王馥珏,宋国涛

(1.东南大学 电气工程学院,江苏 南京 210096;2.河海大学 能源与电气学院,江苏 南京 211100)

近年来随着我国可再生能源行业的发展,建立可再生能源配额制和绿色电力证书(绿证)交易体制,是促进我国风电、光伏等行业发展,提高可再生能源消纳率的重要途经之一[1,2]。在我国未大规模推行绿证交易制度之前,关于能源系统中的碳排放问题,大多以惩罚因子的形式进行研究,文献[3-5]中都提出了在能源系统规划以及运行模型中加入碳排放惩罚因子以抑制系统碳排放,这种从能源系统内部牺牲部分利益获取减排效益的行为不利于能源行业的健康发展。随着碳交易市场的不断发展,越来越多的能源系统研究中考虑了碳交易。文献[6,7]将碳交易价格考虑到了电气互联能源系统运行模型中,分析了碳交易价格对系统运行成本的影响。陈志等[8]同样将阶梯碳交易成本引入到能源系统规划模型中,研究了碳排放对阶梯碳交易机制参数变化的敏感程度。这些研究都为本文考虑碳交易的城市能源系统规划研究提供了理论基础。

城市能源系统是一种面向用户的大型能源系统,全球的城市包含了50%以上的人口,消耗了80%的一次能源,排放了75%的温室气体[9]。景锐等[10]研究了考虑台风极端天气的城市能源系统规划方法,分析了极端天气对城市能源系统规划结果的影响。Yin等[11]考虑了城市能源系统储能规划的可靠性和经济性。上述城市能源系统规划方法都是从系统自身稳定性以及灵活性方面进行考虑,还未将绿证交易这一行为引入到城市能源系统规划中。因此,本文针对以上研究问题,提出了考虑碳交易的城市能源系统规划,研究绿证交易行为对城市能源系统规划结果的影响。本文将绿证交易成本与收益折算到规划成本中,在满足城市用户冷、热、电需求的前提下,通过粒子群优化算法获得最优的经济性规划结果,分析绿证交易价格对城市能源系统规划成本、系统碳排放量、可再生能源弃电率的影响。

1 规划模型

1.1 目标函数

在新型的城市能源系统规划中,需要充分考虑投资收益以及绿色环保等因素,通过引入绿证交易将碳排放行为并入市场经济行为中,通过优化理论使得城市能源系统规划经济性最优。目标函数包括以下4个方面:投资成本、年运行成本、弃风弃光惩罚以及绿证交易。

minCtotal=Cinv+Cope+Cw+Cgreen

(1)

式中:Cinv为设备投资折合年费用,万元;Cope为设备年运行费用,万元;Cw为弃风、弃光惩罚费用,万元;Cgreen为绿证交易费用,万元。

(2)

(3)

(4)

Cgreen=ffg-fwg

(5)

1.2 模型及约束条件

(1)系统等式约束。

城市能源系统中包含冷、热、电多种能源需求,在规划时需要满足这些需求,保证系统可靠性。

Hchp,t+Heb,t-Hac,t=Hload,t

(6)

Pchp,t+Pwt,t+Ppv,t+Ptp,t-Peb,t-Pec,t=Pload,t

(7)

Cac,t+Cec,t=Cload,t

(8)

式中:Hload,t,Pload,t,Cload,t分别代表热负荷、电负荷以及冷负荷需求,kW;Hchp,t、Heb,t、Hac,t分别为热电联产设备(Combined heat and power,CHP)输出热功率,电锅炉输出热功率以及吸收式制冷机消耗热功率,kW。Pchp,t、Pwt,t、Ppv,t、Ptp,t为CHP、风电、光伏、火电厂输出电功率,kW,Peb,t和Pec,t为电锅炉和电制冷剂消耗电功率,kW;Cac,t和Cec,t为吸收式制冷机和电制冷机输出冷功率,kW。

(2)热电联产机组模型。

热电联产机组在发电的同时通过将汽轮机中的一部分蒸汽抽出用于供热,剩余蒸汽通过汽轮机进行做工产生电力[12]。其数学表达形式为

(9)

根据热电联产机组“以热定电”的运行模式,电功率的出力范围可以表示为

(10)

将机组电热出力折算为纯凝气工况下的电出力,限制机组的爬坡速率要在一定范围内。

(11)

(3)风电、光伏模型。

(12)

(13)

(14)

(15)

(4)电锅炉、吸收式制冷机和电制冷机模型。

Heb,t=Peb,t·ηeb

(16)

Cac,t=Hac,t·COPac

(17)

Cec,t=Pec,t·COPec

(18)

(5)绿证交易模型。

绿证,也就是绿色能源证书,是一种带有唯一识别码的电子证书,是国家下发给非水可再生能源企业可用于交易的绿色电力凭证[13]。对于可再生能源,通过出售绿证获得的收益为

(19)

式中:Pwg,t为可再生能源出力;β为可再生能源消纳责任权重系数;Eg为单个绿证要求的可再生能源发电量,kW;Cg为绿证交易价格,元。

对于火电以及热电联产机组来说,购买绿证的成本为

(20)

(6)容量规划约束。

(21)

综上所述,目标函数式(1)以及约束条件式(2)～(21)共同构成考虑绿证交易的城市能源系统规划模型。这个模型为混合整数线性规划模型,采用搜索性能更好的自适应粒子群算法[14]进行求解。

2 案例分析

本文选取某北方城市作为研究对象,其能源系统结构如图1所示。系统负荷需求包括冷、热、电3种,通过蒙特卡洛方法,模拟得到这个城市全年负荷需求,如图2所示。各设备参数如表1所示,其中为了响应节能减排号召、减少火电容量,本案例设定火电较高的投资成本和运行成本。设定单个绿证要求的可再生能源发电量为1MW,单本绿证价格为175元。其中可再生消纳权重系数取30%。

图1 城市能源系统规划简图

图2 冷、热、电负荷需求

表1 设备部分参数

为了对比考虑绿证交易的城市能源系统规划结果,除了本案例(案例1)外,本研究还设定了未考虑绿证交易的规划场景(案例2),两个场景的规划模型仅在是否考虑绿证交易模型上不同,其他参数均保持一致。

两个场景的优化后的成本以及其他指标具体数值见表2,设备容量配置结果如图3所示。表2中的碳排放量可以根据文献[15]中提出的碳排放计算公式进行计算,如式(22)所示。弃电率可以按照式(23)计算得到。

表2 优化结果比较

图3 两种优化场景下容量结果对比

(22)

式中:Carbon代表碳排放量;α和β代表热电联产和火电的碳排放系数。

(23)

式中:Curt代表弃电率。

2.1 容量及经济性分析

可以看到,当考虑了绿证交易后,系统总规划成本比未考虑绿证交易的少了3 617.62万元,下降了10%。虽然总体成本下降了,但投资成本增长了5 819.17万元,上升了21%。这是由于其他设备容量基本不变的情况下,可再生能源容量大大增加,这部分投资金额也急剧上升,但由于可再生能源容量的增加,其他设备的运行出力降低,导致运行成本降低,由案例2中的9 248.283 1万元下降到5 571.738 8万元,下降了40%。由于绿证交易可以带来较高收益,规划结果会偏向建设更多的可再生能源发电设备容量,其中风电的投资成本较小,同时此地的风资源良好,所以系统更加偏向于建设风电。在案例1中,风电的容量比案例2中的结果多了154 MW,光伏容量多了19 MW,可再生能源容量的大幅增加导致弃风、弃光现象也急剧增加,弃电率由案例2中的2.045%提高到了19.025%。可再生能源的比例增加也导致了电锅炉容量的增加,为了消纳更多的可再生能源发电量,电锅炉容量增加了26 MW,增长了49%,同时火电的规划容量下降了约4%。由于供冷系统结构简单,未受到可再生能源容量增长的影响,电制冷机和吸收式制冷机容量都未发生变化。同时,在两个案例情况下,热电联产都是首要选择,都达到了规划容量设置的上限,主要原因在于其宽广的运行范围以及较高的热电效率。

2.2 环保效益分析

考虑了绿证交易后,由于可再生能源比例的增加,其全年碳排放量有所下降,由案例2中的3 706 326.87吨下降到案例1中的2 539 226.439吨,减少了31%的碳排放量。系统中碳排放来源主要是热电联产和火电站,在案例1中,热电联产碳排放量为1 889 943.497 3吨,火电碳排放量为649 282.942吨;在案例2中,热电联产碳排放量为2 930 134.005吨,火电碳排放量为776 192.865 4吨。两类设备碳排放量都有着较大幅度的降低,考虑绿证交易对系统的运行方式会产生非常深远的影响。为了描述绿证交易对系统的影响,将前文提到的系统总成本、碳排放以及弃电率3类指标进行归一化,图4可以清晰地看出考虑绿证交易后对系统总成本、碳排放以及弃电率的影响。考虑绿证交易后系统经济性以及环保性有所提升,但弃电率大幅增加,这就需要决策者根据不同的指标选择合适的规划方法。

图4 是否考虑绿证交易对3类指标的影响

2.3 敏感性分析

本研究通过线性增加绿证的价格来研究绿证价格对3类指标的影响,从而分析不同绿证交易价格对能源系统规划的影响,如图5～8所示。在图5中,随着绿证价格从100元/本上升至775元/本,系统的总成本不断下降,其总成本与绿证价格基本成三次函数的关系,具体表达式如下:

图5 绿证价格对总成本的影响

Cinv=4.6751×10-5x3-0.08293x2-9.7359x+37593

(24)

式中:x代表绿证价格。

在图6中,随着绿证价格的提高,系统的全年碳排放量不断下降,但绿证价格到达400元后,全年碳排放量随着绿证价格的升高基本保持不变,其主要原因是在本文的模型中风电、光伏的容量基本达到规划上限,绿证价格无法通过影响风电、光伏的容量来影响热电联产和火电的运行状态。碳排放量与绿证价格的关系可以拟合成如式(25)所示的一元四次函数。

图6 绿证价格对碳排放量的影响

Carbon=6.9449×10-6x4-0.01878x3+18.961x2-

8559.2x+3.5478×106

(25)

在图7中,绿证价格的上升会导致弃风弃光现象的加剧,随着单本绿证价格从100元上升到775元,弃电率也从12.7%上升到37.7%,但其增长速率不断减小,主要原因还是绿证价格的提高,优化方法偏向于更高的风电、光伏容量,以期获得更高的绿证交易收益。但随着风电、光伏容量逐渐接近规划上限,尤其是风电容量在绿证价格达到475元时,风电容量达到规划上限,后续规划结果中增长的仅仅是光伏的容量,所以导致弃电率增长放缓。弃电率与绿证价格的关系如式(26)所示

图7 绿证价格对弃电率的影响

Curt=8.0112×10-10x3-1.8016×10-6x2+

0.0013967x+0.0015931

(26)

总的来说,绿证交易通过调整风电、光伏的规划容量来影响能源系统规划经济性结果。如图8所示,随着绿证交易价格的升高,风电、光伏发电带来的绿证交易收益增多,系统规划偏向于规划更多的可再生发电容量。同时可再生发电量占比的增多也会降低系统碳排放量,但是会导致可再生能源弃电率上升。

图8 三类指标随绿证价格的变化趋势(归一化)

3 结束语

本文建立了基于碳交易的城市能源系统规划模型,分析了绿证交易对城市能源系统规划结果的影响,得出了以下结论:

(1)与未考虑绿证交易的城市能源系统规划方法相比,考虑了绿证交易后,其规划总成本下降了10%,碳排放量下降了31%。但是,可再生能源弃电率由2.045%提高到了19.025%。

(2)在考虑绿证交易后,风电、光伏的规划容量发生较大的变化,系统更加偏向规划建设更多的可再生能源发电容量,风电、光伏规划容量分别增加了154 MW和19 MW。同时在确保满足城市冷、热、电负荷的前提下,提高风电、光伏的容量会影响电锅炉容量和火电机组容量,电锅炉规划容量增长了26 MW,火电规划容量下降了5.88 MW。

(3)本文研究分析了绿证价格对城市能源系统规划结果的影响,从总成本、碳排放和弃电率3个方面分别分析了绿证价格的影响。结果显示,随着绿证价格从100元/本线性增加至775元/本,系统规划总成本不断下降。随着绿证价格增加,碳排放量不断减少,但在绿证价格到达400元后,碳排放量基本维持不变;弃电率随着绿证价格的增长不断上升,但上升速率不断下降。同时,本文分别拟合了系统规划总成本、碳排放量、弃电率与绿证价格的数学表达式,为后续研究提供参考。