農村規?；B殖耦合生物質發電問題分析

張婷婷，司 展，胡晶晶，宋明亮

(1.國家電網遼寧省電力有限公司，遼寧 沈陽 110003；2.安徽大學化學化工學院，安徽 合肥 230601；3.合肥工業大學計算機與信息學院，安徽 合肥 230041；4.沈陽化工大學信息工程學院，遼寧 沈陽 110142)

0 引言

能源是人類社會和經濟發展不可或缺的資源。隨著資源分配和使用的多樣化，資源質量下降、獲取難度加大、稀缺性加劇以及生態環境系統惡化等長期挑戰能源系統的可持續性。而規?；B殖基地收集的排泄物在進行有效處理后，對果蔬培植、農業發展及清潔能源利用等方面都產生了重大作用。以下以養豬業為例，在規模化養殖后[1]，如何解決現代智慧養殖中的能源持續穩定供給問題成為當前研究的重點之一。

1 規?；B殖的轉型問題

當前養殖業已經開始向自動化和智能化轉變，通過加快信息技術的利用進行畜禽舍自動清糞處理、溫度控制、揮發性氣體檢測和病蟲害防治等。電力的持續穩定供應是規模化養殖轉型過程中的主要瓶頸之一，特別是在供暖、機械和監測系統用電等方面。農村規模化養殖供電的主要挑戰有三點。首先，國內的農村家用電系統較為完善，但在生態養殖環境較好、人煙稀少的農村地區，規?；B殖的電力需求難以滿足，特別是在需求高峰期的電力供給不足，無法滿足規?；B殖的負荷；其次，農村供電的可靠性不足，如配電能力和微電網的可靠性不高；最后，規?；B殖注重智能化和無人化，從而導致需求行為的變化，如現代化養殖經營的機械化、電氣化等。

因此，農村養殖業正處于從傳統農業向智能農業轉型的關鍵階段，而傳統的電力系統無法應對這種轉變，迫切需要可行的解決方案。

2 清潔能源面臨的挑戰

由于大多數類型的清潔能源存在波動性和間歇性，大規模清潔能源發電的整合將對電網產生重大影響，并且清潔能源的時空分布不均勻、供需增長不平衡和輸配電能力不足等問題，也都限制了清潔能源的生產和使用。而在專供規?；B殖的清潔能源消費中，主要面臨以下兩個挑戰。

1) 電力系統的操作問題，簡單來說，就是研究如何在電力系統運行的實時或近實時狀態下，做出正確的決策。其中包括規?；B殖供電系統的承載問題、最優控制/模型預測控制問題和市場清算問題。根據應用程序，操作問題可以轉化為仿真問題和優化問題，這就像是給電力系統制定一個實時的“操作指南”，確保電力供應既穩定又高效。

2) 電力系統的規劃問題，則是關于如何設計和建設一個高效、可靠的電力系統，特別是針對大規模養殖場這樣的特殊需求。其中，最優規劃則是尋找最佳的設計方案，比如確定發電機組的大小和安裝位置，以便在滿足需求的同時，成本最低、效率最高。

解決上述問題，清潔能源的使用過程將會更加順暢，低碳效果更明顯。

3 生物質發電的優勢

我國生物質資源豐富，具有一定的潛在發展優勢。生物質能的轉化利用方法可歸結為生物法(微生物法)、化學處理法、熱化學轉化法三種。其中，熱化學轉化技術是將低品位能源通過各種化學手段轉變成能量密度高的高質量能源的最有效方法。近年來，國內投資的生物質發電廠運營較為穩定，部分發電廠年供電量均在15萬MW以上(見表1)。

表1 國內企業的生物質發電廠詳細信息(部分)

此外，何家欣[2]分析了生物質發電在建設和運行階段與風能和太陽能發電的環境影響。其研究結果顯示，在系統建設階段，生物質發電產生二氧化碳(等效)約1 700 t/MW，排放量相對較少；在運行階段，生物質發電項目平均每年減排二氧化碳(等效)達到131 462 t，大于同等裝機容量的風能和太陽能。生物質發電廠在運行后可以在較短的時間內（0.39年）實現凈減排。生物質發電項目的生命周期二氧化碳(等效)排放量在42～85 g/kWh之間。因此，從環境績效的角度來看，生物質能是值得支持的[3]。

4 規模化養殖和清潔能源系統聯系

規模化養殖通過消耗電力來啟動供料系統、排泄物清理系統、控制溫度等，能源供給可由太陽能或者風力發電供給，產生的生物質可用于果蔬種植和生物質發電，如圖1所示。

圖1 規模化養殖耦合生物質發電示意

中國是一個具有風能、太陽能、水電等豐富清潔能源的農業大國。農業活動和清潔能源生產大多位于農村地區，這為清潔能源與農業的一體化提供了巨大的機會[4]。隨著小康社會全面建成和農村能源消費的不斷增加，農村清潔能源的發展不僅可以改善生態環境質量，支持鄉村振興，而且在緩解能源緊張、降低農業電價方面發揮重要作用。

清潔能源消費可分為當地消費和遠程消費兩種。一般來說，光伏溫室發電通常用于光照充足地區的當地消費，這有助于充分利用當地的清潔能源，提高當地的電力傳輸和供應水平。此外，如果沒有足夠的清潔能源來發電，遠程清潔能源發電也可以作為當地的農業電力供應。一方面可以避免遠程清潔能源的浪費，解決清潔能源消納問題；另一方面可實現多周期和全過程的調整，節約農業生產成本的支出。

5 生物質耦合發電

劉潔[5]提出了將清潔能源電力系統融入智能農業的路線圖，但現實中仍然面臨著一定的技術瓶頸。規?；B殖與生物質等清潔能源的消費流程如圖2所示。

圖2 規?；B殖與生物質等清潔能源的消費流程

5.1 多時間尺度耦合

畜禽舍生產排泄物、果蔬堆肥需要和生物質發電之間存在著時間尺度上的差異，國內傳統的發電可以是連續的，而生物質發電依賴畜禽舍堆糞時間及揮發性氣體的產生時間，并且植物生長的時間與小時、日、月和季節呈非線性關系。因此，多時間尺度耦合是智能農業與清潔能源消費一體化需要解決的第一個瓶頸。

在完成變量的收集后，即：排泄物產生的時間、生物質反應的時間、農田堆糞產肥的時間等，基于普拉卡什和Hjelmstad(PH方法)、Gravouil和組合安全(GC方法)提出兩種基于外部軟件的耦合算法。這些方法涉及不重疊的分區，并采用雙舒爾方法，加強在與拉格朗日乘子界面上的速度連續性。此外，Ghanem[6]提出了一個基于時空的多時間尺度多模型耦合的一般框架，該框架引入了拉格朗日乘子的特定插值和時間積分算子參數。在能量考慮的基礎上，Brun[7]描述了一種獲得不同時間積分方案的多時間步長耦合一般方法。該方法是基于休斯引入的偽能量測量來證明隱式-顯式算法的穩定性。然而，現有的關于多時間尺度耦合的研究并沒有滿足多系統的剛度和靈活性的需要，這導致規?；B殖和能源系統的耦合仍然是一個具有挑戰性的課題。

為了解決多時間尺度耦合問題，林子雨[8]提出了基于三點預測的探測(TPFP)，在時間序列延遲相關分析中，當延遲位置較大時，允許一個較小的誤差，從而可以有效地處理大部分延遲的多重情況。于洪潔[9]研究利用快速和慢速兩個變量來分析系統復雜的動態行為，以不同時間尺度變量的初始值和頻率作為控制參數，建立了雙時間尺度變量的剛柔性耦合。

綜上所述，多系統的剛性和靈活的時間尺度仿真和分析技術為解決畜禽舍養殖過程的生物質輸入和清潔電力系統輸出的多時間尺度的差異提供了一個潛在的解決方案。

5.2 生產和供給需求

畜禽舍排泄物生物質發電采用厭氧阻流反應器-微生物燃料電池-微生物電解電池組合系統(ABR-MFC-MEC)[10]，其主要發生的電解反應如下所示。

1）MFC的電極反應如下。

2）MEC的電極反應如下。

該聯合工藝具有在幾乎零能量輸入生物燃料生產的情況下有效處理糞便廢水的潛力，生物質發電組合系統ABR-MFC-MAE采用的畜禽舍廢水特點如表2所示。

表2 畜禽舍廢水的特點

采用ABR-MFC-MEC聯合系統處理糞便廢水。使用與常規化糞池相同的液壓保留，即使進水化學需氧量(COD)高于1 500 mg/L，銨離子為110 mg/L，出水COD仍低至50 mg/L。脫碳和反硝化的發生使得連通沼氣中的甲烷含量略低，氮氣含量較高的原因。此外，可以從組合系統中獲得(452.5±10.5) mV的額外輸出電壓。

對此，供給的一大問題將轉化為畜禽舍排泄物的清理與收集過程。按照司展[1]的方法對畜禽舍排泄物進行分子動力學模擬，而清理過程則采用人體工程學模擬，在數值積分中確定最佳清理時間，可結合揮發性傳感器采集數據的分析結果來佐證清理效果。因此，在采用ABR-MFC-MEC組合系統完成生物質能源轉化過程時，確定豬舍中最佳清理時間將給最佳供給生物質和生產能源提供了可能的條件。

5.3 供給消耗比例

準確的測量是實施智能農業的最基本的要求，故在完成畜禽舍和耦合發電的過程之前，要分析體系供給和其消耗的比例。在確定基本的生物質發電之后需要完成光伏發電的計算，以及考慮種植所在區域年平均日照的時間。在電力系統運行過程中，為提升供電系統的穩定性，要做好電力系統和電力設備的穩定性監測，通過分析他們的運行情況，了解電力設備運行的效率和電力系統運行的穩定性。當前的電力監測技術只能單獨對設備進行監測，監測范圍較小，監測效果不理想。通過合理的大數據技術應用，規?；B殖系統可以詳細地反映系統中龐雜的數據和信息，推斷系統中可能出現的故障，針對性地做好系統的保護工作，確保電力系統的穩定運行。其中對耦合鏈路進行分析，以了解多能系統的相關耦合機制，可實現規模化養殖、清理、飼養、育種等一系列無人化、智慧化操作[11-17]。Ehsan Elahi等[12]應用人工神經網絡來優化商業家禽農場的能源輸入，以實現能源和成本節約策略。訓練模型確認了農場能源輸入的低效使用，以及在給定能源輸出量下能源輸入的3.37 %過度使用(燃料能源的過度使用達到了51.02 %)，其中最主要的因素是多種能源使用的冗余與重復。因此，在規?；B殖系統中，確定最優耦合能源網絡的消耗與供給比例尤為重要。

在電力混合系統的使用中，焦萍紅等[13]提出了一種聯合有功和無功功率的操作策略來確定最優的能源供給和消耗比例，其中包括儲能系統(ESS)的優化充放電策略、聯合概率分析、基于價格的需求響應和技術經濟框架下的優化算法。其中ESS系統是通過Fourier-Legendre級數模擬儲能系統的充放電特性，以捕捉其狀態。考慮到間歇性可再生能源(IRE)的不確定性，通過聯合概率分布來評估IRE的輸出。即研究了損失負荷(VoLL)和功率削減(VoPC)的價值，以應對不確定性帶來的風險。這種基于價格的有功和無功集成需求響應能夠有效地調整有功和無功負荷，改善電壓質量。

在新能源-電力耦合網絡中，國外學者Tathagata Sarkar[15]等構建了集成太陽能光伏、風能和生物質能源的混合微電網，通過HOMER模擬軟件進行了不同可再生能源的容量選擇，并提供不同可再生能源、釩氧化還原流電池(VRFB)儲能和負載配置的真實數據，建立了峰值負載削減。項目在實地安裝了一個10 kW太陽能光伏、1 kW風力發電和15 kW生物質發電機集成1 kW 6 h VRFB儲能的微電網，并驗證了模擬模型的性能；同時這樣的混合微電網在滿足日常能源需求時，還將帶來23 %的項目投資回報率。

在氫能-電力耦合網絡中，國外學者Erdal Aydin[16]提出了一個MILP模型，用于在天氣間歇性和需求不確定性下識別集成能源網格的最優設計和運營。提出了一種實用的基于概率的場景生成方法來處理與風速、太陽輻射、氣溫、人口和城市電力需求相關的不確定性。(模型中使用風力渦輪機額定功率100～200 000 kW、光伏的額定功率100～200 000 kW、生物質發電機額定功率2 500～500 000 kW、燃氣共生發電機額定功率3 350～670 000 kW、甲烷反應釜額定功率51 300～51 300 kW) MILP模型在考慮約束和目標的情況下(主要包括：設備選擇和尺寸決策、單位承諾和運營約束、設備存儲約束、系統輸入和輸出的非負約束、物料和功率平衡、成本約束、CO2排放約束)，確定最優的設備配置和運營策略，以實現能源的有效供給和消耗。

在實際案例中，位于德國的巴登-符騰堡州是具有高總體過剩電力和高數量過剩發電小時數的地區，同時有一個現有的天然氣基礎設施。確定能源系統的供應最優供給消耗比例，對于地區節能環保尤為重要，Sarah Henni[14]提出的理論框架和地理信息系統軟件(GIS)建模方法來識別和評估Power-to-Gas (PtG)技術在配電網絡中的潛力。主要方法包括GIS建模、時間分辨率分析和PtG潛力評估，其中PtG潛力評估是通過空間和時間建模來確定了哪些區域將面臨過剩的可再生能源發電，從而可能需要PtG技術來解決。這包括評估網絡部分的擁堵情況，以及在這些區域部署PtG工廠的潛在經濟可行性。所有評估的PtG工廠規模(從2 MW到10 MW)在不考慮避免賠償成本的情況下都是盈利的，盈利額大約為54 歐元/MWh。

6 結束語

通過提出畜禽舍與生物質耦合的清潔能源發電路線，實現清潔能源在農業生產中的高效利用?；谵r業信息技術發展現狀，分析養殖業與清潔能源系統耦合的瓶頸和包括多時間尺度耦合的相關技術，確定清潔能源生產與需求消耗比例，高效利用畜禽舍資源，促進養殖業的發展，在減少環境污染的同時也將助力國家實現雙碳的目標。