考虑碳交易影响风电消纳的综合能源系统优化运行

陈 曦，袁梦玲，王 松，穆静霞，彭泓华，王 悠

(1.重庆理工大学 电气与电子工程学院， 重庆 400054； 2.国网重庆市电力公司， 重庆 400015；3.重庆工程职业技术学院， 重庆 402260)

降低CO2的排放量对解决全球平均气温升高的问题有至关重要的作用，我国做出了“力争2030年前实现碳达峰，2060年前实现碳中和”的重要承诺。中央财经委员会第九次会议强调，将在“十四五”期间实施可再生能源替代行动，构建以新能源为主体的新型电力系统。电力行业产生的CO2占全国碳排放量的40%，发展低碳电力是实现碳达峰、碳中和的重要手段和必然趋势[1-3]。

提高清洁能源的利用率是实现低碳电力的关键。风能是一种无污染、资源丰富的能源，尽管我国风电装机容量持续增加，但风电消纳问题仍是制约低碳电力发展的重要原因。综合能源系统致力于整合区域内的多种能源，实现各个子系统之间的协调规划和优化运行，是提高清洁能源利用率和降低碳排放量的重要应用场景[4-6]。陈沼宇等[7-8]通过在系统中引入电转气(power to gas,P2G)装置减少弃风率；李宏仲等[9]引入储能装置，利用提高机组灵活性来增加风电消纳率；崔杨等[10]根据华北地区地热丰富特点，通过引入地源热泵增加了风电上网空间。上述文献通过加大能源之间的耦合转换程度提高风电消纳能力，提高了区域综合能源系统的低碳程度，但运维成本也随之增加，系统运行中低碳性和经济性之间的矛盾凸显。

在能源低碳转型的宏观背景下，碳交易机制的引入赋予了碳减排经济价值。目前已有学者将碳交易机制引入电力系统规划应用中。钟嘉庆等[11-13]在电厂能源规划模型中引入碳交易机制，分析了碳交易机制对含风电电力系统可靠性的影响。卫志农等[14]将碳交易引入到电-气综合能源系统中，证明了引入碳交易机制会对系统运行状态产生影响，且在一定程度下减少碳排放量；崔杨等[15-17]在之前基础上构建了奖惩阶梯型碳交易模型，与传统碳交易模型对比，新型碳交易模型低碳效果更好。以上研究表明：通过引入碳交易模型可以缓和低碳性和经济性之间的矛盾。

综上，目前的研究鲜有将碳交易引入含风电等可再生能源的综合能源系统中，同时，没有分析碳交易影响风电消纳的原理。因此，文中考虑P2G、电锅炉和碳交易的综合能源系统低碳经济优化模型，具体工作包括：搭建含P2G和电锅炉的综合能源系统模型，通过加强多能耦合转换来提高风电消纳能力；然后引入免费碳排放配额和阶梯型碳交易，构建以运行成本、维护成本和环境成本之和最小为目标函数的综合能源系统模型，在兼顾系统运行中经济性和低碳性的情况下求得最优解；最后通过粒子群优化细菌觅食算法在4种场景下对优化模型进行求解，分析风电消纳率、系统运行成本和污染物排放量，综合判断构建模型的有效性和合理性。

1 考虑碳交易影响风电消纳的综合能源系统模型构建

综合能源系统是一种整合区域内多种能源，实现各个子系统之间的协调规划和优化运行，提高清洁能源利用率和降低碳排放量的重要应用场景。包括源端、耦合转换环节及负荷侧3部分。源端通常包括风力发电、燃气轮机等分布式能源。为提高风电消纳并满足系统内多元化用能需求，系统中包含多种能源转换设备和储能设备。如图1所示。

图1 综合能源系统框架

1.1 考虑P2G和电锅炉的综合能源系统模型

风能是一种清洁、无污染的能源，虽然我国大力开发风电，但由于风电具有反调峰特性，导致部分时段弃风问题严重。如在北方地区的冬季夜间，由于用电处于低谷，而风电出力和热负荷均为高峰时段，常常为满足系统热负荷需求，强迫燃气轮机在电负荷低谷期间高强度运转，从而影响风电消纳率。

为解决上述问题，在构建综合能源系统模型时引入了P2G和电锅炉设备[10]。P2G可以将电能转换为天然气或者氢气等可燃气体，实现将多余的风电通过转换后进行储存。电锅炉机组可以将电能转化为热能，同时增加电负荷并且分担燃气轮机的供热任务，达到减少燃气轮机电出力，促进风电消纳的目的。利用P2G和电锅炉促进风电消纳的综合能源系统运行原理如图2所示，其中燃气机组最小电出力曲线和最大电负荷曲线之间的阴影空间为风电最大消纳能力。

图2 P2G和电锅炉提高风电消纳空间原理

1.2 考虑碳交易的综合能源系统模型

1.2.1碳交易成本计算模型

碳交易是通过将碳排放量变为商品，建立合法的碳排放权并允许对其进行买卖，实现控制碳排放量减少的交易机制[18-19]，具体运行流程如图3所示。

图3 碳交易运行流程框图

生态环境管理部门以综合能源系统园区为单位，根据各个单位提供的发电数据对其进行配额免费分配。当排放源的碳排放量超过分配额，就需要从碳交易系统购买超出的部分。反之，当排放源的排放量低于分配额，就可以将剩余额度放入碳交易系统进行售卖而获得收益。

风力发电过程中不产生CO2,为了使系统优先使用风电从而提高风电消纳水平，将风机发电量计入免费碳排放分配额模型中，通过提高风力发电的经济性提高风电消纳[20-21]。由于目前我国的发电机组仍以火力发电为主，其发电量占总发电量的70%，因此，大量使用外购电力仍不能解决供电清洁低碳的问题。为减少综合能源系统外购电，本文在构建的系统中使用外购电力需要购买碳排放权。

免费碳排放额计算模型中包含风电、外购电力、燃气机组，具体公式如下所示。

DC=Dbuy+Dg+DPW

(1)

Dbuy=ηPbuy

(2)

Dg=γh1[(μPGT+HGT)+HGB]

(3)

DPW=ηPW

(4)

式中：DC、Dbuy、Dg、DPW分别表示总的碳排放额度、电网购电、燃气机组、风电对应的免费碳排放额度;Pw表示风力发电功率；Pbuy表示向电网的购电功率；η表示单位发电量碳排放配额,取0.799 t/(MW·h);PGT、HGT表示燃气轮机的发电、发热功率；HGB表示燃气锅炉的发热功率；γh1表示单位发热量的碳排放额度，取0.065 t/GJ;μ表示发电量折算为发热量的折算系数，取6 MJ/(kW·h)。

实际碳排放源中存在外购电力和燃气机组2个碳排放源。公式如下。

Ep=Eg+Ebuy

(5)

Ebuy=τPbuy

(6)

Eg=γh2[(μPGT+HGT)+HGB]

(7)

式中：EP、Eg、Ebuy表示总的实际碳排放量、燃气机组、电网购电对应的实际碳排放量；γh2表示单位发热量的实际碳排放量，取0.102 t/GJ[19]；τ表示电网购电单位电量的实际碳排放量，取1.08 t/(MW·h)。

为了进一步控制碳排放总量，本文将碳排放量分为6个区域，建立阶梯型碳交易模型。并引入惩罚系数α(碳交易价格增长幅度)，使碳交易价格以惩罚系数依次增长。当碳排放量越大时，碳交易成本越高，从而限制碳排放量的增长，公式如式(8)所示。

(8)

式中：FCO2为碳交易成本；c为市场上碳交易价格，碳交易价格受碳减排政策和交易市场影响，一般在120～280元之间，文中取200元；α为区间碳交易价格增长幅度，取 25%；L为碳排放量区间长度，取80 t。

1.2.2碳交易促进风电消纳原理

碳交易促进风电消纳的原理如图4所示。其中燃气轮机最小出力和供热设备最大出力之间的阴影空间是风电最大消纳能力。

图4 碳交易促进风电消纳空间原理示意图

在综合能源系统中引入P2G和电锅炉机组后，使系统具有更好低碳性的同时也增加了维护成本。

为了解决系统低碳性和经济性之间的矛盾，本文将碳交易引入综合能源系统的优化运行建模中。由式(8)可知，当碳分配额度大于实际碳排放额时，系统可获得碳收益，分配额度越大，碳收益越多，则系统运行总成本越低，减轻了系统的经济压力。为激励系统获得更多的碳分配额度，系统优先使用风电，燃气轮机机组出力减少,燃气锅炉和电锅炉热出力增加以满足系统热负荷需求。

1.3 目标函数

为进一步提高清洁能源利用率和系统运行的低碳经济性，本文搭建含P2G和电锅炉的综合能源系统模型，并在此基础上引入碳交易模型。考虑一天24 h的综合能源系统调度问题，在运行过程中，不仅有CO2排放，还有SO2和NOx的排放，为了减少系统在运行中对环境的污染，因此本文以维护成本、运行成本和环境成本之和最小为目标函数，公式如下。

(9)

(10)

(11)

FEN=FCO2+FNS

(12)

(13)

式中：FIES表示总成本；FCM为运维成本；FCD为运行成本；FCO2为碳交易成本；FNS表示排放氮硫化物费用；FEN为环境成本(包括碳交易成本和排放氮硫化物成本)，单位均为元；N为设备类型；Cn为单位出力的运维成本系数；Pn(t)为机组出力大小；CP、CG分别表示购电、购气价格；Gbuy(t)表示单位时间内系统向天然气网购买的气功率，单位为kW；βr表示污染物治理费用；R为污染物种类；Er表示单位出力的污染物排放量。

2 系统运行约束

2.1 功率平衡约束

综合能源系统中电-热-气3个子系统运行时需要满足功率平衡约束条件，其公式表示为：

PW(t)+Pbuy(t)+PGT(t)=

Pload(t)+PP2G.in(t)+PEB.in(t)+Pbat(t)

(14)

GP2G(t)+Gbuy(t)=GGT.in(t)+GGB.in(t)+

Gload(t)+Gbat(t)

(15)

HGT(t)+HGB(t)+HEB(t)=Hload(t)

(16)

式中：PW(t)、PGT(t)表示风力、燃气轮机在单位时间内的实际出力；PP2G.in(t)、PEB.in(t)表示P2G和电锅炉单位时间内消耗的电功率；GGT.in(t)、GGB.in(t)表示燃气轮机、燃气锅炉单位时间消耗内的气功率；HEB(t)表示电锅炉单位时间内产生的热功率；Pbat(t)、Gbat(t)表示储能设备的充放功率；Pload(t)、Hload(t)、Gload(t)表示系统的电、热、气负荷需求，单位均为kW。

2.2 转化设备约束

系统中所有能源转换设备均满足上下线约束，其公式表达如下：

(17)

2.3 储能设备约束

储能装置的数学模型如式(18)，为了保证储能设备的正常运行，需要对储能设备充放上下限功率约束，储能负荷状态上下限约束，还要保持每日始末剩余储能容量一致：

(18)

Ex(0)=Ex(T)

(19)

(20)

(21)

3 基于粒子群-细菌觅食算法的综合能源系统优化运行

3.1 粒子群-细菌觅食算法原理

细菌觅食算法(biomimicry of bacterial foraging optimization，BFO)是模仿大肠杆菌在人体肠道中寻找营养源行为的一种新型算法，通过不断更新趋化、聚集、复制和迁徙4个步骤更新细菌的位置，局部搜索能力比较强，但收敛速度较慢。粒子群算法(particle swarm optimization,PSO)是模仿鸟类在捕食过程中鸟群之间信息交流和共享行为的一种算法，能以较快的收敛速度逼近最优解，但容易陷入局部最优。针对综合能源系统的优化运行问题，本文考虑将以上2种算法结合，形成粒子群-细菌觅食算法(PSO-BFO)，利用粒子群算法为细菌的趋化操作提供方向性指引，增强算法的收敛速度和局部搜索能力，因此粒子群-细菌觅食算法的更新公式如式22所示。

(22)

式中：Vi表示粒子的速度；Xi表示粒子的位置；pbesti表示个体极值；gbesti表示全局极值；c1、c2表示学习因子；w表示惯性权重；P(i,m,n,M)表示粒子i在第m次趋化性操作，第n次复制操作和第M次迁徙操作后的函数值；c(i)表示步长。

3.2 粒子群-细菌觅食算法流程

针对综合能源系统优化运行问题，基于粒子群-细菌觅食算法流程如图5所示。

图5 细菌觅食-粒子群算法流程框图

主要步骤设计如下：

步骤1获得综合能源系统中负荷参数及能源设备参数等，确定PSO-BFO算法中初始参数：细菌规模数N、迁移次数Ned、繁殖次数Nre、趋化次数Nc、游动次数Ns和迁移概率Ped。

步骤2初始化设备初始运行状态及综合能源系统的运行成本，并用式(22)更新机组的出力情况。

步骤3进行迁徙、繁殖、趋化3层循环，并利用粒子群算法为粒子更新速度和位置。

步骤4当迭代次数达到最大值时，比较系统运行费用是否优于初始值，否则转向步骤2。

步骤5输出综合能源系统的最佳运行方案，及最小运行费用。

3.3 算例分析

文中综合能源系统园区的各能源转化设备的运行参数如表1所示。储电、储气设备的运行参数如表2所示；园区中有电、热、气负荷，数据参考文献[7]；园区中存在向外购电和购气，其中购气上限为2.5 MW，价格为1.5元/kW·h;购电上限为1.5 MW，电价采用分时电价，低谷(22∶00～7∶00)时电价为0.6元/kW·h，高峰(11∶00～15∶00)时电价为1.6元/kW·h，平谷(19∶00～21∶00)时电价为1.2元/kW·h。系统中电网购电和燃气机组存在SO2和NOx的排放，其相关数据如表3所示。

表1 设备运行参数

表2 储能设备参数

表3 氮硫化物排放相关数据

为对本文提出考虑碳交易影响风电消纳的综合能源系统模型的风电消纳效果和低碳性进行分析评估，构建了4种典型的综合能源系统典型运行场景进行求解分析，分别是：① 不引入P2G、电锅炉和碳交易模型；② 引入P2G和电锅炉，不引入碳交易模型；③ 引入碳交易模型，不引入P2G和电锅炉；④ 引入P2G、电锅炉和碳交易模型。

3.3.1综合能源系统风电消纳分析

4个场景的风电出力情况如图6所示。

图6 风电出力直方图

由图6可知，场景1因为没有采取提高风电消纳措施，所以其风电浪费严重；场景2、3分别引入电锅炉、P2G和碳交易机制，均能有效提高风电的利用率，其中，场景2的风电消纳能力高于场景3；场景4同时引入电锅炉、P2G和碳交易机制，园区中的风电利用率大幅度提高且几乎不存在弃风现象。通过对比，在综合能源系统中增加机组优化配置和引入碳交易均能有效提高风电消纳能力。

3.3.2环境影响对比

大电网、燃气轮机和燃气锅炉工作时均会产生SO2、NOx、CO2污染物，将其整理后如表4所示。可知，场景2、3、4比场景1的污染物排放量均大幅度下降，证明了所构建模型的环保性；其中场景2和场景4引入了碳交易模型，CO2排放量下降明显，说明碳交易模型能使系统具有更佳的低碳性。

表4 各场景污染物排放量

3.3.3成本比较

通过仿真分析，各个场景运行成本如表5所示。从表中可以看出，场景2、4的维护成本相对场景1有所上涨，原因是增加了机组设备从而使维护成本上涨。但场景4由于引入了碳交易模型从而获得了碳收益，总成本明显下降，说明该模型具有良好的经济性。

表5 各场景系统运行成本

3.3.4碳交易价格对系统中机组运行的影响

碳交易价格会影响系统的调度结果，从而影响系统的风电消纳情况。风电消纳率随碳交易价格变化的情况如图7所示，碳交易价格影响用电设备(P2G和电锅炉机组)用电情况的变化如图8所示，碳交易价格影响燃气机组(燃气轮机和燃气锅炉)用气情况的变化如图9所示。

图7 风电消纳受碳交易价格的影响曲线

图8 碳交易价格影响P2G和电锅炉用电量的变化曲线

图9 碳交易价格影响燃气机组用气量的变化曲线

由图7～9可知，风电消纳率随着碳交易价格的增长而增长。当价格变化在0～70元时，风电消纳率增长较快，且P2G用电量和燃气机组的用气量明显增加。因为P2G将多余的风电转换为天然气，提供了风电利用率，同时为燃气机组提供了气源，使其出力加强。当价格变化在80～250元时，风电消纳率增加较缓慢，P2G的用电量和燃气机组的用气量逐渐降低，电锅炉的用电量增加明显。因为此时碳交易价格较高，为增加更多的碳收益，系统减少燃气机组出力，因此天燃气需求减少，从而使P2G机组出力减少。为满足系统热负荷需求，电锅炉出力增加，同时消耗多余风电为其提供上网空间。当碳交易价格超过250元后，系统无弃风现象且机组运行状态变化不明显。

3.3.5算法比较

为证明粒子群优化细菌觅食算法的优越性，将粒子群算法、细菌觅食算法和粒子群优化细菌觅食算法3种算法的迭代过程进行比较，如图10所示。由迭代曲线可知PSO-BFO算法的迭代过程最快，且得到的解最优，因此粒子群优化细菌觅食算法的应用效果最好。

图10 不同算法的迭代过程

4 结论

为解决综合能源系统规划运行中清洁低碳性与经济性的矛盾，将P2G、电锅炉装置引入综合能源系统模型的构建中，探讨了碳交易对风电消纳率的影响，并将粒子群优化细菌觅食算法应用于综合能源系统运行分析中。通过对4个典型综合能源系统场景的分析求解可知：考虑碳交易影响风电消纳的综合能源系统能有效平衡经济性和低碳性，不同的碳交易价格对综合能源系统的容量配置和系统运行风电消纳率产生影响。结果可为综合能源系统业主的规划运行以及地方能源和生态环境管理部门提供决策参考。