面向能耗密集型企业、兼顾用户用电习惯与行为的双目标帕累托低碳自动需求响应

《Journal of Cleaner Production》:Bi-objective pareto low-carbon automatic demand response of energy-intensive enterprises accommodating users’ electricity consumption habits and behaviors

【字体: 大 中 小 】 时间:2026年09月26日 来源:Journal of Cleaner Production 10.7

编辑推荐:

   摘要随着技术和社会的不断发展,企业用电所产生的碳排放问题日益严峻,环境治理的紧迫性不断加剧。为解决这一问题,本文提出了一种基于时间尺度分类和多目标优化框架的高耗能企业低碳自动需求响应(ADR)方法。首先,考虑历史数据对未来用电规划的影响,提出了一种按时间尺度对历史数据进行分类

  

摘要

随着技术和社会的不断发展,企业用电所产生的碳排放问题日益严峻,环境治理的紧迫性不断加剧。为解决这一问题,本文提出了一种基于时间尺度分类和多目标优化框架的高耗能企业低碳自动需求响应(ADR)方法。首先,考虑历史数据对未来用电规划的影响,提出了一种按时间尺度对历史数据进行分类和平均的方法,以提取典型日,从而提取具有代表性的用电模式。在此基础上,构建了高耗能企业低碳自动需求响应的多目标优化模型。该模型依赖历史用电数据、电价数据和碳排放因子数据,在建立用电成本目标和碳排放目标的同时,综合考虑了功率平衡、用电上下限和舒适度等约束条件,为高耗能企业制定全面的用电规划。通过引入10种多目标优化算法,在根据时间尺度对210天历史数据进行分类前后的不同场景,以及基于210天历史数据提取的用电行为典型日场景下进行了仿真分析,最终生成了多样化的用电策略。实验结果表明,所提方法能够有效辅助高耗能企业参与自动需求响应,在保障生产需求和舒适满意度的同时,实现用电成本与碳排放的协同降低。

引言

全球能源系统的深度脱碳是应对气候变化的紧迫任务。最新研究表明,在复杂的碳市场结构下,电力系统的运行必须以合规性为核心考量(Ding et al., 2025; Zhu et al., 2024)。与此同时,准确预测电力系统的碳排放参数能够为减排优化策略提供关键的数据支持,促进电力系统的碳减排(Kohút et al., 2025)。在此背景下,日益增长的碳排放导致了严重的环境问题,包括土壤侵蚀和空气污染,这些问题加剧了气候变化,并阻碍了中国建设可持续经济的能力(Wang et al., 2024)。中国于2020年提出并推进的双碳目标,对电力系统的精准减排能力提出了前所未有的要求,尤其是在用户侧(Shu et al., 2022; Cui et al., 2019; He et al., 2022)。需求侧管理和需求响应技术作为提升系统灵活性和促进高比例可再生能源消纳的重要手段(Palensky and Dietrich, 2011; Gellings, 2017)。这些方法正从传统的价格激励导向,向着包含明确碳减排目标的低碳需求响应这一新形式演变(Li et al., 2022; Guo et al., 2024; Zhou et al., 2020)。
实现有效低碳需求响应的理论基础在于对用电产生的间接碳排放进行准确的溯源和核算。碳排放流分析理论的确立与发展为此奠定了基础(Kang et al., 2012)。该理论使得从负荷侧感知和引导减排成为可能。例如,通过计算各节点的碳势,可以从时空维度清晰揭示电力系统中各节点的碳排放模式(Liu et al., 2024)。该理论的发展直接推动了应用机制的创新。利用动态碳信号作为需求侧引导信号已成为重要的研究方向(Elsir et al., 2024; Zhang et al., 2023; Guo et al., 2025)。这一方法催生了多种具体机制,如价格激励的双低碳需求响应、基于节点碳势的需求响应,以及考虑电-碳耦合的激励效果等(Zhang et al., 2023; Guo et al., 2025)。
钢铁和化工等行业的高耗能企业,由于其负荷量大且用电模式相对标准化,被认为是实施低碳需求响应和探索减排潜力的关键领域。研究证实,通过分析其负荷特性和评估需求响应潜力,可以揭示流程工业中固有的可观调节灵活性(Zhang et al., 2025)。工业需求侧的灵活性已被广泛证明是能源系统成功转型的关键赋能技术(Heffron et al., 2020)。
然而,尽管理论依据和应用前景明确,但在将低碳需求响应理论应用于高耗能企业的具体场景时,现有研究方法仍面临诸多严峻挑战。首先,高能耗生产工艺通常涉及连续运行的需求,许多通用优化模型无法充分反映这些特征。尤其是在综合能源系统中,当模型旨在实现灵活性时,仍面临复杂性和鲁棒性的挑战(Kachirayil et al., 2022)。其次,在优化方法方面,大量现有研究倾向于通过加权将碳排放和用电成本聚合为单目标问题(Wang et al., 2021; Zhang et al., 2015)。虽然这种方法简化了求解过程,但它模糊了经济目标和环境目标之间固有的冲突与权衡关系,未能向决策者揭示帕累托前沿所包含的丰富信息,大大限制了策略的多样性和决策的灵活性。最后,在支撑优化模型的场景构建和数据处理方面,尽管一些研究尝试利用人工智能技术提高碳排放预测的准确性(Kohút et al., 2025),但在宏观场景构建层面,传统方法生成的典型日场景仍无法基于明确的时间尺度与高耗能企业的实际生产计划完美匹配,这直接影响了最终优化策略的实用性和连续性。
为系统性地解决上述挑战,本文提出了一种融合典型日划分和多目标优化的高耗能企业低碳自动需求响应方法。本文的核心贡献体现在三个方面:
  • (1)
    通过深入探究用户的用电习惯和行为,相比于不进行典型日分类的情况,描述更加详细,能够更好地适应企业的用电需求。
  • (2)
    不同的用电行为具有不同的约束条件,如功率平衡和电量平衡约束、舒适度限制等。基于这些不同的约束条件,可以进行更加精细化的调控。
  • (3)
    提出了高耗能企业双目标帕累托低碳自动需求响应模型。
本文后续结构安排如下:第2节阐述了高耗能企业的多目标电力调度框架;第3节分析用户的用电习惯和行为;第4节建立并求解了高耗能企业双目标帕累托低碳自动需求响应模型;第5节通过详细的案例仿真验证了所提方法的有效性;第6节总结了全文的研究工作。

章节摘要

高耗能企业的多目标电力调度框架

本节建立了所提低碳自动需求响应系统的总体架构。首先介绍了将数据输入、典型日提取和双目标优化耦合的整体框架,随后基于碳排放流理论对动态碳排放因子的数学公式化进行了阐述。

用户用电习惯和行为分析

基于历史高耗能企业的用电数据,对历史数据中的缺失数据进行了线性插值和前向/后向填充等数据预处理。在使用聚类算法提取典型日时,某些算法依赖于手动预设的聚类数量,这损害了方法的客观性和可解释性(Poncelet et al., 2017)。考虑到用电规划的通用性和

高耗能企业双目标帕累托低碳自动需求响应

基于第3节中提取的典型日用电模式,本节构建了一个以同时最小化用电成本和碳排放为目标的双目标自动需求响应模型。该模型纳入了功率平衡、负荷边界和用户舒适度等实际约束条件。随后,采用多目标粒子群优化(MOPSO)算法求解该模型并生成帕累托前沿。

案例研究

为验证所提方法的有效性,采用某高耗能企业210天的用电数据以及动态碳排放因子和电价数据进行了案例研究。提取了四个代表性日场景(工作日、周六、周日和特殊节日)。对十种多目标优化算法进行了比较分析,并从优化质量、解的多样性等

结论

本研究基于典型日构建了多目标优化模型,并对高耗能企业案例进行了仿真分析。主要结论如下:
  • (1)
    多目标优化模型的有效性:本文建立的以同时最小化用电成本和碳排放为双目标的优化模型,成功揭示了两者之间固有的权衡关系。所生成的帕累托前沿

CRediT作者贡献声明

Xiaoshun Zhang:撰写——审阅与编辑、方法学、调查研究、概念构思。Jiapan Di:撰写——初稿撰写、可视化、方法学。Zhengxun Guo:撰写——审阅与编辑、方法学、概念构思。Yijun Chen:撰写——审阅与编辑、形式分析。

利益冲突声明

作者声明不存在已知的利益冲突或个人关系可能会影响本文所报道的研究工作。

致谢

作者衷心感谢国家自然科学基金(项目编号:52577087)和广东省基础与应用基础研究基金(项目编号:2024A1515030012)的资助。此外,本研究还得到了国家重点研发计划(项目编号:2022YFF0606600)的共同支持。
Xiaoshun Zhang|Jiapan Di|Zhengxun Guo|Yijun Chen
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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