計及碳交易的某天然氣處理廠含光伏光熱的綜合能源系統(tǒng)優(yōu)化運行

李紅偉， 李婷玉*， 陳軍華， 王芮琪， 荊浩婕

(1.西南石油大學電氣信息學院， 成都 610500； 2.西南石油大學經(jīng)濟管理學院， 成都 610500)

隨著能源市場需求越來越大，以及節(jié)能減排的需求，提高清潔能源并網(wǎng)比例，促進新能源消納已經(jīng)成為趨勢[1]。綜合能源系統(tǒng)(integrated energy system, IES)以其高能效、優(yōu)良的環(huán)保性能和高度靈活性，得到高度關注。在“2030年達到碳達峰，2060年實現(xiàn)碳中和”的雙碳目標下，研究包含碳交易的IES經(jīng)濟優(yōu)化運行，對于提高系統(tǒng)能源利用效率，降低系統(tǒng)碳排放具有重要意義。

近年來，對于IES的低碳經(jīng)濟研究已經(jīng)很廣泛，熱電聯(lián)產(chǎn)(combined heat and power，CHP)[2]機組的利用是提高可再生能源適應性的關鍵途徑。熱電聯(lián)產(chǎn)經(jīng)濟調(diào)度問題(combined heat and power economic dispatch，CHPED)可以在一定程度上降低二氧化碳排放。Jin等[3]考慮動態(tài)經(jīng)濟排放調(diào)度(dynamic economic dispatch, DED)和碳交易關系，設計了一種輔助決策方法，根據(jù)實時碳交易價格得出最優(yōu)調(diào)度解。崔楊等[4]將階梯式碳交易引入電-氣-熱綜合能源系統(tǒng)低碳經(jīng)濟調(diào)度模型中，綜合考慮系統(tǒng)的低碳性和經(jīng)濟性。王凌云等[5]考慮CHP系統(tǒng)的各機組設備的碳排放量，建立了電氣熱冷負荷需求的綜合能源系統(tǒng)模型，并用改進的鯨魚優(yōu)化算法求解了模型的經(jīng)濟優(yōu)化問題。陶靜等[6]以系統(tǒng)經(jīng)濟性和環(huán)保性最優(yōu)建立目標函數(shù)并構(gòu)建約束條件，建立冷熱電聯(lián)產(chǎn)(combined cooling heating and power，CCHP)的優(yōu)化模型，并使用改進的粒子群算法求解系統(tǒng)優(yōu)化模型。

但系統(tǒng)實際運行存在大量不可控因素與不確定性，主要有清潔能源產(chǎn)能預測的不確定性與電力市場實時電價的不確定性及系統(tǒng)自發(fā)產(chǎn)生的多種不可預知的變化，采用傳統(tǒng)的調(diào)度求解方法或需實時調(diào)整變量、或重寫約束方程，求解周期長，給調(diào)度結(jié)果及系統(tǒng)運行帶來影響?；诖?，陳曦等[7]考慮了在碳交易機制下，考慮了風電的出力不確定性，利用粒子群優(yōu)化細菌覓食算法進行優(yōu)化求解。陳錦鵬等[8]研究了基于全局和基于分區(qū)的不確定性風電出力，將這種不確定性納入碳排放交易系統(tǒng)的動態(tài)電力調(diào)度中。瞿凱平等[9]引入了階梯式碳交易機制來制約綜合能源的碳排放，考慮了供需靈活雙響應不確定性。施泉生等[10]考慮了碳交易成本對多區(qū)域綜合能源系統(tǒng)分散調(diào)度的影響。

在上述研究的基礎上，以某實際天然氣處理廠綜合能源系統(tǒng)為對象，利用馬爾科夫決策(Markov decision process, MDP)過程建立含光伏光熱(photovoltaic/thermal，PV/T)的CHP系統(tǒng)電熱能日前經(jīng)濟調(diào)度模型，考慮碳交易成本，并以最小化處理廠運營成本為目標，利用分布式近端策略優(yōu)化(distributed proximal policy optimization，DPPO)算法進行求解。通過對所建模型進行訓練，在故障條件或狀態(tài)量大幅波動的情況下無需介入即快速生成相應解決方案。算例結(jié)果顯示，所設計的含PV/T的CHP系統(tǒng)有利于優(yōu)化廠區(qū)能源結(jié)構(gòu)，促進清潔能源消納，提升能源利用效率。

1 CHP系統(tǒng)結(jié)構(gòu)及PV/T子系統(tǒng)設計

1.1 CHP系統(tǒng)結(jié)構(gòu)及電熱負荷確定

該天然氣處理廠設計天然氣處理55.36×108m3/年，工廠CHP系統(tǒng)[11]由工藝裝置、配套子系統(tǒng)、PV/T子系統(tǒng)組成。CHP子系統(tǒng)的熱電耦合單元為燃氣輪機，天然氣-壓縮空氣混合氣體燃燒產(chǎn)生的高溫高壓煙氣通過燃氣輪機驅(qū)動發(fā)電機發(fā)電后，煙氣溫度仍高達450～600 ℃，直接排放至大氣中將造成能量的損失與環(huán)境的污染。設計增設余熱鍋爐裝置，回收燃氣輪機尾氣中的余熱，產(chǎn)出蒸汽供給系統(tǒng)中的熱負荷。

全廠電能由電網(wǎng)送電、燃氣輪機及PV/T子系統(tǒng)提供，全廠熱負荷由鍋爐、天然氣補燃與燃氣輪機高溫煙氣共同輸入的余熱鍋爐、儲熱罐及PV/T子系統(tǒng)供應。系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 天然氣處理廠CHP系統(tǒng)示意圖Fig.1 CHP system structure of natural gas processing plant

1.1.1 廠區(qū)電負荷計算

處理廠的主要用電設備有：壓縮機、空冷器、空壓機等。電力負荷的計算通常采用需要系數(shù)法計算[12]，負荷計算分為三類：持續(xù)運行負荷Pc、間斷運行負荷Pn及備用負荷Pb。負荷計算過程[13]如下。

(1)最大運行有功(無功)功率：

(1)

(2)峰值有功(無功)功率計算：

(2)

1.1.2 廠區(qū)熱負荷計算

處理廠熱負荷包含工藝裝置熱負荷及配套系統(tǒng)熱負荷。其中配套系統(tǒng)各單位熱負荷由鍋爐換熱間集中供應。

工藝裝置熱負荷需求側(cè)主要包含：鍋爐房、分子篩脫水裝置的加熱爐、硫黃回收主燃燒爐、再熱爐及尾氣灼燒爐及放空火炬。其中蒸汽壓力為1.0 MPa的鍋爐類裝置熱負荷hb簡化計算[14]公式為

hb=(664-tw)xb/3.6

(3)

式(3)中：tw為給水溫度的焓，kcal；xb為鍋爐額定蒸發(fā)量，t/h。

1.2 PV/T子系統(tǒng)設計

PV/T系統(tǒng)具備光伏發(fā)電與太陽能集熱兩者優(yōu)勢，能實現(xiàn)清潔發(fā)電與可調(diào)度性共存。PV/T子系統(tǒng)由PV/T模塊陣列、控制器、交流逆變器、水泵、循環(huán)管路及儲熱水箱構(gòu)成[15]。采用土耳其太陽能電池板制造商Solimpeks公司研發(fā)的Powervolt(Vt)及Powertherm (Th)單晶硅電池面板構(gòu)建模塊陣列。該面板屬水冷型PV/T組件，每塊封裝電池片72片，面板參數(shù)如表1所示。Vt面板設計為產(chǎn)出更多電能，Th面板設計為產(chǎn)出更多熱能，兩者組合使用效果與組件組成比例相關。

處理廠所在地區(qū)屬溫帶大陸性干旱氣候，地理緯度36°N，晝夜溫差較大，日照極為充足，年平均太陽輻射量4.64 kW·h/(m2·d-1)，月最大輻射量6.91 kW·h/(m2·d-1)?？傆玫?13 210 m2，總建筑面積37 696 m2，其中適合用于建設PV/T子系統(tǒng)的面積共約5 480 m2，分為三個場地：綜合樓(28 m×107 m，2 996 m2)、分析化驗室(20 m×45 m，900 m2)、食堂(30 m×56 m，1 680 m2)，采用上述組件最大裝機容量達794.6 kW。

考慮地區(qū)氣候、熱電負荷需求，選擇陣列方位角0°，組件傾角30°，90%使用Vt組件，10%使用Th組件。在冬至日當天的9:00—15:00，面板陣列應不被遮擋[11]的原則下，合理調(diào)整光伏陣列前后間距，通過PVsyst軟件對上述設計進行建模仿真，主要仿真結(jié)果如表2所示，子系統(tǒng)合計最大輸出電負荷613.2 kW，最大熱負荷19 996.5 kW。

表1 PV/T陣列面板參數(shù)

表2 PV/T子系統(tǒng)主要仿真結(jié)果

2 碳交易成本計算模型

企業(yè)都具有碳排放權(quán)，在中國碳交易市場中，會首先免費分配企業(yè)初始碳排放額。初始碳配額的分配方法主要有：基準線法、祖父法、限額交易下自主申報法和拍賣法[16]。初始碳排放權(quán)一般集中分配在綜合能源系統(tǒng)中的CHP機組、燃氣輪機、燃氣鍋爐、常規(guī)機組等。把碳交易權(quán)作為一個可以交易的商品，能夠促進企業(yè)節(jié)能減排。

2.1 初始碳排放額分配模型

目前中國采用碳配額方式主要有免費分配、有償分配。廠區(qū)的碳排放源主要有：上級煤電機組購電、CHP、燃氣鍋爐、天然氣補燃。初始碳額度模型為

(4)

2.2 階梯型碳交易成本模型

中國市場上碳交易會有一定額度，在免費額度內(nèi)不需繳納額外費用，且剩余免費額度可以進行交易，超過免費額度需要繳納一定費用，且會給予企業(yè)一定的懲罰，超過的越多，繳納費用越多，采用階梯型帶懲罰因子的模型，即

(5)

式(5)中：FCO2為廠區(qū)系統(tǒng)中碳交易成本；KC為碳交易價格；u為碳排放區(qū)間長度；β為懲罰因子；fQ為廠區(qū)購電、CHP機組、燃氣鍋爐的碳排放量；fC為綜合能源系統(tǒng)碳配額。

3 計及碳交易成本的經(jīng)濟調(diào)度

3.1 目標函數(shù)

通常將CHPED問題描述為含供求平衡、容量限制及其他限制的一個或多個優(yōu)化目標和一組高度非線性和非光滑約束的優(yōu)化問題。經(jīng)濟效益和環(huán)保效益是廠區(qū)綜合能源系統(tǒng)優(yōu)化運行的重要指標。從經(jīng)濟性和環(huán)保性兩方面建立廠區(qū)綜合能源系統(tǒng)經(jīng)濟最優(yōu)模型，并定量分析熱電聯(lián)產(chǎn)及新能源子系統(tǒng)的引入給廠區(qū)運營收益帶來的影響。

以最小化處理廠運營成本為目標，目標函數(shù)包括純產(chǎn)電機組運行成本、熱電聯(lián)產(chǎn)組件運行成本、僅產(chǎn)熱機組運行成本及電網(wǎng)購電成本，即

minf=fe+fm+fk+fgrid+fCO2+fPV/T

(6)

式(6)中：fe、fm、fk為純產(chǎn)電機組、熱電聯(lián)產(chǎn)機組、純產(chǎn)熱機組的運行成本；fgrid為系統(tǒng)的電網(wǎng)購電成本；fCO2為廠區(qū)碳交易成本；fPV/T光熱電站運行維護成本。

(1)純產(chǎn)電機組運行成本為

(7)

(2)熱電聯(lián)產(chǎn)組件運行成本為

(8)

(3)純產(chǎn)熱機組運行成本為

(9)

(4)電網(wǎng)購電成本為

(10)

(5)廠區(qū)碳交易成本詳見式(5)。

(6)光熱電站運行維護成本為

(11)

3.2 約束條件

(1)系統(tǒng)電、熱功率平衡約束。

(12)

(13)

式中：Pd、hd為系統(tǒng)總電、熱能需求;ns為儲熱罐數(shù)量；ht為供熱量。

(2)系統(tǒng)各組件容量上下限限制。

(20)

3.3 綜合能源系統(tǒng)效益分析模型

3.3.1 運行成本分析

基于傳統(tǒng)能源供應方式，定義經(jīng)濟節(jié)約指數(shù)(cost saving ratio index, CSR)[17]對擬提的能源改造方案進行運行成本分析，相關公式為

(23)

3.3.2 低碳性分析

在擬提的天然氣處理廠綜合能源系統(tǒng)中，二氧化碳排放量將隨CHP與光伏光熱子系統(tǒng)的引入而下降，這是環(huán)境效益的主要構(gòu)成因素。利用二氧化碳減排 (emissions reduction ratio, ERR) 指數(shù)[17]對擬提方案進行碳減排分析，相關公式為

(24)

式(24)中:ECON為原廠區(qū)傳統(tǒng)運營方式下的日平均二氧化碳排放量；ECHP為CHP系統(tǒng)下的日平均二氧化碳排放量(以下“二氧化碳排放量”均指代“日平均二氧化碳排放量”)。兩者均主要由燃氣輪機產(chǎn)電二氧化碳排放量Eg與電網(wǎng)產(chǎn)電二氧化碳排放量EELe及燃氣鍋爐制熱二氧化碳排放量Er構(gòu)成，即

(26)

4 基于DPPO算法的求解

4.1 DPPO算法

采用近端式策略優(yōu)化(distributed proximal policy optimization,DPPO)算法對馬爾可夫(MDP)模型進行求解，它建立在近端式策略優(yōu)化(proximal policy optimization, PPO)算法的基礎上。在DPPO中，多個工作者共享一個全局學習者(global learner, GL)，GL收集到多個代理一定量的數(shù)據(jù)后進行更新，同時代理暫時停止收集工作，更新完成后，代理使用最新的策略繼續(xù)進行收集和建立工作。因模型中已有N(迭代次數(shù))個最優(yōu)策略，在非訓練模式下，算法將直接載入模型，并模型中已有的“最優(yōu)策略”出發(fā)，尋找更大精度下的最優(yōu)策略，由此，求解精度與速度都能得到保證，解決了傳統(tǒng)調(diào)度問題面臨的兩大難題。

4.2 DPPO算法優(yōu)化模型

目標函數(shù)為

J(θ)=E(min{rt(θ)At,clip[rt(θ),1-ξ,

1+ξ]At})

(27)

(28)

式中：πθ為給定的一個參數(shù)化策略；πθ(at|st)為網(wǎng)絡參數(shù)θ的可微函數(shù)；ξ為裁剪超參數(shù)；clip( )為裁剪函數(shù)，將rt(θ)的值限制在(1-ξ,1+ξ)之間。通過在目標函數(shù)中使用裁剪函數(shù)可避免策略出現(xiàn)突變，保證訓練的穩(wěn)定。

4.3 求解流程

以前述天然氣處理廠為案例進行分析，選擇MDP和DPPO算法，Python作為編程語言，Pytorch作為深度學習框架，PVsyst軟件作為PV/T子系統(tǒng)出力的求解軟件。在訓練模式中，設置次數(shù)N=2 500，并行代理數(shù)量為4，隨著訓練次數(shù)的增加，累計獎勵上升，代表尋求到成本有效降低的方向。訓練結(jié)束后保存模型，在非訓練模式下，對4個隨機變量進行賦值，依據(jù)圖3算法流程圖載入訓練后的模型，對各種運行場景進行仿真分析。結(jié)果顯示，經(jīng)訓練后的模型，任何場景下算法求解時間均小于1 s。求解調(diào)度結(jié)果的過程如圖2所示；DPPO算法流程圖如圖3所示。

圖2 求解流程圖Fig.2 Flow chart of solution

圖3 DPPO算法流程圖Fig.3 Flow chart of DPPO algorithm

5 仿真結(jié)果及分析

5.1 含PV/T天然氣廠的IES調(diào)度結(jié)果分析

為驗證本文所提計及PV/T和碳交易機制下的綜合能源系統(tǒng)優(yōu)化調(diào)度模型的經(jīng)濟性和環(huán)保性。PV/T子系統(tǒng)輸出與輻射強度相關，在不同季節(jié)存在較大差異，且處理廠所處地區(qū)冷熱季溫差大(最熱月最高平均氣溫36.3 ℃，最冷月最低平均氣溫-2 ℃)，對優(yōu)化結(jié)果易產(chǎn)生影響，設置夏季典型日為對照組，對其進行詳細分析。分別選擇冬季典型日及冬季、夏季高峰日為實驗組，分析太陽輻射水平變化對系統(tǒng)帶來的影響。各組別太陽能資源水平及日均環(huán)境溫度見表3所示。

表3 對照組太陽能輻射水平

分別對4個組別的PV/T子系統(tǒng)進行出力分析，出力統(tǒng)計結(jié)果如圖4所示。由圖4可知，在太陽能輻照最強的夏季高峰日組別，PV/T子系統(tǒng)電能、熱能出力均達到最大，二氧化碳排放會顯著降低；相應的，在太陽能輻照最弱的冬季低谷日，PV/T子系統(tǒng)的電、熱能出力最小，二氧化碳排放量顯著提升。

圖4 各組別PV/T子系統(tǒng)輸出對比Fig.4 Output comparison of each PV/T group subsystem

圖5 夏季典型日調(diào)度結(jié)果Fig.5 Scheduling results of typical summer day

5.1.1 夏季典型日調(diào)度結(jié)果

夏季典型日系統(tǒng)日前經(jīng)濟調(diào)度結(jié)果如圖5所示。圖5中能量輸出小于0表示系統(tǒng)向電網(wǎng)售電或系統(tǒng)正在向儲熱罐蓄熱，輸出大于0表示電網(wǎng)向系統(tǒng)售電或儲熱罐向系統(tǒng)放熱。

在燃氣輪機負載允許的情況下，電能輸出與需求能夠達到平衡。由于平、低谷期余熱鍋爐需要向儲熱罐供熱以滿足高峰用熱期需求，燃氣輪機機組將產(chǎn)出過剩電能并向電網(wǎng)售賣。系統(tǒng)熱能需求峰值時刻(11 h)，PV/T子系統(tǒng)出力占到15.6%，最高占總輸出的19.0%(12 h)。PV/T子系統(tǒng)有效削峰，平緩各機組出力曲線，提高了系統(tǒng)運行穩(wěn)定性和經(jīng)濟性。DPPO算法給出的經(jīng)濟調(diào)度方案在系統(tǒng)低谷、平谷時期主動儲熱為高峰用熱量提供保證。電能方面，PV/T子系統(tǒng)出力最高占5.1%(12 h)，分擔系統(tǒng)峰值電能需求。由于本文是在優(yōu)先考慮熱負荷的情況下設計PV/T子系統(tǒng)，電能輸出相對較小，在其他不同應用場景下可采用不同組成比例的面板陣列以靈活適應系統(tǒng)需求。

5.1.2 其他實驗組結(jié)果分析

1)冬季低谷日與冬季典型日

冬季低谷日模擬極少數(shù)極端天氣狀況，測試在PV/T系統(tǒng)最低產(chǎn)能下系統(tǒng)運行會否受到影響，調(diào)度結(jié)果如圖6所示。

圖6 冬季低谷日調(diào)度結(jié)果Fig.6 Scheduling results of typical winter day

由圖6可見，冬季低谷日PV/T子系統(tǒng)產(chǎn)電最高僅占系統(tǒng)電能需求的1.4%，可忽略不計，可認為系統(tǒng)電能供應在此天氣狀態(tài)下由電網(wǎng)與燃氣輪機機組兩者供應。機組最高負荷8 238 W，同時電網(wǎng)輸入達到最大(3 756 kW)。

熱能方面，13 h達到PV/T系統(tǒng)的峰值輸出占比(5.3%)。17～18 h，熱能需求出現(xiàn)缺口(最大1 378 kW)，一方面是由于燃氣輪機負荷變化范圍達到上限，另一方面是夏季PV/T子系統(tǒng)出力較大的情況下儲熱罐無需太多儲熱即滿足需求，但在冬季其容量相對偏小。

冬季典型日優(yōu)化調(diào)度與低谷日相比，電、熱能占比有所提升。缺口問題依然存在，最大缺口熱量1 110 kW，合計缺失2 063 kW，實際工程中可通過增設儲熱罐解決。

2)夏季高峰日

夏季高峰日調(diào)度結(jié)果與夏季典型日相似，篇幅限制不再列出。其PV/T子系統(tǒng)熱能輸出最高占系統(tǒng)熱能總需的22%，電能最高占6%，為4組中最高。在此場景中，合計向電網(wǎng)售電量3 664 kW，同時，能量缺口問題基本得到解決，缺口能量267 kW，相較于低谷日下降81%。

上面所測試的4個組別屬于隨機變量變動生成的場景，每小時調(diào)過程求解時長均小于1 s。驗證了所用算法的快速性與普適性。廠區(qū)熱電負荷基本得到滿足，出現(xiàn)的熱能缺口問題通過增設儲熱罐或提高余熱鍋爐產(chǎn)能效率解決。

5.2 碳交易機制下的系統(tǒng)運行成本和低碳分析

為驗證考慮光伏光熱和碳交易的天然氣廠綜合能源系統(tǒng)模型的優(yōu)勢，本文設計了以下4種方案進行對比分析。

方案1：不考慮PV/T電站及碳交易成本的參與；

方案2：不考慮PV/T電站但考慮碳交易成本；

方案3：同時考慮PV/T電站與傳統(tǒng)碳交易參與；

方案4：同時考慮PV/T電站與階梯式碳交易聯(lián)合對IES運行優(yōu)化。

以上4種方案所對應的產(chǎn)電成本、制熱成本、碳交易成本、設備運維成本、設備投資成本、總運行成本如表4所示。天然氣處理廠由于其天然氣單價的特殊性，產(chǎn)電成本低于各類廠區(qū)的平均值。由表4可以看出，方案1在進行優(yōu)化調(diào)度時沒考慮碳交易成本，僅以用能總成本最低為優(yōu)化目標，系統(tǒng)會盡可能消耗天然氣，導致二氧化碳排放最高，需要額外購買碳交易權(quán)，導致方案1運行總成本最高；方案2在優(yōu)化調(diào)度時考慮碳交易成本，在一定程度上約束了碳排放量，因此碳交易價格相比于方案1減少了1 867 元；方案3加入了PV/T系統(tǒng)并考慮傳統(tǒng)碳交易，系統(tǒng)總運行成本較方案1減少11 014 元，相較于方案1減排16.8%。由于采用的傳統(tǒng)碳交易形式，碳排放減少有一定限度，不能達到最優(yōu)；方案4采用階梯式碳交易機制，更加注重碳減排，其碳交易價格在總運行成本中占比較大，相較于情形3碳交易價格增加了560 元，但是碳排放相較于情形3減少12%，具有更好的碳減排作用。

表4 4種方案下調(diào)度運行結(jié)果

6 結(jié)論

本文提出一種含PV/T的天然氣處理廠CHP系統(tǒng)在碳交易下日前經(jīng)濟調(diào)度方式。在考慮儲熱、PV/T子系統(tǒng)、碳交易的基礎上，以最小化廠區(qū)運營成本為目標函數(shù)，利用MDP將調(diào)度問題轉(zhuǎn)化為強化學習模型，通過DPPO進行求解。通過對冬夏季典型、高峰日下廠區(qū)日前經(jīng)濟調(diào)度仿真結(jié)果分析對比，驗證了所提模型方法的有效性，得出如下結(jié)論。

(1)PV/T子系統(tǒng)同時參與電力與熱力調(diào)度中，其削峰填谷效應幫助系統(tǒng)提高穩(wěn)定運行能力。而引入碳交易機制與熱電聯(lián)產(chǎn)系統(tǒng)聯(lián)合，有效降低廠區(qū)碳排放量與運營成本。

(2)訓練后的模型在無需重新計算的情況下能夠處理四個隨機變量(PV/T系統(tǒng)出力、電網(wǎng)售電價格及熱負荷、電負荷需求)變動所代表的各種運營場景，生成廠區(qū)最優(yōu)日前調(diào)度方案。所提求解過程耗時短，在故障情況下可降低系統(tǒng)損失。

(3)所設計聯(lián)產(chǎn)系統(tǒng)有利于優(yōu)化廠區(qū)能源結(jié)構(gòu)，促進清潔能源再生與消納。以天然氣處理廠作為研究對象也是一個較為小眾的方向，不僅可以為這類工廠提供理論參考，也可為具有相似能源結(jié)構(gòu)的工廠、園區(qū)等單位帶來一定參考價值。