文章解读与仿真程序复现思路——电工技术学报EI\CSCD\北大核心《考虑光热电站及富氧燃烧捕集技术的电热气综合能源系统低碳运行优化》

本专栏栏目提供文章与程序复现思路，具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目《论文与完整程序》

这个标题涉及到一个关于能源系统优化的复杂主题，其中考虑了多种技术和能源组件。下面是对标题中关键词的解读：

1. 光热电站 (Concentrated Solar Power Station):

   • 意义： 这是一种利用聚光镜或反射面将太阳光集中到一个小区域，产生高温热能，然后将其用于发电的技术。
   • 解读： 在综合能源系统中，光热电站可能是一个重要的组件，为系统提供可再生的高温热能，用于发电或其他用途。

2. 富氧燃烧捕集技术 (Oxy-Fuel Combustion Capture Technology):

   • 意义： 这是一种燃烧过程中使用富氧气体代替空气，以便更容易进行二氧化碳（CO2）的捕集和分离的技术。
   • 解读： 富氧燃烧捕集技术在综合能源系统中的应用可能有助于减少燃烧过程中产生的二氧化碳排放，从而降低系统的碳足迹。

3. 电热气综合能源系统 (Integrated Power, Heat, and Gas Energy System):

   • 意义： 这是一个结合了电力、热能和气体能源（例如氢气）的综合能源系统，实现多能互补和高效能源利用。
   • 解读： 该系统不仅考虑电力生成，还包括热能和气体能源，形成一个多元化的能源网络，以提高能源系统的整体效能。

4. 低碳运行优化 (Low-Carbon Operation Optimization):

   • 意义： 指通过采用各种技术和策略，减少系统运行过程中的碳排放，实现更为环保和可持续的能源系统运行。
   • 解读： 低碳运行优化可能包括提高能源利用效率、采用清洁能源、碳捕集技术等方法，以最小化系统的环境影响。

综合来看，这个标题描述了一个包含光热电站和富氧燃烧捕集技术的电热气综合能源系统，并强调通过低碳运行优化实现对整个系统的环保和高效管理。这种综合能源系统的设计和运营对于应对气候变化和推动可持续能源发展具有重要意义。

摘要：针对传统机组的运行约束及环境污染问题，引入富氧燃烧捕集技术对燃气机组进行改造，配置含热回收器的光热电站实现热电解耦与辅助供能，并结合电转气设备、燃气锅炉等能量转换设备组成综合能源系统，提出一种电热气综合能源系统低碳优化方法。首先，构建系统架构，并建立富氧燃烧捕集机组的电碳特性方程与光热电站模型；其次，计及反应余热利用与氧气回收，建立电转气设备模型；然后，引入奖惩阶梯型碳交易机制以限制碳排放量，建立以系统运行成本最小为目标的电热气综合能源系统低碳经济调度模型；最后，进行算例仿真，由仿真结果可知，该方案可兼顾减碳效果与运行效益，不仅可以提高燃气机组的运行调节能力与电转气设备的运行潜力，提升系统的运行效益，而且可以有效降低环境污染与制氧能耗。

这段摘要讨论了针对传统能源机组的局限性和环境污染问题提出的解决方案，通过引入多种技术和设备构建综合能源系统，旨在实现系统的低碳优化。

1. 技术引入与改造：

   • 富氧燃烧捕集技术改造燃气机组： 通过引入富氧燃烧捕集技术对传统燃气机组进行改造，有望降低碳排放并提高其效率。
   • 含热回收器的光热电站： 光热电站配置含热回收器，以实现热电解耦（将热能和电能分离）并提供辅助能源。

2. 构建综合能源系统：

   • 结合多种能量转换设备： 包括电转气设备、燃气锅炉等，构建多元化的综合能源系统。
   • 系统架构建立与模型建模： 建立了富氧燃烧捕集机组的电碳特性方程、光热电站模型以及电转气设备模型等。

3. 低碳优化方法：

   • 引入碳交易机制： 采用奖惩阶梯型碳交易机制限制碳排放，以降低环境影响。
   • 低碳经济调度模型： 建立系统运行成本最小为目标的调度模型，以优化系统的低碳运行。

4. 仿真与结果分析：

   • 算例仿真验证方案有效性： 通过仿真结果验证，该方案兼顾了减少碳排放、提高运行效益，并有效降低环境污染和制氧能耗。

综合而言，这个方案不仅考虑了技术改造和系统优化，而且引入了碳交易机制和经济调度模型，以实现综合能源系统的低碳化运行，并通过仿真结果证实了其有效性和可行性。

关键词：    电热气综合能源系统;光热电站;富氧燃烧捕集技术;奖惩阶梯碳交易;低碳运行;

1. 电热气综合能源系统：

   • 这是一个整合了电力、热能和气体能源的系统，通过协调多种能源的生产、转换和利用，以达到综合能源利用效率的目的。

2. 光热电站：

   • 光热电站是一种利用太阳能产生电力的设施，通常通过聚光或聚热技术将太阳能转化为热能，再利用发电机将热能转化为电能。

3. 富氧燃烧捕集技术：

   • 这是一种针对燃烧过程的技术，通过增加燃料中的氧气含量，以改善燃烧效率、降低排放和提高能源利用率。

4. 奖惩阶梯碳交易：

   • 这是一种碳交易机制，通过设立奖励和惩罚机制，鼓励企业或系统在碳排放方面采取积极措施。阶梯形式可能意味着对于不同碳排放水平的企业有不同的奖励或惩罚。

5. 低碳运行：

   • 指通过采用低碳技术、减少碳排放等手段，使系统或设备在运行过程中对环境的碳负荷降到最低，以实现更环保和可持续的能源利用。

这些关键词在文中一起出现，表明文章讨论了通过引入富氧燃烧捕集技术改造燃气机组，并整合光热电站等设备构建电热气综合能源系统。在此系统中，采用了奖惩阶梯碳交易机制，以推动系统实现低碳运行，从而提高能源利用效率和减少环境影响。

仿真算例：

算例结构如图 1 所示。其中，光热电站的所有 参数参考自文献[17-20]，部分光热电站运行参数见 表 1。富氧燃烧捕集技术的运行参数见表 2。燃气 机组的碳排强度为 0.441 kg/(kW·h)，爬坡速率为 1 500 kW/h，运维系数为 0.02 元/kW[15]；热回收 器最大回收功率为 1 MW，运行效率为 85%[20]， 运维系数 0.025 元/kW；燃气锅炉最大供热功率 为 1 500 kW，工作效率为 85%[15]，运维系数为 0.02 元/ kW；储氧罐最大储/放氧速率与效率分别为 600 m3/h 和 99%，最大储氧量取 4 000 m3，耗散系 数为 0.02%[12]，运维系数为 0.05 元/m3；煤电及燃气锅炉排放系数取自参考文献[15]；碳交易基准价 取 0.2 元/kg，碳排放区间长度为 1 000 kg，奖励 系数取 0.2，惩罚价格增幅取 0.25[15]；系统购气价 格[16]与上限分别取 3.5 元/m3 与 500 m3；电转气设 备运维系数为 0.05 元/kg；风电弃风惩罚系数为 0.15 元/kW，运维系数为 0.02 元/ kW[20]。图 6 为 IES 功率预测曲线，其包含各时段电/热负荷需求功率、 风力发电功率及镜场的收集功率。表 3 为分时电价。 算例中的 t 时表示调度日内的第 t 个时段，即 1 时 指当天的第一个调度时段。

仿真程序复现思路：

为了复现该仿真，首先需要了解算例的结构和各个组件的参数。然后，你可以选择一种编程语言（如Python）来实现仿真模型。以下是一个简化的复现思路和示例代码：

复现思路：

1. 定义模型结构：

   • 根据图 1 描述，定义光热电站、富氧燃烧捕集技术、燃气机组、热回收器、燃气锅炉、储氧罐等组件的模型结构。

2. 设置参数：

   • 将文献[17-20]中提到的光热电站参数、富氧燃烧捕集技术参数、燃气机组参数等设定到模型中。使用表格中提供的具体数值。

3. 建立仿真时间步：

   • 根据文中的描述，仿真的时间步是调度日内的时段，例如 t 时表示当天的第 t 个时段。建立相应的时间步数据结构。

4. 编写主要算法：

   • 实现光热电站、富氧燃烧捕集技术、碳交易、能源系统运行等主要算法。这包括能源的产生、转换、传输以及碳排放、交易等方面的逻辑。

5. 模拟整个系统运行：

   • 通过在每个时间步上执行主要算法，模拟整个能源系统在一天内的运行过程。

6. 输出结果：

   • 输出仿真结果，包括各组件的状态、能源产出、碳排放情况等。与文中图 6、表 3 中的结果进行对比。

示例代码（使用 Python）：

class SolarThermalPlant:
    def __init__(self, parameters):
        self.parameters = parameters
        # 初始化光热电站参数

    def run(self):
        # 模拟光热电站运行过程
        # 根据参数进行能源产生、转换、传输等操作
        pass  # 实际操作根据具体的仿真模型进行

class OxygenCombustionCapture:
    def __init__(self, parameters):
        self.parameters = parameters
        # 初始化富氧燃烧捕集技术参数

    def run(self):
        # 模拟富氧燃烧捕集技术运行过程
        # 根据参数进行能源产生、转换、传输等操作
        pass  # 实际操作根据具体的仿真模型进行

# 其他组件的类定义和初始化可类似上述方式完成

class EnergySystemSimulation:
    def __init__(self, time_steps, solar_parameters, oxygen_capture_parameters, other_parameters):
        self.time_steps = time_steps
        # 初始化各组件
        self.solar_thermal_plant = SolarThermalPlant(solar_parameters)
        self.oxygen_combustion_capture = OxygenCombustionCapture(oxygen_capture_parameters)
        # ... 其他组件的初始化

        # 从其他参数中提取必要的设定值
        self.carbon_intensity_gas = other_parameters['carbon_intensity_gas']
        self.max_recovered_power_heat_exchanger = other_parameters['max_recovered_power_heat_exchanger']
        # ... 其他参数提取

    def simulate(self):
        # 初始化仿真结果记录列表
        simulation_results = []

        for t in range(self.time_steps):
            # 模拟每个时间步的能源系统运行
            self.solar_thermal_plant.run()
            self.oxygen_combustion_capture.run()
            # ... 其他组件的运行

            # 记录结果
            current_result = {
                'time_step': t,
                'solar_power_generated': self.solar_thermal_plant.power_generated,
                'oxygen_capture_efficiency': self.oxygen_combustion_capture.capture_efficiency,
                # ... 其他组件的结果
                # 可根据具体情况添加需要记录的结果
            }
            simulation_results.append(current_result)

        return simulation_results

# 示例调用
time_steps = 24  # 假设有24个时间步
solar_parameters = {
    # 光热电站参数
}
oxygen_capture_parameters = {
    # 富氧燃烧捕集技术参数
}
other_parameters = {
    'carbon_intensity_gas': 0.441,
    'max_recovered_power_heat_exchanger': 1e6,
    # ... 其他参数
}

simulation = EnergySystemSimulation(time_steps, solar_parameters, oxygen_capture_parameters, other_parameters)
results = simulation.simulate()

# 打印仿真结果（示例，实际输出可以写入文件或进行其他处理）
for result in results:
    print(result)

上述代码仅为演示，实际情况中需要根据具体的模型和参数进行更多的细节设计和实现。这个示例着重于展示仿真程序的整体框架和模块化设计思路。根据具体的模型复杂度、算法要求和输入数据的结构，仿真程序可能需要更多的函数、类和细节的实现。