低碳经济下的微电网电源规划研究

邹国春，陈 棋，石 磊

（国电南瑞科技股份有限公司，江苏南京 210061）

随着全球气候日益变暖，减少CO2排放和发展低碳经济已经成为当前研究热点。低碳经济是人类社会应对气候变化，实现经济社会可持续发展的一种模式。低碳经济兼顾了“低碳”和“经济”，低碳，意味着经济发展必须最大限度地减少或停止对一次能源燃料的依赖，实现能源利用的转型；经济，意味着要在能源利用转型的基础上继续保持经济增长的稳定和可持续性[1-4]。

作为最主要的CO2排放源，电力系统领域中越来越注重研究和应用各种低碳电力技术。文献[5，6]着重分析了各种清洁能源的特点以及在电力系统中大范围应用的关键技术和难点；文献[7]分析了实施CO2减排对电力需求侧技术的激励；文献[8，9]研究了在电源扩展中引入碳约束条件对其影响以及如何确定相应的最佳电源结构。

由于低碳电力技术对规模经济性的要求相对较低，同时国内外的CO2价格、碳税政策、相关的约束机制或交易机制与低碳电源投入运行产生联动，深入分析低碳经济下电力系统中新的电源结构与运行特点，已成为低碳电力研究中一个非常重要的研究方向。在综合考虑国内外研究成果的基础上，将低碳经济下的清洁能源发展机制（CDM）引入到微电网电源规划中，考虑CO2交易机制，计及碳约束与碳交易，建立低碳经济下的微电网电源规划模型，并采用改进的矩阵实数编码遗传算法进行求解。

1 数学模型

建立的数学模型基于如下假设：

（1）仅考虑四种微电源，微型燃气轮机（MT）、燃料电池（FC）、风力发电（WT）和光伏发电（PV），其中前两种微电源消耗一次能源，这里假设为天然气。

（2）四种微电源均为符合CDM的低碳电力技术。其中，前两种产生了一定量的CO2，后两种为零排放。

（3）在规划过程中考虑到低碳发电技术的成熟度因素，引入了低碳发电技术成熟年的概念，认为WT与PV具有技术成熟年，而MT和FC技术已经成熟。

1.1 目标函数

引入低碳经济，在减少温室气体的排放的前提下，取目标函数为微电网电源总体成本最小化。

式（1）中：F1为微电网电源建设的投资费用，元；F2为微电源发电运行与管理维护费用，元；F3为考虑低碳经济的总费用，元；F4为微电网与大电网运行交互费用，元。

式（2）中：T为考虑的总的规划年限；N为微电源的种类数目；为新建第n类微电源在规划年t的投资费用，元；r为贴现率。

式（6）中：等号右两项的第1项为低碳电力技术研发成本投入，元；第2项为引入CO2交易机制所付出的成本，元；为低碳发电技术的初始年技术投入成本，元；rn为第n类微电源年技术投入成本下降率；为采用低碳发电技术引起的 CO2减排量，t；为核准减排量成本，元[10]；CT为CDM机制下可交易的CO2减排价格，元。

1.2 约束条件

（1）微电网内备用容量约束。

（2）微电网内的电量约束。

（3）微电源的投产容量约束。

（4）微电源的上下限约束。

式（13）中：Pn为第n种微电源每台机组的出力，kW；Pn，min和Pn，max分别为微电源每台出力的下限和上限，kW。

（5）微电网与大电网之间电量交互的约束。

（6）技术成熟年的约束。

式（15）中：Tn为微电网中第n种微电源的技术成熟年，表示第n种微电源在Tn年因为技术成熟后才可以用于发电。

（7）碳排放约束。

式（16）中：en为第n种微电源产生单位电量的CO2排放量，t/（kW·h）；Et为规划年t政府规定的 CO2总排放量，t。

式（1—16）构成了低碳经济下微电网电源规划的优化数学模型，控制变量包括，，和 ΔPτ。

2 求解方法

采用二维实数矩阵对所要制定的微电网电源规划方案进行编码，从而可以直接应用遗传算法进行寻优[11]。同时，为了使矩阵实数编码遗传算法在更大的搜索空间寻找最优解，采用窗口宽度分别为：w1=1，w2=2，w3=5的多窗口变异操作，且每次变异操作都采用三种不同的窗口分别计算，择优作为变异结果。流程如图1所示。

3 算例

以文献[12-14]中的测试系统为基础构造了某市某社区“十二五”和“十三五”期间电力规划的微电网仿真系统，如图2所示。相关的负荷预测数据如表1所示。规划中微电源包括300 kW的微型燃气轮机、250 kW的燃料电池、250 kW的风力发电机和200 kW的光伏电池阵列，相关数据见表2和表3。

表1 规划水平年内负荷最大量和用电量预测

表2 微电网中微电源的相关数据 kW

表3 微电网中微电源的相关数据

风力发电和光伏发电的技术成熟年分别为2013年和2015年，排放目标为2020年在2010年的基础上减少5%，切负荷的价格0.8元/（kW·h），碳交易价格取80元/t，购电价格取0.9元/（kW·h），售电价格取0.4元/（kW·h）。遗传算法的参数取为：种群规模100，运行代数1 000代，交叉率0.75，变异率0.05。

根据建立的模型和提出的算法，求得低碳经济下微电网电源规划结果如表4所示。

由表4可见，规划阶段前期，MT和FC的装机容量比较大，到2016年达到峰值，装机容量分别为1 108.75 kW和846.28 kW，之后，装机容量开始减少，到规划末年，装机容量变为785.92 kW和474.28 kW。这主要是由于规划阶段前期，由于WT和PV受技术成熟年的制约，分别到2013年和2015年才开始投入运行，同时，MT和FC的投资费用低，使其得到快速发展。而到了规划阶段后期，由于引入了强制减排目标，因此减少了MT和FC装机容量。由此可知，减排目标的引入，有利于快速实现电力企业低碳化。

同样由表4可见，WT和PV分别到2013年和2015年才开始投入运行，在这之后，其装机容量开始逐年增加，并且增长速度超过同期MT和FC的装机容量，在规划末年，装机容量达到875.76 kW和755.55 kW。考虑到CO2交易机制的引入，增加WT和PV的装机容量，可以获得更多的减排量用于出售，以获得收益，降低电力企业的投资成本。因此，在WT和PV技术成熟以后，其相应的装机容量不断增加，获得了较快的发展。

根据选择的微电源型号，可确定最终的规划方案为：3×300 kW 的 MT，2×250 kW 的 FC，4×250 kW的WT和4×200 kW的PV。由此计算出规划年内CO2逐年排放量，如图3所示。

表4 低碳经济下微电网电源规划的优化结果

图3 规划期内CO2逐年排放量

由图3可见，规划起始年的CO2排放量为0.87万t，到2017年排放量达到峰值，为1.20万t，随后排放量开始下降。经计算，在总的规划期内，CO2总的排放量为10.11万t，年平均排放量为1.011万t，比规划期初年高出18.94%，而规划末年的排放量为0.82万t，比规划初年降低了5.74%，达到了政府规定的排放要求。这是因为后期随着风力发电和光伏发电机组的不断投入，部分MT和FC机组退出运行，CO2排放量逐渐下降的原因。

4 结束语

本文在微电网电源规划中计入低碳约束，引入CO2交易机制，以电力企业总效益最大为目标，建立了优化数学模型。通过改进的矩阵实数编码遗传算法求解，仿真结果表明，通过大力发展低碳电力技术，降低高排放高耗能的微电源装机容量的比例，可以很好地完成减排目标，降低电力行业的碳排放量，实现电力工业的低碳化。

[1]魏一鸣，刘兰翠，范 英，等.中国能源报告(2008)：碳排放研究[M].北京：科学出版社，2008.

[2]张坤民，潘家华，崔大鹏.低碳经济论[M].北京：中国环境科学出版社，2008.

[3]康重庆，陈启鑫，夏 清.低碳电力技术的研究展望[J].电网技术，2009，33(2)：1-6.

[4]IVANA K.European Union Perspective on the Kyoto Protocol∶Emissions Trading Scheme and Renewable Resources[C].IEEE PES General Meeting，2006.

[5]DOHTREY R，OUTHRED H，O’MALLEY M.Generation Portfolio Analysis for a Carbon Constrained and Uncertain Future[C].International Conference on Future Power Systems，2005.

[6]DECAROLIS J F，KEITH D W.The Economics of Large-scale Wind Power in a Carbon Constrained World[J].Energy Policy，2006（34）：395-410.

[7]DENHOLM P，KULCINSKI G.Net Energy Balance and Greenhouse Gas Emissions from Renewable Energy Storage Systems[R].Report no．223-1，Madison：Energy Center of Wisconsin，Available from http∶//www.ecw.org/prod/223-1.pdf.

[8]陈启鑫，康重庆，夏 清，等.电力行业低碳化的关键要素分析及其对电源规划的影响[J].电力系统自动化，2009，33(15)：18-23.

[9]DAMIEN C，TOSHKO Z.Emissions Targeting and Planning：An Application of CO2Emissions Pinch Analysis(CEPA)to the Irish Electricity Generation Sector[J].Energy，2008(5)：1-10.

[10]王 灿，傅 平，陈吉宁.清洁发展机制对温室气体减排的贡献[J].清华大学学报(自然科学版)，2008，48(3)：357-361.

[11]孙力勇，张 焰，蒋传文.基于矩阵实数编码遗传算法求解大规模机组组合问题[J]，中国电机工程学报，2006，26(2)：82-87.

[12]DAVIS G.Integration of Distributed Energy Resources[R].150-99-003，California：CERTS Program Office Lawrence Berkeley National Laboratory，2003.

[13]KARINIOTAKIS G N，SOULTANIS N L，TSOUCHNIKS A I.Dynamic Modeling of Microgrids[J].Future Power Systems，2005，18(18)：1-7.

[14]KATIRAEI F，IRAVAI M R，LEHN P W.Micro-Grid Auton-omous Operation During and Subsequent to Islanding Process[J].IEEE Trans.on Power Delivery，2005，20(1)：248-257.