基于燃氣輪機富氧輔助供能的風電耦合化工系統容量優化配置

渠敬河， 劉新剛， 趙洪峰， 羅勛， 楊鵬程， 李海峰

(1.新疆大學電氣工程學院， 烏魯木齊 830017； 2.中國能源建設集團新疆電力設計院有限公司， 烏魯木齊 830001)

在“碳達峰”和“碳中和”戰略目標下，全球范圍內能源及產業發展低碳化趨勢已經形成，中國也提出了“2030年前實現碳達峰，2060年前實現碳中和”的雙碳目標[1]。近年來中國現代化工產業飛速發展帶動了國民經濟，同時也導致了對氫氣需求的急劇增加[2]。但目前化工企業所需要的氫氣主要來自化石能源，產生氫氣的同時伴隨有大量CO2的排放，這是中國實現雙碳目標的一大障礙。因此，清潔的氫氣來源具有減少碳排放的巨大潛力。當前利用新能源電解水制“綠氫”技術已經成為近年來被廣泛關注的熱點[3]，通過電解水制氫不僅可以解決化工產業CO2排放高等問題，還可以充分提高可再生能源的利用小時數[4]。雙碳目標下，為了減少化工產業CO2的排放，利用可再生能源制取“綠氫”代替傳統化石能源制取氫氣已經成為必然趨勢[5]。

當前大多數研究中，電解水制氫常被作為一種能量儲存形式[6-8]，在電力富余的情況下轉化為氫氣進行存儲，供電存在缺額時利用燃料電池將氫能轉化為電能，將制取的氫氣直接應用到化工產業的并不多。文獻[9-11]利用可再生能源電解水制取的氫氣作為煤化工的原料提高碳氫比，有效地降低了CO2的排放。文獻[12]為緩解可再生能源棄電率高的問題，利用電解水制取氫氣應用到合成氨企業，增加了系統綠色氫氣的份額，同時降低了運營成本。以上文獻分析中，所研究的場景對氫氣的需求大多處于平穩狀態。然而，像煉化這種化工企業因為受原油處理質量、催化劑活性等影響導致對氫氣的需求呈現波動狀態[13]，因此，協調處理好可再生能源出力的短期不確定性和氫負荷需求的長期波動性問題，對新能源和化工產業的耦合至關重要。

風機出力存在不確定性，燃氣輪機具有響應速度快的特性，在發電側加入燃氣輪機富氧燃燒輔助供能可以有效平抑風電短期出力的不確定。目前，富氧燃燒與碳捕集相結合技術相關學者已經進行了初步的探索。文獻[14]將富氧燃燒技術引入電-氣-熱綜合能源系統中，并對綜合能源系統的低碳調度進行了分析。文獻[15]在系統中引入了空分制氧技術，但制氧成本較高。文獻[16]構建的風氫低碳能源系統中利用電解水副產物氧氣實現燃氣輪機的富氧燃燒，然后利用膜分離法捕集CO2，但當前制膜成本較高，規模化制備CO2分離膜仍面臨巨大挑戰。

基于以上問題，現以滿足化工用氫為主要目的構建基于燃氣輪機富氧輔助供能的低碳能源系統模型。該模型利用儲氣罐的充放實現能量轉移，以滿足發電側出力的波動和氫氣需求之間的平衡，為提高系統供電的可靠性引入燃氣輪機富氧輔助供能，并利用液化天然氣(liquefied natural gas，LNG)的冷能和壓縮機實現CO2低溫液化壓縮捕集。

1 LCES結構模型

圖1給出了以供氫為主的低碳能源系統(low carbon energy system based on hydrogen supply，LCES)架構，其中供能系統包括風電機組(wind turbine，WT)、燃氣輪機(gas turbine，GT)；耗能部分包括電解槽(electrolytic cell，EC)、碳捕集(carbon capture，CC)；儲氣系統包括儲氫罐(hydrogen storage tank，HT)、儲氧罐(oxygen storage tank，OH)。LCES發電側風能和液化天然氣作為能量來源，將能量提供給電解槽產生氫氣，以滿足工業用氫需求。其中風電機組為核心供能部分，燃氣輪機在富氧燃燒下輔助供能，排放的CO2被碳捕集設備捕獲，如果存在電力富余將轉化為氫能存儲在儲氫罐中。

圖1 低碳能源系統架構Fig.1 Architecture of low carbon energy system

2 各子系統等效模型

2.1 WT模型

風電機組出力與系統的裝機容量和出力系數有關，其出力模型表示為

PWT=μWTPWT,max

(1)

式(1)中：PWT為風機出力；μWT為風電出力系數，表示風電輸出功率占額定功率的比例；PWT,max為風機的額定功率。

2.2 GT模型

燃氣輪機具有響應速度快的特性，在富氧燃燒的情況下為系統供能，為該系統的輔助供能設備。其氣-電轉換關系式為

PGT=ηGTHgasfgas

(2)

式(2)中：PGT為燃氣輪機的出力；ηGT為燃氣輪機的發電效率；fgas為燃氣輪機消耗的天然氣流量,m3/h；Hgas為天然氣燃燒熱值，為了便于分析，熱值用千瓦表示，取9.301 9 kW·h/m3。

2.3 EC模型

電解槽是實現風電與化工系統耦合的核心設備，選用PEM電解槽，其具有能效高、產氫濃度高等特性。產氫流率與功率輸入關系為

fEC,H2=PEC,inηECλ

(3)

氧氣的流率可表示為

fEC,O2=0.5PEC,inηECλ

(4)

式中：fEC,H2為電解槽制氫流率；fEC,O2為電解槽制氧流率；ηEC為電解槽電解效率；PEC,in為電解槽的輸入功率；λ為每度電電解水生成的氫氣量。

2.4 CC模型

采用的CO2低溫液化壓縮捕集技術的冷能來源于LNG，可以省去制冷設備的投資和能耗，實現低成本的碳捕獲。液化壓縮捕集原理如圖2所示。

燃氣輪機富氧燃燒后煙氣的主要成分為CO2和水，經過干燥脫水后煙氣中的CO2濃度可達到95%以上，利用LNG冷能和壓縮裝置容易實現CO2的加壓液化捕獲，壓縮捕集裝置能耗為

PCC=ηCCfCC,CO2PCC,in

(5)

式(5)中：PCC為壓縮捕集耗能；fCC,CO2為燃氣輪機富氧燃燒后CO2流入捕集設備的流率；PCC,in為壓縮捕集單位體積CO2所需的能耗，0.07 kW·h/(kg CO2)；ηCC為碳捕集率，本系統設定碳捕獲壓力設定為2 MPa，此時的碳捕集率為94.8%。

3 LCES容量配置方法

3.1 優化目標

以LCES中的供能模塊(WT、GT)、儲氣模塊(HS、OS)以及耗能模塊(EC、CC)的容量為決策變量，考慮各設備的相關約束條件，建立以系統的等年值總費用Ftotal最小的優化模型，該模型包括系統的投資費用和操作費用，可表示為

minFtotal=Finv+Fope

(6)

式(6)中：Finv為各設備的等年值投資費用；Fope為系統的操作費用。后者主要包括系統中各個組件在一年內設備維護費用和購買天然氣成本以及CO2的存儲費用。

3.1.1 設備投資成本

FWG,inv=QWTCWT,cap+QGTCGT,cap

(7)

FHO,inv=QHSCHS,cap+QOSCOS,cap

(8)

壓縮設備的投資與壓縮比和壓縮效率，以及工質入口的流量相關，耗能部分投資成本表達式為

(9)

(10)

式中:FWG,inv、FHO,inv、FCE,inv分別為供能模塊、儲氣模塊和耗能模塊的投資成本等年值；QWT、QGT、QEC、QHS、QOS分別為各設備的容量；CWT,cap、CGT,cap、CEC,cap、CHS,cap分別為各設備的單位容量的投資價格；ηc為壓縮效率，取63%；βc為單級壓縮比；fCC,CO2為進入壓縮設備的CO2流率；r為折舊率，取10%；L為設備的使用年限，取20年。

3.1.2 系統操作費用

Fope=Fope,run+Fope,buy+Fope,tra

(11)

式(11)中:Fope,run、Fope,buy、Fope,tra分別為設備的運行維護費用和購買天然氣以及CO2存儲費用。

Fope,run=FWG,invλWG+FHO,invλOH+FCE,invλCE

(12)

(13)

(14)

式中:λWG、λOH、λCE分別為供能模塊、儲氣模塊和耗能模塊運維成本占單位投資成本的比例系數；Cg、Cc分別為購買天然氣價格和CO2的存儲價格，LNG價格取5 000 元/t，氣化率為1 400，CO2運輸價格為0.19 元/m3；Cgas、CCO2分別為天然氣的需求量和CO2的存儲量；Δt為所設時間間隔；k為時間段，k∈[1,K]。

為了評價風電在該系統中的出力情況，定義風電機組發電量占發電側總發電量的比例為可再生能源滲透率θ，表示為

(15)

為衡量可再生能源風電棄電情況，棄風率φ表示為

(16)

式(16)中：PWT,ab為棄風量。

3.2 約束條件

低碳優化配置模型的約束條件主要包括功率平衡約束、氫氧平衡約束、設備出力約束、儲氣約束和CO2壓縮捕集約束，具體分析如下。

3.2.1 功率平衡約束

PWT(k)+PGT(k)=PEC,in(k)+PWT,ab(k)+PCC(k)

(17)

3.2.2 氫氧平衡平衡約束

fH2(k)=fEC,H2(k)+fHS,out(k)

(18)

fO2(k)=fEC,O2(k)+fOS,out(k)

(19)

式中：fH2和fO2分別為氫負荷與燃氣輪機富氧燃燒所需要的平均氫氣流率和氧氣流率；fHS,out為儲氫罐供給氫負荷的平均氫氣流率；fOS,out為儲氧罐供給燃氣輪機的平均氧氣流率。

3.2.3 設備出力約束

0≤PWT≤PWT,max

(20)

0≤PGT≤PGT,max

(21)

0≤PEC≤PEC,max

(22)

0≤PCC≤PCC,max

(23)

式中:PWT,max、PGT,max、PEC,max、PCC,max分別為風機、燃氣輪機、電解槽和壓縮捕集設備的額定功率。

3.2.4 儲氣系統約束

為了避免儲氣罐的流率過大，其輸入流率和輸出流率不應超過其最大流率限制，且在任意時刻儲氣罐不能同時輸入氣體和輸出氣體，即

0≤fi,in(k)≤δinfmax

(24)

0≤fi,out(k)≤δoutfmax

(25)

δin+δout≤1

(26)

式中:fmax為儲氣設備的最大允許流率；i為儲氫罐和儲氧罐；δin和δout為0～1變量，用來表征儲氣設備充放氣過程不會同時發生。

EH2(k)=EH2(k-1)+fHS,in(k)Δt

(27)

EO2(k)=EO2(k-1)+fOS,in(k)Δt

(28)

fHS,in(k)=fEC,H2(k)-fH2(k)

(29)

fOS,in(k)=fEC,O2(k)-fO2(k)

(30)

(31)

(32)

SOCmin≤EH2/QHS≤SOCmax

(33)

SOCmin≤EO2/QOS≤SOCmax

(34)

式中:EH2和EO2分別為儲氫罐和儲氧罐存儲的氣體量；fHS,in和fOS,in分別為儲氫罐和儲氧罐進氣流量；SOCmin和SOCmax分別為儲氣設備荷電狀態的最小值與最大值。

3.2.5 碳捕集設備約束

fCO2(k)=fGT,CO2(k)-ηCCfCC,CO2(k)

(35)

0≤fCC,CO2(k)≤fGT,CO2(k)

(36)

(37)

式中：fCO2為燃氣輪機實際排入空氣中的量；fGT,CO2為在燃氣輪機富氧燃燒條件下所排放的CO2總量；為了符合系統低碳思想，將碳排放率限制在0.05以下。

4 算例分析

4.1 基礎數據

以西北某地區的實際數據為例，對LCES進行容量優化配置。圖3為該地區年風電標幺化數據，圖4為某石油煉化企業年氫氣需求特性曲線。各設備單位造價、運維成本占單位投資成本比例系數如表1和表2所示。在分析中，考慮到風電出力隨機性，以及氫負荷短期穩定和長期波動特性，選取以6 h為間隔對數據進行平均，即Δt=6，則k∈[1,1 460]。

圖3 風電年出力曲線Fig.3 Annual output curve of wind power

圖4 工業用氫需求曲線Fig.4 Industrial hydrogen demand curve

表1 風機、燃氣輪機和電解槽相關參數Table 1 Relevant parameters of fan, gas turbine and electrolytic cell

表2 儲氣設備相關參數Table 2 Relevant parameters of gas storage equipment

4.2 場景描述

為了闡明所提LCES經濟性及儲氣系統的協同調節作用，采用3個不同的場景對模型進行數據分析，場景分類見表3。所建立的容量優化配置模型屬于混合整數線性優化問題，通過CPLEX優化求解器和YALMIP工具箱進行求解，求解流程如圖5所示。

表3 場景分類Table 3 Scene classification

4.3 仿真結果分析

表4給出3種不同場景下的等年值總費用和各組件裝機容量優化配置結果。通過對場景1和場景3分析對比可知，場景1的等年值總費用是場景3的2.18倍，這是因為該系統是以供氫為主，而負荷側對氫氣需求存在波動性，當裝設儲氫罐時可以緩解負荷側氫氣需求的波動，從而減少發電側供電設備的裝機容量，進而減少了系統總投資。場景3在裝設儲氧罐的情況下，與場景2相比，系統的總成本降低了8.3%，風電裝機、燃氣輪機、電解槽、儲氫罐和碳捕集的容量相較于場景2分別減少了3.4%、36.3%、13.2%、20.7%和36.4%，其中燃氣輪機和碳捕集裝置變化最明顯。這是因為碳捕集裝設容量與燃氣輪機容量呈正相關，燃氣輪機裝設容量增大，富氧燃燒產生的CO2增多，勢必增加碳捕集的容量。當裝設儲氧罐時，能夠對電解槽產生的氧氣波動起到能量緩沖的作用，打破了燃氣輪機富氧供能和電解槽產氧之間的時序性，從而減少了燃氣輪機和碳捕集的裝機容量。通過以上分析可知，儲氫罐和儲氧罐的協同配合可以有效地減少系統的總投資，增加系統供能的可靠性。

表4 各場景系統容量配置和費用Table 4 System capacity configuration and cost under each scenario

為了方便分析，選取一年當中的某一周168 h為例進行分析。第3場景下發電側功率平衡如圖6所示，橫軸的上半部分表示發電側燃氣輪機和風機的出力情況，下半部分表示各設備的功率輸入和棄電量，整個系統在各個時刻都滿足功率平衡，所以圖中的能量流關于橫軸對稱。由圖6可知，燃氣輪機起到輔助供能的作用，當風機出力充足時燃氣輪機并不工作，而當風機出力無法滿足電解槽功率需求情況下，燃氣輪機富氧出力以應對電量不足情況，與此同時壓縮捕集裝置對燃氣輪機富氧出力后的CO2進行液化壓縮捕集，只有極少量的CO2排入空氣，符合低碳能源系統思想。

圖6 LCES電功率平衡及二氧化碳排放曲線Fig.6 Electric power balance and carbon dioxide emission curve of LCES

圖7和圖8分別給出了場景3中所對應氫流量和氧流量平衡圖。由圖7可知，當發電側發出的電量供給電解槽產生的氫氣無法滿足工業用氫需求時，可由儲氫罐提供氫氣以滿足用氫需求，而當風力充足時，電解槽產生的氫氣無法完全被氫負荷消納，此時多余的氫氣將被存儲在氫氣罐。根據對氫氣流量平衡圖分析，可知該系統主要由儲氫罐通過充放狀態的改變實現能量的轉移，以滿足發電側出力的波動和氫氣需求之間的平衡。圖8與此類似，儲氧罐的存在實現了燃氣輪機富氧燃燒需氧量和電解槽產生氧之間動態的平衡。

圖7 LCES氫流量平衡及儲氫罐SOC變化曲線Fig.7 Hydrogen flow balance of LCES and SOC change curve of hydrogen storage tank

圖8 LCES氧流量平衡曲線Fig.8 Oxygen flow balance curve of LCES

4.4 儲氣罐初始SOC對優化配置結果影響

在上述的LCES中，儲氣設備是該低碳能源系統的核心存在，實現了風電出力的短期不確定性和氫負荷長期需求波動在不同時間尺度下的匹配。儲氣設備的初始狀態直接影響整個系統的運行，因此需要研究儲氣系統的初始狀態對系統優化配置結果的影響。控制儲氣罐的初始荷電狀態SOC在0.1～0.8變化(步長為0.1)，等年值總費用和棄風率變化如圖9所示。

圖9 儲氣罐初始SOC對總費用和棄風率影響分析Fig.9 Impact analysis of initial SOC of air storage tank on total cost and air rejection rate

由圖9可知，隨著儲氣罐初始荷電狀態的增加，系統的等年值總費用初始下降較快后趨于不變，棄風率與此相反。這是因為在該系統初始運行時，氫負荷需氫量較大，此時風機存在出力不足的情況，棄風率較小，燃氣輪機需要在富氧的情況下輔助供能，發電側提供給電解槽電能所產生的氫氣無法滿足負荷側氫氣需求，而該系統是“以氫定電”，此時為了滿足工業用氫需求，勢必會增加發電側裝機容量，從而導致成本增加。當初始SOC增加到0.3時，此時儲氣罐的提供的氫氣已經可以緩解負荷側的氫氣的缺額，繼續增加SOC，將會導致發電側出力過剩，棄風率增加。

4.5 LNG價格對優化配置結果影響

在保持系統各約束和目標函數不變的情況下，控制LNG價格在4 000～6 000元/t變化，年度化總費用和可再生能源滲透率變化如圖10所示。

由圖10可知，LNG價格的增長將會導致等年值總費用的增加，但可再生能源滲透率保持不變。這是因為LNG價格主要影響系統的操作費用，但對系統各部分裝置容量的配置影響較小。在該系統中單位燃氣輪機容量價格要比單位風機容量價格要小得多，當LNG價格在一定范圍內變化時，并不影響系統中配置風電和燃氣輪機裝機容量的比例，發電側燃氣輪機和風機的出力并不變化，故而可再生能源滲透率保持不變。

圖10 LNG價格對總費用和可再生能源滲透率影響分析Fig.10 Analysis of the impact of LNG price on total cost and renewable energy penetration

5 結論

為了解決工業用氫需求的波動性和風電機組出力不確定的問題，構建了基于燃氣輪機富氧輔助供能的低碳能源系統，進行相關設備的容量配置，實現了 “以氫定電”。主要結論如下。

(1)風電出力不足情況下，燃氣輪機富氧輔助供能可以有效提高系統供電可靠性。儲氫罐和儲氧罐的協同調節，對匹配發電側出力和負荷側需氫具有顯著作用，可以有效地降低投資成本。

(2)LCES容量優化配置的結果與儲氣系統的初始荷電狀態有關，適當地選擇儲氣罐的初始荷電狀態，有利于降低初始投資成本和棄風率。

(3)LNG價格在一定范圍內變化，會對系統的操作費用產生一定的影響，但并不改變發電側風電和燃氣輪機出力。

所提的以滿足工業用氫需求為主LCES，可以為雙碳背景下化工企業的轉型提供一定的理論支持。以上系統主要研究為孤網運行，并沒有考慮與電網的連接，在后續研究中將進一步研究接入電網對該系統的影響。