考慮主從博弈的含碳捕集電廠的綜合能源系統低碳經濟調度

趙 輝,李盼盼,岳有軍,王紅君

(天津理工大學 電氣工程與自動化學院 天津市復雜系統控制理論與應用重點實驗室, 天津 300384)

0 引言

隨著化石能源使用引發的溫室效應與能源枯竭問題日益嚴重,發展具有清潔、低碳與高效的園區綜合能源系統勢在必行。園區綜合能源系統(city integrated energy system,CIES)以傳統化石能源為基礎,融合天然氣、風電、光伏等清潔能源,同時能夠結合碳捕集與封存技術降低系統碳排放,對實現“碳達峰”“碳中和”具有重要意義。

碳捕集與封存技術(carbon capture and storage,CCS)、電轉氣(power-to-gas,P2G)技術的發展為CIES低碳運行提供了技術支持[1]。盧志剛等[2]將傳統燃煤電廠改造為碳捕集電廠(carbon capture power plant,CCPP),降低了CIES的碳排量與棄風量。Zhou等[3]建立了碳捕集電廠與需求側響應聯合運行模型,實現了系統低碳經濟運行。他們在降低系統成本和碳排量方面取得了重要進展,但是沒有將CCPP與P2G聯合運行,單獨運行P2G需購買CO2,運行成本增加。單獨運行碳捕集系統容易受到壓縮機容量的影響,CIES低碳水平受到限制。李欣等[4-6]構建了含P2G與CCPP聯合運行的CIES模型,將CCPP捕集的CO2作為P2G的原料,同時將P2G產生的天然氣供給燃氣機組,進一步降低了系統的碳排量和經濟成本。但他們僅考慮了分流式運行方式下CCPP與P2G聯合運行模型,在負荷峰值時,CCPP凈出力增多,產生的CO2也增多,碳捕集能耗增大,與負荷需求發生沖突。此外,該運行模式P2G運行效率低。主要由于P2G只有在棄風棄光時運行,但此模式CCPP捕集的CO2少,需向外部購買不足的CO2,系統成本提升,限制了P2G運行,抑制了棄風棄光消納水平,不利于系統低碳經濟運行。為此,還需進一步研究CCPP-P2G聯合運行策略。

CIES優化運行需要各利益主體之間的協同配合,隨著能源市場結構轉變,為了描述不同利益主體之間的交互行為,博弈論被廣泛運用在綜合能源系統的調度中[7]。趙鵬翔等[8]構建了一主多從博弈模型,研究了微網運營商和含有熱電耦合負荷用戶的交互問題。李鵬等[9]建立了以各微網為領導者,用戶聚類商為跟隨者的主從博弈模型,提出了綜合需求響應與主從博弈協同作用的優化調度策略,實現系統協同運行。周鑫等[10]建立了以運營商為領導者,負荷聚類商為跟隨者的主從博弈模型,通過響應補償定價策略實現了多主體協同運行。但他們僅將CIES劃分為能源運營商和能源用戶兩個利益主體,利益主體劃分比較簡單。因此,有必要對CIES中利益主體的劃分進行更深入的研究。

除了在電源側降低系統碳排量外,還應在負荷側發掘系統低碳特性,需求側響應因其能調整負荷側不可調度資源,被廣泛運用在綜合能源系統調度中。朱理等[11-13]在綜合能源系統中引入可平移負荷,實現了CIES削峰填谷,促進了系統的低碳經濟運行。

綜上,本課題組首先將溶液存儲器添加到分流式碳捕集電廠中,構成綜合靈活運行方式碳捕集電廠,同時在主從博弈框架下構建P2G、燃氣機組以及需求側響應聯合運行模型。該模型通過溶液存儲器對碳捕集能耗進行轉移,有利于實現高效調峰,且負荷低谷時能為P2G提供更多的CO2,有效降低了系統碳排量和運行成本。其次,對綜合能源系統利益主體進一步劃分,構建了以綜合能源運營商為領導者,以儲能商、生產商、用戶為跟隨者的多利益主體模型。鑒于該模型具有高維非線性的特點,對傳統差分進化算法改進,采用雙突變差分進化算法對上層模型進行求解,采用CPLEX求解器對下層模型進行求解。最終,通過實際算例驗證了所提模型與算法的優越性。

1 園區綜合能源系統結構圖

1.1 園區綜合能源系統內部能源流向

系統框圖如圖1,CIES荷側由電、熱、冷3種負荷構成。電負荷由光伏電站、風電機組、碳捕集電廠、儲能電池、電網協調提供。熱負荷由燃氣輪機、燃氣鍋爐、蓄熱槽提供。冷負荷由吸收式制冷機和電制冷機提供。

圖1 綜合能源系統框圖

1.2 綜合靈活運行方式碳捕集電廠低碳經濟特性

綜合靈活運行方式即在碳捕集電廠內引入煙氣旁路系統,同時在吸收塔與解析塔中間裝設一組溶液存儲器,用于暫存以CO2化合物形式存在的富液/貧液。綜合靈活運行方式碳捕集電廠通過調節富液和貧液的儲液量來實現負荷需求與CO2捕集環節解耦。在負荷高峰時,使富液存儲器儲液量增多而貧液存儲器儲液量減少,則該時段只對CO2進行吸收而未捕集,在減少碳排放的同時也能降低碳捕集能耗,凈出力提升,實現高效調峰。負荷低谷時,富液存儲器儲液量減少而貧液存儲器儲液量增多,對未處理的CO2進行捕集,碳捕集能耗提高,凈出力降低,能消納更多棄風棄光。

相較于分流式運行方式,綜合靈活運行方式在負荷高峰時將碳捕集能耗轉移至負荷低谷,緩解了負荷需求與捕碳能耗的矛盾,在負荷低谷時提高碳捕集系統能耗,降低碳捕集電廠凈出力以消納部分棄風棄光,實現低碳經濟運行。

綜合靈活運行方式的碳捕集電廠結構模型如圖2所示。

圖2 綜合靈活運行方式的碳捕集電廠結構模型示意圖

從溶液存儲器中提取的CO2質量用溶液體積的形式代替[14],見式(1)。

(1)

式中:VCA為溶液存儲器釋放CO2所需的溶液體積;MMEA與MCO2分別為MEA與CO2的摩爾質量;θ為再生塔解析量;CR為醇胺溶液濃度;ρR為醇胺溶液密度;EC為機組溶液存儲器供給的待捕集CO2量;溶液存儲器的約束由儲液量約束與儲液量變化約束構成,見式(2)。

(2)

式中:VF,t與VP,t分別為富液存儲器與貧液存儲器的溶液體積;VCR為溶液存儲器的容量;VF,0與VP,0分別為機組富液存儲器與貧液存儲器的初始溶液體積;VF,24與VP,24分別為周期結束時富液存儲器與貧液存儲器的溶液體積。

碳捕集電廠運行模型如式(3)所示。

(3)

式中:PG與EG分別為碳捕集機組輸出的總功率與CO2總產生量;eg為機組的碳排放強度;β為機組煙氣分流比;EZCO2為機組捕集CO2總量;γ為碳捕集效率;η為壓縮機和再生塔的最大工作狀態系數;PGmax為火電機組最大出力;PB為運行能耗;λ為捕集單位CO2能耗;PJ為機組的凈輸出功率;PD為機組的固定能耗。

煙氣分流式碳捕集電廠凈輸出功率滿足下式[15]:

PJ=PG-PD-γλβEG

(4)

由溶液存儲器額外增加的碳捕集設備運行能耗為:

PY=λEC

(5)

由式(4)、(5)可知,綜合靈活運行方式凈出力范圍為:

PJ=PG-PD-λ(γβEG+EC)

(6)

由式(6)可知,綜合靈活運行方式碳捕集電廠相較于分流式運行方式碳捕集電廠的凈出力范圍更大。

由圖3可知,當火電廠的容量相同時,由于存在碳捕集系統能耗,與常規火電廠凈出力下限相比,分流式碳捕集電廠更低。由于溶液存儲器可以對碳捕集能耗進行轉移,故綜合靈活運行方式碳捕集電廠的凈出力下限更低,更有利于消納風光,降低系統碳排放。

圖3 碳捕集電廠凈出力范圍對比

1.3 碳捕集電廠-電轉氣系統-燃氣機組框圖

碳捕集電廠采用綜合靈活運行方式,形成CCPP-P2G-燃氣機組模型,框圖如圖4所示。通過溶液存儲器,將峰時分流式碳捕集電廠捕集的CO2轉移到谷時進行捕集,保證P2G在谷時有大量碳源去合成甲烷。由此可見,P2G所需碳原料可以高效經濟地取自綜合靈活運行方式碳捕集電廠,在降低CO2額外購買量的同時也降低了P2G運行成本,進而提高了P2G運行功率。除此之外,P2G生成的天然氣供給燃氣機組,減少了燃氣輪機和燃氣鍋爐的購氣成本。

圖4 CCPP-P2G-燃氣機組聯合運行模型

CCPP-P2G-燃氣機組聯合運行模型如下:

(7)

式中:PP2G、ECO2、GP2G分別為P2G運行功率、CO2總量以及消耗的天然氣總量;αCO2為產生單位功率天然氣所需的CO2;ηP2G為P2G設備的轉換效率;EbCO2為購買的CO2;Hg為天然氣熱值。

1.4 考慮價格需求響應策略

上述主要說明了綜合靈活運行方式碳捕集電廠的低碳優勢,但是在負荷峰時段容易受溶液存儲器容量限制,其調節量有限。輔之價格需求側響應進一步降低系統碳排放。具體策略如下:

當負荷在谷時段時,運營商為了引導用戶增加用能量,此時售能價格處于谷段,用戶根據自身滿意度指標調整用能策略。在價格激勵的基礎上,增加電、熱、冷負荷量。

當負荷在平時段時,運營商售能價格較高,用戶電、熱、冷負荷調節量不大。

當負荷在峰時段時,運營商為了引導用戶降低用能量,售能價格處于峰時段,用戶根據自身滿意度指標調整用能策略減少電、熱、冷負荷量。

2 CIES主從博弈模型

CIES多主體主從博弈框架如圖5所示。博弈主體包括運營商、生產商、用戶和儲能商。運營商作為交易的橋梁,構成了完整的交易體系。

圖5 主從博弈過程框圖

運營商以最大利潤為目標函數制定購、售能源價格。當負荷峰值時,運營商提高購能價格,激勵生產商增加能源生產,儲能商高價補能。若兩者還不能達到用戶需求,需向外網購能。生產商以CCPP-P2G-燃氣機組為核心,考慮燃氣輪機和燃氣鍋爐運行過程中產生的碳排放量,以售能收益最大,燃料成本、碳交易成本、棄風棄光懲罰成本最小為目標函數優化各設備出力。儲能商根據價格通過低進高賣實現獲利。在用戶側,引入可調節負荷,綜合考慮購能成本,以最大化用戶側綜合效益為目標,調整用能需求。

2.1 CIES各主體收益模型

2.1.1綜合能源系統運營商

綜合能源系統運營商作為上層領導者主要通過考慮電熱冷供需來制定購、售能源價格,通過低價買入生產商的能源,較高的價格賣給能源儲能商和用戶來獲取利潤。如果供熱、供冷不足,則需支付中斷供熱、供冷的懲罰費用。

(8)

(9)

(10)

(11)

max(PYH,c-PSC,c)?c(t)

(12)

式中: ?h、?c分別為熱、冷中斷懲罰系數。

為了保護各主體利益作以下約束:

(13)

此外還應滿足:

(14)

2.1.2綜合能源系統生產商

生產商根據運營商制定的能源價格,通過優化各可控設備出力實現利潤最大化,其目標函數為:

(15)

(16)

能源生產商由綜合靈活運行方式的CCPP-P2G-燃氣機組提供電、熱負荷:

(17)

式中:PPW、PPV、PMT、PJ分別為風電、光伏、燃氣輪機、碳捕集電廠輸出的電功率;PEC為電制冷機耗電功率;HGB、HMT分別為燃氣鍋爐、燃氣輪機輸出的熱功率。

由電制冷機和吸收式制冷機提供冷負荷:

PSC,c(t)=QAC,c(t)+QEC,c(t)

(18)

式中:QAC,c、QEC,c分別為吸收式制冷機、電制冷機輸出冷功率。

(19)

式中:aMT,e、bMT,e、cMT,e分別為燃氣輪機的發電系數;aGB,h、bGB,h、cGB,h分別為燃氣鍋爐的發電系數;aG,e、bG,e、cG,e分別為火電機組的發電系數。

(20)

式中:δ為碳排放配額;egt、egb分別為燃氣輪機和燃氣鍋爐單位燃氣的碳排放系數;HGT、HGB分別為燃氣輪機和燃氣鍋爐消耗天然氣功率;KT為碳排放價格。

(21)

式中:ηP2G為P2G運行成本比例系數。

(22)

式中:Prepw、PPW分別為風電日前預測功率、風電上網功率;Prepv、PPV分別為光伏日前預測功率、光伏上網功率;ηpw、λpv分別為棄風、棄光懲罰成本系數。

2.1.3用戶模型

用戶模型在運營商給定售價的基礎上,通過優化可平移電負荷、可削減熱/冷負荷實現利潤最大化:

(23)

(24)

(25)

式中:ae、be、ch、dh、fc、bc是廣泛使用的二次效用函數的偏好常數;PYH,e、PYH,h、PYH,c為用戶電、熱、冷負荷需求。

用戶電負荷由固定負荷和可平移負荷構成,熱/冷負荷由固定熱/冷和可削減熱/冷組成:

(26)

式中:Pfel為固定負荷;Psel為可平移負荷,要保證需求響應前后總負荷量不變。則需滿足以下約束:

(27)

式中:Ssel為可平移的負荷總量。為了保證用戶的舒適度需滿足約束:

(28)

2.1.4儲能模型

儲能商通過在運營商處低價購買能源,在用戶處高價出售能源,實現利潤最大化。

(29)

(30)

(31)

(32)

(33)

3 主從博弈互動平衡

運營商、生產商、用戶以及儲能商為獨立主體,運營商通過制定售、購能源價格獲利,生產商、用戶以及儲能商根據能源價格進行優化,優化結果反饋給運營商,影響其能源價格制定。該模式符合主從博弈,故構建多主體主從博弈模型。主從博弈模型由參與者、策略、收益3部分構成。本文博弈模型描述如下:

ψ={XS;{SC,CN,YH} ;λXS;

{βSC,βCN,βYH};IXS; {ISC,ICN,IYH}}

(34)

參與者為運營商、生產商、儲能商、用戶。策略中:λXS包含運營商售、購能源價格;βSC為生產商設備輸出功率;βCN包含電熱儲能的充、放功率;βYH包含用戶可平移電負荷、可削減熱、冷負荷。收益參考式(8)、式(15)、式(23)、式(29)。

(35)

4 求解算法

4.1 雙突變差分進化算法

傳統差分進化算法(differential evolution algorithm,DE)具有數學參數少、適應性強的特點,適用于多類型問題的最優解,但該算法容易陷入局部最優[16]。為了解決種群多樣性與收斂速度的負相關關系,本課題組提出了一種雙突變策略來協調種群多樣性與收斂速度之間的矛盾。

4.1.1變異操作

(36)

式中:i、β0、β1、β2代表的是獨立且不沖突的自然數;比例因子用F表示,取值區間為[0,1]。為了解決種群早熟和種群多樣性缺失問題,將變異算子進行改進。具體原理:個體引導機制由最優方式變為可行解遞減方式。具體表達式如式(37)所示:

(37)

(38)

4.1.2判斷種群多樣性

變量的離散度期望值可以用方差表示。在算法中,采用適應度方差分析種群的離散程度,從而判斷是否達到最優解。

(39)

4.1.3雙突變策略

雙突變差分進化(double mutation strategy,DDE)算法的變異過程如下:

(40)

DDE算法通過計算δ2判斷種群是否出現聚集。當發生聚集時,方差接近0。DDE算法利用2個變異算子的優勢,解決了收斂速度與種群多樣性間的矛盾,在兼顧尋優速度的同時,提升了算法跳出局部最優的能力,實現了持續深度尋優,提高了算法性能。

4.2 主從博弈模型求解

采用DDE結合CPLEX求解器對所建立的多主體主從博弈模型進行求解。

上層算法:運營商決策具有非線性特征,用DDE對其進行求解。

下層算法:對生產商、運營商、儲能商使用CPLEX求解器求解。生產商根據式(15)計算設備最優出力,儲能商根據式(29)計算儲能最優充、放功率。用戶根據式(23)計算電熱冷可調節負荷。最后將優化結果發給生產商,求解流程如圖6所示。

圖6 主從博弈求解流程

5 算例分析

以北方某園區CIES為研究對象,驗證本文提出模型與算法的優越性。冬季和夏季交易模式基本一致,在這里只分析冬季典型日。該園區的電熱冷負荷、風電和光伏出力數據如圖7所示。電負荷峰值出現在8、12 h以及18～21 h,熱負荷峰值出現在2～4 h、6～7 h、20～23 h,冷負荷峰值出現在12～13 h、15 h。機組設備參數見表1。

圖7 負荷、風電、光伏預測

表1 設備參數

5.1 博弈均衡分析

運營商對電、熱負荷進行定價如圖8所示。由圖8可知運營商售電價格趨勢基本和電網分時電價保持一致。為了激勵用戶購電和生產商發電,運營商購電價格與用戶實際用電負荷一致。熱負荷分析和電負荷分析類似。

5.2 不同場景結果分析

為了說明引入需求側響應、綜合靈活運行方式的碳捕集電廠、儲能商的優勢,設置以下4種場景進行策略對比。

場景1:考慮運營商、生產商和用戶, P2G-燃氣機組聯合運行。

場景2:考慮運營商、生產商和用戶,分流式運行方式CCPP-P2G-燃氣機組聯合運行。

場景3:考慮運營商、生產商、儲能商和用戶,分流式運行方式CCPP-P2G-燃氣機組聯合運行。

場景4:考慮運營商、生產商、儲能商和用戶,綜合靈活運行方式CCPP-P2G-燃氣機組組聯合運行。

本課題組考慮運營商、生產商、儲能商和用戶,需求側響應、綜合靈活運行方式CCPP-P2G-燃氣機聯合運行。

為了說明算法有效性對場景4上層運營商的收益,用DDE、DE、GA進行求解,對比結果如圖9所示。

圖9 DDE、DE、GA算法曲線

由圖9可知,采用改進的DDE算法在57次已經達到收斂,而傳統DE算法在70次才收斂,GA算法在67次達到收斂。證明改進DDE算法的優越性。

對比場景1和2,由表2可見,場景2中運營商、生產商和用戶的收益相較于場景1分別提高了 10 420、20 295和13 240元。生產商收益提高最多,是因為加入碳捕集之后系統排放顯著降低,相應的碳排放成本顯著降低。

表2 不同場景下各主體收益與系統總碳排放量

對比場景2和3,由表2可見,場景3中運營商、生產商和用戶的收益相較于場景2分別提高了1 801、1 987和6 746元。場景3在場景2的基礎上加入儲能商,雖然會分攤運營商少量的用戶購能份額,但在負荷峰值時,能減少運營商的購電成本與熱、冷中斷懲罰成本。對于生產商而言,儲能商的加入能夠緩解設備出力,減少CO2排放,降低碳排放成本。對于用戶而言,儲能商的加入能得到比運營商更低的購電、熱價格,減少購能成本。由上述分析可知,儲能商的加入對其他3位主體都產生了積極影響。由此說明加入儲能商的優勢。

對比場景3和4,由表2可見,場景4中運營商、生產商、儲能商、用戶的收益相較于場景3分別提高了9 158、2 022、1 956、2 335元,系統碳排放量降低了31.3 t。由圖10可見,對生產商而言,在負荷高峰時,綜合靈活運行方式碳捕集系統對火電機組排放的CO2只吸收不捕集,降低了碳捕集能耗,隨之凈出力相比分流式出力更多,高效調峰。在負荷低谷時,靈活運行方式下碳捕集系統通過能耗轉移對負荷高峰吸收的CO2進行捕集,能耗增大,則凈出力降低。負荷低谷時能夠消納更多棄風棄光,減少了CO2排放量與棄風棄光懲罰成本。在負荷低谷時,由圖11可知,與分流式相比,綜合靈活運行方式在谷時期提供的CO2更多,P2G運行功率更高,并將產生的天燃氣作為燃氣輪機、燃氣鍋爐燃料,系統運行成本降低。對于運營商而言,在電負荷峰時,綜合靈活運行方式使生產商能夠提供更多電能,降低了購電成本。對儲能商而言,負荷低谷時能夠以低價買到更多電能進行充能,在負荷高峰時高價賣出,利潤增加。對用戶而言,在電負荷高峰時能夠在儲能商買到更多電能、熱能,且價格比運營商低,故利潤增加。這都說明了綜合靈活運行方式碳捕集電廠的低碳經濟優勢。

圖10 不同場景碳捕集電廠凈出力直方圖

圖11 不同場景P2G運行功率直方圖

本研究在場景4的基礎上加入了IDR,使得運營商、生產商、儲能商、用戶的收益相較于情景4分別提高了7 720、2 706、945、2 889元,系統碳排放量減少了10.6 t。因為考慮了IDR,有效降低了負荷的峰谷差,用戶購能成本和運營商的購電成本以及生產商的碳排放懲罰成本。

5.3 需求響應結果分析

用戶側需求響應前后的電、熱、冷負荷曲線如圖12所示。

圖12為用戶側需求響應前后的電、熱負荷曲線。圖12(a)中用戶為了降低總的用電成本,在電價的激勵下,出現了“削峰填谷”。用戶可轉移電負荷由峰值時刻(8、12h以及18～21 h)轉移到低谷時刻(22～6 h以及15～18 h),電負荷峰谷差減少,實現了自身效益最大。熱冷負荷在2～3 h、20～23 h有所縮減,在10～12 h熱負荷需求比較低,為了保證用戶舒適性,熱負荷削減較少。由于沒有對冷負荷制定動態電價,冷負荷整體削減量較小。優化后,用戶效用函數增加了2 889元,說明了本課題組策略運行方法的優越性。

5.4 功率平衡分析

主從博弈均衡后,電、熱、冷調度結果如圖13所示?？紤]到環保性,運營商優先考慮消納風電、光伏提供的電能。在22～5 h電、冷負荷需求量較低,熱負荷需求高。風電和燃氣輪機在電價低谷時段提供電負荷。能源生產商為了獲得最大收益,使燃氣輪機出力增多,多余部分由儲能電池存儲和P2G消耗。這時間段內,運營商購熱價較高,燃氣鍋爐出力增加。不足的部分由蓄熱槽通過高價售熱補充。冷負荷由電制冷和吸收式制冷機共同提供。

在6～8 h,電需求增加,冷負荷較高。且達到電負荷第一個峰值。生產商提供的風電、光伏能源被消納。運營商購電價提高,生產商為了提高收益增加出力。主要通過增加碳捕集電廠凈出力,不足的由儲能電池來補充。為了滿足冷負荷需求,吸收式制冷機出力增加。

在8～9 h,電、熱、冷負荷需求同時下降,而碳捕集電廠凈出力卻增加,主要因為風電出力下降量大于負荷需求下降量。運營商通過降低熱價,減少燃氣鍋爐出力。

在10～12 h,電、冷負荷需求增加,熱負荷需求下降,且達到電負荷第二個峰值。生產商通過增加碳捕集電廠凈出力來提高發電量,儲能商通過高價補電。但是由于容量限制,不足的部分運營商通過購電來滿足電負荷需求。熱負荷調節過程與8～9 h類似,不再贅述。冷負荷主要通過增加吸收式制冷機出力滿足冷負荷需求。

圖13 電熱冷負荷功率平衡

在12～18 h,電負荷需求降低,而熱負荷需求增加。在15、16 h運營商進行購電,主要是因為此時光伏出力下降,同時電價較低,儲能商以低價充能。由于此時熱價較高,蓄熱槽進行補熱。

在19～22 h,電熱負荷需求增加,生產商通過碳捕集電廠凈出力提高發電量,不足的部分由儲能電池和運營商向電網購電來滿足電負荷需求。通過燃氣鍋爐和熱儲能提供熱負荷。在電負荷需求高時,燃氣輪機出力增加較少,主要為燃氣輪機增加出力所增加的收入和運行成本相抵消,而調節碳捕集電廠的收益更大,故燃氣輪機出力調節較小。

6 結論

1) 模型考慮以運營商為上層領導者,以儲能商、生產商、用戶為下層追隨者的多利益主體主從博弈模型。運營商通過制定合理的價格信息引導生產商調節設備出力、儲能商充、放能、用戶用能策略。各主體在穩定運行的前提下追求最高收益,制定各自的交易策略,在經過若干次博弈后達到平衡。

2) 相比于分流運行方式碳捕集電廠,綜合靈活運行方式通過加入溶液存儲器使得碳捕集電廠凈出力更大,為風光上網提供更多空間,實現系統低碳運行。通過溶液存儲器解決了負荷峰時,負荷需求與碳捕集能耗耦合。解決了P2G在負荷谷時,碳源不足的問題,提高了運行功率。需求側響應的加入又進一步降低了碳排放,提高了各主體收益。

3) 改進了求解上層領導者策略的算法,針對傳統差分進化算法容易陷入局部最優,將變異算子引導機制由最優方式變為可行解遞減方式,保持了種群多樣性,提高了收斂速度,增強了搜索全局最優解的能力。