一种协调的混合能源存储-碳配额共享框架,用于多园区综合能源系统的低碳经济调度
《Journal of Energy Storage》:A coordinated hybrid energy storage–carbon quota sharing framework for low-carbon economic dispatch of multi-park integrated energy systems
【字体:
大
中
小
】
时间:2026年10月21日
来源:Journal of Energy Storage 10.7
编辑推荐:
• 提出了一种新颖的电-氢-碳共享(EHCS)机制。
• 一个耦合的EHCS-MPIES(多园区综合能源系统)优化模型实现了能源和碳的协调调度。
• 动态碳流模型和分层定价机制增强了碳交易的公平性。
• 所提出的策略提高了经济性和低碳性能。
**引言**
随
• 提出了一种新颖的电-氢-碳共享(EHCS)机制。
• 一个耦合的EHCS-MPIES(多园区综合能源系统)优化模型实现了能源和碳的协调调度。
• 动态碳流模型和分层定价机制增强了碳交易的公平性。
• 所提出的策略提高了经济性和低碳性能。
**引言**
随着全球能源短缺和环境挑战的加剧,向低碳能源系统的转型正在加速。提高能源效率、减少碳排放和实现可持续发展已成为关键的全球使命[1]、[2]。可再生能源的日益普及极大地促进了脱碳进程;然而,其固有的间歇性和不确定性对现代电力系统的安全和经济运行构成了重大挑战[3]、[4]。在这种背景下,开发一个高效且低碳的能源调度框架成为了一个紧迫的研究重点。综合能源系统(IES)结合了分布式发电、储能和多能源负荷,提供了局部能源利用和跨类型互补性的优势,成为区域低碳能源消费的关键平台[5]。然而,由于需求方面的限制和外部边界条件,许多IES存在供应过剩和设备利用率低的问题,阻碍了系统潜力的充分发挥。尽管储能可以在一定程度上缓解供需不平衡,但传统的电化学储能技术在效率、持续时间和成本方面存在局限性,限制了其大规模、长期调节的能力,因此它们对降低成本和减少碳排放的边际贡献仍然有限[6]、[7]。
**受分享经济概念的启发**,将共享的能源-碳系统与MPIES相结合可以促进资源协同效应,提高可再生能源的利用效率,从而提升系统性能[8]。IES之间的能源互补性减少了对高碳外部电网(PG)的依赖,为区域低碳运营提供了新的路径[9]。然而,MPIES仍面临关键挑战,包括信息孤岛、调度机制不足以及日益严格的碳约束。在不确定的能源-负荷条件下实现高效和低碳运营需要解决多智能体协调和利益分配的问题。因此,建立一个以分享经济为导向的多园区综合能源系统(MPIES)框架,并开发公平高效的调度和分配机制,以促进经济优化和碳减排至关重要。
与单一IES相比,MPIES的优化涉及多载体的相互作用,这些相互作用的空间-时间变异性带来了不确定性和协调挑战。其次,由于每个IES作为独立决策者追求自身利益,优化过程必须在最大化集群整体效率的同时平衡各方的利益[10]。因此,迫切需要一种在不确定性下确保公平性和效率的合作优化方法。
**最新研究**逐渐采用了博弈论框架来提高经济效率和能源性能。典型的方法包括用于需求响应协调和利润分配的双层或斯塔克伯格模型[11];用于联合调度和能源互补性的合作游戏[12];以及用于在能源、负荷和价格不确定性下增强调度弹性的三层混合游戏或多阶段纳什基鲁棒优化[13]、[14]。同时,通过电-氢集成和氢混合热电联产(CHP)单元加深了现代系统中的能源形式耦合,增强了多能源协同效应[15]。纳什基激励机制也被提出,以促进间歇性可再生资源的本地利用[16]。对于跨IES协调,一些研究开发了多时空框架和多时间尺度鲁棒调度模型,以改善动态资源分配[17]、[18],并将其扩展为同时考虑经济、稳定性和环境性能的多目标或双层策略[19]、[20]。然而,大多数现有研究尚未系统地将低碳目标和碳市场机制整合到这些优化框架中。
**为了弥补这一差距**,一些研究将碳约束与能源调度相结合。例如,通过分布式优化整合碳交易和能源共享的能源-碳协调模型[21];考虑不确定性的动态管理框架以实现脱碳[22];反映IES异质性的个性化分布式优化[23];以及具有分层碳定价机制的低碳调度策略[24]、[25]。其他工作研究了在波动的能源和碳价格下进行联合能源-碳调度,以实现成本和排放的同时减少[26]。然而,仍存在两个关键问题:(1)由于分布式能源限制,资源冗余和效率损失尚未得到充分描述;(2)在MPIES中,缺乏统一的、鲁棒的电-氢-碳(E-H-C)耦合和配额协调框架。
**关于ESS的研究**突显了它们在资源互补性、碳减排和运营灵活性方面的潜力。ESS可以提高设备效率,在可再生能源不确定性下保持系统韧性[27]、[28]、[29]。提出的方法包括使用移动氢运输的电-氢混合共享,以提高耦合效率和生命周期减排[30];与ESS调度协调的点对点能源共享,以实现经济和环境目标平衡[31];结合鲁棒需求响应机制的基于租赁的商业模式,以提高盈利能力[32];以及结合基于流量的定价的混合所有权-租赁配置,以提高灵活性[33]、[34]。然而,这些工作大多侧重于单独的ESS,而没有优化整体IES-ESS系统的经济和减排性能。
**进一步的研究**探讨了ESS-MPIES协调的定价、联合规划和利益分配问题。参考文献[35]、[36]引入了基于能源存储需求与租赁价格动态相互作用的需求驱动定价机制,使用纳什博弈模型来提高协调效率。参考文献[37]、[38]通过统一的调度框架解决了联合容量规划和成本分配问题,同时优化了配置和运营,提升了系统效益。在此基础上,参考文献[39]应用了混合整数线性规划与动态容量分配,实现了显著的成本和减排。为了应对季节性负荷变化,参考文献[40]提出了一个分布式协作优化模型,提高了ESS和MPIES联合运行的适应性。参考文献[41]设计了一个两级合作调度模型,强调电压调节,并利用改进的纳什谈判来提高灵活性和效率。参考文献[42]将系统稳定性、设备耦合特性和隐私保护纳入数据驱动的运营策略,扩展了系统层面的多目标优化。尽管有这些进展,但低碳目标与系统韧性之间的协调尚未得到系统性的解决。在高不确定性下,能源-碳调度与经济-环境目标之间仍存在明显冲突,这凸显了需要具有更强鲁棒性和适应性的优化模型的必要性。
**作为回应**,最近的研究开始将鲁棒优化纳入共享的多能源系统:多层控制和分布式鲁棒优化框架与氢共享相结合,以管理可再生能源和负荷波动[43]、[44]、[45];电力-气体-气体混合ESS与碳捕获相结合,以实现低碳和经济目标[46];结合需求响应协调的双结算能源共享机制[47];以及使用核密度估计和Wasserstein距离的两阶段分布式鲁棒优化,用于模拟能源共享和碳转移[48]。其他工作引入了分散式协调和基于斯塔克伯格的电-碳交易[49],以及考虑季节性排放模式的双时间尺度电-碳配额共享机制[50]。
**现有研究**大致可以分为两个相关的研究流。第一个流侧重于多能源共享和共享储能,其中电、氢和储能灵活性在多个IES之间进行协调,以减少外部能源采购和可再生能源的减排[30]、[31]、[32]、[33]、[34]、[35]、[36]、[37]、[38]、[39]、[40]、[41]、[42]、[43]、[44]、[45]。然而,在这些模型中,碳排放通常由固定的排放因子、外生碳价格或单独的环境目标表示,能源共享决策的变化并未一致地转化为碳配额责任和结算。第二个流侧重于能源-碳协调和碳市场,包括碳交易、分层碳定价、碳转移和电-碳共享[21]、[22]、[23]、[24]、[25]、[26]、[47]、[48]、[49]、[50]。这些研究提供了重要的碳经济激励机制,但通过电-氢转换、CHP联产和跨时间储能传播的碳属性并不总是内生于自适应配额分配和内部配额循环。因此,剩余的差距不是缺乏单独的能源共享或碳交易机制,而是缺乏一个闭环模型,在该模型中多能源交易会改变碳责任和配额状态,そして由此产生的配额结算会反馈到能源调度中。提出的电-氢-碳配额共享(EHCS)框架正是为解决这一特定耦合差距而开发的。
**尽管在多能源协调和低碳调度方面进行了大量研究**,但仍存在三个未解决的问题,限制了MPIES研究的科学和实践进步:
(1) 缺乏能源-碳协调的耦合机制:现有模型很少建立电、氢和碳流之间的明确数学耦合[21]、[22]、[23]、[24]、[25]、[26]、[27]、[28]、[29]、[30]、[31]、[32]、[33]、[34]。当前的MPIES模型很少将碳流表示为多能源转换的函数。没有明确的耦合方程,难以分析碳排放在电和氢路径中的传播或优化联合能源-碳操作。
(2) 资源共享和碳配额分配的协调:IES参与者之间的资源共享和碳配额分配机制缺乏协调。MPIES的组成部分之间存在显著异质性,包括负荷结构、资源禀赋和碳排放约束的差异。这些差异导致了电、氢和碳资源协调中的利益冲突[35]、[36]、[37]、[38]、[39]、[40]、[41]、[42]。当前关于资源共享机制的研究尚未充分考虑碳配额和交易激励的异质性,这使得IES参与者之间难以实现公平和可持续的合作优化。
(3) 多不确定性下的鲁棒优化和能源-碳协调:缺乏同时解决多重不确定性和能源-碳协调目标的鲁棒优化方法。虽然一些研究采用了鲁棒优化来处理与可再生能源输出和负荷波动相关的不确定性[44]、[45]、[46]、[47]、[48]、[49]、[50],但大多数方法在电、氢和碳配额之间的能源盈余/赤字、响应特性和交易规则方面没有充分区分。这种忽视阻碍了系统在实际操作中有效适应多源干扰的能力。此外,现有模型往往优先考虑经济目标而非环境效益,未能充分将环境目标与系统鲁棒性的提升结合起来。
**共享能源存储、碳交易、鲁棒优化、纳什谈判和ADMM已经被广泛研究,并未被本文独立声称为新方法。**与现有的多能源共享模型和碳市场协调模型相比,本研究的主要贡献在于建立了一个闭环的E-H-C耦合和配额协调模型。在这个模型中,电和氢的共享决策决定了每个IES的碳责任和配额盈余或赤字,而自适应配额分配和基于SCS的内部结算反馈到能源转换、储能操作和IES之间的交易中。因此,共享的电能存储(SES)、共享的氢存储(SHS)和共享的碳系统(SCS)是通过内在的物理和市场关系进行协调的,而不是作为并行模块组合的。两阶段鲁棒优化、纳什谈判和ADMM被用作在不确定性和分散利益相关者参与下解决这一耦合问题的实现工具。具体贡献总结如下:
(1) 一个用于MPIES的耦合E-H-C共享和配额结算模型。建立了一个整合SES、SHS和SCS的EHCS框架。与传统模型不同,在传统模型中,碳交易被视为外部排放成本或独立的调度后结算过程,而所提出的框架将碳配额视为内在的共享资源。电和氢的交易改变了每个IES的碳责任和配额盈余或赤字,而碳配额结算反馈到能源转换、储能操作和IES之间的交易决策中。因此,电、氢和碳配额是通过统一的物理和市场关系进行协调的,而不是通过独立的并行模块。
(2) 一个闭环的碳责任追踪和自适应配额分配机制。开发了一个碳潜力-碳流模型,用于量化电-氢转换、CHP联产和多能源存储过程中的碳责任传播。电池储能(BES)、氢储罐(HST)、热储罐(TST)和SHS中嵌入的碳属性通过跨时间碳库存迁移得以保留和转移。基于计算出的负荷侧碳责任,进一步应用灰色关联分析来建立一个自适应碳配额分配模型,反映IES之间的能源结构、利用效率、碳强度和减排潜力的差异。然后,分层奖励-惩罚机制将配额盈余或赤字转化为经济反馈,从而形成从能源运营到碳责任、配额分配和交易结算的连续关系。
(3) 一个考虑不确定性的EHCS模型的合作实现。耦合的E-H-C共享和结算关系被嵌入到一个两阶段最小-最大-最小鲁棒调度模型中。第一阶段确定每个IES与EHCS之间的电、氢和碳配额相互作用,而第二阶段在源-负荷不确定性下优化本地设备操作。纳什谈判(Nash bargaining)被引入以确保每个参与者相对于其非合作操作都能获得非负收益,而模态交替最小化法(ADMM)则被采用来实现保护隐私的分布式协调。在这项研究中,鲁棒优化(robust optimization)、纳什谈判(Nash bargaining)和ADMM作为实现所提出的耦合模型的工具,而不是作为独立的算法创新。本文的其余部分组织如下:第1节介绍了该主题;第2节介绍了EHCS–MPIES系统的建模;第3节详细阐述了所提出的解决方案方法;第4节分析和讨论了在不同运营场景下的仿真结果;最后,第5节总结了本文并概述了未来的研究方向。
**术语表**
- IES(Integrated Energy System):综合能源系统
- CHP(Combined Heat and Power):热电联产
- MPIES(Multi-Park Integrated Energy System):多园区综合能源系统
- GB(Gas Boiler):燃气锅炉
- SES(Shared Energy Storage System):共享能源存储系统
- BES(Battery Energy Storage):电池能量存储
- PG(Power Grid):电力网
- HST(Hydrogen Storage Tank):氢存储罐
- EHCSE(Electricity-Hydrogen-Carbon Quota Sharing):电力-氢-碳配额共享
- TST(Thermal Storage Tank):热存储罐
- SESShared Electricity Storage:共享电力存储
- ELE(Electric Load):电力负荷
- SHSShared Hydrogen Storage:共享氢存储
- HL(Hydrogen Load):氢负荷
- SCSShared Carbon System:共享碳系统
- TL(Thermal Load):热负荷
- ELE(Electrolyzer):电解器
- ESE(Electricity Storage):电力存储
- WT(Wind Turbine):风力涡轮机
- HSHydrogen Storage:氢存储
- PV(Photovoltaic):光伏
**参考文献**
- COM(System framework):系统框架
所提出的EHCS–MPIES的运营架构如图1所示。该系统由多个IES和三个共享功能子系统组成:SES、SHS和SCS。这些子系统构成了电力、氢气和碳配额在不同IES之间协调的物理和市场接口。
**两阶段鲁棒模型**
为了表示光伏和风力发电以及多能源负荷的不确定性,引入了一个不确定性向量α。采用了一个预算型不确定性集A,如下所示:
$$
Pi,t\alpha = Pi,t\alpha^* + \chi_i,t\alpha + Pi,t\alpha^- - \chi_i,t\alpha - \alpha \in W_T, \quad V_{EL} \leq 1, \quad \chi_i,t\alpha^+ + \chi_i,t\alpha^- \in [0,1], \quad \sum_{t \in T} (\chi_i,t\alpha^+ + \chi_i,t\alpha^-) \leq \Gamma_i\alpha
$$
不确定变量包括风力发电输出、光伏发电输出、电力负荷、氢负荷和热负荷。约束(54b)确保上下偏差不能同时发生。
**案例系统**
该案例系统包括一个SES、一个SHS、一个SCS和三个IES,分别表示为IES1–IES3。系统拓扑结构参考了[17]、[30]、[35]、[36]、[37]、[38]、[39]、[40]、[45]中报告的典型MPIES和共享能源存储框架构建。每个IES直接连接到SES、SHS和PG,而三个IES之间没有建立直接的物理连接。这种拓扑结构允许通过EHCS协调电力、氢气和碳配额。
**结论**
本研究通过将电力和氢共享与碳责任追踪、自适应配额分配、内部配额循环和考虑不确定性的调度相结合,开发了一个基于EHCS的MPIES低碳经济调度框架。比较结果不仅证实了更广泛的共享和碳激励措施能够提高性能,还揭示了以下机制层面的见解:
**作者贡献声明**
陶文强:撰写 – 审查与编辑、撰写 – 原始草案、软件、方法论、概念化。
陈洪坤:资源、调查、数据管理。
崔世婷:可视化、资金筹措。
陈雷:可视化、资金筹措。
**利益冲突声明**
作者声明他们没有已知的财务利益或个人关系可能会影响本文所报告的工作。
**致谢**
本工作得到了智能电网-国家科技重大项目(Grant 2024ZD0800600)的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号