考虑富氧燃烧技术的含光热发电与垃圾焚烧虚拟电厂协调优化调度

孟 明， 包志永， 陆 林， 薛宛辰

(华北电力大学 电气与电子工程学院，河北 保定 071003)

0 引 言

传统化石燃料的不断消耗,引发能源危机与温室效应[1,2]。可再生能源在电力系统中的占比越来越高,发展高比例新能源电力系统已成为全球共识[3]。通过多能互补手段使能源紧密互动是实现“清洁、低碳、高效”电力系统的有效途径[4]。

以燃气发电、碳捕集与封存(carbon capture and storage, CCS)为代表的低碳发电技术是当前实现电力行业低碳化发展的有效手段[5]。燃气-蒸汽联合循环热电联产系统可以高效率、低碳化运行[6],通过与CCS技术相结合不仅可使其实现零碳排放,而且具有更好地灵活调节能力。文献[7-8]指出作为灵活可控机组的碳捕集电厂是配合风电的理想供电源,可以有效提升风电的消纳能力。文献[9]引入了电转气-天然气电厂碳捕集(gas power plant carbon capture, GPPCC)协同利用框架,实现了碳循环利用的同时减少弃风。为提升碳捕集水平,文献[10]在电-气-热综合能源系统中引入富氧燃烧电厂,并对其运行机理进行了详细分析,因制氧投入较高,导致系统整体经济性较差。文献[11]利用电转气技术构建了包含氧气、天然气与二氧化碳的三管气网络,实现了三种气体循环利用,但成本较高,不利于系统的经济运行。

近年来,垃圾焚烧电厂及光热发电(concentrated solar power, CSP)等环境友好型发电单元快速发展,其良好的调节能力可配合风电、光伏并网,提升电力系统可再生能源消纳水平。因此,发展由碳捕集电厂、垃圾焚烧电厂、CSP电站与风电光伏组成的多能协同互补型分布式能源系统具有显著优势。虚拟电厂(virtual power plant, VPP)为多能互补系统的灵活调度提供了技术支持[12]。借助先进网络通信技术,VPP能够高效集成不同范围内的分布式能源,有效进行各单元间协同优化管理,进而达到良好的运行经济性。文献[13]构建了风电-光热-碳捕集VPP优化调度模型,考虑了风电及负荷不确定性在调度层面上的影响,但只考虑了电能这种单一的能量形式。文献[14]利用含烟气存储装置的垃圾焚烧电厂烟气处理能耗的时移特性,配合传统机组参与调峰获得了更高的效益。面对高比例新能源并网带来的威胁,探索如何使得VPP运行低碳经济的前提下,同时提高其新能源消纳能力的途径迫在眉睫。

综上,现有的文献中VPP较少涉及以富氧燃烧电厂、CSP电站及垃圾焚烧电厂等灵活可控发电单元所组成的多能互补系统及联合调度策略。为实现VPP的低碳经济运行,同时提升其新能源消纳能力,本文建立考虑了富氧燃烧技术的含光热发电与垃圾焚烧虚拟电厂优化调度模型。主要内容:将富氧燃烧技术同VPP低碳调度相结合,分析其运行特性对VPP调度的影响;构建富氧燃烧-GPPCC-电转氢(气)协同运行框架,实现内部资源的集约化利用;VPP内采用富氧燃烧-垃圾焚烧-风电/光伏联合运行模式,并配合广义储能系统运行,提升源荷两侧之间的协调特性;通过CSP电站参与供热,缓解富氧燃烧电厂电热耦合程度,提升系统供能的灵活性。最后,对6种不同运行场景进行仿真分析,证明了所提模型和策略使得VPP在低碳经济运行的同时,可以兼顾平抑负荷波动并有效提升新能源的消纳能力。

1 VPP多能互补结构与原理

本文所构建的VPP系统的源侧包含灵活调节发电单元(富氧燃烧电厂、垃圾焚烧电厂和光热电站)和不可控新能源发电单元(风电和光伏)。其中富氧燃烧电厂由燃气机组、空气分离系统(air separation unit, ASU)、压缩净化系统(compression purification unit, CPU)组成;垃圾焚烧电厂由垃圾焚烧发电机组、烟气处理装置(flue gas treatment unit, FGTU)和烟气存储装置(flue gas storage, FGS)组成。能量耦合设备单元包含电转气的电解池(electrolysis cell, EC)和甲烷化反应器(methane reactor, MR)、氢燃料电池(hydrogen fuel cell, HFC)、余热锅炉(waste heat boiler, WHB)、电加热器(electric heat, EH)。能量存储设备单元包含储氢罐(hydrogen storage tank, HST)和储氧罐(oxygen storage tank, OST)。电负荷由常规负荷、削减负荷(reducible load, RL)和转移负荷(transferable load, TL)构成。EC、HST和HFC构成电热氢耦合的氢储能系统,利用HFC良好的电热特性进行热电联供。CSP电站与EH通过联合运行来实现电-热能双向转换,配合富氧燃烧电厂进行供热,从而缓解富氧燃烧电厂的电热耦合程度,释放热电联产机组的灵活调峰能力,热负荷主要由两者协同提供。VPP智能调度中心依靠能量管理系统制定系统内各单元的联合运行调度指令[12]。

2 富氧燃烧电厂独立运行时的能量转移特性分析

2.1 富氧燃烧碳捕集技术原理

富氧燃烧技术是用氧气和部分循环CO2气体混合物来替代空气助燃,化石燃料在富氧(含氧量大于21%)空气中燃烧,使烟气产生高浓度CO2,从而易于捕获[15]。文献[16]中指出相比于燃烧后碳捕集方式,富氧燃烧的能耗可减少35%。由于天然气富氧燃烧会产生设备无法承受的高温,需通过CO2循环降低燃烧温度,具体工作原理参考文献[17]。

2.2 富氧燃烧电厂能流分析

富氧燃烧电厂的碳捕集运行能耗由CPU与ASU两种能耗组成,ASU一般配备有OST,可以储存大量氧气[10],富氧燃烧电厂独立运行时的能流分析如图1所示。

图1 富氧燃烧电厂能流分析Fig.1 Energy flow analysis of oxy-fuel combustion power plant

从图1可知:电能主要流向负荷、CPU和ASU系统;电厂根据需求对CO2进行捕集并封存;富氧燃烧所需氧气由ASU和OST两者协同提供。负荷高峰期间,电厂可以通过降低ASU与CPU运行能耗来提高净出力,从而满足负荷需求。

不同捕集方法下碳捕集电厂净出力对比如图2所示。在负荷较高时,燃烧后碳捕集电厂的出力增加,会使电厂的碳排放量增加,若对其进行全额捕集,碳捕集运行能耗会很大,从而导致电厂的净出力降低,这与负荷需求产生冲突。而富氧燃烧电厂可通过降低ASU运行能耗来提高净输出功率,但不影响碳捕集水平。负荷低谷时期,燃烧后碳捕集电厂可通过捕集CO2降低最小净出力,扩大运行范围。但此时电厂总输出功率低,产生的CO2量少,因此可调整的净出力范围有限。若采用富氧燃烧碳捕集,可通过增加ASU运行能耗,将多余的氧气储存进OST中,使电厂具备更低的净输出功率下限和更大的出力范围。

图2 碳捕集电厂净输出功率对比Fig.2 Comparison of net output power of carbon capture power plants

由上述分析可知,富氧燃烧电厂可以利用ASU配合OST实现负荷转移,在多时段对其净出力进行调节。但受限于ASU负荷运行范围(60%到105%[18]),其独立运行时存在一定的局限性:第一,高峰负荷较大时,燃烧后碳捕集电厂的净出力能接近运行上限,高于富氧燃烧方式的净出力;第二,富氧燃烧削峰填谷效果会受到ASU最小工作状态与OST容量的制约。

2.3 富氧燃烧电厂净输出功率模型建立

根据图2遵循的能量守恒关系可知,独立运行时富氧燃烧电厂的数学模型表达如下:

(1)

由上式可推出富氧燃烧电厂净输出功率的表达式:

(2)

富氧燃烧电厂的净输出功率与烟气分流比、OST供氧量相关,通过改变储放氧量可以实现电厂净功率的灵活调节。根据ASU运行工况上下限,可知OST供氧量范围表达式如下:

(3)

富氧燃烧作为一项高效节能技术,可以提高烟气的热辐射强度、提高火焰的燃烧温度[19]。t时段燃气轮机热电联产功率关系为

(4)

3 考虑富氧燃烧技术的含光热发电与垃圾焚烧VPP调度模型

3.1 氢储能系统

本文将EC、HST和HFC构建为电热氢耦合的氢储能系统,为多能互补VPP提供一种清洁的电热源。构建的转化效率恒定的EC、热电比可调的HFC模型分别如下所示:

(5)

(6)

EC生成的氢气是HFC热电联产的唯一能量来源,构建的HST模型如下:

(7)

3.2 富氧燃烧-GPPCC-电转氢(气)子系统

富氧燃烧-GPPCC-电转氢(气)系统框架如图3所示。首先,利用电转氢生成的氢气副产物氧气作为燃气机组富氧燃烧的有效补充,从而减少ASU投入;其次,为降低其购气成本以及碳运输封存成本,MR设备利用捕集后的CO2生成甲烷。

图3 富氧燃烧-GPPCC-电转氢(气)系统框架Fig.3 Oxy-fuel combustion -GPPCC- P2G framework

图中:QN为富氧燃烧电厂净CO2排放量;QYF为运输封存的CO2量;QMR与QBUY分别为捕集的CO2量中给MR设备利用的量和从碳交易市场购买的CO2量;PWa、PVa分别为弃风和弃光功率。

3.2.1 富氧燃烧-GPPCC-电转氢(气)系统能耗及富氧燃烧电厂出力

富氧燃烧电厂的碳捕集能耗由VPP系统中参与联合调度的发电单元共同提供,富氧燃烧-GPPCC-电转氢(气)系统能耗及富氧燃烧电厂出力表达式如下:

(8)

3.2.2 富氧燃烧-GPPCC-电转氢(气)系统CO2利用量和天然气生成量

MR设备在t时段生成的甲烷体积表达式为

(9)

MR设备在t时段消耗的总CO2量表达式如下:

(10)

3.3 含FGS的垃圾焚烧电厂烟气处理模型

垃圾焚烧电厂的烟气必须经过净化处理后才能排放到大气当中。而通过FGS可以使其烟气处理能耗与发电环节之间的关系解耦,从而将烟气处理能耗按需要进行时段转移。烟气处理能耗模型为

(11)

3.4 富氧燃烧-垃圾焚烧-风电/光伏联合运行模式

为实现VPP系统的整体调度更为灵活,本文将富氧燃烧电厂、垃圾焚烧电厂与风电/光伏联合协调运行,联合运行时的模型表达式如下:

(12)

3.5 光热电站与电加热器联合运行模型

配有大容量储热系统的CSP 电站可实现灵活可控的电热耦合协调运行[13],能够有效缓解富氧燃烧电厂热电联产时的电热耦合程度,从而提升系统供能的灵活性。

3.5.1 CSP电站数学模型

CSP电站由集热系统、发电单元与储热系统(thermal energy storage, TES)3部分组成,输入CSP的热功率可由集热系统内的光场收集的热功率表示。CSP电站输出的电功率为

(13)

t时段光场向TES提供的储热量为

(14)

CSP电站的储热系统TES运行时还应满足:

(15)

CSP 电站参与VPP优化调度时,发电单元与TES系统会产生运维成本,t时段的运维成本为

(16)

式中:μfd与μcfr分别为CSP电站单位发电功率、TES单位充放热量的运维成本系数。

3.5.2 EH数学模型

EH作为重要的电-热转换设备,其转换效率接近100%[20]。EH出力模型如下:

(17)

3.6 广义储能模型

由上述2.2节中富氧燃烧电厂能流分析可知,若系统只考虑富氧燃烧电厂,则在低碳经济调度方面存在一定的局限性。因此,本文在荷侧引入响应快速的灵活性资源,配合富氧燃烧碳捕集技术,以此来实现两种手段在低碳特性上的优势互补,进一步挖掘VPP低碳调度的潜力。本文实际储能只考虑上述氢储能,虚拟储能部分包含RL与TL,其模型见参考文献[20],此处不再赘述。

3.7 优化目标函数

为体现所构建VPP系统的运行经济性,本文以系统运行成本最小化为目标,针对一天24 h的经济调度问题,综合考虑各聚合单元的约束条件,构建了优化调度模型,则VPP的优化目标为

F=min(CGN+CT+CYF+CYW+CVS+CCUR)

(18)

式中:目标函数包含6部分:CGN为VPP购能成本;CT为VPP碳交易成本;CYF为系统CO2运输封存成本;CYW为系统运维成本;CVS为虚拟储能的调用成本;CCUR为弃风弃光成本。

(19)

(20)

(21)

(22)

(23)

(24)

3.8 约束条件

3.8.1 系统平衡约束

1)电功率平衡约束

(25)

2)热功率平衡约束

(26)

3)氢气量平衡约束

(27)

3.8.2 富氧燃烧电厂运行约束

1)碳捕集能耗约束

(28)

2)OST运行约束

(29)

3)燃气机组出力约束

(30)

3.8.3 垃圾焚烧电厂运行约束

(31)

3.8.4 CSP电站运行约束

1)热功率平衡约束

(32)

2)TES系统平衡约束

(33)

3)发电单元约束

(34)

4 算例分析

VPP中电热负荷以及风电光伏出力的预测值见附录图A1;各聚合单元的参数见附录表A1;CSP电站运行参数见参考文献[20];VPP从电力市场购电的价格参考文献[4],其价格换算为人民币。

4.1 场景构建及综合对比分析

为验证本文所提考虑富氧燃烧技术的含光热发电与垃圾焚烧VPP协调调度模型的有效性,设置6种运行场景对比分析:

场景1,不考虑富氧燃烧技术,燃气电厂采用普通空气燃烧后碳捕集。

场景2,不考虑富氧燃烧-GPPCC-电转氢(气)协同运行,即不利用电转氢气副产物氧气且捕集后的CO2全部封存。

场景3,不考虑富氧燃烧-垃圾焚烧-风电/光伏联合运行模式,各发电单元独立运行。

场景4,不考虑CSP电站与EH联合运行,即不考虑CSP电站参与供热。

场景5,荷侧不引入响应快速的灵活性资源,即储能部分不考虑虚拟储能。

场景6,本文的低碳调度模型。

对以上所构建6种场景,利用求解器CPLEX进行优化求解,根据VPP内各聚合单元的运行结果来分析本文所建立优化调度模型的优势,具体情况分别如表1和表2所示,通过场景对比分析可知:

表1 不同场景运行成本对比

表2 不同场景调度结果

1)场景6相比于场景1,引入了富氧燃烧碳捕集技术,降低了碳捕集能耗、提升了碳捕集率以及燃气轮机发电效率,使得总成本下降了2 970.99×102元,即6.4%,且碳捕集量和碳交易收益分别增加了1 690.05 t和3 117.89×102元。

2)场景6相比于场景2,实现了富氧燃烧-GPPC-电转氢(气)协同运行,共有2 068.91×102m3电制氢副产物氧气提供给了燃气机组进行富氧燃烧,减少了空分制氧ASU系统的投入,此外34.02 t捕集到的CO2作为甲烷化反应的原料提供给了MR设备,从而减少了购买CO2成本304.31×102元,从而使得场景6的成本下降了5 519.14×102元,即11.27%。

3)场景6相比于场景3,采取了富氧燃烧-垃圾焚烧-风电/光伏联合运行模式,实现各聚合单元的灵活调配,使碳捕集量增加了172.6 t、碳交易成本减少了413.76×102元。弃风弃光量减少44.5 MWh,弃风弃光惩罚成本减少了289.27×102元,相比于场景3总成本减少了1 994.03×102元,即4.39%。

4)场景6相比与场景4,利用了CSP电站灵活可控的电热耦合协调特性,考虑CSP电站参与供热,这相当于为VPP增加了一条稳定可控的供热源,虽然会使CSP电站运行成本增加22.3%,但CSP电站参与供热后减少富氧燃烧电厂出力的同时降低其调峰压力,使系统弃风弃光总量与其成本分别降低了220.7 MWh和1 434.72×102元,VPP成本进一步降低了5 673.65×102元,即11.55%。CSP电站参与供热,提高了系统在凌晨时段的风电消纳,配备大规模储热系统的CSP电站参与供热,使富氧燃烧电厂热电联产出力可以维持在较平稳的水平下,可以为风电光伏的消纳腾出空间。

5)场景6相比与场景5,在荷侧引入了虚拟储能,其灵活调节特性不仅可以削减高峰时段负荷,也可使部分时段负荷量转移到低谷时段进行处理,

此举可等效为虚拟电源从而替代系统内的常规机组出力。因此,碳交易成本降低了263.36×102元,弃风弃光成本降低了233×102元,VPP总成本降低了419.41×102元。

综上分析可知,所构建的考虑富氧燃烧技术的含光热发电与垃圾焚烧虚拟电厂协调优化调度模型,可使VPP在低碳经济运行的前提下,同时兼顾平抑负荷波动并提升了新能源的消纳能力,最终实现了各聚合资源的高效、集约化利用,优化了VPP内的能源组成结构。

4.2 VPP的低碳经济调度分析

4.2.1 富氧燃烧电厂调度优势分析

根据所提出的调度模型,优化得出场景6下的富氧燃烧电厂的出力与虚拟储能调用、碳捕集总能耗提供情况、碳排放与捕集量以及OST利用情况分别如图4至图7所示。

图4 富氧燃烧电厂出力与虚拟储能调用情况Fig.4 Oxy-fuel combustion power plant output and dispatch of virtual energy storage

由图4可知,调度周期内富氧燃烧电厂净出力接近运行上限。1:00～6:00夜间风电出力大,而负荷需求量较小,为给风电腾出消纳空间,富氧燃烧电厂出力维持在最低功率范围内,其出力不随负荷量变化。结合图5和图6可知,为防止出现弃风,部分风电提供碳捕集能耗,此时段内富氧燃烧电厂的CO2净排放量为零,即全额捕集。在10:00～15:00电负荷处于高峰,风电出力减少、光伏出力较大,只有少部分风电提供给ASU进行制氧,且富氧燃烧电厂不进行CO2捕集。富氧燃烧电厂碳捕集量与其等效输出功率同比例变化,除10:00～15:00以外,电厂的净碳排放量为零。

图5 富氧燃烧电厂碳捕集总能耗提供情况Fig.5 Total carbon capture energy consumption of oxy-fuel power combustion plants

图6 富氧燃烧电厂CO2排放与捕集量Fig.6 Net emission and capture capacity of CO2 in oxy-fuel combustion plants

从图7可知,OST主要在1:00～6:00、11:00～14:00存储氧气,在15:00～23:00释放氧气,以达到负荷转移效果,原因在于1:00～6:00风电出力较大、8:00～14:00光伏出力较大,此时EC副产物提供了富氧燃烧条件,但ASU存在最低运行能耗,此时富氧燃烧电厂无法利用全部氧气,剩余部分需进入到OST当中储存。

综上,富氧燃烧电厂参与调度时的优势体现在其负荷转移特性上,在负荷低谷或风电光伏出力较大时段内利用空分装置进行制氧,进行负荷填谷或消纳弃风弃光;在负荷高峰时段或风电光伏出力较小时段内利用OST放氧,ASU运行在最低能耗范围内,从而不影响电厂的碳捕集水平。

4.2.2 电热运行工况分析

VPP内烟气处理能耗、电负荷供电、热负荷供热、TES热功率水平以及供氢气量分别如图8至图12所示。可以看到:垃圾焚烧电厂只在电负荷高峰时段增加出力,其余时段内主要通过控制烟气处理量进行负荷转移,从而更好地平抑风光出力波动。在电能系统中,CSP电站只在负荷高峰时段提供电力,为风电光伏出力让路进行调峰;在供热系统中,因受限于TES不能同时充放热的约束,CSP电站主要在午间进行储热,其余热负荷高峰时段,通过与EH联合运行来配合富氧燃烧电厂满足热负荷需求。氢能系统中EC通过将夜间高发风电转化成氢气,部分作为MR设备的甲烷化反应的原料,其余部分存储进HST中,在电价高峰或负荷峰值时段供给HFC进行热电联产。

图8 垃圾焚烧电厂烟气处理能耗提供情况Fig.8 Provision of energy consumption for flue gas treatment in waste incineration power plants

由图9可知,24:00与1:00～6:00,风电出力较大、VPP内部主要供电源为风电,而电负荷处于低谷,因此部分电量流向EH和EC,两者共同消纳了大部分弃风量。7:00～9:00随着电负荷增加、风电出力减少,而光伏开始供电,此时为满足负荷要求,富氧然烧电厂增加出力。10:00～17:00,电负荷以及电力市场购电价格都处于高峰,为满足负荷需求,对碳捕集能耗与烟气出力能耗进行负荷转移,从而增加富氧燃烧电厂和垃圾焚烧电厂的净出力,此时CSP电站也开始供电,削减负荷量随风电光伏的出力、电负荷的变化趋势相应地增加,且10:00～13:00系统向电力市场购电。21:00～23:00时段电力负荷逐渐小幅度下降,而风电出力先上升后再下降,此时富氧燃烧电厂出力开始增加,为平抑风电出力的波动,利用弃风量进行碳捕集、烟气处理。

图9 VPP向电负荷供电情况Fig.9 Electricity supply situation to electrical loads in VPP

由图10可知,22:00与1:00～8:00,EH将部分风电转化为热能,热负荷在2:00～5:00达到高峰,由EH与TES协同提供热功率,HFC的热出力作为补充。10:00～14:00热负荷需求处于低谷,而电负荷较大,热负荷主要由富氧燃烧电厂提供,从而缓解系统的供电压力。15:00～18:00随着热负荷逐渐增加,富氧燃烧电厂与HFC热出力随负荷同比例变化。19:00～23:00因热负荷需求增大,电负荷较高,富氧燃烧电厂热出力逐渐下降,此时TES为放热状态,只向热负荷供热,热负荷由富氧燃烧电厂、TES与HFC共同提供。其中,22:00因风电出力较大、电负荷较小,EH将部分风电转化为热能提供给热负荷。

图10 VPP向热负荷供热情况Fig.10 Thermal supply situation to thermal loads in VPP

由图11可知,因6:00～12:00太阳辐照度逐步增强,集热系统利用部分热量对TES进行充热,此时 CSP 电站储存热量的同时由集热系统直接向发电单元提供热能发电。24:00电热负荷均较小,EH将消纳大部分弃风量,EH对TES进行充热。2:00～5:00及19:00～23:00,TES为放热状态,因此时热负荷处于高峰,为缓解系统供热压力TES将大部分热量提供给热负荷,以此实现能量转移。

图11 CSP电站TES热功率水平Fig.11 Thermal energy storage power levels of in concentrating solar power plant

由图12可知,1:00～9:00及18:00～24:00,HST为储氢状态,13:00～20:00,HST为放氢状态。其中,1:00～6:00,电负荷处于低谷,风电经EC设备转化为氢气存储进HST中,7:00～9:00随着光伏出力增加,风电出力下降,EC设备主要消纳弃光量。18:00～24:00,随着风电出力的增加,而电负荷需求逐渐下降,EC设备主要消纳弃风量。

图12 VPP内供氢气量情况Fig.12 Hydrogen supply situation in VPP

5 结 论

为有效应对新能源高比例并网、促进能源低碳化,本文构建了考虑富氧燃烧技术的含光热发电与垃圾焚烧虚拟电厂协调优化调度模型,算例仿真结果表明:

(1)考虑富氧燃烧碳捕集技术,并聚合环境友好型供能单元,可以有效降低碳排放量,提升系统的减碳能力。

(2)提出的富氧燃烧-GPPCC-电转氢(气)协同运行框架,充分利用电制氢副产物氧气作为富氧燃烧的补充,可以减少富氧燃烧电厂ASU运行能耗投入,而且富氧燃烧电厂捕集到的CO2作为原料可以提供给MR设备转化为天然气,从而减少了富氧燃烧电厂碳运输封存和购能的成本。

(3)富氧燃烧-垃圾焚烧-风电/光伏联合运行模式配合广义储能系统,可以使VPP源荷两侧之间具有良好的协调特性,从而有效调节各聚合单元的出力水平,在减少碳排放的同时,提升了新能源的消纳能力。

(4)通过CSP电站参与供热,利用其良好的供热能力,可以减弱富氧燃烧电厂热电联产时的电热耦合程度,释放富氧燃烧电厂的调峰能力,提升VPP供能的灵活性。

该研究可为VPP的低碳经济运行,同时兼顾平抑负荷波动以及新能源的消纳能力提供新的途径。

(附录请见网络版,印刷版略)

附录A

表A1 聚合单元参数

图A1 预测功率Fig.A1 Forecast power