综合能源系统(integrated energy system，IES)集电、热、冷、汽、可再生能源等多种能源于一体，有助于提高能源利用效率^[1]. IES是能源生产和消费革命大背景下，积极应对国际国内能源、经济和环境三难困境的有效手段，必将成为未来我国能源基础设施的主要承载形式^[2-3]. 随着多种能源耦合加深、风光出力的波动性以及能源需求侧的不确定性加重，IES优化运行面临巨大挑战^[3]. IES的经济调度和优化操作已经成为近年来能源高效低排放利用方面最重要的任务之一，也是研究活动关注的焦点问题^[4-5].

徐达等^[6]构建含电、冷、热3种储能装置和热泵的微网经济调度模型，讨论热泵和储能装置对提高微网经济性和灵活性的作用. 李红伟等^[7]基于热电联产系统、储热、蓄电装置以及电锅炉等组成的IES，综合考虑需求侧负荷不确定因素，对IES进行优化，将系统中可再生能源出力以及电热负荷用模糊参数表示，构建基于可信性理论的模糊机会约束配置优化调度模型. 郑海雁等^[8]提出含储能装置的园区型IES的三级协同配置方法，将设计过程划分为设备选型、容量配置与运行优化3个阶段，采用系统级的建模方法对各项约束进行总结和提炼，从而形成结构简洁、约束紧凑的综合能源系统配置模型. 李柳松等^[9]基于多功能园区差异性以及不同园区冷热电负荷的特性提出全新的IES模型. 易文飞等^[3,5]从环保和经济2个方面考虑了IES的配置手段，提出未来碳排放指标将成为约束能源发展的主要因素. 杨宏基等^[10]指出2021年我国已经开始实施配额制下的绿色电力证书交易，其实际意义是进一步明确碳排放量对于工业型企业的重要性.

综上所述，现有研究成果中，对综合能源系统的研究主要集中在电、热、冷负荷，对大型工业园区内电、热、冷、汽4种负荷并耦合IES以打造零碳交易工业园区（简称零碳园区）的研究较少. 因此，本研究以长三角某地域大型工业园区作为研究对象，结合实际自然资源，形成以光伏、风电为可再生能源系统，熔盐、固体蓄热、电极锅炉及蓄电池等设备为储能系统的IES，同时考虑需求侧负荷的不确定性因素及碳交易成本，以系统经济最优化作为目标，建立零碳园区IES配置和经济调度模型. 通过0-1型整数规划求解，最终确定最适合该工业园区的IES运行方案及对应子系统的规模.

根据园区所在地区典型气象年数据，由《太阳能资源评估方法》（GB/T 37526—2019）^[11]对该地的太阳能资源进行评估.

如图1所示为园区所在地区典型气象年全年太阳能辐射量. 图中，Q为太阳辐射强度，t为全年时间. 年太阳总辐射量为1209 kW·h/m²，属于资源较贫乏地区. 月平均太阳总辐射量在4~9月份相对较高.

园区所在地区典型气象年的全年日照时长分布如图2所示. 图中，Sa、Sp分别为天文日照时数和实际日照时数，均为月平均日照时数. 可以看出，园区所在地区各月的太阳直接辐照度达到或超过120 W/m²的每日小时数大于4，天文日照时数均大于10，日照率均大于30%，最高在8月可达到70% 以上. 因此，该地区的太阳能利用价值中等，其中4~9月的利用价值相对较高. 综合以上分析可得，该地区太阳能资源在4~9月份较为充足，适宜布置光伏发电系统^[12-13].

根据园区所在地区典型气象年数据，参考《分布式风力发电系统原理与设计》^[14]对该地的风能资源进行评估. 如图3所示为园区所在地区全年风速. 图中，v为风速. 由于位于沿海地区，该地区距离地面10 m处的年平均风速超过4.3 m/s，在风力资源上有着先天优势，属于风力资源较丰富地区.

考虑到风速与负荷具有随机性和波动性，且负荷波动状况与用户的行为习惯关联较大，本研究采用典型日24 h的风速曲线来近似模拟风电机组1 d的运行参数. 园区典型日24 h风速变化如图4所示. 图中，t_d为日时间. 平均风速约为5.3 m/s，属于低风速区域的优质风资源，风电机组的相应年平均满发小时数在2700~3200 h，适宜布置分布式风电机组^[12].

所选择的案例为东南沿海地区某综合性工业园区，主要包括冷、热、电、蒸汽负荷4种形式. 工业园区内在不同时间、空间上对冷、热、电、蒸汽等多种能源有不同程度的需求，园区的基本负荷情况如图5所示. 图中，P_n1、P_n2、P_n3分别为工业园区所需的电、热、冷负荷的实时功率，M_s为工业园区所需的蒸汽的实时质量负荷. 品类丰富的能源生产、转换和储存设备使得工业园区有大量的用能策略可以选择. 所研究的用能方案以经济性为导向，并综合考虑碳交易、需求响应政策这些外部因素.

通过上述太阳能及风力资源的分析，可以看出该园区可以构建以太阳能光伏发电及风电为基础的可再生能源利用系统. 同时，为了配合园区能源负荷的波动性，具体的IES可结合多种储能系统，如相变蓄热、固体蓄热及蓄电池等. 通过耦合可再生能源及储能系统形成的工业园区IES，在满足园区的日常电力、冷暖供应及蒸汽需求的同时，进一步实践双碳战略.

所研究的综合能源系统包含电、热、冷、汽4种能源形式，系统结构如图6所示，由自动控制单元、可再生分布式能源系统、电热储能设备以及电、热、冷、汽负荷组成.

可再生分布式能源包括分散式风力发电机组和屋顶光伏发电机组，分别利用风能和太阳能发电供IES消纳，电网的谷电被存储至储能系统内部. 根据园区负荷种类，储能系统共分为3部分，分别是固体及熔盐蓄热，主要提供园区蒸汽负荷；蓄电池储能，主要补偿峰电时期园区电负荷及部分冷负荷；电极锅炉及热泵储能，主要提供园区热水负荷. 此外，电能在系统与大电网之间双向交互，园区的余电可以上网，当园区的综合能源系统不能满足园区负荷时，系统可以从电网购电来满足园区的使用需要.

光伏系统采用简化的屋顶光伏模型，光伏的实际功率表达式如下：

(1) $ {P_{{\rm{PV}}}}(t) = {n_{{\rm{MOD}}}}{A_{{\rm{MOD}}}}E{\eta _{_{\rm{PV}}}}{\eta _{_{\rm{INV}}}}{f_{{\rm{PV}}}}. $

式中：P_PV(t)为t时刻光伏的实际功率；n_MOD为光伏板的数量；A_MOD为每个光伏板的有效面积；E为总辐射照度；η_PV为光伏板的实际效率；η_INV为逆变器效率；f_PV为降额系数，例如污物、阴影、设备老化以及线路损失所导致的降额.

分散式风电系统的模型大致可以简化为

(2) $ {P_{\text{w}}}{\text{(}}t) = {P_{\rm{n}}}(t) \left( {1 - {\xi _{{\text{loss}}}}} \right) {K_{\text{w}}}. $

式中：P_w(t)为风电机组的实际功率，P_n(t)为风电机组的设计功率，ξ_loss为风电机组的降额系数，K_w为风电机组的风速修正系数. 可再生能源系统综合成本（投资成本和运维成本之和）表达式如下：

(3) $ {C_{{\text{re}}}} = ({F_{{\text{PV}}}}{P_{{\text{PV}}}}{r_{{\text{PV}}}}+{F_{\text{w}}}{P_{\text{w}}}{r_{\text{w}}})+{C_{{\text{re\_om}}}}. $

式中：F为单位投资成本，P为装机功率，r为资金回收系数，下标PV表示光伏，w表示分散式风电；C_{re_om}为可再生能源系统的年化运维成本. 以光伏设备为例，其资金回收系数以及年化运维成本表达式如下：

(4) $ {r_{{\text{PV}}}} = \frac{{{{(1+n)}^i}n}}{{{{(1+n)}^i} - 1}}, $

(5) $ {C}_{\text{re\_om}}={\sum_{t=1}^{8\;760}}\sum _{j=1}^{N}{c}_{j}{P}_{j}(t). $

式中：i为贴现率，n为光伏设备的使用年限，c_j为光伏设备j单位出力运行维护成本系数，P_j(t)为光伏设备t时刻的输出功率，N为光伏设备总数. 基于式（4）、（5）可以得到不同规模设备的资金回收系数及年化运维成本.

该套系统主要用于提供园区所需蒸汽负荷，将IES中多余的电能以热能的形式储存在热介质中，并实时向蒸汽负荷提供所需不同品位蒸汽. 系统示意图如图6所示，该部分需配备电加热器用以电制热，蒸汽发生器用以热制汽. 目前常用的固体储热材料分别是矿渣和镁砖. 由于成本原因，熔盐储热同样具备竞争性. 为了根据园区负荷选择合适的储热方式，引入0-1整数规划，根据最终约束确定合适的储热方式. 0-1规划是特殊形式的整数规划，这种规划的决策变量仅取值0或1. 在实际决策问题中，通过引入0-1变量，可以把有各种情况需要分别讨论的数学规划问题统一在一个问题中加以讨论. 针对多种储热方式，通过各种约束条件确定不同储热介质前系数为0或1，0代表不选取，1代表选取. 3种储热方式的0-1规划数学模型表达式如下：

(6) $ {P_{\text{g}}}(t){\text{ = }}\alpha _{\text{m}}{P_{{\text{eg}}}}(t)\eta _{\text{m}}{\eta _{{\text{m,s}}}}+ \alpha _{\text{k}}{P_{{\text{eg}}}}(t)\eta _{\text{k}}{\eta _{{\text{k,s}}}}+{\alpha _{\text{r}}}{P_{{\text{eg}}}}(t){\eta _{\text{r}}}{\eta _{{\text{r,s}}}}, $

(7) $ {\alpha _{\text{k}}}+{\alpha _{\text{m}}}+\alpha _{\text{r}} = 1. $

式中：P_g(t)为不同时刻产生蒸汽负荷；α为系数，取0或1；P_eg(t)为不同时刻输入电功率，其中eg表示由电制蒸汽；η表示电制蒸汽转换效率，下标m、k、r和s分别表示镁砖、矿渣、熔盐及转换系统，比如η_m、η_m,s分别表示电加热镁砖的能量转换效率和镁砖到蒸汽的系统转换效率. 可以看出，式（6）在式（7）的约束下，仅存在一种储热介质满足条件. 同理，该系统的综合成本可以计算为

(8) $ \begin{split} {C_{{\text{eg}}}} =\;& \sum {{\alpha _i}({F_{i{\text{\_eg}}}}{P_{i{\text{\_eg}}}}{r _{i{\text{\_eg}}}}+} {C_{i{\text{\_eg\_om}}}}); \\ i = \;& {\rm{m,k,r}}{\text{, }}\sum {{\alpha _i}} = 1. \end{split} $

式中：C_eg为固体及熔盐储能所需综合成本，F_{i_eg}表示投资成本，P_{i_eg}为不同储热方式对应投入的功率规模，r_{i_eg}为资金回收系数，C_{i_eg_om}表示为不同储热方式的年化运维成本.

电极锅炉和热泵均是典型的电热耦合设备，在分时电价的作用下协调供热，两者基础的电热转化模型以及引入0-1规划后的控制方程分别如下：

(9) $ {P_{{\text{eh}}}}(t) = \eta P(t), $

(10) $ {P}_{\text{eh}}(t)={\beta }_{1}{P}_{1}(t){\eta }_{1}+{\beta }_{2}{P}_{2}(t){\eta }_{2}\text{，}{\beta }_{1}+{\beta }_{2}=1.$

式中：P_eh(t)为t时刻系统产生的热负荷功率；P(t)为t时刻供给电能，η为电制热效率，下标1表示电极锅炉，2表示热泵. 该系统的综合成本可以计算为

(11) $ \begin{split} {C}_{\text{eh}}=\;&{\displaystyle \sum {\beta }_{i}({F}_{i}{}_{\text{\_ew}}{P}_{i}{}_{\text{\_ew}}{r }_{i}{}_{\text{\_ew}}+}{C}_{i}{}_{\text{\_ew\_om}})\text{;}\\ i=\;&1,2,\text{ }{\displaystyle \sum {\beta }_{i}}=1. \end{split}$

式中：F_{i_ew}为电极锅炉或热泵的投资成本，P_{i_ew}为热负荷储热规模，r_{i_ew}为资金回收系数，C_{i_ew_om}为电极锅炉或热泵的年化运维成本.

与前2种储能方式相比，电池储能在可扩展性、使用寿命、灵活性等方面具有更多的优势. 作为新兴的储能技术，电池储能的尺寸灵活，这是与其他储能系统相比的显著优势. 现有应用较多的电池有全钒液流电池、锂离子电池、铅碳电池和钠硫电池，其数学模型可以表示为

(12) $ \begin{split} {E_i}(t) = \;&{\psi _i}(t)[\left( {1 - {u_i}{{\Delta }}t} \right){E_i}(t - 1) + \\ \;&\left[ {{P_{i\_{\text{chr}}}}(t){\eta _{i\_{\text{chr}}}} - {P_{i\_{\text{dis}}}}(t)/{\eta _{i\_{\text{dis}}}}} \right]{{\Delta }}t]. \end{split} $

式中：E_i(t)为电池i在t时刻的容量；ψ_i(t)为电池恶化效率；u_i表示电池的自损耗率；Δt为时间间隔；P_{i_chr}(t)、P_{i_dis}(t)分别为电池i在t时刻的充、放能功率；η_{i_chr}、η_{i_dis}分别为电池i在t时刻的充、放能效率；下标i=1、2、3、4分别表示全钒液流电池、锂离子电池、铅碳电池以及钠硫电池. 为了贴近真实加入电池恶化效率并假定蓄电池效率降低到80%时须重新更换. 电池拆解回收的难度较大，基本上没有任何价值. 按照李中浩等 ^[15]的方法对大规模储能电池的寿命以及电池恶化效率进行估算，折旧率以目前通用的贴现率加以描述. 根据0-1规划，最终蓄电池储能模型可以表达为

(13) $ {E_{{\text{total}}}}(t) = \sum {{\lambda _i}{E_i}(t){\text{ ； }}i = 1,2,3,4} . $

(14) $ {\lambda _1}+{\lambda _2}+{\lambda _3}+{\lambda _4} = 1. $

式中：λ为0-1规划系数.

同理，蓄电池的综合成本可以表达为

(15) $ \begin{split} {C_{{\text{ee}}}} =\;& \sum {{\lambda _i}({F_{i{\text{\_ee}}}}{P_{i{\text{\_ee}}}}{r _{i{\text{\_ee}}}}+} {C_{i{\text{\_ee\_om}}}}){\text{ ；}} \\ i =\;& 1,2,3,4{\text{ , }}\sum {{\lambda _i}} = 1. \end{split} $

式中：C_ee为电制热负荷所需综合成本，F_{i_ee}为蓄电池的投资成本，P_{i_ee}为蓄电池的装机规模，γ_{i_ee}为资金回收系数，C_{i_ee_om}为不同蓄电池机组的年运维成本.

电制冷机组消耗电能提供冷能，该部分电能可以通过电网购电或蓄电池供电，其数学模型可以表示为

(16) $ {Q_{{\text{ec}}}}(t) = {\eta _{{\text{ec}},{\text{h}}}}{P_{{\text{ec}}}}(t){\text{CO}}{{\text{P}}_{{\text{ec}}}}. $

式中：Q_ec(t)和P_ec(t)分别为t时刻电制冷机组的制冷功率和耗电功率，η_ec,h为电制冷机组的效率，COP_ec为制冷机组的性能系数.

同理，电制冷机组的综合成本可以表示为

(17) $ {C_{{\text{ec}}}} = {F_{{\text{ec}}}}{P_{{\text{ec}}}}{r_{{\text{ec}}}}+{C_{{\text{ec\_om}}}}. $

式中：C_ec为电制热负荷所需综合成本，F_ec为电制冷机组的投资成本，P_ec为电制冷机组的装机规模，r_ec为资金回收系数，C_{ec_om}为电制冷机组的年运维成本.

随着双碳战略的推进，碳排放量成为零碳工业园区的重要指标. 本模型中定义的碳排放源主要考虑电网购电、风电、光伏等，根据文献中的数学模型建立碳交易成本系统模型：

(18) $ {C_{{\text{C}}{{\text{O}}_2}}}(t) = {u_{\text{e}}}{E_{\text{e}}}(t)+{u_{\text{w}}}{E_{\text{w}}}(t)+{u_{\text{p}}}{E_{\text{p}}}(t). $

式中： $ {C}_{{\mathrm{C}\mathrm{O}}_{2}}\left(t\right) $表示t时刻系统碳排放总量成本； E(t)表示t时刻碳排放总量， $u$表示碳排放成本系数，下标e、w、p分别表示购电、风电和光伏. 同理，其他污染物如氮硫化物的排放成本计算与碳排放一样，这里就不再赘述.

以经济性作为IES优化设计的主导目标，而可靠性则通过后续约束条件予以体现. 为此，模型目标函数设为系统年总费用最小，包括年化投资费、年运维费和外部能源购置费用. 表达式如下：

(19) $ \min \;C = {C_{{\text{re}}}}+{C_{{\text{eg}}}}+{C_{{\text{eh}}}}+{C_{{\text{ee}}}}+{C_{{\text{ec}}}}+ {C_{{\text{buy}}}}+{C_{{\text{C}}{{\text{O}}_{\text{2}}}}} , $

(20) $ {C}_{\text{buy}}=\sum _{i=1}^{12}\left[{c}_{\text{um}} {P}_{\text{um}}(i)+\theta \right]+\sum _{{t=1}}^{8\;760}{c}_{\text{u}}(t){P}_{\text{u}}(t). $

式中： C为综合能源系统年总费用；C_buy为该园区上网交易的电量总费用；c_um为容量单价；P_um(i)为电网合同容量功率；i表示月份，i=1，2，···，12；θ为超合同量惩罚费用；c_u为分时电价；P_u为逐时购电功率.

结合0-1整数规划求解上述成本最优方程，考虑现实园区内任意时间段内各部分负荷必须同时满足的基本条件，提出以下6种系统约束条件，包括电能平衡约束、热负荷平衡约束、冷负荷平衡约束、蒸汽负荷平衡约束、电网交互功率约束、储能系统平衡约束. 具体模型参数如下.

(21) $ \begin{split} &{P_{{\text{grid}}}}(t)+{P_{{\text{PV}}}}(t)+{P_{\text{w}}}(t)+{P_{{\text{dis}}}}(t) - {P_{{\text{LD}}}}(t) - \\ &\qquad {P_{{\text{ec}}}}(t) - {P_{{\text{chr}}}}(t) - {P_{{\text{eh}}}}(t) - {P_{{\text{eg}}}}(t) = 0. \end{split}$

式中：P_grid(t)为t时刻电网供电功率，即园区和电网之间交互功率，P_PV(t)、 P_w(t)、 P_LD(t)、 P_chr(t)、 P_dis(t)、P_ec(t)、 P_eh(t)分别为光伏功率、风电功率、园区用电负荷、电化学储能系统的充电功率、电化学储能系统的放电功率、电制冷机组功率、供热设备功率，可在图7、8的计算结果中体现.

(22) $ {Q_{{\text{eh}}}}(t) - {Q_{{\text{H,LD}}}}(t) - {Q_{\text{m}}}(t) = 0. $

式中：Q_eh(t)为电极锅炉的制热功率；Q_H,LD(t)为t时刻工业园区热负荷；Q_m(t)为t时刻工业园区蒸汽发生系统放热功率，对应图9、10的储热系统放热功率.

(23) $ {Q_{{\text{ec}}}}(t) - {Q_{{\text{C,LD}}}}(t) = 0. $

式中：Q_ec(t)为电制冷机组的制冷功率，Q_C,LD(t)为t时刻工业园的冷负荷.

(24) $ {P_{\text{g}}}(t) - {D_{{\text{LD}}}}(t) = 0. $

式中：P_g(t)表示蒸汽发生系统主要为熔盐及固体蓄热系统的制汽功率，D_LD(t)为t时刻工业园区蒸汽负荷.

(25) $ \left. {\begin{array}{*{20}{l}} {0 \leqslant {P_{{\text{grid\_buy}}}}(t) \leqslant U_1(t)P_{{\text{grid\_buy}}}^{\max }(t),} \\ {0 \leqslant {P_{{\text{grid\_sell}}}}(t) \leqslant U_0(t)P_{{\text{grid\_sell}}}^{\max }(t).} \end{array}} \right\} $

式中： $\mathop P\nolimits_{{\rm{grid}} \_ {\rm{sell}}}^{\max } $、 $\mathop P\nolimits_{{\rm{grid}} \_ {\rm{buy}}}^{\max } $分别为最大售电、购电功率；U(t)表示系统在t时刻的购电、售电状态，下标1表示购电，0表示售电.

(26) $ \left. {\begin{array}{*{20}{l}} {0 \leqslant {U_{i{\text{\_chr}}}}(t){P_{i\_{\text{chr}}}}(t) \leqslant P_{i\_{\text{chr}}}^{\max },} \\ {0 \leqslant {U_{i\_{\text{dis}}}}(t){P_{i\_{\text{dis}}}}(t) \leqslant P_{i\_{\text{dis}}}^{\max },} \\ {E_i^{\min } \leqslant {E_i}(t) \leqslant E_i^{\max }.} \end{array}} \right\} $

式中： $\mathop P\nolimits_{{i}\_ {\rm{chr}}}^{\max }$、 $\mathop P\nolimits_{{i} \_ {\rm{dis}}}^{\max }$分别为储能设备i，包括熔盐及固体储热、电极锅炉及热泵和蓄电池的充能、放能最大值； U_{i_chr}(t)、 U_{i_dis}(t)分别为储能设备i在t时刻的充能、放能状态，为0-1变量； $\mathop E\nolimits_i^{\min } $、 $\mathop E\nolimits_i^{\max } $分别为储能设备i最小、最大储能容量.

如表1~3所示分别为工业园区可再生能源系统、储热系统、蓄电池储能系统的参数表，表中内容主要包括各部分机组模型的运行参数、运行效率以及经济模型中涉及到的机组安装成本、运维成本、使用年限等参数. 表中，C_inv为投资成本，C_OM为运维成本，T_life为使用年限，θ_w为工作温度，c_p为比定压热容，λ为导热系数，h_s为储热密度，C_ins为安装成本，C_e为功率成本，Cycle为循环次数，Cycle_a为年循环次数， E_c-d为充放效率，r_dis为贴现率. 此外，制冷机组的系统效率为94%，投资成本为1000元/kW，运维成本为0.001元/(kW·h)，使用年限为20 a. 如表4所示为工业园区的分时电价. 表中，P_buy为购电价格，P_sal为售电价格，工业园区采用的工商业电价有峰、谷之分. 峰时段购电成本为每度0.88元，售电价为每度0.74元，谷时段购电成本为每度0.22元，售电价为每度0.18元 ¹ . 因此，要对系统的运行调度进行优化，应尽可能在谷时段购电，在峰时段售电，这样既能降低园区的运行成本，又能缓解大电网的压力. 如表5所示为碳交易成本中运用到的不同能源链的二氧化碳及其他污染物排放系数E_ris及排放成本参数C_dis. 根据国际能源署预测报告，碳交易成本目前约为252元/t.

为了验证设计的IES对于零碳园区的经济性和环保性具有良好的改善，将无IES定义为方案1，不考虑碳排放成本约束的IES定义为方案2，考虑碳排放成本约束的IES定义为方案3. 以典型日为计算场景^[16]，经MATLAB 2021编程计算含0-1整数规划的园区能源配置模型，须强调的是，为了减轻模型求解难度，各部分配置设备功率均采用100 kW步长进行搜寻求解. 最终得到方案1、2、3下目标园区的综合能源系统的最优配置方案，如表6所示. 表中，P_r、Q_r表示固体熔盐的充电功率和电量，P_b、Q_b表示电池的充电功率和电量，P_s表示蒸汽发生系统的功率. 可以看出，在无碳排放成本约束时，园区可再生能源系统分配为光伏1 MW，风电3 MW；储能系统配置电极锅炉、熔盐、铅碳电池进行储能，分别为园区提供热、汽、电负荷. 在含碳排放成本约束时，园区的可再生能源系统配置并未发生明显的变化，说明可再生能源对于碳排放量并无显著的影响，但熔盐和蓄电池规模出现了大幅调整，说明影响零碳园区碳排放量的最根本因素是储能深度及储能效率这2部分. 当考虑碳排放成本约束时，系统储能设备应向高效率方向转移，这也为将来发展储能系统指明了方向.

各个方案的电能设备实时功率和热能设备实时功率如图11、12所示.在电能设备优化图中，电功率为正代表工业园区得电，主要包括电网购电、分散式风电系统发电、光伏系统发电、蓄电池放电. 电能为负代表工业园区耗电，主要包括园区用电、储热系统中的电加热设备耗电、蓄电池充电，电锅炉、空气源热泵、电制冷机组耗电以及余电上网. 可以看出，在每个时刻工业园区的得电和耗电之和为零，说明配置的综合能源系统能够实时满足目标园区的电负荷，具有良好的调峰性能. 同理，热能设备优化图中热功率为正代表工业园区得热，主要包括储热系统放热，电极锅炉、空气源热泵的产热，热功率为负则代表工业园区的用热. 可以看出，各个时刻园区系统产热和用热基本保持一致，说明配置的综合能源系统能够满足园区的热负荷，验证了所建立模型的正确性.

假定系统的寿命为25 a，方案1、2、3系统优化配置整套系统投资成本费用分别为100、5520、5830万元，每年的设备维护费用分别为1、33、36万元. 在方案1中，工业园区未安装可再生能源系统和储能系统，系统完全依赖电网购电来满足工业园区内的用能要求，系统的总运行成本（投资成本+运维成本+电网交互）为31512元/d，其中电网购电成本为31209元/d，系统每天产生约24.95 t的碳排放. 方案2未考虑碳交易成本约束，系统的总运行成本为8344元/d，系统采用了2 MW熔盐储热和2 MW铅酸电池储电系统搭配以最大规模消纳谷电，在峰时段协同可再生能源系统、制冷机组、电极锅炉、蒸汽发生器满足工业园区的用能需求的同时，将余电上网来获取额外的收益，每天可消纳谷电27739 kW·h，出售余电8426 kW·h，通过余电上网每天可额外收益6235元. 由于未考虑碳交易模型，系统大量从电网购电，产生了16.12 t/d的碳排放，实际碳交易成本高达4207元/d. 熔盐储热和铅酸蓄电池均是低成本、低效率的储能系统，因此每天有大约19 MW·h的电量在储能用能以及不同能量形式转换的过程中被耗散掉了，造成了较大的浪费.

方案3考虑了碳交易成本的约束，系统采用了1 MW熔盐储热和800 kW锂电池储电系统搭配，在满足工业园区“削峰填谷”要求的同时综合考虑了系统的经济性以及系统的碳排放量，故方案3并没有最大规模消纳谷电，并且峰时段的部分时刻仍须向电网购电来满足工业园区的用能需求，故方案3余电上网收益较小，仅为453元/d. 方案3共计从电网购电5523 kW·h，较方案2下降了80.1%，因此系统仅仅产生3.79 t/d的碳排放，较方案2下降了76.6%. 方案3使用的熔盐储热系统规模较小，为方案2的一半，并且采用了充放效率和成本都更高的锂电池储电，因此方案3在储能过程中的能量损耗较小，每天仅为6.628 MW·h，为方案2的35%. 如表7所示为系统经济性估算. 表中，T_rc为总运行成本，O_c为实际碳排放质量，C_tc为碳交易成本，O_pe为其他污染物排放质量（主要是SO₂和NO_x排放），C_pe为其他污染物排放成本，C_eg为从电网购电成本，F_tr为余电上网收益.

由表7可以看出，在加入综合能源系统后，园区的总运行成本大幅下降，这主要得益于深度的储能系统将弥补园区峰电时期的高购电成本. 在加入更严格的碳排放成本约束后，园区总运行成本再次大幅下降，主要原因则是系统更低的能量损耗及电网购电成本，以及所选择的储能设备效率较高.

随着双碳战略的不断推进，碳排放成本将大幅上升^[17]，进而对于零碳园区的选择配置会产生较大的影响. 基于本研究的优化求解，可以为工业园区的综合能源系统构建指明发展方向，为相关产业布局和规划提出指导. 根据国际能源署展望，将2050年碳排放成本定义为2000元/t^[17]，根据此数据重新计算选择零碳园区设备配置，定义为方案4. 经过计算，最终得到设备配置如下：光伏1 MW、风电3 MW、600 kW/6 MW·h钠硫电池、1 MW/10 MW·h镁储热、1 MW电加热、300 kW蒸汽发生器、200 kW空气源热泵. 方案4投资成本为6970万元，每年的设备维护费用为37万元，因此得到系统的总运行成本为12623元/d，该方案设备共同特点是高成本、高效率，因此系统由于储能产生的能量损耗较小，仅为1.5 kW·h，为方案2的8%，方案3的22%. 同时，方案4产生的碳排放仅为0.98 t/d，对比方案2、3，方案4在系统总运行成本上分别上升34%、23%的情况下，碳排放量分别下降94%、77%. 同理，由图11、12可以看出，配置的综合能源系统各个时刻的电热负荷基本都能得到满足，证实了设备选取的合理性.

综合方案1~4的设备功率占比，如图13所示. 可以看出，2050年时在高碳排放成本约束下，设备倾向于高效率、高投资成本的高科技储能手段，热负荷由电极锅炉向空气源热泵转换，蓄电池由锂离子向钠硫电池转换，熔盐储热向镁砖储热转换. 综上，固体蓄热将成为蒸汽负荷源的主要产生部分，须提前进行产业布局，在蓄电池方面仍须不断开发高效率电池如钠硫电池，才能满足双碳战略需求下的储能产业需求.

根据国际能源署预测报告，碳交易成本目前约为252元/t，2050年约为2000元/t，结合表7中的各个方案的总运行成本，即可得到各个方案的日折算总成本（总运行成本+碳交易成本）T_d，如图14所示. 可以看出，虽然加入IES，系统投资成本费用巨大，但随着碳排放的日益严格，加入综合能源系统的日折算总成本降低显著，变为原先的28%~38%. 考虑到目前我国并未实行严格的碳交易市场，本研究比较了不包含碳交易成本的总运行成本，可以看出加入综合能源系统配置后的方案总运行成本约为原先的25%~40%，充分证明了IES对于零碳工业园区的显著重要性.

（1）综合能源系统内更合理的组合方式使系统从外部购电、购热成本大幅降低，实现了日折算总成本和总运行成本的大幅降低，总运行成本约为原先的20%~40%，日折算总成本降低显著，变为原先的28%~38%.因此，包含风光储一体的零碳园区综合能源系统运行方式具有显著经济性以及应用性.

（2）在碳交易成本约束下，园区碳、氮、硫排放量均大幅下降，排放量减少90%以上.

（3）在考虑碳交易成本后，综合能源系统的储能设备应向高效率、高科技系统转移，热负荷由电极锅炉向空气源热泵转换，蓄电池由锂离子向钠硫电池转换，熔盐储热向镁砖储热转换. 指明未来各部分储能的发展方向，对于当前建设零碳工业园区具有非常积极的意义.

（4）通过0-1整数规划只能得到模糊求解并不能准确得到最优解配置方案并且本研究未仔细考虑外部风光时效变化对求解产生的影响，接下来应考虑风光变化的时效性对系统优化配置的影响.