考虑大规模光伏发电接入和co

考虑大规模光伏发电接入和co

0低碳电力及电力系统优化调度随着世界能源需求的不断增长，过度使用石头和燃料导致的全球气候变化已成为社会经济发展的主要挑战。发展低碳经济,加快能源结构调整,实现能源系统的清洁化、高效化、低碳化已成为世界各国的共识。电力工业作为国家的基础性工业,是国内煤炭消耗的主要行业,其CO2排放量已经占到全国排放总量的38.76%,因此,电力工业的发展面临巨大的减排压力,而如何在发电调度中合理地考虑各类低碳因素的影响,在兼顾经济性的基础上实现低碳化,是电力行业保持可持续性发展的关键。在能源发展低碳化的大背景下,近几年来全球光伏发电出现了爆炸性增长。光伏发电不消耗化石能源,无污染,无碳排放,是对环境友好的清洁能源。大力发展光伏发电产业,并提高其发电利用率是国内电力工业低碳化的有效途径。随着欧洲碳交易体系的建立以及碳交易市场的有效运行,有关电力工业的低碳化问题已经引起了众多学者的研究兴趣。文献全面分析了“低碳电力”的形势和特点,剖析了这一新研究领域的发展方向。文献利用碳税作为CO2排放的制约因素引入目标函数,以此来考虑在经济调度中CO2的减排效益。文献分析了各类电源的电碳调度特性以及低碳要素的引入对最优发电计划的影响,建立了低碳电力调度决策模型,对碳捕集电厂引入后系统的优化调度问题进行了初步探讨。文献深入研究了碳捕集电厂的运行机制和特点,提出了含碳捕集电厂的电力系统低碳调度模型,将碳排放作为一组新的决策变量加以考虑。文献揭示了碳捕集电厂具有良好的调峰特性,有助于提高风电等清洁能源的接入规模,能够降低系统整体的碳排放水平。以上文献从不同的角度对低碳环境下的电力系统优化运行及发电调度问题进行了研究,并且取得了一定的成果。随着光伏发电大规模接入系统,其发电波动性、无碳排放特性将会对电力系统优化调度方式产生重大影响,而在现有的文献中缺乏对低碳经济背景下含光伏发电的电力系统优化调度问题的研究。因此,如何针对光伏发电的特性,在兼顾电能生产安全可靠的前提下,实现低碳优化调度,促进电力系统的可持续发展是一个值得进一步深入研究的问题。本文基于低碳经济理念,将碳交易机制引入电力系统经济调度,以此来充分考虑光伏发电接入和清洁机组的利用对碳排放减少的贡献;建立了基于太阳辐照度变化特性的光伏发电出力概率分布模型;对于光伏发电系统的不确定性,采用基于Kantorovich距离的场景削减技术实现对光伏发电出力场景的有效削减;提出了碳交易环境下含大规模光伏电源的电力系统优化调度模型,兼顾了系统运行的经济性、低碳性及可靠性。采用本文模型,对一个改进10机系统进行了仿真研究,分析了光伏发电接入规模和碳交易价格对系统优化发电调度的影响。1碳交易机制低碳经济是以低能耗、低排放、低污染为基础的发展模式,而碳交易机制是为了促进温室气体减排而提出的市场机制,是电力调度需要关注的重点。1.1建立市场信用保证制度全球碳排放交易市场主要有两种模式:一种是基于配额的市场,比如排放贸易市场;另一种是基于项目的市场,比如清洁发展机制(CDM)市场和联合履约市场。目前,中国根据国内经济发展阶段主要参与CDM交易。基于配额的市场实行“总量控制与交易”机制,即预先设定碳排放总量并将其分为若干单位,通过一定的方式将初始排放额度分配给各经济主体,允许各经济主体进行排放额度交易。在规定的时期内,若经济主体的碳排放量小于分配额度,则可将剩余额度出售获益;若经济主体的碳排放量大于分配额度,则必须购买超额的排放额度以避免处罚。基于项目的市场实行“基准排放与信用”机制,即预先对各经济主体分配一个基准,并对实际的碳排放量进行监测。在规定的时期内,若经济主体的碳排放量小于基准排放量,则可获得相应的信用额度并进行交易;若经济主体的碳排放量大于基准排放量,则必须购买超额的排放信用额度。1.2系统碳交易成本的计算碳交易机制的引入改变了电力系统运行成本的构成,即当系统碳排放额度盈余时,可以通过在市场上出售剩余排放额度获利,从而等效降低系统的运行成本;当系统碳排放额度不足时,则需要在市场上购买相应排放额度或为超额部分支付罚金,而这将等效增加系统的运行成本。为了更准确、更方便地开发符合国际CDM规则以及中国CDM重点领域的CDM项目,中国国家发展和改革委员会应对气候变化司研究确定了中国区域电网的基准线排放因子。本文基于《2013年中国区域电网基准线排放因子》,对系统的碳排放额度MD,t进行分配:式中:N为发电机组总数;Pi,t为t时段发电机组i的出力;ε为单位电量排放分配系数,由电量边际排放因子与容量边际排放因子加权得出;Δt为t-1到t时段的时间区间,在本文研究中Δt=1。若系统t时段的碳排放总量为MC,t,那么系统t时段的碳交易成本FC,t可以表示为:式中:KCDM为CDM单位交易价格;KP为超额部分单位排放量所需支付的罚金;ΔMCDM,t为t时段通过CDM交易获得的排放额度;ΔMP,t为t时段通过支付罚金的方式获得的排放额定;ΔMCDM,t′为t时段通过CDM交易在市场上出售的排放额度;ΔMt为系统碳排放总量MC,t与分配排放额度MD,t之差;NG为火电机组总数;PGi,t为t时段火电机组i的出力;αi,βi,χi均为火电机组i的排放因子。采用式(2)计算系统的碳交易成本可分为如下两种情况。1)当MC,t>MD,t时,表示系统的碳排放量超过分配的排放额度,ΔMt即为超额排放部分,需要通过CDM交易获得排放额度,或者支付相应的罚金,即ΔMt=ΔMCDM,t+ΔMP,t。2)当MC,t≤MD,t时,表示系统的碳排放量未超过分配的排放额度,即排放额度有盈余部分,可以通过在市场上交易而获得经济收益,从而等效地降低了系统的运行成本,即ΔMt=ΔMCDM,t′。2太阳能发电系统光伏发电系统是利用光伏电池的光生伏打效应,将太阳能转换成电能的发电系统,其出力主要与太阳辐照度、光伏阵列有效面积和光电转换效率有关。2.1a5分布形状参数研究表明在一定的时段内(一至几小时),太阳辐照度近似呈Beta分布:式中:r和rmax分别为该时段的太阳实际辐照度和最大辐照度;Γ(·)为Gamma函数;α和β为Beta分布形状参数;μ和σ分别为太阳辐照度的均值和标准差。2.2光伏发电系统的出力在建立太阳辐照度概率模型的基础上,光伏发电系统的出力PPV可以表示为:式中:S为光伏阵列有效面积;η为光电转换效率。通过式(5)和式(8)可以看出,光伏发电系统的出力也呈Beta分布:式中:PPVmax为光伏发电系统的最大出力。结合式(9)可以得到光伏发电出力的期望值E(PPV)和方差D(PPV)分别为:可以看出,光伏发电出力的随机性主要受太阳辐照度随机波动的影响,因此在制定发电调度计划时需要考虑光伏发电出力的不确定性,减少由于光伏发电出力波动带来的负面影响。3在碳交易环境下，有一个优化的规划模型，其中包含了大型光明设备的电源3.1光伏发电出力场景削减算法在电力调度的实际工作中,不可能对每个光伏发电出力场景都进行详细的分析和评估,而场景削减技术可以将原始场景中的相似场景用典型场景表示,继而形成一组能较好逼近原始场景集的有限场景集,为这一问题提供了有效的解决方法。场景削减有很多不同实现方法,其关键在于概率距离的选取。目前,广泛使用的概率距离主要有Kolmogorov距离、Wasserstein距离、Kantorovich距离等。Kolmogorov距离计算简单,但不能很好地反映概率分布的尾部特征;Wasserstein距离能较好地反映尾部特征,但对于高阶矩不能达到最佳效果;而Kantorovich距离能够克服上述缺点,较好地反映原概率分布。因此,本文基于Kantorovich距离对光伏发电出力场景进行削减。文献提出了两种场景削减算法:前推削减算法和后推削减算法。由于前推削减算法在每次迭代过程中,容易忽略掉某些小概率的极端场景,从而可能导致原始场景中一些重要信息的丢失;而后推削减算法能够较好地保留初始场景的分布特性,尤其是在初始场景数规模较大时收敛较快。因此,本文采用基于Kantorovich距离的后推削减算法进行光伏发电出力场景削减。若已知两个场景集Ω和Ω′,则其Kantorovich距离DK(Ω,Ω′)为:式中:s和s′分别为场景集Ω和Ω′中的场景;ps和ps′分别为场景s和s′在Ω和Ω′中的概率;c(s,s′)为一个非负、连续、对称的距离函数;η(s,s′)为场景s和s′的概率乘积。结合光伏发电出力的具体情况,若用Ω表示原始场景集,Ω′表示目标场景集,则式(12)可以等价地表示为:式中:T为调度周期;PsPVt和Ps′PVt分别为场景s和s′中t时段的光伏发电出力。通过预先设定所需要的目标场景数Ns,根据式(13)的反复迭代,即可得到削减后的光伏发电出力场景。3.2系统的运行成本在保证系统运行可靠性的前提下,低碳经济下含光伏发电系统的优化调度目标为最大化利用可再生能源,降低碳排放,同时使运行周期内系统的综合运行费用F最小,其目标函数表示如下:式中:FR和FC分别为系统发电能耗成本和碳交易成本;FPV和FLOSS分别为由于光伏发电随机性而带来的弃光惩罚费用和失负荷惩罚费用;FC,t,s为场景s下t时段系统的碳交易成本,可按式(2)计算;FR,t,s,FPV,t,s,FLOSS,t,s分别为场景s下t时段系统的发电成本、弃光惩罚费用、失负荷惩罚费用;ui,t为t时段火电机组i的运行状态;Si,t为t时段火电机组i的启停成本;ai,bi,ci为火电机组i的成本系数;PG,i,t,s为场景s下t时段火电机组i的发电出力;CPV为单位弃光惩罚费用;EPV,t,s为场景s下t时段的弃光电量期望值;CLOSS为单位失负荷惩罚费用;ELOSS,t,s为场景s下t时段的失负荷电量期望值。3.3机组相关约束1)系统功率平衡约束:式中:PPV,t,s为场景s下t时段光伏发电系统的出力;PL,t为t时段的系统负荷。2)常规火电机组相关约束,包括出力上下限约束、启停约束等。3)碳减排目标约束:式中:MC,t,s和MD,t,s分别为场景s下t时段系统碳排放总量和分配排放额度;ΔMCDM,t,s为场景s下t时段通过CDM交易获得的排放额度。4)碳交易额度约束。对于CDM,由于受到资金、技术水平等因素的制约,项目所能达到的减排量会有一个上限:5)光伏发电出力运行约束:3.4解决流程在建立优化调度模型的基础上,利用商用优化软件CPLEX对模型进行求解,基本流程如图1所示。4光伏电源负荷本文基于文献中的10机系统进行算例分析,装机规模为1662MW,并按国内火电机组的实际情况进行修改。在该系统中接入规模为340MW的光伏电源,渗透率为23%,相关参数采用西部某光伏发电场的特性参数,S=1300m2,η=0.093;以一天24h为调度周期,负荷数据如图2所示。假设所有的碳交易均通过CDM进行,交易价格KCDM取20美元/tCO2,单位电量排放分配系数ε取0.7t/(MW·h),单位弃光惩罚费用CPV取100美元/(MW·h),单位失负荷惩罚费用CLOSS取1000美元/(MW·h)。4.1场景削减结果根据光伏发电预测出力,利用MonteCarlo方法生成1000个光伏出力场景,并采用本文第3.1节提出的方法进行场景削减,目标场景数设置为10个,所得结果如图3所示。可以看出,削减后的场景走势与原场景集基本一致,但是场景数量大幅减少。由此可见,本文所采用的场景削减技术对于处理光伏发电的随机性是十分有效的。4.2低碳优化调度的成本期望利用本文模型和传统经济调度模型(不考虑碳排放成本)对算例系统进行24h优化调度,优化结果如表1所示。可以看出,在传统的发电调度方案中,系统发电能耗成本较低,碳交易成本较高,这主要是由于未考虑碳排放因素的影响,排放较低、单位发电成本较高的清洁机组得不到充分利用,因此系统CO2排放量较大导致碳交易成本较高。在低碳优化调度中,由于考虑了碳排放因素的影响,清洁机组能够得到高效利用,使得系统虽然发电成本相对较高,但是碳交易成本大幅减少。两种调度方案的弃光电量期望和失负荷电量期望略有差别,这是由于发电调度问题本身属于混合整数规划,不同开机方案导致实际的系统备用容量会稍有不同。综合以上因素,低碳优化调度的综合运行费用较传统发电调度低。4.3光伏发电系统运行成本和碳排放的计算方法不同光伏渗透率大小将对系统发电能耗、CO2排放总量及可靠性产生重要影响,表2给出了不同光伏渗透率下系统运行的各项费用。可以看出,当光伏渗透率为零时(即光伏发电未接入系统),系统的发电成本和碳交易成本均比光伏接入后要高,这是因为光伏发电系统的接入降低了火电机组的出力,并且在运行过程中不产生碳排放,因此能有效降低系统的发电能耗和排放量,系统综合运行费用也随之减少。但是,由于光伏发电出力具有随机性,系统在光伏发电接入后整体弃光电量期望和失负荷电量期望增加,并且随着光伏渗透率的增大而增大,因此,在调度中需要综合考虑系统的运行成本与运行风险,做出合理的调度安排。4.4cdm价格下系统能耗及运行费用的变化图4反映了CDM价格对系统运行费用的影响。CDM价格的变化主要影响系统的发电能耗成本和碳交易成本,并进而对系统综合运行费用产生影响,具体分析如下。1)系统发电能耗成本随着CDM价格的增加而呈现逐渐上升趋势。随着CDM价格的不断增加,系统为了避免支付过高的碳交易成本而使清洁机组的出力不断增加,但清洁机组的单位发电成本较高,因此造成了系统发电能耗成本的不断上升。当CDM价格达到40美元/tCO2左右时,由于清洁机组的出力已经基本达到上限,因此系统发电能耗成本趋于饱和。2)系统的碳交易成本随着CDM价格的增加而呈现先增后减的趋势。CDM价格的增加一方面使得清洁机组的利用率不断提高,系统由于排放量降低而获得减排效益,另一方面,CDM价格的增加会引起排放成本增加。在CDM价格较低时,系统的排放量大于所分配的额度,通过CDM价格增加获得的减排效益不足以弥补排放成本的增加,因此,系统碳交易成本呈上升趋势;而当CDM价格达到18美元/tCO2左右时,由于系统获得的减排效益大于排放成本的增加,因此,系统碳交易成本开始呈现下降的趋势。3)系统综合运行费用