基于碳捕集系统灵活运行的电力系统多目标调度模型

闫鹏达,张晓辉,钟嘉庆

(1. 国网山西省电力公司 检修分公司，山西 太原 030006；2. 河北省电力电子节能与传动控制重点实验室(燕山大学)，河北 秦皇岛066004)

基于碳捕集系统灵活运行的电力系统多目标调度模型

闫鹏达1,张晓辉2,钟嘉庆2

(1. 国网山西省电力公司 检修分公司，山西 太原 030006；2. 河北省电力电子节能与传动控制重点实验室(燕山大学)，河北 秦皇岛066004)

碳捕集系统灵活运行对火电机组的运行带来了影响，在其灵活运行模式的基础上，提出了灵活度的概念。给出了碳捕集(Carbon Capture and Storage, CCS)系统灵活运行时的运行成本以及减排效率的公式。在此基础上建立了考虑CCS系统灵活运行的多目标调度模型，采用多目标细菌群体趋药性(Multi-Objective Bacterial Colony Chemotaxis, MOBCC)算法对所建模型进行优化求解，对火电机组的出力进行优化。算例分析中将所建的调度模型与传统调度模型进行对比分析，仿真结果说明了所提模型的有效性。

碳捕集系统；灵活度；多目标细菌群体趋药性算法；低碳经济调度；多目标优化

0 引言

近年来，伴随着经济迅猛发展的同时，由能源消耗产生的温室效应引起了人们的高度重视。为减少CO2的排放，各行业均应行动起来。而电力行业作为CO2的排放大户，其排放量达到了全国碳排放总量的50%[1,2]。为了减少CO2的排放量，电力部门采取了一些措施：例如，大力发展风能等清洁能源以代替传统的化石燃料，然而，由我国资源禀赋所决定，在未来一段时间内传统燃煤机组仍然是发电主力的格局不会改变，因此，研究如何减少传统燃煤机组的碳排放量具有重要的现实意义。

从现阶段的技术水平来看，CO2捕集和封存(Carbon Capture and Storage，CCS)系统具有巨大的减排潜力，其减排效率可达90%～95%[3,4]。目前针对CCS系统的研究和利用已经逐步展开。文献[5,6]深入分析了CCS系统的运行机制，并就其对电网运行的安全以及高效方面进行了探讨，CCS系统对电网的调峰性能以及效益进行研究。文献[7,8]将CCS系统引入到电源规划领域：文献[7]65考虑到CCS系统发展的阶段性，引入CCS系统发展成熟度的概念，建立了阶段性减排的电源规划模型；文献[8]2689认为当CCS系统发展不成熟时，可借助成本较小的碳捕集预留(Carbon Capture Ready，CCR) 系统来进行CO2减排，当技术成熟时再将其加以改造，基于CCR系统和CCS系统建立了低碳电源规划模型。文献[9-11]将CCS系统引入到电力系统调度领域：文献[9]991针对CCS系统的能量流进行分析，建立了基于CCS系统的低碳调度模型；文献[10]159对CCS系统的启停进行约束，建立了基于碳减排日指标约束下的调度模型，实现发电厂和电网的协调减排；文献[11]1602将碳排放赋予经济价值，在此基础上研究了含CCS系统的调度方式。上述文献虽已将CCS系统引入到电力系统的不同领域，但基本上是在其静态运行方式下的研究。文献[12]对CCS系统的运行原理进行了详细地分析，认为其具有灵活运行的潜力。

随着新能源尤其是风力发电的并网运行，其对电力系统的碳减排也起到了巨大的作用[13]。已有大量的文献就风电场引入电力系统后，对系统经济性和减排问题造成的影响进行了研究。例如，文献[14]采用改进的粒子群算法研究了当引入风电场后，通过优化传统发电机组的出力实现电力系统的低碳经济多目标优化调度。文献[15]在调度过程中考虑CO2的成本价值，建立了以系统发电成本最小以及CO2排放成本最小的电力系统多目标调度模型。

综上所述，本文将以CCS系统的灵活运行为基础，兼顾系统火电机组以及风电场，建立基于碳捕集系统灵活运行的多目标调度模型，包含系统经济调度目标和系统低碳调度目标，并综合考虑系统的功率平衡约束、机组出力上下限约束、机组爬坡等约束条件，采用多目标细菌群体趋药性算法(Multi-Objective Bacterial Colony Chemotaxis， MOBCC)对算例进行优化求解，验证了本文所提模型的有效性。

1 CCS系统灵活运行

1.1 CCS系统灵活运行原理

目前，已有较多的文献对CCS系统的运行状况进行了研究，但基本上均是对CCS系统在静态运行状况下的分析，即认为CCS系统与火电机组的运行相匹配，CCS系统不能够单独控制。然而，在实际运行中CCS系统与火电机组之间的耦合关系相对较弱，它们之间的能流主要是火电机组向CCS系统提供再生热能以及压缩CO2所需电能，这些能量流动的大小对CCS系统的运行水平具有决定性的作用。从CCS系统的运行机制方面可以看出，CCS系统有灵活运行的潜力，在一定程度上可以独立于火电机组单独对CCS系统进行控制，可将其等效为一个可以灵活控制的负荷，其运行情况与其能量流有密切关系[12]10。

1.2 CCS系统运行灵活度

CCS系统在运行过程中将消耗功率，可将其消耗功率分为启动功率和减排功率，启动功率主要为了维持CCS系统的正常运行；减排功率则为了捕集系统的CO2排放，CCS消耗的功率可由下式表示：

(1)

定义系统的灵活度为CCS系统消耗功率与CCS系统满额运行时消耗功率的比值，可由下式表示：

(2)

式中：α为CCS系统运行灵活度；Pccs,m为CCS系统满额运行时的功率消耗，MW。

2 考虑碳捕集系统灵活运行的多目标调度模型

2.1 系统经济调度模型

(1)火电机组的发电成本

火电机组在运行过程中将消耗化石燃料，在运行过程中其发电成本与出力的关系可由二次函数来表示，如下式：

(3)

式中：N表示传统火电机组数目；T表示调度周期时段；ai、bi和ci分别表示火电机组i的发电成本系数，元/(MW2·h)、元/(MW·h)、元/h；PGit表示火电机组i在t时段总的出力，MW。

(2)风电场的发电成本

风电场在运行过程中并不消耗化石燃料，因此其发电成本仅包含风电场的运行和维护成本，其发电成本可由下式表示：

(4)

式中：M表示风电场数目；cw表示风电场发电成本系数，元/MW·h；Pwjt表示风电场j在t时段的出力。

(3)系统经济调度目标函数

综上所述，系统的经济调度目标由传统火电机组的发电成本和风电场的发电成本组成，可由下式表示：

minF1=min(Fgen+Fw)

(5)

2.2 系统碳排放调度模型

传统火电机组在消耗化石燃料的同时会产生大量的CO2，其CO2的排放量与出力的关系可由下式表示：

(6)

式中：w、v以及u分别表示火电机组i的碳排放系数，t/(MW2·h)、t/(MW·h)、t/h；A表示没有装设CCS系统的火电机组的集合。

对于装设有CCS系统的火电机组时，当CCS系统满额运行时，其减排效率可以达到85%，但当CCS系统处于灵活运行的状态时，其减排效率必将受到影响，因此装设有CCS系统的火电机组，其CO2排放量与出力的关系可由下式表示：

(7)

式中：η表示CCS系统满额运行时的减排效率；B表示装设有CCS系统的火电机组的集合。

综上所述，系统碳排放调度目标由传统火电机组的碳排放量和装设有CCS系统的火电机组的碳排量共同组成，可由下式表示：

(8)

2.3 系统约束条件

(1)CCS系统功率平衡约束

(9)

式中：Pgit表示火电机组i的净出力，MW；Pccs,i表示机组i向CCS系统提供的功率，MW；PGit表示机组i总的出力。

(2)功率平衡约束

(10)

式中：PDt表示系统在t时段的负荷需求，MW。

(3)机组出力约束

(11)

式中：Pi,min表示机组i的出力下限，MW；Pi,max表示机组i的出力上限，MW。

(4)火电机组爬坡约束

(12)

(5)风电穿透功率极限约束

(13)

式中：μ表示风电穿透功率系数。

3 基于CCS系统灵活运行的多目标调度模型求解

3.1 多目标函数

多目标优化问题可描述为

(14)

式中：fi(X)表示目标函数i；X表示决策向量为n维；m表示目标函数个数；gj(X)和hk(X)分别表示等式约束和不等式约束。

3.2 Pareto最优前沿

图1 最优Pareto前沿示意图

当系统中同时存在多个目标函数时，经优化后得到许多符合约束条件的解，但无法简单地对解的优劣程度进行判别，这种解一般被人们称为Pareto最优解(Pareto optimal solutions)，所有的Pareto解组成的集合被称为Pareto最优解集。由Pareto最优解集所对应的目标函数可构成一个最优的目标域，该区域即被称作Pareto 最优前沿，如图1所示，其中纵坐标f1以及横坐标f2表示2个待优化的目标函数，点A、B、C、D、E以及F构成的实线段为2个目标函数的最优前沿，它们均为2个目标函数的最优解，通过改变2个目标函数的权重来选取其最终解；点G、H、I、J、K以及处于目标函数的搜索区域内，不落于最优前沿，非最优解。3.3 模型优化方法

应用多目标细菌群体趋药性算法(Multi Objective Bacterial Colony Chemotaxis，MOBCC)对基于CCS系统灵活运行的多目标调度模型进行求解，MOBCC算法流程图如图2所示。

图2 MOBCC算法的优化流程

4 算例分析

在本文所提算例中有6个火电机组和1个风电场。风电场预测出力以及预测负荷见图3，风电场的发电成本为11.6$/MW，η为0.90，假设风电出力能够全额上网。

图3 风电出力和负荷预测数据

4.1 3种不同的调度方案

对于含CCS系统灵活运行的多目标调度模型，采用了3种调度方案：(1)以系统发电成本最小为目标，不考虑系统的碳排放，此时CCS系统将以最小出力运行。(2)以系统的碳排放最小为目标，不考虑系统的发电成本，此时CCS系统保持最大出力运行。(3)采用本文提出的CCS灵活运行的多目标调度模型，此时CCS系统将灵活运行。利用MOBCC算法对方案3进行优化求解，得到其Parote最优前沿，如图4。

图4 优化结果

4.2 3种调度结果分析

对本文提出的含CCS系统灵活运行的多目标调度模型，采用MOBCC算法进行优化得到其Parote前沿，本文2个目标函数的权重均为0.5，得到最优的调度结果，火电机组不同时段的净出力以及CCS系统消耗功率和灵活度如表1所示。火电机组的详细参数分别见表2，其中第1个和第2个机组装设有CCS系统，且CCS系统出力介于0.01 p.u.和0.3 p.u.之间；表2中与有功功率相关的数据，例如Pmax、Pmin均为标幺值，基准值取100 MW；机组碳排放系数w、v、u均取10-3t/h。

3种优化调度方案下机组总的出力(含CCS系统消耗功率)变化如图5～7所示。

表1 机组最优出力

表2 系统6机组参数

图5 方案1下各机组最优出力

图6 方案2下各机组最优出力

图7 方案3下各机组最优出力

由表1、2和图5～7分析可知，在方案1下，以经济调度为目标，相比于其他机组，机组3的经济性最好，所以机组3出力较多，由于不考虑系统的碳排放，CCS系统仅保持最小出力；在方案2下，以系统碳排放为调度目标，结合图5和图6可知，机组3在运行过程中经济性和低碳性均较好，另外，为了减少系统碳排放量，配置了CCS系统的机组1和机组2的出力也将增大，并且此时CCS系统在全额工作；在方案3下，由表1可知，CCS系统的灵活度在0.033 3和0.993之间波动，通过调节CCS系统的运行可有效控制系统的碳排放，同时兼顾了系统的经济性。

4.3 CCS系统对调度的影响

3种方案下，系统的发电成本和碳排放量，如表3所示。由表3可知，通过CCS系统的灵活运行，可兼顾系统的发电成本以及碳排放，且本文优化过程中将目标函数的权重均设为0.5，在实际运行中可根据现实情况，通过改变权重来优化机组以及CCS系统的出力。

表3 不同模式下调度结果

5 结论

本文考虑了CCS系统灵活性运行的潜力，提出CCS系统运行灵活度的概念，在低碳调度目标中考虑CCS系统灵活运行时的减排效率；在经济调度目标中考虑CCS系统灵活运行时系统成本的变化，建立了基于CCS系统灵活运行的多目标调度模型，采用MOBCC算法对所建模型进行优化求解，与传统调度模型进行比较，验证了本文所提模型的有效性。

[1]徐刚，田龙虎，刘彤，等.中国电力工业CO2减排战略分析[J].中国电机工程学报，2011，31(7)：1-8.

[2]LI J，WANG X.Energy and climate policy in China's twelfth five-year plan: a paradigm shift[J].Energy Policy， 2012，41：519-528.

[3]HAMMOND G P.AKWE S S，WILLIAMS S.Techno-Economic appraisal of fossil-Fuelled power generation systems with carbon dioxide capture and storage[J].Energy，2011，36(2)：975-984.

[4]LI Y，ZHAO C，CHEN H，et al.CO2capture efficiency and energy requirement analysis of power plant using modified calcium-based sorbent looping cycle[J].Energy，2011，36(3)：1590-1598.

[5]CHEN Q，KANG C，XIA Q.Modeling flexible operation mechanism of CO2capture power plant and its effects on power system operation[J].IEEE Transactions on Energy Conversion，2010，25(3)：853-861.

[6]陈启鑫，康重庆，夏清.碳捕集电厂的运行机制研究与调峰效益分析[J].中国电机工程学报，2010，30(7)：22-28.

[7]卢志刚，夏明昭，张晓辉.基于多阶段减排规划的发电厂碳捕集系统优化配置[J].中国电机工程学报，2011，31(35)：65-71.

[8]季震，陈启鑫，张宁，等.含碳捕集电厂的低碳电源规划模型[J].电网技术，2013，37(10)：2689-2696.

[9]LU S，LOU S，WU Y，et al.Power system economic dispatch under low-carbon economy with carbon capture plants considered[J].IET Generation, Transmission & Distribution，2013，7(9)：991-1001.

[10]李学平，卢志刚，王浩锐，等.考虑碳减排日指标约束的碳捕集调度策略[J].中国电机工程学报，2012，32(31)：159-165.

[11]CHEN Q，KANG C，XIA Q，et al.Optimal flexible operation of a CO2capture power plant in a combined energy and carbon emission market[J].IEEE Transactions on Power Systems，2012，27(3)：1602-1609.

[12]康重庆，季震，陈启鑫.碳捕集电厂灵活运行方法评述与展望[J].电力系统自动化，2012，36(6)：1-10.

[13]赵璐，程杰，宋周，等.湖北新能源出力特性分析及对电网的影响研究[J].电力科学与工程， 2016， 32(3)：49-54.

[14]陈道君，龚庆武，张茂林.考虑能源环境效益的含风电场多目标优化调度[J].中国电机工程学报，2011， 37(1)：24-31.

[15]张晓辉，闫柯柯，卢志刚，等.基于场景概率的含风电系统多目标低碳经济调度[J].电网技术，2014， 38(7)：1835-1841.

Multi-objective Optimization Dispatching Based on Carbon Capture and Storage Flexible Operation for Power Grid

YAN Pengda1，ZHANG Xiaohui2，ZHONG Jiaqing2

( 1.State Grid Maintenance Co.of SEPC， Taiyuan 030006，China； 2. Key Lab of Power Electronics for Energy Conservation and Motor Drive of Hebei Province，Yanshan University，Qinhuangdao 066004，China)

The flexible operation of the carbon capture system has brought an important impact on the thermal power units, and the concept of the flexibility is defined in this paper based on the flexible operation mode. The formula of the costs and efficiencies of the carbon capture and storage (CCS) system is given under the flexible operation mode. On this basis, this paper established a multi-objective optimization dispatching model with flexible operation of the CCS taken into account. The multi-objective bacterial colony chemotaxis (MOBCC) algorithm is applied to solve the problem to optimize the output of units. The results of the dispatching in this paper are compared with those of the traditional dispatching model, which verifies the validity and feasibility of the proposed optimization model.

arbon capture and storage；flexibility；multi-objective bacterial colony chemotaxis algorithm；low-carbon economic dispatch；multi-objective optimization

10.3969/j.ISSN.1672-0792.2017.04.009

2017-02-26。

国家自然科学基金(61374098)；河北省高等学校科学技术研究重点项目(ZD2016049)。

TM721

A

1672-0792(2017)04-0049-06

闫鹏达(1990-)，男，硕士，研究方向为电力系统优化调度与经济运行。

张晓辉(1973-)，女，硕士，副教授，研究方向为电力系统经济运行与控制、电力系统继电保护、优化方法在电力系统中的应用。