考虑碳排放的社区级综合能源系统优化模型

陈 华, 黄海晔

(国网上海市电力公司闸北发电厂, 上海 200438)

电能是人类生存和发展必不可缺的能源。随着人们生活水平的不断提高,用电负荷迅速增长,造成负荷的峰谷现象明显,对电力系统的稳定性产生一定的不利影响[1]。由于化石燃料造成的环境污染问题以及能源危机,使得综合能源系统得到了大力的发展。住宅社区作为社会的基本单元、人民生活用电的主要场所,其用电量尤为集中,迫切需要调整、优化能源的资源配置。社区级综合能源系统(Community-level Integrated Energy System,CIES)可以有效地保证电网的安全稳定运行,提高能源利用率和电网运行效率[2]。

CIES利用物联网信息通信技术和能源技术对社区的能源资源配置进行感知、监测、分析和控制。通过调整系统内的资源配置和分布式设备的运行状态,满足社区内用户的能源需求,并能够在电力市场背景下,实现对电价和用户负荷需求量的合理优化,以保证电网的稳定运行[3]。

CIES的主要作用体现在3个方面:一是充分利用可再生能源,通过调整、优化系统内风光发电机组和储能设备的运行策略,提高新能源的消纳水平,实现新能源发电的就地消纳;二是降低污染物排放,通过增加风光发电等清洁能源发电机组,减少火力发电机组出力,从而降低化石能源的消耗及污染物的排放;三是大力推动管理节能和绿色用能,通过技术和管理手段,在保证安全稳定供电的前提下,优化系统内部各种设备的运行状态和用户的用能策略,实现削峰填谷。

目前,国内外已有众多学者对CIES进行了研究。文献[4]分析了两种市场运行机制,提出了一种基于CPU分层控制的能源管理策略。文献[5]提出了一种以系统总运行成本最小为目标,考虑用户柔性负荷参与调节的CIES日前调度模型。文献[6]针对分布式设备的用户侧,提出了一种以分布式发电的安装和运行成本最小为目标函数的优化模型,并与电网侧供电费用相结合,讨论了最优投资问题。文献[7]考虑了电网公司、新增实体供电方和用户三方的利益,建立了静态非合作博弈模型,并采用粒子群算法求得了博弈的均衡解;文献[8]基于综合能源销售商、冷热电联产系统运营商和用户侧三方的利益,采用主从博弈模型,提出了一种CIES运行策略的协同优化方法。但上述文献大多集中于单一经济性问题的优化,但针对碳排放问题的研究较少。

本文在现有研究的基础上,提出了考虑碳排放的CIES优化运行模型。介绍了CIES的基本结构,提出了CIES优化运行的具体控制策略。考虑系统运行的直接成本和碳成本,以及相关约束条件,建立了以CIES运行综合成本最低为目标的函数,并通过仿真试验验证了本文所提模型的可靠性和有效性。

1 CIES的基本结构和运行策略

1.1 CIES的基本结构

本文搭建的CIES主要功能包括:采集系统内的各种信息(如负荷和可再生能源预测信息、能源市场信息、基于实时监控系统采集的电网信息);优化各发电装置、能源转换装置、储能装置和用户用能装置之间的功率分配;实现分布式设备在多工作模式之间的灵活投切;实现微电网在孤岛运行与并网运行模式间的平滑切换;保证敏感负荷的可靠供电,实现微电网安全、经济、稳定运行[9]。其网络架构如图1所示。

图1 CIES的网络架构

CIES的管理平台架构如图2所示。由图2可以看出,系统的能源管理平台向上与上级供电公司进行信息交互,接收上级电网下发的控制指令,包括实时电价信息和社区电能调度指令;向下接收家庭能源管理系统和社区公共设施能量管理系统上传的可控设备和可控负荷信息,实现社区能源的优化管理。通过数据信息的交互,CIES对购电电量、系统内各种设备的运行状态进行调整,同时为用户提供详尽的用能结果分析报告,使得社区居民用户的用能更加高效化、合理化,实现新能源消纳的最大化。

图2 CIES的管理平台架构

1.2 CIES的运行策略

本文建立的CIES系统包含了风力发电、光伏发电、燃料电池、柴油发电机及储能装置。并网方式下的优化运行是指系统在满足用户负荷需求、保证供电可靠性的前提下,降低运行成本,减少有害气体排放量,从而实现节能减排的目的。CIES运行策略的制订主要考虑两个方面:一是CIES内部各种分布式设备的运行状态和分布式设备之间的能源协调;二是CIES与大电网之间的电能交易。CIES根据负荷需求预测及电力公司发布的电价等因素,经济调度分布式设备和储能单元的出力,以及与外部电网之间的电量交易。

CIES优化运行的具体控制策略如下。

(1) 优先利用可再生能源(如风力发电、光伏发电)的出力。

(2) 通过短期负荷预测,当机组出力无法满足用户负荷需求时,储能装置工作。在电价低谷期从电网购电,存储电能;在电价高峰时储能装置优先放电,减少从电网购电电量,从而达到削峰填谷的目的。

(3) 当风力发电和光伏发电的出力能够满足社区居民用户负荷的总需求且仍有剩余时,若储能装置的荷电状态小于0.9,则优先对储能装置充电,若储能装置达到最大容量还有多余电量,则向配电网售电。

(4) 当风力发电和光伏发电的出力无法满足CIES电负荷需求时,若储能装置的荷电状态大于0.5,则储能装置进行放电工作,同时监测储能装置的充放电状态。当储能装置的荷电状态达到最低荷电状态时,停止工作。

(5) 若在储能装置允许放电的范围内仍无法满足用户负荷需求时,燃料电池和柴油发电机工作,释放电能,系统按照经济运行和低碳综合效益最大化的优化策略,调度燃料电池和柴油发电机的出力来满足剩余负荷需求。

2 考虑碳排放的CIES优化模型

2.1 目标函数

以CIES运行综合成本最低为目标,其目标函数为

minC=Ceco+Ccbn

(1)

式中:C——CIES运行综合成本;

Ceco——CIES运行的直接成本;

Ccbn——CIES的综合碳成本。

CIES运行的直接成本可表示为

Ceco=CG+COM+CGrid+CDP

(2)

(3)

(4)

CGrid=CptCgpt-CstCspt

(5)

(6)

ADCCi=Icost×CFR

(7)

(8)

式中:CG——发电燃料消耗成本;

COM——运行管理成本;

CGrid——CIES与大电网交互成本;

CDP——发电设备的折旧成本;

i——发电设备的编号;

Ci——第i台发电设备的燃料消耗成本;

Pit——第i台发电设备在t时刻的输出功率;

Cpt——t时刻CIES向大电网购电的电价;

Cgpt——t时刻CIES向大电网购电的电量;

Cst——t时刻CIES向大电网售电的电价;

Cspt——t时刻CIES向大电网售电的电量;

ADCCi——第i台发电设备的年均折旧成本;

Pfci——第i台发电设备的最大输出功率;

c——容量因素;

Icost——发电设备单位容量安装成本;

CFR——资金回收系数;

d——利率,一般取9%～13%;

L——发电设备寿命。

综合碳成本Ccbn可表示为

Ccbn=EDηtT-EMGηTP

(9)

ED=EWT+EPV+EFC+EDE+ESB

(10)

EMG=ED+EN

(11)

式中:ED——系统发电时的CO2排放量;

ηt——碳税的征收比例系数;

T——单位碳排放下所需缴的税额;

EMG——CIES发电的CO2排放量和从电网购电造成的CO2排放量之和;

ηT——CO2减排量占排放总量的比例;

P——交易价格;

EWT,EPV,EFC——风力发电、光伏发电、燃料电池发电造成的CO2排放量;

EDE,ESB——柴油发电机、储能装置发电造成的CO2排放量[10];

EN——从电网购电造成的CO2排放量。

按照碳汇理论[11],CIES从电网购买电能,其发电的源头也会产生CO2,且排放量为购电量的函数。这部分碳税成本实际上是包含在所支付的电价中。

综上所述,CIES用电产生的CO2排放量EN为

(12)

PDSG=PWT+PPV+PFC+PDE

(13)

式中:LN——CIES内的负荷总需求;

PSB——储能装置的发电出力;

sgn——符号函数;

PDSG——除储能装置外,各分布式设备的发电出力总和;

DN——购电总量;

PWT,PPV——风力发电、光伏发电的出力;

PFC,PDE——燃料电池和柴油发电机的出力。

2.2 约束条件

CIES优化模型需满足的约束条件主要有:功率平衡约束;发电设备出力限制约束;联络线传输功率约束;储能装置容量约束;储能装置充放电约束。

各机组出力必须满足的等式约束条件为

(14)

式中:PLoad——CIES的所有负荷;

PDN——大电网供电量;

PGN,i——第i台发电设备在某时刻的输出功率。

各发电设备出力需满足机组容量限制,表达式为

(15)

CIES与大电网交互的联络线传输功率需满足

Pline,min≤Pline≤Pline,max

(16)

式中:Pline——某时刻CIES与大电网的传输功率;

Pline,min,Pline,max——CIES与大电网之间联络线上的最小和最大安全传输功率。

对于储能装置来说,必须满足荷电状态约束

SOC,min≤SOC≤SOC,max

(17)

式中:SOC——某时刻储能装置的荷电状态;

SOC,min,SOC,max——储能装置的最小和最大荷电状态。

储能装置的寿命会受到充放电次数的影响。充放电次数过多将缩短其使用寿命,且每小时的充放电容量不能超过其最大容量的20%。

设Δt为充放电时间,则需满足

(18)

式中:P+,P-——储能装置的充电功率和放电功率;

Vsys——直流母线电压;

Cbatt——储能装置的额定容量,假设储能装置的初始荷电状态为100%的额定容量。

3 算例仿真

本文以分布式设备组成的小型系统为例进行仿真分析。系统中主要包含的分布式电源为风力发电、光伏发电、燃料电池、柴油发电机及储能装置。将一日的24 h根据用户负荷需求分为峰、谷、平3个时期,共计6个时段:时段1为23:00—07:00;时段2为07:00—10:00;时段3为10:00—15:00;时段4为15:00—18:00;时段5为18:00—21:00;时段6为21:00—23:00。其中,时段3和时段5为负荷集中期,称为峰时段;时段1为负荷使用低谷期,称为谷时段;时段2、时段4和时段6称为平时段。本文采用峰、谷、平分时电价进行计算,购电和售电价格如表1所示。各时段的负荷需求如表2所示。分布式电源的具体参数如表3所示。

表1 系统各时段的购、售电价格 单位:元/kWh

表2 一天内6个时段的负荷需求 单位:kWh

表3 分布式电源的参数

本文中取风力发电、光伏发电、燃料电池和柴油发电机的单位发电成本分别为0.44元/kWh,0.51元/kWh,0.30元/kWh,0.55元/kWh;CO2排放强度分别为0,0,0.448 kg/kWh,0.648 kg/kWh;电网发电侧的平均CO2排放强度为0.79 kg/kWh;低碳排放激励为0.05元/kWh;CO2的排放税为50元/t;纳税比例系数为100%。由于网络损耗较小,故可忽略不计。

图3为某一典型日24 h内风力发电和光伏发电的出力预测及负荷需求预测结果。

图3 典型日内风力发电和光伏发电的出力预测及负荷需求预测结果

根据上述数据,利用遗传算法计算得到各分布式设备的日前调度优化结果如表4所示。其中,储能装置出力正值表示储能设备放电,负值表示充电。

表4 日前调度优化结果 单位:kWh

由表4可以看出,风光发电的出力受环境因素的影响较大,各时段出力差异较为明显。由于夜间凌晨时的风速较高,往往达到一日中的最大值,所以风力发电在时段1的出力值较大。相反,夜间至清晨的光照薄弱,光伏发电出力几乎为零。由于燃料电池的CO2排放强度相对较低,因此也成为主要的发电设备。在谷时段期间,由于负荷需求量较小,系统购电价格较低,因此储能装置进行充电,向大电网的购电量增大;而在峰时段期间,负荷需求量较大,分布式设备出力不足,购电电价高,因此储能装置进行放电。储能装置的寿命与其充放电次数密切相关,按照分时电价划分时段后,很好地控制了储能装置的充放电次数,对提高系统运行的经济性也非常有益。

根据式(2)～式(13),各时段分布式电源直接经济成本、CO2排放值、综合碳成本如表5所示。

表5 各时段分布式设备的经济性参数值

由表5可以看出,由于CIES中加入了碳交易机制,清洁能源的优势凸显,可在碳交易市场中获利,从而使得各时段的低碳综合成本低于直接经济成本,发电CO2排放也低于用电CO2排放,环保效益得到提升。

由上述结果可知,系统一日内总的综合碳成本为1 220.75元,直接经济成本为1 355.3元,分布式设备的发电量及从电网购电的电量总和为6 990.25 kWh,发电造成的CO2排放量为2.48 t,单位发电排碳量为0.35 kg/kWh;用电造成的CO2排放量为3.77 t,单位用电的排碳量为0.54 kg/kWh;发、用电的CO2排放率均小于传统电网发电侧的排放强度0.79 kg/kWh。系统的低碳效益显而易见,证明了CIES优化模型的可靠性和有效性。

4 结 语

本文针对住宅社区用电集中、峰谷差较大而对电网不利的现象,就如何提高社区内部资源有序配置问题展开了研究。首先,提出了一种含风力发电、光伏发电、燃料电池、柴油发电机及储能装置的CIES模型,以及系统优化运行的具体控制策略;然后,在满足系统负荷需求和可靠性的前提下,使系统运行成本最小、污染气体排放最少,建立了优化模型,模型以CIES运行综合成本最低为目标,考虑了相关的约束条件,并采用遗传算法进行了求解;最后,通过仿真验证了该模型能够有效降低系统运行的直接成本,并且低碳效益十分显著。本文忽略了用户的满意程度,并且没有考虑机组的启停成本,因此今后需要在这些问题上展开更进一步的研究。