基于潮流追蹤的用戶碳排放水平計算與評估方法

楊曉林, 陳 虹, 袁 琪, 盧陳越, 馬煜承, 王 琦

(1.國網江蘇省電力有限公司 常州供電分公司,江蘇 常州 213003;2.東南大學 電氣工程學院,江蘇 南京 210096)

0 引言

隨著近年來電力系統向低碳化轉型以及分布式電源、分布式儲能技術的發展,部分用戶從傳統的單一能源消費者轉變為同時兼具能源供給能力的產消者。這些用戶側泛在資源分布零散、數量多、容量小以及隨機性大的特點[1-2],加劇了電網公司在用戶碳排放量溯源、計算與評估上的困境。因此本文提出了基于潮流追蹤技術[3]的用戶碳排放水平計算與評估方法,對大電網的碳流分布進行有效追蹤[4-5]。同時,構建基于用戶側能源信息的碳排放指標體系,實現對用戶碳排放水平的有效評估。

潮流追蹤技術目前在大電網分析與控制領域中的研究較多,包括輸電成本分攤方法[6]、需求響應[7]和網損分攤[8]等。文獻[9]提出結合潮流追蹤法、功率靈敏度法與反向等量調整法對控制節點組進行相應控制進而快速消除線路過載避免連鎖故障。文獻[10]基于潮流追蹤算法提出一種發電機功率非均勻分配方式以降低網絡的臨界同步耦合強度,改善電網同步性能與魯棒性。文獻[11]針對導致潮流方程無解的支路型故障,提出了一種基于潮流追蹤方法的潮流解恢復控制策略。近年來,潮流追蹤技術在碳電領域中的研究應用越來越被關注,文獻[12]基于發、用電企業的電力生產和消費數據、電力潮流分布數據以及綠色電力交易數據,構建了一種企業用電碳排放因子計算模型,實現用電側碳排放因子的實時更新。文獻[13]建立了基于氣、熱系統疊加特性的動態潮流模型,對系統進行動態潮流追蹤,形成了用戶側精細化碳指標。

在電力系統碳排放水平評估方面,各個研究尚未達成共識。文獻[14]提出了隨時間變化的電網碳排放因子測算方法,并分析了電網碳排放因子的日內和季節性變化。文獻[15]提出利用靈敏度分析確定節點負荷變化對應的邊際機組,進而量化用戶的用電碳排放責任。文獻[16-17]提出了初步的碳流理論架構,文獻[18]基于該理論提出了電力碳排放區域分攤的基本原則。文獻[19]將碳排放流理論拓展到綜合能源系統,揭示了能源網絡中碳排放流的基本特征與規律。

基于前人的研究,本文提出了一種基于潮流追蹤技術的用戶碳排放水平計算與評估方法。針對現有技術難以對電網碳足跡進行準確追蹤等問題,創新性地提出了基于潮流追蹤理論的電網碳追蹤技術,構建碳流網絡模型與理論框架。所提的創新碳排放指標體系,可助力相關部門、政府對于電力系統進行合理的碳排放的量化評估。

1 潮流追蹤方法

(1)

式中：*為頂點(節點)的相連運算,代表頂點序列滿足結合律但不滿足交換律;∨為條件“或”,滿足結合律、交換以及兩種運算間的分配律。

通過三步進行潮流追蹤[20]：順流和逆流追蹤將網絡損失雙向分攤至負荷側和電源側從而將有損網絡轉化為無損網絡;通過直流潮流方程對無損網絡進行潮流分析求解;通過有功功率的逆流潮流追蹤得到節點負荷、支路潮流分布以及發電機注入網絡的功率分布。

首先通過雙向網損分攤可以將支路損耗分攤至電源與負荷兩側如式(2)～(5)所示：

(2)

(3)

(4)

(5)

然后經過網絡損失的雙向分攤可以得到無損網,通過求解式(6)所示的直流潮流方程進行潮流計算。

(6)

最后根據逆流追蹤重新計算得到節點負荷、支路潮流中各發電機注入網絡的功率占比。

2 基于潮流追蹤的用戶碳排放水平計算與評估方法

碳排放因子計算方法如圖1所示。

圖1 結合電力與經濟的電網碳排放指標計算流程

碳排放因子計算如式(7)所示：

Emgrid,i+∑j(EFgrid,j×Eimp,j,i)+

(7)

式中：EFgrid,i為電網i的平均CO2排放因子;Emgrid,i為區域電網i覆蓋的地理范圍內發電產生的CO2直接排放量;EFgrid,j為向區域電網i凈送出電量的區域電網j的平均CO2排放因子;Eimp,j,i為區域電網j向區域電網i凈送出的電量;EFk為向區域電網i凈出口電量的k國發電平均CO2排放因子;Eimp,k,i為k國向區域電網i凈出口的電量;Egrid,i為區域電網i覆蓋的地理范圍內年度總發電量;i為東北、華北、華東、華中、西北和南方區域電網之一;j為向區域電網i凈送出電量的其他區域電網;k為向區域電網i凈出口電量的其他國家。

由前述得到的節點負荷、支路潮流中各主網饋線輸入的功率結合主網饋線碳排放強度EG,即可計算得到配電網中的碳流分布情況,如下式所示：

(8)

(9)

RGk=Re[SGk]EG

(10)

ΔRGk=Re[ΔSGk]EG

(11)

式中：RLi為負荷i的碳流率,物理意義為負荷i每小時用電產生的等效到發電側的碳排放量;Rij為支路i-j的碳流率,物理意義為單位時間內隨有功潮流通過的碳流量;RGk為節點k注入配電網的碳流率;ΔRGk為節點k承擔的網損碳流率。

用戶碳排放水平評價指標如表1所示,用于評價實際電網中的用戶用碳表現。其中：Cload為用戶負荷實時碳流率;Pload為用戶負荷實時有功功率;ECload為系統總體碳排放量;Eload為系統總體用電量;ELDlloss為配網線損耗電量;ELDl為配網線路傳輸電量;ECLlpos為線路正向輸電損耗;ECLlrev為線路反向輸電損耗;Ewind、Elight、Ewater分別為風力、光伏、水力發電量;Etotal為系統總體發電量;Pwind、Plight、Pwater分別為風力、光伏、水力發電出力量;Ptotal為系統出力。Cload、Pload為實際量測量,由實時監測獲得;ECload、Eload、ELDlloss、ELDl、ECLlpos、ECLlrev、Ewind、Elight、Ewater、Etotal、Pwind、Plight、Pwater、Ptotal為統計量,由系統統計獲得。

表1 用戶碳排放水平評價指標

3 算例分析

本文對東部省份某區域220 kV以上的電網節點進行拓撲構建、節點與線路碳排放量綜合評估。其中SCWB與QTB兩節點存在區外來電,區外來電碳排放因子取2020年東部省網平均碳排放因子700 g/kWh,其他均為區域內部自發電廠供電,其碳排放因子根據廠站碳排放監測與分析數據進行求解。本算法已部署在該區域碳排放中心,對該區域的碳排放統計與減排實際工作進行指導。

分析可以得到電網碳排放綜合態勢評估結果,如圖2所示,節點的顏色深淺與線路的粗細代表不同的節點負荷碳排放量和線路承載碳排放量的大小。

圖2 東部省份某區域省網碳足跡綜合分析

東部省份某區域電網中碳排放量最高的負荷節點為CHB,碳排放量為272 983 kg/h;碳排放量最高的發電節點為SCWB,碳排放量為579 600 kg/h;承載碳排放最高的線路為SCWB-CHB,碳排放量為334 327 kg/h。

以THB為例,追蹤其發電出力及等效碳排放向周邊節點的傳遞過程,THB的總碳排放量為301 370 kg/h。結果如圖3及表2所示。線路承載比例指源節點注入某一線路的碳排放占源節點總碳排放量的比例;負荷節點排放比例指某一節點負荷對應的碳排放中來自源節點的碳排放的占比。

圖3 THB源-荷追蹤結果

由表2可以看出,該發電節點的碳排放主要流向THB自身負荷與YTB負荷節點,占比分別為36.20%與23.45%。

以線路SCWB-CHB為例,追蹤其上承載的潮流及等效碳排放的來源節點與目標節點,結果如圖4和表3所示。

由表3可以看出,該線路主要碳流來源是SCWB的區外來電;主要碳流目標為CHB、PCB以及CFB等地的負荷。

表2 THB源-荷追蹤結果

圖4 線路雙向追蹤結果

表3 線路源-荷雙向追蹤結果

以東部省份某區域一天內負荷平均功率與平均碳排放強度為例,可以計算負荷度電碳排放,如圖5所示。

圖5 負荷節點清潔程度

將負荷按度電碳排放結果進行清潔程度評估,分為以下幾類：非常清潔(400～550 g/kWh)：節點12(YDB)、節點18(HXB)、節點16(XZB);一般清潔(550～710 g/kWh)：節點9(CFB)、節點3(LHB)、節點10(CHB)、節點13(PCB)、節點2(DDB)、節點17(GWB)、節點8(QLB);不清潔(>710 g/kWh)：節點4(CNHB)、節點6(SJB)、節點7(THB)、節點11(YTB)。

以江水源能源站為例,計算典型大功率用戶的用能碳排放追蹤結果,從而得出用戶的整體用能清潔程度如表4所示。

表4 江水源能源站清潔程度

4 結語

本文針對現有技術難以對電網碳足跡進行準確追蹤等問題,創新性地提出了基于潮流追蹤理論的電網碳追蹤技術,提出了碳流網絡的建模方法與理論框架,構建了電網節點、支路、網絡碳流模型。提出了統一各維度與精度的電碳監測數據的方案,分行業、地區和時間對區域能源系統整體能碳數據進行監測。從源頭引入,分析碳排放在一次能源-發電機組-輸電網-配電網-用戶負荷中的運行態勢,在此基礎上,結合行業企業數據,分析最終落點碳排放清潔消納指標。從而計算區域內各類型企業的碳排放,定量測度系統碳排放總量和強度的總體水平。

CalculationandEvaluationMethodofUserCarbonEmissionLevelBasedonPowerFlowTracking

YANG Xiaolin1*, CHEN Hong1, YUAN Qi1, LU Chenyue1, MA Yucheng2, WANG Qi2

(1.Changzhou Power Supply Branch, State Grid Jiangsu Electric Power Co., Ltd., 213003, China;2.School of Electrical Engineering, Southeast University, Nanjing, 210096, China)

Keywords： power flow tracking; carbon emission data; carbon footprint tracking; carbon emission level assessment

The characteristics of new power system user-side ubiquitous resources that are scattered in distribution, large in number, small in capacity and stochastic in nature create difficulties for user-side fine-grained carbon emission calculations. Carbon flow analysis method is a carbon flow tracking method based on power distribution, the basic idea is to determine the power distribution in the power grid by using the downstream or countercurrent tracking algorithm on the basis of the power flow results, and then combine with the carbon emission intensity of the units to fairly distribute the carbon emissions from the power generation side to the loads of each node, the power of each branch and the network loss, so as to achieve accurate tracking and tracing of the specific flow of carbon emissions.

Network loss is an important factor affecting carbon emissions. The carbon flow calculation method based on DC power flow will produce a large calculation error when facing the actual lossy network. Power plants use the grid to supply electricity, and loads are used through the grid. If only one party bears the burden, this results in an unequal sharing of carbon emissions from network damage. In order to accurately measure and assess the level of user carbon emissions in the power system, a method for calculating and evaluating the level of user carbon emissions based on power flow tracking is proposed.

First, the sources of different currents in each node of the power system by means of power flow tracking method is analyzed, so as to determine the indirect carbon emission responsibility of each node.

Second, in accordance with the principle of proportional sharing, this paper combines the carbon intensity of different sources to obtain the distribution of carbon flows in the power system. After allocating the total network losses to the loads or power sources, the original network which will be transformed into a virtual lossless network, and the power generation and consumption of the lossless network will remain balanced. In the lossless network, the net load of nodes and the net output of power supply are known. In addition, the net active current value of each branch is not known. Considering that the virtual network has a tributary loss of 0, the active distribution of each branch can be determined by DC current equation.

Solve the tributary power flow equation to obtain the power of each branch. Then, according to the countercurrent tracking algorithm, active components of each generator in the node load and branch power are recalculated. At this point, the two-way sharing of network loss and the construction of the virtual network have been completed. On this basis, the carbon emission stream can be calculated and analyzed.

Finally, the proposed load-side indicators of various electric power emissions are used to assess the degree of cleanliness of different nodes, so as to guide the users to use more cleaner energy reduce their own carbon emissions.

In order to verify the validity of the proposed method, this paper uses the real power system data from a region in one eastern province as example to ensure the reasonableness and usability.