DOI: https://doi.org/10.1038/s41598-025-33497-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41526429
تاريخ النشر: 2026-01-12
المؤلف: Haoyu Mao وآخرون
الموضوع الرئيسي: تحسين أنظمة الطاقة المتكاملة
نظرة عامة
تتناول هذه الدراسة عدم اليقين الحرج في نظام الطاقة المتكامل (IES) ، لا سيما تلك الناشئة عن تقلبات أسعار الكهرباء ، وافتراضات كفاءة الطاقة الثابتة ، وتخصيص حصص الكربون غير الفعالة. تقدم نموذج تحسين اقتصادي مبتكر للتوزيع يتضمن كفاءة الطاقة الديناميكية وتجارة الكربون ، باستخدام إطار عمل “التحكم التنبؤي القوي الموزع (DRO)-نموذج التحكم التنبؤي (MPC)”. يتم اقتراح استراتيجية تخصيص حصص الكربون الديناميكية متعددة المستويات ، والتي تتكيف مع التغيرات الموسمية في إنتاج المعدات وكفاءتها. يدمج النموذج مصفوفة معامل مرونة سعر الكهرباء لقياس آثار التغيرات السعرية في الوقت الفعلي على الحمل ، مما يسد الفجوة بين الجدولة ليوم الغد والجدولة داخل اليوم.
تكشف النتائج أن النموذج المقترح يقلل بشكل كبير من إجمالي تكاليف النظام بنسبة 13.07٪ وتكاليف تجارة الكربون بنسبة 11.57٪ مقارنة بالطرق التقليدية. تعزز مجموعة من التحسين المتداول وتصحيح التغذية الراجعة دقة التتبع بنسبة 14.66٪ و 6.13٪ مقارنة بالنماذج التي لا تحتوي على هذه الميزات ، بينما تقلل أيضًا من التكاليف الإجمالية بنسبة 4.36٪. تؤكد الدراسة على فعالية استراتيجية DRO-MPC ذات المرحلتين التي تتكيف مع السيناريوهات القصوى ، مما يظهر زيادة طفيفة في خطأ التتبع تحت تقلبات كبيرة في إنتاج الطاقة المتجددة والحمل. بالإضافة إلى ذلك ، فإن آليات كفاءة الطاقة الديناميكية وتجارة الكربون تحقق تخفيضات كبيرة في التكاليف ، لا سيما في الصيف ، بينما تعزز من امتصاص الطاقة المتجددة. بشكل عام ، توفر هذه الدراسة حلاً قويًا لتحسين التوزيع الاقتصادي منخفض الكربون في IES ، مما يبرز الفوائد التآزرية للنماذج الديناميكية في معالجة التحديات المعاصرة للطاقة.
النتائج
تكشف نتائج تحليل المحاكاة عن رؤى مهمة حول تحسين تكاليف شراء الكهرباء وكفاءات تجارة الكربون عبر أربعة سيناريوهات متميزة. بشكل ملحوظ ، يظهر السيناريو 2 أقل تكاليف لشراء الكهرباء ، ويعزى ذلك إلى تنفيذ آلية استجابة الطلب المدفوعة بأسعار الكهرباء. تشجع هذه الآلية المستخدمين على تعديل أنماط استهلاكهم ، مما يسهل عمليات “تخفيف الذروة وملء الوادي” التي تقلل في النهاية من التكاليف. تشير التحليلات ، المدعومة بالبيانات في الجداول 8 و 9 ، إلى أن نموذج كفاءة الطاقة الديناميكية ، عند اقترانه بنموذج تجارة الكربون الديناميكي ، يقلل بشكل كبير من إجمالي تكاليف النظام من 393,617 يوان إلى 342,145 يوان ، مما يمثل انخفاضًا بنسبة 13.07٪ ، إلى جانب انخفاض بنسبة 11.57٪ في تكاليف تجارة الكربون.
تظهر الفحوصات الإضافية لهياكل التكاليف أن النماذج الديناميكية تخفف بشكل فعال من تأثيرات الذروة والوادي وتعزز الكفاءة التشغيلية ، لا سيما خلال فترات الاستهلاك الذروي. يظهر دمج آليات كفاءة الطاقة الديناميكية وآليات تجارة الكربون الديناميكية تأثير تحسين تآزري ، حيث تحقق الطريقة المدمجة تخفيضات أكبر في التكاليف مقارنة بالنماذج المستقلة. على وجه التحديد ، تحقق النموذج المدمج تخفيضات في التكاليف بنسبة 1.13٪ و 7.02٪ مقارنة بمجموعات أخرى ، مما يبرز أهمية التكيف مع ظروف التشغيل في الوقت الفعلي وخصائص انبعاثات الكربون الموسمية. تؤكد النتائج على ضرورة النمذجة الديناميكية لكفاءة المعدات لمواءمة استراتيجيات الشراء مع الحقائق الهندسية ، مما يعزز التطبيقات العملية في أنظمة الطاقة.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على الأهمية المتزايدة لأنظمة الطاقة المتكاملة (IES) في مواجهة التحديات التي تفرضها زيادة الطلب على الكهرباء والانبعاثات الكربونية المرتبطة بها. في عام 2024 ، بلغ استهلاك الكهرباء في الصين 9,852.1 مليار كيلوواط ساعة ، أي ما يقرب من خمسة أضعاف ما كان عليه في عام 2000 ، مما أدى إلى مخاوف بيئية كبيرة. يسهل إطار عمل IES تنسيق مصادر الطاقة المتعددة – الكهرباء والحرارة والغاز والهيدروجين – بينما يحسن الجدولة لتعزيز استقرار النظام. تم اقتراح نماذج تحسين مختلفة ، بما في ذلك استجابة الطلب بأسعار ديناميكية واستراتيجيات تحسين قوية ، والتي أظهرت فعاليتها في تقليل الطلب الذروي وتحسين توقعات الحمل. ومع ذلك ، غالبًا ما تتجاهل النماذج الحالية الربط الديناميكي بين أسعار الكهرباء في الوقت الفعلي واستجابة الطلب من المستخدمين ، فضلاً عن دمج آليات تجارة الكربون.
تحدد الورقة الفجوات الحرجة في البحث الحالي ، لا سيما الحاجة إلى نماذج تأخذ في الاعتبار تقلبات أسعار الكهرباء في الوقت الفعلي وتأثيرها على استقرار النظام. تقترح نموذج تحسين IES جديد يتضمن استراتيجية تجارة كربون متعددة المستويات ، وكفاءة الطاقة الديناميكية للمعدات ، وآليات التسعير في الوقت الفعلي. يهدف هذا النموذج إلى تعزيز دقة تحسين تدفق الطاقة المتعددة وتحسين مرونة النظام ضد تقلبات الحمل. تشمل مساهمات هذا البحث إنشاء إطار شامل يدمج هذه العناصر ، مما يعالج قيود نماذج IES التقليدية ويعزز مستقبل الطاقة المستدامة. يتم التحقق من فعالية النموذج المقترح من خلال أمثلة حسابية ، مما يوضح إمكاناته للتطبيق العملي في السياقات الهندسية.
القيود
تقدم الدراسة عدة قيود تبرز مجالات للاستكشاف المستقبلي. أولاً ، يتم تبسيط نمذجة توليد الطاقة المتجددة وعدم اليقين في الحمل ، مع التركيز بشكل أساسي على التقلبات القصيرة الأجل ، والساعة المستمدة من البيانات التاريخية. تتجاهل هذه الطريقة آثار الأحداث الجوية المتطرفة ، والتغيرات المناخية على المدى الطويل ، والارتباطات المكانية والزمنية بين مصادر الطاقة المتجددة المختلفة وعقد الحمل. وبالتالي ، قد لا تعكس توزيعات الاحتمالات الأولية المستخدمة في نموذج التحسين القوي التوزيعي (DRO) أنماط عدم اليقين المستقبلية بشكل كافٍ.
ثانيًا ، تستخدم الدراسة تقريبًا ثابتًا للاستجابات السلوكية ، حيث تستند مصفوفة مرونة سعر الكهرباء إلى ملاءمة البيانات التاريخية ، ويتم تعيين وزن التصحيح $\omega$ يدويًا. تفشل هذه الطريقة في أخذ في الاعتبار التطور الديناميكي لسلوك المستخدم المتأثر بتأثيرات التعلم على المدى الطويل ، والعادات الموسمية ، أو التغيرات السياسية المفاجئة. بالإضافة إلى ذلك ، فإن افتراض وجود سوق كربون تنافسية تمامًا في نموذج تجارة الكربون الديناميكي يتجاهل التقلبات السعرية المحتملة الناشئة عن صدمات السياسة ، أو المضاربة في السوق ، أو السلوكيات الاستراتيجية للاعبين الرئيسيين في السوق ، والتي يمكن أن تؤثر بشكل كبير على التكاليف التشغيلية. أخيرًا ، قد تشكل المتطلبات الحسابية لإطار DRO-MPC المقترح ، المعتمد على خوارزميات تكرارية مثل C&CG ، تحديات لأنظمة الطاقة المتكاملة الكبيرة (IES) أو للتطبيقات التي تتطلب حلول توزيع سريعة في الوقت الفعلي.
DOI: https://doi.org/10.1038/s41598-025-33497-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41526429
Publication Date: 2026-01-12
Author(s): Haoyu Mao et al.
Primary Topic: Integrated Energy Systems Optimization
Overview
This study addresses critical uncertainties in integrated energy system (IES) dispatch, particularly those arising from electricity price fluctuations, static energy efficiency assumptions, and inefficient carbon quota allocations. It introduces an innovative economic dispatch optimization model that incorporates dynamic energy efficiency and carbon trading, utilizing a “distributed robust optimization (DRO)-model predictive control (MPC)” framework. A tiered dynamic carbon quota allocation strategy is proposed, which adjusts for seasonal variations in equipment output and efficiency. The model integrates an electricity price elasticity coefficient matrix to quantify the effects of real-time price changes on load, effectively bridging the gap between day-ahead and intraday scheduling.
The findings reveal that the proposed model significantly reduces total system costs by 13.07% and carbon trading costs by 11.57% compared to conventional methods. The combination of rolling optimization and feedback correction enhances tracking accuracy by 14.66% and 6.13% relative to models without these features, while also decreasing total costs by 4.36%. The research underscores the effectiveness of a two-stage DRO-MPC strategy that adapts to extreme scenarios, demonstrating a minimal increase in tracking error under significant fluctuations in renewable output and load. Additionally, the dynamic energy efficiency and carbon trading mechanisms yield substantial cost reductions, particularly in summer, while enhancing the absorption of renewable energy. Overall, this study provides a robust optimization solution for low-carbon economic dispatch in IES, highlighting the synergistic benefits of dynamic models in addressing contemporary energy challenges.
Results
The results of the simulation analysis reveal significant insights into the optimization of electricity procurement costs and carbon trading efficiencies across four distinct scenarios. Notably, Scenario 2 demonstrates the lowest electricity procurement costs, attributed to the implementation of a demand response mechanism driven by electricity pricing. This mechanism encourages users to adjust their consumption patterns, facilitating “peak shaving and valley filling” operations that ultimately minimize costs. The analysis, supported by data in Tables 8 and 9, indicates that the dynamic energy efficiency model, when coupled with a dynamic carbon trading model, significantly reduces total system costs from 393,617 yuan to 342,145 yuan, marking a 13.07% reduction, alongside an 11.57% decrease in carbon trading costs.
Further examination of the cost structures reveals that the dynamic models effectively mitigate peak-valley effects and enhance operational efficiency, particularly during peak consumption periods. The integration of dynamic energy efficiency and dynamic carbon trading mechanisms demonstrates a synergistic optimization effect, where the combined approach yields greater cost reductions than standalone models. Specifically, the coupled model achieves cost reductions of 1.13% and 7.02% compared to other combinations, underscoring the importance of adapting to real-time operational conditions and seasonal carbon emission characteristics. The findings emphasize the necessity of dynamic modeling for equipment efficiency to align procurement strategies with engineering realities, thereby enhancing practical applications in energy systems.
Discussion
The discussion section of the research paper highlights the increasing importance of Integrated Energy Systems (IES) in addressing the challenges posed by rising electricity demand and associated carbon emissions. In 2024, China’s electricity consumption reached 9,852.1 billion kWh, nearly five times that of 2000, leading to significant environmental concerns. The IES framework facilitates the coordination of multiple energy sources—electricity, heat, gas, and hydrogen—while optimizing scheduling to enhance system stability. Various optimization models have been proposed, including dynamic pricing demand response and robust optimization strategies, which have shown effectiveness in reducing peak demand and improving load forecasting. However, existing models often overlook the dynamic coupling of real-time electricity prices and user demand response, as well as the integration of carbon trading mechanisms.
The paper identifies critical gaps in current research, particularly the need for models that account for real-time electricity price fluctuations and their impact on system stability. It proposes a novel IES optimization model that incorporates a tiered carbon trading strategy, dynamic equipment energy efficiency, and real-time pricing mechanisms. This model aims to enhance the accuracy of multi-energy flow optimization and improve the resilience of the system against load fluctuations. The contributions of this research include the establishment of a comprehensive framework that integrates these elements, thereby addressing the limitations of traditional IES models and promoting a more sustainable energy future. The effectiveness of the proposed model is validated through computational examples, demonstrating its potential for practical application in engineering contexts.
Limitations
The research presents several limitations that highlight areas for future exploration. Firstly, the modeling of renewable generation and load uncertainty is simplified, focusing primarily on short-term, hourly fluctuations derived from historical data. This approach neglects the effects of extreme weather events, long-term climate variability, and the spatial and temporal correlations among various renewable sources and load nodes. Consequently, the initial probability distributions used in the Distributionally Robust Optimization (DRO) model may not adequately reflect future uncertainty patterns.
Secondly, the study employs a static approximation of behavioral responses, where the electricity price elasticity matrix is based on historical data fitting, and the correction weight $\omega$ is manually set. This method fails to account for the dynamic evolution of user behavior influenced by long-term learning effects, seasonal habits, or abrupt policy changes. Additionally, the assumption of a perfectly competitive carbon market in the dynamic carbon trading model overlooks potential price volatility arising from policy shocks, market speculation, or strategic behaviors of significant market players, which could substantially affect operational costs. Lastly, the computational demands of the proposed DRO-MPC framework, reliant on iterative algorithms like C&CG, may pose challenges for large-scale integrated energy systems (IES) or for applications requiring rapid real-time dispatch solutions.