工业多能源枢纽的财务优化以实现运营成本最小化:一种结合博弈论与李雅普诺夫方法的碳交易模型

《Sustainable Cities and Society》:Financial Optimization of Industrial Multi-Energy Hubs for Operational Cost Minimization: A Game-Theoretic and Lyapunov-Integrated Model for Carbon Trading

【字体: 大 中 小 】 时间:2026年07月22日 来源:Sustainable Cities and Society 13.3

编辑推荐:

  摘要:城市多能源系统需要实现电力、燃气、供热、碳市场以及交通需求之间的协同运行,但现有的调度模型往往将这些要素分开处理,或在可再生能源、价格和交通需求存在不确定性的情况下依赖确定性假设。本文为绿色能源社区构建了一个集成优化框架,将交通状况影响的电动自行车充电需求与能源交换、碳配额

  摘要:城市多能源系统需要实现电力、燃气、供热、碳市场以及交通需求之间的协同运行,但现有的调度模型往往将这些要素分开处理,或在可再生能源、价格和交通需求存在不确定性的情况下依赖确定性假设。本文为绿色能源社区构建了一个集成优化框架,将交通状况影响的电动自行车充电需求与能源交换、碳配额交易、数字孪生校正以及层级化的运营商与社区协调机制相结合。该框架融合了考虑交通因素的时空交通网络模型、两阶段随机-鲁棒建模方法以及基于李雅普诺夫函数的斯塔克伯格结构,从而实现具有成本效益且能应对不确定性的调度。数值结果表明,与无约束基准相比,通过实施网络约束和需求响应,可降低社区层面的运营成本高达31.4%。即便考虑到与交通相关的需求,能源与碳配额的联合交易仍能使系统总成本降低8.5%。在可再生能源发电、价格和交通需求存在不确定性的情况下,随机-鲁棒建模方法会使总成本上升约4.4%,这一增幅体现了为保持系统可行性所需的鲁棒性成本。进一步的基准测试表明,与传统确定性调度相比,所提出的框架可使事后运营成本降低8.50%,同时避免出现不可行情况。这些研究结果表明,协调能源、碳排放和交通需求的管理方式,能够在保持系统稳健运行的同时提升绿色能源社区的经济效益。

引言:城市是能源需求、交通活动以及环境压力高度集中的区域,因此对于实现低碳转型具有重要意义。综合能源系统被视为提供经济实惠且可靠的城市电力、供热、制冷及交通服务的关键工具。然而,由于需要在可再生能源供应波动、交通电气化、空间限制等条件下协调多种能源载体,再加上还要考虑碳减排效应和社会福利问题,城市规模的综合能源系统部署面临诸多挑战。现有研究大多分别探讨这些不同方面,未能充分研究在网络物理系统不确定性条件下的协同运作机制(SeyedShenava等人,2026年)。开展这项研究的动机源于城市能源调度与交通相关碳减排目标之间的运作失衡。实际上,电力、燃气和供热系统并非可以与交通电气化进程独立调度,因为与交通相关的充电需求会随着交通状况的变化而在时间和空间上发生变动。与此同时,碳配额交易又会改变本地发电、外部能源进口以及需求侧灵活性所带来的经济价值。当可再生能源产出、市场价格和交通需求存在不确定性,且实际系统状态与计划状态之间存在网络物理偏差时,这类相互作用就更难以管理了(SeyedShenava等人,2026年)。因此,需要一种协调模型,将多能源系统运行、交通相关的充电行为、碳减排机制以及基于不确定性的校正措施整合在一个决策框架之中。

以往的研究分别采用鲁棒性模型、随机模型和基于情景的模型来处理多能源系统中的能源与碳管理问题,但这些方法各自存在结构性局限。Rezaei等人(2024年)为孤立的多能源微电网开发了一种双层混合鲁棒-随机能源管理模型,将移动储能系统和氢燃料加注站视为可灵活调用的多元能源载体进行统一调度。Turdybek等人(2024年)和Dai等人(2024年)则通过考虑异质性灵活负载、物联网智能设备、智能充电系统、补偿机制以及基于斯塔克伯格模型的市场互动机制,研究了本地灵活性市场结构。Bai等人(2025年)开发了一种基于深度学习的工业生产能源优化模型,证明了智能运营控制对实现碳中和目标的重要性。Mansouri等人(2025年)和Mansouri等人(2026年)则采用基于ADMM算法的协调机制,对微电网、互联网数据中心和工业园区中的分布式灵活性资源进行管理,重点关注去中心化调度和以缓解拥堵为目标的能量交换方式。Tostado-Véliz等人(2024年)比较了具有内部市场的能源社区中的集体储能方案,指出储能的所有权结构和市场清算机制会显著影响本地能源交换的结果。Tian等人(2026年)分析了一个具有异质性预期和复杂动态行为的斯塔克伯格双寡头模型,为研究在非均匀决策模式下的领导者与追随者互动关系提供了理论依据。Ping等人(2026年)提出了基于区块链技术的点对点能源交易机制,该机制需满足分布式网络的限制并能够根据实际情况调整网络结构,从而将去中心化交易与物理电网的运行可行性相衔接。Lin等人(2026年)为混合交流/直流微电网社区设计了一种互联架构,提升了不同电气子系统之间的能量传输效率。Rezaee Jordehi等人(2024年)和Rezaee Jordehi等人(2024年)研究了在以电力和光伏能源为主的系统中集成氢燃料加注站的问题,涵盖了车辆与基础设施之间的交互、加注站选址、电负荷的动态响应以及本地氢能市场的参与机制。Xiao等人(2026年)提出了一种基于风能、太阳能、水能、电能协同作用的综合低碳规划方法,用于数据中心的选址、调度和输电规划,不过该研究未涉及针对交通需求变化的社区能源交易机制。Wu等人(2021年)基于改进的帕累托准则和季节性电价构建了一个需求响应模型,强调了适时调整能源消耗所带来的经济价值。Jiang等人(2026年)为电力和供热系统开发了一种动态区间状态估计方法,提升了在测量数据存在不确定性时的系统运行可靠性。还有研究者将空间数据分析与图卷积神经网络相结合用于趋势预测,展示了基于图结构的机器学习方法在处理空间关联型决策问题中的潜力。

近年来,一些关于氢能整合多能源系统的研究进一步拓展了行业间耦合优化的内涵,将电力、热能、燃气和氢能纳入统一的优化框架,并充分考虑了不确定性因素和碳减排目标。Zhang和He(2025年)开发了一种多情景调度模型,该模型包含分阶段的碳配额交易机制和两阶段氢能生产流程,通过氢能转化提升可再生能源的利用效率并减少碳排放。Song等人(2025年)则研究了考虑可再生能源不确定性、综合需求响应以及氢能设备不同运行状态下的模糊最优调度问题。Han和Wu(2025年)进一步提出了一种基于双向氢能转化和逐步碳配额交易机制的合作型鲁棒优化框架。这些研究都证实了氢能在提升多能源系统灵活性和实现低碳调度方面的作用;不过,由交通需求引发的电力需求、碳配额结算、层级化的运营商与社区互动机制以及基于数字孪生的系统校正措施,仍然很少被纳入统一的协调框架之中。Gao等人(2026年)从超网络视角研究了数字化转型和价值共创问题,强调了各类数字化主体之间相互联系的重要性。He和Qu(2026年)探讨了将废物转化为能源的机制与人工智能驱动的数据中心相结合以提高冷却效率和服务系统的抗干扰能力,但该研究未涉及社区层面的碳配额交换机制。Rezaee Jordehi等人(2024年)和Cai等人(2023年)从风险和韧性角度研究了氢燃料加注站的相关问题,涉及电力市场参与、光伏能源的不确定性、氢能储存以及移动电池资源等议题。Mansouri等人(2025年)为澳大利亚的电力系统设计了一种由配电系统运营商主导的隐私保护机制,用于管理能量交换过程。Mansouri和Javadi(2017年)以及Mansouri等人(2022年)则研究了在不确定性条件下以及智能家居参与背景下,发电和输电设施扩建、日前电力市场竞价以及微电网协同调度问题的鲁棒性和风险导向型决策方法。Hu等人(2026年)研究了供应链数字化如何为新能源汽车企业的技术创新提供支持,进一步证明了数字化连接在低碳转型过程中的战略意义。Xu和Yang(2025年)提出了一种考虑风险因素的低碳优化模型,用于以氢能为核心的多能源系统,该模型采用了线性化的生物燃料电池表征方法。Hou(2026年)设计了云储能系统与多个综合能源系统之间的双层能源共享机制,为各系统之间的资源协调交换建立了层级化的框架。Hou等人(2022年)开发了一种混合数据驱动的鲁棒单元承诺调度方法,用于应对风能发电量不稳定的问题,该方法结合了历史数据信息以及针对不利可再生能源供应情况的防护机制。Hou和Wei(2021年)将数据驱动的鲁棒调度方法扩展到了水能、火电、风能、光伏能和核能等领域,不过该研究未考虑交通需求变化和碳市场反馈机制的影响。Li等人(2026年)提出了一种两阶段多周期优化模型,用于绿色乙二醇的生产过程,展示了如何在低碳工业生产中实现跨时间维度的设计与运行协调。Zheng和Chen(2020年)基于瓦塞尔斯坦距离函数构建了一种易于处理的分布式鲁棒单元承诺调度模型,为在存在不确定性情况下进行能源调度提供了高效的解决方案。Ji等人(2026年)提出了基于脆弱性分析的双层规划方法,用于在具备光伏发电和储能设施的配电网络中实现碳排放减排,将基础设施规划与碳减排目标紧密结合起来。Li等人(2026年)研究了在人工智能驱动的排放监测和动态碳交易机制支持下,各类不同政策工具之间的协同发展关系,强调了数字监控机制与市场调控机制之间的互动效应。Qi等人(2026年)将博弈论和深度强化学习方法相结合,用于实现多无人机集群的鲁棒且节能的飞行路径规划,证明了在不确定性高且能源供应受限的条件下,智能战略控制方法具有良好的应用前景。

现有的研究已经在碳减排意识、氢能整合、多能源系统优化、基于斯塔克伯格模型的调度方法以及基于数字孪生的系统运行优化等方面取得了不少进展。然而,目前还很少有研究能够将碳配额结算、由交通需求引发的交通流量变化、层级化的运营商与社区策略、基于随机-鲁棒方法的不确定性处理机制以及基于数字孪生的网络物理系统校正措施整合到一个统一的绿色社区调度框架之中。这一缺陷限制了现有模型评估在碳约束下的多能源系统中,由交通需求变化所带来的经济和运营影响的能力。表1对已有的相关研究进行了系统分类,总结了以往研究在方法论上的覆盖范围,并明确了本研究在整合这些方法方面的创新之处。表1列出了各项研究所涵盖的方法论维度,但需要指出的是,单纯同时使用多种现有方法并不等同于做出了理论上的创新。本研究所提出的建模方法的独特之处在于其复杂的模型结构——如果取消交通需求、碳反馈效应以及层级化战略耦合机制,该模型就退化为传统的两阶段随机-鲁棒多能源调度问题;而如果去掉不确定性应对机制、数字孪生校正功能以及李雅普诺夫稳定性控制机制,剩余的模型则相当于传统的确定性斯塔克伯格调度模型(Mohammadian等人,2026年)。在完整的模型体系中,基于TSTN模型得到的MEB充电需求会改变GCC系统的能量平衡和碳排放状况,由此产生的碳配额水平又会影响运营商的协调决策,而跟随者做出的响应又会进一步改变能源和碳元素的交换情况。因此,所提出的模型是一种不可分割的跨领域耦合-均衡结构,而非简单地将交通、能源、碳减排和博弈论等独立模块平行组合在一起。

本研究并非旨在提出一种全新的随机-鲁棒优化算法或新的斯塔克伯格均衡概念。其理论贡献在于,通过引入场景依赖型的交通需求、多能源系统调度、碳配额结算以及运营商与社区之间的战略响应之间的内在且不可分割的互动关系,拓展了现有模型体系。如果取消交通需求、碳反馈效应以及层级化战略耦合机制,该模型就变为传统的两阶段随机-鲁棒调度模型;反之,若去除不确定性应对机制、数字孪生校正功能以及李雅普诺夫稳定性控制机制,剩余模型则相当于传统的确定性斯塔克伯格调度模型。因此,与现有的参考模型相比,本研究的完整框架通过构建一种耦合的跨领域耦合-均衡结构,而非简单叠加各种现有方法,从而展现出独特的优势。

(1)能源、交通与碳减排的集成耦合:本研究构建了一个统一的调度框架,将基于TSTN模型得出的MEB充电需求视为一个对调度决策具有重要影响的交通相关要素,而非单纯的外部电气负载。这样一来,交通状况带来的充电需求变化就能在同一模型体系中影响GCC层面的能源交换、碳配额平衡以及以社会福利为导向的能源系统运行方式。

(2)具有碳减排意识的层级化斯塔克伯格协调机制:本研究通过层级化的斯塔克伯格结构来描述运营商与社区之间的互动关系,使得能源交换、碳配额交易以及GCC系统的响应措施能够得到协同处理。与传统基于斯塔克伯格理论的定价或调度模型不同,所提出的框架允许由交通需求变化和碳减排要求来引导领导者与追随者之间的决策响应。

(3)针对多重不确定性的两阶段随机-鲁棒处理方法:本研究采用两阶段随机-鲁棒建模方法来处理可再生能源发电量、市场价格以及MEB充电需求所带来的不确定性问题。这种建模方法不仅着眼于能源领域的不确定性分析,还将不确定性因素与交通需求、碳配额分配以及多能源系统之间的交易行为联系在一起。

(4)基于数字孪生和李雅普诺夫理论的运行一致性保障机制:本研究引入了数字孪生技术,用于缩小系统计划状态与实际运行状态之间的网络物理差异;同时,基于李雅普诺夫函数的协调机制则有助于确保运营商与GCC系统之间能够进行稳定且持续的互动。这些机制在不改变核心优化结构的前提下,提升了能源、交通与碳减排一体化系统的运行可靠性。

本文的其余部分结构如下:第2节介绍所提出框架的系统构成及其适用范围;第3节阐述该框架的数学表达式和建模方法;第4节展示并分析数值计算结果;第5节对全文进行总结,并给出最终结论。

章节要点:系统构成与适用范围
图1(a)展示了一个由多个绿色能源社区组成的互联系统,这些社区通过共享的能源转换和存储设施共同管理电力、供热和燃气供应,从而实现能源和碳资源的协同交易,进而降低运营成本和碳排放量。文中定义了两种不同的社区配置方式。图1(b)展示了GCC#1和GCC#4这两种社区,它们分别依靠风能、光伏能发电,结合电池储能、热电联产装置和燃气锅炉来满足电力和供热需求。图1(c)展示了GCC#2的数学表示形式。本节给出了所提出框架的数学公式,涵盖了所有控制方程和约束条件。为使公式在分析上更易于处理,采用了若干建模简化措施。这些建模前提及其影响并未在正文中详细阐述,而是简要总结于表2中。后续的公式推导都是在这些假设的范围内进行的。为提升可读性和可重复性,将结果与讨论部分进行了相应安排。通过将图1中的架构嵌入到一个包含电力、天然气和供热网络的基准多能源系统中,对HFCEFS框架进行了评估。基线案例包括如图4(a)所示的IEEE 33节点电力网络、7节点天然气网络以及14节点供热网络;而 scalability则通过在图4(b)中展示的包含IEEE 69节点电力网络、20节点天然气网络和49节点供热网络的扩展系统来进行测试。城市电动自行车出行情况也得到了体现。结论与展望:本研究探讨了在融合了碳交易和城市交通互动的电力、天然气及供热系统环境下,相互连接的绿色能源社区在运营和经济层面的协调问题。核心问题是如何在网络约束、需求响应机制、不确定性以及分层决策等因素的影响下,降低运营成本和排放量同时保持方案的可行性。为解决这一问题,研究开发了一个统一的框架。资金支持:本研究得到了2023年湖南省教育厅科研项目“优秀青年项目”——“‘三高四新’背景下湖南省制造业企业内部审计信息化建设研究”(项目编号:23B1061)的资助。CRediT作者贡献说明:张恒灵:撰写——初稿、可视化、软件、资源、方法论、研究、概念设计;陈颖:撰写——审阅与编辑、验证、监督、项目管理、方法论、资金获取、正式分析、数据整理、概念设计。利益冲突声明:作者声明没有已知的可能影响本文所述工作的财务利益或个人关系。张恒灵|陈颖中国湖南省常德市415000,湖南应用技术大学经济管理学院
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号