CN116128262B - 一种综合能源系统低碳调度方法及系统 - Google Patents
一种综合能源系统低碳调度方法及系统 Download PDFInfo
- Publication number
- CN116128262B CN116128262B CN202310416620.2A CN202310416620A CN116128262B CN 116128262 B CN116128262 B CN 116128262B CN 202310416620 A CN202310416620 A CN 202310416620A CN 116128262 B CN116128262 B CN 116128262B
- Authority
- CN
- China
- Prior art keywords
- carbon
- node
- energy
- natural gas
- cefr
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 412
- 238000000034 method Methods 0.000 title claims abstract description 81
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 343
- 230000004044 response Effects 0.000 claims abstract description 61
- 230000009467 reduction Effects 0.000 claims abstract description 37
- 238000010168 coupling process Methods 0.000 claims abstract description 29
- 238000005859 coupling reaction Methods 0.000 claims abstract description 29
- 230000008878 coupling Effects 0.000 claims abstract description 28
- 230000008901 benefit Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 284
- 239000003345 natural gas Substances 0.000 claims description 145
- 238000003860 storage Methods 0.000 claims description 59
- 238000004146 energy storage Methods 0.000 claims description 49
- 238000002347 injection Methods 0.000 claims description 48
- 239000007924 injection Substances 0.000 claims description 48
- 239000007789 gas Substances 0.000 claims description 46
- 230000008569 process Effects 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 28
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000005338 heat storage Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 17
- 238000005265 energy consumption Methods 0.000 description 16
- 238000010438 heat treatment Methods 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 13
- 239000007788 liquid Substances 0.000 description 12
- 230000006399 behavior Effects 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 11
- 230000009977 dual effect Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000005381 potential energy Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 238000011002 quantification Methods 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000005262 decarbonization Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及综合能源系统低碳调度技术领域，提供了一种综合能源系统低碳调度方法及系统，所述方法基于上层经济调度模型，以综合能源系统运行经济性最优为目标，制定最优经济调度计划，获得能源价格型需求侧响应的负荷曲线；考虑系统动态特性，获得碳排放流模型，并根据最优经济调度后的多能耦合能量流，计算各负荷节点的节点碳势；以减碳收益最高为目标，建立下层低碳需求侧响应模型，获得精准碳势型需求侧响应的负荷曲线，并上报回上层经济调度模型，迭代计算达到平衡，实现综合能源系统的低碳调度。本发明充分挖掘了低碳潜力，在实现最大化减碳的前提下兼顾了系统运行的经济性，并实现了碳排放特性的准确刻画。
Description
技术领域
本发明涉及综合能源系统低碳调度技术领域，具体涉及一种综合能源系统低碳调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，并不必然构成在先技术。
在电力生产侧打造深度低碳电力系统（清洁化），在能源消费侧实现高度电气化（再电气化），是推进新型电力系统朝向绿色、低碳发展的重要途径。一方面，源侧电-气-热综合能源系统(integrated energy system, IES)在源-网-荷-储各环节中蕴含的碳减排潜力，通过促进多能流间的互补和耦合，加快“去碳化”是提高能源系统运行低碳性与经济性的重要手段。另一方面，荷侧通过价格或激励机制改变用户用能行为的需求侧响应(demand response，DR)亦是加快去碳化的另一重要手段。
现有研究从“源侧”和“荷侧”角度入手，挖掘了“源侧”的直接碳减排潜力或通过激励“荷侧”响应资源间接提升了IES碳减排能力。然而，仅立足于“源侧”研究未能使“荷侧”在“源随荷动”条件下承担应有的碳减排责任，无法有效发挥“荷侧”多元用户用能行为对IES低碳运行的潜在价值；从“荷侧”角度出发的研究仅立足于“能源视角”，而忽略了“负荷节点碳排放强度”这一影响“荷侧”用户碳排放量的关键因素，致使“荷侧”用户无法感知自身用能习惯所导致的碳排放差异，无法充分调动“荷侧”参与碳减排的积极性，从而导致IES的碳减排潜力挖掘不充分。
为了充分挖掘“源侧”和“荷侧”的潜力，同时发挥“源-荷”资源互动的碳减排能力，现有技术基于碳排放流模型，研究了低碳DR对能源系统碳减排的促进作用。然而，现有立足于“碳视角”，围绕碳排放流模型和低碳DR对能源系统碳减排作用的研究目前仍存在一定的不足，主要表现在：
（1）现有从源-荷双端共同发力的视角，仅仅从“碳视角”出发，具有一定的局限性；
（2）现有研究仅聚焦于IES的能源集线器模型，限制了碳排放流模型和低碳DR机制的应用范围；且传统面向稳态IES的碳排放流模型忽略了多能系统的动态特征，限制了IES碳减排潜力挖掘的精准度。
发明内容
本发明为了解决上述问题，提出了一种综合能源系统低碳调度方法及系统，实现IES中源-网-荷-储全过程碳排放特性的准确刻画，充分挖掘IES中多元负荷的低碳潜力，在实现IES最大化减碳的前提下兼顾系统运行的经济性。
为了实现上述目的，本发明采用如下技术方案：
一个或多个实施例提供了一种综合能源系统低碳调度方法，包括如下步骤：
基于上层经济调度模型，以综合能源系统运行经济性最优为目标，制定综合能源系统最优经济调度计划，获得能源价格型需求侧响应的负荷曲线；
考虑热力系统动态特性和天然气系统动态特性，获得综合能源系统碳排放流模型，并根据最优经济调度后的多能耦合能量流，计算各负荷节点的节点碳势；
根据所述能源价格型需求侧响应的负荷曲线和所述各负荷节点的节点碳势，以减碳收益最高为目标函数，建立下层低碳需求侧响应模型，获得精准碳势型需求侧响应的负荷曲线；
将精准碳势型需求侧响应的负荷曲线上报回上层经济调度模型，上下层模型相互迭代计算，最终达到平衡，实现综合能源系统的低碳调度。
一个或多个实施例提供了一种综合能源系统低碳调度系统，包括：
经济调度模块，用于基于上层经济调度模型，以综合能源系统运行经济性最优为目标，制定综合能源系统最优经济调度计划，获得能源价格型需求侧响应的负荷曲线；
节点碳势计算模块，用于考虑热力系统动态特性和天然气系统动态特性，获得综合能源系统碳排放流模型，并根据最优经济调度后的多能耦合能量流，计算各负荷节点的节点碳势；
低碳需求侧响应模型建立模块，用于根据得到的能源价格型需求侧响应的负荷曲线和各负荷节点的节点碳势，以减碳收益最高为目标函数，建立下层低碳需求侧响应模型，获得精准碳势型需求侧响应的负荷曲线；
迭代模块，用于将精准碳势型需求侧响应的负荷曲线上报回上层经济调度模型，上下层模型相互迭代计算，最终达到平衡，实现综合能源系统的低碳调度。
一种介质，其上存储有程序，该程序被处理器执行时实现上述一种综合能源系统低碳调度方法中的步骤。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现上述一种综合能源系统低碳调度方法中的步骤。
与现有技术相比，本发明的有益效果为：
本发明充分挖掘了IES中多元负荷的低碳潜力，在实现IES最大化减碳的前提下兼顾了系统运行的经济性，可有效降低IES运行总成本，调度结果更具整体最优性。同时受NCI峰谷差影响，在不同能源系统中对用户用能行为的改变呈现出不同的倾向性，在NCI峰谷差较大的电力系统中，用户减碳趋势更明显。此外，本发明在大规模复杂系统中仍具有较好的适用性。
本发明考虑了IES的具体拓扑结构，计及气网“管存”和热网的“传输延时”及“热损失”动态特性，根据虚拟储能对动态特性的等价替换思想，推演动态能量流向动态碳排放流的精准映射机制，通过对动态碳排放流的精准计算，实现IES中源-网-荷-储全过程碳排放特性的准确刻画和对IES全调度周期的碳排放过程的有效追踪，拓宽了碳排放流模型应用的深度与广度。
本发明明确了“荷侧”的碳排放责任，使碳排放成本得到有效降低，充分挖掘了多元负荷的碳减排潜力，使IES调度结果更具低碳性。以最大化碳减排为目标，以用户分摊碳减排所获得的收益为激励信号，通过将用户用能行为与负荷节点碳势间建立关联关系，进而设计由负荷节点碳排放强度时空差异性引导用户用能行为改变的减碳策略，深入挖掘多元负荷的时空碳减排潜力，实现IES全系统低碳化运行。
本发明的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。
附图说明
图1是本发明实施例一的整体流程图；
图2是节点碳势-能源价格双响应机制框架示意图；
图3是热力系统示意图；
图4是碳排放流与潮流的对应关系示意图；
图5是热力管网稳态与动态条件下的能量流动特性示意图；
图6是天然气管网稳态与动态条件下的能量流动特性示意图；
图7是天然气系统运行模型示意图；
图8是E14-H6-G6测试系统在风电出力高峰时段2:00的IES碳排放流动情况示意图；
图9是E14-H6-G6测试系统在电负荷低谷及风电出力低谷时段15:00的IES碳排放流动情况示意图；
图10是E14-H6-G6测试系统在电负荷高峰及风电出力低谷时段19:00的IES碳排放流动情况示意图；
图11是E14-H6-G6测试系统在风电出力高峰时段2:00的能量耦合设备碳排放特性示意图；
图12是E14-H6-G6测试系统在电负荷低谷及风电出力低谷时段15:00的能量耦合设备碳排放特性示意图；
图13是E14-H6-G6测试系统在电负荷高峰及风电出力低谷时段19:00的能量耦合设备碳排放特性示意图；
图14是电储能设备GCI动态量化结果示意图；
图15是14号节点NCI变化情况示意图；
图16是电力系统源、储、荷三侧碳排放流差值示意图；
图17是热力系统源、储、荷三侧碳排放流差值示意图；
图18是天然气系统源、储、荷三侧碳排放流差值示意图；
图19是不同场景中电负荷变化情况示意图；
图20是不同场景中气负荷变化情况示意图；
图21是不同场景中热负荷变化情况示意图。
具体实施方式
名词解释：IES：integrated energy system，综合能源系统；DR：demandresponse，需求侧响应；CEFR：carbon emission flow rate，碳流率；GCI：generationcarbon intensity，发电机节点碳势；BCI：branch carbon intensity，支路碳势；NCI：nodecarbon intensity，节点碳势；PCI：port carbon intensity，端口碳势。
下面结合附图与实施例对本发明作进一步说明。
实施例1
在一个或多个实施方式公开的技术方案中，如图1所示，一种综合能源系统低碳调度方法，包括如下步骤：
步骤1、基于上层经济调度模型，以综合能源系统运行经济性最优为目标，制定综合能源系统最优经济调度计划，获得能源价格型需求侧响应的负荷曲线；
步骤2、考虑热力系统动态特性和天然气系统动态特性，获得综合能源系统碳排放流模型，并根据最优经济调度后的多能耦合能量流，计算各负荷节点的节点碳势；
步骤3、根据所述能源价格型需求侧响应的负荷曲线和所述各负荷节点的节点碳势，以减碳收益最高为目标函数，建立下层低碳需求侧响应模型，获得精准碳势型需求侧响应的负荷曲线；
步骤4、将精准碳势型需求侧响应的负荷曲线上报回上层经济调度模型，上下层模型相互迭代计算，最终达到平衡，实现综合能源系统的低碳调度。
本实施例中，上层经济调度模型以IES运行经济性最优为目标，利用能源价格引导多元用户改变用能行为，将调整后的负荷节点NCI以及多元负荷曲线向下层传递；下层模型基于多元负荷曲线，以碳减收益最大为目标，引导多元用户改变用能行为，并将调整后的多元负荷曲线上报回上层模型。上下双层模型不断迭代，最终达到平衡。
上述技术方案从“碳视角”出发，模拟依附于动态能量潮流的碳排放在IES中的流动过程，推演动态能量流向动态碳排放流的映射机制，建立碳排放流模型，实现碳排放责任由“源侧”向“荷侧”的转化，构建了节点碳势-能源价格双响应的IES源-荷协同低碳DR机制，如图2所示。
由图2可见，节点碳势-能源价格双响应机制由双层求解框架实现。其中，上层以IES运行经济性最优为目标，下层以荷侧碳减排收益最高为目标。上层经济调度模型将获得的能源价格型DR的负荷曲线向下层模型传递，下层低碳DR模型将低碳需求响应后的精准碳势型DR负荷曲线向上层模型传递，通过对多元负荷曲线的不断迭代计算，最终达到平衡，实现IES运行的经济性和低碳性。
（1）基于能量流的经济调度。以IES中多能耦合能量流为调度对象，制定各设备最优调度计划，将分时能源价格引导的能源价格型DR融入IES经济调度中，通过分时能源价格引导多元负荷，以改变用户的用能行为，从而为IES源侧各设备、荷侧各能源用户制定经济性最优的调度计划，并将获得的能源价格型DR的负荷曲线向下层模型传递。
（2）动态碳排放流计算。以最优经济调度后的多能耦合能量流为基础，考虑热力系统的“传输延时”、“热损失”及天然气系统的“管存”动态特性，建立碳排放流模型，推导基于“虚拟储能等价替换思想”的动态能量流向动态碳排放流的映射机制，最终计算IES负荷节点精准NCI。
（3）NCI引导下的低碳DR。以荷侧碳减排收益最高为目标，以用户进行碳减排后在碳市场中获得的碳减排收益为激励，利用IES负荷节点精准NCI引导用户对用能行为进行调整，并将低碳需求响应后的精准碳势型DR负荷曲线向上层模型传递。
步骤1以IES中多能耦合能量流为调度对象，将分时能源价格引导的能源价格型DR融入IES经济调度中，为IES源侧各设备、荷侧各能源用户制定经济性最优的调度计划。其中，上层经济调度模型已发表相关论文（张玉敏,孙鹏凯,吉兴全等.基于并行多维近似动态规划的综合能源系统动态经济调度[J].电力系统自动化,2023,47(4):60-68.），此处不再赘述。
步骤2中，首先分析IES动态特性，包括热力系统动态特性和天然气系统动态特性。
热力系统由热力站、换热站和热网管道组成，其动态特性模型可分为水力动态模型和热力动态模型两部分。其中，水力动态模型用以表征热力系统的传输延时特性，即由于热力管道中液体流动缓慢，而导致入口处的温度变化延时传输至出口处的现象。热力动态模型用以表征热力系统的热损失特性，即由于热力管道中传输的液体温度高于环境温度，在热力系统运行过程中产生的热量流失现象。
（1）传输延时特性
采用改进的节点法描述热力系统的传输延时特性，假设热力管道中的液体由入口流至出口所用时间/>与热力系统传输延时基本一致，结合热力管道入口处历史温度信息，推算经过传输延时后的热力管道出口处温度。
图3为热力系统在时段和/>时段的截面示意图。假设注入热力管道的液体流速恒定，即在每个调度步长/>中，注入热力管道的水团(water mass, WM)相等，同时，热力管道/>所能容纳完整的WM个数是有限的，因此热力系统传输延时/>往往不是/>的整数倍。以图3为例，不同图案标注的圆柱体表示不同时段注入热力系统管道/>的WM，设该段热力管道/>最多可容纳/>个完整的WM，即热力管道/>的传输延时/>介于/>和/>之间，其中，、/>。因此，时段/>流出热力管道/>的WM由时段/>注入热力管道/>的WM和时段/>注入热力管道/>的WM在经过热损失后加权平均而成，可表示为：
（1）
式中，为时段/>热力管道/>的出口温度；/>和/>分别为时段/>和时段注入热力管道/>的WM的质量流量；/>和/>分别为时段/>和时段/>注入热力管道/>的液体在经过热损失后的温度。
（2）热损失特性
热力管道中的液体在传输过程中与外界空气进行温度交换导致热损失产生，以苏霍夫公式表征热损失大小：
（2）
式中，为时段/>注入热力管道/>的液体在经过热损失后的温度；/>为时段/>热力管道/>的入口温度；/>为热力管道/>的长度；/>为热力管道/>的热损失系数；/>为热力管道中液体的比热容；/>为外界温度。
天然气系统由天然气节点、天然气管道、气源和气负荷等组成。受天然气可压缩特性及慢传输特性的影响，管道入口处注入的天然气流量与管道出口处流出的天然气流量不同，出、入口之间的天然气流量差额即为“管存”，体现了天然气系统的动态特性，如式（3）和（4）所示。
（3）
（4）
式中，为天然气管道ab在时段t的管存量；/>和/>分别为天然气管道ab的长度和直径；/>为天然气的气体常数；/>为外界温度；/>为天然气压缩系数；/>为天然气密度；/>为天然气管道ab在时段t流过的天然气流量（方向由节点a流向节点b）；为天然气管道ba在时段t流过的天然气流量（方向由节点b流向节点a）；/>为天然气管道ab在时段t的管道压力。
基于上述得到的热力系统动态特性和天然气系统动态特性，本实施例基于碳排放流理论，假设IES中的CO2由“源侧”产生后，随着能量的流动过程在IES中传输与转化，最终由“荷侧”消费。通过构造考虑IES动态特性的精细化能量流，并以此为载体，建立碳排放由“源侧”至“荷侧”的归算机制，实现对IES碳排放流的建模。
（1）电力系统碳排放流模型
本实施例中以碳流率(carbon emission flow rate, CEFR)表征流过电力系统支路或节点的碳排放速率(tCO2/h)；以发电机节点碳势(generation carbon intensity,GCI)表征发电机向电力系统注入单位能量所蕴含的碳排放量(tCO2/MWh)；以支路碳势(branch carbon intensity, BCI)表征流过支路的单位能量所蕴含的碳排放量(tCO2/MWh)；以节点碳势(node carbon intensity, NCI)反应与节点相连支路的各BCI的叠加效应，表征注入节点的单位能量所伴随的平均碳排放量(tCO2/MWh)，数值上等于总碳势与注入节点的总能量之比。
以图4所示4节点电力系统为例，图中G1、G2、G3分别代表与节点1、2、3相连的三个发电机，以节点2为例，节点2在时段t的NCI可表示为：
（5）
式中，为节点2在时段t的NCI；/>为支路1-2在时段t的线路潮流；/>为发电机G2在时段t的输出功率；/>为支路1-2在时段t的BCI；/>为发电机G2在时段t的GCI。
由于支路BCI由该支路首节点NCI决定，因此在时段t对于支路1-2有：
（6）
其通式可表示为：
（7）
式中，NCIi,t、BCIij,t和GCIg,t分别为节点i、支路ij和机组g在时段t的碳势（即碳排放强度）；和/>分别为与节点i相连的支路ij和机组g；/>为时段t流过支路ij的功率；/>为时段t机组g的功率。
式（7）即为电力系统碳排放流模型的表达，在已知电力系统潮流分布的情况下，只需确定发电机GCI，即可推算全系统的NCI，进而实现对电力系统各节点、各支路、各负荷的碳排放流特性的准确刻画。
（2）热力系统碳排放流模型
本实施例充分考虑热力管网的时滞特性与热损失特性对热力系统碳排放流的影响机理，提出了考虑动态特性的热力系统碳排放流模型。
动态特性的引入使热力管网中的能量流动特性与稳态条件下相比有很大不同。图5给出了热力管网稳态条件和动态条件下的能量流动特性示意图。
如图5中(a)所示，在稳态条件下，由于热力管网不存在时滞特性和热损失特性，在时段t由管道入口处注入的液体可瞬间传送至管道出口处，管道出入口之间的温度关系可由式（8）表示。同时，基于热力学原理，热网管道在时段t流过的能量流可由式（9）表示。
（8）
（9）
式中，为热网管道/>在时段t流过的能量流；/>为热力管网中液体的比热容；/>为热网管道/>在时段t流过液体的质量流量。
在动态条件下，由于热力管网的时滞特性与热损失特性，管道出口温度与管道入口温度不再相等，流过热网管道的能量流大小难以准确表征。因此引入可同时处于蓄热和放热状态的双端口虚拟储热罐，如图5中(b)所示，通过将热网管道中流过的能量流等效为虚拟储热罐的蓄热和放热过程，实现对热力系统的时滞特性与热损失特性的等价替换。
经过等价替换后，虚拟储热罐直接作用于热网节点，因此，热力系统可等效为由双端储能元件连接而成的特殊电力系统，可直接由电力系统的碳排放流模型精确追踪和度量热力系统动态碳排放特性。
（3）天然气系统碳排放流模型
天然气的可压缩特性为天然气管道赋予储存能力，亦使天然气管道出入口的天然气流量产生差异。图6给出了天然气管网稳态条件和动态条件下的能量流动特性示意图。
如图6中(a)所示，在稳态条件下，天然气在管道中各处的流速和压力相同，可认为天然气管道首末两端天然气流量相等。天然气管道ab在时段t流过的能量流可认为与天然气管道首末两端天然气流量相等，可由式（10）表示。
（10）
其中，表示天然气管道ab在时段t流过的天然气能量流。
在动态条件下，由于天然气管网的管存特性，管道出入口之间的天然气流量不再保持相等关系，为此，引入图6中(b)所示的虚拟储气罐，利用虚拟储气罐的蓄气与放气实现对天然气系统管存特性的等价替换。需要注意的是，天然气在管道中可双向流动且在同一时段内注入管道的天然气方向应与流出管道的天然气流量方向相同。因此，依据虚拟储气罐的蓄放状态，进一步对天然气系统运行模型进行等价映射，如图7所示。
由图7中(a)可知，当在时段t注入天然气管道ab的流量大于流出天然气管道的流量，即时，可认为天然气管道首端多余的天然气流量被储存在虚拟储气罐中，此时处于蓄气状态的虚拟储气罐接入天然气管道首端节点，同时可认为在时段t流过天然气管道ab的能量流为/>；同理，由图7中(b)可知，当在时段t注入天然气管道ab的流量小于流出天然气管道的流量，即/>时，可认为天然气管道末端超出首端的天然气流量由虚拟储气罐来提供，此时处于放气状态的虚拟储气罐接入天然气管道末端，同时可认为在时段t流过天然气管道ab的能量流为/>。
与热力系统类似，经过等价替换后，天然气系统可等效为计及线路潮流、储能设备接入位置随管道蓄放气状态变化而动态改变的特殊电力系统，可直接由电力系统的碳排放流模型精确追踪和度量天然气系统动态碳排放特性。
（4）能量耦合系统碳排放流模型
IES中各能源子系统经由能量耦合设备实现能量转化。在能量流的转化过程中，依附于能量流的碳排放流亦在不同的能源子系统中传输，通过构建能量耦合设备的碳排放流模型，分析能源转移过程中的碳排放转移特性，可建立各能源子系统碳排放流模型间的耦合关系，实现IES一体化碳排放流模型的构建。能量耦合设备分为单输入-单输出(single-input-single-output, SISO)设备和单输入-多输出(single-input-multi-output,SIMO)设备，下面分别分析其能量流-碳排放流映射关系，构建能量耦合设备的碳排放流模型。
①、SISO设备
SISO设备（如电锅炉、燃气轮机等）可使一种能量流转换至另一种能量流，在此过程中，碳排放流亦随之转换。由碳排放守恒原则可知，注入SISO设备的CEFR应与流出该设备的CEFR相等，因此有：
（11）
式中，和/>分别为SISO设备s在时段t注入端口和流出端口的端口碳势PCI；/>和/>分别为SISO设备s在时段t注入和输出的功率。
式（11）基于碳排放守恒原则，建立了SISO设备的碳排放流模型，若已知SISO设备的能量转化效率，则式（11）可进一步转化为：
（12）
式中，为SISO设备s的能量转化效率。
②、SIMO设备
SIMO设备（如热电联产设备CHP等）可使一种能量流转换至多种能量流，与SISO设备类似，在能量流转换过程中，碳排放守恒定律依然适用，以CHP为例，注入SIMO设备的CEFR应与流出该设备的CEFR由式（13）表示：
（13）
式中，为CHP机组c在时段t注入端口的PCI；/>和/>分别为CHP机组c在时段t电输出端口和热输出端口的PCI；/>为CHP机组c在时段t注入的天然气流量；/>和分别为CHP机组c在时段t输出的电功率和热功率。
若已知CHP的电转换效率和热转换效率，则式（13）可进一步转化为：
（14）
式中，和/>分别为CHP机组c的电转换效率和热转换效率。
（5）储能设备碳排放流模型
在基于“虚拟储能等效替换”思想的IES碳排放流模型中，电储能设备及虚拟储能设备的碳排放特性能否精准刻画，对最终碳排放流模型的准确度有着显著影响。IES中的设备可归类为“源侧”设备和“荷侧”设备。当储能设备蓄能时，其相当于特殊的“荷侧”设备，在已知其接入节点NCI时，可直接计算得到注入储能设备的碳排放量。在整个调度周期中，“源侧”供给能源种类占比随调度时段不同而改变，使储能设备接入节点NCI亦呈时变态势。因此，当储能设备充当特殊“源侧”设备放能时，其GCI由储能设备中存有的碳排放量决定，即先前调度时段的蓄放动作会影响当前时段的GCI，这种碳排放时间耦合性为储能设备的碳排放流模型构建带来困难。
基于储能设备的运行特性，本实施例提出基于“GCI动态量化”思想的储能设备碳排放流模型构建方法，以调度时段节点NCI、储能设备蓄/放动作为依据，动态更新储能设备GCI，从而明晰储能设备能量流-碳排放流映射关系，进一步提高IES碳排放流模型的准确度。以电储能设备为例，在时段t电储能设备e的GCI可表示为：
（15）
式中，为电储能设备e在时段t的可用电量；/>和/>分别为电储能设备e在时段t的蓄电功率和放电功率；/>为调度步长。
类似的，可将“GCI动态量化”思想扩展至热力系统的虚拟储热罐和天然气系统的虚拟储气罐。
（16）
（17）
式中，和/>分别为虚拟储热罐h和虚拟储气罐g在时段t的GCI；/>和/>分别为虚拟储热罐h和虚拟储气罐g在时段t的可用容量；/>和/>分别为虚拟储热罐h和虚拟储气罐g在时段t的蓄能功率；/>和/>分别为虚拟储热罐h和虚拟储气罐g在时段t的放能功率。
至此，IES中各设备有了统一的动态碳排放特性刻画方法，碳排放流模型中的动态特性得以精准表达，完成了对碳排放流模型的构建。
步骤3中，建立的下层低碳需求侧响应模型，以减碳收益最高为目标函数：
（18）
（19）
（20）
（21）
式中，为下层低碳DR模型的目标函数；/>、/>和/>分别为电力系统、热力系统和天然气系统的碳减排量；/>为碳交易成本；/>、/>和/>分别为经过低碳DR后电网节点i、热网节点z和天然气网节点a在时段t的负荷改变量；I、Z和A分别为电网节点、热网节点和天然气网节点的总数；T为全调度周期。
上述目标函数的约束条件如下：
多元负荷依据负荷节点碳势在时间分布上的不同，将高碳势时段的负荷转移至低碳势时段。在转移过程中，只改变负荷在时间上的分布，而整个调度周期负荷总量保持不变，可表示为：
（22）
（23）
（24）
式中，//>、/>//>和/>//>分别为电网节点i、热网节点z和天然气网节点a在时段t的转入/转出的负荷量。
为保证低碳DR后供能质量及系统安全性不受影响，还需满足如下约束：
（25）
（26）
（27）
式中，、/>和/>分别为电力系统、热力系统和天然气系统中可参与低碳DR的负荷比例；/>//>、/>//>和/>//>分别为表征电网节点i、热网节点z和天然气网节点a在时段t的负荷转入/转出状态的0-1变量；/>、/>和/>分别为未参与低碳DR时电网节点i、热网节点z和天然气网节点a在时段t的原始负荷。
步骤4中，建立的数学模型经过线性化处理后，可转化为混合整数线性规划(MixedInteger Linear Program, MILP)问题，从而可以使用商业求解器直接求解。
为说明本实施例所述方法的有效性，以下采用由IEEE14节点电力系统、6节点热力系统和6节点天然气系统组成的E14-H6-G6测试系统为例，验证上述技术方案的有效性。采用MATLAB调用GUROBI求解器进行模型求解。计算机配置为Win11系统，Intel i5-12500HCPU，主频3.9GHz，内存16G。调度周期为24小时，每时段长度为1小时。
E14-H6-G6测试系统中，电力系统包含4台燃煤发电机组G1、G2、G3、G4，1台风电机组、1个电储能设备以及1个外电网；热力系统包括3个热负荷；天然气系统包括2个气源和6个天然气负荷；
①、考虑IES动态特性的碳排放流模型有效性分析
为验证所提计及IES动态特性的碳排放流模型的有效性，选取三个典型调度时段，分别分析IES中碳排放流动情况，结果如图8-图10所示，其中，图8对应时段1的IES中碳排放流动情况，图9对应时段2的碳排放流动情况，图10对应时段3的碳排放流动情况。图中，上部的虚线框中为热力系统，中部区域为电力系统，下部虚线框中为天然气系统，数值表示发电机释放碳流率，带下划线的数值表示负荷吸收碳流率，箭头上方的数值表示支路碳排放流，具体内容通过下面描述给出。
时段1：风电出力高峰时段2:00；
时段2：电负荷低谷及风电出力低谷时段15:00；
时段3：电负荷高峰及风电出力低谷时段19:00。
（a）电力系统碳排放流动特性分析
如图8所示，电力系统包含14个节点，1号节点与外电网、2号节点和5号节点相连，在风电出力高峰时段2:00，外电网的负荷吸收CEFR为17.59 tCO2/h，2号节点向1号、5号节点向1号节点的支路CEFR分别为6.24 tCO2/h和11.35 tCO2/h。2号节点与1号节点、3号节点和5号节点相连，2号节点向1号、3号的支路CEFR分别为6.24 tCO2/h和8.21 tCO2/h，5号节点向2号节点的支路CEFR为12.00 tCO2/h。3号节点与2号节点、4号节点相连，2号节点向3号、4号节点向3号的支路CEFR分别为8.21 tCO2/h和16.17 tCO2/h。4号节点与2号节点、3号节点、5号节点、7号节点、9号节点相连，4号节点向2号、3号节点的支路CEFR分别为7.33 tCO2/h和16.17 tCO2/h，5号节点向4号节点的支路CEFR为9.76 tCO2/h，7号节点向4号节点的支路CEFR为23.71 tCO2/h，9号节点向4号节点的支路CEFR为4.79 tCO2/h。5号节点与1号节点、2号节点、4号节点、6号节点相连，5号节点向1号、2号、4号节点的支路CEFR分别为11.35tCO2/h、12.00和9.76，6号节点向5号节点的支路CEFR为16.16 tCO2/h。6号节点与5号节点、11号节点、12号节点、13号节点相连，6号节点向5号、11号节点的支路CEFR分别为36.16tCO2/h和4.60 tCO2/h，12号节点向6号节点的支路CEFR为5.66 tCO2/h，13号节点向6号节点的支路CEFR为22.59 tCO2/h。7号节点与4号节点、8号节点、9号节点相连，7号节点向4号节点的支路CEFR为23.71 tCO2/h，8号节点向7号节点的支路CEFR为17 tCO2/h，9号节点向7号节点的支路CEFR为6.71 tCO2/h。8号节点与7号节点相连，8号节点向7号节点的支路CEFR为17 tCO2/h。9号节点与4号节点、7号节点、10号节点、14号节点相连，9号节点向4号、7号、10号节点的支路CEFR为4.79 tCO2/h、6.71 tCO2/h、0.14 tCO2/h，14号节点向9号节点的支路CEFR为0 tCO2/h。10号节点与9号节点、11号节点相连，9号节点向10号的支路CEFR为0.14tCO2/h，11号节点向10号节点的支路CEFR为3.20 tCO2/h。11号节点与6号节点、10号节点相连，11号节点向10号的支路CEFR为3.20 tCO2/h，6号节点向11号节点的支路CEFR为4.60tCO2/h。12号节点与6号节点、13号节点相连，12号节点向6号的支路CEFR为5.66 tCO2/h，13号节点向12号节点的支路CEFR为7.46 tCO2/h。13号节点与6号节点、12号节点、14号节点相连，13号节点向6号、12号节点的支路CEFR为22.59 tCO2/h、7.46，14号节点向13号节点的支路CEFR为0 tCO2/h。14号节点与9号节点、13号节点相连，14号节点向9号、13号节点的支路CEFR都为0 tCO2/h。
由图8可知，在风电出力高峰时段2:00，电力系统碳排放流动呈现由风电机组接入的14号节点向全网扩散的态势。高比例风电为IES带来低碳能源的同时，其零碳排特性将14号节点的NCI降至0 tCO2/MW，由碳排放流模型可知，此时，不含碳排放量的电能被注入电储能设备中，意味着电储能设备完成了对低碳风电的储存，实现了低碳资源的灵活利用。结合图14电储能设备GCI动态量化结果分析可知，在风电出力高峰时段2:00，低碳风电的注入使电储能设备内部的可用能量增加，而总碳排放量保持不变，即降低了电储能设备内部单位能量所对应的碳排放量，使电储能设备在蓄电的同时，GCI降低。在后续调度过程中，当电储能设备为满足调度需求而放电时（如19:00），此时储存的低碳能源将被释放，在满足供需平衡的同时降低全网碳势，从而提高IES运行低碳性。
图9、图10与图8中节点的连接关系相同，不再赘述，只描述节点间碳流关系。
如图9所示，在电负荷低谷及风电出力低谷时段15:00，外电网的负荷吸收CEFR下降至4.78，1号节点向2号节点的支路CEFR为2.91 tCO2/h，5号节点向1号节点的支路CEFR为7.70 tCO2/h。2号节点向3号节点的支路CEFR为12.41 tCO2/h，1号节点向2号节点的支路CEFR为2.91 tCO2/h，5号节点向2号节点的支路CEFR为10.83 tCO2/h。2号节点向3号、4号节点向3号的支路CEFR分别为12.41 tCO2/h和30.66 tCO2/h。4号节点向2号、3号节点的支路CEFR分别为7.06 tCO2/h和30.66 tCO2/h，5号节点向4号节点的支路CEFR为18.90 tCO2/h，7号节点向4号节点的支路CEFR为52.77 tCO2/h，9号节点向4号节点的支路CEFR为12.67tCO2/h。5号节点向1号、2号、4号节点的支路CEFR分别为7.70 tCO2/h、10.83 tCO2/h和18.90tCO2/h，6号节点向5号节点的支路CEFR为43.88 tCO2/h。6号节点向5号、11号节点的支路CEFR分别为43.88 tCO2/h和10.66 tCO2/h，12号节点向6号节点的支路CEFR为2.00 tCO2/h，13号节点向6号节点的支路CEFR为11.07 tCO2/h。7号节点向4号节点的支路CEFR为52.77tCO2/h，8号节点向7号节点的支路CEFR为59.50 tCO2/h，7号节点向9号节点的支路CEFR为6.73 tCO2/h。8号节点向7号节点的支路CEFR为59.50 tCO2/h。9号节点向4号、14号节点的支路CEFR为12.67 tCO2/h、3.73 tCO2/h，7号、10号节点向9号节点的支路CEFR分别为6.73tCO2/h、0.03 tCO2/h。10号节点向9号的支路CEFR为0.03 tCO2/h，11号节点向10号节点的支路CEFR为7.69 tCO2/h。11号节点向10号的支路CEFR为7.69 tCO2/h，6号节点向11号节点的支路CEFR为10.66 tCO2/h。12号节点向6号的支路CEFR为2.00 tCO2/h，13号节点向12号节点的支路CEFR为4.67 tCO2/h。13号节点向6号、12号、14号节点的支路CEFR为11.07 tCO2/h、4.67 tCO2/h、11.67 tCO2/h。9号、13号节点向14号节点的支路CEFR分别为3.73 tCO2/h、11.67 tCO2/h。
由图9可知，在电负荷低谷及风电出力低谷时段15:00，时段1中由风电机组接入的14号节点向全网扩散的碳排放流动态势不再明显，反而以燃气轮机接入的13号节点为起点向全网扩散。由于风电出力的降低，高GCI的燃煤机组的出力占比增加，使全网NCI升高，由图15可知，14号节点NCI由2:00的0 tCO2/MWh上升至193.34 tCO2/MW。电储能设备在15:00蓄能以满足后续用能需求。因此，附有碳排放量的能量被注入电储能设备中，结合图14电储能设备GCI动态量化结果分析可知，相较于前一调度时段，15:00电储能设备内部单位能量所对应的碳排放量增加，GCI升高。
如图10所示，在电负荷高峰及风电出力低谷时段19:00，外电网的负荷吸收碳流率下降至0.57 tCO2/h，1号节点向2号节点的支路CEFR为12.45 tCO2/h，5号节点向1号节点的支路CEFR为7.37 tCO2/h。2号节点向3号节点的支路CEFR为19.29 tCO2/h，1号节点向2号节点的支路CEFR为12.45 tCO2/h，5号节点向2号节点的支路CEFR为9.45 tCO2/h。2号节点向3号、4号节点向3号的支路CEFR分别为19.29 tCO2/h和42.35 tCO2/h。4号节点向2号、3号节点的支路CEFR分别为6.59 tCO2/h和42.35 tCO2/h，5号节点向4号节点的支路CEFR为25.59tCO2/h，7号节点向4号节点的支路CEFR为65.30 tCO2/h，9号节点向4号节点的支路CEFR为12.13 tCO2/h。5号节点向1号、2号、4号节点的支路CEFR分别为7.37 tCO2/h、9.45 tCO2/h和25.59 tCO2/h，6号节点向5号节点的支路CEFR为53.42 tCO2/h。6号节点向5号、11号节点的支路CEFR分别为53.42 tCO2/h和9.09 tCO2/h，12号节点向6号节点的支路CEFR为3.93tCO2/h，13号节点向6号节点的支路CEFR为19.39 tCO2/h。7号节点向4号节点的支路CEFR为65.30 tCO2/h，8号节点向7号节点的支路CEFR为59.50 tCO2/h，9号节点向7号节点的支路CEFR为5.80 tCO2/h。8号节点向7号节点的支路CEFR为59.50 tCO2/h。9号节点向4号、7号、10号的支路CEFR为12.13 tCO2/h、5.80 tCO2/h、2.36 tCO2/h，14号节点向9号节点的支路CEFR分别为6.73 tCO2/h。9号节点向10号的支路CEFR为2.36 tCO2/h，11号节点向10号节点的支路CEFR为5.40 tCO2/h。11号节点向10号的支路CEFR为5.40 tCO2/h，6号节点向11号节点的支路CEFR为9.09 tCO2/h。12号节点向6号的支路CEFR为3.93 tCO2/h，13号节点向12号节点的支路CEFR为7.62 tCO2/h。13号节点向6号、12号节点的支路CEFR为19.39 tCO2/h、7.62tCO2/h，14号向13号节点的支路CEFR为1.06 tCO2/h。14号节点向9号、13号节点的支路CEFR分别为6.73 tCO2/h、1.06 tCO2/h。
由图10可知，在电负荷高峰及风电出力低谷时段19:00，由于风电出力进一步降低，电储能设备放电以满足能量的供需平衡，基于“GCI动态量化”思想的储能设备碳排放流模型，结合图14分析可知，此时电储能设备相当于GCI为0.173 tCO2/MWh的特殊“源侧”设备，相较于燃煤机组的0.85 tCO2/MWh降低了76.65%。在精细化碳排放流模型框架下，电储能设备通过对风电出力高峰时段的低碳能量的灵活利用，有效提高了系统运行的低碳性。
（b）热力系统和天然气系统碳排放流动特性分析
基于考虑气、热系统动态特性的碳排放流模型，热力系统和天然气系统中多类能源、多元负荷、能量耦合设备及动态管网的碳排放特性得以精准刻画。以图8为例分析热力系统和天然气系统的碳排放流动特性。
由图8可知，在热力系统中，原有的由供热管道和回流管道进行热能量流传输的模式被等效替换为由双端口虚拟储热罐直接向热网节点供能的新模式。在此过程中，碳排放流亦跟随热能量流直接注入热网节点。同时，由于热网管道中液体流动的不间断性，虚拟储热罐在一个调度时段内将同时处于蓄热和放热状态，热能量流由虚拟储热罐的一个端口注入，由另一端口流出。虚拟储热罐两端口之间的热能量差值即为热力系统动态特性的数值化表达。
在天然气系统中，天然气在节点间的转移过程被分为经由天然气管道传输的稳态部分和经由虚拟储气罐传输的动态部分。单端口虚拟储气罐根据所处的蓄气和放气状态不同，动态调整端口所接入的天然气系统节点，将管存特性叠加于天然气系统节点，实现对天然气系统动态特性的等效替代。在天然气能量流注入或流出虚拟储气罐的过程中，碳排放流亦随之在虚拟储气罐和天然气管网间交换和流动，实现了对计及动态特性条件下的天然气系统碳排放特性的准确刻画。
对于热力系统，如图8所示，热力系统包含8个节点。在风电出力高峰时段2:00，1号节点接收CHP机组注入的CEFR为2.34tCO2/h，向节点1、2间的虚拟储热罐注入CEFR为11.16tCO2/h，接收节点7、1间的虚拟储热罐注入的CEFR为8.82 tCO2/h。2号节点接收节点1、2间虚拟储热罐注入的CEFR为9.42 tCO2/h，向节点2、3间虚拟储热罐注入CEFR为8.56 tCO2/h，向节点2、5间虚拟储热罐注入CEFR为0.87 tCO2/h。3号节点接收节点2、3间虚拟储热罐注入的CEFR为13.63 tCO2/h，向节点3、4间虚拟储热罐注入CEFR为8.11 tCO2/h，向节点3、6间虚拟储热罐注入CEFR为5.52 tCO2/h。4号节点接收节点3、4间虚拟储热罐注入的CEFR为6.16tCO2/h，向节点4、8间虚拟储热罐注入CEFR为3.84 tCO2/h，向热负荷注入的CEFR为2.53tCO2/h。5号节点接收节点2、5间虚拟储热罐注入的CEFR为1.27 tCO2/h，向节点5、7间虚拟储热罐注入CEFR为0.80 tCO2/h，向热负荷注入的CEFR为0.47 tCO2/h。6号节点接收节点3、6间虚拟储热罐注入的CEFR为4.02 tCO2/h，向节点6、8间虚拟储热罐注入CEFR为2.53tCO2/h，向热负荷注入的CEFR为1.49 tCO2/h。7号节点接收节点7、8间虚拟储热罐注入的CEFR为5.96 tCO2/h，接收节点5、7间虚拟储热罐注入的CEFR为0.68 tCO2/h，向1、7间虚拟储热罐注入CEFR为6.64 tCO2/h。8号节点接收节点4、8间虚拟储热罐注入的CEFR为5.12tCO2/h，接收节点6、8间虚拟储热罐注入的CEFR为3.70 tCO2/h，向7、8间虚拟储热罐注入CEFR为8.82 tCO2/h。
对于天然气系统，图8中天然气系统包含6个节点，在风电出力高峰时段2:00，1号节点向2号节点注入的CEFR为202.02 tCO2/h，向节点1、2间虚拟储气罐注入CEFR为51.88tCO2/h，接收气源注入的CEFR为531.58 tCO2/h，向负荷注入的CEFR为277.69 tCO2/h。2号节点向6号节点注入的CEFR为211.20 tCO2/h，向节点2、6间虚拟储气罐注入CEFR为71.51tCO2/h，向负荷注入的CEFR为70.67 tCO2/h。3号节点向2号节点注入的CEFR为151.56 tCO2/h，向5号节点注入的CEFR为109.34 tCO2/h，接收4号节点注入CEFR为628.99 tCO2/h，向节点3、5间虚拟储气罐注入CEFR为40.03 tCO2/h，向节点2、3间虚拟储气罐注入CEFR为36.49tCO2/h，向负荷注入的CEFR为291.57 tCO2/h。节点4向3号节点注入的CEFR为628.99 tCO2/h，向节点3、4间虚拟储气罐注入CEFR为35.83 tCO2/h，向负荷注入的CEFR为72.89 tCO2/h，接收气源注入的CEFR为742.39 tCO2/h。5号节点接收3号节点注入CEFR为109.34 tCO2/h，向负荷注入的CEFR为109.34 tCO2/h。6号节点接收2号节点注入CEFR为211.20 tCO2/h，向负荷注入的CEFR为177.17 tCO2/h，向燃气轮机注入的CEFR为34.03 tCO2/h。
在电负荷低谷及风电出力低谷时段15:00，如图9所示，对于热力系统，1号节点接收CHP机组注入的CEFR为4.45 tCO2/h，向节点1、2间的虚拟储热罐注入CEFR为11.67 tCO2/h，接收节点7、1间的虚拟储热罐注入的CEFR为7.22 tCO2/h。2号节点接收节点1、2间虚拟储热罐注入的CEFR为11,71 tCO2/h，向节点2、3间虚拟储热罐注入CEFR为10.64 tCO2/h，向节点2、5间虚拟储热罐注入CEFR为1.08 tCO2/h。3号节点接收节点2、3间虚拟储热罐注入的CEFR为11.01 tCO2/h，向节点3、4间虚拟储热罐注入CEFR为6.55 tCO2/h，向节点3、6间虚拟储热罐注入CEFR为4.46 tCO2/h。4号节点接收节点3、4间虚拟储热罐注入的CEFR为7.11tCO2/h，向节点4、8间虚拟储热罐注入CEFR为4.55 tCO2/h，向热负荷注入的CEFR为2.56tCO2/h。5号节点接收节点2、5间虚拟储热罐注入的CEFR为1.12 tCO2/h，向节点5、7间虚拟储热罐注入CEFR为0.69 tCO2/h，向热负荷注入的CEFR为0.43t tCO2/h。6号节点接收节点3、6间虚拟储热罐注入的CEFR为4.80 tCO2/h，向节点6、8间虚拟储热罐注入CEFR为3.06 tCO2/h，向热负荷注入的CEFR为1.74 tCO2/h。7号节点接收节点7、8间虚拟储热罐注入的CEFR为7.99 tCO2/h，接收节点5、7间虚拟储热罐注入的CEFR为0.99 tCO2/h，向1、7间虚拟储热罐注入CEFR为8.99 tCO2/h。8号节点接收节点4、8间虚拟储热罐注入的CEFR为5.10 tCO2/h，接收节点6、8间虚拟储热罐注入的CEFR为3.62 tCO2/h，向7、8间虚拟储热罐注入CEFR为8.72tCO2/h。
对于天然气系统，在图9中，1号节点向2号节点注入的CEFR为822.65 CO2/h，向节点1、2间虚拟储气罐注入CEFR为2.94 CO2/h，接收气源注入的CEFR为1189.39 tCO2/h，向负荷注入的CEFR为363.80 tCO2/h。2号节点向6号节点注入的CEFR为260.71 tCO2/h，向节点2、6间虚拟储气罐注入CEFR为3.38 tCO2/h，向3号节点注入的CEFR为466.01 tCO2/h，向节点2、3间虚拟储气罐注入CEFR为1.60 tCO2/h，向负荷注入的CEFR为90.75 tCO2/h。3号节点向5号节点注入的CEFR为136.91 tCO2/h，接收4号节点注入CEFR为37.67 tCO2/h，向节点3、5间虚拟储气罐注入CEFR为1.67 tCO2/h，向负荷注入的CEFR为365.10 tCO2/h。节点4向3号节点注入的CEFR为37.67 tCO2/h，向节点3、4间虚拟储气罐注入CEFR为1.52 tCO2/h，向负荷注入的CEFR为95.50 tCO2/h，接收气源注入的CEFR为143.59 tCO2/h。5号节点接收3号节点注入CEFR为136.91 tCO2/h，向负荷注入的CEFR为136.91 tCO2/h。6号节点接收2号节点注入CEFR为260.71 tCO2/h，向负荷注入的CEFR为227.38 tCO2/h，向燃气轮机注入的CEFR为33.33tCO2/h。
如图10所示，在电负荷高峰及风电出力低谷时段19:00，对于热力系统，1号节点接收CHP机组注入的CEFR为7.55 tCO2/h，向节点1、2间的虚拟储热罐注入CEFR为15.20 tCO2/h，接收节点7、1间的虚拟储热罐注入的CEFR为7.65 tCO2/h。2号节点接收节点1、2间虚拟储热罐注入的CEFR为15.18 tCO2/h，向节点2、3间虚拟储热罐注入CEFR为13.79 tCO2/h，向节点2、5间虚拟储热罐注入CEFR为1.40 tCO2/h。3号节点接收节点2、3间虚拟储热罐注入的CEFR为13.10 tCO2/h，向节点3、4间虚拟储热罐注入CEFR为7.79 tCO2/h，向节点3、6间虚拟储热罐注入CEFR为5.31 tCO2/h。4号节点接收节点3、4间虚拟储热罐注入的CEFR为7.61tCO2/h，向节点4、8间虚拟储热罐注入CEFR为4.51 tCO2/h，向热负荷注入的CEFR为3.10tCO2/h。5号节点接收节点2、5间虚拟储热罐注入的CEFR为1.40 tCO2/h，向节点5、7间虚拟储热罐注入CEFR为0.85 tCO2/h，向热负荷注入的CEFR为0.55 tCO2/h。6号节点接收节点3、6间虚拟储热罐注入的CEFR为5.30 tCO2/h，向节点6、8间虚拟储热罐注入CEFR为3.20 tCO2/h，向热负荷注入的CEFR为2.10 tCO2/h。7号节点接收节点7、8间虚拟储热罐注入的CEFR为6.11 tCO2/h，接收节点5、7间虚拟储热罐注入的CEFR为0.56 tCO2/h，向1、7间虚拟储热罐注入CEFR为6.66 tCO2/h。8号节点接收节点4、8间虚拟储热罐注入的CEFR为3.29 tCO2/h，接收节点6、8间虚拟储热罐注入的CEFR为2.20 tCO2/h，向7、8间虚拟储热罐注入CEFR为5.48tCO2/h。
对于天然气系统，在图10中，1号节点向2号节点注入的CEFR为215.34 tCO2/h，接收气源注入的CEFR为552.79 tCO2/h，向负荷注入的CEFR为337.44 tCO2/h。2号节点向6号节点注入的CEFR为104.59 tCO2/h，接收节点1、2间虚拟储气罐注入CEFR为109.58 tCO2/h，向3号节点注入的CEFR为134.89 tCO2/h，向负荷注入的CEFR为85.45 tCO2/h。3号节点向5号节点注入的CEFR为52.33 tCO2/h，接收4号节点注入CEFR为121.52 tCO2/h，向节点3、4间虚拟储气罐注入CEFR为74.28 tCO2/h，向负荷注入的CEFR为354.11 tCO2/h。节点4向3号节点注入的CEFR为121.52 tCO2/h，向负荷注入的CEFR为88.58 tCO2/h，接收气源注入的CEFR为225.20 tCO2/h。5号节点接收3号节点注入CEFR为52.33 tCO2/h，接收节点3、5间虚拟储气罐注入CEFR为83.96 tCO2/h，向负荷注入的CEFR为136.30 tCO2/h。6号节点接收2号节点注入CEFR为104.59 tCO2/h，向负荷注入的CEFR为215.83 tCO2/h，向燃气轮机注入的CEFR为34.11 tCO2/h。
此外，在图8所示的热力系统中，以3号节点为例，节点2、3间的虚拟储热罐向节点3注入CEFR为13.63 tCO2/h，节点3分别向节点3、4和节点3、6间的虚拟储热罐注入CEFR为8.11 tCO2/h和5.52 tCO2/h，对于节点3而言，总注入CEFR与总流出CEFR恰好达到平衡。在天然气系统中，以节点3为例，由节点4经由天然气管道向节点3注入的CEFR为628.99 tCO2/h；节点3经由天然气管道分别向节点2和节点5注入的CEFR为151.56 tCO2/h和109.34 tCO2/h；节点3向节点3、2间的虚拟储气罐注入的CEFR为36.49 tCO2/h、向节点3、5间的虚拟储气罐注入的CEFR为40.03 tCO2/h；节点3向气负荷注入的CEFR为291.57 tCO2/h，对于节点3来说，总注入的CEFR与总流出的CEFR均为628.99 tCO2/h，CEFR也恰好达到平衡。可见，在考虑气、热系统动态特性的碳排放流模型框架下，基于广义基尔霍夫电流定律的热网节点和天然气网节点均满足碳排放流守恒定律，在一个调度时段内，注入节点的碳排放流之和与流出节点碳排放流之和相等。因此，碳排放流模型在不改变热力系统和天然气系统原运行方式的基础上通过对动态特性的等效表达，实现了对热力系统和天然气系统动态碳排放特性的准确表达和精准量化。
（c）能量耦合设备及储能设备碳排放特性分析
能量耦合设备通过在电、气、热各类能源间的相互转化，实现异质能流间的耦合互补。通过分析图11~图13各典型调度时段能量耦合设备的碳排放特性可知，燃气轮机在实现天然气能向电能转化的过程中，依附于能量流的碳排放流亦由天然气系统传输至电力系统，输入端口与输出端口间的CEFR满足式（11）所示的SISO设备碳排放流转化关系，即注入燃气轮机的CEFR与流出燃气轮机的CEFR相等。同理，CHP设备在实现天然气能向电能和热能转化的过程中，依附于能量流的碳排放流亦随之转化，输入端口与输出端口间的CEFR满足式（13）所示的SIMO设备碳排放流转化关系，即注入CHP设备的CEFR与通过电输出端口和热输出端口流出CHP设备的CEFR相等。因此，在碳排放流模型中，能量耦合设备可在遵循碳排放量守恒原则的基础上实现碳排放流在不同能源系统间的传输与转化，实现对原分立的电力系统、热力系统和天然气系统碳排放流模型的一体化构建。
此外，为了验证电储能、虚拟储热罐和虚拟储气罐动态碳排放特性刻画的准确性，图16~图18分别展示了不同能源系统在储能设备接入条件下源、荷、储三侧CEFR间的关系。
由图16可知，在电负荷低谷时段14:00~17:00，电力系统“源侧”释放碳排放量大于“荷侧”吸收碳排放量，多余的碳排放量依附于电能被充入电储能设备中；在电负荷高峰时段10:00~13:00和18:00~21:00，负荷端吸收碳排放量大于发电机端释放碳排放量，缺额由电储能设备释放含碳电能弥补。类似的，由图17和图18可知，虚拟储热罐和虚拟储气罐均可实现在“源侧”释放碳排放量大于“荷侧”吸收碳排放量时，将多余的碳排放量进行储存；在“源侧”释放碳排放量小于“荷侧”吸收碳排放量时，将缺额的碳排放量进行补充。
由此可见，在碳排放流模型中，电储能设备、虚拟储热罐和虚拟储气罐的接入使IES源、荷双侧的碳供给和碳需求的实时平衡被打破，继而转向整个调度周期的碳排放平衡。
②、节点碳势-能源价格双响应机制有效性分析
构建以下四种场景：
场景1：不考虑DR；场景2：仅考虑能源价格型多元DR；场景3：仅考虑节点碳势型多元DR；场景4：考虑节点碳势-能源价格双响应。
（a）多元负荷曲线变化分析
为了分析不同类型DR对多元负荷的影响，图19~图21分别对比了电负荷、气负荷和热负荷在不同场景中的变化情况。表1展示了场景4中多元负荷相较于场景2和场景3的平均变化率，用以表征场景4中负荷向场景2和场景3的趋近程度。表2展示了电力系统、天然气系统和热力系统中碳势峰谷差。
表1场景4中多元负荷平均变化率
| 基准 | 电负荷 | 气负荷 | 热负荷 |
| 场景2 | 5.54% | 6.18% | 9.55% |
| 场景3 | 0.744% | 5.21% | 2.76% |
表2总NCI峰谷波动比例
| 索引 | 电力系统 | 天然气系统 | 热力系统 |
| 比例 | 52.91% | 2.16% | 13.19% |
（ⅰ）电力系统
通过分析图19中不同场景的电负荷变化情况可知，仅考虑能源价格型多元DR的场景2中的电负荷在负荷低谷时段1:00~6:00、14:00~17:00和22:00~24:00相较于场景1显著增加；在负荷高峰时段11:00~13:00和18:00~21:00相较于场景1显著降低。这是由于分时电价与电负荷大小呈正相关，在电负荷高峰时段，电价亦处于高峰，在电负荷低谷时段，电价亦处于低谷。因此，在电价引导下，电负荷高峰时段的用能需求将转移至电负荷低谷时段以避免产生高昂的购电成本，继而呈现出“削峰填谷”的变化趋势。
仅考虑节点碳势型多元DR的场景3中的电负荷在碳势低谷时段1:00~5:00、23:00~24:00相较于场景1显著增加；在碳势高峰时段8:00~21:00则显著降低。这是由于碳势的高低主要受“源侧”能源组成的影响，与电负荷间无明显的相关性。在低碳风电“反调峰”特性的影响下，电力系统的碳势与电负荷的峰谷分布不一致。因此，在节点碳势的引导下，场景2中电负荷“削峰填谷”的变化趋势不再存在，用能需求由高碳势时段向低碳势时段转移以避免产生高昂的碳排放成本。结合表1和表2分析场景4中电负荷变化趋势可知，在同时考虑节点碳势-能源价格双响应的情况下，电负荷相较于场景2平均变化了5.54%；相较于场景3平均变化了0.744%，即场景4中的电负荷变化趋势与场景3中的基本一致，表明了在节点碳势-能源价格双响应的电力系统DR中，节点碳势对电负荷的变化起主导作用。
（ⅱ）天然气系统
通过分析图20中不同场景的气负荷变化情况可知，与电负荷变化趋势类似，为避免产生高昂的购气成本，在天然气价的引导下，气负荷高峰时段的用能需求被转移至气负荷低谷时段，呈现出显著的“削峰填谷”趋势。因此，场景2中的气负荷在负荷低谷时段1:00~4:00和20:00~24:00相较于场景1显著增加；在负荷高峰时段8:00~13:00相较于场景1显著降低。
仅考虑节点碳势型多元DR的场景3中的气负荷在碳势低谷时段1:00~6:00和10:00~13:00相较于场景1显著增加；在碳势高峰时段9:00、14:00~16:00和22:00~24:00显著降低。与电力系统不同，天然气系统仅由气源满足天然气供给，无零碳排的“源侧”设备，全天然气系统的碳势由不同气源的出力占比决定。因此，场景2中气负荷的“削峰填谷”趋势亦被打破，用能需求由高碳势时段向低碳势时段转移以避免产生高昂的碳排放成本。结合表1和表2分析场景4中气负荷变化趋势可知，在同时考虑节点碳势-能源价格双响应的情况下，气负荷相较于场景2平均变化了6.18%；相较于场景3平均变化了5.21%，场景4中气负荷变化趋势与场景3中气负荷变化趋势的契合度低于电负荷，这是由于在调度周期内部天然气系统总碳势峰谷波动比例仅为2.16%，远小于电力系统的52.91%，天然气系统中以节点碳势引导气负荷的用能改变所获得的收益少于电力系统。因此，在节点碳势-能源价格双响应的天然气系统中，节点碳势与能源价格对气负荷的变化的影响基本均衡。
（ⅲ）热力系统
通过分析图21中不同场景中热负荷变化情况可知，由于热力系统仅由CHP机组供能，而CHP机组运行成本被纳入天然气系统统一计算，故热负荷未表现出对热价的响应积极性，因此，在场景2中，热负荷变化趋势与场景1基本一致。此外，为避免高碳排放量带来的高昂的碳排放成本，场景3中热负荷在碳势低谷时段2:00~10:00相较于场景1显著增加；在碳势高峰时段15:00~24:00显著降低。结合表1和表2分析场景4中热负荷变化趋势可知，由于热力系统中的碳势峰谷波动比例为13.19%，低于电力系统的52.91%，高于天然气系统的2.16%，因此，在同时考虑节点碳势-能源价格双响应的情况下，热负荷相较于场景2平均变化了9.55%；相较于场景3平均变化了2.76%，即场景4中热负荷向场景3热负荷的趋近程度介于电负荷和气负荷之间，同时表明了在节点碳势-能源价格双响应的热力系统DR中，节点碳势对热负荷的变化起主导作用。
（b）IES总运行成本分析
为了分析本实施例所述方法对IES运行经济性和低碳性的影响，表3列出了四种场景中运行成本、碳排放成本以及总成本的对比情况。
表3 不同场景的成本对比
| 索引 | 运行成本(元) | 碳排放成本(元) | 总成本(元) |
| 场景1 | 10124622.19 | 99933045.75 | 110057667.94 |
| 场景2 | 9559944.25 | 99771189.94 | 109331134.19 |
| 场景3 | 9926611.32 | 99446047.52 | 109372658.84 |
| 场景4 | 9663526.48 | 99625166.53 | 109288693.01 |
由表3分析可知，由于场景1不考虑DR，多元负荷无法与“源侧”建立互动关系，限制了IES运行的经济性与低碳性，因此，具有最高的运行成本和最高的碳排放成本以及最高的总成本。场景2考虑能源价格型多元DR，在价格的引导下，“荷侧”用户积极改变用能行为，将能源价格高峰时段的用能需求转移至能源价格低谷时段，提高了IES运行经济性，使IES运行成本相较于场景1降低了5.58%；在“荷侧”用能行为调整过程中，碳排放量亦会随之改变，进而表现为场景2中碳排放成本相较于场景1降低了161855.81元。最终，场景2的总成本相较于场景1降低了726533.75元。场景3考虑节点碳势型DR，在碳势的引导下，将碳势高峰时段的用能需求转移至碳势低谷时段，进而提高IES运行低碳性，使IES碳排放成本相较于场景1降低了486998.23元，相较于场景2降低了325142.42元。与场景2类似，在“荷侧”用能行为调整过程中，IES运行状态亦随之改变，进而表现为场景3中IES运行成本相较于场景1降低了198010.87元，相较于场景2升高了366667.07元。最终，场景3的总成本相较于场景1降低了685009.10元。
通过上述对场景2和场景3运行成本和碳排放成本的分析可知，场景2仅考虑能源价格型多元DR，将能源价格高峰时段的用能需求转移至能源价格低谷时段，但忽略了碳排放成本，调度结果更具经济性，但低碳性欠佳；场景3仅考虑节点碳势型多元DR，将碳势高峰时段的用能需求转移至碳势低谷时段，调度结果更具低碳性，但经济性欠佳。而场景4应用本实施例所述方法，使调度结果兼顾经济性和低碳性，其中运行成本较场景2升高了103582.23元，较场景3降低了263084.84元；而碳排放成本较场景2降低了146023.41元，较场景3升高了179119.01元，最终，场景4获得了最低的总成本。因此，从整体最优的角度，本实施例所述方法可以使IES的调度结果兼顾经济性和低碳性，具有较好的实用价值。
实施例2
基于实施例1，本实施例中，一种综合能源系统低碳调度系统，包括：
经济调度模块，用于基于上层经济调度模型，以综合能源系统运行经济性最优为目标，制定综合能源系统最优经济调度计划，获得能源价格型需求侧响应的负荷曲线；
节点碳势计算模块，用于考虑热力系统动态特性和天然气系统动态特性，获得综合能源系统碳排放流模型，并根据最优经济调度后的多能耦合能量流，计算各负荷节点的节点碳势；
低碳需求侧响应模型建立模块，用于根据得到的能源价格型需求侧响应的负荷曲线和各负荷节点的节点碳势，以减碳收益最高为目标函数，建立下层低碳需求侧响应模型，获得精准碳势型需求侧响应的负荷曲线；
迭代模块，用于将精准碳势型需求侧响应的负荷曲线上报回上层经济调度模型，上下层模型相互迭代计算，最终达到平衡，实现综合能源系统的低碳调度。
此处需要说明的是，本实施例中的各个模块与实施例1中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例3
本实施例提供一种介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如实施例1的方法中的步骤。
实施例4
本实施例提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1的方法所述的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种综合能源系统低碳调度方法，其特征在于，包括如下步骤：
基于上层经济调度模型，以综合能源系统运行经济性最优为目标，制定综合能源系统最优经济调度计划，获得能源价格型需求侧响应的负荷曲线；
考虑热力系统动态特性和天然气系统动态特性，获得综合能源系统碳排放流模型，并根据最优经济调度后的多能耦合能量流，计算各负荷节点的节点碳势；
根据所述能源价格型需求侧响应的负荷曲线和所述各负荷节点的节点碳势，以减碳收益最高为目标函数，建立下层低碳需求侧响应模型，获得精准碳势型需求侧响应的负荷曲线；
将精准碳势型需求侧响应的负荷曲线上报回上层经济调度模型，上下层模型相互迭代计算，最终达到平衡，实现综合能源系统的低碳调度；
所述综合能源系统碳排放流模型，包括电力系统碳排放流模型、热力系统碳排放流模型、天然气系统碳排放流模型、能量耦合设备碳排放流模型和储能设备碳排放流模型；
所述考虑热力系统动态特性和天然气系统动态特性，获得综合能源系统碳排放流模型，包括：将热网管道替换为可同时处于蓄热和放热状态的双端口虚拟储热罐，将热网管道中流过的能量流等效为虚拟储热罐的蓄热和放热过程，实现对热力系统传输延时特性和热损失特性的等价替换；经过等价替换后，虚拟储热罐直接作用于热网节点，热力系统等效为由双端储能元件连接而成的特殊电力系统，根据电力系统碳排放流模型得到热力系统碳排放流模型；
所述下层低碳需求侧响应模型的目标函数，具体为：
式中，为下层低碳需求侧响应模型的目标函数；/>、/>和/>分别为电力系统、热力系统和天然气系统的碳减排量；/>为碳交易成本；/>、/>和分别为经过低碳需求侧响应后电网节点i、热网节点z和天然气网节点a在时段t的负荷改变量；I、Z和A分别为电网节点、热网节点和天然气网节点的总数；T为全调度周期，/>、、/>分别为电网节点i、热网节点z和天然气网节点a在时段t的节点碳势。
2.如权利要求1所述的一种综合能源系统低碳调度方法，其特征在于，电力系统碳排放流模型，具体为：
，
式中，NCIi,t、BCIij,t和GCIg,t分别为节点i、支路ij和机组g在时段t的碳势；和分别为与节点i相连的支路ij和机组g；/>为时段t流过支路ij的功率；/>为时段t机组g的功率。
3.如权利要求1所述的一种综合能源系统低碳调度方法，其特征在于，所述热力系统动态特性，包括传输延时特性和热损失特性；所述天然气系统动态特性，包括管存特性。
4.如权利要求1所述的一种综合能源系统低碳调度方法，其特征在于，所述考虑热力系统动态特性和天然气系统动态特性，获得综合能源系统碳排放流模型，还包括：
引入虚拟储气罐，利用虚拟储气罐的蓄气与放气实现对天然气系统管存特性的等价替换；
当时段t注入天然气管道ab的流量大于流出天然气管道的流量/>，天然气管道首端多余的天然气流量被储存在虚拟储气罐中，此时处于蓄气状态的虚拟储气罐接入天然气管道首端节点，流过天然气管道ab的能量流为/>；
当时段t注入天然气管道ab的流量小于流出天然气管道的流量/>，天然气管道末端超出首端的天然气流量由虚拟储气罐提供，此时处于放气状态的虚拟储气罐接入天然气管道末端，流过天然气管道ab的能量流为/>；
经过等价替换后，天然气系统等效为计及线路潮流、储能设备接入位置随管道蓄放气状态变化而动态改变的特殊电力系统，根据电力系统碳排放流模型得到天然气系统碳排放流模型。
5.一种综合能源系统低碳调度系统，其特征在于，包括：
经济调度模块，用于基于上层经济调度模型，以综合能源系统运行经济性最优为目标，制定综合能源系统最优经济调度计划，获得能源价格型需求侧响应的负荷曲线；
节点碳势计算模块，用于考虑热力系统动态特性和天然气系统动态特性，获得综合能源系统碳排放流模型，并根据最优经济调度后的多能耦合能量流，计算各负荷节点的节点碳势；所述综合能源系统碳排放流模型，包括电力系统碳排放流模型、热力系统碳排放流模型、天然气系统碳排放流模型、能量耦合设备碳排放流模型和储能设备碳排放流模型；所述考虑热力系统动态特性和天然气系统动态特性，获得综合能源系统碳排放流模型，包括：将热网管道替换为可同时处于蓄热和放热状态的双端口虚拟储热罐，将热网管道中流过的能量流等效为虚拟储热罐的蓄热和放热过程，实现对热力系统传输延时特性和热损失特性的等价替换；经过等价替换后，虚拟储热罐直接作用于热网节点，热力系统等效为由双端储能元件连接而成的特殊电力系统，根据电力系统碳排放流模型得到热力系统碳排放流模型；
低碳需求侧响应模型建立模块，用于根据得到的能源价格型需求侧响应的负荷曲线和各负荷节点的节点碳势，以减碳收益最高为目标函数，建立下层低碳需求侧响应模型，获得精准碳势型需求侧响应的负荷曲线；所述下层低碳需求侧响应模型的目标函数，具体为：
式中，为下层低碳需求侧响应模型的目标函数；/>、/>和/>分别为电力系统、热力系统和天然气系统的碳减排量；/>为碳交易成本；/>、/>和/>分别为经过低碳需求侧响应后电网节点i、热网节点z和天然气网节点a在时段t的负荷改变量；I、Z和A分别为电网节点、热网节点和天然气网节点的总数；T为全调度周期，/>、/>、分别为电网节点i、热网节点z和天然气网节点a在时段t的节点碳势；
迭代模块，用于将精准碳势型需求侧响应的负荷曲线上报回上层经济调度模型，上下层模型相互迭代计算，最终达到平衡，实现综合能源系统的低碳调度。
6.一种介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任一项所述的一种综合能源系统低碳调度方法中的步骤。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4任一项所述的一种综合能源系统低碳调度方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310416620.2A CN116128262B (zh) | 2023-04-19 | 2023-04-19 | 一种综合能源系统低碳调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310416620.2A CN116128262B (zh) | 2023-04-19 | 2023-04-19 | 一种综合能源系统低碳调度方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116128262A CN116128262A (zh) | 2023-05-16 |
| CN116128262B true CN116128262B (zh) | 2023-07-25 |
Family
ID=86312188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310416620.2A Active CN116128262B (zh) | 2023-04-19 | 2023-04-19 | 一种综合能源系统低碳调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116128262B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117220346B (zh) * | 2023-07-27 | 2024-04-16 | 河海大学 | 一种综合能源服务商电-碳-绿证双层分布式调度方法 |
| CN117689184B (zh) * | 2024-02-02 | 2024-04-19 | 山东科技大学 | 考虑荷侧与低碳-经济协同的电力系统规划方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109102104A (zh) * | 2018-06-29 | 2018-12-28 | 清华大学 | 一种基于碳排放流的多能源系统协同低碳规划方法 |
| WO2020237700A1 (zh) * | 2019-05-28 | 2020-12-03 | 国电南瑞科技股份有限公司 | 一种多能源系统运行调度方法 |
| CN112821397A (zh) * | 2021-04-19 | 2021-05-18 | 国网江西省电力有限公司电力科学研究院 | 一种“源-荷-储”协调的低碳经济调度方法及装置 |
| CN113780663A (zh) * | 2021-09-14 | 2021-12-10 | 国网山东省电力公司经济技术研究院 | 基于碳交易模型的综合能源系统低碳调度方法和系统 |
| CN114298383A (zh) * | 2021-12-14 | 2022-04-08 | 华能浙江能源销售有限责任公司 | 一种虚拟电厂储能容量配置方法及装置 |
| CN114865631A (zh) * | 2022-07-05 | 2022-08-05 | 华东交通大学 | 源荷协同降碳的综合能源系统最优分布鲁棒经济调度方法 |
| CN114936720A (zh) * | 2022-07-08 | 2022-08-23 | 江苏师范大学 | 一种源-荷-储协调的综合能源系统低碳经济调度方法 |
| CN114998052A (zh) * | 2022-06-02 | 2022-09-02 | 西安理工大学 | 考虑需求响应的综合能源系统低碳经济优化运行方法 |
| CN115241931A (zh) * | 2022-09-23 | 2022-10-25 | 国网浙江省电力有限公司宁波供电公司 | 基于时变电碳因子曲线的园区综合能源系统调度方法 |
| CN115293645A (zh) * | 2022-08-30 | 2022-11-04 | 东南大学 | 一种考虑碳排放累积熵的区域源荷协调调度方法 |
| CN115481781A (zh) * | 2022-08-18 | 2022-12-16 | 江苏龙源风力发电有限公司 | 电力系统联合规划方法及可读存储介质 |
| CN115859686A (zh) * | 2023-02-07 | 2023-03-28 | 山东科技大学 | 考虑扩展碳排放流的综合能源系统低碳调度方法及系统 |
-
2023
- 2023-04-19 CN CN202310416620.2A patent/CN116128262B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109102104A (zh) * | 2018-06-29 | 2018-12-28 | 清华大学 | 一种基于碳排放流的多能源系统协同低碳规划方法 |
| WO2020237700A1 (zh) * | 2019-05-28 | 2020-12-03 | 国电南瑞科技股份有限公司 | 一种多能源系统运行调度方法 |
| CN112821397A (zh) * | 2021-04-19 | 2021-05-18 | 国网江西省电力有限公司电力科学研究院 | 一种“源-荷-储”协调的低碳经济调度方法及装置 |
| CN113780663A (zh) * | 2021-09-14 | 2021-12-10 | 国网山东省电力公司经济技术研究院 | 基于碳交易模型的综合能源系统低碳调度方法和系统 |
| CN114298383A (zh) * | 2021-12-14 | 2022-04-08 | 华能浙江能源销售有限责任公司 | 一种虚拟电厂储能容量配置方法及装置 |
| CN114998052A (zh) * | 2022-06-02 | 2022-09-02 | 西安理工大学 | 考虑需求响应的综合能源系统低碳经济优化运行方法 |
| CN114865631A (zh) * | 2022-07-05 | 2022-08-05 | 华东交通大学 | 源荷协同降碳的综合能源系统最优分布鲁棒经济调度方法 |
| CN114936720A (zh) * | 2022-07-08 | 2022-08-23 | 江苏师范大学 | 一种源-荷-储协调的综合能源系统低碳经济调度方法 |
| CN115481781A (zh) * | 2022-08-18 | 2022-12-16 | 江苏龙源风力发电有限公司 | 电力系统联合规划方法及可读存储介质 |
| CN115293645A (zh) * | 2022-08-30 | 2022-11-04 | 东南大学 | 一种考虑碳排放累积熵的区域源荷协调调度方法 |
| CN115241931A (zh) * | 2022-09-23 | 2022-10-25 | 国网浙江省电力有限公司宁波供电公司 | 基于时变电碳因子曲线的园区综合能源系统调度方法 |
| CN115859686A (zh) * | 2023-02-07 | 2023-03-28 | 山东科技大学 | 考虑扩展碳排放流的综合能源系统低碳调度方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于机会约束目标规划的多电-气互联综合能源系统分布式优化模型;张浩禹;邱晓燕;周晟锐;赵有林;李凌昊;张楷;;电力建设(第07期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116128262A (zh) | 2023-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116128262B (zh) | 一种综合能源系统低碳调度方法及系统 | |
| CN110163443B (zh) | 考虑电-气综合需求响应的天然气调压站微能网优化调度方法 | |
| CN109524957A (zh) | 考虑碳交易机制和柔性负荷的综合能源系统优化调度方法 | |
| CN106208157A (zh) | 基于电转气的电‑气互联综合能源系统削峰填谷方法 | |
| CN113792969A (zh) | 考虑气网动态特性和电转气综合能源系统优化调度方法 | |
| CN115859686B (zh) | 考虑扩展碳排放流的综合能源系统低碳调度方法及系统 | |
| CN116341881B (zh) | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 | |
| Yu et al. | Optimal operation of the combined heat and power system equipped with power‐to‐heat devices for the improvement of wind energy utilization | |
| CN107947245A (zh) | 考虑天然气系统约束的等值最优潮流模型构建方法 | |
| CN114077934A (zh) | 一种综合能源微网互联系统及其调度方法 | |
| CN113487188A (zh) | 考虑电气联合价格引导机制的综合能源系统优化调度方法 | |
| CN116361603A (zh) | 一种电力系统碳排放流计算方法 | |
| Wang et al. | Stackelberg game-based optimal scheduling of integrated energy systems considering differences in heat demand across multi-functional areas | |
| CN116911428A (zh) | 一种考虑绿证-碳交易机制的含多微能网综合能源系统双层优化调度方法 | |
| CN113313351B (zh) | 计及多能耦合影响的电-气-热系统灵活性评估方法 | |
| CN114066056A (zh) | 考虑热电协同综合能源系统灵活性的优化调度方法及系统 | |
| CN111724026A (zh) | 一种多能源网络与配水网耦合运行的优化方法 | |
| CN116796886A (zh) | 一种氢储装置气电一体化能源系统的运行优化方法 | |
| CN112862157B (zh) | 一种考虑耦合度的综合能源系统优化调度方法及系统 | |
| CN116070754A (zh) | 考虑能量共享的多主体综合能源系统优化运行方法及系统 | |
| CN114139362A (zh) | 一种计及可再生能源渗透率的智能软开关优化配置方法 | |
| CN112508730A (zh) | 一种综合能源虚拟电厂的风电消纳策略 | |
| CN110705804A (zh) | 一种考虑多类型热泵的多能微网效率效益评估方法 | |
| Li et al. | Optimization strategy for CHP with heat storage participating in deep peak regulation market | |
| CN118246710B (zh) | 一种计及多区域互动策略的电-热系统调度方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |