计及碳交易和源-荷侧资源的综合能源系统低碳经济优化

收稿日期：2022-08-01

通信作者：苏 瑞（1997—），男，硕士研究生，主要从事新能源发电、综合能源系统运行优化等方面的研究。577456464@qq.com

DOI：10.19912/j.0254-0096.tynxb.2022-1156 文章编号：0254-0096（2023）11-0547-09

摘 要：“双碳”目标下，综合能源系统多种能源进行融合，对推动电力行业低碳化具有重要意义。为了进一步提高IES的环保性，该文提出一种计及碳交易和源-荷侧资源的综合能源系统低碳经济优化调度模型。首先，从源侧引入光热电站充当热电联产机组；其次，根据负荷侧电能和热能的传输性质不同，分别采用价格型需求响应和考虑供热系统热惯性和模糊性的热负荷需求响应模型；然后，通过引入阶梯式碳交易机制，构建包含P2G装置的碳排放成本模型；最后，以运行成本、碳交易成本、弃风弃光惩罚成本最小为目标函数，建立综合能源系统低碳经济优化模型；通过设置4个场景进行仿真分析，综合考虑CSP电站、综合需求响应和阶梯式碳交易机制后能够使系统外购成本、碳排放量和弃风弃光率分别减少25.65%、14.36%和21.54%，验证了所提模型的有效性。

关键词：可再生能源；优化调度；储能；阶梯式碳交易；综合能源系统

中图分类号：TM715"""""""""""" """"""nbsp;"""""""" 文献标志码：A

0 引 言

“双碳”目标下，相比于部分发达国家，中国碳排放总量较大，实现碳达峰到碳中和不仅时间紧、任务重，且面临诸多挑战［1］。综合能源系统（integrated energy system，IES）作为实现减排的重要途径之一，根据不同能源的互补特性，通过不同形式的能源转换设备将其联系起来，能有效提高各能源利用效率，充分利用能源之间的相互协调，降低能源利用对环境污染的影响［2］。

目前，国内外学者对IES的优化运行做了大量研究。文献［3］通过引入耦合设备电转气装置（power to gas，P2G），促进系统能源综合利用效率；文献［4］通过引入储能设备实现热电解耦，提高系统能源利用效率。但加入能源转换设备和储能设备仅仅局限于能源之间的单向传递，无法实现双向利用。光热（concentrating solar power，CSP）电站作为一种绿色可持续的发电技术，通过将电站储能系统与其他能源设备相结合，不仅能实现电-热能量之间双向传递，且对于实现节能减排具有重要意义［5］。文献［6］建立考虑光热转换的含储热CSP电站与风电系统，提高了系统风电消纳能力与CSP电站的调度灵活性。文献［7］利用光热电站中蓄热系统的可调度性和电加热装置的消纳能力，建立光热-风电优化模型，有效促进了风电消纳。此外，许多学者在IES优化中引入综合需求响应和碳交易机制方面做了研究，文献［8］分析不同负荷的可调度价值，对电、热负荷采用不同需求响应模型，能有效改善负荷曲线，降低IES的运行成本。文献［9］提出一种基于碳交易机制的低碳经济运行模型，分析表明碳交易机制能有效降低碳排放量和系统发电成本。文献［10］将阶梯式碳交易引入IES低碳经济调度模型，和传统碳交易模式相比，该机制通过设置阶梯碳价，能更严格限制系统碳排放。

综上，针对综合能源系统低碳优化问题，不同学者使用了不同的研究方法，但仅从单方面或两方面出发，并未同时考虑引入CSP电站、负荷需求响应和阶梯式碳交易机制后对IES碳排放的影响。本文在含P2G、燃气轮机（gas turbine，GT）、电锅炉（electric boiler，EB）等能量转换设备的综合能源系统基础上，从源-荷两侧出发，源侧引入CSP电站充当热电联产机组，实现电-热能量双向转换；负荷侧引入综合需求响应，采用基于分时电价的电负荷需求响应和考虑供热系统热惯性和热舒适度的热负荷需求响应，对电热负荷曲线进行优化，减少高峰负荷，提高系统经济性；同时在IES中引入阶梯式碳交易机制，最终建立计及碳交易和源-荷侧资源的IES低碳经济优化调度模型，通过多场景对比验证该模型的合理性和有效性。

1 计及源-荷侧资源的综合能源系统模型

本文在满足用户负荷需求的前提下，以低碳经济为优化目标，构建包含CSP电站、多种能源转换和负荷需求响应的IES结构，如图1所示。IES输入主要来自外部电网、天然气网、风力/光伏机组以及CSP电站；中间转换设备包括GT、EB、P2G等；负荷端包括电、热负荷，其中电负荷采用价格型需求响应模型，将热负荷作为柔性负荷参与到需求响应中，IES内部所产生的碳排放最终参与到碳交易市场进行交易。

1.1 IES电源设备模型

1.1.1 风力发电系统

风电输出功率主要与风速有关，当风速大于切出风速或小于切入风速时，风力机不工作［11-12］。数学模型如式（1）所示：

[Prv="""""""0， vlt;vci或vgt;vcoPrv-vcivr-vci， vci≤vlt;vr""""""Pr， vr≤v≤vco]"""""" （1）

式中：[Prv]——风力发电机发电功率；[v]——实际风速；[vci]——切入风速；[vco]——切出风速；[Pr]——风力发电机的额定功率；[vr]——额定风速。

1.1.2 光伏发电系统

光伏发电系统的输出功率主要与太阳辐照度、外部环境温度和光伏组件转换效率有关［13］。数学模型如式（2）所示：

[Ppv=fpvPPVIIs1+kTc-TSTC]""""" （2）

式中：[Ppv]——光伏发电设备的实际发电功率，kW；[fpv]——光伏功率输出的能量转换效率，通常取0.9；[PPV]——光伏发电设备的额定输出功率，kW；[I]——实际太阳辐照度，W/m2；[Is]——标准太阳辐照度，W/m2；[k]——功率温度系数，通常取[-0.0047 ℃]；[Tc]——实际光伏组件的温度，℃；[TSTC]——标准条件下的光伏组件表面温度，取25 ℃。

1.1.3 CSP电站

CSP电站利用直射太阳光辐射方式产生热量，其包含3部分：光场、发电机、储能系统；CSP电站输入功率可由光场通过直射太阳光辐射方式转化的热功率表示［14］。光场收集的热功率为：

[Egc（t）=ηg-rSgcDt]"""" （3）

式中：[ηg-r]——太阳能镜场的光-热能量转换效率；[Sgc]——太阳能镜场总面积，m2；[Dt]——[t]时刻太阳光直射辐照度，W/m2。

[t]时段光场储热功率为：

[Egc（t）=PeCSP（t）ηr-d+ETESgc，t1-μcs+Eloss，t]""""" （4）

式中：[PeCSP（t）]——[t]时刻发电机的出力，kW；[ηr-d]——热电转化效率；[ETESgc，t]——[t]时刻TES由光场提供的储热功率，kW；[μcs]——热量传输损耗程度；[Eloss，t]——[t]时刻CSP电站无法利用的热功率，kW。

1.2 综合需求响应

根据用能性质将电负荷分为刚性负荷和柔性负荷两部分，柔性负荷采用价格型需求响应模型。由于热负荷在传输过程中具有延迟性，且用户对温度的舒适性具有一定的模糊度，将热负荷考虑为一种柔性负荷参与到负荷需求响应中。

1.2.1 价格型需求响应模型

通过价格弹性系数[ε]来刻画价格型需求响应下的可转移负荷变化量［15］。

[εii=Δqe，iq0e，i/Δpe，ip0e，i]"""""" （5）

[εij=Δqe，iq0e，i/Δpe，jp0e，j]"""""" （6）

式中：[εii]——第[i]时段的自弹性系数；[Δqe，i]和[Δpe，i]——[i]时段需求响应实施后的可转移负荷变化量和分时能源价格变化量；[q0e，i]和[p0e，i]——需求响应实施前[i]时段的负荷量和能源价格；[εij]——时段[i]相对于时段[j]的互弹性系数。

继而可延伸到[n]个时间节点，多个时段用户侧对能源价格的响应行为表达式如式（7）所示：

[Δq1q01Δq2q02…Δqn-1q0n-1Δqnq0nT=""""""""""" EΔp1p01Δp2p02…Δpn-1p0n-1Δpnp0nT]"""" （7）

式中：[E=ε11ε12…ε1nε21ε22…ε2n⋮⋮⋱⋮εn1εn2…εnn]——价格弹性矩阵。

需求响应后总的负荷量为：

[q1q2⋮qn=q01q02⋮q0n+q010…00q02…0⋮⋮⋱000…q0nε11ε12…ε1nε21ε22…ε2n⋮⋮⋱⋮εn1εn2…εnnΔp1/p01Δp2/p02⋮Δpn/p0n]"""""" （8）

1.2.2 热负荷需求响应

1）供热系统的热惯性

与电力系统不同，热量在传递过程中具有很大的热惯性，使受热物体与供热源之间存在一定的延时。建立自回归滑动平均（auto-regressive and moving average，ARMA）时间序列模型［16］来描述供热系统温度变化：

[Th，t=j=1JαjTn，t-j+j=0JβjTg，t-j+j=0JγjTw，t-j]""""" （9）

[Tn，t=θ1Tn，t-1+φ1Tg，t-1+ω1Tw，t-1]"""""" （10）

式中：[Th，t]——[t]时刻回水温度；[αj]、[βj]、[γj]、[θ1]、[φ1]和[ω1]——供热系统热惯性的物理参数；[Tn，t]——[t]时刻室内温度；[Tg，t]——[t]时刻供水温度；[Tw，t]——[t]时刻室外温度。

2）供热系统的模糊性

供热系统温度在一定范围内变化，人体并不能明显察觉到，因此在一定范围内调整温度，并不影响舒适度。本文参考冷热感觉预测平均投票值（predicted mean vote，PMV）指标表征用户对环境温度的感觉［16-17］。

[λPMV=0.303e-0.036M+0.028M-W-3.05×""""""""""" 5.733-0.007（M-W）-pa-0.42（M-W-58.15）-""""""""""""""""""" 0.0173M5.867-pa-0.0014M（34-Ta）-"""""""""""""""""""""" 3.9×10-8fcl（tcl+273）4-（tr+273）4-fclhcltcl-Ta]

（11）

式中：M——新陈代谢率，W/m2；W——人体所作的机械功，W/m2；[pa]——人体周围空气的水蒸气分压力，Pa；[Ta]——人体周围空气温度，℃；[fcl]——人体覆盖服装面积与裸露面积之比；[tcl]——人体表面平均温度，℃；[tr]——环境平均辐射温度，℃；[hcl]——表面传热系数。

2 碳交易机制

碳交易是一种针对低碳排放目标的碳配额交易机制，通过监管部门对IES分配免费的碳配额，IES可根据自身碳排放情况参与到碳市场交易，当配额能够满足自身碳排放时，可选择将多余碳排放量出售或保留，反之则需要从碳交易市场购买额外的配额或者进行减排，以避免高额经济惩罚［18］。碳交易主要分为碳初始配额、实际碳排放和碳交易模型3个部分。

2.1 碳排放配额模型

本文采用基准线法确定无偿碳排放配额，在IES中碳排放额主要包括从外部电网购电和系统内部的消耗天然气两部分［19］：

[Dc=De-"grid"+DGT]"""" （12）

[De-"grid"=δePe-"gridnbsp;（t）DGT=δhψehPeGT（t）+PhGT（t）]""""" （13）

式中：[Dc]——初始无偿碳排放权配额；[De-"grid"]、[DGT]——外购电网、GT机组的初始无偿碳排放权配额；[δe]——单位发电量碳排放配额，t/MWh；[δh]——单位供热量碳排放配额，t/GJ；[ψeh]——电热功率折算系数，MJ/kWh。

2.2 实际碳排放模型

实际碳排放源中存在外购电力和燃气机组两个碳排放源，同时考虑P2G装置运行对系统内部碳排放的影响，如式（14）、式（15）所示：

[Ec=Ee-"grid"+EGT-EP2G]"" （14）

[Ee-"grid"=ϖePe-"grid"（t）EGT=ϖhψehPeGT（t）+PhGT（t）EP2G=ϖP2GPgP2G（t）]""""" （15）

式中：[Ec]、[Ee-"grid"]、[EGT]、[EP2G]——总的实际碳排放量、电网购电、GT机组对应的实际碳排放量以及P2G装置对应的实际碳吸收量；[ϖe]——单位发电量的实际碳排放量，取1.08 t/MWh［20］；[ϖh]——单位发热量的实际碳排放量，取0.102 t/GJ；[ϖP2G]——产生单位CH4所吸收CO2的系数，其中[ϖP2G=α/LHHV，]其中，[α]为单位CH4（m3）需要的CO2量，取1.9647 kg/m3，[LHHV]为天然气热值，取39 MJ/m3。

2.3 碳交易模型

2.3.1 传统碳交易模型

[FtCO2=CcEc-Dc] （16）

式中：[FtCO2]——碳交易成本；[Cc]——单位碳排放权交易价格。

2.3.2 阶梯式碳交易模型

根据实际的碳排放量与初始碳配额量之间的差值，将IES中的碳交易量分成4个区间，当实际碳排放量小于初始配额时，[FtCO2]为负，可通过碳交易市场出售额外的碳排放配额；反之[FtCO2]为正，当差值越大，对应区间的碳交易价格就越高［20-21］，如式（17）所示：

[FtCO2=CcEc-Dc， Dclt;Ec≤Dc+sCcs+Cc（1+β）Ec-Dc-s， Dc+slt;Ec≤Dc+2sCc（2+β）s+Cc（1+2β）Ec-Dc-2s， Dc+2slt;Ec≤Dc+3sCc（3+3β）s+Cc（1+3β）Ec-Dc-3s， Dc+3slt;Ec]"""""""""""""""" （17）

式中：[s]——碳区间长度；[β]——惩罚系数。

3 综合能源系统低碳经济优化调度模型

3.1 目标函数

本文所提的IES低碳经济优化模型以经济成本最小为目标函数，包括外购成本、弃风/光惩罚成本和设备运行维护成本，同时考虑对环境的影响，将碳交易成本作为经济指标加入优化目标中，目标函数表达式为：

[minF=Cb+Co+Cre+CCO2]" （18）

式中：[F]——系统运行的总成本；[Cb]——系统外购电、气成本；[Co]——设备运行维护成本；[Cre]——弃用可再生能源惩罚成本；[CCO2]——碳排放惩罚成本。

3.1.1 外购电、气成本

包括外购的天然气费用和系统从上级电网购电的费用。数学表达式为：

[Cb（t）=t=1Tλe-"grid""，tPe-"grid"，t+λg-"grid"，tQg-"grid"，t"]""""" （19）

[Qg-"grid"，t=t=1TPGT（t）ηGTLHHV]" （20）

式中：[T]——运行周期；[λe-"grid"，t]——[t]时刻外购电价；[Pe-"grid"，t]——系统[t]时刻外购电量；[λg-"grid"，t]——[t]时刻单位天然气价；[Qg-"grid"，t]——系统[t]时刻外购天然气量。

3.1.2 设备运维成本

主要包括设备运行中产生的损耗和故障维修等费用，数学表达式为：

[Co=t=1Tk=18φkPk（t）]"""""" （21）

式中：[k]——风力机、光伏、GT、P2G等；[φk]——设备[k]的运维成本；[Pk（t）]——设备[k]在[t]时刻的输出功率。

3.1.3 弃风/光惩罚成本

[Cre=λreP*WT-PWT+P*PV-PPV]"""" （22）

式中：[λre]——弃风弃光惩罚系数；[P*WT]、[P*PV]——IES预测风电出力最大值和光伏出力最大值；[PWT]、[PPV]——IES实际消纳的风电功率和光伏功率。

3.1.4 CO2排放成本

具体计算见碳交易模型。

3.2 约束条件

3.2.1 系统功率平衡约束

1）电功率平衡约束

[Pe-"grid"（t）+PWT/PV（t）+PeGT（t）+PeCSP（t）+PEES-"dis"（t）=""""""""""""""""""""""" Pe-"load"（t）+PeP2G（t）+PeEB（t）+PEES-"char"（t）]" （23）

2）热功率平衡约束

[PhGT（t）+PhEB（t）+PsTES（t）=Ph-load（t）+PTESs（t）]"" （24）

3）天然气功率约束

[Pg-"grid"（t）+PgP2G（t）=PgGT（t）] （25）

3.2.2 CSP电站运行约束

1）能量平衡约束

[ETESgc（t）1-μcs+PeCSP（t）ηr-d-EfdTES（t）≤Egc（t）PeCSP（t）ηr-d≥EfdTES（t）] （26）

式中：[EfdTES（t）]——[t]时刻储热系统向发电机组提供的热功率。

2）储热系统约束

[EfdTES（t）+EsTES（t）=ETESgc（t）+ETESs（t）]"""" （27）

式中：[EsTES（t）]、[ETESs（t）]——[t]时刻储热系统向系统供热功率、系统向储热系统的充热功率。

其他不平等约束见式（34）。

3）发电机组约束

[Pe，minCSP（t）≤PeCSP（t）≤Pe，maxCSP（t）]"""""" （28）

式中：[Pe，maxCSP（t）]、[Pe，minCSP（t）]——发电机组输出功率的上下限。

3.2.3 风光出力约束

[Pmin"WT≤PWT（t）≤PmaxWTPmin"PV≤PPV（t）≤PmaxPV] （29）

式中：[Pmax"WTPmax"PV]、[PminWTPmin"PV]——风/光出力的上下限。

3.2.4 外部网络传输功率约束

[Pmin"e-grid≤Pe-grid（t）≤Pmaxe-gridPmin"g-grid≤Pg-grid（t）≤Pmaxg-grid]"""""" （30）

式中：[Pmax"e-grid]、[Pmin"e-grid]——系统向外部网络购电的上下限；[Pmax"g-grid]、[Pming-grid]——系统向外部网络购气的上下限。

3.2.5 能源耦合单元功率约束

[Pmin"x≤Px（t）≤Pmaxx]"""" （31）

[-Rx，"down"Δt≤Px（t）-Px（t-1）≤Rx，upΔt"]"""""" （32）

式中：[Pmax"x]、[Pminx]——设备出力上下限；[Rx，"up"]、[Rx，down]——设备在[t]时段内上下爬坡速率，其中[x]代表GT、P2G等设备。

3.2.6 储能约束

为了减少储能设备的损耗，延长其使用寿命，需对储能系统在运作时会受到储能容量以及充放功率上限进行约束，具体数学模型为［22］：

[Ex（t）=（1-τ）Ex（t-1）+uηx-char（t）Px-char（t）-（1-u）Px-"dis"（t）ηx-""dis"（t）Δt]""""""""""""""" （33）

[Emin"xt≤Ex（t）≤Emax"xtEx，24=Ex，1Pmin"x-chart≤Px-char（t）≤Pmaxx-chartPmin"x-""dis"t≤Px-""dis"（t）≤Pmaxx-""dis"t]"""""" （34）

式中：[Emax"xt]、[Emin"xt]——储能容量的上下限；[Ex，24、][Ex，1]——调度周期开始时间和结束时间的储能状态；[Pmax"x-chart]、[Pmin"x-chart]——充电功率的上、下限值；[Pmaxx-""dis"t]、[Pminx-""dis"t]——放电功率的上、下限值；[x]——电储能、热储能设备。

4 算例分析

4.1 算例参数

本文案例在文献［23-24］基础上进行改进，以一天24 h为一个调度周期，对文中所提模型进行算例仿真；电热负荷和光场收集的热功率预测值如图2所示，IES内各设备以及储能运行参数如表1、表2所示；分时电价中，低谷时段（23：00—24：00，00：00—07：00）价格为0.30元/kWh，平时段（07：00—10：00，16：00—22：00）为0.61元/kWh，高峰时段（10：00—15：00）为0.86元/kWh；实际碳排放模型参数参考文献［18］；热负荷需求响应中PMV方程与供热系统ARMA时间序列模型参数以及建筑物室外温度参考文献［16］。

本文采用考虑时序相关性的蒙特卡洛方法生成风光出力场景，通过改进的K-均值聚类算法［25］进行场景缩减，最终得到风电和光伏的10种典型出力场景，如图3和图4，其中算例部分仅取1种典型场景进行分析。

本文的算例采用CPLEX求解器进行优化计算。

4.2 算例结果分析

为了验证所提模型对降低系统碳排放和经济成本的有效性，本文设置以下4种场景进行对比：

场景1：基于传统碳交易机制下，不考虑光热电站，不考虑电热负荷需求响应；

场景2：基于传统碳交易机制下，源侧引入光热电站供电供热，负荷侧不考虑电热需求响应；

场景3：基于传统碳交易机制下，源侧引入光热电站供电供热，负荷侧考虑电热需求响应；

场景4：基于阶梯式碳交易机制下，源侧引入光热电站供电供热，负荷侧考虑电热需求响应。

4种场景优化结果如表3所示。

从表3可知，场景1中总成本和碳排放量最大，分别为5218.01元和5663.85 kg，由于场景1中仅考虑传统碳交易机制，未考虑CSP电站和电热需求响应，为满足电、热负荷需求，系统从外部购入大量电和气，使系统总成本和碳排放量增大；场景2中，碳排放量比场景1减少9.46%，弃风弃光率减少12.56%，总成本减少833.26元，即15.97%，说明引入CSP电站后，使系统购电成本和GT耗气成本减少，降低了系统总成本，进一步提高风光消纳水平，减少碳排放量；场景3在场景2的基础上加入电热负荷需求侧响应，系统总成本、碳排放量和弃风弃光率分别减少17.68%，2.45%和2.41%，说明加入负荷需求响应后能够有效平滑负荷曲线，进一步减少系统成本和碳排放量；场景4中引入阶梯式碳交易机制，系统总成本、碳排放量和弃风弃光率相比场景3分别减少16.32%、3.03%，6.57%，说明相比于传统的碳交易机制，阶梯式碳交易机制对降低IES碳排放总量具体一定优势。通过场景1和场景4对比，证明本文所提出的从源-荷侧分别引入光热电站和负荷侧需求响应，同时引入阶梯式碳交易机制，能够有效减少系统总成本和碳排放量，提高风光消纳水平，对系统经济性和低碳性具有显著作用。

4.3 不同场景下的优化结果分析

4.3.1 场景1与场景2优化结果对比

场景1和场景2下的电能优化结果如图5所示，外购电和GT作为系统基础供电来源，由于弃风弃光惩罚系数较高，风力和光伏发电同样作为主要供电来源之一，引入光热电站充当热电联产机组后，外购电力下降8.27%，主要集中在高电价时段（11：00—15：00），下降6.92%；GT出力减少11.52%，其中在10：00—15：00时段减少9.60%；同时为风光出力提供了消纳空间，使风光发电出力增加12.56%。引入光热电站后不仅减少了系统购电购气成本，而且促进了风光出力消纳，进一步提高了系统经济性和低碳性。

场景1和场景2下的热能优化结果，如图6所示，系统主要由GT和EB供热，引入CSP电站充当热电联产机组后，承担了系统一部分热负荷，使GT的热出力下降11.56%，进一步降低了系统的电热耦合，使GT运行更灵活，减少其电出力，为风光消纳提供空间。

4.3.2 场景3下的负荷曲线对比分析

如图7所示，在考虑价格需求响应后，用户端根据各时段电价的差异，灵活调整能源使用时段，负荷曲线在一定程度上响应了能源价格，在高峰时段（10：00—15：00），由于电价最高，用户可将负荷转移至电价低谷时段（00：00—07：00），有明显的“削峰填谷”；另外，在柔性热负荷需求响应后，室内/外温度在一定范围内发生变化时，相对应的热负荷也发生了改变，最大热负荷和最小热负荷间的差值减小，热负荷曲线变得较为平滑。

4.3.3 场景4下的优化结果分析

电能优化结果如图8所示，加入光热电站、综合需求响应和阶梯式碳交易机制后能购满足系统多种用电需求，在23：00—24：00和00：00—06：00时段，电价处于低谷期，系统通过大量购电以满足用电需求，购电去向主要为电负荷、EB和P2G装置，EB出力以满足部分热负荷的需求，P2G装置消耗电能为系统提供天然气。07：00—10：00时段，光伏和CSP电站开始供电，但提供的电量较少，仍需GT和外部电网供电；11：00—15：00时段，电负荷处于高峰时段，CSP电站和风光出力较高，能够满足负荷要求，但由于此时电价最高，系统不需要通过外购电来满足其他用电设备，此时段EB和P2G装置不出力。16：00—22：00时段，CSP电站和光伏发电逐渐减少，外购电力有所增加。

热能优化结果如图9所示，在23：00—24：00和01：00—06：00时段，热负荷相对较高，但由于该时段系统风电出力较多，且电价处于低谷，外购电力较划算，因此该时段EB出力达到最大值，多余的热能被储热系统储存。在07：00—10：00时段，随着电负荷需求和电价上升，电锅炉出力下降，该时段GT向系统供热较多，多余的热能给CSP电站储热系统进行储存。在11：00—16：00时段，外购电价和光照强度处于高峰阶段，EB不在工作，CSP电站开始向系统供热，由于CSP电站中储能系统容量限制，部分热负荷需要燃气轮机出力。17：00—22：00时段，电价开始下降到平时段，光照强度减弱，光热电站不再放热，热负荷主要通过GT和EB供热。

5 结 论

在低碳发展的背景下，结合现有研究基础，本文综合考虑引入光热电站、需求响应和阶梯式碳交易机制，建立包含经济成本和碳交易成本的低碳经济优化模型，最终结合相关算例进行模型评估，得到以下主要结论：

1）在源侧引入CSP电站充当热电联产机组，不仅能够在负荷高峰时期供电，且储热系统通过将电锅炉利用低谷电价转化的热能储存起来，承担部分热负荷，相比于未考虑CSP电站，使系统外购成本和碳排放成本分别降低了8.48%和9.46%，同时为新能源消纳提供了空间。

2）电负荷采用价格型需求响应，同时考虑供热系统的温度模糊性和传输热惯性，将热负荷作为为柔性热负荷参与到需求响应中，均可明显改善系统负荷曲线，减少系统购电成本和碳排放量，提高系统的运行可靠性。

3）相较于传统固定碳价的碳交易机制，阶梯式碳交易机制通过加入惩罚系数，形成阶梯式碳价，能够进一步限制系统的碳排放。

4）相比于分别引入光热电站、需求响应和碳交易机制对IES低碳经济的影响，本文通过综合考虑以上3种模型，使系统外购成本、碳排放量和弃风弃光率分别减少25.65%、14.36%和21.54%，对实现IES低碳经济运行具有显著作用。

［参考文献］

［1］"""" 张沈习， 王丹阳， 程浩忠， 等. 双碳目标下低碳综合能源系统规划关键技术及挑战［J］. 电力系统自动化， 2022， 46（8）： 189-207.

ZHANG S X， WANG D Y， CHENG H Z， et al. Key technologies and challenges of low-carbon integrated energy system planning for carbon emission peak and carbon neutrality［J］. Automation of electric power systems， 2022， 46（8）： 189-207.

［2］"""" 程耀华， 张宁， 康重庆， 等. 低碳多能源系统的研究框架及展望［J］. 中国电机工程学报， 2017， 37（14）： 4060-4069， 4285.

CHENG Y H， ZHANG N， KANG C Q， et al. Research framework and prospects of low-carbon multiple energy systems［J］. Proceedings of the CSEE， 2017， 37（14）： 4060-4069， 4285.

［3］"""" 陈沼宇， 王丹， 贾宏杰， 等. 考虑P2G多源储能型微网日前最优经济调度策略研究［J］. 中国电机工程学报， 2017， 37（11）： 3067-3077， 3362.

CHEN Z Y， WANG D， JIA H J， et al. Research on optimal"" day-ahead"" economic"" dispatching"" strategy for microgrid considering P2G and multi-source energy storage system［J］. Proceedings of the CSEE， 2017， 37（11）： 3067-3077， 3362.

［4］"""" 刘涤尘， 马恒瑞， 王波， 等. 含冷热电联供及储能的区域综合能源系统运行优化［J］. 电力系统自动化， 2018， 42（4）： 113-120， 141.

LIU D C， MA H R， WANG B， et al. Operation optimization of regional integrated energy system with CCHP and energy storage system［J］. Automation of electric power systems， 2018， 42（4）： 113-120， 141.

［5］"""" 郑连华， 文中， 邱智武， 等. 计及光热电站和氢储能的综合能源系统低碳优化运行［J/OL］. 电测与仪表， 2022： 1-9.

ZHENG L H， WEN Z， QIU Z W， et al. Low carbon optimal operation of integrated energy system considering solar thermal power station and hydrogen energy storage［J/OL］. Electrical measurement amp; instrumentation， 2022： 1-9.

［6］"""" 崔杨， 张家瑞， 仲悟之， 等. 计及电热转换的含储热光热电站与风电系统优化调度［J］. 中国电机工程学报， 2020， 40（20）： 6482-6494.

CUI Y， ZHANG J R， ZHONG W Z， et al. Optimal scheduling of concentrating solar power plant with thermal energy storage and wind farm considering electric-thermal conversion［J］. Proceedings of the CSEE， 2020， 40（20）： 6482-6494.

［7］"""" 拜润卿， 常平， 刘文飞， 等. 光热电站促进风电消纳的电力系统优化调度［J］. 电测与仪表， 2020， 57（22）： 1-6.

BAI R Q， CHANG P， LIU W F， et al. Optimal dispatching of power system for promoting wind power accommodation by introducing CSP plant［J］. Electrical measurement amp; instrumentation， 2020， 57（22）： 1-6.

［8］"""" 王颖杰， 詹红霞， 杨孝华， 等. 考虑综合需求响应的电热系统调度［J］. 电力工程技术， 2021， 40（1）： 17-24.

WANG Y J， ZHAN H X， YANG X H， et al. Optimal dispatching strategy of combined heat and power system considering integrated demand response［J］. Electric power engineering technology， 2021， 40（1）： 17-24.

［9］"""" 卫志农， 张思德， 孙国强， 等. 基于碳交易机制的电-气互联综合能源系统低碳经济运行［J］. 电力系统自动化， 2016， 40（15）： 9-16.

WEI Z N， ZHANG S D， SUN G Q， et al. Carbon trading based low-carbon economic operation for integrated electricity and natural gas energy system［J］. Automation of electric power systems， 2016， 40（15）： 9-16.

［10］""" 陈锦鹏， 胡志坚， 陈嘉滨， 等. 考虑阶梯式碳交易与供需灵活双响应的综合能源系统优化调度［J］. 高电压技术， 2021， 47（9）： 3094-3106.

CHEN J P， HU Z J， CHEN J B， et al. Optimal dispatch of integrated energy system considering ladder-type carbon trading and flexible double response of supply and demand［J］. High voltage engineering， 2021， 47（9）： 3094-3106.

［11］""" 陈正建， 张清， 李世友， 等. 智能楼宇场景下能量流运行优化调度［J］. 节能技术， 2021， 39（6）： 551-555， 569.

CHEN Z J， ZHANG Q， LI S Y， et al. Optimal scheduling of energy flow operation in intelligent building scenario［J］. Energy conservation technology， 2021， 39（6）： 551-555， 569.

［12］""" 朱刘柱， 尹晨旭， 王宝， 等. 计及风/光/荷不确定性的综合能源站随机规划研究［J］. 电网与清洁能源， 2021， 37（5）： 96-105.

ZHU L Z， YIN C X， WANG B， et al. Stochastic programming of integrated energy station considering the uncertainties of wind power， photovoltaic and load［J］. Power system and clean energy， 2021， 37（5）： 96-105.

［13］""" 郑亚锋， 魏振华， 刘思渠. 考虑风光不确定性的综合能源系统规划设计方法［J］. 科学技术与工程， 2021， 21（31）： 13342-13348.

ZHENG Y F， WEI Z H， LIU S Q. Integrated energy system planning and design method considering uncertainty of wind power and photovoltaic system［J］. Science technology and engineering， 2021， 21（31）： 13342-13348.

［14］""" 董海鹰， 贠韫韵， 马志程， 等. 计及多能转换及光热电站参与的综合能源系统低碳优化运行［J］. 电网技术， 2020， 44（10）： 3689-3700.

DONG H Y， YUN Y Y， MA Z C， et al. Low-carbon optimal operation of integrated energy system considering multi-energy conversion and concentrating solar power plant participation［J］. Power system technology， 2020， 44（10）： 3689-3700.

［15］""" 张伊宁. 考虑需求响应的能源互联网优化运行研究［D］. 杭州： 浙江大学， 2019.

ZHANG Y N. Research on optimal operation for energy Internet considering demand response［D］. Hangzhou： Zhejiang University， 2019.

［16］""" 邹云阳， 杨莉， 李佳勇， 等. 冷热电气多能互补的微能源网鲁棒优化调度［J］. 电力系统自动化， 2019， 43（14）： 65-72.

ZOU Y Y， YANG L， LI J Y， et al. Robust optimal dispatch"" of"" micro-energy"" grid"" with"" multi-energy complementation of cooling heating power and natural gas［J］. Automation of electric power systems， 2019， 43（14）： 65-72.

［17］""" 徐业琰， 廖清芬， 刘涤尘， 等. 基于综合需求响应和博弈的区域综合能源系统多主体日内联合优化调度［J］. 电网技术， 2019， 43（7）： 2506-2518.

XU Y Y， LIAO Q F， LIU D C， et al. Multi-player intraday optimal dispatch of integrated energy system based on integrated demand response and games［J］. Power system technology， 2019， 43（7）： 2506-2518.

［18］""" 崔杨， 曾鹏， 仲悟之， 等. 考虑阶梯式碳交易的电-气-热综合能源系统低碳经济调度［J］. 电力自动化设备， 2021， 41（3）： 10-17.

CUI Y， ZENG P， ZHONG W Z， et al. Low-carbon economic dispatch of electricity-gas-heat integrated energy system based on ladder-type carbon trading［J］. Electric power automation equipment， 2021， 41（3）： 10-17.

［19］""" 秦婷， 刘怀东， 王锦桥， 等. 基于碳交易的电-热-气综合能源系统低碳经济调度［J］. 电力系统自动化， 2018， 42（14）： 8-13， 22.

QIN T， LIU H D， WANG J Q， et al. Carbon trading based low-carbon economic dispatch for integrated electricity-heat-gas energy system［J］. Automation of electric power systems， 2018， 42（14）： 8-13， 22.

［20］""" 张晓辉， 刘小琰， 钟嘉庆. 考虑奖惩阶梯型碳交易和电-热转移负荷不确定性的综合能源系统规划［J］. 中国电机工程学报， 2020， 40（19）： 6132-6142.

ZHANG X H， LIU X Y， ZHONG J Q. Integrated energy system planning considering a reward and punishment ladder-type carbon trading and electric-thermal transfer load uncertainty［J］. Proceedings of the CSEE， 2020， 40（19）： 6132-6142.

［21］""" LI H， YE Y Z， LIN L X. Low-carbon economic Bi-level optimal dispatching of an integrated power and natural gas energy system considering carbon trading［J］. Applied sciences， 2021， 11（15）： 6968.

［22］""" WANG Y L， WANG Y D， HUANG Y J， et al. Operation optimization of regional integrated energy system based on the modeling of electricity-thermal-natural gas network［J］. Applied energy， 2019， 251： 113410.

［23］""" 孙强， 谢典， 聂青云， 等. 含电-热-冷-气负荷的园区综合能源系统经济优化调度研究［J］. 中国电力， 2020， 53（4）： 79-88.

SUN Q， XIE D， NIE Q Y， et al. Research on economic optimization scheduling of park integrated energy system with electricity-heat-cool-gas load［J］. Electric power， 2020， 53（4）： 79-88.

［24］""" 杨海柱， 李梦龙， 江昭阳， 等. 考虑需求侧电热气负荷响应的区域综合能源系统优化运行［J］. 电力系统保护与控制， 2020， 48（10）： 30-37.

YANG H Z， LI M L， JIANG Z Y， et al. Optimal operation of regional integrated energy system considering demand side electricity heat and natural-gas loads response［J］. Power system protection and control， 2020， 48（10）： 30-37.

［25］""" 唐锦， 张书怡， 吴秋伟， 等. 基于Copula函数与等概率逆变换的风电出力场景生成方法［J］. 电力工程技术， 2021， 40（6）： 86-94.

TANG J， ZHANG S Y， WU Q W， et al. Wind power output scenario generation method based on Copula function and equal probability inverse transformation［J］. Electric power engineering technology， 2021， 40（6）： 86-94.

LOW CARBON ECONOMIC OPTIMIZATION OF INTEGRATED ENERGY SYSTEM CONSIDERING CARBON TRADING AND

SOURCE-LOAD SIDE RESOURCES

An Yuan，Su Rui，Zheng Shenyin，Yang Renzhi

（College of Electrical Engineering， Xi’an University of Technology， Xi’an 710054， China）

Abstract：Under the double carbon target， integrated energy system （IES） integrates multiple energy sources， which is of great significance to promote low-carbon power industry. In order to further improve the environmental protection of IES， this paper proposes a low-carbon economic optimal scheduling model of integrated energy system， which takes into account the carbon trading and the source load side resources. Firstly， a concentrating solar power （CSP） power station is introduced from the source side as a cogeneration unit. Secondly， according to the different transmission properties of electric energy and thermal energy on the load side， the price type demand response model and the heat load demand response model considering the thermal inertia and fuzziness of the heating system are adopted respectively. Then， by introducing the ladder carbon trading mechanism， the carbon emission cost model including P2G device is constructed. Finally， taking the minimum operating cost， carbon transaction cost and penalty cost of wind and light abandonment as the objective function， the IES low-carbon economic optimization model is established. By setting up four scenarios for simulation analysis， after comprehensive consideration of CSP power station， comprehensive demand response and stepped carbon trading mechanism， the system outsourcing cost， carbon emissions and wind and light abandonment rate can be reduced by 25.65%， 14.36% and 21.54% respectively， which verifies the effectiveness of the proposed model.

Keywords：renewable energy resources； optimal dispatch； energy storage； stepped carbon trading； integrated energy system