基于能源消耗追溯的居民社区动态碳减排量核算技术研究*

2022-04-28吴恒,尹力,黄莉,傅萌

电器与能效管理技术 2022年3期

吴恒, 尹力, 黄莉, 傅萌

(1.江苏智臻能源科技有限公司, 江苏南京 210008;2.国网湖北省电力有限公司武汉供电公司, 湖北武汉 430000)

0 引言

在“双碳”目标背景下,以新能源为主体的新型电力系统已成为电力行业的时代使命,“数字化”与“双碳”必然是未来电力发展的两大方向。而“双碳”目标的落实需要从不同的低碳业务维度入手进行指标解耦,同时还要从逐步由国家到区域进行细化指标分解。

作为城市建设中的重要一环,居民和一般工商业能耗占社会能源总消耗量的比例迅速增加,根据《国际能源署2020年全球能源消费报告》显示,全球能耗的30%来自住宅、商用和公共服务建筑。居民台区未来将改变原来单一“消费端”的供电形态,形成包含源网荷储充等综合能源的“产销并存”模式,并逐渐呈现高清洁能源渗透、高峰谷差、高波动性的“三高”特性,有必要分析综合能源高比例渗透社区趋势,以形成“碳流”与“能源流”相辅相成的应用模式。通过将居民社区作为“双碳”目标实现主体,可以为国家和城市的“双碳”目标分解提供最小管理单元支撑,也可以为社区提供安全化、便捷化的智慧用能服务。

目前,国内外有学者对综合能源的低碳和规划开展了前瞻性研究。文献[1]从主动配电网能量损耗和出力的角度,提出主动配电网碳净增量模型和碳交易机制,以支撑电动汽车充换储一体站与主动配电网协调规划。文献[2]提出计及碳中和效益及清洁能源消纳的虚拟电厂双层协同优化调度模型。文献[3]提出了社区级综合能源系统(Cooounity Integrated Energy System,CIES)的基本架构和运营策略,从经济性和碳排放两方面进行分析,建立了包含直接运行成本和综合碳成本的目标函数。也有学者开始低碳行为的分析和探索。文献[4]构建了居民低碳行为驱动力模型,用来考察居民低碳行为驱动力的影响程度和影响路径,以便为推进低碳社区建设提供政策与决策依据。文献[5]定性分析了碳排放影响因素,明确调控城乡融合型村镇社区的空间形态。在系统层面的碳排放系数设定方面,文献[6]提出了多供能主体碳交易成本计算模型,明确各类型能源供应商的碳排放系数值。综上,现有文献缺少系统的社区碳计量方法,尚未建立科学完善的碳量测体系,对于居民社区的碳管理相关技术尚未研究,存在源端数据模糊、颗粒度低,模型架构简单、置信度差等问题。因此在居民侧实践碳排放精准管理意义重大[7]。

为支撑更加科学的碳排放核算,本文提出一种考虑清洁能源就地消纳和电网能源输出占比的动态碳排放因子计算方法,并提出碳减排量计算模型,为社区“双碳”目标管理和居民社区碳普惠提出技术支撑。

1 动态电力碳排放因子计算方法

传统的电力碳排放计量方法一般采用固定的碳排放因子,无法反映电力系统实时能源供给影响下的碳排放构成[8-10]。同时在新型电力系统的建设背景下,可再生能源的就地消纳也会影响区域电网的电力碳排放因子,极端情况下如果区域负荷100%采用就地消纳的清洁能源,则理论上该区域的碳排放因子为零。

因此,为解决以上传统电力碳排放计算方式的缺陷,提出动态碳排放因子的计算方法。动态碳排放因子通过区域电网的调度数据为参考,得到不同电力碳排放因子的源端构成,实时计算电网整体动态碳排放因子,并计及区域新能源就地消纳因素,计算得出区域实时的动态碳排放因子。该碳排放因子能够更科学的反映在区域用电所产生的碳排放。

区域动态碳排放因子EFarea,t的计算式为

EFarea,t=EFgrid,t×αt

(1)

其中,αt=Egrid/Earea,βt=1-αt。

式中: EFgrid,t——外部电网的碳排放因子;

αt——区域由外部电网供电的分时段占比;

Egrid——全部由内部清洁能源供电;

Earea——社区清洁能源发电上网;

βt——区域由内部就地新能源供电的分时段占比。

其中,

(2)

式中: EFk,t——区域k发电厂(或外来电)在t时段的动态碳排放因子;

γk,t——区域k发电厂(或外来电)在t时段的发电总区域发电量的比值。

2 不同社区侧低碳行为的减排量分析

2.1 低碳行为分析

电力碳排放的计量通过使用电量乘以碳排放因子得到,而在双碳背景下,核心目标是要实现碳减排的引导和计量,其难度在于不同低碳行为的识别和科学计量。因此,提出社区碳减排量的计算方法,结合多源数据对社区碳排放影响因素,涉及包括源网荷储充等社区基础设施、居民居家能源构成信息、居民出行方式等。从“能源生产就地化清洁化”、“能源消费电气化高效化”、“能源流转可调度精准化”、“社区管理线上化绿色化”4个维度进行分析,构建需求侧响应、居民节约用电、电动汽车充电、新能源发电四大类低碳用电行为。

(1)电力需求响应行为针对居民家庭和电动汽车充电用户,通过激励措施暂时改变用户固有的习惯用电模式,减少或推移某时段的家庭用电负荷,或采用电动汽车有序用电的方式,保证电网系统的稳定性,降低二氧化碳排放,同时还可以减少电网高峰时高电力碳排放系数和额外运维运营导致的高额碳排放量。

(2)居民节约用电行为指通过对各类居民用电行为,采用非侵入式辨识等负荷识别方式,鉴别居民行为模式的改变,实现电能消费量的降低,从而减少二氧化碳排放。包括空调、电热水器、洗衣机、电冰箱等电器的节约用电情况。

(3)电动汽车充电行为指的是通过出行使用电动汽车的方式,降低燃油的消费,而使用排放量较低的电力替代,从而减少二氧化碳排放。

(4)新能源发电行为通过分布式光伏系统发电,以部分自用,余电上网的方式,减少自身和区域电网的电量,降低电网中火力发电的使用,从而减少二氧化碳排放[11]。

2.2 基于能源消耗追溯的碳减排量计算模型

2.2.1 区域碳减排量基础模型

区域碳减排量ER计算式为

(3)

式中: PREi——低碳行为i在考核时段碳排放的碳排放量;

BREi——低碳行为i的基准碳排放量。

(4)

(5)

式中: PEFarea,t——t时段的考核碳排放因子;

EPi,t——低碳行为i在t时段的考核能量值;

BEFarea,t——t时段的基准碳排放因子;

EBi,t——低碳行为i在t时段的基准能量值;

TP——考核时段时间集合;

TB——基准时段时间集合。

以上每个变量在不同的低碳行为时,取值方法是不同的。

2.2.2 不同低碳行为变量取值方法

为避免不同低碳行为的交互影响,本文针对每类低碳行为进行计算时,默认其他低碳行为不发生改变。

(1)参与需求侧响应:基准时段TB取考核时段TP相似日同时段。考核能量值EP1,t取考核时段的区域总负荷电量乘以额外因子,基准能量值EB1,t取基准时段的区域总负荷电量乘以额外因子,额外因子与高峰时段的运营成本增加系数相关,本文设置一个默认值为1.2,以后研究中可以按照实际运营情况综合研究。碳排放因子均选用对应时段的实际区域电力动态碳排放因子EFarea,t。

(2)居民节约用电:基准时段TB取考核时段TP相似日同时段,基准时段和考核时段均不包含开展需求响应的时段。考核能量值EP2,t取考核时段的区域总负荷电量,基准能量值EB2,t取基准时段的区域总负荷电量。碳排放因子均选用对应时段的实际区域电力动态碳排放因子EFarea,t。

(3)电动汽车充电与绿色出行:基准时段TB与考核时段TP相同。考核能量值EP3,t为总充电量累加电动车辆充电的电力的技术传输与分配的平均损失,即

EP3,t=ECt·(1+TDLt)

(6)

式中: ECt——t时段区域总充电量;

TDLt——t时段电动车辆充电的电力技术传输与分配的平均损失,采用交流充电的平均损失取12%,采用直流充电的平均损失取7%。

考核碳排放因子选择对应时段的实际区域电力动态碳排放因子EFarea,t。

基准能量值EB3,t为电动车辆的单位里程耗电量,按照相同历程的油耗情况进行转化[12]。即

(7)

式中: SFCelec,m——单位里程电耗值,采用全国常见车型的平均百公里电耗12.99 kWh/(100 km);

SFCfuel,m——单位里程油耗值,取2020年销量前10的乘用车的平均燃料经济性为计算值,为4.358 kg/(100 km);

NCVfuel——燃料净热值,取0.044 8 GJ/kg。

基准碳排放因子BEFarea,t选择用燃油车辆消耗燃料的CO2排放因子,根据国家文献数据或 IPCC 缺省值,取67.9 kg/GJ CO2。

(4)新建可再生能源发电:考核能量值EP4,t为光伏发电量[13],考核碳排放因子PEFarea,t为考核时段的实际区域电力动态碳排放因子EFarea,t,基准能量值EB4,t为0。

3 案例分析

选择一个含光伏和充电桩的典型居民台区作为案例。该台区含17 kW的交流充电桩8台,光伏装机容量75 kWp。选择典型日的整体台区能源数据作为案例进行分析,该台区进行节能建议推送和节约用电宣传,并在该日的12∶00～14∶00进行了2 h的需求响应,居民可在该时段降低自身负荷的使用,并通过开展有序充电,在该时段停用所有的充电桩。根据实际能源数据情况,案例台区分时段电量如图1所示。所有电量数据为15 min时段电量。