基于碳排放流理论的源-荷协调低碳优化调度详解

简介：这是一份基于碳排放流理论的电力系统源-荷协调低碳优化调度学术论文，面向电力系统低碳调度、需求响应及碳责任分摊领域的研究人员和工程师。论文发表于《电力系统保护与控制》（2021年），提出两阶段低碳优化调度模型：先以经济调度为一阶段，再基于Shapley值碳责任分摊定制阶梯碳价，并引入以碳价为信号的需求响应，利用负荷侧调节能力降低碳排放。算例在改进的PJM-5节点系统和IEEE-118节点系统中均得到验证，覆盖全火电与含风电等典型场景。资源为单个PDF文件，大小约990KB，包含完整期刊论文全文，可支撑模型复现、算例对照及综述引用。目前已有699人学习浏览，是电力低碳调度方向值得精读的参考文献。

1. 基于碳排放流理论的电力系统源-荷协调低碳优化调度：先给每度电算清碳账

在区域电网的低碳调度里，最让调度员头疼的不是机组启停，而是“负荷侧到底该为多少碳排放负责”。基于碳排放流理论的电力系统源-荷协调低碳优化调度，就是把发电侧的碳排放按潮流路径分摊到每个节点和负荷，让碳势像电价一样成为一个可感知的信号，再让机组、可调负荷和储能一起优化。它适合做配网调度、园区能量管理和低碳规划的技术人员，也适合刚入门的硕士生。这个方向的价值是把“减碳”从拍脑袋变成可计算、可复现、可校验。

2. 碳排放流理论：先搞清碳在电网里怎么流动

新手最容易混淆的一点：碳排放流不是直接测出来的，而是从潮流结果里“按比例分摊”出来的。物理上，负荷用的电来自多个发电机的混合，没有哪一条线路是“纯火电”或“纯风光”。所以必须有一个规则，把发电侧的碳排放量化地追到负荷侧。碳排放流理论做的就是这件事。

2.1 从发电侧算碳到负荷侧算碳：碳账为什么需要重新分

常规核算方式很简单：每台发电机乘上自己的碳排放强度，得到全厂总排放。这个数用于上报很好，但用来做调度诱导会失真。假设某个节点附近有一台风电和一台火电，火电送出功率大部分被远方负荷用掉，本地负荷反而主要由风电供给。按发电侧平均核算，本地负荷会被记成“吃了不少火电”，但实际上它附近的风电已经就地消纳。负荷侧的减排责任，必须看它所挂节点的电是怎么组合的。

这正是碳排放流理论要拆掉的黑匣子：它把每一段支路的有功潮流都视为携带碳流，支路始端碳势就是这条支路的“碳足迹”。碳排放流理论中，节点碳势是所有注入该节点的支路碳流与本地机组碳流之和，除以该节点注入的有功总量。这样，任何负荷都能得到一个碳排放强度，相当于“每度电的含碳量”。这个“碳势”同时受发电机排放强度和电网拓扑约束，比单一排放因子多了一个空间维度。

2.2 节点碳势与支路碳流密度的计算：四步流程

我一般不会先上复杂的交流潮流，而是按直流潮流做完有功分配，再做碳流追踪。流程分四步。

第一步，运行直流潮流，得到各支路有功 (P_l) 和节点注入有功 (P_n)。需要发电机内网拓扑、线路电抗和负荷水平。第二步，给每条支路定一个有向方向，潮流为负就把首尾对调，保证所有支路都有明确的上游和下游。第三步，解节点碳势方程：

[ e_n = \frac{\sum_{l \in N_n^{in}} e_u(l)\cdot P_l + \sum_{g\in G_n} c_g\cdot P_g}{P_n^{in}} ]

这里 (e_n) 是节点碳势，单位 t/MWh；(e_u(l)) 是支路上游节点的碳势；(c_g) 是发电机组碳排放强度，单位 t/MWh；(P_n^{in}) 是所有进入节点n的支路功率和本地机组功率之和。第四步，用 (e_n) 乘以节点负荷 (L_n)，得到负荷碳流；用 (e_u(l)) 乘以支路潮流，得到支路碳流密度 (\rho_l)。

这个方程组是线性的，节点不多时用矩阵求逆或迭代求解都可以。我常用一个三节点辐射网自检：节点A接常规火电100MW，强度0.8 t/MWh；节点B接燃气机组50MW，强度0.2 t/MWh；两条支路都送到节点C的150MW负荷。那么C节点碳势就是 ((0.8\times100+0.2\times50)/150=0.6) t/MWh。这个0.6正好反映“火电+燃气混合供电”的客观比例。如果燃气机组因线路阻塞只送出20MW，火电送出130MW，C节点碳势会变成 ((0.8\times130+0.2\times20)/150=0.72)，上升0.12。阻塞直接改变碳势分布，这比传统发电侧核算敏感得多。

2.3 网损、阻塞与环网会让碳势失真

碳排放流最容易被质疑的是网损。如果不把线路损耗纳入碳流方程，就会出现“碳泄漏”：流出支路的碳流大于流入支路，总碳量不守恒。处理办法是给每条有损支路增加一个虚拟负荷，功率等于线损，挂在下游节点或按比例分摊。否则下游节点碳势偏低，会让调度错误偏爱长距离输电。

环网会让碳势方程变成一个互相耦合的方程组，不能用简单的“上游到下游”逐级推进。这时我会用稀疏矩阵直接解。另一个常见现象是阻塞使区域碳势阶梯拉大：低碳机组被挡在线路一侧，另一侧节点碳势明显上升。这个信号在优化调度里会成为需求响应的重要输入：碳势高的节点，负荷更愿意削减或转移。到这里，碳势计算已经落地，下一步看它怎么进调度模型。

3. 源-荷协调低碳调度：目标函数、约束与Python最小示例

碳势不是算出来就结束，它要成为调度决策的一部分。源-荷协调的关键，是把“节点碳势”当成一个价格或约束信号，让发电侧和用电侧同时去适应它。

3.1 把碳势写进调度目标的三条路

常见做法有三条。第一条是碳成本叠加：在发电成本之外，把负荷节点碳势乘以负荷电量再乘以碳价，作为目标函数的惩罚项。第二条是碳势约束：给每个节点设定碳势上限，比如不超过0.4 t/MWh，不满足就需要调整机组出力和负荷分布。第三条是运行信号：把节点碳势发布给可调负荷和储能，让它们在碳势低时多用电，碳势高时少用。

三条路不是互斥。我一般用第一条为主，第三条作为辅助信号，第二条只在区域考核时用。原因是第一条直接和经济性挂钩，决策结果容易被业务方接受。第二条如果设得太严，可能出现无解；第三条如果缺少价格激励，负荷侧根本不响应。

3.2 优化模型骨架：功率平衡、机组限值、负荷调节

一个最小可用的低碳源-荷协调模型，目标函数写成：

[ \min \sum_{g} C_g(P_g) + \lambda \sum_n e_n L_n + \sum_n \delta_n |\Delta L_n| ]

第一项是发电成本；第二项是碳排放流成本，(e_n) 是节点碳势，(L_n) 是该节点的用电负荷；第三项是负荷调节成本，(\Delta L_n) 是可调负荷相对基线的变化量。约束包括功率平衡、机组出力上下限、爬坡约束、负荷可调范围。

这个模型看着简单，但有一个容易翻车的点：(e_n) 实际上依赖潮流结果，而潮流又受调度影响。把它当成常数处理，属于工程近似。如果要严格化，需要把第2章的碳势方程也写成优化约束，这就是第4章要说的线性化问题。

3.3 Python + PuLP 最小示例：三节点低碳源-荷协调调度

下面给一个可复现的最小示例。数据设定：节点0火电，边际成本30元/MWh，碳排放强度0.8 t/MWh；节点1燃气，边际成本50元/MWh，碳排放强度0.2 t/MWh；节点2是负荷节点，基线100MW，可下调15MW、上调10MW。碳价100元/t，负荷调节成本80元/MWh。节点碳势初值取0.5 t/MWh，迭代3次更新。

import pulp # 参数 lambda_c = 100.0 # 碳价，元/tCO2 e_gen = {0: 0.8, 1: 0.2} # 机组碳排放强度，t/MWh c_gen = {0: 30.0, 1: 50.0} # 发电边际成本，元/MWh pmin = {0: 20.0, 1: 20.0} pmax = {0: 100.0, 1: 50.0} load0 = 100.0 # 基线负荷，MW down_ub = 15.0 # 最大下调量，MW up_ub = 10.0 # 最大上调量，MW rc = 80.0 # 负荷调节成本，元/MWh e_load = 0.5 # 节点碳势初值 for it in range(3): prob = pulp.LpProblem("LowCarbonDispatch", pulp.LpMinimize) p0 = pulp.LpVariable("p0", pmin[0], pmax[0]) p1 = pulp.LpVariable("p1", pmin[1], pmax[1]) dn = pulp.LpVariable("dn", 0, down_ub) up = pulp.LpVariable("up", 0, up_ub) ld = pulp.LpVariable("ld", load0 - down_ub, load0 + up_ub) # 目标：发电成本 + 碳流成本 + 负荷响应成本 prob += (c_gen[0]*p0 + c_gen[1]*p1 + lambda_c * e_load * ld + rc * (dn + up)) prob += p0 + p1 == ld, "power_balance" prob += ld == load0 - dn + up, "load_response" prob.solve() p0_s = pulp.value(p0) p1_s = pulp.value(p1) ld_s = pulp.value(ld) # 更新节点碳势：按两台机组出力加权 e_load = (e_gen[0]*p0_s + e_gen[1]*p1_s) / (p0_s + p1_s) print(f"iter={it}, p0={p0_s:.1f}, p1={p1_s:.1f}, load={ld_s:.1f}, e_load={e_load:.3f}")

这个模型里，碳价固定为100元/t，调节成本固定为80元/MWh。如果负荷下调15MW，可节省碳成本约 (100\times0.6\times15=900) 元，但要付 (80\times15=1200) 元响应成本，所以模型会在碳价和调节成本之间做权衡。实际运行时，可以观察打印出来的 (e_load) 是否收敛，通常3到5次迭代能稳定。

代码逻辑说明：第一轮按初值0.5决策，算出火电和燃气最优比例；第二轮用新的 (e_load) 重新决策，相当于把上一轮的“碳账”代入目标；第三轮再更新。这个方案不是严格的全局最优，但对工程够用。更严格的做法是用KKT条件推导，或在目标里把 (e_n) 设为变量并做线性化处理。

参数说明：碳价、碳排放强度、负荷调节成本是最关键的3个量。碳价越高，系统越愿意下调负荷或开燃气；燃气边际成本越高，低碳机组优势被碳价抵消。调节成本设太高，负荷侧“源荷协调”会形同虚设；设太低，负荷会过度响应，在日内出现设备频繁启停。

注意：这个示例只写了功率平衡，没有加入线路潮流约束。实际部署时至少要给目标加网络阻塞惩罚，否则算出的碳势难以落地。

4. 碳势约束的线性化与三个必调参数

很多人在这一步卡住：模型写好，求解器却说不收敛。问题大多出在碳势约束的非线性上。如果严格把碳势作为变量 (e_n)，那碳势方程右边会出现 (e_u(l)\cdot P_l)。优化变量同时包含 (e_u) 和 (P_l)，它们相乘就是双线性项。这类问题在数学上是非凸的，直接丢给求解器，结果和初值关系很大，调度曲线会突变。

4.1 双线性项为什么是求解陷阱

以最简单的两节点为例，若下游节点碳势由上游碳势和支路潮流共同决定，目标中的碳成本 (\lambda e_n L_n) 就同时含有 (e_n) 和 (L_n)，而 (e_n) 又来自 (e_u P_l)。优化决策一变，潮流就变，碳势也变，形成耦合的非线性关系。用求解器硬解，经常出现“多开一台低排机组反而总碳成本升高”的伪优化结果。

工程上常用三种处理。第一种是第3章展示的顺序迭代，速度快，但只能得到局部最优。第二种是McCormick下包络线性化：把双线性项 (w = x y) 的可行域用四个线性不等式包住。比如给定 (x\in [x_{lo}, x_{hi}])、(y\in [y_{lo}, y_{hi}])，那么：

[ w \ge x_{lo} y + x y_{lo} - x_{lo} y_{lo} ] [ w \ge x_{hi} y + x y_{hi} - x_{hi} y_{hi} ] [ w \le x_{hi} y + x y_{lo} - x_{hi} y_{lo} ] [ w \le x_{lo} y + x y_{hi} - x_{lo} y_{hi} ]

McCormick虽然会放宽可行域，但求解稳定，且能给出下界。第三种是把支路潮流离散化，按典型运行方式预生成碳势表，调度时查表。我一般按节点规模选：200节点以内用McCormick，大系统用顺序迭代或查表。

4.2 三个必调参数：碳价、响应成本、调度步长

把调度结果调“活”，靠的是参数整定。第一个必调参数是碳价 (\lambda_c)。它不能拍脑袋设，我一般先看目标函数里碳成本占发电成本的比例，调到5%~20%之间。比例太低，低碳机组没有竞争优势；比例太高，负荷响应会过度，出现电价曲线震荡。第二个必调参数是负荷调节成本 (\delta)。它反映可调负荷的实际激励成本，要参考需求响应补偿价格，而不是随意设。第三个必调参数是调度步长。碳排放流数据通常是小时级的，如果用15分钟调度，会出现“按小时碳势计算时，15分钟段内反复调节”的抖动。我习惯把碳势信号按调度周期做一次线性插值，同时给负荷变化加分钟级爬坡约束。

参数之间还有联动关系。如果某节点碳势差 (\Delta e) 满足 (\lambda_c \Delta e < \delta)，负荷侧响应成本高于碳收益，模型会选择不调节。如果 (\lambda_c \Delta e \gg \delta)，负荷会接近满额响应，可能造成系统低频或线路过载。所以调参时不要单独看一张表，要看这对“碳收益-响应成本”的比值在典型时段是否合理。

4.3 求解器选择：开源还是商用

如果只是验证方案，用PuLP自带的CBC即可。要跑几百节点的区域电网，CBC在MILP性能上会吃紧，我会转用Gurobi或CPLEX，它们在双线性处理和整数变量上要明显快。McCormick线性化会把问题变成MILP，商用求解器通常能给出稳定下界，方便判断迭代解离最优有多远。开源的SCIP也不错，但配置和许可对生产环境不友好。下面的表是我个人对比经验：

5. 避坑：碳排放流调度落地的5个常见问题

这些坑是反复出现的，记录下来能省不少时间。每条我都按现象、原因、解决来写。

5.1 问题1：碳势迭代不收敛，结果来回跳

现象：迭代了5次，负荷响应量在第4次和第5次相差30%以上，目标函数值波动。

原因：碳势更新没有阻尼，而且负荷响应量与碳势存在正反馈：碳势高导致负荷下调，负荷下调改变机组出力，又反过来改变碳势。如果每步都用最新值覆盖，就容易震荡。

解决：更新碳势时用松弛因子，(e^{(k)} = 0.4 e^{calc} + 0.6 e^{(k-1)})，同时给负荷响应量加爬坡上限，每次调整不超过10%的基线。这个血泪经验来自一次迎峰度夏调度仿真。

5.2 问题2：碳价调高了，负荷侧却没有响应

现象：(\lambda_c) 从100调高到300，节点负荷曲线基本没动。

原因：节点碳势差异太小，比如全网都在0.55到0.58 t/MWh之间，碳价再高，不同时间的用电成本差距也不大。也可能是负荷可调范围设得太保守，可调能力只有1%~2%，调度自然没得选。

解决：先看各节点碳势极差。极差小于0.05，说明电网已经高度互联、低碳电都能送到，这时应缩小计算分区或加入线路阻塞约束；而不是盲目加碳价。

5.3 问题3：节点碳势算出负值

现象：某节点碳势为 -0.02 t/MWh，明显不合理。

原因：碳势方程要求所有支路都是“从上游到下游”的正方向。直流潮流结果里支路有功为负时，如果没把方向对调，负功率乘以正碳势就会产生负碳流，再叠加方程就出现负碳势。

解决：在建模前先做一次支路方向归一化，把所有支路都换成功率实际方向。这个方向处理干净后，负碳势自然消失。

5.4 问题4：优化结果反而多开了高碳机组

现象：加入碳成本后，燃气机组出力下降，火电出力上升。

原因：把碳流成本只放在负荷侧，没有给发电机组自身算碳账。如果低碳机组处于网络的碳势高负荷区，增加它出力可能通过线路把高碳机组挤到更靠近重负荷节点，反而抬高负荷碳势。换句话说，源侧和荷侧需要同时核算。

解决：目标函数保留 (c_g P_g) 机组碳排放项，再叠加负荷侧碳流成本，形成“源-荷双侧碳成本”。这样机组不会因为网络位置而被错误激励。

5.5 问题5：模型规模一大就求解失败

现象：从33节点扩展到几百节点，求解器跑了半小时都没出可行解。

原因：把碳势方程、潮流约束和全部0/1启停变量一股脑写进模型，非线性项和整数变量爆炸，MILP规模过大。

解决：用顺序分解。小时级调度用离线碳势表，机组组合用MILP，负荷响应用滚动更新。碳势表每天更新一次，调度在线计算只在碳势表基础上做，这样几百节点也能在分钟级求解。

6. 从调度结果反推碳势：校验与敏感度分析的三个技巧

调度结果不能直接信，要能“反推”。我常用的三个技巧，能让模型暴露问题。

6.1 用节点电表和绿电合同校验碳势

选一个有大用户直供电的节点，把节点碳势曲线和大用户每月绿电交易凭证对比。如果绿电比例高但节点碳势还是很高，说明计算里没有把绿电的“零碳属性”正确分摊，多半是支路损耗或合同路径与实际潮流不一致。这比看目标函数收敛更有说服力。

6.2 画碳价-负荷响应敏感度曲线

把碳价从50按20步长调到300，记录每个值时负荷响应量和系统总碳排。正常应是一条递减的阶梯线。如果出现“小幅度震荡”或“倒U型”，说明约束或参数有毛病。倒U型通常是响应成本设置过高，负荷一开始不响应，到某一个阈值突然大幅下调。

6.3 用“电价-碳势叠加表”做运行决策

把同一时段的节点电价和节点碳势排成一张表，找“低碳+低电价”时段，把可调负荷、储能充电安排过去。这个技巧在园区微网里非常实用。比如下表是一个典型场景：

两个时段电价差一倍，碳势差一倍，“低碳+低电价”同时出现时，负荷响应价值最高。我现在的习惯是拿到任何调度方案，先拉一张这样的叠加表。节点碳势分布对不上，后面所有优化结果都是空中楼阁。希望帮到你。

本文还有配套的精品资源，点击获取