基于系统动力学的燃煤电厂碳排放影响因素研究.docx

资源描述

基于系统动力学的燃煤电厂碳排放影响因素研究.docx

《基于系统动力学的燃煤电厂碳排放影响因素研究.docx》由会员分享，可在线阅读，更多相关《基于系统动力学的燃煤电厂碳排放影响因素研究.docx（15页珍藏版）》请在冰豆网上搜索。

基于系统动力学的燃煤电厂碳排放影响因素研究.docx

基于系统动力学的燃煤电厂碳排放影响因素研究

摘要：

电力行业是能源消费大户，消耗化石能源产生的二氧化碳使电力行业成为重点排放部门之一。

其中，火力发电作为主要的发电形式，一直是我国重点关注的高碳能源行业，其带来的环境问题不断引发政策和学者的关注。

本文对火电厂的燃煤燃烧碳排放系统分析及影响因素分析在电力行业未来能源规划中起着至关重要的作用，符合重点排放企业碳排放核算需求，对电力行业未来能源升级改造有着重要意义。

本文利用系统动力学方法构建仿真模型，不仅可以直观地提供燃煤电厂碳排放影响机理，还可以系统地根据量化数据进行各参数影响程度分析，为未来燃煤电厂节能降耗提供参考依据及研究方向。

关键词：

燃煤电厂；系统动力学；碳排放；影响因素

0引言

中国是世界碳排放大户，同时也积极承担着相应的减排义务。

中国于2015年像联合国自主承诺将在2030年碳排放达峰，制定了相比2015年单位GDP碳排放量下降60%-65%的目标，作为传统高能耗产业之一的发电行业面临着较为严峻的减排压力。

80%以上的火电行业能源消耗来自于煤炭，国家统计局数据也显示2020年煤炭发电量仍将占总发电量的60%左右[1]。

中国“十三五”规划明确提出了燃煤电厂的节能改造要求，在此背景下，利用系统动力学对燃煤电厂燃煤燃烧碳排放系统机理进行分析，分解碳排放影响因素及参数影响程度，对明确未来行业减排方向和减排技术发展具有重要意义。

1研究现状

我国的火力发电碳排放研究主要包括排放标准规范研究及模型计量等，涉及碳排放影响因素的分解和碳排放量预测等领域。

张莉结合全生命周期评价，对燃煤电厂二氧化碳排放量和排放因子计量方式进行改进，提出新的核定方法，并依此对电厂二氧化碳排放进行预测和综合环境效应评估[2]。

龙芸对不同装机容量的电厂进行分类，利用RBF神经神经网络构建相应的碳排放核算模型[3]。

霍沫霖等结合电厂工况将影响发电碳排放强度的因素分解为发电煤耗、厂用电率、发电结构等指标，利用对数平均迪氏指数法（LMDI）进行分解并提出工业减排举措[4]。

AnaKarmelaSumabat同样利用LMDI分析地区层面二氧化碳排放分解因素，对菲律宾火力发电的排放驱动因子进行分解并预测排放总量[5]。

系统动力学在能源消耗和计量领域也有很广泛的的应用。

赵静云利用系统动力学模型分析了建筑行业能耗需求及碳排放影响因素，结合情景分析法对建筑行业碳排放问题进行了预测研究[6]。

刘菁运用系统动力学的方法对我国建筑业全产业链的碳排放进行情景分析及预测，并提出政策建议[7]。

靳宝玲基于系统动力学对火电厂工况进行详尽分析并进行碳排放预测，从煤电链的视角探讨减排问题。

从以上分析可以看出，目前国内大部分研究主要集中在对碳排放影响因素的分解和碳排放量的预测等方面。

同时，在火力发电碳排放核算方面，主要计算的是电厂某个环节的二氧化碳排放量，而从发电企业温室气体排放核算角度对火电厂碳排放进行分析的研究较少，对各个参数对碳排放总量关系的影响研究也是研究的重点之一。

2燃煤电厂碳排放系统动力学建模

2.1确定燃煤燃烧碳排放系统边界

首先要明确燃煤电厂碳排放核算的方法以及燃煤燃烧碳排放系统的边界。

根据《中国发电企业温室气体排放核算方法与报告指南》（试行）[8]，发电企业的碳排放包括化石燃料燃烧产生的排放、脱硫过程产生的排放和净购入电力产生的间接排放三个部分，其中脱硫产生的排放不需要进行履约。

根据学者研究表明，燃煤发电是火电厂最主要的碳排放来源，其中燃煤燃烧又是电厂运行全生命周期中占比最大的环节[9]。

因此本研究只针对燃煤电厂燃煤燃烧产生的碳排放进行分析。

2.2建立燃煤燃烧碳排放系统动力学模型

通过2.1分析可知，火电厂碳排放系统存在多重反馈回路，根据反馈回路和各个变量之间的因果关系建立的火电厂燃煤燃烧碳排放系统因果关系图如图1所示。

图1火电厂燃煤燃烧碳排放系统因果关系图

考虑到案例电厂2018年、2019年相关参数数据较为完善，模型以2018年为基期，时间步长为1月，设定模拟时间为24个月（2年），即2018—2020年。

各参数间的因果关系及互相影响路径如图2所示。

（

a）燃煤燃烧碳排放E原因树（CausesTree）示意图

（b）元素碳含量Car使用树（UsesTree）示意图

（c）平均低位发热值NCV使用树（UsesTree）示意图

图2系统参数影响路径示意图

2.3系统动力学模型的有效性检验

（1）运行检验

由于社会经济系统的影响因素较多且它们之间的关系也较为复杂，因而系统对参数变动不敏感，具有一定的稳定性，该电厂化石燃烧碳排放系统也该具有这样的稳定性。

图

32018-2019年煤燃烧碳排放E仿真结果

为了验证该电厂化石燃烧碳排放系统的模型的稳定性，论文选取了仿真步长为0.25、0.5、1的三种模式以燃煤燃烧碳排放E为例进行仿真，通过运行结果可以看出模型对大部分参数的变化是不敏感的，说明模型是稳定的。

（2）历史性检验

历史检验即选择某个历史时刻为初始点进行系统仿真，得到仿真结果并与已有历史数据进行检验。

电厂化石燃烧碳排放系统流程的仿真检验以单位热值含碳量CC为例。

表1单位热值含碳量CC历史性检验结果

月份

CC实测值

0.02812

0.02665

0.02636

0.02666

0.02675

CC模拟值

0.0281407

0.0264935

0.0265171

0.0263022

0.0268493

0.0265534

误差

0.07%

-0.59%

0.60%

-0.22%

0.71%

-0.73%

月份

CC实测值

0.02648

0.02640

0.02658

0.02603

0.02654

0.02639

CC模拟值

0.0264151

0.0262467

0.0267903

0.0258663

0.0263017

0.0265171

误差

-1%

月份

CC实测值

0.02689

0.02655

0.02635

0.02671

0.02672

0.02678

CC模拟值

0.0269246

0.0265539

0.0267979

0.0264119

0.0270504

0.0271479

误差

-1%

月份

CC实测值

0.026797

0.026125

0.0266638

0.0262735

0.0265914

0.0264285

CC模拟值

0.02666

0.02679

0.02670

0.02644

0.02673

0.02649

误差

-1%

由表1可以看出，系统模拟的结果与真实结果的拟合度较好。

3模型仿真与影响因素分析

3.1仿真结果

对该电厂的碳排放结果进行仿真预测。

在检验模型有效性后，对相关变量进行赋值，利用Vensim模型进行仿真，并对结果进行分析。

取时间步长为1月，仿真的完成时间为2年。

根据论文建立的数学模型和结构模型，设定模型初始值和参数估计值，根据Vensim仿真程序，模拟电厂2018-2019年化学燃烧过程碳排放系统的运行情况。

得到关键参数单位热值含碳量CC、平均低位发热值NCV、燃煤消耗量FC、碳氧化率OF、燃煤燃烧碳排放E的模拟数据如下：

（1）单位热值含碳量CC

通过对电厂化石燃烧碳排放系统的仿真，得到该电厂2018-2019年各月的单位热值含碳量CC模拟数据，见表2和图4所示。

表22018-2019年单位热值含碳量CC仿真结果

月份

CC（tC/GJ）

0.0281407

0.0264935

0.0265171

0.0263022

0.0268493

0.0265534

月份

CC（tC/GJ）

0.0264151

0.0262467

0.0267903

0.0258663

0.0263017

0.0265171

月份

CC（tC/GJ）

0.0269246

0.0265539

0.0267979

0.0264119

0.0270504

0.0271479

月份

CC（tC/GJ）

0.026797

0.026125

0.0266638

0.0262735

0.0265914

0.0264285

（

a）

（b）

图42018-2019年单位热值含碳量CC仿真结果

平均低位发热值NCV

通过对电厂化石燃烧碳排放系统的仿真，得到该电厂2018-2019年各月的平均低位发热值NCV模拟数据，见表3和图5所示。

表32018-2019年平均低位发热值NCV仿真结果

月份

NCV（GJ/t）

19.9

19.25

19.61

19.39

18.25

18.83

月份

NCV（GJ/t）

18.55

19.05

19.41

20.49

18.63

19.61

月份

NCV（GJ/t）

18.786

19.032

18.756

18.199

18.453

18.285

月份

NCV（GJ/t）

17.795

18.484

18.377

18.65

18.427

18.919

图52018-2019年平均低位发热值NCV仿真结果

燃煤消耗量FC

通过对电厂化石燃烧碳排放系统的仿真，得到该电厂2018-2019年各月的燃煤消耗量FC模拟数据，见表4和图6所示。

表42018-2019年燃煤消耗量FC仿真结果

月份

FC（t）

247560

143376

169027

148725

192879

172059

月份

FC（t）

243722

231432

194149

176726

247399

254579

月份

FC（t）

255687

158886

174852

170630

152955

176020

月份

FC（t）

172197

132399

135264

128272

145387

187418

图62018-2019年燃煤消耗量FC模拟数据仿真结果

碳氧化率OF

通过对电厂化石燃烧碳排放系统的仿真，得到该电厂2018-2019年各月的碳氧化率OF模拟数据，见表5和图7所示。

表52018-2019年碳氧化率OF仿真结果

月份

0.999999

月份

0.999999

月份

0.999999

月份

0.999999

（a）

（b）（c）

图72018-2019年碳氧化率OF模拟数据仿真结果

燃煤燃烧碳排放E

通过对电厂化石燃烧碳排放系统的仿真，得到该电厂2018-2019年各月的燃煤燃烧碳排放E模拟数据，见表6和图8所示。

表62018-2019年燃煤燃烧碳排放E仿真结果

月份

E（tCO2）

508323

268113

322278

278115

346539

315441

月份

E（tCO2）

437887

424291

370177

343437

444493

485397

月份

E（tCO2）

478134

297117

314150

306565

274809

316249

月份

E（tCO2）

296753

242731

243024

230462

261212

343599

（a）（b）

图82018-2019年燃煤燃烧碳排放E模拟数据仿真结果

3.2影响因素分析

由2.2系统参数影响路径示意图及3.1模型仿真结果可以看出，收到基灰分Aar、元素碳含量Car、平均低位发热值NCV、燃煤消耗量FC、飞灰含碳量C灰、炉渣含碳量C渣六个参数是火电厂燃煤燃烧碳排放系统中影响燃煤燃烧碳排放E的最原始参数，且影响程度具有一定差异。

本文通过设置一定程度（+5%）的初始偏差量来测量各参数对燃煤燃烧碳排放量的影响程度，模型仿真运算结果如下。

（1）收到基灰分Aar（+5%）：

影响不显著

（

a）（b）

图9收到基灰分Aar影响程度对比图

由图9可以看出，收到基灰分增加+5%对碳氧化率稍有影响，但对总碳排放的影响作用较弱。

（

2）元素碳含量Car（+5%）：

影响显著

（

a）（b）

图10元素碳含量Car影响程度对比图

由图10可以看出，元素碳含量增加+5%对排放因子影响较大，从而间接影响到燃煤燃烧碳排放，且影响程度较为显著。

（3）平均低位发热值NCV（+5%）：

影响不显著

（

a）（b）

（c）

图11平均低位发热值NCV影响程度对比图

由图11可以看出，平均低位值的变化（+5%）使得活动水平增加的同时降低了排放因子数值，因此其相互间存在一定的抵消作用，导致最终对总碳排放量的影响程度不显著。

（4）燃煤消耗量FC（+5%）：

影响显著

（

a）（b）

图12燃煤消耗量FC影响程度对比图

由图12可以看出，燃煤燃烧量的变化直接影响到活动水平的变化，从而较为显著地影响燃煤燃烧碳排放量。

（5）飞灰含碳量C灰（+5%）：

影响不显著

（

a）（b）

图13飞灰含碳量C灰影响程度对比图

由图13可以看出，飞灰含碳量对碳氧化铝的值有略微影响，但作用于总碳排放量的影响不显著。

（6）灰渣含碳量C渣（+5%）：

影响不显著

（

a）（b）

图14灰渣含碳量C渣影响程度对比图

由图14可以看出，飞灰含碳量对碳氧化率的值有略微影响，但作用于总碳排放量的影响不显著。

4结论

本文首先通过构建基于系统动力学的燃煤电厂燃煤燃烧碳排放系统，对系统内各参数的影响途径及相互关系进行了分解和分析，由此可以较为直观地讨论各因素间的相互影响关系及其对总碳排放量的影响程度，为后文模型仿真和影响因素分析奠定了基础，同时也为未来燃煤电厂化石燃烧系统节能减排提供了参考思路和理论依据。

本文对影响电厂燃煤燃烧碳排放的关键因素分别进行分析，模拟运算及图像结果显示，收到基灰分、飞灰含碳量、灰渣含碳量增加时，将会在一定程度影响碳氧化率，但由于碳氧化率值总体较为平稳，因此最终作用于燃煤燃烧碳排放量的影响不显著。

平均低位发热值增加时，一方面会导致活动水平增高，一方面又会使得排放因子降低，因此综合作用下对燃煤燃烧碳排放的影响不显著。

在同一调整幅度下，元素碳含量和燃煤消耗量的增加分别通过影响排放因子和活动水平，从而较为显著地影响燃煤燃烧碳排放量。

参考文献

1[]廖诺，赵亚莉，贺勇，周雅.碳交易政策对电煤供应链利润及碳排放量影响的仿真分析[J].中国管理科学,2018,26（８）:

154-163.

2[]张莉.基于LCA的电力行业CO2排放预测及燃煤电厂实例分析[D].浙江大学，2017.

3[]龙芸.燃煤电厂CO2排放计算模型与方法研究[D].重庆大学,2016.

4[]霍沫霖,韩新阳,单葆国.中国电力工业碳排放强度影响因素实证分析[J].中国电力力,2013,12（46）:

122-126.

5[]AnaKarmelaSumabat,NeilStephenLopez,KristaDanielleYu,HanHao,RichardLi,YongGeng.DecompositionanalysisofPhilippineCO2emissionsfromfuelcombustionandelectricitygeneration[J].AppliedEnergy,2016（164）:

795-804.

6[]赵静云,刘菁.基于系统动力学的建筑碳排放预测研究[J].科技管理研究,2018（9）:

219-226.

7[]刘菁.碳足迹视角下中国建筑全产业链碳排放测算方法及减排政策研究［D］.北京：

北京交通大学，2018.

8[]国家发展改革委办公厅.《中国发电企业温室气体排放核算方法与报告指南》（试行）[Z].2013-10-15

9[]刘韵,师华定,曾贤刚.基于全生命周期评价的电力企业碳足迹评估-以山西省吕梁市某燃煤电厂为例[J].资源科学,2011,33（4）:

653-658.

展开阅读全文