👨🎓个人主页
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
💥1 概述
文献来源：
摘要：
热电联产（CHP）机组的利用是提高可再生能源适应能力的关键途径。然而，热电联产的碳排放对综合能源系统（IES）的污染和经济优化提出了挑战。为了应对这一挑战，我们提出了一种基于电转气（P2G）和碳捕集系统（CCS）的热电联产新模型和优化调度，通过IES中的最优调度解决了P2G所需的碳源和热电联产的碳排放问题。该模型将CHP，P2G和CCS作为一个整体系统。建立了模型的运行规律，分析了其电、热电、气电和碳的耦合特性。相应地， IES的优化策略考虑了所提出的模型和碳交易机制。由YALMIP和GUROBI建立并求解IES的最优调度模型。我们的方法通过仿真验证。与其他常规模型相比，所提方法增强了可再生能源的容纳能力，降低了IES的碳排放和运营成本。
我们论文的其余部分组织如下。第二部分介绍了该模型，研究了热电联产与P2G和CCS模型的电力、热力和燃气功率之间的耦合关系。第三节建立了IES的最优调度模型，包括目标函数、功率平衡和单元约束。在第四部分中，我们使用数值研究来评估所提出的方法在真实数据下的有效性。结论见第五节。
1. 核心组件技术基础
1.1 电转气（P2G）系统
- 工作原理：
通过电解水将电能转化为氢气（2H2O→2H2+O2），氢气再与CO₂经甲烷化反应生成甲烷（CO2+4H2→CH4+2H2O）。
- 效率：
电解效率约60–70%，整体P2G效率（含甲烷化）为60–80%；高温电解技术可提升至94.5%。 - 作用：
消纳风光弃电，生成可注入天然气管网的可再生甲烷，实现跨季节储能。
1.2 碳捕集（CCS）系统
- 技术路线：
- 燃烧后捕集：从烟气中分离CO₂（化学吸收法为主），适用现役电厂改造。
- 燃烧前捕集：在燃料气化后捕集高浓度CO₂，需配套IGCC机组。
- 富氧燃烧：提高烟气CO₂浓度，但供氧成本高。
- 创新技术：
紧凑型碳捕集（CCC）减少75%占地，兼容高粘度溶剂，资本支出更低。 - 能耗瓶颈：
捕集过程能耗占电厂出力15–30%，需优化热源整合。
1.3 热电联产（CHP）系统
- 传统建模方法：
- 静态模型：基于能量平衡方程（如 Pgt,t=Vgt,tHngηgtPgt,t=Vgt,tHngηgt）描述电/热出力关系。
- 动态模型：引入热惯性方程刻画建筑温度响应（传递函数 GHH(s)GHH(s)）。
- 数据驱动模型：数字孪生技术通过ELM算法实时预测机组状态。
2. P2G-CCS-CHP协同机制
2.1 碳-能循环耦合
- CO₂循环利用：
CCS捕获的CO₂供给P2G甲烷化反应，替代外购碳源，降低碳交易成本。 - 热能梯级利用：
P2G甲烷化反应热回收至CCS再生塔，减少解吸过程额外能耗。 - 灵活调节能力：
CHP机组通过低压缸切除、储热罐等改造实现“热电解耦”，提升风电消纳空间。
2.2 系统结构示例
图：P2G-CCS-CHP耦合系统能流图
3. 多能流耦合建模方法
3.1 传统CHP模型扩展
3.2 P2G-CCS精细化模型
4. 优化目标函数设计
4.1 多目标协同优化
4.2 多时间尺度优化框架
- 日前阶段：基于预测数据优化机组启停。
- 日内阶段：修正风光波动导致的功率偏差。
- 实时阶段：响应CHP爬坡约束与储热动态。
5. 求解算法与敏感性分析
5.1 高效求解策略
- 双层优化：上层调度机组出力，下层优化P2G/CCS耦合流量。
- 凸松弛技术：
采用二阶锥规划（SOCP）近似天然气Weymouth方程，提升求解速度。 - 智能算法：
动态自适应粒子群算法（DAPSO）处理CHP动态约束。
5.2 参数敏感性分析案例
- 关键参数：碳价 pcpc、P2G效率 ηp2gηp2g、风光预测误差 σσ。
- 分析方法：
- 局部敏感性：固定其他参数，分析单一参数变动对总成本的影响（如 pcpc 上涨20% → CcarbonCcarbon 增加15%）。
- 全局敏感性：Sobol指数排序参数重要性（例：ηp2gηp2g 对弃风率的敏感度最高）。
- 应用意义：
指导投资决策（如优先提升P2G效率）和策略制定（如碳价阈值响应）。
6. 应用验证与效益
6.1 典型场景对比
| 场景 | 总成本（万元） | CO₂排放（t） | 风光消纳率 |
|---|---|---|---|
| 无P2G-CCS（基准） | 105.8 | 320.5 | 89.2% |
| 传统P2G-CCS | 103.2 | 220.3 | 96.0% |
| P2G两阶段+伴生能源 | 98.6 | 185.1 | 97.8% |
6.2 综合效益
- 经济性：四川工业园区案例降低总成本12.7%，减少弃风率55.99%。
- 低碳性：碳捕集率提升至90%，P2G消纳CO₂减排17%。
- 灵活性：CHP爬坡速率提升40%，支撑高比例风光接入。
7. 挑战与展望
- 技术瓶颈：P2G高成本（电解槽占60%）、CCS能耗矛盾、氢气输运限制。
- 建模难点：天然气网络SOCP松弛误差、多时间尺度协调复杂性。
- 未来方向：
- 绿氢-甲烷混合注入标准制定。
- 数字孪生与强化学习结合实时优化。
- 政策驱动阶梯碳价与绿证交易机制。
结论：P2G-CCS-CHP协同优化通过碳循环与多能互补，显著提升综合能源系统的经济性与低碳性。未来需突破关键设备效率瓶颈，并发展高精度多时间尺度优化算法，以支撑碳中和目标下的能源转型。
📚2 运行结果
2.1 不同方案调度比较
为了验证本文提出的基于P2G和CCS的CHP模型和基于企业碳交易的最优调度框架的有效性，本文对四种优化模型进行了比较。
方案一:无P2G的CHP, CCS和碳交易。
方案二:使用P2G的CHP，不使用CCS和碳交易。
方案三:采用P2G和CCS的热电联产，不进行碳交易。
方案四:热电联产，P2G, CCS和碳交易。
2.2 方案二:使用P2G的CHP，不使用CCS和碳交易
2.3 方案三:采用P2G和CCS的热电联产，不进行碳交易
2.4 方案四:热电联产，P2G, CCS和碳交易
结果图较多，就不一一展示，这里仅展现方案4.
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
扫一扫
830
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
