考慮季節性儲氫的區域能源系統優化模型

徐 波，伍聲宇，侯東羊，張玉敏，吉興全，李文升

（1.國網能源研究院有限公司，北京 102209；2.山東科技大學電氣與自動化工程學院，山東青島 266590；3.山東大學電氣工程學院，山東濟南 250061）

0 引言

碳達峰、碳中和是中國式現代化征程的必由之路，大力發展新能源是我國實現“雙碳”目標的重要途徑，與傳統化石能源發電相比，新能源發電具有隨機性與波動性，大規模接入將對電力系統帶來全方位挑戰[1-5]。

為滿足新能源調節需求，必須發展規?；瘍δ?。季節性儲能能夠支撐電能在長時間內能量平移，從而解決高比例新能源的長周期消納問題[6-10]。相比其他季節性儲能，氫能是大規模、長時段能量存儲的最佳途徑[11-14]。據不完全統計，全國有超過30個地方政府發布了氫氣產業發展相關規劃、實施方案、行動計劃等。目前已有學者對電制氫技術的可行性展開廣泛研究，文獻[15]考慮氫能需求和交易模式，對風電制氫系統進行優化配置。文獻[16]建立主動配電網中電制氫模塊的優化規劃模型，對電制氫的選型、選址、定容進行決策。文獻[17]根據季節性儲氫的關鍵特征，提出季節性儲氫的配置方法。但目前研究多集中在對電力耦合氫能系統進行探討，而對電、熱/冷、氣、氫、煤炭等能源耦合的能源規劃方法尚未形成。國內近幾年在能源系統規劃研究方面積累了不少經驗，文獻[18]建立了中國綜合能源優化模型（The Integrated MARKAL-EFOM System，TIMES），對2010—2050 年間中國終端能源和一次能源的消費及構成進行了研究。文獻[19]構建了碳排放達峰路徑模型體系，研究了中國未來可能的碳排放峰值水平及達峰路徑。文獻[20]開發了世界與中國能源展望模型，通過設定碳排放約束，模擬實現碳中和目標的中國能源轉型路徑。文獻[21]開發了國家能源技術經濟模型，研究了中國能源系統、碳捕集與封存技術以及碳匯對CO2 排放的貢獻程度。雖然關于能源系統規劃的研究已經取得了一定成果，但現有研究對新能源、季節性儲氫等重大影響因素的考慮仍不夠全面，導致對能源轉型路徑的技術可行性和經濟性刻畫不夠準確，不能最大程度地降低轉型成本。

綜上所述，針對現有研究的不足本文提出考慮季節性儲氫的區域能源系統優化模型。研究的創新之處在于采用K-means 聚類分析法獲得新能源發電出力典型場景，并引入一定置信水平下的極限場景校驗模型的魯棒性，在傳統能源規劃模型基礎上建立了計及新能源發電出力多場景、季節性儲氫等技術的能源系統優化模型。算例分析表明，本文所提模型可有效降低供能成本、提高新能源消納水平。

1 計及季節性儲氫的區域能源系統

1.1 區域能源系統結構

參照國家統計局能源平衡表的劃分標準，本文將一次能源供應劃分為煤炭、石油、天然氣、一次電力及其他能源，區域能源系統結構如圖1 所示。其中，能源加工轉換環節主要包括電力、熱能、成品油、氫氣等各類能源加工轉換產品的生產。終端能源消費環節主要包括第一產業、第二產業、第三產業和居民生活等。

圖1 區域能源系統結構Fig.1 Structure of regional energy system

制氫主要包括煤制氫、電制氫以及天然氣制氫等，制取的氫氣一方面可滿足交通、高耗能行業等的消費需求，另一方面可根據電力系統需要進行發電[22-25]。本文利用電制氫技術將富余的新能源轉化為氫氣，通過跨季節儲氫解決長時間尺度下新能源發電出力與電力需求的不匹配問題。采用電化學儲能進行日內調節，可充分發揮長、短期儲能的互補優勢，其中季節性儲氫在實現不同季節之間能量的調節方面具有明顯優勢。

1.2 新能源發電出力場景生成

新能源發電出力場景生成包括極限出力場景和典型出力場景生成2 種。由于典型出力場景無法考慮極端情況，為提高能源系統優化結果的魯棒性，需綜合考慮典型出力場景與一定置信水平下的極限出力場景，本文以風電為例說明場景生成方法。

1.2.1 極限出力場景生成

為在出力場景生成中計及小概率極端情景，有效反映實際情況，生成極限出力場景具體包括以下步驟：

1）根據風電歷史出力數據，得到春、夏、秋、冬4個季節風電出力初始場景集合。季節j下風電場景z的風電功率為：

2）令Nj為季節j下風電出力初始場景數目，根據季節j下t時刻各風電出力初始場景的風電功率，獲得季節j下t時刻的風電功率的概率分布函數為：

式中：Pj,t為季節j下t時刻的風電功率；Pr()?為概率水平函數。

3）基于一定置信水平確定極限出力場景功率，風電在季節j下t時刻的極限出力場景風電功率滿足條件為：

式中：σ為置信水平；為季節j下t時刻極限出力場景風電功率的概率分布函數。

1.2.2 典型出力場景生成

K-means 聚類法為電力規劃中常用的新能源發電出力場景聚類方法。針對春、夏、秋、冬4 個季節風電歷史出力數據樣本，本文運用該方法將季節j下Nj個風電出力初始場景經過聚類縮減為U個典型出力場景。K-means 聚類具體步驟如下：

1）隨機選取n個樣本作為初始的聚類中心。

2）計算每個樣本與n個聚類中心之間的距離，把每個樣本分配給距離它最近的聚類中心。

3）求解出新的聚類中心。

4）如果聚類中心發生變化，則重復步驟2），否則，進行步驟5）。

5）當聚類中心不發生變化時，輸出n個聚類中心作為典型出力場景。

2 區域能源系統優化模型

由于新能源發電極限出力場景與典型出力場景下，區域能源系統優化模型建模過程類似，受篇幅所限，本文僅針對典型出力場景說明建模過程。

2.1 目標函數

區域能源系統優化的目標是通過對不同規劃方案的經濟性進行比較，使能源系統總成本最小?？偝杀景ㄍ顿Y成本、運行成本和設備殘值，其目標函數為：

式中：y為規劃水平年；Y為規劃年限；λ為規劃年限折現率；Cinv,y，Coper,y，Vres,y分別為規劃水平年y下區域能源系統的投資成本、運行成本和設備殘值。

2.1.1 投資成本

投資成本Cinv,y為各類設備新增容量成本：

式中：m為某一設備類型；ΩW為不同設備類型集合；為設備類型m在規劃水平年y下新增容量；t為設備類型m在規劃水平年y下新增單位容量投資成本。

2.1.2 運行成本

運行成本Coper,y包括能源生產成本、交易成本、設備啟停成本、運維成本和碳排放成本：

式中：Cpro,y，Cbuy,y，Csta-sto,y，Cmai,y，Cemi,y分別為規劃水平年y下能源生產成本、交易成本、設備啟停成本、運維成本和碳排放成本。

其中：

式中：ξ為一次能源類型；Ωpri為一次能源類型集合；分別為規劃水平年y下一次能源ξ的本地單位生產成本、本地生產量；分別為規劃水平年y下一次能源及其加工轉換產品的國內調劑費用、國外進出口費用；Ωsea為季節集合；s為某一典型出力場景；Pr(j,s) 為季節j出力場景s發生的概率；Csta,m，Csto,m分別為設備類型m的啟、停機成本；分別為t時刻設備類型m在規劃水平年y下季節j場景s的啟停機標志（為1 時設備啟動，為1 時設備停機）；為設備類型m在規劃水平年y下的單位容量運維成本；為設備類型m在規劃水平年y下的累積容量；為規劃水平年y下單位CO2排放成本；Ωdepa為部門集合，包括終端能源消費部門和能源加工轉換部門；Ωprod為能源加工轉換產品（本文簡稱能源產品）集合；Oi,y,ξ為規劃水平年y下部門i中一次能源類型ξ的直接消費量；為部門i消費一次能源類型ξ的CO2排放系數；Oi,y,r為在規劃水平年y下部門i中能源產品r的消費量；為部門i消費能源產品r的CO2排放系數。

2.1.3 設備殘值

設備殘值Vres,y是指設備資產折舊后的原值殘值：

2.2 約束條件

1）能源供需平衡約束為：

2）容量利用約束[26]為：

3）電力平衡約束為：

式中：e為某一電源類型；Ωe為不同電源類型集合；Pe,y,j,s,t為電源類型e在規劃水平年y季節j場景s下t時刻的出力；ΩLy為在規劃水平年y下與區域相連的輸電通道集合；為第L條輸電通道在規劃水平年y季節j場景s下t時刻的傳輸功率（設定流入區域為正方向，流出區域為負方向）；分別為電化學儲能在規劃水平年y季節j場景s下t時刻的充、放電功率；為熱電聯產機組在規劃水平年y季節j場景s下t時刻的電功率；為氫氣在規劃水平年y季節j場景s下t時刻的放電功率；為電制氫設備在規劃水平年y季節j場景s下t時刻的充電功率；為規劃水平年y季節j場景s下t時刻的電力供熱功率；為規劃水平年y季節j場景s下t時刻的電力負荷。

4）電化學儲能運行約束為：

5）耦合設備約束為：

6）季節性儲氫約束為：

7）機組出力約束為：

8）系統備用約束為：

式中：γe,y為電源類型e在規劃水平年y下參與電力平衡的系數；θy為規劃水平年y系統備用率；為規劃水平年y下系統最大電力負荷。

9）非化石能源消費占比約束為[27]：

2.3 能源系統優化流程

本文所構建的模型主要決策變量包括：各規劃水平年設備新增容量、各設備/環節的能量流。能源系統優化流程步驟如下。

1）收集基礎參數，包括能源技術經濟參數、能源碳排放參數、基準年能源消費等。

2）對基準年數據進行校準。

3）對規劃水平年終端煤炭、油品、天然氣、電力、熱能、氫氣等能源消費量進行預測。

4）生成極限出力場景和典型出力場景。

5）將典型出力場景輸入能源系統優化模型，求解得到規劃方案。

6）利用極限出力場景校驗規劃方案魯棒性。

7）若有可行解，則將步驟5 得到的規劃方案作為最終解；否則，松弛儲氫設備容量及非化石能源消費占比約束，返回步驟5。

3 算例分析

3.1 算例及情景設計

算例以某地區能源系統為對象進行研究，以2017 年為基準年，規劃期為2017—2030 年，折現率取8%?；鶞誓昴茉措娏祿饕獏⒖荚摰貐^統計年鑒，各類能源碳排放系數以及能源加工轉換效率等參數參考相關權威機構統計數據進行測算確定。為分析在能源系統優化中納入季節性儲氫的影響，本文設置2 個情景進行對比。情景1：氫氣不僅用于滿足終端消費需求，還用于發電和供熱；情景2：氫氣僅用于滿足終端消費需求。本文將情景1 作為基準方案，后續重點圍繞基準方案開展論述，不再對情景2 進行分析。

3.2 優化結果

3.2.1 能源消費情況

按發電煤耗法核算，情景1 中一次能源消費總量及結構分別如圖2 和圖3 所示。

圖2 情景1中一次能源消費總量Fig.2 Total primary energy consumption under scenario 1

圖3 情景1中一次能源消費結構Fig.3 Composition of primary energy consumption under scenario 1

由圖2 和圖3 可知，情景1 中一次能源消費總量將從2017 年的1.1×108t 標準煤增加到2030 年的1.5×108t 標準煤，2025 年一次電力消費比重達33.0%，煤炭消費比重下降至40.6%，2030 年一次電力消費比重達39.2%。表明該地區通過大力發展可再生能源，逐步實現對化石能源的替代。

3.2.2 電力生產

情景1 中發電量構成如圖4 所示。

圖4 情景1中發電量構成Fig.4 Composition of power generation under scenario 1

由圖4 可知，情景1 中發電量由2017 年的1.8×1011kWh 增長到2030 年的3.3×1011kWh。其中，煤電發電量仍然占比最高，2030 年發電量1.2×1011kWh，占比達34.8%。隨著新能源大規模發展，電力生產量持續增加，2030 年新能源全年發電量約為4.2×1010kWh，在總發電量中的占比為12.6%，占比持續增加。

不考慮電制氫時2030 年各季節凈發電量如圖5 所示。

圖5 2030年各季節凈發電量Fig.5 Net power generation in each season in 2030

由圖5 可知，春、夏季凈發電量合計3.5×109kWh，秋、冬季缺電量合計1.3×109kWh，將春、夏季凈發電量轉化為氫能，制氫量可達6.5×104t。在秋、冬季電力供應不足時，可將制氫量的80%進行發電后并入電網保障電力安全供應，其余氫氣用于滿足交通、工業等行業部分氫氣消費需求。

3.2.3 CO2排放情況

情景1 中分部門CO2排放總量如圖6 所示。

圖6 情景1中分部門CO2排放總量Fig.6 Total CO2 emissions by sectors under scenario 1

由圖6 可知，能源消費CO2排放2025 年左右達峰，峰值約為2.2×108t。CO2排放量在2025 年前增速較快，2025 年之后CO2排放呈緩慢下降趨勢，到2030 年降為2.0×108t。其中，電力部門是CO2排放是最主要的來源，2025 年和2030 年該部門的排放量將分別達到1.1×108t，1.0×108t，第二產業是僅次于電力部門的第二大排放源。

3.2.4 模型經濟性分析

情景1 中供電成本包括各類電源、電制氫以及儲氫設備投資成本和運行成本。根據測算結果，情景1 中電制氫、儲氫設備成本相比情景2 有所增加，但由于新能源和調峰電源新增裝機規模減少以及調峰發電機組啟停成本降低，規劃年限內總供電成本減少3×109元以上。短期看新能源消納主要依靠電力系統，長期看單純依靠電力系統難以充分利用新能源。而電制氫設備作為可變負荷，有助于新能源長周期消納，提升電力系統長周期調節能力。目前我國氫能技術水平與國際水平仍有差距，若不能實現技術突破和氫能規?；虡I應用，隨著新能源滲透率的提高將增加對抽水蓄能、電化學儲能等靈活調節資源的需求，進而導致系統供電成本增加。

4 結語

為應對未來大規模新能源接入對能源系統的影響，緩解能源供應的季節性矛盾，本文提出一種考慮季節性儲氫的區域能源系統優化模型。研究表明，本文模型能夠實現多場景、多時間尺度下不同能源形式的耦合和互補，提高能源系統規劃方案的適應性，有利于降低成本、提高新能源消納水平。后續研究將在現有研究基礎上，進一步考慮各類碳減排技術對碳排放和能源系統規劃方案的影響。