💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
⛳️赠与读者
👨💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎
💥1 概述
摘要——联合热电联产（CHP）装置的利用是提高可再生能源消纳能力的关键途径之一。然而，CHP的碳排放对综合能源系统（IES）的污染和经济优化构成了挑战。为应对这一挑战，我们提出了一种新型的CHP模型及其优化调度方法，该方法结合了电转气（P2G）和碳捕获系统（CCS），通过在IES中的优化调度，解决了P2G所需的碳源以及CHP的碳排放问题。该模型将CHP、P2G和CCS作为一个整体系统进行考虑。模型的运行规则得以开发，并对其电力、热力、燃气和碳的耦合特性进行了分析。相应地，综合能源系统的优化策略考虑了所提出的模型和碳交易机制。通过YALMIP和GUROBI建立了IES的优化调度模型并求解。我们的方法通过仿真验证。与其他传统模型相比，所提出的方法提高了可再生能源的消纳能力，并降低了IES的碳排放和运行成本。
关键词——热电联产；碳捕获系统；碳交易；综合能源系统；电转气；可再生能源消纳。
增加了epsilon算法求解碳排放成本+运维成本的双目标优化问题
面对能源危机和气候变暖问题，可再生能源被广泛用于减少环境污染[1-2]。由于热电联产（CHP）装置需要满足热负荷需求，可再生能源的消纳问题变得更加严重 [3]。与此同时，化石燃料的大量使用释放出大量的二氧化碳，导致温室效应 [4]。综合能源系统（IES）的优化可以提高可再生能源的利用效率和系统的运行灵活性 [5-6]。因此，迫切需要改善可再生能源的消纳能力和减少环境污染。
热储能通常被用于解耦CHP装置的电热特性，以增强风电的消纳能力[7]。在 [8] 中，热储能、电储能和电加热器被联合应用，以提高CHP装置的灵活性，从而促进风电的消纳，但热网对CHP的响应存在延迟。在CHP装置的优化调度中，考虑了热网传输管道和热储能的延迟特性 [9]。然而，当采用带有热储能的CHP方法时，热储能和传输管道中会产生热损失，同时CHP装置的二氧化碳排放也会导致环境污染。在 [10-11] 中，提出了一种考虑CHP装置配备脱碳设备并响应需求的优化调度模型。尽管设备减少了二氧化碳排放，但运行成本却有所增加。
为了增强CHP的灵活性而不是使用热储能，电转气（P2G）作为一种连接电力系统和天然气系统的纽带，可以将电能转化为天然气[12-13]。P2G在能量转换和传输中的快速响应有助于增强系统的灵活性 [14]。由于天然气可以在管道中储存，P2G被纳入综合能源系统（IES）的优化中 [15]。参考文献 [16] 研究了P2G技术对风电消纳的适用性。P2G用于将多余的风电转化为氢气（H₂），然后吸收二氧化碳合成甲烷（CH₄），这对于提高风电的消纳能力和综合能源系统的低碳发展具有重要意义 [17-18]。此外，参考文献 [19] 研究了微型燃气轮机和P2G装置的联合优化策略。
在上述研究中，CHP和P2G在综合能源系统中的作用是基于电热耦合和电气耦合分别进行研究的。然而，很少有学者研究CHP和P2G的联合模型及其约束条件。文献 [20] 提出了一种联合循环与电转气储能系统的集成方案，以提高高可再生能源渗透率下的多能源系统的灵活性和经济运行。文献 [21] 实现了电力、天然气和热力系统之间的互联优化调度，考虑了多种能源载体（如CHP和P2G）之间的相互作用。然而，在这些研究中，P2G的能量转换需要购买二氧化碳，这为P2G带来了碳源成本。
碳捕获系统（CCS）技术被广泛应用于燃煤或燃气电厂[22]。CCS可以利用电能捕获CHP装置排放的二氧化碳。这相当于增加了CHP装置的电力负荷，提高了可再生能源的消纳能力，并减少了CHP装置的碳排放，对综合能源系统具有环境和经济效益 [23]。文献 [24] 将CCS与微型燃气轮机结合，以减少微型燃气轮机的二氧化碳排放。与CHP装置相比，微型燃气轮机的烟气中二氧化碳含量较低，碳捕获效率也较低。文献 [25] 为电力和天然气网络开发了CCS和P2G的低碳经济调度模型。然而，在这种调度模型中，CCS捕获的二氧化碳需要长距离传输和储存，这需要传输和储存成本。
基于上述分析，我们考虑使用CCS捕获CHP的二氧化碳并直接供给P2G，以避免长距离传输和储存，这既可以为P2G提供碳源，又能减少CHP的二氧化碳排放。随着P2G和CCS的发展，CHP的输出范围受到限制。因此，我们将CHP、P2G和CCS作为一个整体系统进行开发。通过这种方式，运行、传输和储存成本得以降低，同时通过CHP与P2G和CCS的结合，环境效益得以提高。然而，当前文献中尚未研究CHP与P2G和CCS的联合模型及其约束条件，也未详细分析能量流和碳流。
对于综合能源系统的优化，灵活性是有助于风电消纳的关键因素[26]。文献 [27-28] 研究了通过CHP装置提高风电消纳能力的综合能源系统调度模型。在 [29] 中，研究了综合能源系统的灵活性，并通过带有热储能的CHP优化了电力、热力和天然气网络中的能量流。然而，仅靠带有热储能的CHP，综合能源系统的灵活性仍然不足。在CHP与P2G和CCS的模型中，P2G可以将CHP的电能转化为天然气，这有助于增强系统的灵活性。此外，在 [30] 中，P2G被应用于综合能源系统的优化，但其碳源仍需购买，P2G对低碳的贡献未能得到充分利用。文献 [31] 利用了P2G对火电厂的低碳影响，但在综合能源系统的优化中缺乏完整的碳循环。由于部分碳配额可以在碳交易市场出售以增加收益，碳交易有助于降低综合能源系统的运行成本 [32-33]。然而，碳交易尚未在P2G和CCS中得到发展。
📚2 运行结果
部分代码：
C4=30*(E_co2-E_0); %系统的碳交易成本
C5=60*sum(P_mts); %微型燃气轮机的燃料成本
C6=120*sum(P_cwind); %弃风惩罚成本
C7=120*sum(P_cpv); %弃光惩罚成本
C8=26*sum(P_er); %电制冷机的运行成本
Obj=C3+C4+C5+C6+C7+C8; %系统总运行成本
% 双目标
Obj_carbon=C4;%碳交易成本
Obj_operating=C3+C5+C6+C7+C8;%系统运维成本
%% 基于epsilon算法的约束
%% 判断是否结束Pareto前沿计算
if 4.582882237447344e+04-T*500<2.989042179735084e+04
display(['结束Pareto前沿计算',num2str(T),'次']);
break
else
display(['还未结束Pareto前沿计算',num2str(T),'次']);
end
C=[C,
% Obj_carbon==1.030522773520187e+03,%求解Obj_operating负理想点时的约束（以Obj_carbon目标最小为约束的Obj_operating值）
% Obj_operating==2.989042179735084e+04,%求解Obj_carbon负理想点时的约束（以Obj_operating目标最小约束的Obj_carbon值）
Obj_operating<=4.582882237447344e+04-T*500,%不断添加另一个目标的约束。4.582882237447344e+04为负理想点，Obj_operating的值
];
%% 模型求解
ops=sdpsettings('solver','gurobi','verbose',1,'usex0',0); %因为涉及二次项约束,本问题为MIQCP,故用gurobi求解
result=optimize(C,Obj_carbon ,ops);%以碳排放成本为目标函数，运维成本为约束进行多目标问题的计算
Obj_carbon=double(Obj_carbon);% Obj_carbon
Obj_operating=double(Obj_operating);% Obj_operating
%% 存储Pareto前沿
Obj1=[Obj1,Obj_carbon];
Obj2=[Obj2,Obj_operating];
save('Obj1.mat','Obj1');
save('Obj2.mat','Obj2');
%% 是否求解成功
if result.problem==0
display('求解成功');
else
error('求解出错');
end
end
%% 帕累托前沿
🎉3参考文献
文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。(文章内容仅供参考，具体效果以运行结果为准)
🌈4Matlab代码、文献下载
资料获取，更多粉丝福利，MATLAB|Simulink|Python资源获取
