0.   引言

为保证“双碳目标”的稳步推进，促进融合高比例新能源的综合能源系统(integrated energy system，IES)在实际工程中的应用，2022年1月29日国家发改委和国家能源局联合印发了《“十四五”现代能源体系规划》^[1]。其中指出将大规模新能源融入电力系统，增强多能源网络“源网荷储”的协调优化运行能力，同时在生产和储运阶段减少碳足迹，推动能源产业与减碳工程协同发展，以放宽能源市场准入的手段激发能源市场活力。为进一步助力全社会能源转型，我国国家发改委、国家能源局于2023年9月7日印发了《电力现货市场基本规则(试行)》^[2]，其中指出应进一步加强能源市场中长期与现货市场的衔接，以形成体现时间和空间特性同时反映市场供需变化的能量价格信号，从而促进能源系统向清洁低碳、安全高效转型。

随着多能耦合系统与碳交易市场的普及，当下如何将碳交易与能源交易协同管理并实现出清受到广泛研究^[3-4]，如文献[5]提出了以具有“双高”特性的新型电力系统为研究对象，建立了电碳协同的新型电力市场交易机制，阐述了“源网荷储碳数”六要素之间的耦合关系。文献[6]提出绿色电力在间接排放核算时直接扣减对应电量，剩余电量按火电处理，为绿色电力消费和碳交易的协调提供了方案。文献[7]为保证碳排放平衡的贸易状态，搭建了三阶段分层区块链框架。文献[8]为分析电碳市场交互模式，采用条件风险价值研究了碳市场和电力市场之间的风险溢出效应。综上所述，当下针对能源与碳交易协同管理的研究聚焦于单一类型机组或仅限于电碳耦合市场，但并不足以满足“电-热-气”多能耦合运行的IES，针对多能源系统的碳能耦合研究相对缺失。为适配IES低碳运行与管理，需要逐步迈向一种新型交互市场，强调“碳-能”协同出清，以协调碳排放与能源供应之间的关系。

基于完善的“碳-能”协同出清的新型交互市场，如何引导IES低碳运行成为亟待解决的问题^[9-10]。如文献[11]为引导电力用户响应低碳政策，提出了基于动态排碳因子的低碳需求响应机制，并从用户视角和电力系统视角分析了所提方法的发展潜力。文献[12]和文献[13]中为促进电力系统向清洁化转型，基于碳交易市场建立了低碳需求响应数学模型，通过对比碳排放和运行成本分析了所提方法的可行性。文献[14]通过分析源侧与荷侧的低碳互补供电机理，提出了两侧低碳互补的需求响应机制。文献[15]以时变电价取代传统的分时电价，以需求响应模式为基础，激励动态能源供给系统为住宅用户供电实现低碳运行。综上所述，当下的需求响应机制存在仅针对能量且时间尺度较为单一的问题，缺失针对中长时间尺度碳排放管理和低碳响应机制的研究，以上问题导致IES无法满足在能量和碳的多方面管理。由此可知，目前多时间尺度上能量和碳协同管理是亟待解决的问题，对多时间尺度决策的“碳-能”协同响应策略是IES低碳化转型的研究重点。

为解决IES优化调度中经济性和低碳性之间存在矛盾的问题，学者们对IES的多目标优化调度进行了大量研究^[16]。如文献[17]以“电热冷气”联供的IES为研究对象，建立了以经济性、碳排放和㶲效率为目标的优化调度模型，并采用强化学习方法制定混合时间尺度的调度决策，提出奖励机制促进IES低碳经济运行。文献[18]在IES调度中引入多时间尺度的阶梯型碳交易机制，通过调节价格的方式降低园区运行成本的同时减少了二氧化碳的排放。文献[19-20]提出了季节性低碳经济调度策略，在中长时间尺度上规划IES碳排放分布，通过仿真验证了季节性调度策略相较于各季度平分的减碳策略能够在减少相同碳排放量的情况下保证系统的经济性。文献[21]在电氢能源系统优化模型中引入阶梯型碳交易机制，采用多场景置信决策理论分析了系统运行的不确定性。文献[22]针对多微网系统中共享储能的能量流、信息流和资金流的分析结果，制定了多阶段多目标的博弈优化调度方法。综上所述，如何在IES优化调度过程中同时实现经济性和低碳性受到了广泛关注，但由于经济性和低碳性的耦合关系，对二者的需求必然难以同时满足。针对该问题，本文提出在全年进行季节排碳规划，并制定季节性调度策略。该策略旨在实现IES低碳运行的同时，保证系统的经济性。

针对以上问题，本文以IES为研究对象，提出基于“碳-能”协同响应策略的季节性低碳经济优化调度方法。为实现能源和碳排放配额的同时出清，将碳交易离散化处理，打破其与能量交易在时间尺度上的差异，建立“碳-能”协同的新型交互市场。针对不同的碳和能量的规划时间尺度，建立基于季节性低碳需求信号的碳能交互定价模型，提出“碳-能”协同响应策略，在中长时间尺度上规划季节性碳排放，在短时间尺度上进行负荷侧需求响应调节负荷需求。

为实现IES运行的经济性与低碳性，基于以上研究提出季节性优化调度策略，对IES下发运行计划完成调度。通过仿真分析验证了在新型碳能交互市场与“碳-能”协同响应机制对IES的季节性低碳经济优化运行带来了积极影响。

1.   “电-热-气-碳”协同IES构型

1.1   IES架构

典型IES内部主体可根据运行特性分为5个类别，包括能量生产、能量转换、上级网络、能量储存和用户负荷，IES将各类型主体进一步整合并集合协调管控，形成一个多能协调运行的系统^[23]，其具体结构如图 1所示。

图  1  IES结构

Figure  1.  Structure diagram of IES

下载: 全尺寸图片 幻灯片

图 1中各主体分类和全称如表 1所示。

表  1  IES主体分类

Table  1.  Subject classification of IES

类别	主体
能量生产	风电机组(wind turbine，WT)
	光伏阵列(photovoltaic，PV)
能量转换	热电联产机组(combined heat and power，CHP)
	电锅炉设备(electric boiler，EB)
	电转气设备(power to gas，P2G)
上级网络	电网
	气网
能量储存	蓄电池组(storage battery unit，SBU)
	电动汽车(electric vehicle，EV)
	储气罐(gas storage tank，GST)
	储热罐(heat storage tank，HST)
	季节性储气(seasonal gas storage，SGS)
用户负荷	电、热、气3类负荷

下载: 导出CSV 

| 显示表格

1.2   IES主体建模

为解决碳交易与能源交易在时间尺度上的差异，提出将碳交易离散化从而在时间尺度上向能源交易进行统一。通过配额分配基准值与排碳系数将碳排放配额与实际碳排放量在时间尺度上与能源统一，即统一到本文调度时间尺度的1h上，为构建出新型的新型交互市场奠定基础。其中，配额分配基准值由现有的碳交易政策制定，而排碳系数则通过实际燃烧计算。

WT与PV作为将清洁能源转化为电能的能量生产设备，在生产中不涉及碳排放。针对WT和PV的运行特性，其在IES中的配额分配模型如下所示：

式中：P_WT为WT的输出功率；A_WT为WT所分配的配额量；$B_{{\text{RES}}}^{{\text{WT}}}$和$B_{{\text{RES}}}^{{\text{PV}}}$分别为WT与PV的供电配额分配基准值；P_PV为PV的输出功率；A_PV为PV所分配的配额量。

能量转换主体能够实现IES中多能联供，提高系统灵活性和平衡性。IES中的CHP机组是实现“气转电”和“气转热”功能的设备、EB是灵活性较高的“电转热”设备、P2G是“电转气”设备。

CHP数学模型如下所示：

式中：P_CHP为CHP的输出电功率；H_CHP为CHP的输出热功率；G_CHP为CHP的输入气功率；$\eta _{{\text{CHP}}}^{\text{P}}$为电转换效率；η_CHP为热电联产的电热比；D_CHP为CHP的排碳量；$\lambda _{{\text{CHP}}}^{\text{G}}$为CHP的天然气燃烧排碳系数；A_CHP为CHP所分配的配额量；$B_{{\text{CHP}}}^{\text{P}}$为供电基准值；$B_{{\text{CHP}}}^{\text{H}}$为供热基准值；F_r为CHP的供热量修正系数。

EB数学模型如下所示：

式中：H_EB为EB的输出热功率；η_EB为EB的转换效率；P_EB为EB的收入电功率；A_EB为EB所分配的配额量；$B_{{\text{EB}}}^{\text{P}}$为EB供热配额分配基准值。

P2G数学模型如下所示：

式中：G_P2G为P2G机组的输出气功率；η_P2G为P2G的转换效率；P_P2G为P2G的收入电功率；D_P2G为生产天然气过程中消耗的二氧化碳量，将之视为参与碳交易有效收益；$\lambda _{{\text{P2G}}}^{\text{G}}$为生产天然气耗碳系数；A_P2G为P2G所分配的配额量；$B_{{\text{P2G}}}^{\text{G}}$为P2G供气配额分配基准值。

上级网络主要包括电网与气网，其模型如下：

式中：$P_{{\text{grid}}}^{{\text{tran}}}$和$G_{{\text{net}}}^{{\text{tran}}}$为IES与电网交互的电功率和与天然气网络交互的气功率；$P_{{\text{grid}}}^{{\text{tran,max}}}$和$P_{{\text{grid}}}^{{\text{tran,max}}}$为交互功率极值；D_grid为向电网购电所造成的碳排放量；$\lambda _{{\text{grid}}}^{\text{P}}$为电网的排碳系数；$\lambda _{{\text{grid}}}^{{\text{gas}}}$和$\lambda _{{\text{grid}}}^{{\text{coal}}}$为天然气和煤炭燃烧排碳系数；α_gas和α_coal为IES所在区域电网的燃气机组占比和燃煤机组占比。

能量存储设备在IES中的作用是保证能源供需平衡、应对故障和紧急情况。SBU、GST、HST以及SGS的运行原理相似，数学模型如附录A中公式(A1)所示。公式(A1)中，S_SUB(t), S_GST(t), S_HST(t)与S_SGS(t)为各类储能系统在t时刻的荷能状态；$S_{{\text{SBU}}}^{{\text{loss}}}(t)$、$S_{{\text{GST}}}^{{\text{loss}}}(t)$、$S_{{\text{HST}}}^{{\text{loss}}}(t)$与$S_{{\text{SGS}}}^{{\text{loss}}}(t)$为各类型储能在t时刻的自损量；$\eta _{\text{c}}^{{\text{SBU}}}$、$\eta _{\text{c}}^{{\text{GST}}}$、$\eta _{\text{c}}^{{\text{HST}}}$与$\eta _{\text{c}}^{{\text{SGS}}}$为各类储能系统的充能效率；$\eta _{\text{d}}^{{\text{SBU}}}$、$\eta _{\text{d}}^{{\text{GST}}}$、$\eta _{\text{d}}^{{\text{HST}}}$与$\eta _{\text{d}}^{{\text{SGS}}}$为各类储能系统的放能效率；$P_{\text{c}}^{{\text{SBU}}}(t)$、$G_{\text{c}}^{{\text{GST}}}(t)$、$H_{\text{c}}^{{\text{HST}}}(t)$与$G_{\text{c}}^{{\text{SGS}}}(t)$为各类储能系统在t时刻的充能功率；$P_{\text{d}}^{{\text{SBU}}}(t)$、$G_{\text{d}}^{{\text{GST}}}(t)$、$H_{\text{d}}^{{\text{HST}}}(t)$与$G_{\text{d}}^{{\text{SGS}}}(t)$为各类储能系统在t时刻的放能功率；E_SBU、 E_GST、E_HST与E_SGS为各类储能系统的最大容量；P_SBU、G_GST、H_HST与G_SGS为各类型储能的充放功率。

由于EV主要用于交通运输服务，所以EV与以上储能系统在运行原理上存在差别。

式中：S^EV(t)为EV在t时刻的荷电状态；$\eta _{\text{c}}^{{\text{EV}}}$与$\eta _{\text{d}}^{{\text{EV}}}$为EV的充放效率；$P_{\text{c}}^{{\text{EV}}}(t)$和$P_{\text{d}}^{{\text{EV}}}(t)$为EV储能系统在t时刻的充放功率；P_EV为电动汽车的充放运行功率；E^EV为EV储能系统的最大容量；D(t)为EV在t时刻的移动距离；W为EV移动的耗电因子；D_EV为EV的减碳量；S为传统燃油汽车的燃用消耗量；E为燃油排碳因子。

“电-热-气-碳”协同运行且保证供需平衡是实现IES稳定运行的关键，其动态平衡模型如下：

式中：P_load, H_load, G_load分别为电、热、气负荷功率；A_tran为对外交易的碳排放配额量。

2.   “碳-能”协同响应的新型交互市场

针对以上所建立的统一时间尺度的“电-热-气-碳”协同的IES运行模型，本文提出在新型交互市场中用于调节碳配额与能量交互的“碳-能”协同响应机制，通过调节价格对各类可调节用户进行激励，实现IES内部多类型能源负荷需求与低碳需求的耦合互补调节。

假设IES内部用户都被碳交易市场和能源交易市场覆盖，碳交易成本能够充分向所有用户传导。此外，在地理位置上IES内部用户位于同一地区，且具有相同的季节与气候。

2.1   新型碳能交互市场

传统交互市场与新型碳能交互市场的差别如图 2所示。

图  2  新型碳能交互市场改进情况

Figure  2.  Improvement of new carbon-energy interactive market

下载: 全尺寸图片 幻灯片

新型碳能交互市场是指结合“源-网-荷-储-碳”的交易平台，它将碳交易与能量交易相融合，避免碳排放配额量与实际排放量存在偏差。通过能量交易、碳交易、能量存储和能源转移等方式，实现清洁能源的有效利用，从而在降低IES碳排放的同时实现系统经济运行。

在新型碳能交互市场下，对于IES主体之间交互的各类资源，它们的交互价格被统一融合为碳能交互价格。首先通过引入碳价修正系数，实现在能源价格中加入碳交易价格，为下文加入季节性低碳需求信号打下基础，具体计算方法如公式(13)—(17)所示：

式中：$c_{{\text{ele}}}^{{\text{car}}}(i)$、$c_{{\text{gas}}}^{{\text{car}}}(i)$、$c_{{\text{heat}}}^{{\text{car}}}(i)$分别为新型碳能交互市场下第i个主体的电碳价格、气碳价格与热碳价格(i表示IES内各个主体的编号，共I个主体)；c_ele、c_gas、c_heat、c_car为传统能源市场与碳交易市场下的电价、天然气价、热价和碳价；$\psi _{\text{e}}^i$、$\psi _{\text{g}}^i$、$\psi _{\text{h}}^i$为IES内第i个主体生产电、气、热的碳价修正系数。

由于各机组配额分配与实际碳排放有所不同，针对各机组的碳价修正系数的计算方法如下所示：

式中：$O_i^{\text{P}}$、$O_i^{\text{G}}$和$O_i^{\text{H}}$分别为第i个主体的电、热、气的碳价转换系数；$\lambda _i^{\text{P}}$、$\lambda _i^{\text{G}}$和$\lambda _i^{\text{H}}$分别为第i个主体的电、热、气排碳系数；$B_i^{\text{P}}$、$B_i^{\text{G}}$和$B_i^{\text{H}}$分别为第i个主体的供电、热、气配额分配基准值。

2.2   “碳-能”协同响应策略

“碳-能”协同响应策略是指在应对不同季节排碳特性和多类型能源供给的过程中，将碳减排和能源需求相互协调的策略。从两个时间尺度配合实现“碳-能”协同响应，首先基于历史数据进行中长时间尺度的碳排放规划，并计算低碳需求信号，其次将其引入到碳能交互价格中，进行用户侧能源负荷需求响应。

2.2.1   季节性排碳规划

针对IES所在地区的清洁能源出力与负荷需求历史数据在不同季节(中长时间尺度)下的分布情况，利用时间序列分析法分析IES排碳的季节波动分量^[24]，具体方法如下。

首先，为分析IES运行特性将对应地区的清洁能源出力和负荷需求数据进行归一化处理，并按照装机容量赋予相应系数。其次，将计算负荷需求减去清洁能源出力的净负荷需求，根据排碳机组计算满足净负荷碳排放造成的碳排放量D_IES。最后，采用时间序列分析法计算排碳的季节波动分量。

式中：$D_{{\text{IES}}}^{{\text{spr}}}$、$D_{{\text{IES}}}^{{\text{sum}}}$、$D_{{\text{IES}}}^{{\text{aut}}}$和$D_{{\text{IES}}}^{{\text{win}}}$为IES在各季节下的碳排放量；D_IES(v)为第v个月IES的碳排放总量，v表示月份，其取值包括：1, 2, 3, ……, 10, 11, 12；$S_{{\text{IES}}}^{{\text{spr}}}$、$S_{{\text{IES}}}^{{\text{sum}}}$、$S_{{\text{IES}}}^{{\text{aut}}}$和$S_{{\text{IES}}}^{{\text{win}}}$为IES在各季节的碳排放季节波动分量。

针对季节排碳特性对IES全年的碳排放量进行规划，设定季节排碳系数$a_{{\text{car,*}}}^{{\text{sea}}}$进行低碳运行引导，进一步修正各季节下的碳能交互价格，具体价格改进方式如下所示：

式中：$a_{{\text{car,*}}}^{{\text{sea}}}$包括$a_{{\text{car,spr}}}^{{\text{sea}}}$、$a_{{\text{car,sum}}}^{{\text{sea}}}$、$a_{{\text{car,aut}}}^{{\text{sea}}}$和$a_{{\text{car,win}}}^{{\text{sea}}}$，它们分别表示春夏秋冬4个季节的低碳需求信号。为避免误差，通过计算多年季节波动分量的平均值得出低碳需求信号。可知，季节波动分量越高对应季节的碳排放量越高，从而对应季节碳排放需求越大，即低碳需求信号越大。具体计算方法如下所示：

式中：average()表示计算平均函数。

由公式(15)－(18)可知，对应每一个季节有一个低碳需求信号，将其引入到时变的碳能相应价格之中，通过调节价格的方式，实现对IES的碳排放按照季节排碳特性进行长时间尺度规划与引导。

2.2.2   “碳-能”协同响应

基于以上碳能交互价格，制定(短时间尺度)“碳-能”协同响应策略，旨在通过用能价格激励用户自发改变用能习惯。

针对被调节类型可以将负荷分为：不可调节负荷、可消减负荷和可转移负荷。电负荷需求响应的数学模型表示如下所示：

式中：P_load(t)为需求响应后的电负荷；$P_{{\text{load}}}^{{\text{fixed}}}(t)$为不可调节负荷；$P_{{\text{load}}}^{{\text{cut}}}(t)$为可消减负荷，指可在用电高峰情况下直接减少的负荷；$P_{{\text{load}}}^{{\text{tran}}}(t)$为可转移负荷，将用电高峰情况下的负荷转移到用电低谷时刻的负荷。可消减负荷与可转移负荷模型如下：

式中：$a_{{\text{load}}}^{{\text{cut}}}$、$a_{{\text{load}}}^{{\text{tran}}}$分别为可消减负荷与可转移负荷在负荷中所占比例；$\Delta _{{\text{load}}}^{{\text{cut}}}$、$\Delta _{{\text{load}}}^{{\text{tran}}}$分别为可消减系数与可转移系数；$Z_{{\text{load}}}^{{\text{cut}}}$、$Z_{{\text{load}}}^{{\text{tran}}}$为消减负荷弹性矩阵与转移负荷弹性矩阵；$c_{\mathrm{ele}}^{\prime \mathrm{car}}$为需求响应电碳价格。

热负荷H_load需求响应与气负荷G_load需求响应原理与电负荷需求响应相同，不再赘述。完成负荷调节后，针对IES的运行目标与相关约束进行短时间尺度能量规划，以促进IES低碳经济发展，同时确保能源供应的可靠性和安全性。具体"碳-能"协同响应流程如图 3所示。

图  3  “碳-能”协同响应流程图

Figure  3.  "Carbon-energy" collaborative response flow chart

下载: 全尺寸图片 幻灯片

综上所述，“碳-能”协同响应策略通过时间序列分析法研究了IES的季节排碳特性，提出将低碳需求信号引入到碳能交互价格中，以实现对不同季节排碳的经济引导，最后通过新型碳能交互价格进行负荷调节。通过以上方法，在中长时间尺度按照季节排碳特性进行排碳规划，避免各个季节排碳过量；在短时间尺度上用户侧负荷根据能量交易和碳交易两个方面进行调节。

3.   季节性优化调度模型

IES的季节性优化调度模型综合考虑能源利用的高效性，系统运行的季节性、低碳性和经济性，通过优化能源供给与需求、能源转换和传输等各个环节，最大程度地提高能源系统的经济性和低碳性。

本文以IES低碳经济运行为目标，即碳排放f_car最少与运行成本f_eco最低。由于二者不在一个数量级，需进行归一化处理，${f'_{{\text{car}}}}$和${f'_{{\text{eco}}}}$分别为对应值归一化后的值，即为对应值与其最大值的比值。为满足系统不同运行场景下需求，设置不同的β₁与β₂调节二者在总目标函数f中占比，其中β₁+β₂=1，具体如下所示：

IES的运行成本f_eco包括：能量生产设备与能量转换设备的运行成本f_cost、对上级网络购卖能量成本f_buy和能量储存系统的运行维护成本f_ESS。IES总碳排放则包括内部各主体涉及的碳排放。

式中：$c_i^P$、$c_i^G$和$c_i^H$为第i个电热气单元成本系数；c_SBU、c_HST、c_GST、c_SGS与c_EV分别为各类型储能与电动汽车的运行维护成本系数。

在对IES进行低碳经济优化调度的过程中，存在多类型约束，主要包括：平衡约束如公式(12)、设备功率约束和爬坡约束如附录A中公式(A3)、储能容量约束如附录A中公式(A4)、储能设备功率约束如附录A中公式(A5)。公式(A3)—(A5)中：$P_{{\text{CHP}}}^{\min }$、$P_{{\text{P2G}}}^{\min }$和$P_{{\text{EB}}}^{\min }$分别为CHP、P2G和EB的运行功率下限；$P_{{\text{CHP}}}^{\max }$、$P_{{\text{P2G}}}^{\max }$和$P_{{\text{EB}}}^{\max }$分别为CHP、P2G和EB的运行功率上限；$P_{{\text{grid}}}^{\min }$和$G_{{\text{net}}}^{\min }$为对电网和气网的交互功率下限；$P_{{\text{grid}}}^{\max }$和$G_{{\text{net}}}^{\max }$为对电网和气网交互功率上限；$r_{{\text{CHP}}}^{{\text{down}}}$和$r_{{\text{CHP}}}^{{\text{up}}}$为CHP最大下降和爬坡值。

为了避免对IES年度碳排放管理缺失而造成超额排放，建立季节性调度策略，计算不同季节的低碳需求因子并将其引入到新型交互价格中。基于此价格制定“碳-能”协同响应策略，分别从中长时间尺度和短时间尺度促进IES低碳运行。调度过程中，综合考虑系统运行的经济和环境效益，并保证其在减碳背景下“电-热-气-碳”供需平衡。IES季节性低碳经济优化调度主要基于历史数据的分析结果，制定季节碳排放规划策略，考虑新型碳能交互价格进一步调节“电-热-气”3类负荷，实现IES的低碳经济运行。制定调度策略的主要步骤包括：构建数学模型、改进交互市场、实现“碳-能”协同响应和构建调度模型，具体如图 4所示。图 4中“符合市场条件”是指新型碳能交互市场是否符合传统能量交易市场和碳交易市场的基本情况，从政策角度分析碳价修正系数引入后的碳能交互价格是否合理来判断是否符合，如果不合理则需要修改公式(14)中的碳价转换系数，保证新型价格的合理性。针对以上优化调度模型，将原问题整合为混合整数线性问题，并采用Matlab中Yalmip编写程序调用Cplex进行求解分析^[25]。

图  4  IES季节性低碳经济优化调度流程图

Figure  4.  Flow chart of seasonal low-carbon economy optimal scheduling of IES

下载: 全尺寸图片 幻灯片

4.   仿真分析

4.1   仿真场景

由于IES涉及到“电-热-气”多类型能源的供需平衡，将电、热、气各类能量采用统一单位kW∙h进行表述，电-气之间的转化量纲取9.78kW∙h/m³，电-热之间转化量纲取3600kW∙h/kJ。设定WT和PV的额定功率分别为30MW和15MW，清洁能源出力曲线与负荷需求曲线如图 5所示。

图  5  四季典型日场景下清洁能源出力及负荷需求曲线

Figure  5.  Clean energy output and load demand curve under typical day scenarios in four seasons

下载: 全尺寸图片 幻灯片

仿真场景中设定：1）能量转换单位。EB的额定功率为13MW，P2G的额定功率为12MW，CHP的额定功率为15MW。2）与上级网络单位交互。与电网的最大交互功率为25MW，与气网的最大交互功率为20MW。3）能量存储单位。SBU的最大容量为15MW⋅h，HST的最大容量为8MW⋅h，GST的最大容量为10MW⋅h，SGS的最大容量为20MW⋅h。

为对比分析本文所提的新型交互市场、“碳-能”协同响应策略与季节性低碳经济调度对IES低碳经济运行的影响，具体场景设置如表 2所示。

表  2  IES运行场景设置

Table  2.  Run scenario settings of IES

场景	交互市场	“碳-能”协同响应	季节性调度
1	传统	不考虑	不考虑
2	新型	不考虑	不考虑
3	新型	考虑	不考虑
4	传统	不考虑	考虑
5	新型	考虑	考虑

下载: 导出CSV 

| 显示表格

IES运行参数取自参考文献[26]和[27]，其他参数则针对一些设备的实际工作效率等效表示，其中碳交易相关数据取自国家政策文件《2019－2020年全国碳排放权交易配额总量设定与分配实施方案》。IES基本参数如附录B中的表B1所示。

4.2   “碳-能”协同响应策略结果分析

经过计算可知，$a_{{\text{car,spr}}}^{{\text{sea}}}$、$a_{{\text{car,sum}}}^{{\text{sea}}}$、$a_{{\text{car,aut}}}^{{\text{sea}}}$和$a_{{\text{car,win}}}^{{\text{sea}}}$的值分别为0.059、0.407、0.235和0.299^[28]。则传统交互市场与新型交互市场下各类型能源价格在分季节分时段的价格如图 6所示。

图  6  各类型能量分季节价格

Figure  6.  Seasonal prices of various types of energy

下载: 全尺寸图片 幻灯片

由图 6可知，碳交易融合入到能源交易中以及季节性低碳需求信号引入到碳能交互价格中对能源价格的的影响有：一是增加了0.045元/kg的碳价；二是在原基础上各季节下的碳能交互价格针对季节性低碳需求进行了调整，在单日时间尺度上存在不同的波动。通过制定不同季节的碳能互动价格，实现IES不同季节的排碳引导。

“碳-能”协同响应中电、热、气各类型能量负荷中的可转移负荷和可消减负荷占比情况如附录B中的表B2所示。在表B2所设置的相关可调节负荷占比下，“碳-能”协同响应对电负荷、热负荷和气负荷的调节结果如图 7所示。

图  7  “碳-能”协同响应对各类负荷的调节结果

Figure  7.  Adjustment results of "carbon-energy" demand response to various loads

下载: 全尺寸图片 幻灯片

由图 7可知，通过在碳能交互价格中引入季节性低碳需求信号，对大低碳需求的夏季和冬季负荷需求向相对小低碳需求的春季和秋季进行转移，但由于时间尺度过长，可转移负荷占比较小，该“碳-能”协同响应策略有效地平抑了各类型负荷需求波动，其中电负荷、热负荷和气负荷的方差分别降低了22.05%、12.56%和36.45%。

“碳-能”协同响应对各类负荷需求的调节细节如表 3所示。

表  3  “碳-能”协同响应对各类负荷的调节情况

Table  3.  Adjustment of "carbon-energy" demand response to various loads

负荷类型		平均值/kW	方差/(kW)2
“碳-能” 需求响应前	电负荷	24128.4	42144220.49
	热负荷	5264.3	5663968.031
	气负荷	8441.1	42409843.48
“碳-能” 需求响应后	电负荷	24759.4	32849703.46
	热负荷	5223.1	4952765.844
	气负荷	8433	26952563.52

下载: 导出CSV 

| 显示表格

4.3   IES优化调度结果分析

为分析目标函数占比对IES运行成本和碳排放量的影响，不同β₁: β₂的运行结果如图 8所示。

图  8  不同目标占比运行结果

Figure  8.  Operation results of different target proportion

下载: 全尺寸图片 幻灯片

由图 8可知，在β₁: β₂=0:10至β₁: β₂=1:9变化过程中，运行成本降低幅度最大，达9.54%，而碳排放量提升同样较大，达4.13%；而在β₁: β₂=10:0至β₁: β₂=9:1变化过程中，运行成本提升了0.5%，碳排放量同样降低较少，仅有0.12%。此外，β₁: β₂=4:6至β₁: β₂=6:4变化过程中对运行成本和碳排放量的调节效果也十分显著；其他β₁: β₂情况相较以上情况调节效果较小。为充分体现其他本文所提方法对IES经济和低碳方面的调节，以下皆选取运行成本和碳排放量调节范围较大的β₁: β₂=5:5的情况进行分析。

为分析本文提出的在新型交互市场下引入“碳-

能”协同响应机制对IES低碳经济优化调度的影响，对比分析各场景的优化调度运行结果，各场景在四季典型日下的IES优化调度运行成本和碳排放与配额量具体分布如图 9所示。由图 9可知，各场景中只有场景4需要对外购买23t碳排放配额，场景1、场景2、场景3和场景5分别可对外出售86.48668t、24.90121t、65.73904t和62.75t碳排放量。由此可知，通过碳交易赚取最高收益并不能获得最佳的经济性和低碳性。

图  9  不同场景下优化结果

Figure  9.  Operation results in different scenarios

下载: 全尺寸图片 幻灯片

通过对比分析图 9中场景2、场景3与场景1的调度结果、场景5与场景4的调度结果可知，在新型交互市场下引入“碳-能”协同响应机制相较于传统交互市场有效地降低了IES的碳排放和运行成本，对比情况如表 4和表 5所示。

表  4  场景2和场景3相较于场景1的调度结果变化情况

Table  4.  Change of scheduling results in scenario 2 and scenario 3 compared with scenario 1

场景	对比场景1
	运行成本变化率/%	碳排放量变化率/%
场景2	−1.74	−7.61
场景3	−5.18	−23.99

下载: 导出CSV 

| 显示表格

表  5  场景5相较于场景4的调度结果变化情况

Table  5.  Change of scheduling results in scenario 5 compared with scenario 4

场景	对比场景4
	运行成本变化率/%	碳排放量变化率/%
场景5	−6.21	−17.72

下载: 导出CSV 

| 显示表格

为验证季节性调度策略对IES低碳经济运行的影响，对比分析场景1与场景4、场景3与场景5的调度结果。场景4相较于场景1，IES运行成本提升了2.13%而碳排放量降低了11.82%；场景5相较于场景3，IES运行成本提升了1.02%而碳排放量减少了4.55%。由以上对比结果可知，季节性调度策略通过增加季节性储能运行时间与充放频率，减少低碳需求因子数值高于0.25的季节(夏季0.407和冬季0.299)下燃煤机组运行时间与对外购电量，缺失的部分能量由有低碳需求因子数值低于0.25的季节(春季0.059和秋季0.235)进行能量生产并由季节性储能进行能量长时间尺度转移。

该方法提升少量运行成本，降低大量IES碳排放量。为分析所提方法如何通过优化调度减少IES碳排放，对比不同场景下IES各类别的运行和出力情况，具体如图 10所示。

图  10  各场景下不同类别机组的运行情况

Figure  10.  Operation of different types of units under different scenarios

下载: 全尺寸图片 幻灯片

由图 10可知，本文所提的优化调度方法通过减少对与上级网络的交互和能量转换的同时，提升能量储存设备的充能量，以减少IES的碳排放量。

通过对比各场景下四季典型日的碳排放量分布，分析在新型交互市场下引入“碳-能”协同响应机制和季节性调度策略对不同季节典型日碳排放的影响，具体对比结果如图 11所示。

图  11  各场景下四季典型日的碳排放分布

Figure  11.  Carbon emission distribution of typical days in four seasons under each scenario

下载: 全尺寸图片 幻灯片

相关的碳排放量占比数据如附录B中表B3所示。由图 11和表B3可知，在新型交互市场下引入“碳-能”协同响应机制，能够通过在碳能交互价格中引入季节低碳需求因子，调节不同季节典型日的碳排放占比。通过对比可知季节性调度策略能更加有效地调节不同季节典型日碳排放占比。

IES在场景5四季典型日下“电-热-气-碳”动态平衡调度计划如附录C中图C1所示。

由图C1(a)可知，春季典型日、夏季典型日和秋季典型日的清洁能源出力较大，能够在能量充裕的时段对外售电；而在冬季典型日清洁能源出力较小且热负荷需求较大的情况下，则需要向电网大量购电进一步保证EB耗电供热，为保证运行效率CHP始终保持额定功率稳定运行，P2G设备作为电气转换枢纽在电能充裕时将其转换为天然气从而保证供需平衡。由图C1(b)可知，EB和CHP作为主要的供热设备为4个典型日的热负荷需求供能。由图C1(c)可知，IES的天然气主要来源于气网，由于效率原因只有少量来自P2G。由图C1(d)可知，在新型碳能交互市场下的IES实现碳与能源的同时出清，仅在冬季典型日下对外购买了大量碳排放配额，其他典型日均对外出售配额。

为保证经济性，IES中各类型储能设备实现了对清洁能源出力削峰填谷的同时，也进行了峰谷价格套利，具体运行如附录C中图C2所示。

由图C2(a)可知，为保证IES利益最大化，ESS、HST和GST主要跟随碳能价格的峰谷分布进行削峰填谷，在谷时主要进行充能，在峰时则进行放能。由图C2(b)可知，SGS跟随季节低碳需求信号进行充放，在有较小的低碳需求的春季典型日和秋季典型日下充能，在有较大的低碳需求的夏季典型日和冬季典型日下放能，通过SGS的跨季节能量转移进一步响应季节性优化调度策略，实现IES各季节下碳排放量的调节。由图C2(c)可知，随机响应EV跟随碳能价格进行充放，而频率响应EV则跟随用户用车需求进行充放。

最后基于仿真分析结果，对本文所提出的优化调度方法的减碳机理进行分析，具体如图 12所示。

图  12  本优化调度方法减碳机理分析

Figure  12.  Analysis of carbon reduction mechanism of this optimal scheduling method

下载: 全尺寸图片 幻灯片

5.   结论

为减少供能系统碳排放，实现碳能同时出清，本文打破了碳交易与能量交易在时间尺度上的差异，为实现二者的协同管理，构建了新型碳能交互市场，提出了基于“碳-能”协同响应的IES季节性低碳经济优化调度方法。通过仿真分析验证了本文所提方法对IES低碳经济运行带来的积极影响，得出了以下结论：

1）在本文中所构建的四季典型日，IES在新型碳能交互市场下实现了碳能出清的同时，对外出售了62.75tCO₂的配额量。

2）“碳-能”协同响应策略在中长时间尺度引导IES的碳排放，在短时间尺度减小了各类型负荷需求的波动，电热气3类负荷在4个典型日内的方差分别减小了22.05%、12.56%和36.45%。在不考虑季节性调度策略的情况下，在新型交互市场下引入“碳-能”协同响应机制降低了IES 5.18%的运行成本和23.99%的碳排放。

3）季节性优化调度策略在“碳-能”协同响应策略的支持下，在提高了少量运行成本的前提下减少大量碳排放，即在运行成本提升1.02%的同时，降低了17.72%的碳排放量，在减碳的大背景下为IES的低碳经济运行提供了新思路。

附录见本刊网络版(http://www.dwjs.com.cn/CN/1000-3673/current.shtml)。

附录A

附录B

  B1  IES基本参数

  B1.  The basic parameters of IES

参数/单位	取值		参数/单位	取值
BWT RES/(tCO2/kW)	0.0941		BPV RES/(tCO2/kW)	0.0941
BP CHP/(tCO2/kW)	3.92×10−4		BH CHP/(tCO2/kW)	5.9×10−5
BP EB/(tCO2/kW)	2.31×10−5		BG P2G/(tCO2/kW)	1.62×10−4
λG CHP/(tCO2/kW)	1.964×10−3		λG P2G/(tCO2/kW)	2.14×10−5
λgas grid/(tCO2/kW)	0.641×10−3		λcoal grid/(tCO2/kW)	1.048×10−3
ηP CHP	0.78		ηEB	0.8
ηCHP	0.3		ηP2G	0.75
ηSBU c	0.82		ηSBU d	0.91
ηGST c, ηHST c, ηSGS c	0.97		ηGST d, ηHST d, ηSGS d	0.97
ηEV c	0.7		ηEV d	0.82

下载: 导出CSV 

| 显示表格

  B2  “碳-能”协同响应参数设置

  B2.  Parameter setting of 'carbon-energy' demand response

负荷需求类型	可转移负荷占比	可消减负荷占比
电负荷	10%	0.5%
热负荷	5%	0.5%
气负荷	8%	0.3%

下载: 导出CSV 

| 显示表格

  B3  各场景下四季典型日的碳排放量占比分布

  B3.  The proportion distribution of carbon emissions in typical days of four seasons in each scenario

场景	春	夏	秋	冬
场景1	21.99%	25.88%	23.58%	28.56%
场景2	23.29%	25.58%	23.49%	27.64%
场景3	17.78%	22.55%	20.77%	38.90%
场景4	22.57%	25.16%	23.36%	28.91%
场景5	13.68%	16.94%	14.84%	54.56%

下载: 导出CSV 

| 显示表格

附录C

  C1  场景5优化调度结果

  C1.  Results of optimal scheduling in scenario 5

下载: 全尺寸图片 幻灯片

  C2  各类型储能的剩余容量分布

  C2.  Remaining capacity distribution of various types of energy storage

下载: 全尺寸图片 幻灯片