考虑需求响应和能量梯级利用的含氢综合能源系统优化调度

2023-03-13叶闻杰印心童

电力系统自动化 2023年4期

高玉，王琦，陈严，叶闻杰，刘刚，印心童

（1.南京师范大学南瑞电气与自动化学院,江苏省南京市 210046；2.江苏省综合能源设备及集成国际联合实验室,江苏省南京市 210046；3.国电南瑞科技股份有限公司,江苏省南京市 211106）

0 引言

实现“碳达峰·碳中和”目标,需要推动能源结构转型,促进可再生能源接入电网［1］。风电具有较强的波动性和间歇性,当电网调节资源有限时会产生弃风［2］。综合能源系统（integrated energy system,IES）能够协调规划多种能源,促进风电消纳［3］。同时,IES 有利于提升能源利用效率［4］。氢能无碳排放、热值高,其推广利用可提高运行低碳性［5］。目前,中国东部沿海地区逐渐出现氢能产业且海上风电资源丰富,如何利用含电转气（power-to-gas,P2G）工业园区IES 消纳风电并提高能效成为研究热点［6］。

通过实现多能耦合互补［7］及负荷侧资源有机协调,可促进风电消纳。在供能侧,可采用电热泵和电制冷提升风电并网空间。传统电气耦合仅采用燃气轮机,P2G 实现了电能向天然气的转换。文献［8］分析了P2G 运行机理。文献［9-10］证明了P2G 可以促进风电消纳。文献［11］采用P2G 提高削峰填谷能力来减少弃风；文献［12］进一步分析P2G 对天然气系统的影响。但目前较少研究P2G 能源耦合特性对用能侧的影响。在用能侧,需求响应（demand response,DR）可促进风电消纳。DR 已扩展到综合需求响应（integrated demand response,IDR）。文献［13］考虑多类型DR 促进风电消纳。文献［14］考虑电热IDR 解决弃风问题。上述文献大多考虑电热负荷,且为横向时间转移和用能削减,暂未考虑能源耦合替代并影响用户用能的满意度,而用能形式转换替代对其影响较小。

在促进风电消纳的同时,能效低问题不容忽视,能量梯级利用是提高能效的有效途径［15］。文献［16］实现了热能梯级利用。在IES 中,需要进一步分析异质能源替代关系［17-18］。文献［19］考虑多能量流优化系统运行,节能效果明显。随着氢能的发展,需研究氢能和不同能源间的耦合替代及梯级利用［20］。目前,主要研究电制天然气［11］,其效率低于电制氢气,且暂未考虑氢与电热间的耦合替代。天然气管道掺氢具有一定可行性［21］,除将氢气供应氢燃料电池外,也可考虑供应氢燃料电池汽车。

综上,本文从利用IDR 促进风电消纳和实现能量梯级利用提高能效两方面考虑,提出一种沿海含P2G 工业园区IES 优化调度方法。首先,构建了含P2G 的IES 架构；其次,通过P2G 挖掘气负荷的调度价值,提出了计及多能耦合DR 的电热气IDR 模型；然后,挖掘含氢IES 中能量耦合及梯级利用关系,推导了含P2G 的各能源耦合设备梯级利用转换模型,并结合氢能实际使用需求,实现氢能高品位利用；最后,计及风电预测误差,以日运行成本最小为目标构建随机优化调度模型,引入综合能源利用率及碳排放量作为量化指标,分析了所提调度模型对促进可再生能源消纳和提高能源利用效率的有效性。

1 含P2G 的区域IES 架构

沿海海上风电装机容量巨大,夜间高发,但用电负荷处在低谷,若不能合理调度风电出力将导致大量弃风,可在沿海含P2G 的工业园区引入电热泵及电制冷设备。为降低氢气甲烷化造成的能量损耗,引入氢燃料电池及P2G 余热回收装置,改造后的能源耦合设备具有高能效比,且可促进氢能耦合转化,提升系统运行经济性,其架构如图1 所示。

图1 含P2G 的区域IES 架构Fig.1 Architecture of regional IES with P2G

在图1 的架构中,上级气网供应天然气,上级电网、近海风电及燃气轮机供应电能,蓄电池与电力网进行电能交互,燃气轮机与溴冷机构成热电联产机组,电解槽及甲烷反应器实现电力与天然气耦合。电解槽制取的氢气一部分经甲烷反应器生成甲烷注入天然气系统,并对氢气甲烷化反应热回收利用供应热负荷；另一部分存储在储氢罐中,供给氢燃料电池热电联产。燃气锅炉燃烧天然气供热,尖峰加热器及吸收式热泵消耗蒸汽供热,电热泵消耗电能供热,电制冷装置消耗电能产生冷能,吸收式制冷消耗蒸汽产生冷能。另外,P2G 促进风电消纳,氢燃料电池热电联产的具体运行机理及相关设备建模见附录A。若结合用氢实际需求,采用天然气管道掺氢并引入氢燃料电池汽车,系统架构如附录B 图B1所示。

2 电热气IDR 模型

IDR 不仅指将电力DR 扩展到电、热等多种能源形式,还指从用户能源需求角度深入分析不同能源之间的多能耦合DR。多能耦合DR 是指采用电价DR 后,用电设备相关联的用能需求都会发生变化。当电价升高时,电能耦合转换为其他能源的部分减少,综合能源用户使用其他能源补充受到电价影响的热冷气需求缺失部分；当电价降低时,系统更多电能耦合转换为其他能源。

2.1 电负荷DR 建模

电力DR 中价格型DR 可通过电价信号引导用户调节用电方式,优化负荷曲线［22］。风电出力与用电负荷峰谷特性不匹配,造成弃风现象严重。为此,本文在用能侧采用电价DR 引导用电负荷追随风电出力变化,提高系统风电消纳能力,其模型为:

式中:εij为需求价格弹性系数,i,j=1,2,…,24；Pi和ΔPi分别为i时段电量和其变化量；pj和Δpj分别为j时段电价和其变化量；E为需求弹性矩阵；εff、εpp和εgg分别为峰、平、谷时段的自弹性系数；εfp和εpf分别为峰-平、平-峰时段的互弹性系数；εfg和εgf分别为峰-谷、谷-峰时段的互弹性系数；εpg和εgp分别为平-谷、谷-平时段的互弹性系数；Pf,0、Pp,0和Pg,0分别为电价DR 前峰、平、谷时段的用电负荷；Pf,1、Pp,1和Pg,1分别为电价DR 后峰、平、谷时段用电负荷；pf,0、pp,0和pg,0分别为响应前峰、平、谷时段电价；Δpf、Δpp和Δpg分别为响应后峰、平、谷时段电价变化量。

为了提高风电与用电负荷的匹配程度,目标函数采用每一时段电价DR 后用电负荷与风电出力差值在一天时间内平方和最小,表达式为:

式中:T为调度周期；P1(t)为t时段电价DR 后用电负荷；PW(t)为t时段风电出力。

电价DR 模型中,需要对负荷总量、负荷转移量、峰谷电价、用户的用电满意度和消费支出满意度进行约束,具体约束如附录B 式（B1）至式（B2）所示。

2.2 热负荷DR 建模

热负荷包括供暖负荷、蒸汽负荷及热水负荷,本文设定对热负荷中的供暖负荷进行DR。在保证舒适度的前提下,室内温度可在一定区间内波动［23］。在负荷高峰时期,可以降低室内温度以减少供暖负荷,进而减少燃气轮机“以热定电”的发电功率,提高系统风电消纳能力；在负荷低谷时期,可以适当提升室内温度起到蓄热作用,优化供暖负荷曲线可提升整个IES 经济性。基于建筑物的热路模型,用户的室内温度模型为:

式中:Tn(t)和Tw(t)分别为t时段建筑物室内和室外温度；R为建筑物等效热阻；Ph(t)为t时段建筑物注入热功率；Cair为建筑物室内空气热容；Δt为单位调度时间。

供暖负荷模型可表示为:

式中:N为供暖用户数量。

根据人体舒适度的温度范围,室内温度需满足的约束为:

式中:Tmax、Tmin分别为满足人体舒适度要求温度的上、下限。

2.3 电热气多能耦合DR 建模

基于热值等效原理及能量守恒定律,对能源耦合转换负荷建模为:

式中:ΔPechange,1、ΔPechange,2、ΔPechange,3和ΔPechange,4分别为电气、气电、电热及电冷转换引起的电负荷改变量；ΔPgchange,1、ΔPgchange,2分别为电气、气电转换引起的气负荷改变量；ΔPhchange、ΔPcchange分别为电热转换引起的热负荷改变量及电冷转换引起的冷负荷改变量；ηeg、ηge、ηeh、ηec分别为电气、气电、电热及电冷转换系数；ΔPmaxechange、ΔPminechange分别为考虑能源转换后电负荷改变量上、下限。

在负荷侧,通过能源耦合设备转换终端用能方式选择不同的能源形式满足终端等质的能源需求,用户的舒适度不会发生变化,IES 运营商不会产生额外的激励补偿成本。通过能源耦合设备将夜间风电或谷-平时段的电能转化为热、冷、气等多种能源形式,可以促进系统风电消纳,减少IES 从上级气网的购气量,提高系统运行经济性。本文主要考虑电热、电冷、电气用能转换。能量枢纽（energy hub,EH）是一种描述IES 中不同形式能源之间供应、转化、存储和传输等耦合关系的广义抽象模型。基于图1 所示的IES 架构,构建EH 模型如附录B 式（B3）所示。

3 考虑能量梯级利用的IES

基于图1 所示的IES 架构,其能量流结构如附录B 图B2 所示。

3.1 能量梯级转换模型

通过能量耦合设备可实现不同品位能量间的耦合转化,在高品位能量的驱动下实现较低品位热能向较高品位热能的转化［18］。基于能量守恒定理与热能比焓定义,可分析不同品位能量及热能间的多能耦合关系,在原有数学模型上进行改写构建梯级利用转换模型。

电热泵中,电热及热能间的多能耦合关系如附录B 式（B4）所示,梯级利用转换模型如式（9）所示。

式中:RHP为电热泵基于比例系数；HHP,L(t) 和HHP,out(t)分别为t时段电热泵输入低温热水热能和输出中温热水热能；PHP,in(t)为t时段电热泵输入的电能；CHP为电热泵能效比系数；hbase、hHP,L和hHP,M分别为常温水、低温热水和中温热水的比焓。

基于电热泵梯级利用转换模型的推导过程,可对尖峰加热器及吸收式热泵数学模型进行改写,如附录B 式（B5）和式（B6）所示。

3.2 P2G 梯级利用模型

P2G 氢气甲烷化反应中会放热,其具体反应过程如附录B 式（B7）和式（B8）所示。为避免造成资源浪费,本文考虑将反应热回收利用供应供暖负荷以提高能源利用效率。单位时间内氢气甲烷化反应放热量计算公式［24］为:

式中:PEC,in(t)和PEC(t)分别为t时段电解槽输入侧电功率和输出侧氢气功率；ηEC为电解槽转化效率；PhP2G(t)为t时段P2G 余热回收功率；ηhP2G为P2G 余热回收效率。

3.3 氢能高品位利用

天然气管道掺氢时需要考虑如附录A 式（A1）所示的电解槽制氢环节相关约束以及天然气管网约束,且向管道中注入的氢气量不能超过管道中允许的最大的掺氢量以保障天然气系统的安全运行。燃气轮机对掺氢比的适用范围低于5%,经调整和改造后,对掺氢比的适用范围可提高到5%～10%［25］,本文取掺氢比上限为10%进行分析,具体约束为:

式中:QH2(t)为t时段掺入天然气管道中的氢气体积流量；Qg(t)为t时段系统需求的天然气体积流量；Qgbuy(t)为t时段系统购买天然气体积流量；φ为天然气管道掺氢比系数。

氢燃料电池汽车利用车载燃料电池装置将氢燃料的化学能转化为电能驱动汽车,其能量剩余情况可定义为荷氢状态来表示,具体模型为:

式中:SHV(t)为t时段氢燃料电池汽车荷氢状态；BHV为氢燃料电池的额定容量；PHVs(t)和PHVr(t)分别为t时段氢燃料电池汽车充、放氢功率；ηHVs和ηHVr分别为氢燃料电池汽车充、放氢效率；X和Y为t时段0-1 变量,X=1 时,氢燃料电池汽车充氢,Y=1时,氢燃料电池汽车耗氢。

氢燃料电池汽车需满足充放电功率及荷氢状态约束,具体约束如附录B 式（B9）所示。

4 IES 随机优化调度模型

为解决风电具有较强的不确定性导致难以准确预测的问题,基于机会约束目标规划理论构建IES随机优化调度模型。

4.1 目标函数

本文取调度周期为1 天,等分为24 个时段,以系统运行成本最小为目标建立调度模型,运行成本包括购能成本CGN、运维成本CYW、环境成本CHJ、风险成本CFX、备用成本CBY及向氢燃料电池汽车售氢收益CSQ,目标函数F如式（14）所示,各项成本具体计算公式如附录B 式（B10）所示。

4.2 约束条件

1）备用容量机会约束

在IES 随机优化调度模型中,电功率平衡的确定性约束条件被备用容量机会约束条件替代,表达式为:

式中:Pr(∙)为概率运算函数；Pebuy(t)为t时段的购电功率；P2(t) 为t时段考虑IDR 后的电负荷；PRE,in(t)为t时段电制冷耗电功率；PGT(t)为t时段燃气轮机输出电功率；PeHFC(t)为t时段氢燃料电池输出电功率；PESs(t)和PESr(t)分别为t时段蓄电池充、放电功率；dload(t)和dwind(t)分别为t时段失负荷风险和弃风风险；Presu(t)和Presd(t)分别为系统正备用和负备用容量；β为备用容量机会约束置信水平；eW(t)为t时段风电预测误差函数,采用正态分布拟合［26］。

式（15）中,随机变量为风电预测误差,在给定置信水平时,将机会约束由不确定形式转化为确定性约束如式（16）所示。其依据定理如附录B 式（B11）和式（B12）所示。

式中:ϕ(⋅)为概率分布函数。

2）多能耦合关系约束

在采用P2G 技术将甲烷注入天然气系统时,电解槽、甲烷反应器及储氢罐部分多能耦合关系约束为:

式中:PMR,in(t)为t时段甲烷反应器输入侧氢气功率；PH2,in(t)和PH2,out(t)分别为t时段储氢罐充、放气功率；PHFC,in(t)为t时段氢燃料电池输入氢气功率。

将电制氢气掺入天然气管道并采用氢燃料电池汽车替代储氢罐及氢燃料电池时,多能耦合关系约束为:

式中:LH2为氢气的低热值。

除上述约束外,系统还需满足功率平衡约束、设备运行、购电购气及储能设备约束,如附录B 式（B13）至式（B16）所示。

4.3 IES 评价指标

为全面分析能量利用过程中不同能量传递、转变、品位降低的情况,本文通过引入能质系数对能源利用方式中的所有环节进行量化评价［27］,得到系统综合能源利用率ηECC为:

式中:Pout(t)和Pin(t)分别为t时段总的输出功率和输入功率；λe、λs、λh、λc、λW、λg和λH分别为电能、蒸汽、热水、冷能、风能、天然气和氢能的能质系数,其中,热水包含高温热水和中温热水；Pe,al(t)、Ps,al(t)、Ph,al(t)、Pc,al(t)和PH,al(t)分别为t时段总的电负荷、蒸汽负荷、热水负荷、冷负荷和氢燃料电池汽车构成的氢负荷；Lg为天然气的低热值。

双碳目标下,需构建清洁低碳的能源体系,为此引入碳排放量指标。本文计及从主电网购电以及燃气轮机产生的碳排放量、天然气管道掺氢和氢气甲烷化的减碳效益。根据附录B 式（B17）和式（B18）可得到氢气甲烷化消耗的二氧化碳质量,最终得到IES 碳排放量如式（20）所示。

式中:ECE为系统的碳排放量；ηcee和ηceg分别为主电网和燃气轮机的碳排放系数；QGT(t)为t时段燃气轮机需求的天然气体积流量；ηGT为燃气轮机气电转换效率；MCO2(t)为P2G 设备吸收的二氧化碳质量；a1、a2为参数,0 ≤a1+a2≤1,a1=1 时,甲烷反应器生成甲烷注入天然气管道,a2=1 时,电制氢气注入天然气管道。

5 算例分析

本文以中国江苏省沿海某工业园区为研究对象进行分析,各机组及储能设备参数如附录C 表C1 和表C2 所示。主要污染物排放及处理费用［7］以及与主网间购能价格如表C3 和表C4 所示。各能源能质系数［27-29］如表C5 所示。系统负荷与可再生能源出力预测结果如图C1 所示。系统其他相关参数见附录D。

为验证所提调度方法的有效性,设置6 种调度方案。方案1 为传统三联供供能结构；方案2 为考虑电热IDR；方案3 为考虑计及电热气多能耦合DR的IDR；方案4 为进一步采用电热耦合梯级利用供能结构；方案5 为在方案4 基础上采用氢燃料电池进行热电联产并计及P2G 余热回收；方案6 为电制氢气掺入天然气管道并引入氢燃料电池汽车。

5.1 IDR 促进风电消纳调度结果分析

方案1 的调度结果如附录C 图C2 所示。由图C2 可知,弃风风险较大,调度成本较高。在随机优化调度模型中,机组出力的优化结果加上正、负备用容量后,以一定的置信度满足机会约束条件。图C2中的总输出电功率与总电力负荷之间的功率差额由系统预留的正、负备用功率进行平衡,保障系统运行的安全可靠性。

方案2 中,系统内部售电电价优化为峰谷分时电价,电功率调度、电负荷转移及供暖调度结果如附录C 图C3 至图C5 所示。在夜间风电高发时段,电价处在低谷,增加用电负荷,并降低此时段供暖负荷以减少热电联供的发电功率,促进系统风电消纳。07:00—16:00 为平电价时段,在07:00—12:00 时段,电负荷较小,降低室内温度为系统供电不足时提升用热空间；在13:00—16:00 时段,电负荷较大,提高室内温度以增加燃气轮机发电功率,降低系统购电成本。在风电低发时段,峰时电价引导负荷转移,降低系统用电高峰时段的供电压力,并且提高室内温度以增加燃气轮机发电功率,减少系统购电。此时,用户的用电满意度和消费支出满意度分别为0.944 8 和0.966 3,满足电价DR 满意度下限约束。

方案3 的调度结果如图2 所示。在23:00—24:00 和01:00—06:00 时段,风电高发,能源耦合设备包括电热泵、电制冷及P2G 设备将夜间风电转化为热能、冷能及天然气,促进系统风电消纳,将转化的天然气供给燃气轮机,降低了系统向上级气网的购气量。在07:00—11:00 时段,系统仍存在弃风时,调用能源耦合设备消纳系统多余的风电。能源耦合转换对用户用能满意度影响较小,用户倾向于选择能源耦合转换参与IDR。

图2 方案3 电功率调度结果Fig.2 Dispatch results of electric power in scheme 3

5.2 能量梯级利用调度结果分析

方案4 的调度结果如附录C 图C6 所示。相较于图C7 所示的方案2 冷热功率调度结果,方案4 考虑尖峰加热器及吸收式热泵能量梯级利用模型后,实现了在高品位热能驱动下不同品位热能间的耦合转换,提高了能源转换设备能效比,减少了各时段的蒸汽需求。尖峰加热器根据高温热水的供能需求调节供热量,通过提高能效比,降低了消耗的蒸汽量。在23:00—24:00 和01:00—09:00 时段,增加了电热泵供应中温热水,考虑电热泵及吸收式热泵能量梯级利用模型提高了能效比,考虑尖峰加热器能量梯级利用增加了中温热水负荷。冷水调度结果中增加电制冷供能,实现了高效的电冷耦合转换。

5.3 P2G 相关设备运行分析

方案5 的P2G 相关设备出力如图3 所示。电功率及供暖调度结果分别如附录C 图C8 和图C9 所示。由图3、图C9 可知,P2G 出力处于风电高发及电价谷平时段,在01:00—05:00 时段,热负荷较高；在18:00—19:00 时段,电负荷较高。氢燃料电池利用部分氢气进行热电联产,降低了将电转氢气再转天然气的多级转化造成的能量损耗。在23:00—24:00 和07:00—09:00 时段,将氢气转化为天然气供给燃气轮机,并对反应余热进行回收供应供暖负荷以提高能效,氢燃料电池热电联产及P2G余热回收供应供暖负荷解耦了热电联供机组“以热定电”的运行约束,增加了系统运行的灵活性。

图3 方案5 的P2G 相关设备出力Fig.3 Output of related P2G equipment in scheme 5

方案6 的P2G 相关设备出力如图4 所示。由图4 可知,P2G 出力主要处于风电高发及电价谷-平时段,并将电制氢大部分注入天然气系统。氢燃料电池汽车在01:00—05:00 时段充能,消耗风电转化的部分氢气；在21:00—22:00 时段耗能,该用户可根据出行习惯,合理安排充能时间。

图4 方案6 P2G 相关设备出力Fig.4 Output of related P2G equipment in scheme 6

5.4 调度成本及效益评估

6 种方案的调度成本如表1 所示。由表1 可知,随着调度方案的改进,除备用成本外,各运行成本均有大幅降低。方案5 由于部分氢气不再经过转化注入天然气系统,购气成本较方案4 有小幅上升,氢燃料电池热电联产挤占了部分风电消纳空间,系统弃风风险较方案4 升高了5.81%,但减少了系统购电量,降低了系统环境成本。随着系统规模的增加,方案5 中P2G 配置容量增大,可完全消除系统弃风风险,进一步降低环境成本。方案6 的经济性提高最为显著,总成本降低了13.39%。从总体来看,所提调度方案具有良好的经济及环保效益。

表1 各方案调度成本Table 1 Dispatch cost of different schemes

6 种方案的效益评估如表2 所示。方案5 较方案1 的能效提升了7.80%,有效提升了系统能效。方案5 较方案1 的碳排放量减少了19.54%,但较方案4 的碳排放量增加了1.95%,这是由于部分氢气直接经氢燃料电池进行热电联产,减少了二氧化碳的消耗量。方案6 相较于方案5,将氢气掺入天然气管道,减少了氢气甲烷化造成的能量损耗,并将部分氢能供给氢燃料电池汽车使用,相较于氢燃料电池电氢电的能量转化效率更高,系统能效提高了0.78%,天然气管道掺氢减少了燃气轮机的碳排放量,系统碳排放量减少了0.26%。从总体来说,所提调度方案有效地降低了系统碳排放量。