考虑光热电站与风电系统低碳经济调度研究

2023-07-31刘莎莎张新燕张光昊马瑞真施锐廖世强

科学技术与工程 2023年20期

刘莎莎,张新燕,2*,张光昊,马瑞真,施锐,廖世强

(1.新疆大学电气工程学院,乌鲁木齐 830017;2.新疆大学可再生能源发电与并网技术教育部工程研究中心,乌鲁木齐 830017)

全球日益严峻的环境问题及能源危机,导致各国二氧化碳排放与能源消耗总量过多。为此中国提倡“碳达峰、碳中和”的目标,发展低碳经济的能源体系建设[1],而后提出在2030年碳排放下降60%～65%[2]。

目前碳交易机制是降低碳排放量、减少污染环境问题的有效措施之一。文献[3]在规划模型中引入含有奖惩系数的碳交易机制,达到对碳排放量起到约束作用的效果。文献[4]建立考虑碳交易成本的热电联合调度模型,实现提高风电消纳和减少碳排放量的双重效果。文献[5]将风、光等可再生能源参与碳交易,能促使电厂减排效益增加,同时使可再生能源消纳提升。上述文献表明,碳交易机制能够限制系统的碳排放量,但仍需从系统层面进一步挖掘低碳潜力。

光热电站(concentrating solar power,CSP)[6]具有高效灵活的可调度能力,与常规发电系统联合发电能进一步降低火电机组出力,从而减小系统碳排放量。含有储热系统的CSP电站,具有独特的能量时移特性,能在用电高峰时发电,用电低谷时储存[7]。文献[8]采用风电-光伏-光热多种新能源联合发电,来合理调度各种发电方式,确保电力系统稳定运行和经济效益。文献[9]将风电和光热进行互补发电,利用储热的可调度能力平抑风电波动,减少负荷峰谷差,降低调峰成本和弃风。文献[10]利用调节能力良好的CSP电站和消纳风电的电加热装置(electric heater,EH),共同抑制风电出力带来的波动性。但是上述文献未考虑风电、直接光照强度(direct normal irradiance,DNI)及负荷预测存在不确定性。

此外,挖掘低碳潜力提高系统消纳能力,还能从负荷侧进行,需求响应能通过电价激励改变用户的用电行为,促进可再生能源消纳[11]。文献[12]建立采用分时电价的风电-光热系统模型,达到削峰填谷、平滑输出功率、降低并网波动性和提高经济性的效果,实现源荷互动。文献[13]建立价格型需求响应(price-based demand response,PDR)和CSP电站与风电优化调度模型,体现出源荷协调调度能提高风电消纳。文献[14]以分时电价为引导,利用电-热联合系统特性,实现能量时空平移,进而促使风电消纳。文献[15]用PDR来引导用户响应可再生能源出力及电价的变化,并利用场景法构建出力不确定性,从而优化场景保证系统灵活性。

在上述研究基础上,针对可再生能源系统消纳不足和碳排放高的问题,提出了考虑阶梯型碳交易机制和需求响应的光热电站联合风电系统低碳经济优化调度模型。采用场景法对不确定性进行处理,将价格型需求响应引入阶梯型碳交易成本的含风电-光热电力系统经济调度模型中,以系统总成本最低为目标,求出日前调度计划,并设置不同工况验证所提模型在提高清洁能源消纳、减小系统碳排放量方面的效果。

1 碳交易机制

碳交易机制把碳排放权作为商品在碳交易市场中进行自由交易,碳交易机制的实施能达到降低碳排放量、提高系统经济性的效果。

目前碳交易机制主要存在两种形式:传统型碳交易和阶梯型碳交易。在调度周期内,如果系统产生的二氧化碳排放量没有超过碳排放配额,则剩余的碳配额可在碳交易市场中进行出售,从中获益增加收入;如果产生的碳排放量超过碳配额时,超出部分则需要从碳交易市场中进行购买,此为传统型碳交易。对于火电机组而言,碳配额跟出力有关,则传统型碳交易成本为

(1)

式(1)中:Cp为碳交易成本;π为碳价;Ep为系统碳排放量;Eq为系统碳排放配额;λ为火电机组配额系数;NG为火电机组数目;PGi为第i个火电机组调度出力。

传统型碳交易是采取提高碳交易价格的方式降低碳排量,价格越高,碳排量越低,但系统总成本将大幅度增加。为了更好降低碳排放量的同时保证经济性,采用阶梯型碳成本模型。阶梯型碳交易是把二氧化碳排放量按照一定的区间进行划分,不同区间的碳排放权交易(碳交易)价格不同,即随着碳排放量增加,碳价随之增加。以上可对碳排放量起到约束作用,则阶梯型碳交易成本为

(2)

式(2)中:h为碳排量区间长度;δ为碳交易价格增长幅度。

2 含风电-光热联合发电系统运行机理分析

CSP电站主要由集热系统、储热系统(thermal storage system,TSS)以及发电系统构成,实现“光能-热能-电能”的单向转换。图1为CSP电站内部运行结构图。

图1 CSP电站内部运行结构图Fig.1 Internal operation structure diagram of CSP power station

CSP电站工作原理:先将太阳光辐射量通过镜场转化成热能,聚集在集热塔中后,加热传热流体(heat-transfer fluid,HTF),HTF温度升高后,将一部分热能传递至发电系统进行直接发电,另一部分热能传递至TSS储存起来,TSS中的热能也能传递给HTF,说明在CSP电站中,HTF起到传递能量的作用。

为了避免产生大量弃风现象,将电加热装置、CSP电站、风电和火电进行联合调度,部分弃电可通过EH转化成热能储存至CSP电站的储热系统中,实现“热能-电能”之间的双向转换,并且提高系统灵活性。由此构成风电-光热联合发电系统,从而达到“可再生能源消纳可再生能源”的效果[16]。图2为整个系统运行过程中的能量流动图。

图2 系统能量流动图Fig.2 System energy flow diagram

根据图2所示的能量流动过程,可得

(3)

3 风电-光热电力系统低碳经济调度模型

建立风电-光热联合发电系统的日前调度模型,在电源侧采取阶梯型碳交易对火电的碳排放起到抑制作用,并将EH和CSP电站联合运行,使风电消纳加以提高,将系统整体运行灵活性增强,在负荷侧采用PDR改变用电方式,另外对源荷双侧进行不确定性处理,以系统总成本最低为目标,优化求解日前调度计划。

3.1 价格型需求响应

价格型需求响应采用弹性系数矩阵E来表示电价变化率与负荷变化率之间的关系,其弹性系数ε为

(4)

式(4)中:ΔPL,t为需求响应后t时刻的负荷变化量;PL,t为原始负荷;Δqt为需求响应后t时刻的电价变化量;qt为初始电价。则弹性矩阵E为

(5)

式(5)中:主对角元素为自弹性系数;其他为互弹性系数。

经需求响应后的负荷量为

PPDR,t=PL,t+ΔPL,t

(6)

式(4)中:PPDR,t为PDR后t时刻的负荷量。

3.2 不确定性处理

在处理不确定性问题上,采用场景法对不确定性因素进行量化处理,建立风、DNI和负荷数据的随机性模型。风电和CSP电站属于不可控的波动性电源,负荷同样具有较强的波动性与随机性,因此风电出力、DNI和负荷的预测值存在较大的误差。建立风电功率、DNI和负荷的随机性模型,其表达式为

(7)

风电的预测误差服从Beat分布,而DNI和负荷的预测误差服从正态分布,其概率密度函数为

(8)

(9)

式中:Nd为归一化因子;α和β分别为Beat分布的形状和尺度参数;μ、σ分别为正态分布的期望和方差。

采用拉丁超立方抽样进行场景生成,能够模拟风电出力、DNI和负荷的不确定性。但大量的数据不利于模型的计算和求解,因此再采用同步回代法对生成的场景进行缩减,保证削减后的风、DNI、负荷的典型场景集维持原有的多样性。

3.3 目标函数

以系统总运行成本最低为目标,构建考虑阶梯型碳交易成本的含风电-光热电力系统经济调度模型,其目标函数为

F=min(C1+C2+C3+C4+C5+Cp)

(10)

式(10)中:F为系统总运行成本;C1为火电机组运行成本;C2为风电运行成本;C3为弃风惩罚成本;C4为CSP电站运行成本;C5为电热转换成本;Cp为阶梯型碳交易成本。

3.3.1 火电机组运行成本

火电机组运行成本包括煤耗成本和启停成本,可表示为

Ci)Ui,t+(1-Ui,t-1)Ui,tCq]

(11)

式(11)中:Ns为场景数目;pt,s为不同场景的概率;Ai、Bi、Ci为第i个火电机组的发电煤耗成本系数;PGi,t,s为火电机组在t时刻场景s下的调度出力;Ui,t为火电机组的状态变量,取值为1时表示机组处于运行状态,取值为0时表示机组处于停机状态;Cq为火电机组的启停成本。

3.3.2 风电运行成本

(12)

式(12)中:KW为风电的运维成本系数;PW,t,s为风电在t时刻场景s下的出力。

3.3.3 弃风惩罚成本

为避免出现大量弃风现象考虑弃风惩罚成本,则有

(13)

3.3.4 CSP电站运行成本

(1-Ue,t-1)Ue,tCe]

(14)

式(14)中:KC为CSP电站的运维成本系数;PCSP,t,s为CSP电站在t时刻场景s下的出力;Ue,t为t时刻CSP电站的状态变量,取值为1表示运行,取值为0表示停机;Ce为CSP电站的启停成本。

3.3.5 电热转换成本

使用EH将电能转化成热能的过程中会产生一定的运行成本,可表示为

(15)

式(15)中:KEH为电转热成本系数;PEH,t,s为t时刻场景s下的购电功率。

3.4 约束条件

3.4.1 功率平衡约束

在不考虑损耗的情况下,火电机组出力、CSP电站出力、风电的上网功率之和等于需求响应后的负荷量与EH输出功率之差,可表示为

(16)

3.4.2 火电机组约束

(1)火电机组出力约束为

Ui,tPGi,min≤PGi,t,s≤Ui,tPGi,max

(17)

式(17)中:PGi,max、PGi,min为火电机组最大、最小出力。

(2)火电机组爬坡约束为

-Ri,d≤PGi,t,s-PGi,t-1,s≤Ri,u

(18)

式(18)中:Ri,d、Ri,u分别为火电机组最大向下、向上爬坡率。

(3)火电机组最小运行和启停时间约束为

(19)

3.4.3 风电并网运行约束

风电上网功率不能超过其对应场景的最大出力值,即

(20)

3.4.4 CSP电站运行约束

光热电站发电原理与火电机组类似,其发电约束可参考式(17)～式(19)。CSP电站其他约束如下。

(1)储热容量约束为

Qmin≤Qt≤ξPCSP,max

(21)

式(21)中:Qmin为最小储热量;ξ为以满负荷小时数为单位表示的最大储热量。

(2)储热和放热功率约束为

(22)

3.4.5 EH运行约束

0≤PEH,t,s≤PEH,max

(23)

式(23)中:PEH,max为EH的最大功率。

3.4.6 价格型需求响应约束

价格型需求响应前后负荷量不发生改变,所以在整个调度周期之差为零,即

(24)

4 算例分析

4.1 算例数据

本系统包含4台火电机组,1个风电场,1个CSP电站以及EH装置,在MATLAB软件中从YALMIP工具包中调用商业优化软件CPLEX对本文模型进行优化计算。风电、负荷、太阳直接辐射强度(DNI)预测数据如图3所示[11]。设定风电机组的容量为300 MW,EH装置的额定功率为50 MW,碳价为120元/t,碳排量区间长度为120 t/段,碳交易价格增长幅度为0.25,风电的运维成本系数为30元/MW,弃风惩罚成本系数为100元/MW,CSP电站的运维成本系数为50元/MW,电转热成本系数为18元/MW。火电机组运行参数如表1所示,CSP电站运行参数如表2所示,各时段电价如表3所示,通过场景消减后得到各场景概率如表4所示。

表1 火电机组运行参数Table 1 Operation parameters of thermal power unit

表2 CSP电站运行参数Table 2 Operation parameters of CSP plant

表3 各时段电价Table 3 Electricity price of each period

表4 场景削减后各场景概率Table 4 Probability of each scenario after scenario reduction

图3 典型日风电、负荷、DNI预测曲线Fig.3 Typical daily wind power,load and DNI forecast curves

4.2 结果分析

为验证所提调度模型的可行性,通过设置5种不同工况进行对比分析,具体如下。

工况一考虑火电和风电进行调度。

工况二考虑火电、风电和CSP电站进行联合调度。

工况三考虑火电、风电、CSP电站和EH进行联合调度。

工况四考虑阶梯型碳交易机制下,火电、风电、CSP电站和EH进行联合调度。

工况五考虑阶梯型碳交易机制和PDR,火电、风电、CSP电站和EH进行联合调度(本文模型)。

不同工况的调度结果如图4所示。

图4 5种工况调度结果Fig.4 Scheduling result for 5 working conditions

4.2.1 CSP电站和EH对调度结果影响分析

对比图4(a)与图4(b)可知,考虑风电和火电参与系统调度时,4台火电机组均参与系统运行,但弃风集中在00:00—05:00时刻和19:00—23:00时刻。在此基础上工况二考虑CSP电站后,在08:00—18:00时段参与系统运行,火电机组2不参与系统运行,使得19:00—23:00时刻火电出力减小,提升风电消纳量;火电机组4在00:00—07:00时刻未参与系统运行,期间仅火电机组3以最小出力进行运行,从而提高风电消纳。由此可知,工况二与工况一相比,火电总出力减少、弃风减少。

图4(c)为加设EH装置后,构成含风电-光热联合发电系统的调度结果图。对比图4(b)与图4(c)可知,两者区别在于:图4(b)存在弃风部分,但图4(c)的风电显示完全消纳且EH的输出功率等同于图4(b)的弃风功率。这表明EH装置是能将系统多余风电转化成热能储存于CSP电站中的储热系统中,在负荷高峰时期提高CSP电站出力,从而提升CSP电站调度灵活性。工况三与工况二相比,CSP电站整体出力提高的同时,风电完全消纳。

4.2.2 碳交易机制对调度结果影响分析

火电机组1～4的碳排放强度分别是0.92、0.9、1.1、1.12。对比图4(c)与图4(d)可知,工况三除火电机组2停止运行外,其余三台均参与系统调度,已知火电机组2的碳排放强度为0.9,由于火电机组2属于低碳高成本机组,所以在系统求解总运行成本最低时停止运行。在此基础上工况四考虑阶梯型碳交易成本,由于阶梯型碳交易机制将碳交易区间划分为多个后,使得碳排放量越高、碳交易成本增加,能够实现火电机组间的出力再分配,从而只有低碳机组1、2运行,高碳机组3、4停止运行。工况四与工况三相比,系统碳排放量减少,EH输出功率增加,因此提高了可再生能源的上网空间。

4.2.3 PDR对调度结果影响分析

从图4(e)可以看出,负荷受PDR影响,将负荷高峰时段08:00—11:00与14:00—17:00部分负荷进行消减后,转移至负荷低谷时段00:00—05:00与22:00—24:00,形成较为平滑的负荷曲线,达到“削峰填谷”的效果。从图4(e)可知,考虑PDR后,除了能改变负荷曲线,还能改变火电机组出力计划,降低系统碳排放量。对比图4(d)与图4(e)可以看出,工况五与工况四相比,火电机组总出力减少、EH输出功率减少,说明风电实际上网率增加。

4.2.4 低碳经济性对比分析

表5为不同工况下的总运行成本、阶梯型碳交易成本、碳排放量及风电消纳情况。由表5可知,工况一的总运行成本为62.4万元,工况二在工况一的基础上,充分利用CSP电站的能量时移特性,在加入CSP电站后,系统总运行成本降低21.5%、碳排放量从2 540.6 t降至1 936.6 t、风电消纳率从91.5%提高到97.1%,体现出CSP电站的灵活调节能力及系统经济性。工况三加设EH装置后,可以将弃风电量转化成热能储存在CSP电站的储热系统中,能够有效提高风电消纳能力,使得风电消纳率达到100%,进一步降低系统碳排放量。

表5 不同工况的调度结果Table 5 Scheduling results of different working conditions

工况四考虑阶梯型碳交易成本,深度挖掘系统的低碳特性,使得碳排放量从1 902.5 t降至1 756.3 t,但系统总运行成本从工况三的48.0万元提高到57.9万元,工况四体现出经济性和低碳性无法同时兼得。为此工况五在工况四的基础上,采用价格型需求响应来解决上述问题。因为负荷侧可通过PDR合理平移尖峰负荷,使负荷趋于平滑,避免某时刻负荷侧承担过高的碳责任,并降低5.2万元的系统总运行成本,从而满足低碳性与经济性。