CN117040000A - 一种耦合碳捕集和电制氢的综合能源系统热电优化方法 - Google Patents
一种耦合碳捕集和电制氢的综合能源系统热电优化方法 Download PDFInfo
- Publication number
- CN117040000A CN117040000A CN202311004340.7A CN202311004340A CN117040000A CN 117040000 A CN117040000 A CN 117040000A CN 202311004340 A CN202311004340 A CN 202311004340A CN 117040000 A CN117040000 A CN 117040000A
- Authority
- CN
- China
- Prior art keywords
- scene
- energy
- power
- carbon
- time
- 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 226
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 222
- 239000001257 hydrogen Substances 0.000 title claims abstract description 95
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 95
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 19
- 230000008878 coupling Effects 0.000 title claims abstract description 17
- 238000010168 coupling process Methods 0.000 title claims abstract description 17
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 17
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 184
- 239000007789 gas Substances 0.000 claims abstract description 97
- 238000003860 storage Methods 0.000 claims abstract description 62
- 230000005611 electricity Effects 0.000 claims abstract description 52
- 238000006243 chemical reaction Methods 0.000 claims abstract description 48
- 239000000446 fuel Substances 0.000 claims abstract description 26
- 238000005070 sampling Methods 0.000 claims abstract description 26
- 239000003345 natural gas Substances 0.000 claims description 60
- 238000004146 energy storage Methods 0.000 claims description 54
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 40
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 20
- 239000001569 carbon dioxide Substances 0.000 claims description 20
- 230000009194 climbing Effects 0.000 claims description 19
- 238000005265 energy consumption Methods 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 9
- 239000002918 waste heat Substances 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005338 heat storage Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000002904 solvent Substances 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000020169 heat generation Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 239000002994 raw material Substances 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 150000002431 hydrogen Chemical class 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
- C25B1/00—Electrolytic production of inorganic compounds or non-metals
- C25B1/01—Products
- C25B1/02—Hydrogen or oxygen
- C25B1/04—Hydrogen or oxygen by electrolysis of water
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
- C25B15/00—Operating or servicing cells
- C25B15/02—Process control or regulation
- C25B15/023—Measuring, analysing or testing during electrolytic production
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
- C25B9/00—Cells or assemblies of cells; Constructional parts of cells; Assemblies of constructional parts, e.g. electrode-diaphragm assemblies; Process-related cell features
- C25B9/60—Constructional parts of cells
- C25B9/65—Means for supplying current; Electrode connections; Electric inter-cell connections
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Power Engineering (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Inorganic Chemistry (AREA)
- Analytical Chemistry (AREA)
- Automation & Control Theory (AREA)
- Fuel Cell (AREA)
Abstract
一种耦合碳捕集和电制氢的综合能源系统热电优化方法，包含以下步骤：A1、采用拉丁超立方采样方法构建分时电价的不确定性模型及风光机组协同的不确定性模型；A2、构建园区系统的机组出力约束，包含电解槽EL、甲烷反应器MR、燃气锅炉GB、热电联产CHP、氢燃料电池HFC和碳捕集设备CCUS的能量转化约束；A3、构建园区系统的存储设备约束；A4、构建综合能源系统运行模型；A5、构建阶梯式碳交易模型；A6、建立综合能源优化调度模型；本发明在综合能源系统中引入了碳捕集设备和阶梯式碳交易模型，为系统降低碳排放量，构建了热电联产的可调热电比模型，使其能灵活调节产电和产热，满足不同时段下的负荷需求。
Description
技术领域
本发明涉及综合能源系统热电优化调度技术领域，尤其是涉及一种耦合碳捕集和电制氢的综合能源系统热电优化方法。
背景技术
传统的电力工业与市场过分依赖化石能源为主导，和零碳社会的矛盾所带来的问题也日益严重，如何最大化消纳可再生能源，以协调各机组出力，提高经济运行效率，降低运行成本，是目前工业园区系统所面临的一个重大课题；
消纳风光机组等间歇性可再生能源、实现多能流储能是电转气技术的一项重要的工业应用；电转气技术可以将各个时段富余的风力与光伏通过耦合设备转化为电-热-气-氢四种能源形式，实现峰时供应，谷时存储，有效实现风光消纳与稳定负荷曲线的作用；
中国专利(公开号：CN111639824A)公开了一种含电转气的区域综合能源系统热电优化调度方法；该专利提出了一种将电转气过程细化为电制氢气和氢气甲烷化两阶段的综合能源经济优化调度运行方案；
中国专利(公开号：CN114676897A)公开了一种含CHP-P2G-氢能的园区综合能源系统优化调度方法；该专利提出了一种多层级多能耦合的综合能源热电优化方法，通过P2G电转气设备、HFC氢燃料电池和有机朗肯循环ORC余热发电技术降低系统成本；
上述公开专利均并未提及风光出力随实时环境的变动影响会造成波动的情况，并未深度挖掘热电联产可调热电比的功能，使得提出的方案用于工业园区综合能源真实调度运行中的可行性不足，并且也暂未考虑碳捕集技术的应用，脱离了双碳目标；
中国专利(公开号：CN111754133A)公开了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，该专利通过以储碳设备为枢纽连接碳捕集电厂和电转气设备，并引入综合需求响应，提出了一种综合成本最优的电-气综合能源低碳经济调度方法；但该专利分时电价为确定性电价，实际情况下，会有多个供电商，每个供电单位不同时段下不同情况的电价都不尽相同，因此电价也具有波动性；
中国专利(公开号：CN115545548A)公开了一种基于可调热电比和双层阶梯式碳交易的多主体电力系统低碳经济调度方法，该专利基于可变热电比和双层阶梯式碳交易的NMAPS低碳优化运行策略；但该专利构建的系统与天然气站有联系，但天然气仅作为对热能形式的补充，因此其并未对天然气进行能量约束。
发明内容
为了克服背景技术中的不足，本发明公开了一种耦合碳捕集和电制氢的综合能源系统热电优化方法。
为实现上述发明目的，本发明采用如下技术方案：
一种耦合碳捕集和电制氢的综合能源系统热电优化方法，包含以下步骤：
A1、采用拉丁超立方采样方法构建分时电价的不确定性模型及风光机组协同的不确定性模型；
A2、构建园区系统的机组出力约束，包含电解槽EL、甲烷反应器MR、燃气锅炉GB、热电联产CHP、氢燃料电池HFC和碳捕集设备CCUS的能量转化约束；
其中，热电联产CHP将电网、气网和热网三位一体联系起来，以天然气作为动力能源，通过燃气—蒸汽循环发电，最终产出电能与热能；热电联产机组主要由天然气发电机组和余热利用设备构成，其中余热利用设备循环使用天然气燃烧后产生的高温气体，对园区内热能设备进行供热；
CHP能量转化关系及约束为：
式中：Pg,CHP(s,t)为第s种场景下t时刻输入CHP的天然气功率；Pe,CHP(s,t)、Ph,CHP(s,t)分别为第s种场景t时刻CHP输出的电、热能； 分别为CHP转换为电、热能的效率；/>分别为输入CHP的天然气功率上、下限；/>分别为CHP的爬坡上、下限；/>分别为CHP的热电比上、下限；
氢燃料电池HFC：实现氢能的热电生产，能量转化关系及约束为：
式中：为第s种场景t时刻经由电解槽EL向氢燃料电池HFC输入的氢能功率；Pe,HFC(s,t)、Ph,HFC(s,t)分别为第s种场景t时刻HFC输出的电、热能功率；/>分别为HFC转换为电、热能的效率；/>分别为输入HFC的氢能功率上、下限；分别为HFC的氢能功率爬坡上、下限；/>分别为HFC的热电比上、下限；
A3、构建园区系统的存储设备约束，包含储能约束和储碳设备约束；
A4、构建综合能源系统运行模型，包含机组出力约束、能源功率平衡约束和可再生能源约束，其中机组出力约束条件同步骤A2；
A5、构建阶梯式碳交易模型，包含碳排放权配额模型、实际碳排放模型和阶梯式碳交易模型；
A6、建立综合能源优化调度模型；综合考虑综合能源系统的购能成本弃风成本/>弃光成本/>阶梯式碳交易成本/>CCUS碳捕集成本/>构建系统运行总成本F最小的优化目标函数为：
其中，运行总成本分为五部分，购能成本、弃风成本、阶梯式碳交易成本、CCUS成本、弃光成本；
购能成本
式中：αt为购电单价；βt为购气单价；p(s)为第s种场景的概率；Pe,buy(s,t)为购电功率；Pg,buy(s,t)为购气功率；
弃风成本
式中：δDG为弃风惩罚成本系数；PDG,cut(s,t)为第s种场景t时刻的弃风功率用，p(s)为第s种场景的概率；
弃光成本
式中：δPV表示弃光惩罚成本系数；PPV,cut(s,t)为第s种场景t时刻弃光功率；
阶梯式碳交易成本
式中，为碳交易成本；λ为碳交易基价；l为碳排放量区间长度；α为价格增长幅度；
CCUS成本
式中：CCUS运行维护成本为CCUS储碳成本为/>
优选的，步骤A1中假设有N组风电随机变量K1-KN，其中KN的累积概率分布函数可以描述为：
FN＝FN(KN)
LHS场景生成方法如下，若采样规模为R：
①将FN的分布曲线分成每个区间范围均为1/R的若干个概率区间；
②在各概率区内随机抽取任意一个数；则第x个区间的采样点KNx的累积概率PNx为：
PNx＝(1/R)rx+(x-1)/R
式中：rx为区间[0，1]的一个随机数；
③将PNx带入函数，得到对应区间内的采样值KNx：
④采样规模为R，通过步骤①～③重复采样R次，即会产生R个关于KN的采样结果；
⑤生成N×R维的矩阵，随机排序各行后生成R个场景；
当生成大量风电出力场景后，高比例的场景具有较高的相似度；为了剔除高比例相似场景或者极低概率场景，进行场景削减并保留多个典型代表风电出力情况复原实际风电出力情况；由LHS生成大量风电出力场景，记场景数为N，削减后的场景数为n，LHS场景缩减方法描述如下：
①初始化；每个风电功率预测值场景的概率值为Pi＝1/N，初始缩减场景数为n*＝N；
②计算每个场景(si,sj)的Kantorovich距离：
③选择与场景sk的距离最小的场景sr，并计算Kantorovich距离与场景概率的乘积：
④对于每个场景重复步骤③，然后选择PDk(si,sj)最小的场景记为场景d并删除该场景，同时更新减少的场景数n*＝n*-1，则场景r的概率值可以更新为：ρr＝ρr+ρd
⑤重复步骤②～④，直到最终场景数n*＝n；
在构建的模型中，根据风光出力、分时电价的不确定性生成不低于1000种场景，并保留概率分布最合理的10种场景。
优选的，步骤A2中电解槽EL、甲烷反应器MR、燃气锅炉GB的能量转化约束分别如下：
电解槽EL：实现电能转化为氢能，能量转化关系及约束为：
式中：Pe,EL(s,t)为第s种场景t时刻输入EL的电能；为第s种场景t时刻EL输出的氢能；ηEL为电解槽的能量转换效率；/> 分别为输入电解槽的电能功率上、下限；/>分别为电解槽功率的爬坡上、下限；
甲烷反应器MR：实现氢能转化为天然气，能量转化关系及约束为：
式中：Pg,MR(s,t)为第s种场景t时刻甲烷反应器输出的天然气功率；为第s种场景t时刻输入甲烷反应器的氢能功率；ηMR为甲烷反应器的能量转换效率；分别为输入甲烷反应器的氢能功率上、下限；/>分别为甲烷反应器功率爬坡上、下限；
燃气锅炉GB：主要以天然气或者其他气体作为燃料，进行燃烧产热的锅炉，从而满足工业园区所需的热能负荷；GB能量转化关系及约束为：
式中：ηGB为燃气锅炉的产热效率；Pg,GB(s,t)为燃气锅炉在第s种场景t时刻的耗气量；为燃气锅炉的输出热功率上限；Ph,GB(s,t)为燃气锅炉在第s种场景t时刻的输出热功率；/>分别为燃气锅炉功率爬坡上、下限。
碳捕集(CCUS)设备：CCUS技术含CO2捕集、利用与封存(体现于储碳设备)三个环节，实现捕集环境中与CHP、GB产生的CO2，捕获到的CO2一部分用于MR合成天然气的原料，一部分储存于储碳装置中；
式中：Pe,CCUS(s,t)、PCCUS,base(s,t)、Pe,CCUS,oper(s,t)分别为第s种场景t时刻CCUS总耗能、基础能耗、运行能耗；ECCUS(s,t)为第s种场景t时刻CCUS运行时捕获的CO2总量；EMR,a(s,t)、分别为第s种场景t时刻MR需要的CO2总量、存储的CO2量；/>为碳捕集的效率；/>分别为CCUS运行能耗的最小、最大值；/> 分别为总耗能单位时刻最小、最大值。
燃气锅炉GB：主要以天然气或者其他气体作为燃料，进行燃烧产热的锅炉，从而满足工业园区所需的热能负荷；GB能量转化关系及约束为：
式中：ηGB为燃气锅炉的产热效率；GGB(s,t)为燃气锅炉在第s种场景t时刻的耗气量；为燃气锅炉的输出热功率上限；HGB(s,t)为燃气锅炉在第s种场景t时刻的输出热功率。
优选的，步骤A3中储能约束条件和储碳设备约束条件如下：
储能约束条件：
式中：为第s种场景第n种储能装置在t时刻的充能功率；/>为第s种场景第n种储能装置在t时刻的放能功率；/>为第n种储能装置的单次充、放能最大功率；均为二进制变量，分别为第s种场景第n种储能装置在t时刻充、放状态参数；其中，充能参数/>和放能参数/>均可以表示储能装置正在储能；而充能参数/>或放能参数/>都可以表示储能装置正在放能；/>为第n种储能装置在t时刻最终的输出功率；/>分别为第n种储能装置的充、放能效率；Sn,ES(s,t)为第s种场景t时刻第n种储能装置的容量；/>分别为第n种储能装置容量的上、下限；/>表示第n种储能装置的额定储能量；
储碳设备约束条件：
式中：为第s种场景t时刻存入的CO2量；/>为设备吸收CO2效率；为第s种场景t时刻流经储碳设备的最大溶剂体积；vstorage(s,t)为第s种场景t时刻存入设备的溶液体积；/>为第s种场景t时刻放出的CO2量；vliquid,out(s,t)为第s种场景t时刻流出设备的溶液体积；/>分别为储碳设备存储最小、最大溶液体积；Vliquid(s,t)为第s种场景t时刻储碳设备的溶液体积；/>为设备存储的CO2量；/>为第s种场景t时刻储碳量；/>为第s种场景t-1时刻储碳量；/>为储碳损耗系数；分别为第s种场景第1个时刻和第24个时刻的储碳量。
优选的，步骤A4中能源功率平衡约束条件包含：
电功率平衡约束条件：
式中：Pe,buy(s,t)为第s种场景t时刻向上级电网购电功率；Pe,load(s,t)为第s种场景t时刻电负荷；Pe,EL(s,t)为第s种场景t时刻电解槽消耗的电功率；Pe,ES,cha(s,t)为第s种场景t时刻输入电储的功率；Pe,CCUS(s,t)为第s种场景t时刻碳捕集设备消耗的电功率；Pe,ES,dis(s,t)为第s种场景t时刻电储设备释放的电功率；PDG(s,t)为第s种场景t时刻风电出力功率；PPV(s,t)为第s种场景t时刻光伏出力功率；Pe,CHP(s,t)为第s种场景t时刻热电联产产生的电能功率；Pe,HFC(s,t)第s种场景t时刻为氢燃料电池产生的电能功率；为各时刻购电上限额度；
热平衡约束条件：
PHFC,h(s,t)+PCHP,h(s,t)+PGB,h(s,t)＝Ph_load(s,t)+Ph,ES,cha(s,t)-Ph,ES,dis(s,t)
式中：PHFC,h(s,t)为第s种场景t时刻氢燃料电池产生的热能功率；PCHP,h(s,t)和PGB,h(s,t)分为第s种场景t时刻热电联产机组产生的热功率和燃气锅炉产生的热能功率；Ph_load(s,t)为第s种场景t时刻热负荷；Ph,ES,cha(s,t)为第s种场景t时刻输入热储的热能功率；Ph,ES,dis(s,t)为第s种场景t时刻热储设备放出的热能功率；
天然气平衡约束条件：
式中：Pg,buy(s,t)为第s种场景t时刻向天然气网的购气功率；Pg_Load(s,t)为第s种场景t时刻的气负荷；Pg,ES,cha(s,t)为第s种场景t时刻输入天然气储能的功率；Pg,ES,dis(s,t)为第s种场景t时刻天然气储能设备放出的功率；为各时刻购气功率上限；Pg,MR(s,t)为第s种场景t时刻甲烷反应器MR产生的天然气功率；Pg,CHP(s,t)与Pg,GB(s,t)分别为热电联产机组CHP和燃气锅炉GB在第s种场景t时刻内消耗的天然气功率；
氢平衡约束条件：
式中：为第s种场景t时刻电解槽产生的氢气功率；/>与分别为甲烷反应器和燃料电池在第s种场景t时刻消耗的氢气功率；/>为第s种场景t时刻输入氢储的功率；/>为第s种场景t时刻储氢设备放出的氢气功率；
可再生能源约束，包含风电机组出力约束和光伏机组出力约束：
风电机组出力约束：
式中：PDG(s,t)为第s种场景t时刻风电输出功率；为风电输出功率上限；
光伏机组出力约束：
式中：PPV(s,t)为第s种场景t时刻光伏输出功率；为光伏输出功率上限。
优选的，步骤A5中的碳排放权配额模型、实际碳排放模型和阶梯式碳交易模型分别如下：
碳排放权配额模型：
IES中二氧化碳的排放的来源有：上级电网购电、热电联产机组CHP和燃气锅炉GB；建立含电网购电、热电联产和燃气锅炉的碳排放权配额模型如下：
其中，EIES为IES的碳排放权配额；Ee,buy为电网购电的碳排放权配额，电网购电全部来自燃煤机组发电；ECHP、EGB分别为CHP、GB的碳排放权配额；χe为燃煤机组的碳配额系数；Pe,buy(s,t)为t时刻场景s下电网购电功率；χg为燃气机组的碳配额系数；PCHP,e(s,t)、PCHP,h(s,t)、PGB,h(s,t)分别代表t时刻场景s下CHP设备和GB设备输出的电功率或热功率；p(s)为包含风电出力的场景概率；
实际碳排放模型：
在IES中考虑实际的碳排放时，CCUS设备会吸收一部分系统产生的CO2，因此构建的IES的实际碳排放模型如下：
其中，EIES,a为IES的实际碳排放量；Ee,buy,a为电网购电的实际碳排放量；Eg,buy,a为向天然气网购气的实际碳排放量；Etotal,a为CHP、GB的实际碳排放量总和；ECCUS为CCUS设备吸收的二氧化碳量；a1、b1、c1为燃煤机组的碳排放计算系数；μg为上级购气的碳排放计算系数；a2、b2、c2为燃天然气机组的碳排放计算系数；为CCUS设备吸收二氧化碳的参数；综上所述，IES参与碳交易市场的交易额为：
EIES,t＝EIES,a-EIES
阶梯式碳交易模型：
根据IES参与碳交易市场的交易额的不同，以二氧化碳排放量为区间，将碳排放权购买价格分为多个区间，当EIES,t为正时，IES需要购买碳排放权配额，且随着EIES,t越大，购买价格将会越高；当EIES,t为负时，IES可以出售碳排放权配额；通过引入奖励系数δ，政府提供一定的补贴奖励，以激励企业节能减排。
由于采用如上所述的技术方案，本发明具有如下有益效果：
本发明公开的一种耦合碳捕集和电制氢的综合能源系统热电优化方法，与现有技术相比，现实场景中的风力资源均随环境变动，引入了风电出力的不确定性；在风力不确定的基础上引入了光伏的不确定性，以及考虑了日前电价的波动性，更加贴合实际场景，具有现实意义；在综合能源系统中引入了碳捕集设备和阶梯碳交易量模型，为系统降低碳排放量，减少成本提供了新的方向；构建了热电联产的可调热电比模型，使其能灵活调节产电和产热，满足不同时段下的负荷需求，优化了机组的出力情况，更好实现经济调度；通过碳捕集技术实现了对排放到大气中的CO2的吸收，并将捕获CO2的一部分继续作为工业原料投入机组生产天然气，一部分封存起来，有效降低了CO2的排放量，并且由于CO2的排放量减少，使得系统在碳交易市场的购买碳配额成本降低，实现了经济效益和环境效益。
附图说明
图1为本发明的综合能源系统框架示意图；
图2为风光出力、日前电价及概率示意图；
图3为工况1的运行图；
图4为工况2的运行图；
图5为工况3的运行图；
图6为工况4的运行图；
图7为四种工况CHP热电比图。
具体实施方式
通过下面的实施例可以详细的解释本发明，公开本发明的目的旨在保护本发明范围内的一切技术改进，在本发明的描述中，需要理解的是，若有术语“上”、“下”、“前”、“后”、“左”、“右”等指示的方位或位置关系，仅是与本申请的附图对应，为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位。
实施例1，结合附图1～3，一种耦合碳捕集和电制氢的综合能源系统热电优化方法，包含以下步骤：
A1、采用拉丁超立方采样方法构建分时电价的不确定性模型及风光机组协同的不确定性模型；
以构建风光机组协同的不确定性模型为例，风光出力的不确定性在预测基础上通过场景进行描述，采用拉丁超立方采样方法LHS(Latin hypercube sampling)通过分层抽样，避免了某些极小概率场景和冗余重复场景的反复生成，大大优化提升了抽样效率，也较好地覆盖整个抽样区域；因此，引入LHS能够更好地预测风电出力的随机性和不确定性；
假设有N组风电随机变量K1-KN，其中KN的累积概率分布函数可以描述为：
FN＝FN(KN)
LHS场景生成方法如下，若采样规模为R：
①将FN的分布曲线分成每个区间范围均为1/R的若干个概率区间；
②在各概率区内随机抽取任意一个数；则第x个区间的采样点KNx的累积概率PNx为：
PNx＝(1/R)rx+(x-1)/R
式中：rx为区间[0，1]的一个随机数；
③将PNx带入函数，得到对应区间内的采样值KNx：
④采样规模为R，通过步骤①～③重复采样R次，即会产生R个关于KN的采样结果；
⑤生成N×R维的矩阵，随机排序各行后生成R个场景；
当生成大量风电出力场景后，高比例的场景具有较高的相似度；为了剔除高比例相似场景或者极低概率场景，进行场景削减并保留多个典型代表风电出力情况复原实际风电出力情况；由LHS生成大量风电出力场景，记场景数为N，削减后的场景数为n，LHS场景缩减方法描述如下：
①初始化；每个风电功率预测值场景的概率值为Pi＝1/N，初始缩减场景数为n*＝N；
②计算每个场景(si,sj)的Kantorovich距离：
③选择与场景sk的距离最小的场景sr，并计算Kantorovich距离与场景概率的乘积：
④对于每个场景重复步骤③，然后选择PDk(si,sj)最小的场景记为场景d并删除该场景，同时更新减少的场景数n*＝n*-1，则场景r的概率值可以更新为：ρr＝ρr+ρd
⑤重复步骤②～④，直到最终场景数n*＝n；
在构建的模型中，根据风光出力、分时电价的不确定性生成不低于1000种场景，并保留概率分布最合理的10种场景；
A2、构建园区系统的机组出力约束；
电解槽EL：实现电能转化为氢能，能量转化关系及约束为：
式中：Pe,EL(s,t)为第s种场景t时刻输入EL的电能；为第s种场景t时刻EL输出的氢能；ηEL为电解槽的能量转换效率；/> 分别为输入电解槽的电能功率上、下限；/>分别为电解槽功率的爬坡上、下限；
甲烷反应器MR：实现氢能转化为天然气，能量转化关系及约束为：
式中：Pg,MR(s,t)为第s种场景t时刻甲烷反应器输出的天然气功率；为第s种场景t时刻输入甲烷反应器的氢能功率；ηMR为甲烷反应器的能量转换效率；分别为输入甲烷反应器的氢能功率上、下限；/>分别为甲烷反应器功率爬坡上、下限。
燃气锅炉GB：主要以天然气或者其他气体作为燃料，进行燃烧产热的锅炉，从而满足工业园区所需的热能负荷；GB能量转化关系及约束为：
/>
式中：ηGB为燃气锅炉的产热效率；Pg,GB(s,t)为燃气锅炉在第s种场景t时刻的耗气量；为燃气锅炉的输出热功率上限；Ph,GB(s,t)为燃气锅炉在第s种场景t时刻的输出热功率；/>分别为燃气锅炉功率爬坡上、下限。
燃气锅炉GB：主要以天然气或者其他气体作为燃料，进行燃烧产热的锅炉，从而满足工业园区所需的热能负荷；GB能量转化关系及约束为：
式中：ηGB为燃气锅炉的产热效率；GGB(s,t)为燃气锅炉在第s种场景t时刻的耗气量；为燃气锅炉的输出热功率上限；HGB(s,t)为燃气锅炉在第s种场景t时刻的输出热功率；
热电联产CHP：热电联产可以将电网、气网和热网三位一体联系起来，以天然气作为动力能源，通过燃气—蒸汽循环发电，最终产出电能与热能；热电联产机组主要由天然气发电机组和余热利用设备构成，其中余热利用设备循环使用天然气燃烧后产生的高温气体，对园区内热能设备进行供热；
CHP能量转化关系及约束为：
式中：Pg,CHP(s,t)为第s种场景下t时刻输入CHP的天然气功率；Pe,CHP(s,t)、Ph,CHP(s,t)分别为第s种场景t时刻CHP输出的电、热能； 分别为CHP转换为电、热能的效率；/>分别为输入CHP的天然气功率上、下限；/>分别为CHP的爬坡上、下限；/> 分别为CHP的热电比上、下限；
CHP通过燃烧天然气进行发电与产热，热电比可调的CHP能够根据实时的电、热需求进行电、热出力的调整，进一步优化运行出力情况，保证一定的灵活性；
氢燃料电池HFC：实现氢能的热电生产，能量转化关系及约束为：
/>
式中：为第s种场景t时刻经由电解槽EL向氢燃料电池HFC输入的氢能功率；Pe,HFC(s,t)、Ph,HFC(s,t)分别为第s种场景t时刻HFC输出的电、热能功率；/>分别为HFC转换为电、热能的效率；/>分别为输入HFC的氢能功率上、下限；分别为HFC的氢能功率爬坡上、下限；/>分别为HFC的热电比上、下限；
氢燃料电池HFC同样也能根据实时情况调节自身的热电比，以满足不同时段下的负荷需求；
碳捕集(CCUS)设备建模：CCUS技术含CO2捕集、利用与封存(体现于储碳设备)三个环节，实现捕集环境中与CHP、GB产生的CO2，捕获到的CO2一部分用于MR合成天然气的原料，一部分储存于储碳装置中；
式中：Pe,CCUS(s,t)、PCCUS,base(s,t)、Pe,CCUS,oper(s,t)分别为第s种场景t时刻CCUS总耗能、基础能耗、运行能耗；ECCUS(s,t)为第s种场景t时刻CCUS运行时捕获的CO2总量；EMR,a(s,t)、分别为第s种场景t时刻MR需要的CO2总量、存储的CO2量；/>为碳捕集的效率；/>分别为CCUS运行能耗的最小、最大值；/> 分别为总耗能单位时刻最小、最大值；
A3、构建园区系统的存储设备约束；
储能约束条件：
式中：为第s种场景第n种储能装置在t时刻的充能功率；/>为第s种场景第n种储能装置在t时刻的放能功率；/>为第n种储能装置的单次充、放能最大功率；均为二进制变量，分别为第s种场景第n种储能装置在t时刻充、放状态参数；其中，充能参数/>和放能参数/>均可以表示储能装置正在储能；而充能参数/>或放能参数/>都可以表示储能装置正在放能；/>为第n种储能装置在t时刻最终的输出功率；/>分别为第n种储能装置的充、放能效率；Sn,ES(s,t)为第s种场景t时刻第n种储能装置的容量；/>分别为第n种储能装置容量的上、下限；/>表示第n种储能装置的额定储能量；
储碳设备约束条件为：
式中：为第s种场景t时刻存入的CO2量；/>为设备吸收CO2效率；为第s种场景t时刻流经储碳设备的最大溶剂体积；vstorage(s,t)为第s种场景t时刻存入设备的溶液体积；/>为第s种场景t时刻放出的CO2量；vliquid,out(s,t)为第s种场景t时刻流出设备的溶液体积；/>分别为储碳设备存储最小、最大溶液体积；Vliquid(s,t)为第s种场景t时刻储碳设备的溶液体积；/>为设备存储的CO2量；/>为第s种场景t时刻储碳量；/>为第s种场景t-1时刻储碳量；/>为储碳损耗系数；分别为第s种场景第1个时刻和第24个时刻的储碳量；
A4、构建综合能源系统运行模型；
1、结合步骤A2的机组出力约束条件；
2、能源功率平衡约束条件
2.1、电功率平衡约束条件：
式中：Pe,buy(s,t)为第s种场景t时刻向上级电网购电功率；Pe,load(s,t)为第s种场景t时刻电负荷；Pe,EL(s,t)为第s种场景t时刻电解槽消耗的电功率；Pe,ES,cha(s,t)为第s种场景t时刻输入电储的功率；Pe,CCUS(s,t)为第s种场景t时刻碳捕集设备消耗的电功率；Pe,ES,dis(s,t)为第s种场景t时刻电储设备释放的电功率；PDG(s,t)为第s种场景t时刻风电出力功率；PPV(s,t)为第s种场景t时刻光伏出力功率；Pe,CHP(s,t)为第s种场景t时刻热电联产产生的电能功率；Pe,HFC(s,t)第s种场景t时刻为氢燃料电池产生的电能功率；为各时刻购电上限额度；
2.2、热平衡约束条件：
PHFC,h(s,t)+PCHP,h(s,t)+PGB,h(s,t)＝Ph_load(s,t)+Ph,ES,cha(s,t)-Ph,ES,dis(s,t)
式中：PHFC,h(s,t)为第s种场景t时刻氢燃料电池产生的热能功率；PCHP,h(s,t)和PGB,h(s,t)分为第s种场景t时刻热电联产机组产生的热功率和燃气锅炉产生的热能功率；Ph_load(s,t)为第s种场景t时刻热负荷；Ph,ES,cha(s,t)为第s种场景t时刻输入热储的热能功率；Ph,ES,dis(s,t)为第s种场景t时刻热储设备放出的热能功率；
2.3、天然气平衡约束条件：
式中：Pg,buy(s,t)为第s种场景t时刻向天然气网的购气功率；Pg_Load(s,t)为第s种场景t时刻的气负荷；Pg,ES,cha(s,t)为第s种场景t时刻输入天然气储能的功率；Pg,ES,dis(s,t)为第s种场景t时刻天然气储能设备放出的功率；为各时刻购气功率上限；Pg,MR(s,t)为第s种场景t时刻甲烷反应器MR产生的天然气功率；Pg,CHP(s,t)与Pg,GB(s,t)分别为热电联产机组CHP和燃气锅炉GB在第s种场景t时刻内消耗的天然气功率；
2.4、氢平衡约束条件：
式中：为第s种场景t时刻电解槽产生的氢气功率；/>与分别为甲烷反应器和燃料电池在第s种场景t时刻消耗的氢气功率；/>为第s种场景t时刻输入氢储的功率；/>为第s种场景t时刻储氢设备放出的氢气功率；
3、可再生能源约束：
3.1、风电机组出力约束
式中：PDG(s,t)为第s种场景t时刻风电输出功率；为风电输出功率上限；
3.2、光伏机组出力约束
式中：PPV(s,t)为第s种场景t时刻光伏输出功率；为光伏输出功率上限；
A5、构建阶梯式碳交易模型；
碳交易机制允许碳排放方在市场进行碳配额的交易，以此达到控制碳排放的目的；若生产商的实际碳排放小于其所分配的碳配额，其可将剩余配额参与到市场中进行交易，反之，则需向市场购入碳配额；故阶梯式碳交易模型包含碳排放权配额模型、实际碳排放模型和阶梯式碳交易模型；
碳排放权配额模型：
IES中二氧化碳的排放的来源有：上级电网购电、热电联产机组CHP和燃气锅炉GB；我国当前所采用的配额方法主要为无偿配额，因此建立含电网购电、热电联产和燃气锅炉的碳排放权配额模型如下：
其中，EIES为IES的碳排放权配额；Ee,buy为电网购电的碳排放权配额，电网购电全部来自燃煤机组发电；ECHP、EGB分别为CHP、GB的碳排放权配额；χe为燃煤机组的碳配额系数；Pe,buy(s,t)为t时刻场景s下电网购电功率；χg为燃气机组的碳配额系数；PCHP,e(s,t)、PCHP,h(s,t)、PGB,h(s,t)分别代表t时刻场景s下CHP设备和GB设备输出的电功率或热功率；p(s)为包含风电出力的场景概率；
实际碳排放模型：
在IES中考虑实际的碳排放时，CCUS设备会吸收一部分系统产生的CO2，因此构建的IES的实际碳排放模型如下：
其中，EIES,a为IES的实际碳排放量；Ee,buy,a为电网购电的实际碳排放量；Eg,buy,a为向天然气网购气的实际碳排放量；Etotal,a为CHP、GB的实际碳排放量总和；ECCUS为CCUS设备吸收的二氧化碳量；a1、b1、c1为燃煤机组的碳排放计算系数；μg为上级购气的碳排放计算系数；a2、b2、c2为燃天然气机组的碳排放计算系数；为CCUS设备吸收二氧化碳的参数；综上所述，IES参与碳交易市场的交易额为：
EIES,t＝EIES,a-EIES
阶梯式碳交易模型：
根据IES参与碳交易市场的交易额的不同，以二氧化碳排放量为区间，将碳排放权购买价格分为多个区间，当EIES,t为正时，IES需要购买碳排放权配额，且随着EIES,t越大，购买价格将会越高；当EIES,t为负时，IES可以出售碳排放权配额；通过引入奖励系数δ，政府提供一定的补贴奖励，以激励企业节能减排；本实施例设置了8个交易区间，由此构建的阶梯式碳交易模型如下：
式中，为碳交易成本；λ为碳交易基价；l为碳排放量区间长度；α为价格增长幅度；
A6、建立综合能源优化调度模型；
基于电、热、气、氢的综合能源系统优化运行模型，通过考虑各种储能模式、能源转换模型和多能互补特性，制定各种能源形式的联合最优出力计划；规划模型为混合整数线性规划问题，优化目标为运行成本最小，即综合考虑综合能源系统的购能成本弃风成本/>弃光成本/>阶梯式碳交易成本/>CCUS碳捕集成本/>构建系统运行总成本F最小的优化目标函数为：
其中，运行总成本分为五部分，购能成本、弃风成本、阶梯式碳交易成本、CCUS成本、弃光成本；
购能成本
式中：αt为购电单价；βt为购气单价；p(s)为第s种场景的概率；Pe,buy(s,t)为购电功率；Pg,buy(s,t)为购气功率；
弃风成本
式中：δDG为弃风惩罚成本系数；PDG,cut(s,t)为第s种场景t时刻的弃风功率用，p(s)为第s种场景的概率；
弃光成本/>
式中：δPV表示弃光惩罚成本系数；PPV,cut(s,t)为第s种场景t时刻弃光功率；
阶梯式碳交易成本
式中，为碳交易成本；λ为碳交易基价；l为碳排放量区间长度；α为价格增长幅度；
CCUS成本
式中：CCUS运行维护成本为CCUS储碳成本为/>
实施例2，结合附图1-7，一种耦合碳捕集和电制氢的综合能源系统热电优化方法，在实施例1的基础上，园区向上级电力市场购电分为谷时电价区间：01:00～07:00和23:00～24:00两个时段，平时电价区间：08:00～11:00和15:00～18:00两个时段，峰时电价区间：12:00～14:00和19:00～22:00两个时段；
由于上级电力市场同时存在多个售电方，由于竞争和多方面因素，其价格也会出现波动性，但总体是维持在一个均价附近；
设平时电价均价为0.68元/千瓦时，谷时电价均价为0.38元/千瓦时，峰时电价均价为1.2元/千瓦时，向上级天然气市场购气价格采用计量热价统一折算为0.35元/千瓦时；
采用4种不同工况进行验证：
工况1：综合能源系统中含有二阶段电转气设备P2G，即风电机组出力与上级购电所得电能通过电解槽EL产生氢能，氢能输入到甲烷反应器MR中产生天然气，天然气一方面供应给气负荷、一方面经由热电联产CHP生产电、热，还通过燃气锅炉GB供给热负荷；并在此基础上加入了氢燃料电池HFC，使一部分氢能源直接经过HFC转换为电、热能，剩余氢能存储在储氢罐中，与碳市场采用固定碳价的交易模式；
工况2：将工况1的固定碳价模式替换为阶梯式碳交易模式；
工况3：在工况2的基础上，加入了碳捕集设备CCUS；
工况4：在工况3的基础上，引入了光伏的不确定性；
四种工况的结果对比
四种不同工况下工业园区综合能源系统运行结果分析：
(1)工况1为二阶段P2G模式，首先将富余时段的风电输入电解槽EL设备中产生氢能，大部分氢能输送到热电联产设备HFC中产生电能和热能，且系统优先将生成氢能供给HFC，减少能源多环节转换带来的损耗，一部分氢能储入储氢罐中；剩余部分氢能输送到甲烷反应器MR生成天然气；
①工况1各设备耗能有限，易造成弃风情况，弃风成本占总成本一定的比重；
②工况1中的甲烷反应器MR所需的二氧化碳无法从周围环境中获取，需要购买工业用二氧化碳；
③工况1采用固定碳价模式，对碳排放的约束力不强，因而碳排放量偏高，碳交易额较高，因而总成本也较高。
(2)工况2改工况1的固定碳价模式为阶梯式碳交易模式：
①设置了碳交易基价、区间长度，价格增长率，碳排量越高，购买单位碳配额的成本就越高，对碳排放量有了一定的约束能力，系统为降低成本，会选择降低二氧化碳的排放，因此，碳排量下降，但由于购买碳配额的价格较高，所以总成本有所增加。
②由于系统倾向于降低碳排，各设备出力有所保守，用电量下降，加重了弃风情况。
(3)工况3在工况2之上协同运行了碳捕集设备CCUS：
①CCUS设备捕获系统中产生的二氧化碳，一部分供给MR所需的二氧化碳原料，一部分存储起来，大大降低二氧化碳排放，总成本也有所降低。
②CCUS设备的联合运行增加了系统的用电量，使得风力机组的产电有更多的途径加以利用，明显减少了弃风现象。
(4)工况4在工况3的基础上，引入了光伏的不确定性：
①风光具有天然的互补性，光伏出力弥补了风电午时出力不足的缺点。
②光伏机组的并入，使得系统所需电能的来源途径增加，减少了CHP机组的运行功耗，降低了碳排放，同时降低了总成本。
采用热电联产CHP的可调热电比模式，能够灵活调节产电和产热；由图7可知，在夜晚至清晨热电比较大，因为此时的热需求较大，CHP更倾向于产热以满足设备和负荷需求，中午时热电比较小，因为此时需要的热负荷较少，并属于设备用电高峰期；CHP的可调热电比模式满足了不同时段下的电、热需求。
本发明未详述部分为现有技术，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，旨在将落在等同要件的含义和范围内的所有变化囊括在本发明内。
Claims (6)
1.一种耦合碳捕集和电制氢的综合能源系统热电优化方法，其特征是：包含以下步骤：
A1、采用拉丁超立方采样方法构建分时电价的不确定性模型及风光机组协同的不确定性模型；
A2、构建园区系统的机组出力约束，包含电解槽EL、甲烷反应器MR、燃气锅炉GB、热电联产CHP、氢燃料电池HFC和碳捕集设备CCUS的能量转化约束；
其中，热电联产CHP将电网、气网和热网三位一体联系起来，以天然气作为动力能源，通过燃气—蒸汽循环发电，最终产出电能与热能；热电联产机组主要由天然气发电机组和余热利用设备构成，其中余热利用设备循环使用天然气燃烧后产生的高温气体，对园区内热能设备进行供热；
CHP能量转化关系及约束为：
式中：Pg,CHP(s,t)为第s种场景下t时刻输入CHP的天然气功率；Pe,CHP(s,t)、Ph,CHP(s,t)分别为第s种场景t时刻CHP输出的电、热能；分别为CHP转换为电、热能的效率；分别为输入CHP的天然气功率上、下限；/> 分别为CHP的爬坡上、下限；/>分别为CHP的热电比上、下限；
氢燃料电池HFC：实现氢能的热电生产，能量转化关系及约束为：
式中：PH2,HFC(s,t)为第s种场景t时刻经由电解槽EL向氢燃料电池HFC输入的氢能功率；Pe,HFC(s,t)、Ph,HFC(s,t)分别为第s种场景t时刻HFC输出的电、热能功率； 分别为HFC转换为电、热能的效率；/>分别为输入HFC的氢能功率上、下限；分别为HFC的氢能功率爬坡上、下限；/>分别为HFC的热电比上、下限；
A3、构建园区系统的存储设备约束，包含储能约束和储碳设备约束；
A4、构建综合能源系统运行模型，包含机组出力约束、能源功率平衡约束和可再生能源约束，其中机组出力约束条件同步骤A2；
A5、构建阶梯式碳交易模型，包含碳排放权配额模型、实际碳排放模型和阶梯式碳交易模型；
A6、建立综合能源优化调度模型；综合考虑综合能源系统的购能成本弃风成本弃光成本/>阶梯式碳交易成本/>CCUS碳捕集成本/>构建系统运行总成本F最小的优化目标函数为：
其中，运行总成本分为五部分，购能成本、弃风成本、阶梯式碳交易成本、CCUS成本、弃光成本；
购能成本
式中：αt为购电单价；βt为购气单价；p(s)为第s种场景的概率；Pe,buy(s,t)为购电功率；Pg,buy(s,t)为购气功率；
弃风成本
式中：δDG为弃风惩罚成本系数；PDG,cut(s,t)为第s种场景t时刻的弃风功率用；p(s)为第s种场景的概率；
弃光成本
式中：δPV表示弃光惩罚成本系数；PPV,cut(s,t)为第s种场景t时刻弃光功率；
阶梯式碳交易成本
式中，为碳交易成本；λ为碳交易基价；l为碳排放量区间长度；α为价格增长幅度；
CCUS成本
式中：CCUS运行维护成本为CCUS储碳成本为/>
2.如权利要求1所述的耦合碳捕集和电制氢的综合能源系统热电优化方法，其特征是：步骤A1中假设有N组风电随机变量K1-KN，其中KN的累积概率分布函数可以描述为：
FN＝FN(KN)
LHS场景生成方法如下，若采样规模为R：
①将FN的分布曲线分成每个区间范围均为1/R的若干个概率区间；
②在各概率区内随机抽取任意一个数；则第x个区间的采样点KNx的累积概率PNx为：
PNx＝(1/R)rx+(x-1)/R
式中：rx为区间[0，1]的一个随机数；
③将PNx带入函数，得到对应区间内的采样值KNx：
④采样规模为R，通过步骤①～③重复采样R次，即会产生R个关于KN的采样结果；
⑤生成N×R维的矩阵，随机排序各行后生成R个场景；
当生成多个风电出力场景后，高比例的场景具有较高的相似度；为了剔除高比例相似场景或者极低概率场景，进行场景削减并保留多个典型代表风电出力情况复原实际风电出力情况；由LHS生成大量风电出力场景，记场景数为N，削减后的场景数为n，LHS场景缩减方法描述如下：
①初始化；每个风电功率预测值场景的概率值为Pi＝1/N，初始缩减场景数为n*＝N；
②计算每个场景(si,sj)的Kantorovich距离：
③选择与场景sk的距离最小的场景sr，并计算Kantorovich距离与场景概率的乘积：
④对于每个场景重复步骤③，然后选择PDk(si,sj)最小的场景记为场景d并删除该场景，同时更新减少的场景数n*＝n*-1，则场景r的概率值可以更新为：ρr＝ρr+ρd
⑤重复步骤②～④，直到最终场景数n*＝n；
在构建的模型中，根据风光出力、分时电价的不确定性生成不低于1000种场景，并保留概率分布最合理的10种场景。
3.如权利要求1所述的耦合碳捕集和电制氢的综合能源系统热电优化方法，其特征是：步骤A2中电解槽EL、甲烷反应器MR、燃气锅炉GB的能量转化约束分别如下：
电解槽EL：实现电能转化为氢能，能量转化关系及约束为：
式中：Pe,EL(s,t)为第s种场景t时刻输入EL的电能；为第s种场景t时刻EL输出的氢能；ηEL为电解槽的能量转换效率；/>分别为输入电解槽的电能功率上、下限；分别为电解槽功率的爬坡上、下限。
甲烷反应器MR：实现氢能转化为天然气，能量转化关系及约束为：
式中：Pg,MR(s,t)为第s种场景t时刻甲烷反应器输出的天然气功率；为第s种场景t时刻输入甲烷反应器的氢能功率；ηMR为甲烷反应器的能量转换效率；/>分别为输入甲烷反应器的氢能功率上、下限；/>分别为甲烷反应器功率爬坡上、下限。
燃气锅炉GB：主要以天然气或者其他气体作为燃料，进行燃烧产热的锅炉，从而满足工业园区所需的热能负荷；GB能量转化关系及约束为：
式中：ηGB为燃气锅炉的产热效率；Pg,GB(s,t)为燃气锅炉在第s种场景t时刻的耗气量；为燃气锅炉的输出热功率上限；Ph,GB(s,t)为燃气锅炉在第s种场景t时刻的输出热功率；/>分别为燃气锅炉功率爬坡上、下限。
碳捕集(CCUS)设备：CCUS技术含CO2捕集、利用与封存(体现于储碳设备)三个环节，实现捕集环境中与CHP、GB产生的CO2，捕获到的CO2一部分用于MR合成天然气的原料，一部分储存于储碳装置中；
式中：Pe,CCUS(s,t)、PCCUS,base(s,t)、Pe,CCUS,oper(s,t)分别为第s种场景t时刻CCUS总耗能、基础能耗、运行能耗；ECCUS(s,t)为第s种场景t时刻CCUS运行时捕获的CO2总量；EMR,a(s,t)、分别为第s种场景t时刻MR需要的CO2总量、存储的CO2量；/>为碳捕集的效率；分别为CCUS运行能耗的最小、最大值；/>分别为总耗能单位时刻最小、最大值。
4.如权利要求1所述的耦合碳捕集和电制氢的综合能源系统热电优化方法，其特征是：步骤A3中储能约束条件和储碳设备约束条件如下：
储能约束条件：
式中：为第s种场景第n种储能装置在t时刻的充能功率；/>为第s种场景第n种储能装置在t时刻的放能功率；/>为第n种储能装置的单次充、放能最大功率；均为二进制变量，分别为第s种场景第n种储能装置在t时刻充、放状态参数；其中，充能参数/>和放能参数/>均可以表示储能装置正在储能；而充能参数/>或放能参数/>都可以表示储能装置正在放能；/>为第n种储能装置在t时刻最终的输出功率；/>分别为第n种储能装置的充、放能效率；Sn,ES(s,t)为第s种场景t时刻第n种储能装置的容量；/>分别为第n种储能装置容量的上、下限；/>表示第n种储能装置的额定储能量；
储碳设备约束条件：
式中：为第s种场景t时刻存入的CO2量；/>为设备吸收CO2效率；/>为第s种场景t时刻流经储碳设备的最大溶剂体积；vstorage(s,t)为第s种场景t时刻存入设备的溶液体积；/>为第s种场景t时刻放出的CO2量；vliquid,out(s,t)为第s种场景t时刻流出设备的溶液体积；/>分别为储碳设备存储最小、最大溶液体积；Vliquid(s,t)为第s种场景t时刻储碳设备的溶液体积；/>为设备存储的CO2量；/>为第s种场景t时刻储碳量；/>为第s种场景t-1时刻储碳量；/>为储碳损耗系数；分别为第s种场景第1个时刻和第24个时刻的储碳量。
5.如权利要求1所述的耦合碳捕集和电制氢的综合能源系统热电优化方法，其特征是：步骤A4中能源功率平衡约束条件包含：
电功率平衡约束条件：
式中：Pe,buy(s,t)为第s种场景t时刻向上级电网购电功率；Pe,load(s,t)为第s种场景t时刻的电负荷；Pe,EL(s,t)为第s种场景t时刻电解槽消耗的电功率；Pe,ES,cha(s,t)为第s种场景t时刻输入电储的功率；Pe,ES,dis(s,t)为第s种场景t时刻电储设备释放的电功率；Pe,CCUS(s,t)为第s种场景t时刻碳捕集设备消耗的电功率；PDG(s,t)为第s种场景t时刻风电出力功率；PPV(s,t)为第s种场景t时刻光伏出力功率；Pe,CHP(s,t)为第s种场景t时刻热电联产产生的电能功率；Pe,HFC(s,t)第s种场景t时刻为氢燃料电池产生的电能功率；为各时刻购电上限额度；
热平衡约束条件：
PHFC,h(s,t)+PCHP,h(s,t)+PGB,h(s,t)＝Ph_load(s,t)+Ph,ES,cha(s,t)-Ph,ES,dis(s,t)
式中：PHFC,h(s,t)为第s种场景t时刻氢燃料电池产生的热能功率；PCHP,h(s,t)和PGB,h(s,t)分为第s种场景t时刻热电联产机组产生的热功率和燃气锅炉产生的热能功率；Ph_load(s,t)为第s种场景t时刻热负荷；Ph,ES,cha(s,t)为第s种场景t时刻输入热储的热能功率；Ph,ES,dis(s,t)为第s种场景t时刻热储设备放出的热能功率；
天然气平衡约束条件：
式中：Pg,buy(s,t)为第s种场景t时刻向天然气网的购气功率；Pg_Load(s,t)为第s种场景t时刻的气负荷；Pg,ES,cha(s,t)为第s种场景t时刻输入天然气储能的功率；Pg,ES,dis(s,t)为第s种场景t时刻天然气储能设备放出的功率；为各时刻购气功率上限；Pg,MR(s,t)为第s种场景t时刻甲烷反应器MR产生的天然气功率；Pg,CHP(s,t)与Pg,GB(s,t)分别为热电联产机组CHP和燃气锅炉GB在第s种场景t时刻内消耗的天然气功率；
氢平衡约束条件：
式中：为第s种场景t时刻电解槽产生的氢气功率；/>与/>分别为甲烷反应器和氢燃料电池在第s种场景t时刻消耗的氢气功率；/>为第s种场景t时刻输入氢储的功率；/>为第s种场景t时刻储氢设备放出的氢气功率；
可再生能源约束，包含风电机组出力约束和光伏机组出力约束：
风电机组出力约束：
式中：PDG(s,t)为第s种场景t时刻风电输出功率；为风电输出功率上限；
光伏机组出力约束：
式中：PPV(s,t)为第s种场景t时刻光伏输出功率；为光伏输出功率上限。
6.如权利要求1所述的耦合碳捕集和电制氢的综合能源系统热电优化方法，其特征是：步骤A5中的碳排放权配额模型、实际碳排放模型和阶梯式碳交易模型分别如下：
碳排放权配额模型：
IES中二氧化碳的排放的来源有：上级电网购电、热电联产机组CHP和燃气锅炉GB；建立含电网购电、热电联产和燃气锅炉的碳排放权配额模型如下：
其中，EIES为IES的碳排放权配额；Ee,buy为电网购电的碳排放权配额，电网购电全部来自燃煤机组发电；ECHP、EGB分别为CHP、GB的碳排放权配额；χe为燃煤机组的碳配额系数；Pe,buy(s,t)为t时刻场景s下电网购电功率；χg为燃气机组的碳配额系数；PCHP,e(s,t)、PCHP,h(s,t)、PGB,h(s,t)分别代表t时刻场景s下CHP设备和GB设备输出的电功率或热功率；p(s)为场景概率；
实际碳排放模型：
在IES中考虑实际的碳排放时，CCUS设备会吸收一部分系统产生的CO2，因此构建的IES的实际碳排放模型如下：
其中，EIES,a为IES的实际碳排放量；Ee,buy,a为电网购电的实际碳排放量；Eg,buy,a为向天然气网购气的实际碳排放量；Etotal,a为CHP、GB的实际碳排放量总和；ECCUS为CCUS设备吸收的二氧化碳量；a1、b1、c1为燃煤机组的碳排放计算系数；μg为上级购气的碳排放计算系数；a2、b2、c2为燃天然气机组的碳排放计算系数；为CCUS设备吸收二氧化碳的参数；综上所述，IES参与碳交易市场的交易额为：
EIES,t＝EIES,a-EIES
阶梯式碳交易模型：
根据IES参与碳交易市场的交易额的不同，以二氧化碳排放量为区间，将碳排放权购买价格分为多个区间，当EIES,t为正时，IES需要购买碳排放权配额，且随着EIES,t越大，购买价格将会越高；当EIES,t为负时，IES可以出售碳排放权配额；通过引入奖励系数δ，政府提供一定的补贴奖励，以激励企业节能减排。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311004340.7A CN117040000A (zh) | 2023-08-10 | 2023-08-10 | 一种耦合碳捕集和电制氢的综合能源系统热电优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311004340.7A CN117040000A (zh) | 2023-08-10 | 2023-08-10 | 一种耦合碳捕集和电制氢的综合能源系统热电优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117040000A true CN117040000A (zh) | 2023-11-10 |
Family
ID=88601781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311004340.7A Pending CN117040000A (zh) | 2023-08-10 | 2023-08-10 | 一种耦合碳捕集和电制氢的综合能源系统热电优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117040000A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117254531A (zh) * | 2023-11-07 | 2023-12-19 | 深圳稳石氢能科技有限公司 | 基于aem的可再生能源智能调度系统 |
-
2023
- 2023-08-10 CN CN202311004340.7A patent/CN117040000A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117254531A (zh) * | 2023-11-07 | 2023-12-19 | 深圳稳石氢能科技有限公司 | 基于aem的可再生能源智能调度系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gazijahani et al. | Optimal day ahead power scheduling of microgrids considering demand and generation uncertainties | |
| Tabar et al. | Achieving a nearly zero energy structure by a novel framework including energy recovery and conversion, carbon capture and demand response | |
| 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 | |
| CN111210079B (zh) | 一种分布式能源虚拟电厂运行优化方法及系统 | |
| CN112990523B (zh) | 区域综合能源系统分层优化运行方法 | |
| CN114580863A (zh) | 一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法 | |
| Yang et al. | Optimal operation of an integrated energy system by considering the multi energy coupling, AC-DC topology and demand responses | |
| CN116911533B (zh) | 区域综合能源系统多微网能量共济方法 | |
| 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 | |
| CN115423282A (zh) | 一种基于奖惩阶梯型碳交易的电-氢-储综合能源网多目标优化调度模型 | |
| Han et al. | Multi-stage distributionally robust optimization for hybrid energy storage in regional integrated energy system considering robustness and nonanticipativity | |
| CN115238503A (zh) | 一种电-热-气-氢综合能源系统优化调度方法 | |
| CN116432824A (zh) | 基于多目标粒子群的综合能源系统优化方法及系统 | |
| CN115408808A (zh) | 一种计及碳排放的能源配网系统多时间尺度优化调度方法 | |
| CN117040027B (zh) | 一种农村虚拟电厂的协调优化方法和装置 | |
| Wang et al. | Low carbon optimal operation of integrated energy system based on concentrating solar power plant and power to hydrogen | |
| Jia et al. | Bi-level strategic bidding model of novel virtual power plant aggregating waste gasification in integrated electricity and hydrogen markets | |
| CN114676878A (zh) | 面向多能互补和低碳化的多区域虚拟电厂优化调度方法 | |
| Yang et al. | Exploiting the operational flexibility of a concentrated solar power plant with hydrogen production | |
| Ma et al. | Dispatch for energy efficiency improvement of an integrated energy system considering multiple types of low carbon factors and demand response | |
| CN108491977A (zh) | 一种微能源网的弱鲁棒优化调度方法 | |
| CN116629553A (zh) | 基于非完全区间多目标模糊优化的区域综合能源调度方法 | |
| CN116245376A (zh) | 一种电转气虚拟电厂降碳运行优化方法及系统 | |
| CN115307054A (zh) | 一种基于微网余电制氢的加氢站设备容量优化配置方法 | |
| Xing et al. | Multi-energy simulation and optimal scheduling strategy based on digital twin |
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 |