碳+绿证如何能源匹配?考虑碳交易和绿证交易制度的电力批发市场能源优化程序代码!

前言

近年来,面对日益受到全社会关注的气候变化问题,国外尤其是欧美等发达国家和地区针对电力行业制定了一系列碳减排组合机制。其中,碳排放权交易(以下简称“碳交易”)和绿色电力证书交易(以下简称“绿证交易”)制度组合已经在美国、加拿大、英国、日本以及欧盟等国家和地区的电力行业广泛应用,并对推动地区清洁低碳发展发挥了重要作用。2017年,中国国家发展改革委选择以发电行业为突破口在全国范围内开展碳交易体系建设。同年,国家发展改革委联合财政部、国家能源局启动绿证自愿认购交易制度,并计划适时开展绿证强制约束交易。因此,在碳交易和绿证交易制度双重约束下,管制机构如何合理确定最优碳配额系数和绿证比例组合从而既实现电力行业碳减排目标又确保区域内发电商利益成为摆在管制机构面前亟待解决的重点问题。

碳市场与绿证市场的区别

第一,实现的具体目标有所差异。碳市场是管制机构根据一定的规则,设置不同地区不同行业(或企业)碳配额上限,控排企业根据自身实际排放水平与管制机构分配给企业的碳配额之间差异来决定其在碳市场中的交易策略以履行控排义务,其最终目的是实现区域内碳减排成本的最小化和碳排放总量的控制。而绿证市场主要以电力市场为基础,按照一定的规则对参与市场竞争的电力企业制定约束性的非水可再生能源电力配额指标,并通过绿证交易制度实现配额指标的交易。我国绿证市场建设的主要目的是为了促进清洁能源发展和高效利用,以及降低国家财政资金对可再生能源发展的直接补贴强度。虽然二者具体目的不同,但实际上如果实现绿证市场与电力市场的协调,清洁电力的消纳比例必然会上升,也将间接减少二氧化碳等温室气体排放。

第二,涵盖行业范围及参与主体不同。目前,我国碳市场主要涵盖石化、化工、建材、钢铁、有色、造纸、电力、航空8个重点排放行业,其参与主体为这些行业中年综合能源消费总量达到1万吨标准煤以上(含)的重点企业。相较碳市场而言,我国绿证市场仅限于电力行业,参与主体中绿证出售方为陆上风电和光伏发电项目(不含分布式光伏项目),购买方主要为各大发电企业、电网企业和售电公司。

第三,碳配额和绿证分配方式不同。我国碳市场建设初期大多数碳交易试点地区采用碳配额免费发放方式,但是广东等少数地区采用免费发放为主,有偿拍卖发放为辅的方式。而在绿证市场中,虽然目前政府主管部门采用绿证自愿认购的方式,但是按照规划会适时启动绿证强制约束交易。在强制约束交易方式下,非水可再生能源发电量配额指标不存在免费分配这一说法,每个发电企业均要求完成政府部门分配给本企业的最低非水可再生能源发电量配额考核指标的义务。

第四,组织模式不同。目前全国各碳交易地区均由国家发展改革委批准成立了相应的省级碳交易机构,独立地承担着本地区碳交易。在全国统一碳市场尚未完全建立的情况下短期内依然会存在多个省级碳市场。而绿证市场自建设之初就被定位为全国统一性的市场,各市场参与主体要求集中在全国绿证认购平台上开展绿证交易。

市场的影响机理

在分析碳交易与绿证交易制度对电力市场影响机理前,首先需要对发电机组参与单一碳市场或绿证市场交易的机理进行分析。其中,在碳市场中管制机构首先设定区域范围内的碳排放总量目标,然后根据总量目标采用基准线法核定不同机组类型不同装机容量发电机组单位发电量的碳排放初始配额。在基准线交易体系下,不同碳排放强度发电机组获得的免费碳配额总量会随着自身发电量的变化而变化。在不考虑发电机组自身发电边际成本的情况下,当发电机组单位发电量的实际碳排放量大于管制机构核定的配额基准线时,该高排放机组需要在碳市场中买入对应自身发电量的碳排放配额,以满足管制机构配额考核要求。相反,当发电机组单位发电量的实际碳排放量小于管制机构核定的碳排放初始配额上限时,该低排放机组可将对应自身电量的富余碳配额在碳市场中售出从而获得一部分收益。

区别于碳市场在绿证市场中管制机构首先按照一定的规则核定出区域内不同类型发电机组需承担的非水可再生能源发电量指标配额比例。由于火电机组发出的电全部为火电,因此为了满足自身非水可再生能源配额指标考核要求,火电机组需在可再生能源发电项目信息管理平台上购买数量为非水可再生能源发电量指标配额比例乘以自身实际发电量相对应的绿证。相反,可再生能源发电商发出的全部为非水可再生能源电量,因此其可以将数量为(1-非水可再生能源发电量指标配额比例)乘以自身实际发电量的绿证在可再生能源发电项目信息管理平台上售出从而获得一部分收益。

但是,在发电行业同时实施碳交易和绿证交易制度后,不同类型发电机组既要参与电力市场交易,同时还要考虑管制机构对碳配额系数和绿证比例的分配方案。因此,在三个市场相互作用下,区域范围内不同类型发电机组需要根据管制机构对碳市场和绿证市场的具体方案、自身机组发电类型、自身及其他发电机组的发电成本、碳排放强度等因素进行综合决策。下图显示了碳交易和绿证交易制度对电力市场不同类型发电机组的影响机理。

程序介绍

电力行业参与碳交易与绿证交易是解决电力生产负外部性的有效市场化手段。近年来,国家发展改革委先后在电力行业推行碳交易和绿证交易制度以期达到碳减排目标。在分析碳市场和绿证市场区别及对电力批发市场影响机理的基础上,构建了考虑碳交易和绿证交易制度的电力批发市场能源优化模型并进行数值仿真分析,碳交易与绿证交易制度协调对于优化电源结构、促进电力行业碳减排具有积极作用;在管制机构既定碳排放总量目标下存在一个满足各发电商总利润最大化的最优碳配额和绿证比例组合。。程序中算例丰富,注释清晰,干货满满,创新性和可扩展性很高,足以撑起一篇高水平论文!下面对程序做简要介绍!

程序适用平台:Matlab+Yalmip+Cplex

程序结果

部分程序

%% 模型参数(碳配额基准系数和绿证比例系数均为优化变量,采用二进制展开法+大M法线性化,采用matlab+cplex求解)
para_PG1=[0.076,23.588,0];%火电1发电成本系​数
para_PG2=[0.076,23.588,0];%火电2发电成本系数​
para_PG3=[0.1085,45.889,0];%风电发电成本系数​
ra_emis=[0.78,0.825];%火电1、2碳排放基准系数,t/MWh
N_rabase=10; %线性化处理分段数-碳​
N_raG=10; %线性化处理分段数-绿证​
ra_bamin=0;  %碳配额基准系数下限​ra_bamax=1.2;  %碳配额基准系数上限
ra_Gmin=0;  %绿证比例系数下限​ra_Gmax=1;  %绿证比例系数上限
del_PGc=(ra_bamax-ra_bamin)*2^-N_rabase;%碳配额基准系数分段步长
del_G=(ra_Gmax-ra_Gmin)*2^-N_raG;%绿证比例系数分段步长
M=2e3;  %大M法数​
%% 定义优化变量
PG=sdpvar(1,3);%发电机组电量(1、2为火电机组,3为可再生能源发电机组)
ra_baseline=sdpvar(N_rabase+1,1);​ra_G=sdpvar(N_raG+1,1);
yc_base=binvar(N_rabase+1,1);%碳交易状态变量​
yG_base=binvar(N_raG+1,1);%绿证​交易状态变量
Pc_base=sdpvar(N_rabase+1,1);%碳配额基准系数分段0-1变量与火电机组出力乘积项​
PG_base=sdpvar(N_raG+1,1);%绿证比例系数分段0-1变量与火电机组出力乘积项​
PWG_base=sdpvar(N_raG+1,1);%绿证比例系数分段0-1变量与风电机组出力乘积项​
% PGc=sdpvar(2,N_rabase);​% q_co2=sdpvar(1,2);%火电1、2机组碳交易量

部分内容源自网络,侵权联系删除!

欢迎感兴趣的小伙伴关注并私信获取完整版代码,小编会不定期更新高质量的学习资料、文章和程序代码,为您的科研加油助力!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/32563.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Docker】Docker简介_运行原理

1、简介 1.1基本概念 容器:容器是Docker的基本部署单元。它是一个轻量级的、独立的运行时环境,包含应用程序及其相关依赖。容器利用Linux内核的命名空间和控制组技术,实现了隔离性和资源管理,使得应用程序在不同的容器中运行不会…

C++并发之协程实例(三)(co_await)

目录 1 协程2 实例3 运行 1 协程 协程(Coroutines)是一个可以挂起执行以便稍后恢复的函数。协程是无堆栈的:它们通过返回到调用方来暂停执行,并且恢复执行所需的数据与堆栈分开存储。这允许异步执行的顺序代码(例如,在没有显式回调…

【Oracle】实验一 安装和使用Oracle数据库

【实验目的】 掌握Oracle软件安装过程,选择安装组件掌握建立Oracle数据库,配置网络连接使用SQL*Plus,登录到实例和数据库掌握命令方式的关闭和启动实例及数据库 【实验内容】 安装Oracle19c,记录安装过程。切记:创建…

自然语言处理学习路线(1)——NLP的基本流程

NLP基本流程 【NLP基本流程】 0. 获取语料 ——> 1. 语料预处理 ——> 2. 特征工程&选择 ——> 3. 模型训练 ——> 4. 模型输出&上线 【NLP基本流程图】 Reference 1. 自然语言处理(NLP)的一般处理流程!-腾讯云开发者社区-腾讯云 2. …

数组初了解

一.引入 现在,有一个场景需求,我们需要将10个数字存入,也就是10个变量。但如果场景需求改变,是用户输入了10个数,让我们求里面的最大值。那10个变量就显得过于臃肿。 我们需要一个新的数据结构,来装一系列…

贪心推公式——AcWing 125. 耍杂技的牛

贪心推公式 定义 贪心算法是一种在每一步选择中都采取在当前状态下最优的选择,希望通过局部的最优选择来得到全局最优解的算法策略。 运用情况 问题具有最优子结构,即一个问题的最优解包含其子问题的最优解。可以通过局部最优决策逐步推导到全局最优…

stm32学习笔记---GPIO输入(理论部分)

目录 GPIO输入模式下的硬件和电路 按键原理 传感器原理 什么是上下拉电阻? 运算放大器当做比较器 按键的硬件电路 传感器的硬件电路 STM32用到的C语言知识 STM32中的C语言数据类型 C语言中的宏定义 typedef和define的区别是什么? C语言的枚举…

Python itertools模块

itertools 是 Python 标准库中的一个模块,它提供了许多用于操作迭代对象的工具函数。这些函数可以高效地生成迭代器,用于处理序列和集合,特别适用于循环和组合数学。以下是 itertools 模块中一些常用函数的概述: 一、无限迭代器 i…

如何理解广角镜头和长焦镜头的区别。

为什么广角镜头的视野会比长焦镜头的视野大呢? 我之前用等光程解释了景深,也解释了为什么焦距越远,成像越大,但是从来没有提到过视野范围这个概念。实际上在我之前建立的数学模型中,物曲面S是无限大的,像曲…

管综 之 逻辑

1.复言命题 1.1假言推理 1.命题模型识别:当题干中出现如果那么,只有才,当且仅当等典型关联词时此题考的是简单假言推理问题 2.三步解题法:1️⃣:画箭头 2️⃣:递否 3️⃣:找答案 口诀: [口诀1]充分条件前推后 [口诀2]逆否命题等价于原命题 […

一加全机型TWRP合集/橙狐recovery下载-20240603更新-支持一加12/Ace3V手机

TWRP是目前安卓平台的刷机神器,可快速刷写第三方ROM或官方系统,刷入TWRP之前需要解锁BL,目前已适配一加多个机型。ROM乐园小编20240603整理,涵盖一加1到一加Ace3V多机型专用TWRP文件,个人机型橙狐recovery适配相对完整…

自制HTML5游戏《贪吃蛇》

一、游戏简介 贪吃蛇是一款经典的电子游戏,最早在1976年由Gremlin公司推出,名为"Blockade"。游戏的玩法简单却富有挑战性,玩家控制一条蛇在封闭的场地内移动,通过吃食物增长身体,同时避免撞到自己的身体或场…

第3章 小功能大用处-Bitmaps、HyperLogLog、GEO

1.Bitmaps 1.1数据结构模型 现代计算机用二进制(位)作为信息的基础单位,1个字节等于8位,例 如“big”字符串是由3个字节组成,但实际在计算机存储时将其用二进制表 示,“big”分别对应的ASCII码分别是98、10…

22.智能指针(下)

标题 五、引用计数智能指针5.1 共享引用计数智能指针共享数据5.2 使用Box定义三个共享链表5.3 使用Rc代替Box5.4 引用计数增加实验 六、RefCell和内部可变性模式6.1 通过RefCell在运行时检查借用规则6.2 内部可变性:不可变值的可变借用1)内部可变性的用例…

论文《Universal Graph Convolutional Networks》笔记

【UGCN】论文提出一个基本问题,即是否不同的网络结构属性应该采用不同的传播机制。通过实验发现,对于完全同配性、完全异配性和随机性的网络,1-hop、2-hop和k-nearest neighbor(kNN)邻居分别更适合作为信息传播的邻域。…

maven的安装以及配置

前言: Maven是一个强大的构建自动化工具,主要用于Java项目。它解决了软件开发中的两个方面: 构建和依赖管理:Maven通过在项目对象模型(POM)文件中指定依赖关系,简化了项目构建和依赖管理的过程…

【笔记】事务隔离级别以及MVCC解决幻读

事务提交可能碰到的问题: (1)脏读:事务1对数据进行修改但还没提交,事务2读取修改后的数据,之后事务1执行错误,回滚了,此时事务2的数据是错误的脏数据。 (2)不…

数学建模系列(2/4):建模入门

目录 引言 1. 如何开始数学建模 1.1 选择和描述问题 1.2 提出基本假设 1.3 确定模型类型 2. 建模的数学基础 2.1 线性代数基础 矩阵运算 线性方程组的解法 2.2 微分方程基础 常微分方程 偏微分方程 2.3 统计与概率基础 描述性统计 概率基础 3. 模型的求解方法 …

将Vite添加到您现有的Web应用程序

Vite(发音为“veet”)是一个新的JavaScript绑定器。它包括电池,几乎不需要任何配置即可使用,并包括大量配置选项。哦——而且速度很快。速度快得令人难以置信。 本文将介绍将现有项目转换为Vite的过程。我们将介绍别名、填充webp…

基于CSDN的Markdown文本编辑器的博客界面优化 | HTML | 文本标签 | 图像标签 | 个人主页引导

🙋大家好!我是毛毛张! 🌈个人首页: 神马都会亿点点的毛毛张 今天毛毛张分享的内容是如何在CSDN的Markdown编辑器中实现上图的效果,如果觉得能帮助到你的话就点击个人主页点点关注吧❗ 文章目录 1.前言2.基础知识3.字…