WANG Jinhao,FAN Rui,XIAO Ying,et al.Low-carbon optimal dispatch of coordinated source-grid-load-storage in new power system based on low-carbon demand response[J].Journal of Taiyuan University of Technology,2024,55(1):46-56.
近年来,为应对全球气候变化,实现经济、社会与环境的可持续发展,世界各国相继把发展低碳经济作为国家核心战略[1]。电力行业作为保障国家能源安全的“国家队”,在碳减排行动中,必须发挥“引领者”的作用[2]。含高比例可再生能源的新型电力系统以电源清洁低碳化、负荷弹性多元化、源网荷储多环节深度融合互动为主要特征[3],是承载实现碳达峰、碳中和,贯彻新发展理念、构建新发展格局的必然选择。
新型电力系统优化整合电源侧、电网侧及负荷侧资源,在源、网、荷、储各环节加入新元素[4],将呈现全新的调度方式。文献[5]提出一种利用储能和柔性负荷的调节能力减少系统在紧急状态下供能不足的源荷储协调优化调度方法。文献[6]针对新型电力系统实时调度运行困难的问题,结合超短期负荷预测模型,构建智能平衡调度系统,对未来趋势提前进行控制。文献[7]考虑可再生能源出力的不确定性,建立含储能的新型电力系统鲁棒优化框架。文献[8]针对新能源占比高的新型电力系统带来的不确定性和灵活性资源短缺问题,建立两阶段的需求响应优化调度模型,提高了系统的调节能力。上述文献均考虑到新型电力系统中新参与者的行为对系统运行的影响,重点考虑风光清洁能源高不确定性以及柔性负荷与储能的调节能力对提高系统运行稳定性的作用,但是对系统运行时的环境效益考量较少。
在双碳目标下,新型电力系统运行时,除综合考虑系统安全性、可靠性和经济性之外,还应将“碳减排约束”引入系统各环节中[9],目前电力系统在低碳运行方面采取的措施主要分为技术类与政策类两方面,技术类主要通过改造源侧火电机组,通过引入碳捕集设备[10-11],将燃气轮机或燃煤机组产生的碳排放捕集后封存或者利用,从而降低源侧机组排出的碳排放量。文献[10]构建碳捕集电厂灵活捕集的运行模式,在降低捕集能耗的同时有效减少系统碳排放量。文献[11]建立风-火-核-碳捕集多能协调调度模型,实现核电与碳捕集捆绑,提高运行经济性与低碳性。政策类通过在优化调度目标中加入碳减排约束实现低碳运行。文献[12]建立风电消纳最高、碳排放量最低、运行成本最小的多目标优化模型,通过NSGA-III算法求解,验证所提方法提高风电消纳、减少碳排的有效性。文献[13]提出一种计及两级碳交易的多微网合作运行优化策略,将环境效益通过碳交易成本加入到经济性最优的目标函数中,有效降低系统运行成本与碳排放量。文献[14]建立电-碳市场协同的负荷响应机制,通过柔性负荷调节不平衡电量,提高新能源消纳率和调控的经济性。上述文献均通过采取技术或政策手段,从能源生产侧和使用侧出发,将碳减排约束纳入系统运行考量范围中,有效提高新能源消纳水平及系统运行的低碳性,但较少关注到荷侧调节能力对于系统低碳减排的有效作用,荷侧减排潜力仍有待挖掘。
文献[15]针对负荷高峰时碳捕集电厂与风电配合及源荷两侧配合的问题,充分利用互补优势,提出考虑源荷配合的低碳经济调度方法。文献[16]基于碳排放流理论并以碳价为信号引导用户侧进行需求响应,建立源-荷侧两阶段的优化调度模型。文献[17]综合CCS等低碳发电技术及碳交易政策多因素联合作用进行优化调度并分析调度结果的敏感因子。上述文献均在电力系统优化调度中挖掘源荷两侧的降碳潜力,但是鲜有研究针对新型电力系统源、荷、网、储全环节运行特性,在精确计量碳排放的基础上量身打造的新型电力系统低碳运行策略。
精确的碳计量是新型电力系统实行低碳管理举措的必要前提。当前针对新型电力系统的碳表征主要针对源、荷侧展开,主要有三种方式:1) 以一段时间统计数据获得一固定数值的碳排放因子,根据用能总量与单位用能对应的碳排放因子进行粗略计算[18]。此方法主要用于大致估算源、荷的排放情况,计算简单可对一定区域大致估算排放量,但结果较为粗旷。2) 以固定碳排放强度表征发电机组生产单位电能时的碳排放量或以输出功率的二次函数计算发电机组碳排放量[19]。这种方法认为源侧作为电能的生产者,生产电能伴随的碳排放量便为系统的总碳排放量,重点从源侧机组生产电能时产生的碳排放进行核算。3) 全生命周期碳排放[20-21]。此方法主要针对各类设备(如火力发电机组、光伏发电装置、风机、电储能设备等)从生产、运输、安装、运行、维护、回收整个生命周期的碳排放进行计量,采用统计的方式估算各个环节的碳排放量,侧重的时间尺度较广,与本文所侧重运行过程不匹配。以上方式均难以体现运行过程中系统碳排放的变化,不能反映新型电力系统网、荷、储四个环节在运行过程中碳排放的流动情况,缺乏适用于新型电力系统的碳表征方法。
因此,本文首先结合新型电力系统运行特点,分析源、网、荷、储各环节碳排放的影响因素,基于碳排放流理论建立公平合理、精确计量的碳表征模型,厘清各主体应承担的碳排放责任;其次建立低碳需求响应机制,以动态碳排放因子为信号,引导负荷侧调整用能行为,在电能结构较为清洁时增加用能,促进新能源消纳;反之,减少用能,减少碳排放。最后通过算例验证所提策略对于减少新型电力系统总碳排放量、提高新能源消纳率的有效性。
新型电力系统的源侧碳排放影响因素众多,其中包括发电设备类型、发电容量、运行方式、燃料类型、能源效率以及能源储备等。将发电设备类型按照运行时是否产生碳排放量分为火电机组与新能源机组(包括风机和光伏)。火电机组通过燃烧化石燃料生产电能,伴随大量碳排放及污染气体产生,一般可用碳排放强度指标表示,其碳排放强度受机组容量、燃料品质及运行工况等因素影响。新能源发电机组在运行过程中将风、光清洁能源转化为电能,几乎不产生碳排放,认为其生产单位电能的碳排放近似为零[22]。
电力网络中碳排放的流动以潮流计算为基础,流动的电能与对应的碳排放流密度计算出系统碳流的分布情况。而网络损耗是影响电力网络潮流计算的主要因素,所以也是影响碳排放的主要因素。以有损网络潮流进行计算时,通常将网络损耗归至源侧或者负荷侧,这样仅有一方承担运输损耗对应的碳排放量,有失公平性。本文采用灵活分配系数,将损耗合理地分配至源荷双方,达到较为公平精确地表征新型电力系统的碳排放。
当储能设备充放电时,对应碳排放积累与释放的过程,其中还需要考虑储能的类型、转化效率、放电深度、充放电的频次等。为简化储能元件在碳排放流中的分析,将储能元件划分为充电、放电和准离网(无电能交互)三个状态,并且认为三种状态可以快速切换。在充电状态下,将储能视为负荷,将对应充电总量对应的碳排放量存储;在放电过程中,将储能视为分布式机组,将之前积累的碳排放量折算成单位电功率对应的碳流密度注入碳流计算中;在准离网状态下无碳能的交互。
需要注意的是此处划分的三种状态为电能与碳能流入及流出方向的等效。在放电时,储能电能及附加碳排放量的流动方向为流出;在充电时,储能电能及附加碳排放量的流动方向与荷侧相同,均为流入。在没有电能交互时视为准离网状态。储能碳表征模型建立时因影响因素不同,与源、荷本质有较大区别。
电力系统“源随荷动”的特性导致电力系统碳排放“权责分离”。尽管源侧是碳排放的主力,但荷侧才是电力系统碳排放的主要责任人[23],所以荷侧变化将影响到系统碳排放量的核算。
负荷碳排放的影响因素主要受负荷类型及用户侧的用能行为影响。根据当前负荷的同类聚集效应,主要分为居民型、商业型、工业型三类。居民园区体量大,负荷变化与居民日常生活作息一致,呈现凌晨低谷,中午高峰的特点,并且居民负荷聚集在城市内部,风光清洁资源较少,电能主要来源于向上级电网购电;工业园区负荷体量大,波动较小,并且远离市区,可消纳大量新能源发电;商业园区通常为智能楼宇,通信方便,易于控制,但建筑密度大,风力资源较少,新能源以太阳能为主。作为需求侧,其中所含有的可转移负荷与可削减负荷通过激励性或价格型需求响应机制可以影响需求侧的用能情况,通过荷侧与源侧资源良好互动达到降低系统碳排放的目的。
区别于传统源-荷计量的静态固定数值计算,碳排放流理论主要突出动态过程的变化。基于潮流计算的碳排放流为流动的电能打上了“碳标签”,可以较为清晰地体现碳排放随电能生产、传输、存储与消纳全过程的变化情况,有利于新型电力系统中各环节明确碳排放责任,从而更好地实现低碳经济运行。
主网中的发电机组主要由燃煤机组与燃气轮机构成。目前碳排放流计算中,通常以一固定系数表征各类机组排放强度,而火电机组受技术水平、燃料品质以及运行状态等因素影响,其排放系数应随之变化,从而影响到碳排放流的计算。由于燃煤机组的煤耗特性近似拟合为二次函数,所以将火电机组碳排放强度用式(1)的二次函数表示:
(1)
式中:ai、bi、ci分别为燃煤机组i在正常运行状态下的燃煤耗量特性参数;wi为机组i的度电煤耗,g/(kW·h);ζi为度电煤耗修正系数,其取值与机组运行状态有关。在正常运行状态下,ζi取1.0;在停机状态下,ζi取0;在深度调峰或快速升降负荷状态时,ζi取1.01.
在1.3节分析的基础上,储能设备处于充电状态时,碳排放随着电能在设备内部进行积累,在放电时随电能注入网络节点,准离网状态无电能交互也无碳能交互。当储能设备从T0时刻充电至T时刻,然后变为放电状态时,放电碳势可通过下式计算[24]:
(2)
式中:es(T)表示在T时刻储能元件充电结束,变为放电状态时的放电碳势;Q0和F0表示储能设备在上一次由放电状态变为充电状态时装置内部的电能与积累的碳排放量;
P(t)dt和R(t)dt分别代表储能在充电过程中累积的电量和碳流量;η为储能充放电的转换效率。
负荷侧总碳排放量是通过相邻节点上各时间段流过的碳流密度总和计算得出的,因此需要在碳排放流的基础上,通过节点碳流密度在所求时段积分得到。
电力网络是电能传输的物理载体,碳流随着潮流在网络中流动。潮流计算中涵盖网络的数学模型,如网络节点、支路、支路阻抗、网损等参数,而碳流又在潮流计算的基础上,对网络中流动的电能进行碳表征。因此,网侧的碳表征体现在碳流计算过程中,具体计算方法见2.2节。
2.5.1电网潮流的计算
采用直流潮流计算时,忽视了输电线路中网络损耗造成的电能损失,导致碳排放计量不准确,因此基于P、Q功率分解法进行网络潮流的计算[25],其约束表示如下:
(3)
式中:Pi,t、Qi,t分别代表节点i在第t时段注入的有功功率与无功功率;Ui,t、Uj,t分别代表节点i与节点j在第t时段的电压;Gij、Bij分别表示节点i、j的电导、电纳;θij,t表示节点i、j在第t时段间的相角差。
2.5.2潮流及碳流有关矩阵计算
首先根据电力网络中节点相连情况、发电机组在节点上的出力情况,计算扩展关联矩阵A、发电机组出力矩阵PGG,为电力网络潮流计算作铺垫。其次计算发电机组注入电网节点的碳强度矩阵IG,将潮流中电能流动所对应的碳排放量根据机组出力及网扩拓扑及机组碳强度矩阵表示,最后计算分配系数矩阵D,将网络损耗对应的碳排放量合理分配至源、荷两侧。
1) 扩展关联矩阵表示为:
A=[aij]m×n.
(4)
(5)
(6)
式中:Pij(>0)表示支路ij(从节点i到节点j)的能量流,PSi表示注入节点i的能量流,其值为各节点机组注入功率PLi与负荷功率PGi之和。
2) 发电机出力矩阵表示为:
PGG=diag(PG1,PG2,PG3,…,PGh) .
(7)
3) 发电机组注入电网节点的碳强度矩阵IG表示为:
IG=[IG1,IG2,IG3,…,IGn]T.
(8)
式中:IGn为第n个发电机组的碳排放强度,对于火电机组,IGn=wi;对于新能源机组(风机、光伏),IGn=0;对于储能设备,在充电下视为负荷,在IGn=0状态下,IGn=es(T);在准离网状态下,IGn=0.
源、荷两侧对于网络损耗损失的电功率对应的分配系数矩阵D表示为:
D=[dij]=PGGA-1.
(9)
2.5.3碳排放流计算
根据发电机组出力情况及各机组对应的碳排放强度关系,可以将发电侧生产电能时产生的总碳排放量以类似潮流的形式分布至网络及负荷上[20],发电侧总碳排放量表示如下:
RG=PGIG.
(10)
式中:PG表示发电机组流入节点的电功率,RG表示发电机组流入节点电功率对应的碳排放量。
1) 结合拓展关联矩阵,将碳排放分配至负载侧[25]:
(11)
RGi→j=dijPLjIGi.
(12)
式中:RGi和PLj分别表示节点i的碳排放和节点j的负荷;dij、PLj、IGi表示能源注入节点i对负荷节点j分配的碳排放量。由此将发电侧的碳排放分配到了负荷侧。
2) 将碳排放分配至电力网路中
RGi→j-k=dijPjkIGi.
(13)
式中:RGi→j-k表示发电机组相连节点i对支路jk对应的碳排放量。
3) 电力网络中各节点的碳排放强度表示为:
Ri=IiPi.
(14)
式中:Ri为节点或网络分支的能量流对应的碳排放量,Ii和Pi分别为节点或网络分支i的碳排放强度和能量流,表示单位时间内流过节点电功率对应的碳排放量。
4) 负荷侧动态碳排放因子计算:
(15)
(16)
(17)
式中:eC,i为与电网节点i所连用户动态碳排放因子;Pi、SC,i分别为源侧通过电网注入节点i所连用户侧电能总量及对应的碳排放量;SD,i为与节点i相连的用户发电设备碳排放总量;
分别为用户i第k种发电设备发电总量及碳排放强度。
本文所考虑的需求响应类型以动态碳排放因子作为引导信号,将其提前发布至用户侧,使其可感知不同时间单位电能对应的碳排放的大小,并通过此动态碳排放因子计算用户侧碳排放总量,超出或少于配额的部分参与到碳排放市场中,给予用户减排的积极性。用户感受到未来不同时间段用电碳排放因子差异导致碳市场收益差异后,主动调整用能计划,做出自身利益最优的选择。为验证本文所提出的低碳需求响应政策对于碳减排的有效性,即在不减少负荷总量的同时,通过用户调整自身用能行为,降低碳排放量,故对于各园区电负荷需求响应类型仅考虑可转移负荷。可转移负荷碳交易价格引导下,用户调整用能行为,将部分高峰负荷转移至低谷时段,但对于能量的需求总量不变,其数学模型表示如下:
(18)
式中:
表示t时段第i个园区可转移负荷转移前后的电功率;
分别为园区i在t时段转入、转出的电功率和对应的转移状态,转移状态为0～1变量;
为可转移负荷的转移系数与变化上下限制。
碳交易机制是利用市场化手段约束各机组碳排放的有效政策,当系统碳排放量少于或超出无偿分配的配额后,通过市场出售或购买来获取收益或避免惩罚,用户在低碳需求响应后,在碳交易市场获取收益或减少成本,激励用户响应政策。目前我国采取的配额方式为无偿配额制,利用基准线法和预分配法相结合来确定[26],如式(17)所示。参与碳交易市场的碳配额如式(18)所示。
(19)
(20)
SCO2,i(t)=eC,i(t)PZ(t) .
(21)
式中:
为园区i分配的总碳排放配额,
分别为向上级电网购电和燃气轮机分配的配额;χe、χg为向上级电网购买单位电能、燃天然气机组单位天然气消耗的碳排放权配额;χg、PGT,i为购电量及耗气量;
为参与碳交易市场的配额量;SCO2,i为园区i的实际总碳排放量;Pz(t)为园区i的总用电量。
碳交易机制分为固定交易价格和阶梯式交易价格机制。阶梯式交易价格随购买碳量的增加而增加,更有力地约束了碳排放成本,因此在本文中,采用阶梯式交易价格进行各发电机组及各园区的交易,其数学模型表示如下[27]:
CCO2=
(22)
式中:
为参与碳交易的配额量;CCO2为IES的CET成本;λ1为市场上的CET价格;d为碳排放量区间长度;α为各阶梯CET价格增长幅度,每上升一个阶梯,CET价格增长
时,CCO2为负,表示CET带来的收益。
3.3.1目标函数
本文以各园区运行成本最小为目标函数建立优化调度模型,其总运行成本主要由购电成本、购气成本、弃风弃光成本及碳交易成本构成,如下所示:
Ccur,i(t)+CCO2,i(t) .
(23)
(24)
(25)
(26)
式中:f为3个园区运行总成本;T为调度时间,其值为24;S为园区数量,在此值为3,表示居民、工业、商业3个园区;
为t时段园区i的购气成本;
为t时段园区i的购电成本;ψPV、ψDG分别为单位弃光、弃风惩罚系数;
分别为园区i中光伏、风电的预测出力与实际出力;Ccur,i(t)为t时段园区i的弃风弃光成本;CCO2,i(t)为t时段园区i的碳交易成本。
3.3.2约束条件
各园区内各设备约束主要考虑风电光伏出力约束、储能充放电及存储容量约束、燃气轮机出力约束及爬坡约束。
(27)
式中:
分别为为园区i光伏、风机在t时段的实际出力及对应预测出力。
(28)
式中:
分别为t时段储能装置i的充、放电功率;
为电储能装置单次充放能量的最大功率;
均为0～1变量,分别为储能装置t时段充、放电的状态参数。
为t时段电储能装置最终的输出功率,
分别为电储能设备的充放电效率;Si(t)为t时段储能设备i内的容量;
为储能设备i的额定容量。
和
分别为电储能设备的最小、最大容量。
(29)
式中:PGT,i(t)和Gbuy,i(t)分别为园区i中t时段燃气轮机的出力和消耗的天然气;ηEB,i为燃气轮机的转换效率;
和
为燃气轮机出力的上下限。
3.3.3求解过程
具体流程如图1所示,在碳排放流计算的基础上,得到网络节点碳势及碳排放因子,将其发布至用户侧,用户以此为依据得出调整用能计划后的碳市场收益,将调整后的用能计划反馈至电网侧,电网再重新计算碳排放因子,循环迭代直至用户侧收益最优时结束循环,输出此时优化调度结果。
图1 新型电力系统碳计量流程图
Fig.1 New power system carbon metering flowchart
本文以改进的IEEE6节点电力系统对基于碳排放流的低碳联合需求响应对于提高系统运行灵活性及降低碳排放的有效性及合理性进行验证,其结构如图2所示。在节点1接入改进碳捕集电厂,配有光伏及P2G装置,在节点2、3接入2个常规火电厂,总装机容量为1 000 kW,在4、5、6节点分别接入居民园区、工业园区、商业园区,居民园区内燃气机组;工业园区内含风光发电、储电设备及燃气机组;商业园区含光伏发电及燃气机组,各园区设备参数如表1所示。方便起见,不考虑各园区之间的电能交易,电网与园区之间为单向交易,阶梯式碳交易中碳交易基价、区间长度及价格增长率分别设为0.25元/kg、2 000 kg、25%,仿真基于matlabR2020b软件调用cplex进行求解。
表1 设备参数
Table 1 Equipment parameter
设备容量/kW能量转换效率/%爬坡约束/%GT2009220ES1009520
图2 系统结构图
Fig.2 System architecture diagram
对于发电侧碳捕集电厂在低碳需求响应前后的出力结果如图3、4所示,源侧平均动态碳排放强度如图5所示。可以看到在CDR下,碳捕集电厂光伏消纳率相较于无低碳需求响应由74.55%提高至89.10%,并且碳捕集电厂运行平稳,出力几乎维持在同一水平,这是由于火电机组设有最小出力下限,在低碳需求响应下,各园区以动态碳排放因子为引导信号,调整用能需求,选择在中午光伏出力较高即主网电碳因子低谷时段购买电能,达到减少系统碳排放量从而减少碳交易成本的目的,提高了源侧新能源消纳率,且为进一步减少碳排放,碳排放强度高的火电机组会尽可能减少出力,维持在最小出力水平处。碳捕集设备以固定捕集率吸收火电机组烟气中的碳排放量,因此其消耗的电功率的变化情况与火电机组出力变化相一致,故在CDR下,碳捕集设备处理几乎无波动,而无需求响应情况下碳捕集设备出力波动较大。P2G设备电解槽产出的氢气与碳捕集设备捕捉的CO2按一定比例合成甲烷,因此P2G设备的能耗受碳捕集碳功率呈现相同的变化趋势。总体而言,各设备在CDR下运行时相较无需求响应情况优先消纳新能源,各设备出力波动较小,有利于系统低碳经济安全运行。
图3 CDR下碳捕集电厂各设备出力
Fig.3 Capacity of carbon capture power plant under CDR
图4 无需求响应时碳捕集电厂各设备出力
Fig.4 Capacity of carbon capture plant equipment in the absence of demand response
图5 源侧平均动态碳排放强度
Fig.5 Source-side average dynamic carbon emission intensity
对于负荷侧3个园区而言,在低碳需求响应下,园区动态碳排放强度与无需求响应而言显著下降。
居民园区电功率优化结果如图6所示,居民园区中的电能来自园区内燃气轮机生产与向上级电网购电两方面。购电多集中在7:00-12:00、19:00-24:00,这是因为在低碳需求响应机制的影响下,系统为降低自身碳排放,优先选择含碳量低的电能使用,在园区自身的燃气轮机满足一部分负荷后,其余部分负荷通过购买电能来满足需求,在上述时段,外电网平均动态碳排放强度曲线处于较低水平,此时购入可以减少系统碳排放量,从而降低碳交易成本,使系统低碳经济运行。
图6 居民园区电功率调度结果
Fig.6 Residential campus electricity power dispatch results
如图7所示,园区一在CDR下动态碳排放强度曲线低于无需求响应场景,在晚上负荷高峰时段曲线下降最明显,在中午时段曲线在CDR前后无明显变化,这是因为中午已处于电能来源较为清洁的时段,需求响应难以使其继续降低,而在晚上高碳排放时段,用户进行负荷转移,从而降低排放强度,园区一碳排放总量由2 571 kg降低至1 614 kg,减少了37.22%,体现了低碳需求响应机制可以显著降低居民园区碳排放量,推进园区低碳经济运行。
图7 园区1动态碳排放强度
Fig.7 Park 1 dynamic carbon emission intensity
在工业园区中,CDR前后负荷变化情况与动态碳排放强度变化如图8和图9所示。工业园区中含有大量风光发电装置,电能结构较为清洁。在CDR下,将初始17:00-24:00部分高峰负荷转移至凌晨1:00-6:00,并且在光伏出力较高的10:00-15:00的负荷高峰扩宽,促进了风光清洁能源的消纳,减少外购电引入的高碳排放量,保证系统运行的低碳性,并且对负荷削峰填谷,有利于系统安全稳定运行。工业园区CDR后碳排放强度曲线相较于初始情况下降,总碳排放量减少1 003 kg,下降47.8%,也验证了低碳需求响应对于含高比例可再生能源的工业园区碳减排影响显著。凌晨时段CDR后的曲线高于初始情况,中午时段持平,晚间时段CDR低于初始情况,这是因为工业园区大量清洁能源使得原本无CDR时碳排放强度已经处于较低水平,因此,再通过CDR仅将夜间高峰时刻对应的碳排放强度大大减少,而其余时段变化较小。
图8 工业园区电功率优化结果
Fig.8 Industrial park electrical power optimization results
图9 园区2动态碳排放强度
Fig.9 Park 2 dynamic carbon emission intensity
如图10和图11所示,由于商业园区内通信设备齐全,负荷响应快,具备需求响应的条件,负荷变化较大,夜间高峰负荷大部分转移至中午光伏出力高的时段,使光伏全部消纳,在上级电网在高碳排放时段减少电能购买。结合图11商业园区动态碳排放强度变化结果可以看出,园区内碳排放强度大大降低,总碳排放减少454 kg,体现了CDR对于商业园区低碳经济运行同样具有显著作用。
图10 商业园区电功率优化结果
Fig.10 Electric power optimization results for business parks
图11 园区3动态碳排放强度
Fig.11 Park 3 dynamic carbon emission intensity
本文首先分析了新型电力系统源、网、荷、储四个环节碳排放的影响因素,其次以碳排放流理论为基础,构建适用于新型电力系统碳计量的数学模型,最后提出了基于动态碳排放因子的低碳需求响应机制及碳交易方法,通过本文构建的测试算例,得出如下结论:
1) 碳排放流理论将源侧生产电能所产生的碳排放量合理分摊至负荷侧,使用户明确碳排放责任。
2) 通过低碳需求响应机制,提高了需求侧调整自身用能行为,降低碳排放的积极性,促进各园区新能源的消纳,有利于系统低碳经济运行。
3) 对于不同类型的园区,低碳需求响应机制对于降低系统碳排放量均具有显著作用,并且对于需求响应潜力大、新能源出力与负荷不完全匹配的园区效果更显著。后续将进一步完善碳排放表征模型,将储能设备运行过程进行精细化建模,更准确地计量充放电过程中的碳排放量。
[1] 习近平.在第七十五届联合国大会一般性辩论上的讲话[EB/OL].(2020-09-21)[2023-03-28].http:∥www.cppcc.gov.cn.
[2] 张浩楠.面向碳中和的电力低碳转型规划与决策研究[D].北京:华北电力大学(北京),2022.
[3] 葛磊蛟,崔庆雪,李明玮,等.面向低碳经济运行的新型电力系统态势感知技术综述[J].综合智慧能源,2023,45(1):1-13.
GE L J,CUI Q X,LI M W,et al.A review of new power system situational awareness technologies for low-carbon economic operation[J].Comprehensive Intelligent Energy,2023,45(1):1-13.
[4] 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.A review of “source-network-load-storage” architecture and evaluation system in new power system[J].High Voltage Technology,2022,48(11):4330-4342.
[5] 樊国旗,王秋硕,黄健,等.新型电力系统下源荷储协调调度方法研究[J].能源工程,2022,42(3):83-87.
FAN G Q,WANG Q S,HUANG J,et al.Research on the coordinated scheduling method of source-load-storage under new power system[J].Energy Engineering,2022,42(3):83-87.
[6] 张思远,龙高翔,周过海,等.新型电力系统下的调度智能平衡系统研究[J].湖南电力,2022,42(2):29-36,43.
ZHANG S Y,LONG G X,ZHOU G H,et al.Research on scheduling intelligent balancing system under new power system[J].Hunan Electric Power,2022,42(2):29-36,43.
[7] 徐敏,宋汶秦,王著秀.考虑碳税的新型电力系统分布鲁棒机会约束调度[J/OL].电测与仪表,2023:1-10[2023-03-28].http:∥kns.cnki.net/kcms/detail/23.1202.TH.20230113.1811.002.html.
XU M,SONG W Q,WANG Z X.A new type of distributed robust opportunity constrained dispatch for power systems considering carbon tax[J/OL].Electrical Measurement and Instrumentation,2023:1-10[2023-03-28].http:∥kns.cnki.net/kcms/detail/23.1202.TH.20230113.1811.002.html.
[8] 樊伟,李旭东,王尧,等.新型电力系统灵活性资源聚合两阶段调度优化模型[J].电力建设,2023,44(2):25-37.
FAN W,LI X D,WANG Y,et al.A novel two-stage scheduling optimization model for flexible resource aggregation in power systems[J].Power Construction,2023,44(2):25-37.
[9] 张婷.新型电力系统混合储能方案优选及优化配置模型研究[D].北京:华北电力大学(北京),2022.
[10] 陈海鹏,陈晋冬,张忠,等.计及灵活运行碳捕集电厂捕获能耗的电力系统低碳经济调度[J].电力自动化设备,2021,41(9):133-139.
CHEN H P,CHEN J D,ZHANG Z,et al.Low-carbon economic dispatch of power system counting and flexible operation of carbon capture power plant to capture energy[J].Power Automation Equipment,2021,41(9):133-139.
[11] 赵冬梅,王浩翔,陶然.计及风电-负荷不确定性的风-火-核-碳捕集多源协调优化调度[J].电工技术学报,2022,37(3):707-718.
ZHAO D M,WANG H X,TAO R.Wind-fire-core-carbon capture multi-source coordinated optimal dispatch accounting for wind-load uncertainty[J].Journal of Electrotechnology,2022,37(3):707-718.
[12] 金国锋,邢敬舒,张林,等.考虑用户舒适度的蓄热式电采暖参与风电消纳的多目标优化[J].电力建设,2022,43(3):12-21.
JIN G F,XING J S,ZHANG L,et al.Multi-objective optimization of thermal storage electric heating participation in wind power consumption considering user comfort[J].Power Construction,2022,43(3):12-21.
[13] 乔学博,杨志祥,李勇,等.计及两级碳交易和需求响应的多微网合作运行优化策略[J].高电压技术,2022,48(7):2573-2583.
QIAO X B,YANG Z X,LI Y,et al.A cooperative operation optimization strategy of multi-microgrid with two-level carbon trading and demand response[J].High Voltage Technology,2022,48(7):2573-2583.
[14] 庞腊成,吉斌,徐帆,等.面向电-碳市场协同的负荷响应机制与效益分析初探[J].电力系统自动化,2022,46(22):62-71.
PANG L C,JI B,XU F,et al.A preliminary investigation of load response mechanism and benefit analysis for electricity-carbon market synergy[J].Power System Automation,2022,46(22):62-71.
[15] 崔杨,邓贵波,赵钰婷,等.考虑源荷低碳特性互补的含风电电力系统经济调度[J].中国电机工程学报,2021,41(14):4799-4815.
CUI Y,DENG G B,ZHAO Y T,et al.Economic dispatch of power systems containing wind power considering complementary source-load low-carbon characteristics[J].Chinese Journal of Electrical Engineering,2021,41(14): 4799-4815.
[16] 陈厚合,茅文玲,张儒峰,等.基于碳排放流理论的电力系统源-荷协调低碳优化调度[J].电力系统保护与控制,2021,49(10):1-11.
CHEN H H,MAO W L,ZHANG R F,et al.Low-carbon optimal dispatch of power system source-load coordination based on carbon emission flow theory[J].Power System Protection and Control,2021,49(10):1-11.
[17] 黄华,常湧,王洪江,等.计及多种低碳因素联合作用的电力系统优化调度[J].武汉大学学报(工学版),2018,51(12):1086-1092.
HUANG H,CHANG Y,WANG H J,et al.Optimal scheduling of power system counting and joint action of multiple low-carbon factors[J].Journal of Wuhan University (Engineering Edition),2018,51(12):1086-1092.
[18] 康艳青.能源约束下中国二氧化碳排放的环境效率、影响因子及动态关系研究[D].天津:天津大学,2016.
[19] 陈锦鹏,胡志坚,陈颖光,等.考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化[J].电力自动化设备,2021,41(9):48-55.
CHEN J P,HU Z J,CHEN Y G,et al.Thermoelectric optimization of integrated energy system considering stepped carbon trading mechanism and electric hydrogen production[J].Power Automation Equipment,2021,41(9):48-55.
[20] 矫舒美,乔学博,李勇,等.计及综合能源系统全寿命周期碳排放和碳交易的电转气设备和光伏联合优化配置[J].电力自动化设备,2021,41(9):156-163.
JIAO S M,QIAO X B,LI Y,et al.Joint optimal allocation of electricity-to-gas equipment and photovoltaic for integrated energy systems with life-cycle carbon emissions and carbon trading[J].Power Automation Equipment,2021,41(9):156-163.
[21] 王泽森,石岩,唐艳梅,等.考虑LCA能源链与碳交易机制的综合能源系统低碳经济运行及能效分析[J].中国电机工程学报,2019,39(6):1614-1626,1858.
WANG Z S,SHI Y,TANG Y M,et al.Analysis of low carbon economic operation and energy efficiency of integrated energy system considering LCA energy chain and carbon trading mechanism[J].Chinese Journal of Electrical Engineering,2019,39(6):1614-1626,1858.
[22] 汪超群,陈懿,文福拴,等.电力系统碳排放流理论的若干问题及改进方法[J].电网技术,2022,46(5):1683-1693.
WANG C Q,CHEN Y,WEN F S,et al.Some problems of carbon emission flow theory of power system and improvement methods[J].Power Grid Technology,2022,46(5):1683-1693.
[23] 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 of power system based on carbon emission flow and benefit analysis[J].Chinese Journal of Electrical Engineering,2022,42(8):2830-2842.
[24] 周天睿,康重庆.基于碳排放流的配电系统低碳优化运行方法研究[J].全球能源互联网,2019,2(3):241-247.
ZHOU T R,KANG C Q.Research on low carbon optimal operation method of power distribution system based on carbon emission flow[J].Global Energy Internet,2019,2(3):241-247.
[25] 胡博,孙铠彬,邵常政,等.面向全过程碳足迹的园区综合能源系统碳感知与优化方法[J].高电压技术,2022,48(7):2495-2504.
HU B,SUN K B,SHAO C Z,et al.A carbon sensing and optimization method for integrated energy system of park for whole process carbon footprint[J].High Voltage Technology,2022,48(7):2495-2504.
[26] 陈锦鹏,胡志坚,陈颖光,等.考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化[J].电力自动化设备,2021,41(9):48-55.
CHEN J P,HU Z J,CHEN Y G,et al.Thermoelectric optimization of integrated energy system considering stepped carbon trading mechanism and electric hydrogen production[J].Power Automation Equipment,2021,41(9):48-55.
[27] 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.