摘 要：針對綜合能源系統(tǒng)低碳經(jīng)濟調(diào)度問題，構(gòu)建含多微能網(wǎng)綜合能源系統(tǒng)低碳經(jīng)濟運行框架，提出一種考慮綠證-碳交易機制的綜合能源系統(tǒng)雙層優(yōu)化調(diào)度方法。首先，利用碳排放流模型計算能源網(wǎng)絡(luò)中各負荷節(jié)點的碳排放因子，實現(xiàn)碳排放量的科學核算；其次，通過分析碳交易和綠證交易市場的運行機制，建立微能網(wǎng)碳交易模型和綠色證書交易模型，并設(shè)計綠證-碳交易銜接機制以減輕微能網(wǎng)的碳交易履約成本；然后，建立綠證-碳交易機制下的綜合能源系統(tǒng)雙層優(yōu)化調(diào)度模型，上層為電網(wǎng)和氣網(wǎng)經(jīng)濟調(diào)度模型，下層以運行成本最小為目標建立計及需求響應(yīng)的多微能網(wǎng)低碳經(jīng)濟調(diào)度模型。最后，算例仿真表明，該方法可有效降低碳排放量、減少新能源棄電量，實現(xiàn)綜合能源系統(tǒng)的低碳經(jīng)濟運行。

關(guān)鍵詞：綜合能源系統(tǒng)；碳排放流；綠證交易；碳交易；需求響應(yīng)

中圖分類號：TM73 文獻標志碼：A

0 引 言

構(gòu)建現(xiàn)代能源體系，推動能源生產(chǎn)消費方式綠色低碳變革，是實現(xiàn)中國“3060”雙碳目標的重要舉措［1-3］。能源體系發(fā)展可促進區(qū)域綜合能源系統(tǒng)的建設(shè)，實現(xiàn)電、氣系統(tǒng)的協(xié)調(diào)優(yōu)化。微能網(wǎng)（micro integrated energy system，MIES）作為區(qū)域綜合能源網(wǎng)絡(luò)的底層終端，集能源的生產(chǎn)、轉(zhuǎn)換、利用于一體。隨著碳交易（carbon emission trading，CET）和綠證交易（green certificate trading，GCT）的發(fā)展，亟需厘清區(qū)域綜合能源系統(tǒng)與微能網(wǎng)間的碳排放責任劃分，探索區(qū)域綜合能源系統(tǒng)與MIES 間的協(xié)同調(diào)度機制，研究MIES 低碳經(jīng)濟調(diào)度方法，助力雙碳目標實現(xiàn)。

CET 機制是減少碳排放的有效途徑［4-5］，目前國內(nèi)外部分學者研究了CET 機制對綜合能源系統(tǒng)調(diào)度策略的影響。文獻［6-8］采用固定碳排放因子開展碳排放核算，建立考慮CET 成本的綜合能源系統(tǒng)優(yōu)化模型，對超額碳排放進行經(jīng)濟懲罰，促進綜合能源系統(tǒng)降低碳排放；文獻［9］提出考慮碳交易機制的綜合能源系統(tǒng)經(jīng)濟運行優(yōu)化模型，分析了碳交易機制對減少碳排放、促進風電消納具有積極作用。然而上述研究均從供給側(cè)的角度考慮CET，并未研究CET 機制對于需求側(cè)的影響。文獻［10-13］提出電力系統(tǒng)碳排放流的基本概念，建立基于動態(tài)碳排放因子的電力系統(tǒng)源荷優(yōu)化調(diào)度模型，通過源荷互動降低了系統(tǒng)碳排放。但目前鮮有文獻研究含多MIES 區(qū)域綜合能源系統(tǒng)的碳排放責任劃分，對CET 機制下MIES 的低碳運行也有待深入研究。

GCT 機制是可再生能源配額制的輔助政策工具，可有效促進綠色電力消納。文獻［14］分析了不同綠證價格對可再生能源消納和系統(tǒng)運行經(jīng)濟性的影響；文獻［15］針對虛擬電廠，通過引入GCT 機制提高了可再生能源消納率；文獻［16］建立考慮GCT 的虛擬電廠與負荷側(cè)高耗能企業(yè)的雙側(cè)協(xié)調(diào)優(yōu)化模型，分析了GCT 對促進可再生能源消納的作用；文獻［17］剖析了碳市場、電力市場、綠證市場之間的關(guān)聯(lián)關(guān)系與交互影響機理。雖然CET 和GCT 機制對促進碳減排均有一定作用，但實現(xiàn)方式不同，上述研究并未考慮GCT 與CET 機制對系統(tǒng)運行策略的協(xié)同影響，也鮮有對GCT 市場和CET市場銜接機制的研究。

隨著需求側(cè)資源的不斷增長，如何有效挖掘和利用需求側(cè)靈活經(jīng)濟潛力已成為當前研究的熱點之一［18-19］。文獻［20］建立微網(wǎng)的激勵型電負荷需求響應(yīng)模型，通過挖掘需求響應(yīng)資源平抑風光出力波動性，提高了新能源的利用率；文獻［21］建立電、熱負荷的價格型需求響應(yīng)模型，以實時價格為信號引導(dǎo)用戶改變用能行為，降低了綜合能源系統(tǒng)的運行成本；文獻［22］建立電、熱、冷多類負荷的需求響應(yīng)模型，通過補貼激勵方式對負荷進行調(diào)控，提高了多微網(wǎng)系統(tǒng)的運行經(jīng)濟性。上述研究主要集中在以價格型或激勵型方式引導(dǎo)用戶用電行為，從而降低系統(tǒng)運行成本。隨著CET 市場和GCT 市場的建立，如何有效調(diào)動需求側(cè)響應(yīng)資源，降低MIES碳排放、提高新能源利用率具有重要意義。

綜上，本文在研究區(qū)域綜合能源系統(tǒng)碳排放流理論的基礎(chǔ)上，建立基于動態(tài)碳排放因子的碳排放計量模型，從而實現(xiàn)各MIES 碳排放責任的有效核算；在研究現(xiàn)有GCT 市場和CET 市場的運行機制的基礎(chǔ)上，構(gòu)建MIES 的CET 模型和GCT 模型，為減輕MIES 的碳交易履約成本，進一步設(shè)計GCT與CET 市場的銜接機制；由此，提出GCT-CET 機制下考慮需求響應(yīng)的綜合能源系統(tǒng)雙層優(yōu)化調(diào)度方法，通過調(diào)用MIES需求側(cè)資源的低碳運行潛力，實現(xiàn)綜合能源系統(tǒng)和多MIES系統(tǒng)的經(jīng)濟、低碳優(yōu)化調(diào)度。

1 含多MIES 綜合能源系統(tǒng)調(diào)度框架

1.1 綜合能源系統(tǒng)架構(gòu)

本文將對含多MIES 綜合能源系統(tǒng)日前調(diào)度開展研究。綜合能源系統(tǒng)架構(gòu)如圖1 所示，上層系統(tǒng)由電力系統(tǒng)和天然氣系統(tǒng)共同組成，電力系統(tǒng)主要包括發(fā)電機組和傳輸線路，天然氣系統(tǒng)主要包括天然氣井和傳輸管道。下層系統(tǒng)由多個MIES 組成，分布在能源網(wǎng)絡(luò)的不同節(jié)點上，含光伏機組（photovoltaic，PV）、風電機組（wind turbine，WT）、電儲能（energy storage system，ESS）、熱電聯(lián)產(chǎn)機組（combined heatand power unit，CHP）、燃氣鍋爐（gas boiler，GB）、電熱泵（heatpump，HP）和儲熱罐（thermal energy storage，TES）。

在上層系統(tǒng)中，綜合能源系統(tǒng)運營商根據(jù)各MIES 的購能方案，在制定調(diào)度方案后，在向下層的MIES 發(fā)布動態(tài)碳排放因子，作為MIES 碳計量和CET 成本核算的必要依據(jù)。下層系統(tǒng)中，MIES 將考慮CET 和GCT 機制的影響，制定最優(yōu)調(diào)度計劃，通過需求響應(yīng)優(yōu)化負荷曲線，配合內(nèi)部設(shè)備的靈活運行方式，從而確定向上層系統(tǒng)的購電、購氣方案，實現(xiàn)MIES 運行成本最小，并經(jīng)過迭代運行實現(xiàn)雙層模型的優(yōu)化。

1.2 基于碳排放流理論的碳計量模型

在研究比例分擔原則的基礎(chǔ)上，建立綜合能源系統(tǒng)的碳計量模型，從而科學計算系統(tǒng)在生產(chǎn)、運輸和消費環(huán)節(jié)的碳排放量，并將碳排放責任歸算到綜合能源系統(tǒng)中的消費側(cè)［10］。模型為：

式中：ee，n—— 電網(wǎng)系統(tǒng)中節(jié)點n 的碳排放因子，t/MWh；Pi——注入節(jié)點的功率，MW；ρi——注入節(jié)點的支路碳流密度，t/MWh；PGn——與節(jié)點n 所連的發(fā)電機的輸出功率，MW；ρGn——發(fā)電機碳排放強度，t/MWh；Ipower——與節(jié)點相連并注入功率的支路數(shù)量。

天然氣的燃燒會產(chǎn)生CO2，根據(jù)潮流追蹤的方法，建立天然氣系統(tǒng)的碳排放流模型［23］。

式中：egas，m—— 天然氣網(wǎng)絡(luò)中節(jié)點m 的碳排放因子，t/m3；Qi——管道i 注入節(jié)點的氣流量，m3；ρi——注入節(jié)點的支路碳流密度，t/m3；Qwm——與節(jié)點m 所連的天然氣井的開采氣流量，m3；ρwm——氣井碳排放強度，t/m3；Igas——與節(jié)點相連并注入氣流的管道數(shù)量。

1.3 微能網(wǎng)CET和GCT交易機制建模

CET 市場和GCT 市場以市場化手段激勵用能主體降低碳排放的同時，可有效提升含多MIES 綜合能源系統(tǒng)可再生能源的利用率。本節(jié)在分析CET 和GCT 機制的基礎(chǔ)上，分別建立MIES 的CET 模型和GCT 模型，并進一步研究GCT市場和CET 市場間的銜接機制，運行框架如圖2 所示。

1.3.1 MIES 系統(tǒng)CET 機制建模

采用碳排放流模型準確計算出能源網(wǎng)絡(luò)中動態(tài)碳排放因子的基礎(chǔ)上，進一步計算MIES 因能源消費所產(chǎn)生的實際碳排放量。通過研究碳排放權(quán)交易市場規(guī)則，為每個MIES分配初始碳配額，當MIES 的實際碳排放量少于碳配額時，可在CET 市場上出售多余的碳配額；反之，則需購買超額部分的碳配額以滿足考核指標。目前國內(nèi)電力行業(yè)一般采用無償方式進行初始配額分配［24］，基于此建立MIES 的CET 模型如式（3）所示。當Dc gt;Qc 時，MIES 需購買缺額的碳排放配額，產(chǎn)生碳排放成本；反之，則能在碳交易市場出售多余的碳配額獲利。

式中：T——調(diào)度周期，h；Qtgas——MIES 的天然氣購買量，m3；Pte——MIES 的購電功率，MW；CCET——碳排放交易成本，元；pCET——CET 單價，元/t；ap、ah——單位發(fā)電量、單位供熱量的碳配額系數(shù)，t/MWh；PtCHP、HtCHP——CHP 輸出的電功率、熱功率，MW；HtGB——GB 輸出的熱功率，MW；Dc、Qc——MIES 的實際碳排放量、碳配額，t。

1.3.2 MIES 系統(tǒng)GCT 機制建模

通過規(guī)定用戶消費電量中新能源的最低配額，激發(fā)消費側(cè)綠色用電活力。MIES 作為電力消費方，其綠色電力的最低占比可表示為：

式中：wq——新能源配額系數(shù)；Ptload——MIES 的用電功率預(yù)測值；NGCT，s——滿足考核指標所需的綠證數(shù)量。

MIES 中配備PV 和WT，其生產(chǎn)的綠色電力經(jīng)監(jiān)管機構(gòu)確認后將為其頒發(fā)綠證，從而能夠參與綠證市場交易。當MIES 獲得的綠證數(shù)量大于考核指標時，可在GCT 市場出售多余的綠證獲取利潤；反之，則需購買綠證作為補充以滿足考核指標［15］。MIES 的GCT 模型如式（5）所示。當NGCT，d gt;NGCT，s 時，MIES 需要在GCT 市場購買缺額的綠證；反之，則能出售多余的綠證獲利。

式中：wgreen—— 新能源發(fā)電量轉(zhuǎn)化為綠證的系數(shù)；PtPV、PtWT—— t 時刻PV、WT 的發(fā)電功率；CGCT—— GCT 成本；pGCT——GCT 單價；NGCT，d——系統(tǒng)中新能源發(fā)電獲得的綠證。

1.3.3 GCT-CET 銜接機制建模

綠證包含新能源的“上網(wǎng)身份證”，而新能源的碳減排量可由計算得出。因此，本文設(shè)計GCT-CET 銜接機制，綠證在參與綠證交易確定歸屬權(quán)后，MIES 所持有的綠證憑借其所具有的碳減排屬性，在碳排放核算時對碳排放量予以扣減，而已出售的綠證不再計算碳減排量，從而構(gòu)建綠證和碳減排的關(guān)聯(lián)關(guān)系。建立的考慮GCT 和CET 銜接機制下的MIES的CET 模型為：

式中：De——綠證碳排放扣減量，t；Ec——綠證的碳減排量扣減系數(shù)，t/本；eaeve——區(qū)域電網(wǎng)平均碳排放因子，t/MWh；CCET，in——GCT 和CET 銜接機制下的碳排放成本。

碳排放權(quán)具有商品屬性，且從微觀和近期來看，碳價主要由碳排放權(quán)供需情況決定。碳市場上的碳排放權(quán)供需關(guān)系可用經(jīng)濟學供需模型來表示，如圖3 所示。隨著市場上碳配額需求量的增加，碳價將不斷升高，當需求量超過市場上碳排放指標時，碳價將變?yōu)楹愣ú蛔兊膽土P價格。而當市場的碳配額供應(yīng)增加時，將使碳價不斷降低，直至變?yōu)槭袌鏊O(shè)定的最低價格。而綠證的碳減排作用可看作是一種外生變量，它增加了市場上的碳配額供應(yīng)量，將對碳排放權(quán)的交易價格產(chǎn)生一定影響。

1.4 基于碳排放流理論的碳計量模型

在GCT 和CET 機制下，MIES 通過需求響應(yīng)引導(dǎo)用戶改變用能需求，并調(diào)整設(shè)備的出力以滿足負荷需求，從而減少系統(tǒng)碳排放量、促進風光消納、降低系統(tǒng)運行成本。根據(jù)MIES 內(nèi)的負荷特性，可將參與需求響應(yīng)的電、熱負荷分為轉(zhuǎn)移負荷、可削減負荷［22］，并建立電、熱負荷的綜合需求響應(yīng)模型。

式中：Ptbase、Ptcut 和Ptshift——基本電負荷、可削減電負荷和可轉(zhuǎn)移電負荷，MW；Pcmuatx——可削減電負荷上限，MW；Psmhaifxt——可轉(zhuǎn)移電負荷上限 MW；Psshuimft——調(diào)度時段內(nèi)的電負荷轉(zhuǎn)移總量，MW；cP，shift—— 單位電負荷轉(zhuǎn)移補償成本，元/MW；cP，cut——單位電負荷削減補償成本，元/MW；CP，DR——電負荷需求響應(yīng)成本，元。

式中：下標x——儲能類型，包括ESS、TES；Etx——t 時刻儲能裝置x 的剩余能量，MWh；δx——儲能裝置的損失系數(shù)；ηx，c、ηx，d——儲能裝置的能量輸入、輸出轉(zhuǎn)換效率；Emin x 、Emax x ——儲能裝置的最大、最小存儲容量，MWh；Pmax x，c 、Pmax x，d ——儲能裝置的最大蓄能、釋能功率；Ptx，c、Ptx，d——儲能裝置的蓄能、釋能功率；λtx，c、λtx，d——儲能裝置的輸入、輸出狀態(tài)的0-1 變量。

7）功率平衡約束

2.2.3 求解算法

模型求解流程圖如圖4 所示，具體求解步驟為：

步驟1：輸入負荷預(yù)測值、設(shè)備參數(shù)等參數(shù)初始化；

步驟2：求解上層經(jīng)濟調(diào)度模型，輸出機組出力、氣井產(chǎn)出以及線路、管道聯(lián)絡(luò)功率；

步驟3：利用碳排放流理模型計算出節(jié)點碳排放因子；

步驟4：求解下層MIES 低碳經(jīng)濟調(diào)度模型，并將優(yōu)化后的購能方案反饋給上層系統(tǒng)；

步驟 5：判斷 | Pte（，iλ +1） –Pte（，iλ） |≤εp 和 |Q | t（λ +1） gas，i –Qtg（aλs，）i ≤εq 是否同時成立，若成立則迭代終止，若不成立則轉(zhuǎn)向步驟2；為防止在迭代計算過程中出現(xiàn)振蕩，采用二分法對MIES 的購電量和購氣量進行約束；

步驟6：輸出調(diào)度結(jié)果進行分析。

3 算例分析

3.1 基礎(chǔ)數(shù)據(jù)

采用5 節(jié)點電網(wǎng)系統(tǒng)［14-15］、6 節(jié)點天然氣網(wǎng)系統(tǒng)［27］和3 個MIES 組成的系統(tǒng)進行算例分析，系統(tǒng)結(jié)構(gòu)圖如圖5 所示，G 為火電機組，GW 為天然氣氣井。設(shè)定GCT 價格為100 元/本，CET 價格為100 元/t。WT、PV 的基準值分別為25、50 MW，MIES1 的電負荷、熱負荷的基準值分別為100、120 MW，MIES2 的電負荷、熱負荷的基準值分別為100、160 MW，MIES3 的電負荷、熱負荷的基準值分別為120、160 MW。

為驗證本文所提模型在不同季節(jié)下的有效性，選取春、夏、秋、冬4 個典型日進行仿真分析。設(shè)置日前調(diào)度周期為24 h，以1 h 作為步長，建立5 個場景，以分析本文所提模型的經(jīng)濟性與低碳性：

場景1：不考慮CET、GCT 和需求響應(yīng)；

場景2：考慮GCT，不考慮CET 和需求響應(yīng)；

場景3：考慮CET，不考慮GCT 和需求響應(yīng)；

場景4：考慮CET 和GCT，不考慮需求響應(yīng)；

場景5：考慮CET、GCT 和需求響應(yīng)。

3.2 基礎(chǔ)數(shù)據(jù)

MIES 的光伏、風電出力數(shù)據(jù)如圖6 所示，熱、電負荷如圖7 所示。機組參數(shù)見表1，MIES 設(shè)備參數(shù)參考文獻［4］和文獻［25］。本文在日前調(diào)度中使用多場景方法描述風光出力不確定性。大量研究表明，風速服從Weibull 分布［28］，PV出力服從Beta 分布［29］。根據(jù)風光出力的概率分布，采用拉丁超立方抽樣技術(shù)分別生成1000 個WT 和PV 出力場景，再利用K-均值方法縮減得5 個概率不同的WT、PV 出力場景，將上述場景出現(xiàn)的概率與對應(yīng)的功率相乘求和，分別得到計及不確定性的WT、PV 功率曲線。

3.3 結(jié)果分析

不同季節(jié)典型日算例調(diào)度結(jié)果如表2 示，以冬季典型日為例對調(diào)度結(jié)果展開分析。

3.3.1 不同場景下成本及碳排放量分析

由表2 可知，在場景1 下，由于未考慮CET，下層系統(tǒng)傾向于購買更多電能，系統(tǒng)運行成本最低，但碳排放量也最高。通過場景2 和場景1 的比較，場景2 總成本減少了8.67 萬元，這是由于出售剩余的綠證，減少了系統(tǒng)的運行成本；此外，場景2 新能源棄電量減少了24.67 MW，碳排放量減少了42.61 t，這說明GCT 有利于促進新能源消納，減少碳排放量。場景3 相較于場景1，由于考慮了碳排放成本，降低了對外部電能的購買量，轉(zhuǎn)而購買碳排放強度較低的天然氣滿足負荷需求，因此碳排放量減少了1191.20 t，運行成本增加了26.47 萬元。場景4 同時考慮了CET 和GCT，相較于僅考慮GCT 的場景3，運行成本和碳排放量進一步減少，有效證明了在GCT-CET 機制下，可減少下層綜合能源系統(tǒng)的運行成本和碳排放量。在場景5 下，由于引入了需求響應(yīng)機制，挖掘了負荷的靈活性，提升了下層系統(tǒng)的低碳性和經(jīng)濟性。

各場景下系統(tǒng)凈購電量和購氣量如圖8 所示，當考慮CET 時，由于外購電量主要由燃煤機組發(fā)出，其碳排放強度遠高于天然氣，所以場景3～場景5 相比場景1 外購電力分別減少2215.32、2204.45、2534.60 MWh，天然氣購買量增加3287.86、3261.28、3669.35 MWh。當僅考慮GCT 時，系統(tǒng)傾向于使用更多的新能源，場景2 相較于場景1，外購電力減少了18.08 MWh。

3.3.2 場景5 調(diào)度結(jié)果分析

圖9 為各MIES 所處節(jié)點的動態(tài)碳排放因子曲線，由于在系統(tǒng)中所處的位置不同，以及線路傳輸約束，造成同一時刻碳排放因子存在差異。由于MIES2 的外購電能主要由機組2 提供，因此碳排放因子變化范圍較少。對于MIES1 和MIES3，可看出碳排放因子趨勢基本相同，08：00—22：00 碳排放因子較低，此時段內(nèi)新能源機組出力較高，下層系統(tǒng)的外購電量較低，且外購電力主要由碳排放強度較低的機組1 提供。在01：00—07：00 時段內(nèi)新能源出力下降，負荷量升高，由于線路傳輸容量約束，機組1 發(fā)電量受到傳輸極限約束，因此碳排放系數(shù)較高的機組2 和機組3 的功率比例增加，系統(tǒng)各節(jié)點的碳排放因子相對較高。

MIES1 電負荷優(yōu)化如圖10a 所示，在11：00—15：00 時段，MIES 內(nèi)部新能源出力較高，系統(tǒng)以新能源供能為主，將02：00—06：00 和16：00—21：00 時段內(nèi)的電負荷進行轉(zhuǎn)移，負荷隨新能源出力變化更加顯著。MIES1 熱負荷優(yōu)化如圖10b 所示，系統(tǒng)將08：00—12：00 和17：00—20：00 時段內(nèi)的熱負荷轉(zhuǎn)移入13：00—16：00 時段，增加了HP 的出力，促進新能源消納，在新能源出力較低的時段，熱能主要由CHP 和GB 提供，減少了HP 出力，降低對電能的依賴。MIES3 內(nèi)電負荷優(yōu)化如圖10c所示，由于內(nèi)部負荷量較大，新能源利用率較高。此外，由于考慮了CET，因此對天然氣的需求較大，CHP 由于具有較高的效率，所以始終運行在出力較大的區(qū)間內(nèi)。

各場景下MIES3 的HP 和燃氣機組出力如圖11，在CET機制下，場景3～場景5 相較于場景1，燃氣機組的出力增加，降低了MIES3 系統(tǒng)的外購電量，降低了系統(tǒng)的CET 成本。

3.3.3 碳計量結(jié)果分析

對于場景5，本文對固定碳排放因子下的調(diào)度結(jié)果進行分析，固定碳排放因子取1.08 t/MWh［30］。各MIES 的碳排放量結(jié)果如表3 所示，當采用動態(tài)碳排放因子進行碳排放量計算時，考慮了碳排放因子的時空差異性，計算得到MIES 所產(chǎn)生的實際碳排放量。當采用固定碳排放因子時，下層各MIES 所獲取的碳排放因子在不同時間點保持不變，因此碳排放量和CET 成本明顯增加。

3.4 GCT-CET銜接機制場景分析

以各行業(yè)平均碳排放因子為基準，作為碳減排基準，研究不同扣減系數(shù)對下層系統(tǒng)的影響。不同扣減系數(shù)下系統(tǒng)運行成本與碳排放量如表4 所示。隨著扣減系數(shù)的增大，需支付的碳排放成本下降，因此系統(tǒng)的運行成本呈現(xiàn)下降趨勢。

在綠證機制下，為滿足考核指標下層系統(tǒng)所需的綠證配額數(shù)量為1345.02，當扣減系數(shù)達到0.5 時，可抵扣489.58 t碳排放量，約占系統(tǒng)總碳排放量的14.37%，節(jié)省4.89 萬元的CET 成本，在未來新能源大規(guī)模并網(wǎng)的背景下，該扣減系數(shù)明顯較高，將使碳排放權(quán)交易價格出現(xiàn)波動，對CET 市場的發(fā)展造成一定影響。因此，本文選取0.5 作為抵扣系數(shù)，并參考國家核證自愿碳減排量機制下最高抵扣比例不高于年度碳排放量的5% 的規(guī)則。在此抵扣機制下，由綠證抵扣的碳排放量為340.57 t，節(jié)省系統(tǒng)的CET 成本3.40 萬元。

4 結(jié) 論

本文針對含多MIES 的綜合能源系統(tǒng)低碳經(jīng)濟調(diào)度問題，構(gòu)建綜合能源系統(tǒng)碳計量模型，將碳排放歸算至負荷側(cè)，并結(jié)合GCT-CET 機制研究考慮需求響應(yīng)的綜合能源系統(tǒng)雙層優(yōu)化調(diào)度方法，得到以下主要結(jié)論：

1）基于碳排放流理論建立了綜合能源系統(tǒng)中MIES 的碳計量模型，以動態(tài)碳排放因子代替固定碳排放因子，反映不同用戶不同能源消費行為的碳排放差異，從而實現(xiàn)碳排放的科學計量。

2）本文所提的考慮GCT-CET 機制的MIES 優(yōu)化模型，與單獨考慮GCT 機制相比，進一步挖掘了需求側(cè)的靈活性，在顯著減少MIES 碳排放的同時，兼顧了系統(tǒng)運行經(jīng)濟性。

3）在考慮GCT 與CET 銜接機制時，由于綠證的碳排抵扣作用，新能源發(fā)電的環(huán)保價值得到進一步體現(xiàn)，同時縮減了MIES 的碳交易履約成本。

［參考文獻］

［1］ 田世明， 欒文鵬， 張東霞， 等. 能源互聯(lián)網(wǎng)技術(shù)形態(tài)與關(guān)鍵技術(shù)［J］. 中國電機工程學報， 2015， 35（14）： 3482-3494.

TIAN S M， LUAN W P， ZHANG D X， et al. Technicalforms and key technologies on energy internet［J］.Proceedings of the CSEE， 2015， 35（14）： 3482-3494.

［2］ 黎靜華， 朱夢姝， 陸悅江， 等. 綜合能源系統(tǒng)優(yōu)化調(diào)度綜述［J］. 電網(wǎng)技術(shù)， 2021， 45（6）： 2256-2272.

LI J H， ZHU M S， LU Y J， et al. Review on optimalscheduling of integrated energy systems［J］. Power systemtechnology， 2021， 45（6）： 2256-2272.

［3］ 陳星星. 中國碳排放權(quán)交易市場：成效、現(xiàn)實與策略［J］.東南學術(shù)， 2022，（ 04）： 167-177.

CHEN X X. China’s carbon emissions trading market：effectiveness， reality and strategy［J］. Southeast academicresearch， 2022，（ 04）： 167-177.

［4］ 陳登勇， 劉方， 劉帥. 基于階梯碳交易的含P2G-CCS耦合和燃氣摻氫的虛擬電廠優(yōu)化調(diào)度［J］. 電網(wǎng)技術(shù)，2022， 46（6）： 2042-2054.

CHEN D Y， LIU F， LIU S. Optimization of virtual powerplant scheduling coupling with P2G-CCS and doped withgas hydrogen based on stepped carbon trading［J］. Powersystem technology， 2022， 46（6）： 2042-2054.

［5］ 秦婷， 劉懷東， 王錦橋， 等. 基于碳交易的電-熱-氣綜合能源系統(tǒng)低碳經(jīng)濟調(diào)度［J］. 電力系統(tǒng)自動化， 2018， 42（14）： 8-13， 22.

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

［6］ 張勇， 范斯達， 高海榮， 等. 融合柔性負荷和碳交易機制的礦山綜合能源系統(tǒng)運行優(yōu)化［J］. 電力系統(tǒng)及其自動化學報， 2023， 35（4）： 148-158.

ZHANG Y， FAN S D， GAO H R， et al. Operationoptimization of coal mine integrated energy systemintegrating flexible load and carbon trading mechanism［J］.Proceedings of the CSU-EPSA， 2023， 35（4）： 148-158.

［7］ 李嘉祺， 陳艷波， 陳來軍， 等. 工業(yè)園區(qū)綜合能源系統(tǒng)低碳經(jīng)濟優(yōu)化運行模型［J］. 高電壓技術(shù)， 2022， 48（8）：3190-3200.

LI J Q， CHEN Y B， CHEN L J， et al. Low-carboneconomy optimization model of integrated energy system inindustrial parks［J］. High voltage engineering， 2022， 48（8）： 3190-3200.

［8］ 祝榮， 任永峰， 孟慶天， 等. 基于合作博弈的綜合能源系統(tǒng)電- 熱- 氣協(xié)同優(yōu)化運行策略［J］. 太陽能學報，2022， 43（4）： 20-29.

ZHU R， REN Y F， MENG Q T， et al. Electricity-heat-gascooperative optimal operation strategy of integrated energysystem based on cooperative game［J］. Acta energiae solarissinica， 2022， 43（4）： 20-29.

［9］ FENG P L， HE X. Mixed neurodynamic optimization forthe operation of multiple energy systems consideringeconomic and environmental aspects［J］. Energy， 2021，232： 120965.

［10］ 周天睿， 康重慶， 徐乾耀， 等. 電力系統(tǒng)碳排放流的計算方法初探［J］. 電力系統(tǒng)自動化， 2012， 36（11）： 44-49.

ZHOU T R， KANG C Q， XU Q Y， et al. Preliminaryinvestigation on a method for carbon emission flowcalculation of power system［J］. Automation of electric powersystems， 2012， 36（11）： 44-49.

［11］ KANG C Q， ZHOU T R， CHEN Q X， et al. Carbonemission flow from generation to demand： a network-basedmodel［J］. IEEE transactions on smart grid， 2015， 6（5）：2386-2394.

［12］ 陳厚合， 茅文玲， 張儒峰， 等. 基于碳排放流理論的電力系統(tǒng)源-荷協(xié)調(diào)低碳優(yōu)化調(diào)度［J］. 電力系統(tǒng)保護與控制， 2021， 49（10）： 1-11.

CHEN H H， MAO W L， ZHANG R F， et al. Low-carbonoptimal scheduling of a power system source-loadconsidering coordination based on carbon emission flowtheory［J］. Power system protection and control， 2021， 49（10）： 1-11.

［13］ 駱釗， 秦景輝， 梁俊宇， 等. 含綠色證書跨鏈交易的綜合能源系統(tǒng)運行優(yōu)化［J］. 電網(wǎng)技術(shù)， 2021， 45（4）：1311-1320.

LUO Z， QIN J H， LIANG J Y， et al. Operationoptimization of integrated energy system with greencertificate cross-chain transaction［J］. Power systemtechnology， 2021， 45（4）： 1311-1320.

［14］ ZHANG L， LIU D Y， CAI G W， et al. An optimaldispatch model for virtual power plant that incorporatescarbon trading and green certificate trading［J］.International journal of electrical power amp; energy systems，2023， 144： 108558.

［15］ 袁桂麗， 劉培德， 賈新潮， 等. 計及綠色電力證書制度的經(jīng)濟性優(yōu)化調(diào)度［J］. 太陽能學報， 2021， 42（4）： 139-146.

YUAN G L， LIU P D， JIA X C， et al. Economic optimalscheduling considering tradable green certificate system［J］. Acta energiae solaris sinica， 2021， 42（4）： 139-146.

［16］ 楊宏基， 周明， 武昭原， 等. 含光熱電站的電-熱能源系統(tǒng)優(yōu)化運行機制［J］. 電網(wǎng)技術(shù)， 2022， 46（1）： 175-185.

YANG H J， ZHOU M， WU Z Y， et al. Optimal operationof electro-thermal energy systems with concentrated solarpower plant［J］. Power system technology， 2022， 46（1）：175-185.

［17］ 尚楠， 陳政， 盧治霖， 等. 電力市場、碳市場及綠證市場互動機理及協(xié)調(diào)機制［J］. 電網(wǎng)技術(shù)， 2023， 47（1）： 142-154.

SHANG N， CHEN Z， LU Z L， et al. Interaction principleand cohesive mechanism between electricity market，carbon market and green power certificate market［J］.Power system technology， 2023， 47（1）： 142-154.

［18］ 徐箏， 孫宏斌， 郭慶來. 綜合需求響應(yīng)研究綜述及展望［J］. 中國電機工程學報， 2018， 38（24）： 7194-7205，7446.

XU Z， SUN H B， GUO Q L. Review and prospect ofintegrated demand response［J］. Proceedings of the CSEE，2018， 38（24）： 7194-7205， 7446.

［19］ IBRAHIM C， MOUGHARBEL I， KANAAN H Y， et al. Areview on the deployment of demand response programswith multiple aspects coexistence over smart grid platform［J］. Renewable and sustainable energy reviews， 2022，162： 112446.

［20］ 陳靈敏， 吳杰康， 張文杰， 等. 基于魯棒優(yōu)化的微能源網(wǎng)綜合需求響應(yīng)協(xié)同調(diào)度策略［J］. 電力系統(tǒng)自動化，2021， 45（21）： 159-169.

CHEN L M， WU J K， ZHANG W J， et al. Robustoptimization based coordinated scheduling strategy forintegrated demand response in micro energy grid［J］.Automation of electric power systems， 2021， 45（21）：159-169.

［21］ 劉蓉暉， 李陽， 楊秀， 等. 考慮需求響應(yīng)的社區(qū)綜合能源系統(tǒng)兩階段優(yōu)化調(diào)度［J］. 太陽能學報， 2021， 42（9）：46-54.

LIU R H， LI Y， YANG X， et al. Two-stage optimalscheduling of community integrated energy systemconsidering demand response［J］. Acta energiae solarissinica， 2021， 42（9）： 46-54.

［22］ 李鵬， 吳迪凡， 李雨薇， 等. 基于綜合需求響應(yīng)和主從博弈的多微網(wǎng)綜合能源系統(tǒng)優(yōu)化調(diào)度策略［J］. 中國電機工程學報， 2021， 41（4）： 1307-1321， 1538.

LI P， WU D F， LI Y W， et al. Optimal dispatch of multimicrogridsintegrated energy system based on integrateddemand response and Stackelberg game［J］. Proceedings ofthe CSEE， 2021， 41（4）： 1307-1321， 1538.

［23］ CHENG Y H， ZHANG N， WANG Y， et al. Modelingcarbon emission flow in multiple energy systems［J］. IEEEtransactions on smart grid， 2019， 10（4）： 3562-3574.

［24］ 林卓然， 王守相， 王紹敏， 等. 考慮階梯型碳交易機制的區(qū)域電-熱綜合能源系統(tǒng)分布協(xié)同調(diào)度方法［J］. 電網(wǎng)技術(shù)， 2023， 47（1）： 217-229.

LIN Z R， WANG S X， WANG S M， et al. Distributedcoordinated dispatching of district electric-thermalintegrated energy system considering ladder-type carbontrading mechanism［J］. Power system technology， 2023，47（1）： 217-229.

［25］ 劉曉軍， 聶凡杰， 楊冬鋒， 等. 碳捕集電廠-電轉(zhuǎn)氣聯(lián)合運行模式下考慮綠證-碳交易機制的綜合能源系統(tǒng)低碳經(jīng)濟調(diào)度［J］. 電網(wǎng)技術(shù)， 2023， 47（6）： 2207-2222.

LIU X J， NIE F J， YANG D F， et al. Low carboneconomic dispatch of integrated energy systemsconsidering green certificates-carbon trading mechanismunder CCPP-P2G joint operation model［J］. Power systemtechnology， 2023， 47（6）： 2207-2222.

［26］ 李虹， 林蘭心， 趙小軍. 基于需求側(cè)用戶響應(yīng)分析的電-氣-熱綜合能源系統(tǒng)低碳經(jīng)濟調(diào)度［J］. 太陽能學報，2023， 44（5）： 97-105.

LI H， LIN L X， ZHAO X J. Low carbon economicscheduling of electricity-gas-heat integrated energy systembased on demand-side user response analysis［J］. Actaenergiae solaris sinica， 2023， 44（5）： 97-105.

［27］ 丁煜蓉， 陳紅坤， 吳軍， 等. 計及綜合能效的電-氣-熱綜合能源系統(tǒng)多目標優(yōu)化調(diào)度［J］. 電力系統(tǒng)自動化，2021， 45（2）： 64-73.

DING Y R， CHEN H K， WU J， et al. Multi-objectiveoptimal dispatch of electricity-gas-heat integrated energysystem considering comprehensive energy efficiency［J］.Automation of electric power systems， 2021， 45（2）： 64-73.

［28］ CHEN J J， QI B X， RONG Z K， et al. Multi-energycoordinated microgrid scheduling with integrated demandresponse for flexibility improvement［J］. Energy， 2021，217： 119387.

［29］ 趙洪斌. 多時間尺度下基于相關(guān)系數(shù)的光伏電站出力特性分析［J］. 青海大學學報， 2020， 38（5）： 60-65.

ZHAO H B. Analysis on the output characteristics ofphotovoltaic power station based on the correlationcoefficient over multiple time scales［J］. Journal of QinghaiUniversity， 2020， 38（5）： 60-65.

［30］ 侯昊宇， 葛曉琳， 曹旭丹. 考慮碳交易的多虛擬電廠聯(lián)盟博弈優(yōu)化方法［J］. 電力系統(tǒng)及其自動化學報， 2023，35（3）： 77-85.

HOU H Y， GE X L， CAO X D. Coalition gameoptimization method for multiple virtual power plantsconsidering carbon trading［J］. Proceedings of the CSUEPSA，2023， 35（3）： 77-85.

基金項目：國家自然科學基金（52167010）；云南省基礎(chǔ)研究計劃（202101AU070015）；云南省人培基金（KKSY201904013）