计及P2G的综合能源系统CCUS容量规划

摘 "要： 考虑到碳捕集利用与封存（CCUS）是对电转气（P2G）过程中二氧化碳（CO2）来源的细化，文中提出对综合能源系统（IES）进行电⁃氢⁃氧⁃甲烷⁃二氧化碳和虚拟二氧化碳等P2G过程的定性定量建模，以及对风⁃光⁃电动汽车⁃负荷等随机源荷进行时空聚类以深度挖掘IES氢源碳源潜力的CCUS设备容量规划模型。以阶梯正负碳交易、弃风弃光惩罚和年设备投资成本等的年综合成本最低为目标，以碳捕集、碳存储和甲烷化等CCUS设备功率容量限值为全局变量对电气平衡和能量耦合进行二次约束，经过混合整数线性化处理后利用Cplex求解。算例分析表明，源荷时空聚类可在典型日场景缩减时保留IES廉价碳源氢源特征，合理规划后的CCUS设备可兼具弃风消纳和碳减排功能，使P2G制取的天然气更具市场竞争力。

关键词： 碳捕集利用与封存； 综合能源系统； P2G； 场景聚类； 容量规划； 源荷聚类

中图分类号： TN86⁃34 " " " " " " " " " " " " " " "文献标识码： A " " " " " " " " " " " 文章编号： 1004⁃373X（2024）06⁃0109⁃10

CCUS capacity planning for integrated energy systems taking into account P2G

CHEN Shilong， LI Chongxu

（Kunming University of Science and Technology， Kunming 650500， China）

Abstract： Considering that carbon capture utilization and storage （CCUS） is a refinement of carbon dioxide （CO2） sources in the power⁃to⁃gas （P2G） process， a qualitative and quantitative modeling of P2G processes such as electricity⁃hydrogen⁃oxygen⁃methane⁃CO2 and virtual CO2 for integrated energy systems （IES） is proposed， and a CCUS equipment capacity planning model that conducts spatiotemporal clustering of random sources and loads such as wind⁃light⁃electric vehicle⁃load to deeply explore the potential of IES hydrogen sources and carbon sources is proposed. The goal is to minimize the annual comprehensive cost by considering positive and negative carbon trading， penalties for wind and solar curtailment， and annual equipment investment costs. The power capacity limits of CCUS equipment such as carbon capture， carbon storage， and methanation are used as global variables to impose quadratic constraints on electrical balance and energy coupling. After mixed integer linearization， the problem is solved using Cplex. The case analysis shows that source load spatiotemporal clustering can retain the characteristics of IES low⁃cost carbon and hydrogen sources when typical daily scenes are reduced. Reasonable planning of CCUS equipment can combine wind curtailment and carbon reduction functions， making the natural gas produced by P2G more competitive in the market.

Keywords： carbon capture utilization and storage; integrated energy system; P2G; scene clustering; capacity planning; source load clustering

0 "引 "言

国际能源署发布的《2050年净零排放：全球能源行业路线图》报告指出，碳捕集利用与封存（CCUS）技术是唯一能够在发电和工业生产过程中大幅减少化石燃料碳排放的解决方案。CCUS技术常分为碳捕集（CCS）、碳存储、碳封存和甲烷化等类型，其中又属氢气制取及合成甲烷的工艺最为复杂且成本最高[1]。为使CCUS制取的天然气产品具有市场竞争力，H2和CO2原料成本必须着重考虑[2]。制氢的能量来源常是大规模的弃风弃光、工业副产H2或谷时段电网弃电，最理想的低成本大规模CO2资源包括从电厂、化工厂等工业烟气中补集[3]。因此，文中将CCUS设备引入含有弃风弃光的风⁃火⁃氢⁃燃气耦合综合能源系统中，并针对其设备投资成本与碳减排效益间的矛盾，依照其源荷场景缩减蕴含的弃风弃光和火电碳排信息进行氢源碳源特征挖掘，辅助实现碳捕集、碳存储和甲烷化设备的最优配置。

经过检索，针对弃风弃光制取氢气的相关容量优化配置问题已较为成熟，但继续深入对电制氢之后的烟气分流、碳捕集、碳存储和甲烷化等IES系统内CCUS全流程进行细致建模和合理配置的相关研究依旧较少。高鹏飞等考虑到气⁃电耦合配网中天然气内氢气比例限值，以及电解槽与甲烷化反应器的单位容量成本和能量转化效率不同，给出了最优容量配置方案；但未考虑到配电网各火电厂间空间距离远，缺乏对系统内碳捕集、碳存储与运输的建模[4⁃7]。张锴等在电⁃热⁃气配网中，进一步考虑利用弃风弃光进行电转天然气（Power to Gas， P2G）变换时甲烷化反应的强放热，以进一步提高能源利用效率，同时基于合作博弈算法着重分析了电价对P2G建设容量和联盟收益的影响；但因电⁃热⁃气配网系统过于复杂或受篇幅影响，其算例并未体现出是设备全寿命周期内容量规划或年规划，也并未对挖掘系统年源荷历史出力所蕴含的低碳特征方面进行阐述[8⁃11]。葛怀宇等充分挖掘温带季风气候地区中电力系统和天然气系统在各季节场景下的季节互补特性，指出利用冬季弃风P2G储能可实现高效率季节性能量转移，构建了综合考虑投资成本、运行成本和弃风成本的容量配置模型[12⁃15] 。陈传彬等指出，需将P2G系统细化为可拆解的电制氢和氢气甲烷化两阶段，在电制氢阶段，应适当引入氢能汽车负荷和氢氧燃料电池等，以避免能源无效二次转化为甲烷的能量浪费[16⁃19]。刘道兵等对容量配置相关问题进行了详细综述，指出CCUS的电制氢、碳捕集、碳存储或封存以及甲烷化等容量规划的组成选择，以及P2G储能和传统抽水蓄能、锂电池储能、飞轮储能等种类选择，包括型号位置和容量的最优配置等，都应按系统源荷特性具体问题具体分析，低碳经济指标是“双碳”目标的研究重点[20⁃22]。

文中参考以上研究重点和研究局限，选择将CCUS应用场景定为风⁃火⁃氢⁃燃气⁃碳耦合综合能源系统内，文中与已有研究相比主要区别如下：文中CCUS碳源为IES内燃气轮机或火电厂碳排放在烟气分流后的高纯度碳的捕集，氢源来自于IES内廉价弃风弃光制取，使得P2G生成的甲烷具有一定的市场竞争力。在P2G的电制氢和甲烷化两阶段间引入氢氧燃料电池，实现本地能源短期高效率氢能存储与P2G后甲烷注入天然气管道的廉价稳定运输相结合。IES相较于电热气配网而言，风光车荷等随机变量更少，使得文中可以IES系统内所有随机源荷的年运行历史数据进行典型日场景聚类，来实现充分挖掘系统碳源特征或低碳潜力；文中细化整个IES系统内电力与二氧化碳、氢气、氧气和甲烷等的电气平衡约束，对CCUS的碳源、烟气分流、碳捕集、碳存储，以及与电制取的氢气合成甲烷等全过程进行详细刻画，使得CCUS更贴近实际。文中对火电等经过碳捕集后的实际碳排放量，与考虑风光发电碳配额和用于碳交易的虚拟碳排放量，分别进行了建模刻画，同时清晰展现出CCUS规划前后的真实低碳性和经济性对比。

1 "综合能源系统CCUS低碳化改造架构

图1所示的综合能源系统多能流架构，包含天然气网、电网、气网和碳交易市场等内外交互渠道；包含风光等新能源，其弃风弃光可用电解槽廉价制取氢气；包含火电厂和燃气轮机（MT）等高密度廉价的二氧化碳排放源，可避免远距离运输成本的花费；烟气分流装置可使得碳捕集功率可控性增强；氢氧燃料电池（HFC）和锂电池可短期高效率实现电能的存储转化与释放；ASU装置压缩制取氧气，可促进火电厂或燃气轮机的富氧燃烧，减少一氧化碳的产生； 碳捕集、二氧化碳存储和甲烷化装置是文中待容量优化配置的CCUS设备，若规划和运行合理，不仅可实现火电碳排的吸收并转化，还可使制取的天然气具有市场竞争力并产生经济效益。文中选择电⁃氢⁃氧⁃碳等存储装置辅助实现削峰填谷和经济运行，至于天然气则无需存储，可直接引入天然气网低成本远距离稳定运输。终端负荷内包含电负荷、氢气负荷和天然气负荷，可实现自产自销。

从图1中不仅可读出设备间电⁃氢⁃氧⁃甲烷⁃实际二氧化碳和虚拟二氧化碳等的能流类别、能流转化方向和暂态能流功率平衡约束关系，还对IES内部电气耦合定性定量关系进行了详细刻画。此处仅针对较新的CO2能流进行简略分析：文中将CO2分为两种类型，第一种是煤炭、火电、燃气轮机、碳捕集、碳存储和甲烷化等IES装置间实际存在并可用于P2G，称之为实际二氧化碳；另一种是风、光、火、MT和HFC等发电装置的虚拟碳配额，和烟气分流丢弃的CO2，以及电网购电携带的CO2和向碳交易市场买卖的CO2等，称之为虚拟二氧化碳。考虑到气体体积易变化，文中模型内仅电能用kW单位，所有气体均以kg定量建模，这同时有助于与碳交易的单位（元/t）形成单位上的统一。

2 "CCUS容量规划流程

文中着重挖掘IES系统内源荷特征所蕴含的低碳潜力，使得CCUS容量规划更因地制宜。CCUS容量规划流程如图2所示。首先，按第1节规划出考虑CCUS低碳化改造的IES架构。其次，根据年运行历史数据中的光伏出力、风机出力、居民电负荷和电动汽车负荷等曲线幅值特征，幅值随日期有明显连续变化的采用更注重时序特征的有序聚类，幅值杂乱无序的采用离散序列的k⁃means聚类。由此可得出双源双荷典型日场景出力及对应频次，可作为日运行基础参数代入系统日调度，求解出典型日弃风弃光所蕴含的电制氢能力，以及高峰负荷时段火电碳排所蕴含的廉价CO2排放量信息。

最后，将考虑阶梯碳交易后的日运行成本子目标函数累加得到的年运行成本子目标函数，与CCUS最大出力限值所需设备年投资成本累加，得到年综合运行成本总目标函数。在Matlab 2018b的Yalmip+Cplex环境下进行线性化后一次求解，即可得出CCUS设备功率容量最优限值和各个典型日运行成本、碳排放和设备各时段出力等信息。

文中所建模型具有一定的通用性，设定模式是引入碳捕集、碳存储和甲烷化的系统，仅引入碳捕集和甲烷化装置的系统。

模式可共用一个模型，仅在部分CCUS设备的功率容量变量的限值功率上有区分。将模式的碳存储容量限制恒等于0可得模式，将模式的碳捕集功率、碳存储容量和甲烷化功率都限制恒等于0可得模式。因此，文中仅针对模式进行详细建模。

3 "目标函数与约束条件

CCUS容量规划旨在设备投资成本与其带来的低碳效益间做出最优均衡，以实现设备利用的最大化。除了考虑CCUS设备的年投资成本外，还需在源荷聚类后的典型日内，根据CCUS设备功率容量限值和能流耦合约束、设备出力约束、爬坡约束及碳交易机制等约束条件，进行经济调度。细化目标函数与约束条件必不可少。

3.1 "目标函数

目标函数为：

[W=WTZ+i=1N（WYXini）] （1）

式中：[W]是年综合运行成本；[WTZ]是年投资成本；[WYXi]和[ni]是典型日场景[i]的日运行成本和聚类频次。

3.1.1 "新增CCUS设备的年投资成本建模

新增CCUS设备的年投资成本公式为：

[WTZ=i=1NCCUSsi⋅di⋅r⋅（1+r）Y（1+r）Y-1] （2）

式中：[WTZ]是系统的年化投资成本，单位为万元；[NCCUS]是系统中系统种类个数，包括碳捕集设备、CO2存储设备及甲烷化设备；[si]为第[i]种系统的容量或功率；[di]为系统单位容量或功率的价格；[r]为利率，取值5%；[Y]表示系统运行周期，文中设定为15年。

3.1.2 "考虑源荷聚类的典型日子运行成本

源荷聚类的典型日子运行成本公式为：

[WYXi=WDWi+WGWi+WMi+WWHi+WTiWDWi=t=1T（Ebuyi，t⋅PEbuyt-Eselli，t⋅PEsellt）WGWi=t=1T（Gbuyi，t⋅PGbuyt-Gselli，t⋅PGsellt）WMi=t=1T（a⋅（EHDi，t）2+b⋅EHDi，t+c）⋅PMbuyi，tWWHi=ςt=1T（EWindi，t+EPVi，t+EHDi，t+EMTi，t+EEssCi，t+EEssDi，t+EELi，t）] （3）

式中：[WDWi]、[WGWi]、[WMi]、[WWHi]分别是电网购售成本、气网购售成本、煤炭成本和维护成本；[WTi]是碳交易成本，文中构建同时适用于正碳交易成本和负碳交易收益两种情景的线性化模型。

[WTi=-λl-λ（1+α）l+λ（1+α）2（Ti+2l）， Ti≤-2l-λl+λ（1+α）（Ti+l）， " " " " " " " " " " " " " -2llt;Ti≤-lλTi， " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " "-llt;Ti≤0λTi， " " " " " " " " " " " " " " nbsp; " " " " " " " " " " " " " " " " " 0lt;Ti≤lλl+λ（1+α）（Ti-l）， " " " " " " " " " " " " " " " "llt;Ti≤2lλl+λ（1+α）l+λ（1+α）2（Ti-2l）， "Tigt;2l] （4）

式中：[WTi]为阶梯式碳交易成本；[λ]为碳交易基价；[l]为碳排放量区间长度；[1+α]是价格增长倍率。

3.2 "约束条件和P2G设备建模

1） 电平衡约束

[Ebuyi，t+EWindi，t+EPVi，t+EHDi，t+EMTi，t+EHFCi，t+EEEssDi，t=Eselli，t+EASUi，t+EELi，t+ECCi，t+EGi，t+ECO2Essi，t+EO2Essi，t+EH2Essi，t+EEEssCi，t+ELoadi，t+EEVLoadi，t] （5）

式中：[EWindi，t]、[EPVi，t]、[EHDi，t]、[EMTi，t]、[EHFCi，t]、[EEEssDi，t]分别是风机、光伏、火电、微型燃气轮机、燃料电池发电和锂电池放电；[EASUi，t]、[EELi，t]、[ECCi，t]、[EGi，t]、[ECO2Essi，t]、[EO2Essi，t]、[EH2Essi，t]、[EEEssCi，t]、[ELoadi，t]分别是压缩制氧机、电解槽、碳捕集器、甲烷化设备和二氧化碳、氧气、氢气储存装置耗电，以及锂电池充电和终端用电。

2） 氢气平衡约束

[HELi，t+HEssDi，t=HEssCi，t+HHFCi，t+HGi，t+HLoadi，t] （6）

式中：[HELi，t]、[HEssDi，t]是电解槽产氢和储氢罐放氢功率， [HEssCi，t]、[HHFCi，t]、[HGi，t]、[HLoadi，t]分别是储氢罐储存功率、燃料电池、甲烷化装置和氢气负荷的耗氢功率。

3） 氧气平衡约束

[OELi，t+OEssDi，t+OASUi，t=OEssCi，t+OHFCi，t+OHDi，t+OMTi，t] （7）

式中：[OELi，t]、[OEssDi，t]、[OASUi，t]分别是电解槽、储氧罐和压缩制氧器释放[O2]的功率；[OEssCi，t]、[OHFCi，t]、[OHDi，t]、[OMTi，t]分别是储氧罐、燃料电池、甲烷化、火电厂和微型燃气轮机等消耗[O2]的功率。

4） 天然气平衡约束

[Gbuyi，t+GGi，t=Gselli，t+GMTi，t+GLoadi，t] （8）

式中：[Gbuyi，t]、[GGi，t]分别是天然气网购气功率和甲烷化功率；[Gselli，t]、[GMTi，t]、[GLoadi，t]分别是天然气网售气功率、微燃机和负载的耗气功率。

5） 实际二氧化碳平衡约束

[CCCSi，t+CEssDi，t=CEssCi，t+CGi，t] （9）

式中：[CCCSi，t]是碳捕集装置捕集到的碳排放；[CEssCi，t]、[CEssDi，t]分别是储碳装置的储气和排气功率；[CGi，t]是甲烷化装置消耗CO2功率。

6） 虚拟二氧化碳的碳配额和碳交易约束

[CHDi，t+CMTi，t-CCCSi，t+Tselli，t+TDWbuyi，t=Tbuyi，t+TWindi，t+TPVi，t+THFCi，t+THDi，t+TMTi，t+TDWselli，t] （10）

式中：[Tselli，t]、[Tbuyi，t]分别是碳交易市场的正碳和负碳交易量；[TWindi，t]、[TPVi，t]、[THFCi，t]、[THDi，t]、[TMTi，t]分别是风、光、燃料电池、火电和微燃机发电量所对应的碳排放配额。

7） CCUS设备建模

电制氢装置：

[HELi，t=ϕ⋅EELi，tOELi，t=γ⋅EELi，t] （11）

式中：[ϕ]和[γ]分别是电制氢装置的电转氢气系数和电转氧气系数。

二氧化碳捕集装置：

[CCCSi，t=χ⋅（CHDi，t+CMTi，t）⋅ε] （12）

式中：[χ]是烟气分流比；[CHDi，t]、[CMTi，t]是火电厂和微燃机的碳排放；[ε]是碳捕集效率。

二氧化碳存储装置：

[CSoci，t=CSoci，t-1+ηcCEssCi，t-CEssDi，tηdCSoci，1=CSoci，endCSocmin≤CSoci，t≤CSocmaxUCEssC⋅CEssCmin≤CEssCi，t≤UCEssC⋅CEssCmaxUCEssD⋅CEssDmin≤CEssDi，t≤UCEssD⋅CEssDmaxUCEssC+UCEssD≤1UCEssC，UCEssD∈0，1] （13）

式中：[CSoci，t]是存储器内CO2余量；[CSoci，1]和[CSoci，end]是其始末余量；[ηc]和[ηd]是其储气和排气效率，[CSocmax]和[CSocmin]是其储气量上下限；[CEssCmax]、[CEssCmin]和[CEssDmax]、[CEssDmin]分别是其储气和排气功率上下限；[UCEssC]和[UCEssD]是其储气和排气的状态标识位。

甲烷化装置：

[CGi，t=κ1⋅GGi，tHGi，t=κ2⋅GGi，tEGi，t=κ3⋅GGi，tGGmin≤GGi，t≤GGmax] （14）

式中：[κ1]、[κ2]、[κ3]分别是甲烷化装置运行时的甲烷与二氧化碳、氢气、氧气和耗电的配比；[GGmax]、[GGmin]分别是生成甲烷的功率上下限。

4 "算例分析

阶梯碳交易区间长度l取值5 t，碳交易基价为50元/t，阶梯倍率参数α取值0.2，由此计算所得各区段碳交易单价见表1。煤炭单价1 140元/t，天然气单价5元/kg，电网购售电价见表2。火电厂、风机光伏、电解槽等所有设备的功率容量和能源转换比例见表3。

4.1 "双源双荷典型日场景聚类结果

源荷聚类旨在对随机源荷的外在出力特征进行挖掘，实现简化运算的同时保留其源数据特征。文中首先绘制出风光车荷年运行数据图，如图3所示。观察图3可知：光伏出力和电负荷出力的日幅值在1年内有明显变化，因此选用注重时间序列的有序聚类；风机和电动汽车负荷的日幅值无明显变化，因此，可以选择以每天出力序列为一个空间点的k⁃means聚类。

1） 有序聚类需由以下几步操作完成：设置最大分割区段数目N，将年光伏数据输入组内离差平方和最小函数，输出可得各分割点的轮廓系数，见图4。选取最大轮廓系数值所对应的分割点数目及位置，见图5。对年负荷数据重复以上操作。因光伏和年负荷的分割点数目和位置大概率不同，继而需根据最小分割区段长度重新就近确定各分割点，注意分割点，不可将日数据分割在2个区段。最终效果如图6所示。文中为减小运算量，选择在轮廓系数相近时优先选择较小分割点数目，最终将光伏和电负荷数据分割为4个统一区段。图6矩形框代表各区段均值，可知年光伏发电有良好的基于时间的有序分割聚类效果。

2） k⁃means聚类需在风光聚类的各个分割区段内单独进行，但可以将风机和电动汽车数据按日期合并，以实现简化运算量。k⁃means聚类的聚类中心点个数可以根据轮廓系数选取，也可以设定为常数。其聚类效果和速度不唯一，会受初始点位置影响。风机和电动汽车负荷聚类效果如图7所示，各子图内曲线属于同一聚类中心点。

3） 对有序聚类各区段的光伏电负荷、k⁃means聚类各中心点的风机和电动汽车负荷数据求均值，可得图8所示各典型日场景的源荷出力曲线及频次。图8是有序聚类分割区段1的4个典型日曲线图，频次分别为4、26、29和18。有序聚类分割共4段，可将年源荷运行数据缩减为16个典型日曲线及频次，实现后续容量规划时典型日子运行成本最低目标函数的简化计算。

4.2 "IES系统廉价碳源氢源潜力挖掘

将典型日源荷出力聚类曲线代入模式的原系统中，进行日运行最低成本调度运算，可求取得到如图9所示。图中，弃风弃光蕴含的廉价电能制取氢气的潜力集中分布在夜间1：00—4：00之间，以及火电厂和微燃机碳排放蕴含的廉价高纯度CO2的潜力集中分布在峰时电价的13：00—24：00之间。

由此可知，在IES系统内弃风弃光时，火电处于停机状态，即廉价电源⁃氢源⁃碳源不会在同一时刻出现。因此系统在进行CCUS配置时碳存储装置不可或缺，这与气电配网等在弃风弃光时依旧需要火电维持基准频率这点有明显不同。

4.3 "CCUS设备容量规划效益分析

利用IES系统中弃风弃光和火电等廉价氢源碳源制取甲烷时，若规模足够大且规划合理，势必会具有碳减排效益和制取甲烷的商品经济效益。综合考虑各典型日内设备出力约束、能源转换率约束和外网交互约束、电⁃气⁃氢⁃氧⁃碳功率平衡约束，以及风光储荷等出力特性后，可求得表4所示容量CCUS最优规划功率容量及经济低碳效益。

因氢源碳源所在时段不同，必须引入二氧化碳存储器实现碳捕集与甲烷化的解耦合，因此文中仅将模式和模式进行对比分析。结果表明，即使减去CCUS设备投资成本，系统依旧会增加23.48%的经济收益，且可减少系统碳排放的41.92%。尽管引入CCUS设备，但系统依旧存在部分弃风弃光，这是因为氢气制取受到固有电解槽设备的功率限制。CCUS最终容量配置参数应选取市面设备统一型号中的最近值，选定碳捕集功率限值150 kg/h，碳存储容量限值1 000 kg，甲烷化功率限值100 kg/h。

4.4 "CCUS的经济和碳减排效益来源分析

可以从电气平衡图中各个相关设备的出力数据挖掘出CCUS规划后系统经济收益和碳减排的来源。弃风弃光会发生的原因是电网出于电平衡或稳定性考虑，对IES反向售电的功率进行限制。

从图10电功率平衡图可知，夜间1：00—4：00和正午13：00—15：00有向电网卖电的现象，原因分别是夜间风大而负荷小，中午风光出力和大于负荷，但多出的电大于电网接收限制而引起的弃风，可作为廉价氢源制取的电能使用；火电和微型燃气轮机发电则集中分布在风光出力均较小的晚高峰时段，可利用碳捕集和碳存储作为廉价碳源使用；配置了氧气存储罐，所以ASU压缩制取氧气集中在谷时段进行；电解槽造价贵，设置的容量较小，为满足氢能负荷的需求，在各时段均有分布，但谷时段明显大于峰时段区域运行功率；8：00—10：00和17：00—21：00均有向电网购电现象，但因为17：00—21：00电价更高，因此，锂电池和氢氧燃料电池等均仅在此区段工作，弃风弃光电制氢后的氢气短期存储加氢燃料电池发电可作为短期高效电储能的形式，与锂电池价值类同。

从图11可以看出，碳捕集装置在15：00—21：00的峰时段动作，实现对火电厂和微燃机的碳捕集，并利用碳存储装置在此时段将CO2存储，待夜间1：00—4：00有大量弃风弃光和电网售电时，将CO2释放给予甲烷发生器使用，实现低成本合成天然气。在虚拟碳交易参数中，虚拟碳售卖集中在弃风弃光时段，虚拟碳购买集中分布在晚峰时段。

从图12可以看出，P2G制取的甲烷数量依旧远小于天然气负荷，天然气来源的主体依旧是向气网购买，微型燃气轮机仅在峰时电价区域运行，因为其单位成本处在峰谷电价之间。在IES系统内，当允许火电厂停机即不存在火电厂弃电时，仅在利用弃风弃光P2G制取甲烷时存在一定利润，利用谷时电网购电P2G制取甲烷的成本高于直接向气网购买天然气的成本。

5 "结 "论

文中针对含有弃风弃光和火电等廉价氢源碳源的IES系统，进行了电⁃氢⁃氧⁃天然气⁃二氧化碳和虚拟二氧化碳的定性定量精细化模型后，根据系统内随机源荷的时序幅值等特征进行有序聚类和k⁃means聚类来对CCUS进行潜力挖掘，实现了容量按系统特征合理配置。通过算例验证得出结论如下：

1） 在仅含有少量随机风光和负荷的IES系统中，按源荷时序幅值特征选取合适的场景聚类方法，可实现简化配置运算的同时最大限度保留源荷特征，可更直观地体现CCUS对廉价弃风弃光氢源和高纯度火电碳排的利用，使得P2G制取的甲烷具有一定市场竞争力。

2） 电能短期存储用于日内削峰填谷时，可优先选用锂电池与氢氧燃料电池组合的混合储能，因氢能密度高、清洁、且电能转化效率高，且避免氢气甲烷化的二次能源转换，可更大限度提高能源利用率；但长期存储或远距离运输，则优先选用P2G制取的甲烷，可利用现有天然气管道低成本常温运输和地下存储等。

3） CCUS设备引入的系统需同时具备弃风弃光等清洁电能或配电网内火电机组弃电等制取的氢气和火电热电联产等碳捕集的二氧化碳，其他场景可能会出现CCUS辅助的P2G耗能排碳等大于其碳减排和经济效益的场景，特别是当国家给予碳捕集经济补偿时，很可能会导致单方面追求虚拟阶梯碳交易经济成本更低，而忽略实际碳排放的增加。

4） P2G的甲烷化过程常伴有强放热，且热电联产比火电厂有更高的效率，结合北方地区在冬季有巨额热负荷需求，后续可引入热能流进行进一步分析改进。

5） CCUS和电解槽等设备的单位投资随容量规模和集成化程度的增加而降低，若将研究场景放在电热气配网中，有利于大规模集成规划建设和管理，但也应理性考虑电热气配网内随机源荷过多导致的氢源碳源潜力挖掘困难，以及氢气、二氧化碳等需要远距离运输的困难和成本，进行对比后按最优选取，也可作为下一步研究方向。

参考文献

[1] 陈文会，鲁玺.碳中和目标下中国燃煤电厂CCUS集群部署优化研究[J].气候变化研究进展，2022，18（3）：261⁃271.

[2] 王喜平，唐荣.燃煤电厂碳捕集、利用与封存商业模式与政策激励研究[J].热力发电，2022，51（8）：29⁃41.

[3] 魏宁，姜大霖，刘胜男，等.国家能源集团燃煤电厂CCUS改造的成本竞争力分析[J].中国电机工程学报，2020，40（4）：1258⁃1265.

[4] 高鹏飞，周孝信，杨小煜，等.考虑氢气注入的电⁃气综合能源系统电制气设备容量规划[J].电网技术，2021，45（10）：3781⁃3791.

[5] 李哲，王成福，梁军，等.计及风电不确定性的电气热综合能源系统扩展规划方法[J].电网技术，2018，42（11）：3477⁃3487.

[6] MAZZA A， BOMPARD E， CHICCO G. Applications of power to gas technologies in emerging electrical systems [J]. Renewable and sustainable energy reviews， 2018（92）： 794⁃806.

[7] ABEYSEKERA M， WU J F， JENKINS N， et al. Steady state analysis of gas networks with distributed injection of "alternative gas [J]. Applied energy， 2016（164）： 991⁃1002.

[8] 张锴，郭小璇，韩帅，等.基于电转气反应热应用和合作博弈的电转气装置容量规划[J].电网技术，2021，45（7）：2801⁃2811.

[9] 王婉璐，杨莉，王蕾，等.考虑供热网储热特性的电⁃热综合能源系统优化调度[J].电力系统自动化，2018，42（21）：45⁃52.

[10] PFEIFFER R， VERSTEGE J. Committing and dispatching power units and storage devices in cogeneration systems with renewable energy sources [J]. International conference on power system control amp; management， 1996（2）： 21⁃25.

[11] ALBERTO V， MICHELE F. Power to liquid and power to gas： an option for the German Energiewende [J]. Renewable and sustainable energy reviews， 2015， 45： 207⁃218.

[12] 葛怀宇，贾燕冰，韩肖清.考虑季节互补特性的电⁃气综合能源系统容量规划[J].中国电机工程学报，2023，43（1）：147⁃158.

[13] 王静，徐箭，廖思阳，等.计及新能源出力不确定性的电气综合能源系统协同优化[J].电力系统自动化，2019，43（15）：

2⁃9.

[14] PETKOV I， GABRIELLI P. Power⁃to⁃hydrogen as seasonal energy storage： an uncertainty analysis for optimal design of low⁃carbon multi⁃energy systems [J]. Applied energy， 2020， 274： 115197.

[15] 丁明，解蛟龙，刘新宇，等.面向风电接纳能力评价的风资源/负荷典型场景集生成方法与应用[J].中国电机工程学报，2016，36（15）：4064⁃4072.

[16] 陈传彬，杨首晖，王良缘，等.考虑风⁃氢⁃电的混合能源系统容量规划与运行优化[J].电力电容器与无功补偿，2022，43（1）：165⁃172.

[17] 周林，黄勇，郭珂，等.微电网储能技术研究综述[J].电力系统保护与控制，2011，39（7）：147⁃152.

[18] 赵显秋，秦立军，段惠.基于聚合效应的配电网分布式储能优化调度[J].电力电容器与无功补偿，2020，41（4）：228⁃234.

[19] THEMA M， BAUER F， STERNER M. Power⁃to⁃gas： electro⁃lysis and methanation status review [J]. Renewable amp; sustainable energy reviews， 2019， 112（11）： 775⁃787.

[20] 刘道兵，袁野，李世春，等.利用氢储能在含可再生能源系统容量配置综述[J].电测与仪表，2022，59（12）：1⁃13.

[21] 周京华，翁志鹏，宋晓通.兼顾可靠性与经济性的孤岛型光储微电网容量配置方法[J]电力系统自动化，2021，45（8）：166⁃174.

[22] 施泉生，丁建勇，刘坤，等.含电、气、热3种储能的微网综合能源系统经济优化运行[J].电力自动化设备，2019，39（8）：269⁃276.