考虑氢储一体化协同的综合能源系统低碳优化

2023-12-29刘继哲李宝聚方家琨

电力自动化设备 2023年12期

潘超，刘继哲，孙勇，李宝聚，方家琨，王尧

（1.东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室，吉林吉林 132012；2.国网吉林省电力有限公司，吉林长春 130031；3.华中科技大学强电磁工程与新技术国家重点实验室，湖北武汉 430074）

0 引言

在能源转型和“双碳”战略目标背景下，构建以多能耦合为核心的综合能源系统（integrated energy systems，IES）对提升能效水平、增强碳汇能力具有重要意义［1-2］。为突破目前可再生能源面对的困境，需要拓展传统系统用能方式，挖掘利用城市多能系统蕴含的巨大灵活性［3］。其中，氢能作为未来国家能源体系的重要组成部分，具备低碳清洁、长期储存、等密度能储量高及生产消纳多元等优势，是终端用能实现低碳灵活协调运行的重要元素［4］。

在电-热-氢IES 研究方面，我国东北地区因地制宜，已在多处风光资源丰富的区域大力发展电-热-氢IES［5］。氢储方式主要采用碱性电解［6］、质子交换膜电解［7］、固体氧化物电解［8］这3 种技术路线，其中固体氧化物电解池（solid oxide electrolytic cell，SOEC）、固体氧化物燃料电池（solid oxide fuel cell，SOFC）因其具有高能效、逆向运行等优势，已成为了IES 优化的研究热点。文献［9］计及风电不确定性，运用氢储能整合间歇性电源与电力系统的优化配置。文献［10］考虑氢能系统热回收利用，分析氢储能的电-热协调运行能力。文献［11］制定电-氢储能能量管理策略，并基于此策略完成平抑风光波动的储能容量配置。上述文献主要以电-热、电-氢耦合为主，提供最优配置及协调优化方案，但忽略了城市级一体化电-热-氢多能耦合的互补影响。

在灵活性资源研究方面，相较于传统电网中的能源单一性、分配单向性，深度挖掘灵活性资源对于提升IES 灵活调控裕度、促进源网荷互动协同具有积极作用［12］。文献［13］通过调集多种冷热负荷进行调控，优化系统规划方案。文献［14］通过提高部分弃风弃光率，利用配电网安全域方法，制定风、光电源消纳方案。文献［15］考虑多种不可控分布式电源和负荷，构建主动调控资源参与配电网协同规划的决策模型。上述研究大多对灵活性资源参与IES 调控进行了分析，但对于含氢能IES 的多能互补及供需互动的协同优势尚未开展系统深入的研究。

在碳排交易及能流刻画研究方面，文献［16］将碳交易和碳税引入系统决策，制定光热电站及氢储能的IES 低碳运行策略。文献［17］构建计及统一时间尺度的顺序协同估计框架，基于对称正定理论，完成IES 协同状态估计。上述研究的碳交易计算主要采用宏观统计的办法［18］，即整合各类燃料的消耗总量和碳排放因子计算碳排放量［19］，但其具有一定的滞后性并脱离了系统的潮流约束，并且无法直观呈现出碳排放在能源产生、转化及消耗的流动过程。

综上所述，本文对区域电-热-氢IES 低碳灵活调控进行研究，挖掘多能系统多元灵活性资源，提出一种基于负荷碳排信息的能量溯源方法，描述IES 碳排放流动过程；计及多能联供效益、新能源渗透及低碳减排，建立低碳灵活协调模型；以城市区域系统为研究对象，模拟多场景多能耦合的调控效果，分析风光出力间歇性和灵活性资源调整对系统运行的影响，并评估其综合效益。通过负荷碳排放信息流刻画多能耦合系统互动互联响应，从而对所提方法进行验证。

1 电-热-氢能流交互拓扑与调控策略

构建电-热-氢IES 多能流交互拓扑如图1 所示。该系统由电热供／用能及氢能子系统组成，包括电、热、氢3 种能量流。其中，供能子系统由热电联产（combined heat and power，CHP）、风电、光伏以及电制热设备组成；用能子系统由根据差异化行业布局划分的多种用电负荷以及生活／生产用热负荷组成；氢能子系统由SOEC／SOFC、氢储能、氢燃料汽车等小型用氢单元以及氢能外送组成。由于市内工商以及居民的电、热能流拓扑存在强相似性，因此基于电热架构的能流调控具有较高的协同效果；并且氢能子系统利用电-氢-电（热）的能量流动完成用供／用能的深度交互，便于实现多能耦合的转化与协同。在此过程中，可以考虑将源-储-荷侧的灵活资源作为参与系统调控的辅助手段，其中SOEC、SOFC作为电-热-氢转化设备，CHP、电制热设备作为电热转化设备。

图1 电-热-氢IES能流交互拓扑图Fig.1 Topology diagram of electricity-heat-hydrogen IES energy flow interaction

针对新能源出力的间歇性问题，基于电-热-氢能流交互拓扑研究协同调控策略。当风光供能充足时，风光电源既可选择上网供电也可选择电氢转化，由SOEC 吸纳功率以氢能形式存储；当风光供能匮乏时，通过氢电转化的方式，由SOFC 补足系统缺额［20］。在季节性热能耗费阶段，通过以CHP 为主、电热转化为辅的途径满足供暖需求［21］；同时发挥SOFC产电生热优势完成氢热转化补充，以填补系统的热功率缺额。另外，氢储可作为能量载体进入交通、环保、化工、冶金等行业。

2 灵活性资源参与多能耦合建模

电-热-氢IES 发挥多能耦合优势，通过多能流互补协调控制缓解供需不平衡压力，并利用多种灵活资源消纳可再生能源。在此过程中，需构建电-热-氢的多能耦合模型与可控负荷调控模型。

2.1 电能替代灵活性资源

2.1.1 电-氢耦合

SOEC、SOFC具有高效、清洁等优点，是电-热-氢IES 的耦合枢纽。通过建设SOEC／SOFC 在储能运行过程中动态吸收能量并适时释放，以平抑风光波动，并提升系统对可再生能源的消纳能力［8］，对应模型为：

2.1.2 氢储灵活性资源

在灵活性需求、自然环境条件要求下，本文采用钢质碳纤维缠绕大容积储氢容器作为氢储装置，其模型为：

式中：PF表征源侧灵活性；分别为增添第i台氢储前、后的源侧灵活功率；P为源侧最大灵活功率；γ为氢储匹配度；ηH2、PT、PW分别为清洁能源转化效率、光伏出力、风电出力；分别为氢储总成本、第i台储氢罐成本、储氢罐运维成本、储氢日进量、氢气密度。

2.1.3 电-热耦合

抽气式CHP 相比于背压式CHP 更具灵活性，有利于与电制热设备和SOFC 供热设备协同配合，提高IES的电热调节能力，其模型为：

式中：CCHP为CHP 机组运行成本；P分别为t时刻CHP 机组的供电功率、供热功率；μCHP、WCHP分别为CHP 机组提升单位热功率时电功率的减少值、CHP 机组供电常数；为CHP 机组的特征系数。

2.1.4 氢-热耦合

SOFC发挥氢-热转化优势，补充IES热负荷相对缺额，其氢-热转化模型为：

式中：H、κSOFC分别为t时刻SOFC 的热功率、热电转化系数。

2.1.5 电制热灵活性资源

电制热设备可以降低CHP 供热负担，通过消耗电能为热用户提供高品位热能，为风光电能消纳提供了一条额外途径，其模型为：

式中：μEB为电制热设备电热转换效率；H为t时刻电制热设备热功率分别为t时刻电制热设备功率及其最大值；ωEB、CEB分别为电制热设备的电能转换系数、成本。

2.2 电能灵活性资源

本文的电能灵活性资源以负荷为主，可分为工用、商用及民用3 类。研究表明［12］，工业负荷具有耗电量大、集中可控容量大等特点，可以作为灵活资源参与调控的主要因素，电能灵活性资源负荷曲线如附录A图A1所示。

根据差异化行业布局特点，通过改变企业生产计划、调整运行时间等措施，转移削减部分用电负荷以响应系统调控。对于可控负荷，主要分为长时（5～10 h）响应和短时（1～3 h）响应，长时响应适用于用电相对平稳且持续时间长的负荷，短时响应适用于存在显著波动且用电时间相对集中的负荷。结合某省工业用户调研统计情况，依据负荷调整特性选取4 种可控负荷：可控负荷1 代表制造业可控负荷，长时间保持稳定用电量，且具有明显的升降趋势，其调整特性为长时段可转移负荷；可控负荷2 代表轻工业负荷，具有明显的波峰和相对集中的用电时段，其调整特性为短时段高峰平移再分配负荷；可控负荷3 代表生产加工业负荷，用电量相对平稳，且具有明显的间歇特性，其调整特性为长时段可提前或延迟负荷；可控负荷4 代表冶金业负荷，负荷波动明显且具有较大的峰谷差，其调整特性为短时段可削减负荷。4 种典型负荷日波动曲线及相应调整特性曲线如附录A图A2所示。

根据4 种典型负荷用电行为及其调整特性，构建其灵活性经济模型，如式（11）—（15）所示。

式中：CL为负荷调控总成本；C(l)为t时刻可控负荷l参与调控的补偿价格；Tb(l)、Tc(l)、Te(l)分别为可控负荷l的开始、持续及结束时刻；ε为可控负荷参与度；CL(l)、Pt(l)分别为可控负荷l参与调控的运行成本及其t时刻的调整功率；LF为荷侧灵活性；P为t时刻荷侧最大灵活功率分别为可控负荷l参与前、后的荷侧灵活功率。

2.3 供能网络建模

供能网络模型主要由电网和热网模型组成，其网架结构类似，均可成为能量转化、流动的载体。

2.3.1 电网模型

电网模型采用经典交流潮流模型，如式（16）所示。

式中：Px、Qx分别为节点x注入的有功功率和无功功率；Ux为节点x的电压幅值；Gxy、Bxy分别为节点导纳矩阵中节点x、y对应的电导、电纳；θxy为节点x、y间的电压相位差；nE为电力系统的节点数。

2.3.2 热网模型

为了便于描述热能流动，假设热网各节点回水温度恒定，且同一时段热负荷需求相同［22］，如式（17）所示。

式中：Ts、To分别为节点供水、回水温度；Ta为环境温度；mk为管道k的流量，定义管道流量标幺值d1=m1/mk、d2=m2/mk、…、dk-1=mk-1/mk、dk=1；λk、Lk分别为管道k的传热系数、长度；cw为水比热容参数；为t时刻热网节点j的热负荷。

3 基于电-热-氢交互的碳流拓扑描述

电-热-氢能量传输和转换过程中，嵌入在各能流中的碳依附于IES中的能量传输环节进行转移［23］。随着异质能流的转换，碳排放也随之在不同能源系统中流动［18-19］。本文考虑潮流约束计算IES 负荷碳排放，描述多时间尺度下能量生产与消费过程中碳排放的转换关系。

基于分布式并网潮流约束的负荷碳排模型为：

式中：P为支路潮流分布矩阵PB的第x行第y列元素；pxy为流经支路xy的有功功率；P为电源注入矩阵PG的第g行第y列的元素；pgy、G分别为第g台机组接入节点y的有功功率及电源集合矩阵；P为负荷分布矩阵PL的第m行第y列的元素；pmy、M分别为第m个负荷接入节点y的有功功率及负荷集合矩阵；Pz、PN、ξN+K、EN、EG分别为辅助矩阵、节点有功通量矩阵、N+K阶行向量、节点碳势向量、各电源碳排放强度；N、K分别为PG的行、列数；RL为负荷碳排向量。

基于负荷碳排信息，提出电-热-氢交互能流溯源方法。热网碳排放流动依附于供热管道中介质的流动，遵循碳排放量守恒定律，利用热负荷交换能量沿供热路径逆向推导热源碳排，构建模型如式（20）所示。

式中：RHL、PHL、EHL分别为热负荷碳排向量、热网负荷向量及单位热负荷碳排强度。

氢能系统集中于分布式电源接入节点，其碳排依赖于该节点耦合的电热负荷，构建模型如式（21）所示。

式中：RH2为氢负荷碳排量；PHL(c)、PL(c)、EH2(c)分别为氢-热节点负荷、氢-电节点负荷、单位氢负荷碳排强度；c表示氢能耦合节点。

4 电-热-氢IES协调运行模型

考虑电-热-氢IES 的灵活调控成本、风光消纳能力及多能交互碳排，分析灵活性资源参与的电-热-氢IES协调运行综合效益。

4.1 目标函数

4.1.1 灵活调控成本

主要考虑系统外购成本、设备成本、运维成本以及灵活性资源参与补偿成本，定义系统总经济成本指标C1来评价灵活调控成本，即：

式中：CLOSS、HLOSS、PLOSS分别为电热网络网损成本、热网损耗、电网损耗；Sh、Se、ΔTk，t分别为单位热网网损成本、单位电网网损成本、热管道k在t时刻的首末端温差；Rx为节点x所连支路阻抗；分别为系统购氢成本、上级电网购电成本；nK为热能系统的节点数。

4.1.2 风光消纳能力

构建风光使用率指标C2来评价新能源消纳能力，即：

4.1.3 多能交互碳排

定义多能交互碳排指标C3来评价IES 环境效益，即：

式中：Pup为上级购电量；ψ1为上级电网单位电量碳排放系数；sum（·）表示矩阵元素求和。

4.2 约束条件

本文约束条件包括电能平衡约束、热能平衡约束、氢能平衡约束以及风光不确定性约束。其中风光不确定性约束，考虑风光电源波动性和间歇性影响，构建基于正态分布的出力置信水平，确定风光出力不确定性区间［24］。假设风光出力服从基于年功率均值的正态分布，置信水平取0.95。风电和光伏的年功率均值和极限功率示意图如附录A图A3、A4所示，约束的具体表达式见附录A式（A1）—（A7）。

4.3 模型求解

基于电-热-氢IES 协调策略的建模求解过程如图2 所示。本文采用改进种群粒子算法进行求解，并利用电-热-氢交互模型结合异质能流信息，构建能流拓扑。同时，考虑灵活性资源和辅助决策体系影响，制定多能调控策略，以实现IES 的经济、高效、环保。最后，在不同场景下得出协同调控方案，分析电-热-氢系统的源荷协同特性。

图2 电-热-氢IES低碳灵活协调策略Fig.2 Low-carbon flexible coordination strategy of electricity-heat-hydrogen IES

5 算例分析

5.1 基本信息

本文以东北地区某实际电-热-氢耦合系统为研究对象，区域能源架构如附录B 图B1 所示，其中供用电子系统为47 节点系统，用电负荷上限为7 792.74 kW；热能系统为45 节点系统，季节性热负荷上限为1 255.02 kW。区域能源包含风光、CHP 和上级电网，其中CHP 接在电网根节点和热网节点32，具体参数见附录B 表B1；风电及光伏电源接入节点20、47、43，并将SOEC／SOFC 作为风光电源补充安装于相应节点处，具体参数见附录B 表B2；考虑风光波动性与间歇性影响，基于其不确定性约束，确定风光电源的出力，区间覆盖率为1，结果见附录B图B2。根据热网布局与区域实际需求，将SOFC接在节点1、15、33 处。负荷为电、热、氢典型日负荷，其中4 种典型可控负荷，即制造业、造纸业、农副产品加工业及冶金业负荷分别位于节点38、36、10 和26；热网管道长度、传热系数等参考文献［25］；氢负荷主要由氢能源汽车、SOFC 及其他小型氢负荷组成。冬季典型用电负荷、热负荷如附录B 图B3 所示，峰谷平期电价见附录B 表B3，可控负荷参与调控的补偿电价见附录B表B4。

结合实际系统运行情况设置3种供能场景。

1）场景1：考虑季节性电-热耦合供能，CHP 机组、风光电源和上级电网为主要系统供能方式。

2）场景2：考虑氢能参与的电-热联供，通过SOEC 完成氢储，利用SOFC 进行氢-电、氢-热转换，在源侧实现电能替代灵活性资源。

3）场景3：考虑可控负荷参与多能耦合调控，在荷侧挖掘灵活性资源协同潜力。

5.2 IES协调场景分析

不同场景中IES 协调运行多评价指标体系的Pareto解集如附录B图B4所示。场景1采用电-热耦合的供能方式，随着风光渗透率的提升，系统运行成本增大，碳排放量降低，场景2、3 存在相同的分布趋势。场景2 中电-氢、氢-电及氢热转化的接入，使得经济成本相比于场景1 指标增大10.61 %、风光使用率提高2.76 %、碳排放量降低3.893 %、源荷灵活性提升1.353；而在场景3 中随着灵活性资源参与IES后，各评价指标都出现明显提升，其中经济成本下降4.71 %，风光使用率上升2.57 %，碳排放量下降0.943 %，源荷灵活性提升0.213，同时使得IES 峰谷差降低4.17 %，多目标优化与灵活性提升结果见表1。不难看出，系统碳排主要由CHP 和负荷产生，风光资源的接入可以有效降低系统碳排放量，而灵活性资源的参与又改善了风光使用率，从而进一步降低了碳排效果。另外，SOEC／SOFC 也在一定程度上发挥了降低系统碳排的辅助作用。

表1 多目标优化与灵活性提升结果Table 1 Multi-objective optimization and flexibility improvement results

场景2 中IES 典型日内源-荷-储波动时序特性的分析结果如图3 — 5所示。

图3 场景2的电能时序变化结果Fig.3 Time-sequence change results of electric energy in Scenario 2

氢储能参与后对供用电系统的影响见图3。在07:00 — 15:00 的用电高峰时段，风资源短缺但光照资源相对充足，SOFC 通过氢-电转化补充电能缺额，SOEC 主要吸纳光伏波动的盈余电能；在16:00 —21:00 的风电出力增大时段，SOEC 吸收风电剩余能量，SOFC 则配合其他电源补充供电；在01:00 —06:00和22:00 — 24:00的用电低谷时段，CHP 和风力资源较充足，SOEC吸收过剩电能，SOFC则在热负荷需求约束下间歇性供电。结果表明，SOEC／SOFC可以有效平抑风光能源波动，并提升其使用率。

热能系统动态过程见图4。高纬度地区的热能系统在各时段具有明显变化：01:00 — 07:00、19:00 —24:00 为热负荷高需求时段，以CHP 供热为主，SOFC及其他电制热设备协同供能；19:00 — 23:00 时段，CHP 平稳供能，电制热设备逐渐退出工作；11:00 —18:00 时段，CHP 调整出力满足低热负荷需求，SOFC与电制热设备配合出力。

图4 场景2的热能时序变化结果Fig.4 Time-sequence change results of thermal energy in Scenario 2

氢能系统变化见图5，其中氢储量表示该时刻氢能的储备情况。05:00 — 09:00 时段，SOEC 配合高用电需求和高风光产出，吸收能量逐渐增大，氢储量逐步爬升，且在09:00 — 13:00时段SOFC逐步释放氢能，以适应风光波动出力；17:00 — 20:00 时段，由于风光出力降低而电热需求持续升高，氢储量降低以弥补能量短缺；21:00 — 23:00 时段，用电需求降低，CHP 出力升高满足热能需求，SOEC 完成电-氢转化，氢储增加。

图5 场景2的氢能时序变化结果Fig.5 Time-sequence change results of hydrogen energy in Scenario 2

场景3 中可控负荷对IES 调控的影响分析结果如图6、7及附录B图B5、B6所示。

图6 场景3的可控负荷调整结果Fig.6 Controllable load adjustment results in Scenario 3

结合电能灵活性资源中的负荷特性分析，制定4 类典型负荷调整方案，结果如图6 所示。负荷1 将10:00 — 20:00 时段的部分用电高峰负荷转移至00:00 — 08:00 和21:00 — 24:00 这2 个时段；负荷2 将多时段的高峰负荷平移再分配于夜间的00:00 —05:00、20:00 — 24:00 时段；负荷3 改变工作间歇时间，将午前负荷提前1 h，20:00 负荷延迟2 h；负荷4将高峰用电时段进行不同程度的削减。通过制定调控方案改变负荷波动，实现削峰填谷。

场景3通过调整可控负荷改善IES运行效益，结果见图7。08:00 — 16:00 时段，风力资源较短缺，光照资源较充足，负荷用电削减；17:00 — 22:00时段，风电出力增加，光伏退出，负荷用电转移，SOEC／SOFC伴随源荷波动做出相应调整，氢能转化过程见图B5；00:00 — 04:00时段，CHP与风能充足，SOEC持续吸收电量，并转化为氢能存储，剩余电能以电制热形式配合CHP 满足供热需求，热能转化过程见图B6；当CHP 与热负荷间存在差额时，IES 通过电制热设备和SOFC实现电-热、氢-热转化。

图7 场景3的电能时序变化结果Fig.7 Time-sequence change results of electric energy in Scenario 3

进一步研究不同灵活性资源参与模式下IES 的协调运行效果，结果如附录B 表B5 所示。氢储匹配度升高，经济投入增加，风光消纳率提升，碳排放量降低；但是氢储匹配度过大时，负载增大，易导致源-荷关系过度失衡，进而影响风光使用率和碳排放量，故本文选择75 % 氢储匹配度进行仿真求解。提高负荷参与度，可改善IES 经济成本并减少弃风弃光率和碳排放量。

IES多能耦合与灵活资源协同的结果表明：

1）氢能与电-热耦合提高了IES 灵活调节能力，通过多能协同平抑风光波动并提升新能源使用率，降低系统碳排；

2）通过需求响应合理调整负荷灵活资源，提升了系统的灵活裕度，减小用电峰谷差，促进低碳能源的消纳与渗透。

5.3 电-热-氢交互碳流拓扑

基于电-热-氢交互的碳排放行为进行IES 协调运行辅助决策，负荷灵活性资源调整方案见表2，不同场景下的负荷碳排放量结果见附录B 图B7，节点碳排放量对比见图8。

表2 不同负荷灵活性资源调整方案Table 2 Different load flexibility resource adjustment schemes

图8 节点碳排放量对比Fig.8 Comparison of carbon emission among nodes

对比表2 中的节点负荷调控措施与图8 中的节点负荷碳排放量可知，通过不同负荷灵活性资源调整可改变节点负荷碳排，同时通过节点碳排变化可以刻画负荷调整方案。为进一步研究碳排对调控的表征方法，对其典型时段的碳流拓扑结果进行分析。

1）时段1：01:00 — 05:00。此时段内CHP与风能资源充足，IES 主要由CHP 机组和风电供电，SOEC通过电-氢转化存储过剩能源，风能接入电网的碳排放量为0。同时，电制热设备通过电-热转化分担热负荷。场景3 中以可控负荷3 为代表的4 类负荷（即节点10、26、36和38所连负荷）调整缓解风能消纳的压力见附录B图B7（c），图8中节点10的负荷碳流时段前移，节点38 的负荷碳流降低，结果表明在灵活资源参与下的IES 碳排放量降低约3 %，时段1 的碳流拓扑结果见附录B图B8。

2）时段2：10:00 — 17:00。此时段内风资源短缺，但光照资源相对充足，IES主要由上级电网、CHP和风光电源供电，通过负荷调整削减高峰用电量。SOFC 通过氢-电转化释放存储的氢能，并改善电网碳排放量；同时，通过氢-热转化与电制热设备缓解热负荷压力。该时段IES 碳排放量降低约4%，碳流拓扑结果见附录B图B9。

3）时段3：19:00 — 21:00。此时段内风电出力增加，光伏退出，IES 主要由上级电网、CHP 和风电供电。风电供能范围减小，SOEC 通过电-氢转化存储盈余电能，同时SOFC 通过氢-热转化与其他电制热设备协同供热。通过负荷调整促进削峰填谷，IES碳排放量降低约5 %，时段3 的碳流拓扑结果见附录B图B10。

通过典型时段碳流动拓扑分析可知：该区域通过电能替代灵活性资源实现氢能与风光能源的适应型交互，同时补充路径减轻CHP 供热负担，并为风光资源消纳提供新路径；电能灵活性资源虽不能直接存储风光能源，但通过负荷调整可有效促进风光消纳，使清洁能源的碳排拓展，降低IES碳排。