摘要
针对中国西北矿区存在的可再生能源消纳率低、碳排放量高及运行经济性欠佳等问题，提出一种考虑阶梯碳-绿证互认与重力储能的矿区综合能源系统（coal mine integrated energy system，CMIES）优化调度模型。首先，考虑煤层气、废弃矿井重力储能等矿区资源的多元利用，建立CMIES基本模型。其次，为提升CMIES的经济效益和能源利用率，在CMIES中加入碳捕集、电转气和冷热电联产机组等耦合设备，并建立电-热-冷柔性负荷模型以提高系统调节能力。然后，引入阶梯碳-绿证互认机制，通过市场交互促进新能源设备出力。最后，以系统总运行成本最小为目标构建混合整数规划模型并通过Cplex进行求解。仿真结果表明，该模型可显著提升矿区可再生能源消纳率，降低系统碳排放量，同时兼顾系统运行经济性，为CMIES低碳经济化转型提供理论支撑。
（文章来源 微信公众号：中国电力 作者：王辉, 董宇成, 夏玉琦, 等）
01
复合型矿区综合能源系统模型
本文所提出的复合型矿区综合能源系统是在传统冷-热-电综合能源系统基础上，整合矿区特有资源，如引入CBM作为能源补充、利用废弃矿井构建重力储能。该系统由4个功能模块构成，分别为能源供给、能量转换、储能管理以及负荷调控，如图1所示。
图1 复合型矿区综合能源系统框架
Fig.1 Hybrid coal mine integrated energy system framework
能源供给模块包括可再生能源、矿区伴生能源以及外部能源输入。外部供能指上级电网和上级气网；矿区伴生能源主要指以煤层气为代表进行天然气供应；可再生能源指风电机组（wind turbine，WT）和光伏机组（photovoltaic power，PV）。
能源转换模块主要由CCHP、CCS与P2G耦合系统、燃气锅炉（gas boiler，GB）、电锅炉（electric boiler，EB）以及电制冷设备（electric refrigeration unit，ERU）构成。
储能模块将多余的电、热、冷能进行存储，并根据负荷变化灵活调度，其构成包括储电装置（energy storage，ES）、储热装置（thermal storage，TS）、储冷装置（cold storage，CS）以及基于废弃矿井的重力储能装置（gravity energy storage，GS）。
多类型负荷单元主要由矿区生产运营所需的固定负荷和以可削减负荷、可转移负荷、可平移负荷为主的多类柔性负荷构成。
1.1 光伏与风电设备模型
在可再生能源基础设施部署过程中，土地资源成为关键制约因素，而矿区退化土地的再利用为建立矿区综合能源系统提供了解决方案，本文光伏与风电设备数学模型参考文献[21]。
1.2 矿区多元资源利用设备模型
1.2.1 GB模型
CBM的等效天然气功率为
式中：PCBM(t)为t时刻将煤层气转换为可用的甲烷功率；VCBM(t)为t时刻煤层气中的瓦斯流量；ρ(t)为t时刻瓦斯中的甲烷体积分数；PNG为单位甲烷产生的功率；ηCBM为从煤层气转化为甲烷的效率；Δt为间隔时长。
GB具有调节速度快、安装便捷等优势，GB的输出热功率与消耗的气功率模型为
式中：P(t)、P(t)分别为t时刻GB产生的热功率及其消耗的气功率；ηGB为GB的气-热转换效率；
分别为GB功率的上、下限；
为GB爬坡速率的上、下限。
1.2.2 GS模型
针对矿区运营过程中形成的具有显著地势差的废弃矿井，利用矿井中的牵引电机、矿车以及牵引轨道可构建基于重物垂直位移的势能转换系统，以电机为中介实现和CMIES之间的功率交换，达到重力储能的目的。GS储能的示意如图2所示，其完整地呈现了GS的能量转换路径以及GS在储能和释能状态过程中的受力特征。
图2 重力储能示意
Fig.2 Schematic of gravity energy storage
1）储能过程。
利用废弃矿井进行储能时，电动机消耗电量，通过电动机驱动滑轮组系统，将配重从矿井底部提升至井口，实现电能向重力势能的转化。该过程可表示为
式中：
为上升阶段电动机施加的牵引力；Fμ为摩擦力；m为重物质量；为重力加速度；θ为矿井的倾斜角度；μ为对应接触面的摩擦系数；
为重物上升过程中的电动机输出功率；vchr为重物在该阶段匀速上升的速度。
2）释能过程。
在重力储能释放过程中，配重通过滑轮组从矿井顶部向底部运动，其运行包含2个阶段，即加速过渡期与稳态并网期。加速阶段因输出功率存在波动，系统自动隔离电网以避免功率扰动；当模块达到预设恒定速度后进入稳态并网期，此时通过电动机牵引维持匀速下滑状态，确保发电机输出稳定电能，该阶段可表示为
式中：
为重物下滑阶段发电机所提供的牵引力；为该阶段内电动机施加的牵引力；PGS为重物下滑阶段发电机的输出功率；vdis为重物于该阶段匀速下滑时的速度。
本文假设矿井高度、斜坡角度、配重质量已知，在理想条件下，废弃矿井的重力储能容量表示为
式中：
为重力储能的最大值；hg为矿井的有效垂直高度。
考虑到重力储能以机械势能形式存储能量，其储能介质为可循环使用的配重。鉴于运行过程中不存在电化学衰减效应，本模型不设置荷电状态约束，其需要满足的其他约束条件为
式中：SGS(t)为t时刻GS的储能容量；
分别为t时刻GS装置的充放电功率；
分别为GS装置充、放电的上下限；
分别为GS装置的充放电状态的二进制变量。
1.3 CCS-P2G耦合模型
CCS技术常用于从化石能源燃烧后产生的废气中捕获CO2，在CO2捕集系统运行过程中，能源消耗来源于2个方面，即基础能源消耗和运行能源消耗。基础能源消耗为系统在最低运行要求下所必需的能量，其水平保持稳定；而运行能源消耗则依赖于CCS系统的实际运行状态，其在系统捕集CO2效能提高时会相应地呈现上升趋势。CCS的数学模型可表示为
式中：PCCS(t)、PCCS,f(t)、PCCS,o(t)分别为CCS系统t时刻的总能耗、固定能耗以及运行能耗；εCCS为CCS能耗系数；
为t时刻CCS的C捕集量；ωCCS为CCS捕获C的效率；
分别为GB与CCHP机组t时刻产生的C量。
P2G能够将电能转换为和C，包含电制氢（power to hydrogen，P2H）阶段和甲烷化（methane reactor，MR）阶段。其建模过程为
式中：
分别为t时刻EL设备的产氢、耗电功率；
分别为t时刻MR设备的产气、耗氢功率；ηEL、ηMR分别为EL和MR的变换效率。
为了提升系统的经济性以及低碳性，将CCS捕捉到的C经压缩机压缩后提供给P2G使用，实现CCS-P2G耦合运行，其耦合模型为
式中：
分别为t时刻和C的质量；
分别为和C的热值；
分别为CO2和CH4的摩尔质量；
分别为t时刻MR所需CCS供给的C量、C封存量。
1.4 CCHP机组模型
典型CCHP系统通常由燃气轮机（gas turbine，GT）、余热锅炉（waste heat boiler，WHB）以及吸收式制冷（absorption cooling，AC）设备构成，该系统通过燃烧天然气实现同时发电、供热和制冷，从而实现多种能源之间协同补充，其模型为
式中：PCCHP,g(t)为t时刻CCHP机组的耗气功率；PGT(t)、PWHB(t)、PAC(t)分别为t时刻GT、WHB、AC输出的电、热、冷功率；ηGT、ηWHB、ηAC分别为CCHP输出电、热、冷能的效率。
1.5 其他能量转换设备模型
EB通过将电能转化为热能向系统供给能量；ERU通过对空气进行制冷，将电能转化为冷能向系统供给能量。
1.6 基本储能模型
考虑到储电、储热与储冷设备的基本储能模型存在共性，本文采用统一建模方法，对这3类设备进行系统性描述。
1.7 电、热、冷柔性负荷模型
本文采用统一建模方法对电、热、冷柔性负荷进行描述，并根据其参与调控的能力，划分为可转移负荷、可平移负荷以及可削减负荷，从而将这些负荷作为关键调控手段应用于需求响应调节中。
02
阶梯碳-绿证互认机制模型
2.1 阶梯式CET机制模型
2.1.1 CET机制
CET机制是一种基于碳排放权交易的市场机制，通过调控碳价来约束CMIES的碳排放总量。当CMIES的实际排放量低于碳配额时，其可通过出售多余配额获利；反之则须购买配额以满足排放需求。
若假定外部电网购电均来自火电，则本文碳排放来自电网购电量，CCHP系统的供电、供冷、供热以及GB系统的供热。根据基准线法，中国对上述排放源实施碳配额无偿分配，CMIES的实际碳排放量则由外购电力产生的碳排放、CCHP与GB运行的实际碳排放量以及MR所实现的碳减排量构成，表示为
式中：ECMIES,f、ECMIES,a分别为CMIES总的无偿碳配额、总的实际碳排放额；Pbuy,e(t)为t时刻的购电量；χe、χg分别为单位电力、天然气的碳排放配额系数；
分别为电-热、冷-热转换效率系数；λe为火电碳排放强度系数；λg1、λg2分别为CCHP、GB的天然气碳排放因子；
为MR的CO2封存率。
CMIES的净碳排放量E反映了系统在扣除免费分配的碳排放额度后，需要通过市场交易或技术手段实现碳中和的剩余碳排放量，即
2.1.2 阶梯式CET机制
阶梯式CET机制对CMIES碳配额实施分段定价策略，即将采购总量划分为多个区间，采用边际成本递增定价。该机制通过提高超额排放成本的经济杠杆效应，实现系统碳减排目标，即
式中：CCET为CMIES中碳交易所产生的成本；β为市场上碳交易的基准价格；l为系统碳排放量划分的区间长度；α为碳排放惩罚因子。
2.2 GCT机制
GCT机制作为提升可再生能源消纳水平的核心政策工具，通常与可再生能源配额制（renewable portfolio standard，RPS）协同实施，该机制通过设定可再生能源发电在系统中的占比目标，推动用户履行绿电消费配额义务，绿证交易模型可表示为
式中：Pres为可再生能源日配额量；CGCT为CMIES的绿证收益成本；κgct为可再生能源配额系数；Pload(t)为t时刻的系统电能需求量；PN为系统实际可再生能源消纳量；
分别为购买和出售绿证的价格。
2.3 阶梯碳-绿证互认机制模型
如图3所示，中国实施的阶梯碳-绿证互认机制模型中，新能源消纳产生的碳减排效应可通过碳配额监管框架抵消系统碳排放量，形成对碳交易市场的正向反馈；绿证通过双重路径实现机制协同，直接参与绿色电力证书交易体系，间接作用于碳交易市场，最终形成碳-绿证双向耦合机制。
图3 阶梯碳-绿证互认机制
Fig.3 Stepped carbon-green certificate mutual recognition mechanism
当CMIES完成新能源配额指标时，其绿证盈余可折算为碳减排量，即
式中：EGCT_CCER为绿证余量对应的碳减排效应量；ςOM、ςBM分别为电量、容量的边际排放因子；κe1、κe2分别为电量、容量的排放因子权重；PGCT_CCER(t)为t时刻新能源发电环节的绿色能源贡献值；PWT(t)、PPV(t)分别为t时刻风机、光伏的发电功率。
综上分析，碳-绿证互认机制模型为
式中：为碳-绿证互认交易后的碳排放权交易额；
为考虑碳-绿证互认交易后的碳交易成本，由式（15）计算得出；CCET_GCT为碳-绿证互认交易后的总成本。
03
阶梯碳-绿证互认机制下的矿区综合能源系统优化调度模型
3.1 优化调度目标
本研究基于传统冷、热、电联供系统，集合煤层气发电与废弃矿井重力储能技术，构建矿区综合能源系统，该系统耦合多类型需求响应资源与阶梯碳-绿证互认机制，实现经济-低碳效益协同优化。
在系统运行中，实现最低总成本Cday需要对各项费用进行协同优化。该成本主要涵盖以下5个方面，即购电费用Cbuy,e、购气费用Cbuy,g、设备运行与维护费用Com、阶梯碳与绿证互认交易费用CCET_GCT，以及柔性负荷补偿费用CDR。系统整体的优化目标为
设备运行维护成本主要由风机运维成本Cwt、光伏运维成本Cpv、能量转换和存储装置运维成本3部分构成，即
式中：εWT、εpv1、εpv2分别为风机、光伏的运维维护系数和光伏板的日常清理维护系数；Spv为光伏板面积；Ki为转换设备i的运维成本系数；Pi(t)为t时刻转换设备i的输出功率；K,j为储能设备j充放电运行维护系数；
分别为储能设备j在t时刻的充放电功率。
需求响应成本CDR指因用户负荷调整导致用电行为改变而支付的经济补偿费用，即
式中：c1、c2、c3分别为可转移负荷、可平移负荷、可削减负荷的单位补偿成本系数；Ptran,m(t)、Pshift,m(t)、Pcut,m(t)分别为可转移负荷、可平移负荷、可削减负荷的t时刻数值；m为负荷能源类型。
3.2 约束条件
1）电功率平衡约束为
式中：PEB(t)为t时刻EB的耗电功率；PERU(t)为t时刻ERU的耗电功率；
分别为储电设备的充放电功率；Pfix,e(t)、Ptran,e(t)、Pshift,e(t)、Pcut_1,e(t)分别为固定电负荷功率、可转移电负荷功率、可平移电负荷功率和响应后的可削减电负荷功率。
2）热功率平衡约束为
式中：
分别为储热设备的充、放电功率；Pfix,h(t)、Pshift,h(t)、Pcut_1,h(t)分别为固定热负荷功率、可平移热负荷功率和需求响应后的可削减热负荷功率；PEB,h(t)为t时刻EB的产热功率。
3）冷功率平衡约束为
式中：
分别为储冷设备的充、放电功率；Pfix,c(t)、Pshift,c(t)、Pcut_1,c(t)分别为固定冷负荷功率、可平移冷负荷功率和需求响应后的可削减冷负荷功率；PERU,c(t)为t时刻电制冷机的制冷功率。
4）天然气功率平衡约束为
式中：Pbuy,g(t)为t时刻系统的购气量。
5）氢气功率平衡约束为
6）外部购能平衡约束为
式中：
和
分别为购电量与购气量的上、下限。
3.3 模型求解
本文构建阶梯碳-绿证互认机制下的矿区综合能源系统混合整数线性规划模型，整合多类柔性负荷实现协同优化。针对式（15）存在的分段非线性问题，提出以下求解策略，即通过定义连续区间变量将总碳排放分解为线性子段，结合碳价增长系数实现各区间碳交易成本的线性叠加计算。模型基于Matlab R2023b平台搭建，依托Yalmip工具包搭建框架，并调用Cplex求解器完成求解。
04
算例分析
4.1 算例基础数据
本研究基于西北矿区实际数据及文献[30-31]设备参数开展算例验证。典型日风光发电和电、热、冷负荷预测曲线及煤层气流量分布分别如图4~5所示。天然气价格采用固定气价，其数值为2.7元/m3；分时电价如表1所示。储能基础参数及重力储能装置参数如表2所示。
图4 矿区各负荷及风光出力预测曲线
Fig.4 Forecasting curves of various loads, wind and PV output in the mining area
图5 矿区煤层气流量
Fig.5 Coalbed methane flow in the mine area
表1 分时电价
Table 1 Time-of-use price
表2 储能设备参数
Table 2 Parameters of energy storage equipment
4.2 场景设置及结果分析
为验证煤层气伴生能源、废弃矿井重力储能、阶梯式碳交易机制、绿证交易、阶梯碳-绿证互认机制以及柔性负荷对CMIES的影响，本文设置了以下6种场景进行对比分析。
场景1：阶梯式碳交易下，含P2G-CCS、CCHP等设备的传统冷-热-电矿区综合能源系统优化运行；场景2：在场景1的基础上，仅考虑煤层气利用的矿区综合能源系统优化运行；场景3：基于场景2的研究范畴，构建融入废弃矿井重力储能的矿区综合能源系统优化运行体系；场景4：在场景3框架下，分析绿证交易机制与阶梯式碳交易机制形成的“双机制”激励对矿区综合能源系统优化运行的影响；场景5：以场景4为研究基础，进一步探讨阶梯碳-绿证互认机制作用下的矿区综合能源系统优化运行策略；场景6：基于场景5的研究内容，纳入柔性负荷要素，开展矿区综合能源系统优化运行分析。对上述场景进行仿真剖析，形成对应的优化调度结果如表3所示。
表3 各场景调度结果
Table 3 Scheduling results for each scenario
4.2.1 场景分析
由表3各场景调度结果可知，与场景1相比，场景2引入CBM作为能源补充后，系统总成本减少了元，碳排放量减少了kg，但风光消纳率下降0.53个百分点。这是因为CBM作为矿区伴生优质能源，可以直接为GB和CCHP机组提供气源，同时满足电能、热能及冷能需求，显著降低CMIES的购能成本以及碳排放量。相较于场景2，场景3融入GS装置后，系统总成本呈现下降趋势，碳排放量实现缩减，具体表现为系统总成本减少元，碳排放量减少kg，风光消纳率提升0.84个百分点。这是因为GS装置通过增加CMIES的储能能力，显著增强了对可再生能源的消纳能力。与场景3相比，场景4引入GCT机制后，系统通过销售绿色证书获得了元的收益。这是因为该机制激励CMIES提升风光消纳能力获取了更多绿证收益。与场景4相比，场景5进一步考虑了CET和GCT之间的关联性，使绿证能够抵消部分碳排放量，促进了CMIES购买绿证和机组出力的积极性，使得系统总成本减少元，碳排放量降低kg。与场景5相比，柔性负荷的加入促使CMIES的总成本下降元。这是因为在分时电价激励机制的引导下，用户会将电、热、冷负荷从价格较高的时段迁移到价格较低的时段。
4.2.2 CMIES优化调度结果分析
本节围绕场景6运行方式，针对系统优化调度结果展开分析，其中电、热、冷功率平衡情况如图6所示。
图6 系统功率优化调度结果
Fig.6 Scheduling results of system power optimization
就CMIES内电功率平衡而言，由图6 a)可知，在00:00—06:00时段，电价处于谷时段且PV无出力，矿区的电能供应主要依托于WT、CCHP以及电网购电的联合供给；在08:00—19:00时段，此时电价相对较高，根据阶梯式碳-绿证互认机制，CMIES优先采用WT、PV以及碳排放水平较低的CCHP来满足供电需求。此时，风光资源充裕导致能源供应显著超过负荷要求，系统便将多余的电能转化为热能、冷能、氢能及天然气，减少购电、购气量的同时提高了系统的风光消纳水平；在20:00—24:00时段，风光出力大幅度降低，储能设备和CCHP机组放电不能满足负荷要求，CIMES通过增加电网购电满足系统电功率平衡。
如图6 b)所示，CMIES的热功率平衡调控机制呈现出显著的时段性特征。在凌晨时段（01:00—07:00）与午间至傍晚时段（12:00—17:00），CMIES处于电能充裕状态，系统通过EB实现电能向热能的转换，结合CCHP与GB构建多热源体系，在满足当前热负荷需求的基础上，将多余热能通过GS进行跨时段储存。
CMIES中冷功率平衡如图6 c)所示，系统冷能供应体系主要通过CCHP、ERU与CS联合运作，满足CMIES冷负荷的用能需求。由于CCHP的制冷功率存在约束，所以全时段依靠ERU为系统提供大部分冷能，当系统冷能供应大于需求时，多余冷能通过CS进行储存；当冷能供应不足时，则通过CS放冷满足系统冷功率平衡。
4.2.3 重力储能容量灵敏度分析
基于4.2.1节分析表明，GS的引入可有效提高CMIES的经济、环境效益。为深入揭示储能容量配置与系统效能间的耦合关系，本节选定典型场景3作为基准工况，研究GS从0~24 MW变化时，系统总成本和碳排放量的变化情况，其结果如图7所示。
图7 重力储能容量对系统的影响
Fig.7 Impact of gravity energy storage capacity on the system
由图7可知，随着GS容量的增大，系统总成本呈现先减后增的“U”形曲线。这是因为GS在容量较小时，通过提升可再生能源就地消纳效率，有效地降低了高价时段的购电需求，并与CCS-P2G机组协同运行减少碳交易成本。当GS容量过大时，由于储能设备利用率下降导致运维成本的增速远远超过其节省的费用，使得系统成本随着GS容量增加也越来越大。
系统碳排放量则随着GS容量的增大呈现先下降后趋于稳定的趋势。当GS容量较小时，GS促进风光消纳直接减少了购电导致的碳排放量，同时GS与CCS-P2G协同作用提升碳捕集效率。当GS容量增大至可再生能源被系统完全消纳并且P2G-CCS耦合机组功率到达上限后，碳排放不能再被系统处理而趋于稳定。
4.2.4 可再生能源消纳率分析
各场景可再生能源消纳率曲线如图8所示，11:00—17:00时段普遍存在弃风弃光现象，这是因为该时段风光出力峰值远超负荷需求，电网接纳能力受限导致能量冗余。
图8 可再生能源消纳率
Fig.8 Renewable energy accommodation rate
不同场景在该时段的消纳率呈现差异化特征。场景2与场景1相比，由于场景2引入CBM作为气源，减少了CMIES对供能的需求，可再生能源消纳率降低了0.53个百分点；场景3与场景2相比，场景3加入GS储能后，由于CMIES通过储能充放电削峰填谷，可再生能源消纳率提升了0.84%；场景4、场景5在分别考虑GCT机制和阶梯CET-GCT互认机制后，相比于场景3，可再生能源消纳率分别提升了5.76个百分点和5.86个百分点，这是因为场景4利用绿证进行售出，场景5利用绿证增加碳配额，有效促进了CMIES可再生能源消纳；场景6在引入柔性负荷后，可再生能源消纳率相较于场景5提高了1.23个百分点，这是因为场景6将夜间的电、热、冷负荷提高，以抵消储能中存在的能量，便于储能在11:00—17:00时段进行充能，以促进可再生能源的消纳。
4.2.5 阶梯碳-绿证互认机制灵敏度分析
在CMIES框架下，绿证价格作为调控可再生能源消纳的重要因子，通过价格信号引导可再生能源的输出。碳交易价格则体现了低碳目标在系统运行中的权重，其变化对机组运行具有显著影响。而碳交易区间则表明了市场对系统碳排放量的宽容程度。三者通过差异化路径协同作用于系统运行，最终实现政策工具与市场机制对系统总成本的协同优化。
差异化绿证价格与碳交易基价条件下CMIES的运行成本如图9 a)所示。在绿证-碳互认交易机制中，当固定碳交易基价并逐步提高绿证售出价格时，CMIES总成本呈现先升后降的趋势。初期，购买绿证抵消实际碳排量的价格低于碳交易支付成本，系统优先通过购买绿证满足减排需求，总成本随绿证价格上升而增加。当绿证购买价格超过直接支付碳交易所需的成本时，CMIES转向减少绿证的购买，支付碳交易成本，导致绿证需求减少，总成本随着绿证的购买量减少而下降。相反，当固定绿证价格并提升碳交易基价时，初期低碳价促使系统直接支付碳排放成本，总成本随碳价攀升持续上升；当碳价超过绿证成本后，绿证采购虽能部分替代碳交易支出，但受碳价刚性上涨约束，总成本仍保持上升趋势，仅增速有所放缓。
图9 阶梯碳-绿证互认机制参数对CMIES总成本影响
Fig.9 Impact of the parameters of the step carbon-green certificates mutual recognition mechanism on the total cost of the CMIES
图9 b)为不同碳交易区间与碳交易基价对系统总成本的影响。当固定碳交易基价并逐步增大碳交易区间，CMIES总成本会出现2种变化情况。在系统直接支付碳交易成本低于用购买绿证抵消实际碳排量的价格时，增大碳交易区间会使系统能够以比较低的碳交易基价售出更多的碳排放量，总成本随着碳交易区间的增大而减小。当系统直接碳交易支付成本高于用购买绿证抵消实际碳排量的价格时，系统优先购买绿证，在购买绿证达到最大限度时，其余碳排量则直接通过碳交易支付，随着碳排放区间增大，更多的碳排放量以低价的碳交易基价进行出售，一旦区间可满足剩余的碳排放量，总成本将不变。反之，当固定碳交易区间并逐步增大碳交易基价，总成本变化呈现与图9 a)相似的阶段性特征，即先快速攀升后增速趋缓。
05
结论
为充分利用矿区的多元资源，提高CMIES的低碳性和经济性，本文构建了阶梯碳-绿证互认机制与重力储能的矿区综合能源系统优化调度模型，通过设置6种不同场景对CMIES的调度运行进行研究，主要结论如下。
1）考虑煤层气、废弃矿井重力储能的矿区多元资源利用，系统总成本降低了6.92%，碳排放量降低了10.05%，有效实现了系统的低碳经济运行。
2）在CMIES中引入阶梯碳-绿证互认机制以及考虑冷、热、电柔性负荷对需求侧负荷调节的影响，风光消纳率提高了8.03个百分点，同时减少了外部购电，降低了总运行成本。
3）重力储能容量作为影响CMIES总运行成本的关键因素之一，合理配置其大小可提高系统经济效益。
4）对阶梯碳-绿证互认机制的参数进行灵敏度分析，为CMIES利用市场化手段提高自身经济效益提供了一定参考价值。
本文虽然为CMIES的优化运行提供了新思路，但还未考虑源、荷不确定性对系统造成的影响，后续工作将采用鲁棒优化的方法处理不确定性给系统带来的风险。
注：本文内容呈现略有调整，如需要请查看原文。
