考慮動態(tài)定價和碳交易的多園區(qū)綜合能源服務(wù)商低碳合作優(yōu)化策略

摘 要：為解決多園區(qū)綜合能源服務(wù)商參與綜合能源市場和碳交易市場帶來的利益分配和動態(tài)定價問題，該文提出一種新的多園區(qū)服務(wù)商合作交易框架。首先，設(shè)計階梯式碳交易下多園區(qū)綜合能源服務(wù)商合作運(yùn)行交易機(jī)制，針對區(qū)域零售市場制定動態(tài)價格，以指導(dǎo)各園區(qū)服務(wù)商購能行為；其次，在新型電力系統(tǒng)的逐步構(gòu)建下，根據(jù)新能源占比變化，完善碳配額與碳排放模型，并通過市場下階梯式碳交易機(jī)制約束各園區(qū)的碳排放；最后，建立多園區(qū)服務(wù)商納什議價模型，將所建模型分解為聯(lián)盟成本最小化與電熱交易支付談判子問題，通過算例驗(yàn)證所提模型和方法能提高各園區(qū)參與聯(lián)盟主動性，并有效降低各園區(qū)碳排放和總運(yùn)行成本。

關(guān)鍵詞：多園區(qū)綜合能源服務(wù)商；綜合能源市場；碳交易；動態(tài)定價；納什議價

中圖分類號：TM73" " " " " " " " " 文獻(xiàn)標(biāo)志碼：A

0 引 言

“雙碳”目標(biāo)下，能源交易的市場化使得綜合能源服務(wù)商成為參與綜合能源市場的重要主體［1-3］。由技術(shù)創(chuàng)新、綠色發(fā)展、信息交互引發(fā)綜合能源服務(wù)成為實(shí)現(xiàn)能源流互動、信息流交換、市場化交易的基礎(chǔ)［4-6］。多園區(qū)服務(wù)商優(yōu)化協(xié)調(diào)運(yùn)行和參與綜合能源市場、碳交易市場帶來的動態(tài)定價和利益分配問題是目前綜合能源市場研究的熱點(diǎn)之一。

以用戶為中心的綜合能源服務(wù)商（integrated energy service provider，IESP）既能協(xié)助管理多能源系統(tǒng)，同時又可參與綜合能源市場［7-8］，受到廣泛關(guān)注。目前，解決多園區(qū)綜合能源服務(wù)商優(yōu)化運(yùn)行的方法有兩種：合作博弈和非合作博弈。然而，關(guān)于多園區(qū)服務(wù)商參與綜合能源市場相關(guān)交易機(jī)制的研究不足。文獻(xiàn)［9］采用分布式算法分層求解包含電網(wǎng)與熱網(wǎng)的上級綜合能源供應(yīng)商和下級各園區(qū)服務(wù)商的主從博弈模型；文獻(xiàn)［10］提出一種考慮主從博弈動態(tài)定價和運(yùn)行策略優(yōu)化的熱電綜合能源系統(tǒng)兩階段能量管理方法，但從體在利益分配上取決于主體；文獻(xiàn)［11］建立微電網(wǎng)運(yùn)營商、共享儲能服務(wù)商和用戶聚合商的最優(yōu)運(yùn)營模型，并提出共享儲能背景下微電網(wǎng)運(yùn)營商和用戶聚合者之間的Stackelberg博弈模型。

然而，上述基于非合作博弈論的方法更側(cè)重于園區(qū)服務(wù)商的獨(dú)立性，未能考慮各自間潛在合作能力，常會導(dǎo)致非帕累托最優(yōu)解，所以合作博弈受到廣泛關(guān)注。文獻(xiàn)［12］采用合作博弈理論來處理多個IESP間的能源交互，并基于納什議價來解決利益分配問題；文獻(xiàn)［13］建立綜合能源系統(tǒng)協(xié)同優(yōu)化調(diào)度模型，利用Shapley值法根據(jù)其貢獻(xiàn)分配合作盈余；文獻(xiàn)［14］考慮多綜合能源服務(wù)商參與日前能源交易，采用納什議價模型解決合作博弈問題；文獻(xiàn)［15］構(gòu)建綜合能源服務(wù)商合作博弈模型，通過合作運(yùn)營、碳排放限制和懲罰系數(shù)來挖掘綜合能源服務(wù)商促進(jìn)碳減排的潛力；文獻(xiàn)［16］提出計及多主體能源交易的區(qū)域綜合能源系統(tǒng)規(guī)劃方法；文獻(xiàn)［17］引入能源供需比和納什議價模型，構(gòu)建合作聯(lián)盟內(nèi)部交易及定價機(jī)制。

然而，目前針對多園區(qū)綜合能源服務(wù)商合作博弈的研究主要采用固定分時價格，重點(diǎn)關(guān)注各合作主體內(nèi)部交易價格，較少考慮到能源市場與碳交易市場的外部引導(dǎo)作用，不能同時保證各服務(wù)商的經(jīng)濟(jì)性和參與市場的主動性。在實(shí)際綜合能源市場環(huán)境下，能源定價不是由服務(wù)商單方面控制的，而是由多主體所形成的市場決定。因此，相對各利益主體的內(nèi)部交易，更需解決市場機(jī)制下多主體交互引起的利益沖突和外部動態(tài)定價問題。

與此同時，隨著新能源裝機(jī)容量的不斷提升，“雙碳”目標(biāo)將進(jìn)一步推動新能源從補(bǔ)充能源到主體能源的轉(zhuǎn)變，新能源占比的不斷提高，碳交易市場引導(dǎo)措施將產(chǎn)生改變［18］。文獻(xiàn)［19］建立階梯式碳交易機(jī)制下含電轉(zhuǎn)氣設(shè)備的碳配額與排放模型，并分析不同的碳交易機(jī)制參數(shù)影響；文獻(xiàn)［20］考慮氣負(fù)荷所產(chǎn)生的碳排放，進(jìn)一步完善了碳交易模型。

但目前綜合能源服務(wù)商參與碳交易市場主要考慮不同碳交易機(jī)制參數(shù)的影響，少有對碳排放配額和實(shí)際碳排放的修正，均認(rèn)為從上級市場購電均來源于火電機(jī)組，因此與購電相關(guān)的碳排放量與碳配額會超出實(shí)際情況。現(xiàn)實(shí)中隨著系統(tǒng)中新能源占比的提高，對應(yīng)從上級購電的碳排放量與碳配額會降低。

在現(xiàn)有研究的基礎(chǔ)上，本文提出基于納什談判（Nash bargaining，NB）多園區(qū)服務(wù)商合作參與綜合能源市場協(xié)調(diào)優(yōu)化運(yùn)行框架，設(shè)計新型交易機(jī)制與外部動態(tài)定價方案，改進(jìn)碳交易模型，考慮到各園區(qū)服務(wù)商之間的利益交互與隱私安全，應(yīng)用交替方向乘子法分布式求解。此外，對比各園區(qū)服務(wù)商單獨(dú)運(yùn)行、非合作與聯(lián)盟合作3種運(yùn)行方式，分析各園區(qū)服務(wù)商購能情況與購能價格，比較各園區(qū)服務(wù)商的碳排放量與總運(yùn)行成本。最后通過仿真驗(yàn)證本文所提運(yùn)行框架和模型的有效性。

1 多園區(qū)服務(wù)商合作交易框架

綜合能源市場和碳交易市場分別承擔(dān)不同的職能。在階梯式碳交易機(jī)制下，排放量越高，碳單價越高，合作聯(lián)盟中各園區(qū)可通過能源交互降低購能量和碳排放量，從而降低碳排放成本。

1.1 合作交易機(jī)制

由于能源價格和需求的不確定性，固定分時價格無法合理引導(dǎo)購能需求，為更好地對接綜合能源市場中各種“大用戶”，因此設(shè)計3層市場交易框架，并引入綜合能源零售商以協(xié)調(diào)管理零售價格。

在3層結(jié)構(gòu)中，中層綜合能源零售商以給定的分時價格從上層能源供應(yīng)商購電購氣；下層各園區(qū)服務(wù)商既可從中層綜合能源零售市場以零售價購買電力和天然氣，同時可相互交易電能和熱能，在滿足自身用能的同時，降低運(yùn)行成本。下層各園區(qū)服務(wù)商與中層綜合能源零售商之間的價格為動態(tài)價格。

因此，本文提出一種新的多園區(qū)服務(wù)商合作參與綜合能源市場協(xié)調(diào)優(yōu)化運(yùn)行框架，如圖1所示。該框架包含3層結(jié)構(gòu)，其中上層能源供應(yīng)商提供電能和天然氣；中層綜合能源零售商作為上層和下層之間的調(diào)控關(guān)鍵，協(xié)調(diào)下層各園區(qū)服務(wù)商的購能行為；下層各園區(qū)服務(wù)商主要是能源大用戶，如工業(yè)區(qū)、居民用戶群、商業(yè)中心、辦公寫字樓等，在合作聯(lián)盟框架下，各園區(qū)服務(wù)商通過達(dá)成聯(lián)盟協(xié)議來降低各園區(qū)的運(yùn)行成本，實(shí)現(xiàn)低碳運(yùn)行。

1.2 動態(tài)定價方案

零售市場的零售價格會影響園區(qū)服務(wù)商的詳細(xì)能源采購計劃［21］，因此引入綜合能源零售商和動態(tài)定價來引導(dǎo)各園

區(qū)服務(wù)商的購能行為。該定價方案考慮到各園區(qū)的購電、購氣價格和該時刻購買量的關(guān)系，區(qū)域零售市場作為中間商，從能源供應(yīng)商處以批發(fā)價購買電力和天然氣，以零售價賣給各園區(qū)。由于各園區(qū)均有獨(dú)立服務(wù)商，則可自主管理園區(qū)內(nèi)與園區(qū)間的能量流動與信息交互。因此各園區(qū)在各時刻的購能價格也會不同，在維持合作運(yùn)行的同時，也保證了各園區(qū)的自主性。各園區(qū)的購能價格模型為：

[λtEi=λEn+α1λEn+β1PiB（t）" " "，?t∈TλtGi=λGn+α2λGn+β2GiB（t）" "，?t∈T] （1）

式中：[λtEi]——零售商的售電價格；[λtGi]——零售商的售氣價格；[λEn]——區(qū)域零售商從上級能源供應(yīng)商的批發(fā)電價；[λGn]——批發(fā)氣價；[α1]、[α2]——區(qū)域零售商的基礎(chǔ)利潤參數(shù)，取值0.15；[β1]、[β2]——零售價格與購買量之間的線性關(guān)系參數(shù)，取值分別為[1×10-4]、[2×10-5]；[PtBi（t）]——[i]園區(qū)[t]時刻購電量；[GtBi（t）]——[i]園區(qū)[t]時刻購氣量。通過式（1），各園區(qū)從零售商處購能價格不同，既可分散各園區(qū)的購能行為，也為各園區(qū)合作運(yùn)行創(chuàng)造條件。

1.3 多園區(qū)服務(wù)商網(wǎng)絡(luò)結(jié)構(gòu)

考慮下層服務(wù)商之間合作的同時，優(yōu)化下層各園區(qū)服務(wù)商之間的交易量、交易價格以及下層和中層之間的交易量和交易價格。為簡化計算，本文后續(xù)算例選取具有不同代表特征的4個互聯(lián)的多園區(qū)綜合能源服務(wù)商組成的合作聯(lián)盟為研究對象，每個服務(wù)商均考慮碳交易成本，同時包含了以下設(shè)備：熱電聯(lián)產(chǎn)機(jī)組（combined heat and power，CHP）、燃?xì)忮仩t（gas boiler，GB）、分布式電源（distribution generation，DG）、電儲能和熱儲能，其中服務(wù)商C、D還含有電轉(zhuǎn)氣設(shè)備（power to gas，P2G），綜合能源系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

2 改進(jìn)階梯式碳交易模型

本文改進(jìn)了階梯式碳交易模型，進(jìn)一步完善碳交易機(jī)制?，F(xiàn)有碳交易模型均設(shè)定從上級購電來源于燃煤機(jī)組發(fā)電，而系統(tǒng)中新能源占比升高時，將影響從上級購電的碳排

放配額與實(shí)際碳排放量，因此本文對碳交易機(jī)制進(jìn)行了改進(jìn)，設(shè)定新參數(shù)來體現(xiàn)系統(tǒng)中火電與新能源的比例，以修正碳配額與實(shí)際碳排放模型［22］。

2.1 碳排放權(quán)配額

隨著系統(tǒng)中新能源占比的提高，對應(yīng)從上級購電的碳配額會降低。因此設(shè)定參數(shù)[χE]來體現(xiàn)系統(tǒng)中火電與新能源的比例，則碳排放配額為：

[Di=λEχEPiB+λHθehPiCHP+HiCHP+HiGB+λGGiload" ] （2）

式中：[λE]——產(chǎn)生單位電功率碳配額，取值0.798 kg/kWh；[λH]——產(chǎn)生單位熱功率的碳配額，取值0.385 kg/kWh；[λG]——消耗單位氣負(fù)荷的碳配額，取值0.180 kg/kWh；[χE]——系統(tǒng)中火電占比；[PiB]——第[i]個園區(qū)的購電量；[PiCHP]——第[i]個園區(qū)CHP機(jī)組的發(fā)電量；[HiCHP]——第[i]個園區(qū)CHP機(jī)組的供熱量；[HiGB]——第[i]個園區(qū)燃?xì)忮仩t的供熱量；[θeh]——發(fā)電量與供熱量之間的轉(zhuǎn)換參數(shù)。后文相關(guān)購熱量、購氣量均已換算量綱為kWh。

2.2 實(shí)際碳排放量

實(shí)際碳排放同樣與系統(tǒng)中新能源占比有關(guān)，則實(shí)際碳排放也需修正，而且在實(shí)際園區(qū)綜合能源系統(tǒng)中，P2G設(shè)備可吸收部分CO2，轉(zhuǎn)化為CH4，具有降低碳排放的作用，則實(shí)際的碳排放模型為：

[Ei=Eie+Eih+EiG-EiP2G] （3）

[Eie=t=1T（a1χEPiB（t）2+b1χEPiB（t）+c1）Eih=t=1T（a2HiB（t）2+b2HiB（t）+c2）HiB=PiCHP+HiCHP+HiGBEiG=t=1TθgGiload（t）" " EiP2G=t=1TθP2GGiP2G（t） ] （4）

式中：[Ei]——第[i]個園區(qū)總的實(shí)際碳排放量；[Eie]——第[i]個園區(qū)上級購電實(shí)際碳排放量；[Eih]——第[i]個園區(qū)等效供熱的實(shí)際碳排放量；[HiB]——第[i]個園區(qū)的等效供熱量；[EiG]——第[i]個園區(qū)氣負(fù)荷的實(shí)際碳排放量；[EiP2G]——第[i]個園區(qū)電轉(zhuǎn)氣設(shè)備吸收的CO2量；[a1]、[b1]、[c1]——上級購電的實(shí)際碳排放量計算參數(shù)；[a2]、[b2]、[c2]——耗氣型設(shè)備的實(shí)際碳排放量計算參數(shù)；[θg]——單位氣負(fù)荷的實(shí)際碳排放參數(shù)；[θP2G]——P2G設(shè)備在標(biāo)椎工況下產(chǎn)生1 m3 CH4消耗的CO2的質(zhì)量，取值為1.9647 kg/m3；[GiP2G（t）]——第[i]個園區(qū)[t]時刻產(chǎn)生的氣功率。

2.3 碳排放成本

由式（2）、式（3）可知，相同購電量情況下，當(dāng)電力系統(tǒng)中新能源占比升高時，碳配額以及實(shí)際碳排放量均會降低，則各園區(qū)參與碳交易市場的交易量和交易成本為：

[Fi=Ei-Di] （5）

[CiCET=λFi" " " " " " " " " " " " " " " " " " " " " " " ，F(xiàn)i≤lλ（1+α）（Fi-l）+λl" " " " " " " " " " "，llt;Fi≤2lλ（1+2α）（Fi-2l）+（2+α）λl" " "，2llt;F≤3lλ（1+3α）（Fi-3l）+（3+3α）λl" " ，3llt;Fi≤4lλ（1+4α）（Fi-4l）+（4+6α）λl" " ，F(xiàn)gt;4l] （6）

式中：[CiCET]——第[i]個園區(qū)的碳交易成本；[Fi]——第[i]個園區(qū)的碳交易量；[λ]——單位碳交易基準(zhǔn)價，[λ=250]元/t；[α]——價格增長幅度，α=25%；[l]——碳排放量區(qū)間長度，區(qū)間長度[l=2 t]。

3 多園區(qū)服務(wù)商納什議價模型

3.1 目標(biāo)函數(shù)

納什議價模型是最大化所有聯(lián)盟參與者的利益，問題可表示為：

[maxπi=1N（Cnoni-Cci） s.t. Cnoni≥Cci，?i∈N] （7）

[Cci=CiE+CiG+CiES+CiCET+CiDG+Citrade] （8）

式中：[Cnoni]——非合作運(yùn)行時園區(qū)[i]的運(yùn)行成本；[Cci]——合作運(yùn)行時園區(qū)[i]的成本。

由式（1）可知，購能單價與購能量為線性關(guān)系，則購電和購氣成本與購能量為二次函數(shù)關(guān)系，其他運(yùn)行約束條件較常見，故不再贅述，園區(qū)服務(wù)商[i]的購電成本和購氣成本表示為：

[CiE=t=124λtEiPiB（t） =t=124（1+α1）λEnPiB（t）+β1PiB（t）2 ] （9）

[CiG=t=124λtGiGiB（t） =t=124（1+α2）λGnGiB（t）+β2GiB（t）2] （10）

1）購電購氣成本如式（9）、式（10）所示。

2）儲能運(yùn)行成本

[CiES=λES（Dich+Didis+Rich+Ridis）] （11）

式中：[λES]——儲能的單位運(yùn)行成本；[Dich、][Didis]——第[i]個園區(qū)電儲能的充、放電功率；[Rich]、[Ridis]——第[i]個園區(qū)熱儲能的充熱功率和放熱功率。

3）碳交易成本如式（6）所示。

4）棄風(fēng)、棄光懲罰

[CiDG=λDG（Pi，maxDG-PiDG）] （12）

式中：[λDG]——單位棄風(fēng)、棄光成本；[Pi，maxDG]——第[i]個園區(qū)風(fēng)光最大發(fā)電功率；[PiDG]——第[i]個園區(qū)實(shí)際消納量。

5）電熱交易成本

[Citrade=z≠iξeizPiz+ξhizHiz] （13）

式中：[ξeiz]、[ξhiz]——園區(qū)[i]與園區(qū)[z]單位電、熱功率交易價格；[Piz]——園區(qū)[i]從園區(qū)[z]的購電功率；[Hiz]——園區(qū)[i]從園區(qū)[z]的購熱功率。

3.2 分布式求解

本文采用交替方向乘子法分布式優(yōu)化綜合能源市場下多園區(qū)服務(wù)商合作運(yùn)行策略，聯(lián)盟成本最小化問題求解各園區(qū)之間的電熱交易量，電熱支付交易問題求解各園區(qū)之間電熱交易價格。求解流程如圖3所示。

式（7）可分別轉(zhuǎn)化為式（14）聯(lián)盟成本最小化問題和式（15）電熱支付交易問題：

[mini=1Nt=1T（CiE+CiG+CiES+CiCET+CiDG）] （14）

[-mini=1NlnCnoni-Cci] （15）

3.2.1 聯(lián)盟成本最小化問題

問題1的目標(biāo)函數(shù)為最小化各園區(qū)服務(wù)商合作聯(lián)盟成本，其中各園區(qū)之間的電熱交易量為耦合變量，需滿足電熱交互等式約束[Piz=Pzi]、[Hiz=Hzi]，式（14）加上拉格朗日乘子項(xiàng)與懲罰項(xiàng)，可構(gòu)造拉格朗日增廣函數(shù)為：

[minLi1=Uci+t=1Tj=1k≠iNρe12||Pik+Pki||22+λeij，1（Pik+Pki）+" " " " " " " " " " " " " " "t=1Tk=1k≠iNρh12||Hik+Hki||22+λhij，1（Hik+Hki）] （16）

式中：[Uci]——不含電熱交易成本的園區(qū)服務(wù)商[i]的運(yùn)行成本：[λeiz，1]、[λhiz，1]——問題1的拉格朗日乘子；[ρe1]、[ρh1]——問題1的懲罰因子。

聯(lián)盟成本最小化迭代步驟如下：

[[Pk+1iz，Hk+1iz]=argminPkiz，HkizLi1（Pkiz，Pkzi，Hkiz，Hkzi，λe，kiz，1，λh，kiz，1）[Pk+1zi，Hk+1zi]=argminPkzi，HkziLi1（Pk+1iz，Pkzi，Hk+1iz，Hkzi，λeiz，1，λhiz，1）λe，k+1iz，1=λe，kiz，1+ρe1（Pkiz+Pkzi）λh，k+1iz，1=λh，kiz，1+ρh1（Hkiz+Hkzi）t=1Ti=1N（Pkiz+Pkzi）2+（Hkzj+Hkzi）2≤ε1t=1Ti=1N（Pk+1iz-Pkiz）2+（Hk+1iz-Hkiz）2≤δ1] （17）

式中：[k]——迭代次數(shù)；[ε1]——問題1原始?xì)埐钤试S值；[δ1]——問題1對偶?xì)埐钤试S值。

3.2.2 電熱支付交易問題

通過問題1可求出[Uci]，此定值表示為[Uc，0i]，自然對數(shù)為嚴(yán)格單調(diào)遞增凸函數(shù)，在優(yōu)化問題2的目標(biāo)函數(shù)時，[ξeiz]、[ξhiz]為園區(qū)[i]與園區(qū)電熱交易耦合變量，且滿足等式約束[ξeiz=ξezi]、[ξhiz=ξhzi]，式（15）加上拉格朗日乘子項(xiàng)與懲罰項(xiàng)，可表示為：

[minLi2=-ln（Cnoni-Uc，0i-Citrade）+" " " " " " " " " " " " " " t=1Tz=1z≠iNρe22||ξeiz-ξezi||22+λeiz，2（ξeiz-ξezi）+" " " " " " " " " " " " " " t=1Tz=1z≠iNρh22||ξhiz-ξhzi||22+λhiz，2（ξhiz-ξhzi）] （18）

式中：[ρe2]、[ρh2]——問題2的懲罰因子；[λeiz，2]、[λhiz，2]——問題2的拉格朗日乘子，迭代步驟為：

[[ξe，k+1iz，ξe，k+1iz]=argminξe，kiz，ξh，kizLi1（ξe，kiz，ξe，kzi，ξh，kiz，ξh，kzi，λh，kiz，2，λh，kiz，2）[Pk+1zi，Hk+1zi]=argminξe，kzi，ξh，kziLi1（ξe，k+1iz，ξe，kzi，ξh，k+1iz，ξh，kzi，λe，kiz，2，λh，kiz，2）λe，k+1iz，2=λe，kiz，2+ρe2（ξe，kiz-ξe，kzi）λh，k+1iz，2=λh，kiz，2+ρh2（ξh，kiz-ξh，kzi）t=1Ti=1N（ξe，kiz-ξe，kzi）2+（ξh，kiz-ξh，kzi）2≤ε2t=1Ti=1N（ξe，k+1iz-ξe，kiz）2+（ξh，k+1iz-ξh，kiz）2≤δ2] （19）

式中：[ε2]——問題2原始?xì)埐钤试S值；[δ2]——問題2對偶?xì)埐钤试S值。

4 算例分析

為驗(yàn)證本文所提框架模型的有效性，以4個互聯(lián)的園區(qū)綜合能源系統(tǒng)作為算例進(jìn)行仿真。根據(jù)各園區(qū)負(fù)荷大小和設(shè)備出力上限的差異，分為居民區(qū)、商業(yè)區(qū)、工業(yè)區(qū)、辦公區(qū)，分別簡稱為服務(wù)商A、B、C、D。零售商批發(fā)價格如圖4所示，各園區(qū)綜合能源系統(tǒng)通過聯(lián)絡(luò)線進(jìn)行互聯(lián)，同時需從零售商購買能源。圖5為冬季典型工作日各園區(qū)負(fù)荷以及新能源出力，為體現(xiàn)各園區(qū)差異化特征，風(fēng)力機(jī)安裝在工業(yè)區(qū)和辦公區(qū)，且風(fēng)電出力集中在夜間。

4.1 結(jié)果對比分析

表1列出了當(dāng)新能源占比達(dá)到50%時各種情景的結(jié)果對比。其中，詳細(xì)給出了單獨(dú)運(yùn)行與合作博弈Nash談判法兩種情景下的居民區(qū)、商業(yè)區(qū)、工業(yè)區(qū)、辦公區(qū)的運(yùn)行成本、購電量、購氣量和碳交易成本，對于合作博弈Shapley值和非合作博弈，僅包含各園區(qū)服務(wù)商的運(yùn)行成本。下面是4種情景：

情景1：各園區(qū)單獨(dú)運(yùn)行，不考慮園區(qū)間的電熱交易；

情景2：考慮各園區(qū)之間的電、熱能交易，但各園區(qū)屬于非合作性質(zhì)，追求自身利益最大化；

情景3：合作博弈，用Shapley值法進(jìn)行剩余價值分配；

情景4：合作博弈，采用本文提出的Nash談判法進(jìn)行優(yōu)化和利益分配。

根據(jù)表1的結(jié)果，情景4的合作聯(lián)盟相較于情景1單獨(dú)運(yùn)行，能實(shí)現(xiàn)降低總購電量、購氣量、碳交易成本和運(yùn)行成本的效果。具體而言，總購電量降低了6743.3 kWh，總購氣量降低了442.7 kWh，總運(yùn)行成本也節(jié)省了15534.8元。這是因?yàn)楦鲌@區(qū)之間的負(fù)荷情況、新能源出力時間段以及設(shè)備容量等存在差異，在聯(lián)盟合作后，不同園區(qū)之間可通過功率交互形成互補(bǔ)，實(shí)現(xiàn)從富能園區(qū)到缺能園區(qū)的功率流動，從而協(xié)同降低購能總量和運(yùn)行成本。此外，聯(lián)盟中每個園區(qū)也不會出現(xiàn)其購電量和購氣量均大于獨(dú)立運(yùn)行時的情況，因?yàn)樵搱@區(qū)增大購電和購氣量將導(dǎo)致承擔(dān)的碳交易成本大幅增加，對經(jīng)濟(jì)效益和碳排放量均會造成不利影響，不利于聯(lián)盟合作的穩(wěn)定。綜上，合作聯(lián)盟的形成可帶來一系列經(jīng)濟(jì)效益和碳減排效益，并為各園區(qū)參與聯(lián)盟合作提供積極保障。

對比非合作博弈與Nash談判合作博弈情景可知，情景2中各園區(qū)雖然處于非合作狀態(tài)，但由于允許各園區(qū)進(jìn)行電熱交易，富能園區(qū)可向缺能園區(qū)供能，從而實(shí)現(xiàn)共贏，因此各園區(qū)的運(yùn)行成本比單獨(dú)運(yùn)行均有所下降。情景4中采用納什談判法降低了所有參與者的成本，且對比情景2非合作博弈，各園區(qū)服務(wù)商成本下降程度更顯著，所以采用納什談判更有利于各園區(qū)低碳經(jīng)濟(jì)運(yùn)行。

對比兩種合作博弈分配方法，Shapley值法和Nash談判法總的運(yùn)行成本相同，但采用Shapley值分配方法時，對于服務(wù)商B、D，運(yùn)行成本較非合作場景時更高。通過Nash談判法，各園區(qū)運(yùn)行成本均比非合作場景更低，提高了各園區(qū)參與合作的積極性，同時采用交替方向乘子法求解Nash談判利益分配問題，保護(hù)了各園區(qū)的隱私問題。同時當(dāng)采用Shapley值法且園區(qū)數(shù)量較多時，則需同時求出各園區(qū)所有聯(lián)合運(yùn)行的情況，對于4個園區(qū)需計算各自單獨(dú)運(yùn)行，兩兩合作，3園區(qū)合作，以及4園區(qū)合作時的成本，共計算14個子問題；而采用本文Nash談判法僅需將問題轉(zhuǎn)化為兩個子問題依次求解，可推廣至[N]個服務(wù)商，更具通用性。

對每個園區(qū)來說，采用納什談判分配剩余價值后，使得所有園區(qū)服務(wù)商的運(yùn)行成本均降低了3879.2元，服務(wù)商A～D運(yùn)行成本較單獨(dú)運(yùn)行分別降低了21.72%、15.65%、10.47%、13.19%，有利于各園區(qū)服務(wù)商參與聯(lián)盟的主動性。

4.2 新能源占比對各園區(qū)運(yùn)行影響

為探究新能源在電力系統(tǒng)中占比對碳排放量、碳交易成本和運(yùn)行成本影響，分別對各園區(qū)單獨(dú)運(yùn)行以及聯(lián)盟合作運(yùn)行進(jìn)行對比，結(jié)果見表2與圖6。

隨著新能源占比的逐步提高，實(shí)際碳排放逐漸降低，同時各園區(qū)單獨(dú)運(yùn)行與合作聯(lián)盟的運(yùn)行總成本均呈現(xiàn)下降的趨勢，這是由于各園區(qū)服務(wù)商會根據(jù)購電和購氣、碳配額和實(shí)際碳排放、新能源占比的情況，及時調(diào)整購能和內(nèi)部能源耦合設(shè)備的出力，從而降低運(yùn)行成本。

居民區(qū)和商業(yè)區(qū)單獨(dú)運(yùn)行時，其碳交易成本大幅降低，因該園區(qū)服務(wù)商調(diào)整運(yùn)行方案，增加購電量，降低購氣量，從上級購電承擔(dān)的實(shí)際碳排放量減少，因此可明顯降低碳排放成本。然而，對于工業(yè)園區(qū)和辦公區(qū)總購電需求較少，單位功率天然氣價格要比電價便宜很多，因而為滿足降低總運(yùn)行成本的目標(biāo)，服務(wù)商采取降低購電量、增加購氣量的措施，進(jìn)一步導(dǎo)致總購氣量增大，雖然實(shí)際排放量降低，但與此同時碳配額也會下降且幅度更大，因此碳交易成本也會小范圍增長。

4.3 內(nèi)部電熱交易情況

當(dāng)各園區(qū)存在電熱交易且交易價格小于直接從上級能源網(wǎng)購能價格時，園區(qū)之間會發(fā)生交易。通過議價交易來制定合理的交易量與交易價格。

圖7a和圖7b為4個園區(qū)服務(wù)商之間的電能交易情況。在01：00—8：00、18：00—24：00時段，此時服務(wù)商C和D風(fēng)電資源充足，新能源輸出遠(yuǎn)大于本地電負(fù)荷，在不參與合作聯(lián)盟時，其他園區(qū)的電能主要來源于從上級市場購電以及CHP機(jī)組供電，合作后，服務(wù)商C和D可將多余的電能輸送給服務(wù)商A和B，充當(dāng)售賣者獲取一定的利益；而在白天09：00—16：00，過程相反，居民區(qū)和商業(yè)區(qū)將多余的電能出售給工業(yè)區(qū)，多余的熱量出售給辦公區(qū)。這是因?yàn)榫用駞^(qū)和商業(yè)區(qū)僅含有光伏，電能資源集中在白天，可再生能源輸出高于當(dāng)?shù)刎?fù)荷，因此有多余的電能可以外送。

圖7c和圖7d為4個園區(qū)服務(wù)商之間的熱能交易情況。對于熱能交易，可看出工業(yè)區(qū)的熱能主要有以下3方面來源：本地CHP機(jī)組供熱、GB供熱以及從居民區(qū)購買熱能供熱。由于工業(yè)區(qū)和辦公區(qū)的熱負(fù)荷較大，從上級市場購買大量的天然氣會產(chǎn)生較高的碳交易成本，因此，在合作機(jī)制下，工業(yè)區(qū)和辦公區(qū)通過外購熱能滿足本地?zé)嶝?fù)荷需求，居民區(qū)熱負(fù)荷需求相對低且波動范圍小，因此增加其購氣量，產(chǎn)生出多余的熱能可交易給其他缺熱園區(qū)，一方面，滿足其他園區(qū)的需求；另一方面，通過交易賺取利益以降低自身運(yùn)行總成本。

4.4 合作前后外部動態(tài)定價與購能對比

圖8為服務(wù)商A合作前后定價與購能行為對比。

在考慮聯(lián)盟合作前后，服務(wù)商A購電總量大幅度降低，購氣總量增加。因?yàn)樵谡鐣r段，屋頂光伏產(chǎn)生的發(fā)電量可滿足用電需求，因而幾乎無需從零售市場額外購電；在05：00—17：00時段購氣量增大，居民區(qū)和商業(yè)區(qū)、工業(yè)區(qū)、辦公區(qū)之間在進(jìn)行能量交互，居民區(qū)通過CHP和GB產(chǎn)生多余的電能和熱能向外輸送，以降低自身運(yùn)行成本；與此同時，在高峰電價時段，尤其是在20：00—22：00購電需求明顯減少，而在01：00—07：00低谷電價時購電需求也減少，購電成本進(jìn)一步降低。

由圖9可知，聯(lián)盟合作后，服務(wù)商B的購電總量下降，其中購電總量下降3307.3 kWh，在01：00—06：00、18：00—24：00購電量明顯降低，此時為滿足用戶用電需求，需從富電園區(qū)購買電能；在09：00—14：00時，商業(yè)區(qū)向其他缺電園區(qū)輸送電能，因此會適當(dāng)增加購電量，降低了缺電園區(qū)的購電成本；同時，商業(yè)區(qū)購氣總量有所增長，此時可通過熱電聯(lián)產(chǎn)和燃?xì)忮仩t設(shè)備增加發(fā)熱量，一部分滿足自身需求，多余的熱量用于對外供熱，通過熱交易獲取一定的收益，降低該園區(qū)運(yùn)行總成本。

5 結(jié) 論

本文為解決多園區(qū)服務(wù)商參與綜合能源市場帶來的利益分配和動態(tài)定價問題，提出一種多園區(qū)服務(wù)商合作參與綜合能源市場協(xié)調(diào)優(yōu)化運(yùn)行框架，基于納什談判原理建立多園區(qū)服務(wù)商低碳合作博弈模型，并將其轉(zhuǎn)化為聯(lián)盟成本最小化和電熱交易支付兩個子問題求解。通過分析可得以下結(jié)論：

1）算例分析表明，采用合理的動態(tài)電價可指導(dǎo)各園區(qū)服務(wù)商的購能行為，激勵園區(qū)服務(wù)商將用能高峰期安排到非高峰期，并減少其購能成本。

2）對于50%風(fēng)光比例，相較于單獨(dú)運(yùn)行，多園區(qū)服務(wù)商合作聯(lián)盟可降低48.85%總排放量和35.8%碳排放成本。同時，改進(jìn)的碳交易模型顯示，隨著新能源占比不斷提高，可進(jìn)一步降低合作聯(lián)盟碳排放量和碳排放成本，有利于新型電力系統(tǒng)的構(gòu)建。

3）當(dāng)各園區(qū)服務(wù)商達(dá)成一致合作聯(lián)盟時，各自運(yùn)行成本較單獨(dú)運(yùn)行分別降低了21.72%、15.65%、10.47%、13.19%，可實(shí)現(xiàn)低碳性和運(yùn)行經(jīng)濟(jì)性；此外，在兩種合作博弈利益分配方法中，對于服務(wù)商B、D，采用Shapley值分配法運(yùn)行成本較非合作場景分別高出1.49%和1.98%，且4個園區(qū)需求解14個子問題，而納什談判法中，各園區(qū)運(yùn)行成本均低于非合作場景，且僅需計算兩個子問題，提高了各園區(qū)參與合作聯(lián)盟的積極性，所以從計算量、數(shù)據(jù)隱私安全以及利益分配滿意度等方面分析，納什談判法更優(yōu)。

［參考文獻(xiàn)］

［1］ 丁濤， 牟晨璐， 別朝紅， 等. 能源互聯(lián)網(wǎng)及其優(yōu)化運(yùn)行研究現(xiàn)狀綜述［J］. 中國電機(jī)工程學(xué)報， 2018， 38； No.602 （15）：4318-4328， 4632.

DING T， MU C L， BIE Z H， et al. Review of energy Internet and its operation［J］. Proceedings of the CSEE， 2018， 38（15）： 4318-4328， 4632.

［2］ SHEIKHI A， KHAZENI S， RAYATI M， et al. Bi-level equilibrium of energy retailer-smart energy hub game in integrated energy market［J］. IET smart grid， 2021， 4（3）： 284-296.

［3］ 李鵬， 馬溪原， 郭祚剛， 等. 基于雙層優(yōu)化的綜合能源服務(wù)商博弈策略［J］. 電網(wǎng)技術(shù)， 2021， 45（2）： 460-469.

LI P， MA X Y， GUO Z G， et al. Game strategy of integrated energy service providers based on bi-level optimization［J］. Power system technology， 2021， 45（2）： 460-469.

［4］ 談金晶， 李揚(yáng). 多能源協(xié)同的交易模式研究綜述［J］. 中國電機(jī)工程學(xué)報， 2019， 39（22）： 6483-6497.

TAN J J， LI Y. Review on transaction mode in multi-energy collaborative market ［J］. Proceedings of the CSEE， 2019， 39（22）： 6483-6497.

［5］ 王劍曉， 夏清， 李庚銀， 等. 基于多市場均衡的綜合能源市場機(jī)制設(shè)計［J］. 中國電機(jī)工程學(xué)報， 2021， 41（17）： 5789-5803.

WANG J X， XIA Q， LI G Y， et al. Mechanism design for integrated energy markets mechanism based on multi-market equilibrium［J］. Proceedings of the CSEE， 2021， 41（17）： 5789-5803.

［6］ LIU D N， LIANG J H. Integrated energy service business operation model and key issues research and prospects［J］. IOP conference series： earth and environmental science， 2021， 680（1）： 012052.

［7］ WANG J， DOU X， WANG S Z， et al. Integrated energy purchase-sale decision making and scheduling for integrated energy service provider considering user grading dynamic combination［J］. E3S web of conferences， 2020， 160： 02001.

［8］ 牟晨璐， 丁濤， 李立， 等. 基于分層分布式調(diào)度的多園區(qū)服務(wù)商與綜合能源供應(yīng)商兩級協(xié)調(diào)優(yōu)化運(yùn)行模型［J］. 電網(wǎng)技術(shù)， 2021， 45（11）： 4336-4344.

MU C L， DING T， LI L， et， al. Coordinated optimization operation model of multiple load-serving entities and energy supply companies based on two-level distributed scheduling［J］. Power system technology， 2021， 45（11）：4336-4344.

［9］ 魏春， 徐向志， 王國烽， 等. 基于非合作博弈的多能量樞紐優(yōu)化運(yùn)行方法［J］. 電力自動化設(shè)備， 2020， 40（11）： 48-53， 60， 54-57.

WEI C， XU X Z， WANG G F， et al. Non-cooperative game-based optimal operation method of multiple energy hubs［J］. Electric power automation equipment， 2020， 40（11）：48-53， 60， 54-57.

［10］ HUANG Y J， WANG Y D， LIU N. A two-stage energy management for heat-electricity integrated energy system considering dynamic pricing of Stackelberg game and operation strategy optimization［J］. Energy， 2022， 244： 122576.

［11］ 帥軒越， 馬志程， 王秀麗， 等. 基于主從博弈理論的共享儲能與綜合能源微網(wǎng)優(yōu)化運(yùn)行研究［J］. 電網(wǎng)技術(shù)， 2023， 47（2）： 679-690.

SHUAI X Y， MA Z C， WANG X L， et al. Research on optimal operation of shared energy storage and integrated energy microgrid based on leader-follower game theory ［J］. Power system technology， 2023， 47（2）： 679-690.

［12］ CHEN C M， DENG X， ZHANG Z， et al. Optimal day-ahead scheduling of multiple integrated energy systems considering integrated demand response， cooperative game and virtual energy storage［J］. IET generation， transmission amp; distribution， 2021， 15（11）： 1657-1673.

［13］ 祝榮， 任永峰， 孟慶天， 等. 基于合作博弈的綜合能源系統(tǒng)電-熱-氣協(xié)同優(yōu)化運(yùn)行策略［J］. 太陽能學(xué)報， 2022，43（4）： 20-29.

ZHU R， REN Y F， MENG Q T， et al. Electricity-heat-gas cooperative optimal operation strategy of integrated energy system based on cooperative game［J］. Acta energiae solaris sinica， 2022， 43（4）： 20-29.

［14］ 崔明勇， 宣名陽， 盧志剛， 等. 基于合作博弈的多綜合能源服務(wù)商運(yùn)行優(yōu)化策略［J］. 中國電機(jī)工程學(xué)報， 2022， 42（10）： 3548-3564.

CUI M Y， XUAN M Y， LU Z G， et al. Operation optimization strategy of multi integrated energy service companies based on cooperative game theory［J］. Proceedings of the CSEE， 2022， 42（10）： 3548-3564.

［15］ 王琦， 李寧， 顧欣， 等. 考慮碳減排的綜合能源服務(wù)商合作運(yùn)行優(yōu)化策略［J］. 電力系統(tǒng)自動化， 2022， 46（7）： 131-140.

WANG Q， LI N， GU X， et al. Optimization strategy for cooperative operation of integrated energy service providers" " considering" "carbon" " emission" "reduction［J］. Automation of electric power systems， 2022， 46（7）： 131-140.

［16］ 黃海濤， 陳曦， 查俊吉. 多園區(qū)綜合能源系統(tǒng)分區(qū)自治式能量合作社區(qū)及聯(lián)合優(yōu)化調(diào)度［J］. 電網(wǎng)技術(shù)， 2022，46（8）： 2955-2965.

HUANG H T， CHEN X， ZHA J J. Partition autonomous energy cooperation community and joint optimal scheduling" for" multi" park" integrated" "energy" system［J］. Power system technology， 2022，46（8）： 2955-2965.

［17］ 劉自發(fā)， 周翰澤. 計及多主體能源交易的綜合能源系統(tǒng)規(guī)劃方法研究［J］. 電網(wǎng)技術(shù)， 2022， 46（9）： 3524-3533.

LIU Z F， ZHOU H Z. Research on comprehensive energy system planning method considering multi agent energy transaction［J］. Power system technology， 2022， 46（9）： 3524-3533.

［18］ 黃雨涵， 丁濤， 李雨婷， 等. 碳中和背景下能源低碳化技術(shù)綜述及對新型電力系統(tǒng)發(fā)展的啟示［J］. 中國電機(jī)工程學(xué)報， 2021， 41（S1）： 28-51.

HUANG Y H， DING T， LI Y T， et al. Decarbonization technologies and inspirations for the development of novel power" systems" in" "the" context" "of" "carbon" neutrality［J］. Proceedings of the CSEE， 2021， 41（S1）： 28-51.

［19］ 陳錦鵬， 胡志堅， 陳穎光， 等. 考慮階梯式碳交易機(jī)制與電制氫的綜合能源系統(tǒng)熱電優(yōu)化［J］. 電力自動化設(shè)備， 2021， 41（9）： 48-55.

CHEN J P， HU Z J， CHEN Y G， et al. Thermoelectric optimization of integrated energy system considering ladder-type" " carbon" " trading" "mechanism" "and" "electric hydrogen" "production［J］." "electric" "power" "automation equipment， 2021， 41（9）： 48-55.

［20］ 陳錦鵬， 胡志堅， 陳嘉濱， 等. 考慮階梯式碳交易與供需靈活雙響應(yīng)的綜合能源系統(tǒng)優(yōu)化調(diào)度［J］. 高電壓技術(shù)， 2021， 47（9）： 3094-3104.

CHEN J P， HU Z J， CHEN J B， et al. Optimal dispatch of integrated energy system considering ladder-type carbon trading and flexible double response of supply and demand［J］. High voltage engineering， 2021， 47（9）： 3094-3104.

［21］ FAN S L，LI Z S， WANG J H， et al. Cooperative economic scheduling for multiple energy hubs： a bargaining game theoretic perspective［J］. IEEE access， 2018， 6： 27777-27789.

［22］ 尤毅. 我國碳交易機(jī)制與政策建議［J］. 海南金融， 2023（3）： 39-46.

YOU Y. China’s carbon trading mechanism and policy suggestions［J］. Hainan Finance， 2023（3）： 39-46.

OPTIMIZATION STRATEGY FOR LOW-CARBON COOPERATION OF MULTI-DISTRICT INTEGRATED ENERGY SERVICE PROVIDERS CONSIDERING DYNAMIC PRICING AND CARBON TRADING

Li Ran1，Lyu Huimin1，Peng Xiangze1，Wang Bingqian1，Zhu Jinyao2

（1. College of Electrical and Electronic Engineering， North China Electric Power University， Baoding 071003， China；

2. College of Economic and Management， North China Electric Power University， Beijing 102206， China）

Abstract：To address the issues of benefit distribution and dynamic pricing brought about by the participation of multi-district integrated energy service providers（MDIESP） in the integrated energy and carbon trading markets， this paper proposed a new cooperative trading framework for MDIESP. Firstly， a collaborative trading mechanism for MDIESP was designed under the stepped carbon trading mechanism. Dynamic pricing was formulated for the upper-level regional retail market to guide the energy purchase behavior of each district service provider. Secondly， under the gradual construction of a new power system， the carbon quota and emission model was improved according to the change in the proportion of new energy， and the carbon emissions of each district were constrained through a stepped carbon trading mechanism in the market. Finally， a Nash bargaining model was established for multi-district service providers， decomposing the model into sub-problems of alliance cost minimization and negotiation of electricity and heat trading payments. It proves that the proposed model and method can improve the initiative of each district to participate in the coalition and effectively reduce the carbon emission and total operation cost of each district.

Keywords：multi-district integrated energy service providers； integrated energy markets； carbon trading； dynamic pricing； Nash bargaining