考虑氢储一体化协同的综合能源系统低碳优化

潘 超，刘继哲，孙 勇，李宝聚，方家琨，王 尧

（1.东北电力大学 现代电力系统仿真控制与绿色电能新技术教育部重点实验室，吉林 吉林 132012；2.国网吉林省电力有限公司，吉林 长春 130031；3.华中科技大学 强电磁工程与新技术国家重点实验室，湖北 武汉 430074）

0 引言

在能源转型和“双碳”战略目标背景下，构建以多能耦合为核心的综合能源系统（integrated energy systems，IES）对提升能效水平、增强碳汇能力具有重要意义［1-2］。为突破目前可再生能源面对的困境，需要拓展传统系统用能方式，挖掘利用城市多能系统蕴含的巨大灵活性［3］。其中，氢能作为未来国家能源体系的重要组成部分，具备低碳清洁、长期储存、等密度能储量高及生产消纳多元等优势，是终端用能实现低碳灵活协调运行的重要元素［4］。

在电-热-氢IES 研究方面，我国东北地区因地制宜，已在多处风光资源丰富的区域大力发展电-热-氢IES［5］。氢储方式主要采用碱性电解［6］、质子交换膜电解［7］、固体氧化物电解［8］这3 种技术路线，其中固体氧化物电解池（solid oxide electrolytic cell，SOEC）、固体氧化物燃料电池（solid oxide fuel cell，SOFC）因其具有高能效、逆向运行等优势，已成为了IES 优化的研究热点。文献［9］计及风电不确定性，运用氢储能整合间歇性电源与电力系统的优化配置。文献［10］考虑氢能系统热回收利用，分析氢储能的电-热协调运行能力。文献［11］制定电-氢储能能量管理策略，并基于此策略完成平抑风光波动的储能容量配置。上述文献主要以电-热、电-氢耦合为主，提供最优配置及协调优化方案，但忽略了城市级一体化电-热-氢多能耦合的互补影响。

在灵活性资源研究方面，相较于传统电网中的能源单一性、分配单向性，深度挖掘灵活性资源对于提升IES 灵活调控裕度、促进源网荷互动协同具有积极作用［12］。文献［13］通过调集多种冷热负荷进行调控，优化系统规划方案。文献［14］通过提高部分弃风弃光率，利用配电网安全域方法，制定风、光电源消纳方案。文献［15］考虑多种不可控分布式电源和负荷，构建主动调控资源参与配电网协同规划的决策模型。上述研究大多对灵活性资源参与IES 调控进行了分析，但对于含氢能IES 的多能互补及供需互动的协同优势尚未开展系统深入的研究。

在碳排交易及能流刻画研究方面，文献［16］将碳交易和碳税引入系统决策，制定光热电站及氢储能的IES 低碳运行策略。文献［17］构建计及统一时间尺度的顺序协同估计框架，基于对称正定理论，完成IES 协同状态估计。上述研究的碳交易计算主要采用宏观统计的办法［18］，即整合各类燃料的消耗总量和碳排放因子计算碳排放量［19］，但其具有一定的滞后性并脱离了系统的潮流约束，并且无法直观呈现出碳排放在能源产生、转化及消耗的流动过程。

综上所述，本文对区域电-热-氢IES 低碳灵活调控进行研究，挖掘多能系统多元灵活性资源，提出一种基于负荷碳排信息的能量溯源方法，描述IES 碳排放流动过程；计及多能联供效益、新能源渗透及低碳减排，建立低碳灵活协调模型；以城市区域系统为研究对象，模拟多场景多能耦合的调控效果，分析风光出力间歇性和灵活性资源调整对系统运行的影响，并评估其综合效益。通过负荷碳排放信息流刻画多能耦合系统互动互联响应，从而对所提方法进行验证。

1 电-热-氢能流交互拓扑与调控策略

构建电-热-氢IES 多能流交互拓扑如图1 所示。该系统由电热供／用能及氢能子系统组成，包括电、热、氢3 种能量流。其中，供能子系统由热电联产（combined heat and power，CHP）、风电、光伏以及电制热设备组成；用能子系统由根据差异化行业布局划分的多种用电负荷以及生活／生产用热负荷组成；氢能子系统由SOEC／SOFC、氢储能、氢燃料汽车等小型用氢单元以及氢能外送组成。由于市内工商以及居民的电、热能流拓扑存在强相似性，因此基于电热架构的能流调控具有较高的协同效果；并且氢能子系统利用电-氢-电（热）的能量流动完成用供／用能的深度交互，便于实现多能耦合的转化与协同。在此过程中，可以考虑将源-储-荷侧的灵活资源作为参与系统调控的辅助手段，其中SOEC、SOFC作为电-热-氢转化设备，CHP、电制热设备作为电热转化设备。

图1 电-热-氢IES能流交互拓扑图Fig.1 Topology diagram of electricity-heat-hydrogen IES energy flow interaction

针对新能源出力的间歇性问题，基于电-热-氢能流交互拓扑研究协同调控策略。当风光供能充足时，风光电源既可选择上网供电也可选择电氢转化，由SOEC 吸纳功率以氢能形式存储；当风光供能匮乏时，通过氢电转化的方式，由SOFC 补足系统缺额［20］。在季节性热能耗费阶段，通过以CHP 为主、电热转化为辅的途径满足供暖需求［21］；同时发挥SOFC产电生热优势完成氢热转化补充，以填补系统的热功率缺额。另外，氢储可作为能量载体进入交通、环保、化工、冶金等行业。

2 灵活性资源参与多能耦合建模

电-热-氢IES 发挥多能耦合优势，通过多能流互补协调控制缓解供需不平衡压力，并利用多种灵活资源消纳可再生能源。在此过程中，需构建电-热-氢的多能耦合模型与可控负荷调控模型。

2.1 电能替代灵活性资源

2.1.1 电-氢耦合

SOEC、SOFC具有高效、清洁等优点，是电-热-氢IES 的耦合枢纽。通过建设SOEC／SOFC 在储能运行过程中动态吸收能量并适时释放，以平抑风光波动，并提升系统对可再生能源的消纳能力［8］，对应模型为：

2.1.2 氢储灵活性资源

在灵活性需求、自然环境条件要求下，本文采用钢质碳纤维缠绕大容积储氢容器作为氢储装置，其模型为：

式中：PF表征源侧灵活性；分别为增添第i台氢储前、后的源侧灵活功率；P为源侧最大灵活功率；γ为氢储匹配度；ηH2、PT、PW分别为清洁能源转化效率、光伏出力、风电出力；分别为氢储总成本、第i台储氢罐成本、储氢罐运维成本、储氢日进量、氢气密度。

2.1.3 电-热耦合

抽气式CHP 相比于背压式CHP 更具灵活性，有利于与电制热设备和SOFC 供热设备协同配合，提高IES的电热调节能力，其模型为：

式中：CCHP为CHP 机组运行成本；P分别为t时刻CHP 机组的供电功率、供热功率；μCHP、WCHP分别为CHP 机组提升单位热功率时电功率的减少值、CHP 机组供电常数；为CHP 机 组 的 特征系数。

2.1.4 氢-热耦合

SOFC发挥氢-热转化优势，补充IES热负荷相对缺额，其氢-热转化模型为：

式中：H、κSOFC分别为t时刻SOFC 的热功率、热电转化系数。

2.1.5 电制热灵活性资源

电制热设备可以降低CHP 供热负担，通过消耗电能为热用户提供高品位热能，为风光电能消纳提供了一条额外途径，其模型为：

式中：μEB为电制热设备电热转换效率；H为t时刻电制热设备热功率分别为t时刻电制热设备功率及其最大值；ωEB、CEB分别为电制热设备的电能转换系数、成本。

2.2 电能灵活性资源

本文的电能灵活性资源以负荷为主，可分为工用、商用及民用3 类。研究表明［12］，工业负荷具有耗电量大、集中可控容量大等特点，可以作为灵活资源参与调控的主要因素，电能灵活性资源负荷曲线如附录A图A1所示。

根据差异化行业布局特点，通过改变企业生产计划、调整运行时间等措施，转移削减部分用电负荷以响应系统调控。对于可控负荷，主要分为长时（5～10 h）响应和短时（1～3 h）响应，长时响应适用于用电相对平稳且持续时间长的负荷，短时响应适用于存在显著波动且用电时间相对集中的负荷。结合某省工业用户调研统计情况，依据负荷调整特性选取4 种可控负荷：可控负荷1 代表制造业可控负荷，长时间保持稳定用电量，且具有明显的升降趋势，其调整特性为长时段可转移负荷；可控负荷2 代表轻工业负荷，具有明显的波峰和相对集中的用电时段，其调整特性为短时段高峰平移再分配负荷；可控负荷3 代表生产加工业负荷，用电量相对平稳，且具有明显的间歇特性，其调整特性为长时段可提前或延迟负荷；可控负荷4 代表冶金业负荷，负荷波动明显且具有较大的峰谷差，其调整特性为短时段可削减负荷。4 种典型负荷日波动曲线及相应调整特性曲线如附录A图A2所示。

根据4 种典型负荷用电行为及其调整特性，构建其灵活性经济模型，如式（11）—（15）所示。

式中：CL为负荷调控总成本；C(l)为t时刻可控负荷l参与调控的补偿价格；Tb(l)、Tc(l)、Te(l)分别为可控负荷l的开始、持续及结束时刻；ε为可控负荷参与度；CL(l)、Pt(l)分别为可控负荷l参与调控的运行成本及其t时刻的调整功率；LF为荷侧灵活性；P为t时刻荷侧最大灵活功率分别为可控负荷l参与前、后的荷侧灵活功率。

2.3 供能网络建模

供能网络模型主要由电网和热网模型组成，其网架结构类似，均可成为能量转化、流动的载体。

2.3.1 电网模型

电网模型采用经典交流潮流模型，如式（16）所示。

式中：Px、Qx分别为节点x注入的有功功率和无功功率；Ux为节点x的电压幅值；Gxy、Bxy分别为节点导纳矩阵中节点x、y对应的电导、电纳；θxy为节点x、y间的电压相位差；nE为电力系统的节点数。

2.3.2 热网模型

为了便于描述热能流动，假设热网各节点回水温度恒定，且同一时段热负荷需求相同［22］，如式（17）所示。

式中：Ts、To分别为节点供水、回水温度；Ta为环境温度；mk为管道k的流量，定义管道流量标幺值d1=m1/mk、d2=m2/mk、…、dk-1=mk-1/mk、dk=1；λk、Lk分别为管道k的传热系数、长度；cw为水比热容参数；为t时刻热网节点j的热负荷。

3 基于电-热-氢交互的碳流拓扑描述

电-热-氢能量传输和转换过程中，嵌入在各能流中的碳依附于IES中的能量传输环节进行转移［23］。随着异质能流的转换，碳排放也随之在不同能源系统中流动［18-19］。本文考虑潮流约束计算IES 负荷碳排放，描述多时间尺度下能量生产与消费过程中碳排放的转换关系。

基于分布式并网潮流约束的负荷碳排模型为：

式中：P为支路潮流分布矩阵PB的第x行第y列元素；pxy为流经支路xy的有功功率；P为电源注入矩阵PG的第g行第y列的元素；pgy、G分别为第g台机组接入节点y的有功功率及电源集合矩阵；P为负荷分布矩阵PL的第m行第y列的元素；pmy、M分别为第m个负荷接入节点y的有功功率及负荷集合矩阵；Pz、PN、ξN+K、EN、EG分别为辅助矩阵、节点有功通量矩阵、N+K阶行向量、节点碳势向量、各电源碳排放强度；N、K分别为PG的行、列数；RL为负荷碳排向量。

基于负荷碳排信息，提出电-热-氢交互能流溯源方法。热网碳排放流动依附于供热管道中介质的流动，遵循碳排放量守恒定律，利用热负荷交换能量沿供热路径逆向推导热源碳排，构建模型如式（20）所示。

式中：RHL、PHL、EHL分别为热负荷碳排向量、热网负荷向量及单位热负荷碳排强度。

氢能系统集中于分布式电源接入节点，其碳排依赖于该节点耦合的电热负荷，构建模型如式（21）所示。

式中：RH2为氢负荷碳排量；PHL(c)、PL(c)、EH2(c)分别为氢-热节点负荷、氢-电节点负荷、单位氢负荷碳排强度；c表示氢能耦合节点。

4 电-热-氢IES协调运行模型

考虑电-热-氢IES 的灵活调控成本、风光消纳能力及多能交互碳排，分析灵活性资源参与的电-热-氢IES协调运行综合效益。

4.1 目标函数

4.1.1 灵活调控成本

主要考虑系统外购成本、设备成本、运维成本以及灵活性资源参与补偿成本，定义系统总经济成本指标C1来评价灵活调控成本，即：

式中：CLOSS、HLOSS、PLOSS分别为电热网络网损成本、热网损耗、电网损耗；Sh、Se、ΔTk，t分别为单位热网网损成本、单位电网网损成本、热管道k在t时刻的首末端温差；Rx为节点x所连支路阻抗；分别为系统购氢成本、上级电网购电成本；nK为热能系统的节点数。

4.1.2 风光消纳能力

构建风光使用率指标C2来评价新能源消纳能力，即：

4.1.3 多能交互碳排

定义多能交互碳排指标C3来评价IES 环境效益，即：

式中：Pup为上级购电量；ψ1为上级电网单位电量碳排放系数；sum（·）表示矩阵元素求和。

4.2 约束条件

本文约束条件包括电能平衡约束、热能平衡约束、氢能平衡约束以及风光不确定性约束。其中风光不确定性约束，考虑风光电源波动性和间歇性影响，构建基于正态分布的出力置信水平，确定风光出力不确定性区间［24］。假设风光出力服从基于年功率均值的正态分布，置信水平取0.95。风电和光伏的年功率均值和极限功率示意图如附录A图A3、A4所示，约束的具体表达式见附录A式（A1）—（A7）。

4.3 模型求解

基于电-热-氢IES 协调策略的建模求解过程如图2 所示。本文采用改进种群粒子算法进行求解，并利用电-热-氢交互模型结合异质能流信息，构建能流拓扑。同时，考虑灵活性资源和辅助决策体系影响，制定多能调控策略，以实现IES 的经济、高效、环保。最后，在不同场景下得出协同调控方案，分析电-热-氢系统的源荷协同特性。

图2 电-热-氢IES低碳灵活协调策略Fig.2 Low-carbon flexible coordination strategy of electricity-heat-hydrogen IES

5 算例分析

5.1 基本信息

本文以东北地区某实际电-热-氢耦合系统为研究对象，区域能源架构如附录B 图B1 所示，其中供用电子系统为47 节点系统，用电负荷上限为7 792.74 kW；热能系统为45 节点系统，季节性热负荷上限为1 255.02 kW。区域能源包含风光、CHP 和上级电网，其中CHP 接在电网根节点和热网节点32，具体参数见附录B 表B1；风电及光伏电源接入节点20、47、43，并将SOEC／SOFC 作为风光电源补充安装于相应节点处，具体参数见附录B 表B2；考虑风光波动性与间歇性影响，基于其不确定性约束，确定风光电源的出力，区间覆盖率为1，结果见附录B图B2。根据热网布局与区域实际需求，将SOFC接在节点1、15、33 处。负荷为电、热、氢典型日负荷，其中4 种典型可控负荷，即制造业、造纸业、农副产品加工业及冶金业负荷分别位于节点38、36、10 和26；热网管道长度、传热系数等参考文献［25］；氢负荷主要由氢能源汽车、SOFC 及其他小型氢负荷组成。冬季典型用电负荷、热负荷如附录B 图B3 所示，峰谷平期电价见附录B 表B3，可控负荷参与调控的补偿电价见附录B表B4。

结合实际系统运行情况设置3种供能场景。

1）场景1：考虑季节性电-热耦合供能，CHP 机组、风光电源和上级电网为主要系统供能方式。

2）场景2：考虑氢能参与的电-热联供，通过SOEC 完成氢储，利用SOFC 进行氢-电、氢-热转换，在源侧实现电能替代灵活性资源。

3）场景3：考虑可控负荷参与多能耦合调控，在荷侧挖掘灵活性资源协同潜力。

5.2 IES协调场景分析

不同场景中IES 协调运行多评价指标体系的Pareto解集如附录B图B4所示。场景1采用电-热耦合的供能方式，随着风光渗透率的提升，系统运行成本增大，碳排放量降低，场景2、3 存在相同的分布趋势。场景2 中电-氢、氢-电及氢热转化的接入，使得经济成本相比于场景1 指标增大10.61 %、风光使用率提高2.76 %、碳排放量降低3.893 %、源荷灵活性提升1.353；而在场景3 中随着灵活性资源参与IES后，各评价指标都出现明显提升，其中经济成本下降4.71 %，风光使用率上升2.57 %，碳排放量下降0.943 %，源荷灵活性提升0.213，同时使得IES 峰谷差降低4.17 %，多目标优化与灵活性提升结果见表1。不难看出，系统碳排主要由CHP 和负荷产生，风光资源的接入可以有效降低系统碳排放量，而灵活性资源的参与又改善了风光使用率，从而进一步降低了碳排效果。另外，SOEC／SOFC 也在一定程度上发挥了降低系统碳排的辅助作用。

表1 多目标优化与灵活性提升结果Table 1 Multi-objective optimization and flexibility improvement results

场景2 中IES 典型日内源-荷-储波动时序特性的分析结果如图3 — 5所示。

图3 场景2的电能时序变化结果Fig.3 Time-sequence change results of electric energy in Scenario 2

氢储能参与后对供用电系统的影响见图3。在07:00 — 15:00 的用电高峰时段，风资源短缺但光照资源相对充足，SOFC 通过氢-电转化补充电能缺额，SOEC 主要吸纳光伏波动的盈余电能；在16:00 —21:00 的风电出力增大时段，SOEC 吸收风电剩余能量，SOFC 则配合其他电源补充供电；在01:00 —06:00和22:00 — 24:00的用电低谷时段，CHP 和风力资源较充足，SOEC吸收过剩电能，SOFC则在热负荷需求约束下间歇性供电。结果表明，SOEC／SOFC可以有效平抑风光能源波动，并提升其使用率。

热能系统动态过程见图4。高纬度地区的热能系统在各时段具有明显变化：01:00 — 07:00、19:00 —24:00 为热负荷高需求时段，以CHP 供热为主，SOFC及其他电制热设备协同供能；19:00 — 23:00 时段，CHP 平稳供能，电制热设备逐渐退出工作；11:00 —18:00 时段，CHP 调整出力满足低热负荷需求，SOFC与电制热设备配合出力。

图4 场景2的热能时序变化结果Fig.4 Time-sequence change results of thermal energy in Scenario 2

氢能系统变化见图5，其中氢储量表示该时刻氢能的储备情况。05:00 — 09:00 时段，SOEC 配合高用电需求和高风光产出，吸收能量逐渐增大，氢储量逐步爬升，且在09:00 — 13:00时段SOFC逐步释放氢能，以适应风光波动出力；17:00 — 20:00 时段，由于风光出力降低而电热需求持续升高，氢储量降低以弥补能量短缺；21:00 — 23:00 时段，用电需求降低，CHP 出力升高满足热能需求，SOEC 完成电-氢转化，氢储增加。

图5 场景2的氢能时序变化结果Fig.5 Time-sequence change results of hydrogen energy in Scenario 2

场景3 中可控负荷对IES 调控的影响分析结果如图6、7及附录B图B5、B6所示。

图6 场景3的可控负荷调整结果Fig.6 Controllable load adjustment results in Scenario 3

结合电能灵活性资源中的负荷特性分析，制定4 类典型负荷调整方案，结果如图6 所示。负荷1 将10:00 — 20:00 时段的部分用电高峰负荷转移至00:00 — 08:00 和21:00 — 24:00 这2 个时段；负荷2 将多时段的高峰负荷平移再分配于夜间的00:00 —05:00、20:00 — 24:00 时段；负荷3 改变工作间歇时间，将午前负荷提前1 h，20:00 负荷延迟2 h；负荷4将高峰用电时段进行不同程度的削减。通过制定调控方案改变负荷波动，实现削峰填谷。

场景3通过调整可控负荷改善IES运行效益，结果见图7。08:00 — 16:00 时段，风力资源较短缺，光照资源较充足，负荷用电削减；17:00 — 22:00时段，风电出力增加，光伏退出，负荷用电转移，SOEC／SOFC伴随源荷波动做出相应调整，氢能转化过程见图B5；00:00 — 04:00时段，CHP与风能充足，SOEC持续吸收电量，并转化为氢能存储，剩余电能以电制热形式配合CHP 满足供热需求，热能转化过程见图B6；当CHP 与热负荷间存在差额时，IES 通过电制热设备和SOFC实现电-热、氢-热转化。

图7 场景3的电能时序变化结果Fig.7 Time-sequence change results of electric energy in Scenario 3

进一步研究不同灵活性资源参与模式下IES 的协调运行效果，结果如附录B 表B5 所示。氢储匹配度升高，经济投入增加，风光消纳率提升，碳排放量降低；但是氢储匹配度过大时，负载增大，易导致源-荷关系过度失衡，进而影响风光使用率和碳排放量，故本文选择75 % 氢储匹配度进行仿真求解。提高负荷参与度，可改善IES 经济成本并减少弃风弃光率和碳排放量。

IES多能耦合与灵活资源协同的结果表明：

1）氢能与电-热耦合提高了IES 灵活调节能力，通过多能协同平抑风光波动并提升新能源使用率，降低系统碳排；

2）通过需求响应合理调整负荷灵活资源，提升了系统的灵活裕度，减小用电峰谷差，促进低碳能源的消纳与渗透。

5.3 电-热-氢交互碳流拓扑

基于电-热-氢交互的碳排放行为进行IES 协调运行辅助决策，负荷灵活性资源调整方案见表2，不同场景下的负荷碳排放量结果见附录B 图B7，节点碳排放量对比见图8。

表2 不同负荷灵活性资源调整方案Table 2 Different load flexibility resource adjustment schemes

图8 节点碳排放量对比Fig.8 Comparison of carbon emission among nodes

对比表2 中的节点负荷调控措施与图8 中的节点负荷碳排放量可知，通过不同负荷灵活性资源调整可改变节点负荷碳排，同时通过节点碳排变化可以刻画负荷调整方案。为进一步研究碳排对调控的表征方法，对其典型时段的碳流拓扑结果进行分析。

1）时段1：01:00 — 05:00。此时段内CHP与风能资源充足，IES 主要由CHP 机组和风电供电，SOEC通过电-氢转化存储过剩能源，风能接入电网的碳排放量为0。同时，电制热设备通过电-热转化分担热负荷。场景3 中以可控负荷3 为代表的4 类负荷（即节点10、26、36和38所连负荷）调整缓解风能消纳的压力见附录B图B7（c），图8中节点10的负荷碳流时段前移，节点38 的负荷碳流降低，结果表明在灵活资源参与下的IES 碳排放量降低约3 %，时段1 的碳流拓扑结果见附录B图B8。

2）时段2：10:00 — 17:00。此时段内风资源短缺，但光照资源相对充足，IES主要由上级电网、CHP和风光电源供电，通过负荷调整削减高峰用电量。SOFC 通过氢-电转化释放存储的氢能，并改善电网碳排放量；同时，通过氢-热转化与电制热设备缓解热负荷压力。该时段IES 碳排放量降低约4%，碳流拓扑结果见附录B图B9。

3）时段3：19:00 — 21:00。此时段内风电出力增加，光伏退出，IES 主要由上级电网、CHP 和风电供电。风电供能范围减小，SOEC 通过电-氢转化存储盈余电能，同时SOFC 通过氢-热转化与其他电制热设备协同供热。通过负荷调整促进削峰填谷，IES碳排放量降低约5 %，时段3 的碳流拓扑结果见附录B图B10。

通过典型时段碳流动拓扑分析可知：该区域通过电能替代灵活性资源实现氢能与风光能源的适应型交互，同时补充路径减轻CHP 供热负担，并为风光资源消纳提供新路径；电能灵活性资源虽不能直接存储风光能源，但通过负荷调整可有效促进风光消纳，使清洁能源的碳排拓展，降低IES碳排。

6 结论

本文研究了氢能参与IES 的低碳灵活调控，所得结论如下。

1）电-热-氢交互为IES 提供多种供用能模式，兼顾电热需求与新能源消纳。通过一体化氢储实现电能替代，并深度挖掘灵活性资源潜力，实现了能量的有序利用，推动了能源体系向清洁、高效、灵活转型，促进了绿色可持续发展。

2）考虑协同经济性、能源利用性和低碳技术性分析IES 灵活协调的响应效果，可以较好地兼顾经济成本、可再生能源有效利用、源荷碳排等调控需求。

3）基于负荷碳排信息，进行电-热-氢交互能流溯源，通过碳流拓扑可以直观反映异质能流的碳排动态，为IES电碳耦合与协同管理提供辅助决策。

附录见本刊网络版（http：//www.epae.cn）。