魏震波，杨 超，李银江
（四川大学电气工程学院，四川成都 610065）
随着全球环境问题日益严重，加强节能减排已成为世界各国的共识，“双碳目标”更是成为我国的战略目标[1]。综合能源系统（Integrated Energy System，IES）作为一种高效能源结构载体，被认作是未来减排大势下的主要手段[2-5]，研究IES 低碳经济运行方法成为学者们关注焦点。
在低碳技术应用方面，碳捕集、利用与封存（Carbon Capture，Utilization and Storage，CCUS）[6-7]技术最受关注。文献[8]提出了一种考虑碳捕集的IES 调度策略，其中可再生能源消纳率与低碳性都有一定的提升，但其捕集到的CO2未得到充分利用，不能发挥碳捕集设备最大效用。文献[9-11]构建了一种考虑碳捕集设备与电转气（Power to Gas，P2G）协同的电-气互联的IES 低碳经济调度模型，在提高系统的经济性与绿电占比的同时，P2G 的引入使CCS 捕集到的CO2得到了利用，进一步降低了碳排，但其未考虑新能源的不确定性对系统运行的影响。文献[12]在引入CCUS 的同时，还考虑了分布式电源不确定性对系统经济优化调度的影响，但在与市场机制协同方面考虑得较为简单。文献[8-12]只在碳捕集设备应用方面进行了研究，但在与相关的市场机制协同方面缺乏深入研究。
在碳资产市场机制方面，文献[13-14]研究参与碳交易市场（Carbon Emission Trading，CET）的IES运营问题，分析了碳交易机制的引入对系统优化运行的影响，量化了其在系统的风电消纳、碳减排中的作用。文献[15]研究了参与绿色证书交易市场（Green Certificate Trading，GCT）的IES 优化运行模型，分析了其对风光的消纳及经济运行的影响。文献[16]研究了考虑绿色证书跨链交易对系统运行的影响，打破了传统绿证市场中价值与数据的壁垒，但未考虑与CET 的协同。文献[17]分析了考虑GCT与CET 协同对于综合能源系统优化运行的影响，但是GCT 与CET 两个市场间彼此独立，在一定程度上限制了系统的分布式可再生能源的消纳能力。文献[13-17]只研究了CET 与GCT 的引入对系统运行的影响，并未考虑两市场之间交互以及与CCUS系统协同对系统运行的影响。因此，深入挖掘CET与GCT 的耦合机制，并与低碳技术协同，是一个亟待深入研究的问题。
综上，研究CCUS 在碳减排中的作用，不能仅局限于物理系统层面上的优化调整，还需构建与之相匹配的市场机制。因此，针对当前CET，GCT 并行不产生交互以及CCUS 与多元耦合市场协同的问题，本文在IES 中引入CCUS，通过改进现有的阶梯型碳交易机制，并根据绿证的碳减排原理，提出通过冗余绿证联动碳交易与绿证交易的耦合市场机制，构建一种绿色证书交易与阶梯式碳交易交互机制下考虑CCUS 的电-气互联综合能源系统低碳经济调度模型，最后通过算例仿真对所提模型及方法的合理性与有效性进行了校验。
本文研究的IES 结构如图1 所示。系统通过燃气轮机（Gas Turbine，GT）和P2G 实现电力网络和天然气网络的双向能量流动[18]，其中电源包括燃煤电厂、GT 和风电场。系统低碳经济运行逻辑为：通过碳捕集、固碳设备及P2G 协同运行，提升碳减排和风电消纳水平；
通过GCT-CET 耦合交互机制，进一步改善IES 的运行。
图1 电-气互联综合能源系统结构示意图Fig.1 Schematic diagram of electricity-gas interconnection integrated energy system
在煤电机组中加装碳捕集设备、固碳设备后与P2G 设备互联，即成为可以对CO2进行捕集、封存和利用的CCUS 装置。碳捕集设备的数学模型见参考文献[19]，本文的CCUS 运行模型如下：
2.1 碳交易机制
碳交易的核心是将碳排放权当作商品，在所建立的碳交易市场中自由交易，从而有效控制CO2的排放量[20]。CET 机制数学模型如下所示：
2.2 绿证交易机制
绿证不仅是国家对新能源上网电量的认证，也是用户消费绿色电力的唯一凭证。GCT 机制数学模型如下所示：
2.3 GCT-CET耦合交互机制
由于绿证包含了新能源上网的全部信息，因此新能源供能的碳减排可定量计算，故在明确绿证归属后，可使CET 与GCT 进行联动交互。GCT 与CET 耦合交互机制原理如图2 所示。
图2 GCT-CET耦合交互机制示意图Fig.2 Schematic diagram of GCT-CET coupling interaction mechanism
GCT-CET 交互机制下，系统的实际碳排放量由下式确定：
碳排放配额作为一种商品，对于其在当前的CET机制中单边化严重问题，本文构造了买卖两侧对偶的阶梯型碳交易成本计算模型。碳排成本如下式所示：
3.1 目标函数
系统运行以降低CO2排放量与提高风电消纳为目标，既要充分消纳清洁的分布式风电降低系统的CO2排放量，又要保持系统运行的经济性。本文目标函数主要包括：系统各设备运行成本、购气成本、弃风惩罚成本、固碳成本以及碳交易成本：
式中：Cope，CS,buy，CW，Csto分别为系统各设备运行成本、气源购气成本、弃风惩罚成本、固碳成本；
ai2，ai1，ai0分别为煤电机组i的二次、一次、常数项成本系数；
Ii,t为煤电机组i在t时段的开关机状态；
π为风电的单位发电成本；
为风电机组k在t时段的发电量；
λGT为燃气轮机运行成本系数；
COi，CSi分别为煤电机组i在t时段的启、停机成本；
Oi,t和Si,t分别为煤电机组i在t时段的启、停机动作变量；
NS为气源个数；
gf为第f个气源的气价；
为t时段第f个气源的购气量；
βW为弃风惩罚系数；
λc,sto为单位固碳成本系数。
3.2 约束条件
3.2.1 电网运行约束
本文电网主要包含的约束条件有：电功率平衡约束、直流潮流约束、煤电机组出力上下限约束、煤电机组爬坡和滑坡约束、煤电机组启停机约束、电储能设备运行约束等。电功率平衡约束见式（14），其他约束详见参考文献[22]。
3.2.2 气网运行约束
与电网类似，为了天然气网在调度期内的安全稳定，需要对气网潮流及节点气压进行建模。气网潮流约束见式（9），其为非凸非线性，需要对其进行二阶锥松弛，转化为混合整数二阶锥模型，其详细过程见参考文献[22]。管道流量约束与节点气压约束见式（10）—式（12）：
在气网建模方面，本文还考虑了气网节点流量平衡约束、管存约束与气源购气约束等，详见文献[22]。
本文基于IEEE39 节点电网与比利时20 节点天然气网构成电-气互联IES 进行仿真分析，仿真在Matlab 中调用CPLEX 求解，计算环境为Intel Core i7-7700CPU，8G。
4.1 仿真数据
电-气互联IES 中共有11 台发电机组（6 台煤电机组、2 台燃气机组、3 台风电机组）、4 个气源、3台P2G 设备以及储电设备1 台。电-气互联IES 的结构参数见文献[23-24]，系统内相关参数与电负荷、气负荷、风电出力预测数据见考献[25]。
为验证本文所提方法的有效性，对4 种不同运行场景进行对比分析。场景1 为仅考虑CCUS 的传统日前优化调度；
场景2 在场景1 的基础上考虑阶梯CET 与GCT 的影响；
场景3 采用本文所提调度方法，但不考虑CCUS；
场景4 采用本文所提调度方法，同时考虑CCUS。
4.2 结果分析
1）考虑GCT-CET 耦合交互机制的电-气互联IES 优化结果分析。各场景调度结果见表1。
表1 各场景日内调度结果Table 1 Dispatching results of different scenarios
由表1 可知，场景4 在保持高风电消纳率与低CO2排放的同时，系统运行的总成本最少，比场景1与场景2 分别减少了约396.8 万美元和183.6 万美元；
此外，与反应当前阶段GCT 与CET 并行运行的场景2 相比，考虑GCT-CET 耦合交互机制的场景4在CET 中收益提升约166%，在GCT 中收益提升约2.57%。这是由于GCT 与CET 耦合交互后充分挖掘了绿证在碳减排方面的潜在价值，在满足系统责任消纳权重所需绿证后，冗余的绿证提供的碳减排量参与了CET 交易，使系统在CET 中收益增加，从而大幅降低了系统的总成本。
从绿电消纳角度来看：相较于场景1，场景2、场景4 由于考虑了GCT 的作用，在满足系统自身绿电消纳权重所需的绿证后，将富余的绿证在GCT 中出售给买方，使得风电消纳率大幅上升，体现了GCT 的有效性；
此外，相较于场景2，场景4 在考虑CET 与GCT 耦合交互后风电消纳率提高了约1.88%，表明GCT-CET 耦合交互机制有助于提高清洁能源消纳。
从碳减排角度来看，场景2、场景4 相较于场景1，CO2排放量大幅下降，体现了CET 的有效性；
此外，场景4 的碳排放量最少，与场景1 与场景2 相比，场景4 的CO2排放量分别降低了87.57%和86.33%，体现了在满足系统清洁能源消纳责任后冗余绿证的碳减排价值。此外，各场景煤电机组与燃气机组出力情况如图3 所示。由图3 可知，当系统考虑CET 时，由于只在煤电机组中引入CCUS，所以场景2、场景4 中为了减少碳排放，燃气机组基本不出力，而装有碳捕集设备的煤电机组出力较场景1大幅上升。
图3 各场景煤电机组、燃气机组出力图Fig.3 Coal-fired units and gas-fired units output map under different scenario
2）CCUS 对优化运行影响分析。为检验CCUS在系统低碳运行方面的有效性，本文设置了采用本文所提方法，但不考虑CCUS 的场景3 进行对比分析。由表1 的调度结果可知，相较于场景3，场景4总运行成本降低130.1 万美元。此外，场景4 的碳排放量下降6 469.76 t，约69.18%，同时风电消纳率提升8.84%。这是因为CCUS 系统中碳捕集设备发挥作用，捕集和封存了一部分煤电机组产生的CO2，因此降低了系统的碳排放，在碳市场的收益增加，系统总成本减少；
此外，碳捕集设备的运行会消耗一部分煤电机组的电能，故风电机组的出力会增加而填补由于碳捕集运行造成的负荷侧的电力短缺，从而提高系统的风电消纳水平。
场景3、场景4 各机组出力如图4 所示。
图4 各场景设备出力图Fig.4 Equipment output diagram for each scenario
由图4 可知，场景4 在考虑CCUS 之后，风电机组与煤电机组出力都有一定的增加，这是因为本文提出的对偶阶梯碳交易机制的影响，CCUS 中的碳固设备可使系统碳排放量减少，从而从碳市场中获取收益，因此煤电机组会增加出力，同时优先满足CCUS 系统捕集CO2所需的运行能耗，进而导致风电机组出力增加以满足用户侧由于煤电机组出力减少而造成电力短缺的那部分用电需求。
3）基础碳交易价格对运行结果的影响。为检验基础碳交易价格对系统运行结果的影响，图5 给出了不同基础碳交易价格下系统的运行结果。由图5 可以看出，随着基础碳交易价格的增加，系统的总运行成本不断减少，这是因为随着碳交易价格的增加，用户更加积极地使用清洁能源、增加碳捕集设备的出力减少碳排放，从而系统在CET 与GCT中的收益不断增加，系统运行的总成本逐渐降低。
图5 基础碳交易价格对运行结果影响Fig.5 Impact of base carbon trading price on operational results
在碳排放方面，当基础碳交易价格由0 变为20 美元/t 时，系统的碳排放量从11 585.67 t 降到了3 620.17 t，这是由于基础价格为0 时相当于没有考虑CET 与GCT，因此系统的碳排放量较大；
当考虑CET 与GCT（基础碳交易价格不为0）时，系统的CO2排放量相较于基础价格为0 时显著减少。此外，当基础碳交易价格大于80 美元/t 时，系统的碳排放量不再随着基础碳交易价格的升高而降低，但是总成本仍然不断减少，这是因为系统向CET 卖出碳排放配额的单价增加，在碳市场中收益增多，因此把碳交易基础价格定为80 美元/t 比较合理。
4）不同碳固容量及P2G 容量对结果的影响。系统总成本与碳交易成本随碳固容量变化的运行结果如图6 所示，其中碳交易成本小于0 表示系统在参与碳市场时获利。随着CCUS 中碳固设备容量的增大，系统在碳市场的获利不断增大，总运行成本不断减少。这是因为随着碳排放量的逐渐减少，系统在碳市场可交易的碳配额增多，碳交易价格不断增加，远高于固碳成本，因此系统将煤电机组排放的CO2固定后，将固碳获取的碳排放配额在CET 中交易，以获取更多的收益。在碳固容量大于3 000 t 后，碳固容量大于碳捕集设备所能捕集的CO2量，因此系统的经济性将不再随碳固容量的增大而提升。
图6 碳固容量对结果影响Fig.6 Effect of carbon solid capacity on results
5）系统各时刻碳平衡。场景4 系统碳平衡如图7 所示。
图7 场景4系统碳平衡图Fig.7 System carbon balance diagram under scenario 4
由图7 可知，系统中碳排放量一部分释放到大气中，另一部分通过CCUS 系统捕获用于固碳和P2G利用。在01：00—07：00，由于碳固容量冗余量较大，CCUS 捕获的CO2主要用于P2G 设备和碳固。此外，由于碳固成本远小于CET 成本，因此系统产生的CO2应尽量通过CCUS 利用和固定，若调度期内已达到CCUS 的碳固量上限，在08：00—09：00 及12：00—23：00，CCUS 所产生的CO2除少量用于P2G 设备外，其余几乎排入大气中。
为促进“双碳”目标达成，减少碳排，提高分布式清洁能源消纳率，充分发挥清洁能源在碳减排中的作用，本文提出了一种GCT-CET 耦合交互机制下含CCUS 的电-气互联IES 低碳经济调度模型及其求解方法，研究结论如下：
1）在满足系统绿电责任消纳权重后，冗余的绿证可以使相互独立的GCT 与CET 产生交互，在提高系统风电消纳能力的同时，CO2排放量显著减少。
2）CCUS 不仅能够实现煤电机组在碳减排中的作用，还能在IES 低碳经济调度层面上保证系统经济性的同时，发挥额外的碳减排与促进清洁能源消纳的作用。
3）本文所构建的GCT-CET 耦合交互机制，进一步拓展了风光等清洁能源的绿电价值实现渠道，提升了承载主体在市场端的收益，也有助于激发电力用户对清洁能源的使用意愿，对提升清洁能源渗透率有显著作用。
下一步，在多个时间尺度上同时考虑上述模型的可行性及求解方法是主要研究工作。
猜你喜欢排放量风电耦合非Lipschitz条件下超前带跳倒向耦合随机微分方程的Wong-Zakai逼近数学物理学报(2022年2期)2022-04-26天然气输配系统甲烷排放量化方法煤气与热力(2021年6期)2021-07-28黑龙江省碳排放量影响因素研究高师理科学刊(2020年2期)2020-11-26海上风电跃进隐忧能源(2018年6期)2018-08-01分散式风电破“局”能源(2018年6期)2018-08-01风电：弃风限电明显改善 海上风电如火如荼能源(2018年8期)2018-01-15重齿风电风能(2016年12期)2016-02-25基于“壳-固”耦合方法模拟焊接装配大型铸锻件(2015年5期)2015-12-16——《2013年中国机动车污染防治年报》(第Ⅱ部分)">全国机动车污染物排放量——《2013年中国机动车污染防治年报》(第Ⅱ部分)环境与可持续发展(2014年1期)2014-08-14江苏省火力发电机组二氧化碳排放量估算电力工程技术(2014年1期)2014-03-20
本文来源：http://www.triumph-cn.com/fanwendaquan/gongwenfanwen/2023/0925/108874.html