logo全球能源互联网期刊信息服务平台

目录

图片(0

    表格(0

      全球能源互联网

      第8卷 第2期 2025年03月;页码:224-238
      EN

      区域综合能源系统多能减碳装置多目标最优配置研究

      Research on Multi-objective Optimal Allocation of Multi-energy Carbon Reduction Devices in Regional Integrated Energy System

      刘继彦1 ,王瑞琪1,2* ,朱峰1 ,王者龙1 ,刘政3,4 ,胡文博3,4
      LIU Jiyan1 , WANG Ruiqi1,2* , ZHU Feng1 , WANG Zhelong1 , LIU Zheng3,4 , HU Wenbo3,4
      • 1.国网山东省电力公司,山东省 济南市 250001
      • 2.国网山东综合能源服务有限公司,山东省 济南市 250001
      • 3.国网电力科学研究院有限公司,江苏省 南京市 210000
      • 4.国网电力科学研究院武汉能效测评有限公司,湖北省 武汉市 430074
      • LIU Jiyan1, WANG Ruiqi1,2*, ZHU Feng1, WANG Zhelong1, LIU Zheng3,4, HU Wenbo3,4 (1.State Grid Shandong Electric Power Company, Jinan 250001, Shandong Province, China
      • 2.State Grid Shandong Integrated Energy Service Co., Ltd., Jinan 250001, Shandong Province, China
      • 3.State Grid Electric Power Research Institute, Nanjing 210000, Jiangsu Province, China
      • 4.State Grid Electric Power Research Institute Wuhan Efficiency Evaluation Company Limited, Wuhan 430074, Hubei Province, China

      摘 要

      Abstract

      面对日益凸显的能源危机以及全球变暖等问题,构建低碳清洁、安全高效的能源供应系统是改善环境污染和实现“碳达峰、碳中和”目标的重要途径之一。提出了一种面向综合能源系统的多能减碳装置最优配置的多目标优化模型,首先对多能减碳装置进行减碳特性建模,并提出系统加权平均碳势概念,通过区域综合能源系统碳流计算得到反映各能源子系统碳排放强度的支路碳流率,采用支路碳流率的占比作为各子系统的平均碳势权重,系统加权平均碳势克服了各子系统之间负荷节点数目和量级不对等的缺陷,可以合理表征系统整体碳排放水平,避免优化过程中只选择单一子系统的极端境况;然后以经济性成本最低和系统加权平均碳势最小作为目标函数,建立多目标最优配置模型,采用NSGA-Ⅱ算法求解最优多能减碳装置建设方案与成本;最后采用综合能源系统测试算例进行验证,算例根据加权平均碳势的变化得到不同减碳效果下的多能减碳装置最优配置与成本,以及各装置减碳量与全域总减碳量,验证所提减碳方法的合理性。验证结果表明,提出的系统加权平均碳势的概念,可作为一种减碳灵敏度指标,引导每一个能源子系统公平合理地参与减碳优化过程。

      In the face of the increasingly prominent energy crisis and global warming, building a low-carbon, clean, safe and efficient energy supply system is one of the important ways to improve environmental pollution and achieve the goal of “carbon peak, carbon neutrality”.This paper proposes a multiobjective optimization model for the optimal allocation of multi-energy carbon reduction devices for integrated energy systems.Firstly, the carbon reduction characteristics of multienergy carbon reduction devices are modeled, and the concept of system weighted average carbon potential is proposed.Using the proportion of branch carbon flow rate as the average carbon potential weight of each subsystem, the system’s weighted average carbon potential overcomes the defect of unequal number and magnitude of load nodes among subsystems, and can reasonably characterize the overall carbon emission level of the system, avoiding the extreme situation of selecting only a single subsystem in the optimization process.Then, taking the lowest economic cost and the lowest weighted average carbon potential of the system as the objective function, a multi-objective optimal configuration model is established, and NSGA-Ⅱ algorithm is used to solve the construction scheme and cost of the optimal multi-energy carbon reduction device.Finally, a comprehensive energy system test example was used for verification.The example obtained the optimal configuration and cost of multi-energy carbon reduction devices under different carbon reduction effects according to the change of weighted average carbon potential, and the carbon reduction amount of each device and the total carbon reduction amount in the whole region, verifying the rationality of the proposed carbon reduction method.The verification results show that the concept of the system weighted average carbon potential proposed in this paper can be used as a carbon reduction sensitivity index to guide each energy subsystem to participate in the carbon reduction optimization process fairly and reasonably.

      0 引言

      面对日益凸显的能源危机以及全球变暖等问题,构建低碳清洁、安全高效的能源供应系统是改善环境污染和实现“碳达峰、碳中和”目标的重要途径之一[1]。接入电力、天然气以及热力系统的多类型可再生能源设备,以及碳捕集封存设备对于实现系统低碳化起到至关重要的作用,可统称为“多能减碳装置” [2]。区域综合能源系统(integrated energy system,IES)以及多能减碳装置与技术的发展为降低碳排放量、提高风电光电的消纳能力提供了有效的技术支撑[3-5]

      目前能应用于能源系统中的减碳方法有新能源发电技术[6-9]以及碳捕集与封存技术(carbon capture and storage,CCS)[10]。文献[11]表明,CO2捕集与封存技术是指将工业和有关能源产业所生产的CO2分离出来,再通过碳储存手段将CO2储存起来,实现化石能源大规模低碳利用,以达到直接降低能源系统中CO2排放量的目的。电力系统中的用户通过消纳风电和光伏发电量,以达到减少其购电量的目的,从而减少煤电等非清洁能源的使用以间接减少碳排放[12]。天然气掺氢是指天然气中掺入一定比例氢气形成掺氢天然气,综合天然气与氢气的优点,优化燃料的燃料特性并减少碳排放,是燃气领域实现“双碳”目标的有效途径之一[13]。文献[14]表明地源热泵系统是依靠电驱动,热量主要来自土壤、地下水等,相对于燃煤或燃气锅炉采暖,地源热泵的减排效果明显,若地源热泵系统用电全为绿电,则可实现采暖系统零碳排放。为了控制能源系统中CO2的排放,需要监测能源系统的碳排放量[15],在当前能源系统低碳减排的发展趋势下,碳排放理论的引入为能源系统低碳发展的研究带来了新的思路和方法,以便于发掘碳要素在能源系统发、输、用环节中的精确体现[16]。因此,将碳排放理论与多能减碳装置与技术结合应用到综合能源系统减碳方法中是有必要的。

      碳流理论是从电能生产的源头起赋予了电量以碳排放属性,从而依附于电力系统潮流建立的一种虚拟碳排放流分析模型。首先,支路碳流量是描述碳流最基本的物理量,其定义为:在给定时间内随潮流而通过某条支路的碳流所对应的碳排放累积量。进一步定义支路碳流率为:某条支路在单位时间内随潮流而通过的碳流量,其在数值上等于支路碳流量对时间的导数。由于电力系统碳排放流依附于潮流而存在,又考虑到电力系统中碳排放主要与有功潮流相关,为表征两者结合的特征,定义支路碳流密度为:电力系统任一支路碳流率与有功潮流的比值。最后,由于电力系统中发电与用电环节是以节点形式存在于电力系统中,因此有必要定义由碳排放流描述节点碳排放强度的物理量—节点碳势,其定义为:与节点相连支路中,有潮流流入节点的所有支路功率与碳流密度乘积之和与支路功率和之比。节点碳势的物理意义是指在该节点消费单位电量所造成的等效于发电侧的碳排放量[17]

      碳排放流理论能够对供给侧和需求侧之间的传输配送环节所产生的碳排放影响进行量化分析,实现电力系统全环节的碳排放分布的精准刻画[17]。文献[18]针对输电网系统提出了基于碳排放流理论的低碳调度策略,引入Shapley碳排放责任分摊模型,考虑各个用户负荷对整个电力系统的碳排放边界影响,使得碳排放责任分摊方案更为公平合理。文献[19]同样基于碳排放流理论对系统的节点碳势进行量化分析,引入需求响应机制和阶梯碳价机制构建双层电力系统低碳规划模型,电力系统运营商可以根据负荷用户的用能计划调整来改变发电机组及储能系统配置容量,以促进电力系统低碳经济运行。文献[20-21]更进一步对边际碳势进行了定义,并利用了优化模型中的拉格朗日乘子获取了节点边际碳势结果,但是求解方法建立在直流模型的基础上,无法考虑系统网损因素对节点边际碳势的影响。

      上述装置和方法具有显著的减碳效果,但以往研究中往往仅考虑电力系统中使用风电、光伏等可再生能源,以及热力系统中使用地源热泵进行减碳,本文将含有清洁能源的能源系统建模方法扩展至含有地热的热力系统,以及考虑天然气掺氢的燃气系统领域,使综合能源系统中利用清洁能源减碳的思路多元化。首先,对多种减碳装置进行建模,得到多能减碳装置模型;然后在综合能源系统中引入碳排放理论,利用碳流计算模型求解出能源系统基态碳流;基于综合能源系统支路碳流率,计算平均碳势权重,提出了系统加权平均碳势(weighted system average carbon potential,WSACP),WSACP可作为一种系统减碳灵敏度指标,引导每一个能源子系统公平合理地参与减碳优化过程;最后,以经济性成本最小和WSACP最小为优化的目标函数,建立多目标低碳最优配置模型,求解目标函数最优时的减碳装置的建设方案与对应成本。本文采用IEEE-14节点配网和32节点热网以及25节点配气网组成的能源系统测试算例验证,利用NSGA-Ⅱ遗传算法在MATLAB仿真平台上迭代求解。算例结果得到了3类减碳效果的多能减碳装置最优配置,验证了所提减碳方法的合理性。图1所示为本文整体研究思路框架。

      图1 本文整体研究思路
      Fig.1 The whole research idea of this paper

      1 多能减碳装置及其减碳特性建模

      1.1 碳捕集装置及其减碳特性建模

      碳捕集与封存技术(CCS)是指将CO2从工业过程、能源利用或大气中分离出来,直接加以利用或注入地层以实现CO2永久减排的过程。

      碳捕集装置减碳量为多种碳捕集与封存方法所捕捉到的CO2之和:

      式中:CccsCccs,i分别为碳捕集封存设备减碳量和使用不同碳捕集与封存技术所捕捉到的CO2量;n为所涉及到碳捕集与封存技术的数量。

      碳捕集与封存装置的减碳成本分为投资成本和运行成本,运行成本又分为捕集CO2成本和封存CO2成本。

      式中:Zccs为碳捕集封存设备的减碳总成本;Zccs,i为不同碳捕集设备的投资成本;ηi为使用不同碳捕集技术捕捉单位CO2所需成本;λ为封存单位CO2所需成本。

      1.2 风力发电机组及其减碳特性建模

      影响风机输出功率的外部因素主要为风速和空气密度,本文主要探讨风机输出功率与风速之间的关系。图2描述了典型风机风速与风机输出功率的关系曲线,并由式(3)给出风机出力表达式[22]

      图2 风机风速与功率关系曲线
      Fig.2 Wind speed and power relationship curve of wind turbine

      式中:PWT(s,t)表示在s季节t时刻的风机出力大小;Cp为风机性能参数;ρ为空气密度;τ为机械效率;AWT为风机叶片扫过面积在与风速垂直平面上的投影;v(s,t)为在s季节t时刻的风速;VcVrVf分别为切入风速、额定风速和切出风速;PrWT为风机额定功率。

      风力发电装置通过增加新能源发电量以减少电力系统购电量,从而间接减少CO2排放,通过新能源发电量和电力碳排放因子可计算CO2减排量。风力发电装置减碳量计算公式为

      式中:Cwp为风力发电装置减碳量;μ为电力碳排放因子;Ewp为风力发电装置发电量。

      风力发电装置减碳成本为建设成本和运行成本之和,其表达式为

      式中:Zwp为风力发电装置减碳成本;Zwp1为风力发电装置建设成本;γ为风机单位发电成本。

      1.3 光伏发电机组及其减碳特性建模

      太阳能光伏发电对地表太阳辐射强度十分敏感[23],光伏发电系统的输出功率和太阳能辐射强度、光伏发电系统受光面积、光伏转换效率成线性关系[24],图3描述了光照强度与光伏出力的关系,式(6)给出了相应表达式。

      图3 光照强度与光伏出力关系曲线
      Fig.3 Relationship curve between light intensity and photovoltaic output

      式中:(s,t)表示s季节t时刻的光伏出力大小;表示光伏的额定容量;Ge表示额定光照强度大小;Bg表示光照强度基准值;g(s,t)表示s季节t时刻的光照强度标幺值。

      光伏发电带来的CO2减排量可使用光伏发电量和电力碳排放因子计算:

      式中:Csp为光伏发电装置减碳量;μ为电力碳排放因子;Esp为光伏发电装置发电量。

      光伏发电装置减碳成本为建设成本和运行成本之和,其表达式为

      式中:Zsp为光伏发电装置减碳成本;Zsp1为光伏发电装置建设成本;γ 为光伏单位发电成本。

      1.4 天然气掺氢及其减碳特性建模

      天然气掺氢的减碳量为以能产生同等热量的氢气代替天然气燃烧所减少的CO2排放量:

      式中:Chcng为利用天然气掺氢技术后掺氢天然气的减碳量;Cgas为标准大气压下单位体积的天然气燃烧所产生的CO2量;Vgas,des为利用天然气掺氢技术后减少使用的天然气体积;Vhcng为利用天然气掺氢技术后掺氢天然气体积;α为天然气掺氢比例;Vgas为天然气体积;qgas为天然气单位体积热值;qH2为氢气单位体积热值。

      1.5 地源热泵装置及其减碳特性建模

      地源热泵减碳量为地源热泵供热量对应的使用锅炉供热的CO2排放量,其表达式为

      式中:Chp为地源热泵装置减碳量;β为热力碳排放因子;Qhp为地源热泵供热量。

      地源热泵装置减碳成本为设施成本和运行成本之和,其表达式为

      式中:Zhp为地源热泵装置减碳成本;Zhp1为地源热泵装置建设成本;ε为地源热泵单位供热成本。

      2 低碳最优配置的多目标建模

      在综合能源系统中引入碳排放理论,基于碳流计算模型及求解结果,以系统成本最优与系统加权平均碳势最小为优化目标函数,求解目标函数最优时的减碳装置的建设方案与对应成本。

      2.1 目标函数1:系统成本最优

      系统总成本CTotal包括3个部分—规划投资成本CINV,运行成本COP和碳减排收益CCER。投资和运营成本代表区域建设、运营和维护的全生命周期成本;运行成本代表整个系统运行过程电力费用、燃气费用、以及减碳费用;碳减排收益则代表系统减排带来的盈利。目标函数具体如下:

      式中:CTotal表示总成本;CINV表示规划投资成本;COP表示运行成本;CCER为碳减排收益,在计算时视碳减排收益为负成本。

      2.1.1 设备投资成本

      多阶段规划的投资成本CINV主要包括3个部分:第1部分为设备总扩容成本Cequipment;第2部分为设备的总运维成本CMAIN;第3部分是设备在规划末期的残值FRV。具体表示如下:

      其中:

      式中:为第j种设备的扩容成本;为变压器、风电机组、能源枢纽能源转换设备等的购置成本与安装成本;R为设备的现值系数;r为贴现率;t为从规划开始算起的年数;vEQ,j为第j种设备的容量;εequipment为设备的单位成本;为第j种设备的扩展增量;fINS,EQfLand分别为设备的安装成本和土地购买成本;为设备的维护系数;ΔT为操作和维护的时间;φj为第j种设备的净残值率;Nj,life是第j种设备的使用寿命;为第j种设备的折旧费;τ为折旧时间。

      2.1.2 运行成本

      区域运行成本COP由电力系统运行成本、燃气系统运行成本和多能减碳装置运行成本组成,具体表示如下:

      式中:R为设备的现值系数;ΔT为设备运行的时间;Cccs,i为第i种碳捕集封存设备的运行成本;Δtseason为典型季节持续时间;为冬季、夏季以及过渡季典型日的电力负荷;cE为电价;为冬季、夏季以及过渡季典型日的掺氢天然气负荷;cG为掺氢天然气的价格。

      2.1.3 碳减排收益

      碳减排收益来源于碳捕集封存设备的使用以及清洁能源的使用带来的碳排放量的减少,进而带来了碳税成本降低。本文碳减排收益来源于各能源子系统中碳捕集封存设备的使用,以及风、光、氢气、地热接入各能源子系统所带来的碳排放量减少,进而带来的碳税成本下降,在本文中碳减排收益被视为负成本,具体表示如下:

      式中:分别代表不同季节中电力、燃气、热力系统采用减碳装置,以及风光、氢气、地热等可再生能源接入各能源子系统所带来碳排放减少量;ΔT为计算减碳收益的时间段;CCtax为碳税[25];∆tseason为不同季节的天数;n分别为典型日的热、电、气能源需求;分别代表不同季节典型日的热、电、气的碳排放量;ηHeat-CoalηElec-Coal分别为热输出和电输出的标准煤当量转换系数;λCoal-CO2λGas-CO2分别为煤和天然气的CO2排放系数;分别代表规划前后热力系统的碳排放量;分别代表规划前后电力系统的碳排放量;分别代表规划前后燃气系统的碳排放量;分别代表规划前后电力系统的清洁能源发电量。

      2.2 目标函数2:系统加权平均碳势最小

      目标函数2定义为WSACP最低,WSACP用来反映系统整体碳排放水平。

      如图4所示,在燃气、电力以及热力系统中,源节点和负荷节点的碳势与碳流率满足以下关系:

      图4 节点碳势与碳流率关系图
      Fig.4 Relationship between carbon potential and carbon flow rate of nodes

      式中:Rsource为能源子系统源节点(source)碳流率;Ri为管线支路碳流率;Rload为多能负荷节点(load)碳流率;E为多能负荷节点(load)碳势;p为多能负荷节点(load)功率;Routj为流出多能负荷节点(load)的管线支路碳流率;Rinj为流入多能负荷节点(load)的管线支路碳流率;N为流出源节点(source)的管线支路数;A为流入多能负荷节点(load)的管线支路数;B为流出多能负荷节点(load)的管线支路数。

      在综合能源系统中,节点碳势定义为节点消耗单位能量所需要排放的CO2量,源节点为能源注入节点,无实际能量消耗,连接节点同样没有能量消耗,所以不考虑其节点碳势,因此定义能源子系统平均节点碳势为系统所有负荷节点消耗单位能量需要排放的CO2量的平均值,公式如下:

      式中:nloadGnloadEnloadH分别为燃气、电力、热力系统的负荷节点数;分别为燃气、电力、热力系统第i个负荷的节点碳势;分别表示燃气、电力及热力系统的平均节点碳势。

      利用燃气、电力及热力系统的平均碳势计算IES平均节点碳势,公式如下:

      式中:Eave为IES平均碳势。

      若采取上述公式(33)定义的IES平均碳势来进行优化计算,如果某一能源子系统例如热力系统,出现节点数目多、节点负荷数值小的情况,由式(31)可以看出,负荷节点功率p越小,则降低单位节点碳势E所需要减小的节点碳流率Rload越小,即所需要减少的CO2排放越少,因此在这种情况下,热力系统少量的碳排放就可以显著降低节点碳流率与节点碳势,从而大大降低系统平均碳势,优化模型将选择优先减少热力系统碳势,这样无法通过优化模型实现显著降低碳排放,显然是不合理的,这充分说明式(33)定义的IES平均碳势无法正确反映系统整体碳排放水平。

      综上分析,本文提出一种系统加权平均碳势的概念,通过碳流计算得到的各能源子系统的源碳流率Rsource可以反映出各子系统的节点负荷大小以及碳排放强度,如果采用各能源子系统的源碳流率Rsource的占比作为对应子系统的节点碳势权重,则可以克服各能源子系统之间负荷节点数目和负荷大小的量级不对等缺陷,针对各能源子系统的碳流排放合理分配各能源子系统的节点碳势权重,节点碳势权重可视为与各能源子系统的减碳灵敏度有强负相关性,若某系统节点碳势权重越小,则其减碳优先级越高,说明该系统的减碳灵敏度越高,可以避免优化过程中只会选择单一系统的极端情况,实现多个能源子系统同时参与优化,从而显著降低碳排放,WSACP公式如下:

      式中:Eave表示WSACP;φGφEφH分别表示燃气、电力及热力系统节点碳势权重;RGRERH表示燃气、电力及热力系统源端碳流率;nsourceGnsourceEnsourceH分别表示燃气、电力及热力系统中源节点个数;分别表示燃气、电力及热力系统第i个源节点的碳流率。

      3 低碳最优配置的约束条件

      3.1 新能源出力约束

      新能源出力要满足新能源运行约束,即风光机组发电功率以及地源热泵制热功率不能超出上下限范围[26]

      式中:分别为光伏和风电机组t时刻发电功率;表示地源热泵t时刻的制热功率;分别为风、光发电机组出力的上下限约束;分别为地源热泵制热功率的上下限约束。

      3.2 电网潮流平衡约束

      电网潮流要满足潮流平衡约束,即有功和无功功率在每个节点处于平衡:

      式中:Pi(t)、Qi(t)表示t时刻注入i节点的有功功率和无功功率;GijBijδij表示节点i和节点j之间的电导、磁化率和相位差。

      3.3 节点电压约束

      电网节点电压要满足约束节点电压约束,即不能超出节点电压上下限范围:

      式中:分别为i节点的电压上下限约束。

      3.4 线路传输功率约束

      线路的传输功率要满足线路传输功率约束,即不能超过线路传输功率极限:

      式中:Pij(t)表示分支ijt时刻的传输功率;表示分支ij的传输功率极限。

      3.5 天然气掺氢上限约束

      将氢气掺进天然气中后形成的混合气体对氢气含量有一定的限制:

      式中:αmax为天然气掺氢比例,规定混合气体中氢气比例上限不超过5%。

      3.6 碳捕集装置容量约束

      燃烧前碳捕集封存设备捕捉的是呈一定比例的天然气与空气混合气体中的CO2

      式中:为燃烧前碳捕集封存设备捕捉的CO2量;为燃烧前碳捕集封存设备捕捉CO2量的上限。

      燃烧后碳捕集封存设备捕捉的为燃烧后排放烟气中的CO2,主要来源于燃气燃烧生成的CO2

      式中:为燃烧后碳捕集封存设备捕捉的CO2量;为燃烧后碳捕集封存设备捕捉CO2量的上限。

      4 求解算法

      本文利用NSGA-Ⅱ遗传算法在MATLAB仿真平台上迭代求解。遗传算法是一种随机全局搜索优化方法,它模拟了自然选择和遗传中发生的复制、交叉和变异等现象,从任一初始种群出发,通过随机选择、交叉和变异操作,使群体进化到搜索空间中越来越好的区域,从而求得决策变量的优质解[27]。该减碳模型的决策变量为各类型减碳装置的新建容量。变量确定与求解步骤如下,流程图如图5所示。

      图5 综合能源系统多目标低碳最优配置模型求解流程
      Fig.5 Solution process for multi-objective low-carbon optimal configuration model of comprehensive energy system

      1)步骤1:确定各减碳装置建设容量,以各减碳装置新建容量作为染色体。

      2)步骤2:对种群中所有染色体个体进行非支配排序和拥挤度计算,得到种群中每个染色体的优劣情况。

      3)步骤3:采用竞标法选择适合繁殖的父代。具体方法为每次随机选择2个个体,优先选择排序等级较高的个体,如果排序等级一样,则优选选择拥挤度较大的个体。

      4)步骤4:选择出的父代染色体进行交叉变异产生子代染色体种群。

      5)步骤5:合并父代和子代种群,形成新的种群,并重新进行非支配排序和拥挤度计算,对新种群进行快速非支配排序。

      6)步骤6:采用精英选择策略,从新种群中选择出相应的优先级个体,进入下一循环。

      7)步骤7:重复上述过程,直到达到最大迭代次数,输出各装置新建容量得到最终的减碳方案。

      5 算例分析

      5.1 算例描述

      本文选择一个典型区域综合能源系统进行分析,该典型区域综合能源系统包含电、气、热网和一个典型能源站,如图6所示。其中14节点配电网改编自IEEE-14节点配电系统,25节点配气网和32节点区域热网选用现有算例拓扑数据[21]。能源站(energy hub,EH)耦合电、气、热3网,其中,E表示配电系统母线(节点);G表示配气系统节点;N表示区域热网负荷节点,耦合节点分别为E16、G7和N1,G0和E0分别表示气网和配电网接入上级电网的节点。EH工作在以热定电模式上,其电出力范围0~5 MW,热负荷2.057 2 MW,自用电1.5 MW,能源转换设备包括变压器(transformer,T)、热电联产设备(cogeneration,combined heat and power,CHP)和燃气锅炉(gas boiler,GB),转换效率如附录表1所示。取CHP的天然气分配系数υ=0.5,设计系统运行时间为1 a。

      表1 电力系统基态碳流结果
      Table 1 Ground state carbon flow results of the power system

      节点编号节点碳势/ (t· (MWh)-1)负荷碳流率/ (t· h-1)备注E10.4500.000电源节点E20.4342.090电源节点E30.4138.594电源节点E40.4394.705 E50.4430.775 E60.3400.843电源节点E70.4450.000 E80.4500.000电源节点E90.4432.910连接EH E100.4290.861 E110.3400.269 E120.3400.459 E130.3341.022 E140.4201.393

      图6 算例示意图
      Fig.6 Schematic diagram of example

      5.2 基态系统的碳流分布计算

      本文采用文献[28]的区域综合能源系统的碳流计算方法,计算获得加入多能减碳装置前的基态系统的碳流分布、节点电势以及综合能源系统总碳排放的基态数据,如表1、表2所示。

      表2 燃气系统基态碳流结果
      Table 2 Ground state carbon flow results of gas system

      节点编号节点碳势/ (t· (MWh)-1)负荷碳流率/ (t· h-1)备注G10.2500.000 G20.2500.000 G30.2500.108 G40.2500.954 G50.2500.362 G60.2500.000 G70.2500.895连接能源站G80.2502.953 G90.2500.000 G100.2500.112 G110.2500.208 G120.2500.602 G130.2500.521 G140.2500.000 G150.2500.586 G160.2500.664 G170.2500.375 G180.2500.436 G190.2501.265 G200.2500.259 G210.2500.000 G220.2500.412 G230.2500.443 G240.2500.262 G250.250-11.418气源节点

      根据电网以及热网碳流结果计算得到系统全域碳排法放量为35.34 t/h,WSACP为0.349 t/MWh,以此值为基准记作,然后定义3种多能减碳装置配置方案A、B、C的减碳效果分别为0.5,0.2,0,最后基于上述低碳最优配置模型分别得到相应的碳排放要求下碳减排方案。

      5.3 最优配置方案

      采用NSGA-Ⅱ算法对上述多目标低碳最优配置问题进行求解,得到帕累托解集如图7所示。

      图7 多目标低碳最优配置帕累托解集
      Fig.7 Multi-objective low carbon optimal configuration Pareto solution set

      5.2节描述的基态情况对应的系统加权平均碳势为0.349 t/MWh。从帕累托解集选取3个最优配置方案进行分析,图中方案A的系统加权平均碳势为0.169 t/MWh,约为基准值的0.5倍,配置方案的成本为1776万元,设置为A方案点;图中方案B的系统加权平均碳势为0.063 t/MWh,约为基准值的0.2倍,配置方案的成本为3339万元,设置为B方案点;图中方案C的系统加权平均碳势为0.005 t/MWh,该方案对应的系统平均加权碳势接近于零,配置方案的成本为5063万元,设置为C方案点。3个最优配置方案的数据如图8和表3所示。

      表3 3个最优配置方案对应的碳势与权重数据
      Table 3 Carbon potential and weight data corresponding to the three optimal configuration schemes

      方案名称系统加权平均碳势/(t·(MWh)-1)气网节点碳势权重/(t·(MWh)-1)方案A0.1580.1650.6080.1410.392方案B0.063000.0631.000方案C0.005000.0051.000电网加权平均碳势/(t·(MWh)-1)电网节点碳势权重/(t·(MWh)-1)气网加权平均碳势/(t·(MWh)-1)

      图8 3个最优配置方案成本与加权平均碳势
      Fig.8 Three optimal allocation scheme cost and weighted average carbon potential

      由表3可知,方案B和方案C的配置方案中,电力系统消纳新能源发电代替了电力系统外购电,间接消除了CO2排放,因此电网加权平均碳势、电网节点碳势权重都为零,即2个方案中电力系统已经实现零碳排,由于各系统的节点碳势权重与减碳灵敏度具有强负相关性,节点碳势权重越低对应的系统减碳灵敏度越高,可知电力系统降低碳排放的优先级高于燃气系统。结合图7分析,方案C的WSACP最小,除了电力系统已经实现零碳排之外,气网加权平均碳势也接近于零为0.005 t/MWh,这是因为在方案C的配置方案中,燃气系统中掺氢代替大部分外购天然气,理论上可以实现零碳排,但是因其制造、运输以及储存成本较高,且对输送管道的要求高而使用受到限制,对燃气系统的减排效果较小,所以燃气系统中碳减排更多依赖碳捕集封存设备,而碳捕集封存设备并不能完全捕捉系统排放的CO2,故气网加权平均碳势不能完全为零。

      3种最优方案与5.2节所述基态系统的多能减碳装置容量配置如表4所示。

      表4 多能减碳装置的3种最优配置方案与基态系统对比
      Table 4 Comparison of three optimal configuration schemes of multi-energy carbon reduction device and ground state system

      注:风力发电、光伏发电、地源热泵配置单位为MW;燃烧前碳捕集、燃烧后碳捕集、空气碳捕集配置单位为t/h。

      地源热泵方案A3.54710.9060.4324.56800方案B6.07118.6670.4304.63600.237方案C5.98718.8940.4326.8453.0710.264基态系统对照000000减碳装置风力发电光伏发电燃烧前碳捕集燃烧后碳捕集空气碳捕集

      3种最优配置方案下燃烧前碳捕集封存设备配置相同,其原因是燃烧前可捕集与封存的CO2与天然气使用量有一定比例关系,且燃烧前碳捕集与封存成本小,所以在方案A时燃烧前碳捕集与封存规模已经达到了上限。

      另外,方案C与前2种方案相比,配置了空气碳捕集封存设备,其原因是当电力系统中新能源配置达到上限且燃气系统中燃烧前和燃烧后碳捕集与封存的CO2量达到上限时仍不能满足全域零碳排,只能增加空气碳捕集封存设备来满足系统的零碳需求。

      3种最优配置方案的总成本,包括各类型减碳装置成本以及碳减排收益如图9所示。

      图9 3种最优配置方案下各类型减碳装置成本以及碳减排收益
      Fig.9 Costs and benefits of carbon reduction devices under three optimal configuration schemes

      3种方案下各类型装置减碳量以及全域减碳量如表5所示。

      表5 3种最优配置方案及基态系统各类型减碳装置减碳量
      Table 5 Three optimal configuration schemes and carbon reduction amount of each type of carbon reduction device in ground state system t

      减碳装置总减碳量方案A122 483378246 62900149 910159 668方案B209 641397649 4070817855 884253 694方案C209 539400164 45626 90391104435305 143清洁能源发电燃烧前碳捕集燃烧后碳捕集空气碳捕集地源热泵碳排放总量基态系统对照00000309 5780

      对比图9与表5中各类型减碳装置成本、减碳量以及碳减排收益情况可知,方案A的减碳装置配置总成本为4632万元,碳减排收益为2856万元;方案B的减碳装置配置总成本为7911万元,碳减排收益为4572万元;方案C的减碳装置配置总成本为10 381万元,碳减排收益为5318万元。使用地源热泵和碳捕集封存设备后的减碳量与碳减排收益大幅提升,但同时各类减碳装置的配置成本也有所增加。故各类型综合能源系统应根据本系统的能源利用情况,综合考虑成本与碳减排带来的收益,选择适用于本系统的减碳装置配置方案。

      6 结论

      传统研究中,电力系统使用风电、光伏等可再生能源发电替代外购电实现减碳,本文在以往研究的基础上,提出了一种面向综合能源系统的多能减碳装置最优配置的多目标优化模型,将可再生能源的范畴扩展到地热、掺氢等热力、燃气系统领域,并将碳捕集封存设备和可再生能源这2类特性不同的多能减碳装置统一进行建模,使综合能源系统中利用清洁能源减碳的思路多元化。

      碳捕集封存设备和可再生能源是2类不同属性的减碳装置,电力、燃气、热力系统中采用碳捕集封存设备,可以直接降低各能源系统的CO2排放量,相当于直接影响综合能源系统的碳流分布;而风能、太阳能、地热能等可再生能源与天然气掺氢技术,则是通过影响综合能源系统的能流分布,进而间接影响系统碳流分布,从而降低碳排放量。

      本文提出了系统加权平均碳势(WSACP)的概念,以经济性成本和WSACP最小为目标函数,建立多目标最优配置模型,求解多能减碳装置的建设方案与成本。系统加权平均碳势既可作为系统目标函数之一,也可作为一种系统减碳灵敏度指标,引导各能源子系统公平合理地参与减碳优化过程。

      考虑到文章数据的滞后性和模型的局限性,在后续研究中将会考虑更多类型的多能减碳装置的应用,采用更具时效性的数据来分析减碳效果,同时考虑源荷的强不确定性和强相关性特征对WSACP的影响建模,寻求更合理更科学的减碳方案。

      附录A 算例测试系统参数

      表A1 能源站运行参数
      Table A1 Operating parameters of energy hub

      能源站运行参数转换效率或分配系数CHP效率产热:40%;产电:30%GB效率85%T效率98%CHP分配天然气系数0.5 GB分配天然气系数0.5

      表A2 配电网节点参数
      Table A2 Distribution network node parameters

      节点编号节点类型有功功率/MW无功功率/MW电导/S电纳/S电压相位/ (°)电压上限/pu电压下限/pu 13000001.060.94 2221.712.700-4.981.060.94 3294.21900-12.721.060.94 4147.8-3.900-10.331.060.94 517.61.600-8.781.060.94 6211.27.500-14.221.060.94 710000-13.371.060.94

      续表

      节点编号节点类型有功功率/MW无功功率/MW电导/S电纳/S电压相位/ (°)电压上限/pu电压下限/pu 820000-13.361.060.94 9129.516.6019-14.941.060.94 10195.800-15.11.060.94 1113.51.800-14.791.060.94 1216.11.600-15.071.060.94 13113.55.800-15.161.060.94 14114.9500-16.041.060.94

      表A3 发电机节点参数
      Table A3 Generator node parameter

      节点编号有功功率/MW无功功率/MW无功上限/MW无功下限/MW电压幅值/pu基准功率/MW有功上限/MW有功下限/MW 112001001.06100332.40 240050-401.0451001400 36004001.011001000 619024-61.071001000 820024-61.091001000

      表A4 分支参数
      Table A4 Branch parameter

      起始节点支路电纳/S 120.019 380.059 170.052 8 150.054 030.223 040.049 2 230.046 990.197 970.043 8 240.058 110.176 320.034 0 250.056 950.173 880.034 6 340.067 010.171 030.012 8 450.013 350.042 110 4700.209 120 4900.556 180 5600.252 020 6110.094 980.198 900 6120.122 910.255 810 6130.066 150.130 270 7800.176 150 7900.110 010 9100.031 810.084 500 9140.127 110.270 380终止节点支路电阻/Ω支路电抗/Ω

      续表

      起始节点支路电纳/S 10110.082 050.192 070 12130.220 920.199 880 13140.170 930.348 020终止节点支路电阻/Ω支路电抗/Ω

      表A5 热网支路参数
      Table A5 Branch parameters of heat supply network

      管道起始节点粗糙度/mm 1120.125257.60.000 4 2230.0497.50.000 4 3240.04510.000 4 4250.159.50.000 4 5560.032271.30.000 4 6570.065235.40.000 4 7780.04177.30.000 4 8790.04102.80.000 4 97100.04247.70.000 4 105110.1160.80.000 4 1111120.04129.10.000 4 1211130.1186.10.000 4 1313140.08136.20.000 4 1414150.0541.80.000 4 1515160.032116.80.000 4 1615170.032136.40.000 4 1714180.032136.40.000 4 1814190.0844.90.000 4 1919200.032136.40.000 4 2019210.0321340.000 4 2119220.06541.70.000 4 2222230.032161.10.000 4 2322240.032134.20.000 4 2422250.06552.10.000 4 2525260.0321360.000 4 2625270.032123.30.000 4 2725280.0461.80.000 4 2828290.03295.20.000 4 2928300.032105.10.000 4 3031280.12570.60.000 4 313170.125261.80.000 4 3232110.125201.30.000 4终止节点管道直径/mm管道长度/m

      表A6 气网支路参数
      Table A6 Gas network branch parameters

      管道起始节点终止节点管道直径/mm管道长度/m 12510.25803.03 2120.1740.11 3230.081 139.17 4340.08744.27 5450.04351.32 6160.225870.73 7670.225587.24 8780.2237.94 9890.15278.39 109100.07421.86 1110110.071 321.18 1211120.07845.06 139130.151 613.8 1413140.125975.39 1514150.125842.79 1615210.125261.61 1721160.1294.09 1816170.07358 1917180.051 956.45 2018190.04307.71 2120190.07923.57 2221200.08675.16 2314220.07702.92 2422230.05677.05 2522240.05234.52

      表A7 碳捕集封存设备各环节成本
      Table A7 Cost of each link of carbon capture device

      注:成本包括了固定成本和运行成本[29-33]

      碳捕环节捕集成本/ (元・t-1)燃烧前捕集100~180燃烧后捕集230~310空气碳捕集400~600二氧化碳封存50~60

      表A8 清洁能源机组安装及运行成本数据
      Table A8 Clean energy unit installation and operation cost data

      设备类型建设成本/ (万元・kW-1)运维成本/ (万元・kW-1)风力发电0.975[34]0.304[34]光伏发电0.628[35]0.04[35]地源热泵0.386[36]0.186[36]

      参考文献

      1. [1]

        苏义脑.中国碳达峰碳中和与能源发展战略的认识与思考[J].世界石油工业,2022,29(4):7-11.SU Yinao.Understandings and thinkings of China’s carbon peaking, carbon neutrality and energy development strategies[J].World Petroleum Industry, 2022, 29(4): 7-11(in Chinese). [百度学术]

      2. [2]

        米剑锋,马晓芳.中国CCUS技术发展趋势分析[J].中国电机工程学报,2019,39(9):2537-2544.MI Jianfeng, MA Xiaofang.Development trend analysis of carbon capture, utilization and storage technology in China[J].Proceedings of the CSEE, 2019, 39(9): 2537-2544(in Chinese). [百度学术]

      3. [3]

        张浩,陆海,罗恩博,等.考虑资源灵活性的多区域综合能源系统协同调度[J].电网与清洁能源,2024,40(9):148-154.ZHANG Hao, LU Hai, LUO Enbo, et al.Coordinated scheduling of multi-region integrated energy systems considering resource flexibility[J].Power System and Clean Energy, 2024, 40(9): 148-154(in Chinese). [百度学术]

      4. [4]

        赵佩尧,李正烁,高晗,等.电-气-热综合能源系统协同调度优化研究综述[J].山东电力技术,2024,51(4):1-11.ZHAO Peiyao, LI Zhengshuo, GAO Han, et al.Review on collaborative scheduling optimization of electricity-gas-heat integrated energy system[J].Shandong Electric Power, 2024,51(4):1-11(in Chinese). [百度学术]

      5. [5]

        李剑峰,姜涛,窦文雷,等.电-热-氢综合能源系统鲁棒区间优化调度[J].电力工程技术,2024,43(2):44-54.LI Jianfeng, JIANG Tao, DOU Wenlei, et al.Robust interval optimal dispatch of integrated electricity and district heating system[J].Electric Power Engineering Technology, 2024,43(2): 44-54(in Chinese). [百度学术]

      6. [6]

        柳劲松,马宁宁,刘舒.高比例风电系统宽频振荡紧急控制策略研究[J].全球能源互联网,2024,7(5):558-566.LIU Jinsong, MA Ningning, LIU Shu.Study on emergency control strategy of wideband oscillation in power systems with high-percentage wind power[J].Journal of Global Energy Interconnection, 2024, 7(5): 558-566. [百度学术]

      7. [7]

        张野,李凤婷,张高航,等.考虑风电爬坡备用需求的风电高渗透电力系统优化调度方法[J].电力系统保护与控制,2024,52(23):95-106.ZHANG Ye, LI Fengting, ZHANG Gaohang, et al.Optimization and scheduling methods for wind power highpenetration power systems considering wind power ramping reserve requirements[J].Power System Protection and Control,2024, 52(23): 95-106(in Chinese). [百度学术]

      8. [8]

        勾奕昀,郑竞宏,刘壮,等.基于锁相环相位补偿的光伏逆变器低电压穿越快速无功控制[J].电力系统保护与控制,2024,52(24):85-96.GOU Yiyun, ZHENG Jinghong, LIU Zhuang, et al.A low voltage ride-through rapid reactive power control method for a PV inverter based on phase compensation of a phase-locked loop[J].Power System Protection and Control, 2024, 52(24):85-96(in Chinese). [百度学术]

      9. [9]

        杨峻,彭乔,蔡永翔,等.考虑最大功率点估计模型校准的光伏功率备用控制[J].电力工程技术,2024,43(6):12-20.YANG Jun, PENG Qiao, CAI Yongxiang, et al.Power reserve control of photovoltaic system considering parameter correction in maximum power point estimation[J].Electric Power Engineering Technology, 2024, 43(6): 12-20(in Chinese). [百度学术]

      10. [10]

        肖筱瑜,谷娟平,梁文寿,等.二氧化碳捕集、封存与利用技术应用状况[J].广州化工,2022,50(3):26-29.XIAO Xiaoyu, GU Juanping, LIANG Wenshou, et al.Application of carbon dioxide capture, storageand utilization technology[J].Guangzhou Chemical Industry, 2022, 50(3): 26-29(in Chinese). [百度学术]

      11. [11]

        顾永正,王天堃,黄艳,等.燃煤电厂二氧化碳捕集利用与封存技术及工程应用[J].洁净煤技术,2023,29(4):98-108.GU Yongzheng, WANG Tiankun, HUANG Yan, et al.Carbon dioxide capture, utilization and storage technology and engineering application for coal-fired power plants[J].Clean Coal Technology, 2023, 29(4): 98-108(in Chinese). [百度学术]

      12. [12]

        ZHENG Y, DONG Z Y, LUO F J, et al.Optimal allocation of energy storage system for risk mitigation of DISCOs with high renewable penetrations[J].IEEE Transactions on Power Systems, 2014, 29(1): 212-220. [百度学术]

      13. [13]

        仲冰,张学秀,张博,等.我国天然气掺氢产业发展研究[J].中国工程科学,2022,24(3):100-107.ZHONG Bing, ZHANG Xuexiu, ZHANG Bo, et al.Industrial development of hydrogen blending in natural gas pipelines in China[J].Strategic Study of CAE, 2022, 24(3): 100-107(in Chinese). [百度学术]

      14. [14]

        尹诗,李振兴,韩贝贝.地源热泵技术节能性分析[J].能源与环保,2020,42(9):138-142.YIN Shi, LI Zhenxing, HAN Beibei.Energy saving analysis of ground source heat pump technology[J].China Energy and Environmental Protection, 2020, 42(9): 138-142(in Chinese). [百度学术]

      15. [15]

        吴昊,任鑫,朱俊杰.发电行业二氧化碳排放监测技术现状与综述[J].热力发电,2023,52(7):1-13.WU Hao, REN Xin, ZHU Junjie.Current situation and review of carbon dioxide emission monitoring technology in power generation industry[J].Thermal Power Generation, 2023,52(7): 1-13(in Chinese). [百度学术]

      16. [16]

        杨毅,易文飞,王晨清,等.基于碳排放流理论的园区综合能源系统低碳经济调度[J].电力建设,2022,43(11):33-41.YANG Yi, YI Wenfei, WANG Chenqing, et al.Low-carbon economic dispatching of park integrated energy system applying carbon emission flow theory[J].Electric Power Construction, 2022, 43(11): 33-41(in Chinese). [百度学术]

      17. [17]

        周天睿,康重庆,徐乾耀,等.电力系统碳排放流分析理论初探[J].电力系统自动化,2012,36(7):38-43.ZHOU Tianrui, KANG Chongqing, XU Qianyao, et al.Preliminary theoretical investigation on power system carbon emission flow[J].Automation of Electric Power Systems,2012, 36(7): 38-43(in Chinese). [百度学术]

      18. [18]

        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 Houhe, MAO Wenling, ZHANG Rufeng, et al.Lowcarbon optimal scheduling of a power system source-load considering coordination based on carbon emission flow theory[J].Power System Protection and Control, 2021, 49(10):1-11(in Chinese). [百度学术]

      19. [19]

        赵伟,熊正勇,潘艳,等.计及碳排放流的电力系统低碳规划[J].电力系统自动化,2023,47(9):23-33.ZHAO Wei, XIONG Zhengyong, PAN Yan, et al.Low-carbon planning of power system considering carbon emission flow[J].Automation of Electric Power Systems, 2023, 47(9): 23-33(in Chinese). [百度学术]

      20. [20]

        RUIZ P A, RUDKEVICH A.Analysis of marginal carbon intensities in constrained power networks[C]//2010 43rd Hawaii International Conference on System Sciences.January 5-8, 2010, Honolulu, HI, USA.IEEE, 2010: 1-9. [百度学术]

      21. [21]

        吴静,刘轩宇,李响等.考虑网损的电力系统节点边际碳势理论研究与建模[J/OL].中国电力,1-11[2023-12-14].WU Jing, LIU Xuanyu, LI Xiang, et al.Theoretical research and modeling of marginal carbon potential of power system nodes considering network loss[J/OL].Electric Power,1-11[2023-12-14]. [百度学术]

      22. [22]

        陆波,兰飞,姚知洋,等.风力发电机组限功率双重优化协调控制策略[J].电力建设,2018,39(10):54-62.LU Bo, LAN Fei, YAO Zhiyang, et al.Dual optimal coordinated curtailment control of wind turbine generator[J].Electric Power Construction, 2018, 39(10): 54-62(in Chinese). [百度学术]

      23. [23]

        赵唯嘉,张宁,康重庆,等.光伏发电出力的条件预测误差概率分布估计方法[J].电力系统自动化,2015,39(16):8-15.ZHAO Weijia, ZHANG Ning, KANG Chongqing, et al.A method of probabilistic distribution estimation of conditional forecast error for photovoltaic power generation[J].Automation of Electric Power Systems, 2015, 39(16): 8-15(in Chinese). [百度学术]

      24. [24]

        葛业斌,张步涵,颜秋容.光伏发电系统输出功率分布模型研究[J].湖北工业大学学报,2012,27(1):14-17.GE Yebin, ZHANG Buhan, YAN Qiurong.The output power sistribution mode of PV system[J].Journal of Hubei University of Technology, 2012, 27(1):14-17(in Chinese). [百度学术]

      25. [25]

        穆玄,裴鹏,杨斌,等.岩溶地区竖直埋管热泵系统建设成本分析:以某地源热泵项目为例[J].建筑经济,2022,43(增刊1):299-304.MU Xuan, PEI Peng, YANG Bin, et al.Construction cost analysis of vertical buried heat pump system in Karst area:Taking a ground source heat pump project as an example[J].Construction Economy, 2022, 43(S1): 299-304(in Chinese). [百度学术]

      26. [26]

        VERMA N, KUMAR N, GUPTA S, et al.Review of subsynchronous interaction in wind integrated power systems:classification, challenges, and mitigation techniques[J].Protection and Control of Modern Power Systems, 2023, 8(2):1-26. [百度学术]

      27. [27]

        QIU Y B, LI Q, AI Y X, et al.Two-stage distributionally robust optimization-based coordinated scheduling of integrated energy system with electricity-hydrogen hybrid energy storage[J].Protection and Control of Modern Power Systems,2023, 8(1): 33. [百度学术]

      28. [28]

        曹逸滔,王丹,贾宏杰,等.考虑多能碳流约束的区域综合能源系统双层博弈扩展规划[J].电力系统自动化,2023,47(7):12-22.CAO Yitao, WANG Dan, JIA Hongjie, et al.Bilevel Nash-Stackelberg game expansion planning of regional integrated energy system considering multi-energy carbon flow constraints[J].Automation of Electric Power Systems, 2023,47(7): 12-22(in Chinese). [百度学术]

      29. [29]

        王枫,朱大宏,鞠付栋,等.660 MW燃煤机组百万吨CO2捕集系统技术经济分析[J].洁净煤技术,2016,22(6):101-105.WANG Feng, ZHU Dahong, JU Fudong, et al.Technology and economy analysis of 660 MW coal-fired power unit with 1 Mt/a CO2 capture system[J].Clean Coal Technology, 2016, 22(6):101-105(in Chinese). [百度学术]

      30. [30]

        刘佳佳,赵东亚,田群宏,等.CO2捕集、运输、驱油与封存全流程建模与优化[J].油气田地面工程,2018,37(10):1-5.LIU Jiajia, ZHAO Dongya, TIAN Qunhong, et al.Modeling and optimization of the whole process of CO2 capture,transportation, oil displacement and storage[J].Oil-Gas Field Surface Engineering, 2018, 37(10): 1-5(in Chinese). [百度学术]

      31. [31]

        蔡博峰,庞凌云,曹丽斌,等.《二氧化碳捕集、利用与封存环境风险评估技术指南(试行)》实施2年(2016—2018年)评估[J].环境工程,2019,37(2):1-7.CAI Bofeng, PANG Lingyun, CAO Libin, et al.Two-year implementation assessment (2016-2018) of China’s technical guideline on environmental risk assessment for carbon dioxide capture, utilization and storage (on trial)[J].Environmental Engineering, 2019, 37(2): 1-7(in Chinese). [百度学术]

      32. [32]

        魏宁,姜大霖,刘胜男,等.国家能源集团燃煤电厂CCUS改造的成本竞争力分析[J].中国电机工程学报,2020,40(4):1258-1265.WEI Ning, JIANG Dalin, LIU Shengnan, et al.Cost competitiveness analysis of retrofitting CCUS to coal-fired power plants[J].Proceedings of the CSEE, 2020, 40(4): 1258-1265(in Chinese). [百度学术]

      33. [33]

        王涛,刘飞,方梦祥,等.两相吸收剂捕集二氧化碳技术研究进展[J].中国电机工程学报,2021,41(4):1186-1196.WANG Tao, LIU Fei, FANG Mengxiang, et al.Research progress in biphasic solvent for CO2 capture technology[J].Proceedings of the CSEE, 2021, 41(4): 1186-1196(in Chinese). [百度学术]

      34. [34]

        辛悦.风力发电项目成本核算研究:以H风电场为例[D].西安:西安理工大学,2018.XIN Yue.Study on cost accounting of wind power generation project: taking H wind farm as an example[D].Xi’an: Xi’an University of Technology, 2018(in Chinese). [百度学术]

      35. [35]

        王永利,高铭晨,陶思艺,等.能源互联网光伏系统全寿命成本核算方法研究[J].煤炭经济研究,2020,40(11):25-32.WANG Yongli, GAO Mingchen, TAO Siyi, et al.Research on the life cycle cost accounting method of energy Internet photovoltaic system under low carbon background[J].Coal Economic Research, 2020, 40(11): 25-32(in Chinese). [百度学术]

      36. [36]

        SHEIKHI A, RANJBAR A M, SAFE F, et al.CHP optimized selection methodology for an energy hub system[C]//2011 10th International Conference on Environment and Electrical Engineering.May 8-11, 2011, Rome, Italy.IEEE, 2011: 1-5. [百度学术]

      基金项目

      国家电网有限公司总部科技项目(5100-202116567A-0-5-SF)。

      Science and Technology Foundation of SGCC (5100-202116567A-0-5-SF).

      作者简介

      • 刘继彦

        刘继彦(1984),男,硕士,高级工程师,主要从事电力市场管理研究。

      • 王瑞琪

        王瑞琪(1986),男,博士,正高级工程师,主要从事综合能源和新型储能技术研究。通信作者,E-mail:13698622826@163.com。

      • 朱峰

        朱峰(1981),男,硕士,高级工程师,主要从事电力营销研究。

      • 王者龙

        王者龙(1988),男,硕士,工程师,主要从事电力物联网末端感知技术、电能计量和电力营销研究。

      • 刘政

        刘政(1992),男,硕士,工程师,主要从事节能及综合能源服务、电力需求侧管理研究。

      • 胡文博

        胡文博(1995),男,硕士,工程师,主要从事综合能源系统优化运行和需求侧管理研究。

      出版信息

      文章编号:2096-5125 (2025) 02-0224-15

      中图分类号:TM773

      文献标志码:A

      DOI:10.19705/j.cnki.issn2096-5125.2025.02.010

      收稿日期:2023-10-18

      修回日期:

      出版日期:2025-03-26

      引用信息: 刘继彦,王瑞琪,朱峰等.区域综合能源系统多能减碳装置多目标最优配置研究[J].全球能源互联网,2025,8(2):224-238 .LIU Jiyan, WANG Ruiqi, ZHU Feng,et al.Research on Multi-objective Optimal Allocation of Multi-energy Carbon Reduction Devices in Regional Integrated Energy System[J].Journal of Global Energy Interconnection,2025,8(2):224-238 (in Chinese).

      (责任编辑 任大伟)
      分享给微信好友或者朋友圈

      使用微信“扫一扫”功能
      将此文章分享给您的微信好友或者朋友圈