一种钢铁园区与电网绿电协同调度优化方法及系统
本技术涉及钢铁工业节能减排与钢铁园区与电网绿电协同系统调度领域,特别是涉及一种钢铁园区与电网绿电协同调度优化方法及系统。
背景技术:
1、随着风电、光伏等可再生能源在电力系统中占比的持续提升,其出力的随机性与波动性给能源系统的安全稳定运行带来严峻挑战。钢铁园区与电网绿电协同系统(integrated energy system, ies)通过实现电、气、热等多能流的互补耦合,被广泛视为提升能源利用效率、促进可再生能源消纳的有效技术手段。当前,ies相关研究多集中于民用建筑和产业园区,对高耗能流程工业,尤其是钢铁行业的应用探索尚不充分。钢铁行业作为典型能源密集型流程工业,其生产过程对碳基原料依赖性强、碳排放量巨大,迫切需要开展企业级ies优化运行研究。
2、电转气(power-to-gas, p2g)技术通过电解水制氢与二氧化碳甲烷化反应将电能转化为合成天然气,是实现碳资源化利用和可再生能源大规模消纳的重要技术路径。碳捕集与封存/利用(carbon capture, utilization and storage, ccus)技术则可将钢铁生产过程中产生的二氧化碳进行捕集,为p2g提供原料气源。理论上,ccus与p2g的深度协同能够形成物料闭环耦合,在降低碳封存成本的同时提升系统整体能效。
3、然而,现有钢铁企业ies调度方案中,p2g与ccus通常被作为独立单元分别建模与优化,二者之间缺乏二氧化碳和氧气的物料流闭环耦合关系,导致碳封存成本与碳源采购成本双重高企,副产氧气亦未被有效利用,难以发挥ccus-p2g联合系统的协同减排潜力。因此,如何构建一种涵盖ccus与p2g深度协同、实现物料流闭环耦合的钢铁园区ies优化调度方法,是目前本领域亟待解决的技术问题。
技术实现思路
1、本技术的目的是提供一种钢铁园区与电网绿电协同调度优化方法及系统,可通过构建碳捕集与电转气深度耦合的钢铁园区与电网绿电协同系统模型并综合阶梯碳交易与绿电采购机制进行协同寻优,以降低系统运行总成本并提升可再生能源消纳能力。
2、为实现上述目的,本技术提供了如下方案:
3、第一方面,本技术提供了一种钢铁园区与电网绿电协同调度优化方法,包括:
4、获取钢铁园区与电网绿电的运行及市场数据;所述运行及市场数据至少包括外部电网绿电供给预测曲线、分时电价时序数据、实时碳交易价格、阶梯碳交易区间参数、绿色电力采购比例要求、园区内分布式光伏的出力预测曲线、电炉短流程炼钢工序的预测生产计划与基础物料消耗指标;
5、根据所述运行及市场数据,对预先构建的钢铁园区与电网绿电协同调度数学模型,通过经济优化目标函数进行目标优化,生成最优的钢铁园区与电网绿电协同调度指令;
6、所述经济优化目标函数包括非绿电的购电成本、天然气的购气成本、各设备运维成本、碳封存成本以及碳交易成本;所述钢铁园区与电网绿电协同调度数学模型根据钢铁园区的物理设备机理与能碳流向构建。
7、可选地,所述钢铁园区与电网绿电协同调度数学模型包括:
8、电炉炼钢能耗模型,用于根据电炉短流程生产中的原料投入量确定电能与氧气消耗量,并包含电炉各工序段的功率约束;
9、光伏发电模型,用于根据分布式光伏配置规模及环境参数确定光伏输出功率;
10、电转气制氢及甲烷化模型,用于确定电解水制氢与二氧化碳甲烷化过程中的电功率输入、二氧化碳消耗量与甲烷产量之间的转化关系;
11、碳捕集能耗模型,用于确定碳捕集装置的捕集电耗与二氧化碳捕集量之间的定量关系。
12、可选地,所述电炉炼钢能耗模型采用基于物料平衡与动态操作约束耦合的修正能耗评估关系式计算电弧炉在各调度时段的瞬时电能需求量,所述修正能耗评估关系式具体为:
13、
14、式中,为时段电弧炉的电能消耗量;为铁质材料的重量;为出钢重量;为碎屑重量;为造渣剂重量;为出钢温度;为供电时间;为断电时间;为时段电弧炉的天然气消耗量;为时段内氧枪供氧量;为co二次燃烧氧气用量;表示分钟;表示摄氏度;表示立方米/吨。
15、可选地,所述电炉炼钢能耗模型中,电弧炉的天然气总消耗量包括预处理阶段天然气消耗量和通电冶炼阶段天然气消耗量;所述预处理阶段利用冶炼废气余热和外接天然气化学能对废钢原料进行预热,预热温度及天然气消耗量按物料平衡关系确定;所述通电冶炼阶段的天然气消耗量按预设常数值参与计算。
16、可选地,所述碳捕集能耗模型分别部署于电炉生产单元的烟气排放端以及热电联产机组的废气输出端,捕集后的二氧化碳优先供给所述电转气制氢及甲烷化模型所对应的电转气设备作为甲烷化原料,剩余部分通入碳封存管路进行封存处理。
17、可选地,所述碳交易成本根据实际碳排放量与初始碳配额之间的差额,结合阶梯碳价格算子进行分段线性计算;所述实际碳排放量由电炉炼钢系统的直接碳排放量、外购电力的间接碳排放量以及燃气轮机的直接碳排放量叠加后减去碳捕集装置捕获的二氧化碳量而确定;所述初始碳配额采用基准线法分别对电炉炼钢系统、外购电力和燃气轮机进行无偿配额分配后累加而确定;当实际碳排放量低于初始碳配额时,出售剩余配额获得收益,该收益以负成本形式计入所述碳交易成本。
18、可选地,所述目标优化还设置有约束条件,所述约束条件至少包括:
19、多能源功率实时平衡约束、各设备运行功率上下限约束及功率随时间变化的爬坡速率约束、储能装置荷电状态连续性约束、充放能功率限制及周期始末能量状态平衡约束、目标运行周期内园区向大气实际排放二氧化碳总量的上限约束;
20、所述多能源功率实时平衡约束包括电功率平衡约束、天然气流量平衡约束、热功率平衡约束及冷功率平衡约束;所述电功率平衡约束的电负荷项为电炉电能消耗量、电转气设备电功率消耗及碳捕集装置电功率消耗之和;天然气流量平衡约束中的气源项为电转气设备产气量。
21、可选地,所述对预先构建的钢铁园区与电网绿电协同调度数学模型通过经济优化目标函数进行目标优化,具体为:
22、将获取的所述运行及市场数据、所述钢铁园区与电网绿电协同调度数学模型、所述经济优化目标函数以及所述约束条件转化为混合整数规划问题,调用求解器进行求解,输出最优的钢铁园区与电网绿电协同调度指令。
23、可选地,所述非绿电的购电成本根据峰平谷分时电价时序以及常规火电与绿电的组合采购比例进行动态核算,绿电的实时结算价格在常规火电基准电价的基础上乘以预设的溢价系数。
24、第二方面,本技术提供一种钢铁园区与电网绿电协同调度优化系统,包括:
25、数据采集模块,配置为获取钢铁园区与电网绿电的运行及市场数据;所述运行数据及市场数据包括外部电网绿电供给预测曲线、分时电价时序数据、实时碳交易价格、阶梯碳交易区间参数、绿色电力采购比例要求、园区内分布式光伏的出力预测曲线,以及电炉短流程炼钢工序的预测生产计划与基础物料消耗指标;
26、模型存储模块,配置为存储预先构建的钢铁园区与电网绿电协同调度数学模型,所述数学模型根据钢铁园区的物理设备机理与能碳流向构建;
27、优化求解模块,根据所述运行及市场数据,对预先构建的钢铁园区与电网绿电协同调度数学模型通过经济优化目标函数进行目标优化,生成最优的钢铁园区与电网绿电协同调度指令;
28、所述经济优化目标函数包括非绿电的购电成本、天然气的购气成本、各设备运维成本、碳封存成本以及碳交易成本;所述钢铁园区与电网绿电协同调度数学模型根据钢铁园区的物理设备机理与能碳流向构建。
29、根据本技术提供的具体实施例,本技术公开了以下技术效果:
30、本技术提供了一种钢铁园区与电网绿电协同调度优化方法及系统,通过集成电网绿电供给、分时电价、阶梯碳价、绿电采购指标、园区光伏出力、电炉炼钢生产计划及物料消耗等多维度时序与工况数据,补齐了传统调度数据维度单一、未匹配碳市场及绿电政策约束的短板。可精准适配绿电间歇性波动特征,同时兼顾分时电价市场、阶梯碳交易市场规则以及硬性绿电配比考核要求,让调度决策贴合电网实际运行工况、双碳政策规范与园区真实生产节奏,有效提升调度方案落地性,规避政策合规风险。依托钢铁园区电炉短流程炼钢工艺特性,结合园区各类用电、用气、碳封存设备物理运行机理,梳理全域电能、天然气、碳排放流动规律,搭建贴合钢铁高耗能工业实景的协同调度模型。有效解决通用电力调度模型与钢铁生产刚性负荷不匹配、计算误差大的问题,保障调度优化过程不会干扰炼钢核心工序正常运转,兼顾调度灵活性与工业生产稳定性。通过构建涵盖非绿电购电、购气、设备运维、碳封存、阶梯碳交易的全维度经济目标函数,突破传统调度仅优化购电成本的局限性。统筹权衡园区电、气、碳全链条运行成本,在满足生产计划、绿电配比、碳排限额多重约束的前提下,规避电价高峰购电成本、超额碳排交易溢价及绿电指标不达标罚金,实现园区综合用能与碳管控成本最优,显著降低园区整体运营开支。
31、综上,本技术统筹园区分布式光伏内源绿电与外网公共绿电协同调度,依据绿电出力时序变化动态调节园区用电负荷,在绿电高发时段提升生产负荷消纳绿电,低谷时段压缩非刚性用电负荷。既能平抑新能源并网带来的电网峰谷差,减轻电网调峰压力,提升区域绿电就地消纳率;又能以绿电替代火电,从源头削减园区化石能源消耗与间接碳排放,实现园区与电网双向共赢。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com