電能量和旋轉備用市場下電-熱綜合能源系統低碳優化運行

江 婷， 鄧 暉， 陸承宇， 王 旭， 蔣傳文， 龔 開

(1. 上海交通大學 電力傳輸與功率變換控制教育部重點實驗室，上海 200240；2. 國網浙江省電力有限公司 電力科學研究院，杭州 310014；3. 國網浙江省電力有限公司 電力市場仿真實驗室，杭州 310014)

能源是人類社會發展的重要引擎.近年來，為應對氣候變化和環境污染等問題，世界各國正積極進行能源可持續與低碳化轉型的實踐與探索，紛紛制定了宏偉的節能減排目標，并推進能源供給、消費、體制、技術革命[1].2019年，歐盟碳排放交易體系覆蓋的排放量較2018年下降9.1%，創10年來最大降幅[2].2020年9月，習近平總書記也鄭重宣布中國將力爭2030年前實現碳達峰、2060年前實現碳中和[3].由此可見，構建清潔低碳、安全高效的能源體系具有重要戰略意義.

多能耦合綜合能源系統由于對提升能源系統經濟性和清潔性的顯著作用[4]，被認為是節能減排的最有效舉措之一[5]，電-熱綜合能源系統的低碳運行一直是該領域的研究熱點.目前，有關電-熱綜合能源系統的研究集中在經濟調度方面.文獻[6]建立了考慮電-熱負荷波動的不確定性的電網和熱網的基礎穩態潮流模型.文獻[7]和[8]分別采用區間數和模糊向量描述風力發電出力及電、熱負荷的不確定性，分別基于區間優化和模糊機會約束規劃建立了考慮熱網熱損失和熱延遲動態特征的區域電-熱綜合能源系統模型，并量化了熱電協調和動態熱網運行的經濟效益和環保效益.文獻[9]以經濟性和環保性最優為目標，建立了考慮電熱傳輸損耗與網絡傳輸約束的電-熱綜合能源系統優化調度模型，并設計了雙層雙Lagrange乘子迭代算法對該問題進行有效求解.上述模型盡管考慮了電-熱綜合能源系統的工作特性并實現了兼顧環保性的同時經濟性最優，但對環境問題描述不夠詳盡，且缺乏合理的市場機制以促進市場主體向低碳環保轉型.

碳交易被認為是減少碳排量的有力舉措，與此同時，低碳優化運行也成為兼顧能量生產經濟性和系統排放低碳性的重要手段.目前我國碳市場尚處于摸索階段，其主要分為傳統碳交易機制和階梯式碳交易機制[5].在傳統碳交易機制的基礎上，文獻[10]在機組組合優化目標中加入了碳排放成本，提出了考慮碳排放權交易的智能電網機組組合模型.文獻[11]結合我國實際地理環境因素和電力行業特殊，提出了基于區域比較的兩級分配機制，保證了碳排放權分配的合理性和高效性.文獻[12]提出了考慮場景概率的含風電系統低碳經濟調度模型，通過改進的多目標粒子群算法驗證了本文所提模型具有的社會效益和經濟效益.文獻[13]在綜合能源系統電-氣耦合調度中引入階梯式碳交易機制，研究發現綜合需求響應和天然氣市場有利于減少電力系統碳排放量，但考慮碳排放量后綜合需求響應可能會導致電力負荷出現反向特性.然而，電-熱綜合能源系統在運行過程中面臨可再生能源出力和負荷波動等多種不確定因素，給決策和系統安全運行帶來巨大挑戰，上述文獻均未在碳交易中考慮這些不確定因素.

本文在前人研究的基礎上，引入階梯式碳交易機制，提出綜合考慮經濟性和環保性的電能量和旋轉備用市場下電-熱綜合能源系統低碳優化運行模型.針對該綜合能源系統面臨的不確定性問題和由此帶來的風險，采用隨機優化處理風電出力和電負荷的不確定性，并通過條件風險價值(CVaR)量化風險，降低不確定性決策的盲目性；在此基礎上，重點討論不同綜合能源系統決策方案和風險系數對系統利潤的影響，以及各分布式能源的優化情況.最后，通過仿真算例和對比分析驗證了階梯式碳交易機制下綜合能源系統低碳優化運行模型的合理性，并分析了儲能容量對系統決策的影響.

1 電-熱綜合能源系統結構和基本原理

電-熱綜合能源系統通過能量轉換設備將傳統的電網和熱網耦合起來，對各種能源的產生、傳輸、轉換、消費、交易等環節實施有機協調與優化，實現經濟可靠運行.其中，電負荷由微型燃氣輪機(MT)、燃料電池(FC)、熱電聯產(CHP)機組、電儲能(ES)和風電機組(WT)供給，熱負荷由CHP機組、鍋爐和熱儲能(TS)供給.電負荷包括固定負荷部分和參與電力需求響應(EDR)部分，其中EDR主要考慮的是可中斷類型，綜合能源系統可中斷EDR，但需向用戶支付補償費用.而熱負荷包括固定負荷部分和參與熱力需求響應(HDR)的靈活熱負荷部分，其中HDR主要考慮的是的熱水負荷類型.綜合能源系統可通過調整內部MT、FC、CHP機組備用容量和EDR水平，在保證供電供熱穩定的前提下向旋轉備用市場提供一定備用，從而提高決策靈活性，進而獲取更大收益[14].典型的電-熱綜合能源系統結構如圖1所示，其中：箭頭方向為能量流動方向.

圖1 電-熱綜合能源系統結構Fig.1 Structure of integrated electricity-heat energy system

2 電-熱綜合能源系統低碳優化運行模型

2.1 碳交易機制及其分配原則

圖2 階梯式碳交易模型Fig.2 Tiered carbon trading model

階梯式碳交易是指將CO2排放量設置為若干個階梯分段或分檔次定價計算費用，通過分段CO2排放量可以實現細分市場的差別定價，提高能源效率.

基于以上模型，碳交易成本Ccm可表示為

(4)

式中：E0為無償碳排放額.

2.2 電-熱綜合能源系統多目標優化模型

2.2.1目標函數 電-熱綜合能源系統以參與電能量和旋轉備用市場獲得的經濟收益Fsys最大化為目標進行決策，因此優化模型的目標函數如下：

(5)

(6)

(7)

(8)

(9)

(10)

(11)

CVaR值FCVaR可用來度量由于電價不確定性以及風電出力不確定性導致總收益變動的風險.對于一個離散的收益分布來說，當置信水平為α時，FCVaR對應小概率1-α場景集合的期望收益[19]：

(12)

式中：ξ為風險價值(VaR)；φω為場景ω下總收益與ξ的差額.

2.2.2約束條件

(1) MT和FC約束.

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

(21)

(22)

(2) CHP機組約束.

(29)

(3) 鍋爐約束.

(30)

(4) ES和TS約束.

(37)

由于TS與ES約束條件式(31)～(37)一致，在此不再贅述.

(5) EDR約束.

EDR激勵價格與電負荷削減量的關系表現為如圖3所示的階梯形[20-21]，用戶可提供的中斷負荷容量越大，對應更高的中斷水平，其獲得的EDR激勵價格也相應越高.

圖3 EDR階梯形價格曲線Fig.3 Tiered EDR pricing curve

因此EDR約束可以表示為

(40)

(6) HDR約束.

(43)

(7) 電、熱功率平衡約束.

(44)

(45)

(46)

(47)

(48)

(49)

(9) 電-熱綜合能源系統備用約束.

(50)

(10) 碳交易約束.

(51)

(11) CVaR相關約束.

(52)

φω≥0

(53)

2.3 模型求解

本文假定風機出力和電負荷分別滿足一定的概率分布，通過蒙特卡洛抽樣方法構建場景集，再通過聚類方法完成場景縮減，從而得到典型場景[23].電-熱綜合能源系統運行優化問題屬于0-1混合整數線性規劃問題(MILP)，可以基于MATLAB 2019b軟件及YALMIP調用Gurobi 9.0對上述模型進行計算，使用計算機的配置為Intel Core CPU i7-9750H 2.60 GHz.算法流程如圖4所示.

圖4 所提模型的計算流程圖Fig.4 Calculation flowchart of the proposed model

3 算例分析

3.1 參數設置

為驗證上述模型的有效性與可行性，本節以2臺MT、2臺FC、3臺WT機組、5臺CHP機組、5臺鍋爐、5個ES單元、5個TS單元、電負荷和熱負荷構成綜合能源系統.系統調度周期為1天，分為24時段.電能量市場和旋轉備用市場電價、各設備參數、電負荷和熱負荷數據參考文獻[18]，其中熱負荷和電負荷場景如圖5所示.備用服務時間ts為 10 min[24]，實際碳排放量計算系數見文獻[25]，碳配額初始分配方案見文獻[17]， 基準碳價為0.93歐元/kg，碳價區間為4個，碳價增量為0.27歐元/kg， 碳配額增量為300 kg[13]，初始水溫Thw,ini設為 15 ℃[22]，置信水平α=0.95.

圖5 各時段電負荷和固定熱負荷Fig.5 Electric loads and fixed thermal loads in each period

3.2 優化結果對比及分析

圖6 各時段CHP機組供電功率和備用容量Fig.6 Electric power output and reserve capacity of CHPs in each period

圖7 各時段MT和FC輸出功率和備用容量Fig.7 Electric power output and reserve capacity of MT and FC generators in each period

圖8 各時段鍋爐供熱功率Fig.8 Heating power output of boils in each period

圖9 各時段ES荷電狀態和TS儲熱狀態Fig.9 Electric storage capacity of ESs and thermal storage capacity of TSs in each period

圖10為EDR和HDR優化結果，其中：Dt為各時段各能源負荷.由圖10可知，對于電負荷，EDR在低電價時段向旋轉備用市場提供備用，而高電價時段，綜合能源系統切除可中斷電負荷獲取更大利潤.由于電負荷的中斷水平越低則補償價格也越低，綜合能源系統優先切除低級中斷水平電負荷，且切除負荷量與電能量市場電價正相關.而對于熱負荷，綜合能源系統提高了傍晚的熱力供應，并降低了其余時間的靈活熱負荷，有利于實現電力與熱力的峰谷平衡.

圖10 各時段EDR和HDR優化結果Fig.10 Optimization results of EDR and HDR in each period

3.2.1不同模型優化結果對比

模型1不采用CVaR來應對風電出力與電負荷的不確定性，在階梯型碳交易模型下，目標函數僅包含系統運行成本，不包含碳交易成本.

模型2不采用CVaR來應對風電出力與電負荷的不確定性，但將階梯型碳交易成本計入目標函數中.

模型3采用CVaR處理風電和負荷預測不確定性問題，且不將階梯型碳交易成本計入目標函數中.

模型4采用CVaR處理風電和負荷預測的不確定性，并將階梯型碳交易成本計入目標函數中.

不同模型優化結果對比如表1所示.由表1可知，本文所提出的模型4總收益最多，這是由于該模型可以幫助綜合能源系統對其內部資源和風險因素協調管理，優化范圍更廣，充分發揮了綜合能源系統減排潛力.與不采用CVaR來應對不確定性的模型2相比，盡管模型4的碳排放量和碳交易成本略高一些，但這不影響模型總體經濟性.這是因為采用CVaR以后，系統需要適量增大MT、FC和CHP機組等設備出力，增加備用容量以規避風險.

表1 不同模型優化結果對比Tab.1 Comparison of optimization results of different models

與模型1相比，模型2的碳排放得到改善，碳排放量降低6.61%，同時碳交易成本減少720.85歐元，這說明在低碳市場背景下綜合能源系統充分考慮碳排放環境效益對其經濟效益的影響十分重要.

采取風險管理措施的模型3相較于不采取任何風險規避措施的模型1總收益提高了25.48%；但碳排放量有小幅增加，碳排放成本增加了0.57%；一個調度周期內電能量市場收益和總備用收益分別減少了692.65歐元和270.10歐元.由于模型1沒有有效的風險規避措施，為保證系統安全運行，所提供的備用容量較大.總體上DR調用水平與碳交易和風險因素無關.

圖11 各時段電能量和旋轉備用市場競標量Fig.11 Bids for electric energy market and spinning reserve market in each period

3.2.3儲能不同容量時的優化結果對比 為分析在接入不同容量的電、熱儲能設備時電—熱綜合能源系統的運行狀態，本節比較分析當β=0.6時原本系統和電、熱儲能設備容量放大3倍下系統的在各時段向電能量和旋轉備用市場投標量，如圖13所示.對比可知，當各類儲能容量較大時，由于儲能調節能力變大，系統在電價低谷時增加購電，在電價較高時將這一部分電能轉移出售， 進而在電能量市場套利.當各類儲能容量較小時，由于儲能調節能力不足，系統減小旋轉備用量以保證經濟運行.

圖13 儲能不同容量時各時段電能量和旋轉備用市場競標量Fig.13 Bids for electric energy market and spinning reserve market in each period at different energy storage capacities

圖14～18為各時段所有CHP機組供電功率和備用容量、MT和FC供電功率及備用容量、ES荷電狀態和TS儲熱狀態優化結果、電負荷和熱負荷優化結果.對比圖6～10和圖14～18可見，總體上當儲能接入容量較大時，應對實際情況與日前預測結果的偏差有更充分的旋轉備用空間，對日前優化方案進行調整，增大各設備備用容量，保障系統供需平衡和運行穩定，由此可見儲能設備有利于增加系統靈活性；而由于熱力系統需要考慮的不確定性因素可以近似忽略，電、熱儲能容量對熱力供應的影響不大.對于低概率場景，若特地為其配置較多的儲能容量以提升可支配的旋轉備用容量，這一部分會有很大概率被浪費，且儲能成本會隨著配置儲能容量的增加而大幅增加.因此，在實際決策中，需要權衡好儲能容量與旋轉備用容量的配置.

圖14 儲能容量較高時各時段CHP機組供電功率和備用容量Fig.14 Electric power output and reserve capacity of CHPs in each period at a higher energy storage capacity

圖15 儲能容量較高時各時段MT和FC輸出功率和備用容量Fig.15 Electric power output and reserve capacity of MT and FC generators in each period at a higher energy storage capacity

圖16 儲能容量較高時各時段鍋爐供熱功率Fig.16 Heating power output of boils in each period at a higher energy storage capacity

圖17 儲能容量較高時各時段ES荷電狀態和TS儲熱狀態Fig.17 Electric storage capacity of ES and thermal storage capacity of TS in each period at a higher energy storage capacity

圖18 容量較高時各時段EDR和HDR優化結果Fig.18 Optimization results of EDR and HDR in each period at a higher energy storage capacity

4 結論

針對電—熱綜合能源系統在能源轉換以及碳排放管理方面的作用，本文提出了考慮電—熱綜合能源系統參與的電力系統低碳優化運行策略模型，并采用條件風險價值度量其決策風險，主要結論有.

(1) 本文綜合考慮階梯型碳交易機制對電—熱綜合能源系統優化運行的影響，在兼顧經濟性的同時，有效提高了系統運行的環保性，符合我國電力行業節能減排、低碳環保的發展理念.

(2) 新能源出力和負荷存在的不確定性造成了電—熱綜合能源系統運行的風險.所提模型利用條件風險價值衡量風電出力與電負荷日前預測的不確定性造成的經濟影響，通過風險偏好系數表征決策者對風險的重視程度.隨著風險偏好系數的增大，系統的風險收益不斷增大，但總預期收益大幅減小，反應了決策者對風險的厭惡程度持續升高.

(3) 電、熱儲能容量大小對電—熱綜合能源系統的優化運行有影響，主要體現在系統留有備用容量上，在做運行決策時考慮儲能的接入容量能夠更好地提高系統經濟性.