考虑GCT-CET联合机制和绿氢-蓝氢动态协同供给的H-IES两阶段随机优化调度

《International Journal of Hydrogen Energy》：A two-stage stochastic optimization dispatch for H-IES considering a GCT-CET joint mechanism and green-blue hydrogen dynamic synergistic supply

　　

摘要 当前，绿氢制备需要消耗大量电力。随着能源系统中氢能需求的不断增长，单一的绿氢或蓝氢制备面临高成本或高碳排放的挑战。为解决这一问题，在碳排放交易（CET）和绿证交易（GCT）等多种机制交互的背景下，本文提出了一种基于绿氢与蓝氢协同制氢的新型氢能综合能源系统（H-IES）两阶段优化调度模型，旨在降低运行成本并解决新能源的不确定性。首先，建立了考虑不同制氢路径的"发-储-多用途"H-IES框架。其次，对H-IES运行中GCT-CET多市场交互机制进行建模，并分析其对经济和环境效益的影响。最后，建立了两阶段优化调度模型。在日前阶段，基于预测数据优化动态协同制氢路径运行方案，以降低运行成本。在实时阶段，考虑源-荷预测误差，进一步实现不同场景下各设备的以最小期望运行成本为目标的优化运行。仿真结果表明：1) 与案例4（确定性预测）相比，所提出的具有动态协同绿氢和蓝氢供应的两阶段随机优化框架（案例5）使系统总成本降低了14.93%，碳排放减少了37.35%，从而促进了工业园区的低碳转型。2) 引入GCT-CET联合机制后，成本降至14794.97元，比案例5低约20.8%。同时，碳排放从8176.70 kg显著减少至3907.95 kg，表明所提出的市场机制能有效降低系统运行成本并促进碳减排。这表明该模型考虑了具有不同概率的不确定因素，使优化结果更加真实，同时引入市场机制有助于降低系统运行成本并实现低碳运行。

引言 在"双碳目标"的驱动下，能源系统正从单一能源供应向多能耦合、协同和低碳转型的路径演进[1]。2024年，全球能源相关CO?排放量达到378亿吨，深度脱碳已成为全球共识[2]。作为一种清洁二次能源，氢能被认为是实现工业、交通、供暖等领域深度减排的重要载体[3]。H-IES通过电、热和氢的互补运行，可以显著提升可再生能源消纳能力和系统灵活性[4]。然而，在政策驱动和市场机制不断完善的大背景下，氢能的大规模发展仍面临两个核心矛盾：一是可再生能源制氢波动性与终端负荷稳定需求之间的供需矛盾；二是低碳目标与经济可行性之间的成本矛盾[5,6]。这些矛盾反映了氢能系统在结构配置和运行协调方面的深层次挑战。

从技术角度看，目前蓝氢仍占据全球制氢的主导地位。近年来，随着可再生能源渗透率的不断提高，基于可再生能源的电解水制绿氢逐步发展[7]。绿氢依托可再生能源，具有零排放的优势，但其出力受资源波动影响显著[8]。在H-IES中，电转气（P2G）技术通过电-氢转换实现跨时间尺度的储能和跨网络的能量传输，从而提升可再生能源消纳并增强系统灵活性[9]。近年来，相关研究进一步将P2G纳入综合能源管理和低碳调度框架，与碳交易、需求响应和多能耦合运行进行联合建模，以表征其对系统经济性和减排效益的综合影响[[9], [10], [11]]。蓝氢依托化石燃料结合碳捕集、利用与封存（CCUS）技术，具有供氢稳定、大规模生产的优势，但仍面临碳配额约束[12]。随着蓝氢制氢与CCUS在工艺层面的深度融合，相关研究从技术经济分析和全生命周期评估的角度，分析了捕集率、能耗和碳强度对蓝氢成本和减排性能的影响，为碳约束环境下蓝氢路径的可行性提供了定量依据[13]。此外，一些研究将蓝氢和CCUS纳入多主体综合能源系统（IES）框架，通过协同优化模型分析了碳循环和多能耦合机制对系统经济性和减排效益的综合影响[14,15]。由于绿氢和蓝氢在稳定性、经济性和碳排放方面各有优势和局限，多氢源协同供氢已成为重要的研究方向。

近期，学术界开始从多氢源协同供应的角度开展研究。为解决多路径协同调度和稳定供氢问题，相关研究通过构建鲁棒或优化调度模型提高了供氢可靠性，包括电解水、生物质气化与天然气气化协同制氢[16]、煤电耦合制氢模型[17]、绿氢与绿松石氢协同运行研究[18]。秦等人[19]提出了绿氢-天然气重整耦合模型，关注不同制氢技术间的耦合运行机制。一些研究还从工艺集成的角度，探索了绿氢与生物质气化或天然气重整在下游化工过程中的耦合，如甲醇生产系统的最优设计[20,21]。这些研究验证了多氢源协同供氢的可行性和潜力，但均未涉及内部供氢结构参数优化和协同配比。

由于绿氢和蓝氢分别对应绿色属性和碳排放特征，当两种路径在H-IES中协同运行时，系统运行决策同时受到碳约束和绿色属性约束的影响。CET和GCT机制已逐渐成为影响H-IES运行决策的重要制度工具[22]。在单一碳交易机制方面，钟等人[23]基于合作博弈框架，开发了电-碳协同交易机制，验证了碳交易机制在降低系统运行成本和碳排放方面的有效性。倪等人[24]基于碳交易机制，构建了CCUS-P2G耦合调度的H-IES模型，引入了可变掺氢比和掺氢设备，在加强碳约束的同时提升了可再生能源利用率和系统经济效率。这些研究表明，碳价机制将直接影响能源路径选择和系统的低碳运行模式。在此基础上，一些研究进一步将GCT和CET机制联合建模。边等人[22]提出了考虑"碳-绿证"耦合机制的数据中心集群两阶段能源共享方法。王等人[25]在绿证与碳交易机制耦合下构建了多时间尺度优化模型。陈等人[26]在绿证与碳交易交互机制下提出了氢-压缩天然气动态掺氢调度方法。罗等人[27]基于Stackelberg博弈分析了能源-碳-绿证耦合交易框架下的多主体协同决策。曾等人[28]建立了绿氢证书交易（GHCT）和阶梯式CET机制下绿氢与蓝氢协同部署的低碳经济调度模型。综上所述，已有研究从多时间尺度调度、动态掺氢运行、多主体博弈理论和绿蓝氢协同部署等方面，探索了碳-绿证耦合机制对IES运行的影响。然而，上述大多数研究侧重于运行层面的经济-低碳优化或特定技术路径的建模，尚未从供氢结构内部决策和考虑不确定性的随机优化调度框架的角度，系统分析GCT-CET耦合机制对H-IES结构选型和协同运行机制的影响。

两阶段随机优化已被广泛应用于H-IES的不确定性调度研究。马等人[29]引入了多种需求响应机制来缓解风电和光伏出力的不确定性。潘等人[30]建立了碳捕集与储能的协同调度机制以缓解系统不确定性的影响。钟等人[31]提出了一种基于氢价的策略来解决电-氢能源系统（EHES）调度偏差和IES多主体效益失衡问题。Rezaee Jordehi A等人[32]提出了一种两阶段基于氢价的策略来解决EHES调度偏差和IES多主体效益失衡问题。张等人[33]采用了灵活的供需平衡系统，并在第二阶段采用了重新调度方案。赵等人[34]基于随机模型预测控制提出了综合电-氢系统的两阶段数据驱动调度策略，有效降低了风功率和负荷预测误差导致的违约风险。王等人[35]构建了需求侧行为不确定性的触发式两阶段调度模型。此外，一些研究进一步构建了考虑长期、中期和短期不确定性的多阶段鲁棒规划模型，将系统配置和运行调度纳入统一框架，并通过改进的C&CG算法提高了多场景问题的求解效率[36]。然而，在多市场机制下，H-IES不仅面临可再生能源出力的不确定性，还需要根据碳价和绿证价等市场信号动态调整氢源结构。上述研究均未同时考虑供氢结构决策、市场机制联动和考虑不确定性的随机优化过程。

表1总结了近期研究的关键要素，并从技术路径、市场机制和优化方法等方面比较了本文与现有研究的差异，以阐明本文的创新点。如表1所示，尽管此前的研究如[[25], [26], [27], [28]]已将绿氢-蓝氢协同路径或碳-绿证耦合机制纳入IES框架，但它们大多侧重于运行层面的经济-低碳优化，尚未在考虑不确定性的框架下系统表征GCT-CET耦合机制对供氢结构内部决策和协同运行机制的影响。

为解决上述研究空白，本研究构建了一种考虑绿氢-蓝氢协同路径和GCT-CET联合机制的H-IES两阶段优化模型，并系统分析了市场信号联动对供氢结构选择和运行调度策略的影响。具体而言，首先，构建了在绿氢和蓝氢"制-储-用"协同路径下的H-IES运行模型，以验证耦合机制对系统经济和低碳性能的影响；其次，提出了考虑碳价与绿证价联动效应的供氢结构内部决策框架；最后，建立了两阶段随机优化调度模型。

(1) 构建了绿氢与蓝氢“产 - 储 - 用”协同模型，将氢气供应比例设为内部决策变量，将优化问题从给定结构下的运行优化转变为结构 - 运行协同优化；
(2) 开发了绿证 - 碳交易（GCT-CET）联合机制模型，将市场机制转化为影响最优决策边界的约束条件，从而刻画政策对能源结构的影响；
(3) 提出了考虑条件风险价值（CVaR）的两阶段随机优化框架，使得实时运行阶段不仅能执行电力再平衡，还能根据预测误差和实时市场信号重新确定氢气供应结构，从而表征系统运行策略的动态演变。

**章节片段**
**问题描述与系统组件**
本节首先介绍系统架构，然后描述氢耦合综合能源系统（H-IES）的能源组件及其数学模型。

**“绿证 - 碳交易”联合机制与绿氢 - 蓝氢协同供应策略**
传统的绿证（GCT）和碳交易（CET）市场独立运行，往往忽视氢能的绿色属性，各市场参与者无法通过可交易绿证获得碳排放权。本文首先解释了分层的碳交易、绿证机制，然后介绍了绿证 - 碳交易交互机制 [41]。在 H-IES 中，随着氢能在工业园区低碳转型中的广泛应用，大多数综合能源系统仅考虑……

**H-IES 的两阶段优化模型**
在建立绿证 - 碳交易联合联动机制以协调氢能的生态环境效益后，有必要进一步解决 H-IES 中固有的源荷不确定性。为此，本文采用随机优化方法，构建了一个由日前调度和实时调度组成的两阶段优化（TSO）调度模型，其中两个阶段的输入数据和决策功能各不相同。
日前阶段采用……

**求解方法**
本文采用 Gurobi 求解器求解优化模型。首先，将绿证和碳交易参数、机组运行参数以及日前预测值输入模型。以最小化总运行成本为目标，获得日前调度结果（即机组启停决策），然后传递给实时调度阶段。
随后，在实时调度阶段，考虑风电出力、光伏出力的不确定性，……

**基础数据**
为验证在 H-IES 中采用绿氢 - 蓝氢协同供应策略和绿证 - 碳交易联合机制的经济可行性，本文基于中国新疆某工业园区的实际数据进行仿真分析。H-IES 的部分设备参数源自相关现有研究 [45]。典型日风电、光伏、电力负荷、热负荷和氢负荷的数据如图 4 所示。氢需求分为交通用氢……

**结论**
本文建立了整合绿氢 - 蓝氢协同供应策略和绿证 - 碳交易联合机制的 H-IES 两阶段优化调度框架，以解决工业园区低碳转型和多能互补面临的挑战。研究的主要结论如下。
1) 绿氢 - 蓝氢协同供应策略实现了氢负荷的协同供应。与传统协同供氢策略（案例 4）相比，……

**CRediT 作者贡献声明**
Baliheya Kalibuhan：写作 - 原稿、方法论、概念化。Lirong Xie：写作 - 审阅与编辑、调查。Lin Cheng：可视化、验证。Lijun Xu：监督、数据管理。Bing Hu：软件、数据管理。Xin Cai：写作 - 审阅与编辑、验证。

**利益冲突声明**
作者声明不存在已知的竞争财务利益或个人关系，这些关系可能影响本文所述的工作。

**致谢**
本工作得到了新疆自然科学基金重点项目（2024D01D05）、国家自然科学基金（62463030）、新疆重大专项（2022A01007）、新疆科技创新人才及高层次人才计划（2022TSYCLJ0017）、新疆重点研发计划项目（2024B01001-2）、天山英才 - 青年优秀人才项目（2024TSYCCX0011）以及新疆自然科学基金（2023D01A82）的支持。

**Baliheya Kalibuhan | Lirong Xie | Lin Cheng | Lijun Xu | Bing Hu | Xin Cai**
教育部能源发电与电网工程技术研究中心，中国新疆大学，新疆乌鲁木齐，830017.