计及改进生物质燃气和阶梯碳交易的综合能源系统低碳经济调度

王守文，李国祥，闫文文，叶金根，袁莹超

（1.三峡大学法学与公共管理学院，宜昌 443002；2.三峡大学电气与新能源学院，宜昌 443002）

提高新能源开发利用比例对于构建清洁低碳的能源体系、加速实现双碳目标具有重要意义。生物质能作为一种储量大、环境友好性强的新能源，目前正广受关注[1-2]。《“十四五”可再生能源发展规划》中明确提出要加快生物天然气发展，推动生物质能多元化开发利用。2022 年5 月10 日国家发展和改革委员会发布的《“十四五”生物经济发展规划》中提出因地制宜开展生物能源基地建设，建设以生物质成型燃料及其他可再生能源为主要能源的产业园区。考虑到当前生物质能利用率较低的难点，耦合多能流实现能源高效利用的综合能源系统IES（integrated energy system）是解决这一问题的关键，具体表现为IES 可使电、气、热等不同形式的能源耦合或替代利用[3]，以此来提高能源利用率和降低碳排放。而我国能源供应处于油气对外依存度高的阶段，燃气供应量不足限制了综合能源的进一步发展，因此生物天然气对于提高新能源利用比例、促进综合能源低碳经济运行具有重要意义。

沼气提纯是生产生物天然气的一种重要途径，其主要成分包含25%～50%的二氧化碳（CO2）和50%～70%的甲烷（CH4）[4]，根据2022 年10 月1 日实施的国家标准《生物天然气》可知，沼气提纯至93%以上的甲烷含量时称作生物质燃气BNG（biomass natural gas），其热值与天然气接近，可作管道气使用。目前，针对含有生物质燃气的IES 研究相对较少，而是多集中于沼气的生产和利用。文献[5]将生物质能与IES 结合，建立含沼气发电的源-储-荷协同能量管理模型，有效地改善了系统经济效益和环保结构；文献[6]针对农村能源体系特点，构建含生物质沼气发电的综合能源系统，提高了系统的经济性和能源利用效率；文献[7]将生物质沼气发电、光伏发电以及储能电池进行建模分析，改善了含生物质能的CHP系统用能经济性；文献[8]考虑沼气生产过程的动力学模型，结合可再生能源制氢建立了农村农业园区IES 模型，证明了该模型能够提升IES的经济性以及新能源消纳作用。然而，以上研究仅多考虑生物质沼气对于系统经济性等方面的影响，较少涉及沼气提纯后的生物质燃气对综合能源系统中燃气调度、低碳性以及经济成本的影响。

碳交易机制对引导综合能源系统节能减排、实现低碳可持续发展具有重要作用。在考虑碳交易市场的IES 优化中，文献[9]建立电转气P2G（powerto-gas）碳排放成本模型，在目标函数中引入碳交易成本，电-气互联综合能源系统经济性和低碳性得到了提高；文献[10-11]构建园区综合能源系统，通过对比阶梯碳交易与固定价格碳交易，得出了前者在低碳性效果更好的结论；文献[12]考虑P2G 两阶段运行过程以及阶梯式碳交易机制对综合能源系统运行的经济以及碳排放的影响。上述文献主要集中于P2G以及燃气机组、燃煤机组参与碳交易市场，鲜有涉及生物质燃气这一主体参与碳交易市场的影响，实际上生物质燃气的引入会在一定程度上影响IES 中燃气机组的出力变化，而且生物质燃气生产过程中会产生一定量的二氧化碳排放，以上情况将导致IES参与碳交易市场受到影响。

综上所述，现有关于生物质能的研究多围绕沼气生产、利用等方面，较少关注生物天然气这一主体及其模型构建，而且在碳交易市场的相关研究中，生物质燃气参与碳交易市场的相关模型也有待完善。因此，本文基于现有研究提出考虑改进生物质燃气和阶梯碳交易的综合能源系统低碳经济调度。首先，构建生物质燃气模型，引入能够同时产生高品质生物质燃气和二氧化碳的二阶变压吸附模型；其次，与P2G、碳捕集系统CCS（carbon capture system）形成BNG-P2G-CCS 耦合模型，促进风光消纳和提高生物质能利用能效，并共同为IES 提供二氧化碳的回收利用以及天然气供给；最后，提出结合阶梯碳交易与BNG-P2G-CCS耦合模型联合运行的IES 低碳优化调度模型，通过算例分析验证所提模型的有效性和可行性。

1 综合能源系统结构及模型构建

改进生物质燃气耦合综合能源系统的基本结构如图1所示，其中能源供应来源于生物质能输送网、新能源发电、上级电网以及热能、天然气传输网络；负荷包括电负荷、热负荷和气负荷；储能设备包括电储能EES（electric energy storage）设备、热储能TES（thermal energy storage）设备；转换设备包括燃气轮机CHP（combined heat and power）、电锅炉EB（electric boiler）、燃气锅炉GB（gas boiler）、P2G设备和BNG设备。

图1 综合能源系统结构Fig.1 Structure of integrated energy system

1.1 改进生物质燃气模型

1.1.1 生物质燃气提纯模型

目前国内生物天然气工程广泛使用变压吸附PSA（pressure swing adsorption）法和膜分离MSP（membrane separation processes）法，变压吸附法相比膜分离法具有甲烷纯度高、运行能耗低等优点[13]，因此本文所涉及生物质燃气制取方法为变压吸附法，制取工艺流程如图2所示[14]。

图2 变压吸附法生物质燃气提纯流程Fig.2 Purification process of biomass natural gas using pressure swing adsorption

1.1.2 二阶变压吸附模型

用于生物质燃气提纯的常规PSA 在甲烷回收过程中会产生一定的损失，损失的甲烷与二氧化碳以及其他的杂质混合不仅导致气体处理难度升高，还会产生大气污染[15]。为了提高甲烷回收率以及降低气体处理难度，本文引入二阶PSA 装置，在生产生物质燃气的过程中同时分离出高纯度的生物天然气和CO2，一方面高纯度的生物天然气可以就地供应综合能源系统中的气负荷需求，另一方面高纯度的CO2可以利用或者就地存储，从而降低二氧化碳供需成本和运输危险性，同时降低综合能源系统的碳排放。图3为二阶变压吸附结构。

图3 二阶变压吸附结构Fig.3 Structure of second-order pressure swing adsorption

二阶变压吸附的流程如下：

步骤1沼气进入第1 阶段PSA 装置后，设置析出CH4对应的压力与温度；

步骤2析出CH4，余下气体进入缓冲罐；

步骤3气体进入第2 阶段的PSA 装置，设置析出CO2对应的压力与温度；

步骤4析出CO2，并将剩余气体转入缓冲罐。循环上述操作，从而得到高含量、高品质的CH4和CO2。

生物质燃气建模为

式中：为沼气在t时刻产生量；ηBG为生物质燃料利用率；EBG为产气因子；为t时刻使用的生物质燃料质量；为生物天然气在t时刻产生量；为PSA 中CH4生产效率，其中i∈{1 ,2}，1和分别代表一阶PSA、二阶PSA 中CH4生产效率；为沼气中CH4百分比含量；为CO2在t时刻产生量；为沼气中CO2与CH4含量比值；为PSA 中CO2损失系数，其中i∈{1,2}；和分别为一阶PSA、二阶PSA中CO2损失系数；VC为CO2体积；为二阶PSA在t时刻耗电量；为一阶PSA 在t时刻耗电量；为二阶PSA在t时刻内相较于一阶PSA增加的耗电量。

1.1.3 BNG-P2G-CCS 耦合模型

针对综合能源系统的碳排放问题，将改进生物质燃气设备引入碳捕集-电转气设备的耦合中，参与系统的协同运行。其中生物质燃气设备产生的CO2和碳捕集系统捕获各机组产生的CO2供给P2G；P2G 利用系统风光盈余的电能通过电解水产生氢气，与前者供给的CO2发生反应产生天然气，从而实现了新能源的消纳以及电能-天然气之间的能量流动，具体模型为

式中：、和分别为碳捕集系统在t时刻运行能耗、捕集能耗和固定能耗；为捕集单位质量CO2的能耗；为t时刻CO2捕集量；为CCS 在t时刻无法捕集CO2量；λCCS为CCS 捕集效率，取0.9；和为燃气轮机和燃气锅炉在t时刻产生的CO2量；和分别为碳捕集系统在t时刻用于P2G 的CO2量和储存的CO2量；、和分别为生物天然气中CO2在t时刻用于P2G的量、储存的量和二阶PSA中损失的量；为t时刻P2G 消耗的CO2量；为t时刻CO2购买量；δC为生成单位功率CH4消耗的CO2量；ηP2G为P2G 转换效率；为t时刻P2G 耗电量；为t时刻CH4生成量；Hg为天然气的热值。

1.2 阶梯碳交易模型

碳交易的引入能够激发IES调度对节能减排的响应。在碳交易机制下，IES 可以根据政府分配的碳排放量与实际碳排放量之间的差额进行自由交易，从而通过碳交易市场买卖碳排放权获得一定的效益，使系统达到经济性和低碳性，本文中IES的碳排放来源包括CHP设备、GB、生物质燃气以及外购电力，为简化模型，采用各机组碳配额与碳排放量与其机组有功出力成比例的模型[16]，阶梯碳交易模型如下。

1.2.1 基准法碳交易配额

碳交易配额和碳排放量强度的表达式为

式中：Qqt、Qpt分别为t时刻系统的碳排放配额和碳排放量；、、、分别为CHP 单位发电和发热功率、GB热功率、单位购电量的碳排放配额；、、、分别CHP 单位发电、发热功率、GB 热功率、单位购电量的碳排放量；、为CHP在t时刻产生的电、热功率；为t时刻GB产生的热能；为t时刻购电量。

1.2.2 考虑生物质燃气的碳排放成本模型

在IES 实际运行过程中，内部的生物质燃气设备会产生一部分的CO2，该过程中的碳排放量会产生一定的碳排放成本，由于生物质燃气目前尚未定义其碳排放配额，因此该模型仅考虑生物质燃气生产过程的碳排放量，对此构建生物质燃气参加碳交易市场的模型，IES实际碳交易模型表示为

式中：和分别为一阶PSA、二阶PSA 在t时刻CO2的排放量；为t时刻参与碳交易市场的CO2量；为生物质燃气t时刻参与碳交易市场的CO2量，；为t时刻碳交易成本；χ为碳交易基准值；l为碳排放区间长度；θ为碳交易价格增长率。当≤0 时，表示此时系统碳排放量低于碳排放额度，阶梯碳交易模型出售碳排放权交易额。

2 IES 优化调度模型

2.1 目标函数

本文所提的改进生物质燃气、阶梯碳交易机制协同优化模型在满足综合能源系统安全约束的前提下，实现系统整体、经济性最优。目标函数为

式中：C为IES日运行总成本；CPT为购电、购热、购气成本；CWPL为弃风光成本；CBG为生物质燃气成本；CCP为碳市场交易成本；CCS为碳封存、购碳成本；CO为其他机组运行维护成本。

电、热、气相关成本为

式中：T为IES一个运行周期的时刻数；、、分别为购电、购热、购气的实时单位成本；、、分别为t时刻的购电量、购热量、购气量。

弃风光相关成本为

式中：gl为弃风光的单位成本；为t时刻弃风光量。

生物质燃气相关成本为

式中，mBG为生物质燃料成本，取330元/t[17]。

碳市场交易成本、碳封存和购碳成本分别为

式中：ks为碳封存价格，取30 元/t[18]；kb为购碳费用，取2.8元/m3[19]。

2.2 约束条件

（1）电功率平衡的约束为

式中：、分别为t时刻风电、光电的上网功率；、分别为t时刻电储能的放电、充电功率；为t时刻电负荷；为t时刻生物质燃气生产耗电量；为t时刻电锅炉消耗的电功率。

（2）热功率和气功率平衡的约束为

式中：为t时刻电锅炉输出热功率；、分别为t时刻热储能的放热、充热功率；为t时刻购热量；为t时刻热负荷，为t时刻燃气购买量；为t时刻气负荷；为t时刻GB消耗的天然气；为t时刻CHP天然气消耗量。

（3）生物质燃气的约束为

式中：为t时刻燃气生产上限；、分别为生物质燃气设备爬升的下限和上限。

（4）电、热储运行的约束为

式中：和分别为储能在t和t-1 时刻储量；为储能自身能量损耗率；和分别为储能装置在t时刻的能量存储和释放功率；和分别为储能装置在t时刻的能量存储和释放效率；和分别为储能装置的容量下限和上限；和分别为储能装置的充电下限和上限；和分别为储能装置的放电下限和上限；、分别为储能装置的始、末时段容量。其他设备约束见文献[20]，此处不再赘述。

2.3 模型求解

本文所建含改进生物质燃气和阶梯碳交易的IES调度模型求解属于混合整数线性规划问题，利用Matlab平台中的商用CPLEX求解器进行模型求解。

3 算例分析

3.1 算例背景

为验证所提模型的有效性，系统以24 h为一个周期，步长为1 h，一台80 MW的风电机组，一台60 MW的光电机组，选用北方某地区实际典型日数据，则风光出力曲线如图4所示，电、热、气负荷曲线如图5所示，系统机组参数如表1 所示，生物质燃气模型参数如表2所示，分时电价、分时气价、设备运维参数见文献[21]，全时段热价为400 元/（MW·h），弃风、弃光成本为400元/（MW·h），碳交易的基本参数碳价增长率为0.25，碳排放量的区间长度为80 t，基价为200元/t[22]。

表1 系统机组参数Tab.1 Parameters of system unit

表2 生物质燃气模型参数[23-26]Tab.2 Parameters of biomass natural gas model[23-26]

图4 风光出力Fig.4 Output power from wind and PV

图5 电、热、气负荷Fig.5 Electric,heating and gas loads

3.2 仿真结果分析

3.2.1 生物质燃气场景设置及分析

为了验证改进生物质燃气模型的经济性和低碳性，构建了4 种运行场景：场景1，普通碳交易下生物质燃气参与系统优化调度，考虑P2G-CCS 耦合；场景2，普通碳交易下改进生物质燃气参与系统优化调度，考虑BNG-P2G耦合；场景3，普通碳交易下改进生物质燃气参与系统优化调度，考虑P2GCCS耦合；场景4，普通碳交易下改进生物质燃气参与系统优化调度，考虑BNG-P2G-CCS耦合。

场景1～4的优化调度结果对比如表3所示。从表中可以看出，场景3的碳排放量比场景1的减少了5.39 t，原因在于模型3采用的二阶变压吸附能够在产生高品质生物质燃气的同时产出可供利用的二氧化碳，该CO2可以被电转气利用或者通过碳封存的形式进行处理；相比模型1，模型3在增加了碳交易收益的同时，缓解了综合能源系统气负荷供给压力，其购气费用和购热费用分别减少了43.35%和50.27%。

表3 场景1-4 优化调度结果对比Tab.3 Comparison of optimized dispatching result in scenarios 1-4

场景2的总成本较场景3的减少了4.64%，但由于场景2 未引入碳捕集系统，其碳排放量增加了231.24 t，同时电转气所需的二氧化碳需要改进生物质燃气系统和外部购碳供应，为减少外部购碳费用，生物质燃气产量增加，购气费用相比场景3 的减少29 138 元。由于文中设置弃风光成本，场景2未完全消纳的弃风弃光量增加系统成本13 289元，而场景1、场景3 的碳捕集装置在用电低谷期或者风光高发期起到了消纳盈余电量的作用。相比场景3，场景4将改进生物质燃气装置与电转气耦合，生物燃气产量升高，电转气消耗电量降低，而场景3的CHP则需要输出更多电功率满足电负荷，从而导致碳排放量增加0.66 t。

综上说明，改进生物质燃气相比普通生物质燃气模型在经济性和碳排放上有着良好的效益，而且考虑BNG-P2G-CCS耦合模型的综合能源系统能够降低碳排放，从而增加碳市场交易的收益，降低成本。

3.2.2 生物质燃气产量和碳封存量分析

本节主要分析不同场景下生物质燃气的各时段产量以及系统的总产量碳封存量，如图6 和图7所示。从图7 可以看出，场景2 的生物质燃气产量最高，场景1的生物质燃气产量最低，结合图6分析可知，场景1 中生物质燃气缺少CO2处理环节，因此其产量受到限制，大部分时间不产气，仅仅在燃气价格处于峰值时间段产气，场景2 不包含碳捕集设备，但改进生物质燃气与P2G 之间耦合减少P2G 外部购碳的费用，此时生物质燃气产量变高，以增加为P2G供给的CO2量，导致场景2 的生物质燃气产量较大。场景3 的生物质燃气产量相比场景1的提升了258.94%，场景4的生物质燃气产量相比场景3 的提升了0.79%，由于场景4 提纯得到的CO2能够被P2G 利用，故场景4 的碳封存量相比场景3的减少了4.31 t。

图6 生物质燃气各时段产量Fig.6 Production of biomass natural gas in different period

图7 不同场景下生物质燃气总产量和碳封存量Fig.7 Total production of biomass natural gas and carbon storage in different scenarios

3.2.3 燃气负荷增长率下效益对比分析

本节以图5 所示的气负荷数据为基准情况（设文中输入数据的燃气负荷增长率为1），讨论不同场景下改进生物质燃气模型相比普通生物质燃气模型在碳排放和总成本的影响，图8 表示场景3 和场景4相较于场景1在碳排放和总成本方面的提升效果对比曲线。

从图8可以看出，当燃气负荷较小时，场景3和场景4 相对于场景1 的优势并不明显，随着燃气负荷需求量增大，场景4的碳排放减少量逐渐高于场景3 的，在其他条件保持不变的情况下，系统运行总成本的趋势随着燃气负荷的升高而升高，且上升趋势逐渐变大，考虑生物质燃气耦合模型的场景4与场景3之间的差距逐渐变大。因此，相对于场景3，场景4 在面对更大的燃气负荷供应压力下能够兼顾经济性和低碳性。

3.2.4 阶梯碳交易场景设置及分析

为验证阶梯碳交易机制对于本文所提模型的效益，构建了以下2 个场景：场景5，阶梯碳交易下普通生物质燃气参与系统优化调度，考虑P2G-CCS耦合；场景6，阶梯碳交易下改进生物质燃气参与系统优化调度，考虑BNG-P2G-CCS耦合。

表4 展示了不同场景下的优化调度结果。从表中可以看出，相较于普通碳交易机制，阶梯碳交易机制能够进一步降低系统的总成本和碳排放量，场景6 相较于场景4 的碳排放量减少35.27%，场景5相较于场景1的碳排放量减少33.80%，此外，碳封存量也得到一定程度地提升，从而避免更多的CO2排入大气中。

表4 场景1、4、5、6 的优化调度结果对比Tab.4 Comparison of optimized dispatching result in Scenarios 1,4,5 and 6

从系统总成本上看，阶梯碳交易机制的引入使得系统各设备的出力碳排放减少，场景6 和场景5的碳交易收益分别提升90.49%和86.76%，系统总成本分别减少7.78%和7.32%。可以看出，碳市场交易的收益远远大于设备在其他方面的成本，这表明相较于普通碳交易，阶梯碳交易能够在降低碳排放的同时带来一定的经济效益。

3.2.5 碳交易参数影响分析

图9 给出了考虑不同碳基价下系统成本和碳排放量的变化。在普通碳交易中，当碳交易基价超过220 元时，随着基价的提高，为减少系统运行成本，此时增加燃气机组的出力，增大碳交易配额，同时辅以CCS的碳捕集能力，以达到增加碳交易市场收益的目的，但是碳捕集出力增加有限，当系统增加的碳排放量大于CCS 增加出力带来的碳捕集量时，导致系统碳排放量略有上升。在碳基价280 元时，碳捕集设备的出力达到最大值，此时系统的碳排放量减少至某一定值不再变化，碳排放量的曲线存在小幅波动，可见其对于碳交易基价较为敏感。

图9 不同碳基价下的系统运行成本和碳排放量Fig.9 System operating costs and carbon emissions at different carbon base prices

在阶梯型碳交易中，碳捕集设备的碳捕集量增大，系统的碳排放量减少，随着碳交易基价的上升，系统能够售出的单位碳排放权增加，因此碳交易收益增加，总成本下降，当价格达到220 元/t 时，碳捕集设备的碳捕集量已经达到最大值，碳排放量逐渐趋于稳定。

从总成本上可以看出，在基价为280 元时，阶梯碳交易的总成本降至30.98 万元，而普通碳交易的总成本降至36.26 万元，此时阶梯碳交易与普通碳交易的碳排放量分别降至78.39 t 和121.10 t，与普通碳交易模型相比，阶梯碳交易模型在系统的运行成本和碳排放量上都具有一定的优势。

3.2.6 场景6 调度结果分析

本节进一步分析了场景6的电、热、气调度结果，如图10～图12所示。由图10可以看出，在风光高发时段电转气和碳捕集消纳风光，同时进行电能存储，在高负荷、风光低发时段（06：00—9：00，16：00—21：00）释放电能，起到了能量时移的作用。

图10 场景6 电能调度结果Fig.10 Power dispatching result in Scenario 6

图11为热能调度结果，图11可以看出，在电价谷时段（00：00—03：00），为充分利用低价电能，CHP 和GB 出力减小，电锅炉满功率运行。在最大负荷时段（22：00—24：00），用电量需求减少，热电联产机组出力减少，电锅炉出力增加，为满足此时段的热负荷需求，系统需向外部热网购买热能。

图11 场景6 热能调度结果Fig.11 Dispatching result of thermal energy in Scenario 6

图12 为天然气调度结果，在风光高发时，P2G设备将盈余风电、光电转化为天然气，促进系统风电、光电的消纳的同时减少天然气购买成本，此时生物质燃气和P2G 供给气负荷的占比变大。在气价平谷时段（06：00—07：00，17：00—18：00），新能源发电盈余量较少，生物质燃气成本相对于购气价格较高，此时生物质燃气产量降低，系统向上级气网的购气量增加。

图12 场景6 天然气调度结果Fig.12 Dispatching result of natural gas in Scenario 6

4 结 论

结合生物质燃气技术，本文构建了含改进生物质燃气和阶梯碳交易模型的综合能源系统优化调度模型，通过不同场景的算例分析，得到以下结论。

（1）相比普通生物质燃气模型，本文所提改进生物质燃气模型能够提高碳交易收益和燃气供给能力，而且系统运行总成本降低2.09%，碳排放量减少4.24%。

（2）引入BNG-P2G-CCS 耦合模型能够进一步减少碳排放量和系统成本，且燃气负荷越大，效果越明显。

（3）相比普通碳交易机制，引入阶梯碳交易机制能够减少35.27%的碳排放量和7.78%的系统运行成本，验证了本文所提模型具有较好的环境效益和经济效益。