CN116663714A - 一种园区级ies优化调度方法及装置 - Google Patents
一种园区级ies优化调度方法及装置 Download PDFInfo
- Publication number
- CN116663714A CN116663714A CN202310529121.4A CN202310529121A CN116663714A CN 116663714 A CN116663714 A CN 116663714A CN 202310529121 A CN202310529121 A CN 202310529121A CN 116663714 A CN116663714 A CN 116663714A
- Authority
- CN
- China
- Prior art keywords
- period
- power
- gas
- load
- carbon
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 275
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 259
- 239000007789 gas Substances 0.000 claims description 148
- 239000001257 hydrogen Substances 0.000 claims description 100
- 229910052739 hydrogen Inorganic materials 0.000 claims description 100
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 98
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 84
- 230000004044 response Effects 0.000 claims description 60
- 230000005611 electricity Effects 0.000 claims description 57
- 239000003345 natural gas Substances 0.000 claims description 40
- 230000008878 coupling Effects 0.000 claims description 37
- 238000010168 coupling process Methods 0.000 claims description 37
- 238000005859 coupling reaction Methods 0.000 claims description 37
- 238000004146 energy storage Methods 0.000 claims description 37
- 238000005265 energy consumption Methods 0.000 claims description 36
- 238000006243 chemical reaction Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 24
- 230000007246 mechanism Effects 0.000 claims description 21
- 239000000446 fuel Substances 0.000 claims description 19
- 230000009194 climbing Effects 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 18
- 239000002918 waste heat Substances 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 14
- 230000014509 gene expression Effects 0.000 claims description 13
- 230000009919 sequestration Effects 0.000 claims description 13
- 238000013178 mathematical model Methods 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000007789 sealing Methods 0.000 claims description 12
- 239000003245 coal Substances 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005338 heat storage Methods 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 238000004064 recycling Methods 0.000 claims description 4
- 238000005868 electrolysis reaction Methods 0.000 claims description 3
- 230000020169 heat generation Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000000596 photon cross correlation spectroscopy Methods 0.000 claims description 3
- 230000008929 regeneration Effects 0.000 claims description 3
- 238000011069 regeneration method Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 2
- 150000002431 hydrogen Chemical class 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 21
- 230000009467 reduction Effects 0.000 description 17
- 230000000694 effects Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种园区级IES优化调度方法及装置,涉及综合能源系统优化调度领域,该方法包括建立园区级含氢综合能源系统模型;建立园区级IES优化调度模型的目标函数并对非线性项进行线性化处理;调用求解器对建立的所有模型进行求解,得到优化结果。本发明能够大幅提高IES运行的灵活性,以灵活性促进IES的低碳性和经济性。
Description
技术领域
本发明涉及综合能源系统优化调度领域,具体涉及一种园区级IES优化调度方法及装置。
背景技术
在燃烧化石燃料产生大量碳排放致使全球变暖、环境问题日益突出的背景下,当前迫切需要转变能源结构,提高清洁能源接入比例,向绿色低碳、清洁可持续的以可再生能源为主的时代迈进。能源行业尤其是电力行业在温室气体排放中占据较大的比重,承担着节能减排实现绿色低碳发展的重要责任。以可再生能源发电、热电联产(Cogenerationcombined heat and power,简称CHP)、电转气、储能等技术为支撑,将多种能源通过能源转化设备耦合在一起,充分发挥多能优势互补的综合能源系统(Integrated energy system,简称IES)将在能源行业节能减排中发挥重要作用,为绿色低碳经济可持续发展提供良好支撑。
当前对碳交易机制从理论研究已逐步走向实际应用,说明了碳交易市场对IES的降碳减排起到了良好的引导。
电转气(Power-to-Gas,简称P2G)技术可以将富余风电转化为天然气,较大程度地解决风电反调峰特性带来的弃风问题。碳捕集与封存(Carbon capture andStora,简称CCS)技术可对燃煤机组和燃气机组进行低碳改造,大幅度降低传统火电厂的碳排放,CCS捕集到的CO2可供应给P2G实现耦合,对于电力行业实现低碳发展具有重要意义。同时碳捕集技术和电转气技术的耦合既可以解决P2G的CO2来源,降低系统的碳排放,也可以提高系统消纳风电的能力。
燃料电池是当前氢能利用的主流技术之一,质子交换膜燃料电池(Protonexchange membrane fuel cell,简称PEMFC)具有低温运行、快速启动的特点,是理想的分布式电源;固体氧化物燃料电池(Solid oxide fuel cell,简称SOFC)装机容量大,对燃料品质要求低,运行温度超过600℃,适用于热电联产技术。氢燃料电池能有效提高清洁能源供能占比,优化能源结构,在IES系统中有良好应用前景。
目前已有大量研究IES考虑需求响应后带来的灵活性提升,但大多数研究仅考虑了负荷在时间维度上的灵活转移,未考虑IES多能耦合带来的多元负荷灵活替代,实际上用户可选择不同的能源供给方式满足自身用能需求。故IES灵活性提升不仅从需求侧入手,从能量供应侧引入灵活性资源也可大幅提高IES的调度灵活性。现有考虑氢能参与IES的研究大多侧重于氢能作为清洁可再生能源在IES中起到的降碳减排作用,对于氢能参与到能量供应侧灵活响应的研究和实践极少。
综合来看,现有IES运行优化方法存在多种不足,或较少考虑阶梯式碳交易机制、碳捕集技术、低碳目标与需求侧灵活响应,或未涉及氢能利用场景,较少考虑供应侧灵活响应,未将氢能作为灵活性资源参与到供应侧灵活性研究实践。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种园区级IES优化调度方法及装置,能够大幅提高IES运行的灵活性,以灵活性促进IES的低碳性和经济性。
为达到以上目的,本发明提供的一种园区级IES优化调度方法,具体包括以下步骤:
建立园区级含氢综合能源系统模型,所述园区级含氢综合能源系统模型包括对IES内包含的能量耦合设备和储能设备进行的数学建模、对IES内供需两侧灵活响应建立的数学模型、对P2G-CCS耦合运行建立的数学模型、对IES运行建立的功率平衡约束条件;
建立园区级IES优化调度模型的目标函数并对非线性项进行线性化处理,所述园区级IES优化调度模型包括购能成本模型、基于阶梯式碳交易机制的碳交易成本模型、碳捕集成本和碳封存成本模型、DR补偿成本模型、弃风成本模型;
调用求解器对建立的所有模型进行求解,得到优化结果。
在上述技术方案的基础上,所述建立园区级含氢综合能源系统模型,具体步骤包括:
建立具备供应侧灵活响应能力的热电联产模型,所述IES内的能量耦合设备包括氢燃料电池HFC、燃气轮机GT、余热锅炉WHB、电转气P2G、燃气锅炉GB、有机朗肯循环ORC、碳捕集与封存CCS,采用氢燃料电池HFC、燃气轮机GT和余热锅炉WHB共同实现热电联产;
建立P2G-CCS耦合模型和燃气锅炉GB运行模型;
建立具备横、纵需求响应能力的需求侧灵活响应模型,考虑电、热、气三种负荷分别在一个调度周期内均具备时间上的横向转移能力,称为横向DR能力,且电、热、气三种负荷在同一时段可互相替代,称为纵向DR能力,DR表示需求响应;
建立储能设备模型;
建立园区级IES功率平衡运行约束。
在上述技术方案的基础上,
所述氢燃料电池HFC的设备模型为:
其中,表示t时段输入HFC的氢气功率,/>分别为t时段HFC输出的电、热功率,/>分别为HFC设备的发电、发热效率,/>分别为HFC输入功率的上下限,/>分别为HFC爬坡功率的上下限;
所述燃气轮机GT的设备模型为:
其中,PGas,GT(t)为t时段输入GT的天然气功率,分别为t时段GT输出的电、热功率,/>分别为GT的发电、发热效率,/> 分别为GT输入功率的上下限,/>分别为GT爬坡功率的上下限;
所述HFC和GT发出的电功率供应电负荷,发出的热功率一部分进入余热锅炉WHB供应热负荷,另一部分输入有机朗肯循环ORC实现余热发电,再由有机朗肯循环ORC供应电负荷;
所述HFC、GT、WHB、ORC组成实现供应侧热、电灵活响应的CHP,模型如下所示:
其中,分别为t时段HFC输出到WHB、ORC的热功率,分别为t时段GT输出到WHB、ORC的热功率,/>分别为t时段WHB、ORC的输入热功率,/>为t时段WHB的输出热功率,/>为t时段ORC的输出电功率,ηWHB、ηORC分别为WHB、ORC的转化效率,/>分别为WHB的输入热功率上下限,/>分别为ORC的输入热功率上下限,/>为WHB的爬坡功率上下限,/>分别为ORC的爬坡功率上下限;
所述CHP最终输出的电功率、热功率为:
其中,分别为CHP输出的电、热功率。
在上述技术方案的基础上,
所述CCS包括碳捕集和碳封存两个环节,捕集到的CO2一部分通过管道输入P2G设备循环利用,另一部分通过CO2压缩器完成封存;
所述碳捕集的过程的能耗包括固定能耗和运行能耗,所述固定能耗为机组发电效率损失带来的能耗,与CCS运行状态无关,所述运行能耗来自CO2再生过程消耗的热能,以及压缩过程消耗的电能,与CCS运行状态相关;
所述碳捕集的过程的能耗,具体表达式为:
其中,PCCS(t)为t时段CCS的总功率,为t时段CCS的运行能耗,/>为CCS的固定能耗,视为常数,PG(t)为t时段燃煤或燃气机组的发电功率,eG为发出单位电功率的碳排放强度,ηC为CCS的碳捕集效率,λGE为捕集单位CO2消耗的电功率,ECC(t)为t时段CO2的捕集量,/>为CCS运行功率的上限;
所述电转气P2G用于消纳风电并转化为天然气储存,以供应给IES内的耗天然气设备;
所述电转气P2G的运行包括电解水制氢和甲烷化两个过程,在甲烷化过程中,消耗CO2的体积等于生成天然气的体积,具体表达式如下:
其中,为t时段输入P2G的电功率,/>为t时段P2G输出天然气的功率,ηP2G为P2G的转化效率,/>VGas(t)分别为t时段P2G吸收CO2和生成天然气的体积,Hg为天然气热值,/>为t时段P2G吸收CO2的质量,/>为CO2密度;
所述碳捕集与封存CCS捕集到的CO2一部分提供给P2G实现耦合,即为另一部分则被压缩封存;
所述燃气锅炉GB运行的约束包括功率限值约束和爬坡约束,具体表达式如下:
其中,为t时段GB输出的热功率,PGas,GB(t)为t时段输入GB的天然气功率,ηGB为GB的转化效率,/>分别为GB输入功率的上、下限,/>分别为GB爬坡功率的上、下限。
在上述技术方案的基础上,
根据电、热、气三种负荷的横向DR能力和纵向DR能力,将负荷划分为固定型负荷、可转移负荷、可替代负荷,用公式表示如下:
其中,k∈{e,h,g}表示负荷类型,表示e电负荷,h表示热负荷,g表示气负荷,表示DR前第k种负荷在t时段的值,/>表示第k种负荷在t时段的固定负荷,不参与DR,/>表示第k种负荷在t时段的可转移负荷,参与横向DR,/>表示第k种负荷在t时段的可替代负荷,参与纵向DR;
在一个调度周期内,可转移负荷可在时间上进行转移,横向DR模型如下式所示:
其中,和/>分别表示第k种负荷在t时段横向DR后的可转移负荷量和参与DR的量,/>和/>分别表示t时段第k种可转移负荷的转入和转出功率,/>和/>为0-1变量,同一时段有且只有一个取1表示该类型负荷在DR过程中转入或转出,在一个调度周期内可转移负荷的总转移量为0,/>和/>分别表示第k种负荷在t时段参与横向DR的上、下限值;
在同一时间段,电、热、气负荷可互相替代,可选择不同的能源供给来满足用能需求,纵向DR模型如下式所示:
其中,分别表示t时段电、热、气负荷纵向DR后的可替代负荷量,/>分别表示t时段电、热、气负荷参与纵向DR的量,三者之和为0,/>分别表示电可替代负荷在t时段的转入和转出功率,/>分别表示热可替代负荷在t时段的转入和转出功率、分别表示气可替代负荷在t时段的转入和转出功率, 为0-1变量,同一时段有且只有一个取1表示该类型负荷在DR过程中转入或转出,/>分别表示电可替代负荷参与DR的上下限值,/>分别表示热可替代负荷参与DR的上下限值,/>分别表示气可替代负荷参与DR的上下限值;
需求侧灵活响应后电、热、气三种负荷的表达式如下:
其中,k∈{e,h,g}表示负荷类型,Pk,Load(t)表示DR后第k种负荷在t时段的值。
本发明提供的一种园区级IES优化调度装置,包括:
第一建立模块,其用于建立园区级含氢综合能源系统模型,所述园区级含氢综合能源系统模型包括对IES内包含的能量耦合设备和储能设备进行的数学建模、对IES内供需两侧灵活响应建立的数学模型、对P2G-CCS耦合运行建立的数学模型、对IES运行建立的功率平衡约束条件;
处理模块,其用于建立园区级IES优化调度模型的目标函数并对非线性项进行线性化处理,所述园区级IES优化调度模型包括购能成本模型、基于阶梯式碳交易机制的碳交易成本模型、碳捕集成本和碳封存成本模型、DR补偿成本模型、弃风成本模型;
求解模块,其用于调用求解器对建立的所有模型进行求解,得到优化结果。
与现有技术相比,本发明的优点在于:
(1)本发明在IES运行模型的经济目标中考虑了低碳目标,即为计及IES运行过程产生的实际碳排放并对之收取碳排放费用,表现为IES需在碳交易市场购买相应的碳排放配额,构成目标函数中的碳交易成本,除此之外还有计及CCS完成碳捕集与封存的过程产生的碳捕集和碳封存成本;
(2)本发明在计及低碳目标的情况下,采用阶梯式碳排放费用机制,即对单位周期内IES的碳排放总额进行区间递进式价格进行收费;相比于传统的或为单一碳排放价格或竞争均衡定价方式,既优化了单一碳排放价格对不同碳排放水平的用户难以起到区别作用的特性,也一定程度上克服了实际应用中竞价均衡定价方式不适合不具规模的市场参与者参与竞争,且较为复杂的缺点;
(3)本发明在技术侧采用P2G-CCS耦合运行的方式,CCS对IES产生的碳排放进行捕集与封存,捕集到的部分CO2供应给P2G实现CO2在IES系统内的循环利用,剩余部分进行封存处理,可大幅提高IES的低碳性,起到降碳减排的效果;
(4)本发明在IES运行的供需两侧引入灵活响应,大幅提高IES运行的灵活性,以灵活性促进IES的低碳性和经济性;
(5)本发明在IES能量供应侧引入有机朗肯循环吸收HFC和GT的余热进行发电以供应给用电高峰时段的电负荷需求,尤其是将氢能作为灵活性资源引入供应侧,建立供应侧热、电灵活响应模型,论证了供应侧灵活响应对降碳减排的促进作用;
(6)本发明在IES能量需求侧引入电、热、气负荷具备时间上的横向转移能力以及同时段上互相灵活替代的能力,建立需求侧横、纵灵活响应模型,实现了对高峰时段负荷的削峰填谷,优化了负荷曲线,与供应侧灵活响应相结合,可取得良好的降碳减排效益。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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为本发明实施例中一种园区级IES优化调度方法的流程图;
图2为P2G-CCS耦合结构图;
图3为一个调度周期内各类负荷需求的曲线图;
图4为一个调度周期内风电出力的曲线图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。
为进一步提高IES的低碳性和经济性,本发明提出了一种阶梯碳下考虑P2G-CCS耦合与供需灵活响应的含氢IES优化运行策略,以购能成本、碳成本、需求响应补偿成本、弃风成本之和最小为目标,综合考虑了阶梯式碳交易机制下P2G与CCS耦合、氢燃料电池与燃气轮机实现热电联产,供需两侧灵活响应对IES低碳经济调度的影响,并通过设置多个运行情景对比分析验证了本发明所提模型的有效性。
参见图1所示,本发明实施例提供的一种园区级IES优化调度方法,具体包括以下步骤:
S1:建立园区级含氢综合能源系统模型,所述园区级含氢综合能源系统模型包括对IES内包含的能量耦合设备和储能设备进行的数学建模、对IES内供需两侧灵活响应建立的数学模型、对P2G-CCS耦合运行建立的数学模型、对IES运行建立的功率平衡约束条件;
IES中主要的能量转换设备包括氢燃料电池HFC、燃气轮机GT、余热锅炉WHB、电转气P2G、燃气锅炉GB、有机朗肯循环ORC、碳捕集与封存CCS,IES中储能设备包括储电、储气、储热、储氢设备,IES源侧包括风电机组、上级电网、气网、氢能,多元负荷包括电、热、气负荷,从源、网、荷、储出发,建立网侧各设备模型,储能侧建立储能设备模型,负荷侧建立具备横、纵需求响应能力的多元负荷模型,源侧考虑风电机组、上级电网、气网、氢能。
S2:建立园区级IES优化调度模型的目标函数并对非线性项进行线性化处理,所述园区级IES优化调度模型包括购能成本模型、基于阶梯式碳交易机制的碳交易成本模型、碳捕集成本和碳封存成本模型、DR补偿成本模型、弃风成本模型;
S3:调用求解器对建立的所有模型进行求解,得到优化结果。在实际的应用中,求解器可以为Gurobi求解器、CPLEX求解器,或者其它求解器。
本发明中,建立园区级含氢综合能源系统模型,具体步骤包括:
S101:建立具备供应侧灵活响应能力的热电联产模型,所述IES内的能量耦合设备包括氢燃料电池HFC、燃气轮机GT、余热锅炉WHB、电转气P2G、燃气锅炉GB、有机朗肯循环ORC、碳捕集与封存CCS,采用氢燃料电池HFC、燃气轮机GT和余热锅炉WHB共同实现热电联产;
IES系统内有多种能量耦合设备,采用固体氧化物燃料电池SOFC实现氢能发电时伴随有高品质余热,使用该类型HFC设备在发电时可收集余热实现热电联产提高能源利用率,GT设备发电时也可将余热收集供给热负荷实现热电联产,故本发明考虑氢燃料电池HFC和燃气轮机GT、余热锅炉WHB共同实现热电联产。
本发明中,
所述氢燃料电池HFC的设备模型为:
其中,表示t时段输入HFC的氢气功率,/>分别为t时段HFC输出的电、热功率,/>分别为HFC设备的发电、发热效率,/>分别为HFC输入功率的上下限,/>分别为HFC爬坡功率的上下限;
本发明中,燃气轮机GT的设备模型为:
其中,PGas,GT(t)为t时段输入GT的天然气功率,分别为t时段GT输出的电、热功率,/>分别为GT的发电、发热效率,/> 分别为GT输入功率的上下限,/>分别为GT爬坡功率的上下限;
本发明中,HFC和GT发出的电功率供应电负荷,发出的热功率一部分进入余热锅炉WHB供应热负荷,另一部分输入有机朗肯循环ORC实现余热发电,再由有机朗肯循环ORC供应电负荷;
所述HFC、GT、WHB、ORC组成实现供应侧热、电灵活响应的CHP,模型如下所示:
其中,分别为t时段HFC输出到WHB、ORC的热功率,分别为t时段GT输出到WHB、ORC的热功率,/>分别为t时段WHB、ORC的输入热功率,/>为t时段WHB的输出热功率,/>为t时段ORC的输出电功率,ηWHB、ηORC分别为WHB、ORC的转化效率,/>分别为WHB的输入热功率上下限,/>分别为ORC的输入热功率上下限,/>为WHB的爬坡功率上下限,/>分别为ORC的爬坡功率上下限;
本发明中,CHP最终输出的电功率、热功率为:
其中,分别为CHP输出的电、热功率。
S102:建立P2G-CCS耦合模型和燃气锅炉GB运行模型,参见图2所示,为P2G-CCS耦合结构图;
本发明中,CCS包括碳捕集和碳封存两个环节,捕集到的CO2一部分通过管道输入P2G设备循环利用,另一部分通过CO2压缩器完成封存;
碳捕集的过程的能耗包括固定能耗和运行能耗,所述固定能耗为机组发电效率损失带来的能耗,与CCS运行状态无关,固定能耗是由于引入CCS改变了常规燃煤、燃气机组的结构和运行工况,所述运行能耗来自CO2再生过程消耗的热能,以及压缩过程消耗的电能,占据CCS能耗的绝大部分,与CCS运行状态相关;
碳捕集的过程的能耗,具体表达式为:
其中,PCCS(t)为t时段CCS的总功率,为t时段CCS的运行能耗,/>为CCS的固定能耗,视为常数,PG(t)为t时段燃煤或燃气机组的发电功率,eG为发出单位电功率的碳排放强度,ηC为CCS的碳捕集效率,本发明中取90%,λGE为捕集单位CO2消耗的电功率,ECC(t)为t时段CO2的捕集量,/>为CCS运行功率的上限;
电转气P2G用于消纳风电并转化为天然气储存,以供应给IES内的耗天然气设备;电转气P2G的运行包括电解水制氢和甲烷化两个过程,在甲烷化过程中,消耗CO2的体积等于生成天然气的体积,具体表达式如下:
其中,为t时段输入P2G的电功率,/>为t时段P2G输出天然气的功率,ηP2G为P2G的转化效率,/>VGas(t)分别为t时段P2G吸收CO2和生成天然气的体积,Hg为天然气热值,取39MJ/m3,/>为t时段P2G吸收CO2的质量,/>为CO2密度;
碳捕集与封存CCS捕集到的CO2一部分提供给P2G实现耦合,即为另一部分则被压缩封存;P2G吸收的CO2转化为天然气后输入气网被消耗将再次产生碳排放,故这部分CO2实际上在IES内循环。
燃气锅炉GB运行的约束包括功率限值约束和爬坡约束,具体表达式如下:
/>
其中,为t时段GB输出的热功率,PGas,GB(t)为t时段输入GB的天然气功率,ηGB为GB的转化效率,/>分别为GB输入功率的上、下限,/>分别为GB爬坡功率的上、下限。
S103:建立具备横、纵需求响应能力的需求侧灵活响应模型,考虑电、热、气三种负荷分别在一个调度周期内均具备时间上的横向转移能力,即用能高峰时段的部分负荷可向低谷时段转移,称为横向DR能力,且电、热、气三种负荷在同一时段可互相替代,称为纵向DR能力,DR表示需求响应;
本发明中,根据电、热、气三种负荷的横向DR能力和纵向DR能力,将负荷划分为固定型负荷、可转移负荷、可替代负荷,用公式表示如下:
其中,k∈{e,h,g}表示负荷类型,表示e电负荷,h表示热负荷,g表示气负荷,表示DR前第k种负荷在t时段的值,/>表示第k种负荷在t时段的固定负荷,不参与DR,/>表示第k种负荷在t时段的可转移负荷,参与横向DR,/>表示第k种负荷在t时段的可替代负荷,参与纵向DR;
在一个调度周期内,可转移负荷可在时间上进行转移,横向DR模型如下式所示:
其中,和/>分别表示第k种负荷在t时段横向DR后的可转移负荷量和参与DR的量,/>和/>分别表示t时段第k种可转移负荷的转入和转出功率,/>和/>为0-1变量,同一时段有且只有一个取1表示该类型负荷在DR过程中转入或转出,在一个调度周期内可转移负荷的总转移量为0,/>和/>分别表示第k种负荷在t时段参与横向DR的上、下限值;
在同一时间段,电、热、气负荷可互相替代,可选择不同的能源供给来满足用能需求,纵向DR模型如下式所示:
其中,分别表示t时段电、热、气负荷纵向DR后的可替代负荷量,/>分别表示t时段电、热、气负荷参与纵向DR的量,三者之和为0,/>分别表示电可替代负荷在t时段的转入和转出功率,/>分别表示热可替代负荷在t时段的转入和转出功率、分别表示气可替代负荷在t时段的转入和转出功率, 为0-1变量,同一时段有且只有一个取1表示该类型负荷在DR过程中转入或转出,/>分别表示电可替代负荷参与DR的上下限值,/>分别表示热可替代负荷参与DR的上下限值,/>分别表示气可替代负荷参与DR的上下限值;
需求侧灵活响应后电、热、气三种负荷的表达式如下:
其中,k∈{e,h,g}表示负荷类型,Pk,Load(t)表示DR后第k种负荷在t时段的值。
S104:建立储能设备模型;
本发明中,采用广义储能系统的通用模型对电、热、气、氢储能进行统一建模,如下式所示:
其中,s∈{ES,HS,GS,H2S}为电、热、气、氢储能的集合,ES表示电储能,HS表示热储能,GS表示气储能,H2S表示氢储能, 分别为t时段储能的充、放能功率,分别为储能的充、放能效率,Ps(t)为t时段储能的净输入功率,Ss(t)为t时段储能的荷能状态,Psn为储能的额定容量,/>为0-1变量,同一时段有且只有一个为1,/>为储能的荷能状态上、下限;
S105:建立园区级IES功率平衡运行约束。
本发明所述的园区级IES内各能量转换设备的运行约束在前述中已详细建模,此处建立园区级IES电、热、气、氢功率平衡约束。
不考虑IES向上级电网售电,园区级IES中的电功率平衡约束条件如下:
其中,Pe,buy(t)为t时段向上级电网的购电功率,为t时段CHP输出的电功率,Pw(t)为t时段风电输出功率;Pe,Load(t)为t时段的电负荷,/>为t时段输入P2G的电功率,PCCS(t)为t时段CCS的总功率,/>为t时段储电的充电功率,/>为t时段储电的放电功率,/>为向上级电网购电的功率上限,/>为风电输出功率的上限;
IES内的热能供应设备包括CHP和GB,主要供应给热负荷和储热设备,具体表达式如下:
其中,为t时段CHP输出的热功率,/>为t时段GB输出的热功率,Ph,Load(t)为t时段的热负荷,/>为t时段储热的充热功率,/>为t时段储热的放热功率;
不考虑IES向气网售气,天然气平衡如下:
/>
其中,Pg,buy(t)为t时段的购气功率,为t时段P2G输出天然气的功率,Pg,Load(t)为t时段的气负荷,PGas,GT(t)为t时段输入GT的天然气功率,PGas,GB(t)为t时段输入GB的天然气功率,/>为t时段储气的充气功率,/>为t时段储气的放气功率,/>为购气功率的上限;
从上级氢网购氢满足IES内HFC设备供能需要,具体表达式如下:
其中,为t时段的购氢功率,/>为t时段输入HFC的氢气功率,为t时段储氢的充氢功率,/>为t时段储氢的放氢功率,/>为购氢功率的上限。
本发明中,建立园区级IES优化调度模型的目标函数并对非线性项进行线性化处理,具体步骤包括:
S201:建立购能成本fbuy模型,所述购能成本fbuy包括购电成本购气成本购氢成本/>
购能成本fbuy的计算方式如下:
其中,Pg,buy(t)、分别为t时段的购气功率和购氢功率,ce(t)、cg(t)、分别为t时段的电价、气价、氢价;
S202:建立碳成本模型;所述碳成本/>包括碳交易成本/>碳捕集成本碳封存成本/>
碳交易市场允许市场中各主体交易自身从监管部门获得的碳排放配额,各主体根据自身实际碳排放量和所获碳排放配额的差额情况,在碳交易市场购买相应碳排放配额或出售多余碳排放配额。监管部门根据IES上年度总发电量或总供热量乘以基准值向IES发放碳排放配额,IES实际碳排放超过配额时,需从碳交易市场购买缺额部分的碳排放权形成碳交易成本,反之则可在碳交易市场出售多余碳排放配额形成碳收益。上述碳交易机制包括碳排放初始配额、实际碳排放、碳交易成本三方面。
目前对碳交易市场中各主体的碳排放初始配额主要采用基准线法进行无偿分配。本发明考虑IES向上级电网购电全部来源于煤电机组,认为主要的碳排放源有上级电网煤电机组、热电联产燃气轮机、燃气锅炉、气负荷,
碳排放初始配额模型如下式:
其中,E'IES、E'e,buy、E'GT、E'GB、E'GLoad分别为IES、上级电网购电、燃气轮机、燃气锅炉、气负荷的碳排放配额,βe、βh、βGLoad分别为发出单位电功率、单位热功率、消耗单位气负荷的碳排放配额,为热电联产发电量向发热量的折算系数,Pe,buy(t)为t时段的上级购电量,PGT,e(t)、PGT,h(t)分别为t时段燃气轮机输出的电、热功率,PGB(t)为t时段燃气锅炉输出的热功率,PGLoad(t)为t时段气负荷需求,T为一个调度周期;
考虑P2G-CCS耦合后会捕集大量CO2,气负荷主要满足居民用于燃烧也会产生碳排放,则实际碳排放模型如下式:
其中,EIES、Ee,buy、EGT、EGB、EGLoad分别为IES、上级电网购电、燃气轮机、燃气锅炉、气负荷的实际碳排放量,a1、b1、c1为煤电机组实际碳排放计算参数,分别为发出单位热功率、消耗单位气负荷的实际碳排放,ECC,a为调度周期内碳捕集总量,ECC(t)为t时段CCS的碳捕集量;
为进一步约束碳排放,本发明在传统的统一型碳交易市场基础上,将实际碳排放与碳排放配额的差值划分在不同的区间,以阶梯型碳交易价格计算碳交易成本,简言之就是当差值超过上一区间时,超出部分按下一区间碳价结算交易成本,若差值为负,则可将多余碳排放配额出售获取碳收益。
将实际碳排放与碳排放配额的差值划分在不同的区间,以阶梯型碳交易价格计算碳交易成本,阶梯型碳交易成本计算模型如下式所示:
其中,大于0时为碳交易成本,小于0时为碳收益,c为碳交易基价,l为碳交易量的区间长度,λ为碳交易价格的增长幅度;
引入CCS后会消耗大量能耗用于捕集CO2,这部分能耗本可用于满足需求侧的负荷需求产生售电收益,损失的售电收益即为碳捕集成本;碳封存过程将产生压缩运输和封存成本,具体如下式所示:
其中,表示压缩运输,/>表示封存成本,ccs为碳封存成本系数;
S203:建立需求响应补偿成本fDR模型;
所述需求响应补偿成本如下式所示:
其中,λp、λc分别为可转移负荷、可替代负荷的单位补偿系数;
S204:建立弃风成本fcur模型;
所述弃风成本fcur如下所示:
其中,Pcur(t)为t时段的弃风功率,λcur为单位弃风功率的惩罚成本。
S205:进行非线性项的线性化处理。
本发明中,实际碳排放模型和阶梯式碳交易成本模型中包含平方项,其分段线性化过程如下所示:
(1)根据所需精度,取N+1个分段点[x1,x2,...,xN+1],将原函数划分为N个区间,xN+1表示第N+1个分段点;
(2)添加N+1个连续型辅助变量[w1,w2,...,wN+1]与N个0-1型辅助变量[z1,z2,...,zN],wN+1表示第N+1个连续型辅助变量,zN表示第N个0-1型辅助变量,变量满足下式:
(3)对非线性函数的自变量和因变量用下式代替为线性表达式:
阶梯式碳交易成本模型已经是分段函数形式,故可省去步骤(1),根据步骤(2)、步骤(3)完成线性化。
本发明中,调用求解器对建立的所有模型进行求解,得到优化结果,具体步骤包括:
S301:输入设备参数和已知数据,所述设备参数包括各种能量转换设备的转换效率、分时电价、气价、氢价,所述已知数据包括调度周期内电、热、气负荷预测值,以及风电出力预测值;
S302:构建模型的约束条件,按照Gurobi或CPLEX求解器的格式构建各设备模型的运行约束和综合能源系统的功率平衡约束;各设备运行约束和IES功率平衡约束的数学模型已在步骤S1中说明。
S303:构建模型的目标函数并对模型中非线性项进行线性化,具体的,按照Gurobi或CPLEX求解器的格式构建目标函数;本发明的优化目标为总运行成本,故目标函数为总运行成本最低,目标函数的数学模型和非线性项线性化方法已在步骤S2中说明.
S304:进行模型求解,具体的,调用求解器,将约束条件和目标函数代入求解器中进行求解,得出最终优化结果,最终优化结果即为全局最优解。
模型的优化变量为各时间段综合能源系统的购电、购气、购氢量,各能量转换设备和储能设备在调度周期内各时间段的输入、输出功率等。
以下结合具体的实例对本发明的园区级IES优化调度方法进行具体说明。
本实施例中一个调度周期为一天24h,IES在一个调度周期内的电、热、气负荷需求和风电出力如图3和图4所示,图3中,从左边起,上方的线段表示电负荷,中间的线段表示热负荷,下方的线段表示气负荷;各能量转换设备的容量和运行参数具体详见表1;各储能设备的安装容量以及运行参数具体详见表2;分时电价见表3;天然气价格取0.75元/(kW·h);购氢价格取26元/kg;实际碳排放模型参数见表4;碳排放权配额参数详见表5;单位弃风成本为0.1元/(kW·h)。
表1各种能量转换设备的参数
表2各种储能设备的参数
表3分时电价
表4实际碳排放模型参数
表5碳排放权配额参数
步骤S2中使用分段线性化将含平方项约束的混合整数非线性模型转化为不含平方项约束的混合整数线性模型,以便调用Gurobi求解器求解,本发明对实际碳排放模型和碳交易成本模型的非线性子式进行了分段线性化处理,将其划分为N个区间。显然,划分的区间越多,线性化的精度就越高,本发明在满足一定精度要求的前提下,对N取值为20,将非线性的约束式划分为20段,此时应有21个分点,下面分析N取20的合理性及其误差。分析可知,N取20时的误差很小,最大误差为0.76%,最小误差为0,说明N取20时分段线性化的精度已较高,可以满足实际工程需求。
本发明实施例通过调用Gurobi求解混合整数线性化模型,在Intel Core i7@2.90GHz主机算力下,计算用时2s,满足实际工作中的运算速率要求。
为验证本方法综合考虑阶梯碳、P2G-CCS耦合、供需两侧灵活响应对IES低碳经济的有效性,选取十种场景下的IES优化结果对比分析:
情景1:阶梯式碳交易市场环境下,不使用氢能,目标函数考虑碳排放成本;情景2:阶梯式碳交易市场环境下,目标函数不考虑碳排放成本;情景3:传统碳交易市场环境下,目标函数考虑碳排放成本;情景4:阶梯式碳交易市场环境下,目标函数考虑碳排放成本;情景5:阶梯式碳交易市场环境下,考虑P2G-CCS,目标函数考虑碳成本;情景6:阶梯式碳交易市场环境下,考虑P2G和CCS解耦;情景7:在情景5基础上,考虑GT向ORC出力,实现供应侧灵活响应;情景8:在情景5基础上,考虑HFC和GT共同向ORC出力,实现供应侧灵活响应;情景9:在情景8基础上,考虑多元负荷各自具备横向需求响应能力;情景10:在情景9基础上,考虑多元负荷各自具备纵向需求响应能力。上述场景的调度结果如表6所示。
表6 10种情景的调度结果
本实施例设置了4个情景来对比分析所采用的阶梯式碳交易机制和氢能降碳减排带来的效益。由表6可知,情景1在不使用氢能的条件下,尽管考虑阶梯式碳交易机制约束碳排放,其实际碳排放总量比情景4使用氢能并考虑阶梯式碳交易机制的情况高出了11400.2kg,情景2在目标函数不考虑碳排放成本情况下其实际碳排放总量比情景4高出了7842.9kg,情景3在传统碳交易机制下其实际碳排放总量比情景4高出了6872.9kg;在总成本方面,情景1总成本高达49287.6元,在4种情景中最高,情景4总成本为48135.8元次之,情景2总成本为47874.2元,情景3总成本为43991.4元,在4种情景中最低。
由于情景1没有使用氢能设备出力,系统的购电和购气需求相应增加,在提升购电和购气成本的同时也意味着耗天然气设备处于更高的碳排放状态,因此系统的实际碳排放总量达到最高,需购买的碳排放权配额最多,故情景1下的运行总成本、碳排放成本、碳排放量达到最高;情景2在优化调度时目标函数未考虑碳排放成本,此时系统会更偏向于从电网购电和购买价格较低的天然气来满足负荷需求,相对价格更高的氢气购买量较少,导致耗天然气设备处于高碳排状态,少量的氢能设备出力使得情景2相比情景1实际碳排放总量下降;情景3在传统碳交易市场环境下,目标函数考虑了碳排放成本,使得系统购气减少,但是由于氢能价格相对较高,系统通过购氢实现总成本的下降量少于直接从电网购电并支付相应碳排放权配额的总成本下降,故情景3中购氢增长并不明显,实际碳排放量仍然很高;情景4在阶梯式碳交易机制下使用氢能出力,系统通过购氢大幅减少了购气和向电网购电,实际总碳排减少。
情景4的总碳排放相较于情景1减少了28.01%,总成本减少了2.33%,说明氢能在降碳减排方面具有显著的效果,系统具有低碳经济双重特性;情景4的总碳放排相较于情景2减少了21.11%,总成本增加了0.55%,说明目标函数中考虑碳排放成本使系统能够有效兼顾低碳性和经济性;情景4的总碳排放相较于情景3减少了19%,说明传统碳交易机制的固定碳价下系统无法有效约束碳排放,阶梯式碳交易机制下碳成本在总成本中比重的上升使得系统增加了对清洁能源的使用,能够有效约束碳排放。
本实施例构建了3种情景分析P2G-CCS耦合的经济和低碳效益,情景4不考虑CCS,情景5考虑P2G-CCS耦合运行,情景6不考虑甲烷反应,P2G制取的氢气全部向氢能设备供能。表6给出了调度结果,情景4由于没有考虑碳捕集,需要支付高额的碳排放成本,总碳排放量相较于情景5增加了75.4%,情景5的总成本却比情景4减少了167.9元,在考虑了CCS后碳排放成本为负,实现了碳收益,说明考虑CCS虽然会增加系统的能耗并产生碳捕集和碳封存成本,但同时也实现系统的碳排放量和碳排放成本的大幅降低,P2G-CCS耦合实现CO2循环也减少了系统的购气,由此可以看出P2G-CCS耦合对于减少系统碳排放和产生经济效益的促进作用;情景6不考虑甲烷反应后,P2G和CCS解耦,其消纳风电生成的氢气直接供应HFC设备热电联产,减少了能量传递过程的梯级损耗,相当于降低了系统的用氢成本,系统对氢能的使用量相应增加,故情景6的总碳排放量相比于情景5减少了13.4%,但系统中出现了弃风。
本实施例构建了3个情景分析ORC实现供应侧热、电灵活响应的效益,以情景5作为对照。可知:情景7引入GT向ORC供热后,白天时段电负荷需求增大而热负荷需求减少时,GT输出的热功率主要提供给ORC实现余热发电;而在热能需求较高电能需求较低的夜间时段,GT的热功率主要输出给WHB用于供热。可知:情景8引入HFC和GT共同向ORC供热后,白天时段电负荷需求较高而热负荷需求较低时,HFC和GT输出的热功率主要供给ORC,且HFC向ORC输出的热功率在ORC受热功率中占比较高,夜间时段GT输出的热功率主要提供给WHB供热。
由此可见GT和HFC可以根据系统的调度需求灵活地向ORC出力,实现供应侧的热、电灵活响应。结合表6可得,与情景5对比,情景7单独引入GT向ORC出力使得GT输出的电、热功率提高,因而系统的购电和购氢成本减少但购气成本增加,总成本减少了493.8元,碳排放总量下降了8.2%;情景8引入HFC和GT共同向ORC出力后可知HFC向ORC输出的热功率相对占比较高,故相比于情景7,系统的购电和购气成本减少,购氢成本提升,系统的总成本减少159.2元,碳排放总量下降了7.5%;相比于情景5,系统的总成本减少653元,碳排放总量下降了15%,一方面验证了ORC实现供应侧HFC和GT的热、电灵活响应可以优化系统的低碳经济运行,另一方面也验证了HFC参与供应侧灵活响应能进一步优化IES的低碳经济运行。
本实施例构建了情景8、9、10进行对比分析验证需求侧灵活响应的效益,对比情景8,考虑负荷横向需求响应能力后,白天用电高峰期的部分电负荷需求被转移到了夜间,这既减少了P2G设备的能量梯级损耗又提高了系统消纳风电的能力;夜间是热负荷需求较高的时段,此时满足高热负荷需求的耗天然气设备将处于高碳排状态,引入横向需求响应后,再加上碳成本的约束,夜间时段的部分热负荷被转移到了白天;气负荷的横向转移不影响碳排放总量且会产生DR补偿成本,故气负荷没有参与到横向DR中。对比情景9,可知情景10引入横纵需求响应能力后,在横向DR的基础上,夜间有部分热、气负荷被电负荷替代,进一步提高了系统消纳风电的能力;由于白天的分时电价高于气价,CHP和GB耗气也会产生能耗,故白天时段有部分电、热负荷被气负荷替代。
由于白天用电高峰的部分电负荷被转移到夜间,夜间部分热负荷被转移到白天,提高系统消纳风电能力的同时缓解了夜间耗气设备的高碳排状态,系统碳排放和运行总成本将有所减少,结合表6可知,情景9的碳排放总量比情景8减少了10.5%,系统总成本减少了1575.7元,下降了3.3%;情景10引入纵向DR后,夜间时段部分热、气负荷被电负荷替代进一步提高风电消纳能力,白天时段气负荷替代了部分电、热负荷缓解了煤电机组与耗天然气设备的碳排,系统碳排放和运行总成本进一步下降,结合表6可知,情景10的碳排放总量比情景8减少了18.9%,系统总成本减少了3395.4元,下降了7.2%,充分验证了需求侧灵活响应的效益。
以情景5、8、10作为对比,结合前述对供应侧灵活响应的效益分析,可知,情景10中白天时段部分电负荷需求被转移至夜间和被气负荷替代,夜间时段部分热负荷需求被转移至白天,使得GT和HFC设备在白天时段流入WHB的热功率增多,ORC设备输入的热功率相较于情景8有所减少,但GT和HFC仍可以根据系统的调度需求灵活地向ORC出力,实现供应侧的热、电灵活响应,故情景10也验证了供需两侧灵活响应的效益。
对上述结果进一步分析:
1)传统碳交易机制对碳排放的约束效果有限,阶梯式碳交易机制配合氢能的使用在有良好的降碳减排效果的同时还能兼顾经济性,使系统具有低碳、经济的双重特性。
2)P2G-CCS耦合可实现CO2在系统内的循环,CCS虽然会增加系统能耗并产生碳捕集和碳封存成本,但同时也大幅降低了系统的碳排放量并实现碳收益,对系统的低碳和经济效益有良好的促进作用。
3)引入供、需两侧灵活响应机制后,系统在供应侧可根据调度实现热、电随需求灵活响应,在HFC参与下能进一步优化系统的低碳经济效益;在需求侧实现负荷的灵活响应,进一步降低系统的碳排放和运行总成本,优化系统的低碳经济运行。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
Claims (10)
1.一种园区级IES优化调度方法,其特征在于,具体包括以下步骤:
建立园区级含氢综合能源系统模型,所述园区级含氢综合能源系统模型包括对IES内包含的能量耦合设备和储能设备进行的数学建模、对IES内供需两侧灵活响应建立的数学模型、对P2G-CCS耦合运行建立的数学模型、对IES运行建立的功率平衡约束条件;
建立园区级IES优化调度模型的目标函数并对非线性项进行线性化处理,所述园区级IES优化调度模型包括购能成本模型、基于阶梯式碳交易机制的碳交易成本模型、碳捕集成本和碳封存成本模型、DR补偿成本模型、弃风成本模型;
调用求解器对建立的所有模型进行求解,得到优化结果。
2.如权利要求1所述的一种园区级IES优化调度方法,其特征在于,所述建立园区级含氢综合能源系统模型,具体步骤包括:
建立具备供应侧灵活响应能力的热电联产模型,所述IES内的能量耦合设备包括氢燃料电池HFC、燃气轮机GT、余热锅炉WHB、电转气P2G、燃气锅炉GB、有机朗肯循环ORC、碳捕集与封存CCS,采用氢燃料电池HFC、燃气轮机GT和余热锅炉WHB共同实现热电联产;
建立P2G-CCS耦合模型和燃气锅炉GB运行模型;
建立具备横、纵需求响应能力的需求侧灵活响应模型,考虑电、热、气三种负荷分别在一个调度周期内均具备时间上的横向转移能力,称为横向DR能力,且电、热、气三种负荷在同一时段可互相替代,称为纵向DR能力,DR表示需求响应;
建立储能设备模型;
建立园区级IES功率平衡运行约束。
3.如权利要求2所述的一种园区级IES优化调度方法,其特征在于:
所述氢燃料电池HFC的设备模型为:
其中,表示t时段输入HFC的氢气功率,/>分别为t时段HFC输出的电、热功率,/>分别为HFC设备的发电、发热效率,/>分别为HFC输入功率的上下限,/>分别为HFC爬坡功率的上下限;
所述燃气轮机GT的设备模型为:
其中,PGas,GT(t)为t时段输入GT的天然气功率,分别为t时段GT输出的电、热功率,/>分别为GT的发电、发热效率,/> 分别为GT输入功率的上下限,/>分别为GT爬坡功率的上下限;
所述HFC和GT发出的电功率供应电负荷,发出的热功率一部分进入余热锅炉WHB供应热负荷,另一部分输入有机朗肯循环ORC实现余热发电,再由有机朗肯循环ORC供应电负荷;
所述HFC、GT、WHB、ORC组成实现供应侧热、电灵活响应的CHP,模型如下所示:
其中,分别为t时段HFC输出到WHB、ORC的热功率,分别为t时段GT输出到WHB、ORC的热功率,/>分别为t时段WHB、ORC的输入热功率,/>为t时段WHB的输出热功率,/>为t时段ORC的输出电功率,ηWHB、ηORC分别为WHB、ORC的转化效率,/>分别为WHB的输入热功率上下限,/>分别为ORC的输入热功率上下限,/>为WHB的爬坡功率上下限,/>分别为ORC的爬坡功率上下限;
所述CHP最终输出的电功率、热功率为:
其中,分别为CHP输出的电、热功率。
4.如权利要求3所述的一种园区级IES优化调度方法,其特征在于:
所述CCS包括碳捕集和碳封存两个环节,捕集到的CO2一部分通过管道输入P2G设备循环利用,另一部分通过CO2压缩器完成封存;
所述碳捕集的过程的能耗包括固定能耗和运行能耗,所述固定能耗为机组发电效率损失带来的能耗,与CCS运行状态无关,所述运行能耗来自CO2再生过程消耗的热能,以及压缩过程消耗的电能,与CCS运行状态相关;
所述碳捕集的过程的能耗,具体表达式为:
其中,PCCS(t)为t时段CCS的总功率,为t时段CCS的运行能耗,PC s CS为CCS的固定能耗,视为常数,PG(t)为t时段燃煤或燃气机组的发电功率,eG为发出单位电功率的碳排放强度,ηC为CCS的碳捕集效率,λGE为捕集单位CO2消耗的电功率,ECC(t)为t时段CO2的捕集量,为CCS运行功率的上限;
所述电转气P2G用于消纳风电并转化为天然气储存,以供应给IES内的耗天然气设备;
所述电转气P2G的运行包括电解水制氢和甲烷化两个过程,在甲烷化过程中,消耗CO2的体积等于生成天然气的体积,具体表达式如下:
其中,为t时段输入P2G的电功率,/>为t时段P2G输出天然气的功率,ηP2G为P2G的转化效率,/>VGas(t)分别为t时段P2G吸收CO2和生成天然气的体积,Hg为天然气热值,/>为t时段P2G吸收CO2的质量,/>为CO2密度;
所述碳捕集与封存CCS捕集到的CO2一部分提供给P2G实现耦合,即为另一部分则被压缩封存;
所述燃气锅炉GB运行的约束包括功率限值约束和爬坡约束,具体表达式如下:
其中,为t时段GB输出的热功率,PGas,GB(t)为t时段输入GB的天然气功率,ηGB为GB的转化效率,/>分别为GB输入功率的上、下限,/>分别为GB爬坡功率的上、下限。
5.如权利要求4所述的一种园区级IES优化调度方法,其特征在于:
根据电、热、气三种负荷的横向DR能力和纵向DR能力,将负荷划分为固定型负荷、可转移负荷、可替代负荷,用公式表示如下:
其中,k∈{e,h,g}表示负荷类型,表示e电负荷,h表示热负荷,g表示气负荷,表示DR前第k种负荷在t时段的值,/>表示第k种负荷在t时段的固定负荷,不参与DR,表示第k种负荷在t时段的可转移负荷,参与横向DR,/>表示第k种负荷在t时段的可替代负荷,参与纵向DR;
在一个调度周期内,可转移负荷可在时间上进行转移,横向DR模型如下式所示:
其中,和/>分别表示第k种负荷在t时段横向DR后的可转移负荷量和参与DR的量,/>和/>分别表示t时段第k种可转移负荷的转入和转出功率,和/>为0-1变量,同一时段有且只有一个取1表示该类型负荷在DR过程中转入或转出,在一个调度周期内可转移负荷的总转移量为0,/>和/>分别表示第k种负荷在t时段参与横向DR的上、下限值;
在同一时间段,电、热、气负荷可互相替代,可选择不同的能源供给来满足用能需求,纵向DR模型如下式所示:
其中,分别表示t时段电、热、气负荷纵向DR后的可替代负荷量,/>分别表示t时段电、热、气负荷参与纵向DR的量,三者之和为0,/>分别表示电可替代负荷在t时段的转入和转出功率,/>分别表示热可替代负荷在t时段的转入和转出功率、分别表示气可替代负荷在t时段的转入和转出功率, 为0-1变量,同一时段有且只有一个取1表示该类型负荷在DR过程中转入或转出,/>分别表示电可替代负荷参与DR的上下限值,/>分别表示热可替代负荷参与DR的上下限值,/>分别表示气可替代负荷参与DR的上下限值;
需求侧灵活响应后电、热、气三种负荷的表达式如下:
其中,k∈{e,h,g}表示负荷类型,Pk,Load(t)表示DR后第k种负荷在t时段的值。
6.如权利要求5所述的一种园区级IES优化调度方法,其特征在于:
采用广义储能系统的通用模型对电、热、气、氢储能进行统一建模,如下式所示:
其中,s∈{ES,HS,GS,H2S}为电、热、气、氢储能的集合,ES表示电储能,HS表示热储能,GS表示气储能,H2S表示氢储能,Ps cha(t)、Ps dis(t)分别为t时段储能的充、放能功率,分别为储能的充、放能效率,Ps(t)为t时段储能的净输入功率,Ss(t)为t时段储能的荷能状态,Psn为储能的额定容量,/>为0-1变量,同一时段有且只有一个为1,为储能的荷能状态上、下限;
园区级IES中的电功率平衡约束条件如下:
其中,Pe,buy(t)为t时段向上级电网的购电功率,为t时段CHP输出的电功率,Pw(t)为t时段风电输出功率;Pe,Load(t)为t时段的电负荷,/>为t时段输入P2G的电功率,PCCS(t)为t时段CCS的总功率,/>为t时段储电的充电功率,/>为t时段储电的放电功率,/>为向上级电网购电的功率上限,/>为风电输出功率的上限;
所述IES内的热能供应设备包括CHP和GB,主要供应给热负荷和储热设备,具体表达式如下:
其中,为t时段CHP输出的热功率,/>为t时段GB输出的热功率,Ph,Load(t)为t时段的热负荷,/>为t时段储热的充热功率,/>为t时段储热的放热功率;
不考虑IES向气网售气,天然气平衡如下:
其中,Pg,buy(t)为t时段的购气功率,为t时段P2G输出天然气的功率,Pg,Load(t)为t时段的气负荷,PGas,GT(t)为t时段输入GT的天然气功率,PGas,GB(t)为t时段输入GB的天然气功率,/>为t时段储气的充气功率,/>为t时段储气的放气功率,/>为购气功率的上限;
从上级氢网购氢满足IES内HFC设备供能需要,具体表达式如下:
其中,Ph2,buy(t)为t时段的购氢功率,PH2,HFC(t)为t时段输入HFC的氢气功率,为t时段储氢的充氢功率,/>为t时段储氢的放氢功率,/>为购氢功率的上限。
7.如权利要求6所述的一种园区级IES优化调度方法,其特征在于,所述建立园区级IES优化调度模型的目标函数并对非线性项进行线性化处理,具体步骤包括:
建立购能成本fbuy模型,所述购能成本fbuy包括购电成本购气成本/>购氢成本
建立碳成本模型;所述碳成本/>包括碳交易成本/>碳捕集成本/>碳封存成本/>
建立需求响应补偿成本fDR模型;
建立弃风成本fcur模型;
进行非线性项的线性化处理。
8.如权利要求7所述的一种园区级IES优化调度方法,其特征在于:
所述购能成本fbuy的计算方式如下:
其中,Pg,buy(t)、分别为t时段的购气功率和购氢功率,ce(t)、cg(t)、/>分别为t时段的电价、气价、氢价;
碳排放初始配额模型如下式:
其中,EI'ES、Ee',buy、E'GT、E'GB、E'GLoad分别为IES、上级电网购电、燃气轮机、燃气锅炉、气负荷的碳排放配额,βe、βh、βGLoad分别为发出单位电功率、单位热功率、消耗单位气负荷的碳排放配额,为热电联产发电量向发热量的折算系数,Pe,buy(t)为t时段的上级购电量,PGT,e(t)、PGT,h(t)分别为t时段燃气轮机输出的电、热功率,PGB(t)为t时段燃气锅炉输出的热功率,PGLoad(t)为t时段气负荷需求,T为一个调度周期;
考虑P2G-CCS耦合后会捕集大量CO2,则实际碳排放模型如下式:
其中,EIES、Ee,buy、EGT、EGB、EGLoad分别为IES、上级电网购电、燃气轮机、燃气锅炉、气负荷的实际碳排放量,a1、b1、c1为煤电机组实际碳排放计算参数,分别为发出单位热功率、消耗单位气负荷的实际碳排放,ECC,a为调度周期内碳捕集总量,ECC(t)为t时段CCS的碳捕集量;
将实际碳排放与碳排放配额的差值划分在不同的区间,以阶梯型碳交易价格计算碳交易成本,阶梯型碳交易成本计算模型如下式所示:
其中,大于0时为碳交易成本,小于0时为碳收益,c为碳交易基价,l为碳交易量的区间长度,λ为碳交易价格的增长幅度;
碳封存过程将产生压缩运输和封存成本,具体如下式所示:
其中,表示压缩运输,/>表示封存成本,ccs为碳封存成本系数;
所述需求响应补偿成本如下式所示:
其中,λp、λc分别为可转移负荷、可替代负荷的单位补偿系数;
所述弃风成本fcur如下所示:
其中,Pcur(t)为t时段的弃风功率,λcur为单位弃风功率的惩罚成本。
9.如权利要求8所述的一种园区级IES优化调度方法,其特征在于,所述调用求解器对建立的所有模型进行求解,得到优化结果,具体步骤包括:
输入设备参数和已知数据,所述设备参数包括各种能量转换设备的转换效率、分时电价、气价、氢价,所述已知数据包括调度周期内电、热、气负荷预测值,以及风电出力预测值;
构建模型的约束条件,按照Gurobi或CPLEX求解器的格式构建各设备模型的运行约束和综合能源系统的功率平衡约束;
构建模型的目标函数并对模型中非线性项进行线性化,具体的,按照Gurobi或CPLEX求解器的格式构建目标函数;
进行模型求解,具体的,调用求解器,将约束条件和目标函数代入求解器中进行求解,得出最终优化结果,最终优化结果即为全局最优解。
10.一种园区级IES优化调度装置,其特征在于,包括:
第一建立模块,其用于建立园区级含氢综合能源系统模型,所述园区级含氢综合能源系统模型包括对IES内包含的能量耦合设备和储能设备进行的数学建模、对IES内供需两侧灵活响应建立的数学模型、对P2G-CCS耦合运行建立的数学模型、对IES运行建立的功率平衡约束条件;
处理模块,其用于建立园区级IES优化调度模型的目标函数并对非线性项进行线性化处理,所述园区级IES优化调度模型包括购能成本模型、基于阶梯式碳交易机制的碳交易成本模型、碳捕集成本和碳封存成本模型、DR补偿成本模型、弃风成本模型;
求解模块,其用于调用求解器对建立的所有模型进行求解,得到优化结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310529121.4A CN116663714A (zh) | 2023-05-11 | 2023-05-11 | 一种园区级ies优化调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310529121.4A CN116663714A (zh) | 2023-05-11 | 2023-05-11 | 一种园区级ies优化调度方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116663714A true CN116663714A (zh) | 2023-08-29 |
Family
ID=87725177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310529121.4A Pending CN116663714A (zh) | 2023-05-11 | 2023-05-11 | 一种园区级ies优化调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116663714A (zh) |
-
2023
- 2023-05-11 CN CN202310529121.4A patent/CN116663714A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Environment-friendly and economical scheduling optimization for integrated energy system considering power-to-gas technology and carbon capture power plant | |
CN107482688B (zh) | 一种碳捕集虚拟电厂调度优化方法 | |
CN110288152B (zh) | 考虑电/热柔性负荷的区域综合能源系统储能配置方法 | |
CN113095791B (zh) | 一种综合能源系统运行方法及系统 | |
Sun et al. | Day-ahead offering strategy in the market for concentrating solar power considering thermoelectric decoupling by a compressed air energy storage | |
CN111754133B (zh) | 一种考虑碳捕集系统的综合能源系统“源-荷”低碳经济调度方法 | |
Tabar et al. | Achieving a nearly zero energy structure by a novel framework including energy recovery and conversion, carbon capture and demand response | |
CN110930073B (zh) | 计及价格型需求响应的风-光-光热联合发电系统日前调度方法 | |
CN114865631B (zh) | 源荷协同降碳的综合能源系统最优分布鲁棒经济调度方法 | |
Yang et al. | Optimal operation of an integrated energy system by considering the multi energy coupling, AC-DC topology and demand responses | |
Lopez et al. | Commitment of combined cycle plants using a dual optimization–dynamic programming approach | |
CN116911533B (zh) | 区域综合能源系统多微网能量共济方法 | |
CN114240256A (zh) | 电热气综合能源系统及协同优化运行控制的方法 | |
CN117040000A (zh) | 一种耦合碳捕集和电制氢的综合能源系统热电优化方法 | |
CN112966909A (zh) | 计及需求响应的区域综合能源系统的优化调度方法 | |
CN115659651A (zh) | 一种考虑多种灵活性资源的综合能源协同优化调度方法 | |
Wang et al. | Low carbon optimal operation of integrated energy system based on concentrating solar power plant and power to hydrogen | |
CN117455164A (zh) | 考虑碳交易和需求响应的电热气综合能源系统的优化运行方法 | |
Ma et al. | Dispatch for energy efficiency improvement of an integrated energy system considering multiple types of low carbon factors and demand response | |
CN112182915A (zh) | 一种协同促进风电消纳的优化调度方法及系统 | |
CN116245376A (zh) | 一种电转气虚拟电厂降碳运行优化方法及系统 | |
CN115659585A (zh) | 计及需求响应的微能网低碳协同调度方法、装置、存储器及设备 | |
CN115907363A (zh) | 一种基于综合能源系统源-荷多时间尺度优化调度方法 | |
CN116663714A (zh) | 一种园区级ies优化调度方法及装置 | |
Qi et al. | A Distributionally Robust Optimization Scheduling Model for Regional Integrated Energy Systems Considering Hot Dry Rock Co-Generation. |
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 |