考慮碳排放的多站融合系統日前優化運行

朱亮亮，肖楚鵬，丁 勝，李文慶，張春雁，高 潔，卞世敏

（1.國網電力科學研究院有限公司，南京 210000；2.國網電力科學研究院 武漢能效測評有限公司，武漢 430074；3.國網上海市電力公司，上海 200122）

0 引言

習近平總書記在第七十五屆聯合國大會上提出中國二氧化碳排放力爭于2030年前達到峰值，2060年前實現“碳中和”的目標，并且在第十九屆五中全會提出“十四五”目標：能源資源配置更加合理，利用效率大幅提高，推進能源革命，加快數字化發展。

“多站融合”作為電力物聯網實施落地的重要應用之一，將變電站、數據中心站、充電站、儲能站以及新能源站等資源進行匯聚，在優化城市資源配置，提升數據感知、運算效率以及新能源消納，降低碳排放方面具有重要的作用［1—3］。文獻顯示，目前已有對多站融合的相關研究，文獻［1］設計了一種基于全直流母線的多站融合架構，并分析了現有技術應用于該架構建設與運行的可行性及關鍵問題。文獻［2］、文獻［3］主要論述多站融合背景下的運營模式和發展路徑。文獻［4］在考慮多站融合的場地條件、業務需求的基礎上，提出多站融合場景下各站的配置方法和協調運行策略。

現有的研究中針對多站融合系統的優化調度和融合站運行對環境的影響相對較少。但是在以往的綜合能源系統和微網當中對該方面已經有較多的研究，為多站融合系統提供了一定的理論基礎和研究思路。

文獻［5］以電熱氣互聯能源系統為研究對象，以用能成本、環境成本和棄風棄光功率最小為目標，構建系統的環保經濟優化調度模型。文獻［6］提出了一種綜合考慮削峰填谷可靠性與經濟性的雙層優化調度方法。文獻［7］提出了一種源-儲-網聯合多時間尺度優化調度策略。文獻［8］中考慮系統的碳排放，在傳統綜合能源系統中考慮引入光熱電站充當熱電聯產機組，提出了一種綜合能源系統低碳優化運行方法。文獻［9］針對構建的虛擬發電廠建立優化調度模型，實現了在消納全部新能源的基礎上，有效抑制虛擬發電廠并網功率的波動性，提高了新能源接入的友好性。

本文在上述相關文獻的研究基礎上，針對由變電站、數據中心站、儲能站以及新能源站融合而成的四站融合系統，提出一種考慮碳排放的多站融合系統的優化運行模型，通過仿真分析說明模型的有效性，也為后續其他子站的融合、多站的擴建與發展提供了一定的研究基礎。

1 多站融合拓撲結構及單元模型

本文所研究的多站融合系統主要是在變電站的基礎之上，充分利用空余場地和區域，建設儲能站、新能源站以及數據中心站［4］。其特點主要在于儲能站能夠為數據中心站提供UPS服務，降低數據中心站投資成本的同時利用峰谷電價差進行套利，減小購電費用；新能源站就地提供清潔能源，實現清潔能源就地消納能夠減少購電量降低碳排放，同時與儲能站配合可以對站內負荷進行穩定供電；數據中心站可為融合站提供數據存儲、計算以及傳輸等服務。通過各子站間協調運行，能夠實現整體利用效率和成本的優化，達到兼顧經濟性和環境效益的目的。本文所研究的4站融合系統的拓撲結構如圖1所示。

圖1 4站融合系統的拓撲結構Fig.1 Topological structure of four-station fusion system

1.1 新能源站數學模型

新能源站由光伏發電機組和風機發電機組組成，光伏發電機組的數學模型為

式中：PPV為光伏發電功率；Pst.max為光伏在標準實驗條件下的最大測試功率；Es為光照強度；Es.st為標準實驗條件下的光照強度；K為功率溫度系數；To為電池板的實際溫度；Tst為標準實驗條件下的溫度。

風機發電機組的數學模型為

式中：PWT為風力發電機輸出功率；Pr為風力發電機的額定功率；v為風力發電機組的實際風速；vci、vco、vr分別為風力發電機的切入風速、切出風速和額定風速。

1.2 儲能電站數學模型

儲能站在融合站中起到平衡電量隨機波動、削峰填谷等作用。蓄電池當前的剩余電量主要是由其前一時刻的剩余電量、當前的充放電功率和蓄電池本身的自放電功率決定的。數學模型為

式中：SOC（t）為t時刻儲能電站的荷電狀態；δ為儲能電站的自放電系數；PCES、PDES分別為儲能電站的充放電功率；ηCES、ηDES分別為儲能電站的充放電效率；Esoc為儲能電站的額定容量；Δt為調度時間段間隔。

1.3 變電站負荷模型

融合站中變電站的負荷主要由制冷負荷、照明負荷、安防負荷以及動力負荷等構成。本文中變電站負荷模型為

式中：PSL為變電站總負荷，kW；Pl為制冷負荷，kW；PGl為照明負荷，kW；Pal為安防負荷，kW；Pml為動力負荷，kW。

1.4 數據中心站負荷

在融合站中建立數據中心站主要是給其他子站提供數據存儲、計算和傳輸等服務，數據中心站中負荷主要是由IT設備負荷和制冷負荷組成，其數學模型為

式中：PDC為數據中心站總負荷，kW；PIT為IT設備負荷，kW；PZl為數據中心站制冷設備負荷，kW。

2 優化運行模型

本文提出的針對多站融合系統的日前優化運行模型，所建立的目標函數兼顧經濟性和環境效益，主要包括融合站的日運行成本最小和碳交易成本最小，具體如下。

2.1 目標函數

融合站的日運行成本是衡量融合站的運行經濟性的重要指標，本文所提出的融合站日運行成本主要包括設備的運行維護成本、購電成本、供電可靠性成本以及負荷中斷成本，其表達式為

式中：F1為融合站日運行成本；f1為購電成本；f2為運行維護成本；f3為新能源站的棄風、棄光懲罰成本;f4為融合站中的負荷中斷成本。

（1）購電成本f1為

式中：Cbuy、Csell為購電電價以及售電電價，元/kWh；Pnet(t)為t時間段聯絡線上的傳輸功率，kW。

（2）運行維護成本f2為

式中：K m為系統第m個設備的運行維護系數；P m(t)為t時間段內第m個設備運行功率大小。

（3）供電可靠性成本f3為

式中：Cd為單位棄風棄光懲罰價格，元/kWh；Pdes1(t)、Pdes2(t)為系統t時間段棄風、棄光量。

（4）負荷中斷成本f4為

式中：Closs為中斷負荷時的單位懲罰價格；Ploss(t)為融合站t時間段內中斷負荷損失的負荷量大小。

本文為實現融合站低碳運行，引入碳交易機制，設定融合站總碳排放額為E0。如果系統的實際碳排放量大于分配額，則需要到碳交易市場購買所超出的額度；反之如果系統實際的碳排放量小于分配額，則可以向碳交易市場出售剩余額度。根據碳交易價格C0，可計算得到系統碳交易成本，該數值越小說明環境效益越好

式中：C0為碳交易價格，元/kg；μ為融合站從電網中每購1度電所產生的碳排放量，kg/kWh；E0為融合站所分配的總碳排放量，kg。

2.2 約束條件

（1）融合站電平衡約束

式中：PL為系統的電負荷需求；Pbat為儲能站的充放電功率。

（2）融合站與配電網的功率交換約束

式中：Pnet.max、Pnet.min分別為聯絡線所允許的傳輸功率的上下限。

（3）新能源站中風機出力約束

式中：PWT.max為風機的最大出力。

（4）新能源站中光伏出力約束

式中：PPV.max為光伏的最大出力。

（5）儲能站運行約束為

2.3 模型求解

將碳交易成本加到多站融合系統的日運行成本中就可以得到考慮碳排放的多站融合系統日前優化運行模型，目標函數如下

為了能夠快速得到實用的運行策略，本文在MATLAB環境下，基于Yalimp平臺建立多站融合系統優化運行模型，并通過Yalimp工具箱調用CPLEX求解該模型。

3 算例分析

3.1 仿真參數設置

為了驗證本文中模型的有效性，選取我國湖南省某地區的多站融合系統為例進行研究。新能源站中光伏額定功率取200 kW、風機取100 kW；Tst取25°C；K取-0.42%；To取均值45°C；Es.st取值1 000 W m2；vci、vco、vr分別為風力發電機的切入風速、切出風速和額定風速分別取4 m s、25 m s、12 m s；ηCES、ηDES取值分別為0.95、0.98；α、β均取0.5；運行維護成本均取0.1元/kWh；CO2排放系數取0.889 kg/kWh；棄風棄光懲罰系數和負荷中斷懲罰系數［7］分別取1.0元/kWh和6.0元/kWh；碳交易價格C0取0.3元/kg，采用90%的碳排放免費配額。融合站的負荷曲線、光伏和風機發電曲線如圖2所示。融合站向電網購電電價采用峰谷平分時電價，新能源站售電電價為0.4元/kWh。

圖2 電負荷、風機和光伏功率曲線Fig.2 The power curve of the electrical load and wind turbine and photovoltaic

3.2 仿真分析

本文從以下4個方面結合相關仿真結果進行詳細分析。

3.2.1 儲能站容量的配置對優化運行的影響

本節保持聯絡線功率一定，調整儲能站容量的大小來分析不同儲能容量對運行結果的影響。仿真結果如圖3所示。

圖3 不同儲能容量的優化運行結果Fig.3 Optimal operating results of different energy storage capacities

從圖3可以看出，儲能電站容量在100～300 kWh變化時，由于聯絡線傳輸功率一定，系統以最大傳輸功率進行購電和售電，故購電成本保持不變，碳交易成本不變，碳排放量保持不變。隨著儲能容量的增加，消納新能源站發電量增加，棄風棄光成本減小，削負荷成本也減小，說明系統中融入儲能站對于新能源消納和供電可靠性有明顯提升。在儲能配置為300 kWh時，棄風棄光量為0，風機光伏發電量得到全部利用。

3.2.2 融合站電負荷大小對新能源消納率的分析

本節分析儲能配置容量為300 kWh時，擴大負荷對新能源消納率、棄風棄光率的影響，不同負荷下消納新能源率如表1所示。

表1 不同負荷下消納新能源率Table 1 The consumption rate of new energy under different loads

從表1可以看出，當負荷電量小于3 000 kWh時，存在棄風棄光現象，而且負荷就地消納新能源發電率也較小，上網電量比較大，新能源發電具有隨機性和波動性，大規模的可再生能源并入電網會引起電網的波動。當負荷電量增加到5 508 kWh時，負荷就地消納新能源率達到100%，實現可再生能源的充分就地消納。因此在多站融合背景下，可以通過增加負荷量來實現負荷就地消納可再生能源，同時還可以通過其他子站的融合從而更好實現就地消納可再生能源以及減小對電網穩定的影響。

3.2.3 最佳配置下儲能站和新能源站的投資回收期分析

本節分析儲能配置容量為300 kWh，負荷消納光伏率接近100%，沒有棄風棄光量和削負荷量。系統未融合新能源站和儲能站，總運行成本一天約2 817.06元，融合新能源站和儲能站后一天運行成本679.12元，節約2 137.94元，年節約費用為78.1萬元，儲能帶來的日凈收益是約279.23元，年度收益約10.1萬元。新能源站日凈收益約1 858.71元，年度收益約67.9萬元，按照新能源站4元/W，儲能2 000元/kWh進行投資，新能源站投資回收期約為2年，儲能站投資回收期約為6年。

3.2.4 最佳配置下運行策略分析

為了驗證本文所提控制策略的有效性，在配置儲能容量為300 kWh時進行仿真分析，得到整站優化控制策略如圖4所示。

圖4 融合站供電優化運行結果Fig.4 Optimal operating results of power supply of the whole station

如圖4所示，系統負荷中斷量為0，各個時段用電保持供需平衡的狀態。在0:00—6:00和22:00—24:00電價低谷時段新能源站中以風機出力為主，電負荷主要由配電網以及風力發電供給。在6:00—18:00這一時段新能源站中風機和光伏發電量較大，電負荷主要由可再生能源供給，多余的電量向配電網進行售電以及儲能裝置進行充電；在18:00—22:00的電價高峰期放出，盡可能消納更多可再生能源發電，減小向電網購電量，購電成本和碳交易成本均降低，實現經濟性和環保性的目的。儲能狀態曲線和整站的供售電運行情況如圖5和圖6所示。儲能站與光伏電站聯合應用，對整站負荷進行穩定供電的同時在峰谷電價差下進行套利，剩余電量可為數據中心站提供UPS服務，該部分電量通常也處于備用狀態。

圖5 儲能狀態曲線Fig.5 Curve of the energy storage state

圖6 整站的運行情況Fig.6 The operation of whole station

4 結束語

本文在現有的多站融合和以往微電網優化運行研究的基礎上，建立了考慮碳排放的多站融合系統日前優化運行模型。結合算例進行儲能電站容量配置的大小以及聯絡線上下限對融合站優化運行的影響分析，確定儲能容量最佳配置方案，在最佳容量配置下給出融合站的供電運行策略，得到主要結論如下。

（1）通過引入碳交易機制，建立考慮碳排放的日前優化運行模型，在模型中考慮融合站的供電可靠性和棄風棄光量，分析結果表明優化調度模型能夠有效降低新能源站的棄風棄光率及削負荷量從而提高系統的供電可靠性；

（2）在新能源站發電量一定的條件下，隨著負荷的增加，負荷消納可再生能源率不斷增加，這為融合站后續的融合擴建提供一定的研究基礎，同時也表明負荷就地消納可再生能源發電，不僅能夠降低碳排放量而且還可以減少對電網的安全穩定運行的影響。D