基于电动重型卡车的食品工业园区可再生能源利用率提升：一种定价理论与能耗配额驱动的电力调度分配新机制

《Journal of Cleaner Production》：Improving the utilization rate of renewable energy in food industrial parks with electric heavy-duty trucks: A novel pricing-theory and energy consumption quota-driven electricity dispatch allocation mechanism

　　

**摘要** 作为典型的综合能源系统，食品工业园区具有高能耗特点。目前，现有的食品工业园区调度方法在应对多样化负荷类型、实时供需波动以及与移动储能协调方面存在局限性，难以提高食品工业园区中可再生能源的利用率。因此，提出了一种价格理论和能耗配额驱动的电力调度分配机制，以提高食品工业园区中可再生能源的利用水平。首先，开发了一种由价格理论和边际分析驱动的分区动态优先级调度策略，通过模拟市场拍卖机制实现最佳电力分配。其次，提出了一种基于能耗配额的电动重型卡车电力分配策略，通过该策略，园区内的电动重型卡车被转变为灵活响应的移动微能源节点。在此基础上，提出了一种改进的多目标火蚁优化算法，以解决食品工业园区调度模型的高维和非线性特征。该算法通过三种机制全面增强了求解性能：侦察蜂引导初始化、动态角色分配和自适应温度调节。案例研究表明，所提出的策略使食品工业园区的运营成本降低26.48%，碳排放减少17.2%，电动重型卡车车主的利润增加，同时车辆到电网响应率提高至62.0%。总体而言，食品工业园区的可再生能源利用水平和运行灵活性得到了显著增强。

**引言** 近年来，面对全球气候变化和化石能源危机带来的严峻挑战，加快能源系统的绿色低碳转型已成为国际社会广泛认可的紧迫优先事项。鉴于工业部门能耗占比高，提高该领域的能源效率对于实现各国政府倡导的"碳达峰"和"碳中和"等国家战略目标至关重要。在多种工业减排方法中，综合能源系统被视为减少碳排放、降低能源供应成本和提高系统灵活性的有效解决方案。因此，综合能源系统在推动低碳发展和促进工业园区可再生能源整合方面发挥着关键作用。目前，将工业园区视为综合能源系统并开发系统设计优化模型已取得相当大的成功。然而，如Liang等人所指出的，现有的调度技术不足以完全实现双碳目标，需要采用新的调度方法来推进工业园区综合能源系统的升级。

值得注意的是，电动重型卡车作为工业园区内的关键组成部分，可以作为灵活的储能单元参与系统调度，从而为综合能源系统调度提供了新的视角和方法。尽管重型卡车在车队中的比例很小，但它们对道路运输排放的贡献却不成比例地大。电动化已被广泛认为是实现交通部门脱碳的重要途径。然而，电动重型卡车的高能耗需求、长途运行特性以及对充电基础设施的依赖给能源系统协调带来了重大挑战。在此背景下，本研究聚焦于食品工业园区的具体情境，提出了一种由价格理论和能耗配额驱动的电力调度分配策略。通过负荷分类、实施分区动态优先级调度，并基于能耗配额灵活分配电力给电动重型卡车，该策略实现了使动态需求侧响应与移动储能单元主动参与的闭环过程。

近年来，工业园区综合能源调度研究取得了持续突破。例如，Huang等人基于用户用电行为将柔性负荷分为三种类型——可转移负荷、可延迟负荷和可削减负荷——并开发了相应的调度模型和补偿机制，以实现精细化的需求侧资源控制。在负荷分类的基础上，Li等人从电网供需平衡时间特性的角度出发，进一步提出了一种"分段融合"负荷聚类方法，提取不同时间段的负荷类别信息以支持分时电价电网调节。然而，Huang等人及Li等人的研究都忽略了分类后不同负荷类别之间的协调。为了增强多类别负荷的协同调度，Li等人在负荷分类框架中引入了基于价格的可替代需求响应类型，并建立了电热能替代模型，以促进多能负荷的互补和协同优化。除基于负荷分类的调度外，价格驱动的系统调度也备受关注。Niu等人提出了一种分时电价驱动的调度方案，优化和协调了三种类型的灵活性措施，实现了系统运营成本降低19.6%。然而，仅考虑价格会导致次优结果；例如，Niu等人的方案加剧了联络线爬坡功率，对电网稳定性产生不利影响。因此，当代研究超越了简单的价格考虑，将经济边际成本纳入其中。例如，Bhattarai和Karki从可靠性投资角度出发，提出了一种基于部门周期性需求模型的停电边际成本估计方法，为电网输电基础设施和新兴智能资源的投资决策提供了有价值的参考。Fan等人在上层优化能源流和碳交易成本的同时响应下层用户侧需求，引入了一种考虑碳交易边际成本和节点边际价格的双层调度模型，实现了综合电-气能源系统的低碳经济调度。结果表明，与基准情景相比，总碳排放减少了26.1%。然而，虽然Bhattarai和Karki关注停电边际成本以支持电网投资，但他们未能将碳成本纳入调度目标，从而在低碳转型下错过了环境和可靠性目标的协同优化。相反，Fan等人虽然引入了碳边际成本来指导调度，但缺乏对停电成本及其由输电系统故障导致的对系统可靠性边际影响的考虑。Dindar和Gül采用间接分析方法量化了土耳其21个配电区域的停电成本，并利用时间序列和机器学习模型预测未来的停电成本，支持经济-可靠性协调调度。此外，一项基于电热耦合的综合需求响应研究提出了一种基于双拍卖的区域间电力市场协调方法，构建互联分布式能源站与用户之间的电-热能协作双拍卖市场框架，通过供需双方竞价和统一市场出清实现区域间能源互补和高效利用。

随着新能源汽车技术的快速发展，近期研究越来越多地将电动汽车视为工业园区综合能源系统中的灵活储能单元。例如，Ahmadian等人开发了一种涵盖电动汽车、风电、储能和传统发电机组的虚拟电厂混合整数线性规划模型。通过协同优化，实现了有序电动汽车充电和经济高效的系统调度。然而，尽管Ahmadian等人展示了优越的不确定性建模性能，但他们仅考虑了单向电动汽车充电，从而未能充分利用双向车辆到电网的电网交互潜力。在此基础上，Bogdanov和Breyer提出，在国家层面，智能电动汽车充电结合V2G可作为关键灵活性资源，分别将电力和热能储存需求降低35%和25%，并使系统成本降低4%。进一步延伸这些想法，Chen等人构建了一种面向园区级综合能源系统的移动电动汽车储能调度模型，并应用了双层深度强化学习方法，以实现住宅区和办公区之间的时空能量传输，使运营成本额外降低8%。然而，Bogdanov和Breyer及Chen等人的研究都缺乏对市场机制或经济激励措施的深入探索，以广泛调动分散的电动汽车用户持续参与系统。针对区域微电网，Jiao等人提出了一种考虑微电网之间电动汽车时空能量转移的能源管理框架。通过协同机会约束优化与NAF-DQN算法，联合实现了充电价格优化和车辆调度，有效提高了可再生能源利用率。同样，Yin等人开发了一种整合V2G特性的综合能源系统调度模型，采用二阶锥松弛和混合整数规划方法，在风电不确定性下实现了电动汽车充放电与系统功率平衡的协同优化。尽管在调度建模和算法方面取得了进展，Jiao等人及Yin等人的研究未能系统解决用户响应不确定性、公平的利益分配以及长期参与意愿问题。在冷链物流背景下，Menegetti等人开发了一种光伏发电冷藏运输系统，在挂车顶部集成了光伏板、电池组和电力转换单元，直接利用可再生能源替代传统柴油驱动的制冷机组，每辆车的温室气体排放减少了约89%。此外，Ghani等人提出了一种基于图论的车辆到车辆充电协调协议，构建充电消费者与提供者之间的二分图匹配模型，以促进车辆之间的灵活能量转移。该方法减少了对传统充电站的依赖，将整体充电完成率从基准的55%提高到78%。尽管该模型在模拟中显示出比基准更高的收入和更短的行驶时间，但Ghani等人未能深入探讨长期市场机制或动态激励策略以确保分散电动汽车用户在V2V能源共享中的持续稳定参与，限制了其在大规模综合能源调度中的可扩展性和可持续性。总之，电动汽车在工业园区综合能源系统的增强调度中仍具有相当大的未开发潜力。

在工业园区综合能源系统优化领域，各种解决方案方法已被开发出来。例如，Yang等人利用交替方向乘子法将不对称纳什博弈模型分解为两个子问题：联盟成本最小化和点对点交易支付谈判。通过分布式优化，该方法既实现了隐私保护又达到了计算效率。Dai等人提出了一种多形态差分进化算法，通过约束关系分析构建了多任务优化框架。通过整合精英引导知识转移与邻域驱动双重变异策略，该方法利用商业求解器CPLEX解决了高维强约束的煤矿综合能源系统调度问题。与这些方法相比，元启发式算法因其强大的收敛性能和通用的求解能力而被广泛应用。例如，Yang等人将非支配排序遗传算法II与Gurobi求解器相结合，协同求解双层鲁棒优化模型，其中NSGA-II获得Pareto前沿，Gurobi处理内层优化。然而，NSGA-II的收敛性对参数选择非常敏感。为了增强收敛性，Li等人引入了一种结合混合整数二次规划与多世界优化器的分布式混合算法。具体来说，CPLEX促进三方参与者之间的内部迭代，而MVO协调博弈论均衡搜索，尽管求解时间随问题规模增长，但支持独立决策。为了研究不同元启发式算法在求解多目标复杂问题上的性能，Pompern等人将粒子群优化、非洲秃鹫优化和管栖类群算法应用于电池储能系统配置。其中，PSO在最小化系统总成本方面表现突出，而AVO则提供了最佳的投资回收期。Shafiei等人在多目标优化框架中采用了引力搜索算法；然而，当处理高维非线性约束系统时，该方法仍有陷入局部最优的风险。Shaker等人整合了多种元启发式算法进行对比求解，并使用蒙特卡洛模拟验证鲁棒性。虽然多算法融合可以提高求解可信度，但也增加了计算复杂度和成本，且算法在不同场景下的异构性能对其通用适用性构成挑战。最近，一些研究致力于增强元启发式算法，以更好地解决工业园区综合能源系统的特定优化问题。

例如，Liu等人（2024）开发了一种增强型多目标开普勒算法，旨在评估氢能和碳捕集对系统运行的影响以及不同能源利益相关者之间的交互作用。然而，Liu等人（2024）提出的多目标优化算法在算法初始阶段存在初始解集质量较差的问题，这降低了该算法解决复杂工程问题的能力。

基于上述文献综述，可以观察到，现有研究在定价理论与能耗配额深度融合方面，以及负荷侧资源与移动储能之间的闭环协调机制方面，主要聚焦于单一调度维度（例如负荷分类、价格驱动机制或电动汽车单向参与），或者侧重于经济效率与系统可靠性的单边优化。此外，尽管已有大量针对模型求解的元启发式算法被提出，但其泛化能力和可扩展性仍缺乏充分探索，需要进一步改进。

总之，尽管现有研究在工业园区综合能源调度方面取得了显著进展，但仍存在以下关键空白：

●空白1：负荷侧资源与移动储能之间缺乏闭环协调机制。现有研究要么对负荷进行分类调度（Huang等人，2025；Li等人，2024；Li等人，2024；2025），要么引入价格驱动机制（Niu等人，2020；Bhattarai和Karki，2024；Fan等人，2023），但尚无研究将定价理论中的边际中断损失与多种负荷类别的动态优先拍卖相结合，同时将电动重卡作为移动储能纳入市场交易。

●空白2：针对电动重卡作为移动储能的基于市场的配额交易机制不足。电动重卡具有大容量电池、可预测的停靠时段以及显著的V2G潜力，是工业园区理想的灵活性资源（Yin等人，2024；Li等人，2024；Li等人，2024；Bogdanov和Breyer，2024；Chen等人，2024a；Jiao等人，2023；Yin等人，2024）。然而，大多数现有研究将电动汽车视为单向充电负荷或简单的V2G电源，缺乏细粒度的能耗配额交易机制来激励卡车车主积极参与系统调度（Menegetti等人，2021；Ghani等人，2025）。

●空白3：亟需针对食品工业园区高维度、非线性调度问题的高效多目标算法。食品工业园区涉及多种能量流（电、热、冷）和多样化的负荷（生产、制冷、清洗、运输），所形成的模型具有高维度、强约束性和目标冲突性等特点（Zou等人，2025；Liu和Zhao，2024；Yang等人，2024；Dai等人，2025；Pompern等人，2023；Shafiei等人，2025；Shaker等人，2025；Liu等人，2024）。现有元启发式算法在收敛性、全局搜索能力和Pareto前沿分布均匀性方面仍有改进空间。

针对上述空白，本研究聚焦于食品工业园区（FIP）的综合能源调度问题，提出了一种基于定价理论和能耗配额驱动的电力调度分配机制，旨在提升FIP的整体运行性能。本研究的核心创新与主要贡献总结如下：

●提出了一种定价理论与边际分析驱动的分区动态优先调度策略。为克服现有研究在负荷协调和移动储能市场化机制方面的局限性，针对四类负荷（A、B、C和D）构建了差异化的边际中断损失模型，并采用基于拍卖的机制实现优化的电力分配。

●提出了一种面向电动重卡的基于能耗配额的电力分配策略。为电动重卡精确定义了三种能耗配额类型，并建立了不同运行模式下的交易与响应模型。该设计不仅使负荷能够根据其经济价值和可靠性要求自主参与调度决策，而且允许电动重卡根据实时价格信号和任务状态灵活决定其充放电行为并参与市场交易。由此，传统僵硬的运输负荷被转化为具备削峰、填谷和波动平衡能力的主动资源。

●开发了一种改进的多目标四角黑蜂优化算法（MTGCO）算法，以适应所提模型的特征。为克服原始TGCO算法在解决复杂优化问题方面的局限性，从初始化策略、角色分配机制和温度调节方案三个方面引入了系统性增强。这些改进显著提升了MTGCO在处理高维度、非线性优化和调度问题时的适应性。

本研究的其余部分组织如下：第2章介绍FIP的建模过程。第3章提出基于MTGCO的求解方法。第4章描述策略在不同区域应做出的调整。第5章验证所提出的算法和策略，并对关键系统参数进行敏感性分析。最后，第6章总结本研究的具体发现与结论，并讨论其局限性。

片段：食品工业园区的建模

食品工业园区（FIP）以满足食品加工生产过程中所需的多样化能源需求——电力、热量和冷量——为核心，是综合能源系统的典型示例。FIP包含燃气轮机等传统能源供应单元，以及蓄冷罐、蓄热罐和电池储能系统等多种储能设备。本研究建立了一个双层框架。

片段：多目标四角黑蜂优化算法

四角黑蜂优化算法（TGCO）是一种受澳大利亚无刺蜂（Tetragonula carbonaria）独特的螺旋形巢穴构建行为启发的元启发式优化方法（GáMEZ和VáZQUEZ，2025）。TGCO算法的数学模型如下所示：

（1）初始化：与其他群体优化算法类似，TGCO采用随机初始化策略生成初始种群：
{x_ij = rand(N, Dim) × (UB_j - LB_j) + LB_j
X_n = [x_1,1, x_1,2, …, x_1,Dim; x_2,1, …

片段：策略跨区域可扩展性与区域适应性的讨论

本文提出的定价理论与边际分析驱动的分区动态优先调度策略（策略1）以及面向电动重卡的基于能耗配额的电力分配策略（策略2）的根本优势在于以参数调节为核心驱动力，辅以模块化解耦和开放式系统架构。这一设计赋予了策略高度的地理可迁移性，使其能够在不同地区……

片段：案例研究

为验证本文提出的定价理论驱动的分区动态优先调度策略和电动重卡能量分配策略的有效性，构建了四个案例进行验证。案例1旨在数值验证MTGCO算法。案例2主要比较引入定价理论与边际分析驱动的分区动态优先调度策略前后系统的性能。案例3着重验证……

结论

对于食品工业园区而言，实现负荷侧与移动储能侧之间的协同闭环调度是提升系统经济性、可靠性和可再生能源利用水平的关键。现有研究在价格信号与能源使用权机制的深度融合方面，以及高维度非线性调度模型的求解效率方面仍面临局限性。为此，本文聚焦于提升整体……

CRediT作者贡献声明
Zhi-Feng Liu：撰写–初稿、验证、软件。Jia-Ming Liang：撰写–初稿、可视化、方法论、调查。Ze-Qi Li：可视化、验证、方法论。Ji-Xiang Li：调查、资金获取、数据整理、概念化。

利益冲突声明
本研究不存在利益冲突。

致谢
本研究得到国家自然科学基金的资助[批准号：52277214]。

Zhi-Feng Liu | Jia-Ming Liang | Ze-Qi Li | Ji-Xiang Li