“双碳”目标下工业清洁能源调度优化及排放管理分析

韦湘林

(佛山市经科清洁生产促进中心，广东 佛山 528000)

1 引言

合理、高效地开发利用新能源，是实现社会经济、工业产能可持续发展的根本前提[1]。近年来，国内工业产能能源过度依赖煤炭、石油等不可再生资源，造成区域生态环境严重污染，生物多样持续降低。随着国内“双碳”目标的提出，工业生产逐步确定以可再生绿色能源(风能、太阳能等)为主体目标，在实现低碳污染排放合理管理的同时，最大限度地提升社会经济、工业价值[2～4]。相比较当前，传统工业清洁能源调度优化多采用确定性随机组合方法，多以分析工业机组最优动能，实现工业设备运行成本、污染排放量优化的目标，如贾学法等[5]为解决清洁能源装机容量不足、消纳困难等一系列问题，提出了源网荷储,互补互动，科学管控“源—网—荷—储”互动运行,电源、电网、负荷和储能之间源源互通性，同时强化新能源智慧模块管理，实现清洁能源运行动态，优化可控的方式；在优化调度方式提出背景下，包育德[6]、辛禾[7]、潘嵩[8]等学者在能源“双碳”背景下，进一步综合考虑能源互补特性，提出分布式能源调度优化方式，一方面优化能源调度模型预测真实性，提升区域调度决策精准性，另一方面从多维度分析清洁能源耦合效益，优化工业弃能成本和经济效益；在上述基础上，为更近一步提升清洁能源分布式调度优化效果，刘洋等[9]提出大数据技术与粒子群算法协同优化调度方法，降低模型不稳定性，同时采用粒子群算法求解模型，得到最佳清洁能源协同优化调度方案，实现最大效益和最低成本的优化。上述学者们的优化调度方式效果显著，但在实际调度与模拟最优调度中仍易出现数据偏差[10]。在此背景下，为提升工业清洁能源调度决策精度，实现工业生态绿色、安全，本文在上述传统调度优化基础上，首先，通过约束概率降低实际偏差，以筛选清洁能源调度决策组合，构建预测模型分析工业清洁能源调度优化结果；其次，通过效益评估分析，选取“双碳”目标下最优清洁能源调度决策组合[11]；最终，以预测模型精度，制定合理的排放管理措施，实现工业生产区域生态环境绿色、安全。

2 工业清洁能源现状及问题

2.1 工业清洁能源重要性分析

根据国内能源部门相关数据表明[12]，当前，社会经济，工业、建筑业等行业能源需求量日渐增加，但受限于不可再生资源储量，导致能源可用总量逐年降低，同时各区域内不可再生资源挥霍严重，造成全球范围内CO2量剧增，生态环境问题、经济问题、健康安全等问题逐步显现，为此，以资源为核心生产力的工业企业必将进行新能源系统革命。相比不可再生能源，清洁能源资源具备可再生、适用范围广泛、无污染、高效、绿色环保等特性[13]，在“双碳”目标提出后，其逐步成为能源优化调度的重要目标和未来能源发展、利用和开发的主体目标。

2.2 现状分析

根据2013～2019年国内能源统计分析[14]，工业生产企业能源消费总量呈逐年上升态势，清洁能源占能源消费23.4%，呈稳步上升趋势，其中，风电能源同比增长14%，太阳能能源同比增长17.4%，表明近年来工业清洁能源使用量增加，一方面有效地落实了国家“双碳”战略目标，但另一方面工业清洁能源使用仍旧存在持续性不足等客观问题，为此，本文通过能源约束概率，以相关调度优化模型智能预判数据态势，进而制定绿色、智慧、高效、安全的工业清洁能源指挥调度、管理模式[15]。

2.3 基本问题探索

为进一步科学地分析工业清洁能源所存客观问题，实现清洁能源调度优化，本文以组合预测模型和协同调度进行系统分析：

(1)工业清洁能源中太阳能动能转化不足，致使工业产能降低，进而需通过目标预测模型协同策略，使能源互补集成，优化调度能源消费结构，以实现“双碳”目标，绿色节能减排目标。

(2)工业清洁能源单一使用协调性差、稳步定性不足、工业产能效率低下，需实现工业清洁能源有机结合，使能源一体化调度，以实现智能化管理模式优化、生态绿色管控和工业结构优化，实现工业能源低污染，高经济性。

3 工业清洁能源优化策略

3.1 清洁储能约束概率条件

工业清洁能源调度预测模型在分析中多以概率密度函数形式输出预测数据，故其模型预测值随机性难以避免，在此基础下，本文通过优化调度(平衡)可能出现的误差，以分析模型预测误差不确定性，提升清洁能源模型评估精准度和可靠性[16]。

在清洁能源约束概率条件下，由于工业能源不确定性在不同生产运行时间内表现不一，因此在预测过程中需规定风险指标(ε)安全阈值，便于能源约束概率对工业运行能源功率进行量化；其次能源功率量化后，以ε指标评估清洁能源调度优化系统可靠性。清洁能源约束概率风险指标如式(1)所示：

ε=P[r(a)≤Δd(a)]

(1)

式(1)中：f(x)表示需求误差的概率密度函数的近似函数；φ(r(a))表示调度子间隔t的累积分布函数；r(a)表示清洁能源需求。

3.2 清洁能源调度优化组合确定

3.2.1 多尺度协同调度结果分析

基于能源约束概率风险指标下，本文为研判模型预测误差不确定性，探索最优清洁能源调度优化组合，以多尺度协同调度分析清洁能源需求响应后负荷概率预测值，调度优化流程(图1)。通过图1可知，当响应后负荷和分布式低碳数据经优化调度VPP中心，分别以生产预测数据和能源调度方式实现绿色调度和效益最优目标，并通过调度优化使清洁能源风险指标达到阈值，以约束概率及多尺度协同降低误差不确定性，最终分析调度最优方式和最佳经济效益特征值分析。

多尺度协同调度特征值分析后，为使预测目标更接近真实值，同时为满足调度系统最优经济效益，本文模拟工业电力清洁能源协同优化进行相关结果分析，其目标函数如下所示：

(2)

(3)

(4)

通过调度优化函数可知，当工业机组热启动、最小允许停机时间均为最小时，机组的启停成本达到最优调度特征值；而当机组冷启动同程序停机时间为最大时，机组排放效益及经济效益达到最优调度特征值，表明当机组功率达到额定阈值，启动机组成本最优时，多尺度协同调度特征结果最佳。

3.2.2 清洁能源调度组合模型构建

经约束概率限定、多尺度协同调度优化下，本文以构建多尺度互补的清洁能源调度优化模型(见式(5))，该调度组合模型一方面解决了单一能源调度协调稳步性不足和效率低下的问题，另一方面提升了清洁能源系统运行安全性和整体经济效益性，同时有助于最大经济效益、碳排放效益的优化管理及清洁能源损耗监督调度等[17]。

图1 多尺度下清洁能源协同优化示意结果

工业清洁能源调度组合模型由多尺度互补系统组成，进而在运行过程时，调度优化模型需满足供需平衡约束调条件，如下以清洁电力能源为例：

(5)

式(5)中：φw、φpv、φgct分别表示wpp、pv、cgt的电量损耗率；ggc,t表示 MEHS系统购电量。

通过式(5)可知，多尺度模型构建时，需满足各模型单元约束概率阈值，及在调度运行过程时满足模型供需平衡，保证清洁能源需求响应后负荷、碳排放量优化调控(满足“双碳”目标)的最佳经济效益和生态环境效益。

在调度组合模型清洁能源供需平衡前提下，为优化调整调度决策模型运行参数、运行节点及清洁能源优化调度策略制定，本文尝试拟应用大数据处理清洁能源运行数据，结果表明，当模型调度优化后，其相关参数和调度指标、工业运行状态等参数偏差均降低，多尺度模型数据预测值更能接近真实值，其优化模型系统见式(6)：

(6)

式(6)中：da表示清洁能源的相关运行参数;dc(t)表示运行节点的延迟调度策略;dc表示清洁能源数据迁移；dt表示清洁能源执行代价；β(t)表示执行终止时间;da和dη分别表示计算时间和等待时间。

4 “双碳”目标下清洁能源优化效益评价

4.1 工业清洁能源优化效益评价体系

为系统、科学的实现多尺度清洁能源优化调度和区域生态环境安全管理，本文通过评价各尺度工业清洁能源指标数据构建效益评价体系。该评价体系着重以CO2排放特征值、经济效益(最大运营效益、最低弃能成本)和“双碳”目标下生态环境效益3个一级能源调度优化指标，并依据各指标特性定性和定量相结合原则进行分析，论证多尺度工业清洁能源耦合系统优化后的调度策略[18]。

4.2 效益综合评估方法

基于工业清洁能源调度优化评价体系，本文合理地构建了清洁能源分布式优化调度模型，能源调度优化目标以最大运营效益和最低弃能成本为主。

4.2.1 最大运营效益

本文工业清洁能源最大运营效益由4部分(Ca、Cb、Cc、Ce)共同组成，最大运营效益以各调度优化能源指标最优值相加，具体max目标函数如式(7)所示：

(7)

式(7)中：maxA表示最大运营效益。

4.2.2 最低弃能成本

由于工业清洁能源运行过程具有波动性特征，故工业安全生产系统稳定性不足，成本性增加，极易危害工业生产运营收益，为此，本文针对弃能成本函数进行调度优化，其优化表达式如(8)所示：

(8)

式(8)中：minB表示最小弃能成本；Ca、Cb、Cd、Ce分别表示机组效益、工业太阳能生成效益、蓄水能产生运行效益以及工业汽轮机所产生的电力效益。

综上，通过最大运营效益和最低弃能成本2个优化目标为基础，组建工业清洁能源协同优化调度效益模型，该模型约束条件及目标函数如式(9)所示：

(9)

由式(9)可知，当工业清洁能源运营效益最大，弃能成本最低时，清洁能源优化调度模型结果最优，产能效益最佳。同时本文按权重比例划分运营效益、弃能成本，分析能源运营效益及弃能成本最优解。

5 排放安全管理措施分析

5.1 推广“大数据”智慧管理措施

为优化管理工业清洁能源运营效益、弃能成本、稳定性及负荷带来的系列性问题，以落实国家“双碳”战略目标，优化工业区域、社会区域生态环境[19]，本文首先通过智慧管理模式实现分布式能源互补、网荷互动等协同交互形式，以协调不同类型清洁能特性，进而以大数据分析实现经济、安全的工业生产系统功率平衡，提升清洁能源利用效率；其次，应用“大数据”传感感知技术实现清洁能源约束概率阈值管理、生产设备安全预警、清洁能源周期管理和多尺度能源协调经济控制等功能，以系统、科学、多层次特性分析评估工业生产中清洁能源最低弃能成本和最佳运营效益[20]。

5.2 优化清洁能源方法结构，树立绿色减排理念

为积极落实国家“双碳”绿色储能目标，树立工企业绿色减排生态安全理念[21]，本文设计优化能源方法结构，实现清洁能源运营效益最大化和弃能成本最小化(图2)。由图2可知，多尺度能源经能源方法优化和能源平衡约束后，降低了工业碳排放效益；其次，优化技术特征、碳排放效益及经济效益经数据经建模分析，有助于优化能源系统结构，提高目标函数判定精准性，合理制定清洁能源排放管理策略，落实“双碳”目标。

图2 工业能源优化方法结构

6 结论

本文通过工业清洁能源调度优化3个阶段，实现了安全、高效的工业能源调度和排放管理措施设计，落实了国家“双碳”战略目标并保障了工业社会区域生态环境安全，得到以下相关结论：通过储能约束概率降低能源调度随机性误差；多尺度清洁能源系统建模后，各类型能源源源互补、源网协调，调度评估结果及经济效益优质；调度优化模型预测分析下，当清洁能源最大运营效益和最低弃能成本成反比，工业生产能源效益最佳，数据偏差最低。