摘要 针对微电网中缺乏对碳排放流特性的精确刻画，导致运行层面中微电网的低碳运行方式和经济运行方式之间矛盾凸显，低碳和经济难以兼顾的问题，构建了计及绿电制氢和多能耦合的电-氢一体化运行框架，提出了综合考虑碳排放流和低碳需求响应的微电网低碳-经济协同双层优化调度模型。上层优化调度模型中，以风光储氢一体化工业园区为典型微电网场景，以低碳性和经济性协调最优为目标，将源侧碳交易机制融入调度决策目标中，充分挖掘微电网低碳-经济协同运行方式，以此制定微电网最优低碳经济调度策略；下层低碳需求响应模型中，以微电网用户碳减排所节约的碳排放成本为激励信号，通过建立微电网能量流与碳排放流的映射关系，实现碳排放责任的转移和分摊以及对微电网运行中的碳排放特性精细化评估，进而建立由负荷碳排放强度时空差异性引导用户参与碳减排策略的低碳需求响应（demond response，DR）模型，深入挖掘微电网源-荷间的低碳性和经济性间的协同性。以某工业园区微电网为例，验证了所提模型能有效兼顾系统的低碳性和经济性。

  1 电-氢一体化的微电网低碳运行框架

  1.1 电-氢耦合微电网低碳运行框架

  本文所研究的电-氢耦合微电网低碳运行框架如图1所示。微电网主要配置包括以燃气轮机（gas turbine，GT）、光伏、风电、氢燃料电池为主的电源，电化学储能以及以电解水制氢装置、工业负荷为主的用电负荷。

  如图1所示，电解槽将空气中的水蒸气经电解反应转化为氢气和氧气。其产生的氢气经变压吸附提纯，一部分通过HFC进行氢能产电以代替燃气轮机发电，降低了外部购电成本和购气成本，提高了微电网运行的低碳性；另一部分存于储氢罐中，在氢能供应不足时及时提供氢气，提高了氢能的利用效率。另外，电解槽产生的氧气可通过储氧罐收集，以备园区或其他场景供应不足时使用。

  1.2 电-氢一体化相关设备模型

  绿氢是指通过可再生能源电解水制氢或生物质等其他环保方式制氢，与基于碳基原料生产的灰氢、蓝氢相比，绿氢在制氢端实现了低碳甚至零碳排放。

  2 微电网碳交易模型

  碳交易机制是一种在碳交易市场上进行合法碳排放权买卖的交易机制。本文微电网系统的碳排放源主要包括GT和外购电产生的碳排放量，根据微电网系统运行特性，建立相应的碳排放表达式为

  3 考虑电-氢一体化的微电网低碳-经济协同双层优化调度模型

  本文构建考虑电-氢一体化的微电网低碳-经济协同双层优化调度模型。上层优化调度模型以微电网总运行成本最小为目标，在电-氢联合运行的基础上，引入碳交易机制构建低碳调度策略，并将运行结果向下层传递。下层低碳DR模型基于多元负荷曲线，以负荷碳排放成本最小为目标，引导多元用户改变用能行为，并将调整后的负荷曲线传递给上层。上下层根据反馈条件反复迭代，直至收敛。

  3.1 上层优化调度模型

  3.1.1 目标函数

  考虑电-氢一体化的微电网低碳-经济协同优化调度模型是以总运行成本CTC最小为目标，包括机组运行成本COP、碳交易成本图片弃风弃光成本CN、购能成本CBUY和电-氢一体化运行成本CH，即

  3.1.2 约束条件

  3.2 下层低碳需求响应模型

  3.2.1 目标函数

  3.3 收敛条件

  用户碳排放成本直接受低碳DR的影响。理想情况下，随着迭代次数增加，DR前后的碳排放成本之差逐渐减少，负荷转移量也逐渐减少，当负荷转移量减少至0时，得到兼顾低碳性和经济性的优化调度方案。因此，本文以式（43）作为收敛条件，当相邻2次迭代的负荷调节值之差小于终止容差时，模型收敛。

  式中：k为迭代次数；ς为迭代终止容差。

  3.4 模型求解步骤

  本文所提微电网低碳-经济协同优化模型经二阶锥松弛处理后，转化为混合整数线性规划（mixed integer linear program，MILP）问题，可在GAMS平台上利用CPLEX求解器对模型进行求解，计算流程如图2所示，主要步骤如下。

  1）输入数据。输入负荷曲线、风光日预测出力曲线、电-氢一体化设备参数和电源参数等数据。

  2）求解上层优化调度模型。通过求解上层优化调度模型得到各电源出力和线路潮流结果，将其作为碳势计算的已知量。

  3）计算节点碳势。根据步骤2）得到的运行结果，计算微电网各节点在不同时刻的碳势。

  4）求解下层低碳DR模型。以多元负荷节点碳势时空分布特征为立足点，以用户碳减排所节约的碳排放成本为激励信号，通过建立用户用电行为与碳势的关系，进而求解下层低碳DR模型，得到响应后的负荷曲线。

  5）判断收敛条件。根据式（43）判断是否满足收敛条件。若收敛，转步骤6）；若不收敛将优化后的负荷数据传至步骤2），重复上述步骤，直至收敛。

  6）计算制氢量。根据最优调度方案，计算制氢量，并分析不同场景的制氢效率。

  7）输出结果。输出运行结果、调度成本、碳排放量和制氢量等数据。

  4 算例分析

  4.1 系统参数

  本文以某工业园区微电网冬季典型日的实际数据为例，数据采样间隔为1 h，调度周期为24 h，所构建的测试系统如图3所示。电负荷需求、风光预测数据如图4所示，地区分时电价如图5所示，电-氢一体化环节中相关设备参数如表1所示，GT、储能等设备相关系数如表2所示。基准碳价为110元/t，弃风、弃光成本取0.3元/kW，碳排放成本为120元/t，负荷调节比例取20%，单位购气成本取2元/m3，节点电压幅值范围为0.93 p.u.~1.07 p.u.，无功补偿范围为–200 kV·A~200 kV·A。

  为验证本文所提微电网低碳-经济协同优化模型的有效性，设置如下3种场景进行对比分析。1）不考虑电-氢一体化环节和低碳DR机制；2）考虑电-氢一体化环节，不考虑低碳DR机制；3）同时考虑电-氢一体化环节和低碳DR机制。

  4.2 各场景的成本对比分析

  为验证本文所提模型的经济性，对比了3种场景下的成本计算结果，如表3所示。

  由表3可知，相比场景1，场景2和场景3的总成本分别降低了41.1%和44.8%，微电网运行经济性得到了提升。这是因为场景2在引入电-氢一体化环节后，将新能源出力高峰时富余的电量经电解槽转换为氢能，并存入储氢罐中，在新能源出力低谷时，将储氢罐中的氢气通过HFC产电以代替GT发电，降低了系统弃风弃光成本、运行成本和外购电成本，提高了系统的经济性和氢能利用率。而场景3在场景2的基础上，通过低碳DR调节负荷曲线，将高碳势时段的负荷转移至低碳势时段，使源侧在“源随荷动”条件下，进一步降低GT运行成本、外购电成本和弃风弃光成本。GT发电的气源主要来自外部购气，因此购气成本与GT运行成本成正比，故场景3购气成本最低，场景1购气成本最高。此外，从电-氢一体化成本可看出，场景3的电-氢一体化成本略低于场景2，这是因为绿电制氢过程中的电能主要来自富余的风能和太阳能，而场景3通过低碳DR提高了新能源消纳，从而降低了电-氢一体化成本。综上，本文所提模型能够优化系统各项成本，进而提高微电网运行的经济性。

  4.3 系统碳排放量分析

  为验证本文所提模型的低碳性，图6对比了3种场景在不同时段的碳排放量。

  由图6可知，场景1~3系统总碳排放量依次为44.845 t、27.705 t和25.353 t，相比场景1，场景2和场景3的碳排放量依次降低38.2%和43.5%。这是因为场景2在场景1的基础上引入电-氢一体化环节，通过HFC发电代替GT发电以降低系统碳排放量。而场景3在用户侧进一步引入DR策略，在新能源出力高峰时段，激励用户多用电；反之，在新能源出力低谷时段，引导用户少用电，使系统在保证新能源消纳的同时减少火电机组出力和外购电量，进而降低系统整体碳排放量，故场景3系统碳排放量最低。综上，本文所提模型能有效提高系统低碳性。

  4.4 电-氢一体化运行结果分析

  1）制氢量计算结果。

  为分析制氢量的影响因素，以场景1和场景2为例，比较引入电-氢一体化环节前后系统的新能源出力，结果如图7所示。

  由图7可知，场景2在引入电-氢一体化环节后显著降低了弃风弃光量，整体提高了新能源出力。这是因为场景2引入电-氢一体化环节后，将富余的风电和光伏经电解槽生成绿氢，有效提高了新能源消纳水平，降低了整个制氢过程中的碳排放量。根据图4负荷曲线可知，在08:00—17:00，新能源占负荷比值较低，为满足负荷需求，场景2的新能源出力大都用于满足供需平衡，相比其他时段，整体上减少了新能源向电解槽的供电量，使系统在降低弃风弃光的同时，也降低了整体的制氢量。

  以场景2和场景3为例，分析不同弃风弃光成本下的制氢情况，结果如表4所示。

  由表4可知，不同场景的制氢量与单位弃风弃光成本成正比，当单位弃风弃光成本较低时，新能源消纳能力降低，导致制氢量下降。当弃风弃光成本较高时，为避免弃风弃光，富余的新能源出力可用于电解槽制氢，提高了新能源消纳能力和制氢量。

  2）HFC调度结果。

  为分析电-氢一体化环节对系统低碳性和经济性的影响，图8展示了DR前后负荷变化情况，图9对比了不同场景下GT与HFC的出力情况。

  由结果可知，场景2和场景3在引入电-氢一体化环节后，显著提高了新能源消纳，降低了GT出力。而场景3在场景2的基础上通过低碳DR实现削峰填谷，一方面，在01:00—04:00和20:00—24:00新能源占负荷比值高峰时期，场景3的平均负荷水平高于场景2，以消纳更多的新能源；另一方面，在14:00—19:00新能源占负荷比值低谷时期，场景3的平均负荷水平低于场景2，在保证供需平衡的前提下进一步降低GT出力，最大程度挖掘了微电网低碳运行的潜力。从HFC整体发电情况可知，HFC发电量直接受GT出力的影响，相比场景1的GT出力，场景2和场景3在引入电-氢一体化环节后，HFC通过氢能产电代替GT发电，降低了GT的运行成本和购能成本，进一步提高了系统的低碳性和经济性。从HFC各时段发电结果可看出，在01:00—06:00，场景1~3的GT出力不变且处于最低水平，对应的HFC出力水平也较低。在07:00—12:00，GT机组出力增加伴随着HFC输出功率增大，但10:00—12:00时新能源功率涨幅大于负荷涨幅，故需要减少场景2和场景3该时段的HFC发电以满足供需平衡。

  在13:00—17:00，新能源发电占负荷的比值降低，场景3通过低碳DR降低了负荷水平，同时也减少了HFC发电。在18:00—24:00，由于GT的整体出力较高，场景2和场景3在该时段显著提高了HFC输出功率，以限制GT出力，提高系统低碳性。且该时段场景3的负荷值较大，在降低GT出力的同时进一步激励低成本、低碳的HFC发电以满足供需平衡，从总体上兼顾了系统低碳性和经济性。

  4.5 低碳需求响应结果

  为分析所提模型对微电网用户侧碳排放的影响，基于场景2和场景3，以新能源占负荷比值低谷时刻（18:00）为例，得到各节点碳势和需求响应结果如图10所示，以及各节点GT和新能源出力如图11所示。

  由图10和图11可知，当节点周围GT机组出力较高且新能源出力较低时，对应节点的碳势相对较高，反之，对应节点碳势相对较低，因此节点7、节点10、节点18和节点19的碳势较高。节点6由于周围节点火电机组出力和碳势较高，使得节点6的碳势较高，而其他节点的碳势相对较低。从响应结果来看，场景3在考虑低碳DR后，造成系统负荷分布发生变化，使得碳势高的节点处负荷值降低、碳势低的节点处部分负荷值升高，具体表现在节点7、节点10、节点18和节点19的负荷值降低，而节点14、节点15和节点22的负荷值上升，这将有利于实现新能源的就地消纳，降低系统总体碳排放量。另外，从各节点火电机组出力进一步验证了场景3的低碳性，具体表现为场景3通过低碳DR降低了高碳势节点火电机组出力，使得高碳势节点的碳排放量下降。因此，本文所提模型可通过对负荷分布进行合理优化，挖掘微电网源-荷侧低碳运行潜力。

  4.6 收敛性分析

  为在算例中验证本文所提双层模型的收敛性，分别计算不同迭代次数下最大负荷调节差值和用户碳排放成本，结果如图12所示。

  由图12可知，随着迭代次数增加，最大负荷调节差值和用户碳排放成本逐渐减少，当迭代到第8次时，最大负荷调节差值降为0，系统DR前后的负荷曲线相同，达到收敛条件，得到最优低碳调度方案。

  5 结论

  本文综合考虑碳排放流和低碳DR，建立了计及电-氢一体化的微电网低碳-经济协同双层优化模型，通过算例分析，得到如下结论。

  1）提出的电-氢一体化微电网低碳运行框架，一方面，将剩余的风电和光伏经电解槽生成绿氢，降低了整个制氢过程中的碳排放与弃风弃光量；另一方面，在新能源出力低谷时段将储氢罐中的氢气通过HFC产电以代替GT发电，减少GT出力的同时降低了系统的弃风弃光成本、运行成本和外购电成本，提高了系统运行的经济性和低碳性。

  2）提出的考虑电-氢一体化的微电网低碳-经济协同双层优化调度模型综合考虑了源侧碳交易机制和荷侧低碳响应资源，通过对负荷分布进行合理优化调整，降低了新能源出力低谷时的GT出力，并提高了新能源出力高峰时的新能源消纳水平，充分挖掘了多元负荷的碳减排潜力，实现了对微电网全调度周期的碳排放过程的有效追踪。

  注：本文内容呈现略有调整，如需要请查看原文。