最近我们搞了个新的电力调度方法，把碳交易和绿证交易的东西给加进去了。这个报告总共有9页，主要讲的是怎么通过碳交易和绿证交易来实现多能源的电力调度。具体来说，这次研究是要给大家提供一个新方案，帮助电力系统在低碳转型中实现经济性和低碳性的兼顾。 过去的多能源电力调度往往不容易平衡经济和低碳这两方面的需求。这次我们给高耗能企业消纳受阻风光带来了一个解决办法，在这个办法里我们搞了一个双层的多能源电力调度模型，还结合了CPLEX算法进行求解，验证了这个模型的可行性和优越性。 这个双层模型里面有两个优化目标，一个在上层，一个在下层。上层涵盖了风电场、光伏电站、储能设备等主体，目标是碳排放交易、绿证交易还有系统运行总成本最小。下层呢，以高耗能企业为研究对象，目标是企业利润增量最大。我们给这两个层都设定了一些约束条件，比如电源出力还有储能荷电状态等等。 为了提升模型求解的效率和精度，我们对经典智能算法做了改进。上层模型我们用的是结合反向学习机制还有高斯差分变异策略的哈里斯鹰算法，这样就能解决原来算法容易陷进局部极值的问题。下层模型我们用的是优化惯性权重和学习因子的粒子群算法，这样就解决了收敛慢的问题。 我们还拿某个区域新能源基地做了个例子来验证效果。结果显示，把碳交易和绿证交易结合起来后，能够明显降低弃风弃光量、碳排放量还有系统总成本。改进后的哈里斯鹰算法比原来的算法还有鲸鱼算法都要好一些。 更重要的是，这次引入高耗能企业的双层模型表现非常好。相比单纯只看上层模型的话，这次的方案减少了326.99MW的弃风弃光量，系统总成本降到了335.08万元，碳排放量是1358.02t，还让高耗能企业多赚了1.11万元利润。 另外还有一点要注意的是，这次研究我们用的是实际值来验证的，没有考虑预测误差的影响。接下来我们会重点研究预测方法，进一步完善调度模型和系统。