公开/公告号CN116663818A
专利类型发明专利
公开/公告日2023-08-29
原文格式PDF
申请/专利权人 国网甘肃省电力公司经济技术研究院;
申请/专利号CN202310586329.X
申请日2023-05-23
分类号G06Q10/0631(2023.01);G06Q40/04(2012.01);G06Q50/06(2012.01);G06Q50/26(2012.01);
代理机构昆明鼎极知识产权代理事务所(普通合伙) 53228;
代理人陈波
地址 730050 甘肃省兰州市七里河西津东路628号
入库时间 2024-01-17 01:25:44
法律状态公告日
法律状态信息
法律状态
2023-09-15
实质审查的生效 IPC(主分类):G06Q10/0631 专利申请号:202310586329X 申请日:20230523
实质审查的生效
2023-08-29
公开
发明专利申请公布
技术领域
本发明涉及一种阶梯碳交易机制下的虚拟电厂低碳经济调度方法,属于虚拟电厂调度领域。
背景技术
随着新能源向主力型电源的转变,以风、光为代表的新能源大规模并网问题亟需解决。而虚拟电厂依托通信技术,通过分布式电力管理系统将分布式电源、需求响应、储能装置等资源聚合成一个虚拟可控集合体,以整体形式加入电力市场,有效解决新能源容量小、位置分散、难以单独参与电力市场的问题。
虚拟电厂经济调度通过协调多能互补,在提高系统经济效益的同时,改善新能源消纳问题。而如何实现虚拟电厂低碳经济调度是需要解决的问题。
发明内容
本发明提供了一种阶梯碳交易机制下的虚拟电厂低碳经济调度方法,以用于建立虚拟电厂低碳经济调度模型,并求解以获得虚拟电厂的优化运行方案。
本发明的技术方案是:
一种阶梯碳交易机制下的虚拟电厂低碳经济调度方法,包括:
步骤S1、建立负荷侧综合需求响应模型;
步骤S2、建立电转气的两阶段运行模型;
步骤S3、建立虚拟电厂低碳经济调度模型;
步骤S4、求解虚拟电厂经济优化调度模型。
所述步骤S1具体为:
S1.1:根据电负荷特性,建立电负荷需求响应模型;
S1.2:根据热负荷特性,建立热负荷需求响应模型。
所述步骤S2具体为:
S2.1:引入碳捕集-电转气联合运行模式,建立碳捕集与电转气运行模型;
S2.2:建立氢燃料电池运行模型。
所述碳捕集与电转气运行模型如下:
式中:P
所述氢燃料电池运行模型如下:
式中:P
所述步骤S3具体为:
S3.1:在阶梯碳交易机制下,建立虚拟电厂阶梯碳交易模型;
S3.2:在综合考虑虚拟电厂的购能成本、碳交易成本和需求响应成本的基础上,建立虚拟电厂低碳经济调度模型。
所述虚拟电厂阶梯碳交易模型如下:
式中:C
所述虚拟电厂低碳经济调度模型,包括:以系购能成本、碳交易成本和需求响应成本之和最小的目标函数及约束条件;其中,约束条件包括热电联产机组约束、燃气锅炉模型、储能约束、新能源约束、功率平衡约束。
所述目标函数如下:
C
式中:C
所述功率平衡约束如下:
P
H
Q
Q
式中:P
本发明的有益效果是:
(1)在阶梯碳交易机制下,考虑虚拟电厂参加碳交易,在有效减少碳排放的同时,兼顾了虚拟电厂运行的经济性;同时碳捕集-电转气技术的引入,可以进一步降低虚拟电厂的碳交易成本和购能成本。
(2)需求响应机制能够有效挖掘虚拟电厂中负荷侧的灵活和低碳运行潜力,促进风光发电消纳,降低虚拟电厂的购能成本,且对虚拟电厂碳减排具有积极影响。
附图说明
图1是本发明的流程图;
图2为虚拟电厂VPP结构图;
图3为电、热负荷及风光机组预测出力曲线图;
图4为场景4下电负荷优化结果图;
图5为场景4下热负荷优化结果图;
图6为场景5下电负荷优化结果图;
图7为场景5下热负荷优化结果图。
具体实施方式
下面结合附图和实施例,对发明作进一步的说明,但本发明的内容并不限于所述范围。
实施例1:如图1-7所示,根据本发明实施例的一方面,提供了一种阶梯碳交易机制下的虚拟电厂低碳经济调度方法,包括:步骤S1、在研究多元柔性负荷的运行特性的基础上,建立负荷侧综合需求响应模型;步骤S2、在引入氢燃料电池提高氢能利用效率的基础上,建立电转气的两阶段运行模型;步骤S3、建立虚拟电厂低碳经济调度模型;步骤S4、求解虚拟电厂经济优化调度模型。
进一步地,所述步骤S1,包括:S1.1:根据电负荷特性,建立电负荷需求响应模型;S1.2:根据热负荷特性,建立热负荷需求响应模型。
进一步地,所述步骤S2,包括:S2.1:引入碳捕集-电转气联合运行模式,建立碳捕集与电转气运行模型;S2.2:为提高氢能利用效率,建立氢燃料电池的运行模型。
进一步地,所述步骤S3,包括:S3.1:在阶梯碳交易机制下,建立虚拟电厂阶梯碳交易模型;S3.2:在综合考虑虚拟电厂的购能成本、碳交易成本和需求响应成本的基础上,建立虚拟电厂低碳经济调度模型。
进一步地,所述步骤S4具体为:采用多元宇宙优化算法对虚拟电厂优化模型进行求解,得到虚拟电厂的优化运行方案。
进一步地,所述步骤S1包括:
S1.1:根据电负荷特性,建立电负荷需求响应模型。按电负荷的运行特性,将电负荷分为4类:基础电负荷、可平移电负荷、可削减电负荷和可转移电负荷。
式中:P
1)可平移电负荷模型
可平移电负荷的运行时间持续多个时段,此类负荷进行需求响应时,要保证负荷进行整体平移;设单位调度时段为1h,对于可平移电负荷参与需求响应前的功率向量
式中:ts表示起始时刻;td表示持续时间;
式中:C
2)可转移电负荷模型
可转移负荷在调度方式上更加灵活,在调整时只需要满足调度周期内负荷总量不变,各时刻的负荷转移量可以灵活调节。
0≤P
式中:P
3)可削减电负荷模型
可削减电负荷在运行过程中能够进行削减,且不会对生产经营活动造成较大的影响,用户依照调度的需求能对此类负荷进行削减。
0≤P
式中:P
S1.2:在一定范围内对热负荷进行调整不会对生产经营活动产生不利的影响,因此将热负荷分为基础热负荷、可转移热负荷和可削减热负荷。
式中:H
1)可转移热负荷模型
0≤H
式中:H
2)可削减热负荷模型
0≤H
式中:H
进一步地,所述步骤S2包括:
S2.1:在碳交易机制下,为减少虚拟电厂系统运行的碳排放,在热电联产机组的基础上加装碳捕集设备,将其改造为碳捕集电厂,在碳捕集电厂运行阶段,碳捕集设备将会从热电联产机组产生的烟气中捕获部分的二氧化碳,一部分封存处理,另外一部分作为电转气设备甲烷化的原料。当风光消纳受限时,为提高能源的利用率,将电转气分为电解制氢和甲烷化两个过程,电解制取的氢气一部分为燃料电池提供原料,另一部分将作为甲烷化阶段的原料,供应系统内部的热电联产。碳捕集与电转气运行模型数学模型如下:
式中:P
S2.2:氢燃料电池可将高品质氢能转化为电能和热能,其输入与输出的关系可表示为:
式中:P
进一步地,所述步骤S3包括:
S3.1:碳交易机制是解决碳减排问题的有效途径,将碳排放权作为商品,并在碳交易市场进行交易,从而推动相关碳排放责任主体主动降低碳排放量。首先,虚拟电厂基于政府监管部门分配碳排放配额,制定相应的调度计划,当实际碳排放量多于碳配额时,虚拟电厂需要在碳交易市场购买碳排放权;当实际碳排放量低于碳配额时,虚拟电厂则能出售剩余的碳配额获利。该机制能够激励虚拟电厂消纳更多新能源,优化能源结构,从而降低虚拟电厂碳交易成本。
碳排放配额的主要方式分为有偿分配和无偿分配两种,当前我国的碳交易市场处于起步阶段,主要以无偿分配为主。故本文采用无偿分配方式确定虚拟电厂的碳配额,模型如下:
式中:D
在传统碳交易基础上,本文采用的阶梯式碳交易机制,将碳排放量进行分段化,设置碳排放区间长度,随着购买的碳排放配额增加,对应碳排放区间的碳交易价格也就越高,碳交易成本的计算模型如下:
式中:λ为碳交易基准价格;l为碳排放区间长度;α为价格增长幅度;δ为碳减排补偿系数;C
S3.2:在本文中,以运行成本最小为目标,构建了考虑碳交易及需求响应的虚拟电厂经济调度模型。虚拟电厂综合运行成本成本包括购能成本、碳交易成本和需求响应成本。
C
式中:C
式中:P
约束条件如下:
(1)热电联产机组约束
式中:P
(2)燃气锅炉模型约束
式中:H
(3)储能约束
式中:下标x表示储能装置类型,分别为电储能(ESS)、热储能(TES)、氢储能(HS)、储气罐(GSD);P
(4)新能源约束
P
P
式中:P
(5)联络线及管道约束
0≤P
0≤Q
式中:P
(6)功率平衡约束
式中:P
根据本发明实施例的一方面,提供了一种阶梯碳交易机制下的虚拟电厂低碳经济调度系统,包括:第一建立模块,用于建立负荷侧综合需求响应模型;第二建立模块,用于建立电转气的两阶段运行模型;第三建立模块,用于建立虚拟电厂低碳经济调度模型;求解模块,用于求解虚拟电厂经济优化调度模型。
进一步地,为分析所提模型对于虚拟电厂碳排放及经济效益的影响,本文设置5个场景进行比较分析,分别为:
场景1:虚拟电厂不考虑碳交易、电转气及需求响应;
场景2:在阶梯碳交易机制下,虚拟电厂不考虑需求响应和电转气;
场景3:在阶梯碳交易机制下,虚拟电厂考虑需求响应,不考虑电转气;
场景4:在阶梯碳交易机制下,虚拟电厂考虑电转气,不考虑需求响应;
场景5:在阶梯碳交易机制下,虚拟电厂考虑电转气及需求响应,即本发明场景。
针对以上5种场景,对虚拟电厂的调度结果进行分析。
为了验证所提出模型的有效性和适用性,本发明以24小时为周期,以1小时为步长,利用Gurobi进行求解。系统电、热负荷及新能源预测出力情况如图3所示;设备参数如表1所示;分时电价表见表2;碳交易基础价格为100元/t,阶梯碳交易区间长度l为20t,阶梯区间价格涨幅α为20%,碳减排补偿系数δ为10%。
表1机组运行参数
表2分时电价
虚拟电厂日运行成本如表3所示。
表3不同场景下VPP的运行成本及碳排放量
由表3的运行结果可知,与不考虑碳交易机制的场景1相比,场景2的运行成本增加了3.54万元,但在系统碳排放总量方面,由于场景1中未考虑碳交易,因此场景2下碳排放量相比场景1减少了484.99t。场景3相较于场景2引入了电-热综合需求响应机制,更好的挖掘了电、热能源之间的运行灵活性,促进了对风光发电的消纳,降低系统的购能成本及碳排放量,与场景2相比,运行总成本和碳排放总量分别减少4.83万元、54.00t。场景4相较于场景2,在碳捕集与电转气联合运行下,碳捕集设备从热电联产产生的烟气中捕集部分CO
场景4下电负荷优化如图4所示,在06:00-16:00时段,电力主要由光伏、风电和热电联产装置提供。在17:00-24:00时段,新能源出力下降,需要从上级电网购买电力,储电装置和氢燃料电池参与电力调节,改善了电供应方式,降低了系统的购能成本。
场景4下热负荷优化如图5所示,由于具有较高的能源利用率,因此热能主要由热电联产机组提供,而氢燃料电池的引入,一定程度上提高了了热能供应方式的灵活性。
场景5下电负荷优化如图6所示,系统的供能方式更加灵活,在引入需求响应机制后,负荷曲线随新能源出力变化更加显著。而电转气装置在电价较低时运行,产生氢气和天然气分别供应氢燃料电池和热电联产,降低了虚拟电厂的购能成本。
场景5下热负荷优化如图7所示,热能主要由热电联产机组、燃气锅炉生产供应,储热装置和氢燃料电池参与热能供应调节。由于电热能源间的耦合关系,系统将15:00-22:00时段的部分负荷进行了转移,降低了虚拟电厂的购能成本。
应用上述技术方案可知,本发明所提方法在提高虚拟电厂运行灵活性的同时,改善了虚拟电厂的经济性和碳排放水平。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
机译: 一种同时去除NO X Sub>和碳颗粒的单体催化剂,特别是从碳电厂的尾气以及同时去除NO X <的单体催化剂的生产方式/子>和碳颗粒,特别是来自碳电厂的尾气
机译: 一种同时去除NOx和碳颗粒的单分子催化剂,尤其是从碳电厂的尾气中去除以及同时去除NOx和碳颗粒(尤其是从尾气中分离出的碳)的生产方式
机译: 一种同时去除NOx和碳颗粒的单分子催化剂,尤其是从碳电厂的尾气中去除以及同时去除NOx和碳颗粒(尤其是从尾气中分离出的碳)的生产方式