来源:《中国电力》2025年第2期
引文:许文俊, 马刚, 姚云婷, 等. 考虑绿证-碳交易机制与混氢天然气的工业园区多能优化调度[J]. 中国电力, 2025, 58(2): 154-163.
编者按
目前,全球变暖和能源短缺问题引起了世界各国的广泛关注,中国为此提出“双碳”目标。工业生产作为碳排放和能源消耗的主要来源,实现工业园区绿色发展对“双碳”目标具有重要意义。碳捕集电厂(carbon capture power plant,CCPP)和两阶段电转气技术(power-to-gas,P2G)在减少碳排放方面具有巨大潜力,但也面临捕捉成本高、能耗大等挑战。
《中国电力》2025年第2期刊发了许文俊等撰写的《考虑绿证-碳交易机制与混氢天然气的工业园区多能优化调度》一文。文章基于P2G-CCPP-HCNG耦合,考虑绿证-碳交易机制与激励型综合需求响应,以园区日最小运营成本为目标函数构建低碳经济优化调度模型,分析了HCNG中掺氢比变化以及综合市场机制激励对园区绿色低碳运行的影响。
摘要
工业园区作为高耗能、高排放主体,促进园区低碳转型对我国应对气候变化、实现经济社会可持续发展具有重要意义,因此提出考虑绿证-碳交易机制与混氢天然气的工业园区多能优化调度模型。首先,建立了园区电转气-碳捕集电厂-富氢压缩天然气联合运行模型,通过引入阶梯碳-绿证交易交互机制完善低碳市场交易规则。其次,建立了考虑生产品质与用能舒适度的激励型需求响应模型。最后,采用Matlab对园区日最小总成本进行求解,并设置8个情景对所提模型进行分析验证。算例结果表明,所提优化运行方法能够有效降低园区碳排放量,提高风光消纳率,同时充分挖掘需求响应能力,促进工业园区实现可持续绿色发展。
01工业园区架构
本文所提出的多能工业园区架构如图1所示,其中热电联产机组(combined heat and power,CHP)、燃气锅炉(gas boiler,GB)、电锅炉、电制冷机、吸附式制冷机等设备可以实现多种异质能源的转换,提高了供能灵活性。另外,为电、冷、热、氢负荷配备储能设备,提高了负荷需求响应能力和供能可靠性。园区碳排放源主要包括CHP、GB和火电机组,CO2通过碳捕集电厂后进行封存或供给P2G设备。本文采用两阶段P2G技术,将电能转化为氢气和甲烷,并且通过混氢装置制备HCNG,然后通过管道供应至CHP机组和燃气锅炉。
图1 多能工业园区架构
Fig.1 Multi-energy industrial park architecture
为了提高园区“削峰填谷”能力,引入激励型需求响应机制,其中园区负荷由固定负荷和柔性负荷构成。并且在园区能源供给-转换侧加入GCT-CET机制,使园区与碳交易市场和绿证交易市场融合,促进园区低碳运行。
1.1 P2G-CCPP-HCNG耦合模型
本文通过耦合P2G、CCPP和HCNG设备实现了电-碳-气的灵活转换,其流程结构如图2所示。GB、CHP和火电机组排放的CO2一部分被碳捕集电厂捕获,另一部分被排放至大气。碳捕集电厂为P2G设备提供碳原料,两段式P2G设备通过电解水和甲烷化反应分别制取H2和CH4,然后与气网购买的天然气一起通过混氢装置制取HCNG,接着依次通过压缩机、管网和调压机被输送至GB和CHP,用以提供燃料。此外,为了减少不确定性因素影响,减小源-荷时空差异,系统除配备储氢外,碳捕集电厂还配备了富液和贫液储存塔以及碳封存设施,提高了系统的安全性和供能可靠性。
图2 P2G-CCPP-HCNG耦合模型流程
Fig.2 P2G-CCPP-HCNG coupling model flow
1.1.1 两阶段P2G模型
近年来,随着风光技术的不断进步以及设备的发展,绿电生产成本已普遍降至约0.15元/(kW·h),这使得绿电制氢生产成本与煤炭制氢成本相当,电-氢一体融合发展具有广阔前景。两阶段P2G技术可以在可再生能源过剩时将其转换为氢气或甲烷等易于储存和传输的气态能源,从而减少弃风弃光现象,而且这种能源储存方式相比电池等其他储能技术来说,具有更高的能量密度和更长的存储时间,因此P2G技术是实现能源结构转型的重要技术手段,有助于推动低碳经济的发展。
两段式P2G过程包括第一阶段电解水过程和第二阶段甲烷化过程。目前第一阶段电解水方法主要包括碱性电解水制氢(alkaline water electrolysis,AWE)、质子交换膜电解水制氢、阴离子交换膜电解水制氢、固体氧化物电解水制氢等,本文采用技术更加成熟、成本相对较低的AWE方法。甲烷化过程中的CO2主要由CCPP供应,模型为
式中:为t时刻P2G过程中电解水产氢功率;
分别为电解水制氢和甲烷反应耗氢效率;PP2H,t为t时刻电解水耗电功率;
分别为t时刻储氢罐放氢功率、储氢罐储氢功率、甲烷化反应耗氢功率和AWE后混氢装置的供氢功率;
为甲烷化反应生产甲烷的功率。
1.1.2 HCNG制备模型
HCNG制备过程中的氢气主要由储氢罐和AWE供应,CH4主要由外部气网和甲烷化反应供应,即
式中:QHCNG,t、分别为t时刻混氢天然气总消耗功率、CHP机组混氢天然气消耗功率和燃气锅炉混氢天然气消耗功率;
为t时刻园区购气功率;
为t时刻储氢罐放氢功率。
1.1.3 CCPP模型
目前碳捕集电厂技术主要有燃烧前捕获技术、氧燃料燃烧捕获技术和燃烧后捕获技术。本文只考虑了目前更为成熟的燃烧后碳捕获系统,即从烟气中直接捕获CO2,通常采用氨水或胺基溶剂来吸收CO2,它可以直接应用于现有的火力发电厂或燃气机组。CCPP能耗模型为
式中:PCCPP,t为t时刻的碳捕集电厂总能耗;为t时刻碳捕集设备运行基本能耗,其与碳捕集设备运行状态关系无关,设为常数;ηCCPP为碳捕集电厂碳捕集单位能耗;mcp,t为t时刻CO2捕集量。
在吸收塔与再生塔之间安装储液罐,通过调节贫液、富液存储器流入、流出量,对碳捕集系统的吸收与再生环节进行解耦,使得吸收塔、再生塔在一个时间段内吸收和捕集的CO2量不相等,碳捕集系统的运行模型为
式中:γt为t时刻进入CCPP的烟气占总烟气比例,即烟气分流比;ξc为单位天然气产生CO2的转换系数;Gt为t时刻系统供能机组燃烧化石燃料天然气量;分别为t时刻富液储液罐的流入、流出量;
分别为吸收塔和再生塔在t时刻吸收和捕集的CO2量;ηc为二氧化碳的捕集率。
P2G设备氢气甲烷化过程中的碳消耗量为
式中:为P2G在t时刻消耗的CO2量;
为甲烷反应消耗CO2的效率。
1.2 HCNG供能模型
在混氢装置中制备HCNG后,通加压站加压,然后经过HCNG网络输送至机组附近的调压站,经过调压之后可为燃气机组提供燃料。
1.2.1 CHP机组模型
式中:PCHP,t、HCHP,t分别为CHP机组t时刻的产电功率和产热功率;ηCHP,E、ηCHP,H分别为CHP机组的气电转换效率和气热转换效率;分别为t时刻CHP机组的天然气消耗功率和氢气利用功率。
式中:rCHP,t为CHP机组t时刻混氢天然气的掺氢比例;qgas分别为氢气和天然气的热值;r1为氢气和天然气的热值比;r2,t为t时刻CHP机组氢气和天然气的消耗功率比。
1.2.2 燃气锅炉模型
式中:HGB,t为t时刻燃气锅炉产热功率;ηGB,H为燃气锅炉气热转换效率;分别为t时刻GB机组的天然气消耗功率和氢气利用功率。
式中:rGB,t为燃气锅炉机组t时刻混氢天然气的掺氢比例;为天然气与氢气分子质量之比,
=8;
ρgas分别为氢气和天然气密度;r3为氢气与天然气密度之比;r4,t为t时刻GB机组氢气和天然气的消耗功率比。
受燃气标准、管道材质、设备建设以及密闭空间安全性等因素影响,以上掺氢比例均在0%~23%之间。
1.3 其余设备模型建模
其余设备模型包括电锅炉、吸附式制冷机、电制冷机、蓄电池、储热罐、蓄冷池以及储氢等设备,上述设备的建模研究已较为完善,相关模型可参照文献[19-20]。
02 阶梯碳-绿证交易交互机制
本文引入全生命周期分析法,考虑设备建设、输送和运行等环节的所有碳排放量,其全周期碳排放转化系数γx为
式中:x为设备类型;γop、γcons、γtrans分别为设备运行、建设、运输过程中的碳排放转换系数。
2.1 阶梯式碳交易制度
园区可以在碳交易市场自由买卖碳排放配额,政府负责监管市场运行,如果园区的碳排放量超过某个阈值,则需要支付更高的价格购买额外的碳排放权。具体碳交易成本为
式中:Eq,i为园区碳实际排放量,当i=1时,Eq,1为不考虑绿证-碳交易机制交互时的碳排放量;当i=2时,Eq,2为考虑绿证-碳交易机制交互时,被绿证抵消后的碳排放量。CCET为阶梯碳交易成本;κ为阶梯式碳交易补偿系数;ξ为碳交易基价;l为阶梯式碳交易区间长度;Ep为园区无偿碳排放配额;ψth、ψGB、ψCHP分别为火电机组、燃气轮机、CHP机组碳配额转化系数;Pth,t为火电机组t时刻出力;PGB,t为燃气锅炉t时刻出力。
2.2 绿证交易模型
由政府监管部门向符合条件的可再生能源发电项目核发绿证,并对用电设备核算绿证配额。绿证冗余或绿证缺额可以在市场自主买卖,绿证交易方式目前有双边协商、挂牌、集中竞价等,本文绿证交易价格由古诺数量竞争模型确定,具体模型为
式中:CGCT为绿证交易成本;pGCT为绿证交易价格;Gp、Gget分别为园区绿证配额和园区通过风光发电获得的绿证数目;τp为园区绿证配额转化系数;τget为风光发电的绿证转化系数;pGCT,0为初始绿证交易价格;σ为绿证价格比率;Pload,t为t时刻用户用电功率;PEB,t为t时刻电锅炉功率;PEC, t为t时刻电制冷机功率;PP2G, t为t时刻电转气设备功率;为t时刻蓄电池充电功率;PWP,t为t时刻风电出力;PPV,t为t时刻光伏出力。
2.3 绿证-碳交易机制交互
当园区实际获取的绿证数量大于其绿证配额,但实际碳排量大于碳排放配额时,冗余绿证可用于抵消部分碳排放量,抵消额如式(14)所示,经绿证抵消后的碳排量如式(15)所示,阶梯碳-绿证协同交易框架如图3所示。
图3 阶梯碳-绿证协同交易框架
Fig.3 Ladder carbon-green certificate collaborative trading framework
式中:Eq,1、Eq,2分别为绿证抵消前、后园区碳排放量;γth、γGB、γCHP、γWP、γPV分别为火电机组、燃气锅炉、CHP机组、风电、光伏机组单位出力全过程碳排放转换系数;EGCT为多余绿证可抵消的碳排放量;μ为绿证抵消碳排放量转化系数;Gbuy为园区购买的绿证数目。
2.4 激励型综合需求响应
在IDR的支持下,园区可以通过抑制负荷需求、转移负荷用能时段、促进多能转换等手段,发挥柔性负荷削峰填谷效应。同时因为用户减产和碳交易机制激励,系统的碳排放可以进一步减少,从而达到节能减排目标。
但园区冷热负荷惯性大、瞬时调节能力差,并且受生产计划制约,需求响应能力受到很大限制。因此,为鼓励园区用户积极参与IDR,相应的负荷转移/削减补偿也应提高。通过为负荷配备储能装置,根据激励措施和电、气价变化,及时调整充放策略,在用能高峰时放能,低谷时蓄能,充分降低园区运营成本。其中利用弃风弃光进行电转气制取氢气,也是一种有效的储能方式,氢气可以实现跨季度大量存储,同时可以在电力需求变化较快的情况下迅速释放储能,为电力系统提供快速、灵活的调节能力。
园区需求响应成本为
式中:CIDR为激励型需求响应成本;分别为电负荷、热负荷、冷负荷的需求响应成本;ashift,E、ashift,H、ashift,L分别为电负荷、热负荷、冷负荷对应的负荷转移补偿成本系数;bcut,E、bcut,H、bcut,L分别为电负荷、热负荷、冷负荷对应的负荷削减补偿成本系数;Pshift,t、Hshift,t、Lshift,t分别为t时刻电转移负荷、热转移负荷、冷转移负荷;Pcut,t、Hcut,t、Lcut,t分别为t时刻电削减负荷、热削减负荷和冷削减负荷。
园区“过响应”会导致用户生产和生活受到影响。当大量设备减产或调整生产计划时,电力系统可能面临能源供应不平衡问题,同时使一些产能设备处于低效运行状态,从而造成资源浪费、系统电压频率失稳等问题。因此,为保证园区用能安全和用户舒适度,须根据不同用户的能源需求弹性和耗能特点,设置合理的激励约束条件,以电负荷为例,如式(17)所示,即
式中:为需求响应前电负荷;
分别为t时刻最大、最小可转移负荷;Qmin为最差用户用能舒适度,取值0.9;
为t时刻最大可抑制负荷;Qp为园区生产品质影响因数,园区参与需求响应过程中,对生产资源的临时调配、产品生产计划制定、员工技能水平都增加了要求,对于工业生产品质也会造成一定影响,为保证生产高效、安全进行,电负荷、热负荷和冷负荷分别取88%、92%和95%。
03 多能园区低碳经济调度模型
3.1 目标函数
式中:C为园区总运行成本;COP为园区设备运营成本;为园区碳封存成本;Cebuy为园区购电成本;Cgas为园区购气成本;Cth为火电机组运行成本;fe为单位购电成本;fgas为单位购气成本;
为单位碳封存成本;fth为单位火电机组启停成本;dt为0-1变量,表示机组启停状态;
3.2 约束条件
为保证主体的安全可靠运行,在优化时应考虑源荷能量平衡、机组爬坡和出力等约束,对于以上约束条件的研究已经非常成熟,本文不再详细赘述。具体约束方程可参照文献[23]中式(39)~(43)以及文献[24]中式(11)~(26)。
04 算例分析
园区分时电价、气价如图4所示。本文使用Matlab中的Gurobi求解器对目标函数进行求解。
图4 分时电价及分时气价
Fig.4 Time-of-use electricity price and time-of-use gas price
为验证本文所提绿证-碳交易机制对促进工业园区节能减排、降本增效等方面的有效性,设置了情景1~4进行仿真分析。并且为了验证本文所提激励型需求响应在配合阶梯碳交易、绿证交易时,深入挖掘园区低碳能力的有效性,在情景1~4的基础上分别拓展了情景5~8。各个情景具体设置如下所示。
1)不加入阶梯碳交易、绿证交易、综合需求响应的传统调度模型;2)在情景1基础上加入阶梯式碳交易;3)在情景1基础上加入不交互的阶梯式碳交易、绿证交易;4)在情景1基础上考虑阶梯碳-绿证协同;5)在情景1基础上加入综合需求响应;6)在情景2基础上加入综合需求响应;7)在情景3基础上加入综合需求响应;8)在情景4基础上加入综合需求响应。
4.1 阶梯碳-绿证交易机制效益分析
园区低碳经济优化调度结果表1所示。
表1 园区低碳经济优化调度结果
Table 1 Park low-carbon economic optimization dispatch results
由表1可知,随着低碳市场交易机制的完善,园区在降低总成本、降低碳排量、提高新能源消纳能力等方面均有显著成效。情景2~4相较于情景1,总成本分别降低3.4万元、15.01万元、38.5万元;碳排放分别降低182.6 t、250.8 t、339.8 t;日总弃风光率分别降低1.1%、1.53%、1.9%。情景2~4由阶梯碳交易和绿证交易带来的收益分别为6.67万元、20.31万元、52.87万元。这说明随着机制完善,虽然园区设备日常运维成本会有所提高,但是随着将获得的低碳效益货币化,园区也获得了较高的收益,同时园区的低碳能力被进一步挖掘,实现了低碳运行与成本最小化的双赢。
4.2 综合需求响应分析
情景5~8在情景1~4的基础上加入综合需求响应。由表1可知,随着碳交易、绿证交易机制的引进,园区综合需求响应成本也相应提高,说明园区参与需求响应的积极性也随之提高。
结合表1和图5~7可知,IDR可使园区内的部分负荷具备一定的调节能力,由于电、热、冷负荷峰值时段不同,在需求响应过程中,部分冷热负荷用能时段转移,电-热、电-冷等耦合设备用能时段也随之转移,使得电负荷“削峰填谷”能力降低,但是通过多能耦合,在保证能源供需平衡的前提下,优化了园区供能结构,同时在阶梯碳-绿证交易机制的激励下,促进了新能源消纳,提高了能源利用效率和园区减碳能力,降低了园区总运行成本。情景1~4加入IDR后总成本分别下降了16.45万元、16.29万元、21.79万元、23.41万元,园区碳排量又继续分别减少114.5 t、131.8 t、194.7 t、111.6 t,弃风弃光率分别继续减少2.97%、2.78%、3.21%、2.92%。这表明IDR机制能够与低碳市场交易机制形成互补,共同促进园区的绿色低碳发展。
图5 电负荷需求响应
Fig.5 Electric load demand response
图6 热负荷需求响应
Fig.6 Heat load demand response
图7 冷负荷需求响应
Fig.7 Cooling load demand response
4.3 HCNG掺氢比分析
本文为分析掺氢上限变化对园区总成本和新能源发电消纳能力的影响,基于情景8,在0%~23%的范围内,为CHP、GB设置了不同的掺氢比上限。HCNG掺氢比上限变化时,园区总成本的变化情况如图8所示,园区总弃风光率的变化情况如图9所示。从图8可以看出,随着CHP机组、GB掺氢比上限的提高,总成本总体趋势显著下降,并且在CHP机组掺氢比例为19%,GB掺氢比例为18%左右时,本园区总成本最小。这是由于随着掺氢比的过度提高,制备HCNG的P2G、CCPP等高耗能设备也提高了生产强度,同时随着掺氢比的升高,对CHP机组、GB、HCNG制备设备、管道等设施的运维成本也随之提升。同时由图8可知,当令CHP机组或GB其中一个设备掺氢比保持不变,改变另一设备掺氢比时,CHP机组的掺氢经济效益要明显优于GB机组,这是因为CHP机组相比GB有整体能效更高、余热回收、自发电等优势,使其在掺氢情况下具有更好的经济效益表现。从图9可以看出,随着掺氢比上限的提升,园区风光消纳能力也显著提高,风光消纳率由最低80.3%提升至83.8%左右。
图8 园区总成本随HCNG掺氢比上限变化
Fig.8 Variation of the park total cost with the upper limit of HCNG hydrogen doping ratio
图9 园区弃风光率随HCNG掺氢比上限变化
Fig.9 Variation of the park's curtailed wind and solar power rate with the upper limit of HCNG's hydrogen doping ratio
05 结论
本文提出了一种考虑绿证-阶梯碳交易机制和IDR的工业园区多能低碳优化调度方法,分别建立了CCPP-P2G-HCNG联合运行模型、绿证-阶梯碳交易机制模型以及激励型需求响应模型,通过引入8个情景分析可得结论如下。
1)引入绿证-碳交易交互机制可以有效降低园区的碳排放量,促进新能源的消纳,同时可以为低碳生产者带来经济回报。
2)提高HCNG掺氢比例可以降低园区成本和弃风弃光率。HCNG存在一个最优的掺氢比,可以平衡HCNG制备的能耗和设备运维成本,使总成本最小,新能源消纳率最大。
3)激励型需求响应机制可以优化园区供能用能结构,不仅提高了能源利用效率和园区减碳能力,还降低了园区总运行成本。
未来研究将进一步深入探讨需求侧管理策略与市场机制的融合,尤其是探索绿证交易机制与其他市场机制的协同效应,推动完善低碳市场交易规则,助力实现碳中和目标。
原标题:南京师范大学 许文俊等|考虑绿证-碳交易机制与混氢天然气的工业园区多能优化调度