計及P2G的綜合能源系統CCUS容量規劃

摘 "要： 考慮到碳捕集利用與封存（CCUS）是對電轉氣（P2G）過程中二氧化碳（CO2）來源的細化，文中提出對綜合能源系統（IES）進行電?氫?氧?甲烷?二氧化碳和虛擬二氧化碳等P2G過程的定性定量建模，以及對風?光?電動汽車?負荷等隨機源荷進行時空聚類以深度挖掘IES氫源碳源潛力的CCUS設備容量規劃模型。以階梯正負碳交易、棄風棄光懲罰和年設備投資成本等的年綜合成本最低為目標，以碳捕集、碳存儲和甲烷化等CCUS設備功率容量限值為全局變量對電氣平衡和能量耦合進行二次約束，經過混合整數線性化處理后利用Cplex求解。算例分析表明，源荷時空聚類可在典型日場景縮減時保留IES廉價碳源氫源特征，合理規劃后的CCUS設備可兼具棄風消納和碳減排功能，使P2G制取的天然氣更具市場競爭力。

關鍵詞： 碳捕集利用與封存； 綜合能源系統； P2G； 場景聚類； 容量規劃； 源荷聚類

中圖分類號： TN86?34 " " " " " " " " " " " " " " "文獻標識碼： A " " " " " " " " " " " 文章編號： 1004?373X（2024）06?0109?10

CCUS capacity planning for integrated energy systems taking into account P2G

CHEN Shilong， LI Chongxu

（Kunming University of Science and Technology， Kunming 650500， China）

Abstract： Considering that carbon capture utilization and storage （CCUS） is a refinement of carbon dioxide （CO2） sources in the power?to?gas （P2G） process， a qualitative and quantitative modeling of P2G processes such as electricity?hydrogen?oxygen?methane?CO2 and virtual CO2 for integrated energy systems （IES） is proposed， and a CCUS equipment capacity planning model that conducts spatiotemporal clustering of random sources and loads such as wind?light?electric vehicle?load to deeply explore the potential of IES hydrogen sources and carbon sources is proposed. The goal is to minimize the annual comprehensive cost by considering positive and negative carbon trading， penalties for wind and solar curtailment， and annual equipment investment costs. The power capacity limits of CCUS equipment such as carbon capture， carbon storage， and methanation are used as global variables to impose quadratic constraints on electrical balance and energy coupling. After mixed integer linearization， the problem is solved using Cplex. The case analysis shows that source load spatiotemporal clustering can retain the characteristics of IES low?cost carbon and hydrogen sources when typical daily scenes are reduced. Reasonable planning of CCUS equipment can combine wind curtailment and carbon reduction functions， making the natural gas produced by P2G more competitive in the market.

Keywords： carbon capture utilization and storage; integrated energy system; P2G; scene clustering; capacity planning; source load clustering

0 "引 "言

國際能源署發布的《2050年凈零排放：全球能源行業路線圖》報告指出，碳捕集利用與封存（CCUS）技術是唯一能夠在發電和工業生產過程中大幅減少化石燃料碳排放的解決方案。CCUS技術常分為碳捕集（CCS）、碳存儲、碳封存和甲烷化等類型，其中又屬氫氣制取及合成甲烷的工藝最為復雜且成本最高[1]。為使CCUS制取的天然氣產品具有市場競爭力，H2和CO2原料成本必須著重考慮[2]。制氫的能量來源常是大規模的棄風棄光、工業副產H2或谷時段電網棄電，最理想的低成本大規模CO2資源包括從電廠、化工廠等工業煙氣中補集[3]。因此，文中將CCUS設備引入含有棄風棄光的風?火?氫?燃氣耦合綜合能源系統中，并針對其設備投資成本與碳減排效益間的矛盾，依照其源荷場景縮減蘊含的棄風棄光和火電碳排信息進行氫源碳源特征挖掘，輔助實現碳捕集、碳存儲和甲烷化設備的最優配置。

經過檢索，針對棄風棄光制取氫氣的相關容量優化配置問題已較為成熟，但繼續深入對電制氫之后的煙氣分流、碳捕集、碳存儲和甲烷化等IES系統內CCUS全流程進行細致建模和合理配置的相關研究依舊較少。高鵬飛等考慮到氣?電耦合配網中天然氣內氫氣比例限值，以及電解槽與甲烷化反應器的單位容量成本和能量轉化效率不同，給出了最優容量配置方案；但未考慮到配電網各火電廠間空間距離遠，缺乏對系統內碳捕集、碳存儲與運輸的建模[4?7]。張鍇等在電?熱?氣配網中，進一步考慮利用棄風棄光進行電轉天然氣（Power to Gas， P2G）變換時甲烷化反應的強放熱，以進一步提高能源利用效率，同時基于合作博弈算法著重分析了電價對P2G建設容量和聯盟收益的影響；但因電?熱?氣配網系統過于復雜或受篇幅影響，其算例并未體現出是設備全壽命周期內容量規劃或年規劃，也并未對挖掘系統年源荷歷史出力所蘊含的低碳特征方面進行闡述[8?11]。葛懷宇等充分挖掘溫帶季風氣候地區中電力系統和天然氣系統在各季節場景下的季節互補特性，指出利用冬季棄風P2G儲能可實現高效率季節性能量轉移，構建了綜合考慮投資成本、運行成本和棄風成本的容量配置模型[12?15] 。陳傳彬等指出，需將P2G系統細化為可拆解的電制氫和氫氣甲烷化兩階段，在電制氫階段，應適當引入氫能汽車負荷和氫氧燃料電池等，以避免能源無效二次轉化為甲烷的能量浪費[16?19]。劉道兵等對容量配置相關問題進行了詳細綜述，指出CCUS的電制氫、碳捕集、碳存儲或封存以及甲烷化等容量規劃的組成選擇，以及P2G儲能和傳統抽水蓄能、鋰電池儲能、飛輪儲能等種類選擇，包括型號位置和容量的最優配置等，都應按系統源荷特性具體問題具體分析，低碳經濟指標是“雙碳”目標的研究重點[20?22]。

文中參考以上研究重點和研究局限，選擇將CCUS應用場景定為風?火?氫?燃氣?碳耦合綜合能源系統內，文中與已有研究相比主要區別如下：文中CCUS碳源為IES內燃氣輪機或火電廠碳排放在煙氣分流后的高純度碳的捕集，氫源來自于IES內廉價棄風棄光制取，使得P2G生成的甲烷具有一定的市場競爭力。在P2G的電制氫和甲烷化兩階段間引入氫氧燃料電池，實現本地能源短期高效率氫能存儲與P2G后甲烷注入天然氣管道的廉價穩定運輸相結合。IES相較于電熱氣配網而言，風光車荷等隨機變量更少，使得文中可以IES系統內所有隨機源荷的年運行歷史數據進行典型日場景聚類，來實現充分挖掘系統碳源特征或低碳潛力；文中細化整個IES系統內電力與二氧化碳、氫氣、氧氣和甲烷等的電氣平衡約束，對CCUS的碳源、煙氣分流、碳捕集、碳存儲，以及與電制取的氫氣合成甲烷等全過程進行詳細刻畫，使得CCUS更貼近實際。文中對火電等經過碳捕集后的實際碳排放量，與考慮風光發電碳配額和用于碳交易的虛擬碳排放量，分別進行了建模刻畫，同時清晰展現出CCUS規劃前后的真實低碳性和經濟性對比。

1 "綜合能源系統CCUS低碳化改造架構

圖1所示的綜合能源系統多能流架構，包含天然氣網、電網、氣網和碳交易市場等內外交互渠道；包含風光等新能源，其棄風棄光可用電解槽廉價制取氫氣；包含火電廠和燃氣輪機（MT）等高密度廉價的二氧化碳排放源，可避免遠距離運輸成本的花費；煙氣分流裝置可使得碳捕集功率可控性增強；氫氧燃料電池（HFC）和鋰電池可短期高效率實現電能的存儲轉化與釋放；ASU裝置壓縮制取氧氣，可促進火電廠或燃氣輪機的富氧燃燒，減少一氧化碳的產生； 碳捕集、二氧化碳存儲和甲烷化裝置是文中待容量優化配置的CCUS設備，若規劃和運行合理，不僅可實現火電碳排的吸收并轉化，還可使制取的天然氣具有市場競爭力并產生經濟效益。文中選擇電?氫?氧?碳等存儲裝置輔助實現削峰填谷和經濟運行，至于天然氣則無需存儲，可直接引入天然氣網低成本遠距離穩定運輸。終端負荷內包含電負荷、氫氣負荷和天然氣負荷，可實現自產自銷。

從圖1中不僅可讀出設備間電?氫?氧?甲烷?實際二氧化碳和虛擬二氧化碳等的能流類別、能流轉化方向和暫態能流功率平衡約束關系，還對IES內部電氣耦合定性定量關系進行了詳細刻畫。此處僅針對較新的CO2能流進行簡略分析：文中將CO2分為兩種類型，第一種是煤炭、火電、燃氣輪機、碳捕集、碳存儲和甲烷化等IES裝置間實際存在并可用于P2G，稱之為實際二氧化碳；另一種是風、光、火、MT和HFC等發電裝置的虛擬碳配額，和煙氣分流丟棄的CO2，以及電網購電攜帶的CO2和向碳交易市場買賣的CO2等，稱之為虛擬二氧化碳。考慮到氣體體積易變化，文中模型內僅電能用kW單位，所有氣體均以kg定量建模，這同時有助于與碳交易的單位（元/t）形成單位上的統一。

2 "CCUS容量規劃流程

文中著重挖掘IES系統內源荷特征所蘊含的低碳潛力，使得CCUS容量規劃更因地制宜。CCUS容量規劃流程如圖2所示。首先，按第1節規劃出考慮CCUS低碳化改造的IES架構。其次，根據年運行歷史數據中的光伏出力、風機出力、居民電負荷和電動汽車負荷等曲線幅值特征，幅值隨日期有明顯連續變化的采用更注重時序特征的有序聚類，幅值雜亂無序的采用離散序列的k?means聚類。由此可得出雙源雙荷典型日場景出力及對應頻次，可作為日運行基礎參數代入系統日調度，求解出典型日棄風棄光所蘊含的電制氫能力，以及高峰負荷時段火電碳排所蘊含的廉價CO2排放量信息。

最后，將考慮階梯碳交易后的日運行成本子目標函數累加得到的年運行成本子目標函數，與CCUS最大出力限值所需設備年投資成本累加，得到年綜合運行成本總目標函數。在Matlab 2018b的Yalmip+Cplex環境下進行線性化后一次求解，即可得出CCUS設備功率容量最優限值和各個典型日運行成本、碳排放和設備各時段出力等信息。

文中所建模型具有一定的通用性，設定模式是引入碳捕集、碳存儲和甲烷化的系統，僅引入碳捕集和甲烷化裝置的系統。

模式可共用一個模型，僅在部分CCUS設備的功率容量變量的限值功率上有區分。將模式的碳存儲容量限制恒等于0可得模式，將模式的碳捕集功率、碳存儲容量和甲烷化功率都限制恒等于0可得模式。因此，文中僅針對模式進行詳細建模。

3 "目標函數與約束條件

CCUS容量規劃旨在設備投資成本與其帶來的低碳效益間做出最優均衡，以實現設備利用的最大化。除了考慮CCUS設備的年投資成本外，還需在源荷聚類后的典型日內，根據CCUS設備功率容量限值和能流耦合約束、設備出力約束、爬坡約束及碳交易機制等約束條件，進行經濟調度。細化目標函數與約束條件必不可少。

3.1 "目標函數

目標函數為：

[W=WTZ+i=1N（WYXini）] （1）

式中：[W]是年綜合運行成本；[WTZ]是年投資成本；[WYXi]和[ni]是典型日場景[i]的日運行成本和聚類頻次。

3.1.1 "新增CCUS設備的年投資成本建模

新增CCUS設備的年投資成本公式為：

[WTZ=i=1NCCUSsi?di?r?（1+r）Y（1+r）Y-1] （2）

式中：[WTZ]是系統的年化投資成本，單位為萬元；[NCCUS]是系統中系統種類個數，包括碳捕集設備、CO2存儲設備及甲烷化設備；[si]為第[i]種系統的容量或功率；[di]為系統單位容量或功率的價格；[r]為利率，取值5%；[Y]表示系統運行周期，文中設定為15年。

3.1.2 "考慮源荷聚類的典型日子運行成本

源荷聚類的典型日子運行成本公式為：

[WYXi=WDWi+WGWi+WMi+WWHi+WTiWDWi=t=1T（Ebuyi，t?PEbuyt-Eselli，t?PEsellt）WGWi=t=1T（Gbuyi，t?PGbuyt-Gselli，t?PGsellt）WMi=t=1T（a?（EHDi，t）2+b?EHDi，t+c）?PMbuyi，tWWHi=?t=1T（EWindi，t+EPVi，t+EHDi，t+EMTi，t+EEssCi，t+EEssDi，t+EELi，t）] （3）

式中：[WDWi]、[WGWi]、[WMi]、[WWHi]分別是電網購售成本、氣網購售成本、煤炭成本和維護成本；[WTi]是碳交易成本，文中構建同時適用于正碳交易成本和負碳交易收益兩種情景的線性化模型。

[WTi=-λl-λ（1+α）l+λ（1+α）2（Ti+2l）， Ti≤-2l-λl+λ（1+α）（Ti+l）， " " " " " " " " " " " " " -2llt;Ti≤-lλTi， " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " "-llt;Ti≤0λTi， " " " " " " " " " " " " " " nbsp; " " " " " " " " " " " " " " " " " 0lt;Ti≤lλl+λ（1+α）（Ti-l）， " " " " " " " " " " " " " " " "llt;Ti≤2lλl+λ（1+α）l+λ（1+α）2（Ti-2l）， "Tigt;2l] （4）

式中：[WTi]為階梯式碳交易成本；[λ]為碳交易基價；[l]為碳排放量區間長度；[1+α]是價格增長倍率。

3.2 "約束條件和P2G設備建模

1） 電平衡約束

[Ebuyi，t+EWindi，t+EPVi，t+EHDi，t+EMTi，t+EHFCi，t+EEEssDi，t=Eselli，t+EASUi，t+EELi，t+ECCi，t+EGi，t+ECO2Essi，t+EO2Essi，t+EH2Essi，t+EEEssCi，t+ELoadi，t+EEVLoadi，t] （5）

式中：[EWindi，t]、[EPVi，t]、[EHDi，t]、[EMTi，t]、[EHFCi，t]、[EEEssDi，t]分別是風機、光伏、火電、微型燃氣輪機、燃料電池發電和鋰電池放電；[EASUi，t]、[EELi，t]、[ECCi，t]、[EGi，t]、[ECO2Essi，t]、[EO2Essi，t]、[EH2Essi，t]、[EEEssCi，t]、[ELoadi，t]分別是壓縮制氧機、電解槽、碳捕集器、甲烷化設備和二氧化碳、氧氣、氫氣儲存裝置耗電，以及鋰電池充電和終端用電。

2） 氫氣平衡約束

[HELi，t+HEssDi，t=HEssCi，t+HHFCi，t+HGi，t+HLoadi，t] （6）

式中：[HELi，t]、[HEssDi，t]是電解槽產氫和儲氫罐放氫功率， [HEssCi，t]、[HHFCi，t]、[HGi，t]、[HLoadi，t]分別是儲氫罐儲存功率、燃料電池、甲烷化裝置和氫氣負荷的耗氫功率。

3） 氧氣平衡約束

[OELi，t+OEssDi，t+OASUi，t=OEssCi，t+OHFCi，t+OHDi，t+OMTi，t] （7）

式中：[OELi，t]、[OEssDi，t]、[OASUi，t]分別是電解槽、儲氧罐和壓縮制氧器釋放[O2]的功率；[OEssCi，t]、[OHFCi，t]、[OHDi，t]、[OMTi，t]分別是儲氧罐、燃料電池、甲烷化、火電廠和微型燃氣輪機等消耗[O2]的功率。

4） 天然氣平衡約束

[Gbuyi，t+GGi，t=Gselli，t+GMTi，t+GLoadi，t] （8）

式中：[Gbuyi，t]、[GGi，t]分別是天然氣網購氣功率和甲烷化功率；[Gselli，t]、[GMTi，t]、[GLoadi，t]分別是天然氣網售氣功率、微燃機和負載的耗氣功率。

5） 實際二氧化碳平衡約束

[CCCSi，t+CEssDi，t=CEssCi，t+CGi，t] （9）

式中：[CCCSi，t]是碳捕集裝置捕集到的碳排放；[CEssCi，t]、[CEssDi，t]分別是儲碳裝置的儲氣和排氣功率；[CGi，t]是甲烷化裝置消耗CO2功率。

6） 虛擬二氧化碳的碳配額和碳交易約束

[CHDi，t+CMTi，t-CCCSi，t+Tselli，t+TDWbuyi，t=Tbuyi，t+TWindi，t+TPVi，t+THFCi，t+THDi，t+TMTi，t+TDWselli，t] （10）

式中：[Tselli，t]、[Tbuyi，t]分別是碳交易市場的正碳和負碳交易量；[TWindi，t]、[TPVi，t]、[THFCi，t]、[THDi，t]、[TMTi，t]分別是風、光、燃料電池、火電和微燃機發電量所對應的碳排放配額。

7） CCUS設備建模

電制氫裝置：

[HELi，t=??EELi，tOELi，t=γ?EELi，t] （11）

式中：[?]和[γ]分別是電制氫裝置的電轉氫氣系數和電轉氧氣系數。

二氧化碳捕集裝置：

[CCCSi，t=χ?（CHDi，t+CMTi，t）?ε] （12）

式中：[χ]是煙氣分流比；[CHDi，t]、[CMTi，t]是火電廠和微燃機的碳排放；[ε]是碳捕集效率。

二氧化碳存儲裝置：

[CSoci，t=CSoci，t-1+ηcCEssCi，t-CEssDi，tηdCSoci，1=CSoci，endCSocmin≤CSoci，t≤CSocmaxUCEssC?CEssCmin≤CEssCi，t≤UCEssC?CEssCmaxUCEssD?CEssDmin≤CEssDi，t≤UCEssD?CEssDmaxUCEssC+UCEssD≤1UCEssC，UCEssD∈0，1] （13）

式中：[CSoci，t]是存儲器內CO2余量；[CSoci，1]和[CSoci，end]是其始末余量；[ηc]和[ηd]是其儲氣和排氣效率，[CSocmax]和[CSocmin]是其儲氣量上下限；[CEssCmax]、[CEssCmin]和[CEssDmax]、[CEssDmin]分別是其儲氣和排氣功率上下限；[UCEssC]和[UCEssD]是其儲氣和排氣的狀態標識位。

甲烷化裝置：

[CGi，t=κ1?GGi，tHGi，t=κ2?GGi，tEGi，t=κ3?GGi，tGGmin≤GGi，t≤GGmax] （14）

式中：[κ1]、[κ2]、[κ3]分別是甲烷化裝置運行時的甲烷與二氧化碳、氫氣、氧氣和耗電的配比；[GGmax]、[GGmin]分別是生成甲烷的功率上下限。

4 "算例分析

階梯碳交易區間長度l取值5 t，碳交易基價為50元/t，階梯倍率參數α取值0.2，由此計算所得各區段碳交易單價見表1。煤炭單價1 140元/t，天然氣單價5元/kg，電網購售電價見表2。火電廠、風機光伏、電解槽等所有設備的功率容量和能源轉換比例見表3。

4.1 "雙源雙荷典型日場景聚類結果

源荷聚類旨在對隨機源荷的外在出力特征進行挖掘，實現簡化運算的同時保留其源數據特征。文中首先繪制出風光車荷年運行數據圖，如圖3所示。觀察圖3可知：光伏出力和電負荷出力的日幅值在1年內有明顯變化，因此選用注重時間序列的有序聚類；風機和電動汽車負荷的日幅值無明顯變化，因此，可以選擇以每天出力序列為一個空間點的k?means聚類。

1） 有序聚類需由以下幾步操作完成：設置最大分割區段數目N，將年光伏數據輸入組內離差平方和最小函數，輸出可得各分割點的輪廓系數，見圖4。選取最大輪廓系數值所對應的分割點數目及位置，見圖5。對年負荷數據重復以上操作。因光伏和年負荷的分割點數目和位置大概率不同，繼而需根據最小分割區段長度重新就近確定各分割點，注意分割點，不可將日數據分割在2個區段。最終效果如圖6所示。文中為減小運算量，選擇在輪廓系數相近時優先選擇較小分割點數目，最終將光伏和電負荷數據分割為4個統一區段。圖6矩形框代表各區段均值，可知年光伏發電有良好的基于時間的有序分割聚類效果。

2） k?means聚類需在風光聚類的各個分割區段內單獨進行，但可以將風機和電動汽車數據按日期合并，以實現簡化運算量。k?means聚類的聚類中心點個數可以根據輪廓系數選取，也可以設定為常數。其聚類效果和速度不唯一，會受初始點位置影響。風機和電動汽車負荷聚類效果如圖7所示，各子圖內曲線屬于同一聚類中心點。

3） 對有序聚類各區段的光伏電負荷、k?means聚類各中心點的風機和電動汽車負荷數據求均值，可得圖8所示各典型日場景的源荷出力曲線及頻次。圖8是有序聚類分割區段1的4個典型日曲線圖，頻次分別為4、26、29和18。有序聚類分割共4段，可將年源荷運行數據縮減為16個典型日曲線及頻次，實現后續容量規劃時典型日子運行成本最低目標函數的簡化計算。

4.2 "IES系統廉價碳源氫源潛力挖掘

將典型日源荷出力聚類曲線代入模式的原系統中，進行日運行最低成本調度運算，可求取得到如圖9所示。圖中，棄風棄光蘊含的廉價電能制取氫氣的潛力集中分布在夜間1：00—4：00之間，以及火電廠和微燃機碳排放蘊含的廉價高純度CO2的潛力集中分布在峰時電價的13：00—24：00之間。

由此可知，在IES系統內棄風棄光時，火電處于停機狀態，即廉價電源?氫源?碳源不會在同一時刻出現。因此系統在進行CCUS配置時碳存儲裝置不可或缺，這與氣電配網等在棄風棄光時依舊需要火電維持基準頻率這點有明顯不同。

4.3 "CCUS設備容量規劃效益分析

利用IES系統中棄風棄光和火電等廉價氫源碳源制取甲烷時，若規模足夠大且規劃合理，勢必會具有碳減排效益和制取甲烷的商品經濟效益。綜合考慮各典型日內設備出力約束、能源轉換率約束和外網交互約束、電?氣?氫?氧?碳功率平衡約束，以及風光儲荷等出力特性后，可求得表4所示容量CCUS最優規劃功率容量及經濟低碳效益。

因氫源碳源所在時段不同，必須引入二氧化碳存儲器實現碳捕集與甲烷化的解耦合，因此文中僅將模式和模式進行對比分析。結果表明，即使減去CCUS設備投資成本，系統依舊會增加23.48%的經濟收益，且可減少系統碳排放的41.92%。盡管引入CCUS設備，但系統依舊存在部分棄風棄光，這是因為氫氣制取受到固有電解槽設備的功率限制。CCUS最終容量配置參數應選取市面設備統一型號中的最近值，選定碳捕集功率限值150 kg/h，碳存儲容量限值1 000 kg，甲烷化功率限值100 kg/h。

4.4 "CCUS的經濟和碳減排效益來源分析

可以從電氣平衡圖中各個相關設備的出力數據挖掘出CCUS規劃后系統經濟收益和碳減排的來源。棄風棄光會發生的原因是電網出于電平衡或穩定性考慮，對IES反向售電的功率進行限制。

從圖10電功率平衡圖可知，夜間1：00—4：00和正午13：00—15：00有向電網賣電的現象，原因分別是夜間風大而負荷小，中午風光出力和大于負荷，但多出的電大于電網接收限制而引起的棄風，可作為廉價氫源制取的電能使用；火電和微型燃氣輪機發電則集中分布在風光出力均較小的晚高峰時段，可利用碳捕集和碳存儲作為廉價碳源使用；配置了氧氣存儲罐，所以ASU壓縮制取氧氣集中在谷時段進行；電解槽造價貴，設置的容量較小，為滿足氫能負荷的需求，在各時段均有分布，但谷時段明顯大于峰時段區域運行功率；8：00—10：00和17：00—21：00均有向電網購電現象，但因為17：00—21：00電價更高，因此，鋰電池和氫氧燃料電池等均僅在此區段工作，棄風棄光電制氫后的氫氣短期存儲加氫燃料電池發電可作為短期高效電儲能的形式，與鋰電池價值類同。

從圖11可以看出，碳捕集裝置在15：00—21：00的峰時段動作，實現對火電廠和微燃機的碳捕集，并利用碳存儲裝置在此時段將CO2存儲，待夜間1：00—4：00有大量棄風棄光和電網售電時，將CO2釋放給予甲烷發生器使用，實現低成本合成天然氣。在虛擬碳交易參數中，虛擬碳售賣集中在棄風棄光時段，虛擬碳購買集中分布在晚峰時段。

從圖12可以看出，P2G制取的甲烷數量依舊遠小于天然氣負荷，天然氣來源的主體依舊是向氣網購買，微型燃氣輪機僅在峰時電價區域運行，因為其單位成本處在峰谷電價之間。在IES系統內，當允許火電廠停機即不存在火電廠棄電時，僅在利用棄風棄光P2G制取甲烷時存在一定利潤，利用谷時電網購電P2G制取甲烷的成本高于直接向氣網購買天然氣的成本。

5 "結 "論

文中針對含有棄風棄光和火電等廉價氫源碳源的IES系統，進行了電?氫?氧?天然氣?二氧化碳和虛擬二氧化碳的定性定量精細化模型后，根據系統內隨機源荷的時序幅值等特征進行有序聚類和k?means聚類來對CCUS進行潛力挖掘，實現了容量按系統特征合理配置。通過算例驗證得出結論如下：

1） 在僅含有少量隨機風光和負荷的IES系統中，按源荷時序幅值特征選取合適的場景聚類方法，可實現簡化配置運算的同時最大限度保留源荷特征，可更直觀地體現CCUS對廉價棄風棄光氫源和高純度火電碳排的利用，使得P2G制取的甲烷具有一定市場競爭力。

2） 電能短期存儲用于日內削峰填谷時，可優先選用鋰電池與氫氧燃料電池組合的混合儲能，因氫能密度高、清潔、且電能轉化效率高，且避免氫氣甲烷化的二次能源轉換，可更大限度提高能源利用率；但長期存儲或遠距離運輸，則優先選用P2G制取的甲烷，可利用現有天然氣管道低成本常溫運輸和地下存儲等。

3） CCUS設備引入的系統需同時具備棄風棄光等清潔電能或配電網內火電機組棄電等制取的氫氣和火電熱電聯產等碳捕集的二氧化碳，其他場景可能會出現CCUS輔助的P2G耗能排碳等大于其碳減排和經濟效益的場景，特別是當國家給予碳捕集經濟補償時，很可能會導致單方面追求虛擬階梯碳交易經濟成本更低，而忽略實際碳排放的增加。

4） P2G的甲烷化過程常伴有強放熱，且熱電聯產比火電廠有更高的效率，結合北方地區在冬季有巨額熱負荷需求，后續可引入熱能流進行進一步分析改進。

5） CCUS和電解槽等設備的單位投資隨容量規模和集成化程度的增加而降低，若將研究場景放在電熱氣配網中，有利于大規模集成規劃建設和管理，但也應理性考慮電熱氣配網內隨機源荷過多導致的氫源碳源潛力挖掘困難，以及氫氣、二氧化碳等需要遠距離運輸的困難和成本，進行對比后按最優選取，也可作為下一步研究方向。

參考文獻

[1] 陳文會，魯璽.碳中和目標下中國燃煤電廠CCUS集群部署優化研究[J].氣候變化研究進展，2022，18（3）：261?271.

[2] 王喜平，唐榮.燃煤電廠碳捕集、利用與封存商業模式與政策激勵研究[J].熱力發電，2022，51（8）：29?41.

[3] 魏寧，姜大霖，劉勝男，等.國家能源集團燃煤電廠CCUS改造的成本競爭力分析[J].中國電機工程學報，2020，40（4）：1258?1265.

[4] 高鵬飛，周孝信，楊小煜，等.考慮氫氣注入的電?氣綜合能源系統電制氣設備容量規劃[J].電網技術，2021，45（10）：3781?3791.

[5] 李哲，王成福，梁軍，等.計及風電不確定性的電氣熱綜合能源系統擴展規劃方法[J].電網技術，2018，42（11）：3477?3487.

[6] MAZZA A， BOMPARD E， CHICCO G. Applications of power to gas technologies in emerging electrical systems [J]. Renewable and sustainable energy reviews， 2018（92）： 794?806.

[7] ABEYSEKERA M， WU J F， JENKINS N， et al. Steady state analysis of gas networks with distributed injection of "alternative gas [J]. Applied energy， 2016（164）： 991?1002.

[8] 張鍇，郭小璇，韓帥，等.基于電轉氣反應熱應用和合作博弈的電轉氣裝置容量規劃[J].電網技術，2021，45（7）：2801?2811.

[9] 王婉璐，楊莉，王蕾，等.考慮供熱網儲熱特性的電?熱綜合能源系統優化調度[J].電力系統自動化，2018，42（21）：45?52.

[10] PFEIFFER R， VERSTEGE J. Committing and dispatching power units and storage devices in cogeneration systems with renewable energy sources [J]. International conference on power system control amp; management， 1996（2）： 21?25.

[11] ALBERTO V， MICHELE F. Power to liquid and power to gas： an option for the German Energiewende [J]. Renewable and sustainable energy reviews， 2015， 45： 207?218.

[12] 葛懷宇，賈燕冰，韓肖清.考慮季節互補特性的電?氣綜合能源系統容量規劃[J].中國電機工程學報，2023，43（1）：147?158.

[13] 王靜，徐箭，廖思陽，等.計及新能源出力不確定性的電氣綜合能源系統協同優化[J].電力系統自動化，2019，43（15）：

2?9.

[14] PETKOV I， GABRIELLI P. Power?to?hydrogen as seasonal energy storage： an uncertainty analysis for optimal design of low?carbon multi?energy systems [J]. Applied energy， 2020， 274： 115197.

[15] 丁明，解蛟龍，劉新宇，等.面向風電接納能力評價的風資源/負荷典型場景集生成方法與應用[J].中國電機工程學報，2016，36（15）：4064?4072.

[16] 陳傳彬，楊首暉，王良緣，等.考慮風?氫?電的混合能源系統容量規劃與運行優化[J].電力電容器與無功補償，2022，43（1）：165?172.

[17] 周林，黃勇，郭珂，等.微電網儲能技術研究綜述[J].電力系統保護與控制，2011，39（7）：147?152.

[18] 趙顯秋，秦立軍，段惠.基于聚合效應的配電網分布式儲能優化調度[J].電力電容器與無功補償，2020，41（4）：228?234.

[19] THEMA M， BAUER F， STERNER M. Power?to?gas： electro?lysis and methanation status review [J]. Renewable amp; sustainable energy reviews， 2019， 112（11）： 775?787.

[20] 劉道兵，袁野，李世春，等.利用氫儲能在含可再生能源系統容量配置綜述[J].電測與儀表，2022，59（12）：1?13.

[21] 周京華，翁志鵬，宋曉通.兼顧可靠性與經濟性的孤島型光儲微電網容量配置方法[J]電力系統自動化，2021，45（8）：166?174.

[22] 施泉生，丁建勇，劉坤，等.含電、氣、熱3種儲能的微網綜合能源系統經濟優化運行[J].電力自動化設備，2019，39（8）：269?276.