农村规模化养殖耦合生物质发电问题分析

2024-04-09张婷婷胡晶晶宋明亮

电力安全技术 2024年2期

张婷婷，司展，胡晶晶，宋明亮

(1.国家电网辽宁省电力有限公司，辽宁沈阳 110003；2.安徽大学化学化工学院，安徽合肥 230601；3.合肥工业大学计算机与信息学院，安徽合肥 230041；4.沈阳化工大学信息工程学院，辽宁沈阳 110142)

0 引言

能源是人类社会和经济发展不可或缺的资源。随着资源分配和使用的多样化，资源质量下降、获取难度加大、稀缺性加剧以及生态环境系统恶化等长期挑战能源系统的可持续性。而规模化养殖基地收集的排泄物在进行有效处理后，对果蔬培植、农业发展及清洁能源利用等方面都产生了重大作用。以下以养猪业为例，在规模化养殖后[1]，如何解决现代智慧养殖中的能源持续稳定供给问题成为当前研究的重点之一。

1 规模化养殖的转型问题

当前养殖业已经开始向自动化和智能化转变，通过加快信息技术的利用进行畜禽舍自动清粪处理、温度控制、挥发性气体检测和病虫害防治等。电力的持续稳定供应是规模化养殖转型过程中的主要瓶颈之一，特别是在供暖、机械和监测系统用电等方面。农村规模化养殖供电的主要挑战有三点。首先，国内的农村家用电系统较为完善，但在生态养殖环境较好、人烟稀少的农村地区，规模化养殖的电力需求难以满足，特别是在需求高峰期的电力供给不足，无法满足规模化养殖的负荷；其次，农村供电的可靠性不足，如配电能力和微电网的可靠性不高；最后，规模化养殖注重智能化和无人化，从而导致需求行为的变化，如现代化养殖经营的机械化、电气化等。

因此，农村养殖业正处于从传统农业向智能农业转型的关键阶段，而传统的电力系统无法应对这种转变，迫切需要可行的解决方案。

2 清洁能源面临的挑战

由于大多数类型的清洁能源存在波动性和间歇性，大规模清洁能源发电的整合将对电网产生重大影响，并且清洁能源的时空分布不均匀、供需增长不平衡和输配电能力不足等问题，也都限制了清洁能源的生产和使用。而在专供规模化养殖的清洁能源消费中，主要面临以下两个挑战。

1) 电力系统的操作问题，简单来说，就是研究如何在电力系统运行的实时或近实时状态下，做出正确的决策。其中包括规模化养殖供电系统的承载问题、最优控制/模型预测控制问题和市场清算问题。根据应用程序，操作问题可以转化为仿真问题和优化问题，这就像是给电力系统制定一个实时的“操作指南”，确保电力供应既稳定又高效。

2) 电力系统的规划问题，则是关于如何设计和建设一个高效、可靠的电力系统，特别是针对大规模养殖场这样的特殊需求。其中，最优规划则是寻找最佳的设计方案，比如确定发电机组的大小和安装位置，以便在满足需求的同时，成本最低、效率最高。

解决上述问题，清洁能源的使用过程将会更加顺畅，低碳效果更明显。

3 生物质发电的优势

我国生物质资源丰富，具有一定的潜在发展优势。生物质能的转化利用方法可归结为生物法(微生物法)、化学处理法、热化学转化法三种。其中，热化学转化技术是将低品位能源通过各种化学手段转变成能量密度高的高质量能源的最有效方法。近年来，国内投资的生物质发电厂运营较为稳定，部分发电厂年供电量均在15万MW以上(见表1)。

表1 国内企业的生物质发电厂详细信息(部分)

此外，何家欣[2]分析了生物质发电在建设和运行阶段与风能和太阳能发电的环境影响。其研究结果显示，在系统建设阶段，生物质发电产生二氧化碳(等效)约1 700 t/MW，排放量相对较少；在运行阶段，生物质发电项目平均每年减排二氧化碳(等效)达到131 462 t，大于同等装机容量的风能和太阳能。生物质发电厂在运行后可以在较短的时间内（0.39年）实现净减排。生物质发电项目的生命周期二氧化碳(等效)排放量在42～85 g/kWh之间。因此，从环境绩效的角度来看，生物质能是值得支持的[3]。

4 规模化养殖和清洁能源系统联系

规模化养殖通过消耗电力来启动供料系统、排泄物清理系统、控制温度等，能源供给可由太阳能或者风力发电供给，产生的生物质可用于果蔬种植和生物质发电，如图1所示。

图1 规模化养殖耦合生物质发电示意

中国是一个具有风能、太阳能、水电等丰富清洁能源的农业大国。农业活动和清洁能源生产大多位于农村地区，这为清洁能源与农业的一体化提供了巨大的机会[4]。随着小康社会全面建成和农村能源消费的不断增加，农村清洁能源的发展不仅可以改善生态环境质量，支持乡村振兴，而且在缓解能源紧张、降低农业电价方面发挥重要作用。

清洁能源消费可分为当地消费和远程消费两种。一般来说，光伏温室发电通常用于光照充足地区的当地消费，这有助于充分利用当地的清洁能源，提高当地的电力传输和供应水平。此外，如果没有足够的清洁能源来发电，远程清洁能源发电也可以作为当地的农业电力供应。一方面可以避免远程清洁能源的浪费，解决清洁能源消纳问题；另一方面可实现多周期和全过程的调整，节约农业生产成本的支出。

5 生物质耦合发电

刘洁[5]提出了将清洁能源电力系统融入智能农业的路线图，但现实中仍然面临着一定的技术瓶颈。规模化养殖与生物质等清洁能源的消费流程如图2所示。

图2 规模化养殖与生物质等清洁能源的消费流程

5.1 多时间尺度耦合

畜禽舍生产排泄物、果蔬堆肥需要和生物质发电之间存在着时间尺度上的差异，国内传统的发电可以是连续的，而生物质发电依赖畜禽舍堆粪时间及挥发性气体的产生时间，并且植物生长的时间与小时、日、月和季节呈非线性关系。因此，多时间尺度耦合是智能农业与清洁能源消费一体化需要解决的第一个瓶颈。

在完成变量的收集后，即：排泄物产生的时间、生物质反应的时间、农田堆粪产肥的时间等，基于普拉卡什和Hjelmstad(PH方法)、Gravouil和组合安全(GC方法)提出两种基于外部软件的耦合算法。这些方法涉及不重叠的分区，并采用双舒尔方法，加强在与拉格朗日乘子界面上的速度连续性。此外，Ghanem[6]提出了一个基于时空的多时间尺度多模型耦合的一般框架，该框架引入了拉格朗日乘子的特定插值和时间积分算子参数。在能量考虑的基础上，Brun[7]描述了一种获得不同时间积分方案的多时间步长耦合一般方法。该方法是基于休斯引入的伪能量测量来证明隐式-显式算法的稳定性。然而，现有的关于多时间尺度耦合的研究并没有满足多系统的刚度和灵活性的需要，这导致规模化养殖和能源系统的耦合仍然是一个具有挑战性的课题。

为了解决多时间尺度耦合问题，林子雨[8]提出了基于三点预测的探测(TPFP)，在时间序列延迟相关分析中，当延迟位置较大时，允许一个较小的误差，从而可以有效地处理大部分延迟的多重情况。于洪洁[9]研究利用快速和慢速两个变量来分析系统复杂的动态行为，以不同时间尺度变量的初始值和频率作为控制参数，建立了双时间尺度变量的刚柔性耦合。

综上所述，多系统的刚性和灵活的时间尺度仿真和分析技术为解决畜禽舍养殖过程的生物质输入和清洁电力系统输出的多时间尺度的差异提供了一个潜在的解决方案。

5.2 生产和供给需求

畜禽舍排泄物生物质发电采用厌氧阻流反应器-微生物燃料电池-微生物电解电池组合系统(ABR-MFC-MEC)[10]，其主要发生的电解反应如下所示。

1）MFC的电极反应如下。

2）MEC的电极反应如下。

该联合工艺具有在几乎零能量输入生物燃料生产的情况下有效处理粪便废水的潜力，生物质发电组合系统ABR-MFC-MAE采用的畜禽舍废水特点如表2所示。

表2 畜禽舍废水的特点

采用ABR-MFC-MEC联合系统处理粪便废水。使用与常规化粪池相同的液压保留，即使进水化学需氧量(COD)高于1 500 mg/L，铵离子为110 mg/L，出水COD仍低至50 mg/L。脱碳和反硝化的发生使得连通沼气中的甲烷含量略低，氮气含量较高的原因。此外，可以从组合系统中获得(452.5±10.5) mV的额外输出电压。

对此，供给的一大问题将转化为畜禽舍排泄物的清理与收集过程。按照司展[1]的方法对畜禽舍排泄物进行分子动力学模拟，而清理过程则采用人体工程学模拟，在数值积分中确定最佳清理时间，可结合挥发性传感器采集数据的分析结果来佐证清理效果。因此，在采用ABR-MFC-MEC组合系统完成生物质能源转化过程时，确定猪舍中最佳清理时间将给最佳供给生物质和生产能源提供了可能的条件。

5.3 供给消耗比例

准确的测量是实施智能农业的最基本的要求，故在完成畜禽舍和耦合发电的过程之前，要分析体系供给和其消耗的比例。在确定基本的生物质发电之后需要完成光伏发电的计算，以及考虑种植所在区域年平均日照的时间。在电力系统运行过程中，为提升供电系统的稳定性，要做好电力系统和电力设备的稳定性监测，通过分析他们的运行情况，了解电力设备运行的效率和电力系统运行的稳定性。当前的电力监测技术只能单独对设备进行监测，监测范围较小，监测效果不理想。通过合理的大数据技术应用，规模化养殖系统可以详细地反映系统中庞杂的数据和信息，推断系统中可能出现的故障，针对性地做好系统的保护工作，确保电力系统的稳定运行。其中对耦合链路进行分析，以了解多能系统的相关耦合机制，可实现规模化养殖、清理、饲养、育种等一系列无人化、智慧化操作[11-17]。Ehsan Elahi等[12]应用人工神经网络来优化商业家禽农场的能源输入，以实现能源和成本节约策略。训练模型确认了农场能源输入的低效使用，以及在给定能源输出量下能源输入的3.37 %过度使用(燃料能源的过度使用达到了51.02 %)，其中最主要的因素是多种能源使用的冗余与重复。因此，在规模化养殖系统中，确定最优耦合能源网络的消耗与供给比例尤为重要。

在电力混合系统的使用中，焦萍红等[13]提出了一种联合有功和无功功率的操作策略来确定最优的能源供给和消耗比例，其中包括储能系统(ESS)的优化充放电策略、联合概率分析、基于价格的需求响应和技术经济框架下的优化算法。其中ESS系统是通过Fourier-Legendre级数模拟储能系统的充放电特性，以捕捉其状态。考虑到间歇性可再生能源(IRE)的不确定性，通过联合概率分布来评估IRE的输出。即研究了损失负荷(VoLL)和功率削减(VoPC)的价值，以应对不确定性带来的风险。这种基于价格的有功和无功集成需求响应能够有效地调整有功和无功负荷，改善电压质量。

在新能源-电力耦合网络中，国外学者Tathagata Sarkar[15]等构建了集成太阳能光伏、风能和生物质能源的混合微电网，通过HOMER模拟软件进行了不同可再生能源的容量选择，并提供不同可再生能源、钒氧化还原流电池(VRFB)储能和负载配置的真实数据，建立了峰值负载削减。项目在实地安装了一个10 kW太阳能光伏、1 kW风力发电和15 kW生物质发电机集成1 kW 6 h VRFB储能的微电网，并验证了模拟模型的性能；同时这样的混合微电网在满足日常能源需求时，还将带来23 %的项目投资回报率。

在氢能-电力耦合网络中，国外学者Erdal Aydin[16]提出了一个MILP模型，用于在天气间歇性和需求不确定性下识别集成能源网格的最优设计和运营。提出了一种实用的基于概率的场景生成方法来处理与风速、太阳辐射、气温、人口和城市电力需求相关的不确定性。(模型中使用风力涡轮机额定功率100～200 000 kW、光伏的额定功率100～200 000 kW、生物质发电机额定功率2 500～500 000 kW、燃气共生发电机额定功率3 350～670 000 kW、甲烷反应釜额定功率51 300～51 300 kW) MILP模型在考虑约束和目标的情况下(主要包括：设备选择和尺寸决策、单位承诺和运营约束、设备存储约束、系统输入和输出的非负约束、物料和功率平衡、成本约束、CO2排放约束)，确定最优的设备配置和运营策略，以实现能源的有效供给和消耗。

在实际案例中，位于德国的巴登-符腾堡州是具有高总体过剩电力和高数量过剩发电小时数的地区，同时有一个现有的天然气基础设施。确定能源系统的供应最优供给消耗比例，对于地区节能环保尤为重要，Sarah Henni[14]提出的理论框架和地理信息系统软件(GIS)建模方法来识别和评估Power-to-Gas (PtG)技术在配电网络中的潜力。主要方法包括GIS建模、时间分辨率分析和PtG潜力评估，其中PtG潜力评估是通过空间和时间建模来确定了哪些区域将面临过剩的可再生能源发电，从而可能需要PtG技术来解决。这包括评估网络部分的拥堵情况，以及在这些区域部署PtG工厂的潜在经济可行性。所有评估的PtG工厂规模(从2 MW到10 MW)在不考虑避免赔偿成本的情况下都是盈利的，盈利额大约为54 欧元/MWh。