Page 49 - 《中国电力》2026年第3期

孔祥玉等：计及生产特性的工业园区用户低碳调度决策方法 2026 年第 3 期

的可靠性；文献 [30] 针对用户需求响应潜力构建 以场景 2 下负荷聚合商参与响应调控指令为
了精细化的评估模型，但控制决策模型仅涉及响 例，表 7 展示了响应前、不考虑碳成本的调控方
应补贴相关收益，未充分考虑不同类型用户的实 法以及本文所提低碳调度方法 3 种情况下的工业
际生产特性及碳排放约束，导致其虽能较好完成 园区日碳排放总量，分别将以上 3 种调度方式记
响应目标，但因此产生较高的电力和碳成本，整 为方法 1、方法 2、方法 3。图 8 以雷达图的形式
体收益较本文方法偏低。文献 [11] 基于用户选择 更加直观地展示了不同场景下采用不同调控方法
策略提出了基于激励的需求响应计划，但由于其 的园区碳排放情况对比。

重点旨在解决用户选择问题，只构建了较为简单
表 7 不同调控方法下的工业园区碳排放情况
的响应潜力量化评估模型，在实际调控过程中将 Table 7 Carbon emissions of industrial parks with
承担较高的响应未完成风险，从而产生过多的罚 different regulatory methods

金而导致整体收益下降。 碳排放量/t
调控方法
综上所述，只有充分评估工业园区用户响应 场景1 场景2 场景3
潜力，并构建考虑用户生产工艺的调度模型，才 响应前 方法1 8 324.89 8 324.89 8 324.89
能有效支撑工业园区用户低碳调度决策方案，进 方法2 2 853.48 5 723.04 7 695.26
响应后
而实现园区负荷聚合商的响应收益最大化。 方法3 2 500.39 5 056.71 6 981.83

方法1 方法1 方法1 单位t
10 000 10 000 8 500
8 000 8 000 8 000
6 000 6 000 7 500
4 000 4 000 7 000
2 000 2 000 6 500
0 0 6 000

方法3 方法2 方法3 方法2 方法3 方法2
场景1 场景2 场景3

图 8 不同场景下采用不同调控方法对应的园区日碳排放量
Fig. 8 Park daily carbon emissions corresponding to different regulation methods under different scenarios

4.3 算法性能分析 将本文所提 GWOA 算法与 BA 算法和 PSO 算
本节验证本文所提 GWOA 算法的有效性。下 法进行对比可以发现，GWOA 算法无论是在收敛
面以场景 1 下工业园区负荷聚合商在 11:00—12:00 速度还是求解精度方面都优于其他 2 种算法。这
时段进行需求响应控制决策为例，选取蝙蝠算法 是由于所提 GWOA 算法在算法流程初期进行基于

（ bat algorithm， BA） 以 及 粒 子 群 算 法 （ particle 分组思想的改进，有效解决了传统优化算法容易
swarm optimization，PSO）进行对比实验，参数设 陷入局部最优的问题，提高了前期寻优过程的收
置参照表 5，通过 3 种算法求解得到的收益随迭 敛速度。

代次数变化的结果如图 9 所示。

5 结语
10 000
8 000 稳定收益:
收益/元 6 000 约10 000元 本文考虑到不同工业用户在不同时间尺度需
4 000 BA算法； 求响应调控场景下的响应能力受生产工艺限制，
PSO算法；
2 000 本文算法
提出了计及生产特性的工业园区用户低碳调度决
0 100 200 300 400 500 策方法。
迭代次数
本文工作为工业园区负荷调控提供了从“生
图 9 3 种算法求解得到的收益随迭代次数变化
Fig. 9 Revenue vs. iterations using three algorithms 产—能源—碳”3 维耦合角度出发的建模路径与

45