P2G与碳捕集协同的微网低碳经济调度建模与仿真

做微网调度这两年我最大的感受是如果眼睛只盯着“电”这一个字很多账根本算不明白。这也是为什么我在最近的项目里把P2G电转气和碳捕集机组同时放进了多能微网的低碳经济调度框架——前者把富余的电变成天然气后者把火电机组排放的CO₂抓回来两者在模型里一配合微网的“低碳”和“经济”才真正有了落地的抓手。这篇文章不打算念PPT式的内容我直接把建模、求解和仿真中验证过的方案以及踩过的坑拿出来聊聊给正在做综合能源调度、园区多能互补或者碳交易机制研究的朋友一个可复现的参考。1. 这个调度问题到底在解决什么1.1 传统微网调度的“电本位”盲区大多数微网调度模型本质上是把风、光、储、燃气轮机当作一个电源集合在满足电负荷的前提下用线性规划去分配各机组出力。这种做法在“只求供电可靠性”的年代没毛病但放到今天问题非常明显它把天然气管网、热力管网当成独立的、被动的系统燃气轮机消耗的天然气直接从管网取余热也不参与调节整个调度过程对碳排放没有任何感知。我在实际项目中碰到过这样一种典型场景某园区微网白天光伏大发电负荷却不高储能很快充满结果只能被迫限功率运行白白浪费清洁能源。到了晚上电负荷上来光伏归零又得让燃气轮机满发碳排放直接拉满。这种“白天弃光、晚上高碳”的现象根子就在于调度模型里没有“气”和“碳”这两个维度。如果你在模型里加入P2G白天富余的光伏电就可以用来电解水制氢、再甲烷化合成天然气把清洁电力的能量以气的形式存下来晚上燃气轮机烧这部分气发电等于把白天的弃电搬到了晚上用弃光率降下来碳排放也跟着降。1.2 低碳约束让问题多了两个维度碳排放在传统调度里通常只是一个“事后统计”的数字。但在碳交易机制逐步落地的大背景下碳排放变成了实打实的成本项——排放配额不够用就得去碳市场购买这部分钱是要计入微网运行总成本的。于是调度问题的维度从“电、热”扩展到了“电、热、气、碳”目标函数也从“最小化购电成本加燃料成本”变成了“最小化综合运行成本”其中包含碳交易成本。更关键的是这两个新增维度不是独立存在的它们通过P2G和碳捕集机组形成了强耦合。碳捕集机组从烟气里分离出CO₂如果只是封存或者外运收益并不高但如果你把捕集到的CO₂直接喂给P2G的甲烷化反应器和氢气合成甲烷就相当于把CO₂变成了有价值的天然气。这一下就打通了“碳排放-捕集-再利用”的小循环。我在模型里把这两套设备放在同一个优化框架下后发现调度结果会出现一些很有意思的行为系统会在碳价高的时候主动提高捕集率同时把更多的弃电导向P2G让CO₂捕集量和甲烷化需求量在时间上自动匹配。2. P2G与碳捕集机组的协同逻辑2.1 P2G不是简单的“电转气”很多人一听P2G以为就是电解水制氢然后直接卖给加氢站。实际上工业级的P2G尤其是和天然气网络耦合的场景通常走的是“两步法”第一步电解水制氢第二步让氢气和CO₂发生甲烷化反应生成合成天然气SNG。为什么非要加这一步因为氢气直接进天然气管网有比例限制一般不能超过10%到20%而且氢气储存成本高、安全性要求苛刻。甲烷就不一样了可以直接进天然气管网、进储气罐、进燃气轮机全链条的兼容性都好得多。这一步的能源效率账必须算清楚碱性电解水制氢的效率大约在60%到75%甲烷化环节的转化效率也有损耗整体电转天然气的效率通常在55%到65%之间。这意味着每输入1MWh电最终能变成天然气形式输出的能量只有0.55到0.65MWh剩下的都以热的形式散掉了。表面上看效率不高但关键在于它利用的是弃风弃光的“垃圾电”或者电网低谷期的低价电这些电本来不用也是浪费。我在调度模型里处理P2G时不会把它当作一个简单的固定效率转换器而是会考虑它的可调范围电解槽有最小运行功率限制甲烷化反应器有负荷爬坡速率限制启停次数过多还会影响设备寿命。这些约束必须在模型里体现否则优化结果会给出一个每分钟都在启停的“理想方案”现场根本执行不了。2.2 碳捕集机组的三种运行方式碳捕集机组和普通火电机组最大的区别在于它可以主动调节自身排放到大气中的CO₂量。按照捕集系统的能量来源和工艺流程模型里通常区分为三种方式第一种是烟气分流式。机组排出的烟气一部分进入吸收塔与胺溶液发生化学反应吸收CO₂后变成富液富液再进入再生塔加热解析出高浓度CO₂。这种方式捕集率可以灵活调节从0%到90%之间连续可调。捕集率越高进入吸收塔的烟气比例越大系统消耗的蒸汽和电能也越多。第二种是富液分流式。它不改变烟气处理量而是改变进入再生塔的富液比例部分富液直接返回吸收塔。这种方式的调节速度更快更适应负荷频繁变化的场景。我在模型中偏向用这种方式做机组的“碳捕集灵活性”分析因为它能更快响应碳价信号。第三种是燃烧前捕集主要应用在IGCC等特定机组上在燃料气化阶段就分离CO₂工程应用目前不如燃烧后捕集普及。实际项目里绝大多数微网配套的都是燃烧后捕集装置我在建模时默认使用第一种或者第二种方式的组合。这里有一个特别容易忽略的模型细节碳捕集系统的能耗由两部分组成一部分是固定的维持能耗溶液循环泵、风机等一部分是随捕集量变化的可变能耗主要是再生塔热耗。我实测下来这个可变能耗模型如果简化成“每捕集1吨CO₂消耗固定电量”的静态系数结果会差很多。正确的做法是让这部分能耗和机组出力解耦单独作为决策变量捕集量越高能耗越高机组的净出力反而下降这个“净出力惩罚”会直接影响机组在电力平衡中的角色。2.3 协同闭环把CO₂从“废物”变“原料”单看碳捕集机组它只是一个“除碳装置”捕集下来的高浓度CO₂要么液化封存要么运输到化工厂做原料前者成本高后者运输难。但放在多能微网里P2G正好是CO₂的消纳出口。甲烷化反应的化学方程式是CO₂4H₂→CH₄2H₂O理论上每合成1立方米甲烷要消耗大约2.5到3立方米的氢气同时需要0.6到0.7立方米的CO₂。算一下物料平衡就能发现一个300kW的P2G装置满负荷运行一天能消化掉的CO₂大约在1.5到2吨左右。这个量和一台小型碳捕集的出力是匹配的。我在实际项目中把这两套设备的协同关系建模成“碳流耦合”具体操作是新增一个碳流平衡约束P2G消耗的CO₂量等于碳捕集设备供给的CO₂量外购CO₂作为高价补充手段不设也可以。这样一来调度模型会自动在“捕集更多CO₂供P2G产气”和“捕集CO₂要付出能耗成本”之间寻找平衡点。碳价越高、弃电越多这个平衡点就越倾向于提高捕集率和P2G出力。从系统角度看整条链路的运行逻辑闭环了光伏弃电→P2G产甲烷→燃气轮机烧甲烷发电同时碳捕集回收CO₂→再供给P2G做原料。3. 调度模型的搭建与求解3.1 目标函数成本构成与碳交易建模这个多能微网低碳经济调度的目标函数我把它写成了五个部分的加总燃料成本、运行维护成本、购电成本、碳交易成本以及设备启停成本。燃料成本主要覆盖燃气轮机和碳捕集机组消耗的天然气运维成本按各设备出力乘以单位运维系数估算购电成本是主电网交互功率和分时电价的乘积。这三个部分好理解关键是碳交易成本怎么建模。碳交易机制我采用基准线法上级给微网分配一定的免费碳排放配额实际碳排放量超出配额的部分需要从碳市场购买低于配额的部分可以出售获利。写成数学表达式就是碳交易成本等于碳价乘以实际排放量-配额量。这个表达式的符号是动态的实际排放量比配额低的时候这一项变成负值相当于给微网创造了碳收益。在目标函数里加这样的碳交易项之后调度模型会自发地“少排碳”因为每一吨少排的碳都能换算成钱。我试过碳价从20元/吨逐步调到80元/吨整个系统的运行策略会发生明显变化。目标函数还需要考虑P2G输出的天然气价值。P2G产出的甲烷如果不自用而是出售给气网这部分收益要计入总收入如果只在微网内部替代外购天然气那就要用“等值替代天然气量×天然气单价”来算收益取两者中更有经济意义的方式。我一般按内部自用替代来算因为微网内部燃气轮机本来就要消耗天然气自产甲烷直接进储气罐和管网减少外购量现金流最直观。3.2 约束体系电、气、热、碳四个维度的耦合调度模型的约束条件我习惯按“电-气-热-碳”四个维度拆开再通过耦合变量把它们连起来这么做的好处是逻辑清晰排查问题的时候能快速定位是哪条约束出了问题。电力平衡是最基础的约束电负荷等于风电、光伏、燃气轮机、碳捕集机组净出力、储能放电、主网购电这几项之和减去储能充电、P2G用电、电锅炉用电这几项。注意碳捕集机组的净出力是“原出力减捕集系统能耗”这个能耗是内生的我在实际建模时把它处理成随捕集量变化的二次函数而不是简单的常数。热力平衡包含燃气轮机余热回收和电锅炉两部分余热回收量取决于燃气轮机出力和热电比电锅炉作为补充热源配合储热罐进行平移这个约束在冬季场景下尤其关键。气体平衡方面我设置了甲烷流平衡方程P2G产气量加外购天然气量等于燃气轮机耗气量、气负荷和储气罐充气量之和。这个约束是P2G和燃气轮机联动的桥梁也是弃电转化为气再返回发电的“隐形通道”。碳约束包括机组碳排放计算、捕集量约束和碳流平衡碳排放量等于燃料消耗量乘以排放因子再乘以1-捕集率捕集率有上下限捕集到的CO₂一部分流向P2G一部分外送考虑封存或出售。这套四维耦合约束体系设置好后调度模型才真正具备“多能互补”的特征。3.3 模型求解线性化与求解器选择目标函数里的碳交易项带有绝对值或者条件判断P2G效率和碳捕集能耗存在非线性关系直接求解非凸问题很麻烦。我的做法是做线性化处理碳捕集能耗曲线用分段线性函数逼近比如把捕集率分成三段每段取不同的线性系数P2G的启停状态用0-1整数变量表示配合大M法把逻辑约束转成线性不等式。这样整个模型就变成混合整数线性规划MILP问题。求解器方面我优先用Gurobi和CPLEX这类商业求解器它们的整数规划和线性规划求解性能确实比开源求解器好很多尤其是在变量上千、约束数百条的规模下求解速度差异能到几倍甚至十几倍。开源方案里SCIP和CBC可以用但复杂模型的求解时间会明显拉长适合小规模算例验证。调度周期我设置为24小时时间尺度为1小时这样模型规模可控假设有20个0-1变量和连续变量24个时段的模型规模在2000到3000个约束左右Gurobi通常几十秒内收敛到1%的gap以内够用。如果想做滚动优化把优化周期改成4小时滚动、每次滚动更新一次边界条件也能在模型框架里自然扩展。4. 仿真算例与结果对比4.1 算例设置设备参数与典型日选取为了让调度模型落地我搭了一个典型园区多能微网的仿真算例。微网里包含400kW风电、300kW光伏、500kW燃气轮机、800kW碳捕集机组、300kW电转气设备、200kWh储能和500kWh储热罐。碳捕集机组的捕集率可调范围为0到90%每捕集1吨CO₂约消耗0.35MWh热能折成等效电耗约0.12MWh/t。P2G的综合转换效率取60%最大耗电功率300kW。碳价基准设为50元/吨免费配额按微网年排放量的85%折算到日。典型日我选的是一个具有代表性的过渡季节场景光伏出力在中午12点到14点之间达到峰值180kW风电早晚出力较好、白天偏弱电负荷呈现明显的早、晚两个高峰。这样的场景能同时考验系统的“弃光消纳能力”和“晚高峰低碳供能能力”比选一个极端夏季或冬季更有诊断价值。这一天外电网分时电价设置了峰、平、谷三个时段低谷0.3元/kWh、平时0.6元/kWh、高峰1.1元/kWh目的是观察P2G到底是利用弃电还是利用低谷低价电来驱动。4.2 三种方案的调度结果分析我设计了三个方案做对比方案一不含P2G和碳捕集设备纯传统微网方案二含P2G但不含碳捕集P2G的CO₂原料外购方案三同时包含P2G和碳捕集机组形成碳循环。三种方案都用同一套目标函数和约束体系运行确保可比性。调度结果显示方案一天天线排放二氧化碳约82吨弃光率11%系统运行总成本约19500元。方案二加入P2G后弃光率降到3%以下碳排放下降到约77吨但总成本反而小幅上升到约20000元原因是外购CO₂原料增加了支出P2G的运行维护折旧也增加了成本。方案三同时引入碳捕集后碳排放骤降到约46吨降幅接近44%虽然设备能耗导致运行成本进一步增加几百元但碳交易支出大幅减少加上P2G产气替代了部分外购天然气系统总成本反而降到约18800元比传统方案还低了700元左右。这个结果很有说服力P2G加碳捕集不是单纯“花钱买低碳”在合适的碳价假设下它可以在降低碳排放的同时改善经济性。我还单独拉出了夜间时段的出力曲线来看燃气轮机和碳捕集的配合逻辑。傍晚高负荷时段燃气轮机满发碳捕集机组保持75%到80%的高捕集率系统外购电量减少碳排放成本被控制在较低水平。到了夜间低谷期风电出力上升、电负荷下降P2G开始加大功率制甲烷此时碳捕集机组的捕集率同步上调把白天和夜间捕集的CO₂集中供给P2G做原料。这套“高负荷保供电、低负荷制造气”的时序配合逻辑完全靠优化模型自动生成而不是人工设定的规则表这正是低碳经济调度的核心价值。4.3 灵敏度分析碳价、捕集能耗对结果的影响做完基准场景我又跑了三组灵敏度分析。第一组把碳价从20元/吨逐步调到100元/吨观察碳排放量和系统成本两个指标的变化趋势。结果显示当碳价低于30元/吨时系统碳排放量维持在68到70吨的高位捕集机组处于低捕集率运行状态因为捕集所付出的能耗成本比买碳配额还贵模型不会主动提高捕集率。碳价一旦超过50元/吨碳捕集率迅速爬升到70%以上P2G的出力也同步增加。碳价涨到80元/吨以上后捕集率逼近上限减排量增速放缓呈现明显的边际递减效应。这个拐点数据对实际运营来说很重要它告诉你碳价在什么区间内推动碳捕集设备加码是最划算的。第二组分析针对捕集能耗系数我把每吨CO₂的标准能耗从0.42MWh降到0.30MWh模拟碳捕集技术进步带来的影响。能耗下降后在同样的碳价下系统自动把捕集率提高了9个百分点碳排放进一步下降同时燃气轮机的总发电量可以提升因为净出力惩罚变小了。这说明设备效率提升对低碳调度的杠杆作用非常显著模型设计时如果把能耗参数固定死就会低估技术进步带来的调度效益。第三组分析看P2G转换效率的影响。效率从55%提到70%方案三中P2G的平均日运行时间增加了约2.1小时弃光率进一步压缩燃气轮机夜间的天然气自给率从30%上升到了42%。P2G效率提升直接改变了它的经济可行性边界也就改变了最优解中它的位置。这三组灵敏度数据我整理成了表格放在项目报告里方便后续根据实际项目参数直接套用。5. 实操中踩过的坑和排查记录5.1 P2G时序匹配的坑我第一版模型跑完后调度方案里P2G的运行曲线非常密集几乎每小时都在启停切换。理论上一看就是“完美”的优化结果哪里有弃电P2G就在哪里启动。但现场工程人员看到这份方案当场否决因为实际运行中电解槽和甲烷化反应器的启停时间以小时计频繁启停会严重加速电极和催化剂老化。这个问题在模型里很好解决给P2G增加最小连续运行时间和最小连续停机时间约束同时把启停成本乘以一个足够大的系数。加入之后P2G的运行曲线被“拉平”了虽然经济成本因为启停约束稍微增加了100到200元但方案真正具备工程可执行性。类似的坑还有储氢罐容量。两步法P2G中电解水制氢和甲烷化反应器之间需要氢气缓冲储罐如果储罐容量设得过小调度模型就会因为氢气“无处安放”而强行降低电解槽出力P2G的灵活性发挥不出来。我建议储氢罐容量至少按照设计工况下1到2小时的产氢量来配置具体数值用调度模型跑一轮容量灵敏度就能定出来。5.2 碳捕集能耗建模的两种错误碳捕集能耗建模有两个典型错误我都在调试过程中遇到过。错误一把捕集能耗简单处理为电耗常数。实际的胺法捕集系统再生塔再沸器消耗的是蒸汽蒸汽来自机组抽汽抽汽量增加会降低汽轮机出力这个热-电耦合关系是内生的。如果模型里仅用电负荷侧加一个常数电耗会高估机组净出力导致调度方案里的机组出力曲线在实测中“产得出电”却“送不出”。我最终的方案是建立热耗与捕集量之间的线性关系把抽取蒸汽对机组出力的影响用等效电耗系数折算到净出力限制里。错误二把捕集率当作固定值。很多文献在简化模型时直接给定一个捕集率常数这样模型就失去了“调节灵活性”。实际上最优调度恰恰需要利用捕集率的连续可调特性——在电价高峰时降低捕集率保供电在电价低谷时提高捕集率多减排。我把捕集率设为一个连续决策变量后系统的运行成本在测试场景里下降了约4%到6%这个改进非常可观。如果项目里碳捕集机组是新建的建议直接采用可变捕集率模型如果是改造旧机组至少也要设两到三档可调。5.3 求解性能的实战优化MILP模型规模一大求解时间就发散。我第一次跑完整年逐日优化时每天一个模型350多个模型连跑差不多要几个小时。一天是86400个状态变量直接优化24小时的模型还好但如果想扩展成全年8760小时的长时间尺度问题规模会爆炸。我的实际做法是先用K-means聚类算法把全年365天聚成5到8个典型日分别优化再加权汇总这样全年结果在几十秒内就能算完。这个做法的精度损失在工程可控范围内典型日聚类数从5个增加到8个碳排放总量指标的偏差不到3%但计算时间却降低了一个量级。针对单个24小时模型我也总结了几条性能调优经验约条件里优先用大M法而不是逻辑约束因为商业求解器对大M模型的预处理更高效对大M的M值要尽量取小过大会导致数值不稳定的问题把设备启停的0-1变量按时段分离比如同一设备24小时的启停变量作为一个决策变量组Gurobi能自动识别并利用其结构特性加速分支定界求解。我最终的模型在6000多个变量规模下Gurobi普遍在15秒内收敛到1%的gap完全满足软件在线调度的高频调用需求。6. 一些想留给后续项目的经验跑完这个项目我最大的体会是多能微网的低碳经济调度本质上是把“减排压力”转译成“优化驱动力”让碳排放不再是事后的统计报表而是每一小时都在影响设备出力的决策变量。P2G和碳捕集的组合不是一个简单的设备叠加它带来的是一种新的运行范式燃气轮机白天发电路径的CO₂可以被收集起来等到夜里光伏风电富余时再和氢气一起变回甲烷重新成为明天的燃料。这种“碳循环”在模型里只是几条约束和一组变量在现场却是实实在在减少碳排放和燃料支出的通道。数据上有几个数字我一直记着典型的弃光场景里1MWh弃电走P2G转成甲烷替代天然气能节省大约200到250元的燃料成本同时消纳过程还能减少大约0.4吨的碳排放量。这组数字在不同参数下有波动但方向是稳定的弃电转气的价值很少单独体现在转换效率上更多体现在系统层面的能源替代和碳减排联动上。碳捕集机组的加入则让这个价值链条增加了一个“碳源”接口。我给准备做类似项目的同行留三条建议第一模型里一定要给碳捕集率留连续可调的余地固定捕集率模型做出来的调度方案没有实操价值。第二P2G启停约束和储氢缓冲容量这两个工程细节在模型里必须显式表达它们决定优化方案能不能真的落地。第三碳价的灵敏度分析要做到项目报告里运营方关心的从来都是“碳价到多少我才值得开捕集设备”这个数值比最优排放量更有决策价值。后续如果再扩展这个模型我可能会把备用容量约束和机组组合的日内滚动更新放进去让调度方案在前瞻性和鲁棒性之间拿到更好的平衡。