风光互补发电制氢耦合合成氨系统的配置分析
0 引 言
随着双碳目标的提出和践行,传统化工过程如合成氨、合成甲醇等面临高碳排放、高能耗等问题,需要寻求低碳清洁的技术变革[1]。随着可再生能源及氢能产业的蓬勃发展,可再生能源制氢规模的扩大也使得氢气储运和消纳问题越来越突出。而且氢作为化工过程的重要原料,为深度脱碳提供了重要的发展思路[2-3]。因此,将可再生能源制氢与传统化工过程结合实现电-氢-化耦合,不仅可提高可再生能源的利用消纳,还有利于化工过程的绿色低碳转型。氨还可以作为储氢介质,利用成熟的储运体系,有效解决氢气储运困难、成本高的问题[4-6]。通过可风光电电解制氢合成氨(绿氨),氨/氨分解氢气用于终端能源场景,有助于实现全产业链零碳排放。
目前全球都在积极发展绿氨产业,美国、欧盟、日本、韩国等国家都在积极推动全球绿氨产业链发展[7-9]。我国也立项及规划多个绿氨项目[10],国家电投在吉林建设的大安风光制绿氢合成氨一体化示范项目,将建设风电700 MW、光伏100 MW和18万t合成氨装置;内蒙古自治区巴彦淖尔乌拉特中旗风光制氢制氨综合示范项目于2023年1月获批,将建设210 MW风电、50 MW光伏、39 MW/h电化学储能,预计每年生产绿氢1万t、绿氨5.7万t[11];宁夏吴忠将打造“中国氢氨谷”,项目建成后,预计年产绿氨30万t[12]。
目前对绿氨系统的研究主要集中在产业链分析[1,4]、经济性分析[6,13]等宏观方面。安广禄等[14]建立了绿氨系统数学规划模型,根据风电发电容量因子和氨季节性波动需求,探究了系统最优的配置方案及氨需求波动对系统运行特性的影响;JULIEN等[15]根据智利和阿根廷4个位置的风力和日照数据,构建了一个绿氨技术经济模型,预测了最低的绿氨成本;RICHARD等[16]构建了1个孤岛模型,研究绿氨成本对5个重要变量的敏感性,并计算系统最优规模。
绿氨系统中存在的技术瓶颈是可再生能源的波动性和随机性与合成氨过程的稳定性和安全性运行需求之间的矛盾。当前绿氨项目尚无示范工程运行即无可参考数据,对绿氨系统配置的设计方案主要还依据发电-制氢-储氢-合成氨各部分装置的组合。由于绿氨系统投资巨大,开发系统配置模型并对系统运行特性进行研究具有重要意义。
笔者建立了大规模风光互补发电制氢-储氢-合成氨系统的配置模型,基于西北地区的风光电站发电数据,研究风光配比、制氢容量、制氢最小负荷和氢气储罐体积等关键参数对系统运行的影响规律,并分析系统的全年运行特性,为绿氨系统设计提供数据支持和指导。
1 系统描述与计算方法
1.1 系统介绍
风光电互补制氢耦合合成氨系统示意如图1所示。风电和光伏为电解槽提供电力,电解槽将水电解为氢气和氧气,随后氢气经氢气储罐和通过空气分离过程获得的氮气混合后进入合成氨装置中反应,生成氨。由于风电和光伏发电的波动性,为保持系统的稳定性,必要时需电网提供电力补充。
图1 风电光伏互补制氢耦合合成氨系统示意
Fig.1 Diagram of renewable power to ammonia system
为方便计算分析,进行如下简化:① 由于空分装置是目前成熟的化工设备,在系统中相对独立,因此未对该部分进行分析;② 公用工程、辅助设备等的耗电功率设为固定值;③ 不考虑运行过程中电解槽效率的下降。
1.2 计算方法
主要计算方程和约束如下:
1)制氢部分。
Pwind(t) Psolar(t) Pgrid(t)=
Pelec(t) PBOP Ploss(t),
(1)
(2)
(3)
Pelec(t)=α(t)P(H2),
(4)
αmin≤α(t)≤αmax,
(5)
(6)
式中,Pwind(t)、Psolar(t)、Pgrid(t)分别为t时刻风力发电功率、光伏发电功率和电网补充功率,MW;Pelec(t)、Ploss(t)分别为t时刻电解槽消耗功率和弃电功率,MW;PBOP为公用工程、辅助设备等的耗电功率,MW;δloss、δgrid分别为弃电比例和网电补充比例,%;α(t)为t时刻的制氢负荷,%;αmin、αmax分别为运行过程所允许的最小和最大制氢负荷,%;P(H2)为制氢装机容量/额定功率,MW;ηelec为电解槽效率,%;VH2(t)为t时刻产氢的体积流量,m3/h;ΔH为每单位体积氢气所携带的化学能,kJ/m3;Qelec为电解槽的直流电耗,kWh/m3。
2)储氢部分。
Pstore(t)Vstore=nH2,store(t)RT,
(7)
Pmin≤Pstore(t)≤Pmax,
(8)
式中,Pstore(t)为t时刻储氢罐的压力,kPa;Vstore为储氢罐的体积,m3;nH2,store(t)为t时刻罐内氢气的物质的量,kmol;Pmin和Pmax分别为储氢罐内氢气压力的最小值和最大值,kPa。
3)合成氨部分。
(9)
(10)
βmin≤βNH3(t)≤βmax,
(11)
式中,mNH3(t)为t时刻合成氨的产量,万t/a;mH2(t)为t时刻输入合成氨装置的氢气质量流量,万t/a;βNH3(t)为t时刻合成氨负荷,%;P(NH3)为合成氨装置设计产能,万t/a;βmin、βmax分别为运行过程中合成氨装置允许的最小和最大负荷,%。
主要计算参数见表1。
表1 主要计算参数
Table 1 Main calculation parameters
2 系统特性分析
2.1 风光出力特性
由于风电和光伏等可再生能源波动性较强,以往研究通常采用模拟的方法对风电和光伏出力进行预测[17-19]。基于某风电厂和光伏电站的运行数据,对下游制氢和合成氨系统进行分析。图2为某风电厂和某光伏电站的出力曲线,出力系数通常定义为风电/光伏发电功率与风电/光伏电站装机功率/额定功率的比值,取0～1。通过出力曲线,可得到风电/光伏出力的分布情况。
图2 风电厂和光伏电站各自的出力曲线
Fig.2 Respective output curves of wind and solar power plant
2.2 系统参数影响规律
2.2.1 风光配比
由于风光的强互补性,风光耦合复合发电相比单独的风电或光伏发电更有利于输出功率的稳定[20]。图3展示了全风电装机和风光耦合装机(风电装机与光伏装机功率比为6∶5)输出功率的对比曲线。由图3可知,风光耦合发电相比全风电输出功率的波动更小,说明风光耦合更有利于降低发电系统的不稳定性。
图3 全风电装机和风光耦合装机输出功率对比
Fig.3 Comparison of output power from total wind power and wind-solar coupling
图4展示了不同风光配比下,全年风光平均输出功率的变化情况。由图4可以看出,随着光伏发电的配比增大,全年风光平均输出功率减小。由于光伏发电受光照限制,年利用小时数仅占风电的一半左右,限制了光伏的全年总功率输出。然而,光伏电站的单位建设成本通常低于风电,因此合适的风光配比对风光复合发电输出功率和成本的平衡至关重要。
图4 风光平均输出功率随风光配比的变化
Fig.4 Influence of wind-solar coupling ratio on average output power
图5展示了制氢容量为400 MW时风光配比和储氢罐体积对系统全年平均运行参数的影响。由图5(a)、5(b)可知,在相同的储罐体积下,随光伏占比增加,平均弃电比例和平均弃电功率均呈下降趋势;由图5(c)可知,随光伏占比增加,网电平均补充比例先减小后增大,当储氢体积超过100 000 m3,风光配比为8∶3时网电补充比例最低。由图5(e)和5(f)可知,随光伏占比增加,制氢平均负荷和合成氨平均负荷逐渐降低。这主要是随光伏的配比增大,全年风光平均输出功率减小,而下游配置不变导致。随储罐体积增加,弃电的减少量和网电补充的减少量接近,从而制氢平均负荷和合成氨平均负荷基本不变。
图5 风光配比对系统运行的影响
Fig.5 Influence of wind-solar coupling ratio on system operation
不同的风光配比对储罐体积增加的敏感度也不同,储罐体积越小,风光配比对网电补充的比例影响越显著。
2.2.2 制氢容量
图6展示了风光配比为8∶3时不同制氢容量和储氢罐体积对系统全年平均运行参数的影响。随着制氢容量由300 MW增至500 MW,平均弃电比例逐渐降低,超过400 MW后对降低弃电比例的效果减弱。储罐体积<50 000 m3时,随制氢容量增加,网电补充比例和功率均增加;储罐体积>100 000 m3时,制氢容量为400 MW时网电补充最少。随制氢容量增加,制氢平均负荷逐渐降低但总供氢量增加,因此合成氨平均负荷增加。
图6 制氢容量对系统运行的影响
Fig.6 Influence of hydrogen production capacity on system operation
由图4可知,风光配比在8∶3时,风光平均输出功率在380 MW左右。当制氢容量与风光平均输出功率接近时,网电补充处于相对低值,有利于提高系统绿电的利用率。
2.2.3 制氢最小负荷
目前商品化的碱性电解水设备的单套最小负荷要求在20%左右,通过电解槽集群管理策略的优化调控,可大幅降低制氢系统的最低负荷。
图7展示了风光配比为8∶3且制氢容量为400 MW工况下最小制氢负荷和储氢罐体积对系统运行的复合影响。随着制氢最小负荷由20%降至0,平均弃电比例、制氢和合成氨平均负荷变化很小,但网电平均补充比例降低明显。当制氢最小负荷>10%时,虽然随储罐体积增加,网电补充比例下降,但随储罐体积超过100 000 m3后下降速度变缓,体积超过200 000 m3后网电补充比例基本不再下降。说明在相同网电补充下,制氢最小负荷的降低,可减小储罐体积,有利于节约系统成本和占地面积。
图7 最小制氢负荷对系统运行的影响
Fig.7 Influence of minimum hydrogen production load on system operation
2.3 系统年度运行特性
在单因子和多因子对全年平均运行参数影响的研究基础上,基于风光配比8∶3、制氢容量400 MW、制氢最小负荷20%和氢气储罐体积100 000 m3,探究系统全年瞬时运行特性。
该工况下,全年平均网电补充比例在5%左右。
图8展示了系统的全年瞬时运行情况。
图8 系统全年瞬时运行特性
Fig.8 System year-round instantaneous operation characteristics
由图8(a)可知,风光发电功率全年都在频繁波动;弃电功率随风光发电量的波动而波动,变化趋势整体较为一致;瞬时网电补充功率大部分在50 MW左右,极端工况下可超过100 MW;而弃电功率远大于网电补充功率,因此需考虑采用储能进行削峰填谷。由图8(b)可知,制氢负荷随风光发电的波动而波动,但波动频率相对有所降低;随制氢系统对波动的消纳,合成氨系统的负荷波动进一步减缓,但对传统的化工过程而言仍存在较大挑战,需考虑进一步调整系统的柔性以适应波动。
由图8(c)可知,储氢罐的压力虽然高频波动,但处于上下限的工况占总运行时间的比例较小,也说明了对制氢波动的缓冲作用。
为便于观察和分析,选取全年中1个季度的数据,对比制氢负荷、合成氨负荷和储氢罐压力变化,如图9所示,可知风光发电的快速波动需要制氢负荷的快速响应;储氢罐作为缓冲,消纳了一部分的波动性,变化速度较制氢负荷明显变缓;合成氨负荷变化和制氢负荷变化曲线相比,负荷的上限区间较为一致,说明此时整个系统弃电率较高;合成氨负荷的下限区间时长相对制氢较少,说明储氢系统的缓冲作用明显。
图9 制氢负荷、合成氨负荷和储氢罐压力变化
Fig.9 Change of hydrogen production load, ammonia synthetic load and hydrogen storage tank pressure in a quarter
配置合理的储能容量,增加电解槽的操作压力并改进压缩机的操作区间来优化储氢的操作范围,是优化系统的可行途径。
3 结 论
1)在风光装机总量一定的情况下,改变风电装机和光伏装机的配比,风光复合发电性能会产生变化。随光伏发电的配比增大,平均弃电比例和平均弃电功率均呈下降趋势;制氢平均负荷和合成氨平均负荷逐渐降低。当风光配比在8∶3附近时,可在尽量小的储罐体积下降低网电补充。
2)当制氢容量增加时,平均弃电比例逐渐降低但制氢平均负荷逐渐降低,合成氨平均负荷增加。制氢容量设计应与风光平均输出功率相配合,当制氢容量与风光平均输出功率接近时,可在尽量小的储罐体积下降低网电补充。
3)随着制氢最小负荷降低,平均弃电比例、制氢和合成氨平均负荷变化很小,但网电平均补充比例明显降低。当制氢最小负荷较大时(如20%),即使储罐体积充足,也难以实现系统纯绿电运行。通过集群优化调控降低制氢最小负荷,可实现网电补充的进一步下降。
4)当系统参数配置为风光配比8∶3、制氢容量400 MW、制氢最小负荷20%和氢气储罐体积100 000 m3时,全年平均网电补充比例在5%左右。系统运行时,制氢负荷、储氢罐压力、合成氨负荷随风光发电功率的波动的波动频率依次降低,说明各部分对缓冲和消纳作用。后续应合理配置储能并调整系统的压力操作区间以提高发电利用率和系统能效。
[1] 李育磊,刘玮,董斌琦,等.双碳目标下中国绿氢合成氨发展基础与路线[J].储能科学与技术,2022, 11(9):2891-2899.
LI Yulei,LIU Wei, DONG Binqi,et al.Green hydrogen ammonia synthesis in China under double carbon target:Research on development basis and route[J].Energy Storage Science and Technology,2022, 11(9):2891-2899.
[2] YANG Yong, WANG Hui, LÖSCHEL Andreas, et al. Energy transition toward carbon-neutrality in China: Pathways, implications and uncertainties[J]. Frontiers of Engineering Management, 2022, 9(3): 358-372
[3] 刘尚泽,于青,管健.氢能利用与产业发展现状及展望[J].能源与节能,2022(11):18-21.
LIU Shangze,YU Qing,GUAN Jian.Current situation and prospects of hydrogen energy utilization and industrial development[J].Energy and Energy Conservation,2022(11):18-21.
[4] 吉旭,周步祥,贺革,等.大规模可再生能源电解水制氢合成氨关键技术与应用研究进展[J].工程科学与技术,2022,54(5):1-11.
JI Xv,ZHOU Buxiang,HE Ge,et al.Research review of the key technology and application of large-scale water electrolysis powered by renewable energy to hydrogen and ammonia production[J].Advanced Engineering Sciences,2022,54(5):1-11.
[5] 滕霖,尹鹏博,聂超飞,等.“氨-氢”绿色能源路线及液氨储运技术研究进展[J].油气储运,2022,41(10):1115-1129.
TENG Lin,YIN Pengbo,NIE Chaofei,et al.Research progress on “ammonia-hydrogen” green energy roadmap and storage &transportation technology of liquid ammonia[J].Oil &Gas Storage and Transportation,2022,41(10):1115-1129.
[6] 熊亚林,刘玮,高鹏博,等.“双碳”目标下氢能在我国合成氨行业的需求与减碳路径[J].储能科学与技术,2022,11(12):4048-4058.
XIONG Yalin,LIU Wei,GAO Pengbo,et al.Research on the hydrogen energy demand and carbonreduction path in China′s synthetic ammonia industry toachieve the "carbon peak" and "carbon neutrality" goals[J].Energy Storage Science and Technology,2022,11(12):4048-4058.
[7] 刘丁.在日本,氨能正在抢氢能的风头[J].中国石油和化工产业观察,2022(S1):107-108.
[8] JONAS Egerer,VERONIKA Grimm,KIANA Niazmand,et al.The economics of global green ammonia trade-"Shipping Australian wind and sunshine to Germany"[J].Applied Energy,2023,334:120662.
[9] CARLOS Arnaiz del Pozo,SCHALK Cloete.Techno-economic assessment of blue and green ammonia as energy carriers in a low-carbon future[J].Energy Conversion and Management,2022,255:115312.
[10] 朱妍.绿氨大热并非“虚火”[N].中国能源报,2023-02-20(010).
[11] 包亦登.乌拉特中旗3个项目获批复[N].巴彦淖尔日报(汉),2023-01-06(001).
[12] 张国长.吴忠:打造“中国氨氢谷”助力绿色能源转型[N].宁夏日报,2022-10-31(003).
[13] 李志军,刘京京,陈爱琴,等.可再生能源转化为氨氢能源体系技术和经济性分析[J].上海节能,2022(9):1125-1131.
LI Zhijun,LIU Jingjing,CHEN Aiqin,et al.Technical and economic analysis on renewable energy conversion to ammonia hydrogen energy system[J].Shanghai Energy Saving,2022(9):1125-1131.
[14] 安广禄,刘永忠,康丽霞.适应季节性氨需求的可再生能源合成氨系统优化设计[J].化工学报,2021, 72(3):1595-1605.
AN Guanglu, LIU Yongzhong,KANG Lixia.Optimal design of synthetic ammonia production system powered by renewable energy for seasonal demands of ammonia[J].CIESC Journal,2021, 72(3):1595-1605.
[15] JULIEN Armijo,CÉDRIC Philibert.Flexible production of green hydrogen and ammonia from variable solar and wind energy: Case study of Chile and Argentina[J].International Journal of Hydrogen Energy,2020,45(3):1541-1558.
[16] RICHARD Nayak-Luke,RENÉ Ba
ares-Alcántara,IAN Wilkinson."Green" ammonia:Impact of renewable energy intermittency on plant sizing and levelized cost of ammonia[J].Industrial &Engineering Chemistry Research,2018,57(43):14607-14616.
[17] 张紫菁,张芳,姚文鹏.基于风电出力概率预测模型的源荷储日前概率优化调度[J].电力自动化设备,2022,42(7):190-197.
ZHANG Zijing,ZHANG Fang,YAO Wenpeng.Day-ahead probabilistic optimal dispatching of source-load-storage based on probabilistic prediction model of wind power output[J].Electric Power Automation Equipment,2022,42(7):190-197.
[18] 张雪松,李鹏,周亦尧,等.基于贝叶斯概率的光伏出力组合预测方法[J].太阳能学报,2021,42(10):80-86.
ZHANG Xuesong,LI Peng,ZHOU Yiyao,et al.Photovoltaic output combination forecasting method based on bayesian probability[J].Acta Energyiae solaris sinica,2021,42(10):80-86.
[19] DENG Zhihong,JIANG Yuewen.Optimal sizing of wind-hydrogen system considering hydrogen demand and trading modes[J].International Journal of Hydrogen Energy,2020,45(20):11527-11537.
[20] 蔡国伟,孔令国,杨德友,等.大规模风光互补发电系统建模与运行特性研究[J].电网技术,2012,36(1):65-71.
CAI Guowei,KONG Lingguo,YANG Deyou,et al.Research on modelling and operation characteristics analysis of large-scale wind &light complementary electricity-generating system[J].Power System Technology,2012,36(1):65-71.
Configuration analysis of renewable power to ammonia system
移动阅读
