考虑碳排放的多站融合系统日前优化运行

2021-09-25朱亮亮肖楚鹏李文庆张春雁卞世敏

电力需求侧管理 2021年5期

朱亮亮，肖楚鹏，丁胜，李文庆，张春雁，高洁，卞世敏

（1.国网电力科学研究院有限公司，南京 210000；2.国网电力科学研究院武汉能效测评有限公司，武汉 430074；3.国网上海市电力公司，上海 200122）

0 引言

习近平总书记在第七十五届联合国大会上提出中国二氧化碳排放力争于2030年前达到峰值，2060年前实现“碳中和”的目标，并且在第十九届五中全会提出“十四五”目标：能源资源配置更加合理，利用效率大幅提高，推进能源革命，加快数字化发展。

“多站融合”作为电力物联网实施落地的重要应用之一，将变电站、数据中心站、充电站、储能站以及新能源站等资源进行汇聚，在优化城市资源配置，提升数据感知、运算效率以及新能源消纳，降低碳排放方面具有重要的作用［1—3］。文献显示，目前已有对多站融合的相关研究，文献［1］设计了一种基于全直流母线的多站融合架构，并分析了现有技术应用于该架构建设与运行的可行性及关键问题。文献［2］、文献［3］主要论述多站融合背景下的运营模式和发展路径。文献［4］在考虑多站融合的场地条件、业务需求的基础上，提出多站融合场景下各站的配置方法和协调运行策略。

现有的研究中针对多站融合系统的优化调度和融合站运行对环境的影响相对较少。但是在以往的综合能源系统和微网当中对该方面已经有较多的研究，为多站融合系统提供了一定的理论基础和研究思路。

文献［5］以电热气互联能源系统为研究对象，以用能成本、环境成本和弃风弃光功率最小为目标，构建系统的环保经济优化调度模型。文献［6］提出了一种综合考虑削峰填谷可靠性与经济性的双层优化调度方法。文献［7］提出了一种源-储-网联合多时间尺度优化调度策略。文献［8］中考虑系统的碳排放，在传统综合能源系统中考虑引入光热电站充当热电联产机组，提出了一种综合能源系统低碳优化运行方法。文献［9］针对构建的虚拟发电厂建立优化调度模型，实现了在消纳全部新能源的基础上，有效抑制虚拟发电厂并网功率的波动性，提高了新能源接入的友好性。

本文在上述相关文献的研究基础上，针对由变电站、数据中心站、储能站以及新能源站融合而成的四站融合系统，提出一种考虑碳排放的多站融合系统的优化运行模型，通过仿真分析说明模型的有效性，也为后续其他子站的融合、多站的扩建与发展提供了一定的研究基础。

1 多站融合拓扑结构及单元模型

本文所研究的多站融合系统主要是在变电站的基础之上，充分利用空余场地和区域，建设储能站、新能源站以及数据中心站［4］。其特点主要在于储能站能够为数据中心站提供UPS服务，降低数据中心站投资成本的同时利用峰谷电价差进行套利，减小购电费用；新能源站就地提供清洁能源，实现清洁能源就地消纳能够减少购电量降低碳排放，同时与储能站配合可以对站内负荷进行稳定供电；数据中心站可为融合站提供数据存储、计算以及传输等服务。通过各子站间协调运行，能够实现整体利用效率和成本的优化，达到兼顾经济性和环境效益的目的。本文所研究的4站融合系统的拓扑结构如图1所示。

图1 4站融合系统的拓扑结构Fig.1 Topological structure of four-station fusion system

1.1 新能源站数学模型

新能源站由光伏发电机组和风机发电机组组成，光伏发电机组的数学模型为

式中：PPV为光伏发电功率；Pst.max为光伏在标准实验条件下的最大测试功率；Es为光照强度；Es.st为标准实验条件下的光照强度；K为功率温度系数；To为电池板的实际温度；Tst为标准实验条件下的温度。

风机发电机组的数学模型为

式中：PWT为风力发电机输出功率；Pr为风力发电机的额定功率；v为风力发电机组的实际风速；vci、vco、vr分别为风力发电机的切入风速、切出风速和额定风速。

1.2 储能电站数学模型

储能站在融合站中起到平衡电量随机波动、削峰填谷等作用。蓄电池当前的剩余电量主要是由其前一时刻的剩余电量、当前的充放电功率和蓄电池本身的自放电功率决定的。数学模型为

式中：SOC（t）为t时刻储能电站的荷电状态；δ为储能电站的自放电系数；PCES、PDES分别为储能电站的充放电功率；ηCES、ηDES分别为储能电站的充放电效率；Esoc为储能电站的额定容量；Δt为调度时间段间隔。

1.3 变电站负荷模型

融合站中变电站的负荷主要由制冷负荷、照明负荷、安防负荷以及动力负荷等构成。本文中变电站负荷模型为

式中：PSL为变电站总负荷，kW；Pl为制冷负荷，kW；PGl为照明负荷，kW；Pal为安防负荷，kW；Pml为动力负荷，kW。

1.4 数据中心站负荷

在融合站中建立数据中心站主要是给其他子站提供数据存储、计算和传输等服务，数据中心站中负荷主要是由IT设备负荷和制冷负荷组成，其数学模型为

式中：PDC为数据中心站总负荷，kW；PIT为IT设备负荷，kW；PZl为数据中心站制冷设备负荷，kW。

2 优化运行模型

本文提出的针对多站融合系统的日前优化运行模型，所建立的目标函数兼顾经济性和环境效益，主要包括融合站的日运行成本最小和碳交易成本最小，具体如下。

2.1 目标函数

融合站的日运行成本是衡量融合站的运行经济性的重要指标，本文所提出的融合站日运行成本主要包括设备的运行维护成本、购电成本、供电可靠性成本以及负荷中断成本，其表达式为

式中：F1为融合站日运行成本；f1为购电成本；f2为运行维护成本；f3为新能源站的弃风、弃光惩罚成本;f4为融合站中的负荷中断成本。

（1）购电成本f1为

式中：Cbuy、Csell为购电电价以及售电电价，元/kWh；Pnet(t)为t时间段联络线上的传输功率，kW。

（2）运行维护成本f2为

式中：K m为系统第m个设备的运行维护系数；P m(t)为t时间段内第m个设备运行功率大小。

（3）供电可靠性成本f3为

式中：Cd为单位弃风弃光惩罚价格，元/kWh；Pdes1(t)、Pdes2(t)为系统t时间段弃风、弃光量。

（4）负荷中断成本f4为

式中：Closs为中断负荷时的单位惩罚价格；Ploss(t)为融合站t时间段内中断负荷损失的负荷量大小。

本文为实现融合站低碳运行，引入碳交易机制，设定融合站总碳排放额为E0。如果系统的实际碳排放量大于分配额，则需要到碳交易市场购买所超出的额度；反之如果系统实际的碳排放量小于分配额，则可以向碳交易市场出售剩余额度。根据碳交易价格C0，可计算得到系统碳交易成本，该数值越小说明环境效益越好

式中：C0为碳交易价格，元/kg；μ为融合站从电网中每购1度电所产生的碳排放量，kg/kWh；E0为融合站所分配的总碳排放量，kg。

2.2 约束条件

（1）融合站电平衡约束

式中：PL为系统的电负荷需求；Pbat为储能站的充放电功率。

（2）融合站与配电网的功率交换约束

式中：Pnet.max、Pnet.min分别为联络线所允许的传输功率的上下限。

（3）新能源站中风机出力约束

式中：PWT.max为风机的最大出力。

（4）新能源站中光伏出力约束

式中：PPV.max为光伏的最大出力。

（5）储能站运行约束为

2.3 模型求解

将碳交易成本加到多站融合系统的日运行成本中就可以得到考虑碳排放的多站融合系统日前优化运行模型，目标函数如下

为了能够快速得到实用的运行策略，本文在MATLAB环境下，基于Yalimp平台建立多站融合系统优化运行模型，并通过Yalimp工具箱调用CPLEX求解该模型。

3 算例分析

3.1 仿真参数设置

为了验证本文中模型的有效性，选取我国湖南省某地区的多站融合系统为例进行研究。新能源站中光伏额定功率取200 kW、风机取100 kW；Tst取25°C；K取-0.42%；To取均值45°C；Es.st取值1 000 W m2；vci、vco、vr分别为风力发电机的切入风速、切出风速和额定风速分别取4 m s、25 m s、12 m s；ηCES、ηDES取值分别为0.95、0.98；α、β均取0.5；运行维护成本均取0.1元/kWh；CO2排放系数取0.889 kg/kWh；弃风弃光惩罚系数和负荷中断惩罚系数［7］分别取1.0元/kWh和6.0元/kWh；碳交易价格C0取0.3元/kg，采用90%的碳排放免费配额。融合站的负荷曲线、光伏和风机发电曲线如图2所示。融合站向电网购电电价采用峰谷平分时电价，新能源站售电电价为0.4元/kWh。

图2 电负荷、风机和光伏功率曲线Fig.2 The power curve of the electrical load and wind turbine and photovoltaic

3.2 仿真分析

本文从以下4个方面结合相关仿真结果进行详细分析。

3.2.1 储能站容量的配置对优化运行的影响

本节保持联络线功率一定，调整储能站容量的大小来分析不同储能容量对运行结果的影响。仿真结果如图3所示。

图3 不同储能容量的优化运行结果Fig.3 Optimal operating results of different energy storage capacities

从图3可以看出，储能电站容量在100～300 kWh变化时，由于联络线传输功率一定，系统以最大传输功率进行购电和售电，故购电成本保持不变，碳交易成本不变，碳排放量保持不变。随着储能容量的增加，消纳新能源站发电量增加，弃风弃光成本减小，削负荷成本也减小，说明系统中融入储能站对于新能源消纳和供电可靠性有明显提升。在储能配置为300 kWh时，弃风弃光量为0，风机光伏发电量得到全部利用。

3.2.2 融合站电负荷大小对新能源消纳率的分析

本节分析储能配置容量为300 kWh时，扩大负荷对新能源消纳率、弃风弃光率的影响，不同负荷下消纳新能源率如表1所示。

表1 不同负荷下消纳新能源率Table 1 The consumption rate of new energy under different loads

从表1可以看出，当负荷电量小于3 000 kWh时，存在弃风弃光现象，而且负荷就地消纳新能源发电率也较小，上网电量比较大，新能源发电具有随机性和波动性，大规模的可再生能源并入电网会引起电网的波动。当负荷电量增加到5 508 kWh时，负荷就地消纳新能源率达到100%，实现可再生能源的充分就地消纳。因此在多站融合背景下，可以通过增加负荷量来实现负荷就地消纳可再生能源，同时还可以通过其他子站的融合从而更好实现就地消纳可再生能源以及减小对电网稳定的影响。

3.2.3 最佳配置下储能站和新能源站的投资回收期分析

本节分析储能配置容量为300 kWh，负荷消纳光伏率接近100%，没有弃风弃光量和削负荷量。系统未融合新能源站和储能站，总运行成本一天约2 817.06元，融合新能源站和储能站后一天运行成本679.12元，节约2 137.94元，年节约费用为78.1万元，储能带来的日净收益是约279.23元，年度收益约10.1万元。新能源站日净收益约1 858.71元，年度收益约67.9万元，按照新能源站4元/W，储能2 000元/kWh进行投资，新能源站投资回收期约为2年，储能站投资回收期约为6年。

3.2.4 最佳配置下运行策略分析

为了验证本文所提控制策略的有效性，在配置储能容量为300 kWh时进行仿真分析，得到整站优化控制策略如图4所示。

图4 融合站供电优化运行结果Fig.4 Optimal operating results of power supply of the whole station

如图4所示，系统负荷中断量为0，各个时段用电保持供需平衡的状态。在0:00—6:00和22:00—24:00电价低谷时段新能源站中以风机出力为主，电负荷主要由配电网以及风力发电供给。在6:00—18:00这一时段新能源站中风机和光伏发电量较大，电负荷主要由可再生能源供给，多余的电量向配电网进行售电以及储能装置进行充电；在18:00—22:00的电价高峰期放出，尽可能消纳更多可再生能源发电，减小向电网购电量，购电成本和碳交易成本均降低，实现经济性和环保性的目的。储能状态曲线和整站的供售电运行情况如图5和图6所示。储能站与光伏电站联合应用，对整站负荷进行稳定供电的同时在峰谷电价差下进行套利，剩余电量可为数据中心站提供UPS服务，该部分电量通常也处于备用状态。