图1 新型电力系统低碳化建设关键指标选取流程
Fig.1 Flow chart of selecting key indicators for low-carbon construction of new power system
ZHANG Min,LI Huipeng,CHANG Xiao,et al.Low-carbon evaluation index system and method for the whole life cycle of the new power system[J].Journal of Taiyuan University of Technology,2024,55(1):38-45.
当今世界,全球气候变化成为威胁人类社会发展的重要问题[1]。2003年,英国政府公布的能源白皮书Ourenergyfuturecreatingalowcarboneconomy中[2],首次提出了低碳经济的发展概念,倡导通过调整能源结构,积极发展低碳技术,减少二氧化碳排放,降低能源供应风险,在世界范围内引起很大反响,随后制定了具体发展规划[3]。
中国国家发展和改革委员会、国家能源局印发的《“十四五”现代能源体系规划》强调,要加快推进能源绿色化、低碳化,促进新型电力系统建设。数据显示,能源燃烧是我国主要的二氧化碳排放源,占全部二氧化碳排放的88%左右,电力行业排放又约占能源行业排放的41%,是碳排放与煤炭消费占比最大的单一行业[4]。为构建我国新型电力系统,实现碳达峰、碳中和目标,提升电力系统的新能源消纳能力,当务之急是大力发展风电、光伏等新能源技术,逐渐提高电力系统新能源占比[5]。
同时,电力行业也有着极大的减排潜力[6]。近年来,国内企业积极响应国家号召,进行节能减排,并制定了低碳发展的工作策略。通过推行西电东送、优化系统调度运行[7]、开展节能服务等一系列措施,已经取得了一定的低碳效益。因此,合理评估电网的低碳水平,使新型电力系统的规划更加科学合理,显得尤为重要[8-9]。
低碳电网评价指标体系是对电网低碳发展相关要素的提炼总结,全面揭示了与电网低碳发展息息相关的关键因素。完善准确的全生命周期低碳评价指标体系对低碳电网综合评价至关重要。目前在低碳电网及其综合评价领域,已有学者开展了一定的研究工作。文献[10]介绍了智能电网对构建低碳电网的影响与作用。文献[11]建立源-网-荷多层关键指标体系,以主客观权重偏差平方和最小为前提,利用层次分析,构造指标隶属度函数。文献[12]对低碳电网评价体系进行构建,概述了指标的选取原则与方式,提出了一套低碳电网综合量化评价方法。文献[13-14]建立了电网节能减排及低碳效益的指标体系,但所建立的指标体系全面性不足,且缺乏结合实际数据的分析。文献[15]则提出了智能电网低碳效益的评估模型,可量化计算负荷整形、用户节能等措施实现的具体效益,但模型不适用于电网低碳发展状况的全面评价。
为此,本文提出包含源-网-荷的全生命周期新型电力系统运行中的低碳评价体系,即,综合评价和核心评价指标体系,通过从经济型、可靠性、低碳性3个方面综合制定的评价模型,实现合理低碳综合评价,支持能源绿色可持续发展。
针对新型电力系统的构成特点,结合与低碳发展有关的重要因素,制定包含源-网-荷的全生命周期低碳指标。首先形成经济性、可靠性、低碳性3项一级指标。但是在各一级指标下,存在指标数目较多、部分指标难以统计、使用难度大的问题。因此,考虑在前述影响因素的基础上做进一步筛选、精简,制定一套针对性及实用性更强的新型电力系统全生命周期低碳核心评价指标体系。体系的制定依据以下4项原则[16]:
1) 指标的选择应具有针对性。所选指标应反映新型电力系统运行带来的碳排放。例如,在核心指标体系中不考虑电网建设指标。为避免指标间的过度重叠,应选择普遍性、代表性和信息含量高的指标,以减少评价结果的重复性。
2) 指标的选择应具有全面性。所选指标应多角度、全面反映新型电力系统不同运行时期的碳排放。需要综合考虑具体指标的灵敏度,即:效率和促进降碳能力的因素。此外,还需要对指标在不同运行时间下的碳排放进行静态和动态的评估,以更全面、更准确地反映新电力系统的低碳效果。
3) 指标的选择应具有易操作性。指标的选择既不能太多,也不能太少,要适量,便于评估新型电力系统的低碳效益。同时,必须确保所选指标易于操作。
4) 指标的选择应具有可量化性。新型电力系统的发展具有复杂性,既要有定性指标,又要有定量指标。定性指标反映了新型电力系统促进系统低碳化发展的能力、效果、作用等,而定量指标则用来反映新型电力系统促进低碳发展的投入量、产出量、减排量等具体数值。因此,定性指标可以更准确地反映出新型电力系统的低碳效率水平,而定量指标则可以更准确地衡量其投入产出效率,从而更好地指导新型电力系统的可持续发展。
此外,对指标的选取要进行动态维护。由于近年来中国新型电力系统的发展以及先进技术的引入,影响新型电力系统碳排放的因素也可能发生变化。因此,应结合我国新型电力系统的发展进程,适当对已被选取指标进行调整。
为确保新型电力系统能够实现低碳环保,所选取的评价指标要具有全面性、合理性和可操作性,并且要按照图1的步骤进行选择。
图1 新型电力系统低碳化建设关键指标选取流程
Fig.1 Flow chart of selecting key indicators for low-carbon construction of new power system
一是基于新型电力系统低碳效益的实现路径,分别在源-网-荷侧筛选出能够影响新型电力系统低碳效益的关键因素,据此初步选出评价新型电力系统低碳效益的综合评价指标。
二是通过问卷调查的方式,可以获取有关初选评价指标的宝贵信息,并且通过效度检验和信度检验,来评估这些指标的合理性,从而剔除不符合要求的指标,从而达到对初选指标的最佳优化。
三是通过对综合评价指标进行优化,从3个一级指标出发,建立一个全生命周期新型电力系统低碳化建设的核心评价指标体系。
根据输变电工程的全生命周期历程,结合与电网低碳发展相关的关键因素[17],在各一级指标下,筛选其中最能反映电网低碳效益的因素并设计适当的指标,最终形成一套规模适度且能够全面反映新型电力系统全生命周期发展状况的综合评价指标体系[18]。基于以上思路,制定出评价指标体系,详细展示如图2所示。
图2 新型电力系统的评估指标体系
Fig.2 Evaluation indicator system for new power systems
根据1.2的低碳电网评价指标选取得到各项评价体系再由专家打分得到不同指标的支持率,如表1所示。
表1 低碳评价指标支持率
Table 1 Support rate for low carbon evaluation indicators 单位:%
指标支持率指标支持率燃料成本80设备选型40峰谷差率80充放电深度40电源利用小时数40电压波动性80新能源利用率60碳排放量90网损80充放电频率40能源互补性60新能源波动性80电力负荷结构40新能源出力占比70
经过筛选,确定了一套能够有效反映新型电力系统电网低碳效益的核心评价指标体系,该体系支持率超过60%,具有较高的可操作性,可以满足不同时间尺度的需求。
综合评估指标体系能够充分反映出电力行业的低碳化发展的各种元素和技术特征(见图2),但它仍有许多弊端,例如指标过于庞杂,某些指标无法准确统计,应用起来比较困难。为此,从这些指标体系中经过细致的挑选和优化,建立一套具有更高的针对性和可操作性的新型电力系统全生命周期低碳评价体系。
根据已有的评价模型体系,从经济性、可靠性、低碳性3大方面构建典型运行指标。利用已有运行模拟方法及数据,对运行指标值进行计算并分析结果。
1.4.1经济性指标
1) 燃料成本F1.
(1)
式中:W1,1表示火电机组出力值,W1,2表示新能源出力值。
2) 网损率F2.
(2)
式中:W2,1表示网损值;W2,2表示机组总出力;c2,1表示网损成本系数,取值为0.05;c2,2为火电机组成本系数,取值为0.3.
3) 新能源利用率F3.
(3)
式中:W3,1表示弃风功率;W3,2表示弃光功率;W3,3表示新能源出力总功率。
1.4.2可靠性指标
1) 能源互补性F4.
(4)
式中:W4,1表示风机出力值;W4,2表示光伏出力值;W4,3表示负荷功率值。
2) 峰谷差率F5.
(5)
式中:W5,1表示负荷峰值;W5,2表示负荷谷值。
3) 电压波动率F6.
(6)
式中:U1表示电压峰值;U2表示电压谷值。
1.4.3低碳性指标
1) 新能源出力占比F7.
(7)
式中:W7,1表示新能源出力值;W7,2表示火电机组出力值。
2) 碳排放量F8.
(8)
式中:W8,1表示火电机组功率;c8,1表示碳排放系数,取值为0.785;W8,2表示碳排放量总和。
3) 新能源波动性F9.
(9)
式中:PWT,t和PPV,t分别表示t时刻的风电和光伏出力值;PWT,max和PPV,max分别表示风电和光伏出力的最大值。
通过运用第1节阐述的低碳电网综合评价指标体系与核心评价指标体系,结合实际情况,构建一个全面的新型电力系统全生命周期低碳评价体系评估模型,以满足不断变化的环境需求。步骤如下:
1) 数据预处理阶段。根据山西电网的运行状况,采用可再生能源时序出力模拟技术,从而获取大量的运行方式数据,以弥补历史运行数据的缺失。此外,利用新型电力系统模拟实际系统的各种运行状态,并预测可能发生的故障情况,从而实现大规模的数据生成。
2) 构建一个完整的评估体系,合理地调整每个指标的权重系数,可以采取主观、客观和综合相结合的方法。
3) 设立综合评价指标,其表达式为:
(10)
式中:A表示综合评价值;c1,c2,…,cn表示各评价指标对应的权重值;w1,w2,…,wn表示各指标的对应值。A对应情况见表2.
表2 综合评价值
Table 2 Overall evaluation indicators
分组A经济性可靠性低碳性新能源占比10%0.086 00.231 00.151 6新能源占比20%0.080 90.226 40.156 5新能源占比30%0.081 30.220 20.157 5新能源占比40%0.086 10.214 70.160 9
4) 通过结果展示环节,可以更加直观地审视评估结果,从而更好地了解各个场景的碳排放情况。此外,还可以通过绘制雷达图来清晰地展示出各个场景的优势和不足,从而更好地评估其低碳化发展的潜力。
取新能源占比10%、20%、30%、40%四组典型场景与新能源占比50%越界一组典型场景,基于本文建立的运行模拟方法对典型运行指标进行对比分析,其中新能源占比20%场景下的负荷与风光出力曲线如图3所示。
图3 负荷及风光出力示意
Fig.3 Schematic diagram of load and scenery output
如下表3与图4是新能源占比10%的情况下各个指标的指标值以及权重情况。
表3 新能源占比为10%时的指标值与权重
Table 3 New energy accounting for 10% of the total
一级指标权重二级指标指标值权重经济性指标0.26燃料成本0.453 00.140网损率0.775 10.050新能源利用率0.997 30.070可靠性指标0.42能源互补性0.237 70.130峰谷差率0.660 70.090电压波动率0.984 00.200低碳性指标0.32新能源出力占比0.153 00.110碳排放量0.795 70.140新能源波动性0.967 30.070
图4 新能源占比10%情况指标图
Fig.4 In dex chart for the new energy accounting for 10%
由上述信息可知新能源占比10%的情况下,新能源利用率较高为0.99,但其出力占比较低只有0.15;由于接入的新能源较少,所以电压比较稳定,系统整体的稳定性较高。
如下表4与图5是新能源占比20%的情况下各个指标的指标值以及权重情况。
表4 新能源占比为20%时的指标值与权重
Table 4 New energy accounts for 20% of the total
一级指标权重二级指标指标值权重经济性指标0.26燃料成本0.492 20.140网损率0.758 20.050新能源利用率0.986 00.070可靠性指标0.42能源互补性0.343 10.130峰谷差率0.660 70.090电压波动率0.976 90.200低碳性指标0.32新能源出力占比0.192 20.110碳排放量0.820 20.140新能源波动性0.924 70.070
图5 新能源占比20%情况指标图
Fig.5 Indes chart for the new energy accounting for 20%
由上述信息可知新能源占比20%的情况下,与新能源占比10%时相似,新能源利用率较高但其出力占比较低只有0.19;由于接入的新能源较少,所以电压较为稳定,系统整体的稳定性较高;但由于新能源成本较高,所以其成本有所提高从0.45提高到0.49.
如下表5与图6是新能源占比30%的情况下各个指标的指标值以及权重情况。
表5 新能源占比为30%时的指标值与权重
Table 5 New energy accounting for 30% of the total
一级指标权重二级指标指标值权重经济性指标0.26燃料成本0.545 10.140网损率0.723 70.050新能源利用率0.963 90.070可靠性指标0.42能源互补性0.435 30.130峰谷差率0.660 70.090电压波动率0.963 00.200低碳性指标0.32新能源出力占比0.245 10.110碳排放量0.823 90.140新能源波动性0.903 60.070
图6 新能源占比为30%的情况指标图
Fig.6 Index chart for the new energy accounting for 30%
由上述信息可知新能源占比30%的情况下,随着新能源占比的不断提升,新能源利用率也随之下降到0.96且新能源出力占比也由0.15提升到0.245,其能源互补性也不断增加;由于接入的新能源增长,所以电压波动较大,系统整体的稳定性下降;由于新能源成本较高,所以其成本有所提高达到0.54.
如下表6与图7是新能源占比40%的情况下各个指标的指标值以及权重情况。
表6 新能源占比为40%时的指标值与权重
Table 6 New energy accounting for 40% of the total
一级指标权重二级指标指标值权重经济性指标0.26燃料成本0.666 80.140网损率0.672 30.050新能源利用率0.936 20.070可靠性指标0.42能源互补性0.578 60.130峰谷差率0.660 70.090电压波动率0.942 50.200低碳性指标0.32新能源出力占比0.266 80.110碳排放量0.841 10.140新能源波动性0.873 10.070
图7 新能源占比为40%的情况指标图
Fig.7 Index chart for the new energy accounting for 40%
由上述信息可知新能源占比40%的情况下,新能源利用率明显下降且新能源出力占比提升达到0.26,其能源互补性不断增加,碳排放量指标由10%的0.79增加到0.84;电压波动达到0.94较大,系统整体的稳定性下降;由于新能源成本较高,所以其成本有所提高,网损率由10%的0.77下降到0.63.
如下表7与图8是新能源占比50%的情况下各个指标的指标值以及权重情况。
表7 新能源占比为50%时的指标值与权重
Table 7 New energy accounting for 50% of the total
一级指标权重二级指标指标值权重经济性指标0.26燃料成本0.525 10.140网损率0.703 70.050新能源利用率0.897 30.070可靠性指标0.42能源互补性0.433 80.130峰谷差率0.630 70.090电压波动率0.879 20.200低碳性指标0.32新能源出力占比0.245 30.110碳排放量0.832 90.140新能源波动性0.863 10.070
图8 新能源占比50%情况指标图
Fig.8 Index chart for the new energy accounting for 50%
由上述信息可知新能源占比50%的情况下,当新能源的占比超过一定的比例时,新能占比与出力反而出现下降的趋势,而且经济性与可靠性也随之下降。
将新能源占比10%、20%、30%、40%综合比较,图9中面积较大的场景是较好的场景。随着新能源占比的逐渐增多,其低碳性与经济性总体呈现上升的趋势;其可靠性呈下降的趋势,由图9可知在新能源占比30%的情况下,其性能图面积最大,故需从3个角度综合比较选取合适的新能源占比情况。
图9 总体评分指标图
Fig.9 Overall score indicator graph
由于新能源发电具有随机性、分散性、波动性等特点,本文建立新型电力系统全生命周期低碳评价体系,从经济性、可靠性、低碳性三个方面对低碳电网进行评估,得到新型电力系统低碳电网评价体系模型,并利用不同比例的新能源占比情况进行分析,评价其低碳电网效益发展趋势,为新型电力系统规划工作提供科学指导。本文的主要结论如下:
1) 经济性总体随着新能源占比的不断提升有所升高,但当新能源出力占比达到峰值之后由于新能源出力的浪费,会呈下降的趋势。
2) 由于新能源发电的不确定性特点,可靠性会随着新能源占比的不断提升而下降,造成电力系统的不稳定。
3) 低碳性整体由于新能源出力的不断提升有所提升。
故新能源占比的不断提升为电网的低碳发展做出很大的贡献,其经济性与可靠性也是衡量电网的重要指标,故需平衡三者的情况,得到新能源低碳发展的最优解。
[1] STERN N H.The economics of climate change:the stern review[J].American Economic Review,2007,98(2):1-37.
[2] UK DEPARTMENT TRADE.Energy white paper:our energy future-creating a low carbon economy[EB/OL].[2003-02-24].https:∥assets.publishing.service.gov.uk/media/5a7c1f5940f0b645ba3c6d4f/5761.pdf.
[3] GOVERNMENT H M.The UK low carbon transition plan-analytical annex[EB/OL].[2009-05-15].https:∥assets.publishing.service.gov.uk/media/5a74b4b1e5274a3cb2866852/9780108508394.pdf.
[4] 王灿,张雅欣.碳中和愿景的实现路径与政策体系[J].中国环境管理,2020,12(6):58-64.
WANG C,ZHANG,Y X.The path to carbon neutrality and policy system[J].China Environmental Management,2020,12(6):58-64.
[5] 蔡福霖,胡泽春,曹敏健,等.提升新能源消纳能力的集中式与分布式电池储能协同规划[J].电力系统自动化,2022,46(20):23-32.
CAI F L,HU Z C,CAO M J,et al.Collaborative planning of centralized and distributed battery energy storage to enhance new energy consumption capacity[J].Power System Automation,2022,46(20):23-32.
[6] 康重庆,周天睿,陈启鑫,等.电网低碳效益评估模型及其应用[J].电网技术,2009,33(17):1-7.
KANG C Q,ZHOU T R,CHEN Q X,et al.Low-carbon benefit evaluation model of power grid and its application[J].Grid Technology,2009,33(17):1-7.
[7] 骆钊,秦景辉,梁俊宇,等.含碳-绿色证书联合交易机制的综合能源系统日前优化调度[J].电力自动化设备,2021,41(9):248-255.
LUO Z,QIN J H,LIANG J Y,et al.Optimal scheduling of integrated energy systems with joint carbon-green certificate trading mechanism by day[J].Power Automation Equipment,2021,41(9):248-255.
[8] 黄曲粲,谢丁.大电网调度智能化的关键技术分析[J].光源与照明,2022(9):196-198.
HUANG Q C,XIE D.Analysis of key technologies of intelligent dispatching of large power grids[J].Lamps &Lighting,2022(9):196-198.
[9] 李志杰,汪岩.新型电力系统下低碳电网效益评价模型的构建与应用[J].光源与照明,2023(1):198-200.
LI Z J,WANG Y.Construction and application of low-carbon power grid benefit evaluation model under new power system[J].Light Source and Illumination,2023(1):198-200.
[10] 孙炜棋.智能电网对低碳电力系统的支撑作用分析[J].中国高新技术企业,2017(1):147-148.
SUN W Q.Analysis of the supporting role of smart grid on low-carbon power system[J].China’s High-tech Enterprises,2017(1):147-148.
[11] 李响,牛赛.双碳目标下源-网-荷多层评价体系研究[J].中国电机工程学报,2021,41(S1):178-184.
LI X,NIU S.Research on source-grid-load multi-layer evaluation system under the dual carbon target[J].Proceedings of the CSEE,2021,41(S1):178-184.
[12] 孙彦龙,康重庆,陈宋宋,等.低碳电网评价指标体系与方法[J].电力系统自动化,2014,38(17):157-162.
SUN Y L,KANG C Q,CHEN S S,et al.Low-carbon power grid evaluation index system and method[J].Power System Automation,2014,38(17):157-162.
[13] 李晓鹏,程晓磊,蔡文斌,等.碳中和目标下电网节能减排与运营效率综合评价方法[J].电工技术,2022(2):15-17.
LI X P,CHENG X L,CAI W B,et al.Comprehensive evaluation method of power grid energy conservation,emission reduction and operational efficiency under the goal of carbon neutrality[J].Electrical technology,2022(2):15-17.
[14] 李姚旺,张宁,杜尔顺,等.基于碳排放流的电力系统低碳需求响应机制研究及效益分析[J].中国电机工程学报,2022,42(8):2830-2842.
LI Y W,ZHANG N,DU E S,et al.Research on low-carbon demand response mechanism and benefit analysis of power system based on carbon emission stream[J].Proceedings of the CSEE,2022,42(8):2830-2842.
[15] 周黎莎.智能电网低碳效益关键指标选取与评价模型研究[D].北京:华北电力大学,2013.
[16] 侯庆春,杜尔顺,田旭,等.数据驱动的电力系统运行方式分析[J].中国电机工程学报,2021,41(1):1-12,393.
HOU Q C,DU E S,TIAN X,et al.Data-driven power system operation mode analysis[J].Proceedings of the CSEE,2021,41(1):1-12,393.
[17] 张乐,王芳,张慧翔,等.输变电工程EIM全生命周期信息化框架研究[J].能源与环保,2022,44(3):224-230.
ZHANG L,WANG F,ZHANG H X,et al.Research on EIM full life cycle information framework of power transmission and transformation engineering[J].Energy and Environmental Protection,2022,44(3):224-230.
[18] 李建林,郭兆东,马速良,等.新型电力系统下“源网荷储”架构与评估体系综述[J].高电压技术,2022,48(11):4330-4342.
LI J L,GUO Z D,MA S L,et al.Review of “source-grid-load-storage” architecture and evaluation system under new power system[J].High Voltage Technology,2022,48(11):4330-4342.
[19] 朱宁宁.基于因子分析法的电力上市公司经营业绩评价[D].北京:华北电力大学,2011.