工业园区虚拟电厂与电网灵活互动与交易(1)

汇 报 人张儒峰 教授、博士生导师 邮 箱 zhangrufengneepu.edu.cn 单 位东北电力大学 2025 年 3 月 工业园区虚拟电厂与电网灵活互动与交易 1、研究背景 4、工业园区的市场交易决策方法 目录 Page 2 2、工业园区的生产 -能量管理策略 3、工业园区虚拟电厂的灵活性调度策略 研究背景 ◼ 随着 “双碳”目标的提出，风电、光伏等 新能源渗透率 不断提高，电力系统 不确定性 特征显著。 ◼ 电力系统 灵活性需求 不断增加，亟需从电力系统各角度挖掘灵活性资源。 海南 黑龙江 吉林 内蒙古 新疆 山西 辽宁 甘肃 山东 上海 浙江 福建云南 贵州 湖南 江西 安徽 河南 湖北 台湾 陕西 四川 重庆 宁夏 西藏 青海 广西 广东 北京 河北 江苏 风电装机 光伏装机 5000万千瓦 风电 水电 煤电 光伏发电 光热发电 可调负荷 智慧楼宇 储能暖通空调 分布式电源电动汽车 电网侧 负荷侧 电源侧 研究背景 ◼ 单一需求侧资源调节量有限， 虚拟电厂 VPP可以聚合需求侧灵活资源，通过参与电力 市场提供灵活性服务。 ⚫ 需求侧灵活资源数量多 、 体量小 、 总量大 ， 但尚未纳入可调控范围 ⚫ 负荷特性多样化 、 负荷互动多元化 。 0 2000 4000 6000 8000 10000 12000 2021年 2030年 3246万千瓦 11000万千瓦 占电网最大 负荷 3.6 占电网最大 负荷 8 用户侧可调节资源容量规模 ◼ 虚拟电厂与电网间的互动为系统提供了更加灵活的 源荷互动模式 。 用户侧 储能 电动汽车 充电桩 智慧 楼宇 可调节 工商业 虚拟电厂 智能管控平台 电力市场 电网运行 能量 信息 研究背景 ◼ 2024年我国有色金属、钢铁、化工、非金属矿物等高耗能工业用电量超过 2.4万亿度， 如具备 20调控能力，可为电网提供数亿 kW电力和千亿 kWh电量的调控能力。 类型 体量 2024年 调控能力 有色金属 全国有色金属产量 7918.8 万吨，用电 8319亿度 20 参与 1664亿度 钢铁 全国钢产量 10.05亿吨，用电 6030亿度 20参与 1206亿度 抽水 蓄能 已建装机规模 5700万千瓦， 年利用 1200小时 513亿度 2024年典型工业用电量 亿度 ◼ 通过工业园区虚拟电厂与电网间的互动，将会充分挖掘工业园区的灵活调节潜力，为电网提供 海量调节资源。 ◼ 引导工业园区虚拟电厂参与市场，可以提升工业园区参与电网互动的积极性。 7918.8 6030 5915 4197 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 有色金属 钢铁 化工 非金属矿物 1、研究背景 4、工业园区的市场交易决策方法 目录 Page 6 2、工业园区 的生产 -能量管理策略 3、工业园区虚拟电厂的灵活性调度策略 能量管理与生产流程优化模型 工业园区微电网能量管理与生产流程协同优化2.1 ➢ 基于通用化生产流程的工业园区微电网模型 下层模型 配电市场出清模型 配电系统运营商 . 光伏发电 热负荷 冷负荷 . 需求 电量 结算 电价 1 2 3 4 5 6 7 8 9 10 地源热泵 蓄电池 电负荷 空气压缩机 压缩空气负荷 工业园区微电网 上层模型 工业园区微电网能量管理与生产流程调度协同优化模型 . . 生产区域 办公区域 工业园区微电网与配电系统的双层架构示意图 1 , , 1 , 1 , 1 , 2 , 1 , , 1 , , 2 , , 2 , 1 , 2 , 2 , 2 , , 2 , , , , , 1 , , 2 , , , , , . y y t y y p y y t y t y y p y y t q y t q y q y q p y p y t R ou t R R R in ou t R R R in ou t R R R in                                            ◆ 物料流入 /流出方程 ◆ 工业生产流程划分 ✓ 离散流程与连续流程约束模型 ✓ 顺序流程 、 互锁流程与并行流程 约束模型 ◆ 其他生产环节建模 ✓ 储存环节建模 ✓ 空气压缩系统建模 ✓ 蓄电池储能系统建模 上层目标函数 上层约束条件 ✓ 有功功率平衡约束 ✓ 冷能平衡约束 ✓ 热能平衡约束 ✓ 压缩空气能平衡约束 ✓ 生产要求约束 ,,m i n p c c t g r i d tP  工业园区微电网运行成本最小 下层目标函数 下层约束条件 ✓ 电压降和节点电压约束 ✓ 线路功率平衡约束 ✓ 线路潮流约束 ✓ 联络线功率约束 ✓ 发电机功率上下限约束 配电网购电成本最小 , , , , , ,11m in t D GNN G t G t D G t D G t p c c t p c c tt D GB P B P B P − 工业园区微电网能量管理与生产流程协同优化2.1 ⚫以 IEEE 9 节点配电系统与某短流程炼钢厂的生产数据进行 算例验证 。 ➢ 算例分析 场景 1未考虑工业生产过程 的可调控性。考虑地源热泵系 统提供冷能、热能。 场景 3考虑工业生产过程的 可调控性。考虑地源热泵系统 提供冷能、热能 。 不同场景下工业园区微电网购电功率 不同场景下精炼生产线运行状态 ⚫考虑生产任务流程调度的工业园区微电网可根据结算电价等信息 ， 优化各生产线的生产任务 ， 为园区能量管理 提供了调控灵活性 。 场景 2考虑工业生产过程的可调控性。未考虑地源热 泵系统提供冷能、热能。 场景 3考虑工业生产过程的可调控性。考虑地源热泵 系统提供冷能、热能 。 不同场景下工业园区微电网 制热功率 不同场景下工业园区微电网 制冷功率 场景 1和 3下 DLMPs结果对比 ⚫地源热泵系统的 制冷 、 制热更 加高效 ， 有效降低了降低工业 园区内冷热能用电需求 。 ⚫考虑配电市场出清影响 ， 可以 缓解 配电网网络阻塞 ， 并降低 配电网运行成本 。 PTEM模型➢ 工业微电网 PTEM Be for e op ti mi z ati on A fte r op ti mi z ati on C on ti n u ou s P r oc e s s D i s c r e te P r oc e s s es P r od u c ti on Ti me P e r i od s En e r gy D e man d C u r ve b e for e O p ti mi z ati on En e r gy D e man d C u r ve A fte r O p ti mi z ati on Ph o t o v o l t a i c E l e c t r i c i t y l o a d C o m p r e s s e d a i r l o a d H e a t i n g l o a d C o l d l o a d A i r c o n d i t i o n i n g A i r c o m p r e ss o r U t i l i t y M i c r o - t u r b i n e G a s s t a t i o n G as E l e c t r i c i t y C om p r e s s e d ai r C ol d H e at i n g 优化前后 PTEM方案对比 BMP微电网的多能源供应与负荷 ⚫ 风险中立随机 PTEM模型 SM1 目 标 函 数 , ,, 11 1 , 1 m in / w pl cl t MT N w w N N w g r id w p l c l t t p l s v t c l s v tN p l c l N t M T M T g a s t M T M T s v t MT p s F w P C sv C sv Fw C P C sv           ✓ BMP微电网中工业生产 者的期望综合成本 约 束 条 件 ✓ 生产线运行约束 ✓ 能量平衡约束 ✓ 仓库状态约束 ⚫ 基于后悔度风险规避 PTEM模型 RRM2 目 标 函 数 , ,, 11 1 , 1 m in / pl cl t MT N N w gr id w pl c l t t pl sv t c l sv tN pl c l Nt M T M T ga s t M T M T sv t MT P C sv C sv Cw C P C sv          ✓ BMP微电网中工业生产者的后悔度 约 束 条 件 ✓ 生产线运行约束 ✓ 能量平衡约束 ✓ 仓库状态约束 ⚫ 确定性 PTEM模型 DM3 在 SM1的基础上，提出了工业微电网的确定性生产任务和能量管 理模型，该模型忽略了不确定场景。 考虑后悔度和风险约束的多能工业园区生产 -能量管理策略2.2 Rufeng Zhang, Guoqing Li, Tao Jiang, et al. Incorporating production task scheduling in energy management of an industrial microgrid a regret-based stochastic programming approach [J]. IEEE Transactions on Power Systems, vol. 36, no. 3, pp. 2663- 2673, May. 2021. ➢ 算例分析 生产任务和 TCL的功耗 不同模型能量管理结果 风险控制参数 β 对能量管理结果的影响 ◆ PTEM结果分析 模型 SM1 RRM2 DM3 成本期望 1576.8 1588.0 1307.7 购电量 MW 46.47 46.60 46.44 后悔度期望 204.48 215.69 450.16 最大后悔度 300.71 254.04 765.25 目标任务 模型 SM1 RRM2 DM3 50 预期成本 2128.59 2148.89 1743.58 后悔度期望 273.69 293.99 661.61 最大后悔度 454.12 331.61 1000.72 100 预期成本 2934.57 2958.74 2287.15 后悔度期望 295.80 319.97 949.68 最大后悔度 544.93 426.14 1479.91 不同模型在不同总目标任务下的能量管理结果 ◆ 总体目标任务的影响 ➢ 所提出的 PTEM方法可以有效地根据电力市场价格调度生 产任务 ， 进而降低能源采购成本 。 ➢ 当总任务目标的变化时 ， 所提出的 BMP工业微电网 RRM2模型可 以有效降低高后悔风险值 。 ◆ 敏感性分析 ➢ 与 SM1和 DM3相比 ， 所提出的基于后悔的风险规避 PTEM方法可 以有效实现风险规避 。 ✓ 风险控制参数 β 增大 ， CVaR更 高 ， 决策更为 保守 考虑后悔度和风险约束的多能工业园区生产 -能量管理策略2.2 Rufeng Zhang, Guoqing Li, Tao Jiang, et al. Incorporating production task scheduling in energy management of an industrial microgrid a regret-based stochastic programming approach [J]. IEEE Transactions on Power Systems, vol. 36, no. 3, pp. 2663- 2673, May. 2021. 1、研究背景 4、工业园区的市场交易决策方法 目录 Page 11 2、工业园区的生产 -能量管理策略 3、工业园区虚拟电厂的灵活性调度策略 ➢ 两阶段输配协同调度方法框架 工业园区灵活性资源建模 考虑工业生产流程的两阶段输配协同调度方法3.1 两阶段能量 -灵活性市场框架 A D N A D N - l e ve l e n e r gy m ar k e t D a y - a h e a d S t a g e E l e c t r i c i t y p r i c e P o w e r d e m a n d TN TN - l e ve l e n e r gy m ar k e t WF n G e n n T S O D G s P V s D S O 1 E S S s R e a l - t i m e r e s p o n s e p r i c e R e s p o n s e c a p a c i t y R e a l - t i m e S t a g e D a y - a h e a d d i s p a t c h i n g s c h e m e R e m a i n i n g r e s p o n s e c a p a c i t y TN - l e ve l f l e xi b i l i t y m ar k e t E l e c t r i c i t y b id d i n g D e m a n d o f e l e c t r i c i t y D a y - a h e a d p r i c e D a y - a h e a d s c h e m e R e a l - t i m e p r i c e R e a l - t i m e d e m a n d S e r v i c e b id d i n g R e s p o n s e p o t e n t i a l H V A C IS I P r od u c t i on L i n e P r o d u c t i o n p l a n TN WF n G e n n T S O A D N A D N - l e ve l f l e xi b i l i t y m ar k e t D G s P V s D S O 1 E S S s H V A C I S I P r od u c t i on L i n e C l a s t f u r n a c e C r u sh i n g C i n t e r i n g D e g a s s i n g H o t m e t a l t r u c k s C o n v e r t e r R e f i n i n g C a s t i n g C o l d r o l l i n g H o t r o l l i n g H o t m e t a l t r u c k s S t e e l p r o d u c t s s t e e l - m a k i n g l i n e i r o n - s m e l t i n g l i n e s t e e l - r o l l i n g l i n e O f f i c e s T C L s T C L s Wo r k s h o p Wo r k s h o p a n d o f f i c e I S I I r o n o r e ◼ 考虑工业生产需求，聚合工业园区中的灵活性调节资源，提出一种两阶段 输配协同的调度方法，实现工业园区生产任务和能源管理的灵活调度。 ✓ 工业用户通过调整生产流程，向 电网提供灵活性资源，并在能量 市场与灵活性市场中投标。 ◆ 工业园区 PTEM模型 ,, , ,11m i n DITNF D I F D I D II S I n t n t n ttnC C P P− −   ISI调整生产过程，使其 综合成本最小。 , , , , , , , ,1 1 1 , , , , , ,,11 , , , , , , ,11 D I I M i m s m s r i m s m N N ND I E N D I D I I M F rv F n t n t n t n t im t imn n im NNrv F rv F a c s F A C F b r F lo a d sm t sm sm t sm t t t tsm sr NNa c s F rv F rv F rv t im t im sm t sm sm tim sm P P P P P P P P P P P Y Y Y      −  −       1 , , , , , , , , ,1 1 1 sr i m s m s r N F smsr N N Ng F b r F rv F rv F rv F n t b r t im t im sm t sm sm t smim sm sr Y H P H H H                ◆ 智能楼宇模型 ✓ 生产线运行约束 ✓ 铁水运输约束 ✓ 压缩空气系统约束 ✓ 能量平衡约束 考虑工业生产流程的两阶段输配协同调度方法3.1 ⚫以 T118-D69测试系统进行算例验证 。 ⚫通过优化 ISI各生产线的任务时间 ， 实现了 PTEM的灵活调度 ， 激励 ISI参与实时响应 ， 从而提高其经济效益 。 ➢ 算例分析 场景 1未考虑工业园区 PTEM，灵活性调节资源由发电机提供。 场景 2考虑工业园区 PTEM， 灵活性调节资源由发电机提供 。 不同场景下的 工业园区的运行状态 不同场景下的 购买电量 不同场景下的 分布式电源与发电机组出力 a分布式电源出力 b发电机组出力 ◆ 灵活性市场出清结果 场景 3灵活性调节资源由 发电机组与主动配电网 提供 。 场景 4灵活性调节资源由 发电机机组 、 主动配电网与工业 园区 提供 。 场景 3中的灵活性提供 a输电网提供的灵活性资源 b主动配电网网提供的灵活性资源 场景 4中的灵活性提供 a输电网提供的灵活性资源 b主动配电网网提供的灵活性资源 ⚫考虑工业园区提供灵活性资源 ， 可以充分挖掘 AND中的 灵活性资源 ， 降低了输电网购买灵活性资源的成本 。 ➢ 虚拟电厂能量 管理模型 分布式求解方法 工业园区虚拟电厂的能量 -灵活性调度方法3.2 Tao Jiang, Chenghao Wu, Tao Huang, Rufeng Zhang, et al. Optimal market participation of VPPs in TSO-DSO coordinated energy and flexibility markets, 2024, 360 122730. ◼ 虚拟电厂 依托数字化技术、控制技术、物联网技术与信息通信技术，将分 布式资源进行聚合管理和优化控制，并参与电网运行及电力市场的运营实体。 灵活性市场框架能量市场框架 ◆ 输配协同能量 -灵活性市场框架 ◼ 考虑输、配电网间的耦合关系及虚拟电厂对分布式资源的聚合作用，提出考虑 虚拟电厂的输配协同能量 -灵活性市场出清模型。 221 , , [ 2 ]N Ti i i i i i iiL x z f x x z x z    − − 21 2a r g m in 2 k k Ti i i i i i ix f x x x z −11 , 1 / kkiiG i j gz k x  221 1 1 1 11 222 k k k ii k k k ii s x z r z z    −   − −  1 1 1k k k ki i i ixz   −◆ 收敛判据 ◆ 交替迭代过程 ◆ 增广拉格朗日函数 ✓ 为了保护多个市场主体的数据隐私，采 用 分布式 ADMM算法 来降低多主体间的 通信需求。 ➢ 算例分析 工业园区虚拟电厂的能量 -灵活性调度方法3.2 场景 1灵活性市场中仅考虑 VPP-DSO。 场景 2基于场景 1，灵活性市场中考虑 TSO-DSO。 场景 3基于场景 2，灵活性市场中考虑 TSO-VPP。 不同场景下 输电网提供灵活性的情况 ◆ 灵活性市场出清结果 a 场景 1 b 场景 2 c 场景 3 a 场景 1 b 场景 2 c 场景 3 不同场景下 配电网提供灵活性的情况 ⚫通过 TSO、 DSO与 VPP的协调 ， 可以实现 灵活性资源的优化配置 。 ⚫所提出的两阶段的能量 -灵活性市场出清模型可以 激励 VPP向输电网 与配电网提供灵活性资源 。 VPP中分布式资源运行情况 Tao Jiang, Chenghao Wu, Tao Huang, Rufeng Zhang, et al. Optimal market participation of VPPs in TSO-DSO coordinated energy and flexibility markets, 2024, 360 122730. VPP智能楼宇运行情况 ⚫所提出方法可以实现需求侧分布式资源的灵活调度 1、研究背景 4、工业园区的市场交易决策方法 目录 Page 16 2、工业园区的生产 -能量管理策略 3、工业园区虚拟电厂的灵活性调度策略 工业园区负荷聚合商的随机最优能量管理与交易决策4.1 ➢ 随机双层 Stackelberg博弈模型 Rufeng Zhang, Tao Jiang, Guoqing Li, et al. Stochastic optimal energy management and pricing for load serving entity with aggregated TCLs of smart buildings a Stackelberg Game approach. [J]. IEEE Transactions on Industrial Informatics， vol. 17, no. 3, pp. 1821 - 1830, Mar. 2021. 带储能的 LSE 日前市场 实时市场 报价 需求 带 T C L 的用户 工业建筑 办公建筑 市场价格 上层代理商优化问题 下层用户用能优化问题 min ttt cp✓ 电价约束 ✓ 储能约束 ✓ 功率平衡约束 ✓ 光伏约束 ✓ 室温上下限约束 ✓ 区域热平衡约束 ✓ 空调系统功率约束 , , ,m a x wN w r w r w d wt t w t t t tt w tc p p s E E−   上层模型 代理商最大化净收益 决策变量 ⚫ 购能策略 ⚫ 储能设备运行状态 ⚫ 用户购电价格 电网制定的电能价格 用户用能策略 用户购电 价格信号 下层模型 用户最小化用电成本 决策变量 ⚫ 工业建筑用能策略 ⚫ 办公建筑用能策略 ,, 2 , , r a d , , , , , in , , , in , 1 , 4 1 , 4 1 , 4 1 , 4 1 , 4 o u t , , , r a d , , in t , , w in , 1 , 5 1 , 5 1 , 5 1 , 5 1 , 5 o u t , , 1 1 , 5 1 m a x wN w r r w d w t t t t wt m i i i w i i w i t i i t b i i t b i i t t t t t t i i i w i i w i i w i i t t i t tt p s E E P T T r A Q R T r A Q R T Q A Q           − − − − − − −       o u t ,, r a d ,5 1 , , , in , , , in , o u t , , w in , in , , w a l l , w in 11 tii in i m t j j t a j j t a j j t t t j j t t t j j t t jj T R P T T T SC I F Q RR     −      − −  −                 T 5 R i , w i n R i , w1 , 2 . T 4 T i , b , 1 , in T 2 T 3 T i , w1 , 2 C i , w1 , 2 R i , w1 , 2 C i , w1 , 4 T 1 , 4 T i , w1 , 5 C i , w1 , 5 C i , w1 , 3 R i , w1 , 3 R i , w1 , 3 T i , w1 , 3 Q i , r a d1 C i , r1 Q i , i n t p b it C O P 1 , 5 1 i , w O ut door A d jac e n t r oom O ut doo r A d jac e n t r oom Q i , r a d1 O u td oor O u td oor ◆ 居民建筑模型 ◆ 工业建筑模型 办公楼房间电阻电容器模型示意图 , , , , , , , , ,,a j i n a j i n t a j i n j t j tT T T − , , , 1 , , , o u t , , , in , o u t , , , in , , w a l l , w in , w in , in , , j a j in t a j in t t a j t t a j t jj a jt t j j t j t C T T T T T Tt RR CO P p S C I F Q  −  −−       ,,0 ,a m ljt j j t j tpP −RC模型 热阻 热容 传输热 储蓄热 动 态 热 特 性 工业园区负荷聚合商的随机最优能量管理与交易决策4.1 Rufeng Zhang, Tao Jiang, Guoqing Li, et al. Stochastic optimal energy management and pricing for load serving entity with aggregated TCLs of smart buildings a Stackelberg Game approach. [J]. IEEE Transactions on Industrial Informatics， vol. 17, no. 3, pp. 1821 - 1830, Mar. 2021. ➢ 算例分析 定价和能源管理结果 0 5 10 15 20 25 30 35 40 1 3 5 7 9 11 13 15 17 19 21 23 -5000 0 5000 10000 15000 20000 Te m p e ra tu re o C Ti m e h P o w e r k W P ur c ha s e d P ow e r fo r T CL s A m bi e nt T e m pe ra t ure 0 0.01 0.02 0.03 0.04 0.05 0.06 0.0 7 0.08 1 3 5 7 9 11 13 15 17 19 21 23 P ri c e /k W T im e h D a y-a he a d M a rke t P ri c e s O f f e r i ng P r i c e s of L S E 储能的影响 建筑数量和舒适温度范围的 影响 0 100 200 300 400 500 600 0 200 400 600 800 1000 1200 1400 1600 1800 0 1 2 3 4 5 P ro fi t In c o m e E n e r g y S t o r a g e C p a c it y M W h In c om e o f s e l l i ng p ow e r t o T C L s T ot a l p ro fi t 2 4 6 8 10 2 4 6 8 10 0 1 2 3 x 10 4 N um be r of F a c t or y B ui ldi ng s *1 00 N um be r of O f f ic e B ui ldi ng s *1 00 LS E s P rof it 0 0. 5 1 1. 5 2 2. 5 x 10 4 54. 543. 532. 52 2500 3000 3500 4000 C om f or t T e m pe r a t ur e I nt e r va l oC Cos t of C ons um er s 54. 543. 532. 52 1100 1200 1300 1400 1500 1600 1700 1800 C om f or t T e m pe r a t ur e I nt e r va l oC LS E s P rof it LSE消费者在不同舒适温度 区间利润和成本 报价下限取值对 LSE消费者 利润和成本的影响 报价上限取值对 LSE消费者 利润和成本的影响 数量 [工厂，办公室 ] LSE的收益 TCL的成本 总购买能源 MWh [100, 0] 770.50 1625.4 48.3 [0, 100] 265.71 541.64 16.6 不同类型建筑物的结果比较 ⚫ 在同样舒适的室内温度限制和数量下 ， 由于热动力学的差异 ， 工厂建筑往往比办公楼购买更多的电力； ⚫ 随着室内舒适温度区间的减小 ， LSE的收益和消费者成本有增 加的趋势 。 ➢ 物质流 -能量流 -碳排放流耦合的钢铁厂竞价策略框架 市场约束 考虑物质流 -能流 -碳流耦合的钢铁园区 IES协同交易策略4.2 焦化 焦炭库存 烧结矿库存 球团矿库存 炼焦煤 焦炉煤气 高炉煤气 铁矿石 废钢 钢材 转炉煤气 电力 3 9 . 8 5 k w h 碳排放 3 6 7 . 2 k gC O 2 /t 热力 0 . 5 3 G J 烧结 电力 4 0 . 1 3 k w h 碳排放 2 4 5 . 7 k gC O 2 /t 热力 0 . 3 3 G J 高炉炼铁 电力 6 6 . 1 5 k w h 碳排放 5 2 2 . 5 k gC O 2 /t 热力 4 . 6 G J 转炉炼钢 电力 1 0 3 . 9 4 k w h 碳排放 2 1 1 . 5 k g C O 2 /t 球团 电力 6 6 . 1 7 k w h 碳排放 4 6 . 9 k gC O 2 /t 热力 0 . 1 9 G J 电弧炉 电力 5 0 0 k w h 碳排放 1 6 9 k g C O 2 /t 热力 1 . 2 G J 轧钢 电力 9 6 k w h 碳排放 74 k g C O 2 /t 热力 0 . 2 0 G J 热力 0 . 1 G J 物质流 压缩空气 热能 生产原料输入 产品输出 电能 副产煤气 碳流 余热 办公生活 负荷 电负荷 、 热负荷 上级电网 C H P 机组 光伏设备 烧结环冷 余热发电 空分系统 电能母线 热能母线 氧气母线 副产煤气 母线 储能设备 干熄焦 余热发电 物质流 -能量流 -碳流耦合 钢铁厂 钢铁工业建模 市场交易中心 电交易 碳交易 绿证交易 电 -碳 -绿证协同交易决策 出清 信息 报量 报价 分时电价机制 d 2d 3d 4d 5d tr tr /ER1 −2 1 34 阶梯式碳 -绿证交 易机制 市场价格机制 ◆ 电力市场约束 ◆ 碳市场约束 ne w , c hp , gr id , W H R, c a , G X , l oa d, t t t t t t t P P P P P P P r e d u c e f o s s i l r e n e wE E E− ◆ 绿证市场约束 c a p c a p c a , G X , l o a d1 T tttR g P P P  ne w , 1 ne w 1000 T t t P R  a c tu a l c a p n e wR R R− g r e e n , r e d u c e r e d u c e c a pE E R ✓ 考虑绿证在碳交易中所抵消的碳 排放权，实现 碳 -绿证联合交易 考虑物质流 -能流 -碳流耦合的钢铁园区 IES协同交易策略4.2 ⚫以云南某钢铁园区的生产数据进行算例验证 。 ⚫在相同生产任务的约束下 ， 上级电网的 动态碳排因子系数不同 导致 钢铁工业园区向上级电网的购电模式不同 。 ➢ 算例分析 场景 1钢铁园区 IES响应分时电价，参与 电力市场交易 。 场景 2基于场景 1，响应阶梯式碳交易机制，参与 电 -碳市 场协同交易 。 场景 3基于场景 1，响应阶梯式碳 -绿证联合交易机制，参 与 电 -碳 -绿证市场协同交易 。 ⚫绿证交易机制的引入 ， 有效地降低了钢铁工业园区的碳 排放交易成本 ， 提高了钢铁工业园区的经济效益 。 不同场景下的 钢铁园区产钢量 时段 /h a 产钢量 产量 t h 时段 /h 上级电网购 电量 M W h b 上级电网购电量 不同场景下的 钢铁园区向上级电网购电量 场景 场景 1 场景 2 场景 3 综合运行成本 /万元 7545.89 7813.86 7751.82 外购电成本 /万元 72.67 79.12 79.12 碳交易成本 /万元 / 261.52 172.43 绿证交易成本 /万元 / / 26.99 市场交易总成本 /万元 72.67 340.64 278.54 碳排放量 /t 66981.78 66697.87 66697.87 吨钢碳排放 /t 2.404 2.394 2.394 不同场景下的 钢铁园区向上级电网购电量 配额系数 综合运行成本 /万元 碳排放权 /t 碳排放量 /t 0.10 7769.68 8987.45 66697.87 0.1