电转气消纳新能源与碳捕集电厂碳利用的协调优化

周任军;肖钧文;唐夏菲;郑权国;吕佳;曹俊波

【摘 要】电转气技术作为一种新型能源转换和储存方式为可再生能源消纳提供了新的途径,电转气技术生成甲烷所需的CO2可高效经济地取自碳捕集机组的捕集碳量.提出将电转气-碳捕集电厂作为整体系统,建立电转气-碳捕集电厂协调优化模型,以碳成本、燃料成本、弃风成本、电转气成本为目标,以碳捕集率、碳捕集电厂有功出力、电转气功率为决策变量.仿真结果表明,电转气-碳捕集电厂提高了风电消纳能力,减少了碳排放,提升了碳利用水平,降低了电转气运行成本. 【期刊名称】《电力自动化设备》 【年(卷),期】2018(038)007 【总页数】7页(P61-67)

【关键词】电转气;消纳新能源;碳捕集;碳利用;优化运行;成本;模型 【作 者】周任军;肖钧文;唐夏菲;郑权国;吕佳;曹俊波

【作者单位】长沙理工大学湖南省清洁能源与智能电网协同创新中心,湖南长沙410114;长沙理工大学湖南省清洁能源与智能电网协同创新中心,湖南长沙410114;长沙理工大学湖南省清洁能源与智能电网协同创新中心,湖南长沙410114;长沙理工大学湖南省清洁能源与智能电网协同创新中心,湖南长沙410114;长沙理工大学湖南省清洁能源与智能电网协同创新中心,湖南长沙410114;长沙理工大学湖南省清洁能源与智能电网协同创新中心,湖南长沙410114 【正文语种】中 文

【中图分类】TM761 0 引言

大容量储能或源网荷协调运行是当前解决风电大规模接入及其消纳问题的主要途径[1]。传统储能和新型储能方式各有优势，但仍存在建设周期长、地势要求高、存储容量小、经济成本高、难以大规模和长时间有效存储能量等不足[2]。 电转气P2G(Power-to-Gas)技术的能源转换和时空平移特性为新能源消纳和负荷削峰填谷提供了有效途径。P2G技术指利用电能将水电解成氢气后与CO2催化反应生成甲烷[3]。P2G作为连接电力系统和天然气系统的单元，兼具电力系统负荷和天然气气源2种功能，其响应速度快，调度特性灵活，可广泛应用于电力系统削峰填谷、消纳弃风、提供储能等辅助服务[4]。德国已经将P2G技术列为利用可再生能源的一种重要储能技术，并应用于其能源转化计划。

当前，P2G技术与新能源消纳、电力系统运行的相关研究主要集中在技术特性、运营模式、协同调度等方面[5-6]。但作为P2G生产原料的CO2来源这一关键问题，暂未得到学界关注。而碳捕集电厂CCPP(Carbon Capture Power Plant)可为其提供良好的供应渠道。当前碳捕集与封存CCS(Carbon Capture and Storage)技术在捕集阶段耗能较高，矿石碳化、地质封存、深海封存等封存途径亦需额外耗能，使捕集技术未能广泛利用和推广。为了降低碳捕集能耗，文献[7]选取了碳捕集系统最佳运行参数；为了有效刺激发电商参与碳捕集，文献[8]建立了考虑售电损失成本的碳排放权交易模型，降低了由捕集能耗所产生的售电利润损失。捕集能耗使机组并网功率减少，但其调节可促进风电功率消纳，相当于碳捕集能耗利用了风电功率。当前研究表明，大规模风电功率可用于水解制氢[9]，因此，CCS技术和P2G技术结合，既可消纳大容量风电功率，又能开发碳的新型再利用前景。

而2种技术结合的关键，是将P2G设备与CCPP作为整体后，提高碳利用，实现节能减排，从而降低各方成本，推动技术应用。因此，研究碳捕集后的碳利用和P2G中的新能源消纳，建立其协调优化模型，以碳捕集率、CCPP有功出力和P2G功率为决策变量，以碳成本、燃料成本、弃风成本、P2G成本等为目标函数。相比于单独P2G或CCPP，电转气-碳捕集电厂(P2G-CCPP)系统可降低碳排放与碳封存量，减少弃风，降低P2G成本。 1 P2G-CCPP系统框架 1.1 P2G及其储能技术

P2G技术由德国弗劳恩霍夫风能及能源系统技术研究所、德国巴符州太阳能和氢研究中心合作提出[10]。其分为2个阶段，第一阶段如式(1)所示，将风电场弃风电力通过电解水产生氢气，该阶段简单易行，其能量转换效率可达75%～85%，现有的碱性电解水制氢技术非常成熟，已经大规模应用。 (1)

第二阶段为甲烷化，如式(2)所示。该阶段是指在催化剂的作用下将电解水生成的氢气和CO2反应生成甲烷和水。这个过程能量转换效率约为75%～80%[11]。 (2)

P2G技术不需要额外的储能设备，只需储气罐，与传统的飞轮储能、电池储能、压缩空气储能和抽水蓄能等储能技术及储能潜力比较如图1所示。P2G技术在储存时间和容量两方面均优于其他4种储能技术。

图1 储能技术比较Fig.1 Comparison among energy storage technologies 1.2 CCS技术及CCPP

CCS技术包括捕集与封存2个环节，在传统火力发电厂中引入CCS技术，则成为

CCPP，将大量CO2从电厂排放的烟气中分离出来，经一系列处理流程后形成高纯度的CO2，并通过矿石碳化、地质封存、深海封存等途径实现与大气隔绝，从而显著降低火电厂的碳排放强度[12]。

CCPP主要分为3类：燃烧后碳捕集、燃烧前碳捕集与富氧燃烧碳捕集。其中，燃烧后碳捕集技术的应用较为广泛，技术成熟度、商业化程度较高，如图2所示。CCPP将CO2捕集到解析塔之后，一部分提供给P2G碳利用，通过搭建CO2输送管道传输CO2至P2G设备，由于输送距离较近，此过程CO2及功率损耗可以忽略；另一部分流入CO2压缩器进行封存处理。文中CCPP均默认采用燃烧后碳捕集技术。

图2 CCPP吸收技术的CO2分离原理Fig.2 CO2 separation principle for CCPP absorption technology 1.3 P2G-CCPP系统框架

现有关于P2G的文献中没有针对CO2的来源进行研究，而碳捕集的CO2作为P2G的原料，既高效又环保。因此考虑碳利用，在CCPP中引入P2G技术，建立P2G-CCPP系统，框架如图3所示。图中，PG为CCPP发电功率；Q1为碳捕集量；Q2为碳排放量；PCO2为碳捕集技术所消耗的捕集能耗，称为碳捕集消耗功率[13]，由CCPP和风电场弃风电力共同提供；PW为风电场实际出力；PP2G为P2G消耗功率；Pe为负荷功率；QCO2为捕集到的CO2送入P2G设备的碳量，Q1-QCO2表示封存碳量。CCPP将捕集到的部分CO2提供给P2G设备，利用P2G消纳风电场弃风功率。

图3 P2G-CCPP系统框架Fig.3 P2G-CCPP system framework 2 考虑碳利用的P2G-CCPP系统模型 2.1 P2G-CCPP系统捕集能耗与碳利用量 a. 碳捕集系统能耗与运行能耗。

碳捕集系统的能耗主要分为2类：一类为系统基本能耗主要是由于碳捕集系统的引入使常规电厂的结构和运行工况发生变化，而引起发电效率损失所带来的能耗，该部分能耗与碳捕集系统的运行状态无关，在电厂运行中可认为恒定不变；另一类为系统运行能耗主要来自碳捕集系统对CO2进行吸附、分解、压缩等过程中的能量损耗，该部分能耗与碳捕集系统的运行状态相关[13]。 以单时段功率表达运行时段t的碳捕集系统能耗PCO2,t为： (3)

t时段系统运行能耗为： (4)

该能耗所捕集的CO2量Q1,t为： (5)

其中，eG为单位碳排放强度；λGE为捕集单位CO2所消耗的电功率，可视为常数；ηt为t时段碳捕集率；PGi,t为P2G-CCPP系统第i台火电机组在t时段的发电功率；NG为系统火电机组的台数。 b. CO2利用量与甲烷合成量。

式(5)所捕集CO2中，有部分用于P2G，实现碳的再利用，该部分为利用量QCO2。由式(2)可知，CO2和甲烷的体积相等，因此，一时段内： QCO2=ρCO2VCH4 (6)

其中， ρCO2为CO2的密度；VCH4为甲烷的体积，计算公式如式(7)所示。 VCH4=3.6φP2G,tPP2G,t/Hg

(7)

其中，φP2G,t为P2G设备的转换效率；Hg为天然气热值，取39MJ/m3；PP2G,t为P2G设备t时段合成甲烷所需能量，该功率可取自电网，更应采用电网弃风时段功率，即消纳风电。

2.2 P2G碳原料捕集及封存降耗的碳成本 2.2.1 碳排放权成本

在碳交易市场中，对企业设置碳排放权配额，气体排放实行总量管控。对超出配额的排放设立惩罚，则碳排放权成本[8]为： (8)

其中， f11为碳排放权成本；St为碳排放权在优化日t时段的交易价格；T为调度周期，取24h；E为分配的碳排放权配额，即机组可排放碳额度[12]。机组调节碳捕集率ηt，控制碳排放量与碳捕集量，实现机组优化运行。 2.2.2 碳捕集成本与碳利用后的封存成本 a. 碳捕集成本函数。

由于碳捕集系统需要大量捕集能耗，若未安装碳捕集系统，则该部分能量可以出售获利，因此安装碳捕集系统后损失的售电利益即为碳捕集成本： (9)

其中， f12为碳捕集成本；Ce,t为t时段的上网电价。 b. 碳利用后的封存成本函数。

现有文献对CCS技术的研究集中在碳捕集阶段，对捕集之后的封存研究较少，通过P2G实现捕集碳量再利用，其封存成本将降低。碳捕集系统捕集CO2后通过一系列途径封存CO2，从而减少CO2向大气中的排放，减缓大气污染和温室效应，

但封存技术所带来的长距离运输成本高昂，且存在封存泄漏爆炸及对生物环境产生危害的风险，因此考虑将捕集到的CO2中一部分用于P2G设备的生产，实现CO2的回收利用，剩余部分采用上述渠道封存，减少封存量。未来随着P2G技术的不断进步，CO2的回收利用量将越来越多，碳利用后的封存成本将逐步下降，亦可避免封存的风险问题。碳利用后的封存成本表示为： (10)

其中， f13为碳封存成本；Cle为碳封存成本系数；Q1,t为t时段的碳捕集量；QCO2,t为t时段供给P2G设备的CO2利用量。 2.2.3 碳成本

系统在整个调度周期内产生的碳成本可表示为： f1=f11+f12+f13=

Ce,tPCO2,t+Cle(Q1,t-QCO2,t) (11)

2.3 考虑碳利用的P2G-CCPP系统建模 2.3.1 目标函数

考虑碳利用的P2G-CCPP系统的碳成本、燃料成本、弃风成本、P2G成本，建立P2G-CCPP系统综合成本最小模型，目标函数为： (12)

其中，F为综合成本；f2(PGi,t)为P2G-CCPP系统燃料成本，采用机组成本耗费曲线表示[14]；CP2G为P2G设备的运行成本系数，包括人员管理、机组启停、技术成本等，可用功率运行成本[16]定量描述；PP2G,t为t时段P2G运行功率；

f3为弃风成本，如式(13)所示。 (13)

其中，Nw为风电场数量；Ccurt,w′为风电场w′的弃风成本系数；Qw′为弃风电量，计算公式如式(14)所示[15]。 (14)

其中，Pu(t)为系统可控机组t时段的上调容量；为风电场装机容量；Pw′(t)为风电场t时段预测出力。 2.3.2 约束条件 a. 功率平衡约束。

CCPP的发电量与风电场实际出力必须满足系统负荷才能保证电力系统正常运行，即： (15)

b. 运行约束。

每台发电机组都有自己的出力上下限，即： PG,imin≤PG,i≤PG,imax (16)

其中，PG,imax和PG,imin分别为第i台发电机组有功出力的上、下限。 P2G设备的出力由其容量决定，即： PP2G,min≤PP2G≤PP2G,max (17)

其中，PP2G,max和PP2G,min分别为P2G设备有功出力的上、下限。

c. 碳约束。

P2G设备利用的CO2量全部来自碳捕集量，因此约束为： 0≤QCO2≤Q1 (18)

碳捕集率的上下限约束为： ηt,min≤ηt≤ηt,max (19)

其中，ηt,max和ηt,min分别为碳捕集机组碳捕集率的上、下限。 d. 机组爬坡约束。

机组爬坡约束，即机组相邻2个时段的机组出力之差要小于一定的值，当差值过大会使发电机跟不上发电出力的变化，即： (20)

其中，PGi,UR和PGi,DR分别为第i台机组的最大增加和减小出力速率。 3 算例仿真

假设某地区典型日的负荷曲线及风电场预测出力分别如图4、图5所示[17-18]。碳捕集机组碳捕集率的上、下限值分别取ηt,max=0.9、ηt,min=0，单位碳排放强度碳封存成本系数为Cle=4./t，该地区碳排放权价格为29/t；弃风成本系数Ccurt,w=100/(MW·h)[19]；P2G的运行成本系数为20/MW[20]，P2G运行容量取50MW。

图4 各时段负荷曲线Fig.4 Load in different periods

图5 各时段风电场预测出力曲线Fig.5 Output power forecasting of wind farm in different periods 3.1 场景设置

设置3种场景进行对比分析：场景1不考虑P2G，只考虑CCPP，即CCPP系统；场景2考虑P2G，不考虑CCPP，即P2G系统；场景3考虑P2G设备与CCPP，即P2G-CCPP系统。

3.2 P2G配置50MW容量下不同场景的功率曲线及成本分析

上述3个场景下火电机组出力、弃风功率变化情况分别如图6、图7所示，不同场景下系统综合成本、碳成本、燃料成本、弃风成本、P2G成本如表1所示。 图6 不同场景下火电机组发电功率曲线Fig.6 Output power of thermal power unit under different scenarios

图7 不同场景下弃风功率曲线Fig.7 Wind power curtailment under different scenarios表1 不同场景优化结果Table 1 Optimization results of different scenarios

参数CCPPP2GP2G-CCPP综合成本F1001275.341084766.859840.48碳成本f139876.68369051.0516243.15燃料成本f2851844.76683690.33922469.73弃风成本f3109553.9010272.056271.23P2G成本f4021753.4219856.37 分析图6、图7可知，P2G-CCPP系统机组出力最大，弃风功率最少。P2G-CCPP系统需消耗碳捕集能耗，因此机组出力最大，第10时段风电预测出力最小，为满足负荷需求，机组出力达到最大值；P2G系统火电机组出力低于CCPP、P2G-CCPP系统，是因为不需要提供碳捕集能耗，P2G能耗由风电场弃风功率提供，与火电机组出力无关。CCPP、P2G和P2G-CCPP系统的弃风功率依次减少，这是由于CCPP按预测风电出力制定计划，其可调节能力取决于发电机的功率调节范围，故无法消纳超过调节范围的风功率，其弃风功率最大。P2G系统风电消纳能力取决于P2G的最大运行容量，P2G-CCPP系统的调节能力取决于P2G的最大运行容量和碳捕集率上限，其调节能力比另外2个系统强，故其弃风功率最

小。结合表1分析可知，相较单纯的P2G系统，P2G-CCPP系统消纳风电能力提高了38.95%， 充分验证了P2G-CCPP能够极大提高系统风电消纳能力。 含P2G设备的情况下，P2G-CCPP系统成本降低了8.72%，这是因为P2G-CCPP系统中碳捕集装置为P2G设备提供CO2，从而节省了P2G设备购买CO2的成本；P2G系统燃料成本最低是因为该系统不需要向碳捕集系统提供捕集能耗；P2G系统的碳成本达到了P2G-CCPP系统的22.72倍，这是因为常规机组无碳捕集装置，产生的CO2全部排放，导致巨额环境成本。虽然P2G-CCPP系统燃料成本高于P2G系统，但综合成本仍然低于P2G系统11.06%， 较CCPP系统降低了3.%。仿真结果表明，P2G-CCPP系统综合成本最低，系统运行经济性最好。 3.3 不同场景下碳捕集量比较

碳捕集量可以直观反映系统的碳排放水平，捕集量越多，说明碳排放越少，对降低环境成本、减缓温室效应、节能减排效果越明显。图8分析了3个场景下碳捕集量的变化。

图8 不同场景下碳捕集量比较Fig.8 Comparison of carbon capture among different scenarios

从图8中可以看出，P2G-CCPP系统碳捕集量除了第10时段外其他时段均高于P2G、CCPP系统，相较CCPP捕集量更多的原因在于P2G需要消耗CO2，捕集的CO2用于P2G甲烷化反应生成甲烷。之所以第10时段P2G-CCPP碳捕集量低于CCPP系统，是因为此时段风电出力达到最低值，则P2G出力最小，碳利用量最少，碳捕集量因此较低，而CCPP系统不受P2G影响，碳捕集系统持续运行，因此该时段CCPP系统碳捕集量高于P2G-CCPP系统。图中P2G系统没有碳捕集装置，因此碳捕集量为0，产生的CO2全部排出，产生巨额的环境成本，如表1所示。P2G-CCPP系统对降低碳排放效果显著。 3.4 P2G容量对碳利用量、弃风功率的影响

在CCPP和风电场容量确定的情况下，分析P2G设备的不同容量对碳利用量及弃风功率的影响，分别如图9、图10所示。

图9 不同P2G容量下碳利用量变化Fig.9 Carbon sequestration variation for different P2G capacities

图10 不同P2G容量下弃风功率变化曲线Fig.10 Wind power curtailment variation for different P2G capacities

选取P2G容量30MW、50MW、70MW进行比较。P2G容量选取为30MW时，当风电场实际出力与预测出力之差高于30MW，P2G出力达到最大值，碳利用量保持稳定，当风电场实际出力与预测出力之差低于30MW时，P2G出力跟随风电场实际出力与预测出力之差变化，则碳利用量也随之变化，从图10可以看出，10、14、21、22这4个时段弃风功率为0，因此碳利用量有不同程度的下降。随着P2G设备容量增大，P2G设备能消耗更多的CO2，同时消纳更多弃风功率。P2G-CCPP系统碳利用量逐步增加，则碳封存量逐渐减少，可避免因封存或封存泄漏产生更多的成本及对生物环境产生危害的风险。当P2G容量增加到70MW时，弃风功率为0，弃风全部被消纳。仿真结果表明，对不同的CCPP和风电场选用不同容量的P2G设备，可以使系统运行最优。 4 结论

a. 所提出的P2G-CCPP系统中，P2G技术为CCPP提供了CO2再利用的途径，CCPP为P2G提供CO2原料，P2G所需转换能量、捕集能耗等可充分利用弃风功率。

b. CCPP捕集的CO2中一部分被用于P2G再利用，降低了CO2封存量，减少了碳封存成本，避免了封存泄漏及对生物环境产生危害的风险。

c. 与单纯CCPP、P2G相比，P2G-CCPP系统极大地提高了系统风电消纳能力，降低了弃风成本，经济性更佳，但是P2G-CCPP存在地理距离因素的局限性。

d. P2G-CCPP中的产品之一甲烷，可如同一般P2G方式，如城镇、工业供气等被存储和利用，更可用于电厂配置燃气轮机发电，快速高效调节峰谷差时的并网功率，实现快速调峰调频。

e. P2G容量对P2G-CCPP系统的碳利用量及弃风功率影响较大，针对不同的CCPP和风电场，可选择不同容量的P2G设备，从而达到系统运行最优。随着P2G技术发展和成本降低，P2G-CCPP系统的市场将更加广阔。

【相关文献】

[1] YUAN Y，ZHANG X S，JU P，et al. Determination of economic dispatch of wind farm-battery energy storage system using genetic algorithm[J]. International Transactions on Electrical Energy Systems，2014，24(2)：2-280.

[2] ZHAO Haoran，WU Qiuwei，HU Shuju，et al. Review of energy sto-rage system for wind power integration support[J]. Applied Energy，2015，137：545-553.

[3] 王业磊，赵俊华，文福拴，等. 具有电转气功能的多能源系统的市场均衡分析[J]. 电力系统自动化，2015，39(21)：1-10，65.

WANG Yelei，ZHAO Junhua，WEN Fushuan，et al. Market equili-brium of multi-energy system with power-to-gas functions[J]. Automation of Electric Power Systems，2015，39(21)：1-10，65.

[4] GUANDALINI G，CAMPANARI S，ROMANO M C. Power-to-gas plants and gas turbines for improved wind energy dispatch ability：energy and economic assessment[J]. Applied Energy，2015，147，117-130.

[5] 杜琳，孙亮，陈厚合. 计及电转气规划的综合能源系统运行多指标评价[J]. 电力自动化设备，2017，37(6)：110-116.

DU Lin，SUN Liang，CHEN Houhe. Multi-index evaluation of integrated energy system with P2G planning[J]. Electric Power Automation Equipment，2017，37(6)：110-116. [6] 卫志农，梅建春，孙国强，等. 电- 气互联综合能源系统多时段暂态能量流仿真[J]. 电力自动化设备，2017，37(6)：41-47.

WEI Zhinong，MEI Jianchun，SUN Guoqiang，et al. Multi-period transient energy-flow simulation of integrated power and gas energy system[J]. Electric Power Automation Equipment，2017，37(6)：41-47.

[7] 韩中合，白亚开. 基于技术经济学的碳捕集系统参数影响分析及优化[J]. 华北电力大学学报，2015，42(6)：92-100.

HAN Zhonghe，BAI Yakai. Analysis and optimization of parameters in carbon capture system based on technical economics[J]. Journal of North China Electric Power University，2015，42(6)：92-100.

[8] 刘阳升，周任军，李星朗，等. 碳排放权交易下碳捕集机组的厂内优化运行[J]. 电网技术，2013，37(2)：295-300.

LIU Yangsheng，ZHOU Renjun，LI Xinglang，et al. Inside-plant optimal operation of carbon capture unit under carbon emission right trade[J]. Power System Technology，2013，37(2)：295-300.

[9] 李杨，刘伟佳，赵俊华，等. 含电转气的电- 气- 热系统协同调度与消纳风电效益分析[J]. 电网技术，2016，40(12)：3680-36.

LI Yang，LIU Weijia，ZHAO Junhua，et al. Optimal dispatch of combined electricity-gas-heat energy systems with power-to-gas devices and benefit analysis of wind power accommodation[J]. Power System Technology，2016，40(12)：3680-36.

[10] GAHLEITNER G. Hydrogen from renewable electricity：an international review of power-to-gas pilot plants for stationary applications[J]. International Journal of Hydrogen Energy，2013，38(5)：2039-2061.

[11] BELDERBOS A，DELARUE E，D’HAESELEER W. Possible role of power-to-gas in future energy systems[C]∥European Energy Market. [S.l.]：IEEE，2015：1-5.

[12] 陈启鑫，季震，康重庆，等. 碳捕集电厂不同运行方式的电碳特性分析[J]. 电力系统自动化，2012，36(18)：109-115，152.

CHEN Qixin，JI Zhen，KANG Chongqing，et al. Analysis on relation between power generation and carbon emission of carbon capture power plant in different operation modes[J]. Automation of Electric Power Systems，2012，36(18)：109-115，152. [13] LUCQUIAUD M，CHALMERS H，GIBBINS J. Potential for flexible operation of

pulverized coal power plants with CO2 capture[J]. Energy Materials，2007，2(3)：175-180. [14] 刘卓. 饱和度自适应微分进化算法在电力经济调度中的应用[J]. 电网技术，2011，35(1)：100-104.

LIU Zhuo. The application of saturation and adaptive differential evolution algorithm in economic dispatching of power grid[J]. Power System Technology，2011，35(1)：100-104.

[15] 陈皓勇，王勇超，禤培正，等. 含高渗透率风电的微网系统鲁棒经济调度方法[J]. 控制理论与应用，2017，34(8)：1104-1111.

CHEN Haoyong，WANG Yongchao，XUAN Peizheng，et al. Robust economic dispatch method of microgrid containing high proportion of wind power[J]. Control Theory & Applications，2017，34(8)：1104-1111.

[16] 张晓辉，陈钟顺. 热电冷联产系统的能耗特性[J]. 中国电机工程学报，2007，27(5)：94-95. ZHANG Xiaohui，CHEN Zhongshun. Energy consumption perfor-mance of combined heat cooling and power system[J]. Proceeding of the CSEE，2007，27(5)：94-95.

[17] 周任军，刘志勇，李献梅，等. 采用多随机变量超分位数方法的机组碳捕集率优化决策[J]. 电网技术，2014，38(11)：3006-3010.

ZHOU Renjun，LIU Zhiyong，LI Xianmei，et al. Optimal decision of unit carbon capture rate using multiple random variable super-quantile[J]. Power System Technology，2014，38(11)：3006-3010.

[18] 贾文昭，康重庆，李丹，等. 基于日前风功率预测的风电消纳能力评估方法[J]. 电网技术，2012，36(8)：69-75.

JIA Wenzhao，KANG Chongqing，LI Dan，et al. Evaluation on capability of wind power accommodation based on its day-ahead fore-casting[J]. Power System Technology,2012，36(8)：69-75.

[19] 郑静，文福拴，李力，等. 计及风电场和储能系统联合运行的输电系统扩展规划[J]. 电力系统自动化，2013，37(1)：135-142.

ZHENG Jing，WEN Fushuan，LI Li，et al. Transmission system expansion planning considering combined operation of wind farms and energy storage systems[J]. Automation of Electric Power Systems，2013，37(1)：135-142.

[20] MOSKALENKO N，LOMBARDI P，KOMARNICKI P. Multi-criteria optimization for determining installation locations for the power-to-gas technologies[C]∥Proceeding of 2014 IEEE PES General Meeting Conference & Exposition. National Harbor，MD，USA：IEEE，2014：1-5.