0 引言

面对日益凸显的能源危机以及全球变暖等问题，构建低碳清洁、安全高效的能源供应系统是改善环境污染和实现“碳达峰、碳中和”目标的重要途径之一[1]。接入电力、天然气以及热力系统的多类型可再生能源设备，以及碳捕集封存设备对于实现系统低碳化起到至关重要的作用，可统称为“多能减碳装置” [2]。区域综合能源系统（integrated energy system，IES）以及多能减碳装置与技术的发展为降低碳排放量、提高风电光电的消纳能力提供了有效的技术支撑[3-5]。

目前能应用于能源系统中的减碳方法有新能源发电技术[6-9]以及碳捕集与封存技术（carbon capture and storage，CCS）[10]。文献[11]表明，CO2捕集与封存技术是指将工业和有关能源产业所生产的CO2分离出来，再通过碳储存手段将CO2储存起来，实现化石能源大规模低碳利用，以达到直接降低能源系统中CO2排放量的目的。电力系统中的用户通过消纳风电和光伏发电量，以达到减少其购电量的目的，从而减少煤电等非清洁能源的使用以间接减少碳排放[12]。天然气掺氢是指天然气中掺入一定比例氢气形成掺氢天然气，综合天然气与氢气的优点，优化燃料的燃料特性并减少碳排放，是燃气领域实现“双碳”目标的有效途径之一[13]。文献[14]表明地源热泵系统是依靠电驱动，热量主要来自土壤、地下水等，相对于燃煤或燃气锅炉采暖，地源热泵的减排效果明显，若地源热泵系统用电全为绿电，则可实现采暖系统零碳排放。为了控制能源系统中CO2的排放，需要监测能源系统的碳排放量[15]，在当前能源系统低碳减排的发展趋势下，碳排放理论的引入为能源系统低碳发展的研究带来了新的思路和方法，以便于发掘碳要素在能源系统发、输、用环节中的精确体现[16]。因此，将碳排放理论与多能减碳装置与技术结合应用到综合能源系统减碳方法中是有必要的。

碳流理论是从电能生产的源头起赋予了电量以碳排放属性，从而依附于电力系统潮流建立的一种虚拟碳排放流分析模型。首先，支路碳流量是描述碳流最基本的物理量，其定义为：在给定时间内随潮流而通过某条支路的碳流所对应的碳排放累积量。进一步定义支路碳流率为：某条支路在单位时间内随潮流而通过的碳流量，其在数值上等于支路碳流量对时间的导数。由于电力系统碳排放流依附于潮流而存在，又考虑到电力系统中碳排放主要与有功潮流相关，为表征两者结合的特征，定义支路碳流密度为：电力系统任一支路碳流率与有功潮流的比值。最后，由于电力系统中发电与用电环节是以节点形式存在于电力系统中，因此有必要定义由碳排放流描述节点碳排放强度的物理量—节点碳势，其定义为：与节点相连支路中，有潮流流入节点的所有支路功率与碳流密度乘积之和与支路功率和之比。节点碳势的物理意义是指在该节点消费单位电量所造成的等效于发电侧的碳排放量[17]。

碳排放流理论能够对供给侧和需求侧之间的传输配送环节所产生的碳排放影响进行量化分析，实现电力系统全环节的碳排放分布的精准刻画[17]。文献[18]针对输电网系统提出了基于碳排放流理论的低碳调度策略，引入Shapley碳排放责任分摊模型，考虑各个用户负荷对整个电力系统的碳排放边界影响，使得碳排放责任分摊方案更为公平合理。文献[19]同样基于碳排放流理论对系统的节点碳势进行量化分析，引入需求响应机制和阶梯碳价机制构建双层电力系统低碳规划模型，电力系统运营商可以根据负荷用户的用能计划调整来改变发电机组及储能系统配置容量，以促进电力系统低碳经济运行。文献[20-21]更进一步对边际碳势进行了定义，并利用了优化模型中的拉格朗日乘子获取了节点边际碳势结果，但是求解方法建立在直流模型的基础上，无法考虑系统网损因素对节点边际碳势的影响。

上述装置和方法具有显著的减碳效果，但以往研究中往往仅考虑电力系统中使用风电、光伏等可再生能源，以及热力系统中使用地源热泵进行减碳，本文将含有清洁能源的能源系统建模方法扩展至含有地热的热力系统，以及考虑天然气掺氢的燃气系统领域，使综合能源系统中利用清洁能源减碳的思路多元化。首先，对多种减碳装置进行建模，得到多能减碳装置模型；然后在综合能源系统中引入碳排放理论，利用碳流计算模型求解出能源系统基态碳流；基于综合能源系统支路碳流率，计算平均碳势权重，提出了系统加权平均碳势（weighted system average carbon potential，WSACP），WSACP可作为一种系统减碳灵敏度指标，引导每一个能源子系统公平合理地参与减碳优化过程；最后，以经济性成本最小和WSACP最小为优化的目标函数，建立多目标低碳最优配置模型，求解目标函数最优时的减碳装置的建设方案与对应成本。本文采用IEEE-14节点配网和32节点热网以及25节点配气网组成的能源系统测试算例验证，利用NSGA-Ⅱ遗传算法在MATLAB仿真平台上迭代求解。算例结果得到了3类减碳效果的多能减碳装置最优配置，验证了所提减碳方法的合理性。图1所示为本文整体研究思路框架。

1 多能减碳装置及其减碳特性建模

1.1 碳捕集装置及其减碳特性建模

碳捕集与封存技术（CCS）是指将CO2从工业过程、能源利用或大气中分离出来，直接加以利用或注入地层以实现CO2永久减排的过程。

碳捕集装置减碳量为多种碳捕集与封存方法所捕捉到的CO2之和：

式中：Cccs和Cccs,i分别为碳捕集封存设备减碳量和使用不同碳捕集与封存技术所捕捉到的CO2量；n为所涉及到碳捕集与封存技术的数量。

碳捕集与封存装置的减碳成本分为投资成本和运行成本，运行成本又分为捕集CO2成本和封存CO2成本。

式中：Zccs为碳捕集封存设备的减碳总成本；Zccs,i为不同碳捕集设备的投资成本；ηi为使用不同碳捕集技术捕捉单位CO2所需成本；λ为封存单位CO2所需成本。

1.2 风力发电机组及其减碳特性建模

影响风机输出功率的外部因素主要为风速和空气密度，本文主要探讨风机输出功率与风速之间的关系。图2描述了典型风机风速与风机输出功率的关系曲线，并由式（3）给出风机出力表达式[22]。

式中：PWT(s,t)表示在s季节t时刻的风机出力大小；Cp为风机性能参数；ρ为空气密度；τ为机械效率；AWT为风机叶片扫过面积在与风速垂直平面上的投影；v(s,t)为在s季节t时刻的风速；Vc、Vr和Vf分别为切入风速、额定风速和切出风速；PrWT为风机额定功率。

风力发电装置通过增加新能源发电量以减少电力系统购电量，从而间接减少CO2排放，通过新能源发电量和电力碳排放因子可计算CO2减排量。风力发电装置减碳量计算公式为

式中：Cwp为风力发电装置减碳量；μ为电力碳排放因子；Ewp为风力发电装置发电量。

风力发电装置减碳成本为建设成本和运行成本之和，其表达式为

式中：Zwp为风力发电装置减碳成本；Zwp1为风力发电装置建设成本；γ为风机单位发电成本。

1.3 光伏发电机组及其减碳特性建模

太阳能光伏发电对地表太阳辐射强度十分敏感[23]，光伏发电系统的输出功率和太阳能辐射强度、光伏发电系统受光面积、光伏转换效率成线性关系[24]，图3描述了光照强度与光伏出力的关系，式（6）给出了相应表达式。

式中：(s,t)表示s季节t时刻的光伏出力大小；表示光伏的额定容量；Ge表示额定光照强度大小；Bg表示光照强度基准值；g(s,t)表示s季节t时刻的光照强度标幺值。

光伏发电带来的CO2减排量可使用光伏发电量和电力碳排放因子计算：

式中：Csp为光伏发电装置减碳量；μ为电力碳排放因子；Esp为光伏发电装置发电量。

光伏发电装置减碳成本为建设成本和运行成本之和，其表达式为

式中：Zsp为光伏发电装置减碳成本；Zsp1为光伏发电装置建设成本；γ 为光伏单位发电成本。

1.4 天然气掺氢及其减碳特性建模

天然气掺氢的减碳量为以能产生同等热量的氢气代替天然气燃烧所减少的CO2排放量：

式中：Chcng为利用天然气掺氢技术后掺氢天然气的减碳量；Cgas为标准大气压下单位体积的天然气燃烧所产生的CO2量；Vgas,des为利用天然气掺氢技术后减少使用的天然气体积；Vhcng为利用天然气掺氢技术后掺氢天然气体积；α为天然气掺氢比例；Vgas为天然气体积；qgas为天然气单位体积热值；qH2为氢气单位体积热值。

1.5 地源热泵装置及其减碳特性建模

地源热泵减碳量为地源热泵供热量对应的使用锅炉供热的CO2排放量，其表达式为

式中：Chp为地源热泵装置减碳量；β为热力碳排放因子；Qhp为地源热泵供热量。

地源热泵装置减碳成本为设施成本和运行成本之和，其表达式为

式中：Zhp为地源热泵装置减碳成本；Zhp1为地源热泵装置建设成本；ε为地源热泵单位供热成本。

2 低碳最优配置的多目标建模

在综合能源系统中引入碳排放理论，基于碳流计算模型及求解结果，以系统成本最优与系统加权平均碳势最小为优化目标函数，求解目标函数最优时的减碳装置的建设方案与对应成本。

2.1 目标函数1：系统成本最优

系统总成本CTotal包括3个部分—规划投资成本CINV，运行成本COP和碳减排收益CCER。投资和运营成本代表区域建设、运营和维护的全生命周期成本；运行成本代表整个系统运行过程电力费用、燃气费用、以及减碳费用；碳减排收益则代表系统减排带来的盈利。目标函数具体如下：

式中：CTotal表示总成本；CINV表示规划投资成本；COP表示运行成本；CCER为碳减排收益，在计算时视碳减排收益为负成本。

2.1.1 设备投资成本

多阶段规划的投资成本CINV主要包括3个部分：第1部分为设备总扩容成本Cequipment；第2部分为设备的总运维成本CMAIN；第3部分是设备在规划末期的残值FRV。具体表示如下：

其中：

式中：为第j种设备的扩容成本；为变压器、风电机组、能源枢纽能源转换设备等的购置成本与安装成本；R为设备的现值系数；r为贴现率；t为从规划开始算起的年数；vEQ,j为第j种设备的容量；εequipment为设备的单位成本；为第j种设备的扩展增量；fINS,EQ和fLand分别为设备的安装成本和土地购买成本；为设备的维护系数；ΔT为操作和维护的时间；φj为第j种设备的净残值率；Nj,life是第j种设备的使用寿命；为第j种设备的折旧费；τ为折旧时间。

2.1.2 运行成本

区域运行成本COP由电力系统运行成本、燃气系统运行成本和多能减碳装置运行成本组成，具体表示如下：

式中：R为设备的现值系数；ΔT为设备运行的时间；Cccs,i为第i种碳捕集封存设备的运行成本；Δtseason为典型季节持续时间；为冬季、夏季以及过渡季典型日的电力负荷；cE为电价；为冬季、夏季以及过渡季典型日的掺氢天然气负荷；cG为掺氢天然气的价格。

2.1.3 碳减排收益

碳减排收益来源于碳捕集封存设备的使用以及清洁能源的使用带来的碳排放量的减少，进而带来了碳税成本降低。本文碳减排收益来源于各能源子系统中碳捕集封存设备的使用，以及风、光、氢气、地热接入各能源子系统所带来的碳排放量减少，进而带来的碳税成本下降，在本文中碳减排收益被视为负成本，具体表示如下：

式中：、、、分别代表不同季节中电力、燃气、热力系统采用减碳装置，以及风光、氢气、地热等可再生能源接入各能源子系统所带来碳排放减少量；ΔT为计算减碳收益的时间段；CCtax为碳税[25]；∆tseason为不同季节的天数；、n、分别为典型日的热、电、气能源需求； 、、分别代表不同季节典型日的热、电、气的碳排放量；ηHeat-Coal和ηElec-Coal分别为热输出和电输出的标准煤当量转换系数；λCoal-CO2和λGas-CO2分别为煤和天然气的CO2排放系数；和分别代表规划前后热力系统的碳排放量；和分别代表规划前后电力系统的碳排放量；和分别代表规划前后燃气系统的碳排放量；和分别代表规划前后电力系统的清洁能源发电量。

2.2 目标函数2：系统加权平均碳势最小

目标函数2定义为WSACP最低，WSACP用来反映系统整体碳排放水平。

如图4所示，在燃气、电力以及热力系统中，源节点和负荷节点的碳势与碳流率满足以下关系：

式中：Rsource为能源子系统源节点（source）碳流率；Ri为管线支路碳流率；Rload为多能负荷节点（load）碳流率；E为多能负荷节点（load）碳势；p为多能负荷节点（load）功率；Routj为流出多能负荷节点（load）的管线支路碳流率；Rinj为流入多能负荷节点（load）的管线支路碳流率；N为流出源节点（source）的管线支路数；A为流入多能负荷节点（load）的管线支路数；B为流出多能负荷节点（load）的管线支路数。

在综合能源系统中，节点碳势定义为节点消耗单位能量所需要排放的CO2量，源节点为能源注入节点，无实际能量消耗，连接节点同样没有能量消耗，所以不考虑其节点碳势，因此定义能源子系统平均节点碳势为系统所有负荷节点消耗单位能量需要排放的CO2量的平均值，公式如下：

式中：nloadG、nloadE、nloadH分别为燃气、电力、热力系统的负荷节点数；、、分别为燃气、电力、热力系统第i个负荷的节点碳势；、、分别表示燃气、电力及热力系统的平均节点碳势。

利用燃气、电力及热力系统的平均碳势计算IES平均节点碳势，公式如下：

式中：Eave为IES平均碳势。

若采取上述公式（33）定义的IES平均碳势来进行优化计算，如果某一能源子系统例如热力系统，出现节点数目多、节点负荷数值小的情况，由式（31）可以看出，负荷节点功率p越小，则降低单位节点碳势E所需要减小的节点碳流率Rload越小，即所需要减少的CO2排放越少，因此在这种情况下，热力系统少量的碳排放就可以显著降低节点碳流率与节点碳势，从而大大降低系统平均碳势，优化模型将选择优先减少热力系统碳势，这样无法通过优化模型实现显著降低碳排放，显然是不合理的，这充分说明式（33）定义的IES平均碳势无法正确反映系统整体碳排放水平。

综上分析，本文提出一种系统加权平均碳势的概念，通过碳流计算得到的各能源子系统的源碳流率Rsource可以反映出各子系统的节点负荷大小以及碳排放强度，如果采用各能源子系统的源碳流率Rsource的占比作为对应子系统的节点碳势权重，则可以克服各能源子系统之间负荷节点数目和负荷大小的量级不对等缺陷，针对各能源子系统的碳流排放合理分配各能源子系统的节点碳势权重，节点碳势权重可视为与各能源子系统的减碳灵敏度有强负相关性，若某系统节点碳势权重越小，则其减碳优先级越高，说明该系统的减碳灵敏度越高，可以避免优化过程中只会选择单一系统的极端情况，实现多个能源子系统同时参与优化，从而显著降低碳排放，WSACP公式如下：

式中：Eave表示WSACP；φG、φE和φH分别表示燃气、电力及热力系统节点碳势权重；RG、RE、RH表示燃气、电力及热力系统源端碳流率；nsourceG、nsourceE、nsourceH分别表示燃气、电力及热力系统中源节点个数；、、分别表示燃气、电力及热力系统第i个源节点的碳流率。

3 低碳最优配置的约束条件

3.1 新能源出力约束

新能源出力要满足新能源运行约束，即风光机组发电功率以及地源热泵制热功率不能超出上下限范围[26]。

式中：、分别为光伏和风电机组t时刻发电功率；表示地源热泵t时刻的制热功率；、、、分别为风、光发电机组出力的上下限约束；、分别为地源热泵制热功率的上下限约束。

3.2 电网潮流平衡约束

电网潮流要满足潮流平衡约束，即有功和无功功率在每个节点处于平衡：

式中：Pi(t)、Qi(t)表示t时刻注入i节点的有功功率和无功功率；Gij、Bij、δij表示节点i和节点j之间的电导、磁化率和相位差。

3.3 节点电压约束

电网节点电压要满足约束节点电压约束，即不能超出节点电压上下限范围：

式中：和分别为i节点的电压上下限约束。

3.4 线路传输功率约束

线路的传输功率要满足线路传输功率约束，即不能超过线路传输功率极限：

式中：Pij(t)表示分支ij在t时刻的传输功率；表示分支ij的传输功率极限。

3.5 天然气掺氢上限约束

将氢气掺进天然气中后形成的混合气体对氢气含量有一定的限制：

式中：αmax为天然气掺氢比例，规定混合气体中氢气比例上限不超过5%。

3.6 碳捕集装置容量约束

燃烧前碳捕集封存设备捕捉的是呈一定比例的天然气与空气混合气体中的CO2：

式中：为燃烧前碳捕集封存设备捕捉的CO2量；为燃烧前碳捕集封存设备捕捉CO2量的上限。

燃烧后碳捕集封存设备捕捉的为燃烧后排放烟气中的CO2，主要来源于燃气燃烧生成的CO2：

式中：为燃烧后碳捕集封存设备捕捉的CO2量；为燃烧后碳捕集封存设备捕捉CO2量的上限。

4 求解算法

本文利用NSGA-Ⅱ遗传算法在MATLAB仿真平台上迭代求解。遗传算法是一种随机全局搜索优化方法，它模拟了自然选择和遗传中发生的复制、交叉和变异等现象，从任一初始种群出发，通过随机选择、交叉和变异操作，使群体进化到搜索空间中越来越好的区域，从而求得决策变量的优质解[27]。该减碳模型的决策变量为各类型减碳装置的新建容量。变量确定与求解步骤如下，流程图如图5所示。

1）步骤1：确定各减碳装置建设容量，以各减碳装置新建容量作为染色体。

2）步骤2：对种群中所有染色体个体进行非支配排序和拥挤度计算，得到种群中每个染色体的优劣情况。

3）步骤3：采用竞标法选择适合繁殖的父代。具体方法为每次随机选择2个个体，优先选择排序等级较高的个体，如果排序等级一样，则优选选择拥挤度较大的个体。

4）步骤4：选择出的父代染色体进行交叉变异产生子代染色体种群。

5）步骤5：合并父代和子代种群，形成新的种群，并重新进行非支配排序和拥挤度计算，对新种群进行快速非支配排序。

6）步骤6：采用精英选择策略，从新种群中选择出相应的优先级个体，进入下一循环。

7）步骤7：重复上述过程，直到达到最大迭代次数，输出各装置新建容量得到最终的减碳方案。

5 算例分析

5.1 算例描述

本文选择一个典型区域综合能源系统进行分析，该典型区域综合能源系统包含电、气、热网和一个典型能源站，如图6所示。其中14节点配电网改编自IEEE-14节点配电系统，25节点配气网和32节点区域热网选用现有算例拓扑数据[21]。能源站（energy hub，EH）耦合电、气、热3网，其中，E表示配电系统母线（节点）；G表示配气系统节点；N表示区域热网负荷节点，耦合节点分别为E16、G7和N1，G0和E0分别表示气网和配电网接入上级电网的节点。EH工作在以热定电模式上，其电出力范围0～5 MW，热负荷2.057 2 MW，自用电1.5 MW，能源转换设备包括变压器（transformer，T）、热电联产设备（cogeneration，combined heat and power，CHP）和燃气锅炉（gas boiler，GB），转换效率如附录表1所示。取CHP的天然气分配系数υ=0.5，设计系统运行时间为1 a。

5.2 基态系统的碳流分布计算

本文采用文献[28]的区域综合能源系统的碳流计算方法，计算获得加入多能减碳装置前的基态系统的碳流分布、节点电势以及综合能源系统总碳排放的基态数据，如表1、表2所示。

根据电网以及热网碳流结果计算得到系统全域碳排法放量为35.34 t/h，WSACP为0.349 t/MWh，以此值为基准记作，然后定义3种多能减碳装置配置方案A、B、C的减碳效果分别为0.5，0.2，0，最后基于上述低碳最优配置模型分别得到相应的碳排放要求下碳减排方案。

5.3 最优配置方案

采用NSGA-Ⅱ算法对上述多目标低碳最优配置问题进行求解，得到帕累托解集如图7所示。

5.2节描述的基态情况对应的系统加权平均碳势为0.349 t/MWh。从帕累托解集选取3个最优配置方案进行分析，图中方案A的系统加权平均碳势为0.169 t/MWh，约为基准值的0.5倍，配置方案的成本为1776万元，设置为A方案点；图中方案B的系统加权平均碳势为0.063 t/MWh，约为基准值的0.2倍，配置方案的成本为3339万元，设置为B方案点；图中方案C的系统加权平均碳势为0.005 t/MWh，该方案对应的系统平均加权碳势接近于零，配置方案的成本为5063万元，设置为C方案点。3个最优配置方案的数据如图8和表3所示。

由表3可知，方案B和方案C的配置方案中，电力系统消纳新能源发电代替了电力系统外购电，间接消除了CO2排放，因此电网加权平均碳势、电网节点碳势权重都为零，即2个方案中电力系统已经实现零碳排，由于各系统的节点碳势权重与减碳灵敏度具有强负相关性，节点碳势权重越低对应的系统减碳灵敏度越高，可知电力系统降低碳排放的优先级高于燃气系统。结合图7分析，方案C的WSACP最小，除了电力系统已经实现零碳排之外，气网加权平均碳势也接近于零为0.005 t/MWh，这是因为在方案C的配置方案中，燃气系统中掺氢代替大部分外购天然气，理论上可以实现零碳排，但是因其制造、运输以及储存成本较高，且对输送管道的要求高而使用受到限制，对燃气系统的减排效果较小，所以燃气系统中碳减排更多依赖碳捕集封存设备，而碳捕集封存设备并不能完全捕捉系统排放的CO2，故气网加权平均碳势不能完全为零。

3种最优方案与5.2节所述基态系统的多能减碳装置容量配置如表4所示。

3种最优配置方案下燃烧前碳捕集封存设备配置相同，其原因是燃烧前可捕集与封存的CO2与天然气使用量有一定比例关系，且燃烧前碳捕集与封存成本小，所以在方案A时燃烧前碳捕集与封存规模已经达到了上限。

另外，方案C与前2种方案相比，配置了空气碳捕集封存设备，其原因是当电力系统中新能源配置达到上限且燃气系统中燃烧前和燃烧后碳捕集与封存的CO2量达到上限时仍不能满足全域零碳排，只能增加空气碳捕集封存设备来满足系统的零碳需求。

3种最优配置方案的总成本，包括各类型减碳装置成本以及碳减排收益如图9所示。

3种方案下各类型装置减碳量以及全域减碳量如表5所示。

对比图9与表5中各类型减碳装置成本、减碳量以及碳减排收益情况可知，方案A的减碳装置配置总成本为4632万元，碳减排收益为2856万元；方案B的减碳装置配置总成本为7911万元，碳减排收益为4572万元；方案C的减碳装置配置总成本为10 381万元，碳减排收益为5318万元。使用地源热泵和碳捕集封存设备后的减碳量与碳减排收益大幅提升，但同时各类减碳装置的配置成本也有所增加。故各类型综合能源系统应根据本系统的能源利用情况，综合考虑成本与碳减排带来的收益，选择适用于本系统的减碳装置配置方案。

6 结论

传统研究中，电力系统使用风电、光伏等可再生能源发电替代外购电实现减碳，本文在以往研究的基础上，提出了一种面向综合能源系统的多能减碳装置最优配置的多目标优化模型，将可再生能源的范畴扩展到地热、掺氢等热力、燃气系统领域，并将碳捕集封存设备和可再生能源这2类特性不同的多能减碳装置统一进行建模，使综合能源系统中利用清洁能源减碳的思路多元化。

碳捕集封存设备和可再生能源是2类不同属性的减碳装置，电力、燃气、热力系统中采用碳捕集封存设备，可以直接降低各能源系统的CO2排放量，相当于直接影响综合能源系统的碳流分布；而风能、太阳能、地热能等可再生能源与天然气掺氢技术，则是通过影响综合能源系统的能流分布，进而间接影响系统碳流分布，从而降低碳排放量。

本文提出了系统加权平均碳势（WSACP）的概念，以经济性成本和WSACP最小为目标函数，建立多目标最优配置模型，求解多能减碳装置的建设方案与成本。系统加权平均碳势既可作为系统目标函数之一，也可作为一种系统减碳灵敏度指标，引导各能源子系统公平合理地参与减碳优化过程。

考虑到文章数据的滞后性和模型的局限性，在后续研究中将会考虑更多类型的多能减碳装置的应用，采用更具时效性的数据来分析减碳效果，同时考虑源荷的强不确定性和强相关性特征对WSACP的影响建模，寻求更合理更科学的减碳方案。

附录A 算例测试系统参数