原一方,尚 策
(上海交通大学 电气工程系,上海 200240)
在碳达峰、碳中和目标的引领下,加快电力系统低碳化转型是实现低碳发展的关键。目前,中国火力发电量仍占全国总发电量的70%以上,电力部门二氧化碳的排放量占全国排放总量的40%左右。若要2060年实现碳中和目标,2020年起应尽快停止煤电机组的投建,并有序规划现存煤电机组退役。Ryna Yiyun Cui等分析了当前中国碳排放目标下煤电机组退役路径,给出了涵盖技术、经济和环境等多方面指标的机组退役顺序评价方法,并对全国范围内的所有燃煤电厂退役顺序进行评估,指出合理的减碳路径应该使煤电机组装机容量在2020 年达到峰值,并在2055 年前实现煤电机组基本退出,以实现《巴黎协定》中提出的将全球平均气温上升幅度控制在高于工业化前水平2 ℃之内的治理目标[1]。
传统电源规划考虑在经济成本最小的条件下确定系统最优的发电投资组合,在电力系统低碳化转型的背景下,应将二氧化碳排放带来的影响纳入规划模型[2],文献[2]在传统电源规划模型中考虑多种碳排放约束政策,将碳排成本加入模型的目标函数中,在模型约束条件中引入碳配额约束和碳交易机制。文献[3]指出采用不同类型的碳排放约束会对规划结果造成影响。除碳排放约束外,通过提高新能源渗透比例也能够实现电力系统深度减排,文献[4]提出考虑系统可靠性条件下针对满足既定清洁能源份额目标的源网协同规划模型。此外,文献[5]提出将各类低碳技术纳入规划模型,如配备碳捕集、储能等,以实现减排效应。目前关于机组退役问题的相关研究主要围绕以下几个方面展开:①将机组退役作为不确定性纳入规划模型[6];②建立机组退役顺序综合评估模型,分析不同的退役方案对系统安全性和经济性的影响[7];③建立规划模型决策煤电机组退役,这方面已有研究将机组退役与新能源规划、电网改造协同决策,以实现电力系统的低碳化转型[8]。
当前煤电机组退役规划多以单阶段规划为主,实际上煤电机组退役转型是一个逐步推进的过程,若仅考虑在规划初期将所有能源设备一次投入,必将造成超前投资以及资产闲置的问题。为解决上述问题,考虑采用多阶段规划方法,将整个规划周期分为若干个规划阶段,各阶段方案之间相互影响,上一阶段规划结果将作为后续规划的基础,各个规划阶段动态相连。目前,多阶段规划思想已在发电组合规划[9]、输电网规划[10]、配电网规划[11]等方面得到应用,文献[12]在多阶段规划的基础上考虑了不确定性,使规划决策具有一定的鲁棒性。部分研究采用多阶段规划方法分析煤电机组退役时,假设在整个规划期内负荷水平不变,忽略了实际电力系统中负荷需求逐年增长的情况,导致规划结果未能涵盖未来负荷变化的需求。
煤电机组逐步退役,应伴随着系统中新能源的逐步扩建,同时,煤电机组退役的容量和位置会对新能源投建中选址和定容结果造成影响,而目前少有研究在较长规划期内考虑机组逐步退役背景下的新能源扩建问题。此外,煤电机组的退役将改变现有的发电结构,会带来系统备用容量不足和灵活性资源欠缺的问题,在高比例新能源接入的背景下,系统灵活性不足会给电力系统的安全可靠运行带来挑战,随着储能技术的发展,合理配置储能能够解决煤电机组退役带来的系统中灵活性资源不足的问题[13]。除依靠储能装置满足系统灵活性需求外,源、荷两侧均可参与灵活性资源的供给。电源侧的灵活性主要依靠多种类型电源相济协调,如以天然气为燃料的燃气机组[14]。另外,水电机组和抽水蓄能能够为系统提供充足的容量和灵活性资源,增加系统的调峰能力,同时减少火电机组的频繁启停,进一步促进新能源的消纳[15]。然而水电易受到地理位置、水电资源、季节性条件的制约,相比之下燃气机组具有快速响应、运行灵活、热效率高、污染物排放低等特点,使其成为优质的调峰电源。此外,若负荷侧参与灵活性调节,则可以通过需求响应调节新能源出力的波动性和不确定性[16]。
因此本文在较长规划期内结合各阶段负荷需求增长以及煤电机组退役进度,充分考虑各阶段机组退役决策以及新能源规划决策给后续系统带来的影响,并结合整个规划期的总体要求,求解得到各阶段最优的新能源及储能规划结果。
煤电机组退役规划应优先规划到达使用寿命的机组退役,但对于装机容量较大、效率较高的机组即使到达额定寿命,对系统而言仍具有保证系统容量的充裕度、为系统提供灵活性资源的价值,应允许对这部分机组经翻新后继续留在市场。
用0-1 变量αi,g表示第g阶段煤电机组i是否退役的决策,其值为0 时表示机组退役,为1 时表示不退役,αi,g应满足如下约束:
式中:d为年折现率。
规划期内单台煤电机组的总碳排放量与机组实际退役时间有关,退役后将不产生碳排放量,考虑机组退役决策的煤电机组i的全规划周期碳排放量的计算公式如下:
式中:ei为煤电机组i的碳排因数;pi,t为t时刻煤电机组i的出力值;Ωstage为各个规划阶段的集合;g{T}为规划阶段g内时间集合。
对于在计划退役时间需要经翻新后保留在系统中的机组,用0-1 变量ri,g表示第g阶段煤电机组i达到使用寿命时是否做出翻新保留决策,其值为1 时表示机组翻新并保留在系统,为0 时表示机组不翻新并退役,ri,g应满足如下关系:
式中:Cr为煤电机组单位容量对应的翻新成本;为第g阶段做出翻新保留决策的煤电机组i的容量。
考虑机组退役的煤电机组碳排放量计算公式(式(5))中,含有二进制变量与连续变量乘积项,在模型求解的过程中需要将该双线性项线性化[17],引入非负连续变量qi,g,利用式(8)—(11)等效表达式(5)。
式中:M为一个充分大的常数。
本文所建立的多阶段规划模型在规划煤电机组退役的同时,对新能源扩建容量和储能的投建进行规划,为了简化模型,假设在每个阶段的首年年初做出新能源投建、储能投建及煤电机组退役决策。
模型的目标函数为最小化规划期内的电力系统总成本Ctotal,如式(12)所示,其包括机组退役成本Cretire、机组翻新保留成本Crepair、风电投建成本Cwind、光伏投建成本Cpv、储能投建成本Cstorage、碳排放成本Ccarbon、切负荷惩罚成本Cloadshed和系统运行成本Cop,具体计算公式分别如式(13)—(20)所示,均为折现到规划期初期的现值。
式(17)为各阶段储能投建总成本,假设各节点均投建相同单位容量的储能装置,储能成本计算应考虑两部分,分别为与储能容量相关的单位容量成本系数和与储能功率相关的单位功率成本系数,前者用于描述与储能蓄电能力相关的成本耗费,后者用于描述与储能内部电力电子变换器等设备相关的成本耗费[18]。式(18)为系统中碳排放成本计算公式,系统中的碳排放均来自常规机组(煤电机组和燃气机组),式(18)中含有双线性项,处理方法与式(5)的线性化方法相同,引入充分大的常数M,利用式(8)—(11)等效线性表达。式(19)为切负荷惩罚。式(20)为系统总运行成本计算公式,包括机组可变成本Cvar、机组启停成本Cstartup和固定成本Cfixed,启停成本中停机成本较小,此处忽略不计,其他各部分具体计算公式分别如式(21)—(23)所示,均为折现到规划期初期的现值。
模型中机组退役规划及模型线性化后相关约束如式(1)、(2)、(5)、(6)、(9)—(11)所示,此外,还需考虑系统中多阶段新能源投建约束、多阶段储能规划及运行约束、系统网络约束、功率平衡约束和机组运行约束等,具体如下。
在每台机组满足出力限制的条件下,为了简化模型,将系统中运行特性相同、位置临近的常规机组进行组合,对组合后不同组群的常规机组添加灵活性约束条件[19],包括机组最大/最小出力约束、爬坡约束、最小在线/离线时间约束。引入连续变量表示t时刻节点n处常规机组中组群k的出力值之和,连续变量wn,k,t表示t时刻节点n处常规机组组群k的关断容量,以及上文提到的t时刻节点n处机组组群k的启动容量vn,k,t,常规机组灵活性约束表示如下:
本文采用IEEE 39 节点系统测试所提的规划模型。选取的规划周期为15 a,将5 a 作为一个规划阶段,共分为3 个阶段。规划初期系统中所有机组装机容量共13 600 MW,其中包括煤电机组装机容量11 400 MW,燃气机组装机容量2 200 MW,系统规划初期无新能源装机。综合机组剩余寿命及实际碳排放要求,煤电机组退役容量应逐阶段提高,假定系统中现存的煤电机组计划剩余寿命均为5 的整数倍,第一阶段初期计划有2 台机组退出运行,该阶段煤电计划退役容量为1 600 MW,占煤电机组总装机容量的14%;第二阶段初期计划有3台机组退出运行,该阶段煤电退役容量为2 000 MW,占煤电机组原总装机容量的17.5%;第三阶段初期计划有4 台机组退出运行,该阶段煤电计划退役容量为2 100 MW,占煤电机组总装机容量的18.4%;规划期结束时计划共退役5 700 MW 的煤电机组,共占原总煤电装机容量的50%。除煤电机组外,系统另有5 台燃气机组,此处假设在规划期内所有燃气机组均未达到使用寿命,不考虑燃气机组的退役问题。
煤电机组的退役会造成系统中发电容量缺额,需要在规划煤电机组退役的同时,规划系统中风电和光伏发电的投建,同时考虑投建储能设备作为系统灵活性资源补充,模型在每个阶段初期做出机组退役决策、储能规划和新能源投建决策。系统中各类发电设备的投资、运行成本和碳排放系数如附录A 表A1 所示,仅考虑煤电机组的退役及翻新保留,其对应的退役及翻新成本同见表A1。此外,表A1中风电单位投资成本为796万元/MW,光伏单位投资成本为598万元/MW,风电和光伏的预期寿命均为25 a。待选储能参数如附录A 表A2 所示。负荷的年增长率为4%。系统切负荷惩罚系数ρloadshed为3 万元/(MW·h),碳税为256 元/t,并假设碳税价格的年增长率为5%,年贴现率取8%。
系统中风电和光伏出力小时级出力因数参考文献[20],负荷功率基于历史运行数据模拟得到其小时级时序曲线,规划期内各阶段峰值负荷和年最大年用电量如表1所示。
表1 规划期内各阶段负荷Table 1 Load in each stage during planning period
由于新能源出力呈现较强的季节性特征,故将规划期内的每个规划阶段按照季节划分为冬季、夏季、过渡季3 个时段,对每阶段内各个季节的新能源出力及负荷数据进行聚类,每阶段内各个季节选取3 个代表日,基于聚类后的代表日内的新能源出力以及负荷时序曲线求解上述规划模型,得到规划期的决策方案。为验证本文所提模型,共设置以下4个场景进行对比分析:场景Ⅰ,不规划储能投建,考虑碳税约束下的新能源投建和煤电机组退役的多阶段规划;场景Ⅱ,不考虑碳税约束的新能源、储能投建和煤电机组退役的多阶段规划;场景Ⅲ,同时考虑碳税约束下的新能源、储能投建和煤电机组退役的多阶段规划;场景Ⅳ,考虑碳税约束的新能源、储能投建和煤电机组退役的单阶段规划,即煤电机组仍按计划多阶段顺序退役,新能源和储能设备的投建仅在规划初期进行决策。
所提优化模型采用CPLEX 求解器进行求解,并设置求解精度为0.1%。
3.2.1 容量配置及经济成本分析
求解上述4 个场景得到规划结果,煤电机组规划退役容量如表2所示。
表2 各场景煤电机组退役容量规划结果Table 2 Planning results of coal-fired units retirement capacity in each scenario
在煤电机组退役方面,场景Ⅰ由于不规划储能,将导致系统的灵活性资源不足,为了保证系统灵活性和充裕度,所有计划退役的煤电机组全部做出延期保留决策。系统中到达使用寿命的煤电机组无法按期退役,必将导致系统低碳化转型缓慢。此外,超期运行的煤电机组由于老化等原因也将导致单位发电量对应的煤耗量增加,碳排放量也随之增加。场景Ⅱ的规划阶段2、3 中,部分计划退役的煤电机组做出延期退役决策,其主要原因是在不考虑碳税约束的情况下,将有限满足系统运行经济性需求,因此规划结果中将能耗高、碳排放量高的部分煤电机组保留,用以系统供电和灵活性资源需求,以减少新能源和储能设备的投入,通过牺牲环境成本换取规划的经济成本。场景Ⅲ采用本文所提多阶段规划模型,同时规划新能源和储能设备的投建,在新能源投建保证系统供电和储能设备提供灵活性资源的条件下,系统各阶段计划退役的煤电机组全部按期退役。场景Ⅳ下各阶段煤电机组退役容量与场景Ⅲ相同,均为所有煤电机组按计划退役容量退出市场。
储能容量规划结果如表3 所示,风电及光伏投建容量如表4所示,新能源和储能新增容量如图1所示,各场景下经济成本对比如表5 所示。场景Ⅰ中新能源投建容量高达49 869.52 MW,包含风电投建容量39 136.53 MW 和光伏投建容量10 733.02 MW,用以满足负荷增长的发电需求,大量新能源接入,同时系统中灵活性资源不足,导致该场景下系统切负荷率和新能源弃电率较高。场景Ⅱ中新能源投建容量共计18318.08 MW,储能投建容量共计12300 MW,相比于场景Ⅰ,储能设备能够有效减少系统的切负荷情况和新能源弃电量,同时减少新能源设备的过量投入,使系统规划的总成本大幅降低。此外,储能设备提供电能缓冲用于削峰填谷,减少传统机组出力带来的碳排放,有效减少系统运行过程中的碳排放量。场景Ⅲ中新能源投建容量共计17957.03 MW,储能投建总容量为19 150 MW,相比于场景Ⅱ,储能投建容量略有升高,用以补充煤电机组退役造成的系统灵活性资源缺额,同时储能设备容量的增加也使得系统中弃风和弃光情况得到改善。场景Ⅳ中新能源投资容量共计17 481.56 MW,储能投资容量共计2 300 MW,由于忽略规划决策的顺序实现过程,仅在规划初期进行一次投资规划决策,难以避免设备的超前投资,使规划决策难以涵盖长期规划中后期系统运行特点,由此带来新能源弃电量的升高以及碳排放量的增加。对比场景Ⅰ和场景Ⅲ可以看出,由于新能源本身具有不确定性和间歇性的特点,若缺少储能等灵活性资源的协同,将影响新能源的消纳和系统可靠运行。
表3 各场景储能规划结果Table 3 Planning results of energy storage in each scenario
表4 各场景新能源规划结果Table 4 Planning results of renewable energy in each scenario
图1 各场景下各规划阶段新能源和储能新增容量Fig.1 New installed capacity of renewable energy and energy storage at each planning stage under different scenarios
表5 各场景经济成本分析Table 5 Economic analysis of each scenario
基于场景Ⅲ分析本文所提考虑机组退役的多阶段新能源及储能协同规划模型的规划结果,图2 为场景Ⅲ下各规划阶段的能源结构对比。为满足电力系统低碳化转型要求,规划期末期时常规煤电机组装机减少至初期装机容量的一半,装机比例由原来的83.3%降低至22%,传统煤电机组将由主要供电者逐步转为为系统提供辅助服务,而未来充当主要功能者的新能源发电设备的装机容量增至69%,在规划期末期共规划投建储能设备总容量19150 MW,可见高比例新能源接入的系统更加依赖于以储能为代表的灵活性调节资源,以保证系统运行的可靠性和充足的运行灵活性。
图2 新能源和储能多阶段协同规划下各阶段设备容量对比Fig.2 Comparison of equipment capacity at each stage under multi-stage planning of renewable energy and energy storage
3.2.2 求解效率分析
单阶段规划和多阶段规划的求解效率对比如表6所示。从表中可见,多阶段规划模型的求解难度大于单阶段规划模型,其中多阶段规划模型中整数变量总数为单阶段规划模型中整数变量总数的3倍,多阶段规划模型求解时间是单阶段规划模型求解时间的3.6倍。原因是多阶段规划中将规划期划分为多个阶段,随着规划决策的逐步推进,在每个阶段均需做出相应决策,导致模型中变量数量的增加,其中整数变量数量的增加会使模型的求解难度大幅增加。
表6 单阶段规划与多阶段规划求解效率对比Table 6 Comparison of computational efficiency between single-stage and multi-stage planning
3.2.3 碳排放量对比
图3为4种场景下不同阶段的碳排放量对比,其中,场景Ⅲ下系统碳排放量随着规划阶段的推移逐渐减少,其长期减碳效果最好,主要原因在于煤电机组按退役计划逐渐退出系统,取而代之的是新能源和储能设备承担主要负荷用电需求。相比于场景Ⅲ,场景Ⅳ在整个规划期内的碳排放量总体也有所减小,但是由于场景Ⅳ采用单阶段规划,其规划结果难以覆盖整个规划期内的运行特性,导致规划结果对阶段1 的减碳效果较差,其规划结果难以兼顾整个规划周期。场景Ⅰ在各阶段碳排放量均为4 种规划场景中最多的情况,原因在于达到使用寿命的煤电机组仍被大量保留在系统中,以及缺少储能装置消纳新能源,仍需依靠传统高碳排的机组提供灵活性调节能力等。
图3 各场景下不同阶段碳排放量对比Fig.3 Comparison of carbon emissions at different stages in each scenario
电力系统低碳化转型意味着在较长一段时间内煤电机组应有序退役,本文充分考虑了机组退役给电力系统规划决策带来的影响并建立多阶段规划模型,在模型中考虑灵活性约束条件,伴随机组退役进行新能源扩容和储能投建规划,选取规划周期为15 a,充分考虑长时间尺度下煤电机组退役对电力系统规划产生的影响。基于IEEE 39 节点测试系统进行算例分析,该系统能使规划结果更加贴合未来大规模新能源并网的背景,并围绕储能投建对机组退役和电力系统碳排的影响,以及多阶段规划和整体规划方法对机组退役和电力系统碳排放量的影响进行分析。算例结果验证了碳排放政策以及煤电机组逐阶段的退役容量均会对新能源和储能规划结果产生影响,同时合理规划新能源和储能的投建也有利于煤电机组如期退役,从而实现电力系统低碳化转型。
附录见本刊网络版(http://www.epae.cn)。