基于燃气轮机富氧辅助供能的风电耦合化工系统容量优化配置

渠敬河， 刘新刚， 赵洪峰， 罗勋， 杨鹏程， 李海峰

(1.新疆大学电气工程学院， 乌鲁木齐 830017； 2.中国能源建设集团新疆电力设计院有限公司， 乌鲁木齐 830001)

在“碳达峰”和“碳中和”战略目标下，全球范围内能源及产业发展低碳化趋势已经形成，中国也提出了“2030年前实现碳达峰，2060年前实现碳中和”的双碳目标[1]。近年来中国现代化工产业飞速发展带动了国民经济，同时也导致了对氢气需求的急剧增加[2]。但目前化工企业所需要的氢气主要来自化石能源，产生氢气的同时伴随有大量CO2的排放，这是中国实现双碳目标的一大障碍。因此，清洁的氢气来源具有减少碳排放的巨大潜力。当前利用新能源电解水制“绿氢”技术已经成为近年来被广泛关注的热点[3]，通过电解水制氢不仅可以解决化工产业CO2排放高等问题，还可以充分提高可再生能源的利用小时数[4]。双碳目标下，为了减少化工产业CO2的排放，利用可再生能源制取“绿氢”代替传统化石能源制取氢气已经成为必然趋势[5]。

当前大多数研究中，电解水制氢常被作为一种能量储存形式[6-8]，在电力富余的情况下转化为氢气进行存储，供电存在缺额时利用燃料电池将氢能转化为电能，将制取的氢气直接应用到化工产业的并不多。文献[9-11]利用可再生能源电解水制取的氢气作为煤化工的原料提高碳氢比，有效地降低了CO2的排放。文献[12]为缓解可再生能源弃电率高的问题，利用电解水制取氢气应用到合成氨企业，增加了系统绿色氢气的份额，同时降低了运营成本。以上文献分析中，所研究的场景对氢气的需求大多处于平稳状态。然而，像炼化这种化工企业因为受原油处理质量、催化剂活性等影响导致对氢气的需求呈现波动状态[13]，因此，协调处理好可再生能源出力的短期不确定性和氢负荷需求的长期波动性问题，对新能源和化工产业的耦合至关重要。

风机出力存在不确定性，燃气轮机具有响应速度快的特性，在发电侧加入燃气轮机富氧燃烧辅助供能可以有效平抑风电短期出力的不确定。目前，富氧燃烧与碳捕集相结合技术相关学者已经进行了初步的探索。文献[14]将富氧燃烧技术引入电-气-热综合能源系统中，并对综合能源系统的低碳调度进行了分析。文献[15]在系统中引入了空分制氧技术，但制氧成本较高。文献[16]构建的风氢低碳能源系统中利用电解水副产物氧气实现燃气轮机的富氧燃烧，然后利用膜分离法捕集CO2，但当前制膜成本较高，规模化制备CO2分离膜仍面临巨大挑战。

基于以上问题，现以满足化工用氢为主要目的构建基于燃气轮机富氧辅助供能的低碳能源系统模型。该模型利用储气罐的充放实现能量转移，以满足发电侧出力的波动和氢气需求之间的平衡，为提高系统供电的可靠性引入燃气轮机富氧辅助供能，并利用液化天然气(liquefied natural gas，LNG)的冷能和压缩机实现CO2低温液化压缩捕集。

1 LCES结构模型

图1给出了以供氢为主的低碳能源系统(low carbon energy system based on hydrogen supply，LCES)架构，其中供能系统包括风电机组(wind turbine，WT)、燃气轮机(gas turbine，GT)；耗能部分包括电解槽(electrolytic cell，EC)、碳捕集(carbon capture，CC)；储气系统包括储氢罐(hydrogen storage tank，HT)、储氧罐(oxygen storage tank，OH)。LCES发电侧风能和液化天然气作为能量来源，将能量提供给电解槽产生氢气，以满足工业用氢需求。其中风电机组为核心供能部分，燃气轮机在富氧燃烧下辅助供能，排放的CO2被碳捕集设备捕获，如果存在电力富余将转化为氢能存储在储氢罐中。

图1 低碳能源系统架构Fig.1 Architecture of low carbon energy system

2 各子系统等效模型

2.1 WT模型

风电机组出力与系统的装机容量和出力系数有关，其出力模型表示为

PWT=μWTPWT,max

(1)

式(1)中：PWT为风机出力；μWT为风电出力系数，表示风电输出功率占额定功率的比例；PWT,max为风机的额定功率。

2.2 GT模型

燃气轮机具有响应速度快的特性，在富氧燃烧的情况下为系统供能，为该系统的辅助供能设备。其气-电转换关系式为

PGT=ηGTHgasfgas

(2)

式(2)中：PGT为燃气轮机的出力；ηGT为燃气轮机的发电效率；fgas为燃气轮机消耗的天然气流量,m3/h；Hgas为天然气燃烧热值，为了便于分析，热值用千瓦表示，取9.301 9 kW·h/m3。

2.3 EC模型

电解槽是实现风电与化工系统耦合的核心设备，选用PEM电解槽，其具有能效高、产氢浓度高等特性。产氢流率与功率输入关系为

fEC,H2=PEC,inηECλ

(3)

氧气的流率可表示为

fEC,O2=0.5PEC,inηECλ

(4)

式中：fEC,H2为电解槽制氢流率；fEC,O2为电解槽制氧流率；ηEC为电解槽电解效率；PEC,in为电解槽的输入功率；λ为每度电电解水生成的氢气量。

2.4 CC模型

采用的CO2低温液化压缩捕集技术的冷能来源于LNG，可以省去制冷设备的投资和能耗，实现低成本的碳捕获。液化压缩捕集原理如图2所示。

燃气轮机富氧燃烧后烟气的主要成分为CO2和水，经过干燥脱水后烟气中的CO2浓度可达到95%以上，利用LNG冷能和压缩装置容易实现CO2的加压液化捕获，压缩捕集装置能耗为

PCC=ηCCfCC,CO2PCC,in

(5)

式(5)中：PCC为压缩捕集耗能；fCC,CO2为燃气轮机富氧燃烧后CO2流入捕集设备的流率；PCC,in为压缩捕集单位体积CO2所需的能耗，0.07 kW·h/(kg CO2)；ηCC为碳捕集率，本系统设定碳捕获压力设定为2 MPa，此时的碳捕集率为94.8%。

3 LCES容量配置方法

3.1 优化目标

以LCES中的供能模块(WT、GT)、储气模块(HS、OS)以及耗能模块(EC、CC)的容量为决策变量，考虑各设备的相关约束条件，建立以系统的等年值总费用Ftotal最小的优化模型，该模型包括系统的投资费用和操作费用，可表示为

minFtotal=Finv+Fope

(6)

式(6)中：Finv为各设备的等年值投资费用；Fope为系统的操作费用。后者主要包括系统中各个组件在一年内设备维护费用和购买天然气成本以及CO2的存储费用。

3.1.1 设备投资成本

FWG,inv=QWTCWT,cap+QGTCGT,cap

(7)

FHO,inv=QHSCHS,cap+QOSCOS,cap

(8)

压缩设备的投资与压缩比和压缩效率，以及工质入口的流量相关，耗能部分投资成本表达式为

(9)

(10)

式中:FWG,inv、FHO,inv、FCE,inv分别为供能模块、储气模块和耗能模块的投资成本等年值；QWT、QGT、QEC、QHS、QOS分别为各设备的容量；CWT,cap、CGT,cap、CEC,cap、CHS,cap分别为各设备的单位容量的投资价格；ηc为压缩效率，取63%；βc为单级压缩比；fCC,CO2为进入压缩设备的CO2流率；r为折旧率，取10%；L为设备的使用年限，取20年。

3.1.2 系统操作费用

Fope=Fope,run+Fope,buy+Fope,tra

(11)

式(11)中:Fope,run、Fope,buy、Fope,tra分别为设备的运行维护费用和购买天然气以及CO2存储费用。

Fope,run=FWG,invλWG+FHO,invλOH+FCE,invλCE

(12)

(13)

(14)

式中:λWG、λOH、λCE分别为供能模块、储气模块和耗能模块运维成本占单位投资成本的比例系数；Cg、Cc分别为购买天然气价格和CO2的存储价格，LNG价格取5 000 元/t，气化率为1 400，CO2运输价格为0.19 元/m3；Cgas、CCO2分别为天然气的需求量和CO2的存储量；Δt为所设时间间隔；k为时间段，k∈[1,K]。

为了评价风电在该系统中的出力情况，定义风电机组发电量占发电侧总发电量的比例为可再生能源渗透率θ，表示为

(15)

为衡量可再生能源风电弃电情况，弃风率φ表示为

(16)

式(16)中：PWT,ab为弃风量。

3.2 约束条件

低碳优化配置模型的约束条件主要包括功率平衡约束、氢氧平衡约束、设备出力约束、储气约束和CO2压缩捕集约束，具体分析如下。

3.2.1 功率平衡约束

PWT(k)+PGT(k)=PEC,in(k)+PWT,ab(k)+PCC(k)

(17)

3.2.2 氢氧平衡平衡约束

fH2(k)=fEC,H2(k)+fHS,out(k)

(18)

fO2(k)=fEC,O2(k)+fOS,out(k)

(19)

式中：fH2和fO2分别为氢负荷与燃气轮机富氧燃烧所需要的平均氢气流率和氧气流率；fHS,out为储氢罐供给氢负荷的平均氢气流率；fOS,out为储氧罐供给燃气轮机的平均氧气流率。

3.2.3 设备出力约束

0≤PWT≤PWT,max

(20)

0≤PGT≤PGT,max

(21)

0≤PEC≤PEC,max

(22)

0≤PCC≤PCC,max

(23)

式中:PWT,max、PGT,max、PEC,max、PCC,max分别为风机、燃气轮机、电解槽和压缩捕集设备的额定功率。

3.2.4 储气系统约束

为了避免储气罐的流率过大，其输入流率和输出流率不应超过其最大流率限制，且在任意时刻储气罐不能同时输入气体和输出气体，即

0≤fi,in(k)≤δinfmax

(24)

0≤fi,out(k)≤δoutfmax

(25)

δin+δout≤1

(26)

式中:fmax为储气设备的最大允许流率；i为储氢罐和储氧罐；δin和δout为0～1变量，用来表征储气设备充放气过程不会同时发生。

EH2(k)=EH2(k-1)+fHS,in(k)Δt

(27)

EO2(k)=EO2(k-1)+fOS,in(k)Δt

(28)

fHS,in(k)=fEC,H2(k)-fH2(k)

(29)

fOS,in(k)=fEC,O2(k)-fO2(k)

(30)

(31)

(32)

SOCmin≤EH2/QHS≤SOCmax

(33)

SOCmin≤EO2/QOS≤SOCmax

(34)

式中:EH2和EO2分别为储氢罐和储氧罐存储的气体量；fHS,in和fOS,in分别为储氢罐和储氧罐进气流量；SOCmin和SOCmax分别为储气设备荷电状态的最小值与最大值。

3.2.5 碳捕集设备约束

fCO2(k)=fGT,CO2(k)-ηCCfCC,CO2(k)

(35)

0≤fCC,CO2(k)≤fGT,CO2(k)

(36)

(37)

式中：fCO2为燃气轮机实际排入空气中的量；fGT,CO2为在燃气轮机富氧燃烧条件下所排放的CO2总量；为了符合系统低碳思想，将碳排放率限制在0.05以下。

4 算例分析

4.1 基础数据

以西北某地区的实际数据为例，对LCES进行容量优化配置。图3为该地区年风电标幺化数据，图4为某石油炼化企业年氢气需求特性曲线。各设备单位造价、运维成本占单位投资成本比例系数如表1和表2所示。在分析中，考虑到风电出力随机性，以及氢负荷短期稳定和长期波动特性，选取以6 h为间隔对数据进行平均，即Δt=6，则k∈[1,1 460]。

图3 风电年出力曲线Fig.3 Annual output curve of wind power

图4 工业用氢需求曲线Fig.4 Industrial hydrogen demand curve

表1 风机、燃气轮机和电解槽相关参数Table 1 Relevant parameters of fan, gas turbine and electrolytic cell

表2 储气设备相关参数Table 2 Relevant parameters of gas storage equipment

4.2 场景描述

为了阐明所提LCES经济性及储气系统的协同调节作用，采用3个不同的场景对模型进行数据分析，场景分类见表3。所建立的容量优化配置模型属于混合整数线性优化问题，通过CPLEX优化求解器和YALMIP工具箱进行求解，求解流程如图5所示。

表3 场景分类Table 3 Scene classification

4.3 仿真结果分析

表4给出3种不同场景下的等年值总费用和各组件装机容量优化配置结果。通过对场景1和场景3分析对比可知，场景1的等年值总费用是场景3的2.18倍，这是因为该系统是以供氢为主，而负荷侧对氢气需求存在波动性，当装设储氢罐时可以缓解负荷侧氢气需求的波动，从而减少发电侧供电设备的装机容量，进而减少了系统总投资。场景3在装设储氧罐的情况下，与场景2相比，系统的总成本降低了8.3%，风电装机、燃气轮机、电解槽、储氢罐和碳捕集的容量相较于场景2分别减少了3.4%、36.3%、13.2%、20.7%和36.4%，其中燃气轮机和碳捕集装置变化最明显。这是因为碳捕集装设容量与燃气轮机容量呈正相关，燃气轮机装设容量增大，富氧燃烧产生的CO2增多，势必增加碳捕集的容量。当装设储氧罐时，能够对电解槽产生的氧气波动起到能量缓冲的作用，打破了燃气轮机富氧供能和电解槽产氧之间的时序性，从而减少了燃气轮机和碳捕集的装机容量。通过以上分析可知，储氢罐和储氧罐的协同配合可以有效地减少系统的总投资，增加系统供能的可靠性。

表4 各场景系统容量配置和费用Table 4 System capacity configuration and cost under each scenario

为了方便分析，选取一年当中的某一周168 h为例进行分析。第3场景下发电侧功率平衡如图6所示，横轴的上半部分表示发电侧燃气轮机和风机的出力情况，下半部分表示各设备的功率输入和弃电量，整个系统在各个时刻都满足功率平衡，所以图中的能量流关于横轴对称。由图6可知，燃气轮机起到辅助供能的作用，当风机出力充足时燃气轮机并不工作，而当风机出力无法满足电解槽功率需求情况下，燃气轮机富氧出力以应对电量不足情况，与此同时压缩捕集装置对燃气轮机富氧出力后的CO2进行液化压缩捕集，只有极少量的CO2排入空气，符合低碳能源系统思想。

图6 LCES电功率平衡及二氧化碳排放曲线Fig.6 Electric power balance and carbon dioxide emission curve of LCES

图7和图8分别给出了场景3中所对应氢流量和氧流量平衡图。由图7可知，当发电侧发出的电量供给电解槽产生的氢气无法满足工业用氢需求时，可由储氢罐提供氢气以满足用氢需求，而当风力充足时，电解槽产生的氢气无法完全被氢负荷消纳，此时多余的氢气将被存储在氢气罐。根据对氢气流量平衡图分析，可知该系统主要由储氢罐通过充放状态的改变实现能量的转移，以满足发电侧出力的波动和氢气需求之间的平衡。图8与此类似，储氧罐的存在实现了燃气轮机富氧燃烧需氧量和电解槽产生氧之间动态的平衡。

图7 LCES氢流量平衡及储氢罐SOC变化曲线Fig.7 Hydrogen flow balance of LCES and SOC change curve of hydrogen storage tank

图8 LCES氧流量平衡曲线Fig.8 Oxygen flow balance curve of LCES

4.4 储气罐初始SOC对优化配置结果影响

在上述的LCES中，储气设备是该低碳能源系统的核心存在，实现了风电出力的短期不确定性和氢负荷长期需求波动在不同时间尺度下的匹配。储气设备的初始状态直接影响整个系统的运行，因此需要研究储气系统的初始状态对系统优化配置结果的影响。控制储气罐的初始荷电状态SOC在0.1～0.8变化(步长为0.1)，等年值总费用和弃风率变化如图9所示。

图9 储气罐初始SOC对总费用和弃风率影响分析Fig.9 Impact analysis of initial SOC of air storage tank on total cost and air rejection rate

由图9可知，随着储气罐初始荷电状态的增加，系统的等年值总费用初始下降较快后趋于不变，弃风率与此相反。这是因为在该系统初始运行时，氢负荷需氢量较大，此时风机存在出力不足的情况，弃风率较小，燃气轮机需要在富氧的情况下辅助供能，发电侧提供给电解槽电能所产生的氢气无法满足负荷侧氢气需求，而该系统是“以氢定电”，此时为了满足工业用氢需求，势必会增加发电侧装机容量，从而导致成本增加。当初始SOC增加到0.3时，此时储气罐的提供的氢气已经可以缓解负荷侧的氢气的缺额，继续增加SOC，将会导致发电侧出力过剩，弃风率增加。

4.5 LNG价格对优化配置结果影响

在保持系统各约束和目标函数不变的情况下，控制LNG价格在4 000～6 000元/t变化，年度化总费用和可再生能源渗透率变化如图10所示。

由图10可知，LNG价格的增长将会导致等年值总费用的增加，但可再生能源渗透率保持不变。这是因为LNG价格主要影响系统的操作费用，但对系统各部分装置容量的配置影响较小。在该系统中单位燃气轮机容量价格要比单位风机容量价格要小得多，当LNG价格在一定范围内变化时，并不影响系统中配置风电和燃气轮机装机容量的比例，发电侧燃气轮机和风机的出力并不变化，故而可再生能源渗透率保持不变。

图10 LNG价格对总费用和可再生能源渗透率影响分析Fig.10 Analysis of the impact of LNG price on total cost and renewable energy penetration

5 结论

为了解决工业用氢需求的波动性和风电机组出力不确定的问题，构建了基于燃气轮机富氧辅助供能的低碳能源系统，进行相关设备的容量配置，实现了 “以氢定电”。主要结论如下。

(1)风电出力不足情况下，燃气轮机富氧辅助供能可以有效提高系统供电可靠性。储氢罐和储氧罐的协同调节，对匹配发电侧出力和负荷侧需氢具有显著作用，可以有效地降低投资成本。

(2)LCES容量优化配置的结果与储气系统的初始荷电状态有关，适当地选择储气罐的初始荷电状态，有利于降低初始投资成本和弃风率。

(3)LNG价格在一定范围内变化，会对系统的操作费用产生一定的影响，但并不改变发电侧风电和燃气轮机出力。

所提的以满足工业用氢需求为主LCES，可以为双碳背景下化工企业的转型提供一定的理论支持。以上系统主要研究为孤网运行，并没有考虑与电网的连接，在后续研究中将进一步研究接入电网对该系统的影响。