基于碳捕集-电转气的矿区综合能源系统协同优化调度

2024-03-07罗蒙顺刘德文喻品钦

电力系统自动化 2024年3期

骆钊，罗蒙顺，沈鑫，王华，刘德文，喻品钦

（1.昆明理工大学电力工程学院，云南省昆明市 650500；2.云南电网有限责任公司计量中心，云南省昆明市 650051；3.昆明理工大学冶金与能源工程学院，云南省昆明市 650500）

0 引言

综合能源系统（integrated energy system，IES）可以实现多种能源之间的互联、互通、互济，通过协调优化不同形式能源的相互转换，促进节能减排、提高能源利用率，现已成为能源转型的重要载体［1-2］。煤炭作为中国重要的化石能源，煤矿开采及矿区人员生活产能、用能形式多样，且矿区周边风光资源丰富，具备IES 的特点。因此，亟须深入开展矿区IES（coal mine IES，CMIES）研究。

煤矿在开采过程会产生瓦斯、乏风、涌水等伴生能源。矿区一般只注重煤矿开采效率，而对煤矿伴生能源只是简单排放，造成了严重的资源浪费及环境污染［3］。据统计，每年中国由瓦斯和乏风造成的温室效应等效为2 亿t CO2［4］。此外，煤矿开采过程产生的矿井涌水约为45 亿t［5］。目前针对矿区伴生能源的利用和CMIES 已有一些研究。文献［6］构建了包含煤矸石、煤层气及涌水的综合用能系统，促进煤炭伴生资源循环利用。文献［7］为提高分布式光伏消纳及矿山能源利用率，构建了含光-储-气-废旧矿井抽蓄的多能互补矿山IES。文献［8］将煤炭伴生资源与矿区柔性负荷进行耦合，综合考虑系统的经济成本、环境成本、碳交易成本和用户不满意度，构建基于灵活负载的CMIES 调度模型。上述研究为矿区伴生能源的利用提供了途径，但未涉及多伴生能源综合利用对CMIES 低碳经济调度的影响。

碳交易机制与碳捕集、封存（carbon capture and storage，CCS）作为目前促进节能减排的有效政策与关键技术［9-10］，在IES 中应用广泛。文献［11］将碳交易机制引入IES 来控制系统碳排放量，并分析了碳交易机制各参数灵敏度对系统碳排放及总运行成本的影响。文献［12］为促进低碳-零碳化新型电力系统的发展，构建了以电力系统运行成本最小为目标的风电-碳捕集调度模型。考虑到碳捕集与电转气（power to gas，P2G）的耦合特性［13］，即碳捕集设备捕集系统中燃气机组排放的CO2与P2G 产生的H2在甲烷反应器（methane reactor，MR）中生成天然气，为IES 中的CO2利用提供了新路径。文献［14］提出含耦合P2G 和碳捕集系统的园区级IES 优化模型，以促进节能减排及可再生能源消纳。文献［15］在碳捕集-P2G 的协同运行模式基础上，同时考虑碳排放源和碳去向问题，建立考虑时空扩散和碳汇的碳捕集-P2G 协同低碳经济调度模型。然而，上述政策和CCS-P2G 耦合模型针对CMIES 的研究较少。

综上所述，本文综合考虑矿区伴生能源、CCS、两段式P2G 及奖惩阶梯式碳交易机制对CMIES 低碳经济调度的影响，以购能成本、弃能惩罚成本、碳交易成本、设备运行维护成本、碳封存成本之和最小为优化目标。最后，通过分析不同场景的调度结果，验证了所提模型的有效性。

1 含伴生能源和CCS-P2G 耦合的CMIES模型构建

1.1 CMIES 结构

本文构建的含伴生能源和CCS-P2G 耦合的CMIES 具体结构如图1 所示，包含能量供应、利用、转化、存储等环节。能量供应指风光可再生能源、外部电网、天然气网和矿区伴生能源。能量利用指电、热、冷等矿区负荷及CCS。能量转换指热电联产（combined heat and power，CHP）装置、燃气锅炉（gas boiler，GB）、电制冷机（electric chiller，EC）、燃气轮机（gas turbine，GT）、余热锅炉（waste heat boiler，WHB）、吸收式制冷机（absorption chiller，AC）、蓄热氧化（regenerative thermal oxidation，RTO）装置、水源热泵（water source heat pump，WSHP）、两段式P2G。能量存储指储电（electricity storage，ES）设备、蓄热（heat storage，HS）设备。两段式P2G 由电解槽（electrolyzer，EL）、MR、氢燃料电池（hydrogen fuel cell，HFC）、储氢罐（hydrogen energy storage，HES）构成。其中，CCS 用于捕集燃气设备产生的CO2，降低矿区碳排放量。

图1 CMIES 结构Fig.1 Structure of CMIES

与典型区域IES 相比，CMIES 具备以下特点：1）综合考虑瓦斯、乏风、涌水等矿区伴生能源利用，将其转化为电或热能，减少资源浪费和环境污染；2）矿区作为高耗能企业，碳排放量较多，且周边风光资源丰富，碳捕集、P2G 设备协同运行可以促进矿区能源电力低碳转型；3）在矿区实施奖惩阶梯式碳交易机制，可进一步提升企业减排意愿，加速“双碳”战略目标实现。

1.2 伴生能源利用模型

根据不同伴生能源的利用特性，将瓦斯供给GT 发电，乏风、涌水分别供给RTO 装置、WSHP 进行产热［16］。WHB 对GT、RTO 装置产生的高温烟气进行回收利用，AC 将余热功率转化成冷功率，实现矿区伴生能源、电、热、冷等多种异质能源的耦合互联与协调转化。

1）GT

式中：PGT，t和HGT，t分别为t时刻GT 输出的电功率和热功率；ηGT为GT 电功率转化系数；Lgas为甲烷的低位热值；FGT，t和βGT，t分别为t时刻GT 中瓦斯流量与甲烷浓度；ηloss为GT 的热损失系数；PGT，max为GT的最大输出功率；和分别为GT 爬坡功率的上、下限。

2）RTO 装置

式中：HRTO，t为t时刻RTO 装置输出的热功率；ηRTO为RTO 装置的热功率转化系数；FRTO，t和βRTO，t分别为t时刻RTO 装置中乏风流量与甲烷浓度；HRTO，max为RTO 装置的最大输出功率；和分别为RTO 装置爬坡功率的上、下限。

3）WSHP

式中：HWSHP，t为t时刻WSHP 输出的热功率；FWSHP，t为t时刻WSHP 中涌水的流量；P1、P2为WSHP 制热状态下的拟合系数；HWSHP，max为WSHP 的最大输出功率；和分别为WSHP 爬坡功率的上、下限。

4）WHB

5）AC

式中：HAC，t和PAC，t分别为t时刻AC 输入的余热功率和输出的冷功率；ηAC为AC 的冷功率转化系数；PAC，max为AC 的最大输出功率；和分别为AC 爬坡功率的上、下限。

1.3 CCS 和P2G 联合运行模型

本文所提的CCS-P2G 耦合系统包含两个环节：两段式P2G 和碳捕集。下面将针对各个环节的能量转换特性进行建模。

1.3.1 两段式P2G 环节

当风、光出力在满足系统电功率需求的前提下仍存在大量弃风、弃光时，EL 利用富余电能电解水产生H2，一部分H2输入MR 与CO2进行甲烷化产生天然气，供给CHP、GB，剩下的直接输送给HFC 转换为电功率和热功率或者在HES 中存储［17］。

1）EL

式中：PEL，t和PeEL，t分别为t时刻EL 输出的氢功率和输入的电功率；ηEL为EL 的氢功率转化系数；PEL，max为EL 的最大输出功率；和分别为EL 爬坡功率的上、下限。

2）MR

式中：PMR，t为t时刻MR 产生的天然气；HMR，t为t时刻MR 消耗的氢功率；ηMR为MR 的天然气转化系数；CMR，t为t时刻甲烷化反应过程所需的CO2量；χ为CO2的计算系数；PMR，max为MR 的最大输出功率。

3）HFC

式中：PHFC，t和HHFC，t分别为t时刻HFC 输出的电功率和热功率；和分别为HFC 电功率和热功率转化系数；为t时刻HFC 输入的氢功率；PHFC，max为HFC 的最大输出功率；和分别为HFC 爬坡功率的上、下限；和分别为HFC 热电比的上、下限。

1.3.2 碳捕集环节

碳捕集技术可以分为燃烧后捕集、燃烧前捕集和富氧燃烧捕集3 种，本文仅考虑燃烧后碳捕集［18］。CCS 技术捕获燃气设备运行过程中产生的CO2，其中一部分作封存处理，另一部分CO2作为甲烷化原料输送给P2G 设备进行甲烷化。其数学模型如下：

式中：PCCS，t为CCS 设备t时刻捕集CO2消耗的电功率；和分别为t时刻CCS 的基本能耗和运行能耗；λc为捕集单位CO2的耗电量［19］；CCO2，t为CCS 设备t时刻捕获的CO2总量；CMR，t和CF，t分别为t时刻甲烷化消耗的CO2量与封存的CO2量；CZCO2，t为t时刻燃气机组排放的CO2量；ηCCS为CCS 的碳捕集率。

风电、光伏、CHP、GB、EC、储能设备详细建模过程见附录A 式（A1）至式（A6）。

2 奖惩阶梯式碳交易机制

系统碳配额、碳交易成本详细建模过程见附录A 式（A7）至式（A10）。

3 含伴生能源和CCS-P2G 耦合的CMIES低碳经济调度模型

3.1 目标函数

本文以购能成本、弃能惩罚成本、碳交易成本、设备运维成本、碳封存成本之和最小为优化目标，其目标函数如下：

式中：F为CMIES 的总成本；Fe、Fq、FCO2、Foper、FFC分别为购能成本、弃能惩罚成本（包括弃风、弃光和弃伴生能源）、碳交易成本、设备运行维护成本、碳封存成本，如式（11）所示。

式中：Pgrid，t和Pgas，t分别为t时刻CMIES 向电网的购电量和向天然气网的购气量；和分别为t时刻的购电价格、购气价格；Pcwind，t和Pcpv，t分别为t时刻弃风、弃光功率；αw和αpv分别为单位弃风、弃光惩罚系数；λ1、λ2、λ3分别为单位弃瓦斯、乏风、涌水惩罚系数；Fw，t、Ff，t、Fy，t分别为t时刻弃瓦斯、乏风、涌水功率；FCO2，t为t时刻碳交易成本；αi和Pi，t分别为t时刻设备i的单位维护费用和输出功率；fCO2为碳封存单价。

3.2 功率平衡约束

1）电功率平衡

式中：Pwind，t和PPV，t分别为t时刻系统实际消耗的风力和光伏发电；PCHP，t为t时刻CHP 输出的电功率；Ppl，t为t时刻电负荷需求量；和分别为t时刻ES 装置的充、放电功率；为t时刻EC 输入的电功率。

2）热功率平衡

式中：HCHP，t为t时刻CHP 输出热功率；HGB，t为t时刻GB 输出的热功率；Hhl，t为t时刻热负荷需求量；和分别为t时刻HS 装置的充、放热功率。

3）冷功率平衡

式中：PEC，t为t时刻EC 输出的冷功率；Pcl，t为t时刻冷负荷需求量。

4 算例分析

4.1 系统数据

为验证本文所提含伴生能源和CCS-P2G 耦合的CMIES 低碳经济调度模型的有效性，以云南某大型煤矿为例。该矿区周边建有风力发电厂和光伏电站，CMIES 耦合结构如图1 所示。矿区风光及负荷预测出力如附录B 图B1 所示，煤矿某典型日下的瓦斯、乏风、涌水流量与浓度分别如图B2 至图B4 所示。各设备参数如附录C 表C1 所示，所采用的分时电价如表C2 所示，弃风、弃光、弃伴生能源惩罚系数如表C3 所示。

4.2 场景设置及结果分析

为验证CMIES 中考虑伴生能源利用及P2GCCS 协同运行的经济与环境效益，设置以下4 个场景进行分析。

场景1：不考虑伴生能源利用，不含CCS、P2G。

场景2：不考虑伴生能源利用，含CCS、传统P2G。场景3：考虑伴生能源利用，含CCS、传统P2G。场景4：考虑伴生能源利用，含CCS、两段式P2G。

对设置的4 种场景进行仿真分析，其优化调度结果如表1 所示。

表1 各场景调度结果Table 1 Scheduling results of each scenario

4.2.1 场景分析

由表1 可知，与场景1 相比，场景2 引入碳捕集和传统P2G 设备后，系统总成本减少了2.62 万元，CO2排放量减少了100.23 t，风光消纳率分别提升至96.00%和97.02%。P2G 设备利用风光富余电能电解水从而转化成H2，同时碳捕集装置捕获矿区碳排放设备产生的CO2，二者在MR 中进行甲烷化从而产生天然气，供给矿区燃气设备使用，促进矿区节能减排与可再生能源消纳。与场景2 相比，场景3 考虑了矿区伴生能源的利用。伴生能源作为煤矿开采过程产生的优质能源，可以直接供给伴生能源利用设备产生电功率和热功率，从而降低购能成本和碳排放量。场景4 在场景3 的基础上将传统P2G 替换为两阶段P2G，细化为EL、HFC、HES 及MR 的组合。H2可以直接供给HFC 产生电功率和热功率，相较于进行甲烷化产生天然气再供给燃气设备，减少了一个能量转化环节，提高了氢能的利用效益，且不产生CO2。HES 可以提高氢能利用灵活性，更有利于系统低碳经济运行。

4.2.2 系统功率优化调度结果分析

本节基于场景4 的运行方式对系统优化调度结果进行分析，电、热、冷功率平衡如图2 所示。

图2 系统功率优化调度结果Fig.2 Scheduling results of system power optimization

CMIES 中电功率平衡如图2（a）所示，GT、HFC、CHP、风电、光伏、购电及ES 装置为系统电负荷及耗电设备提供电能需求。01：00—05：00、22：00—24：00 和10：00—15：00 时段为风光出力高峰期，在保证系统用电需求的前提下，P2G 装置将风光富余电能转化成氢能，同时储能设备进行储电，提高风光利用率。06：00—07：00、17：00—18：00 时段风光出力减少，负荷需求上升，HFC 和储能设备放电不能满足用电需求，需要从大电网购电。CMIES 中热功率平衡如图2（b）所示，CHP、GB、HFC、WHB、WSHP 及HS 装置为系统提供热能需求。12：00—13：00、17：00 时系统热负荷需求较低，HS 装置进行蓄热，减少热能浪费。04：00—06：00、23：00 时系统热负荷需求较高，蓄热槽放热满足系统热功率平衡。CMIES 中冷功率平衡如图2（c）所示，AC、EC 为系统冷负荷提供冷能需求。01：00—05：00、22：00—24：00 和10：00—15：00 时段为风光出力高峰期，EC 消耗风光富余电能为系统提供主要冷能需求，其余时段AC 提供的冷能较多。

4.3 风、光消纳能力分析

各场景在01：00—24：00 时段的风电、光伏消纳率如附录B 图B5 和图B6 所示。场景1 中，在风电出力高峰期01：00—05：00、22：00—24：00，由于风电具有反调峰特性，该时段内系统电负荷需求低，在满足CMIES 正常运行的前提下仍出现大量弃风，因而风电消纳率较低。对于光伏而言，10：00—15：00时段为光伏出力高峰期，电负荷需求较高，弃光较少。场景2 引入CCS-P2G 耦合设备，进一步消纳多余的光伏和风力发电，提高了光伏和风电消纳率。场景3 和场景4 在场景2 的基础上，考虑了矿区伴生能源的利用，由于瓦斯和乏风等伴生能源的利用设备会产生碳排放，碳捕集装置耗电增强，系统将加大对风电和光伏的利用程度，进一步提高风电光伏消纳率。

4.4 伴生能源利用效益及设备容量分析

为保证矿区安全经济运行，相较于可再生能源，本文考虑优先消纳矿区伴生能源，其消纳率受伴生能源惩罚系数影响较大。下面将研究不同惩罚系数对伴生能源消纳率和系统总成本的影响。

如图3 所示，当惩罚系数在［80，120）元/MW时，风光消纳率高于伴生能源消纳率，系统优先消纳风电和光伏。当惩罚系数在［120，180）元/MW 时，涌水的消纳率逐渐提升，高于风光消纳率，系统优先消纳涌水。随着惩罚系数继续增加，风光和涌水消纳率不变。当惩罚系数在［180，240）元/MW 时，瓦斯和乏风的消纳率逐渐高于风光消纳率，系统优先消纳瓦斯和乏风，随着惩罚系数的持续增加，风光和伴生能源消纳率保持不变。系统总运行成本随着风光和伴生能源消纳率的提升而逐渐下降，当惩罚系数大于240 元/MW 时，风光和伴生能源消纳率保持不变，系统总成本趋于稳定且不变。

图3 惩罚系数对伴生能源消纳率和系统总成本的影响Fig.3 Influence of penalty coefficient on associated energy accommodation rate and total system cost

通过设置合理的储能、储氢容量可使系统总成本达到最优。如图4 所示，当储能、储氢容量较小时，系统成本较高。随着储能、储氢容量的增加，系统总成本呈下降趋势。当储能容量为10 MW、储氢容量为8 MW 时，二者之间的协同效果最佳，系统总成本最小，随着各自容量增加，系统总成本保持不变。这是因为当储能、储氢容量较小时，由于容量有限，无法消纳风、光及伴生能源产生的富余电能，导致大量弃风、弃光和弃伴生能源。相比较而言，风、光及伴生能源的弃能成本远大于设备维护成本，因而系统总成本较高。当储能、储氢容量增大时，能够消纳更多的富余电能，降低系统弃能成本，虽然维护成本也随之增加，但总体而言，系统总成本下降。储能、储氢容量达到最优值表明设备出力达到最大值。由于本文储能、储氢设备维护成本与设备出力相关，继续增大设备容量不会降低系统总成本，同时也不会增加设备维护成本。因此，系统总成本不会随着储能、储氢容量的增加而增大。

图4 设备容量分析Fig.4 Analysis on equipment capacity

4.5 奖惩阶梯式碳交易机制的参数灵敏度分析

奖惩阶梯式碳交易机制中各参数取值对CMIES 优化运行影响较大。因此，本节研究奖惩阶梯式碳交易机制区间长度、价格增长率、补偿系数对系统总成本和碳排放量的影响。

如图5（a）所示，当阶梯式碳交易设置的区间在［0.5，2）时，系统总成本较高，碳排放水平低。原因在于此区间碳配额较少，系统需要购买较多的碳配额以保持系统的正常运行。同时，系统约束机组出力，减少碳排放。当区间设置在［2，4）时，随着阶梯式碳交易机制的区间长度变宽，系统获得免费的碳配额增多，系统总运行成本降低，碳交易机制的碳约束能力减弱，碳排放量增多。当区间设置在［4，8）时，碳排放量随区间长度呈正比增长，总成本随区间长度呈反比减少。

图5 奖惩阶梯式碳交易机制各参数变量对CMIES 的影响Fig.5 Influence of each parameter variable of reward and punishment stepwise carbon trading mechanism on CMIES

如图5（b）所示，当价格增长率区间在［0，0.35）时，碳排放量随着阶梯式碳交易的价格增长率增大而减小，系统运行成本上升。原因在于碳交易价格提高，为了保证系统的经济性，会约束系统碳排放机组的出力，减少碳排放量。当区间在［0.35，8）时，由于碳排放成本较高，各机组出力逐渐趋于稳定，碳排放量减少，总成本继续呈上升趋势。二者最终都趋于稳定。

如图5（c）所示，当补偿系数区间在［0，0.2）时，对用户的刺激较小，碳排放量几乎不变且较高，总成本呈现逐渐减小的趋势。当补偿系数区间在［0.2，0.4）时，碳排放量呈下降趋势且较为显著，在保证系统正常运行下，系统会减小或转移自己的用能，以期获得经济补偿，系统总运行成本减小。当补偿系数大于0.4 时，机组出力变化小，碳排放量和系统总成本最终趋于稳定。