基于FCI-公平性的电力系统负荷侧碳排放责任分摊研究

电力系统碳排放责任的合理分摊,有助于准确判断重点减排区域,对促进各区域之间的减排合作和经济协同发展具有重要意义。为了确保电力系统碳排放责任分摊的合理性和公平性,在应用节点碳迹强度(Footprint Carbon Intensity,FCI)分摊方法完成负荷侧碳排放责任的首次分摊的基础上,创新性地引入适用于电力系统的“公平性区间”概念,构建了针对负荷侧的碳排放责任分摊公平性区间,完成了以满意度和满意度标准差为评估标准,基于区间中位数的分摊结果调整,在标准PJM-5节点系统算例中得到了很好的应用。对比原始的FCI分摊结果,考虑公平性的分摊方案更为公平、合理,符合行业的发展需求,具有广阔的应用前景。

负荷侧碳排放责任直接分摊方法的比较研究

为了电力系统碳排放责任分摊机制的有效性和透明性,可以考虑从基于电力消费的角度出发在负荷侧直接进行碳排放责任分摊。由于负荷成员在碳排放责任分摊问题上的相互联系,该分摊问题可从合作博弈的角度出发,应用经典的解的概念如Shapley值和广义核仁进行求解。结合该问题的实际特点,分别阐述了基于Shapley值、广义核仁、节点碳迹强度和节点边际碳强度的四种分摊方法的基本原理和计算方法,并总结了相关公理作为衡量标准来对比分析这四种方法。其中,基于Shapley值的分摊方法更能综合评估负荷的位置、负荷成员间的相互影响等相关因素的作用,从而准确地反映出各个负荷成员对于全系统碳排放的实际贡献。最后采用一个PJM-5节点系统算例验证该分摊方法的公平性、合理性和可行性。

电网平均碳排放因子统计核算方法综述

科学设计电网平均碳排放因子核算方法是支撑国家构建统一规范的碳排放统计核算体系的一项基础性工作。本文旨在优化我国电网平均碳排放因子测算方法以及管理模式,通过对美国、英国及欧盟电网平均碳排放因子管理经验的梳理与对比分析,对国内现行电网平均碳排放因子的管理规范性、数据滞后性及精确性进行总结,并兼顾公平性与可操作性,提出考虑绿色电力环境价值的电网平均碳排放因子优化管理模式,从实际应用层面优化电网平均碳排放因子的精细化核算方法以及更新发布机制。

运输碳排放税及其分摊比例对制造商最优策略的影响

本文研究了政府收取运输碳排放税且排放责任由制造商和第三方物流(3PL)共同承担的环境下,处于卖方垄断地位的制造商如何制定生产策略和选择运输模式。重点分析了碳排放税和制造商承担的碳排放责任对运输模式选择策略的影响;进一步给出了碳排放税能够促使运输模式转移的条件以及碳排放分摊比例。研究结果显示,当3PL通过调整碳排放分摊比例来鼓励制造商选择清洁运输模式时,政府收取较小的碳排放税就能促使制造商转移运输模式。同时也发现,当碳排放税等于运输模式转移阈值时,虽然制造商选择两种运输模式的利润相同,但选择更清洁的运输模式能够大大降低碳排放总量,进一步在企业的环保意识驱动下,制造商会选择更清洁的运输模式。因此,我们的研究结果为制造商可持续运作和政府制定合理的碳排放税提供一定的决策参考。

电热耦合系统全流程碳排放计量技术

电能和热能作为二次能源,供热和供电系统产生的碳排放基本都来自产能侧。同时,随着综合能源的的发展,电热网络的耦合变得紧密。因此,如何界定产能、传输以及用户侧碳排放责任对碳排放进行计量是促进电力网络和热力网络各个环节低碳发展的重要措施。针对这一问题,为改进现有宏观计量的局限性,提出了基于碳排放流的电热耦合网络考虑网络损耗的全流程碳计量方法。创新地将电热耦合系统作为整体,提出了网络中的碳排放流定义和指标,并建立了电热耦合网络以及耦合设备的全流程碳排放流模型。提出了一种涉及能量传输全流程的碳排放计量架构,所提方法能够有效地对电热耦合网中产能环节、传输环节以及用能环节进行碳排放的计量。文中给出了示例系统,验证了模型与算法的准确性。

基于多智能体迁移强化学习算法的电力系统最优碳–能复合流求解

为避免碳排放责任的重复计算,首次在电力系统最优碳–能复合流模型中提出发电侧、电网侧、用户侧之间的碳排放责任分摊机制。并进一步提出一种全新的多智能体迁移强化学习算法,以实现电力系统最优碳–能复合流模型的快速、高质量求解。此算法同时组织多个智能体执行优化任务,并将知识学习机制、多智能体交互机制和知识迁移机制相结合,不仅使每个智能体都具有较强的自主学习能力,还通过多个智能体之间的协调实现了问题的合作求解;知识迁移可以复用历史任务学习经验,使新任务学习效率大幅提升。IEEE 57节点系统、IEEE 300节点系统及深圳电网模型仿真结果均表明,此算法在保证最优解质量和寻优稳定性的同时,收敛速度可达其他算法的4.7～50.5倍,具有明显的优势和实用价值。

基于纳什均衡迁移学习的碳–能复合流自律优化

提出了一种全新的纳什均衡迁移学习算法,并应用于求解大规模电力系统分散式碳–能复合流自律优化.首次引入碳排放责任分摊机制,避免了碳排放责任的重复计算.将大规模电网分解成若干小型区域电网,每个小型区域电网被定义为一个智能体,通过纳什博弈实现分散式自律优化.智能体利用记忆矩阵对寻优知识进行存储,并通过多个个体与环境的反复交互实现记忆更新;采用状态–动作链对记忆矩阵进行降维,有效避免了"维数灾难".此外,基于相似度的迁移学习可以对历史任务知识进行高效提炼,提高了新任务寻优效率.IEEE 57和300节点系统仿真表明:所提算法非常适合求解大规模电网的碳–能复合流自律优化,在保证纳什均衡解质量的同时,明显加快寻优速度.