多类型需求响应下含氢能综合能源系统低碳运行

2024-03-22李振坤王铮丽姚一聪张智泉邓莉蓉

电力系统及其自动化学报 2024年2期

李振坤，王铮丽，姚一聪，张智泉，邓莉蓉

（上海电力大学电气工程学院，上海 200090）

如今面临严重的全球变暖和环境污染等问题，如何构建安全高效、低碳清洁的新型能源供应体系对提高能源利用效率，实现低碳、经济运行具有重要意义[1-2]。氢能作为一种清洁高效的二次能源，通过与电、热、冷、气等不同能源形式耦合互补，构建含氢能耦合的综合能源系统IES（integrated energy system），能有效提升能源利用率，减少运行阶段对环境的污染[3]。

目前，针对氢能在IES中应用的相关研究，主要围绕可再生能源制氢、氢燃料电池以及氢储能等环节开展。文献[4]提出了一种考虑风电制氢的IES优化模型，分析了风电制氢设备对可再生能源的消纳作用；文献[5]考虑了氢能和光伏、风电等可再生能源的协同关系，提出了含氢能的海岛IES 及其优化调度策略；文献[6]综合考虑燃料电池和电制氢等设备用能模型，提出了基于电-氢充能服务区的多源微网模型。文献[4-6]仅以经济性为目标对IES优化运行展开研究，忽略如碳排放量等环境因素对系统的影响。而文献[7]在引入了氢储能和电转氢设备的基础上，以经济成本和碳交易成本为目标，给出了电-热-氢IES 最优调度方案；文献[8]则基于阶梯型碳交易机制，将电转气过程精细化为电制氢、氢转电热和氢制甲烷3个环节，提出了含氢能耦合的IES 低碳经济调度模型；文献[9]针对电热氢调度提出电转氢和热的方案，减少系统弃电；文献[10]针对氢能利用模式考虑不足的问题，构建了氢能多模式利用架构，提出了考虑氢能多模式利用和储氢特性的IES中长期优化运行方法。

随着电、热、冷、气等多元负荷耦合特性加强，传统需求响应逐渐演变为综合需求响应IDR（integrated demand response）。IDR作为IES运行中重要的可控资源，能促进能源经济运行和平滑负荷曲线。文献[11]提出了一种考虑IDR 的电、气能源枢纽框架，有效平衡了天然气和电力的供需关系。文献[12]引入了可转移、可削减负荷模型，提出了基于柔性负荷的IES 经济调度模型；文献[13]结合电、热、气负荷的耦合特性，提出了计及电气热IDR 的区域IES 优化调度模型；文献[14]建立了计及激励型IDR与条件风险的电-热IES经济调度模型，验证了IDR 资源在提升能源利用效率的有效性；文献[15]从消费者心理学角度利用分布式改进粒子群算法，对综合需求响应优化，充分挖掘荷侧调度潜力；文献[16]建立包含价格型与激励型负荷的IDR 模型，分析了居民参与IDR 的行为特性，建立了用户参与度和室温偏差相关性模型；文献[17]通过引入需求响应聚合商整合用户的可转移负荷和可削减负荷，建立了计及IDR 的区域IES 双层优化调度模型；文献[18]基于用户热感知模糊性，同时考虑了价格型负荷和替代型负荷，充分挖掘了用户侧的可调节能力。

上述文献在研究氢能利用和需求侧响应参与IES优化调度中取得了一定的研究成果，但仍存在以下3点不足：①针对氢能在IES中应用的相关研究，大多数侧重于氢能耦合能流特性分析，较少考虑需求侧用能特性对氢能IES 优化运行的影响；②考虑的需求响应资源种类较为单一，缺少对不同类型的IDR 资源的精细化建模，未充分发挥需求侧资源的响应力度；③未考虑碳交易机制和需求侧资源的协同作用，不能充分发挥需求侧资源的减排潜力。

基于上述背景，本文提出一种计及多类型IDR的电-热-气-氢IES低碳协同优化运行策略。首先，建立以电解槽、氢燃料电池和甲烷反应器构成的氢能利用模型，并考虑电解槽的运行特性，构建电解槽的热氢联产模型；其次，针对用户负荷的柔性特性和可调度潜力，构建含价格型、激励型和替代型3种类型的IDR模型，并引入建筑传递模型和热水储存模型描述冷、热负荷的柔性特性，建立精细化冷热负荷模型；接着，基于奖惩阶梯型碳交易机制，构建IES低碳优化运行模型；最后，通过算例仿真验证本文所提模型和策略在提升系统经济性和环保性方面的有效性。

1 电-热/冷-气-氢IES 系统

本文所构建的电-热/冷-气-氢IES 系统的结构如图1 所示，分为能源供应、能源枢纽和能源需求3 部分，其中包括由电解槽EL（electrolytic）、甲烷反应器MR（methane reactor）和氢燃料电池HFC（hydrogen fuel cell）组成的氢能耦合系统，由燃气锅炉GB（gas boiler）、热电联产CHP（combined heat and power）、电制冷机ER（electric refrigerator）和吸收式制冷机AC（absorption chiller）组成的冷热电供应系统，以及由蓄电池BT（battery）、储冷罐CST（cold storage tank）、蓄热槽HST（heat storage tank）、储气罐GST（gas storage tank）和储氢罐HES（hydrogen energy storage）组成的多源储能系统。此外还包括风电机组WT（wind turbine）和光伏PV（photovoltaic）机组两种可再生能源机组。

图1 电-热-气-氢IES 结构Fig.1 Structure of electricity-thermal-gas-hydrogen IES

关于冷热电供应系统和多源储能系统涉及的相关设备在以往研究中已得到多次阐述，此处不再赘述，本节主要介绍氢能耦合系统的设备模型。

本文所提的氢能利用主要包含3 个环节：电制氢环节、氢转热电环节和氢制甲烷环节，针对各个环节的能量转换特性进行建模。

1.1 电制氢环节

EL 是电制氢环节的关键制氢设备，主要包括碱性EL、固体氧化物EL和质子交换膜EL 3种。本文以碱性EL 为例，对电解制氢环节进行精细化建模。考虑到制氢环节中存在部分热量损失，本文在制氢环节中增设闭环水循环系统进行余热回收，构建EL 热氢联供模型，主要分为电解和热传输两部分，具体如下。

（1）电解过程是基于电化学理论，将电能转换为氢能和热能。EL 热氢联供模型的输入-输出关系[19]为

式中：和分别为EL的制氢和产热功率；为输入EL 的电功率；α1、α2、β1和β2分别为EL 热氢联供运行系数；为EL 运行状态的0-1状态变量；为EL运行时的内部温度。

（2）在热传输过程中，制氢的余热通过换热器传输进热网中。计及传输损耗的热传输模型可表示为

式中：为注入热网的热功率；和分别为EL输出热功率和损失热量；ηh为换热效率。

水循环系统用来控制EL的内部温度，通过其准稳态热模型表示传热过程中EL的温度变化，有

式中：为外界温度；REL,R和REL,C分别为集总热阻和集总热容；Δt为时间变化量。

由式（3）可知，的变化会导致的变化，从而影响和的分配比。EL运行综合效率ηEL为输出总功率和输入总功率的比值，即

因此，当外部环境和设备参数给定时，EL 运行过程中的热、氢输出功率主要取决于温度和输入功率。

1.2 氢转热电环节

HFC 可实现氢能与热、电能之间的耦合，是系统中重要的耦合设备。HFC的发电、产热效率和负载率之间的关系呈非线性变化，具体可表示为

式中：和分别为HFC 的产电和产热功率；和分别为HFC的电功率、热功率转换效率；为输入HFC 的氢功率；和分别为发电、产热效率函数的多项式系数；i为多项式阶数；PHFC,N为HFC的额定功率。

1.3 氢制甲烷环节

MR可利用EL产出的氢气实现氢气甲烷化，并注入IES的天然气管道提供气能，是系统中氢-气耦合的主要设备。MR的设备模型可表示为

式中：和为MR 的产气和耗氢功率；mCH4为单位体积的甲烷质量；ηMR为甲烷化效率；MCH4为天然气低热值；πmol为氢气转甲烷的摩尔折算系数。

2 综合需求响应模型

为了充分发挥IDR资源的响应力度，本文综合考虑价格型、激励型和替代型3种类型的IDR模型，构建了电、热、冷、气负荷的多类型IDR模型。

2.1 价格型IDR 模型

实时价格IDR策略的价格信息更新步长为1 h，能准确反映供需实时关系，动态引导用户参与IDR。本文参与实时价格IDR 的负荷为可转移电、气负荷，而考虑到热、冷负荷具有时间延迟性和感知模糊性，不宜采用价格信号激励用户参与负荷调整。用价格需求弹性矩阵描述可转移电、气负荷特性，首先设需求弹性矩阵Ek(t,j)中第t行第j列元素为t时刻第k类负荷对j时段价格的弹性系数，可表示为

式中：k∈{e,g}，e 和g 分别表示电、气负荷；为IDR 后的负荷变化量；为初始负荷量；为j时段IDR 后能源价格变化量；为j时段的能源初始价格。因此，IDR 后可转移电、气负荷变化量可表示为

式中：T为调度周期；为j时段第k类能源价格。价格的更新步长为1 h，由于实时价格不能大幅度波动，因此实时价格需满足上、下限约束和波动约束，可表示为

式中：为能源价格基准值；为实时基准价格浮动系数；和分别为实时能源价格最小、最大值；和为实时能源价格波动约束的最小、最大值；为第k类可转移负荷变化量上限。

2.2 激励型IDR 模型

激励型IDR 是指在系统负荷高峰时期或紧急状态下，用户根据IES制定的补贴激励政策，选择将负荷进行部分削减或者中断，电、热、冷、气负荷均可参与。为更准确地描述冷热负荷的柔性特性，本文建立了精细化冷热负荷柔性模型。

2.2.1 冷/热负荷模型

对于冷负荷模型，可采用热平衡方程进行表述。在t时段内，室内热量变化量ΔH等于系统制冷量Lc与吸热量Hin之差，热平衡方程可描述为

式中：ρair为空气密度；Cair为空气比热容；VB为建筑体积；∂Tr/∂t为室内温度变化率。

在建筑热传递过程中，影响建筑吸热的主要因素有4种：人体散热及建筑吸收光照等热量产生的室内热源HG，建筑外窗传递的热量HWin，建筑外墙传递的热量HWall，以及太阳辐射产生的热量HPV。因此，Hin可表示[20]为

式中：J∈{D,N,X,B}，D、N、X、B 代表东南西北4 个建筑朝面；和分别为建筑外墙和外窗的面积；Tout和Tr分别为供冷系统的室外、室内温度；χPV为外窗遮阳系数；和分别为外墙、外窗与室外的传热系数；εWin为外窗得热因子；κPV为太阳辐射功率。

联合式（10）和式（11），通过差分化处理[20]，可得到离散化的热平衡方程为

热负荷模型中本文主要考虑热水负荷，与冷负荷模型相似，温度是反映负荷需求的重要尺度，用户可根据舒适度在适宜水温内合理调整热负荷需求。本文通过热水储存模型描述供水温度与热负荷的关系为

式中：为t时刻的热水温度；为加入的冷水体积；V储水箱的体积；Tcold为冷水温度；ρw和Cw分别为水的密度和比热容；为加热水所需的热功率。若需将热水维持在给定的期望水温，则所需的加热功率可表示为

为保障用户舒适度，室内温度/水温及其波动约束需满足约束

式中：x∈{r,w}，r、w表示室温和水温；和为室温/水温的最小、最大值；为设定舒适的室温/水温；和为室温/水温波动相对值的最小值和最大值。

由于用户对室温的舒适度具有一定的模糊性，即若冷/热负荷改变越小，则对用户舒适度的影响越小；相反，若改变越大，则对用户的影响也越大。因此IES 根据用户冷/热负荷响应程度的不同进行阶梯型补贴，则有

式中：m∈{h,c}，h、c 表示热、冷负荷；φm为补贴系数；为补贴成本；和为初始负荷和实际负荷；为IDR后负荷变化量；εm为负荷划分边界；φm,1为负荷变化量小于划分边界时的补贴系数；φm,2为负荷变化量大于等于划分边界时的补贴系数。

2.2.2 激励型电、气负荷模型

激励型电/气负荷考虑的是可削减电/气负荷。由于在用能高峰时段通常是用户生活、生产的高峰，此时削减会对用户的正常生活产生较大影响，故用能负荷越高影响越大。因此，对于激励型电/气负荷采取基于实时价格的补贴机制，表示为

式中：为第k类负荷的补贴成本；为实时价格；φk为负荷补贴系数；为用户负荷削减量。

2.2.3 紧急IDR 模型

紧急IDR 是指当IES 处于紧急状态时，用户可根据IES制定的补偿价格，选择主动中断部分负荷，其数学模型及其补贴成本为

式中：l∈{e,h,c,g}，e、h、c、g表示电、热、冷、气负荷；为初始负荷；、和分别为响应后用户负荷、负荷变化量及其上限；和τl分别为第l类负荷的紧急IDR补贴成本及其补贴系数。

2.3 替代型IDR 模型

由于热、冷负荷相比电、气负荷具有慢动态性，故本文仅考虑热、冷负荷之间的替代和电、气负荷之间的替代，建立热冷替代IDR和电气替代IDR模型。

1）热冷替代IDR模型

由于IES 内部存在多种能源转换设备，因此可通过热、冷能相互转换满足用户相同用能需求，热冷替代IDR模型可表示为

2）电气替代IDR模型

根据实时电、气价格差异，用户可选择用能成本更低的能源替代另一能源。如在电价高峰时期，若该时段气价较低，用户可增加气能输入以替代用电，电气替代IDR模型可表示为

3 电-热-氢IES 优化模型

3.1 目标函数

电-热-氢IES优化目标综合考虑经济性和环保性，其目标函数为

式中：FIES为IES的总成本；FBuy、FOper、FIDR和FCO2分别为购能成本、运行维护成本、IDR 补贴成本以及阶梯型碳交易成本，分别描述如下。

（1）购能成本为

式中：为IES的购电功率；为购气功率。

（2）运行维护成本为

式中：和yn为IES 内第n类设备输出功率和单位运维费用；n包括CHP、GB、PV、WT、HFC、EL、MR、ER、AC、BT、HST、CST、HES、GST。

（3）IDR 补贴成本，由于替代型IDR不影响用户的用能体验，故无需进行补贴，因此仅针对激励型IDR补贴，可表示为

（4）阶梯型碳交易成本。IES 的碳配额分配包括外部购电、CHP机组和GB三部分，目前国内主要采用基准线法确定各部分的无偿碳配额[11]。其中，考虑到MR 在转换过程中需要以CO2作为原料，故MR 运行期间能吸收一部分CO2，则最终各部分实际碳排放量表示为

式中：为总碳排放量；和分别为外部购电和燃气机组实际碳排放量；为MR吸收碳排放量；x1、y1、z1和x2、y2、z2分别为外购购电和燃气机组的碳排放计算参数；为GB 输出热功率；为燃气机组等效输出功率；和分别为CHP输出电、热功率；δMR为MR吸收CO2效率系数。

为进一步限制系统碳排放量，本文建立奖惩阶梯型碳交易模型，即当系统碳排放量低于免费分配的碳配额时，获得一定的奖励补贴；反之惩罚。其模型为

式中：cCO2为碳交易价格；z为碳排放区间长度；μ、λ分别为碳交易价格的奖励和惩罚系数；QIES为IES无偿分配的碳配额；Q为总碳排放量与碳配额之差。

3.2 约束条件

（1）设备运行约束。电-热-氢IES 的设备约束主要包括输出功率上、下限约束、爬坡率约束和储能约束，可表示为

式中：和为能源转换设备u的输出功率及其上限；和为爬坡率上、下限；γv为自损系数；v∈{BT,HST,HES,CST,GST} ；和为储能设备充、放能功率；和为设备的充、放能运行状态；为储能容量；和为的最小、最大值；ηv,chr和ηv,dis为充、放能效率。

（2）功率平衡约束为

式中：、分别为WT、PV输出电功率；、分别为ER、AC 制冷功率；为ER 耗电功率；为AC耗热功率；、分别为CHP和GB 消耗的天然气量；、、和分别为IDR后的电、热、冷和气负荷。

4 算例分析

4.1 基础数据

以某园区级CCHP 型IES 为对象进行算例仿真，该园区负荷以居民用能为主，工业、商业为辅。系统设备参数见文献[8，19，21]，IDR 参数数据见文献[13，20，22]，则风电、光伏出力以及冷、热、电、气负荷的预测曲线如图2 所示；IES 主要设备参数如表1 所示；初始电、气价如表2 所示；IDR 部分参数见表3 所示；用户最佳室温和水温分别设定为22.5 ℃和70 ℃，建筑物内热源和太阳辐射曲线见图3。本文建立的IES低碳经济优化调度模型为混合整数线性规划模型，基于MATLAB+YALMIP 建模，调用商业求解器CPLEX对所提模型进行求解。

表1 IES 主要能源设备参数Tab.1 Parameters of main energy equipment of IES

图2 风电、光伏和负荷预测曲线Fig.2 Forecasting curves of wind power,photovoltaic and load

图3 建筑物热源与光照强度Fig.3 Heat source of building and light intensity

4.2 氢能利用效益分析

为突出氢能耦合系统在提升系统经济性和环保性方面的有效性，设置3 种场景进行对比分析，其成本对比结果如表4 所示，电能调度结果如图4所示。

表4 不同场景下的成本对比结果Tab.4 Results of cost comparison under different scenarios

图4 不同场景下的电能调度结果Fig.4 Power dispatching results under different scenarios

场景1：传统电-热/冷-气IES调度模型，未考虑多源储能设备。场景2：在场景1 的基础上引入多源储能设备。场景3：在场景2 的基础上将P2G设备采用EL、MR、HFC 替代，即本文所提的电-热/冷-气-氢模型。上述场景均引入奖惩阶梯型碳交易成本。

结合表4 和图4 可以看出，对于场景1，由于未引入多源储能设备，IES 在10：00—12：00 以及19：00—22：00等电负荷较高时段，产生大量的运行成本和外购成本，由于该时段的电价较高，增加IES的总成本，并且增加的外购电力会导致系统碳排放总量上升。而场景2在场景1的基础上引入了多源储能设备，储能设备能在能源充裕时段充能，在用能高峰时段放能，能有效降低系统运行成本和碳排放量，发挥低储高放的作用。由表4 可知，相比场景1，场景2 的IES 总成本和碳排放量分别下降了4.13%和2.27%。

对于场景3，由于在模型中引入了以EL、HFC和MR 组成的氢能耦合系统，IES 首先会将富裕的风电资源输入EL 中进行产氢和供热，消纳了全部风电功率。接着，EL将产生的氢气输进HFC或MR中，直接供应电、热、气能，分担CHP和GB的部分出力。而产氢过程中的余热可通过换热器回收直接供应热负荷，实现了电-热-气-氢耦合。由于氢能直接由HFC进行热电生产不产生碳排放量，因此能减少由CHP 和GB 等机组运行时产生的碳排放量，并且MR 在将氢能转化为天然气时也能吸收一部分CO2，有效降低了系统的碳排放总量，充分发挥了氢能的高效低碳清洁的特性。结合表4可知，相比场景2，场景3中IES总成本和碳排放总量分别下降了3.55%和5.33%。

图5为氢能调度结果。在23：00—06：00时段，风电资源富裕电价处于谷值，此时EL 基本处于满发状态，产生较多氢能，消纳了全部风电。EL电解产生的氢能一部分输送至HFC进行热电生产，另一部分则直接输送至MR 合成天然气，或者通过HSD进行储存。而氢能通过HFC 直接产热和产电供给用户，比通过MR 合成天然气再输送至CHP 或GB少了一个能量转换环节。因此，IES 会优先选择将氢能输送至HFC中进行热电生产，实现了能源利用效率最大化，故MR出力较少。

图5 氢能调度结果Fig.5 Hydrogen energy dispatching results

4.3 多类型综合需求响应效益分析

为了验证本文所提多类型IDR策略的有效性，在场景3的基础上，新增3种场景进行对比。场景4：仅考虑价格型IDR策略；场景5：考虑价格型IDR和激励型IDR策略；本文场景：本文所提的多类型IDR策略。4种场景的对比结果如表5所示。

表5 不同IDR 策略下的成本对比结果Tab.5 Results of cost comparison under different IDR strategies

由表4 可以看出，IES 总成本和碳排放量最高的为场景3，由于场景3未考虑IDR 策略，用户不能自主调整用能负荷，导致IES 在用能负荷较高时段会承担较高的购能成本，增加运行成本。而由于负荷未出现转移和削减，故相比其他场景，场景3 的碳排放量也相对较高。对比场景4和本文场景，实施的IDR类型越多，IES总成本和碳排放量越小，其原因是随着IDR类型的增多，使用户参与IDR的响应力度越高。虽然激励型IDR 会增加激励补贴成本，但削减了部分负荷，因此降低了IES 的运行成本。相应地，随着用能负荷的降低，IES设备出力减少，故间接地减少了系统的碳排放量。通过表5可知，本文所提多类型IDR策略相比其他场景，IES总成本分别下降了14.06%、10.99%和2.91%，碳排放总量分别下降了10.51%、6.27%和1.17%，验证了多类型IDR策略的有效性。

图6为实时电价和实时气价的优化结果。图7为4种场景下的电、气、热、冷负荷的优化结果，由于场景3 未考虑IDR 策略，故未出现负荷变化。由图6可知，场景4在实时价格IDR作用下，优化后的电价和气价的峰谷平趋势与对应的基准价格趋势一致，但变化幅度更大，总体呈现为峰时段的价格更高，谷时段的价格更低，能源价格峰谷差进一步加大。

图6 实时能源价格优化结果Fig.6 Results of real-time energy price optimization

图7 不同场景下的负荷优化结果Fig.7 Load optimization results under different scenarios

结合图7（a）和7（b）中场景4曲线可知，在实时价格的引导下，电、气负荷将用能高峰时段的负荷转移至用能低谷时段，实现了负荷“削峰填谷”的效果。由于实时价格IDR 策略只考虑了电、气负荷，故热、冷负荷未发生变化。场景5 在场景4 的基础上进一步引入激励型IDR策略。用户的电、气负荷可根据激励策略进行部分削减，而冷、热负荷则分别依据室内温度、水温变化以及外界多种热量扰动因素，在舒适度范围内进行合理调整，并给予一定的调整激励补贴。

图7（c）展示了冷负荷随室温的变化情况，在夜间01：00—06：00 冷负荷较低时段，IES 通过降低室温储存一定热量，增大了该时段的冷负荷。而在白天冷负荷较高时段，IES 通过升高室温释放储存的热量，以降低该时段的冷负荷，进而减少制冷设备的用电费用，提升系统经济性。热负荷的优化结果与此类似。由图7可知，场景5的电、热、冷、气负荷峰谷差均得到了进一步降低。

而本文场景，综合考虑了价格型IDR、激励型IDR和替代性IDR策略。由于各能源在不同时段的用能成本差异较大，用户能够以能源替代的方式来提升系统的经济性，以降低自身的购能成本。以电、气负荷替代为例，结合图6 的实时价格优化结果可知，在23：00—06：00 时段，由于电价较低，用户选择用电能替代气能，使电负荷上升。而在09：00—12：00以及18：00—21：00等电价峰值时段，用户更倾向于选择气能来替代电能，使电负荷下降。从图7 可看出，电负荷的削峰填谷趋势进一步增加。同理，冷、热负荷的替代优化趋势与上述相似，但由于冷、热负荷的用能峰谷特征刚好相反，即在热负荷高峰时期恰好是冷负荷的低谷时期，故冷、热负荷通过相互替代之后，其趋势均出现削峰填谷的效果。结合表5 可知，本文场景的IES 总成本和碳排放总量均得到了有效的降低，说明替代型IDR能在不影响用户用能体验的情况下，使用户拥有多样化购能选择，不仅提升了系统经济性和灵活性，还有效降低了系统碳排放量。

4.4 阶梯型碳交易机制效益分析

为验证本文引入奖惩阶梯型碳交易成本的有效性，新增2种场景与本文场景进行对比。场景7：碳交易机制下，目标函数中未引入碳交易成本；场景8：碳交易机制下，目标函数中引入传统碳交易机制。3种场景下的成本对比结果如表6所示。

表6 不同策略下的成本对比结果Tab.6 Results of cost comparison under different strategies

由表6可知，相比场景7、8，本文场景下的碳排放总量均呈现不同程度的下降。由于场景7 未引入碳交易成本，IES仅以经济性为目标进行优化，导致碳交易成本和碳排放量较高。场景8 虽然对碳减排有一定作用，但由于单位碳交易价格固定，其减排力度欠缺，而本文场景通过对高碳排放量的机组进行惩罚，能够严格限制系统的碳排放量，减排效果最佳。图8 展示了系统碳排放量和碳交易成本随单位碳交易价格变化趋势。

图8 碳交易价格对碳排放量和碳交易成本的影响Fig.8 Impact of carbon trading price on carbon emissions and carbon trading costs

由图8（a）可知，场景8 未考虑碳交易成本，碳排放量不随碳交易价格变动。而场景7 和本文场景的碳排放量随碳交易价格的增加而减少，且本文场景低于场景7，故碳交易价格越高对系统的碳排放量约束越强。由图8（b）可知，随着单位碳交易价格的增加，碳交易成本呈现先上升后下降的趋势，并且由于受阶梯型碳交易价格的影响，奖惩阶梯型碳交易成本的变化趋势更快。此外，当碳交易价格上升至一定程度时，由于IES 的实际碳排放量与无偿碳配额达到平衡，当继续提高碳交易价格时，使IES 的碳排放量低于无偿碳配额，系统开始获得碳交易收益，使碳交易成本从正变为负，并且奖惩阶梯型碳交易成本由于存在奖励系数，其碳交易成本下降趋势更快。