基于可调热电比和两阶段阶梯式碳交易的多主体综合能源系统低碳经济调度策略

周 鑫，韩肖清，李伊竹林，李廷钧，闫博阳

（太原理工大学电气与动力工程学院，太原 030024）

中国政府在2020 年第七十五届联合国大会上提出“双碳目标”[1]。国家发改委、国家能源局在“十三五”规划中明确制定了能源发展目标和电力发展目标，对能源行业提质增效提出了更高要求[2]。电、气、热等多种异质能流相互耦合，互补共济，形成综合能源系统IES（integrated energy system），通过相互转换及支撑，可以实现能源的多级利用和提质增效，已成为助力我国能源结构改革升级，构建“清洁低碳、安全高效”的现代能源系统，为世界能源事业又好又快发展提供中国智慧的重要举措之一[3-5]。

国内外已进行了大量的关于IES 低碳化的研究[6-10]。文献[6]通过等效碳排放系数核算系统实际总碳排放量，并将碳排放成本纳入目标函数中；文献[7]探究了二氧化碳（CO2）捕获和封存CCS（carbon capture and storage）技术对于系统低碳运行的有效性，建立考虑IES 需求响应的低碳优化调度策略。但上述文献中计算系统碳排放量的模型均以简单的碳排放系数进行表征，且未计及市场的约束和引导作用。基于此，文献[8]引入碳交易机制，将碳配额作为一种商品在市场上进行售卖，并将其作为碳交易成本，以此构建系统低碳要求下的优化调度模型；文献[10]进一步建立了阶梯式的碳交易机制，通过引入碳交易价格、价格增长率、区间长度，实现碳排放惩罚的步步严格，进一步约束碳排放。

随着IES 的快速发展，同一区域配电网往往存在多个IES 协调运行，构成多主体综合能源系统MAIES（multi-agent integrated energy system）[11]。现有研究大多致力于讨论MAIES 中存在功率交互对系统经济性的提升作用[11-14]，却并未考虑多主体的集中优化和协调运行对系统低碳经济性的支撑作用。设备的优化运行和市场机制的完善是优化调度的两个重要部分，因此，本文将从运行层面和市场层面展开分析，促进MAIES低碳化研究与发展。

在运行层面。以热电联产CHP（combined heating and power）机组为核心的IES 中，在冬季供暖出现的热负荷远高于电负荷的情况下，“以热定电”的运行模式使得大量电力被浪费、弃风严重、调节能力差，系统经济性较低[15]。目前将CHP 机组热、电运行约束解耦的研究有两个方面：一方面通过增设新的热源如电锅炉、燃气锅炉GB（gas boiler）、蓄热装置等供给热负荷，改善热源结构以实现CHP 热电解耦[16-19]，但通常需要安装大容量热源保证协调供热的可靠性，增加了系统建设投资成本，经济性降低；另一方面通过改造热电机组蒸汽流程，引入补燃装置实现热电解耦[20-22]，但没有体现引入此装置对提高新能源消纳率的作用，并且补燃燃油增加了排放的污染性，环境效益较差。以上研究增设热源或补燃仅仅扩大了热出力，并未改变CHP的电出力，没有从根本上实现热电解耦。本文将在以CHP 为核心的MAIES 中，建立CHP 机组可调热电比模型，综合热电比可调模型下“以电定热”和“以热定电”的运行模式，并将热电比作为直接决策变量引入优化过程，提出对数化分段线性过程以解决变量相除的非线性问题和保证该优化问题的凸性，以期真正实现CHP 热电解耦和热电比直接控制。

在市场层面。现有研究分为政策的制定[23]、碳配额分配方法[24]和阶梯式碳交易机制[6-10]。其中，多数研究为各发电企业与市场的独立交易[8-10]，均不涉及多主体集中优化调度问题。考虑不同园区负荷类型和排碳机组运行的差异性，在碳交易中可能进行配额的售卖或购买，但等量配额的购买支出远远高于售卖收益，这将严重降低系统的经济性。为此，本文提出园区间配额共享的两阶段阶梯式碳交易模式。阶段1 中各园区内部进行碳排放配额的转移，即需售卖配额的园区将过量配额转移到需要购买配额的园区，实现主体间配额的最优分配。阶段2以MAIES为整体，与外部碳交易市场进行自由交易。两阶段协同策略以保证MAIES 参与市场交易的CO2量为最低。

综上所述，本文提出基于可调热电比和两阶段阶梯式碳交易的MAIES低碳优化运行策略。首先，分析CHP机组可调热电比机制的可行性和必要性，并建立机组可调热电比模型；其次，基于配额共享的阶梯式碳交易机制，通过配额转移实现主体间配额的最优分配，建立两阶段阶梯式碳交易模型。将上述策略融入MAIES优化模型中，比较不同场景下的优化结果，验证本文所提策略和模型在提高系统低碳性和经济性方面的优势；最后，研究碳交易价格、价格增长率和区间长度对碳排放量和总成本的影响，储能容量对新能源消纳率和总成本的影响，并深入分析系统低碳化的内部动力，为可调热电比模型和两阶段阶梯式碳交易机制落地和监管部门决策提供理论参考。

1 多主体综合能源系统结构与模型

1.1 多主体综合能源系统结构

针对区域IES多物理系统耦合和多利益主体参与特点，本文考虑的MAIES 由3 个园区IES 和1 个储能电站组成，其中园区1为表征郊区城镇居民用户的光伏园区，园区2 和3 分别为表征居民和工业用户CHP 园区。为验证可调热电比模型在电热负荷比例差异环境下的灵活性，园区2中电负荷占比远高于热负荷，园区3则相反。各主体间签订功率交互协议，建立统一的多主体运营商，各主体通过优化自身设备运行方式，在多主体总成本最低的前提下，降低自身的运行成本，实现各主体的统一管理和集中优化。受限于电能质量和并网政策，本文不考虑储能电站和园区向电网的反向送电。受限于气热响应时间和能量损耗问题，本文仅考虑主体间电能交互，未考虑气热交互。上述能量流动交互关系如图1所示。

1.2 可调热电比模型

CHP的燃气发电机利用燃料燃烧进行发电的同时，将排气的热量加以利用，提高能源利用效率。通过控制机组的进气量实现发电量的实时变化，通过控制余热锅炉的余热吸收过程实现供热量的变化，以此，在热电出力变化的同时实现热电比的实时可调。热电比调节范围参考文献[25]，其工作模型为

1.3 基于配额共享机制的两阶段阶梯式碳交易模型

1.3.1 碳排放权模型

IES中的碳排放主要来自于向上级电网购电产生的等效碳排放量、GB 以及CHP 机组燃烧天然气时产生的碳排放量。目前我国主要采用无偿配额的方式确定机组配额量[23]。由于本文中新能源发电为就近消纳或参与园区间功率交互，未参与并网，故假设上级购电均来源于燃煤机组发电[25]。结合基准线法和预分配法核算碳配额[23]，具体核算模型表示为

式中：N为园区数目，本文取3；T为调度时段数，本文取24；为免费碳配额；为园区j在t时段GB的产热功率；为园区j在t时段向配电网购电功率；xg、xe分别为耗气机组和耗煤机组碳排放基准，分别取0.612和0.728，单位为kg/（kW·h）；Fe为CHP 冷却方式修正系数，水冷方式取1，气冷方式取1.05；Fr为CHP供热量修正系数，其取值由1-0.22κCHP计算得到；Ff为CHP出力修正系数。上述各值参考文献[26]。

1.3.2 实际碳排放量模型

系统内实际碳排放量由向上级电网购电、CHP和GB的出力决定[25]。具体表示为

式中：Pj,CO2为园区j实际碳排放量；a1、b1、c1为燃煤机组的碳排放系数，分别取36、-0.38、0.003 4；a2、b2、c2为燃气机组的碳排放计算系数，分别取3、-0.004、0.001。上述各值通过线性回归分析得到，具体可参考文献[25]。

1.3.3 碳配额共享机制与模型

第1 阶段：各园区间进行碳排放配额的转移，即需进行售卖配额的园区的将过量配额转移到需要购买的园区，实现主体间配额的最优分配。对于需进行配额售卖的个体而言，内部主体间售卖单价与外部市场售卖单价保持一致，故对其经济性无影响；对于需进行配额购买的个体而言，若不进行内部配额购买，大量CO2排放量参与外部阶梯式碳交易，价格增长率的存在使得此部分成本远低于内部以基价进行配额购买的支出，故可提高其经济性；对于系统而言，由于实际参与外部市场交易的CO2量减少，故经济性提高。配额共享机制模型及其该机制下CO2配额量购售量平衡具体描述为

第2阶段：配额共享后，以MAIES为整体，将系统实际碳排放量大于配额的部分参与第1.3.4 节所述的外部碳交易市场阶梯式碳交易。两阶段协同策略以保证MAIES参与市场交易的CO2量为最低。

1.3.4 阶梯式碳交易模型

阶梯式碳交易模型表示为

2 基于可调热电比模型和两阶段阶梯式碳交易的多主体综合能源系统低碳经济运行模型

2.1 目标函数

为最大限度就近消纳新能源，建设储能电站以解决出力与负荷需求不匹配的难题，但其建设势必对系统经济性带来影响，故而本文兼顾低碳性和经济性两个指标，以等权重下系统碳交易成本、购能成本、新能源弃用成本和储能电站投资建设运行成本之和最小为目标，建立目标函数模型为

式中：cgrid、cgas和Cbuy分别为向配电网购电单价、购气单价和总购能成本；为园区j在t时段GB 消耗天然气功率；和分别为园区j在t时段光伏和风电的实际消纳功率和最大出力功率；和Cres分别为新能源弃用惩罚单价和总弃用成本；cPess和cEess分别为储能电站单位功率运维成本和单位容量等效日投资成本；Pess和Eess分别为储能电站的额定功率和额定容量；r为投资折现率；TN为储能电站额定使用年限；和分别为t时段储能电站向园区j的充、放电功率；为单位充放功率运行成本；CESS为储能电站投资运行成本。

2.2 约束条件

（1）电功率平衡约束为

（2）热功率平衡约束为

（3）园区间功率传输约束为

（4）园区与配电网功率传输约束为

（5）耦合设备出力约束为

（6）集中储能电站运行约束为

2.3 评价指标

评价指标采用新能源消纳率ωres，可表示为

2.4 模型的线性化处理

本文采用对数分段线性化方法进行模型的线性化处理。在式（1）和式（2）中，决策变量由kh与的乘积决定，为非线性项，会造成求解器不适用的问题，可将式（1）和式（2）转化为

在式（5）中，κCHP由与相除得到，仍为非线性项，故先对两决策变量取对数，实现决策变量相除到相减的转化，将式（5）转化为

式（38）含对数函数，式（8）含二次函数，采用分段线性化处理，过程如下。

步骤1根据所需精度，取Q+1 个分段点[r1,r2,…,rq,…,rQ+1]，将原函数划分为Q个区间。

步骤2添加Q+1 个连续型辅助变量[w1,w2,…,wq,…,wQ+1] 与Q个二进制辅助变量[z1,z2,…,zq,…,zQ]，且满足

步骤3将非线性函数替换为线性函数表达式，即

式中：rq为第q个分段点；wq为第q个连续型辅助变量；L(rq)为对应的函数在分段点rq处的取值。

本文所建立的基于可调热电比和两阶段阶梯式碳交易的MAIES 低碳经济模型求解流程如图2所示。

3 算例分析

本节将通过算例分析来验证所提策略和模型的有效性和合理性。采用主频1.8 GHz、内存8 GB的Intel Core i7-10510U 处理器进行仿真，基于MatlabR2018a 软件，采用YALMIP 调用CPLEX 进行混合整数线性规划问题的求解。

3.1 算例设置

参考文献[27]，电、气能源分时价格如表1 所示；主要设备参数如表2 所示；各园区风光预测功率和实际消纳功率如图3所示；园区与配电网间联络线交互功率上限取800 kW，园区间间联络线交互功率上限取600 kW，储能电站联络线交互功率上限取400 kW。本文仅从能量管理和有功平衡的角度展开研究，故未考虑能量传输过程中存在损耗和无功平衡的问题。

表1 能源分时价格Tab.1 Time-of-use price of energy

表2 主要设备参数Tab.2 Parameters of main equipment

图3 各园区新能源预测功率及弃用情况Fig.3 Forecasted power and abandonment of new energy in different parks

3.2 场景设置

基于单因子变量法，本文设立以下6 个运行场景，对比说明本文所提策略和模型优越性。

（1）验证可调热电比模型的低碳性和经济性。场景1：CHP 机组传统“以电定热”方式运行；场景2：CHP机组传统“以热定电”方式运行。

（2）验证基于配额共享机制的两阶段阶梯式碳交易模式的低碳性和经济性。场景3：不考虑碳交易方式运行，即碳交易成本不纳入优化目标，将其直接计算后加入优化后的经济成本构成系统总成本，为传统经济调度方式；场景4：考虑传统碳交易方式运行；场景5：考虑传统阶梯式碳交易方式运行。

（3）本文策略。场景6：基于可调热电比和两阶段阶梯式碳交易的MAIES低碳经济性策略。

经过优化计算，求解各运行场景的碳交易成本、购能成本、新能源弃用成本、储能电站投资运行成本和系统总成本。由于本文所建立模型为常见的混合整数线性规划问题，不存在上下层大量传参，仅为传统迭代寻优，故模型为常见凸问题，而凸问题式存在全局最优解的，故所建模型收敛，结果如表3所示。绘制各场景下实际碳排放量、碳配额和参加碳交易部分碳排放量，如图4所示。

表3 优化计算结果Tab.3 Results of optimization calculation 元

图4 各场景碳排放量对比Fig.4 Comparison of carbon emissions by scenario

3.3 场景分析

为体现本文所提CHP 机组热电比可调特性的优势，设置基于场景6的2种对比场景：场景1为传统“以电定热”；场景2 为传统“以热定电”。结合表3和图4 可知，相比于场景6，场景1 购气成本增加1 142 元，总成本增加1 107 元，增加了9.4%；场景2购气成本增加688 元，购电成本增加632元，总成本增加1 967 元，增加了16.8%。上述3 个场景中，场景6 超出配额的碳排放量最低，对比场景1 和2，分别降低了191 kg和1 634 kg。由此可见，可调热电比模式下的CHP机组可以依据系统内电、热负荷的比例调整发电、产热的比例，提高了输入天然气能源的有效利用率，相比于传统运行模式，购能成本减少，碳排放量降低，系统运行低碳性、经济性最优。

为体现本文所提的两阶段阶梯式碳交易策略的优越性，设置场景3～5作为对比。结合表3和图4可知，相比于场景6，场景3为不考虑碳交易方式运行，即目标函数中不考虑低碳性，仅考虑经济性的传统方式，致使系统运行时不因为碳排放量来限制各设备的出力分配，只按照经济性原则运行，因此系统总的购能成本较低，而不受约束的碳交易成本使得碳排放量相较于场景6 增加了1 176 元，是所有场景中碳交易成本最高的，总成本增加1 145 元，增加了9.8%；场景4为考虑传统方式碳交易方式运行，单位CO2的成本系数保持不变，对CO2排放量约束相较阶梯式的碳交易模式较为松弛，故在系统CO2排放量相对于场景6 上升时，碳交易成本却较低，下降611 元，购电成本增加398 元，购气成本增加391 元，总成本增加174 元，增加了1.5%。场景5为考虑传统阶梯式碳交易方式运行，各园区分别结算自身碳交易成本，不进行配额之间的再次交易，并独立进行剩余配额的售卖和缺额配额的购买，超出的数量越多，单位碳排放量的成本系数越大；售卖的园区获取的收益大大小于以阶梯式增长的系数购买配额的园区的支出。从3 个园区整体的经济性衡量时，场景5采用的传统碳交易模式无疑增加了3个园区总体的碳交易成本。因此场景6采用的两阶段碳交易模型，成本降低284 元，各园区进行配额的转移交易，达到最优分配，在有效减少系统总碳排放量的同时，也达到了经济性最优的效果。

3.4 本文策略优化调度结果

3.4.1 可调热电比机制优化调度结果

实际CHP的热电比调节范围受能源效率、机组技术、控制方法等多方因素的影响，本文参考文献[25]的热电比上下限确定方法，为更贴近实际场景，将不同负荷结构的园区热电比调节范围进行分别设定，即园区3 热负荷高于电负荷，其调节范围为[2.0，2.4]，园区2热负荷小于电负荷，在01：00—06：00其调节范围为[2.0，2.4]，在07：00—24：00 其调节范围为[0.8，1.2]。可调热电比优化结果如图5所示。

图5 可调热电比优化结果Fig.5 Optimization result of adjustable thermoelectric ratio

园区2 在夜间凌晨时段电负荷需求较低，风电提供大量电力，而此时热负荷需求较高，故CHP 机组处于热电比最高，即“供热多、供电少”的状态。在日间，为电负荷高峰期，热负荷低谷期，此时光伏出力较大，在供给负荷后，剩余部分由购电、CHP机组共同承担。为提高新能源消纳率，优先选择向余电的园区1 进行购买，CHP 机组补足缺额，发电量降低，产热量也随之降低，大部分热负荷由GB 供给。此时CHP 运行在“多发电、少发热的状态”，热电比降低。在14：00时刻，光伏出力逐渐减少，CHP发电量随之增加，故13：00—18：00 时段，热电比降至最低。

园区3 全天热电比的变化幅度相对较小，这是由于园区3内电负荷较低，新能源出力可以满足大量电负荷的需求，因此CHP 机组主要供给热负荷，热电比较高。而在凌晨00：00—06：00 时段，风电出力较大，日间12：00—16：00 时段光伏出力较大，CHP 机组供电量更低，热出力最高，故此两时段热电比最高，达到了2.4。

3.4.2 功率平衡优化调度结果

为促进可再生能源的就地消纳，本文通过新能源预测出力来辅助园区决策是否需要向外购买电能，若在t时段风、光总预测出力大于此时刻的电负荷，便不向储能站、其他园区进行购买；反之亦然。图6 所示为电功率平衡优化结果，园区1 中新能源预测出力远大于园区2 和3，由图6 可以看出，园区1 供给自身电负荷用户仍有大量电力剩余，故园区2和3在消纳本园区风、光后仍不满足用户需求时，通过向园区1 购买电力来配合本园区CHP 机组的灵活选择热电比工作，以达到电功率平衡的目的。并且由于算例设置园区2为电负荷远大于园区3的情景，大量电功率由园区1流向园区2，小部分流向园区3及储能电站。结合图6的储能电站充放电功率交互可以看出，储能装置的存在应对新能源出力与负荷时间不匹配以及各园区能量再分配的问题卓有成效，在第1时刻园区1出力不足时向其放电，而在其能量充裕时进行充电，并且通过储能装置实现了将园区1 在某些时段多余的电力存储在其他时段向园区2和3释放的功能。

图6 电功率平衡优化结果Fig.6 Optimization results of electric power balance

结合图7 所示的热功率平衡优化结果，园区2电负荷远高于热负荷，CHP 机组为热电联产设备，故在产出大量电力的同时也生产大量热能供给大部分热负荷，GB辅助供给剩余部分。园区3的热负荷远高于电负荷，由于GB的发热效率更高，故在此园区GB 供给热负荷的比例较园区2 有所增加，但因受容量限制，大部分仍由CHP机组进行供应。

图7 热功率平衡优化结果Fig.7 Optimization results of thermal power balance

结合如上分析，储能电站发挥其支撑调节作用，解决了新能源出力和负荷需求不匹配的难题，提高了新能源消纳率，间接为系统提高经济性做出了巨大贡献，图8为储能电站充放电功率及荷电状态变化。

3.5 灵敏度分析

碳交易价格、区间长度、价格增长率是阶梯式碳交易机制低碳目标的权重，为研究上述指标的客观影响，针对本文策略的场景6，分别绘制上述指标与碳排放量、碳交易成本及系统总成本的关系曲线，如图9～图11 所示。系统总成本及新能源消纳率与储能容量的关系曲线如图12所示。

图9 碳交易价格对系统的影响Fig.9 Impact of carbon trading price on system

3.5.1 碳交易价格影响分析

由图9 可知，碳交易基处于在0～0.25 元/kg 区间时，随着碳交易基价的增加，即碳交易目标在目标函数中的比重增加，系统对碳排放的约束力越强，协调各设备以减少总碳排放量，提高系统经济性。CHP 机组通过提高热电比，减少机组电出力，系统通过提高新能源利用率或选择向配电网购电，以此降低碳排放量；而交易初始价格超过0.25 元/kg时，由于系统内各个设备几乎达到低碳运行的极限，碳排放也随之基本保持不变，故此时交易基价增加，但排放量保持不变，但碳交易成本不断增加，系统运行总成本也相应增加。综上可知，碳交易价格0.25 元/kg时，为系统运行最优点。

3.5.2 区间长度影响分析

区间长度d为阶梯式碳交易中价格每上升一个梯度所对应的碳排放量。通过分析图10 可知，当d在（0 kg，1 000 kg］变化时，因为其设置较小，系统通过阶梯式的交易方式进行配额购买时，碳交易成本因为阶梯式增长而大大增加，因此对系统低碳性约束较强，碳排放量较小。当d在（1 000 kg，2 000 kg］范围时，系统处于高价位区间的配额量较少，系统对低碳性的约束松弛，系统的碳排放量逐渐增加；当d在（2 000 kg，3 500 kg］范围时，系统实际碳排放量超出给定配额量的部分基本处于第一梯度内，交易时以基价进行购买所需配额，此时d的变动基本不引起系统实际碳排放量变化，碳排放量趋于稳定。综上分析，1 000 kg 为阶梯式碳交易机制最优区间长度。

图10 区间长度对系统的影响Fig.10 Impact of interval length on system

3.5.3 价格增长率影响分析

由图11 可知，当价格增长率在[0，0.35）范围时，随价格增长率的增加，系统调节各能源转换耦合设备出力，减少碳排放量；当价值增长率达到0.35 后，各设备的出力趋于稳定，碳排放量几乎不再发生变化，各时段的碳排放与碳配额的差值小于区间长度，价格增长率不再起作用，总成本不再增加，即价格增长率只有在实际碳排放量大于碳配额时才会发挥作用。综上分析，在本文算例中，0.35为阶梯式碳交易机制最优价格增长率。

图11 价格增长率对系统的影响Fig.11 Impact of rate of increase in price on system

3.5.4 储能容量影响分析

随着我国新能源装机容量的不断提高，新能源并网量不断增大，出力与负荷需求不匹配的难题将严重威胁电力系统的稳定运行，规模化储能在可预见的时间内成为极具前景的解决技术之一，因此，研究系统中配置储能的容量对新能源消纳率和系统总成本的关系具有重要意义。

图12 所示为系统总成本及新能源消纳率与储能容量的关系。当储能容量在[0，1 200）范围时，新能源消纳率从71%不断提高至96%，系统大幅减少向配电网的购电成本，系统总成本从15 000 元减小到12 000 元。当储能容量达到1 200 kW·h 以后，系统对新能源的消纳能力达到最大，新能源消纳率保持稳定，而自此后，由于本文考虑了等效日的储能建设成本，系统存在储能过建设的问题，故系统总成本存在缓慢上升趋势。综上分析，在本文算例中，1 200 kW·h为系统最优容量。

图12 储能容量对系统的影响Fig.12 Impact of energy storage capacity on system

通过灵敏度分析可知：当碳交易基价超过某一阈值时，各设备出力分布趋于稳定，碳排放量达到最低点；当价格增长率到达最优点前，系统碳排放量随之降低并趋于稳定，越过最优点，随价格增长率升高，碳排放量趋于稳定，而成本稳步上升；区间长度对降低系统成本具有显著作用，且在碳排放稳定后，提高区间长度，成本仍持续降低；在不同的区间长度和增长率下，系统碳排放受制于基价的选择，选择合适的基价能最大化发挥区间长度和增长率对系统碳排放的制约力。系统的储能配置深刻影响新能源消纳率和成本，只有选择最优的储能配置容量，才能实现新能源消纳最大化的同时实现系统的最优经济性。

4 结 论

本文针对含电-热负荷的MAIES，聚焦于CHP机组的运行灵活性和阶梯式碳交易机制的完善性，提出了一种基于可调热电比和配额共享机制下两阶段阶梯式碳交易的MAIES低碳经济调度策略，分析比较了各运行场景下的低碳和经济效益，研究了碳交易价格、区间长度及价格增长率对系统运行影响，储能电站容量对新能源消纳率和系统总成本的影响，结论如下。

（1）本文所提的CHP机组可调热电比运行方式能自适应于园区的电热负荷占比，灵活调整出力水平，结合分时电价改变热电比，提高机组的灵活性，降低系统碳排放量，提高经济性。

（2）考虑MAIES参与到碳交易市场能兼顾低碳性与经济性。阶梯式的交易机制对碳排放的约束力更强，能够优化引导碳减排，设置合理的参数，在减少系统碳排放量的同时兼顾系统经济性。在MAIES中提出配额共享下的两阶段碳交易机制，促进各园区进行配额的转移交易，达到配额最优分配，进一步促进了系统的低碳性和经济性。

（3）灵敏度分析结果表明，碳交易基价、区间长度和价格增长率均会影响低碳目标的相对权重，进而影响系统的运行状态，设置合适的参数才能达到最优低碳性和经济性，可以为监管部门决策提供理论参考。另外，新能源消纳率与系统储能电站的容量规划值紧密相关，设置最优的储能容量能在显著提高新能源消纳率的同时提高系统的经济性。

系统中各设备的能源转换效率受工况影响，新能源出力的不确定性问题和主体之间存在复杂的利益交互关系，故将在后续研究中考虑设备变工况特性和新能源出力不确定性的MAIES 主从博弈优化调度问题。