潘 超，王錦鵬，包鈺婷，范宮博，孟 濤

（1.現(xiàn)代電力系統(tǒng)仿真控制與綠色電能新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室（東北電力大學(xué)），吉林 132012；2.國(guó)網(wǎng)吉林省電力科學(xué)研究院，吉林長(zhǎng)春 130021）

0 引言

目前，“碳達(dá)峰”、“碳中和”已成為我國(guó)大力發(fā)展清潔能源的重要指引方向，其關(guān)鍵在于以風(fēng)光為主的新能源逐步替代傳統(tǒng)化石能源，降低電力系統(tǒng)高碳排放[1-3]。大規(guī)模風(fēng)光并網(wǎng)可能引起凈負(fù)荷波動(dòng)，其隨機(jī)性與不確定性對(duì)電網(wǎng)調(diào)控的靈活性提出更高要求[4-5]。因此充分挖掘源荷側(cè)靈活性資源（Flexible Resources，F(xiàn)R）能夠減少由于電網(wǎng)靈活性缺失所造成的棄風(fēng)棄光問(wèn)題，對(duì)促進(jìn)電網(wǎng)碳減排和低碳運(yùn)行具有重大意義。

國(guó)內(nèi)外專家學(xué)者針對(duì)FR 參與電網(wǎng)調(diào)控已開展了相關(guān)研究，文獻(xiàn)[6]考慮多種FR 參與電網(wǎng)調(diào)控，并構(gòu)建電網(wǎng)運(yùn)行靈活性指標(biāo)。文獻(xiàn)[7]計(jì)及源荷儲(chǔ)綜合靈活性，建立日前調(diào)度計(jì)劃，評(píng)估電網(wǎng)靈活性不足造成的風(fēng)險(xiǎn)。文獻(xiàn)[8]將電轉(zhuǎn)氫作為第二類FR，以對(duì)包括風(fēng)光等FR 容量進(jìn)行配置。文獻(xiàn)[9]將儲(chǔ)能、多種電源及負(fù)荷響應(yīng)納入FR，通過(guò)分時(shí)電價(jià)及負(fù)荷中斷手段提高系統(tǒng)運(yùn)行靈活性。文獻(xiàn)[10]考慮源荷雙側(cè)功率不確定性，構(gòu)建多目標(biāo)數(shù)學(xué)模型進(jìn)行電網(wǎng)優(yōu)化調(diào)度。已有研究考慮了風(fēng)光能源作為FR參與電網(wǎng)調(diào)控的重要性，但未對(duì)風(fēng)光消納程度、削峰填谷效果進(jìn)行全面考慮，也未深入挖掘抽蓄、需求側(cè)等資源參與調(diào)控的靈活性潛力。

本文提出一種考源荷側(cè)FR 的風(fēng)光消納協(xié)同調(diào)控方法，結(jié)合靈活性供需關(guān)系，重點(diǎn)分析負(fù)荷側(cè)FR在風(fēng)光消納中發(fā)揮的作用。首先，將抽水蓄能電站（抽蓄）、微型燃?xì)廨啓C(jī)（Microturbine，MT）及需求響應(yīng)（Demand Response，DR）作為FR，并根據(jù)其在風(fēng)光消納過(guò)程中的響應(yīng)特性分為主動(dòng)與受控2 種資源。規(guī)劃層考慮新能源并網(wǎng)中電壓越限問(wèn)題，以電壓穩(wěn)定性為指標(biāo)確定新能源接入位置，按改造成本確定負(fù)荷側(cè)FR 響應(yīng)上限，獲得FR 規(guī)劃方案，支配運(yùn)行層的源荷側(cè)FR 構(gòu)成。運(yùn)行層在規(guī)劃層基礎(chǔ)上構(gòu)建經(jīng)濟(jì)運(yùn)行成本、靈活性缺失度及削峰填谷效果確定FR 在主動(dòng)及受控2 種形式下的協(xié)同調(diào)控方案，并利用混合種群遷徙算法進(jìn)行求解。以實(shí)際電網(wǎng)為研究對(duì)象，通過(guò)仿真分析對(duì)本文方法的有效性和合理性進(jìn)行驗(yàn)證。

1 靈活性指標(biāo)分析

根據(jù)源荷側(cè)能量流動(dòng)劃分FR，其中電源側(cè)FR按照調(diào)節(jié)特性包括MT 和抽蓄；負(fù)荷側(cè)FR 按照其響應(yīng)特性可分為可平移負(fù)荷（DR-I）、可轉(zhuǎn)移負(fù)荷（DR-II）及可削減負(fù)荷（DR-III）。MT、抽蓄、受控DR 作為受控資源參與風(fēng)光消納，而需求側(cè)的主動(dòng)DR 可通過(guò)電價(jià)激勵(lì)或引導(dǎo)由用戶主動(dòng)參與，故可歸為主動(dòng)FR。

1.1 靈活性供需分析

考慮凈負(fù)荷的隨機(jī)波動(dòng)性[11-12]，通過(guò)調(diào)動(dòng)多種FR 解決各時(shí)段凈負(fù)荷波動(dòng)造成的靈活性不足問(wèn)題。根據(jù)文獻(xiàn)[13]，電網(wǎng)靈活性需求由電網(wǎng)負(fù)荷功率βl,t和新能源發(fā)電功率βWT,t共同決定。

式中：βnl,t為t時(shí)刻電網(wǎng)凈負(fù)荷功率。

凈負(fù)荷的時(shí)域波動(dòng)反應(yīng)了其靈活性需求的方向，若t+1 時(shí)刻凈負(fù)荷增加，則電網(wǎng)需要具有上調(diào)靈活性，記作，否則，需要具有下調(diào)靈活性，記作。

主動(dòng)/受控FR 在電價(jià)激勵(lì)或電網(wǎng)調(diào)控模式下具有優(yōu)良的靈活性調(diào)節(jié)能力，通過(guò)其向上或向下的可調(diào)節(jié)出力來(lái)刻畫其靈活性供應(yīng)水平。根據(jù)主動(dòng)/受控響應(yīng)特性，t時(shí)刻受控FR 靈活性供應(yīng)水平如式（2）所示，主動(dòng)FR 靈活性供應(yīng)水平如式（3）所示。

1.2 靈活性缺失度

根據(jù)靈活性供需關(guān)系，定義靈活性差額Fdi，表示靈活性需求與供應(yīng)之差，同樣具有向上/向下靈活性差額2 種。

當(dāng)Fdi＞0 時(shí)表示電網(wǎng)FR 供給不足，靈活性存在差額；當(dāng)Fdi＜0 時(shí)表示電網(wǎng)FR 供給充足，靈活性仍有裕度。在電網(wǎng)靈活性有差額時(shí)，引入靈活性缺失度以表示電網(wǎng)靈活性缺失程度。

2 規(guī)劃—運(yùn)行雙層互動(dòng)調(diào)控

計(jì)及多種FR 參與風(fēng)光消納，構(gòu)建雙層優(yōu)化互動(dòng)調(diào)控模型。上層模型以經(jīng)濟(jì)性與穩(wěn)定性最優(yōu)為目標(biāo)規(guī)劃新能源及FR 的接入位置和改造容量；下層模型的運(yùn)行結(jié)果為源荷側(cè)主動(dòng)/受控FR 在占比不同時(shí)的調(diào)度方案。

2.1 規(guī)劃層目標(biāo)函數(shù)

根據(jù)電壓穩(wěn)定性指標(biāo)確定風(fēng)光電源初始位置，再確定FR 投資成本。

1）電壓穩(wěn)定性指標(biāo)。電壓穩(wěn)定性指配電網(wǎng)維持電壓穩(wěn)定的能力。新能源的接入會(huì)對(duì)配電網(wǎng)節(jié)點(diǎn)電壓造成很大影響，導(dǎo)致電壓穩(wěn)定性波動(dòng)[14]，有可能造成電壓穩(wěn)定性降低。根據(jù)文獻(xiàn)[15]，設(shè)定電壓穩(wěn)定性指標(biāo)：

式中：節(jié)點(diǎn)m為輸入端；節(jié)點(diǎn)n為輸出端；Rm，Um，Xm為線路電阻、電壓和電抗；Qn為線路無(wú)功功率。

計(jì)算所有節(jié)點(diǎn)的電壓穩(wěn)定指標(biāo)，其值最大的節(jié)點(diǎn)穩(wěn)定性最差，作為系統(tǒng)的最薄弱節(jié)點(diǎn)，并把該節(jié)點(diǎn)的電壓穩(wěn)定指標(biāo)作為整個(gè)配電網(wǎng)的電壓穩(wěn)定指標(biāo)Mα。

式中：α為節(jié)點(diǎn)號(hào)；M越小表示電壓穩(wěn)定性越好。

為了避免新能源并網(wǎng)帶來(lái)的電壓越限，優(yōu)先選擇電壓穩(wěn)定性較好的節(jié)點(diǎn)安裝新能源。

2）經(jīng)濟(jì)性指標(biāo)。根據(jù)文獻(xiàn)[16]，將投資成本中的DR 容量改造成本折算為日均值：

2.2 運(yùn)行層目標(biāo)函數(shù)

考慮源荷側(cè)FR 參與分布式電源并網(wǎng)調(diào)控，結(jié)合經(jīng)濟(jì)性、靈活性及削峰填谷效果，構(gòu)建多目標(biāo)函數(shù)。

1）經(jīng)濟(jì)運(yùn)行成本

運(yùn)行層綜合考慮FR 運(yùn)行成本，網(wǎng)損、棄風(fēng)棄光等成本，具體公式為：

2）靈活性缺失度

根據(jù)電網(wǎng)靈活性供需差額，由式（5）分別計(jì)算上調(diào)靈活性缺失度與下調(diào)靈活性缺失度，根據(jù)上下靈活性占比加權(quán)得到電網(wǎng)總靈活性缺失度：

式中：C3為電網(wǎng)靈活性缺失度；Ф為權(quán)重系數(shù)，由上調(diào)、下調(diào)靈活性需求決定。

3）削峰填谷效果

根據(jù)凈負(fù)荷峰谷差值構(gòu)建的削峰填谷效果目標(biāo)函數(shù)為：

式中：Δφ1為削峰效果；Δφ2為填谷效果；Δφ3為削峰填谷效果；φmax，φmin為優(yōu)化運(yùn)行前凈負(fù)荷在1天內(nèi)的最大、最小值；為優(yōu)化運(yùn)行后凈負(fù)荷在1 天內(nèi)的最大、最小值。

文中選用Δφ3作為削峰填谷評(píng)價(jià)指標(biāo)。

2.3 約束條件

該雙層規(guī)劃運(yùn)行互動(dòng)模型中主要考慮新能源位置、主動(dòng)/受控資源響應(yīng)容量及響應(yīng)時(shí)段約束，并在潮流計(jì)算時(shí)考慮系統(tǒng)功率、電壓平衡約束。

1）系統(tǒng)功率平衡約束為：

2）節(jié)點(diǎn)電壓約束為：

式中：Um，max，Um，min為m節(jié)點(diǎn)電壓的上、下限。

3）選址、容量及響應(yīng)時(shí)段約束為：

3 模型求解

雙層優(yōu)化互動(dòng)模型中的規(guī)劃層重點(diǎn)考慮新能源及FR 選址定容問(wèn)題。隨著參與調(diào)控的FR 增多，運(yùn)行場(chǎng)景的復(fù)雜化，為了使求解效率提升并保持解集多樣性，本文采用一種改良的混合種群遷徙算法進(jìn)行求解。

3.1 混合種群遷徙算法

種群遷徙算法（Population Migration Optimization，PMO）能夠求解復(fù)雜的優(yōu)化問(wèn)題，具有較強(qiáng)尋優(yōu)能力[17]。為提高全局搜索能力，在PMO 算法中混合粒子群算法（Particle Swarm Optimization，PSO）形成混合種群遷徙算法（Population Migration Particle Swarm Optimization，PMPSO）。利用PMPSO 算法設(shè)置系統(tǒng)仿真參數(shù)時(shí)，遷徙過(guò)程中探索個(gè)體位置表示主動(dòng)/受控FR 運(yùn)行方案，包括各類型FR 響應(yīng)時(shí)段及響應(yīng)容量信息。設(shè)定種群數(shù)量為NP，具體計(jì)算過(guò)程如下：

群體以當(dāng)前最優(yōu)個(gè)體（領(lǐng)軍個(gè)體）為探索先鋒中心進(jìn)行遷移。設(shè)定領(lǐng)軍個(gè)體為xkd（g），領(lǐng)軍個(gè)體位置更新原則為：

式中：，xkd（g+1）為第k個(gè)個(gè)體在第d維控制向量中的更新位置；xkd（g）為第k個(gè)個(gè)體在第d維控制向量中的當(dāng)前位置；g為迭代次數(shù)；xneingbor（g）為第k個(gè)個(gè)體在第d維中的領(lǐng)軍個(gè)體探索的相鄰位置；f（xkd（g））為第k個(gè)個(gè)體在第d維中的適應(yīng)值。

遷徙過(guò)程中有個(gè)體被新加入個(gè)體所替代，替代概率為Pa。Pa在[1/NP，1]區(qū)間內(nèi)，由適應(yīng)度函數(shù)決定。為提高PMO 的尋優(yōu)效率與方案多樣性，引入PSO 的慣性權(quán)重系數(shù)ω，個(gè)體位置與搜索速度的控制原則為：

式中：vkd(g)為第k個(gè)個(gè)體在d維第g次迭代的搜索速度；xpbestkd為個(gè)體k第g次迭代領(lǐng)軍個(gè)體最佳位置，即本次迭代中最優(yōu)主動(dòng)/受控資源運(yùn)行方案；xgbest,d為第t次迭代中全局最佳位置，即當(dāng)前最優(yōu)FR 運(yùn)行方案；c1，c2為加速系數(shù)；r1，r2為[0，1]區(qū)間內(nèi)均勻分布隨機(jī)數(shù)；ωmax，ωmin為慣性權(quán)重最大/最小值；iter，itermax為迭代次數(shù)、最大迭代次數(shù)。

通過(guò)ω自適應(yīng)調(diào)節(jié)，使算法在初期有較強(qiáng)全局搜索能力，在后期有較強(qiáng)局部搜索能力。

3.2 雙層互動(dòng)調(diào)控流程

在雙層調(diào)控過(guò)程中，規(guī)劃層考慮FR 投資成本與電壓穩(wěn)定性初步分配新能源安裝位置與FR 改造容量。運(yùn)行層綜合經(jīng)濟(jì)成本、靈活性缺失度及峰谷差值等指標(biāo)協(xié)同調(diào)控源荷資源，通過(guò)PMPSO 算法進(jìn)行多目標(biāo)優(yōu)化，篩選求解后的多樣性方案反饋規(guī)劃層，得到最優(yōu)調(diào)控結(jié)果。雙層規(guī)劃運(yùn)行求解流程見圖1。

圖1 雙層互動(dòng)調(diào)控流程Fig.1 Two-layer interactive control process

4 算例分析

4.1 基本參數(shù)設(shè)置

以圖2 所示的東北某地區(qū)實(shí)際66 kV 118 節(jié)點(diǎn)區(qū)域電網(wǎng)為例，其中1，11，34，72 節(jié)點(diǎn)為變壓器裝配節(jié)點(diǎn)。該地區(qū)典型風(fēng)光波動(dòng)特性參考文獻(xiàn)[18]。

圖2 118節(jié)點(diǎn)實(shí)際電網(wǎng)接線圖Fig.2 Wiring diagram for 118-bus actual power grid

利用PMPSO 算法對(duì)雙層優(yōu)化模型求解，具體參數(shù)設(shè)置見表1。

表1 PMPSO算法參數(shù)設(shè)置Table 1 Parameter setting of PMPSO optimization

電網(wǎng)分時(shí)電價(jià)曲線如圖3 所示[18]。

圖3 電價(jià)曲線圖Fig.3 Curve of electricity price

文獻(xiàn)[19-20]表明，工業(yè)負(fù)荷作為電網(wǎng)調(diào)控下的受控FR，其可控容量約為5%～10%；民用負(fù)荷作為主動(dòng)FR 參與調(diào)節(jié)，可控容量約為10%～15%。

4.2 仿真分析

規(guī)劃層首先考慮新能源并網(wǎng)后各節(jié)點(diǎn)的電壓穩(wěn)定性指標(biāo)，確定風(fēng)光、MT 和抽蓄的接入位置。圖4為節(jié)點(diǎn)電壓穩(wěn)定性示意圖。

圖4 節(jié)點(diǎn)電壓穩(wěn)定性Fig.4 Voltage stability of each bus

由圖4 可知，在節(jié)點(diǎn)28，39，45，61，78，82 接入風(fēng)光的電壓穩(wěn)定性最佳，經(jīng)對(duì)比分析，選擇28，39，45，61 節(jié)點(diǎn)接入新能源，安裝總?cè)萘繛?1 MW，此時(shí)新能的發(fā)電占比為20%。此外受控FR 中的MT 響應(yīng)容量為4 MW，待接入節(jié)點(diǎn)為7，8，82 節(jié)點(diǎn)；抽蓄響應(yīng)容量6 MW，選擇變壓器節(jié)點(diǎn)中電壓穩(wěn)定性較高的1，72 號(hào)節(jié)點(diǎn)作為待接入節(jié)點(diǎn)。

考慮負(fù)荷側(cè)FR，與民用負(fù)荷相比，工業(yè)負(fù)荷可控規(guī)模更大、規(guī)律性更強(qiáng)[21-23]，故設(shè)定其受控FR 改造上限為總負(fù)荷的15%。DR 改造成本為2.6 萬(wàn)元/MW，其中年利率8%，規(guī)劃總時(shí)段為5 年[24-25]，根據(jù)式（8）折算到日均值約為56 元?？紤]將民用負(fù)荷的5%～15%設(shè)為主動(dòng)FR 參與電網(wǎng)調(diào)控。選擇大型工業(yè)負(fù)荷節(jié)點(diǎn)19，31，32，43，82，116 作為受控DR，民用負(fù)荷聚集節(jié)點(diǎn)23，45，67 作為主動(dòng)DR 在電價(jià)激勵(lì)下自主參與調(diào)控。

在運(yùn)行層選取4 種電網(wǎng)運(yùn)行場(chǎng)景：1）場(chǎng)景一：主動(dòng)DR 參與調(diào)控；2）場(chǎng)景二：主動(dòng)/受控DR 共同參與調(diào)控；3）場(chǎng)景三：主動(dòng)/受控DR 與受控資源MT 共同參與調(diào)控；4）場(chǎng)景四：主動(dòng)/受控DR 與受控資源MT 和抽蓄共同參與調(diào)控。研究3 種FR 在4 種工況下對(duì)電網(wǎng)調(diào)控的影響，運(yùn)行后的Pareto 解集見圖5。

圖5 各場(chǎng)景多目標(biāo)優(yōu)化Pareto解集Fig.5 Pareto solution set with multi-objective optimization for each scenario

圖5 中每個(gè)Pareto 解都對(duì)應(yīng)一組優(yōu)化方案，選取靈活性缺失度較低的方案作為部分典型方案，如表2 所示。

表2 各場(chǎng)景典型優(yōu)化方案結(jié)果Table 2 Results of typical optimization schemes in different scenes

對(duì)比分析各典型方案優(yōu)化效果，場(chǎng)景二與場(chǎng)景一相比，考慮了受控DR 參與電網(wǎng)調(diào)控后，運(yùn)行成本增加了5.3 萬(wàn)元，靈活性缺失度下降4.4%，峰谷差值下降了4 MW，表明其經(jīng)濟(jì)性和靈活性得以改善。場(chǎng)景三與場(chǎng)景二相比，接入MT 使運(yùn)行成本增加了0.8 萬(wàn)元，靈活性缺失度下降4.7%，峰谷差值下降2.2 MW，說(shuō)明MT 接入后雖然小幅度增大電網(wǎng)經(jīng)濟(jì)成本，但對(duì)電網(wǎng)的靈活性發(fā)揮一定的調(diào)節(jié)作用。場(chǎng)景四在場(chǎng)景三的基礎(chǔ)上考慮抽蓄，運(yùn)行成本減少了5.1 萬(wàn)元，靈活性缺失度下降4.2%，峰谷差值下降3.1 MW，表明抽蓄對(duì)電網(wǎng)運(yùn)行的經(jīng)濟(jì)性和靈活性具有顯著的改善能力。

根據(jù)運(yùn)行層各場(chǎng)景中的典型方案，將優(yōu)化結(jié)果反饋規(guī)劃層，進(jìn)一步優(yōu)化資源配置，結(jié)果見表3。

表3 不同場(chǎng)景下規(guī)劃層配置方案Table 3 Configuration schemes for planning layer in different scenarios

場(chǎng)景三與場(chǎng)景二相比，擴(kuò)大MT 規(guī)模，提升受控DR 的容量，使電壓穩(wěn)定性得到較大改善；場(chǎng)景四與場(chǎng)景三相比，雖然減小MT 規(guī)模，但由于抽蓄的投入，使主動(dòng)/受控DR 容量增加，經(jīng)濟(jì)費(fèi)用降低。結(jié)果表明，多種FR 協(xié)同配置可以有效提高電網(wǎng)經(jīng)濟(jì)性和穩(wěn)定性。

以場(chǎng)景四為例，考慮24 h 源荷波動(dòng)，分析主動(dòng)/受控FR 對(duì)電網(wǎng)調(diào)控的影響，如圖6 所示。在圖6（a）中，優(yōu)化前凈負(fù)荷曲線在10:00—12:00 和20:00—22:00 的2 個(gè)時(shí)段出現(xiàn)2 個(gè)波峰，峰谷差為61.6 MW。綜合能源最小出力為傳統(tǒng)火電機(jī)組最低出力與風(fēng)光出力之和。凈負(fù)荷波動(dòng)較為劇烈，電網(wǎng)靈活性缺失度較高。在23:00-7:00 時(shí)段，風(fēng)光出力高于負(fù)荷實(shí)際需求，出現(xiàn)了棄風(fēng)棄光的情況。在圖6（b）中，抽蓄機(jī)組在23:00-7：00 時(shí)段處于抽蓄狀態(tài)，在8：00-22：00 期間作為發(fā)電補(bǔ)充。MT 在全天進(jìn)行平穩(wěn)出力，為電網(wǎng)運(yùn)行提供穩(wěn)定性。經(jīng)源荷側(cè)的多種FR 協(xié)同參與調(diào)控，電網(wǎng)運(yùn)行峰谷差值下降至44 MW。

圖6 FR參與調(diào)控前后電網(wǎng)24 h源荷功率Fig.6 24 h source-load power fluctuation in power grid before and after FR participating in regulation

源荷側(cè)FR 共同參與風(fēng)光消納，使負(fù)荷時(shí)序波動(dòng)更加貼近綜合能源出力，且DR 在消納風(fēng)光過(guò)程中通過(guò)改變?cè)袃糌?fù)荷曲線，能夠?qū)崿F(xiàn)削峰填谷作用。

4.3 負(fù)荷側(cè)FR構(gòu)成對(duì)電網(wǎng)運(yùn)行影響評(píng)估

進(jìn)一步分析負(fù)荷側(cè)FR 主動(dòng)/受控資源在電網(wǎng)運(yùn)行時(shí)對(duì)風(fēng)光消納和電網(wǎng)靈活性的影響。以場(chǎng)景四為研究對(duì)象，規(guī)劃層初步設(shè)定新能源發(fā)電占比20%。運(yùn)行層設(shè)定主動(dòng)DR 參與容量分別為5%，10%，15% 3 種模式，受控DR 占比分別為5%和10%，典型優(yōu)化方案見表4。

表4 典型運(yùn)行模式優(yōu)化結(jié)果Table 4 Optimization result of typical operating mode for operating layer

在運(yùn)行層提升了受控DR 占比和主動(dòng)DR 參與度，并將結(jié)果反饋至規(guī)劃層，得到修正后的規(guī)劃層配置策略，如表5 所示，規(guī)劃層新能源安裝容量增加7.5 MW。

表5 典型運(yùn)行模式優(yōu)化結(jié)果Table 5 Optimization result of typical operating mode for planning layer

5 結(jié)語(yǔ)

研究源荷側(cè)FR 的風(fēng)光消納互動(dòng)調(diào)控方法，通過(guò)多種FR 參與電網(wǎng)運(yùn)行調(diào)控，能夠避免因新能源接入所造成的靈活性不足問(wèn)題。電源側(cè)FR 中由于抽蓄可以靈活調(diào)節(jié)自身的功率供需狀態(tài)，便于提升電網(wǎng)調(diào)節(jié)的靈活性；MT 可以持續(xù)穩(wěn)定供電，主要在電網(wǎng)穩(wěn)定性上發(fā)揮作用。在負(fù)荷側(cè)FR 中，受控DR 負(fù)荷多為大型工業(yè)負(fù)荷，具有可控性高和規(guī)模大的特點(diǎn)，因此應(yīng)大力推廣其可控改造進(jìn)程，以符合“雙碳”需求。