摘要: 为了有效提升经济效益减少碳排放,推进氢能的高效利用,降低可再生能源出力的不确定性,提出了一种基于历史数据驱动的分布式鲁棒综合能源系统(Integrated Energy System, IES)低碳优化模型。首先,采用数据驱动的不确定性量化方法,基于可再生能源出力的历史数据构建1-范数与∞-范数联合约束的概率分布模糊集,通过搜索最恶劣场景概率分布,构建min-max-min三层分布式鲁棒优化框架,在保障鲁棒性的同时降低调度保守性;其次,集成阶梯式碳交易机制、电制氢(Power-to-Gas, P2G)技术通过分阶段碳价激励减排,实现系统内碳元素的闭环利用,兼顾环境效益与经济成本;最后,采用列与约束生成(C&CG)算法求解。结果表明,基于混合范数的模糊集相比于单一范数的模糊集成本平均降低1.6%,进一步降低了可再生能源出力保守性;同时,在合理划分阶梯区间的情况下,碳排放量与碳交易成本分别下降16.35%和22.35%,达到了碳排放和碳交易成本的相对平衡,验证了其在降低碳交易成本方面更具优势。所提出的模型为综合能源系统的规划与运行提供了理论支撑与实践参考。