明属于能源系统运行技术领域，具体涉及近零碳区域综合能源系统多目标优化方法。
背景技术
目前针对综合能源系统的低碳经济规划已经有了广泛的研究，如：从电、热、冷、气四个子系统进行园区综合能源系统建模，将这四种能源的储能设备归一化为统一的数学模型。针对热电联供(Combined Heat and Power,CHP)“以热定电”导致的弃风及运行成本较高问题，提出基于CHP灵活热电比的区域综合能源系统多目标优化调度方法。对CHP热电比进行灵活调节，能够有效促进风电并网消纳、降低系统碳排放。研究基于含电气热冷负荷需求的综合能源系统，运用生命周期分析方法表明，在低碳权重作用大时，计及电储能设备碳排放能够有效降低综合能源系统运行成本，同时减少碳排放总量。
然而，这些现有的研究并没有很好地解决零碳能源系统规划中，经济性和碳排放相平衡的问题。因此，现阶段需设计近零碳区域综合能源系统多目标优化方法，来解决以上问题。
发明内容
本发明目的在于提供近零碳区域综合能源系统多目标优化方法，用于解决上述现有技术中存在的技术问题，现有的研究并没有很好地解决零碳能源系统规划中，经济性和碳排放相平衡的问题。
为实现上述目的，本发明的技术方案是：
近零碳区域综合能源系统多目标优化方法，包括以下步骤：
S1、对区域综合能源系统的功能结构进行分析，将区域综合能源系统划分为光伏发电系统、风力发电系统、能源转换系统、储能系统；
S2、根据光伏发电系统、风力发电系统、能源转换系统、储能系统分别对应建立光伏发电模型、风力发电模型、能源转化设备模型、储能模型；
S3、考虑具体设备在供能能力上的限制，对光伏发电模型、风力发电模型、能源转化设备模型、储能模型进行优化；
S4、对优化后的伏发电模型、风力发电模型、能源转化设备模型、储能模型进行经济性核算。
所述光伏发电模型如下：
其中，ηoverall统的总转换效率，Nk为光伏板的面积，Gt为t时刻的太阳辐射强度(W/m2)，PSTC为标准测试条件下的光伏电池板输出量，Gstc为标准测试条件下的光照强度。
所述风力发电模型如下：
其中，vin、vr和vout是风力特征曲线的切入、额定和切出特征速度(m/s)；ρ为空气密度(1.225kg/m3),A为转子面积(m2),CP是风机的风能利用系数,vt为真实风速(m/s),Pr风力发电机额定功率(kW)。
所述能源转化设备模型如下：
其中，i,j是能量类型的索引；
和
表示时间点t从设备k输入和输出的能量；
表示时间点t设备k的效率。
所述储能模型如下：
其中，δk，i是第i类储能装置中的第k个在使用中的固定能量损失，充放电效率分别为
和
和
表示该装置在时间点t的充放电功率；
和
表示储能装置k在t+1和t时刻储存的能量；
和
表示储能存储的上下限；
和
分别为储能装置k的最大充/放电功率率；uk，i为二进制(0-1)变量，保证充、放电过程不会同时发生；
表示模型开始计算时储能的能量等于结束的能量。
具体设备在供能能力上的限制如下：
其中，tech是指能源生产和转化环节的规定；k是0-1变量，表示在某一时刻是否采用该设备；
和
表示不同设备的最大和最小规模；
是设备m在hr时刻的出力；Captech是设备的最大装机容量；
是设备的最大出力。
经济性核算以年总成本为目标函数、考虑碳排放最优、或同时考虑经济性与碳排放的情况下最优。
经济性核算以年总成本为目标函数时：
通过最小化年总成本来获得多能协同的分布式能源系统的最优配置，如下式所示：
Min Ctotal＝Ccapital+CO&M+cfuel (10)
其中，Inv表示设备的单位投资成本；Y表示设备的寿命；I表示折旧率；OM表示单位运行成本；dm是指每个月的天数；Pf,hr和Pgp,hr分别表示燃料价格和网电价格；Ccapital表示投资成本，CO&M表示运行成本，Cfuel表示燃料成本；Captech表示设备单位容量，Invtech表示设备单位容投资成本；Inves和Capes表示储能的单位投资成本和单位设备容量；
和
表示燃料使用量和电力进口量；Pf,hr和 Pgp,hr分别表示逐时的燃料价格和网电价格；
表示能源售出量，Pbk表示能源售出价格；MinCtotal是最小的总成本。
经济性核算考虑碳排放最优时：
即年二氧化碳排放量最小，公式如下：
式中:cg为gth类型设备能耗的等效碳排放系数；Δt为模型建模精度；Pgt表示gth类型时间t的功率输出；MinACE表示二氧化碳最小目标。
经济性核算同时考虑经济性与碳排放的情况下最优时：
Min Ctotal+Min ACE (15)。
与现有技术相比，本发明所具有的有益效果为：
本方案其中一个有益效果在于，首先梳理了碳达峰与碳中和目标对于传统能源系统的影响，明确了采用新能源平衡多种负荷的必要性；在此基础上，整理了目前全世界常用的零(低)碳能源规划模型及其重要特点，为后续建立模型提供技术框架以及理论依据。接着建立了近零碳综合能源系统经济性评估模型，能够为给定用户设计制定不同目标下的近零碳综合能源系统设计方案和运行方案。通过模型的计算表明，环境约束下的综合能源系统能够减少能源消费、降低能源消耗带来的碳排放，这是综合能源项目具有投资经济性的前提和基础。在当前能源价格和二氧化碳价格政策下，二氧化碳最优方案所产生的碳排放最少，但是经济性较差；如果将二氧化碳排放下降到零，实现物理意义上的碳中和，所需要的投资是金融意义“碳中和”的3倍或以上。在考虑碳排放价格的基础上，如果将二氧化碳排放全部通过制定碳价而转化为经济最优的问题，那么能源系统仍然会依赖于进口天然气和电力，和国外已有经验相比，我国的二氧化碳价格仍然过低。为了促进可再生能源发展和技术水平提高，实现碳中和，未来二氧化碳价格必然会进一步升高。在综合考虑碳排放与经济性而得到的方案和经济性最优的方案相比，二者在设备投资和容量选择的变化不大，主要的改变在于前者选择了更大容量的电力驱动的供热技术，以便更好地消纳新能源，从而减少碳排放。综合能源系统能够降本节能，这是综合能源系统商业化运行的基础。综合能源系统降本节能的原因为：充分利用电价峰谷差、能源梯级利用以减少能源损失。设备投资成本在总成本中占有较大比重，过大的设备容量会损害经济性；就储能而言，储热的成本远低于储电的成本；峰谷电价、气价、设备实际建设成本对综合能源系统最优设计的影响较大。
附图说明
图1为本申请实施例的零碳能源系统的超结构表述示意图。
图2为本申请实施例的校区电热负荷数据示意图。
图3为本申请实施例的项目所在地太阳能(3a)与风能(3b)的逐时可获得性示意图。
图4为本申请实施例的总体步骤流程示意图。
具体实施方式
下面结合本发明的附图1-附图4，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
现有的研究并没有很好地解决零碳能源系统规划中，经济性和碳排放相平衡的问题。
实施例：
如图4所示，提出一种近零碳区域综合能源系统多目标优化方法，包括以下步骤：
S1、对区域综合能源系统的功能结构进行分析，将区域综合能源系统划分为光伏发电系统、风力发电系统、能源转换系统、储能系统；
S2、根据光伏发电系统、风力发电系统、能源转换系统、储能系统分别对应建立光伏发电模型、风力发电模型、能源转化设备模型、储能模型；
S3、考虑具体设备在供能能力上的限制，对光伏发电模型、风力发电模型、能源转化设备模型、储能模型进行优化；
S4、对优化后的伏发电模型、风力发电模型、能源转化设备模型、储能模型进行经济性核算。
所述光伏发电模型如下：
其中，ηoverall统的总转换效率，Nk为光伏板的面积，Gt为t时刻的太阳辐射强度(W/m2)，PSTC为标准测试条件下的光伏电池板输出量，Gstc为标准测试条件下的光照强度。
所述风力发电模型如下：
其中，vin、vr和vout是风力特征曲线的切入、额定和切出特征速度(m/s)；ρ为空气密度(1.225kg/m3),A为转子面积(m2),CP是风机的风能利用系数,vt为真实风速(m/s),Pr风力发电机额定功率(kW)。
所述能源转化设备模型如下：
其中，i,j是能量类型的索引；
和
表示时间点t从设备k输入和输出的能量；
表示时间点t设备k的效率。
所述储能模型如下：
其中，δk，i是第i类储能装置中的第k个在使用中的固定能量损失，充放电效率分别为
和
和
表示该装置在时间点t的充放电功率；
和
表示储能装置k在t+1和t时刻储存的能量；
和
表示储能存储的上下限；
和
分别为储能装置k的最大充/放电功率率；uk，i为二进制(0-1)变量，保证充、放电过程不会同时发生；
表示模型开始计算时储能的能量等于结束的能量。
具体设备在供能能力上的限制如下：
其中，tech是指能源生产和转化环节的规定；k是0-1变量，表示在某一时刻是否采用该设备；
和
表示不同设备的最大和最小规模；
是设备m在hr时刻的出力；Captech是设备的最大装机容量；
是设备的最大出力。
经济性核算以年总成本为目标函数、考虑碳排放最优、或同时考虑经济性与碳排放的情况下最优。
经济性核算以年总成本为目标函数时：
通过最小化年总成本来获得多能协同的分布式能源系统的最优配置，如下式所示：
Min Ctotal＝Ccapital+CO&M+cfuel (10)
其中，Inv表示设备的单位投资成本；Y表示设备的寿命；I表示折旧率；OM表示单位运行成本；dm是指每个月的天数；Pf,hr和Pgp,hr分别表示燃料价格和网电价格；Ccapital表示投资成本，CO&M表示运行成本，Cfuel表示燃料成本；Captech表示设备单位容量，Invtech表示设备单位容投资成本；Inves和Capes表示储能的单位投资成本和单位设备容量；
和
表示燃料使用量和电力进口量；Pf,hr和 Pgp,hr分别表示逐时的燃料价格和网电价格；
表示能源售出量，Pbk表示能源售出价格；MinCtotal是最小的总成本。
经济性核算考虑碳排放最优时：
即年二氧化碳排放量最小，公式如下：
式中:cg为gth类型设备能耗的等效碳排放系数；Δt为模型建模精度；Pgt表示gth类型时间t的功率输出；MinACE表示二氧化碳最小目标。
经济性核算同时考虑经济性与碳排放的情况下最优时：
Min Ctotal+Min ACE (15)。
以学校为研究对象，基于对各供能及储能设备运行特性的分析，以各个季节的典型日负荷为输入，对校园日常运行进行了模拟。模型采取多目标优化，以年总成本、二氧化碳排放量为优化目标，给出了不同目标下的系统最优设备容量及运行策略。
案例分析：
具体场景将构建一个高效、智能化的校园示范工程，总体规划面积约10平方公里，校园可容纳4万多人。案例分析给出了经优化后的综合能源系统基本性能，需要的输入项包括终端能源需求信息、资源可获得性、能源价格和设备的技术经济特性。
以该校区某年全年的校园级数据为基准，进行进一步分析。同时，为了不失去一般性，校区负荷以典型周作为输入，每周168小时，全年共计2016个数据点。图 2展示了校区的典型负荷。当地风能和太阳能的最大可获得量如图3所示。
能源商品是国家重要的商品类型，其价格由项目所在地方政府决定。目前该地区用于发电、供热的天然气价格为2.29元/m3；氢气价格为0.6元/kWh；生物质能价格为0.4元/kg。网电采用分时电价，平均为0.824元/kWh。
电力碳排放系数以及碳排放价格决定了后续技术方案的设备选择。根据相关文献，本报告当中电力碳排放因子为712g/kWh，天然气碳排放因子为184g/kWh，生物质被视作可再生能源,二氧化碳价格为30元每吨。
分布式能源技术的技术经济性数据包括效率、单位投资、运行维护成本和寿命。
经搜集、对比、整理和处理后的技术经济性数据分别按能源生产技术、和储能技术罗列于表1和表2中。能源技术的投资成本、运行维护成本、效率、寿命等，都会随着时间的变化而变化,本文中年通胀率为4.5％。需要说明的是本文旨在提供一种多能协同的分布式能源系统的优化设计方法，而并不能确保技术经济数据的准确性。模型的使用者可以自行根据实际情况修正技术经济数据，从而得到更为符合项目实际的结果。
表1备选设备参数
表2储能技术的技术经济性数据
以上分布式能源系统考虑了经济性最优，碳排放最优，以及同时考虑经济性和二氧化碳排放最优，共计三种情况下的不同设备选型方案。
模型计算的结果显示，当前政策下，经济性最优的综合能源系统配置方式及投资规模如表3和表4所示。在众多的备选技术当中，优化设计模型仅选取了其中若干种设备，包括两种燃气设备(燃气内燃机和燃气锅炉)、太阳能光伏、风力发电机、地源热泵、储热、储电装置，该方案没有选择供热效率较低的生物质锅炉，较为昂贵的氢气燃料电池和电热技术。模型认为主要的热负荷依赖于天然气驱动的设备来平衡，即CHP和天然气锅炉，天然气设备及进口天然气费用占总费用的40％左右；其次，由于地热技术的效率较高(COP＝3),其供热成本事实上已经在电价低谷和风力富裕时间低于天然气供热手段，所以也是经济性最优条件下的重要的供热选择之一。
经济性最优方案中绝大多数的电力需求由电网进口、储能、以及风力发电满足；其中，从电网进口电费占年化成本的15％左右，风电场的投资占比接近30％，两项费用接近项目年化费用的50％，其他所有不利用化石燃料作为输入能源设备的投资仅占年化成本的3％。究其原因，是由于在经济性是优化目标的条件下，优化设计模型在同类型的设备中更倾向于选择成本更低的设备。天然气及其设备单位成本较低，风力发电边际成本小，因此受到模型青睐。另一方面，投资占比较小的设备单位容量成本较高，再加上目前二氧化碳价格仅为30元/吨，因此依靠减少化石能源的消耗来变相提高这些设备的经济性还难以实现，所以它们没有被选择作为主力设备。
表3经济性最优方案的设备选型
经过仔细分析后发现，模型不仅通过电储能在某些时段将部分风电和来自于电网的电力进行了储蓄，还将其用于驱动热泵，满足项目的供暖需求，这和之前的研究对于天然气供暖的经济性在所有时刻比电能供暖较高的结论产生了区别。主要原因在于该案例中风电的引入使得园区自发电的边际成本和低谷时期的电网电价远远低于利用天然气发电的费用，同时地源热泵的热效率又远高于其他所有供暖技术，多种因素叠加，从经济性上和天然气设备产生了竞争。但是考虑到风电间歇性强，电网用电高峰期价格高企不下，因此天然气供暖技术目前看来仍然有一定的经济价值。未来，随着风电成本和储能成本的下降，电网去碳化水平的提高，热泵技术的完善，需求侧管理水平的进步，碳价格的上升等一系列因素的改变，天然气设备最终可能会退出园区级零(低)碳项目的历史舞台。
表5二氧化碳排放最优方案的设备选型
模型计算的结果(表5和表6)显示，二氧化碳排放最优方案的实施，是一个采用新能源满足校区所有电热负荷的可行最优解。换句话说，该方案是一个离网运行的新能源微能源网。和经济性最优的结果相比，可以看到，随着碳排放的减少，相关风力发电装机量、储能量大幅增加，随之带来的是成本的急速上升。将本案例的碳排放降至零，其成本大约是经济性最优方案的三倍，其中风电场，氢燃料电池和电/热储能的年化成本超过2000万，占总年化成本的70％左右。采用新能源技术进行自主发电，将园区变为“自主运行的微能源网”似乎是站在碳排放角度的最优答案。但是这种方案的年化成本超过3000万，如果按照项目实际运行30年来计算，那么总投资接近10个亿，在实践中，对投资方的压力更为巨大。
表6二氧化碳排放最优方案的年化成本
另一方面，从技术角度来看，这种方案在实际运行中对于负荷侧管理的要求很高，比较适合负荷安全要求较低的园区使用。原因主要在于一个全部依赖于新能源的能源系统，会极大地受到新能源不稳定性的影响，可能出现源荷不平衡的状况，这也解释了为何该系统分别配置了容量为100MWh和50MWh电、热储能的原因。然而，正如上文所介绍的，运行这些储能需要对负荷进行准确判断，但在实际生活中难以对下一小时的负荷做出100％准确的预测，因此有可能出现无法及时进行能源调度满足负荷的风险。
二氧化碳排放最优方案和经济性最优方案相比，主要的区别在于二氧化碳是否可以通过“碳价格”转化为经济成本，从而在节能减排中发挥作用；在经济性最优的方案中，碳价格按照每吨30元计入最终的总成本；而在二氧化碳排放最优的方案当中，碳排放经济性被忽略，减少实际的二氧化碳排放成为模型的“硬要求”。结果表明，如果想要实现真正意义上完全依赖新能源的能源系统，二氧化碳排放最优方案需要比经济性最优多付出2倍的成本。两种方案巨大的价差，事实上是碳交易市场的未来场景：碳价格仍然有较大的上涨空间。如果在碳交易市场中，二氧化碳价格始终保持较低水平，那么利益相关方往往会选择为排放二氧化碳付费来实现金融意义上的“碳中和”，而不是投资发展新能源技术来实现物理意义上的“碳中和”。
表7经济性与二氧化碳排放最优方案的设备组合
表8经济性与二氧化碳排放最优方案的年化成本
从经济性和碳排放联合最优方案(经济性和碳排放权重为5：5)(表7和表8) 中可得，在平衡考虑经济性和碳排放的情况下，随着投资的增加，碳排放总量会随着进口天然气和电力的数量而下降。和经济性最优的方案相比，风电场的投资增加了，但是电储能的配置却没有发生大的变化。然而，天然气锅炉的容量减小，电热技术的容量增加，说明新增的风电主要用于平衡案例的热负荷。另一方面，和二氧化碳排放最优的方案相比，该方案减少了对于昂贵的氢气燃料电池的依赖，同时又可以基于经济性的考虑，适当地利用一些天然气设备，实现了减少二氧化碳排放和经济性的有效平衡。
通过以上三个方案的比较，研究发现，在冬季，依赖过剩风电或者电价低谷时期的电网进行供暖是未来的发展趋势。这也是和光伏发电相比，风电的巨大优点：在冬季，案例供暖需求较高，而日照不足，难以用光热技术对我国大部分地区供暖；但是风能在冬季往往不受影响，甚至平均风速超过夏季。面对切实减少碳排放的要求，未来可能采用风电来代替其他一次能源进行供暖。
三个方案中，在现有政策下，经济性最优的方案具有明显优势。原因在于其投资成本较小，并且在金融意义上实现了“碳中和”。未来随着碳价格的上升，同时考虑两种目标的联合方案，甚至于更加昂贵的二氧化碳排放最优方案可能会逐渐被人们接受。这里研究组做一个简单测算，帮助读者更好地了解碳价格对于方案选择的影响：
在经济性方案中，碳排放费用为21.2万元/年，相当于每年排放5300吨二氧化碳，而双目标方案年二氧化碳排放量为3500吨，减少碳排放1800吨。同时，和经济性方案相比，经济性与碳排放联合最优设计方案全年投资增加了51万元/年，相当于每吨二氧化碳283元；远高于目前市场上大概30元每吨二氧化碳的现状。而二氧化碳最优方案排放了0吨二氧化碳，投资比经济最优方案多了2010万元/年，折合每吨二氧化碳3792元；同时，该方案比联合最优方案多投资1500万元/年，折合每吨二氧化碳4285元。
考虑到未来各项参数可能会发生变化，上述计算结果可能在一定范围内波动，但足以证明碳价格将极大地影响“碳中和”最优方案的选择：保守地说，如果未来碳价格超过200元每吨，那么二氧化碳排放最优方案将比经济性方案更有竞争力，如果碳价格接近每吨4000元，那么从技术上实现真正的零碳排放，即采用经济性与碳排放联合最优设计方案，将比金融意义上实现碳排放还要具有吸引力。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
Claims (10)
1.近零碳区域综合能源系统多目标优化方法，其特征在于，包括以下步骤：
S1、对区域综合能源系统的功能结构进行分析，将区域综合能源系统划分为光伏发电系统、风力发电系统、能源转换系统、储能系统；
S2、根据光伏发电系统、风力发电系统、能源转换系统、储能系统分别对应建立光伏发电模型、风力发电模型、能源转化设备模型、储能模型；
S3、考虑具体设备在供能能力上的限制，对光伏发电模型、风力发电模型、能源转化设备模型、储能模型进行优化；
S4、对优化后的伏发电模型、风力发电模型、能源转化设备模型、储能模型进行经济性核算。
2.根据权利要求1所述的近零碳区域综合能源系统多目标优化方法，其特征在于，所述光伏发电模型如下：
其中，ηoverall统的总转换效率，Nk为光伏板的面积，Gt为t时刻的太阳辐射强度(W/m2)，PSTC为标准测试条件下的光伏电池板输出量，Gstc为标准测试条件下的光照强度。
3.根据权利要求1所述的近零碳区域综合能源系统多目标优化方法，其特征在于，所述风力发电模型如下：
其中，vin、vr和vout是风力特征曲线的切入、额定和切出特征速度(m/s)；ρ为空气密度(1.225kg/m3),A为转子面积(m2),CP是风机的风能利用系数,vt为真实风速(m/s),Pr风力发电机额定功率(kW)。
4.根据权利要求3所述的近零碳区域综合能源系统多目标优化方法，其特征在于，所述能源转化设备模型如下：
其中，i,j是能量类型的索引；
和
表示时间点t从设备k输入和输出的能量；
表示时间点t设备k的效率。
5.根据权利要求4所述的近零碳区域综合能源系统多目标优化方法，其特征在于，所述储能模型如下：
其中，δk，i是第i类储能装置中的第k个在使用中的固定能量损失，充放电效率分别为
和
和
表示该装置在时间点t的充放电功率；
和
表示储能装置k在t+1和t时刻储存的能量；
和
表示储能存储的上下限；
和
分别为储能装置k的最大充/放电功率率；uk，i为二进制(0-1)变量，保证充、放电过程不会同时发生；
表示模型开始计算时储能的能量等于结束的能量。
6.根据权利要求5所述的近零碳区域综合能源系统多目标优化方法，其特征在于，具体设备在供能能力上的限制如下：
其中，tech是指能源生产和转化环节的规定；k是0-1变量，表示在某一时刻是否采用该设备；
和
表示不同设备的最大和最小规模；
是设备m在hr时刻的出力；Captech是设备的最大装机容量；
是设备的最大出力。
7.根据权利要求6所述的近零碳区域综合能源系统多目标优化方法，其特征在于，经济性核算以年总成本为目标函数、考虑碳排放最优、或同时考虑经济性与碳排放的情况下最优。
8.根据权利要求7所述的近零碳区域综合能源系统多目标优化方法，其特征在于，经济性核算以年总成本为目标函数时：
通过最小化年总成本来获得多能协同的分布式能源系统的最优配置，如下式所示：
Min Ctotal＝Ccapital+CO&M+cfuel (10)
其中，Inv表示设备的单位投资成本；Y表示设备的寿命；I表示折旧率；OM表示单位运行成本；dm是指每个月的天数；Pf,hr和Pgp,hr分别表示燃料价格和网电价格；Ccapital表示投资成本，CO&M表示运行成本，Cfuel表示燃料成本；Captech表示设备单位容量，Invtech表示设备单位容投资成本；Inves和Capes表示储能的单位投资成本和单位设备容量；
和
表示燃料使用量和电力进口量；Pf,hr和Pgp,hr分别表示逐时的燃料价格和网电价格；
表示能源售出量，Pbk表示能源售出价格；MinCtotal是最小的总成本。
9.根据权利要求7所述的近零碳区域综合能源系统多目标优化方法，其特征在于，经济性核算考虑碳排放最优时：
即年二氧化碳排放量最小，公式如下：
式中:cg为gth类型设备能耗的等效碳排放系数；Δt为模型建模精度；Pgt表示gth类型时间t的功率输出；MinACE表示二氧化碳最小目标。
10.根据权利要求7所述的近零碳区域综合能源系统多目标优化方法，其特征在于，经济性核算同时考虑经济性与碳排放的情况下最优时：
MinCtotal+MinACE (15)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210657384.9A CN115099473A (zh) | 2022-06-10 | 2022-06-10 | 近零碳区域综合能源系统多目标优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210657384.9A CN115099473A (zh) | 2022-06-10 | 2022-06-10 | 近零碳区域综合能源系统多目标优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115099473A true CN115099473A (zh) | 2022-09-23 |
Family
ID=83291583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210657384.9A Pending CN115099473A (zh) | 2022-06-10 | 2022-06-10 | 近零碳区域综合能源系统多目标优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115099473A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117574785A (zh) * | 2024-01-16 | 2024-02-20 | 天津大学 | 基于机器学习混合建模的零碳建筑多目标优化方法 |
-
2022
- 2022-06-10 CN CN202210657384.9A patent/CN115099473A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117574785A (zh) * | 2024-01-16 | 2024-02-20 | 天津大学 | 基于机器学习混合建模的零碳建筑多目标优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhu et al. | The optimal design and operation strategy of renewable energy-CCHP coupled system applied in five building objects | |
| CN109325608B (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
| Sigarchian et al. | The choice of operating strategy for a complex polygeneration system: A case study for a residential building in Italy | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN104881716A (zh) | 一种微电网电源的优化规划及评估方法 | |
| Ren et al. | A novel planning method for design and dispatch of hybrid energy systems | |
| CN112270433B (zh) | 考虑可再生能源不确定性和用户满意度的微电网优化方法 | |
| CN110417045A (zh) | 一种针对交直流混合微电网容量配置的优化方法 | |
| CN110994606A (zh) | 一种基于复杂适应系统理论的多能源电源容量配置方法 | |
| CN109510241A (zh) | 工业园区风光燃储能能源的并网模式优化配置系统及方法 | |
| Zhu et al. | Design optimization and two-stage control strategy on combined cooling, heating and power system | |
| CN112329260A (zh) | 一种多能互补微网多元多目标优化配置与优化运行方法 | |
| Wu et al. | Optimal design method and benefits research for a regional integrated energy system | |
| CN111126675A (zh) | 多能互补微网系统优化方法 | |
| CN115099473A (zh) | 近零碳区域综合能源系统多目标优化方法 | |
| CN114118535A (zh) | 一种考虑工程实用性的园区综合能源系统优化配置方法 | |
| Petrichenko et al. | Selection of the initial state and duration of the planning period in the tasks of managing energy storage systems | |
| Mulleriyawage et al. | Battery system selection in DC microgrids for residential applications: An Australian case study | |
| Flores et al. | Optimal design of a distributed energy resources system that minimizes cost while reducing carbon emissions | |
| Jayawardana et al. | Novel control strategy for operation of energy storage in a renewable energy-based microgrid | |
| Yiru et al. | A modified particle swarm optimization based algorithm for the energy management strategy of a regional integrated energy system | |
| Yang et al. | Energy Storage Configuration Optimization Method for Industrial Park Microgrid Based on Demand Side Response | |
| Cui et al. | ADN multi-objective planning considering collaborative optimization of rdg and GAEP | |
| CN111555270A (zh) | 一种综合能源优化与动态分析的方法及系统 | |
| Le Guen et al. | Achieving energy sustainability in future neighborhoods through building refurbishment and energy hub concept: a case study in Hemberg-Switzerland |
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 |