基于可再生能源的碳捕集-电转气协同运行方法

杨建宾，谢丽蓉，宋新甫，李进卫，章攀钊，卞一帆

（1.新疆大学电气工程学院，新疆乌鲁木齐 830047；2.国网新疆经济技术研究院，新疆乌鲁木齐 830011；3.乌鲁木齐市达坂城海为支油风电有限公司，新疆乌鲁木齐 830039）

0 引言

“双碳”背景下妥善解决新能源和传统火电之间的矛盾，合理实现不同能源之间的相互耦合具有重要意义。区域综合能源系统（Regional Integrated Energy System，RIES）作为能源互联网的重要载体，在提高能源利用率、节能减排方面具有显著作用[1]。

碳捕集（Carbon Capture and Storage，CCS）技术为传统火电低碳运行提供了技术保障，其中燃烧后捕集技术以其结构简单、适应性强的特点得到广泛应用[2]。碳捕集机组较火电机组在负荷跟踪及调峰等方面更具优势[3-4]，目前协调CCS 能耗与机组产能的关系是CCS 技术发展过程中的关键一环[5]。文献[6]通过烟气分流与储液装置的协同作用实现了烟气处理与产能的解耦。文献[7-8]考虑可再生能源与火电机组的联合运行模式，在实现系统低碳运行的同时提高了可再生能源利用率。文献[9]指出在含CCS 的多源协调模型中考虑源荷不确定性有助于提升系统经济性。CCS 技术在有效降低火电机组碳排放量的同时产生了高昂的碳封存（Carbon Sequestration，CS）和运输成本，在碳捕集电厂（Carbon Capture Power Plant，CCPP）中引入电转气（Power to Gas，P2G）设备可平衡二者间的矛盾[10-12]。文献[10]建立CCS 与P2G 联合的循环运行系统，实现了二氧化碳的循环利用。文献[11]指出CCPPP2G 联合运行在提高风电消纳能力方面具有显著作用。文献[12]在综合能源系统中引入CCS 与P2G有助于减少系统碳交易成本，提升系统经济性。文献[10-12]虽然对CCS 装置和P2G 的运行机理进行了研究，但未充分挖掘可再生能源供能方式和渗透率对CCS 的影响，且对不同CCS-P2G 协调优化运行模式下系统的运行机理也有待进一步深入分析。

综上所述，本文针对传统CCPP 存在的强电碳耦合问题，提出基于可再生能源的CCS-P2G 协同运行方法。研究的创新点在于根据CCS 装置供能来源的不同分别对CCPP 出力进行刻画，并构建计及源荷不确定性的CCS-P2G 优化调度模型。利用改进的综合能源节点系统对系统的经济性、低碳性及综合评估指标进行分析，算例分析结果验证了所提系统的有效性。

1 碳捕集-电转气低碳综合能源系统

1.1 系统构成

本文构建了含CCPP、光热电站（Concentrating Solar Power Plant，CSPP）、P2G 设备的碳捕集-电转气低碳综合能源系统（CCS-P2G-Low Carbon Integrated Energy System，CCS-P2G-LCIES）。为重点分析CCS 装置与供能途径的关系，设定所有火电机组为CCS 机组。在CCS-P2G-LCIES 中，风电机组、CCPP是系统的核心供电部分，燃气轮机（Gas Turbine，GT）和CSPP 是传统的辅助供电设备。通过电网购电的方式以保障系统供电稳定性，为缓解CCPP 的CCS 能耗与产能之间的矛盾，采用可再生能源为CCS 供电。增设P2G 单元用于降低CCPP 内部的CS 及运输成本，且P2G 的供电全部由风电场和CSPP 承担。GT 和燃气锅炉（Gas Boiler，GB）作为热源供给热负荷，储热装置（Heat Storage Tank，HST）作为辅助设备保障供热的稳定性，电制冷机协助吸收式制冷机进行供冷。

1.2 系统设备出力模型

系统设备包括灵活综合运行模式下的CCPP，CSPP，P2G 等常规机组。其中灵活综合运行模式下的CCPP 包含烟气分流、储液装置2 部分，其在实现CCS 与产能的解耦方面有一定作用。CCPP 主要模型详见文献[4]，按照CCS 供能来源的不同，可分为CCPP 供能、可再生能源供能和可再生能源+CCPP供能3 类。

1.2.1 CCPP供能模型

CCPP 机组总出力由CCS 功率、固定功率和电厂净发电功率组成，其供能模型为：

1.2.2 可再生能源供能模型

CCS 功率全部由可再生能源提供，CCPP 承担基荷，完全实现了CCS 和CCPP 之间的解耦，其供能模型为：

1.2.3 可再生能源+CCPP供能模型

可再生能源参与协同CCPP 机组进行CCS 有助于增大CCPP 的出力空间，增加机组的调峰灵活性，其供能模型为：

常规机组中，气井、风电机组、常规火电机组以及GT，GB，HST，P2G 等设备建模可参见文献[13-14]，CSPP 设备建模参见文献[15]。

1.3 源荷场景生成

本文以新疆供暖季（10 月15 日—次年4 月15 日）的源荷数据为对象进行分析，利用蒙特卡洛抽样和同步回代法进行场景生成。

1.3.1 风光出力相关性

考虑同一区域临近风光电场出力相关性可以保证优化调度的合理性[16]，由于核密度估计采用历史数据对风光出力的概率分布进行拟合，具有更高的精准度[17]，因此本文采用自适应带宽的核密度估计。Copula 函数理论在多元随机变量的联合分布函数和其边缘分布函数之间建立联系可对变量的相关性进行描述[18]，本文选择Frank-Copula 函数表征风光出力的相关性。Frank-Copula 函数f的表达式为：

1.3.2 负荷自相关性

在综合能源系统中，负荷的随机性服从正态分布，其概率分布函数的表达式为：

为保证负荷典型场景选取的合理性，根据各负荷概率密度函数，利用蒙特卡洛方法进行场景生成并计算不同季节的时序自相关矩阵[19]，最后对时序自相关性矩阵进行Cholesky 分解[20]，消除随机抽样产生的时序自相关性影响。

2 CCS-P2G-LCIES优化调度模型

2.1 目标函数及成本

本文所提的基于源荷不确定性的CCS-P2GLCIES 优化调度模型以系统经济性最优为目标，其目标函数F为：

式中：U为场景总数；φu为各完备场景的概率；Fdev,u，Fcar,u，FIDR,u，Fbuy,u，Fpun,u分别为场景u下系统设备运维成本、阶梯碳交易成本、需求响应成本、购能成本和惩罚成本。

1）运维成本Fdev,u为：

式中：T为运行周期总时长，本文调度周期为24 h；分别为场景u下τ时刻风电机组运行功率、风电机组供给P2G 的功率、CSP 运行功率、GB 运行功率、P2G 单元运行功率、吸收式冷机运行功率、第k台GT 运行功率、第j台电制冷机运行功率；μW，μCSP，μGB，μP2G，μGT，μAb，μE_C分别为风电机组、吸收式制冷机、电制冷机以及CSPP，GB，P2G，GT 单元的运行成本系数。

2）阶梯碳交易成本Fcar,u：

本文采用免费配额的阶梯碳交易成本模型，假设电网购电全部来自火电机组，具体模型可参照文献[21]。

3）激励型需求响应成本FIDR,u为：

4）购能成本Fbuy,u为：

5）惩罚成本Fpun,u为：

2.2 约束条件及线性化处理

1）需求响应约束为：

2）电力功率平衡约束为：

其中，S的取值为1。

3）热/冷系统功率平衡约束为：

其中，式（13）、式（14）中S的取值分别为2，4。

4）天然气平衡约束为：

其中，S的取值为3。

5）电/热/冷/气节点潮流约束：

关于电、热、天然气潮流相关模型较成熟，文中不再赘述，具体建模可参照文献[22-23]。

6）CCS 电厂储液装置约束：

关于CCPP 储液装置约束的研究已相较完备，具体可参照文献[6]。

本文所提方法中共有2 处需要进行线性化处理，分别为：（1）式（1）涉及烟气分流比和CCPP 发电总功率的乘积项，需先转化为平方和的形式再利用分段线性化处理，具体方法可参考文献[21]；（2）式（9）中CCS 机组煤耗成本涉及平方项，可直接利用分段线性化进行处理。

2.3 模型求解及评价

本文利用MATLAB2018b 环境以CCS-P2GLCIES 总成本最小为目标，通过Yalmip 工具箱调用CPLEX 进行优化计算。CCS-P2G-LCIES 优化调度模型求解流程如图1 所示，其中m为运行模式，本文共划分6 种运行模式。

图1 CCS-P2G-LCIES优化调度模型求解流程Fig.1 Solving procedure for CCS-P2G-LCIES optimal scheduling model

由图1 可知，在CCS-P2G-LCIES 优化调度过程中，利用源荷历史数据构建完备典型场景，以能源价格、设备参数、节点网络数据为基础，考虑设备运行约束、潮流约束、能量平衡约束，求解出系统总成本最小时的设备出力及网络潮流。每种源荷数据（风、光、电、热、气、冷）通过场景生成的方式分别产生5 个典型场景及其对应的概率，按照每种源荷典型场景的概率对5 种场景进行排序并编号，并将各类源荷场景编号相同的场景划归为1 组。当各运行模式m下的所有典型完备场景均求解出最优值后，求解流程结束。

为全面客观的分析CCS-P2G-LCIES，依据求解结果采用综合能效、设备利用率、清洁能源利用率3个指标对系统进行评价，相关模型详见文献[24]。在此基础上，本文采用网络分析法-变异系数法的组合权重模型解决指标之间交叉影响导致权重计算失准的问题。

3 算例分析

3.1 算例介绍

本文采用改进的IEEE 39 节点测试系统、20 节点天然气系统[23]、44 节点热力系统[25]进行仿真。综合能源系统拓扑结构如图2 所示。

图2 综合能源系统拓扑结构Fig.2 Integrated energy system topology

由图2 可知，电力节点为黄色区域的数字1-39，热网节点为红色区域的数字1-44，气网节点为蓝色区域的数字1-20。2 台电制冷机、1 座风电场、上级电网、1 座CSPP 分别接在电力节点18，30，33，39上，3 台CCPP 机组分别接在电力节点31，34，35上，2 台GT 分别接在电力节点36 和38 上，2 台GB分别接在热网节点22 和44 上，气网节点1，2，5，8，13，14 为天然气气井，气网节点12 上配置的P2G 设备同时对应电力系统节点1。CCPP 中经CCS 得到的部分CO2供给P2G 设备，用于制取天然气。在仿真过程中，系统各节点的负荷大小按照参考文献[23]，[25]中的节点负荷比例进行分配。

综合能源系统拓扑结构中CCPP 机组相关参数如表1 所示。

表1 CCPP机组相关参数Table 1 Related parameters of units in CCPP

由表1 可知，对比CCPP 机组1—3 的相关参数，机组1 的碳排放强度最小，在运行构成中可优先安排其出力；机组2 最大出力值最高，可以降低用电高峰的电能外购压力；机组3 最小出力值最低，在用电低谷时段可以更好地响应负荷需求。由于机组煤耗成本主要受二次项系数和常数项的影响，在不考虑碳排放成本时应优先选择机组2 和机组3 供电。

当地的峰时电价为1.025 元/kWh（9:00—1:00；19:00—24:00）；谷时电价为0.25 元/kWh（1:00—8:00；15:00—16:00）；平段电价为0.75 元/kWh（12:00—13:00；17:00—18:00）。源荷典型场景如图3 所示。

图3 源荷典型场景Fig.3 Typical source-load scenarios

图3 中，图例括号中的数字为源荷各典型场景的对应概率，纵坐标单位均为归一化量值。

图3（a）中的风电出力集中在1:00—7:00 和21:00—24:00，与图3（c）中电负荷趋势相反，表现出了风电的反调峰特性。图3（b）中光伏出力主要集中在12:00—16:00，与实际光伏出力时段吻合。图3（d）中热负荷与图3（f）中冷负荷在趋势上呈负相关性，较好的展现出了热、冷负荷的需求特点。由于系统中的天然气主要用于供暖和供电，图3（e）中1:00—4:00 和用电高峰时段天然气需求量较大。综上，典型场景能较好展现源荷特征，与实际情况较为符合，表明典型场景选取具有合理性。

3.2 优化调度结果及指标分析

算例以新疆某区域的典型风光和负荷为基础，不同场景经济性最优为目标进行优化。为验证所提CCS-P2G-LCIES 的有效性，本文划分了6 种运行模式：（1）风电机组、火电机组联合为CCS 装置供能；（2）风电机组、CSPP、火电机组联合为CCS 装置供能[5]；（3）风电机组为P2G 设备供能，火电机组为CCS 装置供能[9]；（4）风电机组、CSPP 为P2G 设备供能，火电机组为CCS 装置供能；（5）风电机组分别为P2G 设备、CCS 装置供能；（6）风电机组、CSPP 同时为P2G 设备、CCS 装置供能，即本文所提CCS-P2GLCIES 所对应的考虑源荷相关性的运行模式。

3.2.1 优化调度结果分析

在不考虑用户侧需求响应的前提下，对比分析不同场景下的调度结果，从经济性、低碳性等角度验证本文所提CCS-P2G-LCIES 的优势，6 种运行模式下优化调度结果如表2 所示。

表2 6种运行模式下优化调度结果Table 2 Optimization scheduling results of six operating modes 元

由表2 知，运行模式2 中的CSPP 为CCPP 的CCS 设备供能，减弱了CCPP 的电碳耦合强度，在降碳的同时保证了CCPP 的供电能力，从而减少了系统的购电量，与运行模式1 相比，系统总成本下降37.1%，碳交易成本减少92.7%，验证了可再生能源在碳减排过程中的积极意义；运行模式3 在CCPP增设P2G 单元并利用风电制取甲烷，有效缓解了运行模式1 购气、CS、运输等成本高的问题；运行模式4 中CSPP 参与P2G 的供能，P2G 的运行可行域被拓宽，较运行模式3 可进一步降低系统碳排放；与运行模式1，2 相比，运行模式5，6 中CCPP 不承担为CCS 设备供能的作用，CCS 功率完全由风电、CSPP 提供，有效降低了CCPP 机组的燃料成本。综合对比6 种运行模式可知，提高系统可再生能源占比、引入P2G 单元、利用可再生能源代替CCPP 机组进行CCS 是实现系统的经济、低碳运行的重要举措。

3.2.2 综合评估指标分析

通过计算可得6 种运行模式的综合评估指标如表3 所示。

表3 综合评估指标Table 3 Comprehensive evaluation indexes for six operating modes

由表3 可知，运行模式1 中的CCPP 存在强电碳耦合且不考虑用户需求响应的作用，降低了系统的综合能效；与运行模式1 相比，运行模式6 在综合能效方面的优势相对突出；由于没有考虑CSPP的弃光惩罚，运行模式5，6 的光热出力相对较少，进而降低了系统的清洁能源利用率。综上，运行模式6 拥有更好的发展前景。

3.3 风光及负荷相关性分析

为验证考虑风光和负荷相关性场景生成的合理性，在运行模式6 的基础上根据是否考虑考虑风光和负荷相关性再划分出3 组对照运行模式：运行模式7，仅考虑风光相关性；运行模式8，仅考虑负荷相关性；运行模式9，不考虑源、荷相关性。为探究源荷相关性对系统运行的影响，分别从经济性及清洁能源利用率的角度进行分析。4种运行模式下，源荷相关性与系统经济性指标如表4 所示。

表4 源荷相关性与系统经济性指标Table 4 Indicators for source-load correlation and system economy

由表4 可知，运行模式7 在运行模式9 的基础上考虑了风光相关性，提高了清洁能源利用率，明显降低了弃风量。对比运行模式7，8，9 可知，单独考虑源荷任意1 侧的相关性均可提升系统经济性，但考虑源侧相关性更有益于降低系统碳排放量，提高系统经济性。综上，考虑系统源、荷之间的相关性关系有助于提高系统对可再生能源的消纳能力，降低系统运行成本。

3.4 可再生能源渗透率对系统的影响

可再生能源渗透率是可再生能源装机容量与系统最大负荷的比值[26]。为探究可再生能源渗透率对系统运行的影响，本文在可再生能源渗透率为10%～80%的区间内以5%的渗透率为步长对6 种运行模式下的系统进行分析。可再生能源渗透率与系统总成本关系如图4 所示。

图4 可再生能源渗透率与系统总成本关系Fig.4 Relationship between renewable energy penetration and total system cost

由图4 可知，与运行模式2—4 不同，运行模式1，5，6 对可再生能源渗透率区间有限制，其可行区间分别为是[30%，80%]和[20%，80%]。随着可再生能源渗透率的增加运行模式1—4 下系统CCPP 机组燃料成本、碳交易成本等成本快速减少。当渗透率超过50%时系统总成本缓步下降；当可再生能源渗透率小于60%时，运行模式5，6 的总成本受系统购能成本影响，下降趋势缓慢。

3.5 烟气分流比下限对系统影响

为验证不同烟气分流比下限对系统运行的影响，在0～0.65 的烟气分流比下限区间内以0.05 为步长对6 种运行模式的运行状况进行分析。烟气分流比下限与供碳量关系如图5 所示。

图5 烟气分流比下限与供碳量关系Fig.5 Relationship between lower limit of flue gas split ratio and carbon supply

由图5 可知，随着烟气分流比下限的提高，运行模式1 下储液装置和烟气供给的二氧化碳量同时增长，储液装置起主导作用；运行模式2—4 下来自烟气的二氧化碳量逐步增加，并占据主导；运行模式5，6 下二氧化碳主要源自储液装置。综上，运行模式5，6 有效地实现了CCS 与烟气的解耦，体现了CCS 的灵活性。

3.6 用户侧需求响应对系统经济性影响

用户侧需求响应与系统经济性关系如图6 所示。

图6 用户侧需求响应与系统经济性关系Fig.6 Relationship between user side demand response and system economy

由图6 可知，在需求响应的作用下用户侧通过负荷转移、负荷代替、负荷削减等方式主动参与负荷调节，在实现负荷削峰填谷的同时提高了可再生能源利用率。需求响应过程中CCS 的出力空间增加，购能需求下降，提高了系统的运行经济性和低碳性，验证了需求响应在CCS-P2G-LCIES 中的积极作用。

4 结论

针对传统碳捕集电厂存在的强电碳耦合问题，建立CCS-P2G-LCIES。通过对比6 种运行模式下系统的运行状况，验证了本文所提模型的有效性。主要结论如下：

1）可再生能源取代CCPP 机组供给CCS，有助于实现CCS 与CCPP 产能之间解耦，拓宽系统对烟气分流比下限的适应范围，提升系统经济性。

2）利用可再生能源进行CCS 对系统可再生能源渗透率的要求较高，但当渗透率超过60%后会影响系统经济性。