考慮全生命周期碳排放的電氫耦合VPP調度優化

閆慶友,黨嘉璐,林宏宇,鄭浩偉

(1.華北電力大學經濟與管理學院,北京市 102206;2.國網經濟技術研究院有限公司,北京市102209)

0 引 言

當前國內正處于實現“雙碳”目標的轉型關鍵期,全球能源市場受經濟、政治等多種因素影響仍處于動蕩調整過程中,綠色低碳能源的利用發展將成為重構全球能源市場的重要驅動力[1-2]。復雜的國內外部環境致使我國能源電力系統低碳轉型壓力日益增大。為此在統籌兼顧能源市場用戶、各類電力生產與運營主體利益平衡的基礎上,構建國內新能源完整產業體系并超前規劃布局關鍵技術勢在必行[3]。比如,與可再生能源結合利用的儲能、氫能,與分布式資源結合的虛擬電廠(virtual power plant,VPP)等。充分挖掘VPP在生產、建設、運輸以及回收等多環節的低碳潛能,是促進可再生能源消納,提高低碳調度決策水平的重要手段[4]。

在新能源大規模并網后,如何將分布式電源、常規可控機組、用戶靈活負荷和儲能裝置等聚合成可控整體VPP,成為目前新型電力系統調度領域的一個重要研究方向。在風光火聯合調度系統中,電化學儲能的引入可以平抑高比例新能源發電波動[5-7]。但電儲能技術充放類型單一,風光消納受限,難以實現規模化經濟性能源存儲。電轉氣設備可以通過多能互補達到能源綜合高效利用,實現電力網絡和天然氣網絡之間的雙向能量流動[8]。文獻[9-10]以運行成本、經濟效益作為目標函數,提出了虛擬電廠電-熱-氣協調隨機優化調度模型。文獻[11]以混氫天然氣置換傳統天然氣氣源,提出一種降低系統對外部氣網依賴度的低碳經濟調度策略。文獻[12]提出了一種基于固體可逆燃料電池的新型電-摻氫天然氣優化調度模型。上述文獻多聚集于電轉天然氣或摻氫天然氣的耦合互補利用,對單獨的電轉氫氣參與電力系統應用場景的研究較少,電轉氣實際是在電轉氫的基礎上,再將氫氣甲烷化,電轉天然氣的效率約為49%～65%,而電轉氫氣的效率約為51%～77%,后者具有更高的轉化效率和工業泛用性[13],還有很大的研究空間。

如何確定系統構成單元的運行約束并選擇合理的優化目標是VPP優化調度的關鍵,國內外諸多學者從電碳結合的視角出發,針對VPP低碳經濟調度展開研究。文獻[14]在多時間尺度上提出了考慮多主體運行階段碳中和成本的VPP雙層協同優化調度模型。文獻[15]分析了碳價型敏感負荷對需求響應的影響。但上述文獻引入的碳視角過于簡單,未充分考慮碳交易市場的引導作用。碳交易是減少碳排放量的有效措施之一,主要分為傳統碳交易機制和階梯式碳交易機制。文獻[16-17]在含電動汽車的虛擬電廠經濟目標函數中引入傳統碳交易成本。文獻[18]將階梯式碳交易引入風光儲聯合系統的分布魯棒優化調度中。文獻[19]考慮季節要素對碳交易的影響,提出了基于獎懲階梯碳價的季節性碳交易機制。文獻[20]在電-氣-熱綜合能源系統中引入階梯式碳交易。綜上,通過與傳統碳交易對比得出階梯式碳交易對碳排放量有更為嚴格的控制,有效約束了系統運行的經濟和環境成本。以上研究雖然都是從碳視角出發,但并未對低碳調度中能源的生產、傳輸、儲存等行為進行全過程碳軌跡追溯。因此亟需更精確地測量系統構成單元所有環節的碳排放量,拓寬VPP各設備碳排放計量模型的應用范圍,進一步提高VPP低碳調度的準確性。

綜上所述,本文將分布式儲能、電轉氫系統與常規虛擬電廠進行集成,并運用生命周期評價(life cycle assessment,LCA)方法分析各類能源設備主體各環節產生的碳排放,進而精確計量碳排放系數,并將其與階梯碳交易機制聯合納入約束條件中,以系統總運行成本最小,碳排放量最少為目標建立電氫耦合虛擬電廠多目標調度優化模型,最后通過算例分析驗證所提模型的有效性和可行性。

1 虛擬電廠結構

1.1 基本結構

本文在擁有電、氫兩種負荷的虛擬電廠中引入分布式電儲能,包括獨立的電池儲能系統、儲能與分布式電源相結合(如光儲、風儲系統),并將儲能設備與微型燃氣輪機(gas turbines,GT)、風電機組(wind turbine,WT)、光伏陣列(photovoltaic,PV)及氫燃料電池汽車群等組件集成電氫耦合虛擬電廠。設定可中斷負荷參與虛擬電廠的優化運營,在電力用戶側實施激勵型需求響應[21]引導用戶用電行為。分布式儲能既能充當電源又能作為負荷,可根據系統實時運行需要調節其充放電功率,在夜間負荷較低而風電高發時期或夏季負荷較高而光電高發時期,將過剩的風電和光電轉化存儲到分布式蓄電池中。多余的風光發電量可通過電轉氫技術[22]生成氫氣供氫燃料電池汽車(hydrogen fuel cell vehicle,HFCV)充氫使用,提供現階段高價氫氣下的另一種成本疏導機制。VPP基本結構如圖1所示。

圖1 虛擬電廠基本結構

1.2 VPP典型設備模型

1)風電模型。

風力發電通常情況下服從威布爾分布,在不同的風速下,風力渦輪機的輸出功率Pwt是不同的。兩者之間的關系表示如下:

(1)

式中:a、b、c、d為風力渦輪機的出力系數;vi、vr、v0分別為風力渦輪機的切入速度、切出速度和額定速度;pr為額定功率。

2)光伏模型。

影響光伏發電輸出的因素是光伏面板溫度、太陽輻射強度和環境溫度。光伏系統的輸出功率Ppv為:

Ppv=SPVGPVβPV[1+k1(Tc-Tr)]

(2)

式中:SPV表示環境溫度;GPV為太陽輻射強度;βPV表示太陽能轉化效率;k1為組件的溫度系數;Tc、Tr分別為光伏面板溫度和參考溫度。

3)微型燃氣輪機模型。

燃氣輪機可以將天然氣的熱能轉化為電能,在系統優化中輸出功率為Pgt,研究體系已經較為成熟。燃氣輪機的運行模型如下:

Pgt=QTCSHTCS·ηTCS

(3)

式中:ηTCS為燃氣輪機的運行效率;QTCS為天然氣消耗量;HTCS為天然氣熱值。

4)柔性負荷需求響應模型。

基于事先簽訂的需求響應合同,由VPP運營商向柔性負荷用戶直接發出負荷削減的控制信號,改變用戶用電量,則用戶參與調度后的負荷功率Pue為:

Pue=(1-θudγud)Puo

(4)

式中:γud為0-1變量,表示用戶負荷的削減狀態;θud為負荷削減系數,θud∈[0,1];Puo為削減前的原始用戶負荷功率。

1.3 分布式儲能模型

分布式儲能接入電網后既能充當分布式電源又能等效為用電負荷,作為新能源與電網之間的緩沖設備,能夠有效地保證電網的穩定靈活運行。根據儲能與電網雙向功率交換的流向,分布式儲能運行狀態可分為三種:充電、空閑、放電[23]。儲能出力Psoc表示如下:

(5)

當分布式儲能從電網中吸收電能時,即充當用電負荷時,對應的充電模型如下:

(6)

當分布式儲能向電網中釋放電能時,即充當分布式電源時,對應的放電模型如下:

(7)

當分布式儲能與電網之間無電能流動,即處于空閑狀態時,對應的模型如下:

En,ess(t)=En,ess(t-1)

(8)

1.4 電轉氫系統模型

1)電解槽模型。

在風光資源充足條件下,質子交換膜(proton exchange membrane, PEM)電解槽(electrolysis bath,EL)[24]利用多余電能電解水制氫,為氫燃料電池汽車充氫。電解槽能夠將水電解為氫氣和氧氣。其數學模型為:

(9)

(10)

2)氫燃料電池汽車模型。

假設HFCV并網時段內保持額定功率充氫,不可調度,直至滿足續航里程需求后離網,選取行駛里程作為測量HFCV已充氫量的指標[25],HFCV集群模型如下:

(11)

(12)

(13)

(14)

2 虛擬電廠低碳經濟優化模型

2.1 基于多主體全生命周期的碳排放系數計量

VPP的總碳排放量包括各主體直接或間接產生的碳排放,其中涉及多種能源相互耦合,不同能源設備在生產投運過程中直接或間接向大氣中排放CO2的強度即為該主體的碳排放因子[26]。風電、光伏被普遍認作清潔能源,在運行階段未直接排放CO2,此階段碳排放強度為0,但其在生產、運輸、運維、報廢回收等環節還是會導致碳排放,因此在分析VPP碳排放時,需要結合LCA能源鏈碳排放分析法[27],將各類能源設備主體的能源流動過程進行簡化,然后根據各個環節內能源消耗或轉換過程所產生的碳排放系數進行計量,發電側主要計量來源為氣電、新能源發電和電制氫,用電側主要來自儲能,能源在輸配過程中的碳排放損耗暫不考慮,各類機組的單位電量全生命周期碳排放系數計量為:

(15)

式中:epg,i為機組i生產環節的碳排放系數;cjg為單位標準電量與能耗的折算系數;mct,i、mpj,i為機組i生產環節和施工過程材料使用的碳排放強度;ect,i、epj,i為機組i生產環節和施工過程材料耗費能量強度;etg,i為機組i運輸環節的碳排放系數;my,i為機組i第y種組件的碳排放強度;ey,i為機組i第y種組件運輸耗費能量強度。

1)化石能源機組(煤電、氣電)。

煤電LCA的碳排放主要來自煤炭生產、電煤運輸、燃燒3個環節。煤制天然氣和油田天然氣的生產開采、運輸和燃氣發電3個環節的碳排放為氣電的LCA碳排放主要組成部分。

(16)

式中:Epgs為生產環節碳排放系數,此時i分別為燃煤和燃氣機組GT;Up為生產過程的單位能耗;Uep為煤炭的生產排放系數;λep為單位電量生產損失率;Etgs為運輸環節碳排放系數;Eggs為發電環節碳排放系數;Usg為單位電量的供電標準氣耗;Utce為單位發電的碳排放當量系數。

2)新能源機組(風、光、電解槽)。

新能源機組的生產建設和出廠運輸兩個環節是LCA碳排放主要來源,而運維環節的碳排放主要來自耗材生產與替換時運輸耗能和設備檢修耗能,但此部分的碳排放量相較LCA的碳排放量極少,通常忽略不計。假設電解水制氫過程中電力消耗隱含的碳排放已并入VPP機組發電碳排放。

(17)

式中:Epeg為新能源機組生產環節的碳排放系數,i分別取風電、光伏、電解槽;Eteg為新能源機組組件運輸環節的碳排放系數。

3)儲能機組。

儲能機組在使用和廢棄回收階段會產生較多的碳排放,故對于VPP在計量總碳排放量時,此部分碳排放也應包含在內。因此,將儲能設備全生命周期邊界確定為計及生產、建設、運輸以及回收的過程,即

(18)

式中:Epsg為儲能機組在生產環節的碳排放系數;Etsg為儲能機組在運輸環節的碳排放系數;Eosg為儲能機組在運行環節的碳排放系數;mso為日充放電次數;nso為運行環節的替換系數;Ersg為儲能機組在廢棄回收環節的碳排放系數;cgi為電池電量與電池能耗之間的折算系數;rgi為電池材料組件運往廢棄回收工廠單位距離消耗能源的碳排放強度;lgi為電池材料組件運往工廠的運輸距離。

4)外部市場。

外部市場購電和購氫的碳排放量均取決于當地電網的發電能源構成,本文參考北方某地的構成比例,其中煤電約占50.3%,天然氣發電約占30.7%,光伏和風力發電分別占比約為7.8%和11.2%,結合各主體全生命周期碳排放系數加權計算可得購電的LCA碳排放系數。現階段氫網市場主要制氫方式仍為化石能源制氫,煤制氫約占63.5%,天然氣制氫約占36.5%,其他含有電力消耗帶來隱含碳排放的制氫方式暫不考慮。

2.2 階梯式碳交易成本模型

碳交易[28]是允許生產商在市場中進行合法的碳排放權買賣進而達到控制碳排放目的的一種交易機制。由政府監管部門向各碳排放源分配碳排放配額,若實際碳排放高于所分配的配額,則需要購買碳排放權超額部分,反之多余的配額可以在碳交易市場中出售。階梯式碳交易成本模型[29]主要包括碳排放權配額模型、實際碳排放模型、階梯式碳排放交易模型。

1)碳排放權配額模型。

VPP中的碳排放源主要有4類:燃氣輪機、新能源機組、上級購電和購氫。本文主要采用的配額方法為無償配額。

(19)

2)實際碳排放模型。

基于各類機組的單位電量全生命周期碳排放系數計量的碳排放量:

(20)

3)階梯式碳交易成本模型。

相較于傳統碳交易定價機制,為進一步控制碳排放,本文采用階梯式定價機制,需要購買的碳排放權配額越多,相應區間的購價越高,基于該機制建立的階梯式碳交易成本模型如下:

(21)

(22)

2.3 目標函數

如何合理分配系統內部運行收益并提高上網購售收益是VPP首要優化運行的目標,由于電解水制氫具備低碳特性,更多碳配額可以進入市場交易,因此碳排放量最小化作為本文第二個優化目標。通過使系統運行總成本F1和總碳排放量F2最小,實現電氫耦合VPP在經濟效益和環境效益方面的最優化,目標函數如下:

(23)

式中:F1為燃氣輪機、風電、光伏及分布式儲能系統和電轉氫系統參與優化調度的電網運行成本;C1為主設備投資成本;C2為用戶可削減負荷的補償成本;C3為階梯式碳交易成本;C4為電網購售電成本;C5為電轉氫系統購氫成本。

主設備投資成本包括初始購買費用、輔助設備投資費用、總替換費用和總運維費用,輔助投資費用與初始購買費用成正比例關系,運維費用包括燃料費用和設備維護費用。在虛擬電廠壽命周期內,只考慮蓄電池和電解槽的重置成本,蓄電池和電解槽的壽命周期分別為5年和10年。因此,主設備投資成本可表示為:

C1=Ccap+Crop+Crep+CGT

(24)

Ccap=cgt+cwt+cpv+csoc+cel

(25)

(26)

(27)

(28)

式中:Ccap為初始購買費用,包括燃氣輪機、風光機組、蓄電池、電解槽等設備;Crop為分布式電源的運行成本;Crep為總替換費用;CGT為燃氣輪機的燃料成本;cgt、cwt、cpv、csoc、cel分別表示燃氣輪機、風電機組、光伏機組、蓄電池、電解槽的購買價格;kgt、kwt、kpv、ksoc分別為燃氣輪機、風電、光伏機組、蓄電池的運行成本系數;r表示行業基準收益率,設定r=8%;nsoc、nel分別表示蓄電池和電解槽的運行壽命;kGT為燃料成本系數。

用戶可削減負荷[30]的補償成本為:

(29)

階梯式碳交易成本為:

(30)

虛擬電廠向電網購售電成本為購電費用減去售電收益,公式如下:

(31)

HFCV集群可從電轉氫系統完成充氫需求,減少從外部市場購買氫氣,電轉氫系統的購氫成本計算如下:

(32)

式中:cp,h為市場上每單位體積氫氣價格。

2.4 約束條件

風電、光伏、氣電與儲能聯合運行時要綜合考慮自身與電網的運行約束[31],模型需滿足的約束條件如下:

1)系統功率平衡約束:

(33)

(34)

式中:PD(t)為用戶電負荷;Vnet為向氫網購氫量。

2)功率上下限約束:

(35)

(36)

3)主網約束:

(37)

(38)

4)蓄電池約束:

(39)

Esoc(0)=Esoc(24)

(40)

(41)

5)可削減負荷約束:

0≤Pue≤εmaxPuo

(42)

式中:εmax為最大負荷削減率。

6)電轉氫系統約束見式(10)和(14)。

2.5 多目標模型求解

本文建立的虛擬電廠調度優化模型有2個目標函數,分別以經濟成本最低,碳排放量最低為目標函數求解模型,并在各目標函數最優條件下求解其他函數,用二維表格表征目標函數之間的相互關系。并根據各目標函數的最大值和最小值確定權重系數,將多目標函數加權轉化為單目標函數便于進一步的求解。由于目標函數中,系統運行成本屬于經濟成本型目標函數,二氧化碳排放量屬于社會成本型目標函數,不同目標函數量綱也不相同,需要進行無量綱化處理:

(43)

式中:Fij為在Fj(j=1,2)最優條件下Fi(i=1,2)的取值;通過對Fij處理后,可以得到無量綱化目標函數F′ij。

應用熵權法為各目標函數賦予權重,詳細賦權步驟見文獻[32]。最后,將多目標函數通過加權得到單目標函數F進行求解:

(44)

式中:fi為目標函數F′i的權重系數。

3 算例分析

3.1 參數設置

為驗證本文所提低碳經濟優化調度模型的合理性和可行性,本文以華北某園區[33]為算例進行仿真分析,按時間分別選取夏季、過渡季、冬季3個典型場景。以10 MW的風電機組,6 MW的光伏機組,3 MW的燃氣機組,2 MW的電轉氫設備集成虛擬電廠,另外,虛擬電廠內還有總額定容量為2 MW·h的分布式儲能設備和最大削減率εmax=10%的可削減電負荷,氫負荷為1 000輛氫燃料電池汽車。VPP各機組的詳細參數見表1,電轉氫系統的詳細參數見表2,HFCV的計算參數見表3,主網分時電價見表4,不同季節典型日的風光出力曲線見圖2。

表1 系統出力及儲能相關運行參數

表2 電轉氫系統相關運行參數

表3 氫燃料汽車相關參數

表4 電網分時電價

圖2 不同季節典型日風光出力曲線

VPP與主網購售電價按照峰平谷三段劃分,峰時段為11:00—16:00,19:00—22:00;平時段為08:00—11:00,16:00—18:00及22:00—24:00;谷時段為00:00—08:00。

根據第2節多主體LCA碳排放計量方法,計算得到各類能源設備在各環節的碳排放系數如表5所示,區域電網購電的碳排放系數為803 g/kWh,根據參考文獻[34],氫網加氫的碳排放系數約為60.79 g/m3,碳交易基價λ=25元/t,區間長度l=2 t,價格增長率α=25%。參考北京市發改委、廣東省生態環境廳等出臺的有關政策,各能源設備碳排放配額如表6所示。

表5 VPP各設備在各環節的碳排放系數

表6 單位碳配額系數

在仿真分析中,本文構建的考慮全生命周期碳排放的電氫耦合VPP低碳經濟調度模型為混合整數線性規劃模型,采用Matlab R2021a軟件,通過Yalmip工具包調用CPLEX求解器對算例進行求解。

3.2 情景設置

為了充分說明本文所構建考慮全生命周期碳排放的電氫耦合VPP多目標優化模型的可行性,本文首先以過渡季典型日場景為算例,從各目標函數最優角度設置3個情景。情景設置如下:情景1以系統運行成本最低為優化目標;情景2以碳排放量最低為優化目標;情景3以多目標作為優化目標。由于風光出力易受季節特性的影響發生波動,且夏季和冬季的用戶負荷需求要大于過渡季,因此從不同季節典型日的角度增加2個算例,進一步驗證文章模型的有效性。

3.3 算例結果

以經濟成本最小為目標函數時,碳排放量較高,缺乏環保性;以碳排放量最低為目標函數時,經濟效益較低,犧牲了一部分經濟效益;所以,情景3中綜合考慮多個目標實現VPP的最優運行,求解單目標函數的二維關系表,f1、f2權重系數計算結果為0.66和0.34。過渡季典型日整體優化結果如表7所示,夏季和冬季典型日整體優化結果見附錄A,風光出力、電解槽功率和三種情景下燃氣輪機出力如圖3所示。

表7 過渡季整體優化結果

圖3 VPP過渡季出力優化結果

由表7和圖3中發電機組出力數據分析可得,情景1以最小運行成本為優化目標,尋求VPP經濟最優的調度策略,此時GT發電量為28.66 MW·h,前期出力較少,15:00之后光伏出力越來越小,GT出力增多,該情景下,VPP成本相對最低,運行經濟效益較為樂觀,但系統低碳性欠缺考慮。情景2以最低碳排放量為目標函數,達到環境效益最佳,相對情景1,GT出力明顯增多且達到29.30 MW·h,01:00—07:00時GT也開始出力,VPP碳排放量減少了8 364.54 kg,但運行成本增加了10 424.02元,此情景下VPP碳排放得到有效降低但經濟效益不佳。情景3將多個目標作為優化對象,在確保VPP經濟效益前提下,減少碳排放,此時GT發電量為33.97 MW·h,VPP碳排放量對比情景1減少了6 441.49 kg,總運行成本對比情景2減少了8 023.33元,此調度方案兼顧了經濟效益和環境效益。

3.4 不同優化目標對比分析

3.4.1 考慮電轉氫機制效益分析

各情景下的VPP購售電和購買氫氣結果對比如圖4所示,正值表示VPP從主網購電購氫,負值表示VPP向主網售電。

圖4 VPP過渡季和主網(電氫)交換結果

結合圖4和圖3中電轉氫功率分析可得,在情景1條件下,VPP主要在午間峰時段向電網和用戶共出售電能3.97 MW·h,在平時段、谷時段和19:00—21:00從電網購電29.55 MW·h, 電解槽出力3.36 MW·h,總購氫18 524.3 m3。情景2下VPP不再售電,購電減少了13.47 MW·h,電解槽出力大幅增加至13.46 MW·h,這是由于主網發電構成復雜,碳排放量更高,VPP更多采用GT進行削峰填谷,多余的電量進行電轉氫氣,使得購氫量減少了1 979.7 m3。情景3中VPP購售電量均介于情景1、2之間,分別為18.29 MW·h和3.08 MW·h,但購氫量相對于情景1增加142.13 m3,電解槽出力降低到2.64 MW·h,VPP主要在平、谷時段購電,此時購電成本小,在午間峰時段售電,此時售電價格高,在風光出力充足時進行電轉氫,更充分地消納風光出力,減少從外部市場購買高價氫氣,提高經濟效益。

3.4.2 考慮儲能系統效益分析

儲能系統蓄電量及充、放電功率如圖5所示。

圖5 VPP過渡季儲能優化結果

結合圖5和圖3中光伏出力數據分析可得,光伏機組在07:00才開始發電,因此在峰時段11:00到來前,不同情景下儲能系統最多只有3 h進行充電操作,又由于電儲能成本相對較高,結合圖3中GT出力數據分析可得,情景1在追求最低經濟成本時,GT出力最小,更傾向于從主網購電購氫,儲能系統充電時長僅為5 h,充電效率最低。結合圖4主網交換數據進一步分析可得,情景2中GT出力增加,受主網購電購氫碳排放系數較大的影響,更傾向于內部發電出力,儲能系統在平、谷時段充電時長增多,更早地達到了最大蓄電量。在以多個目標為優化對象的情景3中全天平均蓄電率為33.37%,高于情景2的30.05%和情景1的32.25%,此優化方案提高了儲能單元的利用率,更充分地利用峰谷價差進行“低儲高放”、“谷購峰售”,既能保證VPP較高收益,又能減少碳排放。

3.4.3 考慮階梯式碳交易機制效益分析

為了有效地驗證階梯式碳交易政策對VPP低碳經濟調度的影響,采用所提模型和傳統經濟調度模型(即系統運行成本中不考慮碳排放成本)對過渡季典型日算例補充設置3個情景進行對比:情景4為傳統碳交易機制下采用傳統經濟調度模型;情景5為階梯式碳交易機制下采用傳統經濟調度模型;情景6為階梯式碳交易機制下采用所提多目標模型,表8為3種運行情景下的調度結果。

表8 VPP階梯式碳交易機制前后結果對比

由表8可知,情景5碳排放量比情景4減少了9.21%,情景6碳排放量比情景4減少了6.52%,可見考慮階梯式碳交易機制能進一步約束碳排放,達到清潔低碳的目的。雖然情景6較情景5的碳排放量增加了1 169.41 kg,但總成本減少了4 173.27元,體現了本文所提多目標優化模型能同時兼顧經濟利益和環境效益。對比3種情景的總成本,情景5的碳排放量雖然略低于情景6,但由于優化時未考慮碳交易成本,VPP需要向碳交易市場購買大量的碳排放權配額,因此總成本最大;情景4相比情景5雖然增加了購電成本和碳排放量,但由于碳交易機制為傳統的恒定價格機制,因此碳交易成本較低,總成本最小;結合表5的各主體碳排放系數可知,燃氣輪機的單位碳排放量要小于主網購電的單位碳排放量,由于階梯式碳交易機制的原因,情景6減少購電,增加氣電出力,達到新的平衡。

3.5 不同季節典型日的對比分析

本文基于情景4、5繼續對夏季和冬季典型日場景下VPP各單元出力及負荷進行分析,證明所提出模型面對不同季節的不同系統供電組成和負荷配置都有效。不同季節VPP購售電和購買氫氣結果對比如圖6所示,圖7和圖8分別展示了夏冬季典型日的VPP出力情況和電、氫負荷數據,夏季和冬季典型日整體優化結果如表9所示。

表9 夏冬兩季整體優化結果

圖6 VPP不同季節和主網(電氫)交換結果對比

圖7 VPP夏季需求響應前后電負荷

圖8 VPP冬季需求響應前后電負荷

根據模型運行結果,參考圖6分析可得,VPP在夏季受季節性風光出力特點影響形成的電量缺口,更傾向于由初始投資成本高但能效更高的燃氣輪機提供,相比其他季節與主網交換電量較低,電解槽出力最小,儲能全天平均蓄電率為29.15%。圖7中柔性負荷參與了需求響應,通過負荷削減平抑了峰谷差,柔性削減量為10.63 MW·h,且平均負荷削減率為4.91%。結合表9綜合最優的成本數據可得,VPP的碳排放量對比情景1減少10.81%,運行成本對比情景2減少2.27%,同樣保證了VPP的經濟性和低碳性。

根據模型運行結果,參考圖6分析可得,VPP在冬季增加了主網購電購氫的比例,新增的季節性風電不足以填補用戶電負荷和汽車氫負荷,相對于其他季節電解槽出力時長增多,儲能全天平均蓄電率為27.32%,圖8中展示了柔性負荷削減量為10.7 MW·h,平均負荷削減率為5%,結合圖5可知本文購建的需求響應模型在保證用戶用電穩定性時,峰時段適當的柔性負荷削減使購電成本降低。結合表9綜合最優的成本數據可以分析得出,VPP碳排放量對比情景1減少9.03%,運行成本對比情景2減少2.02%,與其他季節情景一致,綜合最優目標能兼顧經濟和環境目標雙重需求。

4 結 論

本文綜合考慮虛擬電廠運行經濟成本、碳排放量2個優化目標,引入需求響應機制,同時雙側聯動公共電網和氫氣網絡,構建了基于LCA多主體碳排放和階梯碳交易機制的電氫耦合虛擬電廠多目標調度優化模型,并選擇季節性算例開展實例分析,得到以下結論:

1)在國內氫氣價格高于煤炭等化石能源的背景下,本文提出的VPP優化調度模型引入電轉氫機制,該機制以另一種成本疏導方式化解了HFCV等氫負荷的系統供需平衡成本增加問題。電轉氫系統不僅可以與需求響應機制協同削峰填谷,也能夠幫助儲能系統更好地利用峰谷價差進行低儲高放,提高了系統運行的經濟性和靈活性。

2)本文充分考慮了電氫耦合VPP所使用的各類能源設備主體全生命周期各個環節的碳排放,沒有僅局限于設備使用環節,提高了模型的適用性。同時在計算經濟成本時引入階梯碳交易機制,間接降低了VPP的全生命周期碳成本,在保證經濟效益的同時獲得了更高的環保效益,有助于推動可再生能源規模化和化石能源低碳化。

應當指出,本文的優化過程暫未考慮風光出力不穩定和用戶負荷波動等不確定因素,設置多目標時未引入系統等效負荷方差最小,相關問題將在今后的研究工作中繼續開展。