交易机制

双碳目标下，多能耦合协同运行的虚拟电厂（virtual power plant，VPP）能够有效提升系统经济效益。为降低VPP碳排放量，同时挖掘其需求侧可调节潜力，提出一种考虑阶梯碳交易及综合需求响应的虚拟电厂优化调度模型。首先，基于阶梯式碳交易机制，考虑虚拟电厂各组成元件约束，建立参与碳交易市场的虚拟电厂模型；其次，将需求响应分为价格型需求响应和替代性需求响应，分别构建响应模型；最后，考虑购能成本、系统运营成本和阶梯式碳交易成本，以VPP在调度周期内收益最大为目标函数建立虚拟电厂低碳经济运行模型，并通过算例仿真验证所提模型的有效性。

虚拟电厂(virtual power plant,VPP)作为多能流互联的综合能源网络，已成为中国加速实现双碳目标的重要角色。但VPP内部资源协同低碳调度面临多能流的耦合程度紧密、传统碳交易模型参数主观性强、含高维动态参数的优化目标在线求解困难等问题。针对这些问题，文中提出一种融合注意力机制(attention mechanism,AM)与柔性动作评价(soft actor-critic,SAC)算法的VPP多能流低碳调度方法。首先，根据VPP的随机碳流特性，面向动态参数建立基于贝叶斯优化的改进阶梯型碳交易机制。接着，以经济效益和碳排放量为目标函数构建含氢VPP多能流解耦模型。然后，考虑到该模型具有高维非线性与权重参数实时更新的特征，利用融合AM的改进SAC深度强化学习算法在连续动作空间对模型进行求解。最后，对多能流调度结果进行仿真分析和对比实验，验证了文中方法的可行性及其相较于原SAC算法较高的决策准确性。

随着可再生能源的大规模接入，参与电能交易的主体数量日益增加，由调度中心撮合的传统集中式交易模式无法应对激增的交易数据，难以达到主动配电网经济运行的最优状态。为此，提出了一种基于区块链和禀赋效应的主动配电网经济运行方法，利用区块链的去中心化、自治性、匿名性等特点构建电能交易机制。在此基础上，将参与需求响应的用户视为“行为经济人”，构建了基于禀赋效应的需求响应模型，该模型更加贴合用户心理需求。算例结果表明，提出的基于区块链技术的电能交易机制能够有效提升电能交易效益，建立的基于禀赋效应的需求响应模型可以有效提升主动配电网运行的经济性和源荷匹配性。

为了提高能源利用效率，促进可再生能源的开发利用，考虑虚拟电厂可聚合资源规模，进行虚拟电厂低碳交易优化策略研究。首先，一方面，考虑源侧技术开发量与经济开发量分析源侧可聚合资源的上限值；另一方面，考虑荷侧可调节能力分析荷侧可聚合资源的上限值。然后，设计低碳虚拟电厂运行交易框架，分别对虚拟电厂中各单元建模。其次，基于碳交易机制，构建虚拟电厂参与电能量市场、碳交易市场与调峰辅助服务市场的低碳联合交易优化策略。最后，以某一地区为例进行算例分析，验证了模型的有效性。

项目围绕基于分布式低碳能源站互联互济模式的综合能源系统规划设计、运行模式、互动特性、市场交易机制进行探索和实践，系统地解决了分布式低碳能源系统经济、高效运行的关键技术难题，取得了系列重大创新成果：

针对气电综合能源系统低碳调度问题，气网混氢、碳捕集、电转气均是有效的技术手段，同时碳交易机制也是控制碳排放的有效经济手段。因此，本文构建了含富液罐和贫液罐的碳捕集电厂模型，结合电转甲烷技术模型，灵活回收利用系统中的CO2；同时，构建了气网混氢技术模型提高能效，并考虑气网混氢时节点热值变化约束，以奖励式碳交易成本和运行成本之和为目标函数；最后基于改进的比利时20节点天然气系统和IEEE 39节点电力系统模型开展算例测试，结果显示综合考虑碳捕集、气网混氢和奖励式碳交易机制能提高系统低碳经济调度水平，同时调节碳价和奖励系数能灵活调节系统碳排放水平。

随着可再生能源渗透率的提升，其不确定性给综合能源系统(integrated energy system, IES)的经济性和鲁棒性带来了极大挑战。为了促进可再生能源消纳以及降低碳排放量，提出了一种基于数据驱动的分布鲁棒优化(distributionally robust optimization, DRO)调度策略。首先，构建了由有机朗肯循环(organic Rankine cycle, ORC)、氢燃料电池和电动汽车等构成的供需灵活响应模型，并引入阶梯碳交易机制来约束系统碳排放量。其次，为了能获取最恶劣情况下的场景概率分布，采用综合范数对风电输出场景的概率分布置信集合进行约束。然后，以在最恶劣场景概率分布下综合能源系统运行总成本最低为目标建立两阶段鲁棒优化模型，并通过列和约束生成(column and constraint generation, CCG)算法对模型进行迭代求解。最后，算例仿真结果表明了所提模型和求解方法的有效性，并分析了阶梯碳交易机制和供需灵活响应模型对提高系统灵活性和低碳经济性的影响。

高比例可再生能源接入增大了高性能调频服务的需求，给电力市场建设带来了挑战。辅助服务市场机制是经济、可靠地获取调频服务的关键，中国正处在电力市场改革的关键时期，吸取国外先进市场的建设经验很有必要。详细介绍英国频率响应服务市场，包括强制频率响应、固定频率响应等传统调频产品以及动态高低频、动态遏制等新型调频产品的性能要求、交易机制和响应机制，重点分析其分散式、多市场、长周期、高透明度的特点，对中国调频市场的发展提出意见和建议。

综合能源系统有利于实现多能互济、能源高效利用。以含电、热、冷、氢负荷的园区综合能源系统为研究对象，分析了可再生能源制氢系统及掺氢燃气轮机运行中多种能源的耦合及梯级利用特性，考虑了掺氢比对燃气轮机效率以及热电比的影响，以系统运行成本最小为目标函数，建立了阶梯式碳交易机制下的园区综合能源系统优化调度模型。采用分段线性化和大M法将包含多个0–1变量和连续变量的非线性模型转化为混合整数规划模型，并调用Cplex求解器实现快速求解。算例分析表明，所提调度策略可有效提高园区能源系统运行经济性，合理调控燃气轮机掺氢比有利于降低园区系统的碳排放。

建筑减排已成为中国达到“双碳”目标的重要途径，智慧楼宇作为多能流网络耦合的综合能源主体，面临碳排放量较多、多能流网络耦合程度高、负荷用能行为动态特性明显等问题。针对这一问题，提出基于深度强化学习的多能流楼宇低碳调度方法。首先，根据智慧楼宇的实际碳排放量，建立了一种奖惩阶梯型碳排放权交易机制。其次，面向碳市场和多能流耦合网络，以最小化运行成本为目标函数，建立多能流低碳楼宇调度模型，并将该调度问题转换为马尔可夫决策过程。然后，利用Rainbow算法进行优化调度问题的求解。最后，通过仿真分析验证了优化调度模型的可行性及有效性。 Building emissions reduction has become a crucial pathway for China to achieve its 'dual-carbon' goals.As an integrated energy entity coupled with multi-energy flow networks, smart buildings face challenges such as high carbon emissions, a high degree of coupling in multi-energy flow networks, and distinct dynamic characteristics in load energy consumption behavior. In response to these challenges, a low-carbon scheduling method for multienergy flow buildings based on deep reinforcement learning(deep RL) is proposed. Firstly, a reward and punishment ladder-type carbon emissions trading mechanism is established based on the actual carbon emissions of smart buildings. Secondly, targeting the carbon market and multi-energy flow coupling networks, a low-carbon scheduling model for multi-energy flow buildings is developed, aiming to minimize operating costs as the objective function, and the scheduling is transformed into a Markov decision process(MDP). Subsequently, the Rainbow algorithm is employed to solve the optimal scheduling. Finally, the feasibility and effectiveness of the optimal scheduling model are verified through simulation analysis.