具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

本发明的考虑碳排放与不同用户绿电需求的区域多园区综合能源系统优化调度方法，将碳排放权加入到等效模型中，将用户分为高能耗工业用户、一般工商业用户和居民用户，以能源服务商为纽扣，以服务商提供的能源价格和功率为链接，构建区域多园区综合能源系统优化调度模型。模型包括内层单园区综合能源网络系统和外层区域多园区能源服务商合作交易模型两部分。

模型求解过程，首先不同用户根据自身碳排放权、能源需求以及当前能源价格提出用能需求；然后园区内层优化调度模型对能源供应商能源出力进行优化调度，同时将出力结果返回能源服务商；然后能源服务商统筹本园区能源供应商能源出力情况、绿电消纳情况与其他园区能源供应商能源价格及功率大小，通过外层优化调度模型进行区域多园区协调求解，获得区域多园区综合能源系统优化调度方案，最终确定各园区能源价格。

本发明的考虑碳排放与绿电消纳的能源优化调度方法，包括如下步骤：

1)根据园区内供能设备运行特性以及碳排放权，构建供能设备出力模型；并为不同用户类型配置碳排放权以及绿电消纳指标，根据不同用户类型创建各供能设备出力模型的能源需求约束；其中，功能设备出力模型包括：燃气轮机出力模型、锅炉设备出力模型、新能源发电设备出力模型、电制热设备出力模型、电制冷设备出力模型以及电制氢设备出力模型；所述用户类型包括：高能耗工业用户、一般工商业用户以及居民用户；

所述的供能设备包括燃气轮机、燃气锅炉、电制热设备、电制冷设备、吸收式制冷机、电制氢设备、新能源发电设备等，各耗能设备考虑碳排放权，新能源发电设备考虑碳收益，用户根据类型不同考虑绿电消纳指标和碳收益，具体等效模型如下：

(1.1)其中，燃气轮机通过压缩空气与天然气混合燃烧，生成高温燃气膨胀做功进而产生电能，利用燃烧后的高温烟气通过吸收式制冷机或热交换器满足用户冷热负荷需求，所述燃气轮机出力模型的等效数学表达式为：

G_GT,t＝V_GT,t

P_GT,t＝G_GT,t*η_GT

P_GT,t,min≤P_GT,t≤P_GT,t,max

V_GT≤δ(C_{lim_GT}+C_{lim_GT_buy})

C_GT＝aC_{lim_GT_buy}

式中：G_GT,t为燃气轮机消耗天然气的输入功率、V_GT,t为燃气轮机的天然气消耗量；H_gas为天然气热值；P_GT,t为燃气轮机的发电功率、η_GT为燃气轮机的供电效率；Q_WHB,t为余热锅炉的热回收功率、η_WHB为余热锅炉的热回收效率；P_GT,t,max为燃气轮机电输出功率的上限、P_GT,t,min为燃气轮机电输出功率的下限；为碳排放系数、C_{lim_GT}为分配碳排放限额。C_GT表示供应商利用燃气轮机发电产生的额外碳成本；C_{lim_GT_buy}表示供应商为保证正常生产所购买的额外碳排放权；

(1.2)吸收式制冷机的制冷功率与燃气轮机排出的热能有关，故不单独对其碳排放权进行约束，其数学模型如式

Q_ac＝Q_pCOP_ac

其中，Q_ac为吸收式制冷机制冷功率；Q_p为吸收式制冷机消耗热功率；COP_ac为吸收式制冷机转换效率。

(1.3)所述锅炉设备为燃气锅炉，将化学能转化为热能，作用为在综合能源燃气轮机无法满足用户热负荷需求时充当备用热源，加入碳排放权约束，表示燃气锅炉热出力不仅受自身额定热功率限值，还受限于分配到燃气锅炉设备的碳排放额，具体等效数学模型为：

Q_GB,t＝η_GBV_GB,t

0≤V_GB,t≤V_GB,t,max

V_GB≤δ(C_{lim_GB}+C_{lim_GB_buy})

C_GB＝aC_{lim_GB_buy}

其中，Q_GB,t为燃气锅炉输出热功率；η_GB为燃气锅炉转换效率；V_GB,t为燃气锅炉天然气消耗功率；V_GB,t,max为燃气锅炉最大进气功率；C_{lim_GB}为分配到燃气锅炉设备的碳排放限额。

C_GB表示供应商利用燃气锅炉供热产生的额外碳成本；C_{lim_GB_buy}表示供应商为保证正常生产供热所购买的额外碳排放权；

(1.4)所述新能源发电(绿电)设备等效模型的数学表达式为：

(1.4.1)对于光伏发电设备，输出功率主要取决于太阳能辐射强度，其建模过程如下：

太阳能辐射强度的分布近似于Beta分布，其分布函数为：

其中，G_t为t时刻的光照强度(W/m2)；G_max为该时段内最大光照强度；B(α,β)为Beta函数，α与β为分布函数的形状参数。

光伏发电出力主要取决于光照强度，此外受电池板面积、温度等影响，光伏发电的输出功率可用下式进行估算：

P_pv＝A{P_scG_t[1+k(T_c-T_r)]/G_sc}η_PV

A为光伏阵列面积；η_PV为光伏组件光电转换效率；P_sc为标准条件(光照强度1000W/m2，环境温度25℃)下光伏发电系统的最大输出功率；k为温度系数，取-0.47％/K；G_sc为标准条件下的光照强度，即为1000W/m2；T_r为参考温度，一般取25℃；T_c为光伏电池组件的工作温度，其计算公式为：

T_c＝T_a+30G_t/1000

T_a为环境温度

(1.4.2)对于风力发电设备，其输出功率主要取决于风速，一般用韦伯分布进行风速的计算，其数学表达式为：

其中，v为风速；λ为比例参数；k为形状参数

风力发电有三个典型风速值，即切入风速v_in、额定风速v_r和切出风速v_out，在进行风力发电机组设备出力数字建模时，需对功率曲线进行近似模拟，当风机的额定功率为P_r,WT时，等效数字模型如下所示：

对于新能源发电(绿电)设备，考虑其碳收益，如下式所示：

C_{PV_WT}＝aδ_{PV_WT}(P_WT+P_PV)Δt

C_{PV_WT}为新能源发电(绿电)收益，δ_{PV_WT}碳排放因子。

(1.5)所述电制热设备，即电锅炉设备，电制热设备出力模型数学表达式为：

Q_EB＝η_EBP_EB

P_{EB_min}≤P_EB≤P_{EB_max}

C_EB＝aδ_EBP_EB

其中，P_EB、η_EB分别为电锅炉制热设备消耗电能与转换效率；C_EB为非绿电使用电锅炉设备产生的额外碳成本，δ_EB为电锅炉耗能等效碳排放因子。

(1.6)所述电制冷设备利用电能做功来转移热量，近年来热泵(heat pump,HP)引起广泛关注，其可以直接安装在综合能源系统的用户侧实现冬季制热和夏季制冷的效果，并与系统中其他供能设备一起满足冷热负荷的需求，电制冷设备出力模型为：

Q_HP＝η_HPP_HP

P_{HP_min}≤P_HP≤P_{HP_max}

C_HP＝aδ_HPP_HP

其中，P_HP、η_HP分别为电制冷设备消耗电能与转换效率；C_HP为非绿电使用电制冷设备产生的额外碳成本，δ_HP为电制冷设备耗能等效碳排放因子。

(1.7)所述电制氢设备，通过电解池(solid oxide electrolysis cells，SOEC)利用电能电解水生成氢气和氧气，电制氢设备出力模型的数学表达式为：

C_SOEC＝δ_SOECP_SOEC

其中，g_SOEC为当前时间间隔内电解池产生的氢气量；为氢气低位热值；P_SOEC为当前时间间隔内电解池消耗的电能；η_SOEC为电解池的电解效率；C_SOEC为非绿电使用电制氢设备产生的额外碳成本；δ_SOEC为单位电制氢设备耗能碳成本；根据目前现实生产应用情况，为保证效益最大，只在有富余绿色电力时进行绿电制氢。

(1.8)由于不同用户需考虑的能耗因素也不同，对于综合能源系统优化调度的影响也不同，因此本发明将传统用户模型分为高能耗工业用户、一般工商业用户和居民用户，并设定不同的能源约束。

(1.8.1)对于高能耗工业用户，其除了常规能源需求外，还可能有碳排放权需求，即需要从综合能源服务商处购买额外的碳排放权，以进行正常生产；此外其用电具有可再生能源电力消纳责任权重指标，即其消耗的总电能中绿色电力(新能源发电)占比需达到规定责任权重指标。根据所述高能耗工业用户的碳排放权和可再生能源电力消纳责任权重指标指标，创建所述高能耗工业用户的能源需求约束，可表示为：

C_em,user1＝δ₁P_user1

P_user1＝P_{user1_PV_WT_buy}+P_{user1_PV_WT}+P_{user1_buy}

0≤C_em,user1≤C_{em,user1_lim}+C_{em,user1_buy}

0≤εP_user1≤P_{user1_PV_WT_buy}+P_{user1_PV_WT}

C_user1＝aC_{em,user1_buy}+bP_{user1_PV_WT_buy}+cP_{user1_buy}+d

高能耗工业用户的碳排放量与其生产工艺有关，本模型用企业总耗电量估算其碳排放量，其中，C_em,user1表示该高能耗工业用户碳排放量；δ₁表示碳排放折算系数；P_user1表示该高能耗工业用户总电能消耗；P_{user1_PV_WT_buy}表示该高能耗工业用户向综合能源服务商购买的绿色电能；P_{user1_PV_WT}表示该高能耗工业用户自身分布式光伏和风电发出的绿色电能；P_{user1_buy}表示该高能耗工业用户购买的传统电能；C_{em,user1_lim}表示分配到该高能耗工业用户的碳排放权；C_{em,user1_buy}表示该高能耗工业用户向综合能源服务商购买的碳排放权，其值为负时表示有富余碳排放权与能源服务商交易；ε表示该高能耗工业用户的可再生能源电力消纳责任权重；C_user1表示该高能耗工业用户生产购能总成本；aC_{em,user1_buy}表示购买碳排放权的成本；bP_{user1_PV_WT_buy}表示购买绿电的成本；cP_{user1_buy}表示购买传统电能的成本；d表示其他成本。

(1.8.2)对于一般工商业用户，因其能源消耗水平相对不高以及分布式能源的大量应用，其自发绿电基本能满足电能需求，实现全绿电，一般工商业用户的能源需求约束为可表示为：

C_em,user2＝δ₂P_user2

P_user2＝P_{user2_PV_WT}+P_{user2_PV_WT_buy}

0≤C_em,user2≤C_{em,user2_lim}+C_{em,user2_buy}

0≤εP_user2≤P_{user2_PV_WT}+P_{user2_PV_WT_buy}

C_user2＝aC_{em,user2_buy}+bP_{user2_PV_WT_buy}+c

一般工商业用户的碳排放量与其生产工艺有关，本模型用企业总耗电量估算其碳排放量，其中，C_em,user2表示该一般工商业用户碳排放量；δ₂表示其碳排放折算系数；P_user2表示该一般工商业用户总电能消耗；P_{user2_PV_WT_buy}表示该一般工商业用户向综合能源服务商购买的绿色电能，此处根据用户类型一般取值0或负值，表示不从综合能源服务商处购买绿色电能或向综合能源服务商出售自身富余绿色电力；P_{user2_PV_WT}表示该高能耗工业用户自身分布式光伏和风电发出的绿色电能；C_{em,user2_lim}表示分配到该一般工商业用户的碳排放权；C_{em,user2_buy}表示该一般工商业用户向综合能源服务商购买的碳排放权，其值为负时表示有富余碳排放权与能源服务商交易；ε表示该一般工商业用户的可再生能源电力消纳责任权重；C_user2表示该一般工商业用户生产购能总成本；aC_{em,user2_buy}表示购买碳排放权的成本；bP_{user2_PV_WT_buy}表示购买绿电的成本；c表示其他成本。

(1.8.3)对于居民用户，不考虑其碳排放权与绿电消纳指标，且因其条件差异，居民用户自有分布式能源差异大，居民用户与能源服务商之间电能存在双向流动，居民富余绿色电能可与能源服务商交易，居民用户的能源需求约束可表示为：

P_user3＝P_{user3_PV_WT}+P_{user3_PV_WT_buy}

C_user3＝aP_{user3_PV_WT_buy}+b

不考虑居民用户碳排放权与绿电消纳指标，其中，P_user3表示该居民用户总电能消耗；P_{user3_PV_WT_buy}表示该居民用户向综合能源服务商购买的绿色电能，此处根据用户类型不同取值不同：取值为正时，表示该居民用户自身分布式能源不能满足自身需求，需从能源服务商处购买能源，取值为零时，表示不从综合能源服务商处购买能源，取值为负时，表示向综合能源服务商出售自身富余绿色电力；P_{user3_PV_WT}表示该居民用户自身分布式光伏和风电发出的绿色电能；C_user3表示该居民用户购能总成本；aP_{user3_PV_WT_buy}表示购买绿电的成本，其值为负时表示出售富余能源收益；b表示其他用能成本。

2)构建单园区综合能源系统供能网络结构模型；

构建单园区综合能源系统供能网络结构模型，如附图1所示，该综合能源系统网络包含冷-热-电-氢四种能源，涉及燃气轮机、燃气锅炉、新能源发电、吸收式制冷、电制氢、电制热、电制冷等设备和技术，能够综合考虑综合能源供应商、服务商的能源需求约束以及高能耗工业用户、一般工商业用户以及居民用户的不同能源需求。

3)以能源服务商为纽扣，以服务商提供的能源价格和功率为链接，构建外层能源服务商优化调度模型；

构建外层能源服务商优化调度模型，如附图2所示，各园区能源服务商作为其对应园区内能源代表，统筹汇总其园区内能源供需情况，制定能源交易价格，与其他能源服务商进行合作交易，形成区域多园区综合能源网络。

4)根据预设值初始化各单园区内综合能源系统供能网络模型，对内层单园区综合能源系统进行优化调度，内层优化调度模型的目标函数为园区内能源供应商利益最优，并向外层能源服务商反馈能源价格与能源供应量。

F为园区综合能源供应商的总成本；为外部购气成本；为外购气单价；P_gas,t为外购气量；为能源供应商运营维护成本；分别为燃气轮机、燃气锅炉每单位出力的运行维护成本；P_t ^own、分别为能源供应商燃气轮机、燃气锅炉在时段t的电功率、热功率；为供应商生产运行的碳成本，具体包括燃气轮机、燃气锅炉、新能源发电、电制热、电制冷设备生产产生的碳成本。

5)能源服务商统筹园区内用户能源需求、能源供应商和其他园区能源服务商提供的能源价格和功率，以能源服务商利益最优为目标，构建外层能源服务商优化调度模型，并利用粒子群算法对优化模型进行求解，得到最优调度方案。

(5.1)区域各园区综合能源服务商通过信息共享，能源合作与交易构成外层能源服务商优化调度模型。根据综合能源服务商提供信息，区域系统内各园区能源需求、能源价格已知。区域各园区以自身利益最大化为目标，进行单园区能源优化调控，优化目标函数为：

其中，

其中，N为区域园区的集合，表示区域综合能源网络有N个园区参与交易；F为园区综合能源服务商的收益；为时段t园区综合能源服务商内部售电收益；为时段t园区综合能源服务商间售电收益；为时段t园区综合能源服务商向电网售电收益；为时段t从本园区能源供应商购能成本；为时段t与区域其他园区能量交互成本；为时段t园区综合能源服务商向电网购电成本；分别为能源服务商与区域其他园区服务商单位电能、热能交互成本；P_in、H_in为能源服务商与区域其他园区服务商电能、热能交互量；为时段t能源服务商从电网单位售能(购能)成本；为时段t能源服务商与电网电能交互量；分别为时段t能源服务商与本园区能源供应商购买的单位电能、热能成本；为时段t能源服务商通过本园区能源供应商购买的电能、热能量；为时段t能源服务商向用户出售的单位电能、热能价格；Δt为时间跨度。

(5.2)外部交易优化策略以该园区外部交易(出售或购买)收益最大为目标函数，根据外部交易功率需求约束及区域其它园区供能约束，确定该园区外部交易功率组成。其目标函数为：

其中，

其中，P_out，H_out分别为外部交易电能，热能，包括与区域其它能源服务商交易和与网络间能源交易；表示时段t能源服务商从电网单位购买的热能量。

(5.3)利用粒子群算法对外层能源服务商优化调度模型进行求解，得到该综合能源系统的最优调度方案。

在目标函数的优化求解中，常见的优化算法包括粒子群优化算法(particleswarm optimization，PSO)、遗传算法(genetic algorithm，GA)、改进型非支配排序遗传算法(nondominated sorting genetic algorithm II，NSGA-II)、蚁群算法等，其中，粒子群优化算法结构简单、收敛速度快且易实现、智能化，计算过程中能够根据多维约束条件通过迭代来寻优求解，已被广泛应用于求解电力系统的负荷经济分配、电网规划等优化问题当中。

粒子群算法设计一种无质量的粒子，粒子仅具有两个属性：速度和位置，速度代表移动的快慢，位置代表移动的方向。每个粒子在搜索空间中单独的搜寻最优解，并将其记为当前个体极值，并将个体极值与整个粒子群里的其他粒子共享，找到最优的那个个体极值作为整个粒子群的当前全局最优解，粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当前全局最优解来调整自己的速度和位置。

初始状态下为一群随机粒子(随机解)，在每一次的迭代中，粒子通过跟踪极值(pbest，gbest)，根据下式来更新自己的速度和位置，然后通过迭代找到最优解。

v_i＝ω*v_i+c₁*rand()*(pbest_i-x_i)+c₂*rand()*(gbest_i-x_i)

x_i＝x_i+v_i

其中，i＝1,2,3……N，N是粒子群总数；ω为惯性因子且ω≥0，当其值较大时算法全局寻优能力强，局部寻优能力弱，当其值较小时算法全局寻优能力弱，局部寻优能力强；v_i为粒子的速度，且v_i≤v_max；rand()为(0，1)之间的随机数；x_i为粒子当前的位置；c₁、c₂为学习因子，通常相等且取值2；

粒子群算法的实际应用中，公式中惯性因子多采用动态值，来调整算法的全局和局部搜索能力，其确定方法如下：

ω_(t)＝(ω_int-ω_end)(G_k-g)/G_k+ω_end

其中ω_int为初始惯性因子取值，典型值为0.9；ω_end为迭代至最大代数时惯性因子取值值，典型值为0.4；G_k为最大迭代次数。

区域多园区能量调度优化模型的求解过程如附图3所示，粒子群算法的具体求解过程如附图4所示。

本实施例提供一种考虑碳排放与绿电消纳的能源优化调度系统，用于执行前述方法实施例中所述的一种考虑碳排放与绿电消纳的能源优化调度方法。由于系统实施例的技术原理与前述方法实施例的技术原理相似，因而不再对同样的技术细节做重复性赘述。

在一实施例中，考虑碳排放与绿电消纳的能源优化调度系统，包括：

模型及约束创建模块，用于根据园区内供能设备运行特性以及碳排放权，构建供能设备出力模型；并为不同用户类型配置碳排放权以及绿电消纳指标，根据不同用户类型创建各供能设备出力模型的能源需求约束；其中，功能设备出力模型包括：燃气轮机出力模型、锅炉设备出力模型、新能源发电设备出力模型、电制热设备出力模型、电制冷设备出力模型以及电制氢设备出力模型；所述用户类型包括：高能耗工业用户、一般工商业用户以及居民用户；

优化计算模块，用于根据所述能源需求约束以及当前园区能源供应商和其他园区能源供应商的能源价格和功率，以能源供应商收益最优为目标，构建外层能源服务商优化调度模型，通过优化算法求解所述外层能源服务商优化调度模型获取能源最优调度方案。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。