基于复合碳排放因子的低碳需求响应技术

《Energies》：Low-Carbon Demand Response Technology Based on Composite Carbon Emission Factors

　　

摘要：本文提出了一种基于复合碳排放因子（CCEF）的需求响应框架，以解决单因子碳核算的局限性并实现经济-环境协同。CCEF机制通过基于实时发电组合的自适应权重分配，将动态碳排放因子（DCEF）和边际碳排放因子（MCEF）进行集成。为确保调度可行性，负荷转移过程被嵌入一个协同优化模型中，该模型在需求侧物理约束和网络安全限制下最小化系统发电成本。该机制基于碳势梯度引导负荷从以火电为主的晚间高峰时段向高可再生能源的中午时段进行时空转移。在改进的IEEE 39节点系统上的仿真表明，CCEF框架实现了0.5024 tCO₂/MW的单位减排效率以及462.03 tCO₂的总减排量。这些结果优于单独的DCEF和MCEF策略，展示了可行的调度方案以及碳减排与运行成本之间的有效平衡。

论文解读文章

**研究背景与问题**
全球气候变化的加剧推动了能源系统的深度低碳转型。中国“双碳”目标要求电力部门——占全国排放量超过40%——通过技术创新和制度优化实现深度脱碳。需求响应（DR）技术通过优化用户侧负荷调整供需平衡，已成为降低系统碳排放的关键手段。然而，传统DR技术主要聚焦经济目标，缺乏对低碳效益的量化分析，无法满足现代电力系统精细化碳足迹管理的需求。现有研究在动态-边际双因子协调方面存在三个关键局限：（1）纯动态碳排放因子（DCEF）按比例分配排放，但对微小负荷调整的精确边际碳成本量化不足，高峰时段常导致响应不敏感或不充分；（2）静态边际碳排放因子（MCEF）对负荷增量高度敏感，但依赖确定性场景，易受高比例可再生能源波动影响，导致过度调度；（3）现有模型缺乏一个在结构上可行且能协同两种机制而不引发逻辑矛盾或计算不收敛的框架。因此，需要一种能够融合动态和边际碳因子优势的新型需求响应机制，以实现经济与环保效益的协同。

**研究内容与结论**
研究人员提出了一种基于复合碳排放因子（CCEF）的需求响应框架。通过引入基于实时发电组合的动态权重分配机制，将DCEF的动态适应性与MCEF的边际敏感性耦合。此外，负荷转移过程受底层经济调度模型约束，确保经济-环境协同。在改进的IEEE 39节点系统上进行的仿真结果表明：CCEF框架实现了0.5024 tCO₂/MW的单位减排效率，总减排量达462.03 tCO₂，优于单独使用DCEF（392.66 tCO₂减排）和MCEF（340.04 tCO₂减排）的策略。该框架通过自适应调节动态权重因子，在可再生能源波动期强化DCEF的全局感知能力，在负荷高峰期强化MCEF的边际响应能力，从而优化负荷时空分布并与可再生能源出力匹配，显著提升减排效率。论文发表在《Energies》上。

**主要关键技术方法**
研究人员使用了以下关键方法：（1）动态碳排放因子（DCEF）计算方法：基于碳流追踪理论，通过迭代求解节点碳势，并采用负荷加权平均得到系统级DCEF。（2）边际碳排放因子（MCEF）计算方法：通过分析负荷扰动前后系统排放的微分变化来量化边际响应。（3）复合碳排放因子（CCEF）动态权重机制：以可再生能源与传统电源的实时出力比作为权重因子，自适应融合DCEF和MCEF。（4）基于CCEF的负荷转移优化模型：以最小化总系统碳排放为目标，满足功率平衡、节点负荷变化限制、区域负荷守恒、系统爬坡速率约束及可再生能源消纳要求。（5）仿真测试：采用改进的IEEE 39节点系统，包含10台常规机组（其中5台低碳基荷机组，5台高碳调峰机组）和4个可再生能源场站（分布在节点16、20、21、26，各装机1500 MW），并叠加10%正态分布波动误差模拟随机性。

**研究结果**

**5.2 碳排放因子分析**
通过CCEF的时空演化三维图展示了节点异质性：晚间高峰（18:00–22:00）时段，与调峰火电机组相连的节点（35–39）碳强度高达0.85–0.90 tCO₂/MWh；而正午时段（10:00–14:00）太阳能大幅增加，可再生能源接入节点（16、20、21、26）的CCEF降至0.35–0.45 tCO₂/MWh。高低碳区域间的碳势梯度为负荷转移提供了量化基础。

**5.3 基于CCEF的负荷转移性能**
在CCEF机制下，负荷从高碳节点向低碳节点转移。例如，调峰机组节点39在20:00转移出38.5 MW，而可再生能源节点16在12:00吸收41.2 MW。引入单位减排效率指标（单位转移负荷对应的碳排放减少量），CCEF策略达到0.5024 tCO₂/MW，高于DCEF（0.4421）和MCEF（0.3757）。总转移负荷量：CCEF为863.98 MW，远超DCEF（455.05 MW）和MCEF（558.41 MW），表明CCEF能更有效地将负荷转移至清洁能源时段。

**5.4 需求响应机制有效性**
动态权重因子α与可再生能源出力呈反相关：夜间低谷期α低至0.4457，DCEF权重约55%，捕捉可再生波动影响；晚间高峰α升至0.7436（19:00），MCEF权重超74%，增强边际响应。CCEF实现了最平坦的负荷曲线，相比DCEF和MCEF，其在常规时段强化边际特征，在高渗透时段激活动态特征。在碳排放方面，CCEF总减排462.03 tCO₂（降幅0.94%），分别比MCEF和DCEF多减排36.2%和17.5%。

**讨论与结论**
研究人员在讨论部分指出，CCEF框架通过动态权重机制有效融合了DCEF和MCEF的优势，在可再生能源波动期强化动态全局感知，在负荷高峰期强化边际响应，从而充分利用电网调节能力。该协同机制验证了将动态碳定价信号与边际用户行为成本相结合实现系统级碳减排的有效性。研究结论总结如下：本研究提出了一种动态-边际协同的CCEF需求响应模型，建立了耦合动态与边际碳因子的碳核算框架。通过基于机组调节特性的动态权重分配，方法实现了可再生能源渗透率与发电碳强度的实时耦合，使CCEF在保持小时级分辨率的同时准确反映系统运行状态。仿真证明，CCEF在减排效率上优于传统方法：在太阳能波动期自主提高边际因子权重，而在晚间高峰增强动态因子贡献。该协同机制为高比例可再生能源电网的精准脱碳提供了创新方案。